Kurzfassung

Soziale Netzwerke sind der Antrieb der Informationsgesellschaft. Technologie-übergreifend werden über sie Informationen verbreitet und Ressourcen in nahezu jedem Bereich des gesellschaftlichen Lebens abgerufen. Entwicklungen wie das Internet erleichtern es zudem überregionale, interpersonelle Netzwerke zu knüpfen. In diesem Buch werden die Strukturen von sozialen virtuellen Netzwerken und ihre Dynamik untersucht. Neben theoretischen Betrachtungen zur Entstehung und Dynamik im medialen Umfeld werden Studien zu Strukturen von Netzwerken bei computervermittelter Individualkommunikation ausgewertet und mit Simulationsergebnissen von vier stochastischen Modellen verglichen. Die Auswertung der Studien bestätigt bisherige Erkenntnisse bezüglich der Eigenschaften der Netzwerke. Es zeigt sich, dass aktuelle Simulationsmodelle die grundlegenden dynamischen Prozesse nur unzureichend abbilden. Die Vergleichsmaße der simulierten Netzwerke weichen signifikant von den in empirischen Studien ermittelten Maßen ab. In der abschließenden Diskussion wird aufgezeigt, dass der Fehler im fundamentalen Verständnis der strukturellen Dynamik liegt. Ausgehend davon werden Vorgehensweisen für ein empirisch valides Modell besprochen.

Kaiser, A. (2011): Social Virtuality – Strukturen, Dynamik, Analyse und Simulation in sozialen virtuellen Netzwerken (1. Aufl.). Herzogenrath: Shaker Verlag

Veröffentlicht unter Social Virtuality - Das Buch | Verschlagwortet mit , , , , | Kommentare deaktiviert für Kurzfassung

Inhaltsverzeichnis

1. Einleitung
1.1 Untersuchungsgegenstand

1.2 Begriffsbestimmung
1.2.1 Medium
1.2.2 Computervermittelte Individualkommunikation
1.2.3 Kontakt
1.2.4 Graph
1.2.5 Soziales Netzwerk
1.2.6 Soziales virtuelles Netzwerk

2. Medientheoretische Grundlagen
2.1 Theorien zur Medienwahl

2.1.1 Rationale Medienwahl
2.1.2 Normative Medienwahl
2.1.3 Interpersonale Medienwahl
2.2 Theorien zu Medieneigenschaften und Kommunikationsverhalten
2.2.1 Kanalreduktion
2.2.2 Filtertheorien
2.2.3 Deindividuation
2.3 Mediale Einordnung
2.4 Fazit
3. Dynamik in Netzwerken
3.1 Akteurorientierte Phänomene
3.1.1 Prominenz
3.1.2 Cliquenbildung
3.1.3 Reziprozität
3.1.4 Balancetheorie
3.1.5 Einfluss und Selektion
3.2 Netzwerkorientierte Dynamik
3.2.1 Evolution
3.2.2 Lebenszyklus
3.3 Fazit
4. Paradigma der strukturellen Analyse
4.1 Netzwerkgröße
4.2 Pfadlänge
4.3 Netzwerkdurchmesser
4.4 Clustering Coefficient
4.5 Small-World-Netzwerk
4.6 Kantengrad
4.7 Zentralität
5. Empirische Netzwerkeigenschaften
5.1 E-Mail
5.1.1 EMEB
5.1.2 EMGU
5.2 Forum
5.2.1 DBRR
5.2.2 DBZHO
5.3 Blog
5.3.1 BLGO
5.3.2 BLFU
5.4 Instant Messaging
5.4.1 IMLES
5.4.2 IMSMI
5.5 Social Community
5.5.1 SOCAH
5.5.2 SOCYU
5.6 Fazit
6. Simulationsmodelle
6.1 Erdös-Rényi-Modell
6.2 Watts-Strogatz-Modell
6.3 Barabasi-Albert-Modell
6.4 Forest-Fire-Modell
6.5 Fazit
7. Modifikationen und Ableitungen
7.1 Mehrere Kanten
7.2 Grundstruktur
7.3 Alterung
7.4 Fazit
8. Diskussion
9. Zusammenfassung
10. Ausblick
11. Literaturverzeichnis
12. Abbildungsverzeichnis
13. Tabellenverzeichnis
14. Abkürzungsverzeichnis
15. Index
16. Glossar

Kaiser, A. (2011): Social Virtuality – Strukturen, Dynamik, Analyse und Simulation in sozialen virtuellen Netzwerken (1. Aufl.). Herzogenrath: Shaker Verlag

Veröffentlicht unter Social Virtuality - Das Buch | Verschlagwortet mit , , , , | Kommentare deaktiviert für Inhaltsverzeichnis

Literaturverzeichnis

11. Literaturverzeichnis

(Sponsored Links)

Abraham, A., Hassanien, A. & Snásel, V. (2010): Computational social network analysis trends, tools and research advances. Berlin; New York: Springer-Verlag.

Adamic, L. (1999): The Small World Web. In: ECDL ’99: Proceedings of the Third European Conference on Research and Advanced Technology for Digital Libraries, S. 443-452. London, UK: Springer-Verlag.

Ahn, Y., Han, S., Kwak, H., Moon, S. & Jeong, H. (2007): Analysis of topological characteristics of huge online social networking services. In: Proceedings of the 16th international conference on World Wide Web, S. 835-844. Banff, Alberta, Canada: ACM.

Albert, R. & Barabási, A. (2002): Statistical mechanics of complex networks. In: Reviews of Modern Physics , 74, S. 47-97.

Amaral, L. A. N., Scala, A., Barthélémy, M. & Stanley, H. E. (2000): Classes of small-world networks. In: Proceedings of the National Academy of Sciences of the United States of America, 97(21), S. 11149-11152.

Barabási, A. & Albert, R. (1999): Emergence of Scaling in Random Networks. In: Science, 286(5439), S. 509-512.

Barnes, B. (1977): Interests and the growth of knowledge (1. Aufl.). London: Routledge and K. Paul.

Bell, D. J., Loader, B. D., Pleace, N. & Schuler, D. (2003): Cyberculture The Key Concepts (1. Aufl.). London: Routledge.

Beyer, H. (2001): The theory of evolution strategies (1. Aufl.). Berlin; New York: Springer-Verlag.

