Skip to content
بازگشت به نتایج جست‌وجو

تحلیل شبکه‌های اجتماعی چندلایه‌ای

معرفی‌شده توسط
Kivela, M.; Boccaletti, S. et al.
سال
2014
نوع
Structural network analysis framework
خانواده
Network science

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

تحلیل شبکه‌های اجتماعی چندلایه‌ای، روش‌های کلاسیک شبکه‌های تک‌لایه‌ای را به موقعیت‌هایی تعمیم می‌دهد که در آن‌ها بازیگران از طریق انواع مختلف و مجزای روابط - مانند دوستی، همکاری حرفه‌ای، و تعامل آنلاین - به طور همزمان به هم متصل هستند. با مدل‌سازی هر نوع رابطه به عنوان یک لایه جداگانه و نمایش صریح اتصالات بین لایه‌ها، پیچیدگی ساختاری را که یک شبکه واحد و تجمیع‌شده پنهان می‌کند، درک می‌کند.

شهود پشت روش

در زندگی روزمره، افراد در شبکه‌های هم‌پوشان قرار دارند: یک همکار، دوست، مخاطب توییتر و همکار نویسنده نیز هست. فروکاستن تمام این روابط به یک گراف واحد، اطلاعات مربوط به اینکه کدام روابط در کدام زمینه عمل می‌کنند را از دست می‌دهد. تحلیل چندلایه‌ای با چیدن انواع روابط به عنوان لایه‌ها و پیوند دادن گره هر فرد در بین لایه‌ها، این تمایزات را حفظ می‌کند. این امر به پژوهشگران اجازه می‌دهد تا سوالاتی مانند این را بپرسند: کدام بازیگران در هر لایه مرکزی هستند، یا چگونه نفوذ از یک نوع رابطه به نوع دیگر منتشر می‌شود؟

تاریخ

چارچوب ریاضی رسمی برای شبکه‌های چندلایه‌ای در دو مقاله تأثیرگذار در سال 2014 توسط Kivela et al. و Boccaletti et al. تثبیت شد که کارهای قبلی بر روی شبکه‌های چندوجهی، شبکه‌های وابسته و مدل‌های شبکه-از-شبکه‌ها را یکپارچه کرد. این رویکرد از فیزیک و علوم پیچیدگی نشأت گرفت و از آن زمان به طور گسترده در جامعه‌شناسی، تحقیقات سازمانی، مطالعات ارتباطات و اپیدمیولوژی پذیرفته شده است، جایی که انواع روابط متعدد به جای استثنا، قاعده هستند.

چه زمانی استفاده شود

هنگامی از تحلیل شبکه‌های اجتماعی چندلایه‌ای استفاده کنید که بازیگران در چندین نوع رابطه کیفی متمایز قرار دارند و شما معتقدید که آن‌ها اثرات ساختاری مستقلی دارند، و زمانی که فروکاستن آن‌ها به یک گراف واحد، تنوع مهم را پنهان می‌کند. این روش برای مجموعه داده‌هایی با هویت‌های لایه مشخص مناسب است - به عنوان مثال، روابط آنلاین در مقابل آفلاین، شبکه‌های دوستی در مقابل شبکه‌های مشاوره، یا ارتباطات بین پلتفرمی. شبکه‌های اجتماعی تک‌لایه‌ای را ترجیح دهید زمانی که فقط یک نوع رابطه اندازه‌گیری می‌شود، زمانی که مجموعه داده بسیار کوچک است (کمتر از حدود 30 گره)، یا زمانی که سوال تحقیق به تمایز انواع روابط بستگی ندارد. این روش به نرم‌افزاری نیاز دارد که از اشیاء گراف چندلایه‌ای پشتیبانی کند (به عنوان مثال، MuxViz، R igraph با ویژگی‌های لایه، ابزارهای مبتنی بر NetworkX) و آشنایی پژوهشگر با مفاهیم مرکزیت چندلایه‌ای.

