Социальный медиа майнинг
Майнинг в социальных сетях (Social media mining) - это процесс получения больших данных из пользовательского контента на сайтах социальных сетей и в мобильных приложениях с целью извлечения закономерностей, формирования выводов о пользователях и их действиях и интересах. Майнеры разрабатывают алгоритмы, подходящие для исследования больших массивов данных социальных сетей. Данный метод анализа основан на теориях и методологиях анализа социальных сетей, сетевых наук, социологии, этнографии, оптимизации и математики. Социальная аналитика также использует анализ настроений, поскольку пользователи социальных сетей часто передают положительные или отрицательные настроения в своих сообщениях.
#что_есть_что_в_sna
Майнинг в социальных сетях (Social media mining) - это процесс получения больших данных из пользовательского контента на сайтах социальных сетей и в мобильных приложениях с целью извлечения закономерностей, формирования выводов о пользователях и их действиях и интересах. Майнеры разрабатывают алгоритмы, подходящие для исследования больших массивов данных социальных сетей. Данный метод анализа основан на теориях и методологиях анализа социальных сетей, сетевых наук, социологии, этнографии, оптимизации и математики. Социальная аналитика также использует анализ настроений, поскольку пользователи социальных сетей часто передают положительные или отрицательные настроения в своих сообщениях.
#что_есть_что_в_sna
У сотрудника ANR-Lab вышла новая публикация “Social Network Analysis of the Professional Community Interaction—Movie Industry Case”
Статья Ильи Карпова и Романа Маракулина вышла в сборнике Data Analytics and Management in Data Intensive Domains.
Статья посвящена новым подходам к прогнозированию успеха фильма, основанным на структуре сообщества киноиндустрии. В работе подчеркивается роль директора по кастингу в успехе фильма. На основе общедоступных данных авторы построили коммуникационный граф “актер”-“кастинг-директор”-“агент по подбору персонала”-“режиссер” и показали, что использование дополнительных знаний о фильме приводит к более точному прогнозированию его рейтинга.
Поздравляем Илью Карпова и его соавтора и желаем им успехов в дальнейшей работе!
#супер_ресерч
#рекомендуем_к_прочтению
Статья Ильи Карпова и Романа Маракулина вышла в сборнике Data Analytics and Management in Data Intensive Domains.
Статья посвящена новым подходам к прогнозированию успеха фильма, основанным на структуре сообщества киноиндустрии. В работе подчеркивается роль директора по кастингу в успехе фильма. На основе общедоступных данных авторы построили коммуникационный граф “актер”-“кастинг-директор”-“агент по подбору персонала”-“режиссер” и показали, что использование дополнительных знаний о фильме приводит к более точному прогнозированию его рейтинга.
Поздравляем Илью Карпова и его соавтора и желаем им успехов в дальнейшей работе!
#супер_ресерч
#рекомендуем_к_прочтению
SpringerLink
Social Network Analysis of the Professional Community Intera
With the rise of the competition in the movie production market, because of new players such as Netflix, Hulu, HBO Max, and Amazon Prime, whose primary goal is producing a large amount of exclusive content in order to gain a competitive advantage, it is extremely...
Программа для сетевого анализа - NetMiner.
Ее функционал содержит все базовые функции для анализа сетей, а также уникальные инструменты анализа.
В NetMiner реализованы модели машинного обучения, что позволяет качественно решать задачи классификации, кластеризации и др.
Второй особенностью является поддержка пользовательских скриптов – вы можете прямо в программе написать на Python свой скрипт для обработки/анализа данных и программа сохранит его в библиотеку, что позволит вам в дальнейшем использовать его снова, экономя время на программировании.
Также в программе доступны расширения для парсинга, которые значительно упрощают сбор данных для исследования:
• Парсинг данных о сетях пользователей/мнений в Facebook, Twitter, YouTube и др.
• Парсинг библиометрических данных из WoS и Scopus.
Программа платная, но доступна как студенческая, так и университетская подписка.
#что_есть_что_в_sna
Ее функционал содержит все базовые функции для анализа сетей, а также уникальные инструменты анализа.
В NetMiner реализованы модели машинного обучения, что позволяет качественно решать задачи классификации, кластеризации и др.
Второй особенностью является поддержка пользовательских скриптов – вы можете прямо в программе написать на Python свой скрипт для обработки/анализа данных и программа сохранит его в библиотеку, что позволит вам в дальнейшем использовать его снова, экономя время на программировании.
Также в программе доступны расширения для парсинга, которые значительно упрощают сбор данных для исследования:
• Парсинг данных о сетях пользователей/мнений в Facebook, Twitter, YouTube и др.
• Парсинг библиометрических данных из WoS и Scopus.
Программа платная, но доступна как студенческая, так и университетская подписка.
#что_есть_что_в_sna
У сотрудниц ANR-Lab вышла новая публикация “Блокмоделинг для анализа социальных структур: пример изучения структуры сообщества петербургских социологов”
Статья Арюны Ким, Дарьи Мальцевой и Тамары Щегловой вышла в журнале Социология 4М.
Статья показывает возможности применения техники блокмоделинга как метода кластеризации сетевых данных в социологических исследованиях на примере анализа структуры сообщества петербургских социологов. Кратко описаны методология блокмоделинга, данные и результаты оригинального исследования. С помощью алгоритма блокмоделинга программы CONCOR коллегами были выделены три кластера – «Вест-Энд», «Ист-Энд» и «Норд-Энд», которые различались принадлежностью к организациям, публикационными стратегиями и ориентирами ученых на западное и отечественное научные сообщества. В статье описана процедура использованного нами алгоритма блокмоделинга, основанного на непрямом подходе и иерархической кластеризации. С помощью этого метода удалось обнаружить структуру сообщества, аналогичную найденной в оригинальном исследовании, но также глубже взглянуть на выделенные группы, отнеся их структуры к типу «ядро – периферия» в сложной форме. Пересечение полученных разными методами кластеров позволяет верифицировать результаты анализа, проведенного двумя авторскими коллективами. Работа может служить ориентиром для исследователей из различных областей, занимающихся задачами выделения связанных подгрупп, поскольку описанный алгоритм блокмоделинга универсален и не зависит от специфики предмета.
Поздравляем Арюну, Дарью и Тамару, желаем им успехов в дальнейшей работе!
#супер_ресерч
#рекомендуем_к_прочтению
Статья Арюны Ким, Дарьи Мальцевой и Тамары Щегловой вышла в журнале Социология 4М.
Статья показывает возможности применения техники блокмоделинга как метода кластеризации сетевых данных в социологических исследованиях на примере анализа структуры сообщества петербургских социологов. Кратко описаны методология блокмоделинга, данные и результаты оригинального исследования. С помощью алгоритма блокмоделинга программы CONCOR коллегами были выделены три кластера – «Вест-Энд», «Ист-Энд» и «Норд-Энд», которые различались принадлежностью к организациям, публикационными стратегиями и ориентирами ученых на западное и отечественное научные сообщества. В статье описана процедура использованного нами алгоритма блокмоделинга, основанного на непрямом подходе и иерархической кластеризации. С помощью этого метода удалось обнаружить структуру сообщества, аналогичную найденной в оригинальном исследовании, но также глубже взглянуть на выделенные группы, отнеся их структуры к типу «ядро – периферия» в сложной форме. Пересечение полученных разными методами кластеров позволяет верифицировать результаты анализа, проведенного двумя авторскими коллективами. Работа может служить ориентиром для исследователей из различных областей, занимающихся задачами выделения связанных подгрупп, поскольку описанный алгоритм блокмоделинга универсален и не зависит от специфики предмета.
Поздравляем Арюну, Дарью и Тамару, желаем им успехов в дальнейшей работе!
