虛擬教師社區中博客網絡位置的影響力研究

【摘要】文章運用社會網絡分析方法的整體網絡研究方法，以博聯社的虛擬教師社群為例，從虛擬社群社會網絡的形式化表達、博客的點度與虛擬社群的密度、中心性分析、多維量表(MDS)分析四個視角對虛擬社群的群體結構特征進行了分析，探索了不同網絡位置的影響力，總結出了“權威”網絡位置所具備的特征。

【關鍵詞】博客;虛擬社區;網絡位置;影響力

【中圖分類號】G40-057 【文獻標識碼】B 【論文編號】1009—8097(2010)01—0097—04

一 前言

博客(Blog)通常被視作在線個人日志，是一種允許博客作者以相對較簡單的方式定期更新內容、實現個人信息的歷史積累和傳播的的網絡出版方式。[1][2]博客將個人主頁與某些工具結合起來，使其與其他網頁的鏈接更為簡單。另外，由于博客世界中不存在像傳統網絡論壇的版主那樣的管理者，因此每個人都可以通過博客發表觀點，表達情感。博客以其操作簡單、便于管理、言論自由等特點迅速成為發展速度最快的網絡媒體之一。據2009年7月中國互聯網信息中心(CNNIC)公布的《2008-2009年博客市場及博客行為研究報告》顯示，截止到2009年6月底，中國博客空間的規模已經超過3億，博客作者人數高達1.18億。[3]博客世界的重要特點之一就是聯網社群(Cyber Community)的出現，大多數的網站都允許博客組成社群或者加入已經存在的社群。博客作者根據其思想、興趣、職業、需求等組成或加入不同的社群，這就形成了一個個的虛擬社群(Virtual Community)。虛擬社群內也存在著強弱連帶等人際網絡關系特性。[4]虛擬社群與現實世界極其相似，人們可以在虛擬社群中建構人際關系、共享信息、交流感情等。目前，各大門戶網站上存在著大量主題各異的虛擬社區，虛擬社區內的人際關系、信息傳播和交流模式都發生了根本的改變。那么，虛擬社群中的人際關系發生了哪些改變?是否也存在著與現實世界相同的“意見領袖”現象?虛擬社群中每個博客是否會因其所處的網絡位置的不同而造成影響力的不同?如果影響力因網絡位置而異，那么什么樣的網絡位置是最有利的?對于以上問題的進一步研究分析，有利于充分地開發、利用和挖掘博客網絡位置的價值。為研究以上問題，本文采用了社會網絡分析的方法，對博聯社網的虛擬教師社群進行了分析。

二 研究對象和研究方法

本文將“博聯社”的虛擬教師社群作為個案研究對象。“博聯社”是北京博聯博信息技術有限公司經營的面向中國各階層、各行業的社會知識分子隊伍的網絡社區，是中國目前唯一一家全站實行實名制注冊的博客網站。“博聯社”網站主頁上依據博客作者的職業特點建構了不同的虛擬社區。在此，本文選擇了“教師村”作為研究對象。

本文的研究方法是社會網絡分析中的整體網絡(Complete Network)研究方法。整體網絡分析是社會網絡分析的兩個研究取向之一，又稱網絡結構分析，是研究網絡結構的最重要途徑。本文旨在從整體上研究虛擬社群，因此整體網絡分析是最佳研究方法。“教育村”共有445個博客空間，研究發現大量的博客空間只是注冊過，并沒有使用，根據《2008-2009年博客市場及博客行為研究報告》對有效博客空間的界定——“平均一個月中至少更新一次的博客空間”，[5]因此這部分無效博客空間也就不能被納入研究范圍，最終選取了310個博客空間作為取樣對象。

三 結果與分析

1 虛擬社群社會網絡的形式化表達

社會網絡的數學表達方式有社群圖法和矩陣代數法兩種。[6]社群圖法適用于描述小型群體的關系形式，直觀地表現網絡的結構特征，網絡節點之間的關系一目了然。但是如果社群圖涉及的節點數很多，那么圖形就相當復雜，很難分析出關系的結構。[7]矩陣代數法也稱矩陣圖法，是指借助數學上矩陣的形式，把與問題有對應關系的各個因素，列成一個矩陣圖;然后，根據矩陣圖的特點進行分析，從中確定關鍵點(或著眼點)的方法。矩陣代數法的最大優點在于便捷地尋找對應元素的交點，清楚地顯示對應元素的關系。因此，本部分將綜合使用矩陣代數法和社群圖法表示虛擬社群內博客之間的鏈接關系。

(1) 虛擬社群的矩陣代數表達法

懷特(H.White)和伯德(J.P.Boyd)最先提出了用矩陣代數法表示節點之間的關系。在矩陣表達形式中，行和列既代表社會行動者也代表關系，即矩陣元素中的數字或符號表示行動者之間的社會關聯。[8]社會網絡分析中最常使用的一類矩陣是鄰接矩陣(Adjacency Matrix)，在此矩陣中，行和列都代表完全相同的社會行動者，并且行和列排列的順序相同，矩陣中的元素往往是二值的，用“1”和“0”分別代表行動者之間關系的存在與否。鄰接矩陣只表達一種關系，因此，又稱做社群矩陣(Sociomatrix)。 [9]通過借鑒研究相關資料[10][11]，我們將虛擬社群中的博客定義為節點，博客之間的鏈接關系就可以用節點之間的關系來表示。因此，虛擬社群中博客之間的關系用矩陣表示為如圖1所示，在此矩陣中，Xij=1表示博客i與博客j之間存在鏈接;Xij=0表示的是博客i與博客j之間不存在鏈接。由于Xij并不總是等于Xji，因此，最終得到的矩陣為二值非對稱方陣。

(2) 虛擬社群的社群圖表達法

矩陣圖雖然表示出了虛擬社群內博客之間的鏈接關系，但是并沒有簡潔、直觀的呈現出關系網絡的結構特征，因此可以借助于社群圖，在此對應于矩陣表達法的社群圖為二值有向圖。

社群圖(sociogram)是由莫雷諾最早使用的，已經在社會網絡中得到廣泛應用。在社群圖中，用點表示博客，博客之間的鏈接關系用帶箭頭的有向直線表示，箭頭指向關系的接收者。觀察發現，該社群圖中存在著大量的孤立點，這就意味著該社群圖為非完備圖，即是圖中的任意兩點并不是直接相連的。

2 博客的點度與虛擬社群的密度

矩陣圖與社群圖大致描繪出了博客之間的鏈接關系以及博客關系網絡的結構特征，但是網絡結構特性并沒有以量化的方式呈現出來。為此，我們將從以下幾個方面對博客關系網絡進行詳細分析。

(1) 點度

實際上，一個點的度數就是與該點相連的線的條數。點度包括兩個不同方面:點出度(out-degree)和點入度(in-degree)。點出度指的是該點所直接指向的其他點的總數，體現在有向矩陣中該點對應的行總和上;點入度指的是直接指向該點的點數總和，體現在有向矩陣中該點對應的列總和上。[12]根據傳播學的理論，該值可以被視為衡量“意見領袖”的指標。該值越大，說明該博客在虛擬社群中的地位越高，越處于核心地位。本研究中，社群圖為有向圖，因此某點的連接度就包括該點的點入度與點出度兩方面。

通過觀察數據統計表，我們可以發現博客的點入度與點出度普遍偏低。編號為001的博客點入度最高，為33;另外，還有大量博客的點入度為0，并沒有引起其他博客的關注。而那些點入度、點出度均為0的博客就屬于孤立點，處于虛擬社群的邊緣，既沒有引起其他博客的關注，也不關注其他博客。可見，雖然博客的活躍性提高了，但并沒有改變博客之間以單向、有限、分散的交流為主的現實。拉扎斯菲爾德指出:被群體關注度超過10%的人可以稱為“意見領袖”，因此編號001的博客剛好滿足“意見領袖”的標準，也就是說，該虛擬社群中存在著“意見領袖”。意見領袖的存在能夠活躍虛擬社群的氛圍，加強博客間的交流。因此，可以將“意見領袖”所處的位置視為一個較為有利的網絡位置。

2 密度

密度指的是一個圖中各個點之間關聯的緊密程度，是網絡中人際關系總體分布的量化表示，表示的是社群成員之間聯系的緊密程度。[13]網絡密度越大，說明社群成員之間的聯系越密切。一個圖的密度定義為圖中實際擁有的連線數與最多可能擁有的線數之比。密度是一個從相互之間存在直接關系的點的多少這個意義上來說明網絡中關系密切程度的相對指標。

Mayhew Levinger(1976)的研究中發現的實際網絡圖的最大密度為0.5。[14]本研究中發現，虛擬教師社群圖的密度僅為0.0046(見表2)，密度非常小，這就意味著該虛擬社群內部的鏈接非常稀疏，不容易進行信息的傳播與共享。

3 虛擬社群的中心性分析

“中心性”是社會網絡分析中的重點之一，常被用來評價行動者的地位優越性或特權性，反映的是行動者在社會網絡結構中的位置或優勢的差異。[15]通常，中心性分為點度中心性、接近中心性、中間中心性、特征向量中心性以及伯納西茨權利指數。[16]其中，前三者在社會網絡分析中應用廣泛，三者的關注點也各不相同。

(1) 點度中心勢

點度中心性關注的是行動者之間的溝通活動，[17]用來衡量個體在社會網絡中的權威性，是點入度的標準化形式。計算點度是確定點度中心性最簡單、直接的測量方法。如果要研究整體的緊密程度，則可以使用點度中心勢指數來刻畫網絡圖的整體中心性。點度中心勢指數越大，說明網絡的集中程度越高，網絡的向心趨勢越明顯。

研究發現:虛擬教師社群的點度中心勢指數僅為0.0143(見表2)，網絡中心勢指數非常小，這就說明虛擬教師社群中幾乎不存在向心性，這就意味著虛擬社群中不存在“權威”個體。

(2) 中間中心性與中間中心勢

中間中心性關注的是行動者之間的控制性，[18]該值越大，說明該行動者占據的位置越重要，控制信息傳播的能力越大。研究中發現:編號為001的博客中間中心性指標為2.016，其占據的位置相對于其他博客而言較為重要，能夠在一定程度上影響到信息的傳播能力，但這不意味著編號為001的博客能夠壟斷虛擬教師社群的信息傳播途徑。為了驗證該博客能否壟斷虛擬教師社群，在此引入“中間中心勢”指數的概念。

圖的中間中心勢指數是一個整體結構指針，該數值越大，說明網絡被個別人壟斷的可能性就越大。對虛擬教師社群進行弗里曼中間中心勢計算，得到網絡的中間中心勢指數為1.96%(見表2)，該數值非常小，說明該虛擬社群幾乎不存在被個別人壟斷的可能性，因此編號為001的博客不可能壟斷虛擬教師社群。

(3) 接近中心性

“點度中心性”刻畫的是局部的中心指數，測量的是網絡中行動者自身的交易能力，沒有考慮到能夠控制他人。“中間中心性”雖然考慮到了這一點，但是并沒有考慮到避免受到控制。[19]如果網絡中的行動者在交易的過程中較少依賴于其他行動者，那么該行動者也就具有較高的中心性，這種中心性就是“接近中心性”。

“接近中心性”關注的是行動者之間的獨立性，測量的是網絡中的行動者在交易過程中不受其他行動者控制的程度。該數值越小，說明該行動者越居于核心位置，從而越不受控制。由計算結果可以看出，按照“不受控制”程度排列，最不受控制的博客為007，其余依次是024、005、437、031(見表4)。雖然這幾個博客的接近中心性較高，由于其點度中心性、中間中心性都很低，因此其所處的網絡位置也不具有優越性，并不能影響到信息的傳播范圍。

4 網絡位置分析

網絡位置指的是具有類似的社會活動關系的行動者集體，強調他們具有結構上的相似性。[20]在社會網絡分析中，“相似性”就是指等價性，主要包括三種形式的等價性:“結構對等性”、“自同構對等性”和“規則對等性”。這三類相似性的抽象程度不同，前者最為具體。在此研究中，使用“結構對等性”這個概念來分析虛擬社群中各博客在網絡位置方面的相似程度。“多維量表法”(Multi-Dimensional Scaling，MDS)是“結構對等性”的分析方法之一，其最可用之處在于把行動者之間的關系截面中表現出來的“異同性”模式表達為一張空間圖(實質上是二維圖)，可以從圖中看到行動者之間的“遠近”，實際上，也就是行動者之間的相似程度有多大。越相似的對象，其兩點之間的距離越近;而相異的兩對象，其兩點之間的距離很遠。通常，不可能做到毫無失真地把數據壓縮到2維度之中，因此引入“壓縮指數”(stress)來刻畫失真量，該指數的取值范圍為(0，1)。

