社会网络视角下思维聚焦对集群行为发展趋势的影响

李根强 刘人境 孟勇 方从慧

摘要：基于社会网络理论和思维聚焦理论，构建出集群行为发展趋势的预测模型，采用Agent方法在无标度网络中模拟思维聚焦、群体异质性、关系强度、圈子认同等因素对集群行为发展水平与发展速度的影响作用，以探究集群行为的产生与发展趋势。研究发现：情绪聚焦型群体的集群行为发展水平与发展速度要高于问题聚焦型群体；在中等群体异质性条件下，情绪聚焦型群体的集群行为发展水平与速度可以达到最大值；弱关系环境更易助长情绪聚焦型群体集群行为发展水平与速度的提高；群体异质性与集群行为发展水平与速度呈倒U型关系，思维聚焦以及圈子认同对这种关系有调节作用。

关键词：思维聚焦；群体异质性；关系强度；圈子认同；集群行为

DOI：10.13956/j.ss.1001-8409.2017.07.27

中图分类号：C91；B849 文献标识码：A 文章编号：1001-8409（2017）07-0126-05

The Impact of Thought Focus on Collective Behavior

Development Trend from the Perspective of Social Network

LI Genqiang1，2a， LIU Renjing1，MENG Yong2b，FANG Conghui3

（1. School of Management， Xian Jiaotong University， Xian 710049；

2a.Department of Psychology； b. School of Management， Xinxiang Medical College， Xinxiang 453003；

3. Department of Student Affair， Southwestern University of Finance and Economic， Chengdu 611130）

Abstract： Based on the theory of social network theory and thought focus theory， the forecasting model of the development trend of cluster behavior is constructed. The agent development method is used to simulate the influence of regulatory focus， tie strength， group heterogeneity， social circle identity and other factors on the collective behavior in scalefree network，in order to explore the emergence and development trend ofcollective behavior. This paper finds that： the participation level and speed of promotion groups are greater than in prevention group； with the appropriate community structure， promotion groups can achieve the highest level or speed； weak tie is more advantageous to the level or speed growth of prevention group； group heterogeneity and level or speed has inverted ushaped relationship in collective behavior， social circle identity and thought focus can moderate this relationship.

Key words：thought focus； group heterogeneity； tie strength；circleidentity； collective behavior

1引言

我國处于社会转型期，经济的快速发展带来了社会流动和两极分化等一系列问题[1]。现有法律体系与社会规范难以做出及时调整，从而使得群体事件或集群行为就成为一些民众寻求问题解决的方式，时至今日群体性事件的发生率依旧居高不下[2]。群体性事件对于社会稳定的破坏是显而易见的，因此群体性事件中集群行为产生的原因受到学者们广泛关注。集群行为是随着信息传播、行为演化而产生与发展的，这个过程是一个复杂的非线性系统涌现过程，既包括个体信息观点的微观交互传播，也包含信息传播网络拓扑结构的宏观动态演化。

目前集群行为的产生机制、演化机理、影响因素等已经成为学者们关注的热点问题，然而对于集群行为产生的社会网络机制研究则相对缺乏。总体而言，现有研究中尚存在以下不足。第一，目前关于集群行为的研究，较少从社会网络理论视角进行分析。从社会网络理论中的社会关系强度来探讨集群行为的产生和发展机制是一个非常有价值的视角。第二，过去许多研究都从静态角度探讨个体集群行为的参与态度和行为，对集群行为演变过程中的变化规律研究较少。第三，集群行为产生的主导动因会影响着集群行为的发展趋势，因此从诱发集群行为的主导动因出发分析对集群行为发展趋势的影响，以及对不同类型群体开展区别研究也是应该关注的问题。本文基于Agent方法，引入社会学中的社会网络理论和心理学领域的思维聚焦理论，从“个体—圈子—群体”3个层次研究集群行为的演化机理。

2文献回顾

集群行为（Collective Behavior），又称集体行动，是社会公众在无组织的、相对自发和不稳定的情境下，受到某种普遍的影响和鼓舞而发生的行为[3]。Wright等认为集群行为具有两大特征：以群体行为的姿态出现和行为目标旨在提升所属群体的利益[4]。集群行为是个体间相互感染而进行社会互动行为的结果，而集群行为受在线社交网络影响和催化，会延伸出更大范围的网络集群行为[5，6]。由于集群行为的发生会受到社会网络影响，社会网络自身特殊性对于集群行为的影响机制成为当前研究的热点[7]。

社会网络与集群行为产生与发展关系密切，人们的社会网络往往具有较强的群体异质性[8]。在不同的社会系统中，群体异质性程度是有差异的，社会网络中群体异质性程度对群体行为以及个体参与时机选择产生影响。社会关系强度反映着行动者受关系网络中其他节点影响的程度[9]。Granovetter认为关系强度是由互动时间长短、感情深浅、相互信赖程度和互惠性4个因素构成[10]。基于关系强度，群体中个体之间的关系可分为圈子内关系和圈子外关系。一般而言，圈子内部成员间关系稠密，相互影响较大，表现为强关系；而在圈子外部，表现为弱关系[11]。Wirtz和Chew研究表明处于强关系状态的传播者比处于弱关系中的傳播者更能降低接收者按此进行决策的潜在风险[12]。社会关系强度对集群行为的影响目前已得到初步证实，然而社会网络环境中关系强度对集群行为的整体发展趋势的影响还有待进一步研究。

关于集群行为的产生过程及其内部心理特征的研究，思维聚焦理论认为集群行为主要存在两种取向：情绪聚焦与问题聚焦[13]。其一是情绪聚焦，认为由于社会比较所导致人们心理上产生不公正感，由不公正感所带来的消极情绪会驱使人们参与集群行为，群体中的个体都相对感性，主要聚焦于情绪宣泄；其二是问题聚焦，认为人们参与集群行为的目的主要取决于自身对集群行为能够解决所面临的问题的相信程度，群体中个体都相对理性，主要将焦点集中在问题解决。另外，集群行为涉及的是群体间的冲突，群体认同被认为是集群行为的一个核心影响因素，在集群行为研究中占有至关重要的地位[14]。圈子是社会网络中最初级的社会群体，个体的认知和行为模式受自身所在的圈子影响[15]。因此，圈子认同的程度高低会影响到集群行为整体发展水平和发展速度。

群体仿真过程中需要考虑个体决策是如何进行的以及受哪些因素的影响与制约，这一系列的问题都会对仿真结果的真实性产生重要影响[16]。由个体流动带来的群体网络结构的变化往往伴随着群体行为演化过程的始终，并可能影响最终的群体行为演化结果[17]。基于Agent的模型比较符合真实世界中人类群体的行为特点，能够很好地模拟个体“刺激—认知—反应”的整个过程，能够反映Agent主体在社会网络中对外界舆情信息刺激做出的相关反馈，进而实现由个体行为到群体行为的涌现[18]。

3模型

31建立阈值模型

个体的集群行为参与决策会考虑身边有多少人做出与其一致的行为[19]。即个体在做出决策时，心理上会进行一个判断，通过将参与阈值与已经有多少人参与该行为进行比较。如果参与集群行为的人数超过了参与阈值，那么该个体就会参与该集群行为。现实中，人们可能对参与集群行为持有不同的参与阈值。通常那些集群行为煽动者的参与阈值较低，而那些保守者的参与阈值较高。阈值越高，表示当周围参与的人很多时，该个体才会选择参与集群行为。然而，当网络中参与阈值较低的煽动者人数增加，则会有很多人被影响而不断地参与进来。因此，阈值模型的假设与实际生活中的集群行为较为一致[20]。参与集群行为的阈值模型如下：

si，t-1>τi（1）

τi表示个体i的集群行为参与阈值，当该个体周围参与集群行为成员的影响si，t-1大于参与阈值时，则该个体选择参与集群行为。

如前所述，网络中的成员可以根据参与阈值划分为3种状态：那些无论什么情况都会参与集群行为的个体称之为煽动者，其参与阈值小于0；那些无论何时都不参与集群行为的个体称之为保守者，其参与阈值大于1；处于煽动者和保守者之间的则是中间派，此类个体的参与阈值介于0和1之间。

设定初始时刻网络成员的参与阈值成正态分布，均值为τmean，标准差为τstd。不失一般性，设置τmean为04和06，分别表示情绪聚焦型和问题聚焦型两种不同的思维聚焦类型。低τmean即情绪聚焦型，意味着个体行为易受情绪支配，关注宣泄情绪，行为相对比较感性；高τmean即问题聚焦型，意味着个体行为目的性强，注重问题是否能得以解决，行为相对比较理性。

对于既定的正态分布均值，正态分布的方差τstd表示群体异质性，即网络中不同类型个体的分布差异。当方差较低时，成员的参与阈值分布较为集中，即低群体异质性意味着煽动者和保守者数量较少，中间派数量较多；当方差较高时，成员的参与阈值较为分散即高群体异质性表示煽动者和保守者数量较多。

个体在群体中的关系类型有强关系和弱关系两种，将个体的强关系相邻节点和弱关系相邻节点的数量分别设定为mi和ni，mpi，t-1和npi，t-1表示参与集群行为的强关系相邻节点和弱关系相邻节点数量。强关系个体之间形成了圈子，圈子聚集了彼此认同较高的成员[19]。因此，在研究中，设定个体对强关系组成的圈子内部成员更加认同，而对于弱关系组成的圈子外部成员认同相对较低。圈子认同通过α表示，当α=0，强弱关系的人际影响相同，这就是传统的阈值模型。

si，t-1是来自邻居的影响，即网络邻居中参与集群行为成员数量与总邻居数量之比，其中数量的计算经过圈子认同进行加权。

si，t-1=（1+α）×mpi，t-1+（1-α）×npi，t-1（1+α）×mi+（1-α）×ni（2）

32研究设计

本研究基于Agent方法，该方法将网络中的成员视为可以独立决策但又相互影响的异质性个体。因此，在仿真中需要对个体的属性进行设置，并构建相应的规则。

第一步：基于程序构建具有N位成员的网络群体，网络成员又分属于不同的圈子，网络群体中共有M个圈子。因此，在研究中可以从“个体—圈子—群体”3个层面分析集群行为的产生机制。

第二步：设置网络个体的集群行为参与阈值。正态分布方差τstd分布区间为0到1，正态分布均值τmean=04（情绪聚焦）或τmean=06（问题聚焦）。

第三步：引入了强弱关系的概念，计算si，t-1。

第四步：基于阈值分布，将个体分为煽动者、保守者、中间派三种状态。

第五步：模拟各种参数组合下，集群行为发展趋势（发展水平和发展速度）的变化情况。

仿真在度分布为γ=3的无标度网络中进行。不同参数的组合都进行了1000次仿真，即结果是1000次仿真的平均值。程序是基于Matlab实现的，参数设置见表1。

4分析

分别从高圈子认同和低圈子认同两种情况探讨不同思维聚焦类型时的集群行为发展水平与发展速度。

41集群行为发展水平

图1是高圈子认同时群体异质性对集群行为发展水平的影响。随着群体异质性的增加，即随着群体成员参与阈值的分散，情绪聚焦型群体的集群行为发展水平迅速上升后逐渐下降并趋于平稳，而问题聚焦型群体的集群行为发展水平缓慢上升后趋于平稳。对于情绪聚焦群体而言，弱关系环境比强关系环境能够实现的参与水平更高。总体而言，当网络群体参与阈值较低时，集群行为发展水平高于参与阈值较高的网络群体，即情绪聚焦型群体高于问题聚焦型群体。弱关系环境可能更容易导致情绪聚焦型群体的集群行为发展水平提升。

图2是低圈子认同时群体异质性对集群行为发展水平的影响。随着群体异质性参数的增加，情绪聚焦型群体的集群行为发展水平迅速上升后逐渐下降趋于平稳，而问题聚焦型群体的集群行为发展水平缓慢上升后趋于平稳。通过对强弱关系环境的比较，发现同种类型思维聚焦群体的集群行为发展水平变化趋势相似。然而，对于情绪聚焦群体而言，弱关系环境比强关系环境会导致更高的集群行为发展水平。

通过圈子认同与关系强度的两两组合，共得到4组情况下的集群行为参与水平（见表2），发现在低圈子认同且弱关系条件下，集群行为参与水平高于其他3种组合，而高圈子认同且强关系条件下的集群行为参与水平最低。

表2關系强度与圈子认同选择集

高圈子认同低圈子认同

强关系发展水平（910）发展水平（960）

弱关系发展水平（950）发展水平（990）

42集群行为发展速度

图3是高圈子认同时群体异质性对集群行为发展速度的影响。随着群体异质性的增加，情绪聚焦型群体的集群行为发展速度呈现出迅速上升后趋于平稳的趋势，而问题聚焦型群体的集群行为发展速度先逐渐上升后趋于平稳。情绪聚焦型群体的参与速度要高于问题聚焦型群体。情绪聚焦型群体在适当的群体异质性条件下，参与速度可能会达到其最大值，并且弱关系环境更易导致情绪聚焦型群体的集群行为发展速度的快速提升，且此时达到最大值所需的群体异质性较低。

图4是低圈子认同时群体异质性对集群行为发展速度的影响。随着群体异质性参数的增加，情绪聚焦型群体的集群行为发展速度呈现出迅速上升转而下降，后趋于平稳的趋势，而问题聚焦型群体的集群行为发展速度呈现出缓慢上升后趋于平稳的趋势。

43统计检验

通过对包括不同变量组合情况下的集群行为发展水平和发展速度的数据统计分析，来验证图形分析的结论。表4中M1～M4是对集群行为发展水平的回归，结果表明，圈子认同对集群行为发展水平没有显著影响；思维聚焦对集群行为发展水平有显著负向影响，表明随着思维聚焦由情绪聚焦型转为问题聚焦型，集群行为发展水平在降低；群体异质性与集群行为发展水平有倒U型关系，圈子认同和思维聚焦在这种关系中起到调节作用。表4中M5～M8是对发展速度的回归，结果表明，圈子认同对集群行为发展速度没有显著影响；思维聚焦对集群行为发展速度有显著负向影响，表明随着思维聚焦由情绪聚焦型转为问题聚焦型，集群行为发展速度在降低。群体异质性与集群行为发展速度有倒U型关系，圈子认同和思维聚焦在这种关系中起到调节作用。这也验证了图形分析的结果。

更进一步，通过调节效应的交叉图来观察调节效应。图5显示，圈子认同在群体异质性平方项对发展水平和发展速度的影响中起到负向调节作用。圈子认同较高情况下，群体异质性平方项对发展水平和发展速度影响的负向斜率较大，表明当圈子认同越高时，群体异质性与集群行为发展水平或速度的倒U型关系更加陡峭。图6显示，思维聚焦在群体异质性平方项对发展水平和发展速度的影响中起到负向调节作用。相对于情绪聚焦群体，在问题聚焦群体中，群体异质性平方项对发展水平和发展速度影响的负向斜率较大，表明随着思维聚焦指标的增加，群体异质性与集群行为发展水平或速度的倒U型关系更加陡峭。

5讨论与结论

本研究基于社会网络和思维聚焦理论，构建涵盖强弱关系的阈值模型，在无标度网络中模拟思维聚焦、关系强度、圈子认同、群体异质性等因素对集群行为发展水平与发展速度的影响作用，从“个体—圈子—群体”3个层次对集群行为的发展趋势开展研究。研究发现：情绪聚焦型群体的集群行为发展水平与发展速度要高于问题聚焦型群体；在中等群体异质性条件下，情绪聚焦型群体的集群行为发展水平与速度可以达到最大值；弱关系环境更易提高情绪聚焦型群体集群行为发展水平与速度；群体异质性与集群行为发展水平或速度呈倒U型关系，思维聚焦以及圈子认同对这种关系有调节作用。

本研究的管理启示如下：第一，要区别对待不同类型的集群行为，由于情绪聚焦型群体相对于问题聚焦型而言参与集群行为积极性普遍较强，受自身情绪影响较大，渴望采取行动以表达群体情绪。因此，要重点关注情绪聚焦型群体，避免更大范围群体性事件的发生。第二，在集群行为的形成过程中往往遵循“个体—圈子—群体”3个层次递进扩散原则，先由个体在小圈子内部酝酿，再蔓延到群体层面，因此应尽可能在圈子内部解决可能引发集群行为的潜在问题。第三，由于网络和各种社交媒体已成为当今社会人们最主要的信息来源，然而社交媒体等信息技术在信息传播过程中可能会造成信息失真，这将误导人们发生非理性行为。因此，在集群行为应对和防范上，必须高度关注网络和各类社交媒体等信息传播平台。

参考文献：

[1]张书维，王二平，周洁. 相对剥夺与相对满意： 群体性事件的动因分析[J].公共管理学报， 2010， 7（3）： 95-102.

[2]汝信，陆学艺，等. 2011： 中国社会形势分析与预测[M].北京： 社会科学文献出版社， 2010.

[3]戴维.波普诺.社会学[M].第十版.北京：中国人民大学出版社1999.566-566.

[4]张书维， 王二平. 群体性事件集群行为的动员与组织机制[J]. 心理科学进展， 2011， 19（12）：1730-1740.

[5]田大宪，贾举. 网络集群行为的生成机理与调控方略[J].当代传播，2010（4）：37-40.

[6]邓希泉. 网络集群行为的主要特征及其发生机制研究[J].社会科学研究，2010（1）：103-107.

[7]陈浩，薛婷，乐国安. 集群行为诸相关概念分类新框架[J].广西民族大学学报：哲学社会科学版，2010（6）：56-60.

[8]Huekfeldt R R，Mendez J M， Osborn T. Disagreement， Ambivalence，and Engagement： The Political Consequences of Heterogeneous Networks[J].Political Psychology （2004）：65-95.

[9]张晓棠.关系强度、社会资本对知识获取绩效影响研究[J].预测，2015 ，34（1）：35-40.

[10]Granovetter M. The Impact of Social Structure on Economic Outcomes[J]. The Journal of Economic Perspectives，2005，19（1） ： 33-50.

[11]Luo Z，Cai W， Li Y，et al. The Correlation between Social Tie and Reciprocity in Social Media[C].IEEE， 2011.

[12]Wirtz J， Chew P. The Effects of Incentives， Deal Proneness， Satisfaction and Tie Strength on Word-of-mouth Behavior[J]. International Journal of Service Industry Management， 2002， 13（2）：141-162.

[13]Musolesi M， Mascolo C. Designing Mobility Models based on Social Network Theory[J]. ACM Sigmobile Mobile Computing and Communications Review，2007， 11（3）：59-70.

[14]殷融， 张菲菲. 群体认同在集群行为中的作用机制[J]. 心理科学进展， 2015， 23（9）：1637-1646.

[15]罗家德.关系与圈子：中国人工作场域中的圈子现象[J].管理学报 2012， 9（2）：165-171.

[16]李根强， 刘人境， 孟勇. 基于社群用户特征的网络舆情传播趋势分析[J]. 情报杂志， 2016， 35（9）：93-98.

[17]张伟.复杂开放网络中的多主体意见演化模型及其仿真[J].情报杂志，2015，34（9）：145-151.

[18]宋姜，吴鹏，甘利人.网络舆情建模方法研究述评[J].图书情报工作，2014，58（19）：136-142.

[19]Granovetter， M. Threshold Models of Collective Behavior[J].The American Journal of Sociology， 1978，83（6），1420-1443.

[20]Stott， C， Livingstone， et al. Policing Football Crowds in England and Wales： A Model of ‘Good Practice？[J].Policing & Society， 2008，18（3）， 258-281.

（責任编辑：石琳娜）