194.050 Social Network Analysis
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2019W, VU, 2.0h, 3.0EC

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage 

  • theoretische Konzepte und Methoden auf praktische Aufgabenstellungen der sozialen Netzwerkanalyse anwenden,
  • vernetzte Daten analysieren, und 
  • die Ergebnisse eine sozialen Netzwerkanalyse einordnen und entsprechende Schlüsse für weitere Aktionen ziehen.

Inhalt der Lehrveranstaltung

Zu den Themen, die in diesem Kurs behandelt werden, gehören u.a. Grundlagen der Graphentheorie, wichtige Metriken und Maße in der Netzwerktheorie, Identifizieren von Communities, Analyse sozialer Netzwerke, das "Kleine-Welt" Experiment, Struktur des World Wide Webs, Netzwerk Struktur in großem Maßstab sowie Netzwerk-Prozesse.

Methoden

 Inhalte werden in Vorträgen vorgestellt und in begleitenden Übungen von Studierenden erarbeitet. Außerdem gibt es ein Gruppenprojekt.

Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

Beginn: 1. Oktober 2019 

Am 8. Oktober findet die Lehrveranstaltung nicht statt!

Bemerkung: Studierende eines Bachelorstudiums können nur am Kurs teilnehmen, wenn sich schon über mindestens 162 ECTS verfügen.

Aufwand für Studierende (in Stunden):

  • Vorlesung: 15
  • Computergestützte Übungen: 15
  • Projektarbeit: 20
  • Vorbereitung Test: 25
  • Summe: 75

Vortragende

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Di.10:00 - 12:0001.10.2019 - 28.01.2020FAV Hörsaal 1 Vorlesung
Di.10:00 - 12:0022.10.2019FAV Hörsaal 3 Zemanek (Seminarraum Zemanek) Vorlesung
Social Network Analysis - Einzeltermine
TagDatumZeitOrtBeschreibung
Di.01.10.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.08.10.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.15.10.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.22.10.201910:00 - 12:00FAV Hörsaal 3 Zemanek (Seminarraum Zemanek) Vorlesung
Di.29.10.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.05.11.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.12.11.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.19.11.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.26.11.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.03.12.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.10.12.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.17.12.201910:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.07.01.202010:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.14.01.202010:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.21.01.202010:00 - 12:00FAV Hörsaal 1 Vorlesung
Di.28.01.202010:00 - 12:00FAV Hörsaal 1 Vorlesung

Leistungsnachweis

Die Beurteilung erfolgt auf Basis eines schriftlichen Tests, kontinuierlich in Übungen erbrachter Leistungen und eines Gruppenprojekts.

LVA-Anmeldung

Von Bis Abmeldung bis
15.09.2019 10:32 08.10.2019 23:59 22.10.2019 23:59

Curricula

StudienkennzahlSemesterAnm.Bed.Info
066 645 Data Science
066 926 Business Informatics

Literatur

Die Folien zur Lehrveranstaltung werden im Web bereitgestellt.

--

Aggarwal, C. C. (Ed.): Social Network Data Analytics. Springer, 2011.

Barabási, A.-L.: Network Science. E-Book, Work in Progress. http://barabasilab.neu.edu/networksciencebook/

Brandes, U., Erlebach, T.: Network analysis : methodological foundations. Springer, 2005.

Easley, D., Kleinberg, J.: Networks, crowds, and markets: reasoning about a highly connected world. Cambridge Univ. Press, 2010. http://www.cs.cornell.edu/home/kleinber/networks-book/

Hanneman, R. A., Riddle, M.: Introduction to social network methods. University of California, Riverside, 2005. http://www.faculty.ucr.edu/~hanneman/nettext/

Hansen, D. L., Shneiderman, B., Smith, M.. A.: Analyzing social media networks with NodeXL: insights from a connected world. Morgan Kaufmann, 2011.

Monge, P. R., Contractor, N. S.: Theories of communication networks. Oxford University Press, 2003.

Newman, M. E. J.: Networks: an introduction. Oxford Univ. Press, 2011.

Vorkenntnisse

Grundkenntnisse in Linearer Algebra, Analysis und Statistik

Sprache

Englisch