矿工不安全行为的社会网络分析

续婷妮 栗继祖 冯国瑞 康立勋

(1.太原理工大学经济管理学院，山西省晋中市，030600； 2.太原理工大学矿业工程学院，山西省太原市，030024)

陈红通过对1980-2000年间发生的煤矿重大事故的研究，发现人为因素在导致煤矿安全事故的所有直接原因中所占比重最大。随着行为科学方法的广泛应用，通过研究员工的行为特征和规律的方式减少或避免不安全行为产生，已然成为提升安全绩效的有效途径。因此，从多方面深入探讨控制不安全行为对提高企业安全管理尤为重要。

社会网络分析(Social Network Analysis，简称SNA)是对社会关系形成的结构网络进行分析的方法体系，可以将复杂多变的关系构建成相应的网络模型，并从其结构和功能两个方面研究个体对群体的影响。SNA最初在物理领域中的网络适应性问题中得到大量分析与应用。而今，SNA已经拓展到了生物学、工程技术、管理和社会科学等领域，并得到了创新与广泛应用。经统计，从2000年开始，SNA被高频率地应用于图书情报与数字图书馆领域中，而管理学学科则仅仅占了0.96%。

利用SNA构建研究矿工不安全行为的学者社会网络结构，不仅可以用于揭示煤矿不安全行为研究的权威专家与网络其他个体之间的关系，也提供了信息分享与沟通的新渠道，有效指导网络中的个体之间进行更好的合作。

1 核心期刊影响力度分析

〗由Henk Moed提出的旨在评价期刊影响力度的新指标SNIP，不仅考虑了引文与被引文次数对期刊评价的影响，也加入了引文的相关特征等影响。2012年10月，莱顿大学学者通过对SNIP值随着引用次数的提高而下降以及合并后期刊SNIP值的非一致性问题两个方面的改进，推出了更加合理的SNIP1。SNIP1汲取了传统期刊评价指标的合理之处，同时也弥补了在评价不同学科方面的局限。

首先，限定期刊的搜索条件，以不安全行为为关键词，以煤矿为主题，以核心期刊为搜索范围，以中国知网2014-2016年为时间范围进行搜索，可以得出，前九名分别为煤矿安全、煤炭技术、中国煤炭、煤炭工程、工业安全与环保、矿业安全与环保、中国矿业、中国安全科学学报和安全与环境学报。统计这九种期刊在3年间的相关信息，结果如表1所示。

表1 期刊在中国知网2014-2016年间的信息

运用SNIP1的计算方法如下：

(1)

式中： RIP——篇均粗影响；

DCP——数据库的引用潜力。

其中，DCP是中国知网中所研究的期刊在煤矿领域刊登的论文中活跃参考文献的平均数量。计算方法如下：

(2)

式中：n——所研究的期刊在前三年发表的论文在统计年的总被引次数；

pi——在期刊煤矿领域内第i篇论文同年同期刊发表的所有论文中，至少含有一篇活跃参考文献的论文占所有论文的比例；

ri——第i篇论文的参考文献属于被CNKI收录的期刊在统计年的前三年发表的论文的数量。

利用表1的统计信息，代入式(1)和式(2)中，最终得出了这9个核心期刊的SNIP1值，其中SNIP1值较高的3个核心期刊为矿业安全与环保、安全与环境学报和煤矿安全，分别为8.35、6.08和4.88，计算数据如表2所示。

通过计算SNIP1值，筛选出期刊影响力度较高的3个核心期刊，使得收集的数据更具有代表性和可靠性。

表2 前3个SNIP1值较高的核心期刊

2 数据收集及整理

在CNKI中导出矿业安全与环保、安全与环境学报和煤矿安全3个核心期刊在2010-2016年间论文的基本信息，包括作者、题名、文献来源、年份、关键词等。177位作者中(考虑了作者的重名)，总共有17位作者没有与其他的作者合作，因此作为作者合作网中的孤立点排除。因此计算作者之间的合作率为90.40%。若仅仅从合作率来讲，研究煤矿不安全行为领域的作者之间的交互性很高。但是这种交互仅仅限于课题组内合作还是课题组之间的合作，还需要利用社会网络理论来进行分析。

利用所搜集到的文字信息，构建作者合作关联数据和关键词关联数据。在构建关联数据时，作者之间不存在合作关系的设为0，存在合作关系的设为1；关键词之间不存在联系的设为0，存在联系的设为1。

3 社会网络结构分析与结果

3.1 矿工不安全行为社会网络结构

将统计的作者合作矩阵数据输入UCINET软件中，进行可视化分析，如图1所示。正方形的大小表示该作者的中心度的大小。正方形越大，表示该作者的中心度越大，合作度就越大。该模型中有563个连接线，即177个作者之间有563个关联。

图1 作者合作模型的可视化分析

本文主要从4个方面对构建的煤矿不安全行为研究的社会网络进行分析，包括密度分析、中心性分析、小团体分析和核心-边缘结构分析。

(1)密度分析。密度反映的是在所研究领域中的作者之间互相联系和相互交流的程度，介于0和1之间。密度值越接近于0，说明作者之间越缺乏联系和交流；密度值越接近于1，则作者之间的相互联系和交流的程度越深。

而在煤矿不安全行为研究中的密度分析中得知，密度值为0.0183，标准差为0.1340。尽管合作率偏高，但是密度值极小，说明在该领域中作者之间比较偏向于固定团队或者课题组研究，几乎没有交叉性交流与联系。

(2)中心度分析。中心度用来表示个体在一个群体当中处于何种地位，拥有何种权利。中心度值越高，表示该个体在群体中所占的地位越重要，拥有的权利越大，所获取的资源越多，从而对他人的影响力越大。分析中心度往往从程度中心度、中间性中心度和亲近中心度3个方面进行分析。

