ANALÝZA SOCIÁLNÍCH SÍTÍ
Na kontextu zalezi
Jan Schmid
Tel.:  +420 739 202 460
Email: schmid.jan@gmail.com
www.nodeandtie.cz
Historie SNA
O       ^  n °
■ Moreno (sociometrie)
■
■
■
Teorie grafů
O
o o o
o
o
o o
Antropolgie
Sociologie  (síla tenkých vazeb)
O
o o
I_I
O
b o0 o
o
o
oo o
Sociogram vs»SNA			I	
TJ O		D Sk		
O
o
OO w
(a) Random network (b) Scale-free network
oo o
o
v
oucasnosti boom SNA
O       ^  n  O u
Network society
^ ,_, Ono
Rozvoj teorie grafů_ ^ WQ
■
■
■
■
Rozvoj informačních technologií
O    „       .   .       .   .    I       I .(O—n.      ^ O
O
Rozvoj digitalizovaných dat
o O
o
o
o
oo o
Co je SNA
■
o
O
Vědecká disciplína, která se
zaměřuje na strukturu mezi O objekty spíše než na izolovaná
pozorování
w O
o o
o
o
o
o
o
oo o
Data
o
jak je známe
O       -   - o
o
o
o
o
O d n
Jméno	Věk	Pohlaví	Přisedlo si |
Lenka	21	2	
Pavel	20	1	2
Martina	26		1
Tomáš	24	1	0
O
o o
o
o
o
oo o
o
o
SNA matice
TJ
O
o
o
o
O n n
Jméno	Lenka	Pavel	Martina	Tomáš
Lenka	o	o		
Pavel	0	0	0	0
Martina	0	1		
Tomáš	0	1	0	0
o
o o o
o
o
o
oo o
SNA siť
|Jméno	Lenka	Pavel
Lenka	^^^^^^^	
Pavel	0	0
Martina	o	1
Tomáš		1
		(T
		
O	o	
		o
o
Pavel
oo o
Základni pojm
Uzel
O
O
O n n
Jméno   Lenka   Pavel   Martina Tomáš
Lenka Pavel Martina Tomáš
o
o
Vazba
O
od Tomáše k Pavlovi
oo o
Základni pojm
Uzel
O
o o o
Vazba - od Tomáše k Pavlovi
oo o
Diagonála
o
O n n
Jméno   Lenka   Pavel   Martina Tomáš
Lenka Pavel Martina
Tomas
o
Síla vazby
oo
o
Co mohou být dat;
U
m
m
Vazby mezi lidmi Jakékoliv
U
O O Ono
jiné objekty, mezi kterými umíme definovat a změřit
■
vazby n
Je znalost výsledné struktury
O
vědecky užitečná?
O
b o
o o
o
o
o
o
o
oo o
Co
je zde vazbou?
O
o
o
o o o
o
V>0**0 DE Iň EOEft
o
Jiří Pospíšil
o     . * o
Pavel Drobil
Vft Bárta.
o
oo o
Ja ram ir Drábek
Leoš Heger
0 úrLn^repzii.
