時間：2022-07-18 07:36:45
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇社會網絡論文，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
1．1數據來源及樣本選取
本文的數據來源于新浪微博。因為新浪微博在熱度、用戶數量、活躍度等指標上居國內同類產品前列，且其對認證用戶的分類明確，囊括了文中的研究對象，故基于該平臺采集的數據進行研究具有現實性與代表性。考慮到按影響力和熱議詞篩選的榜單受到時間及偶然事件的影響較大，而按人氣篩選的榜單則比較穩定，因此本文的數據從新浪微博風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、微博名人、學校這四類主體內部的結構特征及互動關系，又將各主體劃分為不同的行業或部門。本文首先選擇粉絲數排行前5的行業或部門，再分別選取這些部門中粉絲數排在前20名的用戶，對每個主體依次抽取100個樣本數據。企業在人氣榜單板塊中按行業被分為21個模塊，根據粉絲排名，本文抽取汽車交通、商場購物、金融服務、服裝服飾和商場購物5個模塊。而政府包含公安、外宣、司法、醫療衛生和交通部門，學校包含校友會、高校、中小學、出國留學和教育培訓，微博名人則包含財經、商業、房產、科技和政府這5個模塊。
1．2實證方法介紹
本文基于社會網絡分析方法，通過統計各類主體中各用戶之間的關注情況，得出用戶間的二維關聯矩陣，運用Ucinet軟件刻畫各主體的結構特征，并得出密度、內部派系及中心度等各類指標，進而探討各個主體在信息傳播、資源共享時如何發揮作用，內部如何運作，并發現關鍵節點人物。
2網絡傳播主體的網絡結構分析
2．1網絡傳播主體的網絡關系圖譜
本文利用可視化手段得到的各類主體的網絡關系圖我們可以清晰的看到，政府子群聯系比較緊密，且公安部門位于網絡的核心，將各個部門連接起來。同時，基于政府的關聯網絡，最明顯的關聯分別有行業關聯(平安中原、平安南粵、中國維和警察、安徽公安在線等)、區域關聯(北京鐵路、京港地鐵、北京公交集團、北京地鐵等)。這表明當前政府已經意識到了微博的重要作用，開始注重信息的公開化、透明化，使得網絡信息更加明朗，傳播效度更大。公安部門與人們的日常生活息息相關，其傳播信息的日漸公正化、透明化決定了其在政府網絡中的核心地位。根據資源依賴理論，如果一個企業同時與多個企業有直接的關聯，那么該企業就占據了該行業或企業網絡的資源中心位置。企業間的關系并沒有像政府那樣密集，但金融服務業的核心地位很明顯，其幾乎橋接起了整個網絡，把不相關的行業間企業、不接壤的地區間企業連接起來。例如，中國銀行信用卡(金融服務)將黛姿樂維品牌婚宴鞋(商場購物)和新浪汽車(汽車交通)連接起來。根據結構洞理論，占據中心位置的企業對資源流、信息流、知識流有著強大的控制權，說明金融服務板塊在信息傳遞過程中起橋接作用［16］。同時用戶對其所的信息有較高的信任度和熱衷度，金融板塊對信息的擴散也有重要的作用。根據同類相聚原則，同性質教育機構之間的聯系相對比較緊密，例如，紐約大學與USNewsRankings、美國留學MBA、EducationUSA中國等相互關聯。但總體來說，學校之間的關聯比較松散，且獨立個體比較多，說明教育機構之間交流較少，信息傳遞與轉載的速度，名人子群主要以兩個模塊———財經和時尚為核心。說明這兩種行業已經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上升到追求美，由單一娛樂偏好到相對復雜的理財偏好。同時，由于微博名人對信息具有一定程度的偏好，使得這兩類信息相對其他信息的傳播和擴散速度較快，能更快引發普通民眾的關注，并在一定程度上引導輿論導向。由此可知，人們對
2．2政府、企業、微博名人、學校的網絡結構特征
2．2．1網絡密度(NetworkDensity)運用Uci-net軟件分別對四個主體的網絡密度進行測算得出，密度值由高到低分別為:政府、微博名人、學校和企業，相應密度值為:0．2112、0．0955、0．0252、0．0214。將密度值和畫圖軟件NETDRAW所得出的4個主體的社會網絡關系圖進行比較，本文發現密度值和相應的社會網絡圖譜的圖形特征是緊密一致的。當密度值大時，網絡圖形緊湊，密度值小時，網絡圖形松散。政府網絡之間的交流最為密切，聯系緊密。企業之間的關注最為松散，聯系不強。
2．2．2派系分析本文采用Cliques分析法對各個行動者的網絡進行凝聚子群分析，得出:
a．在派系規模最小值為11的情況下，政府網絡中存在10個派系。政府網絡相對比較集中，同時網絡中子群重疊交叉的情況也會比較復雜，說明派系之間的共享成員比較多。我們發現每個派系都包含廣州公安、平安北京、山西公安、平安南粵、河北公安網絡發言、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、醫療衛生和交通部門，在網絡中處于核心地位。同時，除了成都屬于外宣部門外，各派系的成員全為公安部門，說明該部門間的聯系十分緊密，而4個派系中都包含成都，說明成都與公安部門合作密切。
b．在派系規模最小值為3的情況下，企業網絡存在3個派系，它們分別形成了3個完備子圖，并且派系相互之間是獨立的。每個派系中的成員都屬于同一公司，它們之間的聯系主要是母子公司關系，說明了企業與企業之間的聯系并不是特別緊密，而企業內部溝通交流比較頻繁。
c．在派系規模最小值為3的情況下，學校網絡存在9個派系。網絡中子群間是重疊交叉的關系，其中復旦大學為4個派系所共享;哈爾濱工程大學、哈爾濱工業大學招生辦分別為3個派系所共享;武昌理工學院官方、華中科技大學分別為2個派系所共享。派系成員屬于同所大學之間的聯系或屬于同行業之間的聯系。構成派系的成員隸屬高校、校友會和教育培訓部門，說明了這三個部門之間的聯系十分密切，而中小學與出國留學部門之間的聯系比較松散。
d．在派系規模最小值為6的情況下，微博名人網絡存在14個派系。派系之間是重疊交叉的關系，郎咸平、李開復、時尚潮人yinyin等為多個派系共享。派系主要由財經類和商業類的成員構成，財經類中，郎咸平為連接各個派系的核心人物;商業類中，時尚潮人yi-nyin、潮人丹娜、林_小志玲和時尚達達人人為連接各個派系的核心人物。這表明財經和商業類的內部聯系比較緊密，而科技、房產和政府類的內部聯系較少。同時，不同行業的微博名人之間的聯系也比較少。
3．3政府、企業、微博名人、學校的網絡結構對比
本文對點度中心性、點度中心勢、中間中心性及整體中間中心勢進行了測度與分析。中心度指標刻畫了信息傳遞網絡中的關鍵人物，分析中心度可找出處于核心位置的用戶，即可辨別出哪些機構在信息傳播過程中“權利”更大，能夠在較大程度上影響信息傳播。中心勢指標刻畫了信息傳遞網絡的整體密度特征，通過分析中心勢，我們可以描述整個網絡的緊密程度或一致性。
2．3．1點度中心性分析針對政府而言，不同用戶表現出不同的點入度和點出度。點入度表示關系“進入”的程度，在這里表示一個用戶被其他用戶“關注”的程度。點出度表示一個用戶“關注”其他用戶的程度［19］。政府網絡中點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)，說明他們在整個網絡中信息傳播的過程中擁有較大的權力，其的消息為更多人所注意。針對企業而言，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，說明金融企業在信息傳遞過程有較強的影響力，其的信息能夠在網絡中迅速傳播。針對學校而言，復旦大學(23．000)、華中科技大學(17.000)、武漢大學、清華大學(16．000)點入度排名前三。說明高校成員對整個學校網絡的影響最大，是學校網絡信息的主要傳播渠道。該幾所學校均為211、985重點院校，在國內有較強的知名度，其名人效應會增強信息的關注程度與擴散程度。針對微博名人，潘石屹(44．000)、李開復(44．000)、雷軍(33．000)等居于“被關注”關系的中心位置，是整個網絡影響力最大的用戶，他們消息為更多的人所接受，其對某些社會事件的評論會在一定程度上引導輿論導向。總之，用戶影響排名由大到小依次為政府、微博名人、學校、企業，其內部用戶對整個網絡的影響力由高到低。因此，在抓核心人物時，我們應該關注政府與微博名人，這兩類用戶對引導輿論發展、傳播正能量有較好的作用。
2．3．2點度中心勢分析政府網絡的標準化點入度中心勢和點出度中心勢分別為:35．802%和76.615%，說明了該網絡的關注關系有很大的不對稱性。企業網絡的標準化點入度中心勢和點出度中心勢分別為:39．00和63．03%。不論是“關注”還是“被關注”的中心勢都比較小，說明企業網絡沒有明顯的集中趨勢。學校網絡的標準化點入度中心勢和點出度中心勢分別為:20．926%和13．784%。與企業相似，網絡集中趨勢比較低，關注關聯關系比較少。微博名人網絡的標準化點入度中心勢和點出度中心勢分別為:3.205%和3．297%。名人網絡明顯分散，聯系不緊密，與其派系特征相匹配，派系過多且派系間的聯系較少。總體而言，四個網絡的中心勢由大到小分別為:政府、學校、企業、微博名人，用戶集中程度依次遞減，整體聯系逐步下降。
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社會網絡中的權利較大，能夠在一定程度上控制信息的流動。政府網絡中，平安遼寧、平安北京、豫法陽光的中間中心度比較高，說明其他各用戶獲取消息在很大程度上依賴于這些關鍵用戶，他們在網絡中權力較大，在很大程度上控制了信息的流動。同時，可以發現這些用戶的點度中心性也都位于前列，說明該關鍵用戶最有可能成連接政府網絡中交流信息、溝通意見、協調行動的重要橋梁［20］。另有鼓樓微訊、上海的中間中心性指數為0，說明這些成員處于網絡的邊緣地帶，對于信息的傳遞并不重要。在企業網絡中，點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，且新浪汽車的點入度也較高，說明該用戶是整個網絡的交流中心，處于網絡的核心位置，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。在學校網絡中，中間中心度最高的8個節點分別是復旦大學、華南理工大學校友會、華中科技大學、復旦大學校友會、哈德斯菲爾德大學、中國人民大學校友會、北京王府學校。將中間中心度最高的節點與點度中心度最高的節點進行比較發現，中間中心度最高的8個節點中有5個出現在點出度最高的8個節點中。例如，復旦大學和武漢大學的點入度、點出度、中間中心度都較高，說明基于三種不同的中心度進行計算，武漢大學和復旦大學都是核心成員，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。在微博名人網絡中，思想聚焦、IT觀察猿、李開復的中間中心度是比較高的。但IT觀察猿的點度中心度并不高，說明該用戶與其他用戶交流并不是很多，而其他各個用戶利用其獲取消息的依賴程度是比較高的。另有辣評娛樂圈、蘇若琳的中間中心性指數為0，說明這些成員處于網絡的邊緣地帶，對于信息的傳遞并不重要。
2．3．4整體中間中心勢分析整體中間中心勢越大，說明該網絡中成員對其他網絡成員之間的交往能施加的影響力越大［21］。企業、學校的整體網絡中間中心勢分別為8．32%、7．27%，指數偏低，說明這兩類網絡中缺少對其他節點有明顯控制力的關鍵節點，缺乏較強的信息傳遞能力。因為如果整個網絡中大部分的節點不需要別的節點作為橋接點，那么該網絡有較強的信息傳遞能力。政府、微博名人網絡的中間中心勢分別為17．23%、12．22%，說明在政府、微博名人網絡中，對其他節點具有較強控制力的節點分布比較集中，有較強的信息傳遞能力。4結論本文從關注微博用戶網絡的結構、密度、派系、中心性等出發，比較分析政府、企業、學校、微博名人這四類網絡中內部用戶的互動關系、個體用戶的各項指標，為發現認識微博網絡的形成和發展，及信息如何在網絡中更有效的傳播提供了幫助。經過分析之后得出:
a．政府網絡的網絡結構比較密集，信息是在一個具有強關系的小網絡中傳播，網絡內部信息傳遞的效率較高。在政府網絡內部，公安部門內部聯系比較緊密，其橋接網絡內部信息傳播的作用凸顯，處于政府網絡的核心領導位置，是政府網絡信息傳遞的關鍵人物，對信息的傳遞與擴散有較大的控制權力。然而政府網絡的點度中心勢很高，反映了政府群體過于集權，過分依賴少數群體，信息在網絡的傳播就容易被該群體壟斷。因為點度中心勢代表的是群體集權程度，如果一個群體的中心勢很高，這個群體的互動實際上就很集權，幾個關鍵人物就代表了整個社群的互動。此外，在派系分析中，政府網絡的派系雖多，但各個派系都包含公安部門，再一次說明公安部門在政府網絡信息傳播過程中具有很強的影響力。這是因為隨著社交媒體的興起，人們開始關注社會各類法制事件，且公安部門的信息往往真實程度最高，故受到人們的青睞與信任。這說明政府網絡要利用好社交媒體更好地傳遞信息，需提高各個部門的公信力度，提高其公開性與透明性，政府網絡派系間應多交流，避免信息傳遞的單一性。
b．與政府網絡的結構特征類似，微博名人網絡的結構也比較密集，但卻有別于政府網絡呈現出來的包絡性，網絡內部有兩個凸顯且密集的子群。名人子群主要以財經與時尚為核心，體現了人們對信息有一定的偏向性。隨著社會的發展和生活條件的改善，人們開始關注理財與精神需求。網絡內部的關鍵人物主要是一些知名度較高的企業家或時評者，其名人效應使其在信息傳遞的過程中有較大的話語權。在微博名人網絡內部，財經和商業類聯系比較緊密，信息在二者內部傳播較好，但部門間聯系不緊密，導致信息在整個微博名人網絡中的傳播效率不足。網絡派系過多，雖由一些關鍵人把派系間聯系起來，但派系間呈現行業特征，其的信息內容較為獨立，各派系間信息內容的交叉現象不明顯，導致從整體來看，不同類別信息在微博名人網絡中的流動有一定的障礙。此外，微博名人網絡的中心勢過低，這也意味著網絡內部群體過于分散，使得互動分散而不集中，信息在子群內傳遞的效率較高，而在整體網絡中傳遞的效率較低。這說明信息要在微博名人網絡中更好地傳播，需提高各類子群所信息的多樣性，避免由于信息的獨立性而造成信息傳遞中斷。
c．相比前兩類網絡，企業網絡的結構較為松散，信息在網絡中的傳播速度比較緩慢，且直接傳播途徑較少，內部成員主要通過搜索或者通過關注外部成員獲取信息。企業網絡內部的派系較少，且派系間的聯系不明顯，信息在整體網絡中流動性較差。在企業網絡內部，派系主要由母子公司成員構成。當母公司信息時，子公司作為公司集團微博中的一員，通過關注、借助企業品牌的源吸引力，形成了自身的用戶關注網絡，公司職員關注其微博，獲取信息來源，同時也產生一些間接關注，從而形成一個大的子網絡。由此發現信息在企業中的傳播主要依靠企業微博及與此相關聯的集團微博的吸引力。此外，我們發現金融部門在企業網絡信息傳遞過程中扮演重要角色，其嫁接橋梁為其他企業提供間接聯系。這說明信息在企業網絡中的擴散能力較弱，需強化關鍵人物的中介作用，使信息在網絡中更好地傳遞。
