社会网络分析网络传播论文

摘要：根据微博时尚美妆用户间的互相关注关系构建了用户关注网络，并用社会网络分析方法进行分析，识别出具有高影响力的美妆博主。通过社会网络分析工具Ucinet分析了50位微博美妆博主所构成网络的网络密度，中心性和凝聚子群，同时引入网络权力计量模型，识别出了在网络中居于核心地位的具有高影响力的美妆博主。下面是小编整理的《社会网络分析网络传播论文(精选3篇)》，供大家参考借鉴，希望可以帮助到有需要的朋友。

社会网络分析网络传播论文 篇1：

基于社会网络分析的网络舆情实证研究

〔摘要〕网络舆情作为一种重要的舆情形式，以网络为平台反应了民众对社会形势和社会事件的态度和意见。随着互联网的高度发展，网络舆情对国家和社会的影响日益明显，因此对网络舆情的研究具有十分重大的意义。本文分析了社会网络分析法在网络舆情方面的应用，以某一社会热点事件为例，进行了基于社会网络分析的网络舆情实证研究，通过研究发现了舆情信息并提出了舆情管理建议。

〔关键词〕网络舆情；民众；社会网络分析

〔

“社会网络”（Social Network）的概念由英国人类学家布朗于上世纪二三十年代在研究社会结构时首次提出，从此社会网络分析法逐渐发展起来[1]。社会网络分析法主要是通过研究由行动者及其之间的关系构成的网络，得出关于这个网络属性和特点的结论。经过70多年的发展，社会网络分析法走向成熟。作为一种跨学科的研究方法，在社会学、心理学、统计学等多个领域得到广泛应用并取得成果。随着互联网的高速发展，在网络舆情中，行为者即网民也构成了社会网络，互联网上的交流取代传统的社会网络中的关系成为连接行为者的纽带。因此，社会网络分析也可以用于网络舆情的研究。

在Web 2.0时代，网上信息源已经不单单是大众传媒和各类官方网站，普通网民在网上不再是简单地作为信息受众通过浏览器阅读信息，他们同时也是发布信息的信息源。2012年7月19日，中国互联网络信息中心（CNNIC）在京发布的《第30次中国互联网络发展状况统计报告》显示，截至2012年6月底，中国网民数量达到5.38亿，增长速度更加趋于平稳；其中最引人注目的是，手机网民规模达到3.88亿，手机首次超越台式计算机成为第一大上网终端[2]。借助移动终端和个人计算机，网民通过博客、微博和社交网站可以更加简便、自由、随时随地在网上发布各种消息，并发表个人的言论、情感、意见等等，网络舆情正变得越来越复杂，对社会稳定的影响也越来越大[3]。网民不但通过互联网曝光一些热点事件，为加强对政府的舆论监督起到推动作用；同时也有相当数量的网民通过互联网造谣传谣，对构建和谐社会造成了不良影响。因此，加强对网络舆情的研究分析至关重要。

1社会网络分析法在网络舆情研究中的应用

1.1网络舆情及其特点

舆情是民众关于现实社会中各种现象、问题所表达的政治信念、态度、意见和情绪的总和[3]，网络舆情就是民众通过互联网对政府管理以及现实社会中各种现象、问题所表达的政治信念、态度、意见和情绪的总和。随着因特网在全球范围内的飞速发展，网络媒体已被公认为是继报纸、广播、电视之后的“第四媒体”，网络成为反映社会舆情的主要载体之一。网络环境下的舆情信息的主要来源有：新闻评论、BBS、博客、聚合新闻（RSS）。网络舆情表达快捷、信息多元，方式互动，具备传统媒体无法比拟的优势。网络作为一种新兴传播载体，已经成为民众表达舆情的重要窗口，网络舆情的特点与网络传播方式的特征息息相关。网络舆情的主要特点体现在以下几个方面：

（1）发生在网络空间内，带有深刻的网络技术特性，发生快、扩散快、强度大，多数人倾向于在网络中表达内隐在心中的情绪，偏激的声音容易占据主导地位；

（2）网络群体围绕某一话题进行讨论并因此而出现的社会矛盾、突发事件、恶意煽动、个人情绪等是网络舆情生成；

（3）网络舆情是网民流露出来的态度，而不是有形的文字、声音、符号，对网络舆情更重要的是对态度和取向的分析，要关注整体而非特例。

（4）由于发言者身份隐蔽，并且缺少规则限制和有效监督，网络自然成为一些网民发泄情绪的空间。在现实生活中遇到挫折，对社会问题片面认识等等，都会利用网络得以宣泄。因此在网络上更容易出现庸俗、灰色的言论。

另外，网络舆情与国家安全也紧密相关。网络在提供了下情上达的便捷方式的同时，也对我国政治安全和文化安全构成了严重威胁，具体表现在以下3个方面：一是西方国家利用网络对我国进行“西化”、“分化”，网上思想舆论阵地的争夺战日趋激烈。二是传统的政治斗争手段，在网上将以更高效的方式实现，利用网络串联、造谣、煽动将比在现实中容易得多，也隐蔽得多。三是通过网络，西方的观念、生活方式可以便捷地渗透进来。因此，加强网络舆情的研究和管理引导是十分必要的。

