開發(fā)者社區(qū)中意見領(lǐng)袖特征值的影響力研究

程秀峰　張夢圓　丁芬　陸穎穎

摘要：[目的/意義]對開發(fā)者社區(qū)中意見領(lǐng)袖行為數(shù)據(jù)進(jìn)行分析，解釋這些特征值對其他用戶行為的影響力，探究意見領(lǐng)袖影響力形成的原因，為提升該類社區(qū)用戶參與度提供最佳實(shí)踐路徑。[方法/過程]依據(jù)社區(qū)的綜合排名，篩選出意見領(lǐng)袖，將他們的特征分成3類（成就、互動、貢獻(xiàn)），基于每類特征值對意見領(lǐng)袖進(jìn)行聚類（權(quán)威型、新晉型、傳播型），利用網(wǎng)絡(luò)結(jié)構(gòu)可視化方法揭示意見領(lǐng)袖的影響力要素，并從用戶發(fā)展、平臺建設(shè)及機(jī)構(gòu)資源利用3個視角提供參考建議。[結(jié)果/結(jié)論]可以通過這種方式動態(tài)確定特征值分布對關(guān)鍵用戶提升影響力的最佳路徑。典型開發(fā)者社區(qū)中權(quán)威型意見領(lǐng)袖的粉絲數(shù)、原創(chuàng)數(shù)特征，傳播型意見領(lǐng)袖的等級值、原創(chuàng)數(shù)特征，新晉型意見領(lǐng)袖的收藏數(shù)、碼齡、博客數(shù)等特征，對用戶學(xué)習(xí)意愿的影響較大。

關(guān)鍵詞：開發(fā)者社區(qū);意見領(lǐng)袖特征;影響力;用戶學(xué)習(xí)意愿

DOI：10.3969/j.issn.1008-0821.2022.07.010

〔中圖分類號〕G203〔文獻(xiàn)標(biāo)識碼〕A〔文章編號〕1008-0821（2022）07-0114-11

Research on the Influence of Characteristic Values of

Opinion Leaders in Developer CommunityCheng XiufengZhang MengyuanDing FenLu Yingying

（School of Information Management，Central China Normal University，Wuhan 430079，China）

Abstract：[Purpose/Significance]Analyzing the behavior data of opinion leaders in the developer community，explaining the influence of behavioral characteristics values on other users' behaviors，exploring the reasons for the formation of opinion leaders' influence，and providing the best practice path for improving user participation in such communities.[Method/Process]Firstly，opinion leaders were selected according to the comprehensive ranking of the community.Then，the characteristics were classified into three categories（achievement，interaction and contribution）;Then，the opinion leaders were clustered based on the values of each category（authoritative，upstart，dissemination）.Finally，the network structure visualization method was used to reveal the influence factors of opinion leaders，and suggestions were provided from the perspectives of user development，platform construction and institutional resource utilization.[Result/Conclusion]In this way，the optimal path of eigenvalue distribution to enhance the influence of key users can be determined dynamically.In the typical developer community，the characteristics of authoritative opinion leaders' number of fans and originality，the grade value and originality of communication opinion leaders，and the collection number，code age and blog number of newly emerging opinion leaders have a great influence on users' learning intention.

Key words：developer community;characteristics of opinion leaders;influence;user's learning intention

隨著互聯(lián)網(wǎng)特別是Web2.0技術(shù)的迅速發(fā)展，技術(shù)社區(qū)（Technology Communities，或稱為開發(fā)者社區(qū)、技術(shù)問答社區(qū)等）已成為技術(shù)知識交流和技術(shù)成果共享的重要平臺[1]。

從知識交流角度看，技術(shù)知識的交流方式一直在變化。從傳統(tǒng)的交流方式（如專利、文獻(xiàn)、會議、咨詢），到以信息為中心的集中發(fā)布方式（如科技網(wǎng)站、技術(shù)論壇、產(chǎn)品知識庫），再到以用戶為中心的協(xié)同傳播方式?？梢钥闯?，這種交流的模式正逐漸向網(wǎng)絡(luò)化、扁平化、去中心化方向演變[2]。在軟件開發(fā)領(lǐng)域，開發(fā)者社區(qū)（Developer Communities）已成為開發(fā)者之間交流的主要渠道，它類似于社交平臺，但其交流內(nèi)容的專業(yè)性、交流方式的規(guī)范性、交流功能的多樣性，往往要比一般社交平臺更加豐富[3]。B6237AF0-8D99-4A16-BA51-8F0507032B41

從信息傳播角度看，開發(fā)者社區(qū)作為一種典型技術(shù)社區(qū)，其知識資源集中在“主要貢獻(xiàn)者”上，這些貢獻(xiàn)者在現(xiàn)實(shí)中可能是領(lǐng)域?qū)＜?，但更多的則是對某項(xiàng)技術(shù)十分精通，且僅在該項(xiàng)技術(shù)領(lǐng)域享有一定聲望的用戶。這些用戶往往成為相應(yīng)社交網(wǎng)絡(luò)中的重要節(jié)點(diǎn)[4]。具體表現(xiàn)為：對大眾傳播的接觸頻度高、影響力強(qiáng)、信賴者多等。因此，傳播學(xué)將這些貢獻(xiàn)者定義為“意見領(lǐng)袖”（Opinion Leaders）[5]。意見領(lǐng)袖在開發(fā)者社區(qū)中扮演著不可忽視的“中介”作用，可以使社區(qū)用戶參與程度增加，從而增強(qiáng)整體社區(qū)活力[6]。有研究發(fā)現(xiàn)，開發(fā)者社區(qū)中用戶參與項(xiàng)目合作的意愿不僅受項(xiàng)目內(nèi)容、用戶期望等主觀因素影響，也會受到其關(guān)注主體的特征的影響[7-8]。例如，一個碼齡超過10年、粉絲上萬、每日更新的開發(fā)者，往往會贏得更多的關(guān)注，其項(xiàng)目也會有更多人參與。

從文獻(xiàn)分析中可以看出，國內(nèi)外對開發(fā)者社區(qū)的專門研究正在增多，而專門針對社區(qū)中用戶特征的影響力研究較少，且多是分散于知識（問答）社區(qū)[9-10]、社交網(wǎng)絡(luò)[11]或是特定行為特征的研究。另外，由于每個平臺的功能設(shè)置不盡相同，對宏觀觀察用戶特征的影響力也造成了一定偏差?？傊?，研究開發(fā)者社區(qū)中特征的影響力，可以幫助相關(guān)平臺深入了解用戶興趣點(diǎn)，增加社區(qū)資源的有效流動，為該社區(qū)發(fā)展提供借鑒。本文選取國內(nèi)最大的開發(fā)者社區(qū)CSDN為研究對象，對該社區(qū)的用戶特征進(jìn)行分類，再利用無監(jiān)督聚類算法確定該社區(qū)中存在的意見領(lǐng)袖類型及特點(diǎn)，隨后分析不同類型意見領(lǐng)袖的特征值對用戶學(xué)習(xí)意愿的影響力，并結(jié)合可視化的網(wǎng)絡(luò)結(jié)構(gòu)，分析出提升意見領(lǐng)袖影響力的路徑，并為該類社區(qū)的平臺建設(shè)與相關(guān)機(jī)構(gòu)的資源利用提供一定的參考。

1相關(guān)研究

1.1開發(fā)者社區(qū)

典型的開發(fā)者社區(qū)是軟件開發(fā)人員進(jìn)行代碼共享、知識交流的開放式平臺，主要由代碼托管網(wǎng)站發(fā)展而來。目前，國外主要平臺有GitHub、GitLab、BitBucket、SourceForge等[12];國內(nèi)的平臺主要包括CSDN、碼云（gitee.com）等。除了基本的社交功能外，它們還具備代碼托管、協(xié)同開發(fā)等一系列技術(shù)性交互功能。因此，其行為特征屬性極為豐富，例如，Commit（提交/上傳次數(shù)）、Fork（分支數(shù)）、Issue（問題討論數(shù)）等。對該類社區(qū)的研究主要落腳在信息內(nèi)容[13]、網(wǎng)絡(luò)結(jié)構(gòu)[14]以及用戶行為研究等方面。其中，用戶行為研究主要揭示行為特征與行為規(guī)律，分析用戶影響力等。比如，Yan D C等[15]解釋了開發(fā)者的活動在社區(qū)中滿足長尾效應(yīng);Yu Y等[16]對GitHub的關(guān)注網(wǎng)絡(luò)進(jìn)行分析，發(fā)現(xiàn)了獨(dú)立、群體、星型、中心這4種社交行為模式，從而幫助平臺管理者設(shè)計(jì)相應(yīng)的輔助功能?？梢?，該類研究主要集中于用戶的行為模式、行為規(guī)律挖掘，缺乏對關(guān)鍵節(jié)點(diǎn)特征屬性的影響力的量化分析。

1.2用戶群體聚類研究

對社區(qū)中的用戶進(jìn)行聚類，分析不同群體的特征，是用戶行為研究的常用方法。然而，其中大多數(shù)聚類對象均是普通社交平臺，例如主題模型聚類[17-18]，利用各種聚類算法進(jìn)行推薦、比較聚類算法的性能等。K-means算法本身具有優(yōu)化迭代的能力，有助于減少在樣本量少的情況下聚類的不準(zhǔn)確性，因此得到了廣泛的應(yīng)用[19]。另外，也有少量研究利用EM聚類算法[20]、超網(wǎng)絡(luò)譜聚類算法[21]等，更適合企業(yè)級大規(guī)模群體聚類。開發(fā)者社區(qū)中的意見領(lǐng)袖屬于小樣本群體，無監(jiān)督的K-means聚類算法依然適合基于特征值的個體歸類。

1.3意見領(lǐng)袖特征影響力研究

“意見領(lǐng)袖”一詞源于市場營銷學(xué)中的兩級傳播理論（Two-step Flow of Communication）[22]。通常指社交網(wǎng)絡(luò)中對他人施加影響的“活躍因子”。有研究表明，在傳統(tǒng)社交網(wǎng)絡(luò)中，意見領(lǐng)袖的影響力有一定的差異性[23]，但除了主觀因素，還有哪些因素導(dǎo)致這些差異性？在開發(fā)者社區(qū)中，大部分的用戶關(guān)注集中于項(xiàng)目和代碼而非用戶[3]，但是意見領(lǐng)袖本身特征對他們的影響是否存在？影響程度又如何細(xì)分？相關(guān)研究并不多見。

在意見領(lǐng)袖特征影響力研究方面，主要用到層次分析法[24]和回歸分析法[25]。由于前者帶有一定主觀性，而后者通過統(tǒng)計(jì)模型來觀察變量之間的影響程度，分析過程更具客觀性和可量化性。因此，本文將采用回歸分析法來探究意見領(lǐng)袖特征對其他用戶學(xué)習(xí)意愿的影響力。

2分析過程

2.1數(shù)據(jù)采集與整理

開發(fā)者社區(qū)的用戶排名通常能夠反映用戶的活躍性與重要程度?？紤]到數(shù)據(jù)的代表性與多元化，本文綜合采用CSDN中總排名、周排名、全站綜合熱榜、領(lǐng)域內(nèi)容榜、熱門專欄榜、歷史貢獻(xiàn)榜中的用戶，采集這些用戶的碼齡、原創(chuàng)數(shù)、訪問數(shù)、等級值、粉絲數(shù)、點(diǎn)贊數(shù)、評論數(shù)、收藏數(shù)、博客數(shù)以及關(guān)注信息。在過濾重復(fù)榜單用戶后，最終得到907名用戶，將其視為意見領(lǐng)袖。數(shù)據(jù)采集時間為2021年9月16日—17日。

2.2特征屬性分類

筆者對上述意見領(lǐng)袖的特征值進(jìn)行主成分分析，其結(jié)果中顯著性（0.000<0.05）與KMO（0.745>0.7）表明該分析具有顯著性與有效性。分析結(jié)果將9個特征分為3個主成分，圖1中數(shù)值代表每個特征與3個主成分的相關(guān)程度，各個特征選擇最高數(shù)值所對應(yīng)的主成分作為其成員，且同一主成分中的特征之間具有高度相關(guān)性，但與其他主成分中的特征互為獨(dú)立。

隨后，通過以上分析，并結(jié)合前人對網(wǎng)絡(luò)用戶的特征劃分的語義說明[26]，本文將意見領(lǐng)袖的特征分為3類（成就類、互動類、貢獻(xiàn)類）。其分類具體描述如表1所示。

其中，“成就”類特征在一定程度上反映了意見領(lǐng)袖文章的價值以及在社區(qū)中取得的成果，本文用等級值、碼齡與訪問數(shù)來衡量;“互動”類特征體現(xiàn)的是意見領(lǐng)袖與其他用戶的交互情況，由獲贊數(shù)、收藏數(shù)、評論數(shù)與粉絲數(shù)來衡量;“貢獻(xiàn)”類特征反映的是意見領(lǐng)袖為社區(qū)提供與傳遞知識、思想、文章等貢獻(xiàn)內(nèi)容，通過原創(chuàng)數(shù)與博客數(shù)來體現(xiàn)。B6237AF0-8D99-4A16-BA51-8F0507032B41

2.3意見領(lǐng)袖聚類

基于每種特征的具體數(shù)值對意見領(lǐng)袖進(jìn)行K-means聚類，將意見領(lǐng)袖數(shù)據(jù)集記為X={x₁，x₂，x₃，…，x₉₀₇}，將意見領(lǐng)袖特征集記為A={a₁，a₂，a₃，…，a₉}，則第n名意見領(lǐng)袖的特征向量為X_n=（a_n1，a_n2，a_n3，…，a_n9），其中a_n1表示第n名意見領(lǐng)袖的第1個特征的值。現(xiàn)將數(shù)據(jù)集X擬聚為K個類別，具體過程如下：表1意見領(lǐng)袖類別、特征及描述

社區(qū)特征類別特征特征描述CSDN成就類等級值意見領(lǐng)袖通過其成果獲得的數(shù)值碼齡意見領(lǐng)袖在平臺中持續(xù)時間訪問數(shù)反映用戶對意見領(lǐng)袖文章的學(xué)習(xí)意愿與吸引力互動類獲贊數(shù)反映用戶對意見領(lǐng)袖文章的認(rèn)可收藏數(shù)反映用戶對意見領(lǐng)袖文章的認(rèn)可評論數(shù)反映用戶對意見領(lǐng)袖文章的交互情況粉絲數(shù)反映意見領(lǐng)袖的受歡迎程度貢獻(xiàn)類原創(chuàng)數(shù)意見領(lǐng)袖的原創(chuàng)文章數(shù)量博客數(shù)意見領(lǐng)袖的所有文章累積數(shù)量

這里利用肘部法來確定聚類中心數(shù)K，根據(jù)圖2中SSE（誤差平均和）肘部圖可看出，K取值為3時出現(xiàn)拐點(diǎn)，則確定最終的聚類數(shù)目為3。其聚類結(jié)果如表2所示。

依據(jù)表2中聚類結(jié)果來確定意見領(lǐng)袖的類型。雖然簇1內(nèi)意見領(lǐng)袖的貢獻(xiàn)類均值居中，但其成就類（等級值、訪問數(shù)）與互動類均值遠(yuǎn)大于簇2與簇3，表明簇1內(nèi)意見領(lǐng)袖的相關(guān)成果得到了廣泛用戶的喜愛與認(rèn)可。因此，將這類意見領(lǐng)袖歸類為“權(quán)威型”;簇2內(nèi)意見領(lǐng)袖的成就類、互動類、貢獻(xiàn)類均值均遠(yuǎn)低于簇1與簇3，但其原創(chuàng)率比較高，與簇1相對持平，這說明簇2內(nèi)意見領(lǐng)袖在社區(qū)中深造時間不長，還未被用戶廣泛關(guān)注，因此，將這類意見領(lǐng)袖歸類為“新晉型”;簇3內(nèi)意見領(lǐng)袖的成就類與互動類均值居中，但貢獻(xiàn)類均值最高，且原創(chuàng)率最低，這說明簇3內(nèi)意見領(lǐng)袖更熱衷于在社區(qū)中轉(zhuǎn)載他人文章與資源，更傾向于依靠傳播來獲得更多訪問數(shù)、獲贊數(shù)等數(shù)值，以提升影響力，因此，將這類意見領(lǐng)袖歸類為“傳播型”。意見領(lǐng)袖類型的具體定義說明如表3所示。

根據(jù)表2互動類特征與表3定義可知，權(quán)威型與傳播型這兩類意見領(lǐng)袖吸引了大部分用戶的關(guān)注，

這一現(xiàn)象不僅與意見領(lǐng)袖文章質(zhì)量相關(guān)，還可以推斷出大多數(shù)用戶在選擇學(xué)習(xí)資源時會傾向于跟隨他人，這也是“主觀規(guī)范”的體現(xiàn)[3]。

