Sosialt nettverksanalyse - Social network analysis

Denne artikkelen handler om det teoretiske konseptet. For kvantitativ anvendelse på sosiale medier, se analyser av sosiale medier . For sosiale nettverk, se sosiale nettverkstjenester . For annen bruk, se Sosialt nettverk (disambiguation) .
Del av en serie om
Sosiologi
Sosialt nettverksdiagram (segment) .svg
Metoder
Delfelt
Mennesker
øst Asia

Sør-Asia

Midtøsten

Europa

Nord Amerika

Perspektiver
Lister
Nettverksvitenskap
Internett_kart_1024.jpg
Nettverkstyper
Grafer
Funksjoner
Typer
Modeller
Topologi
Dynamikk
  • Lister
  • Kategorier
Et diagram for sosiale nettverk som viser vennskapsbånd blant et sett med Facebook -brukere.

Sosialt nettverksanalyse ( SNA ) er prosessen med å undersøke sosiale strukturer gjennom bruk av nettverk og grafteori . Det karakteriserer nettverksstrukturer når det gjelder noder (individuelle aktører, mennesker eller ting i nettverket) og båndene , kantene eller koblingene (relasjoner eller interaksjoner) som forbinder dem. Eksempler på sosiale strukturer som ofte visualiseres gjennom sosiale nettverksanalyser inkluderer sosiale medienettverk , memes spredt, informasjonssirkulasjon, vennskap og bekjentskapsnettverk , forretningsnettverk, kunnskapsnettverk, vanskelige arbeidsforhold, sosiale nettverk, samhandlingsgrafer , slektskap , sykdomsoverføring og seksuelle forhold . Disse nettverkene blir ofte visualisert gjennom sosiogrammer der noder er representert som punkter og bånd er representert som linjer. Disse visualiseringene gir et middel til å kvalitativt vurdere nettverk ved å variere den visuelle representasjonen av noder og kanter for å gjenspeile interesseattributter.

Sosialt nettverksanalyse har dukket opp som en nøkkelteknikk i moderne sosiologi . Det har også fått betydelig popularitet i det følgende - antropologi , biologi , demografi , kommunikasjonsstudier , økonomi , geografi , historie , informasjonsvitenskap , organisasjonsstudier , statsvitenskap , folkehelse, sosialpsykologi , utviklingsstudier , sosiolingvistikk og informatikk og er nå allment tilgjengelig som et forbrukerverktøy (se listen over SNA -programvare ).

Historie

Sosial nettverksanalyse har sine teoretiske røtter i arbeidet til tidlige sosiologer som Georg Simmel og Émile Durkheim , som skrev om viktigheten av å studere relasjonsmønstre som forbinder sosiale aktører. Samfunnsvitere har brukt begrepet " sosiale nettverk " siden tidlig på 1900 -tallet for å knytte komplekse sett av relasjoner mellom medlemmer av sosiale systemer i alle skalaer, fra mellommenneskelige til internasjonale.

På 1930 -tallet introduserte Jacob Moreno og Helen Jennings grunnleggende analysemetoder. I 1954 begynte John Arundel Barnes å bruke begrepet systematisk for å betegne bindingsmønstre, som omfatter begreper som tradisjonelt brukes av publikum og de som brukes av samfunnsvitere: avgrensede grupper (f.eks. Stammer, familier) og sosiale kategorier (f.eks. Kjønn, etnisitet) . Lærde som Ronald Burt , Kathleen Carley , Mark Granovetter , David Krackhardt , Edward Laumann , Anatol Rapoport , Barry Wellman , Douglas R. White og Harrison White utvidet bruken av systematisk analyse av sosiale nettverk.

SNA har blitt mye brukt i forskning på studier i utlandet andrespråk. Selv i litteraturstudiet har nettverksanalyse blitt brukt av Anheier, Gerhards og Romo, Wouter De Nooy og Burgert Senekal. Faktisk har analyser av sosiale nettverk funnet anvendelser i forskjellige akademiske disipliner, så vel som praktiske applikasjoner som å bekjempe hvitvasking og terrorisme .

Metrics

Fargetone (fra rødt = 0 til blått = maks) indikerer hver node mellom sentraliteten .

Størrelse: Antall nettverksmedlemmer i et gitt nettverk.

Tilkoblinger

Homofili : I hvilken grad skuespillere danner bånd med lignende versus ulik andre. Likhet kan defineres av kjønn, rase, alder, yrke, utdannelse, status, verdier eller andre fremtredende egenskaper. Homofili blir også referert til som assortativitet .

