PRINCIPI DI SOCIAL NETWORK ANALYSIS

A cura di Giovanni Ciofalo

L’insieme delle relazioni….…esistenti tra entità

Rete?

Social Network, Social Network Site, Social Media?

• Dall’Oxford Dictionary…

Social Network

• Una rete sociale (social network) consiste di un qualsiasi gruppo di individui connessi tra loro da diversi legami sociali. I legami vanno dalla conoscenza casuale, ai rapporti di lavoro, ai vincoli familiari.

Social Media

• Un gruppo di applicazioni basate sul web e costruite sui paradigmi (tecnologici ed ideologici) del web 2.0 che permettono lo scambio e la creazione di contenuti generati dagli utenti.– Blog e microblog (es:Twitter)– Siti di social networking (es:Facebook)– Mondi virtuali di gioco (es: World of Warcraft)– Mondi virtuali sociali (es: SecondLife)– Progetti collaborativi (es: Wikipedia)– Content communities (community che condividono

materiale multimediale, es: Youtube)(Kaplan, Heinlein)

Social Media / Social Network Site

• Sito, servizio o App che tracci ed espliciti le reti di relazioni tra gli utenti attraverso la strutturazione del grafo sociale che le rappresenta e valorizzi tali reti nella sua offerta di servizio.

Perché studiare i Social Network Site?

- Popolarità - Social Network Sites rendono visibili processi

identitari e relazionali e consentono di tenere traccia delle successive attualizzazioni

- Integrazione crescente in pratiche della vita quotidiana dei soggetti

- Inoltre, i SNS rappresentano potenti aggregatori, che incorporano alcune forme di comunicazione (online: IM, Blog, ecc.) e ne rimediano molte altre (a partire dalla stessa interazione face-to-face).

Caratteristiche di un social media

• Identity• Conversations• Sharing• Presence• Relationships• Reputation• Groups

(Jan H. Kietzmann)

Social Network Analysis

• È l’analisi delle reti sociali. Guarda alle relazioni sociali dal punto di vista della teoria delle reti, sulla base della quale le relazioni sono rappresentabili da collegamenti (archi) tra individui (nodi) che possono essere mostrati attraverso grafi.

• Psicologia: Jacob Levi Moreno (Sociometria)

• Sociologia: J. A. Barnes, George Simmel, Emile Durkheim

Un esempio…

Un esempio…

Un esempio…

Un esempio…

Un esempio…

Un esempio…

… un’aula universitaria

Alcuni concettiSmall World (Stanley Milgram): la maggior parte dei nodi di una rete small world non è necessariamente adiacente, ma per ogni coppia di nodi esiste un cammino relativamente breve che li unisce

Il modello dei sei gradi di separazione

Reti piccolo mondo• Una rete ha la caratteristica di "piccolo mondo"quando:

• esistono percorsi relativamente brevi checonnettono coppie di nodi(la rete ha un grado di separazione basso)• ha un alto coefficiente di aggregazione(gruppi di nodi hanno un gran numero diconnessioni agli altri membri del gruppo)

• In una rete piccolo mondo i nodi di un gruppo,strettamente interconnessi tra loro, hanno pochilegami con i nodi degli altri gruppi

Esperimento di Milgram

Il sociologo americano Stanley Milgram ideò un esperimento per testare la teoria da lui chiamata “teoria del mondo piccolo”. Milgram scelse casualmente un gruppo di americani della zona del Midwest degli Stati Uniti e chiese loro di far arrivare un pacchetto ad un estraneo che abitava nel Massachussetts, a diverse migliaia di chilometri di distanza.Ad ognuno dei selezionati, però, Milgram comunicò solamente il nome del destinatario, il suo impiego e la zona in cui risiedeva, ma non l’indirizzo preciso.

Risultati: in media solamente tra i 5 e i 7 passaggi

Teoria dei sei gradi di separazione

Esperimento di Milgram

S. Milgram, The Small Word Problem (1967)

Alcuni concettiLa forza dei legami deboli

La forza dei legami deboli

• Il ruolo dei contatti personali nel mercato del lavoro è stato portato all’attenzione degli scienziati sociali nei primi anni Settanta, con lo studio di Mark Granovetter (1973) sulla “forza dei legami deboli”.

• Granovetter ha definito la forza di un legame come una combinazione (probabilmente lineare) dell’ammontare di tempo, dell’intensità emotiva, dell’intimità (confidenza reciproca) e dello scambio di servizi che caratterizza il legame.

M.S. Granovetter, The Strenght of the Weak Ties (1973)

La forza dei legami deboli (Granovetter)– sono “ponti” che forniscono l’accesso a risorse einformazioni oltre e al di là del gruppo sociale diappartenenza (“i sei gradi di separazione”)

– sono importanti per la carriera professionale e la“mobilità” (qui intesa come miglioramento di statuse classe sociale)

Centralità del Capitale Sociale

La forza dei legami deboli

• Il manifesto programmatico della nuova sociologia economica (Granovetter 1985) ha offerto un contributo fondamentale al dibattito sul ‘capitale sociale’ avviato in quegli anni da Pierre Bourdieu (1980) e che ha poi trovato una compiuta formulazione teorica nell’opera di James Coleman (1990)

• Lo sviluppo della Social Network Analysis (Sna) ha poi permesso di elaborare concetti e strumenti che consentono di correlare diverse strutture di rete con le relative forme di capitale sociale

La forza dei legami deboli

EsempioQuando una persona perde un lavoro, pensa che saranno i suoi legami forti a portarlo in una nuova e migliore situazione, salvo poi scoprire che la soluzione arriva da tutt’altra parte.Il fatto è che le persone hanno più “conoscenze” che amici, e le “conoscenze” hanno un innegabile vantaggio sugli amici stretti per almeno due punti:- lavorano e vivono in luoghi differenti dal tuo.- ogni “conoscenza” ha una rete di legami deboli del tutto diversa dalla tua.

