社會(huì)網(wǎng)絡(luò)視角下虛擬學(xué)術(shù)社區(qū)用戶交互特征及規(guī)律分析

盛小平 唐筠杰

摘?要：[目的/意義]社會(huì)網(wǎng)絡(luò)視角研究虛擬學(xué)術(shù)社區(qū)中用戶交互特征與內(nèi)在規(guī)律，為提高科研效率、完善社區(qū)管理與服務(wù)提供參考。[方法/過程]本文運(yùn)用社會(huì)網(wǎng)絡(luò)分析法，通過分析虛擬學(xué)術(shù)社區(qū)“經(jīng)管之家”中用戶交互主題特征、網(wǎng)絡(luò)特征、關(guān)系特征來揭示虛擬學(xué)術(shù)社區(qū)用戶交互行為，并從用戶發(fā)帖量、用戶聲譽(yù)等級(jí)和用戶好友數(shù)三方面描述其內(nèi)部規(guī)律。[結(jié)果/結(jié)論]虛擬學(xué)術(shù)社區(qū)用戶主題具有較高融合度與專業(yè)性特征;用戶交互行為具有規(guī)模大、集群多、密度低的無(wú)標(biāo)度網(wǎng)絡(luò)特征，核心用戶協(xié)同性強(qiáng)而普通用戶積極性低;用戶發(fā)帖數(shù)量越多、聲譽(yù)等級(jí)越高的用戶越主動(dòng)與他人交流，但更多的好友數(shù)量并不代表能建立更多互動(dòng)關(guān)系。為推動(dòng)虛擬學(xué)術(shù)社區(qū)信息供給與用戶交流，用戶不僅需不斷獲取信息，更需主動(dòng)提供信息，構(gòu)建良性的信息交流與共享循環(huán)。

關(guān)鍵詞：虛擬學(xué)術(shù)社區(qū);信息交流;交互行為;社會(huì)網(wǎng)絡(luò)分析

DOI：10.3969/j.issn.1008-0821.2022.01.007

〔中圖分類號(hào)〕G252.0?〔文獻(xiàn)標(biāo)識(shí)碼〕A?〔文章編號(hào)〕1008-0821（2022）01-0064-08

Abstract：[Purpose/Significance]From the perspective of social network，this paper studies the user interaction characteristics and internal rules in virtual academic society so as to provide reference for improving scientific research efficiency，community management and service.[Method/Process]Using social network analysis method，the study revealed the user interaction behavior in the virtual academic community“economics and management community”by analyzing the topic characteristics，network characteristics and relationship characteristics of user interaction，and its internal rules from three aspects were described：the amount of users posts，the level of users reputation and the number of users friends.[Result/Conclusion]The user theme of virtual academic community has high degree of integration and professional characteristics.The user interaction behavior has the characteristics of scale free network with large scale，many clusters and low density，and the core users have strong collaboration while the ordinary users have low enthusiasm.Users with more posts and higher reputations are more likely to communicate with others，but more friends do not necessarily lead to more interactions.In order to promote information supply and user communication in virtual academic community，users not only need to continuously obtain information，but also need to actively provide information to build a benign information exchange and sharing cycle.

Key words：virtual academic community;information exchange;interaction behavior;social network analysis

互聯(lián)網(wǎng)時(shí)代，虛擬學(xué)術(shù)社區(qū)中用戶的非正式學(xué)術(shù)交流與互動(dòng)彌補(bǔ)了正式學(xué)術(shù)交流的局限，使其成為科研人員進(jìn)行信息獲取、搜尋與共享合作的重要平臺(tái)。虛擬學(xué)術(shù)社區(qū)為科研工作者提供了新型非正式交流路徑[1]，使得用戶能夠高效積累與共享研究數(shù)據(jù)及相關(guān)信息，豐富了研究人員的科研工作方式[2]。目前對(duì)虛擬學(xué)術(shù)社區(qū)用戶行為的研究主要有：①用戶參與行為研究，如問候歡迎、調(diào)節(jié)規(guī)范與協(xié)助等行為研究[3]，以及主動(dòng)生產(chǎn)者、被動(dòng)生產(chǎn)者與消費(fèi)者等用戶群體研究[4];②用戶合作行為研究，包括互惠、功利動(dòng)機(jī)等合作動(dòng)機(jī)研究[5-6]，以及KMRW聲譽(yù)模型[7]、共生模型[8]等模型研究;③用戶交流行為研究，如行為機(jī)理與結(jié)構(gòu)[9]、行為作用[10]、交流效率[11]以及影響因素如互惠[12]、信任[13]、聲譽(yù)[14]及期望[15]等方面研究。雖然學(xué)術(shù)界對(duì)虛擬學(xué)術(shù)社區(qū)用戶行為進(jìn)行了上述探索，且已從社會(huì)學(xué)角度對(duì)虛擬學(xué)術(shù)社區(qū)用戶交互行為進(jìn)行了初步分析[16]，但是對(duì)虛擬學(xué)術(shù)社區(qū)內(nèi)部用戶信息交互關(guān)系及內(nèi)部規(guī)律缺少深入研究。因此，本文擬從社會(huì)網(wǎng)絡(luò)視角，深入挖掘與分析虛擬學(xué)術(shù)社區(qū)用戶交互的相關(guān)特征與內(nèi)部規(guī)律，以便進(jìn)一步促進(jìn)虛擬社區(qū)中用戶信息供給與用戶交流，為改進(jìn)虛擬社區(qū)治理提供參考。

1?數(shù)據(jù)來源與處理

本文選取國(guó)內(nèi)具有代表性的虛擬學(xué)術(shù)社區(qū)——“經(jīng)管之家”?！敖?jīng)管之家”學(xué)術(shù)論壇（原人大經(jīng)濟(jì)論壇）成立于2003年，現(xiàn)已成為國(guó)內(nèi)頗具影響力的經(jīng)濟(jì)管理類的網(wǎng)絡(luò)社區(qū)平臺(tái)[17]，該網(wǎng)站用戶具有學(xué)歷層次高、學(xué)習(xí)需求大、內(nèi)容生產(chǎn)能力強(qiáng)的特點(diǎn)，每日發(fā)帖量超20 000條[18]。為獲取有效數(shù)據(jù)，本文選取“經(jīng)管之家”學(xué)術(shù)論壇中“數(shù)據(jù)分析與數(shù)據(jù)挖掘”板塊用戶交互會(huì)話作為數(shù)據(jù)源，借助Python爬蟲獲取其中2015—2020年的全部數(shù)據(jù)（爬取時(shí)間為2021年1月10日），共獲得30 134條原始數(shù)據(jù)集，包括2 797條根帖與27 337條回帖。所采集數(shù)據(jù)集中的關(guān)鍵信息包括根帖的鏈接、標(biāo)題、內(nèi)容、關(guān)鍵詞、發(fā)帖時(shí)間，發(fā)帖人的用戶名、積分值、總發(fā)帖量、好友數(shù)量，以及回帖人的用戶名、積分值、總發(fā)帖數(shù)量、好友數(shù)量、回帖內(nèi)容、最后回帖時(shí)間等。在剔除內(nèi)容被屏蔽、重復(fù)、無(wú)意義或缺項(xiàng)的數(shù)據(jù)后，最終得到2 788條根帖與24 024條回帖及相關(guān)數(shù)據(jù)。基于這些數(shù)據(jù)，本文運(yùn)用社會(huì)網(wǎng)絡(luò)分析法并結(jié)合Gephi、SPSS等數(shù)據(jù)分析軟件對(duì)其用戶交互行為進(jìn)行分析、描述、測(cè)度與擬合，計(jì)算各節(jié)點(diǎn)與邊的數(shù)目、網(wǎng)絡(luò)平均聚類系數(shù)、平均路徑長(zhǎng)度等，以挖掘內(nèi)在聯(lián)系與規(guī)律。

2?虛擬學(xué)術(shù)社區(qū)用戶交互行為特征分析

為了更加清晰地描繪虛擬學(xué)術(shù)社區(qū)中用戶互動(dòng)的網(wǎng)絡(luò)聯(lián)系，本文以所有參與“數(shù)據(jù)分析與數(shù)據(jù)挖掘”板塊會(huì)話的用戶為節(jié)點(diǎn)，以用戶之間的互動(dòng)關(guān)系為邊，以回帖次數(shù)為關(guān)系強(qiáng)度，繪制“經(jīng)管之家”虛擬學(xué)術(shù)社區(qū)用戶交互行為云圖，如圖1所示。

在圖1中，節(jié)點(diǎn)大小代表度值高低，節(jié)點(diǎn)之間連線粗細(xì)代表節(jié)點(diǎn)間交流的緊密程度。從整體上看，“經(jīng)管之家”學(xué)術(shù)論壇中用戶數(shù)量規(guī)模較大，共有9 610個(gè)節(jié)點(diǎn)、13 998條邊，其中網(wǎng)絡(luò)整體平均度為1.457，網(wǎng)絡(luò)平均加權(quán)度為2.487，網(wǎng)絡(luò)平均聚類系數(shù)為0.018，網(wǎng)絡(luò)平均路徑長(zhǎng)度為4.140。從分布上看，許多節(jié)點(diǎn)位于云圖中心部位，且這些節(jié)點(diǎn)連線更加稠密，部分節(jié)點(diǎn)位于邊緣位置。這一現(xiàn)象表明在社區(qū)內(nèi)部，核心用戶彼此之間交流密切，信息共享的頻次較高，而外部用戶互動(dòng)程度較低，交流較少，側(cè)面映射出社區(qū)資源分布較不均勻的特點(diǎn)。此外，圖1還顯示，雖然用戶多數(shù)集中在中心區(qū)域，但是用戶之間仍形成了多個(gè)較為松散的團(tuán)體，相關(guān)用戶在本團(tuán)體內(nèi)部中存在較為明顯的互動(dòng)關(guān)系。

2.1?用戶交互主題特征分析

關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)能夠根據(jù)詞匯間的親疏關(guān)系分析其中的熱點(diǎn)主題[19]，從而達(dá)到揭示用戶交互相關(guān)主題特征的目的。本文依據(jù)“經(jīng)管之家”根帖中所提供的“關(guān)鍵詞”數(shù)據(jù)，在刪除指代意義較弱的關(guān)鍵詞后，借助普萊斯定律K=0.749Nmax計(jì)算核心關(guān)鍵詞，其中Nmax代表樣本數(shù)據(jù)中最高頻次關(guān)鍵詞的出現(xiàn)次數(shù)。頻次最高的關(guān)鍵詞“大數(shù)據(jù)”共出現(xiàn)168次，因此選取出現(xiàn)K=0.749168≈9次及以上的189個(gè)關(guān)鍵詞作為核心關(guān)鍵詞，借助VOSviewer軟件對(duì)核心關(guān)鍵詞進(jìn)行聚類后，得到數(shù)據(jù)行業(yè)（藍(lán)色）、數(shù)據(jù)經(jīng)濟(jì)（紅色）、數(shù)據(jù)分析（黃色）、數(shù)據(jù)挖掘（綠色）、數(shù)據(jù)建模（紫色）5個(gè)關(guān)鍵詞類團(tuán)，如圖2所示，圖中節(jié)點(diǎn)的大小標(biāo)志關(guān)鍵詞出現(xiàn)頻次的高低，連線的粗細(xì)表示關(guān)鍵詞之間的聯(lián)系強(qiáng)弱?？梢园l(fā)現(xiàn)：①虛擬學(xué)術(shù)社區(qū)中核心關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)主題整體圍繞“數(shù)據(jù)分析與數(shù)據(jù)挖掘”板塊，各主題間具有較高的融合度，體現(xiàn)出較強(qiáng)的專業(yè)性特征，且每個(gè)主題均與計(jì)算機(jī)、大數(shù)據(jù)等信息技術(shù)相關(guān)聯(lián);②數(shù)據(jù)行業(yè)主題中“數(shù)據(jù)分析師”“數(shù)據(jù)科學(xué)家”等關(guān)鍵詞表明虛擬學(xué)術(shù)社區(qū)中用戶交互主題不僅與學(xué)術(shù)研究相關(guān)，同時(shí)還涉及工作求職等生活相關(guān)主題，符合“網(wǎng)絡(luò)社區(qū)是真實(shí)社會(huì)的映射”[20]這一觀點(diǎn);③數(shù)據(jù)經(jīng)濟(jì)中出現(xiàn)了“電子書”“資料”等關(guān)鍵詞，說明用戶在社區(qū)內(nèi)進(jìn)行信息交流的同時(shí)還會(huì)進(jìn)行數(shù)字資源共享的活動(dòng)，體現(xiàn)出數(shù)字資源在用戶交互過程中的重要性。

2.2?用戶交互網(wǎng)絡(luò)特征分析

用戶交互網(wǎng)絡(luò)特征分析包括如下3個(gè)方面：

1）交互網(wǎng)絡(luò)密度分析

測(cè)量用戶交互網(wǎng)絡(luò)密度可以在一定程度上反映知識(shí)在節(jié)點(diǎn)之間的擴(kuò)散速度以及行動(dòng)者本身所產(chǎn)生的社會(huì)資本或限制。計(jì)算結(jié)果顯示該交互網(wǎng)絡(luò)整體密度為0.001，說明節(jié)點(diǎn)整體之間的交互網(wǎng)絡(luò)較為稀疏，整體凝聚力有待提升。正如圖1中有較多節(jié)點(diǎn)與其他節(jié)點(diǎn)交互較少或無(wú)交互關(guān)系，處于網(wǎng)絡(luò)邊緣狀態(tài)，說明該用戶交互網(wǎng)絡(luò)呈現(xiàn)出弱聯(lián)系與多中心的特點(diǎn)。筆者認(rèn)為，導(dǎo)致該整體交互網(wǎng)絡(luò)稀疏的原因可能是：①研究樣本數(shù)據(jù)采自“經(jīng)管之家”學(xué)術(shù)社區(qū)的“數(shù)據(jù)分析與數(shù)據(jù)挖掘”板塊專業(yè)性強(qiáng)，用戶群體數(shù)量相對(duì)有限，使部分用戶間缺少交流機(jī)會(huì);②社區(qū)中用戶之間采用匿名交流規(guī)則，在虛擬環(huán)境中用戶之間彼此陌生，信任度較低，且由于社區(qū)設(shè)置的發(fā)帖與回帖政策要求帖子必須達(dá)到一定等級(jí)才允許訪問或評(píng)論，從而使部分社區(qū)成員之間交互度不高;③一方面，虛擬社區(qū)中用戶通常只關(guān)心與自己學(xué)術(shù)需求相匹配的帖子[16]，易形成信息孤島;另一方面，由于虛擬學(xué)術(shù)社區(qū)日發(fā)帖量巨大，用戶每天主動(dòng)或被動(dòng)接收大量信息，無(wú)暇去閱讀所接收的所有信息，從而忽略了潛在互動(dòng)機(jī)會(huì)，導(dǎo)致部分用戶間交互程度稀疏。

雖然交互網(wǎng)絡(luò)中整體密度較為稀疏，但針對(duì)個(gè)體網(wǎng)絡(luò)而言，部分節(jié)點(diǎn)如“ZQZ520”“阿扁V5”“大家開心”“資料狂人”等用戶所形成的各類團(tuán)體之間的結(jié)構(gòu)緊密，產(chǎn)生了多個(gè)高聚集性團(tuán)體;中間某些節(jié)點(diǎn)，如用戶“wwqqer”，周圍節(jié)點(diǎn)分布十分密集，連線強(qiáng)度高，影響力巨大，這一現(xiàn)象也折射出大多數(shù)資源掌握在少數(shù)人手中。

2）交互網(wǎng)絡(luò)效應(yīng)分析

大規(guī)模社區(qū)中社會(huì)網(wǎng)絡(luò)呈現(xiàn)出小世界特征、無(wú)標(biāo)度特征和高聚集度特征3種形式[21]。為進(jìn)一步探索該網(wǎng)絡(luò)用戶間互動(dòng)的程度，本文運(yùn)用Origin繪圖軟件，針對(duì)社區(qū)內(nèi)用戶節(jié)點(diǎn)度分布散點(diǎn)圖進(jìn)行了冪函數(shù)擬合，如圖3所示。在圖3中，學(xué)術(shù)社區(qū)中節(jié)點(diǎn)度分布曲線符合冪律分布，可決系數(shù)R2約為0.999，擬合曲線與度值散點(diǎn)分布的吻合程度高。

上述數(shù)據(jù)表明，“經(jīng)管之家”虛擬學(xué)術(shù)社區(qū)用戶交互網(wǎng)絡(luò)結(jié)構(gòu)特征呈現(xiàn)出無(wú)標(biāo)度網(wǎng)絡(luò)特征，不同于小世界網(wǎng)絡(luò)中信息傳播無(wú)法無(wú)限延伸[22]，該網(wǎng)絡(luò)受核心用戶的影響程度較大，越權(quán)威的節(jié)點(diǎn)所發(fā)布的數(shù)據(jù)越容易受到相鄰節(jié)點(diǎn)的關(guān)注，從而產(chǎn)生更多的互動(dòng)關(guān)系，這是因?yàn)椋阂环矫妫瑱?quán)威用戶所發(fā)布的信息更為優(yōu)質(zhì)高效，使得其他用戶能夠更精準(zhǔn)地利用相關(guān)信息進(jìn)行思考研究，節(jié)省了科研成本，提高了研究效率。如果核心用戶所發(fā)布的信息數(shù)量越多、價(jià)值越高、質(zhì)量越好，那么利用者的利用效果也會(huì)越好，創(chuàng)造的社會(huì)價(jià)值也越多，從而提升用戶之間交互的積極性，形成良性循環(huán);另一方面，由于核心用戶具有一定的權(quán)威性，普通用戶將會(huì)更多地希望與核心用戶而非與其同一等級(jí)的其他用戶建立起交互關(guān)系。

3）交互網(wǎng)絡(luò)中心度分析

網(wǎng)絡(luò)中心度是關(guān)于行動(dòng)者在社會(huì)網(wǎng)絡(luò)中的中心性位置的測(cè)量概念，可以用來反映用戶在社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)中的地位。從交互網(wǎng)絡(luò)點(diǎn)度中心性來看，通過Gephi軟件得到交互網(wǎng)絡(luò)用戶出度、入度數(shù)據(jù)，如表1所示。從出度來看，“wwqqer”“曲歌932”“ZQZ520”3位用戶的出度較高，說明他們具有較高的積極性，屬于活躍用戶，在論壇中主動(dòng)與其他用戶進(jìn)行交流，為虛擬學(xué)術(shù)社區(qū)注入動(dòng)力。從入度來看，“阿扁V5”“Crsky7”“ydc129”3位用戶的入度較高，說明上述用戶在“數(shù)據(jù)分析與數(shù)據(jù)挖掘”板塊擁有較高影響力，他們所發(fā)布的原創(chuàng)內(nèi)容被其他用戶頻繁回復(fù)點(diǎn)贊，具有明顯的信息生產(chǎn)者特征。將用戶入度與出度進(jìn)行比較，平均出度值和平均入度值分別為2.511和1.458，且即使是在入度排名第一的用戶，其入度數(shù)值也明顯低于出度數(shù)值。這說明，在一般情況下，用戶更傾向于主動(dòng)獲取信息，而不是主動(dòng)提供相關(guān)信息，當(dāng)用戶滿足自身需求后往往會(huì)終止互動(dòng)。因此，在信息交流與互動(dòng)過程中，用戶需要克服功利性心理，盡量消除主觀臆斷在用戶信息交流與知識(shí)共享中的障礙，不能僅以滿足自身利益為目的，應(yīng)著眼于全局。

該交互網(wǎng)絡(luò)中間中心度前10位用戶如表2所示。數(shù)據(jù)表明，“wwqqer”“曲歌99”“阿扁V5”等用戶的中間中心度較高，說明這些用戶占據(jù)了網(wǎng)絡(luò)的核心路徑，作為連通用戶交流的橋梁，具有較高的話語(yǔ)權(quán)。雖然最大的中間中心度值高達(dá)14 674 085.59，但是中間中心度為0的用戶占比高達(dá)77.45%，即意味著超七成用戶屬于邊緣會(huì)話參與者，影響力極其微弱。這一現(xiàn)象說明，在虛擬學(xué)術(shù)社區(qū)用戶交互活動(dòng)中，少數(shù)的核心用戶控制著眾多用戶的活動(dòng)狀態(tài)，符合社會(huì)現(xiàn)象中的“二八定律”[23]。

該交互網(wǎng)絡(luò)接近中心度前10位用戶如表3所示。數(shù)據(jù)表明，接近中心度最高值為1.0，說明用戶交流的緊密性相度較低，有603位用戶的接近中心度大于0.5，具有信息傳播者的特征。從統(tǒng)計(jì)結(jié)果來看，僅有不到一成的用戶經(jīng)常與核心用戶進(jìn)行互動(dòng)，擅長(zhǎng)利用核心用戶所發(fā)布的相關(guān)信息進(jìn)行再生產(chǎn)創(chuàng)作;有73位用戶接近中心度為0，說明這些用戶的獨(dú)立性較強(qiáng)，不太容易與核心用戶建立交互關(guān)系，傾向于發(fā)表非主流性觀點(diǎn)。

該交互網(wǎng)絡(luò)特征向量中心度前10位用戶如表4所示。數(shù)據(jù)表明，“wwqqer”用戶為該網(wǎng)絡(luò)中的領(lǐng)袖用戶，與多數(shù)核心節(jié)點(diǎn)相連接，該用戶所發(fā)布的資源將對(duì)整個(gè)交互網(wǎng)絡(luò)產(chǎn)生影響，占據(jù)了網(wǎng)絡(luò)的絕對(duì)中心位置。

2.3?交互關(guān)系特征分析

用戶交互過程中的強(qiáng)關(guān)系可以維系組織內(nèi)部成員結(jié)構(gòu)長(zhǎng)期穩(wěn)定，并且為信息與知識(shí)傳播提供渠道[24];同時(shí)，弱關(guān)系能夠?yàn)椴煌后w與組織之間提供交流的途徑，擴(kuò)大信息交流的范圍，推動(dòng)不同子群之間進(jìn)行多元化創(chuàng)新[25]。采用Gephi軟件中“連接組件”統(tǒng)計(jì)方法，對(duì)“經(jīng)管之家”虛擬學(xué)術(shù)社區(qū)用戶交互網(wǎng)絡(luò)進(jìn)行測(cè)度，運(yùn)算后得到9 561個(gè)強(qiáng)連通關(guān)系、293個(gè)弱連通關(guān)系。這一結(jié)果說明，在該網(wǎng)絡(luò)中用戶之間的聯(lián)通度較高，各節(jié)點(diǎn)間可以沿著邊所指向的方向與其他領(lǐng)域的人員進(jìn)行聯(lián)絡(luò)，呈現(xiàn)出較強(qiáng)的繼承性與創(chuàng)新性特征。此外，該交互網(wǎng)絡(luò)的平均路徑長(zhǎng)度為4.140，表示網(wǎng)絡(luò)中任意兩個(gè)行動(dòng)者基本僅需要通過4個(gè)用戶便可與彼此達(dá)成互動(dòng)，說明在“經(jīng)管之家”虛擬學(xué)術(shù)社區(qū)中信息傳播速度較快，共享環(huán)境良好，用戶能夠較快速且便捷與相關(guān)人員取得聯(lián)系，從而產(chǎn)生交互行為。

3?虛擬學(xué)術(shù)社區(qū)用戶交互行為內(nèi)部規(guī)律分析

利用社會(huì)網(wǎng)絡(luò)分析法描述了虛擬學(xué)術(shù)社區(qū)用戶交互行為特征后，下面從三方面進(jìn)一步分析其交互行為內(nèi)部規(guī)律。

3.1?用戶發(fā)帖量與度關(guān)聯(lián)分析

發(fā)帖數(shù)量是用戶信息交流與互動(dòng)過程中的重要因素。為研究用戶發(fā)帖量與中心度之間的關(guān)聯(lián)性，首先對(duì)在“數(shù)據(jù)分析與數(shù)據(jù)挖掘”板塊中所有根帖用戶與回帖用戶所發(fā)布的主題帖（根帖）總數(shù)量進(jìn)行統(tǒng)計(jì)，繪制用戶發(fā)帖數(shù)量散點(diǎn)圖，如圖4所示，用戶平均發(fā)布根帖數(shù)量為67條。統(tǒng)計(jì)數(shù)據(jù)顯示，雖然有少量用戶發(fā)帖量超過1萬(wàn)條，但仍有68.0%的用戶發(fā)布根帖數(shù)不足10條，有25.6%的用戶從未發(fā)布過主題帖，僅有回帖行為。這一結(jié)果說明，在虛擬學(xué)術(shù)社區(qū)中用戶之間的用戶交互行為存在兩級(jí)分化的現(xiàn)象，一方面，具有豐富信息儲(chǔ)備量的用戶通過利用其不斷積累的社區(qū)交流相關(guān)經(jīng)驗(yàn)，進(jìn)而不斷進(jìn)行信息交互活動(dòng)，增強(qiáng)其作為交互網(wǎng)絡(luò)主體的話語(yǔ)權(quán)，激發(fā)繼續(xù)進(jìn)行共享的熱情;另一方面，四成以上用戶從未發(fā)布根帖，僅對(duì)已有主題帖進(jìn)行回帖，說明存在部分用戶只進(jìn)行信息索求而沒有進(jìn)行信息分享，這顯然降低虛擬學(xué)術(shù)社區(qū)整體信息交流與共享的水平，不利于虛擬學(xué)術(shù)社區(qū)建立良好的交流氛圍與社區(qū)秩序。

為了進(jìn)一步研究用戶發(fā)帖量是否對(duì)用戶間的互動(dòng)行為產(chǎn)生影響，有必要分析用戶發(fā)帖量與出入度的關(guān)聯(lián)。筆者將根據(jù)用戶發(fā)帖數(shù)量的不同，以100帖為層級(jí)將用戶分為17個(gè)類別后繪制分布曲線，其中將發(fā)帖量大于1 700條以上用戶因數(shù)量較少而計(jì)入同一類別，如圖5所示。圖5顯示，平均入度值、平均出度值以及平均度值（平均出度值與平均入度值之和）在較低分段時(shí)呈現(xiàn)較為平穩(wěn)的態(tài)勢(shì)，并隨用戶發(fā)帖量的增多而呈現(xiàn)增長(zhǎng)趨勢(shì);平均出度值與平均度值隨著發(fā)帖量的增加而上升，但平均入度值并未隨用戶發(fā)帖量的改變而展現(xiàn)出明顯變化。這一現(xiàn)象說明發(fā)帖數(shù)量多的用戶更傾向于主動(dòng)與他人進(jìn)行交互，有較高活躍度。此外，當(dāng)發(fā)文量處于中間水平（600～700條）時(shí)，平均入度值與平均度值明顯高于前后階段，代表當(dāng)用戶處于中間層級(jí)時(shí)活躍性較高，更加積極與其他用戶建立互動(dòng)關(guān)系。

3.2?用戶等級(jí)與度關(guān)聯(lián)分析

通常情況下，高等級(jí)用戶將在虛擬學(xué)術(shù)社區(qū)互動(dòng)關(guān)系中扮演重要角色。對(duì)于“經(jīng)管之家”虛擬學(xué)術(shù)論壇而言，用戶依據(jù)積分值高低被劃分為17個(gè)聲譽(yù)等級(jí)，聲譽(yù)等級(jí)越高的用戶的威望越高，所發(fā)布的信息可信度越強(qiáng)。這里首先將所采集的積分值與聲譽(yù)等級(jí)進(jìn)行匹配，然后將不同聲譽(yù)等級(jí)與度總值、出度總值、入度總值關(guān)聯(lián)起來，得到用戶聲譽(yù)等級(jí)分布圖，如圖6所示。該圖顯示，聲譽(yù)等級(jí)為“第一級(jí)”的用戶數(shù)目最多。由于積分值“0”是代表該虛擬學(xué)術(shù)社區(qū)中的新用戶，說明該社區(qū)中的新用戶數(shù)在不斷增加，可為虛擬學(xué)術(shù)社區(qū)用戶信息交流與創(chuàng)新提供新動(dòng)力。用戶集中分布在前9級(jí)，意味著該虛擬學(xué)術(shù)社區(qū)在相關(guān)信息活動(dòng)中大多數(shù)用戶的信譽(yù)度并不高。此外，用戶積分聲譽(yù)分布與前文的網(wǎng)絡(luò)中間中心度分析一致，符合社會(huì)階層分布規(guī)律。

從關(guān)聯(lián)后的整體趨勢(shì)上看，當(dāng)用戶處于前9級(jí)時(shí)，出度總值、入度總值與度總值（出度總值與入度總值之和）變化并不顯著，大體在同一區(qū)間略微浮動(dòng);但隨著聲譽(yù)等級(jí)的提高，入度總值開始顯著下降，出度總值與度總值波動(dòng)劇烈，在“第十六級(jí)”達(dá)到最高點(diǎn)。這一現(xiàn)象說明，高等級(jí)用戶更傾向于主動(dòng)與其他用戶建立交互關(guān)系，進(jìn)行信息共享。值得注意的是，當(dāng)用戶達(dá)到最高等級(jí)“第十七級(jí)”時(shí)，入度總值、出度總值與度總值均處于較低水平。筆者認(rèn)為該現(xiàn)象可能與群體規(guī)模和自身熱情相關(guān)。一方面，由于達(dá)到最高等級(jí)的用戶僅9人，群體規(guī)模較小，可能會(huì)對(duì)數(shù)據(jù)統(tǒng)計(jì)造成一定影響;另一方面，隨著聲譽(yù)等級(jí)到達(dá)較高狀態(tài)時(shí)，升級(jí)難度加大，例如由“第十六級(jí)”升級(jí)為“第十七級(jí)”需要約兩萬(wàn)的積分值，用戶可能會(huì)因此產(chǎn)生抵觸情緒，不愿再參與后續(xù)相關(guān)信息活動(dòng)，從而導(dǎo)致度總值較低。

3.3?用戶好友數(shù)與度關(guān)聯(lián)分析

在現(xiàn)實(shí)生活中，越多的好友數(shù)量代表著更廣泛的社會(huì)關(guān)系，也意味著擁有更多與他人交流互動(dòng)的機(jī)會(huì)[26]。為進(jìn)一步說明虛擬學(xué)術(shù)社區(qū)是否也存在這種規(guī)律，筆者將依據(jù)用戶好友數(shù)以每50個(gè)好友數(shù)為一段，劃分為13個(gè)段（即組，最大組為擁有600位以上好友的用戶），然后與度的平均值進(jìn)行關(guān)聯(lián)，繪制成折線圖，如圖7所示。圖7顯示，隨著用戶好友數(shù)不斷增加，平均出度值與平均度值波動(dòng)顯著，出現(xiàn)多個(gè)峰值。這一現(xiàn)象說明，在虛擬學(xué)術(shù)社區(qū)中用戶的好友數(shù)與平均度值之間的關(guān)聯(lián)度不強(qiáng)，擁有較高數(shù)量的好友并不代表可以建立起更為密切的互動(dòng)關(guān)系。由于虛擬學(xué)術(shù)社區(qū)用戶往往基于共同興趣愛好、研究主題等形成交互關(guān)系，它們是一種非正式的信息交互關(guān)系——短暫且脆弱，延展程度低。

4?結(jié)論與啟示

不同于以往的虛擬學(xué)術(shù)社區(qū)用戶交互行為分析，本文利用社會(huì)網(wǎng)絡(luò)分析方法，通過對(duì)虛擬學(xué)術(shù)社區(qū)——“經(jīng)管之家”學(xué)術(shù)論壇用戶信息交流與互動(dòng)研究，得出以下發(fā)現(xiàn)：

第一，虛擬學(xué)術(shù)社區(qū)用戶交互的特征主要是：①虛擬學(xué)術(shù)社區(qū)用戶交互主題具有較高的融合度與專業(yè)性特征，用戶在進(jìn)行信息交流的同時(shí)還會(huì)涉及工作求職、數(shù)字資源共享等內(nèi)容;②社區(qū)用戶交互行為整體呈現(xiàn)規(guī)模大、集群多的特點(diǎn)，內(nèi)部核心用戶之間交流密切，邊緣區(qū)域用戶互動(dòng)度較低;③社區(qū)中用戶網(wǎng)絡(luò)凝聚力低，呈現(xiàn)弱聯(lián)系與多中心化、無(wú)標(biāo)度的網(wǎng)絡(luò)特征;④核心用戶與其他用戶之間存在著密切聯(lián)系，控制著眾多節(jié)點(diǎn)，具有較強(qiáng)的協(xié)同與領(lǐng)導(dǎo)能力;普通用戶相比于核心用戶，更傾向于獲取信息而非主動(dòng)提供信息，互動(dòng)程度較低，解決問題的能力較弱;⑤社區(qū)中用戶聯(lián)通度較高，信息傳播速度快，呈現(xiàn)出較強(qiáng)的繼承性與創(chuàng)新性特征。

第二，虛擬學(xué)術(shù)社區(qū)用戶交互的內(nèi)在規(guī)律是：①虛擬學(xué)術(shù)社區(qū)用戶的發(fā)帖量存在兩級(jí)分化現(xiàn)象，發(fā)帖量越多的用戶度值越高，影響力越大，越傾向于尋求他人進(jìn)行交流互動(dòng);②社區(qū)內(nèi)部新用戶較多，多數(shù)用戶聲譽(yù)等級(jí)較低。相比于低聲譽(yù)等級(jí)用戶，高聲譽(yù)等級(jí)用戶傾向于主動(dòng)尋求與他人交流;③擁有較高的好友數(shù)并不意味著能建立起更多的交互關(guān)系，需要進(jìn)一步改善虛擬學(xué)術(shù)社區(qū)內(nèi)部用戶間的結(jié)構(gòu)。

基于上述研究結(jié)論，筆者認(rèn)為，在虛擬學(xué)術(shù)社區(qū)中，核心用戶應(yīng)該更加積極參與交互活動(dòng)，發(fā)揮其引導(dǎo)能力，營(yíng)造正向、健康的信息交流與共享環(huán)境;普通用戶應(yīng)主動(dòng)尋求交互機(jī)會(huì)，確保信息有效傳播。不管是核心用戶還是普通用戶，都不僅要積極獲取信息，而且要主動(dòng)進(jìn)行共享，推動(dòng)虛擬學(xué)術(shù)社區(qū)用戶信息交互行為的可持續(xù)性。此外，虛擬學(xué)術(shù)社區(qū)相關(guān)部門可以通過策劃線下交流與培訓(xùn)活動(dòng)來增強(qiáng)相關(guān)成員之間的信息共享行為。不過，本項(xiàng)研究仍存在一定的局限性：所采集的數(shù)據(jù)源于中文社區(qū)，缺少對(duì)國(guó)外虛擬學(xué)術(shù)社區(qū)的討論，這可能導(dǎo)致實(shí)證研究出現(xiàn)偏差;受篇幅限制，未能更為全面地比較分析“經(jīng)管之家”虛擬學(xué)術(shù)社區(qū)與其他虛擬社區(qū)之間在互動(dòng)行為上的異同，這兩個(gè)問題有待今后進(jìn)一步研究。

參考文獻(xiàn)

[1]賈新露，王曰芬.學(xué)術(shù)社交網(wǎng)絡(luò)的概念、特點(diǎn)及研究熱點(diǎn)[J].圖書館學(xué)研究，2016，（5）：7-13.

[2]李慶軍，萬(wàn)連城，王超，等.基于文獻(xiàn)計(jì)量的虛擬學(xué)術(shù)社區(qū)研究：現(xiàn)狀、熱點(diǎn)與趨勢(shì)[J].情報(bào)雜志，2020，39（10）：198-202.

[3]王戰(zhàn)平，周陽(yáng)，譚春輝，等.基于扎根理論的虛擬學(xué)術(shù)社區(qū)用戶參與行為研究——以小木蟲為例[J/OL].情報(bào)科學(xué)[2021-07-12].http：//kns.cnki.net/kcms/detail/22.1264.g2.20200911.1532.004.html.

[4]Tobarra L，Robles-Gómez A，Ros S，et al.Analyzing the Students Behavior and Relevant Topics in Virtual Learning Communities[J].Computers in Human Behavior，2014，31：659-669.

[5]王戰(zhàn)平，何文瑾，譚春輝.基于質(zhì)性分析的虛擬學(xué)術(shù)社區(qū)中科研人員合作動(dòng)機(jī)演化研究[J].情報(bào)科學(xué)，2020，38（3）：17-22.

[6]Chang H H，Chuang S S.Social Capital and Individual Motivations on Knowledge Sharing：Participant Involvement as a Moderator[J].Information & Management，2011，48（1）：9-18.

[7]郭洋，譚春輝，王儀雯.基于KMRW聲譽(yù)模型的虛擬學(xué)術(shù)社區(qū)科研合作研究[J].現(xiàn)代情報(bào)，2020，40（12）：55-63.

[8]譚春輝，王儀雯，郭洋.基于共生理論的虛擬學(xué)術(shù)社區(qū)科研合作穩(wěn)定性研究[J].現(xiàn)代情報(bào)，2021，41（3）：15-28.

[9]張海濤，孫思陽(yáng)，任亮.虛擬學(xué)術(shù)社區(qū)用戶知識(shí)交流行為機(jī)理及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)研究[J].情報(bào)科學(xué)，2018，36（10）：137-142，163.

[10]Glass E R.Engaging the Knowledge Commons：Setting Up Virtual Participatory Spaces for Academic Collaboration and Community[M].Kear R，Joranson K.Digital Humanities，Libraries，and Partnerships.Cambridge：Chandos Publishing，2018：75-90.

[11]吳佳玲，龐建剛.基于SBM模型的虛擬學(xué)術(shù)社區(qū)知識(shí)交流效率評(píng)價(jià)[J].情報(bào)科學(xué)，2017，35（9）：125-130.

[12]Chen C J，Hung S W.To Give or to Receive？Factors Influencing Members Knowledge Sharing and Community Promotion in Professional Virtual Communities[J].Information & Management，2010，47（4）：226-236.

[13]Chandran D，Alammari A M.Influence of Culture on Knowledge Sharing Attitude among Academic Staff in eLearning Virtual Communities in Saudi Arabia[J/OL].Information Systems Frontiers[2021-08-11].https：//doi.org/10.1007/s10796-020-10048-x.

[14]黃維，趙鵬.虛擬社區(qū)用戶知識(shí)共享行為影響因素研究[J].情報(bào)科學(xué)，2016，34（4）：68-73，103.

[15]涂瑞德，操慧子，明均仁.虛擬學(xué)術(shù)社區(qū)用戶采納意愿的影響因素[J].圖書館論壇，2020，40（2）：10-16.

[16]盧恒，張向先，張莉曼，等.會(huì)話分析視角下虛擬學(xué)術(shù)社區(qū)用戶交互行為特征研究[J].圖書情報(bào)工作，2020，64（13）：80-89.

[17]許林玉，楊建林.基于社會(huì)化媒體數(shù)據(jù)的學(xué)術(shù)社區(qū)知識(shí)共享行為影響因素研究——以經(jīng)管之家平臺(tái)為例[J].現(xiàn)代情報(bào)，2019，39（7）：56-65.

[18]經(jīng)管之家論壇.學(xué)習(xí)經(jīng)濟(jì)學(xué)最好的網(wǎng)站，趁現(xiàn)在關(guān)注還來得及！[EB/OL].https：//xueqiu.com/1546012564/94594336，2021-07-12.

[19]殷沈琴，張計(jì)龍，任磊.基于關(guān)鍵詞共現(xiàn)和社會(huì)網(wǎng)絡(luò)分析法的數(shù)字圖書館研究熱點(diǎn)分析[J].大學(xué)圖書館學(xué)報(bào)，2011，29（4）：25-30，38.

[20]張耀輝，盧爽，劉冰.用戶信息交互過程中影響信息質(zhì)量的因素分析[J].情報(bào)理論與實(shí)踐，2012，35（6）：12-15.

[21]唐曉波，宋承偉.基于復(fù)雜網(wǎng)絡(luò)的微博輿情分析[J].情報(bào)學(xué)報(bào)，2012，31（11）：1153-1162.

[22]王雪芬，朱慶華，常李艷，等.虛擬求職社區(qū)的用戶交互行為特點(diǎn)——以應(yīng)屆生求職論壇為例[J].圖書情報(bào)工作，2018，62（10）：62-69.

[23]徐劍，黃秋月.“二八定律”在圖書館管理中的應(yīng)用[J].中國(guó)圖書館學(xué)報(bào)，2007，（5）：106-108.

[24]Pfeffer M J，Parra P A.Strong Ties，Weak Ties，and Human Capital：Latino Immigrant Employment Outside the Enclave[J].Rural Sociology，2009，74（2）：241-269.

[25]Granovetter M S.The Strength of Weak Ties[J].The American Journal of Sociology，1973，78（6）：1360-1380.

[26]Ckson M O.The Human Network：How Your Social Position Determines Your Power，Beliefs，and Behaviors[M].New York：Pantheon Books，2019：10-12.

（責(zé)任編輯：陳?媛）