Перейти до вмісту

Аналіз соціальних мереж

Матеріал з Вікіпедії — вільної енциклопедії.
Не плутати з Кількісний аналіз соціальних мереж[en].
Схема соціальної мережі, що відображає дружні відносини між набором користувачів Фейсбуку.

Аналіз соціальних мереж (англ. Social network analysis) — дослідження соціальних мереж, що розглядає соціальні стосунки в термінах теорії мереж[⇨]. До цих термінів належать поняття вузла (зображує окремого учасника в межах мережі) та зв'язку (зображує такі відношення між індивідами, як дружба, спорідненість, положення в організації, інтимні стосунки тощо)[1][2]. Ці мережі часто описують у вигляді соціальних мережевих діаграм, де вузли подано у вигляді точок, а зв'язки — у вигляді ліній[⇨].

Огляд

[ред. | ред. код]

Аналіз соціальних мереж виник як ключова техніка сучасної соціології. Він набув значного поширення в антропології, біології, комунікативних дослідженнях, економіці, географії, історії, інформатиці, організаційні дослідження[en], політології, соціальній психології, дослідженні розвитку[en] і соціолінгвістиці, і зараз є загальнодоступним засобом[3][4].

Аналіз соціальних мереж має теоретичні джерела в ранніх роботах соціологів, таких як Георг Зіммель і Еміль Дюркгайм. Ці вчені писали про важливість вивчення шаблонів стосунків між учасниками соціальної взаємодії. Соціологи поняття «соціальна мережа» для позначення складних наборів стосунків між членами соціальних систем на всіх рівнях, від міжособистісних до міжнародних, використовують від початку XX століття. Від 1954 року Дж. А. Барнз почав систематично використовувати цей термін для позначення моделей зв'язків, що охоплюють як повсякденні поняття, так і поняття соціології: пов'язані групи (наприклад, племена, родини) і соціальні категорії (наприклад, стать, етнічна приналежність). Такі вчені як Рональд Берт[en], Кейтлін Карлей[en], Марк Грановеттер(інші мови), Девід Кракгардт[en], Едвард Лауманн[en], Анатолій Рапопорт, Баррі Веллман[en], Дуглас Р. Вайт[en] і Гаррісон Вайт[en] розширили використання систематичного аналізу соціальних мереж[5]. Навіть під час вивчення літератури мережевий аналіз застосовували Ангаєр, Герхардс і Ромо[6], Воутер Де Нуй[7], Берджерт Сенекал[8]. Аналіз соціальних мереж знайшов застосування як у різних академічних дисциплінах, так і на практиці, в таких галузях, як відмивання грошей і тероризм.

Метрики

[ред. | ред. код]
Колір (від червоного=0 до синього=max) показує для кожного вузла центральність за посередництвом[9] — міру центральності вузла в мережі, рівну кількості найкоротших шляхів від кожної вершини до інших вершин, що проходять через даний вузол. Центральність за посередництвом відбиває навантаження і значущість вузла в мережі: сині вузли несуть глобальніше навантаження, тоді як червоні мають тільки локальну значущість.

Зв'язки

[ред. | ред. код]

Гомофілія (англ. Homophily}}) — ступінь, з яким схожі учасники формують зв'язки між собою в порівнянні з несхожими. Схожість може бути визначена за ознакою статі, раси, віку, роду занять, досягнень у галузі навчання, статусу, цінностей або за іншими характеристиками[10]. Поняття гомофілії пов'язане з асортативністю.

Множинність (англ. Multiplexity) — кількість форм, що містяться у зв'язку[11]. Наприклад, дві особи, які є друзями і працюють разом будуть мати множинність, рівну 2[12]. Множинність пов'язана з міцністю відносин.

Обопільність/Взаємність (англ. Mutuality/Reciprocity) — ступінь, з яким двоє учасників відповідають один одному взаємністю у сфері дружніх чи інших взаємодій[13].

Закритість мережі (англ. Network Closure) — міра повноти реляційних тріад. Присвоєння індивідам ступеня закритості мережі (тобто той факт, що їхні друзі також є друзями між собою) називається транзитивністю. Транзитивність є наслідком індивідуальної або ситуаційної особливості, що полягає в потребі когнітивної закритості[14].

