Betweenness Centrality

10.5.1 Ego Network

Jedním z běžných způsobů využití Twitteru je udržování kontaktu s osobní sociální sítí – rodinou, kolegy, známými apod. Někteří z vašich přátel a sledujících na Twitteru budou zcela jistě patřit k lidem, kteří jsou vám blízcí, zatímco jiní mohou být vzdálení známí nebo dokonce zcela cizí lidé. Soubor přátel a sledujících uživatele Twitteru označujeme jako jeho „egocentrickou síť“. Když mluvíme o egocentrické síti uživatele Twitteru, zmíněného uživatele často označujeme jako „ego“ a jeho přátele a následovníky jako „alters“ (ale stále používáme termín „friend“ nebo „follower“, když mluvíme konkrétně o jednom z těchto vztahů). V této části budeme používat termíny „ego“ a „alter“.

Některé vazby v egocentrické síti jsou reciproční – ego sleduje alter a alter sleduje ego, takže oba mohou zůstat informováni o aktualizacích stavu toho druhého. Výzkum recipročních vazeb v sociálních vědách naznačuje, že takové vazby častěji existují mezi blízkými přáteli a rodinou než mezi vzdálenými známými. V návaznosti na tento výzkum v této části předpokládáme, že síť s mnoha vzájemnými vazbami naznačuje soubor silných sociálních vztahů, kdy se obě osoby vzájemně zajímají o své aktualizace, zatímco síť s mnoha jednosměrnými vazbami naznačuje slabé sociální vazby, kdy ego nemusí sledovaného ani znát, jako v případě celebrit na Twitteru.

Dalším ukazatelem silných vazeb v sociální síti jsou „uzavřené triády“, což jsou vazby mezi dvěma altery ega. Stejně jako u recipročních vazeb výzkum uzavřených triád ukazuje, že těsná společenství silných sociálních vazeb obsahují více uzavřených triád než volná společenství slabých sociálních vazeb. V návaznosti na tento výzkum předpokládáme, že ego s mnoha uzavřenými triádami mezi svými altery je s větší pravděpodobností zakotveno v úzkém společenství, kde se všichni navzájem znají. Naopak ego, které má mezi svými alters málo uzavřených triád, je pravděpodobnější, že je osamělé nebo vůbec není individualitou. Například účty obchodníků na Twitteru mohou mít mnoho sledujících, kteří se zajímají o jejich produkty, ale tito sledující se často navzájem neznají.

Analýza egocentrických sítí může často vést k použitelným výsledkům, pokud chcete Twitter využít jako vývojovou nebo reklamní platformu. Například těsné komunity mohou mnohem pravděpodobněji přijmout produkt společně nebo vůbec, zatímco řídké egocentrické sítě s mnoha jednosměrnými spojeními mohou být silně ovlivněny chováním „středu“ sítě – uživatele Twitteru s mnoha sledujícími, ale málo přáteli. Zejména analýza egocentrických sítí celebrit na Twitteru nám umožňuje nahlédnout, jak dnešní bohatí a slavní využívají sociální média k oslovení tisíců (ne-li milionů) obdivovatelů.

Pomocí programu NodeXL můžete zkoumat relativní přítomnost či nepřítomnost vzájemných vazeb a uzavřených triád v egocentrické síti Twitter. Většina egocentrických sítí je směsí silných a slabých sociálních vazeb, takže shrnutí recipročních vazeb a triád do jednoho čísla často vede k nesprávným závěrům o vašem sociálním okruhu. Místo toho vám vizualizace vaší sociální sítě může poskytnout informace o vašich blízkých a vzdálených vazbách a o interakcích mezi vašimi blízkými přáteli a známými.

