مبانی #تحلیل_شبکه_اجتماعی
قسمت اول
با گسترش و همه گیر شدن رسانه های اجتماعی، استفاده از روشهای محاسباتی در تحلیل این رسانه ها نیز افرایش و کاربرد بیشتری پیدا کرده است. از متداولترین این روشها می توان به تحلیل شبکه اجتماعی (Social Network Analysis) اشاره کرد. از آنجا که تحلیل شبکه اجتماعی، لااقل برای خود من پیش از مطالعه و آشنایی بیشتر با آن، امری گنگ و عجیب بود، سعی کرده ام تا مبانی و مراحل اصلی تحلیل شبکه اجتماعی را در این نوشته ذکر کنم. این نوشته به افراد علاقمند به تحلیل شبکه اجتماعی که شناخت کاملی از مراحل و کارکردهای اصلی آن ندارند، درکی کلی و ابتدایی می دهد. در قسمت های بعدی، مفاهیم اساسی و ابزارهای لازم برای اجرای هر یک از مراحل را شرح خواهم داد.
تحلیل شبکه اجتماعی دارای مراحل مختلفی است. 4 مرحله اصلی در تحلیل شبکه اجتماعی عبارتند از:
1- #گردآوری_داده_ها : در این مرحله با استفاده از ابزار مختلف داده های مورد نیاز را گردآوری می کنیم. هرچند تحلیل شبکه اجتماعی قدمتی بیشتر از رسانه های اجتماعی دارد و گردآوری داده های مورد نیاز برای چنین تحلیل هایی می تواند بصورت دستی انجام شود، لکن در حال حاضر این رسانه ها کار گردآوری داده های مربوط به خود را ساده کرده اند. در حال حاضر با استفاده از زبان های برنامه نویسی ای چون #پایتون و #روبی میتوان داده های مورد نیاز را از رسانه های اجتماعی دریافت کرد. برخی ابزارهای رایگان نیز امکان گردآوری داده ها را بدون نیاز به داشتن مهارت های برنامه نویسی در اختیار محققان قرار می دهند.
2- #پالایش_داده_ها : داده های دریافت شده از رسانه های اجتماعی، اغلب دارای ویژگی های متعددی است که برخی از آنها مورد نیاز نیستند. هنگامی که تعداد رکوردهای دریافتی، مثلا تعداد توئیت ها- بسیار بالا باشد، حجم فایل های دریافت شده بزرگ خواهد بود. این فایل ها حاوی اطلاعاتی هستند که احیانا در تحقیق کاربردی ندارند. بنابراین در این مرحله می توان با استفاده از ابزار مناسب (با استفاده از زبان های برنامه نویسی یا استفاده از برخی ابزارهای رایگان) فایلی که تنها حاوی اطلاعات مورد نیاز باشد ایجاد کرد. همچنین با توجه به هدف تحقیق، تمرکز پژوهشگران نه بر کل داده های دریافتی بلکه بر نوع خاصی از این داده ها خواهد بود. به عنوان مثال، در مورد توئیتر اغلب یکی از شبکه های #منشن ، #ریتوئیت یا #فالوشیپ مورد توجه قرار گرفته و صرفا به آن داده ها نیاز است. در این مرحله این شبکه ها از دل شبکه اصلی اطلاعات استخراج می شوند.
3- #تحلیل_داده_ها : بعد از پالایش داده ها و استخراج شبکه مورد نظر و با توجه به فرضیه ها و اهداف تحقیق، داده ها تحلیل می شوند. در این مرحله باید مفاهیم مورد نیاز را بر اساس اهداف تحقیق مشخص کرد و ابزار مناسب برای محاسبه آنها را بکار برد. در این مرحله نیز می توان با استفاده از زبان های برنامه نویسی مانند #پایتون و #آر، هر یک از سنجه های مورد نیاز را محاسبه کرد. علاوه بر این زبان های برنامه نویسی، نرم افزارهایی مانند #گفی امکان محاسبه این سنجه ها را بدون داشتن مهارتهای برنامه نویسی فراهم کرده اند.
4- #بصری_سازی_داده_ها : مرحله چهارم، یعنی بصری سازی داده ها عمدتا برای ارائه مطلوب تر نتایج و بدست دادن فهمی تصویری از شبکه و روابط آن صورت می گیرد. در این مرحله، نتایج بدست آمده از تحلیل ها را می توان بصورت بصری و در قالب #گراف های خاصی نمایش داد. به عنوان مثال، اندازه یا رنگ گره ها یا یال ها در شبکه را می توان بر اساس ویژگی های آنها تغییر داد تا اینگونه شناسایی آنها در نگاه اول و همچنین درک روابط آنها ساده تر باشد. همچنین، خوشه های مختلف را می توان با رنگ های متفاوت مشخص کرد. اینگونه درک شبکه و اجزای آن ساده تر می شود.
@hod8hod 🕊🕊🕊
قسمت اول
با گسترش و همه گیر شدن رسانه های اجتماعی، استفاده از روشهای محاسباتی در تحلیل این رسانه ها نیز افرایش و کاربرد بیشتری پیدا کرده است. از متداولترین این روشها می توان به تحلیل شبکه اجتماعی (Social Network Analysis) اشاره کرد. از آنجا که تحلیل شبکه اجتماعی، لااقل برای خود من پیش از مطالعه و آشنایی بیشتر با آن، امری گنگ و عجیب بود، سعی کرده ام تا مبانی و مراحل اصلی تحلیل شبکه اجتماعی را در این نوشته ذکر کنم. این نوشته به افراد علاقمند به تحلیل شبکه اجتماعی که شناخت کاملی از مراحل و کارکردهای اصلی آن ندارند، درکی کلی و ابتدایی می دهد. در قسمت های بعدی، مفاهیم اساسی و ابزارهای لازم برای اجرای هر یک از مراحل را شرح خواهم داد.
