Embedding time in positions: Temporal measures of centrality for social network analysis

داده های دیجیتال محققان را قادر می سازد تا اطلاعات زمان دقیق در مورد تعاملات اجتماعی را به دست آورند. با این حال، اقدامات موقعیتی مورد استفاده در تجزیه و تحلیل شبکه اجتماعی (مثلا محدوده درجه، قابل دستیابی، بینایی) برای این داده های تعامل با مهر تایپ مناسب نیست زیرا آنها توالی و زمان تعاملات را نادیده می گیرند. در حالیکه اقدامات موقتی جدید توسعه یافته است، آنها زمان و دنباله را به طور جداگانه در نظر می گیرند. بر اساس جبر رسمی، ما سه معادل زمانی را برای اقدامات شبکه موقعیتی که شامل زمان و توالی است، پیشنهاد می کنیم. ما نشان می دهیم که چگونه این معادلات زمانی را می توان به یک زمینه تجربی اعمال کرد و نتایج را با همتایان ثابت خود مقایسه کرد. ما نشان می دهیم که در مقایسه با همتایان موقتی خود، اقدامات استاتیک در شبکه های تعامل، تفاوت های معناداری را در نحوه انباشت افراد در طول زمان تغییر می دهد، اختلالات بالقوه در شبکه را با به دست آوردن بیش از حد تعریف پنهان می کند، و توزیع مرزی بین بودن را مخفی می کند، که می تواند شناسایی افراد کلیدی در شبکه تاثیر می گذارد.