社会网络分析
社会网络分析
社会网络分析1、介绍社会网络指的是社会行动者及其间的关系的集合。
一个社会网络是有多个点（社会行动者）和各点之间的连线（行动者之间的关系）组成的集合。
用点和线来表达网络，这是社会网络的可视化界定。
社会网络强调每个行动者都与其它行动者有或多或少的关系。
社会网络分析方法关注如何建立这些关系的模型，力图描述群体关系的结构，研究这种结构对群体功能或者群体内部个体的影响。
社会网络分析被用来建立社会关系的模型，发现群体内行动者之间的社会关系，描述社会关系的结构，研究这种结构对群体功能或者群体内部个体的影响。
社会网络分析不是一种正式的、具有统一性的理论，而只是一种“范式”或者“视角”。
社会网络分析是社会科学中的一个独特视角，它是建立在如下假设基础上的：在互动的单位之间存在的关系非常重要。
社会网络理论、模型以及应用的基础都是有关数据的集合，关系是网络分析理论的基础。
自从人类学家Barnes(1954)首次使用“社会网络”的概念来分析挪威某渔村的社会结构以来,社会网络分析被视为是研究社会结构的最简单明朗、最具有说服力的研究视角之一。
社会网络分析方法，可用于描述和测量网络社群成员之间的关系以及通过这些关系流动的各种有形或无形的东西，如信息、资源、知识等。
该方法通过对行动者之间关系与联系的联结情况进行研究与分析，可以归纳出行动者的社会网络信息，甚至进一步观察并了解行动者的社会网络特征。
透过社会网络除了能显示个人社会网络特征外，还能够了解许多社会现象，因为社会网络在组织中扮演着相当重要的无形角色，当人们在解决问题或是寻找合作伙伴时,通常都是依循着所拥有的社会网络来寻找最可能协同活动的对象。
社会网络分析通常有两种：一种叫做自我中心社会网，只能分析社会的连带关系，但不能用来分析网络的整体结果；另一种叫做整体社会网，可以用来分析结果对群体的影响，并能根据图形特征做出相应的解释。
2、关键要素（1）密度（Density）在图形中实际存在的线与可能数量的线的比例（The density of a graph is the proportion of possible lines that are actually present in the graph）。
社区工作中的社会网络分析方法
社区工作中的社会网络分析方法社会网络分析（Social Network Analysis，简称SNA）作为一种研究社会关系的方法，可以在社区工作中帮助我们更好地了解社区成员之间的相互联系和信息传播。
本文将介绍社区工作中常用的几种社会网络分析方法，并探讨其在实践中的应用。
一、社会网络分析的概念与原理社会网络分析是研究社会实体以及实体之间的关系的一种方法。
在社区工作中，我们可以将社区的成员看作是社会网络中的节点，他们之间的相互关系则形成了网络中的边。
通过分析这些节点和边的关系，我们可以揭示社区成员之间的影响力、信息传播路径以及组织结构等重要信息。
二、社会网络分析的基本指标1. 中心度（Centrality）：用于衡量一个节点在网络中的重要性。
常见的中心度指标包括度中心度（Degree Centrality）、接近度中心度（Closeness Centrality）和介数中心度（Betweenness Centrality）等。
2. 群聚系数（Clustering Coefficient）：用于衡量一个节点的邻居节点之间的连接密度。
群聚系数可以帮助我们评估社区成员之间的紧密程度。
3. 强连接组件（Strongly Connected Component）：由相互之间存在双向连接的节点组成的子图。
强连接组件可以揭示社区中的子群体以及它们之间的关联。