Brin, S. & Page, L. (1998): The anatomy of a large-scale hypertextual Web search engine. In: Proceedings of the seventh international conference on World Wide Web 7, S. 107-117. Brisbane, Australia: Elsevier Science Publishers B. V.

Bruce, S. & Yearley, S. (2006): The Sage dictionary of sociology (1. Aufl.). London [u.a.]: SAGE Publ.

BVerfG. (2010, März 2): 1 BvR 256/08. Verfügbar unter: http://www.bverfg.de/entscheidungen/rs20100302_1bvr025608.html. Zugegriffen am 28. Mai 2010.

Castells, M. (2005): Die Internet-Galaxie (1. Aufl.). Wiesbaden: VS Verlag für Sozialwissenschaften.

Choudhury, M. D., Mason, W. A., Hofman, J. M. & Watts, D. J. (2010): Inferring relevant social networks from interpersonal communication. In: Proceedings of the 19th international conference on World Wide Web, S. 301-310. Raleigh, North Carolina, USA: ACM.

Christakis, N. A. & Fowler, J. H. (2010): Connected!: Die Macht sozialer Netzwerke und warum Glück ansteckend ist. (J. Neubauer, Übers.) (1. Aufl.). Frankfurt: Fischer.

Clausen, G. (2009): Führung: das sensible Zusammenspiel. In: K. Schattenhofer & C. Edding (Hrsg.), Alles über Gruppen: Theorie, Anwendung, Praxis, S. 358-403. Weinheim: Beltz.

Clauset, A., Newman, M. E. J. & Moore, C. (2004): Finding community structure in very large networks. In: Physical Review E, 70(6), S. 066111-1 – 066111-6.

Culnan, M. J. & Markus, L. M. (1987): Information Technologies. In: F. E. A. Jablin (Hrsg.), Handbook of organizational communication : an interdisciplinary perspective, S. 420-433. Newbury Park: Sage.

Daft, R. & Lengel, R. (1984): Information Richness: A new approach to managerial behavior and organization design. In: Research in Organizational Behavior, 6, S. 191-233.

Daft, R. & Lengel, R. (1986): Organizational information requirements, media richness and structural design. In: Management Science, 32(5), S. 554-571.

Davidsen, J., Ebel, H. & Bornholdt, S. (2002): Emergence of a Small World from Local Interactions: Modeling Acquaintance Networks. In: Physical Review Letters, 88(12), S. 128701.

Davis, J. A. (1967): Clustering and Structural Balance in Graphs. In: Human Relations, 20(2), S. 181-187.

Dennis, A. R. & Valacich, J. S. (1999): Rethinking Media Richness: Towards a Theory of Media Synchronicity. In: Proceedings of the 32nd Annual Hawaii International Conference on System Sciences, 1, S. 1017-1027. Maui: IEEE Computer Society.

Diaz-Bone, R. (1997): Ego-zentrierte Netzwerkanalyse und familiale Beziehungssysteme (1. Aufl.). Wiesbaden: Dt. Univ.-Vlg.

Doreian, P. (2002): Event sequences as generators of social network evolution. In: Social Networks, 24(2), S. 93-119.

Doreian, P. & Krackhardt, D. (2001): Pre-Transitive Balance Mechanisms for Signed Networks. In: Journal of Mathematical Sociology, 25(1), S. 43-67.

Döring, N. (2003): Sozialpsychologie des Internet. Die Bedeutung des Internet für Kommunikationsprozesse, Identitäten, soziale Beziehungen und Gruppen. (2. Aufl.). Göttingen: Hogrefe-Verlag.

Dunbar, R. I. M. (1993): Coevolution of Neocortical Size, Group Size and Language in Humans. In: Behavioral and Brain Sciences, 16(04), S. 681-735.

Eagle, N., Macy, M. & Claxton, R. (2010): Network Diversity and Economic Development. In: Science, 328(5981), S. 1029-1031.

Ebel, H., Mielsch, L. & Bornholdt, S. (2002): Scale-free topology of e-mail networks. In: cond-mat/0201476. Verfügbar unter: http://arxiv.org/abs/cond-mat/0201476. Zugegriffen am 19. Februar 2009.

Emirbayer, M. & Goodwin, J. (1994): Network Analysis, Culture, and the Problem of Agency. In: The American Journal of Sociology, 99(6), S. 1411-1454.

Erdös, P. & Rényi, A. (1959): On the Random Graphs I. In: Publicationes Mathematicae, (6), S. 290-297.

Fenner, T., Levene, M. & Loizou, G. (2007): A model for collaboration networks giving rise to a power-law distribution with an exponential cutoff. In: Social Networks, 29(1), S. 70-80.

Fowler, J. H. & Christakis, N. A. (2008): Dynamic spread of happiness in a large social network: longitudinal analysis over 20 years in the Framingham Heart Study. In: BMJ, 337(dec04_2), S. a2338.

Freeman, L. & Thompson, C. (1989): Estimating acquaintanceship volume. In: M. Kochen (Hrsg.), The small World, S. 147–158. Norwood, NJ: Ablex Publishing Corporation.

Freeman, L. C. (1979): Centrality in Social Networks Conceptual Clarification. In: Social Networks, 1(3), S. 215-239.

Fu, F., Liu, L. & Wang, L. (2008): Empirical analysis of online social networks in the age of Web 2.0. In: Physica A: Statistical Mechanics and its Applications, 387(2-3), S. 675-684.

Fuchs, C. (2008): Internet and society: social theory in the information age (1. Aufl.). New York: Routledge.

Fuchs-Heinritz, W., Lautmann, R., Rammstedt, O. & Wienold, H. (2007): Lexikon zur Soziologie (4. Aufl.). Wiesbaden: VS Verlag für Sozialwissenschaften.

Fulk, J., Schmitz, J. & Steinfeld, C. W. (1990): A Social Influence Model of Technology Use. In: J. Fulk, J. Schmitz, & C. W. Steinfeld (Hrsg.), Organizations and Communication Technology, S. 117-140. Newbury Park: Sage.

Girvan, M. & Newman, M. E. J. (2002): Community structure in social and biological networks. In: Proceedings of the National Academy of Sciences of the United States of America, 99(12), S. 7821-7826.

Glaeser, E. L., Sacerdote, B. & Scheinkman, J. A. (1996): Crime and Social Interactions. In: The Quarterly Journal of Economics, 111(2), S. 507-548.

Goldberg, M., Magdon-Ismail, M., Kelley, S. & Mertsalov, K. (2009): Stable Statistics of the Blogograph. In: Protecting Persons While Protecting the People, Lecture Notes in Computer Science, 5661/2009, S. 104-114. Berlin; New York: Springer-Verlag.

Gouldner, A. W. (2005): Etwas gegen nichts. Reziprozität und Asymetrie. In: F. Adloff & S. Mau (Hrsg.), Vom Geben und Nehmen. Zur Soziologie der Reziprozität, S. 109-124. Frankfurt, New York: Campus Verlag.

Granovetter, M. S. (1973): The Strength of Weak Ties. In: American Journal of Sociology, 78(6), S. 1360-1380.

Guimera, R., Danon, L., Diaz-Guilera, A., Giralt, F. & Arenas, A. (2003): Self-similar community structure in a network of human interactions. In: Physical Review E, 68(6), S. 065103.

Heider, F. (1946): Attitudes and cognitive organisation. In: The Journal of Psychology, 21, S. 107-112.

Heider, F. (1958): The psychology of interpersonal relations (1. Aufl.). New York: John Wiley & Sons.

Heidler, R. (2008): Zur Evolution sozialer Netzwerke. Theoretische Implikationen einer akteursbasierten Methode. In: C. Stegbauer (Hrsg.), Netzwerkanalyse und Netzwerktheorie, S. 359-372. Wiesbaden: VS Verlag für Sozialwissenschaften.

Hennig, M. (2006): Individuen und ihre sozialen Beziehungen (1. Aufl.). Wiesbaden: VS Verlag für Sozialwissenschaften.

Hiltz, S. R. (1985): Online communities (1. Aufl.). Bristol, UK: Intellect Books.

Höflich, J. (1996): Technisch vermittelte interpersonale Kommunikation : Grundlagen, organisatorische Medienverwendung, Konstitution „elektronischer Gemeinschaften“ (1. Aufl.). Opladen: Westdeutscher Verlag.

Höflich, J. R. (2003): Mensch, Computer und Kommunikation: Theoretische Verortungen und empirische Befunde (1. Aufl.). Frankfurt: Peter Lang.

Holzer, B. (2005): Vom globalen Dorf zur kleinen Welt: Netzwerke und Konnektivität in der Weltgesellschaft. In: B. Heintz (Hrsg.), Weltgesellschaft: theoretische Zugänge und empirische Problemlagen, Zeitschrift für Soziologie, Sonderheft, S. 314-329. Stuttgart: Lucius und Lucius.

Holzer, B. (2006): Netzwerke (1. Aufl.). Bielefeld: Transcript-Verlag.

Hummon, N. P. & Doreian, P. (2003): Some dynamics of social balance processes: bringing Heider back into balance theory. In: Social Networks, 25(1), S. 17-49.

ITU. (2010): ITU estimates two billion people online by end 2010. Verfügbar unter: http://www.itu.int/net/pressoffice/press_releases/2010/39.aspx. Zugegriffen am 21. Oktober 2010.

Jansen, D. (2006): Einführung in die Netzwerkanalyse Grundlagen, Methoden, Forschungsbeispiele (3. Aufl.). Wiesbaden: VS Verlag für Sozialwissenschaften.

Katz, N., Lazer, D., Arrow, H. & Contractor, N. (2005): The Network Perspective on Small Groups: Theory and Research. In: M. S. Poole & A. B. Hollingshead (Hrsg.), Theories of small groups: interdisciplinary perspectives, S. 277-312. Thousand Oaks [u.a.]: Sage Publ.

Kiesler, S., Siegel, J. & Timothy, W. M. (1988): Social psychological aspects of computer-mediated communication (Reprint). In: Computer-supported cooperative work: a book of readings, S. 657-682. San Fransisco: Morgan Kaufmann Publishers Inc.

Kleimann, B., Özkilic, M. & Göcks, M. (2008): Studieren im Web 2.0: Studienbezogene Web- und E-Learning-Dienste. Verfügbar unter: https://hisbus.his.de/hisbus/docs/hisbus21.pdf. Zugegriffen am 14. Dezember 2008.

Kleinberg, J., Kumar, R., Raghavan, P., Rajagopalan, S. & Tomkins, A. (1999): The Web as a Graph: Measurements, Models, and Methods. In: Proceedings of the 5th Annual International Conference in Computing and Combinatorics, COCOON’99 , S. 1-17. Berlin; New York: Springer-Verlag.

Kleinberg, J. M. (2000): The small-world phenomenon: an algorithm perspective. In: Proceedings of the thirty-second annual ACM symposium on Theory of computing, S. 163-170. Portland, Oregon, United States: ACM.

Klemm, K. & Eguíluz, V. (2002): Highly clustered scale-free networks. In: Physical Review E, 65(3).

Köhler, T. (2003): Das Selbst im Netz: Die Konstruktion sozialer Identität in der computervermittelten Kommunikation (1. Aufl.). Wiesbaden: Westdeutscher Verlag.

Kollmann, T. & Stöckmann, C. (2007): Oszillationen bei der Diffusion von elektronischen Marktplätzen — Implikationen für den Wettbewerb jenseits der kritischen Masse. In: Theoretische Fundierung und praktische Relevanz der Handelsforschung, S. 577-594. Wiesbaden: Gabler.

Kossinets, G. & Watts, D. J. (2006): Empirical Analysis of an Evolving Social Network. In: Science, 311(5757), S. 88-90.

Kratzer, J. & Lettl, C. (2009): Distinctive Roles of Lead Users and Opinion Leaders in the Social Networks of Schoolchildren. In: Journal of Consumer Research, 36(4), S. 646-659.

Kumar, R., Raghavan, P., Rajagopalan, S., Sivakumar, D., Tomkins, A. & Upfal, E. (2000): Stochastic models for the Web graph. In: Proceedings of the 41st Annual Symposium on Foundations of Computer Science, S. 57. Redondo Beach, USA: IEEE Computer Society.

Leskovec, J. & Horvitz, E. (2008): Planetary-scale views on a large instant-messaging network. In: Proceeding of the 17th international conference on World Wide Web, S. 915-924. Beijing, China: ACM.

Leskovec, J., Kleinberg, J. & Faloutsos, C. (2005): Graphs over Time: Densification Laws, Shrinking Diameters and Possible Explanations. In: Proceedings of the International Conference on Knowledge Discovery and Data Mining (KDD’05). Chicago: ACM.

Leskovec, J., Kleinberg, J. & Faloutsos, C. (2007): Graph evolution: Densification and shrinking diameters. In: ACM Transactions on Knowledge Discovery from Data, 1(1), S. 2-41.

Leskovec, J., Lang, K. J., Dasgupta, A. & Mahoney, M. W. (2008): Community Structure in Large Networks: Natural Cluster Sizes and the Absence of Large Well-Defined Clusters. Verfügbar unter: http://arxiv.org/abs/0810.1355. Zugegriffen am 3. Juli 2009.

Lloyd-Smith , J., Schreiber, S., Kopp, P. & Getz, W. (2005): Superspreading and the effect of individual variation on disease emergence. In: Nature, (438), S. 355-359.

Luhmann, N. (2008): Einführung in die Systemtheorie (4. Aufl.). Heidelberg: Auer.

Maslov, S. & Redner, S. (2008): Promise and Pitfalls of Extending Google’s PageRank Algorithm to Citation Networks. In: J. Neurosci., 28(44), S. 11103-11105.

Matsumoto, M. & Nishimura, T. (1998): Mersenne twister: a 623-dimensionally equidistributed uniform pseudo-random number generator. In: ACM Trans. Model. Comput. Simul., 8(1), S. 3-30.

McCue, B. (2002): Another view of the „small world“. In: Social Networks, 24(2), S. 121-133.

Milgram, S. (1967): The Small World Problem. In: Psychology Today , 1(2), S. 60–67.

Mitchell, C. J. (1969): The concept and use of social networks. In: C. J. Mitchell (Hrsg.), Social networks in urban situations. Analyses of personal relationships in central African Towns, S. 1-50. Manchester: Manchester University Press.

Newman, M. E. J. (2001): The structure of scientific collaboration networks. In: Proceedings of the National Academy of Sciences USA, 98(2), S. 404-409.

Newman, M. E. J., Moore, C. & Watts, D. J. (1999): Mean-Field Solution of the Small-World Network Model. In: Physical Review Letters, 84(14), S. 3201–3204.

Newman, M. E. J., Strogatz, S. H. & Watts, D. J. (2001): Random graphs with arbitrary degree distributions and their applications. In: Physical Review E, 64(2), S. 026118.

Omidi, S. & Masoudi-Nejad, A. (2010): Network Evolution: Theory and Mechanis. In: A. Abraham, A. Hassanien, & V. Snásel (Hrsg.), Computational social network analysis trends, tools and research advances, Computer, Communications and Networks. Berlin; New York: Springer-Verlag.

Onnela, J. & Reed-Tsochas, F. (2010): Spontaneous emergence of social influence in online systems. In: Proceedings of the National Academy of Sciences, PNAS Early Edition. Verfügbar unter: http://www.pnas.org/content/early/2010/10/05/0914572107.full.pdf+html. Zugegriffen am 16. Oktober 2010.

Preece, J. (2000): Online communities: designing usability, supporting sociability (1. Aufl.). Chichester [u.a.]: Wiley.

Price, D. J. D. (1965): Networks of Scientific Papers. In: Science, 149(3683), S. 510-515.

Ravid, G. & Rafaeli, S. (2004): Asynchronous discussion groups as Small World and Scale Free Networks. In: First Monday, 9(9). Verfügbar unter: < a href="http://firstmonday.org/htbin/cgiwrap/bin/ojs/index.php/fm/article/viewArticle/1170/1090" target="_blank">http://firstmonday.org/htbin/cgiwrap/bin/ojs/index.php/fm/article/viewArticle/1170/1090. Zugegriffen am 19. Februar 2009.

Sahlins, M. D. (2005): Zur soziologie des primitiven Tauschs. In: F. Adloff & S. Mau (Hrsg.), Vom Geben und Nehmen: Zur Soziologie der Reziprozität, S. 73-94. Frankfurt; New York: Campus Verlag.

Salganik, M. J., Dodds, P. S. & Watts, D. J. (2006): Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market. In: Science, 311(5762), S. 854-856.

Schaefer, C. & Hoser, B. (2008): Die Beeinflussung von Zentralitätsmaßen der sozialen Netzwerkanalyse durch Gästeaccounts in Internet-Diskussionsforen. In: C. Stegbauer (Hrsg.), Netzwerkanalyse und Netzwerktheorie ein neues Paradigma in den Sozialwissenschaften, S. 273-286. Wiesbaden: VS Verlag für Sozialwissenschaften.

Seidman, S. B. (1983): Network structure and minimum degree. In: Social Networks, 5(3), S. 269-287.

Short, J., Williams, E. & Christie, B. (1976): The Social Psychology of Telecommunications (1. Aufl.). San Francisco: John Wiley & Sons Ltd.

Smith, R. D. (2002): Instant Messaging as a Scale-Free Network. In: cond-mat/0206378. Verfügbar unter: http://arxiv.org/abs/cond-mat/0206378. Zugegriffen am 27. Juli 2009.

Song, C., Havlin, S. & Makse, H. A. (2006): Origins of fractality in the growth of complex networks. In: Nature Physics, 2(4), S. 275-281.

Spears, R. & Lea, M. (1992): Social influence and the influence of the „social“ in computer-mediated communication. In: M. Lea (Hrsg.), Contexts of computer-mediated communication, S. 30-65. New York: Harvester Wheatsheaf.

Spears, R., Lea, M. & Lee, S. (1990): Deindividuation and group polarisation in computer-mediated communication. In: British Journal of Social Psychology, 29(2), S. 121-134.

Stegbauer, C. (2006a): Kommunikationsgruppen im Internet. In: Strukturalistische Internetforschung, S. 41-65. Wiesbaden: VS Verlag für Sozialwissenschaften.

Stegbauer, C. (2006b): Von den Online Communities zu den computervermittelten sozialen Netzwerken. Eine Reinterpretation klassischer Studien. In: Strukturalistische Internetforschung, S. 67-94. Wiesbaden: VS Verlag für Sozialwissenschaften.

Stroebe, W., Jonas, K., Hewstone, M. & Reiss, M. (2002): Sozialpsychologie: Eine Einführung (4. Aufl.). Berlin; Heidelberg: Springer-Verlag.

