Skip to content
検索結果に戻る

ソーシャルネットワーク分析

提唱者
Moreno, J.L.; formalized by Wasserman & Faust
年
1934 (sociometry); 1994 (modern formalization)
種類
Structural/relational analysis framework
系統
Network science

この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む

文字サイズ

何をする手法か?

ソーシャルネットワーク分析(SNA)は、人、グループ、組織、またはその他のエンティティ間の関係とフローをマッピングおよび測定する構造的手法であり、これらはノードとしてモデル化され、タイ(エッジ)によって接続されます。SNAは個々の属性に焦点を当てるのではなく、接続のパターンがシステム内の行動、影響力、情報フロー、および結果をどのように形成するかを明らかにします。

手法の背後にある直感

伝統的な研究では、単位(人、組織)を独立したケースとして扱います。SNAは、それらの間の接続を主要な分析単位として扱います。誰とつながっているか、そして関係性のウェブの中でどれだけ中心的な位置にいるかが、受け取る情報、持つ影響力、そして自分の周りにグループが形成されるかどうかを形作ります。ネットワークの地図を描くことで、研究者は目に見えない構造、すなわち、切断されたクラスターを結びつけるブローカー、影響力のあるハブ、孤立した周辺部、そしてエコーチェンバーとして機能する緊密なコミュニティを見ることができます。

歴史学

ソーシャルネットワーク分析は、1930年代のヤコブ・モレノのソシオメトリーとゲオルク・ジンメルの関係社会学に端を発します。グラフ理論的基礎は、1950年代から1970年代にかけてバベラス、ハラリーらが開発しました。この分野は、ワッサーマンとファウストの画期的な1994年の教科書と、ジャーナル『Social Networks』の創刊によって確立されました。2000年以降のオンラインプラットフォームとデジタル痕跡データの台頭は爆発的な成長を促し、SNAを計算社会科学の中核的な手法としました。

使うべき場面

研究課題が本質的に関係性に関するものであり、接続、フロー、または構造的位置が結果をどのように形成するかについてであり、かつ関係データ(行為者間のタイ)を収集または再構築できる場合にSNAを使用します。情報拡散、コラボレーションパターン、影響力ヒエラルキー、組織構造、引用ネットワーク、社会的凝集性の研究に適しています。属性データのみ(タイデータなし)の場合、ネットワーク境界を合理的に定義できない場合、意味のある指標を得るにはサンプルが疎すぎる場合、または研究課題が関係構造ではなく個人レベルの属性に関するものである場合にはSNAを使用しないでください。

限界と注意点

  • ネットワーク境界の特定は重要であり、しばしば理論的に曖昧である。
  • 関係データの収集は負担が大きい。調査ベースの名前生成は想起バイアスと無回答の問題を抱える。
  • 多くのSNA指標は完全なネットワークデータを前提としており、欠損したタイは中心性推定を歪める。
  • 標準的なSNA指標はノードを独立しているものとして扱い、古典的な統計検定に必要な独立性の仮定に違反する。
  • 大規模なネットワークには、計算リソースと専門ソフトウェア(例:igraph、NetworkX、Gephi)が必要である。

出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。

強み

  • 属性ベースの手法では見えない、仲介、凝集性、中心性といった構造的現象を捉える。
  • 社会、組織、書誌計量、生物、デジタルネットワークなど、多様な領域に適用可能。
  • 豊富な指標とモデル群により、記述的分析と推論的分析の両方が可能。
  • 複雑な構造を直感的に伝える視覚化ツールと自然に統合される。
  • 小規模(調査ベース)および非常に大規模(計算ベース)なネットワークの両方に適用可能。
  • 動的または多層ネットワークのための縦断的および多層的拡張と互換性がある。

応用

  • 組織内のコミュニケーションおよび知識共有ネットワークのマッピング。
  • 情報拡散研究における影響力のある拡散者とボトルネックの特定。
  • 科学計量学における書誌計量および共著ネットワーク分析。
  • オンラインソーシャルプラットフォームおよびデジタル痕跡データにおけるコミュニティ検出。
  • 疫学的な接触者追跡および疾病伝播モデリング。
  • サプライチェーンおよび組織間依存関係のマッピング。

使い方

使い方

1

研究者は、ネットワークの境界(どの行為者が含まれるか)と研究するタイの種類(友情、共同作業、引用、助言の探索、情報交換)を特定します。この概念的な決定は実質的なものです。異なるタイの定義は、同じ行為者であっても構造的に異なるネットワークを生成します。

