stringtranslate.com

Анализ социальных сетей

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

Анализ социальных сетей ( SNA ) – это процесс исследования социальных структур с помощью сетей и теории графов . [1] Он характеризует сетевые структуры с точки зрения узлов (отдельных участников, людей или вещей в сети) и связей , ребер или связей ( отношений или взаимодействий), которые их соединяют. Примеры социальных структур , обычно визуализируемых с помощью анализа социальных сетей, включают сети социальных сетей , [2] [3] распространение мемов , [4] распространение информации, [5] сети дружбы и знакомств , сети взаимного обучения, [6] бизнес-сети, сети знаний. , [7] [8] трудные рабочие отношения, [9] графики 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 представлены 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 , коммуникативные 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 информатика , [18] исследования в области образования и дистанционного образования, [19] и теперь широко доступны в качестве потребительского инструмента ( см. список программного обеспечения SNA ). [20] [21] [22]

Преимущества SNA двояки. Во-первых, он может обрабатывать большой объем реляционных данных и описывать общую структуру реляционной сети. выбор темы и параметров для подтверждения влиятельных узлов в сети, таких как центральность входящей и исходящей степени. Контекст SNA и выберите, какие параметры определить «центр» в соответствии с характеристиками сети. Анализируя узлы, кластеры и отношения, можно четко описать структуру общения и положение людей. [23]

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, связывающих социальных субъектов. Социологи использовали концепцию « социальных сетей » с начала 20-го века для обозначения сложных комплексов отношений между членами социальных систем на всех уровнях, от межличностного до международного. [24]

В 1930-х годах Джейкоб Морено и Хелен Дженнингс представили основные аналитические методы. [24] В 1954 году Джон Арундел Барнс начал систематически использовать этот термин для обозначения моделей связей, охватывая концепции, традиционно используемые общественностью и социологами: ограниченные группы (например, племена, семьи) и социальные категории (например, гендерные различия). , этническая принадлежность).

Начиная с 1970-х годов такие ученые, как Рональд Берт , Кэтлин Карли , Марк Грановеттер , Дэвид Кракхардт , Эдвард Лауманн , Анатол Рапопорт , Барри Веллман , Дуглас Р. Уайт и Харрисон Уайт , расширили использование систематического анализа социальных сетей. [25]

Начиная с конца 1990-х годов, анализ социальных сетей пережил дальнейшее возрождение благодаря работам социологов, политологов, экономистов, ученых-компьютерщиков и физиков, таких как Дункан Дж. Уоттс , Альберт-Ласло Барабаси , Питер Бирман , Николас А. Кристакис , Джеймс Х. Фаулер , Марк Ньюман , Мэтью Джексон , Джон Кляйнберг и другие, разрабатывающие и применяющие новые модели и методы, отчасти вызванные появлением новых доступных данных об онлайн-социальных сетях, а также «цифровых следов» личного общения. сети.

Вычислительная SNA широко использовалась в исследованиях по освоению второго языка за рубежом. [26] [6] [27] Даже при изучении литературы сетевой анализ применяли Анхейер, Герхардс и Ромо, [28] Воутер Де Нуй, [29] и Бургерт Сенекал. [30] Действительно, анализ социальных сетей нашел применение в различных академических дисциплинах, а также в практических контекстах, таких как противодействие отмыванию денег и терроризму .

Метрики

Оттенок (от красного = 0 до синего = максимум) указывает на промежуточную центральность каждого узла .

Размер: количество членов сети в данной сети.

Соединения

Гомофилия : степень, в которой актеры формируют связи с похожими, а не с непохожими другими. Сходство может определяться полом, расой, возрастом, родом занятий, образовательными достижениями, статусом, ценностями или любой другой существенной характеристикой. [31] Гомофилию также называют ассортативностью .

Мультиплексность: количество форм контента, содержащихся в связи. [32] Например, два человека, которые являются друзьями и одновременно работают вместе, будут иметь мультиплексность, равную 2. [33] Мультиплексность связана с прочностью отношений и может также включать перекрытие положительных и отрицательных сетевых связей. [9]

Взаимность/взаимность: степень, в которой два актера отвечают друг другу взаимностью на дружбу или другое взаимодействие. [34]

Замыкание сети : мера полноты реляционных триад. Предположение человека о закрытости сети (т.е. о том, что его друзья тоже друзья) называется транзитивностью. Транзитивность — это результат индивидуальной или ситуативной черты потребности в когнитивном завершении . [35]

Близость : тенденция актеров иметь больше связей с географически близкими людьми.

Распределения

Мост : человек, чьи слабые связи заполняют структурную дыру , обеспечивая единственную связь между двумя людьми или группами. Он также включает кратчайший маршрут, когда более длинный невозможен из-за высокого риска искажения сообщения или сбоя доставки. [36]

Центральность : Центральность относится к группе показателей, целью которых является количественная оценка «важности» или «влияния» (в различных смыслах) конкретного узла (или группы) в сети. [37] [38] [39] [40] Примеры распространенных методов измерения «центральности» включают центральность по посредничеству , [41] центральность по близости , центральность по собственному вектору , альфа-центральность и центральность по степени . [42]

Плотность : доля прямых связей в сети относительно общего возможного числа. [43] [44]

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

Структурные дыры: отсутствие связей между двумя частями сети. Обнаружение и использование структурной дыры может дать предпринимателю конкурентное преимущество. Эта концепция была разработана социологом Рональдом Бертом и иногда называется альтернативной концепцией социального капитала.

