基于社会网络分析的大学生现实与虚拟社会人际关系研究

郭金龙　陆宇杰　许鑫

【摘要】文章以某研究生班级为研究对象，利用社会网络分析方法，从强情感支持和弱情感支持两个方面对学生在现实社会与虚拟社会中的人际关系进行了定量分析，结果表明在当前网络环境下，大学生的人际交往呈现了一些新的特征；虚拟社会的人际关系是现实社会人际关系的延伸：同时，强情感关系与弱情感关系之间亦具有显著相关性。

【关键词】大学生；人际关系；社会网络分析；现实与虚拟社会

【中图分类号】G40－057【文献标识码】A【论文编号】1009－8097（2012）12－0091－05

一、引言

随着博客、微博、即时通讯工具、SNS等Web2.0工具的进一步发展，网络在人们的工作和生活中扮演着越来越重要的角色。然而网络在给人们带来丰富多彩生活的同时，也带来了很多负面的影响和社会问题。作为国家未来建设栋梁之才的大学生是网民中最活跃的群体，网络对他们的生活和学习造成什么样的影响，越来越引起人们的关注。在新的网络环境下，大学生的虚拟人际关系是否呈现一些新的特征，其对大学生现实人际关系产生了哪些影响，这些都是本文要探究的问题。

为了具体探讨大学生现实与虚拟人际关系的不同特征，本文把大学生人际关系划分为强情感关系和弱情感关系，详细探究了现实与虚拟社会中这两个人际关系维度的不同特征以及相互关系。在研究方法上主要利用了社会网络分析的整体网络分析法，从整体网络分析视角在关系层面上分析了班级的整体人际关系结构特征，并对现实与虚拟的多个维度的人际关系进行了相关性分析。在虚拟情感关系的测度中，本文还创新性地利用了网络虚拟社区中的链接关系数据，探讨了其用于虚拟人际关系测度的可行性。

本文的研究意义在于，一方面可以使高校管理者、学生辅导员等对大学生的管理与培养更具针对性，促进大学生现实人际关系更加和谐地发展；另一方面可以引导大学生更合理地使用各种网络工具，促进其学业以及现实人际交往。

二、相关研究

近年来利用社会网络分析这一新的方法对大学生人际关系及社会网络相关的问题进行研究的论文逐渐增多。早在2001年，罗家德等就用社会网络分析方法探讨了虚拟人际关系是否独立于现实人际关系的问题。此后，相关学者利用社会网络分析对大学生人际关系进行了一系列研究和探讨。郑思明等在《从社会网络分析的视角看青少年人际关系》一文中介绍了目前的青少年社会网络研究概况，并通过社会网络分析的视角初步探索了青少年的人际关系整体面貌。叶新东等通过调查获得大学生班级的社会网络概况，并重点关注大学生由于学习交流所形成的社会网络，同时对它与学生的学习成绩的相关性进行了研究，得出了两者具有较为显著的正相关性的结论。冯锐等以大学某一班级为研究对象，利用社会网络分析方法，对学生在虚拟社会与现实社会中的情感支持、学习互助两个方面进行了人际关系量化分析。研究表明，该班级学生在虚拟与现实中的人际关系在情感支持与学习互助方面存在显著差异。王炳成等以某大学物流管理专业44名本科生为研究对象，收集了该班级学生咨询、信任与友谊三个方面的关系数据，探讨了大学生友谊形成过程中咨询与信任的作用。研究利用Ucinet6软件中的QAP方法进行了矩阵相关性检验，用阶层回归分析及MRQAP方法对关系数据进行了回归检验，得到三个结论：（1）大学生之间的咨询关系正向作用于友谊关系；（2）大学生之间的咨询关系正向作用于信任关系；（3）信任关系将在大学生的咨询关系对友谊关系的作用中起到部分中介作用。

