فرض کنید قبل از انتخابات ریاست جمهوری می‌خواهیم بفهمیم «چه کسی پیروز میدان انتخاباتی خواهد بود؟» و برای این کار پژوهشی اجتماعی انجام می‌دهیم. یک راه این است که طی یک نمونه‌گیری آماری بدون در نظر گرفتن پارامترهایی چون سن، جنس، موقعیت مکانی، درآمد و تحصیلات شرکت‌کنندگان، رأی آنها را بپرسیم. اما دست‌کم بعضی از پارامترهای یادشده تأثیر مهمی بر روی رأی یک فرد خواهند داشت و ازآنجا که این عوامل را در نمونه‌گیری خود لحاظ نکرده‌ایم، نمونه ما تصادفی نخواهد بود و به‌احتمال زیاد نتایج نادرست (اریب) خواهیم گرفت. درسی که از این اشتباه می‌گیریم این است که هر فرد در بافتار یا زمینه‌ای (نژادی، قومی، درآمدی و …) قرارگرفته است که بر انتخاب او تأثیرگذار است و جدا پنداشتن هر فرد از خصوصیات بافتاری، منجر به احتمال نابرابر حضور افراد در نمونه می‌شود.
در حالت دوم با درس گرفتن از نتیجه یادشده، خصوصیات زمینه‌ای و تأثیرگذار برموضوع تحقیق (که در اینجا رأی افراد است) را برای هر فرد لحاظ می‌کنیم. برای مثال فرض کنید که زندگی در روستا یا شهر بر روی رأی فرد تأثیرگذار است و در جامعه آماری مورد نظر، تعداد روستاییان دو برابر شهروندان است. در این صورت در نمونه ما نیز تعداد روستاییان باید دو برابر شهروندان باشد. به همین ترتیب، به همان نسبت که افراد جامعه در دهک‌های درآمدی توزیع شده‌اند، در نمونه ما نیز باید این نسبت رعایت شده باشد. اما در این صورت نیز هرچند افراد را در ارتباط با وضعیت درآمد و نحوه توزیع‌شان در شهر یا روستا در نظر گرفته‌ایم و نمونه‌گیری تصادفی است، بازهم چنین فرض کرده‌ایم که هر فرد در دنیایی خاص (با همه ویژگی‌های منحصربه‌فرد و تعیین‌کننده‌اش) زندگی می‌کند و ارتباط دو فرد با یکدیگر مادامی که این دو از لحاظ خصوصیات یادشده با یکدیگر متفاوت باشند، تأثیری در رأی‌شان نخواهد داشت. به‌عبارت‌دیگر، با اینکه این بار هر فرد در بافت ویژگی‌های فردی‌اش در نظر گرفته شده اما باز هم از دیگر افراد جدا پنداشته شده است؛ چرا که ارتباط بین دو فرد تا جایی مهم بوده است که این دو حداقل در یک متغیر مشابه باشند.
برای مثال، مسلماً در این حالت نیز به اینکه یک فرد در محله فقیرنشین زندگی می‌کند و با افراد کم‌بضاعت در ارتباط است توجه خواهد شد؛ اما فقط تا آنجا که از محله زندگی او و ارتباطاتش بتوان نتیجه گرفت که او خود کم‌بضاعت است. در واقع کم‌بضاعت بودنش بر رأی او تأثیر خواهد گذاشت نه نفس ارتباطش. از طرف دیگر، اگر این فرد در طی مباحثه با فرد دیگری که در تمام متغیرهایی که در تحقیق شمرده‌شده تفاوت دارد نظرش در مورد کاندیداها تغییر کند، این رأی جدیدش در تحلیل آماریِ انجام‌شده به‌غلط تخمین زده‌شده است.
تحلیل شبکه اجتماعی و به‌طورکلی تفکر شبکه‌ای، برای فائق آمدن بر این نقص، راه سومی را به ما نشان می‌دهد. در این رویکرد هر فرد تنها در ارتباط با دیگر افراد، گزینه کاندیدای خود را انتخاب می‌کند. تحلیل شبکه اجتماعی بر مبنای نظریۀ گراف شاخه‌ای از ریاضیات است که به دسته‌بندی انواع گراف‌ها و مطالعه خواص آنها می‌پردازد. گراف مجموعه‌ای است از تعدادی رأس (گره) که با تعدادی یال (پیوند) به هم متصل شده‌اند. به‌عبارت‌دیگر، هر فرد در گرافی از روابط به سر می‌برد؛ رئوس نشانگر کنشگران و افراد است. هنگامی که بین دو کنشگر ارتباط وجود دارد، بین دو رأس نظیر آنها یال رسم می‌شود (شکل 1). در این نگاه، ارتباط بین افراد با اینکه ممکن است مهم باشد، لزوماً در متغیرهایی که برای هر فرد برشمردیم، لحاظ نشده است.
