stringtranslate.com

Анализ социальных сетей

Диаграмма социальной сети, отображающая дружеские связи между группой пользователей Facebook .

Анализ социальных сетей ( SNA ) — это процесс исследования социальных структур с использованием сетей и теории графов . [1] Он характеризует сетевые структуры с точки зрения узлов (отдельных субъектов, людей или вещей в сети) и связей , ребер или связей (отношений или взаимодействий), которые их соединяют. Примерами социальных структур, обычно визуализируемых с помощью анализа социальных сетей, являются сети социальных сетей , [2] [3] распространение мемов , [4] циркуляция информации, [5] сети дружбы и знакомств , сети взаимного обучения, [6] деловые сети, сети знаний, [7] [8] сложные рабочие отношения, [9] графы сотрудничества , родство , передача болезней и сексуальные отношения . [10] [11] Эти сети часто визуализируются с помощью социограмм, в которых узлы представлены в виде точек, а связи — в виде линий. Эти визуализации предоставляют средства качественной оценки сетей путем изменения визуального представления их узлов и ребер для отражения интересующих атрибутов. [12]

Анализ социальных сетей стал ключевым методом в современной социологии . Он также приобрел значительную популярность в следующих областях: антропология , биология , [13] демография , коммуникационные исследования , [3] [14] экономика , география , история , информатика , организационные исследования , [7] [9] физика , [15] политология , [16] общественное здравоохранение, [17] [8] социальная психология , исследования развития , социолингвистика и компьютерные науки , [18] исследования в области образования и дистанционного обучения, [19] и теперь широко доступен как потребительский инструмент (см. список программного обеспечения SNA ). [20] [21] [22]

История

Анализ социальных сетей имеет свои теоретические корни в работах ранних социологов, таких как Георг Зиммель и Эмиль Дюркгейм , которые писали о важности изучения моделей отношений, которые связывают социальных субъектов. Социологи использовали концепцию « социальных сетей » с начала 20-го века для обозначения сложных наборов отношений между членами социальных систем на всех уровнях, от межличностных до международных. [23]

В 1930-х годах Джейкоб Морено и Хелен Дженнингс представили основные аналитические методы. [23] В 1954 году Джон Арундел Барнс начал использовать этот термин систематически для обозначения моделей связей, охватывающих концепции, традиционно используемые общественностью и используемые социологами: ограниченные группы (например, племена, семьи) и социальные категории (например, пол, этническая принадлежность).

Начиная с 1970-х годов такие ученые, как Рональд Берт , Кэтлин Карли , Марк Грановеттер , Дэвид Кракхардт , Эдвард Лауманн , Анатоль Рапопорт , Барри Уэллман , Дуглас Р. Уайт и Харрисон Уайт , расширили использование систематического анализа социальных сетей. [24]

Начиная с конца 1990-х годов анализ социальных сетей пережил новый всплеск благодаря работам социологов, политологов, экономистов, специалистов по информатике и физиков, таких как Дункан Дж. Уоттс , Альберт-Ласло Барабаши , Питер Бирман , Николас А. Кристакис , Джеймс Х. Фаулер , Марк Ньюман , Мэтью Джексон , Джон Кляйнберг и других, которые разрабатывали и применяли новые модели и методы, отчасти вызванные появлением новых данных об онлайн-социальных сетях, а также «цифровых следов» в отношении сетей лицом к лицу.

Вычислительный SNA широко использовался в исследованиях по изучению второго языка за рубежом. [25] [6] [26] Даже при изучении литературы сетевой анализ применялся Анхайером, Герхардсом и Ромо, [27] Воутером Де Нуем, [28] и Бургертом Сенекалом. [29] Действительно, анализ социальных сетей нашел применение в различных академических дисциплинах, а также в практических контекстах, таких как борьба с отмыванием денег и терроризмом . [ требуется ссылка ]

Метрики

Оттенок (от красного = минимум до синего = максимум) указывает на центральность промежуточности каждого узла .

Размер: количество участников сети в данной сети.

Связи

Гомофилия : Степень, в которой субъекты формируют связи с похожими, а не с непохожими другими. Сходство может быть определено полом, расой, возрастом, родом занятий, образовательными достижениями, статусом, ценностями или любой другой выдающейся характеристикой. [30] Гомофилия также называется ассортативностью .

Мультиплексность: количество форм контента, содержащихся в связи. [31] Например, два человека, которые являются друзьями и работают вместе, будут иметь мультиплексность 2. [32] Мультиплексность связана с прочностью отношений и может также включать перекрытие положительных и отрицательных сетевых связей. [9]

Взаимность/реципрокность: степень, в которой два субъекта отвечают друг другу взаимностью на дружбу или иное взаимодействие. [33]

Закрытость сети : мера полноты реляционных триад. Предположение индивида о закрытости сети (т.е., что его друзья также являются друзьями) называется транзитивностью. Транзитивность является результатом индивидуальной или ситуативной черты Потребности в когнитивной закрытости . [34]

Близость : тенденция акторов иметь больше связей с географически близкими им людьми.

Распределения

Мост : Индивид, чьи слабые связи заполняют структурную дыру , обеспечивая единственную связь между двумя индивидуумами или кластерами. Он также включает кратчайший маршрут, когда более длинный невозможен из-за высокого риска искажения сообщения или сбоя доставки. [35]

Центральность : Центральность относится к группе показателей, которые направлены на количественную оценку «важности» или «влияния» (в различных смыслах) конкретного узла (или группы) в сети. [36] [37] [38] [39] Примерами распространенных методов измерения «центральности» являются центральность по промежуточности , [40] центральность по близости , центральность по собственному вектору , альфа-центральность и центральность по степени . [41]

Плотность : доля прямых связей в сети относительно общего возможного числа. [42] [43]

Расстояние: минимальное количество связей, необходимое для соединения двух конкретных субъектов, популяризированное экспериментом Стэнли Милгрэма « Маленький мир» и идеей «шести степеней разделения».

