CHƯƠNG IV XÁC ĐỊNH KEY PLAYER TRONG MẠNG XÃ HỘI 4.1/ Đặt vấn đề
4.2/ Giải quyết vấn đề
Xuất phát từ yêu cầu đó việc tìm ra phần tử chốt trong một mạng xã hội cụ thể sớm được các nhà nghiên cứu tham gia để tạo ra các công cụ hỗ trợ như: NodeXL. Phân tích thông tin để từ đó chọn ra được đối tượng, địa điểm nồng cốt cho nhu cầu truyền tải thông tin, cũng như quảng bá sản phẩm của một số lượng doanh nghiệp, nhà đầu tư, cá nhân,… là một cách tối ưu cho vấn đề này.
Xác định key player: Trong mô hình mạng trên, nút 10 là trung tâm nhất theo mức độ trung tâm. Tuy nhiên, các nút 3 và 5 sẽ cùng nhau kết hợp và kết nối nhiều nút hơn.
Ngoài ra, mối quan hệ ràng buộc giữa chúng là rất quan trọng. Nút 3 và 5 cùng là 'chìa khóa' để mạng lưới này gần hơn nút 10.
Làm thế nào để xác định key player (các nút trung tâm trong mạng)??
Degree centrality: Bậc của node là tổng số đường vào và ra của node (đồ thị có hướng); trong một đồ thị vô hướng thì đường vào và ra là giống nhau, thường được sử dụng làm thước đo mức độ của một nút trong sự kết nối và do đó cũng ảnh hưởng mức độ phổ biến. Việc tìm ra các nút trung tâm đối với việc truyền bá thông tin và ảnh hưởng đến những người khác trong cùng nhóm là rất hữu ích.
Đường đi và đường đi ngắn nhất: Đường đi ngắn nhất giữa hai node là con đường kết nối hai nút với khoảng cách ngắn nhất của các cạnh.
Trong ví dụ trên, giữa các node 1 và 4 có hai con đường ngắn nhất có độ dài 2: {1,2,4} và {1,3,4} Đường đi dài giữa hai nút 1 và 4 là {1,2,3,4}, {1,3,2,4}, {1,2,5,3,4} và {1,3,5,2, 4} (dài nhất đường dẫn).
Con đường ngắn hơn là cần thiết khi tốc độ của thông tin liên lạc, trao đổi thông tin diễn ra nhanh chóng. Cho biết các nút có nhiều khả năng nằm trên con đường thông tin liên lạc giữa các node khác. Ngoài ra hữu ích trong việc xác định các điểm mà mạng sẽ tan rã (nút 3 hoặc 5 sẽ biến mất thì mạng sẽ tan rã)
Closeness centrality: Chiều dài trung bình của tất cả các đường đi ngắn nhất từ một node đến tất cả các node khác trong mạng (tức là có bao nhiêu bước nhảy trung bình phải mất để đạt được tất cả các nút khác). Đây là một biện pháp tiếp cận, tức là nó sẽ mất bao lâu để đạt được các nút khác từ một nút khởi đầu, hữu ích trong trường hợp tốc độ phổ biến thông tin là mối quan tâm chính. Giá trị thấp hơn là tốt hơn khi có cao hơn tốc độ mong muốn.
Eigenvector centrality: Xu hướng vectơ trung tâm của một node là tỷ lệ thuận với tất cả các node trực tiếp kết nối với nó. Điều này cũng tương tự như cách Google xếp hạng các trang web liên kết từ cao được liên kết đến các trang tính. Hữu ích trong việc xác định những người được kết nối với các nút được kết nối nhất.
Xác định key player: Trong mô hình mạng trên, node 10 là trung tâm nhất theo mức độ trung tâm. Tuy nhiên, các nút 3 và 5 sẽ cùng nhau kết hợp và kết nối nhiều node hơn. Ngoài ra, mối quan hệ ràng buộc giữa chúng là rất quan trọng. Node 3 và 5 cùng là 'chìa khóa' để mạng lưới này hơn node 10.
Reciprocity (degree of): Tỷ lệ số lượng các mối quan hệ đó đáp lại (tức là có một lợi thế trong cả hai chiều) trong tổng số các mối quan hệ trong mạng. Nơi hai đỉnh được cho là liên quan nếu có ít nhất một cạnh giữa chúng. Một chỉ số hữu ích của mức độ phụ thuộc lẫn nhau và trao đổi trong một mạng có liên quan đến sự gắn kết xã hội và có ý nghĩa trong đồ thị chỉ đạo.
Density: Density là của mạng tỷ lệ số lượng của các cạnh trong mạng trên tổng số của các cạnh có thể có giữa tất cả các cặp của các nút (n (n-1) / 2), n là số đỉnh một đồ thị (mạng vô hướng), trong mạng ví dụ mật độ quyền = 6/5 = 0,83. Đây là một biện pháp phổ biến làm thế nào cũng kết nối mạng (nói cách khác, làm thế nào chặt chẽ đan nó là) một mạng lưới kết nối hoàn hảo được gọi là một cliqueand có mật độ = 1. Một đồ thị có hướng sẽ có một nửa mật độ tương đương với vô hướng của nó, bởi vì có hai lần như nhiều cạnh có thể, tức là Mật độ rất hữu ích trong so sánh các mạng với nhau, hoặc làm tương tự cho các vùng khác nhau trong một mạng duy nhất.
Clustering: Hệ số phân nhóm của một node là mật độ của vùng lân cận của nó (tức là mạng chỉ có duy nhất nút và tất cả các node khác với nó). Ví dụ, node 1 bên phải có một giá trị là 1, vì các node láng giềng là 2 và 3 và các nút 1, 2 và 3 là hoàn toàn được kết nối (tức là nó là một "bè lũ”). Hệ số phân nhóm cho toàn bộ một mạng lưới là mức trung bình của tất cả các hệ số cho các node của nó.
Average and longest distance: Con đường ngắn nhất dài nhất (khoảng cách) giữa bất kỳ hai nút trong mạng được gọi là đường kính của mạng lưới. Đường kính của các mạng lưới bên phải là 3, mà là một biện pháp hữu ích của mạng (như trái ngược với chỉ nhìn vào tổng số các đỉnh hoặc cạnh). Nó cũng cho thấy bao lâu để tiếp cận bất kỳ node nào trong mạng.
Small Worlds: Một worldis nhỏ một mạng trông gần như ngẫu nhiên, nhưng cuộc triển lãm một hệ số phân nhóm cao đáng kể (các node có xu hướng cụm địa phương) và chiều
dài đường dẫn trung bình (các node có thể đạt được trong một vài bước tương đối ngắn) Nó là một cấu trúc rất phổ biến trong các mạng xã hội bởi vì bắc cầu trong quan hệ xã hội mạnh mẽ và khả năng của mối quan hệ yếu để đạt được trên các cụm. Mạng sẽ có nhiều cụm nhưng cũng có nhiều cầu giữa các cụm giúp rút ngắn khoảng cách trung bình giữa các node.
Analyzing your own ego-network: Sử dụng các bước được nêu trong các trang sau để hình dung và phân tích mạng riêng của bạn:
− Hãy suy nghĩ về các điểm chủ chốt trong mạng của bạn, các loại quan hệ mà bạn duy trì với họ, xác định bất kỳ cụm hoặc cộng đồng trong mạng của bạn.
− Mục tiêu: thực hành SNA với dữ liệu thực tế!