龐云黠

現(xiàn)階段國(guó)內(nèi)傳播學(xué)研究已經(jīng)開始大量使用社會(huì)網(wǎng)絡(luò)分析法(social network analysis，SNA)，可以看到學(xué)者們面對(duì)大數(shù)據(jù)的挑戰(zhàn)，對(duì)于新的、具有解釋力的研究方法的期待。

社會(huì)網(wǎng)絡(luò)分析方法之所以在近些年被大家廣泛使用，最核心的吸引力在于它的分析對(duì)象從以前“絞肉機(jī)”似的“屬性數(shù)據(jù)”(attribute data)[1]轉(zhuǎn)到了具有一定結(jié)構(gòu)要素的“關(guān)系數(shù)據(jù)”(relational data)，在社交網(wǎng)站廣泛使用的今天，SNA無疑非常具有吸引力。

但是如果認(rèn)為SNA的分析僅僅是對(duì)于關(guān)系數(shù)據(jù)的分析就比較片面了，事實(shí)上，國(guó)外傳播學(xué)者對(duì)SNA的使用經(jīng)歷了一個(gè)漸進(jìn)的演化過程。早在2011年Miller等[2]在對(duì)組織傳播的量化研究方法發(fā)展歷史進(jìn)行綜述時(shí)就提到：在組織傳播研究中，從20世紀(jì)70—80年代，社會(huì)網(wǎng)分析法主要被用在研究個(gè)體在社會(huì)網(wǎng)中所處的位置如何影響人們對(duì)他的認(rèn)知、屬性、行為的理解，因?yàn)檫@期間，如果關(guān)注社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)的話，主要能夠討論三個(gè)方面的指標(biāo)：結(jié)構(gòu)對(duì)等性(structural equivalence)、直接關(guān)系(direct relations)以及中介性(brokerage)。到了20世紀(jì)90年代，研究者已經(jīng)不滿足于簡(jiǎn)單的研究關(guān)系數(shù)據(jù)，而開始同時(shí)對(duì)關(guān)系數(shù)據(jù)和屬性數(shù)據(jù)進(jìn)行考量，看他們?nèi)绾喂餐绊懷芯繉?duì)象。當(dāng)然這種轉(zhuǎn)變也是因?yàn)橛辛诵碌姆治龉ぞ撸饕ǎ褐笖?shù)隨機(jī)圖模型(ERGM，exponential random graph models)，主要解決同時(shí)考量關(guān)系變量和屬性變量的問題，實(shí)證網(wǎng)絡(luò)分析仿真研究(SIENA，simulation investigation for empirical network analysis)，主要側(cè)重研究個(gè)體驅(qū)動(dòng)的動(dòng)態(tài)網(wǎng)絡(luò)演化，也可以同時(shí)考量關(guān)系變量和屬性變量。

沿著上述學(xué)者關(guān)于“關(guān)系數(shù)據(jù)”與“屬性數(shù)據(jù)”的結(jié)合的期待，筆者希望考察的是，如果單純從組織傳播的視角來看呈現(xiàn)了上述的方法變遷，兩類數(shù)據(jù)走向結(jié)合，那么擴(kuò)展到傳播學(xué)其他類型研究，SNA的使用現(xiàn)狀是一種怎樣的狀態(tài)?這種狀態(tài)從方法上或是理念上體現(xiàn)了什么新趨勢(shì)?

一、個(gè)體網(wǎng)研究：屬性與關(guān)系的分離

超越組織傳播的研究范圍來看，自上述綜述的2011年以來，“屬性”與“關(guān)系”分離的研究仍是個(gè)體網(wǎng)研究當(dāng)中的主流。

社會(huì)網(wǎng)絡(luò)分析主要有兩大類分析對(duì)象，一類是整體網(wǎng)(whole network)，一類是個(gè)體網(wǎng)(ego-network)。整體網(wǎng)主要研究網(wǎng)絡(luò)中的結(jié)構(gòu)要素，主要的研究指標(biāo)包括：網(wǎng)絡(luò)密度、中心度、成分、派系等等，個(gè)體網(wǎng)主要分析以特定的行動(dòng)者為研究中心，只考慮與該行動(dòng)者相關(guān)的聯(lián)系，主要研究中介性、個(gè)體網(wǎng)絡(luò)同質(zhì)化、多元化、關(guān)系強(qiáng)度等等。

在大量的個(gè)體網(wǎng)研究當(dāng)中，關(guān)系數(shù)據(jù)既可以做研究的因變量，研究個(gè)人的屬性如何影響這種“關(guān)系”變量;也可以作為自變量，同時(shí)結(jié)合個(gè)人的“屬性”數(shù)據(jù)，共同解釋其他的研究變量。注意這里雖然同時(shí)考察屬性和關(guān)系變量，但他們是彼此獨(dú)立的，即不同于開篇提到的將兩者結(jié)合進(jìn)行研究的情況，這個(gè)內(nèi)容在第二部分探討ERGM的應(yīng)用前提時(shí)一并論述。

個(gè)體網(wǎng)較為常見的“關(guān)系”變量包括：關(guān)系強(qiáng)度、彼此之間的互惠性、親密性、同質(zhì)化或多元化等，也包括關(guān)鍵的指標(biāo)比如中介性以及閉合程度等(brokerage and closure)。

具體來看，以“關(guān)系”為因變量，“屬性”為自變量的研究，可以分析個(gè)人的性格(內(nèi)向或外向等)如何影響個(gè)人討論網(wǎng)的多元化程度以及個(gè)人政治參與的積極性問題[3]，或者網(wǎng)絡(luò)使用是否會(huì)改變個(gè)人討論網(wǎng)絡(luò)的多元性問題，因?yàn)榫€下討論網(wǎng)絡(luò)的關(guān)系一般是同質(zhì)性的，那么網(wǎng)絡(luò)使用增加了多元化接觸的機(jī)會(huì)是否會(huì)改變多元化個(gè)人討論網(wǎng)絡(luò)的性質(zhì)[4]?當(dāng)然這里的“關(guān)系”變量可以不僅存在于個(gè)人中，也可以存在于國(guó)家間，探討國(guó)家間在臉書平臺(tái)上的友誼關(guān)系構(gòu)建被哪些因素所決定，最后發(fā)現(xiàn)有效的影響因素包括：是否具有共同的邊境，語(yǔ)言，文明類型以及移民流動(dòng)[5]。

