網(wǎng)絡(luò)協(xié)同信息分布規(guī)律研究:以微博評(píng)論為例*

洪芳林 邢文明

（1.華南師范大學(xué)經(jīng)濟(jì)與管理學(xué)院 廣州 510631；2.湘潭大學(xué)公共管理學(xué)院 湖南湘潭 411105）

協(xié)同信息行為（Collaborative Information Behavior， CIB）研究是在計(jì)算機(jī)協(xié)同技術(shù)和傳統(tǒng)個(gè)體信息行為研究的基礎(chǔ)上發(fā)展而來的一個(gè)跨學(xué)科研究領(lǐng)域， 最早由華盛頓大學(xué)協(xié)同信息檢索項(xiàng)目研究組成員提出，它是指一組成員為了識(shí)別和解決一個(gè)共同的信息需求而采取的活動(dòng)，共同協(xié)作和互惠共享是其核心要素[1-2]。

伴隨著協(xié)同理論的發(fā)展和Web 2.0 群體交互性虛擬社群[3]的出現(xiàn)，協(xié)同信息行為研究已經(jīng)逐漸成為新的研究熱點(diǎn)。目前CIB 領(lǐng)域已有的研究主要是從科研合作中的協(xié)同信息行為[4-5]、圖書館信息服務(wù)中的用戶協(xié)同信息行為（協(xié)同信息搜尋與檢索、協(xié)同內(nèi)容創(chuàng)作、協(xié)同信息評(píng)估、協(xié)同信息質(zhì)量控制和協(xié)同信息交流）[6]等視角出發(fā)展開研究，對(duì)用戶協(xié)同信息行為所創(chuàng)造的海量協(xié)同信息的分布規(guī)律關(guān)注較少。

因此，本文以我國(guó)部分省級(jí)公共圖書館新浪微博為研究對(duì)象，從用戶評(píng)論視角探討網(wǎng)絡(luò)協(xié)同信息的分布規(guī)律，并提出社交網(wǎng)絡(luò)環(huán)境下圖書館開展用戶協(xié)同信息服務(wù)的思考和建議， 以期為圖書館更好地設(shè)計(jì)和構(gòu)建群體交互式虛擬社群、提升用戶協(xié)同信息交互效果提供一個(gè)新的研究視角。

1 網(wǎng)絡(luò)協(xié)同信息的概念界定和相關(guān)研究

1.1 網(wǎng)絡(luò)協(xié)同信息的概念

與“協(xié)同信息”這一概念相對(duì)的是“信息協(xié)同”?！靶畔f(xié)同”（Information Collaboration）是協(xié)同理論在信息科學(xué)中的一個(gè)典型應(yīng)用，是指特定環(huán)境中的信息主體之間通過有序的分工與協(xié)作獲得相關(guān)信息的過程[7]。與信息個(gè)體不同，信息協(xié)同注重信息資源的共建共享，能充分激發(fā)用戶參與網(wǎng)絡(luò)信息內(nèi)容創(chuàng)作的熱情，使社交網(wǎng)絡(luò)環(huán)境下的信息協(xié)同行為產(chǎn)生的網(wǎng)絡(luò)協(xié)同信息成為網(wǎng)絡(luò)信息資源的重要組成部分。

綜上，筆者認(rèn)為網(wǎng)絡(luò)協(xié)同信息（Internet Collaboration Information）主要包括了“主體信息”和“客體信息”兩個(gè)部分。前者為信息主體在微博等開放性社交網(wǎng)絡(luò)上發(fā)布的信息，后者是信息用戶一系列協(xié)同信息行為所創(chuàng)造的行為記錄和所產(chǎn)生的文字、圖片、表情、符號(hào)等一系列表達(dá)自身觀點(diǎn)、意愿或表明自身狀態(tài)的信息內(nèi)容。其中，后者是網(wǎng)絡(luò)協(xié)同信息的重要組成部分，其本質(zhì)是用戶通過不斷交流和互動(dòng)所創(chuàng)造的行為記錄。

1.2 網(wǎng)絡(luò)協(xié)同信息分布規(guī)律的相關(guān)研究

隨著信息技術(shù)的快速發(fā)展和人們對(duì)“信息協(xié)同”概念的不斷認(rèn)同， 網(wǎng)絡(luò)環(huán)境中的協(xié)同信息分布得到了國(guó)內(nèi)學(xué)者們的廣泛關(guān)注和研究。如蔡明月教授通過分析我國(guó)臺(tái)灣地區(qū) “數(shù)字圖書館” 的網(wǎng)頁分布，發(fā)現(xiàn)核心區(qū)（總數(shù)開根號(hào)所得的數(shù)目）網(wǎng)頁制作單位生產(chǎn)的網(wǎng)頁數(shù)量遠(yuǎn)遠(yuǎn)大于總體網(wǎng)頁數(shù)量的一半[8]；楊濤、鄒永利通過對(duì)特定主題的中文商業(yè)網(wǎng)站和網(wǎng)頁進(jìn)行定量分析，提出中文商業(yè)網(wǎng)站上不同主題的信息由于自身特點(diǎn)的不同，所表現(xiàn)出的集中分散規(guī)律并不一定滿足經(jīng)典定律中的1:a:a2的比例關(guān)系[9]。

在此基礎(chǔ)上，宋恩梅、朱夢(mèng)嫻進(jìn)一步分析了“豆瓣電影”和“新浪微博”兩個(gè)平臺(tái)上24 部影片的評(píng)論信息的分布特征和規(guī)律，得出“用戶和評(píng)論發(fā)文數(shù)呈現(xiàn)較明顯的冪率分布”“評(píng)論信息隨時(shí)間的分布上，兩個(gè)平臺(tái)都在電影上映后呈現(xiàn)出迅速增加的態(tài)勢(shì)”等結(jié)論[10]；方愛華、陸朦朦等通過對(duì)網(wǎng)易云音樂熱歌榜TOP 30 的評(píng)論數(shù)量與評(píng)論質(zhì)量的研究，揭示了數(shù)字音樂在音樂傳播方式、用戶音樂需求和用戶評(píng)論內(nèi)容等方面的分布規(guī)律和發(fā)展趨勢(shì)[11]。

上述研究為我們了解和研究社交網(wǎng)絡(luò)平臺(tái)上的協(xié)同信息分布規(guī)律提供了大量有益參考，但其研究對(duì)象多傾向分布于搜索引擎的網(wǎng)站和網(wǎng)頁，以及“豆瓣”等平臺(tái)上的電影評(píng)論和“網(wǎng)易云音樂”等平臺(tái)上的音樂評(píng)論，而較少涉及圖書館這一重要信息主體，對(duì)圖書館等組織機(jī)構(gòu)缺乏實(shí)踐指導(dǎo)意義。因此，本文擬在分析各圖書館官方微博包含的協(xié)同信息分布規(guī)律的基礎(chǔ)上，提出圖書館加強(qiáng)社交用戶協(xié)同交互和構(gòu)建虛擬社群生態(tài)的具體策略，以期為我國(guó)圖書館更好地利用微博等社交網(wǎng)絡(luò)平臺(tái)開展協(xié)同信息服務(wù)提供一定的工作思路和理論參考。

2 調(diào)查設(shè)計(jì)和樣本總體情況分析

2.1 調(diào)查對(duì)象、內(nèi)容與時(shí)間

（1）選取調(diào)查對(duì)象

微博（Weibo）是一種通過關(guān)注機(jī)制分享簡(jiǎn)短實(shí)時(shí)信息的廣播式的社交網(wǎng)絡(luò)平臺(tái)，作為Web 2.0 的典型應(yīng)用，已經(jīng)成為網(wǎng)絡(luò)協(xié)同信息創(chuàng)作、交流、瀏覽、查詢與利用的重要社群媒介。新浪微博數(shù)據(jù)中心發(fā)布的《2018 新浪媒體白皮書》顯示，2018 年6 月，新浪新聞生態(tài)流量總用戶量高達(dá)3.99億人，新浪微博月活躍用戶已超過4 億[12]；第42 次《中國(guó)互聯(lián)網(wǎng)互聯(lián)網(wǎng)絡(luò)發(fā)展統(tǒng)計(jì)報(bào)告》也指出，隨著短視頻和 MCN8機(jī)構(gòu)的興盛，截至2018 年6 月，微博在互聯(lián)網(wǎng)用戶中的使用率為 42.1%，在用戶互動(dòng)和內(nèi)容生成等方面的價(jià)值進(jìn)一步強(qiáng)化，成為網(wǎng)民消費(fèi)碎片化時(shí)間的主流社交應(yīng)用[13]?；ヂ?lián)網(wǎng)用戶可以隨時(shí)隨地利用網(wǎng)絡(luò)終端在圖書館發(fā)布的微博正文下方點(diǎn)贊、評(píng)論或轉(zhuǎn)發(fā)，與微博正文內(nèi)容共同組成了豐富多樣的協(xié)同信息，這些信息記錄為我們了解網(wǎng)絡(luò)協(xié)同信息及其相關(guān)要素的分布規(guī)律提供了重要數(shù)據(jù)來源。故本文選擇我國(guó)部分省級(jí)圖書館新浪官方新浪微博作為調(diào)查對(duì)象。

