چهارشنبه، ۲ اسفند، ۱۳۹۶ | Wednesday, 21 February , 2018

شبکه هم تالیفی

نسخه قابل پرینت کد خبر:93
۰۷ اردیبهشت ۱۳۹۵ | ۱۳:۲۸

شبکه هم تالیفی
مجموعه ای از هم تالیفی در یک موسسه، مجله، موضوع و … تشکیل شبکه ای از تالیفات مشترک یا شبکه هم تالیفی (Co-authorship Network) می دهند.
شبکه های هم تالیفی بر این اصل استوارند که وقتی دو یا چند پژوهشگر یک اثر را خلق می کنند، پیوندهای فکری (Intellectual Connection) و اجتماعی (Social Connection) میان آن ها وجود داشته که باعث ارتباط آن ها با یکدیگر می شود. (ماهیت شبکه های اجتماعی همین وجود ارتباط و پیوند میان ماهیت های مختلف است).

از آن جا که شبکه های هم تالیفی نوعی شبکه اجتماعی هستند می توان خصوصیات و ویژگی های این شبکه ها را با استفاده از شاخص های تحلیل شبکه های اجتماعی مورد بررسی قرار داد. شبکه هم تالیفی از تعدادی گره (نویسنده) تشکیل شده که به واسطه تالیف مشترک توسط تعدادی پیوند (هم تالیفی) به هم متصلند. در این شبکه دو نویسنده در صورت داشتن حداقل یک تالیف مشترک به هم متصلند.

بررسی شبکه های هم تالیفی چه اطلاعاتی به ما می دهد:
۱٫ نگاشتی از ارتباطات میان پژوهشگران در یک جامعه پژوهشی ایجاد می کند
۲٫ اطلاعات مربوط به ساختار و پیکربندی شبکه هم تالیفی
۳٫ بررسی عملکرد هر یک از پژوهشگران موجود در شبکه
۴٫ تعیین گره های مرکزی در شبکه
۵٫ تعیین جریان انتقال دانش در شبکه
۶٫ نحوه تحول و تکامل شبکه ها در طول زمان
۷٫ بررسی اجزاء و زیر گروه های شبکه و …

تئوری شبکه اجتماعی ( Social Network Theory)
تئوری شبکه های اجتماعی ریشه در مباحث انسان شناسی، جامعه شناسی و روان شناسی در دهه ۱۹۳۰ میلادی دارد. راجر براون (Roger Brown) انسان شناس انگلیسی اولین شخصی بود که از عبارت شبکه اجتماعی (Social Network) استفاده کرد. وی عقیده داشت که ساختار اجتماع مانند شبکه ای است که ارتباطات اجتماعی میان افراد حاضر در این شبکه را در میتوان در قالب مجموعه ای از گره ها و روابط ترسیم کرد.

اجزای شبکه های اجتماعی
گره (Node, Vertex, Player, Actor, Agent)
موجودیت های تشکیل دهنده شبکه (نویسندگان در شبکه هم تالیفی، مدارک در شبکه هم استنادی، افراد در شبکه فیسبوک، فرودگاه ها در شبکه حمل و نقل هوایی و …)
سایز گره (Node Size): معمولا سایز و اندازه گره جهت نشان دادن تعداد تولیدات و یا مرکزیت درجه (تعداد لینک های متصل) به گره مورد استفاده قرار می گیرد. هرچند در نرم افزارهای مختلف می توان سایز گره را بر اساس شاخص های مختلف تنظیم کرد.
سایز شبکه (Network Size): تعداد گره های تشکیل دهنده شبکه
انواع گره:
اگو یا خود (Ego): گره ای که برای مطالعه و تحلیل روابط مربوط به آن انتخاب می شود.
غیرخودی (Alter): سایر گره های شبکه به غیر از گره اگو را گره های غیرخودی یا آلتر می گویند.
ارتباط، پیوند، لینک (Relationship, Tie, Link)
ارتباطات موجود میان گره ها در شبکه (تالیف مشترک در شبکه هم تالیفی، استناد در شبکه هم استنادی، رابطه دوستی در شبکه فیسبوک، مسیرهای حمل و نقل هوایی و …).
خطی که در شبکه دو گره را به هم متصل می کند.
انواع روابط: ارتباطی، معاملاتی، عاطفی، دوستی، خویشاوندی و …
محتوای پیوند (Tie Content): چیزی است که از طریق پیوند از یک گره به گره دیگر منتقل می شود، مانند پول، دوستی، اطلاعات، خدمات، کالا و …
جهت پیوند (Link Direction)
جهت پیوند نشان دهنده مسیر یا جهت برقراری ارتباط یا انتقال محتوا میان گره ها در شبکه است.
پیوند بدون جهت (Non-directional) با دوطرفه (Bi-directional) یا Arc:
ارتباط دوطرفه میان گره ها (مثلا هم تالیفی، دوستی)
اگر در یک شبکه تمام پیوندها بدون جهت باشند ← Simple Network
پیوند جهت دار (Directional) با Edge:
ارتباط یک سویه گره ها (مثلا استناد، دریافت کالا یا خدمات از کسی)
اگر در یک شبکه حداقل یک پیوند جهت دار باشد ← Directed Network

