Analiza sieci społecznościowych - Social network analysis

Społecznościowy diagram wyświetlanie więzów przyjaźni pomiędzy zestawem Facebooku użytkowników.

Analiza sieci społecznych ( SNA ) to proces badania struktur społecznych za pomocą sieci i teorii grafów . Charakteryzuje struktury sieciowe pod względem węzłów (pojedynczych aktorów, osób lub rzeczy w sieci) oraz powiązań , krawędzi lub powiązań (relacji lub interakcji), które je łączą. Przykłady struktur społecznych powszechnie wizualizowanych poprzez analizę sieci społecznościowych obejmują sieci społecznościowe , rozpowszechnianie memów , obieg informacji, sieci przyjaźni i znajomości, sieci biznesowe, sieci wiedzy, trudne relacje w pracy, sieci społecznościowe, wykresy współpracy , pokrewieństwo , przenoszenie chorób i relacje seksualne . Sieci te są często wizualizowane za pomocą socjogramów, w których węzły są przedstawiane jako punkty, a powiązania są przedstawiane jako linie. Wizualizacje te zapewniają środki jakościowej oceny sieci poprzez zmianę wizualnej reprezentacji ich węzłów i krawędzi w celu odzwierciedlenia interesujących atrybutów.

Analiza sieci społecznych stała się kluczową techniką współczesnej socjologii . Zyskał również znaczną popularność w następujących - antropologii , biologii , demografii , naukach o komunikacji , ekonomii , geografii , historii , informatyce , naukach organizacyjnych , politologii , zdrowiu publicznym , psychologii społecznej , badaniach rozwojowych , socjolingwistyce i informatyce i jest teraz powszechnie dostępne jako narzędzie konsumenckie (patrz lista oprogramowania SNA ).

Historia

Analiza sieci społecznych ma swoje teoretyczne korzenie w pracach wczesnych socjologów, takich jak Georg Simmel i Émile Durkheim , którzy pisali o znaczeniu badania wzorców relacji łączących aktorów społecznych. Socjologowie używali pojęcia „ sieci społecznościowych ” od początku XX wieku, aby skojarzyć złożone układy relacji między członkami systemów społecznych we wszystkich skalach, od interpersonalnych po międzynarodowe.

W latach 30. Jacob Moreno i Helen Jennings wprowadzili podstawowe metody analityczne. W 1954 roku John Arundel Barnes zaczął systematycznie używać tego terminu do oznaczania wzorców powiązań, obejmujących pojęcia tradycyjnie używane przez społeczeństwo i te używane przez socjologów: grupy ograniczone (np. plemiona, rodziny) i kategorie społeczne (np. płeć, pochodzenie etniczne) . Uczeni tacy jak Ronald Burt , Kathleen Carley , Mark Granovetter , David Krackhardt , Edward Laumann , Anatol Rapoport , Barry Wellman , Douglas R. White i Harrison White rozszerzyli zakres stosowania systematycznej analizy sieci społecznościowych.

SNA jest szeroko stosowany w badaniach nad przyswajaniem drugiego języka za granicą. Nawet w badaniu literatury analizę sieciową zastosowali Anheier, Gerhards i Romo, Wouter De Nooy i Burgert Senekal. Rzeczywiście, analiza sieci społecznościowych znalazła zastosowanie w różnych dyscyplinach akademickich, a także w praktycznych zastosowaniach, takich jak przeciwdziałanie praniu pieniędzy i terroryzmowi .

Metryka

Barwa (od czerwonego=0 do niebieskiego=maks.) wskazuje centralne położenie każdego węzła .

Rozmiar: liczba członków sieci w danej sieci.

Znajomości

Homofilia : Stopień, w jakim aktorzy tworzą więzi z podobnymi lub niepodobnymi innymi. Podobieństwo można określić na podstawie płci, rasy, wieku, zawodu, wykształcenia, statusu, wartości lub jakiejkolwiek innej istotnej cechy. Homofilia jest również określana jako assortatywność .

