社会网络论文汇总十篇

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐十篇社会网络论文范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

篇（1）

本文的数据来源于新浪微博。因为新浪微博在热度、用户数量、活跃度等指标上居国内同类产品前列，且其对认证用户的分类明确，囊括了文中的研究对象，故基于该平台采集的数据进行研究具有现实性与代表性。考虑到按影响力和热议词筛选的榜单受到时间及偶然事件的影响较大，而按人气筛选的榜单则比较稳定，因此本文的数据从新浪微博风云榜板块中的人气榜单板块中提取。此外，为了分析政府、企业、微博名人、学校这四类主体内部的结构特征及互动关系，又将各主体划分为不同的行业或部门。本文首先选择粉丝数排行前5的行业或部门，再分别选取这些部门中粉丝数排在前20名的用户，对每个主体依次抽取100个样本数据。企业在人气榜单板块中按行业被分为21个模块，根据粉丝排名，本文抽取汽车交通、商场购物、金融服务、服装服饰和商场购物5个模块。而政府包含公安、外宣、司法、医疗卫生和交通部门，学校包含校友会、高校、中小学、出国留学和教育培训，微博名人则包含财经、商业、房产、科技和政府这5个模块。

1．2实证方法介绍

本文基于社会网络分析方法，通过统计各类主体中各用户之间的关注情况，得出用户间的二维关联矩阵，运用Ucinet软件刻画各主体的结构特征，并得出密度、内部派系及中心度等各类指标，进而探讨各个主体在信息传播、资源共享时如何发挥作用，内部如何运作，并发现关键节点人物。

2网络传播主体的网络结构分析

2．1网络传播主体的网络关系图谱

本文利用可视化手段得到的各类主体的网络关系图我们可以清晰的看到，政府子群联系比较紧密，且公安部门位于网络的核心，将各个部门连接起来。同时，基于政府的关联网络，最明显的关联分别有行业关联(平安中原、平安南粤、中国维和警察、安徽公安在线等)、区域关联(北京铁路、京港地铁、北京公交集团、北京地铁等)。这表明当前政府已经意识到了微博的重要作用，开始注重信息的公开化、透明化，使得网络信息更加明朗，传播效度更大。公安部门与人们的日常生活息息相关，其传播信息的日渐公正化、透明化决定了其在政府网络中的核心地位。根据资源依赖理论，如果一个企业同时与多个企业有直接的关联，那么该企业就占据了该行业或企业网络的资源中心位置。企业间的关系并没有像政府那样密集，但金融服务业的核心地位很明显，其几乎桥接起了整个网络，把不相关的行业间企业、不接壤的地区间企业连接起来。例如，中国银行信用卡(金融服务)将黛姿乐维品牌婚宴鞋(商场购物)和新浪汽车(汽车交通)连接起来。根据结构洞理论，占据中心位置的企业对资源流、信息流、知识流有着强大的控制权，说明金融服务板块在信息传递过程中起桥接作用［16］。同时用户对其所的信息有较高的信任度和热衷度，金融板块对信息的扩散也有重要的作用。根据同类相聚原则，同性质教育机构之间的联系相对比较紧密，例如，纽约大学与USNewsRankings、美国留学MBA、EducationUSA中国等相互关联。但总体来说，学校之间的关联比较松散，且独立个体比较多，说明教育机构之间交流较少，信息传递与转载的速度，名人子群主要以两个模块———财经和时尚为核心。说明这两种行业已经融入了微博名人的生活，表明随着人们生活水平的提高，人们的需求由追求物质上升到追求美，由单一娱乐偏好到相对复杂的理财偏好。同时，由于微博名人对信息具有一定程度的偏好，使得这两类信息相对其他信息的传播和扩散速度较快，能更快引发普通民众的关注，并在一定程度上引导舆论导向。由此可知，人们对

2．2政府、企业、微博名人、学校的网络结构特征

2．2．1网络密度(NetworkDensity)运用Uci-net软件分别对四个主体的网络密度进行测算得出，密度值由高到低分别为:政府、微博名人、学校和企业，相应密度值为:0．2112、0．0955、0．0252、0．0214。将密度值和画图软件NETDRAW所得出的4个主体的社会网络关系图进行比较，本文发现密度值和相应的社会网络图谱的图形特征是紧密一致的。当密度值大时，网络图形紧凑，密度值小时，网络图形松散。政府网络之间的交流最为密切，联系紧密。企业之间的关注最为松散，联系不强。

2．2．2派系分析本文采用Cliques分析法对各个行动者的网络进行凝聚子群分析，得出:

a．在派系规模最小值为11的情况下，政府网络中存在10个派系。政府网络相对比较集中，同时网络中子群重叠交叉的情况也会比较复杂，说明派系之间的共享成员比较多。我们发现每个派系都包含广州公安、平安北京、山西公安、平安南粤、河北公安网络发言、警民直通车－上海人，他们主要属于政府的公安部门，连接着外宣、司法、医疗卫生和交通部门，在网络中处于核心地位。同时，除了成都属于外宣部门外，各派系的成员全为公安部门，说明该部门间的联系十分紧密，而4个派系中都包含成都，说明成都与公安部门合作密切。

b．在派系规模最小值为3的情况下，企业网络存在3个派系，它们分别形成了3个完备子图，并且派系相互之间是独立的。每个派系中的成员都属于同一公司，它们之间的联系主要是母子公司关系，说明了企业与企业之间的联系并不是特别紧密，而企业内部沟通交流比较频繁。

c．在派系规模最小值为3的情况下，学校网络存在9个派系。网络中子群间是重叠交叉的关系，其中复旦大学为4个派系所共享;哈尔滨工程大学、哈尔滨工业大学招生办分别为3个派系所共享;武昌理工学院官方、华中科技大学分别为2个派系所共享。派系成员属于同所大学之间的联系或属于同行业之间的联系。构成派系的成员隶属高校、校友会和教育培训部门，说明了这三个部门之间的联系十分密切，而中小学与出国留学部门之间的联系比较松散。

d．在派系规模最小值为6的情况下，微博名人网络存在14个派系。派系之间是重叠交叉的关系，郎咸平、李开复、时尚潮人yinyin等为多个派系共享。派系主要由财经类和商业类的成员构成，财经类中，郎咸平为连接各个派系的核心人物;商业类中，时尚潮人yi-nyin、潮人丹娜、林_小志玲和时尚达达人人为连接各个派系的核心人物。这表明财经和商业类的内部联系比较紧密，而科技、房产和政府类的内部联系较少。同时，不同行业的微博名人之间的联系也比较少。

3．3政府、企业、微博名人、学校的网络结构对比

本文对点度中心性、点度中心势、中间中心性及整体中间中心势进行了测度与分析。中心度指标刻画了信息传递网络中的关键人物，分析中心度可找出处于核心位置的用户，即可辨别出哪些机构在信息传播过程中“权利”更大，能够在较大程度上影响信息传播。中心势指标刻画了信息传递网络的整体密度特征，通过分析中心势，我们可以描述整个网络的紧密程度或一致性。

2．3．1点度中心性分析针对政府而言，不同用户表现出不同的点入度和点出度。点入度表示关系“进入”的程度，在这里表示一个用户被其他用户“关注”的程度。点出度表示一个用户“关注”其他用户的程度［19］。政府网络中点入度比较高的用户为平安北京(56．000)、公安部打四黑除四害(52．000)、北京(53．000)，说明他们在整个网络中信息传播的过程中拥有较大的权力，其的消息为更多人所注意。针对企业而言，新浪汽车(13．000)、招商银行(12.000)、招商银行信用卡(8．000)为影响力最大的用户。与图2相匹配，说明金融企业在信息传递过程有较强的影响力，其的信息能够在网络中迅速传播。针对学校而言，复旦大学(23．000)、华中科技大学(17.000)、武汉大学、清华大学(16．000)点入度排名前三。说明高校成员对整个学校网络的影响最大，是学校网络信息的主要传播渠道。该几所学校均为211、985重点院校，在国内有较强的知名度，其名人效应会增强信息的关注程度与扩散程度。针对微博名人，潘石屹(44．000)、李开复(44．000)、雷军(33．000)等居于“被关注”关系的中心位置，是整个网络影响力最大的用户，他们消息为更多的人所接受，其对某些社会事件的评论会在一定程度上引导舆论导向。总之，用户影响排名由大到小依次为政府、微博名人、学校、企业，其内部用户对整个网络的影响力由高到低。因此，在抓核心人物时，我们应该关注政府与微博名人，这两类用户对引导舆论发展、传播正能量有较好的作用。

2．3．2点度中心势分析政府网络的标准化点入度中心势和点出度中心势分别为:35．802%和76.615%，说明了该网络的关注关系有很大的不对称性。企业网络的标准化点入度中心势和点出度中心势分别为:39．00和63．03%。不论是“关注”还是“被关注”的中心势都比较小，说明企业网络没有明显的集中趋势。学校网络的标准化点入度中心势和点出度中心势分别为:20．926%和13．784%。与企业相似，网络集中趋势比较低，关注关联关系比较少。微博名人网络的标准化点入度中心势和点出度中心势分别为:3.205%和3．297%。名人网络明显分散，联系不紧密，与其派系特征相匹配，派系过多且派系间的联系较少。总体而言，四个网络的中心势由大到小分别为:政府、学校、企业、微博名人，用户集中程度依次递减，整体联系逐步下降。

2．3．3中间中心性分析中间中心性刻画了用户间的依赖程度，高中间中心性用户在整个社会网络中的权利较大，能够在一定程度上控制信息的流动。政府网络中，平安辽宁、平安北京、豫法阳光的中间中心度比较高，说明其他各用户获取消息在很大程度上依赖于这些关键用户，他们在网络中权力较大，在很大程度上控制了信息的流动。同时，可以发现这些用户的点度中心性也都位于前列，说明该关键用户最有可能成连接政府网络中交流信息、沟通意见、协调行动的重要桥梁［20］。另有鼓楼微讯、上海的中间中心性指数为0，说明这些成员处于网络的边缘地带，对于信息的传递并不重要。在企业网络中，点出度中心度和中间中心度排名前8位的用户都包含新浪汽车，且新浪汽车的点入度也较高，说明该用户是整个网络的交流中心，处于网络的核心位置，能够很好地控制着其他用户间的交流及信息资源，在正能量的传播中起着重要作用。在学校网络中，中间中心度最高的8个节点分别是复旦大学、华南理工大学校友会、华中科技大学、复旦大学校友会、哈德斯菲尔德大学、中国人民大学校友会、北京王府学校。将中间中心度最高的节点与点度中心度最高的节点进行比较发现，中间中心度最高的8个节点中有5个出现在点出度最高的8个节点中。例如，复旦大学和武汉大学的点入度、点出度、中间中心度都较高，说明基于三种不同的中心度进行计算，武汉大学和复旦大学都是核心成员，表明它们既能影响他人的相互交往，又能与其他成员相互交流。在微博名人网络中，思想聚焦、IT观察猿、李开复的中间中心度是比较高的。但IT观察猿的点度中心度并不高，说明该用户与其他用户交流并不是很多，而其他各个用户利用其获取消息的依赖程度是比较高的。另有辣評娛樂圈、苏若琳的中间中心性指数为0，说明这些成员处于网络的边缘地带，对于信息的传递并不重要。

