QQ虚拟学习社群的社会网络分析

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
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
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；
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
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
图 2 社群成员关系矩阵（部分）
文章和观点，对社群的贡献不大。
在图 2 所示的矩阵中，大致可以看出成员之间的关系取
—————————— 收稿日期：2009 年 4 月 19 日 80
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。
成员在社群中的威信越高，越处于核心地位。点度中心度就
8
5
2
12.821
5.128
7
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。
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
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 习与研究社群进行分析研究，描述该 QQ 虚拟学习社群的社 会网络结构特征。
表 1 社群矩阵的点度中心度数据表
点度
点度
编号 出度 入度 标准化点出度 标准化点入度
编号 出度 入度 标准化点出度 标准化点入度
中心度
中心度
5
23 27
9
22 27
6
14 22
11 13 20
21 13 19
30 16 14
16 14 15
12 13 10
18
8
12
23
8
11
27
7
12
13
9
9
19
【中图分类号】G420
【文献标识码】A
【论文编号】1009—8097（2009）12—0080—04
一 背景和目的
二 研究对象和方法
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。
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，
23.077
15
12.821
14
17.949
14
17.949
14
17.949
13
17.949
13
7.692
12
12.821
12
17.949
12
15.385
11
7.692
10
10.256
10
12.821
10
12.821
10
81
10
8
9
20.513
23.077
17 33 4
6
10.256
15.385
10
50 15 6
9
49 25 9
5
36 22 7
7
33 29 7
7
32
2
6
7
30 35 6
7
29 36 9
3
23 28 7
5
20 24 5
7
19 34 5
6
19 26 7
3
18 17 6
4
18 38 5
5
17
1
5
5
15.385 23.077 17.949 17.949 15.385 15.385 23.077 17.949 12.821 12.821 17.949 15.385 12.821 12.821
（2） QQ 社群中心度分析——矩阵法
向，但是每个成员的具体情况却很难看清楚。这种情况下，
中心度是一个重要的个人结构位置指针，评价一个人重 我们可以从每个成员的点入度、点出度、点度中心度等几个
要与否，衡量其职务的地位优越性或特权性，以及社会声望 方面进行分析。每个成员的点度中心度统计如表 1 所示：
8
10
14
10
7
58.974 56.41 35.897 33.333 33.333 41.026 35.897 33.333 20.513 20.513 17.949 23.077 20.513 25.641
69.231 69.231 56.41 51.282 48.718 35.897 38.462 25.641 30.769 28.205 30.769 23.077 25.641 17.949
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
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]
（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
17.9Байду номын сангаас9
15
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
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
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
新的论题，引导学习互动，具有较丰富的社交经验和专业知 二值非对称方阵，社群图则是有向图。
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。