Analiza sieci społecznych – nauka o relacjach w społecznościach

Data: 2009-05-02
Autor: Sebastian Konkol

Termin „sieci społeczne” stał się modny kilka lat temu, a jego kariera rozwija się interesująco. Często, dzięki stosunkowo słabej powszechnej świadomości zagadnień z nimi związanych, sieci społeczne są wykorzystywane na przykład dla usprawiedliwienia niekonwencjonalnego podejścia do rozwiązań typowych problemów z zakresu marketingu, komunikacji czy tzw. spraw HR-owych. Przekładając na nasze, scenariusz mógłby wyglądać tak. Przychodzi do nas gość, którego spójność konstrukcji osobowości moglibyśmy z czystym sumieniem zakwestionować i zaczyna opowiadać o pomysłach, które są co najmniej podejrzane w obszarze związków przyczynowo-skutkowych. Zaczynamy więc drążyć zadając podchwytliwe pytania i w pewnym momencie pada odpowiedź: „to jest efekt istnienia/działania/powstawania/odkrywania sieci społecznej” (niepotrzebne skreślić). Chyba niewiele osób jest w stanie zareagować na to w przemyślany i uzasadniony sposób. A warto…

Sieć społeczna to także coś innego (coś więcej), niż społeczność w potocznym rozumieniu np. grupy użytkowników serwisu internetowego. O istnieniu społeczności możemy wnioskować po efektach działań poszczególnych jednostek – efektach, które się agregują i – według oceny obserwatora – wspomagają nawzajem lub przeszkadzają sobie, w zależności od przyjętych kryteriów takiej oceny. Spojrzenie sieciowe na społeczności pozwala dostrzegać struktury, zależności i uwarunkowania, których nie udałoby się wywnioskować obserwując efekty działań społeczności, nawet przez bardzo długi czas. Analiza sieci społecznych (ang. SNA, Social Network Analysis) tworzy warsztat narzędziowy dla poznawania tych wszystkich, wewnętrznych cech społeczności – cech, których wpływ na wyniki funkcjonowania społeczności (zarówno konstruktywny jak i destrukcyjny) jest większy, niż jakichkolwiek innych.

Moja przygoda z sieciowym spojrzeniem na aktywność społeczności i analizą sieci społecznych zaczęła się kilka lat temu, kiedy – po dłuższej obserwacji trendów i rozwoju działalności w obszarze tzw. user-generated content – zastanawiałem się nad warunkami, jakie trzeba wytworzyć, aby takie zjawisko miało szansę zajść na jakimś polu twórczej aktywności człowieka i osiągnąć wystarczająco duży potencjał, aby stać się istotnym składnikiem modelu biznesowego firmy komercyjnej. W moich poszukiwaniach „nastąpił efekt działania sieci społecznej” (według specjalistów stabilność mojej konstrukcji psychicznej nie budzi zastrzeżeń :-) ) i trafiła do moich rąk książka, której autorem jest węgierski z pochodzenia naukowiec Albert-László Barabási, pod tytułem “Linked: How Everything Is Connected to Everything Else ad What It Means for Business, Science, and Everyday Life”. No i się zaczęło… O mocy spojrzenia sieciowego i możliwym zasięgu jego zastosowania niech świadczy mój ulubiony cytat z tej właśnie książki, odnoszący się do fundamentów nauki:

“Have you ever seen a child take apart a favourite toy? Did you then see the little one cry after realizing he could not pull all the pieces back together again? Well, here is a secret that never makes the headlines: We have taken apart the universe and have no idea how to put it back together. After spending trillions of research dollars to disassemble nature in the last century, we are just now acknowledging that we have no clue how to continue – except to take it apart further.”

Prosty wniosek jest taki, że „dziel i zwyciężaj” sprawdza się być może w strategiach pola walki, ale w to samo podejście aplikowane do procesów poznawczych powoduje nieodwracalne skutki – w trakcie dekompozycji problemu gubione są relacje pomiędzy podzielonymi składowymi, a dostrzeżenie tych relacji dawałyby szansę na zbudowanie sensownego rozwiązania pierwotnego, dekomponowanego problemu.

Sieciowe spojrzenie na otaczającą nas rzeczywistość, a szczególnie w odniesieniu do poznawania mechanizmów zachodzących w społecznościach, zafascynowało mnie tak mocno, że przez dwa lata realizowałem się naukowo zajmując się aplikacją metod analizy sieci społecznych na polu jednego z istotnych problemów rozwoju ludzkości – mechanizmów dyfuzji innowacji. Dokładniej rzecz ujmując, sprawa dotyczyła problemu takiej reorganizacji danej społeczności (np. pracowników firmy), aby w sposób optymalny wykorzystywać ich wiedzę, kompetencje i doświadczenie dla realizacji konkretnych celów. Ciekawym było także to, że spojrzenie sieciowe pozwalało w naturalny sposób włączać do przestrzeni prac także elementy ludzkich zachowań lub kultury organizacyjnej – nastawienie ludzi w relacjach między sobą (lubią się, czy reagują na siebie alergicznie), nastawienia (chęci lub niechęci) dzielenia się wiedzą, czy silosowości organizacji firm. Choć nie udało mi się tego przekuć do postaci wymiernego wyniku (jestem inżynierem, a nie znawcą natury człowieka), warte było to poświęcenia czasu i wysiłku.