1.2.1社会网络分析及其特点

社会网络分析方法一般是研究组织中诸如咨询、信任、友谊、情报、沟通和工作流程等关系的网络， 以解释组织内部的决策、沟通和组织冲突等问题。在社会科学中，以社会行为者之间信息互动为基础的社会性研究方法被称为社会网络分析。社会网络分析研究个体及将个体联系起来的关系，力求揭示这些关系的模式，并通过对关系模式的分析来获得个体在群体中的地位以及群体的结构、功能和内涵。

社会网络分析作为社会结构研究的一种独特方法，以下几个方面的特点[5]：

（1）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。

（2）它把结构看作是网络间的网络，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。

（3）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——主流的统计方法，这类方法要求的是独立的分析单位。

1.2.2社会网络分析的研究方向

社会网络分析一般分为3个研究方向：

（1）动态分级。研究社会网络的动态变化，并根据结点之间的相互关系，对网络中的结点进行动态的等级划分。

（2）角色评价。依据社会网络分析理论，网络中的每个结点都扮演着不同的角色。角色评价就是着重研究网络中的结点对网络的结构、动态变化等所起到的不同作用。

（3）专家和社群的发现。通过社会网络分析法研究社会网络中结点之间的关系，发现其中潜在的“意见领袖”和社区。“意见领袖”是在社会网络中占有核心位置的结点，他能够影响网络中的其他结点对事件的看法，社群则是有相互联系紧密的结点组成。

1.2.3社会网络分析的相关概念

社会网络分析着眼于对关系和联系的考察。它的基本研究要素包括点和线，“点”代表社会网络中的行为者，“线”代表社会网络中行为者之间的关系，也就是说，使用社会网络分析法进行分析，必须要满足两个要素，一是存在参与主体，二是参与主体之间存在联系，即要求必然存在某种现实的需求引导参与主体之间发生联系。社会网络分析主要有以下几个相关概念[6]：

（1）无向图与有向图：无向图是指节点之间的连线是没有方向的，连线仅仅表示节点之间联系的有无；有向图中，节点之间的连线表示节点关系的方向性，如网络论坛中网民之间的回复关系、组织结构中的任务指派和汇报关系等等。

（2）无权图与有权图：权重表示的是节点之间连线强度，根据图中是否考虑各条边的权重，可以将它分为有权图和无权图。如果将有权图的各边权值都设为1，有权图就称为无权图，无权图中权值仅表示节点之间连线是否存在。

1.3社会网络分析在网络舆情方面的应用

对于网络舆情的研究主要分为两个方向：一是对网络传播的信息内容进行研究，发现重要舆情内容；二是对网络中结点构成的网络结构进行研究，发现该网络的特征。因此，如果将社会网络分析方法应用于网络舆情研究领域，将有助于实现系统化分析，通过定量和定性的分析方法，从结构和内容两方面得到网络舆情分析结论，进而有效地协助相关部门监控、管理互联网用户的上网行为、维护互联网舆论氛围的健康，及时地控制和规范网络信息的传播是亟需研究解决的问题。

2方法及步骤

基于社会网络分析的实证研究，其通用的研究方法和步骤一般为：选择研究对象、收集数据、数据分析、评估改善。在数据分析时一般通过社会网络分析软件进行定量计算，结合定性分析来提出评估改善措施。根据社会网络分析和网络舆情的特点，本文基于社会网络分析的网络舆情实证研究具体实施方法和步骤为：数据采集、数据存储、数据分析、得出结论如图1所示。

2.1数据采集

本文的网络舆情实证研究的研究对象是网络中的行为者，因此需要从互联网获取关于行为者及其相互之间关系的信息作为关系数据。主要方法是选定某一社会热门事件或话题，从微博、博客、网络论坛中获取相关的博文、主题帖等等，根据网民之间通过发言和回复形成的交流关系，建立关于行为者之间的关系数据。行为者之间每交流一次，则权值为“1”，交流次数越多则权值越高。这样行为者之间的关系构成了可以用于社会网络分析的网络，每个节点代表了行为者即网民，节点之间的连线表示网民之间的交流关系，连线的权值表示网民之间交流的次数。

2.2数据存储

按照社会网络分析软件的数据录入方式将关系数据进行存储。根据网民之间互相交流的情况，建立关系矩阵A（i，j）。矩阵元素ai，j代表的是第i个节点与第j个节点的连线即行为者i与行为者j的关系，ai，j的值即连线权值表示两个行为者之间的交流次数，值为0则表示这两个行为者之间没有交流，值为1表示有过一次交流。然后将节点的编号和关系矩阵保存为社会网络分析软件的存储格式。多数社会网络分析软件均能对矩阵进行处理，如Ucinet和Pajek。例如Pajek可以通过特定的数据格式将关系数据存储为文本文档。

2.3数据分析

首先需要选择合适的社会网络分析指标以得到所研究网络的特征，通过软件定量计算和定性分析相结合的方法，发掘网络舆情信息，提出舆情研究建议。本文所选取的分析指标主要有以下几种[7]：

