社会网络分析方法对传播研究的启发范文

摘要：随着各领域的交流合作，以及计算机技术的迅速更新，社会网络分析已经有了长足发展。从对人群的分析，到对文本的分析；从对图形的描绘，到对中心度、位置的计算；从社会学到物理学生物学统计学等多学科合作。本文描述了社会网络分析方法的渊起、理论基础及研究方法。介绍了该方法的前沿理论与操作程序，并指出运用社会网络分析的视野与方法进行新闻传播研究的有益启示。

关键词：社会网络分析；方法论；新闻传播研究

不同于传统的实证方法，社会网络分析（SocialNetworkAnalysis）方法研究结构而非事件、聚焦关系而非主体、关注动态而非静止。确切地说，社会网络分析更像是一种研究社会的新视角，而非某种局限的具体方法。加之互联网络、社交媒体、甚至物联网的发展，牵一发而动全身的全球化和经济社会一体化，产生了越来越多的网络化数据。在此基础上催生出的小世界、无尺度网络等让人眼前一亮的理论，都促使社会网络分析成为一种具有重要方法论意义的研究视角。社会网络分析方法已经在新闻传播领域有所运用，但尚未形成规模。伴随着新媒体的发展革新，电子设备作为媒介，将每一个使用者联结在一起，形成了复杂网络的结构。在描述社交网络的基础上，对这种复杂网络结构的分析尚不多见。同时，海量文本内容也为传统的文本分析增加了难度，应运而生的是采取社会网络方法去分析文本，研究语词关系和叙事模式的文本分析新思路。本文通过对社会网络分析方法的发展与应用进行介绍，试图发现其对人物互联环境下新闻传播研究的启示。

一、渊起与发展

传统社会科学研究将注意力放在个体的研究对象身上，通过抽样调查的方式，将个体从其所处的社会环境和复杂关系中抽离出来。哥伦比亚大学社会学者艾伦•巴顿在1968年有过一个形象的比喻，说这样研究“就好比生物学家将实验动物放入碎肉机中，每隔一百个细胞就抽取一个来观察”。但在试图探索人类社会运行规律的社会科学领域，此举无异于盲人摸象，难明就里。为了解决这一问题，结构化的研究方法，也就是社会网络分析，便成为社会科学研究的新方向。早期社会科学研究者曾试图从结构主义的视角，探究将个体连结在一起的纽带。早在19世纪中叶，哲学家孔德就曾说过，“科学主义的精神不准我们将社会看做个体的集合体”。他也因此最早提出从社会行动者间相互联系的角度看待社会。与孔德不同，社会心理学家勒庞对群体行为现象进行了验证，以一种动态的结构主义视角，分析信息在人群中的流动过程。直到在19世纪末20世纪初，社会学家齐美尔和他的学生，才明确提出了社会网络的观点，这对结构主义的研究方式产生了深远影响。他认为社会由处于特定环境中的个体组成，只有当这些环境交互影响时，也只有人们之间相互影响时，才能称其为社会。可以说，齐美尔的论述，为当代社会网络分析奠定了基础[1]。当代社会网络分析领域的萌芽，出现在20世纪30年代。心理医生雅各布•L•莫雷诺，和他的同事海伦•简宁斯最早引入这一方法，并将其命名为社会计量学（Sociometry）[2]。可惜并未取得长足发展，十多年后，美国大多数社会学家又将其注意力转回了传统的属性研究。

与莫雷诺和简宁斯同时期，哈佛大学人类学家W•劳埃德•沃纳带领其团队，用社会网络分析的思路，设计了著名的“银行接线室”研究。但随着1935年沃纳离开哈佛去芝加哥大学工作，哈佛的这波研究风潮也随之消散。同一时期，德国心理学家库尔特•莱温带领团队进行了一系列结构主义视野下的心理学领域研究，开启了社会网络分析研究的第三波萌芽。虽然这三支团队最早采取结构主义的研究视野，探索了社会网络的分析路径，但却都没有发展出一套可以广为适用的系统的研究方法，且没有形成广泛持久的影响。从20世纪30年代到70年代，采用社会网络分析路径进行研究的机构和个人遍布世界各地，研究如火如荼地进行着。直到70年代早期，哈佛大学哈里森•怀特教授用结构主义范式，培养了一批又一批探索并使用社会网络分析研究路径的研究者，他们活跃在各个研究领域，使得社会网络的分析路径走进了更多研究者的视野[3]。跟随怀特教授及其学生的步伐，社会网络分析受到了越来越多的重视。90年代末期，社会网络分析迎来了一些重大突破。1998年，瓦茨和斯特罗加茨发表了小世界理论；一年后，巴西巴拉和阿尔伯特验证了中心度的分布，从物理学的角度，为社会网络分析带来了革命性的进展。随着互联网的兴起，物理学领域出现了大量结构化数据；同样面临这一现象的，还有需要研究基因和代谢网络的生物学领域。为此，这两个领域的研究者都开始着眼于网络化结构数据的分析方法研究，并将目光投向了已经致力于解决网络化数据60余年的社会学领域[4]。他们从这一领域汲取思路，并运用算法和计算机工具来拓展这一领域，并为这一领域贡献了全新的研究视角与分析路径。