Od strony naukowej, analiza sieci społecznych to kawał zaawansowanych metod matematycznych, począwszy od teorii grafów, poprzez rachunek macierzowy i relacyjny, a skończywszy na NP-zupełnym rachunku prawdopodobieństwa i statystyce z trupią czaszką. Dla tych, którzy się nie zniechęcili, zamieszczam poniżej trochę literatury naukowej. Od strony popularnonaukowej, wizytówką analizy sieci społecznych jest Six Degrees of Separation, czyli teza, że dowolna para ludzi na świecie jest – w metryce długości łańcucha znajomych – odległa od siebie o co najwyżej 6 „uścisków rąk”. Dowód takiej tezy, w ograniczonym zakresie, przeprowadził w 1967 roku Stanley Milgram rozsyłając pewną liczbę kartek pocztowych. Wyniki tych prac, a szczególnie nowa jakość spojrzenia na metody badawcze, zainspirowały naukowców do wykorzystania metod analiz sieciowych także poza aspektami społeczności. W ten sposób powstały na przykład modele rozprzestrzeniania wirusów (zarówno biologicznych jak i komputerowych), wyjaśniające w prosty sposób efekty epidemii znanych z historii ludzkości, których wyjaśnienia bazujące na klasycznym podejściu naukowym (dekompozycji) były w najlepszym wypadku mocno naciągane. Metody analizy sieciowej znalazły także olbrzymie zastosowanie w opisie nowoczesnych rynków gospodarczych, tzw. ekonomii sieciowej – co prawda od dawna wiadomo, że lepiej mieć sprawnych partnerów w biznesie niż nie mieć ich w ogóle, ale modele sieciowe pozwalają na uzyskanie wymiernej przewagi tkwiącej w umiejętności funkcjonowania biznesowego w sieci przy wsparciu partnerów – właściwych i o charakterystyce adekwatnej do stawianych celów.

Jakie dane są więc potrzebne do rozpoczęcia analizy sieciowej? Prosta odpowiedź to „struktura sieci i charakter relacji w sieci”. Obraz sieci społecznej można zbudować na podstawie wiedzy o relacjach między poszczególnymi jednostkami społeczności (tzw. sieć pierwszego rzędu) lub o relacjach między jednostkami społeczności a zdarzeniami lub obiektami (tzw. sieć drugiego rzędu). W pierwszym przypadku obraz sieci budowany jest bezpośrednio analizując relacje między jednostkami społeczności, a w drugim przypadku ten obraz uzyskuje się pośrednio, dzięki związkom poszczególnych jednostek społeczności z tymi samymi wydarzeniami (np. wiele osób uczestniczących w jednym wydarzeniu sportowym lub kulturalnym). Charakter relacji można traktować jako daną binarną (relacja jest lub jej nie ma) lub daną o pewnej dziedzinie wartości (zwykle dyskretnych), nie koniecznie dodatnich. Na takich danych można „zapuścić” analizy sieciowe, w wyniku których można się dowiedzieć wielu interesujących rzeczy. Typowe metody analiz pozwalają na uzyskanie spojrzenia na skupienie sieci wokół konkretnych jednostek i prestiż jakim są obdarzane przez społeczność, zweryfikować równowagę strukturalną sieci i przechodniość relacji w podsieciach (tzw. klaster), badać spoistość sieci i podgrup (rozmiar sieci, dostępność węzłów sieci z innych węzłów), afiliacje między podgrupami w sieci i nakładanie się podgrup (np. jednostki należące do różnych podgrup), role strukturalne i pozycje zajmowane w społeczności, czy nawet statystyczne cechy sieci jak charakterystyka par i trójek jednostek w dużych społecznościach. Ostatnie metody analizy, ról i pozycji oraz cechy statystyczne, prowadzone są na dużych sieciach, w których przypadku nie są ważne cechy poszczególnych jednostek, ale identyfikacja wzorców zachowania, jakich można się spodziewać po jednostkach o określonym otoczeniu w sieci. Dane potrzebne do przeprowadzenia takiej analizy można zebrać w procesie ankietowym lub skorzystać ze zbiorów danych gromadzonych w sposób automatyczny, np. logi serwera poczty elektronicznej. Niestety, zarówno w procesie zbierania danych jak i interpretacji wyników popełniane są pewne błędy prowadzące do typowych nieporozumień w interpretacji danych sieciowych. Podstawowym takim błędem jest utożsamianie braku relacji pozytywnej w sieci z istnieniem relacji negatywnej, np. jeśli każdy członek społeczności w badaniu ankietowym musiałby wskazać osobę, którą lubi najbardziej w tej społeczności, to w wyniku analizy sieciowej wskazane zostaną jednostki najbardziej lubiane. Na podstawie takiego badania nie można jednak wnioskować, że jednostka pozbawiona relacji w tej sieci jest znienawidzona w społeczności. To jednak dość powszechny błąd początkujących analityków sieciowych lub efekt świadomego „naciągnięcia” wyników badań do jakichś potrzeb. Ale to już inna bajka.

