基于社會網絡分析的大學生現實與虛擬社會人際關系研究

郭金龍　陸宇杰　許鑫

【摘要】文章以某研究生班級為研究對象，利用社會網絡分析方法，從強情感支持和弱情感支持兩個方面對學生在現實社會與虛擬社會中的人際關系進行了定量分析，結果表明在當前網絡環境下，大學生的人際交往呈現了一些新的特征；虛擬社會的人際關系是現實社會人際關系的延伸：同時，強情感關系與弱情感關系之間亦具有顯著相關性。

【關鍵詞】大學生；人際關系；社會網絡分析；現實與虛擬社會

【中圖分類號】G40－057【文獻標識碼】A【論文編號】1009－8097（2012）12－0091－05

一、引言

隨著博客、微博、即時通訊工具、SNS等Web2.0工具的進一步發展，網絡在人們的工作和生活中扮演著越來越重要的角色。然而網絡在給人們帶來豐富多彩生活的同時，也帶來了很多負面的影響和社會問題。作為國家未來建設棟梁之才的大學生是網民中最活躍的群體，網絡對他們的生活和學習造成什么樣的影響，越來越引起人們的關注。在新的網絡環境下，大學生的虛擬人際關系是否呈現一些新的特征，其對大學生現實人際關系產生了哪些影響，這些都是本文要探究的問題。

為了具體探討大學生現實與虛擬人際關系的不同特征，本文把大學生人際關系劃分為強情感關系和弱情感關系，詳細探究了現實與虛擬社會中這兩個人際關系維度的不同特征以及相互關系。在研究方法上主要利用了社會網絡分析的整體網絡分析法，從整體網絡分析視角在關系層面上分析了班級的整體人際關系結構特征，并對現實與虛擬的多個維度的人際關系進行了相關性分析。在虛擬情感關系的測度中，本文還創新性地利用了網絡虛擬社區中的鏈接關系數據，探討了其用于虛擬人際關系測度的可行性。

本文的研究意義在于，一方面可以使高校管理者、學生輔導員等對大學生的管理與培養更具針對性，促進大學生現實人際關系更加和諧地發展；另一方面可以引導大學生更合理地使用各種網絡工具，促進其學業以及現實人際交往。

二、相關研究

近年來利用社會網絡分析這一新的方法對大學生人際關系及社會網絡相關的問題進行研究的論文逐漸增多。早在2001年，羅家德等就用社會網絡分析方法探討了虛擬人際關系是否獨立于現實人際關系的問題。此后，相關學者利用社會網絡分析對大學生人際關系進行了一系列研究和探討。鄭思明等在《從社會網絡分析的視角看青少年人際關系》一文中介紹了目前的青少年社會網絡研究概況，并通過社會網絡分析的視角初步探索了青少年的人際關系整體面貌。葉新東等通過調查獲得大學生班級的社會網絡概況，并重點關注大學生由于學習交流所形成的社會網絡，同時對它與學生的學習成績的相關性進行了研究，得出了兩者具有較為顯著的正相關性的結論。馮銳等以大學某一班級為研究對象，利用社會網絡分析方法，對學生在虛擬社會與現實社會中的情感支持、學習互助兩個方面進行了人際關系量化分析。研究表明，該班級學生在虛擬與現實中的人際關系在情感支持與學習互助方面存在顯著差異。王炳成等以某大學物流管理專業44名本科生為研究對象，收集了該班級學生咨詢、信任與友誼三個方面的關系數據，探討了大學生友誼形成過程中咨詢與信任的作用。研究利用Ucinet6軟件中的QAP方法進行了矩陣相關性檢驗，用階層回歸分析及MRQAP方法對關系數據進行了回歸檢驗，得到三個結論：（1）大學生之間的咨詢關系正向作用于友誼關系；（2）大學生之間的咨詢關系正向作用于信任關系；（3）信任關系將在大學生的咨詢關系對友誼關系的作用中起到部分中介作用。

