Soziales Netzwerk

Ein soziales Netzwerk ist eine soziale Struktur, die aus einer Menge sozialer Akteure (wie Einzelpersonen oder Organisationen), Netzwerken dyadischer Beziehungen und anderen sozialen Interaktionen zwischen den Akteuren besteht. Die soziale Netzwerktheorie bietet eine Reihe von Methoden zur Analyse der Struktur ganzer sozialer Einheiten sowie verschiedene Theorien, die die in diesen Strukturen beobachteten Muster erklären. ^{[ 1 ]} Die Untersuchung dieser Strukturen nutzt die soziale Netzwerkanalyse , um lokale und globale Muster zu identifizieren, einflussreiche Akteure zu lokalisieren und die Dynamik von Netzwerken zu untersuchen. Beispielsweise wurde die soziale Netzwerkanalyse eingesetzt, um die Verbreitung von Fehlinformationen auf Social-Media-Plattformen zu untersuchen oder den Einfluss von Schlüsselfiguren in sozialen Netzwerken zu analysieren.

Soziale Netzwerke und ihre Analyse bilden ein interdisziplinäres Forschungsfeld, das aus der Sozialpsychologie , Soziologie , Statistik und Graphentheorie hervorgegangen ist . Georg Simmel entwickelte frühe Strukturtheorien in der Soziologie, die die Dynamik von Triaden und das „Netz von Gruppenzugehörigkeiten“ betonten. ^{[ 2 ]} Jacob Moreno gilt als Entwickler der ersten Soziogramme in den 1930er Jahren zur Untersuchung zwischenmenschlicher Beziehungen. Diese Ansätze wurden in den 1950er Jahren mathematisch formalisiert, und Theorien und Methoden sozialer Netzwerke fanden in den 1980er Jahren breite Anwendung in den Sozial- und Verhaltenswissenschaften . ^{[ 1 ] [ 3 ]} Die Analyse sozialer Netzwerke ist heute eines der wichtigsten Paradigmen der zeitgenössischen Soziologie und findet auch in einer Reihe anderer Sozial- und Formalwissenschaften Anwendung. Zusammen mit anderen komplexen Netzwerken bildet sie einen Teil des aufstrebenden Forschungsfelds der Netzwerkforschung . ^{[ 4 ] [ 5 ]}

Das soziale Netzwerk ist ein theoretisches Konstrukt der Sozialwissenschaften zur Untersuchung von Beziehungen zwischen Individuen, Gruppen , Organisationen oder sogar ganzen Gesellschaften ( soziale Einheiten , siehe Differenzierung ). Der Begriff beschreibt eine durch solche Interaktionen geprägte Sozialstruktur . Die Verbindungen zwischen den einzelnen sozialen Einheiten repräsentieren die Konvergenz ihrer verschiedenen sozialen Kontakte. Dieser theoretische Ansatz ist notwendigerweise relational. Ein Axiom des sozialen Netzwerkansatzes zum Verständnis sozialer Interaktion besagt, dass soziale Phänomene primär durch die Eigenschaften der Beziehungen zwischen und innerhalb von Einheiten und nicht durch die Eigenschaften der Einheiten selbst verstanden und untersucht werden sollten. Daher wird die Theorie sozialer Netzwerke häufig kritisiert, weil individuelles Handeln oft vernachlässigt wird ^{[ 6 ],} obwohl dies in der Praxis nicht immer der Fall ist (siehe agentenbasierte Modellierung ). Gerade weil viele verschiedene Arten von Beziehungen, einzeln oder in Kombination, diese Netzwerkkonfigurationen bilden, sind Netzwerkanalysen für ein breites Spektrum von Forschungsbereichen nützlich. In den Sozialwissenschaften umfassen diese Studienbereiche unter anderem Anthropologie , Biologie , Kommunikationswissenschaft , Wirtschaftswissenschaften , Geographie , Informationswissenschaft , Organisationsforschung , Sozialpsychologie , Soziologie und Soziolinguistik .

In den späten 1890er Jahren deuteten sowohl Émile Durkheim als auch Ferdinand Tönnies in ihren Theorien und Forschungen zu sozialen Gruppen die Idee sozialer Netzwerke an . Tönnies argumentierte, dass soziale Gruppen als persönliche und direkte soziale Bindungen existieren können, die entweder Individuen mit gemeinsamen Werten und Überzeugungen verbinden ( Gemeinschaft ), oder als unpersönliche , formale und instrumentelle soziale Bindungen ( Gesellschaft ) . ^{[ 7 ]} Durkheim lieferte eine nicht-individualistische Erklärung sozialer Tatsachen und argumentierte, dass soziale Phänomene entstehen, wenn interagierende Individuen eine Realität konstituieren, die nicht mehr durch die Eigenschaften einzelner Akteure erklärt werden kann. ^{[ 8 ]} Georg Simmel , der um die Jahrhundertwende schrieb, wies auf die Natur von Netzwerken und den Einfluss der Netzwerkgröße auf die Interaktion hin und untersuchte die Wahrscheinlichkeit von Interaktion in lockeren Netzwerken anstelle von Gruppen. ^{[ 9 ]}

Bedeutende Entwicklungen auf diesem Gebiet lassen sich in den 1930er Jahren durch mehrere unabhängig voneinander arbeitende Gruppen in Psychologie, Anthropologie und Mathematik beobachten. ^{[ 6 ] [ 10 ] [ 11 ]} In der Psychologie begann Jacob L. Moreno in den 1930er Jahren mit der systematischen Erfassung und Analyse sozialer Interaktionen in kleinen Gruppen, insbesondere in Schulklassen und Arbeitsgruppen (siehe Soziometrie ). In der Anthropologie bilden die theoretischen und ethnographischen Arbeiten von Bronislaw Malinowski ^{[ 12 ]} , Alfred Radcliffe-Brown [ ^{13 ] [ 14 ]} und Claude Lévi-Strauss die Grundlage für die Theorie sozialer ^Netzwerke . ^{[ 15 ]} Einer Gruppe von Sozialanthropologen um Max Gluckman und die Manchester School , darunter John A. Barnes , ^{[ 16 ]} J. Clyde Mitchell und Elizabeth Bott Spillius , ^{[ 17 ] [ 18 ]} wird oft zugeschrieben, einige der ersten Feldstudien durchgeführt zu haben, auf denen Netzwerkanalysen basierten. Sie untersuchten Gemeinschaftsnetzwerke im südlichen Afrika, in Indien und im Vereinigten Königreich. ^{[ 6 ]} Gleichzeitig kodifizierte der britische Anthropologe S. F. Nadel eine Theorie der Sozialstruktur, die die spätere Netzwerkanalyse maßgeblich beeinflusste. ^{[ 19 ]} In der Soziologie legten die frühen Arbeiten von Talcott Parsons ( in den 1930er Jahren) den Grundstein für einen relationalen Ansatz zum Verständnis sozialer Strukturen. ^{[ 20 ] [ 21 ]} Später, aufbauend auf Parsons’ Theorie, lieferte die Arbeit des Soziologen Peter Blau mit seiner Theorie des sozialen Austauschs einen wichtigen Impuls für die Analyse der Beziehungsstrukturen sozialer Einheiten . ^{[ 22 ] [ 23 ] [ 24 ]}

In den 1970er Jahren bemühte sich eine wachsende Zahl von Wissenschaftlern um die Zusammenführung verschiedener Forschungsrichtungen und Traditionen. Eine dieser Gruppen bestand aus dem Soziologen Harrison White und seinen Studenten am Department of Social Relations der Harvard University . Ebenfalls unabhängig voneinander waren zu dieser Zeit Charles Tilly , der sich auf Netzwerke in der politischen und kommunalen Soziologie sowie auf soziale Bewegungen konzentrierte, und Stanley Milgram , der die These der „sechs Grade der Trennung“ entwickelte. ^{[ 25 ]} Mark Granovetter ^{[ 26 ]} und Barry Wellman ^{[ 27 ]} gehören zu den ehemaligen Studenten Whites, die die Analyse sozialer Netzwerke weiterentwickelten und propagierten. ^{[ 26 ] [ 28 ] [ 29 ] [ 30 ]}

Ab Ende der 1990er Jahre wurde die Analyse sozialer Netzwerke von Soziologen, Politikwissenschaftlern und Physikern wie Duncan J. Watts , Albert-László Barabási , Peter Bearman , Nicholas A. Christakis , James H. Fowler und anderen vorangetrieben, die neue Modelle und Methoden für die aufkommenden Daten über Online-Netzwerke sowie für „digitale Spuren“ von persönlichen Netzwerken entwickelten und anwandten.

Soziale Netzwerke sind im Allgemeinen selbstorganisierend , emergent und komplex , sodass aus der lokalen Interaktion der Systemelemente ein global kohärentes Muster entsteht. ^{[ 32 ] [ 33 ]} Diese Muster werden mit zunehmender Netzwerkgröße deutlicher. Eine globale Netzwerkanalyse ^{[ 34 ]} , die beispielsweise alle zwischenmenschlichen Beziehungen weltweit umfasst, ist jedoch nicht durchführbar und würde wahrscheinlich so viele Informationen enthalten , dass sie nicht aussagekräftig wären. Praktische Beschränkungen der Rechenleistung, ethische Bedenken sowie die Rekrutierung und Bezahlung von Teilnehmenden begrenzen ebenfalls den Umfang einer sozialen Netzwerkanalyse. ^{[ 35 ] [ 36 ]} Die Nuancen eines lokalen Systems können in einer Analyse großer Netzwerke verloren gehen; daher ist die Qualität der Informationen für das Verständnis von Netzwerkeigenschaften möglicherweise wichtiger als ihr Umfang. Soziale Netzwerke werden daher auf der Ebene analysiert, die für die theoretische Fragestellung der Forschenden relevant ist. Obwohl sich die Analyseebenen nicht unbedingt gegenseitig ausschließen , lassen sich Netzwerke im Allgemeinen in drei Ebenen einteilen: Mikroebene , Mesoebene und Makroebene .

Auf der Mikroebene beginnt die Forschung zu sozialen Netzwerken typischerweise mit einer Einzelperson und weitet sich dann aus , wenn soziale Beziehungen nachverfolgt werden, oder sie beginnt mit einer kleinen Gruppe von Personen in einem bestimmten sozialen Kontext.

Dyadische Ebene : Eine Dyade ist eine soziale Beziehung zwischen zwei Individuen. Netzwerkforschung zu Dyaden kann sich auf die Struktur der Beziehung (z. B. Multiplexität, Stärke), soziale Gleichheit und Tendenzen zu Reziprozität/Gegenseitigkeit konzentrieren .