一、社會網絡對員工心理的作用研究
員工心理是預測組織績效和個人績效的一個有效前因變量，員工在社會網絡中的不同位置會影響員工心理進而影響組織和個人績效，如員工滿意度、組織認同和心理契約等。一些學者認為社會網絡的構成如網絡的大小、網絡中心性等會影響到員工的工作滿意度（Shaw，1964；Roberts&O''''Reilly，1979；Brass，1981；Ibarra&rew，1993）。Hurlbert(1991)于1985年對美國一般社會調查(GeneralSocialSurvey,GSS)使用問卷測量工作滿意度，探討工作社交圈人數、網絡緊密度及密度對工作滿意度的影響，研究結果顯示工作社交圈人數以及緊密的社會網絡對員工工作滿意度的增加影響顯著。[7]事實上，除了網絡內部的構成會影響到員工的滿意度，社會網絡的覆蓋范圍也會影響員工的滿意度，即處在網絡內部和網絡外部的員工滿意度的感知是不同的。王海珍等（2011）認為，派系形成會對網絡內外的員工形成不同的滿意度感知，處在圈內的人能夠提高滿意度，而處在派系之外的局外人則會降低滿意度。[8]除了滿意度外，組織認同和心理契約也會受到社會網絡的影響。“已有的研究表明，朋友網絡可以提供社會支持，培養歸屬感和群體認同”（Ibarra，1992；Krack-hard，1992；Podolny&Baron，1997）。
如Krackhardt和Porter發現,“離職的員工會使留在組織中的朋友組織承諾降低”。[11]張勉（2008）等通過“采用個體網問卷調查的方式，考察了組織中朋友網絡結構對于組織認同的影響”，實證“研究發現，朋友在組織中分布的部門越廣泛,或者處在越高的管理層級,那么個體的組織認同感就越強，對于和朋友溝通頻繁的個體來說,朋友網絡地位和文化認同的正相關關系會顯著增強。”5還有學者認為，“社會網絡有助于傳遞準確的信息并形成穩定的心理契約”。社會網絡的規模和強連接會對心理契約產生積極作用，尤其對于新員工,社會網絡在建立心理契約上起到積極作用（KathrynL.Engel，2008）。[12]
二、社會網絡對員工行為的作用研究
員工行為是組織行為學研究的重點，有學者認為，基于社會網絡范式的員工行為研究將是未來管理研究的新視角（武欣等，2005）。[13]由于社會網絡分析的介入，使我們對員工行為有了進一步的認識：員工的離職行為、利他行為、創新行為、道德行為以及破壞行為等都受到其社會網絡的影響。Mitchell（2001）等人提出了“工作嵌入(JobEmbeddedness)”的概念,并且證實了工作嵌入相對于態度變量能更好地解釋離職。6Mossholder等人（2005）認為，“網絡中心性作為工作嵌入的具體表現能夠降低離職可能性。”[14]王振源,戴瑞林（2011）通過文獻整理后發現，個體在社會網絡中的位置、社會網絡的結構形態等都對離職產生影響，因此，在“考察員工主動離職時,不能僅僅關注員工的工作態度或者工作本身的因素,還應當考慮非正式工作關系的重要作用”。7員工利他行為也被稱為個體組織公民行為，社會網絡對個體組織公民行為有重要的影響。Bowler（2002）認為，“網絡個體的結構和權威性與組織公民行為的實施呈負相關關系，與組織公民行為接受成正相關關系；第三方影響與組織公民行為呈正相關關系；正式組織的規模與組織公民行為的實施和接受都呈負相關關系。”8有學者從實證角度驗證了社會網絡對員工組織公民行為的影響（侯德娟，2005；張斌等，2011），相關研究表明，情感網絡程度中心性對員工個體的組織公民行為有積極影響;情感網絡中介中心性對組織公民行為存在負向影響。[15]不僅如此，社會網絡也會促進員工創新并因此提高創新能力，黃昱方等（2013）經過實證后得出，創業團隊的社會網絡會影響員工的創新能力，即團隊外部社會網絡聯系強度與創新能力負相關,團隊外部社會網絡結構空洞與創新能力正相關。
社會網絡的構成也可能抑制不端行為的發生。有學者提出,與陌生人相比,當行動者的行為關系到與自己有強連帶關系的人的時候,行動者會更容易意識到事件的道德本質,更不容易做出非道德行為。因為強連帶關系的建立是緩慢遞增的，時間成本會阻礙非道德行為的發生（Brass，1998）。[17]李永強等（2010）通過相關文獻研究提出，關系結構、關系類型對員工非道德行為將產生重要影響。[18]除了研究社會網絡對員工行為的正面作用外，也有學者從負面角度研究了社會網絡對員工行為的負面影響，結果顯示，社會網絡中的行為與結構特征如同伴的破壞行為等對員工工作場所破壞行為有顯著影響（RuolianFang，2010）
三、簡評
相關文獻已對社會網絡對員工的影響進行了研究。從中可以管窺，不論是自然形成還是人為構建，企業都會形成各種員工社會網絡。由于社會網絡的現實存在，都將對其中的各個節點產生影響，在中國這樣一個“關系”文化背景下，企業要想提高管理成效，社會網絡在企業管理中的應用應該是一種必然和趨勢。但是目前對員工各種社會網絡結構的形成路徑、機理還不清晰，對是否存在最佳的網絡拓撲結構還未進行研究，未從多層次多維度來探討不同社會網絡對員工行為的綜合作用效果。雖然現有研究已探及社會網絡在管理中的應用，但是都是一些策略性建議，并沒有涉及具體的企業管理，并且由于上述研究的不足，因此如何在識別現有的社會網絡特性的基礎上，利用社會網絡等理論進行有效管理還非常缺乏。比如從靜態上，內部如何管控員工關系網絡，增加員工的有益組織行為和角色外行為，減少反企業行為等；從動態上，在預測企業社會網絡的發展演化路徑及其影響的基礎上，采取適當方法干預企業社會網絡的結構和功能，以滿足組織發展的需要等等都是企業管理所需要的，這也是未來研究的重點和方向。企業管理是為了解決企業問題的。當今中國正面臨著深刻而全面的社會轉型，它不僅涉及社會的各項制度設置及其帶來的資源獲取問題，而且還觸及到精神層面的價值認知和幸福感受。同時，信息化、網絡化改變了員工認識自我與組織關系的視角和方法，使員工自身權利意識不斷增強，組織約束力不斷下降。諸多社會問題都直接或間接地影響到企業的管理，增加了市場經濟的交易成本和運行代價，使企業在管理上面臨新的壓力和難度。如何利用和管理好企業社會網絡，引導員工行為是管理者和研究者必須共同思考的問題。“社會網絡理論強調人際關系、關系內涵以及社會網絡結構對管理及社會現象的解釋”，可以說，它既是組織獲取知識和資源，提高組織績效的主渠道，也是增強組織凝聚力，提高管理效果的重要工具。對企業社會網絡進行分析，可以配合組織內部管理更好地解決企業管理難和可持續性發展問題，它的有效研究和利用將能為企業管理提供新的研究視角和理論依據，豐富本土管理理論，并有助于企業的健康快速發展，因此具有重要的理論與現實意義。
作者：聶會平單位：湖南文理學院經管學院
社會網絡的定義：羅家德認為社會成員在互動的過程中形成了一種較為穩定的社會關系，它包涵了人際關系和網絡的結構特征對社會中的現象解釋。總的來說社會網絡是企業與網絡內其他各成員（如政府部門、科研機構、金融部門及其他中介組織）所形成的各種資源和關系的集合。它包括網絡結構和網絡關系層面。知識共享的定義：員工個人的知識（顯性和隱性）通過各種各樣的交流方式被企業內其他成員共同分享，進而轉變為企業的知識財產。這個過程包含了個人與個人的知識交流，知識在個人，組織和網絡內的循環流動過程。技術創新的定義：熊彼特《經濟發展理論》一書中將技術創新分為產品、工藝、原材料、市場和組織的創新等。企業技術創新能力的核心是擁有專業知識的員工、管理系統的技能、技術系統及企業價值觀。
二、社會網絡、知識共享與技術創新維度的劃分
社會網絡維度的劃分：Burt于1982年提出“關系-位置”網絡分析模型：結合了分析的方法和分析的對象提出了位置分析和關系分析方法。它主要研究對象是：網絡成員處于網絡中的關系及其強度、行動者在網絡中的位置。本文也采用關系位置法將社會網絡分為網絡結構、關系強度兩個方面。網絡結構包括網絡中心性、網絡密度和網絡的范圍（尹享邑，2009；王霄云，2005）。關系強度具體包含了連接穩定性，互動頻率和互惠性（Gr-naovetter，1990）。知識共享維度的劃分:當前對知識共享的測量有兩種常規方法，一種是傾向從知識存在形式（顯性知識和隱性知識）的分享程度來衡量知識共享的水平。第二種主要是從知識的傳播形式，包括知識的獲取和知識的提供來衡量知識共享的程度。本文選擇第二種形式，即從知識的搜索和知識的轉移兩個方面考慮知識共享。技術創新的維度劃分：通常情況下，國外學者用專利使用數量與專利的應用情況來衡量創新績效。如David-son&Mcfetridge（1987）以技術取得的范圍、速度來衡量創新能力。Hage-doom&Cloodt（2003）用R&D投入、申請和引用專利的數量和新產品數量來衡量創新績效。國內學者張方華（2006）從創新效率這一角度考慮，用新產品開發速度、年創新產品數、創新產品的成功率、每年申請的專利數、新產品占總銷售額的比重這五個指標來衡量技術創新能力。本文從產品創新和工藝創新兩個層面考慮。
三、社會網絡、知識共享與技術創新的相互關系
（一）社會網絡與技術創新的關系
主流方向主要從網絡結構和網絡關系兩個方面來研究與技術創新能力的關系。從網絡結構方面來看，主要從網絡中心度，網絡范圍，網絡密度來考察與技術創新能力的關系。企業如果在網絡中占據的結構洞越多，則企業在整個信息網絡傳輸中占據的地位越有利，企業能夠更多的了解技術的變化，并作出相應的技術決策，所以企業在技術創新方面就會占據較大的優勢。Powell(1996)認為網絡中心度的高低與企業和其他團體單位合作技術開發程度、市場信息的流動速度呈正相關，最終影響到企業技術創新的效率。另外，絕大本分研究（Bauxn，Calabrese&Silverman，2000；彭新敏，2009）認為，網絡范圍越大，意味著獲得的關系資源越豐富，企業在創新過程中能有更多的方法獲得知識，形成一種創新規模效應。在網絡密度方面，趙曉慶和許慶瑞（2002）認為企業能與更多的組織成員產生聯系則企業的網絡密度會更大，企業能夠獲得更多的資源，隨著聯結強度的增強，企業間的信任感提高，有利于彼此之間的互利，形成長期的合作關系。從以上觀點分析可以看出：社會網絡的中心性與企業技術創新能力成正相關關系；社會網絡的范圍與技術創新能力成正相關；社會網絡的密度與技術創新能力成正相關。從網絡關系方面來看，主要是通過研究關系強度、關系質量與技術創新的關系。一般情況下認為關系強度越強，越能加深與其他合作組織的情感和信任，因為這樣可以減少其在技術創新創新過程中產生的不確定性風險。網絡關系強度包括網絡各個節點之間交流的時長、感情的密切程度、認識程度和互惠性，網絡的關系強度和企業技術創新能力存在顯著的正相關關系。彭新敏（2009）認為比較強的社會關系，有利于高質量知識和隱性知識的擴散，趙曉慶和許慶瑞（2002）比較強的社會關系是信任和互利的基礎，可以規范合作伙伴行為，有利于創新活動的開展。從以上觀點可以看出：社會網絡關系的聯結穩定性和技術創新能力存在正相關關系；社會網絡關系的互動頻率能夠促進技術創新能力的提升；社會網絡關系的互惠性性對技術創新有顯著的促進作用。
（二）社會網絡和知識共享的關系
主要從網絡結構與網絡關系兩個方面來探討二者的關系。從網絡中心性方面來看，根據前文涉及的結構洞理論，在較為松散的網絡結構中，容易產生較多的結構洞。網絡中處于“橋”的一方能夠獲得更新更廣泛的信息，能夠促進新知識在組織內部的不斷雙向流動，進而能夠促進網絡內部的知識共享。中心性對知識共享的正向影響被很多人研究過，如Hansen（2002），Perry-Smith&Shaller（2003）等。一般認為，較高的網絡中心性的個體往往在組織中有較高的權威，一定程度上可以支配其他的員工，促使他愿意知識共享。由于中心性較高的個人或團體具有核心的地位，其他成員或組織對其知識能否共享的期望也很大，中心性較高的個人或團體為了維護自己的威望和地位，會努力實現與大家知識共享的愿望，最終促進了網絡中的知識共享。例如Perry-Smith&Shaller團隊中越是處于核心位置的個人就越能掌握越多資源，知識共享的效果也越明顯。從網絡密度來看，蔡鉑、聶鳴認為密集的網絡加深企業之間的相互信任，方便了隱性知識和敏感信息的交流，促進信息和知識在企業之間的流動，有助于企業的知識共享。謝鴻明等（2009）認為，網絡密度越大越有利于團隊獲取外部知識，網絡內部的知識交流也更充分。朱麗亞（2009）的研究表明，在企業知識轉移的過程中，知識發送端的網絡中心度促進知識的發送，網絡密度促進接收端知識的接受，而網絡范圍可以促進接收端知識的吸收。從網絡范圍來看，Reagans認為隨著網絡范圍的擴大，網絡成員有更多的機會獲得知識源，進而有了顯隱性知識相互轉換的機會，促進知識共享。在社會網絡中，作為網絡一個節點的企業如果能夠占據網絡的中心位置，就可以控制更多的相關資源，獲取其他成員提供的知識和技術；為了維護自己的威望和地位，中心性較高的企業也會努力實現與大家知識共享的愿望，最終促進了網絡中的知識共享。同時，企業不僅僅要與高校、科研院所、銀行、中介組織建立聯系，還要擴大與供應商、大型客戶和其他企業的相互聯系，盡可能的挖掘出潛在的關系，從而擁有更多的信息獲得和分享渠道，促進網絡成員的知識共享。因此網絡的結構和知識共享有如下關系，社會網絡的結構（中心性、網絡范圍、密度）與知識共享（知識搜索、知識轉移）成正相關關系。從網絡關系的角度來說，格蘭諾維特將關系分為強弱兩種，兩種關系在知識的搜素和轉移中作用相異。NooteBoom對美德兩國的企業進行實證研究時發現，企業合作機制穩定性越高則網絡成員之間有信任感越強，從高有利于知識共享。一些研究表明企業聯系的穩定性、關系的互惠性和聯系頻率的增加可以使企業與合作伙伴建立長期的合作機制，增強彼此的互信，推動網絡內部的知識和信息資源的分享，增強知識共享的意愿。因此網絡關系與知識共享之間存在下面的的關系，社會網絡的關系（聯結穩定性、互動頻率、互惠性）與知識共享（知識搜索、知識轉移）成正相關關系。
（三）知識共享與技術創新的關系
企業技術創新能力提升的過程中最大的障礙是缺乏知識和經驗，知識共享在企業技術創新過程中減少學習中的各種障礙。Henson和Mors（2005）從知識共享的過程出發，將知識共享分為三個過程：是否共享的決策、知識轉移和知識搜索。是否共享的決策就是決定是否向組織外部吸收新的知識；知識搜索是指組織內成員尋找所需要的知識的過程；知識轉移當找到了所需要的創新知識后，把知識吸收整合為組織內部的知識同時應用于實踐中。主流研究者普遍認為，知識的獲取對企業技術創新能力的提升極端重要（如Yli-Renko，Antio&Sapienza，2001）。Yli-Renko（2001）認為與合作伙伴間的相互交流可以得到知識，這些技術知識的消化和吸收能夠為高新技術企業新產品的開發提供強有力支持（Yli-Renko，2001）。Wu&Tsai(2005)提出知識轉移作為知識共享的重要方式，可以營造企業內部的知識共享氛圍，有利于企業的學習。Tsai認為知識轉移能提供給成員之間交流合作的機會，在這一過程中能夠顯著刺激知識的再創造和提高組織創新能力，知識轉移可以將新產品開發需要的知識轉移給所需要的成員。知識共享可以幫助企業通過不同的渠道不同的發送者將知識流轉移到技術創新的團隊中，增加了企業的技術創新知識存量。在社會網絡中，企業間的交流和企業內部的交流共同促進知識的吸收和轉換。知識共享的過程可以營造良好的學習氛圍，減少技術創新失誤，增加知識存量，從而提高了企業的技術創新能力。
（四）知識共享的中介作用
網絡關系方面，Inkpen和Tsang認為網絡關系有利于信息和知識的流動，企業可以更好的吸收和研發新技術，有利于企業獲得更好的技術創新能力。其他研究也發現了知識共享在網絡關系與技術創新之間的中介作用。如余紅劍研究新創企業時發現，新創型企業與合作組織之間的良好網絡關系能夠增進雙方之間的知識共享意愿，提高企業的學習與整合應用能力，促進企業技術創新能力的提升。左惟和李麗研究酒店連鎖企業時，從社會資本理論角度探討了網絡關系、認知維度與企業內部組織間知識共享對知識資本和組織績效的影響程度。基于以上分析可以得到，在網絡關系對企業技術創新能力的影響中知識共享產生中介作用。網絡結構方面，Ahuja發現網絡成員的聯系強度越大，知識在網絡內部的擴散程度越大，網絡成員越容易獲取知識，從而提高了知識整合能力，促進了新產品和新技術的產出。Paruchuri認為企業在網絡中心的位置可以改變網絡內部的知識流動，從而影響企業的創新活動。國內的李隨成和高攀認為網絡中心性與知識獲取機會成正相關。位置中心較大的成員能夠縮短知識搜尋和獲得的時間，提高知識的整合能力，從而促進了企業創造新知識的能力。陳偉和楊早立從知識共享和知識整合的視角探討了網絡的結構與企業核心能力的相互關系。因此得出如下結論：知識共享在網絡結構和網絡關系對技術創新能力的影響中有中介作用。
四、結論與建議
輿情傳播模型的研究，我國起步相對較晚，歐美基于“Publicopinion”視野開始對輿情傳播模型進行研究，Sznajd–Weron運用離散分析個人怎樣受到外界社會群體的影響，并提出了Sznajd模型［22］，Sznajd假設個人意見只有+1和－1表示，每個人的意見受鄰里或群體的影響并影響著鄰里以及群體，各群體或者子系統意見將會趨于一致。在Sznajd模型中，用+1或者－1表示個體意見，在現實生活中，個體意見并不是非左即右，往往處于兩者之間，呈現出連續的狀態。很多學者用離散模型修正對Szanjd模型進行修正，在連續模型中，混合模型［23］和邊際動力模型［23］對后來研究影響較大，混合模型和邊際動力模型與Sznajd同樣，進行模型模擬結構并未解釋模型，缺乏理論模擬解釋。ShuguangSuo和YuChen基于社會網絡分析法，提出Sznajd修正模型—社會網絡動力輿情傳播模型［24］，假設個人意見只有+1和－1，通過對模型連續的觀測，在某一個時間點上選取一個點，并隨即選取某一個鄰居，經過足夠長的時間后，系統內成員總會達成一致，具有相同的觀點。但現實中，社會長期存在多種觀點，而且在交往過程中也總是與多個系統以及系統外成員進行交往，為此我國學者潘新、鄧貴仕、佟斌針［4］對這種情況進行，對模型進行了改進，提出了輿情傳播模型，試圖解釋輿情傳播連續性和交互性;最后解釋為在社會網絡中，信息受體(個人)并非直接全部接觸信息源的觀點，而是有選擇地接受信息源的觀點，在整體網絡中存在持不同觀點的受體且成一定比例;否則整體網絡中所有受體觀點將趨于一致。在輿情前傳播階段，體育賽事在關注的群體中觀點較為一致地傳播。一旦突發成型輿情事件，社會各界(自媒體)加入到體育賽事輿情事件傳播中，形成更復雜更寬廣傳播系統并帶入多種觀點。為此本文通過實證分析體育賽事輿情傳播模式，試圖揭示體育賽事輿情傳播規律，路徑以及傳播寬度和速度。
2賽事輿情社會網絡結構
斯坦利•沃瑟曼、凱瑟琳•福斯特［25］分析認為，社會中的人、組織彼此間關系可以表述為相互作用的關系模型或規律，這種個人、組織之間關系將對彼此產生影響。社會網絡分析不僅可以描述行動者個體與其周邊鄰居之間錯綜復雜的關系和連接，并且可以借助計算機工具對行動者和組織成員之間進行可視化建模，使研究者更加直觀清楚地了解行動者的關系和關系圖式［27］。基于社會網絡分析，行動者之間相互作用，可以用一種基于關系模式或規則進行表述，然而WEB技術發展，傳統的社會關系模式已經難以適應，通過量化和可視化兩個角度對社會行動者實體關系進行研究，社會網絡分析最常選用社群圖和社群矩陣兩種研究方法，已經成為社會網絡分析重要方向。社群圖通過節點和連接線描述行動者之間關系，社群矩陣分析行動者角色及其關系。體育賽事輿情事件傳播行動者之間的信息傳播有接受也有傳出，為此賽事輿情事件傳播表述需要采用有向圖。突發賽事輿情事件傳播社會網絡傳播模型通常采用關系矩陣和社會網絡分析結構圖。本文研究對象僅為體育賽事網絡傳播輿情傳播，研究該事件網絡傳播集合內部各個行動者之間的關系，也就是1—模網絡。社會網絡分析時，整體網結構、行動者在整體網地位和角色以及網絡內部結構特征都是1—模網絡分析重要內容［21］，這也是本文的研究內容。社會網絡分析研究自20世紀40年代在社會理論和實證發展之間因為缺乏中層理論而發展起來的，20世紀80、90年代受到多個學科的重視，時至今日，社會網絡分析提供了很多用于結構測量的參數［28］。按照網絡規模可以將其分為整體網絡結構、局域網絡分析和個體網絡分析［29］。本文測度賽事輿情事件傳播，對體育賽事輿情傳播網絡模型進行分析和研究，分析1－模網絡整體結構。網絡整體結構主要通過行動者之間緊密關聯程度進行描述，即密度和中心度，密度反映整體網絡凝聚力的總體水平。巴恩斯研究了隨機網絡模型，指出網絡圖密度最大值為0．5［30］。Lauman，Marden［31］對網絡整體結構研究指出:整體網絡中核心結點極其重要，可通過分析核心結點數量及鏈接結點測度核心結點的重要性。整體社會網絡核心結點測量為中心度測度提供了可能和大量的參數，行動者中心度和組群中心勢就是社會網絡中心最常用的兩個參數。Proctor和Loo-mis［32］認為行動者中心度和組群中心勢是分析行動者中心位置的指標，反映其在社會網絡中具有怎樣的權利以及中心點位，這也是早期社會網絡分析理論的主要觀點。中心度反映行動者與其他行動者聯系緊密程度，反映該行動者在整體網絡傳播過程中的重要程度，在整體網絡中擁有“權力”大小。整體網絡中行動者點度中心度就是該行動者直接聯系行動者數目。說明整體網絡集中趨勢為中心勢，中心勢描述整體網絡差異性程度，整體網絡中心勢描述額該網絡整體的集中趨勢。由于行動者在整體網絡角色和地位不同，起到作用也各異。斯坦利•沃瑟曼［25］、羅家德［28］等在對整體網絡進行分析研究時指出，社會網絡是通過結構等價描述和探討個體行動者在整體網絡中的地位和角色，如何嵌入到整體中網絡中的，兩個行動者接受和發向網絡中所有其他行動者的關系是相同的，那么它們結構等價。Burt［33］通過研究指出歐幾里得距離法通過度量成對行動者傳播距離來測度整體網絡行動者角色和地位。成對行動者距離構成觀測矩陣，矩陣中的每個元素度量的是行行動者與列行動者的歐幾里得距離。在整體網絡中，并不是所有的行動者直接聯系，通過中介傳播必不可少，Burt將這種非直接并通過中介傳播的聯系定義為結構洞［33］，結構洞也是描述行動者位置和角色重要概念。結構洞的存在使得部分處于中間位置的行動者居于重要的聯絡位置，因而在整體網絡中對資源和信息流動具有重要的作用。結構洞計算相對復雜，目前關于結構洞計算主要有兩種方法:Burt的結構洞計算和Borgetti中間度計算，結構洞計算測量主要是測量有效規模、效率、限制度以及等級度，限制度在整體網絡結構洞測量中最為重要，是指該行動者在整體網絡中在多大程度上擁有運用結構洞的能力或者協商能力［29］，測量數值越大，限制能力越大，測量數值越小，行動者跨越結構洞可能性越大，結構非冗余信息源能力也越強［34］。在社會結構網絡中，聯系越緊密，聯系關系越強，越易受關系的限制，在輿情傳播過程中，弱聯系有利于信息傳遞。組成整體網絡基本要素就是行動者及子群，測評行動者、子群關系，是測度整體網絡內部結構不可或缺的重要手段。凝聚子群在整體網絡測度中扮演著重要的角色，是整體網絡中行動者之間具有較強、直接、緊密、經常的或者積極關系的行動者子集合［25］。在輿情傳播網絡中，凝聚子群指該社會網絡行動者之間關系特別緊密，結合成為一個內部結構的團體，從而成為交流傳遞信息的集合。本文采用κ－核分析凝聚子群，κ－核是每個節點至少與一定數量(κ)相鄰結點鏈接形成凝聚子群，凝聚子群內部行動者關系緊密，有利于信息傳播和分析;不同凝聚子群行動者交叉重疊則更加有利于信息的擴散。
3實證研究
3．1“廣州馬拉松”輿情事件概況
2012年11月18日，廣東省廣州市舉辦馬拉松比賽，10公里選手陳杰和5公里選手丁喜橋比賽中突發休克，最后經搶救無效先后死亡。人民網、新華網、新浪網、鳳凰網等新聞網站在第一時間報道了相關新聞，賽事組委會也通過各類渠道積極對外消息。由于體育賽事本身受體人群龐大，經微博等自媒體爆炸式傳播，形成強勁輿論影響力，僅新浪微博上與廣馬死亡事件有關的微博就達到135萬條之多。本次賽事受到了政府官員、媒體、醫療行業等等關注。2012年11月18日當天，隨著第一名運動員猝死，輿情掀起了一個小高峰;2012年11月25日，第二名運動員經搶救無效死亡后，掀起輿情傳播高峰。隨著組委會信息公開，輿情在此刻達到高峰后逐步下降。2012年11月26日，廣馬引起的新聞報道共1520篇，網名跟帖179萬次條。廣馬輿情，主題事件影響大，波及范圍較廣，傳統媒體在整個事件扮演著信息源等不可或缺的重要角色，賽事組委會和廣州市體育賽事主辦單位積極應對，及時公布信息，尤其是在后半階段，國內主流媒體正面引導和宣傳，在一定程度上挽回了賽事負面影響。賽事組委會積極與媒體溝通，并通過新媒體及時公布信息，成為本次輿情事件應對的關鍵點。
3．2數據處理與采集
3．2．1社會網絡分析概念描述本研究用關聯矩陣表示輿情傳播網絡結構，節點表示輿情傳播行動者，邊表示行動者之間關系。基于賽事輿情事件傳播速度快，為此假設賽事輿情傳播在某一節點時間內，為靜止狀態［4］。分別用+1和0表示輿情傳播系統的兩種觀點，即在初始狀態下，系統中所有用戶的意見被隨機設為+1和0，進而對網絡傳播鏈接進行計量［21］。基于社會網絡輿情傳播分析主要就是對網絡結構、角色地位進行分析，本文選擇測量對整體網絡結構、行動者網絡角色和地位、整體網絡內部結構［4，35］進行測量和分析。整體網絡結構分析參數為密度、中心度和中心勢，行動者角色和地位參數主要為歐幾里得參數和結構洞限制度，整體網絡內部結構參數為κ－核。3．2．2賽事輿情網絡傳播數據采集本文以2012年廣州馬拉松輿情事件為研究對象，選取公共信息發表平臺和個人信息交換平臺進行數據截取。公布信息平臺選取了40個節點，包括新華網、人民網、大洋網、南方都市網、網易、新浪、騰訊新聞等以新聞傳播為主線的信息平臺;選取了天涯網、貓撲網、搜狐論壇、鳳凰論壇、百度貼吧等以論壇和交流社區為主線的公共信息平臺，以優酷網、土豆網、鳳凰視頻網、百度視頻、酷六網等以視頻為信息平臺。選取自媒體輿情行動者40個，主要來源于微博、博客、微信等自媒體，通過挖掘各結點之間關聯線以及評論進行數據采集。信息傳播由信息源往受體方向傳播，信息員向受體傳播的方向性，為有向社會網絡結構。輿情傳播過程中，信息源將信息傳遞給受體，受體在一定程度上又將影響信息源，表現為一種互動關系模式。在有向社會網絡關系中，信息受體既可以反作用影響信息源，也可能并不發送信息影響信息源，為此存在單向網絡和雙向網絡。通過網絡循證數據，整理排列出80×80互動關系矩陣，運用PAJEk軟件進行可視化分析，生成廣馬有向輿情傳播結構圖，具體見圖1。
3．3整體網絡結構側度
3．3．1密度分析密度是社會網絡分析常用指標，尤其是在無向網絡分析中，指網絡實際連接數量與理論可能存在最大連接數量之間的比值，密度越大，表明行動者之間連接越密切，信息交流就更為順暢;密度越低，情況相反。由于密度受測評傳播網絡規模的影響，社會網絡最大聯系數為N×(N－1)，當增加一個行動者時，增加的社會網絡最大連接數較大，但實際連接數相對固定，尤其是在網絡規模較大時。為此社會網絡分析專家引進了點度概念用語測評社會網絡密度，點度是指在社會網絡中，行動者所擁有最大連接數量。通過Pajek軟件測量廣馬輿情事件密度可知，平均密度(矩陣)為0．156，平均點度為24．95，即一個行動者將與24．95個鄰居進行信息互動，實現信息傳播。由此可見，在廣馬輿情事件結構圖中，各節點相互聯系緊密。尤其是傳統公共媒體間存在信息互動，這成為推動廣馬事件迅速傳播最直接原因，擴大廣馬輿情事件傳播范圍和影響力，增加受關注程度，造成關注過于集中，給廣馬賽事帶來不良的影響。3．3．2點度中心性分析點度中心度是基于行動者與它接鄰行動者節點數，節點入度是鄰接至行動者的節點數，出度是鄰接到自行動者的節點數。在社會網絡中，點度中心度出度是擴張性測度，入度則是接受性測度。對出度測量，有利于掌握信息擴展的途徑，對入度的測度，有利于掌握信息發展的態勢。表1為廣馬輿情事件點度中心度的測度數據。廣馬輿情事件傳播節點的點度范圍4～95，整體傳播點度密度為0．45472，lc老蔡通過網絡傳播鄰居數量最少，在社會網絡中，相對孤立，對網絡傳播產生的影響最小;以人民網為代表的大眾傳媒，出入度較高，網絡傳播鄰居的數量最大，影響相對較大，成為網絡傳播有力推手。3．3．3行動者距離在社會網絡中，行動者距離是用來描述一個行動者到另一個行動者之間最短距離，也稱為“測地線”，尤其是在六度空間理論發展起來之后，行動者距離在社會網絡分析研究中，具有舉足輕重的地位。圖2顯示，廣馬輿情網絡結構圖中，各行動者之間的距離，其中最大距離以76號行動者“聯合早報”到17號行動者“靜如山岳”為代表，最大距離值為12，最小為1，大部分行動者之間的距離為1和2。在輿情信息傳播過程中，傳播距離越短，傳播速度就越大，造成的影響力也越大。整個廣馬輿情傳播的平均距離為2．93833，信息傳播速度較快。
3．4行動者在整個網絡中的地位和角色
3．4．1行動者整體結構等測度———相似性檢驗行動者整體結構等價用來說明兩個行動者接受或發向網絡中其他行動者的關系是相同的，那么認為其在結構上是等價的，主要是測評行動者在網絡結構中多大程度上的相似。圖3通過Pajek測度的相關系數圖。通過圖3可知，除了在對角線相關系為1外(行動者與自己在結構上是完全對等的)，非對角線元素中沒有等于1的元素，這也就是說在建議關系上沒有結構等價的行動者。其他行動者之間相關系數各不相同，行動者等價結構也各不相同，各自在社會網絡中影響力也各不相同。為此行動者相互替代之后，必然會影響到整個網絡傳播，為此結構等價性較小，可替代程度也較小。由此可見，傳統媒體在網絡傳播依然起到至關重要的作用，傳統大眾媒體在輿情傳播中也同樣具有重要的作用，不能被取而代之。3．4．2結構洞分析結構洞主要用于測評社會結構網絡非直接聯系以及關系斷鏈的現象，由于社會網絡結構傳播過程中，行動者之間非直接聯系，造成行動者信息傳播的缺失，從網絡整體看好像網絡結構中出現了洞穴，結構洞存在使得處于中間位置的行動者居于重要的位置。為此本文根據結構洞特征，對廣馬輿情事件結構洞指數和中間中心性進行測度。在結構洞測度中，主要測度社會網絡限制度。社會網絡限制度是衡量一條紐帶的重要性或獨占性指標，代表了一個行動者與鄰接行動者關系的比例，占這個行動者對所有行動者管理的比例。限制度是指行動者與對方的關系會對對方產生的影響，這種限制取決于行動者對方強連接節點與行動者之間的紐帶強度。圖4是通過Pajek測度的廣馬輿情事件限制圖(圖4)。從圖4可知，廣馬輿情網絡結構中，存在大量的傳播結構洞，各指標之間的限制度程度不一至，說明了信息傳播的制約性，各自受制約的程度大小不一至，最大為62號“體育咨詢榜”，受64號“zg趙哥”約束性達12%，這就意味著62號“體育資訊榜”有12%的信息是通過“zg趙哥”這個行動者傳播出去的。通過圖4可知行動者受結構洞影響力約束相對較小，這說明行動者在輿情信息傳播過程中，行動者接收多個行動者的信息，不易受單一其他自媒體或傳統媒體的影響。點度中介度就是在網絡中所有其他行動者之間的測地線，經過該行動者的測地線比例，對信息傳遞起到重要的中介作用，也就是占據更為重要的中心位置。通過表2可知，大洋網、搜狐新聞和星島新聞點度中介度相對較高，點度中介度值分別為0．146023、0．122810和0．109847，在整個網絡傳播過程中起到重要的中介作用。這說明這些網絡占據較多信息資源，并為擴大自媒體提供了大量的信息交流平臺，從而促使信息資源資源共享和信息資源的傳播。但通過表2可知，整體網絡中介中心勢并不高，這說明在廣馬輿情事件中，直接信息傳播在整體網絡中占據重要的位置，受中介影響較小。
3．5整體網絡內部結構測度
κ－核就是每個節點至少與一定數量κ的其他節點相鄰接的子圖，來界定輿情傳播中存在的小團體數量，κ－核界定了相對密集的子網絡，相對密集κ－核有利于信息在子網絡傳遞。測度結果顯示，廣馬輿情事件κ－核的最大值為17，結點數共有17個，占全部節點21．25%。通過圖5可知，κ－核的值在15級以上的占整個輿情網絡的66．25%，說明在該輿情事件中存在聯系緊密的凝聚子群，該子群在整個網絡中處于中心位置，通過彼此信息的互動，掌握大量的輿情信息，通過凝聚子群約束性進而占據了傳播途徑的重要節點。
4結論與建議
通過研究表明:廣馬輿情事件傳播網絡中整體密度較高，傳統媒體和自媒體信息互動傳播頻繁;各行動者信息互換距離較短，從而導致信息傳播速度較快。通過對行動者整體網絡結構等價性的側度發現，行動者在整體網絡中地位和角色相對獨立，雖有結構洞的存在，但約束力相對較小，對信息傳播制約有限，尤其是點度中介值較低，說明信息以直接傳播較多。通過對整體網絡內部結構測度，發現廣馬輿情事件廣泛存在凝聚的子網絡，子網絡存在加速了信息在子網絡行動者間的共享和交換，從而促生多中心的傳播網絡結構。
4．1組建多中心并行輿情網絡結構
由于舉國體制以及政府辦賽等原因，我國發生體育賽事輿情事件，信息傳播的主要途徑是主辦方新聞會，經由傳統媒體進行傳播，具有信息傳播渠道單一性以及傳播時間階段性的特點，顯然不能適應體育賽事突發輿情事件的復雜性特點以及自媒體網絡傳播迅速發展的需要。構建并行化、連續性的多中心網絡結構，替代機械、僵化、費時的信息傳播管理模式，實現并行輿情網絡管理流程，提高輿情管理者對傳播環境的感知能力和適應能力，確保對輿情事件反應的及時性和準確性。體育賽事輿情事件發生時，不同利益主體將從不同的角度傳播信息，強調網絡傳播不同利益主體共同利益和協助重要性，在輿情傳播管理中尤為重要。由于互連網絡技術發展，打破傳統的單一的、面對面的信息傳播途徑，擴展了多元主體在時間和空間上實現多元靈活組合的可能，多元主體相互依賴，共享信息，形成動態網絡信息管理系統。將原有信息管理傳播網絡納入體育賽事突發輿情事件管理系統，增強信息管理深度和廣度，建立橫向輿情評估體系，實現突發輿情事件管理的即時性、完整性和通達性，完善多中心并行輿情監控與協同應對。
4．2關注輿情事件網絡引導時機
突發輿情危機時，當持某一觀點信息源占據優勢時，網絡受眾就會迅速靠攏，形成“集聚效應”［36］。突發輿情事件主要體現在個體信息交換以及信息共享之后的群體，這種群體行為屬于非常規狀態下由于信息不對稱所引發的好奇、恐慌心理，導致的臨時性、非正式的弱關系。輿情事件在社會中受關注程度越高，這種臨時的、不穩定弱關系就越容易形成。在社會網絡結構中，社會公眾既是信息受體，也是信息的傳播者，通過自身將信息傳播到其他結點。基于社會網絡輿情網絡分析不僅關注信息內容，更關注信息傳播者與受體之間的關系，在進行輿情監控管理過程中，選擇合適時機，選擇關鍵位置，通過輿情引導的方法對輿情發展進行干預，將在較短時間內改變或引導受眾的觀點，起到較好的輿情引導作用。同時建立透明的輿情傳播平臺，促進受眾在透明的平臺下理流和理性探索，支持理性化的多樣性，提高公信力。
4．3增強核心網絡效應
1可視化結果與分析
社會網絡分析方法在國內醫藥衛生領域應用研究的可視化圖譜。經計算，得到節點數271，連接數234，同時我們取出現頻次≥5的17個關鍵詞，得出高頻關鍵詞詞頻表，另取中心度≥0．10的28個關鍵詞，得到高中心度關鍵詞，發現高頻關鍵詞與高中心度關鍵詞并非完全一致，也就是說，一些高頻關鍵詞并非與其他關鍵詞聯系緊密。被引頻次和中心度都比較高的關鍵詞包括社會資本、自感健康、生命質量、社會支持，它們有助于進一步分析此類研究熱點。綜合分析可以看出，社會網絡分析方法在醫藥衛生領域中的應用現狀。從研究內容看，在醫藥衛生領域中，社會網絡分析方法主要應用于疾病傳播與防控研究、衛生政策研究。一是在疾病傳播與防控研究方面，有作者通過分析社會網絡在艾滋病、吸毒、性傳播等過程中的作用，來探討預防干預疾病的方法，相對應的關鍵詞有艾滋病預防、網絡結構、流行病學研究、安全等。二是在衛生政策研究方面，有作者對基本公共衛生服務均等化網絡互動進行分析，對健康風險管理的整體網進行分析，從而提出構建以政府為主導的情感支持網絡、信息支持網絡，建立非正式的健康風險機制，形成健康風險管理體系。其中，對社會資本與社會支持在居民就醫行為以及老年人心理健康方面的影響研究也很廣泛，代表性的關鍵詞有自感健康、心理、生命質量、社會支持、調查分析、危險行為、信任、影響因素、行為、對策、社會參與等。還有作者對公立醫院醫務人員知識創新的社會網絡關系進行分析，以增強公立醫院的創新能力，有代表性的關鍵詞為健康教育、影響因素、網絡結構、干預等。從方法的技術運用角度看，通過共現分析、可視化技術來研究和展現某一特定醫藥領域的合著情況、研究熱點、發展方向等是社會網絡分析方法在國內醫藥領域的主要應用。共現方法可以定性和定量分析學科情況，監測學科領域動態發展情況，多角度揭示信息的內容關聯和隱性知識。將提取的共現矩陣用社會網絡分析軟件(如Ucinet、Pajek、Gephi等)以可視化的形式展現出來，可以快速定位特定領域的研究熱點，為進一步的研究奠定基礎。
2討論
本文通過對國內醫學領域近十幾年發表的社會網絡分析文獻進行系統梳理，對社會網絡分析方法應用情況有了較清晰的認識。
2．1社會網絡分析方法應用于醫藥衛生研究取得的成績
社會網絡分析方法是情報學研究的最新手段，將它創新性地運用到醫藥衛生科技領域的研究有助于更快地獲得某些領域的研究動態與發展前沿，同時能較直觀地進行國家間的對比，從而找出差異，為我國的醫藥衛生事業提出具有時效性的決策參考。通過對比表1和表2我們發現，有些頻次較高的關鍵詞中心度并不強，這也在一定程度上說明傳統的統計頻次的方法顯然不適用于對研究熱點的探測。采用社會網絡分析方法能夠從網絡的個體屬性、整體屬性方面進行分析，挖掘出更多深層次的信息。通過可視化技術直觀展示關鍵詞網絡，可增強研究問題的現實感，使人們更容易了解網絡內部結構，揭示隱性知識。國內醫學界運用社會網絡可視化工具探測醫學領域的研究進展與熱點、作者和機構間的合著網絡等的研究構成了近年來這一領域的熱點。雖然社會網絡分析在衛生政策領域的應用研究數量有限，但研究大多規范、操作嚴謹，將社會網絡分析的理論進行了本土化理解，產生了多樣化的研究成果。如陳嘉偉等通過建設醫院科室團隊的社會網絡結構來分析醫院知識創新的影響因素，為提高醫院知識創新能力提供借鑒;王歡等將每戶家庭作為一個節點，了解農村貧困家庭所處的健康風險和分析網絡的結構特性，并構建了健康風險管理的整體網。
2．2社會網絡分析應用于醫藥衛生研究的不足
一是社會網絡分析方法在國內醫藥衛生科技領域的應用研究數量不多，數據樣本大多來自于調查問卷，且數據分析量較小，應用范圍不廣，主要集中在疾病傳播與防控研究、衛生政策研究方面，故仍有較大的發展空間。二是數據分析不夠深入。很多研究者綜合利用較多的可視化軟件、數理模型，構建出網絡圖表，但未在圖表的背后深入挖掘其中的深刻涵義、分析現象產生的原因，內容稍顯淺顯。三是已有的實證研究側重于對不同社會群體的個體中心網絡結構特征進行簡單的靜態描述，或只是針對某一局限范圍內的特定群體進行網絡分析，而鮮有對更為復雜的整體網絡、網絡動態發展模式及變遷趨勢的研究。總之，目前國內對社會網絡分析方法應用于醫藥衛生研究的不足可概括為理解尚不深入，對于其在醫藥衛生科技領域的應用也深度較淺，對于社會網絡分析方法的一些核心術語、關鍵測度指標等的應用不太到位，缺乏系統性、科學性。4結語目前國內醫學領域運用社會網絡分析方法開展研究還存在諸多問題。今后應擴展實證研究的研究數據，推廣社會網絡分析方法的分析范圍，掌握該分析方法的精髓，將“關系”列為研究對象，并用網絡的形式表現出來，促進醫學研究方法的多樣化。
作者：馬霞 甄天民 谷景亮 趙芳 李靜麗 韓志琰 竇偉潔 溫楠
[關鍵詞]社會化網絡服務SNS;圖書館2.0;圖書館服務
1圖書館應用SNS的現狀
SNS，即SocialNetworkingServices(社會化網絡服務)，旨在為一群相互聯系的人建立并反映其社會網絡或社會關系的服務，是一種以用戶為中心、通過一系列社會網絡軟件或工具、為用戶建立社會化的關系網絡群的互聯網應用服務。2010年初，世界第一大社會化網絡站點Facebook在全球范圍內的活躍用戶已超過4億。
1.1強化公關宣傳
20世紀80年代，圖書館公共關系的研究已形成較完整體系，其研究領域包括圖書館與媒體、籌款與營銷、對外宣傳等，是圖書館學研究的一個重要分支。在年輕人密度較高的社會化網絡站點中，圖書館可利用此平臺加強對外宣傳，吸引更多的網絡用戶，樹立起圖書館網絡時代服務的新形象。國外不少圖書館都在Facebook和Myspace兩大SNS站點擁有自己的主頁，其中加拿大多倫多公共圖書館和英國曼徹斯特圖書館的Facebook主頁的關注者數量高達4043人和1294人，是利用Facebook主頁開展公關推廣較為成功的案例。澳大利亞國家圖書館利用Flickr開展PictureAustralia項目，鼓勵社會大眾通過上傳照片的方式參與此項目，從而擴大了PictureAustralia項目和澳大利亞國家圖書館的影響力。美國加州大學伯克利分校圖書館利用Youtube(視頻SNS網站)進行圖書館推廣活動，用簡單易懂的方式介紹圖書館的理念與服務，有效增強了圖書館的宣傳力度。
1.2完善參考咨詢
美國研究圖書館協會(ARL)2009年統計，圖書館參考咨詢服務總量從1996年的155336持續下滑到2008年的58763，僅為1996年的三分之一，0CLC2005年的報告也顯示只有很少用戶在查找信息時選擇使用圖書館網站和參考咨詢服務，SNS可在圖書館和用戶間建立起直接關聯，讓參考咨詢服務直接延伸到用戶所在的地方，SNS的出現或可為圖書館參考咨詢服務帶來新的契機。密歇根大學圖書館在Faeebook上建立名為“MLibrary2.0faeebookgroup”的小組專門開展基于SNS的數字參考咨詢服務；OCLC的志愿者圖書館員在SecondLife(SNS游戲網站)中的虛擬圖書館每日定時提供的參考咨詢服務，其服務形式包括信息島、閱讀討論會、創新用戶教育等。這些案例展現了圖書館利用SNS完善參考咨詢服務的前景。
1.3增進用戶互動
美國布魯克林大學圖書館的Myspace主頁的日志更新頻率較高，通過這些日志，宣傳了圖書館現有的和即將開展的各種活動，包括書展、藝術比賽、音樂鑒賞會等，讓已是圖書館好友的學生們及時了解圖書館活動。上海圖書館在“豆瓣同城”中申請了“上圖講座”主辦方的身份，通過豆瓣同城活動推廣上海圖書館的講座，現已有3472人長期關注該主辦方。有意參加講座活動的用戶只需在豆瓣活動頁面上點擊“我要參加”，講座開始前憑借豆瓣ID即可入場。于此同時，由于豆瓣同城活動的交互性很強，上海圖書館還能及時獲得用戶對講座的信息反饋：通過“參加”和“感興趣”的人數了解活動的受歡迎程度，通過活動論壇中的留言了解用戶對講座的滿意程度，從而有針對性地對講座的內容和形式進行改進。當前Twitter全球用戶已超過1億。美國克利夫蘭公共圖書館利用Twitter向用戶傳播本館重要新聞，例如圖書館相關活動與展覽的通知，用戶評選“我最喜歡的圖書館員”活動以及圖書館節假日開放時間變更等；伊利諾伊州厄本那一香檳分校本科圖書館通過Twitter向用戶各種圖書館相關信息，包括資料歸還最后期限的溫馨提示，數據庫暫時無法使用的緊急通知和圖書館助理招聘信息；耶魯大學科學圖書館的Twitter則更注重對圖書館館藏資源、相關服務和各種研討班活動進行告知。
1.4構建專業社區
2004年，美國費城大學PaulJ.Gutman圖書館館長StevenBell和賓州州立大學貝克斯分校圖書館的技術館員JohnShank共同建立了BlendedLibrarian網絡學習社區。該社區旨在營造一個創新、合作、交流的平臺，使成員可以通過虛擬得到職業發展和學習的機會，2009年底，成員總數接近4000人，是較成熟的圖情專業人員社區。ALA、SecondLifelibrarian借助NING平臺創建圖書館社區，還有以圖書館2.0和青少年圖書館為主題的各種社區，社區成員可在其中展開學術及工作討論。國內圖情界建立SNS社區——書社會，基于UeenterHome構建，面向圖書館員、圖書館學研究者以及所有關心圖書館、對圖書館及其圖書館學友興趣的友人開放的社，成員達到855人。在書社會中，成員可通過各種SNS應用業內信息、開展學術討論、發起相關投票等。
2圖書館發展SNS模式
隨著SNS在圖書館工作和服務各領域的應用程度加深，按照構建SNS的難易程度進行劃分三種模式：直接加入，積極引進以及自主開發SNS模式。
