社會網絡分析方法對傳播研究的啟示

王榮

摘 要：隨著各領域的交流合作，以及計算機技術的迅速更新，社會網絡分析已經有了長足發展。從對人群的分析，到對文本的分析；從對圖形的描繪，到對中心度、位置的計算；從社會學到物理學生物學統計學等多學科合作。本文描述了社會網絡分析方法的淵起、理論基礎及研究方法。介紹了該方法的前沿理論與操作程序，并指出運用社會網絡分析的視野與方法進行新聞傳播研究的有益啟示。

關鍵詞：社會網絡分析；方法論；新聞傳播研究

中圖分類號：G202 文獻標識碼：A 文章編號：1672-8122（2018）04-0059-02

不同于傳統的實證方法，社會網絡分析（Social Network Analysis）方法研究結構而非事件、聚焦關系而非主體、關注動態而非靜止。確切地說，社會網絡分析更像是一種研究社會的新視角，而非某種局限的具體方法。加之互聯網絡、社交媒體、甚至物聯網的發展，牽一發而動全身的全球化和經濟社會一體化，產生了越來越多的網絡化數據。在此基礎上催生出的小世界、無尺度網絡等讓人眼前一亮的理論，都促使社會網絡分析成為一種具有重要方法論意義的研究視角。

社會網絡分析方法已經在新聞傳播領域有所運用，但尚未形成規模。伴隨著新媒體的發展革新，電子設備作為媒介，將每一個使用者聯結在一起，形成了復雜網絡的結構。在描述社交網絡的基礎上，對這種復雜網絡結構的分析尚不多見。同時，海量文本內容也為傳統的文本分析增加了難度，應運而生的是采取社會網絡方法去分析文本，研究語詞關系和敘事模式的文本分析新思路。本文通過對社會網絡分析方法的發展與應用進行介紹，試圖發現其對人物互聯環境下新聞傳播研究的啟示。

一、淵起與發展

傳統社會科學研究將注意力放在個體的研究對象身上，通過抽樣調查的方式，將個體從其所處的社會環境和復雜關系中抽離出來。哥倫比亞大學社會學者艾倫·巴頓在1968年有過一個形象的比喻，說這樣研究“就好比生物學家將實驗動物放入碎肉機中，每隔一百個細胞就抽取一個來觀察”。但在試圖探索人類社會運行規律的社會科學領域，此舉無異于盲人摸象，難明就里。為了解決這一問題，結構化的研究方法，也就是社會網絡分析，便成為社會科學研究的新方向。

早期社會科學研究者曾試圖從結構主義的視角，探究將個體連結在一起的紐帶。早在19世紀中葉，哲學家孔德就曾說過，“科學主義的精神不準我們將社會看做個體的集合體”。他也因此最早提出從社會行動者間相互聯系的角度看待社會。與孔德不同，社會心理學家勒龐對群體行為現象進行了驗證，以一種動態的結構主義視角，分析信息在人群中的流動過程。直到在19世紀末20世紀初，社會學家齊美爾和他的學生，才明確提出了社會網絡的觀點，這對結構主義的研究方式產生了深遠影響。他認為社會由處于特定環境中的個體組成，只有當這些環境交互影響時，也只有人們之間相互影響時，才能稱其為社會?？梢哉f，齊美爾的論述，為當代社會網絡分析奠定了基礎 [1]。

當代社會網絡分析領域的萌芽，出現在20世紀30年代。心理醫生雅各布·L·莫雷諾，和他的同事海倫·簡寧斯最早引入這一方法，并將其命名為社會計量學（Sociometry）[2]?？上Р⑽慈〉瞄L足發展，十多年后，美國大多數社會學家又將其注意力轉回了傳統的屬性研究。與莫雷諾和簡寧斯同時期，哈佛大學人類學家W·勞埃德·沃納帶領其團隊，用社會網絡分析的思路，設計了著名的“銀行接線室”研究。但隨著1935年沃納離開哈佛去芝加哥大學工作，哈佛的這波研究風潮也隨之消散。同一時期，德國心理學家庫爾特·萊溫帶領團隊進行了一系列結構主義視野下的心理學領域研究，開啟了社會網絡分析研究的第三波萌芽。雖然這三支團隊最早采取結構主義的研究視野，探索了社會網絡的分析路徑，但卻都沒有發展出一套可以廣為適用的系統的研究方法，且沒有形成廣泛持久的影響。

