基于结构洞理论的在线学术社交用户中间人角色分析*

严玲艳 张 窈

(1. 福建师范大学传播学院 福州 350000；2.西安交通大学新闻与新媒体学院 西安 710048)

0 引 言

学术社交活动不仅能够有效推动前沿科学的发展与全球科技创新，同时有利于科学个体的职业塑造。学术社交网站、开放存取平台、机构知识库等开放科学基础设施的建立，降低了各学科领域学者及其他公众参与科学议程的门槛[1]，也成为一种知识扩散与意义生产的新型“公共领域”。

其中，学术社交网站凭借在大量免费学术资源提供上的优势，能够帮助学者推广科研成果并积累垂直领域的社交资本，因此获得全球众多科研人员的认同与加入。众所周知，用户交互关系、信息内容和用户影响力[2]是新一代互联网价值的3个核心来源。大量用户在学术社交网站中构建的个体关系网络将在科学交流中发挥重要的作用。学者们通过抓取学术社交网站的用户社交数据生成相应的社交关系网络，分析不同用户的网络拓扑结构、网络特征[3-4]，或以此为基础分析不同成员的社交贡献或价值、成员间的关系类型[5-6]、交流模式及强度[7]、信息的传播路径等[8]。但当前对网络结构背后成因与作用的解释性研究不足，因此本文采用混合研究方法，在客观数据分析的基础之上开展深度访谈，由构建者对其社交关系进行主观解释，以期深度理解学者的在线科学交流行为。作为社交网站的三巨头，ResearchGate、Academia.edu和Mendeley拥有世界绝大部分的科研用户，尤其是高质量的科研工作者。一方面由于学术话语体系仍然主要掌握在发达国家手中，以英语交流为主；另一方面，我国专注某一领域的垂直型学术社交市场仍然较为空白，诸如小木虫、科学网等平台由于用户体验不佳、学术资源缺乏等根本无法聚集优质用户。根据现有数据统计可知，截止到 2022年2月，已有超过2 000万用户在ResearchGate上分享、发现和讨论学术研究，中国科研人员的注册占比仅次于美国，位居第二；Academia.edu上的共享文献数量超过2 800万篇，涵盖主要的自然学科门类，是前沿科研信息流通的重要阵地；Mendeley拥有上亿篇学术成果。综合考虑平台的功能、用户数量及数据的可获得性和完整性，本文选择用户最常用的学术社交网站ResearchGate作为个体网络数据来源。

1 结构洞与中间人角色理论

1992年，Burt在StructuralHoles：TheSocialStructureofCompetition一书[9]中提出了“结构洞”理论(Structural Holes Theory)。此后，该理论在社会科学的各个领域中得到广泛的应用，社交网络研究中的应用则主要集中在以下两个方面: 一是探寻社交网络中结构洞的嵌入及其效用，二是进行信息传播关键主体(社交网络信息传播关键主体、学科领域核心作者、高影响力期刊)的识别[10]。总体来看，现有研究对学术社交用户的社会网络结构的揭示还不够深入，关于网络成员的位置对于知识的获取与传播产生什么样的影响？网络关键人物有哪些共同特点？以及其是如何影响社交网络中的其他成员等问题还需要在实践中被进一步探讨。

基于此，本文借鉴结构洞和中间人角色理论，通过构建测量与分析框架，以三大学术社交网站上的科研人员及相关数据为分析样本，力图识别出不同人员在学术社交网络中的位置、角色类型及其能够发挥的作用，进而探寻关键用户可以通过何种方式来影响学术信息的流通，以期为相关理论研究和实践应用提供有益参考。

1.1 结构洞理论与测量

当两个或多个实体之间缺乏直接联系时，社交网络中就存在结构性漏洞。结构洞理论的出现与发展是为了解释实体如何从社会网络的竞争及其交叉关系中获益，经常被应用于占据社会网络的个人、组织或其他实体之间的关系分析。例如，不同实体之间是如何相互联系的？一个人如何才能从这些关系中获益？Burt的结构洞理论为本研究的个体网络位置分析提供重要的依据，有助于识别学术社交个体网络中潜在的结构洞数量及中心个体对结构洞的控制能力，了解中心个体在科学交流中的信息优势，从而提高整个网络的信息交流效果。

结构洞有2种测量体系：一类是Burt的结构洞指数，适用于测量个体网的结构洞；另一类是Freeman的中间中心度指数，适用于整体网。由于我们这里主要考察个体在网络中的位置，所以采用Burt的测量指标。Ucinet 6中的结构洞指标包括有效规模(Effective Size)、效率(Efficiency)、限制度(Constraints)、等级度(Hierarchy)4个方面[11]，具体含义如表1所示。

