2011 R seaux sociaux.pps) - Mac OS X...

Les réseaux sociaux : une introduction

Dominique Raynaud

PLC Université Pierre-Mendès-France (Grenoble)Chercheur associé au GEMASS (Paris)

Midi SciencesGrenoble – 2 Février 2011

0. Facebook

QuickTime™ et undécompresseur

sont requis pour visionner cette image.

Facebook, Twitter, MySpace, Flickr…

0. Latour Callon

1989 : Michel Callon et Bruno Latour, La science et ses réseauxQuickTime™ et undécompresseur


Théorie de l’acteur-réseau

• Le réseau est hybride : humain, non-humain

0. Latour Callon





• Les énoncés scientifiques résultent de controverses

0. Latour Callon






• Les vainqueurs ne sont pas ceux qui ont « raison » mais « ceux qui ont le réseau le plus long »

0. Latour Callon







Critiques

• Indistiction entre humains et objets ?

0. Latour Callon







Critiques

• Indistiction entre humains et objets ?

• Caractère virtuel du monde réel ?

1. SOCIOMÉTRIE

1. Moreno

1934 : Jacob Moreno, Who Shall Survive?

Sociogramme de l’Hudson School for Girls, NY

1. Moreno


1. Moreno


étoile

1. Moreno


isolé

étoile

1. Moreno


clique

étoile

isolé

2. THÉORIE DES GRAPHES

2. BergeQuickTime™ et undécompresseur


1958 : Claude Berge, Théorie des graphes et ses applications



• Graphe orienté • Graphe non-orienté

Sommets Sommets

Arcs Arêtes

Chemins Chaînes

Circuits Cycles






• Graphe valué • Graphe non-valué






• Graphe • Matrice associée

2. Erdös

1959 : Paul Erdös, Albert Rényi, « On random graphs », Publicationes mathematicae

Graphes aléatoires

• Graphe

n sommets liés par des arêtes avec une probabilité uniforme p

• Le degré moyen z des sommets est égal au nombre d’extrémités

des arêtes divisé par le nombre de sommets

• Si n est grand,







2. Erdös

1959 : Paul Erdös, Albert Rényi, « On random graphs », Publicationes mathematicae

Graphes aléatoires

• La distribution de degré est une loi binomiale de pic

• Une propriété de Gn,p peut être exprimée en fonction de p ou de z

3. SOCIAL NETWORK ANALYSIS

3. Concepts

• Densité d’un réseau social Rapport du nombre de relations observées (arcs ou arêtes) sur le nombre de relations constructibles

1976 : Nan Lin, Foundations of Social ResearchQuickTime™ et undécompresseur


3. Concepts


• Degré de connexitéNombre de relations (arcs ou arêtes) à retirer pour faire apparaître des composantes indépendantes

1976 : Nan Lin, Foundations of Social ResearchQuickTime™ et undécompresseur


3. Concepts


• Degré de connexitéNombre de relations (arcs ou arêtes) à retirer pour faire apparaître des composantes indépendantes

• Capital socialEnsemble des ressources insérées dans le réseau social, disponibles et utilisées par l’acteur pour l’action

1976 : Nan Lin, Foundations of Social Research2001 : Nan Lin, Social Capital. A Theory of Social Structure and Action



3. Holland Leinhardt

• Interpersonal choices tend to be transitive—if A chooses B and A chooses C, then B is likely to choose C

1971 : Paul Holland and Samuel Leinhardt, « Transitivity in structuralmodels of small groups », Small Group Research

3. Lorrain White

1973 : François Lorrain et Harrison White, « Structural equivalence of individuals in social networks », American Journal of Sociology



• Matrice d’adjacence


sont requis pour visionner cette image.QuickTime™ et un

décompresseur sont requis pour visionner cette image.



• Equivalence structurale

3. Granovetter

1973 : Mark Granovetter, « The strenght of weak ties », American Journal of Sociology



lien fort

3. Granovetter

1973 : Mark Granovetter, « The strenght of weak ties », American Journal of Sociology



lien faible

lien fort

3. Marey

• Le choléra sévit plus fréquemment dans les villes que dans les campagnes

• Les établissements fermés: prisons, collèges, couvents, asiles, etc., échappent ordinairement au choléra; mais s’il y pénètre, il y sévit souvent avec une extrême gravité

1884 : Etienne Jules Marey, « Les eaux contaminées et le choléra », Comptes rendus de l’Académie des sciences

3. Freeman

• Centralité de degré

Est central, celui qui a le plus

de relations directes

1966 : Gert Sabidussi, « The centrality index of a graph », Psychometrika1979 : Linton Freeman, « Centrality in social network », Social Networks





3. Freeman

• Centralité de proximité

Est central, celui qui touche

les autres sommets en

un minimum de pas






3. Freeman

• Centralité d’intermédiarité

Est central, celui qui intercepte

le plus grand nombre de

relations indirectes






4. PHYSIQUE STATISTIQUE

4. Watts Strogatz

P1—Les réseaux sociaux se distinguent des graphes aléatoires et des réseaux non-sociaux par leur forte transitivité

1998 : Duncan Watts, Steven Strogatz, « Collective dynamicsof small-world networks », Nature



4004781488100 10000800310 2935.716.550.34

×

4. Holland Leinhardt

• Les choix interpersonels tendent à être transitifs

1971 : Paul Holland, Samuel Leinhardt, « Transitivity in structuralmodels of small groups », Small Group Research

4. BarabásiQuickTime™ et undécompresseur


P2—Les réseaux sociaux se distinguent des graphes aléatoires par une distribution de degré qui ne suit pas une loi binomiale, mais une loi de puissance

1999 : Albert-László Barabási, Réka Albert, « Emergence of scaling in random networks », Science

4. BarabásiQuickTime™ et undécompresseur


P2—Les réseaux sociaux se distinguent des graphes aléatoires par une distribution de degré qui ne suit pas une loi binomiale, mais une loi de puissance

1999 : Albert-László Barabási, Réka Albert, « Emergence of scaling in random networks », Science

« attachement préférentiel »

4. Pareto

1968 : Robert Merton, The Matthew effect, Science

• Effet Matthieu

« À celui qui a, on lui donnera plus et il vivra dans l’abondance. À celui qui n’a rien, il sera tout pris, même ce qu’il possède »

4. ParetoQuickTime™ et undécompresseur


1896 : Vilfredo Pareto, La courbe de répartition de la richesse1937 : Paul Lévy, Théorie de l’addition des variables aléatoires

Pareto 1896

4. Moreno


Moreno 1934





4. Newman Park

P3—Les degrés des sommets adjacents sont corrélés positivement dans les réseaux sociaux, négativement dans les autres réseaux





2003 : Mark Newman et Juyong Park, « Why social networks are differents from other types of networks? Physical ReviewE





4. Newman Park







2003 : Mark Newman et Juyong Park, « Why social networks are differents from other types of networks? Physical ReviewE

Pourquoi ?

communautés à connectivitéforte vs. faible

CONCLUSION

5. Conclusion

Étapes de la SNA Méthodes utilisées

1955 Sociométrie Inspection visuelle

Ngram Viewer

5. Conclusion



1975 Théorie des graphes Mathématisation

Ngram Viewer

5. Conclusion



1975 Théorie des graphes Mathématisation

1985 Social Network Analysis Modélisation

Ngram Viewer

5. Risque?

Un risque d’instrumentalisation politique ?

1975 Social classes

2006 Social networks

Ngram Viewer

2011 R seaux sociaux.pps) - Mac OS X...

Documents

Transcript of 2011 R seaux sociaux.pps) - Mac OS X...