social network analysis : methods and applications ch 1,2

Part I. Networks, Rela-tions, and

Structures(chap 1, 2)박건우

1. Social Network Analysis in the Social and Behavioral Sciences

2. Social Network Data

목차

1. Social Network Analysis in the Social and Behavioral Sciences

2. Social Network Data

목차

Important concepts◦ Relations : fundamental concept of network theories◦ Actors and their actions are viewed as interdependent rather than inde-

pendent, autonomous units◦ Relational ties between actors are channels for transfer or “flow” of re-

sources◦ Network models focusing on individuals view the network structural en-

vironment as providing opportunities for or constraints on individual ac-tion

◦ Network models conceptualize structure as lasting patterns of relations among actors

분석의 대상이 개인이 아닌 개인들의 collection 과 그것의 연결들 그런 연결의 규칙성과 패턴이 structure 를 낳음 ! 분석의 대상이 개인이 아닌 관계이기 때문에 , 그에 따른 measurement

방법도 전통적인 사회학과 다르다 -> 이 책에서는 Network Measurement 에 대해 다룸 !

1.1 Social Network Perspective

Social Network 는 본질적으로 interdisciplinary◦ social theory and application◦ formal mathematical, statistical, and computing methodology

1. Empirical Motivation◦ 실제적인 어떤 현상들을 이해하기 위해 방법론이 발전해 옴 .

2. Theoretical Motivation◦ 이론적인 개념들을 또한 네트워크 메소드 발전을 촉진 .◦ social group, structural balance, social role, etc.

3. Mathematical Motivation◦ SNA 에 수학적 개념을 이용하기 시작◦ graph theory, statistical and probability theory, algebraic mdodels.

Social network analysis provides a precise way to define important social concepts, a theoretical alternative to the assumption of in-dependent social actors, and a framework for testing theories about structured social relationships

1.2 Historical and Theoretical Founda-tions

Social Network Analysis : Social entities 간의 linkage 와 implication을 이해하기

Actors : “Social entities” Relational Tie : actor 간 사이에 정의되는 “ linkage” Dyad : a pair of actors and the tie between them Triad : a subset of three actors and the ties among them

◦ balance theory Subgroup : Dyad, Triad 는 actor 가 2 개 , 3 개 . 그것을 일반화 한 것 Group : the collection of all actors on which ties are to be mea-

sured Relation : collection of ties Social Network : a finite set or sets of actors and the relation or re-

lations

1.3 Fundamental Concepts in Network Analysis

Most basic feature(and distinctive from other perspectives)◦ the use of structural or relational information

측정의 기본 단위는 tie 이지만 , actor 의 attribute 도 이용 가능하다 .◦ 통계적 분석 가능

regression, t-test

1.4 Distinctive Features of Network Theory and Mea-surement

1. Social Network Analysis in the Social and Behavioral Sciences

2. Social Network Data

목차

Social Network Data : at least one structural variable on a set of actors

무얼 측정할 것인가 ?? 어떤 방법을 써야 하는가 ??

2.1.1 Structural and Composition Variables 2.1.2 Modes 2.1.3 Affiliation Variables

2.1 Introduction: What Are Network Data

Structural variables : pairs of actors 에 대해 측정되는 값 . a.k.a. tie Composition variables : actor attributes 의 measurement

◦ individual level 로 정의되는 값 .

2.1.1 Structural and Composition Vari-ables

structural variable 이 측정될 수 있는 distinct set of entities 즉 , 노드 종류의 개수

ex 1> one-mode network : 노드의 타입이 다 같은 네트워크 ex 2> two-mode network : 노드의 종류가 두 가지 . sender 와 receiver

network

2.1.2 Modes

Affiliation Network : special type of two-mode network Affiliation Network 에서의 첫번째 set 은 actor set,

두 번째 set 은 set of events

Membership 류를 나타낼 때 사용될 수 있다

2.1.3 Affiliation Variables

Social Network Data : at least one structural variable on a set of actors

무얼 측정할 것인가 ?? 어떤 방법을 써야 하는가 ??

2.2.1 What is your population? 2.2.2 Sampling

2.2 Boundary Specification and Sam-pling

actor 의 set boundary 정하기 어느 경우에는 쉽지만 , 어느 경우에는 어렵다 .

