Masarykova Univerzita Fakulta informatiky Analýza sociální sítě organizátorů zážitkových akcí

Masarykova Univerzita Fakulta informatiky

Analýza sociální sítě organizátorů zážitkových akcí

Diplomová práce Bc. Petr Jarušek Vedoucí práce: Mgr. Radek Pelánek, Ph.D.

Brno 2008

Prohlášení Prohlašuji, že tato práce je mým původním autorským dílem, které jsem vypracoval samostatně. Všechny zdroje, prameny a literaturu, které jsem při vypracování používal nebo z nich čerpal, v práci řádně cituji s uvedením úplného odkazu na příslušný zdroj.

ii

Poděkování Rád bych poděkoval své rodině za to, že mi umožnila studovat na vysoké škole a shovívavě o mne pečovala v období mých studií. Děkuji svému vedoucímu práce, který mi byl velkou inspirací i oporou při psaní samotné práce a učil mě kriticky nahlížet na svět i problémy.

iii

Shrnutí Výzkum rozsáhlých sociálních sítí je nové vědecké odvětví, které propojuje přístup informatiky a sociologie. Zabývá se studiem fungování společnosti, konkrétně sítí vztahů mezi jednotlivci. Vztah může reprezentovat kamarádství, známost, společný zájem anebo rodinnou příslušnost. Pro formalizaci sítě používá tento obor pojmy z teorie grafů. Naše práce se zaměřila na studium konkrétní sociální sítě organizátorů zážitkových akcí. Aktéry se stali organizátoři akcí a síť mezi nimi odrážela společně uspořádané akce. Mezi hlavní cíle práce patřilo vytvoření nástrojů pro sběr dat, vlastní shromáždění dat a explorativní analýza získaných dat. Při analýze byl kladen důraz na studium otázek zajímavých pro zapojenou sociální skupinu. Ve výzkumu jsme pracovali s daty 23 organizací zahrnující údaje o 763 organizátorech a více než 1300 akcích. Údaje pocházely z období let 1998 – 2008. V řadě ohledů jsou získané poznatky zajímavým vodítkem pro vedoucí organizací a také inspirací pro sociology, kteří se chystají využít informační technologie pro svou práci.

iv

Klíčová slova Sociální sítě, síť organizátorů volno-časových aktivit, zážitková pedagogika, aplikace teorie grafů.

v

Obsah 1 Úvod........................................................................................................................................1 1.1 Co jsou to sociální sítě?....................................................................................................1 1.2 Studovaná sociální síť......................................................................................................2 1.3 Cíle práce..........................................................................................................................2 1.4 Jaká data jsme sbírali?......................................................................................................3 1.5 Jak probíhala analýza dat?................................................................................................4 2 Historie a klíčové pojmy.........................................................................................................5 2.1 Stručná historie výzkumu sociálních sítí..........................................................................5 2.2 Slovníček pojmů...............................................................................................................6 2.3 Mocninný zákon...............................................................................................................8 3 Technická realizace.................................................................................................................9 3.1 Co bylo třeba naprogramovat?.........................................................................................9 3.2 Návrh databáze.................................................................................................................9 3.3 Volba nástrojů realizace..................................................................................................11 3.4 Web určený ke sběru dat.................................................................................................11 3.5 Prezentační web projektu...............................................................................................14 3.6 Práce s daty.....................................................................................................................19 3.7 Vizualizace dat................................................................................................................20 4 Výstupy a analýzy.................................................................................................................24 4.1 Představení organizací....................................................................................................24 4.2 Představení sítě...............................................................................................................26 4.3 Role pohlaví...................................................................................................................29 4.4 Kariéra organizátora.......................................................................................................32 4.5 Tahounství......................................................................................................................35 4.6 Týmy...............................................................................................................................38 4.7 Vývoj sítě v čase.............................................................................................................43 4.8 Stárnou organizace?........................................................................................................45 4.9 Spolupráce organizací ...................................................................................................46 4.10 Klíčové pozice v celé síti SOVA..................................................................................49 5 Závěr.....................................................................................................................................53

vi

Úvod

1 Úvod Lidé svým každodenním jednáním vytváří a udržují složitou síť vazeb a vztahů. Tato síť je označována jako sociální síť a může odrážet například rodinnou příslušnost, kamarádství, společný koníček anebo pracovní poměr. Studium těchto struktur bylo po dlouhou dobu omezeno pouze na malé skupinky jednotlivců a informace o síti byly získávány zpravidla formou dotazníků. Díky moderním technologiím jako internet, mobilní telefony nebo email je možné studovat rozsáhlé sociální sítě, a to nepřímo, bez nutnosti vyplňování dotazníků a vědomí cílové skupiny, že je studována. Naše práce se zaměřila na studium konkrétní sociální sítě organizátorů zážitkových akcí. Aktéry se stali organizátoři akcí a síť mezi nimi odrážela společně uspořádané akce. Protože spolu organizátoři tráví hodně času při přípravě a organizování jednotlivých akcí, lze se domnívat, že struktura vazeb mezi nimi ukazuje na fakt, že si jsou v určitém ohledu blízcí. Celá práce se zaměřuje na jednotlivé aspekty vedení tohoto výzkumu. V první a druhé kapitole se zaměříme na usazení tématu do kontextu, vysvětlíme základní pojmy a zmíníme historii výzkumu sociálních sítí. V třetí kapitole si popíšeme technické řešení problematiky sběru dat a jejich následné prezentace. Ve čtvrté kapitole se budeme podrobné věnovat analýze získaných dat, na kterou naváže závěr celé práce. V řadě ohledů jsou získané poznatky zajímavým vodítkem pro vedoucí zážitkových organizací a také inspirací pro sociology, kteří se chystají využít informační technologie pro svou práci.

1.1 Co jsou to sociální sítě? Od svého narození si každý z nás vytváří svou vlastní síť přátel, známých, pracovních kolegů či rodinných příslušníků. V sociologii se tento propletenec označuje pojmem sociální síť. Zpravidla víme, na koho se obrátit, když potřebujeme pomoci s domácí úlohou, popovídat si o práci, dohodnout obchod, koupit vybavení na hory anebo si užít příjemný večer. Ve všech případech využíváme své sociální sítě (Obrázek 1). Sociologové díky znalosti sítí mohou lépe popsat šíření informací, přirozené shlukování lidí, dynamiku sociálních skupin, přijímání nových trendů, vybrané jevy v ekonomii a mnoho dalšího. Toho lze v návaznosti využít například v marketingu, navrhování systému pro fungování organizací, pedagogice, vývoji sociálního softwaru atp. Sociální síť reprezentujeme pomocí grafu (Obrázek 2) jehož uzly jsou osoby a hrany vztahy mezi osobami (V průběhu práce budeme používat pro označení uzlu také pojem vrchol.). Vztah mezi osobami může reprezentovat kamarádství, telefonní hovor, komunikaci přes email, rodinnou příslušnost, pracovní zařazení atp. Intenzita vztahu se může odrazit v síle hrany mezi dvěma uzly. V praxi silou hrany rozumíme číslo, které svážeme s danou hranou. Dobří přátelé pak mezi sebou mají například hranu s váhou 10, zatímco letmí známí pouze hranu s váhou 1. Pro analýzu sociální sítě využíváme vizualizace a statistiky. Lidé mají schopnost dobře rozpoznávat vizuální vzory a prostým pohledem na síť mohou vyvodit zajímavá fakta. Pro hlubší rozbor používáme programy pro analýzu sociálních grafů a techniky ze statistiky.

1

Úvod

Obrázek 1: Ukázka sociální sítě. Síla hrany určuje intenzitu známosti.

Obrázek 2: Grafová reprezentace sociální sítě.

1.2 Studovaná sociální síť Námi studovanou sociální skupinu tvoří organizátoři zážitkových akcí. Zážitkové akce bývají zpravidla určeny mladým lidem (cca 15 – 30 let) a trvají v rozmezí jednoho dne až po několik týdnů. Pořádají je zážitkové organizace, které jsou převážně neziskové a někdy také zcela neformální. Akce obvykle připravují týmy organizátorů o velikosti 2 - 8 členů. Organizace mívají volené vedení, ale aktivita organizace zpravidla vzniká z vůle jejich členů. Není tedy řízena centrálně, ale rozhodnutím organizátorů akce pořádat. Organizátoři, kteří k sobě mají z nějakého důvodu blízko, se rozhodnou akci uspořádat a sami si vyberou své spolu-organizátory. Výhodou studia této sociální skupiny je fakt, že data, která potřebujeme pro výzkum, se dají jasně vymezit. Stačí nahlédnout do složení organizátorských týmů všech akcí, které organizace pořádaly v daném časovém období. Výsledky výzkumu mohou odhalit řadu překvapivých informací o studované sociální skupině, které nemusí být vždy v souladu s intuicí.

1.3 Cíle práce Uveďme nyní hlavní cíle práce: 1. Navrhnout uživatelsky jednoduchou a atraktivní aplikaci pro sběr dat o organizátorech a akcích, které v období let 1998 – 2008 uspořádali. 2. Zrealizovat sběr dat vybraných organizací. 3. Vytvořit prezentační web s řadou zajímavých výstupů práce, který by zpětně motivoval organizátory v zadávání dat potřebných pro výzkum. 4. Analyzovat a diskutovat získaná data z pohledu teorie grafů a statistiky. Klást si takové otázky, které budou zajímavé pro studovanou sociální skupinu.

2

Úvod Příklady zajímavých otázek: • Existuje v síti jasné centrum, kolem kterého se utváří aktivita? • Je síť dobře propojená, anebo vytváří ostrůvky? • Jak vypadají týmy pro jednotlivé typy akcí? Jaké je jejich věkové rozpětí? • Jak intenzivní je spolupráce mezi jednotlivými organizacemi? • Jaký je nejaktivnější věk organizátorů a jak vypadá jejich kariéra?

1.4 Jaká data jsme sbírali? Námi studovaná sociální síť je definována uzly a hranami, které reprezentují organizátory a fakt, že spolu dva lidé organizovali akci. Váha hrany odráží intenzitu této spolupráce (tj. počet zorganizovaných akcí a velikost jejich přípravy). Při sběru dat jsme se zaměřili na akce pořádané v letech 1998-2008. Rozsah let byl zvolen dle odhadovaných možností jejich dopátrání. V organizacích typicky lidé nepůsobí déle než 10 let a přehled starších akcí by tak byl značně neúplný. Údaje pro náš výzkum nebyly nikde dostupné. Rozhodli jsme se je získat od samotných organizací. To se ukázalo obtížné, neboť organizace si archiv svých akcí vedou velmi nesystematicky, případně vůbec. Proto jsme se rozhodli navrhnout webový systém, pomocí kterého bude schopen každý organizátor vložit snadno údaje o svých akcích a spolu-organizátorech. Následně jsme oslovovali jednotlivé organizace, které do výzkumu zapojily své organizátory. Tím byl úkol distribuován mezi stovky organizátorů, kteří si navíc navzájem mohli kontrolovat vložené údaje. O akcích jsme sbírali tyto informace: • Název • Rok pořádání (1998 – 2008) • Pořádající organizace (vždy jen jedna možná) • Náročnost přípravy (1-3) • Počet dní trvání akce (1 den, 2-4 dnů, 5 a více dní) • Organizátoři akce O organizátorech jsme sbírali tyto informace: • Jméno a příjmení • Rok narození • Kraj, kde organizátor působil • Členství v organizacích (možnost zvolit i několik organizací) • Pohlaví

3

Úvod

1.5 Jak probíhala analýza dat? Explorativní přístup k analýze Při analýze dat jsme postupovali v duchu explorativního přístupu. Dopředu nebyly stanoveny konkrétní hypotézy, které bychom potvrzovali či vyvraceli. Namísto toho jsme se zaměřili na formulování zajímavých otázek a hledání jejich odpovědí. Otázky byly nakonec silně protřízeny a ty skutečně nejzajímavější se staly předmětem této práce. Při výběru otázek jsme byli motivováni formulovat takové problémy, jejichž odpovědi by byly pro zážitkové organizace co možná nejužitečnější. Osvědčil se rovněž přístup v duchu pořadí vizualizace, kvantifikace, interpretace.