程度中心度是反映一个个体在群体中与他人产生关系的能力，分为绝对程度中心度和相对程度中心度。在作者合作模型中，网络中心度为4.61%，表明煤矿不安全行为研究作者合作模型中仍然存在大多数的资源掌握在少数专家的手中。其中，35号的绝对程度中心度值和相对程度中心度值都最高。其次，分别是76、23、20、81和24号。35号的程度中心度值几乎超出了76号一倍，说明35号作者在煤矿不安全行为领域中与其他作者发生联系的能力很强，信息的交互性很高。程度中心度分析(部分数据)见表3。

表3 程度中心度分析(部分数据)

中间性中心度常常用来表示个体在网络中能够控制他人的能力，也常常从绝对中间性中心度和相对中间性中心度两方面分析。在作者合作模型中，35号在这两个方面的值依然位于最高。其次为76、23、20、91和24号。中间性中心度分析结果说明35号在煤矿不安全行为研究中处于重要位置，掌握资源较丰富，其他作者通过他发生联系的人偏多，因此该个体从中能够得到的信息就越多，控制该领域的能力就越大。中间性中心度分析(部分数据)见表4。

表4 中间性中心度分析(部分数据)

亲密中心度用来反映个体在网络中与其他个体之间的接近程度。35号的亲密中心度值都居于首位，为0.658，处于网络群体的中心位置。在338个个体之间的亲密中心度值相差很少，因此，相对而言，在煤矿不安全行为研究中，个体分布较为均匀，边缘化的趋势不是很明显。

经过3个中心度分析，可以看出，35、76、23、20、81和24号都有较高的程度中心度值、中间性中心度值和亲密中心度值，因此这6个个体处于绝对的核心位置，具有一定的权威性。

(3)小团体分析。中心度分析研究了处于核心地位的个体，而小团体分析则侧重于研究网络的内聚力。网络中存在内部密度大和外部联系高的小团体，在一定程度上有利于团队内部以及团队之间的信息传播和交流。对小团队的分析可以通过派系分析和凝聚子群密度分析两方面来进行。

在UCINET软件中，对177个作者进行小团体的划分，得出网络中共有49个小团体。分派相对较多，其中35号又分别带领了9个小团队，并没有将其整合。即在煤矿不安全行为研究中大多数作者之间的交流仅仅局限于个人团队和课题组，满足于内部的沟通，而尚未做到跨团队沟通，没有真正实现信息的高效传输。

凝聚子群密度分析用于研究网络中所存在的小团体之间的内聚力情况，反映了小团体之间的联系紧密程度。通常密度值的取值为[-1，+1]，越接近于1，表明小团队之间的联系越紧密；越接近于-1，表明小团队之间联系越少；越接近于0，则小团队之间的联系较为随机，无规律可循。凝聚子群密度分析见表5。

表5 凝聚子群密度分析

从表5可以得出，煤矿不安全行为研究的凝聚子群的密度为-0.889。该数据接近于-1，表明这49个小团体之间的关联很少，证明了在煤矿不安全行为研究网络中大多都只进行小团体内部的信息交流与沟通，而没有进行小团体之间的信息共享，不利于该领域的创新发展。

在凝聚力分析中，通过研究网络中的各个个体之间的平均距离，可以更深层次地了解到个体之间相互沟通所存在的间隔。在煤矿不安全行为研究中，平均的路径距离为1.656。即可以认为，在该领域中每个个体只需要经过2个人就可以建立起联系。说明在煤矿不安全行为研究中交流信息非常便利，仅仅通过2个人就可以相互联系。分析聚集系数为0.969，该值趋近于1，值偏大，因此存在明显的小世界效应。即煤矿不安全行为研究中，信息传递渠道畅通，任何作者之间仅仅需要通过2个中间人就可以与其中一个陌生的作者产生联系。因此，该领域中的个体应该充分利用网络中小世界效应，通过跨团队轻松进行信息的交互。

(4)核心-边缘结构分析。分析核心-边缘结构可以依据网络中的个体之间关系的程度将个体分为核心区域和边缘区域两个部分，从而在研究领域中找出处于核心区域的作者以及处于边缘区域的作者，精准把握该领域的研究方向。

从煤矿不安全行为研究的核心-边缘结构分析中可以得知，共有156个作者处于核心区域，包括35、76、23、20、81和24号等。这些作者在该领域的科研能力较强，研究方向处于前沿，值得学者借鉴和交流，是网络中具有较高创新能力的次系统，决定了该领域的发展水平。而处于边缘区域的作者，随着时间的推移，部分学者会退出网络，而部分学者则会朝着核心区域移动。

综合这4个方面的分析，发现35、76、23、20、81和24号在各个方面都占了重要的地位，说明这6个个体在煤矿不安全行为研究中有一定的核心地位，科研能力较突出，并与其他学者有比较密切的联系，但整个网络中的跨团队合作尚需深入发展。

4 结论与反思

(1)对2014-2016年煤矿不安全行为研究中的核心期刊通过SNIP1进行筛选，得出期刊影响力度较高的3个核心期刊，分别为矿业安全与环保、安全与环境学报和煤矿安全。通过对这3个核心期刊的数据采集，使得结果更具有可靠性和代表性。这也是本文较之前学者的研究中的创新点。

(2)根据收集的相关信息构建作者合作模型，通过密度分析、中心度分析、小团体分析以及核心-边缘结构分析，了解到田水承、傅贵、栗继祖等在模型网络中占有绝对的核心地位，对煤矿不安全行为研究领域的控制能力较强。

(3)本文仅仅从中国知网(CNKI)中提取核心期刊的信息，希望学者可以拓宽知识库以得到更为精准的结论。