#супер_ресерч
#рекомендуем_к_прочтению
У сотрудницы ANR-Lab вышла новая публикация “Качественный сетевой анализ в стратегии смешивания методов в социальных науках: систематический обзор литературы”
Статья Арюны Ким вышла в журнале Социология 4М.
В этой статье рассматривается качественный сетевой анализ в стратегии смешивания методов в социальных науках. Проведенный систематический обзор литературы позволяет продемонстрировать примеры применения качественного сетевого анализа в эмпирических исследованиях. Выделены четыре способа анализа качественных данных в сетевых смешанных исследованиях: качественный анализ качественных данных, количественный анализ качественных данных, количественный и качественный анализ качественных данных и количественный и качественный анализ качественных и количественных данных. Отмечается отсутствие единого определения методологии качественного сетевого анализа и консенсуса по поводу ее реализации на практике. Выявлены основные возможности качественного сетевого анализа. На уровне объекта исследования качественный сетевой анализ изучает персональные сети отношений индивидов, а также дает возможность доступа к труднодоступным группам респондентов. На уровне предмета исследования качественный сетевой анализ позволяет изучать глубинные смыслы отношений в сети и контексты взаимодействия, описывать и понимать сети изнутри и снаружи, фокусироваться на деятельности акторов и их стратегиях построения сети, а также выявлять темпоральность отношений в сети. Описана позиция, подвергающая сомнению существование качественного сетевого анализа как независимой методологии.
Поздравляем Арюну и желаем ей успехов в дальнейшей работе!
#супер_ресерч
#рекомендуем_к_прочтению
Статья Арюны Ким вышла в журнале Социология 4М.
В этой статье рассматривается качественный сетевой анализ в стратегии смешивания методов в социальных науках. Проведенный систематический обзор литературы позволяет продемонстрировать примеры применения качественного сетевого анализа в эмпирических исследованиях. Выделены четыре способа анализа качественных данных в сетевых смешанных исследованиях: качественный анализ качественных данных, количественный анализ качественных данных, количественный и качественный анализ качественных данных и количественный и качественный анализ качественных и количественных данных. Отмечается отсутствие единого определения методологии качественного сетевого анализа и консенсуса по поводу ее реализации на практике. Выявлены основные возможности качественного сетевого анализа. На уровне объекта исследования качественный сетевой анализ изучает персональные сети отношений индивидов, а также дает возможность доступа к труднодоступным группам респондентов. На уровне предмета исследования качественный сетевой анализ позволяет изучать глубинные смыслы отношений в сети и контексты взаимодействия, описывать и понимать сети изнутри и снаружи, фокусироваться на деятельности акторов и их стратегиях построения сети, а также выявлять темпоральность отношений в сети. Описана позиция, подвергающая сомнению существование качественного сетевого анализа как независимой методологии.
Поздравляем Арюну и желаем ей успехов в дальнейшей работе!
#супер_ресерч
#рекомендуем_к_прочтению
Друзья, вас уже 270) Спасибо за интерес к нашему каналу❤️. В новом году мы хотим сделать контент еще более интересным для вас. Расскажите, что вам больше нравится читать в наших постах?
Anonymous Poll
38%
Информация про мероприятия и конференции
45%
Приглашения на семинары ANR-lab
68%
Обзоры статей в поле сетевого анализа
17%
Ключевые фигуры в сетевом анализе
58%
Инструменты для сетевого анализа
50%
Термины и методы, используемые в сетевом анализе
0%
Другое
Сарафанное радио для фильмов: его динамика и влияние на кассовые сборы
Й. Лью в своей статье проанализировал, как "сарафанное радио" влияет на кассовые сборы фильмов. Автор предположил, что количество сообщений должно оказывать влияние на знание о фильме, что окажет положительное влияние на вероятность его выбора, а следственно, и кассовые сборы на следующей неделе. Эта гипотеза подтвердилась лишь частично. Выяснилось, что количество сообщений действительно оказывает значительное влияние на кассовые сборы, в то время как влияние оценки оказалось незначимым. При построении регрессионных моделей отдельно для каждой недели показа выяснилось, что особенно важное значение имеет обсуждение фильмов до их выхода на экран (связь количества сообщений с кассовыми сборами наиболее сильна на первой неделе показа, на последующих неделях она ослабляется, исчезая на 7-ой неделе показа). Кроме сообщений с форума, в модель включались также жанр фильма, рейтинг MPAA (Американской Киноассоциации), количество показов в неделю, число положительных и отрицательных отзывов критиков в неделю, бюджет фильма.
#рекомендуем_к_прочтению
Й. Лью в своей статье проанализировал, как "сарафанное радио" влияет на кассовые сборы фильмов. Автор предположил, что количество сообщений должно оказывать влияние на знание о фильме, что окажет положительное влияние на вероятность его выбора, а следственно, и кассовые сборы на следующей неделе. Эта гипотеза подтвердилась лишь частично. Выяснилось, что количество сообщений действительно оказывает значительное влияние на кассовые сборы, в то время как влияние оценки оказалось незначимым. При построении регрессионных моделей отдельно для каждой недели показа выяснилось, что особенно важное значение имеет обсуждение фильмов до их выхода на экран (связь количества сообщений с кассовыми сборами наиболее сильна на первой неделе показа, на последующих неделях она ослабляется, исчезая на 7-ой неделе показа). Кроме сообщений с форума, в модель включались также жанр фильма, рейтинг MPAA (Американской Киноассоциации), количество показов в неделю, число положительных и отрицательных отзывов критиков в неделю, бюджет фильма.
#рекомендуем_к_прочтению
ResearchGate
Word-of-Mouth for Movies: Its Dynamics and Impact on Box Office Revenue
Download Citation | Word-of-Mouth for Movies: Its Dynamics and Impact on Box Office Revenue | This paper uses actual WOM information to examine the dynamic patterns of WOM and how it helps explain box office revenue. The WOM data was... | Find, read and cite…
Для того чтобы освоиться в сетевом анализе, нужна практика. Но исследователи, у которых не было учебных курсов по сетевому анализу, могут споткнуться уже на первом этапе – где взять данные для практики сетевого анализа в R/Python? В этой серии постов расскажем о том, где брать данные - от совсем тренировочных датасетов до данных для сложных комплексных сетей.
Если вы ищите сетевые данные, чтобы просто потренироваться: ваш выбор – встроенные датасеты из пакета igraph. Двенадцать датасетов из пакета igraph для Rstudio имеют в основном небольшие размеры (сети из 10-100 акторов), подробное описание и позволяют потренировать свои навыки работы с сетями. Загрузить датасеты можно не выходя из рабочей среды Rstudio, а если вы хотите поработать с этими датасетами в Python, можно вызвать их в Rstudio и сохранить как csv или xlsx файл. Описание датасетов и документация представлены по ссылке.
#рекомендуем_к_просмотру
Если вы ищите сетевые данные, чтобы просто потренироваться: ваш выбор – встроенные датасеты из пакета igraph. Двенадцать датасетов из пакета igraph для Rstudio имеют в основном небольшие размеры (сети из 10-100 акторов), подробное описание и позволяют потренировать свои навыки работы с сетями. Загрузить датасеты можно не выходя из рабочей среды Rstudio, а если вы хотите поработать с этими датасетами в Python, можно вызвать их в Rstudio и сохранить как csv или xlsx файл. Описание датасетов и документация представлены по ссылке.