在同一网络中，有效规模指标可以在一定程度上定量的衡量结构洞节点的重要性，一般以限制度为依据并结合有效规模指标的大小对成员进行结构洞分析。而本研究主要是对不同学者的个体网络进行分析

表1 结构洞指标类型

和比较，网络规模本身存在较大差异，因此选取网络效率和网络限制度进行比较。

1.2 中间人角色类型

虽然Burt提出了“中间人”的概念，但是他没有考虑行动者所在的群体和信息传播流向的控制能力等情况。如果中间人与其连接者所属的群体不同，例如来自不同学科群体、不同机构群体、不同学习小组群体抑或是不同合著群体，那么中间人扮演的角色也就不一样。古尔德和费尔南德兹(Gould & Fernandez)[12]根据A、B、C所在的群体不同，将中间人分为5种类型：协调者(Coordinator),守门人(Gate keeper)，代理人(Representation)，顾问(Consultant)，联络人(Liaison)。表2对B的中间人角色及其具体作用进行介绍[13]。

表2 中间人角色类型

2 数据来源与处理

由于本研究问题比较复杂，既要考虑学术社交网站用户个体网络的客观呈现，也要兼顾用户在网络构建过程中的主观能动作用。因此，本研究采用问卷调查、社会网络分析和深度访谈相结合的混合研究方法，结合结构洞理论的主要观点，对学术社交网络中间人角色的交流行为和效果展开分析。整个研究设计按先后顺序主要分为3个部分，即前期调查问卷，中期数据抓取，后期访谈。具体如下：

首先，为了解用户在学术社交网站中的实际情况，本研究结合前人的研究成果，设计调查问卷，调查内容主要为：用户对创建个体网络重要性的认同度；关系建立动机；网络成员中跨学科学者、合作过学者、意向合作者的情况；个体网络在信息获取、学术传播、科研协作、项目资助及职业发展的效果。问卷于2019年11月15日至2020年1月15日期间发放，共回收295份有效问卷进行统计分析。在问卷信度与效度检验显示答卷具有较高的信效度，Cronbach'sα系数为0.893，KMO值为0.882。

其次，社会网络分析部分选取问卷调查的70位志愿者，通过自编爬虫程序抓取用户在最常用学术社交网站Researchgate中的社交数据，利用社会网络分析工具Ucinet 6和Gephi 0.9.2构建个体网络，对结构洞和中间人角色进行运算。其中在对中间人进行分析前，需要对个体网络进行分区，才能进一步探析中间人在不同社区中扮演的角色。本研究首先利用Gephi 0.9.2软件的随机社区探测，确定个体网络中的社区数量，然后利用Ucinet 6构建分区向量，最后根据分区结果执行中间人角色运算。针对70个样本的学术身份、学科领域与个体网络结构指标的信效度检验显示，信度系数值为0.821，效度KMO值为0.738，说明研究数据信效度质量高，因而可以结合用户学术身份特征和学科领域对结构洞数量和中间人角色进行相关性分析。

最后，在70位社会网络分析样本中邀请到17位志愿者，其中教授3位、副教授2位、讲师1位、博士后4位、博士生7位。由于两次调查结果都显示学科领域对用户行为和网络结构没有显著差异，并且考虑到调研成本与调研能力，因此在选取访谈对象时，无法完全兼顾学科分布。但受访用户均具备一定程度的科研能力，在网站上公开的科研成果数量在3～53份之间，学术社交网站的使用经验在2～10年内，已经形成不同规模的个体网络，并在其中进行过科学交流行为，获得不同程度的学术社交影响力。表3是受访者的结构洞与中间人角色情况。访谈中结合个体的结构洞情况与样本整体均值进行比较，询问受访者网络位置对于用户在个体网络中进行科学交流时产生哪些信息优势或障碍。随后根据受访者的中间人角色，探讨其在科学交流的过程中的信息来源与分享对象，分析网络位置对信息传播的影响。

表3 受访者结构洞与中间人角色情况

3 在线学术社交用户中间人角色分析

3.1 结构洞分析

本文选用结构洞分析个体网络的关键位置情况，并通过中间人角色分析中心个体在网络中的作用。由于样本的节点数与度数差异，因此有效规模也存在较大差值。但由于在个体网络中，中心个体显然对成员的影响很大，因而呈现出的整体网络效率很高。至于限制度低，则表示中心个体对结构洞的运用能力强。但是在等级度中存在较多差异，即限制性集中在中心个体的情况不同，这就需要结合具体规模进一步分析(见表4)。

