مقدمه ای بر شبکه های چند سطحی اجتماعی
8,500 تومانشناسه فایل: 9919
- حجم فایل ورد: 26.9KB حجم پی‌دی‌اف: 112.5KB
- فرمت: فایل Word قابل ویرایش و پرینت (DOCx)
- تعداد صفحات فارسی: 7 انگلیسی: 3
- دانشگاه:
- University of Italian Switzerland, Lugano, Switzerland
- School of Psychological Sciences, University of Melbourne, Australia
- School of Social Sciences, University of Manchester, UK
- ژورنال: Social Networks (1)
بخشی از ابتدای مقدمه مقاله
تحقیقات شبکه اجتماعی بر بررسی سیستمهای اجتماعی از طریق مفهوم سازی در مورد ساختار داخلی آنها بر حسب مجموعه وابستگی های پیچیده بین عوامل اجتماعی به شکل جوامع دوتایی، تمرکز دارد. بعضا، مدلها برای شبکه های اجتماعی ، ویژگهای مکملی را بهمراه دارند مثل صفات حامی. مدلها برای شبکه های اجتماعی هم چنین ممکن است به طرق گوناگون مثلا با بررسی نمایش های چندگانه یا دو قسمتی گسترش یابند. در عین حال، ممکن است استنباطهای نادرست از تحلیل شبکه استخراج شود اگر عناصر حیاتی ساختار اجتماعی زمانی نادیده بگیرد که داده ها جمع اوری میشوند یا در مدل بکار رفته برای تحلیل، به طور نادرست مشخص میشوند. ما به عنوان پژوهشگران اجتماعی، به این مساله کاملا واقفیم، زیرا از تحلیل انفرادی صفات، زمانیکه ساختار اجتماعی مرتبط است، میپرهیزیم. در یکی از مقالات پایه ای آنالیز شبکه اجتماعی معاصر، هریس وایت و همکارانش در مورد تکیه به دسته بندی اجتماعی به عنوان مبنای انحصاری برای درک ساختار اجتماعی، هشدار دادند: “… توصیفات قاطع ساختار اجتماعی به طور وسیعی، از زمینه ی نظری استوار برخوردار نیست… مفاهیم شبکه ممکن است فقط راهی برای ساخت یک نظریه ساختار اجتماعی را فراهم نماید” ( وایت و همکارانش 1976، ص.732). محققان شبکه (اما نه همه ی دانشمندان اجتماعی)، این درس را به خوبی آموخته اند. در عین حال، با وجود اینکه هشدار وایت پذیرفته شده است، خیلی وقتها ما خود را با نمایش شبکه ی نسبتا ساده راضی میکنیم، بدون اینکه در مورد این مساله تفکر کنیم که آیا مفهوم سازی ما، برای منظور تحقیقاتی مان، کافی است. ما اینجا با انتخاب های نظری مهم مواجه هستیم و البته، کنترل برای هر عامل ممکن، عملی نیست. سیستم های اجتماعی ممکن است دارای عناصر پویا، زمانی و زمینی- فضایی مهمی باشند و اگر به آنها به صورت مرکزی برای فرایندهایی که بررسی میکنیم، بنگریم، آنگاه لازم است آنها در مفهوم سازی ما از سیستم اجتماعی، تلفیق شوند و از اینرو، در نوع داده ای که جمع میکنیم، وارد شوند. مسائل ویژه ی اخیر در مورد شبکه های اجتماعی، بر تحقیقات شبکه شامل عوامل پویا و فضایی، تمرکز یافته اند. سیستم های اجتماعی هم چنین میتوانند حاوی سلسله مراتب باشند. در مقاله ی کلاسیک هربرت سیمون “معماری پیچیدگی” (1996) او یک آنالیز جذاب را از مکانیسمهای تکاملی مسئول تولید ساختار سلسله وار ارائه میدهد که به کرّات در سیستم های اجتماعی و طبیعی مشاهده میشود. ساختار سلسله مراتبی سیستم های اجتماعی واقعی، معمولا شکل چند سطحی به خود میگیرند- با