1. 案例定位

以 Polinode 分析 MBA Social Network,結合 Network Summary、Cohort、Betweenness、In-degree 與 Community。

2. 學習目標

把 Network Metrics 與 Node Attributes 結合,形成可解釋的 Network Visualization。

3. 案例情境

原書 Figures 13.19–13.21 展示 Network Summary,以及 Nodes 依 Cohort/Community 上色並依 Betweenness/In-degree 調整大小。

4. 開始資料

MBA Network+Cohort X/Z Attributes+Polinode Metrics。

5. 分析方法

Network Summary → Encode Attribute by Colour → Encode Centrality by Node Size → Compare Cohorts/Communities。

6. 計算結果

原書提供 Figures 的實際 Visualization;本頁不補造未列出的 Node-level Scores。

7. 結果分析與管理解讀

視覺編碼可同時呈現 Network Position 與 Actor Attribute,但圖形仍需搭配 Metric Definition 解讀。

8. AI Prompt

「依 Polinode 已產生的 Network 圖,分別解釋 Colour 與 Node Size 所代表的變數,避免把視覺大小直接解讀成一般性的『影響力』。」

9. 思考/What-if

問題:為什麼要明確說明 Node Size 用哪一種 Centrality?

**參考解答:**因不同 Centrality 代表不同的 Network Role;不說明會造成錯誤解讀。

10. 資料說明