Triadische Ebene : Fügt man einer Dyade eine weitere Person hinzu, entsteht eine Triade . Untersuchungen auf dieser Ebene konzentrieren sich auf Faktoren wie Ausgewogenheit und Transitivität sowie soziale Gleichheit und Tendenzen zu Reziprozität/Gegenseitigkeit . ^{[ 35 ]} In Fritz Heiders Ausgewogenheitstheorie ist die Triade der Schlüssel zur sozialen Dynamik. Die Disharmonie in einer rivalisierenden Dreiecksbeziehung ist ein Beispiel für eine unausgewogene Triade, die sich durch eine Veränderung einer der Beziehungen wahrscheinlich in eine ausgeglichene Triade wandelt. Die Dynamik sozialer Freundschaften in der Gesellschaft wurde mithilfe von ausbalancierten Triaden modelliert. Die Studie wird mit der Theorie der signierten Graphen fortgeführt .

Akteursebene : Die kleinste Analyseeinheit in einem sozialen Netzwerk ist das Individuum in seinem sozialen Umfeld, d. h. ein „Akteur“ oder „Ego“. Die Ego-Netzwerkanalyse konzentriert sich auf Netzwerkmerkmale wie Größe, Beziehungsstärke, Dichte, Zentralität , Prestige und Rollen wie Isolate, Liaisons und Bridges . ^{[ 37 ]} Solche Analysen werden am häufigsten in der Psychologie oder Sozialpsychologie , in der ethnografischen Verwandtschaftsanalyse oder in anderen genealogischen Studien von Beziehungen zwischen Individuen eingesetzt .

Teilmengenebene : Die Untersuchung von Netzwerkproblemen auf Teilmengenebene beginnt auf der Mikroebene, kann sich aber bis zur Mesoebene erstrecken. Die Forschung auf Teilmengenebene kann sich auf Distanz und Erreichbarkeit, Cliquen , kohäsive Untergruppen oder andere Gruppenaktionen oder -verhalten konzentrieren . ^{[ 38 ]}

Im Allgemeinen gehen Theorien der Mesoebene von einer Populationsgröße aus , die zwischen der Mikro- und der Makroebene liegt. Der Begriff „Mesoebene“ kann sich jedoch auch auf Analysen beziehen, die speziell darauf abzielen, Verbindungen zwischen Mikro- und Makroebene aufzudecken. Netzwerke auf Mesoebene weisen eine geringe Dichte auf und können kausale Prozesse zeigen, die sich von interpersonellen Netzwerken auf Mikroebene unterscheiden. ^{[ 39 ]}

Organisationen : Formale Organisationen sind soziale Gruppen , die Aufgaben zur Erreichung eines gemeinsamen Ziels verteilen . ^{[ 40 ]} Die Netzwerkforschung zu Organisationen kann sich entweder auf intra- oder interorganisationale Verbindungen im Sinne formaler oder informeller Beziehungen konzentrieren. Intraorganisationale Netzwerke selbst umfassen oft mehrere Analyseebenen, insbesondere in größeren Organisationen mit mehreren Niederlassungen, Franchise-Unternehmen oder teilautonomen Abteilungen. In diesen Fällen wird die Forschung häufig auf Arbeitsgruppen- und Organisationsebene durchgeführt, wobei das Zusammenspiel zwischen den beiden Strukturen im Fokus steht. ^{[ 40 ]} Experimente mit vernetzten Gruppen im Internet haben Möglichkeiten zur Optimierung der Gruppenkoordination durch verschiedene Interventionen dokumentiert, darunter die Integration autonomer Agenten in die Gruppen. ^{[ 41 ]}

Zufällig verteilte Netzwerke : Exponential-Zufallsgraphenmodelle sozialer Netzwerke etablierten sich in den 1980er Jahren als State-of-the-Art-Methoden der sozialen Netzwerkanalyse. Dieses Modell ermöglicht die Darstellung sozialstruktureller Effekte, die häufig in menschlichen Netzwerken beobachtet werden. Dazu gehören allgemeine, gradbasierte Struktureffekte sowie Reziprozität und Transitivität . Auf Knotenebene lassen sich Homophilie und attributbasierte Aktivitäts- und Popularitätseffekte ableiten, die sich aus expliziten Hypothesen über Abhängigkeiten zwischen Netzwerkverbindungen ergeben. Die Parameter werden anhand der Häufigkeit kleiner Teilgraphkonfigurationen im Netzwerk angegeben und beschreiben die Kombinationen lokaler sozialer Prozesse, aus denen ein bestimmtes Netzwerk hervorgeht. Diese Wahrscheinlichkeitsmodelle für Netzwerke mit einer gegebenen Anzahl von Akteuren erlauben eine Verallgemeinerung über die restriktive Annahme dyadischer Unabhängigkeit von Mikronetzwerken hinaus und ermöglichen die Entwicklung von Modellen auf der Grundlage theoretischer struktureller Grundlagen sozialen Verhaltens. ^{[ 42 ]}

Skalenfreie Netzwerke : Ein skalenfreies Netzwerk ist ein Netzwerk , dessen Knotengradverteilung – zumindest asymptotisch – einem Potenzgesetz folgt . In der Netzwerktheorie ist ein skalenfreies ideales Netzwerk ein Zufallsnetzwerk , dessen Knotengradverteilung die Größenverteilung sozialer Gruppen widerspiegelt. ^{[ 43 ]} Die spezifischen Eigenschaften skalenfreier Netzwerke variieren je nach den verwendeten Theorien und Analysemethoden. Im Allgemeinen weisen sie jedoch einige gemeinsame Merkmale auf. Ein bemerkenswertes Merkmal ist die relative Häufigkeit von Knoten mit einem deutlich überdurchschnittlichen Knotengrad . Diese Knoten mit dem höchsten Grad werden oft als „Hubs“ bezeichnet und können innerhalb ihrer Netzwerke spezifische Funktionen erfüllen, wobei dies stark vom sozialen Kontext abhängt. Ein weiteres allgemeines Merkmal skalenfreier Netzwerke ist die Verteilung des Clustering-Koeffizienten , der mit steigendem Knotengrad abnimmt. Auch diese Verteilung folgt einem Potenzgesetz . ^{[ 44 ]} Das oben dargestellte Barabási -Modell der Netzwerkentwicklung ist ein Beispiel für ein skalenfreies Netzwerk.

