Блокмоделинг для анализа социальных структур: методологические основания
Научная статья
Для цитирования
Щеглова Т.Е., Мальцева Д.В., Ким А.В. Блокмоделинг для анализа социальных структур: методологические основания // Социология: методология, методы, математическое моделирование (Социология:4М). 2022. № 52. С. 7-35. DOI: https://doi.org/10.19181/4m.2021.52.1
Аннотация
В статье рассматриваются особенности блокмоделинга как класса методов для кластеризации сетевых данных при анализе социальных структур. Блокмоделинг показан как подход к анализу социальной структуры, который объединяет компоненты сети в группы (кластеры) исходя из их эквивалентного структурного положения. Описаны основные понятия блокмоделинга – матрица, изображение матрицы, кластер, кластеринг, позиция, блок, блокмодель; приведен пример, их иллюстрирующий. Представлено понятие эквивалентности и описаны два ее типа – структурная и регулярная. Рассмотрены основные подходы блокмоделинга – непрямой и прямой – и относящиеся к ним методы и алгоритмы. Для каждого подхода приведены примеры его практического применения в социальных науках. Упоминаются другие методы реализации блокмоделинга (стохастический блокмоделинг) и сходные с ним методы нахождения подгрупп в сетях. Показано, что методология блокмоделинга обладает эвристическим потенциалом для анализа социальных структур и перспективна для выделения сплоченных групп и определения ролевых и структурных позиций индивидов внутри них. В заключение говорится об открытых вопросах и ограничениях данной исследовательской методологии.
Ключевые слова:
блокмоделинг, социальная структура, анализ социальных сетей, сетевой анализ
Литература
1. Doreian P., Batagelj V., Ferligoj A. Advances in Network Clustering and Blockmodeling. Hoboken, NJ: Wiley, 2020.
2. Batagelj V., Ferligoj A., Doreian P. Generalized Blockmodeling (Structural Analysis in the Social Sciences). New York: Cambridge University Press, 2005.
3. Сафонова М.В. Сетевая история Петербургской социологии // Журнал социологии и социальной антропологии. 2010. № 3 (10). С. 83–110.
4. Проект «Институциональная динамика, экономическая адаптация и точки интеллектуального роста в локальном академическом сообществе: Петербургская социология после 1985 года» / Т.Ю. Бочаров [и др.] // Журнал социологии и социальной антропологии. 2010. № 3(52). С. 66–82.
5. Моисеев С.П., Мальцева Д.В. Отбор источников для систематического обзора литературы: сравнение экспертного и алгоритмического подходов // Социология: методология, методы, математическое моделирование (4М). 2019. № 47. С. 7–43.
6. Batagelj V. On fractional approach to analysis of linked networks // Scientometrics. 2020. No. 123 (2). P. 621–633.
7. Freeman L. The development of social network analysis: a study in the sociology of science. Vancouver, BC: North Charleston, S.C: Empirical Press; BookSurge, 2004.
8. Maltseva D., Batagelj V. Social Network Analysis as a Field of Invasions: Bibliographic Approach to Study SNA Development // Scientometrics. 2019. No. 121 (2). P. 1085–1128.
9. Nadel S.F. The Theory of social structure. London: Cohen and West, 1957.
10. Парсонс Т. О социальных системах. М.: Академический проект, 2002.
11. White H., Boorman S., Breiger R. Social Structure from Multiple Networks. I. Blockmodels of Roles and Positions // American Journal of Sociology. 1976. No. 81 (4). P. 730–780.
12. White H.C. Notes on the Constituents of Social Structure. Soc. Rel. 10-Spring’65 // Sociologica. 2008. No. 2 (1). P. 1–15.
13. White H. Identity and control: a Structural Theory of Social Action. Princeton, N.J.: Princeton University Press, 1992.
14. Davis A., Gardner B., Gardner M. Deep South. Chicago: The University of Chicago Press, 1941.
15. Davis J. Clustering and Structural Balance in Graphs // Human Relations. 1967. No. 20 (2). P. 181–187.
16. Wasserman S., Faust K. Social network analysis: Methods and applications. New York: Cambridge University press, 1994.
17. Nooy W. de, Mrvar A., Batagelj V. Exploratory social network analysis with Pajek. Revised and expanded edition for updated software. Cambridge; New York, NY USA: Cambridge University Press, 2018.
18. Lorrain F., White H. Structural Equivalence of Individuals in Social Networks // The Journal of Mathematical Sociology. 1971. No. 1 (1). P. 49–80.
19. Borgatti S., Everett M. Notions of Position in Social Network Analysis // Sociological Methodology. 1992. No. 22 (1). P. 1–35.
20. White D.R., Reitz K.P. Graph and Semigroup Homomorphisms on Networks of Relations // Social Networks. 1983. No. 5 (2). P. 193–234.