二、社会网络分析经典理论

在过去的这60余年里，社会网络分析出现了一些具有代表性的理论：弱连接理论、结构洞理论、小世界理论、无尺度网络理论等。社会学家格兰诺维特于1973年提出了弱连接的力量（StrengthofWeakTies,SWT）理论。该理论有两大假设，第一，两个人之间的连接越强，他们的社交世界就越有可能重叠，因为这样的两个人具有更高的同质性。而同质性的传递性较差，因为被连接的各个点之间都较为相似。第二，桥连接是潜在的新信息源。因为桥连接可能将两个同质性较弱的点连接在一起，一个人从桥点得到的信息，与其原有圈子的信息重合度较低。根据这两个假设，格兰诺维特得出结论，强连接关系同质性较高，只有同质性较低的弱连接才能成为桥连接；而只有桥连接才能成为新信息源，为个体带来新的信息。结构洞与桥连接较为相似。博特在1992年提出了社会资本的结构洞（StructuralHoles）理论。在表述方式上与格兰诺维特略有不同，博特将拥有更多弱连接或桥连接的个体，称为有更多结构洞的个体，认为其拥有更多非冗长关系。在理论内容上，博特更进一步指出，连接的强弱决定了是否会扮演桥的角色[5]。博特认为，弱连接只是相关而非因果，结构洞则关注了产生信息效益所跨越的不同群体间的鸿沟。小世界理论（SmallWorld）在此基础上，增加了复杂网络结构的视角。从地球村到六度分割理论，人们感知到的世界越来越小。邓肯•沃茨教授对这一感知背后的社会网络结构进行了研究，他从最具典型性的“穴居人结构”入手，研究只与其他群体有一到两个连接的群体。他发现，在一个集群度较高的群体内，随机添加少量的链接，就可以大幅减少其个体间的最远距离。随着对复杂网络的探索，研究发现像基因网络或万维网这样的复杂网络，并不是随机分布的，其结构遵循着幂律分布。新节点的加入会不断扩大网络规模，新节点也会优先与拥有较多链接的顶点建立连接。研究者将这种网络成为无尺度网络（Scale-free），并据此展开了对社会网络结构的新研究。

三、本体论与研究模式

从社会网络分析的发展历史，也可以看出其清晰的结构主义本体论。这种分析视角下的真实，是由相互关系建构起来的。研究者认为，是个体间关系模式的规律性组成了社会的结构，而非它们属性的类别或抽象的规范与价值观[6]。对于理解个体行为来讲，结构化的关系往往比诸如年龄、性别、价值、甚至思想都更为重要[7]。对具体行为的研究，应该放在其所处的关系和环境中进行，这样才能解释社会行为的很多复杂性。个体所处的关系网络，会对其观点、思想、行为产生影响，这种影响来自于关系建构起来的社会结构。因此，要了解个体的行为，必须先了解其所处的关系网络。在研究时，应该做到既见树木又见森林，用普遍联系的整体观念进行研究，告别头疼医头脚疼医脚的传统研究模式。同时，要用发展的眼光看待关系，将关系网络看成动态发展的过程，从动态关系网络中获取信息。在社会网络分析中，更强调从宏观着眼，开启“上帝视角”，从整体上把握研究。在研究过程中，研究者应避免呈现个人的主观倾向，试图保持研究的客观性。用一套量化的指标和规范进行研究，与研究对象保持距离。

四、操作程序

作为一种实证研究方法，社会网络分析的操作程序并没有什么特别之处。也需要经历确定研究对象与问题、收集并分析数据、建构或验证理论模型的过程。与传统实证方法的不同之处在于：社会网络分析采用结构化的研究视角，关注研究对象所处的网络及其关系，并力图从动态的变化过程中研究复杂联系中的个体。本文着眼于这些独特的分析路径，在大家熟悉的传统实证研究方法基础之上，试图从这些不同之中呈现社会网络分析的操作程序。

（一）数据结构

与传统数据相比，网络数据并没有什么特殊之处，也是由研究对象及其属性变量组成的。但除此之外，网络数据还会从一个更为宏观的整体视角关注数据结构，去了解研究对象是如何嵌入其所在的关系网络中的。网络数据区别于传统数据的主要特征是，传统数据关注研究对象及其属性，而网络数据关注研究对象（点）及其关系（线）[8]。

