เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การวิเคราะห์เครือข่ายทางสังคม× | ค่ากลางของความใกล้ชิด (Closeness Centrality)× | |
|---|---|---|
| สาขาวิชา | การวิเคราะห์เครือข่าย | การวิเคราะห์เครือข่าย |
| ตระกูล | Machine learning | Machine learning |
| ปีกำเนิด≠ | 1934 (sociometry); 1994 (modern formalization) | 1950 (formalized 1979) |
| ผู้ริเริ่ม≠ | Moreno, J.L.; formalized by Wasserman & Faust | Bavelas, A.; formalized by Freeman, L. C. |
| ประเภท≠ | Structural/relational analysis framework | Node-level centrality index |
| แหล่งต้นตำรับ≠ | Wasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press. ISBN: 978-0-521-38707-1 | Freeman, L. C. (1979). Centrality in social networks: Conceptual clarification. Social Networks, 1(3), 215–239. DOI ↗ |
| ชื่อเรียกอื่น | SNA, network analysis, sociometric analysis, relational analysis | closeness, farness-based centrality, geodesic closeness, normalized closeness centrality |
| ที่เกี่ยวข้อง≠ | 5 | 6 |
| สรุป≠ | Social Network Analysis (SNA) is a structural method that maps and measures relationships and flows between people, groups, organizations, or other entities modeled as nodes connected by ties (edges). Rather than focusing on individual attributes, SNA reveals how the pattern of connections shapes behavior, influence, information flow, and outcomes within a system. | Closeness centrality measures how quickly a node can reach all others in a network by computing the inverse of its average shortest-path distance to every other node. First described by Bavelas (1950) and formally unified by Freeman (1979), it identifies nodes that can spread information or resources efficiently across the entire graph — not merely nodes with many direct contacts. |
| ScholarGateชุดข้อมูล ↗ |
|
|