在線學習社群的社會網絡結構演化研究

一、引言

移動互聯網技術的發展改變了信息的生產與傳播方式，隨著網絡社交功能的延伸，在線學習社群成為社會公眾學習和獲取信息的重要途徑。在社群中，成員以資源共享和協同學習為目標，以不斷對話和分享的方式參與社群學習，形成具有一定交互關系的網絡群體（郝祥軍等，2020）。成員交互、建立連接是社群學習的核心部分，社群學習在成員持續參與討論、與其他成員協同解決問題過程中得以進行。在此過程中，成員交互關系呈現出動態的、不斷發展的自組織特征（史蒂芬·道恩斯，2022;王志軍amp;吳芝健，2023）。在線學習社群社會網絡是成員交互關系的具體體現，對其結構特征與演化規律進行挖掘，是了解在線學習社群成員交互特征與自組織演化規律的重要途徑，能夠為促進在線學習社群成員參與社群學習、推動社群良性發展提供支撐。

二、文獻綜述

社會網絡結構反映著社群成員的交互關系與交互特點，由成員交互而形成的社會網絡也因成員間交流的即時性與豐富性而不斷發展演化，在結構上表現出一定的形態特征與演化規律（王元卓等，2015）。早期關于社群社會網絡的研究主要利用社會網絡分析法，對社群社會網絡某個時間點或某個時間段的靜態結構特征進行挖掘。已有相關研究發現在線學習社群社會網絡結構內部存在多種網絡構型，主要包括星形結構、環形結構、網狀結構、三角形結構、橋接性結構、自我交互型結構等（王陸，2008;王志軍，2014），不同構型反映出社群內部成員交流的開放性與連通性。此外，已有研究還發現社會網絡結構中存在某些節點具有更高的影響力，而網絡地位在一定程度上能反映成員在社群中的學習效果（童莉莉等，2019;林萍 等，2020;郭玉娟 等，2020）。隨著研究的深人，研究者們發現在線學習社群中成員交互行為隨著時間不斷變化，社群社會網絡結構也隨著成員的加入與退出、成員間交互關系的建立與拓展而不斷演變。因此，當前對社會網絡結構的研究從結構本身轉為對結構演化的研究，多采用時間切片的方式將社會網絡演化過程切分成一個一個的網絡結構快照（王莉amp;程學旗，2015;端祥宇等，2020），從整體網絡結構、局部結構以及節點層面對比分析，以揭示社會網絡結構的演化過程。已有相關研究亦發現知識型社群社會網絡前期易結成聯系緊密的核心團體，而后期網絡中核心團體逐漸減少，反映出知識型社群成員在社群發展后期參與交互的活躍程度降低，而局部“小團體”的出現對社群發展具有重要作用（趙康，2017;鄒本濤等，2020）。同時，研究還發現社群社會網絡中處于中心位置的節點在不同成員間輪換，重要節點是影響社群活躍度與持續性的重要因素（于玻等，2020;周炫余等，2022）。可見，社群社會網絡內部結構對社群演化具有顯著影響。在社會網絡理論中，這種結構上的相互影響稱作結構依賴，具體是指網絡任何兩個節點之間的關系均受到網絡中其他節點關系的間接影響（Snijders etal.，2010）。在管理學領域，已有研究利用隨機指數圖模型（ExponentialRandomGraphModels，ERGM）方法發現，在區域間專利合作網絡中，合作網絡內部三元閉合結構、局部星形結構等對網絡結構的影響和驅動具有重要影響（Hollandamp;Leinhardt，1977;劉雨農amp;劉敏榕，2018；Smithetal.，2019;戴靚等，2023）。

以往研究多關注對在線學習社群社會網絡靜態結構特征的挖掘，特別是在網絡內部特殊構型分析、子群變化及重要節點識別等方面展開了豐富的探索（王陸amp;馬如霞，2009;王志軍，2014;徐亞倩amp;陳麗，2019;周炫余等，2022），充分證明了社群社會網絡結構是成員間交互關系的具體體現，反映著在線學習社群的交互特點與交互規律。但是，已有研究對社群社會網絡結構發展演化的動態特征挖掘相對較少，特別是，在分析網絡內部結構對社群社會網絡演化的影響作用方面相對不足。了解社群社會網絡結構特征及演化過程對充分挖掘社群發展規律、推動社群良性發展就顯得至關重要。

