Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften

Slides:



Advertisements
Ähnliche Präsentationen
Graphen Ein Graph ist eine Kollektion von Knoten und Kanten. Knoten sind einfache Objekte. Sie haben Namen und können Träger von Werten, Eigenschaften.
Advertisements

Frozen Development in Graph Coloring
Projektumfeld Gesellschaftliche Strömungen Strukturen/ Gliederung
8 Behandlung von Begriffen 8.1 Grundlagen aus Logik und Psychologie
Das Entity-Relationship-Modell
Manfred Thaller, Universität zu Köln Köln 22. Januar 2009
Einführung in die Informationsverarbeitung Teil Thaller Stunde VI: Wege und warum man sie geht Graphen. Manfred Thaller, Universität zu Köln Köln.
Algorithmen und Komplexität
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (17 – Bäume: Grundlagen und natürliche Suchbäume) Prof. Th. Ottmann.
Algorithmentheorie 12 – Spannende Bäume minimalen Gewichts
Algorithmen und Datenstrukturen
CIDOC-CRM Universität zu Köln Historisch-kulturwissenschaftliche Informationsverarbeitung AM 2 Dozent: Prof. Dr. Manfred Thaller Referent: Nelson Marambio.
Layout Algorithmen.
Texturwahrnehmung von Bela Julesz
Vorlesung: Einführung in die Soziologie – WS 2009/10 Prof. Dr
Seminar parallele Programmierung SS 2003
Proseminar „Algorithmen auf Graphen“
Grundlegende Analysen & Zwischendarstellungen
Christian Schindelhauer
GROOVE Graphs for Object-Oriented Verification Seminar: SEFSIS Sommersemester 2006 Basil Becker
Interaktionen Verteilte Anwendungen Wintersemester 06/07 © Wolfgang Schönfeld Wie arbeiten VS mit ihrem Material (im einfachsten Fall)?
UML Begleitdokumentation des Projekts
FH-Hof Analyse des R-Baums - Teil 1 Richard Göbel.
Soziogramme Städtische Fachakademie für Sozialpädagogik
6. Vorlesung: Statische Konzepte
Tetraederzerlegung Ina Ehmann Tetraederzerlegung.
Effiziente Algorithmen
Flüsse, Schnitte, bipartite Graphen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
UML WS 09/10: Datenbanken vs MarkUp Dozent: Prof. Dr. Manfred Thaller
Social network analysis Maike Streit HKI II; SoSe 2010.
Effiziente Algorithmen
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Hartmut Klauck Universität Frankfurt SS
Christian Scheideler Institut für Informatik Universität Paderborn
Institut für Theoretische Informatik
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Manfred Thaller, Universität zu Köln Köln 30. Januar 2014
Informatik Datenstruktur Graph 3.1 Einfache Graphen
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Peer-to-Peer- Netzwerke Christian Schindelhauer Sommersemester.
Peer-to-Peer-Netzwerke
Christian Schindelhauer Wintersemester 2006/07 3. Vorlesung
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
Historische Netzwerkforschung - Soziale Netzwerkanalyse für Historiker
Analyse der Laufzeit von Algorithmen
2. Kommunikation und Synchronisation von Prozessen 2
Bipartite Graphen Der Satz von König.
Eine kurze Geschichte der Graphentheorie
Operatoren-Zuordnung
Inhalt Einordnung und Funktion der lexikalische Analyse Grundlagen
Struktur-Funktions-Modelle von Pflanzen - Sommersemester Winfried Kurth Universität Göttingen, Lehrstuhl Computergrafik und Ökologische Informatik.
Erweiterung bzgl. der Kardinalität. (1|9)
Methoden der Sozialwissenschaften
Benutzerprofil "Laie" Editionsphilologie -Historisch kulturwissenschaftliche Informationsverarbeitung- Universität zu Köln WS 2006/07 unter Leitung von:
Gliederung Grundlagen (Polytope) Platonische Körper (1. Beweis)
Gliederung der Vorlesung
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II 6. Sem. Vorlesung 4 4. Mai 2000 Voronoi-Diagramm.
Wer mit wem? Netzwerkanalyse im Datenjournalismus Prof. Dr. Katharina Zweig.
Einführung in die Informationsverarbeitung Teil Thaller Stunde V: Wege und warum man sie geht Graphen. Köln 14. Januar 2016.
Operatoren Ein Operator zeigt an, welchen Teilbereich und in welcher Tiefe der Sachverhalt dargestellt werden soll. Je nachdem, welcher Operator verwendet.
Die klassischen Methoden der historisch-vergleichenden Forschung Universität Zürich Soziologisches Institut Seminar: Methoden des internationalen Vergleichs.
 Gegenstandsbereich der Testtheorie: Analyse der Charakteristika von Tests:  Güte von Tests.  Struktur von Tests.  Schwierigkeit von Tests.  Gruppenunterschiede.
Clusteranalyse Wege und Arten Entstanden im Rahmen der Seminararbeit für WS09/10 Betreuer: Prof. Jobst Hoffmann Dr. Tim Hiddemann Aachen, Januar 2010.
Hardware und Topologien in Netzwerken
 Präsentation transkript:

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Nichtrelationale Datenbanken -Historisch kulturwissenschaftliche Informationsverarbeitung- Universität zu Köln Sommersemester 2006 unter Leitung von: Prof. Manfred Thaller Tanja Lange

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Soziales Netzwerk genau definierte Menge an Akteuren und zwischen ihnen bestehende Beziehungen