لایه های سلسله مراتبی چندگانه که هر یک مقدمات تصمیم برای لایه بلافاصله پایین تر را ایجاد میکنند (March and Simon, 1958. چنین ساختار چند سطحی، برای سیستم های اجتماعی ذاتی محسوب میشود، نه اینکه به سادگی پدید آید و لذا ممکن است نیاز به نمایش آشکار داشته باشد. این سازمان، آشکارترین سازمان غیر رسمی است که بعضا به صورت سیستم های چند سطحی با افراد آشیانه گرفته در تیمها، کارکردها یا تقسیمات، طراحی میشوند (Lomi and Larsen, 2001; Zappa and Lomi, 2015).برای این منظور، تیمهای مدلسازی در سازمانها، همانند گروه های اجتماعی مدلسازی در فضاهای اجتماعی کمتر ساخت یافته، نیست (Freeman, 1992;Marsden and Campbell, 1984). با وجود اینکه فراخوانها برای تحلیل شبکه، ماهیت چند سطحی سازمانها را مد نظر قرار میدهند (مثلا، Brass et al., 2004 )، اما بیشتر آنالیزهای شبکه سازمانی تاکنون بر سطح واحدی تمرکز یافته اند (برای مثالهای نقض، Moliternoand Mohony (2011)را ملاحظه نمایید). شاید تصادفی نباشد که بیشتر مقالات مشمول در این شماره نشریه ویژه در فضاهای سازمانی رسمی قرار دارند. همانطور که اسنیجرز اخیرا گفته است (2015، در مطبوعات): “آنالیز شبکه اجتماعی اساس یک امر چند سطحی با تمرکز بر رابطه هاست تا به موجب آن، صفات از قبل در سطح حامی و سطح دوتایی ترکیب شوند”. شبکه های چند سطحی، در عین حال، دارای تعریف دقیقی هستند. آنها به صورت انواع بارز گره های تعریف شده در سطوح چندگانه ی مختلف، مفهوم سازی میشوند (مثلا افراد و گروه ها) با پیوندهای ممکن بین همه ی گره ها، هم در سطح و هم بین سطوح (مثلا انواع مشخص پیوندهای دوتایی در سطح انفرادی و در سطح گروهی، هم چنین وابستگی های گروهی- انفرادی). این نوع ساختار داده، توسط واسرمن و آیکوبوسی ربع قرن قبل، مورد مطالعه قرار گرفت (Iacobucci and Wasserman, 1990; Wassermanand Iacobucci, 1991) ،اما آن حوزه بعدها، کم رنگ باقی ماند. در نظریه پایداری گروه کارلی (1991)، او بین اولین کسانی بود که مفاهیم شبکه ی چند سطحی را به طور صریح در تحلیل فرایندهای گروهی در سازمان، مطرح کرد.
با وجود این سیگنالهای اولیه مورد توجه در شبکه های چند سطحی، تا دهه ی گذشته بود که لازگا و همکارانش این ایده ها را در زمینه ی علاقه ی تجربی خود به روابط تشریک مساعی بین محققان سرطان وابسته به لابراتوارهای تحقیقاتی مختلف را ایجاد نمودند (Lazega et al., 2008). آنها نشان دادند سیستم اجتماعی تشریک مساعی در این حوزه ی سازمانی خاص، نمیتواند به طور مناسبی بدون توضیح برای دو سطح حوزه، درک شوند: سطح حوزه پژوهشگران انفرادی و حوزه لابراتورهای پژوهشی، وانگ و همکارانش (2013) ساختار داده ی لزگا و همکارانش را تعمیم دادند و مشخصات مدل گراف تصادفی نمایی را برای مطالعه ی ساختار اجتماعی، ارائه نمودند. به طور دسته جمعی، مقالات مشمول در این شماره نشریه ویژه، دسترسی و تاثیر گذاری را نشان میدهد که این ایده های چند سطحی، در انواع حوزه های مورد توجه حقیقی دارند، مثلا روابط بین سازمانی، روابط بین المللی و مدیریت عمومی.