另外，在社會(huì)網(wǎng)的研究中，很早即關(guān)注了因種族隔離帶來的空間上社會(huì)隔離的問題，因?yàn)橥瑯臃N族的人通常更喜歡聚居在一起，但是新技術(shù)產(chǎn)生之后能否突破這種空間上的限制，形成多元化的跨種族之間的溝通，就成了一個(gè)非常有價(jià)值的問題。例如，有學(xué)者研究了手機(jī)的使用對(duì)種族隔離的效果，最后發(fā)現(xiàn)，是形成多元化還是保持社會(huì)分層，最終要看個(gè)體的屬性，主流群體通常通過ICT使用維持和加強(qiáng)自己的組內(nèi)溝通(in-group)，強(qiáng)化已有的優(yōu)勢(shì)，證明了社會(huì)分層理論;而少數(shù)派群體則是通過ICT的使用加強(qiáng)自己的多元化溝通(out-group)，證明了社會(huì)多元化理論[6]。

更多的研究集中在以“關(guān)系”為自變量的研究當(dāng)中。

如以“關(guān)系”強(qiáng)度為自變量的研究，可以分析諸如強(qiáng)弱連帶對(duì)使用者的志愿行為、慈善捐助行為態(tài)度的影響程度[7]，對(duì)個(gè)人的社會(huì)耐受力(social tolerance)的影響[8]。除了強(qiáng)度以外，個(gè)體網(wǎng)還會(huì)單獨(dú)討論個(gè)體網(wǎng)中某個(gè)點(diǎn)的中介性和閉合程度，把他們作為重要的自變量，Shen等檢驗(yàn)個(gè)人游戲網(wǎng)絡(luò)的中介性和閉合程度在進(jìn)行MMOG(多人線上游戲)過程中，如何影響他們游戲任務(wù)的完成水平以及和其他玩家的信賴程度[9]。

在政治傳播的研究中，個(gè)體網(wǎng)研究的核心集中在個(gè)人討論網(wǎng)絡(luò)(discussion network)的研究中，主要關(guān)注群體討論的同質(zhì)性或者多元化的問題。例如，討論多元化和同質(zhì)化是否會(huì)影響公民政治參與(political participation)程度的問題[10]，討論網(wǎng)絡(luò)多元化和意見極化程度關(guān)系的研究也是這個(gè)領(lǐng)域中主要關(guān)注的內(nèi)容之一[11]。

可見，在個(gè)體網(wǎng)研究中，無論是屬性變量、關(guān)系變量分別成為自變量、因變量，還是兩者共同作為獨(dú)立的自變量，兩者都是首先被認(rèn)為是相互獨(dú)立的兩個(gè)要素，這種獨(dú)立雖然會(huì)被后面的研究提出一定的質(zhì)疑，但是不可否認(rèn)的是在SNA普及之后，它依然有其自身的意義，而且這類研究依然活躍，畢竟個(gè)人網(wǎng)的存在狀況是整體網(wǎng)的基礎(chǔ)。

二、組織傳播側(cè)重歷時(shí)性研究

在總結(jié)和展望未來的組織傳播研究趨勢(shì)與重點(diǎn)時(shí)，Monge等提到了兩個(gè)大的方面：一是組織的歷時(shí)性發(fā)展與轉(zhuǎn)變(change and development over time);二是分屬不同層次的個(gè)體、小的組織單元、組織之間的彼此關(guān)系研究(relationships among people，units，organizations，and meanings)，即他一直強(qiáng)調(diào)進(jìn)行多層次(multilevel)結(jié)合的研究[12]。

Monge等人提到的應(yīng)該把研究的側(cè)重轉(zhuǎn)移到歷時(shí)性研究上，已經(jīng)在近七年的研究中得到了充分的體現(xiàn)[13]?？梢哉f近七年的組織傳播研究很多使用的都是歷時(shí)性數(shù)據(jù)，進(jìn)行的都是網(wǎng)絡(luò)變遷的研究。

不過在研究歷時(shí)性變遷的過程中，屬性變量和關(guān)系變量常常被結(jié)合起來考察，這一點(diǎn)與上述個(gè)體網(wǎng)絡(luò)相對(duì)獨(dú)立分析兩者形成了鮮明的對(duì)比。能夠把兩類變量結(jié)合起來的重要原因是新的分析工具的出現(xiàn)：ERGM和SIENA。這兩個(gè)模型除了能夠解決點(diǎn)屬性和關(guān)系屬性結(jié)合分析以外，還有一個(gè)重要的特點(diǎn)在于可以處理彼此非獨(dú)立的個(gè)體，因?yàn)樯鐣?huì)網(wǎng)絡(luò)數(shù)據(jù)本身是有關(guān)聯(lián)的，而以前建立在個(gè)體獨(dú)立性假設(shè)基礎(chǔ)之上的“標(biāo)準(zhǔn)”統(tǒng)計(jì)方法(例如回歸分析等)用在這里是不合適的[14]。

這里需要強(qiáng)調(diào)的是ERGM和SIENA在對(duì)關(guān)系變量和屬性變量進(jìn)行分析時(shí)，會(huì)把兩者分別轉(zhuǎn)為兩類變量：一類是內(nèi)生變量，一類是外生變量。內(nèi)生變量實(shí)際上就是網(wǎng)絡(luò)中的關(guān)系變量，例如網(wǎng)絡(luò)中心度、互惠性、傳遞性、中心勢(shì)和網(wǎng)絡(luò)密度等等，它們本身被用來闡釋關(guān)系的結(jié)構(gòu)趨勢(shì);而外生變量則是網(wǎng)絡(luò)個(gè)體的屬性，是除了關(guān)系屬性以外的其他屬性，包括成員屬性(如年齡、性別等)，這里的內(nèi)生變量不可由外生變量預(yù)測(cè)，而兩者都用來解釋網(wǎng)絡(luò)的結(jié)構(gòu)趨勢(shì)[14]。無論是內(nèi)生還是外生變量，都是多層次(multilevel)的：內(nèi)生變量可以包含個(gè)體層面的中心度，二元層面的相互性、互惠性，三元層面的傳遞性、循環(huán)性;而外生變量可以包含個(gè)體層面的年齡、性別，二元層面的屬性相同性，比如同年齡、同黨派等等。

兩者影響網(wǎng)絡(luò)結(jié)構(gòu)的方式可以通過具體的計(jì)算來實(shí)現(xiàn)：即對(duì)比某個(gè)變量影響下的網(wǎng)絡(luò)中建立關(guān)系的概率是否高于沒有該變量時(shí)。

