Analyse des sozialen Netzwerks

In diesem Artikel geht es um das theoretische Konzept. Für eine quantitative Anwendung auf soziale Medien siehe Social Media Analytics. Für Social -Networking -Websites siehe Dienstleistung für soziale Netzwerke. Für andere Verwendungen siehe Soziales Netzwerk (Disambiguierung).
A Social Network Diagramm Freundschaftsbeziehungen unter einem Satz von Facebook Benutzer.

Analyse des sozialen Netzwerks (Sna) ist der Prozess der Untersuchung sozialer Strukturen durch die Verwendung von Netzwerke und Graphentheorie.[1] Es charakterisiert vernetzte Strukturen in Bezug auf Knoten (einzelne Akteure, Menschen oder Dinge im Netzwerk) und die Krawatten, Kanten, oder Links (Beziehungen oder Interaktionen), die sie verbinden. Beispiele von soziale Strukturen häufig durch soziale Netzwerkanalyse visualisierte Einstellung umfassen Social Media -Netzwerke,[2][3] Meme Verbreitung,[4] Informationsumlauf, Zirkulation,[5] Freundschafts- und Bekanntschaftsnetzwerke, Geschäftsnetzwerke, Wissensnetzwerke,[6][7] schwierige Arbeitsbeziehungen,[8] soziale Netzwerke, Kollaborationsgraphen, Verwandtschaft, Krankheitsübertragung, und Sexuelle Beziehungen.[9][10] Diese Netzwerke werden oft durch visualisiert Soziogramme in denen Knoten als Punkte und Krawatten als Linien dargestellt werden. Diese Visualisierungen bieten ein Mittel zur qualitativen Bewertung von Netzwerken, indem die visuelle Darstellung ihrer Knoten und Kanten variiert, um die interessierenden Attribute widerzuspiegeln.[11]

Die Analyse der sozialen Netzwerke hat sich als Schlüsseltechnik in der Moderne herausgestellt Soziologie. Es hat auch im Folgenden erhebliche Popularität erlangt - Anthropologie, Biologie,[12] Demographie, Kommunikationswissenschaften,[3][13] Wirtschaft, Erdkunde, Geschichte, Informationswissenschaft, Organisationsstudien,[6][8] Politikwissenschaft,[14] Gesundheitswesen,[15][7] Sozialpsychologie, Entwicklungsstudien, Soziolinguistik, und Informatik[16] und ist jetzt üblicherweise als Verbraucherwerkzeug erhältlich (siehe die Liste der SNA -Software).[17][18][19][20]

Die Vorteile von SNA sind zweifach. Erstens kann es eine große Menge an relationalen Daten verarbeiten und die gesamte relationale Netzwerkstruktur beschreiben. TEM- und Parameterauswahl, um die einflussreichen Knoten im Netzwerk zu bestätigen, wie z. B. in der Grad- und übergreifenden Zentralität. SNA -Kontext und wählen Sie, welche Parameter das „Zentrum“ entsprechend den Eigenschaften des Netzwerks definieren. Durch die Analyse von Knoten, Clustern und Beziehungen können die Kommunikationsstruktur und Position von Individuen klar beschrieben werden.[21]

Geschichte

Die Analyse der sozialen Netzwerke hat ihre theoretischen Wurzeln in der Arbeit früher Soziologen wie z. Georg Simmel und Emile Durkheim, der über die Bedeutung des Studiums von Beziehungsmustern schrieb, die soziale Akteure verbinden. Sozialwissenschaftler haben das Konzept von "verwendet"soziale Netzwerke"Seit Anfang des 20. Jahrhunderts, um komplexe Beziehungen zwischen Mitgliedern sozialer Systeme auf allen Skalen zu unterscheiden, von zwischenmenschlich bis international.[22]

In den 1930ern Jacob Moreno und Helen Jennings Einführte grundlegende analytische Methoden.[22] Im Jahr 1954, John Arundel Barnes begann, den Begriff systematisch zu verwenden, um Krawattenmuster zu bezeichnen und Konzepte zu umfassen, die traditionell von der Öffentlichkeit verwendet werden, und die von Sozialwissenschaftlern verwendeten: begrenzt Gruppen (z. B. Stämme, Familien) und soziale Kategorien (z. B. Geschlecht, ethnische Zugehörigkeit). Wissenschaftler wie Ronald Burt, Kathleen Carley, Mark Granovetter, David Krackhardt, Edward Laumann, Anatol Rapoport, Barry Wellman, Douglas R. White, und Harrison White erweiterte die Verwendung systematischer Analyse des sozialen Netzwerks.[23]

SNA wurde in der Forschung zum Auslandsuntersuchung im Ausland ausführlich eingesetzt.[24] Selbst in der Studie der Literatur wurde die Netzwerkanalyse von Anheier, Gerhards und Romo angewendet.[25] Wouter de noy,[26] und Burgert Senekal.[27] In der Tat hat die Analyse der sozialen Netzwerkanalyse Anwendungen in verschiedenen akademischen Disziplinen sowie praktische Anwendungen wie dem Gegenstand gefunden Geldwäsche und Terrorismus.

Metriken

Farbton (von rot = 0 bis blau = max) zeigt jeden Knoten an Zwischen der Zentralität.

Größe: Die Anzahl der Netzwerkmitglieder in einem bestimmten Netzwerk.

Verbindungen

Homophilie: Das Ausmaß, in dem Akteure Verbindungen zu ähnlichen und unähnlichen anderen bilden. Ähnlichkeit kann durch Geschlecht, Rasse, Alter, Beruf, Bildungsleistungen, Status, Werte oder andere herausragende Merkmale definiert werden.[28] Homophily wird auch als als bezeichnet Sortativität.

Multiplexität: Die Anzahl der in einem Unentschieden enthaltenen Inhaltsformen.[29] Zum Beispiel hätten zwei Personen, die Freunde sind und auch zusammenarbeiten, eine Multiplexität von 2.[30] Die Multiplexität wurde mit der Beziehungsstärke in Verbindung gebracht und kann auch überlappende positive und negative Netzwerkbindungen umfassen.[8]

Gegenseitigkeit/Gegenseitigkeit: Das Ausmaß, in dem zwei Akteure die Freundschaft oder andere Interaktion des anderen erwidern.[31]

Netzwerkverschluss: Ein Maß für die Vollständigkeit von relationalen Triaden. Die Annahme eines Netzwerkverschlusses (d. H. Die Freunde sind auch Freunde) wird als Transitivität bezeichnet. Transitivität ist ein Ergebnis des individuellen oder situativen Merkmals von Bedarf an kognitiven Schließen.[32]

Nähe: Die Tendenz für Akteure, mehr Verbindungen zu geografisch engen anderen zu haben.

Verteilungen

Brücke: Eine Person, deren schwache Bindungen a füllen Strukturlochdie einzige Verbindung zwischen zwei Individuen oder Clustern. Es enthält auch die kürzeste Route, wenn ein längerer aufgrund des hohen Risikos für die Verzerrung oder des Versagens von Nachrichtenverzögerungen unmittelbar ist.[33]

Zentralität: Zentralität bezieht sich auf eine Gruppe von Metriken, die darauf abzielen, die "Wichtigkeit" oder "Einfluss" (in verschiedenen Sinnen) eines bestimmten Knotens (oder einer Gruppe) innerhalb eines Netzwerks zu quantifizieren.[34][35][36][37] Beispiele für gemeinsame Methoden zur Messung der "Zentralität" sind Zwischen der Zentralität,[38] Nähe Zentralität, Eigenvektor -Zentralität, Alpha -Zentralität, und Abschlusszentralität.[39]

Dichte: Der Anteil der direkten Beziehungen in einem Netzwerk relativ zur Gesamtzahl möglich.[40][41]

Entfernung: Die minimale Anzahl von Bindungen, die erforderlich sind, um zwei bestimmte Akteure zu verbinden, wie populär Stanley Milgram's kleines Welt -Experiment und die Idee von "sechs Grad Trennung".

Strukturlöcher: Das Fehlen von Verbindungen zwischen zwei Teilen eines Netzwerks. Ein strukturelles Loch zu finden und auszunutzen kann eine geben Unternehmer ein Wettbewerbsvorteil. Dieses Konzept wurde vom Soziologen entwickelt Ronald Burtund wird manchmal als alternatives Konzept des sozialen Kapitals bezeichnet.

Krawattenstärke: definiert durch die lineare Kombination aus Zeit, emotionaler Intensität, Intimität und Gegenseitigkeit (d. H. Gegenseitigkeit).[33] Starke Bindungen sind mit Homophilie, Propinität und Transitivität verbunden, während schwache Bindungen mit Brücken verbunden sind.

Segmentierung

Gruppen werden als 'identifiziertCliquen"Wenn jeder Einzelne direkt an jedes andere Individuum gebunden ist"Soziale Kreise'Wenn es weniger streng direkter Kontakt gibt, was ungenau ist oder als strukturell zusammenhängend Blöcke, wenn Präzision gesucht wird.[42]

Clustering -Koeffizient: Ein Maß für die Wahrscheinlichkeit, dass zwei Mitarbeiter eines Knotens Mitarbeiter sind. Ein höherer Clustering -Koeffizient zeigt eine größere „Cliquität“ an.[43]

Zusammenhalt: Der Grad, in dem Akteure direkt miteinander verbunden sind Kohäsive Bindungen. Struktureller Zusammenhalt Bezieht sich auf die Mindestanzahl von Mitgliedern, die, wenn sie aus einer Gruppe entfernt werden, die Gruppe trennen würden.[44][45]

Modellierung und Visualisierung von Netzwerken

Verschiedene Merkmale sozialer Netzwerke. A, B und C zeigen unterschiedliche Zentralität und Dichte von Netzwerken; Panel D zeigt den Netzwerkverschluss, d. H. Wenn zwei Akteure, die an einen gemeinsamen dritten Akteur gebunden sind, neigen auch, auch ein direktes Unentschieden zwischen ihnen zu bilden. Panel E repräsentiert zwei Akteure mit unterschiedlichen Attributen (z. B. organisatorische Zugehörigkeit, Überzeugungen, Geschlecht, Bildung), die dazu neigen, Verbindungen zu bilden. Panel F besteht aus zwei Arten von Bindungen: Freundschaft (durchgezogene Linie) und Abneigung (gestrichelte Linie). In diesem Fall mögen zwei Akteure, die Freunde sind, einen gemeinsamen Drittel (oder in ähnlicher Weise zwei Schauspieler, die einen gemeinsamen Drittel nicht mögen, neigen dazu, Freunde zu sein).

Die visuelle Darstellung sozialer Netzwerke ist wichtig, um die Netzwerkdaten zu verstehen und das Ergebnis der Analyse zu vermitteln.[46] Es wurden zahlreiche Visualisierungsmethoden für Daten vorgestellt, die durch soziale Netzwerkanalyse erstellt wurden.[47][48][49] Viele der Analysesoftware Module für die Netzwerkvisualisierung haben. Die Untersuchung der Daten erfolgt durch Anzeigen von Knoten und Bindungen in verschiedenen Layouts sowie die Zuordnung von Farben, Größe und anderen erweiterten Eigenschaften Knoten. Visuelle Darstellungen von Netzwerken können eine leistungsstarke Methode zur Vermittlung komplexer Informationen sein. Bei der Interpretation von Knoten- und Grapheigenschaften allein aus visuellen Displays sollte jedoch darauf geachtet werden, dass sie strukturelle Eigenschaften falsch darstellen, die durch quantitative Analysen besser erfasst werden.[50]

Signierte Grafiken Kann verwendet werden, um gute und schlechte Beziehungen zwischen Menschen zu veranschaulichen. Eine positive Kante zwischen zwei Knoten bezeichnet eine positive Beziehung (Freundschaft, Bündnis, Datierung) und eine negative Kante zwischen zwei Knoten bezeichnet eine negative Beziehung (Hass, Wut). Signierte Diagramme für soziale Netzwerke können verwendet werden, um die zukünftige Entwicklung des Diagramms vorherzusagen. Im Signierte soziale NetzwerkeEs gibt das Konzept von "ausgeglichenen" und "unausgeglichenen" Zyklen. Ein ausgewogener Zyklus ist definiert als a Kreislauf wo das Produkt aller Zeichen positiv ist. Entsprechend Gleichgewichtstheorie, ausgeglichene Diagramme repräsentieren eine Gruppe von Menschen, die wahrscheinlich nicht ihre Meinung zu den anderen Personen in der Gruppe ändern. Unausgeglichene Diagramme stellen eine Gruppe von Menschen dar, die sehr wahrscheinlich ihre Meinungen zu den Menschen in ihrer Gruppe ändern. Zum Beispiel eine Gruppe von 3 Personen (A, B und C), in denen A und B eine positive Beziehung haben, haben B und C eine positive Beziehung, aber C und A haben eine negative Beziehung ein unausgeglichener Zyklus. Diese Gruppe verwandelt sich höchst unterzeichnet Social -Netzwerk -Grafiken kann vorhergesagt werden.[51]

Insbesondere bei Verwendung der sozialen Netzwerkanalyse als Instrument zur Erleichterung von Veränderungen haben sich unterschiedliche Ansätze der partizipativen Netzwerkkartierung als nützlich erwiesen. Hier stellen die Teilnehmer / Interviewer Netzwerkdaten bereit, indem sie das Netzwerk (mit Stift und Papier oder digital) während der Datenerfassungssitzung tatsächlich abbilden. Ein Beispiel für einen Pen-and-Paper-Netzwerk-Mapping-Ansatz, der auch die Sammlung einiger Akteurattribute (wahrgenommener Einfluss und Ziele der Akteure) enthält, ist das * Net-map toolbox. Ein Vorteil dieses Ansatzes besteht darin, dass Forscher qualitative Daten sammeln und klärende Fragen stellen können, während die Netzwerkdaten gesammelt werden.[52]

Soziales Netzwerkpotential

Social -Networking -Potenzial (SNP) ist numerisch Koeffizient, abgeleitet durch Algorithmen[53][54] sowohl die Größe eines Einzelnen darstellen Soziales Netzwerk und ihre Fähigkeit, dieses Netzwerk zu beeinflussen. SNP -Koeffizienten wurden zuerst definiert und verwendet Bob GerStley im Jahr 2002. Ein eng verwandter Begriff ist Alpha -Benutzer, definiert als Person mit einem hohen SNP.

SNP -Koeffizienten haben zwei Hauptfunktionen:

  1. Das Einstufung von Individuen basierend auf ihrem sozialen Netzwerkpotential, und
  2. Die Gewichtung von Befragten in quantitativ Marktforschung Studien.

Durch Berechnung des SNP der Befragten und durch Targeting Hohe SNP -Befragte, die Stärke und Relevanz der quantitativen Marketingforschung, die zum Fahren verwendet wird virales Marketing Strategien werden verbessert.

Variablen Wird verwendet, um die SNP einer Person zu berechnen, umfassen unter anderem: Teilnahme an Aktivitäten für soziale Netzwerke, Gruppenmitgliedschaften, Führungsrollen, Anerkennung, Veröffentlichung/Bearbeitung/Beitrag zu nichtelektronischen Medien, Veröffentlichung/Bearbeitung/Beitrag zu elektronischen Medien (Websites, Blogs, Blogs, Blogs, Blogs, Blogs, Blogs, Blogs, Blogs, Blogs, Blogs ) und Häufigkeit der Verteilung der Informationen in ihrem Netzwerk. Das Akronym "SNP" und einige der ersten Algorithmen zur Quantifizierung des sozialen Netzwerkpotentials eines Individuums wurden in der White Paper "Werbeberechtigung" beschrieben Virales Marketing.[55]

Das erste Buch[56] Um die kommerzielle Nutzung von Alpha -Benutzern unter mobilen Telekommunikationsgegenständen zu diskutieren, war das Ziel von Ahonen, Kasper und Melkko im Jahr 2004 3G -Marketing Social Marketing Intelligence Wurden Gemeinden im Jahr 2005 Marken von Ahonen & Moore dominieren. 2012 Nicola Greco (UCL) Geschenke bei TEDX das soziale Netzwerkpotential als Parallelität zur potenzielle Energie dass Benutzer generieren und Unternehmen verwenden sollten und sagen, dass "SNP das neue Kapital ist, das jedes Unternehmen beabsichtigen sollte".[57]

Praktische Anwendungen

Siehe auch: Analyse des sozialen Netzwerks (Kriminologie)

Die Analyse der sozialen Netzwerke wird ausgiebig in einer Vielzahl von Anwendungen und Disziplinen verwendet. Einige gemeinsame Netzwerkanalyseanwendungen umfassen Datenaggregation und Bergbau, Modellierung von Netzwerkvermehrungen, Netzwerkmodellierung und -probentum, Benutzerattribut- und Verhaltensanalyse, unterstützte Ressourcenunterstützung, standortbasierte Interaktionsanalyse, soziale Freigabe und Filterung, Empfehlungssysteme Entwicklung und Linkvorhersage und Entitätslösung.[58] Im privaten Sektor verwenden Unternehmen die Analyse der sozialen Netzwerke, um Aktivitäten wie Kundeninteraktion und -analyse zu unterstützen. Informationssystem Entwicklungsanalyse,[59] Marketing und Business Intelligence Bedürfnisse (siehe Social Media Analytics). Einige Verwendungsmöglichkeiten des öffentlichen Sektors umfassen die Entwicklung von Strategien für die Engagement der Führungskräfte, die Analyse des individuellen und der Gruppenbindung und zu Mediennutzung, und Community-basierte Problemlösung.

Sicherheitsanwendungen

Die Analyse der sozialen Netzwerke wird auch in der Intelligenz verwendet, Spionageabwehr und Strafverfolgung Aktivitäten. Diese Technik ermöglicht es den Analysten, verdeckte Organisationen wie eine abzubilden Spionage Ring, eine Familie mit organisiertem Verbrechen oder eine Straßenbande. Das Nationale Sicherheitsbehörde (NSA) verwendet seine elektronische Überwachung Programme zur Generierung der Daten, die zur Durchführung dieser Art der Analyse in Terrorzellen und anderen Netzwerken erforderlich sind, die für die nationale Sicherheit als relevant sind. Die NSA schaut während dieser Netzwerkanalyse zu drei Knoten tief.[60] Nach Abschluss der ersten Zuordnung des sozialen Netzwerks wird eine Analyse durchgeführt, um die Struktur des Netzwerks zu bestimmen und beispielsweise die Führungskräfte innerhalb des Netzwerks zu bestimmen.[61] Dies ermöglicht es Militär- oder Strafverfolgungsvermögen, Capture-or-Kill zu starten Enthauptungsangriffe auf der Hochwertige Ziele in Führungspositionen, um die Funktionsweise des Netzwerks zu stören. Die NSA hat eine soziale Netzwerkanalyse auf durchgeführt Rufen Sie Detaildatensätze an (CDRs), auch bekannt als Metadatenda kurz danach der 11. September Angriffe.[62][63]

Textanalyseanwendungen

Große Textkorpora können in Netzwerke umgewandelt und anschließend mit der Methode der sozialen Netzwerkanalyse analysiert werden. In diesen Netzwerken sind die Knoten soziale Akteure, und die Links sind Aktionen. Die Extraktion dieser Netzwerke kann durch Verwendung von Parsers automatisiert werden. Die resultierenden Netzwerke, die Tausende von Knoten enthalten können Knoten.[64] Dies automatisiert den Ansatz, der durch quantitative Erzählanalyse eingeführt wird.[65] wobei Subjekt-Verb-Objekt-Tripletts mit Akteuren identifiziert werden, die durch eine Aktion verknüpft sind, oder Paare, die vom Akteur-Objekt gebildet werden.[66]

Narratives Netzwerk von US -Wahlen 2012[66]

In anderen Ansätzen wird eine Textanalyse unter Berücksichtigung des in einem Text auftretenden Wörternetzwerks durchgeführt. In diesen Netzwerken sind Knoten Wörter und Verbindungen unter ihnen basierend auf ihrer Häufigkeit des Ko-Auftretens (innerhalb eines bestimmten maximalen Bereichs) gewichtet.

Internetanwendungen

Die Analyse der sozialen Netzwerke wurde auch zum Verständnis von Online -Verhalten von Einzelpersonen, Organisationen und zwischen Websites angewendet.[16] Hyperlink Die Analyse kann verwendet werden, um die Verbindungen zwischen zu analysieren Websites oder Webseiten Um zu untersuchen, wie Informationen fließen, wenn Einzelpersonen im Internet navigieren.[67] Die Verbindungen zwischen Organisationen wurden durch Hyperlink -Analyse analysiert, um zu untersuchen, welche Organisationen innerhalb einer Problemgemeinschaft.[68]

Netokratie

Ein weiteres Konzept, das aus dieser Verbindung zwischen sozialer Netzwerktheorie und Internet hervorgegangen ist, ist das Konzept von Netokratie, wo sich mehrere Autoren aufgetaucht haben, um die Korrelation zwischen der erweiterten Nutzung von Online -sozialen Netzwerken und Änderungen der sozialen Machtdynamik zu untersuchen.[69]

Internetanwendungen in sozialen Medien

Die Analyse der sozialen Netzwerke wurde auf soziale Medien als Instrument zum Verständnis des Verhaltens zwischen Einzelpersonen oder Organisationen durch ihre Verknüpfungen auf Social -Media -Websites wie angewendet Twitter und Facebook.[70]

Im computergestützten kollaborativen Lernen

Eine der aktuellsten Methoden für die Anwendung von SNA ist die Untersuchung von computergestütztes kollaboratives Lernen (CSCL). Bei der Anwendung auf CSCL wird SNA verwendet, um zu verstehen, wie die Lernenden in Bezug auf Menge, Häufigkeit und Länge sowie die Qualität, das Thema und die Strategien der Kommunikation zusammenarbeiten.[71] Darüber hinaus kann sich SNA auf bestimmte Aspekte der Netzwerkverbindung oder das gesamte Netzwerk als Ganzes konzentrieren. Es verwendet grafische Darstellungen, schriftliche Darstellungen und Datendarstellungen, um die Verbindungen innerhalb eines CSCL -Netzwerks zu untersuchen.[71] Bei der Anwendung von SNA auf eine CSCL -Umgebung werden die Interaktionen der Teilnehmer als soziales Netzwerk behandelt. Der Schwerpunkt der Analyse liegt auf den "Verbindungen" unter den Teilnehmern - wie sie interagieren und kommunizieren - im Gegensatz zu der Art und Weise, wie sich jeder Teilnehmer auf sich verhalten hat.

Schlüsselbegriffe

Mit der Forschung an der sozialen Netzwerkanalyse im computergestützten kollaborativen Lernen sind mehrere wichtige Begriffe verbunden, wie z. B.: Dichte, Zentralität, Ingrade, Outdegree, und Soziogramm.

  • Dichte bezieht sich auf die "Verbindungen" zwischen den Teilnehmern. Die Dichte ist definiert als die Anzahl der Verbindungen, die ein Teilnehmer hat, geteilt durch die gesamten möglichen Verbindungen, die ein Teilnehmer haben könnte. Wenn beispielsweise 20 Personen teilnehmen, kann sich jede Person möglicherweise mit 19 anderen Personen verbinden. Eine Dichte von 100% (19/19) ist die größte Dichte im System. Eine Dichte von 5% zeigt an, dass nur 1 von 19 möglichen Verbindungen vorhanden sind.[71]
  • Zentralität Konzentriert sich auf das Verhalten einzelner Teilnehmer innerhalb eines Netzwerks. Es misst das Ausmaß, in dem eine Person mit anderen Personen im Netzwerk interagiert. Je mehr eine Person in einem Netzwerk eine Verbindung zu anderen herstellt, desto größer ist ihre Zentralität im Netzwerk.[71][13]

In-Grad- und Out-Degree-Variablen hängen mit der Zentralität zusammen.

  • In Grad Die Zentralität konzentriert sich auf ein bestimmtes Individuum als Schwerpunkt; Die Zentralität aller anderen Individuen basiert auf ihrer Beziehung zum Schwerpunkt des "In-Grad"-Individuums.[71]
  • Überdurchschnittlich ist ein Maß für die Zentralität, das sich immer noch auf eine einzelne Person konzentriert, aber die Analytik befasst sich mit den ausgiebigen Wechselwirkungen des Individuums; Das Maß für die zentrale Zentralität ist, wie oft der Fokuspunkt Individuum mit anderen interagiert.[71][13]
  • A Soziogramm ist eine Visualisierung mit definierten Grenzen von Verbindungen im Netzwerk. Zum Beispiel würde ein Soziogramm, das außerhalb des Grades Zentralitätspunkte für Teilnehmer A zeigt, alle ausgehenden Verbindungen ein im untersuchter Netzwerk hergestelltes Teilnehmer veranschaulichen.[71]

Einzigartige Fähigkeiten

Forscher verwenden soziale Netzwerkanalysen bei der Untersuchung des computergestützten kollaborativen Lernens teilweise aufgrund der einzigartigen Fähigkeiten, die es bietet. Diese bestimmte Methode ermöglicht die Untersuchung von Interaktionsmustern innerhalb von a Networked Learning Community und kann helfen, das Ausmaß der Interaktionen der Teilnehmer mit den anderen Mitgliedern der Gruppe zu veranschaulichen.[71] Die mit SNA -Tools erstellten Grafiken bieten Visualisierungen der Verbindungen zwischen den Teilnehmern und die Strategien, die zur Kommunikation innerhalb der Gruppe verwendet werden. Einige Autoren schlagen auch vor, dass SNA eine Methode zur einfachen Analyse von Änderungen der partizipativen Mitgliedermuster im Laufe der Zeit bietet.[72]

Eine Reihe von Forschungsstudien hat SNA auf CSCL in verschiedenen Kontexten angewendet. Die Ergebnisse umfassen die Korrelation zwischen der Dichte eines Netzwerks und der Präsenz des Lehrers.[71] eine größere Rücksicht auf die Empfehlungen der "zentralen" Teilnehmer,[73] Frequenz der Interaktion zwischen Geschlechtern in einem Netzwerk,[74] und die relativ kleine Rolle, die ein Ausbilder in einem spielt Asynchrones Lernen Netzwerk.[75]

