Analisis jaringan sosial: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
Tag: halaman dengan galat kutipan Suntingan perangkat seluler Suntingan peramban seluler |
Tag: halaman dengan galat kutipan Suntingan perangkat seluler Suntingan peramban seluler |
||
| (1 revisi perantara oleh pengguna yang sama tidak ditampilkan) | |||
Baris 50:
Kohesi: Tingkat di mana para aktor terhubung langsung satu sama lain melalui ikatan yang kohesif. Kohesi struktural mengacu pada jumlah minimum anggota yang jika dikeluarkan dari suatu kelompok akan memutuskan hubungan kelompok tersebut.<ref name="asanet"/><ref>{{cite book|author=Pattillo, Jeffrey|chapter=Clique relaxation models in social network analysis|editor1=Thai, My T.|editor2=Pardalos, Panos M.|name-list-style=amp|title=Handbook of Optimization in Complex Networks: Communication and Social Networks|publisher=Springer|year=2011|isbn=978-1-4614-0856-7|page=149|chapter-url=https://books.google.com/books?id=bdRdcHxQQLQC&pg=PA149|display-authors=etal}}</ref>
== Pemodelan dan visualisasi jaringan ==
[[Berkas:Social network characteristics diagram.jpg|jmpl|upright=1.5|Karakteristik jaringan sosial yang berbeda. A, B, dan C menunjukkan sentralitas dan kepadatan jaringan yang bervariasi; panel D menunjukkan penutupan jaringan, yaitu, ketika dua aktor, yang terikat pada aktor ketiga yang sama, cenderung juga membentuk ikatan langsung di antara mereka. Panel E mewakili dua aktor dengan atribut yang berbeda (misalnya, afiliasi organisasi, kepercayaan, jenis kelamin, pendidikan) yang cenderung membentuk ikatan. Panel F terdiri dari dua jenis ikatan: persahabatan (garis solid) dan ketidaksukaan (garis putus-putus). Dalam hal ini, dua aktor yang berteman sama-sama tidak menyukai pihak ketiga yang sama (atau, dengan cara yang sama, dua aktor yang tidak menyukai pihak ketiga yang sama cenderung berteman).]]
Representasi visual jaringan sosial penting untuk memahami data jaringan dan menyampaikan hasil analisis.<ref>{{cite journal|url=http://www.cmu.edu/joss/content/articles/volume1/Freeman.html|author=Linton C. Freeman|title=Visualizing Social Networks|journal=Journal of Social Structure|volume=1}}</ref> Sejumlah metode visualisasi untuk data yang dihasilkan oleh analisis jaringan sosial telah dipersiapkan.<ref>{{cite journal|last=Hamdaqa|first=Mohammad |author2=Tahvildari, Ladan |author3=LaChapelle, Neil |author4=Campbell, Brian|title=Cultural Scene Detection Using Reverse Louvain Optimization|journal=Science of Computer Programming|date=2014|doi=10.1016/j.scico.2014.01.006|volume=95|pages=44–72|url=https://zenodo.org/record/889712 |doi-access=free}}</ref><ref>{{cite conference|author=Bacher, R.|year=1995|title=Graphical Interaction and Visualization for the Analysis and Interpretation of Contingency Analysis Result|chapter=Graphical interaction and visualization for the analysis and interpretation of contingency analysis results |conference=Proceedings of the 1995 Power Industry Computer Applications|pages=128–134|location=Salt Lake City, USA|publisher=IEEE Power Engineering Society|doi=10.1109/PICA.1995.515175|isbn=0-7803-2663-6 }}</ref><ref>{{cite journal | last1 = Caschera | first1 = M. C. | last2 = Ferri | first2 = F. | last3 = Grifoni | first3 = P. | year = 2008 | title = SIM: A dynamic multidimensional visualization method for social networks | journal = PsychNology Journal | volume = 6 | issue = 3| pages = 291–320 }}</ref><ref>{{Cite web |title=Network Analysis and Modeling (CSCI 5352) |url=https://danlarremore.com/5352/ |access-date=2024-12-02 |website=danlarremore.com}}</ref> Banyak perangkat lunak analitik yang memiliki modul untuk visualisasi jaringan. Data dieksplorasi dengan menampilkan simpul dan ikatan dalam berbagai tata letak dan memberikan warna, ukuran, dan properti canggih lainnya ke simpul. Representasi visual jaringan dapat menjadi metode yang ampuh untuk menyampaikan informasi yang kompleks. Namun, kehati-hatian harus dilakukan dalam menafsirkan properti simpul dan grafik dari tampilan visual saja, karena keduanya dapat salah menggambarkan properti struktural yang lebih baik ditangkap melalui analisis kuantitatif.<ref name="interpreting"/>
