ניתוח רשתות חברתיות – הבדלי גרסאות

מתוך ויקיפדיה, האנציקלופדיה החופשית
עיון אינטראקטיבי בהיסטוריה
→ העריכה הקודמתהעריכה הבאה ←
תוכן שנמחק תוכן שנוסף
חזותיקוד ויקי
מ אבנר העביר את הדף חקר רשתות חברתיות לשם ניתוח רשתות חברתיות: זהו התרגום המקובל לתחום
הועבר, עריכה נעשה איחוד בין שני ערכים חופפים: אנליזת רשתות חברתיות וחקר רשתות חברתיות תוך כדי התאמה ודיוק גם למקורות באנגלית
תגית: שוחזרה
שורה 1: שורה 1:
[[קובץ:Sna large.png|שמאל|ממוזער|250px|]]
[[קובץ:Sna large.png|שמאל|ממוזער|250px|]]
[[קובץ:Kencf0618FacebookNetwork.jpg|ממוזער|- תרשים רשת חברתית המציג רשת הקשרים בין חברי קבוצה ב [[פייסבוק|Facebook]].]]
'''ניתוח רשתות חברתיות''' (ב[[אנגלית]]: '''SNA''' או '''Social Network Analysis''') היא גישה מדעית לחקר מבנים של יחסים הדדיים בין ישויות. המונח רחב מספיק כדי לכלול אנשים ובעלי חיים, [[ארגון|ארגונים]] ו[[תאגיד]]ים, אזורים גאוגרפיים ו[[מדינה|מדינות]]. למרות השוני הרב בין הישויות, תופעות מסוימות פועלות בצורה זהה בכל [[רשת חברתית]]. כדי להבין תופעה, אין די בבחינת מאפייני היחידים הקשורים לתופעה, אלא יש לבחון את מיקומם ב[[מבנה חברתי|מבנה החברתי]].
'''ניתוח רשתות חברתיות''' (ב[[אנגלית]]: '''SNA''' או '''Social Network Analysis''') היא גישה מדעית לחקר קשרים חברתיים, מרמת הפרט ועד מבנים חברתיים שההיגיון מאחוריה הוא שכדי להבין תופעה חברתית, אין די בבחינת מאפייני היחידים הקשורים לתופעה, אלא יש לבחון את מיקומם ב[[מבנה חברתי|מבנה החברתי]].
את הקשרים ניתן להציג בתרשים הנקרא 'סוציוגרם' בו הפרטים, השחקנים או הגורמים (נקרא גם: צמתים) מוצגים כנקודות, והקשרים (נקרא גם: קשתות) מוצגים כקווים.
גישה זו משתמשת במושגים הלקוחים מ[[תורת הגרפים]] [[מתמטיקה|המתמטית]] וממדע הרשתות.


מתוך ניתוח הקשרים בין הגורמים השונים ברשת, ניתן ללמוד על מרכזיותו של כל אחד מהם, על [[היררכיה]] בקבוצה, על הצפיפות של הקבוצה ועוד.
ניתוח רשתות חברתיות עוסק בניתוח הקשרים בין גורמים הפעילים בזירה החברתית. גורמים אלו יכולים להיות יחידים, [[קבוצה חברתית|קבוצות]], תאגידים או אף מדינות. מתוך ניתוח הקשרים בין הגורמים השונים ברשת, ניתן ללמוד על מרכזיותו של כל אחד מהם, על [[היררכיה]] בקבוצה, על הצפיפות של הקבוצה ועוד. גישה זו משתמשת במושגים הלקוחים מ[[תורת הגרפים]] [[מתמטיקה|המתמטית]] לניתוח מבנים. ניתוח רשתות חברתיות נועד גם להבין תופעות שאינן נראות לעין ברמת הצומת הבודד ורק ניתוח רשתי של התופעה חושף אותה. למשל מהו המרחק הממוצע (מינימלי, מקסימלי) בין חברי רשת, כיצד בנויה הרשת ([[רשת רנדומלית]], [[רשת כוכב]], רשת תאית, רשת שהתפלגות קשריה היא מסוג Power low ועוד). כיום ניתוח הרשת החברתיות מתרכז בעיקר בניתוח הדינמיקה של השתנות הרשת החברתית ופחות בניתוח סטטי בודד (Snapshot).
חקר רשתות חברתיות נועד גם להבין תופעות שאינן נראות לעין ברמת הצומת הבודד ורק ניתוח רשתי של התופעה חושף אותה. למשל מהו המרחק הממוצע (מינימלי, מקסימלי) בין חברי רשת, כיצד בנויה הרשת ([[רשת כוכב]], רשת תאית, רשת שהתפלגות קשריה היא מסוג "זנב ארוך" ועוד).


ניתוח הרשת החברתית מאפשר ניתוח סטטי בודד (Snapshot) אך גם ניתוח דינמי של השתנות הרשת.
ניתוח רשתות חברתיות מאפשר לחוקר לחקור קבוצת אנשים בלא להניח הנחות מוקדמות לגבי הקבוצה בה הם חברים, אלא לבדוק את אופי ומהות חברותם בקבוצה מתוך הנתונים שהוא אוסף. ניתוח הרשתות החברתיות קיבל בעשור האחרון תנופה מחקרית, עם כניסת [[רשת חברתית מקוונת|אתרי הרשתות החברתיות]] כדוגמת [[פייסבוק]]. אתרי הרשת החברתית מאפשרים לחקור היום נתוני עתק ([[Big Data]]) של מיליוני צמתים וקשרים ברשת. דבר זה יוצר אפשרויות הרחבה של [[תאוריה|תאוריות]] [[סוציולוגיה|סוציולוגיות]], [[פסיכולוגיה|פסיכולוגיות]] והתנהגותיות לתחום העולם הדיגיטלי.


אחד מיתרונות השימוש בניתוח רשתות חברתיות הוא שהשיטה מאפשרת מחקר ללא הנחה מוקדמת לגבי אופי ומהות החברים בקבוצה, על ידי שימוש במדדי הרשת כגורם מכווין לשאילת השאלות.
==דוגמאות למחקרים בתחום ניתוח רשתות חברתיות==

* הניסוי של [[סטנלי מילגרם]] על [[שש דרגות של הפרדה]] בין אנשים שונים על פני כדור הארץ היה הראשון בתחום והוא עדיין אחד המצוטטים ביותר.
למרות השוני הרב בין סוגי הקשרים החברתיים, מדע הרשתות מאפשר לזהות תופעות שפועלות בצורה זהה בכל [[רשת חברתית]] ובכל רשת "עולם אמיתי" באשר היא, כלומר, בכל רשת הקיימת בטבע.
* חקר [[סחר בינלאומי|מערכת הסחר הבינלאומית]], כאשר הניתוח ישתמש במדינות כצמתים ברשת ובהיקפי סחר כקשרים. ניתוח כזה יכול להראות על גושים של מדינות ועל היררכיה בין הגושים ובתוכם.

* חקר רשתות של [[האקר]]ים והבנת דפוסי ההתנהגות ואת הקשרים הנסתרים בין פרטים ומדינות בתחום זה.
== היסטוריה ==
* חקר [[קבוצת תמיכה]] - הצמתים יהיו החברים בקבוצה והקשרים יהיו בהתאם לתשובתם לשאלה 'ממי את/ה מקבל/ת ולמי את/ה מעניק/ה תמיכה בקבוצה'. רשת כזו יכולה לשמש לניתוח דפוסים של מתן תמיכה ויעילות של קבוצות תמיכה.
שורשיו התאורטיים של חקר הרשתות החברתיות מונחים בעבודתם של סוציולוגים מוקדמים כגון [[גאורג זימל]] ו[[אמיל דורקהיים]], שכתבו אודות החשיבות שבעיון בדפוסי יחסים שמחברים בין סוכנים חברתיים. העוסקים במדעי החברה החלו להשתמש במושג "[[רשת חברתית|רשתות חברתיות]]" באיבה של המאה ה-20 כשכוונתם לכל מערכת יחסים מסובכת בין חברי מערכות חברתיות מכל קנה מידה שהוא, מהרמה הבין-אישית ועד לבין-לאומית. בשנות השלושים של המאה ה-20, [[יעקב לוי מורנו|יעקב מורנו]] והלן ג'נינגס הנהיגו לראשונה שיטות ניתוח רשתי בסיסיות.
מורנו היה בין הראשונים להשתמש בסוציוגרם כשמיפה קשרי חברות בין תלמידים בבתי ספר יסודיים בארה"ב.
בשנת 1954 החל ג'ון ארונדל ברנס לעשות שימוש במושג דרך קבע כשם לדפוסי קשרים, כאשר הוא כולל בתוכו רעיונות שעד אז היו שכיחים הן בקרב הציבור והן בתחום מדעי החברה: [[קבוצה חברתית|קבוצות]] (דוגמת שבט או משפחה) וקטגוריות חברתיות (כמו מגדר ו[[אתניות|שיוך אתני)]]. מלומדים וביניהם רונלד ברט, קתלין קארלי, [[מארק גרנובטר]] {{אנ|Mark_Granovetter}}, דייוויד קראקהרדט, אדוארד Laumann, Anatol רפופורט, [[בארי ולמן]], דאגלס ר לבן, הריסון לבן התרחב השימוש השיטתי רשת חברתית ניתוח. גם במחקר של ספרות, ניתוח רשת הוחל על ידי Anheier, Gerhards ורומו,{{הערה|{{Cite journal|title=Forms of capital and social structure of fields: examining Bourdieu's social topography|last=Anheier|first=H.K.|last2=Gerhards|first2=J.|journal=American Journal of Sociology|issue=4|doi=10.1086/230603|year=1995|volume=100|pages=859–903|last3=Romo|first3=F.P.}}}} Wouter דה Nooy,{{הערה|{{Cite journal|title=Fields and networks: Correspondence analysis and social network analysis in the framework of Field Theory|last=De Nooy|first=W|journal=Poetics|issue=5–6|doi=10.1016/s0304-422x(03)00035-4|year=2003|volume=31|pages=305–27}}}} ו-Burgert Senekal.{{הערה|Senekal, B. A. 2012. Die Afrikaanse literêre sisteem: ʼn Eksperimentele benadering met behulp van Sosiale-netwerk-analise (SNA), LitNet Akademies 9(3)}}

כניסת [[רשת חברתית מקוונת|אתרי הרשתות החברתיות]] כדוגמת [[פייסבוק]] איפשרו לבצע ניתוח רשתות חברתיות על נתוני עתק ([[Big Data]]) של מיליוני צמתים וקשרים ברשת דבר שמאפשר הרחבה של [[תאוריה|תאוריות]] [[סוציולוגיה|סוציולוגיות]], [[פסיכולוגיה|פסיכולוגיות]] והתנהגותיות לתחום העולם הדיגיטלי.

==דוגמאות למחקרים מפורסמים בתחום חקר הרשתות החברתיות==
* הניסוי של [[סטנלי מילגרם]] על [[שש דרגות של הפרדה]].
* "[[עוצמתם של קשרים חלשים]]" של הסוציולוג האמריקאי [[מארק גרנובטר]].
* "[[עוצמתם של קשרים חלשים]]" של הסוציולוג האמריקאי [[מארק גרנובטר]].


==מושגים בניתוח רשתות חברתיות==
== מדדים בניתוח רשתות חברתיות==
את המדדים ניתן לסווג למדדים ברמת הצמת/ים, מדדים ברמת הקשת/ות, מדדים ברמת הקבוצה/קהילה ומדדים ברמת הרשת כולה.
[[קובץ:SocNet.png|שמאל|ממוזער|200px|]]
== מדדי צמתים ==
[[קובץ:Graph_betweenness.svg|שמאל|ממוזער|הצבע (אדום = 0, כחול = מקסימום) מצביע על כל צומת לפי הריכוזיות.]]
[[מרכזיות]] {{אנ|Centrality}}: מכמתת את חשיבותו והשפעתו (במובנים שונים) של צומת מסוים או של קבוצה מסוימת בתוך רשת.
המדדים הנפוצים לצומת בהם נעשה שימוש בניתוח רשתות חברתיות.{{הערה|{{Cite journal|url=http://toreopsahl.com/2010/04/21/article-node-centrality-in-weighted-networks-generalizing-degree-and-shortest-paths/|title=Node centrality in weighted networks: Generalizing degree and shortest paths|last=Opsahl|first=Tore|last2=Agneessens|first2=Filip|journal=Social Networks|issue=3|doi=10.1016/j.socnet.2010.03.006|year=2010|volume=32|pages=245–251|last3=Skvoretz|first3=John|access-date=2018-03-23|archive-url=https://web.archive.org/web/20180226080331/https://toreopsahl.com/2010/04/21/article-node-centrality-in-weighted-networks-generalizing-degree-and-shortest-paths/|archive-date=2018-02-26|url-status=dead}}}}:
*דרגה או Degree - מספר הקשרים הנכנסים לצומת מתוך צמתים אחרים ברשת
*דרגה נכנסת - מספר הקשרים הנכנסים לצומת מתוך צמתים אחרים ברשת
* דרגה יוצאת - מספר הקשרים היוצאים מהצומת ומחברים אותו לצמתים אחרים ברשת
*דרגה ממושקלת – סכום הקשרים של הדרגה היוצאת והנכנסת.
*Betweenness Centrality - מודד עד כמה צומת מסוים מקשר בין צמתים אחרים, שאילולא הוא היה מחבר אותן, צמתים אלו לא היו מקושרים זה עם זה. נמדד על ידי חישוב סך כל המסלולים הקצרים העוברים דרך הצומת ברשת.
בהקשר חברתי מדד זה יכונה "גשריות":
[[גשר (תורת הגרפים)|גשר]] {{אנ|Bridge_(graph_theory}}: אדם אשר קשריו החלשים ממלאים [[חור מבני]] {{אנ|Structural_holes}}, ומספקים את הקשר היחידי בין שני פרטים או גושים. מושג זה כולל גם את המסלול הקצר ביותר כאשר המסלולים הארוכים מדי אינם יעילים כתוצאה מחשש לעיוות המסר או כשל במסירתו.{{הערה|שם=Granovetter, M. 1973 1360–1380|{{cite book|title=The strength of weak ties|author=Granovetter, M.|journal=American Journal of Sociology|year=1973|volume=78|pages=1360–1380|doi=10.1086/225469|issue=6}}}}
*Closeness Centrality - מודד עד כמה צומת קרוב בממוצע לכל שאר הצמתים ברשת.,
*מדד וקטור עצמי ( (Eigenvector Centrality- מודד עד כמה הצומת מקושר לצמתים אחרים בעלי דרגה גבוהה.


=== מדדי קשרים ===
;צומת (Node): שחקן, משתתף. באיור משמאל הצמתים מסומנים בנקודות האדומות.
;כיוון הקשר: קיימים קשרים חד כיווניים, שקיומם מצביע על קשר בין שחקן א' ל-ב' אך אינו מצביע בהכרח על קיום קשר בין ב' לא', ולעומתם קשרים דו כיווניים, המצביעים על הדדיות בין שני הצמתים. האם קשר הוא בעל כיוון, תלוי במציאות אותה ממדל הקשר. כמו כן לעיתים במציאות צומת יוכל ליצור קשר עם עצמו (Self loop) ולעיתים המציאות מחייבת שצומת אינו יכול ליצור קשר עם עצמו (לדוגמה דרוג במבחן סוציומטרי).
;קשר (Link):החיבור בין שני צמתים ברשת. ישנם סוגים שונים של קשרים, המשתנים בין מחקר אחד למשנהו. לקשר יכולים להיות מספר מאפיינים:
;סימן הקשר: יש רשתות בהן בין השחקנים השונים מתקיימים יחסים חיובים ו/ או יחסים שלילים באותה העת. במצבים אלו חשוב לעשות הבחנה לגבי סימן הקשר האם הוא חיובי או שלילי (Friend או Foe). רשתות אלו נקראות רשתות מסומנות (Signed Graph) ונעשה בהן שימוש להצגת מערכות יחסים שליליות וחיוביות.
;ערך הקשר:על פי תוכן הרשת. לקשר יכולים להיות ערכים רבים המתארים את המציאות בה מתקיים הקשר. למשל מספר מיילים בין שני אנשים, כמות הפעמים שאני מבקר בדף הפייסבוק של חבר, משך זמן שיחת טלפון בין שני אנשים' דרוג רמת החברות בין בני אדם. כמובן שקשר גם יכול למדל יחסים בין אובייקטים שאינן אנושיים כגון: נתוני סחר בין מדינות, תכיפות טיסות בין נמלי תעופה ועוד. המשמעות של קיום קשר משתנה לפי המחקר הספציפי: במחקר אחד יכול לציין קשר רמת תמיכה רגשית המוענקת משחקן אחד למשנהו, בעוד במחקר אחר היא יכולה לציין היקף סחר חוץ בין מדינות.
הסימול ברשתות אלו הוא סמל חיובי לצד קשר מייצג קשר חיובי (ידידות, ברית, אהבה) ואילו סמל שלילי מייצג יחס שלילי (שנאה, כעס).
;כיוון הקשר:קיימים קשרים חד כיווניים, שקיומם מצביע על קשר בין שחקן א' ל-ב' אך אינו מצביע בהכרח על קיום קשר בין ב' לא', ולעומתם קשרים דו כיווניים, המצביעים על קשר הדדי בין שני הצמתים. האם קשר הוא בעל כיוון, תלוי במציאות אותה ממדל הקשר. כמו כן לעיתים במציאות צומת יוכל ליצור קשר עם עצמו (Self loop) ולעיתים המציאות מחייבת שצומת אינו יכול ליצור קשר עם עצמו (לדוגמה דרוג במבחן סוציומטרי).
ניתן להשתמש בגרף סימנים כזה כדי לחזות מראש את התפתחות הרשת בעתיד. לפי תאוריית האיזון, מערכת מאוזנת מוגדרת כמעגל (מערכת שבה כל ניתן להגיע מכל צומת לעצמו) שבו מכפלת כלל הסימנים חיובית, ומערכת בלתי מאוזנת היא מעגל בו אותה מכפלה היא שלילית. לפי [[:en:Balance theory|תאוריית האיזון]], מערכת בלתי מאוזנת היא בעלת סבירות גבוהה יותר לשינוי דעת חלק מהחברים בה ביחס לחברים אחרים. לדוגמה, אם A ו-B מקיימים בניהם קשר חיובי ו-B ו-C גם הם מקיימים יחס חיובי, אבל C ו-A מקיימים יחס שלילי, קיים סבירות גבוהה שהמערכת תהפוך לבלתי יציבה, לדוגמה אם רק בין A ל-B ישנו יחס חיובי ואילו ל-A ול-B יחס שלילי ל-C. אם כן, ניתן להשתמש בקונספט של מערכות יציבות ובלתי-יציבות ככלי לניבוי עתידה של רשת.{{הערה|{{Cite journal|url=http://snap.stanford.edu/class/cs224w-readings/cartwright56balance.pdf|title=Structural balance: a generalization of Heider's theory|last=Cartwright, D.|last2=[[Frank Harary]]|journal=[[Psychological Review]]|issue=5|doi=10.1037/h0046049|year=1956|volume=63|pages=277–293}} Link from [[:en:Stanford University]].
;סימן הקשר:יש רשתות בהן בין השחקנים השונים מתקיימים יחסים חיובים ו/ או יחסים שלילים באותה העת. במצבים אלו חשוב לעשות הבחנה לגבי סימן הקשר האם הוא חיובי או שלילי (Friend או Fow).
}}
;חוזק הקשר:נהוג להבחין בין קשרים חזקים ברשת לבין קשרים חלשים. קשרים חזקים משקפים מציאות בה בין שני צמתים מתקיימים יחסים קרובים או אינטנסיביים. קשרים חלשים הם קשרים בין שני צמתים המשקפים מציאות בה קשר בין שני אנשים הוא לא אינטנסיבי או במהותו אינו חזק. את עוצמת הקשר מבטאים על ידי מתן מצויים מספרי לקשר. עוצמת הקשר ברשת יכולה להיות מנורמלת (מאפס לאחר או מ-מינוס אחד לאחר) או יכולה להופיע כעוצמה לא מנורמלת (המספר הממשי לדוגמה: הקף סחר במיליארדי דולרים, או כמות הזמן בשניות ששני אנשים מדברים זה עם זה בטלפון).
;חוזק הקשר: נהוג להבחין בין קשרים חזקים ברשת לבין קשרים חלשים. קשרים חזקים משקפים מציאות בה בין שני צמתים מתקיימים יחסים קרובים או אינטנסיביים. קשרים חלשים הם קשרים בין שני צמתים המשקפים מציאות בה קשר בין שני אנשים הוא לא אינטנסיבי או במהותו אינו חזק.
;חור מבני (Structural Hole): מצב בו אין קשר ישיר בין שני צמתים או שתי קבוצות של צמתים. חור רשתי אינו מאפשר זרימת המידע והמשאבים ביניהם. בתרשים המצורף, בין צמתים A, C, D, E לבין צמתים F, G, H יש חור מבני.
בהקשר מחקר חברתי, קשר חזק נקשר להומופיליה קרבה וטרנסיטיביות. קשר חלש נקשר עם גשרים.
;גשר: צומת המקשר מעל חור מבני. מצב זה הופך את הצומת לדרך היחידה בה יכולים לזרום משאבים בין שתי הקבוצות, ובכך מציב אותו בעמדת כוח. בתרשים המצורף, צומת B משמש כגשר מעל החור המבני שתואר לעיל.
את עוצמת הקשר מבטאים על ידי מתן ציון מספרי לקשר. עוצמת הקשר ברשת יכולה להיות מנורמלת (בין 0ל-1) או יכולה להופיע כעוצמה לא מנורמלת (המספר הממשי לדוגמה: כמות השיחות בין 2 אנשים בטלפון).
;צפיפות הרשת: מדד הבודק עד כמה השחקנים/צמתים ברשת מקושרים ביניהם לבין עצמם. מחושב כמספר הקשרים בפועל ברשת חלקי מספר הקשרים האפשריים - <math> \frac{2n}{N(N-1)}</math>.
מולטיפלקסיות: מספר האופנים שבהם מתקיים קשר. למשל, לזוג אנשים שקיימת ביניהם חברות ובנוסף לכך הם גם חולקים [[מקום עבודה]] משותף יש מולטיפלקסיות של 2. הוצעה תלות בין חוזק הקשר לבין מולטיפלקסיות שלו.
:בתרשים המצורף למעלה יש שמונה צמתים ושלושה עשר קשרים, כך שהצפיפות היא <math> \frac{26}{8(8-1)} = 0.464</math>.
[[הומופיליה (סוציולוגיה)|הומופיליה]]: המידה שבה פרטים ייצרו קשרים עם הזולת אם הוא דומה להם, לעומת מצב שבו הוא שונה מהם. דמיון מוגדר כשוויון מגדר, גיל, עיסוק, סביבה חינוכית, מעמד, ערכים או כל מאפיין בולט אחר.
;קליקה (Clique): בתורת הגרפים, [[קליקה (תורת הגרפים)|קליקה]] היא אוסף של צמתים שכל אחד מהם מקושר לכל אחד אחר. תחת הגדרה זו, הקבוצות (A, B, C) ו-(F, G, H), בין השאר, הן קליקות.
סגירת משולשים (Triadic Closure): מדד של השלמות של שלישיות המקיימות ביניהם יחסים. ההנחה של פרט שקיימת בקבוצה בה הוא חבר מעגליות רשתית (כלומר, שחבריו מיודדים) נקראת טרנזיטיביות, והיא תוצר של הצורך של הפרט או המצב בסגירת-מעגל קוגניטיבית.
:אך ברשתות בעלות 'צפיפות' נמוכה, גם קליקות כאלה הן נדירות. לצורך כך הומצא מושג ה- n-clique - קבוצה שכל חבריה מחוברים ביניהם, אך דרך n קשרים לכל היותר. בתרשים המצורף, (B, F, G, H) הם 2-clique, כיוון שכל אחד מחבריהם מחובר לשני דרך שני קשרים לכל היותר.
קרבה {{אנג|Propinquity}}: נטייה של פרטים ליותר קשרים עם פרטים אחרים שקרובים אליהם גאוגרפית.