（二）数据收集方法

研究者可以通过问卷、访谈或观察的形式，对研究对象进行数据收集。当可以较为清晰地界定研究对象时，通过位置法和声望法来收集数据[9]。若研究者的目的是为了直接选择属性，则可采用事件中心的方法来进行抽样，不考虑研究对象所属的组织或所处位置，只考察其所参与的事件或活动。无论何种情形，当面对大规模社会系统时，都会涉及抽样的问题。在传统数据中，抽样可以从整体中浓缩出一个能够代表总体的样本，样本的属性对整体具有统计意义上的代表性。但关注关系研究的网络数据，则很难通过抽样实现对关系网络的浓缩，更没法处理无应答带来的数据偏差。面对这种情况，约翰•斯科特教授提出了三种应对思路：将研究重心放在个体中心网而非测量社交网络的整体属性；用滚雪球的方法，尽可能收集所有相关人员的信息；如博特教授所倡导的，转向社会网络的一些更为质性的特征，如结构化的位置、社会角色等[10]。克拉泽克教授从统计学的角度，对此提出了多种抽样设计方案：诱导子图抽样，从整体关系网络中随机抽取N个顶点，并观察其所产生的子图。星状滚雪球抽样，选定几个点，再抽取与选定点距离一步的点，继而再抽取距离这些点一步的点，以此类推。链接追踪法，在选取初始样本后，通过样本内顶点的链接，追踪到其他顶点[11]。当然，无论采用何种方法，都要在研究问题和目的基础上，具体问题具体分析。

（三）数据分析

根据收集到数据的类型，可以分为个体中心网和整体网两大类来进行分析。个体中心网以具体个人或事件为中心，围绕个体收集数据，绘制出个体所具有的社会网络；整体网则以宏观视角，尽可能完整地绘制研究对象所处的整体网络。首先，对于网络内的组成部分而言，可以分析点、线、相邻点、密度等，这些数据能为我们勾画出此网络的大致结构。其次，对中心度或中心性的分析，可以使研究者了解该网络的特殊属性。最后，对成分、派系、位置等数据的分析，能够为研究者找到从属于大群体的子群体，更加立体地勾画网络结构。

（四）可视化呈现

对于社会网络分析的结果，通常有两种呈现方式：图和矩阵。不同于传统的统计图表，社会网络分析的图和矩阵根植于数学图论，呈现形式较为复杂。尤其是在大数据背景下，关系数据的可视化呈现已经成为研究的重要组成部分，清晰美观的呈现需要科学性与艺术性的结合。

五、对新闻传播研究的启示

通过上述对社会网络分析方法的概述和梳理不难看出，社会网络分析不仅是一套研究方法，更是一种思维方式。它要求研究者把研究问题放在普遍联系中，用结构化的视角开展研究。因此，社会网络分析弥补了传统实证研究只有属性研究的不足，将结构和关系纳入研究。

（一）为研究路径的融合提供可能

新闻传播研究素来有方法论的争议。“实证研究与质性研究的分野表现为前者过分拘泥于传播的几个变量间的关系而置整体社会情境于不顾，后者则缺乏立基于现实的资料，致使宏大的传播研究题目不能与现实情境建立联系。”[12]社会网络分析的视角，既关注现象也聚焦属性，为两种研究途径的融合提供了可能。社会网络采用结构化研究视角，能更加全面立体地了解传播现象。同时，既可以结合传统研究，将属性数据放置在关系结构的大背景下进行分析；又可以对所研究的传播现象进行质性观察，将观察数据与调查数据相结合，实现实证研究与质性研究的有机结合。

（二）文本内容分析

除了对各种社会主体及其关系网络进行分析，社会网络还可以用来分析文本和叙事模式。这是当代社会网络分析方法的前沿尝试，希望能用结构化的视角，从宏观联系中去把握海量文本内容。新闻传播研究中涉及大量文本内容，目前较为常用的分析方法有内容分析、主题分析、话语分析等传统方法。如果将社会网络分析用于文本分析，可以识别出一些传统方法难以发现的文本结构和叙事模式。尤其在分析工具高度发达的今天，利用软件可以迅速实现对海量数据的批量处理，找出研究者个人难以发现的规律和结构。将这一研究思路与方法运用到新闻传播学研究，可以为研究者提供新的文本分析路径。

（三）复杂网络视域下的新闻传播研究

随着互联网、物联网进入人们的生活，日常交往早已被网络化。但这一网络的复杂程度已经远远超出了传统社会网络分析建构的经典模型。新闻传播研究的主要对象就是将人们联结在一起的媒介，对复杂网络的研究有着天然优势。因此，新闻传播研究者更应该树立结构化的思维方式，在经典模型的基础上，探索新闻传播网络中独特的社会网络模型，切实将复杂网络的分析思路运用在新闻传播研究中。

作者：王荣单位：中国传媒大学