Veröffentlichung

Titel:

Bipartite Strukturen in Sozialen Netzen -- klassische versus MaxEnt-Analysen

AutorInnen:

Rödder, W.
Dellnitz, A.
Kulmann, F.
Litzinger, S.
Reucher, E.

Kategorie:

Diskussionsbeiträge

Forschungsthema:

Probabilistische Wissensverarbeitung

 

Diskussionsbeitrag der Fakultät für Wirtschaftswissenschaft, FernUniversität in Hagen, 503 (2017).

Abstract:

Soziale Netzwerke (SN) sind Akteure und ihre wechselseitigen Beziehungen. Ziel der Analyse solcher Netzwerke (SNA) ist das Erfassen und die Interpretation von Strukturen in den Netzen. Welche Akteure oder Gruppen von Akteuren agieren wie in ihnen { den Netzwerken { und welche Vorteile ziehen sie daraus oder welche Nachteile erleiden sie im Zusammenspiel mit anderen Akteuren. Seit der bahnbrechenden Arbeit von Jakob Moreno [1] unterstutzt die Wissenschaftler bei ihren Analysen die graphische Darstellung von Netzen. Akteure werden als Knoten und die Beziehungen als ungerichtete oder gerichtete Kanten (Pfeile) dargestellt. Sie sind eine bildhafte Visualisierung von symmetrischen oder asymmetrischen Beziehungen. Erweiterungen erfahren solch einfache soziale Strukturen in Multigraphen oder Hypergraphen. Wahrend im Multigraph mehrere Beziehungen auftreten, sind es im Hypergraphen sogenannte Hyperkanten; das sind Kanten, die mehr als nur zwei Akteure verbinden.
In diesem Diskussionsbeitrag werden soziale Affliationsnetze betrachtet. Die entsprechenden Graphen haben eine bipartite Struktur; die Knotenmenge ist zweimodal: z. B. Akteure und Clubs. Zunächst wird die klassische Vorgehensweise der Auswertung solcher Netze nachgezeichnet; sie beruht auf den Häufigkeiten gemeinsamer Affiliationen von Akteuren bzw. gemeinsamer Mitgliedschaften in Clubs. Indirekte Verbindungen zwischen Akteuren -- Intermediäre -- und indirekte Verbindungen zwischen Clubs -- ein intermediärer Club verbindet zwei weitere über gemeinsame Mitglieder -- werden mathematisch formuliert und ihr Analysepotential aufgezeigt. Danach werden gerichtete bipartite Strukturen mathematisch dargestellt und von ungerichteten abgegrenzt. Für die Analyse gerichteter bipartiter Netze bietet sich eine neue Form probabilistisch-konditionaler Modellierung an. Ja selbst gewichtete gerichtete Kanten können als probabilistische Konditionale formuliert werden: Wenn ein Akteur oder ein Club eine Nachricht "kennt\ oder über ein gewisses Wissen" verfügt, so auch der jeweilige Nachfolger mit einer vorgegebenen Wahrscheinlichkeit. In der Expertensystemshell SPIRIT können solche Weitergabewahrscheinlichkeiten abgebildet und ausgewertet werden. Die neue Modellierung wird an dem bekannten Literaturbeispiel "Corporate Directors" mit 20 Direktoren und ihren Mitgliedschaften in 24 Institutionen aufgezeigt.

Download:

RDKLR 2017 [pdf]