Použité nástroje analýzy Pro potřeby analýzy dat jsme používali několik softwarových nástrojů. Jednalo se o: • Pajek – program umožňující analýzu sociálních sítí • SPSS – statistický software • Excel – program pro práci s tabulkami Tyto nástroje nám umožnily přehledně pracovat s daty a generovat potřebné vizualizace.

4

Historie a klíčové pojmy

2 Historie a klíčové pojmy V této kapitole se zaměříme na historii výzkumu sociálních síti, která nám pomůže zasadit celou práci do širšího kontextu. Rovněž se pokusíme definovat základní pojmy z teorie grafů a statistiky, používané pro studium sociálních sítí. S pojmy budeme dále pracovat v následujících kapitolách.

2.1 Stručná historie výzkumu sociálních sítí Historie výzkumu sociálních sítí nás zavede do dvacátých let minulého století, kdy probíhaly výzkumy toho, jak pracuje lidská mysl. Němec Kohler se snažil zdůraznit vzorce, které ovlivňují to, jak myslíme a vnímáme. Vzorce jsou jakési přednastavení, které nám umožňuje vidět věci okolo sebe tak, jak je vidíme. Teorii dále rozvíjeli tři Němci, kteří v 30. letech emigrovali do Ameriky. Jedním z nich byl Jacob Moreno, objevitel sociometrie. K jeho jménu se pojí počátky výzkumu malých sítí. Moreno přišel s myšlenkou analýzy malých skupin pomocí sociálních dotazníků. Stal se tak zakladatelem nového oboru – sociometrie. Podle Morena společnost nejsou jednotlivci a jejich charakteristiky, nýbrž struktura mezilidských vztahů. Na společnost je tudíž nutno nahlížet „v souvislostech“ a nelze vidět jedince bez jeho napojení na zbytek společnosti [History].

Obrázek 3: Ukázka sociogramu, lidé jsou zařazeni do různých kruhů podle svého významu ve skupině. Grant, Norsko, 1952. 5

Historie a klíčové pojmy Výzkum prováděný Morenem zpravidla spočíval ve vyplňování dotazníků typu „Napiš své tři nejbližší přátelé ve třídě“. Z dotazníků byl sestaven graf a ten následně studován. Moreno jej poté vizualizoval do tzv. Sociogramu (Obrázek 3) a snažil se identifikovat sociální vůdce, izolované, reciprocity vztahů a jejich nerovnoměrnost. Známá konfigurace byla sociometrická hvězda - jednotlivec byl vybrán mnohými jako přítel, sám si však vybral pouze některé. Druhým z emigrantů byl Lewin, který studoval skupinové chování. Chování ve skupině je dle jeho názoru funkcí konfliktních sociálních sil. Vytvořil teorii pole, která říká, že skupina a její okolí spolu silně interagují a a význam těchto interakcí závisí na způsobu, jakým její členové vnímají svět, dalo by se říci - pomocí jakých vzorců tito členové na svět nahlíží. Pole je vyobrazeno jako body propojené čarami. Body reprezentují osoby, jejich cíle nebo akce a čáry interakce nebo kauzální závislostí. Třetím Němcem je Heider, který pracoval na poli sociálního vnímání a postojů. Je zakladatelem teorie rovnováhy. Jedinci se dle Heidera snaží v mysli uchovávat myšlenky, které nejsou navzájem v konfliktu. Na základě podobnosti postojů si pak lidé vybírají i své blízké přátele. Co se však stane, pokud se mí blízcí přátelé znepřátelí? Pokud A a B jsou dobří přátelé, pak stručně řečeno A má rádo, respektive nerado vše, co má B rádo, respektive nerado. Pokud B nemá rádo C, tak i A nechce mít rádo C. Co se však stane v případě, že A a C jsou přátelé? Podle Heidera vznikne silné napětí, které musí být vyřešeno. A si musí vybrat. Může například přestat kamarádit s C. Pokračovatelé Heidera ukázali, že výsledkem tohoto procesu jsou skupiny v grafu (tzv. kliky), uvnitř kterých jsou všechny vazby pozitivní a mezi skupinami jsou všechny vazby negativní. Skupiny, ve kterých je doposud nerovnováha, jsou ve stadiu přeměny směrem ke klikám. V Chicagu v 20. letech skupina vědců zkoumala, jaké věci mají vliv na výkonost zaměstnanců na pracovišti. Zjistili, že na pracovišti existuje složitá neformální struktura vztahů mezi zaměstnanci, která má klíčový vliv na jejich výkonnost. Později, v průběhu 50. let, začali vědci na univerzitě v Manchasteru studovat konflikty ve skupině. V jejich práci pokračovala skupina vědců vedená Harrisonem Whitem na Harwardu, kteří v 60. a 70. letech vyvinuli matematické základy pro analýzu sociálních sítí. Známá je kniha jednoho z Whitových studentů Marka Granovettera „Getting a job“. Granovetter se ptal lidí, jak získali své zaměstnání. Většina lidí získala práci prostřednictvím sítě známých. Ti dominovali daleko více, než například rodinní příslušníci anebo inzeráty v novinách. Výzkum sociálních sítí nabral na rychlosti a stal se často využívanou technikou pro studium společnosti. Z období 70. let pochází také výzkum „6 stupňů izolace“, který ukazoval na silné propojení všech lidí na světe vazbami známostí. Současnost nabízí sociologům řadu nových nástrojů, které neměli nikdy předtím k dispozici. Umožňuje sbírat velké množství dat o sociální síti nepřímo – například telefonní hovory, frekvence emailů mezi skupinou osob, frekvence komunikace po chatu. Tato „nezkreslená“ data jsou navíc značně rozsáhlejší. Je tak možné studovat sítě o velikosti i miliónu uzlů.

2.2 Slovníček pojmů V práci se objevují pojmy ze statistiky, teorie grafů a některé matematické zápisy. V této kapitole se pokusíme definovat klíčové pojmy celé práce (Tabulka 1).

6

Historie a klíčové pojmy

Organizátor Organizace SOVA

Akce

Pojmy z oblasti zkoumané sociální sítě Člověk, který připravuje zážitkovou akci. Nezisková organizace zaměřující se na pořádání zážitkových akcí. Název celého projektu používaného pro komunikaci s organizátory (Síť Organizátorů Volnočasových Akcí). Akce s připraveným zážitkovým programem pro lidi starší 15 let, připravovaná alespoň dvěma organizátory, konaná v letech 1998-2008, s jasně vymezitelným týmem organizátorů a počtem přípravných schůzek. Pojmy z te orie grafů

Graf Stupeň vrcholu Sled v grafu Tah v grafu Cesta v grafu Souvislý graf Podgraf Komponenta grafu Sociální síť

Náhodná veličina Distribuční funkce Kvartil

Medián

Struktura tvořená vrcholy (nazývané též uzly), které jsou vzájemně spojeny hranami. Znázorňuje se obvykle jako množina bodů spojených čarami. Počet hran, které do daného vrcholu zasahují. Posloupnost vrcholů a hran v0 e1 v1 e2 ... en vn, kde hrana ei má koncové vrcholy vi-1 a vi Sled, ve kterém se neopakují hrany. Sled, ve kterém se neopakují vrcholy. Graf, ve kterém mezi každými dvěma vrcholy existuje sled (cesta). Graf H se nazývá podgraf grafu G, jestliže V(H) je podmnožinou V(G) a E(H) je podmnožinou E(G). Maximální souvislý podgraf daného grafu. Je klasický graf sestrojený na základě  „sociálních dat“. Pojmy ze statistiky Libovolná funkce X definovaná na množině elementárních jevů pravděpodobnostího prostoru. Funkce náhodné veličiny X, značená F(x) a definovaná: F(x) = P(X < x) pro všechna reálná x. Bod, ve kterém distribuční funkce náhodné veličiny prochází hodnotou 25% (dolní kvartil) nebo 75% (horní kvartil). Jedná se o hodnoty, které oddělují ze statistického souboru čtvrtiny. Bod, ve kterém distribuční funkce náhodné veličiny prochází hodnotou 50%. Medián rozděluje statistický soubor na dvě stejně početné množiny.

Tabulka 1: Slovníček důležitých pojmů, se kterými se v práci setkáme. [Pavlík05, Kovar]

7

Historie a klíčové pojmy

2.3 Mocninný zákon Pro řadu jevů v přírodě platí, že se jejich výskyt řídí křivkou s jasným maximem. Jako příklad uveďme výšku člověka. Průměrná výška muže se pohybuje okolo 175cm. Existují lidé, kteří měří o něco méně a o něco více. Nepotkáme však jedince, který by měřil tři metry. Histogram výšky lidí tedy bude mít jasné maximum okolo čísla 175cm [Bar05]. Naproti tomu vědci v nedávné minulosti objevili, že některé jevy v přírodě se řídí rozdělením mocninným. Toto rozdělení nemá výrazné maximum, většina jevů spadá do určité oblasti, ale existuje i řada jevů, které se nacházejí daleko od ní. Tento zákon je znám jako zákon Paretův, neboli 80:20. Jeho aplikace říká, že 20% procent zákazníků pro mě tvoří 80% zisku. Případně za 20% času udělám 80% práce. Nebo jej lze formulovat tak, že 80% času trávím pouze s 20% mých kamarádů. Tedy velké množství jevů spadá do určité oblasti mocninné křivky, ale existuje i nezanedbatelné množství jevů, které se vyskytují daleko od tohoto místa. Vzorec mocninné funkce:

f  x =x− S touto distribucí se setkáváme i u sociálních sítí. Histogram stupňů jednotlivých uzlů (Obrázek 4) odráží skutečnost, že většina uzlů má jen málo incidujících hran, avšak v síti existuje také několik opravdu velkých center s množstvím hran.

Obrázek 4: Rozloženi stupňů v sociálních sítích. Osa Y reprezentuje počet uzlů s daným stupněm v síti. [Bar05]

8

Technická realizace

3 Technická realizace V této kapitole se seznámíme s návrhem a technickou realizací webových aplikací projektu. V závěru kapitoly se budeme věnovat problematice práce s daty a srozumitelné vizualizaci dat.

3.1 Co bylo třeba naprogramovat? Při realizaci projektu bylo třeba vytvořit několik webových aplikací. 1. Aplikace sběru dat Klíčovou součástí výzkumu byl sběr potřebných dat. Aplikace byla postavena na webových technologiích pro jejich dostupnost organizátorům. 2. Prezentační web V průběhu práce se ukázalo, že z důvodů motivace je vhodné vytvořit také prezentační webový systém, zobrazující výsledky výzkumu. Tyto výsledky motivovaly další organizátory k zapojení do výzkumu. 3. Rozhraní pro export a zpracování dat Software používaný pro zpracování a analýzu sebraných dat neumožňoval dodatečné filtrování dat a jejich zpracování. Proto bylo třeba naprogramovat sadu nástrojů pro zpracování dat a jejich export do příslušných formátů.

3.2 Návrh databáze Návrh databáze vycházel z požadavků na sběr dat potřebných pro výzkum. Jednalo se především o údaje o akcích a organizátorech a jejich propojení. Šest tabulek tvořilo základní entity s jasně definovanými atributy (Tabulka 2). Ostatní tabulky sloužily k vytvoření vazeb mezi jednotlivými entitami. Databázové schéma bylo postaveno základě ER modelu (Obrázek 5). Tabulka Akce Organizátoři Organizace Kraje Organizátor – organizace Organizátor – akce Comment Comment_themes Comment – comment_themes

Úče l Informace o uspořádaných akcích Informace o organizátorech Informace o organizacích Seznam krajů v ČR Vztahová tabulka Vztahová tabulka Tabulka pro komentáře na webu Témata komentářů Vztahová tabulka

Tabulka 2: Přehled tabulek navržených pro SOVA.

