時(shí)間：2022-07-06 13:46:06
序論：在您撰寫社會(huì)網(wǎng)絡(luò)論文時(shí)，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。
已有的一些信任模型都依賴于一個(gè)前提，即信任是可傳遞的［5］．如何利用信任網(wǎng)絡(luò)評(píng)估兩個(gè)用戶之間的信任程度是信任模型關(guān)注的重要問(wèn)題［6］．TidalTrust模型［2］通過(guò)廣度優(yōu)先搜索算法，如潮汐的漲落一般，在節(jié)點(diǎn)形成的信任網(wǎng)絡(luò)中尋找所有的最短信任路徑，將他們加權(quán)求和計(jì)算信任值，具有較高的準(zhǔn)確度，但算法是以目標(biāo)節(jié)點(diǎn)為核心，將中間節(jié)點(diǎn)進(jìn)行迭代計(jì)算；MoleTrust［3］模型對(duì)此進(jìn)行了改進(jìn)，遞推過(guò)程與TidalTrust相反，以源節(jié)點(diǎn)為核心計(jì)算信任值；RN－Trust模型［4］模擬電阻電路，將用戶間的信任看成是電阻中通過(guò)的電流值，用計(jì)算電流的方式綜合所有的信任路徑計(jì)算信任值，但信任關(guān)系無(wú)法完全用電阻電路來(lái)模擬；為了能盡可能多利用信息同時(shí)也能夠不受噪音信息的干擾并合理地利用信任網(wǎng)絡(luò)，TrustWalker［7］通過(guò)隨機(jī)游走的方式預(yù)測(cè)源用戶對(duì)目標(biāo)項(xiàng)目的評(píng)分，它不僅考慮目標(biāo)用戶的評(píng)分還考慮其他相似用戶的評(píng)分，不過(guò)上述模型均沒(méi)有考慮到群體對(duì)信任計(jì)算的影響．文獻(xiàn)［8］認(rèn)為不同的人由于一些共同的屬性或者相似的行為聚集成群，用戶主觀地構(gòu)建這些群，每個(gè)群代表一種特定的形象認(rèn)識(shí)（如教師是誠(chéng)實(shí)的），這種群僅僅提供了一種信任印象，而不能真正地從周圍用戶中獲得群體關(guān)于目標(biāo)用戶的信任信息；一些推薦系統(tǒng)通過(guò)對(duì)比目標(biāo)用戶與群組的相似程度來(lái)預(yù)測(cè)信任，如文獻(xiàn)［9，10］通過(guò)分析群內(nèi)用戶的同質(zhì)度（affinity）預(yù)測(cè)信任評(píng)分．本文將這些基于同質(zhì)度的信任模型稱為G－Affinity信任模型．同質(zhì)度表示用戶之間關(guān)于一些特別的屬性的同質(zhì)程度，也就是類似程度．一個(gè)同質(zhì)群（affinitygroup）也就是由一些具有共有屬性的用戶所組成的群組．如果目標(biāo)用戶屬于群組，則即使沒(méi)有過(guò)直接的交互也會(huì)很信任對(duì)方．文獻(xiàn)［10］中應(yīng)用LP算法（LinkPrediction）預(yù)測(cè)兩個(gè)用戶之間的信任關(guān)系，并以此構(gòu)建信任網(wǎng)絡(luò)，采用聚類算法將高密度的用戶聚類成一個(gè)小型社區(qū)，并根據(jù)社區(qū)中邊的數(shù)量計(jì)算同質(zhì)度．文獻(xiàn)［9］中根據(jù)屬性相似性劃分群組，并根據(jù)群組內(nèi)的同質(zhì)度結(jié)合用戶本身的行為特征預(yù)測(cè)信任度．以上的模型都對(duì)群組的限制過(guò)多，并且，同質(zhì)度不能反映群組內(nèi)用戶之間的緊密程度，也不能反映群組的信任傾向，更多的是側(cè)重用戶各個(gè)屬性之間的相似度，因此本文重點(diǎn)研究凝聚群對(duì)用戶進(jìn)行決策時(shí)產(chǎn)生的影響，綜合考慮群與群之間的信任度，構(gòu)建出能夠聯(lián)系用戶和群體的信任模型．
2、相關(guān)定義
2．1凝聚群相關(guān)定義
假設(shè)兩個(gè)節(jié)點(diǎn)間的關(guān)聯(lián)度是這兩個(gè)節(jié)點(diǎn)直接交互行為的綜合，等同于節(jié)點(diǎn)間的直接信任度，詳見下節(jié)．Web社會(huì)網(wǎng)絡(luò)包含著一個(gè)龐大的用戶集，這些用戶隨著交互的深入而形成不同的關(guān)聯(lián)度，在關(guān)聯(lián)度的作用下會(huì)逐漸形成多個(gè)以某些用戶為中心的簇集．這些簇集具有簇內(nèi)連接緊密、簇間連接相對(duì)稀疏的特點(diǎn)．定義1（凝聚群）：凝聚群是由Web社會(huì)網(wǎng)絡(luò)中關(guān)聯(lián)度較高的用戶（節(jié)點(diǎn)）聚集形成的簇集．本文中認(rèn)為凝聚群之間相互獨(dú)立不重疊，每個(gè)用戶屬于且僅屬于一個(gè)凝聚群．我們將凝聚群整體記為O．下文中將節(jié)點(diǎn)i的凝聚群記為O（i）．每個(gè)凝聚群內(nèi)部節(jié)點(diǎn)之間的關(guān)聯(lián)度不同，因此引入群凝聚度的概念．定義2（群凝聚度）：一個(gè)凝聚群的群凝聚度是該凝聚群內(nèi)節(jié)點(diǎn)之間關(guān)聯(lián)度的平均值相比于群內(nèi)節(jié)點(diǎn)和群外節(jié)點(diǎn)之間關(guān)聯(lián)度平均值，記為η．一般認(rèn)為節(jié)點(diǎn)之間之所以能構(gòu)成一個(gè)凝聚群是因?yàn)樗麄冎g的關(guān)聯(lián)度大于他們與群外節(jié)點(diǎn)之間的關(guān)聯(lián)度，因此有η≥1．一個(gè)凝聚群內(nèi)的節(jié)點(diǎn)之間的關(guān)聯(lián)度越高，群凝聚度就越高．在高凝聚度的群體里，每個(gè)節(jié)點(diǎn)都傾向于表現(xiàn)出相同的信念［11］．凝聚群作為整體具有群凝聚度，同時(shí)，凝聚群內(nèi)的每個(gè)節(jié)點(diǎn)與它所屬的凝聚群之間也存在不同的關(guān)聯(lián)度，與所在凝聚群之間的關(guān)聯(lián)度越大，在群內(nèi)的影響力就越大．定義3（影響力）：節(jié)點(diǎn)在凝聚群內(nèi)的影響力CO（i），i是它對(duì)凝聚群內(nèi)其他節(jié)點(diǎn)之間關(guān)聯(lián)度之和相比于凝聚群內(nèi)所有節(jié)點(diǎn)之間的關(guān)聯(lián)度之和的比值．對(duì)于凝聚群的劃分采用的是MFC（MaximumFlowCommunity）算法［13，14］，該算法的基本假設(shè)是：網(wǎng)絡(luò)中的最大流量由網(wǎng)絡(luò)“瓶頸”的容量決定，而在具有簇結(jié)構(gòu)的網(wǎng)絡(luò)中，網(wǎng)絡(luò)“瓶頸”由簇間連接構(gòu)成．經(jīng)過(guò)反復(fù)識(shí)別并刪除簇間連接，網(wǎng)絡(luò)簇能夠被逐漸分離開來(lái)［13］．根據(jù)MFC算法，我們認(rèn)為凝聚群內(nèi)部是一個(gè)弱連通圖［12］．一旦劃分好凝聚群就會(huì)形成一張映射表，每個(gè)節(jié)點(diǎn)都可以在映射表中查找到相關(guān)凝聚群的所有成員信息，若i不屬于任何凝聚群，則可以看成是特殊的凝聚群———只包含一個(gè)節(jié)點(diǎn)的凝聚群．一個(gè)群體的凝聚群劃分示例如圖1所示．圖1中包含3個(gè)凝聚群G1、G2和G3．凝聚群內(nèi)的粗線表示高關(guān)聯(lián)度．G1和G3之間的淺色細(xì)線代表存在一定的交互，但是關(guān)聯(lián)度不高，G1與G2完全不存在交互．
2．2信任度相關(guān)定義
假設(shè)有節(jié)點(diǎn)i（稱為源節(jié)點(diǎn)）與節(jié)點(diǎn)j（稱為目標(biāo)節(jié)點(diǎn)）．定義4（直接信任度）：若節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)j具有直接交互歷史，則i對(duì)j的直接信任度是節(jié)點(diǎn)i根據(jù)交互歷史信任節(jié)點(diǎn)j的程度，記為Di，j．定義5（群信譽(yù)度）：若節(jié)點(diǎn)i、j分別屬于不同的凝聚群，則節(jié)點(diǎn)i對(duì)凝聚群O（j）中與i有過(guò)直接交互的節(jié)點(diǎn)的直接信任度綜合，稱為群信譽(yù)度TGi，O（j）．群信譽(yù)度如圖2中所示．其中虛線代表節(jié)點(diǎn)間有直接交互歷史，紅色節(jié)點(diǎn)代表i，黃色節(jié)點(diǎn)代表j．定義6（群直接信任度）：群直接信任度是凝聚群O（i）內(nèi)所有與節(jié)點(diǎn)j存在直接交互的節(jié)點(diǎn)對(duì)于j的直接信任度綜合，記為DTO（i），j．上述定義6中，j節(jié)點(diǎn)可以是群內(nèi)也可以是群外．群直接交互情形如圖3中所示．定義7（群間直接信任度）：群間直接信任度是凝聚群O（i）中的凝聚群代表對(duì)凝聚群O（j）的群信譽(yù)度．記為GdTO（i）O（j）．由于凝聚群之間不一定存在直接相連的信任路徑，因此我們引入群間間接信任度．定義8（群間間接信任度）：群間間接信任度是凝聚群O（i）通過(guò)其他與凝聚群O（j）直接相連的凝聚群獲得的群直接信任度的綜合．記為ITO（i）O（j）．由于計(jì)算群間間接信任度的公式可以包括群間直接信任度的情況，本文將他們統(tǒng)稱為群間信任度ITO（i）O（j），群間信任度如圖4所示．圖4（a）為兩個(gè)凝聚群直接相連的情況，圖4（b）為兩個(gè)凝聚群之間通過(guò)第3個(gè)凝聚群連接，其中k為中間凝聚群內(nèi)的一個(gè)節(jié)點(diǎn)．定義9（凝聚信任度）：凝聚信任度GTO（i），j是凝聚群O（i）對(duì)節(jié)點(diǎn)j的群直接信任度與群間信任度的綜合．凝聚信任度的概念相對(duì)應(yīng)于傳統(tǒng)信任模型中的綜合信任度．上述定義中出現(xiàn)的符號(hào)和說(shuō)明見表1．
3、GC－Trust模型設(shè)計(jì)
3．1模型主要思想
GC－Trust模型主要考慮的是群與群之間、群與節(jié)點(diǎn)之間的這兩種信任關(guān)系，通過(guò)關(guān)聯(lián)度較高的節(jié)點(diǎn)聚集形成凝聚群，從源節(jié)點(diǎn)i所屬凝聚群的角度幫助i判斷目標(biāo)節(jié)點(diǎn)j是否能夠信任，能夠令模型更好地體現(xiàn)出凝聚群的作用．假設(shè)已經(jīng)存在多個(gè)凝聚群：1）搜索是否存在從O（i）到O（j）的路徑（路徑上最小單位均為凝聚群），若不存在則將信任度設(shè)為0．5；2）若存在凝聚群的路徑，則節(jié)點(diǎn)i、j之間一定存在著某種關(guān)聯(lián)（根據(jù)弱連通圖的特性可以證明）分為下面兩種情況計(jì)算凝聚信任度GTO（i），j：a）若j在O（i）內(nèi)，則GTO（i），j等于群直接信任度DTO（i），j；b）若j在O（i）外，綜合群直接信任度DTO（i），j和群間信任度ITO（i）O（j）計(jì)算GTO（i），j．GC－Trust模型的框架圖如圖5所示．主要包括5個(gè)部分：凝聚群的劃分、凝聚度與影響力計(jì)算、群直接信任度計(jì)算、群間信任度計(jì)算以及凝聚信任度計(jì)算．系統(tǒng)會(huì)在信任度計(jì)算開始之前就劃分好凝聚群，當(dāng)用戶需要進(jìn)行信任度計(jì)算時(shí)，首先根據(jù)凝聚群內(nèi)的成員用戶計(jì)算凝聚度以及相應(yīng)的影響力，接著從凝聚群內(nèi)的角度出發(fā)計(jì)算對(duì)目標(biāo)用戶的群直接信任度，再?gòu)哪廴褐g的交互計(jì)算群間信任度，最后將3者綜合得到凝聚信任度．
3．2群凝聚度的計(jì)算
群凝聚度η決定了節(jié)點(diǎn)依賴凝聚群的程度．凝聚群的群凝聚度越大，節(jié)點(diǎn)也就越傾向于相信群體的直接信任度，反之則節(jié)點(diǎn)就越不相信群體．群凝聚度的度量也存在多種方式．例如信任關(guān)系與環(huán)境關(guān)系密切，人在陌生的環(huán)境中，會(huì)非常依賴朋友以及其他信任關(guān)系，而在熟悉的環(huán)境中則不會(huì)．因此，凝聚群的凝聚強(qiáng)度應(yīng)該與群所處的外在環(huán)境相關(guān)．在實(shí)際應(yīng)用中，一個(gè)節(jié)點(diǎn)通常具有非常不均衡的出入度，交互也存在多種形式，甚至是單向的交互，如微博上的關(guān)注就可以單向的，因此凝聚度采用平均值的方式來(lái)計(jì)算：信任度計(jì)算群直接信任度和群間信任度群直接信任度是將凝聚群O（i）看作一個(gè)整體，只要O（i）內(nèi)存在與j直接交互過(guò)的節(jié)點(diǎn)，即可根據(jù)式中：max為路徑強(qiáng)度；O（s）為凝聚群O（i）的鄰居凝聚群．計(jì)算群間直接信任度GdTO（i）O（j）時(shí)，選舉凝聚群O（i）的群代表k，通過(guò)計(jì)算k對(duì)O（j）的群信譽(yù)度來(lái)代表O（k）對(duì)O（j）的信任度．凝聚群代表既需要有一定的群內(nèi)影響力又需要對(duì)目標(biāo)凝聚群內(nèi)節(jié)點(diǎn)數(shù)量接觸得盡量多．
4、相關(guān)對(duì)比實(shí)驗(yàn)
采用Advogato數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證本文所提出的GC－Trust的準(zhǔn)確度．Advogato數(shù)據(jù)集中將評(píng)分共分為4個(gè)不同的等級(jí)：Observer、Ap－prentice、Journeyer以及Master．比較3種算法：GC－Trust、TidalTrust［2］以及基于AffinityGroup［9］的信任預(yù)測(cè)準(zhǔn)確度，并對(duì)結(jié)果進(jìn)行分析評(píng)價(jià)．實(shí)驗(yàn)的硬件配置為：Intel（R）Core（TM）2DuoCPU2．20GHz，2GB內(nèi)存；軟件環(huán)境為Windows7，開發(fā)工具為Eclipse3．5．本文進(jìn)行了2組實(shí)驗(yàn)，第1組實(shí)驗(yàn)是基于同一數(shù)據(jù)集進(jìn)行3種算法對(duì)比實(shí)驗(yàn)；第2組是基于特定特征的凝聚群進(jìn)行對(duì)比實(shí)驗(yàn)．
4．1基于同一數(shù)據(jù)集的對(duì)比實(shí)驗(yàn)分析
將數(shù)據(jù)集表示為有向加權(quán)圖，共包含有14016個(gè)節(jié)點(diǎn)和51398條邊，并將信任等級(jí)映射為0．1、0．3、0．6、0．9．由于原始數(shù)據(jù)集中高信任度的節(jié)點(diǎn)過(guò)于集中，且具有較高的出入度，凝聚群的劃分效果不理想．而在本實(shí)驗(yàn)期望的數(shù)據(jù)集中，高信任度節(jié)點(diǎn)形成的凝聚群能夠盡量分散，盡量少的交集．因此首先對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理．將4個(gè)信任等級(jí)分別映射為0．9、0．3、0．6、0．1，同時(shí)將數(shù)據(jù)集中的度為0節(jié)點(diǎn)刪除，在剩下5000多個(gè)節(jié)點(diǎn)中采用MFC算法進(jìn)行凝聚群劃分，得到凝聚群共有2042個(gè)，其中劃分失敗的凝聚群共有271個(gè)（我們認(rèn)為群凝聚度小于1即為劃分失敗），占到總凝聚群的13．2％，失敗的主要原因是由于真實(shí)的數(shù)據(jù)集中凝聚群是可重疊的，而本文中限定凝聚群相互獨(dú)立不重疊．
4．2基于特定特征的對(duì)比實(shí)驗(yàn)
人脈，顧名思義，即人際關(guān)系所組成的網(wǎng)絡(luò)?！冬F(xiàn)代漢語(yǔ)詞典》對(duì)人脈的解釋為：“人各方面的社會(huì)關(guān)系。”有的學(xué)者根據(jù)人脈的來(lái)源或形成過(guò)程，也就是人的社會(huì)關(guān)系從哪里獲得，將人脈分為六類：血緣人脈、地緣人脈、學(xué)緣人脈、事緣人脈、客緣人脈、隨緣人脈等。所謂人際關(guān)系，是指人為了滿足其生存和發(fā)展的需要而在相互交往過(guò)程中形成的全部關(guān)系的總和，簡(jiǎn)單地說(shuō)就是指?jìng)€(gè)體與個(gè)體之間的各種關(guān)系。根據(jù)人際關(guān)系在滿足人們需求過(guò)程中所起的不同作用，可以把人際關(guān)系簡(jiǎn)單地分為情感性關(guān)系和工具性關(guān)系。情感性關(guān)系主要滿足人們?cè)谇楦蟹矫妫ㄈ珀P(guān)愛、溫暖、安全感和歸屬感等）的需求；而工具性關(guān)系主要滿足人們?cè)谖镔|(zhì)方面的需求，是個(gè)人因某種需要或目的與不很關(guān)聯(lián)的他人所建立的某種時(shí)效性關(guān)系。無(wú)論是情感性關(guān)系，還是工具性關(guān)系，它們都是個(gè)人正常、健康、全面發(fā)展所必需的。另有學(xué)者認(rèn)為，人際關(guān)系的類型大概可以分為三種，它們分別是：權(quán)力依附型的人際關(guān)系，有人可以據(jù)此結(jié)成“權(quán)力網(wǎng)”；利益相關(guān)型的人際關(guān)系，有人可以據(jù)此結(jié)成“專業(yè)網(wǎng)”；情感交融型的人際關(guān)系，有人可以據(jù)此結(jié)成“人緣網(wǎng)”。前兩種人際關(guān)系主要受理性邏輯支配，維系這兩種關(guān)系的主要因素是披著情感“外衣”的權(quán)謀和利益；最后一種人際關(guān)系主要受“情緒邏輯”支配，維系這種關(guān)系的主要因素是建立在情感基礎(chǔ)上的人格認(rèn)同。
二、對(duì)大學(xué)生人際關(guān)系認(rèn)知的問(wèn)卷調(diào)查
（一）問(wèn)卷設(shè)計(jì)與調(diào)查
基于上述人際關(guān)系類型，結(jié)合大學(xué)生實(shí)際生活、學(xué)習(xí)等情況，我們?cè)O(shè)計(jì)了與大學(xué)生相關(guān)的21種人際關(guān)系調(diào)查問(wèn)卷，試圖通過(guò)調(diào)查得出現(xiàn)代大學(xué)生心目中應(yīng)該重視和建立的人際關(guān)系網(wǎng)絡(luò)?？紤]到當(dāng)今社會(huì)中所謂的“拼爹”觀念盛行，我們?cè)趩?wèn)卷中先預(yù)設(shè)了三個(gè)關(guān)于“拼爹”的問(wèn)題，用以考察大學(xué)生對(duì)該問(wèn)題的相關(guān)態(tài)度。經(jīng)過(guò)前測(cè)和優(yōu)化，人脈關(guān)系被調(diào)整為23種，每個(gè)問(wèn)題設(shè)計(jì)了6個(gè)選項(xiàng)：非常重要、重要、一般、不重要、很不重要、說(shuō)不清。最后收集了答卷大學(xué)生的個(gè)人相關(guān)信息，包括：性別、來(lái)源地、年級(jí)、是否做過(guò)班干部、是否獨(dú)生子女。根據(jù)實(shí)際情況，我們選擇了駐新鄉(xiāng)五所高校的大學(xué)生作為調(diào)查總體。采用分層抽樣的方法，首先結(jié)合各自院校的特色選定了各具代表性的共40個(gè)專業(yè)，然后從每個(gè)專業(yè)中任意選擇一個(gè)班級(jí)進(jìn)行問(wèn)卷調(diào)查，平均每個(gè)專業(yè)分配25份問(wèn)卷，要求按照男女生比例來(lái)發(fā)放。本次調(diào)查共發(fā)放問(wèn)卷1000份，回收有效問(wèn)卷963份。
（二）對(duì)調(diào)查結(jié)果的分析
1．對(duì)預(yù)設(shè)問(wèn)題的調(diào)查結(jié)果解讀
問(wèn)題一：有人認(rèn)為現(xiàn)在是個(gè)“拼爹時(shí)代”，你認(rèn)為？該問(wèn)題的設(shè)置是為了考察大學(xué)生對(duì)社會(huì)現(xiàn)狀的認(rèn)識(shí)。從結(jié)果來(lái)看，認(rèn)可（36．8％的學(xué)生選擇了“非常正確”和“正確”）明顯高于否定（21．5％的學(xué)生選擇了“不正確”和“很不正確”）的認(rèn)識(shí)程度。值得注意的是高達(dá)41．6％的學(xué)生選擇了“說(shuō)不清”。問(wèn)題二：“拼爹時(shí)代”中的“爹”你認(rèn)為是（可多選）。對(duì)于“拼爹時(shí)代”所謂的“爹”，“用得上的關(guān)系戶”認(rèn)可度（36．7％）最高，然后是多選“有錢人、有權(quán)人、用得上的關(guān)系戶”（26．4％）?；蛟S大家覺(jué)得“有錢人”、“有權(quán)人”可以是“用得上的關(guān)系戶”，但后者不一定都是前者，只要對(duì)自己有用，就應(yīng)該受到重視。問(wèn)題三：與我無(wú)關(guān)，主要還得靠自己。該選項(xiàng)意在考察學(xué)生對(duì)將來(lái)步入社會(huì)工作與生活時(shí)的一種態(tài)度取向。結(jié)果顯示，作為相對(duì)高素質(zhì)的大學(xué)生，被調(diào)查學(xué)生在靠自己發(fā)展方面的肯定性取向上占有絕對(duì)大的比例（68．2％）。說(shuō)明關(guān)系固然重要，但也不是人人都有關(guān)系，或者即使有關(guān)系也不一定能用上，真正有用的還是自己。同時(shí)四分之一強(qiáng)（25．9％）的學(xué)生選擇“說(shuō)不清”，說(shuō)明大家對(duì)當(dāng)前個(gè)人決定自己前途的能量方面不再充分自信，處于矛盾之中。
2．對(duì)各種人際關(guān)系重要性調(diào)查結(jié)果的分析
我們將問(wèn)卷中的問(wèn)題按照“重要”與“非常重要”選項(xiàng)選擇結(jié)果合并解釋為“相對(duì)重要”，然后合并“不重要”與“最不重要”選項(xiàng)解釋為“相對(duì)不重要”。通過(guò)對(duì)比發(fā)現(xiàn)，排列前6位的人脈關(guān)系竟然完全相同，也就是說(shuō)在大學(xué)生心目中這些人脈關(guān)系的相對(duì)重要性與相對(duì)不重要性是非常穩(wěn)定的。后面的人脈關(guān)系相對(duì)有些錯(cuò)位，但相差也不是非常明顯，基本上都在相鄰或隔一個(gè)位置的順序上出現(xiàn)，說(shuō)明大學(xué)生對(duì)這些人脈關(guān)系的重要性與不重要性有細(xì)微的分歧，但總體處于穩(wěn)定狀態(tài)。因此，根據(jù)調(diào)查結(jié)果，我們嘗試著將大學(xué)生心目中的人脈關(guān)系分為四大類。第一類包括“家人”、“同學(xué)中的交心朋友”、“舍友”、“有知識(shí)的親戚”、“有共同愛好的朋友”、“上大學(xué)前的同學(xué)”6種人脈，認(rèn)為相對(duì)重要的超過(guò)了六成人數(shù)。與預(yù)料一致，家人無(wú)論如何也應(yīng)該是一個(gè)人最為重要的支撐力量，不管是在哪個(gè)領(lǐng)域，說(shuō)明最直接的血親濃情在中國(guó)社會(huì)中的地位無(wú)以替代。各選項(xiàng)中，“說(shuō)不清”1人，“很不重要”3人，“不重要”8人，“一般”64人，這相對(duì)于153人的“重要”和734人的“非常重要”顯然不成比例。選擇前者的學(xué)生更多的可能是出于對(duì)自我頑強(qiáng)奮斗非?？粗?，或者有些個(gè)人的原因在里面。“交心朋友”位居“家人”之后占第二位，證明了學(xué)生對(duì)于這種純粹友情的珍視和對(duì)這種關(guān)系之于自己重要性的高度認(rèn)可。“舍友”是一個(gè)非常特殊的群體，上過(guò)大學(xué)的人都有體會(huì)。除了家人，還會(huì)有誰(shuí)能夠和自己同屋共眠3～5年？所以這種感情是永遠(yuǎn)難以割舍掉的。可能因?yàn)檎{(diào)查對(duì)象是大學(xué)生的緣故，大家對(duì)“有知識(shí)的親戚”的信賴程度之高有些出乎預(yù)料，彰顯了學(xué)生對(duì)知識(shí)重要性的認(rèn)可與依賴。盡管當(dāng)前社會(huì)現(xiàn)實(shí)日益證明“知識(shí)改變命運(yùn)”越來(lái)越不靠譜，但相對(duì)于當(dāng)前日益異化的社會(huì)來(lái)說(shuō)，知識(shí)的力量永遠(yuǎn)是正作用。金錢和權(quán)力只能給予你一時(shí)的幫助，而有知識(shí)的人對(duì)一個(gè)人的指導(dǎo)、示范或塑造作用影響的是人的一生。