Wyszukiwanie obszarów, gdzie analiza sieciowa (a szczególnie analiza sieci społecznych) miałaby zastosowanie, dopiero co się zaczęło. Także z tego powodu trudno jest więc mówić o „typowych zastosowaniach” takiej metody badawczej. Dobrym (moim zdaniem) przykładem jest aplikacja metod analizy sieci społecznych jako narzędzia pozwalającego efektywnie wspomagać komunikację w dużej organizacji, czyli tzw. wewnętrzny PR realizowany metodami marketingu szeptanego. Dysponując jedynie zapisami zdarzeń komunikacji między pracownikami firmy (przesłanie poczty elektronicznej, wykonanie połączenia telefonicznego, przesłanie SMSa – bez wnikania w treść komunikacji) można ustalić intensywność komunikacji pomiędzy członkami danej grupy. Śledząc zmiany takiej struktury w czasie można zaobserwować sposób, w jaki aktywizują się relacje komunikacyjne po wystąpieniu innego ważnego wydarzenia. Stosując metody analizy sieci społecznych można zacząć od wskazania klik, czyli podgrup całej społeczności charakteryzujących się intensywną komunikacją w tej grupie. Badając dalej można wskazać należące do danej kliki jednostki o dużej aktywności komunikacyjnej – zarówno zamykającej się wewnątrz kliki jak i wykraczającej poza jej granice. Te jednostki są często określane mianem trend-setterów, czyli mających realny wpływ na różne aspekty funkcjonowania innych jednostek. Stąd jedynie krok do określenia „stref wpływu” każdego z trend-setterów, przez co można obiektywnie określić wartość wpływu komunikacyjnego takiej jednostki. Jeśli więc celem pewnego ćwiczenia jest szybkie rozpowszechnienie ważnej informacji, w dodatku nie w trybie „okólnika” lecz „informacji zaufanej”, to wystarczy przekazać tę wieść „w tajemnicy” właściwym trend-setterom. Nieźle, co? A do tego potrzebne są tylko logi z serwera korporacyjnej poczty elektronicznej i bilingi telefoniczne…

W Polsce i na świecie jest trochę osób i organizacji zajmujących się na poważnie (czyt. naukowo) tematyką analizy sieci społecznych. Zainteresowanych odsyłam do ich stron internetowych:

Podaję także literaturę, od której warto rozpocząć przygodę z analizą sieci społecznych i szerszym spojrzeniem na otaczającą nas rzeczywistość. Korelacja nazwisk na liście powyżej i nazwisk autorów tych książek nie jest przypadkowa.

  • Albert-Laszlo Barabasi, “Linked: How Everything Is Connected to Everything Else and What It Means”, Plume, ISBN: 0452284392 (tu dowiesz się, skąd się wzięło six degrees, co to jest scale-free i small world oraz dlaczego rich get richer)
  • Duncan J. Watts, “Six Degrees: The Science of a Connected Age”, W. W. Norton & Company, ISBN: 0393325423 (stąd dowiesz się, co o tym samym myśli inna osobistość)
  • Duncan J. Watts, “Small Worlds: The Dynamics of Networks between Order and Randomness (Princeton Studies in Complexity)”, Princeton University Press, ISBN: 0691117047
  • Steven Strogatz, “SYNC: The Emerging Science of Spontaneous Order”, Hyperion, ISBN: 0786868449 (tu polecam skojarzenia z oscylatorami)
  • Mark Buchanan, “Nexus: Small Worlds and the Groundbreaking Science of Networks”, W. W. Norton & Company, ISBN: 0393041530
  • Steven Johnson, “Emergence: The Connected Lives of Ants, Brains, Cities, and Software”, Scribner, ISBN: 0684868768 (a stąd stanie się jasne, dlaczego mrówki wiedzą lepiej)
  • Stanley Wasserman, Katherine Faust, “Social Network Analysis: Methods and Applications (Structural Analysis in the Social Sciences)”, Cambridge University Press, ISBN: 0521387078 (to podstawowa „cegła” metodyczna analizy sieci społecznych, tu przebrniesz przez podstawowe pojęcia analizy sieciowej)
  • John P. Scott, “Social Network Analysis: A Handbook”, Sage Publications Ltd, ISBN: 0761963383 (a tu uproszczona wersja myślenia naukowego o analizie sieci społecznych)
  • Mark Newman, Albert-Laszlo Barabasi, Duncan J. Watts, “The Structure and Dynamics of Networks: (Princeton Studies in Complexity)”, Princeton University Press, ISBN: 0691113572 (zbiór rozpraw naukowych na temat analizy sieci społecznych – dla odpornych, z gwiazdką i trupią czaszką)

Jeśli więc nie boisz się spojrzeć na otaczający Cię świat w inny sposób, zapraszam gorąco do zanurkowania w analizy sieciowe i sieci społeczne. Dobrej zabawy!

Jeden komentarz dla

Pozostaw komentarz