劉京京 于元元 邱嵐 王一濤

【摘要】為了解營養(yǎng)信息傳播者在新浪微博上的信息網(wǎng)絡(luò)及傳播特征，促進(jìn)高質(zhì)量營養(yǎng)信息的傳播，收集新浪微博上7類營養(yǎng)信息傳播者的資料，進(jìn)行社會網(wǎng)絡(luò)分析。結(jié)果顯示，政府、傳媒用戶對營養(yǎng)信息傳播者網(wǎng)絡(luò)外部的用戶有著較強的影響力。但在網(wǎng)絡(luò)內(nèi)部，部分學(xué)者、營養(yǎng)師和傳媒用戶是主要的傳播者，并且相互聯(lián)系緊密。傳媒用戶應(yīng)通過轉(zhuǎn)發(fā)，把學(xué)者、醫(yī)院、營養(yǎng)師用戶的高質(zhì)量營養(yǎng)信息向公眾大范圍擴散，并促進(jìn)政府用戶對此類信息的二次轉(zhuǎn)發(fā)。

【關(guān)鍵詞】 微博 營養(yǎng)信息傳播者 社會網(wǎng)絡(luò)分析 中心度

1 引言

營養(yǎng)信息是介紹營養(yǎng)知識的信息。營養(yǎng)信息傳播是制作、傳遞、分散和分享營養(yǎng)信息的過程[1]，是改善公眾營養(yǎng)狀況、促進(jìn)公眾健康的重要手段之一。隨著中國居民健康需求的日益提升，營養(yǎng)信息越來越受到關(guān)注。繼電視、書籍等傳統(tǒng)媒介之后，微博等新興媒體也成了營養(yǎng)信息傳播的重要“戰(zhàn)場”。

微博（Microblogging）是用戶發(fā)布精短信息（不多于140個字符）供其他網(wǎng)友共享的即時信息平臺。由于微博凝聚了“點對面”的即時傳播、構(gòu)建在社會關(guān)系網(wǎng)絡(luò)上的“裂變式”傳播和基于信任關(guān)系資源的內(nèi)容傳播這三種強有力的傳播機制[2]，因此其產(chǎn)生了巨大的社會影響，亦迅速得到了網(wǎng)民的青睞。截至2012年6月底，中國網(wǎng)民中微博用戶的比例已經(jīng)過半，達(dá)到2.7億[3]。

然而，微博在降低了信息發(fā)布門檻、凸顯了草根性與平民化[4]的同時，也增加了信息質(zhì)量的不確定性。當(dāng)信息涉及到營養(yǎng)學(xué)、醫(yī)藥學(xué)等專業(yè)知識時，尤其如此。齊娜和宋立榮[5]的一項研究顯示，新浪微博上轉(zhuǎn)發(fā)量較大的18條醫(yī)療健康信息中，有50%是與食療、營養(yǎng)主題相關(guān)的。然而，6名醫(yī)學(xué)專家對這18條信息的認(rèn)同率僅為25%，其中更有6條食療、營養(yǎng)相關(guān)信息的認(rèn)同率為0。因此，如何使得微博上的營養(yǎng)信息傳播者良好地互動，形成合力，使高質(zhì)量的營養(yǎng)信息迅速、廣泛地傳播，至關(guān)重要。筆者將從社會網(wǎng)絡(luò)分析（social network analysis， SNA）的視角來尋找上述問題的答案。

社會網(wǎng)絡(luò)，即個體以及個體之間關(guān)系的集合，是描述社會群體結(jié)構(gòu)的一種方式。在社會網(wǎng)絡(luò)分析的視角下，“關(guān)系”象征著資源在個體行動者之間的流動或轉(zhuǎn)移；個體行動者并不是完全獨立的，而是互相影響的，網(wǎng)絡(luò)結(jié)構(gòu)會給予其行動的機會或者限制[6]。

由“關(guān)注”與“粉絲（被關(guān)注）”關(guān)系聯(lián)結(jié)起來的微博用戶群以及由“好友”關(guān)系聯(lián)結(jié)起來的社交網(wǎng)站用戶群，便可被視為社會網(wǎng)絡(luò)。例如，田占偉和隋玚[7]構(gòu)建了新浪微博“名人堂”用戶之間的信息傳播網(wǎng)絡(luò)，并運用復(fù)雜網(wǎng)絡(luò)理論方法對其進(jìn)行了分析。宋恩梅和左慧慧[8]選取了50名“時尚”標(biāo)簽下的新浪微博用戶，構(gòu)建了“相互關(guān)注”網(wǎng)絡(luò)與“共同關(guān)注”網(wǎng)絡(luò)，并比較了其差異。Feng Fu[9]等研究了校內(nèi)網(wǎng)（現(xiàn)更名為“人人網(wǎng)”），認(rèn)為其具有“小世界”、“無標(biāo)度自由網(wǎng)絡(luò)”的特性。然而，目前尚無人利用社會網(wǎng)絡(luò)分析的方法，對營養(yǎng)信息傳播者這一特殊群體進(jìn)行研究。

2 研究對象與方法

2.1 研究對象

經(jīng)過新浪微博實名認(rèn)證的用戶，具有較高的可信度及關(guān)注度，是微博用戶中的精英群體。本研究首先根據(jù)實名認(rèn)證用戶的介紹，將發(fā)表營養(yǎng)相關(guān)信息的用戶分為7類，分別是：

● 政府：新浪微博實名認(rèn)證的前任、現(xiàn)任官員，政府所主導(dǎo)的項目。

● 學(xué)者：新浪微博實名認(rèn)證的院士、大專院校的教師、研究機構(gòu)的研究人員。

● 醫(yī)院：新浪微博實名認(rèn)證的醫(yī)院營養(yǎng)科或營養(yǎng)科醫(yī)師。

● 營養(yǎng)師：新浪微博實名認(rèn)證的營養(yǎng)師。

● 傳媒：新浪微博實名認(rèn)證的媒體、媒體人，致力于科普、健康教育的人士。

● 其他認(rèn)證：其他新浪微博實名認(rèn)證的、與營養(yǎng)信息相關(guān)的用戶，如培訓(xùn)機構(gòu)、商業(yè)組織。

● 未認(rèn)證：未經(jīng)新浪微博實名認(rèn)證的、與營養(yǎng)信息相關(guān)的用戶。

這7類用戶中，既包括掌握相對高質(zhì)量信息的學(xué)者、醫(yī)院、營養(yǎng)師，又包括以發(fā)布綜合性信息為主的政府、傳媒，還包括信息質(zhì)量不確定的未認(rèn)證用戶，以求涵蓋盡量多種類的營養(yǎng)信息傳播者。在各類用戶中，各選取截至2012年8月31日24：00時粉絲數(shù)最多的10人，共70人為研究對象。

2.2 研究方法

收集70名研究對象的粉絲數(shù)、微博發(fā)布數(shù)、三天微博被轉(zhuǎn)發(fā)數(shù)（2012年9月1日至9月3日）以及70名研究對象之間的關(guān)注與被關(guān)注信息。70名研究對象可構(gòu)建成網(wǎng)絡(luò)N。網(wǎng)絡(luò)N可表示成如下矩陣：

其中，xi，j=1表示營養(yǎng)信息會從用戶i流向用戶j，也即用戶j關(guān)注用戶i；xi，j=0則表示用戶j不關(guān)注用戶i；當(dāng)i=j時，xi，j=0。

利用軟件SPSS 17.0 進(jìn)行統(tǒng)計學(xué)分析。利用軟件Ucinet 6.0 計算網(wǎng)絡(luò)N的密度、度數(shù)中心度、中間中心度等各參數(shù)，并進(jìn)行中間人分析和凝聚子群分析。

3 研究結(jié)果與分析

3.1 影響力分析

3.1.1 影響力指標(biāo)的篩選

通常認(rèn)為，微博用戶的粉絲數(shù)越多，信息便會被越多人看到，影響力也越大[10]。因此，早期的研究者多直接以粉絲數(shù)作為影響力的評價指標(biāo)。但亦有文獻(xiàn)指出，信息的被轉(zhuǎn)發(fā)數(shù)也是重要的指標(biāo)，且與粉絲數(shù)相關(guān)性很低[11]。不過，也有研究顯示，微博用戶的粉絲數(shù)與被評論數(shù)、被轉(zhuǎn)發(fā)數(shù)均存在相關(guān)性[12]。

在本研究中，Pearson相關(guān)性檢驗的結(jié)果顯示，70位研究對象的粉絲數(shù)與三天微博被轉(zhuǎn)發(fā)數(shù)相關(guān)性不顯著（r=0.193，p=0.281）。因此，本研究選取粉絲數(shù)和三天微博被轉(zhuǎn)發(fā)數(shù)作為影響力的評價指標(biāo)。

