2 The New Network Science - En.id
2 The New Network Science - En.id
30: 243-70
doi: 10,1146 / annurev.soc.30.020404.104342
Copyright c 2004 oleh Ulasan Tahunan. Seluruh hak cipta
Pertama kali diterbitkan secara online sebagai Ulasan di muka pada 9 Maret 2004
Duncan J. Watts
Departemen Sosiologi, Universitas Columbia, New York, NY 10027; Santa Fe Institute,
Santa Fe, New Mexico 97501; email: djw24@columbia.edu
Kata kunci teori grafik, model matematika, jaringan data, sistem dinamis
■ Abstrak Dalam beberapa tahun terakhir, analisis dan pemodelan jaringan, dan
sistem dinamis juga bersih-bekerja, telah menjadi topik yang menarik interdisipliner
download
yang cukup besar, menghasilkan beberapa ratus makalah dalam fisika, matematika, ilmu
08/18/05.
komputer, biologi, ekonomi, dan jurnal sosiologi (Newman 2003c ), serta sejumlah buku
pada
(Barabasi 2002, Buchanan 2002, Watts 2003). Di sini saya meninjau temuan utama dari
bidang ini muncul dan membahas secara singkat hubungan mereka dengan pekerjaan
sebelumnya dalam ilmu sosial dan matematika.
oleh Columbia
University
PENGANTAR
270.
sejarah bahkan lebih lama dari teori graf dalam matematika diskrit (Ahuja et al.
1993, Bollobas 1998, West 1996) , studi tentang jaringan dan sistem jaringan
telah meledak di seluruh spektrum akademik dalam lima tahun terakhir.
Didorong oleh ketersediaan berkembang pesat komputer murah namun kuat dan
dataset elektronik skala besar, peneliti dari ilmu matematika, biologi, dan sosial
telah membuat kemajuan besar pada sejumlah masalah yang sebelumnya keras,
merumuskan ide-ide lama, memperkenalkan teknik baru, dan mengungkap
hubungan antara apa yang tampaknya menjadi masalah yang sangat berbeda.
Hasilnya telah disebut “ilmu baru dari jaringan” (Barabasi 2002, Buchanan
2002, Watts label 2003) -sebuah yang mungkin menyerang banyak sosiolog
sebagai menyesatkan, mengingat keakraban (untuk analis jaringan sosial) dari
banyak ide-ide yang berada di pusat. Namun demikian, label tidak menangkap
perasaan senang sekitarnya apa yang tidak diragukan lagi makalah bidang-baru
berkembang cepat yang muncul hampir setiap hari-dan juga tingkat belum
pernah terjadi sebelumnya sintesis bahwa kegembiraan ini telah menghasilkan
seluruh disiplin ilmu yang berhubungan dengan masalah jaringan muncul.
Dalam meninjau hasil utama bidang ini, saya telah mencoba untuk menyerang
keseimbangan antara perkembangan historis dari ide-ide dan urutan logis mereka.
Untuk tujuan ini, bagian pertama menggambarkan pendekatan pemodelan jaringan
utama, mengenai struc-mendatang lokal, konektivitas global, ditelusuri, dan
distribusi gelar yang sangat miring.
0360-0572 / 04 / 0811-0243 $ 14.00 243
244 WATT
Saya kemudian merangkum studi empiris terkait dan membahas beberapa isu
asso-diasosiasikan dengan menafsirkan data empiris. Akhirnya, saya meninjau
kemajuan awal pada aplikasi model jaringan untuk proses dinamis seperti
penyakit menyebar dan pertukaran informasi. Sepanjang diskusi, saya fokus
pada motivasi dan di-terpretation ide dan hasil, mengacu pembaca di tempat lain
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
Kontribusi awal untuk ilmu baru dari jaringan, dan satu yang menangkap
pada
beberapa tema utama, adalah bahwa dengan Watts & Strogatz (1998), di mana
penulis membuat beberapa poin terkait namun berbeda:
1. jaringan dunia nyata yang tidak benar-benar memerintahkan atau benar-
benar acak, melainkan menunjukkan sifat penting dari keduanya.
oleh Columbia
2. Beberapa sifat dari jaringan ini dapat diwujudkan oleh model matematika
University
sederhana yang interpolasi antara ketertiban dan keacakan. Dalam Watts &
270.
Strogatz ini
1
contoh khusus, “order” diwakili oleh seragam satu dimensi lat-Tice, di
Putaran.
1
Sepanjang makalah ini, istilah “kisi” digunakan dalam arti fisikawan dari kisi kristal
(kira-kira, grid rendah dimensi), bukan arti matematikawan dari pemesanan parsial pada
s g telah digunakan untuk mewakili jaringan afiliasi (Freeman & White 1993)].
a
t
u
s
e
t
e
l
e
m
e
n
[
s
e
p
e
r
t
i
d
a
l
a
m
,
m
i
s
a
l
n
y
a
,
G
a
l
o
i
s
k
i
s
i
y
a
n
BARU ILMU JARINGAN 245
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
download
08/18/05.
pada
Gambar 1 (A) Skema model Watts-Strogatz. (B) panjang Normalisasi rata jalur
terpendek L dan clustering koefisien C sebagai fungsi dari acak parameter rewiring
oleh Columbia
2
jaringan-dunia kecil untuk merujuk ke jaringan di kelas ini, mengacu
pada karya awal Pool & Kochen (1978), dan percobaan berikutnya
Putaran.
Milgram dan rekan (Korte & Milgram 1970; Milgram 1967; Travers &
Milgram 1969).
6. Karena kondisi yang diperlukan untuk jaringan apapun milik kelas-dunia kecil
(beberapa urutan lokal trivial, dikombinasikan dengan hanya sebagian kecil
dari jarak jauh, cara pintas acak) relatif lemah, Watts & Strogatz (1998)
memperkirakan bahwa banyak real- dunia jaringan-apakah jaringan sosial
2
Watts & Strogatz tidak, pada kenyataannya, yang pertama menggunakan istilah jaringan-
dunia kecil: bahwa perbedaan milik Eugene Garfield (1979), yang digunakan dalam sebuah
artikel tentang topik penelitian-dunia kecil. Istilah tidak tampaknya telah tertangkap, namun,
sampai Watts
& Strogatz didefinisikan untuk merujuk ke jaringan dengan pengelompokan lokal yang
tinggi dan pendek panjang jalan global.
246 WATT
pengamatan Watts & Strogatz, meskipun baru untuk literatur matematika dari
sistem dinamis ditambah, dan juga untuk terkondensasi materi fisika ko-nity, tidak,
dalam roh setidaknya, baru sosiolog matematika. model parameter dari lokal
oleh Columbia
memerintahkan namun jaringan jika tidak acak, misalnya, telah menjadi objek
University
perhatian jaringan analis sosial selama beberapa dekade, pada awalnya menurut
pengertian Rapoport tentang jaring acak-bias (Rapoport 1951, 1957), dan lebih baru-
270.
baru ini sesuai dengan apa yang yang umum disebut sebagai eksponensial grafik
acak mod-els, yang dikembangkan oleh Holland & Leinhardt (1981), Frank &
Putaran.
Strauss (1986), dan lain-lain (Anderson et al. 1999, Pattison & Wasserman 1999,
Robins et al. 1999, Wasserman
& Pattison 1996). Selanjutnya, Granovetter (1973), berikut Rapoport, memiliki
intro-teknya perbedaan antara “kuat” dan “lemah” dasi, di mana mantan dapat
ditafsirkan sebagai yang timbul dari prinsip-prinsip pemesanan lokal seperti
homophily (Lazarsfeld & Merton 1954) dan penutupan triadic ( Rapoport
1953a), dan yang terakhir dari kontak acak sesekali, yang Granovetter disebut
jembatan lokal, tapi yang jelas analog dengan cara pintas Watts & Strogatz ini.
Dan akhirnya, Rapoport (1953a, b) dan lain-lain (Kretschmar & Morris 1996)
telah lama prihatin dengan efek bias sosio-struktural dalam jaringan jika tidak
acak pada penyebaran informasi atau penyakit menular.
