社会化媒体环境下的信息生态系统协同度测度研究

冯 缨 徐 俊

（江苏大学管理学院 江苏镇江 212013）

1 引言

随着互联网的不断发展，社交作为互联网发展的必备要素，不再局限于信息传递，而是与沟通交流、商务交易类应用融合，产生了微信朋友圈、QQ空间、微博等进行信息传播的媒体平台。截至2016年6月，根据CNNIC的第38次中国互联网发展状况统计报告，微信朋友圈使用率为78.7%，QQ空间使用率为67.4%，微博使用率为34%[1]。“互联网+”时代，社会化媒体平台作为应用最广泛的公共信息传播平台，已经成为了一种生活方式，影响着人们日常生活的各个方面，改变了人们对待信息的态度。社会化媒体的广泛应用加速了信息传播的，速度并扩大了覆盖范围，也对信息生态系统内的信息人、信息资源和信息环境之间的相互影响和作用产生了巨大的影响[2]。

从生态系统的视角考虑，社会化媒体环境下的信息生态系统可以定义为：在“互联网+”时代的信息环境下，信息主体以微博、微信等社会化媒体工具为支撑，结合系统学和生态学等理论对信息资源进行整合配置，使得整个信息生态系统向更好的方向演化和发展，通过自我调节达到更加稳定的动态平衡状态。社会化媒体和信息生态系统原本是关联度不大的两个学科分支，但是互联网的不断发展以及大数据时代的到来，使得社会化媒体的应用越来越广泛，而在这种环境下的信息生态系统，也会因为社会化媒体的引导而展现出新的特征和面貌。首先，在社会化媒体环境下，人际交往不断开放，从传统的面-面模式走向背-脸模式。在这种模式下，信息资源长度变短，频率变高，传播速度变快，让信息主体对于信息的把握更准确，对于信息生态系统的反馈也更有效。其次，社会化媒体的发展带来了社会的关注和政策的倾斜，国家通过一系列法律法规政策改善信息环境，从而引导整个信息生态系统向良性的方向去发展和演化。最后，社会化媒体环境使得信息准入门槛降低，信息质量受到了严重影响，因此产生的虚假、有害和垃圾信息也越来越多，对信息生态系统的健康发展产生了巨大的影响。另一方面，因为信息分享体系的不健全和信息安全的限制造成了严重的信息不对称现象，降低了信息生态系统内部各个子系统和主体之间的信息交流效率。

在这种情形下，原有的信息化水平测度不能发现系统内部之间的冲突和内耗，无法找到系统运行低效的根本原因。要更好发挥社会化媒体的作用，就需要了解系统内各个要素的协同合力程度，也需要了解系统对环境的交互影响能力，更需要了解系统对社会化媒体背景的适应程度。协同度的定义是指协同之间的各组成要素在演化发展的进程中保持协调一致的程度。它决定了系统从无序走向有序的程度和趋势，也反映了系统之间各要素的协同合力程度。社会化媒体环境下的信息生态系统是一个复杂系统，其内部各子系统和组织要素之间的相互作用和协同程度决定了信息生态系统的效率和影响力。因此，分析研究社会化媒体环境下的信息生态系统的协同度对于准确把握系统内部各要素和系统内外要素之间的交互影响力和协同合力程度，具有非常重要的现实意义。

2 文献回顾

“社会化媒体”是由“Social Media”翻译而来，关于社会化媒体的定义众说纷纭，伴随着互联网的不断发展和人们对于信息和媒体认识的不断加深，社会化媒体的定义也在不断完善和发展。社会化媒体理论最早起源于心理学教授Stanley（1967）的“六度分割理论”，该理论认为一个人和陌生人之间的联系不会超过6个人，也就是说最多只用6个人你就能够认识一个陌生人[3]。Antony Mayfeild（2004）认为社会化媒体具有参与、公开、交流、对话、社区化、连通性六大特征，最常见的社会化媒体有六种基本形式：博客、维基、播客、论坛、社交网络和内容社区[4]。肖瑞（2011）对社会化媒体的定义是允许用户撰写、评论、分享和交流的工具和平台[5]。彭兰（2013）对社会化媒体的特征定义为内容生产与社交的结合；主角是用户[6]。陈勇等（2015）认为社会化媒体是基于Web2.0技术，依靠社会关系建立的以生产内容和交换信息为特征的网络形态[7]。邓乔茜（2015）等认为社会化媒体通常可以包括为博客、媒体共享社群、论坛、社交网站、虚拟世界和合作项目六个部分[8]。