Anstatt zwischenmenschliche Interaktionen nachzuverfolgen, untersuchen Analysen auf Makroebene im Allgemeinen die Ergebnisse von Interaktionen, wie beispielsweise wirtschaftliche oder andere Ressourcentransferinteraktionen über eine große Population hinweg .

Großflächige Netzwerke : Der Begriff „großflächiges Netzwerk “ ist weitgehend synonym mit „Makroebene“. Er wird vor allem in den Sozial- und Verhaltenswissenschaften sowie in der Wirtschaftswissenschaft verwendet . Ursprünglich fand der Begriff breite Anwendung in der Informatik (siehe Kartierung großflächiger Netzwerke ). ^{[ 45 ]}

Komplexe Netzwerke : Die meisten größeren sozialen Netzwerke weisen Merkmale sozialer Komplexität auf . Diese umfasst wesentliche, nicht-triviale Merkmale der Netzwerktopologie mit komplexen Verbindungsmustern zwischen Elementen, die weder rein regulär noch rein zufällig sind (siehe Komplexitätsforschung , dynamische Systeme und Chaostheorie ). Ähnliches gilt für biologische und technologische Netzwerke . Zu diesen Merkmalen komplexer Netzwerke gehören ein schwerer Ausläufer in der Gradverteilung , ein hoher Clustering-Koeffizient , Assortativität oder Disassortativität zwischen Knoten, Community-Struktur (siehe stochastisches Blockmodell ) und hierarchische Struktur . Bei agenturgesteuerten Netzwerken umfassen diese Merkmale zusätzlich Reziprozität , das Triad Significance Profile (TSP, siehe Netzwerkmotiv ) und weitere Eigenschaften. Im Gegensatz dazu weisen viele der in der Vergangenheit untersuchten mathematischen Netzwerkmodelle, wie beispielsweise Verbände und Zufallsgraphen , diese Merkmale nicht auf. ^{[ 46 ]}

Für die Analyse sozialer Netzwerke wurden verschiedene theoretische Rahmen herangezogen. Zu den bekanntesten zählen die Graphentheorie , die Balancetheorie , die Theorie des sozialen Vergleichs und, in jüngerer Zeit, der Ansatz der sozialen Identität . ^{[ 47 ]}

Aus der Analyse sozialer Netzwerke sind bisher nur wenige vollständige Theorien hervorgegangen. Zwei Beispiele hierfür sind die strukturelle Rollentheorie und die Heterophilietheorie .

Grundlage der Heterophilie-Theorie war die Erkenntnis einer Studie, dass zahlreiche schwache Bindungen bei der Informations- und Innovationssuche von Bedeutung sein können, da Cliquen tendenziell homogenere Meinungen vertreten und viele gemeinsame Merkmale aufweisen. Diese homophile Tendenz war der Hauptgrund für die Anziehungskraft zwischen den Cliquenmitgliedern. Aufgrund ihrer Ähnlichkeit wissen die Cliquenmitglieder jedoch auch mehr oder weniger dasselbe wie die anderen. Um neue Informationen oder Erkenntnisse zu gewinnen, müssen Cliquenmitglieder über den Tellerrand ihrer Clique hinausschauen und sich an andere Freunde und Bekannte wenden. Dies bezeichnete Granovetter als „die Stärke schwacher Bindungen“. ^{[ 48 ]}

Im Kontext von Netzwerken entsteht soziales Kapital dort, wo Personen aufgrund ihrer Position im Netzwerk Vorteile haben. Kontakte innerhalb eines Netzwerks liefern Informationen, Möglichkeiten und Perspektiven, die für die zentrale Person im Netzwerk von Nutzen sein können. Die meisten sozialen Strukturen zeichnen sich durch dichte Cluster starker Verbindungen aus. ^{[ 49 ]} Informationen innerhalb dieser Cluster sind tendenziell eher homogen und redundant. Nicht-redundante Informationen werden meist durch Kontakte in verschiedenen Clustern gewonnen. ^{[ 50 ]} Besitzen zwei separate Cluster nicht-redundante Informationen, spricht man von einer strukturellen Lücke zwischen ihnen. ^{[ 50 ]} Ein Netzwerk, das strukturelle Lücken überbrückt , bietet somit Netzwerkvorteile, die sich teilweise addieren, anstatt sich zu überschneiden. Eine ideale Netzwerkstruktur weist eine verzweigte Clusterstruktur auf, die den Zugang zu vielen verschiedenen Clustern und strukturellen Lücken ermöglicht. ^{[ 50 ]}

Netzwerke mit vielen strukturellen Lücken stellen eine Form von Sozialkapital dar, da sie Informationsvorteile bieten . Die Hauptfigur in einem Netzwerk, das diese Lücken überbrückt, kann auf Informationen aus verschiedenen Quellen und Clustern zugreifen. ^{[ 50 ]} In Geschäftsnetzwerken ist dies beispielsweise für die Karriere eines Einzelnen vorteilhaft, da er mit größerer Wahrscheinlichkeit von offenen Stellen und Karrieremöglichkeiten erfährt, wenn sein Netzwerk ein breites Spektrum an Kontakten in verschiedenen Branchen/Sektoren umfasst. Dieses Konzept ähnelt Mark Granovetters Theorie der schwachen Bindungen , die darauf beruht, dass ein breites Netzwerk an Kontakten für die berufliche Karriere am effektivsten ist. Strukturelle Lücken finden breite Anwendung in der sozialen Netzwerkanalyse und werden in einer Vielzahl praktischer Szenarien sowie in maschinellem Lernen zur sozialen Vorhersage genutzt. ^{[ 51 ]}

Die Forschung hat mithilfe von Netzwerkanalysen untersucht, wie Netzwerke entstehen, wenn Künstler gemeinsam in Museumsausstellungen präsentiert werden. Es hat sich gezeigt, dass solche Netzwerke die Anerkennung eines Künstlers in der Geschichte und in historischen Darstellungen beeinflussen, selbst wenn die individuellen Leistungen des Künstlers berücksichtigt werden. ^{[ 52 ] [ 53 ]} Andere Arbeiten untersuchen, wie die Vernetzung von Künstlern die Auktionsergebnisse eines einzelnen Künstlers beeinflussen kann. ^{[ 54 ]} Der Status eines Künstlers steigt nachweislich, wenn er mit Netzwerken höheren Status verbunden ist, allerdings nimmt dieser Effekt im Laufe der Karriere ab.

Zu J. A. Barnes' Zeiten bezeichnete der Begriff „ Gemeinschaft “ einen bestimmten geografischen Ort, und Studien zu Gemeinschaftsbeziehungen befassten sich damit, wer mit wem sprach, verkehrte, Handel trieb und gemeinsam Gottesdienste besuchte. Heute existieren jedoch weitverzweigte „Online“-Gemeinschaften, die durch Telekommunikationsgeräte und soziale Netzwerke entstehen . Solche Geräte und Dienste erfordern eine umfassende und kontinuierliche Wartung und Analyse, häufig mithilfe von Methoden der Netzwerkforschung . Auch die Gemeinwesenforschung nutzt diese Methoden heute intensiv.

Komplexe Netzwerke erfordern Methoden, die speziell auf die Modellierung und Interpretation sozialer Komplexität und komplexer adaptiver Systeme zugeschnitten sind, darunter Techniken der dynamischen Netzwerkanalyse . Mechanismen wie die Zweiphasenevolution erklären, wie zeitliche Veränderungen der Konnektivität zur Strukturbildung in sozialen Netzwerken beitragen.

Die Erforschung sozialer Netzwerke dient dazu, die Art der Wechselwirkungen zwischen Akteuren und deren Zusammenhang mit den Ergebnissen von Konflikten und Kooperationen zu untersuchen. Zu den Forschungsbereichen gehören kooperatives Verhalten von Teilnehmern an kollektiven Aktionen wie Protesten ; die Förderung friedlichen Verhaltens, sozialer Normen und öffentlicher Güter innerhalb von Gemeinschaften durch informelle Regierungsstrukturen; die Rolle sozialer Netzwerke sowohl in innerstaatlichen als auch in zwischenstaatlichen Konflikten; sowie die Vernetzung von Politikern, Wählern und Beamten. ^{[ 55 ]}

In der Kriminologie und Stadtsoziologie wurde den sozialen Netzwerken krimineller Akteure viel Aufmerksamkeit gewidmet. So können beispielsweise Morde als eine Reihe von Aktionen zwischen Banden betrachtet werden. Morde breiten sich von einem einzigen Ausgangspunkt aus, da schwächere Banden es sich nicht leisten können, Mitglieder stärkerer Banden als Vergeltung zu töten, sondern andere Gewalttaten begehen müssen, um ihren Ruf der Stärke aufrechtzuerhalten. ^{[ 56 ]}

Studien zur Diffusion von Ideen und Innovationen konzentrieren sich auf die Verbreitung und Nutzung von Ideen zwischen verschiedenen Akteuren oder Kulturen . Dieser Forschungszweig versucht zu erklären, warum manche Menschen zu „Early Adopters“ von Ideen und Innovationen werden, und stellt einen Zusammenhang zwischen der Struktur sozialer Netzwerke und der Förderung oder Hemmung der Verbreitung einer Innovation her. Ein Beispiel hierfür ist die soziale Diffusion sprachlicher Innovationen wie Neologismen. Experimente und groß angelegte Feldstudien (z. B. von Nicholas Christakis und Mitarbeitern) haben gezeigt, dass sich in sozialen Gruppen – in so unterschiedlichen Kontexten wie Dörfern in Honduras ^{[ 57 , 58 ]} , indischen Slums ^{[ 59 ]} oder im Labor ^{[ 60 ] – Kaskaden erwünschter} Verhaltensweisen auslösen lassen. Weitere Experimente dokumentierten die experimentelle Induktion sozialer Ansteckung in Bezug auf Wahlverhalten ^{[ 61 ]} , Emotionen ^{[ 62 ]} , Risikowahrnehmung ^{[ 63 ]} und kommerzielle Produkte ^{[ 64 ] .}

In der Demografie hat die Untersuchung sozialer Netzwerke zu neuen Stichprobenverfahren geführt, um schwer zu erfassende Bevölkerungsgruppen (z. B. Obdachlose oder intravenös Drogenkonsumierende) zu schätzen und zu erreichen. Ein Beispiel hierfür ist das Respondent-Driven Sampling, eine netzwerkbasierte Stichprobentechnik, bei der die Befragten einer Umfrage weitere Befragte empfehlen. ^{[ 65 ] [ 66 ]}

Die Soziologie konzentriert sich fast ausschließlich auf die Netzwerke der Ergebnisse sozialer Interaktionen. Die Wirtschaftssoziologie untersucht genauer die Verhaltensinteraktionen von Individuen und Gruppen durch soziales Kapital und soziale „Märkte“. Soziologen wie Mark Granovetter haben Kernprinzipien zu den Wechselwirkungen von Sozialstruktur, Information, Bestrafungs- und Belohnungsfähigkeit sowie Vertrauen entwickelt, die in ihren Analysen politischer, wirtschaftlicher und anderer Institutionen immer wiederkehren. Granovetter untersucht, wie soziale Strukturen und Netzwerke wirtschaftliche Ergebnisse wie Einstellungsprozesse, Preise, Produktivität und Innovation beeinflussen können, und beschreibt die Beiträge von Soziologen zur Analyse der Auswirkungen sozialer Strukturen und Netzwerke auf die Wirtschaft. ^{[ 67 ]}

Die Analyse sozialer Netzwerke findet zunehmend Eingang in die Gesundheitsanalytik , nicht nur in epidemiologische Studien, sondern auch in Modelle der Patientenkommunikation und -aufklärung, der Krankheitsprävention, der Diagnose und Behandlung psychischer Erkrankungen sowie in die Untersuchung von Gesundheitsorganisationen und -systemen . ^{[ 68 ]}

Die Humanökologie ist eine interdisziplinäre und transdisziplinäre Untersuchung der Beziehung zwischen Menschen und ihrer natürlichen , sozialen und gebauten Umwelt . Die wissenschaftliche Philosophie der Humanökologie hat eine lange Geschichte mit Verbindungen zur Geographie , Soziologie , Psychologie , Anthropologie , Zoologie und Naturökologie . ^{[ 69 ] [ 70 ]}

In der Literaturwissenschaft wurde die Netzwerkanalyse von Anheier, Gerhards und Romo ^{[ 71 ]} , De Nooy ^{[ 72 ]} , Senekal ^{[ 73 ]} und Lotker [ ^{74 ] angewendet, um verschiedene Aspekte der Funktionsweise von Literatur zu untersuchen. Die Grundannahme ist ,} dass die Polysystemtheorie, die auf die Schriften von Even-Zohar zurückgeht , mit der Netzwerktheorie integriert werden kann und die Beziehungen zwischen verschiedenen Akteuren im literarischen Netzwerk – z. B. Schriftstellern, Kritikern, Verlegern, Literaturhistorikern usw. – mithilfe der Visualisierung aus der sozialen Netzwerkanalyse (SNA) dargestellt werden können.

Forschungsarbeiten zu formalen und informellen Organisationsbeziehungen , Organisationskommunikation , Wirtschaftswissenschaften , Wirtschaftssoziologie und anderen Ressourcentransfers wurden durchgeführt. Soziale Netzwerke wurden auch genutzt, um die Interaktionen von Organisationen untereinander zu untersuchen und die vielfältigen informellen Verbindungen zwischen Führungskräften sowie zwischen einzelnen Mitarbeitern verschiedener Organisationen zu charakterisieren. ^{[ 75 ]} Viele Studien zu sozialen Organisationsnetzwerken konzentrieren sich auf Teams . ^{[ 76 ]} Im Rahmen von Teamnetzwerkstudien werden beispielsweise die Prädiktoren und Ergebnisse von Zentralität und Macht, Dichte und Zentralisierung instrumenteller und expressiver Teambeziehungen sowie die Rolle teamübergreifender Netzwerke untersucht. Es wurde festgestellt, dass intraorganisationale Netzwerke die organisationale Bindung ^{[ 77 ]} , die organisationale Identifikation ^{[ 37 ]} und das interpersonelle Bürgerverhalten ^{[ 78 ]} beeinflussen .

Soziales Kapital ist eine Form von ökonomischem und kulturellem Kapital , in der soziale Netzwerke eine zentrale Rolle spielen, Transaktionen von Gegenseitigkeit , Vertrauen und Kooperation geprägt sind und Marktteilnehmer Güter und Dienstleistungen nicht primär für sich selbst, sondern für das Gemeinwohl produzieren . Soziales Kapital lässt sich in drei Dimensionen unterteilen: die strukturelle, die relationale und die kognitive. Die strukturelle Dimension beschreibt, wie Partner miteinander interagieren und welche Partner in einem sozialen Netzwerk aufeinandertreffen. Sie gibt zudem den Grad der Verbindungen zwischen Organisationen an. ^{[ 79 ]} Diese Dimension ist eng mit der relationalen Dimension verknüpft, welche sich auf Vertrauenswürdigkeit, Normen, Erwartungen und die Identifikation mit den Beziehungen zwischen Partnern bezieht. Die relationale Dimension erklärt die Art dieser Beziehungen, die sich vor allem im Vertrauen in das Netzwerk der Organisationen widerspiegelt. ^{[ 79 ]} Die kognitive Dimension analysiert, inwieweit Organisationen aufgrund ihrer Beziehungen und Interaktionen gemeinsame Ziele und Absichten verfolgen. ^{[ 79 ]}