因此，本研究以動態視角把對在線學習社群社會網絡結構特征的挖掘拓展到社群演化的全過程，從整體、局部以及節點三個層面分析網絡結構的演化特征與規律，主要回答以下兩個問題：其一，在線學習社群從建立到學習結束，社會網絡在結構上發生怎樣的變化并呈現怎樣的特點？其二，社群社會網絡的內部特殊結構對網絡結構的演化是否存在影響，以及存在怎樣的影響？針對第一個問題，本研究采用社會網絡分析法和動態社區發現法，從整體網絡結構、子群結構以及節點演化三個層面揭示在線學習社群社會網絡結構特征及演化規律；針對第二個問題，本研究在了解社群社會網絡結構特征的基礎上，運用隨機指數圖模型對影響社會網絡演化的內部結構進行檢驗。

三、研究設計

（一）研究對象

本研究選取北京師范大學開設的國內首門聯通型慕課（cMOOC）“互聯網 + 教育：理論與實踐的對話”第七期（以下簡稱“cMOOC7.0”）的在線學習社群為研究對象。cMOOC7.0主要以課程平臺發布學習內容、微信群圍繞學習內容進行交流討論的形式展開。因此，微信群是cMOOC7.0在線學習社群成員開展交互的主要場所。由于微信群成員交互關系與社會網絡結構特征演化能夠反映出cMOOC在線學習社群的社會網絡結構與演化過程（王慧敏amp;陳麗，2019），故而本研究選納cMOOC7.0微信群交互數據，以分析在線學習社群的社會網絡結構特征及演化過程。

（二）研究過程與方法

本研究基于cMOOC7.0在線學習社群微信群交互數據，通過建立交互規則，搭建社會網絡。主要基于量化研究方法與可視化分析技術，探究在線學習社群社會網絡結構特征及演化過程：在網絡結構特征方面，基于社會網絡分析法運用Gephi、Python等社會網絡分析與數據分析工具，對在線學習社群社會網絡的整體網絡特征、個體網絡特征及局部社區結構進行挖掘，主要包括網絡出入度、聯通度、凝聚子群、中心性等指標的分析等；在網絡結構演化方面，運用隨機指數圖模型檢驗在線學習社群社會網絡內部結構對網絡演化的影響作用，用以判斷網絡內部結構對關系網絡影響程度（Broekelamp;Hartog，2013;翟莉等，2023），隨機指數圖模型中常見的結構參數及解釋如表1所示。

（三）數據收集與處理

研究數據來自cMOOC7.0在線學習社群微信群中從課程發起到課程結束的全部交互數據，研究時間跨度為10個星期。參與微信群互動的社群組織者、課程教師與學習者總計229名，分別具有高校學生、一線教師、教育從業者等多元化的社會身份。對交互數據中自動回復與撤回等無效數據進行清洗后，共得到有效互動日志6，488條，整理后的交互數據儲存格式如表2所示。其中，每一條交互數據對應唯一的交互內容、發出者與時間戳。

探究在線學習社群的社會網絡結構特征及演化規律以“關系數據”為基礎，確定社群成員之間的交互關系是研究的關鍵所在。成員在微信群中以會話的形式進行一對一或多對多的交互（巴志超等，2018），本研究將一段連續的會話定義為“A發起一條消息連續有人回應，且接連回應的時間間隔不超過30分鐘”。會話中的成員交互關系界定規則如表3所示。

根據交互關系界定規則，對本研究中cMOOC7.0在線學習社群6，488條交互日志進行交互關系界定，數據處理結果示例如表4所示。其中，會話ID為該交互日志從屬的會話標記，發出者與接收者則表示該交互日志中成員在交互中的身份。

四、研究結果

（一）在線學習社群社會網絡結構特征與演化規律

1.在線學習社群基本交互情況

cMOOC7.0在線學習社群的微信群互動行為圍繞討論話題以會話的形式展開。本研究將一段會話定義為“A發起一條消息并有其他成員參與回應，且每條回應的時間間隔不超過30分鐘”，照此標準，可將cM00C7.0微信群6.488條交互日志劃分出630段會話。研究者繪制出cMOOC7.0微信群中發言人數、發言數量與會話數量的日變化折線圖（如圖1所示），用以觀察cM00C7.0在線學習社群成員參與互動的基本情況。

