跨层次的分析

随着互联网的发展，人类的社会结构也在经历着复杂而持续的变化。网络创造了人们以身体不在场为基础的全新交往模式，并导致由这种全新的交往模式所塑造的虚拟社群的崛起(黄少华，2002)[5]。在Web2.0时代，网络论坛用户的舆论参与热情空前高涨，由他们所形成的虚拟社区更具有规模和凝聚力，而他们的舆论力量也在很大程度上影响着现实世界的政治经济秩序。从近几年的实例来看，一些大规模突发事件的形成和走势也明显地受到了网络论坛舆论的影响。

研究网络论坛用户在虚拟社群中的参与行为及其后果，对明晰突发事件网络舆论的传播模式、提高突发事件应对的能力都具有重要的意义。本文将在案例和实证研究的基础上，对论坛中的特定突发事件讨论网进行分析，探讨论坛用户声望的影响因素，揭示在突发事件讨论网中什么样的用户在社群舆论圈中具有更高的影响力。

一、文献综述和研究假设

(一)网络论坛意见领袖的影响力与声望

对网络意见领袖的界定主要来自传播学中对意见领袖的大量研究。Katz&Lazarsfeld(1955)[6]发现观点经常从大众媒介流向意见领袖，然后再流向不太活跃的人群，即信息首先影响了群体中的意见领袖，然后再通过这些意见领袖将“翻译”过的信息传递给其他人。

在虚拟社区中，意见领袖的身份特征和影响力并没有消失。一方面，传统的中介层级在普通受众中“沉没”下去，而媒介内部的信息源元素(采集者、编辑者、把关人、特邀组织者)都由于同样的原因浮现出来，成为隐约与受众身份对等的“类受众”——这就从传播本质上使他们有可能变异为泛意义上的传播层级(杜骏飞，2004)[7]。较新的研究则将网络意见领袖定为那些怀着促成舆论的意愿，通过在不同的论坛中与他人进行讨论来扩散信息或意见的人(Weimann， 1994)[8]。意见领袖与其追随者之间的关系非常明确，意见领袖是由他们吸引追随者和创造回应的能力而催生的。

声望(prestige)是意见领袖影响力的一个重要构成维度。一般而言，声望是指来自个体或集体的，对杰出表现或品质的尊重、敬佩或认可(Goode，1978)[9]。但是在社会网络分析(social networks analysis，SNA)中，声望具有不同的内涵，它更多的是一个结构性的概念。

社会网络分析是对社会个体之间的互动关系及其关系结构进行有效分析的一种研究范式，用多个点来代表社会个体，用各点之间的连线代表个体之间的关系。在网络论坛中，信息主要由用户的发帖行为所产生，而用户之间的发帖与回帖关系的集合也可被映射为一种虚拟的社会网络。由于个体之间的关系具有双向和单向的区别，因此在一个有向图中，个体与外部联结的程度可以被分为出度中心度(out-degree centrality)和入度中心度(in-degree centrality)(Scott， 2000)。在网络论坛中，用户的出度可以由其“发帖”、“转载”、“引用”等内容生产行为的数量所构成，入度则可以由其他成员的“回帖”数量所构成。而声望指的就是个体在社会网络中获得的正向选择的程度，它由正向的入度中心度这个指标来反映。入度中心度代表个体所获得的外部连接的数量，成员的正向入度中心度越高，说明其受到的关注或追随越多，在群体中的声望越高。

(二)用户的社会网络特性与声望

在一个有向图中，出度中心度代表的是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也越高。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(Sparrowe等，2001)[10]，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。Huffaker(2010)[11]证明了活跃的在线社区成员能够获得更多的关注，即成员在群体中的联系人越多(出度中心度高)，也越容易获得他们的回复(入度中心度高)。我们认为，在网络论坛中，用户的对外联结不是其获得声望的充分条件，但却是一个必要条件。因此:

H1:用户的出度中心度与声望具有正向关系，出度中心度越高，其声望越高。

对成员在群体中的中心地位的描述也可以通过中间中心度(betweenness centrality)展开。如果个体处于许多网络路径上，就是居于一个重要位置，因其可以“通过控制或者曲解信息的传递而影响群体”(Freeman，1979)[12]，尤其是在弱联结的群体中，这一位置上的个体作为中间人(broker)就可以获得结构洞(structure hole)上的战略性竞争优势(Burt，1992)[13]。在网络群体中，中间人同样存在并在社群中具有更强的影响力(Ganley & Lampe，2009)[14]。在此，我们认为:

H2:用户的中间中心度与声望具有正向关系，中间中心度越高，其声望越高。

出度中心度表达了联结的重要性，中间中心度表达了结构的重要性，而互惠性(reciprocity)表达的则是交换的重要性。互惠性考察的是任意一对成员之间是否相互选择。Putnam(2000)[15]认为，互惠性是增强社会资本的一个重要因素。尽管Mc Clure等(2009)[16]认为在线社群中的用户之间很少具有“针锋相对”(tit fortat)的互惠性关系，但是Huffaker(2010)[17]的实证研究发现，互惠性高的成员越容易获得更多回复(入度中心度高)。在此，我们认为:

H3:用户的互惠性与声望具有正向关系，中间中心度越高，其声望也越高。

中心度代表个体在群体中接近中心的程度，而中心势则是一个整体层次的概念，说明该图是否具有较高的中心趋势(Freeman，1979)[18]。度数中心势与度数中心度相对应，通过计算点与点之间的连线数量来描绘图的结构，网络的度数中心势越大，说明图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。度数中心势大的图中成员间的互动性和互惠性通常较差，信息流动不充分。因此，我们认为:

H4:讨论网度数中心势与用户声望之间具有负向关系，中心势越低，成员声望越高。

网络密度是指图中实际存在的联结数量占所有可能联结的数量的比例，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(林聚任，2009)[19]。在一个密度较高的网络中，成员之间存在较高程度的互动，信息交换更为充分，关系更为紧密。而紧密的强联结则通常在危机出现时，为网络成员提供更多的情感、心理上的支持(Granovetter，1973)[20]。因此，我们认为:

H5:讨论网密度与用户声望之间具有正向关系，网络密度越高，成员声望越高。

(三)信息内容与声望

网络论坛中用户的声望除了与其社会网络特性相关，也受到其所创造的信息内容和使用的语言的影响。Huffaker(2010)[21]发现，在网络社区中，成员发布的内容越长，就越能获得群体中其他人的注意，从而得到更多的回复，因为较长的内容能够更好地满足社会交往的需要，使成员之间能够实现充分的对话和互动。因此，我们认为:

H6:用户发布的内容长度与其声望之间具有正向关系，信息长度越大，成员声望越高;

而在内容长度正向影响声望的假设中还隐含了另一个假设，即长内容中可能包含了更多有价值的信息。根据以往的研究，对信息的寻求是人们使用网络论坛的一种主要动机(Rafaeli，1996)[22]，尤其是在突发事件或危机环境下，受到环境变化的不确定性的影响，人们对信息的需求大大增加，而充当“信源”的用户能够提供更多高价值的新信息，也就越容易受到其他人的关注和回复。因此，我们认为:

H7:用户发布的内容新鲜度与其声望之间具有正向关系，发布新鲜信息的成员声望更高。

此外，用户发布内容的框架，即用户如何编辑信息内容也是影响他人对信息采纳程度的一个重要影响因素。框架就是选定一些被感知的现实的侧面，并在一个传播文本中凸显它们，其手段包括创立一个特定问题的定义、随意的解释、道德评价、推荐对待方式等(Entman，1993)[23]，而情感在很大程度上影响着我们的认知、记忆以及判断和决策，所以包含了情感框架的内容可能更加容易引起人们的注意和共鸣。因此，我们认为:

H8:用户发布的内容框架与其声望之间具有正向关系，使用情感框架的成员声望更高。

二、研究方法

(一)样本

2011年“3·11”日本大地震发生后，地震消息立即在互联网上传播，并在国内的各个论坛中引发了网民的广泛讨论。本研究以“日本大地震”为主要的突发事件背景，选取“天涯虚拟社区”、“强国论坛”和“饮水思源论坛”为主要的样本来源，通过随机抽样选取来自这三个论坛的共9个讨论串进行分析。在剔除了个别广告帖和空白帖之后，共计获得由425个ID所发布的936个有效帖(见表1)。

表1 各论坛讨论网中的参与者与帖子数量(单位:个)

(二)变量的测量

本研究涉及的自变量包括:

出度中心度:根据Freeman(1978)[24]的定义，通过计算某一用户直接回复的其他用户的数量获得该用户的出度中心度，考虑到不同规模网络之间的差异，将采用标准化后的出度中心度进行检验。

中间中心度:根据Freeman(1978)[25]的定义，假设点对X和Z之间存在n条捷径，则点Y的中间中心度为经过点Y并连接X和Z这两点的捷径数与这两点之间捷径总数之比。考虑到不同规模网络之间的差异，将对该变量进行标准化。

互惠性:通过测量某一用户所参与的互惠对(mutualdyad)的数量实现。一个互惠对是指两个用户之间存在相互回复的关系。互惠性也将被标准化以消除网络规模差异的影响。

网络度数中心势:首先找到图中最大中心度的值，计算该值与其他点中心度的差，获得多个差值，再计算这些差值的总和，并除以理论上各差值总和的最大可能值。

网络密度:在有向图中，网络中最多可能的连线为N(N-1)，假设实际的连线为L，则该网络密度为L/N(N-1)。

内容长度:通过测量某一用户发布的所有信息内容的长度(字符数)除以该用户发布的信息数量获得平均内容长度。

内容新鲜度:根据时间序列对所有用户发布内容进行编码，由编码员对发布内容是否含有此前时间序列的内容中所未含有的新信息进行判断。

情感框架:由编码员对所有用户发布内容进行编码，判断某一内容中是否采用了情感框架，如采用了较为强烈的表达情感的词汇:“愤怒”、“悲伤”、“兴奋”等。

本研究所涉及的因变量为用户的声望。根据定义，用户声望将由正向的入度中心度这个指标来反映。某一用户的正向入度中心度为对其进行正面回复(表达支持、赞同等正向态度)的其他用户的数量，对这一数值也将同样进行标准化处理。

(三)编码和信度检验

对本研究所涉及的所有社会网络变量(出度中心度、中间中心度、互惠性、网络密度等)，将根据用户的发帖 回复关系分别建构不同讨论串中用户双向的关系矩阵。通过UCINET软件对关系矩阵进行分析，测量上述的各社会网络变量。

对于本研究所涉及的其他变量(内容长度、内容新鲜度、情感框架、成员被回复内容的态度倾向)采用内容分析的方法，由编码员根据所有成员所发布的信息内容进行编码。本研究共由上海交通大学的两名在校生担任编码员。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，我们对其进行了编码前的测试。

在测试中，我们随机选择了2个讨论串要求两名编码员进行编码。编码结束后，我们对两名编码员的在各个类目上的编码员间信度(inter-coder reliability)进行了检验，发现两名编码员除了在“内容长度”上的编码达到完全一致(100%)外，在“内容新鲜度”、“情感框架”和“被回复内容的态度倾向”三个类目上的信度(Scott'spi)分别为0.89、0.75和0.82。在重新修订了编码手册后，我们对编码员进行了二次培训。同时在不一致性较高的项目“情感框架”上，引入了第三名经过同样培训的编码员，由其对二者间的不一致进行重新选择。

三、研究结果及其启示

(一)主要研究结果

1.描述性统计

本研究的描述性统计结果(各变量的均值、标准差以及两两相关系数)如表2所示。除了网络度数中心势(p=0.080)和情感框架(p=0.044)这两个维度外，用户声望与用户出度中心度、中间中心度、互惠性、网络密度、内容长度和内容新鲜度之间均存在显著的相关。

在各个自变量中，用户出度中心度与中间中心度、互惠性和网络密度之间，用户中间中心度与互惠性之间存在较强的相关性，出度中心度与网络度数中心势、内容新鲜度之间，中间中心度与网络中心势、网络密度、内容长度、内容新鲜度、情感框架之间，互惠性与网络中心势、网络密度、内容新鲜度之间，网络中心势与网络密度、内容新鲜度之间，网络密度与内容长度、内容新鲜度、情感框架之间，以及内容长度和内容新鲜度之间也存在一定的相关。不过，共显性诊断的结果显示，各个变量的容忍度均远大于0，而VIF均小于20(出度中心度tolerance=0.252，VIF=3.974;中间中心度tolerance=0.464，VIF=2.156;互惠性tolerance=0.424，VIF=2.359;网络中心势tolerance=0.947，VIF=1.056;网络密度tolerance=0.496，VIF=2.017;内容长度tolerance=0.867，VIF=1.153;内容新鲜度tolerance=0.858，VIF=1.165;情感框架tolerance=0.972， VIF=1.029)，排除了共线性的问题。

表2各变量的相关矩阵、均值和标准差

*p＜0 05 (双尾)，**p＜0 001 (双尾)整体网络个数=9个，用户=425人

2.层次线性模型分析

为了检验各个自变量与因变量用户声望之间的关系，我们采用了HLM6.0软件进行层次线性模型(hierarchical linear modeling)分析。HLM通常用以分析嵌套性的数据结构，说明组间和组内的差异(Gelman和Hill，2007)[26]，对于本研究来说，采用该分析软件可以同时考虑个体层次(出度中心度、中间中心度等)和整体网络层次(网络中心势、网络密度)自变量对因变量的共同影响。同时HLM在推测预测变量(predictor variables)和测量标准误(standar derrors)上也被认为更加有效(Gelman和Hill，2007)[27]。

我们首先考察了两层均不纳入自变量的零模型(null model)，结果如表3所示。整体层面的随机方差τ00=0.00091，个体层面的随机方差σ2=0.00655，根据两层的随机效应计算组内相关系数，ρ=τ00/σ2+τ00=12.20%，表明用户声望的变异有12.20%来自整体层面的差异，有87.80%来自用户个体层面的差异。整体层次的变量在相当程度上影响了用户的声望(ρ＞0.1)，说明有必要对整体层次的因素进行分析。

在模型中共同纳入用户个体层次和整体网络层次的各个自变量，结果如表3所示。在个体层次上，用户的中间中心度、互惠性和发布的信息内容的长度对于用户声望均有显著的正向关系，假设2、3、6均被支持，而内容新鲜度与情感框架与用户声望之间的影响关系并不显著，假设7、8未获得支持。值得注意的是，出度中心度并未如假设的那样正向影响用户声望，反而是与之存在显著的负向关系，假设1也未被支持。在整体网络层次上，网络密度被证明与用户声望之间存在显著的正向关系，假设5也获得了支持，而度数中心势与用户声望之间的负向影响关系则并不显著，假设4未获得支持。

(二)研究结果的启示

1.个体层次的影响因素

在个体层次上，用户的两个社会网络变量中间中心度与互惠性都被证明与用户声望之间存在正向的影响关系，用户的中间中心度越高，与网络中的其他用户结成的互惠对越多，都对其声望的提升有积极的作用。根据前文的讨论，中间中心度揭示了某一用户在网络成员连接路径中的重要性，中间中心度高的成员在群体中承担着“中间人”(broker)的作用，“中间人”能够比其他人拥有更高的声望。但是这一发现与Huffaker(2010)[28]的研究结论有所差异，他发现，在Google Groups中，成员的“中间人”角色(中间中心度)对于其影响力(包括入度中心度)不存在显著的预测作用，他认为这可能是由于网络中的信息都是透明公开的，因此中间人的中介作用被降低，同时中间人在组内的连接作用可能远没有在组间的连接作用来得重要。而在本研究中，我们以论坛环境中的突发事件讨论网为样本，在日本大地震这一突发事件的讨论中，三个论坛上都充斥着各种不同的观点和声音，因此中间人在其中不止发挥着信息传递的中介作用，更多地可能是作为一种仲裁者和调停者的身份而存在，是调和各方观点和声音的缓冲器，这也就可以解释为何其会比其他成员拥有更高的声望(正向的入度中心度)。

表3 用户声望的影响因素分析结果

*p＜0.05(双尾)，**p＜0.001(双尾)整体网络个数=9个，用户=425人

互惠性是另一个影响成员声望的重要的个体因素。根据前文中对互惠性的定义，在一个有向图中，拥有更多互惠对(mutual dyad)的成员在群体中拥有更多与之具有较强关系的“朋友”，这些强关系对于提升该成员的声望具有显著的支持作用，因为人与人之间的关系更紧密也越可能接受对方的观点(Granovetter，1978)[29]。这一发现也印证了Huffaker(2010)[30]等人的发现，在线社区的互动不仅仅是简单的信息交换，而且还鼓励了忠诚的支持关系，积极发展互惠关系的成员在社群中影响力更高，也更不容易被孤立。

出乎意料的是，分析的结果显示成员的出度中心度与声望之间却存在较显著的负向关系。这一现象或许可以解释为，因为本研究中，声望只考虑了正向的入度，这个概念提示的是成员的言论在群体中获得支持的程度，而成员的对外连接越多并不能自然而然地获得更多的支持。用户出度中心度与声望之间的关系可能还受到了该用户言论的影响，涉及突发事件的敏感言论难以获得支持，反而容易引发质疑和辩论。这一发现也暗示了，网络论坛是一个自由开放的舆论环境，价值观的多元化和话语权的分散化使得观点很难被统一，因此用户简单的对外连接数量并不能解释其观点所能获得的支持，还必须要考虑其他更多的因素才能进行预测。

对于信息内容变量的分析发现，用户发布的内容的长度对声望有显著的正向作用，而内容是否新鲜、内容是否采用了情感框架则与其声望无关。我们认为，内容长度允许了讨论的充分性和深入性，更容易获得理解和支持，而过于简短的表达则容易使对话中，因此无法获得支持。而用户发布的内容中是否包含新的信息并不能显著影响声望，可能是由于人们对于网络虚拟环境中的信息具有较强的防备心理，网络虚拟环境是一个复杂的信息环境，很多人认为网络信息的可信度较低，因此新的信息在被证实之前难以获得其他人的信任和支持。而用户发布的内容是否使用了情感框架也与用户声望无关，说明强烈的情感表达并不能获得更多人的支持。这一现象在一定程度上说明了在网络论坛中，情绪表达并不能淹没理性思考，情感框架可能吸引更多的关注，但是能否引起情感共鸣还受到其他因素的干扰。

2.整体层次上的影响因素

在本研究中，我们发现，整体网络的度数中心势与用户声望之间存在负向的关系，但是这一关系并不显著(p=0.350)。而整体网络的密度对于用户声望却具有显著的正面影响，即在密度越大的讨论网中，用户声望越高。根据前文中对网络密度的定义，密度高的网络中连接路径更为密集，因此信息的流动性更强，而从关系的层面来看，密度高的网络中用户间的连接更为紧密，社群的凝聚性较强，而紧密的连接关系和社群凝聚力都是产生用户间支持的重要条件，因此在密度高的网络中，用户也更容易获得高声望。

四、研究结论和展望

本研究探讨了在突发事件的背景下，由虚拟社区用户所构成的讨论网中哪些因素对于用户的声望(正向的入度中心度)具有显著的影响，我们发现，在用户个体层次上，用户的中间中心度(“中间人”角色)、互惠性和发布内容的长度对于声望具有显著的正向影响，用户的出度中心度(对外连接程度)则与声望存在显著的负向关系，而内容新鲜度(是否含有新的信息)以及内容是否采用了情感框架则与用户声望的变异无关;在讨论网的整体层次上，网络密度对于用户声望有显著的正向影响，网络度数中心势与用户声望之间的关系并不显著。

本研究也存在一些局限，首先本研究以日本大地震这一事件作为案例，研究结果是否在一定程度上受到所选择的案例本身的特性的影响为未可知，因此后续可以探讨更多案例本身的特性，将其作为控制变量以减少干扰，以便获得更为精确的研究结果，或者采用多案例的方式，以便尽可能地消除单一案例的不良影响;其次，本研究仅讨论了自变量与因变量之间的主效应，而对各变量之间进一步的复杂关系未作深究，未来还可以从各层次因素间的中介、调节等作用进行研究，以便揭示更为完整的关系图景。

作者:薛 可、陈 晞

原载《新闻大学》，2012年第4期

[1] 熊澄宇.整合传媒:新媒体进行时[J].国际新闻界，2006，(07):7-11.

[2] 于潇.社交媒体时代品牌传播策略分析[J].新闻界，2011，(04):122.

[3] 张琳.新媒体环境下的品牌传播研究[D].重庆:重庆工商大学，2010.

[4] 奥斯汀.还有人看广告吗？ [M].北京:高等教育出版社，2005.

[5] 黄少华.论网络空间的人际交往[J].社会科学研究，2002(04):93-97.

[6] Katz E，Lazarsfeld PF，Roper E.Personal influence:the part played by people in the flow of mass communications[J].Canadian Journal of Economics & Political Science，1955，80(13):1583-1583.

[7] 杜骏飞.弥散的传播[M].北京:中国社会科学出版社，2004.

[8] Weimann，G.The influentials:People who influence people.Albany，NY:State University of New York Press.

[9] Goode W J.The celebration of heroes:prestige as a social control system[M].University of California Press，19-78.

[10] Sparrowe R T，Liden R C，Wayne S J，& Kraimer M L.Social networks and the performance of individuals and groups[J].Academy of Management Journal，44，316-325.

[11] Huffaker D.Dimensions of Leadership and Social Influence in Online Communities[J].Human Communication Research，2010，36(4):593-617.

[12] Freeman LC.Centrality in social networks conceptual clarification[J].Social Networks，1978， 1(3):215-239.

[13] Burt RS.Structural Holes:The Social Structure of Competition[J].Economic Journal，1994.

[14] Ganley D，Lampe C.The ties that bind:Social network principles in online communities[J]. Decision Support Systems，2009，47(3):266-274.

[15] Putnam，RD.Bowling alone:The collapse and revival of American community.New York:Simon & Schuster，2000.

[16] Wasko ML，Teigland R，Faraj S.The provision of online public goods:Examining social structure in anelectronic network of practice[J].Decision Support Systems，2009，47(3):254-265.

[17] Huffaker D.Dimensions of Leadership and Social Influence in Online Communities[J].Human Communication Research，2010，36(4):593-617.

[18] Freeman L C.Centrality in social networks conceptual clarification[J].Social Networks，1978， 1(3):215-239.

[19] 林聚任.社会网络分析[M].北京:北京师范大学出版社，2009.

[20] Granovetter M.Threshold models of collective behavior[J].American Journal of Sociology，1978， 83(6):1420-1443.

[21] Huffaker D.Dimensions of Leadership and Social Influence in Online Communities[J].Human Communication Research，2010，36(4):593-617.

[22] Rafaeli N.Why communieation researehers should study the Intemet:Adialogue[J].Joumal of Communieation，46:4-13.

[23] Entman R M.Framing:Toward Clarification of a Fractured Paradigm[J].Journal of Communication，1993，43(4):51-58.

[24] Freeman L C.Centrality in social networks conceptual clarification[J].Social Networks，1978， 1(3):215-239.

[25] Freeman L C.Centrality in social networks conceptual clarification[J].Social Networks，1978， 1(3):215-239.

[26] Hill JL.Data Analysis using Regression and Multilevel/Hierarchical Models[J].General Information，2007，30(1):9497.

[27] Gelman，A.，&Hill，J.Data analysis using regression and multilevel/hierarchical models. Cambridge:Cambridge University Press，2007.

[28] Huffaker D.Dimensions of Leadership and Social Influencein Online Communities[J].Human Communication Research，2010，36(4):593617.

[29] Granovetter，M.S.The strength of weakties[J].American Journal of Sociology，1973(78)，1360-1380.

[30] Huffaker D.Dimensions of Leadership and Social Influence in Online Communities[J].Human Communication Research，2010，36(4):593-617.