تحلیل شبکه های اجتماعی با R – به زبان ساده

تحلیل  شبکه های اجتماعی یکی از مباحث داغ روز است که در این مطلب به طور کامل به آن پرداخته خواهد شد. از زمان پیداش «شبکه‌های اجتماعی برخط» (Online Social Networks | OSN) تاکنون، جمعیت کاربران این شبکه‌ها روز به روز افزایش می‌یابد. بر اساس آخرین گزارش «دیجیتال ۲۰۱۹» (Digital 2019) که توسط «هوت‌سوئیت» (Hootsuite) ارائه شده است (این گزارش ۲۲۱ صفحه‌ای، چشم‌اندازی دقیق از وضعیت استفاده از وب و به طور خاص شبکه‌های اجتماعی ارائه می‌کند)، در سال ۲۰۱۹، اینترنت از سراسر جهان ۴.۳۸۸ میلیارد کاربر (نفوذ ٪۵۷) دارد و نسبت به سال گذشته، رشد ٪۹.۱ داشته است. شایان توجه است که جمعیت کل جهان، ۷.۶۷۶ میلیارد نفر است.

همچنین، تعداد کاربران شبکه‌های اجتماعی در سال ۲۰۱۹ برابر با ۳.۴۸۴ میلیارد (نفوذ ٪۴۵) گزارش شده که نسبت به سال گذشته ٪۹ رشد داشته است. تعداد کاربران تلفن همراه در سال ۲۰۱۹، برابر با ۵.۱۱۲ میلیارد است که رشد ٪۲ نسبت به سال گذشته از خود نشان می‌دهد. در این میان، تعداد کاربران شبکه‌های اجتماعی موبایل، ۳.۲۵۶ میلیارد نفر (نفوذ ٪۴۲) است.

از سوی دیگر، مدت زمانی که افراد برای حضور در شبکه‌های اجتماعی صرف می‌کنند رشد قابل توجهی داشته و به نوعی می‌توان گفت این روزها، شبکه‌های اجتماعی همیشه و همه جا همراه افراد هستند و بخش قابل توجهی از زندگی آن‌ها را شامل می‌شوند. با توجه به همین آمار و ارقام و حجم محتوایی که هر روز افراد در شبکه‌های اجتماعی برخط تولید کرده و به اشتراک می‌گذارند، مبحثی جدید با عنوان تحلیل شبکه های اجتماعی شکل گرفته است.

در این مطلب، آموزش تحلیل شبکه های اجتماعی با R ارائه شده است. البته به منظور درک هر چه بهتر مطلب، ابتدا مفهوم شبکه اجتماعی و دلایل نیاز به تحلیل شبکه های اجتماعی بیان شده، فرصت‌های شغلی این حوزه مورد بررسی قرار گرفته و سپس، به چگونگی انجام تحلیل شبکه های اجتماعی با R پرداخته شده است. در نهایت، منابع آموزشی مفید برای فراگیری کامل و تسلط بر این مبحث، ارائه شده‌اند.

شبکه اجتماعی چیست؟

یک تعریف ساده و کوتاه قابل ارائه از شبکه‌های اجتماعی این است: «شبکه اجتماعی، ساختاری متشکل از افراد (یا سازمان‌ها) است». به بیان جامع‌تر، شبکه اجتماعی ساختاری متشکل از بازیگران شبکه (افراد یا سازمان‌ها) و روابط میان آن‌ها است.

در واقع، یک شبکه اجتماعی را می‌توان به صورت یک «گراف» (Graph) در نظر گرفت که در آن، بازیگران شبکه همان «گره‌های» (Nodes) گراف و روابط میان آن‌ها «یال‌های» (Edges) گراف است. قدمت شبکه‌های اجتماعی به تشکیل اولین اجتماعات انسانی باز می‌گردد. یک خانواده، فامیل، سازمان و حتی مدرسه، به دید سنتی یک شبکه اجتماعی محسوب می‌شود. در واقع، انواع گوناگونی از روابط می‌تواند میان بازیگران یک شبکه اجتماعی برقرار باشد.

