Universitatea din Bucureşt

Facultatea de Sociologie şi Asistenţă Socială

ANALIZA REŢELELOR SOCIALE

1
Tema Introducere. Domenii ştiinţifice prezintă delimitările conceptuale ale analizei reţelelor sociale, privită
ca studiul relaţiilor sociale, interacţiunilor, vecinătăţilor şi fluxurilor între un set specific de actori/ subiecţi,
prin prisma abordării de tip „reţea”: subiecţii sunt conceptualizaţi ca noduri, iar relaţiile/ interacţiunile/
vecinătăţile/ fluxurile ca legături (conexiuni, link-uri) între aceştia. Datorită versatilităţii sale, această
abordare analitică se află la intersecţia unor domenii ştiinţifice variate, precum sociologie, economie,
biologie, geografie, studii organizaţionale, antropologie, psihologie socială etc., fapt ce impune o
perspectivă teoretică şi metodologică aparte.
Tema Istoricul analizei de reţea îşi propune să transmită studenţilor aspectele elementare legate de
istoricul analizei de reţea, etapele parcurse şi modul în care aceasta este privită în prezent. De asemenea,
prin expunerea rezultatelor cercetărilor lui Jacob Levi Moreno, Stephen Borgatti sau Albert-Laszlo Barabasi,
studenţii pot înţelege mai bine modul cum analiza de reţea s-a dezvoltat. Totodată, sunt expuse şi
elementele de noutate intervenite în analiza de reţea – instrumentele de software UCINet şi Key Player.
Tema Aplicabilitatea SNA îşi propune descoperirea de modele de conexiuni între diverse entităţi. Oamenii
construiesc sau iau parte la viaţa unui număr foarte mare de reţele: ei sunt conectaţi prin vecinătate
geografică, apartenenţă, legături afective sau cognitive, joacă roluri, interacţionează şi schimbă bunuri.
Sunt legaţi astfel prin proximităţi, relaţii sociale, interacţiuni, fluxuri şi atribute ale indivizilor.
Tema Niveluri de analiză îşi propune să prezinte cele trei niveluri la care poate fi analizată o reţea socială,
prin descrierea caracteristicilor fiecăruia în parte. Nivelul micro de analiză a reţelelor sociale este centrat
de obicei pe dinamica grupurilor mici de indivizi aflaţi într-un context social specific (prietenie, familie,
organizaţie, instituţie) şi este împărţit la rândul său în 4 subnivele – actor, diadic, triadic şi subgrup. Nivelul
meso al analizei este un punct de legătură între nivelurile micro - şi macro, concentrându-se în principal pe
grupuri mari, cu limitele mai mult sau mai puţin clare. Analiza la nivel macro este înglobată în teoriile
structurale şi conflictuale, şi în studiile dinamicii societăţii şi transformării epocale a structurilor culturale şi
sociale.
Tema Seturi şi surse de date îşi propune transmiterea cunoştinţelor teoretice fundamentale referitoare la
principalele seturi şi surse de date necesare pentru realizarea unei analize de reţea socială. In cazul analizei
de reţea, există 3 tipuri de seturi de date: modale (un set de entităţi – de exemplu legăturile din interiorul
unei reţele de copii), bimodale (două seturi de entităţi – de exemplu legăturile dintre absolvenţi de liceu
sau facultate) şi matricea de atribute (de exemplu datele socio-demografice asociate cu fiecare individ al
reţelei). Sursele de date pot fi constituite din chestionare, înregistrări scrise, observaţii directe,
experimente sau derivaţie.

2
BIBLIOGRAFIE FUNDAMENTALĂ

 Ahuja, Gautam, 2000, Collaboration networks, structural holes, and innovation: A longitudinal
study în Administrative Science Quarterly, no. 45, pp. 425-455, disponibil (01.07.2012) la:
http://www.tue-tm.org/INAM/Assignment1/ahuja.pdf

 Ballantne, Jeanne & Roberts, Keith, 2011, Understanding a social world: Introduction to
sociology, disponibil (01.07.2012) la: http://tinyurl.com/cjx86yg

 Barabasi, Albert-Laszlo & Bonabeau, Eric, 2003, Scale Free Networks and How They Impact
Everything in Scientific American, no. 288, pp. 60-69, disponibil (01.07.2012) la:
http://preview.tinyurl.com/7s9kgnb

 Bonacich, Phillip, 1972, Factoring and weighting approaches to clique identification in Journal
of mathematical sociology, vol. 2, disponibil (01.07.2012) la: http://tinyurl.com/d424epw

 Bondy, John Adrian and Murty Uppalury Siva Ramachandra, 1976, Graph Theory with
Applications, disponibil (01.07.2012) la:
http://www.math.jussieu.fr/~jabondy/books/gtwa/gtwa.html

 Borgatti, Stephen, 2003, The Key Player Problem in Dynamic Social Network Modelling and
Analysis: Workshop Summary and Papers, pp. 241-252, disponibil (01.07.2012) la:
http://www.steveborgatti.com/papers/borgatti-NAS-TheKeyPlayerProblem3.doc

 Borgatti, Stephen, 2006, Identifying sets of key players in a nework in Computational,

Mathematical and Organizational Theory, pp. 21-34, disponibil (01.07.2012) la:
http://www.steveborgatti.com/papers/cmotkeyplayer.pdf

 Borgatti, Stephen, Li, Xun 2009. On social network analysis in a supply chain context in Journal
of Supply Chain Management, vol. 45, issue 2, pp. 5-22, disponibil (01.07.2012) la:
http://tinyurl.com/c3gdkmo

 Borgatti, Stephen, Everet, Martin, Freeman, Lin, 1992, Ucinet, Version IV, disponibil
(01.07.2012) la: http://www.casos.cs.cmu.edu/computational_tools/tools/ucinet_pop.html

 Borgatti, Stephen, Mehra, Ajay, Brass, Daniel and Labianca, Giuseppe, 2009, Network Analysis
in the Social Sciences, disponibil (01.07.2012) la: http://www.steveborgatti.com/papers/SNA_rE

 Borgatti, Stephen, Kane, Gerald, 2011, Centrality- IS proficiency alignment and workgroup
performance, disponibil (01.07.2012) la: http://www.informatik.uni-trier.de

 Burt, Ronald, 1992, Structural holes: the social structure of competition, Harvard University
Press, disponibil (01.07.2012) la: www.lib.uccicago.edu/e/busecon/busfac/Burt.html

 Coscia, Michele, 2010, Social Network Analysis: Misure, disponibil (01.07.2012) la:
http://www.di.unibi.it/~coscia, http://docstoc.com/docs/40261720/Social-Network-Analysis

 Dickson, Allen, 2006, Introduction to Graph Theory (Social Network Analysis Course – Utah
University), disponibil (01.07.2012) la:
www.math.utah.edu/mathcircle/notes/MC_Graph_Theory.pdf

3
 Drees, Becky, Thorsson, Vesteinn, Carter, Gregory, Rives, Alexander, Raymond, Marisa, Avila-
Campillo, Iliana, Shannon, Paul & Galitski, Timothy, 2005, Derivation of genetic interaction
networks from quantitative phenotype data in Genome Biology, vol. 6, no. 4, disponibil
(01.07.2012) la: http://genomebiology.com/2005/6/4/R38

 Gallo, Giorgio; Pallotno, Stefano, 1988, Shortest Path Algorithms in Annals of Operations
Research, vol. 13, issue 1, pp. 1-79, disponibil (01.07.2012) la: http://tinyurl.com/6qogdgf

 Granoveter, Mark, 1973. The strength of weak ties in American Journal of Sociology, vol. 78,
pp. 1360-1380, disponibil (01.07.2012) la:
http://sociology.stanford.edu/people/mgranovetter/documents/granstrengthweakties.pdf

 Hanneman, Robert & Riddle, Mark, 2011, Concepts and Measures for Basic Network Analysis,
Thousand Oaks, California: SAGE Publications, pp. 364-367, disponibil parţial (01.07.2012) la:
http://tinyurl.com/cch3s3b

 Hanneman, Robert, 2001, Introduction to Social Network Methods, Department of Sociology,

University of California, disponibil (01.07.2012) la: http://faculty.ucr.edu/~hanneman/nexttext/

 Harrary, Frank, 1973, New Directions in the Theory of Graphs in Proceedings of the 1971 Ann
Arbor Conference on Graph Theory, University of Michigan, MA: Academic Press, disponibil parţial
(01.07.2012) la: http://www.amazon.com/New-Directions-Theory-Graphs-
Proceedings/dp/012324255x

 Hoffman, Chris, 2001, Introduction to Sociometry, disponibil (01.07.2012) la:

http://www.hoopandtree.org/sociometry .htm

 Johlke, Mark & Duhan, Dale, 2001, Testing competing models of sales force communication in
The Journal of Personal Selling and Sales Management, vol. 21, no. 4, pp. 265-277, disponibil
(01.07.2012) la: http://tinyurl.com/7bv9byo

 Kendall, Diana, 2005, Sociology in Our Times, Independece, Kentucky: Thomas Wadsworth
Publishing, disponibil parţial (01.07.2012) la: http://tinyurl.com/bohkvql

 Krebs, Valdis, 2002, Mapping Networks of Terrorist Cells, disponibil (01.07.2012) la:
http://tinyurl.com/d4wr4oe

 Leonard-Barton, Dorothy, 1985, Experts as negative opinion leaders in the diffusion of a

technological innovation in Journal of Consumer Research, vol. 11, pp. 914-926, disponibil
(01.07.2012) la: http://tinyurl.com/bq842rg

 McPherson, Miller, Smith-Lovin, Lynn & Cook, James, 2001, Birds of a Feather: Homophily in
Social Networks in Annual Review of Sociology, vol.27, pp. 415-444, disponibil (01.07.2012) la:
http://tinyurl.com/7cmoqde

 Mishra, Nina, Schreiber, Robert, Stanton, Isabelle & Tarjan, Robert, 2008, Clustering Social
Networks in Internet Math, volume 5, nr.1-2, disponibil parţial (01.07.2012) la:
http://tinyurl.com/7yutxde

 Morselli, Carlo, 2008, Inside Criminal Networks, New York: Springer, disponibil parţial
(01.07.2012) la: http://tinyurl.com/ccawpm4

4
 Torenvlied, Rene & Velner, Gina, 1998, Informal networks and resistance to organizational
change: The introduction of quality standards in a transport company in
Computational&Mathematical Organization Theory, vol. 4, no. 2, pp. 165-188, disponibil
(01.07.2012) la: http://dl.acm.org/citation.cfm?id=593040.593064

 Wasserman, Stanley & Faust, Katherine, 1994, Social Netork Analysis – Methods and
Applications, Cambridge: Cambridge University Press

5
Unitatea de învăţare 1. Introducere. Domenii ştinţifice

Obiectivele unităţii de învăţare

După ce vor studia această unitate, masteranzii vor putea:

 să se familiarizeze cu principalele concepte ale abordării de reţea;

 înţeleagă utilitatea analizei de reţea într-o varietate de domenii ştiinţifice.

Analiza reţelelor sociale (SNA) este studiul relaţiilor (precum prietenia, rudenia), interacţiunilor
(colaborarea la locul de muncă ), vecinătăţilor (zona geografică învecinată) şi fluxurilor (resurse de schimb)
între un set specific de actori/ subiecţi (care pot fi entităţi variate, cu sau fără factor volitiv propriu ), folosind
o abordare de reţea.

