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