Ağ Analizi ve Haritalama Yönteminin

Şekil 3: Bir grup uzman danışman arasındaki bilgi paylaşım bağlarından oluşan ağda (a) zamanında bir bölünmüşlük gözlenirken, (b) zamanında, müdahale sonrası durum gösterilmekte.
Ağ Haritaları / Görselleştirme.

Ağ haritası, basit tablolarla göstermesi hayli güç, coğrafi haritalarla mantıkî olarak anlatılamayacak ilişiksel enformasyonun görsel olarak sunmanın bir aracıdır. Kendi içinde bir mikro disiplin olduğu gibi birçok farklı alanda da kullanılan bir araçtır. Amaç, (insanlar ve örgütler gibi) çeşitli antiteler arasındaki ilişkileri görünür kılacak bir “harita” yaratmaktır. Coğrafi konumlandırmada kullanılan haritalardan farklı olarak buradaki zorluk, çoğu durumda öğeleri nasıl yerleştireceğimize dair bir tür kurallar sistemine ihtiyaç duymamızdır. Toplumsal ilişkileri göstermek için nokta ve çizgilerden yararlanan sociogram veya diyagramatik harita, genellikle, Jacob Moreno’nun 1930’ların başında yaptığı çalışmayla ilişkilendirilir. Bilgisayar teknolojisindeki son gelişmeler bu haritaları otomatik olarak oluşturabilen programları mümkün kılmıştır. Bu alanda kullanılmak üzere bir dizi prosedür geliştirilmiş ve uygulamaya konmuştur. İstatistik gibi daha geniş alanlardan çok-boyulu ölçeklendirme türünden teknikler devşirilmiştir. Bu tekniklerinin çoğunun amacı, izleyicinin bunu tıpkı bir coğrafi haritaymış gibi okuyabilmesini mümkün kılacak şekilde düğümleri sayfaya konumlandırmanın bir yolunu bulmaktır, böylece düğümler arasıdaki mesafe ağ içerisindeki mesafelere tekabül edecektir.

Ancak, tıpkı üç boyulu dünyanın iki boyutlu bir haritaya aktarılmasında çarpıtmalar olduğu gibi, ağ haritalarının çoğu da aktardıkları ilişkilerin bazılarını çarpıtır. Araştırmalara göre, izleyicinin ağ haritalarına dair yorumları düğümlerin sayfada nasıl konumlandırıldığından etkilenmektedir.⁷ Ağların pek çoğunda, özellikle de çok sayıda bağın mevcut olduğu yoğun ağlarda, kusursuz bir iki boyutlu harita hazırlamak mümkün değildir. O yüzden hangi bilginin yok sayılıp hangi bilginin sıkıştırılacağına karar vermek son derece önemlidir.

Bir ağ haritasıyla akış diyagramı arasındaki esas fark, ağ haritasındaki öğelerin göreli konumlarının ilişki yapılarına göre oluşturulmasıdır. John Emerson enformasyon grafiği yaratmada karşılaşılabilecek sorunlara dair bir özet kaleme almıştır.⁸ Ağ görselleştirmelerinin örneklerini ileriki sayfalarda görebilirsiniz, bunun dışında, farklı yaklaşımları bir araya getiren web siteleri de mevcuttur.⁴

Dinamik Ağ Analizi.

Dinamik ya da eksenel (longitudinal) ağlar, ilişki setlerinin ya da ağ üyeliklerinin (ağ içinde hangi düğümler var) zaman içinde değiştiği ağlardır. İlişki yapılarının analiz edilen dönem içerisinde sabit kalmadığı süreçleri tarif etmek için kullanılır. O yüzden, dinamik ağ analizi, her biri belli bir zaman aralığı içerisinde ağı tasvir eden çoklu veri “dalgalarıyla” uğraşır. Dinamik ağların görselleştirilmesi çoğunlukla anime filmlerle olur⁵, böylece zamanla değişen yapı gösterilebilir⁹.
Bağ Analizi.

ABD istihbarat camiasında ağ analizine verilen isim Bağ Analizidir. Fakat aynı terim, web sayfaları arasındaki internet hiper-bağlarını inceleyen çalışmaları tarif etmek için de kullanılır. Terimin istihbarat anlamı, yıkıcı faaliyetlerle ya da gruplarla ilişkili bireyler arasındaki bağlara odaklanır. Bu tür çalışmalara dair kamusal bir bilgiye sahip olmasak da, çok sayıda anekdottan anlaşılan bu türden çalışmaların devletlerin bilgi toplama programlarının yok sayılamaz bir öğesi olduğudur. Eğer (istihbarat raporları, seyahat kayıtları, telefon görüşmeleri, internet kullanımı, banka işlemleri gibi) pek çok kaynaktan gelen ilişkisel bilgi merkezi veritabanlarında toplanabilirse, şüphelileri tespit etmek üzere “noktaların arasını tamamlamak” mümkün olabilir. Buna ek olarak, eğer veritabanına nüfusun kayda değer bir bölümü dâhil edilirse, yeni şüphelileri ortaya çıkaracak faaliyet örüntülerini aramak da mümkün olur.

Kimi güvenlik uzmanları bu türden yaklaşımlara son derece şüpheyle yaklaşırlar; ağların, tüm bir nüfusa aynı anda değil de, mevcut hukuki çerçeve içerisinde kalınıp spesifik şüphelilere uygulandığında çok daha verimli olacağını iddia ederler¹⁰. Aksi takdirde, büyük bir kaynak meşru tehditleri soruşturmak için değil, sonuç alınamayacak şüphelileri izlemek için kullanılmış olur. Daha da önemlisi, herhangi bir potansiyel güvenlik kazanımı ortaya çıkacak mahremiyet ve özgürlük sorunlarından daha önemli olamaz.
Bilgi Yönetimi (BY).

Bilgi Yönetiminin esas odağı bir organizasyon içindeki enformasyonu haritalayıp kataloglandırmaktır: Kim neyi biliyor, kim kimden tavsiye istiyor, enformasyon nerede bulunuyor? BY organizasyon içinde kullanılan dokümanları birbiriyle bağlantılandırıp kataloglamak için sistem geliştirmek için de çabalar. Bu kategorizasyon sistemlerine çoğunlukla ontoloji denir ve hiyerarşi ağacı biçimin alır. BY, bir organizasyondaki alt birimlerin birbiriyle nasıl koordine olduğunu izlemek için iletişim örüntülerini ağ analizine tabi tutar. Kimi zaman semantik ağlar BY’nin bir unsuru sayılırlar. Semantik ağlar (bilgi grafikleri olarak da bilinirler¹¹), bir tartışmada, belirli bir araştırma alanına dair literatürde ya da bir firmanın belgelerinin toplamı içinde ortaya çıkan terimlerin (ya da ifadelerin) arasındaki ilişkiler toplamından meydana gelir. Bir ağ içinde ortaya çıkan terimlerin ve ifadelerin birliği metindeki ana öğelerin kaba bir özeti olarak da kullanılabilir.

Aktör-Temelli Modelleme (Agent-Based Modeling-ABM).

Aktör-temelli modelleme, farklı süreçleri anlamaya, hatta kimi zaman tahminlerde bulunmaya yardımcı olacak modelleri ya da simülasyonları üretmede kullanılan bir dizi tekniği tarif eder. Aktör-temelli bilgisayar simülasyonları, nispeten basit kuralları izleyip birbiriyle etkileşen çok sayıda nesne ya da aktörle karakterize olur. Ancak her ne kadar failler basit olsa da kimi durumlarda nüfus düzeyinde hayli karmaşık davranışlar ortaya çıkar. “Karınca baskını” buna klasik bir örnek teşkil eder. Karıncalar yiyecek bulmada tam bir uzmandır. Yiyeceği bulduklarında çok sayıda karınca son derece organize ve koordine bir biçimde yiyeceği eve getirmek için çalışmaya başlar. Araştırmacılar yazılım araçlarını kullanarak simüle edilmiş “karıncalar”ın hangi kuralları izlediğini tespit etmişlerdir:

1. 
   Evdeysen, dışarı çık ve rast gele dolaş.
   
2. 
   Yiyecek bulursan, eve getir ve geride bir “koku izi” bırak.
   
3. 
   Bir “koku izi”ne rastlarsan, yiyeceği bulana ya da eve varana kadar izi takip et.
   

Bu kadar az sayıda kural bile kurgu karıncaların baskın örüntülerinin sahici karıncalarınkine hayli benzediğini göstermeye yeterlidir.

ABM, modelin toplam özelliklerinin nasıl birbirleriyle ilişkilendiklerini ve zaman içerisinde değiştiklerini tarif etmek için diferansiyel denklemleri kullanan bir diğer yaygın modelleme tekniğiyle kıyaslanabilir. Örneğin, ABM çerçevesinde hazırlanmış bir avcı-av ilişkisi modeli, toplam nüfusun gözlem altında tutulduğu sanal bir alanda “yiyen” ve “üreyen” “tilki” ve “tavşanları” içerebilir. Diferansiyel denklem modeli, tilki ve tavşan nüfuslarının nasıl birbirine bağlı olduğunu tasvir eder. ABM modelleri karmaşık ve analiz etmesi zor modellerdir, ancak girift karşılıklı bağımlılıklar ve çarpıcı davranışlar ortaya çıkarır. Bir sistem yalnızca (nüfus gibi) toplam nicelikler kullanılarak modellendiğinde bu türden hasletler gözden kaçar.

Aktör-temelli modelleri kategorize etmenin bir yolu onları iki sınıfa ayırmaktır: Tahmine yönelik olanlar ve daha metaforik olanlar. Metaforik modeller bir soruna dair basit varsayımlar seti üzerine temellendirilmişlerdir; ne kadar az “çan ve ıslık”, o kadar iyi. Bu modeller, “bu basit kuralları izleyen etkileşimler gerçek veride gözlemlediğimiz niteliklerin bazılarına sahip davranış örüntüleri üretebilir mi?” türünden sorulara yanıt verebilir. Bu türden modellerle gerçek süreçlere dair büyük genellemeler yapmak genellikle bir hatadır. Bir özellik hem modelde hem de gerçek hayatta karşımıza çıktı diye her ikisinin de benzer süreçlerden geçtiği anlamına gelmez. Buradan çıkarılabilecek yegâne sonuç, modeldekiler kadar basit süreçlerin gerçek dünya özelliklerini yaratmak için yeterli olacağıdır. Bu türden modellerin avantajı, anlamaya yardımcı olmak için hakiki veri girişi gerektirmemeleridir.

Tahmine yönelik aktör-temelli modellerse modeldeki tüm özellikleri tarif eden kapsamlı veri girişini gerektirmesidir. Modellenecek süreç son derece iyi şekilde anlaşılmalıdır ki gerekli tüm kurallar ve detaylar dâhil edilebilsin. Tahmine yönelik modeller son derece karmaşık olma eğilimindedir, ancak yeterince sahici biçimde yapılabildiklerinde bir dizi senaryoyu test etmeye imkân tanır.

Ağları kullanan aktör-temelli modellere pek çok örnek olsa da, modelleme çerçevesi doğrudan ağlarla ilişki değildir. ABM ağ tartışmalarında sıkça kullanılır çünkü her ikisi de şaşırtıcı veya kaotik davranışları olan sorunlara odaklanan Karmaşa Biliminin araçlarıdır. Çatışma ve işbirliği üzerine ilginç modeller kuran önemli bir yazar da Robert Axelrod’dur.¹²
Aktör Ağ Kuramı (Actor Network Theory-ANT).