2022年虚拟学习社区的社会网络分析收集 .pdf





《2022年虚拟学习社区的社会网络分析收集 .pdf》由会员分享,可在线阅读,更多相关《2022年虚拟学习社区的社会网络分析收集 .pdf(7页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、2009 2 中国电化教育总第 265 期理 论 与 争 鸣文章编号:10069860(2009)02000507一、问题的提出关系是虚拟学习社区(Virtual Learning Commu-nities,缩写为VLCs)研究中最重要的核心研究对象之一。虚拟学习社区中的学习是一种在学习者与学习者之间、学习者与教师之间的互动,是一种凝聚团队、创造公共目标、在新领域中的经验分享,是一种由教师和学生在虚拟学习社区中逐渐获得有关学科的相似共同经验的过程中所建立起来的关系的集合(Haythornthwaite,2005)1。因此,虚拟学习社区是一个社区成员在网络环境下,通过获取、产生、分析和合作建构知
2、识的对话与被指导的学习过程所形成的人际团体与学习环境(Carlen,2002)2,其实质是社区成员及其关系的集合,也即虚拟学习社区的实质是一个社会网络。社会网络已经成为了虚拟社区学习环境中的核心 要 素(Harasim,Hiltz,Teles,&Turoff,1995Haythornthwaite,2002)34。从社会网络的视角看,学习是通过无缝对话,分享实践经验和社会连接网络而 产 生 出 的 社 会 性 的、合 作 性 的 成 果(Brown&Duguid,1991)5,知识蕴含在社会网络中,并通 过 多位 学 习 者 的 社 会 互 动 和 合 作 被 积 极 地 建 构 起 来(Co
3、hen&Prusak,2001)6,因此,虚拟学习社区中的社会互动比在线学习的复杂性更重要(Swan,2002;Wang,Newlin,&Tucker,2001)78。然而,由于虚拟学习社区及在线合作学习是依靠技术媒体 而 完 成的,所以虚拟学习社区中的社会互动过程及社会网络非常复杂(Heath,1998)9。分析虚拟学习社区的互动及其所形成的社会网络,会使我们面临一个难题:当我们研究两个或多个社区成员(行动者)之间的互动及关系的时候,出现的往往是关系型数据。而关系型数据本身恰恰违反常规统计学所要求的自变量间要相互独立,即“独立性”这个假设,因而,针对关系的研究不能使用常规的统计学方法进行描述
4、和推断。随着社会计量学、群体动力学和图论三方面基础理论的发展,逐渐形成了专门针对各种互动关系数据进行精确量化分析,能够测量和评价行动者之间彼此交换、分享、传送和接收内容及获得了哪些结果的社会网络分析(Social Network Analysis,简称SNA)方法。二、SNA 概述SNA分析已经被应用于其他领域有一段时间了,而直到最近几年,才有一些学者开始使用SNA去研究在线学习环境中的关系问题,他们一致认为SNA方法提供了与应用其他研究方法不同的在线学习互动关系模式与结构的一些新的和重要的信息(Haythornthwaite,2000;Palonen&Hakkarainen,2000;Tap
5、ola et al.,2001)101112。1.SNA的特点及使用流程SNA方法能够用于测量行动者个体及他们所处 社 会 网 络 成 员 之 间 的 错 综 复 杂 的 关 系 和 连 结(Wellman,1997)13,对群组成员之间的通讯模式等进行可视化建 模(Monge&Contractor,2001)14,且能够促进对Internet等大型显性社会网络结构的理解(Park,2003)15。SNA方法的有效性就在于,这种方法能够带领我们“透视”般地看到社会网络中行动者之间的互动能够定义并清晰地说明它们,看到他们创建的相互连接的图式,以及达到理解这些图式的意义(Haythornthwai
6、te,2005)16。SNA的研究流程一般由8个步骤组成:(1)定义研究问题及研究焦点;(2)确定网络边界和关系维度;(3)研究工具的选择与开发;(4)进入研究现场收虚拟学习社区的社会网络分析*王陆(首都师范大学教育技术系,北京100048)摘要:关系是虚拟学习社区研究中最重要的核心研究对象之一,研究关系型数据需要使用社会网络分析方法。本文介绍了社会网络分析方法的特点、使用流程、分析单位、分析类型和部分分析工具等内容,并针对首师大虚拟学习社区网络教学支撑平台中的关系数据集合,以研究虚拟学习社区的关系模式为实例,介绍了社会网络分析方法在宏观、中观和微观三个层次上的具体运用,并给出了作者对社会网络
