Datalähtöinen sosiaalisten verkostojen analyysi: tapaus Suomen Lasten Parlamentti

Abstract

Tieteellinen kiinnostus sosiaalisten verkostojen analysointiin on kehittynyt ja kasvanut tietokoneiden ja webin myötä. Verkkopalveluiden suuret käyttäjämäärät ja niiden sisällä tapahtuvat käyttäjien muodostamat sosiaaliset vuorovaikutussuhteet tekevät mielenkiintoiseksi, niin markkinataloudellisesti kuin tieteellisestikin, käyttäjien muodostamien sosiaalisten verkostojen analysoimisen.

Sosiaalisia verkostoja voidaan tulkita matemaattisin menetelmin ja visualisoida graafeilla. Sosiaalisten verkostojen matemaattiset analysointimenetelmät nojaavat graafiteoriaan ja matriisilaskentaan. Tietotekniikan avulla voidaan yhdistää ja automatisoida sosiaalisten verkostojen analyysin kannalta olennaiset vaiheet tiedon keräys, matemaattiset ja laskennalliset menetelmät sekä tulosten visuaalinen esittämisen graafeina. Graafien informatiivisuutta voidaan lisätä muokkaamalla visuaalisia elementtejä, kuten solmujen väriä, kokoa ja paikkaa, verkostoista laskettavien tunnuslukujen avulla.

Tässä diplomityössä esitetään Suomen Lasten Parlamentti tapauksessa web-poh-jaisiin keskustelualueisiin sovellettuja sosiaalisten verkostojen laskennallisia menetelmiä sekä tulosten visualisointeja. Lisäksi esitetään uudenlainen työväline, joka yhdistää tiedonlouhinnan, matemaattisen analyysin ja visualisoinnin yhdeksi kontekstiherkäksi sovellukseksi.

Laskennallisilla menetelmillä on löydetty SLP-tapauksen keskustelualueista muodostetuista verkostoista erilaisia merkittävimpiä tekijöitä. Keskusteluiden mallintamistavalla tiedosta verkostoiksi huomattiin olevan merkittävä vaikutus laskennallisiin lopputuloksiin. Tutkimuksen tuloksena havaittiin, että keskustelualueista voidaan mallintaa verkostoja, joista voidaan löytää merkittäviä tekijöitä matemaattisilla menetelmillä. Näitä tekijöitä ja matemaattisia menetelmiä sovellettaessa joudutaan soveltamaan sisällöllistä analyysiä, jotta voidaan selvittää mitä laskennalliset menetelmät kertovat mallinnetusta verkostosta. Lisäksi havaittiin, että epäsopivalla mallintamisella voidaan päätyä tilanteeseen, jossa edistyneet laskennalliset menetelmät eivät tuota lisäinformaatiota verkostosta. /Kir10

The scientific interest towards SNA (Social Network Analysis) has been developing and growing along the computers and the Web. The massive amount of users on Web services and the social interactions between the users on them make analysis of user generated social networks intriguing economically as well as scientifically. Social networks can be modeled with mathematical methods and represented with graph visualizations. The mathematical methods of SNA focuses on graph theory and matrix algebra. By using computer science, the necessary phases of SNA data collection, data modeling, mathematical and computational methods, and visual representation of results with graphs can be combined and automated. Informativeness of graphs can be increased by modifying visual elements, such as size and position of nodes with respect to calculated metrics. This Master of Science Thesis describes those SNA and visualization methods that are used on case Finnish Children's Parliament web based discussion forums. In addition, a new tool is represented which combines datamining, and mathematical analysis and visualization into a single context sensitive tool. By using metrics, one can determine the most important actors in a modeled network. The method of modeling discussion forums into a network has been found to affect the results of computational metrics. Also, discussion forums have been modeled into networks, from which most important actors have been determined by using mathematical methods. When applying these metrics onto networks, qualitative research must be used to understand the context. Moreover, improper modeling of network may lead to situations where advanced metrics give no additional information about the network.