Ego-Netzwerkanalyse – Analyse persönlicher Netzwerke
- Eingeführt von
- Ronald S. Burt (structural holes framework); Peter V. Marsden (egocentric measures)
- Jahr
- 1992 (Burt); foundational measurement formalised by Marsden 2002
- Typ
- Descriptive / relational network analysis
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Die Ego-Netzwerkanalyse untersucht das persönliche Netzwerk einer zentralen Person – des Egos –, indem sie deren direkte Kontakte (Alter) und die Beziehungen dieser Kontakte untereinander abbildet.
Formalisiert durch Ronald Burts Rahmenwerk der strukturellen Löcher (1992) und Marsdens egozentrischen Messansatz (2002), liefert die Methode Indikatoren auf Ego-Ebene wie Netzwerkgröße, Dichte, Constraint und Brokerage-Rolle, die aufzeigen, wie die soziale Position jedes Individuums dessen Zugang zu Informationen, Ressourcen und Einfluss prägt.
Die Intuition hinter der Methode
Stellen Sie sich jede Person im Zentrum eines Beziehungsgeflechts vor. Einige Personen sind gut vernetzte Knotenpunkte, deren Kontakte sich alle untereinander kennen und einen engen Cluster bilden. Andere sitzen zwischen Gruppen, die sonst keinen Kontakt hätten – eine Position, die Burt als strukturelles Loch bezeichnet. Die Brücke über ein strukturelles Loch zu sein, verschafft einer Person einzigartigen Zugang zu vielfältigen Informationen und die Macht, Verbindungen zu vermitteln. Die Ego-Netzwerkanalyse macht diese positionalen Vor- und Nachteile sichtbar und messbar, basierend auf Daten darüber, wen jede Person als Kontakt benennt und ob diese Kontakte einander kennen.
Geschichte
Die theoretische Grundlage der Ego-Netzwerkanalyse wurde von Ronald Burt in „Structural Holes“ (1992) gelegt, das argumentierte, dass Individuen, die unverbundene Gruppen überbrücken, Informations- und Brokerage-Vorteile gegenüber denen haben, die in dichten, redundanten Clustern eingebettet sind. Marsden (2002) systematisierte die egozentrische Messung und klärte, wie Netzwerkgröße, Dichte und Zentralitätsmetriken aus Namensgenerator-Umfragedaten berechnet werden. Der Ansatz baut auf früheren soziologischen Traditionen der persönlichen Netzwerkforschung von Wellman und anderen in den 1970er und 1980er Jahren auf und wurde seitdem durch Software-Ökosysteme wie egor in R erweitert, die die dreiteilige Datenstruktur (Egos, Alter, Alter-Alter-Beziehungen) standardisieren.
Wann wird sie eingesetzt?
Die Ego-Netzwerkanalyse ist geeignet, wenn die Forschungsfrage betrifft, wie die lokale Netzwerkstruktur eines Individuums – und nicht die globale Topologie eines vollständigen Netzwerks – Ergebnisse prägt. Sie passt zu deskriptiven, explorativen und relationalen Studiendesigns und kann binäre, kontinuierliche oder kategoriale Beziehungsattribute verarbeiten, die mittels Umfrage oder Beobachtung erhoben wurden. Die Methode erfordert eine Alter-Liste und Alter-Alter-Beziehungsdaten für jedes Ego; ohne Alter-Alter-Informationen können strukturelle Loch- und Dichtemetriken nicht berechnet werden. Für eine aussagekräftige Analyse sind mindestens etwa 10 Egos erforderlich, und weniger als 20 Egos beschränken die Interpretation auf deskriptive Zusammenfassungen. Für die Netzwerkmetriken selbst gilt keine Normalitätsannahme, obwohl nachfolgende Regressions- oder Korrelationsanalysen eigene Annahmen mit sich bringen.
Grenzen und Hinweise
- Alter-Alter-Beziehungsdaten erhöhen den Umfrageaufwand; Befragte können Verbindungen zwischen ihren Kontakten unter- oder falsch angeben.
- Ego-Netzwerke sind durch das Bewusstsein des Befragten begrenzt – Kontakte außerhalb der kognitiven Karte des Egos sind für die Methode unsichtbar.