#рекомендуем_к_просмотру
В предыдущем посте мы рассказали про самые простые датасеты, которые подойдут для тренировки ваших навыков сетевого анализа. Но что, если вы хотите поработать с более сложными или специфическими по тематике данными? 👩💻
Тогда используйте датасеты из пакета networkdata. Это пакет для Rstudio, позволяющий использовать 979 датасетов для построения сетей или загружать в рабочую среду уже готовые 2135 сетей. ➿
Датасеты – самые разнообразные: от данных по связям между животными до данных о взаимоотношениях героев разных фильмов, но в таком разнообразии нужно разобраться, чтобы найти подходящий по размерам и тематике датасет. Данные загружаются при использовании пакета networkdata в Rstudio; для работы в Python их можно загрузить в рабочую среду Rstudio а далее выгрузить в качестве csv или xlsx файла. Описание датасетов и документация представлены по ссылке.
#рекомендуем_к_просмотру
Тогда используйте датасеты из пакета networkdata. Это пакет для Rstudio, позволяющий использовать 979 датасетов для построения сетей или загружать в рабочую среду уже готовые 2135 сетей. ➿
Датасеты – самые разнообразные: от данных по связям между животными до данных о взаимоотношениях героев разных фильмов, но в таком разнообразии нужно разобраться, чтобы найти подходящий по размерам и тематике датасет. Данные загружаются при использовании пакета networkdata в Rstudio; для работы в Python их можно загрузить в рабочую среду Rstudio а далее выгрузить в качестве csv или xlsx файла. Описание датасетов и документация представлены по ссылке.
#рекомендуем_к_просмотру
www.rdocumentation.org
networkdata package - RDocumentation
The package contains a large collection of network dataset with different context. This includes social networks, animal networks and movie networks. All datasets are in 'igraph' format.
Ранее мы уже рассказывали про источники для самых простых сетей и для сетей посложнее.
Если вы чувствуете себя уверенно в сетевом анализе и хотите поработать с очень большими сетями или найти данные для иссследования или проекта, используйте агрегатор датасетов для построения сети ICON от Университета Колорадо, США. Сайт предоставляет широкие возможности для поиска данных для сетей по интересующим вас параметрам: по научной области, характеристикам сетевых отношений, размеру сети.
Эти данные можно использовать уже в более серьезных целях, чем просто тренировочные датасеты, но подбор подходящего датасета займет время: данные нужно скачивать самостоятельно с github или облачных репозиториев, некоторые данные оказываются недоступны или недостаточно подробно описаны. Зато, за счет расположения файлов, они спокойно могут быть загружены в рабочую среду как Rstudio, так и Python. Сайт-агрегатор находится по ссылке.
#рекомендуем_к_просмотру
Если вы чувствуете себя уверенно в сетевом анализе и хотите поработать с очень большими сетями или найти данные для иссследования или проекта, используйте агрегатор датасетов для построения сети ICON от Университета Колорадо, США. Сайт предоставляет широкие возможности для поиска данных для сетей по интересующим вас параметрам: по научной области, характеристикам сетевых отношений, размеру сети.
Эти данные можно использовать уже в более серьезных целях, чем просто тренировочные датасеты, но подбор подходящего датасета займет время: данные нужно скачивать самостоятельно с github или облачных репозиториев, некоторые данные оказываются недоступны или недостаточно подробно описаны. Зато, за счет расположения файлов, они спокойно могут быть загружены в рабочую среду как Rstudio, так и Python. Сайт-агрегатор находится по ссылке.
#рекомендуем_к_просмотру
В декабре заведующая ANR-Lab Дарья Мальцева посетила Центр методологии и социальной информатики Университета Любляны, где встретилась с научными руководителями лаборатории Анушкой Ферлигой и Владимиром Батагелем, преподавателями программы MASNA Марьяном Цугмасом, Люкой Кронеггером, Янезом Дэмшаром, Надой Лаврач, а также договорилась о будущем сотрудничестве в области научной и образовательной деятельности. 🏛🤝
Подробнее о результатах командировки и впечатлениях Дарьи по ссылке.
#события_в_sna
Подробнее о результатах командировки и впечатлениях Дарьи по ссылке.