2.3.1度

度是复杂网络节点的属性中最简单但也是最重要的性质。一个节点i的度k定义为与它相连的节点的数目，对于有向图，一个节点的度可分为入度和出度两类。节点i的入度定义为指向节点i的节点的数目，出度为被节点i指向的节点的数目。出度和入度之和即位该节点的总的度。因此，从直观上来看，一个节点的度越大就意味着这个节点越重要，在社会网络中意味着这个节点所代表的行为者与其他行为者的联系比较多。

2.3.2密度

密度是社会网络分析中的常用指标，在无向网络中，指的是网络节点间实际连线的数量与可能存在的连线最大数量之间的比值，表达式为2l/[n（n-1）]，其中，l为实际存在的连线数量，n为节点数量。在有向网络中的表达式为l/[n（n-1）]。密度越大，表明网络中节点之间连线越多，行为者之间的联系更为密切，信息交流更为流畅；密度越低，则表明节点之间连线较少，行为者联系不多，情感支持少。

2.3.3聚类系数

网络中的一个节点i有k条边将它和其它节点相连，这ki个节点就是节点i的邻居。显然，在这ki个节点之间最多可能有ki（ki-1）/2条边。而这ki个节点之间实际存在的边数和总的可能存在的边数E（i）和总的可能存在的边数ki（ki-1）/2之比就定义为节点i的聚类系数（Clustering Coefficients）CC1（i），即：

整个网络的聚类系数CC就是所有节点i的聚类系数的平均值。即

其中，N为整个网络的节点数。很明显，CC1≤1。当且仅当网络是全局耦合的时候，即网络中任意两个节点都直接相连时，CC1=1。

2.3.4直径

网络中两个节点i和j之间的距离dij定义为连接着两个节点的最短路径上的边数，而网络中任意两个节点之间的距离的最大值叫做复杂网络的直径D。在网络舆情研究中，直径较短的网络，行为者之间易建立联系，舆情传播较快。

选定分析指标后，具体的数据分析工作要通过社会网络分析软件来实现。近年来，由于社会网络分析的快速发展，社会网络分析软件也在不断升级，如Ucinet、Pajek、NetMiner等软件，具有较强的数据处理能力和良好的可视化效果，极大地便利了分析工作。其中，Ucinet、Pajek是最常用的社会网络分析软件。

2.4分析结论

通过社会网络分析软件计算出以上指标的数值后，能够得到所研究的舆情网络的信息，从而明确应对方法，采取科学合理的舆情管理手段对数据来源网站进行管理。

3实证研究及分析——从人社部拟延迟退休事件谈起网络论坛是网络舆情传播的重要途径和平台，网民通过在论坛中的发帖与回复能够建立联系，随着留言网民的不断增加，关系网络逐渐形成，网民之间的关系的发展便能够反映网络舆情的发展。

2012年上半年，关于人力资源与社会保障部研究延迟退休年龄的话题再次引起人们广泛关注。该话题在多个网络论坛中受到网民热议。本文选取了某网络社区中题为“延迟退休你怎么看”的主题帖及其相关回复作为研究对象，时间跨度为主题帖发表的2012年6月11日至2012年6月14日，共有35人参与留言回复，使用社会网络分析软件Pajek进行分析。

3.1数据收集与存储

首先对所有参与该主题帖的35名网民按照Pajek数据格式进行编号，并建立关系矩阵。为最大程度保证网民隐私，将网民的论坛昵称更改。网民编号如表1所示：表1网民编号

1…………将数据输入Pajek软件绘制关系网络图，可以直观的表达关系矩阵和关系数据，如图2所示。11图1Pajek绘制的关系网络图11

所有节点中，度值最高的是“小熊猫”和“秋水伊人”，度值分别为24和17。这说明，这两个人在整个网络中是最为活跃的，他们的发言内容容易引起其他人的关注和评论，在整个网络中处于比较重要的位置，需要舆情管理者重点关注。

3.2.2网络密度分析

通过Pajek中Info/Network/General命令，可以计算出网络的密度。整个网络密度为0.05，表明网络中网民之间的关系处于十分松散的状态，没有形成较为紧密的联系。但是，整个事态是一个动态过程，随着事件的发展和时间的推移，参与的网民数量会不断增大，作为网络舆情主体的网民之间的关系会变得越来越密切，网民可能会掀起讨论热潮。这需要舆情管理者密切关注舆情发展动态，加强监督管理。

3.2.3聚类系数分析

利用Pajek中的Net/Vector/Clustering Coefficients/CC1菜单命令，计算出了网络中的各节点聚类系数的数值，如表3所示：

经过计算得到，整个网络的聚类系数为0.256，属于偏低水平。说明网络中行为者交流对象之间的交流较少，没有形成长期稳定的联系，这与密度分析的结果是一致的。同时也说明在主题帖发表初期，参与者相互之间交流不会很多，随着事件发展和时间推移，参与者针对该主题进行广泛交流后，网络的聚类系数可能变大。