Multiplexity: Antall innholdsskjemaer i et slips. For eksempel vil to personer som er venner og også jobber sammen ha en multiplexitet på 2. Multiplexity har vært assosiert med relasjonsstyrke og kan også omfatte overlapping av positive og negative nettverkskontakter.

Gjensidighet/gjensidighet: I hvilken grad to aktører gjengjelder hverandres vennskap eller annen interaksjon.

Nettverksstenging : Et mål på fullstendigheten til relasjonelle triader. En persons antagelse om å stenge nettverket (dvs. at vennene deres også er venner) kalles transitivitet. Transitivitet er et resultat av den individuelle eller situasjonelle egenskapen Need for Cognitive Closure .

Propinquity : Tendensen til at aktører har flere bånd med geografisk nære andre.

Distribusjoner

Bridge : En person hvis svake bånd fyller et strukturelt hull , og gir den eneste koblingen mellom to individer eller klynger. Den inkluderer også den korteste ruten når en lengre er umulig på grunn av høy risiko for meldingsforvrengning eller leveringssvikt.

Sentralitet : Sentralitet refererer til en gruppe metrics som tar sikte på å kvantifisere "viktigheten" eller "innflytelsen" (i en rekke sanser) til en bestemt node (eller gruppe) i et nettverk. Eksempler på vanlige metoder for måling av "sentrale" omfatter betweenness sentralitet , nærhet sentralitet , egenvektorsentralitetsindeks , alfa sentralitet , og sentralitetsgraden .

Tetthet : Andelen direkte bånd i et nettverk i forhold til det totale antallet mulige.

Avstand: Minimum antall bånd som kreves for å koble sammen to spesielle skuespillere, som popularisert av Stanley Milgram 's lille verden eksperiment og ideen om 'seks grader av separasjon'.

Strukturelle hull: Fraværet av bånd mellom to deler av et nettverk. Å finne og utnytte et strukturelt hull kan gi en gründer et konkurransefortrinn. Dette konseptet ble utviklet av sosiolog Ronald Burt , og blir noen ganger referert til som en alternativ oppfatning av sosial kapital.

Slipsstyrke: Definert av den lineære kombinasjonen av tid, emosjonell intensitet, intimitet og gjensidighet (dvs. gjensidighet). Sterke bånd er forbundet med homofili, propinquity og transitivity, mens svake bånd er forbundet med broer.

Segmentering

Grupper identifiseres som " klikk " hvis hvert individ er direkte knyttet til hvert annet individ, " sosiale kretser " hvis det er mindre stringens i direkte kontakt, som er upresis, eller som strukturelt sammenhengende blokker hvis presisjon er ønsket.

Klyngekoeffisient : Et mål på sannsynligheten for at to assosierte til en node er assosierte. En høyere grupperingskoeffisient indikerer en større 'cliquishness'.

Samhold: I hvilken grad aktører er koblet direkte til hverandre med sammenhengende bindinger . Strukturell samhørighet refererer til minimum antall medlemmer som, hvis de blir fjernet fra en gruppe, ville koble gruppen.

Modellering og visualisering av nettverk

Ulike egenskaper ved sosiale nettverk. A, B og C viser varierende sentralitet og tetthet av nettverk; panel D viser nedleggelse av nettverk, dvs. når to aktører, knyttet til en vanlig tredje aktør, også pleier å danne et direkte bånd mellom dem. Panel E representerer to aktører med forskjellige attributter (f.eks. Organisatorisk tilhørighet, tro, kjønn, utdanning) som har en tendens til å knytte bånd. Panel F består av to typer bånd: vennskap (solid linje) og misliker (stiplet linje). I dette tilfellet misliker to skuespillere som er venner begge en felles tredjedel (eller på samme måte to skuespillere som misliker en vanlig tredjedel, pleier å være venner).

Visuell representasjon av sosiale nettverk er viktig for å forstå nettverksdataene og formidle resultatet av analysen. Tallrike metoder for visualisering for data produsert ved analyse av sosiale nettverk har blitt presentert. Mange av den analytiske programvaren har moduler for nettverksvisualisering. Utforskning av dataene gjøres ved å vise noder og bånd i forskjellige oppsett, og tilskrive farger, størrelse og andre avanserte egenskaper til noder. Visuelle representasjoner av nettverk kan være en kraftig metode for å formidle kompleks informasjon, men det bør utvises forsiktighet ved tolkning av node- og grafegenskaper fra visuelle skjermer alene, ettersom de kan feilrepresentere strukturelle egenskaper bedre fanget opp gjennom kvantitative analyser.