Andere Methoden, die neben SNA verwendet werden

Obwohl viele Studien den Wert der sozialen Netzwerkanalyse im Bereich computergestützter kollaborativer Lernbereich gezeigt haben,[71] Forscher haben vorgeschlagen, dass SNA selbst nicht ausreicht, um ein vollständiges Verständnis von CSCL zu erreichen. Die Komplexität der Interaktionsprozesse und die unzähligen Datenquellen erschweren SNA, eine eingehende Analyse von CSCL zu liefern.[76] Forscher geben an, dass SNA durch andere Analysemethoden ergänzt werden muss, um ein genaueres Bild kollaborativer Lernerfahrungen zu bilden.[77]

Eine Reihe von Forschungsstudien hat in der Studie von CSCL andere Arten von Analysen mit SNA kombiniert. Dies kann als Multi-Methoden-Ansatz oder Daten bezeichnet werden Triangulation, was zu einer Erhöhung der Bewertung führen wird Verlässlichkeit In CSCL -Studien.

  • Qualitative Methode - Die Prinzipien qualitativer Fallstudienforschung bilden einen soliden Rahmen für die Integration von SNA -Methoden in die Untersuchung von CSCL -Erfahrungen.[78]
    • Ethnografisch Daten wie studentische Fragebögen und Interviews und Unterteilungsbeobachtungen im Klassenzimmer[77]
    • Fallstudien: Untersuchung bestimmte CSCL -Situationen umfassend untersuchen und die Ergebnisse mit allgemeinen Schemata beziehen[77]
    • Inhaltsanalyse: Bietet Informationen über den Inhalt der Kommunikation zwischen Mitgliedern[77]
  • Quantitative Methode - Dies umfasst einfache beschreibende statistische Analysen zu Vorkommen, um bestimmte Einstellungen von Gruppenmitgliedern zu identifizieren, die nicht über SNA verfolgt werden konnten, um allgemeine Tendenzen zu erkennen.
    • Computer Protokolldateien: Geben Sie automatische Daten darüber an, wie kollaborative Tools von Lernenden verwendet werden[77]
    • Mehrdimensionale Skalierung (MDS): Diagramme Ähnlichkeiten zwischen Akteuren, so dass ähnliche Eingabedaten näher beieinander sind[77]
    • Software Werkzeug: Quest, SAMSA (System für Adjazenzmatrix und Sociogramm-basierte Analyse) und Nud*Ist[77]