从表3可知，“tse09”、“sjj”、“deldas”的聚类系数达到了最大值1，在这3个行为者及其交流对象形成的局部网络中，相互之间的意见交流比较多。他们之间联系紧密，有更多直接的交流，对网络有一定的影响力，能够引导舆情走向，需要舆情管理者重点关注。

3.2.4直径分析

利用Pajek中的Net/Paths between 2 vertices/Distribution of Distances/From All Vertices的菜单命令，计算得到网络的平均直径为2.68，数值较小，说明行为者之间建立关系比较容易，舆情易在整个网络中传播。管理者需要快速、合理地对网络进行管理，防止事态扩大对社会造成不利影响。

3.3分析结论

经过对研究对象“延迟退休你怎么看”的主题帖及其相关回复的分析，可以发现在该网络中，“小熊猫”与“秋水伊人”是网络中的舆情意见领袖，他们的言论获得较多的评论回复。由于处于主题帖发布初期，参与评论回复的行为者较少，相互之间的联系也不密切，聚类系数处于比较低的水平。但是，由于事件的发展是一个动态的过程，相应的网络舆情也会不断发展，参与到该主题帖中的行为者之间联系会越来越密切，舆情会加速传播，因此需要管理者密切关注，防止发生影响社会安定的网络事件发生。

4结束语

本文对基于社会网络分析的网络舆情实证研究进行的探讨，并以某网络社区中题为“延迟退休你怎么看”的主题帖及其相关回复作为研究对象，进行了深入的实证研究，以度、密度、聚类系数和直径作为分析指标，通过定量分析和定性分析相结合的方法分析了该研究对象所构成的社会网络，从中发掘出网络的特点和网络中重要的行为者；针对网络舆情的特点提出了舆情管理的建议，有助于正确把握网络舆情的发展，从而科学合理地引导、管理各种网络舆情传播平台，促进和谐社会构建工作的开展。

通过本文的实证研究及分析能发现，社会网络分析不仅可以应用于网络舆情研究，还可以应用于图书情报学科的其他领域：如文献引用分析、知识管理和组织学习、人际网络等方面。通过社会网络分析对相关数据进行定量计算，结合图书情报学的定性分析，能够推动有效地推动图书情报工作的开展。

参考文献

[1]裴雷，马费成.社会网络分析在情报学中的应用和发展[J].图书馆论坛，2006，26（6）：40-45.

[2]第30次中国互联网络发展状况统计报告.中国互联网络信息中心网[DB/OL].http：∥www.cnnic.net.cn/dtygg/dtgg/201207/t2012071932230.html，2011-07-19.

[3]董亚倩，邓尚民.基于社会网络分析的网络舆情主体挖掘研究[J].情报资料工作，2011，（6）：45-49.

[4]林聚任.社会网络分析：理论、方法与应用[M].北京：北京师范大学出版社，2009：47-49.

[5]社会网络分析——MBA智库百科[DB/OL].http：∥wiki.mbalib.com/wiki/%E7%A4%BE%E4%BC%9A%E7%BD%91%E7%BB%9C%E5%88%86%E6%9E%90.

[6]李长岭，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.

[7]刘军.社会网络分析导论[M].北京：社会科学出版社，2004：37-39.

（本文责任编辑：马卓）

作者：石彭辉

社会网络分析网络传播论文 篇2：

基于社会网络分析的微博用户研究

摘 要：根据微博时尚美妆用户间的互相关注关系构建了用户关注网络，并用社会网络分析方法进行分析，识别出具有高影响力的美妆博主。通过社会网络分析工具 Ucinet分析了50位微博美妆博主所构成网络的网络密度，中心性和凝聚子群，同时引入网络权力计量模型，识别出了在网络中居于核心地位的具有高影响力的美妆博主。结果发现美妆博主的影响力不与粉丝量呈正相关，且美妆博主间的互动并不频繁，发布的微博更多在于提升知名度或者宣传美妆产品。需要加强和其他博主的联系，积极探索美妆博主的流量变现方式。

关键词：社会网络分析;微博;美妆博主;中心度

0 引言

新浪微博是国内最为活跃的社交网络之一，据《2018微博用户发展报告》表明，截至2018年9月，新浪微博月活跃用户增至4.62亿，日活跃用户增至2亿，在国内微博社区处于领先地位，微博社交网络是用户互动和信息传播的重要渠道，对国家安全稳定与社会和谐发展都具有深远的影响。微博是目前中国时尚和美妆领域，最具影响力的社交媒体平台。据《2018微博用户发展报告》表明，微博现有时尚美妆泛兴趣用户4.2亿，其中90后人数突出，00后增速明显;多数为生活在一二线城市的单身、年轻、高知识女性。微博时尚美妆的合作机构数量同比增长465%，由2017年的55家增长到256家以上，美妆社交电商蓬勃发展。目前在运营的美妆自媒体号超过百万数量，另外微博、小红书、直播平台、抖音等催生了大批网红IP美妆品牌的诞生。并且企业与网红IP的签约授权深度合作成为常态化。这些美妆博主们“粉丝经济”强大，他们的推荐在很大程度上影响了消费者的购买行为。

