互聯網集體行動何以可能？

尚進 高奇琦

摘要：互聯網集體行動已經成為一種嶄新的集體行動形式，給全球政治格局帶來諸多不穩定因素。目前互聯網集體行動領域的研究尤其是實證研究困難重重，需要建立更為完善和成熟的互聯網集體行動研究框架。互聯網集體行動從微觀到宏觀的理想動員結構為“輿論動員（公共性形成）—公眾參與—集體行動”。在互聯網集體行動大數據采集方面，考慮到互聯網集體行動的實踐過程，可能的大數據來源是根據互聯網集體行動的發展過程確定事件過程的關鍵時點，因此應采集關鍵時點截面的社交網絡數據。在互聯網集體行動結構變遷的測量方面，結合互聯網集體行動事件的實踐過程，主要關注社交網絡結構、時序擴散網絡的測量。

關鍵詞：互聯網；集體行動；大數據；社交網絡

中圖分類號：D630 文獻標識碼：A 文章編號：1008—7168（2019）02—0034—08

近年來，一種特殊的集體行動形式伴隨著互聯網社交網絡的發展在全球風起云涌，給全球政治格局帶來諸多不穩定因素。從“阿拉伯之春”到“倫敦之夏”再到蔓延全美的“占領華爾街”，人類歷史上從未有如此傳播廣泛、發展迅速、爆發劇烈猶如“病毒”一樣在全球蔓延與肆虐的集體行動。巧合的是，各國政府和機構在這種集體行動中都發現了社交網絡的影子。社交網絡究竟是不是這一切的幕后推手？抑或社交網絡僅僅是一種類似于新媒體的傳播工具？凱莉·加勒特（Kelly Garrett）結合經典的集體行動理論，將互聯網影響下的集體行動區分為“互聯網作為動員結構”“互聯網作為政治機會”“互聯網作為框架化工具”三種類型[1]。一部分學者似乎對社交網絡在這些集體行動中所起到的作用不以為然，認為其作用與用來“喊話”的話筒并無太大區別。但另一部分學者堅持認為互聯網社交網絡在這些新型集體行動中起到了非常重要的作用，盡管這些機制目前尚未得到揭示。學界為區分其與傳統集體行動的差異，將其命名為“互聯網集體行動”。遺憾的是，盡管得到了各國政府與機構的高度重視，目前的研究都無法針對這兩種截然相反的看法證偽或證實。一方面，參與這種集體行動的行動者數以百萬計，其參與過程近乎匿名，傳統的質性研究方法難以追蹤和定位這些參與者，相比較行動者總體，少數的案例難以說明其代表性。另一方面，傳統的量化研究方法無法針對連續時間窗口的不確定性的行動者總體進行抽樣，在行動者近乎匿名的前提下，無法對其進行人口特征統計，更難以通過傳統的因果推論方法對一個連續時空的集體行動進行統計推斷。因此，本文嘗試通過梳理多個交叉學科領域內的研究發現，與傳統集體行動理論相結合，并嘗試提出針對互聯網集體行動的大數據研究框架，用于互聯網集體行動的內在機制分析。在此基礎上建構互聯網集體行動因果推斷的量化實證模型，為政府治理和預測互聯網集體行動提供思路和依據。

一、 問題的提出：互聯網集體行動研究的反思

目前互聯網集體行動領域的研究尤其是實證研究困難重重。首先，互聯網集體行動不同于傳統的研究領域，無法通過傳統的調研方法與調查方法來獲取必要的研究數據。一方面，互聯網集體行動往往具有時效性，研究數據的采集往往無法跟隨其發展腳步；另一方面，傳統調查方法數據測量的維度并不能很好地深入了解調查對象的政治傾向與觀點表達，調查對象出于自我保護的目的，在回答敏感問題時會有一定偏差，這樣就會直接導致測量數據不準確的問題。其次，不同于傳統的集體行動，互聯網集體行動的內在發展邏輯與影響機制并沒有得到很好的揭示。

聚焦互聯網集體行動研究，關鍵是利用大數據采集方法定位與測量互聯網公共空間內的信息流動與傳播，獲取必要的研究數據。互聯網公共空間是互聯網集體行動產生的主要土壤，其逐漸取代傳統的媒體渠道，成為民意表達和公眾參與的重要空間。由于互聯網公共空間中的個人在現實社會中存在真實的社會身份，因此互聯網公共空間與傳統公共領域、私人領域之間存在天然的連通性。但在互聯網公共空間中，其身份與表達往往是匿名的，而借助社交媒體的作用，其觀點與情感表達的影響力與傳播得到了極大的增強。因此，互聯網公共空間中爆發的公共事件很容易影響到現實世界，而傳統公共領域的公共事件經由互聯網的傳播和發酵，可能在現實世界中產生更大的社會壓力和影響，進而導致集體行動的產生。在這一過程中，互聯網公共空間與傳統公共領域都會實時地產生大量數據，比如反映公共空間輿論環境變化的輿情數據、反映互聯網公共空間個體參與的行為痕跡數據和情感表達文本數據、反映人際關系網絡的社交網絡數據等。通過對互聯網公共空間內的大數據進行采集與測量，可以進一步為互聯網集體行動的實證研究提供數據支持。

需要建立更為完善和成熟的互聯網集體行動研究框架。在實證研究方面，由于缺乏對互聯網公共空間直接的數據測量與觀察，目前的大部分實證研究僅驗證了互聯網的使用對于其中公眾參與的影響作用。比如陳云松發現互聯網的日常使用可以擴大城市中的非制度化政治參與，認為互聯網的使用和非制度化政治參與之間的“抑制性雙向因果”意味著拓展利益訴求渠道是消除社會沖突的重要途徑之一[2]。陳華珊發現網絡社區對業主的網絡公眾參與存在正效應，不同議題的討論網關系可以互相轉化[3]。加里·金（Gary King）則認為，政府會對可能導致集體行動的內容進行清理[4]。但是，互聯網能夠促進公眾參與，并不能說明互聯網的使用會導致公眾采取集體行動這一極端表達。是什么影響了公眾參與互聯網集體行動的社會選擇？互聯網集體行動的動員結構和影響機制又是怎樣的？其中的影響過程并沒有得到很好的揭示。在質性研究方面，個案研究無法完備解釋不同互聯網集體行動爆發的共性與宏觀機制。一部分學者認為，互聯網意見領袖能夠促進公眾意見表達。如曾繁旭發現互聯網并非如我們預設的那般，在任何議題中都能成為底層表達的渠道，而是借助某些意見領袖的影響力來推動公眾參與[5]。陸學藝的研究證明了公共議題在意見領袖的作用下成為公共表達，進而引起公共輿論的關注[6]。另一部分學者則認為，互聯網中形成了具有共同政治態度和行為特征的網絡社群。桂勇等學者研究發現，根據微博用戶表達的極端情緒可以將網絡社群劃分為“醬油眾”“冷漠族”“鐵血愛國派”“憤世嫉俗派”和“民粹主義者”五類群體[7]。馬得勇的類似研究發現，中國“左”“右”派網民呈現出與西方國家的“左”“右”派網民相反的心理特征，雖然尚缺乏論證，但這樣的網絡社群有可能成為互聯網集體行動的土壤[8]。綜上，互聯網對公眾意見表達的研究和互聯網社群分類的研究，僅能作為互聯網集體行動的動員結構的探討，其動員過程和影響機制需要更進一步的解釋和驗證。

筆者認為現階段互聯網集體行動領域的研究急切需要完成從基礎數據到研究框架一系列的創新思考與重新建構，以滿足未來互聯網集體行動領域的研究需求。而無論是基礎數據的測量和采集，還是研究框架的重新建構，都需要回到從微觀選擇到宏觀集體行動這一完整過程的內在機制的探討，以期完成對互聯網集體行動研究框架的思考與重構。