Структурные дыры: отсутствие связей между двумя частями сети. Нахождение и использование структурной дыры может дать предпринимателю конкурентное преимущество. Эта концепция была разработана социологом Рональдом Бертом и иногда упоминается как альтернативная концепция социального капитала.

Сила связи: определяется линейной комбинацией времени, эмоциональной интенсивности, близости и взаимности (т. е. взаимности). [35] Сильные связи связаны с гомофилией, близостью и транзитивностью, тогда как слабые связи связаны с мостами.

Сегментация

Группы определяются как « клики », если каждый индивидуум напрямую связан с каждым другим индивидуумом, « социальные круги », если существует меньшая строгость прямого контакта, что неточно, или как структурно сплоченные блоки, если требуется точность. [44]

Коэффициент кластеризации : мера вероятности того, что два ассоциированных узла являются ассоциированными. Более высокий коэффициент кластеризации указывает на большую «кликовость». [45]

Сплоченность: Степень, в которой субъекты напрямую связаны друг с другом связями . Структурная сплоченность относится к минимальному числу членов, которые, если их удалить из группы, разъединят группу. [46] [47]

Моделирование и визуализация сетей

Различные характеристики социальных сетей. A, B и C показывают различную центральность и плотность сетей; панель D показывает замыкание сети, т. е. когда два субъекта, привязанные к общему третьему субъекту, также склонны формировать прямую связь между ними. Панель E представляет двух субъектов с разными атрибутами (например, организационная принадлежность, убеждения, пол, образование), которые склонны формировать связи. Панель F состоит из двух типов связей: дружба (сплошная линия) и неприязнь (пунктирная линия). В этом случае два субъекта, являющиеся друзьями, оба не любят общего третьего (или, аналогично, два субъекта, которым не нравится общий третий, склонны быть друзьями).

Визуальное представление социальных сетей важно для понимания сетевых данных и передачи результатов анализа. [48] Было представлено множество методов визуализации данных, полученных с помощью анализа социальных сетей. [49] [50] [51] Многие аналитические программы имеют модули для визуализации сетей. Исследование данных выполняется путем отображения узлов и связей в различных макетах и ​​присвоения цветов, размера и других расширенных свойств узлам. Визуальное представление сетей может быть мощным методом передачи сложной информации, но следует проявлять осторожность при интерпретации свойств узлов и графов только с помощью визуальных отображений, поскольку они могут искажать структурные свойства, лучше улавливаемые с помощью количественного анализа. [52]

Знаковые графы можно использовать для иллюстрации хороших и плохих отношений между людьми. Положительное ребро между двумя узлами обозначает положительные отношения (дружба, союз, свидания), а отрицательное ребро между двумя узлами обозначает отрицательные отношения (ненависть, гнев). Знаковые графы социальных сетей можно использовать для прогнозирования будущей эволюции графа. В знаковых социальных сетях существует понятие «сбалансированных» и «несбалансированных» циклов. Сбалансированный цикл определяется как цикл , в котором произведение всех знаков положительно. Согласно теории баланса , сбалансированные графы представляют собой группу людей, которые вряд ли изменят свое мнение о других людях в группе. Несбалансированные графы представляют собой группу людей, которые с большой вероятностью изменят свое мнение о людях в своей группе. Например, группа из 3 человек (A, B и C), где A и B имеют положительные отношения, B и C имеют положительные отношения, но C и A имеют отрицательные отношения, является несбалансированным циклом. Эта группа, скорее всего, трансформируется в сбалансированный цикл, например, такой, где B имеет только хорошие отношения с A, а A и B имеют отрицательные отношения с C. Используя концепцию сбалансированных и несбалансированных циклов, можно предсказать эволюцию подписанных графов социальных сетей . [53]

Особенно при использовании анализа социальных сетей в качестве инструмента для содействия изменениям, различные подходы к картированию сетей с участием оказались полезными. Здесь участники/интервьюеры предоставляют данные о сетях, фактически составляя карту сети (ручкой и бумагой или в цифровом виде) во время сеанса сбора данных. Примером подхода к картированию сетей с помощью ручки и бумаги, который также включает сбор некоторых атрибутов субъектов (воспринимаемое влияние и цели субъектов), является * Net-map toolbox . Одним из преимуществ этого подхода является то, что он позволяет исследователям собирать качественные данные и задавать уточняющие вопросы во время сбора сетевых данных. [54]

Потенциал социальных сетей

Потенциал социальных сетей (SNP) — это числовой коэффициент , выведенный с помощью алгоритмов [55] [56] для представления как размера социальной сети человека , так и его способности влиять на эту сеть. Коэффициенты SNP были впервые определены и использованы Бобом Герстли в 2002 году. Близкий термин — Альфа-пользователь , определяемый как человек с высоким SNP.

Коэффициенты SNP имеют две основные функции:

  1. Классификация людей на основе их потенциала в социальных сетях, и
  2. Взвешивание респондентов в количественных маркетинговых исследованиях.

Благодаря расчету SNP респондентов и выбору респондентов с высоким SNP повышается эффективность и актуальность количественных маркетинговых исследований, используемых для разработки стратегий вирусного маркетинга .

