3. 1-mode 실습
• 파일1 매트릭스 : 고등학생 동창생 간 통화 발신 목록
• 파일2 속성 : 거주지(국내/해외), 학생 유무
• 출처 : 카카오톡 단체 채팅 동창생 간 1대1 설문 조사를 실시
• 과정 : 속성 파일의 거주지는 색(국내/해외)과 크기로 구분, 학생 유무는 모양(▲, ■)으로
구분하였다.
• 해석 : 카카오톡 단체 채팅방 중에서도 좀 더 친한 사람끼리의 통화가 왼쪽과 오른쪽으로
구별이 된다. 특히 호주에서 워킹 홀리데이를 하고 있는 친구끼리의 통화 빈도가 더 높았
다. 추석에 전부에게 안부전화를 돌린 2명을 제외하면 통화가 거의 이루어지지 않는 것
으로 나타났다.
• 한계 : 카카오톡 메시지 개수를 가지고 시도해 보려 했으나 데이터가 많을 뿐더러 예전
문자메시지(SMS)에 비해 무의미한 메시지가 많아 통화 목록으로 정하였다.
4. 연결중심성
1 2 3 4
Outdeg Indeg nOutdeg nIndeg
---- ---- ---- ----
1 박효찬 25.000 28.000 2.778 3.111
2 강윤기 13.000 4.000 1.444 0.444
3 전세환 32.000 23.000 3.556 2.556
4 서진우 20.000 19.000 2.222 2.111
5 이령원 11.000 26.000 1.222 2.889
6 이동훈 9.000 13.000 1.000 1.444
7 민성식 17.000 15.000 1.889 1.667
8 이재을 37.000 47.000 4.111 5.222
9 박준찬 31.000 30.000 3.444 3.333
10 이종원 35.000 25.000 3.889 2.778
< 해석 >
이재을이 In-Degree와 Out-Degree가
모두 높은 것으로 나타났다. 10명 중 가장
사교적인 친구라 교류 방향이 높다. 그리고
박준찬과 이종원은 이재을과 같이 호주에서
워킹 홀리데이를 하고 있는데 모두 떨어진
곳에서 살고 있어 세 명간의 연결중심성이
다른 사람들에 비해 훨씬 높은 것으로 나타
났다. 반면 강윤기는 더 좋은 대학을 가기위
해 대입 준비중이라 가장 낮은 연결중심성
을 보였다.
5. 집중도
1 2
Outdeg Indeg
---- ----
1 Sheet1 1.7284 2.9630
< 해석 >
In-Degree에서 집중도가 강하다. 각 노드마
다 전화를 하는 것(발신) 보다 전화를 받는 빈도
(수신)가 상대적으로 많다는 것을 의미한다.
6. 매개중심성
1 2
Betweenness nBetweenness
----- -----
1 박효찬 10.905 15.146
8 이재을 9.762 13.558
7 민성식 8.226 11.425
5 이령원 5.310 7.374
3 전세환 3.667 5.093
9 박준찬 2.869 3.985
10 이종원 1.619 2.249
2 강윤기 0.393 0.546
6 이동훈 0.250 0.347
4 서진우 0.000 0.000
< 해석 >
박효찬과 이재을이 매개중심성이 높은 것
으로 나타났다. 동창생 10명이지만 더 친한
정도로 3팀으로 나눠지는데 박효찬과 이재
을은 3팀 다 친분이 있기 때문인 것으로 보
인다. 반면 이동훈과 서진우는 본인 팀 말고
는 교류가 없고 필요할 때 가끔씩 연락하는
사이이다. 그래프에서도 박효찬과 이재을이
각 팀을 매개하는 것으로 나타난다.
7. 접근중심성
1 2
Farness nCloseness(%)
----- -----
8 이재을 9.000 100.000
7 민성식 9.000 100.000
1 박효찬 10.000 90.000
3 전세환 12.000 75.000
5 이령원 12.000 75.000
4 서진우 13.000 69.231
2 강윤기 13.000 69.231
10 이종원 13.000 69.231
9 박준찬 13.000 69.231
6 이동훈 14.000 64.286
< 해석 >
책을 참고하여 Transform>Symmetrize
명령에서 평균을 선택하여 매트릭스를 대칭
화하였다. 이재을과 민성식은 모든 사람들
에게 바로 접근을 할 수 있다. 하지만 박준
찬과 이동훈은 간접적으로 통해야지만 모든
사람들과 관계를 가질 수 있다는 뜻이다. 이
재을은 스타 위치에 놓일 가능성이 있는
100%의 접근중심성을 갖는다는 것을 의미
한다.
8. 연쇄연결성
FACTOR VALUE PERCENT CUM% RATIO
------- --------- -------
1: 35.43141 48.9 48.9 1.545
2: 22.93954 31.6 80.5 2.462
3: 9.31723 12.9 93.4 1.940
4: 4.80182 6.6 100.0
======= ========= =======
72.48999 100.0
Bonacich Eigenvector Centralities
1 2
Eigenvec nEigenvec
--------- ---------
1 박효찬 0.214 30.310
2 강윤기 0.112 15.816
3 전세환 0.140 19.855
4 서진우 0.075 10.552
5 이령원 0.092 12.954
6 민성식 0.053 7.494
7 이동훈 0.093 13.091
8 이재을 0.584 82.592
9 박준찬 0.522 73.850
10 이종원 0.532 75.200
< 해석 >
This procedure is for symmetric data.
Matrix symmetrized by taking larger
of Xij and Xji. 비대칭적인 매트릭스라 대
칭적인 매트릭스로 변환 후 값이 계산되었
다.
10. 2-mode 실습
• 파일1 매트릭스 : 2015년 19대 국회 양 당 최고의원의 대표 발의 법안 건수
• 이벤트 : 법안 소관위원회
• 파일2 속성 : 당적, 선(選) 수
• 출처 : 대한민국 국회 홈페이지
• 과정 : 속성 파일의 당적은 색(새누리/새정치)으로 구분, 선 수는 크기(클 수록 다선)로 구
분하였다.
• 해석 : 당으로 보면 새정치민주연합의 법안 발의 수가 새누리당에 비해 더 높은 것으로
나타났다. 그리고 선 수와 법안발의와의 상관관계는 없었다. 주승용 의원이 안전행정 관
련 법안 발의 수가 최고위원 집단에서 가장 높은 것으로 나타났다. 그리고 새누리당은 국
방, 여성가족, 국회운영 법안은 한 명도 대표발의를 하지 않았다
13. 2 → 1-mode
• 파일1 매트릭스 : 2015년 19대 국회 양 당 최고위원 대표 발의 법안의 같은 소관위원회
파일2 속성 : 당적, 선(選) 수
• 출처 : 대한민국 국회 홈페이지
• 과정 : 2-mode파일을 1-mode로 변환 후 NetDraw를 이용, 속성 파일의 당적은 색
(새누리/새정치)으로 구분, 선 수는 크기(클 수록 다선)로 구분하였다.
• 해석 : 주승용의원과 정청래의원이 실제로 보건복지위원회와 안전행정위원회에서 법안
발의를 많이 한 것으로 나타났다. 유사성 값이 다른 의원들에 비해 월등하게 높게 나타났
다. 그리고 주 의원은 법안 발의를 모든 국회의원 중에서 가장 많이 냈는데 정청래의원
다음으로 전병헌의원과 유승희의원과도 같은 위원회의 법안을 많이 낸 것으로 나타났다.
반면 새누리당간에는 유사성이 아예 없었고 오히려 새정치 의원들과의 유사함을 발견하
였다.
14. 고등학교 동창생들간 통화 발신 분석
< 해석 >
UCINET에서 매트릭스를 엑셀 파일로 변환
후 노드엑셀에 매트릭스를 불러 온 후 그래
프를 시각화하였다. 주의할 점은 노드엑셀
에 불러오기 전에 반드시 매트릭스 엑셀을
실행한 후 노드엑셀을 실행해야 한다.
15. 2015년 19대 국회 양 당 최고위원의 같은 법안 소관위원회
< 해석 >
UCINET에서 2-mode 매트릭스를 1-
mode로 변경한 후 노드엑셀로 파일을
불러 시각화하였다.
16. NodeXL 분석
• 트위터 서치 네트워크 분석
• 키워드 : 임금피크제
• 기간 : 2015-11-03 오전 12시
~ 2015-11-10 오전 12시
• 알고리즘 : Frechterman-
Reingold
• 유형 : 브로드캐스트 네트워크
- 구분되는 집단이 없다.
17. NodeXL 분석
• 모두 1630명이 중복이 없는 1717개의 선
으로 연결되었고 그 중 321개가 중복된 연
결선이다.
• 혼자 트윗을 올린 사람은 304명이다.
• 버텍스 관점에서 상호적으로 주고 받은 쌍
은 0.3%고 엣지 관점에서는 0.6%이다.
• 소집단들이 123개나 있고, 혼자 구성된 집
단도 99개나 있어 구분되는 집단이 없다.
• 가장 큰 집단의 구성원 수는 1411명이고
연결된 선 수는 1747개이다.
19. NodeXL 분석
<해석>
임금피크제 키워드 분석결과 인디그리가 높을
수록 빨간색 낮을수록 파란색으로 점을 구분하
였다. 상위 3명의 맨션이 많은 사람들에게 리트
윗 된 것을 알 수 있다. 이 세 계정은 언론사가
아닌 일반 개인 계정이다. 임금피크제와 관련해
서는 노사정 대타협 이후 이슈가 시들었지만 그
래도 개인 사용자를 위주로 관심이 지속되고 있
다.
20. NodeXL 분석
• 인디그리가 100이 넘어가면 라벨
을 이미지로 설정하였다. 이유는
100이상의 노드들과 10자리의 노
드들의 값 차이가 커서 유력자라고
보기 힘든 것으로 보았다.
• 유력자들은 평소에도 글을 많이 올
리고 있었으며 다른 유명인들과도
맞팔로잉을 하고 있어서 유명인들
의 리트윗으로 글이 퍼저나가는 것
을 확인할 수 있었다.
21. NodeXL 분석
• 타임존에 근거한 그룹핑
• 지역을 입력하지 않은 사람들이 많
아서 정확한 그룹핑이 되지 않은 점
이 아쉬움.
• 나온 결과로는 타임존에 따른 그룹
핑이 되지 않는 것으로 나옴.
• 타임 존 보다는 국내이슈인 만큼 국
내 안에서의 지역을 기준으로 그룹
핑 하는 것이 유의미한 결과가 나올
것으로 예측됨.