Multiplexity: Liczba form treści zawartych w remisie. Na przykład, dwoje ludzi, którzy są przyjaciółmi, a także pracują razem, będzie miało zwielokrotnienie 2. Zwielokrotnienie jest związane z siłą relacji i może również obejmować nakładanie się pozytywnych i negatywnych więzi sieciowych.

Wzajemność/Wzajemność: Stopień, w jakim dwóch aktorów odwzajemnia przyjaźń lub inną interakcję.

Zamknięcie sieci : miara kompletności triad relacyjnych. Założenie zamknięcia sieci przez jednostkę (tj. że jej znajomi są również przyjaciółmi) nazywa się przechodniością. Przechodniość jest wynikiem indywidualnej lub sytuacyjnej cechy Potrzeby Poznawczego Zamknięcia .

Propinquity : Skłonność aktorów do nawiązywania większej liczby więzi z innymi geograficznie bliskimi.

Dystrybucje

Mostek : osoba, której słabe więzi wypełniają dziurę strukturalną , zapewniając jedyne połączenie między dwoma osobnikami lub skupiskami. Obejmuje również najkrótszą trasę, gdy dłuższa jest niewykonalna ze względu na wysokie ryzyko zniekształcenia wiadomości lub niepowodzenia dostarczenia.

Centralność : Centralność odnosi się do grupy wskaźników, których celem jest ilościowe określenie „ważności” lub „wpływu” (w różnych znaczeniach) określonego węzła (lub grupy) w sieci. Przykłady typowych metod pomiarowych „centralne” obejmują betweenness centralną , bliskości centralną , wektor własny centralną , alfa centralną i stopień centralnej .

Gęstość : Proporcja bezpośrednich połączeń w sieci w stosunku do całkowitej możliwej liczby.

Położenia: minimalna więzi wymaga łączenia dwóch poszczególnych stron, jak spopularyzował Stanley Milgram jest małym doświadczeniu światowej oraz idei "sześć stopni rozdziału.

Dziury strukturalne: Brak powiązań między dwiema częściami sieci. Znalezienie i wykorzystanie luki strukturalnej może dać przedsiębiorcy przewagę konkurencyjną. Koncepcja ta została opracowana przez socjologa Ronalda Burta i jest czasami określana jako alternatywna koncepcja kapitału społecznego.

Siła więzi: Zdefiniowana przez liniową kombinację czasu, intensywności emocjonalnej, intymności i wzajemności (tj. wzajemności). Silne więzy kojarzą się z homofilią, skłonnością i przechodniością, podczas gdy słabe więzy kojarzą się z mostami.

Segmentacja

Grupy są określane jako „ kliki ”, jeśli każda jednostka jest bezpośrednio związana z każdą inną jednostką, „ kręgi społeczne ”, jeśli bezpośredni kontakt jest mniej rygorystyczny, co jest nieprecyzyjne, lub jako strukturalnie spójne bloki, jeśli wymagana jest precyzja.

Współczynnik grupowania : miara prawdopodobieństwa, że ​​dwa skojarzenia węzła są skojarzeniami. Wyższy współczynnik skupienia wskazuje na większą „zręczność”.

Spójność: Stopień, w jakim aktorzy są ze sobą bezpośrednio połączeni spójnymi więzami . Spójność strukturalna odnosi się do minimalnej liczby członków, którzy po usunięciu z grupy odłączyliby grupę.

Modelowanie i wizualizacja sieci

Różne cechy sieci społecznościowych. A, B i C pokazują różną centralność i gęstość sieci; Panel D pokazuje zamknięcie sieci, tj. gdy dwóch aktorów związanych ze wspólnym trzecim aktorem, również tworzy między sobą bezpośrednią więź. Panel E reprezentuje dwóch aktorów o różnych atrybutach (np. przynależność organizacyjna, przekonania, płeć, wykształcenie), którzy mają tendencję do tworzenia więzi. Panel F składa się z dwóch rodzajów więzi: przyjaźni (linia ciągła) i niechęci (linia przerywana). W tym przypadku dwóch aktorów, którzy są przyjaciółmi, nie lubi wspólnej trzeciej osoby (lub, podobnie, dwóch aktorów, którzy nie lubią wspólnej trzeciej osoby, jest zazwyczaj przyjaciółmi).