Siehe auch

Verweise

  1. ^ Otte, Evelien; Rousseau, Ronald (Dezember 2002). "Analyse des sozialen Netzwerks: Eine leistungsstarke Strategie, auch für die Informationswissenschaften". Journal of Information Science. 28 (6): 441–453. doi:10.1177/016555150202800601. S2CID 17454166.
  2. ^ Grandjean, Martin (31. Dezember 2016). "Eine soziale Netzwerkanalyse von Twitter: Zuordnung der digitalen Geisteswissenschaften -Community". Kogente Kunst und Geisteswissenschaften. 3 (1). doi:10.1080/23311983.2016.1171458. S2CID 114999767.
  3. ^ a b Hagen, Loni; Keller, Thomas; Neely, Stephen; Depaula, Nic; Robert-Cooperman, Claudia (Oktober 2018). "Krisenkommunikation im Zeitalter der sozialen Medien: Eine Netzwerkanalyse von Zika-bezogenen Tweets". Social Science Computer Review. 36 (5): 523–541. doi:10.1177/0894439317721985. OCLC 7323548177. S2CID 67362137.
  4. ^ Nasrinpour, Hamid Reza; Friesen, Marcia R.; McLeod, Robert D. (2016-11-22). "Ein agentenbasiertes Modell der Nachrichtenverbreitung im elektronischen sozialen Netzwerk von Facebook". Arxiv:1611.07454 [cs.si].
  5. ^ Grandjean, Martin (2017). "Analisi e visualizzazioni delle reti in storia. Memoria e ricerca (in Italienisch) (2): 371–393. doi:10.14647/87204. OCLC 7290153717.
  6. ^ a b Brennecke, Julia; Rank, Olaf (Mai 2017). "Das Wissensnetzwerk des Unternehmens und die Übertragung von Beratung unter Unternehmenserfindern - eine mehrstufige Netzwerkstudie". Forschungspolitik. 46 (4): 768–783. doi:10.1016/j.respol.2017.02.002.
  7. ^ a b Harris, Jenine K.; Luke, Douglas A.; Zuckerman, Rachael B.; Shelton, Sarah C. (Juni 2009). "Vierzig Jahre Secondhand Smoke Research". American Journal of Preventive Medicine. 36 (6): 538–548. doi:10.1016/j.amepre.2009.01.039. OCLC 6980180781. PMID 19372026.
  8. ^ a b c Brennecke, Julia (Juni 2020). "Dissonante Beziehungen in intraorganisatorischen Netzwerken: Warum Einzelpersonen eine Problemlösung von schwierigen Kollegen suchen". Journal der Akademie des Managements. 63 (3): 743–778. doi:10.5465/amj.2017.0399. OCLC 8163488129. S2CID 164852065.
  9. ^ Pinheiro, Carlos A.R. (2011). Analyse des sozialen Netzwerks in der Telekommunikation. John Wiley & Sons. p. 4. ISBN 978-1-118-01094-5.
  10. ^ D'Andrea, Alessia; et al. (2009). "Ein Überblick über Methoden für die Analyse des virtuellen sozialen Netzwerks". In Abraham, Ajith (Hrsg.). Analyse des Computers sozialer Netzwerk: Trends, Tools und Forschungsvorschüsse. Springer. p. 8. ISBN 978-1-84882-228-3.
  11. ^ Grunspan, Daniel (23. Januar 2014). "Klassenzimmer durch soziale Netzwerkanalyse verstehen: Ein Grund für die Analyse sozialer Netzwerke in der Bildungsforschung". CBE: Lebenswissenschaften Bildung. 13 (2): 167–178. doi:10.1187/CBE.13-08-0162. PMC 4041496. PMID 26086650.
  12. ^ Tringali, Angela; Sherer, David L.; Cosgrove, Jillian; Bowman, Reed (10. Februar 2020). "Die Lebensverlaufsphase erklärt das Verhalten in einem sozialen Netzwerk vor und während der frühen Brutzeit in einem kooperativ züchtenden Vogel". Peerj. 8: e8302. doi:10.7717/peerj.8302. PMC 7020825. PMID 32095315.
  13. ^ a b c Soziale Netzwerkunterschiede von Chronotypen, die aus Mobiltelefondaten identifiziert wurden. 2018. OCLC 1062367169.[Seite benötigt]
  14. ^ Kim, Rakhyun E (26. November 2020). "Ist globale Governance -fragmentiert, polyzentrisch oder komplex? Der Stand der Technik des Netzwerkansatzes". Internationale Studienübersicht. 22 (4): 903–931. doi:10.1093/isr/viz052.
  15. ^ Harris, Jenine K.; Clements, Bruce (Juli 2007). "Analyse der sozialen Netzwerke, um Missouris Notfallplaner für öffentliche Gesundheit zu verstehen". Berichte über öffentliche Gesundheit. 122 (4): 488–498. doi:10.1177/00333549071200410. OCLC 8062393936. PMC 1888499. PMID 17639652.
  16. ^ a b Ghanbarnejad, Fakhteh; Saha Roy, Rishiraj; Karimi, Fariba; Delvenne, Jean-Charles; Mitra, Bivas (2019). Dynamik auf und von komplexen Netzwerken III maschinelles Lernen und statistische Physikansätze. Cham: Springer International Publishing: Impressum: Springer. ISBN 9783030146832. OCLC 1115074203.[Seite benötigt]
  17. ^ "Facebook -Freunde von Wolfram Alpha App kartiert". BBC News. 24. September 2012. Abgerufen 25. Juli, 2016.
  18. ^ Frederic Lardinois (30. August 2012). "Wolfram Alpha startet persönliche Analyseberichte für Facebook". Tech Crunch. Abgerufen 25. Juli, 2016.
  19. ^ Institut für reproduktive Gesundheit
  20. ^ Iivaldi M.; Ferreri l.; Daolio F.; Giacobini M.; Tomassini M.; RAINOLDI A. "WE-SPORT: Von der Akademie bis zur Datenbasis für eine komplexe Netzwerkanalyse; ein innovativer Ansatz für eine neue Technologie." J Sports Med Phys Fitness. 51 (Suppl. 1 zu Ausgabe 3). HDL:2318/90491. Die Analyse des sozialen Netzwerks wurde verwendet, um die Eigenschaften des Netzwerks We-Ssport.com zu analysieren, die eine tiefe Interpretation und Analyse des Grades der Aggregationsphänomene im spezifischen Kontext von Sport und körperlicher Bewegung ermöglichen.
  21. ^ Yao, qi; Li, Rita Yi Mann; Lied, lingxi; Crabbe, M. James C. (1. November 2021). "Konstruktionssicherheit Wissensaustausch auf Twitter: Eine Analyse des sozialen Netzwerks". Sicherheitswissenschaft. 143: 105411. doi:10.1016/j.ssci.2021.105411.
  22. ^ a b Freeman, Linton C (2004). Die Entwicklung der sozialen Netzwerkanalyse: Eine Studie in der Soziologie der Wissenschaft. Empirische Presse; Bücherligel. ISBN 978-1-59457-714-7. OCLC 429594334.[Seite benötigt]
  23. ^ Linton Freeman (2006). Die Entwicklung der sozialen Netzwerkanalyse. Vancouver: Empirische Presse.
  24. ^ Paradowski, Michał b.; Jarynowski, Andrzej; Jelińska, Magdalena; Czopek, Karolina (Januar 2021). "Ausgewählte Poster-Präsentationen der American Association of Applied Linguistics Conference, Denver, USA, März 2020: Außerklasse-Peer-Interaktionen sind für den Kurzzeitaufenthalt der zweiten Sprache während kurzfristiger Übersee-Aufenthaltswesen: die Beiträge der Analyse des sozialen Netzwerks". Sprache lehren. 54 (1): 139–143. doi:10.1017/s0261444820000580. S2CID 228863564.
