Ağ Analizi ve Haritalama Yönteminin

Sizin üçün oyun:

Google Play'də əldə edin


Yüklə 301.44 Kb.
səhifə2/6
tarix27.10.2017
ölçüsü301.44 Kb.
1   2   3   4   5   6

Tablo 5: Sosyal Ağ Analizini kullanırken karşılaşılabilecek kimi güçlükler.
Örgütsel Ağ Analizi (Organizational Network Analysis-ONA).

Bu alanda çalışan pek çok kişiye göre, ONA, SNA’nın terimleri iş dünyasınca daha kabul edilebilir hale sokulmuş bir versiyonundan başka bir şey değildir. ONA esas olarak şirket içindeki bireyler ya da şirketler arasındaki ilişkilere odaklanır ve çoğu durumda bir işletme aracı olarak kullanılır.6 Bu alanda danışmalık hizmeti veren bir dizi ticari işletme vardır, bunların bu araçların kullanımına dair hayli cüretkâr iddiaları vardır. Cross ve Borgatti’nin, entegrasyon ve işbirliği konularında sorunlar yaşayan bir grup örgütle yaptığı çalışma bu konuda hayli faydalı bir özet sunar. Şekil 3’te ONA’nın fayda edebileceği türden bir örgütsel soruna dair bir örnek gösterilmiştir. Örgütsel ağ alanında danışmanlık yapan Valdis Krebs’in web sitesinde iş dünyasına dair örnekleri bulmak mümkün.3





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).

Aktör Ağ Kuramı, toplum ve teknoloji üzerine deskriptif bir sosyoloji yaratmak için ağ kavramlarını kullanır. ANT, Michel Calon ve Bruno Latour’un bilim ve teknoloji sosyolojisi üzerine çalışmalarından doğdu. ANT’nin uygulamasıyla uğraşanlar, dünyayı heterojen ağlarla tarif ederler: İnsanlar, kavramlar ve makineler arasındaki birliktelikler, bir görevin, olayın ya da yenilin vuku bulabilmesi için gerekli teknolojiler. ANT bakış açısında tüm bunlar aktör olarak değerlendirilir, yani bu yaklaşım kendisini sadece insanlar arasındaki ilişkilerle sınırlamaz. Gene ANT’ye göre aktörlerin kendileri de ağlardan müteşekkildir; kuram, kendi başına bir aktör olarak değerlendirilebilecek kadar stabil bir ağdaki öğelerin mobilizasyonunu ve bileşimlerini tarif etmek için tercüme terimini kullanır. Bir projeyi örnek olarak alalım. Belli bir noktada insanların, araçların ve kaynakların oluşturduğu birliktelik tanımlanabilir bir şeye dönüşür; insanlar, kendi ilişkileri ve amaçları olan bir projeye göndermede bulunmaya başlarlar.

Aktör ağ kuramı, kabul edilebilir bir norm halini alan bir bakış açısına giden süreçleri analiz etmek için kuramsal çerçeve olarak da kullanılabilir. Uygulamacıların kuramı uygulamaya koyma biçimlerindeki tutarsızlıklarından dolayı ANT kimilerince eleştirilir. Ancak, felsefi perspektifi ayrı tutarsak, aktör ağ kuramının temel metodolojileri başka türden ağ analizlerinden çok da farklı görünmez. Temel teknikler şunlardır: Kilit konumdaki insanları tespit edip onlarla söyleşiler yapmak; organizasyonların ürettiği metinleri analiz etmek; belirli bir görevi yerine getirmek için gerekli olan çeşitli insanları, kaynakları, değerleri ve teknolojileri bir diyagrama oturtmak.


Sosyal Sermaye.

Kimi araştırmacılar, bilgiyi, ilişkileri, erişim imkânlarını, ayrıcalıkları ve insanların/örgütlerin haklarını sermayenin bir formu olarak görmeyi faydalı bulur. Sosyal sermaye, toplumsal ve politik manevralarla, ilişki inşa etmeyle arttırılabilir. Bir kez arttırıldığında kolektif eylemi kolaylaştırmak için kullanılabilir ya da daha iyi bir konumda bulunan insanların hedeflerine daha kolay varmasına imkân verir. İktidar analizinin bir formu olan sosyal sermaye, insanların içinde bulundukları ağlardaki konumları gereği sahip oldukları iktidara odaklanır. Sosyal sermaye perspektifinden bireyin sahip olduğu iktidarın temel bileşeni kişinin yapısal delikleri (gruplar arasındaki ilişkilerdeki boşluklar) ne dereceye kadar doldurduğudur. Bu insanlar simsarlar gibi hareket edebilirler çünkü gruplar arasındaki tüm iletişim onların üzerinden geçmek zorundadır. Kimi bağlamlarda sosyal sermaye, bir topluluktaki ağların ne kadar iyi yapılanmış olduğunu kısa yoldan tarif etmek için kullanılır. Verimli bir şekilde hareket edebilen ve yeni güçlüklere hızla uyum sağlayabilen grupların çoğu durumda kuvvetli güven ağları ve iyi iletişim örüntüleri vardır, bu grupların sosyal sermayelerinin yüksek olduğu söylenebilir. Sosyal sermaye faydalı bir kavram olsa da, bir yandan da fazla geniş bir kavramdır, pek çok yazar terimin gerçek tanımı konusunda anlaşmazlık yaşar.


Güç Haritaları / Güç Analizi.

En genel anlamıyla, güç haritalandırması, antiteler arasındaki göreli güç ilişkilerinin paylaşılan temsillerini yaratmak için bir tekniktir. Katılımcıların güç yapılarına dair bakışlarını toplamanın ve temsil etmenin, karmaşık yapıyı daha basit diyagramatik formlara büründürmenin ve en önemli ilişkilere odaklanabilmek adına enformasyonu organize etmenin bir yoludur. Diyagramlar çeşitli yollarla inşa edilebilirler, ancak en popüler yollardan biri katılımcılardan belirtileri konumlandırmalarını istemektir, böylece sayfa üzerindeki konumlanışları onların sahip oldukları gücü ve/veya bir sorun karşısında aldıkları konumu gösterecektir. Güç haritalandırması sorunun muhataplarıyla katılımcı bir tartışmanın yapılandırılması için de kullanılabilir. Bilgi paylaşmanın ya da bir gruba düşmanını ve dostunu kolayca tanıması için yardım etmenin de bir aracıdır. Bir avantajı çok az teknoloji gerektirmesidir. Bir beyaz tahta ya da kâğıt parçası yeterli olacaktır. Taraflara dair niteliksel ve göreli bir enformasyonu bir an önce toparlamaya odaklanır, o yüzden de etkili olabilmek için sayısal veriye ihtiyaç duymaz. Bu yaklaşım kimi vakalarda nispi enformasyonun toplanmasını içerecek şekilde genişletilmiştir, böylece bir ağ haritası formunu almıştır. Güç haritaları kimi örgütlerce bir topluluk analizi aracı olarak kullanılır (bkz. Şekil 4), sanki bağımsız olarak keşfedilmiş gibidir ya da belki de alan teorisi gibi sosyal psikoloji konularından türetilmiştir. Pek çok yardım ajansı, yapılan müdahalelerin etkilerini öngörmek ve anlamak adına güç analizinin olası kullanımlarını araştırmaktadırlar.




Şekil 4: Güney Los Angeles’ta bir topluluk örgütlenmesi olan AGENDA (Action for Grassroots Empowerment and Neighborhood Development Alternatives) tarafından geliştirilen güç analizinden bir örnek. Farklı grupları ifade eden ikonlar öyle bir yerleştirilmiş ki, yatay pozisyon destek/muhalefet anlamına gelirken, dikey pozisyon örgütün gücünü göstermekte.
Sorun / Siyasa Ağları.

