개체(노드)들 사이의 연결 관계를 분석합니다. 누가 중심인지, 어떤 집단으로 나뉘는지, 전체 구조가 어떤지 파악합니다.
NetMiner 기준네트워크는 일반 통계와 데이터 형태가 다릅니다. 가진 데이터에 맞춰 세 가지 입력 방법 중 하나를 선택합니다. ① 엣지리스트는 'from, to, weight' 세 열로 '누가 누구와 얼마나 연결'을 적는 가장 직관적인 방식입니다. ② 인접행렬은 노드×노드 표에 1(연결)·0(없음)을 채웁니다. ③ 변수 데이터는 설문 응답을 올리면 문항 간 상관으로 네트워크를 자동 생성합니다(심리네트워크).
데이터 성격에 맞춰 네 가지를 설정합니다. 방향성(친구관계는 무방향, 인용·팔로우는 방향), 가중치(연결 강도 사용 여부), 노드 라벨 표시, 그리고 임계값입니다. 임계값 슬라이더를 올리면 약한 연결이 잘려 핵심 구조만 남습니다.
중심성(누가 중요한가), 군집(어떤 집단으로 나뉘는가), 구조지표(밀도·지름·평균경로)를 한 번에 계산합니다. 노드 위치가 자동 배치된 네트워크 그래프가 함께 그려집니다.
분석을 실행하면 아래 항목들이 우리말 해석문과 함께 자동으로 제시됩니다. 각 숫자가 무엇을 뜻하는지 미리 알아두세요.
연결중심성이 높으면 직접 연결이 많은 인기 노드입니다. 매개중심성이 높으면 서로 다른 집단을 잇는 다리 역할(정보 길목)을 합니다. 근접중심성은 전체에 빠르게 닿는 노드, 고유벡터중심성은 중요한 노드와 연결된 노드입니다. 표에서 순위로 제시됩니다.
Louvain 알고리즘이 찾은 군집이 그래프에서 색으로 구분됩니다. 모듈성(Q) 값이 0.3 이상이면 군집 구조가 뚜렷한 편입니다. 같은 색 노드끼리는 내부 연결이 조밀합니다.
밀도는 가능한 연결 중 실제 연결 비율(1에 가까울수록 촘촘). 지름은 가장 먼 두 노드 사이 거리. 평균경로길이가 짧으면 좁은 세상(small world) 구조입니다.