View
215
Download
0
Category
Preview:
Citation preview
Les réseaux sociaux : une introduction
Dominique Raynaud
PLC Université Pierre-Mendès-France (Grenoble)Chercheur associé au GEMASS (Paris)
Midi SciencesGrenoble – 2 Février 2011
0. Facebook
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
Facebook, Twitter, MySpace, Flickr…
0. Latour Callon
1989 : Michel Callon et Bruno Latour, La science et ses réseauxQuickTime™ et undécompresseur
sont requis pour visionner cette image.
Théorie de l’acteur-réseau
• Le réseau est hybride : humain, non-humain
0. Latour Callon
1989 : Michel Callon et Bruno Latour, La science et ses réseauxQuickTime™ et undécompresseur
sont requis pour visionner cette image.
Théorie de l’acteur-réseau
• Le réseau est hybride : humain, non-humain
• Les énoncés scientifiques résultent de controverses
0. Latour Callon
1989 : Michel Callon et Bruno Latour, La science et ses réseauxQuickTime™ et undécompresseur
sont requis pour visionner cette image.
Théorie de l’acteur-réseau
• Le réseau est hybride : humain, non-humain
• Les énoncés scientifiques résultent de controverses
• Les vainqueurs ne sont pas ceux qui ont « raison » mais « ceux qui ont le réseau le plus long »
0. Latour Callon
1989 : Michel Callon et Bruno Latour, La science et ses réseauxQuickTime™ et undécompresseur
sont requis pour visionner cette image.
Théorie de l’acteur-réseau
• Le réseau est hybride : humain, non-humain
• Les énoncés scientifiques résultent de controverses
• Les vainqueurs ne sont pas ceux qui ont « raison » mais « ceux qui ont le réseau le plus long »
Critiques
• Indistiction entre humains et objets ?
0. Latour Callon
1989 : Michel Callon et Bruno Latour, La science et ses réseauxQuickTime™ et undécompresseur
sont requis pour visionner cette image.
Théorie de l’acteur-réseau
• Le réseau est hybride : humain, non-humain
• Les énoncés scientifiques résultent de controverses
• Les vainqueurs ne sont pas ceux qui ont « raison » mais « ceux qui ont le réseau le plus long »
Critiques
• Indistiction entre humains et objets ?
• Caractère virtuel du monde réel ?
2. BergeQuickTime™ et undécompresseur
sont requis pour visionner cette image.
1958 : Claude Berge, Théorie des graphes et ses applications
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
• Graphe orienté • Graphe non-orienté
Sommets Sommets
Arcs Arêtes
Chemins Chaînes
Circuits Cycles
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
2. BergeQuickTime™ et undécompresseur
sont requis pour visionner cette image.
1958 : Claude Berge, Théorie des graphes et ses applications
• Graphe valué • Graphe non-valué
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
2. BergeQuickTime™ et undécompresseur
sont requis pour visionner cette image.
1958 : Claude Berge, Théorie des graphes et ses applications
• Graphe • Matrice associée
2. Erdös
1959 : Paul Erdös, Albert Rényi, « On random graphs », Publicationes mathematicae
Graphes aléatoires
• Graphe
n sommets liés par des arêtes avec une probabilité uniforme p
• Le degré moyen z des sommets est égal au nombre d’extrémités
des arêtes divisé par le nombre de sommets
• Si n est grand,
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
2. Erdös
1959 : Paul Erdös, Albert Rényi, « On random graphs », Publicationes mathematicae
Graphes aléatoires
• La distribution de degré est une loi binomiale de pic
• Une propriété de Gn,p peut être exprimée en fonction de p ou de z
3. Concepts
• Densité d’un réseau social Rapport du nombre de relations observées (arcs ou arêtes) sur le nombre de relations constructibles
1976 : Nan Lin, Foundations of Social ResearchQuickTime™ et undécompresseur
sont requis pour visionner cette image.
3. Concepts
• Densité d’un réseau social Rapport du nombre de relations observées (arcs ou arêtes) sur le nombre de relations constructibles
• Degré de connexitéNombre de relations (arcs ou arêtes) à retirer pour faire apparaître des composantes indépendantes
1976 : Nan Lin, Foundations of Social ResearchQuickTime™ et undécompresseur
sont requis pour visionner cette image.
