社会网络视角下虚拟学术社区用户交互特征及规律分析

盛小平 唐筠杰

摘 要：[目的/意义]社会网络视角研究虚拟学术社区中用户交互特征与内在规律，为提高科研效率、完善社区管理与服务提供参考。[方法/过程]本文运用社会网络分析法，通过分析虚拟学术社区“经管之家”中用户交互主题特征、网络特征、关系特征来揭示虚拟学术社区用户交互行为，并从用户发帖量、用户声誉等级和用户好友数三方面描述其内部规律。[结果/结论]虚拟学术社区用户主题具有较高融合度与专业性特征;用户交互行为具有规模大、集群多、密度低的无标度网络特征，核心用户协同性强而普通用戶积极性低;用户发帖数量越多、声誉等级越高的用户越主动与他人交流，但更多的好友数量并不代表能建立更多互动关系。为推动虚拟学术社区信息供给与用户交流，用户不仅需不断获取信息，更需主动提供信息，构建良性的信息交流与共享循环。

关键词：虚拟学术社区;信息交流;交互行为;社会网络分析

DOI：10.3969/j.issn.1008-0821.2022.01.007

〔中图分类号〕G252.0 〔文献标识码〕A 〔文章编号〕1008-0821（2022）01-0064-08

Abstract：[Purpose/Significance]From the perspective of social network，this paper studies the user interaction characteristics and internal rules in virtual academic society so as to provide reference for improving scientific research efficiency，community management and service.[Method/Process]Using social network analysis method，the study revealed the user interaction behavior in the virtual academic community“economics and management community”by analyzing the topic characteristics，network characteristics and relationship characteristics of user interaction，and its internal rules from three aspects were described：the amount of users posts，the level of users reputation and the number of users friends.[Result/Conclusion]The user theme of virtual academic community has high degree of integration and professional characteristics.The user interaction behavior has the characteristics of scale free network with large scale，many clusters and low density，and the core users have strong collaboration while the ordinary users have low enthusiasm.Users with more posts and higher reputations are more likely to communicate with others，but more friends do not necessarily lead to more interactions.In order to promote information supply and user communication in virtual academic community，users not only need to continuously obtain information，but also need to actively provide information to build a benign information exchange and sharing cycle.

Key words：virtual academic community;information exchange;interaction behavior;social network analysis

互联网时代，虚拟学术社区中用户的非正式学术交流与互动弥补了正式学术交流的局限，使其成为科研人员进行信息获取、搜寻与共享合作的重要平台。虚拟学术社区为科研工作者提供了新型非正式交流路径[1]，使得用户能够高效积累与共享研究数据及相关信息，丰富了研究人员的科研工作方式[2]。目前对虚拟学术社区用户行为的研究主要有：①用户参与行为研究，如问候欢迎、调节规范与协助等行为研究[3]，以及主动生产者、被动生产者与消费者等用户群体研究[4];②用户合作行为研究，包括互惠、功利动机等合作动机研究[5-6]，以及KMRW声誉模型[7]、共生模型[8]等模型研究;③用户交流行为研究，如行为机理与结构[9]、行为作用[10]、交流效率[11]以及影响因素如互惠[12]、信任[13]、声誉[14]及期望[15]等方面研究。虽然学术界对虚拟学术社区用户行为进行了上述探索，且已从社会学角度对虚拟学术社区用户交互行为进行了初步分析[16]，但是对虚拟学术社区内部用户信息交互关系及内部规律缺少深入研究。因此，本文拟从社会网络视角，深入挖掘与分析虚拟学术社区用户交互的相关特征与内部规律，以便进一步促进虚拟社区中用户信息供给与用户交流，为改进虚拟社区治理提供参考。

1 数据来源与处理

本文选取国内具有代表性的虚拟学术社区——“经管之家”。“经管之家”学术论坛（原人大经济论坛）成立于2003年，现已成为国内颇具影响力的经济管理类的网络社区平台[17]，该网站用户具有学历层次高、学习需求大、内容生产能力强的特点，每日发帖量超20 000条[18]。为获取有效数据，本文选取“经管之家”学术论坛中“数据分析与数据挖掘”板块用户交互会话作为数据源，借助Python爬虫获取其中2015—2020年的全部數据（爬取时间为2021年1月10日），共获得30 134条原始数据集，包括2 797条根帖与27 337条回帖。所采集数据集中的关键信息包括根帖的链接、标题、内容、关键词、发帖时间，发帖人的用户名、积分值、总发帖量、好友数量，以及回帖人的用户名、积分值、总发帖数量、好友数量、回帖内容、最后回帖时间等。在剔除内容被屏蔽、重复、无意义或缺项的数据后，最终得到2 788条根帖与24 024条回帖及相关数据。基于这些数据，本文运用社会网络分析法并结合Gephi、SPSS等数据分析软件对其用户交互行为进行分析、描述、测度与拟合，计算各节点与边的数目、网络平均聚类系数、平均路径长度等，以挖掘内在联系与规律。

