Социоматрица пример: Социометрия — ШПИЛЬКИ — Мода проходит, стиль остается

Содержание

Социоматрица

Вначале следует построить простейшую социоматрицу. Пример дан в таблице (см. табл. «Пример социоматрицы»). Результаты выборов разносятся по матрице с помощью условных обозначений.

Анализ социоматрицы по каждому критерию дает достаточно наглядную картину взаимоотношений в группе. Могут быть построены суммарные социоматрицы, дающие картину выборов по нескольким критериям, а также социоматрицы по данным межгрупповых выборов.

Основное достоинство социоматрицы — возможность представить выборы в числовом виде, что, в свою очередь, позволяет проранжировать членов группы по числу полученных и отданных выборов, установить порядок влияний в той или иной конкретной группе. На основе социоматрицы строится социограмма — карта социометрических выборов (социометрическая карта), производится расчет социометрических индексов.

Социограмма

Социограмма — схематическое изображение реакции испытуемых друг на друга при ответах на социометрический критерий.

Социограмма позволяет произвести сравнительный анализ структуры взаимоотношений в группе в пространстве на некоторой плоскости («щите») с помощью специальных знаков (рис. 1).

Социограммная техника является существенным дополнением к табличному подходу в анализе социометрического материала, ибо она дает возможность более глубокого качественного описания и наглядного представления групповых явлений.

Анализ социограммы начинается с отыскания центральных, наиболее влиятельных членов, затем взаимных пар и группировок. Группировки составляются из взаимосвязанных лиц, стремящихся выбирать друг друга. Наиболее часто в социометрических измерениях встречаются положительные группировки из 2, 3 членов, реже из 4 и более членов (рис. 2).

Социометрические индексы

Различают персональные социометрические индексы (ПСИ) и групповые (ГСИ). Первые характеризуют индивидуальные социально-психологические свойства личности в роли члена группы. Вторые дают числовые характеристики целостной социометрической конфигурации выборов в группе. Они описывают свойства групповых структур общения.

Основными ПСИ являются:

индекс социометрического статуса i-члена;
индекс эмоциональной экспансивности j-члена;
индекс объема, интенсивности и концентрации взаимодействия ij-члена.

Символы i и j обозначают одно и то же лицо, но в разных ролях: i — выбираемый, j — выбирающий, ij — совмещение ролей.

Индекс социометрического статуса i-члена группы определяется по формуле (см.ниже)

Элементы социометрической структуры — это личности, члены группы. Каждый из них в той или иной мере взаимодействует с каждым, общается, непосредственно обменивается информацией и т.д. В то же время каждый член группы, являясь частью целого (группы), своим поведением воздействует на свойства целого. Реализация этого воздействия протекает через различные социально-психологические формы взаимовлияния. Субъективную меру этого влияния подчеркивает величина социометрического статуса. Но личность может влиять на других двояко: либо положительно, либо отрицательно. Поэтому принято говорить о положительном и отрицательном статусе. Статус тоже измеряет потенциальную способность человека к лидерству. Чтобы высчитать социометрический статус, необходимо воспользоваться данными социоматрицы.

Возможен расчет Сi + — положительного и Сi + -отрицательного статуса в группах малой численности (N). Индекс эмоциональной экспансивности j -члена группы высчитывается по формуле (см. ниже)

Индекс показывает среднюю активность группы при решении задач социометрического теста (в расчете на каждого члена).

Индекс психологической взаимности в группе («сплоченности группы») высчитывается по формуле (см.ниже)

Надежность рассмотренной процедуры зависит прежде всего от правильного отбора критериев социометрии, что диктуется программой исследования и предварительным знакомством со спецификой группы.

Использование социометрического теста позволяет проводить измерение авторитета формального и неформального лидеров для перегруппировки людей в бригадах так, чтобы снизить напряженность в коллективе, возникающую из-за взаимной неприязни некоторых членов группы.

Но она не является радикальным способом разрешения внутригрупповых проблем, причины которых следует искать не в симпатиях и антипатиях членов группы, а в более глубоких источниках.

Пример социоматрицы для группы, численностью n членов

Примечание: + положительный выбор; — отрицательный выбор

Социограмма

Социограмма — схематическое изображение реакции испытуемых друг на друга при ответах на социометрический критерий. Социограмма позволяет произвести сравнительный анализ структуры взаимоотношений в группе в пространстве на некоторой плоскости («щите») с помощью специальных знаков (рис. 1).