مغشوش نکردن یک مفهوم سازی شبکه ی چند سطحی با رویکردهای تحلیلی چند سطحی استاندارد، حائز اهمیت است. در فرمولاسیون آماری استاندارد (دو سطحی) مدلهای چند سطحی، یک فرد در گروه ها آشیانه میگیرد، با پیامدهای انفرادی مورد مطالعه با تقسیم واریانس در سراسر هر دو سطح، همانطور که اثرات تصادفی سطح انفرادی و گروهی، ناهمبسته فرض میشوند و هم چنین مستقل از همدیگر در سطوح هستند. این مساله سبب ایجاد روشهای مدلسازی خطی سلسله مراتبی آشنا میشود (مثلا Snijders andBosker, 2012). در یک شبکه چند سطحی، از سوی دیگر، ممکن است وابستگی های پیچیده ای در شکل شبکه دوتایی در کل سطح وجود داشته باشد؛ وابستگی متقابل- نه استقلال- به طور صریح در سطوح فرض شد. مدلهای گراف تصادفی نمایی چند سطحی (MERGMs) به عنوان مثال، میتوانند برای بررسی ساختار پیوند یک شبکه چند سطحی بکار روند، همانطور که مخالف پیامدهای انفرادی (مبتنی بر گره) است. از این گذشته، مغشوش نکردن تحلیل مبتنی بر مدل چند سطحی مشترک چندین شبکه ی مجزا (اینجا عبارت “چند سطحی” اغلب به صورت مترادفی برای “مدلسازی خطی سلسله مراتبی است”)، با مدلهایی برای یک شبکه ی چند سطحی حائز اهمیت است (Snijders, 2015، در مطبوعات؛Zappa and Lomi, 2015; Wang et al., 2012). یک نمونه از تحلیل چند سطحی شبکه ها، تحلیل داده های شبکه- اگو با یک مدل چند سطحی است، همانطور که توسط اسنیجرز و همکارانش 1995 نشان داده شده است. یک نمونه ی دوم از آنالیز چند سطحی شبکه، اثر لابرز و اسنیجرز (2007) در آنالیز مجدد آنها از 102 شبکه ی دانش آموزی در کلاسهای مدرسه است. آنها کار خود را با تطبیق ERGM مجزا به شبکه ی دوستی در هر کلاس مدرسه، شروع کردند. آنگاه یک متاآنالیز تخمینهای پارامتر ERGM را برای هر دسته، با ترکیب آنها در یک چارچوب مدل چند سطحی، انجام دادند. تخمینهای پارامتر حاصل در بخش ثابت مدل چند سطحی، اجازه ی ارزیابی کلی ساختار شبکه ی دوستی در کلاسهای مدرسه در داده های آنها و از طریق اثرات تصادفی را میدهد، هم چنین ممکن است استنباطهایی را در مورد ساختار پیوند دوستی در کلاسهای ویژه در نمونه ی آنها، ایجاد کند. آنالیز شبکه چند سطحی، از سوی دیگر، آنالیز یک شبکه ی چند سطحی ویژه است، که به مطالعه ی یک ساختار داده ی شبکه چند سطحی با پیوندهای بین گره ها در بیش از یک سطح، هدایت میشود و اغلب هم، پیوندها بین سطوح هستند. نمونه ها در بالا ارائه شده اند. نمونه ها و کاربردهای تحلیلهای شبکه ی چند سطحی اضافی، ممکن است در یک مجلد آماده ی ارائه از مطالعات جمع اوری شده، یافت شود (Lazega and Snijders,2016, in press).
