WS: Einsatz von Social Network Analysis
!!
11.3.2015 !
Jutta Pauschenwein ZML-Innovative Lernszenarien
FH JOANNEUM
2
Trainingsgruppe - nach 10 Tagen
3
Agenda
• Definitionen und Begriffe der Social Network Analysis
• Visualisierungssoftware
• Daten
• Visualisierung von Online-Gruppen
4
5
Coursera MOOC: 8 Wochen, Herbst 2014
!
Warum SNA? !• Verstehen durch Visualisieren
Definitionen
• Netzwerk: Set von verbunden Knoten (sozial: durch Beziehungen verbunden)
• Knoten: Personen, Orte … (nodes, actors, sites, vertices)
• Verbindungen: Beziehungen (edges, ties, relations)
• Netzwerke können als Graphen dargestellt werden
6
Fragen, Betrachtungsweisen
Zur Netzwerkstruktur
• Sind die Knoten miteinander verbunden? Wie weit sind sie voneinander entfernt? Sind einige Knoten wichtiger als andere? Gibt es im Netzwerk Communities?
Formen von Netzwerken
• Zufallsgenerierte oder bevorzugte Verbindungen, Kleine-Welt-Netzwerke
7
• Verbindungen im Netzwerk sind gerichtet/orientiert oder un-gerichtet
• Die Verbindung kann ein „Gewicht“ haben.
• Ein Knoten kann mehrere Verbindungen haben - Grad (degree)
A kommuniziert mit B
A kommuniziert mit B und umgekehrt
A kommuniziert 4mal mit B
Verbindungen
8
Kommunikation einer Studierendengruppe
auf google+ 4 Tage
Erdős-Rényi Graph
• einfaches Netzwerkmodell mit fixer Knotenanzahl
• Annahme 1: Knoten verbinden sich zufällig
• Annahme 2: Netzwerk ist ungerichtet
• Annahme 3: N Knoten, M Verbindungen, p Wahrscheinlichkeit, dass sich zwei Knoten verbinden
• es erscheinen keine „Hubs“ (sehr gut verbundene Knoten), aber „Giant Component“
9
reale Netzwerke wachsenErweiterungen des Erdős-Rényi Ansatzes
• wachsende Netzwerke, etwa das WWW, Citation Network
Modelle
• Random Preferential: neue Knoten verbinden sich lieber mit gut vernetzten Knoten
• Introduction Model: Knoten werden einander „vorgestellt“
• Static Geographic Model: Knoten verbinden sich mit den Nachbarn der mit ihnen verbundenen Knoten
10
Barabasi-Albert Modell• jeder Knoten verbindet sich mit anderen Knoten mit
einer gewissen Wahrscheinlichkeit abhängig von seinem Grad (wie viele Verbindungen der Knoten selbst hat)
• der Prozess startet mit einer Anfangskonfiguration
• jeder neue Knoten kommt mit einer Möglichkeit von m Verbindungen zum Netzwerk
11
Zentralität / CentralityWelche Rolle spielen die Knoten im Netzwerk?
wichtiger Parameter: average shortest path !!!
! Freeman’s formula for centralization
12
13
Degree Centrality - Grad-Zentralität
Knoten mit hoher Grad-Zentralität sind aktive Player im Netzwerk, gut vernetzt
14
Betweeness Centrality - Betweeness-Zentralität
„Broker“ - über diesen Knoten läuft alle Kommunikation links nach rechts und umgekehrt
Fällt dieser Knoten aus dem Netzwerk, bricht die Verbindung zusammen
15
Closeness - Nähe
Die Entfernung dieses Knoten zu allen anderen - es reicht nahe einem gut vernetzten Knoten (Hub) zu sein
16
Eigenvector Centrality - Eigenvektor-Zentralität
Ein Knoten ist umso wichtiger, je wichtiger seine Nachbarn sind.
Communities findenWas macht eine Community / Substruktur aus?
• Es gibt viele Verbindungen innerhalb der Community
• Jede/r andere ist nur ein paar Hops entfernt
• Knoten derselben Community sind stark miteinander verbunden
Auffinden von Communities ist schwierig, Anzahl der Communities unbekannt, kleine / große Communities
• minimum cut: vorgeschriebene Anzahl von Gruppen, die möglichst wenig miteinander verbunden sind
• hierarchisches Clustern: Clustern nach gewissen Eigenschaften
• betweennes Clustering: Verbindungen mit höchster Betweenness werden gelöscht
17
18
Problem: wann hört man auf, Verbindungen zu löschen?
!=> Modularität - Vergleich, wie viele Verbindungen es innerhalb / außerhalb der Community gibt
!In einem Netzwerk wachsen die Verbindungen innerhalb eine Community, während sie zu Knoten außerhalb abnehmen
http://spark-public.s3.amazonaws.com/sna/other/guess/betweennessclust.html
19
3 Communities meiner FB-Freunde
VisualisierungssoftwareNetlogo!
• programmable modeling environment for simulating natural and social phenomena
• Free, open source - cross-platform: runs on Mac, Windows, Linux, et al
• https://ccl.northwestern.edu/netlogo
Gephi!
• interactive visualization and exploration platform for networks and complex systems, dynamic and hierarchical graphs.
• Runs on Windows, Linux and Mac OS X. Gephi is open-source and free.
• http://gephi.github.io/
20
Visualisierung von Online-Gruppen:
Daten
Berufsbegleitend Studierende WS 14/15 4 Tage im November 2014 Google+ Händische Zuordnung
21
„Knoten“-Tabelle
„Verbindungen“-Tabelle
„Nur“ vier Tage: Kommunikationsverhalten einzelner und der Gruppe Eine Person ist aktiver als die Lehrenden vorzeigen mit gephi
22
Visualisierung von Online-
Gruppen
Berufsbegleitend Studierende WS 14/15 3 Wochen Online-Sozialisierung Moodle - Interaktion: wer antwortet wem Interaktionen mit sich selbst wurden gelöscht 23
Knotengröße gemäß Grad /
Degree !
Farbe gemäß Betweenness
Gleiche Gruppe Gesamter Austausch während eines Semesters
24
Knotengröße gemäß Grad /
Degree !
Farbe gemäß Betweenness
vorzeigen mit gephi
Gleiche Gruppe Gesamter Austausch während eines Semesters
25
4 Communities
Visualisierung von Online-
Gruppen
Trainingskurs 14/15 1 Semester Moodle - Interaktion: wer antwortet wem Interaktionen mit sich selbst wurden gelöscht 26
Knotengröße gemäß Grad /
Degree !
Farbe gemäß Betweenness
2 Communities
Mein Fazit• Die SNA gibt mit eine neue Einsicht in meine Online-
Gruppen (Broker, Communities), die ich allerdings noch nicht ganz verstehe ….
• SNA hat ein großes Potential, ist jedoch auch recht komplex
• Mit dem aktuellen Datenmaterial: weitere Beschäftigung mit den Optionen von Gephi
• Zukunft: weitere Beschäftigung mit der Datengenerierung (etwa cope15 MOOC, Twitter, Facebook, Google+)
27
Top Related