JnS«dRŕJ^Mc ..VV-T-ř-^iá-tofiza Vorel
■g® je
O
O O O
I s;cc<sg«
O
o o
Q
leefci
o\ o
matemafcka
O
o ^
oo o
rastr onom*
| cava
Základní přístupy ke tvorbě dat
■ Matice:
O
w , ^ o' o					
Jméno	Lenka	Pavel	Martina		Tomáš
Lenka	0				
Pavel	0	0	0		0
Martina	0	1			
Tomáš	0	1	0		0
■
o
Výpis vazeb:
^ o
o
o
|Kdo	Ke komu
Lenka	Martina
Martina	Pavel
Tomáš	Pavel
b o
o
o
o
Základní přístupy ke tvorbě dat
■ Matice:
O
w , ^ o' o					
Jméno	Lenka	Pavel	Martina		Tomáš
Lenka	0				
Pavel	0	0	0		0
Martina	0	1			
Tomáš	0	1	0		0
■
o
Výpis vazeb:
^ o
o
o
|Kdo	Ke komu
Lenka	Martina
Martina	Pavel
Tomáš	Pavel
b o
o
o
o
Co to je centralita
"    £ o o
Relativní důležitost uzlu v grafu ■ V SNA často spojována s mocí:
n m      o o
o
o
■
moc ovlivnit ostatni možnost výběru výhodnější transakce málo omezeni
Záleží na formálním přístupu (výpočtu)
b o
o
o
■
o
Záleží na kontextu
U (j u
co je vazbou
Degree (stupeň uziu)
TJ
■
Nejjednodušší:
o
C) d n
„kolik vazeb poji uzel s jinými
O
o
u
■
■
uzly"
Je vyjádřenim „staré známe" sociometrické hvězdy
V připadě usměrněného grafu
o o o
I_I
O
O
rozlišujeme OutDegree a InDegree
(odchozi stupeň, příchozí stupeň,)
O
oo o
Closeness/Farness (? biizkovost u«iu)
O    \   [í   D" O
Součet geodetických vzdálenosti
„vzdálenost uzlu od všech ostatnich uzlů v siti"   n   O O
■
■
■
V připadě usměrněného grafu rozlišujeme inCloseness a
O
o
outCloseness
(odchozi blizkovost, příchozí blizkovost)
O
o
o o
o
o
o
oo o
o  U    y co
Nejprve se spočte Far-ness = součet všech vzdáleností uzlu od
■
■
O
ostatních uzlů
Z ní se spočte Near-ness =
inverzní Farness
O
o
=
o
Near-ness se standardizuje vynásobením všech možných Far-ness  (Npočet uzlů-1)
O
o
oo o
Betweenness uzlu (mezilehlost uzlu)
Vyjadřuje roli zprostředkovatele
v-J O
O
■
Freeman:  „Kolik nejkratšich spojnic mezi dvojicemi uzlů musi projit přes měřený uzel"
■ Pouze pro binárni data
O
■
Musíme použít symetrizovaná data, jinak spočteme usměrněnou verzi
o o
o
o
oo o
o
o
o
o
o
Podskupiny v siti
O
O
o o
o o
o o o
o
o
o
o o
o o o
o
b o0 o
o
oo o
Kliky a podskupiny
O      _ n °
Klika  (parta):
O
■
Ono
Skupina uzlů v síti, jejichž vzájemn^propo^eiíí j^lius^šíC? než)
■
celková hustota v síti. Identifikace
klik patří
k základním analýzám struktury sítě
o o
o
o
o
oo o
Cliques (kliky)
U
Ladi ;lav_Kc|i±ia(ODSj 'a^LKtega(CDS)
O
o
Minimum: 3 4 nalezené podskupiny Např.:
Antonín J>táček(ODSp^(^ Karel_Hagel(ODS) f~\ Miloslav JVIihálik(ÓD$) O Tomáš_Chvála(ODS)
Ma ri e_Kcusa líkavá (ODS)
N-Cliques
u ^ u
N-cliques umožňuje zahrnout i jedince, kteří se váží pouze
O
o
■
■
■
■
■
■
zprostředkovanou vazbou Zadávané parametry:
Minimálni velikost
O
O O O
O
Maximální délka vazby Podmínka:
Všechny dvojice musí být propojeni maximálně N dlouhou vazbou       O O O
O
N-Cliques (kliky)
TJ
O
Minimum: 3 N: 2
7 nalezených podskupin
Např.:
JanV
JanaC
Jaromir
Lukas
Olina
O
O
Kateřina/
O
o o
o
o
oo o
JanaC
K-Cores
Nehledí na celkový počet uzlů v podskupině.  Stačí vazba ke K členům podskupiny
O
■
■
■
Zadávané parametry:    LH^f^ G
Žádné, procedura začne hodnotou
■
■
O
K=počet uzlů v síti -1
Podmínka:
přímá vazba ke K členům podskupiny
O o o
O
O
O
ewip
P0P3
;MAP
PC
ODESÍLATELE
SERVER ODCHOZÍ r DST-
SERVER PŘÍCHOZÍ POSTY
□
PC PŘÍJEMCE