（2）確定調(diào)查內(nèi)容

結(jié)合已有研究[14-15]和新浪微博的功能特點(diǎn)，本文采用網(wǎng)絡(luò)調(diào)查法，調(diào)查統(tǒng)計(jì)了樣本圖書館微博的正文內(nèi)容和用戶評(píng)論信息。其中，微博正文內(nèi)容是圖書館發(fā)布的微博及其相關(guān)數(shù)據(jù)，主要包括：圖書館發(fā)布微博的內(nèi)容、標(biāo)簽、時(shí)間、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、點(diǎn)贊數(shù)、閱讀量等。用戶的評(píng)論信息是用戶對(duì)圖書館微博的一系列跟帖評(píng)論和轉(zhuǎn)發(fā)等協(xié)同信息共建行為所產(chǎn)生的信息數(shù)據(jù)，主要包括：轉(zhuǎn)發(fā)/評(píng)論用戶的名稱、時(shí)間和內(nèi)容等。數(shù)據(jù)時(shí)間范圍為2017 年3 月1 日—2017 年6 月1 日。

2.2 調(diào)查總體情況分析

本次調(diào)查共收集到21 個(gè)省級(jí)公共圖書館在2017 年3月到6 月發(fā)布的共2 594 條微博及其相關(guān)數(shù)據(jù)，表1 按微博等級(jí)高低的順序列出了本次調(diào)查數(shù)據(jù)的總體情況。其中，發(fā)博數(shù)共2 594 條、發(fā)博總數(shù)共104 501 條（截至2019 年1月1 日）、跟貼評(píng)論數(shù)據(jù)共1 438 條、轉(zhuǎn)發(fā)評(píng)論數(shù)據(jù)共1 688條、用戶總評(píng)論數(shù)共3 126 條，詳見表1。

表1 樣本調(diào)查總體情況列表

11 山西省圖書館文源講壇 27 2010 年10月23 日 12 76 5 5 10 12 安徽省圖書館 27 2012 年08月17 日 29 2275 24 25 49 13 新疆圖書館 27 2011 年04月20 日 4 3981 4 1 5 14 海南省圖書館官微 27 2014 年01月07 日 20 1915 11 8 19 15 四川省圖書館 27 2015 年07月09 日 302 2109 258 109 367 16 貴州省圖書館 16 2011 年01月14 日 23 1757 5 3 8 17 湖北省圖書館新館 15 2013 年05月02 日 79 658 95 74 169 18 寧夏圖書館 14 2015 年02月02 日 46 800 30 105 135 19 云南省圖書館官博 14 2014 年06月26 日 94 2999 15 6 21 20 遼寧省圖書館 9 2013 年05月31 日 69 1177 3 7 10 21 內(nèi)蒙古自治區(qū)圖書館官博 9 2016 年06月07 日 33 78 2 25 27

從表1 數(shù)據(jù)可以看出，微博等級(jí)大致與微博賬號(hào)開設(shè)時(shí)間呈正相關(guān)關(guān)系。我國(guó)各省級(jí)公共圖書館自2010 年起陸續(xù)在新浪微博開設(shè)官方微博賬號(hào)，經(jīng)過近兩年的快速發(fā)展，大部分省級(jí)公共圖書館已開通微博賬號(hào)，開始依托微博平臺(tái)開展信息傳遞和服務(wù)[16]。

此外，根據(jù)21 家樣本圖書館的發(fā)博數(shù)量可以發(fā)現(xiàn)各圖書館發(fā)布的微博數(shù)量差距明顯。截至2019 年1 月1 日，上海市圖書館官方微博發(fā)布的微博總數(shù)達(dá)到20 108 條，而部分圖書館微博總數(shù)甚至低于100 條。這些圖書館微博數(shù)量/更新頻率的差異也會(huì)影響其粉絲數(shù)、評(píng)論數(shù)和轉(zhuǎn)發(fā)數(shù)等衡量微博帳號(hào)受關(guān)注程度的指標(biāo)。一般而言，隨著微博數(shù)量的增加，越來越多的用戶會(huì)參與到微博協(xié)同信息的創(chuàng)建和共享中。圖書館需要采取更多舉措增加微博粉絲數(shù)量、提高用戶黏性和忠誠(chéng)度以提升其微博賬號(hào)的用戶影響力，取得較好的循環(huán)效應(yīng)和協(xié)同共建共享效果。

