Titel Affiliaties "Korte inhoud" "Een veiliger internet: het (semi)automatisch herkennen van internetpedofilie in meertalige online social networks." "Centrum voor Computerlinguïstiek, Psycholinguïstiek en Sociolinguïstiek (CLiPS)" "In dit project stellen we enerzijds een methodologie voor om de manuele controle van peer-to-peernetwerken te (semi)automatiseren en anderzijds een methodologie voor de automatische extractie en analyse van stijlkenmerken (geassocieerd met persoonlijkheid, leeftijdsgroep en misleidend taalgebruik) die we willen toepassen op individuele pedofielen en groepen van pedofielen in chatruimtes." "De wandtapijtnijverheid, -handel en -kunst in de driehoek Antwerpen-Brussel - Oudenaarde (1600-1700) via social network analyses." "Koenraad Brosens" "Onderzoeksgroep Kunstwetenschappen, Leuven" "De 17de-eeuwse Vlaamse wandtapijtnijverheid was bijzonder kapitaal-intensief en risicovol. Wandtapijtproducenten (tapissiers) moesten manieren vinden om hun kredietwaardigheid te maximaliseren en informait-asssymetrieën te minimaliseren om marktfalen te vermijden. Een logische vraag werd tot op heden nooit gesteld: hoe slaagden 17de-eeuwse Antwerpse, Brusselse en Oudenaardse tapissiers erin om deze uitdagingen het hoofd te bieden?" "Verfijningen van het sociaal kapitaal idee. Oorzaken, processen en statistischmethodologische aspecten in sociale netwerk analyse." "Vakgroep Sociologie" "geen abstract" "De wisselwerking tussen sociale structuur, samenwerking, creativiteit en innovatie in de Antwerpse en Brusselse schilderkunst (1600-1650) via 'formal art historical network research'" "Koenraad Brosens" "Onderzoeksgroep Kunstwetenschappen, Leuven, Onderzoeksgroep Culturele Studies, Leuven" "Binnen 'Project Cornelia' analyseert het internationaal en interdisciplinair onderzoeksproject 'Coral’ de wisselwerking tussen dynamische sociale structuren (“art worlds”) enerzijds, en de dynamiek van samenwerking, creativiteit en innovatie in de barokke Antwerpse en Brusselse schilder- en wandtapijtkunst anderzijds.Om dit deel van het ""coral reef of culture"" (Gombrich) te reconstrueren, verzamelt ‘Coral’ een brede waaier aan attributionele en relationele gegevens gevonden in Antwerpse en Brusselse archieven. Deze gegevens worden georganiseerd in ‘Cornelia’ op zo’n manier dat een internationaal team van onderzoekers (actief in verschillende domeinen) de sociale structuren (netwerken) kunnen reconstrueren en analyseren met behulp van interactieve datavisualisaties en ‘formal art historical social network research’. Zo zal ‘Coral’ niet alleen nieuw licht werpen op de “art worlds” van de Vlaamse barok en haar iconografische en stilistische ontwikkelingen. Het zal ook een nieuwe methodologie vormen die duidelijk zal maken dat traditionele kwalitatieve benaderingen en vragen gecombineerd kunnen en misschien wel moeten worden met nieuwe digitale en kwantitatieve vragen en benaderingen om meer inzicht te krijgen in het samenspel tussen netwerken en creativiteit in de vroegmoderne periode." "Management - Optimalisatie van klantenbeheerssystemen gebruik makend van sociale beïnvloeding: groeien van een klantenbestand door middel van sociale netwerk analyse." "Dries Benoit" "Vakgroep Marketing" "In een eerste fase wordt de performantie van predictieve modellen op basis van verschillende netwerken (communicatie, locatie en referral netwerk) vergeleken. In fase 2 tracht dit onderzoek een nieuw algoritme te construeren om invloedrijke personen in een sociaal netwerk te identificeren. Fase 3 onderzoekt of waardevolle potentiële klanten geïdentificeerd kunnen worden aan de hand van connecties met bestaande klanten." "Gebruikmaken van mobiele telefoongegevens en sociaal netwerk analyses voor winstgestuurde modellering." "Jan Vanthienen" "Onderzoekseenheid Accountancy, Finance and Insurance, Leuven, Onderzoeksgroep Beleidsinformatica (LIRIS) (hoofdwerkadres Leuven)" "In the rapidly growing world of data science and analytics, data has become an asset that gives companies a competitive edge in fierce and saturated markets. To make the most of all the available data and resources, it is necessary to be mindful of each phase in the analytics process and especially by using the appropriate data with the right techniques and an evaluation that is befitting for the problem at hand.  This dissertation considers the added value of combining mobile phone data with social network analytics and the appropriate evaluation measures with the goal of improving procedures in the analytics process and facilitating better usage of data science for decision making in two fields of industry, namely churn prediction and credit scoring.Alternative data sources can be challenging to incorporate in analytics applications because they tend to be unstructured and difficult to process. On the other hand, they may possess valuable information that should not be overlooked. This disseration utilizes mobile phone data, which has the benefit of providing a true representation of people's behavior and can thus be used in various ways to provide different types of information depending on the approach.Humans are social beings and their actions are influenced and controlled by those around them. Consequenlty, social networks are important in day to day life. When making predictions involving human behavior, it is reasonable to take into account the social component and influence from others. Preprocessing the mobile phone data in a specific way to construct networks gives the opportunity to extract alternative information that provides a novel perspective on the observations in the dataset and facilitates new applications of social networks. The two applications of analytics this dissertation focuses on, are meant to be deployed in industry and as such should be evaluated appropriately. In a business context, this means focusing on profitability and economic impact. Therefore, we apply a novel performance measure that is based on profit and has been customized for churn prediction as well as credit scoring. This offers the industries the opportunity and incentive to utilize the abundance of customer data they have to increase the impact of their data-driven decisions.This thesis contains four projects where mobile phone data and social networks are used to enhance the impact of analytics models from a profit driven perspective. The first project presents a benchmarking study of social network techniques for churn prediction in the telecommunication industry. The study provides a ranking of two dozen network learning techniques based on their predictive performance, as well as a comparison of churn prediction models applied to features and influence scores extracted from the networks. Furthermore, various network architectures are explored in order to identify which one facilitates the most accurate predictions. In the second project, mobile phone data and social networks are used to predict the creditworthiness of potential borrowers. The study combines mobile phone data with bank history data of over a million bank customers to build social networks that are featurized before training predictive models. The models are subsequently evaluated using both statistical and economic performance measures which show that features representing personal calling behavior are most predictive of creditworthiness. The third project approaches the networks from a dynamic perspective, where a sequence of networks is built to provide a time series of behavior based features that are classified using similarity forests. This novel technique of building and featurizing networks performs better when predicting churn in the long term. In the fourth project, the expected maximum profit measure for churn prediction is extended to take into account the variability of customer lifetime values, thus giving a more accurate representation.In summary, this dissertation presents how the combination of alternative data, social network applications and evaluation measures can increase the impact of the analytics process and facilitate better usage of data science for decision making in industry. Thereby, it takes into account the natural behaviour of people in order to enhance the customer journey and improve relationships with the organizations that are an inevitable part of people's lives." "Bi-grafe gebaseerd sociaal netwerk analyse en leren." "David Martens" "Engineering Management" "Veel sociale netwerken zijn bi-partite van structuur, waarbij de knopen van het netwerk opgesplitst kunnen worden in twee niet overlappende groepen en connecties enkel bestaan tussen knooppunten van verschillende groepen. Bijvoorbeeld, auteurs die gelinkt zijn aan hun papers, of smartphones gelinkt aan de locaties die ze bezoeken. Vaak wordt enkel het geprojecteerde netwerk gebruikt: een netwerk van auteurs, gelinkt als ze samen een paper hebben geschreven, of een netwerk van smartphones, gelinkt als ze samen een locatie hebben bezocht. Dit leidt echter tot een belangrijk verlies van informatie en een groter aantal connecties. Hoewel sociale netwerk analyse en inferentie veel interesse wekken in sociale, computer-, en mens-wetenschappen, is er heel weinig onderzoek verricht naar dit specifiek type van netwerk. In dit project zullen we nieuwe metrieken definiëren om de globale structuur van dergelijk netwerken te analyseren, de evolutie doorheen de tijd ervan bestuderen, aangepaste leeralgoritmes ontwikkelen die voorspellingsmodellen genereren, en de methoden valideren op grote netwerk datasets. We zullen hierbij specifiek focussen op drie real-life cases: het auteur-paper netwerk gebruik makend van publieke data, alsook data van Universiteit Antwerpen, het klant-betalingsontvanger netwerk gebruik makend van data van een grote Europese bank, en het smartphone -locatie netwerk gebaseerd op data van een VS-gebaseerde ad exchange. Onze bevindingen zouden moeten leiden tot nieuwe inzichten in menselijk gedrag, theorievorming en accuratere voorspellingsmodellen in ieder van deze domeinen." "Waarom delen adolescenten persoonlijke informatie online? Een longitudinale studie bij adolescenten naar het vrijgeven van persoonlijke informatie en beschermend gedrag op sociale netwerk sites." "Michel Walrave" "Media, ICT en interpersoonlijke relaties in Organisaties en Samenleving (MIOS)" "Het gebruik van sociale netwerksites (SNS) is gedurende het laatste decennium sterk gestegen. Gezien deze sites zich ontwikkelen op basis van persoonlijke informatie, stellen onderzoekers zich kritische vragen bij de mogelijke implicaties voor adolescenten wanneer ze persoonlijke informatie meedelen. Nochtans zijn er nog drie belangrijke beperkingen terug te vinden in het huidige onderzoek rond het vrijgeven van persoonlijke informatie op SNS. Deze beperkingen vormen dan ook de inspiratie voor de drie doelstellingen van dit project. Ten eerste spitsen de meeste studies zich toe op enerzijds de informatie die wordt meegedeeld op de online profielen en anderzijds de privacy-instellingen die gebruikt worden. Het vrijgeven van persoonlijke informatie terwijl men de SNS gebruikt is minder onderzocht. Door zowel de voorspellers als de gevolgen van het meedelen van persoonlijke informatie door adolescenten tijdens het gebruiken van SNS te analyseren, wil dit project een bijdrage leveren aan de literatuur. Daarenboven focust dit project ook op het beschermend gedrag van jongeren tijdens het gebruik van SNS. Ten tweede, de meeste studies zijn datagedreven, terwijl dit project wil vertrekken vanuit een theoretische basis. Het meedelen van persoonlijke informatie door adolescenten zal onderzocht worden aan de hand van een uitgebreid model gebaseerd op de Theorie van het Gepland Gedrag. Daarnaast zal de Protectie Motivatie Theorie gebruikt worden om zowel het bewustzijn als de ervaring die jongeren hebben met bepaalde risico's tijdens het meedelen van persoonlijke informatie op SNS te onderzoeken en na te gaan hoe dit beschermend gedrag stimuleert. Ten slotte maken de meeste studies gebruik van een cross-sectioneel onderzoeksdesign. Daarom is het implementeren van een longitudiaal onderzoekdesign de derde doelstelling van dit project. Het gebruik van dit design maakt het mogelijk om de evolutie in de gedragingen van adolescenten, na het ervaren van concrete gevolgen van het meedelen van persoonlijke informatie, in kaart te brengen." "Optimalisatie van klantenbeheersystemen gebruik makend van sociale beïnvloeding: identificeren en ontwikkelen van invloedrijke klanten door middel van sociale netwerk analyse." "Dries Benoit" "Vakgroep Marketing, Innovatie en Organisatie, Vakgroep Marketing" "In Fase 1 tracht dit onderzoek een nieuw algoritme te construeren om invloedrijke personen in een sociaal netwerk te identificeren. In een tweede fase worden predictieve modellen verfijnd door rekening te houden met sterktes van sociale connecties. Fase 3 probeert een opsplitsing the maken tussen homophily en sociale invloed om de interpreteerbaarheid van deze effecten te vergroten." "Netwerken van professionals en informele zorgverstrekkers: een sociale netwerk analyse." "Peter Raeymaeckers" "Centrum voor Onderzoek naar Ecologische en Sociale verandering (CRESC)" "Publieke dienstverleningsorganisaties maken in toenemende mate gebruik van netwerken van vrijwilligers en professionals voor de ondersteuning, begeleiding en dienstverlening van kwetsbare groepen. Binnen deze achtergrond analyseert deze studie (1) de structuur van netwerken en posities in netwerken van vrijwilligers en betaalde professionals in publieke dienstverlenende organisaties, en (2) analyseren we hoe professionals, vrijwilligers en clienten deze netwerken evalueren. Dit onderzoek ontwikkelt en valideert enkele theoretische assumpties over netwerken tussen individuen die samenwerken in de rollen van vrijwilligers en betaalde professionals. Ons project heeft een sterke empirische component. Gezien de aard van de onderzoeksvragen, combineren we kwantitatieve en kwalitatieve onderzoeksmethoden, waaronder interviews, netwerkanalyse en evaluatieonderzoek. Het geplande onderzoek zal bijdragen aan de literatuur over sociale netwerken, sociaal werk, en vrijwilligersmanagement."