虚拟学习社区中知识共享的社会网络分析
- 格式:pdf
- 大小:1.08 MB
- 文档页数:5
·专题研究·网络原住民在社交平台上知识共享的驱动因素分析*宋振超1.2(1.南京邮电大学人文与社会科学学院 南京 210023;2.南京大学政府管理学院 南京 210023)〔摘 要〕 在虚拟社交平台中,知识共享是由网民个体发起并在群体中交互的过程,是受多种因素驱动和制约的网络行为。
网络原住民的知识共享行为,既有个体内在驱动,也有外在动力的推动,还受到知识交互过程中形成的情感纽带的影响。
文章通过描述性分析和信度分析,对网络原住民知识共享行为的驱动因素提出研究假设,对提出的研究假设进行数据分析和验证,并探讨如何利用驱动因素提高社交平台的影响力和导向性,创新网络空间治理方式,营造积极健康的社交平台。
〔关键词〕 网络原住民 社交平台 知识共享 驱动因素 网络空间治理〔中图法分类号〕 G206.3;G410〔引用本文格式〕 宋振超.网络原住民在社交平台上知识共享的驱动因素分析[J].图书馆,2017(12):78—82* 本文系2015年度江苏省社会科学基金青年项目“信息化视阈下我国主流意识形态建设研究”(项目编号:15MLC001)、2017年南京邮电大学教改项目“基于信息化视角的高校思想政治理论课改革与创新研究”(项目编号:JG02417JX41)阶段性研究成果。
1 引言信息时代,信息技术的发展给人类学习知识、掌握知识、运用知识带来了新的机遇和挑战。
信息网络技术筑就的新型技术基础,不仅涉及到技术本身的进步,而且还在多方面多层次引起社会结构和人类学习方式、生活方式、思维方式的变化,人类生产和生活的内外生态环境也发生了翻天覆地的变化[1]。
以“90后”为主的大学生正是成长于这样一种网络快速普及的环境中,是不折不扣的“网络原住民”一代,他们沉浸在互联网带来的全球文化和消费潮流之中,是网络参与的最活跃人群[2]。
无刻不在的数字生活已逐渐成为当代大学生群体日常生活的群像,他们借助各类网络社交平台获取和共享各类知识。
云计算时代虚拟学习社区的特征分析[摘要] 云计算、物联网、智能终端是未来三大信息技术创新,云学习是可以预见的未来趋势。
云计算环境下的虚拟学习社区可望缓解当前教育信息化和终身教育的瓶颈问题,但是,无论是理论模型还是实现技术,目前国内外文献中还鲜有完整、成熟的研究报道。
本文结合未来教育空间站,分析了云计算时代虚拟学习社区的现状,重点研究云计算时代的虚拟学习社区所具备的特征,包括交互性、泛在性、服务性、社会性、不确定性、可视性、绿色性等,为科学可行地构建虚拟学习社区提供尽可能全面完善的理论依据。
[关键词] 云计算;教育空间站;虚拟学习;网络化学习;在线学习社区[中图分类号] g434 [文献标志码] a一、问题的提出教育信息化的内涵是利用先进的信息技术促进教育变革、推动教育现代化,[1]另一方面,在网络环境下开展终身教育、建设学习型社会是可以预见的未来发展趋势,[2]于是虚拟学习社区应运而生。
在传统的网络环境下,王海东等[3]系统阐述了网上虚拟学习社区的概念、社区特征和结构、社区的建立步骤;汪琼等[4]构建了一个在线交互虚拟学习环境;陈国强[5]分析了虚拟学习社区平台使用存在人员集中、时间集中、目的集中等特点,深刻剖析了现有资源内容的四个缺陷,即应付、堆砌、盈利、无吸引力等。
教育对人类社会发展具有不言而喻的重要意义,理论上说,教育也应该面向全国、乃至全球,开放、跨越与共享。
然而,现有的部分教育师资、软件、工具、资源等存在独享、昂贵、不便捷等不足。
在当前新的网络环境下,可以充分发挥云计算的优势,建立具有优良特性的虚拟学习社区,为各类用户提供一个更为快捷、低廉的途径参与网络化学习。
云计算是传统计算机技术和网络技术发展融合的产物,[6]旨在通过网络把多个成本相对较低的计算实体整合成一个具有强大计算能力的完美系统,并借助软件即服务saas等先进的商业模式把这强大的计算能力分布到终端用户手中。
[7]云计算本质上是一种新的提供资源按需租用的服务模型,是新型互联网数据中心业务,[8]被认为是互联网领域的一场革命,其兴起为互联网的发展开辟了新天地,[9]被称为web3.0。
社会交换理论视角下网络学习空间知识共享行为研究作者:张思来源:《中国远程教育》2017年第07期【摘要】网络学习空间应用的目的是促进学习网络的形成,实现个性化学习。
网络学习空间中的知识共享是学习者之间互惠并获得共同发展的过程,其实质是一种社会交换过程,从社会交换理论的视角分析网络学习空间中的知识共享具有重要意义。
本研究从社会交换理论的视角,提出网络学习空间知识共享影响因素模型和研究假设,采用问卷调查法对研究模型和研究假设进行验证。
对调查问卷的信度和效度分析表明,测量模型的拟合程度较好。
研究结果表明,学习者的自我价值感、得到尊重和获得社会支持对其知识共享行为具有积极正向影响;受到关注对知识共享行为的影响不显著;学习者感知的完成任务代价和认知代价对其知识共享行为具有阻碍作用。
【关键词】网络学习空间;知识共享;社会交换理论;影响因素【中图分类号】 G420 【文献标识码】 A 【文章编号】 1009-458x(2017)07-0026-09一、引言随着信息技术与教育的深度融合以及以学习者为中心教育理念的逐步深入人心,教育管理者、教育研究者开始重新思考如何对学习空间进行建设和创新应用。
学习空间包括实物组成的物理空间和虚拟空间,网络学习空间属于虚拟空间的一种(吴永和,等, 2014)。
网络学习空间是指由成熟技术与平台(如社会化媒体工具微信、博客等)、一般网络学习平台(Moodle、Blackboard等)、专门开发的网络学习平台(国家教育资源公共服务平台、世界大学城等)等支持的网络学习环境的统称(梁云真,等, 2016)。
在“十三五”期间,我国将创新“网络学习空间人人通”建设与应用模式,强调网络学习空间对网络化泛在学习的支持(教育部教技[2016]2号)。
网络学习空间为学习者提供了一种全新的知识共享方式,网络学习空间中的知识共享是指学习者之间相互交流知识并在交流互动中创造新知识的过程(赵呈领,等, 2016)。
第十六章网络虚拟社区的发展虚拟社区(virtual community),或称为网络社区,它并非是一种物理空间的组织形态,而是由具有共同兴趣及需要的人们组成、成员可能散布于各地、以旨趣认同的形式作在线聚合的网络共同体。
虚拟社区所包含的核心功能一般主要有:公告栏、群组讨论、社区通讯、社区成员列表、在线聊天等。
虚拟社区的出现是互联网发展的一次飞跃,它提供的是一种信息、物质、情感等多方位互动的平台。
在虚拟社区里,现实世界中的所有社会化内容在网络上几乎都可能会有所反映,同时,由于网络介质的特殊性以及Internet发展的不成熟性,导致其信息方式呈现出异常丰富而又难以掌控的特征。
就其传播的社会性来看,虚拟社区已经对现实社会施加了巨大的交互影响,其范围从交友方式到网络政治,从信息散布到组织管理,几乎无所不包。
探讨虚拟社区的有关发展问题,对于学习网络传播,特别是对于掌握我国现阶段网络信息传播特质而言,具有重要的题材意义。
第一节虚拟社区的基本形态Internet这种新一代信息交流手段的出现,改变了人们的生活方式,进一步拉近了人与人之间的距离,使人与人之间的跨时空的全面交往成为了可能。
在人们对网络自由生活渴望的驱使下,虚拟社区出现了,人们可以按照自己的生活特征,在虚拟的空间,与人、与信息作自由交往。
从技术发展的角度来看,虚拟社区是当网站的服务在内容、形式和质量上差别不明显时所推出的以人的交流为中心的特殊的网络服务形式。
一、虚拟社区的起源和发展对于网络发展的历史而言,虚拟社区并不是天外之物,它的雏形——BBS,在WWW 发明以前就出现了。
