Redes Sociais e Análise de Redes Sociais Redes Sociais On-Line E Off-Line IBICT/UFRJ, June 29, 2009 Caroline Haythornthwaite Graduate School of Library and Information Science Portuguese courtesy of IBICT Professora Gilda Olinto IV SEMINÁRIO DE PESQUISA EM CIÊNCIA DA INFORMAÇÃO IV SEMINÁRIO DE PESQUISA EM CIÊNCIA DA INFORMAÇÃO Redes Sociais On-Line E Off-Line Estudos e aplicações em Aprendizagem, Conhecimento e Empreendedorismo This presentation was one of four seminars given in June and July 2009 at IBICT, Instituto Brasileiro de Informação em Ciência e Tecnologia (The Brazilian Institute for Information in Science and Technology), Rio de Janeiro, where Professor Caroline Haythornthwaite was a guest of the institute. Caroline extends her thanks for the invitation, visit and local support to Celia Ribeiro Zaher, Coordenadora de Ensino e Pesquisa, C&T da Informação, IBICT for arranging this visit. Professora Gilda Olinto for intellectually entertaining hours as we worked to translate my slides into Portuguese, as well as her full support of my needs while in Rio. Selma Santiago for administrative support before, during and after the seminars Ingrid and Marcia for helping make things easier in many ways ************************************************************************ IV SEMINÁRIO DE PESQUISA EM CIÊNCIA DA INFORMAÇÃO Redes Sociais On-Line E Off-Line Estudos e aplicações em Aprendizagem, Conhecimento e Empreendedorismo 29 de junho de 2009 (segunda-feira): REDES SOCIAIS ON-LINE Abertura Celia Ribeiro Zaher - Coordenadora de Ensino e Pesquisa, C&T da Informação, IBICT Umberto Trigueiros - Diretor do Instituto de Comunicação e Informação Científica e Tecnológica em Saúde, ICICT/FIO-CRUZ, Inesita Soares de Araújo,Coordenadora do Programa de Pós-graduação em Informação e Comunicação em Saúde, FIO-CRUZ Palestrantes 02 de julho de 2009 (quinta-feira) : APRENDIZAGEM, CONHECIMENTO E REDES SOCIAIS Palestrantes Caroline Haythornthwaite - University of Illinois at Urbana-Champaign, EUA Jaqueline Leta, UFRJ Coordenador de Mesa - Aldo de Albuquerque Barreto, IBICT 07 de julho de 2009 (terça-feira): EMPREENDEDORISMO E REDES SOCIAIS Palestrantes Caroline Haythornthwaite - University of Illinois at Urbana-Champaign, EUA Gilda Olinto, IBICT Coordenadora de Mesa - Paula Maria Abrantes Cotta de Mello , Coordenadora do SIBI (Sistema de Bibliotecas e Informação)/UFRJ Caroline Haythornthwaite - University of Illinois at Urbana-Champaign, EUA João Aprigio Guerra de Almeida, Instituto Fernandes Figueira, FIO-CRUZ Coordenadora de Mesa - Ludmila Cavalcante, UFRJ 9 de julho de 2009 (quinta-feira): REDES SOCIAIS E ANÁLISE DE REDES SOCIAIS Palestrantes Caroline Haythornthwaite - University of Illinois at Urbana-Champaign, EUA Regina Maria Marteleto, IBICT - ICICT/FIO-CRUZ Coordenador de Mesa - Nilton Bahlis dos Santos, FIO-CRUZ Introduzindo os Métodos The principles of the social network approach and method Basic data collection Basic network measures and analysis Visualizations of networks Princípios da abordagem e do método Coleta de dados básica Medidas e análise Visualização de redes Redes sociais: Visão geral Abordagem Aplicações Componentes Redes Sociais Social networks build from direct interaction Redes sociais se formam da interação direta An exchange between teacher and student, supplier and customer, employer and employee A shared experience as colleagues work together, students learn from each other Indirect interaction Companies connected through common members of their business boards Common experience A connecting event as individuals attend the same lectures or social events Common knowledge by reading the same books, watching the same movies Interação indireta Uma troca entre professor e estudante, entre fornecedor e consumidor, entre empregador e empregado Uma experiência compartilhada quando professores trabalham junto, quando estudantes aprendem uns com os outros Empresas conectadas através de membros de comitês Experiência comum Quando pessoas participam dos mesmos eventos sociais, seminários, etc. Quando lêem os mesmos livros, vêem os mesmos filmes Estruturas de rede Emphasis on what connects people How does the structure of a network affect resource flow among group members? How does information circulate in a network? What social capital do members of the network gain? What do individuals gain from their personal networks? Ênfase no motivo da conexão Who