此外，Pearson相關(guān)性檢驗還發(fā)現(xiàn)，用戶的微博數(shù)與其粉絲數(shù)（r=0.330，p=0.005）和三天微博被轉(zhuǎn)發(fā)數(shù)（r=0.613，p=0.000）均存在顯著相關(guān)性。這提示，增加微博信息發(fā)布量，可能是增加被關(guān)注度和被轉(zhuǎn)發(fā)數(shù)的重要手段。

3.1.2 用戶類別與影響力的關(guān)系

ANOVA分析結(jié)果顯示，不同類別研究對象之間的粉絲數(shù)（p=0.000）、三天微博被轉(zhuǎn)發(fā)數(shù)（p=0.000）均存在顯著性差異。

在粉絲數(shù)影響力方面，政府用戶顯著高于傳媒用戶；政府、傳媒兩類用戶顯著高于其他5類；其他5類用戶之間差異不顯著。粉絲數(shù)前10名的用戶中，包括6名政府用戶、2名傳媒用戶、1名其他認(rèn)證用戶和1名未認(rèn)證用戶。而在最后10名中，卻有2名學(xué)者用戶、6名醫(yī)院用戶和2名營養(yǎng)師用戶?？梢姡莆障鄬^高質(zhì)量營養(yǎng)信息的學(xué)者、醫(yī)院、營養(yǎng)師用戶的粉絲數(shù)并不理想。

三天微博被轉(zhuǎn)發(fā)數(shù)的情況略有不同。傳媒用戶顯著高于其他，其他6類用戶之間無顯著性差異。前10名中，包括6名傳媒用戶、2名官員用戶、1名學(xué)者用戶和1個營養(yǎng)師用戶。最后10名中，則包括了6名未認(rèn)證用戶、3名其他認(rèn)證用戶和1名傳媒用戶。

可見，傳媒用戶同時擁有較強的粉絲影響力和轉(zhuǎn)發(fā)影響力，在新浪微博上具有不可忽視的影響力。與此同時，政府用戶受到眾多用戶的廣為關(guān)注，可能是基于其特殊身份，但不一定認(rèn)可其所發(fā)布信息。

3.2 營養(yǎng)信息傳播者網(wǎng)絡(luò)分析

3.2.1 網(wǎng)絡(luò)特征

如果把每個研究對象視為一個“點”，兩個研究對象之間的關(guān)系用線段表示，箭頭指向為信息流動的方向，則網(wǎng)絡(luò)N的可視化圖像如下：

可見，有54名研究對象聯(lián)結(jié)在一起。還有6名研究對象（包括2名醫(yī)院用戶、1名其他認(rèn)證用戶、1名傳媒用戶、2名未認(rèn)證用戶）孤立存在，未與其他研究對象聯(lián)結(jié)。

密度（density），即網(wǎng)絡(luò)中實際存在的連線數(shù)與最大可能連線數(shù)的比例，是衡量網(wǎng)絡(luò)緊密程度的最常用指標(biāo)[13]。在本研究的有向網(wǎng)絡(luò)N中，密度的計算公式如下：

其中，L為實際存在的連線（關(guān)系）數(shù)893，N為點（研究對象）數(shù)70。計算結(jié)果顯示，網(wǎng)絡(luò)N的密度為0.1849。與新浪微博“名人堂”用戶網(wǎng)絡(luò)（密度0.0031）[7]相比，網(wǎng)絡(luò)N中各點的聯(lián)系更加緊密。這表明，由于存在著“營養(yǎng)”這個共同關(guān)注的話題，營養(yǎng)信息傳播者的凝聚性更強。

如果把7類研究對象分別構(gòu)建成7個子網(wǎng)絡(luò)，并分別計算其密度，則有D營養(yǎng)師（0.7667）>D學(xué)者（0.7000）>D傳媒（0.4111）>D政府（0.3222）>D醫(yī)院（0.0778）>D其他認(rèn)證（0.0444）=D未認(rèn)證（0.0444）?？梢?，雖然學(xué)者、營養(yǎng)師用戶的公眾影響力弱于政府、傳媒用戶，但其聯(lián)系較為緊密，形成了一定程度的共同體，其對比如圖2、圖3所示：

3.2.2 度數(shù)中心性分析

中心性是社會網(wǎng)絡(luò)分析的重點之一，用于量化分析網(wǎng)絡(luò)中各行動者的權(quán)力。度數(shù)中心度（degree centrality）代表每個點與多少個其他點直接相連。一個點的度數(shù)中心度越大，該點越處于中心地位。點xi的度數(shù)中心度的標(biāo)準(zhǔn)化計算公式為：