تحلیل شبکه اجتماعی دارای مراحل مختلفی است. 4 مرحله اصلی در تحلیل شبکه اجتماعی عبارتند از:
1- #گردآوری_داده_ها : در این مرحله با استفاده از ابزار مختلف داده های مورد نیاز را گردآوری می کنیم. هرچند تحلیل شبکه اجتماعی قدمتی بیشتر از رسانه های اجتماعی دارد و گردآوری داده های مورد نیاز برای چنین تحلیل هایی می تواند بصورت دستی انجام شود، لکن در حال حاضر این رسانه ها کار گردآوری داده های مربوط به خود را ساده کرده اند. در حال حاضر با استفاده از زبان های برنامه نویسی ای چون #پایتون و #روبی میتوان داده های مورد نیاز را از رسانه های اجتماعی دریافت کرد. برخی ابزارهای رایگان نیز امکان گردآوری داده ها را بدون نیاز به داشتن مهارت های برنامه نویسی در اختیار محققان قرار می دهند.
2- #پالایش_داده_ها : داده های دریافت شده از رسانه های اجتماعی، اغلب دارای ویژگی های متعددی است که برخی از آنها مورد نیاز نیستند. هنگامی که تعداد رکوردهای دریافتی، مثلا تعداد توئیت ها- بسیار بالا باشد، حجم فایل های دریافت شده بزرگ خواهد بود. این فایل ها حاوی اطلاعاتی هستند که احیانا در تحقیق کاربردی ندارند. بنابراین در این مرحله می توان با استفاده از ابزار مناسب (با استفاده از زبان های برنامه نویسی یا استفاده از برخی ابزارهای رایگان) فایلی که تنها حاوی اطلاعات مورد نیاز باشد ایجاد کرد. همچنین با توجه به هدف تحقیق، تمرکز پژوهشگران نه بر کل داده های دریافتی بلکه بر نوع خاصی از این داده ها خواهد بود. به عنوان مثال، در مورد توئیتر اغلب یکی از شبکه های #منشن ، #ریتوئیت یا #فالوشیپ مورد توجه قرار گرفته و صرفا به آن داده ها نیاز است. در این مرحله این شبکه ها از دل شبکه اصلی اطلاعات استخراج می شوند.
3- #تحلیل_داده_ها : بعد از پالایش داده ها و استخراج شبکه مورد نظر و با توجه به فرضیه ها و اهداف تحقیق، داده ها تحلیل می شوند. در این مرحله باید مفاهیم مورد نیاز را بر اساس اهداف تحقیق مشخص کرد و ابزار مناسب برای محاسبه آنها را بکار برد. در این مرحله نیز می توان با استفاده از زبان های برنامه نویسی مانند #پایتون و #آر، هر یک از سنجه های مورد نیاز را محاسبه کرد. علاوه بر این زبان های برنامه نویسی، نرم افزارهایی مانند #گفی امکان محاسبه این سنجه ها را بدون داشتن مهارتهای برنامه نویسی فراهم کرده اند.
4- #بصری_سازی_داده_ها : مرحله چهارم، یعنی بصری سازی داده ها عمدتا برای ارائه مطلوب تر نتایج و بدست دادن فهمی تصویری از شبکه و روابط آن صورت می گیرد. در این مرحله، نتایج بدست آمده از تحلیل ها را می توان بصورت بصری و در قالب #گراف های خاصی نمایش داد. به عنوان مثال، اندازه یا رنگ گره ها یا یال ها در شبکه را می توان بر اساس ویژگی های آنها تغییر داد تا اینگونه شناسایی آنها در نگاه اول و همچنین درک روابط آنها ساده تر باشد. همچنین، خوشه های مختلف را می توان با رنگ های متفاوت مشخص کرد. اینگونه درک شبکه و اجزای آن ساده تر می شود.
@hod8hod 🕊🕊🕊
🚨 #روبی_رز، خطرناکترین نام اینترنت
#مک_آفی "روبی رز" را به عنوان خطرناک ترین نام در اینترنت در سال ۲۰۱۸ معرفی کرد، بدین معنی که تعداد زیادی از نتایج جسستجوی نام این بازیگر استرالیایی به لینک های مخرب هکرها می رسد.
مک آفی، شرکتی که در زمینه امنیت کامپیوتر فعالیت می کند و آنتی ویروسهاش معرفند، هر ساله لیستی از نام های خطرناک در اینترنت منتشر می کند.
چقدر خوب بود لیستی از نام ها و واژگان خطرناک در ایران هم فراهم می شد.
به ما بپیوندید👈
@HOD8HOD
#مک_آفی "روبی رز" را به عنوان خطرناک ترین نام در اینترنت در سال ۲۰۱۸ معرفی کرد، بدین معنی که تعداد زیادی از نتایج جسستجوی نام این بازیگر استرالیایی به لینک های مخرب هکرها می رسد.
مک آفی، شرکتی که در زمینه امنیت کامپیوتر فعالیت می کند و آنتی ویروسهاش معرفند، هر ساله لیستی از نام های خطرناک در اینترنت منتشر می کند.
چقدر خوب بود لیستی از نام ها و واژگان خطرناک در ایران هم فراهم می شد.
به ما بپیوندید👈
@HOD8HOD