[論文レビュー] Social Network Analysis: Bibliographic Network Analysis of the Field and its Evolution / Part 1. Basic Statistics and Citation Network Analysis

Daria Maltseva, Vladimir Batagelj|arXiv (Cornell University)|Dec 14, 2018

Complex Network Analysis Techniques参考文献 18被引用数 8

ひとこと要約

本研究は、Web of Science から抽出した 70,000 件以上の出版物を用いて、社会的ネットワーク分析（SNA）の進化を地図化するための文献情報ネットワーク分析を実施した。引用、著者、キーワード、ジャーナルのネットワークを構築し、検索パス数、確率的フロー、アイランド分析を適用することで、主要な研究、著者、ジャーナルを同定した。その結果、2000 年以降に社会科学者の支配から「物理学者の侵入」へと移行し、2010 年代以降に活発な動的な動物 SNA のサブフィールドが出現したことが明らかになった。

ABSTRACT

In this paper, we present the results of the study on the development of social network analysis (SNA) discipline and its evolution over time, using the analysis of bibliographic networks. The dataset consists of articles from the Web of Science Clarivate Analytics database and those published in the main journals in the field (70,000+ publications), created by searching for the key word "social network*." From the collected data, we constructed several networks (citation and two-mode, linking publications with authors, keywords and journals). Analyzing the obtained networks, we evaluated the trends in the field`s growth, noted the most cited works, created a list of authors and journals with the largest amount of works, and extracted the most often used keywords in the SNA field. Next, using the Search path count approach, we extracted the main path, key-route paths and link islands in the citation network. Based on the probabilistic flow node values, we identified the most important articles. Our results show that authors from the social sciences, who were most active through the whole history of the field development, experienced the "invasion" of physicists from 2000's. However, starting from the 2010's, a new very active group of animal social network analysis has emerged.

研究の動機と目的

• 文献データを用いて、社会的ネットワーク分析（SNA）分野の歴史的発展と構造的進化を地図化すること。
• SNA研究のあり方を形作る主要な出版物、著者、ジャーナル、キーワードを同定すること。
• 特に社会科から自然科学への移行に注目し、分野貢献の変化を分析すること。
• 検索パス数、確率的フロー、アイランド検出といった高度なネットワーク分析技術を適用し、SNA文献におけるコアな知的経路を明らかにすること。
• 文献データベースの信頼性とカバー範囲の限界が、科学分野の発展全体を捉える上でどの程度影響を及えるかを評価すること。

提案手法

• Web of Science を用い、キーワード「social network*」で抽出した 70,000 件以上の出版物から、引用ネットワーク、二様ネットワーク（出版物-著者、出版物-キーワード、出版物-ジャーナル）、共引用ネットワークを構築した。
• 検索パス数法を用いて、引用ネットワーク内の主要経路とキーロード経路を同定し、最も影響力のある引用系列を特定した。
• 確率的フローノード値を用いて、引用ネットワーク内での記事の中心性と影響力を順位付けした。
• 引用ネットワーク内に「アイランド」（局所的に密集した部分ネットワーク）を同定し、一貫性のある研究クラスターやテーマ的サブグループを検出した。
• データ品質と一貫性を向上させるために、完全な Web of Science（WoS）記述を有する作品に限定してデータセットをフィルタリングした。
• 定量的指標（引用数、出版数）とネットワークトポロジーを統合し、ジャーナル、著者、キーワードの影響力を評価した。

実験結果

リサーチクエスチョン

• RQ1 社会的ネットワーク分析（SNA）の歴史において、最も影響力のある出版物、著者、ジャーナルは何か？
• RQ2 SNA研究の分野的構成は、時間経過とともにどのように変化したのか。特に社会科から自然科学への移行はいかがだったか？
• RQ3 引用ネットワーク分析によって明らかにされた、SNA分野における支配的知的経路は何か？
• RQ4 動物社会的ネットワーク分析のようなサブフィールドは、SNA全体の分野内においてどのように出現し、注目を集めるようになったのか？
• RQ5 確率的フローおよびアイランド検出といったネットワーク分析技術は、SNA文献内に意味のある構造的サブグループをどの程度明らかにできるか？

主な発見

• SNA関連の出版物数は、約3年ごとに2倍に増加しており、分野の持続的かつ加速的な成長を示している。
• 最も引用数の多い研究は、主に社会学者によるもので、弱い結束（Granovetter, 1973）、ブロックモデル（White, 1976）、構造的均衡（Cartwright, 1956）に関するものである。
• 2000 年代以降、ニューマン、アーベルト、ストログァツ、ボッカレッティらの物理学者が主要な貢献者として登場し、「物理学者の侵入」ともいえる変化を示した。
• 2010 年代以降、動物社会的ネットワーク分析分野に、新たな活発なグループが出現し、*Animal Behaviour* などのジャーナルや著名な著者が顕著な貢献をした。
• *Social Networks* は出版数では上位にランクされているが、全体の引用数はそれほど高くないため、可視性と引用ネットワーク内での影響力の間にギャップがあると考えられる。
• 確率的フローと主要経路分析の最大部分ネットワークに含まれる上位 14 編の研究には、社会学者と物理学者の両方の基盤的研究が含まれており、核心的な知的伝統の統合が示された。