Handbook of Graphs and Networks in People Analytics: With Examples in R and Python

راهنمای نمودارها و شبکه‌ها در تجزیه و تحلیل افراد: با مثال‌هایی در R و Python تئوری و اجرای عملی روش‌های گراف در R و Python را برای تجزیه و تحلیل افراد و شبکه‌های سازمانی پوشش می‌دهد. این کتاب با مروری بر ریشه‌های نظریه گراف و کاربردهای کنونی آن در علوم اجتماعی شروع می‌کند، این کتاب به ارائه دستورالعمل‌های فنی عمیق در مورد چگونگی ساخت و ذخیره نمودارها از داده‌ها، نحوه تجسم آن نمودارها به طور قانع‌کننده و نحوه تبدیل رایج می‌پردازد. ساختارهای داده به شکل گراف پسند.

این کتاب عناصر حیاتی تحلیل شبکه را به تفصیل بررسی می‌کند، از جمله اندازه‌گیری فاصله و مرکزیت، تشخیص جوامع و دسته‌ها، و تجزیه و تحلیل طبقه بندی و شباهت یک فصل توسعه مقدمه ای بر فناوری های پایگاه داده گراف ارائه می دهد. مجموعه داده‌های واقعی از زمینه‌های تحقیقاتی مختلف هم برای آموزش و هم برای تمرین‌های تمرین پایان فصل استفاده می‌شود و فصل آخر شامل مجموعه داده‌ها و تمرین‌هایی است که برای پروژه‌های شخصی یا گروهی بزرگ‌تر با سطح دشواری متفاوت ایده‌آل است.

• کد قابل پیاده‌سازی فوری، با تصاویر گسترده و متنوع از انواع نمودارها و طرح‌بندی‌ها< /li>
• نمونه‌ها و تمرین‌ها در زمینه‌های مختلف زندگی واقعی از جمله تجارت، سیاست، آموزش، رسانه‌های اجتماعی و تحقیقات جرم
• فصل اختصاصی در مورد روش‌های تجسم نمودار
• بررسی‌های عملی استفاده‌های متداول روش‌شناختی: یافتن بازیگران تأثیرگذار در گروه‌ها، کشف ساختارهای جامعه پنهان تسهیل تعاملات متنوع در سازمان‌ها، تشخیص همسویی سیاسی، تعیین اینکه چه چیزی بر اتصال و دلبستگی تأثیر می‌گذارد
• مجموعه‌های مختلف داده قابل دانلود برای استفاده در کلاس و یادگیری فردی پروژه ها
• فصل پایانی اختصاص داده شده به نمونه های پروژه های فردی یا گروهی

Handbook of Graphs and Networks in People Analytics: With Examples in R and Python covers the theory and practical implementation of graph methods in R and Python for the analysis of people and organizational networks. Starting with an overview of the origins of graph theory and its current applications in the social sciences, the book proceeds to give in-depth technical instruction on how to construct and store graphs from data, how to visualize those graphs compellingly and how to convert common data structures into graph-friendly form.

The book explores critical elements of network analysis in detail, including the measurement of distance and centrality, the detection of communities and cliques, and the analysis of assortativity and similarity. An extension chapter offers an introduction to graph database technologies. Real data sets from various research contexts are used for both instruction and for end of chapter practice exercises and a final chapter contains data sets and exercises ideal for larger personal or group projects of varying difficulty level.

Key features:

• Immediately implementable code, with extensive and varied illustrations of graph variants and layouts
• Examples and exercises across a variety of real-life contexts including business, politics, education, social media and crime investigation
• Dedicated chapter on graph visualization methods
• Practical walkthroughs of common methodological uses: finding influential actors in groups, discovering hidden community structures, facilitating diverse interaction in organizations, detecting political alignment, determining what influences connection and attachment
• Various downloadable data sets for use both in class and individual learning projects
• Final chapter dedicated to individual or group project examples