Skip to main content
SpringerLink
Log in

Social Network Analysis

  • Living reference work entry
  • First Online:
Handbuch Politische Kommunikation

Zusammenfassung

Dieser Beitrag stellt die soziale Netzwerkanalyse (SNA) als ein Verfahren zur Analyse der Prozesse, Interaktionen und Effekte der politischen Kommunikation vor. Einen Anwendungsschwerpunkt bildet die Netzwerkforschung zu digitalen Öffentlichkeiten und digitaler politischer Kommunikation, etwa im Kontext von Parteien, Wahlkämpfen oder politischen Debatten.

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

Access this chapter

Log in via an institution

Institutional subscriptions

Similar content being viewed by others

Chapter © 2016

Notes

  1. 1.

    Howison et al. (2011, S. 769) definieren digitale Verhaltensdaten als „records of activity (trace data) undertaken through an online information system (thus, digital)“. Derartige Spuren von Nutzer/innen-Interaktionen mit digitalen Services eröffnen einen direkten Einblick in das Verhalten von Bürger/innen und politischen Eliten. Die resultierenden Daten können multimodal und aufgrund präziser Zeitstempel temporal hochauflösend sein, sodass sie je nach Anwendungsgebiet reichlich Spuren der Kommunikation und Informationsrezeption von Bürger/innen offenlegen (Stier und Jungherr 2019, S. 309, zur Kritik: Jungherr 2018).

  2. 2.

    Werden nur Beziehungen einer bestimmten Art untersucht, wird auch von partiellen Netzwerken gesprochen. Bildet das Netzwerk dagegen alle Beziehungen ab, handelt es sich nach Barnes (1969) um ein totales Netzwerk.

  3. 3.

    Mit Hilfe von Namensgeneratoren wird Ego ein Beziehungstyp vorgegeben und gefragt, „mit wem „Ego“ durch diesen Beziehungstyp verbunden ist“ (Diaz-Bone 1997, S. 52). Der Namensgenerator definiert also das ego-zentrierte Netzwerk und hat damit eine zentrale Bedeutung für die gesamte Analyse (Henning 2008, S. 295). Sobald die Multiplexität (d. h. die Mehrfachbeziehung zu Personen im Netzwerk) erfasst werden soll, muss der Namensgenerator mehrere Relationen ansprechen; dies leistet der Fischer-Namensgenerator, der Beziehungsoptionen für mehrere Alltagssituationen abfragt (Fischer 1982).

  4. 4.

    Die Dichte eines Netzwerks zeigt den Anteil der realisierten von den insgesamt möglichen Beziehungen in einem Netzwerk. Die Dichte ist abhängig von der Netzwerkgröße, der Art der Beziehungen und auch von der Erhebung (Fuhse 2018, S. 53). Transitivität wird anhand einer Triadenanalyse der Beziehungskonstellationen in einem Netzwerk untersucht und nimmt die Beziehungsart in den Fokus. Dabei lässt sich positive Transitivität („Der Freund meines Freundes ist auch mein Freund“) von negativer Transitivität („Der Feind meines Feindes ist mein Verbündeter“) abgrenzen. In Balance gerät eine Triade, wenn die Sozialbeziehungen soweit wie möglich positiv oder negativ sind (Fuhse 2018, S. 27).

  5. 5.

    Einen umfassenden Überblick zur SNA als methodisches Verfahren, ihren wichtigsten Konzepten sowie zu Netzwerktheorien liefert das Handbuch Netzwerkforschung (Stegbauer und Häußling 2010).

  6. 6.

    Es können auch elitenzentrierte Ansätze (z. B. Kandidierenden-Netzwerke, Journalisten-Netzwerke) und publikumszentrierte Ansätze (z. B. zur öffentlichen Verhandlung von Wahlkampfereignissen und der daraus entstehenden Netzwerke) unterschieden werden (siehe dazu Stier und Jungherr 2019).

  7. 7.

    Der Clustering-Koeffizient (Watts und Strogatz 1998) ermittelt, wie stark die direkte lokale Umgebung eines Netzwerkknotens vernetzt ist. Dazu wird der Anteil vorhandener Beziehungen an allen möglichen Beziehungen eines Akteurs in komplett verbundenen Dreiecken ermittelt. Über den gesamten Graphen lässt sich dieser Anteil durchschnittlich errechnen.