Wizualna reprezentacja sieci społecznościowych jest ważna dla zrozumienia danych sieciowych i przekazania wyników analizy. Przedstawiono liczne metody wizualizacji danych generowanych przez analizę sieci społecznościowych. Wiele programów analitycznych posiada moduły do ​​wizualizacji sieci. Eksploracja danych odbywa się poprzez wyświetlanie węzłów i powiązań w różnych układach oraz przypisywanie węzłom kolorów, rozmiaru i innych zaawansowanych właściwości. Wizualne reprezentacje sieci mogą być potężną metodą przekazywania złożonych informacji, ale należy zachować ostrożność podczas interpretowania właściwości węzłów i wykresów wyłącznie na podstawie wizualizacji, ponieważ mogą one błędnie przedstawiać właściwości strukturalne lepiej uchwycone w analizach ilościowych.

Podpisane wykresy można wykorzystać do zilustrowania dobrych i złych relacji między ludźmi. Dodatnia krawędź między dwoma węzłami oznacza pozytywną relację (przyjaźń, sojusz, randki), a ujemna krawędź między dwoma węzłami oznacza negatywną relację (nienawiść, złość). Podpisane wykresy sieci społecznościowych mogą służyć do przewidywania przyszłej ewolucji wykresu. W podpisanych sieciach społecznościowych istnieje koncepcja cykli „zrównoważonych” i „niezrównoważonych”. Zrównoważony cykl definiuje się jako cykl, w którym iloczyn wszystkich znaków jest dodatni. Zgodnie z teorią równowagi , zrównoważone wykresy reprezentują grupę osób, które prawdopodobnie nie zmienią swoich opinii o innych osobach w grupie. Niezrównoważone wykresy reprezentują grupę osób, które z dużym prawdopodobieństwem zmienią swoje opinie o osobach w swojej grupie. Na przykład grupa 3 osób (A, B i C), w której A i B mają pozytywną relację, B i C mają pozytywną relację, ale C i A mają negatywną relację to niezrównoważony cykl. Ta grupa z dużym prawdopodobieństwem przekształci się w cykl zrównoważony, na przykład taki, w którym B ma dobre relacje tylko z A, a zarówno A, jak i B mają negatywny związek z C. Używając koncepcji cykli zrównoważonych i niezrównoważonych, ewolucja można przewidzieć podpisane wykresy sieci społecznościowych .

Zwłaszcza w przypadku wykorzystywania analizy sieci społecznościowych jako narzędzia ułatwiającego zmianę, przydatne okazały się różne podejścia do partycypacyjnego mapowania sieci. W tym przypadku uczestnicy / ankieterzy dostarczają dane sieciowe, faktycznie mapując sieć (za pomocą długopisu i papieru lub cyfrowo) podczas sesji zbierania danych. Przykładem podejścia do mapowania sieci opartego na długopisie i papierze, które obejmuje również zbiór niektórych atrybutów aktora (postrzeganego wpływu i celów aktorów) jest * Zestaw narzędzi mapy sieci . Jedną z zalet tego podejścia jest to, że umożliwia naukowcom zbieranie danych jakościowych i zadawanie pytań wyjaśniających podczas gromadzenia danych sieciowych.

Potencjał sieci społecznościowych

Potencjał sieci społecznościowych (SNP) to współczynnik liczbowy , wyliczany za pomocą algorytmów w celu odzwierciedlenia zarówno rozmiaru sieci społecznościowej danej osoby, jak i jej zdolności do wpływania na tę sieć. Współczynniki SNP zostały po raz pierwszy zdefiniowane i użyte przez Boba Gerstleya w 2002 roku. Blisko spokrewnionym terminem jest Alpha User , definiowany jako osoba o wysokim SNP.

Współczynniki SNP pełnią dwie podstawowe funkcje:

  1. Klasyfikacja osób na podstawie ich potencjału społecznościowego, a
  2. Ważenie respondentów w ilościowych badaniach marketingowych .

Obliczając SNP respondentów i ukierunkowanie na respondentów o wysokim SNP, zwiększa się siła i trafność ilościowych badań marketingowych wykorzystywanych do prowadzenia strategii marketingu wirusowego .