三、社会网络分析方法的应用案例1. 影响力分析：通过计算节点的中心度指标，可以识别出在社区中具有较高影响力的人物。
社区工作者可以与这些人物建立合作关系，以扩大信息传播的范围。
2. 群体行为研究：通过分析社区中的强连接组件，可以揭示出共同兴趣、相似特征的子群体。
社区工作者可以利用这些信息，组织相关的活动，促进社区成员之间的互动合作。
3. 网络介入策略：社区工作者可以根据社会网络分析的结果，制定有针对性的干预策略。
例如，针对网络中的“桥节点”，可以通过对其提供支持和资源，来改善社区成员之间的联系。
社会网络分析方法
社会网络分析方法引言社会网络分析方法是一种从全局角度探究社会关系和组织结构的分析方法，适用于多种领域，如社会学、管理学、信息学等。
本文将介绍社会网络分析的概念、应用和方法。
一、社会网络分析的概念社会网络分析（SNA）是社会学家在20世纪50年代提出的一种分析方法，其可以通过对人际关系进行分析，来揭示全局社会结构和个体间的互动情况。
社会网络分析认为，社会中的人际关系是一个网络系统，每个人都是网络中的一个节点，人与人之间的关系则构成网络的边。
通过对这些网络节点和边的分析，可以了解社会结构和组织关系。
二、社会网络分析的应用社会网络分析可以应用于多种领域，如组织管理、社会学、市场调研等。
1. 组织管理在组织管理中，社会网络分析可以用于领导力评估、人才管理以及组织设计等方面。
通过对员工间的人际关系、交流情况进行分析，可以了解组织内部的流动情况和信息传递情况，帮助领导者更好地管理组织。
2. 社会学在社会学中，社会网络分析可以用于理解社会结构、社会动态以及社会现象的形成机制。
通过对个体之间的关系进行分析，可以揭示出社会中的强关系和弱关系、孤立节点和核心节点等，从而了解社会群体的组织关系以及群体间的竞争合作关系。
3. 市场调研在市场调研中，社会网络分析可以用于了解市场中客户的关系、购买决策过程以及产品传播效应。
通过对客户之间的交流情况、信息共享情况进行分析，可以了解客户的真实需求以及产品在市场中的影响力。
三、社会网络分析的方法1. 数据收集社会网络分析需要收集相关影响社会结构和人际关系的数据。
数据可以通过问卷调查、数据挖掘等方式收集，收集的数据可以包括个体之间的关系、交流频率以及其他相关信息。
2. 网络构建通过数据收集，可以将原始数据转化为网络数据。
在网络构建的过程中，需要对数据进行预处理、加权和过滤等操作，以获得精确的网络数据。
网络构建完成后，就可以通过图论分析工具来分析网络的结构和组织。
3. 网络分析网络分析是社会网络分析的核心环节，它可以通过拓扑分析、中心性分析、社群发现等方法来分析网络的结构和特征。
-社会网络分析方法
-社会网络分析方法
社会网络分析是一种研究社会关系和网络结构的方法，它可以揭示人际关系、信息传播和网络演化等社会现象。
社会网络分析的主要方法包括以下几个方面：
1. 社会网络数据的收集和整理：社会网络数据可以通过问卷调查、观察记录、社交媒体数据挖掘等方式收集。
数据整理包括数据清洗、数据转换和数据存储等过程。
2. 社会网络可视化：通过使用可视化工具和技术，将社会网络数据以图形形式呈现出来。
社会网络的节点表示个体，边表示个体之间的联系，可以直观地展示社会网络结构和特征。
3. 社会网络度量和分析：通过计算社会网络的度、中心性、密度、连通性等指标，来描述社会网络的结构和特征。
例如，度中心性可以衡量个体在网络中的重要性，而密度可以反映网络内部的联系紧密程度。
4. 社会网络模型：通过建立数学模型，来模拟和预测社会网络的发展和演化。
常用的模型包括小世界网络模型、无标度网络模型等。
5. 社会网络影响力分析：研究社会网络中信息传播的过程和机制，揭示个体对
社会网络的影响力和信息传播的路径。
常用的影响力分析方法包括信息传播模型、影响力传播模型等。
6. 社会网络社群发现：通过挖掘社会网络中的社群结构，找出具有相似特征和相互关联的个体群体。
社群发现有助于理解社会网络中的内部结构和个体间的相互作用。
社会网络分析方法可以应用于各个领域，如社会学、心理学、管理学等，用于研究个体行为、组织关系、社会动力学等问题，并帮助决策者做出更加有效的决策。
社会网络分析方法
社会网络分析方法社会网络分析是一种研究人际关系、组织结构和信息传播的方法，它通过对网络中的节点和连接进行分析，揭示出网络中的模式和规律。
在当今信息爆炸的时代，社会网络分析方法越来越受到人们的关注和重视。
本文将介绍社会网络分析的基本概念、方法和应用，希望能够对读者有所帮助。
首先，社会网络分析的基本概念是什么？社会网络分析是一种研究人际关系的方法，它将人们之间的关系看作是一个网络，通过节点和连接来描述和分析这些关系。
节点代表个体，连接代表个体之间的关系，可以是友谊、合作、信息传播等。
通过对节点和连接的分析，可以揭示出网络中的核心节点、关键连接和整体结构，从而揭示出网络中的模式和规律。
其次，社会网络分析的方法有哪些？社会网络分析的方法主要包括网络数据的收集、网络结构的描述和网络关系的分析。
网络数据的收集可以通过调查问卷、观察记录、数字化数据等方式进行，获取节点和连接的信息。
网络结构的描述可以通过节点度中心性、介数中心性、紧密度等指标来描述网络中的节点和连接的特征。
网络关系的分析可以通过社团分析、影响力分析、信息传播分析等方法来分析网络中的关系模式和规律。
最后，社会网络分析的应用有哪些？社会网络分析方法在社会学、管理学、信息学等领域有着广泛的应用。
在社会学领域，社会网络分析可以用来研究人际关系、社会结构和社会动态。
在管理学领域，社会网络分析可以用来研究组织结构、领导影响力和团队合作。
在信息学领域，社会网络分析可以用来研究信息传播、网络安全和社交媒体分析。
综上所述，社会网络分析是一种研究人际关系、组织结构和信息传播的方法，通过对网络中的节点和连接进行分析，揭示出网络中的模式和规律。
它的基本概念、方法和应用对于我们理解和分析人际关系和社会结构具有重要意义，希望本文能够对读者有所启发和帮助。
社会网络分析介绍
社会网络分析介绍一、医疗旅游产业的社会网络分析“社会网络”的概念在国外起源较早，人类学家Barnes（1954）首先提出了此概念，文章中以挪威渔村为例，分析其社会结构。
而社会网络分析方法已经成为目前研究社会结构的最具说服力的研究方法之一[106]，该方法指社会行动者与其中各利益相关者的关系的集合，也就是说，一个社会网络具有多个点（社会行动者）以及连接各个点的连接线（行动者关系）组成的集合。
具体来说，社会网络中的点是社会行动者，边是行动者间的各个社会关系。
在社会网络领域中，任何社会实体或社会单位均可作为点或行动者。
行动者可以是集体性的，也可以个体性的，可大可小，大可以是一个社区、组织、城市、国家，小可以是一个教研室、一个学院、一个学校等。
在本研究内容的网络模型中，主要指医疗旅游各关联方。
关系：社会网络中的边则指的是网络组织中行动者的关系。
这些关系可由研究者研究的具体对象来定义，可以是业务关系、也可以是外交关系等[107]。
同时，还需要注意有无方向关系。
例如，学生与导师之间则存在关系性，A是B的导师，那么B就是A的学生，方向明确，关系不同。
本文对各主体之间的关系尽量简化，不存在定义关系之外的其他关系。
同时这种方向性会依据我所选的模型而界定不同。
例如在医疗旅游产业关联方收入的社会网络模型中，本文认为具有指向性，例如医疗旅游者向医疗机构支付费用，具有指向性。