Per contro, i tuoi legami forti sono così stretti ed aderenti alla tua realtà quotidiana che ti portano poche nuove conoscenze, idee, proposte, salvo appunto il fatto di costruire una buona rete di sostegno e protezione individuale.

La forza dei legami deboli

Alcuni concetti

Legge di potenza

Alcuni concetti

Legge di potenza (Barabasi & Albert)In una rete scale free il numero di nodi con una quantità di connessioni alta (hub) è inversamente proporzionale al numero di nodi complessivoche compone la rete (preferential attachment)

Internet =

RETE A INVARIANZA DI SCALA

I nodi con un più elevato numero di contatti all’estendersi della rete tenderanno ad aumentare il

loro numero di contatti

I grafi

• Orientato • Non orientato

I grafi

• Orientato • Non orientato

Alcune caratteristiche

Degree (grado)

A livello generale, numero dei legami di un nodo

A

Alcune caratteristicheDegree (grado)

Nel caso di grafi orientati: In-degree à numero di legami che arrivano ad un nodo

A

Alcune caratteristicheDegree (grado)

Nel caso di grafi orientati: Out-degree à numero di legami che partono da un nodo

La misurazione degli in/out-degree descrive il ruolo del nodo e definisce il significato del legame

A

Alcune caratteristiche

1. Homophily

2. Multiplexity

3. Network Closure

Alcune caratteristiche1. Homophily

Tendenza ad assumere un comportamento simile a chi è vicinoAd es.: un bambino rispetto ai propri genitori, amici, etc. à Effetto “contagio”

Tendenza a creare legami con chi è simile Ad es.: persone che risiedono in una

nazione diversa da quella d’origine à Effetto “onda”

(D. Gansel, Germania, 2008)

Alcune caratteristiche1. Homophily

Tendenza di un nodo a collegarsi a nodi simili (propinquity)Ad es.: età, titolo di studio, interessi, amici, etc.

Assortativity mix: tendenda di nodi con altro livello di degree ad aggregarsi a nodi simili; A

BM. E. J. Newman. Assortative Mixing in networks. M. E. J. Newman. Mixing Patterns in networks

Alcune caratteristiche

Dissortativity mix: tendenza di nodi con alto livello di degree ad aggregarsi con nodi con basso livello di degree;

A

B

Alcune caratteristiche

Multiplexity: il numero di “contenuti” espressi dalla relazione (e.g. amici / colleghi). Definisce la “forza” della relazione

Alcune caratteristiche

Network Closure: estensione del concetto di TriadicClosure. Non sempre applicabile. Utile per i piccoli gruppi.

Concetto di “relazione triadica”

G. Simmel

A B

C

Alcuni parametri

Hub

Bridge

Density

Distance

Alcuni parametri

Hub: un nodo verso il quale convergono un numero significativo di connessioni entranti e/o uscenti

Alcuni parametriBridge: un nodo che rappresenta l’unico punto di contatto tra due altri nodi o due altri cluster della rete

Alcuni parametriDensity:la proporzione tra il numero di archi esistente nella rete ed il numero massimo possibile

Alcuni parametriDensity:la proporzione tra il numero di archi esistente nella rete ed il numero massimo possibile

Max density = 1

IN SINTESI

• Hub: un nodo verso il quale convergono un numero significativo di connessioni entranti e/o uscenti;

• Bridge: un nodo che rappresenta l’unico punto di contatto tra due altri nodi o due altri cluster della rete;

• Density: La proporzione tra il numero di archi esistente nella rete ed il numero massimo possibile;

• Distance: Il numero minimo di connessioni tra nodi necessario a raggiungere due qualsiasi nodi della rete.

• Tie Strenght: la “forza” della connessione tra due nodi • Tie Weight: il “peso” della connessione tra due nodi;

• Homophily: la tendenza di un nodo a collegarsi ad altri nodi in qualche modo simili (simile a propinquity). – Assortativity mix: tendenda di nodi con altro livello di degree ad

aggregarsi a nodi simili;– Dissortativity mix: tendenza di nodi con alto livello di degree ad

aggregarsi con nodi con basso livello di degree;

• Multiplexity: il numero di “contenuti” espressi dalla relazione (e.g. amici / colleghi). Definisce la “forza” della relazione.

• Network Closure: estensione del concetto di TriadicClosure. Non sempre applicabile. Utile per i piccoli gruppi.

IN SINTESI

Centralità di Freeman• Metrica che quantifica l’”importanza” (centralità) di un nodo o un gruppo di nodi in una

rete.• Alcuni metodi per quantificarla:

– Degree Centrality: Misura il numero di archi che si collegano ad un nodo.• Nelle reti con archi orientati: in degree ed out degree.• visione puntuale.• numero di connessioni dirette.

– Closeness Centrality: Misura la distanza di un nodo da tutti gli altri nodi. Fornisce un’indicazione su quali punti della rete minimizzano la distanza media fra i nodi. Il valore di closeness di un nodo stima il grado di vicinanza del nodo dal resto dei nodi del grafo.

• Visione globale.• numero di connessioni a una certa distanza.

– Betweenness Centrality: Misura l’importanza di un nodo della rete sulla base della quantità di cammini minimi di cui fa parte. Misura la dipendenza di coppia di un nodo rispetto a tutte le possibili coppie di vertici.

• numero di connessioni che garantiscono i cammini minimi (resistenza alla soppressione).