Analiza rețelelor sociale

Obiective de învățare

Rezultatele învățării

1. Formularea întrebărilor de cercetare relaționale și alegerea între designul de rețea completă și cel de rețele personale.
2. Delimitarea rețelei și construirea instrumentelor de colectare a datelor relaționale.
3. Calcularea și interpretarea sociologică a indicatorilor de centralitate, coeziune și structură.
4. Alegerea metodelor de inferență potrivite pentru date care nu sunt independente.
5. Identificarea problemelor etice specifice datelor de rețea.

Studiu de caz

Exemplu de lucru folosit în toate secțiunile

Exemplul este ipotetic, iar rețeaua și valorile prezentate sunt ilustrative.

Perspectiva relațională

Relațiile, nu atributele, ca unitate de analiză

Analiza clasică pe variabile explică rezultatele prin atributele indivizilor (vârstă, educație, venit). Analiza rețelelor adaugă poziția în structura relațiilor: două persoane cu aceleași atribute pot avea șanse diferite în funcție de cine cunosc și de cum sunt conectate cunoștințele lor.

Idei teoretice de bază

Tipuri de design

Rețea completă, rețele personale sau rețele de afiliere

Delimitarea rețelei

Într-o rețea completă, decizia despre cine face parte din rețea determină rezultatele (Laumann, Marsden & Prensky, 1983). Criteriile pot fi poziționale (membrii formali ai unei organizații), relaționale (cei legați de un nucleu inițial) sau bazate pe participare (cei care au postat cel puțin o dată într-o perioadă dată). În studiul de caz, rețeaua include membrii care au postat sau au comentat cel puțin de trei ori în șase luni; criteriul se justifică și se testează prin variante alternative.

Colectarea datelor relaționale

Instrumente de anchetă și surse de date existente

Generatorul și interpretorul de nume

În anchetele de rețele personale, generatorul de nume cere respondentului să numească persoanele cu care are un anumit tip de relație. Interpretorii de nume colectează apoi informații despre fiecare persoană numită și despre relația cu ea.

Formularea generatorului determină tipul de rețea obținut: „cu cine discutați lucruri importante” produce o rețea de apropiere; „cine v-a ajutat să găsiți un loc de muncă” produce o rețea instrumentală.

Alte instrumente

• Generatorul de poziții (Lin & Dumin, 1986): respondentul indică dacă cunoaște pe cineva într-o listă de ocupații. Măsoară accesul la resurse prin rețea, fără a enumera persoane.
• Generatorul de resurse (Van der Gaag & Snijders, 2005): respondentul indică dacă cunoaște pe cineva care îl poate ajuta cu anumite resurse (de ex., traducerea unui document, sfaturi juridice).
• Lista de nume (roster): în rețelele complete mici (o clasă, un departament), fiecare membru primește lista celorlalți și indică relațiile.
• Datele existente: interacțiuni pe platforme (răspunsuri, mențiuni), coautorat, consilii de administrație, schimburi comerciale.

Reprezentarea datelor

Matricea de adiacență și lista de legături

Aceeași rețea, două reprezentări. Matricea este utilă pentru calcule, iar lista de legături este formatul obișnuit de stocare, mai ales pentru rețele mari, în care majoritatea celulelor matricei ar fi zero.

Caracteristicile legăturilor

• Orientare: neorientate (colaborare, prietenie reciprocă) sau orientate (A răspunde lui B, A cere sfat de la B).
• Pondere: binare (există / nu există) sau ponderate (numărul de răspunsuri, frecvența contactului).
• Multiplexitate: mai multe tipuri de relații între aceiași actori (rudenie, muncă, locuință comună).

Indicatori la nivel de nod

Poziția fiecărui actor în rețea

Indicatori la nivel de rețea

Structura de ansamblu

Homofilia

Tendința actorilor de a se lega de alții asemănători lor (după vârstă, educație, origine, ocupație) este una dintre cele mai robuste regularități sociale (McPherson, Smith-Lovin & Cook, 2001). În studiul de caz, se poate verifica dacă membrii comunității interacționează mai ales cu cei din aceeași regiune de origine sau din același domeniu profesional.

Rețea interactivă

Indicatori calculați pe o rețea din studiul de caz

Rețeaua de mai jos reprezintă zece membri activi ai comunității online. O legătură înseamnă că doi membri și-au răspuns reciproc de cel puțin trei ori. Membrii sunt grupați în două subgrupuri profesionale: construcții și logistică (stânga) și îngrijire și sănătate (dreapta). Se poate selecta un nod sau un indicator.

Indicatorii sunt calculați direct în pagină: gradul ca număr de legături, intermedierea normalizată pentru rețele neorientate, apropierea ca (N − 1) împărțit la suma distanțelor. Așezarea nodurilor în desen este aleasă pentru claritate și nu are semnificație analitică.

Analiza rețelelor personale

Capitalul social măsurat prin compoziția și structura rețelei

Rețelele personale se descriu prin trei familii de indicatori:

• Mărimea: numărul de alteri numiți.
• Compoziția: proporția rudelor, a co-naționalilor, a persoanelor cu studii superioare; eterogenitatea alterilor.
• Structura: densitatea legăturilor dintre alteri, constrângerea, numărul de componente după eliminarea lui ego.

Pentru analiza statistică, datele de rețele personale au o structură ierarhică: alterii sunt grupați în ego. Se pot folosi indicatori agregați la nivelul lui ego (într-o regresie obișnuită) sau modele multinivel cu relațiile ego–alter ca observații (Tema 2).

