政务微博社会网络分析

李森 王梦甜

摘要：目前，微博作为“互联网+政府”的典范，大力推进政务公开，打造阳光政府。但当前的发展中依旧存在一系列问题。通过选取全国排名前100的政务微博，利用社会网络分析软件Ucinet，从点度中心度、点的中间中心度、点的接近中心度和点的影响力四个指标入手，完全以网络信息流通的角度具体研究政务微博在社会网络中所承担的重要作用，分析当前政务微博的网络结构，最终给出建议。

关键词：政务微博;社会网络分析;Ucinet

中图分类号：C931文献标识码：A文章编号：1008-4428（2019）01-0105-02

一、 引言

“微博”即微型博客，是博客的一种，是基于用户关系信息分享、传播以及获取的平台。而“政务微博”则是基于微博平台，用来代表政府部门或官员，对外界进行信息服务、意见收集、舆论导向等。“政务微博”广义上不仅包括政府部门开通的政务微博，还包括政府官员与个人所开通的用于政务工作和沟通交流的认证微博。笔者认为，所谓“政务微博”即国家及地方各级政府、党政机构和社会服务团体以及这些在机构团体中工作的官员及个人，所开通的經过实名认证的微博，并用于政府信息服务、意见收集、舆论导向的网络问政平台。

“网络”是某几种事物之间由于存在某种互相的关系而构成的网络。我们通常在研究网络时，就是关注事物之间的结构，以网络视角来看待事物之间的关系。而“社会网络”是指社会个体之间的相互关系的集合，通常用点和线来表示。这样，以政务微博博主为节点，以相互关注及评论转发的信息流动关系为连线，就形成了政务微博的社会网络关系。此研究正是基于所建立的微博网络而对各个节点的重要关系进行研究。

本课题对前100的政务微博建立互相关注矩阵，例如A微博对B微博进行关注，则记为 1，反之则记为0，由上述计数方法到互相关注矩阵，此时将矩阵进行转置便得到信息流向矩阵，以此矩阵作为目前初始矩阵。

二、 研究指标构建

（一）点度中心度

点度中心度用来描述一个社会网络中的某一个节点和与其直接发生关联的节点数量总和，刻画出了该节点的局部中心度。绝对度数中心度是指网络中与某点A直接相连接的节点个数，拥有较高度数的政务微博为该网络中活跃度较高的节点，其重要程度也就越高。

（二）点的中间中心度

点的资源控制能力bjk的测量：通俗来说，某点i控制信息的能力就是经过i点且连接点j、k两点之间的路径条数和j、k之间总路径的比值，此比值在0—1之间。假设网络中某两个点j与k之间存在gjk条路径，且这gjk条路径中的gjk（i）条经过某一点i，我们可以称bjk=gjk（i）gjk为点i控制的点j与k之间资源的能力。点的中间中心度（CABi）的测量：将某点i相对于网络中所有点的资源控制能力bjk相加之和记作CABi即点的绝对中间中心度CABi=∑nj∑nkbjk（i）。

（三）点的接近中心度

点的接近中心度关注的是社会网络中一个节点与其他节点的接近程度，与前述中心度的测量值相反，点的接近中心度越小说明该点越位于核心位置。点的接近中心度的测量：网络中某一个点的接近中心度是指该点与图中其他所有点的距离之和，其表达式为C-1APi=∑njdij，其中dij是指点i与j之间路径中包含的线的数目。

（四）点的影响力分析

卡兹影响力指数的测量：令数据矩阵为C，其中各元素为Cij表示第i个个体关注了第j个个体，此时，C2中的元素Cij（2）表示从第i个个体到第j个个体之间长度为2的路径数量。C3、C4等同理，最终将这些矩阵相加就可以得到一个影响力指数矩阵。同时引入变薄因子α，其次方α、α2，α3等分别对应矩阵C、C2、C3等的权重。变薄因子α取值范围为0—1，此时得到影响力计算公式为

T=αC+α2C2+α3C3+…+αnCn=∑∞1αnCn=（E-αC）-1-E

三、 政务微博的社会网络分析

社会网络作为一个信息传递的群体，自然存在着自身的差异性。在一个网络中，存在着中心与边缘之分，在本课题中所构建的社会网络中，不同的博主处于不同的位置，不同程度上控制了该网络中所流通的资源，位于中心的博主有着较强的原创性，说话有“权威”，而处于边缘地带的博主仅仅只能通过收集资源来获取外界信息。将本课题中构建的信息流通原始矩阵导入Ucinet软件，进行以下分析。

（一）点度中心度

如表1是以信息的出度为顺序，从大到小将微博进行排列。由于对此网络的研究是基于信息的流通渠道，而完全排除外界影响而给出的，那么信息的出度就可以完全被认为“话语权”的大小。若单纯以信息出度为标准来看，上表1显示，该网络中，信息的出度最大的是“公安部打四黑除四害”，控制着下游的69条信息流动的渠道，同时获得来自42条信息通道的资源。“江宁公安在线”也有着较高“话语权”，其出度和入度分别为68和48。而在出度排名前几位之中以公安微博和地方新闻发布类政务微博为主。

