Õpianalüütika

Sotsiaalvõrgustiku seoste analüütika

Seosed sotsiaalvõrgustikus

Millised uurimisküsimused on sotsiaalvõrgustikus huvipakkuvad:

  1. Kuidas erineb virtuaalne sotsiaalvõrgustik mittevirtuaalsetest võrgustikest?
  2. Mis motiveerib (nt. teadmiste, nõu ja innovatiivsete ideede saamine ja jagamine, interaktsioon, identiteedi kujundamine, enesereklaamimine, kuulumisvajadus, sõprade omamine, enese lõbustamine, emotsionaalse toe saamine, toetamise soov, sidemete hoidmine, kaugsidemete loomine) ja pärsib (reaalsete kontaktide kadumine, pinnapealsus, digitaalne lõhe, erinevad digioskused, enesekindluse puudumine, viha väljaelamine, usalduse puudumine) sotsiaalvõrgustikus osalema? -> saab põhjendada, kuidas õpetajate, õppijate toomine sotsiaalvõrgustikku kannaks lisaväärtusi
  3. Millised on N õpivõrgustiku struktuur (näiteks, kas selles esineb koostöörühmi) ja kuidas see muutub õpitegevuse käigus, nt. mingite interventsioonide mõjul? -> saab kasutada tagasisidestamiseks ja õpitegevuste parendamiseks
  4. Milline on sotsiaalvõrgustiku struktuuri mõju õppimistegevustele, õpikultuurile jt.?
  5. Kuidas mõjutada sotsiaalse õpivõrgustiku efektiivsust (nt. lisades või  ellimineerides keskseid isikuid, objekte; tõstes info levimise kiirust võrgustikus kas vähendades vahendatust või tõstes seotust; ühtlustades info jõudmise aega kõigi võrgustiku liikmeteni)? -> neile küsimustele saab vastuseid paremini dünaamilise sotsiaalvõrgustiku analüüsiga

Sotsiaalvõrgustiku struktuuri elemendid

sna loenguslaidid

Sotsiaalvõrgustikku kujutatakse isikute (või objektide) (nodes) ja nendevaheliste seostega (edges).

Seosed liikmete vahel võivad viidata kogukonna olemasolule (sarnastele huvide, väärtuste, vajaduste või ühiste tegevustega liikmed), interaktsioonile ja vastasmõjule (ühe või mõlemasuunaline) isikute vahel, mille intensiivsut iseloomustab seoste tugevus(näiteks sagedus või kestvus) Graafidel saab vastasmõju illustreerimiseks näidata seoseid ilma suunata või suunaga. Samuti võib graafile seoste olulisuse iseloomustamiseks paigutada seoste tugevuse näitajad.

Seoste asetus iseloomustab, kes on interaktsioonis olulise tähtsusega, näiteks liikmete omavaheline seotus ja kaugus üksteisest võrgustikus illustreerib kuulumist rühmadesse või näitab passiivsust ja isolatsiooni võrgustikus.

Sotsiaalvõrgustiku liikmed võivad võrgustikus täita erinevaid rolle, näiteks olla tõmbekeskuseks, kes jagab infot või info saajaks, info ümbersuunajaks, info vahendajaks erinevate kogukondade vahel jne. Sotsiaalvõrgustiku infovahetuse kvaliteedi ja intensiivsuse mõjutajana on oluline ka, kas ollakse üksteise sõbrad või lihtsalt tuttavad. Isiku mõju teistele sotsiaalvõrgustiku liikmetele mõjutab ka nende huvide sarnasus, mida saab näiteks analüüsida nende poolt kasutatud märksõnade sarnasuse kaudu. Seega võib sotsiaalvõrgustiku uurimisele läheneda ka sisuanalüüsi meetoditega.

Rühm on võrgustikus eristatav seoste või interaktsioonide olemasoluga isikute (objektide) vahel. Isikute tähtsust võrgustikus ja rühmas saab mõõta tsentraalsuse (centrality) näitajaga, mis näitab isiku suhtelist keskset või perifeerset asetust teiste isikute suhtes. Tsentraalsuse näitaja abil saab leida võrgustiku liikme mõju ja olulisust. Tsentraalsuse näitaja (degree centrality)  võib olla näiteks isiku seoste arvu suhe võrgustiku või rühma seoste arvusse. Kõrge tsentraalsusega näitajaga isikud on tõenäoselt võrgustikus info saaja ja edastaja rollis. Isiku tsentraalsuse arvutamine on suhteline ja sisaldab vea võimalust (keda arvata või mitte arvata rühma, võrgustiku liikmeks). Tsentaalsuse näitajat võib käsitleda ka kui isiku kontrolli määra võrgustiku infovoogude üle. Sageli läbivad tsentraalses asetuses olevaid isikuid infovood ja nad täidavad info vahendaja (broker) rolli. Vahendajaks olemist saab mõõta vahendatuse (betweenness) näitajaga. Veel üks viis isiku rolli võrgustikus määratleda on läheduse (closeness) arvutamine teiste võrgustiku liikmete suhtes, lähedus sõltub otseste või kaudsete kontaktide olemasolust teiste liikmetega.

Olulised näitajad, mis võrgustikku üldisemalt iseloomustavad on võrgustiku tihedus, kohesiivsus ja suurus.

Informatsioon on oluline näitaja, mida võrgustikes edasi antakse ja salvestatakse. Informatsiooniteooria üks olulisemaid mõisteid on entroopia. Algselt võeti entroopia mõiste kasutusele kui info hulk mida saab üle kanda läbi müraga suhtluskanali – milline on ebakindluse aste, et sõnum antakse edasi. Sotsiaalvõrgustiku analüüsis kasutatakse näiteks juhtetee informatsiooni ülekandmise näitajat (path transfer flow) – jälgitakse, mil määral on tõenäoline, et algne info jääb iga võrgustiku liikme juures edasi andmata. Tsentraalsete liikmete info antakse suurema tõenäosusega edasi iga järgmise liikme poolt, vähem tsentraalsete liikmete puhul aga liigub info edasi vaid mõnede liikmete kaudu, kellele info saadeti.

Ülesanne:Analüüsi sotsiaalvõrgustiku joonist

  • Näide: Ülikoolidevaheline eLearning kursus sotsiaalmeediaga, milles osalesid ka meie ülikooli tuutorid ja üliõpilased (Joonis pärineb artiklist Nguyen-Ngoc ja Law  (2009).  Analysis of Weblog-Based Facilitation of a Fully Online Cross-Cultural Collaborative Learning Course. In U. Cress, V. Dimitrova, and M. Specht (Eds.): EC-TEL 2009, LNCS 5794, pp. 181–195).

    iCamptrial

    Kursuse sotsiaalvõrgustiku joonisel tähistavad sinised ringid erinevatest ülikoolidest pärit tuutorite blogisid, kes igaüks juhendas ühe rahvusvahelise üliõpilaste rühma tegevust, kuid võis jälgida ja kommenteerida ka teisi rühmi. Punased ringid täistavad erinevatest ülikoolidest pärit üliõpilaste blogisid. Rühmades oli liikmeid erinevatest ülikoolidest.

  • Leia jooniselt, milline tuutor kommenteeris süstemaatiliselt ka teiste rühmade üliõpilasi ja omandas seetõttu suurima tsentraalsuse. Kas antud tuutori suur tsentraalsus tuli kasuks tema enda rühma üliõpilaste koostööle?
  • Leia eri rühmadest pärit üliõpilaste vahelisi seoseid, mis tõenäoselt tähistavad sama ülikooli üliõpilaste omavahelisi kommentaare.
  • Millistes rühmades oli üliõpilaste vaheline koostöö hea ja millistes koostöö ei laabunud? Kas see oli seotud tuutori aktiivsete kommentaaridega selles rühmas?

Sotsiaalvõrgustiku analüüsimine

Andmete analüüsimisel kasutatakse kas isikukeskset (ego-tsentrilist) või võrgustiku liikmete-keskset (sotsio-tsentrilist) seoste analüüsimise meetodit.

Ego-tsentrilises analüüsis keskendutakse teatud isikutele, nende  tegevusruumile (teistele isikutele, objektidee või kohtadele). Vaadeldava isikuga seoses leitakse kõik tema tegevusruumi kontaktid. Iga kontakti seosele isikuga antakse erinev kaal sõltuvalt sotsiaalsest kapitalist, mis kaasneb interaktsiooniga selle kontaktiga, või isiku poolt saadud kasule seal. Egotsentrilise analüüsi jaoks läheb vaja kas ridade või tulpade maatriksit. Egotsentrilise meetodiga kogutud andmeid võib kasutada näiteks võrgustikus olevate isikute võrdlemiseks.

…………………Kontakt X…..Kontakt Y

Õppija A…………2*………………6………..

*tähistab kaalu, väärtsut

Sotsiaalvõrgustike sotsio-tsentriliseks analüüsimiseks tuleks koguda andmeid isikute ja nendevaheliste seoste (näiteks, kes on kelle sõber võrgustikus) või seoste sageduse (näiteks, mitu korda kedagi on kommenteeritud) või kestvuse (kui pikaajaline on seos) kohta. Andmed paigutatakse andmemaatriksisse: ridades olevad seosed tähistavad ühe suunaga interakstioonide sagedust, tulpades olevad seosed vastassuuanlise interaktsiooni sagedust.

……………….Õppija A ..Õppija B..Õpetaja C

Õppija A  ……………………. 1* ………….4

Õppija B  …….3  ………………………..  3

Õpetaja C ……8 ……………5…………….

* tähistab sagedust

Andmeid sotsiaalvõrgustike kohta saab koguda ka küsitluse abil.
Näiteks:
  • Kui paljudega isikutega (objektidega) oma õpivõrgustikus oled viimase 7 päeva jooksul olnud kontaktis?
  • Loetle need ja nende roll sinu õppimises (nt. võin määratleda kategooriad kaasõppija, sõber, tuutor/ uue info allikas, abi saamine jne).
  • Kellega sinu õpivõrgustikus olevad isikud on seotud? (samu küsimusi küsitakse ka igalt nimetatud isikult)
  • Hinda skaalal 0-5, kui tähtis on sulle õppimise seisukohalt iga eelnimetatud isik/objekt.
  • Hinda skaalal 0-5, mil määral sa usaldad nimetatud isikuid koostöö seisukohalt (objekte info usaldusväärsuse seisukohalt).

Skaalaga küsimuste abil on võimalik joonistada erinevaid võrgustikke, sõltuvalt nt. tähtsusest õppimise seisukohast, usaldusväärsusest või muust tegurist.

Õpianalüütiliste süsteemidega saab sotsiaalvõrgustike andmeid andmekaeve abil.

Loe lisaks:

Introduction to social network methods. Hanneman, R. http://faculty.ucr.edu/~hanneman/nettext/

Virtuaalsete praktikakogukondade toetamise ja kaardistamise võimalused – M.Kusmini magistritöö http://www.cs.tlu.ee/osakond/opilaste_tood/magistri_tood/2007_kevad/Marge_Kusmin/Marge_Kusmin_Magistri_Too.pdf

Sotsiaalvõrgustiku analüüs Facebook’is WAYNi meetodiga 

Seoste visualiseerimise vahendid:

Gephi

SocNetV Windows, Linux and Mac OS X

SocNetV käsiraamat (ingl.k.)

/Many eyes võrgustiku analüüs – enam ei saa teha http://www-958.ibm.com/software/data/cognos/manyeyes/page/Network_Diagram.html

Andmekuju Many eyes võrgustiku jaoks: edufeedrdata

Andmetabel

Andmed2/

Ülesanne: Proovi Gephi või SocNetViz abil analüüsida EduFeedr’iga kogutud andmeid.

  • Salvesta EduFeedr’ist võrgustiku andmed.
  • Kopeeri andmed ManyEyes’i
  • Visualiseeri võrgustik

ifi7056

Näide Edufeedriga kogutud sotsiaalvõrgustikust IFI7056  kursuselt.

Ülesanne: Proovi koguda märksõnaga andmeid Topsy.com abil.

  • Otsi märksõnaga andmed ja saadud andmetes leia paarid, kes on kelle säutsu korranud.

layers1

  • Korralda andmed paaridena andmetabelisse.

layers2

  • Kopeeri andmed ManyEyes võrgustiku analüüsiks

layers3

Näide: LearningLayers projekti säutsude seosed edasisäutsujatega (ManyEyes)

Allalaaditavad:

Gephi http://gephi.org

  • Windows
  • Linux
  • Mac OS X

Andmete kuju Gephi jaoks

gephi_SNAdata1                   gepgiSNAdata2

Näide: LearningLayers projekti säutsude seosed edasisäutsujatega (Gephi)

layerstweets1

  • Algandmed on saadud Topsy.com analüüsiga.

layerstweets2

  •  Gephi võimaldab teada saada ka võrgusikku iseloomustavaid andmeid:
Isikuid (nodes) – 11
Seoseid (edges) – 15
Seotud komponente: (tugevalt) 15, (nõrgalt) 4
Kesksuse näitaja mõõdab isiku seoste arvu suhet võrgustiku või rühma seoste arvusse (average degree) – 0.733
Keskmine tee pikkus (average path lenght) – 1,577
Graafi tihedus – (graph density) – 0,052
Võrgustiku läbimõõt (network diameter) – 2
Võrgustikku kirjeldavaid andmeid võib võrrelda näiteks erinevate rühmade, erinevate ajaperioodide osas, vastates uurimisküsimusele:
  • millised on rühmade (võrgustiku alaosade) erinevused ja kuidas on erinev võrgustiku struktuur seotud võrgustikus saavutatud õpitulemustega
  • kuidas muutub võrgustik mingi interventsiooni mõjul
  • milline on isereguleeruva võrgustiku dünaamika
  • jne

Nodexl http://nodexl.codeplex.com/

  • Windows XP, Vista, or 7
  • Office 2007 or 2010

Commetrix http://www.commetrix.de/

a free evaluation trial license for 30 days

Ülesanne: Katseta demosid

http://mentionmapp.com/

Dünaamiliselt võrgustiku andmeid visualiseerivaid süsteeme võib kasutada õpitegevuse tagasisidestamiseks, nt. ülevaate saamiseks kursusel osalejate omavahelistest seostest või neile olulistest märksõnadest.

 

http://inmaps.linkedinlabs.com/network

linkedingraph

http://www.touchgraph.com/seo

NB: ära keelatud

Võid proovida analüüsida teatud märksõnaga veebiressursside seoseid või oma Facebook-i kontakte. Demo näitab ka korrastatud andmemassiivi, mida võib sealt välja kopeerida ja uurimise eesmärgil kasutada.

Näide: Ego-tsentriline sotsiaalvõrgustik

ecocentricfacebook

Seminari ja iseseisvate katsetuste tulemused vormistatakse järgnevalt:

Rühmad kirjutavad kokkuvõtteraporti oma õpisüsteemi kasutamisest SNA meetodiga.

Raport SNA kohta sisaldab:

  • Uurimisküsimused õpivõrgustiku kohta teie õpisüsteemis
  • Milliseid andmeid ja kust õpivõrgustiku (SNA) analüüsiks kogutakse, kuidas andmeid korraldatakse ja kasutatakse analüüsi läbiviimiseks ? Mis on puudu SNA andmekaeveks, milliseid analüütilisi võimalusi ootaksite arendajatelt?
  • Kuidas õpivõrgustiku andmeid visualiseeriti ja miks just nii? Mis võimalused jäid puudu soovitud visuaalsest esitusest?
  • Kellele SNA andmed teie õpisüsteemis esitatakse ja kuidas nad neid peaks saama kasutada? Millised SNA esitusvõimalused kasutajatele on veel puudu, mida teie sooviks näha?
  • Mis on tagasisidestatud SNA andmete eesmärk õpitegevuse seisukohast?
Advertisements

Jäta kommentaar

Kommenteerimiseks palun logi sisse, kasutades üht neist võimalustest:

WordPress.com Logo

Sa kommenteerid kasutades oma WordPress.com kontot. Logi välja / Muuda )

Twitter picture

Sa kommenteerid kasutades oma Twitter kontot. Logi välja / Muuda )

Facebook photo

Sa kommenteerid kasutades oma Facebook kontot. Logi välja / Muuda )

Google+ photo

Sa kommenteerid kasutades oma Google+ kontot. Logi välja / Muuda )

Connecting to %s