□薛可 陈晞
　　【本文提要】本文运用社会网络分析方法，对国内三个不同类型的网络论坛中的30个突发事件讨论网及959个用户ID进行了案例研究，探讨了网络论坛中，突发事件信息传播过程中一些主要的结构性要素，包括讨论网成员的出度中心度、正向入度中心度（声望）、结构洞和中间人、整体网络的中心势以及网络密度。
　　【关键词】社会网络分析 突发事件 网络论坛 舆论传播　
　　【中图分类号】 G206
　　网络论坛（亦称电子布告栏或简称BBS），是一种公开的网络交流系统。根据中国互联网信息中心（CNNIC）的调查，至2012年6月中国的论坛网民规模就已达到了1.5亿人，使用率达到29.0%①。随着web2.0和移动互联网的发展，网络论坛的使用形式更为丰富，用户的参与热情高涨，由他们所形成的虚拟群体具备了虚拟网络社区的性质，更具规模和凝聚力。
　　从近几年一些较大规模突发事件的网络舆论传播实例来看，事件的形成和走势明显地受到了网络论坛舆论的影响。如2011年日本发生地震和核泄漏事故后，各种谣言充斥于我国的各大网络论坛，关于“使用碘盐可以防核辐射”的谣言引发了国内民众的普遍恐慌情绪，并由此造成一股波及全国多个省市的“抢盐”风波，对国家经济秩序和民众社会生活造成了严重干扰。因此，研究突发事件相关舆论在网络论坛环境中的生成和扩散规律，明晰其传播要素，对于提高突发事件应对能力、降低突发事件的负面影响、预防次生危机事件具有重要的意义。
　　本文将在案例研究的基础上，对网络论坛中的讨论网进行社会网络分析，探讨突发事件舆论传播的结构性要素，并为推进网络舆情分析工作提供相应的启示。
　　　　
一、社会网络分析与网络舆论传播
　　社会网络分析（social network analysis, SNA）是由社会学家根据数学方法﹑图论等发展起来的分析方法。它提供了一种“交互”和“嵌入”的视角，倡导的不是单向的因果分析，而是一种双向的交互作用。在社会网络研究出现以前，对人类社会的主流研究取向是采取抽样调查和民族志的方法，研究者们关注的是属性型数据（attribute data），而没有注意到关系型数据（relational data）的存在。他们忽视了社会成员实际上是相互关联的，并且是嵌入在一个社会整体中的，而非相互独立的事实。而社会网络分析正是对社会成员的互动关系及其关系结构进行有效分析的一种研究范式，在这一点上超越或者说弥补了以往的社会研究分析方法的不足。
　　简单来说，社会网络指的就是社会行动者（social actor）及他们之间的关系的集合。②社会网络用多个点来代表社会行动者，用各点之间的连线代表行动者之间的关系。社会行动者可以是个人，也可以是任何一个社会单位或社会实体。而关系有多种表现，在本研究中所关注的网络论坛用户之间的发帖与回帖的交流关系，也可以被视为一种社会关系的类型。
　　社会网络研究的内容十分丰富。但如果从“结构”和“权力”两个概念出发来理解，或许也可以说，社会网络研究主要着眼于两个方面：一是特殊结构位置上的特殊权力，即结构产生权力；二是特定权力在特定群体中所呈现的结构。“权力”是社会学研究的一个基本概念，它指的是达到某种特定目的的能力或潜力。从社会网络的观点来说，一个独立的、与其他人没有交流的个体是不具备“权力”的，个体的“权力”是由它与其他个体之间的关系以及关系的结构所赋予的。当把行动者的集合看成是一个整体，那么这个整体本身就会表现出一定的结构，这些结构或多或少会对其中的行动者的行为产生影响，这就是“社会结构”影响“能动作用”。③在社会网络分析中，已经有一些非常成熟的量化方法和指标来探讨群体中具有较大权力的特殊个体，如中心度分析、位置与角色分析等。同时也有一些较为成熟的概念来探索权力的结构性态势，如中心势分析、密度分析、凝聚子群分析等。
　　在本文中，我们的主要研究对象是网络论坛中的舆论传播要素，我们认为，在以语言作为主要交流方式的网络人际互动关系中，“话语权”这一概念基本涵盖了网络权力的主要内涵。话语权是一种控制舆论的权力，对社会走向具有重要的影响。分析网络论坛讨论网中的权力结构和特殊权力位置，实际上就是分析论坛话语权的分布态势，探讨什么样的用户比其他人具有更大的话语优势。
　　　　
二、突发事件讨论网中的结构性要素
　　（一）案例背景
　　1.样本