===מדדי רשת===
=== מדדי רשת ===
[[צפיפות (תורת הגרפים)]] {{אנ|Dense_graph}}: היחס בין כמות הקשרים הישירים ברשת לבין המספר המרבי של קשרים אפשריים כאלה.{{הערה|{{Cite book|url=https://fas.org/irp/doddir/army/fm3-24.pdf|title=Field Manual 3-24: Counterinsurgency|publisher=Headquarters, [[Department of the Army]]|pages=B–11 – B–12|chapter=Social Network Analysis}}}}{{הערה|{{Cite book|url=https://books.google.com/books?id=mXo9zKeYa6cC&pg=PA25|title=Web Mining and Social Networking: Techniques and Applications|last=Xu, Guandong|publisher=Springer|year=2010|isbn=978-1-4419-7734-2|page=25|display-authors=etal}}}}
נהוג להתייחס למספר מדדי רשת ברשת: הצומת, הקהילה (קליקה) והרשת כולה:
כלומר, מספר הקשרים שיש לפרט, חלקי המספר המרבי של קשרים שיכולים להיות למשתתף. לדוגמה, אם ישנם 20 משתתפים, המכנה יהיה 19, דהיינו המספר הגבוה ביותר של קשרים פוטנציאליים למשתתף. צפיפות של 100% (במקרה דנן 19\19) היא הצפיפות הרבה ביותר האפשרית. צפיפות של 5% משמעותה שקיים רק קשר אחד מתוך ה-19 האפשריים.
מדדי רשת של צומת בודד מתייחסים בעיקר למרכזיות הצומת הבודד (NODE) ביחס לקהילה בה הוא חבר, או לרשת כולה.
מרחק: המספר המזערי ביותר של קשרים שנצרכים על מנת לחבר בין שני פרטים, כפי שהרעיון הופץ על ידי [[סטנלי מילגרם]] בניסוי ה[[תופעת העולם הקטן|עולם קטן]] ובמושג של שש דרגות של הפרדה.
חורים מבניים: חוסר בקשרים בין שני חלקים של רשת. זיהוי וניצול של חור כזה עשוי להעניק ל[[יזם]] {{אנ|Entrepreneur}} יתרון תחרותי. המושג הזה פותח על ידי [[רונלד בורט]] {{אנג|Ronald_Stuart_Burt}} ולפעמים הוא מוצג כתפישה אלטרנטיבית של [[הון חברתי]].
*מדדים נאיביים כגון: מספר הצמתים, מספר הקשרים, מספר הקשרים ההדדיים, מספר הקשרים העצמיים (צומת מקושר לעצמו)
*Modularity - מדד הבודק עד כמה הרשת ניתנת להגדרה על ידי קהילות.

*ניתן לעשות שימוש במדד הממוצע של הצמתים ברשת (למשל Betweenness ממוצע או Closeness ממוצע על פני כל הרשת וכדומה).

=== מדדי קבוצות וקהילות ===
שימוש בניתוח רשתות חברתיות מאפשר לזהות '[[קבוצה חברתית|מעגלים חברתיים]]' על בסיס הקשרים של הצמתים המייצגים את הפרטים בקבוצה ולזהות את מידת הליכוד שלה [[:en:Structural cohesion|גוש מלוכד]]. קבוצה המגיעה ללכידות מקסימלית מוגדרת כ'[[קליקה (תורת הגרפים)|קליקות]]' {{אנג|Clique}}, כלומר, לכל פרט יש קשר ישיר לכל פרט אחר בקבוצה.

;לכידות: המידה שבה פרטים מקושרים ישירות אחד למשנהו על ידי [[:en:Social cohesion|קשרים ליכודיים]].
[[:en:Structural cohesion|לכידות קבוצתית]] מתייחסת למספר המינימלי של צמתים שבהיעדרם תתפרק הקבוצה.{{הערה|{{Cite book|url=https://books.google.com/books?id=bdRdcHxQQLQC&pg=PA149|title=Handbook of Optimization in Complex Networks: Communication and Social Networks|last=Pattillo, Jeffrey|publisher=Springer|year=2011|isbn=978-1-4614-0856-7|editor-last=Thai, My T.|page=149|chapter=Clique relaxation models in social network analysis|display-authors=etal|editor-last2=Pardalos, Panos M.|last-author-amp=y


[[:en:Clustering coefficient|מקדם התקבצות]]: מדד לסבירות ששני צמתים המקושרים לצומת מסוים יהיו מקושרים גם כן בין עצמם. מקדם גבוה יותר פירושו רמה יותר גבוהה של 'קליקיות'.{{הערה|{{Cite book|url=https://books.google.com/books?id=2chSmLzClXgC&pg=PA346|title=The Sage Handbook of Social Network Analysis|last=Hanneman, Robert A.|last2=Riddle, Mark|publisher=SAGE|year=2011|isbn=978-1-84787-395-8|pages=346–347|chapter=Concepts and Measures for Basic Network Analysis|last-author-amp=y}}}}
מדדים מרכזים של צומת יהיו:
*In Degree - מספר הקשרים הנכנסים לצומת מתוך צמתים אחרים ברשת
*Out Degree - מספר הקשרים היוצאים מהצומת ומחברים אותו לצמתים אחרים ברשת
*Total Degree - סיכום אריתמטי של ה In וה Out
*Betweenness Degree - מודד עד כמה צומת מסוים מקשר בין צמתים אחרים, שאילולא הוא היה מחבר אותן, צמתים אלו לא היו מקושרים זה עם זה.
*Closeness Degree - מודד עד כמה צומת קרוב בממוצע לכל שאר הצמתים ברשת.,
*ED) Eigenvector Degree) - מודד עד כמה הצומת מקושר לצמתים אחרים שגם הם בעלי ED גבוה.


}}}}
מדדי קהילה לדוגמה:
מדדים נוספים לקהילות:
*Reciprocity (הדדיות) - עד כמה הקשרים בין חברי הקהילה הם הדדיים,
*Reciprocity (הדדיות) - עד כמה הקשרים בין חברי הקהילה הם הדדיים,
*Density (צפיפות) - עד כמה מנוצל פוטנציאל הקשרים של כל חברי הקהילה לדבר עם כולם.
*Density (צפיפות) - עד כמה מנוצל פוטנציאל הקשרים של כל חברי הקהילה לדבר עם כולם.
*וכל מדדי הצומת בראייה ממוצעת, כלומר למשל Betweenness ממוצע, Closeness ממוצע על פני כל הקהילה וכדומה
*ניתן לעשות שימוש במדד הממוצע של הצמתים בקהילה (למשל Betweenness ממוצע או Closeness ממוצע על פני כל הקהילה וכדומה).