Zmienne używane do obliczania SNP danej osoby obejmują między innymi: udział w działaniach w sieciach społecznościowych, członkostwo w grupach, role przywódcze, uznanie, publikację/edycję/wkład w media nieelektroniczne, publikację/edycję/wkład w media elektroniczne (strony internetowe, blogi) oraz częstotliwość dystrybucji informacji w ich sieci w przeszłości. Akronim „SNP” i niektóre z pierwszych algorytmów opracowanych w celu ilościowego określenia potencjału społecznościowego danej osoby zostały opisane w białej księdze „Badania reklamowe zmieniają się” (Gerstley, 2003). Patrz Marketing wirusowy .

Pierwsza książka omówić komercyjnego wykorzystania Alpha wśród użytkowników mobilnych usług telekomunikacyjnych publiczności był 3G Marketing przez Ahonena, Kasper i Melkko w 2004. Pierwsza książka omówić Alpha Użytkownicy bardziej ogólnie w kontekście marketingu społecznego inteligencji był Społeczności Dominacja Marki według Ahonena & Moore w 2005 r. W 2012 r. Nicola Greco ( UCL ) przedstawił na TEDx potencjał sieci społecznościowych jako paralelizm do potencjalnej energii, którą użytkownicy generują i firmy powinny wykorzystywać, stwierdzając, że „SNP jest nowym atutem, do którego powinna dążyć każda firma”. .

Praktyczne zastosowania

Analiza sieci społecznościowych jest szeroko stosowana w wielu aplikacjach i dyscyplinach. Niektóre popularne aplikacje do analizy sieci obejmują agregację i eksplorację danych , modelowanie propagacji sieci, modelowanie i próbkowanie sieci, analizę atrybutów i zachowań użytkowników, obsługę zasobów utrzymywanych przez społeczność , analizę interakcji opartych na lokalizacji, udostępnianie i filtrowanie w serwisach społecznościowych , opracowywanie systemów rekomendujących i przewidywanie łączy i rozdzielczość podmiotu. W sektorze prywatnym firmy wykorzystują analizę sieci społecznościowych do wspierania działań, takich jak interakcja i analiza z klientem, analiza rozwoju systemu informacyjnego , marketing i potrzeby w zakresie analityki biznesowej (patrz analiza mediów społecznościowych ). Niektóre zastosowania w sektorze publicznym obejmują opracowywanie strategii zaangażowania liderów, analizę zaangażowania indywidualnego i grupowego oraz wykorzystanie mediów , a także rozwiązywanie problemów w oparciu o społeczność .

Aplikacje zabezpieczające

Analiza sieci społecznościowych jest również wykorzystywana w działaniach wywiadowczych, kontrwywiadowczych i organów ścigania . Technika ta pozwala analitykom na mapowanie tajnych organizacji, takich jak siatka szpiegowska , zorganizowana rodzina przestępcza lub gang uliczny. Agencja Bezpieczeństwa Narodowego (NSA) korzysta z elektronicznych nadzoru programów do generowania danych potrzebnych do wykonywania tego typu analizy komórek terrorystycznych i innych sieci uznane za istotne dla bezpieczeństwa narodowego. Podczas tej analizy sieci NSA sprawdza maksymalnie trzy węzły. Po zakończeniu wstępnego mapowania sieci społecznościowej przeprowadzana jest analiza mająca na celu określenie struktury sieci i ustalenie np. liderów w obrębie sieci. Pozwala to siłom wojskowym lub organom ścigania na przeprowadzanie ataków polegających na schwytaniu lub zabiciu dekapitacji na cele o dużej wartości na stanowiskach kierowniczych, aby zakłócić funkcjonowanie sieci. NSA przeprowadza analizę sieci społecznościowych na podstawie rekordów połączeń (CDR), znanych również jako metadane , wkrótce po atakach z 11 września .