#события_в_sna
anr.hse.ru
Командировка Дарьи Мальцевой в Университет Любляны
В декабре заведующая ANR-Lab Дарья Мальцева посетила Центр методологии и социальной информатики Университета Любляны, где встретилась с научными руководителями лаборатории, обменялась опытом с…
В новом году наша лаборатория расширяется. Мы приглашаем новых сотрудников в наш коллектив.✨🤗
У нас открыты вакансии стажера-исследователя, научного и старшего научного сотрудников. https://anr.hse.ru/job
Резюме и короткое мотивационное письмо просьба присылать Дарье Мальцевой на адрес [email protected]
У нас открыты вакансии стажера-исследователя, научного и старшего научного сотрудников. https://anr.hse.ru/job
Резюме и короткое мотивационное письмо просьба присылать Дарье Мальцевой на адрес [email protected]
В этот понедельник 6 февраля в 17:00 состоится первый открытый семинар лаборатории в этом году. Студент 1 курса ОП "Социология" ВШЭ Антон Сизов расскажет про сетевой анализ студенческого коллектива.
Целью исследования является выявление факторов наращивания социального капитала первокурсников.
Семинар пройдет онлайн на платформе Zoom. Регистрация доступна по ссылке: https://anr.hse.ru/polls/812591911.html
Будем рады видеть всех желающих!
Целью исследования является выявление факторов наращивания социального капитала первокурсников.
Семинар пройдет онлайн на платформе Zoom. Регистрация доступна по ссылке: https://anr.hse.ru/polls/812591911.html
Будем рады видеть всех желающих!
Сегодня мы рассмотрим программу, специально разработанную для проведения текстового анализа с построением сетей – AutoMap.
AutoMap позволяет извлекать информацию из текстов с помощью методов сетевого анализа текста. Программа поддерживает извлечение нескольких типов данных из неструктурированных документов:
1⃣ Данные анализа контента (слова и частоты)
2⃣ Данные семантической сети (сеть понятий)
3⃣ Данные о тональности текста (Sentiment analysis)
AutoMap является комплексным решением для проведения текстового анализа, включая в себя как инструменты предобработки (стемминг, лемматизация, обнаружение биграмм и т.д.), так и постобработки текстов (составление словарей, инструменты вторичной очистки данных и т.д.).
AutoMap использует маркировку частей речи и анализ близости для сетевого текстового анализа.🗣 Сначала связи между словами кодируются, затем на основании этих кодировок строится сеть.
#что_есть_что_в_sna
AutoMap позволяет извлекать информацию из текстов с помощью методов сетевого анализа текста. Программа поддерживает извлечение нескольких типов данных из неструктурированных документов:
1⃣ Данные анализа контента (слова и частоты)
2⃣ Данные семантической сети (сеть понятий)
3⃣ Данные о тональности текста (Sentiment analysis)
AutoMap является комплексным решением для проведения текстового анализа, включая в себя как инструменты предобработки (стемминг, лемматизация, обнаружение биграмм и т.д.), так и постобработки текстов (составление словарей, инструменты вторичной очистки данных и т.д.).
AutoMap использует маркировку частей речи и анализ близости для сетевого текстового анализа.🗣 Сначала связи между словами кодируются, затем на основании этих кодировок строится сеть.
#что_есть_что_в_sna
В понедельник, 13 февраля, в 18:00 состоится открытый семинар ANR-lab, где Арюна Ким расскажет про свое исследование.
Данное исследование посвящено поиску теоретических корней качественного сетевого анализа, а также методологическим основаниям данного подхода в сетевом исследовании.
Язык семинара – русский. Семинар пройдет в онлайн формате на платформе Zoom.
Если Вы хотите принять участие в семинаре, напишите стажеру-исследователю лаборатории Надежде Бузиной ([email protected]).
Данное исследование посвящено поиску теоретических корней качественного сетевого анализа, а также методологическим основаниям данного подхода в сетевом исследовании.
Язык семинара – русский. Семинар пройдет в онлайн формате на платформе Zoom.