talks to whom about what? Who gives, receives, or shares what kinds of resources with whom? And examines the network outcomes Quem fala com quem sobre o quê? Quem dá, recebe ou compartilha que tipo de recursos com quem? E exame dos resultados Como a estrutura da rede afeta o fluxo de recursos entre membros do grupo? Como a informação circula na rede? Que capital social é adquirido pelos membros da rede? O que os indivíduos obtêm das suas redes? Explorando estruturas Structural connections rather than aggregate behaviors Rather than average of individual behaviors On average, group members send 20 emails a day An assessment of interactional behaviors People who work together exchange 15 emails a day, friends 10 per day, family 2 per day, other contacts 3 per day Local work communications are centralized around one specific manager Two employees talk frequently with each other but rarely with others Conexões estruturais em vez de comportamento agregado Em vez comportamento médio Em média, membros do grupo enviam 20 emails por dia Avaliação dos comportamentos interacionais. Pesquisas podem mostrar que: Os que trabalham junto enviam 15 emails por dia, amigos 10, família 2, outros contatos 3 Comunicações de trabalho locais são centralizadas em torno de um administrador específico Dois empregados interagem entre si mas raramente com outros Principais estudos Moreno (1930’s) Community ‘liberated’ Seis graus de separação Mundo pequeno (Watts & Strogatz (1998) Granovetter (1973) Casais Milgram (1967) Job seeking networks, strength of weak ties Krackhardt (1992), strength of strong ties Wellman (1979) Sociometria e sociograma Bott (1957) Six degrees of separation Small worlds (Watts & Strogatz (1998) Granovetter (1973) Moreno (anos 1930) Couples Milgram (1967) Sociometry and the sociogram Bott (1957) Redes de procura de emprego, força dos laços fracos Krackhardt (1992), força dos laços fortes Wellman (1979) Comunidade ‘liberada’ Mais estudos Interlocking directorates Email networks and the Enron dataset (Diesner, Frantz & Carley, 2006) More … Online networks (Wellman; Hampton; Haythornthwaite; Quan-Haase; boyd; Ellison) Communication networks, multi-level models (Monge & Contractor, 2003) Statistical techniques (Wasserman; Patterson; Robins) Ligação entre dirigentes de empresas (Interlocking directorates) (Lin & Bian, 1991) Análise de dados automatizada (McPherson & Smith-Lovin, 1997) Mobilidade Social (Burt, 1985; Marsden, 1987) Homofilia (Mintz & Schwartz, 1985, Mizruchi & Brewster, 1988) Redes de discussão nucleares (Lin & Bian, 1991) Automated data analysis (McPherson & Smith-Lovin, 1997) Social mobility (Burt, 1985; Marsden, 1987) Homophily (Mintz & Schwartz, 1985, Mizruchi & Brewster, 1988) Core discussion networks Redes de email e dados da Enron (Diesner, Frantz & Carley, 2006) Mais… Redes online (Wellman; Hampton; Haythornthwaite; Quan-Haase; boyd; Ellison) Redes de comunicação, modelos multinível (Monge & Contractor, 2003) Técnicas estatísticas (Wasserman; Patterson; Robins) Network Components Actors Relations Ties Networks Atores Relações Laços Redes Redes Sociais Actors Whole configuration of ties and actors Ligações (linhas) nas redes Conectam atores em tipos específicos de interação Laços Nós nas redes Interagem e mantêm relações Relações Lines between actors Ties exist between actors who are connected by one or more relations Networks Lines in the network Connect actors in specific kinds of interaction Ties Atores Nodes in the network Interact and maintain relations with each other Relations Linhas entre atores Laços existem entre atores que estão conectados por uma ou mais relações Redes Configuração geral de laços e atores Atores em redes de quem-para-quem People Adults, teens, children Employers, employees, coworkers Teachers, students Groups or Teams Organizations Governments Countries Websites Documents Atores Adultos, adolescentes, crianças Empregadores, empregados, colegas de trabalho Professores, estudantes Grupos ou times Organizações Países Páginas na Web Documentos Relações: Conteúdo, Direção, força Content The physical, emotional, or informational content exchanged, shared, created or experienced together Communication babysitting, lending small amounts of money cleaning up after disasters, helping neighbors Dando ou recebendo apoio emocional Colaboração working together, learning together Social services Chatting, fofocando, passando