جنبه دوم، استفاده از شبیهسازی برای رسیدگی به مسایل شبکه پویا است.
شبکه پویا با شبکههای اجتماعی سنتی متفاوت هست زیرا پویا، بزرگتر، چندحالته و بسیار پیچیده هست که ممکن است دارای سطوح مختلفی از عدم قطعیت باشد. تفاوت اصلی DNA با SNA آنست که شبکه پویا تعاملات ویژگیهای اجتماعی را در نظر میگیرد که ساختار و رفتار شبکهها را شرطی میکند ولی شبکه اجتماعی به تجزیه و تحلیل زمانی گره خوردهاست البته تجزیه و تحلیل زمانی لزوماً به DNA مرتبط نیست زیرا تغییرات در شبکهها گاهی ناشی از عوامل خارجی است که مستقل از ویژگیهای اجتماعی موجود در شبکهها هست. یکی از چشمگیرترین و اولین موارد در استفاده از DNA در مطالعه صومعه سامپسون است، جایی که او از همان شبکه از فواصل زمانی مختلف عکسهای فوری گرفت و تکامل شبکه را مشاهده و تجزیه و تحلیل کرد.[۱]
ابزارهای آماری DNA عموماً برای شبکههای مقیاس بزرگ بهینهسازی شدهاند و تجزیه و تحلیل شبکههای متعدد را بهطور همزمان میپذیرند که در آن، چندین نوع گره (چندگره) و چندین نوع پیوند (چندپلکس) وجود دارد. شبکههای چندگرهای چندپلکس معمولاً به عنوان شبکههای متا یا شبکههای با ابعاد بالا شناخته میشوند. در مقابل، ابزارهای آماری SNA بر روی دادههای تک یا حداکثر دو حالت تمرکز میکنند و تجزیه و تحلیل تنها یک نوع پیوند را در هر زمان تسهیل میکنند. ابزارهای آماری DNA تمایل به ارائه معیارهای بیشتری به کاربر دارند، زیرا آنها معیارهایی دارند که از دادههای گرفته شده از چندین شبکه بهطور همزمان استفاده میکنند. مدلهای فضای پنهان (سرکار و مور، ۲۰۰۵)[۲] و شبیهسازی مبتنی بر عامل اغلب برای بررسی شبکههای اجتماعی پویا استفاده میشود (کارلی و همکاران، ۲۰۰۹).[۳] از دیدگاه شبیهسازی رایانهای، گرهها در DNA مانند اتمها در تئوری کوانتومی هستند، گرهها را میتوان، اگرچه لازم نیست، بهعنوان احتمالی در نظر گرفت در حالی که گرهها در یک مدل SNA سنتی ایستا، گرهها در یک مدل DNA توانایی یادگیری را دارند. خواص در طول زمان تغییر میکند. گرهها میتوانند سازگار شوند: کارمندان یک شرکت میتوانند مهارتهای جدیدی را بیاموزند و ارزش خود را برای شبکه افزایش دهند. یا یک تروریست را دستگیر کنید و سه نفر دیگر مجبور به بداههسازی میشوند. تغییر از یک گره به گره دیگر و غیره منتشر میشود. DNA عنصر تکامل یک شبکه را اضافه میکند و شرایطی را در نظر میگیرد که تحت آن تغییرات احتمالاً رخ میدهد.
سه ویژگی اصلی برای تحلیل شبکه پویا وجود دارد که آن را از تحلیل شبکههای اجتماعی استاندارد متمایز میکند:
ویژگی اول، DNA به جای استفاده از شبکههای اجتماعی، به متاشبکهها نگاه میکند.
ویژگی دوم، مدلسازی مبتنی بر عامل و سایر اشکال شبیهسازی اغلب برای بررسی چگونگی تکامل و انطباق شبکهها و همچنین تأثیر مداخلات در آن شبکهها استفاده میشود.
ویژگی سوم، پیوندهای موجود در شبکه باینری (دستگاه اعداد دودویی) نیستند. در واقع، در بسیاری از موارد آنها احتمال وجود پیوند را نشان میدهند.
متاشبکه
متاشبکه یک شبکه چندحالته، چندپیوندی و چندسطحی است.
