Динамический сетевой анализ ( ДНК ) - это новая научная область, которая объединяет традиционный анализ социальных сетей (SNA), анализ связей (LA), социальное моделирование и многоагентные системы (MAS) в рамках сетевой науки и теории сетей .
Обзор
В этой области есть два аспекта. Первый - это статистический анализ данных ДНК. Второй - использование моделирования для решения проблем сетевой динамики. Сети ДНК отличаются от традиционных социальных сетей тем, что они более крупные, динамические, многорежимные, многоплексные сети и могут содержать различные уровни неопределенности . Основное отличие ДНК от СНС состоит в том, что ДНК учитывает взаимодействие социальных характеристик, обусловливающих структуру и поведение сетей. ДНК привязана к временному анализу, но временной анализ не обязательно привязан к ДНК, поскольку изменения в сетях иногда являются результатом внешних факторов, которые не зависят от социальных характеристик, обнаруженных в сетях. Один из наиболее заметных и ранних случаев использования ДНК - это исследование монастыря Сэмпсона, где он делал снимки одной и той же сети с разных интервалов, а также наблюдал и анализировал эволюцию сети. [1] Раннее исследование динамики использования ссылок в очень крупномасштабных сложных сетях предоставляет доказательства динамической центральности, динамических мотивов и циклов социальных взаимодействий. [2] [3]
Инструменты статистики ДНК, как правило, оптимизированы для крупномасштабных сетей и допускают одновременный анализ нескольких сетей, в которых существует несколько типов узлов (многоузловые) и несколько типов связей (мультиплексирование). Многоузловые многоплексные сети обычно называют метасетями или многомерными сетями. В отличие от этого, статистические инструменты СНС фокусируются на одном или не более двух режимах данных и облегчают одновременный анализ только одного типа связи.
Инструменты статистики ДНК, как правило, предоставляют пользователю больше показателей, поскольку они используют данные, полученные из нескольких сетей одновременно. Модели скрытого пространства (Sarkar and Moore, 2005) [4] и агентное моделирование часто используются для исследования динамических социальных сетей (Carley et al., 2009). [5] С точки зрения компьютерного моделирования узлы в ДНК подобны атомам в квантовой теории, узлы можно, хотя и не обязательно, рассматривать как вероятностные. В то время как узлы в традиционной модели SNA статичны , узлы в модели ДНК обладают способностью к обучению. Свойства меняются со временем; узлы могут адаптироваться: сотрудники компании могут приобретать новые навыки и повышать свою ценность для сети; или захватите одного террориста, и еще трое будут вынуждены импровизировать. Изменение распространяется от одного узла к другому и так далее. ДНК добавляет элемент эволюции сети и учитывает обстоятельства, при которых могут произойти изменения.
Есть три основных особенности динамического сетевого анализа, которые отличают его от стандартного анализа социальных сетей. Во-первых, ДНК смотрит не только на социальные сети, а на метасети. Во-вторых, агентное моделирование и другие формы моделирования часто используются для изучения того, как сети развиваются и адаптируются, а также влияние вмешательств на эти сети. В-третьих, ссылки в сети не бинарные; фактически, во многих случаях они представляют вероятность наличия ссылки.
Связность
Связность временных сетей может быть изучена путем отображения на задачу направленной перколяции [14]. Вероятность временных связей имеет критическое значение, ниже которого связность равна нулю, в то время как выше почти все узлы могут быть связаны. Это можно рассматривать как фазовый переход. [6]
Предсказуемость
Структура энтропии, основанная на комбинированных топологических и временных закономерностях связей, была разработана для количественной оценки предсказуемости временных сетей. [7]
Мета-сеть
Мета-сеть - это многорежимная, многоканальная, многоуровневая сеть. Многорежимный означает, что существует много типов узлов; например, узлы людей и местоположения. Многосвязность означает, что существует много типов ссылок; например, дружба и совет. Многоуровневый означает, что некоторые узлы могут быть членами других узлов, таких как сеть, состоящая из людей и организаций, и одна из ссылок - это то, кто является членом какой организации.
В то время как разные исследователи используют разные режимы, общие режимы отражают, кто, что, когда, где, почему и как. Простым примером метасети является формулировка PCANS с людьми, задачами и ресурсами. [8] Более подробная формулировка рассматривает людей, задачи, ресурсы, знания и организации. [9] Инструмент ORA был разработан для поддержки метасетевого анализа. [10]
Наглядные проблемы, над которыми работают люди в области ДНК
- Разработка показателей и статистики для оценки и выявления изменений внутри и между сетями.
- Разработка и проверка моделирования для изучения сетевых изменений, эволюции, адаптации, распада. См. Компьютерное моделирование и организационные исследования
- Разработка и проверка теории сетевых изменений, эволюции, адаптации, распада [11]
- Разработка и проверка формальных моделей создания и развития сетей.
