In de wetenschap houdt men zich al lange tijd bezig met het onderzoek naar sociale netwerken. Hoe staan mensen met elkaar in verbinding en wat heeft dit voor gevolgen? Met de komst en groei van sociale media zijn er nieuwe (online) sociale netwerken ontstaan waar mensen deel van uitmaken. In dit artikel laat ik zien hoe deze nieuwe netwerken onderzocht kunnen worden met bestaande (wetenschappelijke) methoden. Als voorbeeld laat ik zien hoe een Twitternetwerk er uitziet en hoe dit geanalyseerd kan worden met behulp van NodeXL, software voor netwerkanalyse.
Sociaal Netwerk
In de sociale netwerkanalyse wordt een sociaal netwerk als volgt gedefinieerd: “Een sociale structuur, bestaande uit actoren (individuen, organisaties etc) die met elkaar in verbinding staan door één of meerdere typen relaties.”
Tegenwoordig hebben veel mensen het over ‘sociale netwerken’ wanneer ze praten over ‘Hyves’, ‘Facebook’, ‘Twitter’, ‘LinkedIn’ etc. Dit zijn echter geen sociale netwerken, maar systemen die het sociale netwerk faciliteren. Ik ben dan ook voorstander van de term ‘sociale media’ in plaats van sociale netwerken.
Sociale media
Het gebruik en het aantal gebruikers van nieuwe sociale media is de afgelopen jaren enorm (snel) toegenomen. Het sociale aspect in deze nieuwe mediavormen zit hem in het feit dat mensen binnen deze vormen van media met elkaar in verbinding staan (het sociale netwerk). In het echte leven staat men door verschillende typen relaties met elkaar in verbinding. Denk maar aan vriendschappen, adviesrelaties, vertrouwensrelaties etc. Elke vorm van sociale media kan zijn eigen typen bindingen hebben, die al dan niet indicatoren zijn voor ‘real life’ relaties. Bij LinkedIn heten de bindingen ‘Links’ of ‘Contacts’. Bij Hyves heeft men het over ‘vrienden’ en bij Twitter gaat het over ‘follows’, ‘followers’ en ‘mentions’
Laten we eens kijken naar Twitter. Een gebruiker van twitter staat in verbinding met anderen doordat hij mensen volgt (follows) en doordat mensen hem volgen (followers). Hiernaast kan je door anderen genoemd worden of zelf mensen noemen (mentions). De personen met wie de gebruiker in verbinding staat vormen samen het ‘sociale netwerk’. Dat iemand jou volgt zegt natuurlijk niks over het type relatie dat bestaat tussen jou en je volger. Het kan bijvoorbeeld zijn dat jullie vrienden zijn of familie. Het kan ook zijn dat deze persoon je volgt om je expertise of kennis op bepaald vakgebied (advies- en informatie uitwisseling). De typen bindingen binnen sociale media kunnen indicatoren zijn voor een bepaald type relatie. Een groot aantal volgers kan bijvoorbeeld betekenen dat de persoon die gevolgd wordt bepaalde kennis of expertise heeft die hij met anderen deelt. Twee personen die met elkaar in verbinding staan via twitter kunnen in het echte leven bijvoorbeeld vrienden zijn.
Sociale Media Netwerken
Net als binnen de real life netwerken (zoals in organisaties) zitten gebruikers van sociale media ook ingebed in (online) netwerken. Dit betekent dat online sociale netwerken net als real life netwerken kunnen worden geanalyseerd met behulp van sociale netwerkanalyse. Deze methode maakt het mogelijk om een ander soort vragen te beantwoorden over de gebruikers van sociale media dan nu gebeurt.
Zo kan een sociale netwerkanalyse onder andere helpen bij het beantwoorden van de volgende vragen:
- Hoe staan gebruikers van sociale media met elkaar in verbinding?
- Welke ‘sociale rollen’ bestaan er binnen het netwerk van gebruikers?
- Wie vervullen de belangrijkste rollen binnen het netwerk zoals; ‘de verbinder’, ‘de antwoorder’, ‘de discussie starter’ en ‘de leverancier van de inhoud’?
- Waar zitten de invloedrijke personen?
- Welke personen zijn belangrijk binnen een bepaald thema / onderwerp?
Met behulp van sociale netwerkanalyse kan men diepere inzichten krijgen in het netwerk van sociale media gebruikers. Het gaat verder dan alleen kijken naar de aantallen volgers die men heeft op Twitter, of hoe vaak men genoemd wordt.
Ego-netwerk
Onderstaande figuur is een voorbeeld van een twitternetwerk gecreëerd met speciale netwerksoftware, genaamd ‘NodeXL’. Deze software is gratis te downloaden en is gekoppeld aan Excel 2007 (werkt niet met Excel 2003). Met NodeXL is het mogelijk om direct netwerkdata te importen uit YouTube, Flickr en Twitter om deze te analyseren.