Introduction
Social network research focuses on the study of social systems by conceptualizing their internal structure in terms of sets of complex dependencies among social agents in the form of dyadic social ties. Typically, models for social networks incorporate additional features such as actor attributes. Models for social networks may also be extended in various ways by considering, for example, multiplex or bipartite representations. However, incorrect inferences can be drawn from social network analysis if the system is conceptualized in an overly simplistic way. This can happen if crucial elements of social structure are ignored when the data are collected, or are mis-specified in the model used for the analysis. As social network researchers, we know this well, because we avoid individualistic analysis of attributes when social structure is relevant. In one of the foundational articles of contemporary social network analysis, Harrison White and co-authors warned against relying on social classification as the sole basis for understanding social structure: “. . .largely categorical descriptions of social structure have no solid theoretical grounding; . . . network concepts may provide the only way to construct a theory of social structure” (White et al., 1976, p.732). Network researchers (but not all social scientists) have learnt that lesson well. Yet, having imbibed White’s warning, we all-too-often content ourselves with a relatively simple network representation, without thinking through whether our conceptualization is sufficient for the purpose of our research. We face important theoretical choices here, and of course it is not feasible to control for every possible factor. Social systems may have important dynamic, temporal and geospatial elements, and if we regard these as central to the processes we are studying, then they need to be incorporated into our conceptualization of the social system and hence into the type of data we collect. Recent special issues of Social Networks have concentrated on network research involving dynamic and spatial factors. Social systems can also contain hierarchy. In his classic paper on the “architecture of complexity,” Herbert Simon (1962) offered a compelling analysis of the evolutionary mechanisms responsible of producing the hierarchical structure so frequently observed in social and natural systems. The hierarchical structure of actual social systems typically takes on a multilevel form – with multiple hierarchical layers each establishing the decision premises for the immediately lower layer (March and Simon, 1958). Such multilevel structure is intrinsic to social systems, not simply emergent, and so may need explicit representation. This is most obvious in formal organizations that are typically designed as multilevel systems with individuals nested within teams, functions, or divisions (Lomi and Larsen, 2001; Zappa and Lomi, 2015). For this reason, modeling teams within organizations is not the same as modeling social groups in less structured social settings (Freeman, 1992; Marsden and Campbell, 1984). Despite calls for network analysis to take into account the multilevel nature of organizations (e.g., Brass et al., 2004), most organizational network analysis to date has concentrated on a single level (for counterexamples, see Moliterno and Mohony (2011)). Perhaps it is not by accident that most papers included in this special issue are situated in formal organizational settings. As Snijders recently observed (2015, in press): “Social network analysis is fundamentally a multilevel affair with its focus on relations rather than attributes, thereby already combining the actor level and the dyadic level.”. Multilevel networks, however, have a precise definition. They are conceptualized as distinct types of nodes defined at different multiple levels (e.g., individuals and groups) with ties possible between all nodes, both within and across levels (e.g. distinct types of dyadic ties at the individual- and the group-level, as well as individual-group affiliations). This type of data structure was studied by Wasserman and Iacobucci a quarter of a century ago (Iacobucci and Wasserman, 1990; Wasserman and Iacobucci, 1991), but that field was then left fallow. In her theory of group stability, Carley (1991) was among the first to reintroduce multilevel network concepts explicitly in the analysis of group processes within organizations.
Despite these early signals of interest in multilevel networks, it was not until the last decade that Lazega and colleagues developed these ideas in the context of their empirical interest in collaborative relations among cancer researchers affiliated to different research laboratories (Lazega et al., 2008). They demonstrated that the social system of collaboration in this particular organizational field could not be properly understood without accounting for two levels of agency: that of the individual researchers, and that of the research laboratories in which they are contained. Inspired by this research, Wang et al. (2013) generalized the Lazega et al. data structure and proposed an exponential random graph model specification to study the social structure. Collectively, the papers contained in this special issue demonstrate the reach and influence that these multilevel ideas have in a variety of fields of substantive interest including, for example, interorganizational relations, international relations, and public administration.
- مقاله درمورد مقدمه ای بر شبکه های چند سطحی اجتماعی
- پروژه دانشجویی مقدمه ای بر شبکه های چند سطحی اجتماعی
- معرفی شبکه های چند سطحی اجتماعی
- پایان نامه در مورد مقدمه ای بر شبکه های چند سطحی اجتماعی
- تحقیق درباره مقدمه ای بر شبکه های چند سطحی اجتماعی
- مقاله دانشجویی مقدمه ای بر شبکه های چند سطحی اجتماعی
- مقدمه ای بر شبکه های چند سطحی اجتماعی در قالب پايان‌نامه
- پروپوزال در مورد مقدمه ای بر شبکه های چند سطحی اجتماعی
- گزارش سمینار در مورد مقدمه ای بر شبکه های چند سطحی اجتماعی
- گزارش کارورزی درباره مقدمه ای بر شبکه های چند سطحی اجتماعی