以內(nèi)生變量的點(diǎn)中心度為例，實(shí)際網(wǎng)絡(luò)當(dāng)中具有更高中心度的點(diǎn)，更有可能與其他點(diǎn)建立連接，而這個(gè)計(jì)算只需要通過對(duì)比該點(diǎn)的實(shí)際形成連接比率與隨機(jī)產(chǎn)生的網(wǎng)絡(luò)中的點(diǎn)比率進(jìn)行對(duì)比即可，如果對(duì)比結(jié)果顯著，則能夠說明中心度這個(gè)內(nèi)生變量能夠影響網(wǎng)絡(luò)構(gòu)建。如圖1，隨機(jī)網(wǎng)絡(luò)的獲取方式是：設(shè)定與實(shí)際觀測(cè)網(wǎng)絡(luò)相同的網(wǎng)絡(luò)大小、密度、度數(shù)分布值，然后獲取1000個(gè)隨機(jī)網(wǎng)絡(luò)，圖中的點(diǎn)為觀測(cè)值(即實(shí)際值)，箱體為隨機(jī)網(wǎng)絡(luò)的相應(yīng)數(shù)值范圍，如果點(diǎn)的取值在箱體圖外，則表明該值具有顯著性。

圖1 觀測(cè)網(wǎng)絡(luò)與隨機(jī)網(wǎng)絡(luò)之間的差異[15]

具體來看較為典型的組織傳播相關(guān)研究，如有學(xué)者探討與HIV有關(guān)的NGO網(wǎng)絡(luò)變遷過程，研究他們?cè)谶x擇對(duì)外鏈接的過程中，是如何保留或者放棄相應(yīng)的鏈接，不同的NGO屬性如何影響這種鏈接的選擇與變化[16]。

Margolin等則著眼于組織之間的一些重要事件的發(fā)生，比如新的規(guī)范的確立，對(duì)組織之間的關(guān)系構(gòu)建產(chǎn)生怎樣的影響。例如新頒布的規(guī)范性內(nèi)容對(duì)NGO網(wǎng)絡(luò)結(jié)構(gòu)的影響，看組織會(huì)如何調(diào)整他們和老牌機(jī)構(gòu)或者新興機(jī)構(gòu)之間的關(guān)系，會(huì)更注意保留或者切斷哪些類型機(jī)構(gòu)的聯(lián)系，網(wǎng)絡(luò)結(jié)構(gòu)的互惠性或者傾向性(preferential attachment)是否會(huì)改變等，使用的分析模型是SEINA。[17]

更為明確的對(duì)于兩類變量的探討體現(xiàn)在下文的分析當(dāng)中。

三、控制關(guān)系變量之后的屬性、關(guān)系效果對(duì)比

關(guān)系變量與屬性變量進(jìn)行結(jié)合分析的典型例子反而并不是體現(xiàn)在兩者的共同效果上，而是體現(xiàn)在學(xué)者開始逐漸區(qū)分出“關(guān)系變量”與“屬性變量”兩者不同的效果中，下面我們來看兩個(gè)遞進(jìn)的研究。

這兩個(gè)研究的核心初衷都是一致的，即認(rèn)為此前新聞傳播學(xué)院的排名一般是依賴教師的研究論文數(shù)量等指標(biāo)，但他們提出一個(gè)新的評(píng)估新思路：即用博士生畢業(yè)的流動(dòng)情況來衡量這些院系的相關(guān)博士生項(xiàng)目(doctoral program)的質(zhì)量好壞，主要考察的是各個(gè)項(xiàng)目輸出(student placement)和引入博士(faculty hiring)的情況，綜合考慮兩者來最終評(píng)定一個(gè)項(xiàng)目的好壞。

第一個(gè)研究由Barnett等完成[18]，研究發(fā)現(xiàn)，對(duì)外輸出學(xué)生時(shí)，各種中心度，諸如closeness centrality，in-degree centrality，eigenvector centrality高的，學(xué)校的信譽(yù)度(reputation)也的確比較高，似乎用輸出能力評(píng)價(jià)學(xué)校的信譽(yù)度是可行的。

但2016年，賓夕法尼亞大學(xué)的幾位學(xué)者把Barnett的研究深入下去，最后卻呈現(xiàn)了完全不同于前述研究的結(jié)論。他們研究對(duì)象仍然是傳播學(xué)領(lǐng)域的PHD項(xiàng)目在雇傭(hiring)和輸出(placement)過程中形成的網(wǎng)絡(luò)，他們的最初目標(biāo)也是希望找到一套不一樣的標(biāo)準(zhǔn)，能夠更客觀、更有效地評(píng)價(jià)現(xiàn)有的博士生項(xiàng)目。[15]

文章分析了2007—2014年7年之間的博士畢業(yè)生的流動(dòng)狀況，但是最后發(fā)現(xiàn)教師雇傭(facultyhiring)并非簡(jiǎn)單地反應(yīng)博士教育的質(zhì)量，這種雇傭的人才流動(dòng)，其實(shí)具有內(nèi)在的慣性。也就是說一些網(wǎng)絡(luò)的“內(nèi)生變量”，包括網(wǎng)絡(luò)的互惠性、連通性(transitivity)以及累積優(yōu)勢(shì)(cumulative advantage)是影響網(wǎng)絡(luò)結(jié)構(gòu)的主要因素;而一旦控制了這些內(nèi)生變量，則發(fā)現(xiàn)其他的“外生變量”，包括傳統(tǒng)的教學(xué)質(zhì)量評(píng)價(jià)體系中重要的，如機(jī)構(gòu)的美譽(yù)度(institutional prestige)、師資的年資(faculty seniority)、學(xué)校的排名情況等雖然部分要素仍會(huì)影響網(wǎng)絡(luò)構(gòu)建，但效果相比來說十分微弱，只能被認(rèn)為是影響博士雇傭與流動(dòng)的次要因素，文章使用了ERGM模型進(jìn)行上述分析。

所以文章結(jié)論指出，他們挑戰(zhàn)(challenge)了早先Barnett等的研究結(jié)論，博士的輸入與輸出并不是教學(xué)質(zhì)量的反映，而主要源于結(jié)構(gòu)的內(nèi)生動(dòng)力，人們?cè)诠蛡驇熧Y的過程中可能更多的是依照此前的經(jīng)驗(yàn)，身邊的朋友推薦，或者自己的個(gè)人網(wǎng)絡(luò)，雇傭行為更多的是一種內(nèi)部信息的流轉(zhuǎn)。