由圖1可見，cMOOC7.0在線學習社群成員參與互動的情況總體表現良好，每日均存在成員參與群互動。微信群單日發言人數最高達到36人，單日發言數量最高達到329條，單日會話數量最高達到21段。從時間序列的演化上來看，單日發言人數、發言數量與會話數量的波動性明顯，以6月25日（主題四）為分界點，群互動情況整體減弱。這與cMOOC7.0在線學習社群在主題四期間存在微信群變動的情況直接相關：由于部分群成員在微信群轉移的過程中流失，故導致主題四后期日發言人數、發言數量與會話數量均有一定程度的減少。

2.在線學習社群演化的周期特征

為進一步分析群互動行為在時間序列上的波動變化規律，探究群互動行為的時間演化特征，接下來對cMOOC7.0在線學習社群的群互動行為數據進行周期性分析，將微信群中日發言人數、發言數量與會話數量做乘積處理，得到群互動行為的時間波動曲線（如圖2所示）。

由圖2可見，群互動行為的時間波動曲線表現出明顯的非平穩狀態，即由微信群變動影響導致前期群互動水平高于后期水平。因此，為消除微信群變動對群互動行為的影響，需要采用去均值與差分運算的方法對群互動行為的時間波動曲線進行平滑性（AugmentedDickey-Fuller，ADF）處理，并判斷處理后的時間波動曲線（如圖3所示）是否達到周期性分析的平滑性要求（如表5所示），進而分析群互動行為波動的周期性演化規律。

由表5可見，去均值與差分運算后的時間波動曲線的平滑性檢驗結果ADFTestresult為-5.575，顯著小于 1% 顯著性水平的標準； p -value為 1.441e-06lt;0.05 且接近0，表明去均值與差分運算后的時間波動曲線具有良好的平穩性，可以對其進行周期分析（如圖4、圖5所示）。

由圖4、圖5可見，去均值與差分運算后的時間波動曲線的自相關函數（Autocorrelation Function，ACF）和偏自相關函數（Partial Autocorrelation Function，PACF）在橫坐標為14（天）處達到最值，即曲線的波動性在14天后出現滯后效果（黃紅梅，2016，pp.2-12）。這表明群互動行為的波動以14天為一個周期，結合cMOOC在線學習社群以周為單位的主題學習安排來看，群互動行為的波動大致是每兩個主題發生一次周期性變化。

3.在線學習社群社會網絡結構特征及演化（1）社會網絡結構整體特征及演化

社群關系網絡是成員交互關系的具體體現，群互動行為的波動變化自然帶來社群社會網絡結構發生變化。鑒于群互動行為每兩個學習主題發生一次周期性變化，為進一步挖掘群互動行為波動帶來社群社會網絡結構變化的規律，本研究以一個學習主題的天數（7天）為時間切片根據交互關系規則（如表3所示）構建社群社會網絡，cMOOC7.0在線學習社群社會網絡拓撲結構演化過程如圖6所示。

由圖6可見，cMOOC7.0在線學習社群社會網絡連邊結構復雜。從時間序列的演化來看，演化過程以主題四為界分為兩段。第一階段為引導周到主題四，網絡拓撲結構隨時間演化表現出節點增多、連邊增多、局部聯系緊密的子群數不斷增多的變化。第二階段為主題五到結課周，整體來看第二階段網絡拓撲結構隨時間推進同樣呈現出節點增多、連邊增多的變化。可以看出，盡管由于微信群變動的影響，第二階段社會網絡結構的規模整體上不如第一階段，但社群網絡結構在兩個階段的演化均表現出良好的生長性。與此同時，結課周時期社群網絡拓撲結構在節點與連邊的規模上基本恢復到第一階段中主題三相近的水平，進一步表現出在線學習社群社會網絡結構良好的恢復能力。

