社会网络分析法在虚拟社区隐性知识共享的应用

靳玮钰

摘 要：虚拟社区的发展为隐性知识的传播提供平台，隐性知识共享在虚拟社区中沉淀形成隐性知识库为社区成员提供知识，并吸引更多成员加入社区。为扶持虚拟社区使之在提供隐性知识共享方面持久发挥作用，有必要对虚拟社区中隐性知识共享的规律及特点加以研究。该文以社区参与者行为为切入点，利用社会网络分析法，从隐性知识共享的角度研究了虚拟社区中成员活动的动态规律，指出虚拟社区中隐性知识共享网络存在凝聚子群，并證实凝聚子群中成员存在迁移活动，以供虚拟社区管理提出依据。

关键词：虚拟社区 隐形知识共享 社会网络分析法

中图分类号：C936 文献标识码：A 文章编号：1672-3791（2017）04（b）-0028-03

瑞格尔德（Rheingold）（1993）从知识分享的角度提出，虚拟社区是指“一群主要通过计算机网络相互沟通的人们，他们彼此有某种程度的认识、分享某种程度的知识和信息、在很大程度上如同对待朋友般彼此关怀，从而所形成的团体[1]。”虚拟社区的知识共享对社区发展有着积极作用。知识共享由显性知识共享和隐性知识共享组成。现有研究中，隐性知识共享大都以促进（或者阻碍）隐性知识传播的因素分析为中心展开，并提出了影响隐性知识共享传播的关键因素、共享需要的条件、方法等。随着虚拟社区的兴起，学者们对虚拟社区知识传播过程中隐性知识的显化、传递、激励与保障机制，现实世界对虚拟世界知识共享影响等方面做了研究。研究重心从知识向知识的承载者转移，开始关注隐性知识共享中的关键人物和虚拟社区中成员隐性知识共享的行为特征，主要是研究网络结构特征对知识共享、转移效果的影响。

该文以虚拟社区活动的参与者—社区成员为研究切入点，利用社会网络分析法，研究虚拟社区隐性知识共享的动态变化规律，并从虚拟社区成员和知识共享过程中知识结构的变化角度分析研究社区隐性知识共享行为。

1 研究方法

社会网络分析是社会网络理论中的一个具体工具，就是对人与人之间、群体之间、组织之间，或者是其他信息、知识处理实体之间的关系进行描述，并对其价值进行估量的一个过程。该文运用社会网络分析法中密度、派系、中心度等指标对某一社区成员形成的隐性知识共享网络进行分析。

2 数据收集与分析

2.1 数据收集和处理

数据来源于知识论坛一个版块的成员互动，选取了100个成员的互动联系数据作为样本数据。虚拟社区隐性知识共享是由社区成员通过互动回帖实现。在此定义，虚拟社区中的隐性知识共享为成员知识沟通时的互动关系，一次问题回复或问题提出，为一次互动。虚拟社区的互动关系网络按照如下方式构成：结点表示虚拟社区中各个成员，边表示两个成员之间的互动关系，同一主题的多次应答算一次互动；忽略样本网络中产生的自环（忽略因为成员回复自身帖子产生的应答）。由于该文探讨的问题是社会网络中强连接小团体的活动，重点在于测量单个成员的价值和活动，默认每一次应答代表价值发生。

2.2 数据分析

2.2.1 数据密度与派系研究

通过社会网络分析软件ucinet，对研究数据进行可视化分析，如图1所示。

通过ucinet计算样本网络整体密度，密度为0.0380，表明该网络的联结松散、稀疏，成员结点间的知识联系稀松、知识结构差异大。然而，从社会网络分析角度，稀疏网络（也可以称为有结构洞的网络）是利于成员知识共享的。

3-clan分析结果如图2所示。

六个派系子群之间存在15个共同成员，共同成员集合：A={2，3，4，5，6，7，8，9，10，11，12，13，14，16，17}。

2.2.2 中心度研究

对网络中成员结点进行中心度研究，是为了量化某一结点对其他节点的控制强度。控制强度在隐性知识共享网络中就是该结点对其他结点可以提供的价值。该文研究结点间的三种中心度分别是：点度数中心度、中间中心度、接近中心度。

（1）点度数中心度。

表1为所选样本中成员的绝对点度数中心度和相对点度数中心度，有66%的结点只与网络中某一个结点有联系，也就是说有66%的结点在隐性知识共享网络中依赖核心成员存在，若与之联系的成员脱离网络，该结点成员也会迅速流失。

绝对点度数中心度数值较大的有2、3、6、7、9号，他们的直接联系人有20个。该五位成员的相对中心度也排第一。这说明，这五位成员是该网络的核心。排在2号后有编号为5、8、4、10、11、1、12、16、14的9位成员，他们的绝对、相对点度数中心度较大，数值也比较接近，且高于其他成员。在对样本网络的点度数中心度进行了平均值、标准差、方差的计算之后，从绝对数、相对数来看，标准差、方差都比较大。这表明，网络中的成员的点度数中心度呈离散状态分布，且存在一些点度数中心度高的成员，他们在隐性知识共享网络中是绝对活跃的核心成员。