2 虚拟学术社区用户交互行为特征分析

为了更加清晰地描绘虚拟学术社区中用户互动的网络联系，本文以所有参与“数据分析与数据挖掘”板块会话的用户为节点，以用户之间的互动关系为边，以回帖次数为关系强度，绘制“经管之家”虚拟学术社区用户交互行为云图，如图1所示。

在图1中，节点大小代表度值高低，节点之间连线粗细代表节点间交流的紧密程度。从整体上看，“经管之家”学术论坛中用户数量规模较大，共有9 610个节点、13 998条边，其中网络整体平均度为1.457，网络平均加权度为2.487，网络平均聚类系数为0.018，网络平均路径长度为4.140。从分布上看，许多节点位于云图中心部位，且这些节点连线更加稠密，部分节点位于边缘位置。这一现象表明在社区内部，核心用户彼此之间交流密切，信息共享的频次较高，而外部用户互动程度较低，交流较少，侧面映射出社区资源分布较不均匀的特点。此外，图1还显示，虽然用户多数集中在中心区域，但是用户之间仍形成了多个较为松散的团体，相关用户在本团体内部中存在较为明显的互动关系。

2.1 用户交互主题特征分析

关键词共现网络能够根据词汇间的亲疏关系分析其中的热点主题[19]，从而达到揭示用户交互相关主题特征的目的。本文依据“经管之家”根帖中所提供的“关键词”数据，在删除指代意义较弱的关键词后，借助普莱斯定律K=0.749Nmax计算核心关键词，其中Nmax代表样本数据中最高频次关键词的出现次数。频次最高的关键词“大数据”共出现168次，因此选取出现K=0.749168≈9次及以上的189个关键词作为核心关键词，借助VOSviewer软件对核心关键词进行聚类后，得到数据行业（蓝色）、数据经济（红色）、数据分析（黄色）、数据挖掘（绿色）、数据建模（紫色）5个关键词类团，如图2所示，图中节点的大小标志关键词出现频次的高低，连线的粗细表示关键词之间的联系强弱。可以发现：①虚拟学术社区中核心关键词共现网络主题整体围绕“数据分析与数据挖掘”板块，各主题间具有较高的融合度，体现出较强的专业性特征，且每个主题均与计算机、大数据等信息技术相关联;②数据行业主题中“数据分析师”“数据科学家”等关键词表明虚拟学术社区中用户交互主题不仅与学术研究相关，同时还涉及工作求职等生活相关主题，符合“网络社区是真实社会的映射”[20]这一观点;③数据经济中出现了“电子书”“资料”等关键词，说明用户在社区内进行信息交流的同时还会进行数字资源共享的活动，体现出数字资源在用户交互过程中的重要性。

2.2 用户交互网络特征分析

用户交互网络特征分析包括如下3个方面：

1）交互网络密度分析

测量用户交互网络密度可以在一定程度上反映知识在节点之间的扩散速度以及行动者本身所产生的社会资本或限制。计算结果显示该交互网络整体密度为0.001，说明节点整体之间的交互网络较为稀疏，整体凝聚力有待提升。正如图1中有较多节点与其他节点交互较少或无交互关系，处于网络边缘状态，说明该用户交互网络呈现出弱联系与多中心的特点。笔者认为，导致该整体交互网络稀疏的原因可能是：①研究样本数据采自“经管之家”学术社区的“数据分析与数据挖掘”板块专业性强，用户群体数量相对有限，使部分用户间缺少交流机会;②社区中用户之间采用匿名交流规则，在虚拟环境中用户之间彼此陌生，信任度较低，且由于社区设置的发帖与回帖政策要求帖子必须达到一定等级才允许访问或评论，从而使部分社区成员之间交互度不高;③一方面，虚拟社区中用户通常只关心与自己学术需求相匹配的帖子[16]，易形成信息孤岛;另一方面，由于虚拟学术社区日发帖量巨大，用户每天主动或被动接收大量信息，无暇去阅读所接收的所有信息，从而忽略了潜在互动机会，导致部分用户间交互程度稀疏。

虽然交互网络中整体密度较为稀疏，但针对个体网络而言，部分节点如“ZQZ520”“阿扁V5”“大家开心”“资料狂人”等用户所形成的各类团体之间的结构紧密，产生了多个高聚集性团体;中间某些节点，如用户“wwqqer”，周围节点分布十分密集，连线强度高，影响力巨大，这一现象也折射出大多数资源掌握在少数人手中。

2）交互网络效应分析

大规模社区中社会网络呈现出小世界特征、无标度特征和高聚集度特征3种形式[21]。为进一步探索该网络用户间互动的程度，本文运用Origin绘图软件，针对社区内用户节点度分布散点图进行了幂函数拟合，如图3所示。在图3中，学术社区中节点度分布曲线符合幂律分布，可决系数R2约为0.999，拟合曲线与度值散点分布的吻合程度高。

上述数据表明，“经管之家”虚拟学术社区用户交互网络结构特征呈现出无标度网络特征，不同于小世界网络中信息传播无法无限延伸[22]，该网络受核心用户的影响程度较大，越权威的节点所发布的数据越容易受到相邻节点的关注，从而产生更多的互动关系，这是因为：一方面，权威用户所发布的信息更为优质高效，使得其他用户能够更精准地利用相关信息进行思考研究，节省了科研成本，提高了研究效率。如果核心用户所发布的信息数量越多、价值越高、质量越好，那么利用者的利用效果也会越好，创造的社会价值也越多，从而提升用户之间交互的积极性，形成良性循环;另一方面，由于核心用户具有一定的权威性，普通用户将会更多地希望与核心用户而非与其同一等级的其他用户建立起交互关系。

3）交互网络中心度分析

网络中心度是关于行动者在社会网络中的中心性位置的测量概念，可以用来反映用户在社会网络结构中的地位。从交互网络点度中心性来看，通过Gephi软件得到交互网络用户出度、入度数据，如表1所示。从出度来看，“wwqqer”“曲歌932”“ZQZ520”3位用户的出度较高，说明他们具有较高的积极性，属于活跃用户，在论坛中主动与其他用户进行交流，为虚拟学术社区注入动力。从入度来看，“阿扁V5”“Crsky7”“ydc129”3位用户的入度较高，说明上述用户在“数据分析与数据挖掘”板块拥有较高影响力，他们所发布的原创内容被其他用户频繁回复点赞，具有明显的信息生产者特征。将用户入度与出度进行比较，平均出度值和平均入度值分别为2.511和1.458，且即使是在入度排名第一的用戶，其入度数值也明显低于出度数值。这说明，在一般情况下，用户更倾向于主动获取信息，而不是主动提供相关信息，当用户满足自身需求后往往会终止互动。因此，在信息交流与互动过程中，用户需要克服功利性心理，尽量消除主观臆断在用户信息交流与知识共享中的障碍，不能仅以满足自身利益为目的，应着眼于全局。

该交互网络中间中心度前10位用户如表2所示。数据表明，“wwqqer”“曲歌99”“阿扁V5”等用户的中间中心度较高，说明这些用户占据了网络的核心路径，作为连通用户交流的桥梁，具有较高的话语权。虽然最大的中间中心度值高达14 674 085.59，但是中间中心度为0的用户占比高达77.45%，即意味着超七成用户属于边缘会话参与者，影响力极其微弱。这一现象说明，在虚拟学术社区用户交互活动中，少数的核心用户控制着众多用户的活动状态，符合社会现象中的“二八定律”[23]。

该交互网络接近中心度前10位用户如表3所示。数据表明，接近中心度最高值为1.0，说明用户交流的紧密性相度较低，有603位用户的接近中心度大于0.5，具有信息传播者的特征。从统计结果来看，仅有不到一成的用户经常与核心用户进行互动，擅长利用核心用户所发布的相关信息进行再生产创作;有73位用户接近中心度为0，说明这些用户的独立性较强，不太容易与核心用户建立交互关系，倾向于发表非主流性观点。

该交互网络特征向量中心度前10位用户如表4所示。数据表明，“wwqqer”用户为该网络中的领袖用户，与多数核心节点相连接，该用户所发布的资源将对整个交互网络产生影响，占据了网络的绝对中心位置。

2.3 交互关系特征分析

用户交互过程中的强关系可以维系组织内部成员结构长期稳定，并且为信息与知识传播提供渠道[24];同时，弱关系能够为不同群体与组织之间提供交流的途径，扩大信息交流的范围，推动不同子群之间进行多元化创新[25]。采用Gephi软件中“连接组件”统计方法，对“经管之家”虚拟学术社区用户交互网络进行测度，运算后得到9 561个强连通关系、293个弱连通关系。这一结果说明，在该网络中用户之间的联通度较高，各节点间可以沿着边所指向的方向与其他领域的人员进行联络，呈现出较强的继承性与创新性特征。此外，该交互网络的平均路径长度为4.140，表示网络中任意两个行动者基本仅需要通过4个用户便可与彼此达成互动，说明在“经管之家”虚拟学术社区中信息传播速度较快，共享环境良好，用户能够较快速且便捷与相关人员取得联系，从而产生交互行为。

3 虚拟学术社区用户交互行为内部规律分析

利用社会网络分析法描述了虚拟学术社区用户交互行为特征后，下面从三方面进一步分析其交互行为内部规律。

3.1 用户发帖量与度关联分析

发帖数量是用户信息交流与互动过程中的重要因素。为研究用户发帖量与中心度之间的关联性，首先对在“数据分析与数据挖掘”板块中所有根帖用户与回帖用户所发布的主题帖（根帖）总数量进行统计，绘制用户发帖数量散点图，如图4所示，用户平均发布根帖数量为67条。统计数据显示，虽然有少量用户发帖量超过1万条，但仍有68.0%的用户发布根帖数不足10条，有25.6%的用户从未发布过主题帖，仅有回帖行为。这一结果说明，在虚拟学术社区中用户之间的用户交互行为存在两级分化的现象，一方面，具有丰富信息储备量的用户通过利用其不断积累的社区交流相关经验，进而不断进行信息交互活动，增强其作为交互网络主体的话语权，激发继续进行共享的热情;另一方面，四成以上用户从未发布根帖，仅对已有主题帖进行回帖，说明存在部分用户只进行信息索求而没有进行信息分享，这显然降低虚拟学术社区整体信息交流与共享的水平，不利于虚拟学术社区建立良好的交流氛围与社区秩序。

为了进一步研究用户发帖量是否对用户间的互动行为产生影响，有必要分析用户发帖量与出入度的关联。笔者将根据用户发帖数量的不同，以100帖为层级将用户分为17个类别后绘制分布曲线，其中将发帖量大于1 700条以上用户因数量较少而计入同一类别，如图5所示。图5显示，平均入度值、平均出度值以及平均度值（平均出度值与平均入度值之和）在较低分段时呈现较为平稳的态势，并随用户发帖量的增多而呈现增长趋势;平均出度值与平均度值随着发帖量的增加而上升，但平均入度值并未随用户发帖量的改变而展现出明显变化。这一现象说明发帖数量多的用户更倾向于主动与他人进行交互，有较高活跃度。此外，当发文量处于中间水平（600～700条）时，平均入度值与平均度值明显高于前后阶段，代表当用户处于中间层级时活跃性较高，更加积极与其他用户建立互动关系。

3.2 用户等级与度关联分析

通常情况下，高等级用户将在虚拟学术社区互动关系中扮演重要角色。对于“经管之家”虚拟学术论坛而言，用户依据积分值高低被划分为17个声誉等级，声誉等级越高的用户的威望越高，所发布的信息可信度越强。这里首先将所采集的积分值与声誉等级进行匹配，然后将不同声誉等级与度总值、出度总值、入度总值关联起来，得到用户声誉等级分布图，如图6所示。该图显示，声誉等级为“第一级”的用户数目最多。由于积分值“0”是代表该虚拟学术社区中的新用户，说明该社区中的新用户数在不断增加，可为虚拟学术社区用户信息交流与创新提供新动力。用户集中分布在前9级，意味着该虚拟学术社区在相关信息活动中大多数用户的信誉度并不高。此外，用户积分声誉分布与前文的网络中间中心度分析一致，符合社会阶层分布规律。

从关联后的整体趋势上看，当用户处于前9级时，出度总值、入度总值与度总值（出度总值与入度总值之和）变化并不显著，大体在同一区间略微浮动;但随着声誉等级的提高，入度总值开始显著下降，出度总值与度总值波动剧烈，在“第十六级”达到最高点。这一现象说明，高等级用户更倾向于主动与其他用户建立交互关系，进行信息共享。值得注意的是，当用户达到最高等级“第十七级”时，入度总值、出度总值与度总值均处于较低水平。笔者认为该现象可能与群体规模和自身热情相关。一方面，由于达到最高等级的用户仅9人，群体规模较小，可能会对数据统计造成一定影响;另一方面，随着声誉等级到达较高狀态时，升级难度加大，例如由“第十六级”升级为“第十七级”需要约两万的积分值，用户可能会因此产生抵触情绪，不愿再参与后续相关信息活动，从而导致度总值较低。

3.3 用户好友数与度关联分析

在现实生活中，越多的好友数量代表着更广泛的社会关系，也意味着拥有更多与他人交流互动的机会[26]。为进一步说明虚拟学术社区是否也存在这种规律，笔者将依据用户好友数以每50个好友数为一段，划分为13个段（即组，最大组为拥有600位以上好友的用户），然后与度的平均值进行关联，绘制成折线图，如图7所示。图7显示，随着用户好友数不断增加，平均出度值与平均度值波动显著，出现多个峰值。这一现象说明，在虚拟学术社区中用户的好友数与平均度值之间的关联度不强，拥有较高数量的好友并不代表可以建立起更为密切的互动关系。由于虚拟学术社区用户往往基于共同兴趣爱好、研究主题等形成交互关系，它们是一种非正式的信息交互关系——短暂且脆弱，延展程度低。

4 结论与启示

不同于以往的虚拟学术社区用户交互行为分析，本文利用社会网络分析方法，通过对虚拟学术社区——“经管之家”学术论坛用户信息交流与互动研究，得出以下发现：

第一，虚拟学术社区用户交互的特征主要是：①虚拟学术社区用户交互主题具有较高的融合度与专业性特征，用户在进行信息交流的同时还会涉及工作求职、数字资源共享等内容;②社区用户交互行为整体呈现规模大、集群多的特点，内部核心用户之间交流密切，边缘区域用户互动度较低;③社区中用户网络凝聚力低，呈现弱联系与多中心化、无标度的网络特征;④核心用户与其他用户之间存在着密切联系，控制着众多节点，具有较强的协同与领导能力;普通用户相比于核心用户，更倾向于获取信息而非主动提供信息，互动程度较低，解决问题的能力较弱;⑤社区中用户联通度较高，信息传播速度快，呈现出较强的继承性与创新性特征。

第二，虚拟学术社区用户交互的内在规律是：①虚拟学术社区用户的发帖量存在两级分化现象，发帖量越多的用户度值越高，影响力越大，越倾向于寻求他人进行交流互动;②社区内部新用户较多，多数用户声誉等级较低。相比于低声誉等级用户，高声誉等级用户倾向于主动寻求与他人交流;③拥有较高的好友数并不意味着能建立起更多的交互关系，需要进一步改善虚拟学术社区内部用户间的结构。

基于上述研究结论，笔者认为，在虚拟学术社区中，核心用户应该更加积极参与交互活动，发挥其引导能力，营造正向、健康的信息交流与共享环境;普通用户应主动寻求交互机会，确保信息有效传播。不管是核心用户还是普通用户，都不仅要积极获取信息，而且要主动进行共享，推动虚拟学术社区用户信息交互行为的可持续性。此外，虚拟学术社区相关部门可以通过策划线下交流与培训活动来增强相关成员之间的信息共享行为。不过，本项研究仍存在一定的局限性：所采集的数据源于中文社区，缺少对国外虚拟学术社区的讨论，这可能导致实证研究出现偏差;受篇幅限制，未能更为全面地比较分析“经管之家”虚拟学术社区与其他虚拟社区之间在互动行为上的异同，这两个问题有待今后进一步研究。

参考文献

[1]贾新露，王曰芬.学术社交网络的概念、特点及研究热点[J].图书馆学研究，2016，（5）：7-13.

[2]李庆军，万连城，王超，等.基于文献计量的虚拟学术社区研究：现状、热点与趋势[J].情报杂志，2020，39（10）：198-202.

[3]王战平，周阳，谭春辉，等.基于扎根理论的虚拟学术社区用户参与行为研究——以小木虫为例[J/OL].情报科学[2021-07-12].http：//kns.cnki.net/kcms/detail/22.1264.g2.20200911.1532.004.html.

[4]Tobarra L，Robles-Gómez A，Ros S，et al.Analyzing the Students Behavior and Relevant Topics in Virtual Learning Communities[J].Computers in Human Behavior，2014，31：659-669.

[5]王战平，何文瑾，谭春辉.基于质性分析的虚拟学术社区中科研人员合作动机演化研究[J].情报科学，2020，38（3）：17-22.

[6]Chang H H，Chuang S S.Social Capital and Individual Motivations on Knowledge Sharing：Participant Involvement as a Moderator[J].Information & Management，2011，48（1）：9-18.

[7]郭洋，谭春辉，王仪雯.基于KMRW声誉模型的虚拟学术社区科研合作研究[J].现代情报，2020，40（12）：55-63.

[8]谭春辉，王仪雯，郭洋.基于共生理论的虚拟学术社区科研合作稳定性研究[J].现代情报，2021，41（3）：15-28.

[9]张海涛，孙思阳，任亮.虚拟学术社区用户知识交流行为机理及网络拓扑结构研究[J].情报科学，2018，36（10）：137-142，163.

[10]Glass E R.Engaging the Knowledge Commons：Setting Up Virtual Participatory Spaces for Academic Collaboration and Community[M].Kear R，Joranson K.Digital Humanities，Libraries，and Partnerships.Cambridge：Chandos Publishing，2018：75-90.

[11]吴佳玲，庞建刚.基于SBM模型的虚拟学术社区知识交流效率评价[J].情报科学，2017，35（9）：125-130.

[12]Chen C J，Hung S W.To Give or to Receive？Factors Influencing Members Knowledge Sharing and Community Promotion in Professional Virtual Communities[J].Information & Management，2010，47（4）：226-236.

[13]Chandran D，Alammari A M.Influence of Culture on Knowledge Sharing Attitude among Academic Staff in eLearning Virtual Communities in Saudi Arabia[J/OL].Information Systems Frontiers[2021-08-11].https：//doi.org/10.1007/s10796-020-10048-x.

[14]黄维，赵鹏.虚拟社区用户知识共享行为影响因素研究[J].情报科学，2016，34（4）：68-73，103.

[15]涂瑞德，操慧子，明均仁.虚拟学术社区用户采纳意愿的影响因素[J].图书馆论坛，2020，40（2）：10-16.

[16]卢恒，张向先，张莉曼，等.会话分析视角下虚拟学术社区用户交互行为特征研究[J].图书情报工作，2020，64（13）：80-89.

[17]许林玉，杨建林.基于社会化媒体数据的学术社区知识共享行为影响因素研究——以经管之家平台为例[J].现代情报，2019，39（7）：56-65.

[18]经管之家论坛.学习经济学最好的网站，趁现在关注还来得及！[EB/OL].https：//xueqiu.com/1546012564/94594336，2021-07-12.

[19]殷沈琴，张计龙，任磊.基于关键词共现和社会网络分析法的数字图书馆研究热点分析[J].大学图书馆学报，2011，29（4）：25-30，38.

[20]张耀辉，卢爽，刘冰.用户信息交互过程中影响信息质量的因素分析[J].情报理论与实践，2012，35（6）：12-15.

[21]唐晓波，宋承伟.基于复杂网络的微博舆情分析[J].情报学报，2012，31（11）：1153-1162.

[22]王雪芬，朱庆华，常李艳，等.虚拟求职社区的用户交互行为特点——以应届生求职论坛为例[J].图书情报工作，2018，62（10）：62-69.

[23]徐剑，黄秋月.“二八定律”在图书馆管理中的应用[J].中国图书馆学报，2007，（5）：106-108.

[24]Pfeffer M J，Parra P A.Strong Ties，Weak Ties，and Human Capital：Latino Immigrant Employment Outside the Enclave[J].Rural Sociology，2009，74（2）：241-269.

[25]Granovetter M S.The Strength of Weak Ties[J].The American Journal of Sociology，1973，78（6）：1360-1380.

[26]Ckson M O.The Human Network：How Your Social Position Determines Your Power，Beliefs，and Behaviors[M].New York：Pantheon Books，2019：10-12.

（責任编辑：陈 媛）