成员微信对骂群

第61卷第20期2017年10月微信群内部的会话网络结构及关键节点测度研究巴志超李纲王晓李显鑫武汉大学信息资源研究中心武汉430072摘要:[目的/意义]微信群内部存在着复杂的会话网络结构,探究微信群内部网络结构特征、角色类型以及相互关系对认识微信用户信息行为与传播模式具有重要意义.
[方法/过程]以真实微信群中的对话样本作为研究对象,以成员之间的@关系及交流强度作为边权重构建行为网络,采用社会网络分析和内容分析方法对微信群中会话网络结构的统计特征、核心成员识别、信息交流行为等进行分析,并设计基于数量、黏度和位置的微信群用户影响力计算模型.
[结果/结论]微信群中成员发言数近似服从分段幂律分布,其幂律指数与成员活跃度成正比关系;仅依赖发言数和发言分布时间无法反映成员在网络中的地位和影响力,其与中心性、个体网络特征等指标存在不一致;微信群内的信息交流更多是一种"有限度"和"碎片化"的交流,而群间的信息流动则表现为逐级过滤、舆情风险逐级削减的趋势.
关键词:微信群会话网络信息交流关键节点社会网络分析分类号:G203DOI:10.
13266/j.
issn.
0252-3116.
2017.
20.
012本文系国家自然科学基金青年项目"突发公共卫生事件社交媒体信息主体演化与影响力建模"(项目编号:71603189)和中国博士后科学基金特别资助项目"科研合作网络的演化模型与动力学研究"(项目编号:2017T100585)研究成果之一.
作者简介:巴志超(ORCID:0000-0001-5626-5604),博士研究生,Email:bazhichaoty@126.
com;李纲(ORCID:0000-0001-5573-6400),主任,教授,博士生导师;王晓(ORCID:0000-0002-0509-7038),博士研究生;李显鑫(ORCID:0000-0002-5989-9159),硕士研究生.
收稿日期:2017-06-02修回日期:2017-08-05本文起止页码:111-119本文责任编辑:王传清1引言作为移动互联网时代的最强霸主,微信已几乎成为国民级别的互联网产品,成功取代QQ成为活跃度最高的社交类即时通讯工具.
据腾讯公司最新发布的《2017微信用户&生态研究报告》显示,截至2016年12月,微信全球月活跃用户已达到8.
89亿,微信公众平台达到1000万个,且多数微信用户的好友数已突破"邓巴数"的限制(150人),其关系链也逐渐从强关系链条衔接的家人、好友范围向弱关系联系的"泛好友"关系网络延伸[1].
与微博、博客、论坛等在线社交媒体以信息共享、传播以及获取为主、以事件内容为核心的瀑布型弱关系社交平台不同,微信更是一个以交友、表达和记录为主、以点对多即时通信设计的社交互动平台,其媒体属性不强,本质是信息交流与沟通,追求的是一种"关系"而非"关注",在产品属性、传播方式、人际交互、受众定位以及信息扩散能力等方面都表现出不同于其他传统社交媒体的新特征.
而微信群聊作为微信的一个重要功能模块,已成为网络群体生活的新形态,加入微信群也几乎变成网络生活的"规定动作"[2].
微信群是以人际交往的"圈子文化"为基础,内部形成的复杂会话结构涉及到不同的网络群体、用户行为以及交互方式.
同时,不同用户在微信群中扮演着不同的角色和地位,加入微信群便意味他的"在场",具备了一个"身份",其性别、年龄、职业等要素都可以通过成员身份在群中得以象征和展现,而这种"身份"的体现必然造成用户行为在微信群内表现出不同的差异性、多样性以及动态变化等特征.
另外,微信群的封闭性和链式裂变也使得其内的各种言论和思潮传播无法得到有效监督,群体性认同、圈群社会结构生成以及信息传播模式等都难以把握,从而对网络社会的治理提出新的挑战.
因此,有必要探究微信群内部的网络结构特征以及识别群成员之间的角色关系,分析微信群信息传播的特点以及核心成员的影响.
对微信群内部会话结构的分析,既是对移动环境下网络社区理论和信息传播理论的有效补充与提升,也有助于深入分析微信网络中信息传播的规律和用户的行为特征.
目前,对微信的相关研究基本上处于探索阶段,主111第61卷第20期2017年10月要侧重于对微信的持续使用行为[3-4]、微信在具体应用中的信息服务[5-6]、微信中信息传播特性的理论探索[7-8]以及微信公众号的有效推广与营销策略研究[9]等方面,而缺乏对微信群内部的网络拓扑结构、信息交流模式、群话题演化特征以及人物关系的把握与分析.
为此,本研究主要以网络社群理论和会话分析理论的相关研究为基础,获取真实微信群中的对话样本数据,研究微信群中信息交流行为网络的构建方法,把握群成员之间的角色关系,采用社会网络分析和内容分析方法对行为网络的结构特征和关键节点进行挖掘,并设计基于数量、黏度和位置的微信群内用户影响力计算模型.
2相关研究工作2.
1非正式的社会信息交流微信群内部的会话交流本质上属于非正式的社会信息交流,表现为一种人与人相互联系的"社会性交互".
在图书情报领域中,对于正式和非正式信息交流的定义与区分已基本上明确,然而在当前的数字化网络化环境下,仍完全以"科学文献"这种物化形态作为区分信息交流过程标准的H.
门泽尔理论已不再适应[10-12],而应该以科学、严谨的态度重新审视当今已发生重大变革的信息交流实践.
王知津[11]探讨信息网络化对传统正式与非正式信息交流模式的影响,提出半正式信息交流模式概念.
黄水清[12]根据"信息是否经专职信息人员对其内容进行加工整理"作为网络环境下正式与非正式信息交流的划分标准.
从知识分类角度来看,将非正式信息交流作为用于传播未编码化知识的主要途径,而正式信息交流作为传播编码化知识主要途径的划分方法也非常合理.
因此,根据上述划分依据,网络环境下以各种新型社交媒体形式如博客、微信以及大众标签等为基础的信息交流是属于非正式的社会信息交流.
而以当前各种新型社交媒体为基础形成的种种社会关系网络却表现出一些新的特征以及不同于传统正式信息交流的全新规律[10].
相对于正式及非正式的科学信息交流,非正式的社会信息交流完全脱离科学研究范式约束的范畴,信息交流过程中信息的多向传递、信道多元化、传递虚拟化以及用户类型多样化、"自助"个性化和内容非受控等因素都无疑增加对社会信息交流过程、模式等规律性把握的难度.
同时,社会交互信息的语义模糊性、冗余性、碎片化以及文体"杂糅"等复杂问题,也严重阻滞信息在社会网络环境下的有效交流和沟通.
然而,社会网络行为中"跟着感觉走"的信息表达方式在生成信息的过程中体现出强烈的"约定俗成"和"积非成是"的社会语言现象规律,用户的群体行为也表现出具有一定"社会提示"和"传导效应"的群体智慧.
马费成[13]、姜永常[14]和刘春茂[15]等都指出Web2.
0环境下用户生成内容(UGC)表现出交互与协作的自组织和有序化机制,开放的互联网结构和在线社会网络结构都具有自协调功能.
因此微信群内部的用户特征量分布及信息交流行为是否满足信息交流中得出的基础性、普适性规律仍需要进一步探讨.
2.
2社交媒体生成的在线社会网络Web2.
0环境下各种新型社交媒体以其用户参与、非即时互动、平等开放、共享协作等特点成为最受欢迎的互联网应用形式,以其为载体生成的在线社会网络也得到不断发展.
在线社会网络作为现实网络在虚拟网络中的映射和扩展,为深入研究人们的现实行为特征提供了条件,也为社会科学研究提供了大量数据,社会学、计算机科学、物理学等领域的专家纷纷使用复杂性科学来描述社会系统的复杂现象.
总体来讲,主要是借助复杂网络理论、人类动力学理论、数据挖掘、数理统计方法和社会网络分析理论等针对博客(和微博)[16]、维基[17]、电子邮件[18]、社交网络[19]和即时通信[20]等典型在线媒体形成的社会网络结构、演化机理以及动力机制3个方面进行探索.
然而由于微信群的传播相对比较封闭,后台大数据涉及到个人隐私或者商业机密导致难以进行大规模的计量统计与分析[21],因此,基于上述各种理论对微信群内部信息交流网络的研究成果非常少.
利用社会网络分析方法研究微信群内部信息交流的网络结构特征以及采用内容分析方法研究微信群内对话样本的特征是探索微信群内部社会结构的关键.
2.
3网络中心性及用户影响力计算为准确地描述社会网络的中心性以及测度节点的影响力,研究者提出了不同的中心性指标进行测量.
M.
Kitsak等[22]通过分析电子邮件、演员合作等实际网络的结构及传播特性,发现核数(kCore)描述节点的中心性和影响力比节点度和介数更为准确.
A.
Abbasi[23]、E.
Yan等[24]认为合作网络的中心度指标能够用于评价作者的学术影响力和预测科学家未来的学术表现.
D.
B.
Chen[25]提出一种基于领域信息的半局部中心性方法用于识别无向网络中最具影响力的节点.
周漩等[26]综合考虑节点自身在网络中所处的位211巴志超,李纲,王晓,等.
微信群内部的会话网络结构及关键节点测度研究[J].
图书情报工作,2017,61(20):111-119.
置和相邻节点的重要程度,提出一种利用重要度评价矩阵来确定网络关键节点的方法.
其他指标还包括最短距离[27]、紧密度[28]及h型中心性[29]等.
通过总结相关研究发现,不同测度指标的差异性主要在于观察网络结构的特征以及应用要求的侧重角度不同,主要是从网络的局部属性、全局属性、网络的位置以及随机游走的角度考虑网络连通性、信息传播效率、传播深度和广度等要求构建中心性指标.
然而,现实网络是动态变化的,且不同网络具有不同的结构特征,在考察实际网络的中心性时往往需要结合特定网络结构来综合利用各种指标进行度量.
因此,本研究也主要考虑微信群内部的交流网络结构以及用户行为特征来构建微信群成员的影响力计算模型.
3微信群内成员影响力计算3.
1微信群内成员的关系度量微信群聊是以社会交友、集体交流为主要目的"对话体",不同于微信私聊的点对点交流方式,微信群中的成员之间除通过使用@功能进行点对点交流以外,更多的是在微信群中通过话轮转换的方式围绕某一或某些话题展开多对多的话题交流,话题成为成员在微信群内进行信息交流陈述的对象以及表述的出发点.
而通过的对话功能进行信息交流的成员之间往往建立的是一种直接的强关系类型,当群内某个成员与其他成员都存在@关系时,在一定程度上能够反映出该成员在微信群中具有较高的影响力.
为此,本研究主要采用两种形式计算群成员之间的关联强度.
一种以微信群中的成员作为节点,单纯地以@关系作为节点之间的有向边,采用@的次数计算边的权重进行赋值构建微信群内部的交流行为网络.
另一种方式则主要考虑成员之间交流的次数与时间分布情况.
交流次数主要反映两者之间交流的活跃程度,而时间分布则反映两者对关系的维系程度,并认为成员之间在不同时段内的多次交流比仅在同一时段内进行交流时具有更高的关联强度.
例如成员A与B的交流次数为20次,交流天数为5天,而A与C的交流次数为20次,交流天数仅为1天,显然A、B之间会具有更高的活跃度.
成员之间的关系强度与交流次数和天数都呈正比关系.
为此,借鉴TFIDF算法计算词对文献重要性的思想,将整个微信群持续的时间周期按照天为单位进行划分,群成员之间的关系强度(R_strength)计算如公式(1)所示:R_strength(A,B)=CHat(A,B)/TotalChatlog(TotalDays/InvolveDays(A,B)+1)+1公式(1)其中,TotalChat表示微信群内成员之间的总交流次数,Chat(A,B)表示两者交流次数,TotalDays表示群内的总持续天数,InvolveDays(A,B)表示成员之间参与群聊的天数.
通过对成员关系强度的计算可实现对群内行为网络的构建以及成员关系的有效划分.
3.
2微信群内成员的角色分析从理论上讲,微信作为一种开放自由、平等交互以及去中心化的Web2.
0信息交流平台,成员之间都是相互平等且不受"第三方"控制和过滤的,任何成员都可以无障碍的随机发起话题,针对自己感兴趣的内容向群里倾诉.
然而实际上每个成员在群中都扮演着不同的角色,在群内的地位和活跃程度都有所不同.
微信群主作为微信群的发起人与建立者,在吸引用户关注和维护群的活跃程度、把控群成员的交流方式等方面都起着重要作用,而结合群内具体的会话内容以及对构建的网络结构进行分析发现微信群中的群主却并不一定是发言最多的人,发言最多的成员也未必是微信群中的"意见领袖",三者之间的关系存在着差异.
同时,成员的发言数以及发言时间分布与计算得到的成员中心度、个体中心网络特征等测度指标也并不一致.
因此,有必要结合行为网络的结构特征探究结构中心性、发言量最多成员及群"意见领袖"之间的关系,提出微信群成员的影响力计算模型.
在微信群中,仅仅依靠成员发言数这一指标并不能真正反映成员的活跃程度以及在群中所处的位置和地位,如在图1的加权网络中,边权重表示节点之间的发言数时,节点A与B具有相同的发言数,但在网络中所处的位置结构存在明显差异.
另外,节点A的节点度为1,节点强度为10,而节点B的节点度为5,节点强度为10,由于节点度忽略连接的权重,而节点强度未考虑网络的结构信息,因此,单一指标并不能有效的表示成员在微信群行为网络中的位置及影响力,需要将发言数、交流强度、发言时间分布以及结构信息纳入到计算模型中.
3.
3微信群内成员的影响力计算模型微信群内部的会话不再单单是一种社交,而更多是对现实社会关系的"写照",群聊的过程中也存在着资本渗透和权力控制的问题[2].
地位高的成员往往在群聊中处于中心地位,一旦发言会得到较多成员的附和,而处于从属地位的成员却较难引起群内的共鸣.
311第61卷第20期2017年10月图1简单权重网络示意从某种程度上讲,成员的地位或影响力决定着群聊的话语权,其交流的背后体现出成员的身份符号,尽管成员之间的信息交流与沟通比较随意和自由,但权力资本的渗透影响着群内的信息交流行为.
然而,仅根据微信群聊的对话样本集合有效区分成员在微信群聊中的身份与地位并识别出具有较高影响力的成员,需要考虑多种因素的影响.
其中,数量(volume)、黏度(viscosity)和位置(position)是度量微信用户影响力的3种主要因素(见图2).
数量表示成员在群内的总发言数,代表成员的活跃程度,是最基本和直观的度量要素;黏度通过成员的发言时间分布长度来衡量,代表成员对群的依赖程度;而位置主要通过测量成员在行为网络中的地位得到.
