Ağ Analizi ve Haritalama Yönteminin
İnsan Hakları Alanındaki
Potansiyel Kullanımları
Amerikan Bilimsel İlerleme Birliği’nin (AAAS)
Bilim ve İnsan Hakları Programına Sunulan Rapor
Skye Bender-deMoll
28 Nisan 2008Çeviren: Fırat Genç
1) Arka PlanAAAS Bilim ve İnsan Hakları Programı, ağ (network) analizi ve ağ haritalarının insan
hakları problemleri alanındaki uygulamalarını araştırıyor, çünkü bu yeni ortaya çıkmakta olan
tekniklerin analiz, iletişim, insan hakları ve stratejik planlama konularında bizlere yeni
yaklaşımlar sunması mümkün. Üstelik bu yeni araçların potansiyel faydaları yalnızca sanayi
ya da ulusal çıkarlar alanıyla sınırlı değil, BM deklarasyonlarında ortaya konan temel insan
haklarının gerçek anlamıyla hayata geçirilmesi için mücadele eden gruplar da bu araçlardan
faydalanabilirler. Bu raporun amacı, ağ analizi ve haritalama tekniğinin temel kavram ve
pratiklerini açığa çıkarmak; geçerli tekniklerin insan hakları camiasına en etkin şekilde nasıl
yayılabileceğini ve bu tekniklerden –sahada çalışan taban örgütlerinden politika üreten ve
uygulayan kurumlara– her düzeyde azami biçimde nasıl faydalanılabileceğini ortaya
koymaktır.
2) Ağ yapılarına hızlı bir giriş Ağ verisinin diğer tür verilerden farkı nedir?Ağ yaklaşımlarını başka türden veri toplama biçimlerinden ayıran en belirleyici özelliği
ilişkilere odaklanmasıdır. Standart çizelge verileri, çoğunlukla, birimleri veya gözlemleri
onlara atfedilen özellik veya değerlerle birlikte listeler. Yaş, cinsiyet, işveren, gelir vs.
gösteren bir liste bu türden veriye bir örnektir (bkz. Tablo 1).
Tablo 1: Çizelge veriye bir örnek
Ağ verileri ise insanlar, kavramlar ya da organizasyonlar gibi antiteler arasındaki
bağları tasvir eder. Bu ilişkiler çoğu durumda çiftler halinde gösterilir: Jane ve Maria
arkadaşlık bağıyla bağlıdır, Maria Chu’nun işverenidir, vs. (bkz. Tablo 2).
Tablo 2: İlişkisel veriye bir örnek
Ağlar, birimler arasındaki tekli ve çoklu ilişkileri temsil etme imkânı tanır. Bu da ağları,
insan hakları gibi sıradan çizgisel ilişkilerin nadiren gözlendiği ve kaç tane şeyin birbirine
bağlı olduğunu bilmenin önem arz ettiği karmaşık konular hakkında bilgi toplamanın uygun
bir yolu yapar.
Şekil 1 buna güzel bir örnektir: Burada farklı gruplar arasındaki ittifak ilişkilerinin
oluşturduğu ağ gösterilmektedir. Bu türden ilişkisel veriler ve bunların çok daha karmaşık
örnekleri, yeni yaklaşımlar ve çözümleme araçlarıyla artık çok daha sistematik olarak
incelenebilmektedir. Burada ilginç olan, farklı türden ağlarda ortak özellik ve yapıların
görülmesidir. Kimi durumlarda, bu yapılar, onları üreten süreçlere dair ipuçları sunabilir.
Şekil 1: Kongo’daki şiddet olayları üzerine bir HRW raporundan1 alınan bu diyagramda ülkeler, örgütlü
hareketler ve diğer silahlı gruplar ve bunlar arasındaki belli başlı ittifak ilişkileri gösterilmekte.
Ağ tam olarak ne demektir?Ağ terimi hem teknik hem de gündelik pek çok anlama sahip bir terim. Bunlar birbirine
yakın anlamlar, ama bunların yan anlamları kafa karıştırmaya yetiyor. İnsan hakları
bağlamında ağ sözcüğü, genellikle, birbirleriyle ortak çıkarları ve ilişkileri olan birey ve
örgütlerin oluşturduğu gruplara (kadın hakları alanında mücadele veren STK’ların
oluşturduğu ağlar gibi) gönderme yapar. Bu raporda ise ağ sözcüğü, (örgütler, insanlar ve
belgeler gibi) antiteler arasındaki (bağlar, birlikler ya da bağlantılar gibi) ilişkileri tasvir eden
veri toplamına göndermeyle, daha spesifik bir anlamda kullanılacak. Böylesi bir kullanım
sayesinde bir grup bütünlüğe ortak bir isim vermektense, bu antiteler arasındaki ilişkileri
sıralamış ve böylece mevcut örüntüleri ve yapıları açığa çıkarmış olacağız. Bu anlamıyla ağ
sözcüğünü kullandığımızda bir tür stratejik sosyalleşme biçimi diyebileceğimiz ilişkilenme
(networking) biçimlerinden de farklı bir şeyi kastetmiş oluyoruz (her ne kadar bu türden
sosyal ilişkiler ağları kullanarak tasvir edilebilse de). Aslında her türden ilişki ağ olarak
değerlendirilebilir, ancak bunların bazıları diğerlerinden daha faydalıdır. Örneğin, bir grup
kadın hakları STK’sı söz konusuysa, şu ağlardan bahsedilebilir:
Fon ağı – örgütler arasındaki bağış ve sözleşme bağları.
İletişim ağı – STK’lar arasındaki e-posta ve telefon örüntüsü.
İşbirliği ağı – Ortak projelerde beraber çalışan gruplar.
Destek ağı – Grupların yardıma çağırabileceği dost örgütler.
Tüm örgütler birbirinin aynısı olsaydı, aralarındaki ilişkileri tarif etmenin pek faydası
olmazdı, her birini aynı kategori altında toplamak çok daha anlamlı olurdu. Gerçek hayatta
ise, örgütler sadece büyüklükleri ve bütçeleri bakımından değil, birbirleriyle ne derece
bağlantılı oldukları, kimlerle çalıştıkları ve yardım ettikleri gruplarla ne ölçüde yakın ilişkide
oldukları gibi farklı kıstaslar nezdinde değişiklik gösterirler. Örgütler kimi zaman büyük
bütçelere sahiptir, ancak bunu verimli biçimde harcayamaz çünkü iyi enformasyona sahip
değildir. Kimi gruplar da kıt fakat ağ açısından hayatî öneme sahip kaynaklara sahiptir,
diğerleri enformasyon için bunlara gider. İşte ağ analizi, çok da göz önünde olmayan bu
türden durumları inceleyebilmek için araçlar sunar; yalnızca grupların neye “sahip olduğunu”
değil, nerede “konumlandığını” da anlamaya çalışır.
İlişkileri temsil etmek.Konumlandırmadan ve ilişkilerden bahsedebilmek için ağ araştırmacıları uzmanlaşmış
bir terminoloji kullanırlar. Bu ilk bakışta akıl karıştırıcı görünebilir, ancak bağ örüntülerini
kısa yoldan tarif etmek için de son derece faydalıdırlar. Birbiriyle bağlantılı antitelere
(insanlar, örgütler, belgeler, kavramlar) genellikle düğüm (node) denir, bu düğümler
arasındaki bağlantılar da bağ (tie, link) ya da uç (edge) olarak adlandırılır. Kimi zaman bu
bağların bir yönü olduğunu düşünmekte fayda vardır. Örneğin, eğer A Düğümü B Düğümü’ne
para veriyorsa, “para verme” ilişkisi bir yönlü bağ (directional tie) olarak değerlendirilir
çünkü tek yönlü bir akışı tarif eder. Ağlar resme döküldüğünde ilişkinin yönü genellikle okla
gösterilir. Yönlü olmayan bağ (undirectional tie) ise örneğin bir işbirliği ilişkisinde mevcuttur.
Eğer A ve B düğümleri karşılıklı bir mübadele ilişkisi içerisindeyse, bu ilişkiyi yönlü olarak
tarif etmenin bir anlamı yoktur.
Kimi durumlarda ilişkilerin farklı güçleri (strength) olduğunu belirtmekte fayda vardır:
Bazı insanlar daha çok para verir, bazı arkadaşlar da daha yakındır. Bir ağdaki bağlara ağırlık
atfedildiğinde, o ağa ağırlıklandırılmış (weighted) ya da değerlendirilmiş (valued) ağ denir.
Kimi durumlarda ağdaki düğümlere ve bağlara isim vermek ya da etiket takmak (kategoriler)
faydalı olabilir. Bunlara genellikle özellik (attribute) denir.
Soyut ya da somut, farklı düzeylerdeki fail ve antiteler arasındaki farklı türlerdeki
ilişkileri tasvir etmek için ağlar kullanılabilir. Bunları birkaç kategori altında toplayabiliriz
(elbette ki istisnalar olabilir):
İletim ağları (transmission networks). Bir şey ağ boyunca “akar”. Bu akan şey maddî
(su, elektrik) ya da ele gelmez (para, haber) bir şey olabilir, ama her durumda ölçülebilirdir.
İletim ağlarında genellikle bir tür somut fizikî bağ, düğümler arasıda bir değiş tokuş vardır ve
bu bağ “kırılabilirdir”.
Etkileşim ağları (interaction networks). Kontak ya da iletim örüntüleri (e-posta,
hastalık). Aradaki bağ genellikle bir “olay” (zamanı tespit edilebilen ve isimlendirilebilen bir
şey) ya da bir olay örüntüsünün tasviridir. Etkileşim ağlarında kontak sırasında düğümler
arasında değiş tokuş edilen bir şey (bilgi, madde ya da kaynak) vardır genellikle.
İlişki ağları (attribution networks). Bir ilişkinin ifadesi söz konusudur. Bağlar, sosyal
bağıntının kabulüdür, ismi konmuş bir referans, etkinin tanınmasıdır. Örgütler arasındaki
güven ve iktidar, insanlar arasındaki arkadaşlık ya da yazarlar yaptığı alıntılar bu türden
ağlara örnek gösterilebilir. Her ne kadar bu ilişkiler gerçek de olsa, genelde bir kişinin bilgisi
dâhilinde olduklarından ölçmesi bir hayli zordur. Bu nedenle bunlara genellikle bilişsel ağlar
da (cognitive networks) denir. Bu ağlardaki bağlar zaman nezdinde hayli gevşek olabilir;
bağlı bulunan düğümlerin aynı zamanda “canlı” olması gerekmez, hatta bunlar farklı
soyutlama düzeylerinde bile olabilir.
Üyelik ağları (affiliation networks). X, Y’ye “bağlıdır” türünden ilişkilerdir bunlar.
Düğümler, bir grubu, kategoriyi ya da spesifik bir çıkarı paylaşıyorlarsa birbirleriyle
bağlıdırlar. Üyelik ağları bütünüyle soyut olabilir: Aradaki bağ, aynı dokümanda bulunmak
gibi, aynı kategori içinde bulunmak türündendir daha çok. Bu türden ağlarda düğümler
birbirleriyle bir tür korelâsyon ilişkisiyle bağlıdır.
Bu kategoriler yeterince açık ve net olmayabilir, zira pek çok örnekte her birine dair
öğeler bulmak mümkün. Ama yine de analiz yaparken hangi kategorinin kullanıldığını
düşünmekte fayda vardır, çünkü ağ ölçümlerine dair kesin yorumlar ağın türüne bağlı olarak
değişecektir.
3) Ağlarla neler yapabilirsiniz? Ağları nasıl analiz edersiniz? Şimdiye kadarki örneklerimiz son derece ufak ağlardı. İlişkisel enformasyon faydalı
olacak kadar büyüdüğünde genellikle içinden çıkılmazı zor karmaşık bir hal alır. Formel
analiz kullanmadan ağlardan faydalanan gruplar olsa da, ağ verisi genellikle bilgisayarda, bu
iş için özel olarak hazırlanmış yazılımlar eşliğinde değerlendirilir.1 İyi bir değerlendirmeye
varabilmek için konuyla bir düzeyde aşinalık sahibi olmakta fayda vardır; standart istatistik
tekniklerinin pek çoğu bu alanda uygun biçimde kullanılamaz. Fakat kullanılan yöntem ne
olursa olsun, temel hedefler çoğu kez büyük benzerlik gösterir.
Toplulukları tanımlamak.
1 The International Network for Social Network Analysis (INSNA) ağ analizinde kullanılan yazılımların listesini sunduğu faydalı bir web sitesine sahiptir: http://www.insna.org/INSNA/soft inf.html
En yaygın analiz hedeflerinden biri, düğümler arasındaki bağlantılardan yola çıkarak
“doğal grupları” ya da toplulukları ortaya çıkarmaktır. Bir ağ üzerindeki topluluğun nasıl
oluştuğuna dair farklı teknik tanımlar vardır, fakat temel fikir birbirleriyle diğerlerine göre
daha çok bağlantısı olan düğümlerin oluşturduğu kümeleri (cluster) bulmaktır. Kimi topluluk
tanımlarında bireyler aynı anda birden fazla grubun üyesi olabilirler. Ağ üzerindeki
kümelenmeleri bulmaya çalışmanın bir örneği pratik topluluklarını (beraber ya da aynı alanda
çalışan, benzer bilgi ve bakış açısına sahip olan bireylerin oluşturduğu grupları) bulmaktır.
Önemli bağları ya da düğümleri yerli yerine oturtmak.Ağın türüne bağlı olarak kimi düğümlerin göreli olarak daha önemli (ya da güçlü)
konumları olabilir. Burada önemliliğin nasıl tarif edildiği tümüyle bağlama bağlıdır; kimi
durumlarda çok bağa sahip olmak bir önem göstergesidir, ama bu her zaman bu kadar kolay
değildir. Kimi durumlarda da bir düğümün ne derece önemli olduğu, ağ içerisinde ne kadar
merkezî bir yere sahip olduğuyla, ağa ne kadar iyi entegre olduğuyla ya da iki topluluk
arasında sahip olduğu köprüleme ya da kapı bekçiliği vasfıyla ölçülür. Bu bağlar önemlidir
çünkü bunları ortadan kaldırdığımızda ağ parçalara ayrılabilir. Bir ağ içindeki düğümlerin ve
bağların önemini ölçen yazılımlar mevcuttur, fakat bunların hangisinin kullanılacağı
araştırmacının ağdan ne öğrenmek istediğine bağlıdır. Örneğine yazılarına verilen
referansların oluşturduğu ağı kullanarak kanaat önderlerini tespit etmek mümkündür, bu
örnekte merkeziyeti en yüksek düğümler en önemli düğümler olacaktır.
Rolleri ve konumları keşfetmek.Kimi durumlarda bir ağla ilgili en ilginç şey hangi düğümün en önemlisi olduğu değil,
hangi düğümlerin benzer bir ilişki örüntüsüne sahip olduğudur. Yapısal anlamda denk
konumlara sahip –yani benzer oldukları düğümlerle benzer bağlara sahip– düğümleri ya da
düğüm gruplarını yerli yerine oturtacak yazılımlar kullanmak mümkündür.
Gizli bağlantıları açığa çıkartmak.Birbirinden ayrı tekil ilişkilere dair çok sayıda bilgi ortak bir yapı içinde
birleştirildiğinde dolaylı patikalar (kendileri doğrudan bağlı olmayan düğümler arasındaki bir
dizi bağlantı) bulmak mümkün olabilir. Daha öncesinde kullanılmayan ya da başka türlü açığa
çıkmayacak olan alternatif yollar da keşfetmek mümkündür.
İletişimi kolaylaştıracak kanlı canlı temsiller yaratmak.Eğer bir ağ çok yoğun ya da büyük değilse, bir dizi bilgisayar programları kullanarak
görsel bir formda haritalanabilir. Düğümler öyle bir şekilde isimlendirilebilir ki, izleyici ağ
haritasını yorumlarken kendisini harita içinde konumlandırabilir ve oradaki bilgiye nüfuz
edebilir. Düğümlerin ve uçların özelliklerini göstermek için genellikle renk ve şekiller
kullanılır. İlişkileri ikonik bir formda görselleştirmek, insanlara tartışmalar esnasında referans
gösterebilecekleri somut bir şey, karmaşık bir konu hakkında bilgi alışverişi yapabilecekleri
bir araç verir.
Rolleri ve konumları keşfetmek.Kimi vakalarda, toplanan veri, o veriyi toplama sürecinin kendisinden daha az
önemlidir. Veri toplama sürecinin, ilişkilerin ortak bir forma sokulup katılımcıların
tartışmasının ve fikir üretmesinin mümkün kılındığı bir grup tartışması içerisinde vuku
bulduğu durumlar buna örnek gösterilebilir.
Ağlar bahsinde birkaç önemli kavram daha.Yoğunluk Yoğun (dense) ya da yüksek-bağlantılı ağlarda her bir düğümün çok sayıda
bağlantısı vardır ve ağdaki diğer düğümlerin çoğuyla bağlantılanma eğilimi gösterir (Şekil
2a). Düşük-yoğunluklu ya da gevşek ağlarda da bazı düğümlerin çok sayıda bağlantıya sahip
olması mümkündür, ama düğümlerin büyük çoğunluğu birbiriyle bağlantılı değildir (Şekil
2b). İlginç ve çalışması faydalı ağlar gevşek ağlardır. Çok gevşek ağlarda izole birimler ya da
bağlantısız bileşikler (birbiriyle bağları olan ama ağın diğer kısımlarıyla ilişkisi olmayan
düğüm grupları) bulmak mümkündür.
Mesafe Ağlarda mesafe denilince genellikle bir düğümden bir diğerine seyahat
edebilmek için atılması gereken adımlar kastedilir, her bir bağ bir adım sayılır. Bir düğümün
komşuları yereldeki diğer düğümlerin oluşturduğu gruplardır; ufak bir mesafe tarandığında
bulunabilirler, hatta kaynak düğüme bağlı bile olabilirler. Yoğun yerel komşuluklara sahip
ağlar, yüksek kümelenme (clustering) derecesine sahip ağlar olarak tarif edilirler.
Merkeziyet Ölçülen şeyin ne olduğu konusunda önemli ayrımlar doğuran farklı
merkeziyet ölçümleri vardır, fakat temel fikir bir düğümün ağın ne kadar “ortasında” (ne
kadar bağlı ve bütünleşmiş) olduğunu bulmaktır. Bir kez daha tekrarlamak gerekirse,
merkeziyet ölçüsü araştırmacının hedeflerine ve ağın kategorisine bağlıdır.
Şekil 2: Her birinde 50 adet düğüm bulunan farklı türden ağlar.
Düğüm grupları arasındaki ilişkileri ve bağları tasvir eden yukarıdaki özelliklere ek
olarak daha büyük ilişki yapılarına dair betimleyici kategoriler de mevcuttur. Aşağıdaki
kavramlar, bir ağdaki bağların genel örüntüsüne dair daha rafine tanımlar sunarlar.
Ağaç tipi hiyerarşide her bir düğümün altında çok sayıda çocuk vardır ama üzerlerinde
yalnızca tek bir ebeveyn bulunur. Şekil 2c düğümler hiyerarşik bir konumlandırmaya tabi
tutulmadan çizilmiş bir ağacı gösterir. Çapraz bağlar (dallar arasındaki bağlar) ağaç tipindeki
bir ağda görülmez. Safi ağaç türü ağlara doğal olarak ortaya çıkmış ağlarda pek rastlanmaz,
ama bunlar sınıflandırma sistemlerinde veya katı bir hiyerarşinin söz konusu olduğu
durumlarda sıkça kullanılır. Farklı dallardaki düğümler arasında çapraz bağların olduğu ağaç-
benzeri ağlara rastlamak daha olasıdır.
Küçük-dünya terimi çok ufak ve birbiriyle sıkı sıkıya bağlı gruplara sahip ağları tarif
etmek için kullanılır (Şekil 2d). Diğer bir deyişle, küçük-dünya ağları yerel anlamda yoğun
ağlardır, fakat bunlarda grupları birbirine bağlayacak kısa-yol bağları gevşektir. Bu ağlarda
sürpriz sonuçlara varmak mümkündür, iki insan arasında yalnızca altı kişi olduğuna dair sıkça
duyulan lafız da buradan türemiş olabilir.2 Kendiliğinden doğal olarak ortaya çıkan ağlar
genellikle bu türden bir özellik sergilerler.
Merkez-çevre terimi ortalarda yoğun, uçlarda ise gevşek ağlar için kullanılır (Şekil 2e).
Buna göre birbirleriyle daha yoğun bağlara sahip bir merkez grup, onun etrafında da bu
merkezle bağları olan ama birbirleriyle pek bağlanmayan daha çok sayıda düğüm vardır.
