What's the rumpus :) I'm Asaf Shapira and this is NETfrix. In the previous episodes, most of the networks we've covered were static networks. By static, I mean that we viewed only a snapshot of the network, meaning networks in a given time frame. But it is clear to all that networks are for the most part - dynamic. So why deal with static networks, if they are dynamic? That's a great question. Especially if you think about it, the potential applications of cracking network dy

What's the rumpus :) I'm Asaf Shapira and this is NETfrix. In the last episode we learned that since the 21st century, network science acknowledged that networks are not random, and they follow universal laws. And if the Power Law is the network's rule No. 1, then rule No. 2 is: Nodes in networks congregate to communities. What does it mean? A closer look at the internal structure of a network shows that a network is made up of dense clusters that are highly inter-connected.

What's the rumpus :) I'm Asaf Shapira and this is NETfrix. Who are the bottlenecks in my organization? Who should we target for an advertising campaign? How to tell a story about data? Are rhetorical questions an essential part of network analysis? Let's find out. Like most of our world, the network is also a Power Law distribution, that is, there are a few central nodes and most of the nodes are marginal. So, if there are only a few big hubs in the network, how shall we find

What's the rumpus. I'm Asaf Shapira and this is netfrix. The Power Law distribution is perhaps the most basic but awesome phenomenon in networks. We met the Power Law in the previous episode and, as advertised, this episode will dig deeper on the subject and broaden our understanding of it and most importantly: how can it help us in life? This episode will consist of two parts: Part one will serve as an introduction to explain what is a Power Law and why the Power Law is not

What's the rumpus :) I'm Asaf Shapira and this is NETfrix. I practice network analysis for years and founded the first podcast in Israel that tackles the fascinating world of network science. Networks are the building blocks of our universe and we encounter them everywhere. That's why understanding networks is essential to understand our world and our data. If networks are everywhere, then to miss out on the chance to learn about them seems like border line carelessness.

What's the rumpus :) I'm Asaf Shapira and this is NETfrix. In this podcast we will talk about the magical field of network science, graph theory, social network analysis or SNA and everything in between. And that's a lot… I have been practicing network analysis for years and also founded the first podcast in Israel to tackle the fascinating world of network science. Maybe it's my Israeli upbringing, but I find network analysis much like Krav Maga. Krav Maga is a fighting s

(ר' קישורים בגוף הטקסט) מה מתרחש, אני אסף שפירא וזה נטפריקס. למי שתהה או תהתה מה הסיפור עם התמונה של פרק זה ומה הקשר שלה לרשתות, אז הסבר בסוף הפרק. ועכשיו חזרה לעסק, אני מת על רשתות, כבר אמרתי את זה פעם? והימים האלו של קורונה אלו היו אמורים להיות הימים היפים של הרשת. אז מה קרה? קבלו ספוילר - מה שקרה זה ששוב אנחנו מתנהלים ע"י חשיבה טורית במקום חשיבה רשתית. אני אנצל את ההזדמנות להמליץ לחזור לפרקים 11,8,7,1 כדי לקבל את התמונה השלמה על הקורונה ועל ההבדלים והדוגמאות לחשיבה

(ר' קישורים בטקסט) מה מתרחש, אני אסף שפירא וזה נטפריקס אולי זה קצת מוזר להתחיל עם זה, אבל אני חייב גילוי נאות: אני כבר לא אוהד כדורגל. גילי לנדאו מהפועל ת"א גמז את הקריירה שלי כאוהד כשלקח את האליפות ממכבי חיפה ב-1986 בגול שייזכר לדראון עולם. שברון הלב הרחיק אותי מעולם הכדורגל ומעולם הספורט בכלל עד ששנים אחר כך, גיליתי את העולם המופלא של הפוטבול האמריקאי ואת קבוצת הגרין ביי פאקרס שמצליחה לרגש ולעצבן כל פעם מחדש. כנראה שיש לי משיכה לחולצות ירוקות וזו אולי הסיבה שגם למדתי אסלאם.