Mnoho uživatelů Twitteru vysílá události ve svém životě, od těch triviálních (stravovací návyky) až po ty důležité, jako je organizace cest, významné životní události apod. Tyto události jsou krátkodobě viditelné všem uživatelčiným sledujícím, kteří tvoří část její egocentrické sítě. Ve velmi malých egocentrických sítích (např. když se sledující uživatele omezují na jeho rodinu) je tato forma vysílání užitečná pro udržování kontaktu s příbuznými, kteří odcestovali do zahraničí nebo se odstěhovali. Mnoho aktivních uživatelů má však poměrně rozsáhlé egocentrické sítě a jejich tweety se často rozesílají lidem, kteří se o ně vůbec nezajímají. Zároveň je vzhledem k obrovskému počtu sledujících, které uživatel Twitteru nashromáždí, obtížné sledovat, kdo jeho tweety čte. NodeXL umožňuje poměrně snadno identifikovat různé skupiny v egocentrických sítích, například sledující, kteří jsou vašimi kolegy, oproti těm, kteří jsou vaší rodinou. Můžete využít novou funkci Seznamy Twitteru a uspořádat tyto skupiny do pohodlných seznamů pro sledování a odkazování ve vašich tweetech.

V horní části okna je textové pole pro uživatele Twitteru, jehož egocentrickou síť chcete shromáždit. Pro tento příklad použijeme jeden z vlastních účtů Twitter – @vlad43210. Pod textovým polem leží tři zaškrtávací políčka: Přidat okraj pro vztahy Follows, Replies-to a Mentions v tweetech. Ujistěte se, že je zaškrtnuto pouze políčko Follows, ostatní dvě jsou důležitější pro informační sítě, které budeme zkoumat později. Také se ujistěte, že je zaškrtnuto políčko „Získat přátele i následovníky“, abyste mohli shromažďovat údaje o všech alters, nejen o přátelích nebo následovnících.

Dále se vám zobrazí rozevírací seznam „Získat spojení do X stupňů“. V rozevíracím seznamu vyberte možnost „1,5“, abyste zachytili všechny své alters a také všechny vztahy následovníků a přátel mezi nimi. Posledně jmenovaná sada vztahů je nezbytná pro pozorování přítomnosti uzavřených triád ve vaší egocentrické síti. Dále se ujistěte, že políčka „Přidat statistické sloupce do pracovního listu Vrcholy (pomalejší)“ a „Přidat sloupec Tweet do pracovního listu Vrcholy“ nejsou zaškrtnutá. Ty jsou velmi užitečné pro shromažďování údajů o aktivitě na Twitteru ve vaší egocentrické síti, ale pro účely tohoto příkladu se zaměřujeme na vztahy, nikoli na aktivitu.

Na silnější sociální vazby se můžete zaměřit tak, že se podíváte na alters v egocentrické síti @vlad43210 s alespoň dvěma vazbami na jiné lidi (obě vazby mohou být na stejnou osobu) v obou směrech, přítel nebo následovník. Každý, o kom jsme shromáždili údaje, bude mít alespoň jednu vazbu, a to na @vlad43210. Alters s alespoň dvěma vazbami budou mít buď vazbu na jiného altera @vlad43210 (což naznačuje, že jsou součástí uzavřené triády), nebo budou mít reciproční vazbu na přítele/sledovatele @vlad43210. Jak jsme uvedli dříve, oba tyto faktory mohou naznačovat přítomnost silnějšího sociálního vztahu mezi @vlad43210 a danou osobou. V grafovém znázornění sítě budou alters se dvěma vazbami na jiné osoby reprezentovány vrcholy s alespoň dvěma hranami (v obou směrech) mezi nimi a alespoň jedním dalším vrcholem. Abyste se mohli soustředit pouze na tyto vrcholy, musíte nejprve vypočítat vstupní a výstupní stupeň. Klepněte na tlačítko „vypočítat metriky grafu“, zaškrtněte „in-degree“ a „out-degree“ a klepněte na tlačítko „Vypočítat metriky“.

