• 学前教育
  • 小学学习
  • 初中学习
  • 高中学习
  • 语文学习
  • 数学学习
  • 英语学习
  • 作文范文
  • 文科资料
  • 理科资料
  • 文档大全
  • 当前位置: 雅意学习网 > 英语学习 > 正文

    【虚拟学习社区中知识共享的社会网络分析】

    时间:2019-01-14 03:38:42 来源:雅意学习网 本文已影响 雅意学习网手机站

      【摘要】文章通过社会网络分析方法对虚拟学习社区中的知识共享行为进行了解析,在“ASP.NET技术论坛”中选取了一个月的交互数据作为样本,分别从密度、社群图、中心性、小团体以及小世界效应等方面来分析虚拟学习社区的知识共享的社会网络结构,并从意见领袖、小团体建设、弱连接、吸引孤立者等角度对社区建设提出相应的策略,以促进网络结构优化,促进虚拟学习社区集体智慧发展。
      【关键词】虚拟学习社区;知识共享;社会网络分析
      【中图分类号】G420 【文献标识码】A 【论文编号】1009―8097(2010)10―0097―05
      
      一 研究的背景与目的
      
      在传统的知识共享过程中,正式的信息交流处于主要地位。如今,基于Web的虚拟社区提供了很多进行非正式信息交流的机会。Ganter Group的调查曾表明组织成员70%的信息和知识是在与他人的交流和沟通中获得的。网络环境为知识交流和共享提供了便利的平台,人们通过非正式渠道从经验丰富的社会成员那里获取并共享他们的知识,使隐性知识变成显性知识,使个人知识变成群体知识,群体知识通过成员的不断修正而得以改造和创新。
      在知识共享的过程中,每个人都是知识网络中的节点,分别向其它个体传播知识,从而形成组织内知识流动过程的知识链,编织成一张巨大、复杂的知识网,网络上的每一环节对于建立组织知识共享机制都具有重要意义。社会网络已经成为了虚拟学习环境中的核心要素[1]。网络密度、联结强度、位置、角色、信任等社会网络要素都会影响知识转移过程。本文通过对虚拟学习社区的社会网络结构的解析,明确影响知识共享的渠道和影响因素,通过优化其社会网络结构的建议,促进显性知识和隐性知识的获取和传递。
      
      二 研究方法及对象
      
      社会网络分析,是一种从量化的角度分析社会关系内在结构的研究方法。通过对成员之间关系与联结情况进行研究与分析,可以用于描述和测量成员之间的关系或通过这些关系流动的各种有形或无形的东西,如信息、资源等[2]。人际网络是知识共享的主要载体[3]。文章基于以下研究假设,开展对虚拟学习社区中的知识共享行为的分析。(1)成员以及其实施的交互行为是相互依赖的,而不是独立的、自主性的;(2)成员之间的关系是资源传递或者流动的“渠道”;(3)社会网络结构可以为成员的交互行为提供机会,也可能限制其行动;(4)网络模型把结构概念化为各个成员之间的关系模型。
      在长期参与观察的基础上,本文采用简单随机取样方法,在2010年3月对“ASP.NET技术论坛”进行了一个月的调研,此期间共有171名成员参与,发布了618篇帖子,包括128个主题帖,被浏览总数为19755次。根据研究的需要,对虚拟学习社区中的成员的编号按照字母升序排列并进行编码,对帖子的数量和指向性进行了统计,并将数据转化为邻接矩阵,使用Ucinet软件对知识共享的交互结果进行了分析。
      
      三 研究结果与分析
      
      1 网络密度分析
      网络密度指的是一个网络中实际存在的联结数目除以可能存在的最大联结数目的比值。经过计算,本研究所采用样本的交互密度为0.0152。在实际的社会网络图中能够发现的最大密度是0.5[4],有学者在相关的研究中得出在公共型社群网络密度达到0.14,科层类型的社群网络密度平均值为0.05,广场类型的社群网络密度明显较小,平均值为0.004[5]。从结果比较来看,该虚拟学习社区是一个稀疏型的社会网络结构,是一个相对松散的群体,成员之间沟通较少,知识难以扩散,不利于知识共享。这与虚拟学习社区中成员数量多、流动性高、网络规模大等因素有关系,与论坛主题较多、论题相对分散有关系。
      2 社群图分析
      社群图可以直观地表达关系网络,显示社群内人际关系的亲疏,体现群体的结构特征。在社群图中,社群成员之间的关系用有向箭头来表示。A~B表示A回复了B发表的帖子。为便于观察,未对社群图加权。
      
      从图1可以看出大部分成员都处在交互的关系链上,也有一部分成员很少与其他成员进行交互,甚至是孤立的。网络节点相对稠密的区域说明成员之间的互动频繁、关系复杂;而网络稀疏的区域则说明了成员之间的互动较少。
      为了便于观察和比较分析,本研究在图1的基础上去掉孤立节点和度数为1的节点,从而使复杂的网络结构更加清晰,如图2。可以非常直观的看出编号为85、123、25、7、94的成员,与其他成员之间的交流非常多,他们在虚拟学习社区中的身份分别均为“版主”,知名度高,受到了其他成员的敬重与信赖。他们经常引出新的论题,引导学习互动,具有较丰富的社交经验和专业知识,解决问题能力较强,具有强烈学习动机,乐于分享个人经验和心得,积极帮助其他成员学习知识,我们称其为“意见领袖”。尽管虚拟学习社区使传统的“科层制”网络结构趋于扁平化,但是意见领袖的作用不容忽略,他们是社区中的核心力量,对知识转移的方式和扩散都有很大的影响。
      
      虚拟学习社区中还有一部分成员是积极参与者,关注群体内的话题和动态,提出自己的问题,参与群体成员之间的交互,是社区网络结构链接关系的重要组成部分。如图3中编号为114和135的成员,在虚拟学习论坛中的级别均是“论坛游民”,虽然他们参与的互动不是很多,但是他们积极主动和别人交流,点出度明显高于点入度,在知识传递和共享过称中的作用不可忽视;而编号为40、43、72、73、119的成员,点入度明显高于点出度,他们更愿意将自己遇到的问题发布出来和大家一起讨论,或者是发布优质资源与大家一起共享。
      群体中的有些孤立者,与其他成员没有任何连接,共享的知识或发布的主题没有被群体中的其他成员所关注,而且他们也不积极去关注其他成员,对虚拟学习社区的知识建构与共享的贡献不大。如图1中编号为56、115、120、138、161的成员,级别均为“新手上路”,还没有融入到集体圈子中来。此外,开放性的虚拟学习社区中还隐藏着很多“观望者”,本研究所统计的128个帖子,共有收到了490个回复,被浏览过19755次,平均每40次浏览才会有一次回复。
      3 中心性分析
      一些研究结果已经表明,网络位置可以显著影响个体和组织所获得的成果,因为社会互动的结构将提升或强迫占据特殊位置的个体接近一些有价值的资源,如任务建议、信息策略和社会支持等等[6]。在社会网络中判断成员在整体网络中重要性的分析方法很多,其中使用最普遍的就是中心性分析。中心性是一个重要的个人结构位置指针,评价一个人重要与否,衡量他/她的职务的地位优越性或特权性,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,以及社会声望等常用这一指针。
      (1)点度中心性
      一个成员的点度中心性为网络中与该成员有联系的其他成员的总数目,是点出度和点入度的综合。点度中心性刻画的是一个成员与其他成员发生关系的能力。如表1所示,编号为85的成员的点出度和点入度都很高,可见该成员已经在虚拟学习论坛中建立了稳定的人际关系,这与社群图分析结果一致。编号为48的成员,在社群图中体现的中心性不明显,但是通过点度中心性的分析来看,该成员虽然拥有较少数的交流个体,但是频次多,内容更加深入,从社区的交互内容可见一斑。编号为131的成员,点出度为1,点入度相对较高,说明他们在社区中的发帖、观点表达得到了积极反馈,虽然他在社区中的级别是“新手上路”,但是被其他成员主动帮助和接纳,会很快融入到社区大家庭中来。编号为114的成员,其点出度很高,点入度为0,说明该成员积极主动参与了别人的讨论,也偶尔灌水,这与其“论坛游侠”的身份非常相符。
      
      (2)中介中心性
      如果一个点处于许多其他点对的最短的途径上,表示该点具有较高的中介中心性,它起到沟通其他成员的桥梁作用。中介中心性刻画的是一个成员控制网络中其他成员的能力。从表1中可以看出,编号为85的成员的中介中心性最高,说明该成员在网络中处于比较重要的连接性位置,掌握了较多的知识和资源,对于其他成员的相互交流起到促进和协调作用,也就是说其他成员之间的交流和合作对于这个成员的依赖性比较大。编号为171和103的成员的点度中心性不是很高,而中介中心性却很高,这是因为他们与其他成员的交流互动虽然较少,但是却占据着“结构洞”的位置,能够沟通不同的交流圈,其知识面比较综合,可以将知识扩散的更远。编号为170和86的成员,他们的中介中心性为0,虽然他们在论坛中提出的问题得到了其他成员的反馈和解答,但是他们从来没有积极主动参与其他成员的讨论,在知识传播和扩散中的中介性不强。
      4 小团体分析
      小团体分析则需要从成员之间关系的紧密程度对网络进行研究。当网络中某些成员之间的关系是相对直接的、紧密的、经常的或者积极的关系,以至于结合成一个次级团体时,在社会网络分析中被称为凝聚子群。对于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的凝聚子群分析通常被称为“小团体分析”,是一个网络的总体结构指针。小团体的建设对整个虚拟学习社区有着重要的意义,能够促进知识的深层次交互,强化归属感,形成长期稳定的交互模式,使得论坛得以维持和发展。
      (1)以节点程度计算小团体
      这种计算方法是通过对子群中的每一个成员的邻点个数进行限制而得到的。经过k-丛分析,本研究所选取的虚拟学习社区样本中有53个小团体。从表2中可以看到,编号为7、25、85、40的成员重复出现在多个小团体中,说明小团体之间有重叠,与社区中论题内容的交叉性有关系,也与这几位成员的版主身份有关系,他们的互动频次很高,知识面开阔,能够参与到不同论题的讨论之中。对于整个论坛而言,小团体较多,说明个别成员之间联系紧密,交流频繁;小团体成员重叠较多,说明小团体的形成较依赖核心成员的参与。
      (2)以距离计算的小团体
      建立在可达性基础上的凝聚子群要求一个子群的成员之间的距离不能太大,可以设定一个临界值n作为凝聚子群中的成员之间距离的最大值,n=2常常是较好的临界值。如表2所示,n-派系分析的结果共有11个小团体。
      n-派系分析的结果与k-丛分析结果差异不大,小团体之间出现了重叠,其构成几乎都是参与度较高的核心成员。充分交互、积极参与的成员会很容易形成小团体,或者融入已经存在的小团体。但相对于171位成员组成的论坛,仅仅是在少数人之间建立了较为密切的联系,说明整个论坛的互动性还不够强,多数成员还处于“散兵游勇”状态,没有深入参与社区的知识共享。
      
      5 小世界效应验证
      对于虚拟学习社区的社会网络而言,小世界效应的含义就是,知识在交流网络中的流动速度的快慢。如果一个社区交流网络具有小世界效应,那么新的观点、知识、方法的传播都是迅速的。如果不具有小世界效应,那么这就是一个信息流通速度慢甚至信息闭塞,成员不能快速进行交流的网络,这对该社区发展和知识共享都是不利的。
      一般来讲,要从网络平均距离和网络聚类系数来验证小世界理论。通过对所选取虚拟学习社区的样本进行计算,得出可达性网络节点之间的平均距离L=3.148,基于距离的内聚性(取值在0~1,值越大则意味着更大的内聚性)为0.105。也就是说,在虚拟学习社区中,每两个成员只要通过3.148个人就可以联系起来。根据小世界效应理论,L的值一般不会超过10的网络就可以说具有小世界效应。说明该社区内成员之间的社会网络具有显著小世界效应特性的网络,可以反映该社区所构成的交流环境是比较好的,成员之间具有较好的知识交流渠道。但是从内聚性指标来看,成员之间的互动深度还不够,同时也影响着知识共享的深度。
      
      四 讨论及建议
      
      一个理想虚拟学习社区应该为成员提供了一个自由、开放的学习环境,不仅提供可以自由选择的优质资源,以及便捷的信息流通渠道,更应该营造和谐融洽的氛围,从而增强合作学习,培养协同解决问题的意识和能力,促进思维能力和表达能力的发展,与他人形成良好的人际关系,从而克服孤独感,有效促进知识共享。通过对“ASP.NET技术论坛”知识共享网络的分析,发现个体功能性诉求明显,社会关系诉求相对较弱,大部分成员还未充分融入到社区所营造的知识圈。基于这种情况,本研究从社会网络视角提出以下建议:
      1 培养意见领袖
      虽然虚拟学习社区的成员流动性很大,但是还是存在着较为稳定的“精英型”的成员,他们知识丰富、文字表达能力强、分析问题深刻、有独特见解、对其他成员会产生很大影响,被称之为意见领袖。据测算,对于一个主题来讲,如果在讨论过程中有“精英型”成员的参与,那么该主题平均将会增加大约4个帖子[7]。所以培养意见领袖,可以引导、控制着整个虚拟学习社区的知识共享行为。
      2 促进小团体建设
      在虚拟学习社区中促进小团体建设,不仅能够增进成员间的深入交流,也能强化社会归属感和文化归属感。建议社区不要拘泥在“提出问题―解决问题”的个体互动交流模式上,开展一些定期会晤、项目小组、专题讨论、专家讲座,建立社区知识库,会使分散在个体之中的知识,通过交流互动和深入探讨,变为集体的知识和财富,也会使那么隐晦的、不易表达的知识得到挖掘和显性化,从而通过群体的动力来激励个人的学习。
      3 重视弱连接在知识网络中的作用
      结构嵌入理论认为,虽然“强联结”可以降低隐性知识学习的风险和获取关键技术,但是弱联结提高了信息知识传递和知识扩散的范围,稀疏网络有利于增加网络中知识的存量[8]。从宏观层面上进行分析,弱联结能在知识结构不同的群体之间起到信息桥的作用,将两个知识领域不相关或关系疏远的局部团队网络联系起来,将不同局部团队的知识带给对方,有利于改善组织的知识结构,提高群体的转移或吸收能力,扩大知识转移的范围,在获取新知识方面更有优势。
      4 吸引孤立者
      虚拟学习社区中孤立者,大部分都是“新手上路”,他们发帖后无人回应,很难在社区中找到信任感和归属感,久而久之便会退出社区,不会对社区的知识共享产生任何贡献。但是这些孤立者的知识也不容忽视,他们是社区建设的新鲜血液,是壮大社区建设的队伍、宣传社区文化的新力量,也可能会成为“精英型”成员。所以,应该主动寻找形成这些孤立者的原因以及采取相应对策,吸引他们加入到社区的知识圈中来。
      5 营造信任、共享的社区文化
      从社会网络视角来看,由于隐性知识本体的内隐性及对个体的高度依赖性,使其在社会网络中的转移远比信息网络中的转移复杂,除了网络密度、联结强度、位置、角色以外,信任也会继续影响知识转移过程。[9]利他主义的价值观将促进虚拟社区的知识交流,社区可以通过建立起合理的激励机制,激发成员的知识转移意愿,促进和激励组织成员相互学习;另一方面要营造起有利于知识转移的开放、协作、信任、互利的组织文化,以促进成员之间的交流,使其愿意与他人共享知识,以提高知识转移效果。
      
      五 结束语
      
      社会网络分析虽然可以反映虚拟学习社区中知识的流动性特点,但是还难以说明知识共享的交互质量。本研究只对一段时间内虚拟学习社区内成员的交互情况进行了分析,没有考虑学习者之间的互动随时间的发展所呈现出来的规律,也没有考虑虚拟学习社区中成员线下交流以及其他交流渠道的可能性。社会网络是一个关系的形式,并不是关系的性质,过分关注形式,有忽视本质的危险,所以社会网络分析的解释范围是有限的,需要结合其他的研究方法才能更全面描述和解释虚拟学习社区中的知识共享行为,研究结果才更真实有效。
      
      参考文献
      [1] Haythornthwaite,C.Building social networks via computer networks:Creating and sustaining distributed learning communities[A].K.A.Renninger &W.Shumar.Building virtual communities:learning and change in cyberspace[C].Cambridge:
      Cambridge University Press,2002:159-190.
      [2] 陈向东.基于社会网络分析的在线协作学习研究[J].中国电化教育,2006,(10):27.
      [3] 单雪韩.改善知识共享的组织因素分析[J].理论视点,2003,(1):46.
      [4] 刘军.社会网络分析导论[M].北京:社会科学文献出版社,2004:106.
      [5] 张瑜.BBS网络空间的社会交往领域―以水木社区的实证分析为例[J].青年研究,2007,(8):26.
      [6] Brass, D.J. .Being in the right place:A structural analysis of individual influence in an organization[J].Administrative ScienceQuarterly,1984,(29):518-539.
      [7] 宫辉,徐渝.高校BBS社群结构与信息传播的影响因素[J].西安交通大学学报,2007,(1):96.
      [8] 肖冬平,顾新,彭雪红.基于嵌入视角下知识网络中的知识流动研究[J].情报杂志,2009,(8):120.
      [9] 马费成,王晓光.知识转移的社会网络模型研究[J].江西社会科学,2006,(7):38-44.

    推荐访问:虚拟 共享 社会 知识

    • 文档大全
    • 故事大全
    • 优美句子
    • 范文
    • 美文
    • 散文
    • 小说文章