ソーシャルネットワーク分析

同質性：行為者が、自分と似た者同士、あるいは似ていない者同士で関係を築く度合い。類似性は、性別、人種、年齢、職業、学歴、社会的地位、価値観、その他あらゆる顕著な特徴によって定義される。同質性は、同類性（アソータティビティ）とも呼ばれる。

多重性：つながりに含まれるコンテンツ形式の数。例えば、友人であり、かつ一緒に仕事をしている2人の場合、多重性は2となる。多重性は関係の強さと関連付けられており、肯定的および否定的なネットワークのつながりの重複も含まれる。

相互性／互恵性：二人の行為者が互いの友情やその他の交流にどの程度応えているかを示す度合い。

ネットワーク閉鎖性：関係性トライアドの完全性を測る指標。ネットワーク閉鎖性（つまり、友人同士も友人であるという前提）を、個人が想定する傾向は推移性と呼ばれる。推移性は、認知的閉鎖性を求める個人または状況的特性の結果である。

近接性：行為者が地理的に近い他者とより多くの繋がりを持つ傾向。

ブリッジ：弱いつながりが構造的な穴を埋め、2人の個人またはクラスター間の唯一のリンクを提供する個人。また、メッセージの歪みや配信失敗のリスクが高いため、より長い経路が実行不可能な場合の最短経路も含まれます。^{[ 31 ]}

中心性：中心性とは、ネットワーク内の特定のノード（またはグループ）の「重要性」または「影響力」（さまざまな意味で）を定量化することを目的とした一連の指標を指します。^{[ 32 ] [ 33 ] [ 34 ] [ 35 ]}「中心性」を測定する一般的な方法の例としては、媒介中心性^{[ 36 ]} 、近接中心性、固有ベクトル中心性、アルファ中心性、次数中心性などがあります。^{[ 37 ]}

密度：ネットワーク内の直接的なつながりの割合を、可能な総数に対する割合で表したもの。^{[ 38 ] [ 39 ]}

距離：スタンレー・ミルグラムのスモールワールド実験や「六次の隔たり」の概念によって広まった、特定の2人の人物を結びつけるために必要な最小限のつながりの数。

構造的空隙：ネットワーク内の2つの部分間のつながりの欠如。構造的空隙を見つけて活用することで、起業家は競争上の優位性を得ることができる。この概念は社会学者のロナルド・バートによって提唱され、社会資本の代替概念として言及されることもある。

関係の強さ：時間、感情の強さ、親密さ、相互性（つまり相互性）の線形結合によって定義されます。^{[ 31 ]}強い関係は同質性、近接性、推移性と関連しており、弱い関係は橋渡しと関連しています。

グループは、すべての個人が他のすべての個人と直接結びついている場合は「派閥」 、直接的な接触の厳密さが低い場合は「社交サークル」、正確さが求められる場合は構造的にまとまりのあるブロックとして識別されます。^{[ 40 ]}

クラスタリング係数：ノードの2つの関連ノードが関連ノードである可能性の尺度。クラスタリング係数が高いほど「派閥性」が高いことを示す。^{[ 41 ]}

凝集性：アクターが凝集的な絆によって直接的に結びついている度合い。構造的凝集性とは、グループから取り除かれた場合にグループが崩壊する最小メンバー数を指します。^{[ 42 ] [ 43 ]}

ソーシャル ネットワークの不平等は、社会学者や経済学者から長い間注目を集めてきました^{[ 44 ] [ 45 ] [ 46 ] [ 47 ] [ 48 ]}が、公平性の考慮がソーシャル ネットワーク分析手法の設計において注目されるようになったのはごく最近のことです。2020 年代初頭から、リンク予測^{[ 49 ]}、影響力最大化^{[ 50 ]}、PageRank ^{[ 51 ]}など、特定のソーシャル ネットワーク分析タスクに対して公平性を考慮したアプローチが提案されています。しかし、公平性は、影響力の遮断、コミュニティ検出、中心性ランキング、異常検出、ネットワーク匿名化など、他の多くのコア問題において十分に研究されておらず、明確な定義がありません。^{[ 52 ]}。

ソーシャルネットワーキングポテンシャル（SNP）は、アルゴリズムによって導出される数値係数であり、^{[ 61 ] [ 62 ]}個人のソーシャルネットワークの規模と、そのネットワークに影響を与える能力の両方を表します。SNP係数は、2002年にボブ・ガースリーによって初めて定義され、使用されました。密接に関連する用語として、アルファユーザーがあり、これは高いSNPを持つ人物として定義されます。

SNP係数には主に2つの機能があります。

1. 個人のソーシャルネットワーキングの可能性に基づく分類、そして
2. 定量的なマーケティング調査における回答者の重み付け。

回答者のSNP値を算出し、 SNP値の高い回答者をターゲットにすることで、バイラルマーケティング戦略を推進するために使用される定量的マーケティングリサーチの有効性と関連性が向上する。

個人のSNPを計算するために使用される変数には、ソーシャルネットワーキング活動への参加、グループメンバーシップ、リーダーシップの役割、認知、非電子メディアへの出版/編集/寄稿、電子メディア（ウェブサイト、ブログ）への出版/編集/寄稿、ネットワーク内での過去の情報配信頻度などが含まれますが、これらに限定されません。「SNP」という略語と、個人のソーシャルネットワーキングの可能性を定量化するために開発された最初のアルゴリズムのいくつかは、ホワイトペーパー「広告調査は変化している」（Gerstley、2003）で説明されています。バイラルマーケティングを参照してください。^{[ 63 ]}

