Actualmente, el uso de internet tiene diferentes propósitos, entre ellos se encuentran las Redes Sociales. Su principal objetivo es el comunicar lo más posible a las personas, sin importar su ubicación geográfica. La interacción entre los usuarios genera una cultura de intercambio, creando una Comunidad en la Red Social.Existen diferentes tipos de Comunidades, entre ellas las Comunidades de Practica, definidas como comunidades donde la interacción entre usuarios está basada en la necesidad de aprender sobre un área técnica en específico. Cuando las interacciones entre los miembros de la comunidad se llevan a cabo por la Internet, se les llaman Comunidades de Practica Virtuales (VCoP en ingles). En este tipo de comunidades, es importante que el propósito por el cual fue creada sea cumplido a través del tiempo por parte de los miembros.Para los administradores, no es fácil de identificar quienes son los miembros cuyos aportes son importantes para la comunidad, debido a la cantidad de usuarios y post que se generan día a día. Estos miembros claves son generalmente descubiertos con técnicas de Análisis de Redes Sociales (SNA en ingles), pero estas técnicas no consideran el contenido que ellos entregan. Al contrario, técnicas de minería de datos en documentos logran medir el contenido desarrollado en la comunidad, pero no consideran las interacciones entre usuarios. Esto implica que es necesario tener una metodología que mezcle ambos enfoques y así poder encontrar a los miembros clave en términos del contenido.En esta tesis, se desarrollo un sistema hibrido que combine el contenido procesado por Minería de Datos y las técnicas de Análisis de Redes Sociales para encontrar miembros clave. La idea principal es obtener una representación de la red en un grafo que considere los conceptos o tópicos contenidos en un post.Para este propósito, tres configuraciones fueron definidas, de acuerdo a "quien le responde" un miembro cuando postea. Además, dos filtros de contenido fueron aplicados, obteniendo los conceptos y tópicos tratados en la comunidad. Algoritmos de Grado y HITS fueron utilizados para encontrar miembros clave, logrando definir dos tipos: los motivadores, que atraen a otros miembros a participar, y los respondedores, que responden las preguntas de la comunidad.Los resultados muestran que se lograron encontrar miembros claves para todas las configuraciones de la red, además de mostrar una precisión igual o superior al 70% por algoritmo. Los administradores entregaron nominas de miembros claves antes y después de ver los resultados, y se pudo apreciar un aumento en la cantidad de miembros claves, demostrando que la aplicación de técnicas de SNA ayudan a mejorar la búsqueda de miembros clave.La aplicación de filtros de contenido no presenta mejoras significativas. Sin embargo, el incluir el contenido será de ayuda para el trabajo futuro, donde se podrán generar redes temáticas de acuerdo a los conceptos o tópicos de la comunidad.