（2）中间中心度。

由表2可知，1号成员数值最大，为26.569，该成员在网络中影响力很强，已经达到控制虚拟社区内其他人之间沟通的程度。100号成员的中间中心度最低，处于知识网络的边界，对其他人几乎无影响。集合A中15个点的中间中心度数值排名也都在前20名以内，这表明，集合A中的成员除了表现出很高的点度数中心势外，还表现出很高的中间中心势。样本网络的中间中心度的平均值为2.176，较高。方差和标准差显示成员结点中间中心度的差距很大，体现了社区边缘成员活动依赖网络中间成员。

（3）接近中心度。

从表3可以看出，该隐性知识共享网络的接近中心度最低者为编号100的成员，他的接近中心度为27.809。标准差和方差较大，成员结点的接近中心度也存在较大差值，成员间存在很强的依赖，成员间的隐性知识获取需要通过其他关键成员作为“中介”进行传递。接近中心度的计算结果显示出，样本网络中存在关键成员构成强连接子群在为网络边缘成员传递知识。

集合A中成员的接近中心度很高，平均接近中心度43.989。结合点度数中心度和中间中心度的分析结果，我们可以得知，A中成员作为该隐性知识共享网络的关键成员，他们在网络中表现活跃，带动社区实现隐性知识共享，与此同时，其他成员依赖于这些关键成员实现知识共享。

以上中心度的研究表明：集合A中的成员在样本网络的隐性知识共享中起关键作用。

2.2.3 凝聚子群研究

集合A是否构成隐性知识共享网络的凝聚子群，从子群成员之间的可达性、频次、子群成员之间密度与整个网络成员密度比较，进行考察。

（1）可达性。

运用ucinet软件，对集合A做派系分析，得到：集合A中成员结点都归属于同一个2-clan派系中，任意两个结点的距离都小于或等于2。

（2）对集合A中成员进行中心度分析，得到表4。

点度数中心度计算结果表明，子群内成员间点度数中心度（6.133）是子群外成员点度数中心度（3.76）的1.6倍。

接近中心度计算结果表明，子群成员结点的接近中心度很高，平均数值很大。这显示子群成员在网络中相隔距离很短，集合A成员相互依赖程度高于对子网以外成员的依赖性。

中间中心度对点的度数中心度起到一个更正的作用。一些起到“中介”作用的关键成员也应归属于强连接子群中。这些成员也是隐性知识共享网络中的强连接结点的另一种表现形式。子群成员中间中心度普遍不高，方差大。说明很多成员在网络中处于不可替代的位置，若缺少子群中的成员，将导致网络中失去一批成员。

（3）对凝聚子群密度进行分析。

经ucinet软件计算得到，集合A中成员构成的网络子群密度值为0.4381，全体成员网络的密度为0.038。网络子群成员结点间的关系密度值大大高于整个网络成员密度值。

综上所述，集合A中成员满足构成网络凝聚子群的条件，组成了隐性知识共享网络的凝聚子群。

3 结语

由于在隐形知识共享过程中会积累大量有用知识，虚拟社区管理员可以建立隐性知识库，将隐性知识显化为显性知识，吸引新的成员加入社区。随着新、老成员知识共享次数增加，成员间知识结构的升华，会重新创造新的隐性知识共享网络强连接，从而持续虚拟社区内成员隐性知识共享，实现社区持续发展。

研究中发现，当关键成员转化时，只有部分非关键成员转化为关键成员、加入网络强连接，这其中应存在一个状态转化阈值。该阈值影响到社区内关键成员行为预测。该文对此没有进行展开分析，但为了增强对关键成员生成与变迁活动预测的准确性，此后会关注并深入研究这一问题。

参考文献

[1] Rheingold.The Virtual Community：Homesteading on the Electronic Frontier， Massachusetts：The MIT Press，1993[EB/OL].http：//rheingold.com /vc/book/intro.html，（2012-04-20）.

[2] Koh J，Kim Y G.Knowledge Sharing in Virtual Communities：an E-Business Perspective[J].Expert Systems With Applications，2004（26）：155-166.

[3] 約翰·斯科特，著.社会网络分析法[M].2版.张鸽盛，译.重庆大学出版社，2011.

[4] 程业炳.SNS虚拟社区个体隐性知识共享研究[J].情报科学，2013（4）：45-50.

[5] 石艳霞.SNS虚拟社区知识共享及其影响因素研究[D].太原：山西大学，2010.

[6] 雷静，基于社会网络的虚拟社区知识共享研究[D].东华大学，2012.

[7] 殷国鹏，莫云生，陈禹.利用社会网络分析促进隐性知识管理[J].Tsinghua Univ（Sci & Tech），2006（46）：964-969.