信息生态系统的概念最早起源于西方，是将系统学理论应用到生态学上的一个创新理论。早在20世纪70年代，Bertalanffy（1973）就给出了系统的定义，即“系统是相互作用的多元素的复合体”[9]。到了90年代，DAVID L（1995）和THOMAS H D（1997）把信息生态系统表述成复杂的信息环境、信息人以及信息之间的相关关联和相互作用[10-11]。B.A.Nardi和 V.L.O’Day（1999）把信息生态系统定义为“在特定环境中，由人、实践、价值和技术构成的一个有机系统”[12]。李美娣（1998）将信息生态系统分为信息人、信息资源和信息环境三个要素[13]。娄策群等（2009）给出了信息生态系统平衡状态的定义，并指出信息生态系统是在不断运动中从低层次向高层次进行演化[14]。张向先等（2010）以企业为研究背景，结合信息生态系统理论和协同理论研究复杂系统内部的效率和平衡，并指出信息整合能力、信息动态组织结构和信息资源协调配置是影响系统效率的重要因素[15]。裴成发（2014）认为信息生态系统的核心是信息人，由信息场、信息链和信息位构成的复杂系统[16]。

对协同度的研究，国外学者Ansoff（1965）给出了协同的定义：所谓协同（Synergy），指相对于各个独立主体进行简单汇总而形成的合作群整体的业务表现[17]。Rothwell（1980）认为复合系统由若干功能子系统组成，但各子系统不是简单相加而是相互影响相互作用，复合系统的良性运行取决于各子系统的协同发展[18]。Haken（1997）认为，协同是复杂系统演化发展的内在规律和本质特征，协同表征了子系统之间或子系统内部各要素相互作用的方式。整体系统从无序到有序的转变，表现在微观层次上就是从没有协同转变为协同。有序则表征子系统形成结构的趋势及结构稳定性的程度[19]。Ensign P C（2001）从数学模型构建角度研究了微观企业的协同度的计算方法[20]。国内学者孟庆松等（2000）首先提出了复合系统协同度的概念，并首次给出了协同度计算的公式[21]。汤铃等（2010）运用欧式距离公式改进了孟庆松协同度计算的公式，并对我国经济与科技系统的协同程度进行了计算[22]。张敏（2011）运用孟庆松的协同度公式计算了黑龙江市的企业自主创新动力系统协同度[23]。刘有升等（2016）运用孟庆松协同度公式计算了跨境电商和现代物流间的协同度[24]。

现有的文献及研究表明信息生态系统的理论日益完善，比较成熟的协同度测度模型和方法也已形成。然而，目前对社会化媒体背景下信息生态系统的协同度研究仍比较缺乏，构建一套适合社会化媒体背景下信息生态系统的协同度测度的评价体系并进行协同度测度就具有一定的理论意义和创新意义。

3 理论基础

3.1 协同度测度方法

孟庆松从系统学角度提出了复合系统的协同度计算方法如下：

存在子系统Sj,假定其中的序参量变量为（ej1，ej2，…，ejn）,其中 n≥ 1，bj1≤ ej1≤ aji，i [1，n].不失一般性，假定ej1，ej2，…，ejm的取值越小，系统的有序程度越高。因此定义下式为系统Sj序参量分量eji的有序度：

如上定义可知，uj（eji）[0，1],其值越大，eji对系统有序的贡献越大。

从总体上看，序参量变量ej对系统Sj有序程度的总贡献可通过uj（eji）的集成来实现。文章采用几何平均法或线性加权法进行集成，即序参量变量ej的系统有序度为：

λi为Sj在系统中所占的权重值。

《通知》明确，委托境外进行研发活动所发生的费用，按照费用实际发生额的80%计入委托方的委托境外研发费用。委托境外研发费用不超过境内符合条件的研发费用三分之二的部分，可以按规定在企业所得税前加计扣除。委托境外进行研发活动应签订技术开发合同，并由委托方到科技行政主管部门进行登记。相关事项按技术合同认定登记管理办法及技术合同认定规则执行。《通知》还规定，企业对委托境外研发费用以及留存备查资料的真实性、合法性承担法律责任。委托境外进行研发活动不包括委托境外个人进行的研发活动。