== ויזואליזציה של רשתות ==
מדדי רשת לדוגמה:
ייצוג ויזואלי של רשתות חברתיות הוא חשוב מפני שהוא מסייע להבין אינטואיטיבית את הנתונים שנאספו על אודות הרשת, וכן להנגישם בצורה נוחה למתבונן. מספר רב של שיטות וטכניקות להצגה ויזואלית של מידע שהושגה באמצעות ניתוח רשת הוצג לאורך השנים. תוכנות מחשב ניתוחיות מציעות [[:en:Social network analysis software|כלים לוויזואליזציה]] כזו. הרשתות נחקרות על ידי פריסתן בדרכים שונות, ועל ידי הוספת ערכי צבע, גודל ותכונות מתקדמות אחרות לצמתים השונים. ייצוג ויזואלי של רשתות הוא אמנם כלי רב-עצמה ושימושי למי שמעוניין להציג מידע מורכב וסבוך, אבל יש לתת את הלב לכך שהצגת רשתות באמצעות ייצוג ויזואלי בלבד עלולה להוביל לחוסר-דיוק או לפספוס של תכונות רשתיות שהיו נתפסות באמצעות ניתוח כמותי.
*מדדים נאיביים כגון: מספר הצמתים, מספר הקשרים, מספר הקשרים ההדדיים, מספר הקשרים העצמיים (צומת מקושר לעצמו)
== יישומים של ניתוח רשתות חברתיות ==
*Modularity - מדדים הבודקים עד כמה הרשת מורכבת מקהילות קהילות או האם היא אחידה
חקר הרשתות החברתיות מנוצל ומצוי בטווח רחב של יישומים מעשיים, ודיסציפלינות. חלק מאותם יישומים כולל צירוף וכריית מידע, בניית מודלים להפצת רשתות, בניית מודלים של רשתות, ניתוח תכונות והתנהגויות של משתמשים, תמיכת משאבים בתחזוקת הקהילה, ניתוח של אינטראקציה מבוססת מיקום, שיתוף וסינון חברתיים, פיתוח מערכות המלצה וחיזוי קישורים ורזולוציית ישות. במגזר הפרטי, עסקים משתמשי בחקר רשתות חברתיות כדי לתמוך בפעילויות כגון ניתוח ואינטראקציה על הלקוח, ניתוח פיתוח מערכות מידע, שיווק וצרכי [[בינה עסקית]]. דוגמאות לשימושים במגזר הציבורי הן: פיתוח אסטרטגיות למחוברות מנהיגים, ניתוח של מחוברות ושל חשיפה למדיה של פרטים וקבוצות, ופתרון בעיות קהילתי.
*Diameter - המינימום מבין המרחקים המקסימליים של שני צמתים ברשת
דוגמאות נוספות לשימוש בניתוח רשתות חברתיות: הפצת [[תופעת אינטרנט|ממים]], רשתות הכרויות, תרשימי שיתוף-פעולה (collaboration graphs), [[שארות|קרבה]], [[העברה (מחלה)|העברת מחלות]], התפשטות מחלות דרך מערכות יחסים מיניות.
*GCC - רכיב הרשת הגדול ביותר בו הצמתים מקושרים בינם לבין עצמם (בקשר חזק או חלש)
*Clustering Coefficient - דומה מאוד למדד הצפיפות, רק מיושם על פני כל הרשת (במקום לקהילה/קבוצה ברשת)
*כלל מדדי הקהילה ברמת הממוצע על פני כל הקהילות
*כלל מדדי הצומת (כגון In and Out degree, Betweenness Degree, Closeness Degree ) ברמת ההמוצע, על פני כל הצמתים.


לתחום יישומים בתחומים כגון: [[אנתרופולוגיה|אנתרופולוגים]], [[ביולוגיה|ביולוגים]], [[דמוגרפיה|דמוגרפים]], חוקרי תקשורת, כלכלנים, גאוגרפים, היסטוריונים, מידענים, [[התנהגות ארגונית]], מדעי המדינה, פסיכולוגיה חברתית, מדעי ההתפתחות, בלשנים חברתיים, מדעי המחשב
==בישראל==
ויישומים בהתמודדות עם [[הלבנת הון]] ו[[טרור]].{{הערה|{{Cite journal|title=We-Sport: from academy spin-off to data-base for complex network analysis; an innovative approach to a new technology|last=Ivaldi M.|last2=Ferreri L.|journal=J Sports Med and Phys Fitnes|issue=suppl. 1 to issue 3|volume=51|last3=Daolio F.|last4=Giacobini M.|last5=Tomassini M.|last6=Rainoldi A.}} The social network analysis was used to analyze properties of the network We-Sport.com allowing a deep interpretation and analysis of the level of aggregation phenomena in the specific context of sport and physical exercise.}}
בין החוקרים העוסקים בניתוח רשתות חברתיות במוסדות האקדמיים ב[[ישראל]]: פרופ' [[שיזף רפאלי]], ראש [[מרכז שגיא לחקר האינטרנט]] ב[[אוניברסיטת חיפה]]; פרופ' [[דפנה רבן]], מרצה בכירה בבית הספר לניהול ו[[החוג לניהול מידע וידע, אוניברסיטת חיפה|החוג לניהול מידע וידע]] באוניברסיטת חיפה; פרופ' [[אילן תלמוד]], החוג לסוציולוגיה ואנתרופולוגיה באוניברסיטת חיפה, פרופ' [https://research.biu.ac.il/he/researcher/doctor-baruch-barzel/ ברוך ברזל] במחלקה למתמטיקה באוניברסיטת בר-אילן [http://in.bgu.ac.il/engn/iem/pages/staff/GiladRavidHeb.aspx פרופ' גלעד רביד] המחלקה להנדסה, תעשייה וניהול, אונ' באר שבע וד"ר [https://sites.google.com/site/amitrecahvi/ עמית רכבי], [[עמית מחקר]] במרכז [https://csrcl.huji.ac.il/ פדרמן לחקר הסייבר] אוניברסיטה העברית ובמרכז לחקר האינטרנט באוניברסיטת חיפה.
קיימים שימושים לחקר רשתות חברתיות גם בתחומי המודיעין, [[סיכול ריגול]], אכיפת חוק וביטחון פנים. שימוש בטכניקה זו מאפשרת לחוקרים לזהות קבוצות חשאיות או סמויות, כגון רשת [[ריגול]], משפחת פשע מאורגן או כנופיית רחוב. [[הסוכנות לביטחון לאומי]] בארצות הברית (NSA) משתמשת בתוכניות מעקב המוניות חשאיות במחשבים על מנת למצוא את המידע הדרוש לניתוח כזה על תאי טרור ועל קבוצות נוספות שנחשבות בעלות חשיבות לביטחון הלאומי. הסוכנות מגיע לעומק שלושה צמתים במהלך ניתוח זה. לאחר שהמיפוי הראשוני של הרשת מבוצע, נעשית אנליזה שמטרתה לקבוע את מבנה הרשת ולקבוע, למשל, מי הם המנהיגים. דבר זה מאפשר לצבא או לכוחות ביטחון פנים לכוון [[:en:Decapitation attack|סיכולים ממוקדים]] שמטרתם לחסל או לשבות חברים בעלות ערך גבוה בתפקיד הנהגתי כשיטה להפריע לפעילות השוטפת של הארגון. הסוכנות התחילה לבצע גם ניתוח רשתות חברתיות על הקלטות של שיחות טלפוניות, המכונה מטא-דאטה, זמן מועט לאחר אירועי ספטמבר 11.{{הערה|שם=NSA_SNA|{{Cite web|url=https://www.wired.com/science/discoveries/news/2006/05/70888|title=NSA Using Social Network Analysis|date=12 May 2006|accessdate=19 July 2013}}}}{{הערה|שם=nsa_usa|{{Cite web|url=http://www.slate.com/articles/news_and_politics/explainer/2006/05/how_the_nsa_does_social_network_analysis.html|title=NSA has massive database of Americans' phone calls|date=11 May 2006|accessdate=19 July 2013}}}}
==דוגמאות למחקרים==
* חקר [[סחר בינלאומי|מערכת הסחר הבינלאומית]], כאשר הניתוח ישתמש במדינות כצמתים ברשת ובהיקפי סחר כקשרים. ניתוח כזה יכול להראות על גושים של מדינות ועל היררכיה בין הגושים ובתוכם.
* חקר רשתות של [[האקר]]ים והבנת דפוסי ההתנהגות ואת הקשרים הנסתרים בין פרטים ומדינות בתחום זה.
* חקר [[קבוצת תמיכה]] - הצמתים יהיו החברים בקבוצה והקשרים יהיו בהתאם לתשובתם לשאלה 'ממי את/ה מקבל/ת ולמי את/ה מעניק/ה תמיכה בקבוצה'. רשת כזו יכולה לשמש לניתוח דפוסים של מתן תמיכה ויעילות של קבוצות תמיכה.