3 網(wǎng)絡(luò)協(xié)同信息內(nèi)容分布規(guī)律

集中與分散規(guī)律是科學(xué)文獻(xiàn)分布最普遍的規(guī)律，揭示這一規(guī)律最有影響力的成果就是布拉德福定律[17]。從1934 年至2012 年，國(guó)內(nèi)外對(duì)布拉德福定律的研究成果和科學(xué)論文以每年5.4%的速度呈指數(shù)形式增長(zhǎng)[18]。這些研究主要聚焦于網(wǎng)絡(luò)資源的布拉德福定律驗(yàn)證分析和應(yīng)用分析，分析對(duì)象囿于學(xué)術(shù)資源范疇，較少針對(duì)社交媒介中的標(biāo)簽、用戶、資源、評(píng)論等元素進(jìn)行布拉德福定律分析[19]。因此，本文根據(jù)經(jīng)典布拉德福定律的方法分別對(duì)微博正文內(nèi)容和用戶評(píng)論信息分布進(jìn)行驗(yàn)證分析，以探究網(wǎng)絡(luò)協(xié)同信息內(nèi)容分布的規(guī)律。

3.1 微博正文內(nèi)容分布規(guī)律

為了解微博正文分布規(guī)律，本文將各省級(jí)公共圖書館新浪官方微博按其在樣本數(shù)據(jù)時(shí)間段內(nèi)發(fā)布的微博數(shù)量，以遞減順序排列處理以后得到微博正文內(nèi)容的布氏分布情況，如表2 所示。同時(shí)，為驗(yàn)證樣本數(shù)據(jù)的有效性，文章還列出了樣本圖書館于2019 年1 月1 日前發(fā)布的所有微博的布氏分布情況，如表3 所示。

表2 樣本微博正文內(nèi)容布氏分區(qū)表

表3 全部微博正文內(nèi)容布氏分區(qū)表

從表2、表3 可知：通過將同一時(shí)間段內(nèi)各樣本圖書館官方微博按其發(fā)布博文數(shù)量的多少，以遞減順序排列成專門面向“圖書館”這一主題的核心區(qū)、相關(guān)區(qū)和離散區(qū)，在各個(gè)區(qū)的博文數(shù)量大致相同的情況下，核心區(qū)、相關(guān)區(qū)、離散區(qū)的圖書館微博賬號(hào)數(shù)大致呈1:n:n3的關(guān)系，n 約等于2。與側(cè)重于定量描述文獻(xiàn)序性結(jié)構(gòu)的經(jīng)典布拉德福定律相比，非核心區(qū)所含圖書館數(shù)量明顯更多，約為n 的3 次方。這表明微博平臺(tái)上的網(wǎng)絡(luò)協(xié)同信息內(nèi)容分布大致符合傳統(tǒng)的布氏定律，但在數(shù)量分布上呈現(xiàn)出更加集中于少數(shù)核心帳號(hào)的趨勢(shì)。這可能是因?yàn)閳D書館微博賬號(hào)屬于“政務(wù)文化類微博”，其運(yùn)營(yíng)和發(fā)展受到了我國(guó)東西部地域差異的影響，導(dǎo)致發(fā)達(dá)地區(qū)的公共圖書館往往生產(chǎn)了更多的網(wǎng)絡(luò)協(xié)同信息。

3.2 用戶評(píng)論信息內(nèi)容分布規(guī)律

微博等社交媒介的快速發(fā)展使得信息呈單向線性傳播的傳統(tǒng)方式被徹底顛覆，信息個(gè)體通過在線查詢或?yàn)g覽等方式獲取所需信息的同時(shí)，還往往習(xí)慣于積極參與互動(dòng)評(píng)論，表達(dá)自己的觀點(diǎn)和意見。協(xié)同交互時(shí)代的微博評(píng)論是重要的網(wǎng)絡(luò)協(xié)同信息資源，探究其在各圖書館微博中的分布規(guī)律能夠幫助我們更加深入地了解網(wǎng)絡(luò)協(xié)同信息的內(nèi)容分布規(guī)律。

本文在研究中將用戶轉(zhuǎn)發(fā)評(píng)論信息和跟帖評(píng)論信息都視作評(píng)論數(shù)據(jù)進(jìn)行分析，是因?yàn)橛脩艮D(zhuǎn)發(fā)圖書館發(fā)布的微博時(shí)一般會(huì)附加自己的觀點(diǎn)、點(diǎn)評(píng)和轉(zhuǎn)發(fā)理由，并且會(huì)在微博正文下方顯示“轉(zhuǎn)發(fā)微博”。這不僅為其他用戶提供了微博正文之外的信息源，還與微博正文和其他內(nèi)容構(gòu)成了一條完整的協(xié)同創(chuàng)作的信息單元，相當(dāng)于對(duì)微博內(nèi)容作出了一次“評(píng)論”。微博用戶評(píng)論的布氏分布情況見表4。

