Machine learningNetwork science

การวิเคราะห์เครือข่ายอัตตาถ่วงน้ำหนัก

การวิเคราะห์เครือข่ายอัตตาถ่วงน้ำหนักจะตรวจสอบเครือข่ายส่วนบุคคลของนักแสดงหลัก (อัตตา) และรวมความแข็งแกร่งของความสัมพันธ์ — วัดจากความถี่ในการมีปฏิสัมพันธ์ ความใกล้ชิด หรือการแลกเปลี่ยนทรัพยากร — เป็นน้ำหนักของเส้นเชื่อม โดยการก้าวข้ามการมีอยู่หรือไม่มีอยู่ของความสัมพันธ์เพียงอย่างเดียว การวิเคราะห์นี้จะจับภาพว่าความสัมพันธ์แต่ละครั้งมีความสำคัญเพียงใด และความแข็งแกร่งที่แตกต่างกันเหล่านั้นส่งผลต่อผลลัพธ์อย่างไร เช่น การสนับสนุนทางสังคม การเข้าถึงข้อมูล หรืออิทธิพล

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

แหล่งอ้างอิง

  1. Marsden, P. V. (2002). Egocentric and sociocentric measures of network centrality. Social Networks, 24(4), 407–422. DOI: 10.1016/S0378-8733(02)00016-3
  2. McCarty, C., Killworth, P. D., & Rennell, J. (2007). Impact of methods for reducing respondent burden on personal network structural measures. Social Networks, 29(2), 300–315. DOI: 10.1016/j.socnet.2006.12.005

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Weighted Ego Network Analysis (Tie-Strength-Aware Personal Network Analysis). ScholarGate. https://scholargate.app/th/network-analysis/weighted-ego-network-analysis

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ถูกอ้างอิงโดย

ScholarGateWeighted Ego Network Analysis (Weighted Ego Network Analysis (Tie-Strength-Aware Personal Network Analysis)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/network-analysis/weighted-ego-network-analysis · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026