神马文学网QQ虚拟学习社群的社会网络分析-教育技术论坛-搜狐博客
来源：百度文库 编辑：神马文学网 时间：2024/04/18 19:39:22
QQ虚拟学习社群的社会网络分析
张豪锋 李瑞萍 李名
（河南师范大学 教育技术系，河南新乡 453007）
【摘要】随着网络技术和信息技术的发展，虚拟学习社群已经成为教育技术界和远程教育界研究的热点之一。本文以QQ虚拟学习社群为研究对象，运用社会网络分析方法，借助UCINET软件对社群的网络关系进行分析，探讨了社群网络结构特征、意见领袖地位的形成，以及社群成员参与动机、满意度、忠诚度与网络结构之间的关系，并在此基础上对社群的建设提出了相应的建议，以期促进虚拟学习社群的持续发展。
【关键字】 QQ；虚拟学习社群；社会网络分析
【中图分类号】G434 【文献标识码】A 【论文编号】
一 背景和目的
人们利用互联网相互沟通，通过互动形成虚拟社群，它是人际关系、共享经验的累积与凝聚。由互联网架构出来的虚拟社群，不仅提供了信息流通的通道，同时也累积了这些信息中所蕴含的知识，形成一种巨大的知识仓库。随着信息技术的发展，互联网络上的虚拟社群已成为一种重要的知识共享平台。[1]互联网技术的发展同时使得人与人之间知识和情感的来源和表现形式更加多样化。电脑的使用者通过网络技术架构了一个个社会关系网络，这个完全通过互联网所构建的社会网络是虚拟社群的重要基础。虚拟社群中的社会网络与真实社区中的一样，也存在人际关系中的强联系和弱联系等人际网络关系特性，从而能够在虚拟社群中提供信息交换、知识共享和社会支持。社群成员通过学习社区的互动，可以建立协同学习关系。在社区共享机制的作用下，个人知识成为学习社区的共同知识；通过具体的协作，这些知识又被结构化。
然而，虚拟社群中的协作与交流又受着各种因素的影响，如社群成员的参与动机、满意度等。这些因素对虚拟社群的交流有怎样的影响？虚拟社群结构特征是怎样的？虚拟社群群体成员和意见领袖地位又是怎样形成的？对社群内的知识共享有什么影响？这些都是本文讨论的问题。QQ是目前使用范围最为广泛的社会性软件之一，它整合了聊天、博客、邮件等功能，使用方便，让人们在网上的交流和共享更加容易，是构建虚拟学习社群的较好工具。文章将用社会网络分析方法来研究QQ虚拟社群成员之间彼此的关系，描绘出QQ虚拟社群网络结构及成员之间信息流动的情形，了解社群内不同个体之间关系的强度，探讨网络结构与社群成员的参与动机、社群满意度及忠诚度的关系，以期促进虚拟社群内的知识交流与共享。
二 研究对象和方法
本文研究对象是我院教育技术系40名研究生基于QQ组成的虚拟学习社群——教育技术学习与研究群。40名社群成员对QQ软件使用熟练，并具有共同的愿景，目标一致。该社群的建立为社群成员的学习与交流提供了一条新途径。针对教育技术的相关主题，社群成员可以提出问题、发表各自的观点和看法，相互交流，相互帮助。这不仅有利于研究生之间的知识交流，同时也有利于创新思维的发展。
社会网络分析方法是一种从量化的角度分析社会关系内在结构的研究方法，用于描述和测量行动者之间的关系或通过这些关系流动的各种有形或无形的东西，如信息、资源等。自人类学家Barnes(1954)首次使用“社会网络”的概念来分析挪威某渔村的社会结构以来，社会网络分析被视为是研究社会结构的最简单明朗、最具有说服力的研究视角之一。[2]本文运用社会网络分析方法，对基于QQ构建的教育技术学习与研究群进行分析研究，描述该QQ虚拟学习社群的社会网络结构特征。
研究的数据主要通过作者的长期观察和记录，直接从QQ社群获取社群成员的相关数据，主要包括成员的点入度、点出度。社群成员的参与动机、满意度和忠诚度数据通过问卷调查来收集。对有效样本的数据，统一输入UCINET软件进行数据分析。
三 研究结果与分析
1 QQ虚拟学习社群的网络关系分析
（1） QQ社群整体网分析——社群图
本节测量了社群成员的点度中心度，并描绘出社群图，以此来分析社群成员之间的网络关系。如图1所示，社群成员的连结关系用有向箭头表示。
图 1 社群成员网络结构图
从图1中我们可以看出QQ虚拟社群的整体网络结构特征：在群体中有一小部分人受到成员的敬重与信赖，互动参与程度高，对社群的贡献大，知名度相当高，他们经常引出新的论题，引导学习互动，具有较丰富的社交经验和专业知识，解决问题能力较强，具有强烈学习动机，乐于分享个人经验和心得，积极帮助其他成员学习知识，我们称其为“意见领袖”；[3]如5、9、6、11、21、30、16 等都属于意见领袖，他们在社群中发表文章、分享知识，受到了多数人的关注，是群体的核心人物，在社群中具有很强的凝聚力。如果一个群体中缺乏意见领袖时，社群图就会显得很散乱，网络结构关系就显得很松散。[4]
