Betweenness-Zentralität

10.5.1 Das Ego-Netzwerk

Eine häufige Nutzung von Twitter besteht darin, mit Ihrem persönlichen sozialen Netzwerk in Kontakt zu bleiben – Familie, Kollegen, Bekannte usw. Einige Ihrer Freunde und Follower auf Twitter gehören mit Sicherheit zu Personen, die Ihnen nahe stehen, während andere entfernte Bekannte oder sogar völlig Fremde sein können. Wir bezeichnen die Gruppe der Freunde und Follower eines Twitter-Nutzers als sein „egozentrisches Netzwerk“. Wenn wir über das egozentrische Netzwerk eines Twitter-Nutzers sprechen, wird dieser Nutzer oft als „Ego“ und seine Freunde und Follower als „Alter“ bezeichnet (wir verwenden jedoch immer noch den Begriff „Freund“ oder „Follower“, wenn wir speziell über eine dieser Beziehungen sprechen). Wir werden in diesem Abschnitt die Begriffe „Ego“ und „Alter“ verwenden.

Einige Verbindungen im egozentrischen Netzwerk sind reziprok – das Ego folgt dem Alter und das Alter folgt dem Ego, so dass beide über die Statusaktualisierungen des jeweils anderen informiert bleiben können. Forschungen zu reziproken Beziehungen in der Sozialwissenschaft legen nahe, dass solche Beziehungen häufiger zwischen engen Freunden und Familienmitgliedern als zwischen entfernten Bekannten bestehen. In Anlehnung an diese Forschung gehen wir in diesem Abschnitt davon aus, dass ein Netzwerk mit vielen wechselseitigen Bindungen auf eine Reihe starker sozialer Beziehungen hinweist, bei denen beide Personen an den Aktualisierungen des jeweils anderen interessiert sind, während ein Netzwerk mit vielen einseitigen Bindungen auf schwache soziale Bindungen hindeutet, bei denen das Ego den Follower möglicherweise gar nicht kennt, wie im Fall von Twitter-Prominenten.

Ein weiterer Indikator für starke Bindungen in einem sozialen Netzwerk sind „geschlossene Triaden“, d. h. Bindungen zwischen zwei Altergenossen eines Egos. Wie bei den reziproken Bindungen zeigt die Forschung zu geschlossenen Triaden, dass enge Gemeinschaften mit starken sozialen Bindungen mehr geschlossene Triaden aufweisen als lose Gemeinschaften mit schwachen sozialen Bindungen. In Anlehnung an diese Forschung gehen wir davon aus, dass ein Ego mit vielen geschlossenen Triaden unter seinen Altern eher in eine enge Gemeinschaft eingebettet ist, in der jeder jeden kennt. Im Gegensatz dazu ist ein Ego mit wenigen geschlossenen Triaden zwischen seinen Altern eher ein Einzelgänger oder überhaupt kein Individuum. Zum Beispiel können Twitter-Konten von Vermarktern viele Follower haben, die sich für ihre Produkte interessieren, aber diese Follower kennen sich oft nicht.

Die Analyse von egozentrischen Netzwerken kann oft zu verwertbaren Ergebnissen führen, wenn man Twitter als Entwicklungs- oder Werbeplattform nutzen möchte. Enge Gemeinschaften könnten zum Beispiel viel eher ein Produkt gemeinsam oder gar nicht annehmen, während spärliche egozentrische Netzwerke mit vielen einseitigen Verbindungen stark vom Verhalten des „Knotenpunkts“ des Netzwerks – dem Twitter-Nutzer mit vielen Followern, aber wenigen Freunden – beeinflusst werden könnten. Insbesondere die Analyse der egozentrischen Netzwerke von Prominenten auf Twitter gibt uns einen Einblick in die Art und Weise, wie die Reichen und Berühmten von heute soziale Medien nutzen, um Tausende (wenn nicht sogar Millionen) von bewundernden Fans zu erreichen.

Mit Hilfe von NodeXL können Sie das relative Vorhandensein oder Fehlen von reziproken Verbindungen und geschlossenen Triaden in Ihrem egozentrischen Twitter-Netzwerk untersuchen. Die meisten egozentrischen Netzwerke sind eine Mischung aus starken und schwachen sozialen Bindungen, so dass die Zusammenfassung von reziproken Bindungen und Triaden in einer einzigen Zahl oft zu falschen Schlussfolgerungen über Ihren sozialen Kreis führt. Stattdessen kann die Visualisierung Ihres sozialen Netzwerks Ihnen Einblicke in Ihre nahen und fernen Beziehungen und die Interaktionen zwischen Ihren engen Freunden und Bekannten geben.

