2.4.1.2 formazione amicizia tra gli studenti

I ricercatori hanno utilizzato i registri e-mail e dati amministrativi per capire la formazione di amicizia. Questa ricerca richiede che fare con l'incompletezza di dati di grandi dimensioni.

In molte situazioni, i ricercatori non hanno la fortuna di avere tutto quello che vogliono raccolti automaticamente in un unico luogo. Due problemi comuni sono informazioni incomplete sulle persone e una mancata corrispondenza tra costrutti teorici e dati. Entrambi questi problemi sono stati affrontati da Kossinets e Watts (2009) come parte dei loro sforzi per capire come le reti sociali si evolvono.

In parole povere, i ricercatori ritengono che l'evoluzione social network è guidato da tre caratteristiche: 1) la struttura delle relazioni esistenti 2) attività condivise (ad esempio, dormitori, classi) e 3) demografici. Comprendere le interrelazioni tra questi tre fattori richiede i dati di rete longitudinali in combinazione con le informazioni sui dati demografici e le attività degli individui. Studi precedenti avevano alcune di queste caratteristiche, ma nessuno ha avuto tutti e tre.

Kossinets e Watts hanno iniziato la loro ricerca con l'acquisizione dei registri e-mail da una grande università. Tuttavia, questi registri e-mail solo erano incompleti, non includono tutto il necessario per comprendere i vari fattori che determinano l'evoluzione della rete. Pertanto, Kossinets e Watts fuse questi registri e-mail, con altre due fonti di informazione: informazioni demografiche raccolte dall'università e informazioni su attività condivise (ad esempio, informazioni residence per studenti e un elenco completo di iscrizione ai corsi). Una volta che queste tre fonti di informazione, ognuno dei quali era incompleto, sono state fuse insieme Kossinets e Watts aveva una struttura di dati potente per l'evoluzione della rete comprensione.

Ma, c'era una sfida finale che hanno dovuto superare. Kossinets e Watts hanno voluto studiare come il social network in questa università si è evoluto in modo da aver bisogno di un modo per utilizzare i log di posta elettronica in una stima che è stato collegato a chi in quel momento. Come discusso in precedenza (sezione 2.3.2.1), questo tipo di operatività di costrutti teorici è una grande sfida quando si utilizza tracce digitali per la ricerca sociale. Alla fine, Kossinets e Watts hanno deciso che due persone sono state prese in considerazione collegato al momento \ (t \) se e solo se si erano scambiati messaggi di posta elettronica (\ (i \) via e-mail \ (j \) e \ (j \) inviato via email \ ( i \)) nei 60 giorni precedenti. Queste scelte non erano arbitrari; erano basati su un attento esame di questa impostazione empirica, e Kossinets e Watts verificato che i loro risultati erano robusti a queste scelte. In generale, se la vostra operatività comporta la scelta di alcuni specifici tagli-dire 60 giorni invece di 30 giorni o 90 giorni, è una buona idea per assicurarsi che i risultati non sono sensibili a questa scelta.

Una volta Kossinets e Watts affrontato il problema causato da incompletezza (ad esempio, mancano informazioni demografiche, informazioni su attività condivise mancanti, e manca costrutti teorici), che avevano i dati che hanno permesso loro di comprendere le tre forze principali che possono guidare l'evoluzione della rete: 1) il la struttura delle relazioni già esistenti 2) attività condivise (ad esempio, dormitori, classi) e 3) la demografia. In linea con precedenti ricerche, hanno scoperto che le persone con caratteristiche demografiche simili sono più propensi a formare relazioni. Tuttavia, a differenza di studi precedenti, hanno scoperto che questo modello è stato fortemente mitigato dalla struttura di rete esistente e attività condivise. In altre parole, il modello che i ricercatori precedenti avevano visto è stato parzialmente spiegato dai dati che i ricercatori precedenti non avevano. Così, per affrontare con successo l'incompletezza dei dati, Kossinets e Watts hanno potuto chiarire l'interazione di una varietà di fattori diversi che guidano evoluzioni network sociali.