2.1直接加入SNS模式
圖書館應用SNS最便捷的途徑就是加入現有社會化網絡站點。例如，伊利諾伊州厄本那一香檳分校本科圖書館、肯塔基大學圖書館、丹麥圖書館以及美國圖書館協會都擁有自己的Myspace主頁，其中美國圖書館協會已有6655個好友。。國內也有很多圖書館加入SNS站點：國家圖書館、首都圖書館、廈門大學圖書館、南京大學圖書館等多家圖書館在豆瓣網建立了豆瓣小組，其中多個小組圖書館的成員達到數百人，首都圖書館的小組成員高達2663人。圖書館加入社會化網絡站點可以直接利用現有站點的網絡工具，操作簡單且易于維護，是增強圖書館與用戶交流的一條有效途徑。
2.2積極引進SNS模式
圖書館應用SNS的第二種途徑是主動引進SNS技術，包括添加社會化軟件和SNS應用。社會化軟件是指那些可以支持遠程交流與合作，并可供用戶添加和使用各種內容的一系列網絡工具，包括諸如Wi-ki、Tag、Blog等Web2.O應用和較早的IM、郵件列表等工具；SNS應用是指社會化網絡站點所支持的第三方開發的應用程序，這些程序普遍比較簡單實用，一般通過API(ApplicationProgrammingInterface，應用程序編程接口)對接到SNS中。美國賓夕法尼亞大學圖書館不僅開發了自己的標簽(Tag)系統，允許用戶對圖書館的資源添加標簽，還研發了可嵌入IE和Firefox瀏覽器的圖書館工具條插件，此外還利用社會化軟件提供在線輔導小組、即時信息和在線聊天咨詢等一系列服務。廈門大學、清華大學、華中科技大學等十余所高校圖書館開發了可接人豆瓣API的OPAC館藏查詢的應用程序，安裝了此應用程序的用戶在瀏覽豆瓣上任何一本圖書時，這本書在圖書館的館藏信息便直接顯示在用戶所瀏覽的豆瓣頁面中，告知用戶該圖書可通過圖書館渠道獲取。
2.3自主開發SNS模式
圖書館發展SNS較高級的模式是自主開發SNS服務，此模式的開展建立在圖書館社會化軟件服務有一定用戶量的基礎之上，利用SNS相關功能來強化用戶與圖書館間和用戶之間的關聯性，使圖書館與用戶之間形成黏性。2007年，美國AnnAnbor地區圖書館以利用Drupal開源代碼開發出社會化的OPAC，用戶可對館藏圖書進行加標簽、打分和評論的操作。此外，網站還為用戶提供了個人空間并開放了添加評論、導入日志和添加RSS訂閱等功能，這些已具備了SNS的基本特征，可看作是圖書館自主開發SNS的雛形。重慶大學圖書館研發了ADLIB2.O系統，該系統為用戶提供個性化空間，有文檔庫、共享庫、圖片庫、私家藏書等功能，并以此為基礎構建個人書齋。個人書齋是集個性化服務平臺、個性化學習平臺、個性化空間為一體的社會化網絡系統，旨在將圖書館所有服務整合為一體，是國內圖書館自主開發的SNS先例。
3圖書館SNS發展策略
3.1準確定位圖書館SNS服務
首先，圖書館應對發展SNS服務進行必要性分析。圖書館開展SNS服務的前提是存在大量圖書館用戶或潛在用戶認同并使用SNS，而實際上部分圖書館的用戶群體并不符合這一前提條件。這樣的圖書館應慎重考慮是否有必要發展SNS服務，否則很可能造成既浪費資源又收效甚微的結果。有條件圖書館可以通過問卷或其他形式調查本館用戶對SNS服務的需求情況，從而確定是否有必要發展圖書館SNS；其次，圖書館發展SNS服務還應進行可行性分析。發展SNS服務需要投入一定的人力和財力資源，圖書館應在充分考慮本館實際情況和借鑒其他圖書館發展SNS經驗的基礎上制定切實可行的SNS服務發展計劃，從而保障圖書館SNS服務能持續、順利且有效地開展。美國學者Ja.SOBSokoloff在考察英國樸茨茅斯大學圖書館的Face.book主頁時指出，該校圖書館的SNS主頁中有太多圖書館網站的鏈接而欠缺SNS特色，這樣的Facebook主頁只是圖書館網站附庸，沒有充分利用SNS站點吸引用戶及潛在用戶的優勢，可見圖書館SNS服務特色是關鍵。
3.2圖書館SNS模式選擇策略
2007年OCLC調查了美國民眾和美國圖書館館長對圖書館自主建立社交網站的看法，近一半的民眾和圖書館館長不贊成圖書館自建社交網站，他們的理由主要有：圖書館是獲取知識與信息的地方，建設社交網站并非圖書館份內之事，已經有足夠多的社交網站。這份報告反映了并非所有圖書館都適合自主建立SNS站點，表明圖書館發展SNS服務模式選擇的重要性。每個圖書館在計劃發展SNS服務時，都應根據用戶需求和客觀條件選擇適合本館的模式：直接加入SNS模式成本低、易于維護，適合小型或社區圖書館；積極引進SNS模式需要一定的技術實力和相應的服務水平，適宜大中型圖書館采用；自主開發SNS模式要求有一定的用戶積累，有相對固定的用戶群體的高校圖書館和科技圖書館較為合適。英國圖書館系統供應商Ds公司和北歐的Axiell圖書館集團，在2008年共同研發了一款名為DsArena的產品，集成了圖書館信息資源和SNS用戶個性化服務，不僅提供大眾標簽、讀者評分、讀者書評、讀者討論和建議等功能，還讓用戶能搜索并鏈接到各種用戶感興趣的館外資源，被媒體稱作“新一代圖書館網絡公共界面”，為用戶提供SNS功能是圖書館集成化系統今后的發展趨勢之一。
一、研究過程
（一） 研究樣本的選擇
由于學習共同體的研究范圍較為廣泛，在教育、社會學、計算機與互聯網等領域均有涉及。因此，國內關于學習共同體的文獻量非常大，刊登該研究領域成果的期刊種類也較多，且比較分散。為盡可能保證數據分析的全面性，本研究使用中國知網的中國學術期刊網絡出版總庫 （CAJD）、中國博士學位論文全文數據庫和中國優秀碩士學位論文全文數據庫獲得相關文獻的信息與全文。
（二） 研究文獻信息的收集與處理方法
Community 的中文譯法通常有“社會”、“共同體”、“社區”、“社群”等，最常見的是“共同體”和“社區”的譯法，同時與 community 有關的復合詞匯也有多種不同的譯法，如本研究關注的“learn-ing community”就有學習型社區、學習共同體兩種不同的譯法。因此，本研究在檢索時，使用以下控制條件“期刊年限 （2001~2011） + 來源類別 （核心期刊），內容檢索條件為：主題 （學習共同體） 或者包含 （學習型社區）”對中國學術期刊網絡出版總庫進行文獻檢索，獲得期刊文獻 725 篇 （檢索時間為2011 年 10 月 15 日）。同時使用控制條件“期刊年限 （2001- 2011），內容檢索條件為：主題 （學習共同體） 或者包含 （學習型社區）”對中國博士學位論文全文數據庫進行檢索得到博士論文 66 篇，對中國優秀碩士學位論文全文數據庫檢索得到碩士論文 628篇。最后，依據中國知網提供的文獻信息依次進行文獻信息采集。在文獻數據信息處理方面，本研究主要采用中國醫科大學醫學信息學系開發的數目共現分析系統 Bi-comb v1.0[3][4]，以及美國德雷塞爾大學陳超美博士研發的信息可視化統計軟件 CiteSpace 3.0.R2[5][6]兩款數據統計軟件對獲取的數據進行統計處理。其中，CiteSp ace 軟件可有效探索學科知識領域的演進與研究前沿，進行可視化分析，使得文獻計量學分析易于實現歷時性的動態化[7]，該軟件內嵌了國內學者劉盛博編制的 CNKI（RefWork） 格式轉換程序，具備將CNKI 數據轉換為可處理的格式的功能。但受 CNKI數據采集選項和中文文本處理功能的限制，CiteS-p ace 僅可有效處理 CNKI 數據的專業術語和關鍵詞分析。因此，筆者同時選用 Bicomb 軟件、UCINET軟件，甚至人工統計的方法對文獻信息進行補充處理與分析。最后，依據統計結果對學習共同體的研究進展狀況進行分析和評判。
二、研究結果與分析
（一） 國內學習共同體研究成果產出分析
筆者按年度對 2001 至 2011 年間的國內期刊論文和國內碩博論文進行了檢索和統計 （2011 年截止到筆者檢索日期 10 月 15 日），國內各年份的論文刊發與學位論文數量情況如圖 1 所示。由圖分析可知，期刊論文和碩士論文的數量整體上呈上升趨勢（2011 年僅能檢索到 10 月份），特別是近三年來，期刊論文數量一直保持在 100 篇以上，碩士論文也從2007 年開始保持在 85 篇以上，這可能與國內教育界對建構主義、學習的社會性等與學習共同體相關理論的關注力度加大有關，從而引發更多的國內學者對該領域進行研究。如果單從博士論文數量上看，則相對比較穩定，近三年來一直保持在十篇左右。總體上看，國內學者對學習共同體的研究趨于上升趨勢，有更多的學者開展該領域研究。
（二） 載文期刊與研究機構分布
用 Bicomb 軟件對 2001~2011 年間關于國內學習共同體研究的、在核心期刊發表的文獻進行載文期刊分布進行統計，載文量大于等于 10 篇的期刊有 21家，結果見表 1 和圖 2。其中載文數量在前 10 位的期刊的載文量占到了全部文獻的 41.89%。僅就載文期刊關注領域來看，學習共同體研究還主要集中于教育領域。為有效反映研究論文的機構來源，本研究使用Bicomb 軟件對期刊論文和碩博論文的研究單位或授予學位單位進行統計，統計結果如表 2 所示。無論從期刊論文數量還是碩博論文數量上來看，華東師范大學均是學習共同體研究的一個重鎮。如僅從期刊載文量來看，華南師范大學、北京師范大學、西南大學、南京師范大學也對學習共同體研究做了較突出貢獻。但若僅從碩士論文上講，首都師范大學、山東師范大學、東北師范大學等學校的學位論文數量較多。為此，我們對各單位不同類型的發文量進行對比（圖3），發現了一個現象，即：有些單位核心期刊研究論文較多卻少有相關的碩博學位論文，但有些單位核心期刊發文量較低卻有特別多的碩士學位論文出現。前者還比較容易理解和解釋，即該校有相關研究，且做出了較為突出的成績，但沒有引領研究生跟進該領域的研究。但后者所反映的問題卻值得我們深思，即研究還沒有得到業內廣泛認可（表現為沒有在該領域的核心期刊或較少），卻指導了非常多的碩士論文研究。
（三） 學習共同體領域研究熱點與前沿分析
1. 研究熱點分析
關鍵詞是文章主題的高度概括和凝練，通過對高頻關鍵詞進行統計與分析，可以挖掘某一研究領域的熱點。本文使用 CiteSpace 3.0.R2，以關鍵詞為節點，時間分區為 1 年，閥值為 50Top per slice，采用最小成樹算法，利用國內期刊文獻繪制國內學習共同體研究熱點知識圖譜，共得到節點 366 個，連線 294 個，結果見圖 4 和表 3。而對國內碩博論文繪制高頻關鍵詞共現網絡，得到節點 321 個，連線 315個，結果見圖 5 和表 4。根據陳超美的介紹[8]，分析由 CiteSpaceII 生成的期刊熱點知識圖譜 （圖 4） 的關鍵節點分布可知，國內學習共同體研究領域熱點可以確定為：學習共同體、學習型社區、社區教育、共同體、學習型社會、教師、教師專業發展、終身學習、網絡學習共同體、專業發展等。而根據碩博論文熱點知識圖譜 （圖 5）的關鍵節點分布可確定學習共同體研究熱點領域為學習共同體、教師專業發展、虛擬社區、協作學習、網絡學習共同體、專業發展、知識建構等。由表 3 可知，期刊高頻關鍵詞頻次排序中，學習共同體最高，因此其節點年環明顯最大。從節點的中介中心度看，學習共同體的中心度同樣最大，因此其節點的紫色年環最大，即中心度最高，占核心地位，緊隨其后的是社區教育、共同體、學習型社會、教師、教師專業發展等。若從碩博論文高頻關鍵詞中心度和頻次統計角度分析 （見表 4），對策的研究頻次最高，專業發展排其次。但教師專業發展、虛擬學習社區、協作學習、學習共同體、網絡學習共同體等的中心度相比前兩者更高，占較為重要的核心地位。
由以上分析可知，從期刊論文來看，關于學習共同體、學習型社區的研究最廣泛，而社區教育、共同體、學習型社會、教師、教師專業發展等是相對突出的研究熱點。從碩博論文分析，學習共同體隱去了其中心位置，教師專業發展、虛擬學習社區、網絡學習共同體等主題凸顯出來。學習共同體、學習型社區的研究頻次最高是易于理解的，但無論是期刊論文還是碩博論文都顯示與教師專業發展、網絡學習共同體相關研究熱度較高，這應引起我們的重視。對學習共同體，人們不僅研究它的概念、內涵、基本理論和形成機制，更關注它的具體應用。教師專業發展在教育領域備受關注，然而強調教師知識提升的理智取向的專業發展范式，雖經多年研究與實踐，成效卻不盡如人意。學習共同體所提倡的學習的社會文化觀和分布式認識觀適應了人們對學習觀的轉變，特別是它強調的知識建構的社會性、文化場域依存性、多元主體互動性等適應了當今人們對學習的理解，正好適應了教師專業發展觀的實踐 - 反思取向（教師主要不是通過“接受”知識，而是通過“反思”以更清晰地理解自己、理解實踐，并實現專業發展）[9]、生態取向 （教師專業知識和能力發展并不能全然依靠自己，而應將其置于一定的社會環境、人際關系中，有效利用各種人力和物力資源以實現專業發展；將教師專業發展的內涵提升到教師教研合作能力和教師群體整體專業發展水平的高度）[10]。學習共同體所倡導的理念、實踐形式為教師專業發展提供了理論先導和實踐指導。因此，在學習共同體研究領域，關于教師專業發展的內容被廣泛關注和深入研究。
為了進一步了解其研究現狀，本研究以“主題（學習共同體）并含 （教師專業發展）”為檢索條件對中國知網數據庫進行檢索發現，2001~2011 年間國內學習共同體領域教師專業發展方向研究文獻呈快速增長趨勢 （見圖 6）。2003 年，顧小清在 《教師專業發展：在線學習共同體的作用》 一文中對學習共同體與教師專業發展的關系、如何利用信息通信技術構建教師在場的學習共同體以及學習共同體對教師專業發展的影響進行了詳細闡述。隨后，這一領域引起了國內學者的廣泛關注，相關研究逐年增多而以“主題 （網絡學習共同體） 或含 （網絡學習社區） 或含 （網絡學習型社區）”為檢索條件對中國知網數據庫進行檢索發現 （圖 7），國內網絡學習共同體的研究是在近年來才逐漸被廣泛關注的，這一轉變與 Web2.0 技術在教育教學領域的廣泛應用恰好契合。Web2.0 的六度分割理論、利用集體智慧與學習共同體理念相似，同時，Web2.0 及其相關技術為組建學習共同體提供了技術支持。因此，網絡共同體及其相關問題逐漸成為該研究范疇所關注的重點內容。對研究熱點分布做進一步的時間線圖分析，結果見圖 8 和圖 9。從圖 8 來看，現有的研究熱點主要出現于2005 年之前。2005~2010 年間，雖有新的研究熱點出現，但研究頻次和中心度相對不大。而從圖 9來看，形式也基本一樣，知識熱點和出現時間稍有區別，最為突出的是教師專業發展、網絡學習共同體的出現時間和關注程度稍有差別。從二者的整體時間分布情況來分析，2005 年以后，新的研究熱點出現較少，主要是對以前研究熱點的繼續深化。總體看來，國內學習共同體研究各研究方向逐漸成熟化，呈現靜態穩定趨勢。
2. 研究前沿分析