==יישומים בתחום החינוך==
בהקשר של [[למידה שיתופית]] נתמכת טכנולוגיה, חקר רשתות חברתיות הוא כלי עזר להבנת שיתוף הפעולה בין לומדים במונחים של כמות, תדירות ואורך-זמן, ובנוסף האיכות, הנושא ואסטרטגיות הקשר. יתר על כן, חקר רשתות חברתיות מסוגל להתמקד באספקטים מסוימים של חיבור הרשת, או על הרשת בכללותה. הוא משתמש בהצגה גרפית, מידע כתוב ובנתונים כדי לבחון את הקשרים בתוך רשת [[למידה שיתופית נתמכת טכנולוגיה]] (CSCL). בזמן יישום שיטות חקר רשתות חברתיות על CSCL, האינטראקציות בין המשתתפים נחשבות לרשת חברתית. הנושא בו הניתוח מתמקד הוא הקשרים שייצרו המשתתפים, כיצד הם תקשרו ולא כיצד כל משתתף התנהג בינו לבין עצמו.
מספר מחקרים יישמו חקר רשתות חברתיות ב-[[למידה שיתופית נתמכת טכנולוגיה]] (CSCL) במגוון רחב של הקשרים. בין התוצאות, קורלציה בין נוכחות המורה לבין צפיפות הרשת, התייחסות רצינית יותר להמלצות של משתתפים ריכוזיים יותר, חוסר שכיחות של אינטראקציות בין בני מין שונה בתוך רשת, וכן תפקיד שולי יחסית שמשחק המורה ברשת [[:en:Asynchronous learning|למידה א-סינכרונית]].{{הערה|{{Cite journal|title=Network analysis of knowledge construction in asynchronous learning networks|last=Aviv, R.|last2=Erlich, Z.|journal=Journal of Asynchronous Learning Networks|issue=3|year=2003|volume=7|last3=Ravid, G.|last4=Geva, A.|last-author-amp=y}}}}
קיימים מספר מחקרים שעשו שילוב של אמצעי מחקר נוספים עם חקר רשתות חברתיות בבחינתם את הCSCL. ניתן להתייחס לזה כתהליך שיוביל לריבוי המהימנות של מחקרים אודות CSCL.
* ''' שיטה איכותית''' - עקרונות חקר המקרה האיכותי יוצרות מסגרת מוצקה לאינטגרציה של חקר רשתות חברתיות בחקר חוויית CSCL.{{הערה|{{Cite journal|title=Review of The Art of Case Study Research|last=Johnson|first=Karen E.|date=1996-01-01|journal=The Modern Language Journal|issue=4|doi=10.2307/329758|volume=80|pages=556–557|jstor=329758}}}}
** '''מידע אתנוגרפי''' כגון ראיונות, שאלונים לחניך והשקפה בכיתה מצד שלישי לא משתתף.{{הערה|שם=autogenerated1|{{Cite journal|title=Combining qualitative evaluation and social network analysis for the study of classroom social interactions|last=Martı́nez, A.|last2=Dimitriadis, Y.|date=2003-12-01|journal=Computers & Education. Documenting Collaborative Interactions: Issues and Approaches|issue=4|doi=10.1016/j.compedu.2003.06.001|volume=41|pages=353–368|last3=Rubia, B.|last4=Gómez, E.|last5=de la Fuente, P.}}}}
** '''מקרי בוחן''': לבחון באופן מובן בין מצבי CSCL מסוימים ולקשר בין הממצאים לבין מגמות כלליות.
** '''[[ניתוח תוכן]]''' מציע מידע על אודות התוכן של ההתקשרות בין חברי הרשת.
* ''' שיטה כמותית '''- שיטה זו כוללת ניתוחים סטטיסטיים פשוטים המתארים התרחשויות ומאפשרים לזהות את הגישה של חברים פרטיים בקבוצה שחקר רשתות חברתיות לא הצליח לעקוב אחריהם, כדי להתחקות אחרי נטיות כלליות.
** קובצי לוג אלקטרוניים מספקים מידע על השימוש שעושים הלומדים בכל שיתוף-פעולה.
** '''Multidimensional scaling''' - מנהל מעקב אחרי דמיון שקיים בין משתתפים, כך שיהיה ניתן להניח מידע דומה ביחד.
** '''תוכנות '''– QUEST, Nud*IST, SAMSA (System for Adjacency Matric and Sociogram-bases Analysis){{D}}


==איסוף הנתונים לניתוח רשתות חברתיות==
בייחוד כאשר השימוש בחקר רשתות חברתיות נעשה כדי להנחיל שינוי חברתי, קיימים מספר גישות לליקוט מידע ומיפוי רשתות בשיטות השתתפותיות. כאן, המשתתפים ממפים בעצמם את הרשתות על ידי הוספת קשרים ידנית (באמצעות עט ונייר או מחשב). דוגמה לשיטת עט ונייר לאיסוף מידע השתתפותי הוא, שמאפשרת גם איסוף נתונים לגבי תכונות הפרטים (השפעות ומטרות) היא שיטת Net-Map Toolbox. יתרונותיהן של שיטות מסוג זה הן היכולת של החוקרים לאסוף מידע איכותי ולא רק כמותי, וכן לתחקר את המשתתפים לצורך הבהרה.

=== פוטנציאל רישות חברתי ===
פוטנציאל רישות חברתית הוא [[מקדם (מתמטיקה)|מקדם]] מספרי שניתן להגיע אליו באמצעות אלגוריתמים, כדי לייצג הן את הגודל של הרשת החברתית של פרט מסוים, והן את היכולת שלו להשפיע על הרשת. מילה נרדפת שקרובה במשמעותה, היא משתמש אלפא, אדם עם מקדם פוטנציאל רישות חברתית גבוה.
קיימות שתי פונקציות עיקריות למקדמי פוטנציאל רישות חברתית:
# מיון וסיווג הפרטים בהתאם לפוטנציאל שלהם.
# שקילת הפרטים במחקרים שיווקיים.
על ידי חישוב הפוטנציאל של משיבים ו[[:en:Behavioral targeting|שיווק ישירות]] לבעלי מקדם גבוה, ה[[:en:Persuasion|חוזק]] וה[[:en:Relevance|רלוונטיות]] של מחקר שיווקי שמשמש ל[[:en:Viral marketing|שיווק ויראלי]], מוגבר.


[[:en:Variable (research)|משתנים]] שמשמשים לחישוב מקדם הפוטנציאל כוללים בין היתר: השתתפות בפעילויות ברשת החברתית, חברות בקבוצות, תפקידי מנהיגות, זיהוי, הוצאה לאור\עריכה\תרומה למדיה שאינה אלקטרונית, הוצאה לאור\עריכה\תרומה למדיה אלקטרונית (אתרי מרשתת, בלוגים) ותדירות הפצת מידע בקרב הרשת בעבר. ראשי התיבות SNP) Social Networking Potential) וחלק מהאלגוריתמים הראשונים שנעשה בהם שימוש כדי לכמת את הפוטנציאל של פרט מסוים, תוארו במדריך "חקר הפרסום הולך ומשתנה". ע"ע [[:en:Viral Marketing|שיווק ויראלי]].{{הערה|{{Cite book|url=https://www.springer.com/us/book/9783658023645|title=The Changing Roles of Advertising|last=(Hrsg.)|first=Sara Rosengren|date=2013|publisher=Springer Fachmedien Wiesbaden GmbH|isbn=9783658023645|location=Wiesbaden|access-date=22 October 2015}}}}
הספר הראשון שדן בשימוש המסחרי של משתמשי אלפא בקרב לקוחות טלקומוניקציה היה "3G Marketing" של אהונן, קאספר ומלקו ב-2004. הספר הראשון שדן במשתמשי אלפא באופן יותר נרחב בהקשר של שיווק חברתי היה Communities Dominate Brands ([[:en:Social marketing intelligence|קהילות שולטות במותגים]]) של קהונן ומור ב-2005. ב-2012 ניקולא גרקו מהקולג' האוניברסיטאי של לונדון העביר שיחת [[TEDx]] {{אנ|TedX}} בנושא ההקבלה בין פוטנציאל הרשת החברתית לבין [[אנרגיה פוטנציאלית]] שמשתמשים יוצרים ושבה חברות צריכות לעשות שימוש. הוא טען ש-SNP הוא הנכס החדש שכל חברה צריכה לשאוף אליו כמטרה.
{{הערה|{{Cite web|url=http://tedxtalks.ted.com/video/TEDxMilano-Nicola-Greco-on-math;search%3Atag%3A"technology"|title=Watch "TEDxMilano - Nicola Greco - on math and social network" Video at TEDxTalks|website=TEDxTalks}}}}
==ניתוח רשתות חברתיות בישראל==
בין החוקרים העוסקים בחקר רשתות חברתיות במוסדות האקדמיים ב[[ישראל]]: פרופ' [[שיזף רפאלי]], ראש [[מרכז שגיא לחקר האינטרנט]] ב[[אוניברסיטת חיפה]]; פרופ' [[דפנה רבן]], מרצה בכירה בבית הספר לניהול ו[[החוג לניהול מידע וידע, אוניברסיטת חיפה|החוג לניהול מידע וידע]] באוניברסיטת חיפה; פרופ' [[אילן תלמוד]], החוג לסוציולוגיה ואנתרופולוגיה באוניברסיטת חיפה, פרופ' [https://research.biu.ac.il/he/researcher/doctor-baruch-barzel/ ברוך ברזל] במחלקה למתמטיקה באוניברסיטת בר-אילן [http://in.bgu.ac.il/engn/iem/pages/staff/GiladRavidHeb.aspx פרופ' גלעד רביד] המחלקה להנדסה, תעשייה וניהול, אונ' באר שבע וד"ר [https://sites.google.com/site/amitrecahvi/ עמית רכבי], [[עמית מחקר]] במרכז [https://csrcl.huji.ac.il/ פדרמן לחקר הסייבר] אוניברסיטה העברית ובמרכז לחקר האינטרנט באוניברסיטת חיפה.
==ראו גם==
==ראו גם==
* [[תורת הרשתות]]
* [[תורת הרשתות]]
שורה 64: שורה 128:
* [[אלברט-לסלו ברבאשי]]
* [[אלברט-לסלו ברבאשי]]


==קישורים חיצוניים==
== קישורים חיצוניים ==
* [https://www.snapod.net/ נטפריקס] - [[פודקאסט]] בנושא רשתות חברתיות
* [https://www.snapod.net/ נטפריקס] - [[פודקאסט]] בנושא רשתות חברתיות
* {{כלכליסט|איתי להט ודן שוחט|כוחה הלא ייאמן של חברות|3399712|25 במרץ 2010}}
* {{כלכליסט|איתי להט ודן שוחט|כוחה הלא ייאמן של חברות|3399712|25 במרץ 2010}}
* הרצאה של פרופ' רביד על [https://www.youtube.com/watch?v=EHIXHAk_5QA הרשת]
* הרצאה של פרופ' רביד על [https://www.youtube.com/watch?v=EHIXHAk_5QA הרשת]


== הערות שוליים ==
[[קטגוריה:תאוריות סוציולוגיות]]
{{הערות שוליים|יישור=שמאל}}



[[קטגוריה:תרבות אינטרנט]]
[[קטגוריה:מדיה חברתית]]
[[קטגוריה:רשתות חברתיות]]
[[קטגוריה:רשתות חברתיות]]
[[קטגוריה:תאוריות סוציולוגיות]]

גרסה מ־17:06, 14 באוגוסט 2021

- תרשים רשת חברתית המציג רשת הקשרים בין חברי קבוצה ב Facebook.

