Software per la social network analysis

Pubblicato da Davide, Aggiornato domenica 15 febbraio 2009 1 Commento »

Per fare Social Network Analysis esistono diversi software; generalmente vengono utilizzati per identificare gruppi, rappresentare o visualizzare le reti di relazioni o di conoscenza, fare simulazioni su di esse aggiungendo o rimuovendo nodi e archi, a partire da diversi formati di input (relazionali o non relazionali). L’output prodotto è tipicamente un grafico o un file di testo che rappresenta il network analizzato. Gli strumenti di analisi permettono ai ricercatori di studiare e rappresentare reti di dimensioni diverse: piccole (ad esempio famiglie, team di progetto) o di grandi dimensioni (ad esempio Internet, le reti di trasmissione delle malattie).

I diversi tool elaborano i dati attraverso algoritmi di natura matematica e statistica che vengono applicati al modello di network, per costruire rappresentazioni visuali utili all’analisi: modificare i colori di diversi reparti, evidenziare le connessioni critiche di un grafo, ecc..

I parametri di interesse per queste tipologie di analisi sono:

Centralità nel network (Network Centrality o Centralization): È una misura del contributo dato dal prestigio, dall’importanza, dall’influenza che un attore possiede all’interno della rete. Misura le potenzialità di un attore sulla base della sola posizione. La centralità si riferisce alla misura in cui una rete ruota attorno ad un singolo nodo. Più specificamente, viene misurata come la percentuale di tutte le centralità possedute da un nodo.
Centrality Degree: il grado di centralità è il numero di connessioni dirette che un nodo possiede, si è portati a pensare che un nodo con più connessioni sia sinonimo di maggior importanza, ma non è sempre è così. A volte è la qualità e la tipologia della connessioni a fare la differenza.
Betweness Centrality: misura la strategicità di un nodo nella rete tra due aree importanti della stessa (concetto di betweness). Un individuo con una elevata betweness centrality ha una grande influenza nel flusso di informazioni
Closeness Centrality: misura quanti passaggi devono essere fatti partendo da un nodo dato per raggiungere il massimo numero possibile di nodi. Gli individui con una alta closeness centrality sono nella posizione ideale per monitorare il flusso di informazioni sulla rete.
Network Density: la densità del network esprime il livello dei legami all’interno di una rete, ovvero la connettività di ogni singolo soggetto. In sostanza è un indice dello sfruttamento delle opportunità relazionali che un individuo ha a disposizione.
Nella figura seguente un esempio chiarificatore dei concetti illustrati sopra.
Clustering o Cluster Analysis: Si tratta di algoritmi che attraverso tecniche di analisi multivariata individuano gruppi omogenei in un insieme di dati, sono utili per capire in che modo una organizzazione è suddivisa in sottogruppi. Tutte le tecniche di clustering si basano sul concetto di distanza tra due elementi della rete, si possono costruire cluster in modo bottom-up (all’inizio ogni nodo è un cluster a sé, poi l’algoritmo provvede ad unirli) o top-down (all’inizio tutti gli elementi stanno in un unico cluster, poi l’algoritmo provvede a suddividerli). Una categorizzazione delle metodologie di clustering è la seguente:
- Clustering esclusivo: ogni elemento può essere assegnato esattamente ad un solo gruppo
- Clustering non esclusivo: ogni elemento può appartenere a più cluster
- Clustering partitivo (oppure k-clustering): ogni elemento è assegnato ad un gruppo sulla base della distanza da un punto rappresentativo del cluster (centroide, medioide, ecc..)
- Clustering gerarchico: viene creato un albero che visualizza i passi di accorpamento/divisione dei cluster in modo gerarchico
- Clustering density-based: il cluster viene creato analizzando l’intono di ogni punto dello spazio, considerando la densità di punti in un intorno di raggio fissato.
Structural Equivalence: quando due nodi sono connessi alle stesse persone, hanno lo stesso grado di centralità e di betweness (ecc.) allora si dice che sono strutturalmente equivalenti. Nodi strutturalmente equivalente sono intercambiabili.
Network Neighborhood: il neighborhood di un nodo è il suo intorno, ovvero quell’insieme di persone che stanno a una determinata distanza.
External / Internal Ratio: il rapporto tra archi entranti e archi uscenti da un nodo.
Weighted Average Path Length, Shortest Paths & Path Distribution: la lunghezza dei cammini tra due nodi è una misura della capacità di collegamento tra due individui all’interno di un network. Vi sono molti algoritmi e diverse tecniche per il calcolo dei cammini minimi e l’analisi della loro distribuzione, un esempio relativo ai grafi orientati con archi pesati è l’algoritmo di Dijkstra.

Tra gli strumenti più diffusi per effettuare SNA, in ambito accademico sono da segnalare UCINet, Pajek, ORA e GUESS; mentre in ambito commerciale vanno menzionati InFlow, Keyhubs e NetMiner (di quest’ultimo è riportato uno screenshot in figura sotto).

Per chi volesse approfondire a avere una lista di Software per la Social Network Analysis da valutare e testare, il riferimento è questa pagina di wikipedia: http://en.wikipedia.org/wiki/Social_network_analysis_software

Negli scorsi giorni ho fatto qualche prova con UCINET, effettivamente è piuttosto semplice da utilizzare ma l’interfaccia è ancora primitiva. Magari nei prossimi giorni scrivo due righe riguardo gli strumenti di analisi con UCINET.. Qualcuno può consigliare?

Nessun articolo correlato