Aplikacje do analizy tekstu

Duże korpusy tekstowe można przekształcić w sieci, a następnie przeanalizować metodą analizy sieci społecznościowych. W tych sieciach węzły to Aktorzy Społeczni, a łącza to Akcje. Wyodrębnianie tych sieci można zautomatyzować za pomocą parserów. Powstałe sieci, które mogą zawierać tysiące węzłów, są następnie analizowane za pomocą narzędzi z teorii sieci w celu zidentyfikowania kluczowych aktorów, kluczowych społeczności lub stron oraz ogólnych właściwości, takich jak odporność lub stabilność strukturalna całej sieci lub centralność niektórych węzły. Automatyzuje to podejście wprowadzone przez Quantitative Narrative Analysis, w którym tryplety podmiot-czasownik-przedmiot są identyfikowane z parami aktorów połączonych akcją lub parami utworzonymi przez aktor-przedmiot.

Sieć narracyjna Wyborów w USA 2012

W innych podejściach analiza tekstu prowadzona jest z uwzględnieniem sieci słów współwystępujących w tekście. W tych sieciach węzły są słowami, a łącza między nimi są ważone na podstawie ich częstotliwości współwystępowania (w określonym maksymalnym zakresie).

Aplikacje internetowe

Analiza sieci społecznościowych została również zastosowana do zrozumienia zachowań online osób, organizacji i między stronami internetowymi. Analiza hiperłączy może służyć do analizowania połączeń między witrynami internetowymi lub stronami internetowymi w celu zbadania, w jaki sposób przepływają informacje, gdy poszczególne osoby poruszają się po Internecie. Powiązania między organizacjami zostały przeanalizowane za pomocą analizy hiperłączy, aby zbadać, które organizacje w społeczności problemowej.

Aplikacje internetowe w mediach społecznościowych

Analiza sieci społecznościowych została zastosowana w mediach społecznościowych jako narzędzie do zrozumienia zachowań między osobami lub organizacjami poprzez ich powiązania w serwisach społecznościowych, takich jak Twitter i Facebook .

We wspomaganym komputerowo uczeniu się opartym na współpracy

Jedną z najbardziej aktualnych metod zastosowania SNA jest badanie wspomaganego komputerowo uczenia się opartego na współpracy (CSCL). W zastosowaniu do CSCL, SNA służy do zrozumienia, w jaki sposób uczniowie współpracują pod względem ilości, częstotliwości i długości, a także jakości, tematu i strategii komunikacji. Ponadto SNA może koncentrować się na określonych aspektach połączenia sieciowego lub całej sieci jako całości. Wykorzystuje reprezentacje graficzne, reprezentacje pisemne i reprezentacje danych, aby pomóc w badaniu połączeń w sieci CSCL. Podczas stosowania SNA w środowisku CSCL interakcje uczestników są traktowane jak sieć społecznościowa. Analiza koncentruje się na „połączeniach” nawiązanych między uczestnikami – na tym, jak wchodzą w interakcje i komunikują się – w przeciwieństwie do tego, jak każdy uczestnik zachowywał się samodzielnie.

Kluczowe terminy

Istnieje kilka kluczowych terminów związanych z badaniami nad analizą sieci społecznościowych we wspomaganym komputerowo uczeniu się opartym na współpracy, takich jak: gęstość , centralność , stopień początkowy , stopień wyjściowy , socjogram .

  • Gęstość odnosi się do „połączeń” między uczestnikami. Gęstość jest definiowana jako liczba połączeń posiadanych przez uczestnika podzielona przez łączną liczbę możliwych połączeń, jakie może mieć uczestnik. Na przykład, jeśli bierze udział 20 osób, każda osoba może potencjalnie połączyć się z 19 innymi osobami. Gęstość 100% (19/19) jest największą gęstością w systemie. Gęstość 5% wskazuje, że istnieje tylko 1 z 19 możliwych połączeń.
  • Centralność skupia się na zachowaniu poszczególnych uczestników w sieci. Mierzy stopień, w jakim dana osoba wchodzi w interakcje z innymi osobami w sieci. Im bardziej dana osoba łączy się z innymi w sieci, tym większa jest jej centralna pozycja w sieci.

Zmienne in-degree i out-degree są powiązane z centralnością.

