【导语】 现在是一个信息时代，网络特别的发达，那你了解网络分析么？下面关于网络分析小论文 ，希望可以帮到您！下面是t7t8美文号整理的6篇《网络分析小论文》，希望能为您的思路提供一些参考。
参考文献 篇一
[1]王海东，丁兴富。在网络虚拟环境中构建学习社区[J]。 中国电化教育， 2004,(214):30.
[2][4][5][6]王陆。虚拟学习社区原理与应用[M]。北京：高等教育出版社，2004.
[3]甘永成，王炜。虚拟学习社区多重内涵之解析与研究[J]。现代远程教育研究，2005,(5):10-15.
[7][8]张存刚，李明，陆得梅。社会网络分析――一种重要的社会学研究方法[J]。甘肃社会科学，2004,(2):109-111.
[9][12]陈向东等。Blog虚拟学习社区的社会网络研究――以“东行记”为例[J]:电化教育研究，2008,(1):40-44.
[10]罗家德。社会网络分析讲义[M]。北京:社会科学文献出版社，
2005:133.
[11]刘军。社会网络分析导论[M]。北京:社会科学文献出版社，2004.
[13][美]Albert-Laszlo Barabasi, Eeic Bonabeau著，何毓嵩译，曾少立校。无尺度网络。 [EB/OB]
数据统计及分析 篇二
在社会网络分析中，通常有两种方法可以描述社会网络：矩阵代数方法和社群图法[9]。小组的社会网络信息我们通过小组组员之间的联系及相互评论统计出相应数据，并制作成关系矩阵，如表1所示。由此矩阵得出相应的社群图，如图1所示。
笔者在统计过程中，为了便于统计和观察，采用数字替代了小组组员的昵称（其中1是授课教师，6、8是南京大学导学，42是本校指导教师，4、43是协作学校教师，其余是学生）。
对于表1所形成的矩阵，Xab=1表示成员a对成员b所发的帖做过评论（a是横坐标，b是纵坐标），相对图1而言，则节点a连接一根有向线至节点b;Xab=0表示成员a没有对成员b的帖做过评论，那么在图1中节点a与节点b之间则没有连接。在图1中我们可以看到左侧独立的节点都没有与网状图中的节点有连接，说明这些成员与其他成员之间并没有联系，而在实际中经统计调查，这部分成员很少登陆社区，而且没有进行过任何发帖和评论行为。
1网络密度
密度表示的是社区成员间联系的紧密程度，固定规模组织的成员之间联系越多，网络的密度就越大。一般来说，关系紧密的团体合作行为会比较多，信息流通较易，情感支持也会较好；而关系十分疏远的团体，则常有信息不通、情感支持少、协作程度低等问题出现[10]。密度值介于0和1之间，值越接近1则代表彼此间关系越紧密。在虚拟学习共同体中，密度计算反映了成员参与交流的积极程度。用Ucinet对矩阵进行密度计算，结果得出矩阵密度=0.0260。我们可以看出0.0260介于0和1之间，这个数字是一个很小的数据，我们可以认为成员间的联系很少。
2中心性分析
“中心性”是社会网络分析中的重点之一。个人或者组织在其社会网络中具有怎样的权力，或者说居于怎样的中心地位，这一思想是社会网络分析者最早探讨的内容之一。通常，中心性又分为程度中心性、接近中心性、中介性和特征向量中心性等[11]，其中程度中心性和中介性使用最为广泛。程度中心性通常用来衡量谁在一个团体中成为最主要的中心人物。中介性表示的是行动者对资源控制的程度，表示一个点在多大程度上位于网络中其他点的“中间”。占据这样的位置越多，就越代表他具有很高的中介性[12]。
利用软件Ucinet我们得出关系矩阵的程度中心性值，如表2所示，成员1外向程度中心性为21，是所有成员中最高的，标准化的外向程度中心性达到了50%，说明了成员1对其他成员都很关注，能够充分发挥了教师指导与评价作用。但由于指导教师偏重的是对学生的评价，学生很少评论教师的作品，因此成员1的内向程度中心性只有2。纵观全体成员内向中心性，我们也发现内向程度普遍很低，说明在该虚拟学习社区中还没有出现很受成员关注的人物，也没有出现影响力很高的成员。从外向程度中心性一栏我们还看到成员8相对其他成员来说出度值比较高，这说明其比较关注其他成员的情况，这与他作为导学身份是符合的。在表2中部分成员的外、内向程度中心性值都很低，甚至为0，这说明这些成员极少被人关注，也较少的去关注别人。