2

関係データは、調査(名簿ベースまたは自由想起名生成)、アーカイブ記録(共著、電子メールログ、取引データ)、または直接観察を通じて収集されます。結果は、多くの場合、タイの重みやタイムスタンプを伴う順序付けられたペアまたは順序付けられていないペアのリストです。

3

タイと行為者はグラフ G = (V, E) としてエンコードされます。ここで、V はノードのセット、E はエッジのセットです。グラフは無向または有向、二値または重み付きである場合があります。隣接行列またはエッジリストは、その後のすべての計算への入力となります。

数式
G = (V, E) \text{ where } V = \text{nodes}, E = \text{edges}
4

ノードレベルの指標(次数、媒介中心性、近接中心性、固有ベクトル中心性、クラスタリング係数)は、各行為者の構造的位置を特徴づけるために計算されます。グラフレベルの指標(密度、直径、平均経路長、推移性)は、グローバルなネットワーク特性を記述します。

5

コミュニティ検出アルゴリズム(例:Louvain、Girvan-Newman)またはブロックモデリングはサブグループを特定します。ERGMまたはQAP回帰は、タイ形成に関する仮説を検証します。コア・ペリフェリー分解および二部グラフ分解は、マクロレベルの構造を明らかにします。

6

構造的発見は、実質的な問いに照らして解釈されます。高い媒介中心性は仲介またはゲートキーピングを示す可能性があり、密なクラスターは凝集性または冗長性を示す可能性があります。視覚化(力指向型レイアウト、コード図)は結果の伝達を助けます。

よくある落とし穴

  • 境界とタイの定義が研究課題と一致していることを検証せずに、指標値(例:媒介中心性)を意味のあるものとして扱うこと。
  • 二項間の依存関係を考慮せずに、ネットワークデータに通常の回帰を適用すること(代わりにQAP、ERGM、または多層モデルを使用する)。
  • 視覚化の美学を、実際の距離や重要性を反映しているものとして解釈すること(力指向型レイアウトにおけるノード配置は任意である)。
  • 理論的根拠なしに、密度を凝集性と、中心性を重要性と混同すること。
  • 欠損データを無視すること:10〜20%の欠損したタイでも、中心性ランキングを大幅に変更する可能性がある。

よくある質問

意味のあるSNAを行うための最小ネットワークサイズはどれくらいですか?

厳密な最小値はありませんが、非常に小さなネットワーク(ノード数が約15未満)では、中心性ランキングが不安定になり、単一のタイの変化に敏感になります。記述的SNAは小さなネットワークでも機能しますが、ERGMのような推論的手法は、安定した推定値を得るために、より大きなネットワーク(通常30以上のノード)を必要とします。

不完全なネットワークデータやサンプリングされたネットワークデータでSNAを使用できますか?

欠損したタイは妥当性に対する深刻な脅威です。戦略としては、感度分析、リンク予測による補完、または完全なネットワークデータを必要としないエゴネットワーク設計などがあります。欠損の程度を報告し、主要な結論のロバスト性をテストしてください。

異なる中心性指標の中からどのように選択すればよいですか?

選択は理論的に動機づけられるべきです。次数中心性は直接的な活動や露出を捉え、媒介中心性は仲介とフローの制御を捉え、近接中心性は他者に到達する速度を捉え、固有ベクトル中心性は高ステータスのつながりを通じた影響力を捉えます。それぞれが異なる構造的問いに答えます。

SNAで統計的に仮説を検証するにはどうすればよいですか?

標準的な回帰は独立性の仮定に違反します。タイレベルの仮説には順列ベースの手法(QAP相関および回帰)を、ネットワークレベルの構造的仮説には指数ランダムグラフモデル(ERGMs)を使用してください。縦断データには、確率的行為者ベースモデル(SAOMs)が適切です。

視覚化は分析と同じですか?

いいえ。ネットワーク視覚化はコミュニケーションツールであり、力指向型アルゴリズムにおけるノード配置は、構造的重要性ではなく美的基準によって決定されます。常に視覚化とともに定量的指標を報告してください。

関連する手法

参考文献

  1. Wasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press.

    ISBN:978-0-521-38707-1
    コピーしました。
  2. Scott, J. (2017). Social Network Analysis (4th ed.). SAGE Publications.

    ISBN:978-1-4739-5515-1
    コピーしました。