각 노드 간의 연결 유형(affiliation, friendship, professional, behavioural interaction, or information sharing)은 네트워크의 특성을 정의함
중심성 측정(centrality measures)으로 각 행위자의 중요성을 정량화하고, 네트워크 내에서 평균값보다 수치가 높은 행위자를 중심으로 행위자 클러스트를 탐지함 (하위 네트워크 파악)
한계: 시간의존적 효과(time-dependent effects: 시간에 따른 데이터를 집계하지만, 해당 시간 내에 이루어지는 상호작용 패턴과 같은 역학을 나타내지는 않음) → 이를 해결하기 위하여 SNA는 네트워크의 시계열 분석으로 확장되며 동적인 접근 방식을 취하고자 함
유의: 분석의 기본 요소로 '행위자'와 '사회적 관계'만을 독점적으로 다루지는 않음. SNA에서는 행위자(actors)뿐만 아니라 매개체(actors) 간의 초당적인(bipartite)한 관계를 통해 네트워크를 도출할 수 있음. (행위자-행위자, 행위자-매개체, 매개체-행위자-매개체, 행위자-매개체-행위자 등)
Process-Oriented Interaction Analysis
CSCL(Computer-Supported Collaborative Learning)에서 발생한 시스템 로그 파일에 기초해 학습자 개인 또는 상호 간의 활동을 계산하여 분석하는 기법을 추구함. 즉, 순차적인 패턴 인식 기법을 추구함
순차적인 패턴 인식 기법에 지능적인 계산 기술을 적용한 초기 사례: Mühlenbrock & Hoppe(1999)
Content Analysis Using Text-Mining Methods
CSCL 로그의 스크립트 말뭉치를 사용하여 자동 텍스트 분류의 유용성을 입증한 사례: Rosé et al. (2008)
텍스트에서 주어진 단어의 순서를 고려하지 않는 방법도 있지만, 단어의 위치를 고려하는 방법도 있음: NTA(Network Text Analysis)
NTA: 주어진 텍스트에서 개념 네트워크를 추출한다는 점에서, 콘텐츠 분석과 네트워크 표현을 연결하는 텍스트 마이닝 방식임. 이 방식을 적용할 경우, 다중 모드 네트워크를 형성할 수 있음. 즉, 개념-개념 관계는 위치-개인, 개인-도메인, 개인-개념과 같은 특정 범주 간의 유형으로 표현되며, 이러한 표현은 '중심성 측정' 또는 '네트워크 기반 클러스터링 기법'으로 하위 네트워크를 도출함