Namun, fitur yang membedakan dari Watts & Strogatz (1998), dan salah satu
yang bisa dibilang dihasilkan banyak bunga berikutnya dalam komunitas fisika,
adalah identifikasi mereka dari kelas universal jaringan; yaitu, keluarga jaringan
yang berbagi sifat-sifat agregat tertentu (dalam hal ini L kecil dan besar C) terlepas
dari
BARU ILMU JARINGAN 247
banyak rincian masing-masing. Temuan ini memiliki dua implikasi, baik yang cocok
secara alami ke pandangan dunia seorang fisikawan: (a) bahwa setidaknya beberapa
fitur menarik dari bahkan jaringan yang sangat kompleks dapat ditangkap oleh
model yang sangat sederhana, dan (b) bahwa metrik dan model dirancang untuk
mengatasi sosial masalah jaringan mungkin berguna diterapkan dalam disiplin lain
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
juga. fisikawan benda terkondensasi telah kemudian dianalisis apa yang sekarang
disebut model Watts-Strogatz, atau varian dari itu, secara detail (Barrat & weigt
2000; Barthelemy & Amaral 1999; Dorogovtsev
& Mendes 2000; Kulkarni et al. 2000; Newman & Watts 1999a, b; Newman et al.
2000). Secara khusus, telah menunjukkan bahwa sementara mengelompokkan C
adalah fungsi dari fraksi acak pintas p (Barrat & weigt 2000), rata-rata terpendek
panjang jalur L adalah fungsi dari jumlah mutlak mereka NKP (Newman et al.
2000). Meskipun perbedaan ini mungkin muncul halus, implikasinya adalah bahwa
dalam jaringan yang cukup besar (yaitu, sebagai N meningkat tanpa batas) perilaku-
download
dunia kecil akan mengakibatkan setiap kali fraksi pintas acak lebih besar dari nol-
08/18/05.
yaitu, untuk setiap keacakan di semua. Selanjutnya, hasil ini tidak tergantung pada
pada
lima
pintas acak akan membagi rata-rata panjang jalur L jaringan, terlepas dari
270.
3
ukurannya.
Putaran.
paku j α rsaya-jγ . 1.
3
Sebenarnya, hasil ini hanya berlaku dalam batas ukuran jaringan besar N.
248 WATT
dan raku jadalah kisi jarak dari i ke j. Kapanγ = 0, tepi acak terbentuk dengan
probabilitas seragam (setara dengan model Watts-Strogatz asli), dan ketika
γcukup besar, hanya ikatan lokal yang mungkin. Jelas di batas tidak adalah
jaringan dicari-dalam kasus mantan karena jalur pendek tidak dapat ditemukan
(hasil Kleinberg sebelumnya), dan dalam kasus yang terakhir karena tidak ada
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
afiliasi Jaringan
pada
Masalah lain dengan model Watts-Strogatz, dan juga dengan Kleinberg, adalah
bahwa kedua model bergantung pada kehadiran beberapa mendasari kisi substrat
untuk (a) konektivitas global guar-antee dan (b) memberikan metrik jarak yang
independen dari jaringan jarak. Jelas, jaringan sosial tidak dibangun pada substrat
oleh Columbia
panjang jalan pendek, dan searchability dengan cara yang kurang buatan. Salah satu
270.
dari dua kelas node: N aktor yang masing-masing milik salah satu atau lebih dari
kelompok M. Seperti ditunjukkan secara skematis pada Gambar 2,
Berikut konstruksi ini, model jaringan berbasis afiliasi sederhana adalah pro-
ditimbulkan oleh Newman et al. (2001, 2002), yang diasumsikan bahwa pelaku
memilih kelompok seragam secara acak. Menggunakan metode menghasilkan fungsi
(Wilf 1994), mereka berasal sejumlah hasil untuk grafik bipartit acak, termasuk
kondisi yang diperlukan untuk pembentukan komponen terhubung raksasa, serta
distribusi derajat, rata-rata perkiraan panjang jalur terpendek, dan clustering
koefisien aktor afiliasi dan kelompok interlock jaringan. Generalisasi pendekatan
mereka untuk memungkinkan distribusi tingkat sewenang-wenang, Newman et al.
mampu meniru sejumlah fitur jaringan afiliasi dunia nyata, seperti Davis et al.
(2003) papan data direksi, dan jaringan kolaborasi aktor film (Watts 1999) dan
ilmuwan (Newman 2001).
4
Secara khusus, Kleinberg menunjukkan bahwa setiap kali γ =d jumlah yang diharapkan
dari langkah-langkah yang diperlukan untuk menyelesaikan pencarian meningkat sebagai
fungsi polinomial dari ukuran sistem, tetapi ketika γ = d, meningkat sebagai polinomial
dari logaritma dari ukuran sistem.
BARU ILMU JARINGAN 249
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
Gambar 2 Bipartit (dua modus) jaringan afiliasi (tengah), didefinisikan dalam hal N
aktor milik kelompok M, bersama dengan unipartite (single mode) proyeksi ke set
download
08/18/05.
kelompok (atas) dan aktor (bawah). Sebuah koneksi dalam jaringan mode single
terjadi setiap kali dua aktor / kelompok berbagi setidaknya satu kelompok / aktor
pada
masing-masing.
pengelompokan diamati pada jaringan data afiliasi empiris. Karena dua aktor yang
University
menurut definisi terhubung setiap kali mereka berbagi kelompok, proyeksi mode
single menunjukkan banyak geng yang tumpang tindih yang berkontribusi terhadap
270.
pengelompokan lokal yang tinggi, bahkan ketika individu memilih kelompok secara
acak. Selanjutnya, random bipartit net-karya hampir selalu memiliki pendek panjang
Putaran.
jalan global; sehingga kedua aktor afiliasi dan jaringan kelompok interlock pasti
akan jatuh di kelas-dunia kecil.
Selanjutnya, model afiliasi dasar telah umum dalam dua cara. Pertama, Newman
& Park (2003) telah diturunkan sejumlah hasil untuk jaringan acak affil-iation yang
mengikat antara aktor dalam proyeksi mode single hanya ada dengan probabilitas
yang proporsional dengan jumlah kelompok bersama dan di-versely sebanding
dengan ukuran masing-masing kelompok. Dan kedua, Watts et al. (2002) telah
mengusulkan sebuah model jaringan afiliasi umum di mana jarak antara kelompok
didefinisikan menurut beberapa jumlah dimensi sosial (misalnya, geografi dan
pendudukan), dan individu yang ditandai dengan koordinat kelompok mana mereka
berasal. Hubungan antara individu kemudian diizinkan untuk membentuk dengan
probabilitas yang tergantung pada jarak antara kelompok yang sesuai dan homophily
merdu (Lazarsfeld & Merton 1954) parameter yang bias interaksi menuju atau jauh
dari node yang sama. Mereka menemukan bahwa ketika kelompok diklasifikasikan
ac-cording ke lebih dari satu dimensi sosial dan ketika interaksi yang homophilous
250 WATT
dalam dimensi yang diberikan, maka tidak hanya jaringan yang dihasilkan sangat
clus-tered dengan path global yang pendek panjang, tetapi mereka juga dicari dalam
arti yang sama dengan yang diusulkan oleh Kleinberg (Watts et al. 2002). Sebuah
percobaan berbasis web terbaru (Dodds et al. 2003a) mereplikasi metode-dunia kecil
Milgram (Korte & Milgram 1970, Milgram 1967, Travers & Milgram 1969), tetapi
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
menggunakan e-mail di-manfaat dari surat kertas, tampaknya mendukung klaim dari
umum model dan afiliasi juga sebelumnya bekerja (Bernard et al 1988, Killworth &
Bernard 1978.) - bahwa rantai individu dapat menemukan target remote diberikan
hanya beberapa potong mengidentifikasi informasi seperti lokasi geografis dan
pendudukan.
yang berarti bahwa mayoritas node memiliki kurang dari rata-rata derajat dan
bahwa sebagian kecil dari hub banyak kali lebih baik terhubung dari rata-rata.
deskripsi kualitatif ini dapat dipenuhi oleh beberapa fungsi matematika, tapi satu
sangat populer dalam literatur saat ini adalah kuasa hukum (Barabasi & Albert
oleh Columbia
p(K)~ k-α . 2.
270.
Dengan kata lain, probabilitas yang dipilih secara acak simpul memiliki derajat k
meluruh seperti kekuatan k, di mana eksponen α, Biasanya diukur dalam rentang 2
Putaran.
