Hauptinhalt überspringenNavigation überspringenFooter überspringen
Logo der Fachhochschule Nordwestschweiz
Studium
Weiterbildung
Forschung und Dienstleistungen
Internationales
Die FHNW
De
Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Logo der Fachhochschule Nordwestschweiz
      • Studium
      • Weiterbildung
      • Forschung und Dienstleistungen
      • Internationales
      • Die FHNW
      De
      Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien
      Module
      Social Network Analysis

      Social Network Analysis

      Nummer
      sna
      ECTS
      3.0
      Anspruchsniveau
      intermediate
      Inhaltsübersicht
      Die Nutzung sozialer Netzwerke im Internet gehört für viele Menschen zum Alltag. In den letzten Jahren sind viele Anwendungen entstanden, welche ein einfaches Publizieren und Vernetzen im Internet ermöglichen. Die Analyse Sozialer Netzwerke untersucht sowohl theoretisch wie auch praktisch die vielfältigen Anwendungsmöglichkeiten in unterschiedlichsten Branchen.
        Theoretischer Teil:
      • Grundbegriffe der Sozialen Netzwerk Analyse (SNA)
      • Anwendungsgebiete der SNA
      • Datenerhebung und Modellierungen Sozialer Netzwerke
      • Datenbereinigung und Reduktion grosser Netzwerke
      • Verschiedene Visualisierungen Sozialer Netzwerke
      • Zentralitätsmasse und Netzwerkmetriken
      • Clustering
      • Diffusion
      • Dynamik in Netzwerken
      Praktischer Teil: Im praktischen Teil werden die erlernten Methoden und Algorithmen anhand ausgewählter Themen in Gruppenarbeiten vertieft. Dabei wird der gesamte Prozess von der Ideenfindung, dem Suchen und Einsammeln von Daten, der Analyse, der Visualisierung und der Interpretation durchlaufen.
      Lernziele
      • Die Studierenden kennen die theoretischen Grundlagen der Sozialen Netzwerkanalyse und die gängigsten Anwendungsmöglichkeiten.
      • Die Studierenden verstehen den kompletten Prozess der Analyse Sozialer Netzwerke; von der Fragestellung über das Einsammeln und Bereinigen der notwendigen Daten bis zur Visualisierung, Analyse und Interpretation der Resultate.
      • Die Studierenden kennen verschiedenste Visualisierungsformen und können diese mit entsprechenden Hilfsmitteln anwenden.
      • Die Studierenden können selbständig einfache, praktische Anwendungsbeispiele mit Hilfe von geeigneten Tools erfolgreich bearbeiten.
      Empfohlene Vorkenntnisse
      • Objektorientierte Programmierung (oopI1 & oopI2)
      • Algorithmen und Datenstrukturen (algd1 & algd2)
      Leistungsbewertung
      Erfahrungsnote

      Studium

      Angebot

      • Studium
      • Weiterbildung
      • Forschung & Dienstleistungen

      Über die FHNW

      • Hochschulen
      • Organisation
      • Leitung
      • Facts and Figures

      Hinweise

      • Datenschutz
      • Accessibility
      • Impressum

      Support & Intranet

      • IT Support
      • Login Inside-FHNW

      Member of: