Netwerk- en sociale media analyse

2026-2027

Algemene informatie

Vakcode S_NSMA
Studiepunten 6 EC
Periode P2
Vakniveau 300
Onderwijstaal Nederlands
Faculteit Fac. der Sociale en Geesteswetenschappen
Vakcoördinator dr. E.J. van Ingen
Examinator dr. E.J. van Ingen
Docenten M.J.M. Ramaekers
dr. E.J. van Ingen
dr. J.C. Muis
Onderdeel van opleiding(en)

Praktische informatie

Voor dit vak moet je zelf intekenen. De inteken- en afmeldtermijnen staan op VU.nl

Onderwijsvorm Computerpracticum, Deeltentamen schriftelijk, Hoorcollege

Doel vak

Kennis en inzicht – De student heeft kennis van en inzicht in:

  • Programmeren in R;
  • De basisbeginselen van (sociale) netwerkanalyse en (automatische) inhoudsanalyse;
  • Het operationaliseren van theorieën ten aanzien van netwerkinvloeden en dynamiek van netwerken.

Toepassing – De student is in staat om:

  • Patronen in data te visualiseren;
  • Eenvoudige netwerkanalyses en automatische inhoudsanalyse uit te voeren;
  • Relevante onderzoeksvragen t.a.v. maatschappelijke vraagstukken op het gebied van communicatie en technologie te beantwoorden op basis van data-analyses.

Oordeelsvorming – De student heeft het vermogen om:

  • Op basis van de uitkomsten van netwerk- en social media analyse te reflecteren op actuele maatschappelijke vraagstukken.

Leervaardigheden - De student bezit de vaardigheden om:

  • Op een toegankelijke manier te communiceren over de uitkomsten van netwerk- en social media analyses.

Inhoud vak

In dit vak leer je netwerk- en inhoudsanalyse uit te voeren, met behulp van verschillende soorten data. Net als in het voorgaande vak (Big data en computational thinking) zijn visualisaties ook weer belangrijk bij het verkennen van gegevens, het vinden van verbanden en om uitkomsten te presenteren. Hierbij wordt gebruik gemaakt van de uitgebreide mogelijkheden die R heeft op deze terreinen, in het bijzonder het pakket Igraph.

Bij netwerkanalyse ga je zowel kijken naar persoonlijke, egocentrische netwerken, als naar grotere complete netwerken. Je leert hoe netwerken individuele mogelijkheden en beperkingen beïnvloeden en hoe zaken zich verspreiden door netwerken. Bij social media analyse kijk je vooral naar de inhoud van berichten en hoe je die kunt analyseren om de mate van aandacht voor en sentimenten en opvattingen over bepaalde onderwerpen in kaart te brengen.

Deze cursus is in twee thema’s opgedeeld (2x3 weken).

Week 1 t/m 3 gaan over netwerkdata. Hoe kun je netwerken in kaart brengen en de kenmerken ervan analyseren? Hoe kun je netwerken beïnvloeden en scenario’s maken ten aanzien van interventies in netwerken?

  • Je leert om te gaan met netwerkdata in verschillende formats
  • Je visualiseert netwerken en kenmerken van nodes en ties
  • Je denkt na over netwerkkenmerken en de verspreiding van ideeën en gedrag in een netwerk en belangrijke actoren daarbij.

Week 4 t/m 6 gaan over inhoudsanalyse van sociale mediaberichten. Je leert hoe je de inhoud van sociale media data kunt onderzoeken en analyseren. Bijvoorbeeld: hoe vaak wordt gesproken over bepaalde onderwerpen en wat is de toon van deze berichten? Er bestaan allerlei technieken om zulk soort vragen met een automatische inhoudsanalyse te beantwoorden; we zullen een paar eenvoudige manieren behandelen.

  • Je gaat tekst zien als data, een “corpus”
  • Je leert data op te schonen (stopwoorden verwijderen etc.)
  • Woordenboek methode: hoe vaak wordt gesproken over bepaalde onderwerpen?
  • Sentimentanalyse: wat is de toon van deze berichten?

Aanvullende informatie onderwijsvormen

Werkcolleges, practica, online tutorials

Toetsvorm

Toetsing is op basis van groepsopdrachten en een individueel tentamen waarin R vaardigheden worden getoetst. Het tentamen moet voldoende zijn om de cursus te kunnen halen.

Vereiste voorkennis

Deelname aan Big Data en Computational Thinking (S_BDCT)

Literatuur

Deze wordt via Canvas bekendgemaakt

Aanvullende informatie doelgroep

Tweedejaars Bachelor Sociologie

Overige informatie

Let op: voor zowel de werkcolleges als de practica geldt een aanwezigheids- en participatieplicht.

Aanbevolen voorkennis

Individuen, sociale netwerken en technologie (ISNT)