21. Brusco M., Doreian P., Steinley D. Deterministic blockmodelling of signed and two‐mode networks: A tutorial with software and psychological examples // British Journal of Mathematical and Statistical Psychology. 2021. No. 74 (1). P. 34–63.
22. Ferligoj A., Doreian P., Batagelj V. Positions and roles // The SAGE handbook of social network analysis. London: SAGE Publications Ltd, 2014. DOI: 10.4135/9781446294413
23. Doreian P., Batagelj V., Ferligoj A. Generalized blockmodeling. Cambridge; New York: Cambridge University Press, 2005.
24. Breiger R., Boorman S., Arabie P. An Algorithm for Clustering Relational Data with Applications to Social Network Analysis and Comparison with Multidimensional Scaling // Journal of Mathematical Psychology. 1975. No. 12 (3). P. 328–383.
25. Evolution of international tourist flows from 1995 to 2018: A network analysis perspective, Tourism Management Perspectives / Y. Shao [et al.] // Tourism Management Perspectives. 2020. No. 36. DOI: 10.1016/j.tmp.2020.100752
26. Burt R. Positions in Networks // Social Forces. 1976. No. 55 (1). P. 93–122.
27. Batagelj V., Ferligoj A., Doreian P. Direct and indirect methods for structural equivalence // Social Networks. 1992. No. 14 (1–2). P. 63–90. DOI: 10.1016/0378- 8733(92)90014-X
28. Symmetric core-cohesive blockmodel in preschool children’s interaction networks / M. Cugmas [et al.] // PLoS ONE. 2020. No. 15 (1). DOI: 10.1371/journal. pone.0226801
29. Matveeva N., Ferligoj A. Scientific collaboration in Russian universities before and after the excellence initiative Project 5–100 // Scientometrics. 2020. No. 124. P. 2383–2407.
30. Prota L., Doreian P. Finding roles in sparse economic hierarchies: Going beyond regular equivalence // Social Networks. 2016. No. 45. P. 1–17.
31. Batagelj V., Mrvar A. A subquadratic triad census algorithm for large sparse networks with small maximum degree // Social Networks. 2001. No. 23 (3). P. 237–243.
32. Global structures and local network mechanisms of knowledge-flow networks / M. Cugmas [et al.] // PLoS ONE. 2021. No. 16 (2). DOI:10.1371/journal. pone.0246660
33. Glückler J., Panitz R. Unpacking social divisions of labor in markets: Generalized blockmodeling and the network boom in stock photography // Social Networks. 2016. No. 47. P. 156–166.
34. Borgatti S. Social Network Analysis, Two-Mode Concepts in // Encyclopedia of Complexity and Systems Science / Ed. by R. Meyers. New York: Springer, 2009.
35. Cugmas M., Mali F., Žiberna A. Scientific collaboration of researchers and organizations: a two-level blockmodeling approach // Scientometrics. 2020. No. 125. P. 2471–2489.
36. Žiberna A. Generalized Blockmodeling of Valued Networks // Social Networks. 2007. No. 9 (1). P. 105–126.
37. Doreian P., Mrvar A. A Partitioning Approach to Structural Balance // Social Networks. 1996. No. 18 (2). P. 149–168.
38. Doreian P., Mrvar A. Partitioning Signed Social Networks // Social Networks. 2009. No. 31 (1). P. 1–11.
39. Doreian P., Mrvar A. Delineating Changes in the Fundamental Structure of Signed Networks // Frontiers in Physics. 2020. No. 8. DOI:10.3389/fphy.2020.00294
40. Holland P., Laskey K., Leinhardt S. Stochastic Blockmodels: First Steps // Social Networks. 1983. No. 5 (2). P. 109–137.
41. Anderson C. J., Wasserman S., Faust K. Building Stochastic Blockmodels // Social Networks. 1992. No. 14 (1–2). P. 137–161.
42. Asymptotic Analysis of the Stochastic Block Model for Modular Networks and its Algorithmic Applications / A. Decelle [et al.] // Physical Review E. 2011. No. 84 (6). DOI:10.1103/PhysRevE.84.066106
43. Peixoto T.P. Entropy of Stochastic Blockmodel Ensembles // Physical Review E. 2012. No. 85 (5). DOI:10.1103/PhysRevE.85.056122
44. Olivella S., Pratt T., Imai K. Dynamic Stochastic Blockmodel Regression for Network Data: Application to International Militarized Conflicts // Cornell University [site]. Submitted on 1 Mar 2021 (v1), last revised 25 Oct 2021 (v2). URL: arXiv preprint arXiv:2103.00702 (date of access: 29.10.2021).