- Die Netzwerkgröße ist kognitiv begrenzt (ungefähr 150 Alter gemäß der Dunbar-Zahl), daher werden sehr große persönliche Netzwerke selten vollständig erfasst.
- Umfragebasierte Daten führen zu Repräsentationsverzerrungen: sozial marginalisierte Individuen können systematisch untererfasst werden.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Erfasst die strukturelle Position auf individueller Ebene, ohne vollständige Netzwerkdaten über die gesamte Population zu benötigen.
- Burts Constraint-Index liefert ein theoretisch fundiertes, quantitatives Maß für strukturelle Vorteile, das reale Ergebnisse wie Karrieremobilität und Informationszugang vorhersagt.
- Flexible Datenerhebung: Funktioniert mit Umfrage-Namensgeneratoren, beobachteten Interaktionsprotokollen oder archivierten Kontaktdatensätzen.
- Anwendbar in der Sozial-, Gesundheits-, Organisations- und Wirtschaftsforschung, wo zwischenmenschliche Beziehungen eine Rolle spielen.
Anwendungen
- Untersuchung, wie die Position eines Mitarbeiters in einem innerorganisatorischen Netzwerk den Zugang zu neuen Informationen und den beruflichen Aufstieg vorhersagt.
- Forschung im Bereich der öffentlichen Gesundheit, die untersucht, wie die persönlichen Netzwerke von Patienten oder Gemeindemitgliedern die Änderung von Gesundheitsverhalten erleichtern oder behindern.
- Innovationsforschung, die identifiziert, welche Wissenschaftler oder Unternehmer strukturelle Löcher überbrücken und somit als Wissensbroker zwischen Disziplinen fungieren.
- Politische Soziologie, die untersucht, wie die Netzwerkzusammensetzung von Wählern (parteiische Homophilie versus querverbindende Beziehungen) mit der politischen Meinungsbildung zusammenhängt.
- Entwicklungsökonomie, die bewertet, wie die persönliche Netzwerkstruktur von Landwirten die Technologieadoption und Risikoteilung beeinflusst.
So funktioniert es
So funktioniert es
Persönliche Netzwerkdaten werden für jedes Ego mithilfe eines Namensgenerator-Instruments erhoben – einem Umfrage- oder Beobachtungsprotokoll, das die Befragten auffordert, ihre Kontakte (Alter) aufzulisten und anschließend bewertet, welche Paare dieser Alter miteinander verbunden sind (Alter-Alter-Beziehungen). Diese zweistufige Datenerhebung liefert für jeden Befragten eine Ego-Liste und eine Alter-Alter-Adjazenzmatrix.
Für jedes Ego wird ein Subgraph konstruiert, der den Ego-Knoten plus alle benannten Alter und die Kanten zwischen ihnen umfasst. Dieser Ego-Graph erfasst die lokale Nachbarschaftsstruktur aus der Perspektive der zentralen Person und ist die Maßeinheit für alle nachfolgenden Metriken.
Strukturelle Indikatoren werden für jeden Ego-Graphen berechnet: Netzwerkgröße (Anzahl der Alter), Dichte (Anteil der möglichen Alter-Alter-Beziehungen, die vorhanden sind), Burts Constraint-Index (wie eng die Kontakte des Egos miteinander verbunden sind, was den Zugang zu nicht-redundanten Informationen begrenzt) und Brokerage-Rollen (wie oft das Ego zwischen ansonsten unverbundenen Altern vermittelt). Ein niedriger Constraint-Index deutet auf viele strukturelle Löcher und größere Brokerage-Möglichkeiten hin.
Ego-Level-Metriken werden über Individuen hinweg verglichen oder mit Ergebnisvariablen wie Karrierefortschritt, Informationsvielfalt oder Innovation korreliert. Muster in Größe und Dichte zeigen Kompromisse zwischen Kohäsion und Reichweite auf, während der Constraint-Index den strukturellen Vorteil der Überbrückung unverbundener Cluster quantifiziert. Wenn weniger als 20 Egos verfügbar sind, sind deskriptive Statistiken der geeignete Rückgriff.