其中，d（xi）等于與點i直接相連的點數(shù)。由于本研究中，每個研究對象既可能是信息的發(fā)布者，也可能是信息的接收者，因此分別計算其信息發(fā)布中心度和信息接收中心度。計算結(jié)果顯示，不同類別用戶的信息發(fā)布中心度（p=0.000）和信息接收中心度（p=0.000）均有顯著性差異。其前10名用戶如表1、表2所示：

其中，Cmax是各點度數(shù)中心度的最大值。度數(shù)中心勢越大，網(wǎng)絡(luò)的權(quán)力越集中。計算結(jié)果顯示，網(wǎng)絡(luò)N的信息發(fā)布中心勢為43%，信息接收中心勢為40%，表明信息發(fā)布和接收的權(quán)力都比較集中，信息發(fā)布的集中趨勢略大于接收。

3.2.3 信息中轉(zhuǎn)者分析

在信息傳播網(wǎng)絡(luò)中，發(fā)布者固然重要，但如果通路不暢，信息最終也難以到達(dá)目標(biāo)受眾。因此，控制著兩點間信息通路的中轉(zhuǎn)者，就像橋梁一樣，也有著不容忽視的權(quán)力[14]。衡量網(wǎng)絡(luò)中各點橋梁作用的指標(biāo)是中間中心度（betweenness centrality）。在有向網(wǎng)絡(luò)中，點xi的中間中心度的標(biāo)準(zhǔn)化計算公式如下：

2名學(xué)者用戶（“陳君石院士”、“馬冠生”）、3名營養(yǎng)師用戶（“營養(yǎng)師顧中一”、“王旭峰營養(yǎng)師”、“鄭育龍營養(yǎng)師”）和1名傳媒用戶（“健康時報”）由于具有較高的度數(shù)中心度，收發(fā)信息較多，因此有較高的中間中心度。值得關(guān)注的是，學(xué)者用戶（Heli營養(yǎng)）雖然度數(shù)中心度并不出眾，但由于其處于重要的信息通路上（例如聯(lián)結(jié)了用戶“國家營養(yǎng)師”、“美食、營養(yǎng)、健康”與其他用戶），因此也是重要的信息中轉(zhuǎn)者。

3.2.4 中間人分析

為進(jìn)一步探查信息中轉(zhuǎn)者的角色，本研究進(jìn)行了中間人分析。中間人是指在不同的群體中處于中間位置的人[13]。其類型主要有5種，見圖4，一個圓形的范圍代表一個群體，黑點分別代表協(xié)調(diào)員、顧問、守門員、代理人和聯(lián)絡(luò)員。

以研究對象的7個類別作為7個群體，通過Ucinet軟件識別研究對象的中間人角色。“營養(yǎng)師顧中一”（營養(yǎng)師類）兼具5種中間人的角色，在7類用戶之間的信息傳遞中都起到了關(guān)鍵作用?！瓣惥菏俊保▽W(xué)者類）在政府、學(xué)者、傳媒3類用戶之中起到了重要的溝通作用；“馬冠生”（學(xué)者類）、“王旭峰營養(yǎng)師” （營養(yǎng)師類）、“鄭育龍營養(yǎng)師” （營養(yǎng)師類）則是在學(xué)者、營養(yǎng)師、傳媒3類用戶之中起到了重要的溝通作用?！靶吕私】怠保▊髅筋悾┦钦脩艚邮招畔⒌闹匾??！敖】禃r報”（傳媒類）是將醫(yī)院用戶信息向外擴散的重要通路?！皬堈黉h-營養(yǎng)”（學(xué)者類）作為代理人，將信息從學(xué)者傳遞給營養(yǎng)師。

3.2.5 凝聚子群分析

凝聚子群是指社會網(wǎng)絡(luò)中“彼此之間關(guān)系相對較強、直接、緊密、頻繁或積極的行動者子集”[6]。子群的成員之間往往有著明確的認(rèn)同感[15]。

k-叢是凝聚子群的常見類型之一。其定義是：在一個成員數(shù)為n的k-叢中，每個點的度數(shù)都不小于n-k。通過Ucinet計算得出，當(dāng)n=13，k=1時，網(wǎng)絡(luò)N有9個1-叢。有20個研究對象名列其中，其中參與凝聚子群數(shù)不少于5個的研究對象如下：

