社会网络渗透于我们社会和经济生活的每一个角落。他们在传递就业机会信息中发挥了核心作用，对很多商品和服务的贸易也至关重要。他们在决定我们购买的何种产品、我们讲述何种语言、我们如何投票、我们是否决定犯罪、我们受到多少教育、我们获得专业成功的可能性。网络结构通过无数方式影响我们的生活，因此，理解下述问题就显得至关重要：社会网络结构如何影响行为，何种网络结构更容易在社会中出现，为何我们时常组织起来。借鉴社会学家、经济学家、计算机科学家、物理学家和数学家的研究成果，本门课程提供了社会和经济网络的一个概述和综合性研究。
课程刚开始时，将是一些社会网络分析的经验背景、以及一些用于描述和度量网络概念的概述。接下来，课程将介绍一些网络如何形成的模型，包括随机网络模型（random network models）、战略形成模型（strategic formation models）和混合模型。然后我们讨论一些列网络如何影响行为的模型，包括传染（contagion）、扩散（diffusion）、学习（learning）、同行影响（peer influences）。
课程大纲
第一周：介绍、经验背景和定义
社会网络的例子，以及他们的影响、定义、度量和属性——包括点度（Degrees）、半径（Diameters）、小世界（Small Worlds），弱联系和强联系（Weak and Strong Ties），点度分布（Degree Distributions）。【注1】
第二周：背景、定义、度量（续）
同质性（Homophily），动态（Dynamics），中心性度量：点度（Degree），中介中心性（Betweenness），接近中心性（Closeness），特征中心性（Eigenvector），Bonacich中心性（Katz-Bonacich的理论），E-R随机网络（Erdos and Renyi Random Networks）——阈值和相变。【注2】
第三周：随机网络
泊松随机网络（Poisson Random Networks），指数随机图模型（Exponential Random Graph Models），成长性随机网络（Growing Random Networks），优先连接（Preferential Attachment）和幂律（Power Laws），网络形成的混合模型。【注3】
第四周：战略网络形成
网络形成的博弈模型，连接模型（The Connections Model），激励与效率之间的冲突，动态分析，有向网络（Directed Networks），选择与机会的混合模型。【注4】
第五周：网络的扩散
经验背景，Bass模型，随机网络的传染，SIS模型，模拟网络拟合实际数据。
第六周：网络的学习
贝叶斯学习网络（Bayesian Learning on Networks），DeGroot学习模型，意见的趋同（Convergence of Beliefs），群体的智慧，网络位置的影响。【注5】
第七周：网络的博弈
网络博弈，同行影响：战略性补充与替代，网络结构与行为的关系，线性二次博弈，重复相互作用与网络结构。
推荐背景
本课程需要以下前置技能（^_^）:数学Lv1和统计学Lv1。我们假定参加的学生都已经非常熟悉相关的一些基本概念，包括线性代数，概率论（概率分布、期望、贝叶斯法则），统计学（假设检验），和一些简单计算（偏微分和积分）。除此以外，课程内都已包含。
【注6】
推荐阅读
所有解答测验和考试所需的定义概念都在视频课程中包含了。大部分课堂材料都包含在授课教授的书中（Jackson M O. Social and economic networks[M]. Princeton University Press, 2010. ），但这本书不是课堂必读读物。进一步的背景阅读，包括研究论文和课程中几个主题的综述，都在授课人的主页上（打开即可看见那张大脸：http://www.stanford.edu/~jacksonm/）。
课程形式
课程持续8周，每周会有视频提供，以及独立的问题集和数据练习。课程结束时，参加期末考试才可以拿到课程认证。
问答：
Q：完成课程后，能获得结课证书吗？
A：能，成功完成课程的学习者将获得有教师签名的结课证明。
============
译注1：专有名词在国内有多种翻译，此处使用中文文献中使用最广的译法。参考：[英]约翰•斯科特,刘军译.社会网络分析法[M].重庆:重庆大学出版社,2007
译注2：关于复杂网络的发展，1960提出随机网络模型（ER网络），1998年提出小世界模型，1999年提出无标度网络（Scale-free）模型（BA模型）。复杂网络分为随机网络、小世界网络和自相似网络。
译注3：随机网络模型这章解决的是计算机模拟的网络与现实世界网络的不一致。通过不断改进模型来贴近现实。
译注4：本章的内容是个体的收益成本随着网络连接的不同而不同。如Connection Model是一种成本与直接联系有关而网络间接收益依照连接距离增加而递减的算法。
译注5：学习模型，即通过观察周围人是怎么做的，来调整自己的行为。
译注6：本课程以社会网络建模为主要内容，即第二部分网络形式和第三部分网络与行为。在第一部分仅仅是简要介绍了后续建模所必须的简单概念，而缺乏对社会网络特征分析的介绍。推荐在社会网络有一定基础的社会学科高年级学生进行深入研究模型、或对数学模型熟悉的同学了解实际应用。本课程的简介（需翻墙https://www.coursera.org/course/networksonline）有说明，课程教授的是网络分析研究的方法，针对群体是硕士到博士，但是对感兴趣的同学入门也不难。
——————来源于coursera平台
