Sosyal Ağ Analizi Ders Kitabı

ANADOLU NVERSTES
T.C. ANADOLU NVERSTES YAYINI NO: 3388

AIKRETM FAKLTES YAYINI NO: 2240
SOSYAL A ANALZ
Yazar
Prof.Dr. Necmi GRSAKAL (nite 1, 2, 3, 4, 5, 6, 7, 8)
Editrler
Prof.Dr. Necmi GRSAKAL
Yrd.Do.Dr. E. Pnar UA GNE
Bandrol Uygulamasna likin Usul ve Esaslar Hakknda

Ynetmeliin 5 inci Maddesinin kinci Fkras erevesinde
Bandrol Tamas Zorunlu Deildir.
Bu kitabn basm, yaym ve sat haklar Anadolu niversitesine aittir.
Uzaktan retim tekniine uygun olarak hazrlanan bu kitabn btn haklar sakldr.
lgili kurulutan izin almadan kitabn tm ya da blmleri mekanik, elektronik, fotokopi, manyetik kayt
veya baka ekillerde oaltlamaz, baslamaz ve datlamaz.
Copyright 2016 by Anadolu University

All rights reserved
No part of this book may be reproduced or stored in a retrieval system, or transmitted
in any form or by any means mechanical, electronic, photocopy, magnetic tape or otherwise, without
permission in writing from the University.
UZAKTAN RETM TASARIM BRM
Genel Koordinatr
Prof.Dr. Mjgan Yazc
Genel Koordinatr Yardmcs

Yrd.Do.Dr. rem Erdem Aydn
retim Tasarmcs
r.Gr. Orkun en
Grafik Tasarm Ynetmenleri

Prof. Tevfik Fikret Uar
Yrd.Do. Nilgn Salur
r.Gr. Cemalettin Yldz
Dil ve Yazm Danman

Okt. Ltfiye Seher Kakara
lme Deerlendirme Sorumlusu

Halide Geranaz
Kitap Yazm Basm ve Datm Koordinatr

Uzm. Nermin zgr
Kapak Dzeni
Do.Dr. Halit Turgay nalan
Grafikerler
Ayegl Dibek
Glah Karabulut
Kenan etinkaya
Ufuk nce
Dizgi
Akretim Fakltesi Dizgi Ekibi
Sosyal A Analizi
ISBN
978-975-06-2004-1
1. Bask
Bu kitap ANADOLU NVERSTES Basmevinde 13.000 adet baslmtr.

ESKEHR, Eyll 2016
indekiler iii
indekiler
nsz .................................................................................................................... vii
A Bilimi ve Sosyal Alar.......... .................................................... 2 1. NTE

GR ............................................................................................................................ 3
KARMAIKLIK ........................................................................................................... 3
A KAVRAMI VE FARKLI ALANLARDAK ALAR ........................................ 5
ZGE KURAMI VE SOSYAL ALARIN GELM .......................................... 6
A Kavram .................................................................................................................. 6
izge Kuram ............................................................................................................... 7
A BLM ................................................................................................................... 8
ALARIN ANALZ LE SALANAN KATKILAR ............................................. 11
zet ................................................................................................................................ 15
Kendimizi Snayalm .................................................................................................... 16
Kendimizi Snayalm Yant Anahtar ......................................................................... 17
Sra Sizde Yant Anahtar ............................................................................................. 17
Yararlanlan ve Bavurulabilecek Kaynaklar.............................................................. 18
Temel Kavramlar ........................................................................... 20 2. NTE

GR ............................................................................................................................ 21
YNL VE YNSZ, TARTILI VE TARTISIZ ALAR ..................................... 21
Ynl ve Ynsz Alar ................................................................................................ 21
kili ve l Balantlar .............................................................................................. 22
Tartl ve Tartsz Alar ............................................................................................... 24
DERECE, ORTALAMA DERECE VE DERECE DAILIMI ............................... 25
Derece Dalm .......................................................................................................... 27
KOMULUK MATRS .............................................................................................. 29
A TRLER VE A YOUNLUU ..................................................................... 33
Tek Paral, ki Paral ve ok Paral Alar ............................................................ 33
Gerek Alarn Seyreklii .......................................................................................... 35
A Younluu ............................................................................................................. 38
PATKA, EN KISA PATKA VE ORTALAMA PATKA UZUNLUU ............. 39
zet ............................................................................................................................... 41
Kendimizi Snayalm ................................................................................................... 42
Kendimizi Snayalm Yant Anahtar ........................................................................ 43
Sra Sizde Yant Anahtar ............................................................................................ 43
Yararlanlan ve Bavurulabilecek Kaynaklar ............................................................ 43
iv indekiler
3. NTE Alarn Trleri ............................................................................... 44

GR ............................................................................................................................ 45
RASSAL ALAR ......................................................................................................... 45
Rassal Alarn Derece Dalm ................................................................................ 45
Jeodezik Uzaklk ve Yarap ...................................................................................... 49
Kmelenme Katsays ................................................................................................. 50
ALTI ADIM HPOTEZ ............................................................................................. 52
KK DNYA ALARI ....................................................................................... 53
SINIFLAYICI VE SINIFLAYICI OLMAYAN ALAR .......................................... 56
DRENL VE DRENSZ ALAR ....................................................................... 57
zet ............................................................................................................................... 59
4. NTE lekten Bamszlk ve Kuvvet Yasas ....................................... 62

GR ............................................................................................................................ 63
NTERNETN HARTASI ......................................................................................... 63
Merkez Dmlerin Ortaya kma Nedeni ........................................................... 66
LEKTEN BAIMSIZLIK ..................................................................................... 68
Rassal A ve lekten Bamsz A Fark ................................................................ 68
KUVVET YASASI ....................................................................................................... 69
Gerek Verilerin Kuvvet Yasasna Uydurulmas ..................................................... 70
ALARIN BYMES ............................................................................................. 73
Yarap ve Etkin Yarap ............................................................................................. 73
Alarn Statik ve Dinamik zellikleri ...................................................................... 74
zet ............................................................................................................................... 75
5. NTE Alarda Topluluklarn Belirlenmesi................................................ 78

GR ............................................................................................................................ 79
TOPLULUK ................................................................................................................ 79
Bir Topluluk in ve D Younluun Hesaplanmas ......................................... 81
UYUM MODEL ......................................................................................................... 81
YAPISAL E DEERLLK MODEL ...................................................................... 82
Dm Benzerlii ....................................................................................................... 82
HYERARK KMELENME ................................................................................. 84
indekiler v
Balant Yntemleri ..................................................................................................... 85
Tekli Balant Yntemi (Single Linkage Method) ............................................. 85
Tam Balant Yntemi (Complete Linkage Method) ....................................... 85
Ortalama Balant Yntemi (Average Linkage Method) ................................. 85
DENDOGRAMLAR ................................................................................................... 87
zet ............................................................................................................................... 89
Merkezlik lleri ....................................................................... 92 6. NTE

GR ........................................................................................................................... 93
MERKEZLK LLER ........................................................................................ 93
DERECE MERKEZL ........................................................................................... 94
ARASINDALIK MERKEZL ............................................................................... 100
YAKINLIK MERKEZL ...................................................................................... 101
zet ............................................................................................................................... 104
Pajek ile Alarn izimi ve Analizi ................................................ 108 7. NTE

GR ............................................................................................................................ 109
ALARIN OLUTURULMASI VE ZM ........................................................... 109
MERKEZLK LLERNN HESAPLANMASI ............................................... 123
KMELENME KATSAYISININ HESAPLANMASI ............................................. 128
TOPLULUK ARAMA ................................................................................................. 133
zet ............................................................................................................................... 136
NodeXL ile Alarn izimi ve Analizi ........................................... 140 8. NTE

GR ............................................................................................................................ 141
VER GR VE ZGE ZM ............................................................................. 141
Verilerin Alnmas (Import) ...................................................................................... 147
TOPLULUK ARAMA ................................................................................................. 149
LLERN HESAPLANMASI .............................................................................. 151
ALT ZGELER BULMAK ...................................................................................... 152
NODEXL GRAPH GALLERYDEN VER ALMAK .............................................. 153
vi indekiler
PAJEKTE RETLEN K ZGENN MERKEZLK LLERNN

NODEXLDE HESAPLANMASI .............................................................................. 156
zet ............................................................................................................................... 162
Okuma Paras ............................................................................................................. 164
Yararlanlan ve Bavurulabilecek Kaynaklar ........................................................... 165
nsz vii
nsz
Sevgili renciler,
Dier insanlarla ve varlklarla etkileim halinde olan insan, internetin ve teknoloji-
nin gelimesiyle sosyal olarak bu ortamlar zerinde de var olmaya balamtr. yle ki,
gnmzde sosyal alar bireyler iin ok daha youn etkileim kurmaya ve srdrmeye
altklar; irketler ve kurumlar iin ise karar verme srelerinde referans aldklar bir
platform olmutur. Sosyal a analizi bu noktada devreye girmektedir. Bir tr karmak
sistem olarak tanmlanabilecek alar, dm ve balantlardan oluan izgeler araclyla
grselletirilebilir. Alarn analizi ile balantlarn trleri, alarn younluu gibi zellik-
ler belirlenebilir ve bu zelliklerin olgu ve olaylara etkisi yorumlanabilir. rnein, has-
talklarn nasl bulat konusunda elde edilen bilgi, nleyici eylemler iin yol gsterici
olabilir. Benzer ekilde bir sosyal adaki ilikilerin bireyler iin i, kurumlar iin alan
bulma gibi konularda nasl bir etkisi olduu da sosyal a analizi ile aratrlan konulardan-
dr. Gnmzde sosyal alarn ok byk olmas ve teknolojideki gelimeler nedeniyle bu
tr aratrmalar bilgisayar programlar ile gerekletirilmektedir.
Bu kitap, sosyal a analizi yntem ve uygulamalarn iermektedir. Bylelikle size bu
adan belli bir yetkinlik dzeyinin kazandrlmas amalanmaktadr. Bu dorultuda, ilk
nitede a bilimi, izge kuram ve sosyal a analizinin geliimine yer verilmitir. 2. nite
alar ve alar tanmlayabilmek ve snflandrabilmek iin gerekli kavramlar ierirken; 3.
nitede ise sosyal alarn zelliklerine dayanarak gelitirilen hipotez ve modellere yer ve-
rilmektedir. Sosyal alarn lekten bamszl gibi kavramlarn ortaya k ve test edil-
mesi 4. nitenin konusudur. Baz ortak zelliklerle birbirine bal sosyal organizasyonlar
olan topluluklarn nasl olutuu ve topluluklarn davran biimlerine ilikin modeller 5.
nitede ele alnmtr. 6. nitede, alarda merkezilik ve merkezilik llerinin hesaplan
zerinde durulmutur. 7. ve 8. niteler ise srasyla sosyal a analizi iin kullanlan Pajek
ve NodeXL programlar ile yaplan uygulamalara ayrlmtr.
Kitabn, renciler bata olmak zere konuya ilgi duyan herkes iin yararl olmas di-
leiyle, kitabn hazrlanmasnda emei bulunan herkese teekkr ederiz.
Mobil cihazlardaki karekod okuyucu uygulamalar ile baz nitelerde grsel iitsel bilgi-
lendirme amal verilen karekodlu ieriklere ulaabilirsiniz.
Editrler
Prof.Dr. Necmi GRSAKAL
Yrd.Do.Dr. E. Pnar UA GNE
1
SOSYAL A ANALZ
Amalarmz
Bu niteyi tamamladktan sonra;
Sistemi, karmaklk kavramlarn ve karmak sistemin zelliklerini aklaya-
bilecek,
A kavramn tanmlayarak a ile izge arasndaki fark aklayabilecek,
letiim alarn, sosyal alar ve biyolojik alar rnekleyebilecek,
Tarihsel olarak izge kuramn ve sosyal a analizinin geliimini aklayabilecek,
A biliminin ortaya k srecindeki aamalar sralayabilecek,
Alarn analizi ile nelerin bulunduunu aklayabilecek
bilgi ve becerilere sahip olabileceksiniz.
Anahtar Kavramlar
arma kl k izge
arma k istem osyal A
A A ilimi
indekiler
GR
KARMAIKLIK
A KAVRAMI VE ARKLI ALANLARDAK
ALAR
Sosyal A Analizi A Bilimi ve Sosyal Alar ZGE KURAMI VE SOSYAL A LARIN
GELM
A BLM
A LARIN ANALZ LE SA LANAN
KATKILAR
A Bilimi ve Sosyal Alar
GR
Dnyada 7 milyar insan ve 6 milyar cep telefonu var. Hemen herkes evlerde, okullarda,
caddelerde, sokaklarda, kahvelerde, lokantalarda, srekli olarak cep telefonunun ekranna
bakarak yaamaya balad. Sosyal alar yolu ile insanlarn srekli metin, fotoraf ve video
paylamalar bu olayn en temel nedenleri arasnda yer alyor. nsanlarn birbirleriyle sos-
yal olarak online etkileimlerini salayan nternet platformlar, uygulamalar ve teknolo-
jileri sosyal medya adn alyor (Beal, 2015). stelik bu olay durmadan hzlanyor, sosyal
alar hzla byyor ve yaygnlayor. Hzlanmann gstergesi olarak u saylar verebiliriz:
1,5 milyar kullancya sahip sosyal medya irketi Facebook, 10 ayda 1 milyon kullancya
ulamt. Instagram iin ise bu sre sadece 3 ay oldu.
Kresel taksi hizmeti irketi Uberin sahip olduu tek bir taksi bile yok. Facebookun
kulland verilerin tmn kullanclar salyor. Yatacak yer hizmeti salayan Airbnbnin
tek bir evi dahi bile bulunmuyor. Dnyann hzla gelien, yeni, ileri teknoloji kullanan ir-
ketleri bakalarnn saladklar ile i yapyorlar. Periscope ve Meercat ile isterseniz cep te-
lefonunuzdan canl yayn yapabiliyorsunuz. Anneniz, babanz veya einiz bile sizin nerede
olduunuzu bilmezken Apple ve Uber srekli yerinizi biliyor. Btn bu irketler uzaktan
a ynetimi konusunda ok baarllar.
Makineler (bilgisayarlar) hzla renmeye baladlar. Bazlar bu devrimi, Sanayi
Devriminden sonra II. Makine Devrimi diye adlandryor. Bu deiimin olumlu veya
olumsuz olmas bir yana, bir eyler gerekten deiti ve deiiyor. Sistemlerin bykl,
kullanlan veriler ve karmaklk srekli artyor.
Konu, gruplar ve organizasyonlar iin enformasyon, bilgi reten ve karar vermede
etkinlii iyiletiren sistemleri tasarlamak, kullanmak, ynetmek ve deerlendirmek ise
sosyal medya ve sosyal medyada oluan sosyal alarn analizi iin odak noktas oluyor.
Gnmzde sosyal medya ortamnda oluan sosyal alarn analizi, iletmelerden kamu
ynetimine, medyadan bilimsel aratrmalara kadar ok eitli alanlarda alanlarn il-
gisini ekiyor.
KARMAIKLIK
Belirli bir ama iin bir araya getirilen, bileenleri bamsz veya karlkl etkileim iinde
bulunan bir btne sistem adn veriyoruz. Eitim sistemi, salk sistemi, ynetim biliim
sistemi hep verdiimiz tanma uygun rneklerdir. Sistemler basit veya karmak olabilir.
Karmaklk, tanmlanmas kolay bir kavram deildir ve szlklerde ok farkl tanmlara
sahiptir. Karmakln, dzenden ok kaosa yakn olduunu syleyebiliriz. Karmakl
4 Sosyal A Analizi
en basit bir ekilde; bir modelin genel davrannn formle edilmesindeki glk olarak
tanmlayabiliriz.
Karmaklk, ok sayda paraya sahip olan sistemlerin bir zelliidir. Sz edilen bu
tanm bize, sistemin para eitlilii ile bu paralarn saylarnn karmakln artmas-
na neden olduunu anlatmaktadr. Ksaca, byklk ve ok boyutluluk sistemlerdeki
karmakln nedenleri arasndadr. Karmak bir sistem; corafi alanda, bir bilgisayar
anda veya piyasada etkileim iinde oluan eitli paralardan oluur. Bamsz veya
etkileim iinde hareket eden bu paralar protein, insan veya karnca olabilir. Bir baka
ekilde karmaklk, kolaylkla tanmlanamayan ve kestirilemeyen ilgin yap ve desenler
olarak da tanmlanabilir (Page, 2010).
Karmak sistemlerin zellikleri: i) Byklk, ii) ok boyutluluk, iii) Kolay tanmlanamaz-

lk ve iv) Kestirilemezlik olarak ifade edilebilir.
Karmaklk ve balca nedenleri nelerdir?

1
Karmakl eitlilik retir ayrca karmakln; algoritmik karmaklk ve metin kar-
makl gibi eitli trleri de bulunmaktadr. Bir bilgisayar algoritmasna byklnde
bir girdi iin gereken zaman veya mekn, karmakln bir ls olarak alnabilir. Bir
metnin karmakln ise farkl anlam dzeylerine sahip olmas gibi nitel deikenlerle
lebileceimiz gibi, szcklerin frekans, cmlelerin uzunluu gibi nicel deikenlerle
de lebiliriz.
ekil 1.1
Meyve Sineinde
Proteinlerin Etkileimi
Kaynak: http://hms.harvard.edu/news/researchers-build-largest-protein-interaction-map-date-10-27-11
Alardaki karmaklk basitletirilerek alarn grselletirilmeleri olan izgelerde orta-

ya konulur. rnein, ekil 1.1de bu tr bir izge grlmektedir. nternet karmak bir adr
ve nternette yer alan sosyal alar genelde karmak sistemlerin zelliklerini tamaktadr.
Sistemlerdeki karmakln artmas, bilim insanlarn klasik bilimsel yaklamlarn d-
nda yeni yaklamlar aramaya ynlendirmi ve a kavram bu erevede gndeme gelmi-
tir. Geleneksel olarak bilimde, aklayan deikenler yardmyla aklanan deikenler sz
konusudur. Oysa alarda, aklayan ve aklananlardan ok, herey herey ile etkileim iin-
dedir. Bu nedenle a paradigmas, dnyaya farkl bir pencereden bakmamz salamaktadr.
1. nite - A Bilimi ve Sosyal Alar 5
A KAVRAMI VE FARKLI ALANLARDAK ALAR

A dediimiz kavram kabaca, canl veya cansz baz birimler ve bu birimler arasndaki
balantlardan oluur. Szn ettiimiz bu birimlere alarda, dm (node, vertice) ad-
n veriyoruz. Dmler insanlar olabilecei gibi, bilgisayarlar da a analizinde dmler
olabilir. Yine az nce belirtildii gibi protein, karnca ve irket de dm olabilir. Canl
veya cansz dmlerin oluturduu alara hemen hemen her yerde rastlamamz mm-
kndr. Alarda gsterilen balantlarda (edges, ties) ise bilgi, para, haber, dedikodu ve
mikroplar dmlerden dmlere aktarlabilir. Yine a gsteriminde -ki buna izge
(graph) adn veriyoruz- akrabalklar, ortaklklar gsterilebilir.
Alar (network), bizim onlar izdiimiz izgelerinden (graph) ok daha fazlasdr. Bununla
beraber izgeleri alarn iskeletleri olarak dnebiliriz.
imdi baz basit a rnekleri verelim. Kentler, dmler, bunlar arasndaki yollar ise
bu dmler arasndaki balantlardr. Petrol pompalanan merkezler dmler, bu ner-
kezler arasndaki balantlar ise petrol boru hatlardr. Yine benzer bir ekilde, limanlar,
hava alanlar ve terminaller dmler; bunlar arasndaki balantlar salayan kara, deniz
ve hava yollar ise balantlardr. Arkadamza telefon atmzda, ikimiz arasnda bir
balant kurulur ve bu eylemimiz byk bir an bir parasnn olumasna neden olur
(ekil 1.2). Anne, baba ve ocuklar arasndaki aile balar da aile iinde bir a oluturur
(ekil 1.3). Benzer bir ekilde, bilgisayarlar arasndaki balantlar yoluyla da dmlerini
bilgisayarlarn oluturduklar alar (ekil 1.4) ortaya kar.
ekil 1.2 ekil 1.3

Telefon Aarak Oluan Alar Bir Ailenin inde
Oluan A
Anne Baba
ocuk ocuk
ekil 1.4
Bilgisayar Alar
6 Sosyal A Analizi
Alar her yerdedir. e kendimizden, beynimizden balayalm. Beynimizde ve bedeni-

mizde ok sayda a bulunmaktadr. rnein, sinir sistemimizin en nemli yap talarn-
dan olan beyinlerimizdeki sinir hcreleri olan nronlar ve onlar arasndaki trilyonlarca
balant bir a oluturur. Tek bir nron dier nronlardan daha ok sayda girdi alr ve bu
enformasyonu dntrdkten sonra ilenmi enformasyonu dier balantl nronlara
ilemeleri amacyla gnderir. Beyin ile ilgili genelde varsaylan, beyinde bulunan ok sa-
yda nronun eitliliinden ok, bu nronlarn karlkl etkileimlerinin beynin eitli
fonksiyonlarn desteklemesidir (Memmesheimer ve Timme, 2010).
Dier yandan, canllarda yaamn sr-
ekil 1.5 drlmesi amacyla gerekleen kimyasal
Sinir Alar tepkimeler metabolizma adn alr. Bir hc-
renin psikolojik ve biyokimyasal zellikle-
rini belirleyen metabolizmaya ait metabolik
alar ise metabolizmadaki kimyasal tepki-
melerden oluur. Biyolojik alarn yannda
hemen hemen gnn her saatinde kullan-
dmz iletiim alar ve sosyal alar da
bize alarn her yerde olduunu gsterir.
Alar anlamadka, izgelerini izerek
analiz etmedike, paralar karlkl olarak
Kaynak: http://www.zmescience.com
etkileim iinde bulunan karmak sistem-
leri anlamamz olanakszdr. Alarla canl
hcreleri iinde genler, proteinler, metabolitler arasnda etkileimleri ve sreleri asn-
dan zmleyebiliyoruz. Sinir hcreleri arasndaki balantlarla oluan alarla beynin
fonksiyonlarn; toplumdaki mesleki, arkadalk ve aile balarn; modern iletiim sistem-
lerini; Facebook, Twitter, Instagram gibi sosyal alar; enerji hatlarndan oluan ebekele-
ri; mal ve hizmet reten ve datan ticari alar ve ulam alarn alarn analizi yoluyla
daha iyi anlayabiliyoruz.
ZGE KURAMI VE SOSYAL ALARIN GELM

Alar daha iyi anlayabilmek ve analiz edebilmek iin a kavramndan ve izge kuramn-
dan sz etmek yerinde olacaktr.
A Kavram
Bir a, canl veya cansz dmlerden (insan, kurum, irket gibi) ve bunlar arasndaki
balantlardan oluur. ok sayda doal ve yapay a vardr. Atomik dzeyden insan hc-
relerine ve gk cisimlerinin oluturduu sistemlere kadar alardan sz edilebilir. Sosyal
alar ise insanlarn dorudan veya dolayl olarak birbirleri ile etkileim iinde olduklar
alardr (Smith vd., 2009).
Eer yaptmz her telefon konumasnda, -olacak ey deil ama- telefonu aandan
telefon zili alan kiiye kadar grnr bir izgi olusayd, son derece karmak bir ekil
ortaya kard. Benzer ekilde, i ortakl yapanlar, akraba olanlar arasna da izgiler e-
kebilsek yine ok karmak ekiller elde edebilirdik. Birbirine ihracat/ithalat yapan lkeler,
birbirine hastalk bulatran kiiler, birbiri ile sosyal alarda fotoraf, metin veya ark
paylaanlarn arasndaki izgiler grnr olsa, yine ok karmak alar ortaya kard.
Kt zerinde veya NodeXL gibi bilgisayar programlar araclyla izebildiimiz alar
temelde iki bileenden oluur: Dmler (insanlar, lkeler, irketler, kurumlar, kentler) ve
bunlarn arasndaki balantlar.
Alar (networks); dmler (nodes, vertices) ve bunlarn arasndaki balantlardan (edges,

ties) oluur. Bir an bykl adaki dm says ile ifade edilir. Adaki dm says N,
adaki toplam etkileim ve toplam balant says ise L ile gsterilir.
izge Kuram
Alardaki dmlerin (D) ve balantlarn (B) eklinde temsili bir gsterimine izge adn
veriyoruz. Bir izge D ve B gibi iki kmeden oluur ve izgeyi =(D,B) eklinde gstere-
biliriz:
Elemanlar Dler olan dmler (vertices) kmesi
Elemanlar Bler olan balantlar (edges) kmesi
izge kuram son 50 ylda matematiin en hzl gelien daldr. Aslnda alar karma-
k, alarn gsterimi ve soyutlamalar olan izgeler ise basittir (rnek: Eulerin izdii
Knigsberg kprleri).
Leonhard Euler (17071783)
C g
d
c
g
c d
A e e D
a b
f
a b
f
B
Knigsberg Kprleri
18. yzylda yaayan Leonhard Euler (17071783), dnyann en nemli matematiksel alma-
larna imzasn atan ok nemli bir matematikidir. Matematiki Bernoulli kardelerle birlikte
almtr. 1988 ylnda Mathematical Intelligencerda yaplan bir almada (Wells, 1988),
matematikilere dnyann en gzel matematiksel eitlikleri sorulmu ve bu almada ortaya
kan ilk be eitlikten birincisi (ei.+1=0) , ikincisi ve beincisinin Eulere ait olmas onun
matematik dehasn ak bir ekilde gstermektedir. Euler 1927 ylnda Rusyaya giderek Saint
Petersburg Akademisinde fizik profesr olarak alm ve ayn zamanda akademinin mate-
matik blm bakanln yapmtr.
Harita izimleriyle de uraan Euler 1735 ylnda, O gnn Prusyasndaki bir kent olan
Knigsbergte (Bugn Rusyada Kaliningrad), Pregel Nehrinin stnde bulunan iki ada ve yedi
kpr ile ilgili olarak bir soru sordu. Soruya gre, baland yere geri dnlmesi kayd ile yedi
kprden sadece birer defa geen bir yolun olup olmad ile ilgiliydi. lk anda bu soru bir bil-
mece gibi grnyordu ve nemi anlalmamt. Eulere gre byle bir yol yoktu ve bu teorem,
daha sonra oluacak olan izge kuramnn ilk teoremiydi. Problemin zmne Euler, harita
izimine olan ilgisi nedeniyle basit bir kroki izerek balam ve bu davran izge kuramna
giden yolu amt. Eulerin 1736 ylnda yazd bir makalede vard bu sonucu aklar. Ne
gariptir ki, bu makaleden sonra izge kuram konusundaki ilk kitap ancak 200 yl sonra ya-
ymlanabilmitir.
8 Sosyal A Analizi
Paul Erds (1913-1996)
Erds Number 1
Erds Number 2
Erds Number 0 Endre Szemredi
Georg Schnitger Erds Number 3
Jeff Shallitt
Paul Erds Jon Sorenson lan Parberry
Carl Pomerance
Piotr Berman
Michael Saks
w
25 farkl lkede matematikle uram, 1500den fazla makale yaymlam bir Macar mate-
matikidir. lkeden lkeye dolaarak ve gittii arkadalarna, Beynim ak diyerek ortak
ok sayda makaleye imza atm olan Erds, alar konusunda da Erds says, rassal alar gibi
nemli konularda almalar yaynlamtr.
Kaynak: https://larc.unt.edu/ian/claimtofame.html
A BLM
James Fowler, almalarnzdan zetlemek isteyeceiniz, tek cmlelik hayati bir ders
ne olurdu? sorusunu SEEDde (22 Nisan 2011)de yle cevaplyordu: Alarn ayn ma-
tematii, hcre iindeki molekllerin etkileimini, beyindeki nronlar ve bir ekosistem-
de insanlar arasndaki karmak karlkl etkileimleri anlamada kullanlabiliyor. Grup
kimliinin ortaya kmasn, bilginin, normlarn ve davranlarn kiiden kiiye ve baka
kiilere akt patikalar belirleyebiliyor.
Bununla beraber, alar, ortak temel yasalar kmesi ile aklanabiliyor. Ak bir ekilde b-
yklk, biim, belirme ve gelime asndan ok farkl zelliklere sahip olmalarna karn
alar, ortak temel yasalar kmesi ve onlar reten mekanizmalar tarafndan aklanabilir.
Gnmzde ekonomik ilikilerden iletiime, sosyal ilikilerden enerjiye ve ulama kadar
hemen her alanda karlkl bamllk artmaktadr. Alarda karlkl bamlln artmas
riski ve bu alarn tehlikeye ak olmalar, zarar grebilir olmalar olaslklarn artrmakta-
dr. Ekonomik krizler, hastalklarn yaylmas ve terr tehlikesi alarda karlkl bamll-
n artmas ile ilikilidir.
Korelasyon, istatistikte iki Tuhaftr ama neredeyse 2000li yllarn bana kadar, Erds ve Rnyinin almalarna
deiken arasndaki ilikiyi ifade
eden bir katsaydr. dayanarak alarn rassal olduu dnld. 1900l yllarda kuantum szc ne kadar
sk kullanyorsa, 21. Yzyln balarnda da a szc ok sk kullanlmaya baland.
Oysa ne doal ne de yapay alar rassald. Kentlerin altndaki kablolar, borular rassal ola-
rak bir yerlere gitmedii gibi, alar da rassal deildi. Alarn yaplarnda genelde, zengin
daha zengin olur (rich gets richer) mant iliyor ve alar byrken belirli kurallara gre
byyorlard. rnein, alarda zayf balantlar daha nemliydi. Bu gelimeler ereve-
sinde bir filmin, bir kitabn veya bir hastaln alarda nasl yayld; alarn yaplar,
trleri ve bymeleri gibi konular ele alan a bilimi diye yeni bir dal gelimeye balad.
Alarn farkl dzeylerde organizasyonlara sahip olduu anlald. Bireysel olarak dm-
ler aras korelasyonlarn incelenmesinden, daha byk lekte benzer zellikteki dm-
lerin oluturduu topluluklarn belirlenmesine kadar konular hep a biliminin konular
arasnda ele alnmaya baland.
A bilimi aslnda 1736 ylnda balamt. O yllarda matematikteki e says, fonksi-
yon, sins, kosins gibi kavramlar ortaya atan Euler, bugn Rusyada ad Kaliningrad olan
(Knigsberg) kentteki kprlerle ilgili bir konuyu aratrmt. Ona gre, drt dm ve
bunlar arasndaki yedi balantdan oluan ada ayn kpry iki kez gemeden yedi kp-
ry geen srekli bir patika yoktu.
1950li yllarda nl Macar matematikiler, Paul Erds ve Alfred Rnyi rassal a
kavramn ortaya atarak nemli bir srama yarattlar. Paul Erds, dier matematikilerin
kaplarn alarak, i birlii yapmaya hazr olduunu belirtmek iin Beynim ak demesi
ile tannrd. Paul Erds, bu ekilde ok sayda ortak makaleye imza atmtr.
Resim 1.1 Resim 1.2
Alfred Rnyi Mark S.
(1921-1970) Granovetter
(1943-)
Zayf Balarn Gc (The Strength of Weak Ties - Granovetter, 1976) adl makalesi
ile Mark S. Granovetter baka nemli bir gelimeye yol at. 1969 ylnda American Jour-
nal of Society dergisine gnderdii ve yaymlanmayarak reddedilen bu makale, sonunda
1973 ylnda yaymland.
ekil 1.8de de grld gibi, a bilimi byk lde 21. yzyln ilk on ylnda geliti.
Bunu Erds-Renyi ve Granovetterin almalarna yaplan atflarn 2000li yllardan sonra
hzla artmasna dayandryoruz.
ekil 1.6
600 A bilimi ile igili iki
yazara yaplan atflar
500 Erdos-Renyi 2000li yllardan sonra
1959 hzla artyor
400 Granovetter
1973 Kaynak: Barabsi,
300 Network Science,
2012, s.8
200
100
0
61
66
71
76
81
86
91
96
01
06
19
19
19
19
19
19
19
19
20
20
10 Sosyal A Analizi
nternetin geliimi ve a izimlerinin yaplabilmesi, szn ettiimiz gelimede et-

kili oldu. Bu ekilde ortaya disiplinleraras, nicel, hesaplamaya ve veriye dayanan bir dal
olan a bilimi kt. Virslerin yaylmasndan beyin aratrmalarna, iletmelerin biimsel
olamayan yaplarnn belirlenmesine kadar her ey a bilimi ile analiz edilmeye baland.
Alar ve biimsel olmayan organizasyon yaps incelendiinde bir iletmede, organizasyon

emalarnn bize anlattklarnn tersine, biimsel olmayan balantlar nedeniyle iletmele-
rin alarnda, ok fazla balantya sahip olan kiilerin (dmlerin) CEO veya yneticiler
olmad, bunlarn bazen grup liderleri veya sradan iiler de olabildikleri anlald.
2014 ylnda ABDdeki Internet kullanclarnn %72si, dnyadaki Internet kullanc-

larnn %64 sosyal medyay kullanyordu. Tek bana Facebookun 1,5 milyar kullancs
var. Bu say 2004 ylnda 1 milyondu. ABDde ortalama kullanc, online zamannn drtte
birini sosyal medyada geiriyor. Bu nedenle sosyal medya siteleri, 100 milyonlarca dm
ve milyarlarca balantdan olumakta. ABDde yaayanlarn %50si, satn almalarn birin-
ci derecede Facebookun etkilediini sylyorlar. spanyada sabah ile le arasnda en ok
tweet atlan yerlerde isizliin en fazla olduu belirlendi (Llorente vd., 2014).
Facebook ile ilgili saylar zetlersek (Bullas, 2014):
1,5 milyar Facebook kullancs var.
1 milyon web sayfas, Login with Facebook (Facebook ile balan) zelliine sahip.
Facebook kullanclarnn 23 gnde en az 5 kez Facebooka balanyor.
Amerikallarn 47si satn almlarnda Facebookun birinci derecede etkili oldu-
unu sylyor.
Pazarlamaclarn 70i Facebooku yeni mteri kazanmada kullanyor.
nsanlar cep telefonlar ile, evlerindeki masast bilgisayarlar, dizst bilgisayarlar
ve tabletleri ile srekli olarak haberleiyor, fotoraf, ark, metin ve/veya yemek tarifi pay-
layor. Paylamak szc gemite hi bu kadar ok kullanlmamt. Bu kitap yazlr-
ken: Sadece bir dakika iinde 204 milyon e-posta gnderiliyor, Googlea 4 milyon arama
talebi geliyor, Facebook kullanclar 2,5 milyon para ierik paylayor, YouTube kullan-
clar 72 saatlik yeni video yklyor, Whatsapp kullanclar 347 bin fotoraf paylayor,
Vine kullanclar 8333 video yklyor, Apple kullanclar 48 bin uygulamay indiriyor,
Amazon 83 bin dolarlk online sat yapyor, Instagram kullanclar 216 bin yeni fotoraf
yklyor, Twitter kullanclar ise 277 bin tweet atyorlard. Ayrca u anda bu saylarn
daha da arttn sylemek iin khin olmaya gerek yok. nternet dnyasnda insanlar,
kurumlar, iletmeler ve topluluklar arasnda balant says inanlmaz bir hzla artyor.
Gnmzde tm dnya, teknolojinin destekledii karlkl etkileimlerin hzla artt-
n gzlyor. Her eyin her eyi etkilediini her geen gn daha ak bir ekilde anlamaya
balyoruz. Veri hi uyumuyor, srekli artyor, srekli akyor ve inanlmaz byklkte bir
birikim oluturuyor. Kesin olan bir ey var ki bugn bize byk grnen veri, greli olarak
yarn kk olacak. Yottabytelarn yannda bugnk petabytelar kk kalacak.
Dier yandan, veriyi retenler, srekli ierik paylaanlar olduu gibi, retilen verinin
anlamn zmeye alanlar, veriye deer katma ii ile de uraanlar var. Bir sitede ilgi-
lendiimiz bir rnn reklamnn neden bizi hi bkmadan izlediini; bize nasl, Sen
u rnler/hizmetlerle de ilgilenebilirsin dediini; makinelerin bize, unu mu demek
istedin? diye nasl sorduunu her zaman net bir ekilde anlamasak da, elbette teknolo-
jik olarak srekli gzetim altnda olduumuzu hissediyor ve olan biteni anlamaya al-
yoruz. Bu sre iinde, verinin meknsal dalmn anlamak da ok nemli. Elimizde
sabahtan lene kadar hangi blgelerde daha ok tweet atldn gsteren sonular oldu-
una gre, bu blgeleri isizliin youn olduu blgeler olarak yorumlamak zor olmasa
gerek. Facebookta yiyecek ile ilgili fotoraflar beenenlerin, beenmeyenlere gre daha
byk olaslkla yeni restoran ilgili olabileceklerini de anlamak zor deil. Birok kii arka-
dalarndan daha fazla arkadaa sahip olduuna inanr. Scott L. Feld tarafndan bulunan
ve Arkadalk Paradoksu diye adlandrlan olgu, tam tersine arkadalarnzn ortalama
arkada saylarnn sizden byk olduunu ve onlarn daha popler olduklarn anlatr
(Feld, 1991).
Sosyal alarn anlamlandrlmasnda, yorumlanmasnda konu ok karmak gibi g-
rnse de, konunun belirli temel bileenleri vardr. Bunlar arasnda verinin sosyal alardan
bir bilgisayar programna alnmas, an izilerek ala ilgili llerin hesaplanarak an
eitli zelliklerinin belirlenmesi ve ada bilginin nasl dald, an llerinin neler ol-
duu, adaki topluluklarn ve nemli dmlerin (kiilerin) belirlenmesi gibi konularda
yorumlarn yaplmas saylabilir.
Arkadalk paradoksu kavram ilk olarak kim tarafndan ne srlmtr ve bu kavram

neyi ifade eder? 2
ALARIN ANALZ LE SALANAN KATKILAR

1960l yllarn sonlarna doru Stanley Milgram, alarda geerli olan kk dnya hipo-
tezini ortaya att (Milgram, 1967). Bu alma ile rassal olarak seilen iki kiinin nasl bir
balant iinde olduklar aratrld. Milgram, insanlardan Massachusettste hisse senedi
alm satm ile uraan birine bir mesaj gndermelerini istedi. nsanlar, mesajn ulaaca
yerin adresini bilmiyorlard ve bu hedefe yakn tandklarna mesaj gndererek bu mesa-
jn yerine ulatrlmasn istediler. Sonuta ortalama olarak mesajlar alt admda hedefine
ulat. alma birbirlerine ok uzak olan kiilerin arasnda bile alt admlk uzaklk oldu-
unu, dnyann sandmzdan daha kk olduunu ortaya koymu oldu.
A bilimine en nemli katklardan birini de 70li Resim 1.3
yllarn banda Granovetter yapmtr. Ona gre a- Stanley Milgram
larn iinde kuvvetli ve zayf balantlar vardr. Top- (1933-1984)
luluklarn, gruplarn, organizasyonlarn iindeki ili-
kiler, kuvvetli balarla srdrlr. Kuvvetli balarda
etkileim skl yksek, duygusal younluk ve yakn-
lk fazladr. Topluluklar, gruplar ve organizasyonlar
arasndaki balar ise zayf balardr. Bunlarn gc
kuvvetli balardan daha zayftr. Zayf balarn says
oktur ve bu balarda duygusal younluk az, etkileim
skl dktr. Kuvvetli balarda ise karlkl iliki-
ler (reciprocal) sk gzlenir, buna karlk zayf balar-
da karlkl ilikiler sk gzlenemez. bulma ile ilgili
nemli haberlerin en yakn ve en youn balantlardan
gelmedii, bir kiinin sahip olduu zayf balantla-
rn sosyal alarn uzak blmlerinden i haberleri ge-
tirmede daha gl olduklar Granovetter tarafndan belirlenmitir (Granovetter, 1976).
Zayf balar srdrmenin maliyeti dk olduu iin i haberleri alma konusunda insan-
lar ok sayda zayf baa, az sayda da kuvvetli baa sahiptirler.
Metcalfe yasas, bir an deerini ifade eder. 1980 ylnda iletiim aralar ile ilgili olarak
Metcalfe tarafndan ortaya atlan Metcalfe yasas bize, bir an deerinin adaki dm sa-
ysnn karesi (N2) ile orantl olduunu syler. Metcalfe yasas, bir adaki dm says art-
tka, bir a daha fazla kii kullandka o an daha deerli olacan syler. Yani, belirli bir
sosyal a daha fazla arkadanz kullandka o an sizin iin deeri artacaktr.
12 Sosyal A Analizi
Granovettere gre kuvvetli ve zayf balar arasndaki en temel farkllklar nelerdir?