Переменные, используемые для расчета SNP человека, включают, но не ограничиваются: участие в деятельности социальных сетей, членство в группах, руководящие роли, признание, публикация/редактирование/внесение вклада в неэлектронные СМИ, публикация/редактирование/внесение вклада в электронные СМИ (веб-сайты, блоги) и частота прошлого распространения информации в их сети. Аббревиатура «SNP» и некоторые из первых алгоритмов, разработанных для количественной оценки потенциала социальных сетей человека, были описаны в белой книге «Advertising Research is Changing» (Gerstley, 2003) См. Viral Marketing . [57]

Первой книгой [58] , в которой обсуждалось коммерческое использование Alpha Users среди аудитории мобильных телекоммуникаций, была книга 3G Marketing Ахонена, Каспера и Мелкко 2004 года. Первой книгой, в которой Alpha Users обсуждались более широко в контексте социальной маркетинговой разведки, была книга Communities Dominate Brands Ахонена и Мура 2005 года. В 2012 году Никола Греко ( UCL ) представил на TEDx Social Networking Potential как параллель потенциальной энергии , которую генерируют пользователи и которую должны использовать компании, заявив, что «SNP — это новый актив, к которому должна стремиться каждая компания». [59]

Практические применения

Анализ социальных сетей широко используется в широком спектре приложений и дисциплин. Некоторые распространенные приложения сетевого анализа включают агрегацию и добычу данных , моделирование распространения сети, моделирование и выборку сетей, анализ атрибутов и поведения пользователей, поддержку ресурсов, поддерживаемых сообществом, анализ взаимодействия на основе местоположения, социальный обмен и фильтрацию, разработку рекомендательных систем , а также прогнозирование связей и разрешение сущностей. [60] В частном секторе предприятия используют анализ социальных сетей для поддержки таких видов деятельности, как взаимодействие с клиентами и их анализ, анализ разработки информационной системы , [61] маркетинг и потребности в бизнес-аналитике (см. аналитику социальных сетей ). Некоторые применения в государственном секторе включают разработку стратегий взаимодействия с лидерами, анализ индивидуального и группового взаимодействия и использования СМИ , а также решение проблем на уровне сообщества .

Продольный анализ социальных сетей в школах

Большое количество исследователей по всему миру изучают социальные сети детей и подростков. В анкетах они перечисляют всех одноклассников, учеников одного класса или одноклассников, спрашивая: «Кто ваши лучшие друзья?». Иногда ученики могут номинировать столько сверстников, сколько пожелают; в других случаях количество номинаций ограничено. Исследователи социальных сетей исследовали сходства в дружеских сетях. Сходство между друзьями было установлено еще в классической античности. [62] Сходство является важной основой для выживания дружбы. Сходство в характеристиках, отношениях или поведении означает, что друзья быстрее понимают друг друга, имеют общие интересы для обсуждения, лучше знают, где они находятся друг с другом, и больше доверяют друг другу. [63] В результате такие отношения более стабильны и ценны. Более того, большее сходство делает молодых людей более уверенными в себе и укрепляет их в развитии своей идентичности. [64] Сходство в поведении может быть результатом двух процессов: отбора (рыбак рыбака видит издалека) и влияния (одно гнилое яблоко портит бочку). Эти два процесса можно различить с помощью продольного анализа социальных сетей в пакете R SIENA (Simulation Investigation for Empirical Network Analyses), разработанном Томом Снайдерсом и коллегами. [65] Продольный анализ социальных сетей стал мейнстримом после публикации специального выпуска Journal of Research on Adolescence в 2013 году под редакцией Рене Винстра , содержащего 15 эмпирических статей. [66]

Приложения безопасности

Анализ социальных сетей также используется в разведке, контрразведке и правоохранительных органах. Этот метод позволяет аналитикам картировать тайные организации, такие как шпионские сети, организованные преступные семьи или уличные банды. Агентство национальной безопасности (АНБ) использует свои программы электронного наблюдения для генерации данных, необходимых для выполнения этого типа анализа террористических ячеек и других сетей, которые считаются важными для национальной безопасности. АНБ просматривает до трех узлов в глубину во время этого сетевого анализа. [67] После завершения первоначального картирования социальной сети выполняется анализ для определения структуры сети и определения, например, лидеров в сети. [68] Это позволяет военным или правоохранительным органам запускать атаки по захвату или обезглавливанию на высокопоставленные цели на руководящих должностях, чтобы нарушить функционирование сети. АНБ проводит анализ социальных сетей на основе записей подробностей вызовов (CDR), также известных как метаданные , вскоре после атак 11 сентября . [69] [70]

Приложения для текстового анализа

Большие текстовые корпуса могут быть превращены в сети, а затем проанализированы с помощью метода анализа социальных сетей. В этих сетях узлы являются социальными субъектами, а связи — действиями. Извлечение этих сетей может быть автоматизировано с помощью парсеров. Полученные сети, которые могут содержать тысячи узлов, затем анализируются с помощью инструментов из теории сетей для определения ключевых субъектов, ключевых сообществ или сторон и общих свойств, таких как надежность или структурная устойчивость всей сети или центральность определенных узлов. [71] Это автоматизирует подход, введенный количественным повествовательным анализом, [72] посредством которого триплеты субъект-глагол-объект идентифицируются с парами субъектов, связанных действием, или парами, образованными субъектом-объектом. [73]

Повествовательная сеть выборов в США 2012 года [73]

В других подходах текстовый анализ проводится с учетом сети слов, совместно встречающихся в тексте. В этих сетях узлами являются слова, а связи между ними взвешиваются на основе частоты их совместного появления (в пределах определенного максимального диапазона).

