Social Network Analysis e le metriche di misurazione
La Social Network Analysis è un tipo di analisi che sta avendo una crescente domanda in diversi ambiti quali la psicologia, la salute, l’organizzazione aziendale, e le comunicazioni. Più di recente, l’interesse è cresciuto in analisi di reti di leadership per sostenere e rafforzare le loro relazioni all’interno di gruppi, organizzazioni, e relativi sistemi.
Una base di partenza importante da considerare nell’analisi delle reti sociali è l’approccio matematico della teoria dei grafi, che fornisce un linguaggio la descrizione delle reti e dei loro caratteri.
La teoria dei grafi offre una traduzione dei dati contenuti nelle matrici in concetti e teoremi che possono essere direttamente rapportati ai caratteri essenziali delle reti sociali. La teoria dei grafi riguarda insiemi di elementi e le relazioni tra essi: gli elementi sono chiamati punti (o nodi), le relazioni linee.
- Eigenvector Centrality, Importanza del nodo:
- legato all’importanza (autorevolezza, influenza) di un nodo nel network (assegna alti punteggi agli utenti collegati a quelli con punteggi elevati)
- Indica le tipologie di relazione esistenti e l’importanza tra un singolo nodo e i circostanti
- Misura la reputazione di un nodo e il riconoscimento della stessa che gli viene dato dagli altri nodi
- Betweeness Centrality – tra coppie di nodi:
- E’ legato al numero di volte in cui un nodo si ritrova lungo lo shortest path tra le altre coppie di nodi della rete (descrive la capacità di diffusione delle informazioni nella rete attraverso quell’utente)
- Misura la strategicità di un nodo nella rete tra due aree importanti della stessa (concetto di betweness).
- Un individuo con una elevata betweness centrality ha una grande influenza nel flusso di informazioni
- Reciprocità :
- La misura in cui un nodo si trova tra gli altri nodi della rete
- Bridge:
- Quanti elementi causerebbero interruzioni ai flussi
- Network Centrality o Centralization, Dettaglio Centralità nel network – Centralità:
- Questa misura fornisce un’indicazione approssimativa del potere di un nodo
- Centrality Degree – Centralizzazione:
- La differenza tra il numero di link per ogni nodo diviso per la massima somma possibile di differenze.
- Closeness Centrality – Vicinanza:
- E’ legato alla distanza media geodesica – soluzione al problema dello shortest path – tra un nodo e tutti gli altri da lui raggiungibili (esprime il grado di prossimità di un utente agli altri della rete)
- Il grado di un individuo è vicino a tutti gli altri individui in una rete
- Misura il numero di connessioni di un membro
- La vicinanza di un nodo alle componenti interconnesse rimanenti della rete
- Closeness Centrality per tutti i componenti: la vicinanaza di un nodo al resto della rete compresi i nodi non interconnessi
- PageRank Score:
- l’autorità di un utente ( simile al pagerank di Google)
- Potential reach:
- il numero di nodi al secondo grado di separazione che può essere raggiunto da un membro/nodo
- Clustering Coefficient:
- quanto interrelazionato è un utente (cliquish)
- Betweenness Centrality:
- quanto cruciale è un nodo per la diffusione di informazione
- Core Number:
- la centralità di un nodo nella rete
- Vertex Eccentricity:
- la lontananza di un nodo dal centro della rete
- Coefficiente di clustering:
- Misura la probabilità che due nodi diano collegati direttamente
- Degree Centrality – Grado di connessione:
- legato al numero di connessioni associate ad ogni nodo (esprime il grado di connettività di un utente con la rete)
- Il conteggio del numero di legami con altri attori della rete.
- Densità:
- Indica le tipologie di relazione esistenti tra un nodo e gli altri
L’elenco sopra riportato subirà degli aggiornamenti costanti, credo che non sarà mai esaustivo …
Per ulteriori approfondimenti vedi anche i seguenti articoli: