基于社会网络分析视角的微博学术信息交流实证分析

基于社会网络分析视角的微博学术信息交流实证分析

摘 要：微博是伴随web2.0技术迅速发展的网络社区平台，越来越多的学者或用户利用微博进行学术信息交流。以“图书馆学、情报学领域的微博圈”为研究样本，构建关注矩阵，运用社会网络分析法，通过学者之间的关注及交流探寻微博学术信息交流网络的特点，以期为其它领域的学术信息交流提供参考和借鉴，同时为学科发展提供实际应用价值。

关键词：学术信息交流；社会网络分析；微博

Based On SNA Perspective Empirical Analysis Microblog Academic Information Exchange

Abstract: Microblog is associated with web technology of the rapid development of the network community platform, more and more scholars or user use Microblog for academic exchanges of information. With \"circle of Microblog\" in the field of library and library science as the research sample, build on matrix, using social network analysis method, through the scholars attention and interaction between search Microblog the characteristics of the academic information exchange network, so as to provide reference for other areas of academic information exchange and reference, at the same time provide practical application value for subject development.

Key words: The academic exchanges of information；SNA；Microblog 1研究背景及相关工作 1.1 研究背景

Web2.0的出现和发展，催生了博客（Blog）、人人网、微博客（简称：微博）、网摘、P2P、天涯社区等虚拟社区的形成,它们所具备的即时性、互动性等优势 [1]引发了学术信息交流环境、范围、方式以及内容的巨大的变化：学术信息交流环境由实体空间逐渐转变为虚拟社区平台,不同学者、专业人士之间的交流比现实生活中交流更为真实；学术信息交流的范围不再局限于固定的学科以及人员结构,从整体上实现了跨空间、跨地区共享；学术信息交流的方式从单一向多样转变，从学术座谈会、研讨会扩展到学术博客、学术论坛、学术微博圈等；学术信息交流的内容也打破了传统学术信息交流话题固定、覆盖面少、内容单一的局限性，不仅实现了显性知识的共享，更推动了隐性知识的利用[2]。其中，微博独特的设

计理念，及时、通畅和广泛的用户信息交流渠道，使其在众多的虚拟社区中脱颖而出。

近年来，作为新兴的社交网络应用，微博已经成为网民获取信息的重要途径之一，微博从满足人们弱关系的社交需求逐渐演变为大众化的舆论平台，越来越多机构及公众人物都通过微博来发布或传播信息。截至2013年6月底，我国微博网民规模为3.31亿，较2012年底增长了2216万，增长7.2%。网民中微博使用率达到了56.0%，较2012年底增加了1.3个百分点[3]。 1.2 相关工作

目前，我国学者对于微博信息交流网络的特点的研究主要集中在以下两个方面：

（1）微博用户信息交流网络结构的研究。王晓光等人[4]首先深入研究与实证分析了微博用户形成的交流网络,分别根据社会网络分析中的核心—边缘理论和聚类分析方法，界

定了微博社区中核心区域与外围区域，描述了聚类群组结构,分析了群组间成员彼此关系。亦有学者[5]提出了3 种信息交流网络结构模型,即圈子模型，嵌套模型和围观模型，并且从微博信息传播机制角度提出了裂变模式和聚合模式，从信息内容分析角度提出了链状模式、环状模式和树状模式。除此之外，袁毅，杨成明[6]

从实证分析的角度出发，跟踪微博用户在时间周期内关于某一话题的交流

数据，发现用户在信息交流过程中形成了关注、评论、转发和引用四种社会关系

网络，对此，利用社会网络分析软件,测量、比较和分析了四种网络不同的结构形态及其交流特征。

（2）微博社区信息传播模式的研究。中国科学院国家科学图书馆利用新浪微博平台设立官方微博“科学人讲坛”,构建了集微博信息发布、微博活动直播、微博大屏幕、微访谈等多种微博服务应用于一体的“微博传播云”模式[7]。刘丽芳[8]通过构建微博的信息传播模式，提出微博客的传播方式既不是传统媒体的线性传播，也不是网络媒体的网络传播，

而是一种裂变传播。社交网络提供了一种基于关系的网络信息传播方式，社交网络信息

传播模式中传播者与受众、传播媒介、传播内容、传播方向、传播效果等要素各

有其特殊性。对此,史亚光，袁毅[9]通过构建社交网络传播模式，准确地描述了社交网络

中信息传播的过程以及上述要素的特点。此外,亦有学者[10]结合社会网络分析方法对传播模式、传播者、传播渠道、传播内容和受众等方面分析了影响网络社区信息传播的因素。随着研究的不断深入，微博信息交流网络模型的建模方法亦倍受关注，微博用户的

信息交流机制和微博信息分类技术逐渐走向成熟[11]。

从上述分析可以看出，目前对于信息交流的研究大多都是从信息交流网络结构、信息传播模式等角度进行研究，但以微博为载体的此外，目前对

“学术”信息交流研究很鲜见。

微博网络结构、相互关系、交流程度等问题研究尚

实证，从微博构建者之间学术信息交流与信息传播的角度出发，基

不够深入，而这正是揭示学术信息交流的关键。综合以上因素，本文选取图书馆学、情报学领域的微博圈作为

于建立的关系矩阵数据，运用社会网络分析法，通过学者之间的交流及关注探寻微博学术信息交流网络

的特点，以期为其它领域的学术信息交流提供借鉴[12]。

2 理论方法与数据采集 2.1理论方法

2.1.1社会网络分析方法

社会网络分析是从“关系”的角度来研究社会现象和社会结构[13]，本文采用社会网络分析软件Ucinet6进行中心度分析，研究以微博客为载体的图书情报专业学

术信息交流过程中的社会网络及其关系。 2.1.2小世界理论

20世纪60年代，Stanley Milgram利用熟人之间的关系设计了连锁信件实验，开创了“现象量化”的先河[14]。任何两个素不相识的人，通过一定的方式，总能够产生必然联系或关系。最多通过六人的中介，就可以结识任何一个人。这种颇为典型的现象在学术界概括为著名的“小世界”（small world）理论或“六度分隔”（six degrees of separation）[15]。本文结合小世界理论，基于

关注矩阵统计数据,利用Ucinet 软件,通过“Network→Cohesion

→Distance”路径,计算特征路径长度，以判断图情微博学术信息交流是否具有小世界效应，并且从结构特征上判断微博的学术信息传播效率。 2.2数据采集 2.2.1确定样本

本文研究样本来自“新浪微博”网站，为保证样本的随机性和相关性，本文采用滚雪球抽样法，首先在新浪微博平台上，以图情专业微博为搜索方向，在高级搜索中选择条件—

—“找人”，输入“图书馆学”，便可查找到部分图情的微博主，其中微博构建者包括专家教授、图书馆员、专业期刊杂志、图书馆、专业学生。搜索结果显示关注度最高（即粉丝数量最多）的微博主为“竹帛斋主”，本次研究便将该博主作为抽样的起点，通过“竹帛斋主”的“关注”和“粉丝”及微博的特色功能——“共同关注”、“我关注的人也关注他”、“他的粉丝还关注了”收集了相关微博主，从而确定了基本样本范围。由于部分微博构建者的“关注”、“粉丝”及“微博”数量均较少，为了缩小样本，提高选取的链接的相关性，笔者通过“共同关注”、“我关注的人也关注他”、“他的粉丝还关注了”等功能，经过筛选最终确定了30个图情微博关系网络紧密、互动性强的样本。为方便后续的社会网络分析，笔者对用户名称进行顺序编号，如表1所示。

表1 微博用户编号

编号 1 2 用户名称 竹帛斋主 立人图书馆 编号 11 12 用户名称 图书情报工作 图有其表 编号 21 22 用户名称 上图文献服务 图书馆建设_黑龙江 3 4 5 6 7 8 9 10 书蠹精 彭老图 图书馆报 图林老姜 老槐 陈定权 武汉图书馆 超平 13 14 15 16 17 18 19 20 书骨精 西北老汉2011 初景利 上图赵亮 北大图书馆视界 吉林省图书馆 情报学论坛 图林扫地僧 23 24 25 26 27 28 29 30 naisi 图书馆观察 catwizard 赖茂生40后 书图同归 欧阳名扬 蒋永福 图林小子 2.2.2构造关联图

根据筛选的样本构建关注网络矩阵。其中矩阵的行代表关注者，列代表被关注者，如果某一用户关注另一个用户，则对应的元素值为1，如果没有关注另一个用户或行列对应的元素相同，则对应的元素值为0[16]（此次采集的关注数据截至2013年6月1日14:00）。所得关注网络矩阵见附件。

根据关注网络矩阵值，构造关联图，通过NetDraw可以将网络关系更直观的地表现出来，如图1所示。

图1 关注矩阵图

3 过程分析 3.1中心度分析

根据图1关注矩阵图可以看出，该矩阵反映的是用户之间的有向关系，箭头指向表示“A”关注“B”[17]。一个结点指向其他结点的箭头的数量记做点出度( outdegree)，一个结点被其

他结点所指的箭头的数量记做点入度(indegree)。点出度表示的是用户关注其他用户的程度，点入度则用来表示用户被其他用户关注的程度。通过出度和入度，可以判断出哪些用户在图情微博客圈中处于核心地位，微博更具有影响力。其中“点度中心度”刻画的是行动者的局部中心指数，测量网络中行动者自身的交易能力，没有考虑到能否控制他人。“中间中心度”研究一个行动者在多大程度上居于其他两个行动者之间，因而是一种“控制能力指数”。“接近中心度”考虑的是行动者在多大程度上不受其他行动者的控制。 3.1.1点度中心度

在Ucinet中调入关注网络矩阵数据，按照以下路径Network>Certrality>Degree进行点度中心度分析，得出结果见图2。

FREEMAN'S DEGREE CENTRALITY MEASURES -------------------------------------------------------------------------- Diagonal valid? NO Model: ASYMMETRIC

Input dataset: 关注网络矩阵 (I:\\关注网络矩阵)

1 2 3 4 OutDegree InDegree NrmOutDeg NrmInDeg ------------ ------------ ------------ -------------------------------- 4 彭老图 27.000 24.000 93.103 82.759 20 图林扫地僧 27.000 17.000 93.103 58.621 6 图林老姜 27.000 23.000 93.103 79.310 28 欧阳名扬 26.000 9.000 89.655 31.034 8 陈定权 25.000 21.000 86.207 72.414 1 竹帛斋主 25.000 25.000 86.207 86.207 14 西北老汉2011 25.000 22.000 86.207 75.862 13 书骨精 24.000 22.000 82.759 75.862 27 书图同归 23.000 10.000 79.310 34.483 22 图书馆建设_黑龙江 23.000 13.000 79.310 44.828 16 上图赵亮 21.000 20.000 72.414 68.966 7 老槐 21.000 26.000 72.414 89.655 11 图书情报工作 19.000 21.000 65.517 72.414 18 吉林省图书馆 9.000 12.000 65.517 41.379 5 图书馆报 19.000 20.000 65.517 68.966 15 初景利 18.000 20.000 62.069 68.966

21 上图文献服务 18.000 13.000 62.069 44.828 3 书蠹精 17.000 23.000 58.621 79.310 10 超平 15.000 24.000 51.724 82.759 24 图书馆观察 15.000 18.000 51.724 62.069 9 武汉图书馆 15.000 14.000 51.724 48.276 23 naisi 14.000 22.000 48.276 75.862 12 图有其表 14.000 24.000 48.276 82.759 26赖茂生40后 14.000 14.000 48.276 48.276 19情报学论坛 12.000 12.000 41.379 41.379 25 catwizard 11.000 19.000 37.931 65.517 30 图林小子 9.000 7.000 31.034 24.138 2 立人图书馆 5.000 11.000 17.241 37.931 17 北大图书馆视界 4.000 15.000 13.793 51.724 29 蒋永福 0.000 11.000 0.000 37.931 Network Centralization (Outdegree) = 33.056% Network Centralization (Indegree) = 29.489%

图2 点度中心度计算结果

从图2 点度中心度计算结果可以看出，点出度较高的为4号“彭老图”、20号“图林扫地僧”、6号“图林老姜”，点出度均为27，表明他们关注其他用户的程度较高；点入度较高的为7号“老槐”（点入度为26）、1号“竹帛斋主”（点入度为25）、4号“彭老图”、10号

处于图情微博客圈的“超平”、12号“图有其表”（点入度均为24），表明他们更受关注，○

领袖地位,发布的微博具有较高话语权,容易引起大家的互动，通过评论、转发扩大微博影响力。通过关注7号“老槐”、1号“竹帛斋主”、4号“彭老图”的微博，不难发现,其微

博大部分内容都是与图情专业有关的信息。其中，含有专业内容的信息，图情微博客的用户评论、转发最为活跃。例如：“竹帛斋主”2013年5月29日21:11发布微博“今天下午电话询问书骨精：高校图书馆藏书2670万册，位居全国第一，这数据可信吗？答曰：太离谱的不止这一家......”，截至2013年5月31日转发次数便达到36次，评论5次。这在一定程度上，为增进学术信息交流提供了崭新的平台。此外，从相对出度和相对入度的数据分析来看，4号、6号、8号、1号用户均靠前，说明在学术信息交流过程中，这些用户的沟通交流相对紧密。

从数据描述结果来看，网络点出度中心势和点入度中心势分别为33.056%和29.489%。中心势刻画的是一个网络所具有的中心趋势，从中心势值不难发现，图情微博客中关注他人的用户更具集中趋势。由于样本较小，且数据比较分散，得出被关注中心势29.489%，也表现出比较明显的集中势。 3.1.2中间中心度

中间中心度测量的是行动者对资源控制的程度。如果一个点处于许多其它点对的捷径（最短的途径）上，该点便具有较高的中间中心度。由此可以看出，位于中间中心的点起到沟通各个行动者的桥梁作用。美国社会学家、加州大学尔湾分校的林顿.弗里曼教授认为，如果一个行动者处于多对行动者之间，那么他的度数一般较低。这个相对来说度数比较低的点可能起到重要的“中介”作用，因而处于网络的中心。鉴于此，为获取图情专业微博客用户的中间中心度，判断用户是否处于核心位置，以此定位此用户在学术信息交流中的影响力，笔者在Ucinet中根据Network> Certrality>Freeman Betweeness>Node Betweeness路径进行中间中心度分析，计算结果如图3所示。

FREEMAN BETWEENNESS CENTRALITY

--------------------------------------------------------------------------- Input dataset: 关注网络矩阵 (I:\\关注网络矩阵) 1 2 Betweenness nBetweenness ------------ ------------ 4彭老图 36.183 4.456 6图林老姜 33.427 4.117 1竹帛斋主 27.001 3.325 14西北老汉2011 25.594 3.152 13书骨精 20.666 2.545 7老槐 20.665 2.545 8陈定权 19.781 2.436 20图林扫地僧 16.307 2.008 24图书馆观察 11.090 1.366 16上图赵亮 10.882 1.340 11图书情报工作 10.139 1.249 10超平 8.018 0.987 3书蠹精 7.626 0.939 28欧阳名扬 6.932 0.854 5图书馆报 6.624 0.816 15初景利 6.082 0.749 22图书馆建设_黑龙江 5.799 0.714 18吉林省图书馆 5.016 0.618 25 catwizard 4.854 0.598 12图有其表 4.747 0.585

23 naisi 4.582 0.564 27书图同归 3.932 0.484 19情报学论坛 3.796 0.467 9武汉图书馆 3.327 0.410 26赖茂生40后 2.670 0.329 21上图文献服务 2.308 0.284 17 北大图书馆视界 0.957 0.118 30图林小子 0.791 0.097 2立人图书馆 0.204 0.025 29蒋永福 0.000 0.000 Network Centralization Index = 3.29%

图3中间中心度计算结果

图3计算结果从高至低给出了各个用户的绝对中间中心度(Betweenness)和相对中间中心度(nBetweenness)。不难发现，4号“彭老图”、6号“图林老姜”、1号“竹帛斋主”、14号“西北老汉2011”是中间中心度比较高的。也就是说上述4个用户在信息交流中处于核心位置,其他用户获取信息对这4个用户的依赖性比较大。由此可知,4号、6号、1号、14号用户在图情微博客学术交流圈中影响力比较大，通常他们的微博更能引起大家的热应，增进学术信息交流。网络的中间中心势为3.29%，比例很低，即在微博客交流网络中大部分结点不需要别的结点作连接，便可以得到所需信息。 3.1.3接近中心度

接近中心度测量的是一个行动者不受其他行动者“控制”的能力,而中间中心度测量的是一个行动者“控制”其他行动者的能力。所以接近中心度与点度中心度和中间中心度相反，该值越小,说明该点与其他点的距离和越小,在获取信息时越不容易受其他点的控制。

将上述“关注网络矩阵”输入到Ucinet软件中，根据Network> Certrality> Closeness路径进行接近中心度分析，计算结果如图4所示。

CLOSENESS CENTRALITY

-------------------------------------------------------------- Closeness Centrality Measures

1 2 3 4 inFarness outFarness inCloseness outCloseness ------------ ------------ ------------ ------------

29蒋永福 47.000 87.000 61.702 3.333 7老槐 60.000 37.000 48.333 78.378 1竹帛斋主 61.000 33.000 47.541 87.879 10超平 62.000 43.000 46.

774 67.442

12图有其表 62.000 44.000 46.774 65.909 4彭老图 62.000 31.000 46.774 93.548 6图林老姜 63.000 31.000 46.032 93.548 3书蠹精 63.000 41.000 46.032 70.732 23 naisi 64.000 44.000 45.313 65.909 14西北老汉2011 64.000 33.000 45.313 87.879 13书骨精 64.000 34.000 45.313 85.294 8陈定权 65.000 33.000 44.615 87.879 11图书情报工作 65.000 39.000 44.615 74.359 16上图赵亮 66.000 37.000 43.939 78.378 5图书馆报 66.000 39.000 43.939 74.359 15初景利 66.000 40.000 43.939 72.500 25 catwizard 67.000 47.000 43.284 61.702 24图书馆观察 68.000 43.000 42.647 67.442 20图林扫地僧 69.000 31.000 42.029 93.548 17北大图书馆视界 71.000 55.000 40.845 52.727 26赖茂生40后 72.000 44.000 40.278 65.909 9武汉图书馆 72.000 43.000 40.278 67.442 21上图文献服务 73.000 40.000 39.726 72.500 22图书馆建设_黑龙江73.000 35.000 39.726 82.857 18吉林省图书馆 74.000 39.000 39.189 74.359 19情报学论坛 74.000 46.000 39.189 63.043 2 立人图书馆 75.000 53.000 38.667 54.717 27书图同归 76.000 35.000 38.158 82.857 28欧阳名扬 77.000 32.000 37.662 90.625 30图林小子 80.000 49.000 36.250 59.184

图4接近中心度计算结果

从图4计算结果可以看出，左列用户编码就是根据发布信息到其他各点的便捷难易程度排序的，越靠前则越不容易受到他人控制，越独立。从获取信息的难易程度而言，其顺序略有变化，排在前几位的即4（6）（20）、28、1（14）（8）。越靠前的越容易获取信息，不易受人控制，独立性强。

从图2、图3、图4三种中心度的测算可以看出，三者之间存在一定的关系。30号“图林小子”、 2号“立人图书馆”、19号“情报学论坛”均是点度中心度低，接近中心度高，

此类是与重要人物有关联的关键人物。“立人图书馆”、“情报学论坛”属于公共性微博，故人脉较广，凝聚了相关领域的学者。1号“竹帛斋主”、4号“彭老图”、6号“图林老姜”的接近中心度低，点度中心度高，反映的是所嵌入的聚类远离网络的其他点。此类学者有固定的“圈子”，与“圈子”外的人联系甚少。7号“老槐”、1号“竹帛斋主”接近中心度低，中间中心度高，此类点极少见，意味着“自我”垄断了从少数人指向很多人的关系。2号“立人图书馆”、30号“图林小子”、26号“赖茂生40后”中间中心度低，接近中心度高，说明在网络中可能存在多条途径，自我与很多点都接近，但是其他点与另外一些点也很近。从用户间的互动关系不难发现，处于核心位置的用户能够集聚话题，通过群体的参与使用户挖掘有效信息的时间成本得到控制，打破了信息的隔离与片面，易于研究者及时把握某一学科领域的发展动态。但同样的话题，用户的立场却不尽相同。 3.2微博学术信息交流网络的小世界特性

小世界效应对于微博学术信息交流具有重要意义。如果该网络具有小世界效应，那么说明学术交流网络信息通畅，专业人员能够随时随地沟通交流。相反如果不具有小世界效应，那么这个网络就是一个信息流通速度慢甚至信息闭塞，人员不能快速进行交流的网络，这对该学科发展是不利的。

在学术信息交流领域主要应用特征路径长度指标来刻画网络的小世界特征[18]。相对于中心度分析而言,小世界分析更加深入和全面地描述了学术信息的交流。特征路径越短，小世界的程度越高。小世界的程度越明显，学术信息在网络中的交流程度越大。

特征路径长度指网络中所有节点之间的平均最短距离，表现了网络结构的全局特征。首先将关注网络矩阵输入到Ucinet软件中，沿着Network→Cohesion→Distance路径即可计算出30位成员的关注网络距离，相关信息如图5所示。

GEODESIC DISTANCE

----------------------------------------------------------------------------

Type of data: ADJACENCY

Nearness transform: NONE

Input dataset: 关注网络矩阵 (I:\\关注网络矩阵)

Output distance: I:\\关注网络矩阵-Geo

For each pair of nodes, the algorithm finds the # of edges in the shortest path

between them.

Average distance (among reachable pairs) = 1.369 Distance-based cohesion (\"Compactness\") = 0.789 (range 0 to 1; larger values indicate greater cohesiveness) Distance-weighted fragmentation (\"Breadth\") = 0.211

Frequencies of Geodesic Distances

Frequen Proport

------- ------- 1 532.000 0.633 2 308.000 0.366 3 1.000 0.001 图5 最短路径长度

从图5可以看出，成员之间距离为1的情况出现了532次，占总数841的63.3%。距离为2的情况出现了308次，占总数的36.6%。距离为3的情况出现了1次，占总数的0.1%。 各微博用户之间的平均距离L=1.369,即在图情微博学术信息交流中,微博用户最多经过两个中间人就可以把学术信息传递给另一个人，平均经过不到1人就可以将学术信息传递给另一个人[19]。鉴于此，图情微博学术信息交流具有小世界效应，用户之间交流越紧密，信息传播越广泛。 3.3 分析与讨论

本文利用社会网络分析工具Ucinet,建构了图情专业微博关注矩阵及Netdraw可视化关注图形，分析探讨了学术信息交流过程中的社会网络中心度及小世界理论的应用，并从诸因素相互关联的角度，对中心度中的点度中心度、中间中心度和接近中心度做出了相应的阐述。研究主要得出如下结论：

（1）基于微博平台的图情专业学术信息交流，通过微博媒体特质的传播聚集能量，信息传播的力度呈现裂变式扩散，信息传播的广度和深度都得到前所未有的延展。信息传播的路径及传播的影响力取决于经过的用户节点，当某用户拥有较多的粉丝时，该节点具有较强的触发、耦合、并发的传播能力，以此吸引更多的用户转发、评论，扩大信息影响力[20]。当信息得以更新，即新的信息可能触发用户对原有信息的转发或评论，使学术信息交流频繁，关系网更加紧密。

（2）基于微博平台形成的虚拟社区的组织结构分为圈式结构和链式结构[21]。圈式结构的社区有一个明确的边界，在某个社区范围内，社区成员有明确的话题，以及固定的成员模式。而链式结构的社区，人们互动交流不需要明确的话题，通过“标签”、“关注”、“被关注”、“转发”、“评论”等形式便能使信息不断扩散，形成复杂的交流网络。微博就是靠上述形式形成链条来传播信息的。人们通过“关注”、“评论”形成“强联系“、通过“转发”、“感兴趣的话题”等形成“弱联系”。而“弱联系”通过话题的交流、讨论便极有可能转变为“强联系”。

（3）基于微博平台形成的学术信息交流圈，圈中每个用户在网络信息传播中的权力是不同的，影响力也不同。权力大的被称为“意见领袖”，“意见领袖”处于学术信息交流圈的核心地位，具有较高的话语权，是学术信息交流圈中其他用户获取信息的主要来源，同时也是学术信息交流圈中其它信源效仿跟进的首选。例如本文样本中的用户“竹帛斋主”，无论粉丝数量还是微博数量都居图情专业微博学术交流圈首位，其发布的学术信息更容易引起同行的关注，由此引发讨论，增强学术信息交流的互动性。除“意见领袖”外，其他用户由于

中心度不同，权力的形式也会有所不同，在学术信息交流过程中的活跃程度便也存在一定的差异。因此，对处于学术信息交流圈中枢统驭地位的信源加强关注与管理，将极大地提高和改善微博信息传播管理的效果与水平。

（4）基于微博平台的图情专业的学术信息交流圈具有显著的小世界网络特性[22]。圈中每两个微博用户只要通过1.369个人就可以建立联系，由此表明，微博图情专业的学术信息交流通畅，圈中用户之间联系紧密，具有很好的信息交流渠道。

（5）基于微博平台的学术信息交流有利于群体的形成和凝聚，以扩大影响力。微博体现的本质属性是关系社会，其文化内核是群体化、联系化的。随着社交媒体的不断发展，传统的人际结构面临着新型技术的冲击，不断推进着在网络层面的身份以及自身的需求。微博的用户需求包括：社交需求、职业交流需求、满足兴趣爱好需求等，这些需求促使用户在虚拟社区环境中参与互动，实现信息交流。微博作为开放的平台，信息更新速度快，并且发布的信息具有开放性和透明性，通过微博这一媒介，可以看到、听到更多的用户言论。微博学术信息的群体传播，会加深微博群体成员间的相互影响，从而形成群体心理。 4 结语

本文主要探讨基于社会网络分析视角的微博学术信息交流，其特点、范式是否适用于相近或同族学科还有待于进一步深入研究；此外，微博仅能从局部来反映学术信息交流的结构，而不能表示总体。在今后的研究中，还要选取众多的实例样本，通过内在结构的深入分析，验证基于社会网络视角的微博平台在其它专业领域的学术信息交流中是否具有可适性。学术信息交流渠道的畅通与否关系到知识创新和学科发展的进程。通过社交网络平台的交流能否对学术界的发展起到根本性的作用还不能过早地下结论，但在一定程度上促进了知识传播与交流。 参考文献

[1]林忠.学术博客与传统学术交流模式的差异探析[J].情报资料工作,2008(1):41-44. [2]李婷.互联网时代信息传播与交流模式[J].科技情报开发与经济,2012(19):115-118 [3]CNNIC第32次互联网报告[EB/OL].[2013-10-5]. http://tech.163.com/13/0717/13/9407BUV900094NSI_4.html

[4]王晓光,袁毅,滕思琦.微博社区交流网络结构的实证分析[J].情报杂志,2011(2):199-202. [5]袁红,赵磊.微博社区信息交流网络结构与交流模式研究[J].现代情报,2012(9):48-56

[6]袁毅,杨成明.微博客用户信息交流过程中形成的不同社会网络及其关系实证研究[J].图书情报工作,2011(12):31-35.

[7]杨琳,龚惠玲,陈朝晖,李武,田蕊. 图书馆科学文化微博传播模式研究——中国科学院国家科学图书馆的探索和思考[J]. 图书情报工作,2012(7):74-78.

[8]刘丽芳.微博客的传播特征与传播效果研究[D].浙江:浙江大学,2010

[9]史亚光,袁毅.基于社交网络的信息传播模式探微[J].图书馆论坛,2009(12):220-223.

[10]翟廷祥.基于社会网络分析的网络社区信息传播模式研究[D].南京:南京航空航天大学,2011 [11]麦艺华.面向中文微博的社会网络分析及应用[D].广东:华南理工大学,2012

[12]张玥,朱庆华.Web2.0环境下学术交流的社会网络分析——以博客为例[J].情报理论与实践,2009(8):28-32. [13]刘军.整体网分析讲义——UCINET 软件应用[C].第二界社会网与关系管理研讨会资料.哈尔滨:哈尔滨工程大学社会学系,2007(1).

[14]Jeffrey Travers&Stanley Milgram.An Experimental Study of the Small World Problem.Sociometry[J].Vol.32, No4 (Dec,1969)

[15]曾明彬,周超文.基于小世界理论的社会网络服务与未来教育探析[J].电子商务,2010(4):32-33 [16]王晓光,袁毅,滕思琦.微博社区交流网络结构的实证分析[J].情报杂志,2011(2):199-202.

[17]平亮,宗利永.基于社会网络中心性分析的微博信息传播研究———以Sina 微博为例[J].图书情报知识,2010(6):92-97.

[18]KleinbergJ. The Small-World Phenomenon:An Algorithmic Perspective[J]. Cornell University,2005(6):1-12

[19]李长玲,纪雪梅,支岭.基于社会网络分析的企业内部知识传播效率分析[J].情报理论与实践,2011(10):56-61

[20]袁毅.微博客信息传播结构、路径及其影响因素分析[J].图书情报工作,2011(12):26-30. [21]彭兰.网络社区对网民的影响及其作用机制研究[J].湘潭大学学报,2009(7):21-27.

[22]姜鑫,田志伟.微博社区内信息传播的\"小世界\"现象及实证研究——以腾讯微博为例[J].情报科学,2012(8):1139-1142.

作者简介：

王 雨，女，1989年生，吉林大学管理学院硕士研究生。