在微博社会网络中，每个用户是整个微博网络中的一个节点，用户通过关注、点赞、评论、转发等操作与其他用户建立联系，每个用户与其他用户之间建立的一对一、一对多的联系组成了整个微博网络。信息得以在微博中广泛的传播，就依赖于各个用户之间的联系。例如，在用户所建立的关注关系网络中，用户A发布了一条信息，便能通过微博平台将这条信息传递给关注用户A的所有用户，当一个用户被多个用户关注并具有一定影响力时，由该用户的发布的信息将会得到更广泛有力的传播。因此，找寻网络中的核心用户对信息传播、舆论控制均具有重要作用。学者从不同的角度对微博中的核心用户展开了研究，例如宋恩梅（2012）选取新浪微博“时尚”下的50位用户作为研究样本，分别建立并比较了“相互关注”与“共同关注”网络下核心用户的关系，对微博下某一标签下核心用户的确立提供了参考。陈远（2015）根据社会网络中结构洞位置，中心度位置和邊缘位置对虚拟社区，博客和QQ群中的意见领袖角色进行识别，与网络中公认的意见领袖进行比较，得出网络意见领袖与社会网络中位置的关系。马宁（2014）首次将动态网络分析法应用到网络意见领袖的识别研究中，并应用相关测度指标识别出网络舆论中的六类不同特点意见领袖：焦点人物、传播人物、活跃人物、潜在活跃人物、讨论帖独占人物和关键词独占人物。

1 数据收集与矩阵构建

本文选取2019年10月22日微博“美妆”标签下博文热度排名的前50位用户作为研究对象（排除掉企业用户与个人用户），以手工录入的方式收集这50位用户之间的相互关注的情况，并建立50*50*的微博美妆用户关注关系矩阵，如表1所示。

2 社会网络结果分析

网络位置是行动者之间关系建立的结果，是社会网络分析中的一个关键变量。本文采用UCINET软件对表1的矩阵进行分析。首先，根据50位用户在统计当天（2019年10月22日）粉丝数的排名确定其序号。其次，从密度、中心性、凝聚子群等三个方面来具体分析矩阵所反映的微博社会网络属性，其中中心性由点度中心性、接近中心性、中介中心性、特征向量中心性四个方面来衡量。

2.1 密度

网络密度指的是网络中各节点之间联系的紧密程度，一个网络的密度与网络中各节点的联系紧密程度呈正相关关系，该网络中各节点之间的联系越紧密，该网络的密度越大。整体网络的密度越大，该网络越有可能对网络中节点的态度、行为等产生影响。本文通过UCINET软件绘制了相互关注网络可视化结构图（如图1）。其中从A指向B的箭头表示A“关注”B，某个节点围的箭头越密，说明该节点受到更多的关注，在网络中的传播力和影响力越强，该节点可能是行业中的权威。在现实生活中，0.05的社会网络密度已说明行动者间的联系比较密切。通过软件分析得出，由微博美妆用户关注关系矩阵所反映的网络密度为0.1286。我们可以认为，微博美妆用户社会网络的网络密度较高，用户之间的关注关系较密切。处于中心位置的几个用户——小猪姐姐zz、仇仇-qiuqiu、陈莴笋等关注了很多用户，同时也被很多用户关注，当信息在该网络传播时，他们能对信息的传播起相对大的促进作用。

2.2 中心性

中心性是一个重要的个人结构位置指标，经常被用于评价一个人在团体中的重要程度，体现他地位的优越性或特权性。根据测定中心度方法的不同，可以分为点度中心性（Degree centrality），接近中心性（Closeness centrality），中介中心性（Betweenness centrality）、特征向量中心性（eigenvector centrality）等。

（1）点度中心性。点度中心性常用来衡量谁在团体中成为最主要的中心人物，在网络中点度中心性高的用户，往往在网络中也占用主导地位。在微博社会网络中，由于用户的关注关系是有向的，因此需要考虑到用户之间关注的方向，由此引入入度与出度的概念。入度表现一个人的被关注程度，点入中心度高的人在这个网络中具有很高的声望，体现了一个人的吸引力。入度高的人有可能会引导这个网络圈交流的内容、视角、深度、广度等问题，成为信息传播的源头。出度表现一个人关注他人的程度。点出中心度高的人在这个网络中具有较强的交际性，体现了一个人的积极性，在网络中能够从很多的其他成员那里获得丰富的信息，可以看出，Elsa大姐姐与栗子超可爱耶较关注他人的信息，能从其他博主发布的内容中获取较多信息。此外，网络中心势也是衡量中心度的重要参数之一，微博美妆用户关注关系网络的标准化点入度是38.942%，标准化点出度是41.025%。可以看出，美妆用户主动关注他人的趋势较被他人关注的趋势略明显，但两者相差不大，说明网络中的用户略倾向于从其他用户发布的内容中获取信息。

（2）接近中心度。接近中心度指的是网络中一个用户与其他用户的接近程度。衡量的是单个节点在传播信息的过程中不依赖他人的程度，也就独立传播信息的能力。接近中心度的值小的用户在网络中更不容易受他人影响，独立传播信息的能力更强。博妞_Bonny的接近中心度在50位用户中最高，其中内远离性为287，外远离性为2450，说明博妞_Bonny發布的信息更容易被传播到其他用户，而她本身却最不容易受他人影响。而小猪姐姐zz的外远离性只有410，在微博中获取信息相对容易。