<α
< 3, menentukan tingkat pembusukan (lebih kecil αmenyiratkan pembusukan
lebih lambat, maka distribusi yang lebih miring). Sebuah fitur yang
membedakan dari distribusi power-law adalah bahwa ketika diplot pada skala
logaritmik ganda, kuasa hukum muncul sebagai garis lurus dengan kemiringan
negatifα. Seperti yang ditampilkan secara skematis pada Gambar 3a, bentuk
garis lurus dari kuasa hukum kontras dengan distribusi normal (Gambar 3b),
yang kurva tajam di sebidang log-log, sehingga probabilitas dari sebuah node
memiliki gelar lebih besar daripada tertentu “ cutoff”nilai secara efektif nol.
Oleh karena itu Sebuah cutoff menyiratkan skala karakteristik untuk distribusi
tingkat jaringan, dan karena distribusi gelar kekuatan-hukum tidak memiliki
apapun seperti nilai cutoff, sering disebut distribusi skala bebas.
Distribusi yang didekati dengan hukum kekuasaan di ekor mereka telah pejantan-
ied selama lebih dari satu abad, awalnya sehubungan dengan distribusi kekayaan
(Mandelbrot 1960), tetapi kemudian dalam berbagai aplikasi, termasuk distribusi
ukuran spesies (Yule 1925) , frekuensi kata (Zipf 1949), kutipan ilmiah jumlah
(Harga 1965, Redner 1998), dan ukuran dari berbagai peristiwa alam [misalnya,
kebakaran hutan dan gempa bumi (Sornette 2000)] dan entitas sosial [misalnya,
perusahaan bisnis (Axtell tahun 2001, Simon & Bonini 1958) dan kota (Zipf 1949)].
Setelah memeriksa distribusi tingkat tiga jaringan-dunia nyata jaringan kolaborasi
a Wide Web, dan jaringan listrik trans-misi Amerika Serikat bagian barat-Barabasi &
k Albert (1999) menyimpulkan
t
o
r
f
i
l
m
,
s
t
r
u
k
t
u
r
l
i
n
k
d
a
r
i
b
a
g
i
a
n
d
a
r
i
W
o
r
l
d
BARU ILMU JARINGAN 251
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
Gambar 3 (A) UU Tenaga dengan eksponenα, Ketika diplot pada skala ganda-
logaritmik, muncul sebagai garis lurus dengan kemiringan negatifα. (B) A-jenis
normal distribusi (yaitu, dengan mean terbatas dan varians) diplot pada skala ganda-
logaritmik menampilkan cutoff didefinisikan dengan baik, di atas yang probabilitas
secara efektif nol.
bahwa ketiga dipamerkan ekor hukum kekuatan [klaim kemudian terbukti salah
download
08/18/05.
dalam kasus jaringan listrik (Amaral et al. 2000)], dan menciptakan istilah skala
pada
mekanisme pertama adalah jelas: jaringan nyata tumbuh dalam waktu sebagai
anggota baru bergabung populasi. Mekanisme lampiran preferensial kemudian
270.
(Harga 1980), yang baru tiba node akan cenderung terhubung ke node yang sudah
baik-baik daripada node buruk terhubung. Secara khusus, Barabasi & Albert
didefinisikan probabilitas p (ksaya) Dari node yang ada i dengan ksaya link
menerima link baru sebagai p (ksaya) = cksaya(Di mana c adalah konstanta
normalisasi). Barabasi & Albert menunjukkan bahwa dalam jangka waktu yang
cukup lama, distribusi tingkat jaringan yang berkembang menunjukkan linear
preferensial melampirkan-ment akan berkumpul untuk sesuatu dalam bentuk
Persamaan 2 dengan eksponen
α = 3.
Sejumlah model berikutnya telah diusulkan bahwa memperluas tema dasar
pertumbuhan dengan lampiran preferensial.
1. Ketika salah penciptaan ikatan tambahan (Amaral et al. 2000) atau proses
mencari tetangga tambahan (Mossa et al. 2002) adalah mahal, distribusi
p ah skala dengan cutoff karakteristik ( “skala luas jaringan”), atau bahkan
o distribusi sempit
w
e
r
-
l
a
w
d
e
r
a
j
a
t
m
e
n
j
a
d
i
t
e
r
p
o
t
o
n
g
,
m
e
n
g
h
a
s
il
k
a
n
d
a
e
r
252 WATT
setelah bergabung jaringan (Bornholdt & Ebel 2001), maka setiap nilai
Untuk penggunaan pribadi saja.
eksponen antara 2 dan 3 dapat diperoleh-hasil yang, tidak seperti nilai singular
dari 3 di atas, konsisten dengan eksponen empiris. Selanjutnya, tidak seperti
dalam model BA asli, node yang lebih tua tidak selalu lebih baik terhubung
dari penambahan lebih baru (Adam & Huberman 2000).
3. Daripada mengasumsikan lampiran preferensial sebagai fitur dasar
pertumbuhan jaringan, Krapivsky & Redner (2001) menunjukkan bahwa hal
itu dapat berasal dari lebih asumsi pertumbuhan dasar: (a) bahwa kedatangan
baru pilih anggota dari populasi yang ada seragam secara acak; dan (b) bahwa
dengan beberapa prob-kemampuan q mereka diarahkan oleh pilihan awal
download
08/18/05.
mereka ke salah satu tetangganya. Karena tetangga dari node yang dipilih
pada
secara acak dalam jaringan memiliki distribusi gelar yang sebanding dengan
kp (k) (Feld 1991, Newman 2003a), lin-
telinga lampiran preferensial berikut secara otomatis, kecuali bahwa setiap
5
eksponen antara 2 dan 3 dapat dihasilkan, tergantung pada pilihan q.
oleh Columbia
m
o
d
e
l
K
r
a
p
i
v
s
k
y
&
R
e
d
n
e
r
(
2
0
0
1
)
t
e
r
n
y
a
t
a
m
a
t
e
m
a
t
i
s
BARU ILMU JARINGAN 253
Barabasi et al. 2000, Broder et al. 2000). Kurangnya relatif dari data jaringan
sosial dalam daftar ini dapat dikaitkan dengan kesulitan yang melekat dalam
rekaman interaksi sosial pada skala-masalah praktis besar yang luasnya
meningkatnya aktivitas online (sebagai sarana komunikasi-cating, melakukan
bisnis, merekam kegiatan , dll) dapat membantu setidaknya sebagian diatasi.
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
Motif jaringan
Dalam karya terbaru, Shen-Orr et al. (2002) dan Milo et al. (2002) telah
menambah eksplorasi struktur jaringan di luar kecil-dunia dan kategorisasi skala
bebas dengan pendekatan mereka mendeteksi apa yang mereka sebut motif-
topologi jaringan subgraphs yang berbeda yang frekuensi dalam jaringan dapat
digunakan untuk mengkarakterisasi struktur lokal. Dengan sistematis
pencacahan semua motif yang terdiri dari tiga dan empat node dalam sejumlah
jaringan, dan kemudian membandingkan jumlah yang dihasilkan dengan orang-
download
08/18/05.
orang untuk jaringan-acak teknik yang, untuk kasus motif tiga-node, adalah
pada
identik dalam semangat untuk sensus tiga serangkai Holland & Leinhardt (1981)
-Milo et al. diidentifikasi tiga kelas jaringan: (a) jaringan yang memproses
informasi (misalnya, jaringan gen, jaringan saraf C. elegans, dan chip logika
maju); (B) jaringan yang memproses energi (misalnya, jaring makanan); dan (c)
oleh Columbia
Web). Apakah jaringan sosial jatuh ke dalam salah satu kelas-kelas ini atau
merupakan satu atau lebih kelas tambahan masih harus dilihat.
270.
Struktur masyarakat
Putaran.
buruk terhubung node, yang mewakili mereka sebagai isolat bukan sebagai
anggota dari kelompok yang mereka akan alami terkait. Baru-baru ini, Girvan &
Newman (2002) telah memperkenalkan metode baru untuk mengidentifikasi
masyarakat struc-mendatang yang berangkat dari pendekatan standar dalam dua
cara: (a) bukan comput-ing berpasangan simpul kesamaan, mereka menghitung
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
dianggap sebagai representasi jaringan hubungan abstrak antara entitas diskrit, dan
“interaktif” jaringan, yang link menggambarkan nyata interaksi yang-tions yang
mampu transmisi informasi, pengaruh, atau bahan. jaringan metabolisme reaksi,
jaringan kata, dan World Wide Web, misalnya, semua jaringan simbolik, sedangkan
jaringan saran, Internet, dan kekuatan trans-misi jaringan yang jelas jaringan
interaksi. Perbedaan ini relevan dengan interpretasi fitur struktural karena dalam
hubungan simbolis itu adalah fre-quently jelas bagaimana metrik jaringan seperti
derajat, panjang jalan, atau sentralitas harus ditafsirkan sehubungan dengan
konsekuensi mereka untuk beberapa proses begitu-cial, fisik, atau biologis tertentu.