Bunların da çevresinde en fazla bir iki bağa sahip çevre düğümleri vardır, bunların çok azı
doğrudan merkeze bağlıdır.
Ölçeksiz ve Güç-hukuku tabirleri ise, çok sayıda bağlantıya sahip az düğümün olduğu,
bazı düğümlerin orta düzeyde bağlantılılığa sahip olduğu ve düğümlerin çoğunun az sayıda
bağa sahip olduğu ağları anlatmak için kullanılır (Şekil 3f). Doğal ağların çoğu bu tiptedir, az
sayıda “popüler” düğüme ve çok sayıda “sıradan” düğüme sahiptir. Bu ilişki –bir ağdaki her
türden düğümün sahip olduğu bağ sayısı arttıkça kendi sayısının azalması– “güç-hukuku”
denilen bir matematik formülüyle tarif edilebilir.
4) İlgili araştırma alanlarının özeti.Ağlardan faydalanan bir dizi ve araştırma alanı vardır. Kimi alanlarda ağlar kuramsal
çerçevenin bir parçasıyken, kimilerinde de veri yapısı ya da yazılım prosedürü olarak işlev
görürler. Araştırma programlarının çoğu bu alanlarda kullanılan tekniklerden faydalanır.
2 Pek çok ünlü çalışmaya göre, hiç tanışmamış iki insan bile aynı sosyal ağ içerisinde altı veya daha az insanla birbirine bağlırdır.
Ağlar üzerine yapılan araştırmalar fizikten felsefeye kadar uzandığından, temelde aynı
kavramlara gönderme yapan farklı terimler olabilir. Her bir alt-alanın kullandığı kısaltmaları
çözmeye çalışmak son derece güçtür. Bu kısaltmalara dair bir özet için Tablo 3’e bakılabilir;
ağ hartalarının kullanıldığı alanlara dair daha kapsamlı bir tartışmayı da aşağıda bulabilirsiniz.
Çizge Kuramı (Graph Theory).Ağların hayli formel ve matematiksel bir alanı olan çizge kuramı, ağları uç ve arklarla
birbirine bağlı çizgeler ya da nokta dizileri (daha formel bir ifadeyle vertice ya da düğüm)
olarak ele alır. Çizge kuramı bir nevi ağların geometrisidir, ağları araştırmak için çizgelerin
özelliklerine dair aksiyomları ve teoremleri kullanır. Bu alanda yapılan işlerin çoğu sosyal ağ
analizi açısından temel önemde olsa da bunları şu aşamada derinleştirmenin gereği yok.
Geçmişte araştırmacılar tarafından kullanılan araçlardan biri ilişkisel verinin matris biçiminde
temsiliydi, böylece lineer cebir tekniklerinin analizde kullanılması mümkün oluyordu (bkz
Tablo 4).
Sosyal Ağ Analizi (Social Network Analysis-SNA).‘Sosyal Ağ Analizi’ tabiri, ağ metodolojilerinin insan ilişkileri ve grupları alanında
uygulanmasına gönderme yapar. SNA, toplumsal yapının temsiline yönelik sosyolojik ve
antropolojik geleneklerin içinden gelişmiştir. Formel çizge kuramı, ağ kuramı, antropoloji,
örgüt çalışmaları ve matematiksel sosyoloji, kullandıkları yöntemler açısından birbirlerine
hayli yakındır. SNA pratiğiyle uğraşanlar, bireysel niteliklere değil de grup yapılarına ve
toplumun ilişkisel veçhelerine odaklanarak, davranış kalıplarına dair niceliksel bir sonuca
varmaya çalışırlar. SNA kimi zaman bütünleşik bir toplumsal kuram değil de bir kavram seti
ya da teknik kutusu olmakla eleştirilse de, ağ kavramlarının gerçek sorunlara uygulanmasında
elli yıllık bir geçmişe sahiptir. İlgi çekici başlıklardan bir kaçı şunlardır:
Zayıf bağların gücü, Marc Granovetter’in ünlü gözlemine verilen addır. Buna göre,
bireyler benzer kaynak ve enformasyona sahip benzer insanlarla daha güçlü bağlar kurma
eğilimindedirler.2 Kişiyi daha farklı kişilere bağlayan, yani daha nadir kaynaklara ve bakış
açılarına erişmesini mümkün kılansa, nadir ya da zayıf bağlardır (günlük tanıdıklıklar ve
kontaklar). O yüzden, yakın dostunuz size iş bulmak için ne kadar çalışırsa çalışsın, size esas
faydası olacak olan muhtemelen daha uzak bir tanıdığızdır.
Yeniliklerin yayılımı, fikirlerin gruplar arasında nasıl hareket ettiğine odaklanan bir
alt-daldır. Buna göre, yeni fikirler ya da ürünler ortaya çıktığında, insanların çoğu bunları
yaygın medya kanallarından öğrenip kullanmaya karar vermez. Bireyler daha çok “erken
adapte olmuş” yakın arkadaşları vasıtasıyla bunları öğrenirler. “Geç adapte olanlarsa” ancak
belli bir çoğunluk bu alana dâhil olduğunda harekete geçer. Everett Rogers’a göre, bu durum,
yeni bir teknolojinin ya da pratiğin nüfus içindeki adaptasyon oranında düzenli bir örüntü
yaratma eğimlindedir.3 Bu alandaki yeni çalışmalar, salgınların (bu bir hastalık ya da fikir
olabilir) belli bir ağ içinde nasıl yayıldığı üzerine yoğunlaşmıştır.
Tablo 3: Ağ analizinin alt-alanları
Üçlü kapanma, George Simmel’in, herhangi üç insan arasındaki ilişkiler setinin
öngörülebilir yönde değişme eğiliminde olduğu şeklindeki gözlemine dayanır. Hülasa,
dostumun dostu benim de dostum olabilir, dostum düşmanı benim de düşmanım olabilir ve
eğer iki dostum birbirine düşmansa yakın zamanda bunlardan sadece biri benim dostum
olarak kalacaktır. Her ne kadar bu süreç sadece ilişki ağlarının (attributional networks) belli
türleri için geçerli olsa da, temel fikir, çiftler ve küçük gruplar arasındaki düşük-seviye bir
sürecin bütün ağ yapısı içinde tanımlanabilir bir örüntü yaratabileceğidir.
Tablo 4: Çizge kuramında kullanılan bir sosyo-matrise örnek. Her sıradaki ‘1’ler ilgili sütunla bir bağlantı
olduğunu gösterir; yani Jane’in Maria ve Eduardo ile bir bağı vardır. Her bağlantının simetrik olması gerekmez,
bu örnekte Eduardo’nun Jane’le bir bağı yoktur.
SNA’nın hayli güçlü teknikleri olsa da kimi sıkıntılar da yok değildir (bu konuda bir
özet için bkz. Tablo 5). Genellikle örgütlerin anlamak istedikleri ağlar ölçülmesi son derece
güç ağlardır. Örneğin, örgütler arasındaki ‘destek’ ve ‘güç’ ilişkilerini düzgün bir şekilde
tanımlamak son derece güçtür. İyi bir tanım bulunabilse, kavramın kendisi doğrudan
ölçülebilir olmayabilir. Çıkar ilişkilerine göndermede bulunabilmek için kullanılacak
ölçülebilir ilişkiler bulmak gerekebilir. Daha da somutlaştırmak için kendi dost ağını analiz
etmek isteyen bir örgütü ele alalım. Bu örgütün her bir üyesinin kafasının içine bakıp
birbirleri hakkında ne düşündüklerini öğrenmenin bir yolu yok (çok şükür ki!). Örgüt her bir
üyesine birbirleri hakkında bir dizi soru sorabilir, fakat bir dizi nedenden ötürü bu sorulardan
gereken bilgi elde edilemeyebilir. Her kişinin farklı arkadaşlık tanımlarına sahip olması son
derece mümkündür. Örgütün elindeki diğer bir seçenek, arkadaşlık tanımını nesnel olarak
gözlemlenebilir davranışlar üzerinden yapmaktır: Üyeler ne sıklıkla ziyarete geliyorlar?
Üyeler aralarında hediye alışverişi yapıyorlar mı, birbirlerine destekte bulunup aynı
etkinliklere katılıyorlar mı? Bu türden ölçülebilir şeyler ağlara özgü değildir; çoğu durumda
bir ölçme söz konusu olduğunda ortaya çıkarlar.
Bir başka sorun da düğümleri birbirine bağlayan tek bir ‘Ağ’dan bahsetmenin imkânsız
oluşudur, birbirinden farklı pek çok türde ağ mevcuttur. Çünkü herhangi iki antite arasında
birden çok ilişki türü ve analiz seviyesi vardır. Örneğin, iki örgüt şu nedenlerle birbirine bağlı
olabilir:
Biri diğerini fonluyordur,
Ortak bir projede işbirliği yapıyorlardır,
Örgütteki insanlar birbirine e-posta atıyorlardır,
Web sitelerinde birbirlerine link veriyorlardır,
Benzer işler yapıyorlardır,
Aynı konferanslara katılıyorlardır,
Aynı makalede anılmışlardır,
Çalışanları birinden diğerine geçmiştir.
Bu ilişki türlerinden her biri bir ağ inşa etmek için kullanılabilir. Bu durum bir esneklik
sağlasa da, eldeki sorulara yanıt vermek için hangi ağın ya da ağların uygun olacağını tespit
etmek son derece güçtür. Diğer metodolojik ve etik sorunlar ileride tartışılacaktır. Sosyal ağ
analizlerine dair daha kapsamlı bilgi için John Scott’ın4 kolay okunur özetinden ya da
Hanneman ve Riddle’ın5 beraber kaleme aldıkları metinden faydalanılabilir.
Tablo 5: Sosyal Ağ Analizini kullanırken karşılaşılabilecek kimi güçlükler.
Örgütsel Ağ Analizi (Organizational Network Analysis-ONA).Bu alanda çalışan pek çok kişiye göre, ONA, SNA’nın terimleri iş dünyasınca daha kabul
edilebilir hale sokulmuş bir versiyonundan başka bir şey değildir. ONA esas olarak şirket
içindeki bireyler ya da şirketler arasındaki ilişkilere odaklanır ve çoğu durumda bir işletme
aracı olarak kullanılır.6 Bu alanda danışmalık hizmeti veren bir dizi ticari işletme vardır,
bunların bu araçların kullanımına dair hayli cüretkâr iddiaları vardır. Cross ve Borgatti’nin,
entegrasyon ve işbirliği konularında sorunlar yaşayan bir grup örgütle yaptığı çalışma bu
konuda hayli faydalı bir özet sunar. Şekil 3’te ONA’nın fayda edebileceği türden bir örgütsel
soruna dair bir örnek gösterilmiştir. Örgütsel ağ alanında danışmanlık yapan Valdis Krebs’in
web sitesinde iş dünyasına dair örnekleri bulmak mümkün.3
Şekil 3: Bir grup uzman danışman arasındaki bilgi paylaşım bağlarından oluşan ağda (a) zamanında bir
bölünmüşlük gözlenirken, (b) zamanında, müdahale sonrası durum gösterilmekte.
Ağ Haritaları / Görselleştirme.Ağ haritası, basit tablolarla göstermesi hayli güç, coğrafi haritalarla mantıkî olarak
anlatılamayacak ilişiksel enformasyonun görsel olarak sunmanın bir aracıdır. Kendi içinde bir
mikro disiplin olduğu gibi birçok farklı alanda da kullanılan bir araçtır. Amaç, (insanlar ve
örgütler gibi) çeşitli antiteler arasındaki ilişkileri görünür kılacak bir “harita” yaratmaktır. 3
? http://www.orgnet.com/cases.html
Coğrafi konumlandırmada kullanılan haritalardan farklı olarak buradaki zorluk, çoğu
durumda öğeleri nasıl yerleştireceğimize dair bir tür kurallar sistemine ihtiyaç duymamızdır.
Toplumsal ilişkileri göstermek için nokta ve çizgilerden yararlanan sociogram veya
diyagramatik harita, genellikle, Jacob Moreno’nun 1930’ların başında yaptığı çalışmayla
ilişkilendirilir. Bilgisayar teknolojisindeki son gelişmeler bu haritaları otomatik olarak
oluşturabilen programları mümkün kılmıştır. Bu alanda kullanılmak üzere bir dizi prosedür
geliştirilmiş ve uygulamaya konmuştur. İstatistik gibi daha geniş alanlardan çok-boyulu
ölçeklendirme türünden teknikler devşirilmiştir. Bu tekniklerinin çoğunun amacı, izleyicinin
bunu tıpkı bir coğrafi haritaymış gibi okuyabilmesini mümkün kılacak şekilde düğümleri
sayfaya konumlandırmanın bir yolunu bulmaktır, böylece düğümler arasıdaki mesafe ağ
içerisindeki mesafelere tekabül edecektir.
Ancak, tıpkı üç boyulu dünyanın iki boyutlu bir haritaya aktarılmasında çarpıtmalar
olduğu gibi, ağ haritalarının çoğu da aktardıkları ilişkilerin bazılarını çarpıtır. Araştırmalara
göre, izleyicinin ağ haritalarına dair yorumları düğümlerin sayfada nasıl
konumlandırıldığından etkilenmektedir.7 Ağların pek çoğunda, özellikle de çok sayıda bağın
mevcut olduğu yoğun ağlarda, kusursuz bir iki boyutlu harita hazırlamak mümkün değildir. O
yüzden hangi bilginin yok sayılıp hangi bilginin sıkıştırılacağına karar vermek son derece
önemlidir.
Bir ağ haritasıyla akış diyagramı arasındaki esas fark, ağ haritasındaki öğelerin göreli
konumlarının ilişki yapılarına göre oluşturulmasıdır. John Emerson enformasyon grafiği
yaratmada karşılaşılabilecek sorunlara dair bir özet kaleme almıştır.8 Ağ görselleştirmelerinin
örneklerini ileriki sayfalarda görebilirsiniz, bunun dışında, farklı yaklaşımları bir araya getiren
web siteleri de mevcuttur.4
Dinamik Ağ Analizi.Dinamik ya da eksenel (longitudinal) ağlar, ilişki setlerinin ya da ağ üyeliklerinin (ağ
içinde hangi düğümler var) zaman içinde değiştiği ağlardır. İlişki yapılarının analiz edilen
dönem içerisinde sabit kalmadığı süreçleri tarif etmek için kullanılır. O yüzden, dinamik ağ
analizi, her biri belli bir zaman aralığı içerisinde ağı tasvir eden çoklu veri “dalgalarıyla”
4 http://www.visualcomplexity.com bu alanda hayli popüler bir sitedir.
uğraşır. Dinamik ağların görselleştirilmesi çoğunlukla anime filmlerle olur5, böylece zamanla
değişen yapı gösterilebilir9.
Bağ Analizi.ABD istihbarat camiasında ağ analizine verilen isim Bağ Analizidir. Fakat aynı terim,
web sayfaları arasındaki internet hiper-bağlarını inceleyen çalışmaları tarif etmek için de
kullanılır. Terimin istihbarat anlamı, yıkıcı faaliyetlerle ya da gruplarla ilişkili bireyler
arasındaki bağlara odaklanır. Bu tür çalışmalara dair kamusal bir bilgiye sahip olmasak da,
çok sayıda anekdottan anlaşılan bu türden çalışmaların devletlerin bilgi toplama
programlarının yok sayılamaz bir öğesi olduğudur. Eğer (istihbarat raporları, seyahat
kayıtları, telefon görüşmeleri, internet kullanımı, banka işlemleri gibi) pek çok kaynaktan
gelen ilişkisel bilgi merkezi veritabanlarında toplanabilirse, şüphelileri tespit etmek üzere
“noktaların arasını tamamlamak” mümkün olabilir. Buna ek olarak, eğer veritabanına nüfusun
kayda değer bir bölümü dâhil edilirse, yeni şüphelileri ortaya çıkaracak faaliyet örüntülerini
aramak da mümkün olur.
Kimi güvenlik uzmanları bu türden yaklaşımlara son derece şüpheyle yaklaşırlar;
ağların, tüm bir nüfusa aynı anda değil de, mevcut hukuki çerçeve içerisinde kalınıp spesifik
şüphelilere uygulandığında çok daha verimli olacağını iddia ederler10. Aksi takdirde, büyük
bir kaynak meşru tehditleri soruşturmak için değil, sonuç alınamayacak şüphelileri izlemek
için kullanılmış olur. Daha da önemlisi, herhangi bir potansiyel güvenlik kazanımı ortaya
çıkacak mahremiyet ve özgürlük sorunlarından daha önemli olamaz.
Bilgi Yönetimi (BY).Bilgi Yönetiminin esas odağı bir organizasyon içindeki enformasyonu haritalayıp
kataloglandırmaktır: Kim neyi biliyor, kim kimden tavsiye istiyor, enformasyon nerede
bulunuyor? BY organizasyon içinde kullanılan dokümanları birbiriyle bağlantılandırıp
kataloglamak için sistem geliştirmek için de çabalar. Bu kategorizasyon sistemlerine
çoğunlukla ontoloji denir ve hiyerarşi ağacı biçimin alır. BY, bir organizasyondaki alt
birimlerin birbiriyle nasıl koordine olduğunu izlemek için iletişim örüntülerini ağ analizine
tabi tutar. Kimi zaman semantik ağlar BY’nin bir unsuru sayılırlar. Semantik ağlar (bilgi
grafikleri olarak da bilinirler11), bir tartışmada, belirli bir araştırma alanına dair literatürde ya 5 Dinamik ağ animasyonlarına dair çok sayıda örnek için: http://www.stanford.edu/group/sonia/examples/index. html
da bir firmanın belgelerinin toplamı içinde ortaya çıkan terimlerin (ya da ifadelerin)
arasındaki ilişkiler toplamından meydana gelir. Bir ağ içinde ortaya çıkan terimlerin ve
ifadelerin birliği metindeki ana öğelerin kaba bir özeti olarak da kullanılabilir.
Aktör-Temelli Modelleme (Agent-Based Modeling-ABM).Aktör-temelli modelleme, farklı süreçleri anlamaya, hatta kimi zaman tahminlerde
bulunmaya yardımcı olacak modelleri ya da simülasyonları üretmede kullanılan bir dizi
tekniği tarif eder. Aktör-temelli bilgisayar simülasyonları, nispeten basit kuralları izleyip
birbiriyle etkileşen çok sayıda nesne ya da aktörle karakterize olur. Ancak her ne kadar failler
basit olsa da kimi durumlarda nüfus düzeyinde hayli karmaşık davranışlar ortaya çıkar.
“Karınca baskını” buna klasik bir örnek teşkil eder. Karıncalar yiyecek bulmada tam bir
uzmandır. Yiyeceği bulduklarında çok sayıda karınca son derece organize ve koordine bir
biçimde yiyeceği eve getirmek için çalışmaya başlar. Araştırmacılar yazılım araçlarını
kullanarak simüle edilmiş “karıncalar”ın hangi kuralları izlediğini tespit etmişlerdir:
1. Evdeysen, dışarı çık ve rast gele dolaş.
2. Yiyecek bulursan, eve getir ve geride bir “koku izi” bırak.
3. Bir “koku izi”ne rastlarsan, yiyeceği bulana ya da eve varana kadar izi takip
et.
Bu kadar az sayıda kural bile kurgu karıncaların baskın örüntülerinin sahici karıncalarınkine
hayli benzediğini göstermeye yeterlidir.
ABM, modelin toplam özelliklerinin nasıl birbirleriyle ilişkilendiklerini ve zaman
içerisinde değiştiklerini tarif etmek için diferansiyel denklemleri kullanan bir diğer yaygın
modelleme tekniğiyle kıyaslanabilir. Örneğin, ABM çerçevesinde hazırlanmış bir avcı-av
ilişkisi modeli, toplam nüfusun gözlem altında tutulduğu sanal bir alanda “yiyen” ve “üreyen”
“tilki” ve “tavşanları” içerebilir. Diferansiyel denklem modeli, tilki ve tavşan nüfuslarının
nasıl birbirine bağlı olduğunu tasvir eder. ABM modelleri karmaşık ve analiz etmesi zor
modellerdir, ancak girift karşılıklı bağımlılıklar ve çarpıcı davranışlar ortaya çıkarır. Bir
sistem yalnızca (nüfus gibi) toplam nicelikler kullanılarak modellendiğinde bu türden
hasletler gözden kaçar.