[[Grafik bertanda]] dapat digunakan untuk menggambarkan hubungan baik dan buruk antara manusia. Tepi positif antara dua simpul menunjukkan hubungan positif (persahabatan, aliansi, kencan), dan tepi negatif menunjukkan hubungan negatif (kebencian, kemarahan). Grafik jaringan sosial bertanda dapat digunakan untuk memprediksi evolusi grafik di masa mendatang. Dalam jaringan sosial bertanda, ada konsep siklus "seimbang" dan "tidak seimbang". Siklus seimbang didefinisikan sebagai siklus di mana hasil perkalian semua tanda positif. Menurut [[teori keseimbangan]], grafik seimbang menggambarkan sekelompok orang yang tidak mungkin mengubah pendapat mereka tentang orang lain dalam kelompok tersebut. Grafik tidak seimbang menggambarkan sekelompok orang yang sangat mungkin mengubah pendapat mereka tentang orang-orang dalam kelompok mereka. Misalnya, kelompok yang terdiri dari 3 orang (A, B, dan C) di mana A dan B memiliki hubungan positif, B dan C memiliki hubungan positif. Namun, C dan A memiliki hubungan negatif, siklus tidak seimbang. Kelompok ini sangat mungkin berubah menjadi siklus yang seimbang, seperti siklus di mana B hanya memiliki hubungan yang baik dengan A, dan A maupun B memiliki hubungan yang negatif dengan C. Dengan menggunakan konsep siklus yang seimbang dan tidak seimbang, evolusi grafik jaringan sosial yang bertanda dapat diprediksi.<ref>{{cite journal |last1=Cartwright |first1=Dorwin |last2=Harary |first2=Frank |title=Structural balance: a generalization of Heider's theory. |journal=Psychological Review |date=1956 |volume=63 |issue=5 |pages=277–293 |doi=10.1037/h0046049 |pmid=13359597 |s2cid=14779113 }}</ref>
Berbagai pendekatan untuk pemetaan jaringan partisipatif telah terbukti berguna, terutama saat menggunakan analisis jaringan sosial sebagai alat untuk memfasilitasi perubahan. Di sini, peserta/pewawancara menyediakan data jaringan dengan memetakan jaringan (dengan pena dan kertas atau secara digital) selama sesi pengumpulan data. Contoh pendekatan pemetaan jaringan pena dan kertas, yang juga mencakup pengumpulan beberapa atribut aktor (pengaruh yang dirasakan dan tujuan aktor) adalah [[:en:Net-map toolbox|kotak peralatan Net-map]]. Salah satu manfaat dari pendekatan ini adalah memungkinkan peneliti untuk mengumpulkan data kualitatif dan mengajukan pertanyaan klarifikasi saat data jaringan dikumpulkan.<ref name="visualizing"/>
=== Potensi jejaring sosial ===
Potensi Jaringan Sosial (PJS) adalah [[koefisien]] numerik, yang diturunkan melalui [[algoritma]]<ref>{{cite book |doi=10.1145/2024288.2024326 |chapter=Measuring influence on Twitter |title=Proceedings of the 11th International Conference on Knowledge Management and Knowledge Technologies - i-KNOW '11 |year=2011 |last1=Anger |first1=Isabel |last2=Kittl |first2=Christian |page=1 |isbn=9781450307321 |s2cid=30427 }}</ref><ref>{{cite journal |last1=Riquelme |first1=Fabián |last2=González-Cantergiani |first2=Pablo |title=Measuring user influence on Twitter: A survey |journal=Information Processing & Management |date=September 2016 |volume=52 |issue=5 |pages=949–975 |doi=10.1016/j.ipm.2016.04.003 |arxiv=1508.07951 |s2cid=16343144 }}</ref> untuk mewakili ukuran jaringan sosial individu dan kemampuan mereka untuk memengaruhi jaringan tersebut. Koefisien PJS pertama kali didefinisikan dan digunakan oleh Bob Gerstley pada tahun 2002. Istilah yang terkait erat adalah [[:en:Social marketing intelligence#Alpha users|Pengguna Alfa]], yang didefinisikan sebagai orang dengan PJS tinggi.
Koefisien PJS memiliki dua fungsi utama:
# Klasifikasi individu berdasarkan potensi jaringan sosialnya, dan
# Pembobotan responden dalam studi [[riset marketing|riset pemasaran]] kuantitatif.
Dengan menghitung PJS responden dan [[iklan tertarget|menargetkan]] responden PJS Tinggi, [[persuasi|kekuatan]] dan [[relevansi]] riset pemasaran kuantitatif yang digunakan untuk mendorong strategi [[pemasaran viral]] ditingkatkan.
Variabel yang digunakan untuk menghitung PJS seseorang termasuk tetapi tidak terbatas pada: partisipasi dalam aktivitas Jejaring Sosial, keanggotaan kelompok, peran kepemimpinan, pengakuan, publikasi/penyuntingan/kontribusi ke media non-elektronik, publikasi/penyuntingan/kontribusi ke media elektronik (situs web, blog), dan frekuensi distribusi informasi sebelumnya dalam jaringan mereka.<ref>{{cite book|last1=(Hrsg.)|first1=Sara Rosengren|title=The Changing Roles of Advertising|date=2013|publisher=Springer Fachmedien Wiesbaden GmbH|location=Wiesbaden|isbn=9783658023645|url=https://www.springer.com/us/book/9783658023645|access-date=22 Oktober 2015}}{{page needed|date=November 2021}}</ref>
Buku pertama<ref>Ahonen, T. T., Kasper, T., & Melkko, S. (2005). 3G marketing: communities and strategic partnerships. John Wiley & Sons.</ref> yang membahas penggunaan komersial Pengguna Alpha di antara audiens telekomunikasi seluler adalah 3G Marketing oleh Ahonen, Kasper dan Melkko pada tahun 2004. Buku pertama yang membahas Pengguna Alpha secara lebih umum dalam konteks kecerdasan pemasaran sosial adalah Communities Dominate Brands oleh Ahonen & Moore pada tahun 2005. Pada tahun 2012, Nicola Greco ([[Universitas Kolese London|UCL]]) mempresentasikan di [[TED (konferensi)|TEDx]] Potensi Jejaring Sosial sebagai paralelisme terhadap energi potensial yang dihasilkan pengguna dan harus digunakan oleh perusahaan, dengan menyatakan bahwa "PJS adalah aset baru yang harus dimiliki setiap perusahaan".<ref>{{cite web|url=http://tedxtalks.ted.com/video/TEDxMilano-Nicola-Greco-on-math;search%3Atag%3A"technology"|title=Watch "TEDxMilano – Nicola Greco – on math and social network" Video at TEDxTalks|work=TEDxTalks}}</ref>
== Aplikasi praktis ==
Analisis jaringan sosial digunakan secara luas dalam berbagai aplikasi dan disiplin ilmu. Beberapa aplikasi analisis jaringan yang umum meliputi agregasi dan [[penggalian data]], pemodelan penyebaran jaringan, pemodelan dan pengambilan sampel jaringan, analisis atribut dan perilaku pengguna, dukungan sumber daya yang dikelola komunitas, analisis interaksi berbasis lokasi, berbagi dan penyaringan sosial, pengembangan [[sistem rekomendasi]], serta [[prediksi tautan]] dan resolusi entitas.<ref name="Golbeck" /> Di sektor swasta, bisnis menggunakan analisis jaringan sosial untuk mendukung aktivitas seperti interaksi dan analisis pelanggan, analisis pengembangan [[sistem informasi]],<ref>{{cite journal |last1=Aram |first1=Michael |last2=Neumann |first2=Gustaf |title=Multilayered analysis of co-development of business information systems |journal=Journal of Internet Services and Applications |date=1 Juli 2015 |volume=6 |issue=1 |pages=13 |doi=10.1186/s13174-015-0030-8 |s2cid=16502371 |doi-access=free }}</ref> pemasaran, dan kebutuhan [[inteligensi bisnis|intelijen bisnis]]. Beberapa penggunaan di sektor publik meliputi pengembangan strategi keterlibatan pemimpin, analisis keterlibatan individu dan kelompok serta [[psikologi media|penggunaan media]], dan [[penyelesaian masalah|pemecahan masalah]] berbasis komunitas.