我们还得出整个网络的外向程度中心性为4.649%，对于一个虚拟学习社区来说这样的程度中心性是比较低的，而整个网络的内向程度中心性为48.526%。从整个网络的外、内向程度中心性我们可以认为该社区的交互主要集中于教师与社区骨干发起的讨论，普通成员参与交互的积极性尚有待提高。
通过对群体的中介性分析，我们得出结果，矩阵的整个网络中介性是3.58%，节点标准化的中介性在1以上的只有3位成员。其中标准化中介性最高的成员1的值为3.688。通过表3我们知道整个小组的中介性集中在成员1、7和8中，这与中心性的分析结果是相一致的。成员1、7和8控制着整个小组信息的流通，是信息传播的重要成员，而其他中介性为0的成员说明他们无法控制任何信息的流通。但是我们也看到了整个小组的信息流通依赖很少几个人，这样很容易形成信息垄断。
3 小团体分析
小团体或称派系是在一个群体中联系紧密的非正式群体。团体中的行动者之间具有相对较强的、直接的、紧密的`、经常的或者积极的关系。在本文的研究中，成员之间的交互是通过评论与被评论建立的，所以派系中的成员之间必须会出现相互评论的行为发生。利用Ucinet对群体进行小团体分析，得到6个小团体，如下表4所示：
从分析结果中我们可以看到，成员1在每一个小团体中都出现，而成员2也出现了3次以及成员7出现的2次。三个成员重叠性强，原因在于：授课教师会关注每位学生，对每位学生的作品进行评价，给予指导，特别是在对待发帖比较活跃的学生上，所以也就出现了活跃的成员2以及成员7在小团体中重叠次数相对较高。再次，学生也会形成以授课教师为中心这样的一种学习模式，所以成员1都在每一个小团体中出现。
这些小团体对虚拟学习社区有着极为重要的意义。他们之间的互动非常紧密，在交流互动上积极主动，在一定程度上控制着信息的流动，并且在长期的交互过程中形成了稳定的交互模式。在这有着43位组员的虚拟学习社区中，仅仅在少数人间建立了较为密切的联系，说明整个群体的互动性还不够强。
网络分为随机网络和无尺度网络。随机网络的特点是绝大部分节点的连结数目大致相同，连接数目比平均数高许多或低许多的节点十分罕见。而无尺度网络的大部分节点只有少数几个连接，而某些节点却拥有与其他节点的大量连接，这些具有大量连接的节点称为“集散节点” [13]。
由图1可知“海师教育技术2004级”小组组员之间的关系所形成的网络类似于无尺度网络。依据图1，然后从无尺度网络角度分析得出，整个小组的交互中心是1，绝大部分的连接都离不开1（这与上文社会网络分析中的中心性以及小团体分析结果是一致的）。从中我们也可以看出节点1占据了整个虚拟学习社区交互的重要地位。同时我们也看到几乎所有连接都集中在几个节点中（1、2、7和8等），如果没有了这些节点，那么整个小组成员的交互将出现瘫痪状态，无法进行交流学习。因此我们认为授课教师在该虚拟学习社区中的交互学习中起到了指导，中介的关键作用，而同时部分积极、主动参与交互的学生也会对整个虚拟学习社区的交互学习起重要的作用。
结论 篇三
一个成功的虚拟学习社区与其社会网络结构有着密切的关系。通过对班级社区“海师教育技术2004级”的社会网络分析研究。我们认为该社区是一个联系不紧密的学习社区，成员参与交互的积极程度不高，所以在进行虚拟社区学习的时候，我们应该加强成员之间的联系，尤其强调提倡成员更多地进行交流交互。再者，社区的成功需要适当数量的小团体，以形成共同的协作交互学习，所以基于虚拟社区的网络学习应当注重小组活动的设计，以促进学习者团体的内外部交互。巴巴变虚拟社区作为社会性软件的虚拟社区，是一种以个体为中心的交互社区，它以某个体作为中心，有利于发挥个体的主动性与影响力，带领、指导社区成员的交互。而在此优越性的背后，同时也容易导致大多数个体主要关注个人的知识管理，而忽视与他人的主动交流，影响社区的发展。
简之，一个成功的虚拟学习社区，其成员联系应该是非常紧密的；我们提倡成员应尽可能多的进行交互；社区的中心人物应该发挥其带头作用，激发成员的主动性和积极性，利用其影响力管理、促进社区的良性发展；而在交互过程中，建立由多个成员组成的小团体或主题小团体，也是促进社区成员交互的有效策略。
结束语 篇四
由于时间关系，本研究只选取了巴巴变中的一个班级社区进行分析，小组的人数仅43人，这在一定程度上对分析结果会产生些许影响。再者，不管是在客观上还是主观上，都还存在着许多潜在的不稳定因素，比如：网络条件、课程设计、社区的人际关系，以及成员的学习态度等因素都会影响社区的交互。此外，本文的研究过程中也存在一些不足之处，利用社会网络分析方法也只是分析了“海师教育技术2004级”小组部分的主要网络特征，还有更多的特征有待进一步的深入研究；本文的分析只运用了一种软件，而运用多种软件分析同一虚拟社区或进行比较分析也有待进一步研究。因此，社会网络分析方法在虚拟学习社区中的应用还有待发展。
社会网络分析方法 篇五
社会网络指的是社会行动者及其相互关系的集合。一个社会网络是由多个点（社会行动者）和各点之间的连线（行动者之间的关系）组成的集合。人类学家Barnes(1954)首次使用“社会网络”的概念来分析挪威某渔村的社会结构以来，社会网络分析就被视为是研究社会结构的最简单明了、最具有说服力的研究视角之一[7]。
社会网络分析方法是一种比较新的研究方法，我们可以把“社会网络分析”看成是一门对社会关系进行量化分析的艺术和技术，它主要是用于研究社会各行动者之间的相互关系， 可用于描述和测量网络社群成员之间的关系以及通过这些关系流动的各种有形或无形的东西。如信息、资源、知识等。通过对行动者之间关系和联系的情况进行分析研究，得出行动者以及行动者之间的社会网络信息，了解行动者的社会网络特征。透过社会网络除了能显示个人社会网络特征外，还能够了解许多社会现象，因为社会网络在组织中扮演着相当重要的无形角色。当人们在解决问题或是寻找合作伙伴时，通常都是遵循着所拥有的社会网络来寻找最可能协同活动的对象。该方法使用不同的概念评价网络不同的属性，例如密度、中心度、小群体等等。社会网络分析被视为是研究社会结构的最简单明朗、最具有说服力的研究视角之一[8]。
社会网络分析在国外发展已经比较成熟，但是，到目前为止，国内社会网络分析的系统论著还甚为少见，有关虚拟学习社区的社会网络分析研究还仅散见在少数个案研究中。社会网络研究方法无论在理论方法还是实证研究上都还不够深入，加上分析软件本身并未出现中文汉译版本，所以本文重点运用Ucinet外文软件分析虚拟社区的交互特性，以探讨社会网络分析方法的具体应用方法。
巴巴变虚拟学习社区的社会网络分析概述 篇六
2006年下半年南京大学网络化学习与管理研究所首次联合同时开课的各学校师生共同开展《学习科学与技术》这门课程的校际远程协作学习。这次校际协作学习我们借助了社会性图像软件平台――巴巴变，建立了校际协作思维导图交流区(http://www.省略/group/elearning)，也建立了主要由海南师范大学三年级教育技术专业学生组成的“海师教育技术2004级”该小组。该小组设管理员3名，由授课教师和两位学生组成，成员共40名，包括海南师范大学三年级教育技术学生、南京大学导学、本校指导教师以及协作学校教师，教学交互时间历时一个学期。
下面就以“海师教育技术2004级”为例，运用社会网络分析方法对其进行分析，从网络密度、中心性、小团体三个角度探讨巴巴变虚拟学习社区的特点。本文社会网络信息分析采用软件Ucinet的6.188版本。
以上内容就是t7t8美文号为您提供的6篇《网络分析小论文》，希望对您有一些参考价值。