CiteSp ace 軟件選擇突變專業術語類型 （b urs tterm），利用其詞頻探測技術進行研究前沿術語分析。期刊論文得到突變專業術語 366 個，碩博學位論文得到 321 個，分別對視圖布局進行精簡合并，形成結果見圖 10 和圖 11。綜合分析這兩個圖，顯著的索引專業術語主要有：學習共同體、學習型社區、共同體、社區教育、學習型社會、教師專業發展、專業發展、網絡學習共同體、虛擬學習社區、知識建構、學習社區、協作學習、對策、Web2.0、學習環境、知識建構、網絡課程、建構主義、教師培訓等。對這些詞語進入深入分析，可將國內學習共同體研究領域的前沿方向概括為以下三類。
（1） 理論深化類
以“題名 （學習共同體） 或含 （學習型社區）”為條件對中國知網數據庫進行再檢索，將數據導入Bicomb 軟件進行統計分析和人工鑒別發現，隨著學習共同體在各領域的廣泛應用，關于對原有概念和理論不斷反思、修正和深化的研究內容相對較多。同時，人們不再停留在早期的學習共同體概念界定、闡釋和區別上，而是從不同視角對學習共同體理論進行豐富、充實。這種深化表現在兩個層面。第一個層面表現在對學習共同體理論內涵的深化，即：更深入地研究學習共同體的基礎理論、哲學基礎、文化基礎，主要表現在從生態哲學、后現代哲學等視角研究學習共同體，同時還表現在從社會建構觀、分布認知理論、知識論、學習的實踐論等角度對學習共同體的基礎理論的深入研究與挖掘。第二個層面表現在對學習共同體外延的研究，該方面的研究表現在對學習共同體不同實踐形式的理論深化，包括對網絡學習共同體、課堂學習共同體、學校共同體、專業學習共同體、課程學習共同體等領域的深入研究。
（2） 具體應用與組織形式類
該方向致力于將學習共同體的思想、理論及其方式與具體的實踐領域相結合，發揮其優勢，解決相關領域的問題。教師專業發展和教師培訓是教師教育領域愈久彌新的問題，學習共同體的出現不僅為教師專業發展、教師培訓開啟了新思路，提供了新方法，還提供了新的實踐范式。學校、課堂與課程是教育的主陣地，然而這些主陣地卻歷來備受詬病，甚至把“只具有工具的理性，而缺少價值的關懷[11]”的現代人所具有的共性特征也歸結為教育問題。改變現狀、促進人類發展是每一個教育研究者的理想。因此，與學校、課堂和課程等相關的學習共同體組織形式都是未來的研究方向。教育不僅包括學校教育，還包括家庭教育、社會教育 （包括現實社會、網絡社會等） 等非正式場合教育，可見，與社區、實踐、網絡虛擬世界等領域聯系的網絡學習共同體、虛擬學習共同體、實踐共同體等組織形式也將成為該領域的未來研究方向。
（3） 構建策略類
學校共同體、課堂共同體、課程學習共同體的構建與策略研究是一個必然趨勢。時至今日，網絡已在深深影響著人們的工作、學習和生活。因此，與網絡相關的學習共同體、虛擬學習社區構建必然成為學習共同體研究的又一趨勢。Web2.0 作為更注重用戶的交互作用的網絡組織形式，正吸引更多人選擇數字化、網絡化的生存方式和學習方式，迎接共同參與、共同創造、共同分享的全民織網時代。如何利用Web 2.0 及其相關技術構建網絡學習共同體或虛擬學習共同體必然成為該研究領域的又一增長點。
（四） 研究學者合作網絡與機構合作網絡
1. 研究學者合作網絡
將采集數據導入 Bicomb 軟件，以作者為關鍵字段進行提取、統計后，選取頻次≥2 的 86 名研究學者 （頻次累計百分比為 9.5861%） 數據，生成 Excel類型共現矩陣文件。將 Excel 文件輸入 UCINET 軟件，輸出 ##h 類型的數據集。然后，導入 UCINET集成軟件[12]進行可視化分析。對合作網絡去除非主成分并進行布局優化，生成結果見圖 12。從圖 12 可以看出，國內學習共同體研究領域學者合作較松散。為進一步研究各位研究者在本領域的重要性，我們引入了社會網絡分析中的度數中心度和中間中心度 （如果一個點處于許多其他點對的捷徑上，我們就認為該點具有較高的中間中心度） 概念 （見表 5）。在權衡以上兩者的基礎上，我們對作者研究情況進行人工文獻閱讀與排查，發現主要存在以下 3 個合作密切的研究群：鐘啟泉為華東師范大學課程與教學研究所學者，主要關注學校共同體、課堂共同體以及知識社會與文化催生等；王陸為首都師范大學教育技術學學者，從網絡交互、教師專業發展等角度對網絡學習共同體進行了研究；時長江則更多地關注了課堂學習共同體和教師專業發展。從中間中心度上看，佐藤學、時長江、郝志峰在合作網絡中的影響程度較高，是合作網絡中的重要人物。
2. 研究機構合作網絡
對研究機構合作網絡的研究，選取頻次≥2 的研究機構共 26 個，頻次累計百分比達 22.3529%，采用與作者合作網絡研究的相同程序。對合作網絡去除非主成分并進行布局優化，結果見表 6 和圖 13。可知，機構間的合作也比較松散。華東師范大學課程與教學研究所、廣西師范大學教育科學學院、西南大學教育學院、華南師范大學教育信息技術學院、華東師范大學教育科學學院等在整個網絡中的度數中心性最高。而從中間中心度上來看，華東師范大學課程與教學研究所同樣是合作網絡中的代表機構。總之，國內學習共同體合作研究相對較為松散，研究者之間相對缺乏必要的交流與合作，分散了研究力量。如果僅從文獻研究者所屬單位上推理，研究者間應有更多的合作機會和合作可能。這也許要歸因于國內論文署名習慣，許多研究成果可能是多名研究者合作進行的，但因為各種因素，文章最后只署了一個名字。
關鍵詞：隱性知識 跨國合作 科學計量分析
分類號：G250
引用格式：張春陽， 何曉紅. 中國隱性知識跨國合作研究的科學計量學分析[J/OL]. 知識管理論壇， 2016， 1（6）： 415-422[引用日期]. http：///p/1/72/.
1 引言
隱性知識（tacit knowledge）的概念自從波蘭尼最早提出到現在已經歷經50多年時間[1]。隱性知識是創新創業及形成組織核心競爭力的基礎和源泉，這一點已經得到學術界與企業界普遍認可[2-5]，學者們從不同視角、以不同研究方法對隱性知識的概念、分類、轉化、共享及應用等進行了大量卓有成效的研究。隨著科學研究國際合作成為社會科學研究產出的主要方式，成為國家科學技術發展戰略的一個極其重要構成部分，加之隱性知識研究向多元化視角縱深發展，跨國家或地區合作業已成為隱性知識研究必由之路。中國隱性知識跨國合作研究特征與發展態勢如何？在隱性知識科學研究的國際格局中處于何種地位？這些問題將從側面反映出中國在21世紀知識經濟時代是否具備維系與推動經濟科技持續與快速發展的能力，是值得研究的重要課題。
梳理文獻發現，為數較少的現有文獻僅僅觸及到某一領域或一國的隱性知識科學計量分析，數據來源較為狹窄，缺乏國際視野[6-10]。目前尚未有文獻系統探討中國隱性知識跨國合作研究問題。鑒于此，本文運用文獻計量學方法與指標、社會網絡分析技術等，從跨國合作產出、合作結構、合作伙伴、合作影響及合作地位等5個方面對中國隱性知識跨國合作現狀進行系統測度與分析，以期了解中國隱性知識跨國合作研究的發展狀況與態勢，為制定政策、促進隱性知識科學合作進而提高科學研究水平提供量化的科學依據。
2 數據來源及研究方法
數據源自于Web of Science中的SCI-E以及SSCI數據庫2001-2015年收錄的基于網絡數據的隱性知識研究的文獻。檢索式為（TS=“tacit knowledge ”）；時間跨度為2001-2015；文獻使用的語言為English；文章類型為Article。在2016年4月15日進行了文獻檢索，經過數據清洗最終獲得了2001-2015年間1 470篇基于網絡數據的隱性知識研究的論文，其中涉及到兩個或兩個以上不同國家的論文有279篇。運用文獻計量方法、社會網絡分析方法進行統計分析。值得注意的是，本文中國隱性知識跨國合作論文是指論文作者地址中包含中國（包含中國臺灣地區）以及其他國家。將Web of Science中英格蘭、蘇格蘭、威爾士和北愛爾蘭4個獨立的研究單元統一合并為英國處理。
3 研究結果
3.1 跨國合作產出
圖 1描繪了3年時間窗口下（2001-2003、2004-2006、2007-2009、2013-2015）中國隱性知識研究的論文總數和跨國合作論文數份額的動態演變。由圖1總體走勢來看，中國隱性知識研究論文和跨國合作論文的世界份額均呈現不同程度的上升趨勢。中國隱性知識跨國合作論文的世界份額高于論文總數的世界份額，這表明在過去15年中國隱性知識跨國合作研究論文增長的速度高于隱性知識研究論文的增速。中國隱性知識跨國合作論文占本國份額大約在20%-35%左右，而占世界比重大約在5%-15%左右，這說明中國隱性知識跨國合作論文仍具有較大的發展空間。
3.2 跨國合作結構
為進一步理清中國隱性知識跨國合作研究的結構，表1給出了三個時間窗段的合作方式、合作國家和合作比率。從合作方式上看，雙邊合作方式發展迅速，占主導地位；多邊合作方式亟待進一步發展，這表明中國隱性知識跨國合作研究的學術氛圍還不夠濃厚。從合作國家上看，中國開始與越來越多的國家建立起隱性知識跨國合作研究關系。從合作比率上看，中國隱性知識跨國合作比率不斷上升，表明中國在該領域中國際合作表現比較活躍。
3.3 跨國合作伙伴
圖2展示了中國隱性知識跨國合作論文的國家地理空間分布，以數字世界地圖形象直觀地反映出中國隱性知識跨國合作網絡的區域布局特征。圖中顏色的深淺代表隱性知識跨國合作論文的數量多少。從圖2可知，美國、英國、法國和西班牙等是中國隱性知識跨國合作論文的重要合作國家。圖3給出了與中國隱性知識跨國合作研究產出最多的5個國家，其中美國是中國隱性知識跨國合作研究的最主要合作伙伴。綜合兩圖可知，隱性知識跨國合作的主要參與者主要分布在歐美發達地區，這些地區的國家知識經濟發展水平都較高。表明中國致力于通過與歐美發達地區跨國合作推動本國隱性知識的發展進程進以適應當今知識經濟時代環境的變化要求。
3.4 跨國合作影響
引文率是科學計量學領域中表征科學研究影響力或質量的重要指標。為消除規模效應、引文習慣、引文動機等因素影響，采用相對論文影響力（relative citation impact，RCI）來測量隱性知識跨國合作研究的影響力。RCI表示某個國家在某個學科領域發表的論文篇均被引次數與全世界所有國家在該學科領域的篇均被引次數之比[11]。本研究中RCI的定義如下：RCI=隱性知識領域某國跨國合作論文的篇均被引頻次/隱性知識領域世界跨國合作論文的篇均被引頻次。RCI=1，表明在給定領域某國跨國合作論文的質量與世界均值相當；RCI>1，表明在給定領域某國跨國合作論文的質量高于世界平均水平；RCI
為研究中國隱性知識跨國合作水平，運用國際合作指標（international collaborative index，ICI）。ICI是指某學科國際合作論文占該學科論文總數的比率[12]。本研究中ICI的定義如下：ICI=隱性知識領域某國跨國合作論文的合作率/隱性知識領域世界跨國合作文的合作率。ICI=1，表明在給定領域某國跨國合作活躍程度與世界均值相當；ICI>1，表明在給定領域某國跨國合作活躍程度高于世界平均水平；ICI
以ICI指數為坐標橫軸、RCI指數為坐標縱軸構建隱性知識跨國合作研究的技術象限圖。如圖4所示，第一象限為雙高型，即高合著高影響，表明在該領域處于領先地位，未來將繼續保持與鞏固這種優勢；第二象限為低高型，即低合著高影響，表明在該領域國際合作相對不活躍，側重于自主研究，但影響力較高；第三象限為雙低型，即低合著低影響，表明在該領域發展極為落后，處于不利地位；第四象限為低高型，即高合著低影響，表明在該領域國際合作活躍，但影響力較低。
根據上述隱性知識跨國合作研究的技術象限圖，給出了10個隱性知識跨國合作研究最多產國家的技術象限比較。由圖5可知，最多產國家的隱性知識跨國合作研究主要處于第四象限，即高合著低影響。中國在隱性知識跨國合作研究中位于第四象限，但與其他9個國家相比，中國隱性知識跨國合作產出的影響力較低。這表明中國在隱性知識跨國合作中比較活躍，但是影響力較低。較低的影響可能源于創新性缺乏或不足，這需要引起中國的格外重視與思考。
3.5 跨國合作地位
3.5.1 跨國合作網絡的位置演變分析
以5年時間窗（2001-2005、2006-2010、2011-2015）構建3個網絡圖探討隱性知識跨國合作動態演變。3個階段跨國合作網絡的可視化結果如圖6、圖7及圖8所示。節點的大小、連線的寬度分別與度中心性和結點的連接強度成正比，顏色的深淺代表節點總度數的大小。在隱性知識跨國合作網絡中，中國始終位于網絡的邊緣位置，向網絡核心位置移動緩慢。需要指出的是，筆者對網絡進行了修剪，保留節點的總度數大于等于1。
3.5.2 跨國合作網絡的中心性測度
中心性是社會網絡研究的重點內容，包含中心度與中心勢兩種重要的度量方法。中心度反映一個節點在網絡中處于核心地位的程度，中心勢則描述整個圖的緊密程序或一致性，也就是一個圖的中心度。本研究主要運用點度中心性與中介中心性兩個指標。社會網絡分析中的點度中心性（ degree centrality）反映網絡的內聚性在多大程度上圍繞某些節點組織起來，在合作網絡中是否處于中心位置。中介中心性（between centrality）是指如果一個行動者處在許多交往網絡的路徑上，可以認為此人處于重要地位，因為該人具有控制他人交往的能力，反映是行動者對資源信息的控制程度。
如表2所示，中國在隱性知識跨國合作網絡中的相對點度中心性高于世界平均水平，低于處于網絡核心地位的美國。值得注意的是，中國的度中心性在不斷增加，但與美國的差距依然較大，一方面說明中國正向網絡核心位置緩慢移動，另一方面說明跨國合作網絡呈現向均衡化方向發展趨勢。中國在隱性知識跨國合作網絡中的中介中心性低于世界平均水平和美國，說明中國仍處在跨國合作網絡的非重要地位。
4 研究結論及啟示
通過對中國隱性知識跨國合作研究的合作產出、合作結構、合作伙伴、合作影響和合作地位等五個方面進行系統分析，得到以下結論：
（1）中國隱性知識跨國合作產出呈現迅速增長的特點。通過對中國及其隱性知識跨國合作論文數量發展態勢的比較分析，發現兩者均呈現不同程度的上升趨勢。隱性知識跨國合作研究論文增長的速度高于隱性知識研究論文的增速，仍具有較大的發展空間。
（2）雙邊合作方式發展迅速，占據主導地位；多邊合作方式亟待進一步發展，這表明中國隱性知識跨國合作研究的學術氛圍還不夠濃厚。中國開始與越來越多的國家建立起隱性知識跨國合作研究關系，合作比率不斷上升。
（3）中國隱性知識跨國合作伙伴主要分布在歐美發達地區，美國是中國最主要的合作國家。今后，中國在保持與歐美發達國家合作為主的同時，應該不斷加深與周邊亞洲國家或地區的合作，向多區域合作方向發展。
（4）中國的隱性知識跨國合作研究屬于高合著低影響型，處于隱性知識跨國合作網絡的邊緣位置，具有較低的資源控制力。這表明中國今后需要繼續保持較高的國際合作活躍程度，在推動隱性知識跨國合作論文數量穩步增長的同時注重質量提升，鼓勵做出更多原創性和新穎性的隱性知識研究成果，從而不斷提高國際學術影響力。
參考文獻：
[1] 梁啟華， 余光勝. 基于心理契約的企業隱性知識轉化與共享管理[J]. 研究與發展管理， 2006（1）： 77-85.
[2] 劉麗珍， 劉國偉. 隱性知識與核心競爭力[J]. 管理科學文摘， 2007（2）： 50-51.
[3] 芮明杰， 陳曉靜. 隱性知識創新與核心競爭力的形成關系的實證研究[J]. 研究與發展管理， 2006（6）： 15-22.
[4] DANIELl F. Tacit knowledge with innovative entrepreneurship [J]. International of industrial organization， 2012， 30（6）： 641-653.
[5] RYAN S， O’CONNOR R V. Acquiring and sharing tacit knowledge in software development teams： An emp irical study[J]. Information and software technology， 2013， 55（9）： 1614-1624.
[6] 麗納. 我國圖書館隱性知識管理研究綜述[J]. 中山大學研究生學刊（社會科學版）， 2007（4）： 103-109.
[7] 黃義俠. 中國圖書館隱形知識研究之狀況[J]. 現代情報， 2008 （12）： 120-123.
[8] 李素梅. 基于知識圖譜的國內圖書館隱性知識研究現狀及趨勢分析[J]. 現代情報， 2014（7）： 14-21.
[9] 李妍. 我國隱性知識管理研究前沿的演進歷程――基于科學知識圖譜視角[J]. 科學管理研究， 2015（3）： 17-20.
[10] 李作學，齊艷霞. 隱性知識研究的科學計量分析[J]. 中國管理科學， 2011（專輯B）： 355-358.
[11] MAY R M. The scientific wealth of nations [J]. Science， 1997， 275（5301）： 793-796.
[12] GARG K C， PADHI P. A study of collaboration in laser science and technology[J]. Scientometrics， 2001， 51（51）： 415-427.
A Scientometric Analysis of Transnational Collaborative Research of Tacit Knowledge in China
Zhang Chunyang1 He Xiaohong2
1School of Business Administration， Shandong Technology and Business University， Yantai 264005
2Library of Shandong Technology and Business University， Yantai 264005
〔關鍵詞〕科學合作合作網絡可視化
〔分類號〕G306.3
Analysis of Interprovincial Science Collaboration Network Visualization Based on CSCD and SCI Databases
Yin Lichun1Yin Fuliang3
School ofElectronic and Information Engineering, Dalian University ofTechnology, Dalian116024
Jiang Chunlin2Wang Youqiang4
21st Century Development and Research Center,Dalian University ofTechnology, Dalian116024
〔Abstract〕Using the databases of CSCD and SCI, the paper gets the data matrix of science collaboration papers of 31 provinces in China, and constructs a series interprovincial collaboration networks with directed weight. The paper also makes the cooperation network visualization by using the social network analysis software――Netdraw. The results show that developing provinces tend to cooperate with developed provinces, especially with the capital cities such as Beijing, but cooperation among developing provinces are seldom, and that cooperation differences among provinces in SCI database are more distinctive than in CSCD database.
〔Keywords〕science collaborationcollaboration networkvisualization
1引言
隨著現代科學技術的進展和經濟全球化步伐的加快，科學研究正日益呈現出既高度分化又充分整合的趨勢。科學合作是實現研究資源共享、減低科研難度和學者獲得學術聲譽的重要形式。科學合作的迅猛增長引起了眾多學者們的注意。著名科學學和科學計量學家普賴斯(J. D. Price)，于20世紀60年代通過考察1910-1960年間發表于《化學文摘》中論文的署名形式，發現合作論文由不足20%增長至80%。美國科學社會學家朱克曼(Zuckerman)在20世紀70年代通過一項研究發現，在諾貝爾獎設立的頭25年中，合作獲獎者占41%；第二個25年達到65%；第三個25年則已高達79%。格蘭采爾(W. Glanzel)和克羅文(H.Gzerwon)從1992年出版的SCI中隨機抽取4 534篇論文進行分析，發現90%以上的論文是通過合作研究完成的[1]。不僅自然科學領域，而且人文社會科學領域的合作趨勢也呈加強之勢[2]。科學合作已成為科學計量學研究的一個重要領域，可為科技政策的制定提供理論基礎。
20世紀90年代后，科學計量學對科學合作的關注已經從簡單測算某一學科領域的合著率、合作度、合作強度等，開始向構建數學模型、聚類、可視化方向轉移。國內學者劉杰等對我國物理學權威期刊《物理快報》和Chinese Physics發表的有關混沌理論方面的學術論文合作關系形成的小型科學合作網絡進行了研究，發現該合作網絡及其內部連通組群的聚類特性和小世界特征等[3]。梁立明等人利用中國科學引文數據庫(CSCD)對我國34個行政區跨省區科學合作的馬太效應和地域傾向進行了探討[4]。奧特(E. Otte)和魯索(R. Rousseau)將社會網絡分析成功應用于信息科學[5]。克里奇默(H. Kretschmer)運用網絡分析方法研究了62個COLLNET成員構成的合作網絡特征[6]。網絡分析方法在國內已經得到了廣泛的研究，但在科學計量學領域中的應用還極為有限，本文將利用網絡分析方法對國內省區間的合作特征展開討論。
2數據來源
本文研究使用的原始數據為中國科學院文獻情報中心的CSCD(1998-2005)數據庫和SCI(2000-2005)給出的中國大陸31個省區合作論文分布矩陣①②，1998年和1999年無SCI合作論文統計項，具體數據略。所得分布矩陣中的列表示第一作者所在省區，行表示與第一作者合作的省區(不區分第二作者、第三作者……)。只要第一作者省區和其他省區作者有合作，即累計一次，這樣矩陣中的元素就會有很大差異，合作次數越多，數值就越大。
3研究方法與結果分析
社會網絡分析方法最初主要應用于社會學研究，隨著數學、計算機科學和復雜性科學的發展，網絡分析的理論、方法和技術日臻成熟，幾乎在所有學科領域得到應用[7]。本文使用廣為流行的網絡分析軟件Ucinet對各省區合作關系進行分析，并繪出可視化圖形。
在網絡分析中，某一個節點的度就是與這個節點相關聯的邊的條數。對于有向網絡，節點的度又分為入度和出度。出度是指從給定節點出發的邊的數量，入度是指指向給定節點的邊的數量。31個省份之間基本上都存在合作關系，但合作次數差別很大。所得矩陣的行向量表示所在行的省份作為第一作者分別與各個列省份合作論文的次數。而矩陣的每一列則代表所在的列省份作為合作作者分別與各個行所在省份作為第一作者合作的論文數量。在本文研究的省區合作網絡中，節點代表各個省份;出度代表某一個省的作者作為第一作者的合作文章數量;入度則是某一個省的作者作為合作作者出現的次數。因此這個合作網絡是一個有向帶權重的網絡。為了能更加清楚直觀地展示出各個省份之間合作狀況，本文將各個年度段的合作次數取平均值，然后將合作次數少于平均值的邊去掉，這樣在圖上顯示出的就是合作強度很高的邊。
表1給出了1998年和1999年各省區科學合作的出度和入度值。可以看出，北京作為我國高等學校和科研機構云集的地區，出度和入度值均處于最高水平，表明其在省區間科學合作中的中心地位。此外，江蘇、上海、廣東作為我國科技和經濟文化較發達地區也是其他省區尋求科技合作的主要對象。而青海、、寧夏和海南則極少與其他省區合作，其他省區也很少與其合作。從整個數據分布可以看出，在這兩年內，我國省區間的科學合作存在較大差異。從合作方向看，基本可以分為三種類型，即出度和入度基本平衡、出度大于入度、出度小于入度三種。出度和入度的差異反映了某省區與其他省區、其他省區與該省區合作的傾向性。
為了形象展示歷年的省區合作及變化情況，針對CSCD 1998-2005年和SCI 2000-2005年的數據，我們分別將相鄰兩年數據合并，這樣就得到了7組數據，形成7個合作矩陣。我們將數據轉化為Ucinet可接受的DL格式，應用Netdraw功能，以可視化的圖形來表示各省區的合作狀況，見圖1-7。各圖中的節點代表省區。節點的大小與節點的出度成比例，表示節點所代表的省份作為第一作者省份的發文情況。邊的粗度與合作的次數成比例，合作次數越多，邊就越粗。
首先分析在CSCD合作環境中各省區合作的狀況，見圖1-4。1998-2005年，在合作網絡中，北京作為合作的主導方，網絡節點最大，合作論文數最多，邊的粗度較大，與其他省區的聯系緊密，始終占據整個網絡的核心位置。江蘇、山東、上海、廣東、湖北等經濟發達省份的邊粗度也較大，表明這些省區與其他省區的科學合作也較為活躍。而新疆、內蒙古、寧夏、青海等省區不僅作為主導方參與的科學合作較少，而且與其他省區合作的頻度也很少，但合作次數有增加趨勢。再看在SCI合作環境中的情況。一般情況下，SCI收錄的論文往往具有較高的學術水平和研究質量。我國學者之間以什么樣的合作方式進入國際科技交流領域，哪些省份之間合作的研究成果會更多進入到SCI，是一個值得探討的課題。圖5-7展示了從2000年到2005年6年間省區間合作情況。從圖中可以看出，相對于CSCD，SCI合作網絡圖的節點之間的相對大小相差很大。這說明進入SCI系統，作為合作的主導方，省區間的差距拉大。在整個網絡中，北京仍然處于強勢地位，其次為江蘇、上海、浙江、安徽等省區。新疆、寧夏、青海、內蒙古、江西、等西部省區仍處于合作網絡的弱顯示度狀態，即以這些省區為第一作者省區的論文較少進入SCI系統。從連接省區間的邊的粗度來看，合作呈現出與強者合作的傾向。北京作為中心，幾乎所有的省區都偏好與其合作，上海、江蘇、廣東等省區也成為弱者合作的選擇對象，而弱―弱省區之間的合作卻較少出現，幾乎沒有多少邊的聯接。
4 結論
通過對兩個數據庫合作絡的分析，可得出以下結論：第一，合作中，在國內數據庫中表現出以北京為中心，以江蘇、上海等為次中心的網絡結構，弱勢省區傾向于與發達省區合作; 第二，以合作形式發表于SCI中的絡，同樣表現出北京等強勢省份的中心地位，作為主導方，與弱勢省區的差距相對于CSCD差距拉大。弱勢省區同樣傾向與發達省區合作; 第三，弱勢省區之間沒有表現出明顯的合作傾向。
科學合作的動機十分復雜，合著論文僅是合作關系的外在表現。合作各方產出能力的差異、地理接近性、學科差異、基金投入、社會文化傳統、政策導向等均是影響科學合作的主要因素[8]。在我國中長期科學和技術發展規劃中，特別強調要加強自主創新，提升我國的科學技術競爭力。在有限的科技投入條件下，如何充分發揮創新功能，縮小地區之間科技經濟差距，加強省區科學合作，提高各省區科學研究效率，是一條可供選擇的路徑。
參考文獻:
[1]Glanzel W. Gzerwon H. A new methodological approach to bibliography coupling and its application to national, regional and institutional level. Scientometrics, 1996(2):195-221.
[2]Smith M. The trend toward multi-authorship in psychology. American Psychologist,1958(130):596-599.
[3]劉杰,陸君安.一個小型科學合作復雜網絡及其分析.復雜系統與復雜科學,2004(3):56-62.
[4]梁立明,朱凌,侯長紅.我國跨省區科學合作中的馬太效應和地域傾向.自然辯證法通訊,2002,24(2):42-50.
[5]Otte E, Rousseau R. Social network analysis: a powerful strategy, also for the information sciences. Journal of Information Science, 2002,28(6):443-455.
[6]Krechemer H. Author productivity and geodesic distance in bibliographic co-authorship networks and visibility on he web.Scientometrics, 2004,60(3):409-420.