فرض کنید شب قبل از انتخابات، یک منبع خبریِ پربازدید شایعه‌ای در مورد رسواییِ یکی از کاندیداها پخش می‌کند. هنگامی‌که افراد و خبرگزاری‌ها را به‌عنوان رئوس و ارسال خبر از رأس الف به رأس ب را یالی از الف به ب در نظر می‌گیریم متوجه می‌شویم که خبر موردنظر به‌شدت انتقال داده‌شده است؛ مثلاً هم روستاییان آن را بازنشر کرده‌اند هم شهروندان؛ هم ثروتمندان و هم کم‌درآمدها؛ و … . چنین اتفاق تأثیرگذاری در نمونه‌گیری قبلی ما خود را نشان نداده است؛ گویی خود این ارتباط باید به‌عنوان متغیری در عرض همه متغیرهای لحاظ شده در نظر گرفته شود.
برای درک بهتر ارتباطات شبکه‌ای، به شکل 2 توجه کنید. در این گراف، رئوس آبی (A و B) خبرگزاری و بقیه رئوس، نمونه‌های از افراد خواننده خبر هستند. یال جهت‌دار از یک رأس به رأس دیگر، به این معنی است که رأس دوم خبر مورد نظر را از رأس اول دریافت کرده‌است. در این مثال، خبرگزاری A اولین بار مطلب را پخش کرده‌است و افراد C و D و E و M و همچنین خبرگزاری B خبر را از A دریافت کرده‌اند. فرد D خبر را از خبرگزاری B نیز شنیده‌است و … اگر رئوس سبز افراد کم‌درآمد و رئوس مشکی افراد پردرآمد باشند، گراف نشان می‌دهد خبر مورد نظر توسط هر دو گروه فارغ از میزان درآمدشان شیوع پیدا کرده است.
بنابراین واحد تحلیل در پژوهشی که با نگاه شبکه‌ای انجام می‌شود، یک فرد با خصوصیاتش نیست؛ بلکه افراد و ارتباطاتشان است. البته رئوس گراف لزوماً افراد نیستند، بلکه سازمان‌ها، نهادها، کشورها و … نیز می‌توانند باشند. برای مثال فرض کنید که می‌خواهیم تأثیر تحریم‌های آمریکا بر روی قیمت نفت ایران را بررسی کنیم. ازآنجا که کشورهای متعددی (از اعضای اوپک، هم‌پیمان‌های آمریکا و …) بر مسأله مذکور می‌توانند اثرگذار باشند و ارتباط بین هر دو کشور از این مجموعه بر بقیه اعضا و درنهایت بر روی قیمت نفت نیز اثر می‌گذارد، می‌توان هر کشور را یک رأس و تبادلات اقتصادی بین دو کشور را برحسب یک واحد، به صورت یال بین این دو در نظر گرفت و با ترسیم این گراف، دید واقعی نسبت به پیچیدگی این روابط داشت.
البته ترسیم گراف روابط، اولین مرحله تحقیق و در حکم توصیف پدیده موجود است. برای ترسیم گراف، استفاده از نرم‌افزارهایی چون NodeXL، Ucinet، Gephi و Pajek معمول است. در مرحله تحلیل سعی می‌کنیم از نتایجی که نظریه گراف برای هر شبکه‌ای می‌تواند داشته باشد، استفاده کنیم؛ برای مثال توزیع درجه رئوس – درجه هر رأس، تعداد یالهایی است که به آن وارد می‌شوند – در یک گراف را ترسیم می‌کنیم و از روی این توزیع، خواص مربوط به گراف را در‌می‌یابیم. به علاوه از زبان و مفاهیم مخصوص به رشته خود استفاده می‌کنیم تا به نتایج بیشتری برسیم و حتی با تحلیل کیفی، نتایج ریاضیاتی را برای خود معنادار کنیم.
مثلاً اینکه یک کارمند در یک شرکت از درجه ارتباطی بسیار بالایی برخوردار است، ما را بر آن می‌دارد که دقیق‌تر شویم و در یک مصاحبه بدون ساختار با کارمندان آن شرکت بفهمیم نوع ارتباطشان با یکدیگر و با کارمند موردنظر از چه جنسی است. مثلاً فرض کنید این کارمند به خاطر تجربه فراوانی که دارد، مورد رجوع افراد بسیاری است و دیگر کارمندان می‌خواهند از او در کار خود مشاوره بگیرند. نتیجه این تحلیل برای مدیر شرکت آن است که موقعیت شغلی و مکانی این فرد در شرکت را طوری طراحی کند که دستیابی افراد به او راحت‌تر باشد.
ازآنچه گفته شد می‌توان دریافت که پژوهشگر در تحلیل شبکه اجتماعی نیاز به مهارت‌های متعددی دارد. اول از هر چیز لازم است که بتواند درکی ساختاری و شبکه‌ای از یک پدیده داشته باشد. همچنین باید با نظریه گراف آشنا باشد و بتواند آن را با مفاهیم نظری رشته خود ترکیب کند. در تمامی این مسیر نیز لازم است بر نرم‌افزارهای این روش تسلط داشته باشد، چراکه بسیاری از شبکه‌های اجتماعی بسیار پیچیده و عظیم هستند. علاوه بر این، اطلاعات لازم در مورد شبکه در بسیاری از موارد جزء حریم خصوصی افراد است؛ مانند ارتباطات دوستی بین افراد و اطلاعاتی که باهم ردوبدل می‌کنند. در این موارد پژوهشگر باید بتواند ضمن اعتمادسازی برای افراد، مؤسسات و … داده‌های لازم را جمع‌آوری کند و اخلاق پژوهش را دراین‌باره رعایت کند.