Aktör-temelli modelleri kategorize etmenin bir yolu onları iki sınıfa ayırmaktır:
Tahmine yönelik olanlar ve daha metaforik olanlar. Metaforik modeller bir soruna dair basit
varsayımlar seti üzerine temellendirilmişlerdir; ne kadar az “çan ve ıslık”, o kadar iyi. Bu
modeller, “bu basit kuralları izleyen etkileşimler gerçek veride gözlemlediğimiz niteliklerin
bazılarına sahip davranış örüntüleri üretebilir mi?” türünden sorulara yanıt verebilir. Bu
türden modellerle gerçek süreçlere dair büyük genellemeler yapmak genellikle bir hatadır. Bir
özellik hem modelde hem de gerçek hayatta karşımıza çıktı diye her ikisinin de benzer
süreçlerden geçtiği anlamına gelmez. Buradan çıkarılabilecek yegâne sonuç, modeldekiler
kadar basit süreçlerin gerçek dünya özelliklerini yaratmak için yeterli olacağıdır. Bu türden
modellerin avantajı, anlamaya yardımcı olmak için hakiki veri girişi gerektirmemeleridir.
Tahmine yönelik aktör-temelli modellerse modeldeki tüm özellikleri tarif eden kapsamlı
veri girişini gerektirmesidir. Modellenecek süreç son derece iyi şekilde anlaşılmalıdır ki
gerekli tüm kurallar ve detaylar dâhil edilebilsin. Tahmine yönelik modeller son derece
karmaşık olma eğilimindedir, ancak yeterince sahici biçimde yapılabildiklerinde bir dizi
senaryoyu test etmeye imkân tanır.
Ağları kullanan aktör-temelli modellere pek çok örnek olsa da, modelleme çerçevesi
doğrudan ağlarla ilişki değildir. ABM ağ tartışmalarında sıkça kullanılır çünkü her ikisi de
şaşırtıcı veya kaotik davranışları olan sorunlara odaklanan Karmaşa Biliminin araçlarıdır.
Çatışma ve işbirliği üzerine ilginç modeller kuran önemli bir yazar da Robert Axelrod’dur.12
Aktör Ağ Kuramı (Actor Network Theory-ANT).Aktör Ağ Kuramı, toplum ve teknoloji üzerine deskriptif bir sosyoloji yaratmak için ağ
kavramlarını kullanır. ANT, Michel Calon ve Bruno Latour’un bilim ve teknoloji sosyolojisi
üzerine çalışmalarından doğdu. ANT’nin uygulamasıyla uğraşanlar, dünyayı heterojen ağlarla
tarif ederler: İnsanlar, kavramlar ve makineler arasındaki birliktelikler, bir görevin, olayın ya
da yenilin vuku bulabilmesi için gerekli teknolojiler. ANT bakış açısında tüm bunlar aktör
olarak değerlendirilir, yani bu yaklaşım kendisini sadece insanlar arasındaki ilişkilerle
sınırlamaz. Gene ANT’ye göre aktörlerin kendileri de ağlardan müteşekkildir; kuram, kendi
başına bir aktör olarak değerlendirilebilecek kadar stabil bir ağdaki öğelerin mobilizasyonunu
ve bileşimlerini tarif etmek için tercüme terimini kullanır. Bir projeyi örnek olarak alalım.
Belli bir noktada insanların, araçların ve kaynakların oluşturduğu birliktelik tanımlanabilir bir
şeye dönüşür; insanlar, kendi ilişkileri ve amaçları olan bir projeye göndermede bulunmaya
başlarlar.
Aktör ağ kuramı, kabul edilebilir bir norm halini alan bir bakış açısına giden süreçleri
analiz etmek için kuramsal çerçeve olarak da kullanılabilir. Uygulamacıların kuramı
uygulamaya koyma biçimlerindeki tutarsızlıklarından dolayı ANT kimilerince eleştirilir.
Ancak, felsefi perspektifi ayrı tutarsak, aktör ağ kuramının temel metodolojileri başka türden
ağ analizlerinden çok da farklı görünmez. Temel teknikler şunlardır: Kilit konumdaki
insanları tespit edip onlarla söyleşiler yapmak; organizasyonların ürettiği metinleri analiz
etmek; belirli bir görevi yerine getirmek için gerekli olan çeşitli insanları, kaynakları,
değerleri ve teknolojileri bir diyagrama oturtmak.
Sosyal Sermaye.Kimi araştırmacılar, bilgiyi, ilişkileri, erişim imkânlarını, ayrıcalıkları ve
insanların/örgütlerin haklarını sermayenin bir formu olarak görmeyi faydalı bulur. Sosyal
sermaye, toplumsal ve politik manevralarla, ilişki inşa etmeyle arttırılabilir. Bir kez
arttırıldığında kolektif eylemi kolaylaştırmak için kullanılabilir ya da daha iyi bir konumda
bulunan insanların hedeflerine daha kolay varmasına imkân verir. İktidar analizinin bir formu
olan sosyal sermaye, insanların içinde bulundukları ağlardaki konumları gereği sahip
oldukları iktidara odaklanır. Sosyal sermaye perspektifinden bireyin sahip olduğu iktidarın
temel bileşeni kişinin yapısal delikleri (gruplar arasındaki ilişkilerdeki boşluklar) ne dereceye
kadar doldurduğudur. Bu insanlar simsarlar gibi hareket edebilirler çünkü gruplar arasındaki
tüm iletişim onların üzerinden geçmek zorundadır. Kimi bağlamlarda sosyal sermaye, bir
topluluktaki ağların ne kadar iyi yapılanmış olduğunu kısa yoldan tarif etmek için kullanılır.
Verimli bir şekilde hareket edebilen ve yeni güçlüklere hızla uyum sağlayabilen grupların
çoğu durumda kuvvetli güven ağları ve iyi iletişim örüntüleri vardır, bu grupların sosyal
sermayelerinin yüksek olduğu söylenebilir. Sosyal sermaye faydalı bir kavram olsa da, bir
yandan da fazla geniş bir kavramdır, pek çok yazar terimin gerçek tanımı konusunda
anlaşmazlık yaşar.
Güç Haritaları / Güç Analizi.En genel anlamıyla, güç haritalandırması, antiteler arasındaki göreli güç ilişkilerinin
paylaşılan temsillerini yaratmak için bir tekniktir. Katılımcıların güç yapılarına dair
bakışlarını toplamanın ve temsil etmenin, karmaşık yapıyı daha basit diyagramatik formlara
büründürmenin ve en önemli ilişkilere odaklanabilmek adına enformasyonu organize etmenin
bir yoludur. Diyagramlar çeşitli yollarla inşa edilebilirler, ancak en popüler yollardan biri
katılımcılardan belirtileri konumlandırmalarını istemektir, böylece sayfa üzerindeki
konumlanışları onların sahip oldukları gücü ve/veya bir sorun karşısında aldıkları konumu
gösterecektir. Güç haritalandırması sorunun muhataplarıyla katılımcı bir tartışmanın
yapılandırılması için de kullanılabilir. Bilgi paylaşmanın ya da bir gruba düşmanını ve
dostunu kolayca tanıması için yardım etmenin de bir aracıdır. Bir avantajı çok az teknoloji
gerektirmesidir. Bir beyaz tahta ya da kâğıt parçası yeterli olacaktır. Taraflara dair niteliksel
ve göreli bir enformasyonu bir an önce toparlamaya odaklanır, o yüzden de etkili olabilmek
için sayısal veriye ihtiyaç duymaz. Bu yaklaşım kimi vakalarda nispi enformasyonun
toplanmasını içerecek şekilde genişletilmiştir, böylece bir ağ haritası formunu almıştır. Güç
haritaları kimi örgütlerce bir topluluk analizi aracı olarak kullanılır (bkz. Şekil 4), sanki
bağımsız olarak keşfedilmiş gibidir ya da belki de alan teorisi gibi sosyal psikoloji
konularından türetilmiştir. Pek çok yardım ajansı, yapılan müdahalelerin etkilerini öngörmek
ve anlamak adına güç analizinin olası kullanımlarını araştırmaktadırlar.
Şekil 4: Güney Los Angeles’ta bir topluluk örgütlenmesi olan AGENDA (Action for Grassroots Empowerment
and Neighborhood Development Alternatives) tarafından geliştirilen güç analizinden bir örnek. Farklı grupları
ifade eden ikonlar öyle bir yerleştirilmiş ki, yatay pozisyon destek/muhalefet anlamına gelirken, dikey pozisyon
örgütün gücünü göstermekte.
Sorun / Siyasa Ağları.Siyasa ağları siyasa analizinde kullanılan analitik çerçevelerin bir türüdür. Bir konuyla,
sorunla ya da bir kamu siyasası alanıyla ilgilenen örgütlerin ya da politik aktörlerin
oluşturduğu grupların nispeten stabil karşılıklı bağımlılıkları olduğunu varsayar. Eğer bu
ilişkiler ağ şeklinde temsil edilirlerse, ağ analizi tekniklerini kullanarak farklı grupların nasıl
konumlandıklarını ya da birbirleriyle ne kadar uyumlu olduklarını çalışmak mümkün olur13.
Eğer örgütlerin ortak hedefleri varsa, ya koordine bir ağ içinde çalışırlar ya da görece daha
bağımsız davranırlar. Kimi zaman sorun ağları, daha gevşek koalisyonlar içinde hareket eden
grupların siyasaları müzakere etmek için kullandıkları nispeten daha hiyerarşisiz araçlara
göndermede bulunmak için kullanılır, çünkü bu grupların tek başlarına etki edecek kadar
güçleri yoktur. Siyasa ağlarının analizi için gereken veri genellikle söyleşilerden veya gazete
yazıları gibi yazılı malzemenin kapsamlı bir taramasından toplanır.
Veri Madenciliği ve Metin Madenciliği.Veri madenciliğinin kaba bir tarifi şöyle yapılabilir: İstatistikî teknikleri ve bilgisayar
prosedürlerini kullanarak analiz yapabilmek için farklı kaynaklardan geniş çapta enformasyon
toplamak ve bu enformasyonu iyi yapılandırılmış tek bir veri tabanı sistemine aktarmak. Veri
madenciliği, araştırmacıların kanıtlamaya çalıştıkları spesifik hipotezleri olmamasıyla diğer
veri yönelimli analiz biçimlerinden ayrılır. Bu araştırmacılar daha ziyade bir açılım ararlar,
genel örüntüleri ortaya çıkarmaya çalışırlar ya da daha ileri soruşturmalara imkân verecek sıra
dışı vakaların peşinden koşarlar.
Metin madenciliği ise yapılandırılamamış metinlerle karşılaşıldığında kullanılan bir
tekniktir. Metnin hangi bölümünün neye gönderme yaptığını belirleyebilmek için karmaşık
programlar kullanmayı gerektirir. Metin madenciliğindeki en yaygın sorunlardan biri
elemanları ayırma (aynı ismin farklı biçimlerde yazıldığı sorunları tespit etmek ve bunları
eşleştirmek, aynı isme sahip farklı kişilere yapılan referansları ayrıştırmak) sorunudur. Metin
madenciliği ayrıca semantik ağları (en önemli ilişkilerin bazılarını özetleyen belgeler arasında
bulunan terimlerin ve kavramların birbirleriyle olan bağlantıları) inşa etmek için kullanılır.
Veri madenciliği herhangi bir ağ kavramını içermek zorunda değildir, ancak son
yıllardaki uygulamaları daha çok ilişki örüntülerini ortaya çıkarmak yönünde olmuştur. Terim
genellikle geniş çapta tüketici bilgilerini ve iletişim kayıtlarını taramak için ABD ulusal
güvenlik birimi tarafından başlatılan programlara gönderme yapmak için kullanılır. Bu
programlar insan haklarına dair çok sayıda sorunu gündeme getirmiştir, çünkü kullanılan
teknikler belirli bir şüpheli üzerinden hareket etmek yerine toptancı bir taramayı hedefler, bu
da terimin negatif bir anlamla yüklenmesine neden olmuştur. Veri madenciliği tekniklerinin
bir noksanı da yalnızca elektronik formdaki enformasyona uygulanabilmeleridir, bu da tarihi
belgelerle ya da gelişmekte olan ülkelerdeki arşivlerle yapılan çalışmaların geniş bir veri girişi
çalışması gerektirmesidir.
Sosyal Ağlar.
“Sosyal ağ” tabirinin son zamanlarda bu denli yaygınlaşması büyük ölçüde Facebook,
Bebo, MySpace, Friendster gibi sosyal ağ sitelerinin popülaritesine bağlıdır. Her ne kadar bu
siteler gevşek de olsa ağ kavramı etrafında şekillendirilmiş olsalar da (ve de ağ veri
yapılarından bazılarını kullansalar da) ağ analizi alanına sınırlı bir destekte bulunma
eğilimindedirler. Bunlar, kullanıcıların kendileri için profiller oluşturmasına ve diğer
profillerle karşılıklı arkadaşlıklar kurmasına imkân sağlayarak daha çok sosyalleşmeyi
kolaylaştıracak araçlar olarak hizmet görürler. Kullanıcılar bir kez ilişkilendiklerinde normal
olarak arkadaşlarının profillerine girerler ve okudukları üzerine yorum yaparlar, kimi
vakalarda arkadaşlarının bildirdikleri yeniliklerden haberdar olurlar.
İş amaçlı tasarlanan benzer siteler de vardır (LinkedIn, Orkut, VisiblePath gibi). Bu
siteler bireylere ağ kurmaları için ya da ihtiyaç duyulan bir bağlantıya ulaşmalarına imkân
verecek tanıdık zincirini belirlemek için fırsat verir. VisiblePath entegre bağlantı hizmeti
sunar ve SNA sertifikalı olan az sayıdaki web sitesinden biridir. Kişiselleştirilmiş sosyal ağlar
yaratmada uzmanlaşmış siteler de vardır (Ning). Kâr amacı gütmeyen çok sayıda teknoloji
sunucusu, ağ kurma kapasitelerini kampanya yazılımlarıyla entegre etmeye başlamıştır.
5) Ağ verisini toplama ve depolama yolları İlişkisel veriyi toplamak çoğu kez zaman-serisi verilerinden daha fazlasını gerektirir.
Neyse ki, uygun verinin hâlihazırda toplanmış olduğu yerler vardır, ama bunlar henüz
tanımlanmamıştır ya da yapılandırılmamıştır.
Mevcut veriyi yeniden amaçlamak.Pek çok veri türü hâlihazırda ilişkiseldir ve kullanılmadan önce sadece formatlanmaya
ihtiyaç duyar. E-postalar örneğin hem göndericinin hem de alıcının adreslerini içerir ve
iletişim ağları içerisindeki bağlantılı olaylara örnek olarak değerlendirilebilirler. Bir örgütün
tüm bir e-posta arşivinin saklı tutulduğu durumlarda iletişim örüntülerine dair detaylı bir
resim oluşturmak mümkün olur (Bkz. Şekil 5). Örgütün raporlarındaki fon bilgileri başka
türden bir ilişkisel veri biçimidir, ama bir ağ inşa edebilmek için genellikle çok sayıda
örgütten rapor toplamak gerekir. Kimi vakalarda, eğer orijinal veri nispeten toplamcı olmayan
bir formda sabitlenebilirse, araştırmacı insan hakları örgütlerinden toplanan veri hatırı sayılır
miktarda ilişkisel veri barındırabilir.
Anketler, mülakatlar ve online soru formları.
Toplanacak ağ verisi bir insan topluluğu hakkında olduğunda anket ya da mülakatlar
tasarlamak da mümkün olur, böylece bireylere sahip oldukları bağlara dair sorular sorulabilir.
Ardından bireysel ego ağları tek bir kolektif tanım içerisinde toplanabilir. Ancak, ankete
dayalı pek çok araştırmada olduğu gibi, bireylerin tümünden yanıt almak imkânsızdır, bu da
ciddi geçerlilik sorunlarına neden olabilir. Anketle veri toplama hem ankete katılanlar hem de
yöneticiler için hayli zamana mal olan bir tekniktir, o yüzden hangi türden ilişkilerin
araştırılacağını baştan netleştirmek elzemdir. Cross ve Borgatti’nin hazırladığı tabloda
spesifik ilişki tiplerini toplamak için sorulacak sorulara dair örnekler bulunur.
Şekil 5: Enron’un mahkeme kararıyla ortaya çıkan e-posta yekunundan çıkartılan Kenneth Lay’in e-posta
iletişimi ağı. İmaj Enron e-posta tarayıcısından14.
Topluluğa girmenin zor olduğu durumlarda ya da çalışma başlamadan önce topluluğun
üyelerinin tanınmadığı zamanlarda çığ örneklemi tekniğini kullanarak ağ yapısına dair bir
fikir edinmek mümkündür. Çığ örneklemi tekniğinde birkaç kişi “tohum” düğüm olarak
seçilir ve onlara diğer düğümlerle olan ilişkilerine dair sorular sorulur, her birinden başka
düğümlerin adlarını vermesi istenir. Bu sürecin sonunda daha büyük bir çığa ulaşılır ve
sonunda ya araştırmacıların kaynakları tükenir ya da bahis konusu olan topluluğun sınırlarına
gelinir.
Katılımcı gözlem ve uzman kanaati.Ağlar üzerine yapılan ilk araştırmaların çoğu etnografik çalışmaların bir parçasıydı.
Ağlar çoğu durumda tek bir araştırmacının ilgili ilişkilerden edindiği izlenim üzerinden
üretiliyordu. Tek bir kişinin bakış açısından daha nesnel verilere sahip olmak iyi bir fikir olsa
da, uzmanların ilişkilere dair tasvirlerinden yararlanmanın faydalı olduğu pek çok durum da
söz konusudur. Kayda değer miktarda belgenin olduğu durumlarda uzman kişiler bu metinleri
belli bir açıdan okuyarak ya da kodlayarak ilişkisel bilgiye ulaşabilir. Örneğin, raporlar ya da
arşiv belgeleri gibi karmaşık metinleri okuyan bir uzman A politikacısıyla B politikacısının
bir noktada yan yana geldiğini tespit edebilir.
Ağ verisini depolamak.Veri toplamada hangi yöntem kullanılırsa kullanılsın tüm veri standart bir biçimde
saklanmalıdır. Ağ verisi egzotik depolama yöntemlerine gelmez; genellikle basit bir
dosyalama tekniği ya da veritabanı yeterli gelir. Ancak, veriyi düzenlerken dikkat edilmesi
gereken noktalar vardır. Düğümlere dair bilgiyle bağlara dair bilginin ayrı saklanmasında
fayda vardır. Düğümler için tutarlı-sistemli bir isimlendirme (kimlik) yöntemi izlenmelidir,
böylece veriler doğru bir şekilde birbirleriyle bağlantılandırılabilir. Örneğin, bir düğümün
kimliği “Kamu, John Q.” ise, bu hep böyle kalmalıdır. “Kamu, J.Q.” ya da “John Quincy,
Kamu” gibi kullanımlar yanlış eşleştirmelere sebebiyet verecektir. Bu nokta gerçekte sorun
çıkarır çünkü kullanılmak istenen veri genellikle imla hatalarıyla, yanlış harflendirmelerle
doludur.
Ne yazık ki, ağlar için kullanılan bilgisayar veri formatları konusunda bir mutabakata
varılmış değil6. O yüzden yapılacak en iyi şey eldeki veri için hangisi en uygunsa o yolla
veriyi toplamak ve ardından toplanan veriyi belli bir bilgisayar programına tercüme etmektir.
Kullanılamayacak durumdaki ya da kullanması zor veriler.Başka analiz biçimleri için uygun olmakla birlikte ağ yaratmada kullanılamayacak türde
büyük miktarda veri vardır. Tablo verilerini işlemek ve özetlemek için kullanılan pek çok
teknik gerekli ilişkisel detayı yok eder. Temelse bir veriyi ilişkisel anlamda kullanabilmek
için iki soruya yanıt vermek gerekir: “kime ait?” ve “kimden geliyor?” bilgiyi başka bir şeyle
bağlantılandırabilmek “ne kadar çok” ya da “ne kadar büyük” olduğundan daha önemlidir.
Örneğin, her bir örgütün ne kadar para harcadığını gösteren bir dosya önemlidir, ama bir ağ
inşa etmek için yeterli değildir. Ağı inşa edebilmek için paranın kime ödendiğini ve iki
örgütün bağlantılı olup olmadığını bilmek gerekir, aynı sektörde ne kadar para harcadıklarının
6 http://netwiki.amath.unc.edu/DataFormats/
bilmek tek başına yeterli değildir. İlişkisel olmayan veriler başka türden istatistikî analizler
için yine de çok önemlidir, ama ağ inşa etmede kullanılamazlar.
Standartlaştırılmamış ilişkisel veriyle çalışmak son derece zordur; aradaki bağlar iyi
tanımlanmış bir terim setiyle gösterilmelidir. Bu nedenle, anlatı formatındaki metinler
işlenemediği ya da kodlanmadığı müddetçe ağ inşa etmede kullanılamazlar. Elektronik
ortamda olmayan veriler de, her ne kadar niteliksel çözümlemeler için son derece önemli
olsalar da, gerçek insanlar tarafından işlenmediği müddetçe sayısal analiz için
kullanılamazlar.
