论文发表、论文指导
周一至周五
9：00&22：00
社会网络分析在合著网络中的实证研究
2012年第10期目录
&&&&&&本期共收录文章20篇
　　〔摘 要〕基于社会网络分析法的分析视角：中心性、子群分析以及位置与角色分析，应用社会网络分析软件Ucinet，从中心性、子群、结构洞3个角度研究了年《中国图书馆学报》合著网络的特点。通过实证研究识别了学者在学科领域中的地位；发现了合著网络中联系紧密的学术团体；进一步分析了整体网络中的结构洞以及各个著者对结构洞的运用能力。中国论文网 /4/view-3696836.htm　　〔关键词〕合著网络；中心性；子群；结构洞　　〔中图分类号〕G250.252 〔文献标识码〕A 〔文章编号〕（3-06　　随着科学和科学劳动的社会化以及学科专业化程度提高，不同学科之间、领域、学者之间的合作日益广泛化、密切化，科研合作日趋频繁。反映在科学论文中，则是学者之间的合著现象越来越多，规模越来越大。所以研究合著现象对于了解学科领域概况是必要的。　　国外关于合著现象的研究大部分以构建跨学科、跨领域的合著网络为基础，进行网络特征及对比分析。Yoshikane，F.从合作模式的增长和改变两个角度对比分析了电气工程、信息处理、高分子及生物化学4个领域的合著网络变化[1]；Sun，Y.从学术出版物的合著角度研究了日本工业和高校之间合作的状态和趋势[2]；Newman，M.E.J.基于生物学，物理学，数学的数据，各自构建了网络，通过研究网络来解释合作模式，例如合作的规模、著者之间的距离、合作模式随时间的变化等[3]。国内研究以期刊为对象，选取某一学科领域为研究范围（科学学、图书情报、管理信息系统等），采用文献计量学的方法，主要关注合著网络的结构特征，陈悦、刘泽渊等通过合著率变化趋势、合著者年龄结构和合著地域分布等分析了中国管理科学的合著现象[4]；温芳芳、李佳靓等选取情报学的五种核心期刊从合著率、合作度、合作范围以及不同作者数的论文分布情况等几个角度对合著网络进行了分析[5]。经过文献分析，我们发现国内外的研究差距不大，只是研究角度略微不同，国外的研究具有更广阔的视野，而国内比较微观。虽然关于合著现象研究角度各异，但目的不尽相同，都是探索学科发展趋势，为知识共享提供便利。究其本质合著就是研究者为了生产新的科学知识这一共同目的而一起工作，所以要研究合著现象，就是研究作者之间的关系。而社会网络分析方法（Social Network Analysis，简称SNA）正是对社会网络中行为者之间的关系以及关系的结构进行量化研究，以研究关系见长的一种方法。本文拟采用社会网络分析法分析《中国图书馆学报》著者的合著现象。　　1 数据来源与方法介绍　　1.1 数据来源　　本文选择南京大学中国社会科学研究评价中心的数据库中文社会科学引文索引（CSSCI）。该数据库收录的文献时间范围为年，所以仅选用年的数据。年《中国图书馆学报》共刊载论文1 984篇，合著文献752篇。图1是年《中国图书馆学报》刊载论文数量及合著率的变化趋势。可以看出，虽然文献量的变化呈现倒“U”型，但从总体看合著率呈现上升趋势。　　1.2 研究方法概述　　社会网络研究发端于上世纪二三十年代英国人类学的研究，其基本事实是每个行动者都与其它行动者有或多或少的联系，社会网络分析就是要建立这些关系的模型，力图描述群体关系的结构，研究这种结构对群体功能或者群体内部个体的影响[6]。美国社会心理学家Moreno创立的社会测量法为社会网络分析奠定计量分析基础。发展至今，社会网络分析已经被广泛的用于社会关系挖掘、支配类型发现（关键因素）以及信息流跟踪，通过社会网络信息来判断和解释信息行为和信息态度。而且作为一种跨学科的研究方法，在多学科的共同努力之下，使得社会网络分析从一种隐喻成为一种现实的研究范式[7]。　　所谓“社会网络”指的是社会行动者及其间的关系的集合[8]。而社会网络分析（Social Network Analysis，简称SNA）就是要对社会网络中行为者之间的关系进行量化研究，是社会网络理论中的一个具体工具[9]。社会网络有两种表示方法：图论法和矩阵法。图论法是利用图论的概念，在网络图中，节点表示社会行动者，而节点之间的连线表示社会行动者之间的关系。矩阵法是在矩阵中，行和列表示社会行动者，而矩阵元素值表示社会行动者之间的关系。　　本文在构建合著网络时，用1、2等数字表示两位作者之间的合著次数，用0表示两位作者之间不存在合著关系。在1 984篇论文中，删除1 232篇独立完成的文献，是孤立的点，因此在构建合著网络时排除这1 232篇文献的著者，仅对752篇文献的著者构建合著网络。　　1.2.1 社会网络分析法的分析角度　　社会网络分析方法已经比较成熟，可以从多个不同的角度构建社会网络进行分析，包括中心性及中心势分析，成分、核、派系分析，网络中的位置及角色分析等。　　（1）中心度和中心势　　中心度（Centrality）是社会网络分析的重点之一，一些社会学家对中心度的形式特征以及测量进行了研究，出现了大量的中心度的概念，因此造成了一定的混乱，而“点度中心度”能够把大多数这种研究结合起来。所以在本文中心度指的是点度中心度（Point Centrality），测量的是个体处于网络中心的程度，反映了该点在网络中的重要性程度[10]。