Theis, A. M. (1994): Organisationskommunikation. Theoretische Grundlagen und empirische Forschungen (1. Aufl.). Opladen; Wiesbaden: Westdeutscher Verlag.

Thiedeke, U. (1997): Medien, Kommunikation und Komplexität – Vorstudien zur Informationsgesellschaft (1. Aufl.). Opladen; Wiesbaden: Westdeutscher Verlag.

Tiberius, V. (2008): Prozesse und Dynamik des Netzwerkwandels (1. Aufl.). Wiesbaden: Gabler.

Tipp, A. (2008): Doing being present. Instant Messaging aus interaktionssoziologischer Perspektive. In: C. Stegbauer & M. Jäckel (Hrsg.), Social Software, S. 175-193. Wiesbaden: VS Verlag für Sozialwissenschaften.

Trappmann, M., Hummell, H. J. & Sodeur, W. (2005): Strukturanalyse sozialer Netzwerke: Konzepte, Modelle, Methoden (1. Aufl.). Wiesbaden: VS Verlag für Sozialwissenschaften.

Travers, J. & Milgram, S. (1969): An Experimental Study of the Small World Problem. In: Sociometry, 32(4), S. 425-443.

Vázquez, A. (2003): Growing network with local rules: Preferential attachment, clustering hierarchy, and degree correlations. In: Physical Review E, 67(5), S. 056104.

Walther, J. B., Anderson, J. F. & Park, D. W. (1994): Interpersonal Effects in Computer-Mediated Interaction: A Meta-Analysis of Social and Antisocial Communication. In: Communication Research, 21(4), S. 460-487.

Wang, J. & Chiu, C. (2008): Recommending trusted online auction sellers using social network analysis. In: Expert Systems with Applications, 34(3), S. 1666-1679.

Wasserman, S. & Faust, K. (1994): Social Network Analysis: Methods and Applications (1. Aufl.). Cambridge: Cambridge University Press.

Wasserman, S. & Faust, K. (2007): Social Network Analysis: Methods and Applications (16. Aufl.). Cambridge: Cambridge University Press.

Watts, D. J. (1999): Networks, Dynamics and the Small-World Phenomenon. In: American Journal of Sociology , 105(2), S. 493–527.

Watts, D. J., Muhamad, R. & Dodds, P. S. (2003): An Experimental Study of Search in Global Social Networks. In: Science, 301, S. 827–829.

Watts, D. J. & Strogatz, S. H. (1998): Collective dynamics of ’small-world‘ networks. In: Nature, 393(6684), S. 440-442.

Wellman, B. (1988): Structural Analysis: From Method and Metaphor to Theory and Substance. In: B. Wellman & S. D. Berkowitz (Hrsg.), Social Structures: A Network Approach, S. 19-61. Cambridge: Cambridge University Press.

Wellman, B. & Gulia, M. (1998): Net-Surfers Don’t Ride Alone: Virtual communities as communities. In: B. Wellman (Hrsg.), Networks in the Global Village: Life In Contemporary Communities, S. 331-366. Boulder, Colo : Westview Press.

Wellman, B. (2000): Die elektronische Gruppe als soziales Netzwerk. In: U. Thiedeke (Hrsg.), Virtuelle Gruppen : Charakteristika und Problemdimensionen, S. 134-167. Wiesbaden: Westdeutscher Verlag.

Wiswede, G., Gabriel, M., Gresser, F. & Haferkamp, A. (2004): Sozialpsychologie-Lexikon (1. Aufl.). München: Oldenbourg Verlag.

Yuta, K., Ono, N. & Fujiwara, Y. (2007): A Gap in the Community-Size Distribution of a Large-Scale Social Networking Site. In: physics/0701168. Verfügbar unter: http://arxiv.org/abs/physics/0701168. Zugegriffen am 7. Juli 2009.

Zachary, W. W. (1977): An Information Flow Model for Conflict and Fission in Small Groups. In: Journal of Anthropological Research, 33(4), S. 452-473.

Zhongbao, K. & Changshui, Z. (2003): Reply networks on a bulletin board system. In: Physical Review. E, Statistical, Nonlinear, and Soft Matter Physics, 67(3 Pt 2).

Kaiser, A. (2011): Social Virtuality – Strukturen, Dynamik, Analyse und Simulation in sozialen virtuellen Netzwerken (1. Aufl.). Herzogenrath: Shaker Verlag

Veröffentlicht unter Social Virtuality - Das Buch | Verschlagwortet mit , , , , , , | Kommentare deaktiviert für Literaturverzeichnis

Kanalreduktion

2.2.1 Kanalreduktion

Die Theorie der Kanalreduktion bezieht sich auf die konkreten Kanaleigenschaften von Medien. In Abhängigkeit vom verwendeten Medium stehen den Kommunikationsteilnehmern mehr oder weniger Kanäle für die Kommunikation zur Verfügung. Im Wesentlichen gibt es den visuellen, nonverbalen, taktilen, auditiven und den Textkanal (vgl. Köhler 2003: 27)⁠.

In den Anfangsjahren der Computernetze waren die Möglichkeiten der CviK sehr beschränkt. Zumeist standen textbasierte, asynchrone Dienste wie E-Mail und Usenet zur Verfügung sowie beispielsweise IRC als Vertreter synchroner Kommunikationsdienste. Textbasierte Kommunikation ist jedoch relativ kanalarm. So ist weder ein visueller, auditiver, nonverbaler oder taktiler Kanal vorhanden. So verwundert es nicht, dass CviK seitens der Wissenschaft mit negativen Attributen belegt wurde. Aufgrund der Kanalreduktion auf der physikalischen Reizebene, wurde eine Verarmung der Kommunikation auf der psycho-sozialen Ebene angenommen.