Twitter Netwerk Tom Gouman
De persoon in het midden van de figuur is de gebruiker. In het netwerk zijn de volgers en de gevolgden te zien. In het netwerk is niet alleen te zien wie men volgt of door wie men gevolgd wordt, maar ook hoe deze personen zich tot elkaar verhouden. Het hele netwerk van één persoon noemt men het ‘Ego-netwerk’. Ook is het mogelijk om de netwerkmaten uit de sociale netwerkanalyse te gebruiken bij het analyseren van sociale media netwerken. Zo zou de ‘betweenness centrality’ in dit geval iets zeggen over hoe vaak men in dit netwerk de verbindende schakel vormt tussen personen die anders onverbonden zouden zijn.
Twitter Search Netwerk
Een andere mogelijkheid is om te kijken naar het netwerk van personen die twitteren over een bepaald thema of onderwerp (bijvoorbeeld met behulp van hashtags #). Een netwerkdiagram laat allereerst zien wie zich met het thema bezighouden, maar geeft ook snel inzicht in wie de belangrijke / invloedrijke personen zijn in het netwerk.
Twitternetwerk zoekterm: 'Frankwatching'
In bovenstaand netwerk zijn de tweeps weergegeven die ‘Frankwatching’ in hun tweet hebben staan. Het is een momentopname van het netwerk rond een bepaald thema. De lijntjes tussen twee personen betekent in dit geval een ‘mention’ of ‘reply’ relatie. Dit betekent dat de mensen die met elkaar in verbinding staan elkaar hebben genoemd (@) of op elkaar hebben gereageerd. Te zien is dat er een hele hoop ‘losse’ personen in het netwerk zitten, een aantal tweetallen en een groep mensen die in verbinding staan met @Frankwatching zelf, wat gezien de zoekterm erg logisch is.
Nieuwe inzichten
Nu het aantal gebruikers van sociale media de laatste tijd enorm is toegenomen, wordt het belang van goed onderzoek naar het gebruik van sociale media steeds belangrijker. De sociale netwerkanalyse is een uitermate geschikte methode om nieuwe inzichten te krijgen in de (vaak complexe) netwerken van gebruikers binnen sociale media. De methode geeft nieuwe inzichten in vraagstukken over invloed, bereik en verbondenheid binnen sociale media. De voorbeelden in dit artikel zijn geeft maar een gedeelte van de mogelijkheden weer. Maak hier gebruik van en breng strategie en structuur aan in het gebruik van sociale media. Niet alleen participeren, maar ‘analyseren, constateren en verbeteren’.
Mike van Hoenselaar 
Patty 
Samuel Driessen 
Els 
Klaas v. Dijk 
Duidelijke beschrijving Tom! Ik zie dat je met NodeXL hele complexe netwerken in kaart kunt brengen maar…wat dan? De boodschap die daar binnen(of naar buiten) wordt uitgedragen komt dan niet aan bod. In hoeverre is dat belangrijk bij een netwerkanalyse?
Wat vind jij van tools als Klout.com en Twitalyzer? Daarmee krijg ik een redelijk inzicht wat voor sociaal gedrag ik heb ontplooid binnen mijn netwerk en waar ik het kan verbeteren (t.b.v. persoonlijke strategie).
Nog even een puntje over het gebruik van de begrippen “sociale netwerken”, “sociale media” etc. Als we het nou online platforms noemen waar verbinding wordt gezocht en onderhouden middels de kanalen die daarvoor binnen zo’n specifiek platform beschikbaar zijn…dan is “linken”, “RSVP-en”, “Liken”, “twitteren” etc. wat het “social media” maakt, toch?
Bedankt voor het compliment!
Het is inderdaad waar dat er al verschillende analyse tools aanwezig zijn, die ook zeker nuttige informatie geven. Het voordeel van NodeXL is dat het andere mogelijkheden biedt dan de bestaande tools. Ik denk zelf dat NodeXL met name nuttig kan zijn in het achterhalen van stakeholders en het gericht zoeken naar bepaalde personen.
Als het gaat om de inhoud van boodschap, biedt NodeXL de mogelijkheid om twitternetwerken te importen aan de hand van een zoekterm. Je zou hier bijvoorbeeld ook de # hashtags voor kunnen gebruiken. In dat geval weet je hoe het netwerk rond een bepaald thema eruitziet.
Met betrekking tot de begrippen ben ik het met je eens. De nieuwe media zijn sociaal omdat ze bestaan uit ‘communities’, mensen waartussen relaties bestaan. Het punt dat ik wilde maken was dat er vaak wordt gesproken over sociale netwerken wanneer men het heeft over twitter, linkedin etc. naar mijn idee zijn ‘social media’ en ‘social networks’ twee verschillende begrippen.
Ik heb NodeXL een aantal keren gebruikt voor de analyse van Twitter en politici. Helaas ben ik er niet zo enthousiast over. Dat is misschien nog niet eens de schuld van NodeXL. Het punt is namelijk dat als je geinteresseerd bent in high profile personen deze al snel zeer grote en complexe netwerken hebben (1.5 en 2.0 genoemd in NodeXL) dat het door de rate limit van Twitter heen gaat. En dan zit je met een halve dataverzameling.
Ook als de persoon die onderzocht wordt zelf geen groot netwerk heeft, maar wel CNN volgt loop je tegen dezelfde rate limit aan.
De overige features kan ik niet beoordelen
Interessant artikel! Voor mijn afstudeerscriptie voor de studie Bedrijfskunde heb ik ook gebruik gemaakt van sociale netwerkanalyse voor het bepalen van de mate van lead userness van jong volwassenen. Een interessante manier voor bedrijven om ideeën van de juiste personen binnen je doelgroep te verkrijgen en deze ideeën verder te ontwikkelen naar commercieel aantrekkelijke producten.
Ik ben tijdens die analyses ook erg enthousiast geworden over de mogelijkheden van sociale netwerkanalyses. Deze omschrijving van toepassing op Twitternetwerken is erg interessant! Ik ben bijvoorbeeld erg benieuwd of de mate van betweenness centrality van bekende twitteraars overeen komt met het beeld dat ze gecreeërd hebben bij hun volgers / of in elk geval het beeld dat leeft binnen hun volgersnetwerk.
Hai Tom, leuk stuk! Juist omdat ik het kruisgebied sociologie (en antropologie) en social networks leuk vind. Weet je daar misschien leuke boeken of blogartikelen over die ik kan bestuderen? (los van Manuel Castells “The Information Age: Economy, Society and Culture”)
Verder lijkt het er helaas op dat er geen MAC versie van NodeXL is. Ik wilde het graag proberen. Alleen voor Parallels en die heb ik niet… Of weet je misschien een oplossing waar geen PC bij komt kijken?
Ze zouden dit trouwens sowieso online moeten doen zonder eigen software, gewoon een excel of CSV opladen en klaar. Of zeg ik nu iets vreemds. iig tnx!
Hoi Martijn,
Het is inderdaad vervelend voor de MAC gebruikers. Net als de excel 2003 gebruikers overigens. Voor excel 2010 is NodeXL nog niet getest, maar werkt wel voor zover bekend.
Wellicht dat je op de site van een van de makers (Marc Smith) van NodeXL interessante informatie kan vinden: http://www.connectedaction.net
Ook wordt er gewerkt aan een boek over NodeXL genaamd: Analyzing Social Media Networks with NodeXL: Insights from a Connected World. Deze wordt in de zomer verwacht.
En verder hoop ik zelf nog het een en ander te blijven schrijven voor Frankwatching!
Tenslotte nog een opmerking over de API rate limit van Twitter aan Maurice Vergeer. Het is inderdaad een beperking dat je bij grotere netwerken vrij snel aan de API limiet zit. Het is echter wel mogelijk om de API limit te verhogen door dit aan te vragen bij Twitter. Hierbij is het wel zo dat alleen mensen die aan echte serieuze projecten werken hier toestemming voor krijgen. Het zou inderdaad beter zijn dat de API rate limit via NodeXL automatisch verhoogd zou worden. Wellicht dat hier in de toekomst nog wat aan gedaan wordt.
Tnx Tom.
@Maurice_Vergeer je zou dus een negatief filter moeten kunnen maken op bepaalde onderwerpen of lists. Bijvoorbeel als iemand of een collectief een open source list zou beginnen met alle media twitter accounts erop (bijvoorbeeld CNN, BBC, etc.) dan kon je deze list inladen in het programma als “nofollow” functie… op die wijze zou jij een oplossing kunnen benaderen neem ik aan? Misschien ff voorstellen bij de makers?
On topic:
Leuk artikel.
Vraag:
In mijn omgeving heb ik mensen die bewust het aantal followers op sociale netwerken zeer beperken, met als doelstelling veel ruis te weren en daarmee makkelijker te komen tot conversaties met meerwaarde. Dit profiel zou totaal buiten deze analyses vallen. Aangezien deze personen vrij geïsoleerd zullen zijn in het grotere overzicht van netwerken. Wat denk jij / denken jullie daarover? Of zullen dit soort mensen vrij uniek zijn?
Zelf ben ik ook steeds meer actief met (negatieve) filters binnen sociale tools. Binnen facebook zie je dit bijvoorbeeld terug met de mogelijkheid een applicatie te blocken.
@Jasper een negatief filter zou inderdaag een optie kunnen zij, ware het niet dat voor sociaal-netwerkanalyse de voorkeur juist gegeven wordt aan “full networks”. Door één actor (node) eruit te gooien loop je het risico dat de netwerkindicatoren vertekend raken. Voor nodes als de BBC en CNN kan ik me verwijdering voorstellen, maar in het geval van politici niet, of welke andere high profile actoren dan ook. Maar uiteindelijk hangt het ook af van wat je wilt weten.
@Tom Wat betreft de developers account: ik heb er gelukkig een weten te bemachtigen, maar makkelijk is het niet. Een collega probeert het al een tijdje zonder success. Terwijl hij de programmeur van onze Twitterscraper is. Helaas is deze nog niet openbaar. Wanneer deze wel openbaar wordt gemaakt is niet aan mij te beslissen, helaas.
[...] Lees verder … Analyse, Netwerken, Twitter [...]