這兩個(gè)連續(xù)的研究恰恰說明了本文在第二部分談到的問題，內(nèi)生變量不可以由外生變量來預(yù)測(cè)，在個(gè)體彼此具有較強(qiáng)相關(guān)性的前提下，傳統(tǒng)的統(tǒng)計(jì)工具可能會(huì)得出錯(cuò)誤的結(jié)論，這也是ERGM等模型應(yīng)用的價(jià)值所在。

這種逐漸把內(nèi)生變量和外生變量進(jìn)行區(qū)分的研究，在近三四年中開始逐漸豐富起來。比如有研究發(fā)現(xiàn)相比以前提出的個(gè)體的性格、動(dòng)機(jī)、能力、社會(huì)政治地位等因素，一般的討論以及網(wǎng)絡(luò)相關(guān)的內(nèi)生性因素(general discussion and network-endogenous factors)是個(gè)人討論網(wǎng)構(gòu)建以及互動(dòng)模式的更好的預(yù)測(cè)指標(biāo)，文章也使用了ERGM模型進(jìn)行了上述關(guān)系屬性與點(diǎn)屬性的分離，分別討論了內(nèi)生變量與外生變量的作用。[19]

還有研究把網(wǎng)絡(luò)結(jié)構(gòu)的影響效果從個(gè)人是否使用社交媒體中分離出來，他們希望能夠解釋個(gè)人在網(wǎng)絡(luò)中獲得社會(huì)支持(social support)的感知，是因?yàn)閭€(gè)體在不斷使用社交網(wǎng)絡(luò)(比如在臉書上更新自己的狀態(tài)或者與他人私聊)，還是因?yàn)閭€(gè)人的網(wǎng)絡(luò)結(jié)構(gòu)本身?結(jié)果發(fā)現(xiàn)，如果控制了網(wǎng)絡(luò)結(jié)構(gòu)這個(gè)內(nèi)生變量，社交媒體的使用行為中臉書狀態(tài)更新(status updates)仍然與社會(huì)支持(social support)的感知呈現(xiàn)正相關(guān)，但是行為使用中的私聊行為(private messaging)原本與情感的社會(huì)支持感知是顯著正相關(guān)的，但是控制了網(wǎng)絡(luò)結(jié)構(gòu)之后，這種顯著性消失了。所以作者提出應(yīng)該重視網(wǎng)絡(luò)結(jié)構(gòu)本身對(duì)于社會(huì)支持感知的影響。[20]

較為典型的組織傳播研究也開始類似的探討。如關(guān)注組織內(nèi)眾包行為，針對(duì)雇員網(wǎng)絡(luò)以及創(chuàng)意網(wǎng)絡(luò)兩類網(wǎng)絡(luò)，從結(jié)構(gòu)上分別探討網(wǎng)絡(luò)結(jié)構(gòu)效果(結(jié)構(gòu)上的馬太效應(yīng))與點(diǎn)屬性(包括地理同質(zhì)性、是否同為高級(jí)職員等)對(duì)于創(chuàng)意網(wǎng)絡(luò)討論情況的影響。研究發(fā)現(xiàn)，從結(jié)構(gòu)上來講，存在顯著的馬太效果：一些創(chuàng)新度超級(jí)活躍的雇員的中心度很高，中心度很高的創(chuàng)意吸引了大多數(shù)雇員的注意。而從點(diǎn)屬性來看，如果控制了上述的關(guān)系屬性，則地理同質(zhì)性與支持相同創(chuàng)意的相關(guān)度雖然顯著但是微小;而資歷高的人并未比資歷淺的人的更愿意在眾包平臺(tái)上表達(dá)支持某個(gè)創(chuàng)意，也就是說該相關(guān)缺乏顯著性[21]。

上述各個(gè)領(lǐng)域?qū)τ陉P(guān)系變量與屬性變量進(jìn)行分離分析的研究似乎在表明，結(jié)構(gòu)本身具有自己的內(nèi)在動(dòng)力與邏輯，雖然個(gè)體在構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)時(shí)依據(jù)了自身屬性，但是在這種網(wǎng)絡(luò)構(gòu)建完成之后，關(guān)系屬性可能就具有了更強(qiáng)的反作用，甚至超越個(gè)體屬性本身。

當(dāng)然上述研究也表明，并不是每一次對(duì)內(nèi)生的變量控制之后，所有的點(diǎn)屬性都會(huì)變得不顯著，也說明這種結(jié)構(gòu)的內(nèi)生性需要進(jìn)一步深入探討。

四、全網(wǎng)環(huán)境下的整體網(wǎng)相關(guān)研究

之所以本部分確定為全網(wǎng)環(huán)境下的整體網(wǎng)研究，與前幾個(gè)部分的區(qū)分主要體現(xiàn)在兩方面：一方面是數(shù)據(jù)來源，前述研究的數(shù)據(jù)多采用個(gè)體報(bào)告的方法，部分組織傳播研究采用二手?jǐn)?shù)據(jù)，而本部分的數(shù)據(jù)則多來自網(wǎng)絡(luò)直接抓取;另一方面是研究視角，本部分主要研究側(cè)重整體網(wǎng)的結(jié)構(gòu)研究。

當(dāng)然數(shù)據(jù)和視角都是相對(duì)而言的，因?yàn)橛行┭芯康臄?shù)據(jù)來源方式其實(shí)很多元，網(wǎng)絡(luò)抓取、問卷調(diào)查、深度訪談等等都會(huì)出現(xiàn)，但網(wǎng)絡(luò)抓取是主要的數(shù)據(jù)來源方式;研究視角也可能既有個(gè)體網(wǎng)也有整體網(wǎng)兩方面的探討，但是整體網(wǎng)視角為主要考量。

(一)結(jié)構(gòu)化網(wǎng)絡(luò)聚類與屬性挖掘

全網(wǎng)環(huán)境下的整體網(wǎng)分析中，較多的研究集中于最終形成的網(wǎng)絡(luò)結(jié)構(gòu)，尤其是網(wǎng)絡(luò)聚類(cluster)，這種結(jié)構(gòu)本身是整體網(wǎng)分析最關(guān)注的問題，使用的方法通常是社會(huì)網(wǎng)絡(luò)分析軟件中的各種聚類分析，當(dāng)然這種分析的工具正在不斷演進(jìn)中。