现有的利用社会网络分析方法对大学生人际关系的相关研究取得了显著的成果。然而尚没有研究把大学生人际关系放在新的Web2.0的环境下去考察，探究其在新的网络环境下的不同特征。本文将对Web2.0环境下大学生现实与虚拟人际关系的特征进行比较，并从强情感支持和弱情感支持两个维度进行具体分析。在虚拟人际关系的测度中，本文还考察了网络虚拟社区中成员之间交互形成的链接关系这一客观指标，探讨其作为量化虚拟人际关系数据的可行性。

三、研究设计

1、研究内容

组织行为学者魁克哈特将组织社会网络分为三种：一种是友谊网络，一种是情报网络，一种是咨询网络。而美国学者莫雷诺创立的社会测量法则把社会网络的维度划分成：沟通网络、知晓网络、知识网络、咨询网络。本研究以大学生为调查对象，对大学生人际网络维度的研究主要聚焦在情感支持。我们将现实与虚拟社会中的人际情感支持划分为强情感支持和弱情感支持。强情感支持包括了一些较亲密的情感行动和情感支持话语，如“倒苦水”、“借钱”、“聊八卦”等。弱情感支持则指一般的人际交往活动，如“一起活动”、“吃饭”、“讨论课业”等。

因此本文的主要研究内容包括：（1）某班级学生现实与虚拟社会中强情感支持网络与弱情感支持网络构成的人际关系的基本情况；（2）现实与虚拟人际关系的相关性探究；（3）强情感支持与弱情感支持之间的关系。

2、研究对象

本研究随机选择了我校研究生二年级某班级的全体同学作为调查对象。以研究生某班级为实证研究对象主要是经调查，我校研究生班级中个人电脑拥有率是100％，且各种网络应用如即时通讯类（QQ、MSN、飞信）、社交网络类（人人网、QQ校友）等已经相当普遍，使得虚拟人际关系的测定具有现实意义。选取的班级共有17名学生，年龄分布在23-25之间，男女比例为6：11。

3、数据收集与处理

本研究中关系数据的获取主要来自调查问卷，问卷的回收率为100％。问卷的设计参考了罗家德一文中的问卷，并根据本研究的实际情况做了适当改进。问卷共包括了10道题目，通过一些看似简单随意，但深度不断增加的问题，测度了该班级学生强情感支持和弱情感支持的基本状况，这样得到了现实和虚拟社会中强情感支持和弱情感支持4个社会网络的关系矩阵。接下来的数据分析均是基于以上4个原始矩阵进行的。对得到的有效样本数据，本研究统一采用UCINET软件进行数据分析。

另外，本研究在虚拟人际关系的测度中，还使用了网络虚拟社区中成员之间相互评论、回复构成的链接关系数据。链接关系数据的优势在于对虚拟人际关系反映的客观性。研究采集了该班级一段时间（2010年9月5日至2011年1月13日）内人人网日志和状态的回复关系。这里的链接关系统计了交互的次数，因此将构建一个多值的关系网络，对关系的强度进行了量化。在相关性分析中，为了与其他类型的网络进行对比，对其进行了归一化处理。

4、研究方法

本文主要运用了社会网络分析的整体网络分析法，从整体网络分析视角对该班级的整体人际关系进行研究，运用的主要社会网络分析指标和方法包括：社群图法、网络密度、中心性、矩阵相关性分析等。

（1）社群图

社会网络的形式化表达方式有两种：社群图法和矩阵代数法。利用社群图法表示关系网络具有简洁、清晰的有点，网络节点关系一目了然，网络结构特征能够比较明显的呈现出来。本研究利用社群图展示并对比了不同人际网络的结构特征。

（2）网络密度

密度是网络中人际关系的总体分布的量化表示，表示的是社群成员之间联系的紧密程度。一定规模群体的成员之间联系越多，网络的密度就越大。通过密度指标可以考察现实与虚拟环境中两种人际网络的交流频率。

（3）中心性

中心性分析是判断行动者在整体网络中的重要性的最普遍的方法。主要有中心度（centrality）和中心势（centralization）两个指标。个体的中心度测量个体或结点处于网络中心的程度，反映了该点在网络中的重要程度。中心势指的是是整个网络的集中趋势。本文的中心性分析选择点度中心性。点度中心性越高者，表示其在网络中与较多的行动者有所关联，在团体中具有较高的影响力。平均点度中心度则是个点度中心度的平均值。

（4）矩阵相关性分析

矩阵相关性方法可以用来分析关系数据之间的相关性。在本研究中我们利用UCINET中的OAP（QuadraticAssignmentProcedure，即二次指派程序）方法来分析矩阵之间的相关性，探究虚拟与现实社会中两种网络之间的相互关系和影响。

四、数据分析与讨论

1、强情感关系网络

现实的强情感关系我们选择了“向谁吐苦水”、“曾跟谁借钱”、“向谁打探八卦”等问题进行测度。在虚拟网络中我们选择了“和谁谈心事”、“和谁聊天”等问题来测度虚拟的强情感关系。测得的关系数据，经过了归一化处理。即，相互间交互次数超过1的均记作1。图1和图2分别给出了该班级可视化的现实和虚拟强情感关系网络图。由图可以直观地看出，该班级整体情感支持网络较为丰富，表明该班级整体氛围良好，大家的相处较融洽。

表1的数据给出了现实与虚拟强情感网络的一些特征指标。现实强情感网络的密度高于虚拟强情感网络的密度，表明强情感关系的维系主要还是现实中的接触和联系。然而，不低的虚拟强情感网络密度亦表明，网络越来越成为情感交流与沟通的重要工具。

从点度中心势的结果来看，现实的强情感网络有较强的中心势，即网络有较明显的中心趋向。从图1也可以明显地看到，10号是该图的一个中心。表明该班级中存在一些人际关系较好的“核心人物”。中心度的分析分析结果表明，中心度排名前5位的“核心人物”分别是10号、3号、1号、5号和13号。虚拟的强情感网络中心势相对较低，但是中心倾向也较明显，中心度排名前5为的“核心人物”分别是5号、3号、16号、17号和14号。我们看到现实与虚拟强情感关系的“核心人物”有一定的重叠，如3号、5号等。表明现实中的影响力会带到虚拟的人际关系中。

2、弱情感关系网络

弱情感关系这里指的是一般的人际交往关系。现实的弱情感关系我们以诸如“一起活动”“一起吃饭”“课业咨询”等问题进行测度；而虚拟的弱情感关系则以“信息传递”、“课业咨询”等问题进行测度。具体地如“您经常跟班上哪些人透过网络（QQ、社交网络等）传递信息”、“课业遇到问题时，您曾透过网络跟谁请教”等。同样的，测得的关系数据，经过了归一化处理。即，相互间交互次数超过1的均记作1。

3、链接关系网络

这里的链接关系是该班级同学在人人网中互相回复、评论等形成的记录。理论上说，这里的链接关系是量化虚拟人际关系的重要数据，因为与通过问卷测度虚拟人际关系相比，它更具客观性。链接关系客观地记录了在虚拟网络社会中成员之间的交互情况。

我们采集了一段时间内该班级同学在人人网中状态、日志、相册的相互回复情况，并进行了归一化处理，得到了图5所示的链接关系网络图。

由图3和图4可以很明显地看出，现实与虚拟的弱情感网络差异非常大。虚拟的弱情感网络非常紧密，其网络密度达到了0.7353，而现实的弱情感网络密度仅有0，2206（见表2）。这表明，在虚拟的网络社会中，人际交往的成本大大降低。如通过回复彼此的状态、日志、相册等，可以方便地表示对好友的关注。而网络通信的便捷性，也方便了虚拟社会中的信息传递。经测度，虚拟弱情感关系网络的可达性达到了100％，即通过该网络任何信息均可畅通无阻地传递到每一个人。

从中心势的数据来看，虚拟弱情感网络的中心势只有9.17％，充分体现了网络的去中心化趋势。表明在网络中，信息的传递处于一种对等的态势，每个人都既是信息的接受者又是信息的发布者。现实的弱情感网络中心势相较强情感的两个网络，中心势也不明显。这也符合我们的常识，较弱的情感联系没有形成明显的“核心人物”。中心度的结果表明，虚拟弱情感网络中，前9个人的中心度均达到了最大值。现实弱情感网络中中心度排名靠前的分别是1号、5号、13号、14号和17号。比较发现，这与现实强情感网络的核心人物亦有较大的重叠，如1号、5号、13号。这表明，弱情感关系与强情感关系存在着一定的相关性。本文第4节将详细探讨现实与虚拟情感网络以及强情感与弱情感网络之间的相关关系。

表3同样给出了该人际网络的一些指标。可以看到，人人网社区的链接关系表明，无论从网络密度还是中心势来看，该链接网络均更接近于前面的强情感网络的特征。“核心人物”也与现实中两个情感网络多有重叠，如13号、1号。这表明网络虚拟社区，尤其是这里的人人网，更倾向于是一个熟人的圈子，而不是一个泛化的社交网络。

4、相关性分析

前面讨论了现实与虚拟社会中强情感和弱情感网络的具体特征，初步表明现实与虚拟情感网络具有的一致性。本节通过矩阵相关性分析，详细分析其相关关系。利用UCINET中的QAP方法，我们得到了如表4所示的相关性分析结果（皮尔森相关系数，括号中为显著性）。

1、现实与虚拟人际关系的一致性

由前面的分析已经可以看出，虚拟与现实中的“核心人物”或称“意见领袖”多有重叠。这里的相关系数进一步证明我们的分析。即整体而言，一个行动者在网下会有怎样的网络特质，其在网上也有相同的特质。我们看到现实强情感网络与虚拟强情感网络相关系数达到了0.571。另外，现实弱情感网络倾向于发展成虚拟的强情感网络，相关系数达到了0.584。这表明现实中的弱情感关系可以通过网络增强和维系。

2、强情感关系与弱情感关系的一致性

由表4可知，现实强情感关系与现实弱情感强相关，相关系数达到了0.673。这表明强情感关系影响弱情感关系，情感关系好的成员倾向于一起讨论课业问题、一起活动、吃饭等。虚拟强情感与现实弱情感的强相关（0.584）也说明了这一点。

3、链接关系与虚拟强情感关系轻微相关

链接关系与其他4个网络相关性的结果表明，其与其他4个网络没有明显的相关性，仅与虚拟强情感有轻微的相关性。这可能由于成员利用网络社区的频率、喜好等不一致导致的。因此，定量、客观的网络社区链接关系只有足够丰富才能用作虚拟人际量化的一个补充。随着网络社区的快速发展，我们认为这在不久的将来是可行的。

五、结论与建议

1、人际关系的新特征

在Web2.0时代的新的网络环境下，大学生的人际关系呈现了一些新的特征。如弱情感网络的高密度表明网络交流已经成为大学生的主要交流方式，现实中的人际交流相对变少了。因此应鼓励大学生更多地进行面对面的交流，这样更利于健全人格的培养。

2、现实与虚拟的一致性

本文的研究表明，网络的人际关系是现实人际关系的一种延伸，行动者在网下有怎样的人际特征，其在网上也有类似的特征。研究结论与罗家德等基本一致。高校管理人员在虚拟社会中可以给予学生更多的支持和引导，引导其合理地使用网络，不至于荒废学业。

3、强情感关系与弱情感关系显著相关

相关性研究结果表明，情感关系好的成员倾向于一起讨论课业问题、一起活动等。因此维持好的情感关系，有助于促进学业的进步和个人的成长。构建和谐的人际关系要同时关注两方面情感关系的培养。

六、结束语

社会网络分析方法为现实与虚拟人际关系的定量分析提供了可行的思路，本文的研究只是一个个案研究，样本量相对较小，但其结论仍给社会人际关系研究带来了新的思考。关于现实与虚拟人际关系的定量研究还需要更多的实证和实例研究来证实。后续的研究包括：

（1）扩大样本量，对其他团体的社会网络关系进行对比研究。

（2）搜集更全面的网络关系数据，按照时间序列构建不同阶段的网络结构图，观察网络人际关系结构的动态变化。