1. 案例定位

以 R 重現 MBA Network,展示 In-degree、Cohort 與 Community Cluster 的視覺分析。

2. 學習目標

理解 R 如何建立、計算與視覺化 Social Networks。

3. 案例情境

原書 Figures 13.26–13.28 依序呈現 MBA Network、按 Cohort 上色及按 Community Cluster 上色,Nodes 以 In-degree 調整大小。

4. 開始資料

MBA Network Data+Cohort Attribute;原書提供 Companion R Code。

5. 分析方法

Load Network Data → Build Graph → Calculate In-degree → Detect/Apply Community → Encode Size/Colour → Compare Visualizations。

6. 計算結果

原書提供三個 Figures;本頁不在未執行 R 時捏造 In-degree 或 Cluster Values。

7. 結果分析與管理解讀

R 讓 Network Analysis 可程式化與重現,也方便把 Metrics 與 Attributes 結合。

8. AI Prompt

「根據 R 已產生的三張 MBA Network 圖,逐一說明 Size、Colour 與 Community Encoding,並指出哪些結論只是視覺觀察。」

9. 思考/What-if

問題:為何程式化 Workflow 對 SNA 有價值?

**參考解答:**可保留資料處理、Metric Calculation 與 Visualization Steps,使分析較容易重現與修改。

10. 資料說明