基于Web of Science數(shù)據(jù)庫的社交媒體研究現(xiàn)狀與趨勢的可視化分析

彭 松

（武漢大學新聞與傳播學院 武漢 430072）

移動互聯(lián)網(wǎng)時代，除了網(wǎng)上購物和收集信息外，人們現(xiàn)在更多地使用互聯(lián)網(wǎng)去進行社會交際，從而擴大自己的朋友圈[1]。以微信為代表的社交媒體不僅成為人們?nèi)粘Ｉ钪袦贤ń涣鞯闹匾ぞ撸€是場景時代連接人與人、人與商業(yè)的基礎(chǔ)設(shè)施。

2017年1月，第39次全國互聯(lián)網(wǎng)發(fā)展統(tǒng)計報告顯示，截至2016年12月，中國網(wǎng)民規(guī)模達到7.31億，相當于歐洲人口的總量，互聯(lián)網(wǎng)普及率達到53.2%。僅僅過了半年的時間，2017年8月發(fā)布的第40次全國互聯(lián)網(wǎng)發(fā)展統(tǒng)計報告顯示，截至 2017 年 6 月，我國網(wǎng)民規(guī)模達到 7.51 億，半年共計新增網(wǎng)民 1992 萬人?；ヂ?lián)網(wǎng)普及率為 54.3%，較 2016 年底提升 1.1 個百分點[2]。

分析全球范圍內(nèi)迅猛增長的網(wǎng)民在互聯(lián)網(wǎng)場景下的社交行為，我們會發(fā)現(xiàn)，社交網(wǎng)站和即時通信是兩大主要的聯(lián)系工具[3]。

社交媒體（Social Media）又名社會化媒體，是指一系列建立在Web 2.0技術(shù)和意識形態(tài)基礎(chǔ)上的網(wǎng)絡(luò)應用集合體，允許用戶創(chuàng)造和交流生產(chǎn)內(nèi)容[4]，其出現(xiàn)的時間距今不過十多年的時間。流行的社交媒體傳播介質(zhì)包括了 Blog、Vlog、Podcast、Wikipedia、Facebook、Plurk、Twitter、Google+、Instagram、Snapchat、Secret、Whispe、Yik Yak、微信等，某些網(wǎng)站也加入了類似功能，例如百度、Yahoo! Answers、EHow、Ezine Articles。雖然社交媒體已經(jīng)極大對改變了當今社會的商業(yè)模式和人們的生活方式，但對社交媒體研究方面的最新動態(tài)卻缺乏相應的論述，研究的熱點主要聚焦在哪些方面？又呈現(xiàn)出什么樣的發(fā)展態(tài)勢？為了厘清社交媒體研究的發(fā)展脈絡(luò)，探究國際團隊對社交媒體的最近研究動態(tài)，文章以CiteSpaceⅢ作為研究工具，對Web of Science（WoS數(shù)據(jù)庫）數(shù)據(jù)庫中有關(guān)社交媒體研究的數(shù)據(jù)進行可視化分析，以期為今后相關(guān)研究和實踐的開展提供借鑒。

1 數(shù)據(jù)來源與研究方法

文章以湯森路透集團提供的大型引文索引數(shù)據(jù)庫平臺Web of Science為數(shù)據(jù)源，數(shù)據(jù)采集檢索策略為“標題=（‘social media’or ‘social network site’）；入庫時間 =1900—2015；數(shù)據(jù)庫 =SCI- EXPANDED ，SSCI，A&HCI”，檢索得到的4 054篇文獻類型包括論文、程序文件、編輯材料、會議摘要等（見圖1）。用文獻類型定義為Article、語種定義為English進行精煉后，共有1 916條記錄符合條件。選擇可視化軟件CiteSpaceⅢ，將論文的題錄數(shù)據(jù)輸入軟件，主要包括標題、關(guān)鍵詞、摘要和參考文獻等，然后設(shè)定好選項進行分析。

圖1 社交媒體研究論文的文獻類型分布情況

2 社交媒體研究的時間分布

衡量某領(lǐng)域發(fā)展的重要指標就是學術(shù)論文數(shù)量的變化，對其文獻分布作歷史的、全面的統(tǒng)計，繪制相應的分布曲線，為評價該領(lǐng)域所處的階段，預測發(fā)展趨勢和動態(tài)具有重要意義[5]。在WoS數(shù)據(jù)庫中，雖然”Social Media”一詞最早出現(xiàn)在1960年6月de PEREIRA， A S發(fā)表的期刊論文《對外科手術(shù)在病人、社會媒體、科學研究三者之間關(guān)系的反思》（Reflections on Surgery in its Relation to the Patient， to Social Media and to Scientific Research），但是這篇文章的語種是葡萄牙語，而且聯(lián)系上下文可知，該文中的“Social Media”的含義等同于“Media”。從圖2可知，在文獻類型為Article的英文文獻中，對社交媒體的研究起步較晚，最早的論文是2005年9月Van Rompaey等人發(fā)表在《通信網(wǎng)絡(luò)雜志》（Journal Of The Communications Network）上的《超越營銷：定性用戶體驗研究技術(shù)在社交媒體上的應用》（Beyond Marketing. Applying Qualitative User Experience Research Techniques on Social Media Applications）。文章基于幾項在改善新的社交媒體概念的闡述和搜索方面的用戶體驗研究技術(shù)，探討了定性分析的結(jié)果，旨在更好地了解人們?nèi)绾瓮ㄟ^使用新的社交媒體應用軟件獲得并維系社交關(guān)系；文章還設(shè)計并驗證了一個專門的方法框架，讓工程師、設(shè)計師、社會學家從社交應用軟件設(shè)計之初就參與其中，確保一個交叉學科的方法[6]。隨后雖然也陸續(xù)有研究者關(guān)注到這一領(lǐng)域，但直到2010年以后，對社交媒體的研究才開始大量涌現(xiàn)。隨著社交媒體對商業(yè)模式及人們?nèi)粘Ｉ钣绊懙倪M一步加劇，以及媒介融合進程的加快，未來幾年內(nèi)，社交媒體依然是研究熱點，全球范圍內(nèi)有關(guān)社交媒體研究的論文呈高速增長的態(tài)勢（見圖2）。

圖2 社交媒體研究論文的年度分布

除學術(shù)論文的數(shù)量外，學術(shù)論文的被引情況也是反映某領(lǐng)域研究進展的重要指標?；赪oS數(shù)據(jù)庫自帶的分析功能，論者對檢索結(jié)果分析后發(fā)現(xiàn)，在文章選擇的1 916個樣本中，被引頻次總計11 570次，去除自引的被引頻次總計8 922次；施引文獻6 967次，去除自引的施引文獻5 969次；每項平均引用次數(shù)6.04；H-index為41。圖3反映了社交媒體研究領(lǐng)域的文章被引情況。通過和圖2對比可以發(fā)現(xiàn)，對社交媒體研究的學術(shù)論文的發(fā)表數(shù)量與文獻的被引數(shù)量呈正相關(guān)，兩者均是在2010年以后迅速增長，并在2015年達到峰值。

圖3 社交媒體研究被引論文的年度分布

3 社交媒體研究的空間分布

（1）學科分布。根據(jù)WoS數(shù)據(jù)庫的學科分類體系，相關(guān)論文涉及144（Nodes=102， Links=336）個學科。圖4展示了各學科的發(fā)文量（用年輪的大小表示），學科之間的連線表示學科聯(lián)系（因為一些論文著錄有多個學科）。中心度大小一定程度上說明相關(guān)研究中各學科之間的聯(lián)系程度，圖4中心度最大的依次為社會科學其他主題、計算機科學、心理學、傳播學、工程學、商業(yè)與經(jīng)濟學、環(huán)境科學與生態(tài)學、數(shù)學與計算生物學等，說明社交媒體的研究主要集中在這些領(lǐng)域，同時常常涉及其他學科的研究內(nèi)容。表1列出了發(fā)文量最大的前20個學科（發(fā)文量≥40篇)。由表1可知，社交媒體作為網(wǎng)絡(luò)應用集合體，在計算機科學領(lǐng)域發(fā)文數(shù)量最多，達到360篇。同時，社交媒體作為一種重要的社交工具，兼具即時通信等功能，又是信息資訊的集散地，在人與人溝通交流方面起到了舉足輕重的作用，因而在傳播學領(lǐng)域發(fā)文數(shù)量位居第二。社交媒體還重構(gòu)了人與商業(yè)的連接，是萬物智能與萬物互聯(lián)生態(tài)中的重要一環(huán)，具有極大的商業(yè)價值并促進了商業(yè)模式的變革，因而在商業(yè)與經(jīng)濟學領(lǐng)域發(fā)文量也很大，緊隨傳播學之后。這種研究的集中度在圖4中也得到了很直觀的呈現(xiàn)。值得注意的是，圖書情報學、商學等學科的發(fā)文量雖名列前茅，其中心度卻相對較低，部分學科雖然論文數(shù)量較少（如環(huán)境科學與生態(tài)學29篇、數(shù)學與計算生物學7篇），但其中心度卻分別達到了0.12和0.10，是社交媒體研究中的關(guān)鍵點，在跨學科交流與合作中發(fā)揮了重要作用。

圖4 社交媒體研究的學科分布圖譜

表1 社交媒體研究論文分布前20強的學科

（2）國別分布。在進行數(shù)據(jù)分析時，將網(wǎng)絡(luò)節(jié)點設(shè)置成“Country”，然后運行CiteSpaceⅢ，可以得到有關(guān)國家研究實力分布圖譜（見圖5）。圖5中每個節(jié)點代表一個國家（地區(qū)），節(jié)點的大小代表該地域的發(fā)文量，節(jié)點越大，則該國家發(fā)文量越多。節(jié)點間的連線代表地域間的合作關(guān)系，連線的粗細代表地域間的合作次數(shù)，連線越粗，則地域間合作越密切。國家名稱的大小代表其中心度。

本研究選中的1 916個樣本的作者分布在全球68個國家或地區(qū)（Nodes=68， Links=145），其中美國以905篇的數(shù)量遙遙領(lǐng)先，英國和中國分別以149和144篇的發(fā)文數(shù)量位列二三名。表2列出了發(fā)文量最大的前18個國家或地區(qū)（發(fā)文量≥20篇)。透過表2可知，美國對社交媒體的研究始于2008年，其發(fā)文數(shù)量和文章中心度均遙遙領(lǐng)先于其他國家或地區(qū)，這與美國孕育了諸如Facebook、Twitter等具有世界影響力的社交媒體的產(chǎn)業(yè)實踐密不可分。英國的發(fā)文數(shù)量和文章中心度僅次于美國。雖然中國對社交媒體的研究起步較晚，但也以144篇的論文發(fā)表數(shù)量緊隨英國，位居季軍，表明中國的研究與國際合作較多。瑞典的中心度為0.14，僅次于美國和英國，為關(guān)鍵點，成為多國合作和交流的橋梁。

圖5 社交媒體研究的地域共現(xiàn)網(wǎng)絡(luò)圖譜

表2 社交媒體研究論文分布前18的國家或地區(qū)

借助WoS數(shù)據(jù)庫自帶的分析工具，對研究樣本中的基金資助機構(gòu)分析后發(fā)現(xiàn)，1916個樣本中有1465 篇論文得到過642個基金資助機構(gòu)的經(jīng)費支持（見表3），受資助比例占樣本總量的76.461%。表3列出了對社交媒體研究提供經(jīng)費支持前6強的基金資助機構(gòu)的名單，分別為中國國家自然科學基金（NATIONAL NATURAL SCIENCE FOUNDATION OF CHINA）、美國國家科學基金會（NATIONAL SCIENCE FOUNDATION，簡稱NSF）、歐洲聯(lián)盟委員會（EUROPEAN COMMISSION）、中央高?；究蒲袠I(yè)務(wù)費專項資金（FUNDAMENTAL RESEARCH FUNDS FOR THE CENTRAL UNIVERSITIES）、中國國家重點基礎(chǔ)研究發(fā)展計劃（NATIONAL BASIC RESEARCH PROGRAM OF CHINA）。在6強榜單中，中國占據(jù)四個席位，共向61項研究提供了經(jīng)費支持，其中中國國家自然科學基金以對44項研究的支持數(shù)量領(lǐng)跑?？梢哉f，中國大陸在社交媒體研究領(lǐng)域所取得的成就，離不開國家相關(guān)基金提供的經(jīng)費扶持。

表3 對社交媒體研究提供經(jīng)費支持前6強基金資助機構(gòu)的名單

此外，對受資助研究的進一步分析可以發(fā)現(xiàn)，一項研究得到多個基金資助機構(gòu)資助的情況并不罕見，甚至一項研究可以同時得到好幾個國家或地區(qū)的基金資助機構(gòu)提供的經(jīng)費支持。如《信息過載條件下社交媒體中的注意力爭奪》（Competing for Attention in Social Media under Information Overload Conditions）一文，同時得到了Singapore National Science Foundation Grant “Econophysics and Complex Networks”、China National Science Foundation、Fundamental Research Funds for the Central Universities、Defense Threat Reduction Agency (DTRA)、Office of Naval Research (ONR)、National Science Foundation (NSF)、European MULTIPLEX、LINC、CONGAS Projects、Israel Science Foundation、FONCyT PICT 等 10家基金資助機構(gòu)的資助。

圖6 社交媒體研究發(fā)文機構(gòu)知識圖譜

（3）機構(gòu)分布。為了探究研究機構(gòu)的分布情況，將網(wǎng)絡(luò)節(jié)點設(shè)置成“Institution”， 然后運行CiteSpaceⅢ，從而得出從事社交媒體研究的機構(gòu)分布圖（見圖6）。圖6中每個節(jié)點代表一個研究機構(gòu)，節(jié)點的大小代表該機構(gòu)的發(fā)文量，節(jié)點越大，則該機構(gòu)發(fā)文量越多。節(jié)點間的連線代表機構(gòu)間的合作關(guān)系，連線的粗細代表機構(gòu)間的合作次數(shù)，連線越粗，則機構(gòu)合作越密切。通過分析可知，本研究樣本選取的1916篇論文出自362所研究機構(gòu)，但單位兩兩之間的合作只有76次（Nodes=216， Links=76）。由于研究機構(gòu)分布很分散，相互間的合作較少，單一研究機構(gòu)的發(fā)文量不大，故而知識圖譜中研究機構(gòu)間的節(jié)點很少，研究機構(gòu)多以孤立形式存在。

發(fā)文量可在一定程度上代表機構(gòu)在該領(lǐng)域的研究實力，表4中列出了論文發(fā)表數(shù)量排名前8的研究機構(gòu)（發(fā)文量≥15篇)。從表4中可以看出，發(fā)文量最多的前8家科研機構(gòu)中，美國科研機構(gòu)占據(jù)7個席位，其中威斯康辛大學以26篇的論文發(fā)表數(shù)量領(lǐng)跑，馬里蘭州大學攜20篇論文緊隨其后，賓夕法尼亞州立大學以19篇論文總量位居第三。這表明國際上對社交媒體的研究中，美國的科研機構(gòu)處于前沿陣地，這與上述美國的發(fā)文數(shù)量和文章中心度遙遙領(lǐng)先于其他國家或地區(qū)遙相呼應。荷蘭阿姆斯特丹大學憑借18篇論文數(shù)量擠進前8強，是歐洲在社交媒體研究方面實力最強的科研機構(gòu)。

表4 社交媒體研究發(fā)文量最多的機構(gòu)

（4）作者分布。為進一步探究研究社交媒體的作者分布狀況，這里將網(wǎng)絡(luò)節(jié)點分別設(shè)置成“Author”，然后運行CiteSpaceⅢ，可以得出從事社交媒體研究的作者分布表（Nodes=345， Links=208）。樣本選取的1 916篇論文由345名作者貢獻，共兩兩合作208次。由于研究社交媒體的機構(gòu)分布比較分散，這在一定程度上造成了研究者分布的分散，而知識圖譜主要展示的是機構(gòu)節(jié)點間的關(guān)系，因而這里沒有繪制社交媒體研究者的知識圖譜。表5中列出了發(fā)文量最多的前10位作者（發(fā)文量≥6篇）， 2014年才開始研究社交媒體的Liu Y以9篇論文位居榜首，Chen L和Liu H以7篇論文緊隨其后。Liu Y研究了社交媒體中的信息擴散模型，其代表作有《一種基于網(wǎng)絡(luò)社交媒體轉(zhuǎn)發(fā)機制的信息擴散模型》（An Information Diffusion Model Based on Retweeting Mechanism for Online Social Media）、《網(wǎng)絡(luò)社交媒體中一種基于真相影響的謠言擴散模型》（A Novel Rumor Diffusion Model Considering the Effect of Truth in Online Social Media）、《社交媒體中信息擴散與輿論演變的相關(guān)性研究》（Correlation Between Information Diffusion and Opinion Evolution on Social Media）。Chen L研究了社交媒體地理標記技術(shù)在旅游中的應用等問題，發(fā)表了《基于社交媒體地理標記數(shù)據(jù)挖掘的情境感知個性化旅游推薦系統(tǒng)》（A Context-aware Personalized Travel Recommendation System Based on Geotagged Social Media Data Mining）、《推薦游客在旅行中使用社交媒體標記照片的地理位置》（Travel Recommendation Using Geo-tagged Photos in Social Media for Tourist）。需要指出的是，Yong SD 、Trottier D和Sherbino J三位作者關(guān)于社交媒體研究發(fā)表均始于2015年，在這一年中，Yong SD發(fā)表了6篇，Trottier D和Sherbino各自發(fā)表了5篇，這表明目前對社交媒體的研究還處于起步階段，任何研究者都有成為該領(lǐng)域研究領(lǐng)秀的可能，社交媒體的發(fā)展已經(jīng)引起越來越多學者的關(guān)注。

表5 社交媒體研究發(fā)文量最多的作者

圖7 社交媒體研究的文獻共引圖譜

4 社交媒體研究的主題分布

（1）社交媒體的主流研究領(lǐng)域?！癈ited Reference”為文獻共被引分析功能，通過分析共被引網(wǎng)絡(luò)中的聚類及關(guān)鍵節(jié)點，可以揭示出某個研究領(lǐng)域的知識結(jié)構(gòu)[7]。為了探究社交媒體的主流研究領(lǐng)域，將網(wǎng)絡(luò)節(jié)點設(shè)定為“Cited Reference”，選擇適當閾值，然后運行CiteSpaceⅢ，即可得出輸出網(wǎng)絡(luò)所涵蓋的節(jié)點（Nodes=168）與連接線（Links=266）數(shù)，并得到社交媒體研究領(lǐng)域的文獻貢獻網(wǎng)絡(luò)時間序列圖譜（見圖7）。圖7中的每一個節(jié)點表示一篇文獻，圓圈的厚度與相應年份的引文數(shù)成正比。

為了更精準地呈現(xiàn)對社交媒體的主流研究領(lǐng)域，文中列出了社交媒體研究領(lǐng)域被引量不小于37次的高影響力作者（見表6）。其中，KAPLAN AM的論文在圖中節(jié)點最大，影響也最大。

表6 社交媒體研究作者被引論文頻次表

表7 社交媒體研究被引論文頻次表

通過對表6和圖7的信息綜合歸納分析不難發(fā)現(xiàn)，對社交媒體的研究主要集中在商業(yè)管理、計算機技術(shù)、媒體通信、信息情報、社會科學等領(lǐng)域。這點也可以從WoS數(shù)據(jù)庫中關(guān)于樣本文獻的出版物來源得到印證（見表7）。根據(jù)WoS數(shù)據(jù)庫的統(tǒng)計，研究樣本的1916篇論文中，有87篇出自COMPUTERS IN HUMAN BEHAVIOR，占總樣本數(shù)量的4.541 %。論文數(shù)量≥30篇的期刊還有PUBLIC RELATIONS REVIEW、JOURNAL OF MEDICAL INTERNET RESEARCH、PLOS ONE、GOVERNMENT INFORMATION QUARTERLY。

期刊是論文發(fā)表的重要載體，期刊共被引所反映的是各類期刊及學科間的關(guān)聯(lián)性，通過期刊共被引分析可以獲得某個研究領(lǐng)域的知識基礎(chǔ)分布[7]。將網(wǎng)絡(luò)節(jié)點設(shè)置成“Cited Journal”運用CiteSpaceⅢ分析后，可以得到社交媒體研究期刊被引知識圖譜（Nodes=318， Links=1138，見圖8）。從圖8中可知，被引次數(shù)超過200次的期刊有J COMPUT-MEDIAT和BUS HORIZONS。其他被引次數(shù)≥171次的期刊有：COMPUT HUM BEHAV、NEW MEDIA SOC、J COMMUN、J MED INTERNET RES、MIS QUART、COMMUN RES、J MARKETING RES、J MARKETING（見表8）。由此可以看出，無論是論文的被引頻次，期刊的被引頻次，還是期刊的中心度，大都集中在計算機科學、商業(yè)與經(jīng)濟學、傳播學等學科。

圖8 社交媒體研究期刊被引知識圖譜

表8 社交媒體研究被引期刊頻次表

圖9 社交媒體研究熱點時區(qū)視圖

（2）社交媒體研究的熱點。關(guān)鍵詞是作者對文章內(nèi)容的高度概括與凝練。在CiteSpace中，“Keyword”為關(guān)鍵詞共現(xiàn)分析功能，通過關(guān)鍵詞分析可以得到關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，此網(wǎng)絡(luò)可以反映出某一領(lǐng)域當前研究熱點及過去產(chǎn)生過哪些熱點研究[7]。此處將網(wǎng)絡(luò)節(jié)點設(shè)置成“Keyword”，選擇適當閾值，然后運行CiteSpaceⅢ，即可得到社交媒體研究熱點時間序列圖譜（見圖9）。

通過圖9不難發(fā)現(xiàn)，出現(xiàn)頻次最高的關(guān)鍵詞是社交媒體（Social Media），出現(xiàn)了988次，中心度為0.42，該詞與我們的檢索式一致（見表9）；出現(xiàn)頻率第二高的詞是互聯(lián)網(wǎng)（Internet），出現(xiàn)頻次為298，中心度為0.20；Online、Network、Technology、Web、Web2.0、Networking等詞的出現(xiàn)頻次也比較高，這表明社交媒體與互聯(lián)網(wǎng)有密切關(guān)系，因為社交媒體本身就是一組建立在Web 2.0思想和技術(shù)基礎(chǔ)上的基于互聯(lián)網(wǎng)的應用的集合 體。Facebook、Twitter、Communication、Information、Community等高頻詞匯則進一步闡釋了社交媒體的具體類型與功能，即以臉譜網(wǎng)和推特為代表的社交媒體不僅是人們進行即時通信和在線交流的工具，同時也可以在此基礎(chǔ)上形成虛擬社區(qū)，是信息的重要集散地。行為（Behavior）、模式（Model）、口碑營銷（Wordofmouth）等中心度較高的關(guān)鍵詞表明社交媒體的用戶行為與盈利模式在研究中處于中心地位。

表9 社交媒體研究關(guān)鍵詞頻次表

5 社交媒體研究的發(fā)展趨勢

科學文獻在發(fā)表后，隨著時間推移，相對于科學技術(shù)的快速發(fā)展，其內(nèi)容會逐漸變得陳舊過時[8]，而研究內(nèi)容的陳舊過時，具體體現(xiàn)在代表該研究內(nèi)容的詞匯或短語出現(xiàn)次數(shù)的變化[9]。利用CiteSpaceⅢ軟件可以對文獻的文本進行內(nèi)容分析，文本的內(nèi)容即主題詞全部來自于WoS數(shù)據(jù)庫中的題名（Title）、摘要（Abstract）、標識符（Descriptors）和描述符（Identifiers）。因此，文章在這里將網(wǎng)絡(luò)節(jié)點設(shè)定為“Term”，選擇適當闕值，結(jié)合軟件自帶的膨脹詞探測技術(shù)和算法，然后運行Cite SpaceⅢ，將頻次變化率高的詞從大量的主題詞中探測出來，從而根據(jù)詞頻的變動趨勢確定社交媒體研究的前沿領(lǐng)域（見圖10）。

圖10 社交媒體研究前沿領(lǐng)域圖譜

圖10較好反映了近十年來社交媒體研究領(lǐng)域的演化關(guān)系，其中主題詞的變化，較好反映了社交媒體研究領(lǐng)域中研究熱點的演進情況。從圖10中可以看出：2005年出現(xiàn)了第一個膨脹詞“社交媒體應用”（Socialmedia-application），表明學界和業(yè)界對社交媒體的關(guān)注是從其形態(tài)及用途開始的；2006-2008年期間出現(xiàn)的膨脹詞較少，僅有“通信技術(shù)”（Communication-technology）等詞，表明研究者對社交媒體的關(guān)注點開始從“功能”向“技術(shù)轉(zhuǎn)變”，這與社交媒體是依托互聯(lián)網(wǎng)作為傳播平臺的特性是分不開的，新媒體技術(shù)的進步必然會推動社交媒體形態(tài)與功能的變遷，因而對這一領(lǐng)域的研究是常研常新；2009-2010年期間，對社交媒體的研究得到了國內(nèi)外學者的廣泛關(guān)注，研究主題也更為多樣化，這一時期出現(xiàn)了“公關(guān)人員”（Public-relationspractitioners）、“大學生”（College-students）等事關(guān)社交媒體使用主體研究方面的膨脹詞，表明社交媒體將人的因素帶回到了數(shù)字化的互動中，隨著人們使用社交媒體行為的轉(zhuǎn)變，未來一段時間內(nèi)，對用戶社交媒體使用行為與偏好的研究將成為熱點；“非正規(guī)學習”（Informal-learning）、“社交媒體營銷”（Social-mediamarketing）等注重社交媒體商業(yè)價值和實用功能的膨脹詞的出現(xiàn)，表明隨著社交媒體發(fā)展的不斷成熟，其所附帶的商業(yè)屬性也日益凸顯，社交媒體與數(shù)字營銷、網(wǎng)絡(luò)公關(guān)傳播的聯(lián)姻也越來越密切；膨脹詞“社交網(wǎng)站”（Social-network-site；Social-networking-site）的存在，表明研究者對社交媒體的關(guān)注主要集中在社交網(wǎng)站領(lǐng)域，如何構(gòu)建切實可行的社交媒體盈利模式仍是學界和業(yè)界重點關(guān)注的話題。2011年以來，社交媒體研究領(lǐng)域幾乎沒有膨脹詞出現(xiàn)，表明此時期該領(lǐng)域的研究活動主要集中在對已有研究的探討上，研究前沿不甚明顯。

6 結(jié)語

文章基于信息可視化軟件CiteSpaceⅢ，對Web of Science數(shù)據(jù)庫中自1900年以來收錄的有關(guān)社交媒體研究的英文論文數(shù)據(jù)進行了可視化分析，通過考察文獻被引的知識圖譜，發(fā)現(xiàn)目前學術(shù)界在社交媒體領(lǐng)域的研究具有以下特點：

第一，從時間、地域和學科分布來看，學術(shù)界對社交媒體的關(guān)注基本與業(yè)界保持同步，并隨時間遞增，在地域空間內(nèi)集中以及學科范圍不斷擴張。相關(guān)文獻自2010年以來保持高速增長的態(tài)勢，主要集中在美國、英國、中國、澳大利亞、加拿大等國，美國一家獨大，中國雖然起步較晚，但也取得了一定的成績。在研究學科方面，主要聚集在計算機科學、商業(yè)與經(jīng)濟學、傳播學、圖書情報學、商學等人文社科領(lǐng)域，這與社交媒體是基于互聯(lián)網(wǎng)傳播的屬性與功能密不可分。

第二，由Cite SpaceⅢ工具生成的社交媒體共被引網(wǎng)絡(luò)知識圖譜可知，博伊德·丹雅M.（Boyd， Danah M.）等人在2007年發(fā)表的《社交網(wǎng)站：定義、歷史和學術(shù)》（Social Network Sites： Definition， History， and Scholarship）、史坦因費德·查爾斯（Steinfield， Charles）等人在2007年發(fā)表的《社會資本、自尊、在線社交網(wǎng)站的使用：縱向分析》（Social Capital， Self-esteem， and Use of Online Social Network Sites： A Longitudinal Analysis）、安德烈亞斯·卡普蘭（Kaplan， Andreas M）等人在2010年發(fā)表的《用戶的世界，聯(lián)合起來！社會媒體的挑戰(zhàn)與機遇》（Users of the World， Unite! The Challenges and Opportunities of Social Media）等都是社交媒體領(lǐng)域的關(guān)鍵節(jié)點文獻，這些文獻對于未來的社交媒體研究發(fā)展具有重大的參考引用價值。

第三，利用關(guān)鍵詞詞頻分析方法進行分析可知，社交媒體研究領(lǐng)域的熱點詞匯主要為“Social Media”（社交媒體）、“Internet”（因特網(wǎng)）、“Face Book”（臉譜網(wǎng)）、“Twitter”（推特）、“Communication”（傳播）、“Online”（在 線）、“Information”（信 息）、“Network”（網(wǎng) 絡(luò)）、“Technology”（技術(shù)）、“Model”（模式）等。

第四，通Cite SpaceⅢ可視化軟件的膨脹詞探測和算法，并考察詞頻隨時間的變動趨勢，可知隨著社交媒體的發(fā)展成熟及人們使用社交媒體行為的變遷，對社交媒體的研究也由早期對產(chǎn)品本身的研究逐漸向?qū)ι缃幻襟w用戶行為和商業(yè)模式的研究，如“公關(guān)人員”（Public-relations-practitioners）、“大學生”（College-students）、“社交網(wǎng)站”（Social-network-site；Social-networking-site）、“社交媒體營銷”（Socialmedia-marketing）是近年來社交媒體研究的前沿領(lǐng)域，代表著未來的發(fā)展趨勢，對以后的研究有參考借鑒之價值。

通過上述分析不難發(fā)現(xiàn)，社交媒體已經(jīng)引起了國內(nèi)外學者的研究興趣，相關(guān)文獻數(shù)量呈持續(xù)增長趨勢，且已形成較強的研究實力。然而，目前對社交媒體的研究者，絕大部分是來自高校的學者，研究機構(gòu)比較分散，相互之間的交流較少，基本上處于各自為政的狀態(tài)，因而該領(lǐng)域還沒有形成研究的核心作者，后期研究缺乏代表文獻、影響力不足。對于中國大陸地區(qū)而言，雖然中國學者以144篇論文總量在社交媒體研究領(lǐng)域名列前茅，但是中國對社交媒體的研究主要受基金資助驅(qū)動，且高轉(zhuǎn)載、高引用的關(guān)鍵節(jié)點文獻很少，與歐美國家（尤其是美國）的研究水平還存在較大差距。因此，中國在社交媒體研究領(lǐng)域應加強與以美國為代表的西方國家的合作與交流，拓展研究熱點和研究前沿的深度和廣度，加快研究成果的國際化進程。值得注意的是，信息可視化軟件CiteSpace雖然為某一領(lǐng)域研究現(xiàn)狀的可視化呈現(xiàn)提供了便利，然而由于該軟件本身也具有某些局限性，如軟件中的節(jié)點值（Nodes）與實際數(shù)出來的不一致，再加上數(shù)據(jù)庫中各期刊論文的著錄格式不同，造成了在呈現(xiàn)過程中出現(xiàn)了少量一人多名的現(xiàn)象等，這些瑕疵使文章的研究結(jié)果與實際研究現(xiàn)狀存在些許誤差，但不會影響最終的研究結(jié)論。

（來稿時間：2017年5月）

參考文獻：

1. Jones, S. & Fox, S. Pew Internet and American Life Project[EB/OL].[2017-05-15].http：//www.pewinternet.org/Reports/2009/Generations-Online-in-2009.aspx/.

2. 中國互聯(lián)網(wǎng)絡(luò)信息中心.第40次中古互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告[EB/OL].[2017-05-15].http：//www.cac.gov.cn/2017-08/04/c_1121427728.htm.

3. Lenhart, A. Adults and social network Web sites. Pew Internet and American Life Project[EB/OL]. [2017-05-15]. http：//www.pewinternet.org/Reports/2009/Adults-and-Social-Network-Websites.aspx/.

4. Andreas M. Kaplan，Michael Haenlein. Users of the world,unite! The challenges and opportunities of Social Media[J]. Business Horizons, 2010：59-68.

5.邱均平，楊思洛，宋艷輝.知識交流研究現(xiàn)狀可視化分析[J].中國圖書館學，2012（2）：1-7.

6. Van Rompaey, V &Hemmeryckx-Deleersnijder, B. Beyond marketing. Applying qualitative user experience research techniques on social media applications[J]. Journal of the Communications Network, 2005：26-30.

7. 陳悅、陳超美，胡志剛，等.引文空間分析原理與應用：Cite Space實用指南[M].北京：科學出版社，2014：65，66，65.

8. 萬湘容.基于Cite SpaceⅡ的電子商務(wù)研究的知識圖譜分析[J].圖書情報工作網(wǎng)刊，2012（4）：40-46.

9. 高繼平，丁堃.專利研究文獻的可視化分析[J].情報雜志，2009（7）：12-16.