社会网络分析法在新媒体若干研究议题中的应用 ——互联网结构化研究视角

社会网络分析方法源于西方社会学对社会结构的实证分析的探索，随着研究理念及测量方法的成熟，逐渐扩散运用于管理、信息、传播等多个学科。新媒体传播的“关系网络”特质日益凸显，传统的新媒体量化研究方法面临着诸多困境，而社会网络分析方法提供了工具参考。本文按照社会网络分析方法，对媒体研究中谣言传播、微博粉丝传播、。

社会网络分析  新媒体传播  虚拟关系

“社会网络”最早见于1954 年英国人类学者约翰·巴恩斯（John Barnes）对挪威渔村中村民间交流网络的描述。海外学术界较早从网络结构考察信息传播的是勒温小组参与的“西门研究”。该研究考察了1946 年居住在麻省理工西门公寓所有已婚学生中的传播网络联系，受勒温思想的影响，以巴弗拉斯为代表的研究者开展了一系列关于“传播网络”的实验并发现了“星星结构”、“链条结构”、“轮子结构”三种结构中不同的传播、信息扩散模式。[2]随着数学、计算机、图论等方法的逐渐应用，传播学与社会网络研究方法的结合越来越紧密，计算机数学模拟方法也逐渐进入传播学研究视野。关于互联网研究的社会网络分析，最早可以追溯到1978 年林顿·弗里曼和巴瑞·威尔曼等人开展的一项“信息交换系统”（EIES）实验。随着社会网络分析方法日益成熟和SNS 网站的蓬勃发展，海外学术界更多依赖其进行学术研究，利用大规模网路数据挖掘获取虚拟关系结构数据，借此分析其背后的内容互动、传播。

社会网络分析学认为：个人所处的关系网络结构、个人在该网络中的地位会影响其行为。这种分析是一种结构化的视角：其关注的是研究对象的关系网络结构。J·斯考特(J·Scott ,1992 ) 认为, 社会科学数据可以分为“ 属性数据”( attribute data ) 、“ 关系数据”( relational data ) 和观念数据(ideational data) 三类。与关注行动者自身特点及相关属性不同，关系数据是关于行动者之间的联系的数据。“常规统计学处理的是属性数据，社会网络分析处理的则是关系数据，分析单位是‘关系’”。[3]它把行动者之间是否有联系、关系类型作为主要研究点，侧重的是关系结构，从结构当中寻求关系互动的意义、结果及模式。社会网络分析最常见的表达形式是图论和矩阵两种方法。图论通过点、线揭示关系结构，当成员较少时，图论是简单明了的；但是随着所测量成员数量的增多，图论往往解决不了容纳量的问题，这时候就需要矩阵——用行、列形式表现出来的关系模式，矩阵可以对各种指标进行具体测量。

当前学术界、业界对新媒体研究比较关心的问题主要集中在微博信息传播、社交网站的虚拟关系、。针对这些问题，本文认为以下几种议题可重点运用社会网络分析方法进行研究。

（一）微博谣言传播、名声传播、粉丝信息沟通的研究

微博的出现，使得谣言、名声、粉丝互动等信息呈现出高度扩散、难以把握的状态。人际关系结构决定了谣言传播、名声传播的渠道和内在机制，通过对其传播的信道结构分析，可以理解甚至预测谣言类信息传播的影响。新媒体强烈的人际关系特征要求我们对内在渠道有深入了解。研究者单从内容分析角度难以深入了解新媒体的其内在传播机制。这几类信息传播的独特性在于依赖明显的人际关系网络，信息在人际关系网络中传播，因此，对新媒体及其关系结构的测量，有助于发现谣言传播的机制问题。这类研究的困难在于数据难以获取，事后追踪难免出现遗漏的现象。国外已经较早将整体网络分析技术运用到谣言传播的研究当中。

，观点倾向、议程设置等问题在新媒体领域的展现有赖于网民的参与互动，在不断互动过程当中，形成自身关系网络。这些关系网络可以是人与人之间的，也可以是人与事件、议题和议题之间的关系网。在同一个虚拟社区中，群体分化产生不同小团体、派系，。，在某种程度上形塑所讨论议题范围及其传播方式。例如有研究发现：，，同时也在于这一群体的行为能够对具体的在线小区的风格发挥长期的决定和型塑作用，这对于网络意见领袖的议程设置行为来说既是挑战也是机遇”。[4]

（三）社交网站的信息传播及其人际关系结构研究

社交网站中，成员嵌入关系网络的行为更加明显。无论是熟人社区的强关系还是陌生人之间的弱关系，关系模式无疑直接决定了信息流动的特点。例如社交网站的共享信息机制增强了信息流动的方向性；个人日志表达不仅融合了个人博客特点，更凸显了人际网络传播的重要性。社会网络分析方法契合了社交网站结构化特点，关系特征与其所测量的关系数据比较吻合，能够抓住其最关键的“关系数据”；再者就是针对网民之间转发、评论、共享、互惠等互动行为，社会网络分析视角可提供结构化研究视角，而非单纯的内容分析；最后就是能够跳出表象化的描述性研究局限，对关系结构特征做出规律性总结梳理，这些都对了解社交网站的信息传播及虚拟人际关系结构特征有较高的参考价值。