  • Centralność w stopniu koncentruje się na konkretnej osobie jako punkcie skupienia; centralne znaczenie wszystkich innych osób opiera się na ich stosunku do punktu centralnego jednostki „w stopniu”.
  • Out-degree to miara centralności, która nadal koncentruje się na pojedynczej osobie, ale analiza dotyczy wychodzących interakcji jednostki; Miarą centralności poza stopniem jest to, ile razy osoba będąca punktem skupienia wchodzi w interakcję z innymi.
  • Sociogram jest wizualizacja z nakreślonymi połączeń w sieci. Na przykład socjogram, który pokazuje punkty centralne poza stopniem dla Uczestnika A, zilustrowałby wszystkie połączenia wychodzące, jakie Uczestnik A nawiązał w badanej sieci.

Unikalne możliwości

Badacze wykorzystują analizę sieci społecznościowych w badaniu wspomaganego komputerowo uczenia się opartego na współpracy, częściowo ze względu na wyjątkowe możliwości, jakie oferuje. Ta szczególna metoda umożliwia badanie wzorców interakcji w sieciowej społeczności uczącej się i może pomóc zilustrować zakres interakcji uczestników z innymi członkami grupy. Grafiki stworzone za pomocą narzędzi SNA dostarczają wizualizacji powiązań między uczestnikami oraz strategii wykorzystywanych do komunikacji w grupie. Niektórzy autorzy sugerują również, że SNA zapewnia metodę łatwej analizy zmian we wzorcach uczestnictwa członków w czasie.

Wiele badań naukowych zastosowało SNA do CSCL w różnych kontekstach. Wyniki obejmują korelację między gęstością sieci a obecnością nauczyciela, większy szacunek dla zaleceń „centralnych” uczestników, rzadkość interakcji międzypłciowych w sieci oraz stosunkowo małą rolę odgrywaną przez instruktora w asynchronicznej sieci uczenia się. .

Inne metody stosowane obok SNA

Chociaż wiele badań wykazało wartość analizy sieci społecznościowych w dziedzinie uczenia się opartego na współpracy wspomaganej komputerowo, naukowcy zasugerowali, że samo SNA nie wystarczy do pełnego zrozumienia CSCL. Złożoność procesów interakcji i niezliczone źródła danych utrudniają SNA dostarczenie dogłębnej analizy CSCL. Naukowcy wskazują, że SNA należy uzupełnić innymi metodami analizy, aby uzyskać dokładniejszy obraz wspólnych doświadczeń edukacyjnych.

Wiele badań naukowych połączyło inne rodzaje analizy z SNA w badaniu CSCL. Można to nazwać podejściem wielometodowym lub triangulacją danych , co doprowadzi do zwiększenia wiarygodności oceny w badaniach CSCL.

  • Metoda jakościowa – Zasady jakościowego badania przypadków stanowią solidne ramy dla integracji metod SNA w badaniu doświadczeń CSCL.
    • Dane etnograficzne, takie jak kwestionariusze uczniów i wywiady oraz obserwacje osób nieuczestniczących w zajęciach
    • Studia przypadków : kompleksowo przestudiuj konkretne sytuacje CSCL i odnieś wyniki do ogólnych schematów
    • Analiza treści : oferuje informacje o treści komunikacji między członkami
  • Metoda ilościowa – obejmuje proste opisowe analizy statystyczne dotyczące zdarzeń w celu zidentyfikowania określonych postaw członków grupy, których nie udało się śledzić za pomocą SNA w celu wykrycia ogólnych tendencji.
    • Pliki dziennika komputera : zapewniają automatyczne dane o tym, w jaki sposób narzędzia do współpracy są używane przez uczniów
    • Skalowanie wielowymiarowe (MDS) : wykresy podobieństwa między aktorami, dzięki czemu więcej podobnych danych wejściowych jest bliżej siebie
    • Narzędzia programowe : QUEST, SAMSA (System for Adjacency Matrix and Sociogram-based Analysis) i Nud*IST

Zobacz też

Bibliografia

Zewnętrzne linki

Dalsza lektura

Organizacje

Czasopisma recenzowane

Podręczniki i materiały edukacyjne