典型的社会网络分析软件工具及分析方法(2)

2.数据处理，进行SNA分析

建立SNA的关系矩阵后，就需要进入数据处理这个步骤，该步骤为SNA的一项核心工作。SNA的数据处理工作，可以按照不同的操作分为以下两种类型。

（1）测量

所谓测量，是指针对研究者所建立的关系矩阵，由SNA软件自动计算出社会网络的各项网络指标或参数值。通常，通过测量可以完成的SNA有：网络的基本属性、中心性、连通性、结构洞等。有关测量的数据处理操作是最简单的，一般都是直接使用SNA软件菜单中的有关功能即可完成。在测量操作中，一

验与认识，按照界面友好性、易操作性、数据处理能力和可视化技术等四个方面，对NetMiner、Pajek和UCINET三种典型的SNA软件进行了评价，结果如图2所示。

图2NetMiner、Pajek和UCINET三种软件的对比分析

图2反映出，在三种典型的SNA软件中，综合性能最好的是NetMiner软件。尽管UCINET的综合性能与Pajek相当，而且是目前最流行的SNA软件，其文献资料也比较丰富，但笔者认为，在处理小型网络时，如果研究者是SNA的新手，则应该首选NetMiner软件。因为，NetMiner的界面友好性和易操作性在三个典型SNA软件中都是最高，这可以有效地帮助新手研究者较为顺利地开展先期的各种测量与分析工作，有效缩短新手研究者的适应期。作为自由软件的Pajek，其数据处理能力和可视化技术是三种典型SNA软件中最强的，虽然Pajek在界面友好性和易操作性两方面都不尽人意，但因为它在处理大型复杂网络（节点数超过100个）方面的能力，以及作为自由软件的开放性质，在SNA分析领域中正在享有越来越高的声誉。

二、SNA实现的基本方法

使用SNA软件进行社会网络分析时，一般需要按准备数据、数据处理和数据分析三个步骤进行。尽管因不同的SNA软件的具体操作不同，但这三个步骤基本是一致的。

1.准备数据，建立关系矩阵

准备数据是指将使用问卷或其他调查方法，或直接从网络教学支撑平台自带的后台数据库中所获得的用于研究的关系数据，经过整理后按照规定格式形成关系矩阵，以备数据处理时使用。这个步骤也是SNA分析的重要的基础性工作。

SNA中共有三种关系矩阵：邻接矩阵（Adja-cencyMatrix）、发生阵（IncidenceMatrix）和隶属关系矩阵（AffiliationMatrix）。邻接矩阵为正方阵，其行和列都代表完全相同的行动者，如果邻接矩阵的值为二值矩阵，则其中的“0”表示两个行动者之间没有关系，而“1”则表示两个行动者之间存在关系。然而我们在分析e-Learning的社会网络时，一般都采用非

技术与应用

般需要研究者按照软件的提示事先指定某个关系矩阵；测量结束后，一般SNA软件会给出测量结果，如

指定关系图3所示。

矩阵

总第267期中国电化教育2009．4

3.数据分析，得出结论

这一步骤是SNA分析的关键性工作。当上一步

的数据处理完毕后，往往会得到一些可视化的图或数据表等信息。一般数据表都与Excel表格的形式非常接近，比较容易读懂，而常用的图有以下几种。

（1）社群图

社群图表示关系模式，分为二维视图和三维视图两种类型，如图5所示。

测量结果显示

荩

测量结果数据集合

荩

图3NetMiner软件测量网络属性的界面

SNA测量的结果往往会形成一些数据集合，这

些数据集合都是可以导出成为多种格式的数据文件单独存储的，这些数据集合往往是得出SNA结论的重要依据。

（2）探索性分析

探索性分析往往比测量操作复杂，一般要遵循某种分析程序，而且会因探索的问题或对象的不同，其数据处理操作会有很大不同。通过探索性分析可以完成的SNA有：凝聚子群分析、网络位置与角色分析和结构洞与经纪人业务分析等。社会网络中的凝聚子群分析是一种典型的探索性分析，其数据处

（a）二维视图的社群图

（b）三维视图的社群图

图5Pajek软件绘制的社群图（Wouteretal.，2005）[8]

图5中每个节点表示

，节点的名称。图中的线段代表行，若两行动者之间没有连线，；线段上的箭头表明，线上的数字，

5（a）所示，代表关系

。从社群图中我们图4SNA中的凝聚子群的数据处理步骤

可以获得一些非常有用的尽管探索性分析的每一个小步骤仍然是使用

信息，例如图5中的Marion和Eva由于比较多的行

SNA软件菜单中的某个具体操作来完成的，但从图

动者选择他们为关系的接收对象，所以他们二人在

4中也可以看出，探索性分析的数据处理路线往往

网络中拥有比较高的声望；而Ellen尽管不是网络中会存在路径的分支与循环等复杂结构，需要研究者

的核心人物，但他为多个桥的切点，所以他占据了比依据一定的判定依据进行判断后进行相应的选择才

较多的结构洞位置，是网络中的重要人物；另外，该能完成。因此，探索性分析的操作步骤比较多，且操

网络的密度不高，具有部分高密度的小群体，因而很作过程也比较复杂，探索性分析的效率往往与研究

可能存在凝聚子群且互惠性关系比较少等。的数据对象大小和性质、研究的问题和研究者自身

（2）网络位置图的经验与技巧等有关系。

2009．4中国电化教育总第267期

技术与应用

网络位置图表示关系数据集中的行动者在社会网络中的位置分布。最常见的位置分布就是核心—边缘模型。如图6所示。

（b）UCINET软件绘制的聚类树形图

图7UCINET软件绘制的树形图

图6Pajek软件绘制的核心—边缘位置图（Wouteretal.，2005）

图6是一个关于金属与木材制造业的世界贸易的社会网络位置图，图中每个节点分别代表一个国家。位置图也可以告诉我们丰富的信息，例如图6表明：中国、美国、德国等12个国家处于这个贸易网络的核心位置，他们掌握了这个网络中多条贸易通路，是金属与木材制造业的最主要的贸易国；而加拿大、澳大利亚等51个国家处于网络的半边缘位置，即这些国家的位置处于网络核心与边缘之间，他们在贸易中一方面受核心位置的国家控制，另一方面他们也可以控制一些处于边缘位置的国家；而墨西哥、巴拿马等17个国家处于该网络的最外层，也即处于边缘位置。

（3）树形图

树形图用于表示SNA中对等性分析等聚类分析的结果。一般有两种表示方式，一种为类似冰柱图的形式，另一种为树形表示方式，具体如图7所示。

图7是一组针对作者担任主讲教师的网络课程中的关系数据集合所做的结构对等分析的结果。该结果表明：在0.955的相似水平上，16号行动者与4号行动者具有结构对等性，即二者网络位置具有对等性（Borgatti&Everett，1992）[9]；任课教师王陆（12号行动者）在0.840水平上与14号行动者，以及12号行动者具有结构对等性；且教师王陆在0.797水平上与10号行动者和3号行动者具有结构对等性。这一结果表明，在网络课程中，14号等部分学习者的网络角色具有双重性，他们既是学习共同体中的学习者，同时也扮演了一定的教师角色，起到了助学的作用。

综上所述，如何从SNA所提供的可视化图表中得出SNA的结论是非常重要的。笔者认为，为了提高研究质量，最好的办法就是在使用SNA时，也同时使用其他研究方法，并形成一个研究的证据链，才能提高研究的效度。

三、SNA实现的两个关键点1.确定SNA的分析单位

分析单位也被称为观察单元或观察层次。确定SNA的分析单位是进行SNA的重要工作步骤。SNA从微观到宏观一 …… 此处隐藏：3119字，全部文档内容请下载后查看。喜欢就下载吧 ……