社會網絡_期中考試
楊庭宇_0063
2025-06-07
一、請以你自己的經過簡化後的個人社會網絡為例(例如只包含幾個最重要的人、或只舉幾位代表性人物)，繪製下列社會網絡圖，同時，請用簡單的文字介紹你個人的社會網絡。(24%)
- a.包含你在內，至少包括6個節點的個人中心網絡(ego-centric network)，以及兩兩節點間的聯繫強度。請簡要介紹這個網絡中的主要關係與互動情境、除了你以外，誰在比較核心的位置、誰比較邊陲，為什麼？(8%)
library(igraph)##
## 載入套件：'igraph'## 下列物件被遮斷自 'package:stats':
##
## decompose, spectrum## 下列物件被遮斷自 'package:base':
##
## unionnodes <- c("me", "東", "詠", "琪", "徽", "喬", "父", "母")
edges <- data.frame(
from = c("me", "me", "me", "me", "徽", "me", "me", "父", "詠", "me", "琪"),
to = c("詠", "東", "徽", "喬", "喬", "父", "母", "母", "東", "琪", "詠"),
weight = c(6, 4, 7, 2, 4, 3, 3, 9, 3, 6, 4)
)
g <- graph_from_data_frame(edges, vertices = nodes, directed = FALSE)
set.seed(123)
layout1 <- layout_with_fr(g)
V(g)$color <- ifelse(V(g)$name == "me", "red",
ifelse(V(g)$name == "詠", "orange", "skyblue"))
plot(g,
layout = layout1,
edge.width = E(g)$weight,
edge.label = E(g)$weight,
edge.label.cex = 1.1,
vertex.size = 30,
vertex.label.cex = 1.2,
vertex.label.font = 2,
vertex.label.color = "black",
vertex.color = V(g)$color,
main = "個人中心網絡圖")
網絡可分類為三大群，同班同學(詠、東、琪)三人、室友(徽、喬)兩人、家人(父、母)兩人。同班同學間易受修課重疊性而影響兩兩間的聯繫強度，我與詠、琪兩位同學修課重複性高因此有較強烈的聯繫，而詠佔據了核心的位置；室友間我與徽較常有話題所以聯繫強度高，而喬共同話題較少屬於邊陲位置；最後是家人方面，大學在外獨立生活，故與父母聯繫頻率較同儕之間少。- b.請以你與興趣、社團、課程、組織等連結為例，繪製一張雙元網絡(two-mode network)或隸屬網絡(bipartite network)圖(每一類型節點都請至少包含3個節點)，簡單說明這個網絡。(8%)
library(igraph)
people <- c("me", "東", "詠", "琪", "徽", "喬")
activities_short <- c("A1", "A2", "A3", "A4")
all_nodes <- c(people, activities_short)
types <- c(rep(TRUE, length(people)), rep(FALSE, length(activities_short)))
edges_bi <- data.frame(
from = c("me", "東", "詠", "琪", "me", "詠", "琪", "me", "喬", "徽", "東", "me", "徽"),
to = c("A1", "A1", "A1", "A1", "A2", "A2", "A2", "A3", "A3", "A3", "A4", "A4", "A4")
)
g_bi <- graph_from_data_frame(edges_bi,
vertices = data.frame(name = all_nodes, type = types),
directed = FALSE)
layout2 <- layout_as_bipartite(g_bi)
layout2[,2] <- -layout2[,2]
person_idx <- which(V(g_bi)$type == TRUE)
activity_idx <- which(V(g_bi)$type == FALSE)
layout2[person_idx, 1] <- seq(-4, 4, length.out = length(person_idx))
layout2[activity_idx, 1] <- seq(-4, 4, length.out = length(activity_idx))
V(g_bi)$color <- ifelse(V(g_bi)$type, "skyblue", "lightgreen")
par(mar = c(6, 4, 4, 2))
plot(g_bi,
layout = layout2,
vertex.size = 30,
vertex.label.cex = 1.1,
vertex.label.color = "black",
vertex.label.font = 2,
vertex.color = V(g_bi)$color,
main = "雙元網絡(two-mode network)）")
legend("bottom",
legend = c("A1 = 就讀社會學系",
"A2 = 社研法課程同組",
"A3 = 同住",
"A4 = 喜愛打羽球"),
horiz = TRUE,
inset = -0.25,
bty = "n",
text.col = "darkgreen",
cex = 0.9,
xpd = TRUE)