［關鍵詞］財經院校;合著網絡;社會網絡;科研合作;分析
一、概述
隨著科學技術的不斷進步，學科間的多樣化發展已呈現出全球化趨勢。不同學科、不同科研者、不同學校、不同省份、不同國家之間的科研合作現象日益增多。科研論文，作為一種記錄科研成果和知識的載體，可以反映出合著者、科研主體間的合作關系。社會網絡，作為一種分析復雜網絡的方法，已成為研究合著網絡關系的有力工具。國內外基于合著網絡的研究成果已有不少。Newman等［1］對生物、數學和物理三個領域合著網絡的合作模式進行了定量分析;Liu等［2］提出了一種方向性網絡結構，并設計評價因子，對研究人員的貢獻進行量化分級;Shibata等［3］利用復雜網絡提出了一種發現研究前沿的方法。國內一些學者也開始這方面的研究，并取得了一定的成果。貢金濤等［4］以專利數據庫為切入點，對專利合著網絡的結構特性和連通體中心進行了計量分析，進而探測出技術研發的績效水平、科研合作的狀況與核心等;陳丞［5］以武漢大學信息管理學院為研究對象，基于社會網絡分析方法分別從中心性分析、凝聚子群分析和可視化分析三個不同的角度對圖書情報內部合著網絡的特點和發展現狀進行了探討;王凱等［6］利用社會網絡分析法，對科學數據管理與共享領域的作者合著情況進行了可視化分析;侯小妮等［7］對我國的護理學科開展了合著網絡的研究，構建了護理學論文合著網絡;李綱等［8］等利用社會網絡分析方法對浙江省某科技創新團隊的合著網絡進行了分析。本文以中南財經政法大學經濟學院和江西財經大學經濟學院為例，分別從CNKI數據庫中收集了兩所院校兩個院系2010年到2015年期間發表的論文，研究和設計了各個院系科研人員的合著網絡模型，通過對網絡模型的分析，并借助MATLAB、Ucinet、EXCEL等分析工具，得到合著作者間、院系間的合作度、集聚系數、節點中心度、個人中心網絡密度、網絡傳遞性等，同時對整個網絡進行了靜態特征、抗毀性等的分析，并給出了相應的建議。
二、研究方法
(一)研究對象
數據來源于中國知網，選用的數據時間范圍是2010年到2015年，我們檢索出中南財經政法大學經濟學院和江西財經大學經濟學院每篇文章的作者、題名、單位和出版年份四個關鍵字段，建立符合財經院校社會網絡分析要求的數據庫，共獲得記錄1844條。
(二)研究工具
本文首先采用Matlab軟件編程，以實現作者相關信息的提取，然后借助Excel軟件對提取的信息進行合著力度和合著規模分析，再結合Ucinet和NetDrew軟件進行社會合著網絡分析和可視化處理。根據研究需要，我們在發文頻次在2次(含2次)以上的作者中構建合著網絡。
三、合著網絡實證分析
(一)合著網絡分析
我們借助Ucinet軟件對中南財經政法大學經濟學院和江西財經大學經濟學院的科研合作數據進行初始矩陣化，生成科研合著網絡圖，并利用Netdraw軟件生成可視化圖。為了便于觀察網絡的特性，我們對中南財經政法大學經濟學院和江西財經大學經濟學院初始網絡進行了二值化處理，選取的閾值為2。圖1為中南財經政法大學經濟學院的網絡圖，圖2為江西財經大學經濟學院的網絡圖，連線表示作者之間的合作，連線越多表示作者間合作的頻次越多。
(二)中心度分析
1．中間中心度中間中心度同樣采用Ucinet軟件進行分析，我們分別對兩個數據樣本進行統計，統計結果如表1和表2．運行結果由高到低給出了每位作者的中間中心度，上表顯示，中南財經政法大學經濟學院的中間中心度，從整體上看遠大于江西財經大學經濟學院的中間中心度，這說明在江西財經大學經濟學院影響力較強的“中間人”較少，與網絡中其他人的合作力度不夠。中間中心度為0，說明這些作者之間的互動較少，自身的獨立性較強。作者長期處于獨立狀態，極有可能導致自己的科研水平止步不前。
四、結論
關鍵詞：期刊級 作者共現 學科服務 用戶研究
中圖分類號： G254.97 文獻標識碼： A 文章編號： 1003-6938（2013）05-0067-05
1 引言
學科情報服務是圖書館深化情報咨詢服務和學科化服務的重要舉措，它是以用戶學科情報需求為中心，收集相關學科信息，利用情報研究方法，結合學科專業知識及其專有方法，從研究的角度進行情報分析，為用戶提供科技決策、科技管理的信息保證和科技決策的依據、建議和方案等的一種具有高附加價值的深層次專業知識服務。加強學科用戶的研究， 是保障學科情報服務高效運行的措施之一，其具體研究內容主要包括用戶數量規模、用戶研究方向、信息需求類型、需求量、獲取信息的能力與方式等， 并據此對學科情報服務人員、技術與設備等相關資源加以合理配置。
目前，大部分學科情報服務實踐中，用戶的學科屬性是基于其所屬機構的。以國內高校圖書館的學科情報服務——學科館員服務為例，所有用戶的學科劃分均依據其所屬院系，學科館員的配置及其學科定位均以此為基礎展開。然而當今科技發展一方面呈現精深細化的特點，另一方面又表現出高度的交叉性。由此直接導致同一機構內科研人員研究領域之間的差異越來越顯著，而不同機構間科研人員研究領域間的關聯卻越來越強。以中國農業大學為例，很多傳統農學相關專業當前的關注點與生物學院下設專業有著很強的交叉性，其研究內容相關性非常大；而生物學院內設專業由于研究的切入點不同，其關注點又各不相同，研究內容也大相徑庭。
對科學共同體的研究有基于論文合著關系的，也有基于論文引用關系的。通過論文合著途徑，可以揭示科學家之間較為明顯的聯系[1]，而引文途徑則可以揭示科學家之間隱藏的或未知的聯系。20 世紀80年代White和Griffith 提出的作者同被引分析方法主要是以兩兩作者被同一文獻引用為出發點，有將其用于科學共同體結構特征比較[2]和科學家學科地位評價[3]等方面的研究；作者引文耦合分析方法是以兩兩作者對同一文獻的引用為出發點，其結果可以與作者同被引分析相互印證和補充[4]；尚無將作者同被引分析與作者引文耦合分析結合用于學術共同體識別的相關研究。本文試圖從學科用戶間的同被引和引文耦合現象入手，結合其情況，在期刊層面上考察其共現現象，探索基于期刊的作者共現在學科用戶分類中的應用。除此之外，還通過分析作者組-期刊二模網絡的屬性，揭示不同學科作者組和不同期刊在機構科研網絡中的表現，以期為推出效率更高、針對性更強、重點更突出的學科用戶服務提供依據。
2 數據來源和構建
本文數據來源于ISI-Web of Science（SCIE & SSCI）數據庫。分析數據集構建過程如下：
1）利用檢索式“AD = china agr univ”，限定文獻類型為“Article”、“Proceedings Paper”、“Review”，檢索中國農業大學發表的論文，共計6125篇（檢索日期：2012年7月2日），導入EXCEL，構建初始論文集Article_1；
2）利用Web of Science的“引文報告”功能，獲得Article_1的引文15662條，導入EXCEL，構建引文集Citation_1；
3）從原始論文集Article_1中篩選通訊作者地址（RP字段）為中國農業大學的論文，獲得分析論文集Article_2；
4）清洗通訊作者，合并同名作者，獲得作者908位，構建作者集Author_1，；
5）提取分析論文集Article_2的參考文獻信息，構建參考文獻集Reference_1；
6）利用EXCEL VBA統計各通訊作者文獻發表、文獻引用和被其他文獻引用的情況，生成作者基本信息表（見表1）、作者-論文表、作者-參考文獻表和作者-引文表。
3 研究方法
3.1 “作者-作者”共現矩陣的構建方法
由于各作者研究方向和主題上存在的差異，以及單個作者、單篇文獻涉及范圍的局限性，各作者在單篇文獻層次上的共現概率很低，以致出現較多孤立作者，不利于進一步聚類分析，所以本文擴展了作者共現的范圍，確定以期刊層面的作者共現作為統計對象。
本文關于期刊層面的作者共現統計，從以下三個角度進行：一是期刊，二是論文引用期刊，三是論文被引期刊。利用表2所列方法，統計生成基于期刊的作者共現矩陣Ma、基于論文引用期刊的作者共現矩陣Mr和基于論文被引期刊的作者共現矩陣Mc。
由于Ma、Mr和Mc分別受作者發文量、作者引用文獻量和作者被引頻次的影響，因此整合三個矩陣時先利用表3所列公式將其分別轉化為等價矩陣，然后對Ea、Er、Ec求和，構建基于期刊的作者等價矩陣[5]。
3.2 “作者組-期刊”二模網絡分析
采用離差平方和方法，以絕對值差為度量標準對基于期刊的作者等價矩陣進行聚類[6]。將聚類結果代入作者-期刊矩陣、作者-論文引用期刊和作者-論文被引期刊矩陣，利用公式（1）分別計算各作者組在發表期刊、引用期刊和被引期刊上的分布情況，
Ck，m=∑Ck，m，i （1）
其中，Ck，m表示聚類簇k在期刊m上的出現頻次，Ck，m，i表示聚類簇k包含的作者i在期刊m上的出現頻次。
考慮到各作者組發文量、引用文獻量和被引頻次的不同必然導致其發表期刊、引用期刊和被引期刊分布頻次的不可比性，本文利用各作者組發文量、引用文獻量和被引頻次分別對其發表期刊、引用期刊和被引期刊的頻次進行了修正。對修正后的作者-期刊矩陣、作者-論文引用期刊和作者-論文被引期刊矩陣求和，生成作者組-期刊二模網絡。
二模網絡描述的是兩類群體（模態）在網絡中的關系，通過中心度的測度可以揭示不同群體成員在網絡中的重要性，本文采用點度中心度和中介中心度來測度作者組節點和期刊節點在二模網絡中的表現。其中，“點度中心度”是基于“在一個社會網絡中，如果一個節點與其他節點之間存在的聯系越多，那么該節點的中心地位越突出，其在該網絡中擁有的權利越大”的思想，通過計算與某節點間有聯系的節點數量來表征該節點的重要程度；“中介中心度”表征的是節點在網絡中處于其他兩個節點之間路徑上，對其他節點的中介作用，即其控制其他兩個節點之間交往的能力。在本文構建的作者組-期刊二模網絡中，作者組節點的點度中心度表示的是與該作者組相關聯的期刊的數量，而期刊節點的點度中心度則表示與該期刊相關聯的作者組的數量；作者組節點的中介中心度是指該作者組在網絡中作為兩種期刊連接橋梁的重要程度，而期刊節點的中介中心度則是指該期刊對連接兩個作者組的重要性[7]。
4 結果分析
利用本文提出的“作者-作者”共現矩陣的構建方法，構建基于期刊的作者等價矩陣，如表4所示。
基于作者等價矩陣，采用離差平方和方法，以絕對值差為度量標準進行聚類。由于聚類過程中存在部分聚類簇規模過小的情況，本文預設將規模小于全體作者數2%的聚類簇剔除，在保證保留聚類簇與學科館員人數（中國農業大學學科館員共有15名）相等的前提下，經多次試驗，最終確定聚類數為24，結果見表5。
使用本文3.2部分給出的方法構建“作者組-期刊”二模網絡。由于該二模網絡涉及期刊過多，結構過于復雜，因此本文對其進行了修剪：首先對作者組-期刊間的關聯強度求平均值，保留大于等于平均值的、忽略小于平均值的，保留關聯強度值5625個；繼續對余下作者組-期刊間的關聯強度求平均值，保留大于等于平均值的、忽略低于平均值的，保留關聯強度值1267個；繼續求平均值，保留大于等于平均值的、忽略低于平均值的，保留關聯強度值833個；繼續求平均值，保留大于等于平均值的、忽略低于平均值的，保留關聯強度值172個。以這172個關聯強度值所涉及的作者組和期刊為基礎生成作者組-期刊相關矩陣，對其求平均值，將大于等于平均值的賦值為1，小于平均值的賦值為0，生成作者組-期刊二值矩陣[8]；將該二值矩陣導入社會網絡分析軟件Ucinet，生成作者組-期刊二模網絡圖（見圖1）。
進一步分析各作者組及期刊在網絡中的表現情況，結果如表7、表8所示。從表7可以看出，期刊Journal of Agricultural and Food Chemistry（農業與食品化學）點度中心度和中介中心度均為最高，表明其在網絡中與其他節點關聯度最高，且在網絡中對其他節點的溝通作用最強，因此該期刊對整個中國農業大學科研網絡而言最為重要，對該刊應重點保障，開展學科情報服務時應針對該刊進行動態監測。
從表8可以看出，作者組4和作者組7的點度中心度最高，表明這兩組在網絡中與其他節點關聯度最高，對整個中國農業大學科研網絡最為重要；作者組4和作者組18的中介中心度最高，表明這兩組作者在網絡中對其他節點溝通作用越強，節點的中介作用越強。在人員有限的情況下開展學科情報服務時，應重點針對作者組4、7、18，尤其是作者組4做需求分析，進行重點保障。
4 結語
本文基于期刊層面的作者共現聚類分析方法對揭示同一機構作者間研究的相似性和差異性具有十分重要的意義，以聚類結果為基礎進行的二模網絡分析進一步識別出機構科研網絡中應予重點關注的研究團體和學科資源，從而為學科情報服務資源的優化配置提供了決策依據。
中國農業大學的學科情報服務可依據作者聚類分組情況，為每個作者組配置相應的學科館員，根據各組與其相關期刊相關性的強弱，決定重點保障與推送的資源和內容；依據作者組在網絡中的表現，進一步深入分析其學科優勢與劣勢，為學科發展獻言獻策；根據期刊在網絡中的表現，進一步深入分析期刊的內容，挖掘期刊對學科的意義，進而實現更深層次的學科情報服務。
參考文獻：
[1]劉璇，酈芳.圖書情報學學術團體現象實證研究[J].情報雜志， 2010， （3）： 20-25.
[2]雷銀枝，宋歌.科學共同體測度方法的改進與實證研究[J].科學學與科學技術管理， 2011， （4）： 13-19，97.
[3]Ding Y. Topic-Based PageRank on Author Cocitation Networks[J].Journal of the American Society for Informa
tion Science and Technology， 2011， 62（3）： 449-466.
[4]肖明，李國俊，袁浩等. 國外情報學研究前沿可視化分析： 基于JASIS&T（2000-2009年）的引文耦合分析[J]. 圖書情報工作，2011， （2）： 1-5.
[5]王林，冷伏海.施引關鍵詞與被引作者交叉共現分析方法及實證研究[J]. 情報學報， 2012， 31（4）： 362-370.
[6]朱星宇，陳勇強. SPSS多元統計分析方法及應用[M]. 北京： 清華大學出版社， 2011.
[7]劉軍. 整體網分析講義[M].上海：格致出版社， 2009.
【關鍵詞】計算機軟件；畢業論文；系統設計；軟件
中圖分類號：G64 文獻標識碼A： 文章編號：1006-0278（2014）01-177-01
一、背景意義
如今計算機網絡的普及已近是亙古不變的潮流了，而且全國大學網絡的正在以高速的發展節奏和社會潮流接軌，各種計算機網絡化已經逐步取代繁瑣的傳統辦公模式。大學畢業設計作為大學生四年學結的最重要環節，我們完全有必要實現網路管理化，可以減少指導老師和學生的工作時間和負擔，讓繁瑣的畢業設計過程采用網絡化數據庫統一管理。通過畢業論文管理系統，大大方便了學生、老師及學校管理員。社會科技在不斷的革新，我們的生活、工作和獲取知識的方式結構都發生了完全的更新和進步，傳統的方式在不斷的改變，這是社會發展的畢竟之路，也是走向未來的畢竟過程，所以使得各種傳統方式得到不斷的簡單、方便和先進是十分重要和必須的。然而在許多大學和高校里面并沒有在畢業這一環節上實現信息化管理，所以這一部分的工作所有都是由人工來完成，然而人為的物理操作必定存在許多缺陷，比如大量的畢業生信息需要處理，工作量就十分的龐大，到處都是紙質資料，不易整理和保管，還容易丟失，另外最麻煩的是需要更新和修改的資料的情況，其次就是學生和指導老師之間關于論文進行的交流和聯系都是線下的，會受到各種不定因數影響，影響這一環節的進度和質量。有著網絡的基礎，系統可以采用了目前十分流行的B/S結構和Web技術，使得操作交流都變得十分簡單和快捷。最重要的是通過計算機信息化管理完全避免人為物理操作的不足。
二、初步調研
瀏覽了各大類型和類似的網站，畢業論文管理管理系統，我同樣采用了當前很流行的B/S結構來開發。
通過各個高校去實地考察，很少有大學開始使用此類系統來管理畢業論文。另外，大多數學生和老師都希望高校能完善此塊的建設，來減少畢業生和指導老師的工作量和工作效率。并且此系統會有效的減少學校在此類工作的成本。由于只針對高校畢業生的畢業論文，技術上的要求和開放難道并不是特別大，做好策劃工作就好。所以完全可以由大學生和本校老師來指導完成。
最后我們考慮到費用，因為不是企業級的網站，而是校內開發，功能和維護性的要求并不是特別高，所以費用基本可以忽略不記。綜上所述，系統的開發無論從技術上、經濟上，可行性都是相當高的。對于各大高校是值得去開放和使用的。
三、開發過程中問題
在開放過程之前，我們需要選擇何種編程語言和環境。語言和環境的選取對系統的開發難度和時間長度都是有直接的聯系的。為了減少開發周期，減弱開發費用，提高產品的質量，對系統做出需求分析報告是非常必要的。比如本畢業論文的系統，是可以完成論文的申請，上傳，查看，評價，統計等一系列功能的。那么采用SQL Server2012+Microsoft Visual Studio 2012++C#做為開發工具。在軟件系統開發過程中，不提倡無模型的隨機開發方式，不可以想到什么功能模型就隨手開發什么代碼，這樣不規范的開發，不僅使得開過過程處于混亂，而且大大地降低了系統開發效率。我們可以適當的利用一些經典的開發模型，典型的開發模型有：1.邊做邊改模型（Build-and-Fix Model）；2.瀑布模型（Waterfall Model）；3.快速原型模型（Rapid Prototype Model）；4.增量模型（Incremental Model）；5.螺旋模型（Spiral Model）；6.演化模型（evolution model）；7.噴泉模型（fountainmodel）；8.智能模型（四代技術（4GL））；9.混合模型（hybrid model）；10.RAD模型；我們要盡量避免原始老舊的開放模型，這樣可以避免許許多多開發問題。但是要根據系統的大小，和開發的難度來做決定，有句話說的好殺雞焉用宰牛刀，太多復雜的模型適合龐大的系統開發，然而用的一般的小系統上反而會增加開發難度。
參考文獻：
[1]周名浩.科關于畢業論文管理系統的設計思想[J].才智，2011（12）.
[2]劉志明.基于工作流技術的畢業論文管理系統設計與實現[J].科技信息，2011（10）.
