การวิเคราะห์เครือข่ายสังคมหลายชั้น
- ผู้เสนอ
- Kivela, M.; Boccaletti, S. et al.
- ปี
- 2014
- ประเภท
- Structural network analysis framework
- กลุ่มวิธี
- Network science
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การวิเคราะห์เครือข่ายสังคมหลายชั้น (Multilayer Social Network Analysis) เป็นการขยายวิธีการวิเคราะห์เครือข่ายแบบชั้นเดียว (single-layer network) ไปสู่สถานการณ์ที่ผู้กระทำการ (actors) มีความเชื่อมโยงกันผ่านความสัมพันธ์หลายประเภทที่แตกต่างกัน — เช่น มิตรภาพ การทำงานร่วมกัน และปฏิสัมพันธ์ออนไลน์ — ไปพร้อมๆ กัน โดยการจำลองความสัมพันธ์แต่ละประเภทเป็นชั้น (layer) ที่แยกจากกัน และแสดงการเชื่อมโยงข้ามชั้นอย่างชัดเจน วิธีการนี้สามารถจับความซับซ้อนเชิงโครงสร้างที่เครือข่ายรวม (aggregated network) เพียงเครือข่ายเดียวจะบดบังไป
แนวคิดเบื้องหลังวิธีการ
ในชีวิตประจำวัน ผู้คนล้วนอยู่ในเครือข่ายที่ทับซ้อนกัน: เพื่อนร่วมงานก็เป็นเพื่อนด้วย เป็นผู้ติดต่อบน Twitter และเป็นผู้ร่วมงานเขียน การรวมความสัมพันธ์ทั้งหมดนี้ไว้ในกราฟเดียวจะทำให้สูญเสียข้อมูลเกี่ยวกับความสัมพันธ์ที่เกิดขึ้นในบริบทใด การวิเคราะห์หลายชั้นจะรักษาความแตกต่างเหล่านี้ไว้โดยการวางประเภทความสัมพันธ์ต่างๆ ซ้อนกันเป็นชั้นๆ และเชื่อมโยงโหนด (node) ของแต่ละบุคคลข้ามชั้นไปมา สิ่งนี้ช่วยให้นักวิจัยสามารถตั้งคำถามได้ว่า: ผู้กระทำการใดมีความสำคัญเป็นศูนย์กลางในทุกชั้น หรืออิทธิพลแพร่กระจายจากความสัมพันธ์ประเภทหนึ่งไปยังอีกประเภทหนึ่งได้อย่างไร
ประวัติศาสตร์
กรอบการทำงานทางคณิตศาสตร์ที่เป็นทางการสำหรับเครือข่ายหลายชั้นได้รับการรวบรวมไว้ในเอกสารสำคัญสองฉบับในปี 2014 โดย Kivela et al. และ Boccaletti et al. ซึ่งได้รวมงานก่อนหน้านี้เกี่ยวกับเครือข่ายแบบหลายรูปแบบ (multiplex networks), เครือข่ายที่พึ่งพากัน (interdependent networks) และแบบจำลองเครือข่ายของเครือข่าย (network-of-networks) แนวทางนี้มีต้นกำเนิดมาจากสาขาฟิสิกส์และวิทยาศาสตร์ความซับซ้อน และต่อมาได้รับการยอมรับอย่างกว้างขวางในสาขาสังคมวิทยา การวิจัยองค์กร การศึกษาการสื่อสาร และระบาดวิทยา ซึ่งความสัมพันธ์หลายประเภทเป็นเรื่องปกติมากกว่าข้อยกเว้น
ควรใช้เมื่อใด
ใช้การวิเคราะห์เครือข่ายสังคมหลายชั้นเมื่อผู้กระทำการฝังตัวอยู่ในความสัมพันธ์หลายประเภทที่มีความแตกต่างกันในเชิงคุณภาพ ซึ่งคุณเชื่อว่ามีผลกระทบเชิงโครงสร้างที่เป็นอิสระต่อกัน และเมื่อการรวมความสัมพันธ์เหล่านั้นเป็นกราฟเดียวจะบดบังความแปรปรวนที่สำคัญ วิธีการนี้เหมาะสมสำหรับชุดข้อมูลที่มีการระบุชั้นที่ชัดเจน — ตัวอย่างเช่น ความสัมพันธ์ออนไลน์เทียบกับออฟไลน์ เครือข่ายมิตรภาพเทียบกับเครือข่ายการให้คำแนะนำ หรือการสื่อสารข้ามแพลตฟอร์ม ควรเลือกใช้การวิเคราะห์เครือข่ายสังคมแบบชั้นเดียวเมื่อวัดความสัมพันธ์เพียงประเภทเดียว เมื่อชุดข้อมูลมีขนาดเล็กมาก (น้อยกว่าประมาณ 30 โหนด) หรือเมื่อคำถามวิจัยไม่ได้ขึ้นอยู่กับการจำแนกประเภทความสัมพันธ์ วิธีการนี้ต้องการซอฟต์แวร์ที่รองรับออบเจกต์กราฟหลายชั้น (เช่น MuxViz, R igraph ที่มีแอตทริบิวต์ชั้น, เครื่องมือที่ใช้ NetworkX) และความคุ้นเคยของนักวิจัยกับแนวคิดความเป็นศูนย์กลางในเครือข่ายหลายชั้น
ข้อจำกัดและข้อควรพิจารณา
- ต้องการข้อมูลที่สมบูรณ์หรือเกือบสมบูรณ์ในทุกชั้น การขาดหายไปของชั้นใดชั้นหนึ่งจะนำไปสู่ความเอนเอียงอย่างเป็นระบบ
- ต้นทุนการคำนวณเพิ่มขึ้นตามจำนวนชั้นและจำนวนโหนด ทำให้การวิเคราะห์เครือข่ายหลายชั้นที่มีขนาดใหญ่มากมีค่าใช้จ่ายสูง
- การตีความมีความซับซ้อนกว่าการวิเคราะห์เครือข่ายแบบชั้นเดียว การสื่อสารผลลัพธ์ไปยังผู้ฟังที่ไม่ใช่ผู้เชี่ยวชาญต้องใช้ความระมัดระวัง
- มาตรฐานซอฟต์แวร์และแนวทางการรายงานยังอยู่ในช่วงพัฒนาเมื่อเทียบกับการวิเคราะห์เครือข่ายสังคมแบบดั้งเดิม
- เครือข่ายขนาดเล็ก (น้อยกว่าประมาณ 30 โหนด) มักให้ค่าประมาณความเป็นศูนย์กลางและการแบ่งกลุ่มที่ไม่เสถียรในบริบทหลายชั้น
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- จับความซับซ้อนทั้งหมดของชีวิตทางสังคมโดยการรักษาประเภทความสัมพันธ์ที่แตกต่างกันไว้ แทนที่จะทำให้แบนราบ
- ช่วยให้สามารถเปรียบเทียบตำแหน่งเชิงโครงสร้างข้ามชั้นต่างๆ ได้ เผยให้เห็นผู้กระทำการที่มีความสำคัญในบางบริบท แต่มีบทบาทน้อยในบริบทอื่น
- การตรวจจับกลุ่มข้ามชั้นช่วยระบุกลุ่มทางสังคมที่แข็งแกร่งซึ่งคงอยู่ข้ามประเภทความสัมพันธ์หลายอย่าง
- มาตรวัดการเชื่อมโยงข้ามชั้น (Interlayer coupling metrics) ช่วยวัดว่าบริบทความสัมพันธ์ที่แตกต่างกันมีอิทธิพลต่อตำแหน่งทางสังคมมากน้อยเพียงใด
- สามารถขยายไปยังรูปแบบตามเวลา (temporal) และแบบมีทิศทาง (directed) ได้ ทำให้สามารถนำไปประยุกต์ใช้กับคำถามวิจัยทางสังคมศาสตร์ได้หลากหลาย
การประยุกต์ใช้
- การวิจัยองค์กรที่ตรวจสอบความสัมพันธ์ด้านการให้คำแนะนำ มิตรภาพ และการรายงานพร้อมกันในหมู่พนักงาน
- การศึกษาเครือข่ายสังคมออนไลน์-ออฟไลน์ที่เชื่อมโยงปฏิสัมพันธ์เฉพาะแพลตฟอร์มกับความสัมพันธ์แบบเผชิญหน้า
- การสร้างแบบจำลองทางระบาดวิทยาของการแพร่กระจายของโรคผ่านชั้นของผู้ร่วมงาน ในครัวเรือน และการเดินทาง
- การวิจัยรัฐศาสตร์เกี่ยวกับการก่อตั้งพันธมิตรข้ามเครือข่ายการออกกฎหมาย สื่อ และการล็อบบี้
- การศึกษาศาสตร์แห่งวิทยาศาสตร์ (science of science) ที่รวมชั้นการเป็นผู้ร่วมงาน (co-authorship) การอ้างอิง (citation) และสังกัดสถาบัน (institutional affiliation)
- การศึกษาการสื่อสารที่ติดตามการแพร่กระจายของข้อมูลผ่านแพลตฟอร์มโซเชียลมีเดียหลายแห่งพร้อมกัน
วิธีการทำงาน
วิธีการทำงาน
ความสัมพันธ์ทางสังคมแต่ละประเภทที่แตกต่างกันจะถูกเข้ารหัสเป็นชั้นที่แยกจากกัน: เป็นกราฟที่มีโหนดเป็นชุดของผู้กระทำการชุดเดียวกัน แต่มีเส้นเชื่อม (edges) ที่สะท้อนเฉพาะประเภทความสัมพันธ์นั้นๆ ชั้นต่างๆ อาจแสดงถึงช่องทางการสื่อสาร ช่วงเวลา หรือประเภทความสัมพันธ์ที่แตกต่างกันในเชิงคุณภาพ เช่น การขอคำแนะนำ (advice-seeking) เทียบกับการสนับสนุนทางอารมณ์ (emotional support)
เส้นเชื่อมที่เรียกว่า 'การเชื่อมโยงข้ามชั้น' (interlayer couplings) จะเชื่อมโยงการนำเสนอของผู้กระทำการแต่ละรายในแต่ละชั้นเข้าด้วยกัน เพื่อจำลองข้อเท็จจริงที่ว่าบุคคลเดียวกันนั้นมีส่วนร่วมในบริบทความสัมพันธ์หลายอย่าง การเชื่อมโยงนี้อาจเป็นแบบจำแนกประเภท (categorical) (ผู้กระทำการคนเดียวกัน, คนละชั้น) หรือแบบถ่วงน้ำหนัก (weighted) เพื่อสะท้อนความแข็งแกร่งของการพึ่งพากันข้ามชั้น
มาตรวัดความเป็นศูนย์กลาง (centrality measures) แบบมาตรฐาน — เช่น degree, betweenness, eigenvector — ถูกทำให้เป็นรูปแบบทั่วไปสำหรับบริบทหลายชั้น โดยให้คะแนนเฉพาะชั้นและคะแนนรวม มาตรวัด เช่น multilayer PageRank หรือ versatility ช่วยให้สามารถเปรียบเทียบความสำคัญของโหนดทั่วทั้งระบบโดยรวม แทนที่จะพิจารณาภายในชั้นใดชั้นหนึ่งเพียงชั้นเดียว
อัลกอริทึมการตรวจจับกลุ่ม (community detection algorithms) ที่ปรับให้เหมาะกับเครือข่ายหลายชั้น จะระบุกลุ่มของผู้กระทำการที่มีการเชื่อมโยงกันอย่างหนาแน่นภายในกลุ่มเดียวกันข้ามหลายชั้นไปพร้อมๆ กัน สิ่งนี้จะเผยให้เห็นว่ากลุ่มทางสังคมมีความสอดคล้องกันในทุกประเภทความสัมพันธ์ หรือแตกแยกตามบริบท
ผลลัพธ์จะถูกตีความทั้งในระดับชั้นและทั่วทั้งระบบหลายชั้น นักวิจัยจะตรวจสอบว่าชั้นใดเป็นตัวขับเคลื่อนโครงสร้างเครือข่ายโดยรวม ระบุผู้กระทำการที่เชื่อมโยงระหว่างชั้น และทดสอบว่ารูปแบบที่สังเกตได้ในชั้นหนึ่งๆ จะปรากฏซ้ำในชั้นอื่นๆ หรือไม่
ข้อผิดพลาดที่พบบ่อย
- การปฏิบัติต่อการเลือกชั้นว่าไม่มีนัยสำคัญ — การกำหนดชั้นเป็นการตัดสินใจเชิงทฤษฎีที่ส่งผลต่อผลลัพธ์ทั้งหมดที่ตามมา
- การละเลยความแข็งแกร่งของการเชื่อมโยงข้ามชั้น และการสันนิษฐานว่าชั้นต่างๆ เป็นอิสระต่อกันโดยไม่มีหลักฐานเชิงประจักษ์
- การใช้ค่าความเป็นศูนย์กลางแบบรวม (aggregate) เป็นผลลัพธ์เพียงอย่างเดียว และละเว้นการวิเคราะห์เฉพาะชั้น
- การไม่สามารถแยกแยะระหว่างเครือข่ายแบบหลายรูปแบบ (multiplex networks) (โหนดเดียวกัน, ประเภทเส้นเชื่อมต่างกัน) และเครือข่ายหลายระดับ (multilevel networks) (โหนดในระดับชั้นที่ต่างกัน) ซึ่งต้องการแบบจำลองที่แตกต่างกัน
- การรายงานการกำหนดกลุ่มโดยไม่ตรวจสอบความเสถียรผ่านการทดสอบการสลับ (permutation tests) หรือการตรวจสอบความแข็งแกร่ง (robustness checks)
คำถามที่พบบ่อย
อะไรคือความแตกต่างระหว่างเครือข่ายหลายชั้น (multilayer) และเครือข่ายหลายรูปแบบ (multiplex)?