可見，上述研究對象在網(wǎng)絡(luò)N中相互聯(lián)系較為緊密。其中，2名傳媒用戶擁有較高的三天轉(zhuǎn)發(fā)影響力；“陳君石院士”、“馬冠生”、“王旭峰營養(yǎng)師”、“營養(yǎng)師顧中一”、“鄭育龍營養(yǎng)師”則具有較高的度數(shù)中心度和中間中心度，是重要的信息發(fā)布者和中轉(zhuǎn)站。上述12個用戶可以說是網(wǎng)絡(luò)N的“核心力量”。

4 討論 。

營養(yǎng)信息傳播者網(wǎng)絡(luò)在新浪微博上呈現(xiàn)出“內(nèi)外有別”的特征。對外，也即對整個新浪微博而言，政府用戶有著最強的粉絲影響力。然而，對內(nèi)，也即在營養(yǎng)信息傳播者內(nèi)部，卻是幾位學(xué)者、營養(yǎng)師用戶占據(jù)著重要角色，影響著網(wǎng)絡(luò)中的信息發(fā)布與傳遞。這意味著，在現(xiàn)階段，單靠學(xué)者、醫(yī)院、營養(yǎng)師用戶，難以大范圍地向公眾傳遞營養(yǎng)信息。但如能借助政府用戶的轉(zhuǎn)發(fā)，則可能造成更大的影響力。

不過，當(dāng)前政府用戶對于學(xué)者、醫(yī)院、營養(yǎng)師用戶的關(guān)注普遍不足，10名政府用戶對10名學(xué)者用戶僅形成了13次關(guān)注，對醫(yī)院和營養(yǎng)師用戶則關(guān)注更少。這需要政府用戶加強對高質(zhì)量營養(yǎng)信息來源的關(guān)注。但鑒于政府用戶身份特殊，這一點可能在短時間內(nèi)難以達(dá)到。因此，當(dāng)前需要傳媒用戶的深度合作。

傳媒用戶在微博信息傳播網(wǎng)絡(luò)中起到核心作用[7]，不僅具有最高的三天轉(zhuǎn)發(fā)影響力，亦在網(wǎng)絡(luò)內(nèi)部的信息傳遞中作用突出。這意味著，傳媒用戶承擔(dān)著三重使命：①通過采訪專家等方式，自行向公眾發(fā)布營養(yǎng)信息；②通過轉(zhuǎn)發(fā)，把學(xué)者、醫(yī)院、營養(yǎng)師用戶的高質(zhì)量營養(yǎng)信息向公眾大范圍擴散；③通過轉(zhuǎn)發(fā)，把信息傳遞給政府用戶，推動政府用戶的二次轉(zhuǎn)發(fā)，實現(xiàn)更大規(guī)模的擴散。

當(dāng)然，傳媒用戶自身仍有需要加強之處。例如，具有較高影響力的、發(fā)布營養(yǎng)信息的傳媒用戶數(shù)量仍較少；除“陳君石院士”、“馬冠生”、“王旭峰營養(yǎng)師”、“營養(yǎng)師顧中一”、“鄭育龍營養(yǎng)師”等少數(shù)最知名的用戶之外，其他學(xué)者、醫(yī)院、營養(yǎng)師用戶受傳媒用戶的關(guān)注度仍不夠。

與此同時，學(xué)者、醫(yī)院、營養(yǎng)師用戶亦應(yīng)進(jìn)一步提升營養(yǎng)信息的質(zhì)與量，爭取公眾的關(guān)注。例如，未能進(jìn)入本次研究的學(xué)者用戶“陳裕明-營養(yǎng)學(xué)教授”、“葛可佑”都可作為高質(zhì)量營養(yǎng)信息的來源，但目前受到的關(guān)注仍較低。又例如，醫(yī)院用戶擁有豐富的臨床經(jīng)驗和臨床數(shù)據(jù)，本應(yīng)能發(fā)布大量有價值的營養(yǎng)信息，但目前醫(yī)院用戶的粉絲數(shù)、微博數(shù)、轉(zhuǎn)發(fā)數(shù)排名均普遍靠后，未免可惜。