　　2011年3月11日，日本当地时间14时46分，日本东北部海域发生里氏9.0级地震并引发海啸，造成重大人员伤亡和财产损失。日本地震发生后几乎在同一时间，地震消息开始在互联网上传播，并在国内的网络论坛中引发了网民的广泛讨论。
　　本研究以“3·11”东日本大地震为特定的突发事件背景，选取“天涯虚拟社区”、“强国论坛”和“饮水思源论坛”为样本来源（以下简称天涯、强国、水源），通过随机抽样选取分别来自这三个论坛的共30个以该事件为主题的讨论串进行分析。在这三个论坛中，“天涯”是一个开放性的商业网站，也是国内最大的综合性网络社区论坛之一；“强国”是一个专门性的时政论坛，隶属于人民网，具有半官方的性质；而“水源”则是上海交通大学的校园BBS，主要用户为高校学生和教师。
　　为了更合理地进行比较，我们原计划从每个论坛中各随机抽取10个讨论串，但经过搜索后发现，“水源”BBS中包含3名用户以上的讨论串仅有5个，因此最终从“水源”中取得全部5个讨论串，从“天涯”和“强国”中分别抽取了12个和13个讨论串进行分析。在剔除了个别发布内容被删除的用户后，这些讨论串共由959个有实际发布内容的用户ID所组成。
　　我们将这些讨论串视为一个整体网络，用户间的“发帖-回帖”关系被视为联结关系，讨论的参与者被视为网络节点。在一个讨论网中，某一参与者向外联结的人数被视为其“出度”（out-degree），联结某一参与者的人数被视为该参与者的“入度”（in-degree）。
　　2.编码
　　本研究根据用户之间的“发帖-回帖”关系分别建构了30个关系矩阵，并由编码员根据用户回复内容中的态度倾向对关系进行赋值，其中，负向（表示反对、质疑、抗议等态度）赋值为1，中性（表示中立态度或无明显的态度倾向）赋值为2，正向（表示赞同、支持、认可等态度）赋值为3。通过UCINET软件对30个关系矩阵进行分析，得到相关结果和可视化图形（见图1 ，见本期第54页））。
　　本研究由上海交通大学的两名研究生担任编码员。两名编码员在正式编码前，均按照统一的编码手册接受了编码培训。在培训结束后，我们对其进行了正式编码前的测试，发现编码员间的信度均超过.70，能够达到一般研究的基本标准。
　　（二）分析结果
　　1.度数中心度
　　节点中心度显示了个体在网络中所占据的战略位置，中心度越高的点在网络中具有越重要的地位。对中心度的计算有一种运用较为广泛的指标，即度数中心度（degree centrality），它考查的是与某一点相连的边数。在一个有向图中，度数中心度可以进一步被分为出度中心度和入度中心度。
　　在本研究中，由于还考虑了帖子回复者的态度倾向，我们采用度数中心度的指标，考察了各网络中各用户的出度中心度和正向入度中心度。其中出度中心度代表用户对外联结的程度，而正向入度中心度则代表了用户得到支持的程度，也被称为用户的“声望”（prestige）。而为了在不同规模的网络之间进行比较，则采用了标准化后的出度中心度和正向入度中心度，即将用户的实际度数除以该用户理论上的最大度数。其部分结果如表1（见本期55页）所示。
　　在一个有向图中，出度中心度代表的是网络成员向外部寻求联系的程度，成员的出度中心度越高，说明其在群体中的活跃度和外向性也越高。Sparrowe等人认为，出度中心度为人们提供了更多通向获得各类促进成功的资源的捷径，因为信息渠道的多元化可以使人们获得更为全面的观点，并且减少人们对某一单一信源的依赖，这使得他们能够更好地发挥信息的效用④。在表1（见本期第55页）中，出度中心度较高的用户大多来自饮水思源论坛和强国论坛，而天涯论坛用户的出度中心度相对较低。
　　入度中心度代表个体所获得的外部联结的程度，而成员的正向入度中心度越高，说明其受到的支持或追随越多，在群体中的声望越高。而声望则是构成群体中的意见领袖的影响力的一个重要方面。群体中的其他成员通常把“音量”高的成员认作意见领袖，并由此而追随他们，⑤而意见领袖则能够激励其他成员的持续参与，并培养一种群体内的社会认同感。⑥在表1中，排名前20的成员大多数是一个讨论串中主贴（即首个帖子）的发布者，这在一定程度上说明，主贴发布者比一般的回帖成员具有更高的“音量”。
　　2.结构洞和中间人