(ר' קישורים בטקסט) מה מתרחש, אני אסף שפירא וזה נטפריקס עד היום, רוב התכנים עליהם דיברנו עסקו ברשתות סטאטיות, כלומר, הסתכלנו על רשת בחלון זמן נתון, מה שנקרא snapshot של הרשת. אבל ברור לכולנו שרשתות הן ברובן המכריע – דינאמיות. אז למה אנחנו מתעסקים ברשתות סטאטיות, אם הן דינאמיות? שאלה מצוינת. במיוחד שאם חושבים על זה, הפוטנציאל מאחורי פיצוח הדינאמיות ברשת הוא אדיר ומהווה אולי את "הגביע הקדוש" של עולם ה-data science. למה הכוונה? כשאנחנו מדמיינים עולם מוכוון דאטה, אנו מצפים שהד

מה מתרחש, אני אסף שפירא וזה נטפריקס. בחלק הראשון למדנו איך ניתוח רשתי עוזר לנו למצוא את העיקר במציאות המורכבת והדינאמית וכך לגלות את נקודות ההכרעה של המערכת היריבה. השוונו בין הניסיון של המודיעין האמריקאי בתחום לבין מה שקורה אצלנו בחצר וראינו איך חשיבה רשתית יכולה לשנות מציאות, אפילו בשיקגו, שאליה נתייחס גם בפרק זה. אבל כל הטוב הזה בא עם מחיר: חשיבה רשתית מאתגרת את האינטואיציות שלנו וציינו 3 אתגרים מרכזיים לכך ואיך אולי לפתור אותם : הראשון, הוא המתח בין המחקר האיכותני, למחקר

(ר' קישורים בטקסט) מה מתרחש, אני אסף שפירא וזה פרק מיוחד של נטפריקס שעתה הגדולה של הרשת הגיע, הרי מהי מחלה ויראלית אם לא תופעה רשתית עולמית? ננצל את ההזדמנות לסכם את התובנות מששת הפרקים הקודמים, בכדי לראות איך הם ישימים על המשבר האחרון וגם כדי לשמח את המבודדים באשר הם, שלא הבינו איך קרה והם נפלו ברשת. אז בואו נתחיל בסיפור על כפר סיני קטן ועל מדדי מרכזיות ברשת: התפשטות של רשת עוברת דרך שלושה מדדי המרכזיות עליהם דיברנו בפרק 4, ונזכיר אותם בקצרה: Closeness Degree או דרגה ו-betw

(ר' קישורים בטקסט) מה מתרחש, אני אסף שפירא וזה נטפריקס. בפרק הקודם ניתחנו קמפיינים של השפעה בעזרתה האדיבה של פייסבוק וסיימנו במניעים של הפרט להשתתף או לא להשתתף. אז אם עד עכשיו דיברנו על פרטים או צמתים ברשת, רק מתבקש שנדבר עכשיו על הקהילות ברשת ואיפה הן נכנסות לתמונה. בפרק בנושא קהילות דיברנו על כך שאין הגדרה מדעית למהי קהילה וההגדרה הרווחת היא שקהילה היא צביר של צמתים או איזור ברשת שבו הקשרים בין הצמתים צפופים יותר בתוכה מאשר מחוצה לה. הקשרים החזקים לרוב בתוך הקהילה והקשרים

(ר' קישורים בטקסט) מה מתרחש, אני אסף שפירא וזה נטפריקס. ניסיתם להשפיע על אנשים וזה לא הצליח? האמת, זה לא אשמתכם. זה באמת קשה מאד, אבל לא בלתי אפשרי. פשוט צריך להכיר את השיטה. מרגע שתכירו אותה ותשננו את חמשת השלבים הפשוטים שלה, ההצלחה שלכם מובטחת. אז אל תקשיבו לשרלטנים שמנסים למכור לכם שאתם לא מסוגלים. הם לא מכירים אתכם. אני יודע שאתם מסוגלים. אם המשכתם לקרוא, זה סימן שמשפט 5 הקלישאות עובד כי כמו שאמר אתגר קרת: מהי קלישאה אם לא מצב צבירה לא סקסי של האמת? משפט-5-העקרונות-להשפע