چندحالته به این معناست که انواع مختلفی از گرهها وجود دارد. به عنوان مثال، افراد و مکانها را گره میدهد.
چندپیوندی به این معناست که انواع مختلفی از پیوندها وجود دارد؛ مثلاً دوستی و نصیحت.
چندسطحی به این معناست که برخی از گرهها ممکن است اعضای گرههای دیگری باشند، مانند شبکهای متشکل از افراد و سازمانها و یکی از پیوندها این است که چه کسی عضو کدام سازمان است.
در حالی که پژوهشگران مختلف از حالتهای متفاوتی استفاده میکنند، حالتهای رایج بیانگر چه کسی، چه چیزی، چه زمانی، کجا، چرا و چگونه است. یک مثال ساده از یک متاشبکه، فرمول PCANS با افراد، وظایف و منابع است.[۴] فرمولبندی دقیقتر افراد، وظایف، منابع، دانش و سازمانها را در نظر میگیرد.[۵] ابزار ORA برای پشتیبانی از تحلیل متاشبکه توسعه داده شدهاست.[۶]
مسایل گویا که افراد در ناحیه DNA روی آنها کار میکنند
توسعه معیارها و آمار برای ارزیابی و شناسایی تغییرات درون و بین شبکهها.
توسعه و آزمایش نظریه تغییر شبکه، تکامل، انطباق، زوال[۷]
توسعه و اعتبارسنجی مدلهای رسمی تولید و تکامل شبکه
توسعه تکنیکهایی برای تجسم تغییرات شبکه بهطور کلی یا در سطح گره یا گروه
توسعه تکنیکهای آماری برای مشاهده اینکه آیا تفاوتهای مشاهده شده در طول زمان در شبکهها به دلیل نمونههای متفاوت از توزیع پیوندها و گرهها است یا تغییرات در طول زمان در توزیع زیربنایی پیوندها و گرهها
توسعه فرآیندهای کنترلی برای شبکهها در طول زمان
توسعه الگوریتمهایی برای تغییر توزیع پیوندها در شبکهها در طول زمان
توسعه الگوریتمهایی برای ردیابی گروهها در شبکهها در طول زمان
توسعه ابزارهایی برای استخراج یا مکانیابی شبکهها از منابع دادههای مختلف مانند متون
توسعه اندازهگیریهای آماری معتبر در شبکهها در طول زمان
بررسی استحکام معیارهای شبکه با انواع مختلف دادههای از دست رفته
مطالعات تجربی چند حالته چند پیوندی چند دوره شبکه
بررسی شبکهها به عنوان پدیدههای احتمالی متغیر زمانی
پیشبینی تغییر در شبکههای موجود
شناسایی مسیرهای پیادهروی در طول زمان با توجه به تداوم شبکهها
شناسایی تغییرات در بحرانی بودن گره با توجه به تداوم شبکهها هر چیز دیگری که مربوط به شبکههای چند حالته چند پیوندی چند زمانه است.
↑هریسون سی. وایت، ۱۹۹۲: هویت و کنترل: نظریه ساختاری کنش اجتماعی. انتشارات دانشگاه پرینستون.
↑پورنامریتا سرکار و اندرو دبلیو مور. ۲۰۰۵: تحلیل شبکههای اجتماعی پویا با استفاده از مدلهای فضای پنهان. کاوش SIGKDD. Newsl. ۷، ۲ (دسامبر ۲۰۰۵)، ۳۱–۴۰.
↑کاتلین ام. کارلی، مایکل کی. مارتین و برایان هیرشمن، ۲۰۰۹: علتشناسی تغییرات اجتماعی، موضوعات در علوم شناختی، ۱٫۴:۶۲۱–۶۵۰
↑دیوید کراخارت و کاتلین ام. کارلی، ۱۹۹۸: یک مدل PCANS از ساختار در سازمان، در مجموعه مقالات سمپوزیوم بینالمللی ۱۹۹۸ در تحقیقات و فناوری فرماندهی و کنترل، مونتری، کالیفرنیا، ژوئن ۱۹۹۸، تحقیقات مبتنی بر شواهد، وین، VA، صص ۱۱۳–۱۱۹.
