[论文解读] Community Structure in Online Collegiate Social Networks

Amanda L. Traud, Eric D. Kelsic+2 more|arXiv (Cornell University)|Sep 3, 2008

Complex Network Analysis Techniques参考文献 74被引用 45

一句话总结

本研究分析了美国五所大学的 Facebook 友谊网络，以探讨社区结构及其与学生自我识别特征（如专业、年级、住宿情况和高中）的相关性。通过标准化的成对计数方法和 Rand 系数的 z 分数，研究揭示了在线社交社区如何反映并受线下社会力量的影响，为数字世界与现实世界社会结构之间的相互作用提供了洞见。

ABSTRACT

Abstract. We study the structure of social networks of students by examining the graphs of Facebook “friendships ” at five American universities at a single point in time. We investigate each single-institution network’s community structure and employ graphical and quantitative tools, including standardized pair-counting methods, to measure the correlations between the network communities and a set of self-identified user characteristics (residence, class year, major, and high school). We review the basic properties and statistics of the employed pair-counting indices and recall, in simplified notation, a useful analytical formula for the z-score of the Rand coefficient. Our study illustrates how to examine different instances of social networks constructed in similar environments, emphasizes the array of social forces that combine to form “communities, ” and leads to comparative observations about online social lives that can be used to infer comparisons about offline social structures.

研究动机与目标

• 探究大学在线社交网络中的社区结构与学生自我识别特征（如专业、年级、住宿情况和高中）之间的相关性。
• 比较五个相似大学环境中的社区结构，以识别在线社交组织中的模式。
• 应用标准化的图形与定量工具，衡量网络社区与人口统计属性之间相关性的强度与显著性。
• 展示在线网络结构如何反映并有助于理解线下社会力量与机构社会动态。

提出的方法

• 基于五所美国大学的单时间点数据集构建 Facebook 友谊图。
• 应用标准化的成对计数方法，将社区结构与学生自报属性进行比较。
• 使用简化的分析公式计算 Rand 系数的 z 分数，以评估社区-属性相关性的统计显著性。
• 使用图形工具可视化社区结构及其与人口统计群体的对齐情况。
• 采用定量指标测量网络社区与专业、年级等属性之间关联的强度。
• 在不同机构间进行对比分析，以识别在相似网络环境中一致的社区形成模式。

实验结果

研究问题

• RQ1 大学 Facebook 网络中的在线社交社区在多大程度上与学生自我识别的特征（如专业、年级、住宿情况和高中）相一致？
• RQ2 在线网络中的社区结构在多大程度上反映了潜在的线下社会力量与机构结构？
• RQ3 在具有相似网络环境的不同大学中，网络社区与人口统计属性之间的相关性如何变化？
• RQ4 哪些统计方法能有效衡量在线社交网络中社区-属性关联的显著性？
• RQ5 标准化成对计数指数（尤其是 Rand 系数的 z 分数）在评估社区结构有效性方面表现如何？

主要发现

• 发现网络社区与专业、年级和住宿情况等学生属性之间存在显著相关性，表明在线社区通常反映现实世界的社会群体划分。
• Rand 系数的 z 分数提供了可靠的统计度量，用于评估社区-属性关联的显著性，支持了所观察到的社区结构的有效性。
• 社区结构在不同大学间存在显著差异，表明机构文化与社会背景会影响在线网络的形成。
• 本研究表明，图形与定量工具能够有效揭示社会力量如何共同塑造在线社区。
• 标准化成对计数方法使多个大学网络中社区结构的比较成为可能。
• 结果表明，在线社交网络可作为理解线下社会结构的代理工具，尤其是在教育机构中。