為進一步挖掘社群社會網絡結構的演化規律，研究采用社會網絡分析法測算社群社會網絡的平均度、度最值、網絡密度、聯通性和聚集系數等特征指標（如表6所示）。其中，平均度、度最值反映網絡節點之間的合作強度，網絡密度與聯通性反映節點之間的連接關系與網絡的整體規模，聚集系數則是反映社群社會網絡局部結構是否存在緊密關系的指標。

由表6可見，cMOOC7.0在線學習社群社會網絡各項指標隨時間呈現波動性變化。結合群互動行為的波動周期來看，除第三周期（主題四、主題五）外，網絡密度與聯通性指標在每個周期內均表現出上升趨勢；平均度與度最值指標在第一周期后也表現出每個周期的上升趨勢，這表明社群社會網絡中節點間的合作強度、關聯關系與網絡規模均呈現周期性上升變化。此外，社群社會網絡的聚集系數指標的周期性變化不明顯，總體表現出社群發展前期水平高于后期水平的特征，表明社群前期社會網絡局部結構凝聚程度更高，社群演化后期社會網絡局部結構的凝聚程度減弱。

（2）社會網絡結構局部特征及演化

為進一步分析社群社會網絡局部子群結構的演化規律，采用動態社區發現方法對社群社會網絡內部的子群結構進行挖掘，得到cMOOC7.0在線學習社群成員社會網絡中內聚的子群數以及子群結構拓撲圖（如圖7、圖8所示）。

如圖7所示，cMOOC7.0在線學習社群社會網絡中子群數量隨時間總體呈現出子群數量先增多、后減少的變化趨勢，其中6月19日（主題三時期）社群社會網絡中子群數達到最大值，為11個；隨后子群數下降，社群演化后期內部子群數基本保持在3個。

注：圖形相同的節點為一個子群，空白表示該天沒有可以記錄的會話發生。

進一步觀察cMOOC7.0在線學習社群社會網絡中子群結構的演化過程。由圖8可知，社群社會網絡結構的子群結構在不斷演化。從時間序列上來看，在引導周到主題三階段，社群社會網絡內部子群快速分裂，網絡內部子群數量一度達到11個的最高值，同時主題三階段網絡聚集系數也達到最高點0.564。這表明在社群發展前期，社群內部迅速結成聯系緊密的小團體，社群內部成員的交互向聚集化發展。主題四至主題八階段則由于微信群轉移的影響，社群社會網絡中節點減少、連邊減少，網絡內部子群數量平均不超過3個。與此同時，網絡聚集系數在主題六階段達到最低點0.104，表明社群內部成員間的緊密聯系被打破。發展至結課周階段，社群社會網絡節點與連邊數量逐漸恢復，社會網絡結構內部子群再度分化，后期子群數量恢復到6個，網絡聚集系數也恢復到0.340，表明通過一段時間的恢復調整，社群內部成員間再次建立起聯系緊密的團體，社群內部交互再次向聚集化的方向發展。

（3）社會網絡結構節點特征及演化

社群社會網絡中，相對獨立的子群間關系的建立依賴于子群間的橋梁節點，這類節點通過連通起不同子群，深刻影響著社群社會網絡結構。與此同時，橋梁節點的社群身份在一定程度上反映出社群內部的交互特征，例如：當橋梁節點由社群組織者承擔時，表明社群交互關系更依賴社群組織者，學習者在交互中處于相對被動地位；而當橋梁節點由學習者承擔時，表明社群交互在更大程度上由學習者自發形成，學習者在交互中處于主動地位。

據此，為進一步挖掘社群社會網絡結構在節點層面的特征及演化規律，本研究采用社會網絡分析法，將網絡中中介中心性排名前十的節點作為主要橋梁節點，社群關系網絡中主要橋梁節點及社群身份隨時間變化情況（如圖9所示）。

