原文地址:案例:博客社区中好友链接的社会网络分析———以科学网的博客社区为分析案例作者:李琳
博客社区中好友链接的社会网络分析———以科学网的博客社区为分析案例 汪维富,钟志贤 作者:汪维富,钟志贤 单位:汪维富,江西师范大学课程与教学研究所硕士研究生; 钟志贤,江西广播电视大学副校长,江西师范大学教授,博士。 基金项目:西省教育科学“十一五”规划重点项目:“面向教师信息素养提高的Web2. 0 内容模型研究”; 江西省教育厅高校教改委托项目“Web2. 0 时代大学生课外竞赛与就业创业能力的实践研究”的成果之一。 出处来源:《现代远距离教育》2010 年第5 期 总第131 期 【摘要】本文以科学网的博客社区作为研究样本,以博主好友链接为研究内容,以社会网络分析为方法,利用UCINET 和Pajek 软件,探究了该博客社区中博主好友链接的网络特征,包括网络的密度、小世界效应、中心度、中心势等,描绘了该网络的社群图,揭示了该博客社区的信息交流与人际互动特征。 【关键词】博客社区; 社会网络分析; 好友链接; 社群图 一、引言 博客是个人自由进行信息创造、表达、交流的网络空间,体现了Web2. 0 时代的个性化、创造性与社区化的技术与文化特征。博客虚拟社区是博客与博客之间通过多种互动关系而构成的虚拟社区。互动方式包括建立好友链接、博客互访、评论好友日志、转载或分享好友资源等。博客之间为什么要实现互动,形成关系紧密的博客社区? 其一,相互分享,以相对稳固的合作互惠方式来促进群体的共同发展。根据群体动力理论与社会凝聚力理论[1],群体的形成与发展的关键是不同成员的需求能在合作行为中得到满足,以不断增强社会性依赖与凝聚力。博客社区是由自组织性的群体组成,博主需要主动分享有用的知识或问题,以合作互惠的方式满足各自的知识、需求,长期互动会产生相对稳固的人际圈。 其二,知道知识分布在哪里( Where ) 或谁知道Who) 比知识本身( What) 更有价值。在信息激增时代,要想在浩瀚的信息海洋中遨游,除了提升信息素养外,最重要的一点就是参与专业学习共同体,和专家或趣味相投的人建立联结,通过互动知晓“谁”或“哪里”__________有需要的信息。据研究,人们倾向于向朋友或同事求助的程度,比向其它信息资源如数据库或文件资料求助的程度要多出五倍[2],以人为中心来组织知识网络、聚集社会资本比单纯地诉诸于信息资源库重要的多。博客社区就是以用户为中心来组织可持续增长的知识网络,平等地建立起超越现实的赛伯人际网络,以方便获取寄存在“好友”节点的知识,使其充当知识的代理。 其三,培育信息时代学习者的自主、创造与分享的学习态度。不断涌现的Web2. 0 技术为信息时代的学习者提供了系列有价值的学习工具,但这并不能保证学习的有效发生。数字化学习的效果有赖于尊重、开放、分享、面对和接纳的态度,尤其要学会“先给后得”的气度,你所给出的一切,其实都是给你自己的![3]博客是目前最为常用的Web2. 0 个人出版平台,是较为适宜的培育学习者信息时代学习能力与态度的网络环境。人一般都具有、归属与爱的需要,社区在一定程度消除了虚拟网络的枯燥感与孤独感,博主既依靠互动满足自己的信息消费需求,更希望通过主动参与创造贡献更精彩、更得意的思考来博得社区成员的认同、关注与尊重。因此,基于博客社区促进学习者的自主、创造与分享的学习态度是可能的。 然而,目前博客的使用主要还是个人行为,缺乏深度互动,为了发挥博客社区的集体智能,不断相互合作、切磋与竞争形成专业共同体甚至学术流派,促进知识共享与创新,进行博客社区的交流互动研究具有显著的重要意义。 二、理解社会网络分析 社会网络( Social Network) 是指社会行动者( SocialActor) 及其之间的关系集合[4]。它是由多个节点( 行动者) 和节点之间的连线( 关系) 组合而成的,节点可以是个人、组织和国家等社会要素或实体; 连线可以是友情、 商业往来和信息共享等关系。而社会网络分析( SocialNetwork Analysis,SNA) 就是对社会网络中的关系进行量化分析的艺术和技术,可用于描述和测量网络社群成员之间的关系,以及经由这些关系流动的各种有形或无形的东西。本文运用社会网络分析方法,选择科学网的博客社区作为样本来源,试图从该博客社区的好友链接网络视角来探究交流互动问题,了解博客之间的交流现状,描绘博客之间关联的社群图,以揭示博客社区的交流结构与特征,为促进虚拟社区中的信息交流与人际互动提供建议。 三、研究过程 1.