=== Analisis jaringan sosial di sekolah ===
Sejumlah besar peneliti di seluruh dunia meneliti jaringan sosial anak-anak dan remaja. Dalam kuesioner, mereka mencantumkan semua teman sekelas, siswa di kelas yang sama, atau teman sekolah, dengan pertanyaan: "Siapakah sahabatmu?". Siswa terkadang dapat menominasikan sebanyak mungkin teman sebaya yang mereka inginkan; di waktu lain, jumlah nominasinya terbatas. Peneliti jaringan sosial telah menyelidiki kesamaan dalam jaringan pertemanan. Kesamaan antara teman telah ditetapkan sejak zaman kuno.<ref>{{Cite journal |last1=McPherson |first1=Miller |last2=Smith-Lovin |first2=Lynn |last3=Cook |first3=James M |date=2001 |title=Birds of a Feather: Homophily in Social Networks |url=https://www.annualreviews.org/doi/10.1146/annurev.soc.27.1.415 |journal=Annual Review of Sociology |language=en |volume=27 |issue=1 |pages=415–444 |doi=10.1146/annurev.soc.27.1.415 |s2cid=2341021 |issn=0360-0572}}</ref> Kemiripan merupakan dasar penting bagi keberlangsungan persahabatan. Kesamaan dalam karakteristik, sikap, atau perilaku berarti bahwa teman-teman lebih cepat memahami satu sama lain, memiliki minat yang sama untuk dibicarakan, lebih memahami posisi mereka satu sama lain, dan lebih percaya satu sama lain.<ref>{{Cite journal |last1=Laursen |first1=Brett |last2=Veenstra |first2=René |date=2021 |title=Toward understanding the functions of peer influence: A summary and synthesis of recent empirical research |journal=Journal of Research on Adolescence |language=en |volume=31 |issue=4 |pages=889–907 |doi=10.1111/jora.12606 |issn=1050-8392 |pmc=8630732 |pmid=34820944}}</ref> Hasilnya, hubungan seperti itu lebih stabil dan berharga. Selain itu, penampilan yang lebih mirip membuat kaum muda lebih percaya diri dan memperkuat mereka dalam mengembangkan identitas mereka.<ref>{{Cite web |title=Hallinan, M. T. (1980). Patterns of cliquing among youth. In H. C. Foot, A. J. Chapman, & J. R. Smith (Eds.), Friendship and social relations in children (pp. 321–342). New York, NY: Wiley. |url=https://psycnet.apa.org/record/1995-97220-012 |access-date=2023-03-10 |website=psycnet.apa.org |language=en}}</ref> Kesamaan dalam perilaku dapat terjadi akibat dua proses: seleksi dan pengaruh. Kedua proses ini dapat dibedakan menggunakan analisis jaringan sosial longitudinal dalam paket R SIENA (Simulation Investigation for Empirical Network Analyses), yang dikembangkan oleh [[Tom Snijders]] dan rekan-rekannya.<ref>{{Cite journal |last1=Snijders |first1=Tom A. B. |last2=van de Bunt |first2=Gerhard G. |last3=Steglich |first3=Christian E. G. |date=2010 |title=Introduction to stochastic actor-based models for network dynamics |url=https://www.sciencedirect.com/science/article/pii/S0378873309000069 |journal=Social Networks |series=Dynamics of Social Networks |language=en |volume=32 |issue=1 |pages=44–60 |doi=10.1016/j.socnet.2009.02.004 |issn=0378-8733}}</ref> Analisis jaringan sosial longitudinal menjadi arus utama setelah penerbitan edisi khusus [[:en:Journal of Research on Adolescence|Jurnal Penelitian Remaja]] pada tahun 2013, yang diedit oleh [[René Veenstra]] dan berisi 15 makalah empiris.<ref>{{Cite web |last1=Veenstra |first1=René |last2=Laninga-Wijnen |first2=Lydia |year=2023 |title=The Prominence of Peer Interactions, Relationships, and Networks in Adolescence and Early Adulthood |url=https://osf.io/preprints/socarxiv/s57zm/ |access-date=2023-03-10 |website=osf.io |publisher=American Psychological Association}}</ref>
=== Aplikasi keamanan ===
Analisis jaringan sosial juga digunakan dalam kegiatan intelijen, [[kontra-intelijen]], dan [[penegakan hukum]]. Teknik ini memungkinkan analis untuk memetakan organisasi rahasia seperti jaringan [[spionase|mata-mata]], keluarga kriminal terorganisasi, atau geng jalanan. [[Badan Keamanan Nasional]] (NSA) menggunakan program [[pengawasan komputer dan jaringan|pengawasan elektroniknya]] untuk menghasilkan data yang diperlukan guna melakukan jenis analisis ini pada sel teroris dan jaringan lain yang dianggap relevan dengan keamanan nasional. NSA memeriksa hingga tiga simpul dalam analisis jaringan ini.<ref name="nsa_degrees">{{cite news|url=https://www.theguardian.com/world/2013/jul/17/nsa-surveillance-house-hearing|date=17 Juli 2013|access-date=19 Juli 2013|title=NSA warned to rein in surveillance as agency reveals even greater scope|newspaper=The Guardian|last1=Ackerman|first1=Spencer}}</ref> Setelah pemetaan awal jaringan sosial selesai, analisis dilakukan untuk menentukan struktur jaringan dan menentukan, misalnya, pemimpin dalam jaringan.<ref name="nsa_how">{{cite web|url=http://www.digitaltonto.com/2013/how-the-nsa-uses-social-network-analysis-to-map-terrorist-networks/|date=12 Juni 2013|access-date=19 Juli 2013|title=How The NSA Uses Social Network Analysis To Map Terrorist Networks}}</ref> Hal ini memungkinkan aset militer atau penegak hukum untuk melancarkan serangan pemenggalan kepala dengan cara menangkap atau membunuh target bernilai tinggi dalam posisi kepemimpinan untuk mengganggu fungsi jaringan. NSA telah melakukan analisis jaringan sosial pada catatan detail panggilan, yang juga dikenal sebagai [[metadata]], sejak tak lama setelah [[serangan 11 September 2001]].<ref name="NSA_SNA">{{cite magazine|url=https://www.wired.com/science/discoveries/news/2006/05/70888|title=NSA Using Social Network Analysis|magazine=Wired|date=12 May 2006|access-date=19 July 2013}}</ref><ref name="nsa_usa">{{cite journal|url=http://www.slate.com/articles/news_and_politics/explainer/2006/05/how_the_nsa_does_social_network_analysis.html|date=11 Mei 2006|access-date=19 Juli 2013|title=NSA has massive database of Americans' phone calls |journal=Slate |last1=Dryer |first1=Alexander }}</ref>
=== Aplikasi analisis tekstual ===
Korpus tekstual yang besar dapat diubah menjadi jaringan dan kemudian dianalisis menggunakan analisis jaringan sosial. Dalam jaringan ini, simpulnya adalah Aktor Sosial, dan tautannya adalah Tindakan. Ekstraksi jaringan ini dapat diotomatisasi dengan menggunakan parser. Jaringan yang dihasilkan, yang dapat berisi ribuan simpul, kemudian dianalisis menggunakan alat dari teori jaringan untuk mengidentifikasi aktor utama, komunitas atau pihak utama, dan properti umum seperti ketahanan atau stabilitas struktural jaringan keseluruhan atau sentralitas simpul tertentu.<ref>{{cite journal |last1=Sudhahar |first1=Saatviga |last2=De Fazio |first2=Gianluca |last3=Franzosi |first3=Roberto |last4=Cristianini |first4=Nello |title=Network analysis of narrative content in large corpora |journal=Natural Language Engineering |date=Januari 2015 |volume=21 |issue=1 |pages=81–112 |doi=10.1017/S1351324913000247 |hdl=1983/dfb87140-42e2-486a-91d5-55f9007042df |s2cid=3385681 |url=https://research-information.bris.ac.uk/en/publications/dfb87140-42e2-486a-91d5-55f9007042df |hdl-access=free }}</ref> Hal ini mengotomatisasi pendekatan yang diperkenalkan oleh Analisis Naratif Kuantitatif,<ref>Quantitative Narrative Analysis; Roberto Franzosi; Emory University © 2010</ref> dimana triplet subjek-kata kerja-objek diidentifikasi dengan pasangan aktor yang dihubungkan oleh suatu tindakan, atau pasangan yang dibentuk oleh aktor-objek.<ref name="ReferenceA" />
[[Berkas:Tripletsnew2012.png|jmpl|kanan|Jaringan Naratif Pemilu AS 2012<ref name="ReferenceA">{{cite journal |last1=Sudhahar |first1=Saatviga |last2=Veltri |first2=Giuseppe A |last3=Cristianini |first3=Nello |title=Automated analysis of the US presidential elections using Big Data and network analysis |journal=Big Data & Society |date=Mei 2015 |volume=2 |issue=1 |doi=10.1177/2053951715572916 |doi-access=free |hdl=2381/31767 |hdl-access=free }}</ref>]]
Dalam pendekatan lain, analisis tekstual dilakukan dengan mempertimbangkan jaringan kata-kata yang muncul bersamaan dalam sebuah teks. Dalam jaringan ini, simpul adalah kata-kata dan tautan di antara kata-kata tersebut diberi bobot berdasarkan frekuensi kemunculannya bersamaan (dalam rentang maksimum tertentu).
=== Aplikasi internet ===
Analisis jaringan sosial juga telah diterapkan untuk memahami perilaku daring oleh individu, organisasi, dan antar situs web.<ref name=Ghanbarnejad/> Analisis [[pranala]] dapat digunakan untuk menganalisis koneksi antara [[situs web]] atau [[laman web]] untuk memeriksa bagaimana informasi mengalir saat individu menavigasi web.<ref>{{cite journal |last1=Osterbur |first1=Megan |last2=Kiel |first2=Christina |title=A hegemon fighting for equal rights: the dominant role of COC Nederland in the LGBT transnational advocacy network |journal=Global Networks |date=April 2017 |volume=17 |issue=2 |pages=234–254 |doi=10.1111/glob.12126 }}</ref> Hubungan antara organisasi telah dianalisis melalui analisis pranala untuk memeriksa organisasi mana saja dalam suatu masalah komunitas.<ref>{{cite book |chapter-url=https://www.degruyter.com/document/doi/10.18574/nyu/9781479849468.003.0034/html |chapter-url-access=subscription |doi=10.18574/nyu/9781479849468.003.0034 |isbn=978-1-4798-4946-8 |chapter=Pink Links: Visualizing the Global LGBTQ Network |date=19 September 2017 |publisher=New York University Press |editor1-first=Marla |editor1-last=Brettschneider |editor2-first=Susan |editor2-last=Burgess |editor3-first=Christine |editor3-last=Keating |title=LGBTQ Politics |pages=493–522 }}</ref>
==== Netokrasi ====
Konsep lain yang muncul dari hubungan antara teori jaringan sosial dan Internet adalah konsep [[netokrasi]], di mana beberapa penulis muncul mempelajari korelasi antara penggunaan jaringan sosial daring yang luas, dan perubahan dalam dinamika kekuatan sosial.<ref>{{cite book|last1=Bard|first1=Alexander|last2=Sšderqvist|first2=Jan|title=The Netocracts: Futurica Trilogy 1|date=24 Februari 2012 |publisher=Stockholm Text|isbn=9789187173004|url=https://books.google.com/books?id=TeWCBwAAQBAJ&pg=PT131|access-date=3 Maret 2017|language=en}}</ref>
==== Aplikasi internet sosial media ====
Analisis jaringan sosial telah diterapkan pada media sosial sebagai alat untuk memahami perilaku antara individu atau organisasi melalui keterkaitan mereka di situs web media sosial seperti [[Twitter]] dan [[Facebook]].<ref>{{Cite book|last1=Kwak|first1=Haewoon|last2=Lee|first2=Changhyun|last3=Park|first3=Hosung|last4=Moon|first4=Sue|title=Proceedings of the 19th international conference on World wide web |chapter=What is Twitter, a social network or a news media? |date=2010-04-26|publisher=ACM|pages=591–600|doi=10.1145/1772690.1772751|isbn=9781605587998|citeseerx=10.1.1.212.1490|s2cid=207178765}}</ref>
=== Dalam pembelajaran kolaboratif yang didukung komputer ===
Salah satu metode terkini penerapan analisis jaringan sosial adalah studi [[:en:Computer-supported collaborative learning|pembelajaran kolaboratif yang didukung komputer]] (CSCL). Saat diterapkan pada CSCL, analisis jaringan sosial digunakan untuk membantu memahami bagaimana peserta didik berkolaborasi dalam hal jumlah, frekuensi, dan durasi, serta kualitas, topik, dan strategi komunikasi.<ref name=":0">{{Cite journal|last1=Laat|first1=Maarten de|last2=Lally|first2=Vic|last3=Lipponen|first3=Lasse|last4=Simons|first4=Robert-Jan|date=2007-03-08|title=Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis|journal=International Journal of Computer-Supported Collaborative Learning|language=en|volume=2|issue=1|pages=87–103|doi=10.1007/s11412-007-9006-4|s2cid=3238474}}</ref> Selain itu, analisis jaringan sosial dapat berfokus pada aspek-aspek tertentu dari koneksi jaringan, atau keseluruhan jaringan. Analisis jaringan sosial menggunakan representasi grafis, representasi tertulis, dan representasi data untuk membantu memeriksa koneksi dalam jaringan CSCL.<ref name=":0" /> Saat menerapkan SNA pada lingkungan CSCL, interaksi para peserta diperlakukan sebagai jaringan sosial. Fokus analisisnya adalah pada "hubungan" yang terjalin di antara para peserta – bagaimana mereka berinteraksi dan berkomunikasi – dan bukan pada bagaimana masing-masing peserta berperilaku sendiri-sendiri.
==== Istilah-istilah penting ====
Ada beberapa istilah kunci yang terkait dengan penelitian analisis jaringan sosial dalam pembelajaran kolaboratif yang didukung komputer seperti: '''kepadatan''', '''sentralitas''', '''derajat masuk''', '''derajat keluar''', dan '''sosiogram'''.