Apa artinya, misalnya, bahwa setiap dua kata dalam tubuh besar teks dapat
“terhubung” melalui serangkaian pendek dari link, yang didefinisikan sebagai dua
kata co-terjadi dalam kalimat yang sama (Cancho & Sole 2001)? Dan bagaimana
hubungan ini berbeda dari dua kata yang sama yang terhubung melalui rantai pendek
hubungan semantik (Motter et al. 2002)? Atau dalam kasus jaringan kolaborasi aktor
film, direktur perusahaan, dan scientists- sering dikutip sebagai contoh jaringan
sosial-bagaimana seharusnya satu menginterpretasikan costarring dalam film versus
duduk bersama-sama di papan atau coauthoring kertas? Dalam semua likeli-hood,
hubungan ini melibatkan berbagai jenis interaksi sosial,
BARU ILMU JARINGAN 255
Dalam kasus jaringan interaksi, lain masalah yang sering diabaikan yang
menyandang pada interpretasi dari temuan empiris adalah berapa banyak node
sendiri bervariasi dalam kapasitas intrinsik mereka untuk mendukung koneksi.
Sebuah kertas banyak dikutip oleh Faloutsos et al. (1999), misalnya, meneliti
konektivitas Internet di dua skala yang berbeda dari analisis: pada tingkat router
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
(perangkat fisik yang benar-benar melakukan packet switching), dan pada tingkat
sistem otonom (koleksi router yang diberikan oleh organisasi yang sama dan
6
biasanya sesuai dengan nama domain; misalnya, columbia.edu dapat dianggap
sebagai sistem otonom tunggal). Dalam hal jaringan, di skala router, router adalah
node, dan link mewakili koneksi fisik antara router; dan pada skala sistem otonom,
domain adalah node, dan dua domain terkait jika ada router dalam satu domain
terhubung ke router yang lain. Faloutsos et al. (1999) mengklaim bahwa kedua
distribusi derajat hukum kekuatan jaringan pameran, dan klaim ini telah banyak
ditafsirkan untuk menyiratkan bahwa internet adalah skala bebas terlepas dari
pilihan representasi (Yook et al. 2002). Tapi hati-hati melihat data mereka
download
08/18/05.
7
pernah memiliki kurang dari 2 ikatan dan tidak pernah lebih dari 40. Selanjutnya,
eksponen distribusi peringkat-memerintahkan untuk gelar router sesuai dengan salah
8
satu dengan varians terbatas; karenanya, tidak skala bebas.
oleh Columbia
Berdasarkan hasil mereka sendiri, oleh karena itu, Faloutsos et al. Kesimpulan
University
seharusnya bahwa internet adalah skala bebas pada tingkat sistem otonom, tetapi
tidak pada tingkat router, di mana penjelasan kemungkinan adalah bahwa sistem
270.
kembali quire hanya beberapa. Tentu, semakin banyak router yang terletak dalam
satu domain, semakin koneksi dapat mendukung ke domain lain; karenanya, sebagai
karya terbaru (Tangmunarunkit et al. 2001) menunjukkan, banyak dari varians
diamati dalam distribusi derajat dapat dijelaskan oleh varians dalam “ukuran” dari
node itu sendiri. Apa analisis jaringan tampaknya mengungkapkan, dengan kata lain,
mungkin bukan milik proses pertumbuhan jaringan sama sekali tetapi hanya sebuah
refleksi dari proses apapun menghasilkan distribusi ukuran organisasi yang router
Internet host (Simon 1955). Lebih umum, sifat artifactual atau epifenomenal dari
setidaknya beberapa
6
Meskipun ada beberapa ketidaksepakatan mengenai apakah sistem otonom dan domain
sebenarnya setara, mereka umumnya setuju untuk menjadi sekitar begitu, dan perbedaan
biasanya diabaikan (Faloutsos et al. 1999).
7
Angka-angka ini berlaku untuk internet pada tahun 1995, satu-satunya data router-
tingkat yang Foloutsos et al. (1999) ini, dan mungkin akan berbeda di Internet saat ini.
8
Jika γ adalah eksponen dari ekor distribusi peringkat-memerintahkan dan α adalah eksponen
untuk ekor fungsi kepadatan yang sesuai, maka tentu α = 1 + 1/ γ(Hasil ini mengikuti secara
otomatis dari definisi dari dua distribusi). Faloutsos et al. (1999) mengukur
γ < 0,5, sesuai dengan α> 3, yang menyiratkan varians yang terbatas dan karenanya
skala terbatas. Anehnya, Faloutsos et al. tidak membuat hubungan antaraα dan γ ,
Bukannya mengukur α independen, dengan (tidak konsisten) hasil yang α < 3.
256 WATT
tidak hanya tergantung pada preferensi intrinsik mereka dan perbedaan status yang
pada
dirasakan, tetapi juga pada pola yang lebih besar dari hubungan (yaitu, jaringan) di
mana kedua pelaku yang tertanam. Dan pada tingkat kolektif, sosiolog sejak
Solomonoff & Rapoport (1951) telah menyadari bahwa sifat dan susunan ikatan
jaringan mungkin memainkan peran penting dalam mendorong penyebaran global
oleh Columbia
informasi dan penyakit (Boorman & Levitt 1980, Rapoport 1963), atau
University
penting dari masalah-dan dengan demikian lebih besar kemajuan ini baru-baru ini
dalam hal yang pasti membantu-hubungan antara struktur jaringan dan konsekuensi
Putaran.
dinamis adalah sesuatu tetapi sederhana. Sebagai contoh, itu hampir pasti terjadi
bahwa rincian dari struktur jaringan (seperti dalam ukuran statistik seperti kepadatan
triad atau distribusi derajat) yang relevan dengan perilaku individu dan kolektif akan
tergantung pada sifat dari proses dinamis tertentu dalam penyelidikan (Watts 1999).
Oleh karena itu interaksi antara struktur jaringan dan dinamika kolektif merupakan
daerah yang menakutkan studi, di mana upaya telah dibuat hanya terbatas kemajuan.
Namun demikian, beberapa wawasan telah datang untuk proses dinamik yang sangat
sederhana seperti penyebaran penyakit dan informasi. mana upaya telah dibuat
hanya terbatas kemajuan. Namun demikian, beberapa wawasan telah datang untuk
proses dinamik yang sangat sederhana seperti penyebaran penyakit dan informasi.
mana upaya telah dibuat hanya terbatas kemajuan. Namun demikian, beberapa
wawasan telah datang untuk proses dinamik yang sangat sederhana seperti
penyebaran penyakit dan informasi.
penyakit Penyebaran
Banyak penyakit menular dari manusia menyebar baik melalui interaksi
manusia-ke-manusia atau manusia ke hewan; karenanya, model epidemiologi
infeksi tampak seperti daerah yang jelas dari aplikasi untuk ilmu jaringan, dan
untuk jaringan sosial pada khususnya. Ini mungkin datang sebagai kejutan,
karena itu, bahwa literatur tentang epidemiologi matematika telah membayar
sedikit perhatian ke struc-mendatang dari jaringan-apakah seksual,
p an-mana penyakit menular nyata menyebar. Sedangkan epidemiologi Clini-cal
e rutin menerapkan metode seperti pelacakan kontak yang inher-ently jaringan
r berorientasi (Klovdahl et al. 1994, Potterat et al. 1999), matematika
s
a
h
a
b
a
t
a
n
,
k
o
m
u
n
i
t
a
s
,
a
t
a
u
t
r
a
n
s
p
o
r
t
a
s
i
j
a
r
i
n
g
BARU ILMU JARINGAN 257
McKendrick (1927), dikenal sebagai model SIR mewakili tiga dasar kelas-rentan
Untuk penggunaan pribadi saja.
