Přednáška o social network analysis pro posluchače semináře o vizualizaci, Brno, 19.4. 2012

1. Social network
analysis
19. 4. 2012, Josef Šlerka, Brno, seminář o Vizualizaci
Studia nových médií, ÚISK, FF UK

2. Sociální síť
... vzniká jako soubor lidí mezi kterými existují
nějaké vztahy, které formalizujeme pomocí
matice nebo grafu a dále analyzujem.

3. Řekni to písní...
Igor má rád Evu, Eva jeho nie
a tak preto Igor stále smutný je.
Eva chce mít Vojta, Vojto Evu nie
a tak preto Eva, stále smutná je.

4. Soubor
set prvků, které vytvářejí graf
sám může být zajímavý třeba pro průniky

5. Soubor
Igor
Eva
Vojta

6. Matrix lásky
Igor Vojta Eva
Igor --- 0 1
Vojta 0 --- 0
---
Eva 0 1

7. Malý graf lásky

8. Velký graf lásky

9. Vztahy jsou totiž všude
Twitter: princip followingu
Facebook: kamarádi, členství ve skupině, lajky
Flickr: přátelé, tagy
Diskuse: členství v diskusích, reagování
Politika: společná hlasování

10. Stavební prvky grafu
uzel (nodes, vertices, entities, items etc.)
vazba (ties, connections, relationships etc.)
vazby mohou mít směr případně váhu či jich
může být víc
z pohledu sociologie mohou mít i kvality např.
silné nebo slabé

11. Typologie grafů I.
Unimodal (jedna přímá vazba)
Multimodal (vícero přímých vazeb)
Affiliation (vazba prostřenictvím např. akce)
Multiplex Network (kvalitativně různé vazby)

12. Typologie grafů II.
Full (každý s každý)
Partial (tak nějak všichni)
Egocentric (já jsem centrum dění)

13. Typologie grafů III.
Centralized
Decentralized
Distributed

15. Co lze třeba měřit
Počet hran (Degree Centrality)
Prostřednictví (Betweenness Centralities)
Blízkost (Closeness Centrality)
Hustota (Density), Dosažitelnost (Reachability)
Eigenvector Centrality
Shluky a komunity

16. ... ale proč????

17. Degree Centrality
počet přímých vazeb k dalším uzlům
měří aktivitu uzlů v síti.
uzly s vysokou hodnotou Degree Centrality
jsou „spojky“ nebo „středy“ v této síti.

18. Closeness Centrality
nejvyšší, jestliže z uzlu lze dosáhnout ke všem
dalším uzlům v síti.
nejmenší hodnota součtu vzdáleností k
ostatním uzlům
uzly snadno přijímají a přenášejí inovace.
uzel s vysokou mírou blízkosti středu mají
velký vliv na to, co se v síti odehrává.

19. Betweenness - Bridges
nejvyšší pokud cesty mezi libovolnými dvěma
uzly sítě vždy procházejí tímto uzlem.
měří, kolik cest mezi dvojicí uzlů prochází
daným uzlem.
závora, propojení nebo zprostředkovatel rolí.
kontroluje tok informací v síti a umožňuje
dobrou viditelnost všeho, co se děje v síti.

20. Hustota sítě
koeficient shlukování
okolí bodu či celá síť
počet hran/počet možných hran
čím vyšší číslo, tím vyšší hustota sítě
hustota = n * (n - 1) / 2

21. Reachibility
počet uzlu dosažitelných z jedno bodu na
jeden, dva či tři kroky

22. Eigenvector centrality
Lze počítat jen v neorientovaném grafu
Přidává k výsledku nejen počet vazeb uzlu,
ale také počet vazeb uzlů, které mají uzly s
ním spojené
Odhaluje i nepřímý vliv
Google Page Rank je variant Eigenvector
centality

23. Shlukování a komunity
segmentování podle vlastností
buď sdílené vlasnosti (degree)
nebo možná příslušnost do komunity

24. Role uzlů v síti
Peripheral – výrazně menší než průměrná
centrality
Central connector – výrazně větší než
průměrná centralita
Broker – výrazaně větší než průměrná
betweenness

25. Sociální role
Komunikátoři
Spojovatelé / Úzká hrdla
Prodavači
Inovátoři
Maveni
Lidé na okraji

26. Software pro SNA
Pajek
UCINET
Gephi
NWB
... řada dalších

27. NodeXL
volně dostupný, GPL licence
funguje i jako template pro Excel
snadno ovladatelný
mnoho formátů (Pajek, UCINET, GraphML)
import z Twitteru, Flickru a daších

28. NodeXL
http://nodexl.codeplex.com/

29. SNA pro starší
R - nástroj pro statistickou a další
matematickou analýzu
vynikající knihovna igraph
pomalá učící křivka, ale vynikající výsledky
vyžaduje, ale programování

30. Praktické ukázky
analýza průniků fanoušků telco operátorů
analýza průniků fanoušků na Twitteru
analýza Twitteru followerů @stunome
analýza hashtagu #lumia800
analýza zmínek o slovenské Tatrabance
analýza hlasování politiků v Praze

31. Průniky fanoušků
listy fanoušku stránek O2, Vodafone a T-
Mobile, kteří od 1.3. do 18.4. alespoň jednou
komentovali statusy operátorů
data získána pomoci NodeXL

32. Aktivní fanoušci
O2 1.240 unikátních komentujících
T-Mobile 455 unikátních komentující
Vodafone 1.362 unikátních komentujících

33. Průniky
o2 (1.240) T-Mobile (455)
30
1.145 398
10
65 27
1.270
Vodafone (1.362)

34. 10 procent konkurence
konkurenční poměr = počet fans / pouze mých
O2 - 0.92
T-Mobile - 0.87
Vodafone - 0.93

35. Průniky fanoušků
listy fanoušků Twitter účtů ct24zive, rozanek a
zpravyrozhlascz
data získána pomoci Klábosení

36. Aktivní fanoušci
@ct24zive 11.289 followers
@rozanek 1.543 followers
@zpravyrozhlascz 1.033 followers
Prostý součet: 13.865, Unikátní součet: 12.772
Poměr shody: 0.92
Společný průnik: 145

37. Průniky - první pokus
ct24zive rozanek zpravyrozhlascz
ct24zive x 494 584
rozanek 494 x 210
zpravyrozhlascz 584 210 x

38. Průniky - druhý pokus
poměry mezi
průnikem a ct24zive rozanek zpravyrozhlascz
počtem
ct24zive x 0.04 0.05
rozanek 0.32 x 0.13
zpravyrozhlascz 0.57 0.2 x

39. @stunome

40. @stunome

41. Lumia 800
přehled za týdenní komunikaci o hashtagu
zoohlednění lidé, kteří napsal aspoň třikrát
různé možnosti pohledu
generováno v R (igraphu)

42. běžný orientovaný graf

43. velikost uzlu je dána jeho betweenness

45. Neighbor-Joining Tree

47. Tatra Banka
přehled za týdení komunikaci o Tatra Bance
kdokoli, kdo zmínil během března
různé možnosti pohledu
generováno v R (igraphu)

49. betweenness
indegree

51. Pražský magistrát
analýza hlasování za tři volební období
vazba existuje při 75% shodných hlasování
ukazuje skutečné hlasovací jádro
ukazuje vazby napříč stranami
inspirace americkým experimentem

52. 1998 - 2002

53. 2002 - 2006

54. 2006 - 2010

55. Děkuji za pozornost!
Otázky? Odpovědi?
Email: slerka@ataxo.com,
Twitter: http://www.twitter.com/josefslerka
Blog: http://ttgoogle.blogspot.com