- Разработка методов визуализации сетевых изменений в целом или на уровне узла или группы
- Разработка статистических методов, позволяющих определить, связаны ли наблюдаемые во времени различия в сетях просто с разными выборками из распределения ссылок и узлов или с изменениями во времени основного распределения ссылок и узлов.
- Разработка процессов управления для сетей с течением времени
- Разработка алгоритмов для изменения распределения ссылок в сетях с течением времени.
- Разработка алгоритмов отслеживания групп в сетях с течением времени
- Разработка инструментов для извлечения или обнаружения сетей из различных источников данных, таких как тексты.
- Разработка статистически достоверных измерений в сетях с течением времени
- Изучение устойчивости сетевых показателей к различным типам отсутствующих данных.
- Эмпирические исследования многорежимных многоканальных сетей с несколькими временными интервалами
- Изучение сетей как вероятностных изменчивых во времени явлений
- Прогнозирование изменений в существующих сетях
- Выявление следов во времени с учетом последовательности сетей
- Выявление изменений в критичности узлов для данной последовательности сетей; что-либо еще, связанное с многорежимными многозвенными сетями с несколькими временными интервалами.
- Изучение случайных блужданий по темпоральным сетям [12]
- Количественная оценка структурных свойств контактных последовательностей в динамических сетях, которые влияют на динамические процессы [13]
- Оценка скрытой активности [14] и темных сетей [15]
- Цитативный анализ [16]
- Анализ социальных сетей [17]
- Оценка систем общественного здравоохранения [18]
- Анализ результатов безопасности больниц [19]
- Оценка структуры этнического насилия по новостным данным [20]
- Оценка террористических групп [21]
- Социальный упадок социальных взаимодействий в Интернете [22]
- Визуализация крупных финансовых сетей с течением времени [23]
- Моделирование взаимодействия в классе в школах [24]
Смотрите также
Рекомендации
- ^ Харрисон К. Уайт, 1992, Идентичность и контроль: структурная теория социального действия. Издательство Принстонского университета.
- ^ Дэн Браха, Янир Бар-Ям, 2006, «От центрального положения к временной славе: динамическое центральное положение в сложных сетях», Сложность, 12 (2), 59-63.
- ^ Дэн Браха, Янир Бар-Ям 2009, Зависящие от времени сложные сети: динамическая центральность, динамические мотивы и циклы социальных взаимодействий. В адаптивных сетях (стр. 39-50). Шпрингер, Берлин, Гейдельберг.
- ↑ Кэтлин М. Карли, Майкл К. Мартин и Брайан Хиршман, 2009, «Этиология социальных изменений», Topics in Cognitive Science, 1.4: 621-650
- ^ Р. Паршани, М. Дикисон, Р. Коэн, HE Стэнли, С. Хэвлин (2010). «Динамические сети и направленная перколяция». Europhys. Lett . 90 (3): 38004. arXiv : 0901.4563 . Bibcode : 2010EL ..... 9038004P . DOI : 10.1209 / 0295-5075 / 90/38004 . S2CID 7990127 .CS1 maint: несколько имен: список авторов ( ссылка )
- ^ Д. Тан, В. Ду, Л. Шехтман, И Ван, С. Хавлин, Х Цао, Джи Ян (2020). «Предсказуемость реальных временных сетей» . Национальное научное обозрение . 7 (5): 929-937. DOI : 10.1093 / NSR / nwaa015 .CS1 maint: несколько имен: список авторов ( ссылка )
- ^ Дэвид Кракхардт и Кэтлин М. Карли, 1998, «О PCANS Модель структуры в организации,» В работе Международного симпозиума 1998 года по командованию и контролю исследований и технологий, Монтерей, Калифорния, июнь 1998 г., Evidence Based исследований, Вена, В.А. , Стр. 113-119.
- ↑ Кэтлин М. Карли, 2002, «Умные агенты и организации будущего», Справочник по новым медиа. Под редакцией Лии Ливроу и Сони Ливингстон (редакторы), Thousand Oaks, CA, Sage, Ch. 12: 206-220.
- ^ Кэтлин М. Карли. 2014. «ORA: набор инструментов для динамического сетевого анализа и визуализации», в Энциклопедии анализа социальных сетей и добычи полезных ископаемых Реда Алхадж и Джона Рокне, Springer.
- ^ Majdandzic, A .; и другие. (2013). «Самопроизвольное восстановление в динамических сетях» . Физика природы . 10 : 34–38. DOI : 10.1038 / nphys2819 .
- ^ Мишель Старнини, Андреа Барончелли, Ален Барра, 2012, Случайные блуждания по временным сетям. Phys. Ред. E 85, 056115, http://link.aps.org/doi/10.1103/PhysRevE.85.056115
- ^ Рене Пфицнер, Инго Scholtes, ANTONIOS Гарас, Клаудио Хуан Tessone, Франк Швейцер, 2012, «промежуточность Предпочтение: Количественные Корреляции в топологической динамике височной сетей», Physical Review Letters, Vol. 110, 10 мая 2013 г.