Ca atare, în conformitate cu această cheie de interpretare,

subiecţii sunt conceptualizaţi ca noduri, iar relaţiile/
interacţiunile/ vecinătăţile/ fluxurile ca legături (conexiuni, link-uri)
între aceştia. Reprezentarea vizuală a unei reţele sociale
generează un graf (diagramă) unde nodurile sunt puncte şi
http://reactive-
legăturile dintre noduri sunt linii. search.com/images/clique.png

Datorită versatilităţii sale, acest demers analitic se află la intersecţia unor domenii ştiinţifice variate
(sociologie, economie, biologie, geografie, studii organizaţionale, antropologie, psihologie socială etc. ),
impunând totodată o perspectivă teoretică şi metodologică aparte .

Teorie Practcă

Structura unui grup este mai importantă decât Colectarea datelor: sunt utilizate tehnici ( manuală
atributele (caracteristicile) actorilor. şi/ sau automată) şi surse de informare (chestionare,
observaţie directă, înregistrări scrise, experimente )
specifice.

Acţiunile unui actor (în cazul în care are voliţie) şi/ Stocarea datelor: informaţiile obţinute trebuie să
sau potenţialului său (în cazul în care nu are ) sunt fie „traduse" într-un anumit limbaj de codare pe
determinate, cel puţin parţial, de poziţia în reţea. care soft-ul de analiză îl înţelege - relaţiile dintre
noduri sunt reprezentate prin cifre (limbaj binar
Un nod este „important" în reţea datorită poziţiei sau numere propriu-zise) şi sunt transpuse în matrici
sale şi nu invers (unde un nod ar „ocupa" o anumită matematice.
poziţie datorită importanţei intrinseci).

O reţea dă dovadă de emergenţă ( sistemul Reprezentarea vizuală şi analiza statistică:

„acţionează" în moduri pentru care nu a fost proiectat instrumente concepute pentru SNA ( UCINet,
să funcţioneze). NetDraw, NetMiner, Pajek, ORA, etc).

Pe parcursul ultimelor decenii, SNA a fost din ce în ce mai utilizată în domeniul analizei de informaţii, în
special datorită faptului că a furnizat informaţii valoroase serviciilor de informaţii în vederea
identificării şi destructurării anumitor grupuri ce prezintă un interes specific pentru organizaţiile de
intelligence. Cum securitatea naţională devine un concept tot mai complex, influenţat în societatea
globalizată de astăzi de o acţiunile unei multitudini de actori sociali, politici, economici şi culturali,

6
analiza reţelelor sociale se poate dovedi a fi un instrument valoros pentru analiştii de informaţii, un
instrument care poate fi folosit pentru a evalua şi, cel mai important, pentru a prezice modelele de
difuzare a diverselor fenomene sociale (informaţii, norme, tipuri de comportament şi chiar agenţi patogeni ).

Domenii ştinţifice
Deşi analiza de reţea are o istorie destul de lungă, recent, a început să fie utilizată din ce în ce mai mult
într-o mare varietate de domenii ştiinţifice, cum ar fi antropologia, informatica, economia, fizica,
sănătatea publică, demografia şi sociologia.

Psihologie şi sociologie
Reţelele sociale joacă un rol important în cercetarea sociologică şi psihologică a unei multitudini de
concepte-cheie, toate pivotând în jurul ideii de personalitate socială ( care se află la intersecţia dintre
comportamentul individual şi convenţiile sociale/ norme ) şi care este în mod constant construită şi
reconstruită de către actorii social (nodurilor) prin relaţiile pe care aceştia le întreţin ( legături).

Ca atare, mecanismele de influenţă socială şi selecţie joacă un rol foarte important în SNA, acţionând
ca factori determinanţi în ceea ce priveşte majoritatea măsurătorilor statistice utilizate de diferite
software-uri de analiză de reţea socială.

Dezvoltarea resurselor umane

Succesul unei organizaţii depinde de arhitectura socială a acesteia. Performanţa globală a angajaţilor
nu este un rezultat care poate fi atribuit numai trăsăturilor individuale şi modelelor de comportament,
ci este un rezultat direct al capacităţii grupului de a funcţiona ca o unitate ( Ahuja, 2000). Astfel, SNA
poate ajuta dezvoltarea resurselor umane, prin furnizarea de informaţii cu privire la relaţiile dintre
persoane fizice, obţinute prin diferite metode specifice SNA ( centralitate, densitate), care contribuie la
evaluarea performanţei şi la procesul de luare a deciziilor.

Cu alte cuvinte, SNA poate oferi o evaluare iniţială cu privire la structura socială a organizaţiei, care la
rândul său devine informaţie valoroasă atunci când facilitează performanţa grupului prin stimularea
liderilor informali (Leonard-Barton, 1985), când abordează probleme legate de fluxul de informaţii ( Johlke
& Duhan, 2001) sau ajută la implementarea schimbării – cum ar fi reducerea salariilor, concedierile sau
restructurările (Torenvlied & Velner, 1998).

În plus, Steve Boese (2009)1 identifică 5 domenii de aplicabilitate imediată pentru SNA în ceea ce
priveşte îmbunătăţirea performanţei organizaţionale:

1. Proiectarea organizaţională

2. Planificarea succesiunii

3. Modificarea descrierii job-ului

4. Instruirea şi dezvoltarea

5. Implementarea instrumentelor de reţea

1
http://steveboese.squarespace.com/journal/2009/7/20/social-network-analysis-and-hr.html

7
Sănătate
În domeniul sănătăţii este esenţială deţinerea unor informaţii actualizate cu privire la circuitele de
schimb şi relaţionare existente în grupurile de risc, deoarece viteza de răspândire a agenţilor patogeni
în grupurile menţionate anterior este foarte mult influenţată de conductivitatea reţelei. Sistemele de
avertizare timpurie orientate către sănătatea publică au fost create pornind de la premisa identificării
căilor potenţiale de răspândire a patogenilor în rândul populaţiei-ţintă: răspândirea epidemiilor/
pandemiilor este mai uşor de gestionat, previzibilă şi mai puţin distructivă în cazul în care autorităţile
din domeniul sănătăţii publice deţin instrumente pentru a anticipa, atenua şi dezagrega canalele
purtătoare de virusuri.

Studii de intelligence
De-a lungul ultimelor decenii, analiza reţelelor sociale a devenit o parte integrantă a domeniului de
intelligence. Evenimentele de la 11 septembrie 2001 marchează un moment important în această
istorie scurtă, dar dinamică: realizând ameninţarea tot mai mare reprezentată de activitatea celulelor
teroriste stabilite într-un mediu globalizat de securitate, agenţiile de informaţii din întreaga lume care
s-au unit pentru a descoperi cea mai bună cale în vederea destructurării unor astfel de reţele. "Lupta
împotriva terorii" a îndrumat analiza reţelei sociale în teritoriile neexplorate - de exemplu, software-ul
Key Player (proiectat pentru a identifica nodurile critice dintr-o reţea care, odată eliminate, ar perturba la maxim
grupul) a fost creat pentru a ajuta operatorii şi analişti HUMINT să determine ineficiente organizaţiile
teroriste periculoase.

Pe măsură ce timpul a trecut şi au apărut tot mai multe ameninţări (criminalitatea cibernetică /
terorism/ război), acestea s-au mutat în domeniul online, iar rolul OSINT şi SNA în analiza de
intelligence s-a cristalizat.

Aplicaţii
1. Definiţi analiza reţelei sociale.
2. Specificaţi modul în care poate fi reprezentată vizual o reţea socială.
3. Identificaţi cele două perspective distincte sub care pot fi analizate reţelele sociale.
4. Exemplificaţi domeniile ştiinţifice în care se poate realiza analiza de reţea.

Teme de evaluare
1. Care din cele patru domenii ştiinţifice vi se pare cel mai relevant pentru analiza reţelelor sociale?
Argumentaţi.
2. Identificaţi cele 5 domenii de aplicabilitate imediată pentru SNA în ceea ce priveşte îmbunătăţirea
performanţei organizaţionale (după Steve Boese).

8
Unitatea de învăţare 2. Istoricul analizei de reţea

Obiectivele unităţii de învăţare

După ce vor studia această unitate, masteranzii vor putea:

 să expună evoluţia analizei de reţea prin intermediul studiilor oamenilor de ştiinţă din domeniu şi a
instrumentelor moderne de analiză.

Precursor: Deşi SNA este un domeniu ştiinţific aflat încă în

fază incipientă, originile sale se găsesc în lucrarea lui Leonhard
Euler, care, la mijlocul secolului 18, a încercat să rezolve o
problemă celebră (Cele şapte poduri din Konigsberg).

Oraşul, situat pe ambele maluri ale râului Pregel, era compus

din trei părţi (două insule şi restul oraşului), care erau conectate http://jamerchant.files.wordpress.com/201
de către şapte poduri. Problema era aceea de a găsi o soluţie 0/10/konigsbergmap.jpg

de a trece prin fiecare zonă terestră prin traversarea fiecărui

pod doar o singură dată. Euler a reuşit să demonstreze că nu există o soluţie la această problemă, prin
reformularea acesteia: el a descris masele terestre ca şi noduri, iar podurile ca şi linii, punând astfel
bazele a ceea ce noi numim astăzi „Teoria grafurilor”.

Începuturi: Analiza de reţea socială, ca domeniu ştiinţific distinct, a fost creată în anii 1930, de către
Jacob Levi Moreno, care a inventat sociometria ( studiul relaţiei dintre structurile sociale şi atributele
individuale, de exemplu bunăstarea psihologică ) şi, ulterior, sociograma (reprezentarea grafică a relaţiilor
sociale pe care indivizii le creează).

Folosindu-se de sociometrie, Moreno a redus numărul de fugari de la New

York State Training School for Girls din Hudson, New York, prin
cartografierea relaţiilor sociale ale fetelor care trăiau în cămine. El a
identificat persoanele cu un comportament perturbator şi a determinat
influenţa lor în grup prin cartografierea listei lor sociale ( prietenii). Acesta a
reconfigurat modul în care şcoala aloca rezidenţii la cămine şi, ca urmare,
http://tinyurl.com/btzut
numărul de fugari a scăzut rapid (Hoffman, 2001). nz

Perioada modernă – Utlizarea UCINet-ului: Stephen Borgatti este creatorul UCINet-ului, un instrument
puternic de analiză a reţelelor sociale. El şi colaboratorii săi au utilizat instrumentul pentru a analiza o
varietate de reţele sociale: comunităţile de consum de droguri, fluxul de informaţii în spaţii de
cunoaştere, transferul de cunoştinţe în cadrul organizaţiilor, grupurile de lucru care trec printr-un
proces de tranziţie etc.2

Securitatea naţională, alături de consultanţa în zona business şi sănătatea publică, a constituit un cadru
important de dezvoltare a instrumentului de analiză a reţelelor sociale creat de Borgatti. „Key Player” 3
este un software proiectat pentru a identifica cele mai bune modalităţi de a perturba reţele teroriste/
criminale/ violente prin eliminarea unui anume set de actori. Aceştia s-ar putea să nu fie cei mai

2
http://www.steveborgatti.com/vita.pdf
3
http://www.analytic tech.com/products.htm

9
importanţi actori (din punct de vedere ierarhic ) din, dar absenţa lor ar genera un efect centrifug în reţea,
divizând grupul în părţi mai mici (şi mai "uşor de gestionat") (Borgatti, 2003, 2006).

