基于社会网络分析视角的微博学术信息交流实证分析

基于社会网络分析视角的微博学术信息交流实证分析摘要：微博是伴随web2.0技术迅速发展的网络社区平台，越来越多的学者或用户利用微博进行学术信息交流。以“图书馆学、情报学领域的微博圈”为研究样本，构建关注矩阵，运用社会网络分析法，通过学者之间的关注及交流探寻微博学术信息交流网络的特点，以期为其它领域的学术信息交流提供参考和借鉴，同时为学科发展提供实际应用价值。关键词：学术信息交流；社会网络分析；微博BasedOnSNAPerspectiveEmpiricalAnalysisMicroblogAcademicInformationExchangeAbstract:Microblogisassociatedwithwebtechnologyoftherapiddevelopmentofthenetworkcommunityplatform,moreandmorescholarsoruseruseMicroblogforacademicexchangesofinformation.WithcircleofMicrobloginthefieldoflibraryandlibraryscienceastheresearchsample,buildonmatrix,usingsocialnetworkanalysismethod,throughthescholarsattentionandinteractionbetweensearchMicroblogthecharacteristicsoftheacademicinformationexchangenetwork,soastoprovidereferenceforotherareasofacademicinformationexchangeandreference,atthesametimeprovidepracticalapplicationvalueforsubjectdevelopment.Keywords:Theacademicexchangesofinformation；SNA；Microblog1研究背景及相关工作1.1研究背景Web2.0的出现和发展，催生了博客（Blog）、人人网、微博客（简称：微博）、网摘、P2P、天涯社区等虚拟社区的形成,它们所具备的即时性、互动性等优势[1]引发了学术信息交流环境、范围、方式以及内容的巨大的变化：学术信息交流环境由实体空间逐渐转变为虚拟社区平台,不同学者、专业人士之间的交流比现实生活中交流更为真实；学术信息交流的范围不再局限于固定的学科以及人员结构,从整体上实现了跨空间、跨地区共享；学术信息交流的方式从单一向多样转变，从学术座谈会、研讨会扩展到学术博客、学术论坛、学术微博圈等；学术信息交流的内容也打破了传统学术信息交流话题固定、覆盖面少、内容单一的局限性，不仅实现了显性知识的共享，更推动了隐性知识的利用[2]。其中，微博独特的设计理念，及时、通畅和广泛的用户信息交流渠道，使其在众多的虚拟社区中脱颖而出。近年来，作为新兴的社交网络应用，微博已经成为网民获取信息的重要途径之一，微博从满足人们弱关系的社交需求逐渐演变为大众化的舆论平台，越来越多机构及公众人物都通过微博来发布或传播信息。截至2013年6月底，我国微博网民规模为3.31亿，较2012年底增长了2216万，增长7.2%。网民中微博使用率达到了56.0%，较2012年底增加了1.3个百分点[3]。1.2相关工作目前，我国学者对于微博信息交流网络的特点的研究主要集中在以下两个方面：（1）微博用户信息交流网络结构的研究。王晓光等人[4]首先深入研究与实证分析了微博用户形成的交流网络,分别根据社会网络分析中的核心—边缘理论和聚类分析方法，界定了微博社区中核心区域与外围区域，描述了聚类群组结构,分析了群组间成员彼此关系。亦有学者[5]提出了3种信息交流网络结构模型,即圈子模型，嵌套模型和围观模型，并且从微博信息传播机制角度提出了裂变模式和聚合模式，从信息内容分析角度提出了链状模式、环状模式和树状模式。除此之外，袁毅，杨成明[6]从实证分析的角度出发，跟踪微博用户在时间周期内关于某一话题的交流数据，发现用户在信息交流过程中形成了关注、评论、转发和引用四种社会关系网络，对此，利用社会网络分析软件,测量、比较和分析了四种网络不同的结构形态及其交流特征。（2）微博社区信息传播模式的研究。中国科学院国家科学图书馆利用新浪微博平台设立官方微博“科学人讲坛”,构建了集微博信息发布、微博活动直播、微博大屏幕、微访谈等多种微博服务应用于一体的“微博传播云”模式[7]。刘丽芳[8]通过构建微博的信息传播模式，提出微博客的传播方式既不是传统媒体的线性传播，也不是网络媒体的网络传播，而是一种裂变传播。社交网络提供了一种基于关系的网络信息传播方式，社交网络信息传播模式中传播者与受众、传播媒介、传播内容、传播方向、传播效果等要素各有其特殊性。对此,史亚光，袁毅[9]通过构建社交网络传播模式，准确地描述了社交网络中信息传播的过程以及上述要素的特点。此外,亦有学者[10]结合社会网络分析方法对传播模式、传播者、传播渠道、传播内容和受众等方面分析了影响网络社区信息传播的因素。随着研究的不断深入，微博信息交流网络模型的建模方法亦倍受关注，微博用户的信息交流机制和微博信息分类技术逐渐走向成熟[11]。从上述分析可以看出，目前对于信息交流的研究大多都是从信息交流网络结构、信息传播模式等角度进行研究，但以微博为载体的“学术”信息交流研究很鲜见。此外，目前对微博网络结构、相互关系、交流程度等问题研究尚不够深入，而这正是揭示学术信息交流的关键。综合以上因素，本文选取图书馆学、情报学领域的微博圈作为实证，从微博构建者之间学术信息交流与信息传播的角度出发，基于建立的关系矩阵数据，运用社会网络分析法，通过学者之间的交流及关注探寻微博学术信息交流网络的特点，以期为其它领域的学术信息交流提供借鉴[12]。