BBS其功能确实像是一个公告牌或留言板,对早期接触者来说,尽管面对的只是枯燥的文字、简单的界面和曲折的交流方式,但毕竟它突破了单向传播的界限,使得人们开始了真正的互动交流。
BBS另一个使人们着迷的原因是“匿名”的乐趣和摆脱空间限制的自由。
最早的虚拟社区发轫于20世纪80年代早期,美国出现了一个连接各大学电脑中心的网络Usenet(新闻组),它的主要目的是传播不同主题的新闻。
97 第20卷 现代教育技术 Vol. 20
2010年第10期 Modern Educational Technology No.10 2010
虚拟学习社区中知识共享的社会网络分析* 赖文华 叶新东 (温州大学 教师教育学院,浙江温州 325035) 【摘要】文章通过社会网络分析方法对虚拟学习社区中的知识共享行为进行了解析,在“ASP.NET技术论坛”中选取了一个月的交互数据作为样本,分别从密度、社群图、中心性、小团体以及小世界效应等方面来分析虚拟学习社区的知识共享的社会网络结构,并从意见领袖、小团体建设、弱连接、吸引孤立者等角度对社区建设提出相应的策略,以促进网络结构优化,促进虚拟学习社区集体智慧发展。 【关键词】虚拟学习社区;知识共享;社会网络分析 【中图分类号】G420 【文献标识码】A 【论文编号】1009—8097(2010)10—0097—05
一 研究的背景与目的 在传统的知识共享过程中,正式的信息交流处于主要地位。如今,基于Web的虚拟社区提供了很多进行非正式信息交流的机会。Ganter Group的调查曾表明组织成员70%的信息和知识是在与他人的交流和沟通中获得的。网络环境为知识交流和共享提供了便利的平台,人们通过非正式渠道从经验丰富的社会成员那里获取并共享他们的知识,使隐性知识变成显性知识,使个人知识变成群体知识,群体知识通过成员的不断修正而得以改造和创新。 在知识共享的过程中,每个人都是知识网络中的节点,分别向其它个体传播知识,从而形成组织内知识流动过程的知识链,编织成一张巨大、复杂的知识网,网络上的每一环节对于建立组织知识共享机制都具有重要意义。社会网络已经成为了虚拟学习环境中的核心要素[1]。网络密度、联结强度、
位置、角色、信任等社会网络要素都会影响知识转移过程。本文通过对虚拟学习社区的社会网络结构的解析,明确影响知识共享的渠道和影响因素,通过优化其社会网络结构的建议,促进显性知识和隐性知识的获取和传递。
二 研究方法及对象 社会网络分析,是一种从量化的角度分析社会关系内在结构的研究方法。通过对成员之间关系与联结情况进行研究与分析,可以用于描述和测量成员之间的关系或通过这些关系流动的各种有形或无形的东西,如信息、资源等[2]。人际网
络是知识共享的主要载体[3]。文章基于以下研究假设,开展对
虚拟学习社区中的知识共享行为的分析。(1)成员以及其实施的交互行为是相互依赖的,而不是独立的、自主性的;(2)成员之间的关系是资源传递或者流动的“渠道”;(3)社会网络结构可以为成员的交互行为提供机会,也可能限制其行动;(4)网络模型把结构概念化为各个成员之间的关系模型。 在长期参与观察的基础上,本文采用简单随机取样方法,在2010年3月对“ASP.NET技术论坛”进行了一个月的调研,此期间共有171名成员参与,发布了618篇帖子,包括128个主题帖,被浏览总数为19755次。根据研究的需要,对虚拟学习社区中的成员的编号按照字母升序排列并进行编码,对帖子的数量和指向性进行了统计,并将数据转化为邻接矩阵,使用Ucinet软件对知识共享的交互结果进行了分析。
三 研究结果与分析 1 网络密度分析 网络密度指的是一个网络中实际存在的联结数目除以可能存在的最大联结数目的比值。经过计算,本研究所采用样本的交互密度为0.0152。在实际的社会网络图中能够发现的最大密度是0.5[4],有学者在相关的研究中得出在公共型社群