由圖9可見，cMOOC7.0在線學習社群中承擔主要橋梁節點角色的社群身份多元化，負責該主題的教師、促進者與各類學習者（一線教師、高校學生、教育從業者）都承擔著連接社群內部子群的橋梁節點的角色。從時間演化來看，承擔主要橋梁節點的成員由負責該主題的教師、促進者等社群組織者向學習者轉變。在引導周至主題二階段，社群社會網絡主要橋梁節點以負責該主題的教師和促進者為主；主題三至主題四以及社群發展后期主題七至結課周階段，主要橋梁節點逐漸以學習者為主。橋梁節點的身份變化表明，cMOOC7.0在線學習社群發展過程中子群之間的聯系不完全依賴于促進者、負責該主題的教師等成員，學習者之間可以自發形成社群社會網絡。此外，在微信群變動（主題四至主題五）期間，社會網絡中主要橋梁節點再次轉向負責該主題的教師，待社群穩定后又繼續轉向學習者。微信群變動期間橋梁節點的身份轉變表明負責該主題的教師在應對社群突發事件對網絡結構的破壞時起到了關鍵的維護作用。

（二）在線學習社群社會網絡演化的內部結構效應

cMOOC7.0在線學習社群社會網絡演化過程中，網絡內部結構之間存在交叉影響和相互依賴，如網絡中橋梁節點影響子群之間的相互連接，子群間的連接同時是影響網絡整體規模與聯通性的重要因素。這種網絡內部結構對網絡結構演化的影響，稱之為網絡形成與演化的內部結構效應（Snijders etal.，2010;Broekelamp;Hartog，2013）。為進一步探究網絡內生結構對社群社會網絡結構演化的影響，接下來采用隨機指數圖模型方法對網絡內部結構效應進行分析。

考慮到cMOOC7.0在線學習社群關系網絡的有向性與規模特征，本研究選取邊（edges）、互惠性（mutual）、閉合三元組（gwesp）、開放三元組（gwdsp）四個內生結構對關系網絡的影響作用進行驗證。其中，邊效應是網絡形成與演化的基準傾向，該變量的設定是用以控制網絡密度，相當于傳統回歸模型中的截距項；互惠性是指網絡中關系的建立依賴于已有的關系結構，即成員偏好與已經建立連接的成員持續連接；三角形結構是指網絡中節點之間形成三角形組合模式的局部構型，分為閉合三元組與開放三元組，該類結構可促使網絡集群化與擴大化，反映關系中的閉合效應與中介效應（劉林青等，2020;翟莉等，2023）。

結合本研究中cMOOC7.0在線學習社群發展的階段性，本研究選取主題四前后兩個時間段（分別稱為“第一階段”和“第二階段”）的社會網絡分別進行內生結構效應的擬合驗證。其中，egdes和mutual兩類變量作為隨機指數圖模型的基準模型（模型1），在此基礎上依次加入gwesp（模型2）、gwdsp（模型3）結構依賴變量，以檢驗不同內生結構對社會網絡演化的影響。對于模型整體的擬合優度，AIC和BIC越小越好，兩個階段社會網絡的隨機指數圖模型的參數估計結果與擬合結果如表7所示。

由表7可見，在兩個階段所有擬合模型中，edges變量系數均為負且顯著，表明在線學習社群中交互關系的建立需要付出成本，網絡的形成和演化并非完全隨機的（戴靚等，2022）。從擬合效果來看，cMOOC7.0在線學習社群社會網絡在第一階段以模型1擬合效果最佳，第二階段以模型3擬合效果最佳，表明各種內生結構在社群發展的不同階段有不同的影響效果。

在社群發展第一階段擬合效果最佳的模型1中，mutual變量的系數在 0.1% 水平上均顯著為正，說明在網絡內部，互惠關系對網絡演化發展具有重要作用，社群中已有交互關系對社群發展前期穩固和強化網絡關系的作用十分明顯（Songetal.，2009）。而gwesp與gwdsp變量的系數為正但不顯著，表明在社群發展第一階段中，網絡中閉合三元組與開放三元組對社會網絡的影響作用存在但不明顯。

社群發展第二階段擬合效果最佳的模型3中，gwesp與gwdsp變量對社會網絡的影響變為顯著，說明發展到第二階段時，社群社會網絡結構受內部三元結構的影響顯著，閉合三元結構和開放三元結構對網絡內部子群演化和子群連接具有重要促進作用。同時，gwdsp變量的系數大于gwesp變量的系數，這在一定程度上表明了開放三元組對cMOOC社群關系網絡的演化作用更為突出，表明社群社會網絡的演化更依賴于結構內部的中介效應，網絡演化則依賴于關鍵節點。