جنس جدیدی از شبکه‌های اجتماعی با ظهور وب ۲.۰ ایجاد شدند. «شبکه‌های اجتماعی برخط» (Online Social Networks)، نوعی از شبکه‌های اجتماعی مبتنی بر وب هستند. این شبکه‌های اجتماعی انواع گوناگونی دارند که می‌توان به شبکه‌های اجتماعی به اشتراک‌گذاری ویدئو، صوت، متن و شبکه‌های اجتماعی ترکیبی که انواع محتوا را می‌توان در آن به اشتراک گذاشت اشاره کرد.

هرچند، در حال حاضر اغلب شبکه‌های اجتماعی با وجود آنکه برای هدف خاصی طراحی شده‌اند، معمولا امکان به اشتراک‌گذاری چند نوع محتوا را به طور هم‌زمان به کاربر می‌دهند و هر بار در گذر زمان، از قابلیت‌های جدیدی در این راستا، بهره‌برداری می‌کنند. از جمله معروف‌ترین و محبوب‌ترین شبکه‌های اجتماعی برخط، می‌توان به «فیس‌بوک» (Facebook)، «یوتیوب» (YouTube)، واتس‌اپ (WhatsApp)، «وی‌چت» (WeChat)، «اینستاگرام» (Instagram)، «توییتر» (Twitter) و «لینکدین» (Linkedin) اشاره کرد. نکته شایان توجه این است که در حال حاضر از عبارت شبکه‌های اجتماعی معمولا برای اشاره به شبکه‌های اجتماعی برخط استفاده می‌شود و کمتر پیش می‌آید که با بیان شبکه اجتماعی شکل سنتی آن مد نظر باشد.

با توجه به اهمیت تحلیل شبکه‌های اجتماعی، «فرادرس» اقدام به انتشار فیلم آموزش تحلیل شبکه های اجتماعی با زبان R و متن کاوی در قالب یک آموزش ۷ ساعته کرده که در ادامه متن آمده است.

• برای دیدن فیلم آموزش تحلیل شبکه های اجتماعی با زبان R و متن کاوی + اینجا کلیک کنید.

تحلیل شبکه های اجتماعی چیست و چرا به آن نیاز است؟

همانطور که پیش از این اشاره شد، مفهوم شبکه‌های اجتماعی به اولین اجتماعات انسانی شکل گرفته توسط بشر باز می‌گردد و مفهوم کنونی شبکه اجتماعی که در واقع منظور از آن، شبکه اجتماعی برخط است، با ظهور وب ۲.۰ ایجاد شد. اولین رشته‌های تحلیل اجتماعات انسانی نیز به تلاش‌های جامعه‌شناسان اولیه مانند «گئورگ زیمل» (Georg Simmel) و «امیل دورکیم» (Émile Durkheim) مربوط می‌شود که مطالعات و آثار مکتوبی را پیرامون الگوهای روابطی که بازیگران شبکه‌های اجتماعی را به یکدیگر متصل می‌کند دارند. در سال ۱۹۳۰ بود که «جاکوب مورنو» (Jacob L. Moreno) و «هلن جنگینز» (Helen Jennings) روش‌های تحلیلی پایه‌ای را برای شبکه‌های اجتماعی معرفی کردند.

در ابتدای قرن بیستم، برخی از جامعه‌شناسان، از عبارت «شبکه اجتماعی» برای اشاره به روابط پیچیده بین اعضای اجتماعات انسانی در ابعاد شخصی و بین فردی گرفته تا بین‌المللی استفاده کردند. در واقع می‌توان گفت، «تحلیل شبکه های اجتماعی» (Online Social Network Analysis | OSNA | SNA)، استراتژی برای بررسی شبکه‌های اجتماعی است. تحلیل شبکه‌های اجتماعی به دو صورت «ساختاری» (Structural) و «رفتاری» (Behavioral) انجام می‌شود. در تحلیل ساختاری، گراف ساختاری یک شبکه اجتماعی (شامل گره‌ها و یال‌ها) مورد بررسی قرار می‌گیرد.

در تحلیل رفتاری، رفتار کاربر در یک شبکه اجتماعی، شامل محتوایی که به اشتراک می‌گذارد، زمان‌های فعالیت و برخی از دیگر موارد، مورد بررسی قرار می‌گیرد. یکی از وظایف اصلی که در تحلیل رفتاری شبکه‌های اجتماعی معمولا انجام می‌شود، «متن‌کاوی» (Text Mining) است. برای مثال، توییت‌های ارسالی کاربران فارسی زبان در یک شبکه اجتماعی مانند توییتر، در یک بازه زمانی مشخص گردآوری می‌شوند و با استفاده از روش‌های متن‌کاوی، «تحلیل احساسات» (Sentimental Analysis) که به آن عقیده‌کاوی (Opinion Mining) یا تحلیل عواطف نیز گفته می‌شود، تحلیل عواطف کاربران در جهت تشخیص حساب‌های کاربری که به «نفرت پراکنی» (Hate Speech) می‌پردازند انجام می‌شود (البته برخی از دانشمندان، تفاوت‌های ظریفی بین تحلیل احساست و عقیده‌کاوی بر می‌شمارند).

با توجه به آمارهای ارائه شده در ابتدای این مطلب، به خوبی مشهود است که جهان کنونی، جهانی متشکل از ساختارهای اجتماعی شکل گرفته در وب و در واقع دنیای شبکه‌های اجتماعی برخط است. افراد حاضر در شبکه، احساسات، عقاید، خواسته‌ها، اخبار و مسائل گوناگون را به صورت آنی با یکدیگر به اشتراک می‌گذارند. این یعنی، یک بایگانی عظیم و به وسعت جهان از داده‌های افراد گوناگون که با تحلیل آن‌ها می‌توان به دانشی فوق‌العاده در راستای شناخت بشر و دنیای انسانی دست یافت. چنین شناختی می‌تواند در راستای اهداف گوناگون، از جمله موارد زیر مفید واقع شود.

• شناسایی فعالیت‌های مجرمانه در شبکه‌های اجتماعی (شامل گروهک‌ها و ترول‌ها)
• انجام بازاریابی دیجیتال هدفمند و قدرتمند با شناخت دقیق مشتریان
• بهبود فرایند ارتباط با مشتریان از طریق شبکه‌های اجتماعی
• ساخت سیستم‌های توصیه‌گر (برای کالا و خدمات و یا دیگر انواع سیستم‌های توصیه‌گر)
• ساخت موتورهای جستجوی مبتنی بر نظرات کاربران
• استفاده از دانش حاصل شده از تحلیل شبکه های اجتماعی در راستای اهداف «هوش تجاری» (‌Business Intelligence)
• کمک به بهبود تصمیم‌سازی در کسب و کارها و یا سازمان‌های گوناگون دولتی و نهادهای نظارتی و امنیتی
• پیش‌بینی نتایج به ویژه در انتخابات‌ها
• کشف موضوعات نوظهور و گرایش‌های موضوعی

نمونه‌ای از قدرت تحلیل شبکه‌های اجتماعی و استفاده از دانش حاصل شده از آن جهت دستیابی به اهداف گوناگون را می‌توان در ماجرای «کمبریج آنالیتیکا» (Cambridge Analytica) و فیس‌ بوک و تاثیر به سزایی که گفته می‌شود در  انتخابات آمریکا داشته است مشاهده کرد.

فیلم آموزش کسب و کار در اینستاگرام در فرادرس

کلیک کنید

فرصت‌های شغلی در زمینه تحلیل شبکه های اجتماعی

با توجه به نقش مهمی که شبکه‌های اجتماعی در تدوین استراتژی‌های کسب و کارها در حال حاضر دارند، و تاثیر به سزایی که دانش حاصل از تحلیل شبکه های اجتماعی در حوزه‌های گوناگون داشته است، فرصت‌های شغلی متعدد با درآمد خوب برای کارشناسان این حوزه وجود دارد. تحلیل‌گران شبکه‌های اجتماعی می‌توانند تا حتی ۱۱۰,۰۰۰ دلار در سال حقوق دریافت کنند. انتظار می‌رود تعداد فرصت‌های شغلی این حوزه با توجه به رشد روزافزون ضریب نفوذ شبکه‌های اجتماعی، افزایش پیدا کند.

تحلیل شبکه های اجتماعی چگونه انجام می‌شود؟

همانطور که پیش تر بیان شد، تحلیل شبکه های اجتماعی به دو شکل ساختاری (بر اساس گراف شبکه) و رفتاری (محتوای به اشتراک گذاشته شده توسط کاربر و رفتار کاربر در شبکه مانند ساعات حضور و به اشتراک‌گذاری محتوا) انجام می‌شود. هر یک از این دو نوع تحلیل، اصول و روش‌های خاص خود را دارند. برای مثال، در تحلیل ساختاری، نیاز به تسلط بر مباحث زیر وجود دارد:

• مفاهیم نظریه گراف‌ها
• مفاهیم بنیادین پیرامون ساختار شبکه‌های اجتماعی مانند «شبکه‌های اگو» (Ego Networks) و «شبکه‌های سراسری» (Global Networks)
• سنجه‌های اختصاصی ساختارهای شبکه‌های اجتماعی ( که سه دسته اصلی آن عبارتند از «ارتباطات» (Connections)، «توزیع‌ها» (Distributions) و «بخش‌بندی» (Segmentation))
• دیگر مباحث این حوزه مانند انواع ساختارهای ناهنجار در شبکه (ستاره‌ای، گروهک و شبه گروهک)

در تحلیل‌ رفتاری، یکی از مرسوم‌ترین راهکارها استفاده از محتوای متنی به اشتراک گذاشته شده توسط کاربر است. بدین معنا که برای مثال متن توییت‌ها، پست‌های فیس‌بوک و یا کپشن‌های پست‌های اینستاگرام را گردآوری و تحلیل می‌کنند. بدین منظور، کاربر نیاز به آشنایی با مفاهیم متن‌کاوی و ابزارهای آن دارد.

تحلیل شبکه های اجتماعی با زبان برنامه نویسی R

برای پیاده‌سازی تحلیل شبکه های اجتماعی می‌توان از ابزارهای ویژه این حوزه استفاده کرد. از جمله این ابزارها، زبان‌های برنامه‌نویسی R و «پایتون» (Python) هستند. R یک زبان محاسباتی قدرتمند است که در ابتدا به طور ویژه برای محاسبات آماری به کار می‌رفت. اما در گذر زمان و با توسعه «بسته‌های» (Packages) این زبان برای «علم داده» (Data Science)، «یادگیری ماشین» (Machine Learning) و به طور خاص «متن‌کاوی» (Text Mining) استفاده از این زبان برای انجام تحلیل شبکه‌های اجتماعی نیز رواج یافت. نمونه‌ای از پروژه‌های تحلیل شبکه های اجتماعی با R را می‌توان در مطلب «تحلیل احساسات در توییتر با زبان R — راهنمای کاربردی» و «تحلیل ترافیک شهری با استفاده از شبکه‌های اجتماعی و R — راهنمای کاربردی» مشاهده کرد.

جمع‌بندی

تحلیل شبکه‌های اجتماعی به اشکال گوناگون و با اهداف متنوعی صورت می‌پذیرد. به منظور انجام تحلیل شبکه های اجتماعی، کاربر نیاز به آشنایی با مفاهیم این حوزه، مباحث داده‌کاوی و متن‌کاوی و همچنین یک ابزار مانند زبان برنامه‌نویسی R دارد. به علاقه‌مندان یادگیری تحلیل شبکه های اجتماعی، مشاهده دوره آموزش ویدئویی آموزش تحلیل شبکه های اجتماعی با زبان R و متن کاوی که به زبان فارسی تهیه شده و مدت زمان آن ۷ ساعت و ۲۵ دقیقه است، توصیه می‌شود.

• برای دیدن فیلم آموزش تحلیل شبکه های اجتماعی با زبان R و متن کاوی + اینجا کلیک کنید.

اگر مطلب بالا برای شما مفید بوده، آموزش‌های زیر نیز به شما پیشنهاد می‌شود:

• آموزش ​اصول و روش های داده کاوی (Data Mining)
• آموزش برنامه نویسی R و نرم افزار RStudio
• مجموعه آموزش‌های داده‌کاوی و یادگیری ماشین
• تحلیل شبکه های اجتماعی از صفر تا صد — راهنمای جامع
• تحلیل شبکه های اجتماعی (Social Network Analysis) — به زبان ساده و جامع

^^