本站原创〔摘 要 〕本文从文献计量的角度出发,使用BICOMB、UCINET以及NETDRAW软件,通过对文献关 键 词 共词网络进行词频分析、中心性分析以及凝聚子群分析挖掘出近十年来我国社会网络研究热点,并实现其可视化.
〔关 键 词 〕社会网络分析；文献计量；热点；可视化
DOI：10.3969/j.issn.1008-0821.2013.05.036
〔中图分类号〕G25073〔文献标识码〕A〔文章编号〕1008-0821（2013）05-0160-08
社会网络分析方法自引进中国30余年来,已得到了成熟的发展.在前序研究中,笔者曾对我国近十年来社会网络领域的研究状况进行探讨,分析了该领域文献增长、期刊分布,介绍了相关高产作者及机构.为了更好地从宏观角度把握社会网络领域的发展态势,笔者对文献关 键 词 做了进一步研究.关 键 词 是从整篇科学文献中提炼出来的可以反映文章主题和所涉领域中心的关键性词语,学科领域的研究重点及热点也常常通过文献关 键 词 体现出来.本文通过构建文献关 键 词 共现网络,探求关 键 词 节点及其相互之间的网络关系来挖掘社会网络研究领域的研究热点及趋势.
1数据来源
研究以中国期刊全文数据库作为数据源,检索日期为2012年10月11日.具体检索策略为：以“社会网络分析”为主题,对2003-2012年10年的数据进行精确检索,共得文献1 128篇,抽取文献的关 键 词 字段并进行数据预处理,进行相关分析如下.
2社会网络研究热点分析
231度数中心度
度数中心度是用社会网络中与某节点相连的节点个数来衡量的.使用UCINET软件分析关 键 词 共现网络的度数中心度,截取前十位关 键 词 情况如表3.在NETDRAW软件中,按照度数中心度标记可视化网络中节点的大小,得图2.从分析结果看,整个网络的度数中心势为2192%,说明该领域关 键 词 之间的联系和共现程度不是特别高.就网络节点而言,社会网络分析、网络结构、中心性、中心度等关 键 词 的度数中心度较高,处于共现网络的中心位置,说明这些词是社会网络分析领域中的权威,也是该领域的主要研究对象.从应用层面来看,社会网络分析的应用领域主要在于知识管理、社会资本以及文献计量的共词分析等领域,这点和关 键 词 的词频分析得出的结论是一致的.图1基本关 键 词 共现网络
表3关 键 词 度数中心度
关 键 词 度数中心度关 键 词 度数中心度社会网络分析981000社会资本92000网络结构215000行动者90000中心性209000共词分析68000中心度184000知识共享68000社会网络113000网络度数中心势（%）2192知识管理100000
232中间中心度
中间中心度测量的就是行动者对资源控制的程度,可以用来推断网络中的桥梁节点或资源垄断者.如果一个行动者处于许多交往网络路径上,可以认为此人居于重要地位,因为“处于这种位置的个人可以通过控制或者曲解信息的传递而影响群体”[1].在所研究的关 键 词 网络中,如表4,整体网络中间中心势为1537%,其中,社会网络分析、中心性、网络结构、社会网络等关 键 词 的中间中心度很高,即其他关 键 词 多通过以上词汇和他者建立联系.按照节点中间中心度标记节点的大小,对网络实现可视化得图3,显然,社会网络分析、中心性、网络结构、社会网络等词位于网络的中心,为其他节点的连接起到了重要的桥梁作用.
233接近中心度
接近中心度描述的是网络节点与其他节点的相近程度,按照节点接近中心度标记节点的大小,对网络实现可视化得图4可知,节点的接近中心度越高,该节点越处于网络表4关 键 词 中间中心度
关 键 词 中间中心度关 键 词 中间中心度社会网络分析288234行动者32979中心性155432社会资本21073网络结构114409社会关系19546社会网络94841复杂网络19425中心度81170网络中间中心势（%）1537知识管理61923
的边缘,其权威性越小.使用UCINET计算网络接近中心度,列出接近中心度最低的前十位关 键 词 如表5可知,社会网络分析、中心性、网络结构等关 键 词 接近中心度最低,其与网络中其他点的距离最短,属于该领域网络的核心主题,其影响力和重要性都十分高.该结果与以上度数中心度、中间中心度的分析结果是一致的.网络接近中心势为7865%,说明从整体角度来看,该网络中信息传递的有效性比较低,即关 键 词 之间的联系程度不是很高.表5关 键 词 接近中心度
关 键 词 接近中心度关 键 词 接近中心度社会网络分析61000行动者92000中心性72000社会资本95000网络结构76000社会关系98000社会网络81000复杂网络98000中心度82000网络接近中心势（%）7865知识管理85000图2关 键 词 共现网络等基于度数中心度
图3关 键 词 共现网络等基于中间中心度
24社会网络热点领域挖掘
通过对关 键 词 的词频及中心性进行分析,可以得出在社会网络分析领域处于核心地位的、具有较大权威性的热点主题词汇,但其是以孤立节点形式存在的,考察的仅是节点个体属性.Wasserman和Faust认为,凝聚子群是行动者之间具有相对较强、直接、紧密、经常的或者积极关系的集合.通过凝聚子群的分析对网络节点进行“分门别类”,找出节点与节点之间紧密联系而形成的小团体,可以图4关 键 词 共现网络等基于接近中心度
更深程度地完善上述热点研究.
首先,沿Network-Regions-Components路径进行成分分析,发现61个关 键 词 节点属于同一个成分,这一点从上文关 键 词 共现网络中也可以看出来.在NETDRAW软件中沿Analysis-Blocks&Cutpoints路径进行桥点分析,发现网络中并不存在桥点.这说明所研究领域的知识流通性良好,网络中不存在扮演“中间人”桥梁角色的垄断性词汇. 成分分析未能为考察关 键 词 网络内部结构提供有用信息,下面进行派系分析.在UCINET中沿Network-Subgroups-Cliques路径,选择派系最小规模为8,共得派系68个,限于篇幅,截取前20个派系罗列如图5,并得聚类图如图6.图5派系分析结果部分图
可以看到,各个派系之间存在大量的成员重叠现象,在树状聚类图中,仍有大量的节点不属于任何派系.由于派系数目大且重叠现象明显,笔者利用“共享成员”矩阵方法降低派系数量.限于篇幅,仅列出“共享成员”层次聚类分析结果如图7.
3结语
本文在前序对社会网络分析领域现状研究的基础上,进一步探讨了该领域的研究热点.主要通过对文献关 键 词 进行词频分析、中心性分析以及凝聚子群分析,发现几年来我国对社会网络的研究偏向于应用层面,应用对象十分多元化,重点包括知识管理、竞争情报、热点剖析、合著网络等复杂网络方面.随着研究的不断深入,该方法与其他领域或学科的结合越来越多,程度越来越深,综合性越来越强.此外,在信息化社会的影响下,该方法在虚拟网络中的应用也将从横向和纵向上得到进一步加强.