Kim był Jacob L. Moreno?
Jacob Levy Moreno (1889–1974) był rumuńsko-amerykańskim psychiatrą, twórcą socjometrii i socjogramu. Pierwsze eksperymenty z dziećmi prowadził w 1911 r. w Wiedniu, gdzie w 1912 r., jeszcze jako student medycyny, słuchał wykładu Freuda. W 1925 r. wyemigrował do Stanów Zjednoczonych. W Nowym Jorku przedstawił środowisku psychiatrów pojęcia psychoterapii grupowej i socjometrii, prowadził pracę z grupami w szkołach i więzieniach, m.in. w Sing Sing. W 1942 r. założył American Society of Group Psychotherapy and Psychodrama, w latach 1951–1966 uczył na Wydziale Socjologii New York University. Zmarł w 1974 r. (Riva i in., 2020). Szerzej znany jest jako twórca psychodramy – metody psychoterapii, w której pacjenci odgrywają sceny z własnego życia.
Sam Moreno pisał, że problem rozmieszczania ludzi w społeczności badał po raz pierwszy w latach 1915–1918 w osiedlu ponad dziesięciu tysięcy uchodźców z południowego Tyrolu, przesiedlonych w pobliże Mittendorfu pod Wiedniem (Moreno, 1934).
Najważniejsze pomysły
- Test socjometryczny. Członkowie grupy wskazują osoby, z którymi chcieliby coś robić – mieszkać, pracować, siedzieć w ławce. W książce Who Shall Survive? (1934) Moreno opisał badania w szkole publicznej w Brooklynie, w Riverdale Country School i w całej społeczności New York State Training School for Girls w Hudson. Tam każda dziewczyna mogła wybrać do pięciu spośród 505 osób, z którymi chciałaby mieszkać w jednym domu.
- Socjogram. Wybory przedstawiał jako rysunek: osoby to punkty, wybory – strzałki, wzajemne wybory – linie bez grotów. Nazwę „socjogram” zawdzięczał, jak pisze, lekarzowi F. L. Patry’emu; niezależnie zaproponowała ją jego współpracowniczka Helen Jennings (Moreno, 1934).
- Gwiazdy, pary, izolowani. Z socjogramu odczytywał osoby wybierane najczęściej, pary wzajemne, trójkąty, łańcuchy i osoby, których nikt nie wybrał. Dziś to stopień wejściowy, wzajemność i centralność w analizie sieci.
- Źródło analizy sieci społecznych. Wasserman i Faust (1994) traktują socjometrię jako jedno ze źródeł analizy sieci, która bada relacje, a nie cechy jednostek. Borgatti i in. (2009) zaczynają od niej przegląd tej dziedziny w Science. Wraz z Jennings Moreno opublikował też w 1938 r. pracę Statistics of Social Configurations w czasopiśmie Sociometry.
Ciekawostka
Jesienią 1932 r. ze szkoły w Hudson uciekło w ciągu dwóch tygodni 14 dziewczyn. Moreno (1934) podaje daty: 31 października dwie z jednego domu, następnego dnia pięć z drugiego, 5 listopada cztery z trzeciego i 13 listopada trzy z czwartego. W analogicznym okresie poprzedniego roku uciekły tylko trzy wychowanki; Borgatti i in. (2009) piszą o częstości 30 razy wyższej niż zwykle.
Moreno nie szukał wyjaśnienia w charakterze dziewczyn. Na socjogramie całej szkoły pokazał, że czternaście uciekinierek łączyły wybory – tworzyły łańcuch biegnący przez cztery domy. Zauważył też, że w podobnie niekorzystnej pozycji było znacznie więcej wychowanek, a uciekły tylko te, które należały do tej sieci. Ten rysunek po 75 latach otworzył przegląd analizy sieci społecznych w Science (Borgatti i in., 2009).
Przykład na historycznych danych: wybory a przypadek
Zbiór coleman z pakietu sna to – według pliku pomocy – odpowiedzi 73 chłopców z małej szkoły średniej w Illinois na pytanie, z którymi kolegami ze szkoły spędzają najwięcej czasu, zebrane jesienią 1957 r. i wiosną 1958 r. (według pliku pomocy pochodzą z książki Jamesa S. Colemana z 1964 r.). To pytanie socjometryczne w duchu Moreno. Analizujemy jesień.
Chłopcy oddali 243 wybory (gęstość sieci .046). Aż 62 pary wybrały się wzajemnie, czyli 51% wyborów było odwzajemnionych. Najczęściej wskazany chłopiec dostał 10 wyborów, 9 nie dostało żadnego, a 4 nikogo nie wskazało.
Czy to więcej, niż dałby przypadek? Zbudowaliśmy 5000 sieci, w których każdy chłopiec oddaje tyle wyborów co w danych, ale kolegów losuje (set.seed(1934)). Przy losowych wyborach par wzajemnych byłoby średnio 5.6 (95% wyników: 2–10), niewybieranych – 2.3 (0–5), a odchylenie standardowe liczby otrzymanych wyborów – 1.78 zamiast 2.68. Żadna losowa sieć nie dorównała danym w tych trzech miarach (p = .0002, najmniejsza możliwa wartość przy 5000 symulacjach – to test permutacyjny). Za to największa liczba wyborów (10) mieści się w zakresie przypadku (7–11): wyróżnia się nie pojedyncza „gwiazda”, lecz nierówność i wzajemność całej grupy.
Wiosną 1958 r. chłopcy oddali 263 wybory; 140 z jesiennych wyborów (57.6%) się powtórzyło, a liczby otrzymanych wyborów w obu terminach korelowały na poziomie ρ = .74.
Na rysunku
Co widać. Socjometria powstała w krótkim okresie amerykańskim: od fali ucieczek w Hudson (1932) przez pokaz plansz (1933) po książkę (1934) minęły niespełna trzy lata.
Na co uważać. Daty wiedeńskie pochodzą z relacji samego Moreno i jego biografów; tu podajemy tylko te, które znaleźliśmy w cytowanych źródłach.
Podpis do pracy:
sna::coleman (według pliku pomocy pakietu – z książki Colemana z 1964 r.). Obliczenia i rysunek: R, pakiety igraph, ggplot2 i patchwork (układ grafu i losowanie: set.seed(1934)).Co widać. W panelu A dominują pomarańczowe linie wzajemnych wyborów, a sieć dzieli się na dwie duże grupy. Panel B pokazuje, jak daleko dane leżą od przypadku: 62 pary wzajemne wobec średnio 5.6 przy losowych wyborach.
Na co uważać. Układ punktów w panelu A wybiera algorytm (Fruchterman–Reingold) – odległości na rysunku nie są miarą, a inne ziarno da inny, równie poprawny obraz. Model przypadku zachowuje liczbę wyborów oddanych przez każdego chłopca, ale nie inne cechy (np. klasę), więc „nieprzypadkowe” nie znaczy jeszcze „wyjaśnione przyjaźnią”.
Podpis do pracy:
Gdzie spotkasz Moreno w swojej pracy
Gdy badasz relacje w klasie, zespole czy oddziale – i wszędzie, gdzie analizujesz sieci. Pamiętaj, że:
- podstawowe wskaźniki (wybory otrzymane, wzajemność, osoby niewybrane, gęstość) opisuje hasło socjometria; porównaj je z modelem przypadku, bo przy limicie wyborów część wzajemności i izolacji powstaje losowo;
- wybory w jednej grupie są zależne, więc zwykłe testy zaniżają błędy standardowe – przy wielu grupach pomocny jest model wielopoziomowy;
- pytania o wybory, a zwłaszcza o odrzucenia, wymagają zgody komisji, świadomej zgody i poufności;
- te same miary stosuje się w sieciach psychometrycznych, ale tam węzłami są objawy, a nie ludzie – zob. wpis Sieci psychometryczne krok po kroku.
Spory, mity i trudne strony
- Badani w trudnej sytuacji. W Hudson przebywały dziewczęta skierowane do zakładu wychowawczego. Moreno (1934) opisuje historie poszczególnych wychowanek, podając imiona i inicjały. Przy dzisiejszych zasadach ochrony danych tak szczegółowy opis wymagałby osobnej zgody i anonimizacji.
- Socjometria a skala dystansu. Socjometria opisuje relacje między konkretnymi osobami, a skala dystansu społecznego Bogardusa – postawę wobec kategorii ludzi; w bibliografii książki z 1934 r. Moreno cytuje Bogardusa.
- Wyjaśnienie fali ucieczek to interpretacja Moreno oparta na socjogramie, a nie eksperyment; sam zaznaczał, że tłumaczenie samą sugestią jest niewystarczające.
Socjogram i model przypadku w R
Kod wczytuje dane Colemana, liczy wskaźniki socjometryczne, porównuje je z 5000 sieciami z losowymi wyborami, sprawdza stałość wyborów między jesienią a wiosną i rysuje rysunek 2. Drugi przepis rysuje oś czasu (rysunek 1). Rysunki na stronie powstały z tych samych obiektów p1 i p2, którym podmieniono tylko motyw na motyw serwisu. Obliczenia trwają kilka sekund.
1. Wskaźniki socjometryczne i model przypadku: rysunek 2
Kod R rysunku 2
# Moreno: wskaźniki socjometryczne i porównanie z losowymi wyborami (sna::coleman – 73 chłopców, 1957/58)
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
kol <- c(wzajemny = "#D55E00", jednostronny = "grey70", wezel = "#0072B2", izolowany = "#E69F00", los = "grey75") # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")
data(coleman, package = "sna")
# coleman[1, , ] – jesień 1957, coleman[2, , ] – wiosna 1958; X[i, j] = 1: chłopiec i wskazał chłopca j
# pytanie: „Z którymi kolegami ze szkoły spędzasz najwięcej czasu?”
X <- coleman[1, , ]; X2 <- coleman[2, , ]
n <- nrow(X)
# 1. Wskaźniki Moreno: wybory oddane i otrzymane, pary wzajemne, osoby niewybierane
oddane <- rowSums(X); otrzymane <- colSums(X)
wzajemne <- sum(X * t(X)) / 2
c(chlopcy = n, wybory = sum(X), gestosc = round(sum(X) / (n * (n - 1)), 3),
pary_wzajemne = wzajemne, wzajemnosc = round(2 * wzajemne / sum(X), 3))
table(otrzymane)
c(niewybierani = sum(otrzymane == 0), nikogo_nie_wskazali = sum(oddane == 0),
najwiecej_otrzymanych = max(otrzymane))
# 2. Model przypadku: każdy chłopiec oddaje tyle samo wyborów, ale wskazuje kolegów losowo
set.seed(1934)
R <- 5000
losuj <- function() {
Y <- matrix(0, n, n)
for (i in which(oddane > 0)) Y[i, sample(setdiff(1:n, i), oddane[i])] <- 1
k <- colSums(Y)
c(wzajemne = sum(Y * t(Y)) / 2, niewybierani = sum(k == 0), maks = max(k), sd_otrzymanych = sd(k))
}
sym <- t(replicate(R, losuj()))
obs <- c(wzajemne = wzajemne, niewybierani = sum(otrzymane == 0), maks = max(otrzymane), sd_otrzymanych = sd(otrzymane))
round(rbind(dane = obs, los_srednia = colMeans(sym), los_p2.5 = apply(sym, 2, quantile, 0.025),
los_p97.5 = apply(sym, 2, quantile, 0.975)), 2)
# wartość p z symulacji (jednostronna, z poprawką +1)
noquote(format(round(c(p_wzajemne = (sum(sym[, "wzajemne"] >= obs["wzajemne"]) + 1) / (R + 1),
p_niewybierani = (sum(sym[, "niewybierani"] >= obs["niewybierani"]) + 1) / (R + 1),
p_sd = (sum(sym[, "sd_otrzymanych"] >= obs["sd_otrzymanych"]) + 1) / (R + 1)), 4), nsmall = 4, scientific = FALSE))
# 3. Stałość pozycji: jesień 1957 vs wiosna 1958
otrzymane2 <- colSums(X2)
c(wybory_wiosna = sum(X2), powtorzone_wybory = sum(X * X2),
odsetek_powtorzonych = round(sum(X * X2) / sum(X), 3),
r_spearmana_otrzymane = round(cor(otrzymane, otrzymane2, method = "spearman"), 3))
# Rysunek: A – socjogram jesieni 1957; B – liczba par wzajemnych w 5000 losowych sieciach
set.seed(1934)
g <- igraph::graph_from_adjacency_matrix(X, mode = "directed")
xy <- igraph::layout_with_fr(g, niter = 2000)
wezly <- data.frame(x = xy[, 1], y = xy[, 2], otrzymane = otrzymane,
status = ifelse(otrzymane == 0, "nikt go nie wskazał", "wskazany co najmniej raz"))
kr <- which(X == 1, arr.ind = TRUE)
krawedzie <- data.frame(x = xy[kr[, 1], 1], y = xy[kr[, 1], 2], xend = xy[kr[, 2], 1], yend = xy[kr[, 2], 2],
rodzaj = ifelse(X[kr] == t(X)[kr], "wybór wzajemny", "wybór jednostronny"))
krawedzie <- krawedzie[order(krawedzie$rodzaj, decreasing = TRUE), ]
pA <- ggplot() +
geom_segment(data = krawedzie, aes(x, y, xend = xend, yend = yend, colour = rodzaj, linetype = rodzaj, linewidth = rodzaj)) +
geom_point(data = wezly, aes(x, y, size = otrzymane, shape = status, fill = status), colour = "black", stroke = 0.4) +
scale_colour_manual(values = c("wybór jednostronny" = kol[["jednostronny"]], "wybór wzajemny" = kol[["wzajemny"]]), name = NULL) +
scale_linetype_manual(values = c("wybór jednostronny" = "22", "wybór wzajemny" = "solid"), name = NULL) +
scale_linewidth_manual(values = c("wybór jednostronny" = 0.35, "wybór wzajemny" = 0.8), name = NULL) +
scale_shape_manual(values = c("nikt go nie wskazał" = 24, "wskazany co najmniej raz" = 21), name = NULL) +
scale_fill_manual(values = c("nikt go nie wskazał" = kol[["izolowany"]], "wskazany co najmniej raz" = kol[["wezel"]]), name = NULL) +
scale_size_continuous(range = c(1.6, 6), breaks = c(0, 3, 6, 10), name = "wybory\notrzymane") +
coord_equal() +
labs(title = "A. Socjogram: jesień 1957 (73 chłopców)", x = NULL, y = NULL) +
motyw + theme(axis.text = element_blank(), panel.grid = element_blank(), legend.box = "vertical")
pB <- ggplot(data.frame(w = sym[, "wzajemne"]), aes(w)) +
geom_histogram(binwidth = 1, fill = kol[["los"]], colour = "white") +
geom_vline(xintercept = obs["wzajemne"], colour = kol[["wzajemny"]], linewidth = 1) +
annotate("text", x = obs["wzajemne"], y = Inf, vjust = 1.5, hjust = 1.05, size = 3.6,
label = sprintf("w danych: %d par", obs["wzajemne"])) +
expand_limits(x = 0) +
labs(title = "B. Pary wzajemne przy losowych wyborach",
x = "Liczba par wzajemnych (5000 losowych sieci)", y = "Liczba sieci") +
motyw
p2 <- pA + pB + plot_layout(widths = c(1.35, 1))
p2Wynik w R
chlopcy wybory gestosc pary_wzajemne wzajemnosc
73.000 243.000 0.046 62.000 0.510
otrzymane
0 1 2 3 4 5 6 7 8 9 10
9 13 13 9 6 8 5 4 2 1 3
niewybierani nikogo_nie_wskazali najwiecej_otrzymanych
9 4 10
wzajemne niewybierani maks sd_otrzymanych
dane 62.00 9.00 10.00 2.68
los_srednia 5.63 2.33 8.21 1.78
los_p2.5 2.00 0.00 7.00 1.50
los_p97.5 10.00 5.00 11.00 2.08
p_wzajemne p_niewybierani p_sd
0.0002 0.0002 0.0002
wybory_wiosna powtorzone_wybory odsetek_powtorzonych
263.000 140.000 0.576
r_spearmana_otrzymane
0.743 2. Oś czasu: rysunek 1
Kod R rysunku 1
# Oś czasu: Jacob L. Moreno (1889–1974) – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
rok = c(1889, 1915, 1921, 1925, 1932, 1933, 1934, 1936, 1938, 1951, 1974),
etykieta = c("1889", "1915–1918", "1921", "1925", "1932", "IV 1933", "1934", "1936", "1938", "1951–1966", "1974"),
opis = c("urodził się", "planowanie osiedla\nuchodźców pod Wiedniem", "„teatr spontaniczności”\nw Wiedniu", "emigracja\ndo USA",
"fala ucieczek\nw szkole w Hudson", "32 plansze socjometryczne\nna wystawie lekarzy", "„Who Shall Survive?”",
"teatr psychodramy\nw Beacon", "z Jennings: „Statistics of\nSocial Configurations”", "wykłady socjologii\nna NYU",
"zmarł"),
rodzaj = c("życie", "badanie", "praca", "życie", "badanie", "publikacja", "publikacja", "praca", "publikacja", "praca", "życie"))
zdarzenia$strona <- c(1, -1, 1, -1, 1, -1, 1, -1, 1, -1, 1)
zdarzenia$poziom <- c(0.5, 0.5, 0.5, 1.3, 1.3, 2.1, 2.1, 0.5, 0.5, 1.3, 0.5)
zdarzenia$wyrownanie <- c(0.5, 0.5, 0.8, 0.5, 0.5, 0.5, 0.5, 0.2, 0.05, 0.5, 0.5)
ksztalty <- c("życie" = 21, "praca" = 22, "publikacja" = 23, "badanie" = 24)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "publikacja" = "#D55E00", "badanie" = "#009E73") # Okabe–Ito
p1 <- ggplot(zdarzenia, aes(rok, 0)) +
geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
geom_segment(aes(xend = rok, y = 0, yend = poziom * strona), colour = "grey70") +
geom_point(aes(shape = rodzaj, fill = rodzaj), size = 4, colour = "black") +
geom_text(aes(y = (poziom + 0.07) * strona, label = paste0(etykieta, "\n", opis), vjust = ifelse(strona > 0, 0, 1), hjust = wyrownanie),
size = 3.2, lineheight = 0.9) +
scale_shape_manual(values = ksztalty, name = NULL) +
scale_fill_manual(values = kolory, name = NULL) +
scale_x_continuous(limits = c(1882, 1981), breaks = seq(1890, 1970, by = 10)) +
scale_y_continuous(limits = c(-3, 3)) +
labs(x = NULL, y = NULL) +
theme_minimal(base_size = 13) +
theme(axis.text.y = element_blank(), panel.grid = element_blank(), axis.text.x = element_text(colour = "grey30"),
legend.position = "bottom")
p1Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (dane – pakiet sna; układ grafu – pakiet igraph; rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
- sna (wersja 2.8): Butts, C. T. (2008). Social network analysis with sna. Journal of Statistical Software, 24(6), 1–51. https://doi.org/10.18637/jss.v024.i06
- igraph (wersja 2.2.2): Csárdi, G., & Nepusz, T. (2006). The igraph software package for complex network research. InterJournal, Complex Systems, 1695. https://igraph.org
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
- patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
Najczęstsze pytania
Kim był Jacob L. Moreno?
