1.4: Шкали вимірювань

Як і інші види даних, інформація, яку ми збираємо про зв'язки між акторами, може бути виміряна (тобто ми можемо призначити оцінки нашим спостереженням) на різні «рівні вимірювання». Різні рівні вимірювання важливі, оскільки вони обмежують види питань, які можуть бути розглянуті дослідником. Шкали вимірювань також важливі, оскільки різні види шкал мають різні математичні властивості, і вимагають різних алгоритмів при описі закономірностей і перевірці висновків про них.

Звичайно розрізняти номінальний, порядковий та інтервальний рівні вимірювання (рівень співвідношення може бути згрупований для всіх практичних цілей з інтервалом). Однак корисно додатково розділити номінальне вимірювання на двійкові та багатокатегорійні варіації; корисно також розрізняти порядкові заходи повного рангу та згруповані порядкові заходи. Ми коротко опишемо всі ці варіації, і наведемо приклади того, як вони зазвичай застосовуються в дослідженнях соціальних мереж.

Бінарні заходи відносин: На сьогоднішній день найбільш поширеним підходом до масштабування (присвоєння чисел) відносин є просто розрізняють відносини, які відсутні (закодовані нуль), і зв'язки, які присутні (закодовані один). Якщо ми попросимо респондентів в опитуванні сказати нам, «які інші люди в цьому списку вам подобаються?» ми робимо двійкове вимірювання. Кожна людина зі списку, який обраний, закодований один. Ті, хто не обраний, кодуються нулем.

Значна частина розвитку теорії графів в математиці, і багато алгоритмів вимірювання властивостей акторів і мереж були розроблені для двійкових даних. Двійкові дані настільки широко використовуються в мережевому аналізі, що незвично бачити дані, які вимірюються на «вищому» рівні, перетворюються в бінарні бали перед продовженням аналізу. Для цього просто вибирають деякі «точки зрізу» і повторно оцінюють випадки, як нижче точки зрізу (нуль) або над нею (один). Дихотомізація даних таким способом - це викидання інформації. Аналітик повинен розглянути, що є актуальним (тобто про що теорія? мова йде про наявність і викрійці краваток, або про сильні сторони краваток?) , і які алгоритми повинні бути застосовані при вирішенні питання про те, чи доцільно перекодувати дані. Дуже часто додаткова потужність і простота аналізу двійкових даних «варті» витрат на втрачену інформацію.

Багатокатегорійні номінальні показники відносин: Збираючи дані, ми можемо попросити наших респондентів переглянути список інших людей і скажіть нам: «для кожної людини в цьому списку виберіть категорію, яка описує ваші відносини з ними найкраще: друг, коханець, ділові відносини, родичі або ніяких відносин». Ми можемо зарахувати кожну людину в списку як має відношення типу «1» типу «2" і т.д. така шкала є номінальною або якісною - відношення кожної людини до суб'єкта кодується його типом, а не його силою. На відміну від двійкових номінальних (true-false) даних, номінальна міра множинної категорії є множинним вибором.

Найпоширенішим підходом до аналізу номінальних заходів декількох категорій є використання його для створення серії бінарних заходів. Тобто, ми могли б взяти дані, що виникають з питання, описаного вище, і створити окремі набори балів для дружби зв'язків, для любовних зв'язків, для родинних зв'язків тощо Це дуже схоже на «фіктивне кодування» як спосіб обробки декількох типів вибору заходів у статистичному аналізі. Вивчаючи отримані дані, однак, потрібно пам'ятати, що кожному вузлу було дозволено мати зв'язок максимум в одній з отриманих мереж. Тобто, людина може бути краваткою дружби або краваткою коханця - але не обома - в результаті того, як ми задали питання. При дослідженні отриманих мереж щільності можуть бути штучно низькими, і між матрицями буде властива негативна кореляція.

Такого роду дані з множинним вибором також можуть бути «бінарними». Тобто ми можемо ігнорувати, про яку краватку повідомляється, і просто кодувати, чи існує краватка для діади, чи ні. Це може бути добре для деяких аналізів - але це марнує інформацію. Можна також розглядати типи зв'язків як відображають певний основний безперервний вимір (наприклад, емоційну інтенсивність). Типи зв'язків потім можуть бути масштабовані в єдиний згрупований порядковий показник міцності стяжки. Масштабування, звичайно, відображає схильності аналітика, а не звіти респондентів.