Dec 4 13:59:43 dbpostfix/pickup[5578]: 2EE6D5S26ACD: uid=65534 fr om=<j an. nova k@ fn max. cz>
Dec 4 13:59:43 dbpostfix/cleanup[7116]: 2EE6D5826ACD: message-id=<20061204125942.E4DOA5826AC7@oxserver.finnax.cz>
Dec 4 13:59:43 db postfix/qmgr[14383]: 2EE6D5826ACD: from=< jan.novak @fmnax.cz>. size=1371, nrcpt=l (queue active)
Dec 4 13:59:43 db postfix/lmtp[8042]: 2EE6D5826ACD: to= marie.cenia@firmax.cz,
r e lay= /v ar/ lib/i ina p / so c ke t/lmtp [/var/1 ib / imap/'s o ck et/lmtp ]. d el a y=G, s ta tus=s ent (2502.1.5 Ok)
Dec 4 13:59:43 db postfix/qmgr[143S3]: 2EE6D5826ACD: removed
Dec 4 13:59:45 db postfix/smtpd[8098]: disconnect from firmax.icr.cz[82.142.73.142]
Text mining - príklad
TJ
O
Salem Alhazmi*
Majed Moqed
■ Flight AA «11 - Crashed int» WTC North M Fl Igftl A* U n - Craved Intü Penlaaon
■ Fl gnt u* Irtl - Crashed In Pennayl^snu
■ FiigniUAsi7&-Craned IntüWTU South
■ Other Associate of Hijackers
ítWianiŕilKii.vjijíKrm
ail Alshehri
Satam Suqami
O
o
o
o o o
o
o
Využiti SNA
O   ° ° On
Sociologie
Sociálni kapitál a klasikové
James Coleman:
■
o
o
o
■
■
____J -
o v
Sociologie důvěry
■
Zák Mertona, výzkum mládeže
- nedůvěra ve O společnosti se projevi v nákladech obětovaných přiležitosti:
Matematizujici a ekonomizujici přistup
O
■
Sociálni kapitál individuálni i skupinový
O
Y
DO O
Sociálni kapitál a klasikové
TJ
■
■
O
James Coleman:
Závazky: vznik individuálniho sociálni kapitálu
riadková s t
o o
O .ro
ho
o
o
Člověk s velkým množstvím vazeb může:
a) Využívat více lidí v případě potřeby
b) specializovat své vazby na konkrétní úlohy = zefektivnit jejich využívání
závazek_(_o_bligutton)
» B
b o
o
o
Sociální kapitál a klasikové
x7
■
■
■
o
u
James Coleman:
inspirace Lazarsfeldem Kontakty jedince poskytují
Informace
O
■
informace
n
jí
I. y mm
„koho znám,  to vím"
Šetří čas/pozornost (obětované příležitosti), abychom se nemuseli
lokální názoroví
O
■
zabývat vším vůdci
Christiakise kooperativní paměť
U
■ U Lazarsfelda status názorových
vůdců
Sociální kapitál a klasikové
TJ
■
■
u n  O O
James Coleman:
Norma a efektivní sankceO O
i i
o
Social closure:
a) B a C jsou vystaveni deviantnímu chování A
b) Ba C mohou vyvinout skupinový tlak na A - normy a sankce
B
B
(a)
(b)
FlG. 1.—Network without (a) and with (b) closure
■
O
Normy a sankce jsou zdrojem důvěry statusu O O O
a
Sociální kapitál a anomie
. Schmid
Schmid
Anomie
O
o o o0
Společnost Q
O
VyuZití SNA
O   ° ° On
Marketing
Klasický výzkum vs SNA
O
n
O
O
Metodologický individualismus	Analýza sociálních sítí
Zákon velkých čísel	Zákon malých čísel
Reprezentativita	Prediktabilita
o
o
o
o o
b o
o
o
o
„Budoucnost už je přítomna, jenom není rovnoměrně distribuována."
O
Klasický výzkum
O       ^  n O
Net promotér score
„Jak je pravděpodobné, že byste doporučil(a) naši společnost/službu kolegům nebo přátelům?"
m
m
O
byste
o
o
o
o
Kritici
10
I
% Příznivců
(9-10)
% Kritiků
(0-6)
o
Klasický výzkum
o   "    Q o o
Gladwellovský přístup (příjmení) Typologie osobnosti / zákazníků Počet přátel na Facebooku
■
■
O
o
o
o o
o
o
b o0 o
o
o
oo o
SNA offline
■ Výzkumy zaměřeny na menší
komunity
■
Hledání typické rolí generalizace
u o o
o o
■
pro celou populaci
O
Příklad: mobilní služby pro školní třídu zdarma - jak se od sebe učí je používat
O   o 1 T °
o
o
oo o
■ BfRRl
;haei?