ניתוח רשתות חברתיות (באנגלית: SNA או Social Network Analysis) היא גישה מדעית לחקר קשרים חברתיים, מרמת הפרט ועד מבנים חברתיים שההיגיון מאחוריה הוא שכדי להבין תופעה חברתית, אין די בבחינת מאפייני היחידים הקשורים לתופעה, אלא יש לבחון את מיקומם במבנה החברתי. את הקשרים ניתן להציג בתרשים הנקרא 'סוציוגרם' בו הפרטים, השחקנים או הגורמים (נקרא גם: צמתים) מוצגים כנקודות, והקשרים (נקרא גם: קשתות) מוצגים כקווים. גישה זו משתמשת במושגים הלקוחים מתורת הגרפים המתמטית וממדע הרשתות.

מתוך ניתוח הקשרים בין הגורמים השונים ברשת, ניתן ללמוד על מרכזיותו של כל אחד מהם, על היררכיה בקבוצה, על הצפיפות של הקבוצה ועוד. חקר רשתות חברתיות נועד גם להבין תופעות שאינן נראות לעין ברמת הצומת הבודד ורק ניתוח רשתי של התופעה חושף אותה. למשל מהו המרחק הממוצע (מינימלי, מקסימלי) בין חברי רשת, כיצד בנויה הרשת (רשת כוכב, רשת תאית, רשת שהתפלגות קשריה היא מסוג "זנב ארוך" ועוד).

ניתוח הרשת החברתית מאפשר ניתוח סטטי בודד (Snapshot) אך גם ניתוח דינמי של השתנות הרשת.

אחד מיתרונות השימוש בניתוח רשתות חברתיות הוא שהשיטה מאפשרת מחקר ללא הנחה מוקדמת לגבי אופי ומהות החברים בקבוצה, על ידי שימוש במדדי הרשת כגורם מכווין לשאילת השאלות.

למרות השוני הרב בין סוגי הקשרים החברתיים, מדע הרשתות מאפשר לזהות תופעות שפועלות בצורה זהה בכל רשת חברתית ובכל רשת "עולם אמיתי" באשר היא, כלומר, בכל רשת הקיימת בטבע.

היסטוריה

שורשיו התאורטיים של חקר הרשתות החברתיות מונחים בעבודתם של סוציולוגים מוקדמים כגון גאורג זימל ואמיל דורקהיים, שכתבו אודות החשיבות שבעיון בדפוסי יחסים שמחברים בין סוכנים חברתיים. העוסקים במדעי החברה החלו להשתמש במושג "רשתות חברתיות" באיבה של המאה ה-20 כשכוונתם לכל מערכת יחסים מסובכת בין חברי מערכות חברתיות מכל קנה מידה שהוא, מהרמה הבין-אישית ועד לבין-לאומית. בשנות השלושים של המאה ה-20, יעקב מורנו והלן ג'נינגס הנהיגו לראשונה שיטות ניתוח רשתי בסיסיות. מורנו היה בין הראשונים להשתמש בסוציוגרם כשמיפה קשרי חברות בין תלמידים בבתי ספר יסודיים בארה"ב. בשנת 1954 החל ג'ון ארונדל ברנס לעשות שימוש במושג דרך קבע כשם לדפוסי קשרים, כאשר הוא כולל בתוכו רעיונות שעד אז היו שכיחים הן בקרב הציבור והן בתחום מדעי החברה: קבוצות (דוגמת שבט או משפחה) וקטגוריות חברתיות (כמו מגדר ושיוך אתני). מלומדים וביניהם רונלד ברט, קתלין קארלי, מארק גרנובטר (אנ'), דייוויד קראקהרדט, אדוארד Laumann, Anatol רפופורט, בארי ולמן, דאגלס ר לבן, הריסון לבן התרחב השימוש השיטתי רשת חברתית ניתוח. גם במחקר של ספרות, ניתוח רשת הוחל על ידי Anheier, Gerhards ורומו,[1] Wouter דה Nooy,[2] ו-Burgert Senekal.[3]

כניסת אתרי הרשתות החברתיות כדוגמת פייסבוק איפשרו לבצע ניתוח רשתות חברתיות על נתוני עתק (Big Data) של מיליוני צמתים וקשרים ברשת דבר שמאפשר הרחבה של תאוריות סוציולוגיות, פסיכולוגיות והתנהגותיות לתחום העולם הדיגיטלי.

דוגמאות למחקרים מפורסמים בתחום חקר הרשתות החברתיות

מדדים בניתוח רשתות חברתיות

את המדדים ניתן לסווג למדדים ברמת הצמת/ים, מדדים ברמת הקשת/ות, מדדים ברמת הקבוצה/קהילה ומדדים ברמת הרשת כולה.

מדדי צמתים

הצבע (אדום = 0, כחול = מקסימום) מצביע על כל צומת לפי הריכוזיות.

מרכזיות (אנ'): מכמתת את חשיבותו והשפעתו (במובנים שונים) של צומת מסוים או של קבוצה מסוימת בתוך רשת. המדדים הנפוצים לצומת בהם נעשה שימוש בניתוח רשתות חברתיות.[4]:

  • דרגה או Degree - מספר הקשרים הנכנסים לצומת מתוך צמתים אחרים ברשת
  • דרגה נכנסת - מספר הקשרים הנכנסים לצומת מתוך צמתים אחרים ברשת
  • דרגה יוצאת - מספר הקשרים היוצאים מהצומת ומחברים אותו לצמתים אחרים ברשת
  • דרגה ממושקלת – סכום הקשרים של הדרגה היוצאת והנכנסת.
  • Betweenness Centrality - מודד עד כמה צומת מסוים מקשר בין צמתים אחרים, שאילולא הוא היה מחבר אותן, צמתים אלו לא היו מקושרים זה עם זה. נמדד על ידי חישוב סך כל המסלולים הקצרים העוברים דרך הצומת ברשת.

בהקשר חברתי מדד זה יכונה "גשריות": גשר (אנ'): אדם אשר קשריו החלשים ממלאים חור מבני (אנ'), ומספקים את הקשר היחידי בין שני פרטים או גושים. מושג זה כולל גם את המסלול הקצר ביותר כאשר המסלולים הארוכים מדי אינם יעילים כתוצאה מחשש לעיוות המסר או כשל במסירתו.[5]

  • Closeness Centrality - מודד עד כמה צומת קרוב בממוצע לכל שאר הצמתים ברשת.,
  • מדד וקטור עצמי ( (Eigenvector Centrality- מודד עד כמה הצומת מקושר לצמתים אחרים בעלי דרגה גבוהה.

מדדי קשרים

כיוון הקשר
קיימים קשרים חד כיווניים, שקיומם מצביע על קשר בין שחקן א' ל-ב' אך אינו מצביע בהכרח על קיום קשר בין ב' לא', ולעומתם קשרים דו כיווניים, המצביעים על הדדיות בין שני הצמתים. האם קשר הוא בעל כיוון, תלוי במציאות אותה ממדל הקשר. כמו כן לעיתים במציאות צומת יוכל ליצור קשר עם עצמו (Self loop) ולעיתים המציאות מחייבת שצומת אינו יכול ליצור קשר עם עצמו (לדוגמה דרוג במבחן סוציומטרי).
סימן הקשר
יש רשתות בהן בין השחקנים השונים מתקיימים יחסים חיובים ו/ או יחסים שלילים באותה העת. במצבים אלו חשוב לעשות הבחנה לגבי סימן הקשר האם הוא חיובי או שלילי (Friend או Foe). רשתות אלו נקראות רשתות מסומנות (Signed Graph) ונעשה בהן שימוש להצגת מערכות יחסים שליליות וחיוביות.

הסימול ברשתות אלו הוא סמל חיובי לצד קשר מייצג קשר חיובי (ידידות, ברית, אהבה) ואילו סמל שלילי מייצג יחס שלילי (שנאה, כעס). ניתן להשתמש בגרף סימנים כזה כדי לחזות מראש את התפתחות הרשת בעתיד. לפי תאוריית האיזון, מערכת מאוזנת מוגדרת כמעגל (מערכת שבה כל ניתן להגיע מכל צומת לעצמו) שבו מכפלת כלל הסימנים חיובית, ומערכת בלתי מאוזנת היא מעגל בו אותה מכפלה היא שלילית. לפי תאוריית האיזון, מערכת בלתי מאוזנת היא בעלת סבירות גבוהה יותר לשינוי דעת חלק מהחברים בה ביחס לחברים אחרים. לדוגמה, אם A ו-B מקיימים בניהם קשר חיובי ו-B ו-C גם הם מקיימים יחס חיובי, אבל C ו-A מקיימים יחס שלילי, קיים סבירות גבוהה שהמערכת תהפוך לבלתי יציבה, לדוגמה אם רק בין A ל-B ישנו יחס חיובי ואילו ל-A ול-B יחס שלילי ל-C. אם כן, ניתן להשתמש בקונספט של מערכות יציבות ובלתי-יציבות ככלי לניבוי עתידה של רשת.[6]

חוזק הקשר
נהוג להבחין בין קשרים חזקים ברשת לבין קשרים חלשים. קשרים חזקים משקפים מציאות בה בין שני צמתים מתקיימים יחסים קרובים או אינטנסיביים. קשרים חלשים הם קשרים בין שני צמתים המשקפים מציאות בה קשר בין שני אנשים הוא לא אינטנסיבי או במהותו אינו חזק.

בהקשר מחקר חברתי, קשר חזק נקשר להומופיליה קרבה וטרנסיטיביות. קשר חלש נקשר עם גשרים. את עוצמת הקשר מבטאים על ידי מתן ציון מספרי לקשר. עוצמת הקשר ברשת יכולה להיות מנורמלת (בין 0ל-1) או יכולה להופיע כעוצמה לא מנורמלת (המספר הממשי לדוגמה: כמות השיחות בין 2 אנשים בטלפון). מולטיפלקסיות: מספר האופנים שבהם מתקיים קשר. למשל, לזוג אנשים שקיימת ביניהם חברות ובנוסף לכך הם גם חולקים מקום עבודה משותף יש מולטיפלקסיות של 2. הוצעה תלות בין חוזק הקשר לבין מולטיפלקסיות שלו. הומופיליה: המידה שבה פרטים ייצרו קשרים עם הזולת אם הוא דומה להם, לעומת מצב שבו הוא שונה מהם. דמיון מוגדר כשוויון מגדר, גיל, עיסוק, סביבה חינוכית, מעמד, ערכים או כל מאפיין בולט אחר. סגירת משולשים (Triadic Closure): מדד של השלמות של שלישיות המקיימות ביניהם יחסים. ההנחה של פרט שקיימת בקבוצה בה הוא חבר מעגליות רשתית (כלומר, שחבריו מיודדים) נקראת טרנזיטיביות, והיא תוצר של הצורך של הפרט או המצב בסגירת-מעגל קוגניטיבית. קרבה (Propinquity): נטייה של פרטים ליותר קשרים עם פרטים אחרים שקרובים אליהם גאוגרפית.

מדדי רשת

צפיפות (תורת הגרפים) (אנ'): היחס בין כמות הקשרים הישירים ברשת לבין המספר המרבי של קשרים אפשריים כאלה.[7][8] כלומר, מספר הקשרים שיש לפרט, חלקי המספר המרבי של קשרים שיכולים להיות למשתתף. לדוגמה, אם ישנם 20 משתתפים, המכנה יהיה 19, דהיינו המספר הגבוה ביותר של קשרים פוטנציאליים למשתתף. צפיפות של 100% (במקרה דנן 19\19) היא הצפיפות הרבה ביותר האפשרית. צפיפות של 5% משמעותה שקיים רק קשר אחד מתוך ה-19 האפשריים. מרחק: המספר המזערי ביותר של קשרים שנצרכים על מנת לחבר בין שני פרטים, כפי שהרעיון הופץ על ידי סטנלי מילגרם בניסוי העולם קטן ובמושג של שש דרגות של הפרדה. חורים מבניים: חוסר בקשרים בין שני חלקים של רשת. זיהוי וניצול של חור כזה עשוי להעניק ליזם (אנ') יתרון תחרותי. המושג הזה פותח על ידי רונלד בורט (Ronald_Stuart_Burt) ולפעמים הוא מוצג כתפישה אלטרנטיבית של הון חברתי.

  • מדדים נאיביים כגון: מספר הצמתים, מספר הקשרים, מספר הקשרים ההדדיים, מספר הקשרים העצמיים (צומת מקושר לעצמו)
  • Modularity - מדד הבודק עד כמה הרשת ניתנת להגדרה על ידי קהילות.
  • ניתן לעשות שימוש במדד הממוצע של הצמתים ברשת (למשל Betweenness ממוצע או Closeness ממוצע על פני כל הרשת וכדומה).

מדדי קבוצות וקהילות

שימוש בניתוח רשתות חברתיות מאפשר לזהות 'מעגלים חברתיים' על בסיס הקשרים של הצמתים המייצגים את הפרטים בקבוצה ולזהות את מידת הליכוד שלה גוש מלוכד. קבוצה המגיעה ללכידות מקסימלית מוגדרת כ'קליקות' (Clique), כלומר, לכל פרט יש קשר ישיר לכל פרט אחר בקבוצה.

לכידות
המידה שבה פרטים מקושרים ישירות אחד למשנהו על ידי קשרים ליכודיים.

לכידות קבוצתית מתייחסת למספר המינימלי של צמתים שבהיעדרם תתפרק הקבוצה.[10] מדדים נוספים לקהילות:

  • Reciprocity (הדדיות) - עד כמה הקשרים בין חברי הקהילה הם הדדיים,
  • Density (צפיפות) - עד כמה מנוצל פוטנציאל הקשרים של כל חברי הקהילה לדבר עם כולם.
  • ניתן לעשות שימוש במדד הממוצע של הצמתים בקהילה (למשל Betweenness ממוצע או Closeness ממוצע על פני כל הקהילה וכדומה).

ויזואליזציה של רשתות

ייצוג ויזואלי של רשתות חברתיות הוא חשוב מפני שהוא מסייע להבין אינטואיטיבית את הנתונים שנאספו על אודות הרשת, וכן להנגישם בצורה נוחה למתבונן. מספר רב של שיטות וטכניקות להצגה ויזואלית של מידע שהושגה באמצעות ניתוח רשת הוצג לאורך השנים. תוכנות מחשב ניתוחיות מציעות כלים לוויזואליזציה כזו. הרשתות נחקרות על ידי פריסתן בדרכים שונות, ועל ידי הוספת ערכי צבע, גודל ותכונות מתקדמות אחרות לצמתים השונים. ייצוג ויזואלי של רשתות הוא אמנם כלי רב-עצמה ושימושי למי שמעוניין להציג מידע מורכב וסבוך, אבל יש לתת את הלב לכך שהצגת רשתות באמצעות ייצוג ויזואלי בלבד עלולה להוביל לחוסר-דיוק או לפספוס של תכונות רשתיות שהיו נתפסות באמצעות ניתוח כמותי.

יישומים של ניתוח רשתות חברתיות

חקר הרשתות החברתיות מנוצל ומצוי בטווח רחב של יישומים מעשיים, ודיסציפלינות. חלק מאותם יישומים כולל צירוף וכריית מידע, בניית מודלים להפצת רשתות, בניית מודלים של רשתות, ניתוח תכונות והתנהגויות של משתמשים, תמיכת משאבים בתחזוקת הקהילה, ניתוח של אינטראקציה מבוססת מיקום, שיתוף וסינון חברתיים, פיתוח מערכות המלצה וחיזוי קישורים ורזולוציית ישות. במגזר הפרטי, עסקים משתמשי בחקר רשתות חברתיות כדי לתמוך בפעילויות כגון ניתוח ואינטראקציה על הלקוח, ניתוח פיתוח מערכות מידע, שיווק וצרכי בינה עסקית. דוגמאות לשימושים במגזר הציבורי הן: פיתוח אסטרטגיות למחוברות מנהיגים, ניתוח של מחוברות ושל חשיפה למדיה של פרטים וקבוצות, ופתרון בעיות קהילתי. דוגמאות נוספות לשימוש בניתוח רשתות חברתיות: הפצת ממים, רשתות הכרויות, תרשימי שיתוף-פעולה (collaboration graphs), קרבה, העברת מחלות, התפשטות מחלות דרך מערכות יחסים מיניות.

לתחום יישומים בתחומים כגון: אנתרופולוגים, ביולוגים, דמוגרפים, חוקרי תקשורת, כלכלנים, גאוגרפים, היסטוריונים, מידענים, התנהגות ארגונית, מדעי המדינה, פסיכולוגיה חברתית, מדעי ההתפתחות, בלשנים חברתיים, מדעי המחשב ויישומים בהתמודדות עם הלבנת הון וטרור.[11] קיימים שימושים לחקר רשתות חברתיות גם בתחומי המודיעין, סיכול ריגול, אכיפת חוק וביטחון פנים. שימוש בטכניקה זו מאפשרת לחוקרים לזהות קבוצות חשאיות או סמויות, כגון רשת ריגול, משפחת פשע מאורגן או כנופיית רחוב. הסוכנות לביטחון לאומי בארצות הברית (NSA) משתמשת בתוכניות מעקב המוניות חשאיות במחשבים על מנת למצוא את המידע הדרוש לניתוח כזה על תאי טרור ועל קבוצות נוספות שנחשבות בעלות חשיבות לביטחון הלאומי. הסוכנות מגיע לעומק שלושה צמתים במהלך ניתוח זה. לאחר שהמיפוי הראשוני של הרשת מבוצע, נעשית אנליזה שמטרתה לקבוע את מבנה הרשת ולקבוע, למשל, מי הם המנהיגים. דבר זה מאפשר לצבא או לכוחות ביטחון פנים לכוון סיכולים ממוקדים שמטרתם לחסל או לשבות חברים בעלות ערך גבוה בתפקיד הנהגתי כשיטה להפריע לפעילות השוטפת של הארגון. הסוכנות התחילה לבצע גם ניתוח רשתות חברתיות על הקלטות של שיחות טלפוניות, המכונה מטא-דאטה, זמן מועט לאחר אירועי ספטמבר 11.[12][13]

דוגמאות למחקרים

  • חקר מערכת הסחר הבינלאומית, כאשר הניתוח ישתמש במדינות כצמתים ברשת ובהיקפי סחר כקשרים. ניתוח כזה יכול להראות על גושים של מדינות ועל היררכיה בין הגושים ובתוכם.
  • חקר רשתות של האקרים והבנת דפוסי ההתנהגות ואת הקשרים הנסתרים בין פרטים ומדינות בתחום זה.
  • חקר קבוצת תמיכה - הצמתים יהיו החברים בקבוצה והקשרים יהיו בהתאם לתשובתם לשאלה 'ממי את/ה מקבל/ת ולמי את/ה מעניק/ה תמיכה בקבוצה'. רשת כזו יכולה לשמש לניתוח דפוסים של מתן תמיכה ויעילות של קבוצות תמיכה.

יישומים בתחום החינוך

בהקשר של למידה שיתופית נתמכת טכנולוגיה, חקר רשתות חברתיות הוא כלי עזר להבנת שיתוף הפעולה בין לומדים במונחים של כמות, תדירות ואורך-זמן, ובנוסף האיכות, הנושא ואסטרטגיות הקשר. יתר על כן, חקר רשתות חברתיות מסוגל להתמקד באספקטים מסוימים של חיבור הרשת, או על הרשת בכללותה. הוא משתמש בהצגה גרפית, מידע כתוב ובנתונים כדי לבחון את הקשרים בתוך רשת למידה שיתופית נתמכת טכנולוגיה (CSCL). בזמן יישום שיטות חקר רשתות חברתיות על CSCL, האינטראקציות בין המשתתפים נחשבות לרשת חברתית. הנושא בו הניתוח מתמקד הוא הקשרים שייצרו המשתתפים, כיצד הם תקשרו ולא כיצד כל משתתף התנהג בינו לבין עצמו. מספר מחקרים יישמו חקר רשתות חברתיות ב-למידה שיתופית נתמכת טכנולוגיה (CSCL) במגוון רחב של הקשרים. בין התוצאות, קורלציה בין נוכחות המורה לבין צפיפות הרשת, התייחסות רצינית יותר להמלצות של משתתפים ריכוזיים יותר, חוסר שכיחות של אינטראקציות בין בני מין שונה בתוך רשת, וכן תפקיד שולי יחסית שמשחק המורה ברשת למידה א-סינכרונית.[14] קיימים מספר מחקרים שעשו שילוב של אמצעי מחקר נוספים עם חקר רשתות חברתיות בבחינתם את הCSCL. ניתן להתייחס לזה כתהליך שיוביל לריבוי המהימנות של מחקרים אודות CSCL.

  • שיטה איכותית - עקרונות חקר המקרה האיכותי יוצרות מסגרת מוצקה לאינטגרציה של חקר רשתות חברתיות בחקר חוויית CSCL.[15]
    • מידע אתנוגרפי כגון ראיונות, שאלונים לחניך והשקפה בכיתה מצד שלישי לא משתתף.[16]
    • מקרי בוחן: לבחון באופן מובן בין מצבי CSCL מסוימים ולקשר בין הממצאים לבין מגמות כלליות.
    • ניתוח תוכן מציע מידע על אודות התוכן של ההתקשרות בין חברי הרשת.
  • שיטה כמותית - שיטה זו כוללת ניתוחים סטטיסטיים פשוטים המתארים התרחשויות ומאפשרים לזהות את הגישה של חברים פרטיים בקבוצה שחקר רשתות חברתיות לא הצליח לעקוב אחריהם, כדי להתחקות אחרי נטיות כלליות.
    • קובצי לוג אלקטרוניים מספקים מידע על השימוש שעושים הלומדים בכל שיתוף-פעולה.
    • Multidimensional scaling - מנהל מעקב אחרי דמיון שקיים בין משתתפים, כך שיהיה ניתן להניח מידע דומה ביחד.
    • תוכנות – QUEST, Nud*IST, SAMSA (System for Adjacency Matric and Sociogram-bases Analysis)‎


איסוף הנתונים לניתוח רשתות חברתיות

בייחוד כאשר השימוש בחקר רשתות חברתיות נעשה כדי להנחיל שינוי חברתי, קיימים מספר גישות לליקוט מידע ומיפוי רשתות בשיטות השתתפותיות. כאן, המשתתפים ממפים בעצמם את הרשתות על ידי הוספת קשרים ידנית (באמצעות עט ונייר או מחשב). דוגמה לשיטת עט ונייר לאיסוף מידע השתתפותי הוא, שמאפשרת גם איסוף נתונים לגבי תכונות הפרטים (השפעות ומטרות) היא שיטת Net-Map Toolbox. יתרונותיהן של שיטות מסוג זה הן היכולת של החוקרים לאסוף מידע איכותי ולא רק כמותי, וכן לתחקר את המשתתפים לצורך הבהרה.

פוטנציאל רישות חברתי

פוטנציאל רישות חברתית הוא מקדם מספרי שניתן להגיע אליו באמצעות אלגוריתמים, כדי לייצג הן את הגודל של הרשת החברתית של פרט מסוים, והן את היכולת שלו להשפיע על הרשת. מילה נרדפת שקרובה במשמעותה, היא משתמש אלפא, אדם עם מקדם פוטנציאל רישות חברתית גבוה. קיימות שתי פונקציות עיקריות למקדמי פוטנציאל רישות חברתית:

  1. מיון וסיווג הפרטים בהתאם לפוטנציאל שלהם.
  2. שקילת הפרטים במחקרים שיווקיים.

על ידי חישוב הפוטנציאל של משיבים ושיווק ישירות לבעלי מקדם גבוה, החוזק והרלוונטיות של מחקר שיווקי שמשמש לשיווק ויראלי, מוגבר.

משתנים שמשמשים לחישוב מקדם הפוטנציאל כוללים בין היתר: השתתפות בפעילויות ברשת החברתית, חברות בקבוצות, תפקידי מנהיגות, זיהוי, הוצאה לאור\עריכה\תרומה למדיה שאינה אלקטרונית, הוצאה לאור\עריכה\תרומה למדיה אלקטרונית (אתרי מרשתת, בלוגים) ותדירות הפצת מידע בקרב הרשת בעבר. ראשי התיבות SNP) Social Networking Potential) וחלק מהאלגוריתמים הראשונים שנעשה בהם שימוש כדי לכמת את הפוטנציאל של פרט מסוים, תוארו במדריך "חקר הפרסום הולך ומשתנה". ע"ע שיווק ויראלי.[17] הספר הראשון שדן בשימוש המסחרי של משתמשי אלפא בקרב לקוחות טלקומוניקציה היה "3G Marketing" של אהונן, קאספר ומלקו ב-2004. הספר הראשון שדן במשתמשי אלפא באופן יותר נרחב בהקשר של שיווק חברתי היה Communities Dominate Brands (קהילות שולטות במותגים) של קהונן ומור ב-2005. ב-2012 ניקולא גרקו מהקולג' האוניברסיטאי של לונדון העביר שיחת TEDx (אנ') בנושא ההקבלה בין פוטנציאל הרשת החברתית לבין אנרגיה פוטנציאלית שמשתמשים יוצרים ושבה חברות צריכות לעשות שימוש. הוא טען ש-SNP הוא הנכס החדש שכל חברה צריכה לשאוף אליו כמטרה. [18]

ניתוח רשתות חברתיות בישראל

בין החוקרים העוסקים בחקר רשתות חברתיות במוסדות האקדמיים בישראל: פרופ' שיזף רפאלי, ראש מרכז שגיא לחקר האינטרנט באוניברסיטת חיפה; פרופ' דפנה רבן, מרצה בכירה בבית הספר לניהול והחוג לניהול מידע וידע באוניברסיטת חיפה; פרופ' אילן תלמוד, החוג לסוציולוגיה ואנתרופולוגיה באוניברסיטת חיפה, פרופ' ברוך ברזל במחלקה למתמטיקה באוניברסיטת בר-אילן פרופ' גלעד רביד המחלקה להנדסה, תעשייה וניהול, אונ' באר שבע וד"ר עמית רכבי, עמית מחקר במרכז פדרמן לחקר הסייבר אוניברסיטה העברית ובמרכז לחקר האינטרנט באוניברסיטת חיפה.

ראו גם

קישורים חיצוניים

הערות שוליים

  1. ^ Anheier, H.K.; Gerhards, J.; Romo, F.P. (1995). "Forms of capital and social structure of fields: examining Bourdieu's social topography". American Journal of Sociology. 100 (4): 859–903. doi:10.1086/230603.
  2. ^ De Nooy, W (2003). "Fields and networks: Correspondence analysis and social network analysis in the framework of Field Theory". Poetics. 31 (5–6): 305–27. doi:10.1016/s0304-422x(03)00035-4.
  3. ^ Senekal, B. A. 2012. Die Afrikaanse literêre sisteem: ʼn Eksperimentele benadering met behulp van Sosiale-netwerk-analise (SNA), LitNet Akademies 9(3)
  4. ^ Opsahl, Tore; Agneessens, Filip; Skvoretz, John (2010). "Node centrality in weighted networks: Generalizing degree and shortest paths". Social Networks. 32 (3): 245–251. doi:10.1016/j.socnet.2010.03.006. אורכב מ-המקור ב-2018-02-26. נבדק ב-2018-03-23.
  5. ^ Granovetter, M. (1973). The strength of weak ties. American Journal of Sociology. Vol. 78. pp. 1360–1380. doi:10.1086/225469.
  6. ^ Cartwright, D.; Frank Harary (1956). "Structural balance: a generalization of Heider's theory" (PDF). Psychological Review. 63 (5): 277–293. doi:10.1037/h0046049. Link from en:Stanford University.
  7. ^ "Social Network Analysis". Field Manual 3-24: Counterinsurgency (PDF). Headquarters, Department of the Army. pp. B–11 – B–12.
  8. ^ Xu, Guandong; et al. (2010). Web Mining and Social Networking: Techniques and Applications. Springer. p. 25. ISBN 978-1-4419-7734-2.
  9. ^ Hanneman, Robert A.; Riddle, Mark (2011). "Concepts and Measures for Basic Network Analysis". The Sage Handbook of Social Network Analysis. SAGE. pp. 346–347. ISBN 978-1-84787-395-8. {{cite book}}: פרמטר לא ידוע |last-author-amp= (הצעה: |name-list-style=) (עזרה)
  10. ^ Pattillo, Jeffrey; et al. (2011). "Clique relaxation models in social network analysis". In Thai, My T.; Pardalos, Panos M. (eds.). Handbook of Optimization in Complex Networks: Communication and Social Networks. Springer. p. 149. ISBN 978-1-4614-0856-7. {{cite book}}: line feed character ב-|last-author-amp= במיקום 2 (עזרה); פרמטר לא ידוע |last-author-amp= (הצעה: |name-list-style=) (עזרה)
  11. ^ Ivaldi M.; Ferreri L.; Daolio F.; Giacobini M.; Tomassini M.; Rainoldi A. "We-Sport: from academy spin-off to data-base for complex network analysis; an innovative approach to a new technology". J Sports Med and Phys Fitnes. 51 (suppl. 1 to issue 3). The social network analysis was used to analyze properties of the network We-Sport.com allowing a deep interpretation and analysis of the level of aggregation phenomena in the specific context of sport and physical exercise.
  12. ^ "NSA Using Social Network Analysis". 12 במאי 2006. נבדק ב-19 ביולי 2013. {{cite web}}: (עזרה)
  13. ^ "NSA has massive database of Americans' phone calls". 11 במאי 2006. נבדק ב-19 ביולי 2013. {{cite web}}: (עזרה)
  14. ^ Aviv, R.; Erlich, Z.; Ravid, G.; Geva, A. (2003). "Network analysis of knowledge construction in asynchronous learning networks". Journal of Asynchronous Learning Networks. 7 (3). {{cite journal}}: פרמטר לא ידוע |last-author-amp= (הצעה: |name-list-style=) (עזרה)
  15. ^ Johnson, Karen E. (1996-01-01). "Review of The Art of Case Study Research". The Modern Language Journal. 80 (4): 556–557. doi:10.2307/329758. JSTOR 329758.
  16. ^ Martı́nez, A.; Dimitriadis, Y.; Rubia, B.; Gómez, E.; de la Fuente, P. (2003-12-01). "Combining qualitative evaluation and social network analysis for the study of classroom social interactions". Computers & Education. Documenting Collaborative Interactions: Issues and Approaches. 41 (4): 353–368. doi:10.1016/j.compedu.2003.06.001.
  17. ^ (Hrsg.), Sara Rosengren (2013). The Changing Roles of Advertising. Wiesbaden: Springer Fachmedien Wiesbaden GmbH. ISBN 9783658023645. נבדק ב-22 באוקטובר 2015. {{cite book}}: (עזרה)
  18. ^ "technology" "Watch "TEDxMilano - Nicola Greco - on math and social network" Video at TEDxTalks". TEDxTalks.
אוחזר מתוך "https://he.wikipedia.org/w/index.php?title=ניתוח_רשתות_חברתיות&oldid=31989118"