Если Вы хотите принять участие в семинаре, напишите стажеру-исследователю лаборатории Надежде Бузиной ([email protected]).
Роль эго-сети фрилансера в увеличении его накопленного капитала
Поздравляем наших коллег Марию Картузову, Ирину Зангиеву и Анну Сулейманову с выходом новой статьи. Цель данного исследования — выявить связи между накопленным капиталом фрилансера и характеристиками его эго-сети. Ведь построенные эго-сети из профессиональных и личных контактов облегчают фрилансерам поиск новых заказов, дают моральную поддержку и служат базисом накопленного капитала. Такой капитал позволяет уникально презентовать свой опыт заказчикам, найденным на электронных платформах, несмотря на стандартизированную форму страниц исполнителей. 🫂🔖 🤳
В выборку включены фрилансеры, зарабатывающие посредством русскоязычных цифровых платформ. В анализ включены 136 анкет, собранных методом онлайн-опроса на фриланс-биржах Freelancehunt и Workspace. С помощью линейного регрессионного анализа было установлено, что более широкий накопленный человеческий капитал у фрилансера свидетельствует о наличии тесных связей между значимыми для поддержания жизнедеятельности фриланса людьми, входящими в его эго-сеть.
#супер_ресерч #рекомендуем_к_прочтению
Поздравляем наших коллег Марию Картузову, Ирину Зангиеву и Анну Сулейманову с выходом новой статьи. Цель данного исследования — выявить связи между накопленным капиталом фрилансера и характеристиками его эго-сети. Ведь построенные эго-сети из профессиональных и личных контактов облегчают фрилансерам поиск новых заказов, дают моральную поддержку и служат базисом накопленного капитала. Такой капитал позволяет уникально презентовать свой опыт заказчикам, найденным на электронных платформах, несмотря на стандартизированную форму страниц исполнителей. 🫂🔖 🤳
В выборку включены фрилансеры, зарабатывающие посредством русскоязычных цифровых платформ. В анализ включены 136 анкет, собранных методом онлайн-опроса на фриланс-биржах Freelancehunt и Workspace. С помощью линейного регрессионного анализа было установлено, что более широкий накопленный человеческий капитал у фрилансера свидетельствует о наличии тесных связей между значимыми для поддержания жизнедеятельности фриланса людьми, входящими в его эго-сеть.
#супер_ресерч #рекомендуем_к_прочтению
Как межранговые контакты приносят пользу мастерам в буддийском монастыре: сравнение влияния приписываемых титулов Дхармы и воспринимаемого статуса 🛐
Статья Вэй-Сян Чиа, Ян-чи Фу, Цуй-Хва Ху и Цзин-Шианг Хван опубликована в журнале Social Network в январе 2023 года.
Социальные взаимодействия в современных буддийских общинах отражают два иерархических правила. Во-первых, титулы Дхармы, присвоенные конкретным мастерам, влияют на то, как они взаимодействуют друг с другом. Во-вторых, по мере того, как все больше буддийских организаций адаптируются к светскому обществу, их члены также объединяются в нерелигиозные иерархии. Чтобы понять, как такие меняющиеся социальные иерархии формируют социальные сети мастеров, в этом исследовании рассматриваются “статусные эффекты”, встроенные в социальные взаимодействия в буддийском монастыре Foothills на Тайване, на основе дневников контактов, записанных за двадцать восемь месяцев.
Многоуровневый анализ, который фокусируется на 102 254 контактах, вложенных в 582 межличностных связи между 53 буддийскими мастерами, показывает, что почти все пары приписываемых титулов Дхармы оказывали значительное влияние на эмоциональный выигрыш, а воспринимаемый статус не был значительным. Кроме того, контакт с самым высоким приписываемым титулом был явно более важен для инструментальной выгоды, в то время как структура воспринимаемого эффекта статуса была неоднозначной. В то время как современный монастырь вобрал в себя целенаправленную работу светского общества, рукоположенные титулы продолжают оказывать более глубокое воздействие, чем воспринимаемый статус.