較早的該類型研究多是對(duì)超鏈接進(jìn)行分析，如有兩篇全面描述博客網(wǎng)絡(luò)的文章，一篇是描述阿拉伯世界的博客[22]，另一篇?jiǎng)t是分析古巴的博客[23]。在對(duì)阿拉伯世界的博客分析中，文章通過分析發(fā)現(xiàn)博客形成小團(tuán)體(clusters)的界限標(biāo)準(zhǔn)，首先為國(guó)界，大體分為埃及、黎巴嫩、敘利亞、沙特阿拉伯以及科威特，此外還有一個(gè)圈落為橋群體，主要是既說阿語(yǔ)，又說英語(yǔ)的群體，因此語(yǔ)言成為第二個(gè)邊界形成要素。而在每個(gè)國(guó)家的內(nèi)部圈落形成的情況又各不相同。其中，埃及為最大的圈落，主要分為世俗改革派(secular reformist sub-cluster)、廣泛的反對(duì)派(wider opposition sub-cluster)、埃及青年組織(Egyptian Youth)等等。

更多的研究則集中在政治黨派個(gè)體之間的關(guān)系狀態(tài)，看兩者是否會(huì)形成同質(zhì)化的結(jié)構(gòu)圈子。典型的研究如有韓國(guó)學(xué)者研究了韓國(guó)政治領(lǐng)導(dǎo)人的線上可見(visibility)網(wǎng)絡(luò)，選擇了18th National As-sembly的278名成員，分析了他們之間網(wǎng)頁(yè)上的共現(xiàn)(co-occurrence)網(wǎng)絡(luò)，共現(xiàn)網(wǎng)絡(luò)出現(xiàn)了明顯的結(jié)構(gòu)極化。[24]

群體的聚類研究也可以體現(xiàn)在某個(gè)具體的事件中，學(xué)者研究2008年韓國(guó)網(wǎng)上出現(xiàn)的反對(duì)進(jìn)口美國(guó)牛肉的抗議事件，最后發(fā)現(xiàn)，雖然開始的時(shí)候不可避免地出現(xiàn)兩個(gè)對(duì)立的群體，但是后來隨著主要的關(guān)鍵性blog開始提供中立的意見，導(dǎo)致了最后中立群體的不斷擴(kuò)大，因此文章認(rèn)為網(wǎng)絡(luò)公共空間是可控的[25]。

可以看到，SNA的整體網(wǎng)結(jié)構(gòu)研究中，尤其是超鏈接的研究中，“屬性”變量也可以被看作類似為因變量，或者類似數(shù)據(jù)挖掘后呈現(xiàn)的一種研究發(fā)現(xiàn)，是基于分析工具進(jìn)行聚類之后產(chǎn)生的研究結(jié)果，而不是對(duì)事先假設(shè)的驗(yàn)證，比如研究最終發(fā)現(xiàn)了政黨、文化、國(guó)家、正反兩種意見的不同圈落。

需要注意的是，上述研究都是發(fā)現(xiàn)了不同群體形成各自的聚類的。同樣是研究政治派系，或者話題沖突，也會(huì)出現(xiàn)完全相反的結(jié)果。

例如，Dvir-Gvirsman的研究對(duì)象是以色列的普通民眾，在搜集了民眾選舉前七周的網(wǎng)站訪問數(shù)據(jù)(web logs直接獲取的行為數(shù)據(jù))后，他發(fā)現(xiàn)以色列民眾對(duì)于不同意識(shí)形態(tài)的網(wǎng)站的關(guān)注(左翼或者右翼)基本不存在差異，人們的網(wǎng)站瀏覽是非常多元化的，并沒有出現(xiàn)回音室效果，即沒有選擇性注意的情況;通過社會(huì)網(wǎng)分析方法獲得了訪問各類網(wǎng)站的社會(huì)網(wǎng)絡(luò)圖，也并沒有出現(xiàn)類似美國(guó)的分立格局。[26]

與韓國(guó)發(fā)現(xiàn)的事件討論中中立群體的擴(kuò)大不同，一個(gè)形成鮮明對(duì)比的研究關(guān)注的是政治傳播中的謠言傳播問題，最后發(fā)現(xiàn)Twitter沒有很明顯的自我凈化的功能，因?yàn)樵谕|(zhì)化的網(wǎng)絡(luò)結(jié)構(gòu)中，傳謠者會(huì)形成一個(gè)黨派化(partisan)的結(jié)構(gòu)，核心的群體只傳播對(duì)手的負(fù)面信息，而且拒絕更正謠言;相反，拒絕謠言者沒有辦法形成一個(gè)明確的團(tuán)體結(jié)構(gòu)，或者形成一個(gè)集中的社群，所以從整體來看，謠言的拒絕率只有3.37%。[27]

產(chǎn)生上述的研究結(jié)果差異，是因?yàn)閮蓪?duì)研究分別選擇分析了不同的群體屬性(普通民眾VS政治精英)，不同的話題屬性(政治謠言VS事實(shí)選擇)，因而造成最后的結(jié)構(gòu)分析出現(xiàn)了不同的結(jié)果。這些對(duì)于群體屬性或者話題屬性的控制與選擇其實(shí)并不出現(xiàn)在研究本身當(dāng)中，主要是學(xué)者們?cè)谶x題時(shí)的考量因素，因此只是在這里作為一個(gè)與本文相關(guān)的內(nèi)容稍做討論，這種屬性體現(xiàn)的更多的是一個(gè)研究語(yǔ)境，或者研究背景問題，但是無疑是非常重要也容易被忽略的一種“屬性”數(shù)據(jù)。

回到結(jié)構(gòu)化的呈現(xiàn)與屬性挖掘，類似的研究還有從受眾中心角度，探討受眾中心網(wǎng)絡(luò)與互聯(lián)網(wǎng)基礎(chǔ)設(shè)施結(jié)構(gòu)(technical infrastructure)網(wǎng)絡(luò)的不同，最后研究發(fā)現(xiàn)后者的網(wǎng)絡(luò)是中心化的，而前者的網(wǎng)絡(luò)是去中心化的，受眾中心網(wǎng)絡(luò)主要依靠語(yǔ)言進(jìn)行區(qū)分，文化的區(qū)隔是核心[28]。同樣從受眾中心的角度出發(fā)，有研究對(duì)新媒體時(shí)代受眾碎片化結(jié)構(gòu)提出了駁斥，作者以觀看的節(jié)目為節(jié)點(diǎn)(node)，超過一定比例的重復(fù)受眾則會(huì)構(gòu)建一個(gè)連接，最后通過社會(huì)網(wǎng)絡(luò)分析發(fā)現(xiàn)，受眾在觀看236個(gè)媒體節(jié)目過程中，有很大一部分是重復(fù)的，而并沒有形成所謂的孤立的忠實(shí)受眾。因此作者對(duì)不少文化學(xué)者提出的網(wǎng)絡(luò)時(shí)代會(huì)形成大量平行的文化提出了自己的質(zhì)疑。作者認(rèn)為未來的受眾的中心集中度仍然會(huì)很高，不應(yīng)該迷戀所謂的長(zhǎng)尾，受眾的分離，贏者通吃(winner-take-all)仍然是主要規(guī)律。[29]當(dāng)然，如果增加了前面對(duì)于研究對(duì)象的背景性考慮之后，研究就會(huì)更加深入，例如后期的學(xué)者又針對(duì)這個(gè)話題進(jìn)行了跨國(guó)家的研究，結(jié)果發(fā)現(xiàn)更嚴(yán)重的碎片應(yīng)該發(fā)生在不同的小的、新興的媒體之間，而大媒體的受眾重合度還是非常高的。[30]