  8. 8.

    Im k-core-Teilgraph hat jeder Knoten mindestens einen Degree k. k gibt in k-cores die Mindestzahl der Mitglieder eines Teilgraphen an, die jeder Akteur direkt erreichen kann. In einem k-core gilt daher, dass der Degree jedes Akteurs im Teilgraphen größer oder gleich k ist (Jansen 2003, S. 199 f.).

  9. 9.

    Im Erdős-Rényi-Modell wird ein Zufallsgraph G(n, p) dadurch erzeugt, dass bei n vorliegenden Knoten und fixierter Wahrscheinlichkeit p aus den maximal möglichen Kanten eines vollständigen Graphen dieser Knotenanzahl rund \( {}_2{}^n\ast p \) Kanten zufällig ausgewählt werden (ausführlich Erdős und Rényi 1959; Mandjes et al. 2019).

Literatur

  • Adam, S. 2007. Symbolische Netzwerke in Europa. Köln: Halem.

    Google Scholar 

  • Adam, S., T. Häussler, H. Schmid-Petri, und U. Reber. 2016. Identifying and analysing hyperlink issue networks. In Political communication in the online world: Theoretical approaches and research designs, Hrsg. G. Vowe und P. Henn, 233–247. London: Routledge.

    Google Scholar 

  • Adamic, L. A., und N. Glance 2005. The political blogosphere and the 2004 US election: Divided they blog. Proceedings of the 3rd international workshop on link discovery. Association for computing machinery, New York, 36–43. https://doi.org/10.1145/1134271.1134277.

  • Adi, A., K. Erickson, und D. G. Lilleker. 2014. Elite tweets: Analyzing the Twitter communication patterns of labour party peers in the house of lords. Policy & Internet 6(1): 1–27. https://doi.org/10.1002/1944-2866.POI350.

    Article  Google Scholar 

  • An, J., H. Kwak, O. Posegga, und A. Jungherr. 2019. Political discussions in homogeneous and cross-cutting communication spaces. Proceedings of the 13th international conference on web and social media, 68–79. Mänchen.

    Google Scholar 

  • Ausserhofer, J., und A. Maireder. 2013. National Politics on Twitter. Information, Communication & Society 16(3): 291–314. https://doi.org/10.1080/1369118X.2012.756050.

    Article  Google Scholar 

  • Barberá, P., N. Wang, R. Bonneau, J. T. Jost, J. Nagler, J. Tucker, und S. González-Bailón. 2015. The critical periphery in the growth of social protests. PLoS One 10(11): e0143611. https://doi.org/10.1371/journal.pone.0143611.

    Article  Google Scholar 

  • Barnes, J. A. 1969. Networks and political process. In Social networks in urban situation, Hrsg. J. C. Mitchell, 51–76. Manchester: University Press.

    Google Scholar 

  • Bennett, W. L., A. Segerberg, und Y. Yang. 2018. The strength of peripheral networks: Negotiating attention and meaning in complex media ecologies. Journal of Communication 68(4): 659–684.

    Article  Google Scholar 

  • Bentivegna, S. 2006. Rethinking politics in the world of ICTs. European Journal of Communication 21(3): 331–343. https://doi.org/10.1177/0267323106066638.

    Article  Google Scholar 

  • Borucki, I. 2018. Europäische Regierungschefs auf Facebook: Dialogische Offerten und Interaktion in Netzwerken rund um Fanpages. In Regierungskommunikation und staatliche Öffentlichkeitsarbeit, Hrsg. J. Raupp, J.-N. Kocks und K. Murphy, 127–144. Wiesbaden: Springer VS.

    Chapter  Google Scholar 

  • Bruns, A., und H. Moe. 2014. Structural layers of communication on Twitter. In Twitter and society, Hrsg. K. Weller, A. Bruns, J. Burgess, M. Mahrt und C. Puschmann, 15–28. New York: Peter Lang.

    Google Scholar 

  • Bruns, A., und C. Nuernbergk. 2019. Political journalists and their social media audiences: New power relations. Media and Communication 7(1): 198–212. https://doi.org/10.17645/mac.v7i1.1759.

    Article  Google Scholar 

  • Burt, R. S. 1980. Models of network structure. Annual Review of Sociology 6(1): 79–141. https://doi.org/10.1146/annurev.so.06.080180.000455.

    Article  Google Scholar 

  • Conover, M., J. Ratkiewicz, M. Francisco, B. Gonçalves, A. Flammini, und F. Menczer. 2011. Political polarization on Twitter. Proceedings of the 5th international AAAI conference on weblogs and social media. Association for the Advancement of Artificial Intelligence, 89–96. Barcelona.

    Google Scholar 

  • Cook, J. M. 2016. Are American Politicians as partisan online as they are offline? Twitter networks in the U.S. Senate and Maine State Legislature. Policy & Internet 8(1): 55–71. https://doi.org/10.1002/poi3.109.

    Article  Google Scholar 

  • Corchia, L. 2019. Political communication in social networks election campaigns and digital data analysis: A bibliographic review. Rivista Trimestrale di Scienza dell’Amministrazione 2:1–50. https://doi.org/10.2139/ssrn.3412489.

    Article  Google Scholar 

  • D’heer, E., und P. Verdegem. 2014. Conversations about the elections on Twitter: Towards a structural understanding of Twitter’s relation with the political and the media field. European Journal of Communication 29(6): 720–734. https://doi.org/10.1177/0267323114544866.

    Article  Google Scholar 

  • Diaz-Bone, R. 1997. Ego-zentrierte Netzwerkanalyse und familiale Beziehungssysteme. Wiesbaden: Deutscher Universitätsverlag.

    Book  Google Scholar 

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

    Google Scholar 

  • Erlhofer, S. 2010. Missing Data in der Netzwerkanalyse. In Netzwerkanalyse und Netzwerktheorie. Ein neues Paradigma in den Sozialwissenschaften, Hrsg. C. Stegbauer, 2. Aufl., 251–260. Wiesbaden: VS.

    Google Scholar 

  • Fischer, C. S. 1982. To Dwell among friends. Chicago: University Press.

    Google Scholar 

  • Freeman, L. C. 1978. Centrality in social networks conceptual clarification. Social Networks 1(3): 215–239. https://doi.org/10.1016/0378-8733(78)90021-7.

    Article  Google Scholar 

  • Friemel, T. N. 2008a. Why context matters. In Why context matters: Applications of social network analysis, Hrsg. T. N. Friemel, 9–13. Wiesbaden: Springer VS.

    Chapter  Google Scholar 

  • Friemel, T. N. 2008b. Anatomie von Kommunikationsrollen. Methoden zur Identifizierung von Akteursrollen in gerichteten Netzwerken. Kölner Zeitschrift für Soziologie und Sozialpsychologie 60(3): 473–499. https://doi.org/10.1007/s11577-008-0024-7.

    Article  Google Scholar 

  • Fuhse, J. A. 2018. Soziale Netzwerke: Konzepte und Forschungsmethoden. Konstanz: UTB.

    Google Scholar 

  • González-Bailón, S. 2009. Traps on the web. The impact of economic resources and traditional news media on online traffic flow. Information, Communication & Society 12(8): 1149–1173.

    Article  Google Scholar 

  • González-Bailón, S., J. Borge-Holthoefer, A. Rivero, und Y. Moreno. 2011. The dynamics of protest recruitment through an online network. Scientific Reports 1(1): 197. https://doi.org/10.1038/srep00197.

    Article  Google Scholar 

  • Heider, F. 1946. Attitudes and cognitive organization. Journal of Psychology 21(1): 107–112.

    Article  Google Scholar 

  • Henning, M. 2008. Mit welchem Ziel werden bestehende Netzwerke generiert? In Netzwerkanalyse und Netzwerktheorie. Einige Anmerkungen zu einem neuen Paradigma, Hrsg. C. Stegbauer, 295–307. Wiesbaden: Springer VS.

    Chapter  Google Scholar 

  • Holzer, B. 2010. Netzwerke, 2. Aufl. Bielefeld: transcript.

    Google Scholar 

  • Houben, D. 2019. Heider (1946): Attitudes and cognitive organization. In Schlüsselwerke der Netzwerkforschung, Hrsg. B. Holzer und C. Stegbauer, 255–257. Wiesbaden: Springer VS.

    Chapter  Google Scholar 

  • Howison, J., A. Wiggins, und K. Crowston. 2011. Validity issues in the use of social network analysis with digital trace data. Journal of the Association for Information Systems 12(12): 767–797.

    Article  Google Scholar 

  • Jansen, D. 2003. Einführung in die Netzwerkanalyse. Wiesbaden: Springer VS.

    Book  Google Scholar 

  • Jungherr, A. 2016. Twitter use in election campaigns: A systematic literature review. Journal of information technology & politics 13(1): 72–91.

    Article  Google Scholar 

  • Jungherr, A. 2018. Normalizing digital trace data. In Digital discussions, Hrsg. S. McGregor und N. J. Stroud, 9–35. New York: Routledge.

    Chapter  Google Scholar 

  • Jürgens, P., und A. Jungherr. 2011. Wahlkampf vom Sofa aus: Twitter im Bundestagswahlkampf 2009. In Das Internet im Wahlkampf. Analysen zur Bundestagswahl 2009, Hrsg. E. J. Schweitzer und S. Albrecht, 201–225. Wiesbaden: VS.

    Google Scholar 

  • Jürgens, P., und A. Jungherr. 2015. The use of Twitter during the 2009 German National Election. German Politics 24(4): 469–490. https://doi.org/10.1080/09644008.2015.1116522.

    Article  Google Scholar 

  • Kaiser, J., und C. Puschmann. 2017. Alliance of antagonism: Counterpublics and polarization in online climate change communication. Communication and the Public 2(4): 371–387. https://doi.org/10.1177/2057047317732350.

    Article  Google Scholar 

  • Kapidzic, S., C. Neuberger, S. Stieglitz, und M. Mirbabaie. 2019. Interaction and influence on Twitter. Digital Journalism 7(2): 251–272. https://doi.org/10.1080/21670811.2018.1522962.

    Article  Google Scholar 

  • Karlsen, R., und B. Enjolras. 2016. Styles of social media campaigning and influence in a hybrid political communication system: Linking candidate survey data with Twitter data. The International Journal of Press/Politics 21(3): 338–357. https://doi.org/10.1177/1940161216645335.

    Article  Google Scholar 

  • Kocks, J. N. 2018. Regierungskommunikation und staatliche Öffentlichkeitsarbeit aus netzwerkanalytischer Perspektive. In Regierungskommunikation und staatliche Öffentlichkeitsarbeit, Hrsg. J. Raupp, J.-N. Kocks und K. Murphy, 111–125. Wiesbaden: Springer VS.

    Chapter  Google Scholar 

  • Lietz, H., C. Wagner, A. Bleier, und M. Strohmaier. 2014. When politicians talk: Assessing online conversational practices of political parties on twitter. In Proceedings of the 8th ICWSM, 285–294. Ann Arbor, MI.

    Google Scholar 

  • Lusher, D., J. Koskinen, und G. Robins. 2013. Exponential random graph models for social networks. New York: Cambridge University Press.

    Google Scholar 

  • Mandjes, M., N. Starreveld, R. Bekker, und P. Spreij. 2019. Dynamic Erdős-Rényi Graphs. In Computing and Software Science: State of the Art and Perspectives, Hrsg. B. Steffen und G. Woeginger, 123–140. Cham: Springer International Publishing.

    Google Scholar 

  • Martini, F. 2020. Wer ist #MeToo? Eine netzwerkanalytische Untersuchung (anti-)feministischen Protests auf Twitter. M&K Medien & Kommunikationswissenschaft 68(3): 255–272. https://doi.org/10.5771/1615-634X-2020-3-255.

    Article  Google Scholar 

  • McGregor, S. C., und R. R. Mourão. 2016. Talking politics on Twitter: Gender, elections, and social networks. Social Media + Society 2(3). https://doi.org/10.1177/2056305116664218.

  • McPherson, M., L. Smith-Lovin, und J. M. Cook. 2001. Birds of a feather: Homophily in social networks. Annual Review of Sociology 27(1): 415–444. https://doi.org/10.1146/annurev.soc.27.1.415.

    Article  Google Scholar 

  • Morstatter, F., J. Pfeffer, H. Liu, und K. Carley. 2013. Is the sample good enough? Comparing data from Twitter’s streaming API with Twitter’s Firehose. In Proceedings of the 7th ICWSM, 400–408. Cambridge, MA.

    Google Scholar 

  • Murphy, K. 2019. Government communications in a digital age: A comparative study of online Government Communications in Germany and Great Britain. Baden-Baden: Nomos.

    Book  Google Scholar 

  • Nelson, J. L., und J. G. Webster. 2017. The myth of partisan selective exposure: A portrait of the online political news audience. Social Media + Society 3(3): 2056305117729314. https://doi.org/10.1177/2056305117729314.

    Article  Google Scholar 

  • Neubarth, J., und C. Nuernbergk. 2011. Internet- und Netzwerkforschung in der Kommunikationswissenschaft: Anwendungen und Potenziale der Netzwerkanalyse im Internet. MedienJournal 35(2): 4–15. https://doi.org/10.24989/medienjournal.v35i2.167.

    Article  Google Scholar 

  • Neuberger, C. 2017. Die Rückkehr der Masse. Kollektivphänomene im Internet aus Sicht der Massen- und Komplexitätstheorie. M&K Medien & Kommunikationswissenschaft 65(3): 550–572. https://doi.org/10.5771/1615-634X-2017-3-550.

    Article  Google Scholar 

  • Nuernbergk, C. 2013. Anschlusskommunikation in der Netzwerköffentlichkeit. Baden-Baden: Nomos.

    Book  Google Scholar 

  • Nuernbergk, C. 2016. Political journalists’ interaction networks. Journalism Practice 10(7): 868–879. https://doi.org/10.1080/17512786.2016.1162669.

    Article  Google Scholar 

  • Nuernbergk, C., und J. Conrad. 2016. Conversations and Campaign dynamics in a hybrid media environment: Use of Twitter by members of the German Bundestag. Social Media + Society 2(1). https://doi.org/10.1177/2056305116628888.

  • Papakyriakopoulos, O., J. C. M. Serrano, und S. Hegelich. 2020. Political communication on social media: A tale of hyperactive users and bias in recommender systems. Online Social Networks and Media 15: 100058. https://doi.org/10.1016/j.osnem.2019.100058.

    Article  Google Scholar 

  • Pappi, F. U. 1987. Methoden der Netzwerkanalyse. München: Oldenbourg.

    Book  Google Scholar 

  • Schenk, M. 1995. Soziale Netzwerke und Massenmedien: Untersuchungen zum Einfluss der persönlichen Kommunikation. Tübingen: Mohr Siebeck.

    Google Scholar 

  • Schmid-Petri, H., S. Adam, U. Reber, T. Häussler, D. Maier, P. Miltner, B. Pfetsch, und A. Waldherr. 2018. Homophily and prestige: An assessment of their relative strength to explain link formation in the online climate change debate. Social Networks 55:47–54. https://doi.org/10.1016/j.socnet.2018.05.001.

    Article  Google Scholar 

  • Schneider, V., F. Janning, P. Leifeld, und T. Malang. 2009. Politiknetzwerke. Modelle, Anwendungen und Visualisierungen. Wiesbaden: VS.

    Google Scholar 

  • Schünemann, W. J., S. Steiger, und S. Stier. 2016. Transnationalisierung und Demokratisierung politischer Öffentlichkeit über Soziale Medien – ein Politikfeldvergleich. Zeitschrift für Vergleichende Politikwissenschaft 10(2): 233–257. https://doi.org/10.1007/s12286-016-0300-2.

    Article  Google Scholar 

  • Scott, J. 2013. Social network analysis. London: Sage.

    Google Scholar 

  • Serdült, U. 2002. Soziale Netzwerkanalyse: eine Methode zur Untersuchung von Beziehungen zwischen sozialen Akteuren. Österreichische Zeitschrift für Politikwissenschaft 31(2): 127–141.

    Google Scholar 

  • Stegbauer, C., und R. Häußling. 2010. Handbuch Netzwerkforschung. Wiesbaden: VS.

    Book  Google Scholar 

  • Steinert-Threlkeld, Z. C. 2017. Spontaneous collective action. Peripheral mobilization during the Arab Spring. American Political Science Review 111(2): 379–403.

    Article  Google Scholar 

  • Stier, S., und A. Jungherr. 2019. Digitale Verhaltensdaten und Methoden der Computational Social Science in der politischen Kommunikationsforschung. In Politik in der digitalen Gesellschaft: Zentrale Problemfelder und Forschungsperspektiven, Hrsg. J. Hofmann, N. Kersting, C. Ritzi und W. J. Schünemann, 309–326. Bielefeld: transcript.

    Google Scholar 

  • Stier, S., W. J. Schünemann, und S. Steiger. 2017. Of activists and gatekeepers: Temporal and structural properties of policy networks on Twitter. New Media & Society 20(5): 1910–1930. https://doi.org/10.1177/1461444817709282.

    Article  Google Scholar 

  • Stier, S., J. Breuer, P. Siegers, und K. Thorson. 2019. Integrating survey data and digital trace data: Key issues in developing an emerging field. Social Science Computer Review 38(5): 503–516. https://doi.org/10.1177/0894439319843669.

    Article  Google Scholar 

  • Stier, S., C. Froio, und W. J. Schünemann. 2020. Going transnational? Candidates’ transnational linkages on Twitter during the 2019 European Parliament elections. West European Politics: 1–27. https://doi.org/10.1080/01402382.2020.1812267.

  • Stoltenberg, D., und D. Maier. 2019. Descriptive methods for investigating dynamics in online networks. In Dynamische Prozesse der öffentlichen Kommunikation. Methodische Herausforderungen, Hrsg. P. Müller, S. Geiß, C. Schemer, T. K. Naab und C. Peter, 144–173. Köln: Halem.

    Google Scholar 

  • Sunstein, C. R. 2007. Republic.com 2.0. Princeton: Princeton University Press.

  • Theocharis, Y. 2013. The wealth of (occupation) networks? Communication patterns and information distribution in a Twitter protest network. Journal of Information Technology & Politics 10(1): 35–56. https://doi.org/10.1080/19331681.2012.701106.

    Article  Google Scholar 

  • Tromble, R. 2018. Thanks for (actually) responding! How citizen demand shapes politicians’ interactive practices on Twitter. New Media & Society 20(2): 676–697. https://doi.org/10.1177/1461444816669158.

    Article  Google Scholar 

  • Verweij, P. 2012. Twitter links between politicians and journalists. Journalism Practice 6(5-6): 680–691. https://doi.org/10.1080/17512786.2012.667272.

    Article  Google Scholar 

  • Watts, D. J., und S. H. Strogatz. 1998. Collective dynamics of ‚Small-World‘ networks. Nature 393: 440–442.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Department of Media Studies, Universität Trier, Trier, Deutschland

    Christian Nuernbergk

Authors
  1. Christian Nuernbergk
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Christian Nuernbergk .

Editor information

Editors and Affiliations

  1. Universität Duisburg-Essen, Duisburg, Germany

    Isabelle Borucki

  2. Universität Hamburg, Hamburg, Germany

    Katharina Kleinen-von Königslöw

  3. Heinrich-Heine-Universität Düsseldorf, Düsseldorf, Germany

    Stefan Marschall

  4. Ludwig-Maximilians-Universität München, München, Germany

    Thomas Zerback

Rights and permissions

Reprints and permissions

Copyright information

© 2021 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this entry

Check for updates. Verify currency and authenticity via CrossMark

Cite this entry

Nuernbergk, C. (2021). Social Network Analysis. In: Borucki, I., Kleinen-von Königslöw, K., Marschall, S., Zerback, T. (eds) Handbuch Politische Kommunikation. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-26242-6_54-1

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-26242-6_54-1

  • Received:

  • Accepted:

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-26242-6

  • Online ISBN: 978-3-658-26242-6

  • eBook Packages: Springer Referenz Sozialwissenschaften und Recht

Publish with us

Policies and ethics

Search

Navigation