对给定的初始时刻t0，设各个子系统序参量变量的系统有序度为u0j（ej），j=1，2，…，k，对于整个系统发展过程中的时刻t1来说，如果此时各个子系统序参量的系统有序度为u1j(ej),则整体系统协同度C的计算公式为：

其中

式中 u1j（ej）-u0j（ej）为子系统 Sj从 t0 到 t1 时间段序参量的系统有序度的变化幅度，它表示Sj在t0到t1时段中“有多大程度上变得更加有序”。

整体系统协同度C[-1，1]，值越大，系统协同程度越高，反之则越低。

3.2 熵值法

熵的概念源于热力学，是对系统状态不确定性的一种度量。在信息论中，信息是系统有序程度的一种度量。而熵是系统无序程度的一种度量，两者绝对值相等，但符号相反。根据此性质，可以利用评价中各方案的固有信息，通过熵值法得到各个指标的信息熵，信息熵越小，信息的无序度越低，其信息的效用值越大，指标的权重越大。采用熵值法主要是基于其以下一些特征：①熵值赋权法基于“差异驱动”原理，突出局部差异，由各个样本的实际数据求得最优权重，反映了指标信息熵值的效用价值，避免了人为的影响因素，因而给出的指标权重更具有客观性，从而具有较高的再现性和可信度；②赋权过程具有透明性、可再现性；③采用归一化方法对数据进行无量纲化处理，具有单调性、缩放无关性和总量恒定性等优异品质。

有数据矩阵A如下：

A=其中Xij为第i个方案第j个指标的数值。

正向指标

负向指标

具体指标值比重

信息熵

信息熵冗余度

指标权重

4 社会化媒体环境下信息生态系统协同度模型构建

通过对文献的整理，国内外大部分学者习惯将信息生态系统划分为三个子系统，即信息人、信息资源和信息环境。文章考虑到社会化媒体环境在信息生态系统中的日益增强的影响力，把形成社会化媒体的各种信息技术也看做一个影响信息生态系统的关键要素。综上把信息生态系统分为信息人、信息环境、信息资源和信息技术四个子系统，社会化媒体环境下的信息生态系统就是信息人受到信息环境的影响，通过获取信息资源，应用信息技术进而协同演化成的动态平衡的信息生态系统，社会化媒体环境下信息生态系统的协同度测度就是要反应这四个系统之间协调统一的程度（见图1）。

图1 社会化媒体环境下的信息生态系统协同度模型

（1）信息资源子系统作为整个信息生态系统的基础要素，是信息生态系统的加工对象，信息资源的数量和质量往往决定了信息生态系统的规模和效益。为了测度信息资源子系统对整体信息生态系统的协同影响，可以将社会化媒体环境下的信息资源子系统分为信息资源传播渠道、信息资源基础设施和信息资源传播效率这些指标。信息资源传播渠道主要体现在社交媒体APP应用数量上；信息资源基础设施主要包括网站数量、网页数量和域名数量；信息资源的传播效率主要体现在出口带宽上。

（2）信息人子系统是信息生态系统的主体部门，他们根据各自的功能划分为信息生产者、传递者、序化者、消费者和分解者。信息资源通过信息人的各个单位被层层消化吸收，最终完成信息资源在系统内部的流转。为了测度信息人子系统对整体信息生态系统的协同影响，可以将社会化媒体环境下的信息人子系统的指标细化为信息人规模、信息人素质、信息人沟通效率和信息人沟通意愿。信息人规模就是网民规模；信息人素质指高学历网民占比；信息人沟通效率体现在网民每周上网时长；信息人沟通意愿体现在网民评论意愿。

（3）信息环境子系统主要指对信息在系统内部的流转速度和处理效率产生影响的信息文化、政策和管理制度。为了测度信息环境子系统对整体信息生态系统的协同影响，社会化媒体环境下的信息环境子系统可以分为政策支持度、环境适应程度、管理制度科学性和科技环境水平四个指标。这一部分的指标主要是定性指标，通过问卷调查获取。政策支持度指政府重视并促进社会化媒体发展的程度；环境适应程度指社会环境对社会化媒体的鼓励程度；管理制度科学性是指社会化媒体自身的管理水平；科技环境水平是指科技发展促进社会化媒体进步的程度。

