Medir el solapamiento entre dos actores

El solapamiento se calcula sobre lo que los informes alcanzaron a mapear, no sobre todo lo que el actor hace. Y las técnicas no pesan igual. Si nueve de cada doce actores del corpus usan un correo con adjunto, que dos de ellos también lo usen es lo esperable. En cambio, una técnica que solo usan pocos actores y que aparece en los dos repertorios es una coincidencia más informativa.

La última columna de tecnicas_comparadas cuenta cuántos actores del corpus usan cada técnica. Es la medida de rareza: cuanto menos se usa, más pesa la coincidencia.

Primero lo más simple: el tamaño de la intersección. En tecnicas_comparadas cada actor tiene una columna con si o no. Una técnica compartida es la que tiene si en las dos. Esta cifra sola no dice quién se parece más a quién, pero es el primer dato.

Para comparar pares de actores con repertorios de distinto tamaño se usa una proporción. La del cuaderno, en medidas_de_solapamiento, divide las técnicas compartidas entre el total de técnicas distintas que suman los dos actores y la expresa en porcentaje. Redondea al entero más cercano.

Tómala como lo que es: una medida de parecido entre dos repertorios incompletos, no una probabilidad de que sean el mismo actor.

De las técnicas que los dos actores comparten, no todas tienen el mismo valor. Mira la columna de rareza de tecnicas_comparadas y quédate con la compartida que menos actores del corpus utilizan. Esa es la que merece una línea propia en el informe: una coincidencia poco frecuente es una pista para investigar, nunca una conclusión.