Сила связи: определяется линейной комбинацией времени, эмоциональной интенсивности, близости и взаимности (т.е. взаимности). [36] Сильные связи связаны с гомофилией, близостью и транзитивностью, а слабые связи связаны с мостами.

Сегментация

Группы идентифицируются как « клики », если каждый человек напрямую связан с каждым другим человеком, « социальные круги », если прямой контакт менее строгий, что является неточным, или как структурно сплоченные блоки, если требуется точность. [45]

Коэффициент кластеризации : мера вероятности того, что два партнера узла являются ассоциированными. Более высокий коэффициент кластеризации указывает на большую «кликовость». [46]

Сплоченность: Степень, в которой актеры напрямую связаны друг с другом сплоченными связями . Структурная сплоченность означает минимальное количество членов, которые, если их исключить из группы, разъединят группу. [47] [48]

Моделирование и визуализация сетей

Различные характеристики социальных сетей. A, B и C демонстрируют разную центральность и плотность сетей; На панели D показано замыкание сети, т. е. когда два актора, связанные с общим третьим актором, имеют тенденцию также образовывать прямую связь между собой. Панель E представляет двух действующих лиц с разными характеристиками (например, организационной принадлежностью, убеждениями, полом, образованием), которые склонны формировать связи. Панель F состоит из двух типов связей: дружбы (сплошная линия) и неприязни (пунктирная линия). В этом случае два актера, являющиеся друзьями, не любят общего третьего (или, аналогично, два актера, которым не нравится общий третий, склонны быть друзьями).

Визуальное представление социальных сетей важно для понимания сетевых данных и передачи результатов анализа. [49] Были представлены многочисленные методы визуализации данных, полученных в результате анализа социальных сетей. [50] [51] [52] Многие аналитические программы имеют модули для сетевой визуализации. Исследование данных осуществляется путем отображения узлов и связей в различных макетах, а также присвоения узлам цвета, размера и других расширенных свойств. Визуальное представление сетей может быть мощным методом передачи сложной информации, но следует проявлять осторожность при интерпретации свойств узлов и графов только на основе визуальных представлений, поскольку они могут искажать структурные свойства, которые лучше фиксируются с помощью количественного анализа. [53]

Знаковые графики можно использовать для иллюстрации хороших и плохих отношений между людьми. Положительный край между двумя узлами обозначает положительные отношения (дружба, союз, свидания), а отрицательный край между двумя узлами обозначает отрицательные отношения (ненависть, гнев). Подписанные графы социальных сетей можно использовать для прогнозирования будущего развития графа. В подписанных социальных сетях существует понятие «сбалансированных» и «несбалансированных» циклов. Сбалансированный цикл определяется как цикл , в котором произведение всех знаков положительно. Согласно теории баланса , сбалансированные графики представляют собой группу людей, которые вряд ли изменят свое мнение о других людях в группе. Несбалансированные графики представляют 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, представляет собой несбалансированный цикл. Эта группа, скорее всего, превратится в сбалансированный цикл, например, в тот, где B имеет только хорошие отношения с A, а A и B имеют отрицательные отношения с C. Используя концепцию сбалансированных и несбалансированных циклов, эволюция подписанные графики в социальных сетях можно предсказать. [54]

Различные подходы к совместному картированию сетей оказались полезными, особенно при использовании анализа социальных сетей в качестве инструмента содействия изменениям. Здесь участники/интервьюеры предоставляют сетевые данные, фактически отображая сеть (ручкой и бумагой или в цифровом виде) во время сеанса сбора данных. Примером подхода к картографированию сети на бумаге, который также включает сбор некоторых атрибутов действующих лиц (ощущаемое влияние и цели действующих лиц), 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. [55]

Потенциал социальных сетей

Потенциал социальных сетей (SNP) — это числовой коэффициент , полученный с помощью алгоритмов [56] [57] и отражающий как размер социальной сети человека, так и его способность влиять на эту сеть. Коэффициенты SNP были впервые определены и использованы Бобом Герстли в 2002 году. Тесно связанный термин — «Альфа-пользователь» , определяемый как человек с высоким SNP.

Коэффициенты SNP имеют две основные функции:

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

Путем расчета SNP респондентов и ориентации на респондентов с высоким SNP повышается сила и актуальность количественных маркетинговых исследований, используемых для реализации стратегий вирусного маркетинга .

Переменные, используемые для расчета индивидуального SNP, включают, помимо прочего: участие в деятельности социальных сетей, членство в группах, руководящие роли, признание, публикацию/редактирование/содействие неэлектронным средствам массовой информации, публикацию/редактирование/содействие электронным средствам массовой информации (веб-сайты, блоги), а также частоту распространения информации в их сети в прошлом. Аббревиатура «SNP» и некоторые из первых алгоритмов, разработанных для количественной оценки потенциала социальных сетей человека, были описаны в официальном документе «Рекламные исследования меняются» (Gerstley, 2003). См. « Вирусный маркетинг» . [58]