可以看到，大數(shù)據(jù)的挖掘體現(xiàn)出的屬性差異還相對(duì)有限，基本都是以國(guó)家、語(yǔ)言、文化等差異為主，分析發(fā)現(xiàn)的維度并不多，缺乏更豐富的闡釋深度。

(二)整體網(wǎng)中的屬性自變量

在整體網(wǎng)中，屬性數(shù)據(jù)也有不少直接做類似自變量的，但針對(duì)這種“點(diǎn)屬性”，基本上進(jìn)行的都是描述性的說明，沒有更多的量化方法直接支持關(guān)于點(diǎn)屬性方面的判斷。

如學(xué)者研究了國(guó)際音樂貿(mào)易的相關(guān)情況，通過2002—2006年5年的數(shù)據(jù)分析發(fā)現(xiàn)：美國(guó)、歐洲國(guó)家，包括德國(guó)、英國(guó)、荷蘭處在貿(mào)易的中心地位。從五年的時(shí)段分析來看，這種結(jié)構(gòu)非常穩(wěn)定[31]。這里，研究者其實(shí)是直接通過對(duì)數(shù)據(jù)的總結(jié)，得到了中心節(jié)點(diǎn)大多來自歐洲國(guó)家這個(gè)屬性化的總結(jié)。用同樣的理念，有研究分析了世界互聯(lián)網(wǎng)的物理連接狀態(tài)，8年間的網(wǎng)絡(luò)密度從0.03增加到了0.034，MENA(中東北非)國(guó)家在8年中有不少進(jìn)入了網(wǎng)絡(luò)的中心圈，包括阿聯(lián)酋、卡塔爾、埃及以及沙特阿拉伯，但是整體來看發(fā)展仍然符合強(qiáng)者恒強(qiáng)的規(guī)律。另一個(gè)有趣的發(fā)現(xiàn)在于，政治運(yùn)動(dòng)會(huì)通過互聯(lián)網(wǎng)進(jìn)行傳播，阿拉伯之春是在中東北非的網(wǎng)絡(luò)連通進(jìn)入中心圈之后迅速產(chǎn)生的[32]?？梢姡瑢?duì)國(guó)家的地理屬性的分析，歐洲、中東、北非等是這類研究的主要發(fā)現(xiàn)維度，而且這種發(fā)現(xiàn)相對(duì)簡(jiǎn)單，只是對(duì)網(wǎng)絡(luò)構(gòu)成的一種現(xiàn)象性的總結(jié)。

還有一類研究雖然對(duì)點(diǎn)屬性進(jìn)行了更為量化的分析，但是采用的分析工具是傳統(tǒng)的SPSS對(duì)均值差異進(jìn)行顯著性檢驗(yàn)。

例如，有學(xué)者發(fā)現(xiàn)女性學(xué)者相較于男性學(xué)者只能獲得更少的學(xué)術(shù)引用，這種性別的差距在學(xué)術(shù)引用時(shí)依然非常明顯。作者首先通過引用網(wǎng)絡(luò)分析得到了個(gè)體被引以及引用的相關(guān)數(shù)據(jù)，然后對(duì)包含性別在內(nèi)的各項(xiàng)類目進(jìn)行多維度的ANOVA分析得到了上述結(jié)論。作者采用了社會(huì)網(wǎng)的視角來解讀，之所以出現(xiàn)這一現(xiàn)象是因?yàn)榕暂^難構(gòu)筑自己的學(xué)術(shù)共同體，相比較而言，男性更傾向于與同性別的人進(jìn)行學(xué)術(shù)合作。[33]如果從個(gè)體具有較強(qiáng)相關(guān)性的角度來看這個(gè)數(shù)據(jù)分析，可能就會(huì)有一定的質(zhì)疑。

當(dāng)然在全網(wǎng)數(shù)據(jù)環(huán)境下，也出現(xiàn)了使用ERGM等方法進(jìn)行分析的結(jié)構(gòu)性研究。如有研究關(guān)注美國(guó)國(guó)會(huì)議員在Twitter上的關(guān)注網(wǎng)與互動(dòng)網(wǎng)，結(jié)果發(fā)現(xiàn)關(guān)注網(wǎng)呈現(xiàn)了很強(qiáng)的黨派同質(zhì)性，影響互動(dòng)網(wǎng)同質(zhì)性的因素包括是否屬于同一個(gè)州、黨派、大眾關(guān)注(public concern)，如果控制了網(wǎng)絡(luò)的內(nèi)生變量之后，這種同質(zhì)性程度會(huì)降低，所有的連接，包括關(guān)注連接和互動(dòng)連接的存在本身都會(huì)增加投同質(zhì)群體票的幾率。[34]

(三)語(yǔ)義網(wǎng)絡(luò)

語(yǔ)義網(wǎng)絡(luò)的相關(guān)研究是社會(huì)網(wǎng)絡(luò)研究當(dāng)中不可缺少的一部分，也被認(rèn)為是大數(shù)據(jù)環(huán)境下開始取代內(nèi)容分析的一種方式。[35]但是單純的語(yǔ)義研究與本文的相關(guān)度不大。例如在研究埃及革命的語(yǔ)義表達(dá)時(shí)，revolution一詞的中心度最高，而protest則非常邊緣，體現(xiàn)了大家對(duì)此次事件的定性[36];或者幾個(gè)中國(guó)學(xué)者研究中國(guó)人現(xiàn)階段的隱私觀念，用新浪微博上18000條包含“隱私”一詞微博構(gòu)建一個(gè)詞匯“共現(xiàn)”語(yǔ)義網(wǎng)絡(luò)，然后通過聚類分析(cluster analysis)發(fā)現(xiàn)11個(gè)不同的語(yǔ)義網(wǎng)絡(luò)等等[37]。因?yàn)檎Z(yǔ)義本身具有自己的含義，直接對(duì)其分析即可，因此多數(shù)都從框架理論或者詞義角度進(jìn)行分析，也可以從議程設(shè)置理論等視角直接進(jìn)行分析[38]，這與屬性數(shù)據(jù)的研究并沒有關(guān)系。