Сусідство (Propinquityангл. Network Closure) — схильність учасників мати більше зв'язків з тими, хто географічно ближчий[13].

Розподіл

[ред. | ред. код]

Міст (англ. Bridge) — індивід, чиї слабкі зв'язки заповнюють структурні прогалини, забезпечуючи єдине з'єднання між двома індивідами або кластерами. Він так само включає найкоротший шлях, коли довший шлях неможливий через високий ризик спотворення повідомлення або неможливість доставки[15].

Центральність — належить до групи показників, метою яких є визначення «значущості» або «впливу» (в різних значеннях) певного вузла (або групи) в мережі[16][17][18][19]. Прикладами загальних методів вимірювання «центральності» є визначення центральності за посередництвом[9][20][21], центральності за близькістю[9], центральності за впливовістю, альфа-центральності[en] і центральності за степенем[9][22].

Щільність — відношення кількості прямих зв'язків у мережі до загальної можливої кількості зв'язків[23][24].

Відстань (англ. Distance): найменша кількість зв'язків, необхідна для з'єднання двох певних учасників, показана Стенлі Мілґремом у його експерименті і в теорії шести рукостискань.

Структурні прогалини (англ. Structural holes) — відсутність зв'язків між двома частинами мережі. Пошук і використання структурної прогалини може дати підприємцю конкурентну перевагу. Цю концепцію розробив соціолог Рональд Берт[en]. Іноді її відносять до альтернативних концепцій соціального капіталу.

Сила зв'язку (англ. Tie Strength)ді — визначається лінійною комбінацією часу, емоційної інтенсивності, близькості і взаємності (тобто принципі обопільності)[15]. Сильні зв'язки визначаються гомофілією, спорідненням і транзитивністю, то як слабкі — мостами.

Сегментація

[ред. | ред. код]

Група визначається як «кліка», якщо кожен індивід в ній безпосередньо пов'язаний з іншим індивідом. Група визначається як «коло спілкування», якщо в ній менше вимог до прямого контакту, який може бути не визначений. Група визначається як структурно згуртовані[en] блоки, якщо необхідна точність[25].

Коефіцієнт кластеризації: міра ймовірності, з якою два партнери одного вузла є приятелями. Високий коефіцієнт кластеризації відповідає значній «кліковості»[26].

Згуртованість — ступінь, з яким учасники безпосередньо пов'язані один з одним за допомогою соціальних зв'язків. Структурна згуртованість означає мінімальну кількість учасників, видалення яких з групи розвалить її[27][28].

Моделювання і візуалізація мереж

[ред. | ред. код]
Різні характеристики соціальних мереж. A, B та C показують різну центральність та щільність мереж; панель D показує замкнутість мережі, тобто коли два учасники, пов'язані зі спільним третім учасником, також схильні формувати прямий зв'язок між собою. Панель E представляє двох учасників з різними характеристиками (наприклад, організаційна приналежність, переконання, стать, освіта), які схильні формувати зв'язки. Панель F складається з двох типів зв'язків: дружба (суцільна лінія) та неприязнь (пунктирна лінія). У цьому випадку два учасники, які є друзями, обидва не люблять спільного третього учасника (або, аналогічно, два учасники, які не люблять спільного третього учасника, як правило, є друзями).

Візуальне представлення соціальних мереж важливе для розуміння мережевих даних та передачі результатів аналізу[29]. Представлені численні методи візуалізації даних, отриманих в результаті аналізу соціальних мереж[30][31][32][33]. Багато аналітичних програм(інші мови) мають модулі для візуалізації мережі. Дані досліджуються шляхом відображення вузлів та зв'язків у різних макетах та присвоєння вузлам кольорів, розміру та інших розширених властивостей. Візуальне представлення мереж може бути потужним методом передачі складної інформації. Однак слід бути обережним при інтерпретації властивостей вузлів та графів лише на основі візуальних відображень, оскільки вони можуть спотворювати структурні властивості, які краще відображаються за допомогою кількісного аналізу[34].