为全面度量微信群用户的影响力,需要设计考虑3种因素的集成化度量准则.
图2微信群成员影响力计算框架而基于位置这一因素测度成员在加权行为网络中的地位时,为了能够将连接强度和结构信息纳入到计算中,研究者将计量学中的h指数[30]引入节点权重计算中,提出一系列类似h指数的节点权重测度指标,如考虑加权网络节点联系权重的hDegree、gDegree、aDegree方法,考虑节点相邻度的一类方法如Lindex、alindex、glindex以及考虑结合节点的邻节点的度和节点联系权重计算的HwDegree、AwDegree和GwDegree等方法[23].
其中,HwDegree定义为当某节点有k个邻节点的加权度大于等于k,其余邻节点的加权度小于k时,则该节点的HwDegree为k[23].
而在微信群成员之间通过信息交流建立的无向加权行为网络中,考虑邻节点的交流强度R_strength比邻节点的度Degree更能够反映成员影响力.
为此,本研究在HwDegree的基础上提出Hwstrength测度指标,对基于公式(1)计算得到的交流强度R_strength进行无量纲化处理以替代邻节点的度Degree,并定义其邻节点的交流关系加权强度nwS(neighborweightedstrength)概念为:要计算Hwstrength的节点A的一个邻节点的关系强度乘以该邻节点与节点A之间的关系强度.
那么Hwstrength指标定义为:某节点有k个邻节点的nwS大于等于k,其余邻节点的nwS小于k时,则该节点的Hwstrength为k.
最终可构建3种因素集成的微信群成员影响力计算公式如下:S(I)=(αspeechiTotalSpeech+βInvolveDaysiTotalDays)·Hwstrength公式(2)其中,α、β分别表示数量和黏度因素的影响因子,speechi表示成员i的发言数,TotalSpeech表示微信群总发言数,InvolveDaysi表示成员i参与群聊的天数.
因此,微信群用户影响力计算的整个过程如下:①基于内容分析方法对微信群内成员的对话样本进行分析,统计成员之间的@关系以及计算成员之间的交流强度,构建信息交流的行为网络;②对网络结构特征进行挖掘,并对成员角色关系的一致性进行判定,检验不同指标对度量成员在网络中位置的有效性;③提出采用成员发言数、发言分布时间以及Hwstrength测度指标计算微信群用户的影响力.
4实证分析4.
1数据获取与预处理为实现上述的研究内容,本研究选取研究者所加入或组建的5个真实微信群作为分析对象,每个微信群成立的时间都在2016年10月20日之前,以保证具有较长的时间跨度.
同时,每个群内平均规模为68人,平均消息量为8340条.
根据起初建立群的目的、群成员工作性质以及群内具体的交流内容,可将这些群划分为学术群、工作群以及社交朋友群3种类型.
通过采集群内成员之间信息交流的数据作为分析文本(采集时间为:2017年04月01日),每个文本内容都包含成员ID、消息发布时间、消息状态、消息类型以及消息内容等字段.
由于微信群中信息交流的具体内容会涉及到用户的个人隐私,出于对隐私的保护,对群名称以及群内成员的处理遵循"先匿名编号再计算"的原则,同时,数据分析的结果呈现只涉及到群的特征和411巴志超,李纲,王晓,等.
微信群内部的会话网络结构及关键节点测度研究[J].
图书情报工作,2017,61(20):111-119.
属性变化,而不涉及具体的信息交流内容.
4.
2微信群内行为网络的结构分析对微信群中成员的发言数进行统计分析并按照降序排序,绘制双对数坐标如图3所示.
从图中可以看出不同微信群中成员的发言数都服从具有胖尾过程的幂律分布,即P(k)k-r,r∈[0,3],且都近似服从分段幂律分布.
通过拟合QA微信群发现其满足公式(3)的幂律特征.
当发言数x37时,服从幂律指数r=1.
42,形成的曲线变得比较陡峭.
另外,通过计算所有成员的活跃度并进行排序,按照成员活跃度将所有成员分成20个组,发现成员活跃度的累积分布也近似满足幂律分布,且从图3子图中可以看出发言数满足的幂律指数与成员的活跃程度成正比关系.
P(x):x-r,r=0.
74,ifx37公式(3)图3微信群成员的发言数分布根据上述微信群成员发言数呈现的分布特征来看,说明不同微信群中消息来源都具有较强的聚集性,部分成员基本上主导着微信群中的信息交流,大部分成员发言比较少或一直处于沉默状态,用户生成内容(UGC)存在着较大的不平衡.
成员在某一微信群中的表达意愿可能与群的活跃程度、话题共识以及社群结构有关,但更多会受到与其他成员之间关系的影响,微信群中身份和地位高的成员可能会压抑其他成员的表达意愿和表达空间.
另外,成员在群中表达观点时往往先对周围的意见环境进行观察,当发现自己的观点是属于"多数"或者"优势"一方时,会倾向于选择表达自己的观点和立场,否则就会因环境压力而逐渐转向沉默,表现为一种"沉默的螺旋"现象.
通过对学术群、工作群以及社交朋友群3种类型群的活跃程度及参与群聊的成员比例进行统计发现以感情维系为主要目的的社交朋友群具有更高的活跃度(见表1).
在该群中参与群聊的成员比例达到80.
9%,平均发言量为208条,根据累计分布函数(CDF)得到50%以上成员的发言数都小于46条,而在学术群和工作群中发言数仅有几百条.
在朋友群中成员处于同一等级,成员之间可以平等、自由的互动,这减少了由于等级压力而带来沉默的可能性,"沉默的螺旋"现象被极大弱化.
而在学术群和工作群中由于存在着天然的等级划分,成员在发言时往往要先考虑自己所表达观点可能带来后果的消极预期,这必然打击了表达观点的积极性.
同时,在这两个群中地位高的话语权逐渐被强化,其他成员只能被动的接受或附和,这也证实了这两个群中意见单一、缺乏有效讨论的原因.
表1不同类型群活跃程度的统计特征群的类型总发言量(条)时间跨度(天)群聊比例AvgMaxStdCDF(<50%)学术群42434145.
5%852123工作群59215051.
2%11611312朋友群1011914880.
9%208271052646以QA微信群为例,根据群成员之间的@关系及计算得到的交流强度绘制成员网络结构图,选择ForceAtlas2布局算法并设置增强权重和防止重叠处理以清晰显示(见图4).
通过计算得到@关系网络的密度为0.
062,聚类系数为0.
34,平均加权度为2,说明基于@关系形成的网络结构比较稀疏,小世界特征十分明显.
从图4中可以看出成员A1处于关系网络中绝对核心位置,其与群中绝大部分成员建立了强关联关系,并与成员A4、A5和A12关系比较密切.
但基于该关系网络只能反映核心及活跃成员之间建立的强关系结构,无法有效描述绝大多数微信成员之间的关系.
图4(b)是基于交流强度构建的成员网络结构图,该网络中关系相对更加紧密,网络密度为0.
148,平均聚类系数为0.
91.
在该网络中A1、A2等成员处于网络的相对中心位置,但大部分成员都处于边缘地位,其都属于沉默围观者,在群中几乎很少发言,仅在必要时关注群内信息以及参与讨论,且由于受到核心及活跃成员的引力作用,这些沉默围观者几乎都聚集在这些核心及活跃成员的周围,从而形成一个相对比较稳定的网络结构.
511第61卷第20期2017年10月图4微信群QA成员网络结构4.
3微信群内成员的影响力分析通过统计各成员在该网络中的各项参数,发现仅根据成员的发言数和参与天数并无法反映成员在网络中的地位与影响力,这两个指标与成员的点度中心度、特征向量中心度等都存在不一致性(见表2).
成员A6、A16及A20等都具有较高的发言数和参与天数,但并未处于网络的核心位置,而成员A1的发言数和参与天数都相对较低,却处于网络中心地位,且其个体网络规模Size为60,直接或间接的关系总数Ties达到484,二步网络值2StepR为80.
64%,说明该成员经过两步能够达到较大的用户范围,其在网络中具有较强的信息扩散能力.
另外,在该微信群中成员A7是该群的群主,但并不是发言数最多的人,其点度中心度和特征向量中心度等指标都相对较低.
由于群主在维持群的活跃度、吸纳其他成员加入等方面都具有一定的优势,其往往与群内绝大多数成员都比较熟悉,然而从计算得到的2StepR指标看出该群主并未与群中成员建立良好的关系,其也不是该群中的"意见领袖".
从表2中各成员的点度中心度和特征向量中心度指标来看,能够在一定程度上反映成员在网络中的位置,但由于未考虑到成员的发言数及发言分布时间,对准确计算成员在微信群中的影响力仍存在一定缺陷.
如成员A5的点度中心度和特征向量中心度相对较低,但具有较高的发言数和参与天数,在网络中仍处于相对核心的位置,这两个指标能够反映成员在微信群中的活跃度以及对群的依赖程度.
为此,提出基于公式(2)计算微信群中各成员的Hwstrength和S(I)指标,如表2所示:表2微信群QA中成员的网络参数指标编号发言条数参与天数DegreeBetweennessEigenvectorSizeTiesnWeakC2StepRHwstrengthS(I)A1392070.
5912.
9246.
6560484380.
6470.
4606829A2522360.
888.
5445.
5256474175.
2950.
4004181A3382467.
068.
7646.
2057484174.
1550.
3677942A4551872.
9415.
0547.
3462492479.
8160.
4288609A5562747.
063.
2537.
6940382175.
1850.
4545376A6482332.
941.
0830.
8228292171.
0440.
3104883A7361720.
000.
1723.
4017184172.
6630.
1730817A835614.
120.
0119.
6012122170.
5330.
1022460A926714.
120.
0119.
6012122175.
2920.
0612682A10251111.
76017.
891090170.
3120.
0767622A2030516.
47013.
55630172.
2120.
0578290A21261012.
94013.
55630171.
0320.
0738118A60217.
0609.
924121020.
0066427A61117.
0609.
92412176.
0420.
0054119B8600000000000611巴志超,李纲,王晓,等.
微信群内部的会话网络结构及关键节点测度研究[J].
图书情报工作,2017,61(20):111-119.
由于基于公式(1)计算得到的成员交流强度R_strength都维持在[0.
01,0.
05]之间,为此,需要对该值进行无量纲化处理,并将其应用到计算微信群成员的Hwstrength测度指标中.
Hwstrength指标既考虑了成员之间的交流强度,又考虑了成员在网络中的结构信息以及邻节点的影响力,能够反映成员在网络中的位置信息,并与其他计量指标都具有较高的相关性(见表3).
其与文献[3]提出的HwDegree指标的Pearson相关性达到0.
91,与成员的发言数和发言天数的相关性相对较低.
而基于公式(2)计算微信群成员的影响力时,假定成员的参与天数对其影响力的作用要大于其发言数,有着较高参与群聊天数的成员往往比仅在一天内有较多发言数的成员的影响力更大一些.
为此,设定α=0.
4、β=0.
6.
从表3中可以看出,S(I)指标与其他指标的相关性都很高,能够从整体上反映成员在网络中的影响力.
通过该指标得出成员A1应该为该群中的"意见领袖",对该微信群聊的控制和引领能力较强.
结合具体的会话内容进行分析发现该成员每次发言都能够得到较多成员的积极回应,即使偶尔发表见解,也会引起群内较强烈的共鸣,并且附和的基调也比较明显,表现出强烈的"晕轮效应".
通过对部分成员进行访谈也了解到在现实的社会圈子中该成员也具有较高的权威度,这说明现实社会中的"差序格局"关系原则在微信群中依然发挥着显著的作用.
从某种意义上讲,微信群中的人际关系实质是将个体化的社会关系网络化,将现实社会中的人际传播场景植入到了网络空间中,在群中活跃的成员往往与其权力和资本有关,个人地位在很大程度上决定了在微信群聊的话语权,而这种话语权力的等级化,必然导致微信中的信息传播很难出现像微博、BSS论坛等传播过程中的"羊群效应".
表3微信群成员各测度指标的相关性分析测度指标12345671.
发言数12.
参与天数0.
5913.
节点强度0.
640.
5614.
Degree0.
570.
530.
8215.
Eigenvector0.
730.
600.
860.
9116.
HwDegree[3]0.
740.
690.
760.
870.
8917.
Hwstrength0.
800.
740.
910.
870.
890.
9118.
S(I)0.
870.
820.
840.
900.
920.
870.
944.
4微信群成员之间的交流行为分析结合内容分析方法对微信群内部的信息交流样本数据进行分析,发现信息在微信群内的交互和分享过程中存在着严重的"碎片化"现象,在不同类型的微信群中大量重复性内容和转发内容都呈现出杂乱无章的特点.
微信群内成员之间很难针对某一话题集中精力展开讨论,成员往往会随意性地转移话题,当某一个话题还未来得及讨论时,另一话题又突然凸显,话题与话题之间存在着串行和并行两种形式,整个会话结构更多的是以跨话轮的形式推进.
如在QA微信群中针对某一个话题讨论的成员数最多为14人,最多发言数为42条;在QB微信群中针对同一话题讨论的最多成员数为11人,最多发言量为32条.
话题这种"无限漂移"和话语"无限流动"的会话方式使得群成员之间难以得到深入的交流,更难以形成深度的情感体验,聊天的内容也缺乏逻辑关联和系统思维.
另外,通过统计群成员进行信息交流的消息类型,发现除使用文本形式外,成员更加倾向于选择微信表情包(学术群中占比18.
2%、工作群占比25.
8%及社交朋友群占比46.
9%)及网页地址分享(学术群占比13.
6%、工作群占比12.
3%及社交朋友群占比15.
5%)的方式进行信息交流.
可以看出微信表情包作为一种独立文字传播形态的全新多模态话语形式,已成为当前公共话语空间构建的重要视觉修辞手段,而网页地址的分享也体现一种以关系连接为出发点,以社会关系属性为标准进行内容生产、选择和交换的特征.
微信群间的信息扩散也不再是内容上简单的复制和扩散,而是依循成员之间的"关系"理路进行私密或公开的传播.
不同微信群之间存在着不同程度的成员重叠,而正是这些重复成员集合建立起不同微信群之间的"桥接"关系(见图5),群内部的信息生产和流动比较封闭,而群之间的信息共享则可通过单一成员或者成员集合进行连接.
因此,信息在不同微信群之间的传播也并非无选择和全开放式的流通,而是有选择和过滤式的进行信息共享.
连接成员的个体判断起到"信息阀门"作用,当信息符合其兴趣取向时经由"转发"到其他群,否则,连接成员则担任其"把关人"的角色,暂缓或删减自己不感兴趣的信息.
