اخبار

1396/09/09
یکی از محورهای چهاردهمین کنفرانس بین المللی مهندسی صنایع ایران در بخش تئوری های اصیل، تکنیک ها و روش های تحلیل شبکه می باشد. در این یادداشت توسط آقای رضا حموله، دانشجو کارشناسی ارشد گرایش فناوری اطلاعات دانشگاه علم و صنعت ایران، این مساله مورد تجزیه و تحلیل قرار گرفته است.


شبکه‌های اجتماعی گونه‌ای از شبکه‌های پیچیده یا complex  networkها هستند. شبکه‌های پیچیده گراف‌هایی هستند از روابطی که معمولا در طبیعت اتفاق می‌افتند. گراف‌هایی که گره‌های آن را موجودیت‌های طبیعی و یال‌ها یا پیوندهای میان آن گره‌ها را روابط طبیعی شکل می‌دهند. این شبکه‌ها نه مشابه گراف‌های منظم هستند و نه مشابه گراف‌های تصادفی. همین امر باعث شده است که چنین شبکه‌هایی قوانین منحصر به خود را داشته باشند. از بارزترین نمونه‌های شبکه‌های پیچیده می‌توان به شبکه‌های عصبی، اجتماعی و زیستی اشاره کرد. نکته جالب درباره شبکه‌های پیچیده این است که با قوانین مشخصی می‌توان همه آن‌ها را تحلیل کرد. این تحلیل با وجود تفاوت ماهیتی میان گونه‌های مختلف، برای هر کدام از آن‎‌ها قابل تعمیم است.

در شبکه‌های اجتماعی، گره‌ها اعضای جامعه و پیوندها نمایانگر ارتباطی خاص میان آن گره‌ها است. هرچند اعضای جامعه را در این شبکه‌ها می‌توان سازمان‌ها و یا نهادهای اجتماعی در نظر گرفت، اما معمولا برای افراد جامعه انسانی به کار می‌رود. پیوندهای این شبکه خود می‌تواند شکل دهنده هویت شبکه باشد. مثلا در شبکه‌ای با ماهیت "دوستی" میان افراد جامعه، پیوندها به عنوان نماد رابطه‌ی دوستانه تعریف می‌شوند، اما در شبکه‌ای از روابط اجتماعی یک دانشگاه، پیوندها می‌توانند به عنوان نماد روابط همکلاسی بودن یا استاد-دانشجو بودن در نظر گرفته شوند. مثال اخیر نشان می‌دهند که در یک شبکه نیز می‌توان هویت متفاوتی برای پیوندها در نظر داشت و البته مانند آنچه در نظریه گراف دیده‌ایم، می‌توان اوزانی را نیز به این پیوندها نسبت داد.

تئوری مربوط به شبکه‌های اجتماعی و توسعه روش‌هایی برای تحلیل آن‌ها نزدیک به یک قرن سابقه دارد، اما فراگیر شدن رسانه‌های اجتماعی در حضور و ظهور اینترنت و ابزار مبتنی بر تکنولوژی باعث شده است که اهمیت این حوزه بیش از پیش نمایان شود. دسترسی به اطلاعات حجیم و عظیمی که از طریق رسانه‌های اجتماعی حاصل شده است و تشکیل شبکه‌های اجتماعی از طریق آن‌ها، ابزاری بسیار مفید را در اختیار دانشمندانِ داده و جامعه شناسان قرار داده است تا از طریق تحلیل آن‌ها به نتایج ارزشمندی در زمینه‌ی چگونگی تشکیل، ماهیت و رفتار جوامع برسند. چنین ابزارها و کاربردهای باعث رشد تعداد مقالاتی شده است که به چگونگی تحلیل یک شبکه اجتماعی می‌پردازند.

تصویر بالا روند تعداد مقالاتی که به موضوع تحلیل شبکه‌های اجتماعی در چند ژورنال مطرح این حوزه پرداخته‌اند را نشان می‌دهد.