* '''Kepadatan''' mengacu pada "koneksi" antara peserta. Kepadatan didefinisikan sebagai jumlah koneksi yang dimiliki peserta, dibagi dengan total kemungkinan koneksi yang dapat dimiliki peserta. Misalnya, jika ada 20 orang yang berpartisipasi, setiap orang berpotensi terhubung dengan 19 orang lainnya. Kepadatan 100% (19/19) adalah kepadatan terbesar dalam sistem. Kepadatan 5% menunjukkan hanya ada 1 dari 19 kemungkinan koneksi.<ref name=":0" />
* '''Sentralitas''' berfokus pada perilaku peserta individu dalam suatu jaringan. Ia mengukur sejauh mana seorang individu berinteraksi dengan individu lain dalam jaringan. Semakin banyak individu terhubung dengan orang lain dalam suatu jaringan, semakin besar sentralitas mereka dalam jaringan.<ref name=":0" /><ref name=":1" />
Variabel derajat masuk dan derajat keluar terkait dengan sentralitas.
* Sentralitas '''derajat masuk''' terpusat pada individu tertentu sebagai titik fokus; sentralitas semua individu lainnya didasarkan pada hubungan mereka dengan titik fokus individu "derajat masuk".<ref name=":0" />
* '''Derajat keluar''' merupakan ukuran sentralitas yang masih berfokus pada satu individu saja, namun analitiknya memperhatikan interaksi keluar dari individu tersebut; ukuran sentralitas derajat keluar adalah seberapa sering individu yang menjadi titik fokus berinteraksi dengan orang lain.<ref name=":0" /><ref name=":1" />
* '''Sosiogram''' adalah visualisasi dengan batasan koneksi yang jelas dalam jaringan. Misalnya, sosiogram yang menunjukkan titik sentralitas derajat keluar untuk Partisipan A akan menggambarkan semua koneksi keluar yang dibuat Partisipan A dalam jaringan yang diteliti.<ref name=":0" />
==== Kemampuan unik ====
Para peneliti menggunakan analisis jaringan sosial dalam studi pembelajaran kolaboratif yang didukung komputer sebagian karena kemampuan unik yang ditawarkannya. Metode khusus ini memungkinkan studi pola interaksi dalam komunitas pembelajaran jaringan dan dapat membantu menggambarkan sejauh mana interaksi peserta dengan anggota kelompok lainnya.<ref name=":0" /> Grafik yang dibuat menggunakan alat analisis jaringan sosial memberikan visualisasi hubungan antar peserta dan strategi yang digunakan untuk berkomunikasi dalam kelompok. Beberapa penulis juga menyarankan bahwa analisis jaringan sosial menyediakan metode untuk menganalisis perubahan pola partisipasi anggota dari waktu ke waktu dengan mudah.<ref>{{cite book |doi=10.4324/9780203763865-71 |chapter=Patterns of Interaction in Computer-supported Learning: A Social Network Analysis |title=International Conference of the Learning Sciences |year=2013 |pages=346–351 |isbn=9780203763865 }}</ref>
Sejumlah penelitian telah menerapkan SNA pada CSCL dalam berbagai konteks. Temuannya meliputi korelasi antara kepadatan jaringan dan kehadiran guru,<ref name=":0" /> perhatian yang lebih besar terhadap rekomendasi dari peserta "pusat",<ref>{{cite journal |last1=Martı́nez |first1=A. |last2=Dimitriadis |first2=Y. |last3=Rubia |first3=B. |last4=Gómez |first4=E. |last5=de la Fuente |first5=P. |title=Combining qualitative evaluation and social network analysis for the study of classroom social interactions |journal=Computers & Education |date=December 2003 |volume=41 |issue=4 |pages=353–368 |doi=10.1016/j.compedu.2003.06.001 |citeseerx=10.1.1.114.7474 |s2cid=10636524 }}</ref> jarangnya interaksi lintas gender dalam jaringan,<ref>{{cite conference|author1=Cho, H.|author2=Stefanone, M.|author3=Gay, G|name-list-style=amp|year=2002|title=Social information sharing in a CSCL community|conference=Computer support for collaborative learning: Foundations for a CSCL community|location=Hillsdale, NJ|publisher=Lawrence Erlbaum|pages=43–50|citeseerx=10.1.1.225.5273}}</ref> dan peran yang relatif kecil yang dimainkan oleh instruktur dalam jaringan pembelajaran asinkron.<ref>{{cite journal|author1=Aviv, R.|author2=Erlich, Z.|author3=Ravid, G.|author4=Geva, A.|name-list-style=amp|year=2003|title=Network analysis of knowledge construction in asynchronous learning networks|journal=Journal of Asynchronous Learning Networks|volume=7|issue=3|pages=1–23|citeseerx=10.1.1.2.9044}}</ref>