對虛擬社群進行非量綱(no-metric)MDS分析發現:“壓縮指數”(stress)為0.046(見圖3)，非常小，并沒有超出失真范圍，符合研究要求。觀察散點圖發現:虛擬社群中的博客呈環狀分布，大部分博客之間距離很近，可以認為這些博客在網絡位置、網絡角色方面的相似性較大。對于散落在環狀圖中間區域的點而言，其與中央區域、環狀區域的距離都較大，因而相似性較小。可見，該虛擬社群中的博客在對等性程度方面參差不齊。這就意味著每個博客的網絡位置、網絡角色各不相同，而且不可能存在影響力類似的博客，也就不存在可以相互替代的情形。

四 研究結論

研究發現，博聯社虛擬教師社群內博客的鏈接度普遍偏低，存在“意見領袖”現象，但是充當“意見領袖”的博客只有一個，并且其點度中心性、中間中心性、接近中心性都不高，并沒有占據網絡中的有利位置，只是相對意義上的“權威”。《2008-2009年博客市場及博客行為研究報告》指出博客數量劇增，博客活躍程度得到了進一步提高，但是從本研究中可以發現:博客活躍性的進一步提高，并沒有改變博客之間以單向、分散交流為主的現實，也沒有帶來博客鏈接的高緊密度，虛擬社群在信息共享方面比較薄弱。通過研究分析博客空間的內容，我們發現雖然該虛擬社群的博主所從事的職業相同，但由于其職業定位、任職地點等因素的差異，造成其關注點不同，虛擬社群中內容相似的博客空間并不多，這往往就會造成博主更新了空間，但無人問津或者是無法在虛擬社群中找到共同關注點的情形。博客的點入度、點出度較低，說明這種情況在虛擬社群中普遍存在。另外，由于博客本身功能的不完善，比如，為數眾多的博主無法相對容易、及時地獲知博客空間的更新信息，也促使博客之間的交流互訪不易實現。博客關注點的差異、博客之間客觀存在的弱鏈接關系以及博客功能的不完善等，這些可能是導致博客世界聯系稀疏乃至斷層現象的原因，博客活躍性良好其實是一種表面現象。虛擬社群也幾乎不存在向心性，也就是不存在被個人壟斷的可能性，這可能與該虛擬社群的組建形式有關。該虛擬社群中幾乎不存在相同的主題，也就不可能出現“趨同性”，更不可能出現“名人”壟斷虛擬社群信息的可能。

綜上所述，具有強大影響力的博客除了要處在活躍程度較大的虛擬社群中之外，自身還必須具備較高的點入度、點度中心性、中間中心性、接近中心性。既符合“意見領袖”的標準，又占據有利的“網絡位置”。由此可見，虛擬社群中的“博客”并不存在“權威”位置，也就是說，通常情況是很難提高虛擬社群中博客的影響力，這表明虛擬社群中博客的“定向”傳播價值和“聚合”影響力不大，其商業價值有待于適切性挖掘。

參考文獻

[1] Michael Chau，Jennifer Xu.Mining communities and their relationships in blogs:A study of online hate group[J].International Journal of Human-Computer Studies，2007，65:57.

[2] 劉津.博客傳播[M].北京:清華大學出版社，2008:4，1.

[3][5] 2008年-2009年博客市場及博客行為研究報告[EB/OL].

[4] 周濤.Wiki社群的社會網絡分析[D].上海:華東師范學，2005.

[6][9][16][19] 劉軍.社會網絡分析導論[M].北京:社會科學文獻出版社，2004:62，63，116，126-127.

[7][17][18][20] 林聚仁.社會網絡分析:理論、方法與應用[M].北京:北京師范大學出社，2009:83，116，116，157.

[8] Liton C.Freeman.Visualizing Social Networks[J].Journal of Social Structure，2000，(1).

[10] Robert Hanneman Mark Riddle.Introduction to Social Network Methods

[EB/OL].

[11] 齊心.走向有限社區——對一個城市居住小區的社會網絡分析[M].北京:首都師范大學出版社，2007.

[12] 約翰#8226;斯科特著，劉軍譯.社會網絡分析法[M].重慶:重慶大學出版社，2007:57.

[13] 陳向東，郭欣，楊慧慧等.基于協作過程的反思性學習研究[J].現代教育技術，2008，(5): 45.

[14] 甘丹.博客世界交流模式的社會網絡分析[D].濟南:山東大學，2007.

[15] 羅家德.社會網分析講義[M].北京:社會科學文獻出版社，2005:150.