二、 互聯網集體行動研究框架的建構——從微觀到宏觀過程

劉能認為，社會運動和集體行為領域的理論視角經歷了從古典理論（以古典社會心理學的解釋為主），到主流理論（資源動員取向），再到新的綜合（社會建構論）這樣三個發展階段[9]。而互聯網集體行動與傳統的集體行動既存在區別，又有聯系。為便于討論，筆者將互聯網集體行動定義為“行動者以互聯網為動員工具和動員結構，完成相關社會群體的組織動員，并最終導致互聯網公共空間或傳統公共領域內的集體行動的過程”。一個互聯網集體行動從微觀到宏觀的理想動員結構為“輿論動員（公共性形成）—公眾參與—集體行動”。輿論動員在微觀層面形成互聯網集體行動的土壤，互聯網公共空間中意見領袖的意見觀點通過社交網絡或網絡媒體廣泛傳播，引發其他個體的關注。在中觀的公眾參與階段，經由傳播過程，越來越多的行動者參與進來，個人選擇與社交網絡形成交叉影響：公共空間中的個體受到公共性的影響，產生觀點和傾向性同時，又經由社交網絡繼續傳播自己的觀點與傾向；具有相似觀點的個體發生聚集，在互聯網較為集中的公共空間中，會產生較為明顯的回音壁效應，某些公共性的觀點會得到增強，最終極化形成某種具有公共性語境和觀點的網絡社群；這些網絡社群反過來形成對互聯網公共空間和傳統公共領域的輿論和社會壓力。根據馬克·格蘭諾維特（Mark Granovetter）的閾值模型，當這種壓力達到臨界值時，集體行動就會發生。

（一）微觀過程：信息、觀點的傳播和公共性的生成

在互聯網集體行動的微觀過程中，不同于經典的大眾傳播理論，其傳播和擴散機制更加復雜。在互聯網公共空間中，信息、觀點的傳播形成了多元動態的傳播與重塑過程。首先，既有經由意見領袖的傳播，又有經由同質群體的傳播。其次，意見領袖與同質群體同時嵌入社交網絡中，在傳播信息和觀點的同時，又在動態地重塑傳播過程與傳播網絡，不同事件的傳播過程差異很大。

傳統的資源動員理論認為，一個社會運動所能動員的資源總量將會越來越成為決定這個社會運動規模和成敗的關鍵，因此社會運動對其中精英分子的動員能力非常依賴。而對于互聯網公共空間中的集體行動來說，精英分子往往就是互聯網意見領袖：一方面，互聯網意見領袖的影響力決定了公共事件在社交網絡中擴散的程度；另一方面，意見領袖對于公共性觀點的加強能力，讓意見領袖在其社交網絡中，通過一系列話語、情感的動員過程，最終使其觀點成為其所屬網絡社群的公共性語境和觀點。因此在這一過程中，意見領袖在信息觀點的傳播和擴散中起到了重要的作用，但問題在于，哪些人是互聯網中的意見領袖？索拉·普爾（Sola Pool）與曼弗雷德·科享（Mantled Kochen）提出了小世界這一概念，首次將社會網絡與意見領袖的研究結合起來，并認為熟人關系在信息傳播中起到了重要的作用，相當于傳統社會網絡中的意見領袖[10]。但在互聯網公共空間中，社會網絡變得更加復雜和多樣化，個體之間既有可能是由強關系構成的熟人網絡，也可能是由弱關系構成的陌生人網絡，因此如何挖掘出互聯網意見領袖，并證明其在互聯網社交網絡中的作用，成為意見領袖研究的重點。