7、分析方法的反思。关键词:网络教育应用;虚拟学习社区;社会网络分析中图分类号:G434文献标识码:A5名师资料总结-精品资料欢迎下载-名师精心整理-第 1 页,共 7 页 -总第 265 期 中国电化教育2009 2理 论 与 争 鸣集关系数据;(5)建立关系矩阵;(6)数据处理与分析;(7)解释分析结果;(8)撰写研究报告。2.SNA的分析单位SNA包括三种分析单位:(1)行动者(Actors),即网络中的节点,也就是虚拟学习社区中的成员或事件等;(2)关系(Relationship),即网络中节点间的连线,反映行动者之间的互动及所形成的各种社会关系;(3)连结(Tie),即一种关系的集合,连
8、结是有范围的,从弱到强。SNA所研究的关系包括内容(Content)、方向(Direction)和强度(Strength)三个部分。关系的内容往往涉及到行动者之间交换或分享了什么;而关系的方向涉及的是关系从哪个行动者发出,又指向哪个行动者等;关系的强度涉及的是行动者之间交换信息的数量与频次等(Haythornthwaite,2005)17。针对虚拟学习社区,关系的内容是指借助于虚拟学习社区行动者之间进行的一切交互内容,如论坛中的帖子或小组讨论区中的内容等。关系的方向分为有向性(Directed)和无向性(Undirected)两种,无 向 性关系通常只关注关系的有与无,而有向性的关系则关注区分
9、行动者是关系的发起者还是关 系 的 接 受者,因此,在虚拟学习社区中我们更多关注的是有向性关系。关系的强度有强和弱之分,强度可以有不同的衡量标准,如按频次或按维持时间等测量,采用哪种测量方法与具体的研究问题有关。3.SNA的分析类型按 照 资 料 的 收 集 方 法,SNA具 有 两 种 分 析 类型:自我中心网络(Ego-CenteredNetworks)分析和整体网络(Whole Networks)分析(Borgatti,1998)18。自我中心网络分析以特定的行为者为研究焦点和中心,只考虑与焦点行动者有关的关系集合,一般适用于研究母体非常大或研究范围不易确定时。研究者使用该类分析时,首先
10、要聚焦某个行动者,研究的内容有自我中心网络的大小、差异性和属性是否同质等。自我中心网络常常应用于虚拟学习社区的微观分析层次上。整体网络分析方法是指在某种特定的范围下,研究这一范围内的所有行为者的关系,该方法一般适用于研究凝聚子群、结构对等和中心性等网络结构问题。整体网络分析方法可应用于虚拟学习社区的宏观、中观和微观三个层次上。4.SNA的分析工具社群图(Sociogram)和 社 群 矩 阵(Social Matrix)不仅是社会网络数据存储的载体,也是SNA中最常用的分析工具。社群图表示关系模式,由代表行动者的点和代表行动者之间关系的线组成。社群图中若连线是无方向的则为无向图,否则为有向图;
11、若赋予图中的连线以一定的数值,即用数值表示关系的强度,则称为赋值图。虚拟学习社区的社会网络一般都为有向赋值图。利用社群图表达关系网络的优点是直观,而当图中的行动者数量比较多的时候,图形就会变得相当复杂,而难以直观地分析关系结构。此时,社群矩阵就显示出其特殊的作用了。社群 矩 阵(So-ciomatrix)也称为邻接矩阵(Adjacency Matrix),其行和列都代表完全相同的行动者,且排列顺序相同,行代表关系的发送者,而列代表关系的接受者;邻接矩阵的值若用0和1表示,即为二值矩阵;若用具体数字表示,则为赋值矩阵。社群矩阵的优点是可以表示大型复杂网络,且矩阵中的重排、转置、加减法、乘积与幂、
12、求逆、相关和回归等运算可以分别用于分析网络中的凝聚子群(Cohesive Subgroup)、派系(Cliques)和块模型(Blockmodel)等(刘军,2004)19。由于SNA需要进行大量的矩阵运算,所以SNA的计算机辅助软件也是SNA中最常用的分析工具。目前用于支持SNA的计算机辅助软件大概已经有27种,常用的有UCINET、Pajek、NetMiner、STRUC-TURE、MultiNet和StOCNET等。这些计算机辅助软件在SNA中,不仅可以大大提高SNA的分析效率和准确性,而且还为SNA提供了多种可视化的技术支持,使得SNA的研究结果更具有直观性和解释力。三、SNA 的分析