informação Pequenos serviços Babysitting, emprestando dinheiro Apoio social giving or receiving emotional support Collaboration Social support chatting, gossiping, giving information Small services Conteúdo Conteúdo físico, emocional ou informacional trocado, compartilhado, criado ou experimentado Comunicação Trabalhando junto, aprendendo junto Serviço social Ajudando em emergências e necessidades Relações: Conteúdo, Direção, força Direction of resources flow from one actor to another Information … from teachers, professionals to students, novices Help with technology … from technological guru to co-workers Social support … from parent to child, spouse to spouse Money … from parent to child Strength of the relation refers to how much, how often, how important Intimacy, Frequency, Intensity, Quantity, Regularity, Longevity, Value Defined both objectively and subjectively Ex., minor versus major social support, monthly vs daily communication Direção dos recursos: recursos fluem de um ator para outro Informação...de professores, profissionais, para estudantes, e aprendizes Ajuda com tecnologia...do guru tecnológico aos companheiros de trabalho Apoio social ... de pais para filhos, de marido para mulher... Dinheiro ... de pais para filhos Força da relação se refere a quanto, com que frequência, quão importante Intimidade, frequência, intensidade, quantidade, regularidade, longevidade, valor Definidos tanto objetivamente quanto subjetivamentes Ex. Intensidade do apoio social (maior ou menor), comunicação mensal versus diária Relações e Laços From Weak to Strong show Quando a força do laço aumenta increases in: também aumentam: Number and types of Número e tipos de relações interaction Auto-exposição, intimidade e Intimacy and reciprocity reciprocidade Attention and commitment Frequência de contato to the relationship Número de meios de Frequency of interaction comunicação utilizados Number of means of Quantidade e variedade da communication used informação que é compartilhada Motivation to share information and resources Motivação para compartilhar informação Trocas entre laços Pairs Dyads Ego and Alter Triads (3) Groups Cliques Clusters Components ... And on to networks Díade Ego e Alter Tríade (3) Grupos Pares Cliques Clusters Componentes ...E vamos às redes Networks Redes inteiras B2 Redes ego-cêntricas D9 D3 B10 Fran D12 Redes pessoais B4 D5 Classmates Eddie Network Star, & Broker Spouse Fred Child at college Ginger A7 C13 C15 Child at home Weak Ties with the Remainder of the Class monthly communication 1-2 relations, mainly Collaborating on Class Work or Exchanging Information, plus Socializing; Maintained via 1 medium usually the class medium (Webboard or IRC) Ego Boss A11 A14 C8 Pam Parents A6 4 Weak to Intermediate Ties weekly communication 2-4 relations, CW or EI plus Socializing, with occasional Emotional Support; Maintained via fewer than 2 media 3 Intermediate to Strong Ties communication 2-3 times a week 2-4 relations, including low frequency Emotional Support; Maintained via 2 media 3 Strong Ties daily communication All relations, including weekly Emotional Support; Maintained via 2 to 4 media, with very high frequency communication via Email Student Personal Network of a Typical Distance Learner Pete Pat Co-workers Fazendo perguntas numa perspectiva de rede Coleta de dados Dados de rede Determinando a abrangência do estudo Who, what, when, where and how Actors (who) Whole, ego-centric or personal networks Relation(s) (what) Time-limited event (e.g., during a meeting), or open time period (month, year) Physical location; online site; at work; at home; etc. Means of exchange (how) Means of communication, transport, exchange? Evento limitado no tempo (ex,durante uma reunião) ou mais aberto (mês, ano) Contexto de interesse (onde) Interações de qualquer tipo ou de tipos específicos Direcionadas ou não-direcionadas Período de tempo (quando) Redes ego-cêntricas ou pessoais Relação(ões) (o quê) Context of interest (where) Atores (quem) Time period (when) Interaction of any type or of specific type(s) Directed from one person to another (such as giving help to someone) or undirected (such as communicating with someone) Quem, o que, quando, onde e como Localização física; sites online; no trabalho, em casa, etc. Meios de troca (como) Meios de comunicação, transporte, troca Questões de rede Who do you work with? Who did you hear about your job from? Who