从图中还可以发现一部分成员处于社群的边缘，缺乏沟通和共享，如节点8、37、32、39、31等在图中的连结较少，说明他们与社群中的其他成员交流不积极，很少在社区发表文章和观点，对社群的贡献不大。
（2） QQ社群中心度分析——矩阵法
中心度是一个重要的个人结构位置指针，评价一个人重要与否，衡量其职务的地位优越性或特权性，以及社会声望等常用这一指针。通常，中心度包括：点度中心度、中间中心度、接近中心度、特征向量中心度等，其中点度中心度使用最广泛。点度中心度（点出度和点入度）通常用来衡量谁在该虚拟学习社群中成为最主要的中心人物。它刻画的是每个成员在此社群中的局部中心指数。如果我们关注整个网络，研究不同的网络是否具有不同的中心趋势，则可以用整体网络的标准化点度中心势来表示网络的中心性。中心势越接近1，说明网络越具有集中趋势。[5]
利用矩阵来表达社群各成员之间的关系如图2所示，在此矩阵中，Xij=1表示成员i与成员j有行为关系，相对于社群图来说，则在点i和点j之间存在一条由i指向j的有向线；Xij=0表示的是成员i与成员j没有行为关系，在社群图中，在点i和点j之间不存在任何连线。因此，最终得到的矩阵为二值非对称方阵，社群图则是有向图。
图 2 社群成员关系矩阵（部分）
在图2所示的矩阵中，大致可以看出成员之间的关系取向，但是每个成员的具体情况却很难看清楚。这种情况下，我们可以从每个成员的点入度、点出度、点度中心度等几个方面进行分析。每个成员的点度中心度统计如表1所示：
表 1 社群矩阵的点度中心度数据表
编号
出度
入度
标准化点出度
标准化点入度
点度
中心度
编号
出度
入度
标准化点出度
标准化点入度
点度
中心度
5
23
27
58.974
69.231
50
15
6
9
15.385
23.077
15
9
22
27
56.41
69.231
49
25
9
5
23.077
12.821
14
6
14
22
35.897
56.41
36
22
7
7
17.949
17.949
14
11
13
20
33.333
51.282
33
29
7
7
17.949
17.949
14
21
13
19
33.333
48.718
32
2
6
7
15.385
17.949
13
30
16
14
41.026
35.897
30
35
6
7
15.385
17.949
13
16
14
15
35.897
38.462
29
36
9
3
23.077
7.692
12
12
13
10
33.333
25.641
23
28
7
5
17.949
12.821
12
18
8
12
20.513
30.769
20
24
5
7
12.821
17.949
12
23
8
11
20.513
28.205
19
34
5
6
12.821
15.385
11
27
7
12
17.949
30.769
19
26
7
3
17.949
7.692
10
13
9
9
23.077
23.077
18
17
6
4
15.385
10.256
10
19
8
10
20.513
25.641
18
38
5
5
12.821
12.821
10
14
10
7
25.641
17.949
17
1
5
5
12.821
12.821
10
10
8
9
20.513
23.077
17
33
4
6
10.256
15.385
10
40
15
1
38.462
2.564
16
31
7
1
17.949
2.564
8
3
9
7
23.077
17.949
16
39
5
3
12.821
7.692
8
7
8
7
20.513
17.949
15
32
4
4
10.256
10.256
8
4
8
7
20.513
17.949
15
37
4
4
10.256
10.256
8
20
8
7
20.513
17.949
15
8
5
2
12.821
5.128
7