モバイル通信のオーディエンスにおけるアルファユーザーの商業的利用について論じた最初の書籍^{[ 64 ]}は、2004年にAhonen、Kasper、Melkkoによって出版された3G Marketingである。ソーシャルマーケティングインテリジェンスの文脈でアルファユーザーをより一般的に論じた最初の書籍は、2005年にAhonenとMooreによって出版されたCommunities Dominate Brandsである。2012年、Nicola Greco（UCL）はTEDxで、ユーザーが生み出し企業が利用すべき潜在エネルギーと並行するものとしてソーシャルネットワーキングポテンシャルを発表し、「SNPはすべての企業が目指すべき新しい資産である」と述べている。^{[ 65 ]}

世界中の多くの研究者が、子供や青少年のソーシャル ネットワークを調査しています。アンケートでは、クラスメート、同じ学年の生徒、または学校の仲間全員を挙げて、「あなたの親友は誰ですか？」と尋ねます。生徒は、好きなだけ仲間を指名できる場合もあれば、指名できる人数が制限されている場合もあります。ソーシャル ネットワークの研究者は、友情ネットワークの類似性を調査してきました。友人間の類似性は、古代から確立されていました。^{[ 68 ]}類似性は、友情が存続するための重要な基盤です。特性、態度、または行動の類似性は、友人がお互いをより早く理解し、共通の関心事について話し、お互いの立場をよりよく理解し、お互いをより信頼することを意味します。^{[ 69 ]}その結果、そのような関係はより安定し、価値のあるものになります。さらに、より似ていることは、若者の自信を高め、アイデンティティの形成を強化します。^{[ 70 ]}行動の類似性は、選択と影響という 2 つのプロセスから生じる可能性があります。これらの 2 つのプロセスは、 Tom Snijdersらが開発した R パッケージ SIENA (Simulation Investigation for Empirical Network Analyses) の縦断的ソーシャル ネットワーク分析を使用して区別できます。^{[ 71 ]}縦断的ソーシャル ネットワーク分析は、2013 年にRené Veenstraが編集し、15 の実証論文を収録したJournal of Research on Adolescenceの特集号が発行された後に主流になりました。^{[ 72 ]}これらの研究に加えて、学齢期に多様な話し手に触れることで、子供たちの知覚の柔軟性が高まることがわかりました。^{[ 73 ]}

ソーシャル ネットワーク分析は、諜報活動、防諜活動、法執行活動でも使用されています。この手法により、アナリストはスパイ組織、組織犯罪一家、ストリート ギャングなどの秘密組織をマッピングできます。国家安全保障局(NSA) は、電子監視プログラムを使用して、テロ組織や国家安全保障に関連するとみなされるその他のネットワークに対してこの種の分析を実行するために必要なデータを生成しています。NSA はこのネットワーク分析中に最大 3 つのノードの深さを調べます。^{[ 74 ]}ソーシャル ネットワークの初期マッピングが完了すると、分析を実行してネットワークの構造を決定し、たとえばネットワーク内のリーダーを特定します。^{[ 75 ]}これにより、軍や法執行機関は、ネットワークの機能を妨害するために、指導的地位にある高価値ターゲットに対して捕獲または殺害による首切り攻撃を開始できます。NSA は、9 月 11 日の攻撃直後から、メタデータとしても知られる通話詳細記録(CDR)に対してソーシャル ネットワーク分析を実行しています。^{[ 76 ] [ 77 ]}

大規模なテキストコーパスはネットワークに変換され、ソーシャルネットワーク分析を使用して分析できます。これらのネットワークでは、ノードはソーシャルアクターであり、リンクはアクションです。これらのネットワークの抽出は、パーサーを使用して自動化できます。結果として得られるネットワークは、数千のノードを含む可能性があり、ネットワーク理論のツールを使用して分析され、主要なアクター、主要なコミュニティまたはパーティ、およびネットワーク全体の堅牢性または構造的安定性、または特定のノードの中心性などの一般的な特性が特定されます。^{[ 78 ]}これは、定量的物語分析によって導入されたアプローチを自動化します。 ^{[ 79 ]}このアプローチでは、主語-動詞-目的語のトリプレットが、アクションによってリンクされたアクターのペア、またはアクター-オブジェクトによって形成されるペアで識別されます。^{[ 80 ]}

他のアプローチでは、テキスト内で共起する単語のネットワークを考慮してテキスト分析が行われます。これらのネットワークでは、ノードは単語であり、単語間のリンクは（特定の最大範囲内での）共起頻度に基づいて重み付けされます。

ソーシャルネットワーク分析は、個人、組織、およびウェブサイト間のオンライン行動を理解するためにも適用されています。^{[ 19 ]}ハイパーリンク分析は、ウェブサイトまたはウェブページ間の接続を分析して、個人がウェブをナビゲートする際に情報がどのように流れるかを調べるために使用できます。 ^{[ 81 ]}組織間の接続は、ハイパーリンク分析によって分析され、問題コミュニティ内のどの組織が調査されているかを調べています。^{[ 82 ]}

SNA の最新の応用方法の 1 つは、コンピュータ支援型協調学習(CSCL)の研究です。CSCL に適用する場合、SNA は、学習者がコミュニケーションの量、頻度、長さ、および質、トピック、戦略の観点からどのように協力しているかを理解するために使用されます。^{[ 85 ]}さらに、SNA は、ネットワーク接続の特定の側面、またはネットワーク全体に焦点を当てることができます。CSCL ネットワーク内の接続を調べるために、グラフィカル表現、テキスト表現、およびデータ表現を使用します。^{[ 85 ]} CSCL 環境に SNA を適用する場合、参加者の相互作用はソーシャル ネットワークとして扱われます。分析の焦点は、各参加者が単独でどのように行動したかではなく、参加者間で行われた「接続」、つまり参加者がどのように相互作用し、コミュニケーションしたかにあります。