Generic selectors
Exact matches only
Search in title
Search in content
Menu
دوره آموزشی هدف گذاری (کلیک کنید)


تحلیل شبکه های اجتماعی چیست؟ (Social Network Analysis)


اهداف و انتظارات آموزشی متمم در این درس
کد درس: ۲۱۷۷۹

یک شبکه اجتماعی (مثلاً اینستاگرام یا توییتر) را در نظر بگیرید. حالا به سوالاتی که در ادامه می‌آید فکر کنید:

  • چگونه می‌توان تأثیرگذارترین افراد را در این شبکه اجتماعی پیدا کرد؟
  • در یک زیرمجموعه از یک شبکه اجتماعی (مثلاً ایرانیان در اینستاگرام یا توییتر) به چه روشی می‌توان افراد جریان‌‌ساز را تشخیص داد؟
  • آیا می‌توان ایرانیان حاضر در توییتر را به دو یا سه تا پنج دسته تقسیم کرد؟‌ این تقسیم‌بندی قرار نیست ذهنی و کلی باشد. بلکه می‌خواهیم آن را به شکلی انجام دهیم که با خطای کم بتوانیم بگوییم هر اکانت متعلق به کدام دسته است.
  • در یک شبکه اجتماعی مثل لینکدین، فاصلهٔ متخصصان ایرانی از یکدیگر چقدر است؟ مثلاً‌ اگر بخواهید از طریق دوستان خود در لینکدین و دوستانِ دوستان‌تان به یک مدیر یا فرد حرفه‌ای دسترسی پیدا کنید، حدس می‌زنید چند پله باید جلو بروید و چند حلقهٔ زنجیر بسازید؟
  • هم‌جنس بودن چقدر می‌تواند روی قدرت یک اینفلوئنسر تأثیرگذار باشد؟ مثلاً آيا تأثیر اینفلوئنسرهای زن (یا مرد) روی اینفلوئنسرهای زن (مرد) دیگر بیشتر است؟ آیا پاسخ این پرسش از یک حوزه به حوزهٔ تفاوت دارد؟ (مثلاً در حوزه‌های کتاب، لوازم آرایشی یا گردشگری).

تحلیل شبکه های اجتماعی یا Social Network Analysis (به شکل مخفف: SNA) دانشی است که به این نوع سوال‌ها و سوالات مشابه آن‌ها پاسخ می‌دهد.

تحلیل شبکه های اجتماعی چیست؟ SNA

با وجود این‌که قرار است در این درس دربارهٔ تحلیل شبکه های اجتماعی حرف بزنیم و بگوییم SNA چیست، ابتدا کمی دربارهٔ تحلیل شبکه صحبت می‌کنیم.

فیلیپو منچر روش جالبی را برای درک بهتر اهمیت شبکه‌ها انتخاب کرده است. او می‌گوید (+):

«جهانی را در نظر بگیرید که در آن هیچ‌کس دوستی ندارد.
جاده‌ها با هم تقاطع ندارند.
کامپیوترها به هم وصل نیستند.
و هر اتفاقی بیفتد، هیچ‌کس از آن خبردار نمی‌شود.
این دنیای بدون شبکه‌هاست؛ دنیایی ملال‌آمیز و غم‌انگیز که هیچ‌کس علاقه ندارد در آن زندگی کند.»

همین اشارهٔ ساده می‌تواند تعریف شبکه را برای ما مشخص کند:

تعریف شبکه

مجموعه‌ای از دو یا چند عضو را در نظر بگیرید که میان تعدادی از آن‌ها ارتباط یا وابستگی وجود دارد؛ مثلاً مجموعه کامپیوترهای متصل به اینترنت، مجموعه انسان‌های یک شهر، مجموعه تلفن‌های موبایل در یک شبکه مخابراتی، مجموعه شهرها و روستاهای یک کشور.

این مجموعهٔ اعضا و ارتباطات داخلی آن‌ها را یک شبکه یا Network می‌نامند.

معمولاً هر یک از اعضای شبکه را با اصطلاح گره (Node) یا رأس (Vertex) توصیف می‌کنند. هر یک از خطوط ارتباطی میان اعضا را هم یال (Edge) یا پیوند (Link) می‌نامند.

مثال اول | شبکه کامپیوتری

در یک شبکه کامپیوتری هر گره یا Node یک کامپیوتر است. وقتی دو کامپیوتر با هم مرتبط هستند می‌گوییم بین آن‌ها یک پیوند (لینک) وجود دارد.