五、結論與討論

本研究通過整理cM00C7.0微信群6，488條交互日志，將社群成員社會網絡化，采用社會網絡分析與動態社區發現法從整體、局部和節點三個層面把握社群社會網絡結構特征與演化規律，并運用隨機指數圖模型檢驗了網絡內部結構對網絡演化的影響作用，研究結果揭示了在線學習社群在結構上的自組織演化規律。整體研究結果可概述如下。

在線學習社群發展過程中，社會網絡結構處于持續的拓展和優化之中。在局部層面，關系網絡內部表現出明顯的子群結構，子群的數量隨時間不斷變化，社會網絡結構內部呈現出由松散向局部聚合的演化趨勢；在節點層面，網絡中承擔主要橋梁節點的成員身份不斷轉換，網絡由以社群組織者支持為主的結構關系轉向由學習者自發形成的結構關系，網絡結構演化過程中表現出良好的自生長性。關系網絡結構是成員之間復雜交互關系的具體體現，網絡結構演化反映的是學習者在cMOOC不同主題與話題之間自由學習，不斷選擇、深化與其他個體的交互關系的過程（王慧敏amp;陳麗，2019;徐亞倩amp;陳麗，2021）。網絡局部結構層面的子群變化反映出成員在社群中傾向于尋找伙伴，獲得身份認同，然后再不斷擴大社交范圍的社交過程（Opsahlamp;Panzarasa，2009;趙康，2017;劉天元，2019）。網絡節點層面不同身份的成員在關系網絡中輪番承擔橋梁節點的情況則反映出學習者在社群中逐漸占據網絡重要位置的過程（趙欣等，2017），體現出cMOOC在線學習社群的去中心化特性（史蒂芬·道恩斯，2022）。在線學習社群社會網絡結構在成員不斷參與社群學習的過程中被賦予了良好的自生長性。

在線學習社群社會網絡內部結構與網絡結構交叉影響且相互依賴。研究發現，在線學習社群社會網絡中，互惠性結構、閉合三元結構、開放三元結構均對社群社會網絡結構的演化產生了影響。其中，互惠性結構在社群發展前期對網絡結構的影響顯著，而具有閉合效應與中介效應的三元結構在社群發展后期對網絡結構的影響效果更明顯。互惠性結構的影響表明在社群發展前期，成員傾向于依賴和維持已有的交互關系。這在一定程度上反映出交互關系建立的社會選擇與社會影響機制，成員間年齡、職業、興趣等個人偏好以及成員社會影響力均會對成員交互行為的發生產生影響（Lazarsfeldamp;Merton，1954;Centolaamp;vandeRijt，2015），社群發展前期成員彼此之間了解程度低，因此更傾向于依據個人偏好與影響力發生交互行為。社群發展后期，三元結構對網絡結構的影響作用表明社群社會網絡的演化存在結構依賴（Nowak，2006;蘇奇，2020;劉林青等，2020），閉合三元組能夠增強網絡的聚集效果與穩固性，開放三元組則有助于提高網絡結構中的橋接性與連通性。可見，網絡內部特殊構型能夠提高網絡結構演化的內生動力，進一步推動社群社會網絡結構演化。

綜合這些研究發現，本研究認為順應在線學習社群社會網絡的形成與演化規律，促進成員交互，推動社群良性發展，應該從以下兩個方面入手。一方面，要注重拓展社群專業知識庫。在此基礎上利用大數據和人工智能技術精準把握成員討論的熱點話題，并積極予以回應和引導深人討論，以加強成員的社群認同感，提高社群的黏性和社群成員的留存率。另一方面，要重視社群社會網絡結構中橋梁節點的引導與培養。橋梁節點對社群社會網絡的規模與連通性影響顯著，具備成為社群網絡中心與結構洞位置的“意見領袖”的條件與潛能（蔡騏amp;陳月，2018;文彤 等，2022），有利于提高節點影響力，推動社群交互。因此，在社群演化過程中應注意營造開放平等的交流氛圍，注意識別關鍵節點，引導成員持續深人互動，培養其成為“意見領袖”，最大限度地發揮其在社群社會網絡中的中介和凝聚作用，以提升社群規模及網絡結構的穩定性和連通性。同時，還要健全社群交互評價機制，設立成員互評等方式并及時進行反饋，促進多路徑、多形態的成員間交互關系的建立，進而充分發揮社群社會網絡演化的內部結構效應，推動社群社會網絡結構的良性演化。

參考文獻

巴志超，李綱，毛進，amp;徐健.（2018）.微信群內部信息交流的網絡結構、行為及其演化分析———基于會話分析視角.情報學報（10），1009-1021.

蔡騏，amp;陳月.（2018）.基于社會網的知乎網意見領袖研究.湖南師范大學社會科學學報（5），128-138.

戴靚，丁子軍，曹湛，吳康，amp;王瑞霖.（2023）.長三角地區城市協同創新網絡的演化特征及其驅動力.資源科學（5），1006-1019.

戴靚，劉承良，王嵩，紀宇凡，amp;丁子軍.（2022）.長三角城市科研合作的鄰近性與自組織性.地理研究（1），2499-2515.

端祥宇，袁冠，amp;孟凡榮.（2020）.動態社區發現方法研究綜述.計算機科學與探索（4），612-630.

郭玉娟，陳麗，許玲，amp;高欣峰.（2020）.聯通主義學習中學習者社會網絡特征研究.中國遠程教育（2），32-39，67，76-77.

郝祥軍，王帆，amp;繆晶晶.（2020）.大規模在線學習中“社會治理共同體\"的構建研究.現代遠距離教育（2），51-62.

黃紅梅.（2016）.應用時間序列分析.清華大學出版社

林萍，王曉梅，amp; 魏靜.（2020）.基于社群結構比較的意見領袖協作網絡分析.寧夏社會科學（2），193-205.

劉林青，陳紫若，amp;田畢飛.（2020）.結構依賴如何影響貿易網絡形成及演化：以\"一帶一路\"為例.世界經濟研究（6），106-120，137.

劉天元.（2019）.年輕女性為何熱衷在網絡社區分享\"好物\"？——基于動因理論的分析.中國青年研究（7），91-97， 112.

劉雨農，amp;劉敏榕.（2018）.虛擬知識社區的社會網絡結構及影響因素——以知乎網為例.圖書情報工作（4），89-96.

史蒂芬·道恩斯.（2022）.聯通主義（肖俊洪譯）.中國遠程教育（2），42-56，77.

蘇奇.（2020）.復雜網絡上的合作演化和博弈動力學研究.北京大學.

童莉莉，李榮祿，amp;閆強.（2019）.在線知識社群中的意見領袖識別模型研究.中國電化教育（3），97-103.

王慧敏，amp;陳麗.（2019）.cM00C微信群社會網絡特征及其對學習者認知發展的影響.中國遠程教育（4），15-23，92.

王莉，amp;程學旗.（2015）.在線社會網絡的動態社區發現及演化.計算機學報（2），219-237.

王陸.（2008）.信息化教育研究中的新內容：互動關系研究.電化教育研究（1），11-17，21.

王陸，amp;馬如霞.（2009）.意見領袖在虛擬學習社區社會網絡中的作用.電化教育研究（1），54-58.

王元卓，于建業，邱雯，沈華偉，程學旗，amp;林闖.（2015）.網絡群體行為的演化博弈模型與分析方法.計算機學報（2），282-300.

王志軍.（2014）.聯通主義學習情境中的教學交互特征與規律研究.北京師范大學.

王志軍，amp;吳芝健.（2023）.人工智能時代在線學習新形態——算法支持的智適應社群化學習.遠程教育雜志（5），49-55.

文彤，郭強，amp;邱以澄.（2022）.旅游虛擬社區中意見領袖的網絡權力特征及形成機制——以去哪兒網為例.旅游學刊（4），39-51.

徐亞倩，amp;陳麗.（2019）.聯通主義學習中個體網絡地位與其概念網絡特征的關系探究——基于cMO0C第1期課程部分交互內容的分析.中國遠程教育（10），9-19，51，92.

徐亞倩，amp;陳麗.（2021）.生生交互為主的在線學習復雜性規律探究.中國遠程教育（10），12-18，38.

于玻，徐珺巖，amp;譚律岐.（2020）.基于社會網絡和話題相似度的cM00C學習者聚類研究.開放學習研究（1），10-21.

翟莉，梁倩，amp;姚佳佳.（2023）.高校導師合作網絡演化及形成機制研究——基于指數隨機圖模型.情報科學（2），20-28.

趙康.（2017）.學術組織社群網絡信息交流特征及結構演變.圖書情報工作（14），99-108.

趙欣，王倩雯，amp;張長征.（2017）.從知識搜尋者到知識貢獻者——專業虛擬社區用戶角色轉變的機理研究.情報科學（10），18-22.

周炫余，陳麗，郭玉娟，鄭勤華，amp;李璇.（2022）.數量和質量并重的社會交互網絡構建方法創新及驗證研究.中國遠程教育（9），61-68，79.

鄒本濤，王日芬，amp;余厚強.（2020）.人工智能領域高產科研團隊的演化研究.圖書情報工作（20），23-33.

Broekel，T.，amp; Hartog，M.（2O13）.Explaining the structure of inter-organizational networks using exponentialrandom graph models.Industry and Innovation，20（3），277-295.

Centola，D.，amp;van de Rijt，A. （2O15）. Choosing your network： Social preferences inan online health community.SocialScienceamp;Medicine，125，19-31.

Hollnd，P.W.，amp;Leinhardt，S.（1977）.Transitivityin StructuralModelsofSmall Groups.InSocialNetworks（pp.49-66）.Elsevier Inc.

Lazarsfeld，P.F.，amp; Merton，R.K.（1954）.Friendshipas a social proces： A substantive and methodologicalanalysis.FreedomandControl inModernSociety，18（1），18-66.

Nowak，M.A.（2Oo6）.Fiverules for the evolution ofcooperation.Science （AmericanAssociation for the Advance-ment of Science）， 314（5805），1560-1563.

Opsahl，T.，amp; Panzarasa，P.（2Oo9）. Clustering in weighted networks.Social Networks，31（2），155-163.

Smith，M.，Gorgoni，S.，amp; Cronin，B. （2Ol9）.International productionand trade inahigh-tech industry：A mul-tilevelnetwork analysis.Social Networks，59，50-60.

Snijders，T.A.B.，vande Bunt，G.G.，amp; Steglich，C.E.G.（2O10）.Introduction to stochastic actor-based mod-elsfor network dynamics.Social Networks，32（1），44-60.

Song，L.J.，Tsui，A.S.，amp; Law，K.S. （2Oo9）. Unpacking employee responses toorganizational exchange mecha-nisms： The role of social and economic exchange perceptions.Journal of Management，35（1），56-93.

Research on the Evolution of Social Network Structure of Online Learning Communities： A Case Study of the cMOOC 7.0 WeChat Group

Zhao Hong， Dong Xu and Yang Ao

Abstract： The online learning community with virtual space as the scene and members’ independent interaction has become an important way of knowledge sharing and learning in the “Internet+” era. Taking the WeChat group of the online course “Internet + Education： Dialogue between Theory and Practice VIl” as an example，based on the interaction data of members，using the social network analysis method and the dynamic community discovery method， this paper explores the characteristics and evolution rules of the social network structure of the online learning community from the three levels of the whole， the part and the node. The results show that： The interaction behavior of community members shows periodic fluctuation changes， and the social network structure shows good self-growth; In terms of subgroup evolution， the social network structure shows an evolutionary trend from loose to local aggregation; At the node level， the social network shifts from the structural relationship mainly supported by community organizers to the spontaneous formation of structural relationships by learners.It is found that reciprocity，closure effect and mediating effect have significant positive effects on the evolution of relationship network. Then， suggestions are put forward to promote the benign development of community from three aspects： promoting the interaction of community members，attaching importance to the guidance and cultivation of nodes，and improving the evaluation mechanism of community interaction.

Keywords： online learning community； cMOOC；network evolution; structural characteristics;internal structural effect

Authors： Zhao Hong，associate professor of the Research Center of Distance Education of the Faculty of Education， Beijing Normal University （Beijing 100875）; Dong Xu， Northeastern Institute， China Construction Bank University（Harbin 150080）； Yang Ao，graduate student of the Research Center of Distance Education of the Faculty of Education，Beijing Normal University （Beijing 100875）

責任編輯 郝丹