（4）信息技术子系统主要指定为影响和促进社会化媒体发展的技术和指标，包括互联网技术、新媒体和网络视频技术等方面；信息技术的广泛应用对于信息生态系统处理信息资源的能力有着积极影响力。为了测度信息技术子系统对整体信息生态系统的协同影响，社会化媒体环境下的信息技术子系统可以分为信息技术采用情况、信息技术认知情况和信息技术认可程度三个指标。信息技术采用情况是指对社会化媒体信息技术的应用比率；信息技术认知情况是指对社会化媒体信息技术的认知程度；信息技术认可程度是指对于社会化媒体信息技术的认可程度。

集合子系统和指标划分，最终得到社会化媒体环境下的信息生态系统协同度指标体系如表1所示：

表1 社会化媒体环境下的信息生态系统协同度指标体系

5 社会化媒体环境下的信息生态系统协同度实证分析

（1）数据收集：文章选择我国2011-2016年的面板数据进行实证分析，基础数据来源于《中国信息化年鉴》《中国信息年鉴》《中国互联网络发展状况统计报告》。信息人子系统、信息资源子系统、信息技术子系统分别截取了网民规模、每周上网时长、评论意愿、社会化媒体应用数量、域名数量、出口带宽和对社会化媒体技术的认知采用情况等定量数据。其中信息环境子系统通过在线问卷的形式获取定性数据。

（2）数据处理：由于信息技术子系统相关指标统计的比较晚，缺失了2014年之前的数据，这里采用线性补差法对缺失的数据进行了补充。对于录入的数据量统一了单位标准，比例按百分比计算，用户人数按百万为单位，信息资源的数量以百万为单位，带宽以百M为单位，最终得到了信息人子系统、信息资源子系统、信息环境子系统和信息技术子系统的序参量相应指标数据。问卷采用李克特7级量表。

（3）数据验证：首先对收集数据进行标准化处理之后，文章运用STATA12.0对子系统序参量指标数据进行因子分析，通过KMO检验和SMC检验来观察判断序参量指标是否符合标准，结果如表2所示。通过结果可知四个子系统的KMO检验值分别为0.7141,0.7882,0.6169和0.791，范围处于0.5-0.9之间；各个子系统序参量指标的SMC检验都在0.99附近，说明他们之间的相关关系适合做因子分析。

表2 社会化媒体环境下的信息生态系统子系统数据检验

（4）计算权重：首先通过专家赋权法，邀请8位专家对社会化媒体环境下信息生态系统的4个子系统进行了打分，经过多轮意见征询，反馈和调整之后，得到了各个子系统的权重。然后通过熵值赋权法，对各个子系统下面的序参量指标进行处理计算，得出各个序参量的权重比值。汇总后的系统权重表见表3。

表3 社会化媒体环境下的信息生态系统权重表

（5）协同度计算：根据孟庆松的协同度计算公式，结合上表的权重和原始数据，通过计算可以得出历年的子系统有序度和总体协同度（见表4，图2）。

表4 社会化媒体环境下的信息生态系统协同度

图2 社会化媒体环境下的信息生态系统协同趋势

通过对表4和图2的观察，可以看出社会化媒体环境下的信息生态系统协同度一直保持着上升的势头，2014—2016年上升势头最快，并且有持续上升的趋势。信息人子系统有序度发展波动性比较小，几乎看不出太明显的变化。信息资源子系统和信息技术子系统有序度发展势头非常明显，在四个子系统里上升幅度最大。信息环境子系统有序度一直保持着比较平稳的上升势头。

5 结论与展望

（1）信息人子系统在2011—2016年一直保持平稳，上升势头不明显，增长乏力，短时间内不会有太大的提升。网民规模已经接近瓶颈，需要进一步提升信息人的沟通效率和沟通意愿才能促进信息人子系统的有序度提升。

（2）信息资源子系统的序参量指标主要考量了很多互联网基础资源的配置，我国在这一块目前仍然有很大的增长空间，有序度曲线增长很明显，可以预见未来几年依然会保持很高的水平。

