[教學] [分析] UCINET入門教學與學習分析 - BELLEAYA ...

UCINET入門教學與學習分析之應用當老師開了線上學習的課程或是在教學中利用線上討論區安排了一些線上互動的Task要促使學生透過互動中學習比方說請學生 ... BELLEAYA雜七雜八創作小窩 跳到主文 因為太忙久久才更新一次請見諒 部落格全站分類：圖文創作 相簿 部落格 留言 名片 Jun12Sun201601:22 [教學][分析]UCINET入門教學與學習分析   UCINET入門教學與學習分析之應用 當老師開了線上學習的課程或是在教學中利用線上討論區安排了一些線上互動的Task要促使學生透過互動中學習比方說請學生貼文與回應文章那勢必就會有許多留言與回文那有這些留言的資料老師在打分數之餘要怎麼透過這些互動的結果來協助老師瞭解學生之間的學習與互動情況呢？當然最簡單的就是直接看誰回文比較多其次就是看哪些文章是大家討論最熱烈的不過這些數字往往還是沒辦法很容易的靠老師的肉身來簡單判讀出更多資訊 所以這篇就介紹如何用UCINET與NetDraw把這些互動的資料來視覺化、以及抓出一些肉眼無法容易看出的資料   說到UCINET和NetDraw這套軟體是Borgatti、Everett、Freeman三位網絡分析的專家開發的在社會網絡分析領域中相當重要的研討會Sunbelt通常前面的Workshop都會有他們開設的UCINET基礎班和進階班之前去英國參加2015Sunbelt研討會時就有去上課還蠻有收獲的！(雖然也還是有三成聽不懂)官網：https://sites.google.com/site/ucinetsoftware/home   這篇先用比較簡單的例子來看看某個班有12個學生用代號S1~S12代表他們的性別與上學期成績分群如下：(當然這兩個屬性是舉例，視情況與資料來源會有不同的特性，例如居住地、入學成績之類的，可以自己決定要採用什麼資料) 學生 性別 上學期成績 S1 M 高 S2 M 高 S3 F 高 S4 F 中 S5 F 中 S6 M 中 S7 F 中 S8 F 低 S9 M 中 S10 M 低 S11 M 高 S12 F 中   下表則是在討論區中針對「回應別人文章」的情況左邊是回應的學生、右邊是被回應的 回應者 被回應者 S1 S2 S1 S4 S1 S5 S1 S9 S1 S11 S1 S12 S1 S12 S1 S12 S2 S3 S2 S4 S2 S1 S2 S6 S2 S6 S2 S8 S2 S9 S2 S12 S3 S4 S3 S1 S3 S5 S3 S7 S3 S7 S3 S9 S4 S5 S4 S7 S4 S7 S4 S7 S5 S3 S5 S12 S6 S2 S6 S3 S7 S3 S7 S9 S9 S3 S9 S1 S9 S3 S9 S3 S10 S10 S11 S1 S11 S4 S11 S8 S11 S9 S12 S1 S12 S3 S12 S5 S12 S5 S12 S6   有這樣的資料首先我們要把它整理成UCINET可以判讀的資料 雖說有很多種不同方法不過我自己是偏好直接用Excel或是用Notepad來輸入原始資料 先開一個新的txt檔直接把上面的互動資料照貼中間分隔的部份則要改成用Tab來分隔   輸入好那些回應文章的關係之後在上面再輸入UCINET需要的格式(目前使用的格式叫做edgelist1)打完字之後存檔   打開UCINET選取Data→Importtextfile→DL...  跳出對話框後點選旁邊的點點點鈕讀取剛剛我們辛苦Key完的txt檔案(下方Outputdataset可以選擇輸出位置，預設可能不一定在同個資料夾，所以要確認一下)   按OK之後它就會自動幫忙把這些關係換算成矩陣並且跳出一個txt的畫面這個可以直接關掉因為它已經幫我們生成了兩個檔案.##h與.##d   ※這邊要稍微補充一下看看上面的矩陣其實這是有方向性的(也就是說比方S12有回應S1，但是S1不一定回應S12)所以這矩陣並不是對稱矩陣在目前我們要分析的情況「誰回應誰」是ok的不過若是其他的題目比方「誰跟誰是朋友」、「誰跟誰同組過」這種就是沒有方向性的就必須要再經過「Symmetrize」(對稱化)的處理可以利用UCINET的功能Transform→Symmetrize...     接著就準備畫圖囉！先打開NetDraw  點選File→Open→UcinetDLtextfile→Network(1-mode)   跳出對話框後點選旁邊點點點鈕讀取剛剛UCINET幫我們跑出來的.##h檔   網路圖就自動生出來了！可以直接看出S1、S3兩個線特別密集而S10整個孤單一人   不過我們當然還是想知道更多資訊比方說這些學生的性別、上學期成績顯示在圖上面以知道更多資訊   一樣也是用txt來存資料第一行輸入*nodedata第二行則是變數名稱要記得第一個變數要放的就是學生代號然後性別和成績就以自己看得懂的方式輸入即可比方這邊我把成績改成1:高2:中3:低以避免中文編碼的問題   接著就匯入剛剛輸入完的屬性變數：   若是成功匯入會出現這個訊息(雖然用驚歎號感覺像是出錯，不過請放心有出現這個訊息代表是成功的)   接著就可以來修改每個學生的node(也就是圖中每個「節點」)的顏色或形狀可以用上方的功能選單(Symbols是節點的形狀、Lables是旁邊的代號如S1、Rims是節點的邊框)或是直接按那兩個圖示※這邊再補充個社會網路分析常用的行話：通常在網路中的參與者(actors)就會稱為網路中的node而他們之間的關係(relations)構成圖中的連線lines   點選後會跳出這個對話框現在先改顏色看看先點開下拉選單可以看到我們剛剛打的屬性變數gender與grade   先用grade示範看看可以點選左邊的顏色塊來選擇自己要的顏色比方這邊我設定的是：成績高的就設綠色成績中等的標黃色成績較差的標紅色   跑出來了！所以可以大概猜測比較少互動的好像之前成績就比較不好了   然後再改一下形狀一樣可以點選功能表或是直接點圖示這次就用性別女生用三角形男生用四方形   這樣就可以更容易看出男生女生了！   除此之外也能夠透過它們之間連線的粗細來知道哪些互動是比較多次的點選Properties→Lines→Size→TieStrength   跳出對話框之後選擇這整個Edgelist並可設定最粗的線有多寬因為可以即時跑出來預覽所以可以試幾次看怎樣的寬度比較好看   出現不同粗細的線呈現的資訊就更多了一些像這邊我們可以知道S1雖然有很多人回應(很多箭頭指到他)不過他比較多都是在回應S12的文而S9同樣也有接受其他四人的回應不過他主要仍然回應S3的文 當然在這張圖中老師也應該要注意的就是S10沒有跟其他人互動，是什麼原因呢？S8的互動也較少，是不是也要鼓勵她呢？   除了上面的呈現方式之外也可以用分群組的方式點選Layout→GroupbyAttribute→CategoricalAttribute   用grade來示範看看   跑出來就會是這樣把上學期成績高中低分別用三個組呈現可以發現成績中與成績低的學生完全沒有互相回應！而成績好的裡面S11似乎也比較會去回應他人     現在我們想要知道說這些學生裡面有哪些在整個網路中的居中性(Centrality)比較高通常在整個資訊流中瞭解誰產生資訊、誰能夠轉介資訊、誰接收資訊都是可以探討的點也決定要用哪種Centrality來計算   先回到UCINET中點選Network→Centrality有很多可以選常用的有Degree、Betweenness  一樣選擇之前跑出來的.##h檔案   以Betweenness為例產生出來的output檔案會提供未正規化(Betweenness)以及正規化(nBetweenness)的數值   我們再度打開之前輸入的Attributes.txt檔再新增一個屬性變數betweenness並且依照output的結果輸入※要注意順序不同   之後會到NetDraw一樣重新再匯入一次Attributes   然後選擇Properties→Nodes→Symbols→Size→Attribute-based   選擇屬性變數betweenness並依照自己需要修改節點的size最大最小值   好了之後就可以看出這些節點中誰的Betweenness是比較大的   當然如果不想用分組的方式看而想要回復到之前那種整體的網路可以點選上方的閃電圖示就會重新再運算一次(不過因為是重新運算所以並不一定會跟最原本的長得一樣)     由圖中可以知道S1、S3在整個網路中的Betweennesscentrality特別高也就代表他們愛整個網路中是處於較中心的地位或許老師可以想辦法請他們多協助班上同學   像以上的作法也不限於線上討論區的互動其實像是公司與公司的合作關係、授權、技術移轉等等也可以利用這種分析方式比方我們現在假設S1~S12不是學生而是公司然後那些互動的關係是技轉那整個網路圖就變成是技術或知識的流通而屬性則可以自己選擇用「是否在園區」、「資本額大小」等等   至於缺點的話也還是有幾個缺點： 1.用這種EdgeList的方式，無法根據節點之間的關係類型來修改線條顏色比方S12回應S1是回應關於數學科問題、而S9回應S3則是自然科沒辦法用NetDraw很直覺地幫我們判斷與繪出 2.主要只有顏色和形狀兩種辨別模式(雖然代號與邊框也可以改但就不是那麼直覺；大小的話則是用在centrality比較適合，但也只能用在一種)如果有超過兩個arrtibutes那就只能想辦法把多個湊成一個(例如目前性別與成績兩組也可合併成男高、男中、男低、女高、女中、女低)以容許其他多的atributes或者就乾脆一次只跑兩種屬性囉 3.在NetDraw並沒有回復功能(Undo、回上一步動作)所以一不小心按錯的話就回不去了可能要重設所以如果怕不小心弄錯可以在中間的步驟就各存一個檔(建議儲存為VNA檔才會把圖中的設定也存入)     ◎下面也分享一下之前針對「生技產業上市櫃公司研發合作夥伴」的網路圖：   步驟其實也差不多其實最大問題在於怎麼取得這些資料其實社會網路分析最重要的也在於要怎麼取得資料、要用哪些資料、怎麼有意義解讀這些議題在之後再詳細寫一些例子來說明囉！   文章標籤 UCINET SocialNetworkAnalysis SNA 全站熱搜 創作者介紹 belleaya(愛) BELLEAYA雜七雜八創作小窩 belleaya(愛)發表在痞客邦留言(3)人氣() E-mail轉寄 全站分類：進修深造個人分類：統計/資料分析/AI此分類上一篇：[教學][統計]定性變數與定量變數：統計圖 此分類下一篇：[教學][軟體]利用Tableau繪製桑基圖(1)：入門 上一篇：[創談]《黑色短篇：龜毛》封面設計過程 下一篇：[惡搞]國文課本《雅量》教我們的事 歷史上的今天 2013:[翻譯]PolishJokes波蘭笑話集(4) ▲top 留言列表 發表留言 文章分類 創作(11) 創作經驗分享(3)短篇小說(94)連載小說(1)電玩製作(3)影音創作(3)漫畫/小圖(17)數位藝廊(3)塗鴉(4)小愛PTT廢文(33)惡搞/搞笑KUSO(23)比賽(1) 生活(18) 真菌拍拍(0)植物拍拍(4)建築拍拍(1)動物拍拍(8)天空拍拍(19)食記-台北(7)食記-桃竹苗(30)食記-中彰投(56)食記-南部(3)遊記(46)電玩攻略/情報(35)影記/電影資料(6)開箱/收藏(10)閱讀/聽樂小記(22)閒聊/雜物/社會(16)爆笑KUSO(1)鍵盤速水茂虎道(4)雜七雜八生活(11) 學習(11) 管理/財務(4)文書/Office功能(6)看電影學英文(4)看笑話學英語(17)統計/資料分析/AI(10)學校課程/論文(9)繪圖軟體教學(10)好用軟體教學(5)網頁程式教學(9)科普/科學雜談(5)國英數物化生(10) 文章搜尋 最新文章 文章精選 文章精選 2021三月(3) 2021二月(2) 2019一月(2) 2018十二月(2) 2018十月(3) 2018六月(2) 2018四月(3) 2018三月(1) 2017六月(1) 2016十二月(2) 2016十一月(1) 2016七月(3) 2016六月(5) 2016五月(1) 2016三月(4) 2016二月(2) 2016一月(1) 2015十二月(7) 2015十一月(8) 2015十月(5) 2015九月(2) 2015八月(3) 2015七月(8) 2015六月(1) 2015五月(10) 2015四月(7) 2015三月(4) 2015二月(9) 2015一月(9) 2014十一月(6) 2014九月(1) 2014八月(9) 2014七月(3) 2014六月(2) 2014五月(2) 2014四月(2) 2014三月(5) 2014二月(12) 2014一月(5) 2013十二月(1) 2013十一月(4) 2013十月(1) 2013九月(9) 2013八月(16) 2013七月(17) 2013六月(10) 2013五月(10) 2013四月(4) 2013三月(7) 2013二月(6) 2013一月(9) 2012十二月(7) 2012十一月(8) 2012十月(6) 2012九月(5) 2012八月(8) 2012七月(11) 2012六月(7) 2012五月(6) 2012四月(6) 2012三月(6) 2012二月(10) 2012一月(8) 2011十二月(20) 2011十一月(12) 2011十月(8) 2011九月(16) 2011八月(5) 2011七月(6) 2011六月(3) 2011五月(9) 2011四月(7) 2011三月(8) 2011二月(5) 2011一月(8) 2010十二月(11) 2010十一月(10) 2010十月(11) 2010九月(19) 2010八月(55) 所有文章列表 熱門文章 參觀人氣 本日人氣： 累積人氣： POWEREDBY (登入) 回到頁首 回到主文 免費註冊 客服中心 痞客邦首頁 ©2003-2021PIXNET 關閉視窗