Многослойный анализ социальных сетей
- Автор метода
- Kivela, M.; Boccaletti, S. et al.
- Год
- 2014
- Тип
- Structural network analysis framework
- Семейство
- Network science
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Многослойный анализ социальных сетей расширяет классические методы анализа однослойных сетей на ситуации, где акторы связаны одновременно через несколько различных типов отношений — таких как дружба, профессиональное сотрудничество и онлайн-взаимодействие.
Моделируя каждый тип отношений как отдельный слой и явно представляя связи между слоями, этот метод улавливает структурную сложность, которую скрыл бы один агрегированный граф.
Интуиция метода
В повседневной жизни люди встроены в перекрывающиеся сети: коллега является также другом, контактом в Твиттере и соавтором. Сведение всех этих связей в один граф приводит к потере информации о том, какие связи действуют в каком контексте. Многослойный анализ сохраняет эти различия, располагая типы отношений как слои и связывая узел каждого человека между слоями. Это позволяет исследователям задавать такие вопросы, как: какие акторы являются центральными в каждом слое, или как влияние распространяется от одного типа связи к другому?
История
Формальная математическая основа для многослойных сетей была консолидирована в двух влиятельных работах 2014 года Кивелы и др. и Боккалетти и др., которые объединили более ранние работы по мультиплексным сетям, взаимозависимым сетям и моделям «сеть сетей». Подход вырос из физики и науки о сложности и с тех пор был широко принят в социологии, организационных исследованиях, коммуникационных исследованиях и эпидемиологии, где множественные типы отношений являются нормой, а не исключением.
Когда применять
Используйте многослойный анализ социальных сетей, когда акторы встроены в несколько качественно различных типов отношений, которые, по вашему мнению, имеют независимые структурные эффекты, и когда их сведение в один граф скрыло бы важные различия. Он подходит для наборов данных с четкими идентификаторами слоев — например, онлайн- и офлайн-связи, сети дружбы или сети поиска совета, или кроссплатформенная коммуникация. Предпочитайте однослойный АСН, когда измеряется только один тип отношений, когда набор данных очень мал (менее примерно 30 узлов), или когда исследовательский вопрос не зависит от различения типов связей. Метод требует программного обеспечения, поддерживающего многослойные объекты графов (например, MuxViz, R igraph с атрибутами слоев, инструменты на основе NetworkX) и знакомства исследователя с концепциями многослойной центральности.
Ограничения и замечания
- Требует полных или почти полных данных по всем слоям; отсутствие одного слоя вносит систематическую ошибку.
- Вычислительная стоимость растет с увеличением числа слоев и узлов, что делает анализ очень больших многослойных сетей дорогостоящим.
- Интерпретация сложнее, чем в однослойном АСН; донесение результатов до нетехнической аудитории требует осторожности.
- Стандартизированное программное обеспечение и конвенции отчетности все еще развиваются по сравнению с классическим АСН.
- Небольшие сети (менее ~30 узлов) часто дают нестабильные оценки центральности и сообществ в многослойной постановке.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Улавливает полную сложность социальной жизни, сохраняя различные типы отношений вместо их упрощения.
- Позволяет сравнивать структурные позиции между слоями, выявляя акторов, которые центральны в одних контекстах, но периферийны в других.
- Обнаружение сообществ между слоями идентифицирует устойчивые социальные группы, которые сохраняются в различных типах отношений.
- Метрики межслойных связей количественно оценивают, насколько сильно различные контексты отношений совместно определяют социальную позицию.
- Расширяется на временные и направленные варианты, что делает его применимым к широкому кругу вопросов социальных наук.
Применение
- Организационные исследования, одновременно изучающие сети поиска совета, дружбы и отчетности среди сотрудников.
- Исследования онлайн- и офлайн-социальных сетей, связывающие взаимодействие на конкретных платформах с личными отношениями.
- Эпидемиологическое моделирование распространения заболеваний через слои контактов на работе, в семье и транспорте.
- Исследования в области политологии по формированию коалиций в законодательных, медийных и лоббистских сетях.
- Исследования науки о науке, объединяющие слои соавторства, цитирования и институциональной принадлежности.
- Исследования в области коммуникаций, отслеживающие распространение информации через несколько платформ социальных сетей одновременно.
Как это работает
Как это работает
Каждый отдельный тип социальных отношений кодируется как отдельный слой: граф, узлы которого представляют собой один и тот же набор акторов, но ребра которого отражают только этот тип отношений. Слои могут представлять каналы связи, временные срезы или качественно различные типы связей, такие как поиск совета или эмоциональная поддержка.
Ребра, называемые межслойными связями (interlayer couplings), соединяют представление каждого актора между слоями, моделируя тот факт, что один и тот же человек участвует в нескольких контекстах отношений. Связь может быть категориальной (один и тот же актор, разные слои) или взвешенной для отражения силы межслойной зависимости.
Стандартные меры центральности — степень (degree), посредничество (betweenness), собственный вектор (eigenvector) — обобщаются на многослойную постановку задачи, давая специфические для слоя и агрегированные оценки. Меры, такие как многослойный PageRank или универсальность (versatility), позволяют сравнивать важность узлов во всей системе, а не в каком-либо одном слое.
Алгоритмы обнаружения сообществ, адаптированные для многослойных сетей, идентифицируют группы акторов, которые плотно связаны внутри одних и тех же сообществ в нескольких слоях одновременно. Это выявляет, являются ли социальные группы последовательными в разных типах отношений или фрагментированными по контексту.
Результаты интерпретируются как на уровне слоев, так и для всей многослойной системы. Исследователи анализируют, какие слои определяют общую структуру сети, идентифицируют акторов, которые связывают слои, и проверяют, воспроизводятся ли закономерности, наблюдаемые в одном слое, в других.
Частые ошибки
- Рассмотрение выбора слоев как несущественного — определение слоев является содержательным теоретическим решением, которое формирует все последующие результаты.
- Игнорирование силы межслойных связей и предположение о независимости между слоями без эмпирического обоснования.
- Использование агрегированной (сведенной) центральности как единственного результата и отказ от анализа на уровне отдельных слоев.
- Неразличение между мультиплексными сетями (одни и те же узлы, разные типы ребер) и многоуровневыми сетями (узлы на разных иерархических уровнях), которые требуют разных моделей.
- Представление назначений сообществ без проверки их стабильности с помощью перестановочных тестов или проверок робастности.
Часто задаваемые вопросы
В чем разница между многослойной и мультиплексной сетью?
Мультиплексная сеть является частным случаем многослойной сети, в которой один и тот же набор узлов присутствует в каждом слое, а межслойные ребра соединяют каждый узел только с его собственным аналогом в других слоях. Многослойные сети более общие и допускают различные наборы узлов для каждого слоя и произвольные межслойные соединения.
Какое программное обеспечение можно использовать для многослойного анализа социальных сетей?
MuxViz предоставляет графический интерфейс для многослойной визуализации и расчета центральности. Пакеты R igraph и multinet, а также библиотеки Python, такие как pymnet, поддерживают программное создание и анализ многослойных сетей.
Как решить, какие слои включить?
Выбор слоев должен определяться теорией: включайте только типы отношений, которые концептуально различны и релевантны для исследовательского вопроса. Добавление избыточных или сильно коррелирующих слоев редко улучшает понимание и увеличивает аналитическую сложность.
Может ли многослойный АСН обрабатывать пропущенные данные в одном слое?
Частичные пропуски могут быть учтены путем взвешивания слоев или использования стратегий импутации, но систематическое отсутствие целого слоя для подмножества акторов вносит ошибку. Настоятельно рекомендуются анализы чувствительности, исключающие проблемные акторы или слои.
Сопоставима ли многослойная центральность между исследованиями?
Не напрямую, поскольку значения центральности зависят от количества и типа включенных слоев. Всегда сообщайте структуру слоев вместе со значениями центральности и сравнивайте относительные ранги, а не абсолютные значения, между исследованиями.
Похожие методы
Источники
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.
Открыть ссылку DOIСкопировано.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.
Открыть ссылку DOIСкопировано.