Интернет-приложения

Анализ социальных сетей также применялся для понимания поведения в Интернете отдельных лиц, организаций и между веб-сайтами. [18] Анализ гиперссылок может использоваться для анализа связей между веб-сайтами или веб-страницами , чтобы изучить, как информация течет, когда люди перемещаются по сети. [74] Связи между организациями анализировались с помощью анализа гиперссылок, чтобы изучить, какие организации в проблемном сообществе. [75]

Нетократия

Другая концепция, возникшая из этой связи между теорией социальных сетей и Интернетом, — это концепция нетократии , в рамках которой несколько авторов изучали взаимосвязь между расширенным использованием онлайн-социальных сетей и изменениями в динамике социальной власти. [76]

Интернет-приложения социальных сетей

Анализ социальных сетей был применен к социальным сетям как инструмент для понимания поведения между отдельными лицами или организациями через их связи на сайтах социальных сетей, таких как Twitter и Facebook . [77]

В компьютерном совместном обучении

Одним из самых современных методов применения SNA является изучение компьютерно-поддерживаемого совместного обучения (CSCL). При применении к CSCL SNA используется для того, чтобы помочь понять, как учащиеся сотрудничают с точки зрения количества, частоты и продолжительности, а также качества, темы и стратегий общения. [78] Кроме того, SNA может сосредоточиться на определенных аспектах сетевого соединения или всей сети в целом. Он использует графические представления, письменные представления и представления данных, чтобы помочь изучить соединения в сети CSCL. [78] При применении SNA к среде CSCL взаимодействия участников рассматриваются как социальная сеть. Основное внимание в анализе уделяется «связям», установленным между участниками, — как они взаимодействуют и общаются, — в отличие от того, как каждый участник вел себя сам по себе.

Ключевые термины

Существует несколько ключевых терминов, связанных с исследованиями в области анализа социальных сетей в компьютерном совместном обучении, таких как: плотность , центральность , входящая степень , исходящая степень и социограмма .

Переменные степени входа и выхода связаны с центральностью.

Уникальные возможности

Исследователи используют анализ социальных сетей при изучении компьютерного совместного обучения отчасти из-за уникальных возможностей, которые он предлагает. Этот конкретный метод позволяет изучать модели взаимодействия в рамках сетевого обучающего сообщества и может помочь проиллюстрировать степень взаимодействия участников с другими членами группы. [78] Графики, созданные с использованием инструментов SNA, обеспечивают визуализацию связей между участниками и стратегий, используемых для общения в группе. Некоторые авторы также предполагают, что SNA предоставляет метод легкого анализа изменений в моделях участия членов с течением времени. [79]

Ряд исследований применили SNA к CSCL в различных контекстах. Результаты включают корреляцию между плотностью сети и присутствием учителя, [78] большее внимание к рекомендациям «центральных» участников, [80] нечастое взаимодействие между полами в сети, [81] и относительно небольшую роль, которую играет инструктор в асинхронной обучающей сети. [82]

Другие методы, используемые наряду с СНС

Хотя многие исследования продемонстрировали ценность анализа социальных сетей в области компьютерного совместного обучения, [78] исследователи предположили, что SNA сам по себе недостаточен для достижения полного понимания CSCL. Сложность процессов взаимодействия и множество источников данных затрудняют для SNA предоставление глубокого анализа CSCL. [83] Исследователи указывают, что SNA необходимо дополнять другими методами анализа для формирования более точной картины опыта совместного обучения. [84]

Ряд исследований объединили другие типы анализа с SNA в изучении CSCL. Это можно назвать многометодным подходом или триангуляцией данных , что приведет к повышению надежности оценки в исследованиях CSCL.

