社会网络分析

概览

社会网络分析代表了作为节点的行为者,而关系则以边缘为主. 这种关系可以编码通信、友谊,协作相通和交易或观察到的相互作用。 它可以是定向式取重计分活性表示方式(dignation)或者时间变化性的表达形式. 网络结构影响信息的获取、传播和协调以及不平等,但不能独立决定机构和个人选择的行为。

技术基础

图表可能包含几个关系层和在节点与边缘上的属性. 度数直接关系,在性能衡量最短路径的参与和已中心节点的等分器积克连接之间. 集群描述封闭的三相结构,而模块化和统计块模型则在不同假设下确定社区的结构. 指向随机图模型在横截面中代表了局部的依赖,而以花样演员为导向或关系-事件模式描述的是网络随时间推移的变化.

如何运作

分析员从调查、档案和数字追踪或行政数据中构建网络,然后检查程度取向;中心地位出众的人群以及社区和路径。 统计网络模型测试领带形成,同时考虑边缘之间的依赖性. 分泌研究追踪随着时间的推移的通过或暴露,而因果设计试图区分同源和共享环境对同伴的影响.

衡量和研究方法

网络数据收集在分析前定义了人口边界,关系意义和观察窗口. 调查可以捕捉到人们所察觉的联系,但会受到召回和不回复;数字日志对记录的行动是准确的而忽略了未观察渠道。 敏感性分析检查缺失的节点和替代边缘阈值. 传播研究需要时间戳和接触定义,而实验或可信仪器有助于确定同龄人的效果。 结果报告不确定性,并避免在看到哪一个排名似乎最有说服力后选择一种核心措施。

二. 主要想法

• 缺失或分类错误的领带可以改变中心地位和社区成果,特别是在不完整网络中。
• 联系人之间的关联本身并不能证明社会影响。
• 平台生成的网络反映了产品设计,排名和数据获取规则以及人际关系.

目前的研究领域

研究分析连接在线和下行关系的多功能网络,动态社区以及网位与算法推荐之间的相互作用. 保留隐私的计算可能允许各组织进行综合分析。 干预研究在监测外溢和不公平的同时,测试种子的形成、同行支持以及错误信息纠正。 公开的挑战包括干扰下的因果推论,在限制平台访问时的代表性采样以及建模那些因为知道网络正在被测量而改变行为的战略行为者.

为什么它很重要

网络分析有助于研究协作、流行病,政治交流以及劳动力市场和知识传播。 它可以确定结构瓶颈、服务不足的群体和干预途径,而仅个人一级的数据并不能揭示这些障碍。

限制和未决问题

隐私风险很高,因为即使名字被取出后关系模式也能重新识别人. 抽样边界往往任意取用,数字痕迹排除了离线联系并可以滥用中心地位作为衡量重要性的尺度。 道德工作要求数据最小化、背景解释和防范不公平地针对社区的干预。