從「圍觀模型」看交流困境——微博社會網絡圖譜分析
解立群 顏清華 陳穎
摘要：
本研究從社會網絡分析的視角看微博，基於社會網絡分析理論，將微博中人與人的關係量化，用社會網絡分析軟體Ucinet進行數據分析和圖表製作，得出直觀模型——微博「圍觀模型」。該模型體現了微博整體網的基本特點：名人間交流頻繁，形成小圈子；普通人置於圈外「圍觀」，與名人交流的願望實質上無法實現；普通人與普通人之間的有效交流也很有限。
「圍觀模型」這一概念雖用來描述這一虛擬網絡的特徵，卻也折射出現實社會中的社會網絡關係特點，體現了人們交流的困境。
關鍵詞：
社會網絡分析 微博 Ucinet 圍觀模型 交流困境
微博客，簡稱微博，是一種允許用戶及時更新簡短文本（通常少於200字）並可以公開發布的博客形式。微博中的關注很主動，用戶根據自己的喜好選擇關注的人，被關注者的動態就會顯示在用戶的頁面上，人們與自己實際生活圈子中的朋友互相關注，分享信息，也可以關注名人的一言一行，甚至有可能得到名人的關注。
微博這一網際網路應用的興起改變了傳播方式，隨著用戶量的增多和穩定，新的傳播方式逐漸構建出虛擬社會網絡。本研究將微博用戶分為兩類：名人與普通人，基於這個分類，使用社會網絡分析法，提出「圍觀模型」這一概念，「圍觀模型」直觀展現了微博中名人與名人的關係、名人與普通人的關係、普通人與普通人的關係，「不僅表現了虛擬社會網的特徵，也折射出現實社會網絡的狀態，體現了人與人之間交流的困境。
一，文獻綜述：
國內外從社會網絡分析視角對微博進行的研究還不太多。已有的研究結論總結起來有以下幾種：嵌套說，圈子說，單向說，特性說。這幾種說法對於微博中人與人之間的關係模式及模式背後的原因，觀點各有不同；共同點是都認為微博已經形成了社會網絡，應該從這個視角出發對其進行研究；但多數研究還停留於猜想和推理階段，缺乏客觀數據支持。
1.嵌套說
「嵌套說」認為在微博中，以每個用戶為中心的人際關係網絡在關注他人或被他人關注時, 會嵌套到另外一個用戶的圈子裡，用戶以此擴展自己的社會網絡。這個觀點同時又認為：微博的溝通機制允許用戶之間直接連結，這就意味著， 每一個用戶在理論上都有可能與這一平臺上的任何一個用戶相識，當全世界所有的微博平臺打破藩籬互通互聯後，地球上的任何兩個人之間都有可能直接對話，而不必通過其他節點作為中介。【1】
「嵌套說」揭示了微博中社會網形成的基本原因，但後半部分的推論只是一種理想情況，過於樂觀。
2.圈子說
「圈子說」認為微博中的人們之間的聯繫不是隨機的，而是因信息偏好的不同形成一個個虛擬「圈子」。微博用戶及其之間的關係本質上形成一個社會網絡。【2】
「圈子說」以每個用戶為中心說明了微博中個人網的特徵，但缺乏對微博整體網的說明。
3.單向說
「單向說」則認為擁有社會公共資源多的人群更易被關注，但他們一般不會去反關注這些粉絲。【3】
「單向說」提出了一種現象，但缺乏實際數據的支持，只是一種經驗說。
4.特性說
「特性說」認為「中心節點」是微博社會網絡的重要組成部分，與此對應，「意見領袖現象」應該是微博的基本特性，因為滿足增長與優先情結，使得越連接越強大，越強大越被連接。【4】
「特性說」提出了微博中的馬太效應，但同樣缺乏相關定量研究的證明，仍處於假說狀態。
二，研究工具：
本研究旨在分析微博用戶間的關係，進而構建微博社會網絡圖譜，因此使用社會網絡分析軟體進行關係分析。本文選用的社會網絡分析軟體為Ucinet。
三，取樣說明：
新浪微博是國內微博業務起步較早、發展相對較成熟的網站。其發展之初就定下了「名人」戰略，相對其他微博，用戶分層更明顯。本文主要以新浪微博為研究對象，採用關注數作為衡量指標。
為了更明確地體現名人與普通人的區別，本文中將「名人」定義為新浪微博「加V」（新浪認證）且粉絲數超過10萬的用戶，將「普通人」定義為沒有加V或加V但粉絲數少於10萬的用戶。
在取樣時，選取新浪微博排行榜的前50名用戶作為名人樣本；在微博廣場「大家正在說」滾動欄目中隨機抽取50名用戶作為普通人樣本。
四，數據處理：
對這100人進行編號，名人用戶編號對應如下（由於取樣數量過大，此處省略部分）：
姚晨（1），小S（2），趙薇（3），蔡康永（4），謝娜（5）……胡歌（46），洪晃（47），楊千嬅（48），黃聖依（49），selina（50）
普通用戶編號對應如下（由於取樣數量過大，此處省略部分）：
聽貝拉瑜唱情歌（A1），曱甴崽崽滴窩窩（A2）,Pandahyn（A3），草根巴菲特（A4），Miss小擺羊（A5）……爽爽-92（A46），negro小個（A47），露露814（A48），鍾嘉聰（A49），王夢娜（A50）
對以上100個用戶進行數據搜集，將樣本數據矩陣化，形成二值矩陣，結果如下：
表（1） 新浪用戶數據矩陣
1 | 2 | 3 | 4 | 5 | …… | A46 | A47 | A48 | A49 | A50 | |
1 | - | 1 | 1 | 1 | 0 | …… | 0 | 0 | 0 | 0 | 0 |
2 | 1 | - | 1 | 1 | 1 | …… | 0 | 0 | 0 | 0 | 0 |
3 | 1 | 1 | - | 1 | 0 | …… | 0 | 0 | 0 | 0 | 0 |
4 | 1 | 1 | 0 | - | 1 | …… | 0 | 0 | 0 | 0 | 0 |
5 | 0 | 1 | 0 | 1 | - | …… | 0 | 0 | 0 | 0 | 0 |
…… | …… | …… | …… | …… | …… | …… | …… | …… | …… | …… | …… |
A46 | 0 | 0 | 0 | 1 | 0 | …… | - | 0 | 0 | 0 | 0 |
A47 | 0 | 1 | 0 | 0 | 0 | …… | 0 | - | 0 | 0 | 0 |
A48 | 1 | 0 | 0 | 0 | 0 | …… | 0 | 0 | - | 0 | 0 |
A49 | 0 | 0 | 0 | 0 | 0 | …… | 0 | 0 | 0 | - | 0 |
A50 | 1 | 1 | 0 | 0 | 0 | …… | 0 | 0 | 0 | 0 | - |
此矩陣中，首行和首列表示微博用戶編號，矩陣內元素則表示用戶之間的關係：1表示行用戶關注了列用戶，0表示沒有關注。
五，數據分析：
社會網絡分析方法將社會關係量化，通過分析數據構建社會網絡。本文主要通過中心性分析、凝聚子群研究、社會網絡圖來對微博中的社會網絡進行分析。【5】
1.中心性（centrality）分析
中心性側重于衡量個人或組織在其社會網絡中處於怎樣的中心地位，是對個體權力的量化分析。中心性分析包含多種指標，如：點的度數中心性、中間中心性、接近中心性等，每個指標下又針對社會網絡中的點、線、圖細分為多種次級指標。
（1）點的度數中心度（point centrality）
點的度數中心度指的是在一個社會網絡中，與某成員直接發生聯繫的其他成員的點數，又分絕對中心度（Degree）和相對中心度（NrmDegree），後者是前者的標準形式。
對此網絡進行點的度數中心度分析，結果如下：
表（2） 新浪用戶網絡：點的度數中心度
編號 | OutDegree | InDegree | NrmOutDeg | NrmInDeg | |
蔡康永 | 4 | 23 | 56 | 23.232 | 56.566 |
小S | 2 | 19 | 45 | 19.192 | 45.455 |
姚晨 | 1 | 19 | 39 | 19.192 | 39.394 |
何炅 | 6 | 22 | 32 | 22.222 | 32.323 |
謝娜 | 5 | 21 | 28 | 21.212 | 28.283 |
馮小剛 | 31 | 11 | 28 | 11.111 | 28.283 |
王力宏 | 25 | 9 | 26 | 9.091 | 26.263 |
李冰冰 | 8 | 24 | 24 | 24.242 | 24.242 |
黑人建州 | 40 | 20 | 24 | 20.202 | 24.242 |
蔡卓妍 | 12 | 12 | 23 | 12.121 | 23.232 |
…… | …… | …… | …… | …… | …… |
楊子 | 45 | 2 | 4 | 2.02 | 4.04 |
朱駿 | 30 | 2 | 2 | 2.02 | 2.02 |
韓志國 | 36 | 0 | 1 | 0 | 1.01 |
小荷花0304 | A42 | 18 | 0 | 18.182 | 0 |
Miss小擺羊 | A5 | 15 | 0 | 15.152 | 0 |
CamilleChi | A38 | 12 | 0 | 12.121 | 0 |
…… | …… | …… | …… | …… | …… |
Nederlends | A16 | 0 | 0 | 0 | 0 |
o糯0米o | A24 | 0 | 0 | 0 | 0 |
梁振忠 | A26 | 0 | 0 | 0 | 0 |
表（2）中，OutDegree指成員發出關係的點數，即微博中的「關注數」，InDegree指成員接受關係的點數，即微博中的「粉絲數」。
由表（2）可知，名人用戶與其他成員發生聯繫的數量遠高於普通用戶；部分普通用戶在此社會網絡中處於孤立狀態，既沒有關注他人，也沒有被他人關注；大部分普通用戶關注了他人，但並沒有得到他人的關注。
（2）點的中間中心度（betweenness centrality）
點的中間中心度衡量的是在一個社會網絡中，某成員是否處於「通過控制或曲解信息的傳遞而影響群體」（Freeman）的重要地位，即在多大程度上處於其他成員的中間，是否發揮出「中介」作用。
對此網絡進行點的中間中心度分析，結果如下：
表（3） 新浪微博社會網絡數據：點的中間中心度
| 編號 | Betweenness | nBetweenness |
蔡康永 | 4 | 715.783 | 7.378 |
姚晨 | 1 | 528.123 | 5.443 |
黃健翔 | 7 | 337.973 | 3.484 |
小S | 2 | 299.468 | 3.087 |
黑人建州 | 40 | 236.169 | 2.434 |
何炅 | 6 | 216.27 | 2.229 |
…… | …… | …… | …… |
周立波 | 18 | 0 | 0 |
聽貝拉瑜唱情歌 | A1 | 0 | 0 |
…… | …… | …… | …… |
鍾嘉聰 | A49 | 0 | 0 |
王夢娜 | A50 | 0 | 0 |
表（3）中，Betweenness指中間中心度。從結果中可以看出，中間中心度最高的是蔡康永、姚晨、黃健翔等人，說明這些人在此社會網絡中處於控制交往關係的權力地位。同時，有一部分成員的中間中心性為0，說明這些人幾乎不具備控制相互交往關係的能力，而這些毫無控制能力的人多為普通用戶。
2.凝聚子群研究
社會結構是在社會行動者之間實存或潛在的關係模式，凝聚子群是一個行動者集合，在此集合中，「行動者之間具有相對較強、直接、緊密、經常的或者積極的關係」【6】。凝聚子群研究則是從某種社會結構中找出凝聚子群。
在一個社會網絡關係圖中，「派系」指至少包含三個點的最大完備子圖。派系中最少包含三個成員，且任何兩個成員之間都是直接相關的，派系形成後將無法向其中加入新的點。
對此社會網絡進行派系分析（派系最小成員設置為8人），找到44個派系。將此結果圖像化，得到樹狀派系圖，如下：
圖（1） 新浪微博社會網絡樹狀派系圖
圖（2） 新浪微博社會網絡樹狀派系圖
圖（2）是將圖（1）中部分派系放大所得。
從圖（1）、圖（2）可看出，此網絡中的各個派系幾乎都是由名人組成的，這說明名人之間存在互惠關係，他們相互關注、分享資源，而普通人很少能進入到這些派系中。從圖中可看出，90%以上的普通用戶或無法進入任何子群，或處於派系的最邊緣。
3.圖論法
圖論法是社會網絡分析中的一種基本方法，典型的圖論中以節點代表行動者，連線代表行動者間的關係，有向圖中的連線以箭頭表示關係的發生方向。
使用Ucinet中的圖像化工具Netdraw繪製此社會網絡的圖像如下：
圖（3） 新浪微博社會網絡圖
同理，為了清晰化名人之間的社會關係，從總體數據中抽取出50個名人之間的關係數據，採用同樣的方法作出如下圖像：
圖（4） 新浪微博社會網絡次級圖
4.定量分析
2010年3月2日，新浪微博註冊用戶突破一億，這一億成員基本是由上文定義的「普通人」組成的。因此，要得到微博社會網絡中普通人與普通人間的關係，取樣必須典型且數據樣本足夠大，而由於操作性限制，筆者無法得到可靠的取樣樣本。
為了說明普通人與普通人間的關係，此處借用Huberman於2009年對Twitter研究的部分數據【7】：
圖（5）Twitter用戶的朋友數量與粉絲數量比
Huberman的樣本包含了309,740個Twitter用戶，這些用戶平均發了255條微博，擁有85個粉絲，關注了80人。由於數據數量巨大，Huberman的取樣基本能夠對應筆者對於「普通人」的定義。
在其研究中，Huberman將與某用戶產生兩次及以上直接交流的用戶定義為該用戶的「朋友」，他發現用戶的活躍程度與粉絲數的變化不完全一致，但與「朋友」數的變化呈相同趨勢。圖（5）則反映了這樣一個值：「朋友」數/粉絲數。從圖中可知，在這30多萬Twitter用戶中，40%的用戶此數值只有不到10%，即這些用戶可能擁有較多粉絲，但真正與其產生直接交流的不到一成。極少數用戶能通過交流將自己的粉絲轉變為「朋友」。
六， 圍觀模型
1.圍觀模型：
通過以上的實證研究，我們試圖推出一個概念——「圍觀模型」，以期從整體視角概括微博社會網絡的基本特徵。
在微博的「圍觀模型」當中存在以下關係：
（1）名人與名人間關係：
名人與名人之間互相交流，形成相對封閉的「圈子」。
根據圖（1）、圖（2）（凝聚子群研究及派系分析），發現各節點在微博社會結構中形成了各個有聯繫的派系。各個派系內部相對封閉，無法加入新的節點。圖（4）則顯示了名人與名人之間的關係：孤立點少，節點之間聯繫密切，大部分節點之間存在直接聯繫，幾乎所有節點都可以通過第三者聯繫到另一個節點。
（2）名人與普通人間關係：
普通人單向關注名人，雖有交流的欲望和理論上的交流機會，但在實際上卻無法進入名人的圈子內部，難以實現直接交流。普通人與名人的關係是「圍觀模型」最重要的一部分，普通人在名人圈子外「圍觀」的狀態也正是模型名稱的由來。
從表（2）（點的度數中心度分析）可以看出，在微博社會網絡中，名人接受關注的點數遠遠高於他們發出關注的點數。而大部分普通用戶接受關注的點數要低於發出關注的點數，還有一部分普通用戶既很少發出關注也很少接受關注，處於孤立狀態。
從表（3）（點的中間中心度分析）可以看出，中間中心度較高的幾乎都是名人，說明他們在社會網絡中佔據控制交往關係的權力地位，佔有較多的社會關係資源。而很多普通用戶節點的中間中心度為0，這說明他們在社會網絡中不具備控制網絡中相互交往關係的能力。
圖（3）則從整體上給出了圍觀模型的一個直觀全景描述，在圖中可以很明晰地發現名人佔據社會網絡的中心，普通人在網絡外緣。整個社會網絡關係圖，從內向外，聯繫由密到疏。方向上則是從外向內，具有一定的單向性。存在一些孤立點，全為普通用戶。
（3）普通人與普通人間關係：
對於數量龐大的微博用戶而言，紛繁的關注和被關注的表象背後，普通人與普通人之間的交流實際上很有限。
圖（5）基於Twitter09年的後臺數據，不妨用它推出一般微博中普通人之間的關係特徵。從圖中可以看出，對於絕大部分用戶來說，「朋友」——即直接交流兩次以上的人，佔粉絲數的比率在0.5以下，這也就意味著，普通用戶在微博上也只與少數人交流。
八，結論
沿著「技術-傳播-社會」範式，微博這一新興的網際網路應用引發傳播方式的變革，進而構建出虛擬社會網絡。在這個社會網絡裡，理論上人與人之間能夠實現直接交流，普通人將能尋求更多的社會聯繫，名人與普通人之間的對話更是令人期待。但事實遠非如此。微博並沒有像人們期待的那樣，成為一個直接對話的平臺，成為一個打破社會層級藩籬的先驅。
「圍觀模型」揭示了微博社會網絡的基本特徵：名人間交流頻繁，形成小圈子；普通人置於圈外「圍觀」，與名人交流的願望實質上無法得到實現；普通人與普通人之間的有效交流也很有限。
微博社會網絡的這些特徵更像是現實社會網絡的翻版和投射。在某種程度上，圍觀模型反映了不同階層人們交流的困境，不管是在現實社會網絡還是在微博虛擬社會網絡，這種特徵似乎都註定是其與生俱來的特性，是一種無奈和必然。
參考文獻：
[1]劉軍. 整體網分析講義——UCINET軟體應用[R].第二屆社會網與關係管理研討會資料 ,哈爾濱：哈爾濱工程大學社會學系，2007,1,18
[2]劉軍. 整體網分析講義——UCINET軟體實用指南[M]. 上海：世紀出版集團，2009,7，1
[3]羅家德.社會網絡分析講義[M].北京：社會科學文獻出版社，2010
[4]林聚任.社會網絡分析：理論、方法與應用[M].北京：北京師範大學出版社，2009
[5]平亮，宗永利.基於社會網絡中心性分析的微博信息傳播研究——以Sina微博為例[J].情報、信息與共享2010（6）
[6]齊心.走向有限社區——對一個城市居住小區的社會網絡分析[C].北京：首都師範大學出版社，2007
[7]孫衛華，張慶永.微博客傳播形態解析[J].傳媒觀察2008(10)
[8]王陸. 典型的社會網絡分析軟體工具及分析方法[J]. 中國電化教育2009（4）
[9]徐媛媛，朱慶華.社會網絡分析法在引文分析中的實證研究[J].情報理論與實踐，2008，3（2）
[10][英]約翰·斯科特，劉軍譯.社會網絡分析法[M].重慶：重慶大學出版社，2007
[11]張佰明. 嵌套性：網絡微博發展的根本邏輯[J]， 國際新聞界 2010（6）
[12]2010中國網際網路微博與社區研究報告[R].DCCI網際網路數據中心，2010（8）
[13]Akshay Java. Twitter Social Network Analysis[J]，UMBC Ebiquity Post,2007
[14]Bernardo A. Huberman & Daniel M. Romero & Fang Wu.Social networks that matter:Twitter under the microscope[J],First Monday 2009（14）
【1】張佰明，嵌套性：網絡微博發展的根本邏輯，國際新聞界[J]，2010.06
【2】平亮，宗利永，基於社會網絡中心性分析的微博信息傳播研究——以Sina微博為例，情報、信息與共享[J]，2010年第6期
【3】Akshay Java ，Twitter Social Network Analysis ，UMBC Ebiquity Post[J] ，2007-4-19
【4】沈浩，中國傳媒大學電視與新聞學院副教授，研究方向為：傳播學研究方法、應用統計學、市場研究，博客文章《微博140字解讀》http://shenhaolaoshi.blog.sohu.com/164632480.html
【5】社會網絡分析軟體中的各項分析術語在國內的翻譯並不統一，為避免引起歧義，本文統一採用《整體網分析講義——UCINET軟體實用指南》[J]（劉軍，上海人民出版社，2009年第1版）中的翻譯
【6】Wasserman,S. & K.Faust.， Social Network Analysis：Methods and Aplications[M] ，1994，Cambridge University Press：249
【7】Huberman, Bernardo A.& Romero, Daniel M. &Fang Wu，Social networks that matter:：Twitter under the microscope，First Monday[J]，Jan2009，Vol. 14