　　中间人（broker）是网络中占据特殊结构位置的一群人。与中间人相关的一个概念是结构洞（structural holes）。结构洞是两个行动者之间的非冗余的联系。⑦在图2（见本期第55页）中，A与B、C、D中的任意两者之间的关系结构就是一个结构洞。因为，A与B、C、D之间都有联系，但是B、C、D各自之间却没有直接的关系，相当于造成了信息空洞。A就是占据结构洞的中间人，结构洞的存在为其获取信息和控制利益提供了机会，从而使他比其他位置上的成员更具有优势。
　　目前存在两类比较主流的结构洞测量指标：一是Burt提出的结构洞指数；二是Freeman的中间中心度指数（betweenness centrality）。⑧在本研究中，我们采取了中间中心度这一指标进行了分析，标准化后的中间中心度结果如表2（见本期第56页）所示。
　　在959个用户ID中，仅有136个ID的中间中心度大于0，即仅这136个ID在各个程度上占据了结构洞优势，成为其他成员之间联结的中介。但是从前文声望分析的结果来看，高中间中心度成员与高声望成员之间的重合度不高，而与高出度中心度成员则有较多的重合。这说明在开放的网络论坛中，信息一经发布便向所有人公开，因此传统意义上的中间人的信息垄断优势被弱化。中间人是群体中的活跃者，但其结构优势更多地体现在了承担起信息扩散、联络其他成员的作用上。
　　3.网络中心势
　　中心度（centrality）代表的是个体在群体中接近中心的程度，而网络中心势（network centralization）则是一个整体层次的概念，说明该网络是否具有较高的中心趋势。度数中心势通过计算点与点之间的连线数量来刻画网络的结构，网络的度数中心势越大，说明网络中点的度数中心度差异越大，越存在一个向核心聚拢的趋势。
　　度数中心势指数的计算方式是，首先找到网络中最大中心度点的值与其他点值的差，再将差值的总和除以理论上各差值的总和的最大可能值。在本研究中的讨论串皆为有向图，我们关注了出度中心势和正向入度中心势两个指标，结果如表3（见本期第56页）所示。
　　从表3可以看出，30个讨论串的出度中心势都较低，说明就外向联结（发帖）而言，各讨论网中权力的集中程度不高，说明了论坛是一个开放的舆论环境，人人均能发声。
　　而在正向入度中心势力方面，30个讨论串的中心势都较高，其中有4个讨论串的中心势都达到了最大程度，即100%，说明网络中所有的正向入度都贡献给了唯一用户。这一现象表明了虽然在网络论坛这个开放的舆论环境中，表面上人人都具有话语权，但是由于一些因素的影响，不同用户的“音量”却存在显著的差异，权力和资源实际上以一种非常不均衡的状态分布，左右舆论的影响力掌握在极少数人，即那些拥有高声望值的“意见领袖”的手中。
　　4.网络密度
　　网络中心势考察的是网络中是否存在核心点，而网络密度则是指网络中的点对之间关系的密集程度。网络密度由图中实际存在的联结数量占所有可能联结的数量的比例来表示，它反映的是社会网络关系的密切程度，密度越大，表明网络成员之间的关系越密切。⑨
　　在本研究中，我们通过无向化处理，考虑了点对之间的互惠性（reciprocity），即仅保留两个互相联结的点对之间的连线。此时，一个网络的度数中心势越高，说明成员间的互惠性（reciprocity）越差，成员两两之间的互动程度越低，这也暗示了成员之间信息和情感的交流并不充分，而紧密的联结则通常在危机出现时，能为网络成员提供更多的情感、心理上的支持。⑩
　　网络密度分析的结果如表4（见本期第57页）所示。我们发现，网络密度最大的前10个讨论网都来自饮水思源和强国论坛，而且其特点都是网络规模较小（n≤10），而网络密度最小的4个讨论网也是成员数量最多的前4名。这一发现揭示了，网络密度与网络规模之间可能存在反向关系，即规模越小的网络，成员之间的互惠性可能越好，信息和情感能够在网络成员之间充分地交换和流动。
　　　　　　
三、总结与启示
　　本文采用社会网络分析方法，通过日本地震事件讨论网的案例，探讨了网络论坛中的突发事件信息传播过程中的一些结构性要素，包括讨论网成员的出度中心度、正向入度中心度（声望）、结构洞和中间人、整体网络的出度中心势和正向入度中心势，以及网络密度。最后，我们认为：