3
A biliminin gelimesinde Macarlarn katklar byktr. A biliminin geliiminde
Macarlar arasndaki alarn nemi, bilimsel bir aratrma konusu olabilir. Yine iki Macar
olan Barabsi ve Albert, 1999 ylnda gelitirdikleri tercihli eklenti (preferential attach-
ment) modelleri ile lekten bamsz (scale free network) alarn ortaya ktn ve bu
alarn derece dalmlarnn kuvvet yasasna uygun olduunu ve bu zelliklerin sosyal
alarn ortak bir zellii olduunu bulmulardr (Barabsi ve Albert, 1999). Daha sonra
bu model Barabsi-Albert modeli adyla anlmaya balanmtr. Demek ki alar, eskiden
beri sanld gibi rassal deildi. Bu tr alarda, az sayda dm ok sayda balantya,
ok sayda dm ise az sayda balantya sahip oluyor; alarda da balant asndan
zengin daha zengin olur kural geerliliini koruyordu. Barabsi daha sonra yazd po-
pler bilim kitab Linked: How everything is connected to everything else and what it
means (Balantlar: Her ey her ey ile nasl balantl ve bunun anlam ne adl kitabnda
da benzer grleri aklad (Barabsi, 2003).
Resim 1.4 Resim 1.5

Lszl Barabsi Rka Albert
(1967-) (1972-)
ekil 1.7
a, b, d ve e Ortak
Elemanlar Olan PA PB PC
(Kesien), c ise Ortak A B C
Elemanlar Olmayan
(Kesimeyen)
Topluluklar
Kaynak: Yang ve
Leskovec (2014). (a) (b)
B
A B A B
A C
A B A B C A B
(c) (d) (e)

Dier yandan Yang ve Leskovec, topluluklar; ortak elemanlar olanlar, olmayanlar ve
hiyerarik olanlar eklinde snflam ve ortak elemanlar olan (kesien) topluluklardaki
dmlerin daha youn bir ekilde balant iinde olduklarn, ekil 1.12deki gibi gster-
mitir (Yang ve Leskovec, 2014). Resim 1.6
Son yaplan almalar bize (ekil 1.14),
Jure Leskovec (1980-)
alarn zaman iinde nmze ok farkl pen-
cereler aabileceini ortaya koyuyor. Bir insan
hcresindeki molekler bileenler arasndaki
fonksiyonel karlkl bamllklar veri olarak
aldmzda, bir hastalk nadiren tek bir gende-
ki normal olmamann sonucudur.
Bir hastalk daha ok, karmak hcre ii
ve hcreler aras balantlar yanstr (Barabsi
vd., 2011). Bu balamda bir hastalk, sosyal ya-
pdaki geerli dinamiklerin bir ifadesi olarak
dnlebilir. rnein, yaplan almalar bize
tek bir hastala sahip olan bir hastann, ortala-
ma bir kiiden daha yksek olaslkla ikinci bir
hastala sahip olabileceini gsteriyor (Green-
wood, 2015). Yine eker hastalna sahip olanlarn yksek tansiyondan ikyeti olmaya
baladklarnda, Parkinsona yakalanma olaslklar artyor (Greenwood, 2015). Bu kitabn
yazarlarndan birinin de iinde olduu bir aratrma (Grsakal vd., 2009), tekstil iileri-
nin gven alar ile koli basilinin hcreleri iindeki protein balantlarndan oluan an
benzerliine dikkat ekmiti.
Sosyal alarda ok balantya sahip merkez dmler olan hublar, ok balantya
sahip baka dmlerle balant kurarken, protein etkileim alarnda ise bunun tam tersi
doru. Dier bir deyile, protein etkileimlerinde merkez dmler merkez dmlerle
etkileim kurmaktan kanyor.
ekil 1.8
Human Disease Network Disorder Class

Hastalk A
Bone Kaynak: Goh vd.

Cancer (2007)
Cardiovascular
Connective tissue
Dermatological
Developmental
Ear, Nose, Throat
Endrocrine
Gastrointestinal
Hematological
Immunological
Metabolic
Muscular
Neurological
Nutritional
Opthamological
Psychiatric
Renal
Respiratory
Skeletal
multiple
Unclassified
14 Sosyal A Analizi
Mikro lek ile makro lek arasnda iliki kuran bu trden baka almalar da var.
Harvard Medical Schoolda bir aratrmac olan Joseph Loscalzo, ortalama bir hcrenin
iindeki sosyal a ortaya koydu. 13,460 protein dmn genlerle olan 141,296 balan-
ts ile birlikte izdi. Bu etkileimler toplam etkileimin sadece yzde 20-25ine kar gelse
de bu yine de iyi bir balangt (Greenwood, 2015).
2003 ylnda gerekleen Irak Savann ekonomik, siyasi ve insani kayplar ve bu sa-
van daha sonra blgede yol at olumsuz gelimeler bilinen gereklerdir. Ancak, bu
sava ile ilgili bir baka gerek de, savan sonunda Saddam Hseyinin Amerikallar tara-
fndan a analizi kavramlar erevesinde yakalanm olmasdr. A analizine yakn olarak
West Pointte eitim grm Amerikal st dzey askerler, Saddamn yakn evresi ile ilgili
sosyal a sistematik olarak oluturmaya almlar ve bu ii resmi belgelere dayandrmak
yerine dedikodu ve aile balar erevesinde gerekletirmilerdir. Bu alarn yneldii
Saddamn yetitii Tikrit blgesine yaplan saldrlardan birinde ele geen Saddamn bir
aile fotoraf albm, bu an daha ak bir ekilde belirmesine neden olmutur. Ksaca
Saddam, sosyal alarnn verdii ipular ile yakalanmtr. Bu olay dier yandan ise ala-
rn kestirim gc ile tutarllk, istikrar konusunda da nemli gerekleri ortaya karmtr
(Barabsi, 2013).
Eitim ile ilgili izdiimiz bir sosyal a ile unlar belirleyebiliriz:

zole balant olma an rencileri
retici odakl renciler ara ndaki etkile imin d k olduu modelleri
k kmelenmi alar birbirine bala an k r grevi gren rencileri.
Eitim konusunda yaplan bir baka aratrma (Grsakal vd., 2008), iletiim anlamn-
da niversitede a younluunun en fazla ikinci snfta olduunu gstermitir.
zet
Sistemi, karmaklk kavramlarn ve karmak siste- Tarihsel olarak izge kuramn ve sosyal a analizinin
1 min zelliklerini aklamak 4 geliimini aklamak
Belirli bir ama iin bir araya getirilen, bileenleri ba- izge kuramna giden yol, 1735te Eulerin Knigsberg
msz veya karlkl etkileim iinde bulunan bir b- Kprleri ile ilgili sorduu soruya cevap vermek ze-
tne sistem adn veriyoruz. Eitim sistemi, salk sis- re basit bir kroki izmesi ile balar. Euler, 1736 yln-
temi, ynetim biliim sistemi hep verdiimiz tanma da yazd makalede vard bu sonucu aklamasna
uygun rneklerdir. Karmaklk, ok sayda paraya ramen izge kuram konusundaki ilk kitap bu maka-
sahip olan sistemlerin bir zelliidir. Sz edilen bu leden ancak 200 yl sonra yaymlanabilmitir.
tanm bize, sistemin para eitlilii ile bu paralarn Paralar karlkl olarak etkileim iinde bulunan
saylarnn karmakln artmasna neden olduunu karmak sistemleri anlamak iin, alar anlamak,
anlatmaktadr. Ksaca, byklk ve ok boyutlu- izgelerini izerek analiz etmek gerekir. Alarla canl
luk sistemlerdeki karmakln nedenleri arasnda- hcreleri iinde genler, proteinler, metabolitler ara-
dr. Karmak sistemlerin zellikleri arasnda byk- snda etkileimleri ve sreleri zmleyebiliyoruz.
lk ve ok boyutluluun yannda tanmlanamazlk ve Sinir hcreleri arasndaki balantlarla oluan alarla
kestirilemezlik de bulunmaktadr. beynin fonksiyonlarn; toplumdaki mesleki, arka-
dalk ve aile balarn; modern iletiim sistemlerini;
A kavramn tanmlayarak a ile izge arasndaki fark Facebook, Twitter, Instagram gibi sosyal alar; enerji
2 aklamak hatlarndan oluan ebekeleri; mal ve hizmet reten
Alar, dmler ve bunlarn arasndaki balantlardan ve datan ticari alar ve ulam alarn alarn ana-
oluur. Bir an bykl adaki dm says ile lizi yoluyla daha iyi anlayabiliyoruz.
anlatlr. Adaki dm saysn N ve adaki toplam
etkileim ile toplam balant says ise L ile gsterilir. A biliminin ortaya k srecindeki aamalar sralamak
5
Dmler iletme, birey, protein, lke olabilir. D- Alarn rassal olmad dncesi, a yaplarnn,
mlerin arasndaki balantlar ise, gnderilen rn trlerinin, bymelerinin vb. konularn incelenme-
veya bilgi gibi eyler varsa alar ynlendirilmi; akra- sine neden olmutur. Bylelikle a bilimi gelimeye
balk, arkadalk gibi ortak zellikler bulunduunda balamtr. 1736da Knigsberg kprleriyle orta-
ise ynlendirilmemi adn alrlar. izge, bir an gr- ya kan a biliminde 1950 ylnda rassal a kavra-
selletirilmesidir ve an iskeleti olarak adlandrlabilir. m ortaya atlmtr. 1970li yllarda Zayf Balarn
Gc nemli bir gelimeye yol amtr. 21. yzyln
letiim alar, sosyal alar ve biyolojik alar rneklemek balarnda ise nternetin geliimi ve a izimlerinin
3 A, canl veya cansz baz birimler ve bu birimler (d- yaplabilmesiyle bu alandaki gelimelerde byk hz
m) arasndaki balantlardan oluur. Dmler in- kazanlmtr. Sosyal medyann hayatmza girmesi de
san bilgisayar, irket, protein, karnca olabilir. Alarda dny apnda kolaylkla ok sayda aa sahip olun-
gsterilen balantlarda ise bilgi, para, haber, mik- masn salamtr.
roplar dmlerden dmlere aktarlabilir. Kentler
dmler, bunlar arasndaki yollar ise bu dmler Alarn analizi ile nelerin bulunduunu aklamak
arasndaki balantlardr. Limanlar, hava alanlar ve 6 A bilimi byk lde 2000li yllarn bandan ba-
terminaller dmler; bunlar arasndaki balantlar layarak gelimitir. A biliminin geliiminde Euler,
salayan kara, deniz ve hava yollar ise balantlardr. Paul Erds, Alfred Rnyi, Lszl Barabsi, Stanley
Anne, baba ve ocuklar arasndaki aile balar da aile Milgram ve Mark S. Granovetter gibi aratrmaclar
iinde bir a oluturur Benzer bir ekilde bilgisayar- etkili olmulardr. nceleri rassal olduu dnlen
lar arasndaki balantlar yoluyla da dmlerini alarn daha sonralar rassal olmadklar ortaya k-
bilgisayarlarn oluturduklar alar ortaya kar. Sinir mtr. A bilimi alannda yaplan almalarla sosyal
hcreleri arasndaki balantlarla oluan alardan, alardaki zayf ve kuvvetli balarn, merkezi dm-
toplumdaki mesleki, arkadalk ve aile alarndan ve lerin nemi anlalm; alarn analizi yoluyla biim-
Facebook, Twitter, Instagram gibi sosyal alardan sz sel olmayan ilikilerin incelenebilecei, hastalklarn
edilebilir. nasl bulatnn ve arkadalklarn nasl olutuu-
nun anlalabilecei ortaya kmtr.
16 Sosyal A Analizi
Kendimizi Snayalm
1. Aadakilerden hangisi karmak sistemin zelliklerin- 6. N ve L bir adakive .saylarn
den biri deildir? gsterir Cmlesinde bo braklan yeri aadakilerden
a. Byklk hangisi doru ekilde tamamlar?
b. ok boyutluluk a. Dm-hcre
c. Kestirilemezlik b. Hcre-dm
d. Kolay tanmlanamazlk c. Dm-toplam balant
e. Uygunluk d. Balant-dm
e. Dm-konum
2. Geleneksel olarak bilimde, aadakilerden hangisi sz
konusudur? 7. Ekonomik krizler, hastalklarn yaylmas, terr tehlikesi
a. Aklayan deikenler yardmyla aklanan dei- ile alarn ilikisi ile ilgili aadaki ifadelerden hangisi do-
kenler rudur?
b. A paradigmas a. Alarda karlkl bamlln artmas ile ilikilidir.
c. ki ynl etkileimler b. Alarn klmesi ile ilikilidir.
d. Aklanan deikenler yardm ile aklayan dei- c. Alardaki dm says ile ilgilidir.
kenler d. Alardaki sistemler ile ilgilidir.
e. Deiken uyumazl e. Alar ile ilikisi yoktur.
3. izgeleri alarn..olarak dnebiliriz. 8. izge kuramn ortaya karan makaleyi aadaki ara-
Cmlesinde bo braklan yeri aadakilerden hangisi doru trmaclardan hangisi yazmtr?
ekilde tamamlar? a. Paul Erds
a. tamam b. Leanhard Euler
b. yars c. Lszlo Barabsi
c. iskeletleri d. Mark S. Granovetter
d. ortak noktalar e. Alfrea Rnyi
e. byklkleri
9. Kk dnya hipotezini ortaya karan aratrmac aa-
4. Aadakilerden hangisi bir a deildir? dakilerden hangisidir?
a. Twitter a. Lszlo Barabsi
b. Facebook b. Paul Erds
c. Arkadalk a c. Leanhard Euler
d. y=a+bx d. Stanley Milgram
e. Instagram e. Mark S. Granovetter
5. Bir izgede aadaki kmelerden hangisi bulunur?

a. Dmler ve balantlar 10. Bir an deerinin adaki dm saysnn karesi (N2) ile
b. Dmler ve konumlar orantl olduunu anlatan yasa aadakilerden hangisidir?
c. Balantlar ve sklklar a. Metcalfe yasas
d. Balantlar ve uzunluklar b. Euler yasas
e. Balantlar ve zellikleri c. Erds says
d. Granovetter yasas
e. Moore yasas
Kendimizi Snayalm Yant Anahtar Sra Sizde Yant Anahtar

1. e Yantnz yanl ise Karmaklk konusunu yeniden Sra Sizde 1
gzden geiriniz. Karmaklk, kolaylkla tanmlanamayan ve kestirilemeyen
2. a Yantnz yanl ise Karmaklk konusunu yeniden ilgin yap ve desenler olarak tanmlanabilir. Karmakln
gzden geiriniz. balca nedenleri byklk ve ok boyutluluk olarak ifade
3. c Yantnz yanl ise A Kavram ve Farkl Alanlarda- edilebilir.
ki Alar konusunu yeniden gzden geiriniz.
4. d Yantnz yanl ise A Kavram ve Farkl Alanlarda- Sra Sizde 2
ki Alar konusunu yeniden gzden geiriniz. Arkadalk paradoksu, ilk olarak Scott L. Feld tarafndan ne
5. a Yantnz yanl ise izge Kuram ve Sosyal Alarn srlmtr. Birok kii arkadalarndan daha fazla arkadaa
Geliimi konusunu yeniden gzden geiriniz. sahip olduuna inanr, Scott L. Feld ise tam tersine arkadala-
6. c Yantnz yanl ise izge Kuram ve Sosyal Alarn rnzn ortalama arkada saylarnn sizden byk olduunu
Geliimi konusunu yeniden gzden geiriniz. ve onlarn daha popler olduklarn anlatr.
7. b Yantnz yanl ise izge Kuram ve Sosyal Alarn
Geliimi konusunu yeniden gzden geiriniz. Sra Sizde 3
8. a Yantnz yanl ise A Bilimi konusunu yeniden Granovetter gre alarn iinde kuvvetli ve zayf balantlar
gzden geiriniz. sras ile topluluklarn, gruplarn, organizasyonlarn iindeki
9. d Yantnz yanl ise Alarn Analizi ile Salanan Kat- ilikiler ve arasndaki balardr. Kuvvetli balarda etkileim
klar konusunu yeniden gzden geiriniz. skl yksek, duygusal younluk ve yaknlk fazladr. Za-
10. a Yantnz yanl ise Alarn Analizi ile Salanan Kat- yf balarn says oktur ve bu balarda duygusal younluk
klar konusunu yeniden gzden geiriniz. az, etkileim skl dktr. Kuvvetli balarda ise karlkl
ilikiler (reciprocal) sk gzlenir, buna karlk zayf balarda
karlkl ilikiler sk gzlenemez. Zayf balar srdrmenin
maliyeti dk olduu iin i haberleri alma konusunda in-
sanlar ok sayda zayf baa, az sayda da kuvvetli baa sa-
hiptirler.
18 Sosyal A Analizi
Yararlanlan ve Bavurulabilecek
Kaynaklar
Barabsi, A.L. ve Albert, R. (1999). Emergence of scaling in Grsakal, N.,, Ouzlar, A., Aydn Z.B., Tzntrk, S. (2009).
random networks. Science, 286, 509512. Measuring trust in an intra- organisational context
Barabsi, A.L. (2003). Linked: How everything is connected using Social Network Analysis. International journal of
to everything else and what it means. New York: Penguin management & enterprise development : IJMED, 6 (4),
Group. 494-512. http://dx.doi.org/10.1504/IJMED.2009.024238
Barabsi, A.L., Gulbahce, N., Loscalzo, J. (2011). Network Llorente, A., Garcia-Herranz, M., Cebrian, M. ve Moro, E.
medicine: A network-based approach to human disease. (2014). Social media fingerprints of unemployment.
Nature Reviews Genetics, 12, 56-68. Doi:10.1038/nrg291 Cornell University Library. http://goo.gl/AKEVCs
Barabsi, A.L. (2012). Network science: Luck or reason. (Eriim tarihi: 19.06.2015)
Nature 489, 507508. Doi:10.1038/nature11486 Memmesheimer, R. M., ve Timme, M. (2010). Synchrony and
Barabsi, A.L. (2013). Network science. Philosophical Precise Timing in Complex Neural Networks. Handbook
Transactions of the Royal Society A, 371, 20120375. Doi: on Biological Networks: World Scientific Lecture Notes
10.1098/rsta.2012.0375 in Complex Systems, (Ed: S. Boccaletti, V. Latora, Y.
Beal, V. Social Media. http://www.webopedia.com/TERM/S/ Moreno). New York, ABD. http://www.fulviofrisone.
social_media.html (Eriim tarihi: 15.06. 2015) com/attachments/article/412/handbook%20on%20
Bullas, J. (2014). 22 Social Media Facts and Statistics biological%20networks%20-%20boccaletti.pdf (Eriim
You Should Know in 2014. http://www.jeffbullas. tarihi: 17.06.2015)
com/2014/01/17/20-social-media-facts-and-statistics- Milgram, S. (1967). The small world problem. Psychology
you-should-know-in-2014/#bZdcXgk1cymTSWCU.99 Today 2, 1 (1), 6067.
(Eriim tarihi: 19.06.2015) Page, S.E. (2010). Diversity and Complexity. Princeton
Cook, R. (2011). Researchers Build Largest Protein niversitesi Basmevi. Princeton, New Jersey, ABD.
Interaction Map to Date. Harvard Medical School. http://press.princeton.edu/chapters/s9208.pdf (Eriim
(Eriim tarihi: 12.06.2015) tarihi: 15.06.2015)
Feld, S.L. (1991). Why Your Friends Have More Friends Than Smith, M. A., Shneiderman, B., Milic-Frayling, N., Mendes
You?. American Journal of Sociology, 96 (6), 1464-1477. Rodrigues E., Barash, V., Dunne, C., Capone, T., Perer,
Goh, K., Cusick, M. E., Valle, D., Childs, B., Vidal M. ve A. ve Gleave, E., Analyzing (Social Media) Networks with
and Barabsi, A.L. (2007). The human disease network. NodeXL, http://hcil2.cs.umd.edu/trs/2009-11/2009-11.
PNAS, 2007, 104 (21) 86858690. http://www.pnas.org/ pdf (Eriim tarihi: 17.06.2015)
content/104/21/8685.full.pdf (Eriim tarihi: 02.07.2015) Smith, M.A., Shneiderman, B., Milic-Frayling, N., Rodrigues,
Granovetter M.S. (1973). The Strength of Weak Ties. E.M., Barash, V., Dunne, C., Capone, T., Perer, A., Gleave,
American Journal of Society, 78 (6), 1360-1380. E. (2009). Analyzing (Social Media) Networks with
Greenwood, V. (2015). Newly Discovered Networks among NodeXL. http://hcil2.cs.umd.edu/trs/2009-11/2009-11.
Different Diseases Reveal Hidden Connections. http:// pdf (Eriim tarihi: 15.06.2015)
www.scientificamerican.com/article/newly-discovered- Wells, D. (1988). Which is the most beautiful?. Mathematical
networks-among-different-diseases-reveal-hidden- Intelligencer. 10 (4), 30-31.
connections/ (Eriim tarihi: 22.06.2015) Yang, J. ve Leskovec, J. (2014). Overlapping Communities
Greenwood, V. (2015). Networks Reveal the Connections Explain Core-Periphery Organization of Networks.
of Disease. https://www.quantamagazine.org/20150129- Stanford Infolab Technical Report, October 14, 2014.
networks-reveal-the-connections-of-disease/ (Eriim http://ilpubs.stanford.edu:8090/1103/2/paper-IEEE-full.
tarihi: 13.06.2015) pdf (Eriim tarihi: 21.06.2015)
Grsakal, N., Alk, S., Tzntrk, S. ve nl, M. (2008). ZME Science. Neural Netwrork. http://www.zmescience.com
Social Network Analysis of Trust Networks among (Eriim tarihi: 01.06.2015)
Geography Trainee Teachers and Its Possible Reflections
to Education. Ozean Journal of Applied Sciences, 1 (1), 59-
78. http://www.ozelacademy.com/ojas_v1i1.htm
2
SOSYAL A ANALZ
Amalarmz
Ynl ve ynsz, tartl ve tartsz alar arasndaki fark aklayabilecek,
Derece, ortalama derece, derece dalm kavramlarn tanmlayabilecek,
Komuluk matrisi verilen bir a izebilecek ve izili bir an komuluk matri-
sini gelitirebilecek,
A trleri ve a younluunu aklayabilecek,
En ksa patika algoritmasn uygulayabilecek
Anahtar Kavramlar
l A Tek aral A
sz A ki aral A
ere e ok aral A
rtalama ere e A o u lu u
ere e a l m atika
omuluk atrisi
indekiler
GR
YNL VE YNSZ TARTILI VE
TARTISIZ A LAR
DERE E ORTALAMA DERE E VE
Sosyal A Analizi Temel Kavramlar DERE E DA ILIMI
KOMULUK MATRS
A TRLER VE A YO UNLU U
PATKA EN KISA PATKA VE ORTALAMA
PATKA UZUNLU U
Temel Kavramlar
GR
Sosyal alarda dmler aktr adn almaktadr. rnein; bir aktrn (bir insan) ar-
kadalk balantlarndan oluan a ego a adn alr. Szn ettiimiz bu tr sosyal
alarn, i bulma olaslklarn kariyer baarlarn etkileyip etkilemedii, yeniliklerin ya-
ylmasnda alarn ne gibi bir fonksiyonu olduu, firmalar aras i birlii alar ve alarn
liderlie olan etkileri yaplan aratrmalarla incelenmitir. Bir aktrn sosyal ann ona
sosyal bir sermaye salayp salamad da yine aratrlan konular arasndadr. Ancak u
bir gerek ki, gnmzde sosyal alar anketlerle incelenemeyecek kadar bymtr ve
bu tr aratrmalarn bilgisayar ve nternet olmakszn gerekletirilebilmesi kolay deil-
dir.
kinci nite ynl ve ynsz a kavram ile balyor. Bu nitede en temel konu; derece,
ortalama derece ve derece dalm kavramlar. Az nce belirtilen erevede okuduu-
nuz bu nitenin uygulamalarnda NodeXL ve Pajek adl ak kaynak kodlu iki program
kullanacaz. Bu nedenle, bu nite ile ilgilenmeden nce bu programlar bilgisayarnza
nternetten indirerek kurmanz yararl olacaktr.
YNL VE YNSZ, TARTILI VE TARTISIZ ALAR

Bu blmde, dmler arasndaki balantlarn ynne ve arlna (gcne) gre nasl
adlandrldklarna deinilecek, ayrca ikili ve l balantlardan sz edilecektir.
Ynl ve Ynsz Alar

Alar yolu ile iletiim kurarz, bilgiyi payla- ekil 2.1
rz, ynetiriz. rnein, ekil 2.1de grdnz 2 Ynl A
4 dml basit ada, 1 dmnden 4e ve 4
dmnden 1e giden bir eyler (rn, para,
haber, bilgi, e-posta, telefon ama) bulunmak-
tadr. Ayn ekilde, 1den 2ye ve 3e de bir eyler
aktarlmaktadr. 2 dmnden ise, 3e ve 4e
3
bir eylerin gnderildiini anlyoruz. Yine ekil
4
2.1de, iki tanesi 1-4 arasnda olmak zere top-
lam 6 balant sz konusudur.
Dikkat ederseniz, ekil 2.1de dmler aras-
na oklar izilmitir. Oklar; bir dmden dieri- 1
ne olan balantnn, gnderilenlerin ynn bize
gstermektedir. rnein ekil 2.1 Twitterda biri-
22 Sosyal A Analizi
lerinin birilerini izlemeleri ile ilgili olabilir. Bu balamda; 1 dm 2 dmn, 1 dm 3

dmn ve yine 1 dm 4 dmn izlemektedir. 4 dm ile 1 dm birbirlerini
karlkl olarak izlemektedir. 2 dm ise 3 ve 4 dmlerini izlemektedir.
ekil 2.2 ekil 2.2de ise yine 4 dmden oluan bir a
Ynsz Bir A 4 grlmektedir. Bu ada 1-2, 1-3 ve 3-2 dmleri
arasnda bir iliki sz konusudur, ancak bu iliki-
lerin yn sz konusu deildir. ekil 2.2deki ada
3 balant bulunmaktadr. rnein, bu tr bir ekil
3 bize Facebooktaki arkadalklar gsterebilir. Akra-
balklar veya evlilikleri de ekil 2.2 gibi bir izge ile
2 gsterebiliriz. Bu tr alarda, gnderilenlerden ok
ortaklk, arkadalk, ayn kulbe ye olmak gibi baz
paylalan zellikler karmza kmaktadr. ekil
2.2de dikkati eken bir baka nokta ise, 4 numaral
dmn hibir balantsnn olmamasdr. Bu d-
1 m dier dmlerle etkileim iinde deildir; ne
onlar etkilemekte ne de onlardan etkilenmektedir.
Bir kii bir baka kiiye telefon atnda, bu tr izgede iki kiiyi balayan izgide, belirli
bir yne sahip bir ok olmas doaldr. Daha sonra, telefon alan kii ona telefon aana tele-
fon aarsa, doal olarak ok her iki ynde de olacaktr. Oysa nianl veya evli iki kii arasnda
veya ortak i yapan iki irket arasnda bu tr bir ok ve okun yn sz konusu deildir. Bu
verdiimiz rnekler erevesinde balantlar ve alar ynl (directed) veya ynsz (undirec-
ted) olarak iki snfta dnlebilir. Ynl alarda, dmlerden gnderilen soyut veya so-
mut bir eyler sz konusudur ve izgelerde, bunlar oklarla gsterilir. Ynl alarda balant
tek ynl olabilecei gibi iki ynl de olabilir. Buna karlk, ynsz alarda ise, sadece pay-
lalan ortak zellikler vardr ve balantlar ok iaretinin yer almad bir izgi eklindedir.
Ynsz alarda balantlar simetriktir. Ynl alara rnek olarak, Twitter ve telefon amak;
ynsz alara rnek olarak ise, Facebook ve akrabalk, arkadalk ilikileri verilebilir.
Eer bir an gsterimi olan bir izgede kullanlan balantlarda oklar varsa o a ynl; yok-
sa a ynszdr. Ynl alarda okun yn hangi dmden hangi dme doru bir ba-
lantnn gerekletiini gsterir. Ayrca matematiksel olarak ynl alarda dmler sral
ikililer (ordered pairs) biiminde iken, ynsz alarda ise srasz ikililer (unordered pairs)
biimindedir. Ksaca, ynl alarda balantnn hangi dmden hangi dme olduu be-
lirlidir. Buna karlk ynsz alarda balantnn yn sz konusu deildir.
kili ve l Balantlar
A analizlerinde diadik ilikiler iki dm arasndaki ikili ilikilerdir. Yine a analizinde
dm arasndaki balantlar ise triadik balantlar olarak adlandrlr. ekil 2.3te de
ekil 2.3 grld gibi ynl alarda iki dm arasnda tr balant
Ynl Alarda kili olabilir:
Balantlar ki dm arasnda hibir balant olmayabilir
ki dm arasnda tek ynl bir balant olabilir.
ki dm arasnda karlkl (reciprocal) bir balant olabilir.
2. nite - Temel Kavramlar 23
ekil 2.4
Ynl Alarda l
Balant Trleri
(Triads)
1-003 2-012 3-102 4-021D Kaynak: Nooy vd.

(2005)
5-021U 5-021U 7-111D 8-111U
9-030T 10-030C 11-201 12-120D
13-120U 14-120C 15-210 16-300
Granovetter, Zayf Balarn Gc adl makalesinde ekil 2.4teki 201 nolu lnn
sk grlmediini bunun yasaklanm l olduunu belirtir (Granovetter, 1973). Di-
er bir deyile arkadatan B ve C kiileri A ile karlkl balantlar iindeyse, rnein
birbirlerine telefon ayorlarsa; B ile Cnin arasnda balant olmamas olasl dktr.
ller yardm ile sosyal ilikilerde dmanmn dman benim dostumdur gr-
de bir izge ile aklanabilir. ekil 2.5te grld gibi, A ve B dmleri Cden ho-
lanmamaktadr ve aralarnda dmanlk sz konusudur. Eer A,dmanmn dman
benim dostumdur grndeyse bu arada B ile iyi ilikiler kuracaktr.
ekil 2.5
Dmanmn
Dman Dostumdur.
A B
C
24 Sosyal A Analizi
Eer Pajek yardm ile bir adaki lleri (triads) saydrmak istersek, u komutlarla
ilerlemeliyiz:
Network>Info>Triadic Census
ekil 2.6
Pajek ile lleri
Saydrmak
Eer bir sosyal ada iki kii ortak bir arkadaa sahip ise, o iki kiinin de gelecekte artan
bir olaslkla arkada olmalar beklenir ve bu olguya l kapanma(Triadic closure) ad
verilir. Eer A dmnn B ve C dmleri ile balantlar varsa ve eer bu balantlar
kuvvetli balarsa, zellikle B-C bann olumas olasdr (Leskovec, 2007).
Ynl alarda iki dm arasnda ne tr balantlar vardr?

1
Tartl ve Tartsz Alar
Alar, tartl (weighted) olabilecekleri gibi tartsz (unweighted) da olabilirler. Eer i ve j d-
mlerinin arasndaki balant wij =1 ise ve dier btn dmler arasndaki balantlarn
deeri 1e eitse bu a tartsz bir adr. Oysa cep telefonu ile konuan iki kiinin konutuklar
sreler veya bu srelerin toplam, ada tart olarak alnabilir ve bu tr alar tartl alar olarak
adlandrlrlar. Benzer ekilde, verilen bor miktarlar ve yaplan ithalat/ihracat miktarlar da
ekil 2.7 tart olarak alnabilir.
A ekil 2.7yi incelersek,
Balantlarnn Gc
Farkl, Ynsz Bir bu ekilde izilen 3 dml
izge ve 3 balantl ynsz bir a
grmekteyiz. ekil 2.7nin
C fark, bu ada balantlarn
glerinin birbirinden fark-
l olmasdr. rnein; A ile
B arasndaki balant ok
gl, A ile C arasndaki
balant daha zayf ve B ile
C arasndaki balant ise en
B
gsz balantdr.
ekil 2.8
E Balantlarnn Gc
Farkl, Ynl Bir A
B
C
ekil 2.8de ise yine balantlarnn gc farkl ynl bir a gryoruz. Bu ada 6 d-
m ve 9 balant bulunmaktadr. Ada 9 balant olmasnn nedeni, A ile B dmleri
arasnda ift ynl bir balantnn bulunmasndan kaynaklanmaktadr.
Tartsz alar aklaynz.

2
DERECE, ORTALAMA DERECE VE DERECE DAILIMI
Bir adaki dm (sosyolojik anlamda aktr) says, a bykl adn alr ve a b-
ykl N ile gsterilir. Bir an dm says arttka o adaki karmaklk artar. Ynl
bir a iin maksimum balant says N(N-1) ile ynsz bir a iin ise maksimum balant
says N(N-1) / 2 ile hesaplanr. N(N-1) / 2 says bize ayn zamanda bir adaki dm
ifti saysn gsterir. Tablo 2.1de adaki dm saysna, eitli a byklklerine ve an
ynl veya ynsz olmasna gre hesaplanm maksimum balant saylarn gryoruz.
Adaki dm says A ynl m? Maksimum balant says Tablo 2.1

Ynl ve Ynsz
3 E N(N-1)=3.2=6 Alarda Maksimum
3 Hayr NN Balant Saylar
4 E N(N-1)=4.3=12
4 Hayr NN
5 E N(N-1)=5.4=20
5 Hayr NN
6 E N(N-1)=6.5=30
6 Hayr NN
10 E N(N-1)=10.9=90
10 Hayr NN
Derece, bir dmn balantl olduu komu saysdr. Ynl alarda bir adaki d-
mlerin gelen dereceleri, giden dereceleri ve toplam dereceleri sz konusudur. rnein;
26 Sosyal A Analizi
ekil 2.9daki ada, 1 dmne gelen 2 balant ve yine 1 dmnden giden 2 balant
vardr. Dier yandan, 3 dmne gelen derece anlamnda 3 ve giden derece anlamnda
da yine 3 balant bulunmaktadr.
ekil 2.9
Ynl Bir izge 2
3
5
7
4
ekil 2.9daki izge ile gsterilen an gelen, giden ve toplam derecelerini yle srala-
yabiliriz:
Tablo 2.2 Dm No. Gelen derece Giden derece Toplam derece

1 2 2 4
2 1 1 2
3 3 3 6
4 2 1 3
5 1 1 2
6 2 0 2
En yksek dereceye sahip olan dmler, bir anlamda adaki ak kontrol edebilecek gce
sahip olan merkez dmlerdir (hubs). Merkez dmlerin gelen ve giden balantlar
yksektir. Eer bir merkez dmn gelen balant derecesi yksek ise, bunun anlam o
dme ok fazla danld olabilir. Yine bir merkez dmn giden balant derecesi
yksek ise, o zaman da bunun anlam, bu dmn saa sola ok fazla talimat verdii, gr
bildirdii veya haber verdii anlamnda olabilir. Merkez dmler bir adaki nemli d-
mlerdir. Sosyal a analizinde merkez dmlerin belirlenmesi nemlidir.
Bir i dmnn derecesini ki ile gsteriyoruz. Ynsz bir ada toplam balant says
olan toplam derece, dmlerin derecelerinin toplamdr:
1 N
L=
2
i=1 ki
Burada kullanlan , balantlarn her iki dm iin de saylmas nedeniyle kullanl-
maktadr. Ynsz bir a iin ortalama derece u ekilde hesaplanr:
1 N 2L
<k>
N
i=1 ki = N
Ynl alar iin gelen (in) ve giden (out) derece toplam, toplam dereceye eit olacaktr:
k i = k gelen
i + k giden
i
Ynl bir a iin toplam balant says yle hesaplanabilir:

N N
L = i=1 kigelen = i=1 kigiden
Ynl bir a iin ortalama derece ise u ekilde hesaplanr:

1 N gelen 1 N
L = (k gelen ) = k = (k giden ) = N
2 i i
kigiden
i
Tablo 2.2de, gerek hayattan elde edilen verilerle izilen eitli alarn dm, balant
saylarn ve ortalama derecelerini grmekteyiz.
Ortalama derece hesaplanrken ynsz alarda 2L/N ve ynl alarda ise L/N formlnn
kullanldna dikkat ediniz.
Dm Ortalama Tablo 2.3

Ynl/ Balant Alarn Dm,
A Dmler Balantlar Says Derece
Ynsz Says (L) Balant Saylar ve
(N) <k>
Ortalama Dereceleri
(Barabsi, 2014)
R Ynsz 192244 609066 LN

www L Y 325729 1497134 LN
G
E H K Ynsz 4941 6594 LN

A A Y 36595 91826 LN

Y 57194 103731 LN
B B O
Ynsz 23133 93439 LN
O L
A A Ynsz 702388 29397908
N
A S A Y 449673 4689479 LN
E K
M Y 1039 5802 LN
P
P E Ynsz 2018 2930 LN
Derece Dalm
Derece dalm pk ise bize bir ada rassal olarak seilen bir dmn k derecesine sahip
olmas olasln verir. Nnin bir adaki toplam dm says ve Nknn bir ada k derece-
sine sahip dm says olduunu hatrlayarak, Nk deerlerini Nye blerek bu deerleri
normalize edip olaslk toplamlarn 1 yapabiliriz:
Nk
pk =
N
28 Sosyal A Analizi
Alar iin derece dalm pk ok nemlidir nk bu dalm an direnli bir a olup

olmadndan, ada virslerin yaylmasna kadar birok gelimeyi belirler. Ayrca derece
dalm, alarn trnn belirlenmesinde kullanlan an DNAs gibidir.
ekil 2.10 ekil 2.10daki izgenin derece dal-
Be Dml Ynl 2 mn u ekilde hesaplayabiliriz. Dm-
Bir A lerden hibiri 0 balantya sahip olmad-
izgede izole bir dm olmad iin
0 balant saysnn olasl da sfrdr.
1 Benzer ekilde izgede 1 balantya sahip
dm de bulunmad iin 1 balantya
4 sahip olma olasl da yine sfrdr. ki
balantya sahip dm 4 nolu dm-
dr. ki balantya sahip tek bir dm
olduu iin bu olaslk 1/5=0,2 olarak
3
hesaplanr. balantya sahip dm-
ler 2 ve 5 nolu dmlerdir. Bu nedenle
balantya sahip olma olasl 2/5=
5 0,4 olur. Drt balantya sahip dm
tek bir dmdr ve bu dm 3 nolu
dmdr. O hlde 4 balantya sahip olma olasl 1/5=0,2 olarak hesaplanr. izgede
be balantya sahip dm olmad iin be balantya sahip olma olasl sfrdr. Son
olarak alt balantya sahip olan bir tek 1 nolu dm olduu iin bu olaslk yine 1/5 =
0,2dir.
Tablo 2.4 Balant says 0 1 2 3 4 5 6

Olaslk 0 0 0
Az nce bulduumuz derece dalmnda, dmlerin gelen ve giden olmak zere

toplam balant saylarn gz nne aldk ve genel anlamda bir derece dalm hesap-
ladk. Oysa gelen derece dalm ve giden derece dalmlarn ayr ayr oluturmak da
mmkndr.
Tablo 2.5 Dm No. Gelen balant says

1 2
2 1
3 2
4 2
5 2
Tablo 2.6 Gelen Balant says 0 1 2

Olaslk 0
Dm No. Giden balant says Tablo 2.7

1 4
2 2
3 2
4 0
5 1
Giden Balant says 0 1 2 3 4 Tablo 2.8

Olaslk 0
Derece dalm neyi ifade eder?

3
KOMULUK MATRS
Komuluk matrisini bir Aij matrisi eklinde dnrsek ve bu matrisin balantlarnn
deerleri 1 ise, bu matrisin elemanlar u ekilde olur:
Eer jden iye bir balant varsa Aij =1
Eer jden iye bir balant yoksa Aij = 0 olur.
Eer komuluk matrisi ynsz bir an komuluk matrisiyse, bu matris simetrik bir
matristir Aij = Aji ve Aii =0 olur ve ayrca derecelerin satr toplamlar, stun toplamla-
rna eit olur:
N N
k i = j=1 Aij = i=1 Aij
Ynsz bir a iin toplam ba says ile ortalama derece says u ekilde hesaplanabilir:
1 N 2L
L=
2
i,
A
j=1 ij
< k >=
N
Buna karlk, ynlendirilmi alarn komuluk matrisi simetrik olmak zorunda de-
ildir. Ynsz alarda Aij Aji ve Aii =0 olur ve satr toplamlar stun toplamlarna eit
olmak zorunda deildir. Gelen ve giden balantlarn says veya deerlerinin toplam ayn
olmak zorunda deildir:
N
k gelen
i j=1 Aij
N
k giden
i Aij
i, j=1
Ynlendirilmi bir a iin ise toplam ba says ile ortalama derece says u ekilde
hesaplanabilir:
N L
L = i, j=1 Aij < k gelen >=< k giden >=
N
Komuluk matrisi aada verildii gibi olan ynsz bir a izdiimizde ekil 2.11deki
a elde ederiz.
30 Sosyal A Analizi
Tablo 2.9 1 2 3 4 5 6 7 8 9 10
1 0 1 0 1 0 0 0 0 1 0
2 1 0 0 0 0 0 0 0 1 0
3 0 0 0 0 0 0 0 0 1 1
4 1 0 0 0 0 0 0 0 0 0
5 0 0 0 0 0 0 0 0 0 1
6 0 0 0 0 0 0 1 0 0 0
7 0 0 0 0 0 1 0 0 0 0
8 0 0 0 0 0 0 0 0 0 1
9 1 1 1 0 0 0 0 0 0 0
10 0 0 1 0 1 0 0 1 0 0
ekil 2.11 imdi verdiimiz komuluk mat-

Ynsz Bir izge 8 5 risini ve ekil 2.11i inceleyerek bu
ikisi arasndaki ilikiyi netletirelim.
10 rnein; verilen komuluk matri-
sinin 10. dmne ilikin satrna
baktmzda 1 deerlerinin sadece
3,5 ve 8. Stunlarda olduunu gr-
3 rz. ekil 2.11e baktmzda 10 nolu
dmn 3,5 ve 8 nolu dmlerle
7
ynsz bir balant iinde olduunu
4
grebiliriz. Bir rnek daha verelim.
9 Komuluk matrisinin birinci satrn-
6
1 daki 1 nolu dmn 2, 4 ve 9 nolu
stunlarnda 1 deeri yer almaktadr.
Bu nedenle ekil 2.11de 1 nolu d-
2
m 2, 4 ve 9 nolu dmlerle yn-
sz bir balant iindedir.
Bu kez de izleyen baka bir komuluk matrisi iin ekil 2.12deki ynl a izelim.
Tablo 2.10 1 2 3 4 5 6 7
1 0 1 0 1 0 0 0
2 0 0 1 0 0 0 0
3 1 0 0 0 0 2 0
4 0 0 1 0 0 0 0
5 0 0 1 0 0 0 0
6 0 0 0 0 0 0 0
7 1 0 0 1 1 0 0
ekil 2.12deki 3 nolu dmn ekil 2.12
balantlarn anlamak iin komu- 6 Ynl A
luk matrisine bakalm. Komuluk
matrisine 3 nolu dm iin satr
olarak baktmzda bu dmden
1 nolu dme 1 ve 6 nolu d-
me ise 2 ynl balant grrz.
Gelen balantlar grmemiz iin 3
bu kez komuluk matrisindeki 3
2
nolu stuna bakmamz gerekir. 3 5
nolu stunda 1 deerleri 2, 4 ve 5
nolu satrlarda olduu iin 2, 4 ve 5
nolu dmlerden 3 nolu dme 1
gelen balant sz konusudur. 3
nolu dm iin gelen ve giden bu
7
balantlar ekil 2.12de grebiliriz. 4
Uygulama: Komuluk matrisi
bal altnda az nce bu matris-
lerle izgelerin nasl bir iliki iinde olduklar akland. Ancak yine de eksik olan nokta,
bu matrislerin izgelere nasl dntrld sorusudur. Bu iin nasl yapldn bilgisa-
yar program kullanarak gsterebiliriz. Bu amala ak kaynak kodlu bir program olan ve
Excelin uzants olarak alan NodeXL programndan yararlanacaz.
Varsayalm ki bir i yerinde Ali, Aye, Ahmet, Mehmet, Bur ve Berk almaktadr ve
belirli bir sre iinde birbirlerine gnderdikleri e-posta says verilen komuluk matrisin-
de olduu gibidir. rnein; bu matrise gre Ali Ayeye 4, Ahmet ve Mehmete ise birer
e-posta gndermitir. Kullanacamz Aij komuluk matrisi izleyen ekilde olsun ve bu
matrise dayanarak, NodeXL yardm ile ynsz bir izge izelim.
AL AYE AHMET MEHMET BUR BERK T Tablo 2.11
AL 0 4 1 1 0 0 6
AYE 4 0 1 4 1 0 10
AHMET 1 1 0 0 0 0 2
MEHMET 1 4 0 0 0 0 5
BUR 0 1 0 0 0 3 4
BERK 0 0 0 0 3 0 3
T 6 10 2 5 4 3 30
nce 6 dml, 7 balantl an verilerini NodeXLe girelim. Sol altta Edgesi (ba-
lantlar) tklayarak ekil 2.13n sol tarafndaki ekran parasnda olduu gibi dm-
ler arasndaki balantlar girelim. Ayn ekranda bu balantlarn deerleri (gleri) de
Width stununa girilsin. Daha sonra ise, bu kez de sol altta bulunan Verticesi (dm-
ler) tklayarak, birinci stuna dmlerimizi ve daha sonra da Label (etiketler) stunu-
na bu dmlerin adlarn yazalm. Ayrca, Label Positionda (etiket pozisyonu) srekli
olarak etiketlerin Top Left (stte solda) yazlmasn isteyelim. izmek istediimiz an
ynsz bir a olmasn salamak iin ise, ekil 2.13te sol stte grlen Formller szc-
nn hemen altnda bulunan ve izeceimiz izgenin trn gsteren Type (tr) kar-
snda Undirected (ynsz) szcnn olmas gerektiini unutmayalm.
32 Sosyal A Analizi
ekil 2.13
Dm ve Balantlar Girmek in ki NodeXL Ekran
Bu ileri yaptktan sonra, en st satrdaki NodeXLi tklayarak ikinci satrdaki Show

Graph (izge gster) ile ekil 2.14e ularz. Burada ikinci satrdaki Typen (tr) karsnda
Undirected (ynsz) yazd iin bu izge ekil 2.14teki gibi ynsz bir izge olacaktr.
ekil 2.14
Ynsz izge
imdi ise ayn verileri kullanarak bu kez Type Directed yapalm ve stte solda
ikinci satrdaki Refresh Graph (izge yenile) tklayarak ekil 2.15teki ynl izgeye
ulaalm.
ekil 2.15
Ynl izge
E-Posta verilerinden elde ettiimiz izgeyi u ekilde yorumlayabiliriz:

Aye en fazla balantya sahip kiidir. Onu Ali izlemektedir.
Aye, Ali, Ahmet ve Mehmet arasnda e-posta trafii bulunmaktadr. Ali ile
Ayenin, Aye ile Mehmetin balar kuvvetlidir. Buna karlk, Berk ile Bur bu
gruba zayf bir ba ile baldr.
Berk dier alanlarla e-posta yoluyla iletiim kurmamaktadr. Sadece Bur ona
tek bir e-posta gndermitir.
Ahmet, Ali ve Ayeye zayf balarla baldr.
Bu durumun iyiletirilmesi firmada daha verimli bir alma ortam salayabilir.
A TRLER VE A YOUNLUU
Bu blmde, dmlerine gre a trlerinin nasl adlandrldklarndan sz edilecek, ar-
dndan balant saylarna gre alarn seyrek ve youn eklinde nitelendirilmesine ilikin
aklamalar yaplacaktr.
Tek Paral, ki Paral ve ok Paral Alar

Biz genelde ayn trden dmlerden oluan alarla ilgileniriz. rnein; insanlarn olu-
turduklar sosyal alarda dmler ayn trden olduu iin bu alar tek paral a adn
alr. Kullanclar kullanclara veya dokmanlar dokmanlara balayan alar tek paral
alardr. Ancak bir ada mteriler ve rnler gibi iki tr dm sz konusu ise o zaman
bu a iki paral a adn alr (ekil 2.16).
34 Sosyal A Analizi
ekil 2.16
Daire ve Kare
eklindeki ki Tr
Dmden Oluan ki
Paral izge
Kaynak: NCZR (2015)
Baka durumlarda ise dm trleri eer ikiden de fazla ise o zaman bu a ok par-
al a adn alr. ki veya daha ok paral alarda dm trleri, farkl renk ve ekillerle
gsterilebilir. A llerinin ounluu tek paral alar iin geerli olduundan, iki veya
ok paral alar analiz etmek iin nce bu alar tek paral biime dntrlr ve he-
saplamalar daha sonra yaplr.
ekil 2.17 ve ekil 2.18de tek paral ve iki paral a rnekleri grlmektedir. Bu ki-
tapta genelde tek paral a rnekleri ele alnmaktadr. Ancak ikinci ekilde grld
gibi eer dmler iki snf olarak (alclar ve rnler, filmler ve izleyenler gibi) belirleni-
yorsa, a iki paral (bipartite) bir a olur.
ekil 2.17
Tek Paral Tartl A A 1 B
ve Komuluk Matrisi A B C D
1
A 0 1 0 0
1 2 B 1 0 0 0
C 0 0 0 0
D 1 2 3 0
2 D
C
ekil 2.18
ki Paral Tartl A A
ve Komuluk Matrisi
E
A B C D
B
E 1 1 1 0
C F
F 1 0 0 1
D G 0 1 1 1
G
Gerek Alarn Seyreklii

Gerek alarn dm (N) ve balant saylar (L) birbirinden ok farkldr. Bir adaki
balant says L=0 ile LMaks arasnda deiir. Tam bir izgede, maksimum balant says-
n gsteren LMaks sayda balant bulunur.
ekil 2.19
Tam A
ekil 2.19da grdmz 12 dml a tam bir izgedir ve btn dmler arasnda
balantlar bulunmaktadr.
LMaks = NC2 = N! / 2! (N-2)! = N. (N-1).(N-2)! / 2. (N-2)! = [N(N-1)] / 2 = 12 (11)/2 = 66
Gerek alarda L deeri LMaks deerinden ok kktr ve bu durum bize gerek alarn sey-
rek olduunu gsterir. Seyrekliin zellikle alarn bilgisayar belleklerinde saklanmasnda
bize kolaylklar salayabilecei unutulmamaldr.
Gerek alarda dm says (N) ve balant says (L) ok eitli deerler alabilir.
rnein, yaayan organizmalardan beyin haritas karlan ilk canl bir kurtuk olan C.
Eleganstr ve onun sinir anda 297 nron (dm) ve 2345 sinaps (balant) bulunmak-
tadr. nsan beyninde ise, yz milyar ( 1011) nron ve bu nronlarn her birinde ortalama
7000 balant bulunmaktadr. nsan hcresinin genetik anda dm olarak 20000 gen
bulunmaktadr. Webde trilyondan fazla (N>1012) web sayfas bulunmaktadr. Bir ada
balant says sfr olabilecei gibi adaki maksimum balant says aadaki forml ile
hesaplanr:
N (N 1)
L Maks = N C2 =
2
Maksimum balantya sahip an izgesine ise, tam izge (complete graph) ad verilir.
Tam a izgesi, rassal a izgesi, lekten bamsz a izelgesi gibi belirli zelliklere sahip
alarn izgelerinin elde edilmesinde Pajek (okunuu Pah-yek) program kolaylklar sala-
maktadr. Bu nedenle, maksimum balantya sahip tam bir an izgesini Pajek program
ile u komutlar yardm ile izebiliriz (ekil 2.20):
Network>Create new Network> Complete Network>Directed
Bu komutlar: A>Yeni A Olutur>Tam A>Ynl A anlamndadr.
36 Sosyal A Analizi
ekil 2.20
Pajek ile Tam ve Ynlendirilmi Bir An izgesinin izimi
Daha sonra ekil 2.21deki ekranda beliren diyalog kutusunda, Enter number of
vertices(dm saysn gir) satrndaki bolua, istediimiz dm saysn (rnek 10)
ekil 2.21de olduu gibi girip OK tklanr.
ekil 2.21
Pajek ile Tam ve
Ynlendirilmi Bir
An izgesinin
iziminde Dm
Saysnn Girilmesi
Bu ilemlerden sonra, ekil 2.22deki gibi izleyen komutlarla tam a izilir:

Draw >Network
(iz>A)
ekil 2.22
Pajek izim Komutlar
Elde edilen 10 dml tam a izgesi ekil 2.23te grlmektedir:

ekil 2.23
Pajek ile izilen 10
Dml Ynl Tam
izge
38 Sosyal A Analizi
Ayn ii ekil 2.21de 10 dm yerine 50 dm girerek yaptmzda ise, 50 dml

an tam izgesi ekil 2.24te grld gibi olur:
ekil 2.24
Pajek ile izilen 50
Dml Tam izge
Gerek alarn sahip olduklar balant saylar L, maksimum balant saylarndan

kktr. rnein; web, sahip olabilecei maksimum balant saysnn sadece 1/106 ka-
darna sahiptir. Dier gerek alar iin de bu oran deiebilir ama alarn seyrek (sparse)
olma olgusu deimez. Alarn komuluk matrislerinin seyrek matris olmas olgusu, kul-
lanlan bilgisayar algoritmasnda gereksiz alanlar saklamadan sadece sfr olmayan ele-
manlar saklayarak nemli bir kazanm salamamza yol aar.
Gerek alarn seyrek alar olmas olgusu, Metcalfe yasasn da etkiler. Alarn oun-
da tam balant saysnn (maksimum balant says) sadece kk bir orannn gerekte
yer almas, alarn deerinin N2 ile bymediini, belki de N says ile dorusal bir ekilde
bydn bize anlatr. Dier yandan, alardaki balantlarn deerleri birbirlerine eit
deildir. te yandan, baz balantlarn arlklarnn dierlerine gre ok byk olmas
da Metcalfe yasasnn geerliliini etkiler.
A Younluu
Sosyolojik adan adaki uyumluluk, birliktelik, dayanma ve aidiyet a younluu (den-
sity) ile llr. Younluk, dmler arasndaki karlkl balantl olmann dzeyini l-
en bir ldr.
Bir an younluu, ada var olan toplam balant saysnn, maksimum (tm olas) balant
saysna blnmesiyle bulunur.
ekil 2.25te verilen izgenin younluunu hesaplayalm. ncelikle aada verilen

komuluk matrisindeki bu izgenin toplam balant saysn bulalm:
1 2 3 4 5 6 Toplam Tablo 2.12

1 1 1 1 1 1 5
2 1 1 1 0 0 3
3 1 1 1 0 0 3
4 1 1 1 0 0 3
5 1 0 0 0 1 2
6 1 0 0 0 1 2
18
Bir adaki maksimum (tm olas) balant saysnn N(N-1) ile hesaplanacan hatr-
layarak, ekil 2.25deki izgede younluk u ekilde hesaplanr:
Younluk=18/(6*5) = 0,6
ekil 2.25
Younluu 0,6 Olan A
2
3
1
6 4
PATKA, EN KISA PATKA VE ORTALAMA PATKA UZUNLUU

Bir ada iki dm arasndaki, balantlarn birbirine eklenmesinden oluan yol patika
adn alr. rnein, ekil 2.25te 5 nolu dmden 6 nolu dme veya 6 nolu dmden
5 nolu dme tek bir patika sz konusudur. Ancak 5 nolu dmden 3 nolu dme
gitmek istediinizde, bunu izleyen patikalardan gerekletirebilirsiniz:
5-1-3 5-1-2-3 5-1-4-3 5-6-1-3 5-6-1-2-3 5-1-2-4-3 5-1-4-2-3
Her dm arasndaki yolun bir birim olduunu varsaydmzda bu patikalar ara-
snda birinci olan 5-1-3 patikasn yol uzunluunu 2 deeri ile en ksa yol olduunu ve
bunun en ksa patika olduunu hemen anlayabiliriz. i ve j dmleri arasndaki en ksa
patikay dij ile gsteriyoruz. Ynsz alarda dij= dji olmakla birlikte ynl alarda genelde
bu eitlik sz konusu deildir: dij dji . Ynl alarda iden jye bir patika olmas jden iye
de bir patika olmasn garantilemez. ki dm arasnda birden ok sayda en ksa patika
olmas da mmkndr. Alarda en ksa patikalarn bulunmas iin farkl algoritmalarn
bulunduunu da hemen ekleyelim.
ekil 2.25teki izgenin dmleri arasndaki en ksa patikalar aada verilmektedir. 1
nolu dmden 2 nolu dme en ksa patikadan tek bir srama ile gidelebilirken, 3 nolu
dmden 5 nolu dme en ksa patikadan iki srama ile gidilebilmektedir.
40 Sosyal A Analizi
Tablo 2.13 1 2 3 4 5 6 T
1 0 1 1 1 1 1 5
2 1 0 1 1 2 2 7
3 1 1 0 1 2 2 7
4 1 1 1 0 2 2 7
5 1 2 2 2 0 1 8
6 1 2 2 2 1 0 8
T 5 7 7 7 8 8 42
Ortalama patika uzunluu ise, btn dm iftleri arasndaki en ksa patikalarn or-
talamas olarak tanmlanabilir.
2
< d >=
N (N 1)
dij
ekil 2.26
Be Dml Ynsz
Bir izge 1
2 3
4 5
imdi ekil 2.26daki izgenin ortalama patika uzunluunu hesaplayalm:

<d> = [2/(5.4)} (d12+d13+d14+d15+d23+d24+d25+d34+d35+d45)/ = (1/10) (1+2+2+3+1+1+
2+ 2+ 1+1)=1,6
zet
Ynl ve ynsz, tartl ve tartsz alar arasndaki fark Eer jden iye bir balant varsa Aij =1
1 aklamak Eer jden iye bir balant yoksa Aij = 0 olur.
Eer bir an gsterimi olan bir izgede kullanlan
Eer komuluk matrisi ynsz bir an komuluk
balantlarda oklar varsa o a ynl, yoksa a ynsz-
matrisiyse, bu matris simetrik bir matristir, Aij = Aji ve
dr. Ynl alarda okun yn hangi dmden hangi
Aii =0 olur ve ayrca derecelerin satr toplamlar, stun
dme doru bir balantnn gerekletiini gste-
toplamlarna eit olur:
rir. Ksaca, ynl alarda balantnn hangi dm-
N N
den hangi dme olduu belirlidir. Buna karlk k i = j=1 Aij = i=1 Aij
ynsz alarda balantnn yn sz konusu deildir.
Alarda dmler arasndaki ikili ve l balantlar Ynsz bir a iin toplam ba says ile ortalama de-
nemlidir. Eer bir sosyal ada iki kii ortak bir ar- rece says u ekilde hesaplanabilir:
kadaa sahip ise, o iki kiinin de gelecekte artan bir 1 N 2L
L=
2
i, j=1 Aij < k >=
olaslkla arkada olmalar beklenir ve bu olguya l N
kapanma ad verilir. Buna karlk, ynlendirilmi alarn komuluk
Alar tartl olabilecekleri gibi tartsz da olabilirler. matrisi simetrik olmak zorunda deildir. Ynsz a-
Eer i ve j dmlerini arasndaki balant wij =1 ise larda Aij Aji ve Aii =0 olur ve satr toplamlar stun
ve dier btn dmler arasndaki balantlarn de- toplamlarna eit olmak zorunda deildir. Gelen ve gi-
eri 1e eitse bu a tartsz bir adr. Oysa cep telefonu den balantlarn says veya deerlerinin toplam ayn
ile konuan iki kiinin konutuklar sreler veya bu olmak zorunda deildir:
srelerin toplam ada tart olarak alnabilir ve bu tr N
k gelen = j=1 Aij
alar ise tartl alar olarak adlandrlrlar. Benzer e- i
kilde, verilen bor miktarlar ve yaplan ithalat/ihracat

miktarlar da tart olarak alnabilir. N
k giden
i = Aij
i, j=1
Derece, ortalama derece, derece dalm kavramlarn
tanmlamak Ynlendirilmi bir a iin ise toplam ba says ile
2
Derece, bir dmn balantl olduu komu sa- ortalama derece says u ekilde hesaplanabilir:
ysdr. Ynl alarda bir adaki dmlerin gelen N
L = i, j=1 Aij < k gelen >=< k giden >=
L
dereceleri, giden dereceleri ve toplam dereceleri sz N
konusudur. En yksek dereceye sahip olan dmler,
bir anlamda adaki ak kontrol edebilecek gce sa- A trleri ve a younluunu aklamak
4
hip olan merkezi dmlerdir. Merkezi dmlerin Alarda dmler ayn trden olduu iin bu alar
gelen ve giden balantlar yksektir. Eer bir merkezi tek paral a adn alr. Kullanclar kullanclara
dmn gelen balant derecesi yksek ise, bunun veya dokmanlar dokmanlara balayan alar tek
anlam o dme ok fazla danld olabilir. Yine paral alardr. Ancak bir ada mteriler ve rnler
bir merkezi dmn giden balant derecesi yksek gibi iki tr dm sz konusu ise, o zaman bu a iki
ise, o zaman da bunun anlam, bu dmn saa sola paral a adn alr.
ok fazla talimat verdii, gr bildirdii veya haber
verdii anlamnda olabilir. Ortalama derece hesapla- En ksa patika algoritmasn uygulamak
5
nrken ynsz alarda 2L/N ve ynl alarda ise L/N Bir ada iki dm arasndaki yol patika adn alr. Yine
forml kullanlr. iki dm arasndaki patikalardan en ksa olan en ksa
patika ve tm dm iftleri iin en ksa patikalarn or-
Komuluk matrisi verilen bir a izmek ve izili bir talamas ise ortalama patika uzunluu adn alr:
3 an komuluk matrisini gelitirmek 2
Komuluk matrisini bir Aij matrisi eklinde dnr-
< d >=
N (N 1)
dij
sek ve bu matrisin balantlarnn deerleri 1 ise, bu
matrisin elemanlar u ekilde olur:
42 Sosyal A Analizi
Kendimizi Snayalm
1. Bir izgede kullanlan balantlarda oklar varsa o a ile 6. Aadakilerden hangisinin komuluk matrisi ynsz bir
ilgili aadaki ifadelerden hangisi dorudur? an komuluk matrisidir?
a. Ynldr. a. Simetrik matris
b. Ynszdr. b. Asimetrik matris
c. Tarafszdr. c. ki paral matris
d. Gldr. d. Tek paral matris
e. Seyrektir. e. ok paral matris
2. Bir sosyal ada iki kii ortak bir arkadaa sahip ise, o iki 7. Aadakilerden hangisi gerek alarn zelliklerinden
kiinin de gelecekte artan bir olaslkla arkada olmalar olgu- biridir?
suna ne ad verilir? a. Ynl olmas
a. Yaknlk b. Ynsz olmas
b. Beklenti c. Seyrek olmas
c. Ortaklk d. Tek paral olmas
d. kili kapanma e. ki paral olmas
e. l kapanma
8. Dm says 5 olan bir ada maksimum balant says
3. Verilen alnan farkl bor miktarlarndan oluan bir a aadakilerden hangisidir?
iin aadaki ifadelerden hangisi dorudur? a. 10
a. Ynsz ve tartszdr b. 12
b. Ynl ve tartldr c. 20
c. Ynsz ve tartldr d. 24
d. Ynl ve tartszdr e. 26
e. Youn ve ynszdr
9. Sosyolojik adan adaki uyumluluk, birliktelik, dayan-
4. Mteriler ve rnler gibi iki tr dmn sz konusu ma ve aidiyet aadakilerden hangisi ile llr?
olduu a aadakilerden hangisidir? a. Derece
a. Ynl a b. Gelen derece
b. Ynsz a c. Giden derece
c. Tek paral a d. Ynllk
d. ki paral a e. Hibiri
e. Tartl a
10. Tm dm iftleri iin en ksa patikalarn ortalamas
5. En yksek dereceye sahip olan dm aadakilerden aadakilerden hangisidir?
hangisidir? a. Ortalama patika uzunluu
a. Gelen a b. Ortalama ksa patika
b. Giden a c. iftlerin ortalamas
c. zole a d. En ksa ift ortalamas
d. Merkezi a e. En ksa patika uygunluu
e. Tartl a
Kendimizi Snayalm Yant Anahtar Yararlanlan ve Bavurulabilecek

Kaynaklar
1. a Yantnz yanl ise Ynl ve Ynsz, Tartl ve Tar- Barabsi, A. L. (2014). Network Science: The Scale-Free Pro-
tsz Alar konusunu yeniden gzden geiriniz. perty., p. 8. http://barabasi.com/networksciencebook/
2. e Yantnz yanl ise Ynl ve Ynsz, Tartl ve Tar- content/book_chapter_2.pdf
tsz Alar konusunu yeniden gzden geiriniz. Granovetter M.S. (1973). The Strength of Weak Ties. Ameri-
3. b Yantnz yanl ise Ynl ve Ynsz, Tartl ve Tar- can Journal of Society, 78 (6), 1360-1380.
tsz Alar konusunu yeniden gzden geiriniz. Leskovec, J., Adamic, L. ve Huberman, B. (2007). The dyna-
4. d Yantnz yanl ise Ynl ve Ynsz, Tartl ve Tar- mics of viral marketing. ACM Trans. Web 1.
tsz Alar konusunu yeniden gzden geiriniz. National Centre for Zoonosis Research (NCZR). (2015).
5. d Yantnz yanl ise Derece, Ortalama Derece ve De- Confluence System, http://www.zoonosis.ac.uk:8080/
rece Dalm konusunu yeniden gzden geiriniz. download/attachments/21659694/2mode%20green%20
6. a Yantnz yanl ise Komuluk Matrisi konusunu areas%20network.jpg (Eriim tarihi: 04.08.2015)
yeniden gzden geiriniz. Nooy, de W., Mrvar, A. ve Batagelj, V. (2005). Exploratory So-
7. c Yantnz yanl ise A Trleri ve A Younluu ko- cial Network Analysis with Pajek. http://vlado.fmf.uni-lj.
nusunu yeniden gzden geiriniz. si/pub/networks/course/ch10/Chapter10.pdf. (Eriim ta-
8. a Yantnz yanl ise A Trleri ve A Younluu ko- rihi: 07.08.2015)
nusunu yeniden gzden geiriniz.
9. e Yantnz yanl ise A Trleri ve A Younluu ko-
nusunu yeniden gzden geiriniz.
10. a Yantnz yanl ise Patika, En Ksa Patika ve Orta-
lama Patika Uzunluu konusunu yeniden gzden
geiriniz.
Sra Sizde Yant Anahtar

Sra Sizde 1
ki dm arasnda hibir balant olmayabilir, tek ynl
bir balant olabilir veya karlkl (reciprocal) bir balant
olabilir.
Sra Sizde 2
Eer i ve j dmlerinin arasndaki balant wij =1 ise ve di-
er btn dmler arasndaki balantlarn deeri 1e eitse
bu a tartsz bir adr.
Sra Sizde 3
Derece dalm pk bize bir ada rassal olarak seilen bir d-
mn k derecesine sahip olmas olasln ifade eder.
3
SOSYAL A ANALZ
Amalarmz
Rassal a kavramn ve rassal alarn derece dalmn aklayabilecek,
Alt adm hipotezini tanmlayabilecek,
Kk dnya alarn tanmlayabilecek,
Snflayc a ve snflayc olmayan a, direnli a ve dirensiz a arasndaki
farklar aklayabilecek
Anahtar Kavramlar
assal A ay lmaya A
Alt Ad m Hipotezi ire li A
k ya A lar ire siz A
ay A
indekiler
GR
RASSAL A LAR
ALTI ADIM HPOTEZ
Sosyal A Analizi Alarn Trleri KK DNYA A LARI
SINI LAYI I VE SINI LAYI I OLMAYAN
A LAR
DRENL VE DRENSZ A LAR
Alarn Trleri
GR
Sosyal alarda dmler aras balarn nasl ve neye gre olutuu, bu alanda alanlarn
ilgisini ekmitir. Bir adaki dmler arasnda sabit olaslkla rassal olarak ba kurulup
kurulmad, amalanan bir durum iin birbirini izleyen ortalama ka baa gerek olabile-
cei ve iki dmn sahip olduu ortak kuvvetli balarn o iki dm arasnda ba kurul-
masna zemin hazrlama durumu ile ilgili almalar sz konusudur. Buna ek olarak, ayn
tr dmler arasnda balant kurulup kurulmamasna gre alarn farkl trlerinden sz
edilebilir. Ayrca bir an direnli ya da dirensiz oluu, bir baka deyile etkilenme hz
yani olumsuz adan ele alndnda tehlike ve saldrlara ne kadar ak olduu nemli bir
konudur.
RASSAL ALAR
Rassal a dncesi, Paul Erds ile Alfrd Rnyiye dayanr. Erds Rnyi rassal a mo-
delinde (Erds ve Rnyi, 1959) iki dmn birbirleri ile balantl olmalar, sabit bir
olaslkla gerekleir. Eer sabit bir olaslkla rassal bir ekilde dm iftleri arasnda
balantlar oluturulursa, sonuta elde edilen a bir rassal a olur. Bir anlamda istatistik-
teki normal dalma benzeyen rassal a modeli, sosyal a analizinde bir referans noktas
nemine sahiptir. Analizlerde rassal a, istatistikteki normal dalm gibi alarn trlerini
belirlemek ve alarn rassal adan ne lde saptklarn grebilmek iin belirli bir daya-
nak noktas oluturur.
zleyen ekil 3.1de rassal a izgesinde, artan olaslkla retilen rassal alar
gryoruz. Aktr ki, sabit olaslk arttka rassal alardaki balant says da artmaktadr.
ekil 3.1
N=10 Dm in
Pajek le izilen ve
Balant Saylar 15,
20 ve 25 Olan
Rassal A izgesi
Rassal Alarn Derece Dalm

Bir izgede N dm varsa ve her bir dm ortalama z balantya sahip ise, her ba-
lantnn gereklemesi olaslklar birbirinden bamsz ve p ise, p= z/ (N-1) olur ve N
bydnde (byk alar iin) bu deer yaklak olarak z/N deerine eit olur. Belirli
46 Sosyal A Analizi
bir dmn sahip olduu balant says olan knn dalm derece dalm adn alr.
Olaslk dalm (Newman vd., 2001) olan pk u ekilde hesaplanabilir:
ez z k
pk = N Ck p k (1 p)Nk
k!
lk ekli ile binom dalm olan bu dalm, an byk olmas varsaymyla poisson
dalmna yaklamaktadr. rnein; aadaki ekil 3.2de 200 dm iin p=0,01 olas-
l ile izilen bir rassal a, bu rassal an derece dalm ve bu derece dalmnn teorik
olarak binom dalm ve N byk olduu iin de poisson dalm ile belirlenmesini g-
ryoruz. Byk N ve kk p deerleri iin binom derece dalm fonksiyonu, poisson
derece dalm fonksiyonuna daha yaklaacaktr. Derece dalmnn teorik olarak pois-
son dalm ile elde edilmesinde =2 deeri kullanlmtr.
ekil 3.2
N=200 ve p=0,01 in
Bir Binom ve =2 in
Bir Poisson Dalm
ekil 3.3te de yine dm says 100 olmak zere farkl p dzeyi iin izilen
rassal a, bu alarn gerek derece dalmlarn, alarn derece dalmlarnn teorik ola-
rak binom dalm ile belirlenmesini gryoruz. ekil 3.3te elde edilen gerek derece
dalmlar ile teorik olarak binom dalm ile hesaplanan derece dalmlar arasndaki
benzerlie dikkat ediniz. ekil 3.3n altnda ise bu alarn ortalama patika uzunluklar,
yaraplar ve younluklar yer almaktadr. Elde edilen deerlerden p balant olasl
bydke, ortalama patika uzunluunun ve yarapn ksaldn, buna karlk youn-
luun ise arttn anlyoruz.
3. nite - Alarn Trleri 47
ekil 3.3
N=100, P=0,02 N=100, P=0,10 N=100, P=0,30 N=100 in Farkl
P Dzeyinde izilen
Rassal A, Bu
Alarn Gerek Derece
Dalmlar ve Alarn
Derece Dalmlarnn
Teorik Olarak
Binom Dalm ile
Belirlenmesi
Derece Dalm Derece Dalm Derece Dalm
Binom Dalm (n=100, p=0,02) Binom Dalm (n=100, p=0,10) Binom Dalm (n=100, p=0,30)
Ortalama Patika Ortalama Patika Ortalama Patika

Uzunluu=5,15 Uzunluu=2,21 Uzunluu=1,69
Yarap=12 Yarap=4 Yarap=3
Younluk=0,02 Younluk=0,09 Younluk=0,30
imdi de bir Barabasi a ile derece dalmn ekil 3.4teki gibi izelim. Bu nokta-
da Barabasi ann ve benzer ekilde Watss-Strogatz ann anlamnn bilinmesine gerek
yoktur. Watts-Strogatz a bu blmde anlatlacak olan kk dnya alar trndendir.
Barabasi a ise bir sonraki blmde, lekten bamsz a adn alacaktr. u anda sa-
dece rassal adan farkl a trleri olabileceini ve bu alarn derece dalmlarnn rassal
adan farkl olabileceini anlatmak istiyoruz. Bu blmde izilen btn ekiller bu amaca
hizmet etmektedir. Hemen unu da ekleyelim ki, alarda younluk kavramna daha nce-
ki nitelerde deinilmiti. Yarap ve ortalama patika uzunluu ise hem bu blmde hem
de sonraki blmlerde yer alacaktr. ekillerde hesaplanm olarak verilen bu deerler
ancak bilgisayar programndan yararlanarak hesaplanabilir. Deerlerin ekillerde veril-
mesinin amac karlatrma yaplabilmesini salamaktr.
48 Sosyal A Analizi
ekil 3.4
Barabasi A (N=100)
ve Derece Dalm
(Ortalama Patika
Uzunluu=1,92,
Yarap=5,
Younluk=0,01)
ekil 3.5
Watts-Strogatz A
(1, 100, 4, 0.05)
(Ortalama Patika
Uzunluu=
3,13 Yarap= 6
Younluk=0,08)
ekil 3.6
Watss-Strogatz A
(1, 100, 4,.20)
(Ortalama Patika
Uzunluu=2,54
Yarap= 4
Younluk=0,08)
ekil 3.7
Watts-Strogatz A
(1, 100, 10,.20)
(Ortalama Patika
Uzunluu=1,83
Yarap=3
Younluk=0,20
Jeodezik Uzaklk ve Yarap

Ada iki kiinin birbirlerine ne kadar uzaklkta olduklar sorusu akla sk gelen bir sorudur
ve bu erevede patika kavram a almalar iin ok nemli bir kavramdr. Patikay
bir dmle balayp bir dmle biten bir balant dizisi olarak tanmlayabiliriz. Komu
olmayan iki kii arasndaki uzaklk, birinden dierine olan en kk srama says ile l-
lebilir. ki dm arasndaki uzaklk dij olarak gsterildiinde ynsz alar iin dij= dji
olur. Ancak ynl alar iin bu doru deildir, dij dji .
Ortalama patika uzunluu N dmden oluan ynl bir ada, dij bize i ve j dmleri
arasndaki ortalama uzakl gsterdiinde u ekilde hesaplanabilir:
1 d
< d >= i, j = 1, N i, j
N(N 1)
Adaki uzaklklar bulmak iin genilik ekil 3.8

ncelikli arama algoritmas (breadth first
Dmler Arasndaki
algorithm) ile bir rnek (Barabsi, 2014) ya- 1. Uzakln Bulunmas
parsak, ekil 3.8de 0 dmnden balamak 0
kaydyla nce bu dmn komularn 1 Kaynak: Barabsi
(2014)
olarak iaretleyelim (ekildeki 2. aama). a-
retlenmemi dmleri bu kez 2 olarak ia-
retleyelim (ekildeki 3. aama) ve daha sonra 1
2. 1
da 3 olarak iaretleyelim (ekildeki 4. aama). 0
Bu yolla 0 dm ile en soldaki dm ara- 1
sndaki uzakln d03 = 3 olduunu buluruz.
ki kii arasndaki en ksa patika, jeodezik
uzaklk (geodesic distance) adn alr. Yarap 1
3. 1 2
(diameter) ise, balantl bir ada en byk je- 2 0
odezik uzaklktr. nce dmler arasndaki 1
jeodezik uzaklklar elde edip ortalama jeode-
zik uzakl bulalm. zleyen tabloda arp ia- 3
retleri iki dm arasnda patika olmadn 1
4. 1 2
gsteriyor. Tablonun iindeki en yksek deer 3 2 0 3
3 olduu iin an yarap 3tr. 1
50 Sosyal A Analizi
1 2 3 4 5 6 Toplam
1 0 1 2 1 x 1 5
2 x 0 x x x x 0
3 x x 0 x x x 0
4 2 3 1 0 x 1 7
5 x x x 1 0 x 1
6 1 2 1 2 x 0 6
Toplam 19
ekil 3.9
Ortalama 5
Jeodezik Uzakln
Hesaplanmas 6
ekil 3.9da 1den 2ye jeodezik uzaklk 1dir. 1den 3e 2dir. 1den 4e 1dir. 1den 6ya
1dir. 1den 5e jeodezik uzaklk yoktur. Eriilebilir iftler arasnda ortalama jeodezik uzak-
lk 19/13 = 1,462dir.
Patika nedir? Jeodezik uzaklk ile ilikisi nasl aklanr?

1
Kmelenme Katsays
Kmelenme katsaysn (clustering coefficient) en basit ekilde yle aklayabiliriz: Eer bir
sosyal ada arkadalarnz da birbirleri ile arkadalarsa, birbirlerini tanyorlarsa, kme-
lenme katsaynz yksektir. Eer arkadalarnz birbirini tanmyorsa, o zaman da kme-
lenme katsaynz dktr. Kmelenme katsays arkadalarmzn birbirleri ile ne kadar
arkada olduklarn ler. Bir ynsz an kmelenme katsays adaki gen saydr. Bir
an genel kmelenme katsays, her dmn lokal kmelenme katsaysna dayanr.
Bir yerel kmelenme katsays, bir dmn komularnn ne derecede birbirleri ile
balant iinde olduunu gsterir. rnein, ki derecesine sahip bir i dmnn yerel
kmelenme katsays u ekilde hesaplanabilir:
2Li
Ci =
ki (ki 1)
Burada Li , i dmnn ki komusu arasndaki balant saysn gsterir. Ci = 0 bize,

i dmnn komular arasnda hibir balant olmadn; Ci = 1 bize, i dmnn
komularnn tam bir a oluturarak tmnn birbiriyle balant iinde olduunu gste-
rir. Ayn korelasyon katsays gibi bu katsay da zel durumlar dnda 0 veya 1 kmaz.
rnein; Ci = 0,50 bize i dmnn iki komusunun balant iinde olma olaslnn
0,50 olduunu gsterir.
Ortalama kmelenme katsays <C> ise bize i=1,Nye kadar olan tm dmler iin
hesaplanan kmelenme katsaylarnn ortalamasn gsterir. Yine bu katsaynn da yoru-
mu rassal olarak seilen iki dmn balant iinde olma olasl olarak yaplabilir:
1 N
< C >= i=1Ci
N
Kmelenme katsays neyi ler ve hangi durumda yksek sonu verir?

2
zleyen ekil 3.10da ortadaki i dmnn kmelenme katsaysn ve ortalama kmelenme RNEK 3.1
katsaysn hesaplayalm:
ekil 3.10
Kmelenme Katsays
Hesaplanmas
i
2Li 2(6)
Ci = = = 1< C >= 1
ki (ki 1) 4(4 1)
RNEK 3.2
ekil 3.11 ve 3.12de ortadaki i dmnn kmelenme katsaysn hesaplayalm:
ekil 3.11
Kmelenme Katsays
Hesaplanmas
2Li 2(3) 1
Ci = = = < C >= 0, 767
ki (ki 1) 4(4 1) 2
[(2/3)+(2/3)+(1/2)+1+1]/5 =[(4/6)+(4/6)+(3/6)+(6/6)+(6/6)]/5 = 23/30=0,767

ekil 3.12
Kmelenme Katsays
Hesaplanmas
i Ci = 0 <C>=0
52 Sosyal A Analizi
ALTI ADIM HPOTEZ

Steve Milgram bir sosyal psikologdu. 1961-1962 yllarnda Yale niversitesinde otoriteye
uyum testleri yapt. Bu testlerde Steve Milgram, deneklerinin % 65inin bilimsel otorite
onlara emir verdi diye susuz bir adama zararsz elektrik oklar vermeye istekli olduklar-
n ortaya kard. Adam aslnda bir aktrd ve gerekte elektrik oklarn almyordu ancak
ekil 3.13 bu durum deneklere deneyin sonunda aklan-
yordu.
Stanley
Milgram (1933 1984) Steve Milgramn bizim asl konumuz olan
deneyinde ise Milgram, 1967 ylnda 60 mek-
tup yollayarak bir deney gerekletirdi. Mektup
Cambridge, Massachusetts de bir yere gidecekti
ve deneye katlanlardan bu mektubu arkadalar-
nn arkadalarna ulatrarak istenilen kiiye gn-
dermeleri isteniyordu. lk anda deneye katlm az
olsa da sonralar Milgram bunu eitli yollardan
artrarak, mektubun ortalama alt admda iste-
nilen yere ulatn belirledi. Sonralar bu olgu
sosyolojide ve a kuramnda alt adm hipotezi
olarak yer ald.
Zincirler
Frigyes Karinthy adl bir macar yazar 1929 ylnda Zincirler (Chains) adl bir ksa yk
yazmt:
Dnyada yaayan 1,5 milyar insan arasndan herhangi birini, herhangi bir yerde yaayan
birini seelim. ddiaya girerim ki, kiisel arkadalk a aracl ile bu seilen kiiyle 5 kiiden
fazla kii kullanmadan balant kurabiliriz. rnein, Baksana! Bay Xi tanyorsun, ondan
rica et Bay Y ile balant kursun o da bir bakas ile gibi
Kaynak: Karinth, 1929.
2001 ylnda Duncan Watts, Milgramn deneyini bu kez Internet ortamnda, 166 l-
keden 61168 kiinin oluturduu 24163 farkl e-posta zinciri ile denedi ve ortalama adm
saysn yine alt olarak buldu.
Alt Derecelik Ayrlk

Oyun yazar John Guare ise 1990 ylnda Alt Derecelik Ayrlk adl bir oyun yazd. Oyunun
ana karakterlerinden biri olan Ousa oyunda yle diyordu:
Bu gezegende herkes sadece dier alt kii ile birbirinden ayrlmtr. Bizimle bu gezegende
bulunan herkes arasnda alt derecelik ayrlk vardr: ABD Bakan, Venedikte bir gondolcu
Sadece byk isimler iin deil, herkes iin. Herhangi biri iin. Yamur ormanndaki bir yerli
iinBir Eskimo iin. Bu gezegendeki herkese alt adm ile balym. Bu nemli bir dnce.
Alt Adm Hipotezi nasl ortaya kmtr?

3
Kreselleme olgusu ile dnyann kk bir ky hline geldii ok sk tekrarlanan bir
cmledir. Ancak ulam ve haberleme olanaklarnn ok yeterli olmad dnemlerde bile
dnyann bizim sandmzdan daha kk olduunu Steve Milgram kantlamtr. Alt
adm hipotezi aslnda eskiden beri oumuzun bildii, Nepalde gezerken bizim siteden
bir komuya rastladk. Dnya gerekten ok kkm! cmlesinin bilimsel kantdr.
Btn bunlarla birlikte, teknolojinin etkisi ile dnya hla kk bir ky hline gelmeye
devam etmektedir. Bunun kant olarak ise, 2011 ylnda Facebook veri takmnn vard
bir sonucu verebiliriz. Bu sonuca gre, Facebookta alt derecelik ayrlk drt dereceye
dm bulunmaktadr. Ksaca gnmzde Facebookta, birbirini hi tanmayan iki kii
arasndaki uzaklk drt adma dm bulunmaktadr (The Telegraph, 2011).
KK DNYA ALARI
WattsStrogatz modeli diye de anlan kk dnya alar modeli (Watts ve Strogatz, 1998)
kk dnya zelliklerine sahip rassal a retme modelidir. Bu tr izgelerin, ksa ortalama
patika uzunluklarna ve yksek kmelenme katsaylarna sahip olduklar belirlenmitir.
l kapanma olgusundan daha nce sz edilmiti. Eer iki kii ayn kii ile kuvvetli ar-
kadalk balar iindeyse ve arkada deillerse, zaman iinde onlar da arkada oluyorlar ve
l kapanma gerekleerek ortaya bir arkadalk geni kyordu. ekil 3.14te grld
gibi eer arkadalarmz ve arkadalarmzn arkadalar varsa ve her aamada 100 yeni ar-
kadamz oluyorsa arkada saymz 100x100x100 eklinde byyecektir. Oysa gerekte
alar daha farkl bir ekilde iler. rnein; ikinci ekil olan ekil 3.15te grld gibi
l kapanmalar gerekleecek ve aslnda birbirini tanmayan yeni arkada saymz bizim
sandmzdan da ok daha kk olacaktr. Bu ekiller bir ekilde, neden bizim arkada
saymzn arkadalarmzn arkada saysndan daha az olduunu da aklamaktadr.
ekil 3.14
Arkadalarmz ve
Siz
Arkadalarmzn
Arkadalar
Kaynak: Easley ve
Kleinberg (2010)
Arkadalar
Arkadalarn
Arkadalar
ekil 3.15
l Kapanmalar
Siz
Kaynak: Easley ve
Kleinberg (2010)
Arkadalar
Arkadalarn
Arkadalar
54 Sosyal A Analizi
Bir kk dnya a u iki ilke ile oluturulabilir: Bir dm, kendine benzeyen dmlere
eklensin (homophily). Dier bir deyile, bir dm kendisine r yarap veya daha yakn
uzaklkta olan dmlere eklensin. Bir dm rassal olarak seilecek ve zayf balar olutu-
racak an uzak noktalarnda bulunan k tane dme eklensin.
Bunlardan birinci ilke l kapanmalar ve genler olutururken; ikinci ilke ise, bir
dallanma yaps oluturarak dmlere birka admda eriilmesini salar.
ekil 3.16da olduu gibi N=200 dmden oluan bir a dnelim ve an ilk du-
rumunda her bir dm simetrik olarak en yaknndaki komular ile balant iinde ol-
sun. Daha sonra her balanty p olasl ile yeniden baka bir dme balamak iin
seelim. Eer bir balant yeniden balant iin seilirse, balantnn bir ucu dmden
koparlarak rassal olarak seilen bir baka dme balansn. Bu yeniden balama ile-
mi ada kestirme yollarn olumasn salad iin ortalama patika uzunluu hzla der
(ekillerde ortalama patika uzunluu l ile gsterilmitir). Yeniden balanma olasl (re-
wiring probability) olan pyi arttrdmz zaman ise, hem ortalama patika uzunluu hem
de kmelenme katsays (kmelenme katsaysn daha sonra ele alacaz) der. Ancak
ekillerde de grld gibi ortada taranm yle bir blge vardr ki bu blgede ortalama
patika bykl kk ama kmelenme katsays byktr ve bu blgede kk dnya
a rejimi geerlidir (Nykamp, 2015).
Bir an kk dnya a olup olmadn anlamak iin o an ortalama patika uzun-
luu ile ayn byklkteki rassal an ortalama patika uzunluklar ve alarn kmelenme
katsaylar karlatrlr. Rassal alarn ortalama patika uzunluklar ve kmelenme katsa-
ylar ok kk olduu iin:
An ortalama patika uzunluu Ayn byklkteki rassal an ortalama patika b-
ykl 1 deerine yaknsa,
An kmelenme katsays Ayn byklkteki an kmelenme katsays 1den b-
ykse,
Veya kk dnya katsays olan: An kmelenme katsays Ortalama patika
uzunluu ne kadar bykse o a kk dnya a zelliklerine o kadar yakndr
(Uzzi ve Spiro, 2005).
Kk dnya alar; ksa global patika uzunluklar ve yksek yerel kmelenme katsaylar
ile zetlenir.
ekil 3.16
Kk Dnya A Oluturmak
C=0.63
12.5 0.64
p=0.00448
Mean path length
Clustering coefficient
= 6.16
0 0
0.001 0.01 p 0.1 1
12.5 C=0.6 0.64

p=0.02009
Mean path length
= 2.59
0 0
0.001 0.01 p 0.1 1
12.5 0.64
p=0.20034
Mean path length
C=0.33
0 0
= 0.45
0.001 0.01 0.1 1
p
Kaynak: Nykamp (2015)
56 Sosyal A Analizi
SINIFLAYICI VE SINIFLAYICI OLMAYAN ALAR

Alar ayn zamanda u ekilde de snflanabilir: Eer bir ada dmler derecelerine bak-
makszn baka dmlerle rassal balantlar kuruyorsa bu alar ntral alardr. Bunun
tersine eer merkez dmler merkez dmlere ekleniyorsa, bu alar snflandrc (as-
sortative); bunun tersine ok balants olan dmler zayf balants olan dmlerle
balant kuruyorlarsa, o zaman da bu alar snflandrc olmayan (dissassortive) alardr.
nllerin nllerle evlenmesi snflandrc alara, eski Trk filmlerinde zengin kzn,
fakir erkekle veya zengin erkein fakir kzla evlenmesi ise snflandrc olmayan alara
rnek olarak verilebilir. Sosyal alar snflandrc, teknolojik ve biyolojik alar ise snf-
landrc olmayan alardr.
ki ayr snfta beyazlarn beyazlarla, siyahlarn siyahlarla balant kurmalar rnei e-
kil 3.17deki snflandrc (assortative) ada grlmektedir. Tablo 3.1 ise farkl alanlardaki
alarn snflandrclk ls asndan ne durumda olduklarn bize gstermektedir.
ekil 3.17
Snflandrc A
rnei White
Black
Kaynak: Girvan Other
(2015)
Tablo 3.1 Snflandrclk

eitli Alar in A Tr Byklk (N)
(Assortativity)
Snflandrclk Y 52909 0,363
lmleri (Newman ve
Girvan, 2002) B Y 1520251 0,127
M Y 253339 0,120
Sosyal
O Y 440913 0,208
Y 7673 0,276
Y 16881 0,092
Y 10697
Teknolojik www Y 209504
Y Y 3162
P Y 2115
M Y 765
Biyolojik S Y 307
D Y 134
T Y 92
DRENL VE DRENSZ ALAR

Konularn en bandan beri alarn her yerde bulunabileceini; biyolojik, sosyal, finansal
alar ile ulam, enerji ve iletiime ilikin alarn iinde yaadmz belirtiyoruz. Top-
lum sal ve gvenlii asndan da alar ok nemli. Virsler yada yenilikler insandan
insana bulaarak alarda yaylabiliyor. Microsoft Szl (Microsoft, 1997) bulamay u
ekilde tanmlyor: Bir hastaln, bir insan veya nesne ile dorudan temas ile gemesi;
bir hastaln veya zehrin bu yolla aktarlmas; duygusal durumun, heyecann, zararl bir
etkinin aktarlmas olarak tanmlyor.
rnein, virsler ilk karlamada bulaabilirken (basit bulama), yenilikler ancak bir-
ka karlamadan sonra ve karlama saysnda belirli bir eik aldnda bulaabiliyor
(karmak bulama). Ksaca alarn, bizim amzdan, grdkleri fonksiyonlar kadar teh-
likeleri de var. Bu nedenle alarn trleri ile virslere veya baka tehlikelere direnli olup
olmadklarnn incelenmesi gerekiyor.
Saldrlarla karlatnda bile iyi performans gsteren bir a direnli bir adr. Kabaca
rassal alar direnli alardr nk bu alarda btn dmler belirli bir olaslkla baka
dmlere balanrlar. Buna karlk, merkez dmlerin olduu alar, bu dmlerin
hedef alnmas kouluyla dirensiz alardr.
ekil 3.18
Hastalk Bulamas
Kaynak: Campbell
(2015)
rnein; ekil 3.18deki gibi belirli bir aa bir hastaln bulamas sz konusu oldu-
unda, balants ok olan dmlere hastalk bulama olasl yksek; buna karlk, ba-
lants az olan dmlere ise hastalk bulama olasl dktr. Bu durum ekil 3.18de
dmlerin byklkleri ile gsterilmitir. ekildeki byk dmler bulama olaslnn
yksek olduu dmler, kk dmler ise bu olasln az olduu dmlerdir.
zellikle nternet gvenlii gnmzde ok nemli bir konu hline gelmi bulunmak-
tadr. Online bir siber saldr haritasna; http://map.norsecorp.com nternet adresinden
eriebilirsiniz. ekil 3.19daki harita canl olarak saldr kaynaklarn, trlerini ve hedefle-
rini bize vermektedir.
58 Sosyal A Analizi
ekil 3.19
Saldr Haritas
Kaynak: Norse (2015)
Btn bunlarn sonucu olarak alarn direnli olup olmadklar konusu ile alarn
tasarm konusu da yakndan ilgilidir. Herhangi bir ama ile kullanacamz alarn her
koulda iyi almalarn istiyorsak bu alarn tasarmlarnn direnli a zellii gz nne
alnarak tasarlanmalar gerekir.
zet
Rassal A kavramn ve Rassal alarn derece dalmn Kk Dnya Alarn tanmlamak
3
1 aklamak Bir kk dnya a u iki ilke ile oluturulabilir:
Rassal a dncesi, Paul Erds ile Alfrd Rnyiye Bir dm, kendine benzeyen dmlere eklensin.
dayanr. Erds Rnyi rassal a modelinde iki d- Dier bir deyile, bir dm kendisine r yarap veya
mn birbirleri ile balantl olmalar, sabit bir olaslk- daha yakn uzaklkta olan dmlere eklensin.
la gerekleir. Eer sabit bir olaslkla rassal bir ekil- Bir dm rassal olarak seilecek ve zayf balar olu-
de dm iftleri arasnda balantlar oluturulursa, turacak, an uzak noktalarnda bulunan k tane d-
sonuta elde edilen a bir rassal a olur. Bir anlamda me eklensin.
istatistikteki normal dalma benzeyen rassal a mo-
deli, sosyal a analizinden bir referans noktas nemi- Snflayc A ve Snflayc Olmayan A, Direnli A ve
ne sahiptir. Analizlerde rassal a, alarn trlerini be- 4 Dirensiz A arasndaki farklar aklamak
lirlemek ve alarn rassal adan ne lde saptklarn Eer bir ada dmler derecelerine bakmakszn ba-
grebilmek iin belirli bir dayanak noktas oluturur. ka dmlerle rassal balantlar kuruyorlarsa bu alar
Rassal alarn derece dalm binom dalm eklin- ntral alardr. Bunun tersine, eer merkezi dmler
dedir ve bu dalm an byk olmas varsaymyla merkezi dmlere ekleniyorsa, bu alar snfland-
Poisson dalmna yaklamaktadr. rc; bunun tersine ok balants olan dmler zayf
ki kii arasndaki en ksa patika, jeodezik uzaklk balants olan dmlerle balant kuruyorlarsa, o
adn alr. Yarap ise balantl bir ada en byk zaman da bu alar snflandrc olmayan alardr.
jeodezik uzaklktr. Ortalama patika uzunluu, N Yine alar tehlikelere kar direnli olup olmadkla-
dmden oluan ynl bir ada, dij bize i ve j d- rna gre de; direnli alar ve direnli olmayan alar
mleri arasndaki ortalama uzakl gsterir. K- olarak snflanabilir.
melenme katsays arkadalarmzn birbirleri ile ne
kadar arkada olduklarn ler. Eer bir sosyal ada
arkadalarnz da birbirleri ile arkadalarsa, birbirleri-
ni tanyorlarsa, kmelenme katsaynz yksektir. Eer
arkadalarnz birbirini tanmyorsa, o zaman da k-
melenme katsaynz dktr.
Alt Adm Hipotezini tanmlamak

2 Bir sosyal psikolog olan Steve Milgram 1967 ylnda
60 mektup yollayarak bir deney gerekletirdi. Mek-
tup Cambridge, Massachusetts de bir yere gidecekti
ve deneye katlanlardan bu mektubu arkadalarnn
arkadalarna ulatrarak istenilen kiiye gnderme-
leri isteniyordu. Milgram mektubun ortalama alt
admda istenilen yere ulatn belirledi. Sonralar
bu olgu sosyolojide ve a kuramnda, alt adm hi-
potezi olarak yer ald. 2001 ylnda Duncan Watts,
Milgramn deneyini bu kez nternet ortamnda uygu-
lad ve ayn sonucu elde etti. 2011 ylnda Facebook
veri takmnn vard bir sonuca gre, Facebookta
alt derecelik ayrlk drt dereceye dm bulun-
maktadr.
60 Sosyal A Analizi
Kendimizi Snayalm
1. nllerin nllerle evlenmesi aadaki e trlerinden 6. Belirli bir dmn sahip olduu balant says olan
hangisine bir rnek oluturur? knn dalm aadakilerden hangisidir?
a. Snflandrc a a. Ynsz
b. Snflandrc olmayan a b. Ynl
c. Rassal a c. Direnli
d. Direnli a d. Dirensiz
e. Dirensiz a e. Hibiri
2. Aadaki a modellerinin hangisinde iki dmn bir- 7. Yeniliklerin ancak birka karlamadan sonra ve kar-
birleri ile balantl olmas sabit bir olaslkla gerekleir? lama saysnda belirli bir eik aldnda bulaabilmesine ne
a. Rassal olmayan a ad verilir?
b. Rassal a a. Karmak bulama
c. Snflandrc a b. Basit bulama
d. Snflandrc olmayan a c. Yanl bulama
e. Sabit a d. Yansz bulama
e. Sral bulama
3. Rassal alarn derece dalm an byk olmas varsay-
myla aadakilerden hangisine yaklamaktadr? 8. Merkezi dmlerin olduu alar bu dmlerin hedef
a. Binom dalm alnmas kouluyla . alardr. Cmlesinde bo bra-
b. Normal dalm klan yeri aadakilerden hangisi doru ekilde tamamlar?
c. Rassal dalm a. Direnli
d. Poisson dalm b. Dirensiz
e. Bernowilli dalm c. Ynl
d. Ynsz
4. Aadaki alardan hangisinin ortalama patika uzunluu e. Snflandrc
kk ancak kmelenme katsays byktr?
a. Rassal a 9. Aadaki aratrmaclardan hangisi 2001 ylnda
b. Demokrasi milgramn alt adm hipotezine ilikin deneyini bu kez inter-
c. Kk dnya a net ortamnda uygulam ve ayn sonucu elde etmitir?
d. Snflandrc a a. A. Leanhand Euler
e. Snflandrc olmayan a b. Mark S. Granovetter
c. Duncan Watts
5. Bir kk dnya a aadaki ilkelerden hangisi ile olu- d. Paul Erds
turulabilir? e. Alfrd Rnyi
a. Bir dm kendisine r yarap veya daha yakn
uzaklkta olan dmlere eklensin. 10. Bir sosyal ada arkadalarmz ve arkadalarmzn arka-
b. Bir dm kendisine r yarap veya daha yakn dalar varsa ve her aamada 100 yeni arkadamz oluyorsa
uzaklkta olan dmlere eklenmesin. arkada saymzn sandmz kadar bymeme nedeni aa-
c. Bir dm ortadan kalksn. dakilerden hangisidir?
d. Bir dm benzerine eklensin a. Drtl uyum
e. Bir dm kendisine r yarapndan daha uzak olan b. kili kapanma
dmlere eklensin c. l uyum
d. l kapanma
e. Uyumsuzluk

Kaynaklar
1. a Yantnz yanl ise Snflayc ve Snflayc Olma- Barabsi, A. L. (2014). Network Science: The Scale-Free Pro-
yan Alar konusunu yeniden gzden geiriniz. perty., p. 38. http://barabasi.com/networksciencebook/
2. b Yantnz yanl ise Rassal Alar konusunu yeniden content/book_chapter_2.pdf
gzden geiriniz. Campbell, E. (2015). Vax Lesson 1: Networks. http: vax.
3. d Yantnz yanl ise Rassal Alar konusunu yeniden herokuapp.com/tour (Eriim tarihi: 04.09.2015)Erds P.
gzden geiriniz. ve Rnyi A. (1959). On Random Graphs. Publicationes
4. c Yantnz yanl ise Kk Dnya Alar konusunu Mathematicae, 6, 290297.
yeniden gzden geiriniz. Easley, D. ve Kleinberg, J. (2010). Networks, Crowds, and
5. a Yantnz yanl ise Kk Dnya Alar konusunu Markets: Reasoning about a Highly Connected World,
yeniden gzden geiriniz. Cambridge University Press, s.613.
6. e Yantnz yanl ise Rassal Alarn Derece Dalm Girvan, M. (2015). A Physics Approach to Understanding
konusunu yeniden gzden geiriniz. Complex Networks. http://sprott.physics.wisc.edu/Cha-
7. a Yantnz yanl ise Direnli ve Dirensiz Alar ko- os-Complexity/girvan13.pdf (Eriim tarihi: 03.09.2015)
nusunu yeniden gzden geiriniz. Karinthy, F. (1929). Everything is Different Chain
8. b Yantnz yanl ise Direnli ve Dirensiz Alar ko- Links. https://djjr-courses.wdfiles.com/local--files/
nusunu yeniden gzden geiriniz. soc180%3Akarinthy-chain-links/Karinthy-Chain-
9. c Yantnz yanl ise Alt Adm Hipotezi konusunu Links_1929.pdf
yeniden gzden geiriniz. Newman M.E.J. ve Girvan M. (2002). Mixing Patterns and
10. d Yantnz yanl ise Kk Dnya Alar konusunu Community Structures in Networks. Statistical Mecha-
yeniden gzden geiriniz. nics of Complex Networks, 625, 66-81. Doi: 10.1007/978-
3-540-44943-0_5
Newman M. E. J., S. Strogatz H. ve Watts D. J.. (2001). Ran-
Sra Sizde Yant Anahtar dom graphs with arbitrary degree distributions and the-
Sra Sizde 1 ir applications. Physical review E, 64 (2), 026118. Doi:
Patika, bir dmle balayp bir dmle biten bir balant 10.1103/PhysRevE.64.026118.
dizisidir. ki kii arasndaki en ksa patika da, jeodezik uzak- Norse. (2015). Superior Attack Intelligence. http://map.nor-
lktr. secorp.com (Eriim tarihi: 04.09.2015)
Nykamp, D.Q. (2015). Math Insight - Small world networks.
Sra Sizde 2 http://mathinsight.org/small_world_network (Eriim ta-
Kmelenme katsays arkadalarmzn birbirleri ile ne kadar rihi: 02.09.2015)
arkada olduklarn ler. Eer bir sosyal ada arkadalarnz The Telegraph (2011). http://www.telegraph.co.uk/techno-
da birbirleri ile arkadalarsa, birbirlerini tanyorlarsa, kme- logy/facebook/8906693/Facebook-cuts-six-degrees-of-
lenme katsaynz yksek sonu verecektir. separation-to-four.html (Eriim tarihi: 02.09.2015)
Uzzi, B. ve Brian. S. (2005). Collaboration and Creativity:
Sra Sizde 3 The Small World Problem. American Journal of Sociology,
Steve Milgram, 1967 ylnda 60 mektup yollayarak bir deney 111, 447-504.
gerekletirdi. Mektup Cambridge, Massachusettsde bir yere Watts, D. J. ve Strogatz, S. H. (1998). Collective dynamics of
gidecekti ve deneye katlanlardan bu mektubu arkadalarnn small-world networks, Nature, 393 (6684), 440442.
arkadalarna ulatrarak istenilen kiiye gndermeleri iste-
niyordu. lk anda deneye katlm az olsa da sonralar Milg-
ram bunu eitli yollardan artrarak, mektubun ortalama alt
admda istenilen yere ulatn belirledi. Sonralar bu olgu
sosyolojide ve a kuramnda, alt adm hipotezi olarak yer
ald.
4
SOSYAL A ANALZ
Amalarmz
nternetin haritasn a zellikleri asndan aklayabilecek,
Merkez dm ve lekten bamszl rneklerle aklayabilecek,
lekten bamszl test edebilecek,
Alarn bymesi ve yarap kavramlarn tanmlayabilecek
Anahtar Kavramlar
ter et Haritas Ter ihli a la t
areto lkesi u et asas
lk ay a lekte a ms z A
erkez m ar ap
lekte a ms zl k tki ar ap
indekiler
GR
NTERNETN HARTASI
lekten Bamszlk ve LEKTEN BA IMSIZLIK
Sosyal A Analizi
Kuvvet Yasas KUVVET YASASI
A LARIN BYMES
lekten Bamszlk ve
Kuvvet Yasas
GR
A bilimine nemli katklar olan Erds ve Renyinin 1959 ylnda ortaya att rassal a
modeli, uzun bir sre alar konusundaki paradigmay belirlemitir. Bu modele gre, bir
ada her bir dmn baka bir dmle ba kurma olasl eitti ve balar rassal bir
srele oluuyordu. nceki nitede sz edildii gibi yaplan aratrmalar, her an rassal
a zellii tamadn ortaya kard. Bu konuda, Barabasinin karmak alarn belli
kurallara ya da ilkelere gre organize edilmi olma fikri zerine almalarnn balang
noktas olduu sylenebilir. Barabasi, internet ann llmesi, haritalanmas ve model-
lenmesiyle ilgilenmitir.
Bu nitede, internetin haritasndan yola karak merkez dmlerden ve alarn
lekten bamsz oluundan sz edilecek. Kuvvet yasas ile bir an lekten bamsz-
lnn incelenmesinin ardndan alarn bymesini, an yapsn ve zelliklerini nasl
deitirdiine deinilecek.
NTERNETN HARTASI
Tuhaftr ama 1998 ylna gelene kadar wwwnun yaklak olarak rassal bir a olduu d-
nlyordu. Webdeki her dokmann kiisel veya profesyonel tercihlerle ortaya kt ve
kiiler ve kurumlarn ilgilendikleri alanlar ok eitli olduu iin bu dokmanlar zerin-
deki balantlarn da rassal olarak ortaya kt kabul ediliyordu. 2000li yllarn bana
kadar bilim dnyasnn wwwnun yapsn yeterli ekilde anlamadn kabul etmeliyiz.
Oysa gnmzdeki gelimeler webi byk lekli, insan zneli deneklerle deney yaplan
sanal bir laboratuvar hline getirmi durumdadr.
ekil 4.1deki nternet haritasn incelediimizde greceiz ki, ok balantya sahip
olan (derecesi yksek) merkez dmlerin says az, az balantya sahip olan (derecesi
dk) dmlerin says ise oktur. nternetteki sayfalarn % 80inden fazlas 4 balan-
tdan azna sahiptir. Buna karlk, bu sayfalarn % 1inden az 1000den fazla balantya
sahiptir. Bu saylar bize nternetin rassal bir a olmadn anlatyor.
Bir nceki blmde rassal alarn derece dalmn incelediimizi ve rassal alarn
derece dalmnn binom dalmna benzediini, dm says artnca bu dalmn Po-
isson dalmna yaklatn hatrlayalm. Dm says ok arttnda ise rassal alarn
derece dalm ekil 4.2nin sandaki para gibi bir normal dalma benzer.
nternet ekil 4.2deki gibi rassal bir a ve derece dalm normal bir dalm olsayd,
o zaman nternetteki sayfalarn % 80inden fazlas 4 balantdan azna sahip olmaz; dere-
ce dalm bir ortalama etrafnda simetrik bir dalma sahip olurdu. Ksaca, sayfalarn
balant saylar ortalamaya yakn deerlerde kmelenirdi.
64 Sosyal A Analizi
Eer nternet bir rassal a olsayd, bu durumda az ve ok sayda balantya sahip olan
dmlerin says az; buna karlk ortalama sayda balantya sahip olan dmlerin sa-
ys ok olacakt. nternet bir rassal a deildir. Ayrca, nternetin bir rassal a olmadn
bilmek iin ok uzun tartmaya da gerek yoktur nk rassal bir ada dmler birbirleri
ile belirli bir olaslk ile rassal balantlar kurarlar. Oysa gerek hayattaki alarn oluu-
munda balantlarn rassal bir ekilde olutuu dnlemez. rnein, sizin evinizdeki
ve sokanzdaki elektrik kablolar, doalgaz hatlar bir yerlerle rassal balant iinde de-
ildir. Bu tr alar belirli bir amaca hizmet amacyla yaplmtr ve bu tr alarn rassal
balarla olumas mmkn deildir.
imdi bir nceki blmde de verdiimiz bir ekli inceleyelim. ekil 4.3te izilmi olan
N=100 dml Barabsi ann zm salkmlarna benzer biimiyle dier alardan fark-
l olduuna dikkat edelim. Daha da nemlisi bu an derece dalm az nce verdiimiz,
ok balantya sahip olan (derecesi yksek) merkez dmlerin says az, ancak az ba-
lantya sahip olan (derecesi dk) dmlerin says ok cmlesine ok uygundur. ekil
4.3n sa tarafndaki grafikte grld gibi, az sayda dmn derecesi ok yksek;
ama az sayda dereceye sahip olan dmlerin says ise ok fazladr.
ekil 4.1
nternetin Haritas
Kaynak: Barabsi ve
Bonabeau (2003).
4. nite - lekten Bamszlk ve Kuvvet Yasas 65
ekil 4.2
N=10000 ve p=0,01
0.04
iin izilen Rassal A
ve Derece Dalm
0.03
degree.distribution(g)
0.02
0.01
0.00
0 20 40 60 80 100 120 140
ekil 4.3
Barabsi A (N=100)
ve Derece Dalm
0.6
degree.distribution(ba_graph)
0.5
0.4
0.3
0.2
0.1
0.0
5 10 15 20 25
node degree
ekil 4.4
Barabsi A (N=130)
ve Derece Dalm
0.6
degree.distribution(ba_graph)
0.5
0.4
0.3
0.2
0.1
0.0
5 10 15 20
Derece
66 Sosyal A Analizi
Merkez Dmlerin Ortaya kma Nedeni

Merkez dmlerin ortaya kmasnn nedeni, alarn bymesidir. Ayrca alar byr-
ken, dmler tercihli balant yaptklar iin balant asndan zengin dmler daha
da zengin olurlar ve bu srecin sonucunda merkez dmler oluur.
Neden merkez dmlerin ortaya kt konusunda belki de ilk dncelerden biri
talyan ekonomist ve sosyolog Vilfredo Pareto tarafndan Pareto lkesi eklinde geliti-
rilmitir. Pareto, yapt almalarda arazinin % 80inin nfusun % 20si tarafndan sa-
hiplenildiini belirlemitir. Bu bir anlamda, toplumda merkez dmler bulunduunun
anlalmasdr.
Kuvvet yasasnn gerek hayattan yaplan ilk gzlemi, Pareto tarafndan 1800l yl-
larn sonunda talyada gelir dalm konusunda yaplmtr. Hemen hemen her lkede
bireylerin kk bir oran servetin byk bir oranna sahiptir ve dalm kuvvet yasasna
uygundur.
Neden merkez dmlerin ortaya ktnn, kuvvet yasasnn neden olutuunun bir
baka kant ise gnmzde Benford yasas diye anlan yasa ile verilebilir. Bu yasa ilk kez
1881 ylnda Simon Newcomb tarafndan ortaya atlmtr. Ancak konunun poplerlik
kazanmas, Fiziki Frank Benford ile olmutur. lk Say Sav olarak da adlandrlan bu
yasaya gre, ok eitli alanlardaki verilerde kullanlan ilk saylar ele alndnda, en sk
kullanlan say 1dir ve dier kullanlan tam say deerlerinin olasl, ekil 4.5te de grl-
d gibi sol yukardan sa aaya bir eri olarak azalr.
Vilfredo Pareto (1646-1923)
Vilfredo Pareto 1848 ylnda Pariste dodu. Paretonun babas talyan asll bir srgn, annesi
ise bir Franszd. Af kmas nedeniyle aile 1868 ylnda talyaya geri dnd ve Pareto, Turin
Politeknik niversitesinden mezun oldu. Daha sonra talyan demiryollarnda ve bir bankann
sahibi olduu demir madenlerinde alt. Ekonomist Leon Walrasn ekonomik denge kavra-
mndan ok etkilendi ve toplumun denge modeline ynelik almalar yapt. Pareto optimalitesi
kavram ile bir kiiyi ekonomik anlamda ktletirmeden birini daha iyi bir duruma getirme-
nin mmkn olmad bir durumu kavramsallatrd. Sosyoloji ile ilgilendi, eitli kitaplar yaz-
d. Pareto ilkesi olarak, ou olay iin etkilerin kabaca yzde 80i etkenlerin yzde 20sinden
kaynaklanr grn ortaya att. ynetimi dnr ve kalite konusundaki almalar
ile tannan Joseph Juran bu ilkeyi Pareto ilkesi olarak adlandrmtr. Pareto ayn zamanda,
talyadaki topraklarn % 80inin nfusun % 20sinin olduunu gzleyen kiidir. Pareto, talyan
Senatosuna aday gsterildii 1923 ylnda ld.
ekil 4.5
35% Benford Yasas
30%
25%
20%
15%
10%
5%
0%
1 2 3 4 5 6 7 8 9
Benford Yasasnn Kullanm
Frank Albert Benford (1883-1948)
rnein; muhasebe verilerinde, elektrik kullanm faturalar, sokak adres numaralar, hisse
senedi fiyatlar listeleri, lm oranlar, nehir uzunluklar, fiziksel sabitler, matematik sabit
deerler veri olarak alndnda verilerin bu ekilde dald grlebilir. Benford yasas verile-
rin deitirilip deitirilmedii, yolsuzluk yaplp yaplmad konusunda testlere yol amtr.
Ancak hemen ekleyelim ki, her verinin bu yasaya uygun olduunu sylemek zordur. rnein,
ABD eyaletlerinin baz verilerinin bu yasaya uymadklar bu duruma rnek olarak verilebi-
lir. Buna kar bir grte ise bu uygun olmama durumunun veri azlndan kaynakland,
verilerin ok olmas durumunda Benford yasasnn iledii ne srlmtr. J.Nye ve C.Moul
2007de yazdklar bir makalede (The Political Economy of Numbers: On the Application of
Benfords Law to International Macroeconomic Statistics The B.E. Journal of Macroeconomics
C.7(1)). Dnya Bankas tarafndan toplanan uluslararas GSMH istatistiklerini incelemi ve
bu saylarn byk bir blmnn bu sava uygun olduu grmlerdir. Ancak kk saydaki
(az nfuslu) lkeler iin, genellikle gelimekte olan lkeler iin, GSMH istatistiklerinin bu ya-
saya uymad ortaya kmtr. Bu sonu asl orijinal saylarn brokratik ve politik karm ile
deitirildii iddiasn ortaya kartmtr.
68 Sosyal A Analizi
LEKTEN BAIMSIZLIK
Kentlerin nfuslar, depremlerin younluklar, elektrik kesintilerinin byklkleri gibi
deikenlerin dalmlar kuvvet yasas dalmna uyar, bu tr deerler bir ortalama deer
ile karakterize edilemezler (Clauset vd., 2009). Matematiksel olarak s veya lekleme
parametresi olduunda eer x deerinin dalm,
P(x) x-
dalmna uygunsa x, kuvvet yasasna gre dalr. Burada 2 < <3 aralnda deiir. Her
iki tarafn logaritmasn alrsak:
ln P(x) - + ln x
elde edilir. Uygulamada xin tm deerleri kuvvet yasasna uymaz. Genelde belirli bir xMin
deerinden byk olan x deerleri iin kuvvet yasas geerlidir.
Bir rassal an derece dalm, ortalamas <k> ve standart sapmas <k>1/2 olan bir
Poisson dalmdr. Bu dalmda standart sapma ortalamann karekk olduu iin
her zaman ortalamadan daha kktr. Szn ettiimiz bu an dereceleri, ortalamaya
standart sapmann belirli katlar eklenip karlarak elde edilen aralkta bulunur. te bu
nedenle, rassal ada dmlerin dereceleri birbirleriyle karlatrlabilir ve bu karlatr-
malarda <k> ile gsterdiiniz ortalama derece bir lek (scale) grevi yapar.
Dier yandan, lekten bamsz alarda eer s olan <3 ise, bu dalmn birinci
momenti sonlu ama ikinci momenti sonsuzdur. rnein; <k>=4 ve =2 olduunda, ikinci
moment raksar. Bunun anlam, rassal olarak setiimiz bir dmn derecesinin 4
olduu iin ok kk ya da ok byk olabileceidir. Bu nedenle, <3 olduunda an
kendi iinde bir lei yoktur ve a lekten bamszdr.
Rassal A ve lekten Bamsz A Fark

Alar, yeni dmlerin aa eklenmesiyle byrler. Alarda popler olmann ekicilii
konusu tercihli balant ile ilgilidir. Eer daha popler dmlerle balant yaplyorsa,
bunun sonucunda gerek bir ok ada gzlendii gibi derece dalm, kuvvet yasasna uy-
gun olur. Rassal a modelinde dm says N sabit varsaylr ve bir dmn balanaca
dm rassal olarak seilir. Oysa gerek alar byrler, aa yeni dmler katlr ve yeni
dmler daha fazla balantya sahip olan dmlere balanrlar. Bu sre, tercihli ba-
lant (preferential attachment) diye adlandrlmaktadr. Barabsi-Albert modelinde, rassal
adan farkl olarak aa her admda yeni bir dm katlr ve bu dm i dmnn
derecesi olan kiye baml olarak i dm ile balant kurar. Barabsi-Albert modeli, l-
ekten bamsz a modeli (scale-free) adn da almaktadr (Barabsi ve Albert, 1999; Albert
ve Barabsi, 2002). ekil 4.6da tercihli balant nedeniyle zaman iinde lekten bamsz
an nasl belirdiini gryoruz.
ekil 4.6
Tercihli Balant
Nedeniyle lekten
Bamsz An
Belirmesi
Kaynak: Barabsi ve
Bonabeau (2003)
Tercihli balantnn olaslk olarak anlam, yeni bir dmn bir dme balant
yapma olaslnn o dmn derecesine bal olmasdr. Yeni bir dmn, kiye ba-
ml olarak i dm ile balant kurmas olasl P(ki) yle hesaplanabilir:
ki
P(k i ) =
ki
Bu olasla gre, bir yeni dmn 4 balantya sahip bir dm ile balant kurma
olasl 2 balantya sahip bir dm ile balant kurma olaslnn 2 katdr. Barabsi-
Albert modelinin derece dalm, = 3 ss ile kuvvet yasas (power law) derece da-
lmna sahiptir. Balant says anlamnda dmlerin, zenginin daha zengin olmas ve
bu srelerin sonunda ok sayda balantya sahip merkez dmlerin (hublarn) olu-
mas bu ekilde mmkn olur. rnein; kara yoluyla ulam a bir rassal aa benzeyebilir
ve burada dmlerin balant saylar birbirlerine yakndr ve bu an derece dalm
normal dalma yakndr. Oysa hava yolu ulamn gz nne aldmzda, merkez d-
mlerin olduunu, baz kentlerin hava yolu balantlarnn dier kentlere gre ok fazla
olduunu grebiliriz. Hava yolu balantlarnda oluan an derece dalm, ekil 4.3 ve
ekil 4.4n derece dalmlarna benzer sol yukardan sa aaya inen bir talep erisi
gibidir. Ksaca, lekten bamsz alar gerek hayat rassal alara gre ok daha iyi bir
ekilde aklarlar.
Tercihli balant nedir?

1
KUVVET YASASI
Gerek hayatta birok lm deeri tipik bir deerin etrafnda kmelenir. Bir otoyoldaki
otomobillerin hzlar, bir alveri merkezndeki karpuzlarn tartlar, belirli bir gnde s-
tanbuldaki scaklk deerleri hep ortalama bir deerin etrafnda kmelenerek bu deeri
temsili bir deer hline getirir. Buna karlk, her deer byle dalmak zorunda deildir.
rnein; kentlerin nfuslar, depremlerin byklkleri, elektrik kesintilerinin byklk-
leri hep kuvvet yasasna uygun olarak dalr.
Kuvvet yasas dalmlar sk sk kaln kuyruklu dalmlar, Pareto dalmlar ve
Zipf dalmlar adlarn alrlar. lekten bamsz bir ada derece dalm kuvvet ya-
sasna uyar.
70 Sosyal A Analizi
ekil 4.7
Farkl s Deerlerine Gre Kuvvet Yasas Derece Dalmlar
N=130, s=2.7 N=130, s=2.0 N=130, s=1.5 N=130, s=1.0
+ + +
1.0
0.6
0.8
0.8
0.8
0.5
0.6
0.6
0.6
0.4
Frekans
Frekans
Frekans
Frekans
0.3
0.4
0.4
0.4
0.2
+
0.2
0.2
0.2
0.1
+ ++ +
+
+ + ++
+ + +
+ + + + + + + + + +
0.0
0.0
0.0
+
0.0
0 20 40 60 80 100 120 0 20 40 60 80 100 0 20 40 60 80 2 4 6 8 10 12 14
Derece Derece Derece Derece
N=130, s =0.7 N=130, s =0.3

0.6
0.6
0.5
0.5
0.4
0.4
Frekans
Frekans
0.3
0.3
0.2
0.2
+
+
0.1
0.1
+
+ + + +
+ + + +
+ + + + + + + + +
0.0
+ + + + +
0.0
+ +
2 4 6 8 10 12 14
Derece Derece
ekil 4.7den de grld gibi, kuvvet yasas erilerinin ok sayda tr vardr ve

bunlar farkl kuyruklara sahiptirler. Kuyruun ekli dalmdaki s () tarafndan belir-
lenir. nn deeri bydke eri daha hzla der ve daha ince bir kuyrua sahip olur.
Gerek Verilerin Kuvvet Yasasna Uydurulmas

Ksaca, matematiksel olarak s veya lekleme parametresi olduunda x deerinin
dalm,
P(x) x-
ise, x kuvvet yasasna gre dalr. Burada 2<<3 aralnda deiir. Kuvvet yasas dal-
mnda her iki tarafn logaritmasn alrsak:
ln P(x) - + ln x
elde edilir. Uygulamada xin tm deerleri kuvvet yasasna uymaz. Genelde belirli bir xMin
deerinden byk olan x deerleri iin kuvvet yasas geerlidir.
Gerek hayattan elde edilen a verilerini kuvvet yasasna uydururken, ilk olarak x ve
P(x) verilerinin logaritmalar grafik zerinde bir doru zerinde ise, dier bir deyile kuv-
vet yasas test edilen verilerin her iki tarafnn logaritmas alndnda bu deerler serpil-
me diyagramnda bir doru hlindeyse, akla verilerin kuvvet yasasna uygun olabilecei
gelir. Bu verilere en kk kareler yntemi uygulanarak regresyon denkleminin eim pa-
rametresi, s olan nn tahmini deeri olarak kullanlr (Clauset vd., 2009).
imdi R program yardmyla 2000 dml bir Barabsi a oluturalm. Bu an de-
rece dalmnn histogramn izelim (Wang, 2015):
ekil 4.8
Histogram of d 2000 Dml
Barabsi Ann
2000
Derece Dalmnn
1500 Histogram
Frequency
1000
500
0
0 20 40 60 80 100 120
d
Daha sonra log-log grafik izerek bu derece dalmna kuvvet yasasn uyduralm (ekil 4.9):
ekil 4.9
Degree Distribution Barabsi Ann log-log
Derece Dalm ve
Regresyon Dorusu
2e-01 5e-01
2e-02 5e-02
Probability (log)
2e-03 5e-03
5e-04
1 2 5 10 20 50
Degree (log)
ekil 4.9 daki regresyon dorusunun eimi 1,748 olduu iin = 1,748 olarak tahmin
edilir. Regresyon denkleminin R2 deeri ise 0,874 olduu iin baml deikendeki dei-
kenlii bamsz deikenin, % 87,4 dzeyinde akladn grrz.
72 Sosyal A Analizi
Bu kez ayn ii p= 0,10 iin 2000 dml bir ErdsRnyi a iin gerekletirelim.
ekil 4.10da 2000 dml ErdsRnyi rassal ann derece dalmnn histogram
grlmektedir.
ekil 4.10
2000 Dml Histogram of d
ErdsRnyi
600
Rassal Ann
Derece Dalmnn
Histogram
500
400
Frequency
300
200
100
0
140 160 180 200 220 240 260

d
ekil 4.11de ise bu verilere log-log bir ekilde uydurulan regresyon dorusu grl-
mektedir. ekil 10 bize aka bu verilerin kuvvet yasasna uygun olmadn gstermek-
tedir. Regresyonun 0,036 olan R2 deerinin kkl de bize bu verilerin dalmnn
kuvvet yasasna uygun olmadn anlatmaktadr.
ekil 4.11
Erds-Renyi Ann Degree Distribution
log-log Derece
Dalm ve Regresyon
Dorusu
2e-02
1e-02
Probability (log)
5e-03
2e-03
1e-03
5e-04
160 180 200 220 240
Degree (log)
Birok gerek sistemde >2 deerine sahiptir. Kuvvet yasasnda s deeri olan
nn deerinin deimesi, beraberinde sisteminin zelliklerinin deimesini getirir
(Barabsi, 2013).
Anomali durumu (<2): >2 olmas durumunda, N limit durumunda sonsuza
yaklatnda (adaki dm says ok bydnde), ortalama derece olan <k>
raksar. En merkez dmn balant saysnn adaki dm saysndan fazla
olmas gerekecei iin bu koullara sahip lekten bamsz bir a olamaz.
lekten bamszlk durumu: (2< <3) Bu durumda derece dalmnn birinci mo-
menti sonlu ama ikinci ve daha yksek mertebeden momentleri N iin raksar.
>3 olmas durumu: Bu durumda lekten bamsz bir a rassal bir adan ayr-
mak zorlamaktadr.
ALARIN BYMES
Okuduunuz niteler erevesinde aksi belirtilmedike srekli olarak alarn statik bir
ekilde analiz edilmesi ile ilgilenildi. imdi ise genelde alar ve zelde sosyal alar dina-
mik bir ekilde, zaman iinde incelemeye alacaz. Alar zaman iinde ele aldmzda,
alarn bydn ve alara yeni dmlerle yeni balantlarn eklendiini grrz.
Alarn geliip bymesi aklmza ok sayda soru getirir (McGlohon, 2011):
Alar bydke yaplar deiir mi
Alar bydke belirli zelliklere sahip olurlar m
Alarda davrann aniden deitii bir evre geii (phase transition) var mdr
Alar bydke zayf balantl bileenler sonunda dev bileen iinde absorbe
edilirler mi
Sorulardan sonuncusunun yant olarak gerek alarda zaman iinde dev bir bileenin
olutuunu syleyebiliriz. Alarda l saylar ve genlere katlan dm saylar bir
kuvvet yasasna uygun olarak dalrlar (Leskovec, 2008). Alarda bileenlerin dalm da
kuvvet yasasna gre dalr. Alar bydke bir jlelenme noktasna ular. Bu noktada
kk ok sayda balantsz bileen birleir ve izgede en byk balantl bileen olan
dev bileeni olutururlar. Bu nokta yarapn en byk olduu noktadr ve daha sonra
yarap klerek bir denge deerine ular. Leskovec ve dierleri gerek izgelerin yar-
aplarnn zaman iinde klp stabilize olduunu gstermilerdir (Leskovec, 2008). Bu
noktadan nce izge, oluma dnemindedir ve kk balantsz bileenlerden oluur.
Alarda bileenler hangi yasaya gre dalr?

2
Yarap ve Etkin Yarap
Statik bir izge iin yarap, herhangi iki dm arasndaki maksimum uzaklktr. Uzaklk
ise, yn hesaba katmadan iki dm arasndaki minimum srama saysdr. Dev bilee-
nin iinden rassal olarak iki dm seerek aralarndaki uzakl hesapladmz ve bu ii
tekrar tekrar yaptmz varsayalm. Bu yolla elde edeceimiz ok saydaki uzakln 90.
persantilini bulabiliriz. 90. persantili maksimum deer olarak kabul ettiimizde, bu de-
er etkin yarapa kar gelir. Ksaca etkin yarap, btn olas dm iftleri arasndaki
uzaklklarn 90. persantilidir.
Etkin yarap, btn olas dm iftleri arasndaki uzaklklarn 90. persantilidir.
Etkin yarap, yarapa gre daha direnli bir ldr ve aykr, u deerlerden (sapan
deerlerden) etkilenmez. Kk dnya olgusu ile alt admlk ayrlk ayn anlama gelir.
Yarap veya etkin yarap bir izgenin ne kadar kk dnya zellii tadn, izgenin
bir ucundan dierine ne kadar hzl bir ekilde gidebileceimizi gsterir.
74 Sosyal A Analizi
Gerek dnyadaki hemen hemen btn, alar zaman iinde dm ve balant ekle-
yip kararak geliirler. Gerek alarn analizi yoluyla elde edilen amprik gzlemler bize
alarn kuvvet yasasna uygun bir ekilde younlatn gsterir. Alarn zaman iinde
ortalama derecesi -dier bir deyile dmlerdeki balant says- ok byk hzla artar-
ken yarap ve etkin yarap azalr. Burada ayn zamanda, seyrek alardan yaraplar ksa
youn alara bir evre geii (phase transition) de gereklemektedir ( Leskovec, 2007).
Persantillerin hesaplanmasn hatrlarsak, persantiller bir veri kmesini yze blen deer-
lerdir. Veriler kkten bye doru sralandnda, p bir yzde olmak zere 100p. persan-
til deeri yle bir deerdir ki gzlemlerin % 100.p kadar bu persantil deerinin altnda, %
100 (1 - p) kadar da bu deerin stnde kalr.
erileri kkten b e doru rala nz.
eri a n olmak zere n i bulunuz.
er n tam a deil e bunu tam a a tamamla nz ve buna kar gelen radaki
deeri bulunuz.
er n k gibi bir tam a i e k ve k in ortalama n al buna kar gelen radaki
deeri bulunuz.
RNEK 4.1 Bir veri kmesinde 50 gzlem bulunmakta ve kkten bye doru sralanm olan bu
kmede beinci gzlem 55,8, altnc gzlem ise 55,9 deerine sahiptir. Onuncu persantili
hesaplaynz.
zm:
n = 50 ve p = 0,10 olduu iin, np = 50 x 0,10 = 5 ve 5 tam say olduu iin 10. persantil
deeri = ( 55,8 + 55,9 ) / 2 = 55,85 olarak bulunur.
RNEK 4.2 Bir veri kmesinde 250 gzlem bulunmakta ve kkten bye doru sralanm olan bu
kmede 188. gzlem 78dir. 75. persantil deerini bularak bu deerin baka hangi deere eit
olduunu belirtiniz.
zm:
n = 250 ve p = 0,75 olduuna gre, np = 250 x 0,75 = 187,5 ve 188. gzlem deeri 78
olduu iin 75. persantil 78dir. Bu deer ayn zamanda nc kartile eittir.
Alarn Statik ve Dinamik zellikleri

Buraya kadar anlatlanlara dayanarak alarn statik ve dinamik zelliklere sahip olduunu
syleyebiliriz.
Alarn statik zellikleri aadaki gibi sralanabilir:
Alarda kaln kuyruklu dalmlar sz konusudur. Az sayda merkez dm, ok
sayda az balantya sahip dm bulunur. rnein; sosyal alarda, az sayda kii-
nin ok arkada, ok sayda kiinin ise az arkada vardr.
Alarn yaraplar kktr ve topluluk yaplarna sahiptirler.
eitli kuvvet yasalar geerlidir. llerin kuvvet yasas, younlama kuvvet yasa-
s gibi.
Alarn dinamik zellikleri ise aadaki gibidir:
Alar bydke yaraplar klr ve alar younlar.
Sabit byklkteki kk bileenler, dev bileen ile birleene kadar belirli bir nok-
tann tesine byyemezler.
Dier kuvvet yasalar geerlidir.
zet
nternetin haritasn a zellikleri asndan aklamak lekten bamszl test etmek
1 3
1998 ylna gelene kadar wwwnun yaklak olarak Kuvvet yasas dalmlar sk sk kaln kuyruklu da-
rassal bir a olduu dnlyordu. Oysa nternet lmlar, Pareto dalmlar ve Zipf dalmlar adlarn
haritasn incelediimizde grrz ki, ok balant- alrlar. Kuvvet yasas erilerinin ok sayda tr var-
ya sahip olan (derecesi yksek) merkez dmlerin dr ve bunlar farkl kuyruklara sahiptirler. Kuyruun
says az, az balantya sahip olan (derecesi dk) ekli dalmdaki s () tarafndan belirlenir. nn
dmlerin says ise oktur. Bu saylar bize, gerek deeri bydke eri daha hzl der ve daha ince
hayattan bir ok a gibi nternetin de rassal bir a ol- bir kuyrua sahip olur.
madn anlatr. Gerek hayattan elde edilen a verilerini kuvvet yasa-
sna uydururken, ilk olarak x ve P(x) verilerinin loga-
Merkez dm ve lekten bamszl rneklerle ritmalar grafik zerinde bir doru zerinde ise, dier
2 aklamak bir deyile kuvvet yasas test edilen verilerin her iki
Alarda merkez dmlerin ortaya kmasnn ne- tarafnn logaritmas alndnda bu deerler serpil-
deni, alarn bymesidir. Ayrca alar byrken, me diyagramnda bir doru hlindeyse, akla verilerin
dmler tercihli balant yaptklar iin balant kuvvet yasasna uygun olabilecei gelir. Bu verilere en
asndan zengin dmler daha da zengin olurlar kk kareler yntemi uygulanarak regresyon denk-
ve bu srecin sonucunda merkez dmler oluur. leminin eim parametresi s olan nn tahmini de-
Tercihli balantnn olaslk olarak anlam udur: Yeni eri olarak kullanlr. Bu deer ise, bir an lekten
bir dmn bir dme balant yapma olasl o bamszl konusunda bize fikir verir.
dmn derecesine baldr.
Kuvvet yasasnn gerek hayattan yaplan ilk gzlemi, Alarn bymesi ve yarap kavramlarn tanmlamak
4
Pareto tarafndan 1800l yllarn sonunda talyada Gerek alarda zaman iinde dev bir bileenin olu-
gelir dalm konusunda yaplmtr. Hemen hemen tuunu syleyebiliriz. Alarda bileenlerin dalm da
her lkede bireylerin kk bir oran servetin b- kuvvet yasasna gre dalr. Alar bydke bir jle-
yk bir oranna sahiptir ve dalm kuvvet yasasna lenme noktasna ular. Bu noktada kk ok sayda
uygundur. Fiziki Frank Benfordun ad ile anlan, balantsz bileen birleir ve izgede en byk ba-
ilk say savna gre ok eitli alanlardaki verilerde lantl bileen olan dev bileeni olutururlar. Bu nok-
kullanlan ilk saylar ele alndnda, en sk kullanlan ta yarapn en byk olduu noktadr ve daha sonra
say 1dir ve dier kullanlan tam say deerlerinin ola- yarap klerek bir denge deerine ular. Leskovec
sl sol yukardan sa aaya bir eri olarak azalr. ve dierleri gerek izgelerin yaraplarnn zaman
Ksaca Benford yasas da bir kuvvet yasasdr. iinde klp stabilize olduunu gstermilerdir. Bu
Kentlerin nfuslar, depremlerin younluklar, elekt- noktada ayn zamanda seyrek alardan yaraplar ksa
rik kesintilerinin byklkleri gibi deikenlerin da- youn alara bir evre geii de gerekleir.
lmlar kuvvet yasas dalmna uyar, bu tr deer-
ler bir ortalama deer ile karakterize edilemezler. Bu
durum ise lekten bamszlk olarak adlandrlr.
76 Sosyal A Analizi
Kendimizi Snayalm
1. Alar byrken, dmlerbalant yapar- 6. Uzaklk hesaba katmadan iki dm
lar cmlesinde bo braklan yeri aadakilerden hangisi arasndaki minimum srama saysdr. cmlesinde bo bra-
doru ekilde tamamlar klan yeri aadakilerden hangisi doru ekilde tamamlar
a. Tercihsiz a. dereceyi
b. Belirsiz b. paray
c. Tercihli balant c. dmleri
d. Ynsz d. yn
e. Ynl e. balanty
2. Aadakilerden hangisi kuvvet yasasnn genel biimi- 7. Gerek alarda zaman iinde ..bir bileenin olu-
dir tuunu syleyebiliriz. cmlesinde bo braklan yeri aada-
a. P(x) x kilerden hangisi doru ekilde tamamlar
b. P(x) x- a. asimetrik
c. P(x) x-1/ b. simetrik
d. P(x) x1/ c. ynl
e. P(x) x2/ d. ynsz
e. dev
3. Kuvvet yasasnda kuyruun ekli aadakilerden hangisi
tarafndan belirlenir 8. Gerek izgelerin yaraplar zaman iinde
a. x olurlar. cmlesinde bo braklan yeri aadakilerden hangisi
b. doru ekilde tamamlar
c. y a. klp stabilize
d. b. byyp stabilize
e. z c. deimeyerek stabilize
d. karmak
4. Kuvvet yasas test edilen verilerin her iki tarafnn da e. byyp kararsz
..deerleri arasnda bulunan regresyon dorusunun
.. ile yasann s deeri tahmin edilebilir. cmle- 9. Etkin yarap, yaraplarn kanc persantilidir
sinde bo braklan yeri aadakilerden hangisi doru ekil- a. 70.
de tamamlar b. 75.
a. Eim-logaritmalar c. 80.
b. Logaritmik-sabit kesmesi d. 90.
c. Eim- sabit kesmesi e. 100.
d. Eim-parametreleri
e. Hibiri 10. Etkin yarap ile aadaki ifadelerden hangisi dorudur
a. Yarapa gre direnlidir.
5. Yarap, herhangi iki dm arasndaki b. Yarapa gre dirensizdir.
cmlesinde bo braklan yeri aadakilerden hangisi doru c. Yarapa gre tutarszdr.
ekilde tamamlar d. Yarapa gre tutarldr.
a. Maksimum uzaklktr e. U deerlerden etkilenir.
b. Maksimum yaknlktr
c. Minimum uzaklktr
d. Minimum yaknlktr
e. Ortalama uzaklktr

Kaynaklar
1. c Yantnz yanl ise nternetin Haritas konusunu Albert, R., ve Barabsi, A.L. (2002). Statistical mechanics of
yeniden gzden geiriniz. complex networks. Reviews of Modern Physics, 74, 47
2. b Yantnz yanl ise lekten Bamszlk konusu- 97. Doi: http://dx.doi.org/10.1103/RevModPhys.74.47
nu yeniden gzden geiriniz. Barabsi, A.L., ve Albert, R. (1999). Emergence of scaling in
3. b Yantnz yanl ise Kuvvet Yasas konusunu yeni- random networks, Science, 286 (5439), 509512. Doi:
den gzden geiriniz. 10.1126/science.286.5439.509
4. e Yantnz yanl ise Kuvvet Yasas konusunu yeni- Barabsi, A.L. ve Bonabeau, E. (2003). Scale-Free
den gzden geiriniz. Networks. Scientific American, 2003/5. http://www.
5. a Yantnz yanl ise Alarn Bymesi konusunu scientificamerican.com/article/scale-free-networks/
yeniden gzden geiriniz. Barabsi, A.L. (2013). Network Science: Graph Theory.,
6. d Yantnz yanl ise Alarn Bymesi konusunu s.24, http://Barabsilab.neu.edu/networksciencebook/
yeniden gzden geiriniz. download/network_science_december_ch4_2013.pdf
7. e Yantnz yanl ise Alarn Bymesi konusunu Clauset, A., Shalizi, C.R. ve Newman. M.E.J. (2009).
yeniden gzden geiriniz. Power-Law Distributions in Empirical data. Society for
8. a Yantnz yanl ise Alarn Bymesi konusunu Industrial and Applied Mathematics, 51(4), 661703.
yeniden gzden geiriniz. Doi:10.1137/070710111
9. d Yantnz yanl ise Alarn Bymesi konusunu Leskovec, J., Kleinberg, J. ve Faloutsos, C. (2007). Graph
yeniden gzden geiriniz. Evolution: Densification and Shrinking Diameters, ACM
10. a Yantnz yanl ise Alarn Bymesi konusunu Transactions on Knowledge Discovery from Data, 1 (1),
yeniden gzden geiriniz. Article 2, s. 2-3. Doi: 10.1145/1217299.1217301
Leskovec, J., Lang K.J., Dasgupta, A. ve Mahoney M.W.
(2008). Statistical Properties of Community Structure in
Sra Sizde Yant Anahtar Large Social and Information Networks. WWW 2008 /
Sra Sizde 1 Refereed Track: Social Networks & Web, 695-704. Doi:
Rassal a modelinde dm says N sabit varsaylr ve bir 10.1145/1367497.1367591
dmn balanaca dm rassal olarak seilir. Oysa ger- McGlohon, M., Akoglu, L. ve Faloutsos, C. (2011). Statistical
ek alar byrler, aa yeni dmler katlr ve yeni dm- Properties of Social Networks, Chapter 2, Social Network
ler daha fazla balantya sahip olan dmlere balanrlar. Data Analytics, by Aggarwal, Charu C., Springer
Bu sre, tercihli balant (preferential attachment) diye Science+Business Media. Doi: 10.1007/978-1-4419-
adlandrlmaktadr. 8462-3_2
Nye, J. ve Moul, C. (2007). The Political Economy of
Sra Sizde 2 Numbers: On the Application of Benfords Law to
Alarda bileenlerin dalm da kuvvet yasasna gre dalr. International Macroeconomic Statistics. The B.E. Journal
Alar bydke bir jlelenme noktasna ular. Bu noktada of Macroeconomics C.7(1).
kk ok sayda balantsz bileen birleir ve izgede en b- Wang, C.J. (2015). Simulate networks and fit the power
yk balantl bileen olan dev bileeni olutururlar. Bu nokta law distribution http://chengjun.github.io/web_data_
yarapn en byk olduu noktadr ve daha sonra yarap analysis/demo2_simulate_networks/ (Eriim tarihi:
klerek bir denge deerine ular. 01.10.2015)
5
SOSYAL A ANALZ
Amalarmz
Bu niteyi tamamladktan sonra,
Topluluk kavramn aklayarak bir topluluun i ve d younluunu hesapla-
yabilecek,
Uyum modelini aklayabilecek,
Yapsal e deerlilik modelini aklayabilecek,
Hiyerarik kmelenmenin ilevlerini aklayarak balant yntemlerini srala-
yabilecek,
Dendogramlar okuyabilecek
Anahtar Kavramlar
Topluluk m e zerli i
Topluluk o u lu u Hiyerarik mele me
Topluluk o u lu u a la t temleri
yum odeli e dogram
ap sal de erlilik odeli
indekiler
GR
TOPLULUK
Sosyal A Analizi UYUM MODEL
Alarda Topluluklarn Belirlenmesi
YAPISAL E DE ERLLK MODEL
HYERARK KMELENME
DENDOGRAMLAR
Alarda Topluluklarn
Belirlenmesi
GR
Alarda, baz dmler arasnda belli zelliklerin salanmasyla topluluklar olumakta-
dr. Topluluk tanm konusunda herkesin zerinde uzlat ortak bir tanm yoktur. Yap-
lan topluluk tanmlar, elde bulunan rnee veya yaplan uygulamaya gre deimektedir.
En basitinden topluluk, ortak baz zelliklere sahip olan bir grup insan olarak tanmla-
nabilir. Topluluklarda bulunan insanlar birbirlerini destekler ve ihtiyalarn gidermede
birbirlerine yardmc olurlar. Topluluklar; kan ba, din, dil, tarih, blge, kltr gibi ortak
zelliklerle birbirine bal sosyal organizasyonlardr.
Bu nitede, topluluklarla ilgili olarak i ve d younluktan sz edeceiz. Topluluklarn
nasl olutuu ya da hareket ettiine ilikin olarak ortaya atlan modellere ve hiyerarik
kmelenme konusuna deineceiz. Son olarak topluluklarn oluumunu adm adm gs-
teren dendogramlar okumay reneceiz.
TOPLULUK
Tek bir topluluk tanm olmamakla birlikte, topluluklarn en belirgin zellii kendi ile-
rindeki balant saysnn ok, darlar ile olan balant saylarnn ise az olmasdr (For-
tunato, 2010). Bu temel zellikten hareketle bile uygulamaya dnk ok sayda topluluk
tanm retilebilir. Ynsz bir izgenin iindeki maksimum balant saysnn N(N-1)/2
olacan hatrlarsak, dm says 1-10 arasnda olan izgelerin maksimum balant sa-
ylarnn 0 1 3 6 10 15 21 28 36 45 eklinde olacan hesaplayabiliriz. rnein, bu ere-
vede uygulamaya dnk bir topluluk tanm, kendi iindeki balant says maksimum
balant saysnn yarsndan az olmayan ancak kendi d ile balant says 3 amayan
gruplar topluluk adn alr eklinde yaplabilir. Hemen ekleyelim ki, bu tanm doru mu-
dur diye sorarsanz buna evet yant verilemez. Ancak bu tanm uygulamaya dnktr
ve dikkat ederseniz burada kavramsal bir tanmdan ok neyin topluluk olup olmadn
anlamaya, baz kriterlerle lmeye ynelik ilemsel (operasyonel) bir tanm yaplmaktadr.
Buna benzer bir tanm bilgisayar programna dntrldnde ise bu, algoritmik bir
tanm olacaktr.
Sosyal alarn istatistiksel zellikleri u ekildedir (McGlohon vd., 2011):
1. Kaln kuyruklu derece dalmlar sz konusudur. Birka dmn balant says
ok fazla, ok sayda dmn ise komu says azdr.
2. Alarda dmler kmeler (topluluk-cluster) olutururlar ve alarn yaraplar
kktr. Adaki bir dmden dierine birka srama ile ulaabilirsiniz. Genel-
de alarda kuvvet yasalar dalmlar (Power Law) geerlidir.
80 Sosyal A Analizi
3. Alarda zaman iinde yarap klr ve younluk artar. Dev bileenin dnda
kk bileenlerin byklkleri sabittir.
Sosyal alarn yukarda belirtilen istatistiksel zelliklerini incelediimizde, alarda d-
mlerin kmeler oluturduklarn grrz. Alardaki bu kk kmeler birleerek daha
sonra dev bir bileen olutururlar. Bir topluluk, kendi yeleri arasndaki balantlar an
geri kalanna gre daha fazla olan dmler olarak tanmlayabilir. Gruplar ii balantlar,
gruplar aras balantlardan daha fazla ise bu gruplar topluluk adn alrlar (ekil 5.1).
ekil 5.1
Topluluklar
Kaynak: Newman
(2012)
ekil 5.1i incelediimizde bir izgenin iindeki topluluu gryoruz. Bu toplu-

luklardan sol sttekinde 4 dm, sa sttekinde 5 dm ve alttakinde ise 6 dm
bulunmaktadr. ekil 5.1deki topluluklar birbirlerine en fazla iki bala baldr. Toplu-
luklarn iindeki balant saylarnn, topluluklar arasndaki balant saylarna gre ok
daha fazla olduunu gryoruz. ekil 5.1dekine benzer izgeler iin topluluklar hemen
bakarak belirleyebiliriz. ok byk alarda ve izgelerde ise bu i ancak bilgisayar yardm
ile yaplabilir.
Topluluk ve a balant saylar arasnda nasl bir iliki vardr?

