Ağ Analizi ve Haritalama Yönteminin

Şekil 5: Enron’un mahkeme kararıyla ortaya çıkan e-posta yekunundan çıkartılan Kenneth Lay’in e-posta iletişimi ağı. İmaj Enron e-posta tarayıcısından¹⁴.
Topluluğa girmenin zor olduğu durumlarda ya da çalışma başlamadan önce topluluğun üyelerinin tanınmadığı zamanlarda çığ örneklemi tekniğini kullanarak ağ yapısına dair bir fikir edinmek mümkündür. Çığ örneklemi tekniğinde birkaç kişi “tohum” düğüm olarak seçilir ve onlara diğer düğümlerle olan ilişkilerine dair sorular sorulur, her birinden başka düğümlerin adlarını vermesi istenir. Bu sürecin sonunda daha büyük bir çığa ulaşılır ve sonunda ya araştırmacıların kaynakları tükenir ya da bahis konusu olan topluluğun sınırlarına gelinir.
Katılımcı gözlem ve uzman kanaati.

Ağlar üzerine yapılan ilk araştırmaların çoğu etnografik çalışmaların bir parçasıydı. Ağlar çoğu durumda tek bir araştırmacının ilgili ilişkilerden edindiği izlenim üzerinden üretiliyordu. Tek bir kişinin bakış açısından daha nesnel verilere sahip olmak iyi bir fikir olsa da, uzmanların ilişkilere dair tasvirlerinden yararlanmanın faydalı olduğu pek çok durum da söz konusudur. Kayda değer miktarda belgenin olduğu durumlarda uzman kişiler bu metinleri belli bir açıdan okuyarak ya da kodlayarak ilişkisel bilgiye ulaşabilir. Örneğin, raporlar ya da arşiv belgeleri gibi karmaşık metinleri okuyan bir uzman A politikacısıyla B politikacısının bir noktada yan yana geldiğini tespit edebilir.

Ağ verisini depolamak.

Veri toplamada hangi yöntem kullanılırsa kullanılsın tüm veri standart bir biçimde saklanmalıdır. Ağ verisi egzotik depolama yöntemlerine gelmez; genellikle basit bir dosyalama tekniği ya da veritabanı yeterli gelir. Ancak, veriyi düzenlerken dikkat edilmesi gereken noktalar vardır. Düğümlere dair bilgiyle bağlara dair bilginin ayrı saklanmasında fayda vardır. Düğümler için tutarlı-sistemli bir isimlendirme (kimlik) yöntemi izlenmelidir, böylece veriler doğru bir şekilde birbirleriyle bağlantılandırılabilir. Örneğin, bir düğümün kimliği “Kamu, John Q.” ise, bu hep böyle kalmalıdır. “Kamu, J.Q.” ya da “John Quincy, Kamu” gibi kullanımlar yanlış eşleştirmelere sebebiyet verecektir. Bu nokta gerçekte sorun çıkarır çünkü kullanılmak istenen veri genellikle imla hatalarıyla, yanlış harflendirmelerle doludur.

Ne yazık ki, ağlar için kullanılan bilgisayar veri formatları konusunda bir mutabakata varılmış değil⁶. O yüzden yapılacak en iyi şey eldeki veri için hangisi en uygunsa o yolla veriyi toplamak ve ardından toplanan veriyi belli bir bilgisayar programına tercüme etmektir.
Kullanılamayacak durumdaki ya da kullanması zor veriler.

Başka analiz biçimleri için uygun olmakla birlikte ağ yaratmada kullanılamayacak türde büyük miktarda veri vardır. Tablo verilerini işlemek ve özetlemek için kullanılan pek çok teknik gerekli ilişkisel detayı yok eder. Temelse bir veriyi ilişkisel anlamda kullanabilmek için iki soruya yanıt vermek gerekir: “kime ait?” ve “kimden geliyor?” bilgiyi başka bir şeyle bağlantılandırabilmek “ne kadar çok” ya da “ne kadar büyük” olduğundan daha önemlidir. Örneğin, her bir örgütün ne kadar para harcadığını gösteren bir dosya önemlidir, ama bir ağ inşa etmek için yeterli değildir. Ağı inşa edebilmek için paranın kime ödendiğini ve iki örgütün bağlantılı olup olmadığını bilmek gerekir, aynı sektörde ne kadar para harcadıklarının bilmek tek başına yeterli değildir. İlişkisel olmayan veriler başka türden istatistikî analizler için yine de çok önemlidir, ama ağ inşa etmede kullanılamazlar.

Standartlaştırılmamış ilişkisel veriyle çalışmak son derece zordur; aradaki bağlar iyi tanımlanmış bir terim setiyle gösterilmelidir. Bu nedenle, anlatı formatındaki metinler işlenemediği ya da kodlanmadığı müddetçe ağ inşa etmede kullanılamazlar. Elektronik ortamda olmayan veriler de, her ne kadar niteliksel çözümlemeler için son derece önemli olsalar da, gerçek insanlar tarafından işlenmediği müddetçe sayısal analiz için kullanılamazlar.