但是如果語(yǔ)義網(wǎng)絡(luò)與使用者網(wǎng)絡(luò)結(jié)合進(jìn)行分析，使用者屬性就成為影響語(yǔ)義網(wǎng)絡(luò)的重要要素，使用者屬性成為自變量。

如學(xué)者討論美國(guó)Twitter上群體互動(dòng)的模式(pattern)，主要進(jìn)行兩類研究：第一，在預(yù)先選定的幾個(gè)關(guān)鍵詞之下，考察用戶(user)之間相互轉(zhuǎn)發(fā)而形成的彼此連接情況，會(huì)發(fā)現(xiàn)用戶大體分為多少個(gè)群組(cluster)，這是話題討論主題的聚類分析。第二，在群組之內(nèi)，分析每條信息(message)的政治傾向，進(jìn)行內(nèi)容編碼;同時(shí)看每條信息中提供了哪些鏈接，對(duì)鏈接的內(nèi)容進(jìn)行編碼。這部分是話題立場(chǎng)分析。每個(gè)話題都選擇了最近對(duì)此話題發(fā)表看法的500個(gè)使用者(node)。最后發(fā)現(xiàn)：從群組的角度看，極化明顯，不同的群組中，自由派與保守派的比例呈現(xiàn)顯著差異。而且圈子當(dāng)中意見表達(dá)的信息條數(shù)數(shù)量越多(無論左右，加總的總量越多)，則自由派與保守派比例相差越懸殊，也就是說群體極化越嚴(yán)重。[39]

隨后Himelboim等考察了每個(gè)話題網(wǎng)絡(luò)中的情感取向問題。他們發(fā)現(xiàn)一個(gè)網(wǎng)絡(luò)當(dāng)中有一種占主導(dǎo)的情感。整個(gè)討論大致形成正向、中心和負(fù)面三種情感分別主導(dǎo)的圈落。而每個(gè)圈子的情感是哪種屬性主要與其話題的內(nèi)容、話題的意識(shí)形態(tài)有關(guān)，自由主義有更多的肯定性情緒，而保守主義則更多的是否定性情緒。該文是同質(zhì)性的一次擴(kuò)展，作者認(rèn)為可以說發(fā)現(xiàn)了“情緒回音壁”(affective echo chambers)。[40]

五、我國(guó)的SNA研究

前面分析的研究都是來自國(guó)外傳播學(xué)頂級(jí)期刊中發(fā)表的文章，它們?cè)诜椒ǖ膫鞒猩嫌休^為明顯的脈絡(luò)，發(fā)展相對(duì)連續(xù)、有邏輯。本部分則主要考察一下國(guó)內(nèi)的相關(guān)研究狀況。

與國(guó)外SNA相對(duì)清晰的脈絡(luò)不同，我國(guó)傳播學(xué)中的SNA研究一開始就體現(xiàn)出對(duì)“關(guān)系研究”的極大興趣，尤其是與整體網(wǎng)結(jié)構(gòu)相關(guān)的內(nèi)容，諸如網(wǎng)絡(luò)中心勢(shì)、各類中心度、網(wǎng)絡(luò)密度、網(wǎng)絡(luò)子群等等。主要原因是我國(guó)開始較為豐富的SNA研究時(shí)就已經(jīng)是社交網(wǎng)絡(luò)相對(duì)較為盛行的年代，學(xué)者亟須對(duì)社交網(wǎng)絡(luò)進(jìn)行整體化、結(jié)構(gòu)化的分析。因此，相比國(guó)外延續(xù)社會(huì)學(xué)傳統(tǒng)，關(guān)注個(gè)體網(wǎng)中屬性數(shù)據(jù)的重要性不同，我國(guó)的屬性研究是非常有限的。比較典型的，如羅昕等在對(duì)廣州的兩個(gè)跑群的分析中，發(fā)現(xiàn)交流環(huán)境、組織管理、專業(yè)指導(dǎo)、社會(huì)資本、忠誠(chéng)度等因素是影響虛擬社群信任網(wǎng)絡(luò)生成的重要因素。[41]韋路等研究了各國(guó)的媒介機(jī)構(gòu)在Twitter上的網(wǎng)絡(luò)構(gòu)建情況，發(fā)現(xiàn)除了所在大洲的發(fā)達(dá)程度外，社會(huì)化媒體使用程度、地理接近性和文化接近性等國(guó)家因素都能夠顯著預(yù)測(cè)媒介機(jī)構(gòu)之間的雙向鏈接關(guān)系。[42]

在大量的SNA研究中，成果最為豐富的領(lǐng)域是在知識(shí)圖譜方面。主要體現(xiàn)出學(xué)者們期待能夠更系統(tǒng)地了解國(guó)外在某類研究方面的現(xiàn)狀，從而為具體話題的研究者提供一個(gè)全景性的認(rèn)知導(dǎo)引，減少因?yàn)檎Z(yǔ)言在閱讀和了解文獻(xiàn)上面的早期障礙，這部分研究大體都是純粹的結(jié)構(gòu)性分析，加上一些描述性內(nèi)容，基本沒有與屬性變量結(jié)合進(jìn)行復(fù)雜量化分析的案例。例如劉毅對(duì)國(guó)外輿論學(xué)研究的“知識(shí)圖景”的研究[43]，包洪巖等對(duì)健康傳播學(xué)的知識(shí)圖譜的可視化研究[44]，陳艷紅等對(duì)國(guó)外微博研究熱點(diǎn)、趨勢(shì)及研究方法的分析[45]，丁漢青等對(duì)境外傳媒經(jīng)濟(jì)研究熱點(diǎn)與場(chǎng)域的探索[46]等等。

當(dāng)然國(guó)內(nèi)關(guān)于網(wǎng)絡(luò)結(jié)構(gòu)的各項(xiàng)指標(biāo)的研究也會(huì)涉及各種熱點(diǎn)話題，比如近期對(duì)于“一帶一路”高峰論壇在Twitter上傳播的子群結(jié)構(gòu)的研究[47]。