1
Az nce aklanan topluluklarla ilgili temel ilke, alarn genel yapsnda da karmza
kmaktadr. Leskovece gre, gerek alarn ouna denizanas veya ahtapot yaklam ile
yaklalabilir (Leskovec vd., 2008). Alarn genelde bir ekirdei ve bu ekirdein evre-
sinde de ahtapotun veya denizanasnn uzantlarna, kollarna benzeyen uzantlar bulu-
nur (ekil 5.2). Benzer ekilde ekil 5.2de de topluluklarn kendi ilerindeki balantlar-
nn youn, dlar ile olan balantlarnn ise seyrek olduunu grrz.
ekil 5.2
Alarda Denizanas Core Whiskers
Modeli
Kaynak: Leskovec vd.

(2008).
5. nite - Alarda Topluluklarn Belirlenmesi 81
Alarn byk lekli yaplarn incelediimizde topluluk yaplarn grrz. Byk
bir an iindeki youn alara topluluk (community) adn veriyoruz. Topluluklar neden
nemlidir? Topluluklar bir an iindeki fonksiyonel birimlere kar geldikleri iin nemli-
dirler. rnein, bir hcrenin iindeki bir topluluk bir motife kar gelebilir ve bizim iin bu
topluluk hayati bir rn sentezleme veya dzenleme fonksiyonunu yerine getirebilir. Bir
sosyal adaki bir topluluk ise, ortak bir ilgi alan, ortak bir i yeri veya ortak aile balar gibi
balar sayesinde ya da balarla oluur. Ksaca alarda fonksiyonlar dzenlemek, gelitir-
mek, iyiletirmek istersek ncelikle topluluklar ve bu topluluklarn fonksiyonlarn belirle-
meliyiz. Son yllarda gndeme gelen a ilacn da bu erevede deerlendirmemiz gerekir.
A ilac (network medicine) yeni bir konudur ve topolojik a zellikleri ile bir hastalk (biyo-
lojik fonksiyon) arasnda iliki kurmaya alr. Belirli bir hastaln molekler karmakl-
n aratrarak, hastalk modllerini ve patikalarn bulmaya urar. Bu tr aratrmalarn
sonucunda, belirli bir hastalk ile ilgili yeni hastalk modllerinin ve genlerinin bulunmas
amalanmaktadr. Barabasi, her hastaln kendine zg, biricik bir modlnn olduunu
ama hastalk modllerinin kesiimlerinin de bulunduunu gstermitir.
A ilacnn amac nedir?

2
Bir Topluluk in ve D Younluun Hesaplanmas
Topluluk, sizin de kolaylkla anlayabileceiniz gibi bir dmler kmesidir ve izgenin
bir alt izgesi olarak dnlebilir. imdi bir C alt izgesi iin Cnin kendi iindeki yo-
unluunun ve Cnin kmeler aras younluunun (d younluk) nasl hesaplanabilece-
ini gsterelim. Bir izgenin genelinde N dm olduunu varsayalm. Herhangi bir alt
izgeyi C ile gsterirsek ve bu alt izgede NC tane dm varsa, bu alt izgenin iindeki
younluu u ekilde hesaplayabiliriz:
Cnin i younluu = Cnin iindeki balant says / [NC(NC-1)/2]
imdi de kmeler aras younluu hesaplayalm:
Cnin d younluu = Cnin kmeler aras balant says / [NC(N-NC)]
Cnin topluluk olabilmesi iin az nce Cnin iindeki balant saysnn ok, d ile
balant saysnn ise az olmas gerektiini sylemitik. O halde Cnin izge ii younluu
ne kadar yksek ve Cnin kmeler aras younluu ne kadar dkse, C alt izgesi o kadar
ok topluluk tanmna uygun olacaktr.
rnein; N=120 dml bir C izgesinde, NC= 20 iin bu grubun bir topluluk olup
olmadn deerlendiriyorsak ve Cnin iindeki balant says 4, Cnin kmeler aras ba-
lant says 8 ise:
Cnin iindeki younluk = 4 / [20(20-1)/2] = 0,02105
Cnin kmeler aras younluu = 8/ [20(120-20)] = 0,004
olarak hesaplanr. Bu deerler ise bize Cnin kmeler aras younluunun, Cnin iindeki
younluktan kk olduunu ve Cnin bir topluluk olduunu gstermektedir.
UYUM MODEL
1896 ylnda bir Fransz psikolou olan Gustave Le Bon, kollektif davran biimi iin bir
aklama getirdi ve kalabaln, ynlarn yeleri zerinde hipnotik bir etki yaptklarn
gzledi. Kalabalklar, belirli bir hayat biimi varsayyorlar ve bireylerin duygularn ka-
rtrarak akl d hareketlere neden oluyorlard. Byk ehirlerde krmz kta karya
82 Sosyal A Analizi
gemeyi bekleyen kalabaln iinden biri krmz kta karya gemeye baladnda,
dier insanlarn da bunun yasal olup olmadn dnmeden onu izlediklerini gzle-
yebilirsiniz. Bu olay belirli bir davran biiminin, uygun olsun olmasn kalabala nasl
bulatn, nasl sirayet ettiini iyi bir ekilde anlatmaktadr.
Le Bonun bulama teorisi belki de sosyal uyum kavramnn ilk ekliydi. 1897 ylnda
yine bir Fransz olan Emile Durkheim da sosyal uyum ve intihar arasndaki ilikiyi in-
celedi. Ona gre, sosyal dayanmann tr ve derecesi intiharlar belirliyordu. William
MacDougall 1921 ylnda grubun, iindeki bireylerin toplamndan fazla olduunu ne
srd. Grubun bir hayat ve akl vard ve bireyler birbirleri hakknda ortak bir duygu
biimine sahipti. Yine 1921 ylnda Sigmund Freud, bireyin kimliinin, kuvvetli balarla
bal olduu gruptaki youn duygusal balardan geldiini gzledi. 1909 ylnda Charles
Horton Cooley, yz yze gren, yakn, i birlii yapan, atan, byk lde zaman
birlikte geiren ve birbirlerini iyi bilen birincil gruplar formle ettiler. Bollen and Hoyle
ise, bireylerin kendilerini belirli sosyal gruplarn yeleri olarak hissettiklerini gzlediler ve
teorik olarak sosyal uyum kavramn ortaya attlar (Bruhn, 2009).
Uyum her grup yesinin dier grup yelerine bir patika ile ulamas ile balyor, bu
patikalar da grup yeleri arasndaki sosyal tutkal oluturarak grubu bir arada tutuyordu.
Gruptaki uyumun gc, balantl birey saysna balyd. Gl uyuma sahip gruplarda
her ye dier yelerle balant iindeydi. Uyumlu gruplarn birbirlerinin iine yuvalan-
dklar da bir baka gzlemdi.
Yapsal uyumun be zellii vard:
Bireyler topluluunun nasl bir araya geldiini tanmlyordu,
Yapsal uyum bir grup zellii olarak aklanyordu,
Srekliydi,
Bireyler arasndaki sosyal ilikilerin gzlenmesine dayanyordu,
Grup bykl ile ilgisi yoktu.
Uyum modeli; bir fikrin, bir rnn nceki ve potansiyel kullanclar arasndaki sosyal
yaknln, potansiyel kullanclarn uyum kararn verme olasln kestirmede kullanyor-
du. Bu model, sorunlarn gzlem ve tartma ile zld sosyal srelere odaklanyordu.
Uyum modelinin kullanm amac nedir? Odakland sreler nelerdir?

3
YAPISAL E DEERLLK MODEL
Yapsal e deerlilik modeli 1982 ylnda Burt tarafndan oluturuldu. Bu modele gre kii,
bir yenilii kendine yapsal olarak e deer olarak alglad kiiler kullandnda kullan-
yordu. Adaki yapsal e deerlilik adaki o kiinin pozisyonu ile ilgiliydi. Kmelerinde
merkez durumda olan iki kii arasnda yapsal e deerlilik vard ve bu kiiler birbirlerini
sbjektif olarak referans noktas alyorlard. Ona gre rekabet, yaylma srecini balatan
birinci gt.
Dm Benzerlii
Dier nemli bir a kavram ise, dm benzerliidir. ki dmn ne zaman benzer
olduu veya hangi dmlerin bir dme benzedii sorusu alarn analizi asndan ya-
rarl bir sorudur. Bu tr benzerlik yapsal benzerlik olarak adlandrlr. ki dm, ada
komularnn ounu paylamalar durumunda yapsal olarak e deer kabul edilirler.
Burt, klidyen uzakl yapsal e deerlilii lmede kulland. Kartezyen koordinat
sisteminde iki nokta arasndaki klid uzakl u ekilde bulunur:
d = ( x1 - y1 )2 +( x2 - y2 )2
Bir izgenin dmlerini n boyutlu klidyen uzayda onlara birer pozisyon vererek d-
nrsek, bu dmler arasndaki klidyen uzakl bir benzerlik ls olarak kullanabiliriz.
imdi 5 dmden oluan A ve B gibi iki topluluk ve bunlarn balant saylarn ala-
rak bu iki topluluk arasndaki benzerlii klidyen uzaklk ile hesaplayalm:
A=(3, 4, 6, 7, 9)
B=(3, 4, 6, 7, 9)
d = ( 3 - 3)2 + ( 4 - 4 )2 + (6 - 6)2 + (7 - 7)2 + (9 - 9)2 = 0
Elde ettiimiz d=0 sonucu bize A ve B topluluklar arasnda uzakln sfr olduunu
ve benzerliin maksimum olduunu gsterir.
Bu kez de ikinci kmedeki 4. ve 5. dmlerin balant saylarn deitirerek klid-
yen uzakl hesaplayalm.
A=(3, 4, 6, 7, 9)
B=(3, 4, 6, 10, 15)
d = ( 3 - 3)2 + ( 4 - 4 )2 + (6 - 6)2 + (7 - 10)2 + (9 - 15)2 = 6, 708
Grld gibi elde edilen d= 6,708 sonucu bize A ve B topluluklar arasndaki uzak-
ln arttn ve benzerliin azaldn anlatmaktadr.
Bir ada komu dm kmeleri A ve B olsun. Bu durumda A ve Bnin ortak arkada-
larnn says yle ifade edilebilir:
= AB
Dikkat edilirse bu ifadede ortak arkadalarn says normalize edilmemitir. Bu say,

derecesi byk dmler az sayda ortak arkadaa sahip olsalar bile yksek olabilir. Bu
saynn normalize edilerek kullanlmas ile eitli benzerlik lleri elde edilebilir ve bu
l Jaccard Benzerlii olarak adlandrlr:
AB
jaccard =
AB
rnein; 5 dmden oluan iki dm kmesi dnelim. Her iki kmede de d-

mlerin balant saylar 2, 3, 4, 6, 9 olduunda bu kmeler arasndaki Jaccard benzerlii:
Her iki kmenin kesiimindeki eleman says 5 ve yine bileimindeki eleman says da 5
olduu iin 5/5=1 olacaktr. imdi birinci dm kmesindeki balant saylarn yine
2,3,4,6,9 olarak alp, ikinci dm kmesindeki balant saylarn bu kez 2, 3, 4, 6, 11
olarak deitirelim. Bu kez her iki kmenin kesiimindeki eleman says 4 ve yine bilei-
mindeki eleman says da 6 olduu iin 4/6=0,66 olacaktr.
Hatrlayacanz gibi bir ann kosins, bir dik gende o aya komu dik kenarn
hipotense orandr. imdi de kosins benzerliini hesaplayalm:
A.B
Kosins =
A .B
A=(3, 4, 6, 7, 9)
B=(3, 4, 6, 7, 9)
84 Sosyal A Analizi
A.B=3.3 + 4.4+ 6.6+ 7.7+ 9.9 =191
A = 32 + 4 2 + 6 2 + 7 2 + 9 2 = 13, 82027
B = 32 + 4 2 + 6 2 + 7 2 + 9 2 = 13, 82027
Kosins =191/ (13,82027. 13,82027)=1
ki dm kmesi arasndaki benzerlii biraz bozarsak ve balant saylar u ekilde

olursa:
A=(3, 4, 6, 7, 9 )
B=(3, 4, 6, 10, 15 )
A.B=3.3 + 4.4+ 6.6+ 7.10+ 9.15 =266
A = 32 + 4 2 + 6 2 + 7 2 + 9 2 = 13, 82027
B = 32 + 4 2 + 6 2 +10 2 +15 2 = 19, 64688
Kosins =266/ (13,82027.19,64688)=0,97965
Dm benzerlii ne tr bir benzerliktir? Yapsal e deerlik nasl tanmlanabilir?

4
HYERARK KMELENME
Alarda topluluk yapsnn incelenmesinin tarihi eskidir. Alarda topluluklarn bulunma-
s konusu 70li yllara kadar geriye gitmektedir. Bu konu izge kuramnda matematikiler
ve bilgisayarclar tarafndan izge blntleme (graph partitioning), sosyal alarda ve sos-
yolojide ise topluluk bulma (community detection) ve hiyerarik kmeleme adlaryla anl-
maktadr (Newman ve Girvan, 2004).
Hiyerarik kmelenme algoritmas bir dizi nesneyi benzerliklerine gre bir soy aa-
cnda (dendogram) dzenler. Benzerlik ise bu nesneler arasndaki bir uzaklk fonksiyonu
ile bulunur. Birbirlerine benzer veya yakn olan nesneler ayn kmelerde toplanr. Srekli
olarak ayn ilemlerin tekrarlanmas yoluyla her admda en yakn kmeler yeni kmelerde
birletirilir.
Sosyal alarda topluluk bulmada yaygn olarak kullanlan eski bir yntem hiyerar-
ik kmeleme yntemidir. Bu yntem tek bir teknik olmaktan ok bir teknikler kmesi
olarak dnlebilir. Bu tekniklerin temel ilkesi, bir adaki dmlerin ne kadar kuvvet-
li balarla balantl olduklarna ilikin bir lnn gelitirilmesine dayanr. Daha sonra
ise bu l ile kuvvetli bir ekilde bal olan dmleri gruplayarak ilgilendiimiz a
topluluklara blebiliriz. Bu erevede, dmlerin ne kadar kuvvetle birbirlerine bal
olduklarn lebilen l ve bu dmlerin gruplanmasnda kullanlan farkl teknikler
hiyerarik kmelenme teknikleri arasndaki farkllklar oluturur.
Dmler arasndaki balantnn gcn len bir l belirlendikten sonra hiye-
rarik olarak dmler gruplanmaya balar. nce dmler kk gruplarda toplanr ve
daha sonra bu kk gruplar daha byk gruplarda birletirilir. Kmelemeyi tekli balan-
t (single linkage), tam balant (complete linkage) ve ortalama balant (average linkage)
yntemleri ile gerekletirmek mmkndr. Bunlarn arasnda ortalama balant yntemi
genelde daha iyi sonular verir.
Dendogram nedir ve nasl yaplandrlr?

5
Balant Yntemleri
Hiyerarik kmelenmede balangta her dm tek bir kmeyi oluturur. Daha sonra
kmeler birletirilerek yeni kmelere ulalr. Uygulamada setiimiz balant yntemi,
iki kme arasndaki uzakln hangi tanmla lleceini belirler.
Tekli Balant Yntemi (Single Linkage Method)

En yakn komu yntemi (nearest neighbor method) adn da alan tekli balant yntemin-
de, iki kme arasndaki uzaklk bir kmedeki gzlem ile dier kmedeki gzlem arasn-
daki minimum uzaklktr. Tekli balant yntemi kmeler birbirinden ak bir ekilde
ayrldnda iyi bir tercihtir.
ekil 5.3
r Tekli Balant Yntemi
Tam Balant Yntemi (Complete Linkage Method)

Tam balant ynteminde, iki kme arasndaki uzaklk bir kmedeki gzlem ile dier k-
medeki gzlem arasndaki maksimum uzaklktr.
ekil 5.4
r Tam Balant Yntemi
Ortalama Balant Yntemi (Average Linkage Method)

Ortalama balant ynteminde ise gzlem iftleri arasndaki uzaklklarn ortalamas, iki
kme arasndaki uzaklk olarak tanmlanr.
ekil 5.5
r Ortalama Balant
Yntemi
s
86 Sosyal A Analizi
RNEK 5.1 Bir komuluk matrisi alarak ve bir istatistik paket program (MINITAB) kullanarak verileri-
mizi ortalama balant yntemini ve klidyen uzakl kullanarak kmeleyelim.
Topluluk No. Dm 1 Dm 2 Dm 3 Dm 4 Dm 5
1 3 4 6 7 8
2 3 4 6 7 12
3 1 2 2 1 2
4 2 5 5 6 4
zleyen kutuda bu veriler iin elde edilen sonular gryoruz. admda kmeleme
ilemi tamamlanm; ncelikle 1 ve 2 gzlemleri benzer bulunarak onlar bir kmede bir-
letirilmi, daha sonra ikinci aamada bu kmeye benzer bulunan 4 gzlemi eklenmitir.
Son aamada ise bu kmeye 3 gzlemi de eklenmitir. Elde edilen sonu ekil 5.6daki
dendogramda grlmektedir.
ekil 5.6
rnek Dendogram
Euclidean Distance, Average Linkage
Amalgamation Steps
Number
of obs.
Number of Similarity Distance Clusters New in new
Step clusters level level joined cluster cluster
1 3 68,3772 4,00000 1 2 1 2
2 2 49,7263 6,35917 1 4 1 3
3 1 22,5894 9,79176 1 3 1 4
Dendrogram
Average Linkage; Euclidean Distance
22,59
48,39
Similarity
74,20
100,00
1 2 4 3
Observations
Farkl kmeleme yntemleri iin, iki kme arasndaki uzaklk nasl tanmlanmaktadr?
6
DENDOGRAMLAR
Hiyerarik kmelenme algoritmasnn bir dizi nesneyi benzerliklerine gre bir soy aacn-
da yani dendogramda dzenlediini belirtmitik. Dendogram, aadan yukarya doru
okunmaldr. rnein; ekil 5.6da 1 ve 2 gzlemleri birbirlerine fazla benzeyen gzlem-
lerdir. Bu kmeye daha sonra onlara benzeyen ama onlardan biraz farkl olan 4 gzlemi
katlr ve 1, 2 ve 4 gzlemleri bir kme oluturur. 3 gzlemi ise 1, 2 ve 4 gzlemlerinden
farkl olduu, onlara benzemedii iin tek bana ayr bir kme oluturur.
Bu blmde nemli an iindeki topluluklar elde edip, bu alarn dendogram-
larn izeceiz. lk rneimiz Wayne W. Zachary tarafndan 1970-1972 arasnda yl
incelenen ve 34 yeden oluan Karate Club rnei (Zachary, 1977). rnek, sonuta Karate
Clubn zt grlere sahip iki kiinin etrafnda toplanarak blnmesi ile ilgili bir rnek.
ekil 5.7de solda, 5 toplulukta toplanan izge ve sada ise bu izgenin dendogram gr-
lyor. ekil 7nin solundaki izge, adaki 5 topluluu 1970-1972 arasndaki tek bir anda
gsteren bir fotoraf gibi. Oysa eklin sandaki dendogram, bize ii bandan sonuna ka-
dar anlatyor. lk kmelenme 11, 5, 1, 7, 6 ve 17 nolu yelerle olmu daha sonra bu kmeye
12 nolu ye de katlm. Dendogramda temelde dikdrtgen iine alnm 3 byk kme
var. Ancak bunlardan solda olan ilk ikisi de birleerek tek bir kme(topluluk) oluturmu
ve sonuta Karate Club ikiye blnm.
Ayrca ekillerde modlarite diye bir l de verilmi durumda. Yksek modlariteye
sahip olan alarn modllerinin (topluluklarnn) iindeki balantlar youn ancak farkl
modllerdeki dmler arasndaki balantlar ise seyrektir. Burada ayrca bir hatrlatma
yaparak, 7, 8 ve 9 nolu ekillerin ve bu ekillerdeki modlarite hesaplamalarnn bilgisayar
program ile yapldn, imdilik rencinin bu ilerin nasl yapld konusu ile ilgilen-
meyi son nitelere brakmas gerektiini ekliyoruz.
ekil 5.7
Karate Club izge ve Dendogram (Modularite=0,35)
88 Sosyal A Analizi
Bu kez de 100 dmden oluan bir Barabasi a ile bu an dendogramn izelim.

ekil 5.8de grld bu izge ve dendogram bize kmelenmenin ok fazla olduunu
gstermektedir.
ekil 5.8
Barabasi izgesi ve Dendogram (Modularite=0,77)
ekil 5.9
Erds-Renyi izgesi ve Dendogram (100 dm, p=0,02, Modularite=0,60)
ekil 5.9da verilen Erds-Renyi 100 dml rassal a modelinde ise kmelenmenin
ok az olduu grlyor. Modlarite katsaylar da bu yorumumuzu desteklemektedir. En
dk modlarite Karate Club rneinde, en yksek modlarite ise Barabasi a rnein-
de karmza kmaktadr.
Dendogram inceleyerek edinilecek bilginin, izgeyi inceleyerek edinilecek bilgiden farkl

7 olarak salad katk nedir?
zet
Topluluk kavramn aklayarak bir topluluun i ve d Yapsal e deerlilik modelini aklamak
younluunu hesaplamak 3 Yapsal e deerlilik modeli, 1982 ylnda Burt tara-
1
Topluluk tanm konusunda herkesin zerinde uzla- fndan oluturuldu. Bu modele gre kii, bir yenilii
t ortak bir tanm yoktur. Yaplan topluluk tanmla- kendine yapsal olarak e deer olarak alglad ki-
r, elde bulunan rnee veya yaplan uygulamaya gre iler kullandnda kullanyordu. Ona gre rekabet,
deiir. En basitinden topluluk, ortak baz zelliklere yaylma srecini balatan birinci gt.
sahip olan bir grup insan olarak tanmlanabilir. Top- ki dmn ne zaman benzer olduu veya hangi d-
luluklar kan ba, din, dil, tarih, blge, kltr gibi mlerin bir dme benzedii sorusu alarn analizi
ortak zelliklerle birbirine bal sosyal organizasyon- asndan nemlidir. Dm benzerlii yapsal bir
lardr. Topluluklarn en belirgin zellii kendi ilerin- benzerliktir. Burt, klidyen uzakl yapsal e deer-
deki balant saysnn ok, darlar ile olan balant lilii lmede kullanmtr.
saylarnn ise az olmasdr. Leskovece gre, gerek
alarn ouna denizanas veya ahtapot yaklam ile Hiyerarik kmelenmenin ilevlerini aklayarak ba-
yaklalabilir. Alarn genelde bir ekirdei ve bu e- 4 lant yntemlerini sralamak
kirdein evresinde de ahtapotun veya denizanasnn Hiyerarik kmelenme algoritmas bir dizi nesneyi
uzantlarna, kollarna benzeyen uzantlar bulunur. benzerliklerine gre bir soy aacnda (dendogram) d-
Topluluklar neden nemlidir? Topluluklar bir an zenler. Benzerlik ise bu nesneler arasndaki bir uzaklk
iindeki fonksiyonel birimlere kar geldikleri iin fonksiyonu ile bulunur. Birbirlerine benzer veya/ve ya-
nemlidirler. Alarda fonksiyonlar dzenlemek, ge- kn olan nesneler ayn kmelerde toplanr. Srekli ola-
litirmek, iyiletirmek istersek ncelikle topluluklar rak ayn ilemlerin tekrarlanmas yoluyla her admda
ve bu topluluklarn fonksiyonlarn belirlemeliyiz. en yakn kmeler yeni kmelerde birletirilir.
Bir izgenin genelinde N dm var ise, herhangi bir Hiyerarik kmelemede, kmeler birletirilerek yeni
alt izgeyi C ile gsterirsek ve bu alt izgede NC tane kmelere ulalr. Uygulamada setiimiz balant
dm varsa, bu alt izgenin iindeki i ve d youn- yntemi, iki kme arasndaki uzakln hangi tanm-
luklar aadaki formller ile hesaplanr: la lleceini belirler Balanty tanmlamak zere
Cnin i younluu = Cnin iindeki balant says / hesaplanan bir kmedeki gzlem ile dier kmedeki
[NC(NC-1)/2] gzlem arasndaki uzaklk; tekli balant ynteminde
Cnin d younluu = Cnin kmeler aras balant minimumun; tam balant ynteminde maksimu-
says / [NC(N-NC)] mun alnmasndan; ortalama balant ynteminde ise
uzaklk ortalamasnn alnmasyla hesaplanmaktadr.
Uyum modelini aklamak
2
1896 ylnda bir Fransz psikolou olan Gustave Le Dendogramlar okumak
Bon, kollektif davran biimi iin bir aklama getir- 5 Hiyerarik kmelenme algoritmas, bir dizi nesne-
di ve kalabaln, ynlarn yeleri zerinde hipnotik yi benzerliklerine gre oluturulan bir soy aacnda
bir etki yaptklarn gzledi. Kalabalklar belirli bir yani dendogramda dzenler. Dzenlemede kullanlan
hayat biimi varsayyorlar ve bireylerin duygularn benzerlik ise bu nesneler arasndaki uzaklk fonksiyo-
kartrarak akl d hareketlere neden oluyorlard. nu ile bulunur. Birbirlerine benzer veya/yada yakn
Le Bonun bulama teorisi belki de sosyal uyum kav- olan nesneler ayn kmelerde toplanr. Srekli olarak
ramnn ilk ekliydi. Uyum her grup yesinin dier ayn ilemlerin tekrarlanmas yoluyla, her admda en
grup yelerine bir patika ile ulamas ile balyordu. yakn kmeler yeni kmelerde birletirilir.
Bu patikalar da grup yeleri arasndaki sosyal tutkal
oluturarak grubu bir arada tutuyordu. Gruptaki uyu-
mun gc, balantl birey saysna balyd.
90 Sosyal A Analizi
Kendimizi Snayalm
1. Topluluk ile ilgili verilen ifadelerden hangisi yanltr? 6. Tam balant ynteminde, iki kme arasndaki uzaklk
a. Herkesin zerinde uzlat bir topluluk tanm yoktur. bir kmedeki gzlem ile dier kmedeki gzlem arasndaki
b. Topluluk tanmlar yaplan uygulamaya gre dei- cmlede bo braklan yeri aadakilerden hangisi
mektedir. doru ekilde tamamlar?
c. Topluluk, ounlukla farkl baz zelliklere sahip a. Minimum uzaklktr.
olan bir grup insan olarak tanmlanabilir. b. Minimum yaknlktr.
d. Topluluklar kan ba, din, dil, tarih, blge, kltr gibi c. Maksimum uzaklktr.
ortak zelliklerle birbirine bal sosyal organizasyon- d. Minimum ortalamadr.
lardr. e. Ortalama uzaklktr.
e. Topluluu oluturan dmler arasnda ok sayda
balant vardr. 7. Kosins benzerlik lsnn deiim aral aadaki-
lerden hangisidir?
2. Topluluklarn en belirgin zellii aadakilerden hangi- a. 0-0.5
sidir? b. 0-1
a. Kendi ilerindeki balant saysnn ok, darlar ile c. 0-2
olan balant saylarnn ise az olmas. d. 0-3
b. Kendi ilerindeki balant saysnn az, darlar ile e. 0-4
olan balant saylarnn ise ok olmas.
c. Kendi ilerindeki balant saysnn az olmas. 8. Kalabaln, ynlarn yeleri zerinde hipnotik bir etki
d. Darlar ile olan balant saylarnn ok olmas. yapt gzlemi aadaki modellerden hangisinde yer alr?
e. Sadece insanlardan olumas. a. Hiyerarik kmelenme modeli
b. Uyum modeli
3. Sosyal alarn istatistiksel zelliklerine ilikin aadaki c. Yapsal uyumsuzluk modeli
ifadelerden hangisi yanltr? d. Yanllk modeli
a. Alarda dmler kmeler (topluluk-cluster) olu- e. Kk dnya modeli
turmazlar ve alarn yaraplar kktr.
b. Alarda zaman iinde yarap klr. 9. Dendogram aadakilerden hangisine benzer?
c. Genelde alarda kuvvet yasalar dalmlar (Power a. Deniz anasna
Law) geerlidir. b. Balinaya
d. Adaki bir dmden dierine birka srama ile c. Ahtapota
ulaabilirsiniz. d. Soy aacna
e. Kaln kuyruklu derece dalmlar sz konusudur. e. ekirgeye
4. Gerek alarn ouna aadakilerden hangisiyle yakla- 10. Dendogram nasl okunur?
labilir? a. Yukardan aaya
a. Balina yaklam b. Soldan saa
b. Ahtapot yaklam c. Sadan sola
c. ekirge yaklam d. Aadan yukarya
d. Timsah yaklam e. apraz
e. Karnca yaklam
5. ki kme arasndaki uzaklk aadakilerden hangisiyle

llr?
a. En ortalama komu yntemi
b. En yakn kme yntemi
c. En yakn komu yntemi
d. En apraz komu yntemi
e. En uzak komu yntemi
Kendimizi Snayalm Yant Anahtar

1. c Yantnz yanl ise Topluluk konusunu yeniden Sra Sizde 5
gzden geiriniz. Dendogram, hiyerarik kmelenme algoritmasnn bir dizi
2. a Yantnz yanl ise Topluluk konusunu yeniden nesneyi benzerliklerine gre dzenledii bir soy aac olup,
gzden geiriniz. dzenlemede kullanlan benzerlik nesneler arasndaki bir
3. a Yantnz yanl ise Topluluk konusunu yeniden uzaklk fonksiyonuna gre tanmlanr.
gzden geiriniz.
Sra Sizde 6
4. b Yantnz yanl ise Topluluk konusunu yeniden
ki kme arasndaki uzaklk, tekli balant ynteminde, bir
gzden geiriniz.
kmedeki gzlem ile dier kmedeki gzlem arasndaki
5. c Yantnz yanl ise Hiyerarik Kmelenme konu- minimum uzaklk; tam balant ynteminde, bir kmedeki
sunu yeniden gzden geiriniz. gzlem ile dier kmedeki gzlem arasndaki maksimum
6. c Yantnz yanl ise Hiyerarik Kmelenme konu- uzaklk; ortalama balant ynteminde ise gzlem iftleri
sunu yeniden gzden geiriniz. arasndaki uzaklklarn ortalamas olarak tanmlanr.
7. b Yantnz yanl ise Yapsal E deerlilik Modeli ko-
nusunu yeniden gzden geiriniz. Sra Sizde 7
8. b Yantnz yanl ise Uyum Modeli konusunu yeni- izge, adaki topluluklar tek bir anda gsteren bir fotoraf
den gzden geiriniz. gibidir, ancak dendogram incelendiinde, kmelenmenin
9. d Yantnz yanl ise Dendogram konusunu yeniden nce hangi kmeler arasnda olutuu ve daha sonra hangi
kmelerin katlm ile deitii gibi zamansal geliimi hak-
gzden geiriniz.
knda da bilgi edinilebilir.
10. d Yantnz yanl ise Dendogram konusunu yeniden
gzden geiriniz.
Kaynaklar
Sra Sizde Yant Anahtar Bruhn, J.G. (2009). The Group Effect: Social Cohesion and
Sra Sizde 1
Health Outcomes. Springer Science+Business Media.
Topluluklarn iindeki balant saylar, topluluklar arasnda-
Doi:10.1007/978-1-4419-0364-8_2
ki balant saylarna gre ok daha fazladr. Kk topluluk-
Burt, R. (1982). Toward a Structural Theory of Action: Net-
lar izgeler incelenerek belirlenebilir, ok byk alarda ve
work Models of Social Structure, Perception, and Action.
izgelerde ise bilgisayar kullanm gerekmektedir.
Quantitative Studies in Social Relations;; New York: Aca-
demic Press.
Sra Sizde 2
Fortunato, S. (2010). Community detection in graphs. Physics
A ilac (network medicine) yeni bir konudur ve topolojik a
Reports, 486, 75-174. Doi:10.1016/j.physrep.2009.11.002
zellikleri ile bir hastalk (biyolojik fonksiyon) arasnda iliki
Leskovec, J., Lang K.J., Dasgupta, A. ve Mahoney M.W.
kurmaya alr. Belirli bir hastaln molekler karmakl-
(2008). Statistical Properties of Community Structure in
n aratrarak, hastalk modllerini ve patikalarn bulmaya
Large Social and Information Networks. WWW 2008 /
urar. Bu tr aratrmalarn sonucunda, belirli bir hastalk
Refereed Track: Social Networks & Web, 695-704. Doi:
ile ilgili yeni hastalk modllerinin ve genlerinin bulunmas
10.1145/1367497.1367591
amalanmaktadr.
McGlohon, M., Akoglu, L. ve Faloutsos, C. (2011). Statis-
tical Properties of Social Networks, Chapter 2, Social
Sra Sizde 3
Network Data Analytics, by Aggarwal, Charu C., Sprin-
Uyum modeli, bir fikrin bir rnn nceki ve potansiyel kul-
ger Science+Business Media. Doi: 10.1007/978-1-4419-
lanclar arasndaki sosyal yaknl, potansiyel kullancla-
8462-3_2
rn uyum kararn verme olasln kestirmede kullanyordu.
Newman, M.E.J. (2012). Communities, modules and large-
Bu model, sorunlarn gzlem ve tartma ile zld sos-
scale structure in networks. Nature Physics, 8, 2531.
yal srelere odaklanyordu.
Doi:10.1038/nphys2162
Newman, M.E.J. ve Girvan, M. (2004). Finding and evalua-
Sra Sizde 4
ting community structure in networks. Physical Review
Dm benzerlii yapsal bir benzerliktir. ki dm ada
E, 69, 026113. http://arxiv.org/abs/cond-mat/0308217v1
komularnn ounu paylamalar durumunda yapsal ola-
Zachary, W.W. (1977). An Information Flow Model for Conf-
rak e deer kabul edilirler.
lict and Fission in Small Groups. Journal of Anthropolo-
gical Research, 33, 452-473.
6
SOSYAL A ANALZ
Amalarmz
Merkezlik llerini tanmlayabilecek,
Verilen bir an derece merkezliini hesaplayabilecek,
Ynl ve ynsz alarda arasndalk merkezlii lm yntemini ayrt edebi-
lecek,
Yaknlk merkezliini aklayarak rnekleyebilecek
Anahtar Kavramlar
erkez lik Gele ere e
ere e erkez li i Gide ere e
Aras dal k erkez li i Toplam ere e
ak l k erkez li i
indekiler
GR
MERKEZ LK LLER
Sosyal A Analizi Merkezlik lleri DERE E MERKEZ L
ARASINDALIK MERKEZ L
YAKINLIK MERKEZ L
Merkezlik lleri
GR
ou zaman bir adaki en nemli aktrlerin ve gruplarn kimler olduunu bilmek isteriz.
Bunu bilmenin yolu merkezlik llerinden geer. ok farkl merkezlik lleri ol-
makla birlikte u tanesi en sk kullanlan merkezlik lleridir:
Derece (degree)
Yaknlk (closeness)
Arasndalk (betweenness)
Bu nitede, sz edilen bu merkezlik llerini tanmlayarak merkezliin hesaplan-
masna ilikin rnekler vereceiz.
MERKEZLK LLER
e basit bir rnek ile balayalm. Merkezi bir kent nasl bir kenttir? Eer bir kentten baka
kentlere ulaan ok sayda yol geiyorsa o kent merkezi bir kenttir. Daha kk lekte, bir
kentin merkezi de yine hemen hemen kentin iindeki btn yollarn getii bir merkezi
noktadr. Merkez lik, sosyal a analizinin en ok incelenen konular arasndadr ve derece
merkezlii, yaknlk, arasndalk, zvektr merkezlii ve daha bakalar gibi ok sayda
merkezlik ls gelitirilmitir. Merkezlik, alarda dmlerin ve balantlarn ne ka-
dar nemli olduklar sorusunu yantlamaya alr. Bir dm veya bir balant ise ne ka-
dar ak (bilgi, otomobil, ihracat ithalat) yklenebiliyorsa ne kadar ok sayda farkl grup
arasnda kpr grevi grebiliyorsa ne lde nemli dncelerin, bilginin, kararlarn
kayna olabiliyorsa o lde nemlidir. Merkezliin llmesi ve merkezi dmlerin
belirlenmesi ile ada enformasyonun daha hzl yaylmas salanabilir, salgn hastalklar
ve adaki bozulmalar nlenebilir.
Merkez lik, adaki bir birim iin llebilecei gibi an geneli iin de llebilir. A-
larda merkezlik ile ilgilenirken, ynl ve ynsz a ayrm yapmamz gerekir. Merkezlik
genelde ynsz alar iindir. Ynl alar iin ise prestij llr. Bir dmden giden
balant says ne kadar fazla ise o dm prestij anlamnda o kadar etkilidir, gelen ba-
lant says ne kadar fazla ise o dm prestij anlamnda o kadar desteklenmektedir. Bir
aktr (dm) bir ada saa sola ne kadar ok komut veriyor, bilgi gnderiyorsa o kadar
etkilidir; ona ne kadar ok oy, para, mal, bilgi veriliyorsa o kadar ok destekleniyordur
(Mrvar, 2015).
Merkezliin llmesi ve merkezi dmlerin belirlenmesi ile ne nlenebilir?

1
94 Sosyal A Analizi
Merkezlik lm trleri aadaki gibidir:

Merkezlik adaki bir birim iin llebilecei gibi an geneli iin de llebilir.
Merkezlik mutlak ve greli olarak llebilir.
Bir birimin derecesi ne kadar yksekse dier birimler tarafndan ne kadar kolay eri-
ilebilirse ne kadar ok sayda dier birimler arasndaki en ksa patikalarda arada bulu-
nuyorsa o birim o kadar merkezidir. rnein ekil 6.1de bu ilkeleri salayan yldz ek-
lindeki adaki dm 7 nolu dmdr. Dng eklindeki ada ise btn dmler eit
derecede merkezidir.
ekil 6.1
Yldz ve Dng 1 2 1 2
eklindeki Alarda
Merkezlik
6 3 6 3
5 4 5 4
Ynl alarda bir dm (aktr) iin tr derece sz konusu olur: Gelen derece (in-
degree, incoming degree), giden derece (outdegree, outgoing degree) ve bu ikisinin toplam
olarak toplam derece (total degree). Gelen derece; destek ls, giden derece ise etki ls
olarak da adlandrlr. Ynsz alarda ise bir dm iin sadece derece kavram sz konu-
sudur. ekil 6.2de; x dmnn gelen derece, giden derece, arasndalk ve yaknlk gibi
merkezlik lleri asndan y dmne gre daha merkezi olduunu syleyebiliriz.
ekil 6.2
x Dmnn Y
yye Gre Derece,
Arasndalk, Yaknlk X X
Asndan Durumu X Y
X
Y Y
DERECE MERKEZL
Derece merkezlii, bir dmn tek bir balant ile baland birinci dereceden kom-
ularnn says ile ilgilidir. Derece merkez lii bir dmn balant says ile llr ve
bu l derece merkez liini mutlak bir ekilde ler. Mutlak derece merkez lii karla-
trmalar iin uygun olmad iin bu l normalize edilerek mutlak derece merkez lii
N-1 deerine blnerek greli derece merkez liine ulalr. Greli derece merkez lii 0-1
arasnda deiir. Derece merkez lii 1e yaklatka o dmn derece merkez lii artar.
Yukarda da belirttiimiz gibi ynlendirilmi alarda gelen, giden ve toplam derece
sz konusu olabiliyordu. Konuyu basitletirmek iin imdi yldz, daire ve izgi tipindeki
ynsz alarda, alarn izgelerini ve komuluk matrislerini vererek derece hesaplayalm.
ekil 6.3te verilen yldz eklindeki izgenin balant saylarn hemen eklin ardndan
verilen komuluk matrisinde gryoruz. Ynsz ve yldz eklindeki bu izgede 1 nolu
dmn derecesi 6, dier dmlerin dereceleri ise 1dir.
6. nite - Merkezlik lleri 95
ekil 6.3
5 3
Yldz
4 1 7
2 6
1 2 3 4 5 6 7 Derece
1 0 1 1 1 1 1 1 6
2 1 0 0 0 0 0 0 1
3 1 0 0 0 0 0 0 1
4 1 0 0 0 0 0 0 1
5 1 0 0 0 0 0 0 1
6 1 0 0 0 0 0 0 1
7 1 0 0 0 0 0 0 1
ekil 6.4te grlen dng eklindeki izgeyi ve izleyen komuluk matrisini inceledii-
mizde btn dmlerin derecelerinin 2 olduu grlr.
ekil 6.4
3
4 Dng
2
5
1
6
7
96 Sosyal A Analizi
1 2 3 4 5 6 7 Derece
1 0 1 0 0 0 0 1 2
2 1 0 1 0 0 0 0 2
3 0 1 0 1 0 0 0 2
4 0 0 1 0 1 0 0 2
5 0 0 0 1 0 1 0 2
6 0 0 0 0 1 0 1 2
7 1 0 0 0 0 0 1 2
ekil 6.5teki izgi eklindeki izge ve onu izleyen komuluk matrisi bize, 6. ve 7. d-
mlerin dnda btn dmlerin derecelerinin 2 olduunu; 6. ve 7. dmlerin dere-
celerinin ise 1 olduunu gstermektedir.
ekil 6.5
izgi 6
1 2 3 4 5 6 7 Derece
1 0 1 1 0 0 0 0 2
2 1 0 0 1 0 0 0 2
3 1 0 0 0 1 0 0 2
4 0 1 0 0 0 1 0 2
5 0 0 1 0 0 0 1 2
6 0 0 0 1 0 0 0 1
7 0 0 0 0 1 0 0 1
ekil 6.6da grlen 6 dml ynsz izge ve onu izleyen komuluk matrisini ince-
lersek: 1. dmn 2, 2. dmn 3, 3. dmn 2, 4. dmn 3, 5. dmn 3 ve 6.
dmn 1 dereceye sahip olduunu grrz.
ekil 6.6
6
Dier Bir izge
3
1
1 2 3 4 5 6 Derece
1 0 1 0 0 1 0 2
2 1 0 1 0 1 0 3
3 0 1 0 1 0 0 2
4 0 0 1 0 1 1 3
5 1 1 0 1 0 0 3
6 0 0 0 1 0 0 1
Bu kez de ynl bir ada (ekil 6.7) dmlerin gelen ve giden dereceleri ile toplam
derecelerini hesaplayalm. ekil 6.7deki ynl izgenin gelen, giden ve toplam dereceleri
komuluk matrislerinin son stunlarnda grlmektedir.
ekil 6.7
6
Ynl Bir izge
3 4
98 Sosyal A Analizi
G
1 2 3 4 5 6 Derece
1 0 1 1 1 1 1 5
2 1 0 1 1 0 0 3
3 1 1 0 1 0 0 3
4 1 1 1 0 0 0 3
5 1 0 0 0 0 1 2
6 1 0 0 0 1 0 2
G
1 2 3 4 5 6 Derece
1 0 1 1 1 1 1 5
2 1 0 1 1 0 0 3
3 1 1 0 1 0 0 3
4 1 1 1 0 0 0 3
5 1 0 0 0 0 1 2
6 1 0 0 0 1 0 2
G G T
Derece Derece Derece
1 5 5 10
2 3 3 6
3 3 3 6
4 3 3 6
5 2 2 4
6 2 2 4
Bizim burada hesapladmz ller mutlak derece lleridir. Eer bu hesaplanan

ller 0-1 aralnda deiecek ekilde normalize edilirlerse o zaman da greli merkez lik
llerini elde etmi oluruz. Dngleri olmayan, ayn dmden kp ayn dme d-
nen balantlarn olmad bir ada x dmnn greli derecesini hesaplamak iin u
forml kullanlr:
CD(x) cD(x) (N-1)
RNEK 6.1 zleyen adaki dmlerin (aktrlerin) derece merkezliini ve standardize edilmi, greli
derece merkezliini hesaplayalm (Watabe, 1998).
ekil 6.8
6
Ynsz Bir A izgesi
1
4
3 5
2
7
Standardize edilmi merkezlii bulmak iin her dmn merkezliini; N adaki
dm says olmak zere N-1e blmek gerekir. Ada 7 dm olduuna gre, her ly
7-1 6ya blmek gerekir.
S
Dm D
1 1 1/6=0,16
2 1 3/6=0,50
3 3 2/6=0,33
4 2 3/6=0,50
5 3 3/6=0,50
6 2 2/6=0,33
7 2 2/6=0,33
Ynl ve ynsz balantlara ayn zamanda sahip bir an (ekil 6.9) gelen balantlarnn RNEK 6.2
mutlak derecelerini ve greli derecelerini hesaplayalm (Mrvar, 2015).
ekil 6.9
11 Ynl ve Ynsz
14 Balantlara Sahip Bir
A izgesi
1 12 4
8
6
15 5
9
2 16 10
7
13
17 18
3
100 Sosyal A Analizi
M G
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
derece derece
1 1 1 1 1 4 4/17=0,23
2 1 1 1 1 1 1 6 6/17=0,35
3 1 1 1 3 3/17=0,17
4 1 1 1 1 4 4/17=0,23
5 1 1 1 1 1 1 6 6/17=0,35
6 1 1 2 2/17=0,11
7 1 1 1 1 1 5 5/17=0,29
8 1 1 2 2/17=0,11
9 1 1 1 1 4 4/17=0,23
10 0 0,00
11 1 1 2 2/17=0,11
12 1 1 1 1 1 1 6 6/17=0,35
13 1 1 2 2/17=0,11
14 1 1 1 3 3/17=0,17
15 1 1 2 2/17=0,11
16 1 1 1/17=0,05
17 1 1 2 2/17=0,11
18 1 1 1 3 3/17=0,17
ARASINDALIK MERKEZL
Arasndalk merkez lii bir adaki en ksa patikalara dayanr. Her i dm iin bu d-
mden ka tane en ksa patika getiini sayarak arasndalk hesaplayabiliriz. Arasndalk
bir adaki aklar asndan nemlidir. Eer yksek derecede arasndala sahip bir d-
m ortadan kaldrlrsa en ksa patikalarn ortalamas ykselecei iin bu adaki akla-
rn etkin olamayaca anlamna gelir.
Arasndalk farkl ekillerde llebilir. En basit ekilde arasndalk, bir dmden ge-
en en ksa patikalarn saysdr. Bir anlamda arasndalk, bir dmn adaki bilginin
yaylmasna olan etkisini ler. Ancak hemen ekleyelim ki, bu tanmda bilginin sadece en
ksa patikalarda yayld varsaylr (Newman, 2005).
i
Matematiksel olarak ns,t , i dmnden geen s ve t arasndaki en ksa patika says,
ns,t ise s ile t dmleri arasndaki toplam patika says olsun. Bu durumda i dmnn
mutlak arasndalk ls aadaki ekildedir:
i
i ns,t
b i = s,t ws,t = s,t
ns,t
Ynsz alar iin mutlak arasndalk lsn (N-1)(N-2) 2ye blerek greli arasn-
dalk lsn hesaplayabiliriz. Ynl alar iin ise mutlak arasndalk lsn (N-1)
(N-2)ye blerek greli arasndalk ls elde edilir. Bunun nedeni, bir ada N dm
olduunda, ynsz alarda sra nemli olmad iin x dndaki farkl i says C2N1
olurken, ynl alarda sra nemli olduu iin x dndaki farkl i saysnn (N-1)(N-2)
olmasndan kaynaklanmaktadr.
ekil 6.10da arasndalk llerini hesaplayalm. RNEK 6.3
ekil 6.10
4
2
1
3
0
ekil 6.10daki 0 dmnden 4 dmne iki tane en ksa patika bulunmaktadr ve bu

2 1 3
patikalar 2 dmnden gemektedir. Bu nedenle, w0,4 = 2 / 2 = 1 , w0,4 = w0,4 = 1 / 2
olarak hesaplanr. Bu izge ynsz olduu iin ve dm says N=5 olduu iin greli ara-
sndalk lsn hesaplamak istediimizde hesapladmz mutlak arasndalk llerini
(N-1)(N-2)/2= (5-1)(5-2)/2=6ya blerek greli arasndalk llerini hesaplarz.
ekil 6.11deki an mutlak ve greli arasndalk merkezliklerini hesaplaynz (Adamic, RNEK 6.4
2015).
A ve E dmleri hibir iki dmn arasnda olmad iin bunlarn arasndalklar

0dr. B dm, A-C, A-D ve A-E dmleri arasnda yer ald iin 3 deerini alr. C
dm, A-D, A-E, B-D ve B-E dmleri arasnda yer ald iin 4 deerine sahiptir. D
ise, A-E, B-E ve C-E dmleri arasnda yer ald iin 3 deerini alr.
ekil 6.11
0 3 4 3 0
A B C D E
Bu a ynlendirilmemi bir a olduu iin greli arasndalk hesabnda, mutlak ara-

sndalk deerleri (N-1)(N-2)/2 = (5-1)(5-2)/2=6 deerine blnerek greli arasndalk
deerleri bulunur.
YAKINLIK MERKEZL
Derece merkezlii bir dme birinci dereceden komu olan dmlerle ilgilidir. Oysa
bir dmle dolayl olarak balantl olan dmler de vardr. Yaknlk merkezlii uzak-
la odaklanr ve dolayl balant iinde bulunan dmleri de hesaba katar. Yaknlk, bir
dm ile izgedeki dier btn dmler arasndaki en ksa patikalarn ortalama uzun-
luudur. Eriimin en ksa patikalardan salanmas kouluyla yaknlk, ortalama eriim

sresi olarak yorumlanabilir.
Mutlak yaknlk hesaplanrken, en ksa patikalarn toplamnn tersi alnr. Greli ya-
knlk hesaplamasnda ise mutlak yaknlk ls N-1e blnp tersi alnr:
N
Cc (i) = [ j=1 d(i, j)}1
N
C'c (i) = [ j=1 d(i, j) / (N 1)}1
RNEK 6.5 ekil 6.12deki ynsz adaki dmlerin (aktrlerin) yaknlk merkezliklerini ve standardi-
ze edilmi, greli yaknlk merkezliklerini hesaplaynz (Watabe, 1998).
ekil 6.12
6
4
3 5
2
7
nce bir dmden dier dme en ksa yoldan, en ksa patikadan ka admda gidi-
leceini ve bu admlarn toplamn hesaplayalm:
1 2 3 4 5 6 7 Toplam
1 2 1 2 3 4 4 16
2 2 1 2 3 4 4 16
3 1 1 1 2 3 3 11
4 2 2 1 1 2 2 10
5 3 3 2 1 1 1 11
6 4 4 3 2 1 1 15
7 4 4 3 2 1 1 15
S
Dm Y
1 1/16 6/16=3/8
2 1/16 6/16=3/8
3 1/11 6/11
4 1/10 6/10=3/5
5 1/11 6/11
6 1/15 6/15=2/5
7 1/15 6/15=2/5
ekil 6.13teki an gelen balantlarnn mutlak ve greli yaknlklarn hesaplayalm (Mrvar, RNEK 6.6
2015).
ekil 6.13
11
14
1 12 4
8
6
15 5
9
2 16 10
7
13
17 18
Mutlak Greli
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
yaknlk yaknlk
1 1 1 3 3 3 2 3 2 3 2 1 3 1 2 2 2 2 1/36 17/36=0,472
2 2 2 4 3 3 1 3 2 3 3 1 2 2 1 1 1 1 1/35 17/35=0,486
3 1 2 4 4 4 3 4 3 3 3 3 1 2 3 3 1 1 1/45 17/45=0,378
4 4 5 4 1 1 6 2 2 1 1 5 2 5 6 6 4 3 1/58 17/58=0,293
5 3 4 2 1 1 5 2 1 1 1 4 1 4 5 5 3 3 1/46 17/46=0,370
6 5 6 4 1 2 7 1 2 2 2 6 3 6 7 7 5 5 1/71 17/71=0,239
7 2 1 2 4 3 3 3 2 2 3 1 1 2 1 1 2 2 1/35 17/35=0,486
8 5 6 4 2 2 2 7 1 2 1 6 3 6 7 7 5 5 1/71 17/71=0,239
9 4 5 3 2 1 1 6 1 1 2 5 2 5 6 6 4 4 1/58 17/58=0,293
10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
11 4 5 3 1 1 2 6 2 2 2 5 2 5 6 6 4 4 1/60 17/60=0,283
12 1 1 2 3 2 2 1 2 1 2 2 2 1 1 2 2 2 1/29 17/29=0,586
13 2 3 1 5 5 5 4 5 4 1 4 3 3 4 4 2 2 1/57 17/57=0,298
14 1 2 2 2 2 3 2 3 2 3 1 1 3 2 3 3 3 1/38 17/38=0,447
15 2 3 3 3 3 4 2 4 3 4 2 2 3 1 1 4 4 1/48 17/48=0,354
16 3 2 3 5 4 4 1 4 3 3 4 2 2 3 2 3 3 1/51 17/51=0,333
17 2 3 1 5 5 5 4 5 4 3 4 3 2 3 4 4 1 1/58 17/58=0,293
18 2 3 1 5 5 5 4 5 4 2 4 3 1 3 4 4 1 1/56 17/56=0,304
Yaknlk nedir?
2
zet
Merkezlik llerini tanmlamak Ynl ve ynsz alarda arasndalk merkezlii lm
1
Bir adaki en nemli aktrlerin ve gruplarn kimler 3 yntemini ayrt etmek
olduunu bilmenin yolu merkezlik llerinden Arasndalk merkez lii bir adaki en ksa patikalara
geer. En sk kullanlan merkez lik lleri; De- dayanr. Her i dm iin bu dmden ka tane
rece (degree); Yaknlk (closeness) ve Arasndalk en ksa patika getiini sayarak arasndalk hesap-
(betweenness)tr. layabiliriz. Arasndalk bir adaki aklar asndan
Merkezliin llmesi ve merkezi dmlerin belir- nemlidir. Eer yksek derecede arasndala sahip
lenmesi ile ada enformasyonun daha hzl yaylmas bir dm ortadan kaldrlrsa en ksa patikalarn
salanabilir, salgn hastalklar ve adaki bozulmalar ortalamas ykselecei iin bu adaki aklarn etkin
nlenebilir. Merkezlik adaki bir birim iin l- olamayaca anlamna gelir. Ynsz alar iin mutlak
lebilecei gibi an geneli iinde llebilir. Alarda arasndalk lsn (N-1)(N-2) 2ye blerek gre-
merkezlik ile ilgilenirken ynl ve ynsz a ayrm li arasndalk lsn buluruz. Ynl alar iin ise
yapmamz gerekir. Merkezlik genelde ynsz alar mutlak arasndalk lsn (N-1)(N-2)ye blerek
iindir; ynl alar iin ise prestij llr. Bir d- greli arasndalk ls elde edilir.
mden giden balant says ne kadar fazla ise o d-
m prestij anlamnda o kadar etkilidir; gelen balan- Yaknlk merkezliini aklayarak rneklemek
t says ne kadar fazla ise o dm prestij anlamnda 4 Yaknlk, bir dm ile izgedeki dier btn d-
o kadar desteklenmektedir. mler arasndaki en ksa patikalarn ortalama uzun-
Merkez lik adaki bir birim iin llebilecei gibi luudur. Eriimin en ksa patikalardan salanmas
an geneli iinde llebilir. Yine merkez lik mutlak kouluyla yaknlk, ortalama eriim sresi olarak yo-
ve greli olarak llebilir. Ynl alarda bir dm rumlanabilir. Mutlak yaknlk hesaplanrken, en ksa
(aktr) iin tr derece sz konusu olur: Gelen dere- patikalarn toplamnn tersi alnr. Greli yaknlk
ce, giden derece ve bu ikisinin toplam olarak toplam hesaplamasnda ise mutlak yaknlk ls N-1e b-
derece. lnp tersi alnr.
Verilen bir an derece merkezliini hesaplamak

2
Derece merkez lii bir dmn tek bir balant ile
baland birinci dereceden komularnn says ile
ilgilidir. Derece merkez lii bir dmn balant sa-
ys ile llr ve bu l derece merkez liini mutlak
bir ekilde ler. Mutlak derece merkez lii N-1 dee-
rine blnerek greli derece merkez liine ulalr.
Kendimizi Snayalm
1. Aadakilerden hangisi ile ada enformasyonun daha 6. 6
1
hzl yaylmas salanabilir, salgn hastalklar ve adaki bo-
4
zulmalar nlenebilir? 3 5
a. Merkezi dmlerin belirlenmesi

2
b. zole dmlerin belirlenmesi 7
c. Balantsz dmlerin belirlenmesi

Verilen izgedeki 5 dmnn greli derecesi katr
d. Balantlarn belirlenmesi a. 0,75
e. Dm saysnn belirlenmesi b. 0,50
c. 0,25
2. . genelde ynsz alar iindir, ynl alar d. 0,10
iin ise . llr. cmlesinde bo braklan e. 0,05
yerleri aadakilerden hangisi doru ekilde tamamlar?
a. Uyum-edeerlilik 7. Yksek derecede sahip bir dm ortadan kal-
b. Edeerlilik-uyum drlrsa, en ksa patikalarn ortalamas .. iin bu a-
c. Merkez lik-prestij daki aklarn etkin olamayaca anlamna gelir. cmlesinde
d. Uzaklk-yaknlk bo braklan yerleri aadakilerden hangisi doru ekilde
e. Merkezlik-uzaklk tamamlar?
a. Yaknla-ykselecei
3. Ynl alarda bir dm iin ka tr derece vardr b. Yaknla-azalaca
a. 1 c. Arasndala-ykselecei
b. 2 d. Arasndala-azalaca
c. 3 e. Arasndala-sabit kalaca
d. 4
e. 5 8. Ynsz alar iin mutlak arasndalk lsn aadaki-
lerden hangisine blerek greli arasndalk ls bulunur?
4. Mutlak derece merkez lii aadaki deerlerden hangi- a. Nye
sine blndnde derece merkez liine ulalr b. N-1e
a. N c. (N-1)(N-2)ye
b. N-1 d. (N-1)(N-2) 2ye
c. N-2 e. (N-1)(N-2) 4e
d. N-3
e. N-4 9. Eriimin en ksa patikalardan salanmas kouluyla aa-
dakilerden hangisi ortalama eriim sresi olarak yorumla-
5. Derece merkez lii bir dmn tek bir balant ile ba- nabilir?
land dereceden komularnn says ile ilgilidir. a. Yaknlk
cmlesinde bo braklan yeri aadakilerden hangisi doru b. Arasndalk
c. Derece
ekilde tamamlar?
d. Gelen derece
a. Beinci
e. Giden derece
b. Drdnc
c. nc
10. Mutlak yaknlk hesaplanrken, en ksa patikalarn top-
d. kinci
lamnn .. alnr. cmlesinde bo braklan yeri aa-
e. Birinci
dakilerden hangisi doru ekilde tamamlar?
a. arpm
b. Blm
c. Logaritmas
d. Karekk
e. Tersi
Kendimizi Snayalm Yant Anahtar

1. a Yantnz yanl ise Merkez lik lleri konusunu
yeniden gzden geiriniz.
2. c Yantnz yanl ise Merkez lik lleri konusunu
3. c Yantnz yanl ise Merkez lik lleri konusunu
4. b Yantnz yanl ise Derece Merkez lii konusunu
5. e Yantnz yanl ise Derece Merkez lii konusunu
6. b Yantnz yanl ise Derece Merkez lii konusunu
7. c Yantnz yanl ise Arasndalk Merkez lii konu-
sunu yeniden gzden geiriniz.
8. d Yantnz yanl ise Arasndalk Merkez lii konu-
sunu yeniden gzden geiriniz.
9. a Yantnz yanl ise Yaknlk Merkez lii konusunu
10. e Yantnz yanl ise Yaknlk Merkez lii konusunu

Sra Sizde 1
Merkezliin llmesi ve merkezi dmlerin belirlenmesi
ile ada enformasyonun daha hzl yaylmas salanabilir, sal-
gn hastalklar ve adaki bozulmalar nlenebilir.
Sra Sizde 2
Yaknlk, bir dm ile izgedeki dier btn dmler ara-
sndaki en ksa patikalarn ortalama uzunluudur.
Kaynaklar
Adamic, L. (2015). Network Centrality. http: cs.brynmawr.
edu Courses cs380 spring2013 section02 slides 05
Centrality.pdf (Eriim tarihi: 07.11.2015)
Mrvar, A. (2015). Centrality and Prestige. Network Analysis
using Pajek. http: mrvar.fdv.uni-lj.si sola info4 uvod
part4.pdf (Eriim tarihi: 11.10.2015)
Newman, M.E. . (2005). A measure of betweenness centra-
lity based on random walks. Social Networks, 27, 39 54.
http: arxiv.org abs cond-mat 0309045
atabe, M. (1998). Exercise for Chapter 6: Centrality. http:
www.sscnet.ucla.edu soc faculty mcfarland soc112
cent-ans.htm (Eriim tarihi: 13.11.2015)
7
SOSYAL A ANALZ
Amalarmz
Pajek programn kullanarak a oluturabilecek ve izebilecek,
Pajek programnda merkezlik llerini hesaplayabilecek,
Pajek programnda kmelenme katsays hesaplayabilecek,
Pajek programnda topluluk arama ileminin admlarn sralayabilecek
Anahtar Kavramlar
a ek erkez lik ls Hesaplama
A luturma mele me atsay s Hesaplama
A izimi Topluluk Arama
indekiler
GR
A LARIN OLUTURULMASI VE ZM
MERKEZ LK LLERNN
Sosyal A Analizi Pajek ile Alarn izimi ve Analizi HESAPLANMASI
KMELENME KATSAYISININ
HESAPLANMASI
TOPLULUK ARAMA
Pajek ile Alarn
izimi ve Analizi
GR
Pajek (Slovakada Pahyek okunur) a analizi ve grselletirmesi iin Vladimir Batagelj ve
Andrej Mrvar tarafndan yazlm cretsiz bir programdr. Pajek programnn ngilizce kul-
lanm klavuzuna http://vlado.fmf.uni-lj.si/pub/networks/pajek/doc/pajekman.pdf adresin-
den eriilebilir. Ayrca yine programla ilgili ngilizce kaynak niteliinde bir kitap da vardr
(De Nooy vd., 2005). Pajek ile almak iin ncelikle nternetten Pajeki indirmeli ve bilgi-
sayarnza kurmalsnz. Pajeki atmzda karmza ekil 7.1deki ekran gelir.
ekil 7.1
Pajek Al Ekran
Pajek nedir?
1
ALARIN OLUTURULMASI VE ZM
Alar Pajekin iinde oluturabileceiniz gibi, Pajek dnda kelime ilemcilerle (Notepad
gibi) dosya oluturabilir veya baka ilikisel veri tabanlarndan Pajeke dosya alabilirsiniz.
Biz bu kitap erevesinde bunlardan sadece birincisine rnek vereceiz.
ekil 7.2
Pajek ile Rassal Bir A
Oluturmak
imdi Pajek ile Pajekin iinde yeni bir a oluturalm. ekil 7.2de de grld gibi,
nce Pajek programnn ilk satrndaki ilk Network (A) szcn seeriz. Daha sonra
bu szcn altnda alan menden Create Random Network (Rassal a olutur) ve
onun sandaki menden de Total Number of Archs (Toplam balant says) tkla-
nr. ekil 7.3te karmza kan diyalog kutusunda Number of Vertices (Dm says)
50ye deitirelim ve Number of Arcs (Balant says) ise imdilik 0 olsun (ekil 7.4).
ekil 7.4teki diyalog kutusunun iindeki OK tklandktan sonra karmza kan Report
adl ekran kapatp ekil 7.5teki ekrana eriiriz. ekil 7.5teki ekran bize rassal bir a olan
50 dml, 0 balantl Erds-Renyi an oluturduumuzu gstermektedir.
ekil 7.3
Dm Says
7. nite - Pajek ile Alarn izimi ve Analizi 111
ekil 7.4
Balant Says
ekil 7.5
Erds-Renyi A
Ardndan ekrann ilk srasndan yararlanarak:

Partition->Create Constant Partition komutlarn seelim (ekil 7.6) ve karmza
kan ekil 7.7deki diyalog kutusundaki OKyi tklayalm. Btn bunlar yaptmzda,
ekil 7.8deki ekran bize 0 balantl 50 dml sabit bir partition oluturduumuzu,
ekrannn yatay ikinci blm olan Partitions blmnde gsterecektir.
ekil 7.6
Partition Mens
ekil 7.7
Partition Boyut
ekil 7.8
Partition
imdi artk sra, oluturduumuz bu an dm ve balantlar ile ilgili zellikleri

programa girmeye geldi. ekil 7.9daki ekranda izlenen:
File->Partition->View/Edit yolu ile ekil 7.10daki ekranda grlen tabloya ularz.
Bu tabloda dmlerin deerlerini ve etiketlerini istediimiz gibi deitirebiliriz. Biz d-
mlerin etiketlerini ayn brakarak, deerlerini biraz da rasgele bir ekilde deitireceiz.
Deitirdiimiz dm deerleri ekil 7.11de grlmektedir.
ekil 7.9
zellik Dzenleme
ekil 7.10
Dm Deer ve
Etiketleri
ekil 7.11
Deitirilen Deerler
Bu kez de:
File->Network->View/Edit yolu ile (ekil 7.12) amzdaki balantlar oluturalm.
Bu komutlar uyguladmzda ekil 7.13teki diyalog kutusu ile karlarz. Bu diyalog
kutusunu OKlediimizde, ekil 7.14n ortasndaki Newline ile karlarz. Onun s-
tn iki kez tkladmzda ekil 7.15teki diyalog kutusu ile karlarz. Geriye dnersek,
ekil 7.13teki diyalog kutusunda, Select vertex number or vertex label (Dm numa-
rasn veya etiketini se) hizasnda 1 olduunu grebiliriz. Bunun anlam, balantnn 1
dmnde balayacadr. ekil 7.15teki diyalog kutusunda ise 1 dmnden kacak
balantnn balanaca dm 2 olarak yazdk ve ekil 7.16da bu balantnn olutu-
unu grdk.
ekil 7.12
Balant Oluturma
ekil 7.13
Balant Balang
Noktas
ekil 7.14
Balant
ekil 7.15
Balant Kurulacak
Dm
ekil 7.16
Oluan Balant
Benzer ekilde baka balantlar da oluturduktan sonra:

Draw->Network yolu ile ekil 7.17deki aa ulalr.
ekil 7.17
Elde Edilen A
Pajek ile N= 50 ve ilgili dmn komu saysn 8 olarak alp p= 0.10, P= 0.20 ve p= 0.50 RNEK 7.1
olaslklar ile kk dnya alar iziniz.
zm 7.1: nce ekil 7.18de olduu gibi: Network->Create Random Network-

>Small World yolu ile elde edilen ekil 7.19daki tercihleri yaparak, ekil 7.20deki gibi
Draw>Network ile ekil 7.21deki kk dnya ann izgesine ulalr.
ekil 7.18
Kk Dnya A
Oluturmak
ekil 7.19
Dm ve Komu
Says
ekil 7.20
Kk Dnya A
izgesi izmek
ekil 7.21
Elde Edilen Kk
Dnya A izgesi
Pajek ile istenilen parametreleri girerek lekten bamsz bir a izip; daha sonra bu izimi RNEK 7.2
Kamada-Kawai tasarm algoritmas ile yeniden iziniz.
ekil 7.22
lekten Bamsz A
Oluturmak
ekil 7.23
lekten Bamsz
A izimi iin
Parametrelerin
Girilmesi
Draw->Network yolu ile ekil 7.24teki aa ulalr.

ekil 7.24
lekten Bamsz A
imdi de ekil 7.24te elde edilen lekten bamsz a, bu kez Kamada-Kawai algorit-
mas ile ekil 7.25teki komutlar uygulayarak izelim ve ekil 7.26daki izimi elde edelim.
ekil 7.25
lekten Bamsz
An Kamada-Kawai
Algoritmas ile izimi
ekil 7.26
Kamada-Kawai
Algoritmas ile izilen
lekten Bamsz A
Bu noktada farkl izim algoritmalarnn ne ie yaradn dnebilirsiniz. Bu algor-

timalar, izimleri farkl ekillerde tasarlayarak izen algoritmalardr. Alar farkl algorit-
malarla izerek farkl a zelliklerini grmek isteyebiliriz. ekil 7.24te verilen ilk lekten
bamsz a izimi dairesel bir izimdir. Bir a izdikten sonra ekil 7.27de grld
gibi bu a farkl tasarmlarla (Layout) izebiliriz.
ekil 7.27
Elde Edilen An
Farkl Bir Tasarm
rnein ekil 7.28deki komutlarla bir baka tasarm biimi kullanlm ve sonuta
ekil 7.29daki izim elde edilmitir.
ekil 7.28
Fruchterman Reingold
Algoritmas ile izim
Komutlar
ekil 7.29
Fruchterman Reingold
Algoritmas ile izilen
lekten Bamsz A
MERKEZLK LLERNN HESAPLANMASI

nce Pajek ile 20 dml ve 42 balantl lekten bamsz bir a izmeyi isteyelim (e-
kil 7.30). Daha sonra ekil 7.31deki komutlarla Network->Create Partition->Degree->All
srasn izlediimizde sonuta ekil 7.32deki sonular elde ederiz.
ekil 7.30
20 Dml ve 42
Balantl lekten
Bamsz A izimi
ekil 7.31
lekten Bamsz
A in Derece
Hesaplama Komutlar
ekil 7.32
lekten Bamsz
An zellikleri ve
Derecesi
ekil 7.32de izdiimiz an ortalama derecesinin 1,7 olduu grlr. ekil 7.33teki
yatay olarak ikinci blm olan Partitions blmndeki All Degree Partition of N1(20)
iki kez tklanrsa ekil 7.34te tm dmlerin toplam dereceleri elde edilir. Dikkatli bir
renci ekil 7.34te elde edilen sonularla nceden izilen ekil 7.30daki balantlar kar-
latrmaldr.
ekil 7.33
Dmlerin Toplam
Dereceleri -1
ekil 7.34
Dmlerin Toplam
Dereceleri -2
ekil 7.34teki dmlerin toplam derece merkezliklerine bir baka ekilde daha ula-
abiliriz. ekil 7.35teki yolu izleyip eer ekil 7.36daki yatay nc blm olan Vec-
tors blmndeki All Degree of N1(20) iki kez tklanrsa ekil 7.37deki toplam dere-
celer yine elde edilir.
ekil 7.35
Dmlerin Toplam
Derece Merkezlikleri -1
ekil 7.36
Dmlerin Toplam
ekil 7.37
Dmlerin Toplam
Pajekte toplam derece merkezliklerine ulama yollar nelerdir?

2
imdi ise ayn lekten bamsz an 20 dm iin yaknlk llerini hesaplaya-
lm. ekil 7.38deki yol izlenerek ekil 7.39a ulalr. ekil 7.39un nc yatay blmn-
deki 2 All Closeness centrality of N1(20) iki kez tklandnda ekil 7.40taki yaknlk
lleri elde edilir. Eer ekil 7.38de:
Network-> Create vector->Centrality->Betweenness->Input dizisi izlenmi olsayd o
zaman da ayn a iin dmlerin girdi balantlar iin merkez arasndalk ls elde
edilecekti.
ekil 7.38
Yaknlk llerinin
Hesaplanmas
ekil 7.39
Yaknlk lleri
ekil 7.40
Yaknlk lleri
Sonular
KMELENME KATSAYISININ HESAPLANMASI

imdi yapacamz uygulama ile Pajek program aracl ile ekil 7.41deki komutlarla
bir ynl rassal a oluturalm ve bu ada kmelenme katsaylarn hesaplayalm. ekil
7.42deki diyalog kutusunda grld gibi oluturulmasn istediimiz rassal a 30 d-
ml ve dmlerin ortalama derecesinin 2 olmasn istiyoruz. ekil 7.42deki diyalog
kutusunda bulunan OK tklandnda ekil 7.43 elde edilir.
ekil 7.41
Ynl Rassal
A Oluturma
ve Kmelenme
Katsaylarn
Hesaplama-1
ekil 7.42
Ynl Rassal
A Oluturma
ve Kmelenme
Katsaylarn
Hesaplama-2
ekil 7.43
Ynl Rassal
A Oluturma
ve Kmelenme
Katsaylarn
Hesaplama-3
ekil 7.43te Draw->Network komutu uygulanrsa, ekil 7.44teki rassal a elde edilir.
ekil 7.44
Draw->Network
Komutu Uygulanarak
Elde Edilen Rassal A
Daha sonra, ekil 7.45teki komutlar uygulayarak ekil 7.46daki sonular elde edilir.
ekil 7.45te neden CC1 seildi sorusunun yant, programda iki farkl kmelenme katsa-
ysnn uygulamasnn olmas ile ilgilidir. Program bize istenildiimiz zaman CC2yi de
hesaplama olanan salyor.
ekil 7.45
CC1 Kmeleme
Katsaylarn
Kullanarak
Hesaplama
ekil 7.46daki sonulara gre Watts-Strogatz kmelenme katsays 0,09317311 ve an

kmelenme katsays ise 0,08848315 olarak hesaplanr.
ekil 7.46
Bernoulli/Poisson
Rassal A reticisi
Sonular
Tek tek dmlerin kmelenme katsaylarn hesaplamak istersek, bu kez de ekil

7.47nin yatay nc blm olan Vectors blmndeki 5.Clustering Coefficients
CC1in N1(30)n stn iki kez tklamamz gerekir. Bunu gerekletirdiimiz zaman, e-
kil 7.48deki 30 dme ilikin kmelenme katsaylarn elde ederiz.
ekil 7.47
Tek Tek Dmlerin
Kmelenme
Katsaylarn
Hesaplamak
ekil 7.48
30 Dme likin
Kmelenme
Katsaylar Sonular
TOPLULUK ARAMA
izdiimiz ayn adaki topluluklar aramak iin ise ekil 7.49daki yolu izleriz. Bu komutlarla
elde edilen ekil 7.50deki diyalog kutusunun OK tuuna bastktan sonra eer ekil 7.51deki
ikinci yatay blm olan Partitions blmndeki 1.Louvain.. eklindeki blm iki kez
tklanrsa ekil 7.52 elde edilir. ekil 7.52 bize bu ada 7 topluluk olduunu anlatmaktadr.
rnein, v1 ve v13 bir numaral topluluk; v2, v3, v8, v15 ve v17 ise 2 nolu topluluun ye-
sidir. Hangi dmlerin hangi toplulukta yer aldn dier topluluklar iin incelemelisiniz.
ekil 7.49
Ayn Adaki
Topluluklar
Aramak-1
ekil 7.50
Ayn Adaki
Topluluklar
Aramak-2
ekil 7.51
Ayn Adaki
Topluluklar
Aramak-3
ekil 7.52
Ayn Adaki Topluluk
Sonular
Layout->Energy->Kamada-Kawai->Seperate Components yolu ile izilen ekil 7.53

ise bize topluluklar daha net bir ekilde gstermektedir.
Pajekte ada topluluk arama sonular nasl yorumlanr?

3
ekil 7.53
Ayn Adaki Topluluk
Sonularnn Asal
Gsterimi
zet
Pajek programn kullanarak a oluturmak ve izmek
1
Pajek, a analizi ve grselletirmesi iin Vladimir
Batagelj and Andrej Mrvar tarafndan yazlm
cretsiz bir programdr. Pajek ile almak iin
ncelikle nternetten Pajeki indirmemiz ve
bilgisayarmza kurmamz gerekir.
Alar Pajekin iinde oluturabileceiniz gibi, Pajek
dnda kelime ilemcilerle (Notepad gibi) dosya olu-
turabilir veya baka ilikisel veri tabanlarndan Pajeke
dosya alabilirsiniz. Pajek ile benzetim anlamnda ras-
sal, a, kk dnya a, lekten bamsz a olutu-
rabileceimiz gibi; istediimiz gerek veya hipotetik
bir an verilerini Pajeke girip bu alar da izebiliriz.
Pajek programnda merkezlik llerini hesaplamak

2
Pajek ile merkezlik lleri, Network ve Partitions
ksmlarndan yararlanlarak hesaplanabilir.
Pajek programnda kmelenme katsays hesaplamak

3
Pajek programnda kmelenme katsays hesaplarken
Vectors ve Clustering Coefficients ksmlarndan ya-
rarlanlr.
Pajek program menlerini kullanarak ada topluluk

4 aramak
Pajek program menlerini kullanarak ada topluluk
aranabilir. Bu ilem iin Partition, Components k-
smlar kullanlabilir.
Kendimizi Snayalm
5. Bir kk dnya a oluturmak iin aadaki yollar-
dan hangisi izlenir?
a. Network->Create Random Network-> Small World
b. Create Random Network-> Networ-> Small World
c. Small World-> Create Random Network-> Network
d. Network-> Small World-> Create Random Network
1. Yukardaki Pajek diyalog kutusunda aadakilerden
e. File-> Network-> Small World
hangisi amalanmaktadr?
a. Dm saysnn 0, balant saysnn 1000 olmas
b. Dm saysnn 1000, balant saysnn 0 olmas 6. Aadakilerden hangisinin st iki kez tklandnda
c. Derecenin 1000, yaknln 0 olmas yeni balantlar oluturulabilir?
d. Yaknln 1000, derecesinin 0 olmas a. Layout
e. Merkezlik lsnn 1000 olmas b. Fruchterman
c. Newline
d. Closeness
e. Centrality
7. Aadakilerden hangisi ile yaknlk hesaplanr?

a. Layout
b. Fruchterman
c. Newline
d. Closeness
e. Laplace
8. Aadakilerden hangisi ile arasndalk hesaplanr?

a. Layout
2. Yukardaki ekranda verilen komutlarla aadakilerden b. Fruchterman
hangisi yaplabilir? c. Newline
a. Dmlerin deerleri deitirilebilir. d. Closeness
b. Dmlerin ve balantlarn deerleri deitirilebilir. e. Betweenness
c. Balantlarn deerleri deitirilebilir.
d. Hem dmlerin deerleri hem de etiketleri deiti-
9. Aadakilerden hangisi ile kmelenme katsays hesap-
rilebilir.
lanr?
e. Topluluk aranabilir.
a. Closeness
3. Pajekde aadakilerden hangisi ile a izilebilir? b. Clustering Coefficients
a. Draw-> Network c. Kamada_Kawai
b. Network-> Draw d. Random Network
c. Network-> Create random Network e. Vertex number
d. Create random Network-> Network
e. Network-> Layout 10. Kamada-Kawai aadakilerden hangisidir?
a. Bir kmelenme katsays tr
4. Amzn balantlarn aadaki yollardan hangisi ile b. Bir yaknlk ls
oluturabiliriz.
c. Bir uzaklk ls
a. Network -> File-> Layout
d. Bir merkezlik ls
b. Network -> File-> Draw
e. Bir tasarm algoritmas
c. File-> Network-> View/Edit
d. Network-> Layout-> File
e. File-> Network-> Draw

Kaynaklar
1. b Yantnz yanl ise Alarn Oluturulmas ve izi- De Nooy, W., Mrvar, A. ve Batagelj, V. (2005). Exploratory
mi konusunu yeniden gzden geiriniz. Network Analysis with Pajek. Structural Analysis in the
2. d Yantnz yanl ise Alarn Oluturulmas ve izi- Social Sciences (No. 27). Cambridge University Press,
mi konusunu yeniden gzden geiriniz. New York, USA.
3. a Yantnz yanl ise Alarn Oluturulmas ve izi-
mi konusunu yeniden gzden geiriniz.
4. c Yantnz yanl ise Alarn Oluturulmas ve izi-
5. a Yantnz yanl ise Alarn Oluturulmas ve izi-
6. c Yantnz yanl ise Alarn Oluturulmas ve izi-
7. d Yantnz yanl ise Merkezlik llerinin Hesap-
lanmas konusunu yeniden gzden geiriniz.
8. e Yantnz yanl ise Merkezlik llerinin Hesap-
lanmas konusunu yeniden gzden geiriniz.
9. b Yantnz yanl ise Kmelenme Katsaysnn He-
saplanmas konusunu yeniden gzden geiriniz.
10. e Yantnz yanl ise Alarn Oluturulmas ve izi-

Sra Sizde 1
Pajek a analizi ve grselletirmesi iin Vladimir Batagelj ve
Andrej Mrvar tarafndan yazlm, cretsiz bir programdr.
Sra Sizde 2
Pajekte toplam derece merkezliklerine ulamak iin; Net-
work-> Create Partition->Degree->All yolu izlenip Partiti-
ons blmndeki All Degree Partition of N1(**) ift tk-
lanabilir ya da Create Vector->Centrality->Degree->All yolu
izlenip Vectors blmndeki All Degree of N1(**)ift
tklanabilir.
Sra Sizde 3
Ada topluluk arama sonular, ada tespit edilen topluluk
numaras ve dm ad yan yana listelenecek ekilde gste-
rilir. En byk topluluk numaras, ada toplam ka topluluk
olduunu belirtir. Ayn toplulua ait dmler, ayn topluluk
numarasna sahiptir.
8
SOSYAL A ANALZ
Amalarmz
NodeXL programnda veri girii ve izge izimi ilemlerini uygulayabilecek,
NodeXL programnda topluluk arama ileminin admlarn sralayabilecek,
NodeXL programnda lleri hesaplayabilecek,
NodeXL programn kullanarak alt izgeleri saptayabilecek,
NodeXL Graph Galleryden veri alma ilemini gerekletirebilecek,
Pajekte retilen bir izgenin merkezilik llerini NodeXLde hesaplayabilecek
Anahtar Kavramlar
NodeXL l Hesaplama
Veri Girii Alt izge
izge izimi NodeXL Graph Gallery
Topluluk Arama
indekiler
GR
VER GR VE ZGE ZM
TOPLULUK ARAMA
LLERN HESAPLANMASI
ALT ZGELER BULMAK
Sosyal A Analizi NodeXL ile Alarn izimi ve Analizi NODEXL GRAPH GALLERYDEN VER
ALMAK
PAJEKTE RETLEN K ZGENN
MERKEZLK LLERNN NODEXLDE
HESAPLANMASI
NodeXL ile Alarn
izimi ve Analizi
GR
NodeXL de Pajek gibi sosyal a analizleri iin kullanlabilen bir programdr. Temelde bir
Excel ablonu olan NodeXL, an grselletirilmesi ve analizi iin verileri yaplandrr. Alt
alma sayfas NodeXLin temel ablonunu oluturur: Edges (balantlar tablosu), Ver-
tices (dmler tablosu), Groups (gruplar tablosu), Group Vertices (dm gruplar
tablosu) ve Overall Metrics (genel ller tablosu). NodeXL bu temelde verileri olutur-
duktan veya aldktan sonra a izip hesaplamalar yaparak verileri iler ve sonular verir.
VER GR VE ZGE ZM
NodeXL programn atmzda, karmza programn al ekran olan bir ekran kar
(ekil 8.1). Dikkat edilirse ekil 8.1de sol tarafta ve stte kutu iinde, Vertex 1 name,
Enter the name of the edges first vertex (Dm 1in ad, balantnn birinci dmnn
adn giriniz) yazmaktadr. Verileri girmeye baladmzda, ilk dmn adn Vertex
1in hemen altna girebiliriz.
ekil 8.1
NodeXLin Al Ekran
ekil 8.1de sol altta grlen Edges, Vertices, Groups, Group Vertices ve Ove-
rall Metrics satr, NodeXLin temel ablonunu oluturur. NodeXLin temel ablonundaki
tablolar unlardr:
Edges (balantlar tablosu): Bu tabloya balantlarn listesi ve zellikleri girilebilir.
Tabloda ilk iki stun olan Vertex 1 (Dm 1) ve Vertex 2 (Dm 2) stunlarna
srasyla, balantnn kt dm ve balantnn varaca dmler girilir.
Vertices (dmler tablosu): Bu tabloda dmler ve zellikleri bulunur. Dm-
ler balantlar tablosundan alnabilir.
Groups (gruplar tablosu): zellikler, kmeler ve bileenler tarafndan tanmlanan
dm gruplar tablosudur.
Group Vertices (dm gruplar tablosu): Her bir gruba dahil olan dmler bu
tabloda verilir.
Overall Metrics (genel ller tablosu): An ve dmlerin lleri bu tabloda
verilir.
NodeXLde dmler ve balantlar nasl adlandrlr?

1
NodeXL ile programnn kullancs, program ile olan iletiimini ncelikle solda ve en
altta bulunan (ekil 8.2): Edges (Balantlar), Vertices (Dmler), Groups (Grup-
lar), Group Vertices (Dmleri grupla) ve Overall Metrics (Genel ller) noktala-
rndan yapar. ekil 8.2deki al ekrannda, Edges (Balantlar) tablosu alm durum-
dadr ve veri giriine hazrdr. stersek ekil 8.2de Overall Metricsten sonra gelen iareti
tklayarak ekil 8.3te grld gibi sayfa 1 adnda yeni bir sayfa daha aabiliriz.
ekil 8.2
NodeXLin Al Ekrann Sol Alt Blm
ekil 8.3
NodeXLin Al Ekrannda Ek Bir Sayfann (Sayfa1) Almas
ekil 8.4te al ekran olan ekil 8.1in st blm grlmektedir. Bu ekranda en st

sradaki NodeXL noktasn tkladmzda, bu kez ekil 8.5 ile karlarz.
Dikkat ederseniz ekil 8.4 ile ekil 8.5te grlen ekranlarn stlerindeki eritlerdeki
komutlar birbirinden farkldr. rnein; ekil 8.4te stteki eritte, yaptr, kes, kop-
yala, biim boyacs grlrken; ekil 8.5te Import, Export ve Prepare Data gibi
komutlar grlmektedir.
8. nite - NodeXL ile Alarn izimi ve Analizi 143
ekil 8.4
NodeXLin Al Ekrannn st Blm
ekil 8.5
ekil 8.4te stteki NodeXL Tklandktan Sonra Grnm
A verileri bir veya birden fazla veri kaynandan alnabilir. Kullanclar veri dosyala-
rn virgllerle ayrlm metin dosyas biiminde (CSV dosyas) veya ilikisel veri taban-
larnda saklandklar ekilleriyle alabilir. NodeXLin dier nemli bir zellii de Twitter,
Facebook gibi sosyal alardan veri almay kolaylatrmasdr. Veri NodeXL ablonuna,
Edges (balantlar) alma sayfasna ad iftleri biiminde alnr. Ad iftlerine ait iliki-
deki dier ek zellikler de bu alma sayfasna kaydedilir. Ayn tabloda ok sayda ba-
lant listesi saklanabilir. Bu ilikiler, dmler kmesi arasndaki farkl ilikileri veya farkl
zamanlarda ayn ilikileri ifade edebilirler. likinin gc ile ilgili veriler de bu tabloya
eklenir.
nce NodeXLe kendi verilerimizi nasl girebileceimizi grelim. ekil 8.6daki gibi sol
alttaki Edges (balantlar) tklanm olarak, Vertex 1 ve Vertex 2ye balantlardaki ba-
lang ve biti dmlerinin adlarn girelim.
ekil 8.6
NodeXLde Veri
Girii-1
ekil 8.7
NodeXLde Veri
Girii-2
Daha sonra bu kez sol alttaki Vertices (dmler) ablonu tklandktan sonra, ekil
8.7de grld gibi bu bo ablona dmlerin adlarn, renklerini (color), biimlerini
(shape), byklklerini (size), etiketlerini (label) girelim. Bir hcreye renk girmek iin
o hcrenin stne sa tklayp select color(renk se)dan renk seilir. Btn bu iler,
ekil 8.8deki gibi ablonun sa yarsn oluturan belge eylemleri blmnde en sada
grlen Graph Options (izge seenekleri) tklanarak da yaplabilir. ekil 8.8de Graph
Options tklanrsa ekil 8.9 elde edilir ve ekil 8.9da istenilen seenekler seildikten son-
ra OK tklanarak ablona aktarlabilir. Sonuta dmlere ilikin veriler de ekil 8.10daki
gibi girilmi olur.
ekil 8.8
NodeXLde Veri Girii-3
ekil 8.9
NodeXLde Veri
Girii-4
ekil 8.10
NodeXLde Veri
Girii-5
ablonun sa tarafndaki belge eylemleri blmnde tasarm olarak Hare-Korel

Fast Multiscale seilip Refresh Graph (izgeyi yenile) tklandnda ekil 8.11deki izge
elde edilir.
ekil 8.11
Hare-Korel Fast Multiscale ile izge Elde Edilmesi
Verilerin Alnmas (Import)

NodeXLe bilgisayara girilmi Excel ve CSV veri dosyalar alnp izim ve hesaplamalar yap-
labilecei gibi, programn Import (veri al) zellii ile de sosyal alardan veri alnabilir. e-
kil 8.11de sol stte dosya szcnn altnda grlen Import tklandnda ekil 8.12ye
eriilir. Bu ekilden de anlalaca gibi NodeXLe UCINET, Pajek gibi sosyal a analizi yapan
programlardan, NodeXL Graph Galleryden, Flickrdan, Twitterdan ve Youtubedan veri al-
mak mmkndr. Bunun bir rneini Twitterdan veri alarak yapabiliriz. ekil 8.12de From
Twitter Search Network (Twittern kullanc andan) seersek ekil 8.13 elde ederiz.
ekil 8.12
Twittern Kullanc
Andan Veri Alm
ekil 8.13
Twitter Kullanc A
rnei
NodeXLden hangi veriler alnabilir?

2
Varsayalm ki Twitterdan #BigData (byk veri) etiketiyle veri almak istiyoruz. ekil
8.14te grld gibi ilk boluu BigData ile doldurup sa altta da fazla zaman harcama-
mak iin Limit to 30 tweets dzenlemesi yaplr ve OKe tklanrsa, ekil 8.15teki veriler
elde edilir.
ekil 8.14
BigData Hashtagi ile
Veri Alm-1
Eer ekil 8.15in sa yarsndaki Belge Eylemleri ifadesinin hemen altndaki Show
Graph (izgeyi gster) tklanrsa ekil 8.16daki izge elde edilir.
ekil 8.15
BigData Hashtagi ile Veri Alm-2
ekil 8.16
BigData Hashtagine Gre Elde Edilen izge
TOPLULUK ARAMA
Daha sonra elde ettiimiz ve izgesini izdiimiz verilere, topluluk bulmak amacyla ekil
8.17deki gibi Group by cluster (kmelere gre grupla) uygularsak ve karmza kan
diyalog kutusundan uygulamada kullanacamz algoritmay seersek (ekil 8.18) ve Ref-
resh Graph (izgeyi yenile) uygularsak ekil 8.19 elde edilir. ekil 8.19da sa altta bulu-
nan Group Vertices tklanrsa bu kez de ekil 8.20ye eriilir ve ekil 8.20nin sol taraf
bize hangi dmn hangi grupta yer aldn gsterir.
ekil 8.17
Kmelere Gre Gruplama
ekil 8.18
Kmeleme ile
Gruplama in
Algoritma Seimi
ekil 8.19
Kmelere Gre Gruplama Sonucu Elde Edilen izge
ekil 8.20
Dmlerin Yer Ald Gruplar
LLERN HESAPLANMASI
NodeXL ile merkezilik llerini ve dier izge llerini de hesaplayabiliriz. ekil 8.21deki
gibi Graph Metrics (izge lleri) tklandnda ekil 8.22deki diyalog kutusu karmza
kar. ekil 8.22de istediklerimizi iaretleyip Calculate metrics (lleri hesapla) tklanrsa,
ekil 8.23n sol tarafndaki sonulara ularz. ekil 8.23teki sonularn daha fazlasn grmek
iin ekil 8.23 iki paraya ayrmak ve izgide bulunan srgy aaya doru ekmek gerekir.
ekil 8.21
Merkezilik ve Dier izge llerinin Hesaplanmas-1
ekil 8.22
Merkezilik ve Dier
izge llerinin
Hesaplanmas-2
ekil 8.23
Merkezilik ve Dier
izge llerinin
Hesaplanmas-3
ALT ZGELER BULMAK

NodeXL ile her dme ilikin alt izge grntlerini de ekil 8.24teki gibi elde edebiliriz.
ekil 8.24
Alt izge Grntleri Elde Etmek
ekil 8.25te istersek dme en yakn komu dm derecesini 1, istersek 2 veya daha
fazla yaparak Create (olutur) tklanrsa, ekil 8.26 elde edilir. ekil 8.26da ise dmle-
rin 2 admlk alt izgelerinin ekilleri her dmn yannda verilmektedir.
ekil 8.25
Dme En Yakn
Komu Dm
Derecesini Belirlemek
Alt izgeler, hangi kritere gre izilmektedir?

3
ekil 8.26
Dmlerin Alt izgelerinin Gsterimi
NODEXL GRAPH GALLERYDEN VER ALMAK

NodeXL Graph Galleryde, bakalarnn verilerini oluturup izdikleri izgelerin verileri bu-
lunmaktadr. sterseniz siz de buraya izgelerinizin verilerini bakalarnn kullanm ama-
cyla ykleyebilirsiniz. ekil 8.27deki yolu izleyerek Graph Galleryyi aalm (ekil 8.28).
ekil 8.27
Graph Gallerynin
Almas
ekil 8.28
Graph Gallery
ekil 8.28in altlarnda bulunan: Download the Graph Data as a NodeXL Workbook
tklandnda ekil 8.29 elde edilir. ekil 8.29un en altndaki Overall metrics (genel
ller) ile ise ekil 8.30daki deerleri bulabiliriz. ekil 8.30un ortasndaki srgy aa-
ya ekerek ise ekil 8.31e ulalabilir.
ekil 8.29
A Verisinin NodeXL Dosyas Olarak Kaydedilmesi
ekil 8.30
Genel ller
ekil 8.31
Genel ller
NodeXL Graph Galleryde hangi veriler bulunur?

4
PAJEKTE RETLEN K ZGENN MERKEZLK LLERNN

NODEXLDE HESAPLANMASI
Bu blmde, nce Pajekte ekil 8.32deki yol ile zelliklerini ekil 8.33 ve ekil 8.34teki
diyalog kutularnda belirlediimiz iki rassal a retiyoruz. Ardndan bu alar Pajekteki
Save (sakla) komutu ile masastnde G1 ve G2 adlar ile saklyoruz.
ekil 8.32
Rassal A Oluturma
ekil 8.33 ekil 8.34

Rassal An Rassal An
zelliklerini zelliklerini
Belirleme-1 Belirleme-2
imdi rettiimiz G1 ve G2 adl a verilerini NodeXLe teker teker alp bu alarn mer-
kezilik llerini hesaplayp alar karlatralm. rnein; G1 ana ilikin Pajek dosyas-
n NodeXLe almak iin nce NodeXLin ilk satrndaki NodeXL tklanarak Import (veri
alma, dosya alma) fonksiyonu ekil 8.35teki gibi ortaya karlr. Daha sonra Import tk-
lanarak, ekil 8.36 ve ekil 8.37deki gibi G1 Pajek dosyas NodeXLde alr (ekil 8.38) ve
a lleri hesaplanr. G1 iin hesaplanan a lleri srasyla ekil 8.39, ekil 8.40 ve ekil
8.41de verilmektedir. ktlarda baz llerin karsnda Not available (elde edilemedi)
yazmasnn nedeni ekil 8.38deki diyalog kutusunda bu lleri istemememizdir.
ekil 8.35
Import (Veri Alma, Dosya Alma) Fonksiyonu
ekil 8.36
G1 Pajek Dosyasnn
NodeXLde Almas
ekil 8.37
G1 Pajek Dosyasnn
NodeXLde Almas-2
ekil 8.38
G1 Pajek Dosyasnn A llerinin Hesaplanmas
ekil 8.39 ekil 8.40

G1 in Hesaplanan A lleri G1 in Hesaplanan A lleri-Devam
ekil 8.41
G1 in Hesaplanan
A lleri-Devam
Bu kez de ekil 8.34te zelliklerini belirlediimiz G2 dosyasn NodeXLe alp a ize-

rek llerini hesaplayalm (ekil 8.42). G2 iin elde edilen a lleri ise ekil 8.43, ekil
8.44 ve ekil 8.45te verilmektedir.
ekil 8.42
G2 Dosyasndaki An izilmesi
ekil 8.43 ekil 8.44

G2 in Elde Edilen A lleri G2 in Elde Edilen A lleri-Devam
ekil 8.45
G2 in Elde Edilen A
lleri-Devam
G1 ve G2 iin elde edilen a lleri karlatrlmaldr. Ayrca dm baznda lle-
ri elde etmek iin ller hesaplandktan sonra ekil 8.46da olduu gibi alttaki Vertices
tklanarak ekil 8.46daki dm baznda a lleri de elde edilebilir.
ekil 8.46
Dm Baznda A lleri
zet
NodeXL programnda veri girii ve izge izimi NodeXL programn kullanarak alt izgeleri saptamak
1 ilemlerini uygulamak 4 NodeXLde alt izgeleri saptamak iin Supgraph ima-
NodeXL de Pajek gibi sosyal a analizi iin kullanla- ges ksmna tklanr, ekrana gelen kutuda dm de-
bilen bir programdr. Temelde bir excel ablonu olan recesi girilerek Create (olutur) tklanr.
NodeXL, an grselletirilmesi ve analizi iin verileri
yaplandrr. Programda, NodeXLin temel ablonu- NodeXL Graph Galleryden veri alma ilemini
nu oluturan alt alma sayfas; Edges (balantlar 5 gerekletirmek
tablosu), Vertices (dmler tablosu), Groups NodeXL Graph Galleryden veri almak iin Import
(gruplar tablosu), Group Vertices (dm gruplar ksmndan From NodeXL Graph Gallery seilir.
tablosu) ve Overall Metrics (genel ller tablosu) Daha sonra Download the Graph Data as a NodeXL
iin veriler oluturulduktan veya alndktan sonra a Workbook tklanr.
izilip hesaplamalar yaplarak veriler ilenir ve sonu-
lar ortaya konur. Pajekte retilen bir izgenin merkezilik llerini
A verileri bir veya birden fazla veri kaynandan al- 6 NodeXLde hesaplamak
nabilir. Veri dosyalar virgllerle ayrlm metin dos- Pajekte retilen bir izgenin merkezilik llerini
yas biiminde (CSV dosyas) veya ilikisel veri taban- NodeXLde hesaplamak iin ncelikle NodeXLin ilk
larnda saklandklar ekilleriyle alnabilir. Programn satrndaki NodeXL tklanarak Import (veri alma,
Import (veri al) zellii de sosyal alardan veri alm dosya alma) fonksiyonu kullanlr. Burada From Pa-
iin kullanlabilir. NodeXLe UCINET, Pajek gibi sos- jek file seilerek ilgili dosya alndktan sonra nceki
yal a analizi yapan programlardan, NodeXL Graph balklarda yer alan l hesaplama admlar takip
Galleryden, Flickrdan, Twitterdan ve Youtubedan edilir.
veri almak mmkndr.
NodeXL programnda topluluk arama ileminin

2 admlarn sralamak
NodeXL programnda izge izildikten sonra, Gro-
ups ksmndan Group by cluster (kmelere gre
grupla), kullanlacak algoritma seimi ile uygulanr ve
Refresh Graph (izgeyi yenile)e tklanr. Elde edilen
izgeye ait verilerin bulunduu alma sayfasnda
Group Vertices tklandnda hangi dmn hangi
grupta yer ald grlebilir.
NodeXL programnda lleri hesaplamak

3
NodeXL programnda merkezilik ve dier izge l-
lerini hesaplamak iin Graph Metrics (izge l-
leri) tklanarak ekrana gelen diyalog kutusunda
istenenler iaretlenerek Calculate metrics (lleri
hesapla) tklanr.
Kendimizi Snayalm
1. Excelin bir ablonu gibi alan sosyal a program aa- 6. Topluluk arama NodeXLde stte ortada bulunan
dakilerden hangisidir? Groupsta aadakilerden hangisine tklanarak yaplr?
a. Pajek a. Group by gender
b. UCINET b. Group by color
c. NodeXL c. Group by size
d. Gephi d. Group by vertex attribute
e. Cytoscape e. Group by cluster
2. Aadakilerden hangisi NodeXLin temel ablonunda 7. Dm baznda lleri elde etmek iin ller hesap-
yer almaz? landktan sonra aadakilerden hangisine tklanmaldr?
a. Edges (Balantlar Tablosu) a. Edges
b. Groups (Gruplar Tablosu) b. Vertices
c. Overall Metrics (Genel ller Tablosu) c. Groups
d. Communities (Topluluklar Tablosu) d. Group Metrics
e. Vertices (Dmler Tablosu) e. Graph Metrics
8. NodeXL Graph Galleryde aadaki a dosyalarndan

hangisi bulunur?
a. Bizim yklediimiz
b. Microsoftun ykledii
c. Bakalarnn ykledii
d. Tamamlanmam
e. Twitterdaki
9. NodeXL ile her dme ilikin alt izge grntleri-

3. Yukarda verilen diyalog kutusu NodeXLde ne amala ni ile elde edebiliriz. cmlesinde bo braklan
kullanlr? yeri aadakilerden hangisi doru ekilde tanmlar?
a. A lleri hesaplama a. Group by cluster
b. Topluluk ararken kullanlacak algoritmay seme b. Images
c. Kk dnya a oluturma c. Graph images
d. Rassal a oluturma d. Image graph
e. lekten bamsz a oluturma e. Hibiri
4. Graph Options (izge seenekleri) NodeXL ekrannda 10. Overall metrics (Genel ller) ile a llerini elde et-
nerede yer alr? tikten sonra bu ller tek ekranda grlmedii durumda so-
a. Belge eylemleri blmnde nularn tm aadakilerden hangisi yaplarak grlebilir?
b. Visual properties blmnde a. Ekrann ortasndaki srgy aaya ekerek
c. Graph metrics blmnde b. Ekrann ortasndaki srgy saa ekerek
d. Refresh Graph blmnde c. Ekrann ortasndaki srgy sola ekerek
e. Show Notifications blmnde d. Ekrann ortasndaki srgy yukar ekerek
e. Ekranda beliren ikinci sayfaya tklayarak
5. Bir aa ilikin verileri NodeXLe girdikten sonra izge
aadaki komutlardan hangisi ile izilebilir?
a. Show Graph-Refresh Graph
b. Make Graph-Remake Graph
c. Enter Graph-Reenter Graph
d. Play Graph-Replay Graph
e. Create Graph-Show Graph
Okuma Paras
Facebook Verilerine Gre Zenginlerin Daha Az Yabanc Ar- Bulgular kstlayc sosyal snf hipotezine, hem yerel hem
kadalar Var de kresel dzeyde destek salamakta. Sonular ayn zaman-
Eer yksek sosyal snflardan insanlarn yurtdnda daha da Facebook gibi platformlardan alt sosyal snflarda bulu-
fazla arkadalar olduunu dnyorsanz, olasdr ki yanl- nanlarn, ulusal snrlar dnda sosyal sermayelerini artrma
yorsunuz. Facebook verilerine gre varlkl kiiler kresel an- amacyla yararlandklarn da ortaya koyuyor. Sonular Kii-
lamda baka lkelerden daha az arkadaa, kendi lkelerinden lik ve Bireysel Farkllklar dergisinde yaymland.
daha fazla arkadaa sahipler.
Cambridge niversitesi tarafndan Facebook ile i birlii Kaynak: IANS Publishing. (2015). Rich people have fewer fore-
iinde yaplan bir alma, kiilerin sosyal ve finansal statle- ign friends, suggests Facebook data. The Express Tribune > Life
ri ile arkadalk alarndaki uluslararas olma dzeyleri ara- & Style. http://tribune.com.pk/story/956032/facebook-data-
snda bir korelasyonu gsteriyor. suggests-rich-people-have-fewer-international-friends/
almann ortak yazar olan Cambridge niversitesinden
Dr Aleksandr Spectre, Bulgular zenginlerin kendi sosyal
evrelerinde kalmalarnn daha olas olduuna iaret ediyor
ama bunun nihai olarak krl olmas sz konusu deil. Eer Kendimizi Snayalm Yant Anahtar
uluslararas ilikilere girmezseniz bu durumda yeni fikirlerin 1. c Yantnz yanl ise Giri konusunu yeniden gz-
ve enformasyonun ak anlamna gelen uluslararas kaynak- den geiriniz.
lar karrsnz diye aklyor. 2. d Yantnz yanl ise Veri Girii ve izge izimi ko-
Aratrmaclara gre, elde edilen sonular, kstlayc sosyal nusunu yeniden gzden geiriniz.
snf hipotezi adyla bilinen hipotez ile de tutarl. Bu hipo- 3. b Yantnz yanl ise Topluluk Arama konusunu ye-
teze gre, yksek sosyal snflar byk kaynaklara sahip ol- niden gzden geiriniz.
duklar iin dier insanlara ve zellikle kendi gruplarnn d- 4. a Yantnz yanl ise Veri Girii ve izge izimi ko-
ndaki gruplara bunun sonucu olarak daha az bamldrlar. nusunu yeniden gzden geiriniz.
Bu olguyu anlamak iin aratrmay yrten takm, biri yerel 5. a Yantnz yanl ise Veri Girii ve izge izimi ko-
ve biri kresel olmak zere iki alma yapt. Kresel al- nusunu yeniden gzden geiriniz.
mada kullanlan veri kmesinde milyarlarca Facebook arka- 6. e Yantnz yanl ise Topluluk Arama konusunu ye-
dal kullanld. Birinci almada ise, takm, 857 kiiden, niden gzden geiriniz.
algladklar sosyal statlerini kendi kendilerine raporlama- 7. b Yantnz yanl ise Pajekte retilen ki izgenin
larn istedi. Ayrca bu kiiler gnll olarak aratrmaclarn Merkezilik llerinin NodeXLde Hesaplanmas
Facebook alarna eriimlerine izin verdiler. konusunu yeniden gzden geiriniz.
Sonular, alt sosyal snflardaki kiilerin st sosyal snflarda- 8. c Yantnz yanl ise NodeXL Graph Galleryden Veri
ki kiilere gre, yaklak olarak yzde 50 orannda daha fazla Almak konusunu yeniden gzden geiriniz.
uluslararas arkadaa sahip olduunu gsterdi. 9. e Yantnz yanl ise Alt izgeleri Bulmak konusunu
Kresel almada ise, aratrmaclar 2011 ylnda dnyada yeniden gzden geiriniz.
her lkede ulusal toplam dzeyde oluan tm arkadalk a- 10. a Yantnz yanl ise NodeXL Graph Galleryden Veri
larna Facebook aracl ile eritiler. Bu veri kmesinde 57 Almak konusunu yeniden gzden geiriniz.
milyar arkadalk balants vard. Aratrmaclar bu kez de
ulusal dzeyde, sosyal snf ile baka lkelerden Facebook
aracl ile arkadala sahip olma olgusu arasnda yine ne-
gatif korelasyon buldular.
Aratrmaclara gre, Alt sosyal snfl lkelerdeki insanlarn
ortalamada arkadalarnn yzde 35i lkelerinin dndan
iken, yksek sosyal snfl lkelerde bu oran yzde 28.
Sra Sizde Yant Anahtar Yararlanlan ve Bavurulabilecek

Kaynaklar
Sra Sizde 1 Hansen, D.L., Shneiderman, B. ve Smith M.A. (2010). Analy-
NodeXLde dm(ler) Vertex (Vertices) ve balant(lar) zing Social Media Networks with NodeXL Insights from
Edge (Edges) eklinde adlandrlr. a Connected World. Morgan Kaufmann Publishing, Bos-
ton, USA.
Sra Sizde 2
NodeXLe bilgisayara girilmi Excel ve CSV veri dosyalar
alnp izim ve hesaplamalar yaplabilecei gibi, programn
Import (veri al) zellii ile de sosyal alardan veri alnabilir.
Sra Sizde 3
Alt izgeler, istenen komu dm derecesine gre izilebil-
mektedir.
Sra Sizde 4
NodeXL Graph Galleryde, bakalarnn verilerini oluturup
izdikleri izgelerin verileri bulunmaktadr.

Sosyal Ağ Analizi Ders Kitabı

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sosyal Ağ Analizi Ders Kitabı

Uploaded by

Copyright:

Available Formats

ANADOLU NVERSTES

T.C. ANADOLU NVERSTES YAYINI NO: 3388

Bandrol Uygulamasna likin Usul ve Esaslar Hakknda

Copyright 2016 by Anadolu University

UZAKTAN RETM TASARIM BRM

Genel Koordinatr Yardmcs

Grafik Tasarm Ynetmenleri

Dil ve Yazm Danman

lme Deerlendirme Sorumlusu

Kitap Yazm Basm ve Datm Koordinatr

Bu kitap ANADOLU NVERSTES Basmevinde 13.000 adet baslmtr.

A Bilimi ve Sosyal Alar.......... .................................................... 2 1. NTE

Temel Kavramlar ........................................................................... 20 2. NTE

3. NTE Alarn Trleri ............................................................................... 44

4. NTE lekten Bamszlk ve Kuvvet Yasas ....................................... 62

5. NTE Alarda Topluluklarn Belirlenmesi................................................ 78

Merkezlik lleri ....................................................................... 92 6. NTE

Pajek ile Alarn izimi ve Analizi ................................................ 108 7. NTE

NodeXL ile Alarn izimi ve Analizi ........................................... 140 8. NTE

PAJEKTE RETLEN K ZGENN MERKEZLK LLERNN

Karmak sistemlerin zellikleri: i) Byklk, ii) ok boyutluluk, iii) Kolay tanmlanamaz-

Karmaklk ve balca nedenleri nelerdir?

Alardaki karmaklk basitletirilerek alarn grselletirilmeleri olan izgelerde orta-

A KAVRAMI VE FARKLI ALANLARDAK ALAR

ekil 1.2 ekil 1.3

Alar her yerdedir. e kendimizden, beynimizden balayalm. Beynimizde ve bedeni-

ZGE KURAMI VE SOSYAL ALARIN GELM

Alar (networks); dmler (nodes, vertices) ve bunlarn arasndaki balantlardan (edges,

Leonhard Euler (17071783)

Paul Erds (1913-1996)

Erds Number 0 Endre Szemredi

Georg Schnitger Erds Number 3

Paul Erds Jon Sorenson lan Parberry

nternetin geliimi ve a izimlerinin yaplabilmesi, szn ettiimiz gelimede et-

Alar ve biimsel olmayan organizasyon yaps incelendiinde bir iletmede, organizasyon

2014 ylnda ABDdeki Internet kullanclarnn %72si, dnyadaki Internet kullanc-

Arkadalk paradoksu kavram ilk olarak kim tarafndan ne srlmtr ve bu kavram

ALARIN ANALZ LE SALANAN KATKILAR

Granovettere gre kuvvetli ve zayf balar arasndaki en temel farkllklar nelerdir?

Resim 1.4 Resim 1.5

(c) (d) (e)

Human Disease Network Disorder Class

Bone Kaynak: Goh vd.

Eitim ile ilgili izdiimiz bir sosyal a ile unlar belirleyebiliriz:

5. Bir izgede aadaki kmelerden hangisi bulunur?

Kendimizi Snayalm Yant Anahtar Sra Sizde Yant Anahtar

YNL VE YNSZ, TARTILI VE TARTISIZ ALAR

Ynl ve Ynsz Alar

lerinin birilerini izlemeleri ile ilgili olabilir. Bu balamda; 1 dm 2 dmn, 1 dm 3

1-003 2-012 3-102 4-021D Kaynak: Nooy vd.

5-021U 5-021U 7-111D 8-111U

9-030T 10-030C 11-201 12-120D

13-120U 14-120C 15-210 16-300

Ynl alarda iki dm arasnda ne tr balantlar vardr?

Tartsz alar aklaynz.

Adaki dm says A ynl m? Maksimum balant says Tablo 2.1

Tablo 2.2 Dm No. Gelen derece Giden derece Toplam derece

Ynl bir a iin toplam balant says yle hesaplanabilir:

Ynl bir a iin ortalama derece ise u ekilde hesaplanr:

Dm Ortalama Tablo 2.3

Alar iin derece dalm pk ok nemlidir nk bu dalm an direnli bir a olup

Tablo 2.4 Balant says 0 1 2 3 4 5 6

Az nce bulduumuz derece dalmnda, dmlerin gelen ve giden olmak zere

Tablo 2.5 Dm No. Gelen balant says