Réseaux sociaux - Partie 4
Réseaux sans échelle : Un réseau sans échelle est un réseau dont la distribution des degrés suit une loi de puissance, au moins asymptotiquement. En théorie des réseaux, un réseau idéal sans échelle est un réseau aléatoire dont la distribution des degrés reflète la distribution de la taille des groupes sociaux. Les caractéristiques spécifiques des réseaux sans échelle varient selon les théories et les outils analytiques utilisés pour les créer. Cependant, de manière générale, les réseaux sans échelle présentent certaines caractéristiques communes. L'une d'elles, notable, est la fréquence relative des sommets dont le degré est largement supérieur à la moyenne. Les nœuds de plus haut degré sont souvent appelés « hubs » et peuvent remplir des fonctions spécifiques au sein de leurs réseaux, bien que cela dépende fortement du contexte social. Une autre caractéristique générale des réseaux sans échelle est la distribution du coefficient de clustering, qui diminue à mesure que le degré du nœud augmente. Cette distribution suit également une loi de puissance. Le modèle de Barabási d'évolution des réseaux, présenté ci-dessus, est un exemple de réseau sans échelle.
Niveau macro
Plutôt que de retracer les interactions interpersonnelles, les analyses de niveau macro étudient généralement les résultats des interactions, comme les transferts économiques ou autres de ressources au sein d'une population importante.
Réseaux à grande échelle : L'expression « réseau à grande échelle » est en quelque sorte synonyme de « niveau macro ». Elle est principalement utilisée en sciences sociales et comportementales, ainsi qu'en économie. À l'origine, ce terme était largement employé en informatique (voir la cartographie des réseaux à grande échelle).
Réseaux complexes : La plupart des grands réseaux sociaux présentent des caractéristiques de complexité sociale, qui impliquent des particularités importantes de la topologie du réseau, avec des schémas de connexions complexes entre les éléments qui ne sont ni purement réguliers ni purement aléatoires (voir la science de la complexité, les systèmes dynamiques et la théorie du chaos), à l'instar des réseaux biologiques et technologiques. Ces caractéristiques de réseaux complexes incluent une distribution des degrés à queue épaisse, un coefficient de clustering élevé, une assortativité ou une dissortativité entre les sommets, une structure communautaire (voir le modèle de blocs stochastiques) et une structure hiérarchique. Dans le cas des réseaux dirigés par une agence, ces caractéristiques incluent également la réciprocité, le profil de signification triadique (PST, voir le motif de réseau) et d'autres caractéristiques. En revanche, de nombreux modèles mathématiques de réseaux étudiés par le passé, tels que les treillis et les graphes aléatoires, ne présentent pas ces caractéristiques.
Liens théoriques
Théories importées
Divers cadres théoriques ont été importés pour l'analyse des réseaux sociaux. Parmi les plus importants figurent la théorie des graphes, la théorie de l'équilibre, la théorie de la comparaison sociale et, plus récemment, l'approche de l'identité sociale.
Théories autochtones
Peu de théories complètes ont été élaborées à partir de l'analyse des réseaux sociaux. Deux d'entre elles sont la théorie des rôles structurels et la théorie de l'hétérophilie.
La théorie de l'hétérophilie repose sur la constatation, lors d'une étude, que des liens faibles plus nombreux peuvent jouer un rôle important dans la recherche d'informations et l'innovation, les cliques ayant tendance à avoir des opinions plus homogènes et à partager de nombreux traits communs. Cette tendance homophilique est la raison première de l'attraction des membres des cliques. Cependant, du fait de leurs similitudes, chaque membre de la clique possède également des connaissances plus ou moins similaires à celles des autres membres. Pour obtenir de nouvelles informations ou perspectives, les membres du groupe devront élargir leur cercle et solliciter leurs autres amis et connaissances. C'est ce que Granovetter appelait « la force des liens faibles ».
Link 1
Link 2
Link 3
Link 4
Link 5
Link 6
Link 7
Link 8
Link 9
Link 10
Link 11
Link 12
Link 13
Link 14
Link 15
Link 16
Link 17
Link 18
Link 19
Link 20
Link 21
Link 22
Link 23
Link 24
Link 25
Link 26
Link 27
Link 28
Ajouter un commentaire