选取样本 科学网的博客社区是履行实名制的虚拟社会网络,博主身份主要以科研人员、学校教师、技术人员等高级知识分子为主,定期地在博客首页推荐博主们当下共同关注的话题,是典型的跨学科学术共同体。本文从该博客社区选取研究样本,以博客主页中的“博主好友”链接关系作为研究内容。每位博主就是一个节点,其一条好友链接即节点间的一条关系。一位博主可能有许多好友链接,即该博主节点与许多其他博主节点建立了关系。博主之间相互建立“好友”关系,就形成了行动者之间的好友链接网络。 由于该博客社区的总体样本较大,抽样又最好保证链接网络连续性、相互性、关联性的真实特征,因此本文选择采用滚雪球抽样( Snowball Sampling) ,即“行动者提名其他行动者,这些行动者构成了一阶网络域( First OrderZone of the Network) ,研究者在此基础上得到二阶网络域、三阶网络域等”。[5]先选择一位博主作为行动者的提名起点,即一阶网络域,再据该博主的“博主好友”来提名二阶网络域,最后根据二阶网络域中每位行动者的“博主好友”来提名三阶网络域,所有提名的行动者构成研究样本。最后共提名206 位行动者,即206 个节点。 2.构建矩阵数据 社会网络一般可用矩阵法与社群图来进行描述。矩阵法,即把社会网络中的每个节点分别按行与列的方式排列即可形成网络矩阵。[6]本文研究的是链接关系,形成有方向性的邻接矩阵( Adjacency Matrix) ,如图1 所示。若博主ni在自己的“博主好友”中列有博主nj,则矩阵中的关系数据aij = 1,与此同时,若nj的“博主好友”中没有ni,则aji = 0。该研究样本是一个206 × 206 的有向矩阵,序号是用来代替博主的真实姓名的,1、0 用来表示有无链接。 3.确定研究视角 图1 科学网博客社区的样本网络矩阵( 部分)社会网络分析方法作为一种较为成熟的社会学方法,逐渐形成了许多特有的分析概念与特征,如密度、中心度、派系、凝聚子群等。本文选择下列几种关键性指标作为研究视角。 ( 1) 密度( Density) : 用来描述网络中各个节点关联的紧密程度,数学上以网络中节点间实际拥有的连接数与最多可能拥有的连接数的比例来表达。完备图( CompleteGraph) 是理解密度的一个重要概念,是指每个节点都与所有其他节点直接连接,即“最多可能拥有的连接数”,其密度为1,而通常的密度大小则反映出网络图在多大程度上具有这种完备性。 ( 2) 可达性( Reachability) : 指节点能够连接到每一个其他节点的难易程度,可用任意两节点之间交流所需经过的连线数来表征,以节点间的平均距离( AverageDistance) 表示。Watts 等人发现许多大型社会网络中的任何两个节点之间的平均距离都很小,最著名的就是“六度分割理论”[7]。这种节点间的可达性被许多研究者用来验证小世界现象。 ( 3) 中心度( Centrality) : 反映了节点在网络中的权利地位及影响分布,中心度越高的节点越处于核心地位,能够有效控制及影响网络中其他行动者之间的活动; 相反,中心度越低的节点越处于边缘地位,很少参与互动交流,对其他节点的影响很小。常用的中心度有节点中心度与中介中心度两种,前者刻画的是一个行动者与其他行动者发生关联的能力,后者描述一个行动者控制网络中其他行动者的能力。 ( 4) 节点中心度( Degree Centrality) : 即与某节点直接相连的其他节点总数。有向网络的节点中心度又分为点入度( In - Degree) 与点出度( Out - Degree) ,前者指直接指向该节点的其他节点的总数,后者指该节点所直接指向的其他节点的总数。点入度表征了该节点被其他节点关注的程度,是衡量“意见领袖”的指标,而点出度则说明了该节点在网络中的活跃程度。 ( 5) 中介中心度( Betweenness Centrality) : 指某节点与其他各节点之间相隔的远近程度,表示该节点在多大程度上是其他节点的“中介”,这样的节点具有“经纪人”或“守门人”的作用。中介中心度表征着某个节点对网络中资源控制的程度,某节点中介中心度越高,说明该节点越多地占据操纵资讯资源流通的关键性位置。上述两种中心度均是描述某个节点的中心性特征,而表征整个群体的中心性特征是对应的网络中心势( Centralization) ,网络中心势衡量了整个网络向中心聚集的程度,可以作为对网络是否依赖少部分行动者的估计[8],包括相应的节点中心势、中介中心势,前者反映了网络在多大程度上是以某个或某几个节点为中心建立起来的,后者说明了整个网络中的信息、人脉在多大程度上被某些少数节点所控制。 