网络密度达到0.14,科层类型的社群网络密度平均值为0.05,广场类型的社群网络密度明显较小,平均值为0.004[5]。从结果比较来看,该虚拟学习社区是一个稀疏型的社会网络结构,是一个相对松散的群体,成员之间沟通较少,知识难以扩散,不利于知识共享。这与虚拟学习社区中成员数量多、流动性高、网络规模大等因素有关系,与论坛主题较多、论题相对分散有关系。 2 社群图分析 社群图可以直观地表达关系网络,显示社群内人际关系的亲疏,体现群体的结构特征。在社群图中,社群成员之间的关系用有向箭头来表示。A~B表示A回复了B发表的帖子。为便于观察,未对社群图加权。
图1 “ASP.NET技术论坛”社群图 从图1可以看出大部分成员都处在交互的关系链上,也
有一部分成员很少与其他成员进行交互,甚至是孤立的。网络节点相对稠密的区域说明成员之间的互动频繁、关系复杂;而网络稀疏的区域则说明了成员之间的互动较少。 为了便于观察和比较分析,本研究在图1的基础上去掉孤立节点和度数为1的节点,从而使复杂的网络结构更加清晰,如图2。可以非常直观的看出编号为85、123、25、7、94的成员,与其他成员之间的交流非常多,他们在虚拟学习社区中的身份分别均为“版主”,知名度高,受到了其他成员的敬重与信赖。他们经常引出新的论题,引导学习互动,具有较丰富的社交经验和专业知识,解决问题能力较强,具有强烈学习动机,乐于分享个人经验和心得,积极帮助其他成员学习知识,我们称其为“意见领袖”。尽管虚拟学习社区使传统的“科层制”网络结构趋于扁平化,但是意见领袖的作用不容忽略,他们是社区中的核心力量,对知识转移的方式和扩散都有很大的影响。
图2 社群简化图一 图3 社群简化图二 虚拟学习社区中还有一部分成员是积极参与者,关注群体内的话题和动态,提出自己的问题,参与群体成员之间的交互,是社区网络结构链接关系的重要组成部分。如图3中编号为114和135的成员,在虚拟学习论坛中的级别均是“论坛游民”,虽然他们参与的互动不是很多,但是他们积极主动和别人交流,点出度明显高于点入度,在知识传递和共享过称中的作用不可忽视;而编号为40、43、72、73、119的成员,点入度明显高于点出度,他们更愿意将自己遇到的问题发布出来和大家一起讨论,或者是发布优质资源与大家一起共享。 群体中的有些孤立者,与其他成员没有任何连接,共享的知识或发布的主题没有被群体中的其他成员所关注,而且他们也不积极去关注其他成员,对虚拟学习社区的知识建构与共享的贡献不大。如图1中编号为56、115、120、138、161
的成员,级别均为“新手上路”,还没有融入到集体圈子中来。此外,开放性的虚拟学习社区中还隐藏着很多“观望者”,本研究所统计的128个帖子,共有收到了490个回复,被浏览过19755次,平均每40次浏览才会有一次回复。 3 中心性分析 一些研究结果已经表明,网络位置可以显著影响个体和组织所获得的成果,因为社会互动的结构将提升或强迫占据特殊位置的个体接近一些有价值的资源,如任务建议、信息策略和社会支持等等[6]。在社会网络中判断成员在整体网络中
重要性的分析方法很多,其中使用最普遍的就是中心性分析。中心性是一个重要的个人结构位置指针,评价一个人重要与否,衡量他/她的职务的地位优越性或特权性,在其社会网络中具有怎样的权力,或者说居于怎样的中心地位,以及社会声望等常用这一指针。 99
(1)点度中心性 一个成员的点度中心性为网络中与该成员有联系的其他成员的总数目,是点出度和点入度的综合。点度中心性刻画的是一个成员与其他成员发生关系的能力。如表1所示,编号为85的成员的点出度和点入度都很高,可见该成员已经在虚拟学习论坛中建立了稳定的人际关系,这与社群图分析结果一致。编号为48的成员,在社群图中体现的中心性不明显,但是通过点度中心性的分析来看,该成员虽然拥有较少数的
