شبکه‌ی ارتباطات اجتماعی چیست!

ترجمه: شهرزاد عارفی

منبع: cambridge-intelligence

شبکه ارتباطات اجتماعی ساختاری از روابط اجتماعی است. تجسم این شبکه ها به ما این امکان را می دهد که رفتارها را مشاهده، نفوذ را شناسایی و در مورد نحوه عملکرد افراد یا گروه ها پیش بینی کنیم.

البته لازم نیست این روابط بین افراد باشد. روش‌های توصیف شده در این مقاله برای هر نوع ساختار متصل، از یک شبکه فناوری اطلاعات، تا یک سازمان یا یک زنجیره تامین اعمال می‌شود. هر چیزی که بتوان آن را به عنوان مجموعه ای از گره ها و پیوندها تصور کرد، می تواند به عنوان یک شبکه اجتماعی تجسم و تجزیه و تحلیل شود.

تجسم شبکه ارتباطی به چه منظور است؟

تجسم داده های متصل که به عنوان تجسم شبکه، تجزیه و تحلیل پیوند یا تجسم گراف شناخته می‌شود، بسیار حائز اهمیت است زیرا؛ شهودی(لینک بین گره‌ها پیام‌هایی را از خود ساطع می‌کند)، سریع( مغز ما در یافتن گرایش‌ها، الگوها و موارد پرت وقتی داده‌ها در قالبی ملموس ارائه می‌شوند، عالی است) انعطاف پذیر(اجزای جهان به هم متصل هستند) است.

تجزیه و تحلیل شبکه های اجتماعی (SNA) با استفاده از نظریه گراف برای درک و اندازه گیری شبکه های اجتماعی است و رفتار اجتماعی را با تجزیه و تحلیل ارتباطات توضیح می دهد، نه اینکه صرفاً به افراد در انزوا نگاه کند چراکه ریشه در علوم اجتماعی دانشگاهی دارد، اما کاربردهای زیادی در دنیای واقعی دارد، از جمله:

• دولت و قانون
• اقتصاد و بانکداری
• تحلیلگران امنیتی و زیر ساخت

اجزای یک شبکه ارتباطاتی

• گروه: زمانی است که یک نمودار در سطح زیر شبکه، در یک بخش و یک زمان مشاهده می شود. این دیدگاه، خوشه‌هایی از ارتباطات را نشان می‌دهد، بنابراین مشاهده‌ی پویایی بین گروه‌ها را آسان‌تر می‌کند.
• موجودیت: برای هر گره (Node)ما می توانیم خوشه های کوچک را شناسایی کنیم و موجودیت فردی را در محیط متصل آنها درک کنیم.

گره‌های مرکزی(central Nodes)

مرکزیت یک گره، معیاری برای برجستگی یا اهمیت ساختاری آن در یک شبکه است. امتیاز مرکزیت بالا می تواند قدرت، نفوذ، کنترل یا وضعیت را نشان دهد.
یافتن «مرکزی ترین» گره (Node) می تواند اطلاعات را در یک شبکه سریع تر منتشر ، اپیدمی ها را متوقف ، شبکه را از شکستن محافظت و توطئه‌های مشکوک را شناسایی کند.
ابزارهای تجسم شبکه ما شامل طیف وسیعی از اقدامات مرکزی برای شناسایی تأثیرگذارترین گره‌ها در یک شبکه اجتماعی است.

برای درک اهمیت مرکزیت گره باید به سوالات زیر پاسخ داد:

• کم محبوب ترین گره در این شبکه چه کسی است؟
• چه کسی می تواند از بیشترین منابع در این شبکه استفاده کند؟

گره‌های بینابینی (betweenness)

گره هایی با امتیاز مرکزیت میانی بالا، آنهایی هستند که اغلب به عنوان "پل" بین گره های دیگر عمل می کنند. آنها کوتاه ترین مسیرهای ارتباطی در شبکه را تشکیل می دهند و به سوالات زیر از پاسخ می‌دهند:

• چه کسی یا چه چیزی می تواند به شدت جریان اطلاعات را در سراسر شبکه کنترل کند؟
• اگر آنها حذف شوند چه کسی یا چه چیزی بیشترین اختلال را ایجاد می کند؟

گره‌های در دسترس و نزدیک (closeness)

این اندازه گیری شبیه به گره‌های بینابینی است، اما به جای محاسبه تعداد مسیرهای هر گره، نزدیکی گره به گره های دیگر را محاسبه می کنیم. برای انجام این کار، کوتاه ترین مسیرها را در یک شبکه پیدا کرده و سپس به هر گره امتیازی بر اساس مجموع کوتاه ترین مسیرهایش اختصاص می دهیم. در یک شبکه بسیار متصل اغلب خواهید دید که همه امتیاز مشابهی دارند. به سوالاتی مانند:

• چه کسی می تواند به بهترین نحو اطلاعات مربوط به گره های دیگر در شبکه را به دست آورد؟
• چه کسی می تواند سریعتر اطلاعات را در یک شبکه منتشر کند؟

مرکزیت ویژه

تعداد پیوندهایی که هر گره دارد، تعداد پیوندهای اتصالات آنها و غیره را در سراسر شبکه اندازه گیری می کند. این موضوع نشان دهنده تأثیر مستقیم بر گره های اطراف است.

یک گره ممکن است اتصالات فراوانی داشته باشد اما بسیاری از آن اتصالات گره هایی با امتیاز پایین باشند بنابراین برای درک مرکزیت ویژه باید به سوالات زیر پاسخ داد:

• چه کسی یا چه چیزی نفوذ گسترده ای در شبکه دارد؟
• چه کسی یا چه چیزی در مقیاس کلان شبکه مهم است؟

الگوریتم‌های سودمند برای ارتباطات

فاصله

اندازه گیری فاصله دو گره در یک شبکه را ارزیابی می‌کندو مسیری را که از کمترین تعداد گره می گذرد مشخص می کند.

خوشه بندی

خوشه بندی؛ شبکه ساختارهای جامعه را در مجموعه داده های بزرگ آشکار می کند. مبتنی بر مفهومی است که به عنوان ماژولاریتی شناخته می شود - روشی برای اندازه گیری میزان سهولت تقسیم یک شبکه به زیرشبکه ها یا ماژول ها. این الگوریتم‌ها یافتن جوامع و شروع یادگیری بیشتر در مورد سازمان‌های مورد بررسی را بسیار آسان‌تر می‌کنند.