Ce rezervă viitorul - Barabasi despre studiul reţelelor complexe:

Până de curând, analiza evoluţiei unor reţele de mari dimensiuni
s-a bazat pe modelul Erdos-Renyi ( definit de doi matematicieni
maghiari în 1959), care susţinea că sistemele complexe, în care
nodurile intră şi ies din reţea cu frecvenţă ridicată, evoluează şi
funcţionează într-un mod aleatoriu. Ca atare, aceste reţele
aleatorii (exponenţiale) sunt omogene - nodurile sunt distribuite
uniform de-a lungul reţelei: nu există grupare concentrată.
Albert-Laszlo Barabasi a observat că acest model ştiinţific are
limitări semnificative în ceea ce priveşte cunoaşterea şi
anticiparea comportamentului reţelelor complexe din viaţa reală
- Barabasi susţinea că o serie întreagă de fenomene (răsândirea
pandemiilor, modul în care celulele canceroase se răspândesc şi
ciculaţia viruşilor de calculator) nu apar şi circulă haotic printr-o
reţea, ei urmează anumite "autostrăzi" ( hub-uri), care există în
interiorul reţelei. Astfel de reţele sunt numite "independente de
scală" (probabilitatea ca un nod să fie conectat la alte k noduri nu scade exponenţial pentru un k mai mare ).

Aşadar, în 1998, când, împreună cu Hawoong Jeong şi Albert Reka de la Universitatea din Notre
Dame, am lansat un proiect pentru a ilustra World Wide Web-ul, ne-am aşteptat să găsim o
reţea aleatorie (exponenţială). Iată de ce: oamenii urmează propriile interese atunci când se
decid ce site-uri accesezw, şi având în vedere diversitatea intereselor fiecăruia şi numărul imens
de pagini pe care le pot alege, modelul rezultat al conexiunilor ar trebui să apară destul de
aleatoriu. Cu toate acestea, măsurătorile au înşelat această aşteptare [...] şi au arătat ceva
destul de surprinzător: câteva pagini extrem de conectate susţin World Wide Web-ul. Mai mult
de 80% dintre paginile de pe hartă au avut mai puţin de patru link-uri, în schimb ce o
minoritate, mai puţin de 0,01% din toate nodurile, a avut mai mult de 1000 ( Barabasi, Bonabeau,
2003).

Acest lucru este valabil pentru orice reţea complexă: atacarea simultană a câtorva noduri critice poate
duce la prăbuşirea întregului sistem. Descoperirile lui Barabasi au revoluţionat modul în care înţelegem
reţelele, promiţând, în viitor, capacitatea de a prezice comportamentul lor şi, în cele din urmă, cea de a
le controla.

Teme de evaluare
1. Expuneţi concepţiile lui Albert-Laszlo Barabasi referitoare la studiile complexe asupra reţelelor şi evoluţia
acestora.

10
Unitatea de învăţare 3. Aplicabilitatea SNA

Obiectivele unităţii de învăţare

După ce vor studia această unitate, masteranzii vor putea:

 să cunoască principalele tipuri de conexiuni care se stabilesc între anumite entităţi;

 să înţeleagă şi să exemplifice tipurile de relaţii ce se stabilesc în reţeaua socială.

După cum am precizat, analiza reţelelor sociale este, mai mult decât orice altceva, o perspectivă
ştiinţifică, un instrument creat pentru a descoperi modele de conexiuni între diverse entităţi.

De exemplu, oamenii construiesc sau fac parte ( conştient sau nu) dintr-o varietate de reţele: sunt
conectaţi prin vecinătate geografică, apartenenţă, legături afective sau cognitive, joacă roluri,
interacţionează şi schimbă bunuri (tangibile sau nu).

Analiza de date clasică îşi propune de obicei să explice o variabilă ( salariu), asociată cu o entitate,
dovedind sau infirmând existenţa unei corespondenţe cu o altă variabilă ( sex), sub forma unei ipoteze:
bărbaţii au salarii mai mari decât femeile.

Analiza reţelelor sociale încearcă să îmbunătăţească această abordare prin explicarea tiparelor sociale
prin intermediul combinării relaţiilor ( legăturilor) cu atributele: A şi B, ambii bărbaţi caucazieni în vârstă
de 50 de ani, câştigă cele mai mari salarii din companie, deoarece aceştia sunt prieteni cu membrii din
consiliul director, toţi aceştia fiind bărbaţi caucazieni de 50 de ani.

Vecinătăţi

Evaluarea vecinătăţilor poate ajuta la caracterizarea structurii globale a unei reţele, arătând cât de
strâns cuplate sunt nodurile. Măsurarea vecinătăţilor funcţionează bine cu o bază de date cu atribute şi
date multivariate.

Relaţii sociale

Datele despre reţelele sociale sunt formate din relaţii sociale binare. Acestea înregistrează prezenţa,
absenţa sau puterea relaţiilor dintre perechi de persoane. De cele mai multe ori, lungimea liniilor nu
semnifică ceva. Singurul lucru care contează este cine este conectat cu cine. Există mai multe tipuri de
relaţii sociale.

Aici se regăsesc câteva exemple4:

A Fratele lui B, C tatăl lui D, H sora lui X etc.

bazate pe rol
F Prietenul lui G, K cunoştinţa lui Q, Z duşmanul lui L, M
iubitul lui T, Q profesorul lui U, A şeful lui B

A Place/ iubeşte/ urăşte/ admiră pe B

afectve

4
http://www.analytictech.com/networks/graphtheory.htm

11
 C Este familiar cu/ cunoaşte pe B
cognitve

A luat prânzul cu/ doarme cu/ vorbeşte cu/ se joacă cu/

interactve cumpără de la/ vinde către R

derivate C are abonament la aceeaşi revistă ca şi/ este mai înalt

decât J

X Merge către/ circulă către U

fluxuri

Interacţiuni

Interacţiunea este o acţiune care are loc atunci când două sau mai multe obiecte au efect unul asupra
celuilalt. Conceptul de interacţiune presupune un efect cu două sensuri, fiecare parte fiind reciproc
influenţată într-un fel. Un termen strâns legat de aceasta este interconectivitatea, care presupune
interacţiunea în cadrul sistemelor: combinaţii de multe interacţiuni simple pot duce la fenomene
emergente surprinzătoare (Drees, 2005).

În sociologie, interacţiunea socială este o secvenţă dinamică a acţiunilor sociale între indivizi ( sau
grupuri) care îşi modifică acţiunile şi reacţiile în conformitate cu acţiunile partenerului/ partenerilor.
Interacţiunile sociale pot fi divizate în: accidentale, repetate, periodice şi reglementate. Interacţiunile
sociale constituie baza relaţiilor sociale.

Fluxuri

În teoria grafurilor, o reţea de debit ( transportatoare) este un graf orientat în care fiecare margine
primeşte un flux. Valoarea debitului pe o margine nu poate depăşi capacitatea acesteia.

Un flux restricţionează valoarea debitului care intră într-un nod să fie egală cu valoarea debitului care
iese, cu excepţia cazului când acesta este o „sursă”, care are un debit de ieşire mai mare, sau o „albie”,
care are un debit de intrare mai mare.

Aplicaţii
1. Exemplificaţi prin aspecte din viaţa cotidiană fiecare tip de relaţie socială care se poate stabili între
entităţile unei reţele.

Teme de evaluare
1. Daţi exemple de relaţii sociale bazate pe rol.
2. Care sunt deosebirile între fluxuri şi proximităţi?

12
Unitatea de învăţare 4. Concepte-cheie

Obiectivele unităţii de învăţare

După ce vor studia această unitate, masteranzii vor putea:

 să cunoască şi înţeleagă principalii termeni cheie specifici reţelelor sociale, utilizaţi în analiza acestora;

 îşi însuşească termenii şi limbajul de specialitate utilizat cu precădere în analiza reţelelor sociale.

Teoria reţelelor sociale Teoria grafurilor Măsurători de analiză a

reţelelor sociale

Reţea socială: Ego vs Întreg 2.1. Matrice – Graf 3.1. Orientate pe evaluarea
reţelei: Coeziune şi Densitate,
Grupare, Analiza K-core

1.2. Actor (Subiect) 2.2. Nod

3.2. Orientate pe evaluarea
Relaţie 2.3. Legătură - Walk – Traseu
subiectlor:
(“Trail”) – Cale – Cea mai
scurtă cale Centralitate: Degree,
Closeness, Betweenness,
Diadă – Triadă - Subgrup - 2.4. Clici - Grupuri – Structura Eigenvector
Grup comunităţii

Teoria reţelelor sociale

Reţea ego

O reţea ego constă într-un actor central, cunoscut sub numele de "ego" şi un set de actori cu legături cu
acesta, cunoscut sub numele de "alteri" şi toate legăturile stabilite între alteri şi ego ( Borgatti, Xun Li,
2009). Fiecare alter dintr-o reţea ego dispune de propria reţea ego, iar toate ego-reţelele suprapuse
compun reţele întregi.

O reţea ego a unui nod este o reţea centrată asupra respectivului nod. Reţeaua ego este compusă din
toţi vecinii unui anumit actor şi toate legăturile dintre aceştia.

Ego-reţelele au o structură simplă, care oferă avantajul uşurinţei în ceea ce priveşte colectarea datelor,
dar rezultatele sunt, de regulă, mai puţin utile cercetătorului deoarece setul de actori este relativ mic.
Măsurătorile care sunt utilizate pentru a analiza ego-reţelele se bazează de obicei pe densitate,
conectvitate (de exemplu goluri structurale - Burt, 1992 ), atributele alter-ilor (homofilie) sau combinaţii
ale celor trei.

Atractivitatea studiului ego-reţelelor este dată de uşurinţa colectării datelor, în comparaţie cu

colectarea de date din reţelele întregi. Informaţiile de la alteri, inclusiv modul în care aceştia sunt
conectaţi, sunt obţinute, de regulă, în totalitate de la actorul ego. Astfel de structuri pot fi prelevate de

13
la populaţii mari şi pot fi folosite pentru a trage concluzii statistice semnificative cu privire la întreaga
populaţie. Există multe domenii în care astfel de reţele au fost studiate empiric, cum ar fi reţelele de
suportul social (Everetta, Borgatti, 2005).

Până de curând, cercetările empirice asupra reţelelor au fost limitate la reţelele relativ mici.
Majoritatea studiilor s-au axat pe reţele formate din mai puţin de 500 de actori, însă există tot mai
multe cercetări recente pe grupuri mai mari.

Apariţia internetului şi a instrumentelor de monitorizare a comunicaţiilor electronice a deschis

oportunitatea colectării de date din cadrul reţelelor semnificativ mai mari. Multe dintre instrumentele
dezvoltate pentru analiza reţelelor nu sunt scalabile. Calculatoarele moderne şi tehnicile algoritmice au
îmbunătăţit foarte mult capacitatea de analiză a reţelelor de mari dimensiuni, deşi este încă dificil să
aplici anumiţi algoritmi de calcul la nivelul întregii reţele. În astfel de cazuri, atenţia este îndreptată mai
degrabă către sub-reţele cu caracter local.

Centralitatea în reţelele ego

Acest concept a fost introdus pentru prima dată de către Freeman ( 1982), în studierea „betweenness”-
ul unui ego. Lucrarea sa cuprindea unele proprietăţi matematice ale măsurii în ceea ce priveşte
densitatea reţelei ego şi arăta modul în care algoritmul ar putea fi utilizat într-un studiu de caz practic
(Everetta, Borgatti, 2005).

Unul dintre obiectivele principale ale măsurării centralizării este nevoia de a identifica cei mai importanţi
subiecţi în interiorul unei reţele. În acest scop, se porneşte de la ideea că reţelele ego provin din aceeaşi
reţea de bază, iar obiectivul este de a ierarhiza ego-urilor din eşantionul ales.