從20世紀30年代到70年代，采用社會網絡分析路徑進行研究的機構和個人遍布世界各地，研究如火如荼地進行著。直到70年代早期，哈佛大學哈里森·懷特教授用結構主義范式，培養了一批又一批探索并使用社會網絡分析研究路徑的研究者，他們活躍在各個研究領域，使得社會網絡的分析路徑走進了更多研究者的視野[3]。跟隨懷特教授及其學生的步伐，社會網絡分析受到了越來越多的重視。

90年代末期，社會網絡分析迎來了一些重大突破。1998年，瓦茨和斯特羅加茨發表了小世界理論；一年后，巴西巴拉和阿爾伯特驗證了中心度的分布，從物理學的角度，為社會網絡分析帶來了革命性的進展。隨著互聯網的興起，物理學領域出現了大量結構化數據；同樣面臨這一現象的，還有需要研究基因和代謝網絡的生物學領域。為此，這兩個領域的研究者都開始著眼于網絡化結構數據的分析方法研究，并將目光投向了已經致力于解決網絡化數據60余年的社會學領域[4]。他們從這一領域汲取思路，并運用算法和計算機工具來拓展這一領域，并為這一領域貢獻了全新的研究視角與分析路徑。

二、社會網絡分析經典理論

在過去的這60余年里，社會網絡分析出現了一些具有代表性的理論：弱連接理論、結構洞理論、小世界理論、無尺度網絡理論等。

社會學家格蘭諾維特于1973年提出了弱連接的力量（Strength of Weak Ties， SWT）理論。該理論有兩大假設，第一，兩個人之間的連接越強，他們的社交世界就越有可能重疊，因為這樣的兩個人具有更高的同質性。而同質性的傳遞性較差，因為被連接的各個點之間都較為相似。第二，橋連接是潛在的新信息源。因為橋連接可能將兩個同質性較弱的點連接在一起，一個人從橋點得到的信息，與其原有圈子的信息重合度較低。根據這兩個假設，格蘭諾維特得出結論，強連接關系同質性較高，只有同質性較低的弱連接才能成為橋連接；而只有橋連接才能成為新信息源，為個體帶來新的信息。

結構洞與橋連接較為相似。博特在1992年提出了社會資本的結構洞（Structural Holes）理論。在表述方式上與格蘭諾維特略有不同，博特將擁有更多弱連接或橋連接的個體，稱為有更多結構洞的個體，認為其擁有更多非冗長關系。在理論內容上，博特更進一步指出，連接的強弱決定了是否會扮演橋的角色[5]。博特認為，弱連接只是相關而非因果，結構洞則關注了產生信息效益所跨越的不同群體間的鴻溝。

小世界理論（Small World）在此基礎上，增加了復雜網絡結構的視角。從地球村到六度分割理論，人們感知到的世界越來越小。鄧肯·沃茨教授對這一感知背后的社會網絡結構進行了研究，他從最具典型性的“穴居人結構”入手，研究只與其他群體有一到兩個連接的群體。他發現，在一個集群度較高的群體內，隨機添加少量的鏈接，就可以大幅減少其個體間的最遠距離。

隨著對復雜網絡的探索，研究發現像基因網絡或萬維網這樣的復雜網絡，并不是隨機分布的，其結構遵循著冪律分布。新節點的加入會不斷擴大網絡規模，新節點也會優先與擁有較多鏈接的頂點建立連接。研究者將這種網絡成為無尺度網絡（Scale-free），并據此展開了對社會網絡結構的新研究。

三、本體論與研究模式

從社會網絡分析的發展歷史，也可以看出其清晰的結構主義本體論。這種分析視角下的真實，是由相互關系建構起來的。研究者認為，是個體間關系模式的規律性組成了社會的結構，而非它們屬性的類別或抽象的規范與價值觀[6]。對于理解個體行為來講，結構化的關系往往比諸如年齡、性別、價值、甚至思想都更為重要[7]。對具體行為的研究，應該放在其所處的關系和環境中進行，這樣才能解釋社會行為的很多復雜性。