Анализ социограммы начинается с отыскания центральных, наиболее влиятельных членов, затем взаимных пар и группировок. Группировки составляются из взаимосвязанных лиц, стремящихся выбирать друг друга. Наиболее часто в социометрических измерениях встречаются положительные группировки из 2,3 членов, реже из 4 и более членов (рис. 2).

Социометрические индексы

Основными ПСИ являются:

—индекс социометрического статуса i-члена;

—индекс эмоциональной экспансивности j-члена;

—индекс объема, интенсивности и концентрации взаимодействия ij-члена.

Индекс социометрического статуса i-члена группы определяется по формуле:

где Ci -— социометрический статус i-члена, Rj — полученные i-членом выборы, — знак алгебраического суммирования числа полученных выборовi-члена, N — число членов группы.

Социометрический статус — это свойство личности как элемента социометрической структуры занимать определенную пространственную позицию (локус) в ней, т.е. определенным образом соотноситься с другими элементами. Такое свойство развито у элементов групповой структуры неравномерно и для сравнительных целей может быть измерено числом — индексом социометрического статуса. Элементы социометрической структуры — это личности, члены группы. Каждый из них в той или иной мере взаимодействует с каждsм, общается, непосредственно обменивается информацией и т.д. В то же время каждый член группы, являясь частью целого (группы), своим поведением воздействует на свойства целого. Реализация этого воздействия протекает через различные социально-психологические формы взаимовлияния. Субъективную меру этого влияния подчеркивает величина социометрического статуса. Но личность может влиять на других двояко: либо положительно, либо отрицательно. Поэтому принято говорить о положительном и отрицательном статусе.

Статус тоже измеряет потенциальную способность человека к лидерству. Чтобы высчитать социометрический статус, необходимо воспользоваться данными социоматрицы.

Возможен расчет Ci + — положительного и Ci- —отрицательного статуса в группах малой численности (N).

Индекс эмоциональной экспансивности j-члена группы высчитывается по формуле:

где Ej — эмоциональная экспансивность j-члена, R — сделанные j-членом выборы (+,-).

С психологической точки зрения показатель экспансивности характеризует потребность личности в общении. Из ГСИ наиболее важными являются:

Индекс эмоциональной экспансивности группы высчитывается по формуле:

где Ag—экспансивность группы, N — число членов группы.

Индекс психологической взаимности в группе («сплоченности группы») высчитывается по формуле:

где Gg — взаимность в группе по результатам положительных выборов, Aij+ — число положительных взаимных связей в группе, N -— число членов группы.

Социометрическая методика проводится групповым методом, ее проведение не требует больших временных затрат (до 15 мин.). Она весьма полезна в прикладных исследованиях, особенно в работах по совершенствованию отношений в коллективе. Но она не является радикальным способом разрешения внутригрупповых проблем, причины которых следует искать не в симпатиях и антипатиях членов группы, а в более глубоких источниках.

р — Таблица исходных данных к матрице смежности/социоматрице

спросил 5 лет, 1 месяц назад

Изменено 5 лет, 1 месяц назад

Просмотрено 286 раз

Часть R Language Collective

У меня есть таблица данных, устроенная так:

 ID Категория 1 Категория 2 Категория 3
Название 1 Пример 1 Пример 2 Пример 3
Название 2 Пример 1 Пример 2 Пример 4
Название 3 Пример 5 Пример 6 Пример 4
. ... .... .... .....

Пытаюсь превратить в таблицу вот так:

 Имя 1 Имя 2 Имя 3 ....
 Имя 1 0 2 0
 Имя 2 2 0 1
 Имя 3 0 1 0
  ....

Где каждая ячейка в выходной таблице представляет, сколько категорий оказались одинаковыми при сравнении идентификаторов. Это также может быть то, сколько категорий были разными, любая из них будет работать. Я изучил матрицы смежности и социоматрицы при переполнении стека, а также некоторые рекомендации по сопоставлению матриц, но не думаю, что моя таблица данных настроена правильно. Есть ли у кого-нибудь рекомендации, как это сделать?

