사용자:Soongki/소셜 네트워크 분석

사회 네트워크 분석(SNA)은 네트워크와 그래프 이론을 사용하여 사회 구조를 조사하는 과정입니다. 이는 노드(네트워크 내의 개별 행위자, 사람, 또는 것들)와 그들을 연결하는 연결선, 가장자리, 또는 링크(관계나 상호작용) 측면에서 네트워크 구조를 특징짓습니다. 사회 네트워크 분석을 통해 일반적으로 시각화되는 사회 구조의 예로는 소셜 미디어 네트워크, 메메 전파, 정보 순환, 친구 및 지인 네트워크, 동료 학습자 네트워크, 비즈니스 네트워크, 지식 네트워크, 어렵게 작동하는 관계들, 협업 그래프들, 친족 관계들이 있습니다. 이러한 네트워크들은 종종 소시오그램을 통해 시각화되며 여기서 노드는 점으로 나타내고 연결선은 선으로 나타냅니다. 이러한 시각화 방법은 관심 있는 속성을 반영하여 노드와 가장자리의 시각적 표현을 변형함으로써 신경망을 질적으로 평가하는 수단을 제공합니다.

사회 네트워크 분석은 현대 사회학에서 핵심 기법으로 부상하였습니다. 또한 이는 다음과 같은 분야에서 큰 인기를 얻었습니다 - 인류학, 생물학, 인구학, 커뮤니케이션 연구, 경제학, 지리학, 역사학, 정보 과학, 조직 연구, 정치 과학, 공공 보건, 사회 심리학, 개발 연구들이 있습니다. 또한 사회언어학과 컴퓨터 과학 그리고 교육 및 원격 교육 연구 등에도 사용되며 이제 일반 소비자 도구로서 널리 사용되고 있습니다.

SNA의 장점은 두 가지입니다. 첫째, SNA는 많은 양의 관계 데이터를 처리하고 전체적인 관계 네트워크 구조를 설명할 수 있습니다. 둘째, 시스템 및 매개변수 선택을 통해 네트워크 내에서 영향력 있는 노드를 확인할 수 있습니다. 이는 in-degree와 out-degree 중심성과 같은 개념을 포함합니다. SNA는 네트워크의 특성에 따라 "중심"을 정의하기 위한 매개변수를 선택하는 컨텍스트를 제공합니다. 노드, 클러스터 및 관계 분석을 통해 개인의 커뮤니케이션 구조와 위치를 명확하게 설명할 수 있습니다.

역사[편집]

사회 네트워크 분석은 초기 사회학자들인 지오르크 지과 에밀 뒤르의 연구에 그 이론적 뿌리를 두고 있습니다. 이들은 사회 행위자들을 연결하는 관계 패턴을 연구하는 것의 중요성에 대해 썼습니다. 사회 과학자들은 20세기 초부터 "사회 네트워크"라는 개념을 사용하여, 대인관계에서 국제적 규모까지 모든 척도에서의 사회 시스템 멤버 간의 복잡한 관계 세트를 의미하였습니다.

1930년대에 제이콥 모레와 헬렌 제닝스가 기본적인 분석 방법을 도입했습니다. 1954년에는 존 아룬델 반스가 체계적으로 이 용어를 사용하기 시작하여, 일반 대중이 사용하는 개념과 사회 과학자들이 사용하는 개념을 포괄하는 관계 패턴을 나타내었습니다: 경계가 정해진 그룹(예: 부족, 가족)과 사회 카테고리(예: 성별, 민족).

1970년대부터 많은 학자들로부터 체계적인 사회 네트워크 분석의 사용이 확장되었습니다.

1990년대 후반부터 사회 네트워크 분석은 사회학자, 정치학자, 경제학자, 컴퓨터 과학자, 물리학자들의 영향으로 새로운 모델과 방법을 개발하고 적용하면서 다시 한번 부상하였습니다. 이는 일부 온라인 사회 네트워크에 대한 새로운 데이터가 생겨나고 대면 네트워크에 관한 "디지털 흔적"이 생겨난 것이 계기가 되었습니다.

사회 네트워크 분석은 다양한 학문 분야뿐만 아니라 돈세탁과 테러방지와 같은 실제 상황에서의 응용을 찾아내기도 했습니다.

지표[편집]

크기: 지정된 네트워크의 네트워크 구성원 수입니다.

연결[편집]

동질성(Homophily): 행위자들이 유사한 다른 사람과의 관계를 형성하는 정도에 대한 것입니다. 유사성은 성별, 인종, 나이, 직업, 교육 수준, 지위, 가치 또는 다른 중요한 특성에 의해 정의될 수 있습니다. 동질성은 또한 동류(assortativity)라고도 불립니다.

다중성(Multiplexity): 관계에서 포함된 콘텐츠 형태의 수를 나타내는 것입니다. 예를 들어, 서로 친구이면서 함께 일하는 두 사람은 다중성이 2가 됩니다. 다중성은 관계의 강도와 관련이 있으며 긍정적과 부정적인 네트워크 관계의 중첩을 포함할 수도 있습니다.

상호성/재귀성(Mutuality/Reciprocity): 두 행위자가 서로의 우정이나 다른 상호작용을 어느 정도 상호 반응하는지에 대한 것입니다.

네트워크 폐쇄(Network Closure): 관계 삼각형의 완성도를 측정하는 것입니다. 개인이 네트워크 폐쇄를 가정하는 것(즉, 그들의 친구들이 또한 친구라는 것)은 추이성(transitivity)이라고 합니다. 추이성은 개인적 특성 혹은 상황적 특성인 인지적 폐쇄 필요성(Need for Cognitive Closure)의 결과입니다.

근접성(Propinquity): 행위자들이 지리적으로 가까운 다른 사람들과 더 많은 연결을 가지는 경향을 의미합니다.

분포[편집]

브릿지(Bridge): 구조적 공백을 채우는 약한 관계를 가진 개인으로, 두 개인이나 클러스터 사이의 유일한 연결고리를 제공합니다. 메시지 왜곡 또는 전달 실패의 위험이 높아 긴 경로가 실행 불가능할 때 최단 경로도 포함됩니다.

중심성(Centrality): 중심성은 네트워크 내 특정 노드(또는 그룹)의 "중요성"이나 "영향력"(다양한 의미에서)을 정량화하려는 일련의 측정 지표를 말합니다. "중심성"을 측정하는 일반적인 방법에는 매개 중심성(betweenness centrality), 근접 중심성(closeness centrality), 고유 벡터 중심성(eigenvector centrality), 알파 중심성(alpha centrality), 그리고 차수 중심성(degree centrality) 등이 있습니다.

밀도(Density): 네트워크 내에서 직접적인 연결의 비율을 가능한 총 수에 대해 표현한 것입니다.

거리(Distance): 두 특정 행위자를 연결하는 데 필요한 최소한의 관계 수를 의미합니다.

구조적 구멍(Structural holes): 네트워크의 두 부분 사이에 관계가 없는 상태를 의미합니다. 구조적 구멍을 찾아내고 이용하는 것은 창업자에게 경쟁 우위를 제공할 수 있습니다. 이 개념은 사회학자 로널드 버트(Ronald Burt)에 의해 개발되었으며, 때때로 사회 자본의 대체 개념으로 언급됩니다.

관계 강도(Tie Strength): 시간, 감정적 강도, 친밀성, 그리고 상호성(즉, 상호 주고받음)의 선형 결합으로 정의됩니다. 강한 관계는 동질성(homophily), 근접성(propinquity), 그리고 전이성(transitivity)과 연관되어 있으며, 약한 관계는 브릿지(bridge)와 연관되어 있습니다.

세분화[편집]

각 개인이 모든 다른 개인과 직접적으로 연결되어 있는 경우, 그룹은 '클릭'(cliques)으로 식별됩니다. 직접적인 접촉의 엄격성이 덜한 경우에는 '사회적 원'('social circles')으로 식별되며, 이는 정확하지 않을 수 있습니다. 정밀성이 필요한 경우에는 구조적으로 응집된 블록(structurally cohesive blocks)으로 간주됩니다.

클러스터링 계수(Clustering coefficient): 노드의 두 연결체가 서로 연결되어 있을 가능성을 측정하는 지표입니다. 클러스터링 계수가 높을수록 '결합력'('cliquishness')이 더 크다는 것을 나타냅니다.

응집성(Cohesion): 행위자들이 응집적인 결합으로 서로 직접 연결되어 있는 정도를 의미합니다. 구조적 응집성(Structural cohesion)은 그룹에서 제거될 경우 그룹을 분리시키는 최소한의 멤버 수를 가리킵니다.

네트워크 모델링 및 시각화[편집]

사회 네트워크의 시각적 표현은 네트워크 데이터를 이해하고 분석 결과를 전달하는 데 중요합니다. 사회 네트워크 분석에 의해 생성된 데이터를 시각화하기 위한 다양한 방법들이 제시되었습니다. 많은 분석 소프트웨어에는 네트워크 시각화 모듈이 있습니다. 데이터 탐색은 다양한 레이아웃에서 노드와 연결을 표시하고, 노드에 색상, 크기 및 기타 고급 속성을 부여함으로써 이루어집니다. 네트워크의 시각적 표현은 복잡한 정보를 전달하는 강력한 방법일 수 있지만, 단독으로 시각적 디스플레이에서 노드와 그래프 속성을 해석할 때는 주의가 필요합니다. 왜냐하면 이러한 방식은 정량적 분석을 통해 더 잘 포착될 수 있는 구조적 속성을 잘못 나타낼 수 있기 때문입니다.

부호형 그래프(Signed graphs)는 인간 간의 좋은 관계와 나쁜 관계를 나타내는 데 사용될 수 있습니다. 두 노드 간의 양의 엣지는 긍정적인 관계(우정, 동맹, 연애)를 나타내며, 두 노드 간의 음의 엣지는 부정적인 관계(증오, 분노)를 나타냅니다. 부호 있는 사회 네트워크 그래프는 그래프의 미래 진화를 예측하는 데 사용될 수 있습니다. 부호 있는 사회 네트워크에서는 "균형"과 "불균형" 사이클의 개념이 있습니다. 균형 사이클은 모든 부호의 곱이 양수인 사이클로 정의됩니다. 균형 이론에 따르면 균형 그래프는 그룹 내 다른 사람들에 대한 의견을 바꾸기 어려운 사람들의 그룹을 나타냅니다. 불균형 그래프는 그룹 내 다른 사람들에 대한 의견을 바꿀 가능성이 높은 사람들의 그룹을 나타냅니다. 예를 들어, A, B, C 세 명으로 이루어진 그룹에서 A와 B 사이에 양의 관계가 있고, B와 C 사이에 양의 관계가 있지만, C와 A 사이에 음의 관계가 있는 경우 불균형 사이클입니다. 이 그룹은 A와 B 사이에만 긍정적인 관계가 있고, A와 B 모두 C와 음의 관계를 가지는 균형 사이클로 변할 가능성이 매우 높습니다. 균형과 불균형 사이클의 개념을 사용하여 부호형의 사회 네트워크 그래프의 진화를 예측할 수 있습니다.

특히 변화를 촉진하기 위한 도구로서 사회 네트워크 분석을 사용할 때, 참여형 네트워크 매핑의 다양한 접근법이 유용하게 입증되었습니다. 여기서 참가자 또는 면접자들은 실제로 네트워크를 매핑하여(펜과 종이 또는 디지털로) 데이터 수집 세션 중에 네트워크 데이터를 제공합니다. 펜과 종이를 사용한 네트워크 매핑 접근법의 예로는 *넷맵(Net-map) 툴박스가 있으며, 여기에는 일부 배우의 속성(배우의 인식된 영향력 및 목표) 수집도 포함됩니다. 이 접근법의 장점 중 하나는 연구자들이 네트워크 데이터 수집 중에 질적 데이터를 수집하고 설명적인 질문을 할 수 있는 기회를 제공한다는 것입니다.

사회 네트워킹 잠재력[편집]

사회 네트워킹 잠재력(Social Networking Potential, SNP)은 알고리즘을 통해 파생된 숫자 계수로, 개인의 소셜 네트워크 규모와 그 네트워크에 영향을 미칠 수 있는 능력을 나타냅니다. SNP 계수는 처음으로 2002년에 Bob Gerstley에 의해 정의되고 사용되었습니다. 밀접한 관련 용어로 "알파 사용자(Alpha User)"가 있는데, 이는 높은 SNP를 가진 사람을 나타냅니다.

SNP 계수는 주로 두 가지 주요 기능을 갖고 있습니다:

1. 개인들을 그들의 소셜 네트워킹 잠재력에 따라 분류하는 역할을 한다.

2. 양적 마케팅 연구 연구에서 응답자의 가중치를 부여하는 데 사용됩니다.

응답자들의 SNP를 계산하고 고 SNP 응답자를 대상으로 함으로써, 바이럴 마케팅 전략을 주도하기 위해 사용되는 양적 마케팅 연구의 힘과 관련성을 높일 수 있습니다.

활용[편집]

사회 네트워크 분석은 다양한 분야와 응용 분야에서 널리 사용됩니다. 일반적인 네트워크 분석 응용 분야에는 데이터 집계와 데이터 마이닝, 네트워크 전파 모델링, 네트워크 모델링과 샘플링, 사용자 특성 및 행동 분석, 커뮤니티 유지 및 리소스 지원, 위치 기반 상호 작용 분석, 소셜 공유와 필터링, 추천 시스템 개발, 그리고 링크 예측 및 엔터티 해결이 포함됩니다. 비즈니스 분야에서는 고객 상호 작용 및 분석, 정보 시스템 개발 분석, 마케팅 및 비즈니스 인텔리전스(소셜 미디어 분석 참조)를 지원하기 위해 사회 네트워크 분석을 사용합니다. 공공 분야에서는 리더 참여 전략 개발, 개인 및 그룹 참여 및 미디어 사용 분석, 그리고 커뮤니티 기반 문제 해결 분석 등이 포함됩니다.

소셜 미디어에서의 적용[편집]

사회 네트워크 분석은 트위터와 페이스북과 같은 소셜 미디어 웹사이트에서의 링크를 통해 개인 또는 조직 간의 행동을 이해하기 위한 도구로 소셜 미디어에 적용되었습니다.

컴퓨터기반 협력 학습(CSCL)에서의 적용[편집]

사회 네트워크 분석(SNA)의 현재 최신 응용 분야 중 하나는 컴퓨터 지원 협력 학습(CSCL)의 연구입니다. CSCL에 적용할 때 SNA는 학습자들이 협력하는 방식을 이해하는 데 도움이 되며, 양, 빈도 및 기간뿐만 아니라 의사 소통의 품질, 주제 및 전략과 같은 측면을 통해 협력 과정을 파악하는 데 사용됩니다. 또한 SNA는 네트워크 연결의 특정 측면이나 전체 네트워크에 초점을 맞출 수 있습니다. 그것은 CSCL 네트워크 내에서의 연결을 검토하는 데 도움을 주기 위해 그래픽 표현, 서면 표현 및 데이터 표현을 사용합니다. CSCL 환경에 SNA를 적용할 때 참가자들의 상호 작용은 사회 네트워크로 취급됩니다. 분석의 중점은 참가자들 사이에 만들어진 "연결"에 놓이며 - 그들이 상호 작용하고 의사 소통하는 방식 - 개별 참가자가 어떻게 행동했는지와 대조됩니다.

주요 용어[편집]

컴퓨터기반 협력 학습(CSCL)에서 사회 네트워크 분석 연구와 관련된 여러 중요한 용어가 있습니다. 이 중요한 용어로는 밀도(density), 중심성(centrality), 인디그리(indegree), 아웃디그리(outdegree), 그리고 소시오 그램(sociogram) 등이 있습니다.

밀도(density) : 밀도는 참가자들 간의 "연결"을 나타냅니다. 밀도는 참가자가 가진 연결 수를 참가자가 가질 수 있는 총 연결 수로 나눈 것으로 정의됩니다. 예를 들어, 20명이 참여하는 경우 각 사람은 이론적으로 19명의 다른 사람과 연결할 수 있습니다. 시스템에서 가장 큰 밀도는 100% (19/19)입니다. 5%의 밀도는 가능한 19개의 연결 중 1개만 있는 것을 나타냅니다.
중심성(centrality) : 네트워크 내에서 개별 참가자의 행동에 초점을 맞춥니다. 이는 개별 개인이 네트워크 내의 다른 개인들과 상호 작용하는 정도를 측정합니다. 개인이 네트워크 내의 다른 사람들과 더 많이 연결되면 네트워크 내에서 중심성이 더 커집니다.
인디그리(in-degree) : 중심성은 특정 개인을 중심으로 하며, 다른 모든 개인의 중심성은 이 중심 개인과의 "인디그리(in-degree)" 관계에 기반합니다.
아웃디그리(outdegree) : 단일한 개인을 중심으로 하는 중심성 측정이지만, 분석은 해당 개인의 아웃고잉 상호 작용에 관심을 두며, 아웃디그리 중심성의 측정은 중심 개인이 다른 사람들과 상호 작용하는 횟수입니다.
소시오 그램(sociogram) : 네트워크 내의 연결을 정의된 경계로 시각화한 것입니다. 예를 들어, 아웃디그리 중심성을 나타내는 사회도는 참가자 A가 연구된 네트워크에서 만든 모든 아웃고잉 연결을 나타냅니다.

SNA와 함께 사용되는 다른 방법[편집]

컴퓨터 지원 협력 학습 분야에서 사회 네트워크 분석의 가치를 입증한 많은 연구가 있음에도 불구하고, 연구자들은 SNA 자체로는 CSCL을 완전히 이해하기에는 충분하지 않다고 제안하고 있습니다. 상호 작용 과정의 복잡성과 다양한 데이터 원본은 SNA가 CSCL을 심층적으로 분석하는 것을 어렵게 만듭니다. 연구자들은 SNA를 보완하기 위해 다른 분석 방법을 추가해야 하며, 협력적 학습 경험을 더 정확하게 파악하기 위해 더 정확한 그림을 형성해야 한다고 지적하고 있습니

질적 방법 - 질적 케이스 스터디 연구의 원칙은 CSCL 경험 연구에 SNA 방법을 통합하는 견고한 프레임워크를 형성합니다.
- 학생 설문 조사와 인터뷰, 수업 비참여 관찰과 같은 민족지 데이
- 사례연구: 특정 CSCL 상황을 철저히 연구하고 결과를 일반적인 체계와 관련시킴
- 내용 분석: 회원 간 의사 소통 내용에 대한 정보를 제공합니다.
양적 방법 - 이것은 SNA를 통해 추적할 수 없는 그룹 멤버들의 특정 태도를 식별하기 위한 발생에 대한 간단한 기술적 통계 분석을 포함합니다. 일반적인 경향을 감지하기 위해 사용됩니다.
- 컴퓨터 로그 파일: 학습자들이 협력 도구를 어떻게 사용하는지에 대한 자동 데이터 제공
- 다차원 척도법 (MDS): 배우자 간의 유사성을 그래프로 나타내어 더 유사한 입력 데이터가 가까이에 위치하도록 함
- 소프트웨어 도구: QUEST, SAMSA (인접 행렬 및 사회도 분석 시스템), Nud*IST

같이 보기[편집]

참조[편집]

외부 링크[편집]

[[분류:인터넷 문화]] [[분류:감시]] [[분류:사회적 정보 처리]] [[분류:문화경제학]] [[분류:공동체 건설]] [[분류:자기조직화]] [[분류:사회 체계]] [[분류:체계 이론]] [[분류:가치관]] [[분류:소셜 네트워크]]