Zusammenfassung
Die Netzwerkanalyse setzt sich mit relationalen Daten – d. h. den Beziehungen zwischen Einheiten – auseinander und hilft dabei das Geflecht dieser Beziehungen zunächst verständlich darzustellen und aus ihm heraus evtl. auch weiterreichende Schlüsse zu ziehen. Neben einer historischen und aktuellen Einordnung diskutiert der Beitrag mögliche Anwendungsfelder dieser Methode in den Sozialwissenschaften, gibt einen Einblick in die zur Verfügung stehenden Analysekonzepte, wie z. B. die verschiedenen Zentralitätsmaße, und erörtert welche Anforderungen Netzwerkanalysen an die Struktur der verwendeten Daten stellen. Anhand konkreter Beispiele werden die unterschiedlichen, zuvor diskutierten netzwerkanalytischen Verfahren zudem verdeutlicht. Der Beitrag schließt mit Anwendungstipps auch im Hinblick auf die Frage, welches Softwarepaket für welche konkrete netzwerkanalytische Anwendung besonders geeignet ist.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Balance besteht für Heider darin dass die einzelnen Einstellungen einer Person einander nicht widersprechen. Beispielsweise ist die Situation für eine Person in einer Dreierkonstellation angespannt, wenn sie positive Einstellungen zu den beiden anderen hat, diese einander aber negativ gegenüberstehen. Sind alle drei Personen einander positiv verbunden, sind die Einstellungen ausgeglichen.
- 2.
Skalenfreiheit oder –invarianz bezeichnet eine Situation, in der sich Charakteristika eines Objekts trotz Veränderung der Betrachtungsgröße nicht verändern. In der Netzwerkanalyse bezieht sich der Begriff auf skalenfreie Netzwerke, bei denen die Verteilung des Knotengrads (die Anzahl Kanten an einem Knoten) einem Potenzgesetz der Form y = axb folgt. Bekanntestes Beispiel ist das Internet, wo die Anzahl Websites mit k eingehenden Links proportional zum Faktor l/k 2 ist. Die Invarianz zeigt sich darin, dass die Form der Verteilung (nicht die eigentliche Häufigkeit der Seiten) immer die gleiche ist, egal wie sehr man sie vergrößert (siehe Mitchell 2009, S. 239–246; Barabási und Bonabeau 2003).
- 3.
Das Konzept struktureller Löcher basiert auf dem Gedanken, dass manche Individuen Kontakt zwischen ansonsten weitgehend unverbundenen Regionen eines Netzwerks herstellen. Dadurch können sie z. B. Informationen aus einem Teil des Netzwerks an einen anderen weitergeben und als „Übersetzer“ zwischen den Gruppen für sich selbst Vorteile ziehen (Scheidegger 2010, S. 149).
- 4.
- 5.
Die Betweenness-Zentralität erfasst das Potenzial eines Knotens, die Kommunikation entlang der Kanten in einem Netzwerk zu kontrollieren. Um sie zu berechnen wird für jeden Knoten untersucht, wie viele der kürzesten Verbindungen zwischen allen anderen Knoten im Netzwerk den interessierenden Knoten enthalten. Je höher dieser Anteil ist, umso größer ist die Betweenness-Zentralität . Unter der Annahme, dass Information zwischen zwei kommunizierenden Knoten entlang der kürzesten Verbindung zwischen ihnen weitergegeben wird, bedeutet damit eine hohe Betweenness-Zentralität , dass dem entsprechenden Knoten eine wichtige Vermittlerrolle für den Informationsaustausch im Netzwerk zufällt.
- 6.
Die Closeness-Zentralität versucht zu erfassen, wie sehr ein Knoten in der „Mitte“ des Netzwerks liegt. Dazu summiert sie für jeden Knoten die Länge der kürzesten Verbindungen zu allen anderen Knoten auf und nimmt davon den Kehrwert. Für Vergleiche unterschiedlicher Netzwerke existiert auch eine normalisierte Version (siehe Jansen 2006, S. 133–134).
- 7.