这些连接成员对信息共享的决定权,在某种程度上影响着信息在不同微信群之间的扩散速度和范围,且当连接成员越多时,控制的因素就越多,信息传播的速度就越慢,扩散的范围就会越小,而正是微信群之间信息传播逐级过滤的模式导致微信群中很难形成大规模的扁平化传播,同时,传播时间的延迟以及节点对信息的把控也导致微信舆情热度被逐级缓释,这也解释微信的信息传711第61卷第20期2017年10月播扩散能力远远落后于微博,而微博舆情热度和危机指数远远高于微信的主要原因.
图5微信群间衍生关系网络5结论本研究对5个真实微信群中的对话样本数据进行分析,提出基于@关系和交流强度的信息交流行为网络构建方法,验证微信群中发言最多的成员、群主和"意见领袖"之间,以及成员的发言数、发言时间分布与点度中心度、个体中心网络等测度指标之间关系的不一致性,提出考虑节点强度、结构信息以及邻节点影响力的成员位置测度指标Hwstrength,设计基于数量、黏度和位置的微信群内用户影响力计算模型,并进一步针对微信群内部行为网络的结构特征、群内及群间的交流行为进行分析.
通过研究微信群中的网络结构以及识别拓扑网络中的关键节点,可为人际交往、微信营销、用户推荐等领域的应用提供方法借鉴,而对微信群内信息交流行为及信息传播模式的研究,也为进一步分析微信群舆情演化与监管提供理论支撑.
本研究也存在一定的局限性,首先,对不同类型微信群的设置过于单一,每个类型仅选取了1-2个群作为代表,未涉及到商业、生活、情感等微信群,因而无法全面揭示不同类型群的共性与差异,进而把握所有类型群的网络结构和群体行为特征;其次,仅基于内容分析方法对微信群的对话样本进行统计和描述分析,缺乏对交流内容的语义识别以及对所使用的微信表情包等修辞手段在不同对话样本下所传递的语用功能的揭示;最后,所提出的微信群成员影响力测度指标在不同类型微信群中应用的普适性和有效性有待探讨,也需要结合其他成员行为特征对该指标进行改进和优化.
下一步也将主要从微信群聊对话文本的语义挖掘、成员关系的有效度量、多类型微信群的网络结构和行为特征以及成员影响力计算指标的改进等问题进行深入探究.
参考文献:[1]腾讯科技.
2017微信用户&生态研究报告[N/OL].
[2017-04-24].
http://tech.
qq.
com/a/20170424/004233.
htm#p=1.
[2]蒋建国.
微信群:议题、身份与控制[J].
探索与争鸣,2015(11):108-112.
[3]王晰巍,曹茹烨,杨梦晴,等.
微信用户信息共享行为影响因素模型及实证研究[J].
图书情报工作,2016,60(15):6-13.
[4]PENGXX,ZHAOYX,ZHUQH.
Investigatinguserswitchingintentionformobileinstantmessagingapplication:takingWeChatasanexample[J].
Computerinhumanbehavior,2016,32(64):206-216.
[5]宋雪雁,张岩琛,王小东,等.
公共档案馆微信公众平台服务质量评价研究[J].
图书情报工作,2016,60(16):39-49.
[6]LIENCH,CAOY,ZHOUX.
Servicequality,satisfaction,stickiness,andusageintentions:anexploratoryevaluationinthecontextofWeChatservices[J].
Computersinhumanbehavior,2017,33(68):403-410.
[7]AIC,CHENB,HELN,etal.
ThegeographicalcharacteristicsofWeChatpropagationnetwork[C]//Theory,methodology,toolsandapplicationsformodelingandsimulationofcomplexsystems.
Singapore:Communicationsincomputerandinformationscience,2016:282-292.
[8]HEJJ,WANGT.
ComparisonandanalysisofmicroblogandWeChatbasedoninformationspreadingmodels[C]//Proceedingof6thinternationalconferenceonmachinery,materials,environment,biotechnologyandcomputer(MMEBC).
Amsterdam:AtlantisPress,2016:1183-1188.
[9]史梅,翟晓娟.
高校图书馆官方微信经营策略研究———以南京大学图书馆为例[J].
大学图书馆学报,2014,32(5):79-85.
[10]方卿.
论网络载体环境下科学信息交流过程的基本特征[J].
情报理论与实践,2002,25(2):95-98.
[11]王知津,李新华.
论信息网络化对传统情报交流模式的影响[J].
图书情报工作,1999,43(1):8-10.
[12]黄水清,王超.
网络环境下非正式信息交流的概念、类别与特点[J].
图书馆杂志,2004,23(6):8-11.
[13]马费成.
Web2.
0信息自组织功能与序化机制研究-兼论情报学的有序性原理[J].
图书情报知识,2008(3):5-7.
[14]姜永常.
基于用户体验的知识构建———Web2.
0环境下对知识构建原理的再认识[J].
情报学报,2010,29(5):872-879.
[15]刘春茂,米国伟.
基于Web2.
0的网络用户群"社会性"行为的系统分析[J].