Смотрите также

Ссылки

  1. ^ Отте, Эвелин; Руссо, Рональд (декабрь 2002 г.). «Анализ социальных сетей: мощная стратегия, также для информационных наук». Журнал информационной науки . 28 (6): 441–453. doi :10.1177/016555150202800601. S2CID  17454166.
  2. ^ Гранджин, Мартин (31 декабря 2016 г.). «Анализ социальной сети Twitter: картирование сообщества цифровых гуманитарных наук». Cogent Arts & Humanities . 3 (1). doi : 10.1080/23311983.2016.1171458 . S2CID  114999767.
  3. ^ ab Хаген, Лони; Келлер, Томас; Нили, Стивен; ДеПаула, Ник; Роберт-Куперман, Клаудия (октябрь 2018 г.). «Кризисные коммуникации в эпоху социальных сетей: сетевой анализ твитов, связанных с вирусом Зика». Social Science Computer Review . 36 (5): 523–541. doi :10.1177/0894439317721985. OCLC  7323548177. S2CID  67362137.
  4. ^ Насринпур, Хамид Реза; Фризен, Марсия Р.; Маклеод, Роберт Д. (22 ноября 2016 г.). «Агентная модель распространения сообщений в электронной социальной сети Facebook». arXiv : 1611.07454 [cs.SI].
  5. ^ Гранжан, Мартин (2022). «Раздел Париж/Женева. Сетевой анализ архивов Международного комитета по интеллектуальному сотрудничеству Лиги Наций» (PDF) . Культура как мягкая сила: налаживание связей между культурами, интеллектуальное сотрудничество и культурная дипломатия : 65–98. doi :10.1515/9783110744552-004.
  6. ^ ab Paradowski, Michał B.; Jarynowski, Andrzej; Czopek, Karolina; Jelińska, Magdalena; et al. (2021). «Взаимодействие со сверстниками и изучение второго языка: вклад анализа социальных сетей в обучение за рубежом и дома». В Mitchell, Rosamond; Tyne, Henry (ред.). Язык, мобильность и обучение за рубежом в современном европейском контексте . Нью-Йорк: Routledge. стр. 99–116. doi :10.1017/S0261444820000580. ISBN 978-10-03087-95-3. S2CID  228863564.
  7. ^ ab Бреннеке, Джулия; Ранк, Олаф (май 2017 г.). «Сеть знаний фирмы и передача советов среди корпоративных изобретателей — многоуровневое сетевое исследование». Research Policy . 46 (4): 768–783. doi :10.1016/j.respol.2017.02.002.
  8. ^ ab Harris, Jenine K.; Luke, Douglas A.; Zuckerman, Rachael B.; Shelton, Sarah C. (июнь 2009 г.). «Сорок лет исследований пассивного курения». Американский журнал профилактической медицины . 36 (6): 538–548. doi :10.1016/j.amepre.2009.01.039. OCLC  6980180781. PMID  19372026.
  9. ^ abc Бреннеке, Джулия (июнь 2020 г.). «Диссонансные связи во внутриорганизационных сетях: почему люди ищут помощи в решении проблем у трудных коллег». Журнал Академии управления . 63 (3): 743–778. doi : 10.5465/amj.2017.0399. OCLC  8163488129. S2CID  164852065.
  10. ^ Пинейро, Карлос АР (2011). Анализ социальных сетей в телекоммуникациях. John Wiley & Sons. стр. 4. ISBN 978-1-118-01094-5.
  11. ^ D'Andrea, Alessia; et al. (2009). "Обзор методов анализа виртуальных социальных сетей". В Abraham, Ajith (ред.). Computational Social Network Analysis: Trends, Tools and Research Advances . Springer. стр. 8. ISBN 978-1-84882-228-3.
  12. ^ Гранспан, Дэниел (23 января 2014 г.). «Понимание классов через анализ социальных сетей: Учебник по анализу социальных сетей в исследованиях в области образования». CBE: Life Sciences Education . 13 (2): 167–178. doi :10.1187/cbe.13-08-0162. PMC 4041496. PMID  26086650 . 
  13. ^ Трингали, Анджела; Шерер, Дэвид Л.; Косгроув, Джиллиан; Боуман, Рид (10 февраля 2020 г.). «Стадия жизненного цикла объясняет поведение в социальной сети до и во время раннего сезона размножения у кооперативно размножающихся птиц». PeerJ . 8 : e8302. doi : 10.7717/peerj.8302 . PMC 7020825 . PMID  32095315. 
  14. ^ abc Различия в социальных сетях хронотипов, выявленные на основе данных мобильных телефонов . 2018. OCLC  1062367169.[ нужна страница ]
  15. ^ Гао, Мин; Ли, Чжэн; Ли, Руйхен; Цуй, Чэньхао; Чен, Синьюань; Да, Бодиан; Ли, Юпэн; Гу, Вэйвэй; Гун, Цинъюань; Ван, Синь; Чен, Ян (октябрь 2023 г.). «EasyGraph: многофункциональная, кроссплатформенная и эффективная библиотека для междисциплинарного сетевого анализа» (PDF) . Узоры . 4 (10): 100839. doi :10.1016/j.patter.2023.100839. ПМЦ 10591136 . ПМИД  37876903. 
  16. ^ Ким, Ракхьюн Э. (26 ноября 2020 г.). «Является ли глобальное управление фрагментированным, полицентричным или сложным? Современное состояние сетевого подхода». Обзор международных исследований . 22 (4): 903–931. doi : 10.1093/isr/viz052 .
  17. ^ Харрис, Дженин К.; Клементс, Брюс (июль 2007 г.). «Использование анализа социальных сетей для понимания системы планирования чрезвычайных ситуаций в области общественного здравоохранения в Миссури». Отчеты о здравоохранении . 122 (4): 488–498. doi :10.1177/003335490712200410. OCLC  8062393936. PMC 1888499. PMID  17639652 . 
  18. ^ ab Ghanbarnejad, Fakhteh; Saha Roy, Rishiraj; Karimi, Fariba; Delvenne, Jean-Charles; Mitra, Bivas (2019). Динамика сложных сетей и сетей III. Подходы к машинному обучению и статистической физике . Cham: Springer International Publishing: Выходные данные: Springer. ISBN 9783030146832. OCLC  1115074203.[ нужна страница ]
  19. ^ Бозкурт, Арас; Акгюн-Узбек, Эла; Йылмазель, Сибель; Эрдогду, Эрдем; Укар, Хасан; Гюлер, Эмель; Сезгин, Сезан; Карадениз, Абдулкадир; Сен-Эрсой, Назифе; Гоксель-Канбек, Ноль; Динсер, Гохан Дениз; Ари, Сулейман; Айдын, Дженгиз Хакан (20 января 2015 г.). «Тенденции в исследованиях дистанционного образования: контент-анализ журналов 2009–2013 гг.». Международный обзор исследований в области открытого и распределенного обучения . 16 (1). дои : 10.19173/irrodl.v16i1.1953 . ISSN  1492-3831.
  20. ^ "Друзья Facebook, отображенные приложением Wolfram Alpha". BBC News . 24 сентября 2012 г. Получено 25 июля 2016 г.
  21. ^ Фредерик Лардинуа (30 августа 2012 г.). «Wolfram Alpha запускает персональные аналитические отчеты для Facebook». Tech Crunch . Получено 25 июля 2016 г.
  22. ^ Ивальди М.; Феррери Л.; Даолио Ф.; Джакобини М.; Томассини М.; Райнольди А. «We-Sport: от академического спин-оффа до базы данных для комплексного сетевого анализа; инновационный подход к новой технологии». J Sports Med Phys Fitness . 51 (дополнение 1 к выпуску 3). hdl :2318/90491. Анализ социальных сетей использовался для анализа свойств сети We-Sport.com, что позволяет проводить глубокую интерпретацию и анализ уровня явлений агрегации в конкретном контексте спорта и физических упражнений.
  23. ^ ab Freeman, Linton C (2004). Развитие анализа социальных сетей: исследование в социологии науки . Empirical Press; BookSurge. ISBN 978-1-59457-714-7. OCLC  429594334.[ нужна страница ]
  24. ^ Линтон Фримен (2006). Развитие анализа социальных сетей . Ванкувер: Empirical Press.
  25. ^ Парадовски, Михал Б.; Яриновски, Анджей; Елинска, Магдалена; Чопек, Каролина (2021). «Избранные постерные доклады с конференции Американской ассоциации прикладной лингвистики, Денвер, США, март 2020 г.: Внеклассное взаимодействие со сверстниками имеет значение для усвоения второго языка во время краткосрочных зарубежных поездок: вклад анализа социальных сетей». Language Teaching . 54 (1): 139–143. doi : 10.1017/S0261444820000580 . S2CID  228863564.
  26. ^ Paradowski, Michał B.; Cierpich-Kozieł, Agnieszka; Chen, Chih-Chun; Ochab, Jeremi K. (2022). «Как выходные данные перевешивают входные данные, а собеседники имеют значение для SLA обучения за рубежом: вычислительный анализ социальных сетей взаимодействия учащихся». The Modern Language Journal . 106 (4): 694–725. doi :10.1111/modl.12811. S2CID  255247273.
  27. ^ Анхайер, Хельмут К.; Герхардс, Юрген; Ромо, Франк П. (январь 1995 г.). «Формы капитала и социальная структура в культурных полях: изучение социальной топографии Бурдье». Американский журнал социологии . 100 (4): 859–903. doi :10.1086/230603. S2CID  143587142.
  28. ^ de Nooy, Wouter (октябрь 2003 г.). «Поля и сети: анализ соответствий и анализ социальных сетей в рамках теории поля». Poetics . 31 (5–6): 305–327. doi :10.1016/s0304-422x(03)00035-4.
  29. ^ Сенекал, Бургерт (1 декабря 2012 г.). «Die Afrikaanse literêre sisteem: 'n eksperimentele benadering met behulp van Sosiale-netwerk-analyse (SNA): geesteswetenskappe» [Литературная система африкаанс: экспериментальный подход с использованием анализа социальных сетей (SNA): гуманитарные науки]. Литнет Академии (на языке африкаанс). 9 (3): 614–638. hdl : 10520/EJC129817.
  30. ^ Макферсон, Миллер; Смит-Ловин, Линн; Кук, Джеймс М. (август 2001 г.). «Птицы одного полета: гомофилия в социальных сетях». Annual Review of Sociology . 27 (1): 415–444. doi :10.1146/annurev.soc.27.1.415. S2CID  2341021.
  31. ^ Подольни, Джоэл М.; Барон, Джеймс Н. (октябрь 1997 г.). «Ресурсы и отношения: социальные сети и мобильность на рабочем месте». American Sociological Review . 62 (5): 673. CiteSeerX 10.1.1.114.6822 . doi :10.2307/2657354. JSTOR  2657354. 
  32. ^ Килдафф, М.; Цай, В. (2003). Социальные сети и организации . Sage Publications.
  33. ^ Кадушин, С. (2012). Понимание социальных сетей: теории, концепции и выводы. Оксфорд: Oxford University Press. ISBN 9780195379471.
  34. ^ Флинн, Фрэнсис Дж.; Рейганс, Рэй Э.; Гиллори, Люсия (2010). «Знаете ли вы друг друга? Транзитивность, гомофилия и потребность в (сетевом) закрытии». Журнал личности и социальной психологии . 99 (5): 855–869. doi :10.1037/a0020961. PMID  20954787. S2CID  6335920.
  35. ^ ab Granovetter, Mark S. (май 1973). «Сила слабых связей». American Journal of Sociology . 78 (6): 1360–1380. doi :10.1086/225469. S2CID  59578641.
  36. ^ Хансен, Дерек и др. (2010). Анализ социальных сетей с помощью NodeXL. Морган Кауфманн. стр. 32. ISBN 978-0-12-382229-1.
  37. ^ Лю, Бин (2011). Интеллектуальный анализ веб-данных: изучение гиперссылок, содержимого и данных об использовании. Springer. стр. 271. ISBN 978-3-642-19459-7.
  38. ^ Ханнеман, Роберт А. и Риддл, Марк (2011). «Концепции и меры для базового сетевого анализа». Справочник Sage по анализу социальных сетей . SAGE. стр. 364–367. ISBN 978-1-84787-395-8.
  39. ^ Цветоват, Максим и Кузнецов, Александр (2011). Анализ социальных сетей для стартапов: поиск связей в социальной сети. O'Reilly. стр. 45. ISBN 978-1-4493-1762-1.
  40. ^ Наиболее полная ссылка: Wasserman, Stanley & Faust, Katherine (1994). Анализ социальных сетей: методы и приложения. Кембридж: Cambridge University Press.Краткое, ясное базовое резюме дано в Кребс, Валдис (2000). «Социальная жизнь маршрутизаторов». Internet Protocol Journal . 3 (декабрь): 14–25.