联系：展示的是多元关系（可以是一种关系，也可以是多种关系），主要是两个行动之间的关系组合。
二、医疗业和旅游业的协同效应该效应突破传统旅游业的边界，主要以医疗和旅游活动为核心，来拓展传统医疗业和旅游产业链。
医疗旅游业融合医疗产业与旅游产业的资源，将二者融为一体，产生大于医疗效益与旅游效益之和的经济效益，即1+1>2。
通过技术、品牌、文化等无形资产，互补、共享双方在医疗旅游产业中的资源，在互惠共生的模式下，医疗和旅游产生有正作用力的影响，双方获得更大的经济效益。
社会网络分析方法
社会网络分析方法社会网络分析方法是一种重要的研究工具，用于研究人际关系网络、组织结构以及信息传播等社会现象。
它通过对网络中的节点和连接关系进行分析，揭示出社会系统的运作规律和特征。
本文将介绍社会网络分析的基本概念和常用方法，并举例说明其在实际应用中的价值和意义。
一、社会网络分析概述社会网络是指由节点和连接关系构成的复杂系统，节点代表个体或组织，连接关系代表它们之间的相互作用和关联。
社会网络分析旨在识别和理解网络中的模式、结构和动态过程，从而揭示社会系统的内部关系和运作方式。
社会网络分析方法主要包括两个方面的内容：结构分析和动态分析。
结构分析侧重于研究网络的拓扑结构和特征，如中心性、密度、聚类系数等。
动态分析则关注网络中节点和连接的变化及其对整个网络的影响。
二、常用的1. 中心性分析中心性分析用于度量网络中节点的重要程度。
其中，度中心性衡量了节点在网络中的连接数量，介数中心性衡量了节点在两个其他节点之间传递信息的程度，接近中心性则度量了节点在网络中的地位和影响力。
通过中心性分析，研究者可以识别出网络中的核心节点和重要节点，从而帮助决策者优化资源分配和信息传播策略。
2. 社团检测社团检测是一种用于发现网络中的社团结构的方法。
社团是指在网络中密切相连的一组节点，其内部联系紧密而与其他社团之间联系稀疏。
社团检测可以帮助研究者理解网络中各个社团之间的联系和相互作用，并揭示隐藏在网络结构中的潜在模式和关系。
3. 信息传播模型信息传播模型用于模拟和预测信息在网络中的传播过程。
其中，独立级联模型（IC model）和线性阈值模型（LT model）是两种常用的信息传播模型。
独立级联模型假设节点独立地接受并转发信息，而线性阈值模型则假设节点的行为受其邻居节点的影响。
通过信息传播模型，研究者可以模拟和预测疾病传播、谣言扩散、产品推广等现象，在实践中指导相关决策和干预措施的制定。
三、社会网络分析的应用与意义社会网络分析方法广泛应用于社会科学、管理学、信息科学等领域，具有重要的实践价值和理论意义。
社会网络分析法2篇
社会网络分析法2篇第一篇：社会网络分析法介绍社会网络分析法，简称SNA，是一种用于分析社会网络结构和关系的研究方法。
它将个体和组织及其之间的关系看作网络，通过对网络的拓扑结构、关系强度和网络特性等方面的分析，揭示了个体和组织间的信息传递、话语权、影响力、集体行动等方面的状态和机理。
SNA开发于20世纪六七十年代，随着社会网络的快速发展和互联网技术的进步，SNA得到了广泛的应用和发展。
其研究领域已经扩展到社会学、心理学、管理学、计算机科学、统计学、政治学等多个学科领域。
社会网络分析法的基本思想是，社会网络是由节点（个体或组织）、连线（节点之间的联系）以及节点和连线的属性共同构成的。
SNA通过分析这些元素之间的相互关系，得出节点和连线在网络中的中心性、连通性、聚合度、弱化度、平衡度、嵌入度等特征，从而揭示社会网络内部的社会结构和动态。
SNA的研究方法主要包括：网络数据收集、网络结构分析、社会网络测量、网络演化分析、社会网络模型建立等。
其中，网络结构分析是SNA的核心内容，它通过度中心性、接近中心性、媒介中心性等指标，揭示节点在网络中的重要程度和影响力，提供了最基本的社会网络数据。
社会网络分析法的应用涉及多个领域。
在企业管理中，SNA可以用于帮助企业领导者了解公司内部的组织结构和员工之间的关系，改善组织运作，提高业绩。
在医疗健康领域，SNA可以用于了解医护人员、患者和家庭之间的关系，辅助医疗决策和治疗方案的制定。
在社会学领域，SNA可以用于了解个体和群体之间的联系与交互，探究社交关系的影响和机制。
需要注意的是，SNA在涉及隐私和伦理等问题时，需要先征得相关方的同意和保密，以确保研究合法合规。
总之，社会网络分析法是一种多领域交叉的研究方法，它的基本原理和研究方法具有普适性和跨学科性。
随着大数据时代的到来，SNA的应用将会更加广泛，对社会网络、群体行为和人类交互等方面的研究都将做出重要贡献。
第二篇：社会网络分析法在企业管理中的应用社会网络分析法（SNA）在企业管理中的应用受到越来越多的关注。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
率和多样性也常常被用于度量连接的强度）
从一方指向另一方的方向量
从A到B的工作流，但不是从B到A的
对称性（互惠性） 关系的双向程度
A向B咨询建议，B也向A咨询建议
2020/3/30
10
− 社会网络中个体的测量
网络指标 度 入度 出度 范围（多样性）
近邻度
介度
中心度
定义 与其他行动者的直接连接数 从其他行动者连接到该行动者的直接连接数（进入的连接） 从该行动者连接到其他行动者的直接连接数（出去的连接） 连接到其它不同行动者的数量（其他行动者被定义为不同是因为他们本身没有互相连 接，或代表不同的群体或状态） 一个行动者靠近或可以轻易地到达网络中所有其他成员的程度。通常通过该行动者到 所有其他行动者的平均路径长度（直接或间接连接）来测量。一个直接连接被看做1， 间接连接根据比例得到较小的权重 一个行动者充当中介（落到其他任意两个处在最短连接路径上的一对行动者中间）的 程度，通常通过该行动者在网络中所有可能的连接对之间充当中介的次数取平均值 一个行动者在网络中处于中心的程度。不同的测量（包括度、近邻度和介度）曾经被 用作中心度的指标。某些中心度的测量借助与该行动者连接的其他行动者的中心度来 测量
区分各种关系
• 即使是同一网络也可能存在不同的关系。在这个政府间组织网络中可能存在着贸易关 系、同盟关系甚至敌对关系。哈夫纳伯顿等人重点关注这些国家在网络组织中的位置 所产生的权力关系。
收集网络关系数据
• 这些数据是多元的，既有经济的，也有政治的以及社会的。在哈夫纳伯顿的研究中， 使用了国家间军事争端数据（Militarized Interstate Disputes, MIDs）、国家组织会 员数据（State System Membership）等数据库以搜集关系数据。
− 自我中心网络是从个体的角度来界定社会网络，以特定行动者为研究中心，主要考 虑与该行动者相关的联系，以此来研究个体行为如何受到其人际网络关系的影响。
− 而整体网络关注的焦点则是网络整体中角色关系的综合结构或群体中不同角色的关 系结构。这两种类型的分析因其侧重点不同，主要使用的测量指标也不尽相同，但 并非毫无联系。
论从19世纪末20世纪初的齐美尔（Georg Simmel）就已发端，甚至能够追溯至更早
的孔德（Auguste Comte）。
2020/3/30
2
✓ 20世纪30年代，莫雷诺的社会关系计量学和沃纳（William Warner）与梅奥（Geor ge Mayo）的人际关系学派
• 1934年，莫雷诺出版了《谁将生存？》一书，标志着社会计量学的兴起。
对称性 小世界性 传递性
2020/3/30
网络中对称连接数与非对称连接数（或与总连接数）的比率
网络结构中存在一些块，并且块中行动者之间的距离很短
三个成员（A,B,C）是可传递的：如果A与B相连，并且B与C相连，那么C就与A相连。传递
性是可传递三元组的数目除以潜在的可传递三元组的数目（长度为2的路径的数目）
2020/3/30
3
✓ 20世纪50年代，哥伦比亚学派的传播研究
• 拉扎斯菲尔德（Paul Lazarsfeld）、科尔曼（James Coleman）、卡兹（Elihu Katz）和门泽尔（Herbert Menzel）等人采用社会网络的方法来研究社会传播（ Social Diffusion），给社会网络研究注入了新的活力。1955年，哥伦比亚学派的 代表性作品之一《人际影响》问世，研究者们从生命周期、合群性和社会经济地位 三个方面探讨了意见领袖的特征。
• 虽然这些人背景各异，但共同拥有一个体现在网络分析方法中的结构性视角。
多个学科几代研究者不断积累的结果
• 关于社会网络分析的起源，有的研究者认为始于20世纪30年代早期莫雷诺（Jacob
Moreno）的社会计量学。也有人认为，社会网络分析到20世纪70年代怀特（
Harrison White）在哈佛大学招收研究生时才开始。事实上，社会网络分析的相关理
么样的后果就成为社会网络分析的核心目标之一。
2020/3/30
1
4.6.1 社会网络分析的发展
当代科学界重视结构性与系统性这一大背景的产物
• 社会网络分析把社会学家、人类学家、数学家、经济学家、政治学家、心理学家、传 播学家、统计学家、生态学家、流行病学家、计算机科学家、商学院里的组织行为学 和市场学学者，以及物理学家集合在一起。
就是存在网络中两个没有紧密联系的节点集合之间的“空地” 处于网络中的成员 与两个或更多个彼此没有连接的群体具有连接但又不属于这个群体的行动者 同时属于两个或多个群体的成员 把网络的一部分和另一部分间作为中介或控制流（两部分间唯一的连接）的行动者 没有连接或相对来说几乎没有连接的行动者
2020/3/30
2020/3/30
11
声望
结构洞
明星 联系人 桥 把关人 孤立点
建立在非对称关系基础上。有威信的行动者是关键的目标，而不是源头。类似于中心度的测
量，通过解释关系的方向来计算。 结构洞是信息流动时候的“鸿沟”，信息可以在两个连接到同一自我中心节点（ego）但是
彼此并不相连的节点间传播，那么这个自我中心节点处在跨越结构洞的位置，结构洞看起来
连通度
连通率 密度 中心势
核心外围性
网络中的行动者与另一个行动者直接或间接相连的程度。有时用网络中任意两个行动者间 的最大（或平均）的路径长度来进行测量 相互可达的行动者对数与总的行动者对数的比率 网络中的实际连接数与可能连接数的比率 计算网络中大多数中心度最大的行动者和其他行动者间的中心度值的差别，从而得到实际 差别总数和最大差别总数的比率 达到网络中核心成员彼此连接，外围成员仅仅连接到核心成员而不彼此连接的结构的程度
• 指数随机网络模型（Exponential Random Graph Models，ERGM）的建立和发 展极大推动了社会网络的统计建模。
• Snijders等创建的个体导向随机模型（Stochastic Actor-oriented Models）进一 步把随机网络模型推广到分析动态社会网络。
• 研究主题从单纯的对社会网络的研究，扩展到对政治网络、经济网络、文学作品中 的对话网、蛋白质互动网、疾病传染网、计算机网络等的研究。
− 莫雷诺及其助手统计了研究对象期望和哪位组织成员共同生活和娱乐，并据此 得出一套关系型数据，用以分析各成员在群体中的位置和群体中的小集团。