(S), terinfeksi (I), dan dihapus (R) -yang setiap individu tertentu dapat menghuni
pada waktu par-TERTENTU. Dinamika yang sesuai adalah sebagai berikut: (a)
untuk setiap unit waktu di mana suatu rentan berada dalam kontak dengan infektif,
ia dapat terinfeksi dengan beberapa probabilitasβ(Menular dari penyakit); (B)
infectives dikeluarkan dari populasi di beberapa tingkat r (baik dengan mencapai
imunitas atau mati); dan (c) individu dihapus yang diinjeksikan kembali ke dalam
kolam rentan (melalui hilangnya kekebalan) di beberapa tingkat lainnyaρ. Populasi
S (t), I (t), dan R (t) [yang tentu berjumlah N (t), ukuran populasi] karena itu
mengandung semua informasi saat ini tentang keadaan sistem. Tapi karena tahap
download
infeksi membutuhkan kontak antara rentan dan infektif, asumsi tambahan (atau set
08/18/05.
eksplisit (dalam kasus sepele) atau yang lain digunakan untuk menentukan negara-
negara keseimbangan penyakit (biasanya fraksi yang popu-lation yang terinfeksi)
Putaran.
law derajat. Temuan utama mereka telah bahwa jaringan acak yang tak terbatas
menunjukkan distribusi derajat hukum kekuatan dengan mantan ponentα <3 tidak
270.
modulasi terinfeksi dalam model SIR standar terbatas untuk semua nilai non-nol dari
penularan-hasil yang Lloyd & Mei (2001) kemudian menunjukkan telah diturunkan
sebelumnya menggunakan metode yang berbeda (Anderson & Mei 1988). Mantan
planation adalah bahwa dalam jaringan skala bebas kehadiran hub yang sangat
terhubung (kira-kira setara dengan concurrency sangat tinggi dalam bahasa
Kretschmar & Morris) memastikan bahwa bahkan penyakit yang relatif jinak akan
menyebar luas jika mereka menginfeksi bahkan hub tunggal. Klaim bahwa jaringan
kontak seksual, pada kenyataannya, skala bebas (Liljeros et al. 2001),
bagaimanapun, telah kemudian dipertanyakan (Jones
& Handcock 2003), seperti memiliki tidak adanya ambang epidemi ketika
faktor-faktor seperti geografi (Warren et al. 2002), transitivitas (Eguiluz &
Klemm 2002), di-tenuation menular dari waktu ke waktu (Wu et al. 2004), dan
ukuran terbatas jaringan nyata (Mei & Lloyd 2001) diperhitungkan.
da
erah
lain
penye
lidika
n
aktif
meny
angku
t
asorta
tif
penca
mpur
an
dalam
rando
m
net-
karya,
di
mana
assort
ativit
y
menyi
ratkan
bahw
a
node
tinggi
deraja
t
cende
rung
dihub
ungka
n
BARU ILMU JARINGAN 259
proporsional untuk node tinggi-gelar lain (dalam jaringan disassortative, node tinggi
derajat cenderung dihubungkan ke node rendah derajat). Sejumlah langkah-langkah
dari assortativity telah diusulkan (Gupta et al. 1989, Maslov & Sneppen 2002,
Pastor-Satorras et al. 2001, Vazquez et al. 2002), tapi yang paling sederhana dan
paling flex-ible tampaknya bahwa dari Newman (2002, 2003b), yang
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
mendefinisikan itu dalam hal Pearson koefisien korelasi derajat node yang
9
berdekatan Definisi -a yang dapat diterapkan agak lebih umum untuk setiap atribut
skalar seperti usia, ras, dll (Newman 2003b). Survei berbagai jaringan dunia nyata,
Newman con-cluded bahwa jaringan sosial cenderung menunjukkan tingkat positif
korelasi-maka asortatif pencampuran-sedangkan jaringan teknologi dan biologi
(misalnya, jaringan listrik, internet, jaring makanan) yang disassortatively dicampur.
Menerapkan temuan ini untuk penyebaran penyakit, Newman menunjukkan bahwa
dalam jaringan dengan asortatif pencampuran, komponen terhubung raksasa
cenderung lebih kecil daripada di jaringan murni acak tetapi memiliki diameter yang
download
08/18/05.
sangat kecil dan juga sangat tahan terhadap DISCON-sambungan listrik. Ketika
pencampuran adalah disassortative, hasil yang berlawanan berlaku, dimana kedua
pada
Ball et al. (1997). Selanjutnya, Watts & Strogatz menunjukkan bahwa untuk sangat
menular penyakit-yaitu, satu untuk yang epidemi global certainty- sebuah waktu
yang dibutuhkan untuk seluruh populasi terinfeksi adalah sekitar sebanding dengan
panjang jalan rata-rata jaringan dan karenanya sangat suscep-tible ke fraksi pintas
acak. Hasil awal telah disempurnakan kemudian oleh Newman & Watts (1999b) dan
Moore & Newman (2000a, b), yang digunakan model perkolasi setara (Stauffer &
Aharony 1992) untuk mempelajari dampak dari cara pintas acak pada ukuran mapan
epidemi di kisi satu dan dua dimensi. model serupa juga telah diusulkan oleh
Keeling (1999) dan Eames & Keeling (2002), dengan hasil yang sama. Dan
Kuperman & Abramson (2001) menemukan bahwa ketika pulih individu dalam
model SIR langsung menjadi resusceptible (disebut model SIS),
Sebuah hasil agak lebih umum model ini adalah gagasan dari panjang korelasi
jaringan, yang didefinisikan sebagai jarak antara ujung jalan pintas (Newman &
9
Dalam grafik acak Bernoulli, tingkat assortativity adalah dengan konstruksi nol; maka,
jaringan nyata dapat dicirikan sebagai asortatif atau disassortative sejauh bahwa mereka
menunjukkan tingkat korelasi positif atau negatif, masing-masing.
260 WATT
Watts 1999b). Panjang korelasi mengatur seberapa jauh dari sumbernya pengaruh
menular harus menyebar sebelum “terasa” efek dari cara pintas. Oleh karena itu wabah
penyakit dapat dibagi secara alami menjadi dua tahap: (a) fase pertumbuhan lokal di
mana penyebarannya diperlambat oleh redundansi hadir dalam topologi jaringan lokal
(misalnya, kisi a); dan (b) fase pertumbuhan global, di mana ia dapat menyebar secara
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
eksponensial di seluruh jaringan melalui cara pintas acak. Karena panjang korelasi
mengatur transisi dari lokal untuk pertumbuhan global, model ini menunjukkan bahwa
untuk menjadi efektif, strategi untuk mencegah epidemi harus fokus pada menghilangkan
bahkan shortcut yang sangat langka, sehingga memperpanjang pertumbuhan lokal untuk
selama mungkin. Panjang korelasi jaringan mungkin juga penting dari perspektif evolusi.
sepatu bot
& Sasaki (1999) telah mengamati bahwa vektor penyakit seperti malaria dan kolera
cenderung lebih ganas (yaitu, mereka membunuh tuan mereka cepat) dibandingkan
penyakit menular menyebar melalui kontak langsung. Penjelasan adalah bahwa
download
vektor penyakit secara historis mampu menyebar melalui jarak jauh connections-
08/18/05.
manusia telah lebih dibatasi oleh kedekatan geografis dan karenanya harus bertahan
hidup lokal fase pertumbuhan sebelum mereka dapat mencapai status yang epidemi.
Penyakit yang mengandalkan kontak langsung karena itu akan berkembang virulensi
rendah, mereka berpendapat, agar tidak membakar diri sebelum mereka mencapai
oleh Columbia
panjang korelasi, sedangkan penyakit yang tidak dibatasi oleh fase pertumbuhan
University
Contagion sosial
Sebuah varian penting tapi kurang dipelajari penularan berlaku untuk kelas model
Putaran.
p
r
o
b
a
b
i
l
i
t
a
s
r
e
n
t
a
n
t
e
r
i
n
f
e
k
s
i
p
a
d
a
k
o
n
t
a
k
BARU ILMU JARINGAN 261
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
Gambar 5 (A) Probabilitas kumulatif infeksi untuk model SIR-jenis meningkatkan sekitar
linear dengan jumlah eksposur untuk infectives-konsekuensi dari sifat memori bebas
diasumsikan infeksi biologis. (B) Dalam penularan sosial, keputusan yang mahal dan
dipengaruhi oleh memori interaksi masa lalu; maka, kemungkinan kumulatif “infeksi”
menunjukkan perilaku ambang batas seperti.
paparan kedua atau ketiga (atau berikutnya), sehingga menyerupai Gambar 5b,
di mana tiba-tiba melompat terjadi ketika individu “threshold” keyakinan
download
08/18/05.
terlampaui.
pada
model ambang semacam ini muncul secara luas (Boorman & Levitt tahun 1980,
Granovetter & Soong 1988, Schelling 1978, Watts 2003) dan dapat menampilkan
dinamika kolektif yang sangat berbeda dari model SIR-jenis yang dijelaskan di atas.