　　首先，尽管网络论坛是一个开放自由的舆论场所，人人都拥有“说话”的权利，但是少数用户拥有更高的“音量”，使得话语权呈现出一种不平衡的结构态势。尤其是主贴的发布者们，通常能获得更高的声望，所以这些用户更容易成为群体中的意见领袖，左右舆论的走向。这一发现提示了在突发事件舆情管理中应该关注主贴的发布者，关注其中潜在的意见领袖，并适当发挥版主等管理人员的守门人作用，尽早发现不良的网络舆论。
　　其次，结构洞与中间人分析的结果发现，中间人的出度中心度高，而声望则并不一定高于其他成员。这可能是由于网络论坛环境中信息的公开程度高，传统的中间人的信息垄断优势被弱化，其作用更多地转化为群体中的信息扩散者和成员之间的联络人。但是中间人仍然是群体结构中的核心成员，因此在舆情管理中也应该关注这一类用户。
　　再次，网络密度与网络规模之间可能存在反相关关系。较小的群体中成员之间的互动更加充分，更容易培养群体的社会认同感。而在大群体的网络内往往众声喧哗，成员的身份背景更复杂，异质性程度高，成员之间互动有限，难以形成较高的社会认同感。在舆情管理过程中，对大群体网络的分析难度也相应较高，容易受到“噪声”的影响，需要分析者进一步结合语义分析、文本分析等手段加以厘清。
　　最后，三个论坛的讨论网之间也表现出一些明显的差异。天涯讨论网的网络规模通常较大，网络密度小，但成员更容易获得高声望，其中一些成员的舆论观点甚至在现实世界中也常引发外界的关注和讨论；饮水思源和强国论坛讨论网的规模较小，网络密度大，成员在群体内相对更活跃（出度高），具有更高群体的认同感。因此，舆情分析需要首先关注一些大型的综合性网络论坛，将此作为网络舆情的风向标，首先处理好这些论坛中的舆情管理工作，以防止次生性危机事件的发生。■
　　（作者薛可系上海交通大学媒体与设计学院教授、博导，陈晞系上海交通大学媒体与设计学院博士生。本文系教育部“新世纪人才项目”（NCET-11-0337），上海市教委科研创新重点课题（11ZS25），上海交通大学文科科研创新计划项目（10TS05）的部分成果，受“上海市科技发展基金软科学研究博士生论文”资助）
　　
注释：
①CNNIC：《第30次中国互联网络发展状况统计报告》
②③刘军：《整体网分析讲义》第1页、第97~98页，格致出版社2009年版
④Sparrowe, R. T., Liden, R. C., Wayne, S. J., & Kraimer, M.L. (2001).Social networks and the performance of individuals and groups. Academy of Management Journal, 44, 316-325.
⑤Misiolek, N. L., & Heckman, R. (2005, January). Patterns of emergent leadership in virtual teams. Paper presented at the 38th Annual Hawaii International Conference on System Sciences(HICSS-38), Waikoloa, HI.
⑥Koh, J., Kim, Y. -G., Butler, B., & Bock, G. -W. (2007). Encouraging participation in virtual communities. Communications of the ACM, 50(2), 68–73.
⑦Burt, R. S. (1992). Structural holes: The social structure of competition. Cambridge: Harvard University Press.
⑧Freeman, L. C. (1979). Centrality in Social Networks: Conceptual Clarification. Social Networks, 1(3), 215-239.
⑨林聚任：《社会网络分析：理论、方法与应用》第93页，北京师范大学出版社2009年版
⑩Granovetter, M. S. (1973). The strength of weak ties. American Journal of Sociology, 78, 1360-1380.