شبکه چیست

مثال دوم | شبکه مترو

متروها در یک شهر (یا بین شهرها و اقمار آن‌ها) می‌توانند مثال دیگری از شبکه باشند.

هر ایستگاه مترو را می‌توان یک Node در نظر گرفت. وقتی بین دو ایستگاه، خط ارتباطی مستقیم و بی‌واسطه وجود دارد، می‌توان گفت بین این دو Node یک لینک وجود دارد.

مثال تحلیل شبکه - شبکه مترو

ما عادت داریم نقشهٔ متروها را تقریباً متناظر با توزیع جغرافیایی آن‌ها ببینیم. یعنی مثلاً ایستگاه‌های شمالی در بالای صفحه و ایستگاه‌های جنوبی در پایین صفحه وجود داشته باشند و خطوط ترسیم شده، شکل کلی خطوط در دنیای فیزیکی را تداعی کنند.

اما به خاطر داشته باشید که در شبکه، مهم‌ترین ویژگی‌های مد نظر ما گره‌ها و پیوندها هستند. بنابراین شکل زیر هم می‌تواند برای نمایش بخشی از شبکه مترو در شهر تهران به کار گرفته شود.

در شکل زیر این‌که بین کدام ایستگاه‌ها خط ارتباطی مستقیم وجود دارد، به دقت و درستی نشان داده شده، اما اصراری نبوده تا موقعیت جغرافیایی ایستگاه‌ها منطبق با واقعیت منعکس شود.

نمونه شبکه

مثال | شبکه اجتماعی

در میان انواع شبکه‌ها، یکی از آن‌ها برای ما جذابیت ویژه‌ای دارد؛ آن هم شبکه اجتماعی است.

ویژگی شبکه اجتماعی در مقایسه با سایر شبکه‌ها این است که در یک شبکه اجتماعی هر گره یا Node یک انسان است. رابطه یا Link l میان انسان‌ها در این شبکه می‌‌تواند به شکل‌های مختلفی وجود داشته باشد. مثلاً می‌توانیم بگوییم اگر دو نفر یکدیگر را بشناسند، بین آن‌ها یک لینک وجود دارد. و یا این‌که اگر «نسبت خویشاوندی درجه یک» بین دو نفر وجود داشته باشد، فرض می‌کنیم بین آن‌ها لینک وجود دارد.

هم‌چنین ممکن است وجود رابطهٔ عاطفی یا عاشقانه، ازدواج، همکار بودن، همسایه بودن و مانند این‌ها را به عنوان مبنایی برای تعریف لینک در یک شبکه در نظر بگیرید.

بنابراین با توجه به تعریف ما از لینک، شکل یک شبکه انسانی تغییر می‌کند.

شبکه انسانی

تحلیل شبکه اجتماعی چیست و به چه کار می‌آید؟

اولین نکته‌ای که باید به خاطر داشته باشیم این است که دانشمندان مدت‌ها پیش از ظهور پلتفرم‌های دیجیتال امروزی (مانند فیسبوک، اینستاگرام، توییتر و لینکدین) به شبکه های اجتماعی توجه داشته‌اند.

همان‌طور که در درس تعریف شبکه های اجتماعی اشاره کردیم، جامعه‌شناسان از نخستین گروه‌هایی بودند که به شبکه های اجتماعی علاقه‌مند شدند.

تحلیل‌گران سیاسی هم از جمله نخستین گروه‌هایی بودند که به نتیجه رسیدند تحلیل شبکه های اجتماعی برای آن‌ها مفید است. چون می‌تواند به پیش‌بینی دقیق‌‌تر نتایج انتخابات کمک کند. ضمن این‌که قبل از برگزاری انتخابات هم با تشخیص افراد تأثیرگذار می‌توان به سراغ ایشان رفت و آن‌ها را به نشر اطلاعات و اخبار مورد نظر یک کاندیدا، ترغیب، تشویق و یا تطمیع کرد.

اپیدمولوژیست‌ها گروه دیگری بودند که به نتیجه رسیدند تحلیل شبکه های اجتماعی می‌تواند برای بررسی بیماری‌های واگیردار کاربرد داشته باشد.