Reţea întreagă

O reţea întreagă este definită de o serie de criterii specifice privind limitele populaţiei unei organizaţii
formale, a unui departament, club sau grup de rudenie. Această abordare ia în considerare atât
apariţia, cât şi lipsa unor relaţii între toţi membrii reţelei. În general, o astfel de reţea ilustrează harta
legăturile pe care toţi membrii le au unii cu ceilalţi în cadrul grupului.

Atunci când se analizează o reţea întreagă, subiecţii sunt delimitaţi într-un anumit grup de către o
conexiune cu conţinuturi specifice. Această abordare este utilă în identificarea poziţionării relaţionale a
membrilor într-o reţea, precum şi configuraţia anumitor subgrupuri.

Actor (Subiect)

Actorul este cea mai mică structură într-o reţea. Acesta nu este neapărat un individ, ci poate fi şi o
entitate socială care formează legături una cu cealaltă ( departamente în cadrul organizaţiilor, diferite
sectoare ale ocupării forţei de muncă, unităţi sociale colective sau chiar state-naţiune la nivel global ).

În forma cea mai simplă, putem defini actorii fie ca persoane fizice ( de exemplu un prieten pe Facebook, o
rudă etc.) sau ca unităţi colective sociale (grupuri care pot fi reprezentate ca noduri individuale pe un grafic ).

Există mai multe categorii de reţele, care sunt compuse din diferite tipuri de actori:

Reţeaua unimodală - relaţiile dintre un singur set de actori ( persoane dintr-un grup de lucru, grup cu
aceleaşi pasiuni, circuitul tranzacţiilor între companii, etc );

Reţeaua bimodală – relaţii între două seturi de actori (relaţii de donare între corporaţii şi ONG-uri);

14
Reţeaua trimodală – relaţii între două seturi de actori, influenţate de către un alt tip de factor ( de
exemplu: modul în care angajaţii contribuie la proiectele de la locul de muncă, în diferite perioade ale carierei
lor).

Alte tpuri

Reţeaua de afiliere – este de asemenea o reţea bimodală, dar bazată pe legăturile unui singur set de
actori în mai multe medii (calitatea de membru în cluburi, participarea la un consiliu de administraţie etc. );

Reţeaua egocentrică (personală) – o reţea cu un actor central („ego”) şi „alteri” care au legături cu ego-
ul.

Relaţie

Relaţia care se stabileşte între actori într-o reţea este definită ca o colecţie de legături care există numai
între anumite perechi de actori ( de exemplu: seturi de legături între perechi de prieteni într-un grup, perechi
de colegi într-o clasă de elevi, sau chiar un set de legături diplomatice oficiale menţinute de anumite state ). Ceea
ce este important cu privire la acest set de relaţii este că acesta include legături numai de un anumit
tp, evaluate pe perechi de actori într-un anume set finit.

Relaţia este o infrastructură concepută pentru a sprijini fluxul de resurse ( materiale sau non-materiale,
tangibile sau intangibile): suport social/ emoţional, bani, expertiză, prietenie, informaţii, activitate în
comun etc. (Wasserman şi Faust, 1999).

Relaţiile reprezintă baza analizei de reţea. Diferite tipuri de relaţii definesc reţele diferite, chiar şi
atunci când se suprapun pe un singur set de actori ( Knoke, 1982).

De obicei, relaţiile sunt caracterizate prin conţinut (resursa care este schimbată: personală, de la locul de
muncă, etc.), direcţie (o relaţie poate fi orientată sau neorientată) şi rezistenţă (intensitate).

Diadă

Considerată unitatea principală de analiză socială şi unitatea fundamentală a interacţiunii

interpersonale şi a relaţiilor, o diadă este relaţia/ legătura dintre doi actori, care defineşte cel mai mic
grup social posibil. Astfel, în analiza unei diade, sunt studiate proprietăţile relaţiilor sub configuraţia de
perechi: dacă legăturile sunt reciproce sau nu; care este intensitatea legăturii etc.

De obicei, atunci când afilierea emoţională puternică defineşte relaţia dintre noduri şi membrii săi
petrec mai mult timp împreună, o diadă devine mai puternică. Cu alte cuvinte, relaţia unei diade
depinde de un element comun, care uneşte actorii.

Diada este văzută ca o unitate fundamentală în multe domenii, cum ar fi psihologia, unde poate fi
utilizată, de exemplu, în analiza relaţiilor de tip "mamă-fiică" sau "pacient-terapeut".

Triadă

O triadă este un concept care se referă la un subset de trei actori şi ( posibila/ posibilele) legătură(i)
dintre ei. O triadă este formată din trei asocieri potenţiale şi reprezintă unul dintre cele mai simple
grupuri care pot fi investigate. Potrivit lui Georg Simmel, triadele sunt unităţile fundamentale într-o

15
analiză sociologică, deoarece relaţia dintre cei trei actori permite dinamici sociale calitative diferite,
care nu pot fi reduse la un fenomen individual sau la interacţiunile unei diade.

Triadele facilitează formarea tranzitvităţii sociale: o triadă este tranzitivă într-o astfel de situaţie: dacă
subiectul A îl place pe subiectul B, iar subiectul B îl place pe subiectul C, atunci subiectul A de
asemenea îl va plăcea şi pe subiectul C.

Mark Granovetter a explicat că tranzitivitatea este mai răspândită în triadele unite prin legături
puternice decât în triadele legate prin legături slabe.

De asemenea, există o acţiune echilibrată a triadelor, care se referă la faptul că:

în cazul în care actorii A şi B se plac reciproc, atunci A şi B ar trebui să evalueze similar un al treilea
actor, C;

în cazul în care A şi B nu se plac unul pe celălalt, atunci ei ar trebui, teoretic, să-l evalueze diferit pe C.

Subgrupuri

Un subgrup de actori poate fi definit ca orice submulţime formată din actori şi legăturile dintre aceştia.
Diadele, triadele şi grupurile mici sunt cele mai studiate subgrupuri. Cu alte cuvinte, subgrupurile
reprezintă cea mai întâlnită grupare de actori din interiorul unei reţelei.

Grupuri

Un grup este o colecţie finită de actori şi setul de legături care îi uneşte. Analiza de reţea presupune în
cele din urmă capacitatea de a modela relaţiile dintre sistemele de actori. Cel mai important aspect în
analiza de reţea este definirea unui criteriu de restricţie care să conţină un set (sau seturi) finit(e) de
actori. Colectarea finită a actorilor şi legăturilor implică limite de urmărire pentru incluziune.

Teoria grafurilor
Matrici şi grafuri

O reţea socială poate fi reprezentată fie ca un grafic ( descriere vizuală), fie ca o matrice ( în formă
matematică, numerică). În teoria grafurilor, matricea este considerată complementară grafului: acesta
este doar un instrument, un "cod" pe care software-ul să-l poată înţelege şi prin intermediul căruia să
poate realiza harta reţelei.

Ca atare, putem privi o reţea socială fie ca fie ca

http://tinyurl.com/cck
http://tinyurl.com/7yuoc dgd8
wk
Un graf este format dintr-un set de noduri şi un set de legături, în care
perechile de noduri sunt conectate prin linii. Un graf este reprezentat prin
trasarea unui punct pentru fiecare nod şi a unei linii care uneşte punctele
http://techdevice.com/w
p-content/nodes-and- sale finale.
edges

O matrice de adiacenţă constă într-un set de date de măsuri |V|( numărul de noduri) şi | E | (numărul de
legături), unde celula de introducere a datelor ( care se află la intersecţia nodurilor ) conţine valoarea
asociată a legăturii (cel mai simplu caz : 1 - este, 0 - nu este).

16
 Nod

Un nod (vârf) este un punct comun în care se întâlnesc mai multe linii. Acesta reprezintă unitatea
fundamentală pe baza căreia grafurile se formează. În teoria grafurilor, un nod este tratat ca un obiect
indivizibil, deşi nodurile pot fi entităţi agregate – concepte, teorii, organizaţii, state etc. ( Gallo and
Pallotino, 1988).

Un graf în care nodurile reprezintă concepte sau clase de obiecte este numit “ reţea semantcă”.
Proprietăţile numerice ale nodurilor sunt numite vectori, iar proprietăţile categorice/ nominale ale
acestora sunt numite partiţii. De asemenea, valorile numerice pot fi atribuite liniilor.

“Punctele finale” sunt cele două noduri care formează o margine. Când două noduri sunt punctele
finale ale unei margini, spunem că acestea sunt adiacente. Vecinătatea unui nod A este un subgraf
indus al grafului, format din toate nodurile adiacente lui A.

Dacă două noduri joacă acelaşi rol, acestea vor avea legături echivalente, deşi nu neapărat aceleaşi
tipuri de relaţii sau la aceleaşi intensitate (Borgatti, Mehra, Brass şi Labianca, 2009).

Două sau mai multe noduri sunt bioconectate dacă acestea sunt conectate în ambele direcţii pe două
căi independente (fără un nod intern comun). Bioconectivitatea determină o poziţie în setul de legături.
Când două noduri sunt vârfurile unei margini, spunem că acestea sunt adiacente.

Tipuri de noduri:

 Nod izolat: un nod care nu este legat de către alţii prin nicio legătură şi are “degree”-ul egal cu 0.

 Nod pendant: un nod cu “degree”-ul egal cu 1 (este legat

doar de un singur alt nod).

 Nod separator: o colecţie de noduri prin înlăturarea

căreia graful se va diviza în părţi mai mici.
http://math.tut.fi/~ruohonen/GT_Engl
ish.pdf
 “Nod capac”: un set de noduri care include vârfurile
fiecărei muchii din graf.

 “Vertex space”: conţine un set de vectori de bază corespunzători cu nodurile principale ale
grafului.

 “Nod sursă”: un nod cu “indegree”-ul egal cu 0.

 “Sink vertex” (“nod de colectare”): un nod cu “outdegree”-ul egal cu 0.

 “Nod artculaţie”: ştergerea sa creşte numărul componentelor slabe într-un graf (Mishra, Schreiber,
Stanton and Tarjan, 2008).

Componenta de care aparţine un nod este acel set de noduri, care poate fi atins de către legăturile din
graf. Într-un graf orientat, un nod are atât o componentă “in”, cât şi una “out”, care sunt seturile
nodurilor prin care un nod poate fi atins. Într-o reţea socială, majoritatea nodurilor aparţin aceleiaşi
componente. Aceasta este cunoscută sub denumirea de “Giant Component”.

“Giant Component” apare atunci când media “degree”-ului este mai mare decât 1 ( Coscia, 2010).

17
Legătură – “Walk” – Traseu (“Trail”) – Cale – Cea mai scurtă cale (“Geodesic
Path”)

Legătură “Walk”

Traseu (“Trail”) Cale

Cea mai scurtă cale (“Geodesic Path”)

Legătură

Ne putem gândi la legătura dintr-un graf ca fiind o linie ( Harray, 1994). Reţelele sociale conţin legături
care pot fi fără direcţie (A îl sună zilnic pe B – ambele noduri se implică ) sau direcţionate (A îi dă bani lui B –
nu este nevoie de reciprocitate pentru a forma o legătură directă ) şi astfel legăturile pot avea o direcţie.

Numărul de legături pe care un graf îl conţine se numeşte lungime.

Într-un graf neorientat, o linie trasată între aceste două noduri formează o legătură. Într-un graf
orientat, marginea este o pereche ordonată de noduri.