13、实例为了研究虚拟学习社区的社会网络结构问题,笔者选择2006-2007学年第二学期笔者在首师大虚拟学习社区网络教学支撑平台上担任主讲 教 师 的“网络教育应用”课程中的44名社区成员在论坛中的关系数据集合为研究对象。44名社区成员分别由12名教育技术学的硕士研究生、22名现代教育技术方向的教育硕士、5名现代教育技术高研班的学员、2名旁听生(其中一名为助教)、1名主讲教师和2名教师扮演的虚拟学生组成。本研究采用整体网络分析方法,使用NetMiner、UCINET和NetDraw等软件做数据处理与分析,以首师大虚拟学习社区网络教学支撑平台自动记录的在线论坛关系数据库中的关系数据为依据,建立了关系矩
14、阵,并将该数据集合命名为WBE07_Community。1.宏观层次分析:整体社会网络结构社会网络结构就是在社会行动者之间实际存在或者潜在的关系模式(Wellman&Berkowitz,1988;Berkowitz,1983;Scott,2000)202122。理解社会网络的整体结构模式对完成社会网络的分析十分重要(刘军,2004)23。6名师资料总结-精品资料欢迎下载-名师精心整理-第 2 页,共 7 页 -2009 2 中国电化教育总第 265 期理 论 与 争 鸣图 1WBE07_Community的社群图序号属性名称属性值1节点数442连接数5343密度0.284平均度12.145互惠
15、性0.606连通性0.527聚类系数0.798平均距离1.639网络直径3.0010网络效率0.71图1为 作 者 使 用NetMiner软 件 绘 制 的WBE07_Community的 社 群 图 和 测 量 得 到 的WBE07_Community社会网络的基本属性。图1说明:(1)WBE07_Community的44位行动者 共 建 立 了534个 连 接 对,其 社 会 网 络 的 密 度 为0.28,说明该网络只有28%的网络连接,是一个稀疏网络;(2)该社会网络中每个节点平均拥有12.14个连结;(3)该社会网络中60%的关系是互惠性关系,即双向关系;(4)该网络的连通性达到0.
16、52,说明网络的脆弱性比较高,也就是比较容易分裂为多个成分,其中有三个边为桥(Bridge),即教师王陆与教师的分身易兰、硕士生juaner和高研班学员huabaner,以及教育硕士yjqiang和高研班lhh,与桥对应存在三个切点(Cutpoint):yjqiang、juaner和教师王陆,这是网络中最脆弱的部分;(5)该网络聚类系数比较高,为0.79,说明存在小群体如凝聚子群的可能性很大;(6)该网络两点之间平均的测地线(Geodesic)距离为1.63,即该网络中两点之间的最短距离为1.63,而最长测地线距离即网络直径为3.00;(7)该网络拥有71%较高的效率,这说明该网络中冗余的连接
17、很少,容易分裂成几个互不相连的部分,因而从另一侧面证明了网络具有很高的脆弱性;(8)该社会网络中存在两个孤立节点:教育硕士好教师和旁听生sci-ence,他们在整个学习过程中,始终没有与其他任何人联系过,处于网络的边缘。图1所显示的社会网络显然是一个复杂网络,从该图中很难看出WBE07_Community内部的子结构,因此,尽管社群图是一种令人惊奇的显示社会网络的工具,但是它并不能揭示所有网络的有关信息(Haythornthwaite,2005)24。2.中观层次分析:社会网络的内部子结构社会网络分析的一个主要关注点是揭示网络中存在的“子结构”(Sub-Structure),并 通 过 凝 聚
18、 子 群等子结构来简化复杂社会网络,洞悉复杂网络的社会结构。作者参照Martin Everett(Everett,2002)25所提出的凝聚子群的递进分析步骤:“成分分析派系分 析派 系 重 叠 模 式 分 析块 模 型 分 析”,针 对WBE07_Community进行了内部子结构分析。首先,对WBE07_Community进行成分分析。其结果表明,该数据集共含有三个成分:两个孤立点与其余点集。这一结果与图1所示的社群图相一致,同样也反映出成分分析并没有给我们提供更充分的凝聚子群信息,所以还有必要进行派系分析。其次,进行派系分析。派系分析是一种建立在群体互惠性关系基础上的凝聚子群分析方法。作
19、者使用Netminer软件的派系分析功能,得出WBE07_Com-munity共含有84个派系,故应转入派系重叠分析。第三,派系重叠分析。由于WBE07_Community存在大量的派系,所以派系重叠的可能性就非常大。作者利用NetMiner软件计算分析得 到 了WBE07_Community的Clique AffiliationMatrix、Clique Co-membership Matrix和Clique Overlap Matrix等 矩阵,并得到以下派系重叠分析结果:(1)教师王陆出现在了81个派系中,说明教师能够和96.43%的绝大部分派系保持密切关系,是教师充分发挥了其主导作用的