Первой книгой [59] , в которой обсуждалось коммерческое использование альфа-пользователей среди аудитории мобильных телекоммуникаций, была «Маркетинг 3G» Ахонена, Каспера и Мелькко в 2004 году. Первой книгой, в которой альфа-пользователи обсуждались в более общем контексте в контексте анализа социального маркетинга, была книга «Сообщества доминируют над брендами». Ахонен и Мур в 2005 году. В 2012 году Никола Греко ( UCL ) представляет на TEDx потенциал социальных сетей как параллелизм с потенциальной энергией , которую генерируют пользователи и которую должны использовать компании, заявляя, что «SNP — это новый актив, к которому должна стремиться каждая компания». иметь". [60]

Практическое применение

Анализ социальных сетей широко используется в широком спектре приложений и дисциплин. Некоторые распространенные приложения сетевого анализа включают агрегацию и анализ данных , моделирование распространения сети, сетевое моделирование и выборку, анализ атрибутов и поведения пользователей, поддержку ресурсов, поддерживаемых сообществом, анализ взаимодействия на основе местоположения, совместное использование и фильтрацию в социальных сетях, разработку рекомендательных систем и прогнозирование ссылок . и разрешение сущности. [61] В частном секторе предприятия используют анализ социальных сетей для поддержки таких видов деятельности, как взаимодействие и анализ с клиентами, анализ развития информационных систем , [62] маркетинг и бизнес-аналитика (см. Аналитика социальных сетей ). Некоторые виды использования в государственном секторе включают разработку стратегий взаимодействия с лидерами, анализ индивидуального и группового взаимодействия и использования средств массовой информации , а также решение проблем на уровне сообщества .

Продольная СНС в школах

Большое количество исследователей во всем мире изучают социальные сети детей и подростков. В анкетах перечисляют всех одноклассников, одноклассников или одноклассников, спрашивая: «Кто твои лучшие друзья?». Иногда студенты могут назначить столько сверстников, сколько пожелают; в других случаях количество номинаций ограничено. Исследователи социальных сетей исследовали сходство в сетях дружбы. Сходство между друзьями было установлено еще в классической античности. [63] Сходство — важная основа выживания дружеских отношений. Сходство в характеристиках, отношениях или поведении означает, что друзья быстрее понимают друг друга, имеют общие интересы, о которых можно поговорить, лучше знают, на каком уровне они находятся друг с другом, и больше доверяют друг другу. [64] В результате такие отношения становятся более стабильными и ценными. Более того, большее сходство делает молодых людей более уверенными в себе и помогает им развивать свою идентичность. [65] Сходство в поведении может быть результатом двух процессов: отбора (рыбак рыбака сбивается в стаю) 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 Снейдерсом и его коллегами. [66] Лонгитюдный анализ социальных сетей стал мейнстримом после публикации в 2013 году специального выпуска «Журнала исследований подросткового возраста» , под редакцией Рене Винстра и содержащего 15 эмпирических статей. [67]

Приложения безопасности

Анализ социальных сетей также используется в разведывательной, контрразведывательной и правоохранительной деятельности. Этот метод позволяет аналитикам составить карту тайных организаций, таких как шпионская сеть, организованная преступная семья или уличная банда. Агентство национальной безопасности (АНБ) использует свои программы электронного наблюдения для получения данных, необходимых для проведения такого рода анализа террористических ячеек и других сетей, которые считаются важными для национальной безопасности. Во время этого сетевого анализа АНБ просматривает до трех узлов в глубину. [68] После завершения первоначального картирования социальной сети проводится анализ для определения структуры сети и определения, например, лидеров внутри сети. [69] Это позволяет военным и правоохранительным органам совершать обезглавливающие атаки по принципу « захватить или убить » важных целей, занимающих руководящие должности, чтобы нарушить функционирование сети. Вскоре после терактов 11 сентября АНБ проводит анализ в социальных сетях записей подробностей звонков (CDR), также известных как метаданные . [70] [71]

Приложения для текстового анализа

Большие текстовые корпуса можно превратить в сети, а затем проанализировать с помощью метода анализа социальных сетей. В этих сетях узлами являются социальные субъекты, а ссылками — действия. Извлечение этих сетей можно автоматизировать с помощью парсеров. Полученные сети, которые могут содержать тысячи узлов, затем анализируются с использованием инструментов теории сетей для выявления ключевых участников, ключевых сообществ или сторон, а также общих свойств, таких как надежность или структурная стабильность всей сети или центральность определенных узлы. [72] Это автоматизирует подход, предложенный количественным нарративным анализом, [73] при котором тройки субъект-глагол-объект идентифицируются с парами актеров, связанных действием, или парами, образованными актером-объектом. [74]

Нарративная сеть выборов в США 2012 г. [74]

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

Интернет-приложения

Анализ социальных сетей также применяется для понимания поведения в Интернете отдельных лиц, организаций и между веб-сайтами. [18] Анализ гиперссылок можно использовать для анализа связей между веб-сайтами или веб-страницами , чтобы изучить, как информация передается, когда люди перемещаются по сети. [75] Связи между организациями были проанализированы с помощью анализа гиперссылок, чтобы определить, какие организации входят в проблемное сообщество. [76]

Нетократия

Другая концепция, возникшая в результате этой связи между теорией социальных сетей и Интернетом, - это концепция нетократии , в которой появилось несколько авторов, изучающих корреляцию между расширенным использованием онлайн-социальных сетей и изменениями в динамике социальной власти. [77]

Интернет-приложения для социальных сетей

Анализ социальных сетей применялся к социальным сетям как инструмент для понимания поведения между отдельными людьми или организациями посредством их связей на веб-сайтах социальных сетей, таких как Twitter и Facebook . [78]

В совместном обучении с компьютерной поддержкой

Одним из наиболее современных методов применения SNA является изучение совместного обучения с компьютерной поддержкой (CSCL). Применительно к CSCL SNA используется, чтобы помочь понять, как учащиеся сотрудничают с точки зрения количества, частоты и продолжительности, а также качества, темы и стратегий общения. [79] Кроме того, SNA может сосредоточиться на конкретных аспектах сетевого соединения или на всей сети в целом. Он использует графические представления, письменные представления и представления данных, чтобы помочь изучить соединения внутри сети CSCL. [79] При применении SNA к среде CSCL взаимодействие участников рассматривается 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 самостоятельно.

Ключевые термины

Существует несколько ключевых терминов, связанных с исследованиями анализа социальных сетей в области совместного обучения при компьютерной поддержке, таких как: плотность , центральность , входная степень , выходная степень и социограмма .

Переменные входящей и исходящей степени связаны с центральностью.

Уникальные возможности

Исследователи используют анализ социальных сетей при изучении совместного обучения с помощью компьютера отчасти из-за его уникальных возможностей. Этот конкретный метод позволяет изучать модели взаимодействия внутри сетевого обучающегося сообщества и может помочь проиллюстрировать степень взаимодействия участников с другими членами группы. [79] Графика, созданная с использованием инструментов СНС, обеспечивает визуализацию связей между участниками и стратегий, используемых для общения внутри группы. Некоторые авторы также предполагают, что СНС обеспечивает метод легкого анализа изменений в моделях участия членов с течением времени. [80]

В ряде исследований SNA применялась к CSCL в различных контекстах. Результаты включают корреляцию между плотностью сети и присутствием учителя, [79] большее внимание к рекомендациям «центральных» участников, [81] нечастость межполового взаимодействия в сети, [82] и относительно небольшую роль играет инструктор в сети асинхронного обучения . [83]

Преимущества СНС

Есть два преимущества анализа социальных сетей. Сначала он может охарактеризовать общую топологию реляционной сети и проанализировать значительный объем реляционных данных. Что касается безопасности строительства, вероятность того, что авария может вызвать широкий спектр общественных дискуссий, увеличивается с ее серьезностью. Благодаря анализу больших объемов данных анализ социальных сетей может отобразить обширную сеть всех людей, участвующих в публичном дискурсе, а также ее внутреннюю организацию. Поскольку анализ социальных сетей уделяет больше внимания отношениям, чем отдельным людям или организациям, этот подход позволяет взглянуть на «двусторонний диалог между организацией и общественностью». Во-вторых, SNA дает исследователям возможность выбирать параметры и настраиваемую систему измерения для проверки влиятельных узлов сети, включая центральность входящей и исходящей степени. SNA дает исследователям возможность выбирать параметры в зависимости от контекста их исследования и определять «центр» на основе свойств сети. Охарактеризовать структуру коммуникации и отдельные позиции можно, исследуя узлы, кластеры и отношения. [84]

Другие методы, используемые наряду с СНС

Хотя многие исследования продемонстрировали ценность анализа социальных сетей в области совместного обучения с компьютерной поддержкой, [79] исследователи предположили, что одной SNA недостаточно для достижения полного понимания CSCL. Сложность процессов взаимодействия и множество источников данных затрудняют для СНС проведение углубленного анализа CSCL. [85] Исследователи указывают, что СНС необходимо дополнять другими методами анализа, чтобы сформировать более точную картину опыта совместного обучения. [86]