2理论方法与数据采集2.1理论方法2.1.1社会网络分析方法社会网络分析是从“关系”的角度来研究社会现象和社会结构[13]，本文采用社会网络分析软件Ucinet6进行中心度分析，研究以微博客为载体的图书情报专业学术信息交流过程中的社会网络及其关系。2.1.2小世界理论20世纪60年代，StanleyMilgram利用熟人之间的关系设计了连锁信件实验，开创了“现象量化”的先河[14]。任何两个素不相识的人，通过一定的方式，总能够产生必然联系或关系。最多通过六人的中介，就可以结识任何一个人。这种颇为典型的现象在学术界概括为著名的“小世界”（smallworld）理论或“六度分隔”（sixdegreesofseparation）[15]。本文结合小世界理论，基于关注矩阵统计数据,利用Ucinet软件,通过“Network→Cohesion→Distance”路径,计算特征路径长度，以判断图情微博学术信息交流是否具有小世界效应，并且从结构特征上判断微博的学术信息传播效率。2.2数据采集2.2.1确定样本本文研究样本来自“新浪微博”网站，为保证样本的随机性和相关性，本文采用滚雪球抽样法，首先在新浪微博平台上，以图情专业微博为搜索方向，在高级搜索中选择条件——“找人”，输入“图书馆学”，便可查找到部分图情的微博主，其中微博构建者包括专家教授、图书馆员、专业期刊杂志、图书馆、专业学生。搜索结果显示关注度最高（即粉丝数量最多）的微博主为“竹帛斋主”，本次研究便将该博主作为抽样的起点，通过“竹帛斋主”的“关注”和“粉丝”及微博的特色功能——“共同关注”、“我关注的人也关注他”、“他的粉丝还关注了”收集了相关微博主，从而确定了基本样本范围。由于部分微博构建者的“关注”、“粉丝”及“微博”数量均较少，为了缩小样本，提高选取的链接的相关性，笔者通过“共同关注”、“我关注的人也关注他”、“他的粉丝还关注了”等功能，经过筛选最终确定了30个图情微博关系网络紧密、互动性强的样本。为方便后续的社会网络分析，笔者对用户名称进行顺序编号，如表1所示。表1微博用户编号编号用户名称编号用户名称编号用户名称1竹帛斋主11图书情报工作21上图文献服务2立人图书馆12图有其表22图书馆建设_黑龙江3书蠹精13书骨精23naisi4彭老图14西北老汉201124图书馆观察5图书馆报15初景利25catwizard6图林老姜16上图赵亮26赖茂生40后7老槐17北大图书馆视界27书图同归8陈定权18吉林省图书馆28欧阳名扬9武汉图书馆19情报学论坛29蒋永福10超平20图林扫地僧30图林小子2.2.2构造关联图根据筛选的样本构建关注网络矩阵。其中矩阵的行代表关注者，列代表被关注者，如果某一用户关注另一个用户，则对应的元素值为1，如果没有关注另一个用户或行列对应的元素相同，则对应的元素值为0[16]（此次采集的关注数据截至2013年6月1日14:00）。所得关注网络矩阵见附件。根据关注网络矩阵值，构造关联图，通过NetDraw可以将网络关系更直观的地表现出来，如图1所示。图1关注矩阵图3过程分析3.1中心度分析根据图1关注矩阵图可以看出，该矩阵反映的是用户之间的有向关系，箭头指向表示“A”关注“B”[17]。一个结点指向其他结点的箭头的数量记做点出度(outdegree)，一个结点被其他结点所指的箭头的数量记做点入度(indegree)。点出度表示的是用户关注其他用户的程度，点入度则用来表示用户被其他用户关注的程度。通过出度和入度，可以判断出哪些用户在图情微博客圈中处于核心地位，微博更具有影响力。其中“点度中心度”刻画的是行动者的局部中心指数，测量网络中行动者自身的交易能力，没有考虑到能否控制他人。“中间中心度”研究一个行动者在多大程度上居于其他两个行动者之间，因而是一种“控制能力指数”。“接近中心度”考虑的是行动者在多大程度上不受其他行动者的控制。3.1.1点度中心度在Ucinet中调入关注网络矩阵数据，按照以下路径NetworkCertralityDegree进行点度中心度分析，得出结果见图2。FREEMAN'SDEGREECENTRALITYMEASURES--------------------------------------------------------------------------Diagonalvalid?NOModel:ASYMMETRICInputdataset:关注网络矩阵(I:\关注网络矩阵)1234OutDegreeInDegreeNrmOutDegNrmInDeg--------------------------------------------------------------------4彭老图27.00024.00093.10382.75920图林扫地僧27.00017.00093.10358.6216图林老姜27.00023.00093.10379.31028欧阳名扬26.0009.00089.65531.0348陈定权25.00021.00086.20772.4141竹帛斋主25.00025.00086.20786.20714西北老汉201125.00022.00086.20775.86213书骨精24.00022.00082.75975.86227书图同归23.00010.00079.31034.48322图书馆建设_黑龙江23.00013.00079.31044.82816上图赵亮21.00020.00072.41468.9667老槐21.00026.00072.41489.65511图书情报工作19.00021.00065.51772.41418吉林省图书馆9.00012.00065.51741.3795图书馆报19.00020.00065.51768.96615初景利18.00020.00062.06968.96621上图文献服务18.00013.00062.06944.8283书蠹精17.00023.000