四、研究结果及其分析 依据确定的多个研究视角,应用UCINET 软件进行对样本数据进行处理,结果如表1。表1 样本数据处理结果密度Density 0. 0365, 节点中心势Network Centralization 39. 33%,平均距离Average Distance 2. 492 ,中介中心势Network Centralization Index 10. 02%。 1.该网络密度较小,为0. 0365。一般来说,关系紧密的团体合作行为较多,信息流通较易,情感支持也会较好; 而关系十分疏远的团体,则常有信息不通、情感支持太少、协作程度低等问题[9],该博客社区整体上的信息交流或人际交流不太紧密,网络完备性较低。 2.节点之间的平均距离为2. 492,说明该样本社区中任意两个博客之间平均只要通过近2. 5 个博客就可以相互连通,具有小世界效应的显著特征,是一个信息流通顺畅、人际交流迅速、利于互通有无网络。 3. 39. 33%的节点中心势属于中等水平,说明社区不存在明显的网络集中性、向心性,相反“离心势”较大些,说明博客之间的交流比较分散。部分行动者的节点中心度,如表2 所示。表2 节点中心度的数据统计结果( 部分)编号点出度点入度总点度编号点出度点入度总点度表2 列出了各节点的点出度( Out - Degree) 与点入度( In - Degree) ,点出度最高的依次为6、23、8、7、174 等,点入度最高的依次为7、158、1 ( 未标出,值为32) 、8、6等。超过20 个点入度链接的节点具有“意见领袖”特征[10],即被群体关注度超过10% 的人,说明这些博客与其他博客的联系最为密切,该样本网络最有可能是以这些博客为中心而组织起来的。值得注意的是6、7、8、174、3、23 等六个博客同时具有高点出度与高点入度的特征,博客是网络的交流枢纽,是社区的核心成员,没有他们该网络互动可能将处于瘫痪状态。 4. 10. 02%的中介中心势很小,说明该样本网络资源被个别行动者控制、垄断的可能性很小,各好友链接基本上都呈现出分散性、分布式特征。部分行动者的中介中心度,如表3 所示。 从表中结果来看,7、8、6、3、174 等中介中心度最高,说明这些节点在网络中占据着最多的中介连接,是资源流向其他节点的关键性位置,起到连通其他节点的桥梁作用,是信息或人脉流动的枢纽、把关人。综合各中心度分析结果不难发现,3、6、7、8、174 等节点处于网络的核心位置。 五、社群图描绘及其优化 1.基本社群图 社群图( Sociogram) 是各个节点和线构成的网络图,是描述社会网络结构的方法之一,能简洁地可视化各节点间的关系网络。通过Pajek 可自动绘制较为稳定的基本社群图,如图2 所示。该社群图是个有向网络图,具有无尺度网络特征,大部分节点只有少数几个连接且大都处于社群图的外围边缘位置,而某些节点却拥有大量连接且大都处于社群图的内部中心位置。从图中粗略地观察到,离社群图中心越接近,连接线越密集,这些行动者是核心成员。而越到外围的节点连接越稀疏,说明这些行动者逐渐“沦为”边缘成员。 2.社群图优化 常用的社群图法在可视化描述上有一定的局限性,如在一张拥有许多节点和连线的大图中,交叉的链条数会导致不可解释的线条集合[11],在本案例中就遇到了这种局限所带来的可视性与解释性困惑,该社群图有待进一步优化。 本文在基本社群图方法上引入向量值( Vector) 与分隔( Partition) 概念,前者是指节点的某特定指标的数值大小[12],后者是指依据特定指标大小对各个节点进行精确分隔,这可有效地减少网络的复杂性[13]。为进一步以社群图的可视化方式展示每个节点在网络中的精确位置,可依据节点的某个中心性指标进行重要性的层级分隔,本文拟将所有成员分为核心参与成员、普通参与成员、边缘参与成员三个层级,在Pajek 中分别使用1、2、3 作为代号。本文以节点中心度为作为“特定指标”,不考虑连线的方向性,即忽略单个节点的点入度与点出度的差异性,将总度数不小于30 的列为核心参与者,处于10 与30 之间的列为普通参与者,其余的列为边缘参与者。执行“分-向量”绘制命令,生成包含三个同心圆结构的社群图,具有更显著的核心—边缘模型特征[14],如图3 所示。该图清晰地表征了某节点在网络中的具体位置,节点所处同心圆的半径越小,越处在网络核心位置; 反之越处在网络边缘位置。另外,同处一圆周上的节点可以通过节点本身的半径大小来判断其精确位置。 图2 科学网博客社区的网络社群图 图3 优化之后的社群图 六、讨论 从结果分析来看,该博客社区的互动是比较成功的。 其一,具有典型的小世界现象效应,博客间连接的平均距离在两个半左右,信息流通效率较高,博客间的关联程度较高。 其二,存在明显的意见领袖与弱链接,两者对于信息共享与知识创新都具有重要意义。意见领袖是网络结构中的关键的核心成员,他们善于提供丰富而独到的见解,吸引住其他成员,如果缺乏意见领袖,网络结构会很松散、零乱,无法形成具有高度粘性的凝聚力以维持社区的活力。而弱链接是多样性信息、多元化观点的重要来源,但若弱链接过多而缺乏意见领袖时,将导致关注焦点过于分散、缺乏凝聚力。 其三,互动网络结构呈现网络状,中心势水平一般,交流以分散性为主,这有助于减弱对单个博客知识分享的依赖性。然而,我们也发现,该博客社区的链接网络整体密度较小,这在一定程度上说明成员之间的联系还不太紧密,信息流通还不太顺畅,需要进一步强化社区的信息交流与人际互动。一个有效的赛伯人际网络需要有意识、有策略地管理,否则难以形成有目标的、稳定的、有绩效的节点联接,网络中的信息流或知识流也难以顺畅地流动,学习者也就不可能有效利用赛伯人际网络来促进自身的学习[15]。作为博客社区的管理者,首先,要深入地了解社区的互动网络结构,及时识别社区中的网络核心成员,将他们发表的有价值观点加以推荐,以凝聚、粘住更多的成员。其二,要关注个别成员发表的具有争议性的观点,保持多样性的文化特征,当然,这要根据社区的专业性目标定位进行恰当的引导,否则博客社区可能会成为闲杂人等凑凑热闹的场所。作为博主,首先积极频繁地参与社区活动,提供最新的、有意义的知识,做一个有价值的节点,这是促进社区互动、提升社区凝聚力的内在源泉。其次,主动订阅他人博文,并进行建构性的深度评论与反馈,自觉维系、添加、调整自己的人际网络。 【参考文献】 [1]程胜. 合作学习[M]. 福州: 福建教育出版社,2005: 2 - 6. [2]Rob Cross,Andrew Parker,Steve Borgatti. 用社会网络分析改进知识的创新与共享[EB/OL]. http: / /blog.csdn. net /hejishan /archive /2008 /04 /12 /2286833. aspx,2009 - 12 - 12. [3]邹景平[EB/OL]. http: / /www. lifegrowing. com/danny /post /452. html, 2009 - 12 - 20. [4]刘军.社会网络分析导论[M].北京: 社会科学文献出版社, 2004: 4 - 5. [5]刘军.社会网络分析导论[M].北京: 社会科学文献出版社, 2004: 9 - 10. [6]林聚任.社会网络分析: 理论、方法与应用[M].北京: 北京师范大学出版社, 2009: 114. [7]D. J. Watts,S. H. Strogatz ( 1998) . Collective dynamics “small world”networks[J]. Nature( 393) : 440 -442. [8]魏巍,刘仲林.跨学科研究的社会网络分析方法[J].科学学与科学技术管理, 2009( 7) : 26. [9]陈向东,曾燕燕,邢丹平.协作学习的社会网络研究[J]. 开放教育研究. 2007( 12) : 67 - 71. [10] 意见领袖[EB/OL]. http: / /wiki. mbalib. com/wiki /意见领袖, 2009 - 12 - 15. [11][12]John. Scott 著,刘军译.社会网络分析法( 第二版) [M]. 重庆: 重庆大学出版社, 2007: 127 - 128. [12]Wouter de Nooy ,Andrej Mrvar,Vladimir Batagelj.Exploratory Network Analysis with Pajek[M] . NewYork: Cambridge University Press, 2005: 43. [13]Wouter de Nooy ,Andrej Mrvar,Vladimir Batagelj.Exploratory Network Analysis with Pajek[M] . NewYork: Cambridge University Press, 2005: 31. [14]王陆.典型的社会网络分析软件工具及分析方法[J].中国电化教育, 2009( 4) : 95 - 100. [15]钟志贤,林安琪.赛伯人际管理: 提升远程学习者的学习力[J]. 远程教育杂志, 2008( 5) : 44 - 50.
|