1) realist approach : actor 가 perceive 하는 만큼 2) nominalist approach : researcher 가 의도한 만큼

2.2.1 What is your population?

네트워크에만 적용되는 sampling 기법들이 있음◦ snowball sampling◦ chain method : small world technique

2.2.2 Sampling

Mode : structural variable 이 측정되는 number of sets of entities 즉 , mode 의 수는 네트워크에서 구별되는 entities 의 종류를 의미함 .

2.3.1 One-mode Networks 2.3.2 Two-mode Networks 2.3.3 Ego-centered and Special Dyadic Networks

2.3 Types of Networks

“single” set of actors

Actors : people, subgroup, organization, collectives 등등 . 뭐든 될 수 있다 .

Relations : single set of actor 에 정의되는 다양한 종류의 relation◦ 개인 관계 , 거래 , 이동 , 역할 , 친족 관계 등등

Actor attributes

2.3.1 One-mode Networks

“two” sets of actors, or a set of actors and a set of events

1) Two Sets of Actors◦ Actors : 2 set 은 서로 다른 type◦ Relations : with a set, between different actors

2) One Set of Actors and One Set of Events◦ Affiliation network, membership network◦ Actors : set of actors◦ Events : set of events◦ Attribute : actor attributes

2.3.2 Two-Mode Networks

1. Ego-centered network◦ ego-perceived network◦ “Social Support” 와의 관계

2. Special Dyadic Network◦ some pair 에게만 relation 가능하도록

2.3.3 Ego-centered and Special Dyadic Networks

Network Data 의 측정과 수집을 어떻게 할 것인가 ? 발생할 수 있는 오류와 , 정확도를 나타내는 개념

2.4.1 Measurement 2.4.2 Collection 2.4.3 Longitudinal Data Collection 2.4.4 Measurement Validity, Reliability, Accuracy, Error

2.4 Network Data, Measurement and Collection

측정을 어느 단위로 할 것이고 (Unit of Observation), 어떤 단위로 Model-ing 할 것이며 (Modeling Unit), 관계에 대한 수치화 ( 수량화 ) 는 어떻게 할 것인가 ?(Relational Quantification)

Unit of observation◦ 보통 actor 단위로 측정 .◦ 우리 연구에서는 모든 데이터를 커버하므로 의미 없음

Modeling Unit◦ 네트워크가 model 되고 summarize 되는 단위 ?◦ Actor, Dyad, Triad, Subgroup, Set of actors or network

Relational Quantification◦ 관계를 수적으로 어떻게 표현 ?◦ dichotomous : 0 or 1. 있거나 없거나 .◦ valued : 강도 표현

2.4.1 Measurement

어떤 식으로 수집 ?◦ 이것도 우리 연구에서는 모아진 데이터를 이용하므로 접근법이 다르다 .

Questionnaire◦ Roster vs Free recall◦ Free vs Fixed choice◦ Rating vs Complete Ranking

Interview Observation Archival Records Other

◦ cognitive social structure◦ experimental◦ ego-centered◦ small world◦ diary

2.4.2 Collection

시간 변화에 따른 데이터 수집 two research question

◦ 1) process 가 시간에 따라 어떻게 변화했는가◦ 2) 과거로 미래 예측할 수 있는가 .

dynamic analysis 우리의 경우에는 time snapshot 의 링크 정보를 수집해야 한다

2.4.3 Longitudinal Data Collection

Accuracy◦ true structure 를 얼마나 잘 measure 했는 가 .◦ 우리는 데이터를 보니까 accuracy 는 높음

Validity◦ 측정하고자 한 것을 정말로 측정했는가◦ measure 의 단위가 제대로 되었는가

Reliability◦ 반복된 measurement 가 같은 값을 주는가 ?◦ 어떤 경우에는 재 측정 자체가 불가능 할 수 있다 (ex> longitudinal)

Measurement Error◦ true value 와 observed value 의 차이◦ sampling 문제로 인한 측정값이 변할 수 있는 문제

2.4.4 Measurement Validity, Reliability, Accu-racy, Error

Pass

2.5 Data Sets Found in These Pages