  41. ^ Опсаль, Торе; Агнессенс, Филипп; Скворец, Джон (июль 2010 г.). «Центральность узлов во взвешенных сетях: обобщение степени и кратчайших путей». Социальные сети . 32 (3): 245–251. doi :10.1016/j.socnet.2010.03.006.
  42. ^ "Анализ социальных сетей" (PDF) . Полевое руководство 3-24: Противоповстанческие действия . Штаб-квартира, Департамент армии . С. B–11 – B–12.
  43. ^ Сюй, Гуандун и др. (2010). Веб-майнинг и социальные сети: методы и приложения. Springer. стр. 25. ISBN 978-1-4419-7734-2.
  44. ^ Cohesive.blocking — это программа R для вычисления структурной связности по алгоритму Муди-Уайта (2003). Этот вики-сайт содержит многочисленные примеры и руководство по использованию R.
  45. ^ Ханнеман, Роберт А. и Риддл, Марк (2011). «Концепции и меры для базового сетевого анализа». Справочник Sage по анализу социальных сетей . SAGE. стр. 346–347. ISBN 978-1-84787-395-8.
  46. ^ Муди, Джеймс; Уайт, Дуглас Р. (февраль 2003 г.). «Структурная сплоченность и укорененность: иерархическая концепция социальных групп». American Sociological Review . 68 (1): 103. CiteSeerX 10.1.1.18.5695 . doi :10.2307/3088904. JSTOR  3088904. S2CID  142591846. 
  47. ^ Паттилло, Джеффри и др. (2011). «Модели релаксации клик в анализе социальных сетей». На тайском языке, My T. & Pardalos, Panos M. (ред.). Справочник по оптимизации в сложных сетях: коммуникация и социальные сети . Springer. стр. 149. ISBN 978-1-4614-0856-7.
  48. ^ Линтон С. Фримен. «Визуализация социальных сетей». Журнал социальной структуры . 1 .
  49. ^ Хамдака, Мохаммад; Тахвилдари, Ладан; ЛаШапель, Нил; Кэмпбелл, Брайан (2014). «Обнаружение культурной сцены с использованием обратной оптимизации Лувена». Наука компьютерного программирования . 95 : 44–72. doi : 10.1016/j.scico.2014.01.006 .
  50. ^ Bacher, R. (1995). "Графическое взаимодействие и визуализация для анализа и интерпретации результатов анализа непредвиденных обстоятельств". Графическое взаимодействие и визуализация для анализа и интерпретации результатов анализа непредвиденных обстоятельств . Труды конференции Power Industry Computer Applications 1995 года. Солт-Лейк-Сити, США: IEEE Power Engineering Society. стр. 128–134. doi :10.1109/PICA.1995.515175. ISBN 0-7803-2663-6.
  51. ^ Caschera, MC; Ferri, F.; Grifoni, P. (2008). «SIM: динамический многомерный метод визуализации для социальных сетей». PsychNology Journal . 6 (3): 291–320.
  52. ^ Макграт, Кэтлин; Блайт, Джим; Кракхардт, Дэвид (август 1997 г.). «Влияние пространственного расположения на суждения и ошибки при интерпретации графиков». Социальные сети . 19 (3): 223–242. CiteSeerX 10.1.1.121.5856 . doi :10.1016/S0378-8733(96)00299-7. 
  53. ^ Картрайт, Дорвин; Харари, Фрэнк (1956). «Структурный баланс: обобщение теории Хайдера». Psychological Review . 63 (5): 277–293. doi :10.1037/h0046049. PMID  13359597. S2CID  14779113.
  54. ^ Хоган, Берни; Карраско, Хуан Антонио; Уэллман, Барри (май 2007 г.). «Визуализация личных сетей: работа с социограммами, созданными с помощью участников». Полевые методы . 19 (2): 116–144. doi :10.1177/1525822X06298589. S2CID  61291563.
  55. ^ Энгер, Изабель; Киттл, Кристиан (2011). «Измерение влияния в Twitter». Труды 11-й Международной конференции по управлению знаниями и технологиям знаний - i-KNOW '11 . стр. 1. doi :10.1145/2024288.2024326. ISBN 9781450307321. S2CID  30427.
  56. ^ Рикельме, Фабиан; Гонсалес-Кантерджани, Пабло (сентябрь 2016 г.). «Измерение влияния пользователей на Твиттер: опрос». Обработка информации и управление . 52 (5): 949–975. arXiv : 1508.07951 . дои : 10.1016/j.ipm.2016.04.003. S2CID  16343144.
  57. ^ (Hrsg.), Сара Розенгрен (2013). Меняющиеся роли рекламы. Висбаден: Springer Fachmedien Wiesbaden GmbH. ISBN 9783658023645. Получено 22 октября 2015 г. .[ нужна страница ]
  58. ^ Ахонен, Т.Т., Каспер, Т. и Мелкко, С. (2005). 3G-маркетинг: сообщества и стратегические партнерства. John Wiley & Sons.
  59. ^ "технология" "Смотрите видео "TEDxMilano – Никола Греко – о математике и социальных сетях" на TEDxTalks". TEDxTalks .
  60. ^ Golbeck, J. (2013). Анализ социальной сети . Морган Кауфманн. ISBN 978-0-12-405856-9.
  61. ^ Арам, Майкл; Нойманн, Густав (1 июля 2015 г.). «Многослойный анализ совместной разработки бизнес-информационных систем». Журнал Internet Services and Applications . 6 (1): 13. doi : 10.1186/s13174-015-0030-8 . S2CID  16502371.
  62. ^ Макферсон, Миллер; Смит-Ловин, Линн; Кук, Джеймс М. (2001). «Птицы одного полета: Гомофилия в социальных сетях». Annual Review of Sociology . 27 (1): 415–444. doi :10.1146/annurev.soc.27.1.415. ISSN  0360-0572. S2CID  2341021.
  63. ^ Лаурсен, Бретт; Винстра, Рене (2021). «К пониманию функций влияния сверстников: резюме и синтез последних эмпирических исследований». Журнал исследований подросткового возраста . 31 (4): 889–907. doi :10.1111/jora.12606. ISSN  1050-8392. PMC 8630732. PMID 34820944  . 
  64. ^ "Hallinan, MT (1980). Модели группировки среди молодежи. В HC Foot, AJ Chapman, & JR Smith (ред.), Дружба и социальные отношения у детей (стр. 321–342). Нью-Йорк, Нью-Йорк: Wiley". psycnet.apa.org . Получено 10 марта 2023 г. .