• 大约在同时期，哈佛大学的沃纳和梅奥在研究组织行为的过程中，提出了人际关 系学派（The Relational School）。
− 他们收集了工人之间详细的社会网络数据，比如谁和谁一起玩、谁和谁吵了架 等，并用图形的方式展示了工人之间的种种关系。
2020/3/30
4
✓ 1967年哈佛大学心理学教授斯坦利·米尔格拉姆（Stanley Milgram）通过连锁信实 验验证了六度分离理论（Six Degrees of Separation）
• 六度分离理论（又称小世界现象）的出现使得人们对于人际关系网络的威力有了新 的认识。然而，在这个理论中，没有对人和人之间的关系进行强弱的区分。直到19 74年，斯坦福大学社会系的马克·格拉诺维特（Mark Granovetter）提出了弱连接 理论，才对这一问题进行了补充。
✓ 社会网络中的测量指标主要包括三种类型：对连带的测量、对个体的测量和对网络整 体的测量。这些指标都是静态量，可以通过计算它们在不同时间的值，反映网络的变 化趋势。
2020量
网络指标
定义
例子
间接连接
两个行动者之间的连接路径需要通过一个或者多 A与B连接，B与C连接；所以A与C通过B
12
− 社会网络中网络整体的测量
网络指标 规模 包含度
定义 网络中行动者的数量 一个网络中的行动者总数减去孤立的行动者数（没有连接任何其它行动者的行动者数量）。 也用被连接行动者数与总行动者数的比率来进行测量网络节点和连接的最大连通子集
组件
组件中的所有节点互相连接（直接连接或间接连接），并且没有节点和组件外的节点相连
5
• 20世纪70年代，怀特（Harrison White）在哈佛大学的研究
• 怀特将矩阵理论应用与社会网络研究，写出了一些关于网络分组（block modeling）和机会链（chains of opportunny）方面的重要论文。
• 在这个过程中，培养了一大批对当代社会网络分析具有重要影响的学生，比如皮尔 曼（Peter Bearman）、波纳西（Peter Bonacich）、威尔曼（Barry Wellman） 和温士浦（Christopher Winship）等人。
2020/3/30
− 格兰诺维特指出：每个人与接触最频繁的亲人、同学、朋友、同事等之间是一 种“强连接”（Strong Ties），然而这种稳定的连接在传播范围上非常有限 。反而，与一个人的工作和事业关系最密切的社会关系并不是“强连接”，而 常常是“弱连接”（Weak Ties），例如一个无意间认识的人或者打开收音机 偶然听到的一个人等。“弱连接”虽然不如“强连接”那样稳定，但却有着极 快的、低成本和高效能的传播效率。
• 参与的学科从社会学、人类学和统计学扩张到经济学、政治学、传播学、文学、物 理学、生物学和医学等学科。
2020/3/30
7
2020/3/30
• 在这个过程中，除了以社会学为核心的研究继续得到巩固，还形成了以物理学和计 算机科学为核心的不同流派。
− 1998年，康奈尔大学的邓肯·瓦特（Duncan Watts）和斯蒂文·斯特罗加茨（ Steven Strogatz）在《Nature》杂志上发表了一篇名为“小世界网络的集体 动力学”（Collective dynamics of the 'Small World' networks）的论文 。指出之所以会出现小世界现象，是由于某一类复杂网络的特性。他们注意到 复杂网络可以按两个独立的结构特性分类，即集聚系数和节点间的平均路径长 度。1999年，Barabási和Albert在《Science》杂志上发表的《随机网络中标 度的涌现》一文中证明复杂网络的连接度普遍符合幂律分布。随后，很多研究 者，尤其是物理学家开始关注各种复杂网络。