Networks, representing attitudinal survey data, expose the structure of opinion-based groups. We make use of these network projections to identify the groups reliably through community detection algorithms and to examine social-identity-based groups. Our goal is to present a method for revealing polarization and opinion-based groups in attitudinal surveys. This method can be broken down into the following steps: data preparation, construction of similarity-based networks, algorithmic identification of opinion-based groups, and identification of important items for community structure. We assess the method’s performance and possible scope for applying it to empirical data and to a broad range of synthetic data sets. The empirical data application points out possible conclusions (i.e. social-identity polarization), whereas the synthetic data sets mark out the method’s boundaries. Next to an application example on political attitude survey, our results suggest that the method works for various surveys but is also moderated by the efficacy of the community detection algorithms. Concerning the identification of opinion-based groups, we provide a solid method to rank the item’s influence on group formation and as a group identifier. We discuss how this network approach for identifying polarization can classify non-overlapping opinion-based groups even in the absence of extreme opinions.

中文翻译：

---

在基于调查的态度网络中检测基于意见的群体和两极分化并估计问题的相关性

代表态度调查数据的网络揭示了基于意见的群体的结构。我们利用这些网络投影通过社区检测算法可靠地识别群体，并检查基于社会身份的群体。我们的目标是提出一种在态度调查中揭示两极分化和基于意见的群体的方法。该方法可以分解为以下步骤：数据准备、基于相似性的网络的构建、基于意见的群体的算法识别以及社区结构的重要项目的识别。我们评估了该方法的性能以及将其应用于经验数据和广泛的合成数据集的可能范围。经验数据应用指出了可能的结论（即社会身份极化），而合成数据集则标出了方法的边界。在政治态度调查的应用示例旁边，我们的结果表明该方法适用于各种调查，但也受到社区检测算法的功效的调节。关于基于意见的群体的识别，我们提供了一种可靠的方法来对项目对群体形成的影响进行排名，并作为群体标识符。我们讨论了这种用于识别极化的网络方法如何即使在没有极端意见的情况下也可以对非重叠的基于意见的群体进行分类。关于基于意见的群体的识别，我们提供了一种可靠的方法来对项目对群体形成的影响进行排名，并作为群体标识符。我们讨论了这种用于识别极化的网络方法如何即使在没有极端意见的情况下也可以对非重叠的基于意见的群体进行分类。关于基于意见的群体的识别，我们提供了一种可靠的方法来对项目对群体形成的影响进行排名，并作为群体标识符。我们讨论了这种用于识别极化的网络方法如何即使在没有极端意见的情况下也可以对非重叠的基于意见的群体进行分类。