3. Concepts
• Densité d’un réseau social Rapport du nombre de relations observées (arcs ou arêtes) sur le nombre de relations constructibles
• Degré de connexitéNombre de relations (arcs ou arêtes) à retirer pour faire apparaître des composantes indépendantes
• Capital socialEnsemble des ressources insérées dans le réseau social, disponibles et utilisées par l’acteur pour l’action
1976 : Nan Lin, Foundations of Social Research2001 : Nan Lin, Social Capital. A Theory of Social Structure and Action
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
3. Holland Leinhardt
• Interpersonal choices tend to be transitive—if A chooses B and A chooses C, then B is likely to choose C
1971 : Paul Holland and Samuel Leinhardt, « Transitivity in structuralmodels of small groups », Small Group Research
3. Lorrain White
1973 : François Lorrain et Harrison White, « Structural equivalence of individuals in social networks », American Journal of Sociology
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
• Matrice d’adjacence
QuickTime™ et undécompresseur
sont requis pour visionner cette image.QuickTime™ et un
décompresseur sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
• Equivalence structurale
3. Granovetter
1973 : Mark Granovetter, « The strenght of weak ties », American Journal of Sociology
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
lien fort
3. Granovetter
1973 : Mark Granovetter, « The strenght of weak ties », American Journal of Sociology
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
lien faible
lien fort
3. Marey
• Le choléra sévit plus fréquemment dans les villes que dans les campagnes
• Les établissements fermés: prisons, collèges, couvents, asiles, etc., échappent ordinairement au choléra; mais s’il y pénètre, il y sévit souvent avec une extrême gravité
1884 : Etienne Jules Marey, « Les eaux contaminées et le choléra », Comptes rendus de l’Académie des sciences
3. Freeman
• Centralité de degré
Est central, celui qui a le plus
de relations directes
1966 : Gert Sabidussi, « The centrality index of a graph », Psychometrika1979 : Linton Freeman, « Centrality in social network », Social Networks
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
3. Freeman
• Centralité de proximité
Est central, celui qui touche
les autres sommets en
un minimum de pas
1966 : Gert Sabidussi, « The centrality index of a graph », Psychometrika1979 : Linton Freeman, « Centrality in social network », Social Networks
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
3. Freeman
• Centralité d’intermédiarité
Est central, celui qui intercepte
le plus grand nombre de
relations indirectes
1966 : Gert Sabidussi, « The centrality index of a graph », Psychometrika1979 : Linton Freeman, « Centrality in social network », Social Networks
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
4. Watts Strogatz
P1—Les réseaux sociaux se distinguent des graphes aléatoires et des réseaux non-sociaux par leur forte transitivité
1998 : Duncan Watts, Steven Strogatz, « Collective dynamicsof small-world networks », Nature
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
4004781488100 10000800310 2935.716.550.34
×
4. Holland Leinhardt
• Les choix interpersonels tendent à être transitifs
1971 : Paul Holland, Samuel Leinhardt, « Transitivity in structuralmodels of small groups », Small Group Research
4. BarabásiQuickTime™ et undécompresseur
sont requis pour visionner cette image.
P2—Les réseaux sociaux se distinguent des graphes aléatoires par une distribution de degré qui ne suit pas une loi binomiale, mais une loi de puissance
1999 : Albert-László Barabási, Réka Albert, « Emergence of scaling in random networks », Science
4. BarabásiQuickTime™ et undécompresseur
sont requis pour visionner cette image.
P2—Les réseaux sociaux se distinguent des graphes aléatoires par une distribution de degré qui ne suit pas une loi binomiale, mais une loi de puissance
1999 : Albert-László Barabási, Réka Albert, « Emergence of scaling in random networks », Science
« attachement préférentiel »
4. Pareto
1968 : Robert Merton, The Matthew effect, Science
• Effet Matthieu
« À celui qui a, on lui donnera plus et il vivra dans l’abondance. À celui qui n’a rien, il sera tout pris, même ce qu’il possède »
4. ParetoQuickTime™ et undécompresseur
sont requis pour visionner cette image.
1896 : Vilfredo Pareto, La courbe de répartition de la richesse1937 : Paul Lévy, Théorie de l’addition des variables aléatoires
Pareto 1896
4. Moreno
1934 : Jacob Moreno, Who Shall Survive?
Moreno 1934
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
4. Newman Park
P3—Les degrés des sommets adjacents sont corrélés positivement dans les réseaux sociaux, négativement dans les autres réseaux
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
2003 : Mark Newman et Juyong Park, « Why social networks are differents from other types of networks? Physical ReviewE
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
4. Newman Park
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
QuickTime™ et undécompresseur
sont requis pour visionner cette image.
2003 : Mark Newman et Juyong Park, « Why social networks are differents from other types of networks? Physical ReviewE
Pourquoi ?
communautés à connectivitéforte vs. faible
5. Conclusion
Étapes de la SNA Méthodes utilisées
1955 Sociométrie Inspection visuelle
1975 Théorie des graphes Mathématisation
Ngram Viewer
5. Conclusion
Étapes de la SNA Méthodes utilisées
1955 Sociométrie Inspection visuelle
1975 Théorie des graphes Mathématisation
1985 Social Network Analysis Modélisation
Ngram Viewer
5. Risque?
Un risque d’instrumentalisation politique ?
1975 Social classes
2006 Social networks
Ngram Viewer
Recommended