اما همهٔ این افراد و گروه‌ها برای تحلیل شبکه های اجتماعی با یک محدودیت جدی روبه‌رو بودند. آن‌ها باید به سراغ تک‌تک انسان‌ها می‌رفتند و با آن‌ها حرف می‌زدند. مهم‌ترین و موثرترین ابزارشان پرسشنامه بود و می‌دانیم که تهیه، تنظیم و تدوین پرسشنامه‌ها و گفتگو با مردم و درخواست از آن‌ها برای پر کردن پرسشنامه، کاری سنگین و پرهزینه و زمان‌بر است.

بنابراین می‌توان حدس زد که گسترش فناوری اطلاعات و ظهور پلتفرم‌های دیجیتال رویدادی بسیار تأثیرگذار بود. چون پس از آن با کمترین زحمت و دردسر می‌شود اطلاعات مربوط به مردم را گردآوری کرد؛ خصوصاً این‌که بخش بزرگی از این اطلاعات به شکل رایگان و داوطلبانه منتشر می‌شود.

با توجه به این توضیحات می‌توان ادعا کرد تاریخچه تحلیل شبکه های اجتماعی به قبل و بعد از ظهور این پلتفرم‌ها تقسیم می‌شود.

پررنگ شدن نقش SNA در دوران کرونا

به عنوان یک نمونهٔ ساده، طی سال‌های اخیر که کرونا را تجربه کردیم، ذهن همهٔ ما با این موضوع درگیر شد که ارتباطات اجتماعی تا چه حد در فراگیر شدن این بیماری‌ موثر بوده و هست. به عنوان مثال، چه سهمی از گسترش کرونا به پیوندهای خانوادگی مربوط بوده و چه سهمی به بیرون از محیط خانواده (حضور در شهر یا مدرسه و محل کار) ربط داشته است؟

یا سوال جالب‌تر این‌که آیا شکل واگیری سویه‌های مختلف کرونا از این منظر با هم تفاوت داشته است؟ مثلاً آیا می‌توان گفت در سویهٔ اومیکرون، سهم سرایت‌های خانوادگی بیشتر از سویهٔ دلتا بوده است؟

با وجودی که اپیدمولوژیست‌ها چند دهه است چنین سوالاتی را در مورد بیماری‌هایی مانند ایدز و ابولا و مالاریا بررسی می‌کنند، اما احتمالاً در جهان پس از کرونا افراد بیشتری به این نوع موضوعات خواهند پرداخت و قدر دانش تحلیل شبکه های اجتماعی را در حوزه‌های سلامت و درمان خواهند دانست.

البته این نکته را هم به خاطر داشته باشیم که کاربرد تحلیل شبکه های اجتماعی در حوزهٔ سلامت، صرفاً به بررسی موارد سرایت محدود نمی‌شود. طی سال‌‌های اخیر، مطالعات متعددی دربارهٔ پخش اخبار و اطلاعات حول موضوع بیماری‌ها هم انجام شده است.

به عنوان یک نمونه، نمودار زیر نشان می‌دهد که بازنشر توییت‌های مرتبط با کرونا در شبکه‌های اجتماعی چگونه بوده و کدام اکانت‌های توییتر نقش بزرگ‌تری در خبرسازی‌های تأثیرگذار داشته‌اند (دانلود فایل PDF مقاله):

کاربرد تحلیل شبکه های اجتماعی

اما آن‌چه تا این‌جا گفته شد، همهٔ کاربردهای تحلیل شبکه های اجتماعی در نیست.

تحلیل شبکه های اجتماعی می‌تواند در خدمت تصمیم‌گیری، سیاست‌گذاری و خط‌مشی‌گذاری نیز قرار گیرد. مثلاً در همان بحث اپیدمولوژی، فرض کنید بیماری خطرناکی در کشور شیوع پیدا کرده است.

در صورتی که بیماری از حد مشخصی بیشتر شیوع پیدا نکند (و به شکل بالقوه هم چنین احتمالی وجود نداشته باشد)، قاعدتاً سیاست‌گذاران ترجیح می‌دهند به شکل عمومی دربارهٔ آن صحبت نکنند و با راهکارهای اختصاصی و تخصصی بیماری را مهار کنند.

چون اعلام عمومی هزینه‌های دیگری مانند اضطراب و نگرانی دارد که ممکن است از منافع آن بیشتر باشد.

از سوی دیگر، اگر شیوع از حد مشخصی فراتر رود یا بیم آن برود که بیماری به یک مشکل ملی تبدیل خواهد شد، اعلام عمومی ضروری است و اطلاع‌رسانی دربارهٔ مراقبت‌های فردی می‌تواند سرعت شیوع را کاهش دهد.