Permutationstest s (siehe auch Kirkland 2013; Christakis und Fowler 2013, S. 559–561) gehen der Frage nach, ob Knoten mit dem gleichen Attribut (z. B. Neuzugänge im Bundestag) überzufällig oft miteinander verbunden sind. Dazu wird eine interessierende Maßzahl (z. B. die Zahl Kanten von Neuzugängen zu wiedergewählten Abgeordneten) berechnet. Im Anschluss werden dann die einzelnen Werte des Attributs zufällig über die Knoten verteilt, die gleiche Größe noch einmal berechnet und der zufällige Wert notiert. Dieser Schritt wird dann vielfach wiederholt, sodass sich aus den notierten zufälligen Werten eine Verteilung ergibt, die beschreibt, wie viele Kanten von Neuzugängen zu Wiedergewählten zu erwarten wären, wenn Netzwerkstruktur und Attribut unabhängig voneinander wären. Liegt die empirische Größe außerhalb dieser Verteilung, kann von Clustering gesprochen werden.
- 8.
Aus persönlicher Erfahrung sei darauf hingewiesen, dass hier eine rudimentäre Kenntnis der Sprache HTML sehr zu empfehlen ist. Vielfach ist im Quellcode der Website (der mit jedem Browser betrachtet werden kann) oder in der Adresszeile des Browsers deutlich mehr Information enthalten als man direkt angezeigt bekommt. Dies kann (geschickt genutzt) den Erhebungsaufwand mitunter drastisch reduzieren.
- 9.
- 10.
Ein konkretes Beispiel wäre, dass z.B. der Fruchterman-Reingold-Algorithmus (Fruchterman und Reingold 1991) ein Netzwerk als System aus Ringen (den Knoten) begreift, die mit Federn (den Kanten) verbunden sind und die Anordnung der Knoten dann nach einem physikalischen Modell errechnet. Dies hat zur Folge, dass eng verflochtene Regionen visuell in der Mitte des Netzwerks platziert werden, während schwächer angebundene nach außen wandern und unverbundene Knoten das Netzwerk wie ein „Ring“ umgeben. Auch wenn die bildliche Darstellung auf diese Weise suggeriert, dass die einzelnen oder schwächer verbundenen Knoten „peripher“ sind, sollte dieser Schluss nur dann gezogen werden, wenn er auch inhaltlich aus den Daten heraus gerechtfertigt werden kann (also wenn Unverbundenheit tatsächlich eine periphere Position impliziert).
Literatur
Adebayo, Julius, Musso Tiziana, Kawandeep Virdee, Casey Friedman, und Bar-Yam Yaneer. 2014. An exploration of social identity: The structure of the BBC news-sharing community on Twitter. Complexity 19 (5): 55–63. doi:10.1002/cplx.21490.
Andris, Clio, David Lee, Marcus J. Hamilton, Mauro Martino, Christian E. Gunning, und John Armistead Selden. 2015. The rise of partisanship and super-cooperators in the U.S. house of representatives. Plos ONE 10 (4): e0123507–e0123507. http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0123507.
Arendt, Hannah. 2005. Vita activa oder vom tätigen Leben. München: Piper.
Arzheimer, Kai, und Harald Schoen. 2009. Isoliert oder gut vernetzt? Eine vergleichende Exploration der Publikationspraxis in der PVS. Politische Vierteljahresschrift 50 (3): 604–626. doi:10.1007/s11615-009-0149-y.
Avenarius, Christine B. 2010. Starke und Schwache Beziehungen. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 99–111. Wiesbaden: VS Verlag.
Banisch, Sven. 2010. Unfreezing social dynamics: Synchronous update and dissimilation. In Proceedings of the 3rd World Congress on social simulation WCSS2010 (CD-ROM), Hrsg. Andreas Ernst und Silke Kuhn. http://www.usf.uni-kassel.de/wcss2010/.
Barabási, Albert-László. 2003. Linked – How everything is connected to everything else and what it means for business, science, and everyday life. New York: Plume.
Barabási, Albert-László. 2009. Scale-free networks: A decade and beyond. Science 325 (5939): 412–413. doi:10.1126/science.1173299.
Barabási, Albert-László, und Eric Bonabeau. 2003. Scale-free networks. Scientific American 288 (May): 50–59. http://www.barabasilab.com/pubs/CCNR-ALB_Publications/200305-01_SciAmer-ScaleFree/200305-01_SciAmer-ScaleFree.pdf.
Barabási, Albert-László, und Réka Albert. 1999. Emergence of scaling in random networks. Science 286:509–512. http://www.nd.edu/%7Ealb/Publication06/063%20Emergence%20of%20scaling%20in%20random%20networks/Emergence%20of%20scaling%20in%20random%20networks.pdf.