图书情报工作,2010,54(20):32-35.
[16]YUANWG,LIUY.
Amixingevolutionmodelforbidirectionalmicroblogusernetworks[J].
PhysicaA:statisticalmechanicsanditsapplications,2015,432(8):167-179.
[17]CAPOCCIA,SERVEDIOVD,COLAIORIF,etal.
Preferentialattachmentinthegrowthofsocialnetworks:theinternetencyclopediawikipedia[J].
PhysicalreviewE,2006,74(3):036116.
811巴志超,李纲,王晓,等.
微信群内部的会话网络结构及关键节点测度研究[J].
图书情报工作,2017,61(20):111-119.
[18]BARABASIAL.
Theoriginofburstsandheavytailsinhumandynamics[J].
Nature,2005,435(7039):207-211.
[19]ELLISONN,STEINFIELDC,LAMPEC.
Spatiallyboundedonlinesocialnetworksandsocialcapital[J].
Internationalcommunicationassociation,2006,18(13):1-37.
[20]LESKOVECJ,HORVITZE.
PlanetaryscaleviewsonalargeinstantmessagingNetwork[C]//Proceedingofthe17thinternationalconferenceonWorldWideWeb.
NewYork:ACMPress,2008:915-924.
[21]王芳,翟羽佳.
微信群社会结构及其演化:基于文本挖掘的案例分析[J].
情报学报,2016,35(6):617-629.
[22]KITSAKM,GALLONSL,HAVLINS,etal.
Identificationofinfluentialspreadersincomplexnetworks[J].
Naturephysics,2010,6(11):888-893.
[23]ABBASIA.
hTypehybridcentralitymeasuresforweightednetwork[J].
Scientometrics,2013,96(2):633-640.
[24]YANE.
DINGY.
Applyingcentralitymeasurestoimpactanalysis:acoauthorshipnetworkanalysis[J].
JournaloftheAmericanSocietyforInformationScienceandTechnology,2009,60(10):2017-2118.
[25]CHENDB,LULY,SHANGMS,etal.
Identifyinginfluentialnodesincomplexnetwork[J].
PhysicaA:statisticalmechanicsanditsapplications,2012,391(4):1777-1787.
[26]周漩,张凤鸣,李克武,等.
利用重要度评价矩阵确定复杂网络关键节点[J].
物理学报,2012,61(5):50201-50201[27]HUANGX,VODENSKAI,WANGF,etal.
Identifyinginfluentialdirectorsintheunitedstatescorporategovernancenetwork[J].
PhysicalreviewE,2011,84(4):046101.
[28]SABIDUSSIG.
Thecentralityindexofagraph[J].
Psychometrika,1966,31(4):581-603.
[29]ZHAOSX.
ROUSEAUR,YEFY.
hDegreeasabasicmeasureasabasicmeasureinweightednetwork[J].
Journalofinformetrics,2011,5(4):668-677.
[30]HIRSCHJE.
Anindextoquantifyanindividual'sscientificresearchoutput[J].
ProceedingoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,2005,102(46):16569-16572.
作者贡献说明:巴志超:模型构建及论文撰写;李纲:提出研究思路和方法,指导论文写作;王晓:数据收集与整理;李显鑫:数据收集及处理分析.
ResearchonSessionNetworkStructureandKeyNodeMeasureinWeChatGroupBaZhichaoLiGangWangXiaoLiXianxinCenterforStudiesofInformationResources,WuhanUniversity,Wuhan430072Abstract:[Purpose/significance]WeChatgrouphascomplexconversationalstructure,andit'soffarreachingsignificanceforunderstandingtheWeChatusers'informationbehaviorandcommunicationmodeltoexplorethenetworkstructure,roletypesandinterrelationbetweenthem.
[Method/process]Basedonrealdialoguesampleasstudyobject,thebehaviornetworkwasconstructedbyusingthe@relationandcommunicationstrengthbetweenusersasedgeweight.
Themethodsofsocialnetworkanalysisandcontentanalysiswereintroducedtoanalysisthestatisticalcharacteristicsofnetworkstructure,corememberidentificationandinformationexchangebehaviorofinWeChatgroup,andaninfluentialpowermodelofWeChatuserswasdesignedbasedonvolume,viscosityandpositionindexes.
[Result/conclusion]ThequantityofchatsinWeChatgroupisapproximatelyassumedtobeinpiecewisepowerlawdistribution,andthepowerlawindexisdirectlyproportionaltouseractivity.
Meanwhile,thequantityandtimedistributionofchats,whichisinconsistentwiththecentrality,individualnetworkcharacteristicsandotherindicators,cannotreflecttheusers'statusandinfluenceinbehaviornetwork.
Finallly,theinformationcommunicationinWeChatgroupismoreofakindof"limited"and"fragmented"communication,andtakeonatrendofgradualfilteringandreductionofpublicopinionriskbetweenWeChatgroups.
Keywords:WeChatgroupsessionnetworkinformationcommunicationcorenodessocialnetworkanalysis911