==== Metode lain yang digunakan dengan analisis jaringan sosial ====
Meskipun banyak penelitian telah menunjukkan nilai analisis jaringan sosial dalam bidang pembelajaran kolaboratif yang didukung komputer,<ref name=":0" /> para peneliti telah menyarankan bahwa analisis jaringan sosial sendiri tidak cukup untuk mencapai pemahaman penuh tentang CSCL. Kompleksitas proses interaksi dan banyaknya sumber data membuat analisis jaringan sosial sulit untuk memberikan analisis mendalam tentang CSCL.<ref>{{Cite book|title=Groupware: Design, Implementation, and Use|last1=Daradoumis|first1=Thanasis|last2=Martínez-Monés|first2=Alejandra|last3=Xhafa|first3=Fatos|chapter=An Integrated Approach for Analysing and Assessing the Performance of Virtual Learning Groups |date=2004-09-05|publisher=Springer Berlin Heidelberg|isbn=9783540230168|editor-last=Vreede|editor-first=Gert-Jan de|series=Lecture Notes in Computer Science|volume=3198 |pages=[https://archive.org/details/unset0000unse_i0a6/page/289 289–304]|language=en|doi=10.1007/978-3-540-30112-7_25|editor-last2=Guerrero|editor-first2=Luis A.|editor-last3=Raventós|editor-first3=Gabriela Marín|hdl=2117/116654|s2cid=6605 |chapter-url-access=registration|chapter-url=https://archive.org/details/unset0000unse_i0a6/page/289}}</ref> Para peneliti menunjukkan bahwa analisis jaringan sosial perlu dilengkapi dengan metode analisis lain untuk membentuk gambaran yang lebih akurat tentang pengalaman belajar kolaboratif.<ref name=autogenerated1/>
Sejumlah penelitian telah menggabungkan jenis analisis lain dengan analisis jaringan sosial dalam studi CSCL. Hal ini dapat disebut sebagai pendekatan multi-metode atau [[triangulasi]] data, yang akan menghasilkan peningkatan [[reliabilitas|keandalan]] evaluasi dalam studi CSCL.
* Metode kualitatif – Prinsip penelitian studi kasus kualitatif merupakan kerangka kerja yang kuat untuk integrasi metode analisis jaringan sosial dalam studi pengalaman CSCL.<ref>{{Cite journal|last=Johnson|first=Karen E.|date=1996-01-01|title=Review of The Art of Case Study Research|jstor=329758|journal=The Modern Language Journal|volume=80|issue=4|pages=556–557|doi=10.2307/329758}}</ref>
** ''Data [[etnografi]]'' seperti kuesioner dan wawancara siswa serta observasi non-partisipan di kelas<ref name=autogenerated1>{{cite journal|author1=Martínez, A.|author2=Dimitriadis, Y.|author3=Rubia, B.|author4=Gómez, E.|author5=de la Fuente, P.|date=2003-12-01|title=Combining qualitative evaluation and social network analysis for the study of classroom social interactions|journal=Computers & Education. Documenting Collaborative Interactions: Issues and Approaches|volume=41|issue=4|pages=353–368|doi=10.1016/j.compedu.2003.06.001|citeseerx=10.1.1.114.7474|s2cid=10636524 }}</ref>
** ''[[Studi kasus]]:'' mempelajari situasi CSCL tertentu secara komprehensif dan menghubungkan temuan dengan skema umum<ref name=autogenerated1 />
** ''[[Analisis isi]]:'' menawarkan informasi tentang isi komunikasi antar anggota<ref name=autogenerated1 />
* Metode kuantitatif – Ini mencakup analisis statistik deskriptif sederhana pada kejadian untuk mengidentifikasi sikap tertentu dari anggota kelompok yang belum dapat dilacak melalui analisis jaringan sosial untuk mendeteksi kecenderungan umum.
** ''[[berkas log|File log]] komputer:'' menyediakan data otomatis tentang bagaimana alat kolaboratif digunakan oleh pelajar<ref name=autogenerated1 />
** ''[[Penskalaan multidimensi]]:'' memetakan kesamaan di antara para aktor, sehingga data masukan yang lebih mirip lebih dekat satu sama lain<ref name=autogenerated1 />
** ''Alat [[perangkat lunak]]:'' QUEST, SAMSA (System for Adjacency Matrix and Sociogram-based Analysis), dan Nud*IST<ref name=autogenerated1 />
== Referensi ==
| |||