Häufige Fallstricke
- Das Sammeln von Alter-Listen ohne Alter-Alter-Beziehungsinformationen macht Dichte und Constraint unmessbar – immer den Alter-Alter-Adjazenzschritt einbeziehen.
- Die Gleichsetzung von Ego-Netzwerkdichte und Constraint ist ein Fehler: Dichte misst die Kohäsion unter den Altern, während Constraint misst, wie stark diese Alter den Zugang des Egos zu neuen Informationen einschränken.
- Die Anwendung von Ego-Netzwerkmetriken auf Netzwerke mit weniger als 10 Knoten pro Ego führt zu instabilen Schätzungen; Ergebnisse nur als explorativ behandeln.
- Ignorieren von Repräsentationsverzerrungen in Namensgenerator-Umfragen – Personen mit niedrigem Status oder isolierte Individuen können kleinere Alter-Listen erstellen, nicht weil ihre Netzwerke kleiner sind, sondern weil die Erinnerungsleistung geringer ist.
Häufig gestellte Fragen
Welche Daten benötige ich, um eine Ego-Netzwerkanalyse durchzuführen?
Sie benötigen zwei Datenebenen für jeden zentralen Befragten (Ego): erstens eine Liste ihrer Kontakte (Alter), die über eine Namensgenerator-Frage erhoben wurde; zweitens Informationen darüber, welche Paare dieser Alter miteinander verbunden sind (Alter-Alter-Beziehungen), typischerweise gesammelt mit einer Namensinterpreter-Nachfrage. Ohne die Alter-Alter-Daten können Sie die Netzwerkgröße messen, aber keine Dichte, Constraint oder strukturellen Löcher berechnen.
Was ist der Constraint-Index und warum ist er wichtig?
Burts Constraint-Index misst, wie eng die Kontakte eines Egos miteinander verbunden sind. Ein hoher Constraint-Wert bedeutet, dass die Alter des Egos alle miteinander verbunden sind, sodass das Ego dieselben Informationen aus mehreren redundanten Quellen erhält und wenig Brokerage-Macht besitzt. Ein niedriger Constraint-Wert deutet auf viele strukturelle Löcher hin – das Ego überbrückt unverbundene Gruppen und gewinnt Informationsvielfalt und Brokerage-Vorteile. Der Index wird mithilfe von Burts Formel über die Adjazenzmatrix des Ego-Graphen berechnet.
Wie unterscheidet sich die Ego-Netzwerkanalyse von der Ganznetzwerkanalyse?
Die Ganznetzwerk-(soziozentrische) Analyse erfordert vollständige relationale Daten über alle Mitglieder einer definierten Population und berechnet globale Metriken wie die Zwischenzentralität über das gesamte Netzwerk. Die Ego-Netzwerkanalyse erfordert nur die lokale Nachbarschaft jedes Befragten – Alter und Alter-Alter-Beziehungen –, was sie für große oder grenzüberschreitende Populationen praktikabel macht, bei denen vollständige Netzwerkdaten nicht praktikabel zu erheben sind. Der Kompromiss besteht darin, dass Ego-Level-Metriken lokal begrenzt sind und die globale Netzwerktopologie nicht aufdecken können.
Was soll ich tun, wenn ich weniger als 20 Egos habe?
Bei weniger als 20 Egos werden Ego-Netzwerkmetriken instabil und inferenzielle Analysen unzuverlässig. Der empfohlene Rückgriff sind deskriptive Statistiken: Berichten Sie Netzwerkgrößen- und Dichteverteilungen als Zusammenfassungen statt als Eingaben für Regressions- oder Vergleichstests, und behandeln Sie die Ergebnisse als explorativ, bis eine größere Stichprobe vorliegt.
Verwandte Methoden
Quellen
Burt, R.S. (1992). Structural Holes: The Social Structure of Competition. Harvard University Press.
ISBN: 9780674843714Kopiert.Marsden, P.V. (2002). Egocentric and Sociocentric Measures of Network Centrality. Social Networks, 24(4), 407-422.
DOI-Referenz öffnenKopiert.