محدودیت‌ها و ملاحظات

  • به داده‌های کامل یا تقریباً کامل در تمام لایه‌ها نیاز دارد؛ از دست دادن یک لایه، سوگیری سیستماتیک ایجاد می‌کند.
  • هزینه محاسباتی با تعداد لایه‌ها و گره‌ها افزایش می‌یابد و تحلیل شبکه‌های چندلایه‌ای بسیار بزرگ را پرهزینه می‌کند.
  • تفسیر پیچیده‌تر از تحلیل شبکه‌های اجتماعی تک‌لایه‌ای است؛ انتقال نتایج به مخاطبان غیر فنی نیازمند دقت است.
  • استانداردهای نرم‌افزاری و گزارش‌دهی هنوز در مقایسه با تحلیل شبکه‌های اجتماعی کلاسیک در حال بلوغ هستند.
  • شبکه‌های کوچک (کمتر از حدود 30 گره) اغلب تخمین‌های مرکزیت و جامعه ناپایدار در محیط چندلایه‌ای تولید می‌کنند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • پیچیدگی کامل زندگی اجتماعی را با حفظ انواع روابط متمایز به جای مسطح کردن آن‌ها، درک می‌کند.
  • امکان مقایسه موقعیت‌های ساختاری در بین لایه‌ها را فراهم می‌کند و بازیگرانی را آشکار می‌سازد که در برخی زمینه‌ها مرکزی و در برخی دیگر حاشیه‌ای هستند.
  • تشخیص جامعه در بین لایه‌ها، گروه‌بندی‌های اجتماعی قوی را شناسایی می‌کند که در چندین نوع رابطه باقی می‌مانند.
  • معیارهای اتصال بین لایه‌ای، میزان هم‌تعیینی قوی زمینه‌های مختلف رابطه را در موقعیت اجتماعی تعیین می‌کنند.
  • به انواع زمانی و جهت‌دار قابل تعمیم است و آن را برای طیف گسترده‌ای از سوالات علوم اجتماعی قابل استفاده می‌کند.

کاربردها

  • تحقیقات سازمانی که همزمان روابط مشاوره، دوستی و گزارش‌دهی را در بین کارکنان بررسی می‌کند.
  • مطالعات شبکه‌های اجتماعی آنلاین-آفلاین که تعاملات خاص پلتفرم را به روابط رو در رو پیوند می‌دهد.
  • مدل‌سازی اپیدمیولوژیک انتشار بیماری در بین لایه‌های تماس همکار، خانوار و حمل و نقل.
  • تحقیقات علوم سیاسی در مورد شکل‌گیری ائتلاف در بین شبکه‌های قانون‌گذاری، رسانه‌ای و لابی‌گری.
  • مطالعات علم علم که لایه‌های هم‌نویسندگی، استناد و وابستگی سازمانی را ترکیب می‌کند.
  • مطالعات ارتباطات که انتشار اطلاعات را در چندین پلتفرم رسانه اجتماعی به طور همزمان ردیابی می‌کند.

چگونه کار می‌کند

چگونه کار می‌کند

1

هر نوع رابطه اجتماعی متمایز به عنوان یک لایه جداگانه کدگذاری می‌شود: گرافی که گره‌های آن مجموعه‌ای از بازیگران یکسان هستند اما یال‌های آن فقط آن نوع رابطه را منعکس می‌کنند. لایه‌ها می‌توانند کانال‌های ارتباطی، برش‌های زمانی، یا انواع روابط کیفی متفاوت مانند جستجوی مشاوره در مقابل حمایت عاطفی را نشان دهند.

2

یال‌هایی که اتصالات بین لایه‌ای نامیده می‌شوند، نمایش هر بازیگر را در بین لایه‌ها به هم متصل می‌کنند و این واقعیت را مدل می‌کنند که همان فرد در چندین زمینه رابطه شرکت می‌کند. اتصال می‌تواند طبقه‌بندی شده باشد (همان بازیگر، لایه متفاوت) یا وزن‌دار باشد تا قدرت وابستگی بین لایه‌ای را منعکس کند.

3

معیارهای استاندارد مرکزیت - درجه، بینابینی، ویژه - به محیط چندلایه‌ای تعمیم داده می‌شوند و امتیازات خاص لایه و تجمیعی را تولید می‌کنند. معیارهایی مانند PageRank چندلایه‌ای یا تطبیق‌پذیری، امکان مقایسه اهمیت گره در کل سیستم را به جای درون هر لایه منفرد فراهم می‌کنند.

4

الگوریتم‌های تشخیص جامعه که برای شبکه‌های چندلایه‌ای تطبیق داده شده‌اند، گروه‌هایی از بازیگران را شناسایی می‌کنند که به طور متراکم در جوامع مشابه در چندین لایه به طور همزمان متصل هستند. این نشان می‌دهد که آیا گروه‌بندی‌های اجتماعی در انواع روابط سازگار هستند یا بر اساس زمینه پراکنده شده‌اند.

