تحلیل شبکه های اجتماعی مجازی و کاربرد آن در علم سنجی سعید اسدی سرپرست گروه اطلاع سنجی پژوهشگاه و عضو هیات علمی دانشگاه شاهد s.asadi@irandoc.ac.ir

شبکه مبادلات بانکی و مالی شبکه، بحث داغ روز شبکه سازی کامپیوتری Computer Networking اقتصاد شبکه ای Networked Economy شبکه های قاچاق Trafficking Networks شبکه مبادلات بانکی و مالی Transaction Networks شبکه های اجتماعی Social Networks شبکه نخبگان و نوآوری Innovation Networks شبکه های کارآفرینی Entrepreneurial Networks بازاریابی شبکه ای Network Marketing شبکه زیرساخت ها Infrastructure Networks Network Analysis is the keyword For the 21st Century تحلیل شبکه های مجازی

پرسش های اساسی شبکه های اجتماعی چه مفهوم، ساختار و کاربردهایی دارند؟ شبکه های اجتماعی در محیط اینترنت و وب چگونه ایجاد و توسعه می یابند. آیا می توان رشد و تحولات شبکه های اجتماعی مجازی را رصد کرد و مسیرهای اصلی آن را دید؟ آیا می توان قوانین حاکم بر همکاری در محیط های مجازی را استخراج و اندازه گیری کرد؟ فنون کتابسنجی و علم سنجی را چگونه می توان برای محیط های مجازی کالیبره کرد؟ تحلیل شبکه های مجازی

شبکه وب جهانی WWW وب جهانی، شبکه ای بسیار پیچیده و غنی از منابع غیر همسان است که با بهره گیری از فناوری ها و پروتکل های ارتباطی ویژه، از طریق اینترنت قابل دستیابی هستند. ویژگی های وب: محتوای چندرسانه ای و ترکیبی دسترسی سریع و جهانی کاربردهای بسیار در تجارت، آموزش، سرگرمی... ساختار پیوندی فرامتنی ابزار مرجع و اطلاع رسانی ارتباطات علمی دنیاهای مجازی تحلیل شبکه های مجازی

وب به عنوان یک حوزه مطالعاتی مطالعات اولیه بر ساختار پیوندهای فرامتنی استوار بود. برآیند مطالعات دوره اول ایجاد موتورهای جستجوی فراپیوندی به ویژه گوگل بود. مطالعات فاز دوم بر وب عمیق، دسترس پذیرسازی برنامه های کاربردی از طریق شبکه وب و به کارگیری وب برای ارتباطات، تبلیغات و بازاریابی استوار بود. برآیند این مطالعات گسترش وبسایت ها، ایجاد خدمات متعدد بانکی، آموزش های مجازی و موتورهای جستجوی معنایی بود. سومین فاز از مطالعه بر روی محیط وب مربوط به گسترش مشارکت کاربران در تولید و ساماندهی محتوای وب بوده است. برآیند آن ایجاد امکانات وب 2 و محتوای کاربر مدار بوده است. تحلیل شبکه های مجازی

The social network effect of the web have been amplified by the emergence of the web 2.0. Dedicated online platforms such as Facebook and Myspace now provide huge amounts of structured social network data to exploit  Web 2.0 تحلیل شبکه های مجازی

حوزه های کلان در مطالعه وب مطالعات فنی و زیرساختی موتورهای جستجو و بازیابی اطلاعات خدمات کتابخانه ای و اطلاع رسانی کاربردهای وب در تجارت، بازاریابی، خدمات... شاخص‌هاي اندازه‌گيري وب اعتبار، ثبات، روایی محتوایی وب تحليل پيوندهاي وب ارتباطات علمی شبکه های اجتماعی مجازی تحلیل شبکه های مجازی

وب سنجی Webometrics «وب‌سنجي عبارت است از مطالعه جنبه‌هاي کمي ساختار و استفاده از منابع اطلاعاتي، ترکيب و فناوري‌هاي به کار رفته در وب، که با الگوگيري از شيوه‌هاي کتاب‌سنجي و اطلاع سنجي صورت مي‌گيرد» 4 حوزه مطالعاتي اصلی در مطالعات وب سنجی: تجزيه و تحليل كمي و كيفي محتواي صفحات وب تجزيه و تحليل كمي و كيفي ساختار پيوندهاي وبي تجزيه و تحليل ميزان استفاده از وب (از طريق فايل گزارش وب) تجزيه و تحليل فناوريهاي وب (شامل ارزيابي عملكرد موتورها) بیورن‌برن و اينگورسن (2004 ) تحلیل شبکه های مجازی

شبکه های اجتماعی Social Networks شبکه های اجتماعی گروهی از افراد یا سازمان های دارای سلیقه یا منافع مشترک هستند که برای دستیابی به اهداف خاصی گرد می آیند. هر عضو را یک بازیگر (actor) می گویند. ویژگی شبکه های اجتماعی وجود روابط (relationship) و تعاملات (interaction) پیچیده بین بازیگران است. دلایل عمده ایجاد شبکه های اجتماعی: روابط فردی روابط کاری روابط علمی سلیقه ها و علایق و تفریحات مشترک انگیزه های اجتماعی - سیاسی تحلیل شبکه های مجازی

تحلیل شبکه های اجتماعی SNA آنالیز یا تحلیل شبکه های اجتماعی به معنای مطالعه ویژگی های شبکه های اجتماعی و روابط بین افراد و بخش های یک شبکه با رویکرد تئوری شبکه ای یا گراف است. تحلیل شبکه های اجتماعی نوعی مطالعه میان رشته ای در حوزه های مختلف است، از جمله: جامعه شناسی، علوم اطلاعات، علوم ارتباطات، مدیریت و سازمان، انسان شناسی، جغرافیا، روانشناسی اجتماعی، زبان شناسی، اپیدمیولوژی، اقتصاد و بازرگانی تحلیل شبکه های مجازی

تئوری گراف Graph Theory مجموعه ای از قواعد و دیدگاههای است که در علوم کامپیوتر و ریاضیات کاربردی، در مطالعه تمام یا بخشی از اعضای یک مجموعه در قالب گراف یا نمودارهای دارای اتصال کاربرد دارند. افراد را در این دیدگاه راس یا گره و روابط را یال یا پیوند یا لبه می گویند. actor actor relationship edge node node تحلیل شبکه های مجازی

فرد، گروه و شبکه شبکه (Network) مجموعه ای از افراد است. فرد (Individual) در یک شبکه اجتماعی نقش بازیگر (Player) را دارد. افراد یک شبکه ممکن است گروه ها یا اجتماعات (Communities) کوچکتری تشکیل دهند. Role Position Prestige تحلیل شبکه های مجازی

شاخص های اصلی تحلیل شبکه اجتماعی پیوند فاصله مرکزیت میانه بودن تحلیل شبکه های مجازی

پیوند Connection شامل چند شاخص مختلف است که در مجموع میزان پیوندها یا درجه اتصال شبکه را نشان می دهند: انداره شبکهSize   تعداد گره ها یا بازیگران چگالیDensity تعداد گره های موجود به نسبت تعداد کل گره های ممکن برای عضویت در شبکه درجه پیوندهای بیرونیOut-degree مجموع پیوندهای بیرونی هر گره یا بازیگر درجه پیوندهای درونیIn-degree مجموع پیوندهای دریافتی هر بازیرگ تحلیل شبکه های مجازی

فاصله Distance شامل چند شاخص مختلف است که در مجموع فاصله گره های یک شبکه را نشان می دهند: مسیرWalk مجموعه ای از بازیگران و پیوندهایشان که از بازیگر مورد نظر می شروع می شوند و یا به آن منتهی می شوند فاصله هندسیGeodesic distance کمترین فاصله ممکن بین دو بازیگر بیشینه جریانMaximum flow مجموع بازیگران احاطه کننده بازیگر مورد نظر (جمع پیوندها) تحلیل شبکه های مجازی

قدرت و پرستیژ Power & Prestige Walk A sequence of actors and relations that begins and ends with actors Geodesic distance The number of relations in the shortest possible walk from one actor to another Maximum flow The amount of different actors in the neighborhood of a source that lead to pathways to a target تحلیل شبکه های مجازی

قدرت و پرستیژ Power & Prestige Walk A sequence of actors and relations that begins and ends with actors Geodesic distance The number of relations in the shortest possible walk from one actor to another Maximum flow The amount of different actors in the neighborhood of a source that lead to pathways to a target تحلیل شبکه های مجازی

قدرت و پرستیژ Power & Prestige Microsoft Bash Asha Kentaro Ranjeet Yale Sharad New York City Ranjeet and I already had a friend in common! تحلیل شبکه های مجازی

قدرت و پرستیژ Power & Prestige p = 0.0 ; k = 0 Erdős and Renyi (1959) p = 0.09 ; k = 1 p = 0.045 ; k = 0.5 Let’s look at… Size of the largest connected cluster p = 1.0 ; k ≈ N Diameter (maximum path length between nodes) of the largest cluster Average path length between nodes (if a path exists) تحلیل شبکه های مجازی

قدرت و پرستیژ Power & Prestige Rao Bash Kentaro Ranjeet Sharad Prof. McDermott Anandan Prof. Sastry Prof. Veni Prof. Kannan Prof. Balki Venkie Ravi’s Father Karishma Ravi Prof. Prahalad Pres. Kalam Maithreyi Pawan Prof. Jhunjhunwala Soumya Aishwarya PM Manmohan Singh Dr. Isher Judge Ahluwalia Amitabh Bachchan Nandana Sen Dr. Montek Singh Ahluwalia Prof. Amartya Sen تحلیل شبکه های مجازی

N = 12 Random Graphs Erdős and Renyi (1959) p = 0.0 ; k = 0 N nodes A pair of nodes has probability p of being connected. Average degree, k ≈ pN What interesting things can be said for different values of p or k ? (that are true as N  ∞) p = 0.09 ; k = 1 p = 1.0 ; k ≈ N تحلیل شبکه های مجازی

Random Graphs Erdős and Renyi (1959) p = 0.0 ; k = 0 p = 0.09 ; k = 1 Let’s look at… Size of the largest connected cluster p = 1.0 ; k ≈ N Diameter (maximum path length between nodes) of the largest cluster Average path length between nodes (if a path exists) تحلیل شبکه های مجازی

Random Graphs Erdős and Renyi (1959) p = 0.0 ; k = 0 p = 1.0 ; k ≈ N Size of largest component 1 5 11 12 Diameter of largest component 4 7 1 Average path length between (connected) nodes 0.0 2.0 4.2 1.0 تحلیل شبکه های مجازی

SNA on the semantic web Rich graph representations reduced to simple [Paolillo and Wright 2006] Foaf:knows Foaf:interest Some researchers have applied classical SNA methods to the graph of acquaintance and interest networks respectively formed by the properties "foaf:knows" and "foaf:interest". In order to perform such an analysis, they chose to build their own, untyped graphs (each corresponding to one relationship “knows” or “interest”) from the richer RDF descriptions of FOAF profiles. Peter Mika represent social tagging network with a tripartite graph linking users, tags and resources with ternary edges. He choses not to work directly on this tripartite graph as they are to complicate to exploit. He reduced this hypergraph into , two of them being the networks made of users who shared either the same tags or who tagged the same resources. In all these experiments researchers reduced the expressivity of the social network representations to simple untyped graph, highlighting the lack of tools that can be applied directly on rich, typed representation of social networks. Too much knowledge is lost in this transformation and this knowledge could be used to parameterize social network indicators, improve their relevance and accuracy, filter their sources and customize their results. Rich graph representations reduced to simple untyped graphs in order to apply SNA تحلیل شبکه های مجازی

Centrality: strategic positions [Freeman 1979] Degree centrality: Local attention Closeness centrality: Capacity to communicate The centrality highlights the most important actors of the network and three definitions have been proposed by Freeman. The degree centrality considers nodes with the higher degrees (number of adjacent edges). The closeness centrality is based on the average length of the paths linking a node to others and reveals the capacity of a node to be reached. The betweenness centrality focuses on the capacity of a node to be an intermediary between any two other nodes. A network is highly dependent on actors with high betweenness centrality due to their position as intermediaries and brokers in information flow. beetweenness centrality: reveal broker "A place for good ideas" [Burt 1992] [Burt 2004] تحلیل شبکه های مجازی

Balance Theory [Heider 1958] La théorie de l'équilibre de Heider considère que le produit des sentiments dans un réseaux social doit être positif pour que les interactions dans le réseau soient dans un état d'équilibre. تحلیل شبکه های مجازی

تحلیل شبکه های اجتماعی ... Networks are structurally cohesive if they remain connected even when nodes are removed 1 2 3 Node Connectivity تحلیل شبکه های مجازی

شاخص چسبندگی ساختار Formal definition of Structural Cohesion: A group’s structural cohesion is equal to the minimum number of actors who, if removed from the group, would disconnect the group. Equivalently (by Menger’s Theorem): A group’s structural cohesion is equal to the minimum number of independent paths linking each pair of actors in the group. تحلیل شبکه های مجازی

شاخص چسبندگی ساختار ... Structural cohesion gives rise automatically to a clear notion of embeddedness, since cohesive sets nest inside of each other. 2 1 3 9 4 8 10 11 5 7 12 13 6 14 15 17 18 16 19 20 2 22 23 تحلیل شبکه های مجازی

ساختار موضوعی مقالات مجلات علمی پژوهشی تحلیل شبکه های مجازی

مصورسازی شبکه اجتماعی تحلیل شبکه های مجازی

شبکه های اجتماعی و محتوای وب تحلیل شبکه های اجتماعی در مورد محتوای وب نیز کاربرد دارد زیرا می توان محتوا و پیوندها را مشابه راس ها و یال ها در نظر گرفت: یک صفحه وب در قالب یک بازیگر هر پیوند در قالب یک رابطه مجموع محتوای وب در قالب گراف وب تحلیل شبکه های مجازی

ساختار وبWeight w1 w2 پیوند w1 w2 node edge node Web Graph تحلیل شبکه های مجازی

مرکزیت Centrality در محیط وب این شاخص با دو عنوان شناخته می شود: پیوندگیرندگان اصلی Hubs بازیگران مهم Authorities تحلیل شبکه های مجازی

نزدیکی Closeness در محیط وب نیز می توان اینگونه پرسید که فاصله دو صفحه دلخواه از همدیگر چه اندازه است؟ تحلیل شبکه های مجازی

میان دار بودن Middleness اگر دو بازیگر برای ارتباط با هم نیاز به عبور از بازیگر سومی داشته باشند سومین بازیگر نقش واسطه یا میانداری را دارد و می تواند کنترل کننده ارتباطات باشد. هر میزان یک بازیگر واسطه تعداد زیادتری از بازیگران دیگر باشد امتیاز میان دار بودن آن بیشتر است. تحلیل شبکه های مجازی

مجاورتProximity در موتورهای جستجو مجاورت کلیدواژه های یک پرسش در هر منبع، امتیاز آن منبع را برای بازیابی بالا می برد: تاریخ ایران در مورد صفحات وب به عنوان بازیگران شبکه نیز می توان دوری و نزدیکی سایر بازیگران به صفحه مورد نظر را ملاک مجاورت قرار داد. یک روش برای این کار شمارش میانگین پیوندهای مستقیم و غیر مستقیم به هر صفحه است، با پیش فرض داشتن ارزش های مختلف. تحلیل شبکه های مجازی

پرستیژ منابعPrestige پرستیژ در مورد صفحات وب با عنوان اهمیت (Importance) یا محبوبیت (Popularity) بیان می شود. یک صفحه محبوب در مجموع دارای پیوندها و امتیازات پیوندی بیشتری در مقایسه با سایر صفحات است. تفاوت بین پرستیژ و مرکزیت مرکزیت بر پیوندهای بیرون رونده تاکید دارد. (out-links) پرستیژ بر پیوندهای وارد شونده تاکید می کند. (in-links) دو الگوریتم کلیدی در تعیین محبوبیت (پرستیژ) صفحات وب: HITS PageRank تحلیل شبکه های مجازی

وزن پیوندهاWeight در الگوریتم های مربوط به تعیین محبوبیت نکته کلیدی متفاوت بودن وزن پیوندهاست. یک توصیه نامه از یک شخصیت مهم کارآمدی بیشتری از چند توصیه نامه از افراد غیر مهم دارد. پیوندگیرندگان اصلی Hubs بازیگران مهم Authorities تحلیل شبکه های مجازی

وزن پیوندهاWeight PageRank HITS تحلیل شبکه های مجازی

قدرتPower شاخص جغرافیایی پراکندگی: محبوبیت (پرستیژ) یک صفحه برای یک مکان جغرافیایی خاص بستگی به میزان پراکندگی پیوندها در سراسر منطقه دارد. 0.80 0.28 0.28 0.14

Location-Based Web Search پراکندگیSpread شاخص جغرافیایی پراکندگی: محبوبیت (پرستیژ) یک صفحه برای یک مکان جغرافیایی خاص بستگی به میزان پراکندگی پیوندها در سراسر منطقه دارد. Location-Based Web Search

شبکه همکاری های علمی نویسندگان و سازمان های مختلف علاقه به انجام فعالیت های علمی و پژوهشی گروهی دارند و به همین دلیل گروه ها و شبکه های اجتماعی متنوعی ایجاد می کنند. مطالعه روابط درون شبکه و بین شبکه های همکاری علمی از طریق مطالعه تولیدات علمی پژوهشی (Scholarly Publications) آنها صورت می گیرد. مطالعه تولیدات علمی خمیر مایه اصلی مطالعات کتابسنجی، علم سنجی و تحلیل استنادی است. استناد (Citation) کردن یک مقاله (Citing) به یک مقاله دیگر (Cited) موجب ایجاد روابط شبکه ای می شود. تحلیل شبکه های مجازی

هم استنادی Co-citation از رابطه استنادی تبعیت می کند و ناظر بر منابع استناد کننده است. هر دو یا چند منبع دلخواه در فهرست منابع یک کتاب یا مقاله با هم دارای رابطه هم استنادی هستند. هرچه تعداد استنادهای همزمان به دو منبع در منابع بیشتری مشاهده شود رابطه هم استنادی آنها قوی تر است. کاربرد در شبکه همکاری علمی: دانشمندان سازمان های علمی تحلیل شبکه های مجازی

زوج کتابشناختیBibliographic Coupling از رابطه استنادی تبعیت می کند و ناظر بر منابع استناد کننده است. دو منبع که به منبع مشترکی استناد کنند را زوج استنادی گویند. کاربرد در شبکه همکاری علمی: دانشمندان سازمان های علمی تحلیل شبکه های مجازی

پیوندها پيوند بيروني (out-link)، پيوند دريافتي (in-link)، خود پيوندي (self-Link)، هم­پيوندي (co-link)، مجموع پيوندها (total- Links) تحلیل شبکه های مجازی

پیوند های بیرونی به پيوندهائي گفته مي‌شود که از يک صفحه وب موجود در يک سايت به صفحه وب موجود در سايت ديگري داده مي‌شود و در واقع معادل واژه"ارجاع" در آثار چاپي است. تحلیل شبکه های مجازی

پیوند های درونی (به خود) به پيوندهائي گفته مي شود که يک صفحه وب در يک سايت به همان صفحه و يا صفحه‌هاي ديگر موجود در همان سايت برقرار می کند. خودپيوندي‌ها، ساختاري منطقي را براي سازماندهي صفحات وب در سرورهاي محلي انعكاس مي‌دهند (اينگورسن، 1998). هر چه ميزان خودپيوندي‌هاي يک وب‌سايت بيشتر باشد، نشانگر اين است که اطّلاعات و صفحات درون وب‌سايت به خوبي به هم ربط داده شده‌اند هر چه خودپيوندهاي يک وب‌سايت بيشتر باشد، اطّلاعات و صفحات آن، بيشتر و بهتر به موتورهاي کاوش معرّفي شده و نمايه مي‌شوند و در نتيجه محتويات وب‌سايت بهتر بازيابي مي‌شود . تحلیل شبکه های مجازی

پیوند های دریافتی مهمترین و ارزشمندترین نوع پیوند به پيوندهائي گفته مي‌شود که يک صفحه وب از ساير صفحه‌هاي وب دريافت مي‌کند. اين مفهوم معادل واژه"استناد" در آثار چاپي است. به پیوندهایی که به یک سایت داده می شود گفته می شود. مي‌توان گفت که هر چه پيوندهاي دريافتي يک وب‌سايت بيشتر باشد نشان دهنده اين است که در آن وب‌سايت اطّلاعات مفيدي وجود دارد که كاربران به آنها نياز داشته و آنها را بيشتر مورد استفاده قرار مي‌دهند. تحلیل شبکه های مجازی

هم پیوندی هم‌پيوندي به اين معنا است که پيوند دو وب‌سايت در کنار هم و در سايت سومي ظاهر شود. اين وضعيت مشابه حالت هم استنادي در منابع چاپي است. وقتي دو نوشته يا وب‌سايت با يکديگر هم‌استنادي يا هم‌پيوندي داشته باشند از اين جهت حائز اهميت است که نشانگر نوعي رابطه بين آنها با يکديگر است. به عبارت ديگر، آنها اشتراکي در حوزه کاري، روش‌هاي مورد استفاده و اطلاعات مورد علاقه دارند که باعث شده است اين دو در کنار هم در سايت ديگري ظاهر شوند. کاربرد در شبکه همکاری علمی: دانشمندان سازمان های علمی تحلیل شبکه های مجازی

مجموع پیوندها مجموع پیوندها که شامل تمامی پیوندهای دریافتی (درونی) و خودپیوندهای یک سایت می‌شود، نشان می‌دهد که وضعیت آن سایت از لحاظ دریافت پیوند چگونه است. بررسی و مطالعه مجموع پیوند سایت‌ها و سپس مطالعه جداگانه پیوندهای دریافتی و خودپیوندی‌ها، نتایجی در خصوص وضعیت حضور سایت در محیط وب و اعتبار پیوندهای آن به دست می‌دهد. کاربرد در شبکه همکاری علمی: دانشمندان سازمان های علمی تحلیل شبکه های مجازی

ضریب تاثیر داخلی عامل تاثيرگذار داخلي self-link WIF (Web impact factor)، براساس نسبت تعداد پيوندهاي صورت گرفته در درون سايت نسبت به کل صفحات نمایه‌سازی شده سایت در موتور کاوش مورد استفاده به دست مي‌آيد. تحلیل شبکه های مجازی

ضریب تاثیر خارجی عامل تاثیرگذار خارجی in link WIF (Web impact factor) که با عنوان عامل تاثیرگذار تجدیدنظر شده یا خالص نیز از آن یاد می‌شود، به بررسی پیوندهایی که از خارج به وب‌سایت مورد نظر برقرار می‌شوند می‌پردازد برای محاسبه عامل تاثیرگذاری تجدید نظر شده وب‌سایت‌ها از فرمول زیر استفاده می‌شود: تحلیل شبکه های مجازی

ضریب تاثیر کلی با ضریب تاثیرگذاری کلی overall (total) WIF (Web impact factor)، به محاسبه تمامی پیوندهایی که ممکن است وب سایت دریافت کرده باشد پرداخته می‌شود تا مشخص شود که وضعیت سایت از نظر پیوندی به طور کلی چگونه است و چه جایگاهی دارد. برای محاسبه ضریب تاثیرگذار کلی سایت، تمامی پیوندهای دریافتی و خودپیوندی‌ها را بر تمامی صفحات وب‌سایت که در موتور کاوش مورد استفاده نمایه شده است، تقسیم می‌کنند. تحلیل شبکه های مجازی

ضریب تاثیر کلی روشی که برای محاسبه وب‌سایت‌های هسته پیشنهاد شده است بر اساس فرمول زیر و میزان پیوندهای دریافتی سایت‌های یک موضوع یا زمینه ویژه است:  C = شاخص تعيين وب سايت های هسته t= مجموع پيوندهاي دريافتي توسط وب‌سايت‌‌های مورد مطالعه n= تعداد وب‌سايت‌هاي مورد مطالعه C=t/n تحلیل شبکه های مجازی

چالش های وب سنجی ناپايداري صفحات وب اشکالات وارد بر پیوند و استناد ناپايداري صفحات وب اشکالات وارد بر پیوند و استناد مسائل زباني مسائل موتورهاي کاوش به عنوان ابزارهاي گردآوري اطلاعات عدم شناسايي پيوندهاي موجود در صفحاتی است که با استفاده از زبان برنامه‌نويسي جاوا طراحی شده­اند Java Script عدم دسترسی به اطلاعاتی که در پایگاه های اطلاعاتی درج شده و نیاز به رمز عبور دارند وب نامرئي تحلیل شبکه های مجازی

چالش های وب سنجی ناپايداري صفحات وب اشکالات وارد بر پیوند و استناد ناپايداري صفحات وب اشکالات وارد بر پیوند و استناد مسائل زباني مسائل موتورهاي کاوش به عنوان ابزارهاي گردآوري اطلاعات عدم شناسايي پيوندهاي موجود در صفحاتی است که با استفاده از زبان برنامه‌نويسي جاوا طراحی شده­اند Java Script عدم دسترسی به اطلاعاتی که در پایگاه های اطلاعاتی درج شده و نیاز به رمز عبور دارند وب نامرئي تحلیل شبکه های مجازی

شبکه جهان های کوچک خاصيت جهان کوچک به زبان ساده بيان مي‌دارد که هر دو انساني بر روي زمين حداکثر با شش فاصله با هم آشنا هستند ايده اوليه اين پديده توسط يک نويسنده مجارستاني در 1929 مطرح شد Frigyes Karinthy براي اولين بار توسط Stanley Milgram در 1967 آزمايش شد در 1998 Duncan J. Watts and Steven Strogatz اولين مدل براي شبکه اي با اين خصيت را ارائه کردند مدل آنها نشان داد که با تعويض کردن چند ارتباط تصادفي و تشکيل ارتباط بين گره هاي دور در يک گراف منظم مي‌توان يک شبکه جهان کوچک توليد کرد تحلیل شبکه های مجازی

روش های مطالعه رشد دانش تحلیل شبکه های مجازی

جهان های کوچک Small Worlds صنایع دارای جهان های کوچک خلاق تر هستند. در شبکه های اجتماعی (جهان بزرگ) میزان روابط یکسان نیست. به همین دلیل قابل تفکیک به شبکه های کوچک تر هستند که جهان های کوچک نام دارند. بخش اعظم روابط افراد در یک شبکه اجتماعی بزرگ محدود به افرادی است که در محدوده جهان کوچک یا خوشه دلخواه فرد هستند. بخش اندکی از روابط شبکه ای فرد با افراد بیرون از خوشه خود است که این ارتباطات را میان بر گویند. تحلیل شبکه های مجازی

تئوری های روابط شبکه ای تبادلات شبکه ای Exchange تئوری توازنBalance افراد تمایل بیشتری به ارتباط با کسانی دارند که قبلا رابطه ای با آنها داشته اند. (تمایلات متقابل) تئوری توازنBalance احتمال ایجاد پیوند با افرادی که دوستان یک بازیگر با آنها پیوند دارند بیشتر است. تئوری شناختیCognitive احتمال پیوند دادن به افراد خبره تر یا برتر بیشتر از سایر افراد است. تحلیل شبکه های مجازی

روابط شبکه ای کامپیوتری The Peer-to-Peer Model Server Client The Client-Server Model تحلیل شبکه های مجازی

خلاصه روابط شبکه ای در یک صنف Guild members tend NOT to ask for advice from other guild members over time (self-interest). Guild members tend to reciprocate advice ties with other members over time. (social exchange) Guild members tend to get advice from the person who gives advice to the person they ask for advice over time. (balance, transitivity) X I J I J I J I J K K I I J J Time 1 Time 2 تحلیل شبکه های مجازی

روش های مطالعه رشد دانش شبکه های اجتماعی پیوندهای سطحی، دانش عمومی و غیر پژوهشی شبکه های فکری Intellectual networks تازه ها و پیشگامان تحقیق، تحولات مفهومی، نقاط بازگشت turning points شبکه های هم تالیفی Co-authorship network ارتباطات علمی، گسترش دانش، همفکری، رقابت، دسته بندی شبکه های استنادی کشف روابط علمی، کشور روند تحولات علمی، داده کاوی تحلیل شبکه های مجازی

دانشمندان به چه استناد می کنند؟ مقالات و کتاب های کلاسیک Foundational papers مقالات جدیدRecent papers Hargens, L.L. p. 846-865. آثار کلاسیک آثار جدید sociology, psychology physics, biomedicine تحلیل شبکه های مجازی

تحلیل شبکه های مجازی

خلاصه مطالب Scientific literature reflects the underlying changes in scientific paradigms. Deeper processing is necessary to sharpen the big picture of intellectual changes. Given the structural and temporal scale, complexity, and dynamics of a knowledge domain, there is still a long way to go to turn a challenging and fascinating ambition to pragmatic and everyday tools and applications. تحلیل شبکه های مجازی

منابع Asadi, S. et al. (2005). Searching the World Wide Web for local services and facilities: A review on the patterns of location-based queries. WAIM’05, Hong Zhou, China. Bialski & Batorski (2006) examined which factors contribute to higher trust between CouchSurfing friends. Hargens, L.L. Using the Literature: Reference Networks, Reference Contexts, and the Social Structure of Scholarship. American Sociological Review, 65 (6). 846-865. Molz (2007) examined the sociological meaning of reciprocity in the context of hospitality exchanges. تحلیل شبکه های مجازی