交流个体,但是频次多,内容更加深入,从社区的交互内容可见一斑。编号为131的成员,点出度为1,点入度相对较高,说明他们在社区中的发帖、观点表达得到了积极反馈,虽然他在社区中的级别是“新手上路”,但是被其他成员主动帮助和接纳,会很快融入到社区大家庭中来。编号为114的成员,其点出度很高,点入度为0,说明该成员积极主动参与了别人的讨论,也偶尔灌水,这与其“论坛游侠”的身份非常相符。
表1虚拟学习社区成员的中心性测量结果 成员的点度中心性 成员的中介中心性 编号 绝对点出度 绝对点入度 相对点出度相对点入度编号绝对中介中心性 相对中介中心性85 62 37 6.078 3.627 85 4733.413 16.476 123 36 18 3.529 1.765 1232701.470 9.403 25 36 8 3.529 0.784 1711264.410 4.401 7 26 6 2.549 0.588 48 926.818 3.226 94 26 10 2.549 0.980 25 788.610 2.745 48 16 11 1.569 1.078 103655.162 2.280 114 14 0 1.373 0.000 73 648.685 2.258 135 13 1 1.275 0.098 7 632.795 2.203 …… …… …… ………………………… 131 1 11 0.098 1.078 1700.000 0.000 …… …… …… …………86 0.000 0.000 (2)中介中心性 如果一个点处于许多其他点对的最短的途径上,表示该点具有较高的中介中心性,它起到沟通其他成员的桥梁作用。中介中心性刻画的是一个成员控制网络中其他成员的能力。从表1中可以看出,编号为85的成员的中介中心性最高,说明该成员在网络中处于比较重要的连接性位置,掌握了较多的知识和资源,对于其他成员的相互交流起到促进和协调作用,也就是说其他成员之间的交流和合作对于这个成员的依赖性比较大。编号为171和103的成员的点度中心性不是很高,而中介中心性却很高,这是因为他们与其他成员的交流互动虽然较少,但是却占据着“结构洞”的位置,能够沟通不同的交流圈,其知识面比较综合,可以将知识扩散的更远。编号为170和86的成员,他们的中介中心性为0,虽然他们在论坛中提出的问题得到了其他成员的反馈和解答,但是他们从来没有积极主动参与其他成员的讨论,在知识传播和扩散中的中介性不强。 4 小团体分析 小团体分析则需要从成员之间关系的紧密程度对网络进行研究。当网络中某些成员之间的关系是相对直接的、紧密的、经常的或者积极的关系,以至于结合成一个次级团体时,在社会网络分析中被称为凝聚子群。对于网络中存在多少个这样的子群,子群内部成员之间关系的特点,子群之间关系
特点,一个子群的成员与另一个子群成员之间的关系特点等的凝聚子群分析通常被称为“小团体分析”,是一个网络的总体结构指针。小团体的建设对整个虚拟学习社区有着重要的意义,能够促进知识的深层次交互,强化归属感,形成长期稳定的交互模式,使得论坛得以维持和发展。 (1)以节点程度计算小团体 这种计算方法是通过对子群中的每一个成员的邻点个数进行限制而得到的。经过k-丛分析,本研究所选取的虚拟学习社区样本中有53个小团体。从表2中可以看到,编号为7、25、85、40的成员重复出现在多个小团体中,说明小团体之间有重叠,与社区中论题内容的交叉性有关系,也与这几位成员的版主身份有关系,他们的互动频次很高,知识面开阔,能够参与到不同论题的讨论之中。对于整个论坛而言,小团体较多,说明个别成员之间联系紧密,交流频繁;小团体成员重叠较多,说明小团体的形成较依赖核心成员的参与。 (2)以距离计算的小团体 建立在可达性基础上的凝聚子群要求一个子群的成员之间的距离不能太大,可以设定一个临界值n作为凝聚子群中的成员之间距离的最大值,n=2常常是较好的临界值。如表2所示,n-派系分析的结果共有11个小团体。 n-派系分析的结果与k-丛分析结果差异不大,小团体之间出现了重叠,其构成几乎都是参与度较高的核心成员。充