Dinamik Egon Ağı Analizi
Dynamic Ego Network Analysis (Longitudinal Personal Network Analysis) · Ayrıca şöyle bilinir: longitudinal ego network analysis, temporal ego network analysis, personal network dynamics, dynamic personal network analysis
Dinamik egon ağı analizi, odak bireyin (egonun) etrafındaki kişisel ağın zamanla nasıl değiştiğini inceler. Birden çok zaman noktasında aynı egon-merkezli ağ verilerini toplayarak, araştırmacılar bağ oluşumunu ve çözülmesini, ağ bileşimindeki kaymaları ve yoğunluk, kısıtlılık ve ağ boyutu gibi yapısal özelliklerdeki değişiklikleri izleyebilir ve bu dinamikleri bireysel sonuçlarla ilişkilendirebilir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Araştırma sorusu kişisel ağların zamanla nasıl geliştiği ve bu gelişimin bireysel davranış veya sonuçlarla nasıl ilişkili olduğuyla ilgili olduğunda dinamik egon ağı analizini kullanın; örneğin, bir sağlık krizi sonrası sosyal destek, göç sonrası ağ değişimi veya örgütsel geçişler sırasında bağların zayıflaması. Aynı katılımcıları tutarlı bir isim üretici protokolü ile en az iki kez anket yapabildiğinizde ve orta düzeyde örneklem boyutlarına (tercihen dalga başına 80+ ego) sahip olduğunuzda uygundur. Nüfus sınırı bilindiğinde ve tam ağ verileri mümkün olduğunda, tüm ağ panel çalışmalarının yerine ikame olarak kullanmayın; ve yalnızca tek bir kesitsel dalga mevcut olduğunda kaçının, çünkü o zaman statik egon ağı analizi daha uygundur.
Güçlü yönler & sınırlılıklar
- Bağ oluşumu ve çözülmesini sabit durumlar yerine süreçler olarak yakalar, gerçek anlamda boylamsal nedensel çıkarıma olanak tanır.
- Tüm ağ panel çalışmalarına göre daha az veri yükü: yalnızca ego ve onun altersleri anket edilmeli, tüm sınırlı nüfus değil.
- Zengin bireysel düzey kovaryantlar, ağ dinamiklerinin yanı sıra entegre edilebilir, karma yöntem ve regresyon tabanlı analizleri destekler.
- Kısıtlılık ve yoğunluk gibi yapısal metrikler, bireyler arasında karşılaştırma yapılabilecek kadar kararlı, teorik olarak temellendirilmiş özet istatistikler sağlar.
- Hem nicel panel yöntemleri (büyüme eğrisi modelleri, dizi analizi) hem de nitel takip görüşmeleri ile uyumludur.
- Panel aşınması, dalgalar arasında örneklem boyutunu azaltır ve dökülme ağ özellikleriyle ilgiliyse sistematik yanlılığa neden olabilir.
- İsim üretici kelimelerinin seçimi, hangi alterslerin aday gösterildiğini güçlü bir şekilde etkiler; dalgalar arasında araçta yapılacak herhangi bir değişiklik, değişim tahminlerini kirletir.
- Alter-alter bağ verileri (yoğunluk için gereklidir) egonun algısına bağlıdır, bu da dalgalar boyunca biriken ölçüm hatası yaratır.
- Nüfus düzeyinde ağ süreçlerini yakalayamaz; ego ağları arasındaki yayılma etkileri ve bulaşma modellenmez.
- Uzun panel aralıkları, dalgalar arasında oluşan ve çözülen geçici bağların sol merkezlenmesi riskini taşır.
SSS
Dinamik egon ağı analizi için kaç dalga gereklidir?
Değişimi gözlemlemek için en az iki dalga gereklidir, ancak üç veya daha fazla dalga şiddetle tercih edilir çünkü büyüme eğrisi modellemesine olanak tanır, doğrusal olmayan yörüngelerin tespit edilmesini sağlar ve değişimin monoton mu yoksa salınımlı mı olduğuna dair bir kontrol sağlar.
Ego örneği ne kadar büyük olmalıdır?
Güç gereksinimleri, beklenen etki büyüklüğüne ve dalgalar arasındaki kişi içi korelasyona bağlıdır. Genel bir kural, beklenen aşınma hesaba katıldıktan sonra dalga başına en az 80 ego'dur, ancak güçlü etki büyüklükleri ve düşük aşınma olan çalışmalar 40-60 ego ile yapılmıştır.
Dinamik egon ağı analizi ile zamansal sosyal ağ analizi arasındaki fark nedir?
Dinamik egon ağı analizi, tekrarlanan anketlerle odaklanmış bireylerin kişisel ağına odaklanırken, zamansal sosyal ağ analizi tipik olarak sınırlı bir ağdaki tüm zaman damgalı olay dizilerini modeller. Egon ağı yaklaşımı, büyük veya sınırsız popülasyonlar için daha yönetilebilirdir ancak her egonun ufkunu aşan daha geniş ağ hakkındaki bilgiden ödün verir.
Bir dalgada görünüp diğerinde görünmeyen alterslerle nasıl başa çıkmalıyım?
Önceki daldan alınan altersler için açık bir 'bu kişi hala hayatında mı?' sorusu ekleyerek gerçek bağ çözülmesini aday gösterilmeme durumundan ayırın. Bu, kasıtlı bırakmayı hatırlama hatasından ayırır ve olay tabanlı bağ çözülme analizini mümkün kılar.
Hangi yazılım dinamik egon ağı analizini destekler?
EgoNet ve VennMaker, egon ağı veri toplama ve temel boylamsal dışa aktarmayı destekler. Analiz tipik olarak R (igraph, egor paketleri) veya Python (NetworkX) içinde yapılır, panel modellemesi standart regresyon paketlerinde yapılır. MethodMind, hesaplama ve görselleştirme için entegre bir iş akışı sağlar.
Kaynaklar
- Burt, R. S. (1992). Structural Holes: The Social Structure of Competition. Harvard University Press. ISBN: 978-0-674-84372-1
- Crossley, N., Bellotti, E., Edwards, G., Everett, M. G., Koskinen, J., & Tranmer, M. (2015). Social Network Analysis for Ego-Nets. SAGE Publications. ISBN: 978-1-4462-0692-7
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Dynamic Ego Network Analysis (Longitudinal Personal Network Analysis). ScholarGate. https://scholargate.app/tr/network-analysis/dynamic-ego-network-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Ego Ağı AnaliziAğ analizi↔ karşılaştır
- Sosyal Ağ AnaliziAğ analizi↔ karşılaştır
- Zaman Ağları AnaliziAğ analizi↔ karşılaştır