45. Bharucha-Reid A. Elements of the Theory of Markov Processes and Their Applications. New York: McGraw-Hill, 1960.
46. Borgatti S.P., Everett M.G., Freeman L.C. Ucinet for Windows: Software for Social Network Analysis. Harvard, MA: Analytic Technologies, 2002.
47. Batagelj V., Mrvar A. Pajek – Program for Large Network Analysis // Connections. 1998. No. 21 (2). P. 47–57.
48. Van Rossum G., Drake Jr F.L. Python reference manual. Amsterdam: Centrum voor Wiskunde en Informatica, 1995.
49. R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, 2020. URL https://www.R-project.org/ (date of access: 24.08.2021).
2. Batagelj V., Ferligoj A., Doreian P. Generalized Blockmodeling (Structural Analysis in the Social Sciences). New York: Cambridge University Press, 2005.
3. Сафонова М.В. Сетевая история Петербургской социологии // Журнал социологии и социальной антропологии. 2010. № 3 (10). С. 83–110.
4. Проект «Институциональная динамика, экономическая адаптация и точки интеллектуального роста в локальном академическом сообществе: Петербургская социология после 1985 года» / Т.Ю. Бочаров [и др.] // Журнал социологии и социальной антропологии. 2010. № 3(52). С. 66–82.
5. Моисеев С.П., Мальцева Д.В. Отбор источников для систематического обзора литературы: сравнение экспертного и алгоритмического подходов // Социология: методология, методы, математическое моделирование (4М). 2019. № 47. С. 7–43.
6. Batagelj V. On fractional approach to analysis of linked networks // Scientometrics. 2020. No. 123 (2). P. 621–633.
7. Freeman L. The development of social network analysis: a study in the sociology of science. Vancouver, BC: North Charleston, S.C: Empirical Press; BookSurge, 2004.
8. Maltseva D., Batagelj V. Social Network Analysis as a Field of Invasions: Bibliographic Approach to Study SNA Development // Scientometrics. 2019. No. 121 (2). P. 1085–1128.
9. Nadel S.F. The Theory of social structure. London: Cohen and West, 1957.
10. Парсонс Т. О социальных системах. М.: Академический проект, 2002.
11. White H., Boorman S., Breiger R. Social Structure from Multiple Networks. I. Blockmodels of Roles and Positions // American Journal of Sociology. 1976. No. 81 (4). P. 730–780.
12. White H.C. Notes on the Constituents of Social Structure. Soc. Rel. 10-Spring’65 // Sociologica. 2008. No. 2 (1). P. 1–15.
13. White H. Identity and control: a Structural Theory of Social Action. Princeton, N.J.: Princeton University Press, 1992.
14. Davis A., Gardner B., Gardner M. Deep South. Chicago: The University of Chicago Press, 1941.
15. Davis J. Clustering and Structural Balance in Graphs // Human Relations. 1967. No. 20 (2). P. 181–187.
16. Wasserman S., Faust K. Social network analysis: Methods and applications. New York: Cambridge University press, 1994.
17. Nooy W. de, Mrvar A., Batagelj V. Exploratory social network analysis with Pajek. Revised and expanded edition for updated software. Cambridge; New York, NY USA: Cambridge University Press, 2018.
18. Lorrain F., White H. Structural Equivalence of Individuals in Social Networks // The Journal of Mathematical Sociology. 1971. No. 1 (1). P. 49–80.
19. Borgatti S., Everett M. Notions of Position in Social Network Analysis // Sociological Methodology. 1992. No. 22 (1). P. 1–35.
20. White D.R., Reitz K.P. Graph and Semigroup Homomorphisms on Networks of Relations // Social Networks. 1983. No. 5 (2). P. 193–234.
21. Brusco M., Doreian P., Steinley D. Deterministic blockmodelling of signed and two‐mode networks: A tutorial with software and psychological examples // British Journal of Mathematical and Statistical Psychology. 2021. No. 74 (1). P. 34–63.
22. Ferligoj A., Doreian P., Batagelj V. Positions and roles // The SAGE handbook of social network analysis. London: SAGE Publications Ltd, 2014. DOI: 10.4135/9781446294413
23. Doreian P., Batagelj V., Ferligoj A. Generalized blockmodeling. Cambridge; New York: Cambridge University Press, 2005.
24. Breiger R., Boorman S., Arabie P. An Algorithm for Clustering Relational Data with Applications to Social Network Analysis and Comparison with Multidimensional Scaling // Journal of Mathematical Psychology. 1975. No. 12 (3). P. 328–383.