占据结构洞位置的个体拥有更多信息利益和控制利益，即掌握更多非冗余信息，并且通过控制信息的传播方向来满足自己的需求[9]。本研究使用方差分析显示：不同学术身份用户对于有效规模、效率和限制度均呈现出显著性差异(p=0.000**；p=0.001**；p=0.000**；0.020*)；学科领域则没有表现出差异性。可能与学术社交网站没有推出针对性的学科服务有关，因为用户在平台中进行科学交流时，主要以对对方的熟悉程度、研究兴趣或平台提供的用户影响力计量结果作为重要参考，这种指标存在于每个学科领域当中，导致不同学科用户在学术社交网站的使用行为和网络结构存在趋同性。

表4 结构洞分析基本情况

学术身份分布中(见表5)，教授的有效规模最高(298.179)，限制度最低(0.014)，表明其掌握更多结构洞，比其他成员更具有信息优势和控制能力，结构洞为信息源用户带来的信息优势主要是能够及时获取所需要的信息，且为跨学科信息传播与交流提供桥梁。有效规模高于均值但限制度低于均值的1号、2号、3号受访者(均为教授)表示自己在科学交流中对的信息需求更加明确，认为科研成果越多，导致信息共享的范围就越广，从而能够产生更多的结构洞，带来的信息优势是在需要的时候能够及时获取帮助。1号受访者认为在需要技术支持和实验帮助时，能迅速找到学者或团队。2号、3号受访者认为跨学科的研究会产生更多的结构洞，结构洞的价值在于为不同学科提供沟通的渠道，信息交流的过程中也会无意间成为跨学科桥梁。

表5 用户身份与结构洞基础指标(平均值)

副教授(175.946)与讲师(170.426)的有效规模值居中。有效规模与限制度都高于均值的4号用户(副教授)认为“有效规模高，可能是成员分属于不同的实验团队，但是来自同一个机构，所以联系紧密一些，能进行有效的交流。不同成员之间有多种联系渠道，也是因为如此，所以成员不见得非得通过我来进行交流，所以限制度低”。

博士生与博士后的有效规模、效率和等级度均低于平均水平，而限制度高于平均水平，说明这两类用户的个体网络结构洞数量相对更少。在访谈中，受访者认为有效规模低，结构洞少可能导致中心个体很难发现需要的科研合作者，而且吸引项目资助和工作机会方面的效果不佳。其中，除了6号(博士后)受访者，其余有效规模都低于样本均值(5号、7号、8号、9号、10号)。此外，只有6号与8号受访者的限制度低于样本均值。6号受访者存在较多的结构洞，且对于网络成员的控制能力较强，是由于其关注的用户来自不同学科领域，也会在获取到不同信息时积极分享给所在团队。10号受访者(博士生)认为其有效规模不高与其关注的对象少且都是线下认识的人，并且在信息交流的过程中多局限于本学科领域。部分原因是学生群体对信息传播和寻求潜在合作在的需求不高，因此网络本身规模不大导致有效规模都低于样本均值。并且年轻用户更能够熟练地使用学术社交网站检索并获取所需要的信息，因此结构洞对博士生/博士后用户获取信息的效果影响不大。但是对于寻找潜在合作者有一定影响，一方面是由于自身影响力不够，很少接收到他人的主动邀请参与交流。另一方面多是局限于本学科内甚至同一机构的交流，成员与成员之间有其他的信息传播路径，因此搜索型中心个体的网络控制能力较弱。

在学科分布中(见表6)，医药科学的有效规模和效率低于平均水平，而限制度与等级度高于平均水平，拥有较少的结构洞和较低的控制能力。自然科学与人文社会科学领域的有效规模均接近于平均水平，但自然科学的限制度是所有学科中最低(0.019)，人文社会科学高于平均水平(0.028)，相比之下，自然科学用户对成员的控制能力更高。农业科学与工程技术科学的有效规模和限制度都比较接近，两类学科领域的结构洞情况较为一致。

表6 学科领域与结构洞基础指标(平均值)

3.2 中间人角色分析

在对中间人进行分析前，需要对个体网络进行分区，才能进一步探析中间人在不同社区中扮演的角色。本研究首先利用Gephi 0.9.2软件的随机社区探测，确定个体网络中的社区数量，然后利用Ucinet 6构建分区向量，最后根据分区结果执行中间人角色运算。例如个体A在其个体网络中同时承担协调者、守门人、代理人和顾问4中角色，其中承担协调者角色的次数最多，因此A的主要角色为协调者。从整体上看63%的个体扮演联络人角色，其次是代理人(21%)，14%的个体作为守门人，较少个体成为协调者(2%)，顾问的比例为0。方差分析结果显示身份与中间人角色呈现出显著性差异(p= 0.006**)，学科领域则无。