مبنای تشخیص اعلام یا عدم اعلام چیست؟ اگر به سراغ متخصصان تحلیل شبکه های اجتماعی نرویم، چنین مسئله‌ای از یک تصمیم علمی به یک تصمیم سیاسی و حتی امنیتی تبدیل شده و گزینهٔ نهایی بر پایهٔ انتخاب‌های سلیقه‌ای تعیین خواهد شد.

علاوه بر کابردهای فوق حتماً به این نکته هم توجه دارید که مجموعه‌هایی مانند فیس بوک و اینستاگرام و گوگل هم که مردم به صورت روزانه با آن‌ها سر و کار دارند، به شکل گسترده از دانش تحلیل شبکه های اجتماعی استفاده می‌کنند. در حدی که می‌توان آن‌ها را از بزرگ‌ترین متخصصان تحلیل شبکه های اجتماعی دانست.

این پلتفرم‌ها برای تشخیص ناشران خبرهای جعلی، مبارزه با اکانت‌های فیک و ترول‌ها و نیز برای پیشنهاد مطلب به کاربران (مثلاً در اکسپلور اینستاگرام) و نمایش تبلیغات مرتبط، از تحلیل شبکه های اجتماعی استفاده می‌کنند.

گوگل به تحلیل شبکه های اجتماعی چه ربطی دارد؟

ممکن است از خود بپرسید: «ربط اینستاگرام و توییتر و لینکدین را به تحلیل شبکه های اجتماعی می‌شود درک کرد. اما گوگل با تحلیل شبکه های اجتماعی چه کار دارد؟»

پاسخ این است که گوگل، کل صفحات وب را به عنوان یک شبکه می‌بیند. گوگل و سایر موتورهای جستجو هر URL و هر دامین را یک Node در نظر می‌گیرند. وقتی از یک صفحه به صفحهٔ دیگر یا از یک دامین به دامین دیگر لینک داده می‌شود، گوگل آن را به عنوان یک پیوند در شبکهٔ وب در نظر می‌گیرد و گرافی را که از کل وب دارد به روز می‌کند.

تصویری که گوگل از شبکه های اجتماعی دارد با تصویری که ما از شبکه های اجتماعی داریم کمی تفاوت دارد.

برای ما شبکه های اجتماعی عموماً شبکه‌ای از انسان‌ها هستند که اطلاعات بین آن‌ها جابه‌جا می‌شود.

اما برای گوگل، شبکه اجتماعی، شبکه‌ای از صفحات وب و وب‌سایت‌هاست که انسان‌ها بین آن‌ها جابه‌جا می‌شوند!

همان‌طور که بعضی انسان‌ها در جامعه به عنوان مرجع شناخته می‌شوند، گوگل هم برخی صفحات را در مقایسه با صفحات دیگر در جایگاه مرجع در نظر می‌گیرد (صفحاتی که به آن‌ها زیاد لینک داده شده است).

هم‌چنین صفحه‌ای که به صفحات و سایت‌های دیگر لینک می‌دهد و آن‌ها را معرفی می‌کند،‌ برای گوگل جایگاه ارزشمندتری خواهد داشت. چون چنین صفحه‌ای به «میانهٔ میدان» آمده و کمک کرده مسیر جستجوی مطلب و دستیابی به محتوا برای کاربران وب هموارتر شود (چیزی که در نظریه گرافها به عنوان شاخص Betweenness شناخته می‌شود).

ریشهٔ علمی دانش تحلیل شبکه های اجتماعی

بخش بزرگی از آن‌چه ما به عنوان دانش شبکه های اجتماعی می‌شناسیم، در نظریه گرافها (Graph Theory) ریشه دارد؛ دانشی با سابقهٔ بیش از دو قرن که لئونارد اویلر، ریاضیدان، از بنیان‌گذاران آن محسوب می‌شود.

بیشتر آن‌چه به عنوان پارامتر در تحلیل شبکه های اجتماعی می‌شناسیم، مانند:

  • میزان تعامل هر گره با گره‌های دیگر
  • تفاوت یا تشابه توزیع جغرافیایی گره‌ها و توزیع دیجیتال آن‌ها
  • عمق و شدت نفوذ هر گره روی سایر گره‌ها
  • فاصله هر گره از مرکز شبکه
  • یک‌سویه یا دوسویه بودن تعامل گره‌ها
  • شدت پیوندها

از نظریه گراف‌ها گرفته و اقتباس شده است.

اما به خاطر این‌که حجم داه‌ها در پلتفرم‌های دیجیتال امروز بسیار زیاد است، عملاً دستاوردهای نظریه گرافها به تنهایی برای توسعه دانش تحلیل شبکه های اجتماعی کافی نبوده است.

امروزه اگر با بیگ دیتا، علم داده و به‌طور خاص داده کاوی آشنا نباشید، به صرف اتکا بر دانش نظریه گرافها نمی‌توانید اطلاعات ارزشمندی از شبکه های اجتماعی دیجیتال استخراج کنید.

این نکته را هم در حد یک اشاره کوتاه در درسی مقدماتی باید بگوییم که در کنار نظریه گراف‌ها و علم داده، علوم دیگری مانند فیزیک اجتماعی (Social Physics) و پیچیدگی (Complexity) هم به کمک تحلیل شبکه های اجتماعی آمده‌اند و پیچیده بودن این دانش‌ها در کنار دستاوردهای ارزشمند این رشته، آنالیز شبکه های اجتماعی را به یکی از گران‌ترین رشته‌های تخصصی در جهان معاصر تبدیل کرده است.

هنوز در ادامهٔ این بحث، پاسخ به پرسش‌های دیگری باقی مانده که در صورت قابل‌توجه بودن تعداد علاقه‌مندان (در حال حاضر: ۲۹۱ نفر) در آینده به آن‌ها خواهیم پرداخت:

  معرفی چند مقاله درباره تحلیل شبکه های اجتماعی

  معرفی چند کتاب درباره تحلیل شبکه های اجتماعی

  معرفی چند پروژه تحلیل شبکه های اجتماعی

  آیا خوب است که تحلیل شبکه های اجتماعی را به عنوان شغل خود انتخاب کنم؟

  تخصص در تحلیل شبکه های اجتماعی را چگونه به دست بیاورم؟

  نرم افزارهای تحلیل شبکه های اجتماعی چه هستند؟

  کدام زبان برنامه نویسی برای تحلیل شبکه های اجتماعی مناسب است؟

  کاربرد اطلاعات موجود در شبکه های اجتماعی برای شرکت‌هایی مثل فیسبوک و توییتر و اینستاگرام چیست؟

پیشنهاد عضویت در متمم

شما با عضویت ویژه در متمم، می‌توانید به درس‌ها و آموزش‌های بسیاری از جمله موضوعات زیر دسترسی کامل داشته باشید:

  فهرست درس‌های متمم

موضوعات زیر، برخی از درس‌هایی هستند که در متمم آموزش داده می‌شوند:

  دوره MBA (یادگیری منظم درس‌ها)

  استراتژی | کارآفرینی | مدل کسب و کار | برندسازی

  فنون مذاکره | مهارت ارتباطی | هوش هیجانی |تسلط کلامی

  توسعه فردی | مهارت یادگیری | تصمیم گیری | تفکر سیستمی

  کوچینگ | مشاوره مدیریت | کار تیمی | کاریزما

  عزت نفس | زندگی شاد | خودشناسی | شخصیت شناسی

  مدیریت بازاریابی | دیجیتال مارکتینگ | سئو | ایمیل مارکتینگ

اگر با فضای متمم آشنا نیستید و دوست دارید درباره‌ی متمم بیشتر بدانید، می‌توانید نظرات دوستان متممی را درباره‌ی متمم بخوانید و ببینید متمم برایتان مناسب است یا نه. این افراد کسانی هستند که برای مدت طولانی با متمم همراه بوده و آن را به خوبی می‌شناسند:

ترتیبی که متمم برای خواندن مطالب سری شبکه های اجتماعی به شما پیشنهاد می‌کند:

سری مطالب حوزه شبکه های اجتماعی
 

برخی از سوالهای متداول درباره متمم (روی هر سوال کلیک کنید)

متمم چیست و چه می‌کند؟ (+ دانلود فایل PDF معرفی متمم)
چه درس‌هایی در متمم ارائه می‌شوند؟
هزینه ثبت‌نام در متمم چقدر است؟
آیا در متمم فایل‌های صوتی رایگان هم برای دانلود وجود دارد؟

۴ نظر برای تحلیل شبکه های اجتماعی چیست؟ (Social Network Analysis)

     
    تمرین‌ها و نظرات ثبت شده روی این درس صرفاً برای اعضای متمم نمایش داده می‌شود.
    .