Ketika individu diasumsikan untuk mencampur secara acak, misalnya, model SIR
oleh Columbia
mengakui pos-tanggung bahwa epidemi dapat dipicu oleh bibit awal sangat kecil
(bahkan infektif tunggal mungkin cukup), sedangkan model yang mewujudkan
University
ambang trivial memerlukan massal kritis awal yaitu, sebagian kecil terbatas infeksi
270.
global yang populasi sebelumnya adalah mungkin (Dodds & Watts 2004). Dan
ketika penularan sosial terjadi melalui jaringan jarang, epidemi-kadang disebut
Putaran.
cascades- global yang hanya dapat terjadi karena penularan sosial ketika
konektivitas jaringan tidak terlalu jarang atau terlalu padat (Watts 2002). Ini adalah
kondisi yang terakhir yang mengejutkan karena dalam penularan biologis
konektivitas yang lebih besar selalu menyiratkan lebih besar pos-tanggung bahwa
penyakit akan menyebar. Dalam penularan sosial, bagaimanapun, konektivitas padat
menjadikan banyak individu tahan terhadap sinyal baru, sehingga quashing terjun
bahkan sebelum mereka dapat mulai. Konsekuensi lain dari meningkatkan
konektivitas jaringan acak jarang adalah bahwa kaskade menjadi lebih besar tetapi
semakin langka. Akibatnya, adalah mungkin untuk kaskade yang universal (yaitu,
satu yang mempengaruhi seluruh pop-modulasi) dipicu oleh guncangan acak yang,
apriori, tidak dapat dibedakan dari ratusan guncangan berbahaya (Watts 2002).
konektivitas padat menjadikan banyak individu tahan terhadap sinyal baru, sehingga
quashing terjun bahkan sebelum mereka dapat mulai. Konsekuensi lain dari
meningkatkan konektivitas jaringan acak jarang adalah bahwa kaskade menjadi
lebih besar tetapi semakin langka. Akibatnya, adalah mungkin untuk kaskade yang
u aitu, satu yang mempengaruhi seluruh pop-modulasi) dipicu oleh guncangan acak
n yang, apriori, tidak dapat dibedakan dari ratusan guncangan berbahaya (Watts
i 2002). konektivitas padat menjadikan banyak individu tahan terhadap sinyal baru,
v sehingga quashing terjun bahkan sebelum mereka dapat mulai. Konsekuensi lain
e dari meningkatkan konektivitas jaringan acak jarang adalah bahwa kaskade menjadi
r lebih besar tetapi semakin langka. Akibatnya, adalah mungkin untuk kaskade yang
s universal (yaitu, satu yang mempengaruhi seluruh pop-modulasi) dipicu oleh
a guncangan acak yang, apriori, tidak dapat dibedakan dari ratusan guncangan
l berbahaya (Watts 2002).
( jaringan Kekokohan
y
kelas lain dari proses yang berhubungan dengan jaringan yang telah menjadi
subyek perhatian baru-baru ini menyangkut asal-usul dan efek dari kegagalan
node. Apakah diterapkan
262 WATT
sebagian kecil dari node dalam jaringan telah dihapus. Ketika node dihapus secara
08/18/05.
istimewa, namun, dalam urutan dari tertinggi ke tingkat terendah, hasil yang
pada
menjadi terputus adalah mereka yang gagal. Tapi ketika hub sengaja ditargetkan,
University
telah mengkonfirmasi fitur dasar dari jaringan skala bebas dan memperpanjang
temuan ke kelas yang lebih umum dari distribusi derajat (misalnya, distribusi power-
Putaran.
law dengan celana terbatas) , dan juga untuk link serta kegagalan node (Callaway et
al. 2000).
Baru-baru ini, endogen kegagalan-karena, misalnya, untuk jaringan congestion-
sudah mulai dimasukkan ke dalam model ketahanan jaringan (Arenas et al, 2001;.
Dodds et al 2003b;. Goh et al, 2001;.. Guimera et al, 2001, 2002). Misalnya, Arenas
et al. (2001) telah menunjukkan bahwa ketika dipilih secara acak pasang dalam
pesan hierar-chy lulus murni satu sama lain, di mana node intermediate dikenakan
biaya kecil untuk setiap pesan diteruskan, maka pada tingkat kritis pesan lewat
jaringan con-gestion mengalami transisi fase (Newman & Barkema 1999), di atas
yang hampir semua pesan dihambat oleh terbatasnya kapasitas fraksi kecil dari node
di bagian atas hirarki. Dengan demikian kedua (Bolton & Dewatripont 1994, Radner
1993) model ekonomi tradisional (Williamson 1975) dan juga lebih baru dari
arsitektur internal perusahaan,
Baru-baru ini, Dodds et al. (2003b) telah mengusulkan sebuah model pertukaran
informasi dalam jaringan organisasi yang menggabungkan gagasan efisiensi
(dipahami secara kasar sebagai memaksimalkan kinerja dengan biaya minimal
menambahkan ikatan jaringan) dan ketahanan, menemukan bahwa algoritma
sederhana untuk menambahkan ikatan horizontal dan vertikal untuk murni backbone
hirarkis menghasilkan apa yang mereka sebut ultrarobust jaringan-jaringan
BARU ILMU JARINGAN 263
KESIMPULAN
download
08/18/05.
Seperti yang saya harap ulasan ini telah membuat jelas, banyak ide dan metrik dari
pada
“baru” ilmu jaringan baik telah dipinjam dari, atau yang lain ditemukan kembali
inde-secara independen dari, garis keturunan yg kerja di matematika, ekonomi, dan
sosiologi. Sebagai contoh, intuisi bahwa beberapa acak “jalan pintas” di tengah-
tengah lingkungan lokal yang padat dapat menghasilkan struktur jaringan-dunia
oleh Columbia
kecil (Watts & Strogatz 1998) beruang kesamaan luar biasa untuk Rapoport (1963)
University
sosial (Dodds et al. 2003) secara eksplisit mengakui utang mereka untuk studi mani
Milgram (Korte
Putaran.
& Milgram 1970, Milgram 1967, Travers & Milgram 1969). The menemukan bahwa
pref-erential mekanisme lampiran dalam tumbuh jaringan dapat menyebabkan apa
yang sekarang disebut jaringan skala bebas (Barabasi & Albert 1999) ternyata
menjadi kasus khusus dari (1955) pelaksanaan Simon prinsip Gibrat, lebih dikenal di
Sosiologi -ogy sebagai Matthew Effect (Merton 1968), dan pertama kali diterapkan
ke jaringan oleh Harga (1980). klaim terkait yang sangat terhubung hub dalam
jaringan seksual dapat meningkatkan penyebaran penyakit menular (Pastor-Satorras
& Vespignani 2001) adalah equiv-alent temuan oleh Anderson & Mei (1988) yang
terkenal di masyarakat epidemiologi mathe-matical. Topik motif jaringan, yang
mendapat perhatian dalam ilmu biologi (Milo et al. 2002, Shen-Orr et al. 2002),
adalah, pada prinsipnya, identik dengan pendekatan sensus triad dari Holland &
Leinhardt (1981). Dan karya terbaru pada struktur jaringan ultrarobust (Dodds et al.
2003b) cocok menjadi garis panjang kerja dalam sosiologi organisasi dimulai
dengan Luka bakar & Stalker ini (1961) deskripsi dari organisasi organik.