18
O legătură între două noduri poate reprezenta o multitudine de posibilităţi: o relaţie ( de prietenie,
rudenie, parteneriat), o interacţiune (postările pe peretele unui cont Facebook, mesaje private, mesaje de grup )
sau o activitate (etichetarea unei fotografii pe Facebook, jocuri).

Tipuri de legături:

Legăturile care au aceleaşi noduri finale se numesc paralele.

Legăturile sunt adiacente dacă împart un nod comun.

O legătură care conţine un nod pendant drept vârf este o legătură pendantă.

“Walk”

“Walk” reprezintă o traversare nelimitată a nodurilor de-a lungul legăturilor: o secvenţă alternantă a
nodurilor şi legăturilor, începând şi sfârşind cu un nod, unde fiecare nod este incident pentru ambele
legături pe care le precede şi unde nodurile care preced şi urmează o legătură sunt vârfurile acelei
legături.

Nodurile şi conexiunile pot fi repetate sau nu (Bondy and Murty, 1976).

Trail (“Traseu”)

Un traseu este atunci când orice legătură este traversată doar o singură dată. Nicio legătură nu se
repetă, în schimb nodurile pot fi revizitate. Acesta este închis atunci când primul nod este acelaşi cu
ultimul din traseul respectiv, şi deschis atunci când acestea sunt diferite.

Cale

În teoria grafurilor, o cale în interiorul unui graf este un traseu în care toate nodurile sunt distincte.
Dickson (2006) consideră calea un graf simplu ale cărui noduri pot fi ordonate astfel încât două noduri
să fie adiacente numai dacă acestea sunt şi consecutive.

O cale poate conţine un nod numit “nod de start” şi unul “de încheiere”, amândouă numite “noduri
terminale” ale căii (aceasta este calea finită). Celelalte noduri ale căii se numesc noduri interne. De
asemenea, o cale poate fi şi infinită.

Tipuri de căi:

Cale deschisă: o cale în care primul şi ultimul nod sunt distincte.

Cale simplă: o cale în care nodurile nu se repetă.

Cale indusă: o cale în care legăturile nu conectează două noduri neconsecutive.

Cale “hamiltoniană”: o cale simplă care include fiecare nod din graf.

Cale “capac”: un set de căi care acoperă toate nodurile.

Căi independente de noduri: două căi care nu au niciun nod intern în comun.

Căi independente de legături: două căi care nu au nicio legătură internă în comun.

19
Lungimea unei căi este egală cu numărul de legături pe care calea îl utilizează, numărând multiple
legături de nenumărate ori. Lungimea poate fi egală cu zero când avem de a face cu un singur nod.

Cea mai scurtă cale (“geodezică”)

Cea mai scurtă cale este calea din cadrul reţelei de la un nod către altul care trece prin numărul
minim de legături.

Un traseu de la o sursă la o ţintă este o succesiune alternantă de noduri şi legături care încep cu primul
şi se termină cu ultimul, astfel încât nodurile poziţionate înainte şi după o legătură reprezintă “capul”,
respectiv “coada”. Lungimea unei căi este egală cu numărul legăturilor pe care le conţine.

În majoritatea reţelelor, cele mai multe perechi de noduri sunt conectate printr-o cale scurtă.

Enumerarea tuturor căilor scurte dintr-o reţea şi calcularea lungimii medii a acestui set ( perechile fără
legături sunt un caz special) este posibilă. Aceasta este media celei mai scurte căi: numărul mediu de
legături care urmează a fi străbătute cu scopul de a ajunge la fiecare nod al reţelei. Această valoare
este de obicei foarte scăzută.

Dacă nodurile sunt mutate dintr-o reţea, lungimea căilor va creşte, iar perechile de noduri se vor
destrăma. Există de asemenea o varietate de modalităţi în care nodurile pot fi mutate, diferite reţele
având diferite grade de rezistenţă la aceste atacuri. Nodurile dintr-o reţea se pot elimina la întâmplare
sau se pot viza anumite clase specifice de noduri, cum ar fi cele cu cel mai mare “degree”.

Clici

O clică este un subgrup coeziv cu legături puternice între nodurile pe

care le conţine. Clicile formează totodată o “încetinire” globală.

O clică într-un graf este un set de noduri adiacente. Ceea ce este indus
grafului este completat cu toate legăturile posibile. Clica este
considerată modelul standard de grup, iar algoritmii pentru identificarea
clicilor de mari dimensiuni a fost susţinută de către aplicaţiile http://tinyurl.com/cxujtdn
sociologice (Wasserman, Faust, 1994).

Aici se regăsesc câteva caracteristici importante pentru un grup coeziv:

- Familiaritatea între membri;

- Accesabilitatea în rândul membrilor ( comunicare rapidă);

- Rezistenţa subgrupului (nu este uşor de destrămat prin mutarea membrilor).

Acest lucru înseamnă că o clică este ideală dacă între fiecare pereche de noduri se află o distanţă
minimă, conectivitatea nodului atinge maximul posibil şi fiecare nod are “degree”-ul maxim posibil
(toate cerinţele posibile sunt induse de către un subgraf ).

De asemenea, “clică” se numeşte şi o reţea care conţine toate legăturile posibile.

20
 Grupuri (“Clusters”)

Un “cluster” este un grup de indivizi cu legături de prietenie puternice, atât pe plan intern, cât şi pe
plan extern. În multe reţele se poate observa că dacă un nod “A” este conectat la un nod “B”, iar nodul
“B” la un nod “C”, atunci există o mare probabilitate ca nodul “A” să fie de asemenea conectat cu nodul
“C”. În termeni de tipologie a reţelei, tranzitivitatea înseamnă prezenţa unui număr sporit de
“triunghiuri”/ triade în reţea.

Structura comunităţii

Majoritatea reţelelor sociale cuprind o structură a comunităţii: grupuri de noduri care au o densitate
mai mare de legături în interiorul lor, cu o densitate mai mică a legăturilor între grupuri.

Majoritatea dintre acestea sunt bazate pe legături de “betweenness”. Legăturile cu cea mai mare
centralitate a “betweenness”- ului sunt şterse.

Există mai multe tipuri de structuri ale comunităţii, precum:

 “Modele – bloc” – divizarea reţelei în comunităţi sau blocuri după un anumit criteriu);

 “Echivalenţă structurală” – două noduri într-o reţea sunt echivalente structural dacă
au aceeaşi vecini (acest lucru poate fi aproximat);

 “Flux maxim” – de exemplu “HITS” şi “PageRank”.

Măsurarea în analiza reţelelor sociale

Măsuri ale reţelelor orientate (Network-orientated metrics)

Algoritmii statistici care cuprind setul de matrici de „reţele orientate”, ce stau la baza mecanismelor
sociologice sunt:

 Inducţia: fenomenul de influenţă socială regăsită în grupuri sau perechi de indivizi, unde unul
sau mai mulţi membri acţionează sub forma unui nucleu de difuzie pentru tot grupul (A îl place
pe X, ceea ce îl influenţează pe B să-l placă pe X);

 Homofilia („iubirea celor care se asemănă”) sau „assortative mixing” (McPherson, Smith-Lovin,
Cook, 2001): tendinţa oamenilor de a se asocia cu indivizi similari (acelaşi aspect fizic, valori,
istorie etc.). Homofilia poate fi conceptualizată atât ca o preferinţă internă a unui individ, cât şi
ca o tendinţă comportamentală observabilă, ce este compusă din preferinţă şi oportunitate 5 (A
şi B îl plac pe X, deci A şi B devin prieteni);

 Congruenţă: fenomenul ”expunerii structurale comune”, în care actorii individuali împărtăşesc

un set de trăsături, convingeri sau caracteristici bazate pe poziţii similare în reţea (tendinţa lui A
şi B este X, deoarece ambii au crescut într-un tip de familie Y).

Coeziune şi Densitate

Coeziunea şi densitatea sunt concepte similare: în timp ce coeziunea reprezintă gradul în care actorii
sunt conectaţi în mod direct unul cu altul prin ”legături puternice” (relaţii sociale active precum prietenia şi

5
Borgatti, s.a., http://www.analytictech.com/mgt780/topics/homophily.htm

21
rudenia), densitatea măsoară proporţia legăturilor existente într-o reţea, indiferent de natura lor
(legături puternice sau slabe), în raport cu numărul maxim posibil.

De exemplu, reţeaua indivizilor care întreprind o afacere mică este densă (fiecare cunoaşte pe fiecare),
dar nu este vorba neapărat despre o coeziune (nu sunt toţi apropiaţi din punct de vedere sentimental).
Pe de altă parte, când analizăm o “reţea de legături puternice”, termenii pot fi utilizaţ i alternativ.

Relaţiile sociale online şi offline

Prezenţa tot mai accentuată a unei multitudini de aspecte ale vieţii sociale în mediul online (lucrăm, ne jucăm,
socializăm, ne urmărim propriile interese şi hobby-uri în universul virtual) a făcut ca analiza de reţea să-şi
găsească un mediu nou şi dens pentru colectarea datelor (iar site-urile de socializare reprezintă doar unul dintre
aceste spaţii). Aparent, există o mică diferenţă între lista socială din viaţa reală a unui individ şi cea virtuală, dar un
analist ar trebui să reţină faptul că aceste reţele sunt substanţial diferite. Prietenia on-line pe "Facebook" nu are
un corespondent direct în mediul offline. Ca atare, densitatea unei reţele virtuale nu ar trebui să fie
conceptualizată niciodată ca şi coeziune, pentru că există înţelesuri diferite şi norme asociate relaţiilor sociale în
aceste două universuri.

O reţea cu un nivel ridicat de coeziune este stabilă, solidă şi, în general, mult mai omogenă, deoarece
este formată din clici care se suprapun (într-un grup, fiecare individ îi cunoaşte personal pe toţi ceilalţi).

Coeziunea este o proprietate a reţelelor relativ mici: cu cât un grup este mai mare, cu atât există o
coeziune mai redusă.

Numărul lui Dunbar

Încă din trecut, oamenii au vieţuit în comunităţi stabile. Timp îndelungat, indivizii au trăit, au muncit, au iubit şi în
cele din urmă au murit în cadrul unor grupuri foarte strâns legate (triburi, sate etc.), care de-a lungul anilor au
rămas mai mult sau mai puţin aceleaşi. Odată cu apariţia şi dezvoltarea oraşelor, acest mod de a trăi s-a schimbat
profund, lucru vizibil şi în zilele noastre, adică în era metodelor moderne de comunicare, când relaţiile sociale nu
mai sunt constrânse de bariere fizice şi temporale. Cu toate acestea, se pare că există o constantă socială privind
numărul de relaţii sociale stabile pe care le poate menţine un individ: antropologul britanic, Robin Dunbar a
demonstrat faptul că orice persoană poate gestiona o listă socială stabilă, care să cuprindă între 100 şi 230 de
persoane - deşi variabila cel mai frecvent utilizată este cea de 150. Dunbar consideră că această constantă socială
reprezintă o limită cognitivă a neocortexului uman, o zonă a creierului care s-a dezvoltat în Pleistocen, când a
apărut societatea culegătorilor6.

Comunităţile mai mari de 230 de persoane au nevoie de reguli, legi şi norme aplicate pentru a menţine
stabilitatea. Aceasta este o posibilă explicaţie pentru axioma socială a coeziunii mai mici în grupuri mai mari sau în
reţele.

În unele circumstanţe, coeziunea corelează cu o tendinţă a

comportamentului agresiv.