Viele Twitter-Nutzer berichten über Ereignisse in ihrem Leben, von trivialen (Essgewohnheiten) bis hin zu wichtigen Ereignissen wie Reisevorbereitungen, wichtigen Lebensereignissen und so weiter. Diese Ereignisse sind kurzfristig für alle Follower der Nutzerin sichtbar, die einen Teil ihres egozentrischen Netzwerks bilden. In sehr kleinen egozentrischen Netzwerken (z. B. wenn sich die Follower eines Nutzers auf seine Familie beschränken) ist diese Form der Übertragung nützlich, um mit Verwandten in Kontakt zu bleiben, die ins Ausland gereist oder weggezogen sind. Viele aktive Nutzer haben jedoch ziemlich große egozentrische Netzwerke, und ihre Tweets gehen oft an Personen, die sich überhaupt nicht für sie interessieren. Gleichzeitig macht es die schiere Anzahl der Follower, die ein Twitter-Nutzer anhäuft, schwer, den Überblick darüber zu behalten, wer die Tweets liest. NodeXL macht es relativ einfach, verschiedene Gruppen in Ihren egozentrischen Netzwerken zu identifizieren, wie z.B. Ihre Follower, die Ihre Kollegen sind, gegenüber denen, die Ihre Familie sind. Sie können die Vorteile der neuen Twitter-Listen-Funktion nutzen, um diese Gruppen in praktischen Listen zu organisieren, denen Sie folgen und auf die Sie in Ihren Tweets verweisen können.

Oben in der Box befindet sich ein Textfeld für den Twitter-Nutzer, dessen egozentrisches Netzwerk Sie sammeln möchten. Für dieses Beispiel verwenden wir einen unserer eigenen Twitter-Accounts – @vlad43210. Unterhalb des Textfeldes befinden sich drei Kontrollkästchen: Fügen Sie eine Kante für Follows-, Replies-to- und Mentions-Beziehungen in Tweets hinzu. Achten Sie darauf, dass nur das Kontrollkästchen „Follows“ aktiviert ist. Die beiden anderen sind eher für Informationsnetzwerke relevant, die wir später untersuchen werden. Vergewissern Sie sich auch, dass das Kontrollkästchen „Freunde und Follower abrufen“ aktiviert ist, damit Sie Daten über alle anderen Personen sammeln können, nicht nur über Freunde oder Follower.

Weiter unten finden Sie die Dropdown-Liste „Verbindungen bis zu X Grad abrufen“. Wählen Sie „1.5“ in der Dropdown-Liste, um alle Ihre Alter zu erfassen, sowie alle Follow- und Freundschaftsbeziehungen zwischen ihnen. Letztere Beziehungen sind notwendig, um das Vorhandensein von geschlossenen Triaden in Ihrem egozentrischen Netzwerk zu beobachten. Vergewissern Sie sich als Nächstes, dass die Kontrollkästchen „Statistische Spalten zum Arbeitsblatt „Vertices“ hinzufügen (langsamer)“ und „Tweet-Spalte zum Arbeitsblatt „Vertices“ hinzufügen“ nicht markiert sind. Diese sind sehr nützlich, um Daten über die Twitter-Aktivität in Ihrem egozentrischen Netzwerk zu sammeln, aber für die Zwecke des aktuellen Beispiels konzentrieren wir uns auf Beziehungen, nicht auf die Aktivität.

Sie können sich auf stärkere soziale Bindungen konzentrieren, indem Sie sich die Knoten im egozentrischen Netzwerk von @vlad43210 ansehen, die mindestens zwei Bindungen zu anderen Personen (beide Bindungen können zu derselben Person sein) in beiden Richtungen haben, Freund oder Follower. Jeder, über den wir Daten gesammelt haben, hat mindestens eine Verbindung zu @vlad43210. Ältere Personen mit mindestens zwei Verbindungen haben entweder eine Verbindung zu einer anderen älteren Person von @vlad43210 (was darauf hindeutet, dass sie Teil einer geschlossenen Triade sind), oder sie haben eine wechselseitige Freund/Follower-Bindung zu @vlad43210. Wie bereits erwähnt, können diese beiden Faktoren auf eine stärkere soziale Beziehung zwischen @vlad43210 und der betreffenden Person hindeuten. In der grafischen Darstellung des Netzwerks werden Personen mit zwei Bindungen zu anderen Personen durch Knoten dargestellt, die mindestens zwei Kanten (in beide Richtungen) zwischen ihnen und mindestens einem anderen Knoten aufweisen. Um sich nur auf diese Eckpunkte zu konzentrieren, müssen Sie zunächst den In- und Out-Grad berechnen. Klicken Sie auf die Schaltfläche „Graphmetrik berechnen“, markieren Sie „In-Grad“ und „Out-Grad“ und klicken Sie auf „Metrik berechnen“.