  25. ^ Anheier, Helmut K.; Gerhards, Jürgen; Romo, Frank P. (Januar 1995). "Formen der Kapital und der sozialen Struktur in Kulturbereichen: Untersuchung von Bourdieus Sozialtopographie". American Journal of Sociology. 100 (4): 859–903. doi:10.1086/230603. S2CID 143587142.
  26. ^ De Noy, Wouter (Oktober 2003). "Felder und Netzwerke: Korrespondenzanalyse und soziale Netzwerkanalyse im Rahmen der Feldtheorie". Poetik. 31 (5–6): 305–327. doi:10.1016/s0304-422x (03) 00035-4.
  27. ^ Senekal, Burgert (1. Dezember 2012). "Die Afrikaanse Literêre Sisteem: 'N Eksperimentele Benadering Met Behulp van Sosie-Netwerk-Analyis (SNA): GEESTESWENTENKAPPE" [Das Literatursystem des Afrikaans: Ein experimenteller Ansatz unter Verwendung der sozialen Netzwerkanalyse (SNA): Menschlichkeit]. Litnet Akademien (in Afrikaans). 9 (3): 614–638. HDL:10520/EJC129817.
  28. ^ McPherson, Miller; Smith-Lovin, Lynn; Cook, James M (August 2001). "Vögel einer Feder: Homophilie in sozialen Netzwerken". Jährlicher Überblick über die Soziologie. 27 (1): 415–444. doi:10.1146/Annurev.Soc.27.1.415. S2CID 2341021.
  29. ^ Podolny, Joel M.; Baron, James N. (Oktober 1997). "Ressourcen und Beziehungen: Soziale Netzwerke und Mobilität am Arbeitsplatz". Amerikanische soziologische Überprüfung. 62 (5): 673. Citeseerx 10.1.1.114.6822. doi:10.2307/2657354. JStor 2657354.
  30. ^ Kilduff, M.; Tsai, W. (2003). Soziale Netzwerke und Organisationen. Sage Publications.
  31. ^ Kadushin, C. (2012). Soziale Netzwerke verstehen: Theorien, Konzepte und Erkenntnisse. Oxford: Oxford University Press. ISBN 9780195379471.
  32. ^ Flynn, Francis J.; Reagans, Ray E.; Guillory, Lucia (2010). "Kennen Sie sich beide? Transitivität, Homophilie und die Notwendigkeit eines (Netzwerk-) Verschlusses". Zeitschrift für Persönlichkeit und Sozialpsychologie. 99 (5): 855–869. doi:10.1037/a0020961. PMID 20954787. S2CID 6335920.
  33. ^ a b Granovetter, Mark S. (Mai 1973). "Die Stärke schwacher Krawatten". American Journal of Sociology. 78 (6): 1360–1380. doi:10.1086/225469. S2CID 59578641.
  34. ^ Hansen, Derek; et al. (2010). Analyse von Social -Media -Netzwerken mit Nodexl. Morgan Kaufmann. p. 32. ISBN 978-0-12-382229-1.
  35. ^ Liu, Bing (2011). Web Data Mining: Erforschung von Hyperlinks, Inhalten und Nutzungsdaten. Springer. p. 271. ISBN 978-3-642-19459-7.
  36. ^ Hanneman, Robert A. & Riddle, Mark (2011). "Konzepte und Maßnahmen für die grundlegende Netzwerkanalyse". Das Sage -Handbuch für soziale Netzwerkanalyse. SALBEI. S. 364–367. ISBN 978-1-84787-395-8.
  37. ^ Tsvetovat, Maksim & Kouznetsov, Alexander (2011). Analyse der sozialen Netzwerke für Startups: Verbindungen im sozialen Web finden. O'Reilly. p. 45. ISBN 978-1-4493-1762-1.
  38. ^ Die umfassendste Referenz ist: Wasserman, Stanley & Faust, Katherine (1994). Analyse der sozialen Netzwerke: Methoden und Anwendungen. Cambridge: Cambridge University Press. Eine kurze, klare Grundzusammenfassung ist in Krebs, Valdis (2000). "Das soziale Leben der Router". Internet Protocol Journal. 3 (Dezember): 14–25.
  39. ^ Opsahl, zerrissen; Agneessens, Filip; Skvoretz, John (Juli 2010). "Knotenzentralität in gewichteten Netzwerken: Verallgemeinerungsgrad und kürzeste Wege". Soziale Netzwerke. 32 (3): 245–251. doi:10.1016/j.socnet.2010.03.006.
  40. ^ "Analyse des sozialen Netzwerks" (PDF). Feldhandbuch 3-24: Aufstandsbekämpfung. Hauptquartier, Abteilung der Armee. S. B - 11 - B - 12.
  41. ^ Xu, Guandong; et al. (2010). Web -Mining und soziale Netzwerke: Techniken und Anwendungen. Springer. p. 25. ISBN 978-1-4419-7734-2.
  42. ^ Kohäsiv.Blocking ist das R-Programm zur Berechnung des strukturellen Zusammenhalts nach dem Algorithmus zum Moody-White (2003). Diese Wiki -Website enthält zahlreiche Beispiele und ein Tutorial für die Verwendung mit R.
  43. ^ Hanneman, Robert A. & Riddle, Mark (2011). "Konzepte und Maßnahmen für die grundlegende Netzwerkanalyse". Das Sage -Handbuch für soziale Netzwerkanalyse. SALBEI. S. 346–347. ISBN 978-1-84787-395-8.
  44. ^ Moody, James; White, Douglas R. (Februar 2003). "Struktureller Zusammenhalt und Einbettung: Ein hierarchisches Konzept sozialer Gruppen". Amerikanische soziologische Überprüfung. 68 (1): 103. Citeseerx 10.1.1.18.5695. doi:10.2307/3088904. JStor 3088904.
  45. ^ Pattillo, Jeffrey; et al. (2011). "Clique Relaxationsmodelle in der Analyse des sozialen Netzwerks". In Thai, My T. & Pardalos, Panos M. (Hrsg.). Handbuch der Optimierung in komplexen Netzwerken: Kommunikation und soziale Netzwerke. Springer. p. 149. ISBN 978-1-4614-0856-7.
  46. ^ Linton C. Freeman. "Visualisierung sozialer Netzwerke". Zeitschrift für soziale Struktur. 1.
  47. ^ Hamdaqa, Mohammad; Tahvildari, Ladan; Lachapelle, Neil; Campbell, Brian (2014). "Erkennung der Kulturszene mit der Optimierung der umgekehrten Louvain". Wissenschaft der Computerprogrammierung. 95: 44–72. doi:10.1016/j.scico.2014.01.006.
  48. ^ Bacher, R. (1995). "Grafische Wechselwirkung und Visualisierung für die Analyse und Interpretation der Eventualanalyseergebnisse". Grafische Wechselwirkung und Visualisierung für die Analyse und Interpretation der Kontingenzanalyseergebnis. Verfahren der Computeranwendungen der Power -Industrie von 1995. Salt Lake City, USA: IEEE Power Engineering Society. S. 128–134. doi:10.1109/pica.1995.515175. ISBN 0-7803-2663-6.
  49. ^ Coschera, M. C.; Ferri, F.; Grifoni, P. (2008). "SIM: Eine dynamische mehrdimensionale Visualisierungsmethode für soziale Netzwerke". Psychnology Journal. 6 (3): 291–320.
  50. ^ McGrath, Cathleen; Blythe, Jim; Krackhardt, David (August 1997). "Die Auswirkung der räumlichen Anordnung auf Urteile und Fehler bei der Interpretation von Graphen". Soziale Netzwerke. 19 (3): 223–242. Citeseerx 10.1.1.121.5856. doi:10.1016/s0378-8733 (96) 00299-7.
  51. ^ Cartwright, Dorwin; Harary, Frank (1956). "Strukturales Gleichgewicht: Eine Verallgemeinerung von Heiders Theorie". Psychologische Überprüfung. 63 (5): 277–293. doi:10.1037/h0046049. PMID 13359597.