（3）中介中心度。中介中心度测量的是节点占据的网络路径数量，也就是一个用户在多大程度上位于网络中其他任意两用户的“中间”。若用户A、B传递消息必须通过用户C，那么用户C就在一定程度对用户A、B间的信息传递就有了控制作用，若用户C拒绝传递消息，则用户A、B无法交流。一个用户处于的网络路径越多，这个用户的中介中心度就越高，他控制相邻两个用户交往的能力越强，说明他在网络中处于重要地位。一个用户的中介中心度的值越大，其他用户对其依赖性就越强。中介中心性高的用户能在较大程度上影响并控制该网络中信息传播。从表2可以看出，其他节点想要在网络中获取信息，则比较依赖小猪姐姐zz、Pony__朴惠敏、虫虫Chonny等中介中心度较高的博主，说明他们在网络中处于“桥梁”位置，对信息有较强的控制能力。网络中的标准化中介中心势为21.32%，说明此网络中的节点对信息传播具有一定的控制作用，每个节点都能独立传播信息，也会参考其他节点的信息。也就是说，一方面网络中的用户通过原创内容来提升用户黏性;另一方面也会参考学习其他用户在网络中发布的信息。

（4）特征向量中心度。特征向量中心度是衡量网络中节点影响的指标。它将相对分数分配给网络中的所有节点，基于这样的概念：与高分节点的连接比对低评分节点的相等连接对该节点的得分贡献更大。也就是说，一个节点的重要性既取决于其相邻节点的数量，也取决于其相邻节点的重要性。进行特征向量研究并不关注具体的模式结构，而是基于网络的总体结构，找到最核心的用户。Elsa大姐姐的特征值较高，被Elsa大姐姐关注的用户也会被分配到更多的特征值。

2.3 凝聚子群

凝聚子群是行动者之间具有较强、直接、紧密、经常或积极的关系的子集合。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，社会网络分析称这样的团体为凝聚子群。如图2所示，本文的虚拟网络的凝聚子群分成了8个小群体，从图中可以看出，8个小群体的用户分布较为均衡，结合其城市和粉丝数量来看，在同一城市且粉丝量接近的用户更容易形成小群体，并且更有可能达成合作。而后，两个小团体间通过某个核心用户连接了起来，但并未建立更深层次的联系，各个小团体逐步形成4个子群，最终的结果是形成整个网络。核心用户间的强强联合，有助于覆盖到更多的用户关注该群落，构建庞大的信息传播体制。对普通用户而言，网络中核心用户的结合会使更具有公信力的信息更快地传播，不仅能够快速有效的控制网络舆论，也能在品牌营销中形成广泛的覆盖面积。但当前的微博美妆网络结构较为松散，缺乏一定的凝聚力。

3 讨论与结论

本文通过对新浪微博的显著用户—美妆博主形成的网络进行研究，借助 Ucinet 工具对网络密度、中心性、凝聚子群等参数进行分析，结合网络权力计量模型对微博美妆博主进行了初步的排序。排名第一的Elsa大姐姐的点出度和中介中心度很高，说明在网络中表现积极，更加关注他人，在网络信息传播中处于“桥梁”的位置，但她的粉丝量仅在50位博主中排名38，此外，被筛选出的十位有影响的核心用户仅有两位是按粉丝量排名的前十名，可以发现，微博美妆用户的影响力并不单纯依赖于粉丝量的多少，更可能是因为注册微博时间较早而导致粉丝量高。简单分析排名前十的美妆博主的发布内容发现，美妆博主主要针对人们对“想要变美”的痛点为用户提供服务，美妆博主发布的内容大多以种草、教程、测评、仿妆、挚爱推荐、抽奖为主，一方面发布原创内容提升用户黏性;另一方面通过抽奖积极地宣传推广自己，以提升自身的粉丝数量以及扩大知名度。美妆博主发布内容以原创为主，但博主之间的互动较少，关注关系可能代表着该博主想要跟随热点或模仿学习，但博主之间没有形成紧密的合作关系。需要加强和其他博主的联系，积极探索美妆博主的流量变现方式。本文选取的样本数据较为简单，而且并未考虑到用户发布的内容所带来的影响，所以研究结果不能代表微博整体网络的特性。下一步的研究可以在扩大数据量的基础上，加入微博用户发布的具体内容进行分析。

参考文献

[1]宋恩梅，左慧慧.新浪微博中的“权威”与“人气”：以社会网络分析为方法[J].图书情报知识，2012，（03）：43-54.

[2]陈远，刘欣宇.基于社会网络分析的意见领袖识别研究[J].情报科学，2015，33（04）：13-19+92.

[3]马宁，田儒雅，刘怡君，等.基于动态网络分析（DNA）的意见领袖识别研究[J].科研管理，2014，35（08）：83-92.

[4]胡海青，张宝建，张道宏.网络能力、网络位置与创业绩效[J].管理工程学报，2011，25（04）：67-74.

[5]王炎龙，刘叶子.基于社会网络分析的公益机构微博信息传播网络研究[J].新闻界，2019，（08）：21-26.

[6]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.

[7]徐俪凤.基于社会网络分析方法的网络权力计量模型研究[J].当代经济，2016，（21）：120-122.

作者：颜雅伦 王斌

社会网络分析网络传播论文 篇3：

学生意见领袖在公安院校学生管理中的作用

摘要：随着社交网络软件的迅速发展，高校学生群体的社交网络在学生管理中起到的作用日益凸显。在高校学生群体中，“意见领袖”是影响群体思维导向的关键人物。文章基于公安院校学生的社交网络，通过Pajek软件标定出学生群体中的“意见领袖”和“孤立点”，并针对社交网络中“意见领袖”和“孤立点”的特点，对公安院校学生管理工作进行了实证分析，给出学生管理建议，为公安院校学生管理者提供一个新的管理视角。

关键词：意见领袖；社交网络；学生管理；公安院校

如今，社交网络软件迅速发展，学生思维呈现多元化，其社会交往也更为复杂。这无疑增大了高校学生管理和思想政治教育的难度，可能导致现行的管理模式在社交网络背景下难以达到预期效果。在高校学生群体中，“意见领袖”是影响群体思维导向的关键人物。对于高校学生管理者和思想政治教育者而言，如果能了解学生群体的社交网络，找到学生群体中的“意见领袖”并加以有效引导，将有效地提高高校学生管理水平。根据学生的社交网络情况，管理者能够了解其日常交往情况，通过对“意见领袖”的合理引导，发挥意见领袖直接或间接的影响力，可以端正学生群体的思想倾向，提高管理效率。这种基于高校学生群体社交网络及“意见领袖”的管理方法能够节约管理的成本，更可以在现有的资源上解决甚至预防更多的新时期管理问题。

本文将高校学生和社交网络相结合进行分析，并以意见领袖为关键点，讨论基于社交网络的高校学生管理方法。在社交网络媒体迅速发展的新时期，通过社交网络分析将学生群体的社交网络模型化，通过网络特征分析的方法标定高校群体中的意见领袖及孤立点，根据定量化的分析给出高校学生管理建议，为管理者提供一个新的管理视角。

1社交网络背景下高校学生管理存在的问题

1.1信息传播速度快，管理滞后

受学制因素的影响，高校学生意见领袖这一群体的流动性较高，与之相对应的受众流动性也较高。在这样的大环境下，信息的不一致性显而易见，舆论的引导力也有一定局限性。此外，除了小部分在现实生活中也具有威望和公信力的学生干部，大部分的社交网络意见领袖都不太习惯表露自己的真实身份。甚至还有小部分人为了吸引受众的关注和推崇，发表言论尺度过激的观点，甚至对观点不同者进行攻击。而各高校在这方面的管理相对滞后许多，缺乏针对社交网络中学生言论的有效管理监督机制。在信息传播速度如此之快的现状下，一旦出现紧急情况，难以在短时间内做好充足的应对措施和应急处理。

1.2信息来源碎片化，真假难辨

在自媒体时代下，微博、微信等新媒介的出现，将话语权与表达权下放到了个体手中，学生在社交网络中可以自由发表意见，这无形中加大了管理者全面收集学生意见的难度，管理难度相应提高。由于大部分学生意见领袖未经过专业的媒体知识技能训练，其发表的意见无需经过主流媒体把关，与传统主流媒体相比，学生意见领袖发布的观点带有很强的个人色彩，学生的社会阅历尚且不足，甄别信息的能力有限，发布的观点鱼龙混杂，成为假新闻和谣言滋生的温床。

1.3社交网络影响力强，管理效果差

在社交网络中，自媒体的传播深度和广度已渐渐超越传统媒体，且自媒体意见领袖的受众甚广，三言两语都能产生铺天盖地的扩散效果。与一般的“微博大V”相比，高校学生意见领袖在网络上的表现更为单纯，也更为克制。学生的社会阅历较为简单，也很少采取营销手段，或是调用水军。因此，其发表的观点传播的范围一般不会特别广，往往局限于现实生活与社交网络平台的交汇与延伸地带。但是，由于学生意见领袖传播的信息往往与现实生活中的集体利益密切相关，能在极大程度上激起受众的共鸣，得到众多“点赞、评论、转发”的反馈。其相对于一般信息来说传播更加深远。

1.4学生情感寄托于网络，难以发现

社交网络为大学生提供了人际往来、传递信息的平台，高校学生的微信用途主要有以下三种：聊天、朋友圈互动和获取资讯。学生通过添加好友来建立朋友圈等社交网络，在朋友圈中通过“评论、点赞、转发”等方式与好友进行互动。但由于网络自身间接性、隐蔽性的特征，也产生了学生社交组织性差、管理者监管力度弱、监察机制缺乏等问题。学生寄托于网络媒介的情感，不像现实生活中那么易于发现，导致管理者难以建立合适的监管机制与互帮互助机制。

1.5涉警舆情对公安院校学生的职业认知影响巨大

“仇官、仇富、仇警”的“三仇”情节是社会转型时期我国社会矛盾的聚焦點，也是社会舆情热点事件最集中爆发的领域。随着中国社会转型的不断深入，经济社会快速发展。与此同时，贫富分化进一步加剧，各阶层矛盾也变得尖锐起来，传统的官民矛盾、贫富矛盾、警民矛盾，在社会转型期呈现愈加外露之势。如果某一热点事件牵涉到“官、富、警”，再加上部分媒体避重就轻的“标题党”炒作行为，此事件将会立刻凸显出来，成为社会公众持续关注的热点新闻。如果公安院校学生对于该类舆情中涉警问题的认知有失偏颇，其职业认知将会受到严重影响，公安队伍文化受到的打击与影响也会越来越大。

2 学生群体社交网络分析

2.1研究对象

本研究共有140名学生参与，其由中国人民公安大学某学院同一年级内四个班级的同学组成。参与同学均为自愿参加，且数据采集也得到相关管理者同意。

2.2 研究方法

度中心度（Degree Centrality）是社会网络分析的一个重要参数，是刻画节点中心性（Centrality）的最直接度量指标，也能够反映一个人在某个社会网络中的重要程度。如果某节点的点度中心度越大，则意味着这个点所代表的人在网络中就越重要。假设对于一个拥有n个节点的无向图，节点i的度中心度是其与余下n-1个节点有直接联系的总数：

其中，C_i表示节点i的度中心度，xij=1表示节点i与节点j有直接联系，否则，xij=0，每个节点不能与自身有直接联系，故i≠j。

2.3结果分析

通过Pajek软件处理后，分别给出了1～4班，以及整个学年的社交网络结构，如图1～5所示。另外，通过对每个班级得分的统计和对网络的分析，分别给出了每个班级的平均度中心性，如表1所示。基于该指标，通过聚类方法，给出了学生群体中的意见领袖和孤立点。例如，在1班中，意见领袖是20、13和2号所代表的同学，孤立点为31和34号所代表的同学。在4个班级中，平均度中心性最高的班级是2班，其核心凝聚力较强，而4班的平均度中心性最低，班级中的孤立点也较多。

3管理建议

3.1充分利用社交网络，传播“正能量”

通过社交网络分析，管理者可以直观且定量地把握学生群体社交情况，并对不同的社交情况进行特殊性分析，对症下药，从而达到传播“正能量”的目的。如果其社交网络结构过于松散，核心凝聚力不够强，管理者可以采取合作项目等方式，针对社交网络的薄弱部分进行发展完善；如果社交网络反映出小群体互斥、恶意孤立等现象，学生群体内部矛盾突出、影响恶劣，管理者也可通过社交网络关系图来进行及时的了解和调整，争取将问题扼杀在萌芽状态。

3.2把握“意见领袖”思想动向，变被动为主动

可以通过该管理模式来锁定足以影响学生群体的意见领袖，并通过其来间接影响和管理整个群体。学生意见领袖作为学生群体的重要信息源，既可以促进管理者和学生群体之间的信息流通，也可以引导整个学生群体的发展。由于各种现实因素的作用，第一次被任命的学生干部不一定是足以影响学生群体的意见领袖，学生管理模式陷入这样一种窘境——学生干部难以引导整个学生群体，意见领袖的思想动向难以被管理者把握，此时通过社交网络分析锁定意见领袖尤为重要。研究者发现，在参与本次研究的学生群体中，学生意见领袖在后期的班干部换届中往往会成为新的学生干部。管理者可以通过社交网络分析锁定学生意见领袖，主动将意见领袖任命为学生干部，尽早发挥其在学生管理工作中的促进作用。

3.3以学生为本，关注“孤立点”，及时发现学生心理问题

可以通過该管理模式的社交网络分析，准确锁定学生群体中的孤立点并给予其必要的帮助。从在校学生违法犯罪、自残等悲剧中我们不难发现，这些学生的社交网络结构往往存在着缺陷，容易成为社交网络中的孤立点。从中国人民公安大学某学院同一年级内1～4班的网络分析来看，核心凝聚力最弱（即平均度中心性最低）的班级中，孤立点也较多，对于核心凝聚力过低的集体，管理者应给予更多的关注。如果管理者能通过社交网络分析来提前掌握孤立点的存在，那么孤立点也能够尽早地被给予帮助，预防校园悲剧的发生。

参考文献：

[1]江明辉.“意见领袖”在学生舆情中的应用与启示[J]. 中国职业技术教育，2011（32）：58-6.

[2]陶文昭.重视互联网的“意见领袖”[J].中国党政干部论坛，2007（10）：27-29.

[3]杜筠. 网络传播中意见领袖的角色分析[J]. 东南传播，2009（5）：124-126.

[4]孙茜， 刘作权. 高校学生网络意见领袖的引导研究[J]. 湖北函授大学学报，2015（21）：34-35.

[5]文萍，马宏贤. 高校思想政治教育“网络意见领袖”的培养与激励[J]. 教育评论， 2017（3）：99-103.

[6]焦红强. 高校“意见领袖”的舆论引导[J]. 青年记者， 2015（17）：72-73.

作者：丁宁 李峰 潘达