امروزه تحلیل شبکه‌های اجتماعی کاربردهای بسیاری در حوزه‌های مختلف یافته است. برای مثال در زمینه مدلسازی انتشار در شبکه و همچنین انتشار اطلاعات می‌توان از تحلیل شبکه‌های اجتماعی برای شناخت چگونگی پراکنده شدن اخبار و شایعات در جوامع استفاده کرد. همچنین می‌توان به تحلیل افراد اثرگذار در جامعه پرداخت و یا روند انتشار عقاید در یک جامعه را بررسی کرد. هر کدام از این کاربردها خود می‌تواند به کاربردهای گسترده دیگری در جامعه شناسی منتهی شود، و یا در اقتصاد، سیاست و علوم رسانه کاربردهای فراوانی داشته باشد.

تحلیل شبکه‌های اجتماعی کاربردهای زیادی در زمینه شناخت رفتار اعضای جامعه پیدا کرده است. از طریق تحلیل شبکه‌های پویا می‌توان رفتار اعضای جامعه در آینده را پیش‌بینی کرد. همچنین تحلیل شبکه می‌تواند منجر به شناخت صفت‌های عمومی اعضای جامعه منجر شود. چنین برداشت‌هایی می‌تواند کاربردهای فراوانی در زمینه تجارت و کسب و کار داشته باشد.

بازاریابی از جمله زمینه‌هایی است که از تحلیل شبکه‌های اجتماعی منتفع می‌شود. شناخت افراد اثرگذار، شناخت روندهای تغییر یک جامعه، شناخت مدل‌های انتشار اطلاعات و شناخت مدل‌های اعتماد بین افراد در جامعه که همگی ذیل تحلیل شبکه‌های اجتماعی تعریف می‌شوند می‌توانند کمک بسیاری به مدیران اجرایی و بازاریابی برای معرفی محصولات مناسب یک جامعه باشد. همچنین در زمینه مدیریت کلان، کاربردهایی مانند شناسایی سرمایه‌های اجتماعی از طریق تحلیل این شبکه‌ها به دست می‌آید.

تحلیل شبکه‌های اجتماعی در بررسی مناسبات اجتماعی مانند تحلیل تعاملات مبتنی بر مکان یا زمان و یا پیش‌بینی روابط و پیوندها کاربرد فراوانی دارند. این چنین تحلیل‌ها می‌توانند شکل‌گیری و فروپاشی گروه‌های درون جامعه را نشان داده و به بررسی عوامل آن کمک کنند.

دیگر کاربرد مطرح برای تحلیل شبکه‎‌های اجتماعی استفاده از آن در سیستم‌های توصیه‌گر است. این سیستم‌ها که خود دارای کاربردهای فراوانی در رسانه‌های اجتماعی هستند با کمک گرفتن از روش‌های تحلیل شبکه اجتماعی می‌توانند کیفیت و دقت بالاتری پیدا کنند.

در زمینه سیاست و امنیت، تحلیل شبکه‌های اجتماعی دارای کاربردهایی در زمینه پیشگیری از جرم است. تحلیل این شبکه‌ها می‌تواند در زمینه مبارزه با جرایم سازمان‌یافته مانند تروریسم و پولشویی که نیاز به فعالیت اجتماعی تبهکاران دارد به کار رود. همچنین در سطح کلان به عنوان ابزاری برای شناخت دیدگاه‌های سیاسی حاکم بر جامعه به کار می‌رود.

این موارد تنها بخشی از کاربردهای ممکن برای تحلیل شبکه‌های اجتماعی است. تاریخ انسان همواره پر بوده است از تلاش‌ها برای شناخت جوامع مختلف و همچنین پیش‌بینی رفتار انسان و گروه‌های انسانی. اکنون به لطف رسانه‌های اجتماعی و داده‌های کلان منتج از آن‌ها، و با تشکیل شبکه‌های بسیار بزرگ اجتماعی، و با استفاده از علم داده و علم شبکه، انسان هر روز به این آرزوی دیرینه نزدیک‌تر می‌شود.

