Skip to main content
SpringerLink
Log in

Netzwerkanalyse

  • Chapter
  • First Online:
Neue Trends in den Sozialwissenschaften

  • 14k Accesses

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.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 29.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 39.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 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. 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. 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. 4.

    Für eine umfangreiche Einführung in die Strukturmerkmale von Graphen und Netzwerken siehe Newman (2010, S. 109–164) oder Wasserman und Faust (1994, S. 92–166).

  5. 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. 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. 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. 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. 9.

    Gute Einführungen in die Visualisierung finden sich bei Hennig et al. (2012, S. 149–179) und bei Krempel (2010).

  10. 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.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • Avenarius, Christine B. 2010. Starke und Schwache Beziehungen. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 99–111. Wiesbaden: VS Verlag.

    Google Scholar 

  • 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.

    Google Scholar 

  • Barabási, Albert-László. 2009. Scale-free networks: A decade and beyond. Science 325 (5939): 412–413. doi:10.1126/science.1173299.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • Boccaletti, S., V. Latora, Y. Moreno, M. Chavez, und D.-U. Hwang. 2006. Complex networks: Structure and dynamics. Physics Reports 424: 175–308.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Borgatti, Stephen P., Martin G. Everett, und Jeffrey C. Johnson. 2013. Analyzing social networks. London: Sage.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • Burt, Ronald S. 2004. Structural holes and good ideas. The American Journal of Sociology 110 (2): 349–399.

    Article  Google Scholar 

  • Caldeira, Gregory A., John A. Clark, und Samuel C. Patterson. 1993. Political respect in the legislature. Legislative Studies Quarterly 18 (1): 3–28.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Cartwright, Dorwin, und Frank Harary. 1956. Structural balance: A generalization of heider’s theory. Psychological Review 63 (5): 277–293.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • Christakis, Nicholas A., und James H. Fowler. 2010. Connected! Die Macht sozialer Netzwerke und warum Glück ansteckend ist. Frankfurt a. M.: Fischer.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • Coleman, James S., Elihu Katz, und Herbert Menzel. 1966. Medical innovation: A diffusion study. Indianapolis: The Bobbs-Merrill Company.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Eagle, Nathan, Michael Macy, und Rob Claxton. 2010. Network diversity and economic development. Science 328 (5981): 1029–1031. doi:10.1126/science.1186605.

    Article  Google Scholar 

  • Erdös, P., und A. Renyi. 1959. On random graphs I. Publicationes Mathematicae 6:290–297.

    Google Scholar 

  • Erisen, Elif, und Cengiz Erisen. 2012. The effect of social networks on the quality of political thinking. Political Psychology 33 (6): 839–865.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • Fowler, James H. 2006a. Connecting the Congress: A study of cosponsorship networks. Political Analysis 14 (4): 456–487.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Fruchterman, Thomas M. J., und Edward M. Reingold. 1991. Graph drawing by force-directed placement. Software – Practice and Experience 21 (11): 1129–1164.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • Granovetter, Mark. 1973. The strength of weak ties. The American Journal of Sociology 78 (6): 1360–1380.

    Article  Google Scholar 

  • Granovetter, Mark. 1974. Getting a job. A study of contacts and careers. Chicago: University of Chicago Press.

    Google Scholar 

  • Granovetter, Mark. 1983. The strength of weak ties: A network theory revisited. Sociological Theory 1: 201–233.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • Harris, Jenine K. 2014. An introduction to exponential random graph modeling. Thousand Oaks: Sage.

    Book  Google Scholar 

  • Hennig, Marina, Ulrik Brandes, Jürgen Pfeffer, und Ines Mergel. 2012. Studying social Networks: A guide to empirical research. Frankfurt: Campus.

    Google Scholar 

  • Homans, George C. 1950. The human group. New York: Harcourt, Brace & World.

    Google Scholar 

  • Huckfeldt, Robert. 2014. Networks, contexts, and the combinatorial dynamics of democratic politics. Political Psychology 35:43–68. doi:10.1111/pops.12161.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Huckfeldt, Robert, Paul E. Johnson, und John Sprague. 2004. Political disagreement. The survival of diverse opinions within communication networks. Cambridge: Cambridge University Press.

    Book  Google Scholar 

  • Jacob, Rüdiger, Andreas Heinz, und Jean Philippe Décieux. 2013. Umfrage : Einführung in die Methoden der Umfrageforschung, 3., Überarb. Aufl. München: Oldenbourg.

    Google Scholar 

  • 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.

    Google Scholar 

  • Jansen, Dorothea. 2006. Einführung in die Netzwerkanalyse. Grundlagen, Methoden, Forschungsbeispiele. Wiesbaden: VS Verlag.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • Khokhar, Devangana. 2015. Gephi cookbook. Birmingham: Packt.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Krackhardt, David. 1990. Assessing the political landscape: Structure, cognition, and power in organizations. Administrative Science Quarterly 35 (2): 342–369.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • Krebs, Valdis E. 2002. Mapping networks of terrorist cells. Connections 24 (3): 43–52.

    Google Scholar 

  • Krempel, Lothar. 2010. Netzwerkvisualisierung. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 539–567. Wiesbaden: VS Verlag.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • Lazer, David. 2011. Networks in political science: Back to the future. PS. Political Science & Politics 44 (1): 61–68. doi:10.1017/S1049096510001873.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Lusher, Dean, Johan Koskinen, und Garry Robins. 2012. Exponential random graph models for social networks: Theory, methods, and applications. Cambridge: Cambridge University Press.

    Book  Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Mergel, Ines, und Marina Hennig. 2010. Lehrbücher der Netzwerkforschung. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 931–939. Wiesbaden: VS Verlag.

    Google Scholar 

  • Metz, Thomas, und Sebastian Jäckle. 2013. Koautorenschaften in der deutschsprachigen Politikwissenschaft, eine Netzwerkanalyse auf Basis von Fachzeitschriftenartikeln. Politische Vierteljahresschrift 54 (2): 256–291.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • Mitchell, Melanie. 2009. Complexity. A guided tour. Oxford: Oxford University Press.

    Google Scholar 

  • Moody, James, und Douglas R. White. 2003. Structural cohesion and embeddedness: A hierarchical concept of social groups. American Sociological Review 68 (1): 103–127.

    Article  Google Scholar 

  • 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.

    Book  Google Scholar 

  • Mutschke, Peter. 2010. Zentralitäts- und Prestigemaße. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 365–378. Wiesbaden: VS Verlag.

    Google Scholar 

  • Mutz, Diana C. 2006. Hearing the other side: Deliberative versus participatory democracy. Cambridge: Cambridge University Press.

    Book  Google Scholar 

  • Nadel, Siegfried. 1957. The theory of social structure. Glencoe: The Free Press.

    Google Scholar 

  • Newcomb, Theodore M. 1961. The acquaintance process. New York: Holt, Rinehart & Winston.

    Book  Google Scholar 

  • 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.

    Google Scholar 

  • Newman, Mark E. J. 2010. Networks. An introduction. Oxford: Oxford University Press.

    Book  Google Scholar 

  • Nooy, Wouter de, Andrej Mrvar, und Vladimir Batagelj. 2012. Exploratory social network analysis with Pajek. Cambridge: Cambridge University Press.

    Google Scholar 

  • Padgett, John F. 1994. Marriage and elite structure in renaissance Florence, 1282–1500. Paper delivered to the Social Science History Association.

    Google Scholar 

  • Padgett, John F. 2010. Open elite? Social mobility, marriage, and family in florence, 1282–1494. Renaissance Quarterly 63 (2): 357–411.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • Putnam, Robert D. 2001. Bowling alone: The collapse and revival of American community. New York: Simon & Schuster.

    Google Scholar 

  • Putnam, Robert D., Robert Leonardi, und Raffaella Y. Nanetti. 1993. Making democracy work: Civic traditions in modern Italy. Princeton: Princeton University Press.

    Google Scholar 

  • Raab, Jörg. 2010. Der Harvard Breakthrough. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 29–37. Wiesbaden: VS Verlag.

    Google Scholar 

  • Rapoport, Anatol, und William J. Horvath. 1961. A study of a large sociogram. Behavioral Science 6 (4): 279–291. doi:10.1002/bs.3830060402.

    Article  Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • Salzarulo, Laurent. 2006. A continuous opinion dynamics model based on the principle of meta-contrast. Journal of Artificial Societies and Social Simulation 9 (13).

    Google Scholar 

  • Scheidegger, Nicoline. 2010. Strukturelle Löcher. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 145–155. Wiesbaden: VS Verlag.

    Google Scholar 

  • Schnegg, Michael. 2010. Die Wurzeln der Netzwerkforschung. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 21–29. Wiesbaden: VS Verlag.

    Google Scholar 

  • 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.

    Google Scholar 

  • Scott, John G. 2013. Social network analysis. Los Angeles: Sage.

    Google Scholar 

  • Siefken, Sven T. 2010. Parlamentarische Anfragen: Symbolpolitik oder wirksames Kontrollinstrument? Zeitschrift für Parlamentsfragen 41 (1): 18–36.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Stegbauer, Christian, und Roger Häußling, Hrsg. 2010. Handbuch Netzwerkforschung. Wiesbaden: VS Verlag.

    Google Scholar 

  • 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.

    Google Scholar 

  • Travers, Jeffrey, und Stanley Milgram. 1969. An experimental study of the small World problem. Sociometry 32 (4): 425–443.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Warner, W. Lloyd, und P. S. Lunt. 1941. The social life of a modern community. New Haven: Yale University Press.

    Google Scholar 

  • Wasserman, Stanley, und Katherine Faust. 1994. Social network analysis. Methods and applications. Cambridge: Cambridge University Press.

    Book  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Watts, Duncan J. 2004a. Six degrees: The science of a connected age. New York: W. W. Norton & Company.

    Google Scholar 

  • Watts, Duncan J. 2004b. The ,New‘ science of networks. Annual Review of Sociology 30:243–270.

    Article  Google Scholar 

  • Watts, Duncan J., und Steven H. Strogatz. 1998. Collective dynamics of small-world networks. Nature 393 (6684): 440–442. doi:10.1038/30918.

    Article  Google Scholar 

  • Wolf, Christof. 2010. Egozentrierte Netzwerke: Datenerhebung und Datenanalyse. In Handbuch Netzwerkforschung, Hrsg. Christian Stegbauer und Roger Häußling, 471–483. Wiesbaden: VS Verlag.

    Google Scholar 

  • Zachary, Wayne W. 1977. An information flow model for conflict and fission in small groups. Journal of Anthropological Research 33 (4): 452–473.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Albert-Ludwigs-Universität, Freiburg, Deutschland

    Thomas Metz

Authors
  1. Thomas Metz
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Thomas Metz .

Editor information

Editors and Affiliations

  1. Universität Freiburg, Freiburg, Germany

    Sebastian Jäckle

Rights and permissions

Reprints 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)

Publish with us

Policies and ethics

Search

Navigation