„Ent-Sinnlichung, Ent-Emotionalisierung, Ent-Kontextualisierung und sogar Ent-Menschlichung sind Stichworte, die den defizitären Charakter der textbasierten bzw. kanalreduzierten Telekommunikation kennzeichnen sollen (Bleuel, 1984; Eurich, 1983; Kubicek & Rolf, 1986, S. 263ff.; Mettler-von Meibom, 1994, S. 18f.; Volpert, 1985, S. 94). Da computerbasierte Kommunikation nicht nur auf den Textkanal reduziert ist, sondern auch zwischen geographischen Distanzen vermittelt und asynchron stattfinden kann, kommen zur Ent-Sinnlichung noch Ent-Räumlichung und Ent-Zeitlichung hinzu (Hermann, 1994). Diese Entleerung der Kommunikation wird umfassend als Ent-Wirklichung tituliert (Raulet, 1992, S. 54) […] .“(Döring 2003: 149)

Zwar können bei der CviK individuelle, subjektive Eindrücke dieser Art entstehen, es kann jedoch bezweifelt werden, dass durch die computervermittelte Kommunikation Raum, Zeit oder Wirklichkeit aufgehoben werden können. Der Bezug auf diese Größen ist zwar nicht für das Zustandekommen der Kommunikation relevant, jedoch kann beispielsweise der Aufenthaltsort als ein zumindest temporäres Identifikationsmerkmal der Kommunikationsteilnehmer fungieren. Aus einer Studie zum Nutzerverhalten im Instant Messaging Netzwerk MSN geht hervor, dass durchaus räumliche Grenzen auch in der Kommunikation via Internet existieren. Dies zeigt sich vor allem in Form sprachlicher Barrieren. So haben beispielsweise Kommunikationspartner bis zu 20 Konversationen in ihrer Sprache gleichzeitig geführt. Die Anzahl der Konversationen mit weit entfernten Partnern nahm aufgrund des gesteigerten Aufmerksamkeitsbedarfs wegen der sprachlichen Unterschiede rapide ab. Auch wurde die Aufmerksamkeit mehr auf diese fremdsprachigen Unterhaltungen fokussiert und daher kaum mehrere Konversationen gleichzeitig geführt (vgl. Leskovec & Horvitz 2008)⁠.

Als Beleg für die Kommunikationsverarmung bzw. „Ent-Wirklichung“ wird vielfach das Beispiel der Enttäuschung, welche „Netzbekannte“ bei einem ftf Treffen gelegentlich erleben, angeführt. Die Enttäuschung resultiert daraus, dass sich Kommunikationspartner bei der CviK nicht „wirklich“ kennen lernen, da bewusst oder unbewusst wesentliche Informationen vorenthalten werden. Dem können jedoch entgegengesetzte Erfahrungen gegenüber gestellt werden. Teilweise entstehen aus solchen Netzbekanntschaften dauerhafte Freundschaften, die aufgrund von Vorurteilen, Kategorisierung und Stereotypisierung bei einem ersten Kennenlernen in einer ftf Situation oder räumlicher Distanz nie zustande gekommen wären (vgl. Döring 2003: 152)⁠.

Der technikdeterministischen Betrachtungsweise lassen sich auch Kompensationsmöglichkeiten entgegen stellen. So können durch die Verwendung von Substituten, Sound-Wörtern und Emoticons die Beschränkungen teilweise kompensiert werden. Eine vollständige Kompensation ist allein schon deshalb nicht möglich, weil viele Informationen bei der ftf Kommunikation unbewusst ausgesendet werden und bei der textbasierten CviK bewusst übermittelt werden müssen. Empirisch ließ sich eine pauschale emotionale Abkühlung der Kommunikation in Langzeit-Feldstudien und Szenarien jedoch nicht nachweisen (vgl. Walther, Anderson & Park 1994)⁠.

Ist der Kommunikationsinhalt problem- oder lösungsorientiert, wie beispielsweise bei virtuellen Teams, relativieren sich die bisher genannten Kritikpunkte an der CviK. Insbesondere dann, wenn die Medienwahl rational getroffen wurde und das gewählte Medium die Kommunikationsbedürfnisse der Teilnehmer erfüllt.
Aufgrund der technischen Entwicklung bei den Kompressionsverfahren und höheren Datenraten bei Internetanbindungen lassen sich IP-basierte Videokonferenzen schon mit geringem Aufwand realisieren1. Damit stehen deutlich mehr mediale Kanäle, insbesondere der auditive und visuelle Kanal, für die Kommunikation zur Verfügung, was eine Annäherung an die ftf Kommunikation bedeutet.

Kaiser, A. (2011): Social Virtuality – Strukturen, Dynamik, Analyse und Simulation in sozialen virtuellen Netzwerken (1. Aufl.). Herzogenrath: Shaker Verlag

Veröffentlicht unter Social Virtuality - Das Buch | Verschlagwortet mit , , , , , , , , , , , | Kommentare deaktiviert für Kanalreduktion

Theorien zu Medieneigenschaften und Kommunikationsverhalten

2.2 Theorien zu Medieneigenschaften und Kommunikationsverhalten

Dieses Kapitel beschäftigt sich mit Theorien zu den grundlegenden Medieneigenschaften, auf die teilweise zuvor bereits eingegangen wurde und ergänzt abschließend die Ausführungen mit der darauf aufbauenden SIDE Theorie zum Kommunikationsverhalten. Bei den Ausführungen steht die textbasierte Kommunikation aufgrund von umfangreicher Forschung auf diesem Gebiet im Mittelpunkt.

Kaiser, A. (2011): Social Virtuality – Strukturen, Dynamik, Analyse und Simulation in sozialen virtuellen Netzwerken (1. Aufl.). Herzogenrath: Shaker Verlag

Veröffentlicht unter Social Virtuality - Das Buch | Verschlagwortet mit , , , | Kommentare deaktiviert für Theorien zu Medieneigenschaften und Kommunikationsverhalten

Interpersonale Medienwahl

2.1.3 Interpersonale Medienwahl

Die interpersonale Medienwahl ist auf den konkreten Kommunikationspartner ausgerichtet. Statt rational zu entscheiden oder das Medium anhand der Nutzung im eigenen Umfeld oder des Kommunikationspartners zu beurteilen, kann die Medienwahl nach dem Modell der „technisch vermittelten interpersonalen Medienwahl und Kommunikation“ von Höflich auf die Kommunikationspartner abgestimmt werden (vgl. Höflich 1996: 102)⁠.