（二）点的中间中心度

表2是以网络中节点的中间中心度为顺序，从大到小将微博进行排列。由于中间中心度可以认为是“通过控制或者曲解信息的传递而影响群体”。单纯从信息流通角度来看，上表2显示，此网络中信息的流通控制力度最大的是“平安辽宁”，其中间中心度为924.473，标准中间中心度为9.529，远超其他所有微博，这表明“平安辽宁”是一个强有力的中间节点，在微博网络中有着成为“桥梁”的节点的能力，其他大部分微博在信息获取的时候，都与“平安辽宁”有着一定的关系，在微博网络中，大量的桥节点的存在加速了信息流通。而在排名前几位的微博中，仍然以执法部门居多，包括公安和交警。这也证实了公安部门的微博最为活跃。

（三）点的接近中心度

表3是以网络中节点的接近中心度为顺序，从小到大将微博进行排列。由于接近中心度越小，节点的受控制力度越小。单纯从信息流通角度来看，上表3显示，此网络中信息的受影响力度最小的是“四川共青团”，其入度远离度为 109.000，出度远离度为186.000，表示此微博的信息依赖程度较小，最不容易受到其他节点的控制，位于该网络中较为核心的位置。同样，在排名前几位的微博中，依然以公安微博居多，这依旧说明了目前国内的微博中，公安微博最为活跃。

（四）点的影响力

该项数据虽然软件未给出排序，但依旧不难看出，“公安部打四黑除四害”的微博的对外影响力为0.989，明显高于其他微博的影响力，而受到的影响力为0.652，这项数据直接可以反映出该网络中节点的对外影响力大小和所受影响力的大小。根据上表4，“公安部打四黑除四害”和“江宁公安在线”政务微博的影响力较高，成为该网络的核心博主。

四、 结论

在微博网络中，意见领袖作为网络中核心的节点，其自然拥有着较强的“话语权”，影响力较大，范围较广。在本研究中，公安类政务微博在该微博网络中影响力较大，其中以“公安部打四黑除四害”和“江宁公安在线”微博为典型的核心节点，而少部分节点构成了网络的边缘地带，这些微博相互构成了此微博网络。

（一）实现政务微博的生态圈互通

在传统的政府政务公开中，各地方政府通过网站等形式逐渐衍生出自己的生态圈，而每个生态圈中以信息交流为目的，构建出适合自身的信息分享网络。但这种传统的政务公开、信息分享形式过于闭塞，不利于信息快速传播与交流。利用目前的微博平台打破过去的传统闭塞的模式，不局限于自己的网站生态圈，形成了有层次感，允许相互依赖的共享网络结构，真正实现了全国范围的信息互通，共享网络系统，对于推进政务公开起到了积极的作用。

（二）构建多个节点为核心的网络

在政务微博的信息分享过程中，各节点的信息分享能力不仅仅受到自身影响范围和影响力的约束，在这个复合型网络中，更重要的是节点与节点之间的契合度，每个意见领袖的生态圈是自然形成的是最快速，最直接的信息分享子群。然而在通过节点减“桥梁”传播时，由于距离较长、上下游信息不对称等因素，导致的信息扭曲，也称“谣言”。减少传播中的信息不对称性，自然也是网络构建中的重中之重。建立意见领袖的紧密合作关系，形成多个节点之间的网络效应有助于网络中对信息强有力的掌控。利用网络的互动性、及时性和立体性的天然优势来缩减信息的传播时间，从而构建多节点为核心的网络有利于减少信息传播过程中造成的缺失，有利于营造更为健康向上的政府微博分享模式。

（三）积极构建良好的微博网络群

目前中國政务微博处于蓬勃发展时期，新出现的微博都是从关注网络中的意见领袖开始，学习通过微博平台进行政务公开等一些服务，部分意见领袖微博作为网络中的“老牌”微博，自然需要为整个政务微博的网络发展承担自己的责任，关注新生政务微博，并与其进行互动转发等，快速促进新生政务微博扩大其影响力，为更多人所熟知。通过学习“老牌”政务微博的管理模式，快速发展自己。建立相应的管理团队，避免形式主义。同时要依法明确自身微博内容公开、公正，积极辟谣不造谣，努力打造人民信赖的好政府形象。

参考文献：

[1]2017年度人民日报·政务指数微博影响力报告[R].广州：人民日报，微博，新浪，2018：4-5，4-5，67-69.

[2]刘畅.地方政府政务微博的传播效应研究[D].大连：大连理工大学，2013：1-3.

[3]刘军.整体网分析：UCINET软件实用指南[M].上海：格致出版社：上海人民出版社，2014：1-4，127-128，129-130，134-135，136-144.

[4]陈华明，李畅.个体群组关系的构建：微博中的群体认同研究[J].四川大学学报（哲学社会科学版），2012（3）：67-71.

[5]杜杨沁，霍有光，锁志海.政务微博微观社会网络结构实证分析——基于结构洞理论视角[J].情报杂志，2013（5）：25-31.

[6]杜杨沁，霍有光，锁志海.基于复杂网络模块化的微博社会网络结构分析——以“上海发布”政务微博为例[J].图书情报知识，2013（3）：81-89，121.

[7]金鑫，谢斌，朱建明.基于复杂网络分析的微博网络舆情传播[J].吉林大学学报（工学版），2012（S1）：271-275.

[8]Nash R， Bouchard M， Malm A. Investing in people： The role of social networks in the diffusion of a large-scale fraud[J]. Social Networks，2013，35（4）：686-698.