Bearman, Peter S., James Moody, und Katherine Stovel. 2004. Chains of affection: The structure of adolescent romantic and sexual networks. American Journal of Sociology 110 (1): 44–91. http://www.soc.duke.edu/~jmoody77/chains.pdf.
Berelson, Bernard R., Paul F. Lazarsfeld, und William N. McPhee. 1954. Voting: A study of opinion formation in a presidential campaign. Chicago: University of Chicago Press.
Bison, Ivano. 2014. Sequence as network: An attempt to apply network analysis to sequence analysis. In Advances in sequence analysis: Theory, method, applications, Hrsg. Philippe Blanchard, Felix Bühlmann, und Jacques-Antoine Gauthier, 231–248. Cham: Springer.
Boccaletti, S., V. Latora, Y. Moreno, M. Chavez, und D.-U. Hwang. 2006. Complex networks: Structure and dynamics. Physics Reports 424: 175–308.
Bond, Robert M., Christopher J. Fariss, Jason J. Jones, Adam D. I. Kramer, Cameron Marlow, Jaime E. Settle, und James H. Fowler. 2012. A 61-million-person experiment in social influence and political mobilization. Nature 489 (7415): 295–298.
Borgatti, Stephen P., Ajay Mehra, Daniel J. Brass, und Giuseppe Labianca. 2009. Network analysis in the social sciences. Science 323 (5916): 892–895. doi:10.1126/science.1165821.
Borgatti, Stephen P., Martin G. Everett, und Jeffrey C. Johnson. 2013. Analyzing social networks. London: Sage.
Bratton, Kathleen A., und Stella M. Rouse. 2011. Networks in the legislative arena: How group dynamics affect cosponsorship. Legislative Studies Quarterly 36 (3): 423–460. doi:10.1111/j.1939-9162.2011.00021.x.
Burt, Ronald S. 2004. Structural holes and good ideas. The American Journal of Sociology 110 (2): 349–399.
Caldeira, Gregory A., John A. Clark, und Samuel C. Patterson. 1993. Political respect in the legislature. Legislative Studies Quarterly 18 (1): 3–28.
Campbell, David E. 2013. Social networks and political participation. Annual Review of Political Science 16 (1): 33–48. doi:10.1146/annurev-polisci-033011-201728.
Cartwright, Dorwin, und Frank Harary. 1956. Structural balance: A generalization of heider’s theory. Psychological Review 63 (5): 277–293.
Christakis, Nicholas A., und James H. Fowler. 2007. The Spread of obesity in a large social network over 32 years. New England Journal of Medicine 357 (4): 370–379. doi:10.1056/NEJMsa066082.
Christakis, Nicholas A., und James H. Fowler. 2010. Connected! Die Macht sozialer Netzwerke und warum Glück ansteckend ist. Frankfurt a. M.: Fischer.
Christakis, Nicholas A., und James H. Fowler. 2013. Social contagion theory. Examining dynamic social networks and human behavior. Statistics in Medicine 32 (4): 556–577. doi:10.1002/sim.5408.
Coleman, James S., Elihu Katz, und Herbert Menzel. 1966. Medical innovation: A diffusion study. Indianapolis: The Bobbs-Merrill Company.
Conover, Michael D., Bruno Gonçalves, Alessandro Flammini, und Filippo Menczer. 2012. Partisan asymmetries in online political activity. EPJ Data Science 1 (6). doi:10.1140/epjds6.
Cranmer, Skyler J., und Bruce A. Desmarais. 2011. Inferential network analysis with exponential random graph models. Political Analysis 19 (1): 66–86. doi:10.1093/pan/mpq037.
Csermely, Peter, András London, Ling-Yun Wu, und Brian Uzzi. 2013. Structure and dynamics of core/periphery networks. Journal of Complex Networks 1 (2): 93–123. doi:10.1093/comnet/cnt016.
Davis, A., B. B. Gerdner, und M. R. Gardner. 1941. Deep south. Chicago: University of Chicago Press.
Dodds, Peter Sheridan, Roby Muhamad, und Duncan J. Watts. 2003. An experimental study of search in global social networks. Science 301 (5634): 827–829. doi:10.1126/science.1081058.
Dunbar, R. I. M., Valerio Arnaboldi, Marco Conti, und Andrea Passarella. 2015. The structure of online social networks mirrors those in the offline world. Social Networks 43: 39–47. doi:10.1016/j.socnet.2015.04.005.
Eagle, Nathan, Michael Macy, und Rob Claxton. 2010. Network diversity and economic development. Science 328 (5981): 1029–1031. doi:10.1126/science.1186605.
Erdös, P., und A. Renyi. 1959. On random graphs I. Publicationes Mathematicae 6:290–297.
Erisen, Elif, und Cengiz Erisen. 2012. The effect of social networks on the quality of political thinking. Political Psychology 33 (6): 839–865.
Fowler, James H. 2005. Turnout in a small world. In The social logic of politics. Personal networks as contexts for political behavior, Hrsg. Alan Zuckerman, 269–287. Philadelphia: Temple University Press.
Fowler, James H. 2006a. Connecting the Congress: A study of cosponsorship networks. Political Analysis 14 (4): 456–487.
Fowler, James H. 2006b. Legislative cosponsorship networks in the US House and Senate. Social Networks 28 (4): 454–465. doi:10.1016/j.socnet.2005.11.003.
Fruchterman, Thomas M. J., und Edward M. Reingold. 1991. Graph drawing by force-directed placement. Software – Practice and Experience 21 (11): 1129–1164.
Girvan, M., und M. E. J. Newman. 2002. Community structure in social and biological networks. Proceedings of the National Academy of Sciences of the United States of America 99 (12): 7821–7826. doi:10.1073/pnas.122653799.
Granovetter, Mark. 1973. The strength of weak ties. The American Journal of Sociology 78 (6): 1360–1380.
Granovetter, Mark. 1974. Getting a job. A study of contacts and careers. Chicago: University of Chicago Press.
Granovetter, Mark. 1983. The strength of weak ties: A network theory revisited. Sociological Theory 1: 201–233.
Hafner-Burton, Emilie M., Miles Kahler, und Alexander H. Montgomery. 2009. Network analysis for international relations. International Organization 63 (Juni): 559–592. doi:10.1017/S0020818309090195.
Handcock, Mark S., David R. Hunter, Carter T. Butts, Steven M. Goodreau, und Martina Morris. 2008. statnet: Software tools for the representation, visualization, analysis and simulation of network data. Journal of Statistical Software 24 (1). doi:10.18637/jss.v024.i01.
Hansen, Derek, Ben Shneiderman, und Marc A. Smith. 2010. Analyzing social media networks with NodeXL: Insights from a connected world. Burlington: Morgan Kaufmann.
Harris, Jenine K. 2014. An introduction to exponential random graph modeling. Thousand Oaks: Sage.
Hennig, Marina, Ulrik Brandes, Jürgen Pfeffer, und Ines Mergel. 2012. Studying social Networks: A guide to empirical research. Frankfurt: Campus.
Homans, George C. 1950. The human group. New York: Harcourt, Brace & World.
Huckfeldt, Robert. 2014. Networks, contexts, and the combinatorial dynamics of democratic politics. Political Psychology 35:43–68. doi:10.1111/pops.12161.
Huckfeldt, Robert, Paul Allen Beck, Russell J. Dalton, und Jeffrey Levine. 1995. Political environments, cohesive social groups, and the communication of public opinion. American Journal of Political Science 39 (4): 1025–1054.
Huckfeldt, Robert, Paul E. Johnson, und John Sprague. 2004. Political disagreement. The survival of diverse opinions within communication networks. Cambridge: Cambridge University Press.
Jacob, Rüdiger, Andreas Heinz, und Jean Philippe Décieux. 2013. Umfrage : Einführung in die Methoden der Umfrageforschung, 3., Überarb. Aufl. München: Oldenbourg.
Janning, Frank, Philip Leifeld, Thomas Malang, und Volker Schneider. 2009. Diskursnetzwerkanalyse. Überlegungen zur Theoriebildung und Methodik. In Politiknetzwerke. Modelle, Anwendungen und Visualisierungen, Hrsg. Volker Schneider, Frank Janning, Philip Leifeld, und Thomas Malang, 7–27. Wiesbaden: VS Verlag.
Jansen, Dorothea. 2006. Einführung in die Netzwerkanalyse. Grundlagen, Methoden, Forschungsbeispiele. Wiesbaden: VS Verlag.
Jernigan, Carter, und Behram Mistree. 2009. Gaydar: Facebook friendships expose sexual orientation. First Monday 14 (10). doi:10.5210/fm.v14i10.2611.
Keller, Franziska Barbara. 2015. Networks of power. Using social network analysis to understand who will rule and who is really in charge in an authoritarian regime. Theory, method, and application on Chinese communist elites (1982–2012). New York: New York University.
Keller, Franziska Barbara. 2016. Moving beyond factions: Using social network analysis to uncover patronage networks among chinese elites. Journal of East Asian Studies 16 (1): 17–41. doi:10.1017/jea.2015.3.
Keller, Franziska Barbara. 2017. Analyses of elite networks. In The Palgrave Handbook of Political Elites, Hrsg. Heinrich Best, Maurizio Cotta, Jean-Pascal Daloz, John Higley, Ursula Hoffmann Lange, Jan Pakulski, und Elena Semenova. London: Palgrave Macmillan.
Khokhar, Devangana. 2015. Gephi cookbook. Birmingham: Packt.
Kirkland, Justin H. 2011. The relational determinants of legislative outcomes: Strong and weak ties between legislators. The Journal of Politics 73 (Juli): 887–898. doi:10.1017/S0022381611000533.
Kirkland, Justin H. 2013. Hypothesis testing for group structure in legislative networks. State Politics & Policy Quarterly 13 (2): 225–243. doi:10.1177/1532440012473842.
Kirkland, Justin H. 2014. Chamber size effects on the collaborative structure of legislatures. Legislative Studies Quarterly 39 (2): 169–198. doi:10.1111/lsq.12041.
Kirkland, Justin H., und Justin H. Gross. 2014. Measurement and theory in legislative networks: The evolving topology of congressional collaboration. Social Networks 36: 97–109. doi:10.1016/j.socnet.2012.11.001.
Krackhardt, David. 1990. Assessing the political landscape: Structure, cognition, and power in organizations. Administrative Science Quarterly 35 (2): 342–369.
Krackhardt, David. 1992. The strength of strong ties: The importance of philos in organizations. In Networks and organizations: Structure, form and action, Hrsg. Nitin Noriah und Robert Eccles, 216–239. Boston: Harvard Business School Press.
Krebs, Valdis E. 2002. Mapping networks of terrorist cells. Connections 24 (3): 43–52.
Krempel, Lothar. 2010. Netzwerkvisualisierung. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 539–567. Wiesbaden: VS Verlag.
Kristensen, Peter M. 2012. Dividing discipline: Structures of communication in international relations: Structures of communication in international relations. International Studies Review 14 (1): 32–50. doi:10.1111/j.1468-2486.2012.01101.x.
Lazarsfeld, Paul F., Bernard Berelson, und Hazel Gaudet. 1944. The people’s choice. How the voter makes up his mind in a presidential campaign. New York: Duell, Sloan & Pearce.
Lazer, David. 2011. Networks in political science: Back to the future. PS. Political Science & Politics 44 (1): 61–68. doi:10.1017/S1049096510001873.
Lazer, David, Brian Rubineau, Carol Chetkovich, Nancy Katz, und Michael Neblo. 2010. The coevolution of networks and political attitudes. Political Communication 27 (3): 248–274. doi:10.1080/10584609.2010.500187.
Leifeld, Philip, und Karin Ingold. 2016. Co-authorship networks in Swiss political research. Swiss Political Science Review 22 (2): 264–287. doi:10.1111/spsr.12193.
Lusher, Dean, Johan Koskinen, und Garry Robins. 2012. Exponential random graph models for social networks: Theory, methods, and applications. Cambridge: Cambridge University Press.
McPherson, J.Miller, und James R. Ranger-Moore. 1991. Evolution on a dancing landscape: Organizations and networks in dynamic blau space. Social Forces 70 (1): 19–42.
McPherson, J.Miller, Lynn Smith-Lovin, und James M. Cook. 2001. Birds of a feather: Homophily in social networks. Annual Review of Sociology 27: 415–444.
Mergel, Ines, und Marina Hennig. 2010. Lehrbücher der Netzwerkforschung. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 931–939. Wiesbaden: VS Verlag.
Metz, Thomas, und Sebastian Jäckle. 2013. Koautorenschaften in der deutschsprachigen Politikwissenschaft, eine Netzwerkanalyse auf Basis von Fachzeitschriftenartikeln. Politische Vierteljahresschrift 54 (2): 256–291.
Metz, Thomas, und Sebastian Jäckle. 2016. Hierarchical, decentralized, or something else? Opposition networks in the German bundestag. Legislative Studies Quarterly 41 (2): 501–542. doi:10.1111/lsq.12122.
Metz, Thomas, und Sebastian Jäckle. 2017. Patterns of publishing in political science journals: An overview of our profession using bibliographic data and a co-authorship network. PS: Political Science & Politics 50 (1). doi:10.1017/S1049096516002341.
Milgram, Stanley. 1967. The small-world problem. Psychology Today 1 (1): 61–67.
Mitchell, Melanie. 2009. Complexity. A guided tour. Oxford: Oxford University Press.
Moody, James, und Douglas R. White. 2003. Structural cohesion and embeddedness: A hierarchical concept of social groups. American Sociological Review 68 (1): 103–127.
Munzert, Simon, Christian Rubba, Peter Meissner, und Dominic Nyhuis. 2014. Automated data collection with R: A practical guide to web scraping and text mining. New York: Wiley.
Mutschke, Peter. 2010. Zentralitäts- und Prestigemaße. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 365–378. Wiesbaden: VS Verlag.
Mutz, Diana C. 2006. Hearing the other side: Deliberative versus participatory democracy. Cambridge: Cambridge University Press.
Nadel, Siegfried. 1957. The theory of social structure. Glencoe: The Free Press.
Newcomb, Theodore M. 1961. The acquaintance process. New York: Holt, Rinehart & Winston.
Newman, Mark E. J. 2004. Who is the best connected scientist? A study of scientific coauthorship networks. In Complex Networks, Hrsg. E. Ben-Naim, H. Frauenfelder, und Z. Toroczkai, 337–370. Berlin: Springer.
Newman, Mark E. J. 2010. Networks. An introduction. Oxford: Oxford University Press.
Nooy, Wouter de, Andrej Mrvar, und Vladimir Batagelj. 2012. Exploratory social network analysis with Pajek. Cambridge: Cambridge University Press.
Padgett, John F. 1994. Marriage and elite structure in renaissance Florence, 1282–1500. Paper delivered to the Social Science History Association.
Padgett, John F. 2010. Open elite? Social mobility, marriage, and family in florence, 1282–1494. Renaissance Quarterly 63 (2): 357–411.
Padgett, John F. 2011. Introduction to “Marriage and Elite Structure in Renaissance Florence, 1282–1500”. REDES- Revista hispana para el análisis de redes sociales 21 (2): 34–41.
Padgett, John F., und Christopher K. Ansell. 1993. Robust action and the rise of the Medici, 1400–1434. American Journal of Sociology 98 (6): 1259–1319.
Putnam, Robert D. 2001. Bowling alone: The collapse and revival of American community. New York: Simon & Schuster.
Putnam, Robert D., Robert Leonardi, und Raffaella Y. Nanetti. 1993. Making democracy work: Civic traditions in modern Italy. Princeton: Princeton University Press.
Raab, Jörg. 2010. Der Harvard Breakthrough. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 29–37. Wiesbaden: VS Verlag.
Rapoport, Anatol, und William J. Horvath. 1961. A study of a large sociogram. Behavioral Science 6 (4): 279–291. doi:10.1002/bs.3830060402.
Roethlisberger, Fritz J., und William J. Dickson. 1939. Management and the worker: An account of a research program conducted by the Western electric company, Hawthorne works, Chicago. Cambridge: Harvard University Press.
Rosvall, Martin, und Kim Sneppen. 2007. Dynamics of opinions and social structures. arXiv, 0708.0368v2-0708.0368v2. http://arxiv.org/abs/0708.0368v2.
Rosvall, Martin, und Kim Sneppen. 2009. Reinforced communication and social navigation generate groups in model networks. Physical Review E 79 (Februar): 026111–026111. doi:10.1103/PhysRevE.79.026111.
Russell, Matthew A. 2013. Mining the social web. Data mining Facebook, Twitter, LinkedIn, Google+, GitHub, and More. Sebastopol: O’Reilly Media.
Russett, B., und T. Arnold. 2010. Who talks, and who’s listening? Networks of international security studies. Security Dialogue 41 (6): 589–598. doi:10.1177/0967010610388205.
Salzarulo, Laurent. 2006. A continuous opinion dynamics model based on the principle of meta-contrast. Journal of Artificial Societies and Social Simulation 9 (13).
