微群虚拟社区的社会网络分析

郭小洁

长治学院 山西长治 046000

1 研究目的

虚拟学习社区，是指建立在网络和通信技术基础上，通过教学研究等活动建立一个虚拟的社会形态，使学习者获取知识、提高技能，形成一个以学习为目的的交互的自治区域[1]。越来越多的人热衷于在虚拟社区中交流情感、传递信息、共享知识。然而这种交流又受到各种因素的影响，如它的社会网络结构是怎样的，社区成员之间具有什么程度的联系，所分析的网络指针对于社区成员的交互和沟通有何影响，这些都是本文探讨的内容。

2 研究对象和方法

笔者以所教的2011级教育技术学专业的学生为研究对象，教师和全班学生共35名成员基于微博群组成了虚拟学习社区—教育技术专业学习交流群。社区全体成员能熟练使用腾讯微博，具有共同的愿景和目标，同质性较强。关于本专业课程的有关问题，社区成员可以引出话题、发表评论和观点，互相交流。这不仅有利于信息交流和知识共享，同时也有利于发展创新思维。

社会网络分析方法是一种从量化的角度分析社会关系内在结构的研究方法，用于描述和测量行动者之间的关系或通过这些关系流动的各种有形或无形的东西，如信息、资源等[2]。本研究的数据主要是通过笔者为期4个月的观察和记录，直接从微群成员的交互中获取数据，对所有样本数据，用UCINET软件进行分析。

3 分析过程和结果

3.1 微群虚拟社区的社群图表达

图1 虚拟社区的社群图

根据搜集的资料，利用UCINET软件，可绘制出相应社群图(如图1所示)。在图中，点表示微群成员，带箭头的有向直线表示成员之间的互动关系，箭头指向互动关系的接收者。可以看出，该社群图为非完备图，而且仍存在两个边缘型成员(22和35)，他们与其他任何成员都没有互动。用UCINET软件计算，可得出该矩阵的密度为0.205 9，此值相对来说不算小，可以认为此微群成员之间联系较为紧密。从图1中，我们可以直观地看到这一群体的特征：在群体中有一小部分人受到成员的敬重与信赖，互动参与程度高，对社群的贡献大，知名度相当高，他们经常引出新的论题，引导学习互动，具有较丰富的社交经验和专业知识，解决问题能力较强，具有强烈的学习动机，乐于分享个人经验和心得，积极帮助其他成员学习知识，我们称其为“意见领袖”[3]。当一个群体中缺乏意见领袖时，社群图就会显得很散乱甚至表现出孤立的一面，网络结构关系就显得很松散[4]。在此虚拟社区中，成员1，3，9，34，27，12等属于意见领袖，他们是群体的核心人物，在社群中具有很强的凝聚力。

所谓“孤独者”，是指那些不与任何人有互动关系的成员。如成员22和35，他们既没有发表话题也没有参与评论，这部分成员还未真正融入群体中，算不上真正的社区成员。

3.2 中心性分析

“中心性”是社会网络分析的重点之一，常被用来评价一个人的重要程度，衡量一个人的地位的优越性或者权利以及社会声望[5]。使用最为广泛的是点度中心性与中间中心性。

3.2.1 点度中心性

点度中心性用来衡量谁是一个团体中最主要的中心人物。成员的点度中心性越高，说明他在网络中与越多的行动者有关联，在群体中具有越高的影响力。点度中心性包括点出度与点入度，同时又可分为绝对点度中心性和相对点度中心性。

(1)出度。当社群图是一个有向图时，某一个点的出度是指从该点引出的连线的数目。在此虚拟社区中，出度表示特定成员访问其他成员的数目。出度值越高，表明该成员评论或引用其他成员发布的讨论主题越主动，并且越积极地创建与其他成员的联系。

(2)入度。当社群图是一个有向图时，某一个点的入度指以该点为终点的连接线的数目。在此虚拟社群中，入度表示特定成员被其他成员访问的数目。入度值越高，表明该成员发表的观点在虚拟社区中越有影响力。

如果侧重研究整个图的中心趋势，可用“点度中心势”表示图的整体中心性，测量“图的总体整合度或一致性”。网络的点度中心势数值越大，表示该网络的向心趋势越明显。算法是：计算图中的最大中心度数值与任何其他点的中心度之差，得到多个“差值”；再计算这些“差值”的总和，最后用这个总和除以各个差值总和的最大可能值。