从比重上看(见表7)，博士生相比于其他成员，更有可能成为代理人(44%)。副教授成为守门人的可能性最高(29.41%)。而博士后与教授最常扮演联络人角色(85.71%；82.35%)。

表7 学术身份的中间人角色分布占比(%)

在学科领域分布中(见表8)，自然科学(84.62%)、农业科学(76.92)、医药科学(56.25%)、工程与技术(53.85%)、人文与社会科学(46.67%)用户成为联络人的比例逐渐降低，其中，人文与社会科学领域的用户成为协调者和守门人的可能性更高(均为26.67)，其次是医药科学(18.75%；25%)。

表8 学科领域的中间人角色分布占比(%)

4 中间人角色对个体学术社交的影响探讨

4.1 联络人

因为联络人不为任何一个团体所规范，自由度高且能操控两个团体间的信息流通方式[14]。个体网络中若存在3个及以上的不同社区，中心个体很有可能以联络人的身份控制信息在社区间的传播方向。

访谈发现，不论是线上还是线下学术社交，用户都愿意作为联络人，将不同的学术信息分享给不同的学术团队。但联络人需要具备获取不同团队信息的能力，并能够与其他团队建立联系，输入信息。2号(教授)、3号(教授)、6号(博士后)、7号(博士生)、9号(博士后)、12号(博士生)访谈对象表示在其个体网络中担任联络人角色的可能性更高。2号受访者表示自己会将其他学科一些有趣的理论和方法分享给自己的科研团队和相关领域的学者，一起进行讨论。3号受访者表示自己经常和不同的团体交流，或者参加国际会议扩大学术社交圈子。7号、12号受访者也会在学术社交网站上关注一些相关研究领域的最新科研信息，并推荐一些最新论文。

4.2 守门人

守门人是在团体中与外界联系的重要渠道，操控了该团体的对外信息。守门人在科学交流中，常常在学术社交网站中关注不同学科领域的信息，并将其输入到自己的研究团队。一般而言，教师的关系网更大，信息来源丰富，掌握的知识广，拥有更多输入信息的资本与能力，也是作为守门人的信息优势。1号(教授)、4号(教授)、5号(副教授)、10号(博士生)表示作为守门人，经常在学生群里转发一些其他科研团队的信息，但也都与本专业研究相关。但在面对自己的研究需求时，则会关注不同学科领域的信息。其中，4号受访者认为行业性强的领域很少对外分享，虽然会把团队的研究成果传播给不同的学者，其实还是属于本学科领域内的互相交流与学习。另外，如果在研究领域中的学术权威不高，也很难将信息输入到其他团队。5号受访者提出“副教授在学术圈可能相对比较活跃，会积极引进其他学科领域的理论和方法，推动本学科发展，比教授动力强，比博士生有更多的学术人脉积累和广泛的社会关系，拥有调动资源的权力。同时也跟用户的主观愿望有关，副教授在职业爬坡期，竞争激烈，更愿意主动传播信息”。学生作为守门人，也会在碰到感兴趣的研究成果或与课题相关的技术知识时，把它分享到自己的关系网。

4.3 代理人

代理人是一个团体的对外代表，控制了团体信息的输出门槛。例如用户在学术社交网站中上传自己的研究成果、课题组的研究进展、学术会议报告等信息，供其他用户了解本团体的科研动态，扩大学科知识的传播范围；

8号(讲师)、11号(博士生)、13号(博士后)、14号(博士后)、15号(博士生)、16号(博士生)受访者作为代理人，均表示乐于在学术社交网站中对外分享自己、师门同学或者相关学科领域的研究成果。8号作为讲师，对此的解释是“多数时候是出于一种利他的心理，会关注一些跨学科信息，并且分享给不同的团队成员”。其余代理人均为学生，前期问卷调查结果也发现，教师进行跨学科用户查找的比重高于同学科查找，博士后/博士生更关注同领域的学者或学术内容。从学科交流的偏好来看，代理人在科学交流过程中的信息来源多为自己所在的领域，在学习的过程想要尝试把获取的知识推广出去，得到外界的肯定同时吸引关注。

4.4 协调者与顾问

协调者在团队内的中间性高，具有信息获取与传递优势，但是协调者会同时收到该团体的规范约束，且只在其所处的社区中具有较强的中介作用。例如只对同一机构成员起到信息中介作用，而学术社交网站开放性为跨学科、跨地域交流提供更多机会，因此个体网络中可能较少的用户仅担任协调者角色。顾问的行动自由度比前三者高一些，因为其从属于另外一个团体，所以不受该团体规范地约束。在学术社交网站中，较少出现一个学科团体的交流需要依赖其他学科搭建桥梁，更多的是在学科内部交流的基础之上，对外开展信息传播或获取。

协调者属于比较封闭的团体中，仅在其所在的团体中进行信息传递，相反，顾问游离在团体之外，作为外部中介者。这两种情况均比较极端，而科学是一项团体活动，需要团体协作与交流，因此仅一位博士生(17号)担任协调者角色，且样本中没有顾问角色。17号受访者(博士生)表示但是由于资源与能力有限，信息输出的对象多为同一机构的其他研究团队或者已经相识的团体，例如博士生分享给硕士阶段的研究团队。

5 结论与展望

社会资本理论认为，嵌入网络的个体既需要拥有结构带来的优势，还要有参与社会行动的意愿和能力，通过社会关系网络可以获得的资源才能得到有效调动[15]。将其移植到学术社交网络的分析中来，就意味着网络个体的社会特征是网络结构的基础，而这种个体所具备的角色性格和行为动机又可以通过个体与其他成员之间的关系来认识、确认。因此，综合上述分析，我们可以得到以下3方面的结论：

首先，结构洞的数量与信息控制之间有着正相关关系。结构洞的多少决定了信息获取的广度与深度，直接影响着科研工作者是否可以在学术社交平台上找到匹配的合作者，同时还影响着获取项目资助的可能性和相关工作机会。而结构洞数量的差异又主要与网络个体的学术身份相关，这与我们的“常识”相符。如教授个体网络成员丰富、社交需求明确，拥有更多结构洞，学术社交网站可为此类用户提供个性化跨学科服务，根据其科研动态推荐具有潜在交流需求的科研团队，放大中间人的信息交流优势。

其次，结构洞对学术资历高的教授/副教授用户的影响更为显著。个体网络形成的社区越是多样性，中心个体对不同结构洞的控制能力就越强，掌握更多信息优势。博士生用户的科研成果不多，其信息需求主要集中在同学科知识发现，对信息传播和寻求潜在合作在的需求不高，且信息检索技能娴熟，因此受到结构洞的影响较少。对此，学术社交网站应为学生用户提供更多同领域的学者与内容。

最后，不同中间人角色在学术信息交流中所产生的作用各异，其相对应的角色承担者表现出一定的匹配规律，主要与用户的教学需求、科研需求和社交习惯有关。中间人因其位置的特殊性，连接不同群体成员或另一个关系网络，比其他成员掌握更多跨群体的关键信息，因此形成信息控制优势和社交资本，在个体网络科学交流的过程中更具竞争力。大部分用户都是作为联络人接收来自其他团体成员的信息，具备与不同团队进行科学交流的资本与能力；副教授是扮演守门人比例最高的类型，由于教学、职称晋升与团队成员培养的需求，经常将外部的信息输入给学生，发挥信息输入作用，这就意味着副教授有更多的内在动力来支撑主动的学术交流行为，而相较于联络人专注于某一点的知识传递，其涉及的学科领域更广；博士生与博士后更多作为科研团队的代理人，接收来自本团体成员的信息，并将其传递给其他团体成员，发挥信息输出作用；协调者仅在其所在的团体中具有较强的中介作用。学术社交网站若能通过数据抓取与网络分析辨别用户的中间人角色，就可结合其社交需求为科研团队推荐相应学术资源，提高在线科研协作效率。

综上，学术社交网站应该细化算法，根据用户学科特点、学术身份和科研兴趣等特征以及个体网络规模、结构为用户提供个性化的资源推荐服务，并与高校图书馆、科研机构等学术团体协同合作、资源共享，为学者们跨学科合作降低信息筛选成本、提高社交和知识获取的针对性。要尤其注重对学术资历高但技术接受程度低的用户的维护，通过一定的激励规则使其主观上原意投入精力来培养和维护与网络知识节点的联结关系，增加活跃度，以此作为改变当前线上社交行为不足的抓手，有效提高知识交流质量、扩大交流范围。对同学科领域中的意见领袖和学科带头人，还应注意与其他社交媒体平台的差异化发展，逐步培养本平台的用户使用习惯。