1 İnsan Hakları İzleme Örgütü Afrika Bölümü. Ituri: “Covered in Blood” ethnically targeted violence in northeastern DR Congo. Human Rights Watch Report, 15(11 (A)), Temmuz 2003. //www.hrw.org/reports/2003/ituri0703/2
? M.S. Granovetter. The Strength of Weak Ties The American Journal of Sociology, 78(6): 1360–1380, 1973.3
? E.M. Rogers. Diffusion of Innovations. Simon and Schuster, 2003.
4 J. Scott. Social Network Analysis: A Handbook Sage Publications, 2000.
5 Robert A. Hanneman and Mark Riddle. Introduction to Social Network Methods. University of California, Riverside, Riverside, CA, 2005. http://www.faculty.ucr.edu/hanneman/nettext/
6 R. Cross, S.P. Borgatti, ve A. Parker. Making invisible work visible: Using social network analysis to support strategic collaboration. California Management Review, 44(2): 25–46, 2002. https://webapp.comm.virginia.edu/SnaPortal/portals%5C0%5Cmaking invisible work visible.pdf
7 J. Blythe, C. McGrath ve D. Krackhardt. The effect of graph layout on inference from social network data. Graph Drawing: Symposium on Graph Drawing, Gd’95, Passau, Germany, September 20-22, 1995: Proceedings, 1996.
8 John Emerson. Visualizing Information for Ad vocacy: An Introduction to Information Design. Tactical Technology Colletive, January 2008. http://www.tacticaltech.org/infodesign
9 S. Bender-deMoll and D.A. McFarland. The art and science of dynamic network visualization. Journal of Social Structure, 7(2), 2006.
10 Je Jonas and Jim Harper. Effective Countert-terrorism and the Limited Role of Predictive DataMining. CATO Institute, Washington, D.C., December 2006. Online at http://www.cato.org/pub display.php?pub id=6784
11 R. Popping. Knowledge graphs and network text analysis. Social Science Information, 42(1):91,2003. http://ics.uda.ub.rug.nl/FILES/root/Articles/2003/P
12 13
14
? Robert Axelrod. The Complexity of Cooperation: Agent-Based Models of Competition and Collabo-ration. Princeton University Press, 1997.
? U. Brandes, P. Kenis, J. Raab, V. Schneider, and D. Wagner. Explorations into the visualization ofpolicy networks. Journal of Theoretical Politics,
11(1):75, 1999.
trampolinesystems.com/http://enron.? Trampoline Systems. Trampoline Enron Explorer, 2006.
6) Mevcut pratik: Ağ tekniklerinin insan hakları alanındaki
kullanımları İnsancıl amaçlar taşıyan çalışmalar ağ kavramlarına hepten yabancı olmasalar da yine
de bu kavramların insan hakları alanında uygulanması çok sık karşılaşılan bir şey değildir.
Pek çok örgüt zımni ya da açık biçimde ağları kullanır, ayrıca insan hakları alanındaki
sorunlar için geliştirilen pek çok ağ haritalaması çalışması vardır. Bu bölümde bu türden kimi
örneklere yer vereceğiz, yukarıda tartıştığımız kavramların nasıl ve niçin kullanıldıklarını bu
örnekler üzerinden açıklığa kavuşturmaya çalışacağız. Gruplandırmalarımızın bazıları konu
başlıklarına göre bazıları da seçilen yönteme göre olacak.
İnsan ve mal akışını takip etmek.Ağlar, antite setleri arasındaki akış örüntülerini temsil etmek için kullanılabilir. Ülkeler
arasındaki mal ve insan hareketine dair veriye bakmak için iyi bir analiz yapısıdır. Küresel
kaynakların nasıl hareket ettiğini tahmin edebilmek için ülkeler arasındaki ticaret verilerine
bakan güzel çalışmalar vardır örneğin15. Pek çok örgüt göç ve mülteci topluluklarına dair veri
sunar7, bu veriler hem coğrafyayı hem de ağ ilişkilerini gösteren haritalar inşa etmek için
kullanılmışlardır8. Şekil 6’da görülen çalışma internetten edinilen veriye dayanarak Katrina
kasırgasından sonra yerinden olanların New Orleans’tan nerelere yayıldıklarını gösterir.
Genellikle insanların coğrafi akışı bu kişilerin sahip oldukları toplumsal bağları yansıtır, ne de
olsa yerinden olan insanlar dostlarının ya da ailelerinin yaşadıkları yerlere giderler.
Kamboçya kökenli insan kaçakçılığı üzerine kaleme alınan bir raporda zorunlu göçlere
müdahale edebilmek için kurbanların, bu insanları işe alanların ve kaçakçılığı
gerçekleştirenlerin toplumsal bağları üzerine çalışma yapma tavsiyesinde bulunulur.16
7 Göç ve mültecilik üzerine bir veritabanı için: http://www.migrationdrc.org/research/typesofmigration/global migrant origin database.html
8 İnteraktif bir örnek için: http://www.niceone.org 15 L. Krempel and T. Plumper. Exploring the dynamics of international trade by combining the comparative advantages of multivariate statistics and network visualizations. Journal of Social Structure, 4(1), 2003. Online at http://www.cmu.edu/joss/content/ articles/volume4/KrempelPlumper.html
16 Annuska Derks, Roger Henke, and Ly Vanna Review of a Decade of Research On Trafficking in Persons, Cambodia. Center for Advanced Study / The Asia Foundation, May 2006.http://www.asiafoundation.org/pdf/CB TIPreview.pdf
Kullanılan araçlar: Ağ modellemesi, metin madenciliği, sosyal ağ analizi, ağ
haritalaması.
Niçin geçerli: bir bölgeye ya da tek bir soruna odaklanan örgütler arasındaki kaynak
hareketini anlamak hayli zor olabilir. Ağ haritaları, izleyicinin tüm örüntüleri aynı anda
görebilmesi için gereken araçları sunabilir. Ağ analizi, hayati zayıflıkları ya da akış için
gerekli olan kontrol noktalarını tespit edebilir.
Şekil 6: Katrina’dan kaçan insanların nereleri dağıldığını internette açılan blog sitelerinden elde edilen
veriyle gösteren haritada hem coğrafi dağılımı hem de kurulan bağları izleyebiliyorsunuz. İmaj EPodunk adlı
örgütten alınmıştır17.
Hukuk ve yasal ağlar.Ağ perspektifi, hukuk sistemi içinde içtihatların nasıl yayıldığını izlemeye yardımcı
olmak için kullanılır. Bu teknik temelde belli başlı ticari hukuk davalarının saklandığı
veritabanlarını belli bir alandaki davaları ve kurallar bütününü tespit etmek için kullanmayı
içerir; içtihat referansları ağda yer alan bağlar olarak kabul edilir. Bu uygulamaların çoğu
ABD hukuk sistemi için yaratılmıştır. Kimi projelerde ağ yöntemi, sadece, gerekli belgelerin
toplanmasına hizmet edecek bir örnekleme stratejisi işlevini görür. Başka projelerse esas
olarak toplulukları analiz eder ve atfedilmiş değerlere istinaden tahminlerde bulunur.
Bu yöntemler oldukça gelişkin ve etkilidir. James Fowler’ın hukuki referanslar ve ABD
Temyiz Mahkemesinin içtihatları üzerine yaptığı çalışması, referans ağlarının hukuk
uzmanları tarafından yapılmış tasniflerin bazılarını yeniden üretme becerisinde olduğunu
17 Brad Edmondson, Laurie Bennett, and Daniel Shorter. American diaspora. Epodunk.com’da yayımlanmış makale. http://www.epodunk.com/top10/diaspora/, 2007.
gösterir. Çıkan sonuç “Temyiz Mahkemesinin hangi konulara ve davalara öncelik tanıdığını
ve bunun zaman içerisinde ne şekilde değiştiğine dair niteliksel değerlendirmeleri destekler
niteliktedir”18 (Bkz. Şekil 7). Maryland Üniversitesi Hükümet ve Siyaset Bölümünden bir
grup, NSF’den aldığı bir maddi yardımla, bu türden bir analiz için gereken yöntemi ve
görselleştirme yazılımını geliştirmek için çalışıyor19. Çalışmalarının bir kısmı sivil haklarla
ilgili olan bu grup alınan kararın ne derece destekleyici bir karar olduğunu dikkate alarak
mahkemelerin davranışlarını kıyaslıyor20.
Şekil 7: ABD Temyiz Mahkemesine gelen kürtaj hakkı davaları arasındaki hukuki referans ağının
haritası.
Başka türden yasal belgeler de benzer yöntemlerle analiz edilebilir, örneğin aynı
anlaşmalara ya da uluslar arası sözleşmelere imza atan ülkeler arasındaki bağlar incelenebilir.
Şekil 8 belli başlı insan hakları sözleşmelerini ve bu sözleşmeleri imzalayan ülkeler arasında
oluşan ağı gösterir.
Yasal belgeleri kullanmanın bir avantajı, normal durumda kodlaması hayli mesai
isteyen bu belgelerin hâlihazırda ticari işletmeler tarafından standart bir şekilde kodlanmış 18 J.H. Fowler and S. Jeon. The authority of supreme court precedent. Social Networks, 30:16–30, 2008.
19 Wayne McIntosh, Ken Cousins, and Steve Simon. cite-it: mapping precedent across the Americancourt system, 2005. http://www.bsos.umd.edu/gvpt/CITE-IT/
20 Rebecca Thorpe and Michael Evans. Beyond the double standard: Comparing US supreme court decision making in property and civil rights cases. Paper presented at the Annual Meeting of the Midwest Political Science Association, April 2006. http://www.bsos.umd.edu/GVPT/CITE-IT/Documents/Thorpe%20etal%202006%20Beyond%20t%20double%20standard.pdf
olmasıdır. Dahası, ABD hukuk sistemi karar alma süreçlerinin nasıl işlediğinin kayır altına
alınmasına dair hayli gelişkin sistemler geliştirmiş bir sistemdir.
Kullanılan araçlar: Metin madenciliği, ağ analizi yoluyla önemli düğüm noktalarını
tespit etmek, yeniliklerin dağılımı, görselleştirme.
Niçin önemli: Ağ haritaları, hukuk sistemindeki karmaşıklıkların bazılarını kamuoyu
nezdinde daha şeffaf kılabilir. Farklı hukuk gelenekleri içerisinde belli insan hakları
düzenlemelerinin ne türden bir etki yarattığını değerlendirmek için de faydalı olabilir.
Şekil 8: İki ayrı zamanda belli başlı insan hakları sözleşmelerine imzalamış ülkeler (kırmızı düğümler)21.
Toplumsal yapıyı ve değişimi modellemek.Ağların bir diğer yaygın kullanımı da toplumsal yapıların, toplumsal hareketlerin ve
başka türden karmaşık kültürel süreçlerin incelenmesinde kavramsal bir çerçeve oluşturmak
hedefini güder. Ne yazık ki, bu alana dair çalışmalar bu raporun gündemine girmiyor. Ancak,
toplumsal yapı modellerinin insan hakları bağlamında somut kullanımlarına dair bir örneği
anmakta fayda var: Kötü muamele. Bu süreç son derece karışıktır, fakat ama araştırmacıların
toplumsal ağın özelliklerine (örneğin, ortalama aile büyüklüğü ya da kişisel tanıdıkların
sayısı) dair iyi tahminler toplama imkânına sahip oldukları durumlarda rapor edilen çok
sayıda vakayı çapraz taramaya tabi tutmak için istatistik tekniklerinden faydalanmak
mümkündür22. Hatta kimi durumlarda kaç vakanın rapor edilmediğini tespit etmek
21 K. Kwon and G.A. Barnett. Mapping international agreement on human rights treaties, 1980-2006: An application of network analysis. Sunbelt Social Networks Conference, January 2008.
22 Daniel Guzman, Tamy Guberek, Amelia Hoover, and Patrick Ball. Missing People in Casanare.Human Rights Data Analysis Group, Palo Alto, California, November 2007. http://www.hrdag.org/resources/publications/casanare-missing-report.pdf.
mümkündür. Bu yöntemler ABD’deki AIDS/HIV+ hastalarına destek vermek için
kullanılmıştır23.
Kullanılan araçlar: İstatistiki toplumsal yapı modelleri, sosyal psikoloji, sosyoloji,
antropoloji ve siyaset bilimi alanından elde edilmiş araştırma ve veriler.
Niçin önemli: Benzer iktidar yapılarına ve toplumsal değişim süreçlerine dair bir
tanıdıklık geliştirmek, hedeflenen sonuçları doğurması daha muhtemel müdahalelerin doğru
şekilde tasarlanmasına yardımcı olabilir.
Siyasi katılım ağları.ABD’deki yasalar uyarınca başkanlığa adaylığını koyanlar kampanyaları süresince
kimlerden ve hangi örgütlerden yardım aldığını açıklamak zorundadır. Her ne kadar bu veri
geleneksel olarak tablo şeklinde tutulsa da, buradan elde edilecek hatırı sayılır miktarda
ilişkisel veri de vardır. Son yıllarda bir grup akademik çalışma, siyasal katılım ve etkileri
incelemek adına kampanya finans verilerini ağ yaklaşımı eşliğinde kullandı. Federal mevkiler
için yarışan adaylar, Federal Seçim Komisyonuna, kendilerine destek bulunanların kişisel
bilgilerini bildirmekle yükümlüdürler. Desteklerin büyük çoğunluğu önemli pozisyonlardaki
insanlardan geldiğinden bu türden bilgiler genellikle şirketlerin Siyasal Eylem Komiteleri
tarafından düzenlenen dosyalarıyla birlikte kullanılır. Siyasetçilerin birbirlerine yaptıkları
katkılar da bu veri içinde tutulur, böylece Kongre’deki ağları tespit etmek de mümkün
olabilir24.
Amerika’da bu türden verilere erişim imkânı tanıyan çok sayıda web sitesi var9. Uluslar
arası planda ise Avustralya, Brezilya, Kanada, Şili, Meksika, İrlanda, Yeni Zelanda ve
İngiltere gibi ülkelerde bu türden verilere ulaşmak mümkün. Pek çok web sitesi ağ haritalarını
kullanarak bu verileri daha ulaşılabilir formatta kamuya açıyor (Bkz. Şekil 9). Mali kaynak
akışlarının ulaşılabilir olduğu başka alanlarda da benzer yaklaşımlar kullanılabilir.
9 Bazı örnekler için: the National Institute on Money in State Politics, the Center for Responsive Politics ve de 2007’de kâr amacı gütmeyen teknoloji projeleri arasında yapılan bir yarışmanın galibi olan Maplight.org.23 E.C. Johnsen, H.R. Bernard, P.D. Killworth, G.A. Shelley, and C. McCarty. A social network approach to corroborating the number of AIDS/HIV+ victims in the US. Social Networks, 17(3-4):167–187, 1995.
24 Brendan Nyhan and Michael Tofias. Passing the bucks: The Congressional contribution network 1985-2006. http://www.duke.edu/bjn3/nyhan-tofias-mpsa08.pdf, April 2008.
Şekil 9: Arizona Eyalet Senatosu için aday olan Cumhuriyetçi (kırmızı çemberler) ve Demokrat (mavi
çemberler) adaylara 2006 yılında yapılan 500 dolar ve üzeri bağışların ağ haritası25.
Kullanılan araçlar: Metin madenciliği, ilişkisel veri tabanları, ağ analizi,
görselleştirme.
Niçin önemli: Hükümetlerin şeffaflığını arttıran araçlar, sıradan insanların, içerisinde
yer aldıkları siyasal sistemin mali açıdan nasıl işlediğini anlamasına yardımcı olabilir. Seçim
süreçlerinin daha adil geçmesi bu şekilde sağlanabilir. Katılım bilgileri siyasetçilerin insan
haklarıyla ilgili konularda verdikleri kararlarla bir arada değerlendirildiğinde tek tek
şirketlerin ya da bir bütün olarak sektörlerin insan hakları bağlamında nerede durduklarına
dair bir yargı oluşturmak da mümkün olur.
Oy yapıları.Oylamalar üzerinden yapılan analizler siyasetçilerin davranışlarını daha şeffaf kılmak
için yapılan çalışmalardan bir diğeridir. Bir topluluk içinde oy veren herkesin oy verme
alışkanlıklarına dair bir dizi toplanarak oy örüntüleri ortaya çıkarılabilir. Her bir kişinin oy
verirken sergilediği profildeki benzerlikler verilen oyların ne sıklıkla örtüştüğünü anlamaya
25 Skye Bender-deMoll and Greg Michalec. Unfluence: Mapping political contribution networks. http://unfluence.net
yarayan algoritmalar vasıtasıyla hesaplanabilir. Böylece adayların birbirlerine ne derece
benzediğine dair bir matris üretilmiş olur. Bu matris doğrudan yorumlanabilir olmasa da
başka ağ analizi teknikleriyle beslenerek bir blok halinde oy verecek olan meclis üyelerini
tespit etmek için kullanılabilir. Bu matris öyle bir ağ şeklinde resmedilir ki oluşan kümeler
oylamada beraber hareket edecek blokları gösterir. Buna benzer “mekânsal” analiz ve oy
verme ölçümleri için kullanılabilecek başka istatistikî teknikler de mevcuttur. Bu alandaki en
etkili çalışmalardan biri ABD kongresindeki oylama örüntülerine dair ilgi çekici animasyonlar
da içeren bir web sitesi kurmuş olan Kenneth Poole’a aittir10.
ABD Kongresi üzerine uygulanan çapraz hesaplamalardan çıkan sonuç, hiç de şaşırtıcı
olmayan biçimde, Cumhuriyetçi ve Demokrat parti üyeleri arasında derin bir ayrım
olduğudur. Aleks Jakulin’in çalışmaları ise parti yapıları içerisindeki blokları konu eder11.
Benzer araçlar BM’ye üye devletlerin oylama trendlerini analiz etmek için de kullanılmıştır26.
Politik süreçlerin elle tutulur tek kaydı oylar değildir. Eğer yasama organı bir yasaya
destek olan üyelerin isimlerini tuttuysa, destek oldukları yasalar üzerinden birbirleriyle
bağlantılanan üyelerin ağlarını inşa etmek mümkündür. Bu destek ağları koalisyon yapılarını
anlamak için de kullanılabilir. Oydaşma ağları aynı yönde oy kullananların bu durumda ne
sıklıkla bulunduğu üzerinden ağırlıklandırılmış bağlar üzerinden de tespit edilebilir. Bir
yasama organındaki üyelerin çoğu yasaların pek çoğu için oy kullandığından bu ağlar hayli
yoğun olurlar. Ancak, altta yatan yapıları daha görünür kılabilmek için bu ağlar
eşiklendirilebilir (belli bir eşiğin altında kalan zayıf ağırlığa sahip bağlar dışarıda tutularak
sadece kuvvetli bağlar incelenebilir). Buna dair bir yazılım örneği için Şekil 10’a bakılabilir.
Başka bir analiz biçimi de komite üyeliklerindeki örtüşmelere bakmaktır (Bkz Şekil 11).
10 http://voteview.com/11 http://kt.ijs.si/aleks/Politics/index.htm26 Lloyd Paulette. Mapping the world order: A reassessment of huntington’s clash of civilizations(yayımlanmamış). Dept. Sociology, Indiana University, 2008.
Şekil 10: ABD senatörlerinin 2007 yılında verdikleri oylarda çıkarılan oydaşma ağlarını gösteren
SocialAction yazılımı27. Cumhuriyetçiler kırmızı, Demokratlar mavi, Bağımsızlar bordo renkte (180 oy eşik
alınmıştır).
Şekil 11: ABD 107. Temsilciler Meclisindeki komitelerde (kareler) ve alt komitelerdeki (çemberler)
ortak üyelikleri gösteren ağ28.
27 Adam Perer and Ben Shneiderman. Integrating statistics and visualization: Case studies of gaining clarity during exploratory data analysis. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 2008. http://hcil.cs.umd.edu/trs/2008-03/2008-03.pdf
28 M.A. Porter, P.J. Mucha, M.E.J. Newman, and A.J. Friend. Community structure in the United States House of Representatives. Physica A: Statistical Mechanics and its Applications, 386(1):414–438, 2007. http://www.maths.ox.ac.uk/porterm/papers/conglong.pdf
Kullanılan araçlar: Görselleştirme, küme analizi.
Niçin önemli: bu türden bir analiz koalisyon yapıları içerisindeki ayrım noktalarını
tespit etmek için kullanılabilir. Şeffaf bir politik sistem vatandaşların alınan kararlar hakkında
bilgilenmesine imkân tanıyarak oylama ve diğer demokratik süreçlere yardımcı olur. Söz
konusu teknikler politikacıların hangi konuda nasıl oy verdikleri üzerine mukayeseler yapma
imkânı verir.
Şirket bağlantıları ve mülkiyet analizi.Ticaret dünyasındaki kontrol ve mülkiyet yapılarını ölçme ve anlamaya yönelik
nispeten nesnel araçlar geliştirmeye dönük pek çok çaba olmuştur. Bu girişimler çoğu
durumda yeterli veriyi elde etmekte sıkıntı yaşamışlardır. Yaklaşımlardan biri yönetim kurulu
üyeliklerini araştırarak hangi firmanın hangi firmayla bağlantılı olduğuna bakmaktır. Kamuya
açık faaliyet gösteren firmaların yönetim kurulu üyelerinin isimleri kamuya açık bilgidir.
Aynı kişi iki ayrı firmanın yönetim kurulunda yer alıyorsa bu iki firma bağlantılı demektir.
Bağlantı setlerinden bir ağ inşa etmek mümkündür. Bu veri seti çok sayıda firma için
oluşturulduğunda görülecektir ki en büyük firmaların yönetiminde aslında çok az sayıda insan
var. Bu alandaki en etkin web sitelerinden biri olan They Rule, kamuya açık alanda ticari
faaliyet gösteren şirketler arasındaki bağlantı ağlarını interaktif bir biçimde
görselleştirmiştir12. Ancak, bu bağlantıların şirketler arasında (koordineli stratejiler gibi)
kuvvetli ilişkiler olduğunu gösterip göstermediği tartışmaya açık bir konudur.
Bağlantı analizleri, çok sayıda örgütte pozisyon sahibi olan kişileri tespit etmek için de
kullanılabilir, böylece çıkar çatışması olması muhtemel durumlar anlaşılabilir. Ağ danışmanı
Valdis Krebs, mülkiyet ilişkileri bağlamında ağ analizi yaklaşımının kullanımına ilginç bir
örnek verir ve bir grup kaçak ev sahibinin nasıl gerçekdışı emlâk işlemleri yaptığının ortaya
çıktığı vakayı anlatır29. Bu örnek, iktisadi alanda adalet sağlanması için mücadele eden bir
örgütün, nasıl başarılı şekilde bir aile ağını ortaya çıkarabildiğini gösterir. Bu aktivist grup,
kamu kaynaklarından elde ettikleri veriyi kartopu tekniğiyle işlemişti. Grup, aramalarını
organize edebilmek ve yargıya intikal eden bu davada jüri karşısında kendilerini
açıklayabilmek için görselleştirme tekniklerini kullandı.
Mülkiyet ilişkileri alanındaki ağlara ve hiyerarşilere dair pek çok ülkede akademik
çalışmalar yapıldı. Belli bir endüstri alanında ve bir zaman aralığında toplanan veriden bu 12 http://www.theyrule.net.29 Valdis Krebs. Uncloaking a slumlord conspiracy, 2008. http://www.orgnet.com/slumlords.html.
alanda yaşanan yapısal dönüşümleri de çıkarmak mümkündür. Buna bir örnek California
Üniversitesinde gerçekleştirilen ve iletişim sektöründeki tekelleşmeyi ortaya koyan
çalışmadır30. Benzer bir veri setinin görselleştirilmesiyle de medya alanında yaşanan şirket
birleşmelerine dair bir fikir edinmek mümkündür (Bkz. Şekil 12). Bu vakada zaman çizelgesi
verisi yine ilişkiseldir, ama birleşme ilişkilerinin sayısı son derece düşük olduğundan, bu
veriyi basit bir ağaç formunda göstermek mümkün olmuştur.
Şekil 12:And Then There Were Eight: 25 years of media mergers from GE-NBC to Google-YouTube.
İlişkisel veri bazen ağ çizmeden de gösterilebilir. Buna güzel bir örnek Dmitry Krasny’nin hibrid çalışmasıdır31.
Burada kronoloji yatay olarak gösterilmiştir.
Kullanılan araçlar: ilişkisel veritabanı, metin madenciliği, dinamik ağlar ve
görselleştirme.
Niçin önemli: Büyük şirketlerin kamu politikaları üzerinde geniş etkisi vardır. Bu
bağlantıları tespit edip belli bir sektördeki sorunlu ilişkileri ortaya çıkarmak sorunu düzeltmek
için potansiyel müdahale alanları açabilir. Kimi durumlarda mülkiyet örüntülerini anlamak
30 Kim Norelen, Gabriel Lucas, Mike Gebbie, and John Chuang. EVA: Extration, visualization and analysis of the telecommunications and media ownership network. Research report, University of California, Berkeley. http://denali.berkeley.edu/eva/its-paper.pdf, 2001.
31 Eric Klinenberg. Breaking the news. Mother Jones, March/April 2007. (Bkz “And Then There Were Eight” altbölümü) http://www.motherjones.com/news/feature/2007/03/breaking the news.html
etki ağlarını açığa çıkarabilir ve yolsuzlukla mücadelede yardımcı olabilir. Tekelleşme pek
çok sektör için bir sorundur, ama özellikle medya alanında bu durum kamunun bilgiye
ulaşımını da etkileyeceğinden daha büyük bir sorundur. Ağ grafikleri bu alandaki duyarlılığı
arttırmak için faydalı bir araç olabilir.
Proje teşhisleri ve stratejik planlamada kullanılan ağ haritaları.Büyük yardım ajanslarının bazıları, yardım projelerinde beklenmedik sonuçlar doğuran
yerel iktidar ilişkilerini anlamalarına yardımcı olsun diye, güç analizi ve ağları
kullanmışlardır. Aynı zamanda, araştırmacılar, toplulukların karşılaştıkları sorunlarda
faydalanabilecekleri stratejiler oluşturmak adına ağ temelli bu yaklaşımları sahada test
etmişlerdir. Bu örneklerde ağ araştırması çoğunlukla katılımcı bir araç işlevi görür,
topluluğun kendi kendini değerlendirmesine yarar. Bu teknikler çoğunlukla metodoloji
alanıyla ilgili STK’larla ortak geliştirilmiştir.
Eva Schiffer tarafından geliştirilen İktidar Haritası Alet Çantası32, farklı aktörleri, bu
aktörlerin nispi güçlerini, konumlanışlarını ve etki biçimlerini temsil etmek için
kullanılabilecek göstergelerden faydalanır. Bu alet çantası daha sonra geliştirilerek
göstergelerin kağıt üzerine yerleştirildiği ve katılımcıların bir mülakat sürecine dahil edildiği
Ağ-Harita Alet Kutusu yaratılmıştır33 (Bkz. Şekil 13). Bu çalışma daha çok yerel politik
stratejilere dair mülakatlarda ve küçük tartışma gruplarında kullanılmıştır. Schiffer, bu sürecin
hayli zaman isteyen bir çalışma olduğunu, her bir görüşme için 1-2 saat harcandığını, ama
değer taşıyan detaylı bilginin nadiren elde edilebildiğini belirtir34.
32 E. Schiffer. The Power Mapping Tool: A method for the empirical research of power relations. IFPRI Discussion paper 00703 http://www.ifpri.cgiar.org/pubs/dp/ ifpridp00703.pdf, May 2007.
33 Eva Schiffer. Net-Map Toolbox, influence mapping of social networks, 2008. http://netmap.ifpriblog.org/
34 E. Schiffer, J. Hauck, and M. Abukari. Influence Network Mapping: Mapping linkages of Water Users’ Associations in IFAD-supported LACOSREP in Northern Ghana. International Food Policy Research Institute, 2007. http://netmap.files.wordpress.com/2008/01/abukari hauck schiffer 07 netmapwuasghana.pdf
Şekil 13: Gana’daki bir değerlendirme çalışmasında gerçekleştirilen mülakatlar esnasında tek bir kişi
tarafından yapılan Ağ-Harita. İşaretler bireyleri ve grupları, işaretlerin yüksekliği sahip olunan nispi gücü ve
okların rengi kurulan ilişkinin türünü gösterir.
Benzer bir yaklaşıma sahip olan taktik haritası ise ilk olarak İşkence Kurbanları
Merkezi (CVT) tarafından geliştirilmiş ve dünyanın dört bir yanındaki örgütlerce uygulamaya
konmuştur35. Taktik haritalarında çoğunlukla akışlar gösterilir, başka türden ağ yaklaşımlarına
göre standart bağ tipleri daha azdır (Şekil 14). Düğüm noktaları son derece heterojendir, aynı
diyagram üzerinde çok farklı türlerden antiteler mevcuttur. Düğümler arketip olma
eğilimindedir, tespit edilebilir tekil bireyleri ya da grupları değil sınıfları ve toplumsal yapıları
gösterir. Bu haritalar, ağ üzerindeki olası müdahale noktalarını belirlemek adına belirli
ilişkilere dair grup tartışmalarına odaklanır.
35 The Center for Victims of Torture. New Tacticsin Human Rights Project. The Center for Victimsof Torture, 2007. http://www.newtactics.org/sites/newtactics.org/files/resources/Using the tactical map WDA.pdf
Şekil 14: Vietnamlı kadınların gördüğü şiddet söz konusu olduğunda mevcut ilişkileri gösteren bir harita
denemesi. CVT’nin Tayland’daki çalışma toplantısından.
Ağ haritalarının ve taktik haritalaması tekniklerinin sıra dışı yanı, ilişkisel verinin
aslında görselleştirme aşamasında toplanmasıdır. Darren Noy’un evsizler konusunda alınan
önlemlere dair oluşturduğu ağ temelli anket, esas olarak, ilgili örgütlerden kişilerle yapılmış
mülakatlara dayanır36. (Araştırmaya dahil edilecek örgütlerin bir listesini oluşturabilmek için
öncelikle anahtar konumundaki insanlarla mülakatlar yapılır.) Ortaya çıkan ağ haritaları ancak
çalışma bittiğinde diğer gruplarla paylaşıldı ve de grupların isimleri son versiyonda
değiştirildi. Bu nokta önemliydi, çünkü söz konusu örgütlerin birbiriyle uzun erimli iktidar
mücadelesi içindeydi. İsimleri anonimleştirmenin ağ üzerindeki stratejik bilginin korunması
gibi bir faydası olacaktı ve de izleyicinin dikkati tek tek örgütlerin konumlanışına değil
topyekun yapıya yönlendirilebilecekti.
Biggs ve Matsaert’in Namibia’da gerçekleştirdikleri fail-yönelimli değerlendirmeler,
katılımcı gözleme benzer bir yöntemi izleyerek yalnızca araştırmacıların içinde yer aldıkları
ağlara dair tasvirlerini kullanmıştı37. Bu raporlar, yazarların beraber çalıştıkları grupların tarım
pratiklerine dair iletişim örüntüleri üzerine perspektiflerini detaylandırır. Ayrıca
geliştirilmesinde fayda olan ilişkilere dair tavsiyelerde bulunur, sosyo-matriste içi
doldurulması gereken hücreleri gösterir (Bkz. Şekil 15).
36 Darren Noy. Understanding the San Francisco homeless policy field. Paper for Society for the Study of So cial Problems 2006 Annual Meeting, Section 45: Housing Policies and Social Justice in Communities, 2006.
37 S. Biggs and H. Matsaert. An actor-oriented approach for strengthening research and development capabilities in natural resource systems. Public Administration and Development, 19(3):231–262, 1999.
Şekil 15: (a) Biggs ve Matsaert’in Namibia’daki çiftçi gruplar arasında yaptıkları çalışmadan çıkardıkları
“bağ matris” (sosyo-matris) değerlendirmesi. (b) Aynı ilişki verisinden elde edilen ağ diyagramı.
Kolombiya38 ve Bolivya39 kırsalında gerçekleştirilen bir grup çalışma bir ağ anketi
tasarlamak için grup tartışmalarını kullanmıştır (bkz. Şekil 16). Ortaya çıkan ağlar bir strateji
oluşturmaya yönelik ek tartışmalarda kullanılmıştır. Ağ haritalamasını da içeren bu yaklaşım
daha sonra Katılımcı Etki Yolları Analizi adıyla daha da geliştirilmiştir13. Bolivya’daki
çalışmanın ana yazarı olan Louise Clark, katılımcıların yerel ekonomilerinde gösterdiği
etkileri değerlendirerek bu yaklaşımın faydalarına bir örnek sunar. Clark’ın kahve arzı zinciri
içindeki enformasyon bağlarına dair tasviri Şekil 17’de gösterilmiştir. Yerel toplulukların bu
çalışmalara tepkisi ise kötümserden iyimsere değişiklik arz etmiştir. Clark’a göre:
Bu araçla yaratılan haritaların sahada ne olduğuna dair anında bilgi
sağlamak gibi muhteşem bir potansiyeli vardır. Sosyo-gramlar ya da görsel
grafikler, okuma yazma düzeyi hayli düşük olan yerli halkın etkisini
çekmekte hayli başarılıdır. Bu haritalar sayesinde sahaya yabancı biri de
yerel aktörleri tanıyabilir, bir projeye dahil olmanın iyi bir fikir olup
olmadığına karar verir ya da en azından başlangıç seviyesinde kimlere
danışmaları gerektiğinin bilgisini edinebilir. Görsel malzeme, esas aktörleri
kendi aralarındaki ilişkileri, beraber çalışmanın faydalarını tartışmaya teşvik
etmesi bakımından da iyi bir başlangıç noktasıdır40.
Bu yazarların her biri bu tekniklerin STK’lara ve yerli nüfusa yardımcı olacağı
noktasında bir iyimserlik taşıdığı görülmektedir. Ancak, tüm bu denemeler küçük gruplarla
yapılmıştır ve daha net bir sonuca ulaşabilmek için ölçeği büyültmekte fayda vardır. Kimi
yazarlara göre ağ haritalarının etkili olabilmeleri için çok yoğun olmamaları gerekir, bu da
ilişki sorularının sayısal olarak sınırlanması anlamına gelir.
Kimi durumlarda isimleri anonimleştirmenin hoş karşılanmadığını da eklemek gerekir:
Afrika köyleri düzeyinde insanların anonimleştirmeye dair bir fikirleri yok,
geleneksel şeflerden birine kimin ne söylediğinin belli olmayacağını
söylediğimde o bunu bir hakaret olarak aldı, çünkü o söylediği şeyle
bilinmek istiyordu (Eva Schiffer, kişisel görüşme).
13 http://boru.pbwiki.com/Draw+network+maps38 B. Douthwaite, A. Carva jal, S. Alvarez, E. Claros, and L.A. Hernandez. Building farmers’ capacities for networking (Part I): Strengthening rural groups in Colombia through network analysis. Know ledge Management for Development Journal, 2(2), 2006.
39 L. Clark. Building farmers’ capacities for networking (Part II): Strengthening agricultural supply chains in Bolivia using network analysis. Knowledge Management for Development Journal, 2(2), 2006.
40 Louise Clark. Network Mapping as a Diagnostic Tool (İngilizce tercüme). Centro Internacional de Agricultura Tropical, La Paz, Bolivia, 2006.
Kullanılan araçlar: Ağ görselleştirmeleri, veri toplama, derinlemesine mülakatlar,
siyasa analizi.
Niçin önemli: Katılımcı ağ haritalaması, insan hakları örgütlerinin stratejik
analizlerinde kullanabilecekleri, özellikle taban örgütlerinin iktidar yapılarını ve önlerindeki
engelleri tanımlamalarına yardımcı olacak faydalı bir araç olabilir.
Şekil 16: Bir Kolombiya çiftçi kolektifiyle gerçekleştirilen haritalama atölyesindeki ısınma çalışmaları.
Renkli yünler atölyeye davet edilen katılımcılar arasındaki iletişim ağlarını göstermekte.
Şekil 17: Carnavi-Bolivya’daki ilişki haritası şu soruya verilen cevaplardan oluşturuldu: “Kahve arzı
zinciriyle ilgili enformasyonu nereden alıyorsunuz?”
Örgütler arasındaki ve içerisindeki bağların değerlendirilmesi.Ağ haritaları ve analizi, uzun yıllar, örgütler arasındaki ve içindeki iletişim örüntülerini
anlamaya dönük bir araç olarak kullanıldı. Bu tür çalışmalarda genellikle bir örgüt (ya da
araştırmacı), araştırmacının doğrudan katılımcısı olmayabileceği bir alandaki aktörlerin
arasındaki ilişkilere dair kapsamlı bir tarama yapmaya çalışır. STK’lar arasındaki ilişkileri
değerlendirmek için ağ analizini kullanan aktif araştırma alanları vardır. Bu türden analizler,
uluslar arası yardım projelerine dahil olmuş STK’lar arasındaki koordinasyonu da
inceleyebilir14.41 Benzer teknikler, örgütsel etkinliği pekiştirmeye çalışan grupların arasındaki
ilişkileri incelemek için de kullanılır. Birkaç örnek vermek gerekirse:
14 Değerlendirme danışmanı Rick Davies, yardım projelerini değerlendirmek için ağ analizinin kullanılmasını savunan isimlerden biridir, ayrıca yukarıda bahsi geçen Etki Yolları yaklaşımının geliştiricilerinden de biridir. 41 Rick Davies. Network perspectives in the evaluation of deveopment interventions: More than a metaphor. http://www.mande.co.uk/docs/nape.pdf, November 2003.
Araştırmacı Jessica Crowe topluluk örgütlenmeleri arasındaki liderlik
bağlantılarını bir ağ şeklinde ortaya koyabilmek için Washington eyaletindeki
küçük tarım kasabalarından seçilmiş kişilerle yaptığı mülakatları kullanır. Bu
ağlar kasabanın birbirine ne kadar tutunmuş olduğunun ölçüsü olarak
kullanılmıştır, böylece ağ yapısıyla topluluğun öz ekonomik gelişiminin
seviyesi arasındaki ilişki incelenebilmiştir42.
Savaş sonrası Hırvatistan’daki 18 STK’yı 2000 ve 2002 yıllarında inceleyen
küçük ölçekli ama hayli yetkin bir başka ağ temelli çalışma örgütler
arasındaki işbirliğinde bir gerileme olduğunu tespit etmiş ve uluslar arası
destekçiler için buradan dersler çıkarmıştı43.
2000 yılında Mozambik’te vuku bulan selden dolayı yardımda bulunan
ajansları arasındaki ilişkileri konu eden bir başka çalışma44, örgütlerin
“iletişimsel eyleme dönük potansiyel”lerinin yapılan yardıma katkı edip
etmediğini tespit etmeye çalışır.
Örgüt içi düzeyde de ABD Hava Kuvvetleri gibi katı hiyerarşik yapılara sahip
örgütler içinde dahi ağ haritalarının faydalı olabileceği görülmüştür. Albay
Elisabeth Strines’e göre “yatay” iletişim örgütün verimliliği için hayati
önemdedir, birimler arasındaki resmi olmayan bağları ağlar şeklinde
haritalandırmak lider niteliklerine sahip askerleri tespit etmek için faydalı
olabilir45.
Toplumsal ağ analizini bu tür değerlendirmeler için kullanmanın potansiyel tuzakları da
vardır. Mozambik seli üzerine yapılan çalışmaları ele alalım: yazarlar yardım grupları
arasındaki koordinasyon üzerinde durmuşlar, analizleri için aynı bölgede çalışan örgütlerin
birbirleriyle bağlantılandırıldığı yakınlık ağları inşa etmişlerdi. Bu yaratıcı bir yaklaşımdır
çünkü proje lokasyonlarındaki bilgi ulaşılabilir bir bilgidir, gruplar arasındaki gerçek iletişimi 42 J.A. Crowe. In search of a happy medium: How the structure of interorganizational networks influence community economic development strategies. Social Networks, 29(4):469–488, 2007.
43 M.L. Doerfel and M. Taylor. Network dynamics of interorganizational co operation: the Croatian civil society movement. Communication Monographs, 71(4):373–394, 2004.
44 S. Moore, E. Eng, and M. Daniel. International NGOs and the role of network centrality in humanitarian aid operations: A case study of coordination during the 2000 Mozambique floods. Disasters, 27(4):305–318, 2003.
45 Elisabeth J. Strines. Social Network Mapping: A New Tool for the Leadership Toolbox. PhD thesis, Air University Maxwell Air Force Base, 8037 Washington Road Alexandria, VA 22308, April 2002. http://handle.dtic.mil/100.2/ADA420742
ölçmek ise bir hayli zordur. Ancak, bölge üzerinden yakınlaşmaları tespit etmek mümkün olsa
da bunu iletişim ağı olarak değerlendirmek çok da mümkün değildir. Aynı bölgede çalışan
örgütler birbirleriyle iletişim ihtiyacı içinde olsa da bu iki veriyi özdeş kabul etmek büyük bir
hata olacaktır. Yakınlık ağlarının faydalı olması için bunları araştırmacıların üzerilerine
hipotez ürettikleri gerçek ilişkilerle yakından rabıtalandırılmaları gerekir.