表4 微博用戶評(píng)論布氏分布情況表

從表4 可以看出，“上海圖書館信使”的微博用戶評(píng)論數(shù)為1 117，約占樣本微博總評(píng)論數(shù)的1/3，屬于圖書館微博中的“核心區(qū)”。調(diào)查發(fā)現(xiàn)，該微博粉絲數(shù)量已達(dá)到16萬人，使得其發(fā)布的微博能及時(shí)得到大量用戶的關(guān)注和參與（日閱讀量達(dá)到1 萬+，日互動(dòng)數(shù)40 次以上）。該微博擁有較強(qiáng)的社會(huì)影響力和用戶參與度，從而成為協(xié)同信息集中的核心微博賬號(hào)。同時(shí)，通過分析上表數(shù)據(jù)可知核心區(qū)的微博賬號(hào)數(shù)量?jī)H為1（“上海圖書館信使”），與相關(guān)區(qū)、離散區(qū)圖書館微博的數(shù)量呈1∶3∶17 的關(guān)系。結(jié)合微博正文內(nèi)容在各區(qū)分布呈1∶2∶8 的關(guān)系，可知微博用戶評(píng)論內(nèi)容在各圖書館微博中的分布比微博正文內(nèi)容更加集中于擁有高影響力的微博中，這是在發(fā)展中優(yōu)勢(shì)長(zhǎng)期積累和資源自動(dòng)匯集的結(jié)果。

為了進(jìn)一步直觀地描述微博評(píng)論信息的分布情況，本文根據(jù)表4 數(shù)據(jù)，以圖書館微博數(shù)的對(duì)數(shù)logC 為橫軸，以評(píng)論累計(jì)數(shù)R(n)為縱軸，繪制了微博用戶評(píng)論信息的布拉德福分布曲線圖，見圖1。

圖1 微博用戶評(píng)論信息布拉德福分布曲線圖

結(jié)合上述表格數(shù)據(jù)和圖1 內(nèi)容可以發(fā)現(xiàn)，微博用戶評(píng)論數(shù)據(jù)的分布近似曲線與布拉德福分布曲線相比，比較接近傳統(tǒng)的布拉德福曲線的走向，即在AB 段呈開始上升趨勢(shì)，從BC 段開始趨緩，在CD 段（格魯斯下垂段）甚至不增長(zhǎng)或者增長(zhǎng)極慢。這與已有研究所指出的社交博客信息分布滿足布拉德福定律這一結(jié)論[19]大致相同。但有所不同的是，無論是微博正文內(nèi)容還是微博用戶評(píng)論信息，在非核心區(qū)（CD 段）所含圖書館數(shù)量明顯偏高，約總數(shù)的72%左右，這可能是因?yàn)橛脩粼趨f(xié)同信息瀏覽和內(nèi)容創(chuàng)作的過程中具有明顯的碎片化、動(dòng)態(tài)性等特點(diǎn)，導(dǎo)致少量微博賬號(hào)集中了絕大多數(shù)的微博正文和用戶評(píng)論信息。

4 網(wǎng)絡(luò)協(xié)同信息生產(chǎn)者分布規(guī)律

樣本數(shù)據(jù)中的微博正文內(nèi)容生產(chǎn)者數(shù)僅為21，需要更為充足的用戶數(shù)據(jù)對(duì)網(wǎng)絡(luò)協(xié)同信息生產(chǎn)者分布規(guī)律進(jìn)行分析驗(yàn)證。而樣本數(shù)據(jù)中，共同生成了1 438 條跟帖評(píng)論數(shù)據(jù)和1 694 條轉(zhuǎn)發(fā)評(píng)論數(shù)據(jù)的1 798 位微博評(píng)論信息生產(chǎn)者數(shù)據(jù)，能為我們了解和探究網(wǎng)絡(luò)協(xié)同信息生產(chǎn)者的分布規(guī)律提供新的角度方法和研究路徑。因此，本文在借鑒已有研究方法的基礎(chǔ)上，通過統(tǒng)計(jì)樣本數(shù)據(jù)中的微博評(píng)論信息生產(chǎn)者評(píng)論數(shù)據(jù)得到其分布情況，如表5 所示。