綜合來看，一部分研究專注于互聯網意見領袖的挖掘和識別。不同于傳統公共空間或者社會運動中的意見領袖，通過互聯網大數據的采集，可以很好地觀測到社交網絡中的意見領袖的行為和觀點，從而更加全面地理解互聯網意見領袖對于其受眾群體的影響作用。在互聯網意見領袖和受眾群體所構成的整體網絡中，一部分研究結合網絡結構的特點，直接測量整體網絡中意見領袖所處的結構位置，進而推斷其影響結構、影響范圍和影響作用[11]。但這樣的測量方法的問題是，互聯網社交網絡結構本身就是在不斷變化的，關系網絡與傳播網絡并非總是完全吻合，因此過分強調意見領袖的“領袖”特點，就會忽視了信息本身在意見領袖確立過程中的重要作用。其他一些學者比如阿希什·阿加沃（Ashish Agarwal）等人針對這一問題進行了改進[12]，將博文的引用數量、評論數量、新穎程度和內容長度作為意見領袖影響力的測量指標，這樣不但可以測量傳播網絡中真正的意見領袖，而且可以更加深刻地理解意見領袖是如何在社交網絡中被建構的。另外一部分質性研究闡述了互聯網意見領袖的作用。比如曾繁旭等人研究了互聯網意見領袖對公共事件產生的影響機制[13]，高如等學者研究了互聯網意見領袖對公共輿論的影響作用[14]。但是綜合來看，計算機領域和社會科學領域的學者受研究領域所限，并沒有對意見領袖的影響機制進行更加綜合性的探索和驗證，這導致兩部分的研究相對獨立。此外，信息和觀點也會通過同質性群體之間的社交網絡進行傳播。一些學者的研究表明，信息和觀點一方面通過同質性的社交網絡進行傳播，另一方面又會導致同質群體中的意見趨同[14][15]。這個觀點部分解釋了社會結構中的人口學因素（年齡、性別、職業）在傳播中起到的同質化選擇的作用，但并沒有得出明確的結論，即這種趨同究竟是同質化的用戶受到相同話語環境影響后的近似選擇，還是同質化的用戶之間相互影響的結果，抑或是兩種作用同時存在。

（二）中觀過程：同質性、同群效應、話語環境

是什么影響了中觀過程中嵌入在社交網絡中的個體參與集體行動的選擇？筆者認為，個體的行為既嵌入在社交網絡中，又嵌入在特定的社會情景中，不同特征的人群在不同社交網絡和社會情景下的選擇也存在較大差異。因此，互聯網集體行動中影響個體選擇的因素大體可以分為三種：同質性、同群效應和話語環境。

同質性被看做是個體之間所共有的某些特質所導致的相似的選擇，具有同質性社會特征的個體更容易建立兩兩關系，形成社交網絡中的群體。但斯楠·艾瑞爾（Sinan Aral）等人發現在社交網絡中的意見領袖也具有類似特征，他們試圖通過話題傳播的動態網絡對同質性和意見領袖影響力的作用進行區分，發現在控制同質性因素之后，意見領袖影響力對于微觀選擇的作用沒有像原本想象的顯著[16]。戈登·溫斯頓（Gordon Winston）等最早將同群效應定義為一個人的行為受到一個或多個他人與自身相互作用的影響[17]。而在社交網絡的網絡群體中，這樣的效應依舊存在。社交網絡中個體的行為及觀點可能受到社交網絡中其他與之相連通的個體的行為或觀點的影響。兩者最大的區別是：溫斯頓對同群效應的前提假設是這些具有交互影響的個體的地位是相似的，即受到影響的個體完全處于同質性的社會群體網絡中；而社交網絡的網絡結構是典型的中心性網絡，網絡結構呈現出冪律分布的特征。這說明社交網絡中的同群結構既存在同質性的結構，又存在異質性的結構，個體之間的作用根據網絡結構的不同而有所變化，因此可以區分出與同質性影響的差異。此外，個體選擇還受到其所處社交網絡話語環境的約束，正如上文所述微觀個體的行為既嵌入在社交網絡中，又嵌入在特定的社會情景中，社交網絡中形成的公共性話語環境以及特定社會情景的變遷是重要的外生影響因素。

綜上，結合互聯網集體行動的社會情景，在中觀層面，社交網絡個體參與集體行動的選擇可能受到所在互聯網社群內的公共性話語環境（外生影響因素）、社群同群效應（內生影響因素）和個體同質性（同質影響因素）的綜合作用。但三種作用的綜合機制可能較為復雜，目前還沒有學者的研究對其作用機制進行闡釋，尚需更多的實證探索。

（三）宏觀過程：回音室效應、群體極化效應、閾值效應

在互聯網公共空間中，個體參與集體行動的選擇解釋了互聯網集體行動嵌入在中觀層面的作用機制，但在宏觀層面中，這樣的解釋并不完備。互聯網集體行動從量變到質變是一個完整的爆發過程，既存在爆發前條件性的積累，又存在爆發時緊張關系的突破。結合目前的研究發現，其影響機制可能是回音室效應、群體極化效應、閾值效應三者綜合作用的結果。

回音室效應認為人們的意見在封閉空間中會得到增強。一部分學者認為，互聯網中存在明顯的回音室效應。關系緊密的社群往往會出現回音室效應，因為其成員通常會分享信息，當他們沉浸在網絡中的相似聲音里面，觀點、情緒和態度不謀而合時，他們仿佛找到了知己，從而更加贊同這樣的意見[18]。更進一步的是，當形成網絡社群后，群體壓力也會出現，導致人們不得不去贊同“大多數”的意見。而另一部分學者對此持相反意見。埃唐·巴克什（Eytan Bakshy）等人針對臉書（Facebook）的研究表明，沒有明顯證據證明社交網絡中存在回音室效應[19]。通過對1010萬個美國的匿名賬戶的分析，他發現臉書并非是意見的回音室，而更像是廣播臺，不同的用戶可以借助多種渠道獲取意見和信息。但筆者認為，選擇同質性或異質性的網絡結構可能對以上研究的結論產生影響，回音室效應的前提就是存在較為封閉的、能夠導致觀點強化的環境，比如社交網絡中的封閉群組，后者的研究顯然在研究范圍的選擇方面有所疏漏。

網絡社群的極化是集體行動爆發機制的第二種猜測。李振鵬認為相比較真實世界，網絡公共空間中更容易出現群體意見極化，尤其當話題涉及政治、利益等敏感話題時[20]。互聯網社交網絡一方面為信息和意見的傳播提供了快速的渠道，另一方面通過社交的互動功能，降低了公眾對于敏感事件的距離感，提升了其參與敏感話題的動力。更重要的是，社交網絡匿名化的特征讓參與網絡公共空間話題討論的人不需要承擔言論的風險與成本，讓其可以“暢所欲言”，這無疑讓社交網絡中的公共話語成為公眾真正態度的最好的測量來源。一些學者的研究也表明，社交網絡中的群體極化往往表現為公眾在轉發政治觀點時，所形成的轉發網絡會出現分化[21][22]，觀點同質化的群體網絡邊緣開始清晰，彼此異質化群體網絡出現隔離。而這種基于網絡結構層面的持續的相互作用，會在一定程度上助長公眾的非理性行為。

格蘭諾維特的“閾值模型”提供了集體行動的另一種解釋。他認為，個體在進行微觀選擇時，參與集體行動的閾值不同，但集體行動的擴散和傳染會導致群體中的平均閾值升高，從而達到某一個體參與集體行動的閾值，導致該個體參與集體行動[23]。格蘭諾維特對集體行動解釋的微觀基礎更加接近群體壓力的假設，這一模型很好地闡釋了社會網絡影響力中的規模效應和信息級聯效應，但沒有體現信息級聯過程中不同社會網絡結構的作用及中觀過程對群體閾值的影響差異。

綜合以上學者的研究，筆者嘗試提出互聯網集體行動的研究框架。首先，在微觀層面上，在互聯網公共空間中，意見領袖和同質群體利用社交網絡完成信息、觀點的多元動態的傳播與重塑過程，形成社交網絡中公共性話語環境。其次，在中觀層面上，參與互聯網集體行動的個體可能受到公共性話語環境、社群同群效應和個體同質性三種機制的混合影響。最后，在宏觀層面上，三種宏觀機制——回音室效應、群體極化效應和閾值效應共同作用導致集體行動的爆發。可以看出，從微觀層面到宏觀層面，互聯網集體行動是多種機制共同作用的結果。為了更加深入地對這些機制進行實證研究，我們需要進一步細化數據測量方式與因果推論方式。

三、 研究框架的大數據測量與因果邏輯操作化

互聯網集體行動的輿論傳播、個體動員和群體行動是一個互聯網與現實聯動、線上與線下結合的實踐過程。借助對社交網絡的觀察和測量，可以對互聯網集體行動的產生、擴散和動員過程有更進一步的認識：一方面可以對經典的集體行動理論進行實證檢驗，另一方面又能夠探索當前互聯網集體行動的獨有特征，并提出新的理論解釋。為實現這一研究目標，結合現有研究和以上互聯網集體行動中的影響機制，筆者進一步嘗試提出針對互聯網集體行動每個階段的操作性框架。

在互聯網集體行動大數據采集方面，考慮到互聯網集體行動的時間過程，一個可能的大數據來源是根據互聯網集體行動的發展過程確定事件過程的關鍵時點，因此應采集關鍵時點截面的社交網絡數據。第一，采集行為痕跡數據。即對社交網絡用戶的發表、關注、粉絲、收藏、轉發、點贊、評論等用戶行為以及轉發內容、評論內容等微觀數據進行采集。個體層面的微觀數據對整個研究框架（如研究微觀層面的信息傳播、中觀層面的個體選擇、宏觀的集體行動過程）都具有非常重要的意義。第二，采集熱點主題數據。對傳播網絡中的熱點主題或事件進行采集，同時對傳播過程中的用戶的個體行為和個體文本進行關聯性的采集。第三，采集事件層面的數據。事件層面的數據是對集體行動的傳播和動員過程最直接的觀察，一方面可以通過針對事件的機制性研究對理論進行完善，另一方面可以與現實世界的事件進行時間上的對照，共同完善互聯網集體行動研究的因果推論框架。

在互聯網集體行動結構變遷的測量方面，應結合互聯網集體行動事件的實踐過程。行動結構變遷過程中的測量主要關注社交網絡結構、時序擴散網絡的測量。社交網絡結構本身存在較為固定的互動關系結構，在比較完整的互聯網集體行動過程中，這樣的網絡結構并不會產生比較大的變遷。因此根據網絡結構的特征，可以進行意見領袖和社群結構的初步推斷。一方面，隨著集體行動的推進，事件的擴散網絡可能會發生比較大的變化。比如吉原·楊（Jaewon Yang）等人發現，在信息傳播過程中某些意見領袖的影響力對事件的傳播的影響顯著，與之相比網絡結構的約束并不明顯[24]。埃唐·巴克什等人也發現影響力比較強的用戶對推特（Twitter）上的話題傳播的影響顯著[25]。這說明隨著事件的發展，原本網絡結構中的意見領袖也產生了分層效應。另一方面，擴散網絡可能會形成新的網絡社群。不同個體對于集體行動不同程度的感受和反應，會導致其意見和態度的分化，不同個體之間的互動產生的同群效應進一步加劇了這一過程，并最終形成新的帶有顯著隔離的網絡社群和較為封閉的觀點增強結構“回音室”。通過對不同層級網絡社群在集體行動中的意見、情緒和態度的觀察，可以完善互聯網集體行動的因果機制推斷。