Signerte grafer kan brukes til å illustrere gode og dårlige forhold mellom mennesker. En positiv kant mellom to noder angir et positivt forhold (vennskap, allianse, dating) og en negativ kant mellom to noder betegner et negativt forhold (hat, sinne). Signerte sosiale nettverksgrafer kan brukes til å forutsi grafens fremtidige utvikling. I signerte sosiale nettverk er det begrepet "balanserte" og "ubalanserte" sykluser. En balansert syklus er definert som en syklus der produktet av alle tegnene er positivt. I følge balanseteorien representerer balanserte grafer en gruppe mennesker som neppe vil endre mening om de andre menneskene i gruppen. Ubalanserte grafer representerer en gruppe mennesker som sannsynligvis vil endre sine meninger om menneskene i gruppen. For eksempel er en gruppe på 3 personer (A, B og C) hvor A og B har et positivt forhold, B og C har et positivt forhold, men C og A har et negativt forhold er en ubalansert syklus. Denne gruppen vil med stor sannsynlighet forvandle seg til en balansert syklus, for eksempel en der B bare har et godt forhold til A, og både A og B har et negativt forhold til C. Ved å bruke begrepet balanserte og ubalanserte sykluser, utviklingen av signerte sosiale nettverksgrafer kan forutsies.

Spesielt når man bruker sosiale nettverksanalyser som et verktøy for å lette endring, har forskjellige tilnærminger til deltakende nettverkskart vist seg å være nyttige. Her gir deltakere / intervjuer nettverksdata ved å faktisk kartlegge nettverket (med penn og papir eller digitalt) under innsamlingen av data. Et eksempel på en penn-og-papir-nettverkskartilnærming, som også inkluderer samlingen av noen aktørattributter (oppfattet innflytelse og mål for aktører) er * Net-map-verktøykassen . En fordel med denne tilnærmingen er at den lar forskere samle kvalitative data og stille avklarende spørsmål mens nettverksdata samles inn.

Sosialt nettverkspotensial

Sosialt nettverkspotensial (SNP) er en numerisk koeffisient , avledet gjennom algoritmer for å representere både størrelsen på et individs sosiale nettverk og deres evne til å påvirke det nettverket. SNP -koeffisienter ble først definert og brukt av Bob Gerstley i 2002. Et nært beslektet begrep er Alpha User , definert som en person med høy SNP.

SNP -koeffisienter har to hovedfunksjoner:

  1. Den klassifisering av individer basert på deres sosiale nettverk potensial, og
  2. Vektingen av respondenter i kvantitative markedsundersøkelser .

Ved å beregne respondentenes SNP og målrette mot høye SNP -respondenter, forbedres styrken og relevansen av kvantitativ markedsføringsforskning som brukes for å drive virale markedsføringsstrategier .

Variabler som brukes til å beregne individets SNP inkluderer, men er ikke begrenset til: deltakelse i aktiviteter i sosiale nettverk, gruppemedlemskap, lederroller, anerkjennelse, publisering/redigering/bidrag til ikke-elektroniske medier, publisering/redigering/bidrag til elektroniske medier (nettsteder, blogger), og hyppigheten av tidligere distribusjon av informasjon i nettverket. Akronymet "SNP" og noen av de første algoritmene som ble utviklet for å kvantifisere et individs sosiale potensial for nettverk ble beskrevet i meldingen "Advertising Research is Changing" (Gerstley, 2003) Se Viral Marketing .

Den første boken som diskuterte den kommersielle bruken av alfa -brukere blant mobiltelekommunikasjon, var 3G -markedsføring av Ahonen, Kasper og Melkko i 2004. Den første boken som diskuterte alfa -brukere mer generelt i forbindelse med sosial markedsføringsintelligens var Communities Dominate Brands av Ahonen & Moore i 2005. I 2012 presenterer Nicola Greco ( UCL ) på TEDx det sosiale nettverkspotensialet som en parallellitet til den potensielle energien som brukerne genererer og selskapene bør bruke, og uttaler at "SNP er den nye eiendelen som hvert selskap bør ha som mål å ha" .

Praktiske applikasjoner

Se også: Sosialt nettverksanalyse (kriminologi)

Sosialt nettverksanalyse brukes mye i et bredt spekter av applikasjoner og disipliner. Noen vanlige applikasjoner for nettverksanalyse inkluderer dataggregering og gruvedrift , modellering av nettverk, nettverksmodellering og sampling, brukerattributt- og atferdsanalyse, ressursstøtte vedlikeholdt av lokalsamfunnet, stedsbasert interaksjonsanalyse, sosial deling og filtrering, anbefaling av systemutvikling og forutsigelser av koblinger og enhetsoppløsning. I privat sektor, bedrifter bruker sosiale nettverk analyser for å støtte aktiviteter som kundedialog og analyse, informasjonssystem utvikling analyse, markedsføring og business intelligence behov (se sosiale medier analyse ). Noen bruksområder fra offentlig sektor inkluderer utvikling av lederengasjementsstrategier, analyse av individuell og gruppeengasjement og mediebruk og samfunnsbasert problemløsning .

Sikkerhetsprogrammer

Sosialt nettverksanalyse brukes også i etterretnings-, mot-etterretnings- og rettshåndhevelsesaktiviteter . Denne teknikken lar analytikerne kartlegge skjulte organisasjoner som en spionasjering , en organisert kriminalitetsfamilie eller en gategjeng. The National Security Agency (NSA) bruker sine elektroniske overvåkingsprogrammer for å generere data som trengs for å utføre denne type analyse på terrorceller og andre nettverk relevant for nasjonal sikkerhet. NSA ser opp til tre noder dypt under denne nettverksanalysen. Etter at den første kartleggingen av det sosiale nettverket er fullført, utføres analyse for å bestemme strukturen i nettverket og for eksempel bestemme lederne i nettverket. Dette gjør det mulig for militære eller rettshåndhevende eiendeler å starte fangst-eller-drepe halshugningsangrep på de høyverdige målene i lederstillinger for å forstyrre funksjonen til nettverket. NSA har utført sosiale nettverksanalyser på samtale detaljer (CDR), også kjent som metadata , siden kort tid etter angrepene 11. september .

Tekstanalyseapplikasjoner

Store tekstkorpora kan gjøres om til nettverk og deretter analyseres med metoden for analyse av sosiale nettverk. I disse nettverkene er nodene sosiale aktører, og koblingene er handlinger. Utvinning av disse nettverkene kan automatiseres ved bruk av parsere. De resulterende nettverkene, som kan inneholde tusenvis av noder, analyseres deretter ved hjelp av verktøy fra nettverksteori for å identifisere nøkkelaktørene, nøkkelsamfunnene eller partene og generelle egenskaper som robusthet eller strukturell stabilitet i det overordnede nettverket, eller sentralitet av visse noder. Dette automatiserer tilnærmingen som ble introdusert av kvantitativ narrativ analyse, der tripletter av subjekt-verb-objekt identifiseres med par med aktører som er knyttet sammen av en handling, eller par dannet av aktør-objekt.

Fortellende nettverk for amerikanske valg 2012

I andre tilnærminger utføres tekstanalyse med tanke på ordnettverket som forekommer i en tekst. I disse nettverkene er noder ord og koblinger mellom dem er vektet basert på frekvensen av forekomst (innenfor et bestemt maksimalområde).

Internett -applikasjoner

Sosiale nettverksanalyser har også blitt brukt for å forstå online atferd fra enkeltpersoner, organisasjoner og mellom nettsteder. Hyperkoblingsanalyse kan brukes til å analysere forbindelsene mellom nettsteder eller nettsider for å undersøke hvordan informasjon flyter når enkeltpersoner navigerer på nettet. Forbindelsene mellom organisasjoner har blitt analysert via hyperkoblingsanalyse for å undersøke hvilke organisasjoner i et problemsamfunn.

Sosiale medier internettprogrammer

Sosiale nettverksanalyser har blitt brukt på sosiale medier som et verktøy for å forstå atferd mellom enkeltpersoner eller organisasjoner gjennom deres koblinger på sosiale medier som Twitter og Facebook .

I datastøttet samarbeidslæring

En av de mest aktuelle metodene for anvendelse av SNA er for studier av datamaskinstøttet samarbeidslæring (CSCL). Når det brukes på CSCL, brukes SNA for å forstå hvordan elevene samarbeider når det gjelder mengde, frekvens og lengde, samt kvalitet, tema og kommunikasjonsstrategier. I tillegg kan SNA fokusere på spesifikke aspekter ved nettverkstilkoblingen, eller hele nettverket som helhet. Den bruker grafiske representasjoner, skriftlige representasjoner og datarepresentasjoner for å undersøke forbindelsene i et CSCL -nettverk. Når du bruker SNA til et CSCL -miljø, behandles deltakernes interaksjoner som et sosialt nettverk. Fokus for analysen er på "forbindelsene" som er gjort blant deltakerne - hvordan de samhandler og kommuniserer - i motsetning til hvordan hver deltaker oppførte seg på egen hånd.

Nøkkelord

Det er flere sentrale termer knyttet til analyse av sosiale nettverk i datastøttet samarbeidende læring, for eksempel: tetthet , sentralitet , indegree , outgrad og sosiogram .