- ^ Карли, Кэтлин М., Майкл К., Мартин и Джон П. Хэнкок, 2009, "Динамический сетевой анализ, применяемый к экспериментам из среды исследования архитектур решений", Архитектуры передовых решений для Warfigher: основы и технологии, гл. 4.
- ↑ Эвертон, Шон, 2012, Disrupting Dark Networks, Cambridge University Press, Нью-Йорк, Нью-Йорк.
- ^ Кас, Мирай, Кэтлин М. Карли и Л. Ричард Карли, 2012, «Кто был, где и когда? Пространственно-временной анализ мобильности исследователей в ядерной науке», в материалах Международного семинара по интеграции и поиску пространственно-временных данных (STIR 2012 ), проведенного совместно с ICDE 2012, 1 апреля 2012 г., Вашингтон, округ Колумбия.
- ↑ Меррилл, Жаклин, Марк Г. Орр, Кристи Й. Чон, Розалинд В. Уилсон, Джонатан Сторрик и Кэтлин М. Карли, 2012, «Топология консультационных сетей местных чиновников здравоохранения: не забывайте о пробелах», Журнал управления общественным здравоохранением Практика, 18 (6): 602–608.
- ^ Эффкен, Джудит А., Шейла Гепхарт и Кэтлин М. Карли, 2013, «Использование ORA для оценки взаимосвязи передачи обслуживания с результатами качества и безопасности», Компьютеры, информатика, сестринское дело. 31 (1): 36-44.
- ^ Ван Холт, Трейси, Джеффри К. Джонсон, Джейми Бринкли, Кэтлин М. Карли и Жанна Касперсен, 2012, «Структура этнического насилия в Судане: автоматизированный контент, метасетевой и геопространственный аналитический подход», Теория вычислительной и математической организации , 18: 340-355.
- ^ Кенни, Майкл Дж., Джон Хорган, Кейл Хорн, Питер Вининг, Кэтлин М. Карли, Майкл Бигригг, Миа Блум , Курт Брэддок, 2012, Организационная адаптация в сети активистов: социальные сети, лидерство и изменения в аль-Мухаджируне , Прикладная эргономика, 44 (5): 739-747.
- ^ Хейманс, Рональд; Heuver, Ричард; Леваллуа, Клеман; ван Леливельд, Иман (2016). «Динамическая визуализация крупных финансовых сетей». Журнал сетевой теории в финансах . 2 (2): 57–79. DOI : 10,21314 / JNTF.2016.017 . ISSN 2055-7795 .
- ^ Кристиан Бохове, 2016, «Изучение взаимодействия в классе с динамическим анализом социальных сетей», Международный журнал исследований и методов в образовании, DOI: 10.1080 / 1743727X.2016.1192116.
дальнейшее чтение
- Кэтлин М. Карли, 2003, «Динамический сетевой анализ» в динамическом моделировании и анализе социальных сетей: Резюме семинара и документы, Рональд Брейгер, Кэтлин Карли и Филиппа Паттисон (ред.) Комитет по человеческому фактору, Национальный исследовательский совет, Национальные исследования Совет. Стр. 133–145, Вашингтон, округ Колумбия.
- Кэтлин М. Карли, 2002, «Умные агенты и организации будущего» Справочник по новым медиа. Под редакцией Лии Ливроу и Сони Ливингстон, гл. 12, стр. 206–220, Thousand Oaks, CA, Sage.
- Кэтлин М. Карли, Яна Диснер, Джеффри Реминга, Максим Цветоват, 2008 г., На пути к набору инструментов для динамического сетевого анализа с возможностью взаимодействия, Специальный выпуск DSS о киберинфраструктуре для внутренней безопасности: достижения в области обмена информацией, интеллектуального анализа данных и систем совместной работы. Системы поддержки принятия решений 43 (4): 1324-1347 ( статья 20 [ мертвая ссылка ] )
- Дэн Браха и Янир Бар-Ям, 2006, « Зависящие от времени сложные сети».
- Террилл Л. Франц, Кэтлин М. Карли. 2009, К оценке достоверности открытия самого центрального актера. Ежегодная конференция Академии менеджмента, Чикаго, штат Иллинойс, США, 7–11 августа. (Награжден премией Sage Publications / RM Division за лучшую студенческую работу)
- Петтер Холме, Яри Сарамяки, 2011, «Временные сети». https://arxiv.org/abs/1108.1780
- К. Аггарвал, К. Суббиан, 2014, «Эволюционный сетевой анализ: обзор». ACM Computing Surveys, 47 (1). ( pdf )
Внешние ссылки
- Исследовательский семинар Рэдклиффа по динамическим сетям
- Центр вычислительного анализа социальных и организационных систем (CASOS)