Yakınlık ağlarının kullanımına tipik bir örnek, iletişim ve enformasyon politikaları
alanındaki aktörler arasındaki ilişkileri konu edinen çalışmalardır46. Çalışma katılımcılardan
(bunlar örgütlerin web sitelerinden ya da konferansların katılımcı listelerinden tespit edilir)
birey olarak katıldıkları etkinlikleri (konferanslar) ve beraber çalıştıkları örgütleri
belirtmelerini istemiştir. Bu bilgi farklı türden yakınlık ağlarını oluşturmak için kullanılmıştır:
iletişim yoluyla birbirine bağlı insanlar ya da etkinliklere karşılıklı katılım gibi. Alana yabancı
biri için ortaya çıkan grafik, önemli bulduklarını belirttikleri örgütlerin sayılarıyla bağlanmış
bireylerden oluşan bir haritaydı. Eğer benzer işler yapan insanların benzer örgütlere
yakınlaştıklarını varsayarsak, her bir bireyin işinin birbirine benzediği bu ağdan anlaşılabilir.
Hatta yazarlar insan hakları kampanyalarında çalışan insanlara tekabül eden yoğun
kümelenmeleri tespit edebilecek durumdaydılar. Ancak bu analizden detaylı bir sonuç
çıkarılmamıştır.
Yakınlık ağlarının örgütsel ilişkileri incelemede nasıl yaratıcı bir şekilde
kullanılabileceğinin bir örneği de Michael Heaney ve Fabio Rojas’ın ABD’deki savaş karşıtı
gruplar üzerine yaptığı çalışmada bulunabilir. Çalışma, 2004-2005 yıllarındaki geniş kapsamlı
gösterilere katılanlar arasından dikkatle seçilmiş kişilere yönelmiş, onlara bu etkinliğe
katılmak için hangi örgütle birlikte hareket ettikleri sorulmuştu. Farklı şehirlerdeki beş ayrı
protestodan elde edilen veriler toplandıktan sonra hangi örgütlerin birbiriyle bağlantılı
olduğunu gösteren bir ağ inşa edebilmişlerdi (Bkz. Şekil 18). Şaşırtıcı olmayan bir şekilde,
protestoların asıl destekleyicileri ağın ortasında görünürler. Gösterilere katılan bireyler diğer
kümelenmelerin de mantıklı olduğunu kabul etmişti. Yazarlar katılımcılara başka faaliyetleri
konusunda da sorular sordukları için savaş karşıtı hareketin farklı katmanlarınca kullanılan
taktiklere dair sonuçlar da elde edebilmişlerdi.
Kullanılan araçlar: Anketler, yakınlık ağları, iletişim ağları, toplumsal ağ analizi,
siyasa ağları.
46 Convergence Center. Movement in the Making? Social Network Analysis of the WSIS Civil Society, 2005. http://dcc.syr.edu/ford/mim/SNA-WSIS.pdf
Niçin önemli: Örgütler arasındaki bağlantıları ve birliktelikleri izlemek grupların
mevcut siyaset seçeneklerini daha etkin biçimde taramalarına yardımcı olur. Ayrıca, dışarıdan
birinin örgütler arasındaki benzerlikleri anlamasını kolaylaştırır.
Şekil 18: Düğümlerin boyutu o grupla ilişkili olduğunu söyleyen göstericilerin sayısını belirtir. Aradaki
çizgilerin kalınlığı her iki örgütle de ilişkili insanların sayısını gösterir47.
Sosyal ağların görünürlük ve fon kazanmak için kullanımı.Sosyal ağ siteleri bugün internet trafiğinin önemli bir kısmını oluşturuyor. Kimi
demografik gruplar15, arkadaşlarıyla günlük iletişimlerini sürdürmek için bu siteleri
kullanıyor48. Bu sitelerin kullanımı bireylerle sınırlı değil; pek çok örgüt bu sitelerde profil
yaratıp destekçileriyle bu yolla iletişim kuruyor.
Bu siteler özel firmalar ait olsa da ve genellikle sıkı kullanım kurallarına tabi olsa da,
teknolojilerinin bir kısmını kamuya açıp kullanıcıların kendi yazdıkları küçük uygulamaların 15 Yaşa, milliyete ve başka faktörlere bağlı olarak farklı toplumsal grupların tercih ettikleri sosyal ağlar da farklılaşıyor. 47 Michael T. Heaney and Fabio Rojas. Partisans, nonpartisans, and the antiwar movement in the United States. American Politics Research, 35(5), September 2007. http://plaza.ufl.edu/mtheaney/AntiwarMovement.pdf
kullanıcı sayfalarında görünmesine izin verirler. Kâr amacı gütmeyen örgütlerin, destek
gruplarının ve politik kampanyaların birçoğu yeni üyelere ulaşabilmek için bu sitelerden
faydalanıyor. Bir başka örnekte de kişinin profil sayfasında görünen küçük hatırlatıcı notlarda
kişinin herhangi bir örgüte ya da kampanyaya ne kadar katkıda bulunduğu görülebiliyor (Bkz.
Şekil 19). Uluslar arası Af Örgütünün Facebook16 sayfasında 366 binden fazla üye var. Sosyal
ağların kullanıcıları ironik içeriklere daha fazla önem veriyor, bu da ciddi meselelere
dikkatleri çekmeyi zorlaştıran bir faktör. Örneğin, “İsveçli iç çamaşırı modellerinin
korunması” başlığı altında herhangi bir insan hakları grubundakinden daha fazla üye var. Ama
mali konularda tersi bir durum söz konusu: Af Örgütü’nün Facebook’taki üyeleri Nisan 2007
tarihi itibariyle 17 bin dolardan fazla yardımda bulunmuşlardı, diğer insan hakları
kampanyaları da mali açıdan başarıya ulaşmış görünüyorlar.
Şekil 19: Bir Facebook uygulaması49.
16 http://apps.facebook.com/causes/beneficiaries.161.48 d. m. boyd and N. B. Ellison. Social network sites: Definition, history, and scholarship. Journal of Computer-Mediated Communication, 13(1), 2007. http://jcmc.indiana.edu/vol13/ issue1/boyd.ellison.html
49 Facebook. Facebook Causes. //www.facebook.com/apps/application.php?id=2318966938
Örgütlerin çoğu bu ağ sitelerine üye olan çok ayıda insan olmasını bir potansiyel olarak
değerlendirip yeni teknikler üzerinde çalışıyor. Buma Kampanyası gibi kimileri de internet
üzerinden gösteriler düzenlemeye çalıştı, ama bunun karışık sonuçları oldu. Profil sayfaları
üzerinden içerik paylaşmanın yolları bugün için çok daha yaygın, insan hakları alanından ilk
elde malzemenin yaygınlaştırılması için de faydalı araçlar bunlar. Bu bağlamda zengin içerik
sağlayan bir başka örnek de insan haklarına dair videolar ve yorumlar yayınlayan Witness’s
The Hub17.
Daha az ilgi çeken bir başka kullanım alanı ise şiddet tehlikesiyle karşı karşıya olan
insan hakları eylemcilerinin bu ağlar yoluyla dış dünyaya seslerini duyurabilmeleri. Bu kişiler
seslerini destekçilerine duyurabildikleri ölçüde yaptıkları yüzünden yasadışı ilan edilmeleri
daha da güçleşiyor.
Kullanılan araçlar: Sosyal ağlar, arkadaşlık ağlarıyla ilgili bilgi.
Niçin önemli: Pek çok grup hâlihazırda sosyal ağları bir farkındalık yaratmak ve
kendilerine fon yaratmak için kullanıyor. Ancak, insan hakları alanındaki örgütler arasında
iletişime odaklanmış daha özel ağlar yaratmanın ortaya çıkarabileceği başka faydalar da
olabilir.
Kamu sağlığı ve hastalıkların yayılımı.Ağ modelleri, temas halindeki insanların oluşturdukları yapının hastalıkların
yayılımının nasıl etkilediğini anlamak için de kullanılabilir. Cinsel temas ya da ortak
uyuşturucu kullanımı üzerine yapılmış pek çok çalışma var. Her ne kadar bu alanda detaylı
kişisel bilgi toplamak pahalı ve zahmetli bir olsa da, bireysel davranışların toplum nezdindeki
etkilerini incelemek adına bu veriler kapsamlı istatistik teknikleriyle birlikte kullanılabilir.
Eldeki bulgulardan birine göre salgınların ortaya çıkması için gereken eşik ağ özelliklerindeki
ufak değişimlere yakından bağlı (Şekil 20)50. Eğer ağ yapısı bağlı bileşenlerin sayısını ve
boyutunu küçültmek için değiştirilebilirse, hastalığın kümeler arasında sıçraması
engellenebilir, salgın yavaşlatılabilir ya da durdurulabilir. Bu teşvik edici bir durum çünkü
insanların davranışlarındaki değişiklikler toplum nezdinde büyük sonuçlar yaratabileceğini
ima ediyor51. Uganda bu yöntemi ilk kullanan ülkelerden biri oldu, insanların birden fazla
17 http://hub.witness.org
partnere sahip olmasını engellemek için bir eğitim programı başlattı. HIV salgınının hızını
keserek Uganda başarısını ispat etmiş oldu.
Şekil 20: Olası salgınların boyutunu gösteren bir dizi ağ simülasyonu. Aradaki bağlar enfeksiyonun
potansiyel yollarını gösterir.
Kullanılan araçlar: Ağ istatistikleri, modelleme ve simülasyon, yayılım, ego ağı
örneklemi.
Niçin önemli: Kıt kaynakların söz konusu olduğu kamu sağlığı alanında ağ analizi hayli
etkin sonuçlar verir. Ayrıca, bilginin ve yeniliklerin nasıl yayıldığına dair modeller de hastalık
modellerine benzer.
Yeniliklerin yayılımı ve adaptasyonu.Yeniliklerin yayılımı ve adaptasyonuna dair çalışmalar genellikle insanlar arasındaki
iletişim kanalları üzerinden yayılan enformasyon örüntülerine odaklanır. Yeniliklerin
yayılımına dair matematiksel değerlendirmeler hastalıklar üzerine yapılanlara bir hayli
benzer. HIV’den korunma yolları, doğum kontrol yöntemleri gibi sağlık prosedürlerinin nasıl
yayıldığını ve adapte edildiğini izlemek için sosyal ağ analizini kullanan çok sayıda çalışma
vardır.
Bunlara güzel bir örnek Madagaskar’ın küçük bir köyündeki aile planlaması
programının etkisini değerlendiren çalışmadır52. Programda yerel nüfusa doğum kontrol
ürünlerinin nasıl öğretileceğine ve yaygınlaştırılacağına dair bir eğitim verilir. Normalde
50 Martina Morris, Steven Goodreau, and James Moody. Sexual networks, concurrency, and STD/HIV. In King K. Holmes, P. Frederick Sparling, and Walter E. Stamm, editors, Sexual ly Transmitted Diseases, 4th Edition. McGraw-Hill, New York, 2006.
51 M. Morris and M. Kretzschmar. A micro-simulation study of the e ect of concurrent partnerships on HIV spread in Uganda. Math Pop Studies, 8(2):109–133, 2000.
böyle bir çalışmanın başarısı doğum kontrol yöntemlerinin kullanımındaki değişiklikten
izlenir. Madagaskar’daki çalışma ise ağ temelli bir değerlendirme yapmayı seçip topluluk
üyelerinin çoğuyla mülakatlar yaptı, insanlara kimlerden tavsiye aldıklarını ve bu konularda
ne kadar bilgili olduklarını sordu. Analiz sonucunda bu konuda eğitilen topluluk üyelerinin
diğer insanlar için bilgi kaynağı olduğuydu. Bu kişilere ne kadar yakınsa insanlar, doğum
kontrol yöntemleri konusunda o kadar daha fazla bilgili oluyorlardı. Şaşırtıcı olansa, köy
dışında bu yöntemleri ilk kullananların köydeki eğitilmiş kişilerle bağları olanlar olmasıydı.
Fikirleri, kanaatleri ya da haberleri de bu şekilde izlemek ve değerlendirmek
mümkündür. Toplumsal iletişim ağlarının yapısının fikirlerinin dağılımına nasıl etki ettiğini
incelemek bir hayli ilginçtir. Krebs yakın zamanda politik sohbetler ve oylama kararları
üzerine bir çalışma yaptı ve başka insanlara ne yönde oy kullanma niyetinde olduğunu
söylemenin oy verme eyleminin kendisinden daha önemli olduğu sonucuna vardı53.
Kullanılan araçlar: Mülakatlar, ağ analizi, metin madenciliği, ağ modellemesi.
Niçin önemli: Enformasyonun ve toplumsal pratiklerin nasıl yayıldığını anlamanın
pozitif ya da negatif müdahaleleri tasarlarken de faydası olabilir.
Literatür taraması ve geniş kapsamlı dokümanlarda arama yapmak.Ağ görselleştirmesi, tek bir kişi tarafından taranması mümkün olmayan büyük ölçekli
belgelerin görsel bir özetini çıkarmak için kullanılır. İdeal durumda, bu ağ temsilleri,
kullanıcıların yabancısı oldukları bir alanı hızla taramalarına, en önemli kaynakları tespit
etmelerine, en etkin kanaat önderinin kim olduğunu saptamalarına, ana kavram ve ilişkilere
dair hızlı bir kanaat edinmelerine yardımcı olur.
Bu temsilleri yaratmanın birçok tekniği vardır. Yasal ağlara dair kısımda bahsi geçtiği
üzere, çok sayıda metni analiz etmek için referans örüntülerinden üretilmiş ağları kullanan
araştırma grupları vardır. Kimi vakalarda referans ağı tarafından üretilen ağ yapısı, topluluklar
ve disiplinler arasındaki daha geniş örüntüleri ortaya koymak için toparlanabilir (Bkz. Şekil
21). Referans temelli bir yaklaşım, görece standart yapıları olan ve detaylı kaynakçalar içeren
akademik çalışmalar gibi metinler için de işe yarayabilir.
52 K. Stoebenau and T.W. Valente. Using network analysis to understand community-basedprograms: A case study from highland Madagascar. International Family Planning Perspectives, 29(4):167–174, 2003.
53 Valdis Krebs. It’s the conversations, stupid! the link between social interaction and political choice, 2004. http://www.extremedemocracy.com/chapters/Chapter%20Nine-Krebs.pdf
Kimi durumlarda metinler yarı yapılandırılmış durumdadır. Pek çok doküman türü
soyutlamalar, anahtar sözcük listeleri, endeksler vs içerir. Bu kategoriler ve anahtar sözcükler
üzerinden farklı dokümanlar arasında bağlar kurmak mümkündür. Bu yöntem sayesinde
kategorilerin birbirleriyle nasıl ilişkilendiği anlaşılabilir, ama ancak belli bir düzeyde, çünkü
anahtar sözcüklerin ortaklaşması durumunu yaratan metinlerde tasvir edilen ilişki türleri
arasında bir ayrıştırma yapmak genelde pek mümkün değildir. Bu yaklaşımların tümünü bir
araya getirerek iletişim alanındaki firmalar arasındaki mülkiyet ilişkilerini ortaya koyan
başarılı bir çalışma yapılmıştır (Bkz. 30 no’lu son not).
Yukarıda da bahsedildiği gibi yapılandırılmamış metinlerde faydalı bir bilgiye ulaşmak
son derece güç bir iştir. Bir yöntem, bilgisayarlaştırılmış bir araç olan doğal dil işleme (NLP)
aracından yararlanarak metni otomatik olarak okumaktır. Her ne kadar etkinlikleri son
yıllarda giderecek daha da ispatlanmış olsa da, bilgisayarlaştırılmış tekniklerin ancak insanın
yakalayabileceği detayları fark edemediğini biliyoruz. Ancak, özel bir alan için geliştirilmiş
araçların son derece iyi bir performans sergilediği alanlar da vardır. Örneğin, her ne kadar bir
metni anlamak bir bilgisayar için güç bir iş olsa da, iyi tasarlanmış yazılımların dar anlamıyla
tanımlanmış ilişkileri tespit edip kodlaması, hatta mevcut ayrımların ayırdına varabilmesi
mümkündür.
Şekil 21: Carl Bergstorm ve Martin Rosvall tarafından yaratılmış olan bu ağ haritası akademik alanlar
arasındaki ilişkileri gösterir54. Turuncu daireler alanları, daireler büyüdükçe ve koyulaştıkça alan da büyür.
Okların boyutu ve rengi ise alanlar arasındaki referansların hacmini gösterir.
http://www.aigenfactor.org/map/maps.htm.
Dokümanlar arasındaki benzerliklerden yola çıkarak ağlar inşa etmenin birden fazla
yolu vardır. Burada esas mesele belli bir terimin bir doküman içinde ne sıklıkla geçtiğini
saymaktır. Her bir doküman çiftinde eşleşen terimlerin sayısını mukayese ederek bu
dokümanların birbirleriyle ne derece bağlantılı olduklarını ölçmek mümkündür. Bu ilişki seti
bir ağ olarak da değerlendirilebilir. Genellikle böyle bir ağı çizebilmek için daha önemsiz
bağları eleyerek ilişki setini basitleştirmek gerekir. Bu da ya kesişim noktalarını bulup zayıf
ilişkileri eleyerek yapılır ya da sadece belgeler arasındaki daha doğrudan benzerlikleri saklı
54 M. Rosvall and C.T. Bergstrom. Maps of random walks on complex networks reveal community structure. Proceedings of the National Academy of Sciences, 105(4):1118, 2008. http://octavia.zoology.washington.edu/publications/RosvallAndBergstrom08.pdf
tutan yol gösterici ağlar 55 gibi daha karmaşık tekniklerle. İlişkileri hesaplamaya dayanan bu
genel yönteme latan semantik analiz denir.
Bir diğer olasılık da araştırma ve sınıflandırma faaliyetini bir grup iyi eğitimli kişi
arasında paylaştırmaktır. İnsan hakları alanında yapılmış metin madenciliğine en iyi
örneklerden biri sabık bir SHRP çalışanı olan Patrick Ball tarafından yönetilen programdır.
Yakın zamanlarda İnsan Hakları Veri Analizi Grubu (HRDAG)18 ile birlikte pek çok proje,
büyük miktardaki tanıklıkları kullanılabilir bir hale sokmak için ilişkisel veritabanlarını
kullandı. Dokümanların uygun bir şekilde kodlanıp elektronik ortama aktarılabilmesi için
geniş ölçekli bir veri girişi çalışması gerekti bu projeler dahilinde. Analizlerin çoğunda
HRDAG dikkatlice tasarlanmış standart bir söz dağarcığını kullanır. Böylece kimi durumlarda
raporlardaki tarih ve lokasyonları birbirleriyle bağlantılandırmak mümkün olur, insan hakları
ihlallerinden sorumlu kişilerin isimleri elde edilebilir (Bkz. Şekil 22). Tek bir insanın bu
kadar çok belgeyi okuyup bu bağlantıları kurması imkânsızdır, ama dikkatli bir enformasyon
yöntemi ve iyi bir veritabanı tasarımıyla bu türden analizler mümkün kılınabilir.
Şekil 22: Birden çok kaynaktan gelen veriyi birbiriyle bağlayan ilişkisel veritabanı. Olay tarihi ya da
kurban ifadelerinden çıkarılabilecek başka bilgiler otomatik olarak kariyer kayıtlarıyla eşleştirilebilir, böylece
belli bir mekân ve zamanda gerçekleşen olayda sorumluluğu olanlar belirlenebilir. İllüstrasyon Patrick Ball’ın
çalışmasından56.
Kullanılan araçlar: Metin madenciliği, yakınlık ağları, değer ağları.
18 http://www.hrdag.org/.55 R.W. Schvaneveldt. Pathfinder associative networks: studies in knowledge organization. Ablex Publishing Corp. Norwood, NJ, USA, 1990.
56 Patrick Ball, Greg Walton, Drunken Master, and Reid Fleming. Hacktivism and Human Rights: Using Technology to Raise the Bar, July 2001. Presentation and panel discussion at DEF CON 9 conference. http://www.cultdeadcow.com/panel2001/hacktivism panel.php
Niçin önemli: Büyük miktarlarda birincil kaynağı taramak durumunda olan örgütler
için faydalı olabilir. Ayrıca herhangi bir alandaki araştırma literatürünün önemli olan
öğelerini tespit etmek için faydalanılabilir.