Згруповані порядкові заходи відносин: Одна з найбільш ранніх традицій у вивченні соціальних мереж попросила респондентів оцінити кожного з набору інших як «сподобався» «не любив» або «нейтральний». Результатом є згрупована порядкова шкала (тобто може бути більше однієї «вподобаної» особи, а категорії відображають базовий ранговий порядок інтенсивності). Зазвичай цей вид трибальної шкали кодувався -1, 0 і +1, щоб відобразити негативну симпатію, байдужість і позитивний симпатію. При оцінці таким чином плюси і мінуси дозволяють досить легко писати алгоритми, які будуть підраховувати і описувати різні властивості мережі (наприклад, структурний баланс графіка).

Згруповані порядкові заходи можуть використовуватися для відображення ряду різних кількісних аспектів відносин. Мережеві аналітики часто стурбовані описом «міцності» зв'язків. Але, «сила» може означати (деякі або всі) різноманітні речі. Одним з вимірів є частота взаємодії - чи мають актори контакт щодня, щотижня, щомісяця тощо Інший вимір - «інтенсивність», який зазвичай відображає ступінь емоційного збудження, пов'язаного з стосунками (наприклад, родичі зв'язки можуть бути нечастими, але несуть високий «емоційний заряд» через високо ритуалізовані та інституціоналізовані очікування). Можна сказати, що зв'язки сильніші, якщо вони включають багато різних контекстів або типів зв'язків. Підсумовування номінальних даних про наявність або відсутність декількох типів стяжок породжує порядкову (власне, інтервальну) шкалу одного виміру міцності стяжки. Також кажуть, що зв'язки міцніші в тій мірі, в якій вони відповідають взаємністю. Зазвичай ми оцінюємо взаємність, попросивши кожного актора в діаді повідомити про свої почуття щодо іншого. Однак можна також попросити кожного актора про їхнє сприйняття ступеня взаємності у відношенні: Чи скажете ви, що ніхто з вас не любить один одного дуже, що вам подобається X більше, ніж X, що вам подобається X більше, ніж вам подобається X, або що ви обидва подобаєтеся один одному приблизно однаково?

Порядкові шкали вимірювань містять більше інформації, ніж номінальні. Тобто бали відображають більш тонкі градації міцності зв'язки, ніж просте двійкове «наявність чи відсутність». Здавалося б, це добре, але часто важко скористатися порядковими даними. Найбільш часто використовувані алгоритми аналізу соціальних мереж були розроблені для двійкових даних. Багато з них були адаптовані до безперервних даних - але для інтервальних, а не порядкових шкал вимірювання. Порядкові дані, отже, часто бінарні, вибираючи певну точку різання та повторну оцінку. Крім того, порядкові дані іноді трактуються так, ніби вони дійсно були інтервальними. Перша стратегія має певні ризики, оскільки вибір точок різання може бути наслідковим; остання стратегія має деякі ризики, оскільки інтервали, що розділяють точки за порядковою шкалою, можуть бути дуже неоднорідними.

Повноцінні порядкові міри відносин: Іноді вдається набрати силу всіх відносин актора в рядовому порядку від найсильніших до слабких. Наприклад, я міг би попросити кожного респондента написати «1» поруч із іменем людини в класі, який вам найбільше подобається, а «2" поруч із іменем людини, яка вам найбільше подобається, тощо. вид шкали, яка буде результатом цього, буде «шкала повного рангу замовлення». Такі шкали відображають відмінності в ступені інтенсивності, але не обов'язково рівні відмінності - тобто різниця між моїм першим і другим вибором не обов'язково така ж, як різниця між моїм другим і третім вибором. Кожне відношення, однак, має унікальний бал (1-й, 2-й, 3-й і т.д.).

