Folkemødets skjulte netværk

Netværksanalysen afslører de netværk, der opstod på Twitter under Folkemødet og viser samtidig, hvem, der var nøgleaktørerne i netværkene. Ved at kende sit netværk og sine interessenters netværk bliver man bedre til at se mønstre og sammenhænge og dermed bedre rustet til at sætte ind de rigtige steder.

Jeg har lavet en social netværksanalyse på de tweets, der kom under Folkemødet. Ud af de 18.437 tweets som jeg hentede med hashtag #fmdk har jeg identificeret 3.960 twitternavne, der har haft forbindelse til andre på twitter. I alt har jeg identificeret 14.445 forbindelser.

Jeg har derefter sorteret alle aktører med mindre end 5 forbindelser fra. I de resterende forbindelser fandt jeg 19 mindre netværk eller små ”mini-samfund”, hvoraf jeg har valgt at vise de 5 største her.
De fem netværk indeholder i alt 558 aktører og 3.526 forbindelser.

En social netværksanalyse er en analyse af sociale netværk. Social netværksanalyse anvender netværksteorier til at analysere sociale forhold og forbindelser mellem mennesker og sociale grupper. Netværkene illustreres ofte sådan, at aktørerne (noderne) er punkter og forbindelserne (edges/ties) er linjer imellem punkterne.

Social netværksanalyse er en nøglesten i moderne sociologi, men bruges også flittigt i blandt andet politologi, antropologi, historie og økonomi. Anvendelsen har sine teoretiske rødder fra kendte sociologer som Georg Simmel og Émile Durkheim, der understregede vigtigheden af at studere de forbindelser, der binder sociale aktører sammen. Social netværksanalyse har utallige anvendelsesmuligheder. I den private sektor anvender virksomheder blandt andet social netværksanalyse til kundeservice, kundeanalyse, marketing og business intelligence.

Et nøglebegreb i social netværksanalyser er centralitet. Der findes forskellige former for centralitet, der hver især giver vigtige indsigter. Centralitet måler en aktørs vigtighed i et netværk. Der findes overordnet tre forskellige typer af centralitet: degree, betweenness og eigenvector.

 
Degree centralitet
Den mest simple form for centralitet er degree, der måler hvor mange forbindelser, der går til og fra en aktør. Jo flere forbindelser, desto større degree centralitet. Det kan igen deles op i inDegree og outDegree, der måler henholdsvis, hvor mange forbindelser, der går til og fra en aktør.

Betweenness centralitet
Denne type måler, hvor tit en aktør udgør en forbindelse mellem to andre aktører. Det vil praktisk sige, at aktøren kan opfattes som brobygger og binder netværket sammen. Fjerner man denne aktør deler man netværket op.

Eigenvector centralitet
Denne type måler, hvor stor indflydelse en aktør har i et netværk. Jo mere en aktør er forbundet til aktører med mange forbindelser, desto større eigenvector score for denne aktør. Det er fx denne formel som Google bruger til at finde relevante sider.