Netzwerkanalyse Sozialwissenschaft 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Netzwerkanalyse Sozialwissenschaft Soziometrie: beschreibt die Struktur von Personengruppen mittels Soziogramm Graphentheorie: mathematische Theorie um komplexere Indizes für die Stellung der Akteure sowie Strukturmerkmale des Netzes zu konstruieren  Darstellung des sozialen Netzwerks als Graph

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Eigenschaften relationale Eigenschaften der Akteure = Eigenschaften, die sich auf das Verhältnis / die Beziehung zu anderen Akteuren beziehen Strukturelle Eigenschaften = Eigenschaften von Akteur-Paaren und Teilgruppen zueinander

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Zentralität ermittelt „wichtigste“ (zentrale) Akteure in einem Netzwerk, durch Menge seiner Beziehungen (degree centrality), die Nähe zu anderen Akteuren (closeness centrality), als Bindeglied zwischen zwei Teilgruppen (betweenness centrality) ungerichtete Beziehungen (Freundschaft) gerichtete Beziehungen (eingehend / ausgehend)

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Prestige bezeichnet die Zentralität eines Akteurs bezüglich eingehender Beziehungen  Beliebtheitsgrad wird anhand der Anzahl der eingehenden Beziehungen (degree prestige = relativer Innengrad) gemessen, und von wem die Wahlen kommen (von prestigereichen Akteuren oder Außenseitern) (rank prestige)

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Zentralisierung Strukturelle Eigenschaft, die Netzwerk als Ganzes beschreibt zeigt, wie gleich bzw. ungleich die Zentralitätswerte der Akteure im Netzwerk verteilt sind z.B. max. zentralisiertes NW = 1 Akteur hat zu allen anderen Beziehung, aber andere untereinander nicht (= Stern) min. zentralisiertes NW = jeder Akteur besitzt gleiche Zentralität

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Analysen Analysen zu Prestige und Zentralität führen zu Aussagen über relationale Eigenschaften einzelner Akteure des NW Akteure können Beliebtheit über Zeit nicht wesentlich verändern Akteure können sonst unverbundene Teilpopulationen verbinden Betrachtung der Verteilung der Zentralitäts-Indizes - Aussagen über Struktur des NW

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Teilgruppen starke Verbundenheit ihrer Akteure untereinander Menge von Akteuren, die besonders nah beieinander liegen Menge von Akteuren mit außergewöhnlich vielen (direkten) Beziehungen untereinander

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Cliquen Maximaler vollständiger Teilgraph (Teilmenge) mit entsprechenden Knoten und zugehörigen Kanten Alle Knoten sind direkt verbunden Mindestens 3 Knoten, meist maximal 4

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Teilgruppenanalyse bringt Erkenntnisse über Struktur und Entwicklung Teilgruppenbildung während der Kennenlernphase Freundschaften in Cliquen beständiger als außerhalb – stabilisierende Wirkung Akteure könne in verschiedenen Cliquen sein

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Positionen Akteure, die ähnliche Muster von Beziehungen aufweisen bzw. in ähnlicher Weise im Netzwerk eingebunden sind Ergebnisse richten sich nach der Auswahl bedeutsamer Aspekte (z.B. identische Freundschaften, Anweisungsbefugnisse,…)

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Positionsanalyse Äquivalenz (= gleiche Position) wenn Beziehung der gleichen Stärke von und zu anderen Netzwerkmitgliedern besteht Personen mit den selben Beziehungsmustern zu gleichartigen anderen Personen (z.B. 2 Lehrer von 2 Schulklassen) Ähnlichkeit (= Positionen in einem weiteren Sinne)

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Rollen beziehen sich auf das Muster der Beziehungen zwischen Angehörigen gleicher oder verschiedener Positionen beschreiben die Verknüpfung von Beziehungen (z.B. „Freund eines Freundes“)

Testen von Gruppenstruktur 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Testen von Gruppenstruktur mit Hilfe von: Dyaden = Teilgraphen aus zwei Knoten und allen Kanten zwischen ihnen Triaden = Teilgraphen aus drei Knoten und allen Kanten zwischen ihnen

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Transitivität Eine Freundschaftsbeziehung ist transitiv, wenn der Freund eines Freundes immer auch ein Freund ist.

Analyse von Dyaden & Triaden 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Analyse von Dyaden & Triaden vermittelt wichtige Kenntnisse über die Struktureigenschaften einer Gruppe Dyaden untersuchen die Tendenz der Freundschaftsbeziehung zur Symmetrie (Freundschaftswahlen in symmetrischen Beziehungen sind stabiler) Triaden testen Hypothesen zu Transivität, Freundschaftswahlen allgemein

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Fazit Gruppen weisen Popularitätsgefälle auf (Zuneigung – Abneigung  „Stars“ – Außenseiter)  Prestige-, Rollen- und Positionsanalyse Gruppe ist hierarchisch strukturiert  Zentralitäts-, Teilgruppenanalyse und Analyse von Triaden

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Fazit Tendenzen zur Symmetrie und Transivität sind in Freundschaftsnetzwerken üblich  Analyse von Dyaden und Triaden eine stetige Entwicklung der Struktur ist nicht erkennbar, die endgültige Netzwerkstruktur entwickelt sich zu einem sehr frühen Zeitpunkt

Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften 06.07.2006 Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften Literatur Trappmann, Mark, Hummell,Hans J., Sodeur,Wolfgang (2005). Strukturanalyse sozialer Netzwerke. Konzepte, Modelle, Methoden. (1. Aufl.). Wiesbaden: VS Verlag