Year-end Sale % OFF 
Abstract
The concept of centrality and centrality measures are well-known and frequently used in social network analysis. They are also implemented in numerous software packages. However, that does not mean that it is easy to apply them correctly. This paper aims to introduce the most frequently used centrality measures, but more importantly to point out the problems related to their application and to sketch potential solutions for these problems. First, three basic centrality measures are introduced: degree, betweenness, and closeness. There are three broad categories of issues with centrality measures. These categories are: inadequate operationalisation of centrality measures, explanation of their distribution, and interdependence of observation in statistical modelling. A typology of flows in the network is presented as a potential solution allowing for transparent operationalisation. The so-called positional approach is another potential solution allowing for conceptually and computationally rigorous definition of centrality measures. Lastly, statistical models for network data are introduced as a way to deal with interdependence of observations. In the conclusion, challenges for measuring centrality in bipartite and multiplex networks are discussed.
Highlights
The concept of centrality and centrality measures are well-known and frequently used in social network analysis
This paper aims to introduce the most frequently used centrality measures, but more importantly to point out the problems related to their application and to sketch potential solutions for these problems
„Centrality and the Dual-Projection Approach for Two-Mode Social Network Data.“ Methodological Innovations 9: 2059799116630662
Summary
Než se přesuneme k výkladu samotných měr centrality a následně k jejich problémům a potenciálním řešením, je namístě vymezit, co v této stati rozumíme sítí a jak se toto pojetí liší od jiných přístupů, třebaže využívají podobnou terminologii. Jak lze zohlednit sílu vazeb při výpočtu mezilehlosti, je užití tokové mezilehlosti (flow betweenness [Freeman, Borgatti a White 1991]), což je způsob výpočtu založený na možných tocích v síti, přičemž uzel umístěný na vysokém počtu toků má vysocentrality vkyocuhmázeezjiílceíhzlogste.odetických vzdáleností je blízkost bodem pro blízkost je úvaha, že uzel, který je blízko To. Tomáš Diviák: Není hvězda jako hvězda: identifikace klíčových aktérů v sociálních sítích ovšem předpokládá, že lze v empirických sítích rozlišit cesty, na nichž mají všechny vazby stejný směr, což se v praxi takřka nikdy nevyskytuje, neboť cesty jsou zcela běžně složené z vazeb obou směrů.[7] Provizorním řešením je symetrizace vazeb, tedy odstranění jejich orientace. Který má stupeň o hodnotě osm v jedenáctičlenné binární neorientované síti, má normalizovaný stupeň o hodnotě 0,8, protože teoretickým maximem stupně je v tomto případě 10 (tedy vazby ke všem ostatním uzlům). Graf 1: Síť se třemi výše ilustrovanými měrami centrality (převzato podle Ortiz-Arroyo 2010)
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