IUMACH
1 X
Cr i -■ i_ -.
O
10BBÍTWJBICA
:E R N A N DO ALONSi
foo
■ ŕ
►et^o re lh RMft
'TBI! n
I "hTz I ILL
o
o
i Skechers
Sandals
Snrakcrs
Shirt
Gap
o o
Exponsivo Money
Stability
O
I Okl Navy
Cool
Pants g Shorts
I Tommy Hitfigor
Awosome
Running
Motivation
Track School
to
o
(
Basketball Football
Different
Enioy Commercial
Better Just Do II
Fun
Analýza on-line komunit
TJ
O
f "J
y.
.• • ..-iV--".-.-.--^./.--   v '
. -•• • , • "V.....
• • •*. •;. ■•• f *• ••
• . ». . .......
« • • •
O
Analýza on-line komunit
■ 1.
pomocí google adwords)
o
■ 2.
■ 3.
O       _  n O
Zvolení tématu (verifikace
o o
Určení hlavní komunity
Sběr dat ze vzájemných
y
O
■
■
■
interakcí členů komunity
4. Vytvoření SNA modelu
5. Analýza struktury
6. Kvalitativní analýza názorů
O
o
influencerů
Analýza on-line komunit
104-22-2009
Danls92
FV.. 'vtA»' Super Moderator Emeritus
M Join Date: Oct 2007
iPod touch 16GB, 2.1 jailbrokenluj
With IEMs, make sure to clean the tips or your songs will sound like earwax.
I
04-22-2009
thee hung ster
Super Moderator Emeritus
Quote:
Originally Posted by|Panls92 |
With IEMs, make sure to clean tne tit
iPod touch 16GB 3.0 jailbroken
'J
tips or your songs will sound like earwax.
Especially with any hard foam based tips (Not comply tips in which it'll just absorb the earwax and will make them unusable after a couple of months)
O
Analýza on-line komunit
TJ
O
O
o
o
o
o
o
o
o
o
o o o
^ thechungster
o
o o
o
Danls92
b o o
o
oo o
Analýza on-line komunit
Co
O
je jádrem ONA?
ř- -\
Zaměstnanecký průzkum
O
+
"—r
o
Teorie grafů
O
O (
o
o
o
I_I
Snímek struktury
lidské kooperace
w->
o o o
nik ONA grafu
„Za kým si chodite pro radu?" - siť toku znalosti
O
Základní sledované atributy (2)
Atribut
Identifikátor
Centrální spojovatelé
Vysoký stupeň
Zprostředkovatelé
r*-1
i_i
O
Vysoká mezi-lehlost
O
Okrajoví hráči
Nízká centralita
Dělící body
I I
Podskupiny v síti
O
QQ O
Základní sledované atributy
Srovnáni formálni a neformálni struktury
Exploration & Production
Sfinrnr Vits Pre&id-anL JorlůB
-1-
O'Brien
I-
Exploration
William«
Drilling
Ta y\o r
r
i
-1
Production
Slack
_i_
GAG Cahnn I	Petra p h f s 1c u Crass	San I
1 Smith 1	Andraws	1 IHDarB 1
1 hlughtB. 1		1 Millar
1 Rnmiraz 1		
1 Ball I Tiiln 1		
1 ■—■ -i 1 _ ■ HuBD-ai n 1		
1 Kalhy		
i—
Production Raiarvalr
O'Brian Shaplm
P n In í
Cohen
Willia-ns
U Jara  Ramlro*--Bell
Srovnáni formálni a neformálni struktury
n
■ Skupina lidi se sama strukturuje, podle toho,  jaký úkol plni O   O O
o o
Jedná se o tzv.  komunitu praxe
k
Strukturu komunity lze zachytit pomoci
informaci o vztazich
jejich členů
o o
o
b oD o
o
o
oo o