اما با چه ابزارهایی می‌توان به تحلیل شبکه‌های اجتماعی پرداخت؟ متدهایی که هر ساله توسط دانشمندان علم داده برای تحلیل شبکه‌ها توسعه داده می‌شود چگونه به کار می‌روند؟ به عنوان نخستین گام برای تحلیل شبکه‌های اجتماعی نیاز به جمع‌آوری، مدلسازی و تجسم یا visualization شبکه‌های اجتماعی است. تشکیل دیاگرام برای شبکه‌های اجتماعی کوچک خود می‌تواند ابزاری برای تحلیل باشد، اما در شبکه‌های متوسط و بزرگ تنها مرحله‌ای برای شناخت اولیه شبکه است. برای چنین اهدافی ابزار و نرم‌افزارهای مختلفی توسعه داده شده است. البته اگر هدف از این تحلیل‌ها تنها در بحث بازاریابی و مدیریت باشد نیز ابزارهای مختلفی وجود دارد که کمک می‌کنند بدون وارد شدن به پیچیدگی‌های یک شبکه، از تحلیل رسانه‌های اجتماعی برای تصمیم‌گیری‌های مدیریتی استفاده شود.

برخی از ابزارهای مربوط به تحلیل شبکه‌های اجتماعی علاوه بر مدلسازی می‌توانند امکانات دیگری نیز در اختیار محقق قرار دهند. برای مثال Pajek از ابزارهای گرافیکی مناسب برای این منظور است. این نرم‌افزار مبتنی بر جاوا امکانات بسیاری را برای کار با شبکه‌ها و داده‌های بزرگ در اختیار محققین و تحلیلگران قرار می‌دهد. همچنین ابزارهایی قدرتمند مانند NetMiner نیز برای استفاده به عنوان موتور برنامه‌نویسی مورد استفاده قرار می‌گیرند. با کمک NetMiner می‌توان از زبان برنامه‌نویسی پایتون برای نوشتن اسکریپت‌های جهت تحلیل شبکه اجتماعی استفاده کرد. محقق با کمک قوانین و متدهای معرفی شده در مقالات مختلف می‌تواند اسکریپت‌های مدنظر خود را با استفاده از زبان پایتون پیاده‌سازی کرده و با کمک NetMiner روی شبکه اجتماعی مدنظر پیاده‌سازی کرده و به نتایج مدنظرش برسد.

بسته‌ها و کتابخانه‌های زبان R روش پرکاربرد دیگری هستند که برای تحلیل شبکه‌های اجتماعی به کار می‌روند. این بسته‌ها به محقق کمک می‌کند که ضمن نوشتن برنامه‌ها بر اساس متدهای مدنظر خود بدون درگیر شدن در جزییات برنامه‌نویسی به تحلیل شبکه‌های اجتماعی بپردازد. این بسته‌ها امکانات کامل آماری، ریاضیاتی، و همچنین ابزار کار با گراف مانند ساده‌سازی، مدولاری، محاسبه درخت‌های پوشا، و روش‌های سرشماری را در کنار امکانات مربوط به ارائه بصری و تجسم در اختیار محققان قرار می‌دهند.

از دیگر ابزار مفید جهت تحلیل شبکه‌های اجتماعی می‌توان به SocNetV اشاره کرد. این نرم‌افزار امکاناتی را مانند خوشه‌بندی را به صورت گرافیکی در اختیار کاربر قرار دهد. همچنین کشف الگوها نیز به کمک این ابزار ممکن می‌شود. Gephi که نرم‌افزاری متن‌باز و مبتنی بر جاوا است نیز چنین امکاناتی را در اختیار محقق قرار می‌دهد.

علاوه بر پایتون و R، ابزاری مانند Tulip برای به کار بردن C++ در تحلیل شبکه‌های توسعه داده شده است. این نرم‌افزار نیز امکاناتی وسیع برای کار با گراف‌ها در اختیار محققان قرار می‌دهد.

بدون شک با رشد روز افزون رسانه‌های اجتماعی و پیچیده‌تر شدن روابط انسان‌ها بر پایه تکنولوژی‌های جدید، همچنان شاهد رشد گرایش به تحلیل شبکه‌های اجتماعی خواهیم بود. این زمینه‌ی جذاب می‌تواند یکی از علوم بسیار پرکاربرد در آینده‌ی بشر باشد. علمی که هر روز جنبه جدیدی از کاربردهای آن کشف می‌شود.

 

رضا حموله

دانشجوی کارشناسی ارشد تجارت الکترونیک

دانشکده صنایع دانشگاه علم و صنعت ایران






نظرات کاربران
تاييديه : تشخيص عامل غير انساني
توجه : نظر شما پس از تایید مدیر سایت در سایت نمایش داده می شود !