5

نتایج هم در سطح لایه و هم در کل سیستم چندلایه‌ای تفسیر می‌شوند. پژوهشگران بررسی می‌کنند که کدام لایه‌ها ساختار کلی شبکه را هدایت می‌کنند، بازیگرانی را که لایه‌ها را به هم پیوند می‌دهند شناسایی می‌کنند و آزمایش می‌کنند که آیا الگوهای قابل مشاهده در یک لایه در لایه‌های دیگر تکرار می‌شوند یا خیر.

دام‌های رایج

  • انتخاب لایه‌ها را بی‌اهمیت تلقی کردن - تعریف لایه یک تصمیم نظری موضوعی است که تمام نتایج بعدی را شکل می‌دهد.
  • نادیده گرفتن قدرت اتصال بین لایه‌ای و فرض استقلال بین لایه‌ها بدون توجیه تجربی.
  • استفاده از مرکزیت تجمیعی (فروکاسته شده) به عنوان تنها نتیجه و حذف تحلیل خاص لایه.
  • عدم تمایز بین شبکه‌های چندوجهی (همان گره‌ها، انواع یال متفاوت) و شبکه‌های چندسطحی (گره‌ها در سطوح سلسله مراتبی متفاوت)، که نیازمند مدل‌های متفاوتی هستند.
  • گزارش تخصیص جوامع بدون اعتبارسنجی پایداری از طریق آزمون‌های جایگشت یا بررسی‌های استحکام.

پرسش‌های متداول

تفاوت بین شبکه چندلایه‌ای و چندوجهی چیست؟

یک شبکه چندوجهی مورد خاصی از یک شبکه چندلایه‌ای است که در آن همان مجموعه گره‌ها در هر لایه ظاهر می‌شوند و اتصالات بین لایه‌ای هر گره را فقط به همتای خود در لایه‌های دیگر متصل می‌کنند. شبکه‌های چندلایه‌ای کلی‌تر هستند و مجموعه‌های گره متفاوتی را در هر لایه و اتصالات دلخواه بین لایه‌ای مجاز می‌دانند.

از چه نرم‌افزاری می‌توانم برای تحلیل شبکه‌های اجتماعی چندلایه‌ای استفاده کنم؟

MuxViz رابط گرافیکی برای تجسم و مرکزیت چندلایه‌ای ارائه می‌دهد. بسته‌های R مانند igraph و multinet، و همچنین کتابخانه‌های پایتون مانند pymnet، ساخت و تحلیل شبکه‌های چندلایه‌ای را به صورت برنامه‌نویسی پشتیبانی می‌کنند.

چگونه تصمیم بگیرم کدام لایه‌ها را شامل کنم؟

انتخاب لایه باید توسط نظریه هدایت شود: فقط انواع روابطی را که از نظر مفهومی متمایز و مرتبط با سوال تحقیق هستند، شامل کنید. افزودن لایه‌های اضافی یا همبسته به ندرت بینش را بهبود می‌بخشد و پیچیدگی تحلیلی را افزایش می‌دهد.

آیا تحلیل شبکه‌های اجتماعی چندلایه‌ای می‌تواند داده‌های ناقص در یک لایه را مدیریت کند؟

می‌توان با وزن‌دهی لایه‌ها یا استفاده از استراتژی‌های جایگزینی، ناقصی جزئی را در نظر گرفت، اما غیبت سیستماتیک یک لایه کامل برای زیرمجموعه‌ای از بازیگران، سوگیری ایجاد می‌کند. تحلیل‌های حساسیت که بازیگران یا لایه‌های مشکل‌ساز را حذف می‌کنند، به شدت توصیه می‌شوند.

آیا مرکزیت چندلایه‌ای در مطالعات مختلف قابل مقایسه است؟

مستقیماً نه، زیرا مقادیر مرکزیت به تعداد و نوع لایه‌های گنجانده شده بستگی دارد. همیشه ساختار لایه را در کنار مقادیر مرکزیت گزارش دهید و رتبه‌بندی‌های نسبی را به جای امتیازات خام در مطالعات مختلف مقایسه کنید.

روش‌های مرتبط

منابع

  1. Kivela, M., Arenas, A., Barthelemy, M., Gleeson, J. P., Moreno, Y., & Porter, M. A. (2014). Multilayer networks. Journal of Complex Networks, 2(3), 203–271.

    باز کردن مرجع DOI
    کپی شد.
  2. Boccaletti, S., Bianconi, G., Criado, R., del Genio, C. I., Gomez-Gardenes, J., Romance, M., Sendina-Nadal, I., Wang, Z., & Zanin, M. (2014). The structure and dynamics of multilayer networks. Physics Reports, 544(1), 1–122.

    باز کردن مرجع DOI
    کپی شد.