2．3．4整体中间中心势分析整体中间中心势越大，说明该网络中成员对其他网络成员之间的交往能施加的影响力越大［21］。企业、学校的整体网络中间中心势分别为8．32%、7．27%，指数偏低，说明这两类网络中缺少对其他节点有明显控制力的关键节点，缺乏较强的信息传递能力。因为如果整个网络中大部分的节点不需要别的节点作为桥接点，那么该网络有较强的信息传递能力。政府、微博名人网络的中间中心势分别为17．23%、12．22%，说明在政府、微博名人网络中，对其他节点具有较强控制力的节点分布比较集中，有较强的信息传递能力。4结论本文从关注微博用户网络的结构、密度、派系、中心性等出发，比较分析政府、企业、学校、微博名人这四类网络中内部用户的互动关系、个体用户的各项指标，为发现认识微博网络的形成和发展，及信息如何在网络中更有效的传播提供了帮助。经过分析之后得出:

a．政府网络的网络结构比较密集，信息是在一个具有强关系的小网络中传播，网络内部信息传递的效率较高。在政府网络内部，公安部门内部联系比较紧密，其桥接网络内部信息传播的作用凸显，处于政府网络的核心领导位置，是政府网络信息传递的关键人物，对信息的传递与扩散有较大的控制权力。然而政府网络的点度中心势很高，反映了政府群体过于集权，过分依赖少数群体，信息在网络的传播就容易被该群体垄断。因为点度中心势代表的是群体集权程度，如果一个群体的中心势很高，这个群体的互动实际上就很集权，几个关键人物就代表了整个社群的互动。此外，在派系分析中，政府网络的派系虽多，但各个派系都包含公安部门，再一次说明公安部门在政府网络信息传播过程中具有很强的影响力。这是因为随着社交媒体的兴起，人们开始关注社会各类法制事件，且公安部门的信息往往真实程度最高，故受到人们的青睐与信任。这说明政府网络要利用好社交媒体更好地传递信息，需提高各个部门的公信力度，提高其公开性与透明性，政府网络派系间应多交流，避免信息传递的单一性。

b．与政府网络的结构特征类似，微博名人网络的结构也比较密集，但却有别于政府网络呈现出来的包络性，网络内部有两个凸显且密集的子群。名人子群主要以财经与时尚为核心，体现了人们对信息有一定的偏向性。随着社会的发展和生活条件的改善，人们开始关注理财与精神需求。网络内部的关键人物主要是一些知名度较高的企业家或时评者，其名人效应使其在信息传递的过程中有较大的话语权。在微博名人网络内部，财经和商业类联系比较紧密，信息在二者内部传播较好，但部门间联系不紧密，导致信息在整个微博名人网络中的传播效率不足。网络派系过多，虽由一些关键人把派系间联系起来，但派系间呈现行业特征，其的信息内容较为独立，各派系间信息内容的交叉现象不明显，导致从整体来看，不同类别信息在微博名人网络中的流动有一定的障碍。此外，微博名人网络的中心势过低，这也意味着网络内部群体过于分散，使得互动分散而不集中，信息在子群内传递的效率较高，而在整体网络中传递的效率较低。这说明信息要在微博名人网络中更好地传播，需提高各类子群所信息的多样性，避免由于信息的独立性而造成信息传递中断。

篇（2）

以WebofScience作为数据源，进行检索和筛选数据。论文以生物材料学科为例，分析科研人员及其团队，为学校挖掘可引进的人才，也为学校人才引进提供评估参考材料。

1.2分析流程

(具体见图1)论文采用h指数、R指数、AR指数作为衡量学者科研水平的3个量化指标。h指数不能区分h值相同但论文被引频次相差悬殊的情况，缺乏一定的灵敏度和区分度，结合采用了R指数、AR指数，解决h指数存在的一些不足［9］。

2以生物材料为例的应用分析

2.1基础数据检索与清洗、筛选

选取检索源:Webofscience的SCIE数据，因webofscience数据存在滞后，为保障期刊论文数据的完整性，选择数据库时间范围为:2003－2012(10年)，具体检索时间:2014.3.10。论文采用了材料科学－生物材料作为案例进行检索分析，假设某学校想引进生物材料方面的学者。选择的期刊以JCR－Q1期刊为参考，选取了webofscience的“MATERIALSSCIENCE，BIOMATERIALS”类目的Q1期刊，共六种期刊。通过webofscience检索出版物名称=(″BIOMATERIALS″or″ACTABIOMATER″or″EURCELLSMATER″or″DENTMATER″or″MACROMOLBIOSCI″or″BIOFABRICATION″)，时间跨度=2003－2012，检索结果:13179条。筛选出:article、review两种类型文献12970篇。

2.2作者基础排序分析

以webofscience的分析功能，选取排序前10位的发文作者，见表1列出了前10位作者及其发表的论文数量，论文中分别以A1、A2…标示各位作者。论文在此研究中，暂不考虑作者在论文中的贡献度，即不区分第一作者、通讯作者或是所处的其他合作位置。在webofscience中，作者名称基本采用了姓氏加名的首字母，存在较为严重的同名作者问题。考虑作者的同名现象，对每位作者结合作者机构进行较为精确的分析。在webofscience中作者同名问题基本没有得到解决，需要通过人工筛选才能达到精确。对上述10位学者对应的文献进行逐篇查看，可以确定出该检索集中，有3个作者姓名简称对应了多位学者，如对A3的70篇文献中的前20篇进行逐篇查看，20篇论文属于16位不同单位且姓名简称同为A3的学者。同样发现A9和A10具有多位学者共同构成论文篇数，均被排除出前10的位置。通过逐篇查看，筛选出排名前7的学者。

2.37位学者h指数、R指数、AR指数分析

对筛选出的前7名学者，进行SCI论文检索，检索时间范围为:2003－2012，检索日期为2014.3.16，文献类型为ARTICLE或REVIEW。因为涉及同名、作者曾在不同单位任职等现象，结合webofscience的“惟一作者集”等作者辅助检索工具，进行筛选。2.4A7学者及其团队的挖掘分析论文选用SATI文献题录信息统计分析工具［10］和UCI-NET社会网络分析软件［11］对A7的SCIE论文进行分析。通过分析挖掘与A7有更多直接合作关联的学者，拟挖掘“他们”作为某学校生物材料方面的外聘人才。利用两个软件，构建了如图3所示的A7的作者合作网路。从图3可以发现A7的合作网络错综复杂。利用k－核概念，研究网络合作的凝聚子群。所谓k－核是指如果一个子图中的全部点都至少与该子图中的k个其他点邻接，则称这个子图为k－核［11］。通过k－核，可以发现一些高合作、高凝聚的群体。对A7的社会网络进行k－核分析，如图4所示为A7文献作者k－核分析的部分截图。由图4可见，在A7的392篇文献的所有合作者中，可以进行8种分区，度数分别为2，3，4，5，6，7，8，9，即分别为2－核，3－核，……，9－核。9－核即是指A7和其他34位学者(图4所示的作者编号P1、……、P84)共同组成各个作者之间至少有9个邻接的子群，可能是学科团队、或项目合作的团队，其中可能存在一些具有知识引导的团队带头人。计算A7合作网络中学者们的在整体网络中个体密度值，图5为截取其中部分学者的个体密度值计算。从图5可以得出这个整体网中各个个体(科研人员)的密度值、及其他指标值。A7的个体密度值最低，值为9.44，Broker和EgoBet值最高，分别为3791.00、2927.17，他这个作者群网络中的知识引导人、合作引导人，其位置占据了结构洞位置，是作为“桥”位置者。结合图5所示的9－核团队，在这些学者中，P1的网络规模最大(值为45.00)，密度是19.90，Broker值是793，EgoBet值是326.90，仅次于A7，在其合作网络中，占据结构洞位置，可作为引进人才或外聘的人选。P3密度值为27.92，Broker值为253，EgoBet值是98.46，在合作网中与他人有合作、也有一定的知识引导作用。从图5也可以发现，学者P7的密度值最大，为100，Broker和Ego-Bet值均为0，在个体网中的中间性不强，不占据结构洞位置，可以猜测其为求学的学生或是某个项目的参与者。根据上述分析，P1和P3可作为外聘或引进的人选。对这两位学者，同样计算其2003－2012年期间的h指数、R指数、AR指数，通过和表3学者的各个指标进行比较、衡量。P1的各位指数都高于P3，且与表3中的7位学者的∑(h，R，AR)值进行排序，排列第4。

篇（3）

Abstract：InternethasahistoryofelevenyearssinceitisservedforthecommonpeopleinChina.Weshouldstudytheconceptionsdescribingthe“Internet”inahistoricview,discoverthecharacteristicsofdifferentphrasesreflectedbythoseconceptions,andeventuallyfindthenatureofInternet,andtheInternet’sculturalandsocialmeaningtowardthehumanbeing.ThenwecandevelopanewframeworkwhichissuitableforunderstandingtherelationbetweentheInternetandcommunicationorthetraditionalmedia,andthegrowthofitself.Myopinionisthatnetworkisactuallythevirtualworld,notthecommunicativemedia.

Keyword：network；thefourthmedia；networkmedia；thesecondmediaera；networkasavirtualworld

网络是什么?十多年中有过许多回答。今天重提这个问题好像有些幼稚，但是事实并非已经清晰。首先声明，我不是从工程技术的角度来探讨网络的本质，而是追问网络的文化社会意义所在。似乎可以说，本文探索的是网络对于“人”或“人类社会”来说是什么。网络无疑已经对当今社会产生了深刻的重要的影响，它向前延伸的每个新进展，都使网络在远离起点的时候越来越需要人们反思它的社会本质。

一、网络概念的变迁和网络发展以及与此对应的人们认识的丰富和深化

网络的概念表述，大致按时间的顺序，出现了后面的概念。有的说网络是“第五媒体”，是排在包括杂志在内的传统媒体之后的。有的说网络是“第四媒体”，是排在不包括杂志在内、在新闻传播意义上的传统媒体之后的。有的说网络，只提“网络媒体”，而回避了“网络作为一个整体是什么”的问题。还有的说，网络实际上是“信息平台、虚拟空间和商业平台”。有的说网络开辟了“第二媒介时代”、“第二世界”。而今，更多的人干脆不追问“网络是什么”，而只是用经验和直觉来从传统的框架来观察网络新媒体，如博客、维客、流媒体、网络电视等等。

这些概念的变迁真实地表现了我国学者、研究者和业界对网络认识的轨迹。从泛泛地谈网络是什么到具体地谈论网络的形态——“网络媒体”、“新媒介”；从既成的大众传播媒体的框架“内部”来理解网络到从更大框架——与传统社会、传统媒介时代对立的大视角——来理解网络；从具体的媒介形态的递进和演化上升到能够意识到媒介代际的更迭；从试图研究网络的本质到暂时放弃本质等待网络自身发展成熟后解答。这个轨迹明显地体现出人们对网络研究的深入，也从侧面折射着网络自身的成长。

二、网络的本质在争议和反复中渐渐显露

如今网络已走过童年期，童年期的网络远未成形，甚至看不出轮廓，人们只能根据有限的、暂时的现象近于臆测网络的本质。今天的网络展现出成熟期的某些特征，表现为：网络发展从早期的直线上升到现在的平稳上升，无论是网络用户，还是网络的技术的原创推出，都展现了同样的趋势。网络用户告别了此前的疯狂的增长，而原创性的技术也放缓了研发的脚步了。“三个月一年”的“互联网年”节奏[1]和“光纤定律”[2]已经成为一个沉入历史的辉煌记忆。这些现象都证明这个网络的本质已经渐渐浮出水面。我们知道每个新事物的发展都有一个成熟期，也就是形态和属性基本“定型”的时期，甚至是“类型化”的时期。这就是我们追问网络本质的根据，这是一个网络相对定型可以理解的时期。

不懂得历史，我们永远不知道自己是谁。同样，不知道网络在历史上出现的概念和理解，我们也无法直接推断网络的本质，从源流开始梳理，我们不仅可以更清晰地把握本质，而且能够更准确地把握不同时期的网络研究，懂得它的价值和意义，明了它的缺点和局限。下面对历史的角度对网络的概念进行梳理：

（一）把网络看成是“媒体形态的一种”的阶段

“网络是什么”的问题最早是用“网络与媒体的关系”的方式提出来的。这是因为媒体尤其是大众传播媒体关系到人类“最重要的精神交往”。人们最渴望理解的是，网络对于当今时代“最重要的精神交往”——大众媒体有何种影响的问题。研究者首先把网络看成是媒体形态的一种，把网络看成是传统社会中大众传播系统中的一个媒介形态。这种理解很显然无法容纳网络中表现出来的如此之多的异质的、非大众传媒的特点和属性。把不同的东西混淆到一起，显然是牵强而缺乏说服力的。这个思路无法真正解决网络的定位问题，更无法达到对网络本质的思考。

作为“媒体形态的一种”，先后出现了“第五媒体”、“第四媒体”或“第四媒介”的概念。具体考察，从时间序列上说，网络不是“第五媒体”，更不是“第四媒体”或“第四媒介”，这点已有公认；从承载内容的性质和符号载体上说，网络也不是“第五媒体”、“第四媒体”或“第四媒介”。理解后一点有些复杂，我想从“媒介的特质”和“传播的意义”两个角度来说明。