“共同愛好”是大學(xué)生走到一起尋找快樂(lè)的最直接的因素。一起運(yùn)動(dòng)、郊游、看球賽、打游戲、去圖書館等等，這些愛好為彼此之間的大學(xué)生活提供了豐富多彩的內(nèi)容和很多值得回憶的精彩瞬間。此類朋友的重要性也得到多數(shù)學(xué)生的認(rèn)可。作為曾經(jīng)在一個(gè)“戰(zhàn)壕”內(nèi)艱苦奮戰(zhàn)的“戰(zhàn)友”，53．2％的學(xué)生依然惦記自己原來(lái)的同學(xué)，認(rèn)為比較重要。這里面其實(shí)包括了發(fā)?。▎?wèn)卷后面的列舉中很多人列出）、小學(xué)、初高中同學(xué)。這份感情的確值得珍視。第二大類以相對(duì)重要性比例在半數(shù)（班主任或班級(jí)導(dǎo)師為49．6％，這里視作半數(shù)）及以上、六成以下為標(biāo)準(zhǔn)，包括“專業(yè)課老師”、“有權(quán)的親戚”、“上大學(xué)前的老師”、“戀人的家屬”、“班主任或班級(jí)導(dǎo)師”5種人脈。作為專業(yè)課老師，我們?cè)诳吹浇Y(jié)果之前真不知道自己會(huì)在學(xué)生心目中獲得什么樣的一個(gè)地位，真的有些不安。當(dāng)前社會(huì)外在的誘惑實(shí)在太多太強(qiáng)，能坐冷板凳的人實(shí)在太少了。結(jié)果還算令人欣慰，近六成（59．3％）學(xué)生認(rèn)為“專業(yè)課教師”相對(duì)重要，一來(lái)說(shuō)明學(xué)生對(duì)于自己的專業(yè)知識(shí)很看重，二來(lái)也說(shuō)明學(xué)生比較認(rèn)可專業(yè)課教師的授課等相關(guān)能力水平。鑒于當(dāng)前中國(guó)社會(huì)的現(xiàn)狀和歷史發(fā)展過(guò)程中權(quán)貴思想的根深蒂固，“有權(quán)的親戚”得到大學(xué)生的重視絕對(duì)無(wú)可厚非。
眾多的“蘿卜招聘”現(xiàn)象無(wú)不強(qiáng)烈昭示著現(xiàn)代社會(huì)依然是有權(quán)人的天下。上大學(xué)前的學(xué)習(xí)生涯在中國(guó)是一個(gè)極為艱辛的歷程，學(xué)生們由幾乎一無(wú)所知經(jīng)過(guò)老師們的不斷灌輸，掌握了考上大學(xué)的基本知識(shí)，其中很多老師對(duì)學(xué)生的影響是至關(guān)重要的。“戀人家屬”選項(xiàng)是前測(cè)結(jié)束后增加的，數(shù)據(jù)（51．1％）顯示其重要性深得大學(xué)生的認(rèn)可?，F(xiàn)在高校中的“班主任或班級(jí)導(dǎo)師”，通常由專業(yè)課老師擔(dān)任，主要負(fù)責(zé)學(xué)生們專業(yè)學(xué)習(xí)方面的事情，基本上是個(gè)虛職，沒(méi)有什么實(shí)質(zhì)性利益。但這樣往往容易使老師和學(xué)生之間的溝通更暢快和有效率，很多老師還是非常負(fù)責(zé)地去履行自己的導(dǎo)師職責(zé)的。所以調(diào)查結(jié)果（49．6％）顯示該角色的認(rèn)可度比較好。第三大類以30％～50％的重要性比例為標(biāo)準(zhǔn)，包括了“輔導(dǎo)員”、“有錢的親戚”、“鄰里”、“老鄉(xiāng)校友”、“院系領(lǐng)導(dǎo)”、“大學(xué)其他同學(xué)”、“院系干部中的朋友”7種人脈。“輔導(dǎo)員”的角色在當(dāng)前的高校當(dāng)中日益重要和奇特，學(xué)生除了學(xué)習(xí)之外的所有內(nèi)容都必須和輔導(dǎo)員相聯(lián)系，甚至學(xué)習(xí)也受其很大的影響，為之“翹課”是極為普遍的現(xiàn)象。結(jié)果顯示認(rèn)為相對(duì)重要的占了相對(duì)多數(shù)（44．2％），選擇一般的占了35．6％。在將來(lái)的社會(huì)中生存，得到“有錢的親戚”的支持和幫助符合社會(huì)發(fā)展的方向。43．9％的人選擇了“一般”，41．5％的人選擇了“重要”和“非常重要”，說(shuō)明在大學(xué)生的心目中，金錢的力量在考驗(yàn)著大家的生存觀念。只有10．9％的學(xué)生選擇了“很不重要”和“不重要”，且后者比例占到了9％。中國(guó)是一個(gè)鄉(xiāng)土氣息非常濃厚的差序格局的社會(huì)，“鄰里”之間的關(guān)系曾經(jīng)那么親切與和諧。然而現(xiàn)在社會(huì)的轉(zhuǎn)型使得很多人與人之間的關(guān)系出現(xiàn)了部分異化，尤其對(duì)城市社區(qū)里生活的學(xué)生來(lái)說(shuō)，鄰居之間的陌生是正常的事情。但對(duì)于更多來(lái)自農(nóng)村的大學(xué)生來(lái)說(shuō)，鄰里關(guān)系依然具有很多美好的記憶，正所謂遠(yuǎn)親不如近鄰。“老鄉(xiāng)”這個(gè)詞曾經(jīng)是一個(gè)很吸引人的詞匯，老鄉(xiāng)彼此之間的照顧感覺(jué)很貼心。隨著大規(guī)模的擴(kuò)招，大學(xué)內(nèi)老鄉(xiāng)的規(guī)模越來(lái)越大，彼此間的感情和關(guān)系就顯得淡漠起來(lái)。45．2％的學(xué)生選擇了“一般”。但也有30．8％的人選擇了“重要”，地緣因素在當(dāng)前中國(guó)社會(huì)發(fā)展中的支撐作用還是不可忽視的。“院系領(lǐng)導(dǎo)”之于大學(xué)生的重要性，從結(jié)果來(lái)看，36．1％的學(xué)生選擇了肯定的一面，低于認(rèn)為“一般”（39．6）的學(xué)生比例。事實(shí)上，從培養(yǎng)和就業(yè)的角度，院系領(lǐng)導(dǎo)對(duì)學(xué)生的影響是比較大的，主要從課程設(shè)置和就業(yè)推薦等方面顯示出來(lái)，不過(guò)學(xué)生似乎覺(jué)得影響不直接。除去交心朋友，大學(xué)中的其他同學(xué)在學(xué)生心目中的地位明顯降低，高達(dá)52．1％的學(xué)生認(rèn)為其對(duì)自己將來(lái)的發(fā)展重要性一般。學(xué)生會(huì)干部似乎是積累人脈的很好的圈子，然而有近半數(shù)（47．9％）的同學(xué)認(rèn)為這種關(guān)系對(duì)自己的重要性一般。但從“重要”（28．7％）與“不重要”（10．8％）的對(duì)比來(lái)看，還是更多的人選擇了前者，證明可用之處還是有的。最后是第四大類，重要性認(rèn)可比例在30％以下。包括“公共課老師”、“加入社團(tuán)的朋友”、“打工或?qū)嵙?xí)中結(jié)識(shí)的朋友”、“普通朋友”、“經(jīng)常交往的網(wǎng)友”5種人脈關(guān)系。“公共課老師”的地位基本上可以認(rèn)為不會(huì)太好，事實(shí)證明也不算很差，至少選擇相對(duì)重要的學(xué)生比例（26．7％）超過(guò)了認(rèn)為相對(duì)不重要的學(xué)生比例（20．4％）。另外還有5．2％的學(xué)生處于糾結(jié)狀態(tài)，表示“說(shuō)不清”，近半的學(xué)生（47．6％）選擇了“一般”。這里面的原因不應(yīng)該單單歸結(jié)為教師的問(wèn)題，課程設(shè)置與課程內(nèi)容等因素也是影響學(xué)生評(píng)價(jià)的重要方面。大學(xué)生社團(tuán)也是一個(gè)非常值得研究的群體，相關(guān)的文章也很多。此次調(diào)查數(shù)據(jù)顯示大學(xué)生對(duì)“加入社團(tuán)的朋友”的重要性認(rèn)可度一般（51．5％），或許很多人進(jìn)到社團(tuán)之中更多的是為了鍛煉自己的相關(guān)能力，而對(duì)于結(jié)交朋友的作用看得相對(duì)較淡。當(dāng)前大學(xué)生社團(tuán)日益權(quán)力化和勢(shì)利化趨勢(shì)也對(duì)大家交到知心朋友有所影響。對(duì)于“打工或?qū)嵙?xí)中結(jié)識(shí)的朋友”，多數(shù)人（48．1％）持中立態(tài)度，否定（23．8％）與肯定（22％）意見基本持平。顯示目前的學(xué)生對(duì)這種人脈關(guān)系重要性的認(rèn)識(shí)并不太自信，畢竟在社會(huì)職場(chǎng)中這種關(guān)系相對(duì)較淡。區(qū)別于同學(xué)，大學(xué)生可能由于不同的原因經(jīng)過(guò)一定交往，彼此之間會(huì)成為“普通朋友”，但這種關(guān)系因缺乏長(zhǎng)久的聯(lián)系而相對(duì)較淡。但其中有17．4％的學(xué)生認(rèn)為這種關(guān)系還是重要的，其實(shí)很多時(shí)候幫助自己的往往是普通朋友。“網(wǎng)友”在當(dāng)前信息時(shí)代成為一個(gè)很特別的符號(hào)，很多人素不相識(shí)，通過(guò)網(wǎng)絡(luò)聊天結(jié)為朋友。但大學(xué)生對(duì)這種關(guān)系持有非常否定的認(rèn)可度。即使設(shè)定為“經(jīng)常交往的網(wǎng)友”，重要性和不重要性（反序）也都位居人脈序列的最后一位，這種結(jié)果值得思考。
3．大學(xué)生總體信息的意外與正常結(jié)果
當(dāng)前女生更容易考上大學(xué)的現(xiàn)象在全國(guó)范圍內(nèi)受到很多人的關(guān)注和探討，我們?cè)谡{(diào)查時(shí)特地強(qiáng)調(diào)了按所選專業(yè)的男女生比例來(lái)發(fā)放問(wèn)卷?？赡苓@次調(diào)查的工科院系相對(duì)較少，女生比例大些還可以理解。但結(jié)果顯示，總體比例中女生高達(dá)63．7％，的確出乎所料。即使是工科類院校，男女比例也依然女生高出。此次的數(shù)據(jù)再次證明高校中男女生比例的確有些失常。相對(duì)于男女生比例，對(duì)于普通高校來(lái)說(shuō)，農(nóng)村生源占據(jù)了77．8％的絕大多數(shù)，應(yīng)該是正常的事情。除去函授生，其他的在校大學(xué)生應(yīng)該全是90后，中國(guó)的計(jì)劃生育政策已經(jīng)推行了20多年，然而數(shù)據(jù)卻顯示獨(dú)生子女比例僅僅為8．2％。統(tǒng)計(jì)顯示，來(lái)自城市（包括縣城）的214人中只有53人是獨(dú)生子女，占到24．8％的比例。而749名來(lái)自農(nóng)村的學(xué)生中只有26人是獨(dú)生子女，僅僅占到3．47％。
三、對(duì)大學(xué)生四類人脈的分析及網(wǎng)絡(luò)構(gòu)建
（一）對(duì)大學(xué)生四類人脈的分析
第一大類6組人脈中，除去“家人”和“有知識(shí)的親戚”兩組，其他4組全是大學(xué)生同齡人，而且都是貼心和親近的朋友關(guān)系，凸顯了大學(xué)生對(duì)同代人中具有親密友情的人脈的深深依賴。而前兩者都具有血緣關(guān)系，家長(zhǎng)最為親近，親戚也血脈相連，這種血緣人脈具有的無(wú)可替代的親情為大學(xué)生所高度認(rèn)可。而有知識(shí)親戚的重要性遠(yuǎn)高于有權(quán)和有錢的，突出了大學(xué)生潛意識(shí)中對(duì)知識(shí)的高認(rèn)知心理。第二大類有一個(gè)共同的特征就是都是大學(xué)生的長(zhǎng)輩，而且其中包含了3組老師人脈。從第一層最為核心的血緣和友緣人脈過(guò)渡到第二層的長(zhǎng)輩人脈，可以看出大學(xué)生似乎對(duì)這些人脈有某種直接而強(qiáng)烈的內(nèi)在需求，老師提供知識(shí)，有權(quán)的親戚或許可以提供崗位，戀人的家屬則可能提供將來(lái)最為重要的家庭基礎(chǔ)。第三大類的人脈則表現(xiàn)了大學(xué)生的一種糾結(jié)心態(tài)，這些人脈看起來(lái)不很重要，卻又似乎都不可或缺。“輔導(dǎo)員”在大學(xué)里基本上掌控了學(xué)生可以獲取的除知識(shí)外的其他所有資源，但許多普通學(xué)生又的確與之打交道不多。“有錢的親戚”在當(dāng)今“眾多大山”的社會(huì)里或許可以提供最為“萬(wàn)能”的支持。遠(yuǎn)親不如近鄰，“鄰里”所具有的特殊情分似乎永遠(yuǎn)不該忘記，但人們雖然對(duì)于現(xiàn)今社會(huì)“防盜門”的社區(qū)生態(tài)防盜功能不敢過(guò)于相信，但它隔開鄰里親情卻作用明顯。“老鄉(xiāng)”，曾經(jīng)多么親切的稱呼，現(xiàn)在卻偶爾要提防，因?yàn)樘?，否則最容易出現(xiàn)問(wèn)題。“院系領(lǐng)導(dǎo)”本該令人尊敬，但現(xiàn)今的行政化大學(xué)時(shí)代，他們對(duì)于普通學(xué)生來(lái)說(shuō)，盡管本應(yīng)是但絕非領(lǐng)導(dǎo)的中心，所以他們似乎有些遙遠(yuǎn)。“大學(xué)其他同學(xué)”太多了，想要記住真的很難，但當(dāng)他們幫助自己的時(shí)候真應(yīng)該心懷感激。院系干部中有朋友嗎？“學(xué)生干部”好像早已適應(yīng)了鉤心斗角的行政化生態(tài)而忘記了這里是服務(wù)學(xué)生的。最后一層的人脈關(guān)系似乎顯示了無(wú)關(guān)緊要的感覺(jué)。很遺憾，“公共課老師”被大學(xué)生放到了這一層，可能最主要的原因是前面的定語(yǔ)吧。大學(xué)生社團(tuán)現(xiàn)在主要在做什么值得思考，否則“加入社團(tuán)的朋友”不應(yīng)該放在這個(gè)位置。人力資源理論中似乎強(qiáng)調(diào)“打工或?qū)嵙?xí)中結(jié)識(shí)的朋友”的重要性，尤其是那些管理層及以上人脈，但大學(xué)生將其置于接近最后的位置，有些較難理解。“普通朋友”和“經(jīng)常交往的網(wǎng)友”本身似乎就是可有可無(wú)的吧，否則他們?yōu)楹伪环旁诹俗畈恢匾奈恢茫?/p>