do you discuss important matters with? US general social survey question How often have you communicated with each member of your work team in the last week? Accuracy: good for comparison of ego’s communication with A versus with B; not good for actual communication numbers Com que você trabalha? Quem lhe deu informação que lhe levou ao seu trabalho? Com quem você discute assuntos importantes? Questão no “Social Survey” dos EUA Com que frequência você se comunicou com cada um dos membros do seu grupo de trabalho na última semana? Precisão: boa para comparação da comunicação de A com B; não boa para obtenção de números (frequência) da comunicação Definindo a rede Boundaries to the whole network Before data collection Select subgraphs, or work with network boundaries that have emerged (e.g, through snowball sampling, or name generation by participants) Limites da rede como um todo Antes da coleta de dados Define the boundaries of the whole network, e.g., all members of a project team, all managers in a department After data collection Definir os limites: todos os membros de um projeto, todos os administradores de um departamento Depois da coleta de dados Seleção de sub-grafos, ou trabalho com limites que emergem (ex, através do método bola de neve de amostragem, ou geração de nomes através dos participantes) Definindo a rede Boundaries to the data collection Select according to standard statistical sampling techniques Limites da coleta de dados Snowball until some criterion is met, e.g. 50 people Collect from all participants reachable within a prescribed time frame (e.g, within one week) For personal and/or egocentric studies Aplicar Bola de Neve até um critério é atingido, ex, 50 pessoas Coletar informação de todos os participantes que são alcançáveis atá um limite estabelecido (ex: dentro de uma semana) Para estudos de redes pessoas ou egocêntricas Selecionar utilizando técnicas estatísticas de amostragem convencionais Questionários de rede Actor Attributes Collect demographic data Organizational information on rank, etc. Actor assessments of the tie Collect data on relationships between actor Atributos dos atores Obter dados socio-demográficos Formal or informal work tie, supervisory or co-worker tie Acquaintances, friends, close friends, workmates only How long have they known each other, worked with each other, been married to each other, etc.? Informações obtidas na organização sobre posição na hierarquia, etc. Coletar dados sobre relações entre atores Laços de trabalho formais e informais, laços de supervisão/subordinação e de trabalho conjunto Conhecimentos, amigos, amigos íntimos, somente colegas de trabalho Quanto tempo se conhecem, trabalham junto, estão casados, etc. Questionários de rede Helping participants identify actors in their network Roster Name the 5-7 people you work with most closely Who did you work with yesterday? Position generators Did you talk to anyone in one of these roles: teacher, minister, politician, storekeeper Snowball techniques Provide list of names of all members of the network Name generators Ajudando participantes a identificar atores nas suas redes Lista Ask participants for next person to talk to Geradores de nomes Dê o nome de 5-7 pessoais com quem você trabalha mais de perto Com quem você trabalhou ontem? Geradores de posição Prover lista com nomes de todos os membros da rede Você falou com alguém em uma das seguintes posições:professor, padre, político, dono de loja Técnicas de bola de neve Perguntar aos participantes sobre a próxima pessoa a ser contatada Exemplo de formato de questionário Who talks to whom about what and via which media? TYPE OF INTERACTION Group Members: 1 2 3 ... 20 How often have you received instructions (i.e., exact directions on what work to do) from this person? in unscheduled face-to-face meetings in scheduled face-to-face meetings by telephone by fax by electronic mail by videoconferencing How often: D for daily W for Weekly M for Monthly Y for Yearly 0 for never For in between amounts use e.g., 2D for twice a day, 6Y for six times a year Note. 24 questions x 25 respondents x 20 others produces 12,000 data points Nota: 24 questões X 25 respondents X 20 alters produz 12000 células numa matriz Two-Mode Network Data Participação em conferências (pessoas X eventos) cria redes de ‘co-presença’ AoIR ASIST ALA CATAC iSchools Anna 1 0 0 1 1 Brian 0 1 1 0 1 Cindy 0 1 1 0 0 Jamie 1 1 0 0 