从表 1 中，可以看到不同的社群成员表现出不同的点出度和点入度，点出度表示的是成员i访问他人的情况；点入度表示成员i被其他成员访问的情况；在上图所示的矩阵中，点出度就是成员i所在行单元格为“1”的总数，[6]点入度就是成员i所在列单元格为“1”的总数。点入度值越大，说明该成员在社群中的威信越高，越处于核心地位。点度中心度就是点出度与点入度之和，是描述成员i与其他多少个成员有直接关系的数量指标。标准化点出度（入度）是某一节点的点出度（入度）与该节点在网络中最大可能的关系数的比值，[7]如表 1 中，成员5的出度是23，入度是27，标准化点出度就是58.974%，标准化点入度是69.231%；它表示成员5关注网络中58.974%的其他成员，被网络中69.231%的成员关注。
从分析结果来看，按照点度中心度从大到小排列前7位的是5、9、6、11、21、30、16。这些成员与其他社群成员相比拥有更多的连结关系，所以他们是QQ社群网络的意见领袖。其中，除成员30外，其他6名成员的点入度都大于点出度，说明他们受到更多成员的关注；点出度也比较大，说明他们也积极访问其他社群成员；他们对社群的贡献较大，地位也较高。社群中有一部分成员，他们的连结关系数量中等，是社群中的“活跃者”，如12、18、23、27、13、19、14、10、40等几名成员。但是细分之下，这些成员在社群中所拥有的权力和地位都不一样，如成员40的点出度远远大于点入度，说明他积极地关注其他成员，自己却很少被关注；成员27、18等的点入度比点出度多很多，说明他们在社区发表的文章或观点得到了其他成员的关注，而很少关注其他成员；另外，还有一些成员拥有的连结关系很少，他们缺乏与社群成员的交流，属于社群中的不活跃者。如成员37、成员8。
通过UCINET软件分析得出，整个社群网络的标准化点入度中心势和点出度中心势分别为47.8%和37.3%。两数值差距不大，这说明网络关系没有很大的不对称性。前已指出，中心势越接近1，网络结构越具有集中趋势。从其中心势值来看，整个网络的中心势一般，没有明显的集中趋势。
2 QQ社群成员的参与社群动机、社群满意度、社群忠诚度分析
（1） 问卷设计
针对QQ虚拟学习社群里的40名学生，采用利克特五点量表，调查社群成员参与动机、社群成员满意度、社群成员忠诚度三个维度情况（根据相关研究[8][9][10]，对社群参与动机，作者从人际关系、信息充足、系统功能三个方面进行调查；对社群满意度，从社群成员互动关系、社群核心人员、社群品牌、社群服务四个方面进行调查；对社群忠诚度，从参与感、归属感、贡献心力、服从领导四个方面进行调查）。并计算参与社群动机、社群满意度、社群忠诚度层面上的平均值。发放问卷40份，回收问卷40份，有效问卷38份。
（2） 问卷内容
① QQ虚拟学习社群成员的基本资料，包括性别、年龄、年级等；
② QQ虚拟学习社群成员参与动机，人际关系、信息充足、系统功能三个层次，共计9题；
③ QQ虚拟学习社群满意度，社群成员互动关系、社群核心人员、社群品牌、社群服务四个层次，共计10题；
④ QQ虚拟学习社群忠诚度，参与感、归属感、贡献心力、服从领导四个层次，共计9题；
其中②③④都用利克特五点量表测量。
（3） 数据分析
收集后的数据，经处理和统计如表2所示：
表 2 社群数据统计表
编号
中心度
满意度
忠诚度
参与动机
编号
中心度
满意度
忠诚度
参与动机
5
50
4.904
4.827
4.946
15
15
3.789
3.457
3.756
9
49
4.894
4.812
4.728
25
14
3.856
4.115
3.863
6
36
4.857
4.097
4.731
22
14
3.832
3.980
3.687
11
33
4.774
4.569
4.638
29
14
3.815
3.547
4.021
21
32
4.789
4.433
4.513
2
13
3.774
3.377
3.950
30
30
4.678
4.378
4.469
35
13
3.765
3.647
3.606
16
29
4.527
4.188
4.332
36
12
3.678
3.963
3.620
12
23
4.221
4.178
4.197
28
12
3.651
3.860
3.563
18
20
4.168
4.117
4.413
24
12
3.593
3.461
3.587
23
19
4.132
4.107
4.089
34
11
3.582
3.411
3.542
27
19
4.115
4.056
4.081
26
10
3.473
3.521
3.471
19
18
4.012
4.142
4.066
38
10
3.508
3.087