（3）信息技术子系统的有序度在2013—2014年增长不明显，主要是因为社会化媒体信息技术的认知度和认可度都不太高。在2015年之后大数据、云计算等新兴信息技术的认知度和认可度有一段大幅提升，所以信息技术子系统的有序度在这一段时间内有一段快速的上升期。

（4）信息环境子系统的有序度一直保持了稳定的增长，主要还是相应的序参量指标一直保持了稳定的上升势头，未来可能也会趋向平缓。

综合四个子系统有序度的表现，因为信息资源子系统和信息技术子系统有序度的明显提升，社会化媒体环境下的信息生态系统整体协同度在2011—2016年期间保持了稳健的上升趋势。而信息资源子系统和信息技术子系统有序度的提升趋势在未来趋于平缓，增加速度逐渐放慢，未来要进一步提升信息生态系统的有序度，除了要维持信息资源和信息技术子系统的有序度外，还需要在信息人和信息环境子系统上有所作为。

（来稿时间：2017年8月）

1.人民网.CNNI发布第38次《中国互联网络发展状况统计报告》[EB/OL].[2016-08-03].http://tc.people.com.cn/n1/2016/0803/c 183008-28606650.html.

2.魏辅轶, 周秀会.信息生态系统构建核心问题研究[J].图书馆工作与研究， 2010（7）：6-8.

3.Stanley.The small world problem[J].Psychology Today,1967（1）.

4.Antony Mayfeild.What is Social Media[EB/OL].http://www.icrossing.co.uk/fileadmin/uploads/eBooks/What_is_Social_Media_iCrossing_ebook.pdf.

5.肖瑞.浅谈社会化媒体的作用[J].教育理论与实践，2011（30）：26-28.

6.彭兰.社会化媒体时代的三种媒介素养及其关系[J].上海师范大学学报:哲学社会科学版， 2013, 42（3）：52-60.

7.陈勇，杜佳.社会化媒体环境下公民意识教育对策研究[J].吉林大学社会科学学报， 2015（5）：153-161.

8.邓乔茜，王丞，周志民.社会化媒体营销研究述评[J].外国经济与管理， 2015, 37（1）：32-42.

9.Bertalanffy von.General System Theory[M].New York:George Breziller, Inc, 1973：33.

10.DAVID L, ALTHEIDE.An ecology of communication:cultural formats of control[M].NY: Aldine de Gruyter, 1995.

11.THOMAS H D.Information ecology: mastering the information and knowledge environment[M].Oxford: Oxford University Press, 1997.

12.NARDI B A, O’DAY V L.Information ecologies, using technology with heart[M].Cambridge: The MIT Press, 1999：170-174.

13.李美娣.信息生态系统的剖析[J].情报杂志， 1998, 17（4）：3-5.

14.娄策群，杨小溪，王薇波.信息生态系统进化初探[J].图书情报工作， 2009, 53（18）：26-29.

15.张向先, 国佳, 马捷.企业信息生态系统的信息协同模式研究[J].情报理论与实践， 2010, 33（4）：10-13.

16.裴成发.信息运动生态协同演进研究[M].北京：科学出版社，2014.

17.Ansoff H I.Corporate Strategy: An Analytic Approach to Business Policy for Growth and Expansion[M].New York:McGrawHill, 1965.

18.Rothwell Z,Zegveld W.Industrial innovation and public policy, preparing for the 1980s and the 1990s[J].Telecommunications Policy,1980.

19.H.Haken, Synergetic: An Introduction[J].spring-verlog, 1997.

20.Ensign P C.THE CONCEPT OF FIT IN ORGANIZATIONAL RESEARCH[J].International Journal Organization Theory & Behavior,2001, 4（3）：287-306.

21.孟庆松，韩文秀.复合系统协调度模型研究[J].天津大学学报（自然科学与工程技术版）， 2000, 33（4）：444-446.

22.汤铃，李建平，余乐安，等.基于距离协调度模型的系统协调发展定量评价方法[J].系统工程理论与实践, 2010,30（4）：594-602.

23.张敏.企业自主创新动力系统协同度测度模型及实证分析[J].工业技术经济， 2011, 30（5）：69-74.

24.刘有升, 陈笃彬.基于复合系统协同度模型的跨境电商与现代物流协同评价分析[J].中国流通经济, 2016, 30（5）：106-114.