Siyasa ağları siyasa analizinde kullanılan analitik çerçevelerin bir türüdür. Bir konuyla, sorunla ya da bir kamu siyasası alanıyla ilgilenen örgütlerin ya da politik aktörlerin oluşturduğu grupların nispeten stabil karşılıklı bağımlılıkları olduğunu varsayar. Eğer bu ilişkiler ağ şeklinde temsil edilirlerse, ağ analizi tekniklerini kullanarak farklı grupların nasıl konumlandıklarını ya da birbirleriyle ne kadar uyumlu olduklarını çalışmak mümkün olur13. Eğer örgütlerin ortak hedefleri varsa, ya koordine bir ağ içinde çalışırlar ya da görece daha bağımsız davranırlar. Kimi zaman sorun ağları, daha gevşek koalisyonlar içinde hareket eden grupların siyasaları müzakere etmek için kullandıkları nispeten daha hiyerarşisiz araçlara göndermede bulunmak için kullanılır, çünkü bu grupların tek başlarına etki edecek kadar güçleri yoktur. Siyasa ağlarının analizi için gereken veri genellikle söyleşilerden veya gazete yazıları gibi yazılı malzemenin kapsamlı bir taramasından toplanır.


Veri Madenciliği ve Metin Madenciliği.

Veri madenciliğinin kaba bir tarifi şöyle yapılabilir: İstatistikî teknikleri ve bilgisayar prosedürlerini kullanarak analiz yapabilmek için farklı kaynaklardan geniş çapta enformasyon toplamak ve bu enformasyonu iyi yapılandırılmış tek bir veri tabanı sistemine aktarmak. Veri madenciliği, araştırmacıların kanıtlamaya çalıştıkları spesifik hipotezleri olmamasıyla diğer veri yönelimli analiz biçimlerinden ayrılır. Bu araştırmacılar daha ziyade bir açılım ararlar, genel örüntüleri ortaya çıkarmaya çalışırlar ya da daha ileri soruşturmalara imkân verecek sıra dışı vakaların peşinden koşarlar.



Metin madenciliği ise yapılandırılamamış metinlerle karşılaşıldığında kullanılan bir tekniktir. Metnin hangi bölümünün neye gönderme yaptığını belirleyebilmek için karmaşık programlar kullanmayı gerektirir. Metin madenciliğindeki en yaygın sorunlardan biri elemanları ayırma (aynı ismin farklı biçimlerde yazıldığı sorunları tespit etmek ve bunları eşleştirmek, aynı isme sahip farklı kişilere yapılan referansları ayrıştırmak) sorunudur. Metin madenciliği ayrıca semantik ağları (en önemli ilişkilerin bazılarını özetleyen belgeler arasında bulunan terimlerin ve kavramların birbirleriyle olan bağlantıları) inşa etmek için kullanılır.

Veri madenciliği herhangi bir ağ kavramını içermek zorunda değildir, ancak son yıllardaki uygulamaları daha çok ilişki örüntülerini ortaya çıkarmak yönünde olmuştur. Terim genellikle geniş çapta tüketici bilgilerini ve iletişim kayıtlarını taramak için ABD ulusal güvenlik birimi tarafından başlatılan programlara gönderme yapmak için kullanılır. Bu programlar insan haklarına dair çok sayıda sorunu gündeme getirmiştir, çünkü kullanılan teknikler belirli bir şüpheli üzerinden hareket etmek yerine toptancı bir taramayı hedefler, bu da terimin negatif bir anlamla yüklenmesine neden olmuştur. Veri madenciliği tekniklerinin bir noksanı da yalnızca elektronik formdaki enformasyona uygulanabilmeleridir, bu da tarihi belgelerle ya da gelişmekte olan ülkelerdeki arşivlerle yapılan çalışmaların geniş bir veri girişi çalışması gerektirmesidir.


Sosyal Ağlar.

“Sosyal ağ” tabirinin son zamanlarda bu denli yaygınlaşması büyük ölçüde Facebook, Bebo, MySpace, Friendster gibi sosyal ağ sitelerinin popülaritesine bağlıdır. Her ne kadar bu siteler gevşek de olsa ağ kavramı etrafında şekillendirilmiş olsalar da (ve de ağ veri yapılarından bazılarını kullansalar da) ağ analizi alanına sınırlı bir destekte bulunma eğilimindedirler. Bunlar, kullanıcıların kendileri için profiller oluşturmasına ve diğer profillerle karşılıklı arkadaşlıklar kurmasına imkân sağlayarak daha çok sosyalleşmeyi kolaylaştıracak araçlar olarak hizmet görürler. Kullanıcılar bir kez ilişkilendiklerinde normal olarak arkadaşlarının profillerine girerler ve okudukları üzerine yorum yaparlar, kimi vakalarda arkadaşlarının bildirdikleri yeniliklerden haberdar olurlar.

İş amaçlı tasarlanan benzer siteler de vardır (LinkedIn, Orkut, VisiblePath gibi). Bu siteler bireylere ağ kurmaları için ya da ihtiyaç duyulan bir bağlantıya ulaşmalarına imkân verecek tanıdık zincirini belirlemek için fırsat verir. VisiblePath entegre bağlantı hizmeti sunar ve SNA sertifikalı olan az sayıdaki web sitesinden biridir. Kişiselleştirilmiş sosyal ağlar yaratmada uzmanlaşmış siteler de vardır (Ning). Kâr amacı gütmeyen çok sayıda teknoloji sunucusu, ağ kurma kapasitelerini kampanya yazılımlarıyla entegre etmeye başlamıştır.
5) Ağ verisini toplama ve depolama yolları

İlişkisel veriyi toplamak çoğu kez zaman-serisi verilerinden daha fazlasını gerektirir. Neyse ki, uygun verinin hâlihazırda toplanmış olduğu yerler vardır, ama bunlar henüz tanımlanmamıştır ya da yapılandırılmamıştır.


Mevcut veriyi yeniden amaçlamak.

Pek çok veri türü hâlihazırda ilişkiseldir ve kullanılmadan önce sadece formatlanmaya ihtiyaç duyar. E-postalar örneğin hem göndericinin hem de alıcının adreslerini içerir ve iletişim ağları içerisindeki bağlantılı olaylara örnek olarak değerlendirilebilirler. Bir örgütün tüm bir e-posta arşivinin saklı tutulduğu durumlarda iletişim örüntülerine dair detaylı bir resim oluşturmak mümkün olur (Bkz. Şekil 5). Örgütün raporlarındaki fon bilgileri başka türden bir ilişkisel veri biçimidir, ama bir ağ inşa edebilmek için genellikle çok sayıda örgütten rapor toplamak gerekir. Kimi vakalarda, eğer orijinal veri nispeten toplamcı olmayan bir formda sabitlenebilirse, araştırmacı insan hakları örgütlerinden toplanan veri hatırı sayılır miktarda ilişkisel veri barındırabilir.


Anketler, mülakatlar ve online soru formları.

Toplanacak ağ verisi bir insan topluluğu hakkında olduğunda anket ya da mülakatlar tasarlamak da mümkün olur, böylece bireylere sahip oldukları bağlara dair sorular sorulabilir. Ardından bireysel ego ağları tek bir kolektif tanım içerisinde toplanabilir. Ancak, ankete dayalı pek çok araştırmada olduğu gibi, bireylerin tümünden yanıt almak imkânsızdır, bu da ciddi geçerlilik sorunlarına neden olabilir. Anketle veri toplama hem ankete katılanlar hem de yöneticiler için hayli zamana mal olan bir tekniktir, o yüzden hangi türden ilişkilerin araştırılacağını baştan netleştirmek elzemdir. Cross ve Borgatti’nin hazırladığı tabloda spesifik ilişki tiplerini toplamak için sorulacak sorulara dair örnekler bulunur.





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.



Dostları ilə paylaş:
1   2   3   4   5   6
Orklarla döyüş:

Google Play'də əldə edin


Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©muhaz.org 2017
rəhbərliyinə müraciət

    Ana səhifə