20、结果;(2)教育硕士yiqiang、助教火焰、硕士生warm和晴分别出现在69个、59个、58个和54个派系中,说明他们能够和大于66.67%的派系成员密切沟通,助教也发挥了比较好的助学作用;(3)好教师、science、huabaner、lhh和教师分身易兰等共5位行动者没有出现在任何 派 系 中,说 明 他 们 几 乎 游 离 在WBE07_Community网络之外,没有参与互动活动;7名师资料总结-精品资料欢迎下载-名师精心整理-第 3 页,共 7 页 -总第 265 期 中国电化教育2009 2理 论 与 争 鸣1234567810.000.210.280.070.000.170.2
21、50.3020.000.170.830.310.000.140.210.2030.110.590.890.760.330.260.610.8940.000.180.700.760.070.000.500.7150.000.000.000.000.000.000.000.0060.000.050.040.050.000.000.000.0070.000.040.220.210.000.080.000.0580.000.060.380.510.000.130.350.25WBE07_Community子群密度矩阵(4)教师王陆,warm,yjqiang,火焰,dmwjr18321,阿华,这6位行动
22、者不仅出现在很多派系中,而且他们还是最大的5个派系的共享成员,此结果表明,这6位行动者是WBE07_ Community中最重要的核心成员。第四,一般派系重叠可能隐藏了派系的结构,为此作者使用块模型进行分析。一个块模型就是一种关于多元关系的假设,块模型分析是一种根据子群内外部成员之间的关系密度进行凝聚子群分析的方法,它关注网络的总体结构,提供网络各个位置或各个子群之间的关系,而不是行动者之间的关系。因而块模型能够根据结构性信息把网络中各个节点进行分区。目前共有六种构建块模型的办法,其中密度指标法是最常用的方法,一般采用整个网络的平均密 度 值 作 为 临 界 值(刘 军,2006)26。作 者
23、 使 用UCINET软 件 的CONCOR块 模 型 分 析 方 法 对WBE07_Community在去掉孤立节点后,计算得出各子群的密度,如下表所示。作者采用密度指标法获得表1数据的像矩阵:以整体网络密度0.28为临界值,将表1中各子群密度数据与之做比较,若子群密度大于临界值则替换为1,否则替换为0。由此得到一个由“0”“1”组成的像矩阵。根据所得像矩阵,在UCINET及NetDraw软件的支持下可以绘制WBE07_Community的像矩阵社群图,即社会网络结构简化视图,如图2所示。图2反 映 了WBE07_Community的 内 部 子 结构,该图为图1社会网络的一个简化视图,将图1
24、的复杂网络转换为了8个子群之间的互动关系结构。作者参照伯特(Burt,1976)27的研究结果,针对表1与图2做位置分析如下:(1)子群1的成员与其他位置的成员之间关系比自己群内成员之间的关系多,且没有接收多少外来的关系,所以子群1为发送型位置(Sycophants,也称为谄媚位置);(2)子群2的成员既发送也接受外部关系,但其内部成员之间的联系很少,密度很低,仅为0.17,所以子群2为经纪人(Brokers)位置,子群2的另一个特征就是其成员全部来自教育硕士群体;(3)由于子群3和子群4的成员既接受外部成员的关系,其内部自身成员之间的关系也比较紧密,所以子群3和子群4为首属(Pri-mary
25、)位置,其中子群4的成员全部来自硕士生群体;(4)子群5主要接受子群3的关系,所以子群5为接受型位置(Receiver);(5)子群6由于与外界联系非常少,所以基本为孤立位置(Isolate);(6)子群7较少地发送关系,但较多地接收关系,所以为接收位置;(7)子群8为首属位置。8个凝聚子群之间的关系是由其所处的网络位置决定的。例如:子群3的位置是整个网络的核心位置,且作为网络中的桥与切点,是子群5唯一的外界关系来源;同时,按照子群的位置关系可 以 得 知(Wouter,2005)28,子群3还担任了子群1与子群5、子群5与子群2之间的经纪人(Broker)角色;子群1与子群8和子群3之间形成
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2022年虚拟学习社区的社会网络分析收集 2022 虚拟 学习 社区 社会 网络分析 收集

限制150内