值得注意的是，我國(guó)已經(jīng)有青年學(xué)者開始關(guān)注屬性與關(guān)系之間的競(jìng)爭(zhēng)關(guān)系，這體現(xiàn)出年輕學(xué)者與國(guó)際學(xué)術(shù)研究正在逐漸接軌。張倫在分析社交網(wǎng)絡(luò)中的好友關(guān)系構(gòu)建時(shí)，考察了個(gè)體特征、對(duì)偶特征以及網(wǎng)絡(luò)結(jié)構(gòu)特征對(duì)在線關(guān)系構(gòu)建的影響，結(jié)果發(fā)現(xiàn)，網(wǎng)絡(luò)結(jié)構(gòu)特征相比于其他特征對(duì)于個(gè)體在線關(guān)系的構(gòu)建更為重要[48]，這一結(jié)論與第三部分Mai等人的研究[15]是非常一致的，即發(fā)現(xiàn)了既有的結(jié)構(gòu)性因素其實(shí)超越了個(gè)體的屬性因素，成為網(wǎng)絡(luò)關(guān)系新連接的核心影響因素。

六、結(jié)語(yǔ)：關(guān)系與屬性數(shù)據(jù)的再結(jié)合

Shumate等曾經(jīng)把社會(huì)網(wǎng)絡(luò)分析的諸多研究依據(jù)他們之間形成關(guān)系內(nèi)容的不同，劃分為四種類型：親近關(guān)系(affinity)、信息流(flow)、所屬關(guān)系(representational)以及語(yǔ)義網(wǎng)絡(luò)(semantic)。[35]他們認(rèn)為依據(jù)“關(guān)系”進(jìn)行分類的方法適用于人際、組織、大眾、健康、政治傳播以及計(jì)算機(jī)中介傳播(CMC)，打破了傳統(tǒng)的依據(jù)點(diǎn)狀態(tài)區(qū)分為人際、組織、群體、大眾的習(xí)慣性思維。從這種分類的思路中可以看出社會(huì)網(wǎng)絡(luò)學(xué)者們期待從社會(huì)網(wǎng)絡(luò)的“關(guān)系”視角重新審視和思考傳播學(xué)的諸多子領(lǐng)域的研究。

而Cappella在2017年也發(fā)表了一篇文章[49]，談大眾傳播與人際傳播未來的研究方向，他提到其中的一個(gè)方向就是未來需要融合人際傳播與大眾傳播，融合的方式就是從因素(factor)的研究，或者說是變量(variable)研究過度到個(gè)體(actor)的研究。他也強(qiáng)調(diào)，以前對(duì)于變量或者說因素的研究前提是作為變量載體的人是彼此獨(dú)立的，但是如果人是彼此聯(lián)系的，可能就需要轉(zhuǎn)換思路，把研究的核心換為個(gè)體(actor)，這是社交網(wǎng)絡(luò)普及的今天所需要的?；镜睦砟罹褪莻€(gè)體作為多個(gè)變量的攜帶者(carrier)，以前是K個(gè)獨(dú)立的個(gè)體擁有N個(gè)變量的模型，而現(xiàn)在則是擁有一個(gè)N?K變量的模型，可以認(rèn)為變量是一種對(duì)大眾傳播過程的描述，而個(gè)體則體現(xiàn)了對(duì)人際傳播結(jié)構(gòu)的重視。代理人基模型(agent-based modeling，ABM)，當(dāng)然也包括多層次模型(multilevel models)可以實(shí)現(xiàn)上述目標(biāo)，作者非常期待傳播學(xué)者能夠運(yùn)用各種新的研究工具，同時(shí)考量個(gè)體與變量?jī)深悆?nèi)容。

以ABM為例，該模型的主要理念是把現(xiàn)實(shí)抽象為個(gè)體(agent)和環(huán)境(environment)，個(gè)體可以是任何具有主動(dòng)性的主體，包括個(gè)人、公司、國(guó)家等，然后把個(gè)人與環(huán)境、個(gè)人與個(gè)人的互動(dòng)抽象為可表達(dá)的數(shù)學(xué)公式。比如，在群體暴力模型中可以抽象出的個(gè)體為激進(jìn)分子、平民和警察，三者都會(huì)與環(huán)境互動(dòng)，三者之間彼此也會(huì)互動(dòng)。如果平民會(huì)產(chǎn)生暴力行為的影響因素之一是其群體具有的憤怒情緒，而該情緒的憤怒程度可以抽象為：專制性?(1-合法性)，即主體對(duì)政府的專制程度以及合法性的態(tài)度的函數(shù)，可以代表該主體的憤怒指數(shù)。當(dāng)憤怒指數(shù)到達(dá)角色轉(zhuǎn)變點(diǎn)時(shí)，平民會(huì)發(fā)生角色轉(zhuǎn)變，成為激進(jìn)分子;類似的，還可以構(gòu)建多個(gè)模型，包括主體被警察抓到的概率等等，當(dāng)概率超過一定水平時(shí)，主體會(huì)放棄轉(zhuǎn)變?yōu)榧みM(jìn)分子。當(dāng)所有的變量間以及變量和環(huán)境間模型構(gòu)筑好之后，通過仿真模型再現(xiàn)群體暴力的場(chǎng)景，進(jìn)而從定量的角度分析產(chǎn)生暴力行為的動(dòng)力學(xué)特征。[50]

Cappella從大眾傳播與人際傳播結(jié)合的角度賦予了“關(guān)系”變量與“屬性”變量結(jié)合的一個(gè)更廣泛，也更具理論內(nèi)涵的意義。隨著新的技術(shù)的發(fā)展，社會(huì)網(wǎng)絡(luò)研究的學(xué)者應(yīng)該也會(huì)在個(gè)體與屬性的結(jié)合上繼續(xù)進(jìn)行探討，而不僅僅局限在現(xiàn)在使用較多的ERGM和SIENA模型，后兩者的研究雖然基于關(guān)系數(shù)據(jù)與屬性數(shù)據(jù)的結(jié)合處理，但是最終解決的問題相對(duì)單一，即兩個(gè)點(diǎn)之間構(gòu)建連接的概率是否大于隨機(jī)網(wǎng)絡(luò)下構(gòu)建連接的概率，側(cè)重點(diǎn)仍然在于網(wǎng)絡(luò)的構(gòu)建，未來應(yīng)該期待更為豐富的方法與理論的支持。