個體所處的關系網絡，會對其觀點、思想、行為產生影響，這種影響來自于關系建構起來的社會結構。因此，要了解個體的行為，必須先了解其所處的關系網絡。在研究時，應該做到既見樹木又見森林，用普遍聯系的整體觀念進行研究，告別頭疼醫頭腳疼醫腳的傳統研究模式。同時，要用發展的眼光看待關系，將關系網絡看成動態發展的過程，從動態關系網絡中獲取信息。在社會網絡分析中，更強調從宏觀著眼，開啟“上帝視角”，從整體上把握研究。在研究過程中，研究者應避免呈現個人的主觀傾向，試圖保持研究的客觀性。用一套量化的指標和規范進行研究，與研究對象保持距離。

四、操作程序

作為一種實證研究方法，社會網絡分析的操作程序并沒有什么特別之處。也需要經歷確定研究對象與問題、收集并分析數據、建構或驗證理論模型的過程。與傳統實證方法的不同之處在于：社會網絡分析采用結構化的研究視角，關注研究對象所處的網絡及其關系，并力圖從動態的變化過程中研究復雜聯系中的個體。本文著眼于這些獨特的分析路徑，在大家熟悉的傳統實證研究方法基礎之上，試圖從這些不同之中呈現社會網絡分析的操作程序。

（一）數據結構

與傳統數據相比，網絡數據并沒有什么特殊之處，也是由研究對象及其屬性變量組成的。但除此之外，網絡數據還會從一個更為宏觀的整體視角關注數據結構，去了解研究對象是如何嵌入其所在的關系網絡中的。網絡數據區別于傳統數據的主要特征是，傳統數據關注研究對象及其屬性，而網絡數據關注研究對象（點）及其關系（線）[8]。

（二）數據收集方法

研究者可以通過問卷、訪談或觀察的形式，對研究對象進行數據收集。

當可以較為清晰地界定研究對象時，通過位置法和聲望法來收集數據[9]。若研究者的目的是為了直接選擇屬性，則可采用事件中心的方法來進行抽樣，不考慮研究對象所屬的組織或所處位置，只考察其所參與的事件或活動。

無論何種情形，當面對大規模社會系統時，都會涉及抽樣的問題。在傳統數據中，抽樣可以從整體中濃縮出一個能夠代表總體的樣本，樣本的屬性對整體具有統計意義上的代表性。但關注關系研究的網絡數據，則很難通過抽樣實現對關系網絡的濃縮，更沒法處理無應答帶來的數據偏差。面對這種情況，約翰·斯科特教授提出了三種應對思路：將研究重心放在個體中心網而非測量社交網絡的整體屬性；用滾雪球的方法，盡可能收集所有相關人員的信息；如博特教授所倡導的，轉向社會網絡的一些更為質性的特征，如結構化的位置、社會角色等[10]。

克拉澤克教授從統計學的角度，對此提出了多種抽樣設計方案：誘導子圖抽樣，從整體關系網絡中隨機抽取N個頂點，并觀察其所產生的子圖。星狀滾雪球抽樣，選定幾個點，再抽取與選定點距離一步的點，繼而再抽取距離這些點一步的點，以此類推。鏈接追蹤法，在選取初始樣本后，通過樣本內頂點的鏈接，追蹤到其他頂點[11]。當然，無論采用何種方法，都要在研究問題和目的基礎上，具體問題具體分析。

（三）數據分析

根據收集到數據的類型，可以分為個體中心網和整體網兩大類來進行分析。個體中心網以具體個人或事件為中心，圍繞個體收集數據，繪制出個體所具有的社會網絡；整體網則以宏觀視角，盡可能完整地繪制研究對象所處的整體網絡。

首先，對于網絡內的組成部分而言，可以分析點、線、相鄰點、密度等，這些數據能為我們勾畫出此網絡的大致結構。其次，對中心度或中心性的分析，可以使研究者了解該網絡的特殊屬性。最后，對成分、派系、位置等數據的分析，能夠為研究者找到從屬于大群體的子群體，更加立體地勾畫網絡結構。

（四）可視化呈現

對于社會網絡分析的結果，通常有兩種呈現方式：圖和矩陣。不同于傳統的統計圖表，社會網絡分析的圖和矩陣根植于數學圖論，呈現形式較為復雜。尤其是在大數據背景下，關系數據的可視化呈現已經成為研究的重要組成部分，清晰美觀的呈現需要科學性與藝術性的結合。

五、對新聞傳播研究的啟示

通過上述對社會網絡分析方法的概述和梳理不難看出，社會網絡分析不僅是一套研究方法，更是一種思維方式。它要求研究者把研究問題放在普遍聯系中，用結構化的視角開展研究。因此，社會網絡分析彌補了傳統實證研究只有屬性研究的不足，將結構和關系納入研究。

（一）為研究路徑的融合提供可能

新聞傳播研究素來有方法論的爭議?！皩嵶C研究與質性研究的分野表現為前者過分拘泥于傳播的幾個變量間的關系而置整體社會情境于不顧，后者則缺乏立基于現實的資料，致使宏大的傳播研究題目不能與現實情境建立聯系?！?[12]社會網絡分析的視角，既關注現象也聚焦屬性，為兩種研究途徑的融合提供了可能。

社會網絡采用結構化研究視角，能更加全面立體地了解傳播現象。同時，既可以結合傳統研究，將屬性數據放置在關系結構的大背景下進行分析；又可以對所研究的傳播現象進行質性觀察，將觀察數據與調查數據相結合，實現實證研究與質性研究的有機結合。

（二）文本內容分析

除了對各種社會主體及其關系網絡進行分析，社會網絡還可以用來分析文本和敘事模式。這是當代社會網絡分析方法的前沿嘗試，希望能用結構化的視角，從宏觀聯系中去把握海量文本內容。新聞傳播研究中涉及大量文本內容，目前較為常用的分析方法有內容分析、主題分析、話語分析等傳統方法。如果將社會網絡分析用于文本分析，可以識別出一些傳統方法難以發現的文本結構和敘事模式。尤其在分析工具高度發達的今天，利用軟件可以迅速實現對海量數據的批量處理，找出研究者個人難以發現的規律和結構。將這一研究思路與方法運用到新聞傳播學研究，可以為研究者提供新的文本分析路徑。

（三）復雜網絡視域下的新聞傳播研究

隨著互聯網、物聯網進入人們的生活，日常交往早已被網絡化。但這一網絡的復雜程度已經遠遠超出了傳統社會網絡分析建構的經典模型。新聞傳播研究的主要對象就是將人們聯結在一起的媒介，對復雜網絡的研究有著天然優勢。因此，新聞傳播研究者更應該樹立結構化的思維方式，在經典模型的基礎上，探索新聞傳播網絡中獨特的社會網絡模型，切實將復雜網絡的分析思路運用在新聞傳播研究中。

參考文獻：

[1] Linton C. Freeman. The development of social network analysis[M]， Empirical Press Vancouver， BC Canada. 2004.

[2] Linton C. Freeman. The development of social network analysis[M]， Empirical Press Vancouver， BC Canada. 2004.

[3] Linton C. Freeman. The development of social network analysis[M]， Empirical Press Vancouver， BC Canada. 2004.

[4] John Scott & Peter J. Carrington， The SAGE handbook of social network analysis[M]， SAGE Publications Ltd. 2016.

[5] John Scott & Peter J. Carrington， The SAGE handbook of social network analysis[M]， SAGE Publications Ltd. 2016.

[6] Eric D. Kolaczyk， Statistical analysis of network data[M]， Springer science+business media， LLC 2009.

[7] John Scott & Peter J. Carrington， The SAGE handbook of social network analysis[M]， SAGE Publications Ltd. 2016.

[8] Robert A. Hanneman and Mark Riddle， Introduction to social network methods[M]， CA： University of California， Riverside 2005.

[9] John Scott， Social network analysis[M]， SAGE Publications Ltd. 3rd ed. 2013.

[10] John Scott， Social network analysis[M]， SAGE Publications Ltd. 3rd ed. 2013.

[11] Eric D. Kolaczyk， Statistical analysis of network data[M]， Springer science+business media， LLC 2009.

[12] 王錫苓.質性研究如何建構理論？——扎根理論及其對傳播研究的啟示[J].蘭州大學學報（社會科學版），2004（5）.

[責任編輯：東方緒]