9

Technická realizace

Obrázek 5: ER model databáze. 10

Technická realizace

3.3 Volba nástrojů realizace Pro technickou realizaci systémů bylo zvoleno často používané prostředí skriptovacího jazyka PHP, databázového serveru MySQL, značkovacího jazyka XHTML, stylů CSS a JavaScriptu. Důvodem pro volbu těchto nástrojů byla rychlost vývoje v jejich prostředí a také dobré zkušenosti autora s těmito nástroji. Práce na obou aplikacích tvořila podstatnou část celé práce. Naprogramováno bylo více jak 130 skriptů o více než 11 000 řádcích (Tabulka 3). Volba nástrojů se nakonec ukázala jako správná, především z důvodu rychlého postupu vývoje aplikace.

Počet souborů Řádků kódu celkem

Aplikace vkládání dat 60 4475

Pre ze ntační we b a e xport dat 71 6551

Tabulka 3: Rozsah programovaných aplikací.

3.4 Web určený ke sběru dat V této kapitole se seznámíme s realizací webu určeného ke sběru dat.

Účel webu Pro sběr dat bylo třeba vyvinout nástroj, který bude přístupný velkému množství lidí a který bude mít jednoduché a srozumitelné ovládání. Brzy se ukázalo, že je vhodné umístit na web i zajímavé výstupy práce, což mělo nakonec za následek vytvoření druhého prezentačního webu. Webová aplikace měla splňovat následující kritéria: • Hezký design • Jednoduché a srozumitelné ovládání • Autentizace přístupu

Design stránek Jako základ designu stránek byl použit open-source projekt šablon webových designů. Šablony obsahují několik prezentačních HTML souborů a také CSS soubory s definovanými styly. Styly vybrané šablony byly upraveny pro potřeby aplikace (Obrázek 7). Titulní stránka byla nakreslena pomocí softwaru YedGraph (Obrázek 6). Pro navigaci ve stránkách jsme použili horní a boční lišty. Horní lišta představovala navigaci mezi hlavními akcemi, boční lišta poté zahrnovala specifické úkony. Jelikož aplikace byla primárně určena pro vkládání dat, zobrazoval se na každé straně také stručný návod s postupem pro vložení údajů. Pro volbu barev některých prvků stránek, které nebyly součástí designu, jsme použili volně dostupný nástroj „Color scheme generator“1, který umožňuje vyhledávání barevně sladěných palet. 1 Color scheme generator – program dostupný na http://wellstyled.com/tools/colorscheme2/index-en.html

11

Technická realizace

Obrázek 6: Přihlášení do aplikace.

Obrázek 7: Ukázka aplikace.

Jádro webu Základem webové aplikace je soubor index.php. Uživatel pohybující se v aplikaci volá tento soubor s různými parametry. Podle parametrů se do indexu nahrávají a spouštějí jednotlivé skripty a knihovny funkcí. Skripty odpovídají konkrétním operacím - jako například přihlášení do aplikace, přidání osoby, smazání osoby, přidání akce, vazby osoby na akci atp.

Účty Jelikož aplikace byla umístěna na internetu, bylo třeba ji zabezpečit. Byly vytvořeny dva účty pro přístup k aplikaci – uživatelský a administrátorský. Administrátorský účet poskytoval oproti uživatelskému několik dalších operací - jako přidání nové organizace, smazání organizátora či smazání akce.

Skripty Většinu práce v aplikaci obstarávají specializované skripty. Můžeme je rozdělit do skupin: • Přihlášení do aplikace • Zobrazení kostry stránek • Úprava dat • Zobrazování výstupů Přihlášení do aplikace Přihlášení do aplikace probíhá oproti nastaveným hodnotám jména a hesla. Po správném zadání se nastavují session proměnné na serveru. Ty jsou následně kontrolovány při vykreslení každé stránky.

12

Technická realizace Zobrazování kostry stránek Vykreslení každé stránky aplikace zajišťuje jediný soubor index.php. Ten se na začátku postará o vykreslení hlaviček, horní lišty a grafiky, levého menu. Poté na základě předaných parametrů vykreslí dynamicky obsah a na závěr patičku. Jeho úkolem je rovněž nahrát potřebné knihovny funkcí, připravit session proměnné, zkontrolovat práva uživatelů a připojit se do databáze. Úprava dat Skripty pro práci s daty zabezpečují vkládání a editaci akcí, organizátorů a organizací. Umožňují také tyto entity propojovat, tj. určit, kdo kterou akci organizoval, z jaké byl organizace atp. Tato rodina skriptů má zpravidla 2 stupně. V prvním je zobrazen formulář, který je v závislosti na tom, zda přidáváme anebo editujeme zavedenou osobu, předvyplněný nebo prázdný. Po jeho odeslání se přejde na druhý stupeň a skript zkontroluje data, vloží je do databáze, případně ohlásí chybu. Jako náročnější se ukázalo být naprogramování skriptů, které zajišťují propojení entit. U vkládání akcí k organizátorům je možné akce omezit (dle organizace, přípravy, roku) a následně vybrat ty, které daný organizátor pořádal (Obrázek 8).

Obrázek 8: Úprava uspořádaných akcí organizátora. Zobrazování výstupů Pro lepší motivaci zapojených organizátorů bylo třeba zpřístupnit již od začátku výzkumu několik zajímavých výstupů. Vygenerovali jsme tedy některé grafy z prvních dat a umístili je do aplikace. Také byly přidány skripty, které dynamicky vykreslovaly některé statistiky. K vykreslení statistických grafů byl použit open-source nástroj JGraph (Obrázek 9). V seznamu organizátorů byla přidána Javascriptová funkce, umožňující vypsání všech akcí dotyčného

13

Technická realizace organizátora. Rovněž bylo umožněno nahlédnout na všechny spolu-organizátory dané akce a četnost jejich spoluorganizování. Podobným způsobem byl upraven i seznam akcí, kde si uživatel mohl zobrazit všechny organizátory dané akce. Pro zobrazení těchto dat jsme použili Javascript, díky kterému nebylo třeba načítat novou stránku.

Obrázek 9: Ukázka výstupů SOVA generovaná pomocí knihovny JGraph. Trable a obtíže Celkově bylo programování aplikace svižné a plynulé, nenarážel jsem na mnoho věcí, které bych již někdy v minulosti neřešil. Nová byla především práce s nástrojem JGraph, kde jsem musel zvládnout jeho základní syntaxi a zakomponovat jej do skriptů a také použití javascriptových funkcí pro skrývání prvků stránky. Zajímavý byl i výběr designu a seznámení se s otevřenou databází šablon, která čítá několik tisíc různých šablon, a vlastní úprava šablony pro potřeby webu. Za největší výzvu považuji snahu udělat web přehledný a intuitivní, což je snahou i daleko větších projektů a vyžaduje to nutnou dávku estetického a uživatelského cítění. Myslím, že se mi to však podařilo jen z části.

3.5 Prezentační web projektu Účel webu Prezentační web vznikl o několik měsíců později než první web. Jeho hlavním účelem bylo poskytnout organizátorům co nejvíce čerstvých a zajímavých údajů z výzkumu. Web tak sehrál motivační úlohu pro další organizace, které se do projektu zapojovaly. Požadavky na web byly dvojí. Předně bylo zapotřebí naprogramovat fungující zázemí celého webu a v druhé řadě bylo třeba soustředit hodně energie do obsahové části. Ta musela být přehledná a srozumitelná. Základní kritéria:

14

Technická realizace • Hezký design • Snadná navigace • Zapamatovatelná adresa • Zajímavé výstupy a srozumitelné texty

Design stránek Jako základ designu stránek byla opět použita open-source šablona z databáze šablon. Společným vodítkem mezi weby se stala ikona sovy a také barevné podání jednotlivých grafů u výstupů (Obrázek 10). Horní menu bylo využito k dosažení základních informací. Levé menu bylo rozbalovatelné do dvou úrovní a rozděleno podle jednotlivých okruhů do několika skupin. Pro grafiku v horní liště byl opět použit nástroj na kreslení grafů YedGraph.

Obrázek 10: Ukázka prezentačního webu projektu. Doména Dlouho jsem přemýšlel, jakou doménu využít pro prezentační část webu. Projekt je nazván SOVA (Síť Organizátorů Volnočasových Aktivit), ovšem tato doména byla již obsazena. S velkým překvapením jsem zjistil, že doména www.organizatori.cz je i v červnu 2008 volná. Proto jsem ji zakoupil a celý web pod ní přestěhoval.

15

Technická realizace Jádro webu Základem celé webu je stejně jako u předchozí aplikace soubor index.php. Uživatel pohybující se po webu volá soubor s různými parametry. Podle nich se do indexu nahrávají a spouští jednotlivé skripty a funkce. Jádro webu je tedy velice jednoduché, což umožnilo rychlý vývoj a značnou specializaci jednotlivých sekcí webu.

Skripty Specializované skripty tvoří základ celého webu a starají se o výpis jednotlivých stránek a zobrazování výstupů výzkumu. Můžeme je rozdělit do těchto skupin: • Zobrazení kostry stránek • Vypisování textů • Vykreslování výstupů výzkumu pomocí Jgraph • Vykreslování výstupů výzkumu pomocí CSS stylů • Export dat • Doplňkové funkce Zobrazování kostry stránek Vykreslení kostry stránek zajišťuje podobně jako u plnící aplikace soubor index.php. Ten vykresluje hlavičky, horní lištu a grafiku, levé menu. Poté, na základě předaných parametrů, vykreslí dynamicky obsah a patičku stránky. Index zajišťuje rovněž nahrání potřebných funkcí. Levé menu se dynamicky rozbaluje v závislosti na předaných parametrech. Vypisování textů Pro každý odkaz levého menu existuje skript, který stránku zobrazí. Některé stránky jsou čistě textové, týkají se návodu pro vkládání dat, úvodu do sociálních sítí, informací o samotném výzkumu atp. Zbylé skripty kombinují textovou část i zobrazování výstupů výzkumu. Vykreslování statistik pomocí knihovny JGraph Těžiště prezentačního webu leží právě v pěkné vizualizaci shromážděných dat. K tomuto účelu jsem použil knihovnu Jgraph, určenou k vykreslování statistických grafů. Pomocí tohoto nástroje jsou zobrazovány statistiky jednotlivých organizací a organizátorů (Obrázek 11, Obrázek 12). Pro tvorbu jednotlivých grafů bylo třeba vybrat z databáze vhodné údaje a ty potom předat jako argumenty funkcím knihovny Jgraph. Jelikož vykreslovaných statistik bylo vetší množství, naprogramoval jsem malou knihovnu, která zjednodušovala vykreslování grafů. Obsahovala funkce, kterým stačilo předat pole hodnot a typ grafu, který se má zobrazit. Sama potom zavolala potřebné funkce knihovny JGraph.

16

Technická realizace

Obrázek 11: Ukázka statistik generovaných pomocí knihovny JGraph.

Obrázek 12: Ukázka statistik generovaných pomocí knihovny JGraph. 17

Technická realizace Vykreslování výstupů pomocí tabulek a CSS stylů U některých výstupů byly požadavky na jejich vizualizaci velice specifické, a proto nemohla být použita knihovna Jgraph. Bylo třeba naprogramovat vlastní vizuální styl, ve kterém se data zobrazila. Zpravidla jsem využíval možností kaskádových stylů (CSS), kterými lze snadno vyrábět žádané útvary (Obrázek 13,Obrázek 14).

Obrázek 13: Ukázka použití CSS při vizualizaci údajů ze SOVA.

Obrázek 14: Ukázka použití CSS při vizualizaci údajů ze SOVA.

Export dat Export dat byl klíčový především pro potřeby samotné analýzy. Použité programy si totiž vyžadují data v patřičném formátu. Navíc bylo třeba data silně profiltrovat a vypisovat vždy jen ta relevantní pro konkrétní analýzu. K tomuto účelu bylo napsáno mnoho skriptů. Podrobněji se předpřípravou dat zabýváme v kapitole práce s daty. Doplňkové funkce Mezi doplňkové skripty prezentačního webu patřily například skripty zobrazující komentáře, funkce pro práci s databází a potom také speciální druhy výstupů. Mezi jeden z nich patří například sekce stránek s názvem kompas, která umožňuje prohlížet si překryv známých dvou spoluorganizátorů.

Trable a obtíže Náročným prvkem při tvorbě prezentačního webu bylo skládáni složitých SQL dotazů. Ty mnohdy sahaly přes 5 tabulek, které bylo zapotřebí vhodně propojit, seřadit, protřídit a následně procházet. SQL dotazy často čítaly na 10 i více řádků a stávaly se tak poměrně složitými na pochopení i napsání. Dalším kamenem úrazu bylo zobrazování pomocí JGraphu. K tomuto účelu jsem vytvořil malou knihovnu, která zobrazení pomocí řady parametrů generalizovala a učinila univerzálnější.

18

Technická realizace U prezentačního webu bylo rovněž zapotřebí klást silný důraz na obsahovou srozumitelnost textů webu. I toto drobné ladění má velký význam pro použitelnost webu. Zajímavým problémem se pak stala automatizace exportů dat. Mým cílem bylo generovat jeden zip soubor, který by obsahoval zvlášť soubory s daným výstupem pro každou organizaci. Obecně lze říci, že jsem programováním prezentačního webu strávil daleko více času, než s jeho mladším kolegou. Bylo to dáno především psaním skriptů pro zobrazování výstupů a skriptů pro generování exportů.

3.6 Práce s daty Jaká data se podařilo shromáždit? Sběr dat probíhal od 1.1.2008 do 30.9.2008. Podařilo se sebrat údaje o 1063 organizátorech a více než 1600 akcích napříč 31 organizacemi. U více než dvou třetin organizátorů se podařilo zjistit také jejich kraj působnosti. Tímto způsobem vznikla přiložená mapka (Obrázek 15), která odráží, ve kterých krajích organizátoři fungovali v době své organizátorské kariéry.

Obrázek 15: Působnost organizátorů zapojených do SOVA. Číslo odpovídá počtu aktivních organizátorů v kraji. Kvalita dat Chceme-li sebraná data interpretovat, je nezbytné, aby data byla co nejvíce kompletní. Žádná oslovená organizace neměla kompletní přehled o své činnosti za posledních 10 let. Úplnost dat tedy byla dána především motivací členů (a to především starších) vložit potřebné údaje. Relativně kompletní data dodalo 22 organizací. S těmi jsme pracovali ve většině následujících analýz. Kompletnost jejich údajů byla ověřena jejími garanty (každá organizace měla svého garanta, který ručil za vložená data a jejich kvalitu).

19

Technická realizace Zpracování dat Pro každou analýzu bylo třeba získat z databáze specifická data (Obrázek 16). Vznikla tak celá řada skriptů, které se starají pouze o protřídění dat a jejich správné formátování. Úkony skriptů se dají rozdělit do těchto skupin: • Omezení dat na jedinou organizaci • Omezení dat podle časového období, typu akcí, přípravy akcí • Výpočet váhy hran grafu • Naformátování dat pro vstup do SPPP a do programu Pajek • Výpočet shlukovacího souboru (.clu soubor používaný programem Pajek) dle zadaného hlediska • Napočítání a zobrazení přehledových tabulek

Obrázek 16: Zpracování dat pro výstupy a analýzy ze SOVA. Vysvětlivky: CSV – textový soubor, .net – soubor sítě Pajek, .clu soubor rozdělení sítě do shluků pro Pajek, SPSS – statistický program, Pajek – program pro práci s grafy.

3.7 Vizualizace dat Při výzkumu jsme používali explorativní přístup k analýzám. Snažili jsme se položit dobré otázky, vizualizovat jejich výsledky a následně otázky modifikovat a zpřesňovat. Proto se problém kvalitní vizualizace stal důležitým prvkem práce. Kvalitní vizualizace umožňuje rychlou orientaci v datech a pochopení pointy problému. Měla by podpořit předání určitého sdělení o datech. Základními nároky, které jsme kladli na vizualizace, jsou přehlednost, srozumitelnost a přidaná hodnota oproti tabulce.

Ukázka dobré a špatné vizualizace statistik U statistik jsme se snažili zobrazovat data co možná nejsrozumitelněji. Dobrý graf v sobě agreguje více údajů o problému (Obrázek 17). Vítané je rovněž originální pojetí grafu, které problematiku oživuje (ne pouze „sloupce a koláče“).

20

Technická realizace

Obrázek 17: Dobrá statistika, umožňuje se zorientovat v problému, dozvídáme se relevantní data bez zbytečného 3D grafů.

Obrázek 18: Ukázka špatné statistiky, dozvídáme se málo užitečných dat o věkovém rozptylu v týmech organizátorů (rozptyl = rozdíl mezi maximálním a minimálním věkem organizátorů v týmu). 21

Technická realizace Ukázka dobré a špatné vizualizace grafů Pro vykreslování grafů existuje řada pravidel, která zajišťují jeho přehlednost pro lidské oči. O některé se stará příslušný software, jiné musíme zajistit ručně pro potřeby konkrétního problému (Obrázek 20). Základní pravidla pro vizualizaci grafů [Tufte01]: • Zobrazujeme takový výsek sítě, který je ještě přehledný a uchopitelný • Pozor, ať se hrany zbytečně nekříží (lidské oko je vnímá jako další uzel) • Hrana s větší váhou má být silnější • Významnější uzel má větší poloměr • Uzly jednolitých skupin by měly být rozlišeny barevně, • Uzly které spojuje silná hrana jsou si blíže • Vyhýbáme se optickým klamům a nepřehledným zobrazením

Obrázek 19: Ukázka špatně zobrazeného grafu. Z obrázku není mnohé patrné o povaze sítě. 22

Obrázek 20: Dobře zobrazený graf přehledně zobrazuje sít organizátorů.

23

Výstupy a analýzy

4 Výstupy a analýzy V této kapitole se zaměříme na analýzu řady otázek týkajících se sítě organizátorů a fungování organizací. Na začátku si stručně představíme síť i organizace, následně budeme hledat odpovědi na jednotlivé otázky.

4.1 Představení organizací Stručně o činnosti organizací Zážitkové organizace zapojené do výzkumu jsou zpravidla neziskové organizace nebo neformální sdružení lidí. Každá z organizací má svá témata, všechny však spojuje zážitkové pedagogika. Ve výzkumu nalezneme organizace velké, s dlouholetou tradicí, ale také malé, vzniklé poměrně nedávno. Akce, které organizace pořádají, jsou trojího druhu. Jedná se buď o jednodenní akce, víkendové akce, anebo akce většího rozsahu - řekněme tábory (organizace mají pro tento typ akcí několik označení – například tábory, prázdninovky, PsB, kurzy). Všechny zapojené organizace se zaměřují na práci s lidmi staršími 15 let. O síle sociálních vazeb nerozhoduje ani tak délka samotné akce nebo počet účastníků, ale především množství přípravných schůzek organizátorského týmu a jeho velikost. Ve výzkumu jsme pracovali se třemi délkami příprav akce. Jednalo se o malou (1-2 schůzky), střední (3-6 schůzek) a velkou (7 a více schůzek) přípravu akce.

Přehled organizací Při samotné analýze jsme pracovali pouze s těmi organizacemi, které dodaly úplná data o své činnosti. Týkalo se to 23 organizací z 31. Tyto budeme v následujícím textu označovat jako schválené organizace. V přiložené tabulce (Tabulka 4) nalezneme přehled vybraných parametrů organizací. Přehled je řazen dle počtu organizátorů jednotlivých organizací. Vysvětlivky k tabulce: • Akcí - počet akcí organizace, které pod organizací proběhly v letech 1998 - 2008. • Org. - počet všech organizátorů organizace. • Muži – procentuální zastoupení mužů v organizaci. • Věk – průměrný věk aktivních organizátorů v jednotlivých letech výzkumu. • Tahounství – průměrný počet roků, které vydrží tahoun mezi 7 nejlepšími organizátory v organizaci. • Aktivita - léta, ve kterých organizace pořádala akce.

24

Výstupy a analýzy Organizace Instruktoři Brno ZČ HB Orchis ZČ HB S.U.P. Užitečný život ZČ HB Slunovrat ZČ HB Baobab Jeseník Halahoj ZČ HB Campanula barbata ZČ HB KPL Velký vůz ZČ HB Svízel Přítula K-Klub ZČ HB Rozruch ZČ HB Modrý kámen ZČ HB Mařatice Uluru TOM Kasiopea ZČ HB Zeměchvály SISS Masarykova univerzita Brno ZČ HB Chudák Svišť ŠEM Hnutí Brontosarus - ústředí

Akcí 150 208 175 70 151 92 29 116 88 20 89 10 46 33 9 128 19 4 4 7 19 12 14

Org. 147 74 62 61 61 54 47 46 42 35 34 31 24 15 15 14 13 11 11 11 11 9 3

Muži 52% 51% 66% 52% 51% 39% 55% 57% 52% 54% 50% 48% 33% 53% 80% 50% 77% 27% 100% 64% 55% 44% 33%

Vě k Tahounství Aktivita 25,9 2,7 1998-2008 25 2,7 1998-2008 24 3,9 1998-2008 26,9 2,4 1999-2008 24 2,4 1999-2008 24,4 2,4 2001-2008 22 2002-2008 25,4 3 1998-2008 24 3,1 1998-2008 27 2002-2008 26 2,8 2001-2007 3,2 1998-2007 22,9 2003-2008 22,3 2001-2008 24,8 1999-2002 33,6 4,9 1998-2008 26,7 3,3 2000-2008 2008-2008 22 2007-2008 24,5 2006-2008 22,1 2005-2008 23,5 2003-2008 23,9 1999-2008

Tabulka 4: Přehled organizací zapojených do výzkumu SOVA. Aktivita organizací Jak můžeme pozorovat na přiloženém obrázku (Obrázek 21), čím více se blížíme současnosti, tím více údajů o aktivních organizátorech a počtu akcí v databázi máme. To je dáno jednak faktem, že některé organizace tou dobou ještě neexistovaly, ale především náročností sběru starších dat. Rok 2008 již nebyl sebrán celý a proto můžeme pozorovat na křivce značný pokles. Neúplnost starých dat může zásadním způsobem také ovlivnit U jednotlivých otázek na tento fakt budeme upozorňovat..

výsledky některých analýz.

25

Výstupy a analýzy

Obrázek 21: Přehled akcí a aktivních organizátorů sebraných v rámci výzkumu SOVA.

4.2 Představení sítě Validita sociální sítě organizátorů vychází z předpokladu, že lidé, kteří spolu organizují akce, k sobě mají blízko (například se dobře znají, mají společný zájem, společný koníček). Sociální síť vzniká zcela přirozeně činností jednotlivých organizátorů. V této kapitole si představíme dvě základní sítě, se kterými budeme v průběhu analýz pracovat. Jedná se o síť organizátorů a síť organizací.

Síť organizátorů Síť organizátorů je je tvořena uzly (organizátoři) a hranami (společné akce). Pořádal-li organizátor A s organizátorem B akci, vznikne mezi nimi hrana určité váhy, která odpovídá intenzitě spolupráce dvou organizátorů. Vzorec pro výpočet váhy hrany:

Váha hrany dvou organizátorů=

∑

společné akce

velikost akce počet organizátorů akce

Tedy čím menší tým a větší počet přípravných schůzek, tím větší je intenzita spolupráce dvou organizátorů. Spolupráce organizátorů přirozeně překračuje hranice jednotlivých organizací (Obrázek 22). Při některých analýzách jsme pracovali pouze se sítí konkrétní organizace. V tom případě jsou zanedbány všechny hrany spojující organizátory s lidmi z jiných organizací (Obrázek 23).

26

Výstupy a analýzy

Obrázek 22: Síť organizátorů zapojených do SOVA. Uzly reprezentují organizátory, hrany intenzitu spolupráce na společných akcích. Velikost uzlu odpovídá jeho stupni v síti. Barva uzlu odlišuje jeho domovskou organizaci.

Obrázek 23: Ukázka sítě organizátorů uvnitř organizace Halahoj. 27

Výstupy a analýzy Síť organizací Síť organizací vznikne seskupením všech členů dané organizace do jediného uzlu. Hrany, které vedly mezi členy různých organizací agregujeme do hran mezi jednotlivými organizacemi (Obrázek 24). Formální zápis vzorce pro výpočet váhy hrany mezi organizacemi O1 a O2:

Váha hrany O1 , O2=

∑

Organizátoři O1 , O2

velikost akce počet organizátorů akce

Síť organizací je možné také zkonstruovat na základě členství jednotlivých organizátorů v organizacích (Obrázek 38). Hrana mezi organizacemi pak odpovídá existenci organizátora, který patří do vybraných organizací. Podrobněji se této problematice věnuje v kapitole Spolupráce organizací.

Obrázek 24: Síť organizací zapojených do SOVA. Síla hrany reprezentuje intenzitu spolupráce. Velikost uzlu organizace reprezentuje spolupráci mezi jejími členy uvnitř a spolupráci s ostatními organizacemi.

28

Výstupy a analýzy

4.3 Role pohlaví Pořádají akce spíše muži nebo ženy? Vytváří organizátoři týmy homogenní nebo smíšené? Bývá tahounem zpravidla žena nebo muž? Jak jsou v síti pohlaví rozmístěna? Tvoří shluky? Intuitivně tušíme, že pohlaví má vliv na fungování naší společnosti a že například zaměstnání nerespektují rovnoměrné rozmístění pohlaví. Jak to bude v případě námi zkoumané sociální sítě?

Pořádají akce více muži nebo ženy? Podívejme nyní na podíl mužů a žen v přípravě akcí (Tabulka 5). Přestože je v databázi přibližně stejný počet mužů i žen, muži mají v pořádání akcí větší zastoupení. Převyšují ženy přibližně v poměru 3:2. Pro tuto analýzu jsme procházeli organizátory všech schválených organizací.

Zastoupení v SOVA Podíl na akcích

Muži 466 3052

Že ny 426 2172

Tabulka 5: Angažovanost mužů a žen v SOVA. Jsou týmy homogenní nebo smíšené? Již víme, že muži mají vyšší podíl na pořádání akcí. Jak jsou pohlaví v týmech rozložena? Pro analýzu jsme procházeli všechny akce schválených organizací, které pořádali alespoň dva organizátoři. Z tabulky (Tabulka 6) je vidět, že dominují týmy smíšené. Pokud má být tým homogenní, je zpravidla mužský. Druh týmu Akce pořádané smíšenými týmy Akce pořádané mužskými týmy Akce pořádané ženskými týmy

Poče t akcí 1017 197 59

Tabulka 6: Zastoupení týmů podle pohlaví v pořádání akcí. Táhnou organizace muži nebo ženy? Pro tuto analýzu použijeme již dříve zmíněnou definici tahouna. Tahoun je organizátor, který pro daný rok patří mezi 7 nejaktivnějších. Budou mezi tahouny převažovat muži nebo ženy? A jaký bude jejich poměr? K analýze (Tabulka 7) bylo zapotřebí projít postupně jednotlivé roky výzkumu a pro danou organizaci hledat její nejaktivnější organizátory. K tomu postačila suma příprav akcí, které organizátor daný rok pořádal. Tím je zohledněna nerovnost mezi malou jednodenní akcí a táborem s náročnou přípravou (za ten organizátor utržil 3 body oproti 1 bodu za akci s malou přípravou a 2 bodům za středně velkou akci).

29

Výstupy a analýzy Tahouni Muži tahouny celkem Ženy tahouny celkem

Poče t 705 457

Tabulka 7: Podíl mužů a žen na tahounství v organizacích. Výzkum prokazuje, že mezi tahouny najdeme více mužů než žen. Rozdíl je zde dokonce ještě větší než v případě pořádání akcí.

Role pohlaví v síti Muži mají větší podíl na pořádání akcí a silnější zastoupení mezi tahouny organizací. Jak se tento fakt promítne do sociální sítě? A jak můžeme měřit významnost pohlaví v rámci sociální sítě? Metoda, kterou jsme použili, spočívá v analýze soudržnosti čistě mužské a ženské sítě. Pro každou organizaci zvlášť zobrazíme síť mužů a žen. Následně prozkoumáme počet počet komponent v grafu. V této analýze jsme organizátory propojili podle akcí, které spolu organizovali (Obrázek 25). Protože nás zajímaly silnější vazby mezi organizátory, pracovali jsme pouze s hranami váhy tři a více. Dva organizátoři mezi sebou měli hranu pouze v případě, že spolu organizovali 3 a více akcí. Některé sítě se ukázaly být po tomto omezení příliš malé a proto jsme pracovali pouze se sítěmi o 12 a více uzlech. Ze sítě jsme následně vyexportovali mužskou síť (Obrázek 27) a její ženský protějšek (Obrázek 26).

Obrázek 25: Síť organizátorů ZČ Baobab. Červená barva reprezentuje ženy, modrá muže. 30

Výstupy a analýzy

Obrázek 26: Síť žen v ZČ Baobab

Obrázek 27: Síť mužů v ZČ Baobab.

Síť mužů Síť že n Kompone nty s Me nší Kompone nty s Me nší Organizace Uzlů ale spoň 3 vrcholy komp. Uzlů ale spoň 3 vrcholy komp. ZČ Baobab 13 1 0 13 2 5 ZČ Campanula 9 2 2 8 1 4 Halahoj 14 1 1 10 1 1 IS Brno 41 1 3 23 2 14 K-klub 9 1 0 6 1 3 ZČ KPL 14 1 1 12 1 1 ZČ Orchis 19 1 2 20 2 10 ZČ Slunovrat 15 2 7 19 1 5 ZČ SUP 15 1 0 9 1 4 ZČ Svízel Přítula 12 1 1 10 2 2 Uluru 6 1 0 7 1 0 Užitečný život 22 1 2 13 1 1

Tabulka 8: Struktura homogenních sítí mužů a žen jednotlivých organizací.. Pro každou schválenou organizaci jsme v síti studovali počet komponent a jejich velikosti (Tabulka 8). V námi zkoumaných organizacích se mužská síť zpravidla nerozpadá na větší množství komponent. Ženská síť k tomu naopak inklinuje. V šesti případech je mužská síť jasně soudržnější než ženská. Ve 4 případech jsou sítě co do počtu komponent rovnocenné a v jednom případě je ženská síť jasně soudržnější než ta mužská (ZČ Slunovrat). Soudržnost sítě úzce souvisí s průměrným množstvím hran na uzel. U mužské sítě je počet hran na uzel 1.93, kdežto u ženské sítě je to pouze 1.18. To má za důsledek menší soudržnost ženské sítě.

31

Výstupy a analýzy

4.4 Kariéra organizátora Aktivní dráhy organizátorů jsou velmi rozdílné. Některý zazáří a rychle se ztratí, jiní zůstávají v organizaci po dlouhou dobu, někteří si organizování pouze vyzkouší a dále se mu nevěnují. V této kapitole se budeme důkladně věnovat kariérám organizátorů.

Jak dlouho působí organizátor v organizaci? Zaměřme se nyní na aktivní dráhu organizátorů v organizaci. Kolik akcí organizátoři stihnou uspořádat a po jak dlouhou dobu jsou aktivní? Při hledání odpovědi na tyto otázky jsme narazili na následující problém. Řada organizátorů byla aktivní ve svých organizacích již před rokem 1998 a věříme, že řada bude aktivní i po roce 2008. Proto prezentované výsledky nemohou být zcela objektivní a je nutné si uvědomit, že jde pouze o výsek údajů. Pro korektní výsledky bychom museli pracovat pouze s kompletními kariérami, kde můžeme sledovat úplnou dobu působení organizátora. Při analýze jsme pracovali s daty organizátorů schválených organizací (celkem 763 organizátorů). Z dat jsme sestavili tabulku rozložení organizátorů podle počtu aktivních let (Tabulka 9) a tabulku rozložení organizátorů podle počtu uspořádaných akcí (Tabulka 10). Počet roků 1 2 3 Počet organizátorů 227 173 110 Kumulativní suma (%) 30 53 67

4 81 78

5 60 86

6 26 89

7 27 92

8 17 95

9 18 97

10 6 98

11 12 99

12 13 4 1 100 100

Tabulka 9: Rozložení organizátorů podle počtu aktivních let (tedy let, kdy organizátor uspořádal alespoň 1 akci). Akcí 1 2 Organizátorů 175 127 Kumulativní suma (%) 23 40

3 80 50

4 69 59

5 54 66

6 37 71

7 38 76

8 23 79

9 18 82

10 14 83

11 7 84

12 Více 11 109 85 100

Tabulka 10: Rozložení organizátorů podle počtu akcí, které uspořádali ve zkoumaném období. Z první tabulky (Tabulka 9) můžeme odečíst, že více jak polovina organizátorů je aktivní pouze po dobu nejvýše dvou let. Takřka 80% organizátorů je aktivních pouze po dobu nejvýše 4 let. V druhé tabulce (Tabulka 10) vidíme, že právě polovina organizátorů za svou kariéru uspořádá nejvýše 3 akce. Tyto údaje mohou být zajímavé pro vedoucí organizací, neboť je z nich patrno, že organizátorů je sice velké množství, ale většina z nich absolvuje pouze kratší a méně aktivní dráhy.

Kariéra organizátora graficky Pro jednotlivé organizace může být zajímavá přehledová vizualizace kariér jejich členů. Na následujícím obrázku (Obrázek 28) tak máme možnost vidět kariéry jednotlivých organizátorů organizace ZČ Svízel Přítula. Tloušťka červené linie organizátora roste s počtem jeho akcí v daný rok.

32

Výstupy a analýzy

Obrázek 28: Kariéry organizátorů organizace ZČ Svízel Přítula. Červená linie reprezentuje aktivní roky, čísla počet akcí, které organizátor v daný rok uspořádal. 33

Výstupy a analýzy Nejaktivnější věk V jakém věku jsou organizátoři nejaktivnější? To je jistě zajímavá otázka pro vedoucí organizací. Jelikož se zaměřujeme na akce pro mládež (cca 15-26 let), dalo by se předpokládat, že aktivní organizátoři budou rovněž spadat spíše do této kategorie. Je tomu skutečně tak? Při analýze jsme procházeli všechny akce schválených organizací a do histogramu zanesli věky jejich organizátorů v době konání akce (Obrázek 29).

Obrázek 29: Aktivita organizátorů v závislosti na jeho věku. Charakteristiky histogramu: • Průměrná hodnota věku: 25,75 • Medián věku: 25 • Dolní kvartil věku: 22 • Horní kvartil věku: 28 Dle získaných údajů 80,3% aktivity organizátorů spadá do období 20 - 30 let. To v zásadě potvrzuje náš odhad o organizátorech.

34

Výstupy a analýzy

4.5 Tahounství Tahoun je organizátor, který je v dané organizaci nejaktivnější. Z osobní zkušenosti vím, že mezi organizátory panuje přesvědčení, že tahouni jsou pro organizace klíčoví hráči. Domněnka se opírá o hypotézu, že tahouni na sebe strhávají ostatní a jsou tak odpovědní za velkou část aktivity organizace. V souvislosti s tahounstvím se mezi organizátory často se mluví o tzv. syndromu vyhoření, tedy období, které následuje po velké aktivitě tahouna. Organizátor se stáhne, přestane pořádat akce, lidově řečeno „vyhoří“. Cílem této kapitoly je nahlédnout do života tahounů a jejich působení v organizacích. Pro analýzu tahounství jsme vypracovali dvě odlišné metriky. První sleduje pouze počet uspořádaných akcí daného organizátora. Druhá vyhledává nejaktivnější organizátory v určitou dobu v konkrétní organizaci.

Tahouni nastupují do 25 let Kdy zpravidla tahouni nastupují své kariéry? Začínají pořádat akce ještě před 20. rokem svého života? Při analýze (Tabulka 11) jsme pracovali pouze s organizátory, kteří nepořádali žádnou akci před rokem 2000. Důvodem byl fakt, že jsme se chtěli vyhnout organizátorům, jejichž kariéry sahají i před rok 1998, kde výzkum začíná a měli bychom o nich tak velice zkreslené představy. Mezi tahouny jsme pak vybrali ty organizátory, kteří uspořádali alespoň 10 akcí. Aktivní rok organizátora je definován jako rok, kdy uspořádá alespoň 3 akce. Čís. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Jmé no Černocká Markéta Káldy Robert Antonio Perlík Martin Jarušek Petr Kořínek Jan Hladky Josef Pelánek Radek Blahová Alena Holubec Pavel Tomášková Božena Kulštrunková Adéla Jiříková Hanka Doseděl Petr Jiřík Radovan Krump Štěpán

Ce lke m akcí Začáte k karié ry Aktivní roky 53 22 7 47 17 7 40 23 7 39 16 6 37 25 6 35 25 6 33 20 8 28 25 6 28 23 4 28 42 7 27 18 3 26 21 5 25 24 4 24 24 4 24 25 5

Tabulka 11: 15 nejaktivnějších organizátorů v SOVA. V potaz byly bráni pouze organizátoři, kteří nepořádali akce před rokem 2000. Aktivní roky jsou takové, kdy organizátor uspořádal alespoň 3 akce.

35

Výstupy a analýzy Celkem se přes hranici 10 akcí dostalo 69 organizátorů. Pro ně jsme spočítali následující údaje týkající se věku, ve kterém pořádali svou první akci: • Průměr věku organizování první akce: 25,52 • Medián věku organizování první akce: 22 • Dolní kvartil věku organizování první akce: 20 • Horní kvartil věku organizování první akce: 24 • Percentil 88% věku organizování první akce: 25 Z výsledku vyplynulo, že drtivá většina (88%) tahounů nastoupí svou kariéru do 25 roku života, což je zajímavý údaj pro vedoucí organizací. Ti mohou například cílit nábor nových organizátorů mezi mladšími ročníky.

Syndrom vyhoření Již v úvodu jsme popsali syndrom vyhoření jako jakýsi propad aktivity po vrcholné fázi kariéry organizátora. Bohužel období, do kterého výzkum spadá, je příliš krátké na důkladnou kvantifikaci tohoto jevu. Místo podrobné analýzy se tedy podíváme na kariéru deseti nejaktivnějších (Obrázek 30) organizátorů a pokusíme alespoň o subjektivní interpretaci dat.

Obrázek 30: Kariéra 10ti nejaktivnějších organizátorů v SOVA. V potaz bráni pouze organizátoři, kteří nepořádali akce před rokem 2000.

36

Výstupy a analýzy Z obrázku (Obrázek 30) můžeme vyčíst, že řada organizátorů se dostává na vrchol své kariéry již po prvních dvou letech aktivity. Po dosažení vrcholu následuje útlum, který má však velmi individuální průběh. Zajímavé pozorování je fakt, že většina organizátorů má jen jeden nebo dva vrcholy své kariéry.

Tahouni z pohledu organizace Nyní se podíváme na tahouny v rámci jednotlivých organizací. Pro každý rok, kdy byla organizace aktivní, nalezneme 7 nejaktivnějších organizátorů. Srovnáme jednotlivé roky a zjistíme, jak dlouho organizátoři vydrží v tomto tahounském pelotonu. Pro tuto analýzu bylo třeba projít všechny organizace a jejich aktivní roky a vyhledat nejaktivnější organizátory. V tabulce (Tabulka 12) nalezneme údaje o organizacích s aktivní působností více než 7 let. U ostatních organizací je sledovaná dráha tahounů příliš krátká.

Organizace Uluru ZČ HB S.U.P. K-Klub TOM Kasiopea ZČ HB KPL ZČ HB Campanula barbata Instruktoři Brno ZČ HB Svízel Přítula ZČ HB Orchis Užitečný život ZČ HB Slunovrat ZČ HB Baobab Jeseník

Průmě rná Sle dovaných Unikátních doba v če le roků organizátorů 4,93 3,68 3,33 3,31 3,14 3,04 2,92 2,82 2,69 2,52 2,4 2,38

10 10 10 7 10 10 10 7 10 9 9 7

14 19 21 13 22 23 24 17 26 25 25 16

Muži (%) 48% 63% 69% 72% 52% 61% 83% 63% 70% 49% 40% 61%

Ce lke m pozic

69 70 70

43 69 70 70 48 70 63 60 38

Tabulka 12: Charakteristiky tahounství v jednotlivých organizacích. Z tabulky je patrné, že tahouni se drží v popředí organizací po dobu 2 - 4 let. V devíti organizacích převažují v tahounství muži, ve třech ženy.

37

Výstupy a analýzy

4.6 Týmy V této kapitole se zaměříme na studium týmů, které organizují akce. Jak si organizátoři vybírají své kolegy? Jaké je věkové složení týmů? Lze týmy detekovat na síti? Liší se velikost týmů podle náročnosti akce?

Jak organizátoři vybírají své spoluorganizátory? Zaměřme se nyní na to, jak moc organizátoři střídají své spoluorganizátory v pořádání akcí. Drží se organizátoři jedné party? Pro rozřešení této otázky se podíváme na všechny organizátory schválených organizací. K nim vyhledáme všechny jejich spoluorganizátory a vyznačíme si četnost jejich výskytu (Obrázek 31). Organizoval-li Martin s Petrem 5 akcí, pak naneseme do histogramu k 5 akcím jeden bod. To uděláme pro všechny organizátory.

Obrázek 31: Histogram počtu organizátorů se kterými organizátor dělal daný počet akcí. Údaje brány přes všechny organizátory v SOVA. Osa Y je logaritmická. Křivka v logaritmickém zobrazení připomíná přímku, což nás vede na podobnost s mocninným rozložením, které jsme zmínili v druhé kapitole. Existuje celá řada lidí, se kterými organizátor pořádal jen jednu nebo malé množství akcí a několik významných uzlů se kterými jich pořádal více než desítku.

38

Výstupy a analýzy Zastoupení nováčků v týmech Každou akci připravuje tým organizátorů. Jaké je složení tohoto týmu co se zkušeností týče? V organizaci vždy nalezneme různě zkušené organizátory – nováčky i zkušené veterány. Připojí se nováčci ke zkušeným, anebo utvoří vlastní skupiny? Pro tuto analýzu bylo třeba stanovit definici nováčka. Zkušenost se v našem případě odvíjí od počtu akcí a také náročnosti jejich příprav. Organizátor nabude odlišnou zkušenost při zorganizování táboru oproti například jednodenní akci. Zkušenost organizátora se spočetla jako suma příprav akcí, které do daného roku uspořádal. Hranici mezi nováčkem a zkušeným organizátorem jsme stanovili na 10 bodů. Samotná analýza spočívala v průchodu všech akcí schválených organizací. U každé akce bylo napočítáno její složení z nováčků a zkušených. Kdybychom procházeli všechny akce od roku 98, byla by data zkreslena (všichni by zpočátku byli nováčci). Proto jsme se rozhodli procházet akce od roku 2001 a brát v potaz jen ty, u kterých máme zaznamenány alespoň 2 organizátory (Tabulka 13).

Limit Zastoupe ní Zastoupe ní zkuše nosti zkušených ce lke m nováčků ce lke m 5 2412 (56.9%) 1829 (43.1%) 6 2264 (53.4%) 1977 (46.6%) 7 2153 (50.8%) 2088 (49.2%) 8 2029 (47.8%) 2212 (52.2%) 9 1872 (44.1%) 2369 (55.9%) 10 1777 (41.9%) 2464 (58.1%) 11 1695 (40%) 2546 (60%) 12 1595 (37.6%) 2646 (62.4%) 13 1512 (35.7%) 2729 (64.3%) 14 1430 (33.7%) 2811 (66.3%) 15 1381 (32.6%) 2860 (67.4%)

Akce smíše ných týmů 631 (60.8%) 648 (62.4%) 642 (61.8%) 662 (63.8%) 653 (62.9%) 640 (61.7%) 632 (60.9%) 607 (58.5%) 593 (57.1%) 589 (56.7%) 586 (56.5%)

Akce zkuše ných týmů 271 (26.1%) 241 (23.2%) 220 (21.2%) 184 (17.7%) 165 (15.9%) 154 (14.8%) 139 (13.4%) 130 (12.5%) 121 (11.7%) 102 (9.8%) 98 (9.4%)

Akce týmů nováčků 136 (13.1%) 149 (14.4%) 176 (17%) 192 (18.5%) 220 (21.2%) 244 (23.5%) 267 (25.7%) 301 (29%) 324 (31.2%) 347 (33.4%) 354 (34.1%)

Tabulka 13: Zastoupení nováčků a zkušených organizátorů v týmech. Limit zkušenosti reprezentuje součet příprav všech akcí, které organizátor uspořádal před danou akcí. Výsledky ukazují, že podíl nováčků na akcích je relativně vysoký (23,5%). Je však patrné, že tyto údaje se různí podle stanové hranice zkušenosti. Pro všechny hranice však platí, že týmy jsou nejčastěji smíšené (hodnota se pohybuje okolo 60%). Dobré promísení nováčků i zkušených organizátorů může být pro organizaci klíčové. Zkušení mohou předat svou zkušenost a nováčci podpořit týmy svým elánem. Navíc tak proplétáme sociální síť celé organizace.

Věkový rozptyl týmů Již jsme analyzovali nejaktivnější věk organizátora. Nyní se zaměřme na analýzu věkového složení týmů. Intuice by radila, že týmy budou mít tendenci být spíše věkově homogenní. Na druhou stranu je rozumné, že i u nováčků by v týmu měl být alespoň jeden zkušený, služebně starší, hlavní organizátor. Je tato intuice oprávněná?

39

Výstupy a analýzy Definujme věkový rozptyl týmu jako rozdíl mezi jeho nejmladším a nejstarším členem. Při sestavení histogramu (Obrázek 32) k analýze berme v potaz pouze akce schválených organizací, na kterých se podíleli alespoň 2 organizátoři.

Obrázek 32: Věkový rozptyl týmů akcí v SOVA. Věkový rozptyl je rozdíl minimálního a maximálního věku organizátora v týmu. Charakteristiky analýzy: • Posuzovaných akcí: 1045 • Průměr rozptylu minimálního a maximálního věku: 7,28 • Medián rozptylu minimálního a maximálního věku: 6 • Dolní kvartil rozptylu minimálního a maximálního věku: 3 • Horní kvartil rozptylu minimálního a maximálního věku: 10 Medián rozptylu minimálního a maximálního věku se nachází na hodnotě 6 let. Celá jedna čtvrtina týmů dokonce přesahuje hranici věkového rozptylu 10 let. Tyto informace mohou být zajímavé pro vedoucí organizátorských kurzů ale i pro samotné organizace. Zdá se, že věková homogenita není pro organizátory klíčový faktor při sestavování týmů.

40

Výstupy a analýzy Jak velký tým postavit pro danou akci? Malá akce nepotřebuje zdaleka tolik úsilí na přípravu jako akce rozsáhlá a složitá. Je tedy přirozené očekávat, že malé akce pořádají menší týmy a na větších bude spolupracovat větší množství organizátorů. Je tomu skutečně tak? Pro analýzu tohoto druhu nám postačí se podívat na velikost týmů všech akcí schválených organizací a analyzovat je podle délky akce (Obrázek 33) a náročnosti příprav (Obrázek 34).

Obrázek 33: Velikost týmů v závislosti na délce akce. V potaz brány všechny schválené akce v SOVA.

Obrázek 34: Velikost týmů v závislosti na přípravě akce. V potaz brány všechny schválené akce v SOVA.

Velikost týmu jasně roste se zvyšující se náročnosti příprav akce. V případě délky akce je situace podobná až na akce jednodenní, kde velikost týmu značně kolísá a nemá jasný vrchol. To je patrně způsobeno faktem, že řada jednodenních akcí jsou například velké městské hry, které mají velký přípravný tým. Za postřeh stojí i fakt, že velikost týmu jen velmi zřídka překročí hranici 8 lidí. Nad touto hranicí již převáží negativa velikosti týmu nad jeho pozitivy. Informace o velikostech týmů mohou být velice užitečné pro vedoucí organizátorských kurzů. Výsledky je však třeba brát s jistou rezervou, neboť data mohla být zkreslená z důvodu, že si lidé nebyli sto vzpomenout na všechny spolu-organizátory daných akcí.

Shluky organizátorů v síti V předchozí části jsme učinili několik pozorování. Za prvé to, že týmy, které pořádají akce zpravidla nemají více jak 7 nebo 8 členů. Druhé pozorování je Paterovo rozložení u spolu-organizátorů. Organizátoři mají hrstku svých oblíbených spolu-organizátorů. Jak se tyto skutečnosti odrazí v sociální síti organizátorů? Budeme v ní schopni vymezitelné shluky organizátorů, kteří spolu navzájem často dělají akce? Anebo bude propletenec tak hustý, že se týmy nepodaří vymezit? Při hledání odpovědí na tuto otázku budeme pracovat se sítí konkrétní organizace Instruktoři Brno. Organizace byla zvolena, protože obsahuje jednu z nejpropletenějších sítí.

41

Výstupy a analýzy Jak detekovat shluky? Existuje řada technik a algoritmů určených pro detekci shluků v grafu. Jmenujme alespoň některé: • Detekce komponent • Detekce k-jader • Detekce m-řezů • Detekce klik v grafu • Ruční detekce První technika je vzhledem k propojenost naší sociální sítě zcela nepoužitelná. Síť každé organizace má totiž zpravidla jen jedinou velkou komponentu. Druhá technika je o poznání úspěšnější. K-jádro je největší podsíť, ve které má každý vrchol stupeň alespoň k uvnitř podsítě [Nooy05]. Skupinky, které jsou vzájemně hustě propleteny, tak vytvoří uzavřenou podsíť. Technika hledání m-řezů oproti k-jádrům nepočítá počet hran směřujících do podsítě, nýbrž bere v potaz pouze hrany určité váhy m a jejich incidující vrcholy [Nooy05]. Do podsítě se tak dostanou pouze uzly, které jsou propojeny silnou vazbou. Detekce klik v grafu je přístup, který vyhledává úplné podgrafy v síti. Tato technika se při analýze sítě příliš neosvědčila, neboť podsítě tvořící shluky zpravidla nejsou klikami.

Obrázek 35: Detekce shluků uvnitř sítě organizace IS Brno.

42

Výstupy a analýzy Pro naši analýzu (Obrázek 35) se nejvíce osvědčila komplexní metoda kombinující techniku detekce k-jader či m-řezů a následnou ruční úpravu „podle citu“. Lidské oko je u této velikosti sítě schopné relativně dobře odhalit uvnitř K-jádra další podskupiny. Obrázek shluků nám ukazuje, že přestože jsou sítě organizací značně propletené, lze v nich odhalit několik klíčových shluků. Ty reprezentují skupiny lidí, kteří spolu často organizují akce. Jejich velikost se pohybuje řádově od tří do dvaceti organizátorů.

4.7 Vývoj sítě v čase Zkusme se nyní zamyslet nad vývojem organizátorské sítě v čase. Nalezneme v síti pevné jádro, kolem kterého se budou průběžně připojovat ostatní uzly? Anebo bude síť naprosto decentralizovaná a její aktivní oblast se bude volně přemisťovat? Bude aktivní podsíť v daném roce tvořit jednu, nebo více komponent? Studium vývoje sítě organizace je důležitá pro pochopení charakteru organizace. Za vzor jsme si opět zvolili síť Instruktorů Brno pro její rozsáhlost a dobré časové pokrytí. Uzly jsme zafixovali na pevných pozicích. Pro každý rok jsme zobrazili v síti aktivní hrany reprezentující akce uspořádané v daný rok (Obrázek 36).

Obrázek 36: Vývoj sítě IS Brno v čase.

43

Výstupy a analýzy

44

Výstupy a analýzy Ze sekvence snímků je patrný značný přeliv aktivního jádra po síti. Každý rok tvoří jádro jedinou velkou komponentu. Mezi jednotlivými roky vždy existuje řada spojujících organizátorů, avšak při pohledu na jádro z roku 1997 a 2008 zjistíme, že neexistuje takřka žádný spojující organizátor. Sekvence tak dobře ukazuje, jak živelně se organizace vyvíjí a obměňuje. Přesná kvantifikace tohoto problému přesahuje rozsah této práce. Nastiňme zde alespoň několik otázek, které by mohly být řešeny v rámci tohoto problému: • Jak co nejlépe popsat proces vývoje sítě? • Liší se vývoj u jednotlivých organizací? • Jak dopadne ve srovnání s vývojem jiných sociálních skupin (zaměstnání, rodina, přátelé)? V našem případě byl pohyb po síti značně decentralizovaný. U jiných sociálních skupin (například rodina) lze předpokládat centrálnější schéma vývoje sítě.

4.8 Stárnou organizace? Často diskutovaná otázka je stárnutí organizací. Z doslechu vím, že členové organizací říkají, že mnoho organizací neobnovuje své organizátorské řady a v důsledku toho stárne. Je tomu však skutečně tak?

Obrázek 37: Vývoj průměrného věku v organizacích zapojených do SOVA.

45

Výstupy a analýzy Pro tuto analýzu jsme procházeli roky 1998 – 2007 a pro každou organizaci počítali zvlášť její průměrný věk pro daný rok (Obrázek 37). Ten jsme určili zprůměrováním věku všech organizátorů aktivních v daný rok. Řada organizátorů však neměla v databázi zadán svůj věk. Proto jsme zpracovávali jen ty roky, kdy byli aktivní v organizaci alespoň 3 organizátoři se zadaným rokem narození. Ve výsledku jsme pak odřezali všechny organizace, které měly pro svou kariéru méně než 5 zaznamenaných průměrů (tedy 5 sledovaných let). Na obrázku vidíme, že vývoj průměrného věku aktivních organizátorů může být u organizací překotný. V porovnání s prvním naměřeným věkem má však poslední naměřený průměrný věk vždy vyšší hodnotu. To znamená, že organizace se nestíhají dostatečně obnovovat a její organizátoři stárnou s ní. Na druhou stranu je třeba poznamenat, že údaje v tomto případě mohou být zkreslené. Organizátoři, kteří před 10 lety pořádali většinu akcí, již dávno v organizacích nejsou a tak je možné, že jejich data nejsou zadána. Naproti tomu ti, kteří v organizacích začínali později a jsou aktivní dodnes, svá data zadali a na grafech tak sledujeme především jejich stárnutí v organizaci.

4.9 Spolupráce organizací Do jaké míry spolu organizace spolupracují? Mají podobné téma i věkové složení. Často jsou jejich centra umístěna v některém z velkých měst ČR. Bude spolupráce organizací intenzivní? Spolupráci organizací jsme měřili dvěma technikami: • Spolupráce na základě členství • Spolupráce na základě uspořádaných akcí

Spolupráce organizací na základě členství Náš výzkum umožňoval zařazení organizátora do jedné či více organizací. A právě členové více organizací jsou klíčoví při posuzování spolupráce organizací na základě členství. Dvě organizace budou v síti spojeny, existuje-li alespoň jeden organizátor, který je členem obou zároveň (Obrázek 38 a 39). Organizace jsme analyzovali z hlediska počtu spojujících organizátorů a spolupracujících organizací (Tabulka 14).

Obrázek 38: Spolupráce organizací na základě členství. Červené uzly reprezentují organizátory. 46

Výstupy a analýzy

Obrázek 39: Spolupráce organizací na základě členství. Síla hrany odpovídá počtu organizátorů s členstvím ve dvou incidujících organizacích. Organizace Instruktoři Brno ZČ Orchis MU Brno ZČ Modrý Kámen ZČ Rorzuch ZČ KPL ZČ Slunovrat Uluru ZČ Svízel Přítula ZČ Campanula Barbata

Spolupracuje s organizace mi 7 7 4 4 4 4 4 3 3 3

Inde x spolupráce 26 13 14 7 6 5 4 9 5 4

Tabulka 14: Analýza spolupráce organizací zapojených do SOVA na základě členství organizátorů. Index spolupráce určuje sumu váhy hran incidujících s danou organizací. Jak je patrné z grafu i tabulky, důležitým pojítkem mezi organizacemi jsou organizace Instruktoři Brno a ZČ Orchis, které mají největší počet spolupracujících organizací a také míru zapojení. V grafu dále vidíme silné spolupráce mezi některými konkrétními organizacemi. Zmíníme například silné „pakty“ mezi organizacemi ZČ Baobabu a ZČ Zeměchvál a také ZČ Fénix a ZČ KPL. Tato propojení souvisí s faktem, že jedna organizace se při svém vzniku odštěpila od druhé. Nutno podotknout, že spolupráce na základě členství je velmi nepřesná. Řada aktivních organizátorů si dvojí členství nevyřizuje, třebaže je aktivní ve více organizacích.

Spolupráce organizací na základě společných akcí Druhá metoda je o poznání blíže realitě. Spolupráci organizací v ní počítáme na základě společných akcí organizátorů. Organizují-li akci organizátoři z různých organizací, zachytíme tento vztah jako

47

Výstupy a analýzy vazbu mezi těmito organizacemi (Obrázek 40). Při analýze jsme vycházeli z vážené sítě organizátorů. Každý uzel navíc nesl hodnotu své domovské organizace. Následně jsme uzly sloučili podle organizací a ponechali hrany vedoucí mezi jednotlivými organizacemi. Protože síť byla velice hustá a zachycovala tak i zcela minimální spolupráce organizací, odřezali jsme všechny hrany s váhou menší než 2. Tím jsme získali síť silnějších spoluprací, kterou jsme následně ručně upravili, aby byla přehlednější. Její analýzou jsme vytvořili tabulku spolupráce organizací (Tabulka 15).

Obrázek 40: Spolupráce organizací na základě společných akcí organizátorů z různých organizací. Síla hrany odpovídá intenzitě spolupráce dvou organizací. Z obrázku i tabulky je patrné, že ústřední roli při spolupráci sehrávají organizace Instruktoři Brno, ZČ Orchis a ZČ Slunovrat. Obzvláště u ZČ Orchis je patrná jeho „hvězdicovitost“, neboť spolupracuje s devíti organizacemi. Velkým překvapením pro nás byl fakt, že jednotlivé články Hnutí Brontosaurus spolu relativně málo spolupracují, přestože sdílejí podobné stanovy i poslání. To může být způsobeno faktem, že ZČ tvoří především koherentní skupiny kamarádů, kteří nejsou motivováni pro spolupráci s jinými skupinami. Údaje o spolupráci organizací může být zajímavou informací například pro radu Hnutí Brontosaurus, která díky ní může volit politiku vedoucí k větší spolupráci základních článků.

48

Výstupy a analýzy Organizace IS Brno Uluru ZČ Orchis ZČ Slunovrat ZČ Baobab ZČ KPL Tom Kasiopea ZČ Campanula barbata HB Ústředí Mu Brno ZČ Rozruch ZČ Modrý kámen Velký vůz ZČ Svízel Přítula ZČ S.U.P. ZČ Zeměchvály ZČ Chudák svišť

Spolupracuje s organizace mi Inde x 7 1 9 6 4 4 2 3 4 1 3 3 3 3 4 1 2

spolupráce 209 123 122 83 45 30 27 27 21 19 18 18 17 16 14 7 7

Tabulka 15: Analýza spolupráce organizací zapojených do SOVA na základě společných akcí organizátorů. Index spolupráce určuje sumu váhy hran incidujících s danou organizací.

4.10 Klíčové pozice v celé síti SOVA Dobrá pozice v síti má pro organizátora hned několik výhod. Může využívat svého vlivu a snadno rozšířit nějakou informaci, může mít jistotu, že přes něj důležité informace „potečou“ a také bude spíše oslovován pro pořádání akcí. Pokusíme se nyní představit několik metrik, podle kterých lze postavení v organizaci hodnotit. Naším cílem je odhalit klíčové uzly daných organizací. K nalezení významných uzlů jsme použili tyto metriky: • Stupeň uzlu • Aktivita organizátora • Centralita • Mezilehlost Pro každou metriku jsme spočítali 20 nejlépe hodnocených organizátorů a ty zanesli do tabulky (Tabulka 16). Pro vizualizaci aktivních organizátorů jsme použili síť organizátorů rozdělenou do shluků podle organizací. V ní jsme barevně vyznačili jednotlivé organizátory (Obrázek 41). Velikost vrcholů ve vizualizaci sítě odpovídá jejich stupni.

49

Výstupy a analýzy Stupeň uzlu Stupeň uzlu je definován jako počet hran zasahujících do uzlu. Aktivita organizátora Aktivita organizátora odpovídá počtu uspořádaných akcí organizátora. Mezilehlost Vrcholy, které se nachází na mnoha nejkratších cestách uvnitř grafu mají vyšší mezilehlost, než ty, které na cestách neleží. Jedná se tedy o metriku, která odráží, jak je uzel významný pro spojení ostatních uzlů. Vzorec pro výpočet mezilehlosti vrcholu v:

∑

Mezilehlost v=

s !=v!=t ∈V s!=t

 st  v  st

 st v - počet nejkratších cest vedoucích z vrcholů s a t přes vrchol v.

 st - počet všech nejkratších cest mezi vrcholy s a t. C B v  - mezilehlost daného uzlu. Blízkost Vrchol, ze kterého jsou krátkou cestou dostupné ostatní vrcholy grafu má vyšší blízkost než vrcholy, ze kterých je graf dostupný po delších cestách. Délkou cesty rozumíme počet hran nejkratší cesty mezi danými vrcholy. Blízkost je definována jako průměrná vzdálenost daného vrcholu od všech ostatních vrcholů grafu. Vzorec pro výpočet blízkosti vrcholu v:

∑

Blízkost v =

t∈V ∖v

d G v , t 

n−1

d G v , t - délka nejkratší cesty mezi vrcholy v a t. n - počet všech vrcholů v grafu. Výsledky analýzy Přestože použité metriky jsou postaveny na jiných principech, řada uzlů z top 20 dané metriky se objevuje i v top 20 jiných metrik. Nejlépe hodnocené uzly daných metrik se navíc často vyskytují v několika klíčových organizacích (IS Brno, ZČ Orchis, ZČ Slunovrat, ZČ Baobab). To je dáno faktem, že tyto organizace jsou dobře zapojené v síti organizací, a proto mají výhodnou pozici pro metriky jako mezilehlost anebo blízkost. Informace o nejlépe hodnocených organizátorech může být cenná pro každého, kdo by se chtěl obrátit na významné osobnosti studované sociální skupiny.

50

Výstupy a analýzy

Obrázek 41: 20 nejaktivnějších organizátorů vybraných v síti organizátorů podle různých metrik.

51

Výstupy a analýzy

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Poče t akcí Linkeschová Dana Černocká Markéta Konůpková Věra Kalčík Filip Drnovský Radek Kubáč Michal Konůpka Rostislav Káldy Robert Bartušek Tomáš Perlík Martin Hradil Tom Jarušek Petr Kořínek Jan Šipr Jan Hladky Josef Pelánek Radek Jarušková Radka Blahová Alena Holubec Pavel Tomášková Božena

136 53 49 47 47 47 47 47 40 40 40 39 37 37 35 33 30 28 28 28

Stupe ň Radek_Drnovský Filip_Kalčík Tom_Hradil Petr_Jarušek Martin_Just Jan_Kořínek Štěpán_Krump Eva_Reitmayerová Lenka_Sklenaříková Jiří_Hlucháň Jana_Rutrlová Denisa_Krumpová Radka_Zounková Petr_Ženožička Petr_Doseděl Adéla_Kulštrunková Jiří_Maršál Zbyšek_Podhrázský Šimon_Řeřucha Gabriela_Formanová

67 65 51 51 47 47 45 45 42 42 41 41 41 40 39 39 37 36 36 36

Closene ss Filip Kalčík Petr Jarušek Adéla Kulštrunková Josef Hladky Zuzana Ouhrabková Tom Hradil Helena Šeblová Tomáš Kaplan Petr Ledvina Tomáš Sedláček Jan Kořínek Alena Blahová Petr Ženožička Zdeněk Blaha Radka Jarušková Sven Dražan Ondřej Přibyla Martin Just Antonín Zrůstek Lenka Sklenaříková

0,355 0,316 0,315 0,315 0,307 0,306 0,306 0,305 0,304 0,303 0,300 0,300 0,298 0,298 0,297 0,297 0,297 0,296 0,295 0,294

Be twe e ne ss Filip Kalčík Alexandr Jevsejenko Tomáš Protivínský Tom Hradil Adéla Kulštrunková Ondřej Přibyla Sven Dražan Zuzana Ouhrabková Josef Hladky Petr Jarušek Markéta Černocká Martin Just Martin Dýma Tomáš Sedláček Antonín Zrůstek Radek Drnovský Miroslav Mikovec Alena Blahová Jiří Maršál Robert Antonio Káldy

0,226 0,130 0,103 0,094 0,078 0,077 0,067 0,053 0,053 0,049 0,047 0,046 0,044 0,041 0,040 0,038 0,037 0,033 0,031 0,031

Le ge nda Umístění ve 4 metrikách Umístění ve 3 metrikách Umístění ve 2 metrikách Umístění v 1 metrice

Tabulka 16: 20 nejvýznamnějších organizátorů podle různých metrik.

52

Závěr

5 Závěr Naše práce měla tři hlavní cíle, které se podařilo naplnit. V první řadě bylo naším úkolem navrhnout aplikaci pro sběr dat o organizátorech a uspořádaných akcích za posledních 10 let. Aplikace byla úspěšně spuštěna v zimě 2008 a podařilo se díky ní sebrat informace o více než 1600 akcích, 1000 organizátorech a 31 organizacích. Pro samotný výzkum jsme však mohli pracovat pouze s kompletními daty, a proto se náš výběr zredukoval na 23 organizací. Druhým úkolem byla prezentace dat prostřednictvím webu, který zároveň sloužil jako motivující prvek pro vkladatele dat. Prezentační web získal vlastní doménu www.organizatori.cz. Na adrese byl zpřístupněn portál obsahující důležité informace o výzkumu a především zajímavé statistiky a výstupy celé práce. Prezentační web byl spuštěn na počátku června 2008. Třetím cílem naší práce byla explorativní analýza sociální sítě organizátorů a hledání odpovědí na otázky týkající se fungování organizací. Analýza probíhala v průběhu podzimu 2008 a byla při ní prostudována řada témat a otázek. Nejzajímavější z nich se objevily v této práci. Některé otázky byly čistě statistické, jiné se soustředily pouze na sociální síť, u některých jsme oba přístupy kombinovali a nacházeli tak zajímavé informace a rozdíly mezi čistě statistickým a grafovým přístupem. Mezi nejzajímavější otázky patřilo sledování vývoje sítě v čase, porovnání nejaktivnějších organizátorů podle vybraných metrik (statistických a grafových), studium kariéry organizátorů anebo studium role pohlaví v síti jednotlivých organizací. Celá práce byla pojata jako explorativní analýza. Snažili jsme se tedy především prozkoumat problematiku z řady úhlů a zjistit, na které otázky můžeme se znalostí těchto dat odpovědět. Práce může být užitečná pro samotné zážitkové organizace, které v ní naleznou řadu důležitých informací o vlastním fungování. Informace mohou dále zužitkovat na organizátorských kurzech, při pořádání akcí a také ve vedení organizací. Práce může být přínosná jako inspirace pro studenty sociologie, kterým ukáže jednu z možných interdisciplinárních aplikací jejich oboru. V celé práci je diskutováno velké množství otázek i problémů. Z důvodu explorativního přístupu k analýzám nebylo naším cílem otázky rozebrat do největších podrobností. Proto existuje řada dalších rozšíření výzkumu. Pro studované otázky by bylo možné vytvořit náhodné modely grafů a porovnat je se získanými údaji. Také by bylo možné porovnat námi studovanou sociální síť s jinými a nalézt rozdíly. Zajímavým rozšířením by byla kvantifikace vývoje sítě v čase, tedy nalezení metriky, která by vývoj dobře charakterizovala. Celá práce by také mohla být zpracována do formy srozumitelné brožurky, prezentující zajímavé výsledky výzkumu veřejnosti. Závěry učiněné v části analýz výzkumu se týkají pouze studovaného vzorku organizací a jejich akcí. Naše práce se nesnaží výsledky generalizovat na ostatní zážitkové organizace. Jsme si vědomi, že fungování jednotlivých organizací může být zcela odlišné.

53

Závěr

Literatura [Bar05]

Barabási, Albert-Lászlo: V pavučině sítí. Praha: Paseka. 2005. 280 s. ISBN 80-7185-7513.

[Comm]

J.-P. Onnela, J. Saramäki, J. Hyvönen, G. Szabó, D. Lazer, K. Kaski, J. Kertész, and A.L Barabási, Structure and tie strengths in mobile communication networks, dokument dostupný na URL: http://www.nd.edu/~dddas/Papers/PNAS0610245104v1.pdf (prosinec 2008).

[Freeman] Freeman, L. C.: Visualizing Social Networks, Journal of social structure, Dokument dostupný na URL http://www.cmu.edu/joss/content/articles/volume1/Freeman.html (prosinec 2008). [History]

Notes on the history of Social Network Analysis, Dokument dostupný na URL http://www.analytictech.com/networks/history.htm (prosinec 2008).

[Kovar]

Kovar, Petr: Grafové algoritmy v příkladech, Dokument dostupný na URL http://homel.vsb.cz/~kov16/talks/algoritmy/prezentace03.html (prosinec 2008).

[Nooy05]

Nooy, W., Mrvar, A., Batagelj, V.: Exploratory Social Network Analysis with Pajek. Cambridge: Cambridge University Press. 2005. 334 s. ISBN 978-0-521-60262-4.

[Pavlík05] Pavlík, Jiří: Aplikovaná statistika. Praha: VŠCHT Praha. 2005. 173 s. ISBN 80-7080569-2 [Scott91]

Scott, John: Social Network Analysis: A handbook. London: Sage Publications. 1991. 192 s. ISBN 0-7619-6339-1.

[Tufte01]

Tufte, Edward: The Visual Display of Quantitative Information. Cheshire: Graphics Press. 2001. 197 s. ISBN 0-9613921-4-2.

[Wass05]

Wasserman, S., Faust, K.: Social Network Analysis. Cambridge: Cambridge University Press. 2005. 825 s. ISBN 978-0-521-38707-1.

54