Základy Social Network Analysis

3,004 views

Published on

Prezentace z workshopu na konferenci Inter

Published in: Business
0 Comments
4 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
3,004
On SlideShare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
26
Comments
0
Likes
4
Embeds 0
No embeds

No notes for slide

Základy Social Network Analysis

  1. 1. Základy social network analysis Internet je sexy, Bratislava 25. 11. 2010 Josef Šlerka, Ataxo Interactive Friday, November 26, 2010
  2. 2. Sociální síť ... vzniká jako soubor lidí mezi kterými existují nějaké vztahy, které formalizujeme pomocí matice nebo grafu a dále analyzujem. Friday, November 26, 2010
  3. 3. Řekni to písní... Igor má rád Evu, Eva jeho nie a tak preto Igor stále smutný je. Eva chce mít Vojta, Vojto Evu nie a tak preto Eva, stále smutná je. Friday, November 26, 2010
  4. 4. Matrix lásky Igor Vojta Eva Igor --- 0 1 Vojta 0 --- 0 Eva 0 1 --- Friday, November 26, 2010
  5. 5. Malý graf lásky Friday, November 26, 2010
  6. 6. Velký graf lásky Friday, November 26, 2010
  7. 7. Vztahy jsou totiž všude Twitter: princip followingu Facebook: kamarádi, členství ve skupině, lajky Flickr: přátelé, tagy Diskuse: členství v diskusích, reagování Politika: společná hlasování Friday, November 26, 2010
  8. 8. Stavební prvky grafu uzel (nodes, vertices, entities, items etc.) vazba (ties, connections, relationships etc.) vazby mohou mít směr případně váhu či jich může být víc Friday, November 26, 2010
  9. 9. Typologie grafů I. Unimodal Multimodal Affiliation Friday, November 26, 2010
  10. 10. Typologie grafů II. Full Partial Egocentric Friday, November 26, 2010
  11. 11. Co lze třeba měřit Degree Centrality Betweenness Centralities Closeness Centrality Shluky a komunity Friday, November 26, 2010
  12. 12. ... ale proč???? Friday, November 26, 2010
  13. 13. Degree Centrality počet přímých vazeb k dalším uzlům měří aktivitu uzlů v síti. uzly s vysokou hodnotou Degree Centrality jsou „spojky“ nebo „středy“ v této síti. Friday, November 26, 2010
  14. 14. Closeness Centrality nejvyšší, jestliže z uzlu lze dosáhnout ke všem dalším uzlům v síti. nejmenší hodnota součtu vzdáleností k ostatním uzlům uzly snadno přijímají a přenášejí inovace. uzel s vysokou mírou blízkosti středu mají velký vliv na to, co se v síti odehrává. Friday, November 26, 2010
  15. 15. Betweenness Centralities (Bridges) nejvyšší pokud cesty mezi libovolnými dvěma uzly sítě vždy procházejí tímto uzlem. měří, kolik cest mezi dvojicí uzlů prochází daným uzlem. závora, propojení nebo zprostředkovatel rolí. kontroluje tok informací v síti a umožňuje dobrou viditelnost všeho, co se děje v síti. Friday, November 26, 2010
  16. 16. Shlukování a komunity segmentování podle vlastností buď sdílené vlasnosti (degree) nebo možná příslušnost do komunity Friday, November 26, 2010
  17. 17. Software pro SNA Pajek UCINET Gephi NWB ... řada dalších Friday, November 26, 2010
  18. 18. NodeXL volně dostupný, GPL licence funguje i jako template pro Excel snadno ovladatelný mnoho formátů (Pajek, UCINET, GraphML) import z Twitteru, Flickru a daších Friday, November 26, 2010
  19. 19. NodeXL http://nodexl.codeplex.com/ Friday, November 26, 2010
  20. 20. Praktické ukázky analýza Twitteru (@stunome) analýza hlasování politiků v Praze Friday, November 26, 2010
  21. 21. @stunome Friday, November 26, 2010
  22. 22. @stunome Friday, November 26, 2010
  23. 23. Pražský magistrát analýza hlasování za tři volební období vazba existuje při 75% shodných hlasování ukazuje skutečné hlasovací jádro ukazuje vazby napříč stranami inspirace americkým experimentem Friday, November 26, 2010
  24. 24. 1998 - 2002 Friday, November 26, 2010
  25. 25. 2002 - 2006 Friday, November 26, 2010
  26. 26. 2006 - 2010 Friday, November 26, 2010
  27. 27. Děkuji za pozornost! Otázky? Odpovědi? Email: slerka@ataxo.com, Twitter: http://www.twitter.com/josefslerka Blog: http://ttgoogle.blogspot.com Friday, November 26, 2010

×