Skip to main content
LibreTexts - Ukrayinska

17: Дворежимні мережі

  1. Last updated
  2. Save as PDF
  • Page ID
    67506

    • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

    Дворежимні дані пропонують дуже цікаві аналітичні можливості для більшого розуміння «макро-мікро» відносин. Наприклад, у даних Девіса ми можемо побачити, як вибір окремих жінок «робить» значення сторін, вибираючи відвідувати чи ні. Ми також можемо побачити, як сторони, як макроструктури, можуть впливати на вибір окремих жінок. Трохи креативності ви можете почати бачити приклади таких видів двомодових, або макро-мікро соціальних структур всюди. Соціальний світ - це одне з «гніздування», в якому особини (і більші структури) вбудовані в більші структури (а більші структури вбудовані в ще більші). Дійсно, аналіз напруженості між «структурою і агентством» або «макро- і мікро» є однією з ключових тем соціологічної теорії та аналізу. У цьому розділі ми розглянемо деякі інструменти, які були застосовані (а в деяких випадках і розроблені) аналітиками соціальних мереж для вивчення дворежимних даних. Починаємо з обговорення структур даних, приступаємо до візуалізації, а потім звертаємо свою увагу на методи виявлення кількісних і якісних закономірностей в дворежимних даних.

    • 17.1: Вступ до дворежимних мереж
    • 17.2: Двосторонні структури даних
    • 17.3: Візуалізація дворежимних даних
      Немає нових технічних проблем у використанні графіків для візуалізації дворежимних даних. Як актори, так і події розглядаються як вузли, а лінії використовуються для показу зв'язків акторів з подіями (не буде ліній від акторів до акторів безпосередньо, або від подій до подій).
    • 17.4: Кількісний аналіз
      Коли ми працюємо з великою кількістю змінних, які описують аспекти якогось явища, ми часто зосереджуємо свою увагу на тому, що ці множинні заходи мають «спільне». Використовуючи інформацію про спільну варіацію серед декількох заходів, ми можемо зробити висновок про базовий вимір або фактор; як тільки ми це зробимо, ми можемо знайти наші спостереження вздовж цього виміру.
    • 17.5: Якісний аналіз
      Часто все, що ми знаємо про акторів і події, - це проста спільна присутність. У таких випадках можуть бути застосовані методи масштабування в останньому розділі, але слід дуже обережно ставитися до результатів. Це пов'язано з тим, що різні вимірні методи працюють на матрицях подібності/відстані, а такі заходи, як кореляції (як використовуються в двомодовому факторному аналізі), можуть вводити в оману з двійковими даними. Навіть аналіз кореспонденції, який є більш дружнім до двійкових даних, може викликати клопіт, коли дані розріджені.
    • 17.S: Дворежимні мережі (резюме)
      Дворежимні дані (часто згадуються як «актор за подією» або «приналежність» в аналізі соціальних мереж) пропонують деякі цікаві можливості для отримання розуміння макро-мікро- або агентсько-структурних відносин. За допомогою дворежимних даних ми можемо вивчити, як макроструктури (події) визначають взаємодію між агентами (чи ні); ми також можемо вивчити, як суб'єкти визначають та створюють макроструктури за їх моделями приналежності до них.