首先从“媒介的特质”的角度考察。我们知道，信息的载体是符号，符号传播是媒介的形式的本质。新闻意义上的大众媒体，包括报纸、广播、电视三大媒体。他们的最大特质是各自拥有独特的符号系统。报纸主要靠文字；广播主要靠音响；电视靠以影像、声响为主，文字为辅。独特的符号系统，是识别三大传统媒体的基本依据。而网络的符号仍然是文字、声音和影像，只是综合利用，并没有创造出新的传播符号。

然后，从“传播的意义”的角度做考察。传播的内容是新闻、神话传说还是历史知识也是媒体定位的标志。“三大媒体”都是在“新闻的意义”上谈的。所谓在新闻的意义上，是指他们都以新闻为本位，为重要任务。而网络显然是信息的集散地，它包含了不同的形态组成，如“网络媒体”、电子公告、实时聊天、电子邮件等等。他们各自具有不同的特点和旨趣，从总体上网络传播是“大杂烩”，并没有形成对新闻的重点强调。

以上分析看出，把网络从“媒体”或“媒介”的角度，进行传统或习惯意义上的排名归队，无论是“第五媒体”、“第四媒体”或“第四媒介”，都是不妥当的。

（二）把网络的讨论分解到“网络具体形态——网络媒体”的讨论的阶段

网络与媒体关系探讨的突破，就是把“网络媒体”的概念从宏观抽象的网络的大概念中抽取出来，而从网络的一个形态组成来考察，单兵直入的讨论获得了成果。

“网络媒体”的提法，就是在这个认识背景下升温的。2000年后代替“第四媒体”的概念，“网络媒体”成为人们讨论网络时的主要探讨对象。[3]“网络媒体”的界定有很多困难。其中最重要的代表就是在网络传统新闻网站媒体和商业网站媒体，我们可以明显地感觉到，他们具有某些大众传播媒体特征，具有“准大众传播媒体”的特性，因为庞大的网民规模支持着网页的浏览率。当然“按照传播学的定义，一种媒介使用人数达到全国人口的1/5，即可被称之为大众媒介”。[4]所以即使目前的有着庞大的受众群，也不能断言它已经成为大众传媒；但是根据互连网的发展趋势，我们可以肯定“网络媒体”成为大众传媒是未来的必然。这个阶段的探讨进入了网络的具体形态组成，讨论因为具体化而更为集中，对象的特性也更为清晰，“网络媒体”概念的出现表明人们对网络的认识开始深化。

“网络媒体”的概念回答了上面的疑问：网络作为整体不是媒体，但网络的组成部分“网络媒体”是媒体；我们可以暂时搁置是“第几媒体”的争论，至少从“网络媒体”概念中，我们长期感觉到的网络具有的“大众传播”的性质终于落到了实处，而不必忍受这样的困惑：一方面强烈感觉网络的大众传播媒体的属性和特点，一方面却清楚地察觉到网络与传统大众传播媒体的巨大差异。这两个感觉形成了一个在传统认识框架里解决不了的悖论。“网络媒体”概念破解了这个难题。

“网络媒体”回应了此前我们关于网络是“第几媒体”，是不是媒体的讨论；同时网络与“网络媒体”的不同，也暗示和提醒了研究“网络是什么”的复杂和困难。

（三）“网络媒体”不过是传统媒体在网络空间的“延伸”

进一步的追问是，“‘网络媒体’究竟是什么样的媒体”？具体化这个追问，我们需要搞清楚“网络媒体”有哪些特点和意义。它与传统媒体有怎样的不同？是本质意义上的不同还是表面的差异？前面搁置的问题再次提出，它与传统的三大媒体是什么关系？网络媒体是一个突然侵入的不速之客，还是一个和睦友好的邻居？是一个熟悉的同类还是一个陌生的异类？

从媒介符号来说，传统媒体各有自己独特的符号语言系统；而网络媒体没有。“网络媒体”的新闻载体仍然是传统媒体的符号语言系统，包括文字、声音和影像。从这个意义上说，“网络媒体”似乎并不是一个完全陌生的异类，而是一个似曾相识的邻居。“网络媒体”并不具有本质意义的特殊性，更多地是传统媒体在网络空间的“模仿”和重新组合。

从内容上说，无论是网络传统新闻媒体网站，还是商业网站的新闻传播，都是传统媒体的新闻传播的“延伸”。新闻网站从内容到形式，极大程度地依赖着传统媒体的资源。商业网站在主要意义上也只是传统媒体新闻的重新组合，而非本质意义上的颠覆或反叛。

所以，把“网络媒体”理解为传统媒体在网络空间的“发展延伸”，是一种合理的逻辑。网络媒体是延伸，而不是创新；是熟悉的再造，而不是陌生的闯入；是文明的变迁，而不是文明的断裂或者重生。

[page_break]

（四）把网络看成是“信息平台、商业平台和虚拟空间”的阶段

这个阶段，人们看到了网络的不同功能取向和复杂的性质。正像“网络媒体”概念的提出一样，“信息平台、商业平台和虚拟空间”这个表述同样表达了人们分门别类研究的努力。既然整体的认识很难达到，我们不如分别表述这个复杂的对象。“网络媒体”概念是对网络组成形态的个别研究，而“信息平台、商业平台和虚拟空间”的提法则是对网络功能的总体上的分类研究，前者是微观的，后者是宏观的。这些认识终于深化和丰富了人们对网络的理解。而不是简单地、机械地为网络做一个定义。

同时，“信息平台、商业平台和虚拟空间”这个表述的意义还在于，超越了“媒体”的说法。这个提法能够从更宏观的层面认识网络的社会本质，为未来更准确地理解网络提供了一个台阶。但是，我们不能停留在一个分类的视角，如果网络什么都是，那么也什么都不是。我们仍然需要一个更本质的概括。

（五）网络就是虚拟世界

具体的、分类的角度看问题解决了许多基础性的问题，那么我们来从宏观的角度考虑问题。网络媒体和传统媒体相互映照，那么“网络媒体”的母体网络呢？网络的对照物是什么呢？找到网络的对照物和联系，我们似乎也就可以找到“网络是什么”的答案。这个思路接近马克思探究“人是什么”或“人的本质是什么”的思路，马克思如此定义：“人的本质……是一切社会关系的总和”，“人的本质是人的真正的社会联系”。[5]

经由关系、联系来解释本质，是一个合理的路径。由此知道，“网络是什么”，当然也可以从网络与对照物和网络的全部联系中，认识网络的位置、特点和作用，那么“网络是什么”的问题也就得到一条清晰的出路。

“网络是什么”的长期争论展现了研究对象自身的复杂性和多变性。其复杂表现为网络上形态众多，作用和影响各异；其多变性表现为网络上原创技术出现周期很短，网络组成部分新成员不断增加，新功能不断开发，原有的形态也随之发生了变化。

以前的研究思路就在这里出现了问题：我们长期从“网络和媒体”的角度来试图认识网络的本质。结果证明不成功。我们在探讨“网络是不是媒体，是第几媒体”的时候，长期纠缠不清，认识混乱。我们把“网络是不是媒体”这个问题抛开，跳出这个狭隘的怪圈，直接讨论网络对于人意味着什么？

用信息流的观点来看待网络可能更能接近网络的本质。信息总是从一地流向另一地，信息的复杂流动，也可称为精神交往，成为信息时代的非常重要的内容。美国的“信息高速公路”计划，就是一个推动信息流动的计划。所以，如果把信息比喻为乘客；那么网络上的形态组成，如“网络媒体”、电子公告等就是在道路上奔跑的汽车；网络就是道路。三者的关系就是“乘客、汽车和道路”的关系。同样，我们观察另一个系统，信息依然是乘客；各种形态的传统媒体是在道路奔跑的汽车，比如报纸、广播、电视等；现实世界可比喻为道路。那么我们面前有两条道路，道路奔跑着形态不同的汽车，汽车里坐着乘客。

这个比喻的意义在于，把网络和现实世界看作是同等的存在。虚拟世界和现实世界相对存在，互相作用和影响。那么，网络能够承担这样大的比喻么？网络有资格成长为足以与现实相对而存在的“第二世界”么？

从历史上看，李普曼提出了“拟态环境”的概念，日本学者藤竹晓提出“信息环境的环境化”的概念，[6]这些概念都传达出这样的含义：在一个走向信息社会的时代里，大众传播媒体营造的信息空间，已经构成了一个区别于现实环境的“第二环境”，也即“信息环境”、“拟态环境”，尽管当时这个环境还没有足够完整、真实和独立。而在今天，这个“信息环境”、“拟态环境”在网络的催生下已经相当成熟，甚至形成了夏学銮使用的“网络社会”[7]，开辟了马克·波斯特提出的“第二媒介时代”[8]，发展出一个张允若提出的“第二世界”。[9]那么我们将面对着刘建明提出的“双重存在”的“社会”（即领土意义上的国家社会和超级信息和观念全球化的社会）。[10]

我们深知，网络在传播技术方面的优势远胜传统大众媒体，它对“信息环境”、“拟态环境”的构成起到更为巨大的作用。社会演变的信息化，信息传递的网络化，这两个趋势就决定了未来的时代是一个新的时代，在这个时代里，现实社会和虚拟社会，现实世界和虚拟世界，第一世界和第二世界，对立而存在。既相互渗透，又相互联结和影响。

如果从世界的角度来理解，那么此前的“道路和汽车”的比喻，可以置换为比喻为“大地和房子”的比喻。那么显然存在着两种“大地和房子”，现实大地上建造着现实中的传统媒体形态；虚拟大地上建造着虚拟中的网络媒体形态。在本质上，虚拟大地不是“上帝之城”，只是现实大地的一个变形的折射；同样在本质上，网络媒体形态不是“创新”的产物，而是传统媒体形态在虚拟大地上的折射，也是延伸。

这个比喻超过了传播的意义，而是建造了一个“精神交往”的世界。如果说，传播毕竟强调的是信息的流动和疏离个体的连接；那么“世界”的概念显然要大得多，它包含了驻留和传播，固守和变迁，稳定的秩序与流动的革命或者改良等等。

最后笔者的观点水到渠成，“作为虚拟世界的网络”超过了“作为传播媒介的网络”，更充分而且有说服力地解决目前网络理论解释中遭遇到的困惑和纠缠，也是我们对网络本质认识发展的新阶段。