Sebanyak itu memiliki kemiripan dengan pekerjaan sebelumnya, bagaimanapun,
apa yang baru tentang generasi sekarang penelitian terkait jaringan adalah sintesis
cepat muncul dan sangat interdisipliner dari teknik analisis baru, kekuatan com-
puting sangat besar yang lebih besar, dan volume belum pernah terjadi sebelumnya
dari empiris data. Sosiolog memiliki banyak keuntungan dari kemajuan ini, dan juga
banyak memberikan kontribusi. Sebagian besar pekerjaan dibahas dalam ulasan ini
b m fisika. Itu tidak mengherankan, fisika dan matematika biasanya mengarah
e
r
l
a
n
g
s
u
n
g
d
a
l
a
m
i
l
m
u
m
a
t
e
m
a
t
i
k
a
,
k
h
u
s
u
s
n
y
a
d
a
l
a
264 WATT
jalan metodologis, sedangkan ilmu biologi dan sosial ikuti dengan aplikasi. Tapi
dalam kasus ini, aliran ide-ide telah dua arah, dengan banyak ide-bukan inti
hanya aplikasi-yang datang dari Sosiologi-ogy. Fisikawan mungkin teknisi yang
mengagumkan, tetapi mereka sosiolog biasa-biasa saja. Dengan demikian, jika
ilmu jaringan adalah untuk hidup sampai dengan janji awal, kemudian yang lain
disiplin-sosiologi khususnya-harus menawarkan bimbingan dalam, misalnya, di-
terpretation temuan empiris dan teoritis, terutama dalam konteks aplikasi
kebijakan , dan juga dalam menyarankan langkah-langkah dan model yang
personaluseonly.
PUSTAKA
08/18/05.
dari
Adam LA. 1999. kecil web dunia. Dalam Lec- memudahkan Manusia. Oxford: Oxford
download
karya Arus: Teori, Algoritma, dan Ap- kekusutan kembali, dan kunci-in oleh
University
komplikasi. Upper Saddle River, NJ: peristiwa sejarah. Econ. J. 99: 116-31
Prentice Hall Axelrod RM. 1984. Evolusi coopera-tion. New
270.
Albert R, Jeong H, Barabasi AL. 1999. York: Basic Books. 241 pp.
Diame-ter dari World Wide Web. Nature Axtell R. 2001. Distribusi Zipf dari ukuran
Putaran.
Barabasi AL, Albert R, Jeong H. 2000. Skala Newman MEJ, Strogatz SH. 2001. Grafik
bebas karakteristik jaringan acak: topologi Apakah berlari-domly tumbuh benar-benar
dari World Wide Web. Physica A 281: 69- acak? Phys. Wahyu E 6404: 041.902
77 Callaway DS, Newman MEJ, Strogatz SH,
Barrat A, weigt M. 2000. Pada sifat dari Watts DJ. 2000. Jaringan ketahanan dan
model jaringan-dunia kecil. Eur. Phys. J. B kerapuhan: perkolasi pada grafik acak.
13: 547-60 Phys. Rev. Lett. 85: 5468-71
Barthelemy M, Amaral LAN. 1999. jaringan Cancho RFI, Sole RV. 2001. dunia kecil bahasa
Kecil-dunia: bukti untuk crossover pic- manusia. Proc. R. Soc. London Ser.
mendatang. Phys. Rev. Lett. 82: 3180-83. B 268: 2261-65
Ralat. 1999. Phys. Rev. Lett. 82: 5180 Cohen R, Erez K, Ben-Avraham D, Havlin S.
Bernard HR, Killworth PD, Evans MJ, 2000. Ketahanan Internet untuk kerusakan
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
McCarty C, Shelley GA. 1988. ran-dom. Phys. Rev. Lett. 85: 4626- 28
Mempelajari sosial rela-tions lintas budaya.
Ethnology 27 (2): 155- 79 Cohen R, Erez K, Ben-Avraham D, Havlin S.
Bhan A, Galas DJ, Dewey TG. 2002. Sebuah 2001. Perincian Internet diserang Inten-tional.
model pertumbuhan du-lipatan jaringan Phys. Rev. Lett. 86: 3682-85
ekspresi gen. Bioinformatika 18: 1486- Masak KS, Emerson RM, Gillmore MR, Yam-
1493 agishi T. 1983. Distribusi kekuasaan di
Bianconi G, Barabasi AL. 2001. Persaingan jaringan pertukaran: teori dan hasil
dan multiscaling dalam jaringan eksperimen. Saya. J. Sosiologi. 89: 275-305
berkembang. Eu-rophys. Lett. 54: 436-42 Masak KS, Molm LD, Yamagishi T. hubungan
Bikhchandani S, Hirshleifer D, Welch I. 1993. Ex-perubahan dan jaringan pertukaran:
download
08/18/05.
1992. Sebuah teori mode, fashion, adat, dan perkembangan re-sen dalam teori pertukaran
pada
sebagai jaringan komunikasi. QJ Econ. Davis GF, Yoo M, Baker KAMI. 2003. dunia
University
Altruisme. New York: Academic. 459 pp. Degenne A, Forse M. 1994. Memperkenalkan
Boots M, Sasaki A. 1999. 'Dunia kecil' dan Jaringan Sosial. London: Sage
Putaran.
evolusi virulensi: Infeksi terjadi secara Dodds PS, Muhamad R, Watts DJ. 2003a.
lokal dan jarak jauh. Proc. R. Soc. Lon-don Sebuah studi eksperimental dari pencarian
Ser. B 266: 1933-1938 di jaringan sosial global. Ilmu 301: 827-29
Bornholdt S, Ebel H. 2001. World Wide Web Dodds PS, Watts DJ. 2004. Perilaku Universal
skala eksponen dari 1955 Model Simon. dalam model umum penularan. Phys. Rev.
Phys. Wahyu E 6403: 035.104 Lett. sedang dicetak
Broder A, Kumar R, Maghoul F, Raghavan P, Dodds PS, Watts DJ, Sabel CF. 2003b.
Rajagopalan S, et al. 2000. Struktur Grafik pertukaran infor-masi dan kekokohan
di web. Comput. Jar. 33: 309-20 jaringan atau-ganizational. Proc. Natl.
Buchanan M. 2002. Nexus: Worlds Kecil dan Acad. Sci. USA 100: 12.516-21
Groundbreaking Ilmu Networks. New Dorogovtsev SN, Mendes JFF. 2000. Tepat
York: Norton. 235 pp. dipecahkan jaringan-dunia kecil. Europhys.
Luka bakar T, Stalker GM. 1961. Manajemen Lett. 50: 1-7
Inovasi. London: Tavistock. 269 pp. Dunne JA, Williams RJ, Martinez ND. 2002.
Callaway DS, Hopcroft JE, Kleinberg JM, Struktur Makanan-web dan teori jaringan:
266 WATT
sinyal-transduksi tidak diketahui.
Genetika 159: 1291-1298
peran connectance dan ukuran. Proc. Natl. Tindakan Ekonomi Granovetter M. 1985. dan
Acad. Sci. Amerika Serikat99: 12.917-22 begitu-
Eames KTD, Keeling MJ. 2002. Pemodelan
dy-Namic dan jaringan heterogeneities
dalam penyebaran penyakit menular
seksual. Proc. Natl. Acad. Sci. USA 99:
13.330-35
Ebenhoh O, Heinrich R. 2003. desain
Stoikiometri jaringan metabolik: multifungsi-
ality, cluster, optimasi, lemah dan ketahanan
yang kuat. Banteng. Matematika. Biol. 65:
323-57
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
Kermack WO, McKendrick AG. 1927. analisis cal. Dalam Kebebasan dan Kontrol di
Sebuah con-tribution teori matematika Mod-ern Society, ed. M Berger, T Abel, C
epidemi. Proc. R. Soc. London Ser. A 115: Page,
700-21 pp. 18-66. New York: Van Nostrand
Killworth PD, Bernard HR. 1978. terbalik Liljeros F, Edling CR, Amaral LAN, Stanley
kecil percobaan dunia. Soc. Jar. 1: 159- 92 HE, Aberg Y. 2001. web kontak seks ual
Kleinberg J. 2000a. The-dunia kecil phe- manusia. Nature 411: 907-8
nomenon: perspektif algoritmik. Proc. 32 Lloyd AL, RM Mei. 2001. Epidemiology-
ACM Symp. Teori Comput., Hlm. 163- 70 bagaimana virus menyebar di antara
komputer dan orang-orang. Ilmu 292: 1316-
Kleinberg JM. 2000b. Navigasi di kecil 1317
dunia-lebih mudah untuk menemukan Lohmann S. 1994. Dinamika terjun informa-
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
masalah dunia kecil. J. Pribadi. Soc. Psychol. Maslov S, Sneppen K. 2002. Kekhususan dan
15: 101-18 stabilitas di topologi jaringan protein. Sci-
Krapivsky PL, Redner S. 2001. Organisasi ence 296: 910-13
tumbuh jaringan acak. Phys. Wahyu E Mungkin RM, Lloyd AL. 2001. Infeksi
6306: 066.123 dynam-ics pada jaringan skala bebas. Phys.
oleh Columbia
Con-nectivity tumbuh jaringan acak. Phys. Merton RK. 1968. Efeknya Matius di sci-
Rev. Lett. 85: 4629-32 ence. Ilmu 159: 56-63
270.