  • Tetthet refererer til "forbindelsene" mellom deltakerne. Tetthet er definert som antall tilkoblinger en deltaker har, delt på de totale mulige forbindelsene en deltaker kan ha. For eksempel, hvis det er 20 personer som deltar, kan hver person potensielt koble seg til 19 andre mennesker. En tetthet på 100% (19/19) er den største tettheten i systemet. En tetthet på 5% indikerer at det bare er 1 av 19 mulige tilkoblinger.
  • Sentralitet fokuserer på oppførselen til individuelle deltakere i et nettverk. Det måler i hvilken grad et individ interagerer med andre individer i nettverket. Jo mer et individ kobler seg til andre i et nettverk, desto større er sentraliteten i nettverket.

Variabler i grad og utad er relatert til sentralitet.

  • Grad- sentralitet konsentrerer seg om et bestemt individ som fokuspunkt; sentraliteten til alle andre individer er basert på deres forhold til fokuspunktet til individet "i grad".
  • Utegrad er et mål på sentralitet som fremdeles fokuserer på et enkelt individ, men analytikeren er opptatt av individets utgående interaksjoner; målet på ut-graders sentralitet er hvor mange ganger fokuspunktet individet samhandler med andre.
  • Et sosiogram er en visualisering med definerte grenser for forbindelser i nettverket. For eksempel vil et sosiogram som viser sentralitetspoeng utenfor deltager A vise alle utgående forbindelser Deltaker A har gjort i det studerte nettverket.

Unike evner

Forskere bruker sosiale nettverksanalyser i studiet av datamaskinstøttet samarbeidslæring delvis på grunn av de unike mulighetene den tilbyr. Denne metoden tillater studier av interaksjonsmønstre i et nettverk av læringssamfunn og kan bidra til å illustrere omfanget av deltakernes interaksjon med de andre medlemmene i gruppen. Grafikken som er opprettet ved hjelp av SNA -verktøy gir visualiseringer av forbindelsene mellom deltakerne og strategiene som brukes til å kommunisere i gruppen. Noen forfattere foreslår også at SNA gir en metode for enkelt å analysere endringer i deltakelsesmønstre for medlemmer over tid.

En rekke forskningsstudier har brukt SNA på CSCL i en rekke sammenhenger. Funnene omfatter korrelasjon mellom et nettverk tetthet og lærerens nærvær, en større hensyn til anbefalinger fra "sentrale" deltakere, infrequency av tverr kjønn interaksjon i et nettverk, og de forholdsvis liten rolle spilt av en instruktør i et asynkront nettverk .

Andre metoder som brukes ved siden av SNA

Selv om mange studier har vist verdien av sosiale nettverksanalyser innenfor det datamaskinstøttede læringsfeltet, har forskere antydet at SNA i seg selv ikke er nok for å oppnå full forståelse av CSCL. Kompleksiteten i samhandlingsprosessene og de utallige datakildene gjør det vanskelig for SNA å gi en grundig analyse av CSCL. Forskere indikerer at SNA må suppleres med andre analysemetoder for å danne et mer nøyaktig bilde av samarbeidende læringsopplevelser.

En rekke forskningsstudier har kombinert andre typer analyse med SNA i studiet av CSCL. Dette kan betegnes som en multi-metoden tilnærming eller data triangulering , noe som vil føre til en økning av evaluerings pålitelighet i CsCl studier.

  • Kvalitativ metode - Prinsippene for kvalitativ case study -forskning utgjør et solid rammeverk for integrering av SNA -metoder i studiet av CSCL -erfaringer.
    • Etnografiske data som elevspørreskjemaer og intervjuer og observasjoner fra deltakere i klasserommet
    • Casestudier : studer omfattende CSCL -situasjoner grundig og relater funnene til generelle ordninger
    • Innholdsanalyse : gir informasjon om innholdet i kommunikasjonen blant medlemmene
  • Kvantitativ metode - Dette inkluderer enkle beskrivende statistiske analyser av hendelser for å identifisere bestemte holdninger til gruppemedlemmer som ikke har vært i stand til å spores via SNA for å oppdage generelle tendenser.
    • Computer loggfiler : gi automatiske data om hvordan samarbeids verktøy brukes av elever
    • Flerdimensjonal skalering (MDS) : kartlegger likheter mellom aktører, slik at flere lignende inngangsdata er nærmere hverandre
    • Programvareverktøy : QUEST, SAMSA (System for Adjacency Matrix og sosiogrambasert analyse) og Nud*IST

Se også

Referanser

Eksterne linker

Videre lesning

Organisasjoner

Fagfellevurderte tidsskrifter

Lærebøker og utdanningsressurser