利用UCINET软件，可以得出点度中心性的指标值(如图2所示)。

图2 虚拟社区中心性指标

在图2中，成员1的出度是32，入度是30，标准化点出度是94.118%，标准化点入度是88.235%，表示成员1与32个成员互动，被30个成员评论，他关注网络中94.118%的其他成员，被网络中88.235%的其他成员关注。成员1的出度和入度都是所有成员中最高的，说明他主动积极地与成员互动，同时很多成员也关注他。此成员具有很强的认可度，处于整个网络的中心位置。

根据图2，点度中心度最高的6位成员依次为成员1，3，9，34，27，12，他们比其他成员拥有更多的连接关系，是虚拟社区的意见领袖，对社群有较大的贡献。社区中有一部分成员的连接度为中等，属于“活跃者”，如成员23，2，32，10，8，33，11，15，28等。如果对此细分，这些成员的地位和权力也不同，有的点出度大于点入度，说明他们积极评论其他成员，自己却相对较少被关注，有的则相反。还有一些成员与社区其他成员交流很低，属于社群中的“不活跃者”，如成员16，26等，他们的连接度较低。另外，还有一些成员，与其他成员无互动，属于社区的“孤独者”，如成员22和35。说明他们缺乏与其他成员的沟通和交流，不算真正的虚拟社区成员。

通过UCINET软件计算出此社区网络的标准化点入度中心势为75.692%，点出度中心势为69.637%。两数值相差较小，网络关系没有大的不对称性。从网络的中心势值来看，中心势较高，有较为明显的网络向心性，证明该虚拟社区成员之间的交流较为集中。

3.2.2 中间中心性

中间中心性主要测量行动者对资源控制的程度，表示一个点在多大程度上位于其他点的“中间”，该值越大，该点占据的位置越重要，有越强的控制资源的能力，引导资讯资源流通的机会也越多。在此虚拟社区中，获得中间中心性的必要条件是成为其他成员的“中间人”。A互动B，B互动C，B节点可起到重要的“中介”作用，控制A和C间的信息流通。

网络也存在中间中心势指数这一整体结构指针，数值越大，网络中信息被个别人垄断的可能性就越大。

通过UCINET软件，可得到中间中心性的指标值(如图3所示)。

图3 社区的中间中心性数据表

从图3中可以看出，标准化中间中心性值在1以上的有1，9，3，27，12，28，34，2，15共9位成员。此虚拟社区主要依靠这9位成员传播信息，他们在网络中处于比较重要的连接性位置，对于其他成员的相互交流有促进作用，即其他成员之间的合作比较依赖于这几个成员。而中介性为0的成员有10，22，35，说明他们没有为任何一对成员的交流“搭桥”，无法控制任何信息的流通。可以看到，此虚拟社区的信息流通主要依赖于9个人，对于这样规模的社群来说此数字不算小，这样不太容易形成信息垄断。

通过软件可以算出网络的中间中心势为43.41%，该数值不算大，因此，该虚拟社群存在信息被个别人垄断的可能性不大，与上述分析一致。

3.3 凝聚子群分析

有时需要研究网络中行动者之间关系的紧密程度。如果网络中的某些行动者之间的关系特别紧密，形成一个次级团体，则称这样的团体为凝聚子群。凝聚子群分析包括：一个网络中凝聚子群的数量，子群内部成员之间的关系，子群与其他子群的关系，一个子群的成员与另一个子群成员之间的关系等。凝聚子群分析方法主要包括派系、n-派系、n-宗派、k-丛、k-核、成分、Lambda集合等。本文进行派系分析。

派系是指至少包含3个点的最大完备子图。派系是一个非正式群体，这个群体的成员之间具有强的、直接的、紧密的关系。在一个二元有向关系的网络中，派系成员具有互惠性关系，并且不能向其中加入任何一个其他成员。在本研究中，派系成员之间必须有交互行为发生。用UCINET软件对派系进行分析，取最少成员数为5，得到5个派系(如图4所示)。

图4 凝聚子群分析结果

这5个小团体的重叠性较强，其中成员1和3在每一个小团体中都出现，成员9，15和32也各出现了3次。原因是：教师(编号为1)会对每位学生的话题给予指导和评价，而且学生会形成以教师为中心的一种交流模式。比较活跃的学生往往隶属于不同的小团体，所以成员9，15和32在小团体中重叠次数相对也较高。绝大部分的连接离不开成员1，1是社区的交互中心，这与中心性以及凝聚子群分析结果一致，该成员占据了整个虚拟社区最重要的地位。也可以看出，意见领袖和小团体涉及的成员大多重叠。如果没有这些成员，整个社区的交互将可能出现瘫痪，无法进行交流互动。

这些小团体对虚拟社群的意义极为重要。小团体成员之间有着非常紧密的联系，他们积极主动地进行交流互动，并且经过长期的交互过程，逐渐形成了稳定的交互模式，在一定程度上控制着信息的流动。这些次级群体对群体的凝聚性起着重要作用。这些小团体，可以使虚拟社群具有一定的稳定性并得以维持和发展。

