网络理论应用教程 04
检视凝聚力、连通分量与社群
由一幅网络图进一步建立可辩护的分析，说明可达性、密度、互惠、结构凝聚力及可能的社群分界。
12 分钟发布日期: 2026年8月9日审核日期: 2026年8月9日
凝聚力连通分量社群
方法来源
完成本教程后，你将能够
- 1区分整体网络密度、可达性及连通分量结构。
- 2只在符合连接定义时使用互惠及凝聚子群指标。
- 3把社群分割视为依赖模型的摘要，而不是自然形成的标签。
SNA
网络规格
分析情境
一个专业学习网络似乎包含多个群组。领导者希望了解知识能否在整个群体流动、脆弱桥梁位于何处，以及社群算法能否揭示有意义的工作小组。
节点
参与同一跨校专业学习计划的教师。
连接
有向连接表示学期内至少一次实质教学资源交流。
网络类型
单模式、有向、加权网络，包含交流次数及学校成员属性。
分步教程
1
先检查可达性
在概括整体网络前先识别弱连通及强连通分量。在有向网络中，弱可达性忽略箭头方向，强可达性则要求双方都存在有向路径。
检查点
你能说明主连通分量外有多少行动者，以及方向是否改变可达性结论。
2
测量密度与互惠
使用有向网络的正确分母计算密度，并只在互相交流具意义时计算互惠。若原网络有权重，可与设置阈值后的二元版本比较。
检查点
每个数值旁都记录分母、自连接规则、方向、权重处理及观察时段。
3
检视凝聚结构
寻找割点、桥或节点连通性模式，以了解群体有多容易分裂。这些诊断用来描述结构脆弱性，而不是把某些人标记为问题。
检查点
所有桥梁或凝聚子群判断都与实际路径及连接的实质意义核对。
4
比较社群分割
在合适的有向或无向表示上执行有清楚记录的社群方法，再改变分辨率、阈值或随机种子。把分割与已知情境比较，但不要强迫学校标签去验证算法。
检查点
报告列出算法及设定、展示稳定性检查，并把社群成员身份视为分析摘要而非固定身份。
谨慎解释
高密度网络相对于可能连接拥有较多实际连接，但不保证所有人都能互相到达，也不代表交流公平。连通分量呈现可达性，而连通性及桥梁诊断则呈现失去特定节点或连接后的稳健程度。
社群检测会优化某个选定标准，不同方法或设定可能产生不同分界。只有当分割具一定稳定性、能按情境解释，并同时呈现跨社群连接时，它才是有用的分析摘要。