25. Evolution of international tourist flows from 1995 to 2018: A network analysis perspective, Tourism Management Perspectives / Y. Shao [et al.] // Tourism Management Perspectives. 2020. No. 36. DOI: 10.1016/j.tmp.2020.100752
26. Burt R. Positions in Networks // Social Forces. 1976. No. 55 (1). P. 93–122.
27. Batagelj V., Ferligoj A., Doreian P. Direct and indirect methods for structural equivalence // Social Networks. 1992. No. 14 (1–2). P. 63–90. DOI: 10.1016/0378- 8733(92)90014-X
28. Symmetric core-cohesive blockmodel in preschool children’s interaction networks / M. Cugmas [et al.] // PLoS ONE. 2020. No. 15 (1). DOI: 10.1371/journal. pone.0226801
29. Matveeva N., Ferligoj A. Scientific collaboration in Russian universities before and after the excellence initiative Project 5–100 // Scientometrics. 2020. No. 124. P. 2383–2407.
30. Prota L., Doreian P. Finding roles in sparse economic hierarchies: Going beyond regular equivalence // Social Networks. 2016. No. 45. P. 1–17.
31. Batagelj V., Mrvar A. A subquadratic triad census algorithm for large sparse networks with small maximum degree // Social Networks. 2001. No. 23 (3). P. 237–243.
32. Global structures and local network mechanisms of knowledge-flow networks / M. Cugmas [et al.] // PLoS ONE. 2021. No. 16 (2). DOI:10.1371/journal. pone.0246660
33. Glückler J., Panitz R. Unpacking social divisions of labor in markets: Generalized blockmodeling and the network boom in stock photography // Social Networks. 2016. No. 47. P. 156–166.
34. Borgatti S. Social Network Analysis, Two-Mode Concepts in // Encyclopedia of Complexity and Systems Science / Ed. by R. Meyers. New York: Springer, 2009.
35. Cugmas M., Mali F., Žiberna A. Scientific collaboration of researchers and organizations: a two-level blockmodeling approach // Scientometrics. 2020. No. 125. P. 2471–2489.
36. Žiberna A. Generalized Blockmodeling of Valued Networks // Social Networks. 2007. No. 9 (1). P. 105–126.
37. Doreian P., Mrvar A. A Partitioning Approach to Structural Balance // Social Networks. 1996. No. 18 (2). P. 149–168.
38. Doreian P., Mrvar A. Partitioning Signed Social Networks // Social Networks. 2009. No. 31 (1). P. 1–11.
39. Doreian P., Mrvar A. Delineating Changes in the Fundamental Structure of Signed Networks // Frontiers in Physics. 2020. No. 8. DOI:10.3389/fphy.2020.00294
40. Holland P., Laskey K., Leinhardt S. Stochastic Blockmodels: First Steps // Social Networks. 1983. No. 5 (2). P. 109–137.
41. Anderson C. J., Wasserman S., Faust K. Building Stochastic Blockmodels // Social Networks. 1992. No. 14 (1–2). P. 137–161.
42. Asymptotic Analysis of the Stochastic Block Model for Modular Networks and its Algorithmic Applications / A. Decelle [et al.] // Physical Review E. 2011. No. 84 (6). DOI:10.1103/PhysRevE.84.066106
43. Peixoto T.P. Entropy of Stochastic Blockmodel Ensembles // Physical Review E. 2012. No. 85 (5). DOI:10.1103/PhysRevE.85.056122
44. Olivella S., Pratt T., Imai K. Dynamic Stochastic Blockmodel Regression for Network Data: Application to International Militarized Conflicts // Cornell University [site]. Submitted on 1 Mar 2021 (v1), last revised 25 Oct 2021 (v2). URL: arXiv preprint arXiv:2103.00702 (date of access: 29.10.2021).
45. Bharucha-Reid A. Elements of the Theory of Markov Processes and Their Applications. New York: McGraw-Hill, 1960.
46. Borgatti S.P., Everett M.G., Freeman L.C. Ucinet for Windows: Software for Social Network Analysis. Harvard, MA: Analytic Technologies, 2002.
47. Batagelj V., Mrvar A. Pajek – Program for Large Network Analysis // Connections. 1998. No. 21 (2). P. 47–57.
48. Van Rossum G., Drake Jr F.L. Python reference manual. Amsterdam: Centrum voor Wiskunde en Informatica, 1995.
49. R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, 2020. URL https://www.R-project.org/ (date of access: 24.08.2021).
Статья
Поступила: 14.01.2021
Опубликована: 15.03.2022
Форматы цитирования
Другие форматы цитирования:
APA
Щеглова, Т. Е., Мальцева, Д. В., & Ким, А. В. (2022). Блокмоделинг для анализа социальных структур: методологические основания. Социология: методология, методы, математическое моделирование (Социология:4М), (52), 7-35. https://doi.org/10.19181/4m.2021.52.1
Выпуск
Раздел
ОБЩИЕ ВОПРОСЫ МЕТОДОЛОГИИ И МЕТОДИКИ СОЦИОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ
