(0)

Sociala Nätverk Analys

Artikel om Sociala Nätverk Analys

Sociala Nätverk Analys

Denna artikel förklarar “Social Network Analysis på ett praktiskt sätt. Efter att ha läst denna artikel kommer du ha insikt i och förstå grunderna i denna användbara sociala nätverksstrategi.

Vad är en social nätverksanalys?

Social Network Analysis (SNA) är kartläggning och mätning av relationer och flöden mellan människor, grupper, organisationer, datorer, webbadresser och andra informationskällor som är anslutna. Konsulter och rådgivare inom detta område kan använda sig av denna modell och verktyg för att kartlägga sina olika affärsrelationer.

En social nätverksanalys har sina teoretiska rötter i de tidiga sociologernas arbete som Georg Simmel och Emile Durkheim. De skrev om vikten av att kontrollera sociala nätverksmönster. Redan i början av 1900-talet använde socialforskare redan begreppet “sociala nätverk” för att hänvisa till komplexa relationer mellan medlemmar i sociala system. Användningen av systematisk social nätverksanalys utvecklades senare. Den amerikanska professorn i organisationsvetenskap David Krackhardt förklarar exempelvis i sin bok ‘KrackPlot’, som är ett nätverksvisualiseringsprogrammet som han utvecklade. Denna programvara är utformad för analys av sociala nätverk och används ofta i akademisk forskning. Därmed skapar KrackPlot-mjukvaran grunden för en social nätverksanalys.

Noder

Både Social Network Analysis och KrackPlot använder ett enkelt bildskärmsbaserat gränssnitt som möjliggör enkel överföring av noder med datorns mus, varefter nya noder kan läggas till. Flera egenskaper kan tilldelas varje nod. Därefter kan dessa flaggas med hjälp av färg och form. KrackPlot fördelar automatiskt färger och former utifrån de egenskaper som personerna tidigare har inkluderat. Noden i nätverket är människorna och grupperna. Anslutningarna mellan noderna representerar de ömsesidiga relationerna och/eller strömmarna. Som ett resultat är SNA inte bara en matematisk men också en visuell analys av mänskliga relationer.

Anslutningen mellan noderna och därmed interaktionen mellan sociala nätverk kan mätas på tre nivåer inom en Social Network Analysis:

1. Degree Centrality

Det här är de personer som har de mest direkta kopplingarna inom nätverket. De är de mest aktiva. De utgör de centrala länkarna i ett socialt nätverk. Degree Centrality handlar om var någonstans kopplingarna leder och hur andra är kopplade. Den här personen kallas också för “kopplaren” eller “hubben”. Hen är ett enskilt nätverkscenter som erbjuder insikt i sin specifika plats inom nätverket. Denna plats kan avslöja mycket om den allmänna nätverksstrukturen. Ett nav kan misslyckas plötsligt när det är inaktiverat eller borttaget. Detta gör navet mycket viktiga noder i hög grad.

2. Betweeness Centrality

Det här är människor i det sociala nätverket som bokstavligen står mellan andra. Även om vissa av dem är direkt kopplade till “hubbar” har vissa få direkta kopplingar. Ändå upptar dessa människor ofta en av de bästa platserna i nätverket. De är trots allt placerade mellan två viktiga nav. De uppfyller en så kallad “mäklareroll” i nätverket. Å ena sidan är de kraftfulla och å andra sidan är de beroende av andra i nätverket. Eftersom de är bokstavligen befinner sig “emellan kan de se till att hubbarna inte får information. Detta gör deras position mycket “mäktigt” inom nätverket.

3. Closeness Centrality

Slutligen finns de så kallade eftersläntrarna inom ett nätverk. De kommer “sist i kön” och har direkta och indirekta kopplingar till hubbaran och “mellan” -länkarna. Det betyder att de har tillgång till alla noder i nätverket snabbare än någon annan. När allt kommer omkring kan de ta de kortaste vägarna till alla andra i nätverket. Från sin position har de en bra översikt och kan noga hålla koll på informationsströmmen i nätverket och se vilka förändringar som förekommer.

Matematik

I samband med att studera de sociala strukturerna använder Social Network Analysis grafteori. Detta är ett underområde av matematik som studerar grafernas egenskaper. Ett diagram består av en samling prickar som kallas noder. Dessa noder är kopplade till exempel med linjer, pilar eller bågar. Komplexa nätverk tillämpar massor av grafer. I stället för noder representerar SNA sociala relationer mellan enskilda aktörer, människor eller saker inom ett nätverk och binder samman de ömsesidiga relationerna. Därefter visualiseras dessa nätverk, där noder representeras som prickar och de ömsesidiga anslutningarna och relationerna representeras som linjer. Några exempel på sociala strukturer är:

  • Sociala medier nätverk, inklusive Instagram, Twitter och Facebook
  • Kunskapsnätverk och professionella nätverk t.ex. LinkedIn

Räckvidd

Inte alla nätverksvägar är lika långa. Att utöva inflytande i ett socialt nätverk är inte enbart beroende av ett stort utbud. Studier visar på att kortare vägar i ett nätverk är också mycket viktiga. Det är särskilt viktigt att veta vem som ingår i en nätverksmiljö vilket kan uttryckas som; vem känner vem och hur människor kan nå varandra.

Det antas ofta att all information transporteras via de kortaste vägarna i nätverket. Nätverk löper dock via både direkta och indirekta vägar, både korta och långa. Intressant information kan nå oss från mycket olika och ibland överraskande källor. Därför är det viktigt att du prövar många olika vägar och utökar nätverket steg för steg.

Mer om Social Network Analysis

Du använder sociala nätverk varje dag, men hur kan vi bättreförstå hur de arbetar för att påverka våra beslut, vår karriär, vår hälsa och våra berättelser/budskap? Fältet Social Network Analysis är en teknik som gör att vi kan kvantifiera och förstå de komplexa strukturerna och flödena av relationer, tankar och saker mellan människor runt om i världen. Utöver modellen som beskrivs ovan kan du även titta på dina social medie-nätverk med hjälp av nedanstående verktyg. Se även videon hämtat från YouTube som hör till denna artikel.

Liknande artiklar

  • Not available •
0 (0)
  • Not available •
0 (0)
  • Not available •
0 (0)

© All rights reserved. Created with Voxel