РЕДАКТИРОВАТЬ: Ах, извините. Я использую R в качестве моей программы. Оставил этот бит

r
сортировка
матрица
матрица смежности

Вы можете сделать это, сначала поместив свои данные в длинный формат, после чего это становится довольно простым упражнением:

900 14 # твой данные tdf <- data.frame(ID = paste0("Имя", 1:3), cat1 = paste0("Пример", c(1,1,5)), cat2 = paste0("Пример ", c(2,2,6)), cat3= paste0("Пример ", c(3,4,4))) тдф #> ID cat1 cat2 cat3 #> 1 Имя 1 Пример 1 Пример 2 Пример 3 #> 2 Название 2 Пример 1 Пример 2 Пример 4 #> 3 Имя 3 Пример 5 Пример 6 Пример 4 # категории лишние, важна связь ID с # значения примера, поэтому мы преобразуем df в длинный формат, используя # функция плавления из пакета reshape2 lfd <- reshape2::melt(tdf, id.

vars = «ID») #> Предупреждение: атрибуты не идентичны для переменных меры; они будут #> быть отброшенным # создаем матрицу принадлежности adj1 <- as.matrix(таблица(lfd$ID, lfd$value)) прил1 #> #> Пример 1 Пример 2 Пример 3 Пример 4 Пример 5 Пример 6 #> Имя 1 1 1 1 0 0 0 #> Имя 2 1 1 0 1 0 0 #> Имя 3 0 0 0 1 1 1 # Матрица смежности — это просто произведение id_id_adj_mat <- adj1 %*% t(adj1) # Установите диагональ на ноль (в настоящее время диагональ отображает степень каждого узла) диаг(id_id_adj_mat) <- 0 id_id_adj_mat #> #> Имя 1 Имя 2 Имя 3 #> Имя 1 0 2 0 #> Имя 2 2 0 1 #> Имя 3 0 1 0 2

Зарегистрируйтесь или войдите в систему

Зарегистрируйтесь с помощью Google

Зарегистрироваться через Facebook

Зарегистрируйтесь, используя электронную почту и пароль

Опубликовать как гость

Электронная почта

Требуется, но никогда не отображается

Опубликовать как гость

Электронная почта

Требуется, но не отображается

Нажимая «Опубликовать свой ответ», вы соглашаетесь с нашими условиями обслуживания и подтверждаете, что прочитали и поняли нашу политику конфиденциальности и кодекс поведения.

networking — Сохранение имен вершин при преобразовании в список краев в R testmat

<- sna::rgraph(длина(имена_вершин)) dimnames(testmat) <- list(vertex_names, vertex_names) испытательный стенд #> 153 154 155 156 157 158 #> 153 0 0 0 1 1 0 #> 154 1 0 0 1 0 1 #> 155 1 1 0 0 0 1 #> 156 1 0 1 0 1 1 #> 157 1 0 1 1 0 0 #> 158 0 1 1 1 1 0 maxsymmetrizedfile <- sna::symmetrize(testmat, правило = "слабый") dimnames(maxsymmetrizedfile) <- dimnames(testmat) maxsymmetrizedfile #> 153 154 155 156 157 158 #> 153 0 1 1 1 1 0 #> 154 1 0 1 1 0 1 #> 155 1 1 0 1 1 1 #> 156 1 1 1 0 1 1 #> 157 1 0 1 1 0 1 #> 158 0 1 1 1 1 0

maxsymm_edge имеет атрибут с именем "vnames" , который отсутствует в вашем примере.

 maxsymm_edge <- sna::as.edgelist.sna(maxsymmetrizedfile)
maxsymm_edge
#> snd rec val
#> [1,] 2 1 1
#> [2,] 3 1 1
#> [3,] 4 1 1
#> [4,] 5 1 1
#> [5,] 1 2 1
#> [6,] 3 2 1
#> [7,] 4 2 1
#> [8,] 6 2 1
#> [9,] 1 3 1
#> [10,] 2 3 1
#> [11,] 4 3 1
#> [12,] 5 3 1
#> [13,] 6 3 1
#> [14,] 1 4 1
#> [15,] 2 4 1
#> [16,] 3 4 1
#> [17,] 5 4 1
#> [18,] 6 4 1
#> [19,] 1 5 1
#> [20,] 3 5 1
#> [21,] 4 5 1
#> [22,] 6 5 1
#> [23,] 2 6 1
#> [24,] 3 6 1
#> [25,] 4 6 1
#> [26,] 5 6 1
#> атрибут(,"n")
#> [1] 6
#> атрибут(,"vnames")
#> [1] "153" "154" "155" "156" "157" "158" # *********

Мы можем проиндексировать "vnames" , включенных в список краев (что совпадает с vertex_names ).