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

Смотрите также

Рекомендации

  1. ^ Отте, Эвелен; Руссо, Рональд (декабрь 2002 г.). «Анализ социальных сетей: мощная стратегия, в том числе и для информационных наук». Журнал информатики . 28 (6): 441–453. дои : 10.1177/016555150202800601. S2CID  17454166.
  2. ↑ Гранжан, Мартен (31 декабря 2016 г.). «Анализ социальной сети Twitter: составление карты сообщества цифровых гуманитарных наук». Cogent Искусства и Гуманитарные науки . 3 (1). дои : 10.1080/23311983.2016.1171458 . S2CID  114999767.
  3. ^ Аб 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». Компьютерный обзор социальных наук . 36 (5): 523–541. дои : 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). «Разрыв Парижа и Женевы. Сетевой анализ архивов Международного комитета интеллектуального сотрудничества Лиги Наций» (PDF) . Культура как мягкая сила: соединение культурных связей, интеллектуальное сотрудничество и культурная дипломатия : 65–98. дои : 10.1515/9783110744552-004.
  6. ^ аб Парадовски, Михал Б.; Ярыновский, Анджей; Чопек, Каролина; Елинска, Магдалена; и другие. (2021). «Взаимодействие со сверстниками и изучение второго языка: вклад анализа социальных сетей в обучение за рубежом по сравнению с домашней средой». В Митчелле, Розамонд; Тайн, Генри (ред.). Язык, мобильность и обучение за рубежом в современном европейском контексте . Нью-Йорк: Рутледж. стр. 99–116. дои : 10.1017/S0261444820000580. ISBN 978-10-03087-95-3. S2CID  228863564.
  7. ^ аб Бреннеке, Джулия; Ранг, Олаф (май 2017 г.). «Сеть знаний фирмы и передача советов между корпоративными изобретателями - многоуровневое сетевое исследование». Исследовательская политика . 46 (4): 768–783. doi :10.1016/j.respol.2017.02.002.
  8. ^ Аб Харрис, Дженин К.; Люк, Дуглас А.; Цукерман, Рэйчел Б.; Шелтон, Сара К. (июнь 2009 г.). «Сорок лет исследований пассивного курения». Американский журнал профилактической медицины . 36 (6): 538–548. дои : 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 обращаются за помощью в решении проблем к трудным коллегам». Журнал Академии менеджмента . 63 (3): 743–778. дои : 10.5465/amj.2017.0399. OCLC  8163488129. S2CID  164852065.
  10. ^ Пиньейру, Карлос А.Р. (2011). Анализ социальных сетей в телекоммуникациях. Джон Уайли и сыновья. п. 4. ISBN 978-1-118-01094-5.
  11. ^ Д'Андреа, Алессия; и другие. (2009). «Обзор методов виртуального анализа социальных сетей». У Авраама, Аджит (ред.). Вычислительный анализ социальных сетей: тенденции, инструменты и достижения исследований . Спрингер. п. 8. ISBN 978-1-84882-228-3.
  12. ↑ Гранспан, Дэниел (23 января 2014 г.). «Понимание классных комнат посредством анализа социальных сетей: учебник для анализа социальных сетей в исследованиях в области образования». CBE: Образование в области наук о жизни . 13 (2): 167–178. doi : 10.1187/cbe.13-08-0162. ПМК 4041496 . ПМИД  26086650. 
  13. ^ Трингали, Анжела; Шерер, Дэвид Л.; Косгроув, Джиллиан; Боуман, Рид (10 февраля 2020 г.). «Этап истории жизни объясняет поведение в социальной сети до и во время раннего сезона размножения у птиц, размножающихся совместно». ПерДж . 8 : е8302. дои : 10.7717/peerj.8302 . ПМК 7020825 . ПМИД  32095315. 
  14. ^ abc Различия хронотипов в социальных сетях, выявленные по данным 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. ПМИД  37876903.
  16. ↑ Ким, Рахюн Э (26 ноября 2020 г.). «Является ли глобальное управление фрагментированным, полицентричным или сложным? Современное состояние сетевого подхода». Обзор международных исследований . 22 (4): 903–931. дои : 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 штата Миссури». Отчеты общественного здравоохранения . 122 (4): 488–498. дои : 10.1177/003335490712200410. OCLC  8062393936. PMC 1888499 . ПМИД  17639652. 
  18. ^ аб Ганбарнежад, Фахтех; Саха Рой, Риширадж; Карими, Фариба; Дельвенн, Жан-Шарль; Митра, Бивас (2019). Динамика сложных сетей III. Подходы машинного обучения и статистической физики . Чам: Springer International Publishing: Выходные данные: Springer. ISBN 9783030146832. ОСЛК  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 в Facebook, отображенные с помощью приложения Wolfram Alpha» . Новости BBC . 24 сентября 2012 года . Проверено 25 июля 2016 г.
  21. ↑ Фредерик Лардинуа (30 августа 2012 г.). «Wolfram Alpha запускает персональные аналитические отчеты для Facebook» . Технический кризис . Проверено 25 июля 2016 г.
  22. ^ Ивальди М.; Феррери Л.; Даолио Ф.; Джакобини М.; Томассини М.; Райнольди А. «We-Sport: от отделения академии к базе данных для комплексного сетевого анализа; инновационный подход к новой технологии». J Sports Med Phys Fitness . 51 (прил. 1 к вып. 3). hdl : 2318/90491. Анализ социальных сетей был использован для анализа свойств сети We-Sport.com, позволяющих провести глубокую интерпретацию и анализ уровня явлений агрегации в конкретном контексте спорта и физических упражнений.
  23. ^ Яо, Ци; Ли, Рита Йи Ман; Сун, Линси; Крэбб, М. Джеймс К. (1 ноября 2021 г.). «Обмен знаниями о безопасности строительства в Твиттере: анализ социальных сетей». Наука безопасности . 143 : 105411. doi : 10.1016/j.ssci.2021.105411. hdl : 10547/625062 .
  24. ^ аб Фриман, Линтон С. (2004). Развитие анализа социальных сетей: исследование по социологии науки . Эмпирическая пресса; КнигаВсплеск. ISBN 978-1-59457-714-7. ОСЛК  429594334.[ нужна страница ]
  25. ^ Линтон Фриман (2006). Развитие анализа социальных сетей . Ванкувер: Эмпирическая пресса.
  26. ^ Парадовский, Михал Б.; Ярыновский, Анджей; Елинска, Магдалена; Чопек, Каролина (2021). «Избранные стендовые доклады с конференции Американской ассоциации прикладной лингвистики, Денвер, США, март 2020 г.: Внеклассное взаимодействие со сверстниками имеет значение для овладения вторым языком во время краткосрочного пребывания за границей: вклад анализа социальных сетей». Обучение языку . 54 (1): 139–143. дои : 10.1017/S0261444820000580 . S2CID  228863564.
  27. ^ Парадовский, Михал Б.; Церпих-Козел, Агнешка; Чен, Чи-Чун; Охаб, Джереми К. (2022). «Как результаты перевешивают входные данные, а собеседники имеют значение для SLA обучения за рубежом: вычислительный анализ взаимодействия учащихся в социальных сетях». Журнал современного языка . 106 (4): 694–725. дои : 10.1111/модл.12811. S2CID  255247273.
  28. ^ Анхейер, Хельмут К.; Герхардс, Юрген; Ромо, Фрэнк П. (январь 1995 г.). «Формы капитала и социальной структуры в культурных областях: исследование социальной топографии Бурдье». Американский журнал социологии . 100 (4): 859–903. дои : 10.1086/230603. S2CID  143587142.
  29. ^ де Нуй, Воутер (октябрь 2003 г.). «Поля и сети: анализ корреспонденции и анализ социальных сетей в рамках теории поля». Поэтика . 31 (5–6): 305–327. дои : 10.1016/s0304-422x(03)00035-4.
  30. ↑ Сенекал, Бургерт (1 декабря 2012 г.). «Литературная система африкаанс: экспериментальный подход с использованием анализа социальных сетей (СНС): гуманитарные науки». Литнет Академии (на языке африкаанс). 9 (3): 614–638. hdl : 10520/EJC129817.
  31. ^ Макферсон, Миллер; Смит-Ловин, Линн; Кук, Джеймс М. (август 2001 г.). «Рыбак рыбака: гомофилия в социальных сетях». Ежегодный обзор социологии . 27 (1): 415–444. doi : 10.1146/annurev.soc.27.1.415. S2CID  2341021.
  32. ^ Подольный, Джоэл М.; Барон, Джеймс Н. (октябрь 1997 г.). «Ресурсы и отношения: социальные сети и мобильность на рабочем месте». Американский социологический обзор . 62 (5): 673. CiteSeerX 10.1.1.114.6822 . дои : 10.2307/2657354. JSTOR  2657354. 
  33. ^ Килдафф, М.; Цай, В. (2003). Социальные сети и организации . Публикации Сейджа.
  34. ^ Кадушин, К. (2012). Понимание социальных сетей: теории, концепции и выводы. Оксфорд: Издательство Оксфордского университета. ISBN 9780195379471.
  35. ^ Флинн, Фрэнсис Дж.; Рейганс, Рэй Э.; Гиллори, Люсия (2010). «Вы двое знаете друг друга? Транзитивность, гомофилия и необходимость закрытия (сети)». Журнал личности и социальной психологии . 99 (5): 855–869. дои : 10.1037/a0020961. PMID  20954787. S2CID  6335920.
  36. ^ аб Грановеттер, Марк С. (май 1973 г.). «Сила слабых связей». Американский журнал социологии . 78 (6): 1360–1380. дои : 10.1086/225469. S2CID  59578641.
  37. ^ Хансен, Дерек; и другие. (2010). Анализ социальных сетей с помощью NodeXL. Морган Кауфманн. п. 32. ISBN 978-0-12-382229-1.
  38. ^ Лю, Бинг (2011). Интеллектуальный анализ веб-данных: изучение гиперссылок, содержимого и данных об использовании. Спрингер. п. 271. ИСБН 978-3-642-19459-7.
  39. ^ Ханнеман, Роберт А. и Риддл, Марк (2011). «Концепции и меры базового сетевого анализа». Справочник Sage по анализу социальных сетей . МУДРЕЦ. стр. 364–367. ISBN 978-1-84787-395-8.
  40. ^ Цветоват, Максим и Кузнецов, Александр (2011). Анализ социальных сетей для стартапов: поиск связей в социальной сети. О'Рейли. п. 45. ИСБН 978-1-4493-1762-1.
  41. ^ Наиболее полный справочник: Вассерман, Стэнли и Фауст, Кэтрин (1994). Анализ социальных сетей: методы и приложения. Кембридж: Издательство Кембриджского университета.Краткое и ясное основное изложение содержится у Кребса, Валдиса (2000). «Социальная жизнь маршрутизаторов». Журнал интернет-протокола . 3 (декабрь): 14–25.
  42. ^ Опсал, Торе; Агнессенс, Филип; Скворец, Джон (июль 2010 г.). «Центральность узла во взвешенных сетях: степень обобщения и кратчайшие пути». Социальные сети . 32 (3): 245–251. doi :10.1016/j.socnet.2010.03.006.
  43. ^ «Анализ социальных сетей» (PDF) . Полевой устав 3-24: Меры по подавлению восстания . Штаб-квартира Департамента армии . стр. Б–11 – Б–12.
  44. ^ Сюй, Гуандун; и другие. (2010). Веб-майнинг и социальные сети: методы и приложения. Спрингер. п. 25. ISBN 978-1-4419-7734-2.
  45. ^ Cohesive.blocking — это программа R для расчета структурной сплоченности в соответствии с алгоритмом Муди-Уайта (2003). На этом вики-сайте представлены многочисленные примеры и руководства по использованию R.
  46. ^ Ханнеман, Роберт А. и Риддл, Марк (2011). «Концепции и меры базового сетевого анализа». Справочник Sage по анализу социальных сетей . МУДРЕЦ. стр. 346–347. ISBN 978-1-84787-395-8.
  47. ^ Муди, Джеймс; Уайт, Дуглас Р. (февраль 2003 г.). «Структурная сплоченность и включенность: иерархическая концепция социальных групп». Американский социологический обзор . 68 (1): 103. CiteSeerX 10.1.1.18.5695 . дои : 10.2307/3088904. JSTOR  3088904. S2CID  142591846. 
  48. ^ Паттилло, Джеффри; и другие. (2011). «Модели релаксации клик в анализе социальных сетей». На тайском языке: Мой Т. и Пардалос, Панос М. (ред.). Справочник по оптимизации сложных сетей: коммуникации и социальные сети . Спрингер. п. 149. ИСБН 978-1-4614-0856-7.
  49. ^ Линтон К. Фриман. «Визуализация социальных сетей». Журнал социальной структуры . 1 .
  50. ^ Хамдака, Мохаммед; Тахвилдари, Ладан; ЛаШапель, Нил; Кэмпбелл, Брайан (2014). «Обнаружение культурных сцен с использованием обратной оптимизации Лувена». Наука компьютерного программирования . 95 : 44–72. дои : 10.1016/j.scico.2014.01.006 .
  51. ^ Бахер, Р. (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 компьютерных приложений для электроэнергетики 1995 года. Солт-Лейк-Сити, США: Общество энергетиков IEEE. стр. 128–134. дои : 10.1109/PICA.1995.515175. ISBN 0-7803-2663-6.
  52. ^ Кашера, MC; Ферри, Ф.; Грифони, П. (2008). «SIM: метод динамической многомерной визуализации для социальных сетей». Психологический журнал . 6 (3): 291–320.
  53. ^ 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 . дои : 10.1016/S0378-8733(96)00299-7. 
  54. ^ Картрайт, Дорвин; Харари, Фрэнк (1956). «Структурный баланс: обобщение теории Хайдера». Психологический обзор . 63 (5): 277–293. дои : 10.1037/h0046049. PMID  13359597. S2CID  14779113.
  55. ^ Хоган, Берни; Карраско, Хуан Антонио; Веллман, Барри (май 2007 г.). «Визуализация личных сетей: работа с социограммами, поддерживаемыми участниками». Полевые методы . 19 (2): 116–144. дои : 10.1177/1525822X06298589. S2CID  61291563.
  56. ^ Гнев, Изабель; Киттл, Кристиан (2011). «Измерение влияния в Твиттере». Материалы 11-й Международной конференции по управлению знаниями и технологиям знаний - i-KNOW '11 . п. 1. дои : 10.1145/2024288.2024326. ISBN 9781450307321. S2CID  30427.
  57. ^ 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.
  58. ^ (Hrsg.), Сара Розенгрен (2013). Меняющиеся роли рекламы. Висбаден: Springer Fachmedien Wiesbaden GmbH. ISBN 9783658023645. Проверено 22 октября 2015 г.[ нужна страница ]
  59. ^ Ахонен Т.Т., Каспер Т. и Мелькко С. (2005). 3G-маркетинг: сообщества и стратегическое партнерство. Джон Уайли и сыновья.
  60. ^ «технологии» «Смотрите «TEDxMilano - Никола Греко - по математике и в социальной сети «Видео на TEDxTalks». TEDxTalks .
  61. ^ Голбек, Дж. (2013). Анализ социальной сети . Морган Кауфманн. ISBN 978-0-12-405856-9.
  62. ^ Арам, Майкл; Нойманн, Густав (1 июля 2015 г.). «Многоуровневый анализ совместной разработки информационных систем бизнеса». Журнал Интернет-услуг и приложений . 6 (1): 13. дои : 10.1186/s13174-015-0030-8 . S2CID  16502371.
  63. ^ Макферсон, Миллер; Смит-Ловин, Линн; Кук, Джеймс М. (2001). «Рыбак рыбака: гомофилия в социальных сетях». Ежегодный обзор социологии . 27 (1): 415–444. doi : 10.1146/annurev.soc.27.1.415. ISSN  0360-0572. S2CID  2341021.
  64. ^ Лаурсен, Бретт; Венстра, Рене (2021). «На пути к пониманию функций влияния сверстников: краткое изложение и синтез недавних эмпирических исследований». Журнал исследований подросткового возраста . 31 (4): 889–907. дои : 10.1111/jora.12606. ISSN  1050-8392. ПМЦ 8630732 . ПМИД  34820944. 
  65. ^ «Халлинан, MT (1980). Модели группировки среди молодежи. В HC Foot, AJ Chapman и JR Smith (ред.), Дружба и социальные отношения у детей (стр. 321–342). Нью-Йорк, Нью-Йорк: Wiley ". psycnet.apa.org . Проверено 10 марта 2023 г.
  66. ^ Снейдерс, Том AB; ван де Бунт, Герхард Г.; Стеглих, Кристиан Э.Г. (2010). «Введение в стохастические актерские модели сетевой динамики». Социальные сети . Динамика социальных сетей. 32 (1): 44–60. doi :10.1016/j.socnet.2009.02.004. ISSN  0378-8733.
  67. ^ Венстра, Рене; Ланинга-Вийнен, Лидия (2023). «Значение взаимодействия со сверстниками, отношений и сетей в подростковом и раннем взрослом возрасте». osf.io. _ Американская психологическая ассоциация . Проверено 10 марта 2023 г.
  68. ↑ Акерман, Спенсер (17 июля 2013 г.). «АНБ предупредило обуздать слежку, поскольку агентство раскрывает еще большие масштабы». Хранитель . Проверено 19 июля 2013 г.
  69. ^ «Как АНБ использует анализ социальных сетей для картирования террористических сетей» . 12 июня 2013 года . Проверено 19 июля 2013 г.
  70. ^ «АНБ использует анализ социальных сетей» . Проводной . 12 мая 2006 года . Проверено 19 июля 2013 г.
  71. ↑ Драйер, Александр (11 мая 2006 г.). «АНБ располагает огромной базой данных телефонных звонков американцев». Сланец . Проверено 19 июля 2013 г.
  72. ^ Судхахар, Саатвига; Де Фасио, Джанлука; Франзози, Роберто; Кристианини, Нелло (январь 2015 г.). «Сетевой анализ повествовательного контента в больших корпусах». Инженерия естественного языка . 21 (1): 81–112. дои : 10.1017/S1351324913000247. hdl : 1983/dfb87140-42e2-486a-91d5-55f9007042df . S2CID  3385681.
  73. ^ Количественный описательный анализ; Роберто Францози; Университет Эмори © 2010
  74. ^ аб 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). дои : 10.1177/2053951715572916 . hdl : 2381/31767 .
  75. ^ Остербур, Меган; Киль, Кристина (апрель 2017 г.). «Гегемон, борющийся за равные права: доминирующая роль COC Nederland в транснациональной сети защиты прав ЛГБТ». Глобальные сети . 17 (2): 234–254. дои : 10.1111/glob.12126.
  76. ^ Бретшнайдер, Марла; Берджесс, Сьюзен; Китинг, Кристина, ред. (19 сентября 2017 г.). «Розовые ссылки: визуализация глобальной сети ЛГБТК» . ЛГБТ-политика . Издательство Нью-Йоркского университета. стр. 493–522. дои : 10.18574/ню/9781479849468.003.0034. ISBN 978-1-4798-4946-8.
  77. ^ Бард, Александр; Сшдерквист, Ян (24 февраля 2012 г.). Нетокракты: Трилогия Futurica 1. Стокгольмский текст. ISBN 9789187173004. Проверено 3 марта 2017 г.
  78. ^ Квак, Хэун; Ли, Чанхён; Парк, Хосунг; Мун, Сью (26 апреля 2010 г.). «Что такое Twitter, социальная сеть или новостное СМИ?». Материалы 19-й международной конференции по Всемирной паутине . АКМ. стр. 591–600. CiteSeerX 10.1.1.212.1490 . дои : 10.1145/1772690.1772751. ISBN  9781605587998. S2CID  207178765.
  79. ^ abcdefghij Лаат, Мартен де; Лалли, Вик; Липпонен, Лассе; Саймонс, Роберт-Ян (8 марта 2007 г.). «Исследование закономерностей взаимодействия в сетевом обучении и совместном обучении с компьютерной поддержкой: роль анализа социальных сетей». Международный журнал совместного обучения с компьютерной поддержкой . 2 (1): 87–103. дои : 10.1007/s11412-007-9006-4. S2CID  3238474.
  80. ^ «Способы взаимодействия в компьютерном обучении: анализ социальных сетей». Международная конференция обучающих наук . 2013. С. 346–351. дои : 10.4324/9780203763865-71. ISBN 9780203763865.
  81. ^ Мартинес, А.; Димитриадис, Ю.; Рубия, Б.; Гомес, Э.; де ла Фуэнте, П. (декабрь 2003 г.). «Сочетание качественной оценки и анализа социальных сетей для изучения социальных взаимодействий в классе». Компьютеры и образование . 41 (4): 353–368. CiteSeerX 10.1.1.114.7474 . doi : 10.1016/j.compedu.2003.06.001. S2CID  10636524. 
  82. ^ Чо, Х.; Стефанон М. и Гей Г. (2002). Обмен социальной информацией в сообществе CSCL . Компьютерная поддержка совместного обучения: основы сообщества CSCL. Хиллсдейл, Нью-Джерси: Лоуренс Эрлбаум. стр. 43–50. CiteSeerX 10.1.1.225.5273 . 
  83. ^ Авив, Р.; Эрлих, З.; Равид Г. и Гева А. (2003). «Сетевой анализ построения знаний в сетях асинхронного обучения». Журнал сетей асинхронного обучения . 7 (3): 1–23. CiteSeerX 10.1.1.2.9044 . 
  84. ^ Обмен знаниями о безопасности строительства в Твиттере: анализ социальных сетей, Наука о безопасности, том 143, ноябрь 2021 г., 105411.
  85. ^ Дарадумис, Танасис; Мартинес-Монес, Алехандра; Джафа, Фатос (5 ​​сентября 2004 г.). «Комплексный подход к анализу и оценке эффективности групп виртуального обучения» . Во Вриде, Герт-Ян де; Герреро, Луис А.; Равентос, Габриэла Марин (ред.). Программное обеспечение для групповой работы: проектирование, реализация и использование . Конспекты лекций по информатике. Том. 3198. Шпрингер Берлин Гейдельберг. стр. 289–304. дои : 10.1007/978-3-540-30112-7_25. hdl : 2117/116654. ISBN 9783540230168. S2CID  6605.
  86. ^ abcdefg Мартинес, А.; Димитриадис, Ю.; Рубия, Б.; Гомес, Э.; де ла Фуэнте, П. (1 декабря 2003 г.). «Сочетание 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. 
  87. ↑ Джонсон, Карен Э. (1 января 1996 г.). «Обзор искусства тематического исследования». Журнал современного языка . 80 (4): 556–557. дои : 10.2307/329758. JSTOR  329758.

дальнейшее чтение

Внешние ссылки

В Wikimedia Commons есть средства массовой информации, связанные с анализом социальных сетей .