社会网络分析网络传播论文

前言：想要写出一篇引人入胜的文章？我们特意为您整理了社会网络分析网络传播论文范文，希望能给你带来灵感和参考，敬请阅读。

1数据采集与分析方法设计

1．1数据来源及样本选取

本文的数据来源于新浪微博。因为新浪微博在热度、用户数量、活跃度等指标上居国内同类产品前列，且其对认证用户的分类明确，囊括了文中的研究对象，故基于该平台采集的数据进行研究具有现实性与代表性。考虑到按影响力和热议词筛选的榜单受到时间及偶然事件的影响较大，而按人气筛选的榜单则比较稳定，因此本文的数据从新浪微博风云榜板块中的人气榜单板块中提取。此外，为了分析政府、企业、微博名人、学校这四类主体内部的结构特征及互动关系，又将各主体划分为不同的行业或部门。本文首先选择粉丝数排行前5的行业或部门，再分别选取这些部门中粉丝数排在前20名的用户，对每个主体依次抽取100个样本数据。企业在人气榜单板块中按行业被分为21个模块，根据粉丝排名，本文抽取汽车交通、商场购物、金融服务、服装服饰和商场购物5个模块。而政府包含公安、外宣、司法、医疗卫生和交通部门，学校包含校友会、高校、中小学、出国留学和教育培训，微博名人则包含财经、商业、房产、科技和政府这5个模块。

1．2实证方法介绍

本文基于社会网络分析方法，通过统计各类主体中各用户之间的关注情况，得出用户间的二维关联矩阵，运用Ucinet软件刻画各主体的结构特征，并得出密度、内部派系及中心度等各类指标，进而探讨各个主体在信息传播、资源共享时如何发挥作用，内部如何运作，并发现关键节点人物。

2网络传播主体的网络结构分析

2．1网络传播主体的网络关系图谱

本文利用可视化手段得到的各类主体的网络关系图我们可以清晰的看到，政府子群联系比较紧密，且公安部门位于网络的核心，将各个部门连接起来。同时，基于政府的关联网络，最明显的关联分别有行业关联(平安中原、平安南粤、中国维和警察、安徽公安在线等)、区域关联(北京铁路、京港地铁、北京公交集团、北京地铁等)。这表明当前政府已经意识到了微博的重要作用，开始注重信息的公开化、透明化，使得网络信息更加明朗，传播效度更大。公安部门与人们的日常生活息息相关，其传播信息的日渐公正化、透明化决定了其在政府网络中的核心地位。根据资源依赖理论，如果一个企业同时与多个企业有直接的关联，那么该企业就占据了该行业或企业网络的资源中心位置。企业间的关系并没有像政府那样密集，但金融服务业的核心地位很明显，其几乎桥接起了整个网络，把不相关的行业间企业、不接壤的地区间企业连接起来。例如，中国银行信用卡(金融服务)将黛姿乐维品牌婚宴鞋(商场购物)和新浪汽车(汽车交通)连接起来。根据结构洞理论，占据中心位置的企业对资源流、信息流、知识流有着强大的控制权，说明金融服务板块在信息传递过程中起桥接作用［16］。同时用户对其所的信息有较高的信任度和热衷度，金融板块对信息的扩散也有重要的作用。根据同类相聚原则，同性质教育机构之间的联系相对比较紧密，例如，纽约大学与USNewsRankings、美国留学MBA、EducationUSA中国等相互关联。但总体来说，学校之间的关联比较松散，且独立个体比较多，说明教育机构之间交流较少，信息传递与转载的速度，名人子群主要以两个模块———财经和时尚为核心。说明这两种行业已经融入了微博名人的生活，表明随着人们生活水平的提高，人们的需求由追求物质上升到追求美，由单一娱乐偏好到相对复杂的理财偏好。同时，由于微博名人对信息具有一定程度的偏好，使得这两类信息相对其他信息的传播和扩散速度较快，能更快引发普通民众的关注，并在一定程度上引导舆论导向。由此可知，人们对

2．2政府、企业、微博名人、学校的网络结构特征

2．2．1网络密度(NetworkDensity)运用Uci-net软件分别对四个主体的网络密度进行测算得出，密度值由高到低分别为:政府、微博名人、学校和企业，相应密度值为:0．2112、0．0955、0．0252、0．0214。将密度值和画图软件NETDRAW所得出的4个主体的社会网络关系图进行比较，本文发现密度值和相应的社会网络图谱的图形特征是紧密一致的。当密度值大时，网络图形紧凑，密度值小时，网络图形松散。政府网络之间的交流最为密切，联系紧密。企业之间的关注最为松散，联系不强。