وزن یا قدرت پیوند (Link Weight)(Link Strength)
 وزن پیوند نشان دهنده میزان و شدت برقراری ارتباط میان گره ها در شبکه است.
 پیوند بدون وزن (Unweighted Link):
 در این حالت میان دو گره مورد نظر تنها یک پیوند وجود دارد (یا قدرت پیوند معادل ۱ در نظر گرفته شده).
 پیوند دارای وزن (Weighted Link):
 در این حالت میان دو گره مورد نظر بیش از یک پیوند وجود دارد و دو گره دارای ارتباطات بیشتر و قوی تری هستند (یا قدرت پیوند بیش از ۱ در نظر گرفته شده).
 هر چه وزن پیوند میان دو گره در شبکه بیشتر باشد، انتقال محتوا میان این دوگره به میزان بیشتری انجام می شود.
 شبکه ممکن است ترکیبی از پیوندهای دارای وزن و بدون وزن باشد.
 در هنگام مصورسازی شبکه ها، قدرت پیوندها را از طریق قطر خطوط میان دو گره نشان می دهیم. هر چه قدرت پیوند میان دو گره بیشتر باشد، خطی که این دو گره را به هم متصل می کند با قطر بیشتری نمایش می دهیم.

شبکه های یک وجهی و دو وجهی (One Mode, Two Mode Networks)
در شبکه های یک وجهی، تمام گره ها از نوع واحد و یکسانی بوده (همسان) و هر گره می تواند به سایر گره های همسان موجود در شبکه متصل شود.
در شبکه های یک وجهی، گره ها نشان دهنده موجودیت ها و پیوندها نشان دهنده روابط میان موجودیت هاست (مثال ارتباط افراد از طریق هم تالیفی).
در شبکه های دو وجهی یا وابستگی (Affiliation Networks)، دو دسته متفاوت از گره ها وجود دارند که با هم متجانس و همسان نیستند (Actors, Events). در این نوع شبکه ها روابط میان یک نوع گره با نوع دیگر برقرار می شود (هر گره تنها می تواند به گره های نوع دیگر متصل شود) به عنوان مثال یک نوع از گره ها شامل انسان ها و نوع دوم شامل رویدادهایی هستند که انسان ها در آن ها شرکت کرده اند (ارتباط انسان ها و رویدادها را نشان می دهد اما ارتباط انسان ها با هم و یا رویدادها با هم را نشان نمی دهد).
در هنگام تحلیل باید شبکه های دو وجهی را به دو شبکه یک وجهی تبدیل کنیم. در یکی از این شبکه ها، دو گره های نوع اول در صورتی که به یک گره نوع دوم متصل بوده اند، به هم وصل می شوند (Actor Network). در شبکه دیگر، دو گره نوع دوم در صورتی که به طور جداگانه به یک گره نوع اول متصل بوده باشند، به هم متصل می شوند. (Thread Network)

شبکه های کامل و اگو (Whole, Ego Networks)
در شبکه کامل، کل گره های موجود در شبکه و روابط میان آن ها بررسی می شود. در شبکه اگو (خودی)، تنها گره مرکزی (یا هر گره انتخابی) و گره های متصل به آن مورد بررسی قرار می گیرند (شبکه دوستان یک فرد). شبکه های اگو می توانند به شبکه های اگو درجه دوم، درجه سوم و … گسترش یابند (شبکه دوستان دوستان یک فرد و …).
گام (Walk)
دو گره در شبکه ممکن است به صورت مستقیم (از طریق یک لینک) و یا غیر مستقیم (از طریق مجموعه ای از لینک ها) به یکدیگر متصل شوند. مجموعه ای از لینک ها که دو گره را به هم متصل می کند گام (Walk) نام دارد.
در گام امکان عبور از گره ها و لینک های تکراری هم وجود دارد.
برای دو گره مجاور یا همسایه (Adjacent, Neighbor) گام مساوی ۱ است.
مسیر (Path)
گاهی اوقات در شبکه برای رسیدن از یک گره به گره دیگر گام های مختلفی وجود دارد. به هر گام منحصر به فرد (گامی که دارای گره ها و لینک های منحصر به فردی تکراری نیست) یک مسیر (Path) می گوییم.
در مسیر امکان عبور از گره ها و لینک های تکراری وجود ندارد.
مرکزیت (Centrality)
شاخص های مرکزیت به بررسی جایگاه نسبی و اهمیت موقعیت هر یک از گره های موجود در شبکه می پردازند.
از طریق شاخص های مرکزیت می توان بازیگران کلیدی (Key Players) را در شبکه های اجتماعی مشخص کرد.
مرکزیت نشانگر قدرت اجتماعی یک گره بر اساس میزان ارتباطی که در شبکه برقرار می کند است.
در شبکه های اجتماعی، انتقال محتوا (اطلاعات، احساسات، کالا، خدمات و …) میان گره ها از طریق لینک ها یا پیوندها انجام می شود. داشتن نقش مرکزی در این سیستم انتقال نشان دهنده جایگاه مهم، مرکزی و اثرگذار گره هاست. گره های دارای مرکزیت زیاد:

  1. دارای دسترسی بیشتر به جریان انتقال محتوا در شبکه هستند.
  2. از قدرت اجتماعی (Social Power) زیادی جهت اثرگذاری بر شبکه برخوردارند.
  3. سرمایه مهمی برای شبکه های اجتماعی محسوب شده و حذف شدن آن ها باعث کاهش انسجام و چندپارگی شبکه می شود.

 

شاخصه های مرکزیت:

درجه مرکزیت (فعال بودن گره)
بینیت مرکزیت (قرار گرفتن در مسیر سایر گره ها)
نزدیکی مرکزیت (دسترسی راحت به سایر گره های دیگر شبکه)
بردار ویژه (داشتن ارتباط با سایر گره های مرکزی و قدرتمند)
مرکزیت درجه (Degree Centrality)
درجه میزان فعالیت یا ارتباطات یک گره با سایر گره های موجود در شبکه را نشان می دهد.
مثال: کدام شهر کشور دارای بیشترین تعداد راه های ارتباطی با سایر شهرهای کشور است؟
مرکزیت درجه: تعداد لینک هایی که به هر گره متصل است (تعداد پیوندهای مستقیمی که با سایر گره های موجود در شبکه دارد).
هرچه میزان ارتباطات گره در شبکه بیشتر باشد، از اهمیت بیشتر و جایگاه مرکزی تری در شبکه برخوردار است.
مرکزیت بینیت (Betweenness Centrality)
مرکزیت بینیت میزان کنترل هر یک از گره ها بر جریان انتقال محتوا در شبکه را بررسی می کند.
مثال: کدام شهر کشور در عبوری مسافرانی که از شهری به شهر دیگر می روند قرار داشته و اگر جاده های آن بسته شوند، جریان حمل و نقل مسافران دچار اخلال می شود؟
مرکزیت بینیت: تعداد دفعاتی که هر گره در کوتاه ترین فاصله (GD) میان هر دو گره دیگر در شبکه قرار می گیرد.
گره های دارای بینیت بالا نقش واسطه (Broker)، میانجی گر (Mediator) یا پل (Bridge) در شبکه را ایفا کرده و در انتقال محتوا نقش مهمی دارند
هرچه یک گره نقش واسطه گر یا میانجی گر بیشتری جهت انتقال محتوا در شبکه داشته باشد از اهمیت بیشتر و جایگاه مرکزی تری در شبکه برخوردار است.
مرکزیت نزدیکی (Closeness Centrality)
مرکزیت نزدیکی میزان نزدیکی یک گره به سایر گره های موجود در شبکه را بررسی می کند.
مثال: کدام شهر دارای کوتاه ترین فاصله با سایر شهرهای کشور بوده و ساکنان آن به راحتی می توانند به سایر شهرها دسترسی داشته باشند؟
مرکزیت نزدیکی: میانگین طول کوتاه ترین فاصله (میانگین فاصله) هر گره با سایر گره های موجود در شبکه.
هرچه یک گره به سایر گره های موجود در شبکه نزدیک تر باشد از اهمیت بیشتر و جایگاه مرکزی تری در شبکه برخوردار است.
این شاخص نشان دهنده این است که یک گره چقر سریع می تواند به سایرگره های موجود در شبکه متصل شود. گره های دارای شاخص نزدیکی کم به راحتی می توانند به سایر گره های موجود در شبکه دسترسی داشته و محتوا را از آن ها دریافت کنند.

بردار ویژه (Eigenvector)
بردار ویژه میزان اتصال گره با سایر گره های مرکزی و قدرتمند در شبکه را محاسبه می کند.
مثال: کدام شهر در مجاورت شهرهای مهم و اصلی کشور قرار داشته و با آن ها دارای راه ارتباطی مستقیم است؟
بردار ویژه: مرکزیت یک گره وابسته به مرکزیت گره های مجاور آن است
هرچه یک گره ارتباطات بیشتر و مستحکم تری با سایر گره های مرکزی و قدرتمند در شبکه داشته باشد از اهمیت بیشتر و جایگاه مرکزی تری در شبکه برخوردار است.
گره دارای بردار ویژه زیاد، به گره هایی متصل است که خود آن گره ها دارای درجه، مرکزیت و بینیت بالایی بوده و در شبکه از موقعیت استراتژیکی برخوردارند.

به اشتراک بگذارید :

نظر بدهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *