虛擬社區研究的文獻分析

袁碩 曲舒怡 高景祥

【摘 要】通過對虛擬社區的相關文獻計量分析和內容分析，提煉出虛擬社區的研究熱點，從而為今后的研究提供幫助。從Web of Science核心合集獲取225篇文獻，應用文獻計量工具，對虛擬社區研究的引文年代、作者合作網絡和高頻關鍵詞共現矩陣進行分析， 尋找出虛擬社區的研究熱點。研究表明國內作者發文數量較多但與國外機構合作少，虛擬社區研究熱點主要是社區內的知識共享和對成員的管理研究。

【關鍵詞】虛擬社區；文獻分析；共現矩陣

中圖分類號： G353.1 文獻標識碼： A 文章編號： 2095-2457（2018）14-0107-003

DOI：10.19694/j.cnki.issn2095-2457.2018.14.048

Literature research of virtual community

YUAN Shuo QU Shu-yi GAO Jing-xiang

（Tianjin university of technology library，Tianjin，300384， China）

【Abstract】Based on the bibliometric analysis and content analysis of the relevant literature of the virtual community， the research hotspots can be extracted from the virtual community. So it will be helpful to the future research. This study collects 225 papers published on Web of Science core journals as the samples， using the method of bibliometrics to analyze the time of citations， the network of author cooperation and high-frequency key words co- occurrence matrix researched of the virtual community. By the above method， the research hotspots of the virtual community can be found. This paper shows that there are the more domestic authors publishing large amounts of papers but less cooperation with foreign institutions. The research hotspots of virtual community are mainly knowledge sharing and management of members in community.

【Key words】Virtual community； Literature analysis； Co- occurrence matrix而探究出虛擬社區的研究熱點。

1 數據來源與分析方法

文獻數據選用Web of Science核心合集，在論文摘要中檢索關鍵詞虛擬社區，研究方向限定為圖書情報學，不限年代，不限語種，文獻類型限定為論文，檢索時間是2018年3月1日。輸入檢索式TS=Virtual communit* and SU=INFORMATION SCIENCE LIBRARY SCIENCE，得到225條記錄。將全紀錄與引用的參考文獻以純文本的方式導出進行文獻分析。本文對虛擬社區研究的引文年代、作者合作網絡和高頻關鍵詞共現矩陣進行分析。

2 文獻分析

2.1 發表論文年代分析

Web of Science核心合集在1998年收錄了第一篇關于圖書館虛擬社區的論文，截止2018年3月共收錄了225篇論文。文獻數量從1998-2006年在緩慢增長，在2007年出現第一個高峰共收錄8篇，然后在2010年達到第二個高峰共收錄20篇，2011-2013年增長態勢有所回落，在2015年達到第三個高峰共收錄29篇。這三次高峰的出現，分別與網絡的發展、社交網站接口的引入、移動設備的普及這三個原因密不可分。

2.2 作者分析

應用Bicomb軟件[2]分析檢索出的225篇文獻，共有553個作者。作者發文情況匯總如表1所示，發表了4篇文獻的作者有3人，發表3篇文獻的作者有10人，發表2篇文獻的作者有28人，所有作者出現的頻次之和是602次。發表文獻2篇以上的作者共有41人，占作者總數的7.41%，發文量累計占到16.28%。

初步分析發文量大于3的13位作者之間的關系，發現從作者分布的角度，可以分武漢地區、臺灣地區、香港地區以及其它，可以看出華裔學者是虛擬社區研究的主力。武漢地區學者3人，分別是華中科技大學的Lu， Yaobin、武漢科技大學的Yan， Yalan和武漢大學的Zha， Xianjin。華中科技大學的Lu， Yaobin與印度Shri Shankaracharya Inst Management & Technol的Gupta， Sumeet合著了兩篇文獻，武漢科技大學的Yan， Yalan和武漢大學的Zha， Xianjin合著了三篇文獻。臺灣地區學者5人，分別是臺灣國立中山大學Chiu， Chao-Min、臺北大學的Tsai， Hsien-Tung、成功大學的Chang， Hsin Hsin、東吳大學的Lin， Judy Chuan-Chuan和臺灣科技大學Lu， Hsi-Peng。其中東吳大學的Lin， Judy Chuan-Chuan和臺灣科技大學Lu， Hsi-Peng合著了兩篇文獻。香港地區研究者2人，香港城市大學的Lee， Matthew K. O.和浸會大學的Cheung， Christy M. K.，這兩位作者合著了三篇文獻。

2.3 關鍵詞研究熱點分析

應用Bicomb軟件提取檢索得到的文獻，225篇文獻共有783個關鍵詞，刪除“Virtual community”、“virtual communities”、“Internet”、“online communities”等沒有實際意義的關鍵詞，將諸如“digital”、“Digital”詞語統一寫法，剩余767個關鍵詞。所有關鍵詞中出現頻次最多的是trust，一共出現了18次。出現頻次第二名的Knowledge sharing出現了15次。頻次排名前10位的關鍵詞占累計頻次的10.88%。頻次3個以上的關鍵詞共有28個，占累計頻次的17.15%。頻次2個以上的關鍵詞共有96個，占累計頻次的31.11%。

取關鍵詞頻次3以上的關鍵詞作為高頻關鍵詞進行分析，應用Bicomb軟件生成28×28的高頻關鍵詞共現矩陣，應用NetDraw軟件繪制出高頻關鍵詞關系圖，如圖1所示。

28個高頻關鍵詞關系圖形成了1個26個詞的主網絡和2個關鍵詞的小網絡。圖中每一個方塊代表一個關鍵詞，連線代表兩個詞在同一文獻共同出現。作圖時為便于觀察，將方塊的大小設定為該點的中心度大小。關鍵詞Trust出現了18次，其恰好也是與其他關鍵詞聯系最多、中心度最大的點，其位于主網絡的中心，形狀最大。位于主網絡中心，同時中心度較大的點有五個，分別是Trust、knowledge sharing、Social capital、Communities和virtual worlds，這五個詞代表了主網絡的主要研究方向。該網絡的研究方向一個是從用戶管理角度去研究虛擬社區，比如關鍵詞Trust、Social capital和Social media等，一個是從知識流動角度研究虛擬社區。比如關鍵詞knowledge sharing、virtual work等。研究用戶管理的文獻多于研究知識流動的文獻。圖1中還包括1個由2個關鍵詞形成的小網絡。關鍵詞motivation和information seeking同時出現在《Motivations for sharing information and social support in social media：A comparative analysis of Facebook， Twitter， Delicious， YouTube， and Flickr》一文中，作者探討了什么促使虛擬社區用戶與匿名者分享他們的個人經歷、信息和社會關系。

高頻關鍵詞關系圖不能清晰展示主網絡中關鍵詞的位置關系，除去關鍵詞motivation和information seeking組成的小網絡，將主網絡關鍵詞共現矩陣26×26單獨提取出來，生成相似矩陣，再生成相異矩陣，繪制戰略坐標分析。相似矩陣的生成方法有很多種，比如Sati軟件應用的Equivalence系數[3]，以及Jaccard系數和Cosine系數等，本文應用在圖書情報相關論文廣泛應用的Ochiai系數[4]：

Ochiai=

將26×26的共現矩陣設為a矩陣，輸入Matlab中，依據Ochiai系數公式，求得相似矩陣b。計算程序如下：

for i=1：26

for j=1：26

b（i，j）=a（i，j）./（a（i，i）.*a（j，j））^0.5；

end

end

用1與相似矩陣b求差得到相異矩陣表，相異矩陣代表高頻關鍵詞之間的距離，距離為0表示相異性小，距離為1表示相異性大。應用Spss中多維尺度工具ALSCAL分析相異矩陣[5]，得到高頻關鍵詞戰略坐標圖2。

在戰略坐標四個象限中，尋找較為接近的關鍵詞團進行分析。第一象限中，participation、Social exchange、Wiki、Continuance intention和knowledge sharing五個詞距離接近，以這五個詞為關鍵詞的文獻研究內容相關。研究方向主要是虛擬社區的知識流動。比如《Knowledge sharing in wiki communities： an empirical study》一文中，關鍵詞包括Knowledge sharing和wiki，作者研究了維基社區是工作模式，結果表明通過成員互動、社區參與和社區促進的效應，能夠對知識傳播有積極影響。第二象限中，Trust、Crowdsourcing、social influence和Satisfaction四個詞距離接近，這四個關鍵詞代表的研究方向是虛擬社區成員的管理。比如《Solversparticipation in crowdsourcing platforms：Examining the impacts of trust， and benefit and cost factors》文中，包含關鍵詞Crowdsourcing和Trust，作者研究了服務眾包工作對成員和管理者帶來的挑戰，作者認為技能提升、貨幣獎勵、自由的工作和對參與者的信任對服務眾包工作有積極影響。第三象限中，co-creation、virtual worlds、Second Life三個詞距離接近，這三個詞代表的研究方向是宏觀角度研究虛擬社區與實體社區的聯系。這三個詞同時出現在《CO-CREATION IN VIRTUAL WORLDS： THE DESIGN OF THE USER EXPERIENCE》一文中，作者揭示了如何共同創造系統，作者創建并部署、評估和改進了一個稱為思維探索的虛擬協作社區。第四象限中，Social capital和Communities距離接近，這兩個詞代表的研究方向是虛擬社區的運行模式，以及商業網站的行為。比如《Investigating recognition-based performance in an open content community： A social capital perspective》文中，作者研究了志愿者參加維基社區的動機，研究表明，在虛擬社區獲得認可和資本對志愿者的績效識別有重要影響。

3 總結

本文對Web of Science核心合集中研究虛擬社區的相關文獻進行分析。第一，通過數據庫檢索出文獻數量。第二，應用Bicomb軟件提取出高產作者，找出隱藏在作者之間的關系。國內作者發文量較多，但與國外作者合作少。第三，應用Bicomb軟件提取高頻關鍵詞共現矩陣，應用Matlab生成相異矩陣，導入Spss中進行多維尺度分析，列出虛擬社區研究的熱點。

【參考文獻】

[1]姜雪.虛擬社區信息分享行為的影響因素研究綜述[J]. 圖書館學研究， 2014（10）：18-24.

[2]張浩，成施充，崔雷.我國情報學碩士學位論文研究熱點分析[J].醫學信息學雜志， 2012，33（2）：44-47.

[3]劉啟元，葉鷹.文獻題錄信息挖掘技術方法及其軟件SATI的實現——以中外圖書情報學為例[J].信息資源管理學報，2012（1）：50-58.

[4]隋明爽，崔雷.基于SPSS的共現聚類分析參數選擇的實例研究[J].中華醫學圖書情報雜志， 2016， 25（1）：52-56.

[5]樓雯，屈衛群，李立從.基于共詞分析法的我國競爭情報研究主題分析[J].情報雜志，2009，28（s2）：88-90.