表5 微博評(píng)論信息生產(chǎn)者分布情況統(tǒng)計(jì)表

通過分析表5 數(shù)據(jù)可知：①在3 132 條評(píng)論數(shù)據(jù)中，發(fā)表1 次評(píng)論的用戶數(shù)有1 376 位，占總數(shù)的76.5%，發(fā)表2次評(píng)論的用戶數(shù)有256 位，占總數(shù)的14.3%，發(fā)表了2 次評(píng)論的用戶數(shù)是1 次評(píng)論用戶數(shù)的18.6%，不符合洛特卡定律的“寫了n 篇文章的作者數(shù)據(jù)是生產(chǎn)了1 篇文章作者數(shù)的1/n^2”的規(guī)定。②按普賴斯在洛特卡定律的基礎(chǔ)上提出的普賴斯定律：全部生產(chǎn)人員的開根號(hào)所得人數(shù)生產(chǎn)了全部信息的一半，評(píng)論了樣本圖書館微博的總用戶人數(shù)為1 798，開根號(hào)約得42，而實(shí)際上前42 人發(fā)文低于747篇，不足全部發(fā)文（3 132 篇）的1/4。所以，網(wǎng)絡(luò)協(xié)同信息生產(chǎn)者分布規(guī)律也不符合普賴斯定律的規(guī)定。③綜合上述分析表明，微博中的網(wǎng)絡(luò)協(xié)同信息由于其本身質(zhì)量控制水平較低，用戶群體分散，導(dǎo)致在圖書館微博信息生成過程中比科學(xué)文獻(xiàn)的生產(chǎn)和其他類型的信息生產(chǎn)表現(xiàn)得更加分散。分散的主要原因之一是圖書館微博用戶/粉絲對(duì)圖書館的忠誠(chéng)度較低，這啟示圖書館應(yīng)該強(qiáng)化激勵(lì)機(jī)制和加強(qiáng)與用戶的互動(dòng)交流，為用戶提供一個(gè)更好的協(xié)同社群環(huán)境，以提高用戶黏性，進(jìn)而提升自身影響力。

同時(shí)，本文以累計(jì)評(píng)論數(shù)的對(duì)數(shù)值（logx)為橫軸，累計(jì)生產(chǎn)者數(shù)的對(duì)數(shù)值（logy）為縱軸，得到微博評(píng)論信息生產(chǎn)者分布曲線，見圖2。

圖2 微博評(píng)論信息生產(chǎn)者分布曲線

從圖2 可知累計(jì)評(píng)論數(shù)的對(duì)數(shù)值（logx)與累計(jì)生產(chǎn)者數(shù)的對(duì)數(shù)值（logy）之間的函數(shù)斜率約為1。此外，有研究者通過對(duì)圖書館學(xué)網(wǎng)絡(luò)博文數(shù)量的統(tǒng)計(jì)分析，對(duì)洛特卡定律在網(wǎng)絡(luò)博客領(lǐng)域的應(yīng)用進(jìn)行了驗(yàn)證分析，發(fā)現(xiàn)圖書館學(xué)領(lǐng)域博客的洛特卡定律擬合函數(shù)為f(x) =0.0026/X（-0.539 85）[20]。結(jié)合這一研究結(jié)果發(fā)現(xiàn)在用戶復(fù)雜多變的職業(yè)、學(xué)歷、年齡和興趣愛好等因素的綜合影響下，網(wǎng)絡(luò)協(xié)同評(píng)論信息的生產(chǎn)表現(xiàn)得比博文發(fā)布主體更為無序，且生產(chǎn)者的集中程度明顯更低。這與馬費(fèi)成等通過研究珞珈山水BBS 發(fā)文情況所得到的推論——“網(wǎng)絡(luò)條件下，信息專業(yè)化程度越明顯，則生產(chǎn)者的集中程度就越明顯：反之，生產(chǎn)者的分散程度就越明顯”[21]，以及其他學(xué)者的研究結(jié)論[22]相一致。

當(dāng)然，我們?cè)陉P(guān)注網(wǎng)絡(luò)協(xié)同信息生產(chǎn)者分布的同時(shí)，還應(yīng)該了解參與圖書館微博評(píng)論的用戶信息，以便圖書館有針對(duì)性地進(jìn)行協(xié)同互動(dòng)。文章通過調(diào)查3 個(gè)月內(nèi)評(píng)論總次數(shù)達(dá)到20 次以上的10 位用戶的基本情況發(fā)現(xiàn)：10 位用戶中機(jī)構(gòu)用戶有6 位，如“上海書屋”“崇州行政學(xué)?！钡?，其關(guān)注數(shù)、粉絲數(shù)、微博數(shù)和微博等級(jí)總體較高；4 位個(gè)人用戶中，年輕化、活躍化、受教育程度較高且較為關(guān)注閱讀等成為他們的重要標(biāo)簽，這些高活躍高影響的微博用戶都應(yīng)該成為圖書館在微博平臺(tái)運(yùn)營(yíng)時(shí)重點(diǎn)關(guān)注的對(duì)象。

5 網(wǎng)絡(luò)協(xié)同信息時(shí)間分布規(guī)律

微博數(shù)據(jù)具有多個(gè)維度的屬性，其中之一是時(shí)間維度[23]。已有研究中，對(duì)信息時(shí)間分布規(guī)律的研究主要是以“年”“月”“周”為時(shí)間尺度來探究網(wǎng)絡(luò)信息隨時(shí)間增長(zhǎng)情況[21，24]，能有效揭示網(wǎng)絡(luò)信息在宏觀時(shí)間維度上的數(shù)量變化。而對(duì)于微博信息來說，由于其生命周期較短，以“日”為單位尺度來考察其時(shí)間分布規(guī)律更為合適。因此，文章從圖書館微博發(fā)布時(shí)間分布和用戶評(píng)論信息發(fā)表時(shí)間分布兩個(gè)方面分析了微博協(xié)同信息在一天中的時(shí)間分布情況。

5.1 圖書館微博發(fā)布時(shí)間分布規(guī)律

為了解圖書館發(fā)布的微博在24 小時(shí)內(nèi)的分布情況，本文統(tǒng)計(jì)了樣本圖書館微博賬號(hào)共2 631 條微博的發(fā)布時(shí)間信息，得到了圖書館發(fā)布微博時(shí)間分布圖，時(shí)間間隔為30分鐘，見圖3。

圖3 圖書館微博發(fā)布時(shí)間分布圖

從圖3 中我們可以發(fā)現(xiàn)圖書館微博發(fā)布時(shí)間大致呈三段式波浪分布：圖書館微博發(fā)布時(shí)間高峰期是9：00—10：00，共計(jì)733 條，占發(fā)微總數(shù)的27.8%，這一時(shí)間節(jié)點(diǎn)與圖書館開始工作時(shí)間相符；15：30—16：00 和22：00—22：30是圖書館發(fā)布微博的其他兩個(gè)轉(zhuǎn)發(fā)高峰期，占發(fā)微總數(shù)的10.4%；而零點(diǎn)（24:00）至次日早晨6 點(diǎn)為不活躍期，發(fā)博數(shù)為0。同時(shí)，已有研究表明：由于微博具有時(shí)效性，圖書館發(fā)布的微博大都在發(fā)布后的1—2 小時(shí)內(nèi)獲得較多的關(guān)注量，隨后迅速下降，因此，提高更新頻率和選擇合適時(shí)間發(fā)布微博是在微博易被迅速覆蓋的情況下增加微博的可見度和傳播效果的重要手段[15]。

此外，圖書館微博的發(fā)布時(shí)間決定了用戶評(píng)論和轉(zhuǎn)發(fā)的時(shí)間，因而圖書館應(yīng)該充分了解讀者的微博使用規(guī)律，在此基礎(chǔ)上選擇合適的時(shí)間發(fā)布微博。但也要避免短時(shí)間連續(xù)發(fā)布同一類型的微博，如樣本中的H 省圖書館在2017年3 月14 日15:20 至當(dāng)天16:57 連續(xù)發(fā)布30 條標(biāo)簽為“#H圖借閱部#”的書目推薦類微博，其轉(zhuǎn)發(fā)評(píng)論量全部為0，這不僅是忽略了微博的質(zhì)量和內(nèi)容，更容易造成部分用戶的反感和不滿情緒。

5.2.3 用戶評(píng)論信息發(fā)布時(shí)間分布規(guī)律

為了了解用戶評(píng)論信息發(fā)布時(shí)間的微觀分布情況，筆者將用戶對(duì)部分樣本圖書館微博的跟帖評(píng)論數(shù)據(jù)和轉(zhuǎn)發(fā)評(píng)論數(shù)據(jù)合并作為用戶總的活動(dòng)規(guī)律，得到用戶總的評(píng)論時(shí)間分布情況，見圖4。