綜上，互聯網社交網絡為真實世界的集體行動提供了動員環境，集體行動的發展又反饋到社交網絡中，再經由社交網絡的一系列微觀、中觀和宏觀機制，演化為推動集體行動發展的新的機制。上述互聯網集體行動的因果框架可以用如下函數表達式來描述：M（P）=F（C，H，S，I，T）。其中，P 是因變量，表示對現實集體行動發展程度的一系列測量指標，如集體行動的蔓延范圍、參與人數、沖突激烈程度、社會影響范圍、經濟損失后果等。C表示信息、觀點和公共事件經由意見領袖和網絡社群傳播后所產生的公共性話語環境，如對某個已經產生相對隔離的社群內部的非結構化文本的持續性測量。H表示互聯網集體行動中的個體的同質性因素，如個體的社會和人口學特征、相似的興趣愛好等，此外還可以通過大數據方法進行相似度的人群畫像，拓展可用的操作化變量。S表示對個體所在的社交網絡或社交網絡中的社團結構的結構特征的測量，如根據互聯網集體行動的影響范圍測量整體的社交網絡結構，根據話題和事件傳播依次測量社交網絡中意見領袖影響力的影響結構、社群同群效應的影響結構等，測量可能導致的動員網絡。I表示社交網絡中根據集體行動所對應的時間截面的一系列測量指標，如在社交網絡測量范圍內對傳播、擴散、動員后產生的態度、情緒、觀點等測量指標的匯總信息。T表示時間節點和周期性因素，如對應現實集體行動發展過程中的重要事件的時間節點、根據測量與分析后所得出的動員周期等。

四、 總結與展望

本文的研究表明，互聯網集體行動呈現出與經典集體行動理論不同的新特征，很多新的機制亟待發現。雖然經典的集體行動理論可以為研究互聯網集體行動提供參考，但互聯網集體行動的影響機制與傳統集體行動的影響機制相比更加復雜。第一，互聯網公共空間對行動者的影響可能是多層次和多面向的，可能既存在互聯網公共空間公共性的文化規范、價值取向的影響，又存在回音室效應、同群效應等內部機制。第二，互聯網公共空間內的行動者，既是這種公共性的文化規范、價值取向的生產者，又是其消費者。互聯網公共空間內的公共性語境在傳播和影響其中行動者的同時，又通過行動者之間的相互作用加強了這種公共性的文化規范和價值取向，從而增強其參與集體行動的社會選擇傾向。第三，現實中的集體行動與互聯網公共空間通過社交網絡交互影響，共同推動互聯網集體行動的進行。

這一目標需要多個交叉學科的共同努力，但在此之前，學界恰恰缺乏的是既傳承經典集體行動理論又融合當前交叉學科領域研究成果的整合性框架。本文主要從三個方面對互聯網集體行動的研究框架進行了創新。第一，結合傳統集體行動理論框架和當前交叉學科大數據研究的相關成果，提出互聯網集體行動的動員結構，辨析其在不同層面中對集體行動的影響機制，從微觀層面到宏觀層面形成完整的互聯網集體行動的綜合分析框架。第二，提出基于大數據的互聯網集體行動數據的測量以及變量的操作化方法。研究的數據來源包括具有集體行動時間標記的個體觀察數據、個體測量數據、網絡結構數據、非結構化文本數據、關系型數據等。從外生性、內生性、關系性、相關性、相干性等多個維度支持互聯網集體行動的實證研究需求。第三，提出利用大數據方法的基于時序數據和非結構化數據的互聯網集體行動因果推論模型，用于互聯網集體行動的機制研究、理論實證研究和預測研究，為今后互聯網集體行動領域內新的理論建構和實證檢驗提供參考。未來，這樣的綜合性框架還需結合實際的社會情境進行更加細致和系統的操作化定義，在此筆者僅初步探討其思路及可能的操作化方式。

參考文獻：

[1]R. Kelly Garrett.Protest in an Information Society： A Review of Literature on Social Movements and New

ICTs[J].Information， Communication & Society， 2006，（2）.

[2]陳云松.互聯網使用是否擴大非制度化政治參與 基于CGSS2006的工具變量分析[J].社會，2013， （5）.

[3]陳華珊.虛擬社區是否增進社區在線參與？一個基于日常觀測數據的社會網絡分析案例[J].社會，2015， （5）.

[4]Gary King，Jennifer Pan，Margaret E. Roberts.How Censorship in China Allows Government Criticism but Silences Collective Expression[J].American Political Science Review，2013，（2）.

[5]曾繁旭，黃廣生.網絡意見領袖社區的構成、聯動及其政策影響：以微博為例[J].開放時代，2012，（4）.

[6]陸學藝.當代中國社會階層研究報告[M].北京：社會科學文獻出版社，2002.

[7]桂勇，李秀玫，鄭雯，等.網絡極端情緒人群的類型及其政治與社會意涵[J].黨政視野，2015，（10）.

[8]馬得勇，王麗娜.中國網民的意識形態立場及其形成一個實證的分析[J].社會，2015，（5）.

[9]劉能.怨恨解釋、動員結構和理性選擇——有關中國都市地區集體行動發生可能性的分析[J].開放時代， 2004，（4）.

[10]Ithiel de Sola Pool，Manfred Kochen. Contacts and Influence[J].Social Networks，1978，（1）.

[11]吳信東，李毅，李磊.在線社交網絡影響力分析[J].計算機學報， 2014，（4）.

[12]A. Agarwl，T. D. C. Little.Attribute Based Routing in Sensor Networks[R].Technical Report，Boston University，2006.

[13]房正宏，高如.網絡“意見領袖”現象：影響及治理[J].電子政務，2013，（3）.

[14]Francois Lorrain，Harrison C. White.Structural Equivalence of Individuals in Social Networks[J].Social Net- works，1977，（1）.

[15]Noah E. Friedkin，Eugene C. Johnsen.Social Influence and Opinions[J].Journal of Mathematical Sociology，1990，（3-4）.

[16]Sinan Aral，Dylan Walker.Identifying Influential and Susceptible Members of Social Networks[J].Science，2012，（6092）.

[17]Gordon C. Winston.Subsidies，Hierarchy and Peers：The Awkward Economics of Higher Education[J].Journal of Economic Perspectives，1999，（1）.

[18]Walter Quattrociocchi，Antonio Scala，Cass R. Sunstein.Echo Chambers on Facebook[J].SSRN Electronic Journal，2016，（1）.

[19]Eytan Bakshy，Solomon Messing，Lada A. Adamic.Exposure to Ideologically Diverse News and Opinion on Facebook[J].Science，2015，（6239）.

[20]李振鵬，唐錫晉.集體行動的閾值模型[J].系統科學與數學，2014，（5）.

[21]Michael Conover，Jacob Ratkiewicz，Matthew Francisco，Bruno Goncalves. Political Polarization on Twitter[C].International Conference on Weblogs&Social Media， Barcelona，California，Spain，July 17-21，2011.

[22]Jan Lorenz，Heiko Rauhut，Frank Schweitzer，Dirk Helbing.How Social Influence can Undermine the Wisdom of Crowd Effect[J].Proceedings of the National Academy of Sciences of the United States of America，2011，（22）.

[23]Mark Granovetter.Threshold Models of Collective Behavior[J].American Journal of Sociology，1978，（6）.

[24]Jaewon Yang，Jure Leskovec.Patterns of Temporal Variation in Online Media[C].Proceedings of the Fourth International Conference on Web Search and Web Data Mining，Hongkong，China，February 9-12，2011.

[25]Eytan Bakshy，Jake M. Hofman，Winter Mason，Duncan J. Watts.Everyones an Influencer：Quantifying Influnce on Twitter[C].Proceedings of the Fourth International Conference on Web Search and Web Data Mining，Hongkong，China，February 9-12，2011.

[責任編輯：張英秀]