从某种不准确或者需要准确的结构化区块的角度来说,当每个个体都与其他个体有直接联系的时候,群体就会被定义为集体,如果他们没有严格意义上的直接接触,就会被定义为社交圈子
理解网络数据并传达分析结果对社交网络的视觉展示很重要。已经提出了许多通过社交网络分析产生的数据可视化方法.许多分析软件都有用于网络可视化的模块。通过显示各种布局中的节点和关系,以及将颜色,大小和其他高级属性归因于节点来完成数据的探索。网络的视觉表示可能是传达复杂信息的有力方法,但是注意理解单独从可视化图形中展示的节点和图的属性,因为它们可能会错误地展示通过定量分析更好地捕获的结构属性.
签名图(Signed graphs)可用于说明人与人之间的良好和不良关系。两个节点之间的积极边缘表示一个积极的关系(友谊,联盟,约会),两个节点之间的负边缘表示负面关系(仇恨,愤怒).可以使用签名的社交网络图来预测图表的未来发展.在社会网络中,存在”平衡”和”不平衡”周期的概念。平衡循环被定义为所有符号的乘积为正的循环。根据平衡理论,平衡图表示一群不太可能改变对其他人的看法的人。不平衡的图表是一群很有可能改变他们对群体中的人的意见的人。例如,一组3人(A,B和C)其中A和B具有正相关关系,B和C有正相关关系,但C和A之间存在负相关关系是不平衡的圈子。这个组很有可能变成一个平衡的循环,比如一个B只与A有很好的关系,A和B都与C有负相关关系.通过使用平衡和不平衡圈子的概念,可以预测符号社会网络图的演变. 特别是当使用社交网络分析作为促进变革的工具时,参与式网络映射的不同方法被证明是有用的.参与者/面试者通过在数据收集会议期间实际绘制网络(用笔和纸或数字)来提供网络数据。笔画网络映射方法的一个例子,其中还包括收集一些演员属性(感知角色和演员的目标)是网络地图工具箱。这种方法的一个好处是允许研究人员收集定性数据,并在收集网络数据时要求澄清问题.
社交网络潜力(SNP)是通过算法导出的数字系数,用于表示个人社交网络的大小及其影响网络的能力.一个紧密的同义词是Alpha用户,一个具有高SNP的人。SNP系数有两个主要功能: 基于他们社交网络潜力的个人分类,以及受访者在定量营销研究研究中的权重。通过计算受访者的SNP和针对高SNP受访者,增强了用于推动病毒性营销策略的量化营销研究的实力和相关性。用于计算个体SNP的变量包括但不限于此:参与社交网络活动,团体会员,领导角色,认可,出版/编辑/贡献非电子媒体,出版/编辑/贡献电子媒体(网站,博客)以及过去在其网络内分发信息的频率.白皮书”广告研究正在发生变化”(Gerstley,2003)中描述了缩写”SNP”和开发用于量化个人社交网络潜力的第一种算法,参见病毒式营销
第一本在移动电信观众中讨论Alpha用户的商业用途是2004年,Ahonen,Kasper和Melkko的3G营销。2005年,由Ahonen&Moore发表的”社区主导品牌”第一本在社交营销情报背景下更普遍地讨论Alpha用户的书籍。2012年,Nicola Greco(UCL)向TEDx介绍了社交网络潜力,作为用户产生的潜在能源与公司应使用的并行性,指出”SNP是每个公司应该瞄准的新资产”
社会网络分析广泛应用于各种应用和学科.一些常见的网络分析应用包括数据聚合和挖掘,网络传播建模,网络建模和抽样,用户属性和行为分析,社区维护资源支持,基于位置的交互分析,社会共享和过滤,推荐系统开发以及链接预测和实体解析。在私营部门,企业使用社交网络分析来支持客户互动和分析,信息系统开发分析,营销和商业智能需求等活动.一些公共部门的使用包括发展领导者参与战略,分析个人和团体参与和媒体使用以及社区解决问题。
社会网络分析也用于情报,反情报和执法活动。这种技术允许分析人员绘制一个秘密或隐蔽组织,如间谍活动,有组织犯罪家庭或街头帮派.国家安全局(NSA)利用其秘密的大规模电子监控计划,产生对恐怖分子和其他与国家安全有关的网络进行此类分析所需的数据.在此网络分析期间,NSA可以深入三个节点.社交网络初始映射完成后,进行分析,确定网络结构,例如,网络内的领导者。这使得军事或执法部门的资产能够对领导职位的高价值目标进行扼杀或斩首攻击,以破坏网络的运作。自9月11日袭击不久以后,NSA一直在呼叫细节记录(CDR)(也称为元数据)进行社交网络分析
大文本语料库可以变成网络,然后用社交网络分析的方法进行分析。在这些网络中,节点是社会参与者,链接是动作.这些网络的提取可以通过使用解析器进行自动化。
然后通过使用网络理论的工具来分析可以包含数千个节点的结果网络,以确定关键参与者,关键社区或各方,以及整体网络的鲁棒性或结构稳定性或某些节点的中心性等一般属性。这自动化了定量叙事分析引入的方法,其中主体 - 动词 - 对象三元组通过动作链接的演员对来识别,或者由actor对象形成的对
SNA应用的最新方法之一是研究计算机支持的协作学习(CSCL)。在应用于CSCL时,SNA用于帮助了解学员如何在数量,频率和长度方面进行协作,以及沟通的质量,主题和策略。此外,SNA可以专注于网络连接或整个网络的整体特定方面。它使用图形表示,书面表示和数据表示来帮助检查CSCL网络中的连接。将SNA应用于CSCL环境时,参与者的互动被视为社交网络。分析的重点是参与者之间的”联系” - 他们如何互动和沟通 - 而不是每个参与者如何表现自己。
与计算机支持的协作学习中的社会网络分析研究有关的几个关键术语,如:密度,中心性,入度,出度和社会图。
研究人员在计算机支持的协作学习研究中使用社交网络分析,部分原因是其提供的独特功能。这种特定的方法允许研究联网学习社区中的交互模式,并且可以帮助说明参与者与组中的其他成员的交互的程度.使用SNA工具创建的图形提供参与者之间的连接的可视化以及用于在组内进行通信的策略。一些作者还提出,国民账户体系提供了一种随时间轻松分析成员参与模式变化的方法. 一些研究已经在各种情况下将CSNA应用于CSCL。调查结果包括网络密度与教师存在之间的相关性,更多地关注”中心”参与者的建议,网络中跨性别互动的频率偏低,以及教师在异步学习网络中发挥的相对较小的作用。
虽然许多研究已经在计算机支持的协作学习领域中显示出社会网络分析的价值,但研究人员已经表示,SNA本身不足以完全了解CSCL。互动过程的复杂性和无数数据来源使SNA难以对CSCL进行深入分析。研究人员表示,国民账户体系需要与其他分析方法相辅相成,以形成更准确的协作学习经验。
一些研究结合了其他类型的分析与SNA在CSCL的研究。这可以称为多方法或数据三角测量,这将导致CSCL研究中评估可靠性的提高。
定性方法:定性案例研究的原理构成了SNA方法在CSCL经验研究中的整合的坚实框架
定量方法 - 这包括对发生情况的简单描述性统计分析,以确定通过SNA无法跟踪的组成员的特定态度,以便检测一般趋势。