#рекомендуем_к_прочтению
Статья Вэй-Сян Чиа, Ян-чи Фу, Цуй-Хва Ху и Цзин-Шианг Хван опубликована в журнале Social Network в январе 2023 года.
Социальные взаимодействия в современных буддийских общинах отражают два иерархических правила. Во-первых, титулы Дхармы, присвоенные конкретным мастерам, влияют на то, как они взаимодействуют друг с другом. Во-вторых, по мере того, как все больше буддийских организаций адаптируются к светскому обществу, их члены также объединяются в нерелигиозные иерархии. Чтобы понять, как такие меняющиеся социальные иерархии формируют социальные сети мастеров, в этом исследовании рассматриваются “статусные эффекты”, встроенные в социальные взаимодействия в буддийском монастыре Foothills на Тайване, на основе дневников контактов, записанных за двадцать восемь месяцев.
Многоуровневый анализ, который фокусируется на 102 254 контактах, вложенных в 582 межличностных связи между 53 буддийскими мастерами, показывает, что почти все пары приписываемых титулов Дхармы оказывали значительное влияние на эмоциональный выигрыш, а воспринимаемый статус не был значительным. Кроме того, контакт с самым высоким приписываемым титулом был явно более важен для инструментальной выгоды, в то время как структура воспринимаемого эффекта статуса была неоднозначной. В то время как современный монастырь вобрал в себя целенаправленную работу светского общества, рукоположенные титулы продолжают оказывать более глубокое воздействие, чем воспринимаемый статус.
#рекомендуем_к_прочтению
Сети в изоляции: последствия COVID-19 для социальных отношений и чувства одиночества
Статья Беаты Уолкер опубликована в журнале Social Network в январе 2023 года.
В этой статье изучаются изменения в социальных сетях во время кризиса COVID-19 в Нидерландах и их связь с ощущением одиночества в младшей и старшей группах. Аргументы из теории возможностей и теории социального капитала используются для формулирования гипотез об изменениях в сети во время пандемии. Основные дискуссионные сети и сети с практическими помощниками из двух репрезентативных когорт (18-35 лет и 65+ лет, n = 1342 участника в обеих волнах) во время карантина в мае 2020 года сравниваются с сетями тех же респондентов в мае 2019 года. Мы обнаруживаем, что сети стали меньше и больше сосредоточены на более сильных связях, в то время как более слабые связи чаще распадались. Чувство одиночества усилилось в среднем у всех респондентов и, в частности, у тех, кто живет один или находится в неблагоприятном социально-экономическом положении. Важно отметить, что уменьшение числа участников сети практических помощников, то есть уменьшение относительно более слабых связей, влияет на переживания одиночества в обеих группах.
#рекомендуем_к_прочтению
Статья Беаты Уолкер опубликована в журнале Social Network в январе 2023 года.
В этой статье изучаются изменения в социальных сетях во время кризиса COVID-19 в Нидерландах и их связь с ощущением одиночества в младшей и старшей группах. Аргументы из теории возможностей и теории социального капитала используются для формулирования гипотез об изменениях в сети во время пандемии. Основные дискуссионные сети и сети с практическими помощниками из двух репрезентативных когорт (18-35 лет и 65+ лет, n = 1342 участника в обеих волнах) во время карантина в мае 2020 года сравниваются с сетями тех же респондентов в мае 2019 года. Мы обнаруживаем, что сети стали меньше и больше сосредоточены на более сильных связях, в то время как более слабые связи чаще распадались. Чувство одиночества усилилось в среднем у всех респондентов и, в частности, у тех, кто живет один или находится в неблагоприятном социально-экономическом положении. Важно отметить, что уменьшение числа участников сети практических помощников, то есть уменьшение относительно более слабых связей, влияет на переживания одиночества в обеих группах.
#рекомендуем_к_прочтению