(ר' קישורים בטקסט) מה מתרחש, אני אסף שפירא וזה נטפריקס. בפרק על ה-Power law למדנו שרשתות אינן אקראיות כפי שחשבו בעבר אלא פועלות לפי חוקים. אם הגדרנו את ה-Power Law כחוק מס' 1 הרשת הרי שחוק מס' 2 הוא: רשתות מתקהלות. למה הכוונה? הסתכלות קרובה על המבנה הפנימי של הרשת מלמדת כי הרשת בנויה מצבירים צפופים המחוברים בינהם. צבירים אלו מכונים קהילות או communities, אם אתם חוקרי רשת, או קלאסטרים, אם אתם יותר בקטע של מדעי מחשב. הבנת אותן הקהילות תאפשר לנו לנתח- בקלות וביעילות- כל גודל של

(ר' קישורים בטקסט) מה מתרחש, אני אסף שפירא וזה נטפריקס. מהי נקודת התורפה של הרשת? היכן צווארי הבקבוק בארגון שלי? את מי כדאי לגייס לקמפיין פרסום? איך לספר סיפור על הדאטה? מי עונה על שאלה בשאלה? נתחיל. מזכיר שכמו הרבה דברים בעולם, גם הרשת מתפלגת Power Law, כלומר, מעט צמתים מרכזיים והרוב שוליים. אז אם המעט מחזיק מרובה, איך נמצא את אותם מעט בערימת השחת? בכדי לאתר צמתים אלו, נידרש לשימוש באלגוריתמיקת SNA, המכונה "מדדי מרכזיות" (Centrality Measures). מדדים אלו מאפשרים לנו למצוא את

(ר' קישורים בטקסט) מה מתרחש, אני אסף שפירא וזה נטפריקס. ה-Power Law הוא אולי התופעה הבסיסית והמופלאה ביותר ברשת, ולפיכך נעמיק בה, נבין את משמעויותיה, מה עושה אותה מופלאה כל כך, והכי חשוב: איך זה עוזר לי בחיים? נושא זה יורכב משני חלקים: חלק שהוא יותר מבוא שיסביר מדוע ה-Power Law לא אינטואיטיבי אך אנו מוקפים בו, ניתן לו הרבה דוגמאות וכמובן מה המשמעויות הנובעות ממנו. החלק השני יתמקד ב-Power Law ברשתות, אך גם מדוע יש Power Law? מה עומד מאחורי התופעה? וכמובן, החלק המשמעותי ביו

(ר' קישורים בטקסט) מה מתרחש (: אני אסף שפירא וזה נטפריקס. בפרק הזה נלמד על חוקי הרשת דרך ההיסטוריה המרתקת של מחקרי הרשת. נראה איפה הם צדקו, איפה הם טעו ואולי אפילו הטעו ומה המשמעויות של התגליות שלהם, שלא פעם הקדימו את זמנם. סטנלי מילגרם ידוע בזכות ניסוייו פורצי הדרך בתחום הפסיכולוגיה החברתית בשנות ה60. המחקר הידוע ביותר שלו, וכנראה אחד הניסויים המפורסמים ביותר בעולם, היה הניסוי הפסיכולוגי בו הראה מילגרם כי בהינתן התנאים המתאימים, אנשים נורמטיביים לחלוטין יכולים לציית לסמכות ב

(ר' קישורים בטקסט) מה מתרחש, אני אסף שפירא וזה נטפריקס. בפודקאסט הזה נדבר על העולם הקסום של ניתוח הרשת, תורת הגרפים, social network analysis או SNA ומה שבינהם. כיוון שעולמנו הוא עולם רשתי, מחקר הרשת הוא חובק עולם: מי עוסק ב-SNA? מי לא? הנושא החם הוא כמובן data science, שמתחלק לשניים: אלה שעוסקים ברשתות ואלה שעדיין לא מבינים שהם עוסקים ברשתות. מהגנה או תקיפה בסייבר, פרויקטי עיר חכמה ותכנון אורבני, דרך המלצה על מוצרים, ניתוח שפה, רשתות גיימינג ועוד. נסביר כיצד ניתן להבנות את ה

This paper, published 1973, is an SNA classic with more than 59,000 citations. It's author, M.S. Granovetter, is known for his research about how people find out about vacant jobs and the importance of weak social ties in this process. These groundbreaking findings were counter-intuitive because research intuition till then emphasized the importance of the individual's strong ties to his social surrounding, which sounds pretty logical. Intuitively, I guess most of us think