（二）對(duì)大學(xué)生人脈網(wǎng)絡(luò)的構(gòu)建
基于以上分析，第一大類人脈關(guān)系可以稱為心理依賴層，顯然其處于整個(gè)網(wǎng)絡(luò)的核心地位。第二大類人脈可以稱為生存支撐層，它們具有非常重要的保障作用。第三大類人脈可以稱為生活輔助層，這些人脈在人的一生當(dāng)中或許真的可以提供某些甚為重要的幫助。第四大類人脈可以稱為社交邊緣層，這些人脈只是有些交往，在大學(xué)這個(gè)時(shí)代這些人真正的重要性似乎難以體現(xiàn)也無(wú)從考量，至少?gòu)臄?shù)據(jù)上顯示其地位如此。
四、簡(jiǎn)單討論
1．1數(shù)據(jù)來(lái)源及樣本選取
本文的數(shù)據(jù)來(lái)源于新浪微博。因?yàn)樾吕宋⒉┰跓岫取⒂脩魯?shù)量、活躍度等指標(biāo)上居國(guó)內(nèi)同類產(chǎn)品前列，且其對(duì)認(rèn)證用戶的分類明確，囊括了文中的研究對(duì)象，故基于該平臺(tái)采集的數(shù)據(jù)進(jìn)行研究具有現(xiàn)實(shí)性與代表性?？紤]到按影響力和熱議詞篩選的榜單受到時(shí)間及偶然事件的影響較大，而按人氣篩選的榜單則比較穩(wěn)定，因此本文的數(shù)據(jù)從新浪微博風(fēng)云榜板塊中的人氣榜單板塊中提取。此外，為了分析政府、企業(yè)、微博名人、學(xué)校這四類主體內(nèi)部的結(jié)構(gòu)特征及互動(dòng)關(guān)系，又將各主體劃分為不同的行業(yè)或部門。本文首先選擇粉絲數(shù)排行前5的行業(yè)或部門，再分別選取這些部門中粉絲數(shù)排在前20名的用戶，對(duì)每個(gè)主體依次抽取100個(gè)樣本數(shù)據(jù)。企業(yè)在人氣榜單板塊中按行業(yè)被分為21個(gè)模塊，根據(jù)粉絲排名，本文抽取汽車交通、商場(chǎng)購(gòu)物、金融服務(wù)、服裝服飾和商場(chǎng)購(gòu)物5個(gè)模塊。而政府包含公安、外宣、司法、醫(yī)療衛(wèi)生和交通部門，學(xué)校包含校友會(huì)、高校、中小學(xué)、出國(guó)留學(xué)和教育培訓(xùn)，微博名人則包含財(cái)經(jīng)、商業(yè)、房產(chǎn)、科技和政府這5個(gè)模塊。
1．2實(shí)證方法介紹
本文基于社會(huì)網(wǎng)絡(luò)分析方法，通過(guò)統(tǒng)計(jì)各類主體中各用戶之間的關(guān)注情況，得出用戶間的二維關(guān)聯(lián)矩陣，運(yùn)用Ucinet軟件刻畫各主體的結(jié)構(gòu)特征，并得出密度、內(nèi)部派系及中心度等各類指標(biāo)，進(jìn)而探討各個(gè)主體在信息傳播、資源共享時(shí)如何發(fā)揮作用，內(nèi)部如何運(yùn)作，并發(fā)現(xiàn)關(guān)鍵節(jié)點(diǎn)人物。
2網(wǎng)絡(luò)傳播主體的網(wǎng)絡(luò)結(jié)構(gòu)分析
2．1網(wǎng)絡(luò)傳播主體的網(wǎng)絡(luò)關(guān)系圖譜
本文利用可視化手段得到的各類主體的網(wǎng)絡(luò)關(guān)系圖我們可以清晰的看到，政府子群聯(lián)系比較緊密，且公安部門位于網(wǎng)絡(luò)的核心，將各個(gè)部門連接起來(lái)。同時(shí)，基于政府的關(guān)聯(lián)網(wǎng)絡(luò)，最明顯的關(guān)聯(lián)分別有行業(yè)關(guān)聯(lián)(平安中原、平安南粵、中國(guó)維和警察、安徽公安在線等)、區(qū)域關(guān)聯(lián)(北京鐵路、京港地鐵、北京公交集團(tuán)、北京地鐵等)。這表明當(dāng)前政府已經(jīng)意識(shí)到了微博的重要作用，開始注重信息的公開化、透明化，使得網(wǎng)絡(luò)信息更加明朗，傳播效度更大。公安部門與人們的日常生活息息相關(guān)，其傳播信息的日漸公正化、透明化決定了其在政府網(wǎng)絡(luò)中的核心地位。根據(jù)資源依賴?yán)碚摚绻粋€(gè)企業(yè)同時(shí)與多個(gè)企業(yè)有直接的關(guān)聯(lián)，那么該企業(yè)就占據(jù)了該行業(yè)或企業(yè)網(wǎng)絡(luò)的資源中心位置。企業(yè)間的關(guān)系并沒(méi)有像政府那樣密集，但金融服務(wù)業(yè)的核心地位很明顯，其幾乎橋接起了整個(gè)網(wǎng)絡(luò)，把不相關(guān)的行業(yè)間企業(yè)、不接壤的地區(qū)間企業(yè)連接起來(lái)。例如，中國(guó)銀行信用卡(金融服務(wù))將黛姿樂(lè)維品牌婚宴鞋(商場(chǎng)購(gòu)物)和新浪汽車(汽車交通)連接起來(lái)。根據(jù)結(jié)構(gòu)洞理論，占據(jù)中心位置的企業(yè)對(duì)資源流、信息流、知識(shí)流有著強(qiáng)大的控制權(quán)，說(shuō)明金融服務(wù)板塊在信息傳遞過(guò)程中起橋接作用［16］。同時(shí)用戶對(duì)其所的信息有較高的信任度和熱衷度，金融板塊對(duì)信息的擴(kuò)散也有重要的作用。根據(jù)同類相聚原則，同性質(zhì)教育機(jī)構(gòu)之間的聯(lián)系相對(duì)比較緊密，例如，紐約大學(xué)與USNewsRankings、美國(guó)留學(xué)MBA、EducationUSA中國(guó)等相互關(guān)聯(lián)。但總體來(lái)說(shuō)，學(xué)校之間的關(guān)聯(lián)比較松散，且獨(dú)立個(gè)體比較多，說(shuō)明教育機(jī)構(gòu)之間交流較少，信息傳遞與轉(zhuǎn)載的速度，名人子群主要以兩個(gè)模塊———財(cái)經(jīng)和時(shí)尚為核心。說(shuō)明這兩種行業(yè)已經(jīng)融入了微博名人的生活，表明隨著人們生活水平的提高，人們的需求由追求物質(zhì)上升到追求美，由單一娛樂(lè)偏好到相對(duì)復(fù)雜的理財(cái)偏好。同時(shí)，由于微博名人對(duì)信息具有一定程度的偏好，使得這兩類信息相對(duì)其他信息的傳播和擴(kuò)散速度較快，能更快引發(fā)普通民眾的關(guān)注，并在一定程度上引導(dǎo)輿論導(dǎo)向。由此可知，人們對(duì)
2．2政府、企業(yè)、微博名人、學(xué)校的網(wǎng)絡(luò)結(jié)構(gòu)特征
2．2．1網(wǎng)絡(luò)密度(NetworkDensity)運(yùn)用Uci-net軟件分別對(duì)四個(gè)主體的網(wǎng)絡(luò)密度進(jìn)行測(cè)算得出，密度值由高到低分別為:政府、微博名人、學(xué)校和企業(yè)，相應(yīng)密度值為:0．2112、0．0955、0．0252、0．0214。將密度值和畫圖軟件NETDRAW所得出的4個(gè)主體的社會(huì)網(wǎng)絡(luò)關(guān)系圖進(jìn)行比較，本文發(fā)現(xiàn)密度值和相應(yīng)的社會(huì)網(wǎng)絡(luò)圖譜的圖形特征是緊密一致的。當(dāng)密度值大時(shí)，網(wǎng)絡(luò)圖形緊湊，密度值小時(shí)，網(wǎng)絡(luò)圖形松散。政府網(wǎng)絡(luò)之間的交流最為密切，聯(lián)系緊密。企業(yè)之間的關(guān)注最為松散，聯(lián)系不強(qiáng)。
2．2．2派系分析本文采用Cliques分析法對(duì)各個(gè)行動(dòng)者的網(wǎng)絡(luò)進(jìn)行凝聚子群分析，得出:
a．在派系規(guī)模最小值為11的情況下，政府網(wǎng)絡(luò)中存在10個(gè)派系。政府網(wǎng)絡(luò)相對(duì)比較集中，同時(shí)網(wǎng)絡(luò)中子群重疊交叉的情況也會(huì)比較復(fù)雜，說(shuō)明派系之間的共享成員比較多。我們發(fā)現(xiàn)每個(gè)派系都包含廣州公安、平安北京、山西公安、平安南粵、河北公安網(wǎng)絡(luò)發(fā)言、警民直通車－上海人，他們主要屬于政府的公安部門，連接著外宣、司法、醫(yī)療衛(wèi)生和交通部門，在網(wǎng)絡(luò)中處于核心地位。同時(shí)，除了成都屬于外宣部門外，各派系的成員全為公安部門，說(shuō)明該部門間的聯(lián)系十分緊密，而4個(gè)派系中都包含成都，說(shuō)明成都與公安部門合作密切。
b．在派系規(guī)模最小值為3的情況下，企業(yè)網(wǎng)絡(luò)存在3個(gè)派系，它們分別形成了3個(gè)完備子圖，并且派系相互之間是獨(dú)立的。每個(gè)派系中的成員都屬于同一公司，它們之間的聯(lián)系主要是母子公司關(guān)系，說(shuō)明了企業(yè)與企業(yè)之間的聯(lián)系并不是特別緊密，而企業(yè)內(nèi)部溝通交流比較頻繁。
c．在派系規(guī)模最小值為3的情況下，學(xué)校網(wǎng)絡(luò)存在9個(gè)派系。網(wǎng)絡(luò)中子群間是重疊交叉的關(guān)系，其中復(fù)旦大學(xué)為4個(gè)派系所共享;哈爾濱工程大學(xué)、哈爾濱工業(yè)大學(xué)招生辦分別為3個(gè)派系所共享;武昌理工學(xué)院官方、華中科技大學(xué)分別為2個(gè)派系所共享。派系成員屬于同所大學(xué)之間的聯(lián)系或?qū)儆谕袠I(yè)之間的聯(lián)系。構(gòu)成派系的成員隸屬高校、校友會(huì)和教育培訓(xùn)部門，說(shuō)明了這三個(gè)部門之間的聯(lián)系十分密切，而中小學(xué)與出國(guó)留學(xué)部門之間的聯(lián)系比較松散。
d．在派系規(guī)模最小值為6的情況下，微博名人網(wǎng)絡(luò)存在14個(gè)派系。派系之間是重疊交叉的關(guān)系，郎咸平、李開復(fù)、時(shí)尚潮人yinyin等為多個(gè)派系共享。派系主要由財(cái)經(jīng)類和商業(yè)類的成員構(gòu)成，財(cái)經(jīng)類中，郎咸平為連接各個(gè)派系的核心人物;商業(yè)類中，時(shí)尚潮人yi-nyin、潮人丹娜、林_小志玲和時(shí)尚達(dá)達(dá)人人為連接各個(gè)派系的核心人物。這表明財(cái)經(jīng)和商業(yè)類的內(nèi)部聯(lián)系比較緊密，而科技、房產(chǎn)和政府類的內(nèi)部聯(lián)系較少。同時(shí)，不同行業(yè)的微博名人之間的聯(lián)系也比較少。
3．3政府、企業(yè)、微博名人、學(xué)校的網(wǎng)絡(luò)結(jié)構(gòu)對(duì)比
本文對(duì)點(diǎn)度中心性、點(diǎn)度中心勢(shì)、中間中心性及整體中間中心勢(shì)進(jìn)行了測(cè)度與分析。中心度指標(biāo)刻畫了信息傳遞網(wǎng)絡(luò)中的關(guān)鍵人物，分析中心度可找出處于核心位置的用戶，即可辨別出哪些機(jī)構(gòu)在信息傳播過(guò)程中“權(quán)利”更大，能夠在較大程度上影響信息傳播。中心勢(shì)指標(biāo)刻畫了信息傳遞網(wǎng)絡(luò)的整體密度特征，通過(guò)分析中心勢(shì)，我們可以描述整個(gè)網(wǎng)絡(luò)的緊密程度或一致性。
2．3．1點(diǎn)度中心性分析針對(duì)政府而言，不同用戶表現(xiàn)出不同的點(diǎn)入度和點(diǎn)出度。點(diǎn)入度表示關(guān)系“進(jìn)入”的程度，在這里表示一個(gè)用戶被其他用戶“關(guān)注”的程度。點(diǎn)出度表示一個(gè)用戶“關(guān)注”其他用戶的程度［19］。政府網(wǎng)絡(luò)中點(diǎn)入度比較高的用戶為平安北京(56．000)、公安部打四黑除四害(52．000)、北京(53．000)，說(shuō)明他們?cè)谡麄€(gè)網(wǎng)絡(luò)中信息傳播的過(guò)程中擁有較大的權(quán)力，其的消息為更多人所注意。針對(duì)企業(yè)而言，新浪汽車(13．000)、招商銀行(12.000)、招商銀行信用卡(8．000)為影響力最大的用戶。與圖2相匹配，說(shuō)明金融企業(yè)在信息傳遞過(guò)程有較強(qiáng)的影響力，其的信息能夠在網(wǎng)絡(luò)中迅速傳播。針對(duì)學(xué)校而言，復(fù)旦大學(xué)(23．000)、華中科技大學(xué)(17.000)、武漢大學(xué)、清華大學(xué)(16．000)點(diǎn)入度排名前三。說(shuō)明高校成員對(duì)整個(gè)學(xué)校網(wǎng)絡(luò)的影響最大，是學(xué)校網(wǎng)絡(luò)信息的主要傳播渠道。該幾所學(xué)校均為211、985重點(diǎn)院校，在國(guó)內(nèi)有較強(qiáng)的知名度，其名人效應(yīng)會(huì)增強(qiáng)信息的關(guān)注程度與擴(kuò)散程度。針對(duì)微博名人，潘石屹(44．000)、李開復(fù)(44．000)、雷軍(33．000)等居于“被關(guān)注”關(guān)系的中心位置，是整個(gè)網(wǎng)絡(luò)影響力最大的用戶，他們消息為更多的人所接受，其對(duì)某些社會(huì)事件的評(píng)論會(huì)在一定程度上引導(dǎo)輿論導(dǎo)向?？傊脩粲绊懪琶纱蟮叫∫来螢檎?、微博名人、學(xué)校、企業(yè)，其內(nèi)部用戶對(duì)整個(gè)網(wǎng)絡(luò)的影響力由高到低。因此，在抓核心人物時(shí)，我們應(yīng)該關(guān)注政府與微博名人，這兩類用戶對(duì)引導(dǎo)輿論發(fā)展、傳播正能量有較好的作用。
2．3．2點(diǎn)度中心勢(shì)分析政府網(wǎng)絡(luò)的標(biāo)準(zhǔn)化點(diǎn)入度中心勢(shì)和點(diǎn)出度中心勢(shì)分別為:35．802%和76.615%，說(shuō)明了該網(wǎng)絡(luò)的關(guān)注關(guān)系有很大的不對(duì)稱性。企業(yè)網(wǎng)絡(luò)的標(biāo)準(zhǔn)化點(diǎn)入度中心勢(shì)和點(diǎn)出度中心勢(shì)分別為:39．00和63．03%。不論是“關(guān)注”還是“被關(guān)注”的中心勢(shì)都比較小，說(shuō)明企業(yè)網(wǎng)絡(luò)沒(méi)有明顯的集中趨勢(shì)。學(xué)校網(wǎng)絡(luò)的標(biāo)準(zhǔn)化點(diǎn)入度中心勢(shì)和點(diǎn)出度中心勢(shì)分別為:20．926%和13．784%。與企業(yè)相似，網(wǎng)絡(luò)集中趨勢(shì)比較低，關(guān)注關(guān)聯(lián)關(guān)系比較少。微博名人網(wǎng)絡(luò)的標(biāo)準(zhǔn)化點(diǎn)入度中心勢(shì)和點(diǎn)出度中心勢(shì)分別為:3.205%和3．297%。名人網(wǎng)絡(luò)明顯分散，聯(lián)系不緊密，與其派系特征相匹配，派系過(guò)多且派系間的聯(lián)系較少?？傮w而言，四個(gè)網(wǎng)絡(luò)的中心勢(shì)由大到小分別為:政府、學(xué)校、企業(yè)、微博名人，用戶集中程度依次遞減，整體聯(lián)系逐步下降。
2．3．3中間中心性分析中間中心性刻畫了用戶間的依賴程度，高中間中心性用戶在整個(gè)社會(huì)網(wǎng)絡(luò)中的權(quán)利較大，能夠在一定程度上控制信息的流動(dòng)。政府網(wǎng)絡(luò)中，平安遼寧、平安北京、豫法陽(yáng)光的中間中心度比較高，說(shuō)明其他各用戶獲取消息在很大程度上依賴于這些關(guān)鍵用戶，他們?cè)诰W(wǎng)絡(luò)中權(quán)力較大，在很大程度上控制了信息的流動(dòng)。同時(shí)，可以發(fā)現(xiàn)這些用戶的點(diǎn)度中心性也都位于前列，說(shuō)明該關(guān)鍵用戶最有可能成連接政府網(wǎng)絡(luò)中交流信息、溝通意見、協(xié)調(diào)行動(dòng)的重要橋梁［20］。另有鼓樓微訊、上海的中間中心性指數(shù)為0，說(shuō)明這些成員處于網(wǎng)絡(luò)的邊緣地帶，對(duì)于信息的傳遞并不重要。在企業(yè)網(wǎng)絡(luò)中，點(diǎn)出度中心度和中間中心度排名前8位的用戶都包含新浪汽車，且新浪汽車的點(diǎn)入度也較高，說(shuō)明該用戶是整個(gè)網(wǎng)絡(luò)的交流中心，處于網(wǎng)絡(luò)的核心位置，能夠很好地控制著其他用戶間的交流及信息資源，在正能量的傳播中起著重要作用。在學(xué)校網(wǎng)絡(luò)中，中間中心度最高的8個(gè)節(jié)點(diǎn)分別是復(fù)旦大學(xué)、華南理工大學(xué)校友會(huì)、華中科技大學(xué)、復(fù)旦大學(xué)校友會(huì)、哈德斯菲爾德大學(xué)、中國(guó)人民大學(xué)校友會(huì)、北京王府學(xué)校。將中間中心度最高的節(jié)點(diǎn)與點(diǎn)度中心度最高的節(jié)點(diǎn)進(jìn)行比較發(fā)現(xiàn)，中間中心度最高的8個(gè)節(jié)點(diǎn)中有5個(gè)出現(xiàn)在點(diǎn)出度最高的8個(gè)節(jié)點(diǎn)中。例如，復(fù)旦大學(xué)和武漢大學(xué)的點(diǎn)入度、點(diǎn)出度、中間中心度都較高，說(shuō)明基于三種不同的中心度進(jìn)行計(jì)算，武漢大學(xué)和復(fù)旦大學(xué)都是核心成員，表明它們既能影響他人的相互交往，又能與其他成員相互交流。在微博名人網(wǎng)絡(luò)中，思想聚焦、IT觀察猿、李開復(fù)的中間中心度是比較高的。但I(xiàn)T觀察猿的點(diǎn)度中心度并不高，說(shuō)明該用戶與其他用戶交流并不是很多，而其他各個(gè)用戶利用其獲取消息的依賴程度是比較高的。另有辣評(píng)娛樂(lè)圈、蘇若琳的中間中心性指數(shù)為0，說(shuō)明這些成員處于網(wǎng)絡(luò)的邊緣地帶，對(duì)于信息的傳遞并不重要。
2．3．4整體中間中心勢(shì)分析整體中間中心勢(shì)越大，說(shuō)明該網(wǎng)絡(luò)中成員對(duì)其他網(wǎng)絡(luò)成員之間的交往能施加的影響力越大［21］。企業(yè)、學(xué)校的整體網(wǎng)絡(luò)中間中心勢(shì)分別為8．32%、7．27%，指數(shù)偏低，說(shuō)明這兩類網(wǎng)絡(luò)中缺少對(duì)其他節(jié)點(diǎn)有明顯控制力的關(guān)鍵節(jié)點(diǎn)，缺乏較強(qiáng)的信息傳遞能力。因?yàn)槿绻麄€(gè)網(wǎng)絡(luò)中大部分的節(jié)點(diǎn)不需要?jiǎng)e的節(jié)點(diǎn)作為橋接點(diǎn)，那么該網(wǎng)絡(luò)有較強(qiáng)的信息傳遞能力。政府、微博名人網(wǎng)絡(luò)的中間中心勢(shì)分別為17．23%、12．22%，說(shuō)明在政府、微博名人網(wǎng)絡(luò)中，對(duì)其他節(jié)點(diǎn)具有較強(qiáng)控制力的節(jié)點(diǎn)分布比較集中，有較強(qiáng)的信息傳遞能力。4結(jié)論本文從關(guān)注微博用戶網(wǎng)絡(luò)的結(jié)構(gòu)、密度、派系、中心性等出發(fā)，比較分析政府、企業(yè)、學(xué)校、微博名人這四類網(wǎng)絡(luò)中內(nèi)部用戶的互動(dòng)關(guān)系、個(gè)體用戶的各項(xiàng)指標(biāo)，為發(fā)現(xiàn)認(rèn)識(shí)微博網(wǎng)絡(luò)的形成和發(fā)展，及信息如何在網(wǎng)絡(luò)中更有效的傳播提供了幫助。經(jīng)過(guò)分析之后得出:
a．政府網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)比較密集，信息是在一個(gè)具有強(qiáng)關(guān)系的小網(wǎng)絡(luò)中傳播，網(wǎng)絡(luò)內(nèi)部信息傳遞的效率較高。在政府網(wǎng)絡(luò)內(nèi)部，公安部門內(nèi)部聯(lián)系比較緊密，其橋接網(wǎng)絡(luò)內(nèi)部信息傳播的作用凸顯，處于政府網(wǎng)絡(luò)的核心領(lǐng)導(dǎo)位置，是政府網(wǎng)絡(luò)信息傳遞的關(guān)鍵人物，對(duì)信息的傳遞與擴(kuò)散有較大的控制權(quán)力。然而政府網(wǎng)絡(luò)的點(diǎn)度中心勢(shì)很高，反映了政府群體過(guò)于集權(quán)，過(guò)分依賴少數(shù)群體，信息在網(wǎng)絡(luò)的傳播就容易被該群體壟斷。因?yàn)辄c(diǎn)度中心勢(shì)代表的是群體集權(quán)程度，如果一個(gè)群體的中心勢(shì)很高，這個(gè)群體的互動(dòng)實(shí)際上就很集權(quán)，幾個(gè)關(guān)鍵人物就代表了整個(gè)社群的互動(dòng)。此外，在派系分析中，政府網(wǎng)絡(luò)的派系雖多，但各個(gè)派系都包含公安部門，再一次說(shuō)明公安部門在政府網(wǎng)絡(luò)信息傳播過(guò)程中具有很強(qiáng)的影響力。這是因?yàn)殡S著社交媒體的興起，人們開始關(guān)注社會(huì)各類法制事件，且公安部門的信息往往真實(shí)程度最高，故受到人們的青睞與信任。這說(shuō)明政府網(wǎng)絡(luò)要利用好社交媒體更好地傳遞信息，需提高各個(gè)部門的公信力度，提高其公開性與透明性，政府網(wǎng)絡(luò)派系間應(yīng)多交流，避免信息傳遞的單一性。
b．與政府網(wǎng)絡(luò)的結(jié)構(gòu)特征類似，微博名人網(wǎng)絡(luò)的結(jié)構(gòu)也比較密集，但卻有別于政府網(wǎng)絡(luò)呈現(xiàn)出來(lái)的包絡(luò)性，網(wǎng)絡(luò)內(nèi)部有兩個(gè)凸顯且密集的子群。名人子群主要以財(cái)經(jīng)與時(shí)尚為核心，體現(xiàn)了人們對(duì)信息有一定的偏向性。隨著社會(huì)的發(fā)展和生活條件的改善，人們開始關(guān)注理財(cái)與精神需求。網(wǎng)絡(luò)內(nèi)部的關(guān)鍵人物主要是一些知名度較高的企業(yè)家或時(shí)評(píng)者，其名人效應(yīng)使其在信息傳遞的過(guò)程中有較大的話語(yǔ)權(quán)。在微博名人網(wǎng)絡(luò)內(nèi)部，財(cái)經(jīng)和商業(yè)類聯(lián)系比較緊密，信息在二者內(nèi)部傳播較好，但部門間聯(lián)系不緊密，導(dǎo)致信息在整個(gè)微博名人網(wǎng)絡(luò)中的傳播效率不足。網(wǎng)絡(luò)派系過(guò)多，雖由一些關(guān)鍵人把派系間聯(lián)系起來(lái)，但派系間呈現(xiàn)行業(yè)特征，其的信息內(nèi)容較為獨(dú)立，各派系間信息內(nèi)容的交叉現(xiàn)象不明顯，導(dǎo)致從整體來(lái)看，不同類別信息在微博名人網(wǎng)絡(luò)中的流動(dòng)有一定的障礙。此外，微博名人網(wǎng)絡(luò)的中心勢(shì)過(guò)低，這也意味著網(wǎng)絡(luò)內(nèi)部群體過(guò)于分散，使得互動(dòng)分散而不集中，信息在子群內(nèi)傳遞的效率較高，而在整體網(wǎng)絡(luò)中傳遞的效率較低。這說(shuō)明信息要在微博名人網(wǎng)絡(luò)中更好地傳播，需提高各類子群所信息的多樣性，避免由于信息的獨(dú)立性而造成信息傳遞中斷。
c．相比前兩類網(wǎng)絡(luò)，企業(yè)網(wǎng)絡(luò)的結(jié)構(gòu)較為松散，信息在網(wǎng)絡(luò)中的傳播速度比較緩慢，且直接傳播途徑較少，內(nèi)部成員主要通過(guò)搜索或者通過(guò)關(guān)注外部成員獲取信息。企業(yè)網(wǎng)絡(luò)內(nèi)部的派系較少，且派系間的聯(lián)系不明顯，信息在整體網(wǎng)絡(luò)中流動(dòng)性較差。在企業(yè)網(wǎng)絡(luò)內(nèi)部，派系主要由母子公司成員構(gòu)成。當(dāng)母公司信息時(shí)，子公司作為公司集團(tuán)微博中的一員，通過(guò)關(guān)注、借助企業(yè)品牌的源吸引力，形成了自身的用戶關(guān)注網(wǎng)絡(luò)，公司職員關(guān)注其微博，獲取信息來(lái)源，同時(shí)也產(chǎn)生一些間接關(guān)注，從而形成一個(gè)大的子網(wǎng)絡(luò)。由此發(fā)現(xiàn)信息在企業(yè)中的傳播主要依靠企業(yè)微博及與此相關(guān)聯(lián)的集團(tuán)微博的吸引力。此外，我們發(fā)現(xiàn)金融部門在企業(yè)網(wǎng)絡(luò)信息傳遞過(guò)程中扮演重要角色，其嫁接橋梁為其他企業(yè)提供間接聯(lián)系。這說(shuō)明信息在企業(yè)網(wǎng)絡(luò)中的擴(kuò)散能力較弱，需強(qiáng)化關(guān)鍵人物的中介作用，使信息在網(wǎng)絡(luò)中更好地傳遞。
1．社會(huì)網(wǎng)絡(luò)及其對(duì)風(fēng)險(xiǎn)行為的影響社會(huì)網(wǎng)絡(luò)是一種研究社會(huì)結(jié)構(gòu)的理論和方法視角，它將個(gè)人或組織視為“節(jié)點(diǎn)”，將這些人或組織之間的聯(lián)系視為“線”，這些點(diǎn)和線形成了一個(gè)個(gè)網(wǎng)絡(luò)狀的結(jié)構(gòu)，人類社會(huì)即由這一個(gè)個(gè)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成，甚至整個(gè)社會(huì)都可視為一個(gè)大網(wǎng)絡(luò)［17］。社會(huì)網(wǎng)絡(luò)視角被廣泛地應(yīng)用于社會(huì)生活各領(lǐng)域的研究之中，其中社會(huì)網(wǎng)絡(luò)與健康的研究是一種非常重要的研究領(lǐng)域。早期研究社會(huì)網(wǎng)絡(luò)與健康關(guān)系的學(xué)者主要采取一種“功能性”視角，關(guān)注社會(huì)網(wǎng)絡(luò)可能提供的“社會(huì)支持”對(duì)健康產(chǎn)生的直接積極作用或間接“緩沖”作用；其后有一部分研究者開始采取“結(jié)構(gòu)論”視角，重點(diǎn)關(guān)注個(gè)人所處社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)健康可能產(chǎn)生的影響。已有研究主要認(rèn)為社會(huì)網(wǎng)絡(luò)從兩個(gè)方面影響人的態(tài)度和行為。一是通過(guò)提供知識(shí)／信息。有關(guān)網(wǎng)絡(luò)與信息傳遞的研究表明，網(wǎng)絡(luò)的規(guī)模和結(jié)構(gòu)均對(duì)信息傳遞有影響，規(guī)模較大、異質(zhì)性較高的網(wǎng)絡(luò)更有利于信息傳遞。二是通過(guò)提供社會(huì)支持，社會(huì)支持包括經(jīng)濟(jì)、情感、社會(huì)關(guān)系支持等方面。個(gè)人除了從社會(huì)網(wǎng)絡(luò)中獲取信息以外，還能從網(wǎng)絡(luò)成員那里獲得各種物質(zhì)70《科學(xué)與社會(huì)》（S＆S）和精神上的實(shí)質(zhì)性幫助和支持。社會(huì)支持對(duì)精神和心理健康有積極的影響，社會(huì)支持可以促進(jìn)心理方面的適應(yīng)性、減少壓力和焦慮等心理問(wèn)題，即社會(huì)支持的“緩沖效應(yīng)”。緩沖效應(yīng)的存在是因?yàn)樯鐣?huì)支持促進(jìn)“適應(yīng)性評(píng)價(jià)（AdaptiveAppraisal）”和“應(yīng)對(duì)（Coping）”。從生理學(xué)途徑來(lái)看，社會(huì)網(wǎng)絡(luò)有助于免疫系統(tǒng)、神經(jīng)內(nèi)分泌系統(tǒng)和心血管系統(tǒng)的健康。以往研究表明，強(qiáng)關(guān)系和同質(zhì)性關(guān)系多的網(wǎng)絡(luò)在提供社會(huì)支持方面更為有效，親屬是最主要的強(qiáng)關(guān)系。網(wǎng)絡(luò)密度描述網(wǎng)絡(luò)的連接性，網(wǎng)絡(luò)密度與更多的合作、信息分享和責(zé)任有關(guān)，可以預(yù)測(cè)個(gè)體能夠獲得的物質(zhì)支持的程度。網(wǎng)絡(luò)密度也影響個(gè)體獲得關(guān)系資源的能力［29］，高的社會(huì)網(wǎng)絡(luò)密度意味著非常親密的關(guān)系，有助于成員之間形成歸屬感。已有不少研究者關(guān)注了社會(huì)網(wǎng)絡(luò)對(duì)風(fēng)險(xiǎn)行為影響的問(wèn)題。Berten研究了青少年在同伴網(wǎng)絡(luò)中的位置對(duì)個(gè)體風(fēng)險(xiǎn)行為的影響，結(jié)果表明中學(xué)生的濫用和風(fēng)險(xiǎn)等不僅受到關(guān)系最好的同伴影響，還受到網(wǎng)絡(luò)中位置相似的同伴的影響；相比較中學(xué)3年級(jí)的學(xué)生，5年級(jí)的學(xué)生更容易受到同伴的影響；網(wǎng)絡(luò)凝聚力的影響大于網(wǎng)絡(luò)中同等結(jié)構(gòu)位置的影響［2］。一項(xiàng)針對(duì)走失和無(wú)家可歸年輕人的研究表明，沒(méi)有社會(huì)網(wǎng)絡(luò)支持的個(gè)體，更有可能非法使用、有更多的性伴和生存性；對(duì)于有社會(huì)網(wǎng)絡(luò)支持的個(gè)體而言，當(dāng)社會(huì)網(wǎng)絡(luò)的規(guī)模較小、但情感支持特征明顯（社會(huì)網(wǎng)絡(luò)主要有朋友構(gòu)成，通常包括酒精和非法使用者）時(shí)，社會(huì)網(wǎng)絡(luò)將不是他們風(fēng)險(xiǎn)行為壓力的來(lái)源。隨著社交媒體的流行，在線社會(huì)網(wǎng)絡(luò)開始引起研究者的關(guān)注，研究發(fā)現(xiàn)在線上青少年對(duì)風(fēng)險(xiǎn)健康行為有更加正向的態(tài)度，更多地使用（網(wǎng)絡(luò)）社會(huì)網(wǎng)絡(luò)媒介會(huì)增加個(gè)體的風(fēng)險(xiǎn)行為，比如吸煙、濫用酒精、吸毒等［30］。有關(guān)社會(huì)網(wǎng)絡(luò)與融資決策這種風(fēng)險(xiǎn)行為關(guān)系的研究也表明，社會(huì)網(wǎng)絡(luò)可以給決策者提供信息，幫助過(guò)濾掉復(fù)雜的信息，借款的社會(huì)關(guān)系會(huì)直接影響他的借款行為?？傊?，已有研究表明社會(huì)網(wǎng)絡(luò)可以從提供信息、社會(huì)支持兩個(gè)方面對(duì)風(fēng)險(xiǎn)行為產(chǎn)生影響，而且不同的社會(huì)網(wǎng)絡(luò)特征提供的信息和社會(huì)支持不同。比如網(wǎng)絡(luò)的規(guī)模、異質(zhì)性、弱關(guān)系等更多地促進(jìn)網(wǎng)絡(luò)成員之間的信息傳遞；而網(wǎng)絡(luò)密度、網(wǎng)絡(luò)同質(zhì)性、親屬關(guān)系的比例、強(qiáng)關(guān)系等與網(wǎng)絡(luò)可以提供的社會(huì)支持相關(guān)。
2．社會(huì)網(wǎng)絡(luò)對(duì)有機(jī)食品選擇的影響盡管社會(huì)網(wǎng)絡(luò)對(duì)風(fēng)險(xiǎn)行為影響的研究已有不少，但具體研究社會(huì)網(wǎng)絡(luò)對(duì)有關(guān)食品安全風(fēng)險(xiǎn)行為影響的研究尚不多見。有研究表明公眾的主觀知識(shí)（信息）是他們感知的轉(zhuǎn)基因食品風(fēng)險(xiǎn)的風(fēng)險(xiǎn)因素［26，29］，也有研究表明給公眾提供生物技術(shù)相關(guān)的信息可以增加他們感知的生物技術(shù)帶來(lái)的利益，但是沒(méi)有減少他們感知的生物技術(shù)風(fēng)險(xiǎn)［6］。還有研究表明社會(huì)支持的緩沖作用是個(gè)體的心理和生理健康風(fēng)險(xiǎn)的積極影響因素［23］。那么，社會(huì)網(wǎng)絡(luò)的不同特征是否影響公眾對(duì)有機(jī)食品的購(gòu)買意愿？如果存在影響，網(wǎng)絡(luò)是通過(guò)什么機(jī)制來(lái)影響公眾對(duì)有機(jī)食品的購(gòu)買意愿的？已有研究并沒(méi)有關(guān)注這些內(nèi)容。本文以調(diào)研的數(shù)據(jù)為基礎(chǔ)，分析社會(huì)網(wǎng)絡(luò)的不同的結(jié)構(gòu)特征是否以及如何影響個(gè)體對(duì)有機(jī)食品的購(gòu)買意愿。
二、數(shù)據(jù)與方法
1．?dāng)?shù)據(jù)來(lái)源與樣本特征本文的數(shù)據(jù)來(lái)源于兩項(xiàng)調(diào)查，一是中國(guó)科技發(fā)展戰(zhàn)略研究院課題組于2007年在北京市和湘潭市進(jìn)行的公眾食品安全風(fēng)險(xiǎn)感知問(wèn)卷調(diào)查；二是吉林大學(xué)社會(huì)學(xué)系課題組于2008年在長(zhǎng)春市進(jìn)行的公眾食品安全風(fēng)險(xiǎn)感知問(wèn)卷調(diào)查。兩項(xiàng)調(diào)查均使用了基本相同的調(diào)查問(wèn)卷和方法，考察了三城市居民關(guān)于食品風(fēng)險(xiǎn)的感知、行為傾向、信任和政策需求，三地?cái)?shù)據(jù)分別代表中國(guó)大城市、大中型城市和中小城市的公眾風(fēng)險(xiǎn)感知情況。三城市調(diào)查均采用多階段隨機(jī)抽樣的入戶調(diào)查方法，先在城市社區(qū)名冊(cè)中隨機(jī)抽取若干社區(qū)，再在每個(gè)社區(qū)中隨機(jī)抽取若干家庭，最后在被抽中家庭中用Kish表隨機(jī)抽取1人作為調(diào)查對(duì)象，被訪者是現(xiàn)居家中的18周歲及以上的常住人口。北京、長(zhǎng)春和湘潭三市共獲得有效問(wèn)卷2153份，三個(gè)城市的有效問(wèn)卷數(shù)分別為987份、506份和660份。
2．變量與測(cè)量方法（1）因變量。我們?cè)谡{(diào)查中詢問(wèn)被調(diào)查者：假如市場(chǎng)上的一般黃瓜賣1塊錢1斤，您愿意花多少錢買沒(méi)有噴撒農(nóng)藥的黃瓜？以此測(cè)量被調(diào)查者對(duì)有機(jī)蔬菜的購(gòu)買意愿。（2）自變量。本研究中的主要自變量是個(gè)人討論重要社會(huì)問(wèn)題的討論網(wǎng)絡(luò)，具體測(cè)量方法采用提名生成法（Name－generator）。提名生成法是一種比較傳統(tǒng)的方法，具體做法是根據(jù)研究的要求，讓每個(gè)被訪者提供自己的社會(huì)網(wǎng)絡(luò)成員的姓名、個(gè)人特征以及這些成員的關(guān)系等信息［32］。然后根據(jù)這些信息描述社會(huì)網(wǎng)絡(luò)的情況。我們要求被訪者回憶跟自己討論問(wèn)題最多的5個(gè)人，以及這些人的性別、年齡、教育程度、工作類型、討論的問(wèn)題、關(guān)系親密程度等。然后計(jì)算社會(huì)網(wǎng)絡(luò)的密度、管理人員的比例、高等教育人員的比例等指標(biāo)。以此為基礎(chǔ)，我們建立了研究的自變量，包括：網(wǎng)絡(luò)規(guī)模、平均熟悉程度、網(wǎng)絡(luò)密度，網(wǎng)絡(luò)中親屬的比例、討論食品安全人數(shù)的比例、管理人員的比例、高等教育人數(shù)的比例。（3）控制變量。包括性別、年齡、文化程度、收入、健康狀況、對(duì)我國(guó)食品安全狀況的滿意程度、自己或者家人的經(jīng)歷、自己最近七天的健康狀況、已有的食品風(fēng)險(xiǎn)知識(shí)等。具體變量的描述性統(tǒng)計(jì)情況如表1所示。
