Redes complexas têm sido cada vez mais utilizadas para a modelagem e análise dos mais diversos sistemas da natureza. Um dos tópicos mais estudados na área de redes está relacionado com a identificação e caracterização de grupos de nós mais conectados entre si do que com o restante da rede, chamados de comunidades. Neste trabalho, mostramos que comunidades podem ser caracterizadas por quatro classes gerais de propriedades, relacionadas com a topologia interna, dinâmica interna, fronteira topológica, e fronteira dinâmica das comunidades. Verificamos como estas diferentes características influenciam em dinâmicas ocorrendo sobre a rede. Em especial, estudamos o inter-relacionamento entre a topologia e a dinâmica das comunidades para cada uma dessas quatro classes de atributos. Mostramos que certas propriedades provocam a alteração desse inter-relacionamento, dando origem ao que chamamos de comportamento específico de comunidades. De forma a apresentarmos e analisarmos este conceito nos quatro casos considerados, estudamos as seguintes combinações topológicas e dinâmicas. Na primeira, investigamos o passeio aleatório tradicional ocorrendo sobre redes direcionadas, onde mostramos que a direção das conexões entre comunidades é o principal fator de alteração no relacionamento topologia-dinâmica. Aplicamos a metodologia proposta em uma rede real, definida por módulos corticais de animais do gênero Macaca. O segundo caso estudado aborda o passeio aleatório enviesado ocorrendo sobre redes não direcionadas. Mostramos que o viés associado às transições da dinâmica se tornam cada vez mais relevantes com o aumento da modularidade da rede. Verificamos também que a descrição da dinâmica a nível de comunidades possibilita modelarmos com boa acurácia o fluxo de passageiros em aeroportos. A terceira análise realizada envolve a dinâmica neuronal integra-e-dispara ocorrendo sobre comunidades geradas segundo o modelo Watts-Strogatz. Mostramos que as comunidades podem possuir não apenas diferentes níveis de ativação dinâmica, como também apresentar diferentes regularidades de sinal dependendo do parâmetro de reconexão utilizado na criação das comunidades. Por último, estudamos a influência das posições de conexões inibitórias na dinâmica integra-e-dispara, onde mostramos que a inibição entre comunidades dá origem a interessantes variações na ativação global da rede. As análises realizadas revelam a importância de, ao modelarmos sistemas reais utilizando redes complexas, considerarmos alterações de parâmetros do modelo na escala de comunidades.

There has been a growing interest in modeling diverse types of real-world systems through the tools provided by complex network theory. One of the main topics of research in this area is related to the identification and characterization of groups, or communities, of nodes more densely connected between themselves than with the rest of the network. We show that communities can be characterized by four general classes of features, associated with the internal topology, internal dynamics, topological border, and dynamical border of the communities. We verify that these characteristics have direct influence on the dynamics taking place over the network. Particularly, for each considered class we study the interdependence between the topology and the dynamics associated with each network community. We show that some of the studied properties can influence the topology-dynamics interdependence, inducing what we call the communities specific behavior. In order to present and characterize this concept on the four considered classes, we study the following combinations of network topology and dynamics. We first investigate traditional random walks taking place on a directed network. We demonstrate that, for this dynamics, the direction of the edges between communities represents the main method for the modification of the topology-dynamics relationship. We apply the developed approach on a real-world network, defined by the connectivity between cortical regions in primates of the Macaca genus. The second studied case considers the biased random walk on undirected networks. We demonstrate that the transition bias of this dynamics becomes more relevant for higher network modularity. In addition, we show that the biased random walk can be used to model with good accuracy the passenger flow inside the communities of two airport networks. The third analysis is done on a neuronal dynamics, called integrate-and-fire, applied to networks composed of communities generated by the Watts-Strogatz model. We show that the considered communities can not only posses distinct dynamical activation levels, but also yield different signal regularity. Lastly, we study the influence of the positions of inhibitory connections on the integrate-and-fire dynamics. We show that inhibitory connections placed between communities can have a non-trivial influence on the global behavior of the dynamics. The current study reveals the importance of considering parameter variations of network models at the scale of communities.