MurrayJD.1993.
Matematis Biologi.
Berlin: Springer-Verlag. ed 2.
Newman MEJ. 2001. Struktur jaringan
kerjasama ilmiah. Proc. Natl. Acad. Sci.
USA 98: 404-9
Newman MEJ. 2002. asortatif pencampuran
dalam jaring-karya. Phy. Rev. Lett. 89:
208.701
Newman MEJ. 2003a. Ego berpusat jaringan
dan efek riak. Soc. Jar. 25: 83- 95
download
08/18/05.
pada
167-256
University
pp.
Newman MEJ, Girvan M. 2003. Mencari dan
mengevaluasi struktur komunitas dalam
jaringan. http://xxx.lanl.gov/abs/cond-
mat/0308217
Newman MEJ, Moore C, Watts DJ. Solusi
2000. Berarti-bidang model jaring-kerja-
dunia kecil. Phys. Rev. Lett. 84: 3201-4
Newman MEJ, Taman J. 2003. Mengapa
sosial bersih-karya yang berbeda dari jenis
lain dari net-karya. Phys. Wahyu E 68:
036.122
Newman MEJ, Strogatz SH, Watts DJ. 2001.
grafik Acak dengan gelar sewenang-
wenang Distri-butions dan aplikasi mereka.
Phys. Wahyu E 6402: 026.118
E 60: 7332-42
Newman MEJ, Watts DJ, Strogatz SH. 2002.
d model grafik acak dari jaringan sosial. Proc.
a Natl. Acad. Sci. USA 99: 2566-72
n Nishiguchi T, Beaudet A. 2000. Fractal de-sign:
mengorganisir diri link dalam rantai pasokan.
p Dalam Pengetahuan Penciptaan: Sumber Baru
e
Nilai, ed. G Von Krogh, saya Nonaka, T
r
Nishiguchi, pp. 199-230. London: Macmillan
k
o Pastor-Satorras R, Vazquez A, Vespignani A.
l 2001. dinamis dan korelasi sifat dari Internet.
a Phys. Rev. Lett. 8725: 258.701 Pastor-
s Satorras R, Vespignani A. 2001. Epi-Demic
i menyebar di jaringan skala bebas.
d Phys. Rev. Lett.86: 3200-3
a Pattison P, Wasserman S. 1999. model Logit dan
l regresi logistik untuk jaringan sosial.
a II. hubungan multivariat. Br. J. Math. Stat.
m Psychol. 52: 169-93
IDE kolam renang, Kochen M. 1978. Kontak
m dan di-Fluence. Soc. Jar. 1: 1-48
o Potterat JJ, Rothenberg RB, Muth SQ. 1999.
d Jaringan asam dinamika struktur infec-tious
e propagasi penyakit. Int. J. STD AIDS 10:
l 182-85
j Harga DJdeS. 1965. Jaringan ilmiah pa-pers.
a Ilmu 149: 510-15
r
Harga DJdeS. 1980. Sebuah teori umum biblio-
i
metrik dan lainnya keuntungan kumulatif pro-
n
cesses. Selai. Soc. Inf. Sci. 27: 292-306
g
a Radner R. 1993. Organisasi decentral-ized
n pengolahan informasi. Econometrica 61:
- 1109-1146
d Rapoport A. 1951. Nets dengan Bias jarak.
u Banteng. Matematika. Biophys. 13: 85-91
n Rapoport A. 1953a. Penyebaran informasi
i melalui populasi dengan Bias sosial-
a struktural: I. Asumsi transitivitas. Banteng.
k Matematika. Biophys. 15: 523-33
e Rapoport A. 1953b. Penyebaran informasi
c melalui populasi dengan Bias sosial-
i struktural: II. Berbagai model dengan
l parsial peralihan-tivity. Banteng.
. Matematika. Biophys. 15: 535-46
P Rapoport A. 1957. Kontribusi untuk teori
h jaring acak dan bias. Banteng. Matematika.
y Biophys. 19: 257-77
s Rapoport A. 1963. Model matematika dari
.
W
a
h
y
u
BARU ILMU JARINGAN 269
66: 021.905
Shen-Orr SS, Milo R, Mangan S, Alon U.
270.
Watt DJ. 2003. Six Degrees: The Science of a chies: Analisis dan Antitrust Implikasi.
terhubung Umur. New York: Norton New York: Free Press
Watts DJ, Dodds PS, Newman MEJ. 2002. Wu F, Huberman BA, Adam IA, Tyler JR.
Iden-tity dan pencarian dalam jaringan mengalir 2004. Informasi dalam kelompok
sosial. Ilmu 296: 1302-5 sosial. Physica A: Stat. Mech. Appl. sedang
Watts DJ, Strogatz SH. 1998. Kolektif dy- dicetak
namics jaringan 'kecil-dunia. Nature 393: Wuchty S. 2002. Interaksi dan domain net-
440-42 karya ragi. Proteomik 2: 1715-1723
DB barat. 1996. Pengantar Teori Graph. Upper Yook SH, Jeong HW, Barabasi AL. 2002.
Saddle River, NJ: Prentice Hall Pemodelan topologi skala besar Internet.
Putih DR, Harary F. 2001. kekompakan blok Proc. Natl. Acad. Sci. USA 99: 13.382-86
di jaringan sosial: konektivitas dan HP muda. 1998. kontrak konvensional. Rev.
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
CONTENTS
Gambar muka-W. Richard Scott xii
PREFATORY Cab
Refleksi Setengah Abad Sosiologi Organisasi,
W. Richard Scott 1
download
08/18/05.
Sosial PROCESSES
“New” Science of Networks, Duncan J. Watts 243
Kohesi Sosial, Noah E. Friedkin 409
sayaNSTITUTIONS DAN CULTURE
Penggunaan Data koran dalam Studi Aksi Kolektif,
Jennifer Earl, Andrew Martin, John D. McCarthy,
dan Sarah A. Soule 65
Konsumen dan Konsumsi, Sharon Zukin dan Jennifer Smith Maguire 173
Produksi Budaya Perspektif, Richard A. Peterson dan N. Anand 311
Penjelasan endogen dalam Sosiologi Budaya, Jason Kaufman 335
POLITICAL DAN ECONOMIC SOCIOLOGY
Sosiologi Hak Kekayaan, Bruce G. Carruthers dan
Laura Ariovich 23
Protes dan Peluang Politik, David S. Meyer 125
Pengetahuan Ekonomi, Walter W. Powell dan Kaisa Snellman 199
v
vi ISI
Risiko baru untuk Pekerja: Wisma, Pasar Tenaga Kerja, dan Gender,
Kim M. Shuey dan Angela M. O'Rand 453
Organisasi advokasi dalam Proses AS Politik, Kenneth T. Andrews
dan Bob Edwards 479
dari arjournals.annualreviews.org
Untuk penggunaan pribadi saja.
Ruang dalam Studi Pasar Tenaga Kerja, Roberto M. Fernandez dan Celina
Su 545
DIFFERENTIATION DAN STRATIFICATION
Gender dan Bekerja di Jerman: Sebelum dan Sesudah Reunifikasi,
Rachel A. Rosenfeld, Heike Trappe, dan Janet C. Gornick 103
sayaNDIVIDUAL DAN SOCIETY
Sosiologi Sexualities: Queer dan Beyond, Joshua Gamson dan
Dawne Bulan 47
download
08/18/05.
DEMOGRAPHY
pada
PEBIJAKAN
270.
sayaNDEXES
Indeks subjek 571
Indeks kumulatif Berkontribusi Penulis, Volume 21-30 591
Indeks kumulatif Judul Bab, Volume 21-30 595
ERRATA
Log online koreksi Ulasan Tahunan bab Sosiologi dapat ditemukan
di http://soc.annualreviews.org/errata.shtml