Сетевой анализ. Понятие «сеть» (лекция 5)

1.

Сетевой анализ

2.

Понятие «сеть»
• «Сеть» – исследовательская метафора, которая позволяет
представлять и изучать объект (объекты);
• В настоящее время очень «модная» метафора, что приводит к
частому использованию;
• Очень часто возникает проблема сопряжения методологий и
критичного определения понятия;
• В разных теор. подходах может определятся различными
способами;
• Очень часто формулируется «универсальный» характер сетевого
анализа и метафоризации;

3.

Социальные сети: основания в социологии
• Георг Зиммель (теория социального взаимодействия);
• Джекоб Леви Морено (внимание на непосредственные отношения,
социометрические процедуры);
• Джордж Хоманс (теория обмена);
• Стэ́нли Ми́лгрэм (психология взаимодействия, «малые миры»);
• Мануэль Кастельс (теория информационного общества);
• Джон Ло (Объекты и пространства);
• Дж. Урри (Мобильность. Социология за пределами общества);
• Вся традиция акторно-сетевой теории (ANT)

4.

«Мода» на понятие «сеть»
• Усложнение и детализация процессов, объектов исследования
приводит к необходимости ввода детальных систем/структур
описания;
• Б. Латур - Наука в действии: следуя за учеными и инженерами
внутри общества;
• Необходимость встраивания сложной динамики в систему
отношений, важность «временного» аспекта взаимодействия;
• Определенная популярность коммуникационных платформ и
алгоритмов анализа/представления;
• Накопление больших объемов знания и баз данных;

5.

Суть сети
• Сеть – схема, способ структурирования социального пространства
(с/без временного динамичного аспекта);
• Как любая структура предельно обезличена;
• Структура состоит: элемент и связь:
• Что важнее: элемент, связь, сама структура?
• Что брать за структурирующий принцип? Может ли их быть много?
• Существует ли «реальная/действительная структура»?
• Два составных аналитических элемента:
• Узел (точка, вершина графа, актор, объект);
• Связь (дуга, ребро графа, связь/обмен/взаимодействие, канал).

6.

Сетевой анализ (Social Network Analysis SNA): основания
• Теория графов – раздел математики (дискретная математика);
• Граф (по сути и есть сеть) - множество вершин (узлов),
соединённых рёбрами;
• Исходя из матаппарата возможно производить вычисления и
сложный анализ, в т.ч. машинного характера;
• Соответственно вытекают все проблемы, связанные с
заимствованием аналитических инструментов;

7.

Виды графов
12 вершин 11
ребер
статика
неориентированный
ориентированный
7 вершин 6 ребер
динамика

8.

Сеть в социологии: суть
• Сеть – множество статусных позиций объектов/акторов и связей
между ними, которые определяются потоками
(информационных) ресурсов.
• Актор – отдельно взятый индивид/социальная
группа/общность/социальный институт или объект.
• Связь – поток инофрмации/ресурсов разной степени
интенсивности и устойчивости;
• Для чего? - попытка описать сложные отношения (в динамике),
показать структуру социальных образований, обмена чем-либо.

9.

Характеристика сети: связи
• Сильные связи:
• постоянно функционируют или часто актуализируются; актор/объект не может
отказать (выделится) от (вне) этой связи; большое кол-во ресурсов
затрачивается на поддержание связей (транзакционные издержки);
• непосредственная эмоциональная близость и открытость, часто родственники,
близкие друзья, важные коллеги, знакомые; аккумулируют большое кол-во
ресурсов;
• Слабые связи:
• условно обозначенные, возникшие в результате однократного взаимодействия;
функционирующие «по случаю», без особых затрат на поддержание;
виртуальность-потенциальность;
• легко масштабируются и актуализируются (без гарантий позитивного отклика);
основной ресурс – информация или возможность (трансформации);
Сила слабых связей М. Грановеттер
(https://ecsoc.hse.ru/data/2011/12/08/1208204981/ecsoc_t10_n4.pdf)

10.

Математические показатели
• Вес ребра (сила связи) определялся как сумма или кол-во связей у одной
пары объектов при повторной интеракции;
• Общая мощность вершины – общее кол-во связей вершины
(неориентированный граф);
• Входящей мощности/исходящая мощность вершины/узла – общее кол-во
или сумма входящих/исходящих связей (в ориентированном графе);
• Размер сети (диаметр графа) - характеристика графа, показывающая
наибольшее расстояние между любыми парами вершин в графе.
• Под сетевой плотностью понимается значительная сила связанности между
объединениями в сети (отношение реально наблюдаемых взаимосвязей к
гипотетическим);
• Под модулярностью понимается указание на наличие в графе различных
групп/кластеров.

11.

Плотность сети
Неориентированный граф
Ориентированный граф
g— количество вершин графа;
L — количество наблюдаемых связей в графе

12.

Структурный анализ
Насколько велика сеть? Как много людей включены в отношения/деятельность?
Как сеть организована? Централизовано ли управление в организации или есть
много локальных группировок внутри?
Какова плотность сети? Какие сообщества наиболее эффективны?
Как много отношений являются взаимными? Доверяют ли участники друг другу?
Что обеспечивает устойчивость сети? При каких условиях члены организации поддержат
реформу или инновацию?

13.

Многообразие сетей и структур

14.

Позиционный анализ
Кто является наиболее включенным актором?
Degree Centrality
Кто является мостом или контролером передачи ресурсов в сети?
Betweenness Centrality
Кто является наиболее сильным актором?
Eigenvector Centrality
Кому больше доверяют? Кто находится ближе ко всем?
Closeness Centrality

15.

ЧТО БУДЕТ, ЕСЛИ УБРАТЬ ЭТОТ УЗЕЛ?

16.

ЧТО БУДЕТ, ЕСЛИ УБРАТЬ ЭТОТ УЗЕЛ?

17.

ЧТО БУДЕТ, ЕСЛИ УБРАТЬ ЭТОТ УЗЕЛ?

18.

ЧТО БУДЕТ, ЕСЛИ УБРАТЬ ЭТОТ УЗЕЛ?

19.

20.

21.

22.

СЕТЕВАЯ ДИНАМИКА
Динамические процессы на сетях
● распространение инфекций
● распространение инноваций
● достижение согласия
● образование устойчивых групп
Динамические сети
● формирование сетей
● эволюция сетей
● модели теория игр
Адаптивные сети
Первые два одновременно
2
3

23.

ДИФФУЗИЯ В СЕТЯХ
Диффузия (в физике) - процесс проникновения вещества из области
с высокой концентрацией в область с низкой концентрацией
Диффузия (в сетевом анализе) - процесс передачи свойств от узлов к
их соседям (мода, инфекция, энергия и т.д.)
15:00
16:03
15:40
15:07
15:31
16:25
18:22
15:17
17:20
15:45
2
4

24.

ИНФЕКЦИОННЫЕ МОДЕЛИ
● SI (Susceptible-Infected) - Восприимчиво-инфицированный
● SIR (Susceptible-Infected-Recovered)- Восприимчивыеинфицированные-вылеченные
● SIS (Susceptible-Infected-Susceptible)- Восприимчивыеинфицированные-восприимчивые
● SIRS (Susceptible-Infected-Recovered
-Susceptible) Восприимчивые-инфицированные-вылеченные
-Уязвимый
SI
Вихрева 2016, Яковлева 2016
SIS
➔ Интенсивность заболевания
пропорциональна количеству
здоровых и количеству заболевших.
➔ Интенсивность “выздоровления”
пропорциональна количеству
заболевших
2
5
SIR

25.

ИНФЕКЦИИ И ИНФОРМАЦИЯ
Инфекционные модели также используются для моделирования
передачи некоторых видов информации (“вирусной”). Слухов,
анекдотов, мемов, горячих новостей. Человек заражается “вирусом”
помимо воли.
➔ Отличие профиля
распространения новости от
инфекционного указывает на то,
что эта новость муссируется
искусственно (т. н. “вброс”)
26
КРИБРУМ, 2018

26.

СЕТЕВЫЕ ИНФЕКЦИОННЫЕ МОДЕЛИ
Сетевые инфекционные модели
учитывают влияние сетевых
характеристик на
распространение инфекции.
➔ Заразиться можно только от тех, с кем
контактируешь
➔ Кого вакцинировать в первую очередь,
чтобы предотвратить эпидемию?
➔ Кому сообщать информацию, чтобы
она распространилась максимально
быстро?
Структура романтических и сексуальных
отношений в “Jefferson High School”
27
Bearman, Moody and Stovel’s 2004

27.