6
http://tinyurl.com/5kvr6m

22
 Problema “Lord of the Flies”

Corelaţia între comportamentul agresiv şi coeziunea în cadrul grupului, provine de la un

efect secundar mai puţin plăcut al homofiliei: deoarece similaritatea produce consens şi
stabilitate, oamenii sunt înclinaţi să-i prefere pe cei asemănători (atunci când vine vorba
despre gândire, aspect, stil, manierism, istorie etc.) şi tind să evite discrepanţa socială. În
cele mai multe dintre societăţile actuale, legile şi normele oficiale de conduită impun un
subiect extern de atenuare cu privire la atitudinile discriminatorii şi/ sau rasiste şi la acţiuni.
Deşi anumite clici, precum grupurile de adolescenţi, afişează o internalizare mai slabă a
acestor norme sociale explicite, ca atare, tind să fie mult mai agresive cu grupurile sau
indivizii care nu arată, acţionează, gândesc (etc.) la fel ca ei. http://en.wikipedia.o
rg/wiki/Lord_of_the_
Flies

O clică în cadrul unei reţele care nu este coezivă acţionează ca un nucleu şi îi poate folosi pe ceilalţi
membri ca “multiplicatori de forţă”.

Revoluţiile Web 2.0

Neil Smelser a propus teoria valorii adăugate, care se bazează pe ipoteza că sunt necesare 6 premise privind
comportamentul colectiv (inclusiv violenţa în masă) pentru a apărea: “structural conduciveness” (structura
grupului: apropierea spaţială), “structural strain” (sărăcie, inegalitate), convingere generalizată (un cvasi-consens
în ceea ce priveşte constituentul “structural strain”), (percepţia) lipsei controlului social, apariţia unor subiecţi
precipitanţi şi, nu în ultimul rând, un nucleu structurat care facilitează mobilizarea pentru o acţiune (incitarea la
înarmare). (Smelser, 1962 apud Kendall, 2005)

Reţelele mari sunt intrinsec amorfe dar pot deveni puternice odată ce potenţialul lor este pus în joc. Protestele în
masă, revoltele şi revoluţiile au surprins lumea în ultimii ani: impulsul mişcărilor “grassroots”, precum “Primăvara
arabă”, “Revoluţia Twitter” în Moldova sau fenomenul “Occupy”, a fost menţinut datorită eforturilor iniţiale ale
unui grup de indivizi care a acţionat ca un nucleu de facto.

O reţea extrem de densă este foarte permeabilă (există un număr mare de canale redundante) şi, ca atare,
fluxul de informaţii este facilitat.

Redundanţa canalului este o trăsătură foarte importantă atunci când vine

vorba fie despre o intoxicare a reţelei cu informaţii false, fie despre
protejarea acesteia împotriva unor astfel de acţiuni.

Atac şi apărare

Reţelele dense nu deţin o structură centru-periferie şi, ca atare, membrii săi sunt vulnerabili la propagandă:
existenţa unei multitudini de puncte de intrare este o proprietate a reţelelor dense. O consecinţă directă a acestei
caracteristici este aceea că un obiectiv selectat pentru dezinformare poate fi atins în câţiva paşi, deoarece
informaţia falsă nu este filtrată de către alţi membri la diferite niveluri ale ierarhiei formale sau informale.
Atacarea unei reţele cu propagandă ar trebui să vizeze nodurile cele mai conectate – acestea pot răspândi rapid
informaţia la nivelul întregii reţele.

Pe de altă parte, redundanţa canalului înseamnă că un nod poate utiliza informaţia primită printr-un canal, prin
compararea sa cu fluxurile de informaţii ale altor canale. A proteja o reţea împotriva propagandei înseamnă
construirea densităţii în jurul nodurilor credibile.

23
 Clustering

Un coeficient de grupare (clustering) se referă la măsurarea

http://vlado.fmf.uni-
lj.si/pub/networks/doc/Seminar/Krebs.pdf
probabilităţii faptului că alterii unui ego sunt ei înşişi conectaţi, în timp
ce alterii au doar câteva legături externe separate. Un nivel ridicat al
coeficientului de grupare este corelat de asemenea cu cel de clică (la
fel ca densitatea şi coeziunea) dar diferă de celelalte două datorită
faptului că o reţea cu un nivel ridicat al coeficientului de grupare nu
este neapărat omogenă. Câteva clici pot fi “legate împreună” într-o
reţea prin intermediul câtorva “poduri” – eliminarea unei astfel de
margini (edge) ar separa punctele finale în diferite componente.

Antterorism şi Contraterorism

Gruparea apare, cel mai adesea, nu ca urmare a suprapunerii legăturilor puternice în cadrul unui grup mărginit
(legăturile într-un grup între anumiţi membri, câteva legături externe ale tuturor membrilor). Aceasta este o
caracteristică a grupurilor ilegale sau aflate sub acoperire, care trebuie să găsească întotdeauna un echilibru
delicat între secret (minimul legăturilor externe) şi eficienţă (cooperarea intensă în cadrul grupului). În cadrul unei
reţele teroriste precum Al-Qaeda, celula responsabilă de planificarea şi efectuarea unui atac, acţionează ca un
grup (cluster). (Krebs, 2002)

Analiza K-core

K-core (“nucleul-k”) este un set de noduri care sunt mult mai strâns legate între ele însele (formează o
anumită comunitate), decât cu alte noduri din alte k-cores. Un k-core poate fi văzut ca fiind un anumit
“grup” sau o “sub-structură” într-un graf.

Roluri şi ierarhii

K-cores sunt identificate prin analiza echivalenţei structurale a

nodurilor (de exemplu, două noduri sunt/ nu sunt conectate
comunităţilor specifice într-un mod similar). Astfel, analiza k-core
este un instrument puternic utilizat în explorarea modelelor
ascunse de interacţiune, ceea ce reprezintă primul şi cel mai
important pas în identificarea ierarhiilor şi rolurilor indivizilor în
grupuri.

http://www.leydesddorff.net/braun75/index.
htm

Măsurarea poziţionării subiecţilor – Centralitate

Subsetul măsurilor de “centralitate” este conceput pentru a evalua dimensiunile diferite ale
importanţei, puterii sau influenţei unui nod în cadrul unui sistem ( Hanneman, Riddle, 2011) datorită
structurii reţelei, poziţiei nodului sau combinaţiei acestora. Cele mai importante tipuri de centralitate
sunt: degree (gradul), closeness (conectivitatea), betweenness (apropierea) şi eigenvector. Aşa cum s-a

24
specificat anterior, analiza reţelelor sociale, în special în cazul centralităţii, se referă la natura relaţiilor
într-o reţea: legăturile pot fi neorientate ( A se întâlneşte cu B, A îl sună pe B zilnic – este o legătură în care
amândouă nodurile participă) sau orientate (A îi dă bani lui B – nu este nevoie de reciprocitate pentru a forma o
legătură orientată).

Conceptele centralităţii îşi propun să cuantifice ideile teoretice ale grafurilor, referitoare la importanţa
individuală a unui subiect într-o reţea, rezumându-se la relaţiile structurale dintre noduri (Wasserman &
Faust, 1994).

Centralitatea este proprietatea fundamentală a subiecţilor şi deţine numeroase consecinţe predictive.

Metodele sale de măsurare reprezintă instrumentele de bază, utilizate în identificarea celor mai
importante noduri într-o reţea. Există câteva metode diferite de calcul, dintre care cele mai importante
sunt apropierea (betweenness) şi conectivitatea (closeness).

Gradele (Degree centrality) – Influenţă şi expunere

Această măsură este definită de numărul de legături directe

deţinute de un nod. Datele directe pot fi analizate prin intermediul a
două sub-măsuri ale gradului (degree centrality): in-degree (numărul
legăturilor direcţionate către nod) şi out-degree (numărul legăturilor
direcţionate de un nod către alte noduri).

Gradul unui nod “v” este notat “deg(v)”.

Calcul: gradul maxim al unui graf G, notat cu Δ(G), şi gradul minim al

acestuia, notat cu δ(G), reprezintă gradul maxim şi minim al
http://tinyurl.com/
nodurilor grafului. Într-un graf obişnuit, toate gradele sunt de acelaşi tip, cfvvylf
astfel că putem vorbi despre gradul grafului.

+ Avantajele şi dezavanatajele unui nod cu grad ridicat -

Poate influenţa multe noduri Este cel mai expus (de exemplu, în cazul epidemiilor)

Studiu de caz: Reţeaua teroristă de la 11 septembrie [1/4]

25
În acest studiu de caz, dimensiunea nodurilor a fost stabilită în funcţie de nivelul gradului (cu cât este mai mare
nodul, cu atât are un grad mai ridicat).

Cel mai ridicat grad (degree): Mohamed Atta

http://www.geopoliticalmonitor.com/informant-
fbi-missed-chance-to-stop-911-2624

Constatarea principală: Mohamad Atta a fost conducătorul atacurilor de la 11

septembrie.

Derularea evenimentelor7: Detonatorul American Airlines Flight 11 (primul avion vizat să se

prăbuşească în WTC – Turnul de Nord).

Complice cu Al-Quds Mosque, iar în Hamburg, Germania s-a

întâlnit cu Marwan al-Sheshi, Ramzi bin al-Shibh şi Ziad Jarrah
(alte noduri foarte strâns conectate).

A locuit timp de un an cu Said Bahaji şi Ramzi bin al-Shibh.

7
Sursa primară a informaţiei: http://en.wikipedia.org/wiki/Mohamed_Atta

26
 A lucrat cu Mohamed Belfas.

A ajutat la coagularea “Celulei Hamburg” (Ramzi bin al-Shibh,

Marwan al-Shehhi, Said Bahaji, Zakariya Essabar, Mounir el
Motassadeq, Adelghani Mzoudi, Ziad Jarrah) - nucleul atacurilor
de la 11 septembrie.

Gradul (“degree centrality”) subliniază rolul important al lui Atta

în atacuri.

Conectvitatea (Closeness Centrality) – Cele mai actualizate informaţii

Poate fi conceptualizată ca fiind măsura care arată cât de apropiat este un nod de toate celelalte
noduri (modul în care este integrat un nod într-o reţea ). Variabila in-closeness măsoară gradul de
accesibilitate al unui nod de către alte noduri ( căile directe dinspre alţii către nodul respectiv) şi variabila
out-closeness care măsoară gradul în care un nod poate accesa alte noduri ( căile nodului către celelalte
noduri sunt relativ scurte).

Conectivitatea reprezintă acele noduri care tind să aibă căile cele mai scurte, sau să aibă distanţele
către alte noduri cu o conectivitate mai mare. Conectivitatea CC(v) unui nod nod v este reciproca sumei
distanţelor geodezice către toate nodurile din graf. Este utilizată reciproca pentru a calcula nodurile
care nu sunt accesibile, cu valoarea 0.

Conectivitatea indică timpul până la sosirea unei informaţii din fluxul reţelei.

+ Avantajele şi dezavantajele unui nod cu o conectvitate ridicată -

Out-closeness: poate răspândi rapid informaţiile noi Out-closeness: poate răspândi informaţii false şi să
piardă din credibilitate (dacă out-closeness nu este
compensat de in-closeness).

In-closeness află rapid informaţiile noi In-closeness alimentează cu informaţii.

Uşor de accesat

Studiu de caz: Reţeaua teroristă de la 11 septembrie [2/4]

27
În acest studiu de caz, dimensiunea nodurilor a fost stabilită în funcţie de gradul de conectivitate (cu cât este mai
mare nodul, cu atât conectivitatea este mai scăzută).

