Sunbelt 2018 報告 京都産業大学　　　金光 淳.

Presentation on theme: "Sunbelt 2018 報告 京都産業大学　　　金光 淳."— Presentation transcript:

1 Sunbelt 2018 報告 京都産業大学　　　金光 淳

2 Sunbelt Conferenceとは International Network for Social Network Analysis （INSNA）が開 催する年１回の専門学会。1981年以来38回開催されている。 3年に一度ほど非北米で開催され（欧州が多い）去年アジ アで初めて北京（正式開催としては初めて）で開催された。 今回は社会ネットワーク分析強国であるオランダの大学街 であるユトレヒト都心（ユトレヒト大学）で開催。 来年はカナダのモントリオールで開催される。欧州では今 回を含め過去6回開催され今回が7回目 特に欧州開催ではバカンスを兼ねるので参加者が非常に多 くなる。 社会学がベースであり社会科学者が参加の多くを占めるが、 ソーシャル・メディア、言語、歴史的なデータからのネッ トワークにもウィングを広げている。

3 ☑️ 金光参加 ヨーロッパ開催 ☑️ ☑️ ☑️ ☑️ ☑️ ☑️ ☑️ ☑️

4 ネットワーク関係国際学会の比較 Sunbelt2018 Utrecht NetSci2018 Paris
今年は場所的に機関的に近く両方に参加した研究者が多かったようだ Sunbelt2018 Utrecht 回数　38回目（1981年から）１週間 35（実施33）Work Shops 161 Sessions （1つは女性研究者を考 えるセッション） 700を超える発表。ほぼリジェクトさ れない　Poster 72 幅広いテーマだが社会科学中心 世界各国からの参加者（北米と欧州、 アジアからは少ない）　 NetSci2018 Paris 回数　13回目（2006年から）３日間 600を超える応募で厳選発表。招待講 演あり。 物理学中心　情報工学　疫学　 経済学が多い。社会学少ない

5

6 どんな内容かソフト、アプリケーションは？
ワークショップの 傾向分析 セッションの 分析 口頭発表論文の 分析 注目すべき新しい動き どんな内容かソフト、アプリケーションは？ どういう分野で研究されているか？ 著者の所属国分析 今後の方向 期待される研究分野・テーマ 日本の研究（者）の課題

7 33Workshops R NodeXL NetLogo R/igraph Gephi 9.2 （ Java） UCINET and
WS17a: From Texts to Networks to Maps WS18a: Mixed Methods Research in Social Networks WS19: Dynamic Network Data in statnet: Network Animations and Descriptive Statistics for Temporal SNA WS20: Valued Tie Network Modeling with statnet WS23: Advanced RSiena users’ workshop WS25a: Intermediate Social Network Analysis with UCINET WS26: Introduction to Social Network Data Collection with an Emphasis on Social Survey Methods WS27: Social Network Approaches for Behavior Change WS22a: Simplifying ego-centered network analysis in R with egor WS28: Introduction to Modeling Temporal (dynamic) ERGMs using statnet WS29: Introduction to Egocentric Network Data Analysis with ERGMs and TERGMs using statnet WS30: Multilevel Modeling for Egocentric Network Analysis WS31: Understanding Diffusion with netdiffuseR WS32: Relational Events: Estimating Dynamic Network Actor Models (DyNAMs) with the Goldfish Software WS33: The Positional Approach to Social Network Analysis WS34: Visualizing Social Networks. How to Create Meaningful and Compelling Network Drawings WS35: Analysis of Multiplex Social Networks with R WS01: Introduction to SNA descriptive statistics and hypothesis testing using R/statnet WS02: statnetWeb: The easy way to learn (or teach) statistical modeling of network data with ERGMs WS03a: Charting collections of connections with NodeXL: A few clicks to network insights WS04a: Introduction to Qualitative Structural Analysis (QSA) WS05: Introduction to the UC Berkeley Social Networks Panel Study (UCNets) WS06a: Conducting a Network Study from Start to Finish WS07: Algebraic analysis of multiplex, signed, and two-mode networks WS08a: Analysing network dynamics and peer influence processes with RSiena WS09a: Introduction to the Analysis of Network Data with UCINET and NetDraw WS10a: Agent-Based Models in Social network Analysis using NetLogo WS11a: Introduction to ego-network analysis with R WS12a: Using R and igraph for Social Network Analysis WS13: Permutation tests for Network Data Regression Analyses: Unrestricted and Restricted MR-QAP models WS14: Introduction to ERGMs using statnet WS15: Modeling Relational Event Dynamics with R/statnet NodeXL Gephi 9.2 （ Java） R UCINET and NetDraw NetLogo R/igraph ORA NetMapper Vissone

8 Multilevelでダイナミックな分析
Workshopsのまとめ Rが中核的な分析アプリケーションに オーソドックスな社会学的研究が基盤に Multilevelでダイナミックな分析 エゴネットワークへの注目が顕著に 昔無料だった分析アプリケーションが高価に（NodeXLなど）　各研究機関が 独自のしかも比較的高額ものを開発するようになっている（Visone、ORA＆ NetMapperなど）

9 160 Sessions Public Health 10 Corporate Power 4 Climate 2 Biology 1
Methodology 9 Historical Feminism Core duscussion Ego network 8 Politics Field change Criminology Semantic Social Psychology Intergroup Dynamics Education 7 Urban Labor Market Ethinicity Innovation 6 Culture 3 Network data Future problem Environmental governance 5 Experimental Open session IOR KM Family, personal Organization Law Online network Network dynamics Public Policy Life Science Scientific Network Ecology Qualitative Market Statistic, Mathematical Simulation Sexual Mental Social capital Social Influence Micro-Macro Link Social Movement Mobile Phone Relational Relational chain Sighed gaph Sport Trade Visualization

10 Sessionsのまとめ 各国とも公的資金が多く使われる分野であるためか公衆衛生関連の研究が最も 重点的な研究部分を占めるようになっている。
教育分野の研究も上位を占める。これも公的資金か？ 環境ガバナンス関係の研究が意外と多い。 イノベーション、科学関係は相変わらず多い。 エゴネットワークの研究が多くなっている。伝統的な社会学調査とのリンク 考古学的歴史的データの分析、文化データの分析に注目　ビックデータ解析と の関連 セマンティックも多い。 生物、脳神経系、疫学分野は少なくNetSci行きか？　 経済・経営系、マーケティング系は相変わらず少ない。

11 地元オランダの圧倒的存在感 Papers by countries ロシアの台頭 欧州勢の勢い が止まらない 日本の研究機関からは２人のみ

12 オランダはどうして社会ネットワーク分析が盛んなのか？
イギリス社会人類学の伝統を継ぎ、Friends of Friendsを表した構造社会人類学者　J.Boassevain（ボアセ ベン）が存在したことで社会ネットワーク分析の伝統がある。ゾーン、中心度や密度概念の提出。 多重ネットワーク概念を分析したことで有名なKapferer（1969）の研究も含まれている。 取締役兼任ネットワークの分析　Stockman などの研究者がいた。 グラフ理論の分析パッケージである GRADAPというプログラムが存在した。 イギリスの代表的な社会ネットワーク分析研究者であるJohn Scottも参加した1980年代の欧州の１ ０カ国での取締兼任ネットワーク研究プロジェクトはStockman, Zielger, Scottの主導のもとGRADAP で分析された。 統計学者のGroningen大学のSnijderが統計的な社会ネットワーク分析を主導し、多くの研究者を育て た。分析プログラムSiena の作成　ダイナミックな研究 英語がほぼ標準語の中で発表・研究の機会も多く、研究者が育ちやすい。 Phillipsが存在し、電子工学も盛んで情報工学のレベルも高い。オランダモデルと言われるジョブ シェアリング、シェア経済、BIの導入が考えられている最も進んだ社会と言われる社会の中で社会 科学の研究の重要性が高い。

13 ドイツはどうして社会ネットワーク分析強国になったか？
今や伝統国イギリスを上回る発表者、参加者を誇る。 もともとジンメル社会学の発祥地で、関係主義的な社会学の基 礎がある。 U.Brandesを中心に情報工学とネットワーク分析が不可分になっ ている。 地方分権が進んだ先進社会の中で社会科学の研究の重要性が高 い。ハバーマス、ルーマンなどの社会学が盛ん。 欧州の中心国として数学の伝統がある東欧などからも人材が集 まりやすい。

14 ここ数年のトレンド❶：Exponential Random graph model （ERGM)
c：正規化定数 グラフGの確率 確率 z：ネットワーク統計量　ネットワーク布置 2013, CUP Lusher, Dean. Exponential Random Graph Models for Social Networks (Structural Analysis in the Social Sciences) (Kindle の位置No.556). Cambridge University Press. Kindle 版.

15 ネットワーク自己組織が基本的で内生的な過程
ネットワークの生成過程のモデル化 Lusher, Dean. Exponential Random Graph Models for Social Networks (Structural Analysis in the Social Sciences) (Kindle の位置No.973). Cambridge University Press. Kindle 版. ネットワーク自己組織が基本的で内生的な過程　 外生的な過程　 外生的な過程　 ロジスティック回帰分析にかける

16 ここ数年のトレンド❷：Multilevel、Multilayerネットワーク
Facebookを中心とした様々なソーシャ ル・ネットワークがウェブ上に出現 し、職場の人間関係が混じり合うよ うな社会状況をモデル化する必要が 出てきたためと思われる。 2017年にNetwork Scienceで特集。 Oxford UP、Cambridge UP 両方から出 版 イタリアの研究者が多い。 2016, CUP SNA寄り , OUP NS寄り

17 Multi-Layer Social Networks （MLSN)
Multiplex network：一方のレイヤーを媒介してネットワークが展開されていることをモデル化できる。 （Dickson, Magnani and Rossi, 2014) Multi-slice network：レイヤー間のダイナミズムをモデル化できる。 Multi-levelでは同一種類のアクターは同じでなくても可能 Temporal networks A network of networks：レイヤー間の相互作用、相互関係をモデル化できる。 Multi-layerでは同一種類のアクター Multi-level social networks

18 MLSNの尺度、視覚化 （Dickson, Magnani and Rossi, 2014) Visualization Measures
Centrality (occupation centralityなどユニークなものも) Distance path length Q Community Detection Clustering coefficient relevance Interlayer assortativity coefficient Effective Size Hierarchy Edge Coocurence Graph

19 ここ数年のトレンド❸： EGO–NETWORK
　近年エゴネットワークに注目した社会ネットワーク分析が脚光を浴びている。これには２つの要因が考えられる。 Facebookなどのエゴベースのソーシャル・ネットワークが登場したこと。社内SNSの普及。 マーケティングな利用、組織ネットワーク改革なども可能に ソーシャルキャピタル的な社会調査が一般化したこと　個人の属性が重要に サーシャルサポート調査、社会疫学的調査との関連 心理カウンセリングなど臨床にも利用可能 「ビジネス顕微鏡」もこれを採用する必要がある。 2015, Sage , CUP

20 エゴネットワーク分析の利点 From 2018, CUP １ Name-generator Position-generator
Resource-generator で収集 ２　 日記、アーカイブ、などから収集 ３　 ナラティブ、インタビューなどから収集 多くの領域、文脈から想起可能 質的分析法との統合が可能 詳細な質問ができる

21 エゴレベルの様々な尺度

22 EGO–NETWORK分析、視覚化ソフトウエア
E-Net Borgatti作　Analytic Technologies UCINETを開発して いる会社 R: egor GENSI ：Graphical Ego-centered Network Survey Interface VennMaker

23 社会ネットワーク分析はどこ行く より社会問題解決志向が強まり、地道なデータ収集に基づいた 研究が主流となっている。「ネットワーク構造がそこにあるか ら分析する」という類の研究は、たとえ論文になっても価値は 小さい。（仮定自体は正しいが、生成プロセスが重要） NSではほとんど使用されない（？）ERGMはますますSNAの主 流な方法となり、今後はマルチレイヤー・ネットワーク・モデ リング以上にエゴ・ネットワークモデリングが進展していくも のと思われる。 今後はノードの種類が複数のマルチモード・モデリングが課題 となる。

24 日本の存在感は極めて小さい 以前からも見られた傾向だが、ヨーロッパということもあっ て日本人研究者は極めて少なく、海外所属の研究者を数人見 かける程度。今回は本当に少なかった。 韓国や台湾の研究者の数がはるかに目立つ。 海外の社会ネットワーク分析の中核大学との提携や研究者の 招聘が必要。 ネットワーク科学は基本は物理学であり、社会科学ではない。 地道な社会調査によるデータ収集を基盤にした研究姿勢が必 要。