Soziales Kapital ist ein soziologisches Konzept, das den Wert sozialer Beziehungen und die Rolle von Kooperation und Vertrauen für das Erreichen positiver Ergebnisse beschreibt. Der Begriff bezeichnet den Nutzen, den man aus seinen sozialen Kontakten ziehen kann. Beispielsweise können neu angekommene Immigranten ihre Kontakte zu bereits ansässigen Migranten nutzen, um Arbeitsplätze zu erhalten, die ihnen sonst möglicherweise schwer zugänglich wären (z. B. aufgrund mangelnder Sprachkenntnisse). Es besteht ein positiver Zusammenhang zwischen sozialem Kapital und der Intensität der Nutzung sozialer Netzwerke. ^{[ 80 ] [ 81 ] [ 82 ]} In einem dynamischen Modell führt eine höhere Aktivität in einem Netzwerk zu höherem sozialen Kapital, welches wiederum weitere Aktivitäten fördert. ^{[ 80 ] [ 83 ]}

Dieser Forschungsschwerpunkt liegt auf der Effektivität von Markenimage und Werbestrategien unter Berücksichtigung des Einflusses der Kundenbeteiligung auf Umsatz und Markenimage. Dies wird mithilfe von Techniken wie der Stimmungsanalyse gemessen, die auf mathematischen Bereichen wie Data Mining und Datenanalyse basieren. Dieser Forschungsbereich generiert zahlreiche kommerzielle Anwendungen, da das Hauptziel jeder Studie darin besteht, das Konsumentenverhalten zu verstehen und den Umsatz zu steigern.

In vielen Organisationen konzentrieren sich die Mitglieder tendenziell auf ihre eigenen Gruppen, was Kreativität hemmt und Chancen einschränkt. Ein Akteur, dessen Netzwerk strukturelle Lücken schließt, hat einen Vorteil bei der Erkennung und Entwicklung vielversprechender Möglichkeiten. ^{[ 49 ]} Ein solcher Akteur kann soziales Kapital mobilisieren, indem er als Informationsvermittler zwischen zwei Gruppen fungiert, die sonst keinen Kontakt zueinander hätten, und so Zugang zu neuen Ideen, Meinungen und Chancen ermöglicht. Der britische Philosoph und politische Ökonom John Stuart Mill schreibt: „Es ist kaum möglich, den Wert des Kontakts zwischen Menschen mit Personen, die ihnen unähnlich sind, zu überschätzen … Solche Kommunikation ist eine der Hauptquellen des Fortschritts.“ ^{[ 84 ]} Somit kann ein Akteur mit einem Netzwerk, das strukturelle Lücken schließt, durch neue Ideen und Chancen einen Mehrwert für eine Organisation schaffen. Dies wiederum fördert die berufliche Entwicklung und den Aufstieg des Einzelnen.

Ein Vermittler von Sozialkapital profitiert auch von der Kontrolle, die ihm die Vermittlung des Informationsflusses zwischen Kontakten verschafft. Die offene Kommunikation mit explorativen Denkweisen und der Informationsaustausch, der durch den dynamischen Wechsel von Positionen in einem sozialen Netzwerk entsteht, fördern kreatives und tiefgründiges Denken. ^{[ 85 ]} Im Fall der Beratungsfirma Eden McCallum konnten die Gründer ihre Karrieren voranbringen, indem sie ihre Verbindungen zu ehemaligen Beratern der drei großen Beratungsfirmen und mittelständischen Unternehmen nutzten. ^{[ 86 ]} Indem sie strukturelle Lücken schließen und Sozialkapital mobilisieren, können Akteure ihre Karrieren durch die Nutzung neuer Möglichkeiten zwischen Kontakten voranbringen.

Es gibt Forschungsergebnisse, die die Vorteile des Informationsaustauschs sowohl belegen als auch widerlegen. Eine Studie von Zhixing Xiao über chinesische Hightech-Unternehmen ergab, dass die Kontrollvorteile struktureller Lücken „im Widerspruch zum vorherrschenden unternehmensweiten Kooperationsgeist stehen und die Informationsvorteile aufgrund der gemeinschaftlichen Werte solcher Organisationen nicht zum Tragen kommen können“ ^{[ 87 ]} . Diese Studie analysierte jedoch ausschließlich chinesische Unternehmen, die tendenziell starke gemeinschaftliche Werte vertreten. Die Informations- und Kontrollvorteile struktureller Lücken sind auch in Unternehmen wertvoll, die auf Unternehmensebene nicht ganz so inklusiv und kooperativ agieren. Ronald Burt untersuchte 2004 673 Manager, die die Lieferkette eines der größten amerikanischen Elektronikunternehmen leiteten. Er fand heraus, dass Manager, die häufig Probleme mit anderen Gruppen besprachen, besser bezahlt wurden, positivere Arbeitsbeurteilungen erhielten und eher befördert wurden ^{[ 49 ]} . Die Überbrückung struktureller Lücken kann somit für ein Unternehmen und damit auch für die Karriere des Einzelnen von Vorteil sein.

Computernetzwerke in Kombination mit Social-Networking-Software schaffen ein neues Medium für soziale Interaktion. Beziehungen über computergestützte soziale Netzwerke lassen sich durch Kontext, Richtung und Stärke charakterisieren. Der Inhalt einer Beziehung bezieht sich auf die ausgetauschten Ressourcen. In der computervermittelten Kommunikation tauschen soziale Paare verschiedene Arten von Informationen aus, darunter das Versenden von Datendateien oder Computerprogrammen sowie emotionale Unterstützung oder die Vereinbarung von Treffen. Mit dem Aufkommen des elektronischen Handels können die ausgetauschten Informationen auch Transaktionen mit Geld, Waren oder Dienstleistungen in der realen Welt entsprechen. ^{[ 88 ]} Methoden der sozialen Netzwerkanalyse sind unerlässlich geworden, um diese Art der computervermittelten Kommunikation zu untersuchen.

Darüber hinaus hat die schiere Größe und die Volatilität sozialer Medien zur Entwicklung neuer Netzwerkmetriken geführt. Ein zentrales Problem bei aus sozialen Medien extrahierten Netzwerken ist die mangelnde Robustheit der Netzwerkmetriken aufgrund fehlender Daten. ^{[ 89 ]}

Aufgrund des Homophilie- Musters entstehen Verbindungen zwischen Personen am ehesten zwischen Knotenpunkten, die einander sehr ähnlich sind. Bei der Nachbarschaftssegregation hingegen leben Individuen bevorzugt in denselben regionalen Gebieten wie andere, ihnen ähnliche Individuen. Daher können soziale Netzwerke als Instrument genutzt werden, um den Grad der Segregation oder Homophilie innerhalb eines sozialen Netzwerks zu messen. Soziale Netzwerke können sowohl zur Simulation des Homophilie-Prozesses als auch als Maß für den Grad der gegenseitigen Kontakte verschiedener Gruppen innerhalb eines bestehenden sozialen Netzwerks von Individuen in einem bestimmten Gebiet dienen. ^{[ 90 ]}

Soziale Netzwerke in der Größe ganzer Bevölkerungen sind ein aktueller Forschungstrend. Ziel dieser Netzwerke ist die großflächige Untersuchung von Phänomenen wie Segregation oder Mobilität innerhalb eines Landes. Viele dieser Netzwerke basieren auf in einem Land verfügbaren Registerdaten; solche Netzwerke wurden beispielsweise für die Niederlande ^{[ 91 ]} , Dänemark ^{[ 92 ]} und Schweden ^{[ 93 ] erstellt.}

• Aneja, Nagender; Gambhir, Sapna (August 2013). „Ad-hoc Social Network: A Comprehensive Survey“ (PDF) . International Journal of Scientific & Engineering Research . 4 (8): 156–160 . ISSN  2229-5518 .
• Barabási, Albert-László (2003). Verknüpft: Wie alles mit allem verbunden ist und was das für Wirtschaft, Wissenschaft und den Alltag bedeutet . Plum. ISBN 978-0-452-28439-5Die
• Barnett, George A. (2011). Enzyklopädie der sozialen Netzwerke . Sage. ISBN 978-1-4129-7911-5Die
• Estrada, E. (2011). Die Struktur komplexer Netzwerke: Theorie und Anwendungen . Oxford University Press. ISBN 978-0-199-59175-6Die
• Ferguson, Niall (2018). Das Quadrat und der Turm: Netzwerke und Macht, von den Freimaurern bis Facebook . Penguin Press. ISBN 978-0-7352-2291-5Die
• Freeman, Linton C. (2004). Die Entwicklung der sozialen Netzwerkanalyse: Eine wissenschaftssoziologische Studie . Empirical Press. ISBN 978-1-59457-714-7Die
• Kadushin, Charles (2012). Soziale Netzwerke verstehen: Theorien, Konzepte und Erkenntnisse . Oxford University Press. ISBN 978-0-19-537946-4Die
• Mauro, Rios; Petrella, Carlos (2014). La Quimera de las Redes Sociales [ Die Chimäre der sozialen Netzwerke ] (auf Spanisch). Bubok España. ISBN 978-9974-99-637-3Die
• Rainie, Lee; Wellman, Barry (2012). Networked: The New Social Operating System . Cambridge, Mass.: MIT Press. ISBN 978-0-262-01719-0Die
• Scott, John (1991). Social Network Analysis: A Handbook . Sage. ISBN 978-0-7619-6338-7Die
• Wasserman, Stanley; Faust, Katherine (1994). Soziale Netzwerkanalyse: Methoden und Anwendungen . Strukturanalyse in den Sozialwissenschaften. Cambridge University Press. ISBN 978-0-521-38269-4Die
• Wellman, Barry; Berkowitz, SD (1988). Soziale Strukturen: Ein Netzwerkansatz . Strukturanalyse in den Sozialwissenschaften. Cambridge University Press. ISBN 978-0-521-24441-1Die

• Internationales Netzwerk für soziale Netzwerkanalyse

• Soziale Netzwerke
• Netzwerkwissenschaft
• Zeitschrift für Sozialstruktur
• Zeitschrift für Mathematische Soziologie
• Analyse und Mining sozialer Netzwerke (SNAM)
• „INSNA – Connections Journal“ . Connections Bulletin des International Network for Social Network Analysis . Toronto: International Network for Social Network Analysis. ISSN  0226-1766 . Archiviert vom Original am 18.07.2013.

• Netzwerke, Massen und Märkte (2010) von D. Easley & J. Kleinberg
• Einführung in die Methoden der sozialen Netzwerkforschung (2005) von R. Hanneman & M. Riddle
• Lehrwebsite zur Analyse sozialer Netzwerke von S. Borgatti
• Leitfaden für virtuelle soziale Netzwerke für öffentliche Verwaltungen (2015) von Mauro D. Ríos (in Spanisch)

• Pajeks Liste von Datensatzlisten (Archiviert am 10.10.2014 in der Wayback Machine)
• UC Irvine Netzwerk-Datenrepository
• Stanford Large Network Dataset Collection
• MEJ Newman Datensätze
• Pajek-Datensätze
• Gephi-Datensätze
• KONECT – Koblenzer Netzwerksammlung
• RSiena-Datensätze