3．分析方法由于因變量是一個(gè)連續(xù)變量，我們?cè)趯?duì)其做對(duì)數(shù)處理后，使用普通最小二乘（OLS）法構(gòu)建多元回歸模型進(jìn)行分析。
三、數(shù)據(jù)分析結(jié)果
本文使用SPSS軟件分析社會(huì)網(wǎng)絡(luò)特征對(duì)有機(jī)蔬菜購(gòu)買意愿的影響進(jìn)行了分析，結(jié)果如表2所示。表2的模型一中分析的社會(huì)網(wǎng)是討論網(wǎng)，即與被調(diào)查者討論任何重要問(wèn)題的成員構(gòu)成的網(wǎng)絡(luò)。統(tǒng)計(jì)結(jié)果表明，個(gè)人討論網(wǎng)絡(luò)的密度和網(wǎng)絡(luò)中管理人員的比例顯著地降低了公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿；網(wǎng)絡(luò)中討論食品安全人數(shù)的比例和受過(guò)高等教育人數(shù)的比例則顯著地增加了公眾對(duì)有機(jī)食品的購(gòu)買意愿。研究結(jié)論也表明，相比較基準(zhǔn)模型（僅僅包括控制變量的模型），在模型中增加網(wǎng)絡(luò)特征變量，顯著地增加了模型的解釋能力。就控制變量而言，年齡、性別、文化程度和相關(guān)知識(shí)都顯著地影響有機(jī)蔬菜的購(gòu)買意愿。女性的購(gòu)買意愿顯著地高于男性；隨著年齡的增加，公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿顯著地降低；文化程度和相關(guān)知識(shí)顯著地增加了公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿（在只有控制變量的情況下成立）。在前面的文獻(xiàn)綜述中我們提出網(wǎng)絡(luò)影響風(fēng)險(xiǎn)行為可能存在兩種機(jī)制，即傳遞知識(shí)（信息）和提供支持。根據(jù)以往研究的結(jié)論，一般認(rèn)為密度較高的網(wǎng)絡(luò)更可能提供社會(huì)支持，同時(shí)網(wǎng)絡(luò)中的管理人員因擁有較多的權(quán)力資源而更可能提供支持，而網(wǎng)絡(luò)中討論食品安全問(wèn)題的成員和受高等教育的成員則更可能提供知識(shí)和信息。為進(jìn)一步驗(yàn)證這一點(diǎn)，我們又單獨(dú)分析了食品安全討論網(wǎng)的情況，這時(shí)的網(wǎng)絡(luò)成員僅包括那些與被調(diào)查者討論食品安全的成員。我們的假設(shè)是：由于食品安全討論網(wǎng)的成員都會(huì)討論食品安全問(wèn)題，因此在這種網(wǎng)絡(luò)中知識(shí)和信息傳遞是必然存在的，而社會(huì)支持的傳遞則不一定存在。從表2模型二的統(tǒng)計(jì)結(jié)果中可以看出，在食品安全討論網(wǎng)中，只有高等教育人數(shù)的比例顯著地影響公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿，而其他網(wǎng)絡(luò)特征的影響不顯著。這一結(jié)果在一定程度上支持了我們的推測(cè)，既網(wǎng)絡(luò)密度和管理人員的比例更可能是通過(guò)提供更多的社會(huì)支持而降低了公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿，而網(wǎng)絡(luò)中討論食品安全人數(shù)的比例和網(wǎng)絡(luò)中高等教育人數(shù)的比例通過(guò)提供信息而增加了公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿。
四、結(jié)論與討論
在社會(huì)網(wǎng)絡(luò)環(huán)境中，交互節(jié)點(diǎn)間的信任關(guān)系是網(wǎng)絡(luò)中各種活動(dòng)的基礎(chǔ)，從直接可信度和推薦可信度兩個(gè)方面描述節(jié)點(diǎn)的可信度。直接信任度是評(píng)估節(jié)點(diǎn)和提供資源服務(wù)節(jié)點(diǎn)直接交互所得到的信任值，而推薦信任度為當(dāng)該節(jié)點(diǎn)作為推薦節(jié)點(diǎn)時(shí)，被網(wǎng)絡(luò)中其他節(jié)點(diǎn)信任的程度，分別定義如下。假設(shè)信任值的取值范圍為［0，10］，將該區(qū)間分為n個(gè)子區(qū)間，其中第i個(gè)子區(qū)間為［Rmini，Rmaxi］，其中Rmini和Rmaxi分別為區(qū)間的上限和下限。根據(jù)公式(2)，(3)和(4)可以計(jì)算出各個(gè)節(jié)點(diǎn)信任度，節(jié)點(diǎn)映射到的子區(qū)間即為其信任等級(jí)。信任等級(jí)是建立Web資源節(jié)點(diǎn)間信任的依據(jù)。
2、Web資源信任增強(qiáng)選擇模型(EMBST)
EMBST模型的處理流程如下:(1)社會(huì)網(wǎng)絡(luò)關(guān)系的獲取。根據(jù)用戶所需Web資源的初步檢索，抽取出全部功能性屬性相同、非功能性屬性不同的Web資源，然后對(duì)其中的各個(gè)子網(wǎng)進(jìn)行拓展，使得有關(guān)聯(lián)的、離散的初始社會(huì)網(wǎng)絡(luò)相互連接起來(lái)，拓展處理算子見下文。(2)建立不同信任等級(jí)Web資源圈。結(jié)合下文中基于譜分割算子將這些不同的社團(tuán)區(qū)分開來(lái)，在此基礎(chǔ)上根據(jù)各個(gè)模塊的信任度評(píng)價(jià)指標(biāo)來(lái)確定不同信任等級(jí)。(3)社會(huì)網(wǎng)絡(luò)映射。將形成的各個(gè)不同的局部的網(wǎng)絡(luò)圈子映射到最早的檢索結(jié)果中來(lái)，從而實(shí)現(xiàn)可信Web資源的選擇。
3、Web資源信任增強(qiáng)選擇算法
限于檢索單個(gè)Web資源所獲得的數(shù)量有限，這樣會(huì)導(dǎo)致所得到的關(guān)系矩陣可能會(huì)比較稀疏，容易導(dǎo)致形成的社會(huì)網(wǎng)絡(luò)存在很多孤立子網(wǎng)，而這些子網(wǎng)中部分子網(wǎng)在真實(shí)的網(wǎng)絡(luò)環(huán)境中又是有關(guān)系的，所以本文將借助于更多的網(wǎng)絡(luò)信息，通過(guò)社會(huì)網(wǎng)絡(luò)的拓展處理算子對(duì)一些孤立的子網(wǎng)作進(jìn)一步的拓展，以豐富原有Web資源社會(huì)網(wǎng)絡(luò)關(guān)系。
3．1拓展處理算子
首先，矩陣G1中會(huì)引入很多的初始檢索中無(wú)關(guān)的資源，將這些資源刪除，重新整合關(guān)系資源，那么就得到了一個(gè)新的矩陣G2，如果在G2中有兩個(gè)資源相似度為0，但同時(shí)G1中有資源認(rèn)識(shí)他們，那么就可以利用中介位置的資源求取他們之間的相似度。
3．2基于信任度的譜分割算子
由于上面得到的關(guān)系矩陣，實(shí)際上是所有的Web資源混在一起的一種社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)，因此需要運(yùn)用相關(guān)的方法將其根據(jù)不同的信任級(jí)別區(qū)分開來(lái)，這里采用社會(huì)網(wǎng)絡(luò)中的譜分割算法［11］(spectralpartition)將這些不同的社團(tuán)區(qū)分開來(lái)，在此基礎(chǔ)上根據(jù)各個(gè)模塊的信任度評(píng)價(jià)指標(biāo)來(lái)確定不同信任等級(jí)。
4、仿真實(shí)驗(yàn)和結(jié)果分析
4．1系統(tǒng)評(píng)價(jià)方法
這里采用B－Cubed評(píng)價(jià)方法［12］，具體描述如下，假設(shè)帶搜索的Web資源或服務(wù)在搜索引擎上的返回的結(jié)果集合S的大小為M，對(duì)其進(jìn)行人工劃分的結(jié)果為K'，經(jīng)過(guò)系統(tǒng)處理輸出的結(jié)果為K″，K'(S)表示人工劃分中包含S的集合，K″(S)表示系統(tǒng)輸出劃分中包含S的集合。
4．2實(shí)驗(yàn)設(shè)計(jì)
一個(gè)外出預(yù)定系統(tǒng)實(shí)例?？蛻舳苏{(diào)用此組合服務(wù)進(jìn)程，指定出發(fā)地、目的地、出發(fā)日期，最后返回執(zhí)行結(jié)果到客戶端。組合邏輯如圖2所示:先執(zhí)行計(jì)算里程服務(wù)S1，然后機(jī)票訂購(gòu)S2與汽車票訂購(gòu)S3選擇執(zhí)行，它們與賓館訂購(gòu)S4可并發(fā)執(zhí)行。假定每一個(gè)抽象服務(wù)分別包含了若干個(gè)具體服務(wù)，各個(gè)具體服務(wù)的信任度參數(shù)采用隨機(jī)方法在一定范圍內(nèi)生成加手工修改方式(制造不可信節(jié)點(diǎn)隨時(shí)間變化的欺騙行為)，參數(shù)取值范圍設(shè)定為0＜R≤10。系統(tǒng)采取文件讀入的辦法，從事先準(zhǔn)備好的文件讀入仿真檢索服務(wù)的執(zhí)行結(jié)果。實(shí)驗(yàn)環(huán)境為100M局域網(wǎng)，算法運(yùn)行微機(jī)配置為Inter(R)Pentium(R)DualE21401．6GHz處理器，1GB內(nèi)存，操作系統(tǒng)為WindowsXPSP3，算法用Java實(shí)現(xiàn)。
4．3實(shí)驗(yàn)結(jié)果分析
1.1以WebofScience為數(shù)據(jù)源
以WebofScience作為數(shù)據(jù)源，進(jìn)行檢索和篩選數(shù)據(jù)。論文以生物材料學(xué)科為例，分析科研人員及其團(tuán)隊(duì)，為學(xué)校挖掘可引進(jìn)的人才，也為學(xué)校人才引進(jìn)提供評(píng)估參考材料。
1.2分析流程
(具體見圖1)論文采用h指數(shù)、R指數(shù)、AR指數(shù)作為衡量學(xué)者科研水平的3個(gè)量化指標(biāo)。h指數(shù)不能區(qū)分h值相同但論文被引頻次相差懸殊的情況，缺乏一定的靈敏度和區(qū)分度，結(jié)合采用了R指數(shù)、AR指數(shù)，解決h指數(shù)存在的一些不足［9］。
2以生物材料為例的應(yīng)用分析
2.1基礎(chǔ)數(shù)據(jù)檢索與清洗、篩選
選取檢索源:Webofscience的SCIE數(shù)據(jù)，因webofscience數(shù)據(jù)存在滯后，為保障期刊論文數(shù)據(jù)的完整性，選擇數(shù)據(jù)庫(kù)時(shí)間范圍為:2003－2012(10年)，具體檢索時(shí)間:2014.3.10。論文采用了材料科學(xué)－生物材料作為案例進(jìn)行檢索分析，假設(shè)某學(xué)校想引進(jìn)生物材料方面的學(xué)者。選擇的期刊以JCR－Q1期刊為參考，選取了webofscience的“MATERIALSSCIENCE，BIOMATERIALS”類目的Q1期刊，共六種期刊。通過(guò)webofscience檢索出版物名稱=(″BIOMATERIALS″or″ACTABIOMATER″or″EURCELLSMATER″or″DENTMATER″or″MACROMOLBIOSCI″or″BIOFABRICATION″)，時(shí)間跨度=2003－2012，檢索結(jié)果:13179條。篩選出:article、review兩種類型文獻(xiàn)12970篇。
2.2作者基礎(chǔ)排序分析