  52. ^ Hogan, Bernie; Carrasco, Juan Antonio; Wellman, Barry (Mai 2007). "Visualisierung persönlicher Netzwerke: Arbeiten mit Teilnehmern von Soziogrammen mit Teilnehmern". Feldmethoden. 19 (2): 116–144. doi:10.1177/1525822x06298589. S2CID 61291563.
  53. ^ Wut, Isabel; Kittl, Christian (2011). "Einfluss auf Twitter messen". Proceedings der 11. Internationalen Konferenz über Wissensmanagement und Wissenstechnologien - I -Know '11. p. 1. doi:10.1145/2024288.2024326. ISBN 9781450307321. S2CID 30427.
  54. ^ Riquelme, Fabián; González-Cantergiani, Pablo (September 2016). "Einfluss des Benutzers auf Twitter: Eine Umfrage". Informationsverarbeitung und -verwaltung. 52 (5): 949–975. Arxiv:1508.07951. doi:10.1016/j.ipm.2016.04.003. S2CID 16343144.
  55. ^ (HRSG.), Sara Rosengren (2013). Die sich ändernden Rollen der Werbung. Wiesbaden: Springer Fachmedien Wiesbaden GmbH. ISBN 9783658023645. Abgerufen 22. Oktober 2015.[Seite benötigt]
  56. ^ Ahonen, T. T., Kasper, T. & Melkko, S. (2005). 3G Marketing: Gemeinschaften und strategische Partnerschaften. John Wiley & Sons.
  57. ^ "Technology" "TedxMilano - Nicola Greco - in Mathematik und sozialem Netzwerk" Video bei Tedxtalks ". Tedxtalks.
  58. ^ Golbeck, J. (2013). Analyse des sozialen Webs. Morgan Kaufmann. ISBN 978-0-12-405856-9.
  59. ^ Aram, Michael; Neumann, Gustaf (1. Juli 2015). "Mehrschichtige Analyse der gemeinsamen Entwicklung von Geschäftsinformationssystemen". Journal of Internet Services und Anwendungen. 6 (1): 13. doi:10.1186/s13174-015-0030-8. S2CID 16502371.
  60. ^ Ackerman, Spencer (17. Juli 2013). "Die NSA warnte, die Überwachung einzudämmen, da die Agentur noch größeren Zielfernrohr enthüllt". Der Wächter. Abgerufen 19. Juli 2013.
  61. ^ "Wie die NSA soziale Netzwerkanalyse verwendet, um terroristische Netzwerke abzubilden". 12. Juni 2013. Abgerufen 19 Jul 2013.
  62. ^ "NSA Verwenden sozialer Netzwerkanalyse". Verdrahtet. 12. Mai 2006. Abgerufen 19. Juli 2013.
  63. ^ "Die NSA verfügt über eine massive Datenbank von Telefonanrufen der Amerikaner". 11. Mai 2006. Abgerufen 19. Juli 2013.
  64. ^ Sudhahar, Saatviga; De Fazio, Gianluca; Franzosi, Roberto; Cristianini, Nello (Januar 2015). "Netzwerkanalyse von narrativen Inhalten in großen Korpora". Natural Language Engineering. 21 (1): 81–112. doi:10.1017/s1351324913000247. HDL:1983/dfb87140-42e2-486a-91d5-55f9007042df. S2CID 3385681.
  65. ^ Quantitative narrative Analyse; Roberto Franzosi; Emory University © 2010
  66. ^ a b Sudhahar, Saatviga; Veltri, Giuseppe A; Cristianini, Nello (Mai 2015). "Automatisierte Analyse der US -Präsidentschaftswahlen unter Verwendung von Big Data und Netzwerkanalyse". Big Data & Society. 2 (1). doi:10.1177/2053951715572916.
  67. ^ Osterbur, Megan; Kiel, Christina (April 2017). "Ein Hegemon, der für Gleichberechtigung kämpft: Die dominierende Rolle des Kokosnderlands im LGBT Transnational Advocacy Network". Globale Netzwerke. 17 (2): 234–254. doi:10.1111/glob.12126.
  68. ^ Brettschneider, Marla; Burgess, Susan; Keating, Christine, Hrsg. (19. September 2017). "Pink Links: Visualisierung des globalen LGBTQ -Netzwerks". LGBTQ -Politik. New York University Press. doi:10.18574/nyu/9781479849468.003.0034 (Inaktiv 28. Februar 2022). ISBN 978-1-4798-4946-8.{{}}: CS1 Wartung: doi inaktiv im Februar 2022 (Link)
  69. ^ Bard, Alexander; Sšderqvist, Januar (24. Februar 2012). Die Netocracts: Futurica Trilogy 1. Stockholmer Text. ISBN 9789187173004. Abgerufen 3. März 2017.
  70. ^ Kwak, Haewoon; Lee, Changhyun; Park, Hosung; Moon, Sue (2010-04-26). Was ist Twitter, ein soziales Netzwerk oder eine Nachrichtenmedien?. ACM. S. 591–600. Citeseerx 10.1.1.212.1490. doi:10.1145/1772690.1772751. ISBN 9781605587998. S2CID 207178765.
  71. ^ a b c d e f g h i j LAAT, Maarten DE; Lally, Vic; Lipponen, Lasse; Simons, Robert-Jan (2007-03-08). "Untersuchung von Interaktionsmustern im vernetzten Lernen und computergestütztes kollaboratives Lernen: eine Rolle für die Analyse des sozialen Netzwerks". Internationales Journal of Computer-unterstütztes kollaboratives Lernen. 2 (1): 87–103. doi:10.1007/s11412-007-9006-4. S2CID 3238474.
  72. ^ "Interaktionsmuster im computergestützten Lernen: Eine Analyse des sozialen Netzwerks". Internationale Konferenz der Lernwissenschaften. 2013. S. 346–351. doi:10.4324/9780203763865-71. ISBN 9780203763865.
  73. ^ Martı́nez, a.; Dimitriadis, Y.; Rubia, b.; Gómez, E.; de la Fuente, P. (Dezember 2003). "Kombination der qualitativen Bewertung und Analyse des sozialen Netzwerks für das Studium sozialer Interaktionen im Klassenzimmer". Computer & Bildung. 41 (4): 353–368. Citeseerx 10.1.1.114.7474. doi:10.1016/j.compedu.2003.06.001. S2CID 10636524.
  74. ^ Cho, H.; Stefanone, M. & Gay, G (2002). Soziale Informationsaustausch in einer CSCL -Community. Computerunterstützung für kollaboratives Lernen: Grundlagen für eine CSCL -Community. Hillsdale, NJ: Lawrence Erlbaum. S. 43–50. Citeseerx 10.1.1.225.5273.
  75. ^ Aviv, R.; Erlich, Z.; Ravid, G. & Geva, A. (2003). "Netzwerkanalyse der Wissenskonstruktion in asynchronen Lernnetzwerken". Journal of Asynchronous Learning Networks. 7 (3): 1–23. Citeseerx 10.1.1.2.9044.
  76. ^ Daradoumis, Thanasis; Martínez-Monés, Alejandra; XHAFA, FATOS (2004-09-05). Vreede, Gert-Jan DE; Guerrero, Luis A.; Raventós, Gabriela Marín (Hrsg.). Groupware: Design, Implementierung und Verwendung. Vorlesungsnotizen in Informatik. Springer Berlin Heidelberg. pp.289–304. doi:10.1007/978-3-540-30112-7_25. HDL:2117/116654. ISBN 9783540230168.
  77. ^ a b c d e f g Martínez, A.; Dimitriadis, Y.; Rubia, b.; Gómez, E.; De La Fuente, P. (2003-12-01). "Kombination der qualitativen Bewertung und Analyse des sozialen Netzwerks für das Studium sozialer Interaktionen im Klassenzimmer". Computer & Bildung. Dokumentieren kollaborativer Interaktionen: Themen und Ansätze. 41 (4): 353–368. Citeseerx 10.1.1.114.7474. doi:10.1016/j.compedu.2003.06.001. S2CID 10636524.
  78. ^ Johnson, Karen E. (1996-01-01). "Überblick über die Kunst der Fallstudienforschung". Das moderne Sprachjournal. 80 (4): 556–557. doi:10.2307/329758. JStor 329758.

Weitere Lektüre

Externe Links