Знакові графи(інші мови) можна використовувати для ілюстрації добрих і поганих стосунків між людьми. Позитивне ребро між двома вузлами позначає позитивні стосунки (дружба, союз, побачення), а негативне ребро позначає негативні стосунки (ненависть, гнів). Знакові графи соціальних мереж можна використовувати для прогнозування майбутньої еволюції графа. У знакових соціальних мережах(інші мови) існує поняття «збалансованих» та «незбалансованих» циклів. Збалансований цикл визначається як цикл, де добуток усіх знаків є позитивним. Згідно з теорією балансу, збалансовані графи представляють групу людей, які навряд чи змінять свою думку про інших людей у групі. Незбалансовані графи представляють групу людей, які дуже ймовірно змінять свою думку про людей у своїй групі. Наприклад, група з 3 осіб (A, B та C), де A та B мають позитивні стосунки, B та C мають позитивні стосунки, а C та A мають негативні стосунки, є незбалансованим циклом. Ця група, дуже ймовірно, зміниться на збалансований цикл, наприклад, де B має добрі стосунки лише з A, а як A, так і B мають негативні стосунки з C. Використовуючи концепції збалансованих та незбалансованих графів, можна прогнозувати еволюцію графа соціальної мережі(інші мови)[35].

Виявилися корисними різні підходи до картування мережі за участю учасників , особливо при використанні аналізу соціальних мереж як інструменту для сприяння змінам. Тут учасники/інтерв'юери надають дані мережі, створюючи карту мережі (за допомогою ручки та паперу або в цифровому форматі) під час сеансу збору даних. Прикладом підходу до картування мережі за допомогою ручки та паперу, який також включає збір деяких атрибутів акторів (сприйнятий вплив та цілі акторів), є * Інструментарій Net-map(інші мови). Однією з переваг цього підходу є те, що він дозволяє дослідникам збирати якісні дані та ставити уточнювальні запитання під час збору даних мережі[36][37].

Потенціал у соціальних мережах

[ред. | ред. код]

Потенціал у соціальних мережах (англ. Social Networking Potential, SNP) – це числовий коефіцієнт, отриманий алгоритмічно[38][39], який відображає як розмір соціальної мережі людини, так і її здатність впливати на цю мережу. Тісно пов'язаний термін — це альфа-користувач(інші мови), який визначається як людина з високим SNP.

Коефіцієнти SNP мають дві основні функції:

  1. Класифікація людей на основі їхнього потенціалу в соціальних мережах та
  2. Зважування респондентів у кількісних маркетингових дослідженнях.

Розрахунок SNP респондентів та таргетування респондентів з високим SNP підвищує силу та релевантність кількісних маркетингових досліджень, що використовуються для розробки стратегій вірусного маркетингу.

Змінні(інші мови) що використовуються для розрахунку SNP особи, включають, але не обмежуються: участь у діяльності соціальних мереж, членство в групах, лідерські ролі, визнання, публікації/редагування/внесок у неелектронні медіа, публікації/редагування/внесок у електронні медіа (вебсайти, блоги) та частоту поширення інформації в мережі в минулому. Абревіатура «SNP» та деякі з перших алгоритмів, розроблених для кількісної оцінки потенціалу соціальної мережі особи, були описані в офіційній документації «Advertising Research is Changing» (Gerstley, 2003) Див. Вірусний маркетинг[40].

Першою книгою[41], у якій обговорювалося комерційне використання альфа-користувачів серед аудиторії мобільного зв'язку, була книга «3G Marketing» Ахонена, Каспера та Мелкко, опублікована у 2004 році. Першою книгою, у якій альфа-користувачі обговорювалися в більш загальному контексті соціальної маркетингової аналітики(інші мови), була книга «Communities Dominate Brands» Ахонена та Мура, опублікована у 2005 році. У 2012 році Нікола Греко (UCL) представив на TEDx потенціал соціальних мереж як паралель з потенційною енергією, яку генерують користувачі, а компанії повинні використовувати, заявивши, що «SNP — це новий актив, до якого повинна прагнути кожна компанія»[42].

Практичне застосування

[ред. | ред. код]

Аналіз соціальних мереж широко використовується в ряді застосунків і дисциплін. Деякі поширені програми мережевого аналізу охоплюють збір і накопичення даних, моделювання поширення мережі, моделювання мережі і вибірок, аналіз характерних ознак і поведінки користувача, ресурсної підтримки, забезпечуваної спільнотою, аналіз взаємодії на основі місця розташування, соціальний обмін і відбір, розвиток систем рекомендацій, а також прогнозування зв'язків і аналіз об'єктів[43]. У приватному секторі фірми використовують аналіз соціальних мереж для підтримання такої діяльності, як взаємодія та аналіз клієнтів, маркетинг і бізнес-аналітика. Використання аналізу соціальних мереж державним сектором включає розвиток стратегій участі керівництва, аналіз індивідуальної та групової участі, використання засобів масової інформації і засноване на спільнотах вирішення проблем.

Аналіз соціальних мереж так само використовується у розвідувальних, контррозвідувальних та правоохоронних заходах. Ця техніка дозволяє аналітикам відобразити на карті нелегальну або приховану організацію, таку як шпигунське коло, організовану злочинну групу або вуличну банду. Агентство національної безпеки (NSA) використовує програми таємних[en] масових систем[en] електронного спостереження для генерування даних, необхідних для подання цього типу аналізу в терористичних осередках і інших мережах, що стосуються національної безпеки. У процесі мережевого аналізу Агентство національної безпеки здійснює пошук у глибину на три вузли[44]. Після того, як завершилося початкове відображення соціальної мережі, виконується аналіз для визначення структури мережі і, наприклад, лідера мережі[45]. Це дозволяє військовим або правоохоронним органам завдати нищівних ударів для захоплення або знищення найзначущіших цілей[en], які займають лідерські позиції, що призводить до порушення функціювання мережі.

Невдовзі після терористичного акту 11 вересня Агентство національної безпеки розпочало використання аналізу соціальних мереж під час детальної реєстрації викликів, які являють собою метадані[46][47].

Див. також

[ред. | ред. код]