此外，新浪微博上的其他認(rèn)證、未認(rèn)證用戶也在發(fā)布營養(yǎng)信息，但部分用戶的信息質(zhì)量難以得到保證。例如，研究對象中的一位其他認(rèn)證用戶，其觀點頗有可爭議之處，但粉絲數(shù)卻超過80萬，在新浪微博上有相當(dāng)?shù)挠绊懥?。這就要求在營養(yǎng)信息傳播者網(wǎng)絡(luò)內(nèi)部，政府、學(xué)者、醫(yī)院、營養(yǎng)師、傳媒用戶亦應(yīng)加強對其他認(rèn)證、未認(rèn)證用戶的關(guān)注，若發(fā)現(xiàn)其發(fā)布含有較大爭議的信息，應(yīng)及時通過轉(zhuǎn)發(fā)、評論等方式警示廣大微博用戶。

5 結(jié)論

營養(yǎng)信息傳播者網(wǎng)絡(luò)在新浪微博上呈現(xiàn)出“內(nèi)外有別”的特征。政府、傳媒用戶對整個新浪微博有著較強的影響力。但在營養(yǎng)信息傳播者內(nèi)部，部分學(xué)者、營養(yǎng)師和傳媒用戶是主要的信息發(fā)布者、中轉(zhuǎn)者和接收者，并且相互聯(lián)系緊密，形成了凝聚子群，影響著網(wǎng)絡(luò)的信息流動。

學(xué)者、醫(yī)院、營養(yǎng)師用戶應(yīng)進(jìn)一步提升營養(yǎng)信息的質(zhì)與量；傳媒用戶應(yīng)通過轉(zhuǎn)發(fā)，把高質(zhì)量營養(yǎng)信息向公眾大范圍擴散，并促進(jìn)政府用戶的二次轉(zhuǎn)發(fā)。此外，對其他認(rèn)證、未認(rèn)證用戶發(fā)布的營養(yǎng)信息的監(jiān)督，也十分重要。

[參考文獻(xiàn)]

[1] 趙麗云.信息傳播理論在營養(yǎng)教育項目中的應(yīng)用[J].中國食物與營養(yǎng)，2005（10）：40-41.

[2] 喻國明.微博影響力發(fā)生的技術(shù)關(guān)鍵與社會機理[J].新聞與寫作，2011（10）：64-66.

[3] 中國互聯(lián)網(wǎng)信息中心.2012年中國網(wǎng)民搜索行為研究報告[EB/OL].[2012-09-06].http：//www.cnnic.cn /hlwfzyj/hlwxzbg/ssbg/201209/P020120904438285391543.pdf.

[4] 孫衛(wèi)華，張慶永.微博客傳播形態(tài)解析[J].傳媒觀察，2008（10）：51-52.

[5] 齊娜，宋立榮.醫(yī)療健康領(lǐng)域微博信息傳播中的信息質(zhì)量問題[J].科技導(dǎo)報，2012，30（17）：60-65.

[6] Wasserman S， Faust K. Social network analysis： Methods and applications[M]. Cambridge： Cambridge University Press， 1994：4-5，249.

[7] 田占偉，隋玚.基于復(fù)雜網(wǎng)絡(luò)理論的微博信息傳播實證分析[J].圖書情報工作，2012，56（8）：42-46.

[8] 宋恩梅，左慧慧.新浪微博中的“權(quán)威”與“人氣”：以社會網(wǎng)絡(luò)分析為方法[J].圖書情報知識，2012（3）：43-54.

[9] Fu Feng， Chen Xiaojie， Liu Lianghuan， et al. Social dilemmas in an online social network： The structure and

evolution of cooperation[J]. Physics Letters A， 2007，371（1-2）： 58–64.

[10] 郁曉華，祝智庭.微博的社會網(wǎng)絡(luò)及其教育應(yīng)用研究[J].現(xiàn)代教育技術(shù)，2010，20（12）：97-101.

[11] 郭浩，陸余良，王宇，等.基于信息傳播的微博用戶影響力度量[J].山東大學(xué)學(xué)報（理學(xué)版），2012，47（5）： 78-83.

[12] 袁毅，楊成明.微博客用戶信息交流過程中形成的不同社會網(wǎng)絡(luò)及其關(guān)系實證研究[J].圖書情報工作，2011， 55（12）：31-35.

[13] 劉軍.社會網(wǎng)絡(luò)分析導(dǎo)論[M].北京：社會科學(xué)文獻(xiàn)出版社，2004：165-205.

[14] Freeman L C. Centrality in social networks： Conceptual clarification[J]. Social Networks， 1979， 1（3）：215-239.

[15] 林聚任.社會網(wǎng)絡(luò)分析：理論、方法與應(yīng)用[M]. 北京：北京師范大學(xué)出版社，2009：129.