社会网络分析方法的测量指标有很多种类，不同研究问题应当选择适当的测量指标，结合上文提到的可研究议题，下文就新媒体传播研究领域最为常用的几个测量指标阐述其含义。

（一）网络规模及密度

网络规模是指关系网络大小，节点多寡；密度则是联系紧密程度，点和点之间连线数目与可能最大连线数目之比。规模与密度的不同，影响着虚拟社区中议题设置、内容同质化与否。既有研究表明：密度高、中心势强的网络所讨论的议题不容易形成扩散，，，信息扩散较为广泛。这就陷入了博特（Burt,1992）认为的两种浪费：密度浪费（Density Redundancy），如果行动者交流局限于几个人的小圈子，则行动者信息范围就会变得非常狭小；还有一种就是“结构同型性浪费”（Structural Equivalent Redundancy），即行动者互动范围受到局限，组织结构难以进一步扩展。[5]这种关系结构的影响就是：议程设置同质化、讨论范围狭小，。同时很可能出现少数人控制内部讨论的情况。

（二）个体中心性与群体中心势

斯科特指出：个体中心性是指个体权力威望的量化指标，而群体中心势则是网络整体的权力集中程度。将这两个测量指标引入传播学研究，前者有助于发现群体内部讨论的“意见领袖”；。在虚拟社区中，关系互动往往具有方向性，因此个体中心度具有内外之分，即关系是“点入”的还是“点出”的？内向中心度是某一节点被其他成员认可程度。内向中心度（in-degree centrality）的高低，则代表成员在网络中的地位及声望。外向中心度指向某一节点与其他节点互动情况，“外向中心度（out-degree centrality）越高，越代表成员进行信息共享的程度越高”。[6]同时，也可以对网络整体结构做出进一步描述。

根据瓦斯曼和佛斯特（1994）对群体中心性的定义：“如果一个群体的中心性很高，这个群体实际互动上是很集权的，几个关键人物就代表了整个群体的互动。”[7]且有研究表明“在高集中度的非正式网络中，其运行往往是更机械，而具有多个结构中心的组织则可能是更有机”。[8]

（三）桥及结构洞

信息从一个群体流通到另外一个群体，其间必然通过充当“桥梁”的中间人。格兰诺维特定义“桥”（bridge）的概念为：两个群体间通过唯一节点联系在一起，那么这个节点就被称为“桥”。显而易见的是：这个中间节点对于信息扩散的广度和深度有着重要的影响。桥与结构洞（structural holes）概念紧密相连。博特认为结构洞是“两个行动者之间的非冗余关系；同时控制结构洞能够为其获取‘信息及控制上的利益’，比其他成员在网络中更具有优势”。结构洞的概念经常被用于社会资本测量的研究，在新媒体研究中，结构洞的视角可以为我们了解信息流动的广度、被控制、被促进的因素等方面有一个结构性的了解，这对研究信息扩散有重要意义。

（四）关联度及可达性

信息传播效率及可达范围，是新媒体研究的一个难点。一是因为实证数据难以获取；二是传播效果测量难以把握。关联度（connectedness）和可达性（reachability）则从关系网络中连接通畅度、成员之间可接触程度两个方面进行了有力的解答。这两个概念息息相关。可达性是指“任何两点之间存在着至少一条连接途径”，连接途径越多，整体关联度就越强。这和密度不同，密度高低不能决定关联度，而是关系的模式(pattern)。这两个指标运用到新媒体研究中，我们可以窥测某个群体内部是否有信息传达到某种程度的潜力，即可以考察信息传播的广度和范围。进一步来讲：信息被传播、转载的程度，固然和其内容有重要关系，但是不可忽视的是其所处的信息网络结构。高度连通性、可达性的网络，群体成员共享信息就越容易；反之则信息传播不利。从这个角度出发，我们可以用结构视角去探测信息传播的范围及相关效果，这对于归纳出新媒体传播的一般模式及规律有重要作用。

综上所述，新媒体研究引入社会网络分析法，不仅能提供新的研究视角和问题，而且对于用传统研究方法所面临的一些困境能够得到有力的回答。与此同时不能忽视的问题是：社会网络分析偏向于结构化视角，容易走向忽视内容的纯结构分析。对于这些，有学者指出“不能仅仅局限于纯结构的分析，同时要引入象征物、意义、价值观”。[9]这就要求对于新媒体关系梳理应该注意其关系交往的内容，关系模式及多种复合型关系。

[1]Wellman Barry et. Computer Networks As Social Networks: Collaborative Work, Telework, and Virtual Community Annu. Rev. Sociol. 1996.22 213-238

[2]Bavelas, A.：《A mathematical model or group structure》，《Human Organizations》，1948，7

[3] 刘军：《整体网分析讲义》，格致出版社，2009年，第3 页

[4]安珊珊、杨伯溆：《多样性议题偏好和有限性议题影响》，载《中国传媒报告》，2009（10）

[5]Burt Ronald：《Structural Holes: The Social Structure of Competition》， 1992， Cambridge, Harvard University Press

[6]罗家德：《社会网络分析讲义》，社会科学文献出版社，2005 年，第166 页

[7]Wasserman and Faust: 《Social Network Analysis: Methods and Applications》，1994, New York，Cambridge University Press，464——478

[8]Shrader et al.：《The network structures of organizations: Effects of task contingencies and distributional form》，1989,《Human Relations》, 42:43-66

[9]Wellman,Barry and S.D. Berkowitz ：《Social Structures: A Network Approach》，Edited by Cambridge University Press ，1988，1-14

注释：① 本文所指的社会网络分析指标主要指的是“整体网分析指标”