現有的利用社會網絡分析方法對大學生人際關系的相關研究取得了顯著的成果。然而尚沒有研究把大學生人際關系放在新的Web2.0的環境下去考察，探究其在新的網絡環境下的不同特征。本文將對Web2.0環境下大學生現實與虛擬人際關系的特征進行比較，并從強情感支持和弱情感支持兩個維度進行具體分析。在虛擬人際關系的測度中，本文還考察了網絡虛擬社區中成員之間交互形成的鏈接關系這一客觀指標，探討其作為量化虛擬人際關系數據的可行性。

三、研究設計

1、研究內容

組織行為學者魁克哈特將組織社會網絡分為三種：一種是友誼網絡，一種是情報網絡，一種是咨詢網絡。而美國學者莫雷諾創立的社會測量法則把社會網絡的維度劃分成：溝通網絡、知曉網絡、知識網絡、咨詢網絡。本研究以大學生為調查對象，對大學生人際網絡維度的研究主要聚焦在情感支持。我們將現實與虛擬社會中的人際情感支持劃分為強情感支持和弱情感支持。強情感支持包括了一些較親密的情感行動和情感支持話語，如“倒苦水”、“借錢”、“聊八卦”等。弱情感支持則指一般的人際交往活動，如“一起活動”、“吃飯”、“討論課業”等。

因此本文的主要研究內容包括：（1）某班級學生現實與虛擬社會中強情感支持網絡與弱情感支持網絡構成的人際關系的基本情況；（2）現實與虛擬人際關系的相關性探究；（3）強情感支持與弱情感支持之間的關系。

2、研究對象

本研究隨機選擇了我校研究生二年級某班級的全體同學作為調查對象。以研究生某班級為實證研究對象主要是經調查，我校研究生班級中個人電腦擁有率是100％，且各種網絡應用如即時通訊類（QQ、MSN、飛信）、社交網絡類（人人網、QQ校友）等已經相當普遍，使得虛擬人際關系的測定具有現實意義。選取的班級共有17名學生，年齡分布在23-25之間，男女比例為6：11。

3、數據收集與處理

本研究中關系數據的獲取主要來自調查問卷，問卷的回收率為100％。問卷的設計參考了羅家德一文中的問卷，并根據本研究的實際情況做了適當改進。問卷共包括了10道題目，通過一些看似簡單隨意，但深度不斷增加的問題，測度了該班級學生強情感支持和弱情感支持的基本狀況，這樣得到了現實和虛擬社會中強情感支持和弱情感支持4個社會網絡的關系矩陣。接下來的數據分析均是基于以上4個原始矩陣進行的。對得到的有效樣本數據，本研究統一采用UCINET軟件進行數據分析。

另外，本研究在虛擬人際關系的測度中，還使用了網絡虛擬社區中成員之間相互評論、回復構成的鏈接關系數據。鏈接關系數據的優勢在于對虛擬人際關系反映的客觀性。研究采集了該班級一段時間（2010年9月5日至2011年1月13日）內人人網日志和狀態的回復關系。這里的鏈接關系統計了交互的次數，因此將構建一個多值的關系網絡，對關系的強度進行了量化。在相關性分析中，為了與其他類型的網絡進行對比，對其進行了歸一化處理。

4、研究方法

本文主要運用了社會網絡分析的整體網絡分析法，從整體網絡分析視角對該班級的整體人際關系進行研究，運用的主要社會網絡分析指標和方法包括：社群圖法、網絡密度、中心性、矩陣相關性分析等。

（1）社群圖

社會網絡的形式化表達方式有兩種：社群圖法和矩陣代數法。利用社群圖法表示關系網絡具有簡潔、清晰的有點，網絡節點關系一目了然，網絡結構特征能夠比較明顯的呈現出來。本研究利用社群圖展示并對比了不同人際網絡的結構特征。

（2）網絡密度

密度是網絡中人際關系的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。一定規模群體的成員之間聯系越多，網絡的密度就越大。通過密度指標可以考察現實與虛擬環境中兩種人際網絡的交流頻率。

（3）中心性

中心性分析是判斷行動者在整體網絡中的重要性的最普遍的方法。主要有中心度（centrality）和中心勢（centralization）兩個指標。個體的中心度測量個體或結點處于網絡中心的程度，反映了該點在網絡中的重要程度。中心勢指的是是整個網絡的集中趨勢。本文的中心性分析選擇點度中心性。點度中心性越高者，表示其在網絡中與較多的行動者有所關聯，在團體中具有較高的影響力。平均點度中心度則是個點度中心度的平均值。

（4）矩陣相關性分析

矩陣相關性方法可以用來分析關系數據之間的相關性。在本研究中我們利用UCINET中的OAP（QuadraticAssignmentProcedure，即二次指派程序）方法來分析矩陣之間的相關性，探究虛擬與現實社會中兩種網絡之間的相互關系和影響。

四、數據分析與討論

1、強情感關系網絡

現實的強情感關系我們選擇了“向誰吐苦水”、“曾跟誰借錢”、“向誰打探八卦”等問題進行測度。在虛擬網絡中我們選擇了“和誰談心事”、“和誰聊天”等問題來測度虛擬的強情感關系。測得的關系數據，經過了歸一化處理。即，相互間交互次數超過1的均記作1。圖1和圖2分別給出了該班級可視化的現實和虛擬強情感關系網絡圖。由圖可以直觀地看出，該班級整體情感支持網絡較為豐富，表明該班級整體氛圍良好，大家的相處較融洽。

表1的數據給出了現實與虛擬強情感網絡的一些特征指標。現實強情感網絡的密度高于虛擬強情感網絡的密度，表明強情感關系的維系主要還是現實中的接觸和聯系。然而，不低的虛擬強情感網絡密度亦表明，網絡越來越成為情感交流與溝通的重要工具。

從點度中心勢的結果來看，現實的強情感網絡有較強的中心勢，即網絡有較明顯的中心趨向。從圖1也可以明顯地看到，10號是該圖的一個中心。表明該班級中存在一些人際關系較好的“核心人物”。中心度的分析分析結果表明，中心度排名前5位的“核心人物”分別是10號、3號、1號、5號和13號。虛擬的強情感網絡中心勢相對較低，但是中心傾向也較明顯，中心度排名前5為的“核心人物”分別是5號、3號、16號、17號和14號。我們看到現實與虛擬強情感關系的“核心人物”有一定的重疊，如3號、5號等。表明現實中的影響力會帶到虛擬的人際關系中。

2、弱情感關系網絡

弱情感關系這里指的是一般的人際交往關系。現實的弱情感關系我們以諸如“一起活動”“一起吃飯”“課業咨詢”等問題進行測度；而虛擬的弱情感關系則以“信息傳遞”、“課業咨詢”等問題進行測度。具體地如“您經常跟班上哪些人透過網絡（QQ、社交網絡等）傳遞信息”、“課業遇到問題時，您曾透過網絡跟誰請教”等。同樣的，測得的關系數據，經過了歸一化處理。即，相互間交互次數超過1的均記作1。

3、鏈接關系網絡

這里的鏈接關系是該班級同學在人人網中互相回復、評論等形成的記錄。理論上說，這里的鏈接關系是量化虛擬人際關系的重要數據，因為與通過問卷測度虛擬人際關系相比，它更具客觀性。鏈接關系客觀地記錄了在虛擬網絡社會中成員之間的交互情況。

我們采集了一段時間內該班級同學在人人網中狀態、日志、相冊的相互回復情況，并進行了歸一化處理，得到了圖5所示的鏈接關系網絡圖。

由圖3和圖4可以很明顯地看出，現實與虛擬的弱情感網絡差異非常大。虛擬的弱情感網絡非常緊密，其網絡密度達到了0.7353，而現實的弱情感網絡密度僅有0，2206（見表2）。這表明，在虛擬的網絡社會中，人際交往的成本大大降低。如通過回復彼此的狀態、日志、相冊等，可以方便地表示對好友的關注。而網絡通信的便捷性，也方便了虛擬社會中的信息傳遞。經測度，虛擬弱情感關系網絡的可達性達到了100％，即通過該網絡任何信息均可暢通無阻地傳遞到每一個人。

從中心勢的數據來看，虛擬弱情感網絡的中心勢只有9.17％，充分體現了網絡的去中心化趨勢。表明在網絡中，信息的傳遞處于一種對等的態勢，每個人都既是信息的接受者又是信息的發布者。現實的弱情感網絡中心勢相較強情感的兩個網絡，中心勢也不明顯。這也符合我們的常識，較弱的情感聯系沒有形成明顯的“核心人物”。中心度的結果表明，虛擬弱情感網絡中，前9個人的中心度均達到了最大值。現實弱情感網絡中中心度排名靠前的分別是1號、5號、13號、14號和17號。比較發現，這與現實強情感網絡的核心人物亦有較大的重疊，如1號、5號、13號。這表明，弱情感關系與強情感關系存在著一定的相關性。本文第4節將詳細探討現實與虛擬情感網絡以及強情感與弱情感網絡之間的相關關系。

表3同樣給出了該人際網絡的一些指標。可以看到，人人網社區的鏈接關系表明，無論從網絡密度還是中心勢來看，該鏈接網絡均更接近于前面的強情感網絡的特征。“核心人物”也與現實中兩個情感網絡多有重疊，如13號、1號。這表明網絡虛擬社區，尤其是這里的人人網，更傾向于是一個熟人的圈子，而不是一個泛化的社交網絡。

4、相關性分析

前面討論了現實與虛擬社會中強情感和弱情感網絡的具體特征，初步表明現實與虛擬情感網絡具有的一致性。本節通過矩陣相關性分析，詳細分析其相關關系。利用UCINET中的QAP方法，我們得到了如表4所示的相關性分析結果（皮爾森相關系數，括號中為顯著性）。

1、現實與虛擬人際關系的一致性

由前面的分析已經可以看出，虛擬與現實中的“核心人物”或稱“意見領袖”多有重疊。這里的相關系數進一步證明我們的分析。即整體而言，一個行動者在網下會有怎樣的網絡特質，其在網上也有相同的特質。我們看到現實強情感網絡與虛擬強情感網絡相關系數達到了0.571。另外，現實弱情感網絡傾向于發展成虛擬的強情感網絡，相關系數達到了0.584。這表明現實中的弱情感關系可以通過網絡增強和維系。

2、強情感關系與弱情感關系的一致性

由表4可知，現實強情感關系與現實弱情感強相關，相關系數達到了0.673。這表明強情感關系影響弱情感關系，情感關系好的成員傾向于一起討論課業問題、一起活動、吃飯等。虛擬強情感與現實弱情感的強相關（0.584）也說明了這一點。

3、鏈接關系與虛擬強情感關系輕微相關

鏈接關系與其他4個網絡相關性的結果表明，其與其他4個網絡沒有明顯的相關性，僅與虛擬強情感有輕微的相關性。這可能由于成員利用網絡社區的頻率、喜好等不一致導致的。因此，定量、客觀的網絡社區鏈接關系只有足夠豐富才能用作虛擬人際量化的一個補充。隨著網絡社區的快速發展，我們認為這在不久的將來是可行的。

五、結論與建議

1、人際關系的新特征

在Web2.0時代的新的網絡環境下，大學生的人際關系呈現了一些新的特征。如弱情感網絡的高密度表明網絡交流已經成為大學生的主要交流方式，現實中的人際交流相對變少了。因此應鼓勵大學生更多地進行面對面的交流，這樣更利于健全人格的培養。

2、現實與虛擬的一致性

本文的研究表明，網絡的人際關系是現實人際關系的一種延伸，行動者在網下有怎樣的人際特征，其在網上也有類似的特征。研究結論與羅家德等基本一致。高校管理人員在虛擬社會中可以給予學生更多的支持和引導，引導其合理地使用網絡，不至于荒廢學業。

3、強情感關系與弱情感關系顯著相關

相關性研究結果表明，情感關系好的成員傾向于一起討論課業問題、一起活動等。因此維持好的情感關系，有助于促進學業的進步和個人的成長。構建和諧的人際關系要同時關注兩方面情感關系的培養。

六、結束語

社會網絡分析方法為現實與虛擬人際關系的定量分析提供了可行的思路，本文的研究只是一個個案研究，樣本量相對較小，但其結論仍給社會人際關系研究帶來了新的思考。關于現實與虛擬人際關系的定量研究還需要更多的實證和實例研究來證實。后續的研究包括：

（1）擴大樣本量，對其他團體的社會網絡關系進行對比研究。

（2）搜集更全面的網絡關系數據，按照時間序列構建不同階段的網絡結構圖，觀察網絡人際關系結構的動態變化。