[参考书目]：

[1]方兴东：《“网络社会化”新时代的来临》，参见陈卫星主编：《网络新闻和社会发展》，北京：北京广播学院出版社,2001

[2]闵大洪：《网络传播研究亟待加强》，载《新闻与传播研究》2000年第1期

[3]闵大洪：《网络媒体定义与中国网络媒体生态环境》，参见邓炘炘李兴国主编：《网络传播与新闻媒体》，北京：北京广播学院出版社,2001

[4]杜骏飞：《网络新闻学》，北京：中国广播电视出版社,2001

[5]《精神交往论——马克思恩格斯的传播观》，陈力丹，第1版，北京，开明出版社，1993年8月

[6]郭庆光：《传播学教程》，北京，中国人民大学出版社，1999

[7]彭兰：《网络传播概论》，北京，中国人民大学出版社，2001

篇（4）

2、CS推荐系统

2.1预备知识

2.1.1相关概念传统的推荐系统通常只考虑用户-项目评分矩阵来进行推荐。然而，在许多系统中，可以通过丰富的上下文信息来为推荐系统提供了新的信息维度。本文把上下文信息分为两类：（1）静态上下文，它描述用户的特性，例如年龄、性别、会员身份，角色等；或者是一种商品、种类、价钱、物理特性等；（2）动态上下文，是一种与等级相关的即时信息（例如当一个用户评价一个产品时，他的心情和位置信息）。另一方面，在线社交网络也带来一些其他资源，通过分析这些资源一个用户的喜好可以由与他有相同品味的朋友推断出。因此，本文试图系统地融合上下文信息和社交网络信息来改善推荐性能。用{U1,U2,...,Um}u表示用户集合，{V1,V2,...,Vn}v表示项目集合。所有用户可以根据自己的喜好为项目评分。假设分值为离散变量，范围为12{,,...}mLLLL。比如，许多推荐系统（如MovieLens）使用五分制进行评分（例如[1,2,3,4,5]）。用户uU对项目vV的评分表示为u,vR,所有的评分集合,{,v}uvuvR=RUuV构成一个用户-项目评分矩阵（如图1(a)）。正如上面提到的，假设对用户的每一个评分级iR都存在与其相关的上下文信息集合，用12{,,...}iCcc来表示。我们对每种类型的上下文信息的值域没有限制，也就是说，离散值和连续值都是合法的。在社会网络中将用户信息及用户之间的关系可以抽象表示为有向带权值的社会网络图的形式:G(V,E,C)。其中，V表示节点集合，每个节点代表网络中的用户个体；E表示边的集合，表示两个个体之间存在的关系；{}uvCc表示边的权重值，此值越大表示信任程度越大，本文将其定义为用户间的信任度。由于信任关系不是对称的，所以图中的边是有向的，网络图为有向图。2.1.2矩阵因式分解以上的矩阵，使得将矩阵因子相乘后可以重构或者近似原始矩阵。在推荐问题中，一个矩阵因式分解模型是将用户-项目评分矩阵R，mnRR（m是用户数量，n是项目数量）分解成一个用户特征矩阵U，mlUR和一个项目特征矩阵V，lnVR。TRUV（1）其中l是一个潜在特征向量的维度，它标志着一个用户或者一个项目的特征。对于一个用户a来说，的元素（即aU）衡量了用户对项目的兴趣度；对于项目b，的元素（即bV）衡量了和相应的潜在特征的相关程度。因此，TabUV表示用户和项目之间的关联度，即考虑了所有潜在特征后用户对项目的偏好度。为了计算，考虑到用户-项目评分矩阵的稀疏性，定义了以下的目标函数，即使预测评分与用户实际评分的误差最小化：T2i,j,,11argmin()mnijijjkIUVRUV（2）其中i,jI为一个指示变量，即如果用户i对商品j进行了打分，则为1，否则为0。另外，为了避免过度拟合，在公式中加入了规范化系数，即T222i,j,,11argmin()(||||||||)mnijijFFjkIUVRUVUV（3）其中2FA(A是XY的矩阵)是Frobenius范数，是通过2xyxyXYA计算得到。参数控制规范化的范围。公式3可以通过两种方式解得：（1）随机梯度算法(SGD)，通过迭代更新潜在用户特征因子和潜在项目特征因子。（2）交替最小二乘算法(ALS)，通过修正矩阵（或者）以优化（或者），并且轮转迭代。

2.2上下文感知的推荐模型

本节首先介绍一下如何结合上下文信息来提高推荐系统的推荐准确度，在此先暂不考虑社会关系。为了有效结合不同的上下文信息，我们使用一种具有较高学习精度的随机决策树算法。该算法的目标是对原始即用户-项目评分矩阵使用随机划分策略将相似用户或相似项目的评分划分到树的同一结点中，即将具有相似上下文的评分划分在一个组内。由于是在相似的上下文中产生，因此在相同组里的评分将会比在原始评分矩阵中的评分具有更高的相关性，有助于提高推测缺失值的准确性。对每个决策树中的每一个结点，利用公式（2）对评分矩阵进行基本的矩阵因式分解。经过分解之后，分别得到用户潜在特征向量与项目潜在特征向量（如图1(b)）。用户特征因子表明了用户在一些潜在主题上的兴趣分布，而项目特征因子代表了与这些主题相关的项目成员。为了划分评分矩阵，我们选择了一个潜在特征（如图1(b)的第二列）和随机选取了一个分割值（本例中假设选择的分割值为0.4）。设定之后，则当前的评分矩阵被划分为两部分，如图1(c)所示。在本例中，根据中第二个潜在特征向量和随机选定的分割值，评分矩阵被从第二行和第三行之间分割成了两部分。由于第一个和第二个用户的潜在特征值比较相似，因此他们给出的评分被决策树划分到同一个结点中。在为每个上下文信息构建决策树时，在树的每一层，算法都会从上下文信息集合C中随机选择一个上下文信息rc来划分评分矩阵（见图2）。具体来说，评分矩阵是根据的值进行划分的。例如，如果我们假设上下文信息是一周时间，则评分矩阵可以根据每一天（即从周日到周六，工作日或者周末）来进行有意义的划分。另一方面，如果的值没有任何语义信息，则我们首先要对每一个评分进行标准化到某一特定区间（如[0,1]），然后选择一个随机的阈值（如∈[0,1])来划分评分。一旦在树中的某一层上完成了评分划分，则随机选取的上下文信息rc就会从上下文信息集合中被删除：rCC/c，从而保证了一个上下文信息在一条路径上只作一次。尽管朋友能够提供有用的信息来帮助推荐系统为用户做出高质量的推荐，但现有的研究大部分都是在利用社会网络中所有的可用信息进行推荐，没有对这些信息进行细致的过滤；或者并没有深入的调查怎样精确计算用户之间的品味相似性。为了解决这些问题，本文引进一个新的社会规范化系数来对用户和他朋友之间的品味差异进行约束。在真实生活中，一个用户可能会有成百上千个朋友，因此同等对待朋友（或者朋友所给出的推荐信息）是没有意义的，因为其中的一些朋友可能与用户具有非常相似的品味，而与另一些朋友可能拥有完全不同的品味。在社会网络中，每一个用户u都会有邻居集合uN，用uvt表示节点对节点v的社会信任度，其取值范围在[0,1]之间。值为0表示完成不信任，值为1表示完成信任。在社会网络中，的值可以解释为用户u对用户的了解与信任程度。但由于该权值包含一些噪音数据，不能体现社会网络中的整体结构信息，这就类似于在网页分析中的忽略了网页的链接结构信息。但其实在一个信任网络中，如果某个用户信任大部分的用户，则其信任度应当被降低；反之，如果某个用户被大部分用户所信任，则其信任度应该被增强。

3、实验评估

3.1实验方法

3.1.1数据集豆瓣网()是中国最大的社交平台之一，许多人在这里分享对书、电影、音乐的评价。每个用户可以对书、电影、音乐进行评级（从一星到五星），表达他们对这些产品的喜好。在社交网络中如果某用户的评论被认为是有趣且有用的，则他就可能被其他用户所跟随。表1列出了数据集的统计数据。我们选择豆瓣的数据因为它不仅包含了相关的时间/数据和其它可推断的上下文信息，而且还包含了社会网络信息，因此非常适合用于评估应用了多种类型信息的CS算法的性能。从豆瓣数据集中，随机选择80%的评价来训练推荐模型，使用剩下的20%比较它们的性能。3.1.2比较对象本文将CS推荐系统和目前主流的几种推荐方法进行了对比实验：传统的基于上下文感知推荐系统RPMF[14]，基于社会网络的推荐系统SoReg[11]；应用基本的矩阵分解模型构建的推荐系统BMF[12]。与所有的上下文推荐系统相似，我们从数据集中可获得的上下文化信息中选取了五种类型的上下文信息：(1)小时信息，即用户给出评分的时刻；(2)日期信息，即用户给出评分的日期；(3)当一个评价被给出的时候，对目标商品产生“期待”的数量；(4)当目标用户评价一个特定商品时，其所给出评分的平均值；(5)目标商品所属的类别。3.1.3度量标准实验选取在推荐系统评价中经常使用的两个度量标准来比较不同推荐模型的性能：平均绝对误差(MAE)和均方根误差(RMSE)。公式14和15分别给出两者的定义：

3.2实验结论

首先使用豆瓣网数据集来说明CS算法中不同参数值的选取对推荐性能的影响。经过交叉验证之后得到规则化常量=0.1。图3给出了当数据集的不同子集（如书数据，电影数据，音乐数据）被应用时，CS推荐模型的性能如何随着参数值的变化而变化，参数决定了有多少社会网络信息量被整合进CS推荐模型中（见公式11）。实验中设置在求解矩阵因式分解模型中潜在特征向量的维数为10，迭代求解次数为20。后续实验会给出这些变量的变化如何影响基于矩阵因式分解的推荐模型的性能。从图3可以看出随着值的增大，MAE和RMSE的值首先减少，接下来当到达一定阈值时（大约在=0.1处）其值变得相对稳定（只是轻微下降）。因此可能得出社交网络信息可以有效改善推荐质量的结论，并且=0.001是一个合适的阈值来很好地平衡用户-项目评分矩阵和社交网络信息。接下来，验证上下文信息数量对推荐性能的影响。这一点可以通过控制决策树的高度来实现。也就是说，如果设树的高度为1，则只有一种类型的上下文信息在树的划分时被使用；如果设树的高度为4，表示所有的上下文信息都被应用到推荐系统中来。图4给出了不同数量上下文信息的实验结果。从图4中可以看出在所有情况下，上下文信息越多则会产生越高的推荐精度，即MAE和RMSE的值越小。实验结果表明上下文信息很大程度上改善了推荐系统的性能，另一方面，从实验结果中可以看出本文所选取的上下文信息是非常有用的。最后，将CS推荐系统和其他推荐系统的性能在豆瓣网数据集上做对比实验。在做对比实验之前，需要决定两个重要的参数的取值，即潜在特征向量的维度和基于矩阵因式分解模型的迭代次数。首先固定迭代次数为10，观察潜在特征向量在不同维度下的MAE取值，如表1所示。发现随着维度的增加MAE的值在减少，这意味着随着维度的增加将会产生更高的推荐。但是当维度增加到大约10时，推荐质量的改进甚小。因此在实验中，为推荐算法的潜在特征向量维度设置为10。同理，本文为所有基于矩阵因式分解模型的迭代次数设置为20，因为更多的迭代次数并没有降低MAE的值，反而会产生更高的开销。参数一量确定，下面就分别使用书数据、电影数据、音乐数据和整个豆瓣网数据来比较不同推荐模型的推荐性能。表2给出了对比结果。从图5可以看出，本文提出的CS推荐模型所有的实验数据中都比其他推荐模型更加精确。所有基于矩阵因式分解的推荐模型都明显优于传统的基于项目和基于用户的协同过滤算法，这表明了矩阵因式分解技术在推荐领域的优势。实验结果也表明综合考虑上下文信息和社会网络信息比只考虑某一种信息类型的推荐模型（如SoReg和RPMF）具有更高的推荐质量。

篇（5）

2出版社微博社会网络关注矩阵及结构图

社会网络可以用社群图、关系代数、邻接矩阵等模型来描述，此网络中每一个出版社微博为一个节点，将用户之间的“关注”和“被关注”的关系通过邻接矩阵表达出来，形成一个15×15的互链网络的二值矩阵，其中“行”表示关注者，“列”表示被关注者。“1”表示关注关系存在，“0”表示关注关系不存在。得到的邻接矩阵如表1所示。通过Ucinet的Netdraw软件可以将微博互链网络关系图直观地表示出来，如图1所示。可以看出互链网络中存在着2个孤立的结点分别是中国人民大学出版社和中国公安出版，译林出版社、人民文学出版社、中信出版等居于互链网络的核心位置。

3结果分析

3.1密度分析

密度是衡量社会网络中各节点关系紧密程度的指标，在图论中用图形中实际存在的线与可能数量的线的比例来衡量。一般来说，关系紧密的节点合作行为较多，信息流通较易、情感支持也会较好;而关系疏远的节点，则常有信息不通、情感支持少、协作程度低等问题。密度值介于0和1之间，值越接近1则代表关系越紧密，越接近0则表示关系越疏远。可见密度为0.1714，标准方差为0.3769，说明出版社微博间存在着相互的连接和沟通，但密度值不大表明整体上该社会网络的联系不算非常紧密，相互交流的程度还有待提高，说明国内出版社在微博应用方面仍处于初级阶段。尽管微博在信息传播、营销宣传方面的巨大优势吸引了很多出版社尝试使用，但很多出版社思想层面对微博在出版行业的定位认识不清，行动层面也显得不够重视，没有大胆进行应用方面的探索。