СЕТЕВЫЕ ИНФЕКЦИОННЫЕ МОДЕЛИ
1
В распространении “вирусной”
информации большую роль играют
узлы с высокой betweenness
centrality, так как через них проходит
много путей распространения
8
“вируса”. Так же серьёзный вклад
вносит эффект малого мира
(small-world effect)
2
4
5
6
7
9
10
11
12
8 - информационный брокер
5 - тоже брокер, но менее значимый
14 - много связей, но не значим для
распространения
3
13
14
16
15
17
28

28.

ПОРОГОВЫЕ МОДЕЛИ
Пороговые модели описывают такие явления, как распространение
инноваций, взглядов, социальных норм, мнений, протестных
настроений, социокультурных практик.
Чтобы стать носителем свойства узел должен получить подкрепление
от своего окружения (некоторая доля соседей должна быть носителем
свойства) и принять решение.
29

29.

ПОРОГОВЫЕ МОДЕЛИ
В распространении информации,
требующей социального
подкрепления, betweenness
centrality уже не играет большой
роли.
1
3
2
4
5
6
8
7
9
➔ В пороговой модели важное
значение имеет то, какие именно из
узлов “заражены” вначале
➔ Если изначально “заражены” узлы 3, 12
8, 12, то свойство не
распространится*
➔ Если изначально “заражены” узлы 6,
9, 14, то свойство распространится
по всей сети*
* - порог принимается равным 0.5
10
11
13
14
16
15
17 30

30.

КОНСОЛИДАЦИЯ И СКП
Для распространении информации,
требующей социального подкрепления,
слишком высокая и слишком низкая
консолидация общества одинаково
плохи. Лучше всего консолидация чуть
выше средней.
➔ При высокой консолидации вероятность того, что
два моих друга дружат между собой очень
велика
➔ При низкой консолидации вероятность того, что
два моих друга дружат между собой не выше,
чем если бы они были случайными людьми
31
Centola

31.

Динамический анализ
Как (в каком порядке) распространяется информация (слухи,
эпидемия, вирусы) по сети?
Как происходит принятие инноваций?
Распространится ли что-то по сети или нет? Какова
вероятность распространения?
С кого начать распространение информации, чтобы о ней
узнали все?
Как группировки формируются и распадаются?

32.

Органичное распространение
события
- Много свидетелей и участников, много разных
оригиналов новостей
- Одновременное возникновение новостей в
разных местах (СМИ, аккаунты).
- Есть «центры» - много крупных блогеров и
СМИ
Распространение «вброса»
- Единый источник контента, мало оригиналов, много
дублей
- Растянутая во времени «колбаса» перепоста и
комментирования
- Нет крупных центров на первом этапе, участники –
«спящие» аккаунты, мелкие блоггеры, крупняк
подтягивается позже

33.

Необходимо загрузить и установить:
• Gephi - http://gephi.github.io/
• Минимальный функционал - https://orangedatamining.com/
• Альтернативы на языках:
• NetworkX (https://networkx.github.io) (Python)
• igraph (https://igraph.org) (R)
• Статья на хабре про API VK: https://habr.com/ru/post/263313/
• Манула API VK: https://dev.vk.com/method

34.

Изучение: социометрические процедуры
• Социометрические опросники (объект – узел; социометрический
критери(и)й – связь, ребро, дуга)
• Социометрические матрицы
• Социометрические индексы
• Социометрические схемы/графики/диаграммы

35.

Социометрический опросник: пример
Блок 1:
1. К кому в своей группе Вы обратились бы за советом в трудной жизненной
ситуации?
2. С кем из группы Вам не хотелось бы ни о чем советоваться?
Блок 2:
1. Если бы все члены Вашей группы жили в общежитии, с кем из них Вам
хотелось бы поселиться в одной комнате?
2. Если бы всю Вашу группу переформировали, кого из ее членов Вы не
хотели бы оставить в своей группе?
Блок 3:
1. Кого из группы Вы пригласили бы на день рождения?
2. Кого из группы Вы не хотели бы видеть на своем дне рождения?

36.

Матрица с индексами

37.

Диаграммы (мишени) или схемы