Conectvitate ridicată (closeness): Mohamed

Atta … precum şi toţi ceilalţi membri ai Celulei
Hamburg

http://en.wikipedia.org/Wiki/Hamburg_c
ell

Constatarea principală: Conectivitatea demonstrează că Celula Hamburg a avut o

structură centru-periferie, cu un nucleu format din patru
indivizi: Atta, al-Shibh, al-Shehhi, Jarrah.

Informaţii8: Cei patru membri ai nucleului Celulei Hamburg (în 1999) au

intenţionat iniţial să producă Jihadul în Cecenia, dar l-au întâlnit
pe Mohamedou Ould Slahi (un reprezentant de nivel înalt al Al-
Qaeda operativă), care le-a schimbat mentalitatea: au călătorit

8
Sursa primară a informaţiei: http://en.wikipedia.org/wiki/Hamburg_Cell

28
 către Afghanistan în 1999, unde l-au întâlnit pe Ossama bin
Laden, căruia i-au jurat loialitate.

Acesta i-a instruit pe cei patru indivizi cum să atace America.

Ulterior, au format şi coordonat o reţea de celule operative –

conectivitatea corelează foarte puternic cu această arhitectură.

Betweenness Centrality – Brokerajul şi potenţialul de prevenire a insttuţionalizării

Măsura în care un nod se poate afla de-a lungul celei mai scurte căi geodezice ( unde se presupune că
traficul reţelei este cel mai intens) între toate celelalte perechi de noduri.

“Betweenness Centrality” reprezintă una dintre cele mai importante măsuri ale centralităţii – este un
concept de bază pentru analiza reţelelor sociale şi se referă la frecvenţa unui nod dat care se află între
sursă şi ţintă.

Practic este cea mai scurtă cale care trece printr-un nod. De asemenea, poate fi calculată pentru
margini (edge betweenness centrality).

+ Avantajele şi dezavantajele unui nod cu o apropiere ridicată -

Poate controla şi manipula fluxul informaţional Foarte solicitat de ceilalţi

Legătură pentru părţile separate ale reţelei Trebuie să sintetizeze (să găsească un numitor comun
pentru toţi membrii reţelei)

Studiu de caz: Reţeaua teroristă de la 11 septembrie [3/4]

29
În acest studiu de caz, dimensiunea nodului a fost stabilită în funcţie de nivelul de apropiere “betweenness” (cu
cât este mai mare nodul, cu atât apropierea este mai mare).

Apropiere ridicată: Mohamed Atta … de

asemenea Zacarias Moussaoui şi Essid
Sami Ben Khemais

http://www.biography.com/pe http://www.state.gov/j/rls/ct/
ople/Zacaris-Moussaoui- crt/2001/html/10240.htm
241185

Constatarea principală: Apropierea “betweenness” demonstrează faptul că reţeaua celulelor

operative 9/11 a avut legături cu alte celule Al-Qaeda. Aceştia au fost
doar o parte dintr-o organizaţie mai mare.

Informaţii9: Mossaoui - a susţinut că este un înlocuitor al lui Ramzi bin al-Shibh,

care nu a putut obţine viza pentru SUA – el a declarat că a plănuit un
atac, dar fără a avea legătură cu 11 septembrie.

Khemais - capul celulei italiene Al-Qaeda, a fost arestat în 2001

pentru trafic de arme, exploziv şi produse chimice.

Eigenvector Centrality – Popularitatea

9
Sursa primară a informaţiei: http://en.wikipedia.org/wiki/Zacarias_Moussaoui şi http://en.wikipedia.org/wiki/Sami_Essid

30
Este egal cu măsura în care un nod este conectat cu alte noduri bine conectate. De exemplu, algoritmul
Google PageRank se bazează pe metoda de măsurare a centralităţii eigenvector.

Eigenvector a fost utilizat cu precădere în cercetarea reţelelor sociale ( Faust, 1997) şi este calculat cu
ajutorul teoriei potrivit căreia centralitatea unui subiect este proporţională cu numărul contactelor
deţinute de acesta şi cu centralitatea acestor contacte, la rândul lor( Bonacich, 1972).

Centralitatea unui nod este proporţională cu suma centralităţilor nodurilor cu care este conectat.

+ Avantajele şi dezavantajele unui nod cu un nivel ridicat al eigenvector -

Poate asista la lupta pentru putere din jurul său

Un lider printre lideri Posibil status de discrepanţă: puternic informal – status
oficial scăzut

Studiu de caz: Reţeaua teroristă de la 11 septembrie [4/4]

31
În acest studiu de caz, dimensiunea nodului a fost stabilită potrivit nivelului eigenvector (cu cât este mai mare
nodul, cu atât eigenvector este mai ridicat).

Eigenvector ridicat: Mohamed Atta … dar

de asemenea Marwan al-Shehhi

http://www.globalsecurity.org/sec
urity/profiles/marwan_al-
shehhi.htm

Constatarea principală: Marwan al-Shehhi a fost un puternic secund la comandă, ceea ce

înseamnă că eliminarea lui Atta din reţea înainte de atacurile de la 11
septembrie nu ar fi demontat reţeaua.

Derularea evenimentelor10: Detonator al United Airlines Flight 175 (al doilea avion programat să
se prăbuşească în WTC – Turnul de Sud).

Biografia sa este puternic interconectată cu cea a lui Mohamed Atta.

10
Sursa primară a informaţiei: http://en.wikipedia.org/wiki/Marwan_al-Shehhi

32
 La 11 septembrie, Shehhi a dat un telefon de 3 minute lui Mohamed
Atta, înainte de decolarea celor două avioane pe care intenţionau să
le detoneze.

Aplicaţii
1. Folosind studiul de caz „Atacurile teroriste de la 11 septembrie”, identificaţi care nod are cel mai
ridicat eigenvector.
2. Folosind studiul de caz prezentat, identificaţi principalele concepte cheie care v-au fost prezentate -
nodurile principale din reţelele prezentate, cine are cel mai mare degree etc .

Teme de evaluare

1. Identificaţi în studiul de caz prezentat o triadă.

2. Cum pot fi clasificate nodurile?
3. Ce tipuri de grafuri cunoaşteţi?
4. Care este diferenţa dintre o diadă şi o triadă?
5. La ce se referă centralitatea?
6. Care este diferenţa dintre „legătură”, „path”, „walk” şi „trail”?

33
Unitatea de învăţare 5. Niveluri de analiză

Obiectivele unităţii de învăţare

După ce vor studia această unitate, masteranzii vor putea:

 să descrie fiecare nivel de analiză în parte;

 încadreze un tip de analiză în unul din cele trei niveluri şi subniveluri de analiză prezentate.

Micro
Nivelul micro de analiză a reţelelor sociale este centrat de obicei pe dinamica grupurilor mici de indivizi
aflaţi într-un context social specific (prietenie, familie, organizaţie, instituţie).

1. Nivelul “Actor”

Analiza reţelelor sociale începe de la cea mai mică structură: individul - subiectul social. Câteva criterii,
precum centralitatea, prestigiul şi rolurile jucate (izolaţi, conexiuni, poduri etc.), determină “importanţa”
sau funcţia unui nod într-o reţea. Analiza reţelelor bazate pe subiectul-centric, cunoscute ca reţelele
ego-centrice, sunt cel mai des utilizate în studiile privind relaţiile genealogice dintre indivizi ( de exemplu,
în psihologie sau psihosociologie).

2. Nivelul “Diadic”

Ca şi concept sociologic, diada este unitatea fundamentală a interacţiunilor şi relaţiilor interpersonale,

adică, relaţia socială dintre doi indivizi. Este cel mai mic grup social posibil. Structura, egalitatea socială
şi reciprocitatea sunt concepte bazate pe natura relaţiilor interpersonale dintre doi indivizi.

O relaţie de tip diadă între indivizi devine mult mai solidă şi puternică cu cât membrii săi petrec mai
mult timp împreună şi au o conexiune emoţională de nivel egal de intensitate. Dat fiind faptul că
indivizii interacţionează datorită necesităţii de socializare şi cooperare, conexiunea s-ar putea
dezintegra oricând dacă anumite cerinţe nu sunt respectate de ambii parteneri.

Relaţia într-o diadă nu este creată de doi indivizi independenţi: se bazează întotdeauna pe un element
comun care uneşte entităţile, cunoscut sub numele de non-independenţă.

Dacă rezultatele celor doi membri ai diadei sunt non-independente, atunci acele scoruri sunt
mult mai asemănătoare între ele, decât sunt alte scoruri care provin de la două persoane care
nu sunt membri ai aceleiaşi diade. Non-independenţa poate apărea atunci când două persoane
au ceva în comun (căsătorie, prietenie), sau chiar atunci când doi indivizi nu au interacţionat
niciodată dar împărtăşesc o experienţă comună: de exemplu, abia s-au întâlnit pentru prima
oară la acelaşi medic sau pe Internet.

Kenny, Kashy şi Cook (2006) susţin că există trei modalităţi în care pot fi conceptualizate diadele:

34
  Sub forma unei asocieri între două enttăţi individuale – fiecare membru al diadei este văzut
ca o unitate singură. În această structură individuală, variabilele nivelului diadic ar trebui să fie
introduse de două ori, câte o dată pentru fiecare individ. Utilizarea abordării structurii
individuale are două mari dezavantaje:

o încurajează cercetătorii să analizeze datele cu entităţi unice ca unitate a analizei;

o nu reuşeşte să ia în considerare influenţa caracteristicilor partenerului în trăsăturile

proprii ale individului.

 Sub forma unei unităţi distncte – există o singură unitate pentru fiecare diadă.

 Sub forma unei structuri pereche – o combinaţie a primelor două abordări, în sensul că există
o variabilă pentru fiecare individ, dar rezultatele ambilor parteneri apar de asemenea pentru
fiecare variabilă.

3. Nivelul “Triadic”

O triadă este un concept care desemnează un grup format din trei indivizi. Este unul dintre cele mai
simple grupuri care pot fi studiate. Ca şi în cazul analizei la nivelul “diadic”, cercetarea triadei se
bazează pe subiecţi precum egalitate socială, reciprocitate, dar, spre deosebire de diadă, o triadă este
de obicei un “aranjament” mai puţin stabil, deoarece în vremuri de constrângere apare o tendinţă
socială de polarizare (doi împotriva unuia). Nivelul ridicat al riscului de apariţie a instabilităţii într-o
triadă, poate genera un conflict, motiv pentru care acest tip de grup social este de obicei evitat ( de
exemplu, poligamia).

4. Nivelul “Subgrup”/ “Subset”

Nivelul subgrup este un tip intermediar de analiză, care îşi are baza în abordarea nivelului micro. Spre
deosebire de nivelurile actor, diadic şi triadic, se bazează pe subiecţi precum distanţa, accesibilitatea11,
clici12, subgrupuri coezive şi alte acţiuni de grup sau modele de comportament.

Meso
În ceea ce priveşte mărimea populaţiei, nivelul meso al analizei este un punct de legătură între
nivelurile micro şi macro. Ea se concentrează în principal pe grupuri mari, cu limitele mai mult sau mai
puţin clare. Astfel de grupuri pot fi formale - organizaţii ( grupuri sociale menite să delege, în mod organizat,
sarcini diferite unui grup mare, pentru a fi atinse obiectivele colective ) - sau informale (o varietate de arhitecturi
de reţea de mari dimensiuni, care nu au un scop specific sau explicit ).

Reţelele sociale, care se găsesc în organizaţii sunt alcătuite din legături inter-organizaţionale şi intra-
organizaţionale formale şi informale.