3.558
14
17
3.989
3.923
4.354
1
10
3.481
3.006
3.365
10
17
3.985
3.827
4.102
33
10
3.397
2.966
3.426
40
16
3.992
4.201
4.105
31
8
3.278
2.845
3.400
3
16
3.885
3.734
3.997
39
8
3.323
3.204
3.250
7
15
3.897
4.001
3.959
32
8
3.269
3.221
3.154
4
15
3.912
3.697
3.899
37
8
3.203
3.168
3.187
20
15
3.848
3.852
3.924
8
7
3.007
2.906
3.211
通过对表2数据进一步分析，分别计算出社群成员的点度中心度与社群成员对QQ社群满意度、忠诚度及参与动机的相关系数；我们发现，社群成员对QQ社群满意度、忠诚度及参与动机与他们的点度中心度存在显著的正相关性，相关系数分别为0.936、0.830、0.896；这就说明，在QQ社群中社群成员点度中心度越大，网络连结规模和强度越大，在社群网络中的地位越高，他们对社群的满意度及忠诚度也越高。对社群的满意度、忠诚度越高，他们就更加愿意参与到社群中来。这也和我们的常识相符合。
四 讨论与建议
一个成功的虚拟学习社群与其社会网络结构有着密切的关系。[11]从社会网络的角度上来讲，社群内社群成员之间的知识交流与共享，主要表现在该社群的社会网络结构上。根据相关研究[12]，社会网络互动结构主要有星形、链状和网状三种类型模式。相比较于星形和链状的微观互动结构，具有网状结构的社群，成员之间的交互更加深入，也相对频繁，因此更有利于知识共享和协作解决问题。一个具有网状互动结构的社群团队，具有更大的活力，避免了星状网络的高群体中心性所带来的隐性知识的匮乏和创新性的缺失，同时，也避免了链状互动结构给团队造成的信息传递效率降低，成员之间交流带来的弊端。
从上述的QQ社群网络结构图，我们可以看出该社群团队结构属于网状互动结构，与社群的中心度分析保持一致，网络关系比较对称，是一个比较成功的虚拟学习社群。笔者认为，该虚拟学习社群成功的原因有以下几点：首先，社群中存在着一些中心人物，他们处于网络的中心地位，控制着信息的流动，引导着整个社群的运作。其次，社群中大部分社群成员都具有一定的参与度。他们能够积极参与到网上学习的活动中，相互交流、沟通。第三，社群成员间的相互了解也是该社群成功的原因之一。该社群成员是笔者所在院系的研究生，具有较强的同质性，交流障碍相对较小。
同时，在社会网络分析的过程中，发现社群也存在一些不足。首先，网络中还存在一些不活跃者，他们属于“孤独分子”，参与动机较低，对社群的满意度和忠诚度也不高；其次，网络中社群成员间的关系比较对称，小团体相对较少，导致议题过于集中。第三，社群成员具有较强的同质性，虽然减少了交流壁垒，但是容易造成成员角色单一，减低社群的活力。因此，为了社群的持续发展，笔者建议，应重视社群中意见领袖的生成，改善“孤独分子”现象，试图将不活跃者转化为活跃者，将活跃者生成意见领袖，使全部社群成员都能够积极地参与进来；应注意适当数量的小团体生成，适当的小团体有助于主题更加丰富、协作更加深入；为了增加社群的活力，应重视社群成员角色的多元化发展。
此外，本文通过调查研究得出：社群的网络结构与其社群成员的参与动机、社群满意度以及忠诚度有着显著的相关性。二者之间是相互影响、相互促进。因此，笔者建议采取相应的措施（如社群提供丰富的内容、资源、技术支持等）来激发社群成员的参与动机，提高社群成员的点度中心度、社群满意度和忠诚度，进一步促进他们网络学习中意义交互[13]，从而提高社群成员的学习绩效，促进虚拟学习社群的持续发展。
五 结束语
文章运用社会网络分析方法，利用UCINET软件对基于QQ虚拟学习社群的网络关系进行了分析，用问卷调查法获取社群成员对社群的满意度、忠诚度以及参与动机的相关数据，并将社会网络分析得到的数据与问卷调查得到的数据进行比对和分析，发现两者存在显著的相关性，在此基础上进行了讨论并提出了建议。本文为个案研究，难以将所得结果推广到其他情境中去。虽然其研究范围的限定有利于数据的收集，具有较强的个体代表性；但是，由于QQ虚拟学习社群样本性质特殊、数量较少以及其他条件的限制，在一定程度上影响了其结果的推广，还需要今后进一步的研究。
本文发表在清华大学《现代教育技术》2009年12期