我與詠、東、琪三人皆就讀社會學系；在社研法課程時我與詠、琪兩人同組別，因彼此間想法較一致；我和徽、喬共同租屋互相照料彼此；興趣方面，我和東、徽有時會相約前去打羽球強健體魄。- c.在你的社會網絡中，是否有數個節點可能組成多重網絡？請繪製這個多重網絡圖，請以線條粗細代表多重關係中不同類型的關係數多寡，線條愈粗代表兩個節點間同時具備愈多種關係，也請以文字簡介這個多重關係網絡。(8%)
library(igraph)
# 定義節點
nodes <- c("me", "東", "詠", "琪", "徽", "喬")
# 定義每一種社會關係作為一組邊
# 學業關係（就讀社會學系）
soc_edges <- data.frame(
from = c("me", "me", "me", "東", "詠", "東"),
to = c("東", "詠", "琪", "詠", "琪", "琪"),
type = "soc"
)
# 小組關係（社研法課程同組）
group_edges <- data.frame(
from = c("me", "詠", "琪"),
to = c("詠", "琪", "me"),
type = "group"
)
# 室友關係
roommate_edges <- data.frame(
from = c("me", "喬", "徽"),
to = c("喬", "徽", "me"),
type = "roommate"
)
# 羽球關係
badminton_edges <- data.frame(
from = c("me", "東", "徽"),
to = c("東", "徽", "me"),
type = "badminton"
)
# 合併所有邊並計算「同一對人之間的總關係數」
all_edges <- rbind(soc_edges, group_edges, roommate_edges, badminton_edges)
all_edges_a <- data.frame(
from = pmin(all_edges$from, all_edges$to),
to = pmax(all_edges$from, all_edges$to),
type = all_edges$type
)
# 計算邊的多重性（幾種關係）
edge_summary <- aggregate(type ~ from + to, data = all_edges_a, FUN = length)
names(edge_summary)[3] <- "weight"
# 建立圖
g_multi <- graph_from_data_frame(edge_summary, vertices = nodes, directed = FALSE)
# 使用 Fruchterman-Reingold 佈局
set.seed(456)
layout_m <- layout_with_fr(g_multi)
# 畫圖
plot(g_multi,
layout = layout_m,
edge.width = E(g_multi)$weight * 2, # 關係愈多，邊愈粗
edge.label = E(g_multi)$weight,
edge.label.cex = 1.1,
vertex.size = 30,
vertex.label.cex = 1.2,
vertex.label.font = 2,
vertex.label.color = "black",
vertex.color = "skyblue",
main = "多重網絡圖")
在多重網絡圖中，節點代表我與身邊的重要人際互動對象，邊的粗細代表我們之間的多重關係數量之不同。我與詠、琪，既為同班同學，亦是同組夥伴；我與東既是同學，也是羽球夥伴；我與徽則為室友，同時也會一起打羽球；喬則僅為室友，屬於單一互動類型。可以看出擁有多重角色的人通常在生活中更為核心，彼此互動頻繁且多元。二、請以下列網絡圖來回答以下題目(20%)：
- a.請寫出以下網絡圖之node list、edge list、以及matrix資料型態。(6%)
nodes <- data.frame(
id = 1:8
)
print(nodes)## id
## 1 1
## 2 2
## 3 3
## 4 4
## 5 5
## 6 6
## 7 7
## 8 8edges <- data.frame(
from = c(1,1,2,3,4,5,6,7,8),
to = c(2,5,3,6,6,4,7,8,5)
)
print(edges)## from to
## 1 1 2
## 2 1 5
## 3 2 3
## 4 3 6
## 5 4 6
## 6 5 4
## 7 6 7
## 8 7 8
## 9 8 5adj_matrix <- matrix(0, nrow = 8, ncol = 8)
for(i in 1:nrow(edges)) {
a <- edges$from[i]
b <- edges$to[i]
adj_matrix[a, b] <- 1
adj_matrix[b, a] <- 1
}
rownames(adj_matrix) <- colnames(adj_matrix) <- as.character(1:8)
adj_matrix## 1 2 3 4 5 6 7 8
## 1 0 1 0 0 1 0 0 0
## 2 1 0 1 0 0 0 0 0
## 3 0 1 0 0 0 1 0 0
## 4 0 0 0 0 1 1 0 0
## 5 1 0 0 1 0 0 0 1
## 6 0 0 1 1 0 0 1 0
## 7 0 0 0 0 0 1 0 1
## 8 0 0 0 0 1 0 1 0- b.請問上圖是個directed network還是undirected network？請問這個網絡的密度(density)是多少？(4%)
g <- graph_from_data_frame(edges, vertices = nodes, directed = FALSE)
is_directed(g)## [1] FALSEdensity_value <- edge_density(g)
paste("網絡的密度(density) =", round(density_value, 4))## [1] "網絡的密度(density) = 0.3214"上圖是undirected network,；網絡的密度(density)約為0.3214- c.node 6的degree是多少呢？node 3和node 8相較，你覺得誰在網絡比較中心的位置？為什麼？(4%)
degree(g)["6"]## 6
## 3library(igraph)
edges <- data.frame(
from = c(1,1,2,3,4,5,6,7,8),
to = c(2,5,3,6,6,4,7,8,5)
)
g <- graph_from_data_frame(edges, directed = FALSE)
deg <- degree(g)
btw <- betweenness(g)
data.frame(
Betweenness = round(btw[c("3", "8")], 2)
)## Betweenness
## 3 3
## 8 2node 6的degree是3；中介中心性是一種衡量節點在網絡中「橋樑角色」的重要指標，node 3和node 8與比較下, node 3的betweenness（中介性）大於 node 8，因此可推論node 3 比 node 8 更位於中心的位置。d.仔細觀察這個社會網絡，如果用你的肉眼來區分，你覺得這個社會網絡中的結構位置大致可以分為幾種類型？每個類型分別包含哪些節點？請簡單說明你為什麼這樣分類？(6%)
大致可分為三種類型。其一屬於具串聯作用的角色(node 5,6)，皆為串聯起兩大區塊的關鍵位置；其二為中介角色(node1,2,3,7,8)，於資訊傳遞或關係擴散的中介位置，扮演網絡的橋梁；其三為核心角色(node 4)，兩區塊的資訊消息可以透過node5,6傳遞給node 4。
三、在課堂中，我們曾經使用過下圖為例來說明中心性的概念。在圖中，節點上的數字代表這個節點的度數，請試著就你對於中心性概念的理解，回答下列問題。(16%)
a.誰擁有最高的 degree centrality？請說明你的判斷依據。(4%)
Ella。節點上的數字表示其連結的數量（degree），也就是它與多少節點直接相連。Ella 的度數為 7，是所有節點中最高的，擁有最高的 degree centrality。b.若你想找最可能收到最多資訊來源的人，會選誰？為什麼？(4%)
Miles。雖然 Ella 的度數最高，但她連結的節點幾乎都是周邊孤立的節點，資訊來源單一。反觀 Miles 度數為 6，且連結多個子群體，有來自不同網絡區塊的連結，能從多樣化來源接收資訊。c.在這個網絡中，你覺得誰是最重要的「橋樑」？為什麼？(4%)
Nanci。其扮演連結左側群體與右側群體的重要角色，若將他移除，整個網絡將被切斷為兩大部分。d.你覺得誰到所有其他人的平距離最短？為什麼？(4%)
Miles。他連接多個網絡區塊，若要接觸 Ella 那一側，或 Warren 那一側，皆只需一兩步的距離，是整體網絡中「最容易接觸到所有人」的節點。
四、請試著比較James和Robert在社會網絡位置上的同與異。(10%)
兩者的共同點在於皆位於資訊流通的關鍵節點，能影響不同成員之間的連結與互動，不論是作為群體內的核心人物（James），或作為群體間的橋樑（Robert），他們皆具有潛在的社會資本與影響力。James 的位置屬於群體 B 的核心，擁有較高的度中心性(degree centrality )，與許多成員直接連結，可能是群體意見領袖或資訊集中者，得迅速接收與傳播群體內的資訊。Robert 處於群體 A、B 與 C 之間的邊緣橋梁，雖然與每個群體的連結數量不多，但其連結的是彼此間缺乏聯繫的群體，具備高中介中心性（betweenness centrality），使他成為跨群體溝通的關鍵中介，擁有跨越結構洞的能力，掌握獨特且異質的資訊。綜合來看，James 擅長在群體內建立人脈與影響力，而 Robert 則擅長在群體之間搭橋連結。五、請以一個社會網絡研究為例，簡要說明在不同分析層次下可能提出的研究問題。請舉出一個具體的社會網絡研究例子，並說明：(15%)
研究：高中生的友誼網絡與背景變項之關係研究。研究者蒐集某校班級內學生之間的友誼連結，並結合他們的學業成績、性別等背景變項，建立社會網絡。a.若聚焦在對偶層次（dyadic level），可能會關注哪些研究問題？(5%)
什麼因素會影響學生A和學生B之間是否形成友誼？若 A 是 B 的朋友，B 是否也傾向主動認定 A 為朋友？在學業成績相近的學生對中，形成友誼連結的機率是否較高？b.若聚焦在節點層次（node level），會提出什麼樣的研究問題？(5%)
節點的中心性是否與學業表現有關？受歡迎的學生（高 degree）是否具有更高的自信？一個學生在班上越受歡迎（友誼連結越多），是否成績越好？位於網絡邊緣的學生是否有較高的輟學風險？c.若將焦點放在群體層次（group or network level），又可以探討哪些問題？(5%)
是否呈現同儕群體間的隔閡？班級的友誼網絡是否越密集，整體學業表現越平均？是否存在特定群體（例如讀書圈、興趣取向圈）具有截然不同的特徵？網絡中是否存在根據成績自動形成的群體分化？請清楚區分三個層次的問題關注點，並搭配所舉例子說明之。
六、(加分題)就目前為止，針對這門社會網絡課或者是授課教師，你有什麼建議或心得呢？(3分)
在社會網絡課程中，我瞭解到網絡是一種思考社會系統的方式，關注構成系統的實體間的關係，以及使用網絡視覺化能實際看出每個人如何在網絡中扮演不同角色，是量化分析無法看出來的，這對研究視野十分有幫助。另外對於初次使用R軟體的我，認為老師教授的難易度算是平易近人，有努力的話多半能夠很快上手，能夠在這堂課學到另一個軟體程式十分開心。最後對於作業的部分有項建議，希望老師能夠在學期期間批改作業，學生較能瞭解到是否有哪些地方較不熟悉需要多練習或調整。謝謝老師這學期的認真教導，您辛苦了！