เครือข่ายหลายรูปแบบ (multiplex network) เป็นกรณีพิเศษของเครือข่ายหลายชั้น (multilayer network) ซึ่งชุดโหนดเดียวกันปรากฏในทุกชั้น และเส้นเชื่อมข้ามชั้น (interlayer edges) เชื่อมต่อโหนดแต่ละโหนดเข้ากับคู่ของมันในชั้นอื่นเท่านั้น เครือข่ายหลายชั้นมีความทั่วไปมากกว่า และอนุญาตให้มีชุดโหนดที่แตกต่างกันในแต่ละชั้นและการเชื่อมต่อข้ามชั้นตามอำเภอใจ
ฉันสามารถใช้ซอฟต์แวร์ใดสำหรับการวิเคราะห์เครือข่ายสังคมหลายชั้นได้บ้าง?
MuxViz มีอินเทอร์เฟซแบบกราฟิกสำหรับการแสดงภาพหลายชั้นและความเป็นศูนย์กลาง แพ็กเกจ R เช่น igraph และ multinet รวมถึงไลบรารี Python เช่น pymnet รองรับการสร้างและวิเคราะห์เครือข่ายหลายชั้นด้วยโปรแกรม
ฉันจะตัดสินใจเลือกว่าจะรวมชั้นใดบ้าง?
การเลือกชั้นควรขับเคลื่อนด้วยทฤษฎี: รวมเฉพาะประเภทความสัมพันธ์ที่มีความแตกต่างกันในเชิงแนวคิดและเกี่ยวข้องกับคำถามวิจัย การเพิ่มชั้นที่ซ้ำซ้อนหรือมีความสัมพันธ์กันสูงแทบไม่เคยช่วยเพิ่มความเข้าใจ และเพิ่มความซับซ้อนในการวิเคราะห์
การวิเคราะห์เครือข่ายสังคมหลายชั้นสามารถจัดการกับข้อมูลที่ขาดหายไปในชั้นใดชั้นหนึ่งได้หรือไม่?
การขาดหายไปบางส่วนสามารถรองรับได้โดยการถ่วงน้ำหนักชั้นหรือใช้กลยุทธ์การประมาณค่า (imputation strategies) แต่การไม่มีชั้นทั้งหมดอย่างเป็นระบบสำหรับกลุ่มผู้กระทำการบางส่วนจะนำไปสู่ความเอนเอียง ขอแนะนำอย่างยิ่งให้ทำการวิเคราะห์ความไว (sensitivity analyses) โดยการยกเว้นผู้กระทำการหรือชั้นที่มีปัญหา
ความเป็นศูนย์กลางในเครือข่ายหลายชั้นสามารถเปรียบเทียบกันได้ข้ามการศึกษาหรือไม่?
โดยตรงไม่ได้ เพราะค่าความเป็นศูนย์กลางขึ้นอยู่กับจำนวนและประเภทของชั้นที่รวมอยู่เสมอ ควรรายงานโครงสร้างชั้นควบคู่ไปกับค่าความเป็นศูนย์กลาง และเปรียบเทียบอันดับสัมพัทธ์ แทนที่จะเป็นคะแนนดิบข้ามการศึกษา
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
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.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วBoccaletti, 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.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้ว