14
Analyse Sozialer Netzwerke (Fach) / Übungen (Lektion)
Anzeige
- Netzwerkvisualisierung: 3 Schritte - Ordnen - Markieren - Explorieren
- Ordnen übersichtliche und intuitive Darstellung von Beziehungen zwische Akteuren eines Systems Visualisierung von zusammengehörenden Bereichen (intuitiv sichtbar) - Zentralitäten der Knoten - Zusammenhängende Teilgruppen - Besondere Positionen und Rollen von Akteuren
- Markieren - Zusammenfassung von Aspekten der Netzwerkvisualisierung, die sich mit der Übertragung struktureller Netzwerkeigenschaften (Formen, Größe, Farbe) befassen - gezielte Markierung wichtig für intuitive Verständlichkeit des Netzwerks - endogene Eigenschaften (direkte Ableitung aus Struktur eines Netzwerks z.B. Degree eines Knoten)
- Explorieren - Übertragung zusätzlicher Informationen auf Position, Größe, Form und Farbe der Elemente eines Graphen befassen - exogene Eigenschaften (aus den exterenen Eigenschaften der dargestellten Akteure und ihrer Beziehung ergebend --> z.B. Geschlecht, Parteizugehörigkeit eines Akteurs)
- Spring Embedder einfachstes Modell eines kräftebasierten Verfahrens - Knoten: von Kraftfeld umgeben, das andere Knoten abstößt - Kanten: wie Sprungfeder, die angrenzende Knoten zusammenführen --> Ergebnis: Anordnung von Knoten, welche Spannung im Graphen minimiert
- Ästhetische Darstellung von Graphen - Minimierung von Krümmungen - Minimierung von Kantenüberschneidungen - Maximierung minimaler Winkel - Orthogonalität - Symmetrie
- Ego-Netzwerk - Netzwerk, das um einen zentralen Knoten ausgerichtet ist - Mittelpunkt: Ego-Knoten - alle Knoten, die in Beziehung mit Ego stehen
- Community Detection (Definition und Lösungen) Aufteilung eines Netzwerks in Gemeinschaften mit dich miteinander verbundenen Knoten, wobei die zu verschiedenen Gemeinschaften gehörenden Knoten nur spärlich miteinander verbunden sind Lösungen: - Graphenpartitionierung - Hierarchisches Clustering - Partitionelles Clustering - Spektrales Clustering
- Hierarchisches Clustering - Identifikation der Struktur der Gruppierung innerhalb eines Graphen auf Basis der Relationen zwischen den Knoten - Erkennung von verschachtelten Hierarchien von Gruppierungen - 2 Verfahrenstypen: Agglomerative (aufbauenden) Algorithmen, Divisive (abbauende) Algorithmen
- Agglomerative Algorithmus - Berechnung einer paarweisen Distanz oder Ähnlichkeit zwischen allen Akteuren - Entfernung aller Verbindungen zwischen Akteuren aus Netzwerk - Schrittweise Ergänzung von Kanten zwischen den ähnlichsten Akteuren - Fusionierungsphase stoppt bei Abbruchkriterium
- Anzeige
- Divisive Algorithmen - Berechnung einer paarweisen Distanz oder Ähnlichkeit zwischen Akteuren - Schrittweise Entfernung aller Kanten zwischen Akteuren mit geringster Ähnlichkeit - Verfahren stoppt, sobald Abbruchkriterium erreicht ist
- Girvan- Newman- Algorithmus 1. Berechnung der Betweeness-Zentralität für alle Kanten im Netzwerk 2. Identifikation und Entfernung der Kanten mit der höchsten Betweeness-Zentralität 3. Neuberechnung der Betweeness-Zentralität für alle verbleibenden Kanten 4. Stopp, wenn es keine Kante mit einer Betweeness-Zentralität größer c gibt
- Modularity Qualitätsfunktion (Qualitätsbewertung der Partitionierung eines Graphen)
- Bipartite soziale Netzwerke - zwei Arten von Knoten, wobei Verbindungen nur zwischen den verschiedenen Arten laufen - two-mode-network - affliliation network - Beispiel: Konsumgüternetzwerk