0 Mike 0 1 0 0 1 Nancy 0 0 0 0 1 Owen 1 1 0 0 0 William 0 1 1 0 1 Attendance at Conferences (People x Event) creates ‘co-attendance’ network Data: Who to Whom Matrix FROM Ava Brad Cam Dale Ed Frieda Gail Henri TO Ava 0 0 0 0 0 0 0 1 Brad 1 0 1 0 0 0 0 1 Cam 1 1 0 1 0 0 0 1 Boolean data or Valued data • Data are often ‘symmetrized’ i.e., made the same in both directions and/or ‘dichotomized’ at a particular value Dale 1 0 1 Ed 0 1 1 0 0 0 0 1 0 1 0 1 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Frieda 1 0 0 1 1 0 0 1 1 0 13 34 0 62 24 16 6 42 28 20 26 19 7 17 2 13 0 47 78 48 14 16 6 110 92 16 30 14 8 12 Gail 1 0 1 1 1 1 0 1 3 34 13 0 26 177 16 16 6 199 57 16 151 14 18 5 Dados boleanos ou contínuos Henri 0 0 0 0 0 0 0 • Dados são frequentemente ‘simetrizados’, i.e., tornados iguais em ambas a direções, ou ‘dicotomizados’ num valor específico’ 6 24 12 41 14 28 0 110 6 30 21 168 31 16 35 11 7 16 12 26 16 28 58 0 6 22 16 48 26 18 17 5 0 4 0 78 26 0 48 14 16 18 34 205 16 26 6 6 8 5 62 12 170 48 0 15 16 6 174 21 16 190 16 10 15 8 6 14 26 18 29 16 16 0 30 36 20 26 154 10 136 9 42 82 246 34 189 20 17 6 0 24 16 218 14 12 20 10 28 125 84 205 54 16 17 38 31 0 20 26 14 10 4 11 20 12 34 16 28 121 70 14 25 17 0 26 14 24 6 12 26 13 226 26 189 28 16 6 194 24 16 0 14 13 32 13 19 12 35 6 91 20 16 350 37 28 16 26 0 7 131 14 7 13 47 6 28 38 25 6 26 20 41 31 15 0 4 15 17 13 54 8 54 39 16 347 32 24 16 34 151 8 0 Dichotomized at 1, 2, 3 and 4 Ties (densities) .56 .20 .07 .02 Coleta de dados Hand collection Paper based questionnaires, face-to-face or phone interviews Time consuming data collection and data entry Slow accumulation of cases Limited datasets Current trends to automated collection and coding Rapid accumulation of data Getting to real time processing of results Tend to concentrate on single attributes, e.g., linked or not À mão Em papel, entrevistas face a face ou por telefone Coleta e entrada de dados toma muito tempo Lenta acumulação de casos Conjunto de dados limitados Tendências à coleta e codificação automática Acumulação rápida de dados Processamento real time Tendência à concentração em um único atributo, por exemplo linkado ou não Estímulo para automação Growing volume of texts contributed by a growing number of participants Increased amount of online text and use of online environments -----Número crescente de participantes contribuindo com um volume crescente de textos Volume crescente de textos online e uso de ambientes online Growth of Usenet (wikipedia, Oct. 2007) 3.12 terabytes of data daily (2007) 100 million posters (2003) Stimulus for real-time analysis March 2008 Archives by thread . Messages sorted by: [ subject ] [ author ] [ date ] . More info on this list... Starting: Sat Mar 1 13:26:33 PST 2008_Ending: Sun Mar 23 09:32:23 PDT 2008_Messages: 205 Streams of linear text Invisible social structure Rapidly generated . [ A i-L r ] Final goodbye for early web icon iD no tm oi n i c P . [ A i-L r ] R e m i n d e-r G o g i m o n S e a r c h A g e n t B e t a T e s e r s David Miller . [ A i-L r ] M e e t i n g i n I l l i n o i s , M-a y" d0e8c o l o n i z e d m e t h o d o l o g i e s " Denise N. . [ A i-L r ] Online research ethics Jeremy Hunsinger Rall r ] O n l i n e r e s e a r c h e t h ih ca sr l i e C Balch . [ A i-L r ] O p e n S o u r c e a n d c h a n g i n g m o d e o f p r o d u c t i o n s i n t h e t h i r d .w o[rAlid-L . [ A i-L r ] Online research ethics Lois Ann Scheidt Denise N. Rall . [ A i-L r ] Online research ethics Jeremy Hunsinger . [ A i-L r ] Companion to Digital Humanities Barry Wellman . [ A i-L r ] Online research ethics Steve Jones . [ A i-L r ] Online research ethics Andrew Rojecki . [ A i-L r ] Companion to Digital Humanities Jankowski . [ A i -L r ] O n l i n e r e s e a r c h e t h i c s Mark D. Johns . [ A i-L r ] O r i g i n s o -C f oEm m e r c e A l-V e xi p o w e r n e t . [ A i -L r ] O n l i n e r e s e a r c h e t h i S c L s R adhika Gajjala . [ A i-L r ] Lessons in Second LIfe jeremy hunsinger . [ A i-L r ] O n l i n e r e s e a r c h e t-h iScLs Lois Ann Scheidt . [ A i-L r ] I n v i t a t i o n t o 6 t h A n n u a l W o r kOspheonp aonnd U s e r I n n o v a-t iHoBnS & . [ A i-L r ] O n l i n e r e s e a r c h e t-h iScLs Radhika Gajjala M I T - A u g u s t -6 4, 2 0 0 8 Karim R. Lakhani . [ A i-L r ] avatar research ethics Jeremy Hunsinger . [ A i-L r ] F a c i n g u p t o F a c e-b oMoikc h a e