Network Analysis Literacy: A Practical Approach to the Analysis of Networks

این کتاب دیدگاهی از تحلیل شبکه را به عنوان ابزاری برای یافتن و کمی سازی ساختارهای مهم در الگوهای تعامل بین انواع مختلف موجودیت ها ارائه می دهد. علاوه بر این، تجزیه و تحلیل شبکه ابزار اساسی برای ارتباط این ساختارها با خصوصیات موجودیت ها را فراهم می کند. ثابت کرده است که برای تجزیه و تحلیل شبکه‌های بیولوژیکی و اجتماعی مفید است، بلکه برای شبکه‌هایی که سیستم‌های پیچیده در اقتصاد، روان‌شناسی، جغرافیا و زمینه‌های مختلف را توصیف می‌کنند، مفید است. امروزه، بسته‌های تحلیل شبکه در پلتفرم منبع باز R و سایر پروژه‌های نرم‌افزاری منبع باز، دانشمندان را از همه زمینه‌ها قادر می‌سازد تا به سرعت از روش‌های تحلیل شبکه در مجموعه داده‌های خود استفاده کنند. در مجموع، این برنامه‌ها چنین روش‌های تحلیلی شبکه‌ای را ارائه می‌کنند که می‌تواند برای شخصی که تازه وارد این حوزه می‌شود، طاقت‌فرسا باشد. این کتاب یک نقشه راه را از طریق این جنگل از روش های تحلیل شبکه ارائه می دهد، توصیه هایی در مورد چگونگی انتخاب بهترین روش برای یک پروژه تحلیلی شبکه داده شده، و نحوه اجتناب از دام های رایج ارائه می دهد. این روش‌هایی را معرفی می‌کند که اغلب برای تجزیه و تحلیل شبکه‌های پیچیده استفاده می‌شوند، به عنوان مثال، معیارهای مختلف شبکه جهانی، انواع مدل‌های نمودار تصادفی، شاخص‌های مرکزیت، و موتیف‌های شبکه. علاوه بر معرفی این روش‌ها، تمرکز اصلی بر سواد تجزیه و تحلیل شبکه است - صلاحیت تصمیم‌گیری در مورد زمان استفاده از کدام یک از این روش‌ها برای کدام نوع سوال. علاوه بر این، این کتاب در نظر دارد با ارائه واژه نامه و ترجمه فشرده از نمادهای رسمی و نمادهای ریاضی در گفتار روزمره، صلاحیت خواننده را برای خواندن ادبیات اصلی در تجزیه و تحلیل شبکه افزایش دهد. جنبه های مختلف سواد تحلیل شبکه - درک تعاریف رسمی، وظایف برنامه نویسی، یا تجزیه و تحلیل اقدامات ساختاری و تفسیر آنها - در تمرین های مختلف با راه حل های ارائه شده عمیق تر می شود. این متن اگر نگوییم بهترین نقطه شروع برای همه دانشمندانی است که می خواهند از قدرت تجزیه و تحلیل شبکه برای حوزه تخصصی خود استفاده کنند.

This book presents a perspective of network analysis as a tool to find and quantify significant structures in the interaction patterns between different types of entities. Moreover, network analysis provides the basic means to relate these structures to properties of the entities. It has proven itself to be useful for the analysis of biological and social networks, but also for networks describing complex systems in economy, psychology, geography, and various other fields. Today, network analysis packages in the open-source platform R and other open-source software projects enable scientists from all fields to quickly apply network analytic methods to their data sets. Altogether, these applications offer such a wealth of network analytic methods that it can be overwhelming for someone just entering this field. This book provides a road map through this jungle of network analytic methods, offers advice on how to pick the best method for a given network analytic project, and how to avoid common pitfalls. It introduces the methods which are most often used to analyze complex networks, e.g., different global network measures, types of random graph models, centrality indices, and networks motifs. In addition to introducing these methods, the central focus is on network analysis literacy – the competence to decide when to use which of these methods for which type of question. Furthermore, the book intends to increase the reader's competence to read original literature on network analysis by providing a glossary and intensive translation of formal notation and mathematical symbols in everyday speech. Different aspects of network analysis literacy – understanding formal definitions, programming tasks, or the analysis of structural measures and their interpretation – are deepened in various exercises with provided solutions. This text is an excellent, if not the best starting point for all scientists who want to harness the power of network analysis for their field of expertise.