Grupurile de nivel meso sunt alcătuite din unităţi sociale de mărime intermediară, care pot fi atât de
mari, astfel încât mulţi membri nu îi cunosc pe toţi cei din grup şi pot avea acces limitat la lideri.
Grupurile nu sunt atât de mari încât să îi facă pe lideri să pară a fi distanţi sau inabordabili.
11
Conceptul de componentă puternic conectată al unui graf se referă la un subgraf al accesibilităţii direct
implicate (care este oferită de existența unei căi/ path între noduri) între toate nodurile existente.
12
Conceptul de "clică" descrie un grup de 2-12 persoane care au o relaţie mai strânsă cu alţii, şi care interacţionează în mod regulat unul cu
altul (de exemplu, se întâlnesc frecvent, trăiesc împreună, merg la cumpărături, etc). În general, o clică este compusă din 5 sau 6 indivizi care
împărtăşesc mai multe atribute, inclusiv vârsta, sexul, naţionalitatea, fundalul socio-economic, rasa şi statutul social.
Interacţiunea cu o "clică" este adesea văzută dintr-o perspectivă socială ca ceva normal şi firesc, pentru că, indiferent de sex sau etnie, aceasta
este o parte importantă a dezvoltării sociale normative. Clicile pot fi studiate în special în rândul adolescenţilor.

35
 „Dacă nu îl cunoşti tu însuţi pe lider, probabil cunoşti pe cineva care este prieten cu liderul.”

Toţi indivizii fac parte din nivelul meso al unităţilor sociale (de exemplu, milioane de oameni pot să aparţină
aceluiaşi cult religios sau partid politic) , având legături cu membrii, în timp ce vieţile lor sunt afectate de
oameni pe care nici măcar nu îi cunosc (Ballantine & Roberts, 2011).

Macro
Nivelul macro este cel mai mare în rândul grupurilor sociale. Analiza la nivel macro este de obicei,
înglobată în teoriile structurale şi conflictuale, şi în studiile dinamicii societăţii şi transformării epocale a
structurilor culturale şi sociale. De fapt, nivelul macro nu studiază părţile mari ale societăţilor, ci şi
societatea ca întreg. Globalizarea a ajutat extinderea gradului de studiu la nivel macro care să implice
tot mai multe comunităţi.

Cele mai multe reţele mari au anumite caracteristici de complexitate socială, care necesită existenţa
unor trăsături ale topologiei reţelei - modele de conexiuni complexe între elemente care nu sunt nici
pur regulate, nici pur aleatoare.

Aceste caracteristici se bazează pe:

 Reciprocitate - Tendinţa perechilor de noduri de a forma conexiuni reciproce. Această

arhitectură facilitează transferul de resurse.

 Clustering/ Grupare - măsura gradului în care nodurile într-un graf tind să se grupeze. În
general, nodurile reţelelor sociale au tendinţa de a crea, grupuri extrem de puternice şi dense.

 Asociatvitate - ataşamentul nodurilor faţă de alte noduri care sunt similare sau diferite într-un
anumit fel.

 Structura comunităţii (“Community structure”) – tendinţa nodurilor de a crea grupuri în cadrul

reţelei cele mai mari.

Există două tipuri principale de reţele complexe: exponenţiale şi independente de scală (vezi primul
capitol).

Aplicaţii
1. Identificaţi un model de analiză de reţea socială realizată la nivel macro, unul la nivel meso şi altul la
nivel micro.

Teme de evaluare
1. Identificaţi care dintre cele trei niveluri de analiză expuse este cel mai complex. Explicaţi.
2. Care este principalul element distinctiv între cele trei niveluri de analiză prezentate?
3. Care sunt caracteristicile pe care se bazează analiza la nivel macro?

36
 Unitatea de învăţare 6. Seturi şi surse de date

Obiectivele unităţii de învăţare

După ce vor studia această unitate, masteranzii vor putea:

 să se familiarizeze cu principalele tipuri de seturi şi surse de date pe baza cărora se realizează

analiza de reţea socială;
 să evidenţieze modalităţile de transformare a datelor din chestionare, înregistrări scrise, observaţie
directă şi experimente în matrici, pentru a putea fi analizate cu ajutorul software-urilor de
specialitate din domeniu.

Seturi de date
De obicei, în cazul analizei de reţea, există 3 tipuri de seturi de date: uni-modale (un set de entităţi – de
exemplu legăturile din interiorul unei reţele de copii ), bi-modale (două seturi de entităţi – de exemplu legăturile
dintre un set de actori şi liceul sau facultatea absolvite) şi matricea de atribute (de exemplu datele socio-
demografice asociate cu fiecare individ al reţelei).

Seturile de date de tipul modal şi bimodal pot conţine atât date binare ( 1 – “este”, 0 – “nu este” şi/ sau “nu
se aplică”13) şi valori (de exemplu, intensitatea relaţiilor poate fi măsurată pe o scală de la 1 la 5 ).

Un alt set concret de date este o reţea de tipul 3-mode: A lucrează la

Proiectul X în T0 (moment în timp) şi la Proiectul Y în T1, în timp ce B
lucrează la Proiectul X în T1 şi la Proiectul Z în T2.

Matrice uni-modală Matrice bi-modală

binare

13
De exemplu, într-o reţea de prietenie modală, un individ nu poate fi propriul său prieten. În aceste tipuri de seturi de date, diagonala este,
de fiecare dată, 0.

37
valori
Matrice de atribute
Surse de date
Reţelele sociale pot fi construite ca rezultat al analizei datelor din:
Chestonare
Este unul dintre cele mai directe şi eficiente moduri
pentru identificarea arhitecturii unui grup.
+: Nu există intermediari între analist şi subiecţi.
-: Este aplicabil doar oamenilor. Uneori oamenii mint.
Observaţii directe
Este o metodă care implică un consum mare de timp,
dar rezultatele sunt semnificative. Analistul poate să
observe interacţiunile atât în mod conspirat, cât şi în
mod direct, asumat.
+: Acţiunile sunt mai vocale decât cuvintele (A poate
spune că îi place B, dar acţiunile sale pot denota
opusul).
38
Înregistrări scrise
Una dintre cele mai de încredere surse de date, plecând
de la premisa că analistul a operaţionalizat corect cu
conceptele (de exemplu, co-autoratul indică prietenia).
+: Nu există şanse de inducere în eroare.
Analizează o varietate de reţele.
-: Imaginaţia sociologică joacă un rol important.
Experimente
Subiecţii sunt observaţi în contexte non-familiare şi
sunt însărcinaţi să realizeze acţiuni care nu fac parte din
rutina lor zilnică.
+: Singurul mod de a testa emergenţa reţelelor (practic,
determinăm reţeaua să se comporte într-un mod
pentru care nu a fost proiectată).
-: În cazul în care subiecţii ştiu că sunt studiaţi, există -: De cele mai multe ori, subiecţii sunt conştienţi că
posibilitatea să-şi schimbe comportamentul. participă într-un context non-familiar. Experimentele
Observarea directă este riscantă. spun foarte puţine despre interacţiunile de zi cu zi.

Abordare indirectă: Derivaţie

Derivaţia (analizarea unui set de relaţii şi formularea concluziilor despre un alt set: dacă A şi B vizitează aceeaşi
cafenea, atunci există posibilitatea ca A şi B să fi prieteni) este o abordare indirectă ce poate fi folosită când nu
poate fi obţinut setul de date dorit (analistul nu ştie că A şi B sunt prieteni) sau când o abordare mai directă ar
putea determina răspunsuri nenaturale (de exemplu, adresarea unor întrebări directe despre comportamentul
sexual implică răspunsuri sfioase). Poate fi folosit împreună cu chestionarele, înregistrările scrise, observaţia
directă şi experimentele.

+: abordarea indirectă limitează apariţia erorilor.

-: Validitatea metodologică este o întrebare-cheie! Este setul de date A un indiciu relevant în raport cu relaţia de
care sunt cu adevărat interesat?

Transformarea datelor din chestonare, înregistrări scrise, observaţie directă şi

experimente în matrici
Chestonare

Exemplu: Completaţi tabelul. În funcţie de ceea ce credeţi cu privire la un anumit coleg ( îmi place; îmi
este indiferent; îmi displace ), trasaţi celula potrivită în dreptul numelui. Este posibilă doar o singură
opţiune pentru fiecare coleg.

Lăsaţi rândul din dreptul numelui dumneavoastră necompletat.

Nume Îmi place Îmi este Îmi displace

indiferent

Andreea X

Steve X

Roberta

John X

Maria X

Michael X

Tina X

Matricea şi graful corespondente:

39
 Înregistrările scrise

Exemplu: Un analist OSINT vrea să identifice care este relaţia dintre cele mai “faimoase” 5 bloguri din
România („zoso.ro”, „arhiblog.ro”, „gaben.ro”, „cabral.ro”, „sebastianbargau.ro ”). Abordarea sa a constat în
analizarea individuală a secţiunii “Blogroll”, pentru a vedea dacă se menţionează reciproc.

http://www.zoso.ro/

Matricea şi graful corespondente:

Observaţiile directe

Exemplu: Un specialist de resurse umane a fost însărcinat cu eficientizarea unui grup de angajaţi
subperformanţi. Grupul este constituit din: John ( team leader), Kathy, Ben, Alice, Kim and Beatrice
(membri ai echipei). După petrecerea unei săptămâni cu angajaţii, specialistul de resurse umane a
formulat o ipoteză: grupul nu performează la valorile necesare deoarece angajaţii nu au avut un sistem
colaborativ orientat în funcţie de rolul fiecăruia. Aceşti au ales să solicite ajutor în funcţie de
preferinţele afective.

De exemplu, specialistul de resurse umane a notat că John lucrează bine cu toată lumea, în timp ce
Alice, un alt angajat valoros, pare să coopereze bine doar cu John şi Kim.

40
Matricea şi graful corespondente:

Experimente

Exemplu: Acelaşi specialist de resurse umane care a vrut să-şi testeze ipoteza ( relaţiile de muncă au fost
construite în acord cu preferinţe afective, nu cu un rol prestabilit de interdependenţă ). A însărcinat un grup de
6 persoane să soluţioneze 2 puzzle-uri. Nu i-a instruit pe angajaţi, nici nu a menţionat numărul maxim
sau minim de angajaţi pe echipă. Specialistul în resurse umane a observat că Alice şi Kim au format o
echipă, în timp ce restul grupului, cealaltă.

Matricea şi graful corespondente:

Derivaţia

Exemplu: Să presupunem că nu am avut acces la datele din cadrul studiului de caz realizat pe baza
Chestionarului, însă suntem interesaţi să identificăm care este dinamica socială într-un grup de
studenţi. Nu putem adresa întrebări direct copiilor pentru a obţine aceste date, însă, putem să vedem
cât de bine pot performa copiii în anumite clase. Plecăm de la premisa că există o posibilitate mai mare
ca cei care au aceleaşi interese să fie prieteni.

41
Matricea şi graful corespondente:

Datele validează ipotezele noastre anterioare: în interiorul reţelei există două clici legate prin Steve,
Roberta şi Maria.

Aplicaţii
1. Folosind un tip de set de date la alegere, ilustraţi graful acesteia folosindu-vă de software-ul de
specialitate „UCINet”.
2. Specificaţi ce tip de date pot conţine matricile modale şi cele bimodale.

Teme de evaluare

1. Enumeraţi principalele surse de date care pot fi utilizate în analiza de reţea.

2. Care dintre cele trei tipuri de surse de date este cel mai complex? Argumentaţi.

42