社会网络分析法在虚拟社区隐性知识共享应用.docVIP

社会网络分析法在虚拟社区隐性知识共享应用 　　摘 要：虚拟社区的发展为隐性知识的传播提供平台，隐性知识共享在虚拟社区中沉淀形成隐性知识库为社区成员提供知识，并吸引更多成员加入社区。为扶持虚拟社区使之在提供隐性知识共享方面持久发挥作用，有必要对虚拟社区中隐性知识共享的规律及特点加以研究。该文以社区参与者行为为切入点，利用社会网络分析法，从隐性知识共享的角度研究了虚拟社区中成员活动的动态规律，指出虚拟社区中隐性知识共享网络存在凝聚子群，并?C实凝聚子群中成员存在迁移活动，以供虚拟社区管理提出依据 关键词：虚拟社区 隐形知识共享 社会网络分析法 中图分类号：C936 文献标识码：A 文章编号：1672-3791（2017）04（b）-0028-03 瑞格尔德（Rheingold）（1993）从知识分享的角度提出，虚拟社区是指“一群主要通过计算机网络相互沟通的人们，他们彼此有某种程度的认识、分享某种程度的知识和信息、在很大程度上如同对待朋友般彼此关怀，从而所形成的团体[1]。”虚拟社区的知识共享对社区发展有着积极作用。知识共享由显性知识共享和隐性知识共享组成。现有研究中，隐性知识共享大都以促进（或者阻碍）隐性知识传播的因素分析为中心展开，并提出了影响隐性知识共享传播的关键因素、共享需要的条件、方法等。随着虚拟社区的兴起，学者们对虚拟社区知识传播过程中隐性知识的显化、传递、激励与保障机制，现实世界对虚拟世界知识共享影响等方面做了研究。研究重心从知识向知识的承载者转移，开始关注隐性知识共享中的关键人物和虚拟社区中成员隐性知识共享的行为特征，主要是研究网络结构特征对知识共享、转移效果的影响 该文以虚拟社区活动的参与者―社区成员为研究切入点，利用社会网络分析法，研究虚拟社区隐性知识共享的动态变化规律，并从虚拟社区成员和知识共享过程中知识结构的变化角度分析研究社区隐性知识共享行为 1 研究方法 社会网络分析是社会网络理论中的一个具体工具，就是对人与人之间、群体之间、组织之间，或者是其他信息、知识处理实体之间的关系进行描述，并对其价值进行估量的一个过程。该文运用社会网络分析法中密度、派系、中心度等指标对某一社区成员形成的隐性知识共享网络进行分析 2 数据收集与分析 2.1 数据收集和处理 数据来源于知识论坛一个版块的成员互动，选取了100个成员的互动联系数据作为样本数据。虚拟社区隐性知识共享是由社区成员通过互动回帖实现。在此定义，虚拟社区中的隐性知识共享为成员知识沟通时的互动关系，一次问题回复或问题提出，为一次互动。虚拟社区的互动关系网络按照如下方式构成：结点表示虚拟社区中各个成员，边表示两个成员之间的互动关系，同一主题的多次应答算一次互动；忽略样本网络中产生的自环（忽略因为成员回复自身帖子产生的应答）。由于该文探讨的问题是社会网络中强连接小团体的活动，重点在于测量单个成员的价值和活动，默认每一次应答代表价值发生 2.2 数据分析 2.2.1 数据密度与派系研究 通过社会网络分析软件ucinet，对研究数据进行可视化分析，如图1所示 通过ucinet计算样本网络整体密度，密度为0.0380，表明该网络的联结松散、稀疏，成员结点间的知识联系稀松、知识结构差异大。然而，从社会网络分析角度，稀疏网络（也可以称为有结构洞的网络）是利于成员知识共享的 3-clan分析结果如图2所示 六个派系子群之间存在15个共同成员，共同成员集合：A={2，3，4，5，6，7，8，9，10，11，12，13，14，16，17} 2.2.2 中心度研究 对网络中成员结点进行中心度研究，是为了量化某一结点对其他节点的控制强度。控制强度在隐性知识共享网络中就是该结点对其他结点可以提供的价值。该文研究结点间的三种中心度分别是：点度数中心度、中间中心度、接近中心度 （1）点度数中心度 表1为所选样本中成员的绝对点度数中心度和相对点度数中心度，有66%的结点只与网络中某一个结点有联系，也就是说有66%的结点在隐性知识共享网络中依赖核心成员存在，若与之联系的成员脱离网络，该结点成员也会迅速流失 绝对点度数中心度数值较大的有2、3、6、7、9号，他们的直接联系人有20个。该五位成员的相对中心度也排第一。这说明，这五位成员是该网络的核心。排在2号后有编号为5、8、4、10、11、1、12、16、14的9位成员，他们的绝对、相对点度数中心度较大，数值也比较接近，且高于其他成员。在对样本网络的点度数中心度进行了平均值、标准差、方差的计算之后，从绝对数、相对数来看，标准差、方差都比较大。这表明，网络中的成员的点度数中心度呈离散状态分布，且存在一些点度数中心度高的成员，他们在隐性知识共享网络中是绝对活跃