中心度包括局部中心度和整体中心度，局部中心点指的是该点在其紧邻的环境中与很多点有关联；总体中心点指的是该点在网络的总体结构上占据战略上的重要地位。局部中心度指的是局部某点对其邻点而言的相对重要性，而整体中心度指的是该点在整体网络中的战略重要性[11]。中心势（Centralization）是与中心度相关的一个概念，指的是作为一个整体的图的中心度，关注的是整个图的凝聚力和整合度。在中心势这个概念背后隐藏的是图的结构中心，它是中心化的图所围绕的一个点或者点集合[11]。根据计算方法的不同，中心度和中心势都可以分为3种：点度中心度/点度中心势，中间中心度/中间中心势，接近中心度/接近中心势。 　　（2）成分、核、派系　　成分、核、派系都是对网络中子群的关注，在现实中随机网络是不可能存在的，网络中的成员之间总有亲疏远近，那么这些关系密切的行动者就形成了一个团体，这种团体可以是非正式组织也可以是正式组织。关于子群的各种理论不断涌现，例如“派系（Cliques）”、“聚类（Clusters）”、“成分（Components）”、“核（Cores）”、“圈子（Circles）”等。这些概念的本质是探讨图本身的结构特征，分析子图与子图之间的关系及子图内部各节点的关系。　　（3）位置角色分析　　在社会网络中假设群体的角色结构以及个体在群体中的位置，都可借助于体现关系的一组网络数据来加以测量。每个行动者都占据社会位置，那些具有相似关系模式的行动者在关系上是等价的，他们构成了一个等价的阶级，在网络中占有等价的位置，可以互换。位置分析的主要目的之一是简化社会网络资料包括依据等价性定义的位置去说明网络，并分析这些位置之间的关系。　　本文将从这3个角度对构建的合著网络进行分析，具体选择了中心性、子群分析、结构洞分析。　　1.2.2软件工具介绍　　社会网络分析软件有多种，在国际社会网络分析网（INSNA）的网站以及中国社会科学院社会学研究所主办的中国社会学网都列出了一些常用的社会网络分析软件，主要包括：Inflow、Fatcat、Multinet、Pajek、Stocnet和Ucinet等。其中，Ucinet是研究者使用较多的社会网络分析软件。Ucinet是由borgatti、Everett和freeman开发的。他们3人在社会网络分析领域都取得了很大的成就。Ucinet是一个用来处理社会网络数据的软件包。它能读取多种不同形式的数据，如文本文件（text files）和Excel文件。它能处理的网络节点是32 767个，从实际操作来看，当节点数达到5 000～10 000之间时，一些程序的运行就会较慢。此外，该软件包有很强的矩阵分析功能，如矩阵代数和多元统计分析。Ucinet 6还集成了Netdraw、Pajek等，既可以识别Pajek的数据文件，同时可以绘制社会网络图表。Ucinet是一款开源的软件，本文主要使用此软件进行分析。　　2 分析与结果　　本文采用Ucinet软件对构建的合著网络分别进行中心性分析、子群分析和结构洞分析。下面简要列出分析结果并对其进行讨论。　　2.1 中心性分析　　2.1.1 点度中心性　　Ucinet中进行点度中心性分析的菜单路径为 Network>Centrality>Degree。分析的结果如图3（部分）。　　在上述结果中，第一列、第二列分别是绝对点度中心度和相对点度中心度。点度中心度就是节点中心度，指的是在网络中有多少个行动者与节点有关联。从结果中我们可以看出，点度中心度最高的是邱均平，其绝对点度中心度是30，表明其与网络中其他30个节点有直接联系，也就是说，邱均平曾与30位作者合著发表过文献。　　对点度中心度排在前20的几位作者的发文量进行对比，由表1可见，两者具有相似性，说明发表文献越多的人与别人的合作越广泛。进一步分析合作论文发现，大部分的合作都是导师与研究生之间的合作，说明这种合作模式是目前主要的合作形式。除此之外，科研项目团队成员之间的合作也占有很大的比例。　　2.1.2 中间中心性　　在Ucinet中进行中间中心性分析的菜单路径是Network>Centrality>Betweenness>Nodes。分析的结果如图4（部分）。　　中间中心性是指在网络中掌握比较多的资源的行动者，中间中心性越高表示占有的资源越多。可以看出，只有少数著者的中间中心性大于1，分别是邱均平、夏立新、王伟军等，他们占有了大部分的资源。同时，结果表明，68%的作者接近中心性为0，这些作者几乎不具备控制资源的能力。两者对比，可以发现在学科领域，学科资源掌握在少数人手里的，大部分的学者没有控制资源的能力。　　2.2 子群分析　　2.2.1 k-核分析　　k-核分析是一个建立在点度数基础上的凝聚子群概念，在一个子图中每个点都至少与其他k个点邻接，即k-核中的所有点的度数至少为k，在具体的分析中可以通过调整k的大小形成不同的子群。在Ucinet中进行k-核分析的菜单路径为Network>Regions>K-core。分析的结果如图5（部分）。　　可见在781个著者的合著关系中，可以进行5种分区，其度数分别为5，4，3，2，1。对于度数为5（即5-核）来说，它包含11个著者；度数为4的核（即4-核）中包含71个著者，其他的著者都集中在度数为3的核、度数为2的核、度数为1的核。说明大部分的著者都集中在度数比较低的子图中，他们之间的联系比较松散。　　分析结果给出了上述5种k-核分区中包含的聚类数。可见，这4类分区中的聚类数分别是179，477，675，744，776。聚类数非常多，说明聚类规模小。著者的合著仅限于小范围内，根据收集数据的经验，有些著者之间会多次合作，这样势必会造成小团体的形成。　　2.2.2 子群的密度　　子群的密度可以通过E-I指数测量。E-I指数的值越向1靠近，表明关系越趋向于发生在群体之外，意味着派系林立的程度越大。在Ucinet中进行分析的菜单路径为Network>Cohesion>E-Iindex。通过分析，发现该网络的凝聚子群密度为0.995，由此可见该网络的子群内部的学者联系比较密切，子群与外界之间的联系比较疏远。这样就造成了处于核心群体之外的科研人员很难获得足够的信息和科研合作的机会。　　2.3 结构洞（structure holes）分析　　结构洞是指两个关系人之间的非重复关系[12]。根据结构洞理论，在我们所认识的人中有重复关系人和非重复关系人，在建立关系网络时，不必要把每一个人都是初级关系人，就是与我们有直接联系的人，可以通过少量的直接联系人与非重复关系人（间接关系人）保持利益联系。映射到合著网络中，可以识别网络中是否存在过多的结构洞，如果存在，可以说某些著者是联通网络的关键，同时也说明整体网络缺少交流。在Ucinet中进行结构洞分析的菜单路径Network>Ego Networks>Structural Holes，分析结果如图8所示（部分）。 　　这4个指标是根据伯特（Burt）的结构洞指标计算测量的，Burt的结构洞指标考虑4个方面：有效规模（Effective Size）；效率（Efficiency）；限制度（Constraint）；等级度（Hierarchy），其中第3个指标最重要。对结果进行预处理，删除限制度大于等于1的著者（共有781个著者，删除463个，剩余318个），以限制度为主关键字对结果排序。由分析结果可以看出其中0.1～0.5之间的著者有97个，说明这些著者收到的限制越小，具有运用结构洞的能力。同时，这些受限度较低的著者都是学科领域内的权威，可以说是社会网络中的“明星”。　　3 结 论　　合著分析一直是情报学研究的重要课题，本文采用社会网络分析方法分别从中心性、子群分析和结构洞3个角度进行合著网络分析，为合著分析提供了一个全新的视角。　　中心性分析结果表明，点度中心性高的作者往往也是比较高产的作者，说明高产作者与别人的合作也最为密切。同时，经过中间中心性的分析，可以看出大部分作者中间中心性都比较低，说明学科资源掌握在少数人的手里，大部分人没有资源的控制能力。　　子群分析结果表明，子群的规模比较小， 说明合著网络中作者的合著范围比较小，通过对著者背后的文献进行分析，得到目前大部分的合著都是研究生和导师以及项目团队成员之间的合作。同时凝聚子群的密度非常显著， 意味着各个子群之间联系比较紧密，但是子群和群体以外的成员之间联系比较松散，说明学科领域内合作比较欠缺。　　结构洞理论分析的结构表明，只有少数的作者具有运用结构洞的能力，而且这些作者都是学科领域范围内的权威性人物。根据结构动理论的两类测量方法： Burt本人给出的结构洞指数以及中间中心性测量，对两者的测量结果进行对比，结果具有一致性，学科领域的权威学者能够最大化自己人际关系的收益，更好的发展人际关系的质量，获得更多的信息和资源，但是这样会影响学科领域知识交换，不利于知识共享。　　参考文献　　[1]Yoshikane，F.And parative Analysis Of Coauthorship Networks of Different Domains：The Growth and Change of Networks[J].Scientometrics，）：433-444.　　[2]Sun，Y.，M.Negishi，et al.Coauthorship linkages between universities and industry in Japan[J].Research Evaluation，）：299-309.　　[3]Newman，M.E.J.Coauthorship networks and patterns of scientific collaboration[C].Proceedings of the National Academy of Sciences of the United States of America.Washington：Natl ACAD Sciences，-5205.　　[4]陈悦，刘则渊，等.中国管理科学合著现象分析[J].科学学研究，）.758-764.　　[5]温芳芳，李佳靓.中国情报学期刊论文合著现象分析——基于五种情报学核心期刊统计分析[J].情报杂志，）.55-60.　　[6]魏顺平.社会网络分析及其应用案例[J].现在教育技术，）.29-34.　　[7]裴雷，马费城.社会网络分析在情报学中的应用和发展[J].图书馆论坛，）：40-45.　　[8]刘军.社会网络分析导论[M].北京：社会科学文献出版社，4.　　[9]林聚任，刘玉安，泥安儒.社会科学研究方法[M].济南：山东人民出版社，.　　[10]李亮，朱庆华.社会网络分析方法在合著分析中的实证研究[J].情报科学，）.　　[11]约翰·斯科特.社会网络分析法[M].刘军，译.重庆：重庆大学出版社，.　　[12]Ronald·Burt.结构洞：竞争的社会结[M].上海：上海人民出版社，2008：40.　　（本文责任编辑：王 涓）
转载请注明来源。原文地址：
【xzbu】郑重声明：本网站资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息。
xzbu发布此信息目的在于传播更多信息，与本网站立场无关。xzbu不保证该信息（包括但不限于文字、数据及图表）准确性、真实性、完整性等。出自 MBA智库百科()
社会网络分析(Social Network Analysis)
　　社会网络分析方法是由社会学家根据数学方法﹑等发展起来的，近年来，该方法在、城市化对个体幸福的影响、世界政治和、等领域广泛应用，并发挥了重要作用。社会网络分析是社会学领域比较成熟的分析方法，社会学家们利用它可以比较得心应手地来解释一些社会学问题。许多学科的专家如、等领域的学者们在时代——时代，面临许多挑战时，开始考虑借鉴其他学科的研究方法，社会网络分析就是其中的一种。
　　网络指的是各种关联，而社会网络(Social Network)即可简单地称为社会关系所构成的结构。社会网络分析（Social Network Analysis，SNA）问题起源于物理学中的适应性网络，通过研究网络关系，有助于把个体间关系、“微观”网络与大规模的社会系统的“宏观”结构结合起来，通过数学方法﹑图论等，是20世纪70年代以来在社会学、、人类学、数学、通信科学等领域逐步发展起来的一个的研究分支。
　　从社会网络的角度出发，人在社会环境中的相互作用可以表达为基于关系的一种模式或规则，而基于这种关系的有规律模式反映了，这种结构的量化分析是社会网络分析的出发点。社会网络分析不仅仅是一种工具，更是一种关系论的思维方式。可以利用来解释一些社会学、、等领域问题。近年来，该方法在职业流动、城市化对个体幸福的影响、世界政治和经济体系、国际贸易等领域广泛应用，并发挥了重要作用。
　　网络指的是各种关联，而社会网络(social network)即可简单地称为所构成的结构。故从这一方面来说，社会网络代表着一种结构关系，它可反映行动者之间的社会关系。构成社会网络的主要要素有：
　　行动者(actor)：这里的行动者不但指具体的个人，还可指一个、或其他集体性的社会单位。每个行动者在网络中的位置被称为“结点(node)”。
　　关系纽带(relational tie)：行动者之间相互的关联即称关系纽带。人们之间的关系形式是多种多样的，如亲属关系、合作关系、交换关系、对抗关系等，这些都构成了不同的关系纽带。
　　二人组(dyad)：由两个行动者所构成的关系。这是社会网络的最简单或最基本的形式，是我们分析各种关系纽带的基础。
　　三人组(triad)：由三个行动者所构成的关系。
　　子群(subgroup)：指行动者之间的任何形式关系的子集。
　　群体(group)：其关系得到测量的所有行动者的集合。
　　社会网络分析是对社会网络的关系结构及其属性加以分析的一套规范和方法。它又被称()，因为它主要分析的是不同社会单位(个体、群体或社会)所构成的社会关系的结构及其属性。
　　从这个意义上说，社会网络分析不仅是对关系或结构加以分析的一套技术，还是一种理论方法——结构分析思想。因为在社会网络分析学者看来，社会学所研究的对象就是社会结构，而这种结构即表现为行动者之间的关系模式。社会网络分析家B·韦尔曼(Barry Wellman)指出：“网络分析探究的是深层结构——隐藏在复杂的社会系统表面之下的一定的网络模式。”例如，网络分析者特别关注特定网络中的关联模式如何通过提供不同的机会或限制，从而影响到人们的行动。
　　韦尔曼指出，作为一种研究社会结构的基本方法，社会网络分析具有如下基本原理：
　　1．关系纽带经常是不对称地相互作用着的，在内容和强度上都有所不同。
　　2．关系纽带间接或直接地把网络成员连接在一起；故必须在更大的背景中对其加以分析。
　　3．社会纽带结构产生了非随机的网络，因而形成了网络群(network clusters)、网络界限和交叉关联。
　　4．交叉关联把网络群以及个体联系在一起。
　　5．不对称的纽带和复杂网络使稀缺资源的分配不平等。
　　6．网络产生了以获取稀缺资源为目的的合作和竞争行为。
　　这种结构分析的方法论意义是：社会科学研究的对象应是社会结构，而不是个体。通过研究网络关系，有助于把个体间关系、“微观”网络与大规模的社会系统的“宏观”结构结合起来。故英国学者J·斯科特指出：“社会网络分析已经为一种关于社会结构的新理论的出现奠定了基础。”
　　传统上对社会现象的研究存在着个体主义方法论与的对立。前者强调个体行动及其意义，认为对社会的研究可以转换为对个体行动的研究。如明确指出，社会学的研究对象就是独立的个体的行动。但强调只有结构是真实的，认为个体行动只是结构的派生物。
　　尽管整体主义方法论者重视对社会结构的研究，但他们对结构概念的使用也有很大的分歧。其实，在社会学中，社会结构是在各不相同的层次上使用的。它既可用以说明微观的社会互动关系模式，也可说明宏观的社会关系模式。也就是说，从到整个社会，都存在着结构关系。
　　通常，社会学家们是在如下几个层次上使用社会结构概念的：
　　第一，社会角色层次的结构(微观结构)：即最基本的社会关系是角色关系。角色常常不是单一的、孤立的，而是以角色丛的形式存在着。它所体现的是人们的社会地位或身份关系，如教师—学生。
　　第二，或群体层次的结构(中观结构)：是指社会构成要素之间的关系，这种结构关系不是体现在个体活动之间。如职业结构，它所反映的是人们之间在社会及拥有资源等方面的关系。
　　第三，社会制度层次的结构(宏观结构)：是指社会作为一个整体的宏观结构。如阶级结构，它所体现的是社会中主要之间的关系，或者是社会的制度特征。
　　因此，社会结构有多重含义。但从新的结构分析观来说，社会结构是社会存在的一般形式，而非具体内容。所以，许多结构分析的社会学家都主张社会学的研究对象应是，而非具体的社会个体。因为作为个体的人是千差万别、变化多端的，而惟有其关系是相对稳定的。故有人主张：社会学首先研究的是社会形式，而不是研究这些形式的具体内容。网络分析研究的就是这些关系形式，它类似于几何学。例如，运用社会网络分析我们可以研究人们的形式、特征，也可以分析不同群体或组织之间的关系结构。这有助于我们认识不同群体的关系属性及其对人们的行为的影响。
　　社会网络分析作为社会结构研究的一种独特方法，B·韦尔曼总结出了它的五个方面的方法论特征：；
　　1．它是根据结构对行动的制约来解释人们的行为，而不是通过其内在因素(如对规范的社会化)进行解释，后者把行为者看做是以自愿的、有时是目的论的形式去追求所期望的目标。
　　2．它关注于对不同单位之间的关系分析，而不是根据这些单位的内在属性(或本质)对其进行归类。
　　3．它集中考虑的问题是由多维因素构成的关系形式如何共同影响网络成员的行为，故它并不假定网络成员间只有二维关系。
　　4．它把结构看做是网络间的网络，这些网络可以归属于具体的群体。也可不属于具体群体。它并不假定有严格界限的群体一定是形成结构的阻碍。
　　5．其分析方法直接涉及的是一定的社会结构的关系性质，目的在于补充——有时甚至是取代——主流的，这类方法要求的是独立的分析单位。
　　所以，按照社会网络分析的思想，行动者的任何行动都不是孤立的，而是相互关联的。他们之间所形成的关系纽带是和资源传递的，网络关系结构也决定着他们的行动机会及其结果。
　　社会网络分析法可以从多个不同角度对社会网络进行分析，包括中心性分析、凝聚子群分析、核心一边缘结构分析以及结构对等性分析等，这里仅介绍前3种。
　　2．1中心性分析
　　“中心性”是社会网络分析的重点之一。个人或组织在其社会网络中具有怎样的权力，或者说居于怎样的中心地位，这一思想是社会网络分析者最早探讨的内容之一。个体的中心度(Centrality)测量个体处于网络中心的程度，反映了该点在网络中的重要性程度。因此一个网络中有多少个行动者／节点，就有多少个个体的中心度。除了计算网络中个体的中心度外，还可以计算整个网络的(可简称为中心势)(Centralization)。与个体中心度刻画的是个体特性不同，网络中心势刻画的是整个网络中各个点的差异性程度，因此一个网络只有一个中心势。根据计算方法的不同，中心度和中心势都可以分为3种：点度中心度／点度中心势，中间中心度／中间中心势，接近中心度／接近中心势。
　　2．1．1点度中心性在一个社会网络中，如果一个行动者与其他行动者之间存在直接联系，那么该行动者就居于中心地位，在该网络中拥有较大的“权力”。在这种思路的指导下，网络中一个点的点度中心度，就可以网络中与该点之间有联系的点的数目来衡量，这就是点度中心度。网络中心势指的是网络中点的，它是根据以下思想进行计算的：首先找到图中的最大中心度数值；然后计算该值与任何其他点的中心度的差，从而得出多个“差值”；再计算这些“差值”的总和；最后用这个总和除以各个“差值”总和的最大可能值。
　　2．1．2中间中心性在网络中，如果一个行动者处于许多其他两点之间的路径上，可以认为该行动者居于重要地位，因为他具有其他两个行动者之间的。根据这种思想来刻画行动者个体中心度的是中间中心度，它测量的是行动者对资源控制的程度。一个行动者在网络中占据这样的位置越多，就越代表它具有很高的中间中心性，就有越多的行动者需要通过它才能发生联系。中间中心势也是分析网络整体结构的一个，其含义是网络中中间中心性最高的节点的中间中心性与其他节点的中间中心性的差距。该节点与别的节点的差距越大，则网络的中间中心势越高，表示该网络中的节点可能分为多个小团体而且过于依赖某一个节点传递关系，该节点在网络中处于极其重要的地位。
　　2．1．3接近中心性点度中心度刻画的是局部的中心指数，衡量的是网络中行动者与他人联系的多少，没有考虑到行动者能否控制他人。而中间中心度测量的是一个行动者“控制”他人行动的。有时还要研究网络中的行动者不受他人“控制”的能力，这种能力就用接近中心性来描述。在计算接近中心度的时候，我们关注的是捷径，而不是直接关系。如果一个点通过比较短的路径与许多其他点相连，我们就说该点具有较高的接近中心性。对一个社会网络来说，接近中心势越高，表明网络中节点的差异性越大，反之，则表明网络中节点间的差异越小。
　　2．2凝聚子群分析
　　当网络中某些行动者之间的关系特别紧密，以至于结合成一个次级团体时，这样的团体在社会网络分析中被称为凝聚子群。分析网络中存在多少个这样的子群，子群内部成员之间关系的特点，子群之间关系特点，一个子群的成员与另一个子群成员之间的关系特点等就是凝聚子群分析。由于凝聚子群成员之间的关系十分紧密，因此有的学者也将凝聚子群分析形象地称为“小团体分析”。
　　2．2．I凝聚子群根据理论思想和计算方法的不同，存在不同类型的凝聚子群定义及分析方法。
　　1)派系(Cliques)。在一个无向网络图中，“派系”指的是至少包含3个点的最大完备子图。这个概念包含3层含义：①一个派系至少包含三个点。②派系是完备的，根据完备图的定义，派系中任何两点之间都存在直接联系。③派系是“最大”的，即向这个子图中增加任何一点，将改变其“完备”的性质。
　　2)n-派系(n-Cliques)。对于一个总图来说，如果其中的一个子图满足如下条件，就称之为n-派系：在该子图中，任何两点之间在总图中的距离(即捷径的长度)最大不超过n。从形式化角度说，令d(i,j)代表两点和n在总图中的距离，那么一个n-派系的形式化定义就是一个满足如下条件的拥有点集的子图，即：，对于所有的，,来说，在总图中不存在与子图中的任何点的距离不超过n的点。
　　3)n-宗派(n—Clan)。所谓n-宗派(n—Clan)是指满足以下条件的n-派系，即其中任何两点之间的捷径的距离都不超过n。可见，所有的n-宗派都是n-派系。
　　4)k-丛(k-Plex)。一个k-丛就是满足下列条件的一个凝聚子群，即在这样一个子群中，每个点都至少与除了k个点之外的其他点直接相连。也就是说，当这个凝聚子群的规模为n时，其中每个点至少都与该凝聚子群中n-k个点有直接联系，即每个点的度数都至少为n—k。
　　2．2．2凝聚子群密度凝聚子群的密度(External—Internal Index，E-I Index)主要用来衡量一个大的网络中小团体现象是否十分严重。这在分析等问题时十分有用。最糟糕的情形是大团体很散漫，核心小团体却有高度内聚力。另外一种情况就是大团体中有许多内聚力很高的小团体，很可能就会出现小团体间相互斗争的现象。凝聚子群密度的取值范围为[-1，+1]。该值越向1靠近，意味着派系林立的程度越大；该值越接近-1，意味着派系林立的程度越小；该值越接近0，表明关系越趋向于随机分布，看不出派系林立的情形。
　　E-I Index可以说是的一个重要的危机指数。当一个的E-I Index过高时，就表示该企业中的小团体有可能结合紧密而开始图谋小团体私利，从而伤害到整个企业的利益。其实E-I Index不仅仅可以应用到企业管理领域，也可以应用到其他领域，比如用来研究某一学科领域学者之间的关系。如果该网络存在凝聚子群，并且凝聚子群的密度较高，说明处于这个凝聚子群内部的这部分学者之间联系紧密，在信息分享和科研合作方面交往频繁，而处于子群外部的成员则不能得到足够的信息和科研合作机会。从一定程度上来说，这种情况也是不利于该学科领域发展的。
　　2．3核心一边缘结构分析
　　核心一边缘(Core—Periphery)结构分析的目的是研究社会网络中哪些节点处于核心地位，哪些节点处于边缘地位。核心边缘结构分析具有较广的应用性，可用于分析精英网络、科学引文关系网络以及组织关系网络等多种社会现象中的核心一边缘结构。
　　根据关系数据的类型(和定比数据)，核心—边缘结构有不同的形式。定类数据和定比数据是中的基本概念，一般来说，定类数据是用类别来表示的，通常用数字表示这些类别，但是这些数值不能用来进行数学计算；而定比数据是用数值来表示的，可以用来进行数学计算。如果数据是定类数据，可以构建离散的核心一边缘模型；如果数据是定比数据，可以构建连续的。而离散的根据核心成员和边缘成员之间关系的有无及关系的紧密程度，又可分为3种：
　　①核心一边缘全关联模型；
　　②核心一边缘局部关联模型；
　　③核心一边缘关系缺失模型。
　　如果把核心和边缘之间的关系看成是，就构成了核心一边缘关系缺失模型。这里介绍适用于定类数据的4种离散的。
　　1)核心一边缘全关联模型。网络中的所有节点分为两组，其中一组的成员之间联系紧密，可以看成是一个凝聚子群(核心)，另外一组的成员之间没有联系，但是，该组成员与核心组的所有成员之间都存在关系。
　　2)核心一边缘无关模型。网络中的所有节点分为两组，其中一组的成员之间联系紧密，可以看成是一个凝聚子群(核心)，而另外一组成员之间则没有任何联系，并且同核心组成员之间也没有联系。
　　3)核心一边缘局部关联模型。网络中的所有节点分为两组，其中一组的成员之间联系紧密，可以看成是一个凝聚子群(核心)，而另外一组成员之间则没有任何联系，但是它们同核心组的部分成员之间存在联系。
　　4)核心一边缘关系缺失模型。网络中的所有节点分为两组，其中一组的成员之间的密度达到最大值，可以看成是一个凝聚子群(核心)，另外一组成员之间的密度达到最小值，但是并不考虑这两组成员之间关系密度，而是把它看作缺失值。
　　社会网络分析方法是由社会学家根据数学方法﹑等发展起来的定量分析方法，近年来，该方法在职业流动、城市化对个体幸福的影响、世界政治和经济体系、国际贸易等领域广泛应用，并发挥了重要作用。社会网络分析是社会学领域比较成熟的分析方法，社会学家们利用它可以比较得心应手地来解释一些社会学问题。许多学科的专家如经济学、管理学等领域的学者们在新经济时代——知识经济时代，面临许多挑战时，开始考虑借鉴其他学科的研究方法，社会网络分析就是其中的一种。我们已经知道人际间联系对信息获取(格拉诺维特，1973；艾琳，1977；博特，1992)很重要，同时我们也知道是一个社会过程(，1934；，1953；伯杰和拉克曼，1966)，需要知识的主体——人的相互交织促进知识的。因为在人的所有活动中，社会网络都是一个现实存在。既然在、等各领域都存在社会网络，那么，将社会网络分析引入成了自然而然的事情。社会网络分析在的应用研究就是以企业所在的内、外部环境为导向, 以的运作过程为轴线, 来探讨网络联系的强弱、网络规模、网络范围及联系机制对、共享、转移、、应用等产生的影响及功效。该研究主要是利用社会网络分析方法(social network analysis, SNA)对知识管理进行定量研究。
　　为了了解目前社会网络分析在企业知识管理的应用研究的现状，我们在Emerald、ProQuest、SpringerLink、中国期刊网、库等国内外数据库中检索，得到国内相关文献7篇，国外相关文献31篇 。结果显示，学术界对社会网络分析与知识管理的起步较晚，自2005年开始，相关文献数量才开始有明显增长趋势。通过对国内外文献进行标题分析发现，学术界对社会网络分析在企业知识管理中的应用研究可大致分为如下几个阶段：
　　1．从理论上探究社会网络分析是企业实施知识管理的一种工具
　　1999年，社会网络分析，作为一种收集和分析群体中人际间联系模式的诊断方法，首次被的(Morten T. Hansen)引入知识管理领域，用社会网络中的弱联系()解释组织内部知识转移问题。研究结果发现，部门间的弱联系(weak interunit ties)利于发现存在其他部门的有用知识，但却不利于部门间复杂知识(Complex Knowledge)的转移，只有存在强联系(Strong Ties)才能实现复杂知识的转移。
　　2000年，社会网络分析作为一项知识管理实践由知识基础组织学院(IBM Institute for Knowledge-Based Organizations，IKO)首次提出。IBM的研究者们在进行了“运用社会网络分析(SNA)改进知识创造和分享”的相关研究后认为，社会网络分析在组织知识创造和分享过程中发挥着重要作用：①识别组织中促进信息、知识有效流动的核心人物，注意他们有时候会成为组织工作顺利开展的；②识别组织中的边缘人物，如果是，会延缓决策；③辨识某一小组与整个网络的关系，判断其与整个组织的知识和信息的交流、分享情况。在企业实践中，IBM一直积极利用社会网络促进知识管理，如开辟“创新智慧园”，可直接接收全球30多万名提交的创新想法和实施方案，加快知识流通，促进。
　　2001年，作为IBM管家的帕克等(Andrew Parker，Rob Cross and Dean Walsh)根据自己的切身体验，写了《社会网络的隐藏力量》一书，详细讲述了社会网络分析在企业知识管理中的具体运用。他们认为社会网络分析的确能够促进间的，改善内部的知识活动，推进部门间的合作。同年，文聘 塔斯(Wenpin Tasi)通过自己的实证调查指出，在组织内部的中，网络位置影响新知识的吸收能力和业务单位的创新和。社会内聚力(social cohesion)与网络范围(network range)对知识转移的效果远高于个人之间强关系的作用。
　　2003年，安克拉姆(Patti Anklam)在企业知识管理权威期刊《知识管理》上发表观点，认为社会网络分析是支撑战略知识管理的强有力的诊断工具。人们一旦掌握了这一分析工具，就能够利用它来改善知识和信息的流动，促进企业知识管理战略的顺利实施3。
　　2．从应用的角度来探究社会网络分析在企业知识管理活动各环节的应用
　　这一阶段，克罗斯和鲍格蒂(Cross，Borgatti)对社会网络分析在企业知识管理中的应用研究的贡献功不可没。2002年，他们通过对两个组织的知识获取行为的调查数据进行社会网络分析，建立了一个知识获取模型。在该模型中，“知道(知道那个人知道什么)”、“通道(能够及时得到那个人想法的途径)”和“(认识到从那个人那里找到信息所要花费的代价)”这三个影响知识获取4。只要该构建良好，就能很好的实现知识获取。此后，人们对社会网络分析在企业知识管理活动中的应用研究更加细化，从社会网络的角度展开对企业知识管理活动各环节的研究。如2002年，李久鑫在其博士论文中，以社会网络视角定量地解析了市场知识活动、活动、决策活动等代表性的企业知识活动，并提出了一个可供实际操作的企业知识管理活动成熟度模型(EKM-AAM)5。詹姆斯?艾伦(James Allen)等探讨了企业研发中的非正式网络在知识开发﹑和知识分发中的角色6。和麦克爱威立(Ray Reagans，Bill McEvily)从网络位置的角度研究知识转移，结果发现，不仅网络位置影响知识转移，网络的聚合力和网络规模都会影响知识转移。杜雷格和胡布勒(Scott B Droege，Jenny M Hoobler，2003)则专门研究了社会网络的属性与扩散之间的关系。结论是：①在社会网络密度高的企业中，隐性知识的扩散更迅速；②在成员互动频繁的企业中，隐性知识扩散更迅速；③在合作水平高的企业中，隐性知识扩散更迅速。④在拥有强弱关系混合的企业中，隐性知识扩散更迅速。2004年，丹尼尔和克罗斯(Daniel Z Levin，Rob Cross)分析了社会网络中的信任在知识转移中所扮演的角色。他们认为，高信任度能大大促进隐性知识的传递。尤其在强联系居多的网络中，成员间的高密度联系促使彼此间信任度的增加，成员间愿意相互交流和交换隐性知识。
　　3．从综合的角度研究社会网络分析在企业知识管理中的应用
　　2004年，克罗斯和卡明斯(Rob Cross，Jonathan N. Cummings)梳理了前人的研究方法，从总体上对社会网络分析在企业知识管理中的应用进行研究。他们将以为中心的和有限(边界)网络方法结合起来，通过，分析了关系节点、网络结构与的关系。他们认为：①网络结构使一些关系结点可以获得其他结点得不到的信息；②中介中心性可以使个人的信息网络和意识网络完美结合，充分利用网络中的资源，促使工作绩效的大大提高。所谓的信息网络中心性反映的是一个人利用专业技能解决目前问题的能力，意识网络中心性反映的是一个人利用他人专业技能获取新机会的能力。
　　伯克(Sandra M. Birk,2005年)则研究了如何利用SNA评估一个组织的。他选取三个指标，如专家选择、选择频率、连通性，来评价组织知识能力。他通过研究发现：①社会网络分析是描述网络成员与专家之间联系的好工具，因为它能使不可见组织间联系成为可见；②社会网络分析可以为企业管理者快速了解企业的知识能力提供系统的方法，因为它能使管理者对企业活动所需专业技能的潜在所有者的网络分布有一个清晰认识。伊波拉希(Ibrahim Rahinah，2005年)的博士论文“组织间的不连续性：知识流对的影响”中整合知识流动力学和，提出知识的非连续性，倡议用社会网络分析方法去研究企业的知识流，建议为减少动态环境中知识的流失，企业内部成员应该建立非连续性的联系。
　　莱伯维兹(Jay Liebowitz，2005)认为，“区间测量”可用于人际网络分析，用以判断组织中个体之间、部门与部门之间联系的紧密度，而“”有助于发展这种区间测量，最终完善。薛杰(2005)在其博士论文“为知识管理在网络中挖掘静态和动态的结构模式：一个计算框架和”中提出企业内外部都存在网络。他认为企业内外部都存在网络，企业内网是由员工组成，企业外网是由，买方和等组成。企业知识管理战略的顺利实施有赖于这些网络的良好构建，因为内外网的网络结构和联系都会对企业知识管理活动中的知识挖掘、等产生重大影响。
　　佛兰芒和马克斯(Lee Fleming，Matt Marx，2006)以硅谷为例，分析了中的小世界现象。指出小世界中的创新既赋于跨组织边界的创新以活力，也加速了组织中的。面对这样的机遇与挑战，如何加强对小世界中的成了大家比较关注的问题。对此，作者提出了自己的解决之道，利用社会网络分析辨识核心结点，加强对其的控制与管理。
　　萨尔瓦多·派瑞斯(salvatore Parise ,2007年)在调查了80多家公司后得出结论：社会网络分析有利于知识创造和革新、知识转移和保存以及成功工作经验的继承。
　　格雷格·佩普斯(Greg Pepus 2007年)认为社会网络分析能自动、处理和可视化商业智能信息，知识管理所要实现的目标也正在于此，将社会网络分析引入企业知识管理可以大大提高知识管理绩效。
　　布鲁斯卡姆(Mary Branscombe 2007年)认为企业的最大就是你的员工知道的和企业内部员工们所保有的知识。社会网络分析可以帮助管理者发现这些知识，倡议利用社会网络创造一个合作框架来避免传统的知识管理问题。
　　总的来说，社会网络分析在知识管理中的应用虽然只是在近几年才兴起，但已取得一定成绩。作为一种定性与定量相结合的实证方法，社会网络分析能够确实为知识(特别是隐性知识)创新、获取、转移、共享和扩散每一环节提供强有力的工具。从总体上来讲，学术界对社会网络分析与知识管理交叉研究开始较晚。虽然自2005年以来，利用社会网络分析工具对知识管理实践进行实证研究的文献数量在逐渐增多，并且对利用和方法对知识管理综合问题的解决也展开了研究，但缺乏利用社会网络分析工具诊断和发现企业知识活动中存在的问题，从而针对问题从理论与实践的角度提出相应对策的研究。
朱庆华、李亮.社会网络分析法及其在情报学中的应用
仝丽娟、李传中、柏玲.社会网络分析在企业知识管理中的应用研究综述
本条目对我有帮助87
&&如果您认为本条目还有待完善，需要补充新内容或修改错误内容，请。
本条目相关文档
& 321页& 2页& 10页& 6页& 2页& 219页& 7页& 6页& 10页& 5页
本条目由以下用户参与贡献
,,,,,,,,,,,.
(window.slotbydup=window.slotbydup || []).push({
id: '224685',
container: s,
size: '728,90',
display: 'inlay-fix'
评论(共9条)提示:评论内容为网友针对条目"社会网络分析"展开的讨论，与本站观点立场无关。
发表评论请文明上网，理性发言并遵守有关规定。
以上内容根据网友推荐自动排序生成}