Web siteleri linkleri analizi.İnternetin yaygın kabul gören bir vaka haline gelmesiyle birlikte web siteleri arasındaki
hiper linkleri inceleyen bir araştırma alanını da ortaya çıktı. Altta yatan varsayım, web
sitelerinin bu linkler vasıtasıyla kendilerini diğer sitelere ve gruplara göre konumlandırdığıdır.
Eğer bu varsayım doğruysa, örgütlerin web sayfaları arasındaki linklerin oluşturduğu örüntü
bu örgütler arasındaki yakınlaşmaların bir ağı şeklinde yorumlanabilir. Örgütlerle mülakatlar
yapmaktansa bu türden bir çalışma geniş çaplı enformasyonu daha ucuz ve kolay yollarla
toplama imkânı sağlar. Bu linkler otomatikman haritalandırılabilir57.
Web siteleri arasındaki linklerin analizi toplumsal hareketleri incelemek için de
kullanılmıştır. Garrido ve Halavais, Zapatista hareketiyle bağlantılı siteler arasındaki linkleri
haritalandırmış, çeşitli toplumsal ağ analizi ölçütlerini hesaplamıştır58. Politik yelpazenin
diğer ucunda ise Luca Tateo İtalyan aşırı sağ örgütleri arasındaki bağları haritalandırmıştır59.
Govcom.org adlı site, web siteleri arasındaki linkleri politik analiz amacıyla toplama sürecini
otomatikleştiren Issue Crawler adında online bir kamu aracı yaratmıştır19. Grup bu yolla çok
sayıda çalışma gerçekleştirdi; bunlardan bir tanesi anahtar kelime analiziyle web linkleri
analizini, Filistin’de devasa bir duvar ören İsrail’e karşı kampanyalar yapan İsrailli barış
yanlılarının marjinalleştirilmiş konumunu anlamak için birleştiriyordu60. Bu türden araçlarla
daha geniş politik alanlardaki ilişkilere bakıldığında ortaya konan ortak bulgulardan biri de
19 http://govcom.org.57 H.W. Park and M. Thelwall. Hyperlink analyses of the world wide web: A review. Journal of Computer-Mediated Communication, 8(4), 2003. http://jcmc.indiana.edu/vol8/issue4/park.html
58 M. Garrido and A. Halavais. Mapping Networks of support for the Zapatista movement. Cyberactivism: Online Activism in Theory and Practice, 2003.
59 L. Tateo. The Italian extreme right on-line network. an exploratory study using an integrated so cial network analysis and content analysis approach. Journal of Computer-Mediated Communication, 10(2), 2005. http://jcmc.indiana.edu/vol10/issue2/tateo.html
60 Richard Rogers and Anat Ben-David. The Palestinian-Israeli peace process and transnational issue networks: The complicated place of the Israeli NGO. Govcom.org, 2005. http://www.govcom.org/publications/full list/rogers ben-david 1.pdf
sol ve sağ politik yönelimleri olan siteler arasında güçlü bir katmanlaşmanın olduğudur (Bkz.
Şekil 23).
Şekil 23: ABD’deki siyasî bloglar arasındaki linkleri analiz eden ağdan bir görüntü. Maviler ilerici,
morlar bağımsız, kırmızılar muhafazakâr, sarılar da yaygın kitle medyası sitelerini temsil etmekte61.
Haber madenciliği ve olay verileri.Günlük haberler genellikle parçalı ve eksiktir. Ancak olayın üzerinden zaman geçtikten
sonra farklı cenahlardan görüş toplamak, olay ilişkilerini ortaya koymak, hikâyeleri yan yana
getirmek, satır aralarını okumak mümkün olur. Ağlar, bu türden çok aktörlü karışık olayları
temsil etmek için gereken ilişkisel bilgiyi depolamak ve organize etmek için kullanılabilir.
Kimi durumlarda, ağ haritaları, yalnızca mülakatlarla toplaması hayli güç olan özet bilgiye
ulaşmak için de faydalı olabilir. Böylesi karmaşık vakalar bağlamında adı sıkça anılan bir ağ
diyagramı uygulaması sanatçı Mark Lombardi’nin çalışmasıdır62. Lombardi, Chicago
çetelerinden İran’daki Kontra skandalına bir dizi karmaşık olaya dair hikâyeleri dikkatle
toplamış, anahtar konumdaki kişilere, olaylara ve ilişkilere dair bilgi toplamış ve tüm
bulduklarını şık bir formda görselleştirmişti (Bkz. Şekil 24). Pek çok medya platformu da bu
yöntemi güncel vakalar için kullanmış ve ağ formatında ürünler ortaya koymuştur. Bunlara iyi
bir örnek, belli bir zaman aralığında belli bir terim için yapılan aramayla ilişkili antiteler
arasındaki ağı gösteren Libero’nun haber haritasıdır (Bkz. Şekil 25)20. Google News ise başka
20 http://arianna.libero.it/graph/search/abin/graphnews?query=HUMAN+RIGHTS
61 Presidential watch 08 isimli interaktif web sitesinden. http://presidentialwatch08.com/index.php/map/ 62 R.C. Hobbs. Mark Lombardi: Global Networks. Independent Curators International, 2003.
bir yaklaşımla haberleri benzerliklerine göre gruplandırarak bir konu hiyerarşisi oluşturur.
Newsmap21 haber kümelerini görselleştirir de. Biraz kafa karıştırıcı bir şekilde bu
görselleştirme tarzına ağaç-harita denir.
Şekil 24: Mark Lombardi’nin George W. Bush, Harken Energy, and Jackson Stephens, ca. 1979-90.
isimli çiziminden bir parça.
21 http://www.marumushi.com/apps/newsmap/
Şekil 25: Libero isimli İtalyanca haber servisinden çıkarılan ilişkiler ağına bir örnek. Harita, 9 Nisan
2008 tarihinde ‘insan hakları’ terimi için yapılan arama sonucu elde edilen haberlerdeki antiteleri gösterir.
Bu türden veriler siyaset bilimcilerin de kullanımındadır. Siyaset bilimci Gary King
dünya çapında haberlerin derlendiği kapsamlı bir veritabanını kullanıma açmıştır63. Her ne
kadar veri Reuters’in haber raporlarında geçen spot cümleler üzerinden kodlansa da22, King’in
analizinden çıkan sonuç, bilgisayar prosedürlerinin bu işin uzmanı insanların yaptığı
sınıflandırmalarla kıyaslandığında çok daha iyi bir performansa sahip olduklarıdır. Başka
araştırmacılar da bu veriyi birbirlerine olaylar üzerinden bağlı olan STK ve ülkelerin
oluşturdukları ağları incelemek için kullanmışlardır64. Tüm bu yazarlar, haber kaynaklarından
elde edilen olayların kimi önyargılarla malul olduğunun ve gerçekte olan hakkında tümüyle
doğru bir resim sunmadığının farkında görünmektedirler.
Bu yaklaşımlar insan haklarıyla ilişkili olayların oluşturduğu örüntüleri araştırmak için
de kullanılmıştır. İsviçre Barış Vakfı’nın FAST isimli projesi23, otomatik bir etiketlendirme
süreci kullanmaktansa, yerel haberleri ve olayları izlemek, kodlamak ve raporlamak için yirmi
ülkeden yerel profesyonelleri istihdam etmiştir. Hammerli ve diğerleri, 2002-2005 yılları
arasında Çeçenya’dan toplanan haberleri ve aktörleri kullanarak bir ağ oluşturmuşlardır65.
Çatışma halindeki çeşitli grupların nispi önemini belirlemek için bu ağlardaki toplumsal ağ
analizi ölçütlerini kullanmışlardır. Bu verinin kodlanması, çatışmacı ve işbirlikçi etkileşimleri
bağımsız olarak incelemeyi mümkün kılmıştır, ancak yazarlar herhangi bir dinamik ağ analizi
kullanmamışlardır.
Kullanılan araçlar: Metin madenciliği, dinamik ağlar, aktör ağları, siyasa ağları.
Niçin önemli: Belli insan hakları olaylarını kullanarak ağ oluşturmak, belirli bir bölge
ya da sorunla ilgili önemli ilişkilere dair etkili ve hızlı bir fotoğraf çekmeyi mümkün kılar.
22 http://vranet.com/
23 FAST-Frühanalyse von Spannungen und Tatsachenermittlung.
63 G. King and W. Lowe. An automated information extraction tool for international con ict data with performance as goo d as human coders: A rare events evaluation design. International Organization, 57(03):617–642, 2003. polmeth.wustl.edu/retrieve.php?id=105
64 Seung-Joon Jun. The international structure of non-government-organization activity. Presentation at the INSNA Sunbelt XXVIII conference, St. Pete Beach, FL, January 2008.
65 A. Hammerli, R. Gattiker, and R. Weyermann. Conflict and co operation in an actors’ network of Chechnya based on event data. Journal of Conflict Resolution, 50(2):159, 2006.
7) Vaka çalışmalarından elde edilen sonuçlar Son yıllarda farklı araştırma alanlarında ağ metodolojisinin daha yaygın biçimde
kullanıldığını gözlemekteyiz. Çok farklı metodolojik arka planlardan süzülüp gelen bu
çalışmalardan nihai bir sonuç çıkarmak çok güç. Etkili bir kategorizasyon yapmak bile pek
mümkün değil, zira farklı alanlardaki tekil vaka çalışmaları çoğu kez birbirlerinden farklı
teknikler kullanıyorlar. Bu bakış açısıyla ağ haritalarına dair kimi ana noktaları aşağıda
belirtmeye çalıştık:
Pek çok insan ağ tekniklerinin değerlendirme işi için çok yardımcı
olacağını savunsa da, farklı pilot çalışmaları mukayese eden geniş ölçekli
sistematik çalışmalar henüz ortaya konmadı. Projelerin çoğu, hem inşa
edilen ağların büyüklüğü anlamında hem de katılımcı sayısı nazarında
küçük ölçekli.
Projelerin çoğu bir değerlendirme yapmaktansa tanı koyuyor. Bu durum
kısmen vakaları mukayese etmemize imkân verecek bir standartın mevcut
olamamasından kaynaklanmakta. Ayrıca, araştırmacılar tedbiri elden
bırakmamak yanlısı, çünkü veri toplama süreci değerlendirme amaçlı
kullanılabilecek kadar kapsamlı değil.
Akademik çalışmaların bir kısmı metodolojik anlamda olgunlaşmış olsa da,
çalışmaların pek çoğu hâlâ daha keşfedici nitelikte görünmekte.
Çalışmaların çoğunda esas açılım daha çok derinlemesine mülakatlardan ve
veri toplama sürecinden geliyor gibi, ağ analizi paralel bir yaklaşım olarak
işlev görüyor.
Bu tekniklerin kabul edilmesinde ve kullanılmasındaki esas engel,
araştırmacıların ve katılımcıların nitelikli veri setine ulaşmak için harcamak
zorunda oldukları zamanın miktarı. Yazılım araçlarının maliyeti de bir
engel, ama bunun tüm ülkeler için aynı derecede sorun olduğu söylenemez.
Kimi vakalarda veri toplama süreci istişare ve planlama aşamasına öyle bir
şekilde eklemlenebilir ki bu toplantıların kendisi doğrudan sürece değer
katan bir faaliyete dönüşür. Bu da ağ hazırlama işinin kendisini bir yük
olmaktan çıkarabilir.
Ağ haritalarını kullananlarla ağ analizinin daha formel tiplerini kullananlar
arasında bir ayrışma var gibi gözükmekte. Ağ ölçütlerinin altında yatan
kavramların bir kısmı sıkça kullanılsa da, bu ölçütlerin kendileri anca
eğitimli uzman ve akademikler tarafından kullanılmakta.
Ağ haritalarına gösterilen tepki gerçekçi olmayan aşırı bir coşkuyla yok
sayan kibirli bir tavır arasında salınmakta. Ağ haritalarının nasıl
yaratılacağı ve okunacağı konusunda bir rehberin eksikliği hissedilmekte.
Pek çok vakada haritaların görsel kalitesi son derece düşük. Bu da kısmen
yaygın şekilde ulaşılabilen yazılım araçlarının nasıl ürünler verdiği
konusunda bir netliğin olmaması. Bu alanda çalışanlara daha kullanışlı
araçlar sağlandığı taktirde ağ haritalarından sağlanabilecek faydayı da
kayda değer ölçüde arttırmak mümkün.
İlişki verisini bir görselleştirme süreci içinde toplayan (Ağ-Harita) gibi
teknikler çok daha etkin görünüyorlar. Ancak, yoğun ağları görselleştirmek
zor olduğundan, toplanan veri daha basit ağlara doğru çarpıtılmak
durumunda oluyor. Başka veri toplama teknikleriyle kapsamlı bir
mukayese yamak da fayda vardır.
İlişkilere odaklı sorularla ilerleyen ve/veya bağ tiplerini net biçimde
tanımlayan çalışmalar ağ haritalarından elde edilen faydayı arttırıyormuş
gibi gözüküyor. Çok farklı türden bağları aynı diyagrama oturtmaya
çalışmak okunabilirliği de kısıtlıyor.
Gerçek kişilerin isimlerinin ya da kimliklerini açık edecek başka unsurların
ağ haritalarına dahil edilmesi bu kişiler için bir risk oluştursa da, en etkili
görselleştirmeler izleyicinin gördüğü yapı hakkında bir açıklama
yapabilmesine yetecek düzeyde kavramsal enformasyon içerenlerdir.
Görselleştirme tekniklerinin ne derece faydalı olduğunu sınamak için
kullanılabilecek ilişkisel enformasyonu içeren, insan haklarıyla ilgili çok
sayıda veri koleksiyonu vardır.
8) Kimi sorunlar ve riskler: Ağ analizi ne yapamaz ya da ne
yapmamalı Ağ analizinin kullanımı kimi önemli etik sorunları da gündeme getirmiştir66. Her ne
kadar güçlü bir metodolojik araç olsa da istenmeyen pek çok sonuç da doğurmuştur. Ağ
66 S.P. Borgatti and J.L. Molina. Toward ethical guidelines for network research in organizations. Social Networks, 27(2):107–117, 2005.
analizi, insan hakları ihlallerinden sorumlu kişileri mucizevî şekilde bulup çıkarmaz. Ancak
kaliteli veriye ulaşmanın imkânı olduğu sürece kullanışlı olan bir tekniktir. Yapılan işe iyi
niyetle katkıda bulunmak isteyenlerin mevcut olduğu durumlarda dahi bu veriyi toplamak zor
bir iştir. Ağ verisini analiz etmek zordur. İlişkisel düşünme zorlayıcı olabilir. Standart
istatistik uygulamalarının büyük çoğunluğu ağ verisine uygulanamaz, çünkü ağlarda bulunan
ilişkiler bu standart testlerin altında yatan varsayımlara ters düşerler. Bazı istatistik
tekniklerinin ağ çalışmalarına uygun varyantları olsa da67, bu yöntemlerin çoğu gene de pek
gelişmemiş, anlaması ve kullanması güç yöntemlerdir. Tablo 6 sık karşılaşılan bazı sorunların
bir özetini verir.
Tablo 6: Ağ haritalamasında karşılaşılan sorunlar ve riskler.
Ağ haritalaması ve analizinin insan hakları alanında kullanımında rastlanan
sorunlar. Etkili bir ağ analizi yapabilmek için gereken enformasyon, kişisel detayları açıklayacak
birilerini gerektiren hassas enformasyondur. Çalışmaya dahil olan herkesin eldeki bilgiyi
paylaşmaya istekli olduğu durumlarda bile böylesi bir enformasyonu toplamak meşakkatli bir
iştir. İnsan hakları alanında herhangi bir muhayyel senaryoda, senaryoya dahil edilecek
kişilerin ve örgütlerin birbirileriyle çatışma halinde olması son derece muhtemeldir. Kendi
67 Mark S. Handcock, David R. Hunter, Carter T. Butts, Steven M. Goodreau, and Martina Morris. statnet: Software tools for the representation, visualization, analysis and simulation of network data. Journal of Statistical Software, 24(1), 2008.
amaçlarına ya da güvenliklerine zarar vereceklerini düşündükleri bilgileri paylaşmak
istemeyecekler, katılımda bulunmayacak, yanlış bilgi verecek ya da belgeleri imha
edeceklerdir.
Etik sorunlar. İlişkisel verinin toplanması sırasında pek çok etik sorunla karşılaşılabilir. Analize dahil
edilen pozisyonel bilgi stratejik bir öneme sahip olabilir, kimi durumlarda da bireylerin ya da
örgütlerin adları hassas bir bilgidir. Kadushin, Vietnam savaşına karşı çıktıkları gerekçesiyle
hedef olabilecekleri düşünüldüğü için ABD’deki entelektüellerle ilgili bir çalışmanın nasıl
bekletildiğine dair bir örnek sunar68.
Bu türden kaygıların bazıları başka türden araştırmalarca kullanılan rızaya dayalı veri
toplama teknikleri sayesinde giderilebilse de, ağ verilerinde başka türlü sorunlar da mevcuttur.
Örneğin, isimler ve kimlik bilgileri sonuçlar kamuya duyurulmadan önce kaldırılabilse de,
gene de veriler arasında bir bağlantı kurabilmek için bir ölçüde saklanmaları gerekir. İsimler
anonimleştirildiğinde bile, dışarıdan edinilen bilgiden faydalanıp bu isimleri açığa çıkarmak
mümkündür. Ankete katılanlara çoğu durumda bağlantıda oldukları bireylerle ilgili sorular
sorulur ve bu isimler kendilerinden rıza alınmadan çalışmanın katılımcısı haline gelirler.
Olumlu niyetlerle toplanan veri bile daha sonraları kötü niyetle kullanılabilir. Ağ
teknikleri insan hakları alanında mücadele veren kişilerin de zararına sonuçlar doğurabilir. Bu
türden hassas verilerin arşivlenmesi sonucu doğacak sorunları ortadan kaldırmak için
denenebilecek kimi yollar vardır, ama esas mesele sorunu teknik olduğu kadar politik olarak
da çözebilmektir.
Kimi vakalarda veriler kamuya açık kaynaklardan toplanır. Böylesi bir prosedürü yasal
zeminde savunmak çok daha kolay olsa da adı geçen birey ve örgütler adlarının bu minvalde
anılmasından hoşnut olmayabilirler. Çoklu kaynaklardan toplanan veriler de kişiler için riskli
durumlara sebebiyet verebilir. Pek çok durumda bu risk çok büyük olmayabilir, ama
oluşturulan haritalar bireyleri ve örgütleri değerlendirmek için kullanılacaksa potansiyel
sonuçlar çalışmadan önce katılımcılarla paylaşılmalıdır. Ağ tekniklerinin bir cezai
soruşturmanın başlaması için kullanılacağı durumlarda araştırmacı çok daha zor bir konumda
bulur kendini. Örneğin, ABD silahlı kuvvetlerinin Afganistan’da antropologlara haritalar
hazırlattığı rapor edilmiştir. Amerikan Antropoloji Birliği bu konuda pek çok etik çekinceyi
68 C. Kadushin. Who benefits from network analysis: ethics of social network research. Social Networks, 27(2):139–153, 2005.
kamuoyuna açıkladı69. Hayli pragmatik bir başka kaygı da ağ haritalarının ve analizinin
sağladığı fayda genişledikçe araştırmaya cevaplarıyla katkıda bulunanların sahip oldukları
ilişkileri yanlış yansıtmak için daha çok nedene sahip olacağıdır. Örneğin, katılımcılar aslen
kimlerle iletişim halinde olduklarını ifade etmektense kimlerle konuşmaları “gerektiğini”
söyleyebilirler.
Veri hassasiyeti. Ağ haritalarında hatırlanması gereken bir başka önemli unsur veri kaybının çok daha
ihtimal dahilinde olduğudur. Düğümler arasında kurulan bağlarda yapılan tek bir değişiklik
bile tüm ağı yeniden biçimlendirebilir. Örneklem stratejisini ve ağı inşa etmede kullanılan
verinin kalitesini dikkatle gözden geçirmek son derece önemlidir. Eğer eldeki ilişkilerin çoğu
tek bir kişiden elde edildiyse, bu kişinin haritada merkezi bir öğe olarak görüneceği sürpriz
değildir.
Araştırılan ağın sınırlarını belirlemek de hayli güç bir iştir. Coğrafi sınırlar ağ haritaları
için pek uygun değildir, sosyal grupların da sınırlarını belirlemek güçtür. Unutmamak gerek
ki çalışılan ağ çoğu durumda başka bir ağın fragmanıdır. Olası tüm ilişkileri izleyecek yeterli
kaynak çoğu durumda mevcut değildir, o yüzden ağın dışında kalacak düğüm ve bağlar her
zaman olacaktır.
Kimlerden oluştuğu bilinmeyen bir topluluktan rasgele seçilen bir örneklemde herkesin
belirlenen kriterlere uyup uymadığını bilmek çok zordur. Ağa kimlerin dahil edileceğini
önceden bildiğinizde bile herkesten cevap olmak mümkün olmaz. %80’lik geri dönüş hayli iyi
bir orandır, ama böylesi bir veri kaybı bile geçerlilik bahsinde sorunlara neden olabilir.
Ağların sorunlarında biri de kayıp verinin veri setinin tümünde çarpıklıklar yaratmasıdır70.
9) Projeler için değerlendirme kriterleri
69 The American Anthropological Association. Board statement on human terrain systems. http://aaanewsinfo.blogspot.com/2007/11/aaa-board-statement-on-hts.html
70 P.V. Marsden. Network data and measurement. Annual Review of Sociology, 16(1):435–463, 1990.
Bu raporun esas amacı, ağ haritalarının ve analizinin insan hakları alanında kullanımı
için potansiyel araştırma yönelimlerini sıralamaktır. Aşağıdaki bölüm, olası projelerin hedef
ve avantajlarını değerlendirmede kullanılabilecek yollar hakkında tavsiyeler sunar.
Araştırma ve geliştirme gerekli: . Kimi çalışmalar mevcut teknoloji ve araçlar üzerinden uygulamaya konur, bu da
kullanıcının bu çalışmalardan faydalanabilmesi için bir eğitimden geçirilmesini gerektirir. Bu
yelpazenin diğer ucunduysa önemli temel araştırmaları gerektiren yönelimler vardır. Genel
olarak gelişim bir risk öğesini çalışmaya dahil etmek demektir, çözüme çok daha zor bir yolla
ulaşılması riski her zaman mevcuttur. Haritacılık gibi daha gelişkin alanlarla mukayese
edildiğinde ağ analizi alanında henüz çözüme kavuşturulmamış pek çok sorun olduğu
görülecektir. Coğrafi haritalar bilgisayar ortamına aktarıldığında ortaya çıkan sorunlar daha
çok mühendislik sorunları olmuştu. Ağlar içinse teknik ve teknoloji aynı anda kullanılıyor, bu
da alanı sürprizlerle dolu hale getiriyor.
Projeyi doğrudan kim kullanabilecek. İnsan hakları sorunlarına bir çözüm getirmek için tasarlanan projeler gerçek sorunların
etki alanından uzak farklı soyutlama düzeylerinde hayata geçirilebilir. En somut ve sonuç
getirici projeler, bu sorunlarla doğrudan boğuşan kişilerce kullanılabilecek araçlar üretir. Bir
sonraki düzey söz konusu kişilerin bir araya gelerek oluşturdukları taban örgütlerine yardımcı
olacak projelerdir. Biraz daha soyut projelerse yardım ve destek veren grupları ilgilendirir.
Daha ileri soyutlama düzeyindeki projelerse insan hakları örgütlerinin ve hükümetlerin
“büyük resmi” görmesini sağlayacak türden projelerdir. Bu sıralamanın en üstünde ise
uzmanlık gerektiren analiz ve araştırmalarla uğraşan akademikler ve danışmanlar için
üretilmiş araçlar vardır.
Büyük kalabalıklara doğrudan yardımcı olacak araçların kolay anlaşılabilir olması
gerekirken, uzmanların kullanımına sunulanlar daha üst düzey eğitim ve yorumlama becerisi
gerektirirler. Burada bir ikilem söz konusudur: Kullanıcıları eğitmek pahalıdır, ancak
karmaşık olmayan, stabil araçların yaratılması da uzun zaman alır.
Kullanım tipleri: Eylem-analiz-iletişim. Bir aracı kimin kullanacağı sorusunun yanında bu aracın nasıl uygun bir şekilde
kullanılacağı da dikkate alınması gereken bir konudur. Bir yanda insanların eyleme geçmesini
sağlayan araçlar vardır. Bunlar örgütlenme işine destek verecek, sahadaki eylemciler ve
örgütler arasındaki iletişimi kolaylaştıracak araçlardır. Yelpazenin ortasında enformasyonun
toplanmasını ve belgelenmesini kolaylaştıracak araçlar bulunur. Diğer uçta ise senaryo
geliştirmeye imkân veren, uzun dönemli stratejileri ve planlamayı mümkün kılan projeler,
analitik araçlar bulunur. Bu analizlerin sonucunda elde edilen bulguları kamuyla paylaşmaya
yardımcı olacak araçlara da gereksinim duyulur. İyi araçlara her düzeyde ihtiyaç vardır, ama
bunların her durumda aynı araçlar olması gerekmez.
Gerekli kaynaklar. Kaynak sorununun birden fazla veçhesi vardır. Önerilen projelerden herhangi birini 1)
tasarlamak ve geliştirmek, 2) dağıtmak ve kullanmak, 3) yenilemek için para ve insan
kaynağına ihtiyaç olduğunu akılda tutmak gerekir. Veri içeren çalışmalarda kullanılan verinin
eskiyebileceği akıldan çıkarılmamalıdır. Bu projeler bu türden sınırlamalar akılda tutularak
tasarlanmalı ya da ileri zamanlarda bir yenilemeyi göz önüne alarak bütçelendirilmelidir.
Yazılım araçlarını geliştirmek ve kişiselleştirmek pahalı, yaygınlaştırmak ise ucuzdur. Daha
karmaşık projeler söz konusu olduğunda dokümantasyonun kendisi kullanılan yazılım araçları
kadar önemlidir. Veri-temelli projelerde verinin kalitesi ve noksansızlığı projenin diğer
aşamalarının ne kadar zaman alacağını etkileyecektir. Proje başlamadan verinin kalitesini
düzgün bir şekilde değerlendirmek mümkün olmayacağından, problemlerle karşılaşıldığında
yeniden değerlendirmeler yapılabileceğini önceden öngörmek önemlidir.
Uygulanabilirlik. Kimi projelerde teknik eller yoktur ama politik olarak hassas konuların varlığı ya da
gerçek dışı beklentilerle başlanıp da maddi kaynaktan yoksun kalınması gibi nedenlerle
projeyi bitirmek hiçbir zaman mümkün olmayabilir.
Ölçeklendirilebilirlik. Veri-temelli projeler söz konusu olduğunda küçük ölçekli bir projede işleyen bir
yaklaşımın ölçek büyüdüğünde iş görmemesi sık rastlanan bir durumdur. Kullanıcı sayısı
arttığında projenin ne hale geleceğini göz önünde tutmak gerekir. Ağın boyutu büyüdükçe,
görselleştirme ve analiz tekniklerinin çoğu kullanması daha güç hale gelir. Yüzlerce
düğümden oluşan bir ağla on binlerce düğümden oluşan bir ağın gerektirdiği işlem ve hesap
süresi bir hayli farklıdır. Büyük ağlarla çalışıldığı durumlarda seçim ölçütlerini uygulanabilir
düzeyde kalarak seçmek çok önemlidir.
Bunun tersi ucunda ise yalnızca çok sayıda insanın aktif katılımıyla çalışabilecek insan-
temelli projeler vardır. Projenin daha uygulamaya konmadığı dönemde faydalı kılınabilmesi
için ekstra planlamaya gerek vardır.
Katılımcıların karşılaşabileceği riskler. Projeye gönüllü ya da gönülsüz dahil olan katılımcıların ne türden risklerle karşı karşıya
gelebileceğini nazara almak gerekir. Yukarıdaki “Kimi sorunlar ve riskler” bölümü bu
sorunları daha detaylı tartışmakta.
10) Proje tavsiyeleri Aşağıdaki örneklerde ağ-tabanlı teknolojilerin insan hakları alanına nasıl
uygulanabileceğine dair tavsiyeler bulunabilir. Her bir teklifteki ana öğeler Tablo 7’de özet
halinde verilmiştir. Hiç şüphesiz bu önerilerin insan hakları alanında çalışan örgütler için ne
anlama geldiği pratik olarak sahada sınanacaktır. Olası tüm projeler bu listede yer almıyor.
Yeni yaklaşımlar yaratmanın bir yolu da insan haklarıyla ilgili verileri akademiklere yaymak
ve bu alanda gözlenen sorunları kamuya açmaktır.
Proje A: Ağ tabanlı bir değerlendirme ve strateji müfredatı geliştirin. Ağ görselleştirmeleri, bir gruba dair üstü örtük bilgiyi açığa kavuşturmanın, bu bilgiyi
analize ve stratejik eyleme uygun bir biçime sokmanın etkili bir yoludur. Bu projenin esas
hedefi, hâlihazırda ilişkisel enformasyonu toplayan ve haritalandıran insan hakları
örgütlerinin en iyi pratiklerini toplamak, değerlendirmek ve yeniden dağıtmaktır. Geçerli
yaklaşımları geliştiren örgütler, deneyim paylaşımına pek fırsat olmadan birbirlerinden
bağımsız çalışmaktalar. Bu metodolojiyi ilerletmek için mevcut deneyimi derlemekte,
boşlukları tanımlamakta, grupların yeni teknikler geliştirmek için koordine olmalarına
yardımcı olmakta fayda vardır. Gelişim süreci içinde uygulamalar sınanmalı, değerlendirme
prosedürleri belgelenmeli ve ilgili diğer insan hakları örgütleriyle paylaşılmalıdır.
Çalışmanın ilk aşamaları bir yardım ajansı ya da insan hakları örgütüyle ortaklık içinde
gerçekleştirilmelidir. Bu alanda çalışan uygulamacılardan, akademiklerden ya da ticari
faaliyet yürüten sosyal ağ analistlerinden faydalanılmalıdır. Proje ekibi araştırmacılar ve
uygulamacılarla bağlantıya geçerek bunların tecrübelerini danışmanlardan gelen
enformasyonla birleştirmelidir. Ekibin hedefi teknik bilgiden ibaret olmayan elkitapçıkları
hazırlamak olmalıdır. Sonuç getiren analiz yöntemleri, yalnızca uzman kişiler tarafından
kullanılabilen ileri istatistik yerine haritalamaya dayanır. Buna güzel bir örnek Clark’ın
haritalama üzerine kaleme aldığı kitapçıktır. Proje, bu aracı kullanan örgütler için bir kaynak
ve koordinasyon noktası hizmeti görerek ilerisi için de faydalı olabilir.
Bu projenin bitmesi 2-4 sene arası bir zaman alır, çünkü tasarım ve sınama aşaması
birden çok çalışma gerektirecektir. Ortaya çıkan sonuç büyük ölçüde dokümantasyondan
ibaret olacaktır. Bir başka deyişle üretmesi masraflı fakat yaygınlaştırması ucuz bir
çalışmadan bahsediyoruz. Bu teknikleri kullanmayı öğrenmek zaman ister. İdeal durumda
elkitapçıklarını okumak özel bir eğitim ve uzmanlaşma gerektirmez. Esas risk, ufak gruplar
için uygulanan bir yöntemin ölçek büyüdüğünde işe yarayıp yaramayacağını belirlemektedir.
Proje kadrosunda yüksek ücretle çalışan bir uzman danışman, yazma ve araştırma becerilerine
sahip bir yürütücü ve belki de bir asistan bulunmalıdır. Deneme aşamasının ne kadara mal
olacağını belirlemek pek mümkün olmaz, en iyi durumda ortak örgütlerden kaynak yardımı
alınabilir.
Projenin sonuçlarından esas olarak taban örgütleri, orta ve uzun vadeli insan hakları
projeleri tasarlayan STK’lar yararlanacaktır. Veri toplama aşaması uzun verimli ve masraflı
olacaktır.
Proje B: İnsan hakları örgütlerinin yürüttüğü önemli projeleri ve bu
örgütlerin ilişkilerini gösteren interaktif bir ağ atlası yaratın. Atlas, tarama yapmak için son derece uygun bir araçtır. İnsan hakları çalışmaları
yürüten örgütlerin pek çoğu uluslar arası bir dikkat de gerektiren yerel projelerde
çalıştıklarından coğrafya böyle bir harita için en uygun zemin olmayabilir. Bunun yerine kim-
kiminle-çalışıyor türünden bir dünya haritası çıkarmak daha faydalı olacaktır. İdeal durum
böyle bir haritanın bir web uygulaması olarak tasarlanmasıdır, böylece atlas ilgili örgütlerin
iletişim bilgilerini de içeren alternatif bir rehber işlevi görebilir. Geleneksel bir rehber24 de bu
hizmeti yerine getirse de okuyucuya bağlamı vermez. Dahası, eğer veritabanı sık sık
güncellenirse, ilişkilerin zaman içinde nasıl değiştiğine dair bir resim oluşturmak da mümkün
olur.
24 http://www.unog.ch/80256EE60057E07D/(httpPages)/3101491B86487F6D80256EFC0061DFD9?OpenDocument
Tablo 7: Tavsiye edilen projeler ve değerlendirme kriterleri.
Bu projenin iki esas bileşeni vardır: a) veriyi toplamak ve düzenlemek, b) görselleştirme
ve tasarım. Veri toplama kısmındaki asıl güçlük ilgili enformasyonun toplanması,
temizlenmesi, sınıflandırılması ve standartlaştırılmasıdır. Hangi örgütlerin çalışmaya dahil
edileceğini belirlemek zor olabilir. Enformasyonu güncel tutabilmek için ek kaynak
toplamakta fayda vardır. Antitelerin ve ilişkilerin sayısı aynı anda ekrana taşınabilecek olan
optimum sayıdan daha fazla olacağından işin görselleştirme kısmındaki esas sorun veriyi
filtreleyip birleştirebilmek için uygun yollar bulmaktır.
Veri toplama için gereken örgütsel iletişim bir proje yöneticisi tarafından sağlanabilir.
Ağ görsellerinde uzmanlaşmış birine ve/veya bir grafik tasarımcısına ihtiyaç olacaktır. Web-
temelli formatta bir de web işlemlerini sürdürecek biri gerekecektir. Başlangıçtaki veri
toplama faslı zaman alacağından projenin toplanması iki seneyi bulabilir.
Proje C: Küresel insan hakları hukuku haritası. İnsan hakları hukukuna kuşbakışı bir bakış, küresel hukuk sistemindeki insan hakları
perspektiflerinin tarihini ve geçerliliğini nakletmeye yardımcı olur. Bu proje bir önceki
projeyle yakından ilişkilidir. Burada amaç, yasal etkilerin yayılımını gösterecek zaman ve
ilişki öğelerini birleştirmektir. İdeal durumda bu haritanın, yasal kararların her bir ülkede ve
yasal sistemde nasıl pratiğe geçirildiğini ve bu esnada nasıl sonuçlar doğurduğunu ortaya
çıkarması beklenir. Bu bir eğitim aracıdır, potansiyel olarak bir strateji aracı şeklinde
kullanılması da mümkündür.
Bu projeyi yürütürken dünyanın dört bir yanından birincil insan hakları belgelerine
gönderme yapan yasal argümanlardan müteşekkil bir veritabanını derlemek gerekecektir. Bu
verinin bu alanda ticari hizmet sağlayan firmalardan satın alınması mümkündür, ama bu veriyi
normalleştirmek ve eşleştirmek gerekir. Projenin çok iyi bir grafik tasarımcısına, veriyi
ayıklayacak ve araştırma yapacak bir uzmana, farklı ülkelerdeki yasal yapılarla ilgili bilgiyi
toparlayabilmek için hukuk uzmanlığı ya da doğru bağlantıları olan bir uluslar arası hukuk
uzmanına ihtiyacı vardır. Projenin asıl ağırlığı araştırma safhasındadır. Tamamlanması
muhtemelen 1-2 yıl sürecektir, güncellenmesi için de ayrı bir süre gerekecektir.
Proje D: İlişki toplama ve görselleştirme yazılımı. Bilgisayar üzerinde ağ haritasının yaratılması için, veriyi toplamak, formatlamak ve
göstermek için farklı programları kullanan pek çok karmaşık operasyona gereksinim duyulur.
Mülakat temelli veri toplama aşamasını kolaylaştırması için tasarlanmış bir yazılım amacının
inşa edilmesi ve dağıtılması süreci düzene koyacaktır. Teknik olarak böyle bir programı
yaratmak son derece zor olabilir. İşin zor kısmı kullanıcıların doğru türden veriyi toplayıp
göstermelerine yardımcı olacak yazılımın tasarlanmasıdır. Başka alanlardaki benzer hedefli
projelerin sınırlı başarıları olmuştur. Gerçek anlamda faydalı araçları üretebilmek için bu
proje, insan hakları verilerinin görselleştirilebilmesi için doğrudan gerekli olan işleri
desteklemek için tasarlanmış belli özelliklerden oluşan mütevazı bir seti hedeflemek
zorundadır.
Böyle bir aracın geliştirilebilmesi için deneyimli bir yazılım projesi yöneticisine, ara
yüz tasarımı konusunda becerikli, ağlarla tanışıklığı olan iki adet iyi programcıya ihtiyaç
vardır. Anket tasarlayıp yönetebilecek uzmanlığa sahip birilerine de ihtiyaç olacaktır, bir STK
ile ya da yardım ajansıyla ortak çalışmak da fayda vardır. İyi tasarlanmış böyle bir aracı
hayata geçirebilmek için muhtemelen 2-4 yıla gerek olacaktır.
Proje E: İnsan hakları materyallerinin saklı tutulduğu bir arşivden
çıkarılmış yapılandırılmamış verilerle yapılan araştırma çalışmaları. En geniş potansiyel etkiye sahip olabilecek uygulama alanı, normalde ilişkisel bir
üslupla ele alınmayan eldeki mevcut veriden yeni olgular ve kanıtlar çıkarabilmek için metin
madenciliğiyle ağ tekniklerini birleştiren bir uygulama alanı olacaktır. Pek çok insan hakları
örgütü, baskıcı rejimlerden kaçırdıkları büyük arşivlere ya da mağdurlardan toplanan geniş
ölçekli tanıklıklara sahiptir. Bu veri seti içerisine gömülmüş ilişkileri düzgün bir şekilde
tarayıp anlaşılabilir bir üslupla sunmak mümkündür. Aynı şekilde eski tanıklıklardan farklı
vakalara ders çıkarmak için faydalanılabilir.
Böyle bir çalışmada ilk aşama birincil kaynağa sahip tecrübeli bir örgütle ortaklaşma
yoluna gitmektir, bu esnada bu örgüte hangi sorularla gidileceğini belirleyecek uzman bir
araştırmacıya gerek olacaktır. Bir sonraki aşama eldeki araçları belli sorulara uyarlamak ve
uygulamaktır. Son aşama ise, yeni bir açılım sağlanıp sağlanmadığını belirleyebilmek için
analiz sonuçlarını değerlendirmektir. Bu projenin faydalı sonuçlar üretmesi muhtemelen 2-3
sene alacaktır. Diğer taraftan araştırmacı, daha ilk aylarda, seçilen ortağın ya da belirlenen
veri setinin sonuç getirici olup olmadığını bilecek duruma gelecektir.
Proje F: Bir ülke veya sorun bağlamında birbiriyle bağlantılı hak
ihlallerinin “parmak izi” haritasını yaratmak.
Ortak özellikler göstereme eğilimine sahip insan hakları ihlalleri olup olmadığını
bilmek bir hayli ilginç olurdu. Böyle bir çaba, farklı hakların nasıl birbiriyle bağlı olduğunu
görmek için, belli bir bölgedeki sorunların veya olayların bir örüntü oluşturup oluşturmadığını
belirlemek için faydalı olabilir. İnsan hakları alanında soruşturmalar yapanlar tarafından
üretilmiş geniş bir arşiv var mevcutta. Bu veri setinden bir yakınlıklar haritası çıkarmak
mümkündür. Bu haritada her bir düğüm bir insan hakkına tekabül edecek, düğüm çiftleri
arasındaki bağların gücü de bu hakların ihlal edildiği vakaların sayısıyla belirlenecektir. Bir
diğer olasılık da, belli bir bölge ya da çatışma hakkında çıkmış haberlerden derlenmiş ilişki
setlerini kullanan ağlar yaratmaktır. Bu ağlar elbette ki kimi belirsizliklerle, eksikliklerle ve
önyargılarla malul olacaktır, fakat yine de ortaya çıkan haritalar iletişim ve eğitim anlamında
son derece faydalı olabilir.
Bu türden bir çalışmanın gerektireceği türden iyi bir ekipte bir veritabanı uzmanı, bir ağ
analisti ve bir grafik tasarımcısı bulunmalıdır. Veri kaynaklarının ne kadar iyi
yapılandırıldığına bağlı olarak altı aydan bir yıla uzanan bir sürede bu türden haritaların iyi
örneklerini ortaya koymak mümkündür.