2．2．2派系分析本文采用Cliques分析法对各个行动者的网络进行凝聚子群分析，得出:

a．在派系规模最小值为11的情况下，政府网络中存在10个派系。政府网络相对比较集中，同时网络中子群重叠交叉的情况也会比较复杂，说明派系之间的共享成员比较多。我们发现每个派系都包含广州公安、平安北京、山西公安、平安南粤、河北公安网络发言、警民直通车－上海人，他们主要属于政府的公安部门，连接着外宣、司法、医疗卫生和交通部门，在网络中处于核心地位。同时，除了成都属于外宣部门外，各派系的成员全为公安部门，说明该部门间的联系十分紧密，而4个派系中都包含成都，说明成都与公安部门合作密切。

b．在派系规模最小值为3的情况下，企业网络存在3个派系，它们分别形成了3个完备子图，并且派系相互之间是独立的。每个派系中的成员都属于同一公司，它们之间的联系主要是母子公司关系，说明了企业与企业之间的联系并不是特别紧密，而企业内部沟通交流比较频繁。

c．在派系规模最小值为3的情况下，学校网络存在9个派系。网络中子群间是重叠交叉的关系，其中复旦大学为4个派系所共享;哈尔滨工程大学、哈尔滨工业大学招生办分别为3个派系所共享;武昌理工学院官方、华中科技大学分别为2个派系所共享。派系成员属于同所大学之间的联系或属于同行业之间的联系。构成派系的成员隶属高校、校友会和教育培训部门，说明了这三个部门之间的联系十分密切，而中小学与出国留学部门之间的联系比较松散。

d．在派系规模最小值为6的情况下，微博名人网络存在14个派系。派系之间是重叠交叉的关系，郎咸平、李开复、时尚潮人yinyin等为多个派系共享。派系主要由财经类和商业类的成员构成，财经类中，郎咸平为连接各个派系的核心人物;商业类中，时尚潮人yi-nyin、潮人丹娜、林_小志玲和时尚达达人人为连接各个派系的核心人物。这表明财经和商业类的内部联系比较紧密，而科技、房产和政府类的内部联系较少。同时，不同行业的微博名人之间的联系也比较少。

3．3政府、企业、微博名人、学校的网络结构对比

本文对点度中心性、点度中心势、中间中心性及整体中间中心势进行了测度与分析。中心度指标刻画了信息传递网络中的关键人物，分析中心度可找出处于核心位置的用户，即可辨别出哪些机构在信息传播过程中“权利”更大，能够在较大程度上影响信息传播。中心势指标刻画了信息传递网络的整体密度特征，通过分析中心势，我们可以描述整个网络的紧密程度或一致性。

2．3．1点度中心性分析针对政府而言，不同用户表现出不同的点入度和点出度。点入度表示关系“进入”的程度，在这里表示一个用户被其他用户“关注”的程度。点出度表示一个用户“关注”其他用户的程度［19］。政府网络中点入度比较高的用户为平安北京(56．000)、公安部打四黑除四害(52．000)、北京(53．000)，说明他们在整个网络中信息传播的过程中拥有较大的权力，其的消息为更多人所注意。针对企业而言，新浪汽车(13．000)、招商银行(12.000)、招商银行信用卡(8．000)为影响力最大的用户。与图2相匹配，说明金融企业在信息传递过程有较强的影响力，其的信息能够在网络中迅速传播。针对学校而言，复旦大学(23．000)、华中科技大学(17.000)、武汉大学、清华大学(16．000)点入度排名前三。说明高校成员对整个学校网络的影响最大，是学校网络信息的主要传播渠道。该几所学校均为211、985重点院校，在国内有较强的知名度，其名人效应会增强信息的关注程度与扩散程度。针对微博名人，潘石屹(44．000)、李开复(44．000)、雷军(33．000)等居于“被关注”关系的中心位置，是整个网络影响力最大的用户，他们消息为更多的人所接受，其对某些社会事件的评论会在一定程度上引导舆论导向。总之，用户影响排名由大到小依次为政府、微博名人、学校、企业，其内部用户对整个网络的影响力由高到低。因此，在抓核心人物时，我们应该关注政府与微博名人，这两类用户对引导舆论发展、传播正能量有较好的作用。

2．3．2点度中心势分析政府网络的标准化点入度中心势和点出度中心势分别为:35．802%和76.615%，说明了该网络的关注关系有很大的不对称性。企业网络的标准化点入度中心势和点出度中心势分别为:39．00和63．03%。不论是“关注”还是“被关注”的中心势都比较小，说明企业网络没有明显的集中趋势。学校网络的标准化点入度中心势和点出度中心势分别为:20．926%和13．784%。与企业相似，网络集中趋势比较低，关注关联关系比较少。微博名人网络的标准化点入度中心势和点出度中心势分别为:3.205%和3．297%。名人网络明显分散，联系不紧密，与其派系特征相匹配，派系过多且派系间的联系较少。总体而言，四个网络的中心势由大到小分别为:政府、学校、企业、微博名人，用户集中程度依次递减，整体联系逐步下降。

2．3．3中间中心性分析中间中心性刻画了用户间的依赖程度，高中间中心性用户在整个社会网络中的权利较大，能够在一定程度上控制信息的流动。政府网络中，平安辽宁、平安北京、豫法阳光的中间中心度比较高，说明其他各用户获取消息在很大程度上依赖于这些关键用户，他们在网络中权力较大，在很大程度上控制了信息的流动。同时，可以发现这些用户的点度中心性也都位于前列，说明该关键用户最有可能成连接政府网络中交流信息、沟通意见、协调行动的重要桥梁［20］。另有鼓楼微讯、上海的中间中心性指数为0，说明这些成员处于网络的边缘地带，对于信息的传递并不重要。在企业网络中，点出度中心度和中间中心度排名前8位的用户都包含新浪汽车，且新浪汽车的点入度也较高，说明该用户是整个网络的交流中心，处于网络的核心位置，能够很好地控制着其他用户间的交流及信息资源，在正能量的传播中起着重要作用。在学校网络中，中间中心度最高的8个节点分别是复旦大学、华南理工大学校友会、华中科技大学、复旦大学校友会、哈德斯菲尔德大学、中国人民大学校友会、北京王府学校。将中间中心度最高的节点与点度中心度最高的节点进行比较发现，中间中心度最高的8个节点中有5个出现在点出度最高的8个节点中。例如，复旦大学和武汉大学的点入度、点出度、中间中心度都较高，说明基于三种不同的中心度进行计算，武汉大学和复旦大学都是核心成员，表明它们既能影响他人的相互交往，又能与其他成员相互交流。在微博名人网络中，思想聚焦、IT观察猿、李开复的中间中心度是比较高的。但IT观察猿的点度中心度并不高，说明该用户与其他用户交流并不是很多，而其他各个用户利用其获取消息的依赖程度是比较高的。另有辣評娛樂圈、苏若琳的中间中心性指数为0，说明这些成员处于网络的边缘地带，对于信息的传递并不重要。

2．3．4整体中间中心势分析整体中间中心势越大，说明该网络中成员对其他网络成员之间的交往能施加的影响力越大［21］。企业、学校的整体网络中间中心势分别为8．32%、7．27%，指数偏低，说明这两类网络中缺少对其他节点有明显控制力的关键节点，缺乏较强的信息传递能力。因为如果整个网络中大部分的节点不需要别的节点作为桥接点，那么该网络有较强的信息传递能力。政府、微博名人网络的中间中心势分别为17．23%、12．22%，说明在政府、微博名人网络中，对其他节点具有较强控制力的节点分布比较集中，有较强的信息传递能力。4结论本文从关注微博用户网络的结构、密度、派系、中心性等出发，比较分析政府、企业、学校、微博名人这四类网络中内部用户的互动关系、个体用户的各项指标，为发现认识微博网络的形成和发展，及信息如何在网络中更有效的传播提供了帮助。经过分析之后得出:

a．政府网络的网络结构比较密集，信息是在一个具有强关系的小网络中传播，网络内部信息传递的效率较高。在政府网络内部，公安部门内部联系比较紧密，其桥接网络内部信息传播的作用凸显，处于政府网络的核心领导位置，是政府网络信息传递的关键人物，对信息的传递与扩散有较大的控制权力。然而政府网络的点度中心势很高，反映了政府群体过于集权，过分依赖少数群体，信息在网络的传播就容易被该群体垄断。因为点度中心势代表的是群体集权程度，如果一个群体的中心势很高，这个群体的互动实际上就很集权，几个关键人物就代表了整个社群的互动。此外，在派系分析中，政府网络的派系虽多，但各个派系都包含公安部门，再一次说明公安部门在政府网络信息传播过程中具有很强的影响力。这是因为随着社交媒体的兴起，人们开始关注社会各类法制事件，且公安部门的信息往往真实程度最高，故受到人们的青睐与信任。这说明政府网络要利用好社交媒体更好地传递信息，需提高各个部门的公信力度，提高其公开性与透明性，政府网络派系间应多交流，避免信息传递的单一性。

b．与政府网络的结构特征类似，微博名人网络的结构也比较密集，但却有别于政府网络呈现出来的包络性，网络内部有两个凸显且密集的子群。名人子群主要以财经与时尚为核心，体现了人们对信息有一定的偏向性。随着社会的发展和生活条件的改善，人们开始关注理财与精神需求。网络内部的关键人物主要是一些知名度较高的企业家或时评者，其名人效应使其在信息传递的过程中有较大的话语权。在微博名人网络内部，财经和商业类联系比较紧密，信息在二者内部传播较好，但部门间联系不紧密，导致信息在整个微博名人网络中的传播效率不足。网络派系过多，虽由一些关键人把派系间联系起来，但派系间呈现行业特征，其的信息内容较为独立，各派系间信息内容的交叉现象不明显，导致从整体来看，不同类别信息在微博名人网络中的流动有一定的障碍。此外，微博名人网络的中心势过低，这也意味着网络内部群体过于分散，使得互动分散而不集中，信息在子群内传递的效率较高，而在整体网络中传递的效率较低。这说明信息要在微博名人网络中更好地传播，需提高各类子群所信息的多样性，避免由于信息的独立性而造成信息传递中断。

c．相比前两类网络，企业网络的结构较为松散，信息在网络中的传播速度比较缓慢，且直接传播途径较少，内部成员主要通过搜索或者通过关注外部成员获取信息。企业网络内部的派系较少，且派系间的联系不明显，信息在整体网络中流动性较差。在企业网络内部，派系主要由母子公司成员构成。当母公司信息时，子公司作为公司集团微博中的一员，通过关注、借助企业品牌的源吸引力，形成了自身的用户关注网络，公司职员关注其微博，获取信息来源，同时也产生一些间接关注，从而形成一个大的子网络。由此发现信息在企业中的传播主要依靠企业微博及与此相关联的集团微博的吸引力。此外，我们发现金融部门在企业网络信息传递过程中扮演重要角色，其嫁接桥梁为其他企业提供间接联系。这说明信息在企业网络中的扩散能力较弱，需强化关键人物的中介作用，使信息在网络中更好地传递。

d．学校网络的结构也比较松散，但相对企业而言，派系间的联系较为紧密，使得其整体网络密度较高。派系较多，且交叉关系明显，信息在网络内部派系间的传递效率较高，可改善由于整体结构松散而引发的信息传递中断现象。派系较多，但构成派系的成员隶属高校、校友会和教育培训部门，说明了这三个部门之间的联系十分密切。中小学、出国留学和培训机构位于企业网络的边缘位置，而高校在网络中占据核心位置，这是由于高校信息的受众较广造成。高校的信息接收对象有很大一部分是大学生，学生群体利用微博接收信息的使用率较高，而中小学等的信息接收对象大多为家长，家长利用微博接收信息的使用率较低，这种社会现象影响了企业网络的整体结构。这说明应提高企业网络及企业网络信息传播对象利用微博传递接收信息的积极性，促使信息在网络内更好地传播。由此可见，信息在各类网络中的传播形式是不同的，本文基于社会网络分析方法对各类网络的结构特征做了一定程度的探索性研究。在接下来的研究中，我们会拓展研究样本，并追踪各网络主体所的微博内容，从而分析引发各类网络特征不一致的原因，进一步分析如何促使信息更好地传播，并对如何利用微博平台强加和改进网络内容建设提供政策建议。

作者：雷辉 聂珊珊 黄小宝 马伟 单位:湖南大学工商管理学院