3.2中心性分析

3.2.1点度中心性

点度中心性反映的是网络中那些相对于其他行动者而言处于中心位置的行动者，此概念来自于社会计量学的“明星”概念。一个中心点是指处于一系列关联“中心”的点，该点与其他各点具有诸多直接的联系，而处于网络边缘的节点则较少与其他节点相关联。某个节点的点度中心性最简单的测量方法是计算与该节点直接相连的其他节点的个数，数值越大其在网络中的地位越趋于中心。在有向图中，点度中心性还可以分为内点度中心性和外点度中心性。内点度中心性表示一个用户被其他用户“关注”的程度，外点度中心性表示一个用户“关注”其他用户的程度。在出版社微博互链有向网络中，前者指被关注的出版社微博节点总数，后者指该出版社微博关注的其他关联微博的节点总数。通过Ucinet的NetWork－Centrality－Degree得到出版社互链网络的内点度中心势为42.857%，外点度中心势为27.551%，中心势越接近1说明该网络越具备“集中”的趋势。可见该网络的整体中心势趋势较强，存在着网络核心。但内中心势数值较大，说明被“关注”的用户更具备集中的趋势。如表3所示，内中心度较高的节点为人民文学出版社、长江文艺－北京、译林出版社、广西师大社理想国，它们在网络中被其他节点关注较多，居于网络的核心位置，因此在网络信息传播的过程中拥有较大的权力，这些微博的信息更容易引起别人的注意。外中心度较高的节点为译林出版社、广西师大出版社、中信出版，表明这些微博关注其他微博的数量较多。其中译林出版社的内外点度中心度均较高，说明该微博受到其他成员的广泛关注，其微博有着较大的影响力和被认可度，同时该微博注重于其它微博的联系，形成了广泛的交际网。人民文学出版社和长江文艺－北京的内点度中心度较高，外点度中心度较低，特别是人民文学出版社外点度中心度为0，说明它们在网络中具有重要地位，但不能积极链接其它微博，不善于与人交流。中国人民大学出版社、中国公安出版的内外点度中心度均为0，说明它们的微博相对独立，不被其它成员关注，同时没有积极链接其它成员，缺乏与其他成员的交流沟通，在网络中处于边缘位置。

3.2.2中介中心性

中介中心性用来度量某个节点在整个网络中对信息流动或传播控制作用的大小，即信息从节点A传到节点B在多大程度上依赖于节点C。Freeman认为一个节点处于多对节点之间，那么它的度数一般较低，这个度数较低的节点可能起到重要的“中介”作用，因此有可能是网络的中心。中介中心性的研究是围绕“局部依赖性”建立的，其值越大，说明其在网络中的位置越重要。该出版社互链网络的中介中心性计算结果如表4所示，译林出版社、重庆出版社、长江文艺出版社、长江文艺－北京、广西师大社理想国中介中心性较高，其中译林出版社更是远远高于其他微博，中介作用最为突出。也就是说在信息传播的过程中其他出版社微博想要获得信息对上述几个微博的依赖程度较高。因此说明这些出版社微博在网络中的位置相对重要，能够在较大程度上控制信息的流动。但整个网络的中介中心度仅为13.99%，说明整个网络的大部分节点不需要别的节点作为桥节点就可以获得信息，整个网络的信息扩散范围较广，不易受到某个出版社微博的控制。

3.2.3接近中心性

在社会网络中，如果一个行动者在交往过程中较少依赖他人，则此人在网络中具有较高的核心地位，接近中心性就是基于网络节点的不受控制性而提出的测量指标，与上述两种中心度相反，该值越小说明该点距离其他各点越近，获取信息时越不易受其他节点的控制，其在网络中的相对独立性越高。由于该网络并不连通，因此基于网络的整体接近中心势不能被计算，从信息的难易程度来看，排名为人民文学出版社、长江文艺－北京、译林出版社、广西师大社理想国、长江文艺出版社、中信出版、重庆出版社、香港中国旅游出版社、广西师大出版社，排名越靠前越不易受他人控制，越具备独立性。从获取信息的难易程度排名为福建人民出版社、译林出版社与新华出版社、中信出版和广西师大出版社、重庆出版社与香港中国旅游出版社、长江文艺出版社、内蒙古文化音像出版社、广西师大社理想国、长江文艺－北京，排名越靠前获取信息越容易，独立性越强。

3.3凝聚子群分析

当网络中的某些行动者之间的关系特别紧密，以至于结合成一个次级团体时，这样的团体在社会网络中被称为凝聚子群。由于凝聚子群成员之间关系非常紧密，因此凝聚子群分析又被称为“小团体分析”。小团体分析将子群从整个网络中分离出来，以便了解特殊子群对整个网络的影响，并揭示节点之间实际存在的或潜在的关系。

3.3.1成分分析

成分分析是根据子群内外部成员之间的关系密度进行凝聚子群分析，如果一个图可以分为几个部分，部分内部成员间存在关联，各部分之间相互独立，则这样的部分就是成分。通过Ucinet的NetWork－Regions－Components－Simplegraphs，在Kindsofcomponents对话框中选择Weak(弱关联)，所得结果如表6所示。结果显示，在弱关联图形定义下，共有3个成分，其中第1个成分包含了13个节点，其成员为长江文艺出版社、译林出版社、中国青年出版社、新华出版社、重庆出版社、广西师大出版社、人民文学出版社、福建人民出版社、内蒙古文化音像出版社、香港中国旅游出版社、中信出版、广西师大社理想国、长江文艺－北京。它们之间通过一定的途径相连接，彼此间建立了较为密切的联系，另外2个出版社微博中国人民大学出版社和中国公安出版分别构成1个成分，它们是社群图中的孤立点。这一分析结果和图1显示的一致。

3.3.2k－丛分析

k－丛是建立在点度数基础上的，一个k－丛就是满足下列条件的一个凝聚子集，即在这样的子群中，每个点都至少与除了k个点之外的其它点直接相连。通过Ucinet的NetWork－Subgroups－k－Plex，此时Ucinet会把有向图当无向图处理。K值越小网络的最低规模越大则条件越严格。在Valueofk中对话框中填入2，MinimumSize中填入3，所得结果如图2所示。3k－plexesfound．1:译林出版社广西师大出版社香港中国旅游出版社2:译林出版社广西师大出版社中信出版3:译林出版社香港中国旅游出版社由柱状图可以看出，译林出版社、广西师大出版社、香港中国旅游出版社、中信出版构成了一个小团体，该团体内部成员间的互动较为紧密，交流互动积极主动，在一定程度上控制着信息的流动，并且在长期的交互过程中形成了稳定的交流模式。但该子群规模较小，仅仅少数微博建立了密切的联系，整个群体的互动性还不强。

3.3.3凝聚子群密度

凝聚子群密度主要用来衡量一个大的网络中小团体现象是否严重，这在分析组织管理问题时十分有用。如果一个企业的E－Iindex过高，表示该企业中小团体可能结合紧密并开始图谋小团体私利，从而伤害整个企业的利益。常见的情形是大团体很散漫，核心小团体却有高度的内聚力，或者大团体中有许多内聚力高的小团体，很可能出现小团体间互相争斗的情况。通过Ucinet的NetWork－Cohesion－E－Iindex，得出结果如表7所示。可见凝聚子群密度为0.188，一般来说凝聚子群密度取值范围为［－1，+1］，该值越接近+1意味着派系林立的程度越大;该值越接近－1，意味着派系林立的程度越小。现在该值大于0，表明出版社各微博间的互动并不局限于凝聚子群内部，子群间的互动也有一定的互动，但是该值较小与1差距较大，说明微博成员更趋向于在较小范围内互动，凝聚子群内部成员联系紧密，信息交流与分享较好，但与子群外部成员的沟通交流不足，这在一定程度上也影响了该社会网络的发展。

篇（6）

二、网络建设:和谐社会建设的全新挑战

(一)从参与网络文化的主体构成来看，青年人的网络社会化对和谐社会的建设存在一定的潜在影响。当前网络媒体主要的宣传、传播、引导的对象，大部分是出生在改革开放之后的年轻受众。他们是推进改革开放大业的希望所在，是构建社会主义和谐社会最有活力、最积极的一代。但同时也是最容易被西方敌对势力所蒙蔽和利用的一代，也是在维护社会稳定的工作中最难于引导、说服和教育的一代。由于网络提供的是一个介于“似”与“不似”之间的虚拟社会，对于青少年来说，它很难形成像现实世界那样强烈的社会规范，在网络中完成的社会化过程很可能附带网络影响的消极部分。在这种情况下，和谐社会的建设还应包含建设主体主体意识的培育，它加大了和谐社会建设的难度和复杂性，改变了以往人们文化的传播途径，要求将社会的主流文化传递给青年个体，使个体接受主流的文化的价值观念和行为规范，保证社会的正常运行。

(二)从网络文明建设的艰巨性、复杂性和综合性看，它对和谐社会建设提出了全新课题构建和谐社会离不开网络参与。网络作为一把双刃剑，在提供人们表达意愿渠道、促进个人发展等方面，对和谐社会的建设功不可没。同时，又给构建和谐社会带来了全新的挑战。如何引领网络文化发展的前进方向，如何净化网络环境，如何更好地加强网络管理，回答这些问题是新时代下和谐社会建设的题中应有之义。维护网络安全，净化网络环境，引导网络文化，强化网络管理成了构建和谐社会的重要组成部分。

(三)从上网群体与不上网群体的构成看，易形成信息分化，不利于中国社会结构的优化及和谐社会建设我国互联网分布的城乡差别和地区差别是十分严重的。尽管我国网民规模已跃居世界第一位，但从互联网普及率上看，各地区的互联网发展差异依旧明显。在东部沿海地区和部分内陆省份，以及直辖市，互联网水平发展较好，普及率高于全国平均水平。但在中西部地区，互联网水平发展较为滞后，网络普及率低于全球平均水平。这种信息分化，不利于中国社会结构的优化。现代社会是一个信息社会，信息是第一资源，城市中的知识分子，政府机关和大型的工作人员等一小部分人不仅掌握着经济资源、管理资源，而且还掌握着为现实社会服务的信息资源。而其它较低的社会阶层由于经济、文化条件的限制，很难参与到网络文化中来。这不利“五个统筹”的实现，更会影响到社会主义和谐社会的构建。

三、和谐网络:和谐社会建设的内在要求

(一)加强虚实和谐建设

对虚拟现象的认同，首先需要观念的更新。如前所述，网络和谐社会是是建设现实和谐社会的必然要求，是和谐社会系统的重要组成部分。它要求执政者转变执政视角，从关注现实中的社会建设转移到现实和谐和网络和谐的共同建设。在信息化建设的今天，领导干部不关注网络社会的呼声和网络文化的建设，就不能全面地、真正地理解和谐社会建设，就不能彻底地、有效地解决社会矛盾。

(二)倡导和谐管理

首先，“和谐”表示不同事物“相应”且“配合得当”，多种要素相统一，本身蕴含着，而不是求同灭异，这就要求执政者对网络管理抱持“尊重差异，包容多样，抵制错误和腐朽”的积极态度。其次，要认识到由于我国还处在社会主义初级阶段，一方面社会问题、社会矛盾一定会在网络上显现甚至被夸大，另一方面，网络管理和网络文化的建设还有相当长的路要走。但是这种矛盾和冲突大多属于人民内部的利益冲突，和谐社会理论是党的执政理念和执政方式、治国理想和治国方略的一次大飞跃。

篇（7）

二、资本与供应链合作关系资本

社会资本是指存在于社会结构中的、与经济资本相区别的非实物形态的资源。“社会资本”的理论认为，角色（个人、团队、工作组等）愿意投资于和其他角色的关系，通过其能力撬动关系以获得进入所需的资源，以获得积极的期望回报[3]。供应链本质上是一种能获得积极回报的企业合作关系。供应链社会资本，或称之为供应链合作关系资本，是一种群体社会资本。关系资本可以定义为“：企业与供应商、顾客、联盟伙伴及内部分支机构组成的关系网络的价值”（Gulati，2005）。也有学者把关系资本描述为“购买商与销售商之间的良好合作愿望”。根据社会网络与资本的研究，供应链合作关系资本划分为：关系供应链资本、认知供应链资本、结构供应链资本。从关系的密度视角，供应链网络中的合作关系分为强联系和弱联系，这两种联系产生了关系供应链资本。随着供应链网络的强联系的增加，伙伴方之间将在价值和共同愿景上达成一致，将产生认知供应链资本。认知资本的积累，将增强关系自执行性的愿望。从网络演变的视角，供应链中的伙伴方通过对自身位置的认知，并利用网络中的结构洞为自身创造剩余。这种由于网络结构位置而产生的供应链关系资本，称之为结构供应链资本。

三、供应链合作关系资本构成

（一）关系供应链资本

社会网络理论一直关注于构建中心网络中的角色（例如人、建筑）和联结（电话线路、关系等等）。在供应链中，角色通常是指商业部门或企业。由Granovetter和其他人发展的“联结”范例，被关系供应链资本所接受。目前，与关系资本相联系的存在着两个截然不同的概念：关系联系强度和更复杂的“弱联系强度”[4]。联系强度，类似于双边角色关系中的亲密度或集成度，将对核心角色、相关角色及其环境产生的显著影响，并将有利于网络中信息内容的共享。网络中的联系既包括有形的（资源的、财务的、数据的）联系，也包括无形的（社会的）联系。无论是什么类型的联系，网络被创造和结构化的整体目标在于，为合作企业提供获得所需资源的途径。Goliciaetal（.2003）建议，在供应链管理中，社会关系范式十分重要，并引进了关系量度（Rela-tionshipMagnitude）作为供应链联系强度的测量标准。[5]不管采用何种方法代表联系强度，每种研究都证实了紧密的联系将促进商业关系的成功。弱联系密度是角色间的联系是获得所需资源（包括信息）能够通过的桥梁。密集的社会网络（例如供应链）常常交换私人信息，这些信息因为其嵌入性，能够被企业轻易的获取，并且因为其性质而值得发现（例如未被普遍共享，而有益于获得优势）。网络质信息的成功应用，将导致难以复制的差异表现。在一个封闭的网络中，企业间经常性及有控制的特质信息流，主要服务于几个目标，包括不确定性的降低，提高问题解决能力，利益共享，以及上述全部。基于这样的分析，把关系供应链资本分为两种维度：一种是内部强关系程度（强联系），一种是外部弱关系程度（弱联系）。强联系的关系对于操作层面的供应链，具有重要的价值。强联系促进了有效的沟通（进而表现），而弱联系是服务于创新、独特或及时信息的桥梁。

（二）认知供应链资本

认知资本是由提供给伙伴方共享的表现（SharedRepresentations）、解释（Interpretations）、系统含义（Sys-temsofMeaning）等资源组成的。在一个企业内，认知资本嵌入在一个共享的景象中，例如集体目标和团队愿景。当伙伴方拥有同样的商业目标，以及交互作用时出现。共享的目标和文化是认知资本的主要维度。当网络中的成员对实现关系网络任务和结果，有着共同的理解和方法时，这些目标能够共享。当价值和目标能够被购买商和关键供应商分享时，合作方相互作用并社会化的构建了一个共享的理解，这样，持续的交互过程将导致一种持续和自执行的合作过程。在供应商发展角度上，这种合作认知感觉的自执行过程，将提高购买商的表现。如果目标被共享，购买商和供应商对于表现提升的构成和如何实现，有了共同的理解。这样，将导致在成本、质量、运输和服务等等表现上的提高。如果价值和目标互相不适合，双方间的交互将导致对一些事情的误解，而引起冲突。随着误解和冲突的加强，双方将变得互不满意，进而对生产力和表现产生消极的影响。

（三）结构供应链资本

结构供应链资本，关注的是企业在供应链网络中所处的位置，以及同其他企业的联结和隔离，而不是联结的本质或质量。从拓扑学的视角，联系可以看作是线路，或者是“资源或信息流动的渠道”。关于结构影响资本的描述，有两个主要的概念：结构密度和结构洞。结构密度，定义为网络中可能联结的活跃程度，通常用潜在关系联系的活跃比率来表示。相反，结构洞是指网络中联系缺乏或者密度稀少的区域（Burt，1992）。结构密度理论认为：由于角色间存在着多重沟通渠道，密集网络中的角色将进行频繁的交流，因此将更有可能发展成普遍接受的关系规范。随着交易频率的增加，和单一交易关联的交易风险将减少。这样，和那些位于网络外的其它渠道比较，网络中的常规化交易将变得更有效率和更可取，进而提高密集企业成员的可用社会资本。结构洞的研究更关注于网络中未被激活的特定区域。结构洞的存在导致了网络中信息的不对称状态。信息的不对称可能影响到供应链的运作。结构洞使得企业网络中某些战略性位置变窄，例如，某些节点企业占据了“桥”的位置。这些位置成为了联结网络次集团和其他部分的唯一信息桥梁。桥梁角色拥有“在这些契约中的一个信息中断位置，因而可以通过其位置进行更大程度的控制，而获得利益”。换句话说，处于网络中联结其他非关联企业位置的企业，由于他们有能力控制显著的信息流，自然而然产生社会资本。对于企业合作关系的完善和建立，结构密度和结构洞都值得考虑。结构密度讨论，概括来说，是由于沟通和过程经济性而导致的执行相关表现的效率。而结构洞理论认为，在结构松散网络中处于关键位置的角色，会在结构资本中获得不成比例的收益。

篇（8）

二、社会网络、知识共享与技术创新维度的划分

社会网络维度的划分：Burt于1982年提出“关系-位置”网络分析模型：结合了分析的方法和分析的对象提出了位置分析和关系分析方法。它主要研究对象是：网络成员处于网络中的关系及其强度、行动者在网络中的位置。本文也采用关系位置法将社会网络分为网络结构、关系强度两个方面。网络结构包括网络中心性、网络密度和网络的范围（尹享邑，2009；王霄云，2005）。关系强度具体包含了连接稳定性，互动频率和互惠性（Gr-naovetter，1990）。知识共享维度的划分:当前对知识共享的测量有两种常规方法，一种是倾向从知识存在形式（显性知识和隐性知识）的分享程度来衡量知识共享的水平。第二种主要是从知识的传播形式，包括知识的获取和知识的提供来衡量知识共享的程度。本文选择第二种形式，即从知识的搜索和知识的转移两个方面考虑知识共享。技术创新的维度划分：通常情况下，国外学者用专利使用数量与专利的应用情况来衡量创新绩效。如David-son&Mcfetridge（1987）以技术取得的范围、速度来衡量创新能力。Hage-doom&Cloodt（2003）用R&D投入、申请和引用专利的数量和新产品数量来衡量创新绩效。国内学者张方华（2006）从创新效率这一角度考虑，用新产品开发速度、年创新产品数、创新产品的成功率、每年申请的专利数、新产品占总销售额的比重这五个指标来衡量技术创新能力。本文从产品创新和工艺创新两个层面考虑。

三、社会网络、知识共享与技术创新的相互关系

（一）社会网络与技术创新的关系

主流方向主要从网络结构和网络关系两个方面来研究与技术创新能力的关系。从网络结构方面来看，主要从网络中心度，网络范围，网络密度来考察与技术创新能力的关系。企业如果在网络中占据的结构洞越多，则企业在整个信息网络传输中占据的地位越有利，企业能够更多的了解技术的变化，并作出相应的技术决策，所以企业在技术创新方面就会占据较大的优势。Powell(1996)认为网络中心度的高低与企业和其他团体单位合作技术开发程度、市场信息的流动速度呈正相关，最终影响到企业技术创新的效率。另外，绝大本分研究（Bauxn，Calabrese&Silverman，2000；彭新敏，2009）认为，网络范围越大，意味着获得的关系资源越丰富，企业在创新过程中能有更多的方法获得知识，形成一种创新规模效应。在网络密度方面，赵晓庆和许庆瑞（2002）认为企业能与更多的组织成员产生联系则企业的网络密度会更大，企业能够获得更多的资源，随着联结强度的增强，企业间的信任感提高，有利于彼此之间的互利，形成长期的合作关系。从以上观点分析可以看出：社会网络的中心性与企业技术创新能力成正相关关系；社会网络的范围与技术创新能力成正相关；社会网络的密度与技术创新能力成正相关。从网络关系方面来看，主要是通过研究关系强度、关系质量与技术创新的关系。一般情况下认为关系强度越强，越能加深与其他合作组织的情感和信任，因为这样可以减少其在技术创新创新过程中产生的不确定性风险。网络关系强度包括网络各个节点之间交流的时长、感情的密切程度、认识程度和互惠性，网络的关系强度和企业技术创新能力存在显著的正相关关系。彭新敏（2009）认为比较强的社会关系，有利于高质量知识和隐性知识的扩散，赵晓庆和许庆瑞（2002）比较强的社会关系是信任和互利的基础，可以规范合作伙伴行为，有利于创新活动的开展。从以上观点可以看出：社会网络关系的联结稳定性和技术创新能力存在正相关关系；社会网络关系的互动频率能够促进技术创新能力的提升；社会网络关系的互惠性性对技术创新有显著的促进作用。

（二）社会网络和知识共享的关系

主要从网络结构与网络关系两个方面来探讨二者的关系。从网络中心性方面来看，根据前文涉及的结构洞理论，在较为松散的网络结构中，容易产生较多的结构洞。网络中处于“桥”的一方能够获得更新更广泛的信息，能够促进新知识在组织内部的不断双向流动，进而能够促进网络内部的知识共享。中心性对知识共享的正向影响被很多人研究过，如Hansen（2002），Perry-Smith&Shaller（2003）等。一般认为，较高的网络中心性的个体往往在组织中有较高的权威，一定程度上可以支配其他的员工，促使他愿意知识共享。由于中心性较高的个人或团体具有核心的地位，其他成员或组织对其知识能否共享的期望也很大，中心性较高的个人或团体为了维护自己的威望和地位，会努力实现与大家知识共享的愿望，最终促进了网络中的知识共享。例如Perry-Smith&Shaller团队中越是处于核心位置的个人就越能掌握越多资源，知识共享的效果也越明显。从网络密度来看，蔡铂、聂鸣认为密集的网络加深企业之间的相互信任，方便了隐性知识和敏感信息的交流，促进信息和知识在企业之间的流动，有助于企业的知识共享。谢鸿明等（2009）认为，网络密度越大越有利于团队获取外部知识，网络内部的知识交流也更充分。朱丽亚（2009）的研究表明，在企业知识转移的过程中，知识发送端的网络中心度促进知识的发送，网络密度促进接收端知识的接受，而网络范围可以促进接收端知识的吸收。从网络范围来看，Reagans认为随着网络范围的扩大，网络成员有更多的机会获得知识源，进而有了显隐性知识相互转换的机会，促进知识共享。在社会网络中，作为网络一个节点的企业如果能够占据网络的中心位置，就可以控制更多的相关资源，获取其他成员提供的知识和技术；为了维护自己的威望和地位，中心性较高的企业也会努力实现与大家知识共享的愿望，最终促进了网络中的知识共享。同时，企业不仅仅要与高校、科研院所、银行、中介组织建立联系，还要扩大与供应商、大型客户和其他企业的相互联系，尽可能的挖掘出潜在的关系，从而拥有更多的信息获得和分享渠道，促进网络成员的知识共享。因此网络的结构和知识共享有如下关系，社会网络的结构（中心性、网络范围、密度）与知识共享（知识搜索、知识转移）成正相关关系。从网络关系的角度来说，格兰诺维特将关系分为强弱两种，两种关系在知识的搜素和转移中作用相异。NooteBoom对美德两国的企业进行实证研究时发现，企业合作机制稳定性越高则网络成员之间有信任感越强，从高有利于知识共享。一些研究表明企业联系的稳定性、关系的互惠性和联系频率的增加可以使企业与合作伙伴建立长期的合作机制，增强彼此的互信，推动网络内部的知识和信息资源的分享，增强知识共享的意愿。因此网络关系与知识共享之间存在下面的的关系，社会网络的关系（联结稳定性、互动频率、互惠性）与知识共享（知识搜索、知识转移）成正相关关系。

