1 / 10

Centri e periferia

CAP 6. Centri e periferia. Quantificazione dell’informazione informale in una organizzazione. Centrality  nodo Centralization  intera rete. Misure (su reti non dirette) Degree centrality e centralization Closeness centrality e centralization Betweenness centrality

jovita
Download Presentation

Centri e periferia

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. CAP 6 Centri e periferia Quantificazione dell’informazione informale in una organizzazione Centrality nodo Centralization intera rete Misure (su reti non dirette) Degreecentrality e centralization Closenesscentrality e centralization Betweennesscentrality Clustering coefficients Degreedistribution

  2. Esercizio: Sawmill.net Cap 6 Pajek Trovare le persone centrali e quelle periferiche in una rete sociale, dal punto di vista della comunicazione. La rete Sawmill.net rappresenta le rete di comunicazione in unapiccolaimpresa : unasegheria. A tuttigliimpiegati è statochiesto di indicare la frequenza con cui essidiscutono di problemi di lavoro con i lorocolleghiusandounascala con 5 punti da meno di unavolta a settimana a diverse volte al giorno. Gliimpiegatisonoinglesi (E) o spagnoli (H) cheovviamenteincidenellacomunicazione. La segheriacontiene due repartiprincipali: ilreparto di lavorazione (M) dove i tronchivengonotagliati a pezzi e ilreparto del magazzino dove i pezzivengonoaccatastati (P). C’èinfine un ufficioamministrativo (Y) dove lavorano 2 impiegatie alcuni managers. Le etichettedeinodinella rete indicano la nazionalità e la sezione in cui un impiegatolavora (HP-10= spagnolo, sezione P) 2 4 5 3 1

  3. Diverse rappresentazioni Draw Layout/Circular/original Draw/ Layout/Energy/Kamada-Kawai/Free

  4. Togliamo loops e linee multiple Net/Remove/Loops Net/ Remove/Multiple Lines (maxvalue) %Net/Transform/EdgesArcs(Indirecteddirected) mette frecce nelle 2 direzioni Disd Distanza da un vertice Per calcolare la partizione della centrality di un vertice Net/k-Neighbours(‘’All’’ non tiene conto della direzione delle linee) I vertici non raggiungibili sono posti ad una distanza (nella classe) 9999998 Degreecentrality Net/Partition/Degree Calcola la degreecentrality e la degreecentralization Info/Partition

  5. distanza tra due vertici Net/PathBetween 2 vertices/AllShortesttrova in cammino minimo tra 2 nodi Net/PathBetween 2 vertices/Diametertrova il diametro Net/ PathBetween 2 vertices/GeodesicMatricescalcola tutte le distanze minime Per vedere tutte le distanze minime cliccare 2 volte sulla ‘’ geodesiccountmatrix’’ Closenesscentrality Net/Vector/Centrality/Closeness

  6. Betweenness Net/Vector/Centrality/Betweenness Info/Vectors Oppure Cliccando sul vettore betweennesscentrality N.B. la betweenness si può calcolare anche in reti non connesse

  7. Clustering coefficient Reti non dirette Net/Vector/Clustering/Coefficient Deg(v)=degree of v |E(G1(v)|=n°di connessioni tra i vicini di v

  8. Degreedistribution Net/Partition/degree Info/Partition Si salva la parte dello schermo che interessa in un file di testo (.txt) e poi, dopo avergli cambiato nome, la si lancia da Octave

  9. clear clf k=[1,2,3,4,5,6,7,13]; frequ=[5,6,11,7,4,1,1,1]; frequ=frequ./sum(frequ); subplot(221),plot(k,frequ), title('istogramma') fsopravv=1-cumsum(frequ) subplot(222),plot(k,fsopravv), title('sopravvivenza') subplot(224),loglog(k,fsopravv), title('sopravvivenza scala logaritmica')

  10. Esercizio 1 4 2 G=(V,E); n=4, m=4 Non diretto 1 1 Con Pajek: -generareil file prova1.net Calcolare -la degree centrality e la degree centralization - Closeness centrality e closeness centralization -Betweenness centrality -clustering coefficient deinodi -Diametro -camminominimo dal nodo 1 al nodo 3 -Degree Distribution (solo con Pajekdalla “report window”) 4 3 1

More Related