Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
SOCIAL NETWORK ANALYSIS	İkinci Düzey	CENG 539	Seçmeli	1	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	—
Eğitimin Dili	English
Koordinatör	DR. ÖĞR. ÜYESİ FATMA ÖZGE ÖZKÖK
Dersi Veren Öğretim Eleman(lar)ı	DR. ÖĞR. ÜYESİ FATMA ÖZGE ÖZKÖK
Yardımcı Öğretim Eleman(lar)ı	—-
Dersin Veriliş Şekli	—
Dersin Amacı	—-
Dersin Tanımı	—-

Dersin İçeriği

1	Introduction to Social Network Analysis – Basic concepts, history, network types, applications
2	Network Data Collection and Representation – Nodes, edges, graph construction, data sources, preprocessing
3	Network Measures I – Degree, closeness, betweenness, eigenvector centrality, network centralization
4	Network Measures II – Density, clustering coefficient, shortest paths, connected components
5	Community Detection – Modularity, Louvain algorithm, Girvan–Newman, structural equivalence
6	Ego Networks and Tie Analysis – Ego networks, structural holes, tie strength, brokerage
7	Multiplex and Temporal Networks – Multilayer networks, dynamic networks, temporal evolution
8	Network Formation Processes – Homophily, triadic closure, preferential attachment, small-world phenomenon
9	Information Diffusion and Influence – Cascade models, influence maximization, epidemic spreading
10	Statistical Models for Networks – Random graphs, ERGMs, stochastic block models
11	Machine Learning on Graphs – Node classification, link prediction, graph embeddings, Graph Neural Networks (GNNs)
12	Applications and Emerging Topics – Social media analytics, recommendation systems, misinformation detection, ethical issues and final project presentations
13	Social Media Analytics and Network Applications – Community analysis, recommendation systems, misinformation detection, sentiment propagation
14	Ethical Issues, Privacy and Student Project Presentations – Privacy preservation, fairness, bias in network analysis, future research directions and project presentations
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Explain the fundamental concepts, terminology, and theoretical foundations of social network analysis.
2	Model real-world systems as networks by collecting, preprocessing, and representing network data using graph structures.
3	Compute and interpret fundamental network measures such as degree, centrality, clustering coefficient, density, and path length.
4	Analyze the structural properties of social networks, including communities, structural equivalence, structural holes, and multiplex relationships.
5	Evaluate information diffusion, influence propagation, and network formation processes such as homophily and preferential attachment.
6	Apply statistical and computational methods for network analysis, including random graph models and community detection techniques.
7	Utilize software tools and programming libraries (e.g., NetworkX, Gephi, or Python-based graph libraries) to analyze and visualize social network data.
8	Interpret the results of social network analyses to solve real-world problems in areas such as social media, recommendation systems, cybersecurity, healthcare, and smart cities.
9	Explain the principles of graph representation learning and Graph Neural Networks (GNNs) for modern network analysis applications.
10	Develop and present a network analysis project by selecting appropriate methods, analyzing datasets, and communicating findings effectively.

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Matematik, fen ve Mühendislik bilgilerini uygulama becerisi
2	Deney tasarlama ve yapma ile deney sonuçlarını yorumlama becerisi
3	istenen gereksinimleri karşılayacak biçimde bir sistemi, parçayı veya süreci tasarımlama
4	Disiplinler arası takımlarda çalışabilme becerisi
5	Mühendislik problemleri tanımlama, formüle etme ve çözme becerisi
6	Mesleki ve etik sorumluluk bilinci
7	Mühendislik çözümlerinin evrensel ve toplumsal boyutlarda etkinliklerini anlamak için gerekli genişlikte eğitim
8	Yaşam boyu öğrenmenin gerekliliği bilinci
9	Mühendislik problemlerini tanımlayabilme, çözüm yöntemi geliştirme ve çözümlerde yenilikçi yöntemler uygulama ve geliştirebilme becerisi
10	Çalışmalarını ulusal ve uluslararası ortamlarda yazılı ya da sözlü olarak aktarabilme becerisi
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	0	0	0
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	0	0	0
Ödevler	0	0	0
Sunum / Seminer hazırlama	0	0	0
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	0	0	0
Ara sınavlar	0	0	0
Proje (Yarıyıl ödevi)	0	0	0
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	0	0	0
Yarıyıl sonu sınavı	0	0	0
Araştırma	0	0	0
Toplam iş yükü			0
AKTS			0.00

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	50
Kısa sınav	0	0
Ödev	1	50
Yarıyıl içi toplam		100
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		0
Yarıyıl sonu sınavının başarıya katkı oranı		100
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı	Rawlings, C. M., Smith, J. A., Moody, J., & McFarland, D. A. (2023). Network Analysis: Integrating Social Network Theory, Method, and Application with R. Cambridge: Cambridge University Press.
Yardımcı Kaynaklar	Aggarwal, M., & Murty, M. N. (2020). Machine learning in social networks: embedding nodes, edges, communities, and graphs. Springer Nature.

Ders İle İlgili Dosyalar

DBP Hakkında

Ders Hakkında

Bölüm Hakkında