l G e i s t a t O s g o o d e M a r c h 5 ( L i v e c a.s t[ A i-L r ] O n l i n e r e s e a r chhi cest Mark D. Johns . [ A i-L r ] Postdoc in new media (Germany/Switzerland) Geder Parzianel available!) Giuseppina D'Agostino/osgoode r ] F W : ' D i g i t a l O n t a r i o ' A s y m p o s i u m W e d n e s d a y , M a r-c h 5 t h , 2 0 0 8 . [ A i-L r ] I n s t r u m e n t h e l p : e v e l u a t e u s e r ' s p e r c e p it ni eo n c oo mf m uo nn il t y K e , . [ A i-L Thursday, March 6th, 2008 Michael Gurstein Nan . [ A i-L r ] CFP: HICSS 42 : Social Networks and Virtual Worlds for Work, . [ A i-L r ] C F P- D I A C D e m o s , W o r k s h o p s , a n d E x p l o r a t o r y P a p e r s T o m E raincdk sP o ny la Caroline Haythornthwaite . [ A i-L r ] c a l l f o r p a p e r s f o r a s p e c i a l i s s u e o n c o n s u m p t i o n a n d W e b . 2[.A0i-L r ] Invitation to Participate: Research Related to Internet Gove davidgbeer at aol.com Nanette Levinson . [ A i-L r ] IP/Gender 4/4/08 burkx006 at umn.edu . [ A i-L r ] TVO The Agenda tonight Nancy Baym . [ A i-L r ] Top ten web apps mhward . [ A i-L r ] Rs e o u r c e s o n -L On ine Dating and SMS Language Andrew Herman . [Air -L ] O n l i n e r e s e a r c h e t h i c s Jankowski . [ A i-L r ] R e s o u r c e s o n-L i One Dating and SMS Language G o r d o n C a r l s o n . [ A i-L r ] R E M I N D E R > 1 5 M a r c h d e a d l i n-R e e fs oe ra r ec h 0 8 c o n f e r e n c e i n O x f o r d . [ A i-L r ] Postdoc in new media (Germany/Switzerland) Elad Segev Eric T. Meyer . [ A i-L r ] Online research ethics Alecea Standlee . [ A i-L r ] Politics: Web 2.0, Royal Holloway, University of London LAST REGISTER Chadwick Andrew . [ A i-L] r Online research ethics Nishant Shah . [ A i-L r ] Online research ethics Marj Kibby . [ A i-L r ] Online research ethics mhward . [ A i-L r ] avatar research ethics Marj Kibby . [ A i-L r ] Online research ethics joana ro . [ A i-L r ] avatar research ethics Radhika Gajjala . [ A i-L r ] Online research ethics Charles Ess . [ A i-L r ] avatar research ethics Steve Jones . [ A i-L r ] O n l i n e r e s e a r c h e t-h imcys t w o a n d 1 / 4 c e n t s R a d h i k a G a j j a l a . [ A i-L r ] avatar research ethics Gordon Carlson . [ A i-L r ] O n l i n e r e s e a r c h e th imcys t w o a n d 1 / 4 c e n t s L o i s A n n S c h e i d t. [ A i-L r ] a v a t a r r e s e a r chhi cest Radhika Gajjala . [ A i-L r ] avatar research ethics Kristin Lindsley . [ A i-L r ] Online research ethics Jim Porter . [ A i-L r ] avatar research ethics Gordon Carlson . [ A i-L r ] Online research ethics Radhika Gajjala . [ A i-L r ] TorontoStar: Facebook : The New Study Hall For The Wired Gen . [ A i-L r ] Online research ethics coopman at u.washington.edu P e r h a p s N o t -( [: Gerry Mckiernan . [ A i-L r ] O n l i n e r e s e a r c h c es t h i C h a r l e s E s s . [ A i-L r ] TorontoStar: Facebook : The New Study Hall For The Wired Gen . [ A i-L r ] Online research ethics Jeremy Hunsinger P e r h a p s N o t -( [: Greg Elmer . [ A i-L r ] TorontoStar: Facebook : The New Study Hall For TheWired Gene . [ A i-L r ] Online research ethics Jeremy Hunsinger P e r h a p s N o t -( [ : Marj Kibby . [ A i-L r ] Online research ethics Heidelberg, Chris . [ A i-L r ] T o r o n t o S t a r : F a c e b o o k : T h e N e w S t u d yT hHeaWlilr eFdo rG e n e r a t i o n ? . [ A i-L r ] Online research ethics Derek Hansen P e r h a p s N o t -( [: Dr. Steve Eskow . [ A i-L r ] O n l i n e r e s e a r c h e t h iJcesr e m y H u n s i n g e r . [ A i-L r ] TorontoStar: Facebook : The New Study Hall For TheWired Gene . [ A i-L r ] Online research ethics Steve Jones P e r h a p s N o t -( [: Peter Timusk . [ A i-L r ] Online research ethics Lois Ann Scheidt . [ A i-L r ] TorontoStar: Facebook : The New Study Hall For TheWired Gene P e r h a p s N o t -( [ : Peter Timusk . [ A i-L r ] Online research ethics Radhika Gajjala . . [ A i-L r ] [ A i-L r ] Online Online research research ethics ethics dddumitr at ucalgary.ca Radhika Gajjala Análise de redes Principais conceitos Medidas ao nível do ator Who has the most direct connections to others in the network Isolates Quem tem mais conexões voltadas para fora (outbound) Prominence, popularity Who has the least or no connections to others Grau de centralidade, Estrelas Influence Who has the most inbound connections Quem tem as mais diretas conexões na