（三）知识共享与技术创新的关系

企业技术创新能力提升的过程中最大的障碍是缺乏知识和经验，知识共享在企业技术创新过程中减少学习中的各种障碍。Henson和Mors（2005）从知识共享的过程出发，将知识共享分为三个过程：是否共享的决策、知识转移和知识搜索。是否共享的决策就是决定是否向组织外部吸收新的知识；知识搜索是指组织内成员寻找所需要的知识的过程；知识转移当找到了所需要的创新知识后，把知识吸收整合为组织内部的知识同时应用于实践中。主流研究者普遍认为，知识的获取对企业技术创新能力的提升极端重要（如Yli-Renko，Antio&Sapienza，2001）。Yli-Renko（2001）认为与合作伙伴间的相互交流可以得到知识，这些技术知识的消化和吸收能够为高新技术企业新产品的开发提供强有力支持（Yli-Renko，2001）。Wu&Tsai(2005)提出知识转移作为知识共享的重要方式，可以营造企业内部的知识共享氛围，有利于企业的学习。Tsai认为知识转移能提供给成员之间交流合作的机会，在这一过程中能够显著刺激知识的再创造和提高组织创新能力，知识转移可以将新产品开发需要的知识转移给所需要的成员。知识共享可以帮助企业通过不同的渠道不同的发送者将知识流转移到技术创新的团队中，增加了企业的技术创新知识存量。在社会网络中，企业间的交流和企业内部的交流共同促进知识的吸收和转换。知识共享的过程可以营造良好的学习氛围，减少技术创新失误，增加知识存量，从而提高了企业的技术创新能力。

（四）知识共享的中介作用

网络关系方面，Inkpen和Tsang认为网络关系有利于信息和知识的流动，企业可以更好的吸收和研发新技术，有利于企业获得更好的技术创新能力。其他研究也发现了知识共享在网络关系与技术创新之间的中介作用。如余红剑研究新创企业时发现，新创型企业与合作组织之间的良好网络关系能够增进双方之间的知识共享意愿，提高企业的学习与整合应用能力，促进企业技术创新能力的提升。左惟和李丽研究酒店连锁企业时，从社会资本理论角度探讨了网络关系、认知维度与企业内部组织间知识共享对知识资本和组织绩效的影响程度。基于以上分析可以得到，在网络关系对企业技术创新能力的影响中知识共享产生中介作用。网络结构方面，Ahuja发现网络成员的联系强度越大，知识在网络内部的扩散程度越大，网络成员越容易获取知识，从而提高了知识整合能力，促进了新产品和新技术的产出。Paruchuri认为企业在网络中心的位置可以改变网络内部的知识流动，从而影响企业的创新活动。国内的李随成和高攀认为网络中心性与知识获取机会成正相关。位置中心较大的成员能够缩短知识搜寻和获得的时间，提高知识的整合能力，从而促进了企业创造新知识的能力。陈伟和杨早立从知识共享和知识整合的视角探讨了网络的结构与企业核心能力的相互关系。因此得出如下结论：知识共享在网络结构和网络关系对技术创新能力的影响中有中介作用。

篇（9）

因此可以推测，“点赞”依然是青年群体最为活跃的网络行为之一。不过，需要指出的是，“点赞”虽然成了青年线上交往的新方式，但同时也潜伏着相应的矛盾与危机。在复杂的社会结构和文化跃迁的共同作用下“，点赞”这一行为所要实现的功能已经完全超出了社会化媒体预先设计的框架—它不仅表现出赞同和支持的意涵，而且也带有多种流变性的社会意义。“点赞党”这一青年族群的出现，更是引起一场关于当代青年文化和青年线上交往形式的大讨论。这场讨论源于台湾导演吴念真2013年拍摄的微电影《新年头，老日子》。在影片中，女儿通过社会化媒体抱怨了父母之间的争吵，但她却收到了30多个“赞”。家庭冲突在互联网上的传播反而赢得“点赞”，这一情节引来了网友们的感慨。同时，“点赞党”还创造了自己的“入党誓词”：“不评论，专点赞……该赞的赞，不该赞的也赞”。“点赞党你的节操呢”也迅速成为热门的网络话题，网友分成“点赞只是说明已阅”和“点赞党滚出社交圈”两派进行争论。对点“赞”的讨论在2014年持续升温，光明网转载了《“点赞党”出没，你的身边有没有》一文，各大地方媒体也对“点赞党”进行了较为全面的报道，并呼吁青年网民要理性地使用“点赞”的功能。基于上述的分析与争论，我们不难发现，“点赞”既能够通过便捷的意义传输形式赋予青年网民更多的话语权，又可以给他们创造巨大的主体性展示空间。不过，“点赞”绝非简单的表达赞同，一方面它被青年群体灌注了丰富的情感要素，蕴含了多样态的社会意义；另一方面，“点赞”行为在社会化媒体的构架中也有着更为复杂的社会功能。因此，要充分认识青年的“点赞”现象，就必须对其进行类型学的概括与分析，以厘清它的动力机制并在学理层面上提出反思。

二、“点赞”的特征分析

“点赞”话题所引致的争论也让网民自发地将这一青年网络族群划分成了已阅点赞族、维护关系族、真心赞赏族和跟风抱团族等不同的类型。虽然这些类型的划分较为粗略，但也基本涵纳了“点赞”行为的几个重要的功能性特征，即表意性、参与性与情感性。

1.表意性：意见表达的直接性，它是“点赞”的本质属性

由于社会化媒体需要赋予网民更多的主动权并鼓励他们自由地进行信息的传播与分享，因此“赞”被设置成了一键或一点操作（lazyclick）的快捷按键。青年网民可以通过“点赞”传递自身对某一事件或事物的观感，从而简便、高速地实现意见的反馈和聚合。

2.参与性：互动双方的交互性联系，具有强关系和弱关系两种参与

较之在WEB1.0时代的以超链接建立起来的以内容为主的“圈子”而言，基于WEB2.0的社会化媒体更加注重主体的参与性。而“点赞”无论是表达关注、同意抑或是其他的含义，都能使双方参与其中。参与性同时又可以分为弱关系参与和强关系参与，这种强弱之分依据的是互动双方的熟识度和情绪的涉入程度。弱关系中的“点赞”只表示一方已接收到信息但没有更进一步的评论。而在强关系参与中，互动双方则具有相应的义务和责任，“点赞”也蜕变成了熟人社会中人际关系的一种复刻。中国文化向来强调熟人间的强关系参与，即“一切相与之人，随其相与之深浅久暂，而莫不自然有其情分。因情而有义，莫不自然互有因尽之义”，参与也就代表了自己对他人的支持性义务。不过值得注意的是，“点赞”的强关系参与不同于以文字作为载体的对话，它更类似于现实互动过程中的聆听、点头或微笑。因为互联网的超时空性很难将现实生活中无声和无文字的互动进行有效的展现，“点赞”则很恰当地充当了这一情景中的意义工具。

3.情感性：情绪的符号化表达，具有正向情感和负面情感两种类型

正向情感是“伦理关系”的自然延伸，其代表了深沉的责任和道义，因此，“点赞”在以强关系为主的互动中也就映射了支持和赞同的情感表现。在现实的社会交往中，当我们无法以语言的形式来传递这类情感时，通常会利用肢体动作来进行辅的表达，“点赞”就是这种脱离语言的正向情感在互联网上的替代形式。与此相较，负面情感的表达则更为复杂，它并不是心理学概念所界定的负面情绪，而是带有调侃和戏谑的社会化含义，并反映了青年人“恶搞”的亚文化。如在微信“朋友圈”中，青年群体倾向于互相为对方的“糗事”“吐槽”或“点赞”，在这种“嘲弄”的背后蕴藏着的则是无奈的自我解嘲。所以，负向情绪的“点赞”是对他人经历的恶搞，“以戏谑的方式打破了经典和权威的硬壳”，有意识地将痛苦转换为“乐子”，其实质是青年群体宣泄压力的另类途径。

三、“点赞”的功能探索

1.“点赞”可以为处于网络化时代的青年积累社会资本

社会化媒体中最为重要的资源是人际互联，一条信息的接力必须依靠人际间的传播才能实现其价值。所以，“点赞”使得青年网民能够更加快速地参与到他人的生活或事件的讨论之中。一方面，“点赞”是自我的表态，它宣告了自己的立场和归属的意见群体；另一方面，通过“点赞”也能够为自己赢得更多的点击或关注，从而相应地扩大了交流的范围。以上两点都有助于互动的维持和深入。诚如前文所述，网络社会中所强调的互动依然是现实生活中人际往来的延续，只不过在互联网中，我们面对的是一个熟人圈子和生人社群同步叠加的复合形态而已。所以，以互动为主的“点赞”依然是以积累社会资本为指向的。借用布迪厄的观点，我们不妨将人际网络视为社会资本的基本组成，而把“点赞”看作是构建这些网络的“制度化仪式”，因此“为了生产和再生产那种能保证物质利润或象征利润的持久、有用的关系，这些仪式总是必需的”。

2.“点赞”能够颠覆权威叙事，为青年重塑话语权

社会化媒体的一个核心理念是赋予每一个主体创造和传播内容的能力。这种创造内容的权力在社会化媒体普及之前，一直被纸媒、电视和门户网站等垄断。传统媒体通过科层制的组织化方式，将信息按照某种固定的格式重整后发送给受众，他们在获取信息的同时并不能进行公开的情感展示与意见表达，因此叙事带有十分强烈的权威性指向。在社会化媒体普及后，评论和“点赞”成为网民的“投票”工具，从而令网民可以决定一条信息能否转化为权威来缘。更为重要的是，“点赞”在某些情境中还能够起到破坏社会语境的作用，进而完全颠覆权威的叙事格局。比如新浪微博某大V用户在宣告自己罹患重症的消息后却收到数万个“赞”。其实，我们未尝不可将其看作是网民自发地去破坏“权威与庶民”之间互动的秩序，重塑自我在网络社会中的话语权。所以，具有颠覆的“点赞”是“在社会生活的局部实践中引入混乱，造成局部失范”的破坏性实验，它既让青年网民宣泄了自身的不满情绪，也使他们获得了抵抗权威话语的。

3.表达虚拟的同感为青年网民提供心理上的支持

表达虚拟的同感（virtualempathy）既是“赞”这一功能按键最为原初的设计诉求，也是当前“点赞”最为主流的意义呈现。同感是指理解或分享他人情感状态并给予正向回应的能力，是主体间发生移情和互动的感性基础；虚拟同感则是指通过互联网为媒介产生的情感互动的状态与过程。在传统社会中，由于时空是嵌套在一起的，所以同感大部分发生在面对面的场域之中。而随着网络技术的不断更新，以互联网为主要形式的“虚化空间”拆分了空间（space）与地点（place），使得原本被远距关系所限制的互动成为可能，人们原本基于在地性的同感也随之发生了“虚化”。因此，通过“点赞”来表达虚拟的同感对互动的双方有着十分显著的社会意义，尤其是对需要获得自我同一性的青年群体而言，“点赞”所形成的虚拟同感显得更加必要。因为“点赞”一方面能提供社会支持，让信息者接收到远距离的陪伴感，另一方面“点赞”也可以展现自我观点，使自身在参与话题并进行表态时获得足够的自我认同感与效能感。

四、“点赞”现象的原因分析

总的来看，“点赞”得以流行的根本原因在于现代网络技术的革新。尤其是移动的智能触屏终端和社会化媒体的联合作用，从根本上重塑了青年网民的互动方式。但我们还需要更为细致地去理解“点赞”现象流行的成因，笔者将其划分为社会背景、文化动因和心理成因这三个层级进行分析。

1.网络技术形塑了青年网民个体化的聚合方式，它是“点赞”得以流行的社会结构背景

个体化是指个体摆脱国家和集体的控制并作为独立的行动单元来承担社会责任的过程。个体化的聚合方式则指的是社会成员不再以责任和义务形成互动的联接，而是通过暂时兴趣和话题进行流动式的关联。网络技术的发展持续地推动着青年的个体化聚合方式，因为互联网实现了社会系统的脱域（disembeding），由此而形成的网络社会是一个主体与电脑互动、“一人一机”的个体化的社会。在这一情况下，青年网民群体的聚合方式也从“行军纵队”（marchingcolumns）的模式向“蜂群”（swarms）模式发生了转型，而蜂群模式的特点就在于他们虽然能用同步的方式前进，但任何一个成员却都不用对共同的利益有所承担。不难发现，由网络技术的更新所形成的个体化聚合形式具有价值多元化、互联化和匿名化的特点，这些特征都是“点赞”能够流行的充分条件。价值多元的社会氛围为青年表达自身看法提供了合法性空间；互联化则让个体之间可以通过趣缘聚合起来而成为短暂的共同体，使得“点赞”获得了一定的人口学基础；而匿名化则使网络身份与现实身份相剥离，它降低了青年网民破坏常规的社会成本，进而促使了他们通过“点赞”的“破坏性试验”去颠覆权威话语的可能性。

