20. • Keskeisyysaste (degree)
• Kertoo, kuinka monta suoraa yhteyttä toimijalla on muihin
toimijoihin
• Jos verkostoaineisto on suunnattu, voidaan laskea
erikseen lähettäjäkeskeisyys (outdegree) ja
vastaanottajakeskeisyys (indegree)
• Keskeisyysastetta läheinen indeksi on ego tiheys (ego
density) (Burt 1982, Knoke & Kuklinski 1982). Ego tiheys
on suhdeluku toimijan suorista yhteyksistä kaikkiin
mahdollisiin yhteyksiin suuntaamattomissa verkostoissa.
20
Keskeisyysaste (asteluku)
Lähde: Wasserman & Faust 1994
21. • Ideana on, että toimija on keskeinen jos se kykenee
nopeasti vuorovaikutukseen muiden kanssa
• Läheisyys (closeness) on toimijan lyhyimpien polkujen
summa kaikkiin verkoston muihin toimijoihin
• dij on lyhyimmän polun pituus i:n ja j:n välillä
• Huomaa tulkinnassa, että pieni arvo tarkoittaa keskeistä
pistettä
∑=
=
n
ij
iji dc
Läheisyys
Lähde: Wasserman & Faust 1994
22. • Välillisyys (betweenness) mittaa, kuinka monen
toimijaparin välisen lyhyimmän polun varrelle toimija
sijoittuu
• Jos piste sijaitsee useiden muiden pisteiden välillä, se
pystyy säätelemään esim. tiedon kulkua näiden välillä
(portinvartijat)
• Piste voi olla (lokaalisti) hyvin epäkeskeinen, mutta sen
välillisyys voi silti olla hyvin suuri
22
Välillisyys
Lähde: Wasserman & Faust 1994
23. Viikkoharjoitus 3:
Tee-se-itse Twitter verkostoanalyysi
– markkinoinnin näkökulmasta
• Asenna seuraavat ohjelmistot
– Anaconda Python 2.7
https://www.continuum.io/downloads
– Gephi https://gephi.org/
• Kerää data
– Tätä varten tarvii luoda Twitter sovellus (App)
https://apps.twitter.com/
– Nouda twiitit käyttäen seuraavaa skriptiä
https://github.com/jukkahuhtamaki/pcm-demo/
tree/master/twitter-api