Inferența statistică pentru date de rețea

De ce testele obișnuite nu sunt valabile

Observațiile dintr-o rețea nu sunt independente: legătura dintre A și B depinde de legăturile lui A și B cu alți actori. Testele statistice obișnuite subestimează erorile standard și produc rezultate semnificative în mod înșelător. Există metode dezvoltate special:

Rețele construite din date digitale

Avantaje și precauții

Platformele digitale produc automat date relaționale: răspunsuri, mențiuni, distribuiri, urmăriri. Rețelele construite din aceste date au avantajul dimensiunii și al preciziei temporale, dar ridică probleme specifice:

• Semnificația legăturii: o distribuire poate exprima acord, critică sau ironie. Tipul de relație se stabilește prin analiza conținutului, nu se presupune.
• Definițiile platformei: ce înseamnă „prieten” sau „urmăritor” diferă între platforme și se schimbă în timp.
• Conturile automate: conturile automatizate și cele coordonate pot distorsiona indicatorii de centralitate.
• Accesul la date: condițiile de acces la datele platformelor s-au restrâns (Tema 5, secțiunea 12).
• Delimitarea: o rețea construită pe baza unui cuvânt-cheie sau a unui hashtag include doar utilizatorii care l-au folosit.

Etica datelor de rețea

Probleme care nu apar în anchetele obișnuite

• Persoanele care nu au consimțit: un respondent oferă informații despre alteri care nu participă la studiu și nu și-au dat acordul. Informațiile despre alteri se limitează la cele necesare și nu se colectează date de identificare.
• Anonimizarea dificilă: într-o rețea completă, poziția structurală poate identifica o persoană chiar fără nume (de exemplu, singurul nod care leagă două subgrupuri).
• Vizualizările: un grafic de rețea publicat într-o teză poate permite membrilor grupului să se recunoască pe ei și pe alții. Se folosesc vizualizări agregate sau se elimină atributele care permit identificarea.
• Consecințele pentru participanți: în organizații, rezultatele pot fi folosite pentru decizii despre persoane (Borgatti & Molina, 2003). Utilizarea rezultatelor se stabilește înainte de colectare.

Capcane frecvente în tezele de doctorat

Listă de verificare

Software

Instrumente pentru colectare, calcul, modelare și vizualizare

Idei principale

• Analiza rețelelor explică rezultatele prin poziția în structura relațiilor, nu doar prin atributele indivizilor.
• Designul decurge din întrebare: rețea completă pentru structura unui grup delimitat, rețele personale pentru capital social pe eșantioane mari.
• Delimitarea rețelei și definirea legăturii sunt decizii teoretice care determină rezultatele.
• Indicatorii se aleg în funcție de mecanism: intermedierea pentru control asupra informației, densitatea pentru încredere și norme.
• Datele de rețea nu sunt independente; inferența cere QAP, ERGM sau SAOM.
• Anonimizarea este dificilă, deoarece poziția în rețea poate identifica persoana.

Glosar

Bibliografie

Lecturi recomandate

1. Borgatti, S. P., Everett, M. G., & Johnson, J. C. (2018). Analyzing social networks (ed. a 2-a). Sage.
2. Granovetter, M. S. (1973). The strength of weak ties. American Journal of Sociology, 78(6), 1360–1380. doi.org/10.1086/225469
3. McPherson, M., Smith-Lovin, L., & Cook, J. M. (2001). Birds of a feather: Homophily in social networks. Annual Review of Sociology, 27, 415–444. doi.org/10.1146/annurev.soc.27.1.415

Referințe

1. Borgatti, S. P., & Molina, J. L. (2003). Ethical and strategic issues in organizational social network analysis. The Journal of Applied Behavioral Science, 39(3), 337–349. doi.org/10.1177/0021886303258111
2. Burt, R. S. (1992). Structural holes: The social structure of competition. Harvard University Press.
3. Coleman, J. S. (1988). Social capital in the creation of human capital. American Journal of Sociology, 94, S95–S120. doi.org/10.1086/228943
4. Krackhardt, D. (1988). Predicting with networks: Nonparametric multiple regression analysis of dyadic data. Social Networks, 10(4), 359–381. doi.org/10.1016/0378-8733(88)90004-4
5. Laumann, E. O., Marsden, P. V., & Prensky, D. (1983). The boundary specification problem in network analysis. În R. S. Burt & M. J. Minor (Eds.), Applied network analysis (pp. 18–34). Sage.
6. Lin, N., & Dumin, M. (1986). Access to occupations through social ties. Social Networks, 8(4), 365–385. doi.org/10.1016/0378-8733(86)90003-1
7. Massey, D. S., Arango, J., Hugo, G., Kouaouci, A., Pellegrino, A., & Taylor, J. E. (1993). Theories of international migration: A review and appraisal. Population and Development Review, 19(3), 431–466. doi.org/10.2307/2938462
8. Robins, G., Pattison, P., Kalish, Y., & Lusher, D. (2007). An introduction to exponential random graph (p*) models for social networks. Social Networks, 29(2), 173–191. doi.org/10.1016/j.socnet.2006.08.002
9. Snijders, T. A. B., van de Bunt, G. G., & Steglich, C. E. G. (2010). Introduction to stochastic actor-based models for network dynamics. Social Networks, 32(1), 44–60. doi.org/10.1016/j.socnet.2009.02.004
10. Van der Gaag, M., & Snijders, T. A. B. (2005). The Resource Generator: Social capital quantification with concrete items. Social Networks, 27(1), 1–29. doi.org/10.1016/j.socnet.2004.10.001
11. Wasserman, S., & Faust, K. (1994). Social network analysis: Methods and applications. Cambridge University Press.