Social Network analysis

Les citoyens, employés, collaborateurs, entreprises ont pris place sur le numérique et particulièrement sur les réseaux sociaux numériques. Ces plateformes de communication constituent une source de données à forte valeur ajoutée qu'il convient d'analyser avec des modèles adéquats. Les fondements de l'analyse des réseaux sociaux seront présentés pour permettre de construire des modèles de détection d'acteurs clés, mais aussi de mesure d'influence, d'opinions, d'affinités, de confiance, de prédiction de liens, etc.

​Les séances de cours se répartissent de la manière suivante

• Des réseaux sociaux aux réseaux sociaux numériques – 1.5 heures

• À l'origine des réseaux sociaux

• Le tournant apporté par l'Internet

• La discipline de l'analyse des réseaux sociaux

• Les opportunités d'aujourd'hui

• Modélisation des RS sous forme de graphe – 3 heures

• Le concept de graphe et vocabulaire associé

• Les métriques de la théorie des graphes (distance, connectivité, centralité, etc.)

• La centralité d'un noeud – 3 heures de sessions pratiques

• Degré

• Intermédiarité / Proximité

• Algorithmes Pagerank et HITS

• Mise en œuvre sur projet - 2 séances à 1.5 heures

OPTIONAL

• Graphe aléatoire

• Scale Free networks

• Prédiction des liens

Les exercice pratiques :

- Le sociogramme de la classe (1 heure)

Une analyse du capital social sous l'angle du graphe social de la classe. Sur la base de préférence de communication, chaque étudiant mentionne les 3 personnes avec lesquelles elles échangent le plus. Ensuite le graphe est visualisé avec graphcommons et un cadran stratégique impliquant le degré entrant et le coefficient de clustering local est utilisé.

- Analyse de graphes à large échelle (2 heures)

There are a multitude of systems that can be modeled as a graph. In this laboratory class, we will study in details several graphs that model large scale complex systems. We will apply all the basic measures of social networks analysis to draw the first observations and the first conclusions about the common factors of the large graphs.

The first part of the laboratory is made on the social graph of the novel "Les misérables".

For the second part, you can use datasets from sites: https://snap.stanford.edu/data/ and https://github.com/gephi/gephi/wiki/Datasets

Or use one of the datasets from this folder.

- Understanding social graph (1 heure)

We denote G(N,E) the undirected social graph of interactions of a brand on the Facebook social networks. The graph is composed of N=450 user profiles who are inter-connected to an average number of <k> = 20 people. They have all interacted at least once with the brand in the last month.

Estimate the number of edges of the social Graph E

Estimate the density of the graph d

What is the probability that two given nodes are connected?

- Centralité sur un cas Twitter (1 heure)

- Projet

Ouvrages de référence :

Albert-László Barabási, Network Science

John Scott, Social Network Analysis: A Handbook

David Easley and John Kleinberg, Networks, Crowds and Markets

Networks, Mark Newman