Nun legen wir die Sichtbarkeit der Knoten im Graphen auf der Grundlage von In-Grad + Out-Grad > 1 fest. Knoten, die dieses Kriterium erfüllen, haben mindestens zwei Freunde, zwei Follower oder einen Freund und einen Follower (bei denen es sich um dieselbe Person handeln kann), was genau das ist, wonach wir suchen. Fügen Sie dazu zunächst eine neue Spalte hinzu, indem Sie auf die Zelle unter der Beschriftung „Hier eigene Spalten hinzufügen“ im Arbeitsblatt „Vertices“ klicken und dann den Wert der Zelle als Summe von C3 und D3 (entsprechend dem In-Grad bzw. Out-Grad) festlegen. Die übrigen Zellen in der Spalte werden automatisch mit der gleichen Formel ausgefüllt. Benennen Sie nun diese neue Spalte als „Summe Grad“, indem Sie die Spaltenbeschriftung bearbeiten. Klicken Sie auf Autofill Columns (Spalten automatisch ausfüllen), klicken Sie auf die Dropdown-Liste neben „Vertex Visibility“ (Sichtbarkeit von Scheitelpunkten), klicken Sie auf „Sum Degree“ (Summengrad), klicken Sie auf die Schaltfläche neben der Dropdown-Liste und geben Sie 1 in das Textfeld ein, um anzugeben, dass Sie nur Scheitelpunkte mit In-degree + Out-degree > 1 anzeigen möchten. Klicken Sie auf OK, dann auf Autofill und dann auf Refresh Graph. Beachten Sie, dass die Anzahl der Scheitelpunkte viel kleiner geworden ist und der Graph nicht mehr wie ein Stern aussieht – stattdessen sehen wir @vlad43210 umgeben von zwei dicht verbundenen Gruppen von Scheitelpunkten mit wenigen Verbindungen zwischen den Gruppen.

Sie können nun auf die Eckpunkte in den verschiedenen Clustern klicken, um ein Gefühl dafür zu bekommen, ob die Cluster sinnvolle Unterteilungen von @vlad43210s egozentrischem Twitter-Netzwerk darstellen. Die Untersuchung des Arbeitsblatts zeigt, dass der violette Cluster mit anderen Personen korrespondiert, die Vlads akademische Kollegen sind, während der grüne Cluster mit anderen Personen korrespondiert, die seine Freunde sind (im allgemeinen Sinne des Wortes, nicht im Sinne der Twitter-Nutzer, denen @vlad43210 folgt). Die Cluster können verwendet werden, um zwei Listen für Vlads Twitter-Account zu erstellen: eine für die Kommunikation mit seinen Freunden und eine für die Kommunikation mit seinen Kollegen.

Man kann auch die zuvor beschriebenen Begriffe der Eigenvektor-Zentralität und der Betweenness-Zentralität verwenden, um die relative Bedeutung der Akteure im egozentrischen Twitter-Netzwerk von @vlad43210 aus der Perspektive der Aufmerksamkeit und der Information zu betrachten. Wie wir in Abschnitt 10.3.1 erörtert haben, sind Akteure mit hoher Eigenvektor-Zentralität im Freunde/Follower-Netzwerk Zentren der Aufmerksamkeit, während Akteure mit hoher Betweenness-Zentralität im selben Netzwerk Informationsvermittler sind. NodeXL ermöglicht es uns, diese beiden Größen gleichzeitig zu visualisieren, indem wir sie auf verschiedene Eigenschaften der Eckpunkte im Graphen-Canvas abbilden.

Lassen Sie uns die Farbe des Eckpunktes auf die Eigenvektor-Zentralität und die Größe des Eckpunktes auf die Verweenness-Zentralität abbilden.7 Um dies zu tun, klicken Sie zunächst auf die Schaltfläche „Graph Metrics“ im Abschnitt „Analysis“ des NodeXL-Menübandes, markieren Sie dann „Eigenvektor-Zentralität“ und „Betweenness- und Closeness-Zentralitäten“ und klicken Sie auf „Compute Metrics“. Klicken Sie dann auf die Schaltfläche Autofill Columns“ im NodeXL-Menüband, klicken Sie auf die Dropdown-Liste neben Vertex Color“ und wählen Sie Eigenvektor-Zentralität“, klicken Sie auf die Dropdown-Liste neben Vertex Size“ und wählen Sie Betweenness Centrality“. Klicken Sie auf „Autofill“ und dann auf die Schaltfläche „Refresh Graph“ (Grafik aktualisieren) im Anzeigebereich der Grafik, um die Scheitelpunktgrößen und -farben in der Grafik zu aktualisieren. Nehmen Sie eine weitere Anpassung vor, bevor Sie den Graphen anzeigen – da sich @vlad43210 per Definition im Zentrum seines egozentrischen Netzwerks befindet, werden seine Betweenness- und Eigenvektor-Zentralitäten hoch sein, aber nichts über die Position von @vlad43210 in seinem Netzwerk aussagen. Setzen Sie die Betweenness- und Eigenvektor-Zentralitäten von @vlad43210 im Arbeitsblatt manuell auf 0 und drücken Sie erneut auf „Grafik aktualisieren“.