2.4意見領(lǐng)袖特征對用戶學(xué)習(xí)意愿的影響力分析

為用戶貢獻(xiàn)開放的學(xué)習(xí)資源，是開發(fā)者社區(qū)的設(shè)立本意。意見領(lǐng)袖是該社區(qū)的主要活躍節(jié)點(diǎn)，其特征屬性對其他用戶具有吸引力，可以看做其他用戶學(xué)習(xí)其所貢獻(xiàn)的資源，參與其項(xiàng)目的重要影響因素。分析不同類型意見領(lǐng)袖特征對用戶學(xué)習(xí)意愿的影響程度，為提升該類社區(qū)中意見領(lǐng)袖影響力提供針對性依據(jù)。有研究[27]表明，用戶的瀏覽行為是反映用戶興趣偏好及學(xué)習(xí)意愿的隱式反饋。由于開發(fā)者社區(qū)中文章的標(biāo)題往往能夠向用戶直觀地傳達(dá)文章的核心內(nèi)容，若用戶對其產(chǎn)生繼續(xù)學(xué)習(xí)的意愿，則會“點(diǎn)擊”該文章（即增加了“訪問數(shù)”），并且用戶的“瀏覽”行為是產(chǎn)生“點(diǎn)贊”“評論”“收藏”等其他行為的前提。因此，筆者選取特征中“訪問數(shù)”來表征其他用戶學(xué)習(xí)博文的意愿，并通過回歸分析法，來深入挖掘不同類型意見領(lǐng)袖的不同特征類型對用戶的影響。

1）分析方法的選擇

回歸分析法要求變量間不存在多重共線性，否則將導(dǎo)致回歸模型缺乏穩(wěn)定性。逐步回歸法是解決此問題的常用方法，它將變量逐個引入模型進(jìn)行檢驗(yàn)，最后剔除引起多重共線性的變量以優(yōu)化模型。但在本研究中，權(quán)威型意見領(lǐng)袖的樣本數(shù)（7個）小于變量個數(shù)（9個），不滿足逐步回歸法的適用條件，為解決此特殊情況，筆者引入偏最小二乘回歸法，且該方法能有效克服變量間的多重共線性問題[28]。除此之外，根據(jù)新晉型、傳播型意見領(lǐng)袖的樣本數(shù)據(jù)的分布情況，如圖3、圖4所示，若構(gòu)建偏最小二乘回歸模型，會剔除橢圓外數(shù)據(jù)，這樣可能會失去一些有效結(jié)果。綜上，筆者將采用逐步回歸法分析新晉型與傳播型意見領(lǐng)袖的特征的影響力，采用偏最小二乘回歸法分析權(quán)威型意見領(lǐng)袖的特征的影響力。

2）分析過程

首先，筆者采用逐步回歸法分別分析新晉型、傳播型意見領(lǐng)袖的特征值對用戶學(xué)習(xí)意愿的影響，該分析只保留了顯著性變量，其結(jié)果如表4所示。

在表4中，根據(jù)各變量的VIF值（<10）可知，該模型有效解決了變量間的多重共線性問題;根據(jù)DW（接近2）可知模型不存在殘差自相關(guān)，即該模型不存在遺漏變量。因此，該分析結(jié)果具有統(tǒng)計(jì)學(xué)意義。

然后，筆者借助SIMCA對權(quán)威型意見領(lǐng)袖的樣本數(shù)據(jù)構(gòu)建偏最小二乘回歸模型。其分析結(jié)果如表5所示。根據(jù)R²X、R²Y、Q²可知該模型可靠性強(qiáng)、預(yù)測能力較好。

通過偏最小二乘回歸法對權(quán)威型意見領(lǐng)袖的樣本數(shù)據(jù)進(jìn)行特異點(diǎn)檢測，如圖5所示，所有樣本點(diǎn)都均勻分布在T²橢圓圖內(nèi)，即樣本質(zhì)量得到了保證。

3）分析結(jié)果

綜合表4、表5中Beta值，將結(jié)果繪制成如圖6所示的雷達(dá)圖，以更直觀地比較分析3類意見領(lǐng)袖的不同特征對用戶學(xué)習(xí)意愿的影響程度，這里統(tǒng)一將不顯著變量的系數(shù)記為0。

圖6中的數(shù)字代表3類意見領(lǐng)袖各個特征的Beta值，記該值的絕對值為B=Beta，則B值越大，表明該特征的變化對用戶的學(xué)習(xí)意愿具有更顯著的影響（當(dāng)Beta值為正數(shù)時，則為正向影響;當(dāng)Beta值為負(fù)數(shù)時，則為負(fù)向影響）。對于“等級值”特征，傳播型意見領(lǐng)袖的B值最大（0.286）;對于“博客數(shù)”特征，新晉型意見領(lǐng)袖的B值最大（0.258）;對于“原創(chuàng)數(shù)”特征，權(quán)威型意見領(lǐng)袖的Beta值為正數(shù)（0.235），傳播型意見領(lǐng)袖的Beta值為負(fù)數(shù)（-0.168）;對于“粉絲數(shù)”特征，權(quán)威型意見領(lǐng)袖的B值最大（0.275）;對于“收藏數(shù)”特征，新晉型意見領(lǐng)袖的B值最大（0.190）;對于“碼齡”特征，新晉型意見領(lǐng)袖的B值最大（0.125）;而對于“評論數(shù)、獲贊數(shù)”特征，3類意見領(lǐng)袖的B值均為0，則表明這兩個特征對用戶的學(xué)習(xí)意愿沒有顯著的影響。B6237AF0-8D99-4A16-BA51-8F0507032B41

由圖6可知，對于權(quán)威型意見領(lǐng)袖而言，其互動類（粉絲數(shù)）（Beta=0.275）、貢獻(xiàn)類（原創(chuàng)數(shù)）（Beta=0.235）的變化對用戶的學(xué)習(xí)意愿具有更顯著的正向影響，這表明，用戶更加關(guān)注與認(rèn)可權(quán)威型意見領(lǐng)袖的原創(chuàng)文章中所呈現(xiàn)的知識與思想，這一現(xiàn)象與Agrawal J等[29]得出的“用戶更傾向于信任專家所產(chǎn)出的內(nèi)容”一致。對于新晉型意見領(lǐng)袖而言，成就類（碼齡）（Beta=0.125）、貢獻(xiàn)類（博客數(shù)）（Beta=0.258）、互動類（收藏數(shù)）（Beta=0.190）對用戶的學(xué)習(xí)意愿具有更顯著的正向影響，這表明，對于關(guān)注度不高的新晉型意見領(lǐng)袖而言，用戶更傾向于關(guān)注深造時間長、產(chǎn)出成果數(shù)量多且認(rèn)可程度高的新晉型意見領(lǐng)袖的文章與資源，這一現(xiàn)象可以被盧恒等[26]得出的“用戶留存在社區(qū)中的時間越長，知識的貢獻(xiàn)程度越大，越容易吸引更多其他用戶的關(guān)注”所解釋。對于傳播型意見領(lǐng)袖而言，成就類（等級值）（Beta=0.286）特征對用戶的學(xué)習(xí)意愿呈現(xiàn)更顯著的正向影響，而貢獻(xiàn)類（原創(chuàng)數(shù)）（Beta=-0.168）特征對用戶的學(xué)習(xí)意愿具有更顯著的負(fù)向影響，這意味著，傳播型意見領(lǐng)袖的等級值越大，越能激發(fā)用戶的學(xué)習(xí)意愿。此外，傳播型意見領(lǐng)袖的原創(chuàng)數(shù)越高，越不容易激發(fā)用戶的學(xué)習(xí)意愿，即用戶更傾向于瀏覽傳播型意見領(lǐng)袖的轉(zhuǎn)載文章，這是因?yàn)榻?jīng)過轉(zhuǎn)載的文章大多經(jīng)過了用戶的主觀過濾，其內(nèi)容和價值被主觀認(rèn)可，從而使得客觀可信度更高，這一現(xiàn)象與Keib K等[30]得出的“被轉(zhuǎn)發(fā)的推文內(nèi)容往往具有重要價值”一致。

2.5社會網(wǎng)絡(luò)分析

LeaderRank算法是Lü L等[31]基于PageRank算法提出的，用于探測社交網(wǎng)絡(luò)中節(jié)點(diǎn)的重要性，具有更快的收斂性，更強(qiáng)的魯棒性，能更準(zhǔn)確地識別出網(wǎng)絡(luò)中具有影響力的節(jié)點(diǎn)。因此，筆者采用LeaderRank算法探測3類意見領(lǐng)袖在社交網(wǎng)絡(luò)中的相對重要程度，觀察其在網(wǎng)絡(luò)中呈現(xiàn)的特點(diǎn)，并識別意見領(lǐng)袖影響力的形成原因，為發(fā)現(xiàn)意見領(lǐng)袖影響力提升的路徑提供參考。

在本研究907個樣本中，共有198名意見領(lǐng)袖之間不存在關(guān)注關(guān)系，因此去除他們的關(guān)注鏈接，最終得到有效節(jié)點(diǎn)709個，把這些意見領(lǐng)袖編號，將其視為關(guān)注關(guān)系網(wǎng)絡(luò)中的節(jié)點(diǎn)。計(jì)算每名意見領(lǐng)袖的LR值。然后利用Gephi工具中的Force Altas（力引導(dǎo)算法）對網(wǎng)絡(luò)關(guān)系進(jìn)行重構(gòu)，使“重力”（相對重要程度）大的節(jié)點(diǎn)向中心聚攏，使每個節(jié)點(diǎn)處于相對平衡狀態(tài)，最終形成的關(guān)系網(wǎng)絡(luò)的可視化形式，如圖7所示。

圖7中，紅色代表權(quán)威型意見領(lǐng)袖、藍(lán)色代表傳播型意見領(lǐng)袖、橙色代表新晉型意見領(lǐng)袖。節(jié)點(diǎn)大小對應(yīng)意見領(lǐng)袖的LR值，節(jié)點(diǎn)大小越大，表示其LR值越大，即影響力越大。邊的3種顏色代表意見領(lǐng)袖的關(guān)注目標(biāo)情況，例如，紅色的邊表示意見領(lǐng)袖的關(guān)注目標(biāo)為權(quán)威型意見領(lǐng)袖。由圖7可得以下結(jié)論：

1）在開發(fā)者社區(qū)中，只有少部分意見領(lǐng)袖在一定領(lǐng)域中具有重要影響力，且高影響力的意見領(lǐng)袖集中于權(quán)威型意見領(lǐng)袖、少部分傳播型意見領(lǐng)袖以及個別新晉型意見領(lǐng)袖中，這一現(xiàn)象也是帕累托定律在人才分配中的體現(xiàn)。

2）3類意見領(lǐng)袖關(guān)注各自類型的比例更大，比如權(quán)威型意見領(lǐng)袖關(guān)注權(quán)威型意見領(lǐng)袖的比例更大，這說明不同類型的意見領(lǐng)袖具有各自的關(guān)注網(wǎng)或“朋友圈”，他們在各自的關(guān)注網(wǎng)中學(xué)習(xí)與獲取相關(guān)資料。

3）具有密切關(guān)注關(guān)系的意見領(lǐng)袖在圖中集中分布，因此可得出高影響力的意見領(lǐng)袖之間存在密切關(guān)注關(guān)系，而低影響力的意見領(lǐng)袖很少關(guān)注高影響力的意見領(lǐng)袖。此外，傳播型意見領(lǐng)袖更傾向于關(guān)注高影響力的意見領(lǐng)袖，這表明，意見領(lǐng)袖不僅需要提高其原創(chuàng)資源的質(zhì)量，還需要重點(diǎn)關(guān)注高影響力的意見領(lǐng)袖文章。

3意義與啟示

3.1用戶發(fā)展視角

根據(jù)文中第2部分的分析，3種類型的意見領(lǐng)袖特征對用戶學(xué)習(xí)意愿的影響程度有所不同，因此，可為每類意見領(lǐng)袖提供具有針對性的提升其影響力的策略。

1）權(quán)威型意見領(lǐng)袖：挖掘前沿知識領(lǐng)域，打造自身“品牌”特色

由于權(quán)威型意見領(lǐng)袖的貢獻(xiàn)類（原創(chuàng)數(shù)）及互動類（粉絲數(shù)）特征對用戶的學(xué)習(xí)意愿具有更顯著的影響，因此，該類意見領(lǐng)袖應(yīng)該將重心放在原創(chuàng)數(shù)與粉絲數(shù)這兩個特征的提升上。首先，該類意見領(lǐng)袖在一定領(lǐng)域中擁有其獨(dú)特見解與領(lǐng)悟，用戶更傾向于從他們的文章中獲取和自身知識需求相近的技術(shù)性資源。因此，以敏銳的洞察力來捕捉技術(shù)領(lǐng)域中的前沿思想與動態(tài)，以專業(yè)的視角來挖掘開發(fā)者社區(qū)中潛在的知識與方法，以創(chuàng)新的思維來預(yù)測未來技術(shù)發(fā)展的趨勢與新格局，是權(quán)威型意見領(lǐng)袖的核心任務(wù)。其次，幫助用戶解決有針對性的技術(shù)問題，形成良好的社區(qū)生態(tài)，是開發(fā)者社區(qū)的一貫?zāi)繕?biāo)。這意味著權(quán)威型意見領(lǐng)袖應(yīng)該明確自身吸引用戶關(guān)注的特點(diǎn)，從自身影響力優(yōu)勢出發(fā)，專注技術(shù)內(nèi)容質(zhì)量，形成“品牌”效應(yīng)，為用戶及其他意見領(lǐng)袖的學(xué)習(xí)和研究提供啟發(fā)性思維與指引性技術(shù)參考是其重要標(biāo)準(zhǔn)。最后，該類意見領(lǐng)袖可結(jié)合自身技術(shù)特色，將同類型的解答以知識總結(jié)的形式匯集成“知識庫”，并積極推廣。例如通過公眾號、小程序等，吸引更多用戶的關(guān)注，從而提升影響力。

2）傳播型意見領(lǐng)袖：促進(jìn)知識高效流通，增強(qiáng)互動交流

由于傳播型意見領(lǐng)袖的成就類（等級值）特征對圖7意見領(lǐng)袖關(guān)系網(wǎng)絡(luò)圖

用戶的學(xué)習(xí)意愿具有更顯著的正向影響，而貢獻(xiàn)類（原創(chuàng)數(shù)）特征對用戶的學(xué)習(xí)意愿具有更顯著的負(fù)向影響。因此，對這兩類特征的調(diào)節(jié)，是該類意見領(lǐng)袖提升其影響力的關(guān)鍵。一方面，該類意見領(lǐng)袖可延續(xù)自身特點(diǎn)，堅(jiān)持傳播優(yōu)秀文章，增加轉(zhuǎn)載過濾質(zhì)量，從而提高資源的曝光率與采納率，加速社區(qū)的知識流通;另一方面，根據(jù)CSDN社區(qū)中有關(guān)等級值的介紹，除了發(fā)布原創(chuàng)文章外，與其他用戶在評論區(qū)互動交流等行為也可增加等級值。開發(fā)者社區(qū)中的評論信息在一定程度上反映了文章的質(zhì)量及創(chuàng)作者水平，對于權(quán)威性不太高的意見領(lǐng)袖，用戶往往通過瀏覽其文章的評論信息來判斷其水平。因此，該類意見領(lǐng)袖可在評論區(qū)多與用戶進(jìn)行互動交流，耐心回復(fù)評論區(qū)中用戶反饋的信息，了解用戶的真實(shí)需求。B6237AF0-8D99-4A16-BA51-8F0507032B41

3）新晉型意見領(lǐng)袖：打破“封閉”關(guān)注圈，擴(kuò)充知識儲備

由于新晉型意見領(lǐng)袖的成就類（碼齡）、互動類（收藏數(shù)）、貢獻(xiàn)類（博客數(shù)）特征對用戶的學(xué)習(xí)意愿具有更顯著的正向影響。因此，作為未被用戶廣泛關(guān)注的新晉型意見領(lǐng)袖而言，需要堅(jiān)持學(xué)習(xí)相關(guān)知識，夯實(shí)理論基礎(chǔ)，豐富實(shí)踐經(jīng)驗(yàn)，擴(kuò)充知識儲備，為創(chuàng)作高質(zhì)量的文章奠定基礎(chǔ)。有研究發(fā)現(xiàn)，內(nèi)容結(jié)構(gòu)越清晰、情感傾向越積極的文章，越能獲得用戶的認(rèn)可與關(guān)注，據(jù)此，新晉型意見領(lǐng)袖可以重點(diǎn)增強(qiáng)文章結(jié)構(gòu)的嚴(yán)謹(jǐn)性，以提升創(chuàng)作質(zhì)量。此外，該類意見領(lǐng)袖需打破“封閉”關(guān)注圈，多關(guān)注高影響力意見領(lǐng)袖的文章與資源，掌握權(quán)威性文章的創(chuàng)作精髓，還可轉(zhuǎn)發(fā)優(yōu)秀資源，從而在短時間內(nèi)提升影響力。

3.2平臺建設(shè)視角

相較于一般的網(wǎng)絡(luò)社交平臺，開發(fā)者社區(qū)平臺的社交功能偏重于技術(shù)交流。因此，分析不同類型重要用戶的行為特征的影響力，可為平臺建設(shè)提供有價值的參考信息。由前文分析可知，平臺中資源的共享模式主要有兩種：一是高影響力用戶的原創(chuàng)資源的直接共享，這種模式在技術(shù)交流中扮演著核心傳播角色;二是中低影響力用戶的轉(zhuǎn)載資源的間接共享，這種模式在技術(shù)交流中扮演著輔助傳播角色。因此，對于其所代表的不同價值傳播鏈，可以采取不同的資源優(yōu)化策略。例如，平臺服務(wù)商可以針對不同的傳播鏈，構(gòu)建多樣化的激勵機(jī)制，設(shè)計(jì)互動性、趣味性的交流策略，比如針對不同人群設(shè)置知識競賽等活動，并結(jié)合評價指標(biāo)，對優(yōu)質(zhì)用戶給予一定獎勵。此外，用戶間的互助性獎勵，例如“打賞”“有償咨詢”等，也可以提高社區(qū)活躍度，促進(jìn)知識生產(chǎn)。總之，如果平臺服務(wù)商能夠掌握優(yōu)質(zhì)用戶的傳播特征，則可以提供個性化的知識服務(wù)，包括開展專題研討、專題競賽、專家交流等活動，更可以基于用戶興趣為其推薦專家列表與資源列表，輔以知識圖譜等方式呈現(xiàn)給用戶，從而提升用戶粘性與歸屬感。

3.3機(jī)構(gòu)資源利用視角

開發(fā)者社區(qū)中蘊(yùn)含著豐富的知識資源，同樣蘊(yùn)藏著專業(yè)性人才和智力資源，從教育機(jī)構(gòu)、科研機(jī)構(gòu)及企業(yè)的視角來看，這些資源都是可以加以組織和利用的。第一，從機(jī)構(gòu)對網(wǎng)絡(luò)資源的管理和利用的角度來看，根據(jù)屬性特征，對社區(qū)中的核心用戶進(jìn)行分類，將其創(chuàng)造的知識線性化、網(wǎng)格化、標(biāo)簽化，這些措施均可以促進(jìn)知識交流的規(guī)范性和完整性。第二，從機(jī)構(gòu)自身知識獲取角度來看，可以基于行為分析的手段，梳理知識傳播鏈條，針對不同知識鏈條獲取機(jī)構(gòu)自身所需要的技術(shù)性資源，這對構(gòu)建完善的機(jī)構(gòu)知識庫具有重要意義。第三，從機(jī)構(gòu)人才戰(zhàn)略角度來看，企業(yè)、高校等可更多關(guān)注具有高影響力的用戶，將其視為人才儲備，也可以在社區(qū)中提供項(xiàng)目需求，輔以一定的獎勵條件，吸引這些用戶參與機(jī)構(gòu)建設(shè)。從長遠(yuǎn)來看，開發(fā)者社區(qū)中的人才和知識資源是為機(jī)構(gòu)增加智力價值、實(shí)現(xiàn)其人才發(fā)展戰(zhàn)略的有利保障。

4結(jié)語

社交網(wǎng)絡(luò)中，核心用戶影響力形成的原因往往是多方面的，而其中一方面便是用戶本身特征值對于其他用戶的吸引力。本文以此為出發(fā)點(diǎn)，利用定量方法分析開發(fā)者社區(qū)中意見領(lǐng)袖的各類特征屬性對其他用戶的影響力，并從傳播學(xué)角度闡述這種吸引力的類型、特點(diǎn)和作用。在屬性分類及用戶聚類的基礎(chǔ)上，定量分析了CSDN的意見領(lǐng)袖的每種類型的特征屬性的影響程度?；诜治鼋Y(jié)果，結(jié)合社會網(wǎng)絡(luò)分析觀察意見領(lǐng)袖在網(wǎng)絡(luò)中呈現(xiàn)的特點(diǎn)，從用戶發(fā)展、平臺建設(shè)、機(jī)構(gòu)資源利用3個角度，闡述了在開發(fā)者社區(qū)中挖掘用戶行為的價值和意義。

本研究仍存在一定的局限性與不足，主要表現(xiàn)在以下兩點(diǎn)：第一，僅以CSDN數(shù)據(jù)為研究樣本，缺乏開發(fā)者社區(qū)的全樣本分析;第二，開發(fā)者社區(qū)區(qū)別于其他傳統(tǒng)網(wǎng)絡(luò)資源的一個重要特點(diǎn)是包含了豐富的用戶行為與關(guān)系，而本研究只分析了意見領(lǐng)袖的外部屬性特征，未結(jié)合文章內(nèi)容、評論信息等內(nèi)部特征，對社區(qū)中知識的動態(tài)演化規(guī)律進(jìn)行深入挖掘。后續(xù)研究可加入主題演化模型等文本挖掘技術(shù)，從內(nèi)容層面進(jìn)行影響力分析，從而得出更加豐富且深入的結(jié)論，為開發(fā)者社區(qū)構(gòu)建更全面、更系統(tǒng)的知識共享機(jī)制。

參考文獻(xiàn)

[1]李勝利，鐘瀅.中外技術(shù)問答社區(qū)的實(shí)證對比研究與啟示——以CSDN和Stack Overflow為例[J].情報學(xué)報，2020，39（9）：989-1000.

[2]甘春梅，王偉軍，田鵬.學(xué)術(shù)博客知識交流與共享心理誘因研究[J].中國圖書館學(xué)報，2012，38（3）：91-99.

[3]Cheng X，Zhang Z，Yang Y，et al.Open Collaboration Between Universities and Enterprises：A Case Study on GitHub[J].Internet Research，2020，30（4）：1251-1279.

[4]張寶生，張慶普.基于扎根理論的社會化問答社區(qū)用戶知識貢獻(xiàn)行為意向影響因素研究[J].情報學(xué)報，2018，37（10）：1034-1045.

[5]Venkatraman M P.Opinion Leaders，Adopters，and Communicative Adopters：A Role Analysis[J].Psychology and Marketing，1989，6（1）：51-68.

[6]查先進(jìn)，張晉朝，嚴(yán)亞蘭，等.網(wǎng)絡(luò)信息行為研究現(xiàn)狀及發(fā)展動態(tài)述評[J].中國圖書館學(xué)報，2014，40（4）：100-115.

[7]Chen S C，Yen D C，Hwang M I.Factors Influencing the Continuance Intention to the Usage of Web 2.0：An Empirical Study[J].Computers in Human Behavior，2012，28（3）：933-941.

[8]王楠，張士凱，趙雨柔，等.在線社區(qū)中領(lǐng)先用戶特征對知識共享水平的影響研究——社會資本的中介作用[J].管理評論，2019，31（2）：82-93.B6237AF0-8D99-4A16-BA51-8F0507032B41

[9]李長玲，徐璐，范晴晴，等.基于引文網(wǎng)絡(luò)的當(dāng)采跨學(xué)科知識交流中間人識別——以圖書情報領(lǐng)域?yàn)槔齕J/OL].情報理論與實(shí)踐：1-15[2021-10-13].http：//kns.cnki.net/kcms/detail/11.1762.g3.20210823.1729.004.html.

[10]范文潔，鄧衛(wèi)華.電商用戶及時性反饋行為特征及影響因素研究[J].農(nóng)業(yè)圖書情報，2019，31（11）：64-71.

[11]陳云偉.社會網(wǎng)絡(luò)分析方法在情報分析中的應(yīng)用研究[J].情報學(xué)報，2019，38（1）：21-28.

[12]前端小學(xué)生.除了GitHub，你還知道哪些免費(fèi)源代碼托管網(wǎng)站？[EB/OL].https：//zhuanlan.zhihu.com/p/43357962，2021-10-20.

[13]Barua A，Thomas S W，Hassan A E.What are Developers Talking About？An Analysis of Topics and Trends in Stack Overflow[J].Empirical Software Engineering，2014，19（3）：619-654.

[14]Ichimura T，Uemoto T.Analysis of the Social Community Based on the Network Growing Model in Open Source Software Community[C]//2015 IEEE 8th International Workshop on Computational Intelligence and Applications（IWCIA）.IEEE，2015：149-153.

[15]Yan D C，Wei Z W，Han X P，et al.Empirical Analysis on the Human Dynamics of Blogging Behavior on GitHub[J].Physica A：Statistical Mechanics and its Applications，2017，465：775-781.

[16]Yu Y，Yin G，Wang H，et al.Exploring the Patterns of Social Behavior in GitHub[C]//Proceedings of the 1st International Workshop on Crowd-based Software Development Methods and Technologies.ACM，2014：31-36.

[17]Qiu Z，Shen H.User Clustering in a Dynamic Social Network Topic Model for Short Text Streams[J].Information Sciences，2017，414：102-116.

[18]張濤，孫瑞英，李鐘雋.中國輿情文獻(xiàn)主題聚類及演化趨勢研究（1998—2019年）[J].農(nóng)業(yè)圖書情報學(xué)報，2020，32（2）：14-21.

[19]Nezhad M M，Moghaddam M H Y，Asadi M.Joint Peak Clipping and Load Scheduling Based on User Behavior Monitoring in an IoT Platform[J].IEEE Systems Journal，2020，15（1）：1202-1213.

[20]Ren J，Wang Z，Xu M，et al.An EM-based User Clustering Method in Non-orthogonal Multiple Access[J].IEEE Transactions on Communications，2019，67（12）：8422-8434.

[21]席運(yùn)江，杜蝶蝶，廖曉，等.基于超網(wǎng)絡(luò)的企業(yè)微博用戶聚類研究及特征分析[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2020，4（8）：107-118.

[22]Katz E.The Two-Step Flow of Communication：An Up-To-Date Report on an Hypothesis[J].Public Opinion Quarterly，1957，21（1）：61-78.

[23]郭博，許昊迪，雷水旺.知乎平臺用戶影響力分析與關(guān)鍵意見領(lǐng)袖挖掘[J].圖書情報工作，2018，62（20）：122-132.

[24]楊長春，王天允，葉施仁.微博意見領(lǐng)袖影響力評價指標(biāo)體系研究——基于媒介影響力視角[J].情報雜志，2014，33（8）：178-183，202.

[25]馬俊，周剛，許斌，等.基于個人屬性特征的微博用戶影響力分析[J].計(jì)算機(jī)應(yīng)用研究，2013，30（8）：2483-2487.

[26]盧恒，張向先，吳雅威，等.專業(yè)虛擬社區(qū)用戶知識貢獻(xiàn)行為的多重動因及其效應(yīng)研究[J/OL].圖書館建設(shè)：1-13[2021-10-26].http：//kns.cnki.net/kcms/detail/23.1331.g2.20210315.1207.013.html.

[27]劉洪偉，高鴻銘，陳麗，等.基于用戶瀏覽行為的興趣識別管理模型[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2018，2（2）：74-85.

[28]王惠文.偏最小二乘回歸方法及其應(yīng)用[M].北京：國防工業(yè)出版社，1999：200-233.

[29]Agrawal J，Kamakura W A.The Economic Worth of Celebrity Endorsers：An Event Study Analysis[J].Journal of Marketing，1995，59（3）：56-62.

[30]Keib K，Himelboim I，Han J Y.Important Tweets Matter：Predicting Retweets in the# BlackLivesMatter Talk on Twitter[J].Computers in Human Behavior，2018，85：106-115.

[31]Lü L，Zhang Y C，Yeung C H，et al.Leaders in Social Networks，the Delicious Case[J].PLOS ONE，2011，6（6）：e21202.

（責(zé)任編輯：陳媛）B6237AF0-8D99-4A16-BA51-8F0507032B41