rede Degree centrality, Network stars Who has the most outbound connections Quem tem mais conexões para dentro (inbound) Influência Prominência, popularidade Quem tem menos ou nenhuma conexões com os outros Isolados Centralidade do ator Captures social aspects Extent to which the actor sits between others in the network Shows influential, intermediary position, control of information flow: Gatekeeper, liaison, bridge roles Information Centrality Considers all paths in the network and weights the connection between actors; handles valued data such as frequency, quantity Mostra proximidade aos outros na rede e, portanto acesso a recursos circulando na rede, baseado ma avaliação do caminho mais curto dentro da rede Betweenness Prominência, importância, prestígio Visibilidade, atividade, involvimento Status, dererência, popularidade Centralidade de grau (laços diretos) Proximidade (laços diretos e indiretos) Betweenness Shows closeness to others in the network, thus access to resources circulating the network; based on assessment of shortest paths across the network Captura aspectos sociais Prominence, importance, prestige Visibility, activity, involvement Status, deference, popularity Degree centrality (direct ties) Closeness (direct and indirect ties) O quanto o ator está entre os outros na rede Mostra posição de influência e intermediária, controla o fluxo de informação: gatekeeper, liaison, papel de ponte Centralidade da informação Considera todos os caminhos possíveis na rede e mede a conexão entre os atores; fornece dados valiosos, como frequência, quantidade Density=.25 Medidas sobre a rede como um todo What proportion of possible ties are actually present, how cohesive is the network Path length Densidade Até que ponto a rede está organizada em torno de um núcleo centrar Reachability What is the average number of actors it takes to get information around the network Que proporção dos laços possíveis estão de fato presentes, o quão coesa é a rede Network centralization Can every member of the network be reached by some path Density To what extent is the network organized around a central core Centralização da rede Cada membro da rede pode ser atingido por algum caminho Alcançabilidade (Reachability) Que número de atores é necessário ativar para fazer a informação circular na rede Tamanho do caminho (path) Estruturas de subgrupo To what extent is the network divided into subsets of connected actors Cliques, clusters, components, k-plexes Who connects 2 or more otherwise unconnected parts of the network Betweenness Até que ponto a rede está dividida em subgrupos de atores conectados Brokers Cutpoints Who sits on the path through which most information will pass Quem conecta 2 ou mais partes da rede que sem ele estaria desconectata Cliques, clusters, components, K-plexes Brokers Cutpoints Quem se situa no caminho onde a maior parte da informação passa Betweenness Whole Networks B2 D9 Networks show: * density * cliques * network stars 14 actors 22 connections density=.24 D3 B10 D12 B4 D5 * network brokers Network Star, & Broker * isolates * isolated cliques A7 * structural holes C13 C15 * resource flow A11 * social structures A14 C8 Relation: Collaborating on class work A6 Papéis e posições Network Positions e.g., professionals in relation to their clients, employers, and/or colleagues Network Roles The patterns of relations which are found between actors or between positions Posições de rede A collection of individuals who are similarly embedded in networks of relations Requires at least a dyad: teacher and student, doctor and patient Uma coleção de indivíduos que estão equivalentemente posicionados numa rede de relações Ex: profissionais em relação aos seus clientes, empregadores ou colegas Papéis de rede Padrões de relações que são encontrados entre atores ou entre posições Requer pelo menos uma díade: professor e aluno, doutor e paciente Roles and Positions Equivalence Structural equivalence Equivalencia Identical ties to and from others, e.g., a teacher in relation to their students in one class Regular equivalence Identical ties to and from equivalent others, e.g., teachers in relation to students in a school Equivalencia estrutural Lacos identicos de e para outros, ex, professores em relacao a estudantes numa classe Equivalencia regular Lacos identicos de e para outros que sao equivalentes, ex, professores em relacao a estudantees numa escola