Abstract:
یکی از مشکلات سازمانها، عدم تشخیص بهموقع تغییرات گسترده نظیر بحرانها است. شناسایی این تغییرات و تصمیمگیری درخصوص آنها همواره با تاخیر همراه است. یکی از راههای تشخیص بحران در سازمانها، بررسی و تجزیه و تحلیل شبکه اجتماعی کارکنان سازمان است. مدلهایی که تاکنون در این خصوص مورد استفاده قرار گرفتهاند عموما مبتنی بر گراف بوده و از فرض عدم تجانس میان گرهها استفاده کردهاند. چنین مدلهایی بهدلیل ماهیت ایستایی گرافها قابلیت مدلسازی رفتارهای پویا را ندارند. تاکنون مطالعهای در مورد رویکرد پویاییهای سیستم در تحلیل رفتار شبکههای اجتماعی در طول زمان یافت نشده است. به منظور پر کردن این شکاف تحقیقاتی، در مقاله حاضر، با استفاده از چارچوب پویاییشناسی سیستمها به مدلسازی شبکه اجتماعی پویا با در نظر گرفتن رفتار عدم تجانس گرهها پرداخته شده است. در این روش، برای شبیهسازی رفتار جمعی گرهها و برجسته کردن تصادفی بودن شبکههای اجتماعی پویا از معادلات دیفرانسیل تصادفی استفاده شده است. این مدلسازی در نرمافزار ونسیم شبیهسازی شده است. بهمنظور اعتبارسنجی مدل ارائه شده، این مدلسازی بر روی شبکه ارتباطات شرکت انرون ارزیابی شده است. در ادامه با بررسی سناریوهای شبیهسازی و متغیرها مشخص شد نرخ تلاطم یا انحراف استاندارد دادهها، متغیر اهرمی در شبکههای اجتماعی است. نتایج این تحقیق الگویی از رفتار شبکههای اجتماعی در شرایط مختلف را در اختیار تصمیمگیرندگان و برنامهریزان قرار میدهد.
One main problem in organizations is the lack of timely detection of large-scale changes such as crises. Detecting the changes is always delayed. One way to detect a crisis in an organization is to examine and analyze the social network of the employees. The models used so far in this field are generally graph-based and use the assumption of heterogeneity of nodes. Such models are not capable of modeling dynamic behaviors due to the static nature of the graphs. So far, no study has been found on the system dynamics approach in analyzing the behavior of longitudinal social networks. In order to fill this research gap, in this paper, using the system dynamics framework, dynamic social network modeling is done by considering the heterogeneity behavior of nodes. In this method, stochastic differential equation is used to simulate the collective behavior of nodes and to highlight the stochasticity of dynamic social networks. This modeling is simulated in Vensim software. In order to validate the proposed model, this modeling has been evaluated on Enron's communication network. Then, by examining the simulation scenarios and variables, it was found that the volatility rate or standard deviation of the data is a key variable in social networks. The results of this study provide a model of social media behavior in different situations for decision makers and planners.
Machine summary:
به منظور پر کردن این شکاف تحقیقاتی، در مقاله حاضر، با استفاده از چارچوب پویاییشناسی سیستم ها به مدل سازی شبکه اجتماعی پویا با در نظر گرفتن رفتار عدم تجانس گره ها پرداخته شده است .
در این روش ، برای شبیه سازی رفتار جمعی گره ها و برجسته کردن تصادفی بودن شبکه های اجتماعی پویا از معادلات دیفرانسیل تصادفی استفاده شده است .
در این تحقیق با استفاده از پویاییشناسی سیستم ها، مدل سازی شبکه اجتماعی در طول زمان صورت گرفته است ، این مدل سازی بر روی شبکه ارتباطات شرکت انرون ارزیابی شده است .
(به تصویر صفحه مراجعه شود) تاکنون ، مطالعات زیادی بر روی مدل سازی شبکه های اجتماعی با استفاده از گراف ها صورت گرفته است .
Feld, "Structural embeddedness and stability of interpersonal relations," Social Networks, vol.
Karaivanov, "A social network model of COVID-19," PLoS ONE, vol.
Chen, "Social Networks and Dynamic Firm Performance: Evidence from the," REVISTA DE CONTABILIDAD SPANISH ACCOUNTING REVIEW, vol.
PINTER-WOLLMAN, "Using multilayer network analysis to explore," Current Zoology, vol.
A. Van Duijn, "NO LONGER DISCRETE: MODELING THE DYNAMICS OF SOCIAL NETWORKS AND CONTINUOUS BEHAVIOR," Sociological Methodology, vol.
azar, "Investigating the relationship between supply network structure and production efficiency: social network analysis and data envelopment analysis," Modern Researches in Decision Making, vol.
Afsar, "Comparative analysis of the structural attributes of supply network firms in auto industry (social network analysis approach)," Modern Researches in Decision Making, vol.
Tantrum, "Model- based," Journal of Royal Statistical Society, vol.