Порядкові заходи повного рангу дещо рідкість у дослідницькій літературі соціальних мереж, оскільки вони є в більшості інших традицій. Отже, існує відносно мало методів, визначень та алгоритмів, які використовують конкретні та повні переваги інформації в таких масштабах. Найчастіше порядкові заходи повного рангу трактуються так, ніби вони були інтервальними. Існує, ймовірно, дещо менший ризик лікування повністю впорядкованих заходів (порівняно з згрупованими порядковими заходами), ніби вони були інтервальними, хоча припущення все ще є ризикованим. Звичайно, також можна згрупувати бали порядку рангів у групи (тобто створити згруповану порядкову шкалу) або дихотомізувати дані (наприклад, три найкращі варіанти можуть розглядатися як зв'язки, решта - як незв'язки). Об'єднуючи інформацію про декілька типів зв'язків, часто необхідно спростити масштаби повних порядків рангу. Але, якщо у нас є ряд шкал повного рангового порядку, які ми можемо захотіти об'єднати, щоб сформувати шкалу (тобто рейтинги вподобань людей інших в групі, частота взаємодії тощо), сума таких шкал в індекс правдоподібно розглядається як справді інтервальна міра.

Інтервальні заходи відносин: Найбільш «просунутий» рівень вимірювання дозволяє нам розрізняти серед відносини повідомляються таким чином, що дозволяють нам достовірно заявити, що, наприклад, «ця краватка вдвічі сильніше, ніж ця краватка». Зв'язки оцінюються за шкалами, в яких різниця між «1" і «2" відображає таку ж величину реальної різниці, як і між «23" і «24».

Справжні інтервальні показники рівня сили багатьох видів відносин досить легко побудувати, з невеликою фантазією і наполегливістю. . Прохання респондентів повідомити деталі частоти або інтенсивності зв'язків методами опитування або інтерв'ю, однак, може бути досить ненадійним - особливо якщо відносини, що відстежуються, не дуже помітні та нечасті. Замість того, щоб запитати, чи спілкуються дві людини, можна порахувати кількість повідомлень електронної пошти, телефону та міжофісних поштових відправлень між ними. Замість того, щоб запитати, чи торгують дві країни один з одним, подивіться статистику платіжних залишків. У багатьох випадках можна побудувати інтервальні рівні міри сили відносин за допомогою артефактів (наприклад, статистики, зібраної для інших цілей) або спостереження.

Постійні вимірювання сильних сторін взаємозв'язків дозволяють застосовувати більш широкий спектр математичних і статистичних інструментів до розвідка та аналіз отриманих даних. Багато алгоритмів, які були розроблені аналітиками соціальних мереж, спочатку для двійкових даних, були розширені, щоб скористатися інформацією, доступною в повних інтервальних заходах. Коли це можливо, з'єднання слід вимірювати на рівні інтервалу - оскільки ми завжди можемо перейти до менш уточненого підходу пізніше; якщо дані збираються на номінальному рівні, набагато складніше перейти на більш уточнений рівень.

Незважаючи на те, що це гарна ідея для вимірювання інтенсивності відносин на найбільш вишуканому рівні, більшість мережевого аналізу не працює на цьому. рівень. Найпотужніші ідеї мережевого аналізу та багато математичних та графічних інструментів, що використовуються мережевими аналітиками, були розроблені для простих графіків (тобто двійкових, неорієнтованих). Багато характеристик вбудованості акторів у своїх мережах та самих мереж найчастіше розглядаються дискретно в дослідницькій літературі. Як результат, часто бажано зменшити рівні інтервальні дані до двійкового рівня, вибравши точку різання, і кодування сили зв'язки вище цієї точки як «1" і нижче цієї точки як «0». На жаль, єдиного «правильного» способу вибору точки зрізу не існує. Теорія та цілі аналізу дають найкращі орієнтири. Іноді вивчення даних може допомогти (можливо, розподіл міцності краватки дійсно дискретно бімодальний і відображає чітку точку зрізу; можливо, розподіл сильно перекошений, і головною особливістю є відмінність між відсутністю краватки та будь-якої краватки). Коли вибирається точка зрізу, доцільно також розглянути альтернативні значення, які є дещо вищими і нижчими, і повторити аналізи з різними точками зрізу, щоб побачити, чи впливає на субстанцію результатів. Це може бути дуже нудно, але це дуже необхідно. В іншому випадку можна обдурити, думаючи, що реальна закономірність була знайдена, коли ми спостерігали лише наслідки того, де ми вирішили поставити свою крапку.