Visualização Mapeando grandes conjuntos de dados online Mappings using data from the web Links between sites FOAF (friend of a friend) declarations Emerging mappings include attention to Posting behaviors Actor profiles as posters Changes over time Content of sites, e.g., words in common (Gloor & Zhao, 2006) Mapeando a partir de dados da web Links entre sites FOAF (Amigo de amigo) Mapeamentos emergentes estão dando atenção a Comportamento de posting Papéis do ator como poster Mudanças ao longo do tempo Conteúdos dos sites, ex, palavras em comum (Gloor & Zhao, 2006) Flickrverse, Gustavog, 2006 http://www.flickr.com/photo_zoom.gne?id=9708628&context=set222111&size=l ------------------------------------------- Based on 50 connections between people. Social Networks On and Offline Facebook Mutual Friends Touchgraph web links starting from University of Illinois at Urbana Champaign “Knowledge Map” based on probability of clicking between journals Bollen et al, PLoS 2009 Mapping Online Communities Emerging mappings include attention to Posting behaviors Actor profiles as posters Changes over time Content of sites e.g., words in common on different sites (Gloor & Zhao, 2006) Questions What is a ‘good’ posterresponder profile? What is a typical pattern of participation? Welse, Gleave, Fisher & Smith, 2007 Redes evoluem Networks grow and change over time Looking at network changes can tell you about group actions The following slides show networks x media for two online classes at 3 times during the term Redes mudam de tamanho e formato ao longo do tempo Examinar mudanças na rede informa sobre ações de grupo Os seguintes slides mostram redes X mídia para duas classes online em três momentos de um semestre Network Evolution Internet Relay Chat Time 1 Time 2 Time 3 Email Time 1 Time 2 Time 3 Group projects; Webboard also used for discussion, connected all to all. Class F97: Collaborative work via IRC and Email by Time Network Evolution Internet Relay Chat Time 1 Time 2 Time 3 Email Time 1 Time 2 No group project; Rotating pairs for presentations Class F98: All communications, IRC and Email by Time Time 3 Growth of a Twitter Network Graphs from www.visualcomplexity.com Thank you for the opportunity to expand my network and bridge across distance and countries. Muito Obrigada IBICT e Director Celia Zaher, UFRJ, CENACIN e ICICT Fiocruz And a special thank you to my host and mentor in all things Brazilian Professora Gilda Olinto Further Reading Wasserman, S. & Faust, K. (1994). Social Network Analysis. Cambridge, MA: Cambridge University Press. Degenne, A. & Forsé, M. (1999). Introducing Social Networks. London: Sage. Kilduff, M. & Tasi, W. (2003). Social Networks and Organizations. London: Sage. Monge, Peter R. & Contractor, Noshir S. (2003). Theories of Communication Networks. Oxford, UK: Oxford University Press. Wellman, B. (1997). Structural analysis: From method and metaphor to theory and substance. In B. Wellman & S.D., Berkowitz (Eds.), Social Structures: A Network Approach (pp. 19-61). Greenwich, CT: JAI Press. Watts, D.J. (2004). The “new” science of network.Annual Review of Sociology,30,243-270. Borgatti, S.T., Mehra, A., Brass, D. & Labianca, G. (2009). Network analysis in the social sciences. Science, 323, 892-895. Marin, A. & Wellman, B. (forthcoming, 2010). Social Network Analysis: An Introduction. In J. Scott & P. Carrington (Eds.), Handbook of Social Network Analysis. London: Sage. Gruzd, A. & Haythornthwaite, C. (forthcoming). Networking online: Cybercommunities. In J. Scott & P. Carrington (Eds.), Handbook of Social Network Analysis. London: Sage. More on networks Visual Complexity collection http://www.visualcomplexity.com/vc/index.cfm?domain=Social%20Networks Data Mining Matching documents based on similar concepts: Co-citation analysis; Latent semantic analysis (e.g., Landauer, Laham & Derr, 2004) Internet Data Mining Profiles: Matching people on the basis of common characteristics, e.g., interest in sport although different ones: Liminal semantics (Liu, Maes & Davenport, 2006): Web links: Webometrics (Thelwall & Vaughn, 2004); Hyperlink network analysis “to identify an invisible network” (Park, 2003) Email: Visible Path software, Stanley Wasserman; Network text analysis, Kathleen Carley and associates (Enron dataset) Threaded discussion (bulletin boards, blogs): Netscan for Usenet lists, Marc Smith; Internet Community Text Analyzer, Anatoliy Gruzd