  65. ^ Снайдерс, Том АБ; ван де Бунт, Герхард Г.; Штеглих, Кристиан ЭГ (2010). «Введение в стохастические модели на основе акторов для сетевой динамики». Социальные сети . Динамика социальных сетей. 32 (1): 44–60. doi :10.1016/j.socnet.2009.02.004. ISSN  0378-8733.
  66. ^ Veenstra, René; Laninga-Wijnen, Lydia (2023). «Значимость взаимодействия со сверстниками, отношений и сетей в подростковом и раннем взрослом возрасте». osf.io . Американская психологическая ассоциация . Получено 10 марта 2023 г. .
  67. ^ Акерман, Спенсер (17 июля 2013 г.). «АНБ предупредили о необходимости ограничить слежку, поскольку агентство раскрывает еще большие масштабы». The Guardian . Получено 19 июля 2013 г.
  68. ^ «Как АНБ использует анализ социальных сетей для составления карты террористических сетей». 12 июня 2013 г. Получено 19 июля 2013 г.
  69. ^ "АНБ использует анализ социальных сетей". Wired . 12 мая 2006 г. Получено 19 июля 2013 г.
  70. ↑ Драйер, Александр (11 мая 2006 г.). «АНБ имеет огромную базу данных телефонных звонков американцев». Slate . Получено 19 июля 2013 г.
  71. ^ Судхахар, Саатвига; Де Фацио, Джанлука; Францоси, Роберто; Кристианини, Нелло (январь 2015 г.). «Сетевой анализ повествовательного контента в больших корпусах». Natural Language Engineering . 21 (1): 81–112. doi :10.1017/S1351324913000247. hdl : 1983/dfb87140-42e2-486a-91d5-55f9007042df . S2CID  3385681.
  72. ^ Количественный повествовательный анализ; Роберто Францоси; Университет Эмори © 2010
  73. ^ ab Судхахар, Саатвига; Велтри, Джузеппе А; Кристианини, Нелло (май 2015 г.). «Автоматизированный анализ президентских выборов в США с использованием больших данных и сетевого анализа». Большие данные и общество . 2 (1). doi : 10.1177/2053951715572916 . hdl : 2381/31767 .
  74. ^ Остербур, Меган; Киль, Кристина (апрель 2017 г.). «Гегемон, борющийся за равные права: доминирующая роль COC Nederland в транснациональной сети защиты прав ЛГБТ». Global Networks . 17 (2): 234–254. doi :10.1111/glob.12126.
  75. ^ Бреттшнайдер, Марла; Берджесс, Сьюзан; Китинг, Кристин, ред. (19 сентября 2017 г.). «Розовые связи: визуализация глобальной сети ЛГБТК» . Политика ЛГБТК . Издательство Нью-Йоркского университета. стр. 493–522. doi :10.18574/nyu/9781479849468.003.0034. ISBN 978-1-4798-4946-8.
  76. ↑ Бард, Александр; Шдерквист, Ян (24 февраля 2012 г.). Нетократы: трилогия «Футурика» 1. Стокгольмский текст. ISBN 9789187173004. Получено 3 марта 2017 г. .
  77. ^ Kwak, Haewoon; Lee, Changhyun; Park, Hosung; Moon, Sue (26 апреля 2010 г.). «Что такое Twitter, социальная сеть или новостное СМИ?». Труды 19-й международной конференции по Всемирной паутине . ACM. С. 591–600. CiteSeerX 10.1.1.212.1490 . doi :10.1145/1772690.1772751. ISBN  9781605587998. S2CID  207178765.
  78. ^ abcdefghij Laat, Maarten de; Lally, Vic; Lipponen, Lasse; Simons, Robert-Jan (8 марта 2007 г.). «Исследование моделей взаимодействия в сетевом обучении и компьютерно-поддерживаемом совместном обучении: роль анализа социальных сетей». Международный журнал компьютерно-поддерживаемого совместного обучения . 2 (1): 87–103. doi :10.1007/s11412-007-9006-4. S2CID  3238474.
  79. ^ "Модели взаимодействия в обучении с компьютерной поддержкой: анализ социальных сетей". Международная конференция по наукам об обучении . 2013. стр. 346–351. doi :10.4324/9780203763865-71. ISBN 9780203763865.
  80. ^ Martı́nez, A.; Dimitriadis, Y.; Rubia, B.; Gómez, E.; de la Fuente, P. (декабрь 2003 г.). «Объединение качественной оценки и анализа социальных сетей для изучения социальных взаимодействий в классе». Computers & Education . 41 (4): 353–368. CiteSeerX 10.1.1.114.7474 . doi :10.1016/j.compedu.2003.06.001. S2CID  10636524. 
  81. ^ Чо, Х.; Стефаноне, М. и Гей, Г. (2002). Социальный обмен информацией в сообществе CSCL . Компьютерная поддержка совместного обучения: основы для сообщества CSCL. Хиллсдейл, Нью-Джерси: Лоуренс Эрлбаум. стр. 43–50. CiteSeerX 10.1.1.225.5273 . 
  82. ^ Авив, Р.; Эрлих, З.; Равид, Г. и Гева, А. (2003). «Сетевой анализ построения знаний в асинхронных обучающих сетях». Журнал асинхронных обучающих сетей . 7 (3): 1–23. CiteSeerX 10.1.1.2.9044 . 
  83. ^ Daradoumis, Thanasis; Martínez-Monés, Alejandra; Xhafa, Fatos (5 сентября 2004 г.). «Комплексный подход к анализу и оценке эффективности виртуальных учебных групп» . В Vreede, Gert-Jan de; Guerrero, Luis A.; Raventós, Gabriela Marín (ред.). Groupware: Design, Implementation, and Use . Lecture Notes in Computer Science. Vol. 3198. Springer Berlin Heidelberg. pp. 289–304. doi :10.1007/978-3-540-30112-7_25. hdl :2117/116654. ISBN 9783540230168. S2CID  6605.
  84. ^ abcdefg Мартинес, А.; Димитриадис, И.; Рубиа, Б.; Гомес, Э.; де ла Фуэнте, П. (1 декабря 2003 г.). «Объединение качественной оценки и анализа социальных сетей для изучения социальных взаимодействий в классе». Компьютеры и образование. Документирование совместных взаимодействий: проблемы и подходы . 41 (4): 353–368. CiteSeerX 10.1.1.114.7474 . doi :10.1016/j.compedu.2003.06.001. S2CID  10636524. 
  85. ^ Джонсон, Карен Э. (1 января 1996 г.). «Обзор искусства исследования случаев». The Modern Language Journal . 80 (4): 556–557. doi :10.2307/329758. JSTOR  329758.

Дальнейшее чтение

Внешние ссылки

На Викискладе есть медиафайлы по теме «Анализ социальных сетей» .