Nyní nastavíme viditelnost vrcholů v grafu na základě in-degree + out-degree > 1. Klepněte na tlačítko „vypočítat metriky grafu“, zaškrtněte „in-degree“ a „out-degree“ a klepněte na tlačítko „vypočítat metriky“. Vrcholy, které vyhovují tomuto kritériu, budou mít alespoň dva přátele, dva následovníky nebo jednoho přítele a jednoho následovníka (což může být tatáž osoba), což je přesně to, co hledáme. Chcete-li to provést, přidejte nejprve nový sloupec kliknutím na buňku pod nápisem „Add your own Columns here“ v pracovním listu Vertices a poté nastavte hodnotu buňky jako součet C3 a D3 (odpovídající stupni in- a out). Ostatní buňky ve sloupci se automaticky vyplní stejným vzorcem. Nyní tento nový sloupec označte jako „Součet stupňů“ úpravou popisku sloupce. Nakonec klikněte na tlačítko Autofill Columns (Automatické vyplňování sloupců), klikněte na rozevírací seznam vedle položky „Vertex Visibility“ (Viditelnost vrcholů), klikněte na položku „Sum Degree“ (Součet stupňů), pak klikněte na tlačítko vedle rozevíracího seznamu a do textového pole zadejte 1, čímž označíte, že chcete zobrazit pouze vrcholy se stupněm in + out > 1. Klikněte na tlačítko OK, poté na tlačítko Automatické vyplnění a poté na tlačítko Obnovit graf. Všimněte si, že počet vrcholů se výrazně zmenšil a graf již nevypadá jako hvězda – místo toho vidíme @vlad43210 obklopeného dvěma hustě propojenými skupinami vrcholů s několika spojeními mezi skupinami.

Nyní můžete kliknout na vrcholy v různých shlucích a získat představu, zda shluky představují smysluplné rozdělení egocentrické sítě Twitter @vlad43210. Zkoumání pracovního listu skutečně ukazuje, že fialový shluk odpovídá alters, kteří jsou Vladovými akademickými kolegy, zatímco zelený shluk odpovídá alters, kteří jsou jeho přáteli (v běžném slova smyslu, nikoli ve smyslu uživatelů Twitteru, které @vlad43210 sleduje). Z těchto shluků lze vytvořit dva seznamy pro Vladův účet na Twitteru: jeden pro komunikaci s jeho přáteli a druhý pro komunikaci s jeho kolegy.

K pohledu na relativní důležitost aktérů v egocentrické síti @vlad43210 na Twitteru z hlediska pozornosti a informací lze také použít dříve popsané pojmy centralita vlastního vektoru a centralita mezi. Jak jsme uvedli v kapitole 10.3.1, aktéři s vysokou eigenvektorovou centralitou v síti přátel/sledovatelů jsou centry pozornosti, zatímco aktéři s vysokou betweenness centralitou v téže síti jsou zprostředkovateli informací. NodeXL nám umožňuje vizualizovat obě tyto veličiny současně tím, že je mapuje na různé vlastnosti vrcholů na plátně grafu.

Mapujme barvu vrcholu na centralitu vlastního vektoru a velikost vrcholu na centralitu mezilehlosti.7 Za tímto účelem nejprve klikněte na tlačítko Graph Metrics (Metriky grafu) v části Analysis (Analýza) na pásu nabídky NodeXL, poté zaškrtněte „Eigenvector centrality“ (Centralita vlastního vektoru) a „Betweenness and closeness centralities“ (Centralita mezilehlosti a centralita blízkosti) a klikněte na „Compute Metrics“ (Vypočítat metriky). Poté klikněte na tlačítko Autofill Columns (Automatické vyplňování sloupců) v nabídce NodeXL, klikněte na rozevírací seznam vedle „Vertex Color“ (Barva vrcholu) a vyberte „Eigenvector Centrality“ (Centralita vlastního vektoru), klikněte na rozevírací seznam vedle „Vertex Size“ (Velikost vrcholu) a vyberte „Betweenness Centrality“ (Centralita blízkosti). Kliknutím na tlačítko „Autofill“ a poté na tlačítko Refresh Graph (Obnovit graf) na panelu zobrazení grafu aktualizujte velikosti a barvy vrcholů na plátně grafu. Před zobrazením grafu proveďte ještě jednu úpravu – protože @vlad43210 je z definice ve středu své egocentrické sítě, jeho betweenness a eigenvector centrality budou vysoké, ale nebudou nám nic říkat o pozici @vlad43210 v jeho síti. V pracovním listu ručně nastavte betweenness a eigenvector centralities @vlad43210 na 0 a znovu stiskněte tlačítko „Obnovit graf“.

.