Примітки

[ред. | ред. код]
  1. ↑ Social Network Analysis in Telecommunications, 2011.
  2. ↑ Computational Social Network Analysis: Trends, Tools and Research Advances, 2009.
  3. ↑ Facebook friends mapped by Wolfram Alpha app.
  4. ↑ Wolfram Alpha Launches Personal Analytics Reports For Facebook.
  5. ↑ The Development of Social Network Analysis: A Study in the Sociology of Science, 2004.
  6. ↑ Forms of Capital and Social Structure in Cultural Fields: Examining Bourdieu's Social Topography, 1995.
  7. ↑ Fields and networks: Correspondence analysis and social network analysis in the framework of Field Theory, 2003.
  8. ↑ Die Afrikaanse literêre sisteem: ʼn Eksperimentele benadering met behulp van Sosiale-netwerk-analise (SNA).
  9. ↑ а б в г Є.В. Мелешко, В.С. Гермак, С.М. Охотний. Дослідження методів визначення центральності акторіву соціальних мережах для задач інформаційної безпеки (PDF) (укр.) . Архів оригіналу (PDF) за 22 січня 2021. Процитовано 22 січня 2021.
  10. ↑ Birds of a feather: Homophily in social networks, 2001.
  11. ↑ Resources and relationships: Social networks and mobility in the workplace, 1997.
  12. ↑ Social networks and organisations, 2003.
  13. ↑ а б Kadushin C., 2012.
  14. ↑ Do you two know each other? Transitivity, homophily, and the need for (network) closure, 2010.
  15. ↑ а б The strength of weak ties, 1973.
  16. ↑ Analyzing Social Media Networks with NodeXL, 2010.
  17. ↑ Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data, 2011.
  18. ↑ The Sage Handbook of Social Network Analysis, 2011.
  19. ↑ Social Network Analysis for Startups: Finding Connections on the Social Web, 2011.
  20. ↑ Social Network Analysis: Methods and Applications, 1994.
  21. ↑ The Social Life Of Routers, 2000.
  22. ↑ Node centrality in weighted networks: Generalizing degree and shortest paths, 2010.
  23. ↑ Counterinsurgency, 2006.
  24. ↑ Web Mining and Social Networking: Techniques and Applications, 2010.
  25. ↑ Cohesive blocking.
  26. ↑ The SAGE Handbook of Social Network Analysis, 2011.
  27. ↑ Structural Cohesion and Embeddedness: A Hierarchical Concept of Social Groups, 2003.
  28. ↑ Handbook of Optimization in Complex Networks: Communication and Social Networks, 2011.
  29. ↑ Linton C. Freeman. Visualizing Social Networks. Journal of Social Structure. 1.
  30. ↑ Hamdaqa, Mohammad; Tahvildari, Ladan; LaChapelle, Neil; Campbell, Brian (2014). Cultural Scene Detection Using Reverse Louvain Optimization. Science of Computer Programming. 95: 44—72. doi:10.1016/j.scico.2014.01.006.
  31. ↑ Bacher, R. (1995). Graphical Interaction and Visualization for the Analysis and Interpretation of Contingency Analysis Result. Proceedings of the 1995 Power Industry Computer Applications. Salt Lake City, USA: IEEE Power Engineering Society. с. 128—134. doi:10.1109/PICA.1995.515175. ISBN 0-7803-2663-6.
  32. ↑ Caschera, M. C.; Ferri, F.; Grifoni, P. (2008). SIM: A dynamic multidimensional visualization method for social networks. PsychNology Journal. 6 (3): 291—320.
  33. ↑ Network Analysis and Modeling (CSCI 5352). danlarremore.com. Процитовано 2 грудня 2024.
  34. ↑ McGrath, Cathleen; Blythe, Jim; Krackhardt, David (1997–08). The effect of spatial arrangement on judgments and errors in interpreting graphs. Social Networks (англ.). 19 (3): 223—242. doi:10.1016/S0378-8733(96)00299-7.{{cite journal}}: Обслуговування CS1: Сторінки з неправильним форматом в діапазонах дат (посилання)
  35. ↑ Cartwright, Dorwin; Harary, Frank (1956). Structural balance: a generalization of Heider's theory. Psychological Review. 63 (5): 277—293. doi:10.1037/h0046049. PMID 13359597.
  36. ↑ Riquelme, Fabián; González-Cantergiani, Pablo (2016–09). Measuring user influence on Twitter: A survey. Information Processing & Management (англ.). 52 (5): 949—975. doi:10.1016/j.ipm.2016.04.003.{{cite journal}}: Обслуговування CS1: Сторінки з неправильним форматом в діапазонах дат (посилання)
  37. ↑ Visualizing Personal Networks: Working with Participant-Aided Sociograms, 2007.
  38. ↑ Anger, Isabel; Kittl, Christian (2011). Measuring influence on Twitter. Proceedings of the 11th International Conference on Knowledge Management and Knowledge Technologies - i-KNOW '11. с. 1. doi:10.1145/2024288.2024326. ISBN 978-1-4503-0732-1.
  39. ↑ Riquelme, Fabián; González-Cantergiani, Pablo (Вересень 2016). Measuring user influence on Twitter: A survey. Information Processing & Management. 52 (5): 949—975. arXiv:1508.07951. doi:10.1016/j.ipm.2016.04.003.
  40. ↑ Rosengren, Sara; Dahlén, Micael; Okazaki, Shintaro, ред. (2013). Advances in Advertising Research (Vol. IV): The Changing Roles of Advertising. European Advertising Academy. Wiesbaden: Springer Fachmedien Wiesbaden. ISBN 978-3-658-02364-5.
  41. ↑ Ahonen, Tomi T; Kasper, Timo; Melkko, Sara (2 липня 2004). 3G Marketing: Communities and Strategic Partnerships (англ.) (вид. 1). Wiley. doi:10.1002/0470011181.fmatter. ISBN 978-0-470-85100-5.
  42. ↑ "technology" Watch "TEDxMilano – Nicola Greco – on math and social network" Video at TEDxTalks. TEDxTalks.
  43. ↑ Analyzing the Social Web, 2013.
  44. ↑ NSA warned to rein in surveillance as agency reveals even greater scope.
  45. ↑ How The NSA Uses Social Network Analysis To Map Terrorist Networks.
  46. ↑ NSA Using Social Network Analysis.
  47. ↑ How the NSA Does "Social Network Analysis".

Література

[ред. | ред. код]

Посилання

[ред. | ред. код]
Отримано з https://uk.wikipedia.org/w/index.php?title=Аналіз_соціальних_мереж&oldid=47937236