↑کاتلین ام. کارلی، ۲۰۰۲: عوامل هوشمند و سازمانهای آینده، کتاب راهنمای رسانههای جدید. ویرایش شده توسط لیا لیورو و سونیا لیوینگستون ویرایش)، هزار بلوط، کالیفرنیا، سیچ، چ. ۱۲: ۲۰۶–۲۲۰.
↑کاتلین ام. کارلی. ۲۰۱۴: ORA: ابزاری برای تحلیل و تجسم شبکه پویا، در ردا الحاج و جان روکن (ویرایشگران) دایرةالمعارف تحلیل و استخراج شبکههای اجتماعی، اسپرینگر.
↑رنه پفیتزنر، اینگو شولتز، آنتونیو گاراس، کلودیو خوان تسونه، فرانک شوایتزر، ۲۰۱۲: ترجیح بین: کمی کردن همبستگیها در دینامیک توپولوژیکی شبکههای زمانی، نامههای مروری فیزیکی، جلد. ۱۱۰، ۱۰ مه ۲۰۱۳.
↑کارلی، کاتلین ام. مایکل کی، مارتین و جان پی هنکوک، ۲۰۰۹: تحلیل شبکه پویا به کار گرفته شده در آزمایش از محیط پژوهشی معماری تصمیمگیری، معماری تصمیمگیری پیشرفته برای وارفیگر: بنیاد و فناوری، چ. ۴.
↑اورتون، شان، ۲۰۱۲: مختل کردن شبکههای تاریک، انتشارات دانشگاه کمبریج، نیویورک
↑کاس، میرای، کاتلین ام. کارلی و ال. ریچارد کارلی، ۲۰۱۲: چه کسی کجا بود، چه زمانی؟ تحلیل فضایی-زمانی تحرک محقق در علوم هسته ای، در مجموعه مقالات کارگاه بینالمللی ادغام و بازیابی دادههای زمانی فضایی (STIR ۲۰۱۲)، در ارتباط با ICDE ۲۰۱۲ ،۱ آوریل ۲۰۱۲، واشینگتن دی سی برگزار شد.
↑کارلی، کاتلین. م. یورگن فافر، هوان لیو، فرد مورستاتر، ربکا گولزبی، ۲۰۱۳، ارزیابی زمان واقعی رسانههای اجتماعی با استفاده از تجزیه و تحلیل شبکههای جغرافیایی-زمانی، در مجموعه مقالات کنفرانس بینالمللی IEEE/ACM ۲۰۱۳ در مورد پیشرفتها در تجزیه و تحلیل شبکههای اجتماعی و استخراج (ASONAM)، ۲۵ تا ۲۸ اوت ۲۰۱۳، آبشار نیاگارا، کانادا.
↑افکن، جودیت آ. شیلا گفارت و کاتلین ام. کارلی، ۲۰۱۳: استفاده از ORA برای ارزیابی رابطه دستاندازها با نتایج کیفیت و ایمنی، کامپیوتر، انفورماتیک، پرستاری. ۳۱ (۱):۳۶–۴۴.
↑ون هولت، تریسی، جفری سی جانسون، جیمی برینکلی، کاتلین ام. کارلی و جانا کاسپرسن، ۲۰۱۲: ساختار خشونت قومی در سودان: یک محتوای خودکار، متا شبکه و رویکرد تحلیلی جغرافیایی، نظریه سازمان محاسباتی و ریاضی، ۱۸:۳۴۰–۳۵۵.
↑کنی، مایکل جی. جان هورگان، کیل هورن، پیتر وینینگ، کاتلین ام. کارلی، مایکل بیگریگ، میا بلوم، کرت برادوک، ۲۰۱۲: سازگاری سازمانی در یک شبکه فعال: شبکههای اجتماعی، رهبری، و تغییر در المهاجرون، ارگونومی کاربردی، ۴4(۵):۷۳۹–۷۴۷.
↑م. ابوفودا، ک.آ. تسوایگ "مدلی نظری برای درک پویایی زوال شبکههای اجتماعی آنلاین". پیش چاپ arXiv arXiv:1610.01538.
↑کریستین بوخوو، 2016، "کاوش در تعامل کلاس درس با تحلیل شبکههای اجتماعی پویا"، مجله بینالمللی پژوهش و روش در آموزش، doi:10.1080/1743727X.2016.1192116.