1. |
2. Analiza in primerjava statičnih lastnosti omrežij prijateljstev v spletišču Facebook s teoretičnimiAleš Hočevar, 2012 Abstract: Analiza omrežij spada med interdisciplinarne vede, saj vključuje matematične, računalniške in družboslovne raziskovalne metode. Po eni strani mora odkriti zakonitosti, po drugi pa razlage, zakaj do njih prihaja.
Navkljub različnih oblikam realnih omrežij pa imajo pogosto ta omrežja nekatere skupne značilnosti. V tej nalogi bomo preverili domnevo, da izmerjene lastnosti vzorca podomrežij prijateljstev spletnega socialnega omrežja Facebook sledijo nekaterim teoretičnim predpostavkam: (i) velikost in premer omrežja (pregled literatura navaja predpostavko, da je premer omrežja šest povezav), (ii) število in velikost komponent (literatura navaja, da povprečno omrežje sestavljata ena velika komponenta in več manjših) ter (iii) porazdelitev stopnje točk sledi potenčnemu zakonu. Za to potrebujemo množico podomrežij, ki jih bomo analizirali v programskem okolju R za statistično analizo in grafiko. Found in: ključnih besedah Keywords: analiza omrežij, realna omrežja, lastnosti realnih omrežij, programski jezik R Published: 08.08.2018; Views: 2730; Downloads: 157 Fulltext (523,24 KB) |
3. Analiza skupnosti na družbenem omrežju igralcev in filmovSimon Retelj, 2016 Abstract: Z razvojem spleta je znanost analize omrežja dosegla zlato dobo, saj imamo na razpolago neomejeno število enostavno dostopnih podatkov. S popularnostjo in razvojem družbenih omrežij pa je prišla v ospredje tudi analiza družbenih omrežij. Cilj te diplomske naloge je ustvariti omrežje filmov in omrežje igralcev, katerih podatke bomo pridobili iz podatkovne baze spletne strani IMDb. To nam bo omogočila knjižnica IMDb.Py programskega jezika Python, v katerem bo potekala tudi nadaljnja analiza obeh omrežij. Nad omrežjema bomo pognali štiri najbolj popularne mere centralnosti, in sicer Degree, Closeness, Betweenness in Eigenvector. Te bomo med seboj primerjali in poskušali odkriti, ali med njimi obstaja kakšna povezava. Prav tako bomo preverili, ali obstaja kakšna povezava med omrežjema glede centralnosti. V omrežjih bomo poskušali odkriti skupnosti; to bomo storili z algoritmoma Louvain in CNM. Iz pridobljenih skupnosti bomo skušali ugotoviti razlike med njimi na podlagi podatkov, ki so nam na voljo. Found in: ključnih besedah Keywords: podatki, analiza družbenih omrežij, centranost, skupnosti, Python, Louvain, CNM, IMDb Published: 22.08.2018; Views: 2363; Downloads: 135 Fulltext (2,10 MB) |
4. |
5. |
6. |
7. Strukturiranje industrijsko simbiotskih omrežijUrška Fric, 2019 Abstract: Doseganje učinkovitega ravnanja s primarnimi viri je s ponovno uporabo odpadnih virov za
družbene akterje zaradi sledenja okoljskim politikam in prepoznavanja koristi vedno večja
težnja na globalnem trgu. Sočasno doseganje koristi pri ponovni uporabi odpadnih virov
omogoča industrijska simbioza, ki kot eden izmed pristopov h krožnemu gospodarstvu
predstavlja pomemben in trajnostni mehanizem v industrijskih in neindustrijskih procesih.
Proučevanje industrijsko simbiotskih omrežij, znotraj katerih se industrijska simbioza odvija,
je z družboslovnega vidika, za razliko od ekološkega in ekonomskega, v znanstvenem merilu
bistveno manj raziskano, iz česar izhaja tudi pomanjkanje razumevanja socio-kulturnih
dejavnikov pri strukturiranju teh omrežij.
Pričujoče delo se osredinja na proučevanje vpliva šestih socio-kulturnih dejavnikov, ki v
različnih kombinacijah vplivajo na strukturiranje industrijsko simbiotskih omrežij – osredinimo
se na vpliv organizacijske kulture, družbene odgovornosti, odnosa do okolja, kognitivnih
okvirov, socialnega kapitala in medorganizacijskega zaupanja. Eksplicitno nas zanima, kako
lahko družbeni akter ocenjuje vpliv določenega socio-kulturnega dejavnika – ali je vplival in,
v kolikor je vplival, kako se je vpliv odražal pri umestitvi v industrijsko simbiotsko omrežje ter
ali vpliva in kako se to odraža pri trenutnem sodelovanju. Zanima nas torej, ali lahko družbeni
akter vpliv oceni kot pozitiven, negativen ali brez vpliva oz. nevtralen.
Z deskriptivno statistično analizo pokažemo, da je pred pričetkom in tekom sodelovanja
največkrat prisoten pozitiven vpliv medorganizacijskega zaupanja, odnosa do okolja,
socialnega kapitala in družbene odgovornosti, nekoliko manj je prisoten pozitiven vpliv
organizacijske kulture in kognitivnih okvirov, medtem ko sta negativni vpliv in nevtralnost
obravnavnih socio-kulturnih dejavnikov skorajda zanemarljiva.
S kvalitativno komparativno analizo v domeni analize mehkih množic nadalje pokažemo
prisotnost vpliva socio-kulturnih dejavnikov kot kombinacije vzročnih pogojev, kjer glede na
definiran prag članstva obravnavamo prisotnost vpliva vsakega socio-kulturnega dejavnika.
Ugotovimo, da socio-kulturni dejavniki, za razliko od deskriptivne statistične analize, na
strukturiranje industrijsko simbiotskih omrežij vplivajo manj, vendar pa sleherni socio-kulturni
dejavnik pomembno vpliva na strukturiranje.
Found in: ključnih besedah Keywords: industrijska simbioza, industrijsko simbiotsko omrežje, analiza omrežij, strukturiranje, socio-kulturni dejavniki, analiza mehkih množic, disertacije Published: 28.07.2021; Views: 1145; Downloads: 82 Fulltext (3,91 MB) |
8. |
9. |
10. |