2.微文化形成了青年网民交流方式的极简化，它是“点赞”流行的深层文化动因

微文化是互联网文化的一个新变体，它反映了网络对话或交流日趋简单化和快速化的趋势。尤其是在twitter和微博兴起之后，网民创造信息变得越发容易，每一个成员都可以将私人的生活进行公开的展示，碎裂化、去主体化和叙事小型化的网络交流成为常态。而且当前的信息呈现出高速流动和爆炸增长的态势，智能移动互联终端也越发普及。这些都使得青年网民能够更为及时、快速地获取新资讯，由此便导致了网络微文化的生成。微文化令青年网民必须寻找一种更为省时、有效、简便的信息处理模式，因此，“点赞”在互动过程中就极为简便地表达了“到此一游”或“已阅”的意义。值得一提的是，我们一方面不能简单地将“点赞”的盛行视为青年网络互动的“麦当劳化”（McDonaldization）—以效率为先，追求可控性的交流方式，因为由微文化引起的“点赞”在本质上还是为了有效提高互动的频率；但另一方面，微文化又让“点赞”逐渐偏离了社会化媒体最为关键的“创作”和“对话”环节，从而使青年网民对“赞”产生过度的依赖，并挤压了双方的实质性对话。

3.青年网民自我认同的重心也发生了转移，它是“点赞”流行的心理学成因

在个体化和微文化的共同作用下，青年网民对于自我理解和自我认识方式也产生了变化。现代社会日益强烈的流动性加速了时空体系的分裂，进而让青年人习惯于通过互联网来搭建人际关系，这一行为又反过来形塑了该群体另类的自我认同。社会认同的实质是社会性自我的拓展，或者说社会认同来自于他者与自我间的对话。社会化媒体的发展驱使了青年群体与他人的对话逐渐从“言谈”（conversation）的形式过渡到了“联接”（connection）的形式，从而令他们将自我认同的动力源放置到了能够为其提供大量快速回应的互联网符号之上，“赞”也正是这类符号之一。细致地讲，言谈是面对面的交谈，它要求我们必须在时空一体的环境中展开小范围的对话；而联接则是以互联网作为中介的互动，它提供了在时空分离的情况下与更加广域的主体进行交流的全新模式。无疑，联接式的交往更能为处在流动和开放社会中的青年提供多样、迅捷和广泛互动的可能，“点赞”这种日趋无声化和无语言的联系方式显然是与之相互契合的，进而它也推动了青年群体更倾向于利用互联网从其他网民所给予的符号中获取自我认同与肯定的现象。

五、结论与讨论

从学理上看，“点赞”实质上折射了青年互动方式的变革，这来源于我国从乡土社会向网络社会的转型过程中所引发的信息交流方式的更新。在传统情境中，我们主要通过“用嘴说”、“用眼看”和“用耳听”来产生交集与互动，而在互联网上，“用手点”则演变成了信息交流的重要组成部分。而且“点赞”也反映了网络社会内部的进阶式发展—由“读”、“写”向“点”三个阶段的依次位移。在互联网发展的早期，信息源较为单一，网民处在受众的位置，因此其仍是一种“以读为主”的格局；随着社会化媒体的出场，自我写作成了互联网的主要形式，此时的网络特点也就变成了“我写你看”；而当前信息逐渐趋向碎化和内爆，目不暇接的内容使深度的互动和参与越发困难，“你写我点”也就成了最为有效的信息处理方式。不过，“点赞”本身也蕴含着不可化约的社会风险。主要体现在意义的压缩和被商业资本收编这两个方面：其一，“赞”是脱离了文字并被设计为表达赞同与喜爱的网络符码，但由于缺少更为丰富的信息补充以及相应的对话环境，容易造成“点赞”的意义趋于模糊。尤其是当前的青年群体对于信息的解读带有极为强烈的后现代特征，倾向于把信息作去中心化、去主体化和碎片化的颠覆性处理，这就使得“点赞”这种单一的功能性按键难以在虚拟空间中完整地表达主体间丰富、多元的互动意义。更为严重的是，对于“点赞”的过度依赖更有可能减少互联网上有意义的对话，令“点赞”沦为一种“无意义的在场”。从批判社会学的立场来讲，“点赞”对双方对话的化约还可能让青年网民无法获得足够的社会性自我（socialself）的成长空间，进而丧失自我反省的能力。社会化媒体虽然通过“赞”的功能拓展了网络时代的人际互动，但如果简单地以“点赞”来取代对话，那么就会造成本雅明语境中“气韵枯萎”（shrivelingoftheaura）的情况，即一种仿制现实交流的形式对真实对话的代替，它极大程度地削弱青年网民在互联网之外的现实世界的社会关联。其二，“点赞”还存在着一种被商业资本收编的可能性。“点赞”具有的信息聚合性和成员间的交互性，致使青年网民经营起来的“圈子”面临着消费市场的殖民。商业资本将口碑的打造和形象的宣传植入到了新媒体之中，以积满“赞”的数量换取相应的奖励，这种“集赞”的方式使得社会化媒体成了新的营销平台。早在20世纪90年代，卡斯特就曾直言互联网已成为市场逐利的下一个目标。对于资本而言，“信息参与者越是多样，网络上临界的群众数量便越大，价值也就越高”。虽然大众传媒被市场利用的现象不是社会化媒体所独有的，但是在新媒体传播机制的放大下，市场所利用的不再是单个的网民，而是以个体为中心、通过“点赞”的扩散效应，整体地吸纳了网民的社会资本。

篇（10）

而强弱关系的存在与结点的特质有关，网络结点的特征也理解网络功能的一个重要维度，如找工作案例，社会网络结点的性质对就业成功的可能与质量都发挥着很大影响［25］。因此，中小企业社会网络中的不同结点的质量、功能与效率对中小企业成长具有非常大的直接影响。在现阶段的中国情境下，某些重要的有价值的稀缺资源是通过社会网络机制来传递、借用或转移，因此，占据有利位置的行动者可以通过控制甚至阻断资源的流程来获取对其他行动者的支配权［24］。由于“中国模式”的重大特征之一就是政府主导型发展，因此拥有广大政府人脉的企业家在“人情式”管理范式中存在着明显的结点优势。如表2所示，与政府保持裙带关系的国有企业中受益于“政府联系”这一条网络连接的企业占60%，远高于其他类型企业的同一比重。对国有企业来说，政府是其社会网络中的关键性节点，此联结给国有企业带来排他性资源获取功能。但同时由于国有企业社会网络的先天性特质，其结构洞(structuralholes)可能多于民营企业的社会网络结构，而占据结构洞中心环节的企业在这样的社会网络中可以获取天然地位优势。相对来讲，民营与外资觉得政府联系“比较有帮助”更多的是侧重于场准入限制的开放性及经济自由程度角度而言，因而它们的社会网络结构“非冗余”的特征就不太明显，因此企业的竞争力能获得提高。

2中小企业的社会网络特质研究———基于调查结果的分析

在中小企业社会网络中，主要节点有各中小企业、政府、金融机构、高校科研院所及中介服务机构5类，主要节点之间存在着各不相同的联结模式。其中，中小企业之间是否有良好的组群效果可通过SNA中的凝聚子群分析给出答案。而网络中心性(networkcentralization)可反映企业之间的内聚性，其越接近于1，表明网络节点关系越紧密。实际上，SNA测量和分析所用的概念和术语很多，如密度(density)、度分布及节点中心性(degreecentrality)等。在此次调查(2012)中，针对中小企业与网络中其他节点之间的联系进行问题设置。通过对调查结果的定性分析来判断，中小企业与网络中成员的关系基本处于事务性层面，与中小企业“接触频率最高”的三个节点是工商税务机构、供应商及政府主管部门，选择此三项作为其接触频率最高的企业达145，占比达72．5%。说明目前中小企业网络仍处于一元单向索取型关系阶段，即企业就具体事务与这些节点产生硬性工作联系。再者，虽然与“大学科研机构”有接触的企业占比为73%，排在“工商税务”、“供应商”、“竞争对手”“主管部门”之后。但从访谈结果来看，中小企业与大学科研机构关系强度非常弱，说明目前中小企业网络中仍缺乏有效的产学合作机制。中小企业网络中的另一个重要角力点在于融资结构。根据李微山等的研究［26］，他们以西安市莲湖区桃园开发区50家中小企业为研究对象，运用Uci-net软件进行分析，发现金融机构的度值为10，其中，出度仅为1，而入度为9，说明50家中小企业中有融资需求的占20%(10/50)，但仅有2%(1/50)获得了银行货款支持，18%的企业从银行融资比较困难。此次调查也发现与融资服务机构的接触率排在9个部门的最后一名，中小企业与融资服务机构的联系强度还有待加强。据付宏对湖北省10个城市中小企业的调研，内源性融资(56．8%)和家庭朋友(55．8%)是中小企业最主要的资金来源渠道。说明在融资过程中企业家社会网络中的亲属关系层圈至关重要，而采用社会契约化方式仍有困难。目前国有规模以上银行基于自身经营原则未能满足中小企业资金需求，其实也无可厚非。问题关键是针对中小企业信贷的专业型小银行太少，与欧美国家中小资银行数量相比差距很远。据卢东斌等针对200多家科技型中小企业的问卷调查中，69．06%选择融资与信贷支持作为其对政府支持需求选项，说明多数面临融资困局。而他们的研究同时还指出外部融资障碍是构成中小企业自主创新的瓶颈因素之一［18］。总体上当前中国情境下中小企业社会网络中缺乏内涵式的服务型或创造式的关键性成长助力，企业成长往往依赖于领导特质决定下的人际脉络③。

3实证检验———部分最小二乘法(PLS)

当数据总体满足高斯—马尔可夫条件时，普通最小二乘法(OLS)的估计将得到一个很好的估计量，但当多个自变量存在严重相关性时，其求解过程存在严重的舍入误差，普通最小二乘法估计量会失效。而实际工作中变量的多重相关性是普遍存在的，部分最小二乘法(PLS)很好的解决了这些问题［27］［28］。在利用部分最小二乘法进行建模前首先要对数据进行标准化处理，目的是使样本点数据原点与总体一致，将自变量矩阵X与因变量矩阵Y标准化后分别得到。分别是y的均值和标准差。PLS考虑了数据的冗余性，因此通过对E0和F0进行正交分解，确定各自的第一主元评分向量。直到残差矩阵中几乎不再存在有用信息。由于部分最小二乘法是多元线性回归，典型相关分析和主成分析的有机结合，且部分最小二乘法所提取的成分既能较好地概括自变量系统中的信息，又能很好地解释因变量并排除系统中的噪声干扰，因而有效地解决了自变量间多重相关性所引起的建模问题。对中小企业成长及社会网络关系的调查采用4维量表法。成长指标要求被试者就“近3年，贵企业销售额变化［s2］④”进行选择，分别“一直快速增加”、“一直平稳增加”、“基本没变化”、“有所减少”。而对中小企业社会网络结点(政府［c5］、大学和研究院所［d6］、供应商［e6］、同行［f5］、协会［g5］、中介机构［h5］及金融机构［j7］)作用的衡量是“对贵企业成长或发展帮助有多大”，分成“非常有帮助”、“比较有帮助”、“帮助程度一般”、“帮助极少”。从相关性检验中可以发现，企业销售额与各变量之间没有发现部分正相关，且各变量之间呈多重较强相关性。正好最小二乘法能克服这一缺陷，由于只存在一个因变量，因此这是一个单变量部分最小二乘回归模型(PLS1)。运用IBMSPSS22．0的部分最小二乘平方扩展功能，由于不必衡量因素之间交叉后的回归效应，从而选择主效应模型方程。具体结果及潜在变量变异表如表4和表5。可以看出PLS排除了“非常有帮助”这一选项，与之前中小企业社会网络内撑性关系较弱的结论相吻合。另外，结果表明中小企业快速增长与政府、协会及金融机构呈负相关，说明在目前中小企业网络中政府或带政府色彩的网络结点发挥作用的空间还很大。