Scheidegger, Nicoline. 2010. Strukturelle Löcher. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 145–155. Wiesbaden: VS Verlag.
Schnegg, Michael. 2010. Die Wurzeln der Netzwerkforschung. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 21–29. Wiesbaden: VS Verlag.
Schneider, Volker. 2009. Die Analyse politischer Netzwerke: Konturen eines expandierenden Forschungsfeldes. In Politiknetzwerke, Hrsg. Volker Schneider, Frank Janning, Philip Leifeld, und Thomas Malang, 7–27. Wiesbaden: VS Verlag.
Scott, John G. 2013. Social network analysis. Los Angeles: Sage.
Siefken, Sven T. 2010. Parlamentarische Anfragen: Symbolpolitik oder wirksames Kontrollinstrument? Zeitschrift für Parlamentsfragen 41 (1): 18–36.
Sillanpää, Antti, und Tommi Koivula. 2010. Mapping conflict research: A bibliometric study of contemporary scientific discourses1. International Studies Perspectives 11 (2): 148–171. doi:10.1111/j.1528-3585.2010.00399.x.
Sola Pool, Ithiel de, und Manfred Kochen. 1978. Contacts and influence. Social Networks 1 (1): 5–51. doi:10.1016/0378-8733(78)90011-4.
Stegbauer, Christian, und Roger Häußling, Hrsg. 2010. Handbuch Netzwerkforschung. Wiesbaden: VS Verlag.
Tam Cho, Wendy K., und James H. Fowler. 2010. Legislative success in a small world: Social network analysis and the dynamics of congressional legislation. The Journal of Politics 72 (Januar): 124–135. doi:10.1017/S002238160999051X.
Täube, Volker G. 2010. Cliquen und andere Teilgruppen sozialer Netzwerke. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 397–406. Wiesbaden: VS Verlag.
Travers, Jeffrey, und Stanley Milgram. 1969. An experimental study of the small World problem. Sociometry 32 (4): 425–443.
Victor, Jennifer Nicoll, und Nils Ringe. 2009. The social utility of informal institutions: Caucuses as networks in the 110th U.S. House of representatives. American Politics Research 37 (5): 742–766. doi:10.1177/1532673X09337183.
Ward, Michael D., Katherine Stovel, und Audrey Sacks. 2011. Network analysis and political science. Annual Review of Political Science 14 (1): 245–264. doi:10.1146/annurev.polisci.12.040907.115949.
Warner, W. Lloyd, und P. S. Lunt. 1941. The social life of a modern community. New Haven: Yale University Press.
Wasserman, Stanley, und Katherine Faust. 1994. Social network analysis. Methods and applications. Cambridge: Cambridge University Press.
Watts, Duncan J. 2002. A simple model of global cascades on random networks. Proceedings of the National Academy of Sciences 99 (9): 5766–5771. doi:10.1073/pnas.082090499.
Watts, Duncan J. 2004a. Six degrees: The science of a connected age. New York: W. W. Norton & Company.
Watts, Duncan J. 2004b. The ,New‘ science of networks. Annual Review of Sociology 30:243–270.
Watts, Duncan J., und Steven H. Strogatz. 1998. Collective dynamics of small-world networks. Nature 393 (6684): 440–442. doi:10.1038/30918.
Wolf, Christof. 2010. Egozentrierte Netzwerke: Datenerhebung und Datenanalyse. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 471–483. Wiesbaden: VS Verlag.
Zachary, Wayne W. 1977. An information flow model for conflict and fission in small groups. Journal of Anthropological Research 33 (4): 452–473.
Zhang, Yan, A. J. Friend, Amanda L. Traud, Mason A. Porter, James H. Fowler, und Peter J. Mucha. 2008. Community structure in congressional cosponsorship networks. Physica A. Statistical Mechanics and its Applications 387:1705–1712.
Zuckerman, Alan. 2005. Returning to the social logic of political behavior. In The social logic of politics. Personal networks as contexts for political behavior, Hrsg. Alan Zuckerman, 3–20. Philadelphia: Temple University Press.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2017 Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Metz, T. (2017). Netzwerkanalyse. In: Jäckle, S. (eds) Neue Trends in den Sozialwissenschaften. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-17189-6_8
Download citation
DOI: https://doi.org/10.1007/978-3-658-17189-6_8
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-17188-9
Online ISBN: 978-3-658-17189-6
eBook Packages: Social Science and Law (German Language)