Die Abstimmung kann freiwillig vollzogen oder durch den Kommunikationspartner erzwungen werden. Ist die Kommunikation für beide Akteure ähnlich bedeutsam, so ist eine freiwillige, einvernehmliche Einigung auf ein bevorzugtes Medium möglich. Die Kommunikationsteilnehmer passen ihre Mediennutzung gegenseitig an. Dabei kann die Medienkompetenz des Einzelnen im zeitlichen Verlauf der Kommunikation gesteigert werden, wenn dieser die Verwendung eines Mediums erlernt bzw. bereits Erlerntes vertieft. So kann beispielsweise ein Teilnehmer aufgrund vieler Spam-Mails auf das Medium E-Mail eher verzichten und sich mit seinem Kommunikationspartner aus rationalen Gründen auf die Verwendung eines Wiki-Systems oder Ähnlichem einigen. Ist dieser bisher noch nicht im Umgang mit Wikis geübt, kann er die Vor- und Nachteile durch die eigene Nutzung kennenlernen und zukünftig dieses Mittel zur Kommunikation einsetzen.

Besteht der Kommunikationspartner jedoch auf ein bestimmtes Medium und ist die Bedeutung der Kommunikation unbalanciert, so kann die Verwendung dieses Mediums aufgezwungen werden. Wird insbesondere aufgrund von mangelnder Medienkompetenz ein Medium verwendet, welches die kommunikativen Bedürfnisse nur unzureichend bzw. ungenügend erfüllt, kann dies eine negative Medienbewertung verstärken. Wird beispielsweise einseitig aufgrund von fehlender Medienkompetenz das Telefon als Medium bevorzugt, kann es zu Kommunikationsproblemen führen, wenn der Kommunikationsteilnehmer nur eingeschränkt, z. B. zu bestimmten Tageszeiten, erreichbar ist. Einige Bedürfnisse, wie die Verteilung von digital vorliegenden Projektunterlagen, können durch das Medium Telefon nicht bedient werden, was ein zeit- und kostenaufwändiges ftf Treffen oder ein Dokumententransport per Kurier notwendig machen kann.

Kaiser, A. (2011): Social Virtuality – Strukturen, Dynamik, Analyse und Simulation in sozialen virtuellen Netzwerken (1. Aufl.). Herzogenrath: Shaker Verlag

Veröffentlicht unter Social Virtuality - Das Buch | Verschlagwortet mit , , , , | Kommentare deaktiviert für Interpersonale Medienwahl

Normative Medienwahl

2.1.2 Normative Medienwahl

Die Medienwahl wird neben den rationalen Kosten-Nutzen Kriterien nach dem Social Influence Model auch von den Normen des sozialen Umfeldes, der eigenen Medienkompetenz und der Verfügbarkeit bzw. Zuverlässigkeit eines Mediums beeinflusst (vgl. Fulk, Schmitz & Steinfeld 1990)⁠. Dabei kann die Medienwahl zugunsten eines Mediums ausfallen, welches den Bedürfnissen der Kommunikationsteilnehmer nicht oder unzureichend gerecht wird (vgl. Döring 2003: 143 ff.)⁠. Das soziale Umfeld beeinflusst die Medienbewertung insofern, als das beispielsweise einem Medium ein bestimmtes Image zugeschrieben wird. So kann ein Unternehmen ein bestimmtes Medium bevorzugen, um als modern und innovativ zu gelten. Wird ein Medium vom sozialen Umfeld als besonders nützlich angesehen und oft eingesetzt, passt sich die individuelle Medienbewertung der Bewertung und Nutzung des Umfeldes an1 (vgl. Hiltz 1985: 56)⁠.

Bestimmte Medieneigenschaften, wie hohe soziale Präsenz (vgl. Kap. 2.1.1), können einem Medium durch das Umfeld zugeschrieben werden, die das Individuum wegen mangelnder Medienkompetenz oder Ähnlichem nicht in dieser Art und Weise erlebt. Dennoch fällt die Medienbewertung und Akzeptanz aufgrund der Annahme von Gruppennormen und Gruppenpolarisation (vgl. Kap. 2.2.3) eher zugunsten dieses Mediums aus.

Die Bewertung der technischen Zuverlässigkeit und Verfügbarkeit kann ebenfalls durch das Umfeld beeinflusst werden. Fällt ein Medium oft aus oder ist aus anderen Gründen nicht verfügbar, kann durch das Umfeld eine höhere Zuverlässigkeit suggeriert und die Störungen als nicht signifikant betrachtet werden. Die Betonung von Vorzügen des Mediums durch die Kommunikationspartner im Umfeld kann ebenso die individuelle Bewertung beeinflussen. Auf individuelle Handlungsmotivation wird auch im Kapitel 3.1 im Zusammenhang mit der Netzwerkbildung eingegangen.

1Auf individuelle Handlungsmotivation wird auch im Kapitel 3.1 im Zusammenhang mit der Netzwerkbildung eingegangen.

Kaiser, A. (2011): Social Virtuality – Strukturen, Dynamik, Analyse und Simulation in sozialen virtuellen Netzwerken (1. Aufl.). Herzogenrath: Shaker Verlag

Veröffentlicht unter Social Virtuality - Das Buch | Verschlagwortet mit , , , , , , , , | Kommentare deaktiviert für Normative Medienwahl

Medientheoretische Grundlagen

2 Medientheoretische Grundlagen

In diesem Kapitel werden Theorien zu Medien und Verhalten bei computervermittelter Individual-Kommunikation in Netzwerken und Gruppen besprochen und damit die Frage (F1.1) beantwortet. Diese stellen das Umfeld dar und liefern somit die Rahmenbedingungen für den Aufbau und die Aufrechterhaltung von Kontaktnetzwerken.

2.1 Theorien zur Medienwahl

An dieser Stelle wird auf die Medienwahl und die damit zusammenhängende Medienbewertung eingegangen. Hierfür werden Theorien über die Einflüsse besprochen, welche bei der Entscheidung für ein Medium auf das Individuum einwirken.

Kaiser, A. (2011): Social Virtuality – Strukturen, Dynamik, Analyse und Simulation in sozialen virtuellen Netzwerken (1. Aufl.). Herzogenrath: Shaker Verlag

Veröffentlicht unter Social Virtuality - Das Buch | Verschlagwortet mit , , , , , , | Kommentare deaktiviert für Medientheoretische Grundlagen

Begriffsbestimmung

1.2 Begriffsbestimmung

1.2.1 Medium

Ein Medium wird, im Zusammenhang mit computervermittelter Individualkommunikation, nach Thiedeke als „[…] Strukturen technischer Instrumente, […] die der Mitteilung von Informationen über lokale, temporale und soziale Distanzen dienen“ (Thiedeke 1997: 336)⁠ verstanden.