 (vnames <- attr(maxsymm_edge, "vnames"))
#> [1] "153" "154" "155" "156" "157" "158"
(snd_indices <- maxsymm_edge[ "snd"])
#> [1] 2 3 4 5 1 3 4 6 1 2 4 5 6 1 2 3 5 6 1 3 4 6 2 3 4 5
vnames[snd_indices]
#> [1] "154" "155" "156" "157" "153" "155" "156" "158" "153" "154" "156" "157"
#> [13] "158" "153" "154" "155" "157" "158" "153" "155" "156" "158" "154" "155"
#> [25] "156" "157"
(rec_indices <- maxsymm_edge[ "snd"])
#> [1] 2 3 4 5 1 3 4 6 1 2 4 5 6 1 2 3 5 6 1 3 4 6 2 3 4 5
vnames[rec_indices]
#> [1] "154" "155" "156" "157" "153" "155" "156" "158" "153" "154" "156" "157"
#> [13] "158" "153" "154" "155" "157" "158" "153" "155" "156" "158" "154" "155"
#> [25] "156" "157"

Таким образом, мы можем построить фрейм данных напрямую следующим образом:

 el_df <- data.frame(
  snd = attr(maxsymm_edge, "vnames")[maxsymm_edge[ "snd"]],
  rec = attr(maxsymm_edge, "vnames")[maxsymm_edge[ "rec"]],
  значение = maxsymm_edge [ "значение"],
  
  stringsAsFactors = FALSE # значение по умолчанию, если R. Version()$major >= 4
)
el_df
#> snd rec val
#> 1 154 153 1
#> 2 155 153 1
#> 3 156 153 1
#> 4 157 153 1
#> 5 153 154 1
#> 6 155 154 1
#> 7 156 154 1
#> 8 158 154 1
#> 9153 155 1
#> 10 154 155 1
#> 11 156 155 1
#> 12 157 155 1
#> 13 158 155 1
#> 14 153 156 1
#> 15 154 156 1
#> 16 155 156 1
#> 17 157 156 1
#> 18 158 156 1
#> 19 153 157 1
#> 20 155 157 1
#> 21 156 157 1
#> 22 158 157 1
#> 23 154 158 1
#> 24 155 158 1
#> 25 156 158 1
#> 26 157 158 1

Почему фрейм данных вместо матрицы? Поскольку имена вершин и "val" имеют разные типы ( символ против double ), поэтому попытка сделать это (в лучшем случае) приведёт "val" к набору строк.

 ул(эл_дф)
#> 'data.frame': 18 набл. из 3 переменных:
#> $ snd: chr "154" "155" "156" "157" ...
#> $ rec: chr "153" "153" "153" "153" ...
#> $ val: число 1 1 1 1 1 1 1 1 1 1 ...

Но это имеет значение, только если вы собираетесь использовать "val" . Сеть не взвешена, поэтому вы можете индексировать "vnames" , чтобы вместо этого построить список ребер матрицы (или использовать as. matrix(el_df[ 1:2]) , чтобы удалить этот столбец и перейти от фрейма данных к матрице).

Имея все это в виду, мы можем сделать еще один шаг и создать функцию, которая обрабатывает всю операцию:

 as_edge_list_df <- function(adj_mat, use_vertex_names = TRUE) {
  Melted <- do.call(cbind, lapply(list(row(adj_mat), col(adj_mat), adj_mat), as.vector)) # 3 столбца матрицы индекса строки, индекса столбца и значений `x`
  filtered <- Melted[ 3] != 0, ] # удалить строки, где столбец 3 равен 0
  
  if (use_vertex_names && !is.null(dimnames(adj_mat))) { # если нам не нужны имена вершин
    if (!all(rownames(adj_mat) == colnames(adj_mat))) { # в случае неправильного формата `adj_mat`
      stop("Имена строк не совпадают с именами столбцов.")
    }
    vertex_names <- rownames(adj_mat)
    данные.кадр(
      snd = имена_вершин[отфильтровано[ 1L]],
      rec = имена_вершин[отфильтровано[ 2L]],
      val = отфильтровано[ 3L]
    )
  } еще {
    данные.кадр(
      snd = фильтрованный [ 1 л],
      rec = отфильтровано[ 2L],
      val = отфильтровано[ 3L]
    )
  }
}

Затем протестируйте его.

Социоматрица

Социограмма

Социометрические индексы

Пример социоматрицы для группы, численностью n членов

Социограмма

Социометрические индексы

р — Таблица исходных данных к матрице смежности/социоматрице

Зарегистрируйтесь или войдите в систему

Опубликовать как гость

Опубликовать как гость

networking — Сохранение имен вершин при преобразовании в список краев в R testmat

Добавить комментарий Отменить ответ