以webofscience的分析功能，選取排序前10位的發(fā)文作者，見表1列出了前10位作者及其發(fā)表的論文數(shù)量，論文中分別以A1、A2…標(biāo)示各位作者。論文在此研究中，暫不考慮作者在論文中的貢獻(xiàn)度，即不區(qū)分第一作者、通訊作者或是所處的其他合作位置。在webofscience中，作者名稱基本采用了姓氏加名的首字母，存在較為嚴(yán)重的同名作者問(wèn)題?？紤]作者的同名現(xiàn)象，對(duì)每位作者結(jié)合作者機(jī)構(gòu)進(jìn)行較為精確的分析。在webofscience中作者同名問(wèn)題基本沒(méi)有得到解決，需要通過(guò)人工篩選才能達(dá)到精確。對(duì)上述10位學(xué)者對(duì)應(yīng)的文獻(xiàn)進(jìn)行逐篇查看，可以確定出該檢索集中，有3個(gè)作者姓名簡(jiǎn)稱對(duì)應(yīng)了多位學(xué)者，如對(duì)A3的70篇文獻(xiàn)中的前20篇進(jìn)行逐篇查看，20篇論文屬于16位不同單位且姓名簡(jiǎn)稱同為A3的學(xué)者。同樣發(fā)現(xiàn)A9和A10具有多位學(xué)者共同構(gòu)成論文篇數(shù)，均被排除出前10的位置。通過(guò)逐篇查看，篩選出排名前7的學(xué)者。
2.37位學(xué)者h(yuǎn)指數(shù)、R指數(shù)、AR指數(shù)分析
對(duì)篩選出的前7名學(xué)者，進(jìn)行SCI論文檢索，檢索時(shí)間范圍為:2003－2012，檢索日期為2014.3.16，文獻(xiàn)類型為ARTICLE或REVIEW。因?yàn)樯婕巴?、作者曾在不同單位任職等現(xiàn)象，結(jié)合webofscience的“惟一作者集”等作者輔助檢索工具，進(jìn)行篩選。2.4A7學(xué)者及其團(tuán)隊(duì)的挖掘分析論文選用SATI文獻(xiàn)題錄信息統(tǒng)計(jì)分析工具［10］和UCI-NET社會(huì)網(wǎng)絡(luò)分析軟件［11］對(duì)A7的SCIE論文進(jìn)行分析。通過(guò)分析挖掘與A7有更多直接合作關(guān)聯(lián)的學(xué)者，擬挖掘“他們”作為某學(xué)校生物材料方面的外聘人才。利用兩個(gè)軟件，構(gòu)建了如圖3所示的A7的作者合作網(wǎng)路。從圖3可以發(fā)現(xiàn)A7的合作網(wǎng)絡(luò)錯(cuò)綜復(fù)雜。利用k－核概念，研究網(wǎng)絡(luò)合作的凝聚子群。所謂k－核是指如果一個(gè)子圖中的全部點(diǎn)都至少與該子圖中的k個(gè)其他點(diǎn)鄰接，則稱這個(gè)子圖為k－核［11］。通過(guò)k－核，可以發(fā)現(xiàn)一些高合作、高凝聚的群體。對(duì)A7的社會(huì)網(wǎng)絡(luò)進(jìn)行k－核分析，如圖4所示為A7文獻(xiàn)作者k－核分析的部分截圖。由圖4可見，在A7的392篇文獻(xiàn)的所有合作者中，可以進(jìn)行8種分區(qū)，度數(shù)分別為2，3，4，5，6，7，8，9，即分別為2－核，3－核，……，9－核。9－核即是指A7和其他34位學(xué)者(圖4所示的作者編號(hào)P1、……、P84)共同組成各個(gè)作者之間至少有9個(gè)鄰接的子群，可能是學(xué)科團(tuán)隊(duì)、或項(xiàng)目合作的團(tuán)隊(duì)，其中可能存在一些具有知識(shí)引導(dǎo)的團(tuán)隊(duì)帶頭人。計(jì)算A7合作網(wǎng)絡(luò)中學(xué)者們的在整體網(wǎng)絡(luò)中個(gè)體密度值，圖5為截取其中部分學(xué)者的個(gè)體密度值計(jì)算。從圖5可以得出這個(gè)整體網(wǎng)中各個(gè)個(gè)體(科研人員)的密度值、及其他指標(biāo)值。A7的個(gè)體密度值最低，值為9.44，Broker和EgoBet值最高，分別為3791.00、2927.17，他這個(gè)作者群網(wǎng)絡(luò)中的知識(shí)引導(dǎo)人、合作引導(dǎo)人，其位置占據(jù)了結(jié)構(gòu)洞位置，是作為“橋”位置者。結(jié)合圖5所示的9－核團(tuán)隊(duì)，在這些學(xué)者中，P1的網(wǎng)絡(luò)規(guī)模最大(值為45.00)，密度是19.90，Broker值是793，EgoBet值是326.90，僅次于A7，在其合作網(wǎng)絡(luò)中，占據(jù)結(jié)構(gòu)洞位置，可作為引進(jìn)人才或外聘的人選。P3密度值為27.92，Broker值為253，EgoBet值是98.46，在合作網(wǎng)中與他人有合作、也有一定的知識(shí)引導(dǎo)作用。從圖5也可以發(fā)現(xiàn)，學(xué)者P7的密度值最大，為100，Broker和Ego-Bet值均為0，在個(gè)體網(wǎng)中的中間性不強(qiáng)，不占據(jù)結(jié)構(gòu)洞位置，可以猜測(cè)其為求學(xué)的學(xué)生或是某個(gè)項(xiàng)目的參與者。根據(jù)上述分析，P1和P3可作為外聘或引進(jìn)的人選。對(duì)這兩位學(xué)者，同樣計(jì)算其2003－2012年期間的h指數(shù)、R指數(shù)、AR指數(shù)，通過(guò)和表3學(xué)者的各個(gè)指標(biāo)進(jìn)行比較、衡量。P1的各位指數(shù)都高于P3，且與表3中的7位學(xué)者的∑(h，R，AR)值進(jìn)行排序，排列第4。
3結(jié)論與進(jìn)一步思考
一、數(shù)據(jù)與方法
1．?dāng)?shù)據(jù)來(lái)源與樣本特征本文的數(shù)據(jù)來(lái)源于兩項(xiàng)調(diào)查，一是中國(guó)科技發(fā)展戰(zhàn)略研究院課題組于2007年在北京市和湘潭市進(jìn)行的公眾食品安全風(fēng)險(xiǎn)感知問(wèn)卷調(diào)查；二是吉林大學(xué)社會(huì)學(xué)系課題組于2008年在長(zhǎng)春市進(jìn)行的公眾食品安全風(fēng)險(xiǎn)感知問(wèn)卷調(diào)查。兩項(xiàng)調(diào)查均使用了基本相同的調(diào)查問(wèn)卷和方法，考察了三城市居民關(guān)于食品風(fēng)險(xiǎn)的感知、行為傾向、信任和政策需求，三地?cái)?shù)據(jù)分別代表中國(guó)大城市、大中型城市和中小城市的公眾風(fēng)險(xiǎn)感知情況。三城市調(diào)查均采用多階段隨機(jī)抽樣的入戶調(diào)查方法，先在城市社區(qū)名冊(cè)中隨機(jī)抽取若干社區(qū)，再在每個(gè)社區(qū)中隨機(jī)抽取若干家庭，最后在被抽中家庭中用Kish表隨機(jī)抽取1人作為調(diào)查對(duì)象，被訪者是現(xiàn)居家中的18周歲及以上的常住人口。北京、長(zhǎng)春和湘潭三市共獲得有效問(wèn)卷2153份，三個(gè)城市的有效問(wèn)卷數(shù)分別為987份、506份和660份。2．變量與測(cè)量方法（1）因變量。我們?cè)谡{(diào)查中詢問(wèn)被調(diào)查者：假如市場(chǎng)上的一般黃瓜賣1塊錢1斤，您愿意花多少錢買沒(méi)有噴撒農(nóng)藥的黃瓜？以此測(cè)量被調(diào)查者對(duì)有機(jī)蔬菜的購(gòu)買意愿。（2）自變量。本研究中的主要自變量是個(gè)人討論重要社會(huì)問(wèn)題的討論網(wǎng)絡(luò)，具體測(cè)量方法采用提名生成法（Name－generator）。提名生成法是一種比較傳統(tǒng)的方法，具體做法是根據(jù)研究的要求，讓每個(gè)被訪者提供自己的社會(huì)網(wǎng)絡(luò)成員的姓名、個(gè)人特征以及這些成員的關(guān)系等信息［32］。然后根據(jù)這些信息描述社會(huì)網(wǎng)絡(luò)的情況。我們要求被訪者回憶跟自己討論問(wèn)題最多的5個(gè)人，以及這些人的性別、年齡、教育程度、工作類型、討論的問(wèn)題、關(guān)系親密程度等。然后計(jì)算社會(huì)網(wǎng)絡(luò)的密度、管理人員的比例、高等教育人員的比例等指標(biāo)。以此為基礎(chǔ)，我們建立了研究的自變量，包括：網(wǎng)絡(luò)規(guī)模、平均熟悉程度、網(wǎng)絡(luò)密度，網(wǎng)絡(luò)中親屬的比例、討論食品安全人數(shù)的比例、管理人員的比例、高等教育人數(shù)的比例。（3）控制變量。包括性別、年齡、文化程度、收入、健康狀況、對(duì)我國(guó)食品安全狀況的滿意程度、自己或者家人的經(jīng)歷、自己最近七天的健康狀況、已有的食品風(fēng)險(xiǎn)知識(shí)等。3．分析方法由于因變量是一個(gè)連續(xù)變量，我們?cè)趯?duì)其做對(duì)數(shù)處理后，使用普通最小二乘（OLS）法構(gòu)建多元回歸模型進(jìn)行分析。
二、數(shù)據(jù)分析結(jié)果
本文使用SPSS軟件分析社會(huì)網(wǎng)絡(luò)特征對(duì)有機(jī)蔬菜購(gòu)買意愿的影響進(jìn)行了分析，結(jié)果如表2所示。表2的模型一中分析的社會(huì)網(wǎng)是討論網(wǎng)，即與被調(diào)查者討論任何重要問(wèn)題的成員構(gòu)成的網(wǎng)絡(luò)。統(tǒng)計(jì)結(jié)果表明，個(gè)人討論網(wǎng)絡(luò)的密度和網(wǎng)絡(luò)中管理人員的比例顯著地降低了公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿；網(wǎng)絡(luò)中討論食品安全人數(shù)的比例和受過(guò)高等教育人數(shù)的比例則顯著地增加了公眾對(duì)有機(jī)食品的購(gòu)買意愿。研究結(jié)論也表明，相比較基準(zhǔn)模型（僅僅包括控制變量的模型），在模型中增加網(wǎng)絡(luò)特征變量，顯著地增加了模型的解釋能力。就控制變量而言，年齡、性別、文化程度和相關(guān)知識(shí)都顯著地影響有機(jī)蔬菜的購(gòu)買意愿。女性的購(gòu)買意愿顯著地高于男性；隨著年齡的增加，公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿顯著地降低；文化程度和相關(guān)知識(shí)顯著地增加了公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿（在只有控制變量的情況下成立）。在前面的文獻(xiàn)綜述中我們提出網(wǎng)絡(luò)影響風(fēng)險(xiǎn)行為可能存在兩種機(jī)制，即傳遞知識(shí)（信息）和提供支持。根據(jù)以往研究的結(jié)論，一般認(rèn)為密度較高的網(wǎng)絡(luò)更可能提供社會(huì)支持，同時(shí)網(wǎng)絡(luò)中的管理人員因擁有較多的權(quán)力資源而更可能提供支持［32，33］，而網(wǎng)絡(luò)中討論食品安全問(wèn)題的成員和受高等教育的成員則更可能提供知識(shí)和信息。為進(jìn)一步驗(yàn)證這一點(diǎn)，我們又單獨(dú)分析了食品安全討論網(wǎng)的情況，這時(shí)的網(wǎng)絡(luò)成員僅包括那些與被調(diào)查者討論食品安全的成員。我們的假設(shè)是：由于食品安全討論網(wǎng)的成員都會(huì)討論食品安全問(wèn)題，因此在這種網(wǎng)絡(luò)中知識(shí)和信息傳遞是必然存在的，而社會(huì)支持的傳遞則不一定存在。從表2模型二的統(tǒng)計(jì)結(jié)果中可以看出，在食品安全討論網(wǎng)中，只有高等教育人數(shù)的比例顯著地影響公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿，而其他網(wǎng)絡(luò)特征的影響不顯著。這一結(jié)果在一定程度上支持了我們的推測(cè)，既網(wǎng)絡(luò)密度和管理人員的比例更可能是通過(guò)提供更多的社會(huì)支持而降低了公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿，而網(wǎng)絡(luò)中討論食品安全人數(shù)的比例和網(wǎng)絡(luò)中高等教育人數(shù)的比例通過(guò)提供信息而增加了公眾對(duì)有機(jī)蔬菜的購(gòu)買意愿。
三、結(jié)論與討論