1.2.2 Computervermittelte Individualkommunikation

Nach Köhler (2003)⁠ ist computervermittelte Kommunikation (CvK) jene Kommunikation, „[…] bei der mindestens zwei Individuen in einer nicht ftf Situation durch die Anwendung eines oder mehrerer computerbasierter Hilfsmittel miteinander in Beziehung treten“ (Köhler 2003: 18 f.)⁠. Diese Definition ist unzureichend. Es ist zwar eine Abgrenzung zur ftf Kommunikation sowie zu klassischen Medien wie analogem Telefon und TV gegeben, aber Internet-Telefonie (VoIP) und IPTV werden ebenfalls mit einbezogen. Da Computertechnik seit Längerem ebenfalls bei den klassischen Massenmedien wie TV beim TV-Sender eingesetzt wird, ist auch die Abgrenzung diesbezüglich nicht mehr gegeben. Um diese Abgrenzung zu gewährleisten, wird von computervermittelter Individualkommunikation (CviK) ausgegangen. Diese wird in Anlehnung an Köhler (2003)⁠ wie folgt definiert:

Computervermittelte Individualkommunikation (CviK) ist jene Kommunikation, bei der mindestens zwei Individuen, welche sich in gleicher Weise an der Kommunikation beteiligen können, in einer nicht-ftf Situation durch die beidseitige Anwendung computerbasierter Hilfsmittel miteinander in Beziehung treten.

1.2.3 Kontakt

Ein interpersoneller Kontakt zwischen zwei Individuen1 ist eine zumindest flüchtige Beziehung, welche aus einer zumindest einmaligen, bidirektionalen Kommunikation entsteht, bei der die Namen bzw. eindeutige Identifikationsmerkmale der Individuen ausgetauscht werden. Der Kontakt besteht, solange die Möglichkeit einer erneuten Kommunikation gegeben ist.

Diese Definition ist aus dem Experiment von Milgram (1967)⁠ und der Arbeit von Choudhury u.a. (2010)⁠ abgeleitet. Der Austausch von Namen bzw. eindeutigen Identifikationsmerkmalen ist enthalten, weil dies die Grundvoraussetzung ist, um einen Kontakt reaktivieren zu können. Kann einer der Kontaktpersonen sein Gegenüber später nicht mehr identifizieren, ist der Kontakt zu dieser Person beendet, da sie ihn nicht mehr reaktivieren kann. Choudhury u.a. (2010)⁠ weisen darauf hin, dass ein einmaliger, bidirektionaler Kommunikationsvorgang nicht zwangsläufig bereits einen sozialen Kontakt bedeuten muss, jedoch kann. Auf die Qualität der Kontakte wird in diesem Buch nicht eingegangen, sie kann jedoch aus der Anzahl der Kommunikationsvorgänge, abgeleitet werden.

1.2.4 Graph

Aus der Definition für Kontakt ergeben sich mehrere Einschränkungen der allgemeinen Graph-Definition. Zum einen ist der Kontakt bidirektional, was einen ungerichteten Graphen ergibt. Zum anderen wird ein zumindest einmaliger Kommunikationsvorgang vorausgesetzt und keine weitere Gewichtungsspezifikation vorgenommen, weshalb der Graph ungewichtet ist. Ebenso wird nichts über weitere mögliche Attribute der Relationen ausgesagt, weshalb eine Relation nur zwei Zustände annehmen kann: vorhanden oder nicht vorhanden. Dies ergibt die folgende Definition:

Sei G=(V,E) ein ungewichteter, ungerichteter Graph mit Knoten v aus der Menge
V={v1,…,vn} und Kanten eij=eji aus der Menge E ⊆ V×V zwischen den Knoten vi und vj. Sei weiterhin ki der Kantengrad eines Knotens vi, mit vi∈V und ki,vi∈ℤ. Die Nachbarschaft2 eines Knotens vi ist die Menge Ni∈V die alle Knoten vj enthält, welche mit dem Knoten vi durch eine Kante verbunden sind und somit Ni={vj}:eij∈E gilt.

1.2.5 Soziales Netzwerk

In den späten 60er Jahren wurde der Begriff des sozialen Netzwerks in Bezug auf die Graphentheorie als „a specific set of linkages among a defined set of persons with the additional property that the characteristics of these linkages as a whole may be used to interpret the social behavior of the persons involved“ (Mitchell 1969: 2)⁠ definiert. Allgemeiner lässt sich ein soziales Netzwerk definieren als eine Menge von Individuen, welche durch Interaktionen Verbindungen zueinander herstellen. In Bezug auf die Graphentheorie werden die Individuen durch Knoten und die Interaktionen durch Kanten repräsentiert (vgl. Barnes 1977: 237; Castells 2005: 9)⁠. Graph und Netzwerk sind synonyme Konzepte (vgl Omidi & Masoudi-Nejad 2010: 191)⁠ und werden deshalb auch so verwendet.

1.2.6 Soziales virtuelles Netzwerk

Nach Theis (1994)⁠ ist Kommunikation im Zusammenhang mit Netzwerken „[…] das Bindeglied zwischen den Mitgliedern eines Systems (einer Organisation), die als Knoten in einer größeren Struktur gesehen werden“ (Theis 1994: 235)⁠. Bezieht man Höflich (2003: 65f.)⁠ mit ein, nach welchem im Internet informations- und kommunikationsgetriebene virtuelle Gemeinschaften entstehen, lässt sich ein virtuelles soziales Netzwerk (sovine) folgendermaßen definieren:

Ein virtuelles soziales Netzwerk ist ein soziales Netzwerk, bei welchem die Interaktion in Form von computervermittelter Individualkommunikation stattfindet.

1In der Sozialforschung auch als Ego bezeichnet (vgl. Fuchs-Heinritz u. a. 2007: 150)⁠.

2In der Sozialforschung werden Knoten, welche mit dem Ego über direkte Kontaktbeziehungen verbunden sind, als Alteri bezeichnet (vgl. Fuchs-Heinritz u. a. 2007: 150)⁠. Somit ist |V| die Menge der Alteri.

Kaiser, A. (2011): Social Virtuality – Strukturen, Dynamik, Analyse und Simulation in sozialen virtuellen Netzwerken (1. Aufl.). Herzogenrath: Shaker Verlag

Veröffentlicht unter Social Virtuality - Das Buch | Verschlagwortet mit , , , , , , , | Kommentare deaktiviert für Begriffsbestimmung