圖4 用戶總的評(píng)論時(shí)間分布表

由圖4 可知，圖書館用戶評(píng)論的最高峰出現(xiàn)在下午15：00—15：30 ，從15：00 開始出現(xiàn)較快增長(zhǎng)，評(píng)論數(shù)最高值174，次峰值出現(xiàn)在上午8: 30—11:00 和晚上22: 00—22: 30，大致與圖書館微博發(fā)布時(shí)間趨勢(shì)相似。由此可知，用戶評(píng)論信息分布易受圖書館微博發(fā)布時(shí)間影響，約呈現(xiàn)3級(jí)波浪式分布，起伏不大。結(jié)合圖3 可知，圖書館發(fā)布微博的時(shí)間段集中在上午的8：30—11：00 和下午的14：30—17：00，大致與上下班時(shí)間一致，而晚上發(fā)布的微博較少。由于用戶在晚上對(duì)圖書館微博的轉(zhuǎn)發(fā)評(píng)論的行為占據(jù)總活動(dòng)數(shù)的相當(dāng)大一部分，因此，圖書館可以選擇在18 點(diǎn)以后即用戶最活躍的時(shí)間段內(nèi)發(fā)布一些微博，以達(dá)到更好的協(xié)同信息交流效果。

6 思考與建議

6.1 做好協(xié)同評(píng)論信息質(zhì)量的把關(guān)者

微博等虛擬型社交媒介的流行極大地促進(jìn)了網(wǎng)絡(luò)信息的協(xié)同創(chuàng)作與共享深度，其內(nèi)容離散程度高于傳統(tǒng)信息資源，來自于網(wǎng)絡(luò)上的任意合法用戶，主要以文字、符號(hào)、圖片、表情等豐富的評(píng)論形式出現(xiàn)。這些評(píng)論信息不僅是對(duì)信息主體場(chǎng)域的再構(gòu)建，還能夠?yàn)槠渌脩籼峁﹨⒖己徒梃b。因此，圖書館等信息主體需要通過建立用戶信譽(yù)評(píng)分機(jī)制[25]、設(shè)置評(píng)論內(nèi)容審核和可見度層級(jí)等方式對(duì)用戶評(píng)論內(nèi)容質(zhì)量予以控制，以促進(jìn)自身帳號(hào)運(yùn)營(yíng)的健康發(fā)展和提高網(wǎng)絡(luò)協(xié)同信息資源的利用效率。

6.2 做好網(wǎng)絡(luò)協(xié)同信息交互的創(chuàng)新者

用戶是社交網(wǎng)絡(luò)平臺(tái)的體驗(yàn)者和使用者，也是網(wǎng)絡(luò)協(xié)同信息的創(chuàng)造者和傳播者，他們參與信息協(xié)同交互的意愿和規(guī)模決定了社交網(wǎng)絡(luò)協(xié)同信息創(chuàng)作利用和交流共享的質(zhì)量與效果。因此，在微博平臺(tái)運(yùn)營(yíng)過程中，圖書館需要利用豐富的想象力和創(chuàng)造力打造用戶喜歡的內(nèi)容，以增強(qiáng)傳播效果。例如，衛(wèi)龍食品與暴走漫畫合作，打造出“來包辣條壓壓驚”“來包辣條靜靜”“怒吃十包辣條”等網(wǎng)絡(luò)流行語和微博段子，圖文并茂，大量用戶被吸引并主動(dòng)參與辣條的口碑傳播，使衛(wèi)龍一躍成為食品界的網(wǎng)紅[26]。圖書館也可以借鑒和利用“網(wǎng)紅”效應(yīng)，實(shí)現(xiàn)跨界合作，做好內(nèi)容創(chuàng)新。

6.3 做好網(wǎng)絡(luò)協(xié)同信息安全的維護(hù)者

互聯(lián)網(wǎng)用戶日常的點(diǎn)贊、轉(zhuǎn)發(fā)和評(píng)論等協(xié)同交互行為，包含大量的個(gè)人隱私、社交興趣愛好和地理位置等重要的信息，形成龐大的協(xié)同信息集合。這些數(shù)據(jù)集合具有一定的價(jià)值和意義，但也會(huì)造成信息的批量泄露和非法交易。當(dāng)前，世界范圍內(nèi)的社交用戶隱私泄露問題日益凸顯，2018 年3 月，美國(guó)社交網(wǎng)站Facebook 超過500 萬用戶的信息被泄露，引發(fā)廣大用戶和媒體對(duì)個(gè)人網(wǎng)絡(luò)信息保護(hù)的關(guān)注。因而，圖書館等掌握了相當(dāng)數(shù)量用戶信息的組織機(jī)構(gòu)，不僅需要重視在網(wǎng)絡(luò)協(xié)同信息安全中信息本身的公開共享安全，還需要保護(hù)圖書館用戶的身份信息、聯(lián)系方式、家庭住址等重要的隱私信息安全，主動(dòng)保護(hù)用戶隱私和網(wǎng)絡(luò)協(xié)同交互時(shí)的數(shù)據(jù)記錄安全。

（來稿時(shí)間：2019 年5 月）