3.4 虚拟社群的小世界效应

小世界效应体现出信息在虚拟社区中流动速度的快慢。本文仅从最短路径这一角度来验证小世界效应，若设L是网络中节点对之间的平均距离，当在任何一种情况下，L的值都相当小，例如：远远小于网络的节点数量n时，便说明此网络具有小世界特性。

通过UCINET软件分析，可得到网络中节点对之间的平均距离L=1.790。意味着，在此虚拟社区中，任何两个成员只要通过1.790个人就可以联系起来。根据小世界效应理论，此微群是具有显著小世界效应特性的网络。这从另一个方面说明了该虚拟社区的环境比较好，成员之间具有很好的信息交流渠道。

小世界效应对于虚拟社区来说是很重要的，如果该社区网络具有小世界效应，那么新的信息和思想观念在网络中的传播很迅速，成员之间能够进行快捷的交流与互动；如果它不具有小世界效应，则说明该社区成员的信息流通速度缓慢甚至造成闭塞，这非常不利于虚拟社区的发展。

4 虚拟社群的特点

经上述分析，可以得出此虚拟社区的结构特点：

(1)该社区的社会网络结构具有高度的复杂性，并且存在两个孤立点。

(2)从密度值可以看出此虚拟社群的成员之间联系较为紧密，信息流通顺畅，情感支持较好，工作绩效也比较高。

(3)从中心性分析可以看出，教师在网络中的地位最高，占据着最重要的位置，控制和引导着资源的流动，此网络有较为明显的网络向心性。该虚拟社群存在信息被个别人垄断的可能性不大。

(4)此虚拟社区的5个小团体的主要成员大多集中在意见领袖上，可见社群主要依赖于这些成员才得以维持。

(5)任何两个成员只要通过1.790个人就可以联系起来，说明该社群的信息流通速度快，成员之间能够进行快捷的交流和互动。

5 存在的问题与建议

5.1 社群存在的问题

尽管此微群是一个相对成功的虚拟社区，但仍然存在一定的问题：

(1)社群中还存在一些非常不活跃的成员(如成员22和35)，他们的参与动机很低，与其他任何成员都没有交流互动，属于“孤独者”。

(2)某些成员的中心性过强。虽然这可以使得社群更集中，但也会降低其他成员自主讨论的能力，使其产生依赖性。一个社群如果仅仅依赖于几个核心成员，可能会影响社群的可持续发展。

(3)社群成员具有较强的同质性，尽管这可以减少成员之间的交流障碍，但从另一个角度讲，也容易因成员角色单一而造成信息的重复，从而降低参与者的受益质量。

(4)群体的互动性不强。这些小团体的成员只集中在少数人身上，即仅仅在少数人之间建立了紧密的联系，大部分成员的互动性不够强。

5.2 社群建设与发展建议

为了促进社群的持续发展，笔者提出以下建议：(1)改善“孤独分子”现象。提倡成员间尽可能多的交流互动，尽量使全部社区成员都能积极参与进来。

(2)创造机会，让不同的小团体一起参加活动，引导不同小团体成员之间互相交流和沟通，使其成为大集体中的积极因素和动力，提高虚拟社区的发展水平。

(3)重视社区成员角色的多元化发展，可适当引入一些与本社群成员异质的成员，为群体注入更大的活力。

6 结束语

本文运用社会网络分析方法，借助UCINET软件分析了教育技术专业学习交流微群的网络关系，获得了其网络特征与交流模式。但本文仅为个案研究，所得结果只能推广到相似情境中。研究还存在其他的不足，如只选了一个班级，没有设置对比班级，在今后的研究中，还需做更深层次的研究。

[1] 王陆.虚拟学习社区的社会网络分析[J].中国电化教育,2009(2):5-11.

[2] 张存刚,李明,陆德梅.社会网络分析[J].甘肃社会科学,2004(2):109-111.

[3] 王陆,马如霞.意见领袖在虚拟学习社区社会网络中的作用[J].电化教育研究,2009(1):54-58.

[4] 叶新东,邱峰,沈敏勇.教育技术博客的社会网络分析[J].现代教育技术,2008(5):17-19.

[5] 罗家德.社会网分析讲义[M].北京:社会科学文献出版社,2005.

[6] 张豪锋,李瑞萍,李名.QQ虚拟学习社群的社会网络分析[J].现代教育技术,2009(12):82-85,127.

[7] 赖文华,叶新东.虚拟学习社区中知识共享的社会网络分析[J].现代教育技术,2010(10):99-103.