Psychiatrą (1889–1974), który pierwsze eksperymenty z dziećmi prowadził w Wiedniu (1911), a w 1925 r. wyemigrował do USA. Stworzył socjometrię i socjogram, rozwijał psychoterapię grupową i psychodramę, w latach 1951–1966 uczył na Wydziale Socjologii New York University.
Co to jest socjogram Moreno?
Rysunek wyborów w grupie: osoby są punktami, wybory – strzałkami, a wybory wzajemne – liniami łączącymi pary. Moreno odczytywał z niego osoby najczęściej wybierane, pary, łańcuchy i osoby, których nikt nie wybrał. To prototyp grafu w analizie sieci społecznych.
Czego dotyczyło badanie Moreno w Hudson?
Społeczności New York State Training School for Girls: każda z 505 wychowanek mogła wskazać do pięciu osób, z którymi chciałaby mieszkać. Moreno wyjaśniał na socjogramie m.in. falę 14 ucieczek jesienią 1932 r. – uciekinierki łączyła sieć wyborów.
Jak sprawdzić, czy wzajemne wybory nie są przypadkowe?
Porównaj dane z siecią, w której każda osoba oddaje tyle samo wyborów, ale losowo. W danych Colemana 62 pary wzajemne wobec średnio 5.6 w 5000 losowych sieciach dały p = .0002; maksymalna liczba wyborów (10) mieściła się jednak w zakresie przypadku.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Sieci psychometryczne krok po kroku
Sieć objawów w R na danych do pobrania: korelacje polichoryczne, EBICglasso, centralność i siła mostowa, bootstrap, współczynnik CS i opis APA.
Czytaj →PoradnikBootstrap i test permutacyjny krok po kroku
Bootstrap różnicy median i korelacji z BCa, test permutacyjny zamiast testu t, liczba permutacji i kiedy bootstrap zawodzi – na jednym przykładzie w R.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Borgatti, S. P., Mehra, A., Brass, D. J., & Labianca, G. (2009). Network analysis in the social sciences. Science, 323(5916), 892–895. https://doi.org/10.1126/science.1165821
- Moreno, J. L. (1934). Who shall survive? A new approach to the problem of human interrelations. Nervous and Mental Disease Publishing Co. https://doi.org/10.1037/10648-000
- Riva, M. A., Grassi, L., & Belingheri, M. (2020). Jacob L. Moreno and psychodrama – psychiatry in history. The British Journal of Psychiatry, 217(1), 369. https://doi.org/10.1192/bjp.2020.65 ● Otwarty dostęp
- Wasserman, S., & Faust, K. (1994). Social network analysis: Methods and applications. Cambridge University Press. https://doi.org/10.1017/cbo9780511815478
Cytowania BibTeX
@article{borgatti2009network, author={Borgatti, Stephen P. and Mehra, Ajay and Brass, Daniel J. and Labianca, Giuseppe}, title={{Network analysis in the social sciences}}, journal={Science}, year={2009}, volume={323}, number={5916}, pages={892--895}, doi={10.1126/science.1165821}}@book{moreno1934who, author={Moreno, Jacob L.}, title={{Who shall survive? A new approach to the problem of human interrelations}}, year={1934}, publisher={Nervous and Mental Disease Publishing Co.}, doi={10.1037/10648-000}}@article{riva2020jacob, author={Riva, Michele Augusto and Grassi, Luca and Belingheri, Michael}, title={{Jacob L. Moreno and psychodrama – psychiatry in history}}, journal={The British Journal of Psychiatry}, year={2020}, volume={217}, number={1}, pages={369}, doi={10.1192/bjp.2020.65}}@book{wasserman1994social, author={Wasserman, Stanley and Faust, Katherine}, title={{Social network analysis: Methods and applications}}, year={1994}, publisher={Cambridge University Press}, doi={10.1017/cbo9780511815478}}