礦工不安全行為的社會網絡分析

續婷妮 栗繼祖 馮國瑞 康立勛

(1.太原理工大學經濟管理學院，山西省晉中市，030600； 2.太原理工大學礦業工程學院，山西省太原市，030024)

陳紅通過對1980-2000年間發生的煤礦重大事故的研究，發現人為因素在導致煤礦安全事故的所有直接原因中所占比重最大。隨著行為科學方法的廣泛應用，通過研究員工的行為特征和規律的方式減少或避免不安全行為產生，已然成為提升安全績效的有效途徑。因此，從多方面深入探討控制不安全行為對提高企業安全管理尤為重要。

社會網絡分析(Social Network Analysis，簡稱SNA)是對社會關系形成的結構網絡進行分析的方法體系，可以將復雜多變的關系構建成相應的網絡模型，并從其結構和功能兩個方面研究個體對群體的影響。SNA最初在物理領域中的網絡適應性問題中得到大量分析與應用。而今，SNA已經拓展到了生物學、工程技術、管理和社會科學等領域，并得到了創新與廣泛應用。經統計，從2000年開始，SNA被高頻率地應用于圖書情報與數字圖書館領域中，而管理學學科則僅僅占了0.96%。

利用SNA構建研究礦工不安全行為的學者社會網絡結構，不僅可以用于揭示煤礦不安全行為研究的權威專家與網絡其他個體之間的關系，也提供了信息分享與溝通的新渠道，有效指導網絡中的個體之間進行更好的合作。

1 核心期刊影響力度分析

〗由Henk Moed提出的旨在評價期刊影響力度的新指標SNIP，不僅考慮了引文與被引文次數對期刊評價的影響，也加入了引文的相關特征等影響。2012年10月，萊頓大學學者通過對SNIP值隨著引用次數的提高而下降以及合并后期刊SNIP值的非一致性問題兩個方面的改進，推出了更加合理的SNIP1。SNIP1汲取了傳統期刊評價指標的合理之處，同時也彌補了在評價不同學科方面的局限。

首先，限定期刊的搜索條件，以不安全行為為關鍵詞，以煤礦為主題，以核心期刊為搜索范圍，以中國知網2014-2016年為時間范圍進行搜索，可以得出，前九名分別為煤礦安全、煤炭技術、中國煤炭、煤炭工程、工業安全與環保、礦業安全與環保、中國礦業、中國安全科學學報和安全與環境學報。統計這九種期刊在3年間的相關信息，結果如表1所示。

表1 期刊在中國知網2014-2016年間的信息

運用SNIP1的計算方法如下：

(1)

式中： RIP——篇均粗影響；

DCP——數據庫的引用潛力。

其中，DCP是中國知網中所研究的期刊在煤礦領域刊登的論文中活躍參考文獻的平均數量。計算方法如下：

(2)

式中：n——所研究的期刊在前三年發表的論文在統計年的總被引次數；

pi——在期刊煤礦領域內第i篇論文同年同期刊發表的所有論文中，至少含有一篇活躍參考文獻的論文占所有論文的比例；

ri——第i篇論文的參考文獻屬于被CNKI收錄的期刊在統計年的前三年發表的論文的數量。

利用表1的統計信息，代入式(1)和式(2)中，最終得出了這9個核心期刊的SNIP1值，其中SNIP1值較高的3個核心期刊為礦業安全與環保、安全與環境學報和煤礦安全，分別為8.35、6.08和4.88，計算數據如表2所示。

通過計算SNIP1值，篩選出期刊影響力度較高的3個核心期刊，使得收集的數據更具有代表性和可靠性。

表2 前3個SNIP1值較高的核心期刊

2 數據收集及整理

在CNKI中導出礦業安全與環保、安全與環境學報和煤礦安全3個核心期刊在2010-2016年間論文的基本信息，包括作者、題名、文獻來源、年份、關鍵詞等。177位作者中(考慮了作者的重名)，總共有17位作者沒有與其他的作者合作，因此作為作者合作網中的孤立點排除。因此計算作者之間的合作率為90.40%。若僅僅從合作率來講，研究煤礦不安全行為領域的作者之間的交互性很高。但是這種交互僅僅限于課題組內合作還是課題組之間的合作，還需要利用社會網絡理論來進行分析。

利用所搜集到的文字信息，構建作者合作關聯數據和關鍵詞關聯數據。在構建關聯數據時，作者之間不存在合作關系的設為0，存在合作關系的設為1；關鍵詞之間不存在聯系的設為0，存在聯系的設為1。

3 社會網絡結構分析與結果

3.1 礦工不安全行為社會網絡結構

將統計的作者合作矩陣數據輸入UCINET軟件中，進行可視化分析，如圖1所示。正方形的大小表示該作者的中心度的大小。正方形越大，表示該作者的中心度越大，合作度就越大。該模型中有563個連接線，即177個作者之間有563個關聯。

圖1 作者合作模型的可視化分析

本文主要從4個方面對構建的煤礦不安全行為研究的社會網絡進行分析，包括密度分析、中心性分析、小團體分析和核心-邊緣結構分析。

(1)密度分析。密度反映的是在所研究領域中的作者之間互相聯系和相互交流的程度，介于0和1之間。密度值越接近于0，說明作者之間越缺乏聯系和交流；密度值越接近于1，則作者之間的相互聯系和交流的程度越深。

而在煤礦不安全行為研究中的密度分析中得知，密度值為0.0183，標準差為0.1340。盡管合作率偏高，但是密度值極小，說明在該領域中作者之間比較偏向于固定團隊或者課題組研究，幾乎沒有交叉性交流與聯系。

(2)中心度分析。中心度用來表示個體在一個群體當中處于何種地位，擁有何種權利。中心度值越高，表示該個體在群體中所占的地位越重要，擁有的權利越大，所獲取的資源越多，從而對他人的影響力越大。分析中心度往往從程度中心度、中間性中心度和親近中心度3個方面進行分析。

程度中心度是反映一個個體在群體中與他人產生關系的能力，分為絕對程度中心度和相對程度中心度。在作者合作模型中，網絡中心度為4.61%，表明煤礦不安全行為研究作者合作模型中仍然存在大多數的資源掌握在少數專家的手中。其中，35號的絕對程度中心度值和相對程度中心度值都最高。其次，分別是76、23、20、81和24號。35號的程度中心度值幾乎超出了76號一倍，說明35號作者在煤礦不安全行為領域中與其他作者發生聯系的能力很強，信息的交互性很高。程度中心度分析(部分數據)見表3。

表3 程度中心度分析(部分數據)

中間性中心度常常用來表示個體在網絡中能夠控制他人的能力，也常常從絕對中間性中心度和相對中間性中心度兩方面分析。在作者合作模型中，35號在這兩個方面的值依然位于最高。其次為76、23、20、91和24號。中間性中心度分析結果說明35號在煤礦不安全行為研究中處于重要位置，掌握資源較豐富，其他作者通過他發生聯系的人偏多，因此該個體從中能夠得到的信息就越多，控制該領域的能力就越大。中間性中心度分析(部分數據)見表4。

表4 中間性中心度分析(部分數據)

親密中心度用來反映個體在網絡中與其他個體之間的接近程度。35號的親密中心度值都居于首位，為0.658，處于網絡群體的中心位置。在338個個體之間的親密中心度值相差很少，因此，相對而言，在煤礦不安全行為研究中，個體分布較為均勻，邊緣化的趨勢不是很明顯。

經過3個中心度分析，可以看出，35、76、23、20、81和24號都有較高的程度中心度值、中間性中心度值和親密中心度值，因此這6個個體處于絕對的核心位置，具有一定的權威性。

(3)小團體分析。中心度分析研究了處于核心地位的個體，而小團體分析則側重于研究網絡的內聚力。網絡中存在內部密度大和外部聯系高的小團體，在一定程度上有利于團隊內部以及團隊之間的信息傳播和交流。對小團隊的分析可以通過派系分析和凝聚子群密度分析兩方面來進行。

在UCINET軟件中，對177個作者進行小團體的劃分，得出網絡中共有49個小團體。分派相對較多，其中35號又分別帶領了9個小團隊，并沒有將其整合。即在煤礦不安全行為研究中大多數作者之間的交流僅僅局限于個人團隊和課題組，滿足于內部的溝通，而尚未做到跨團隊溝通，沒有真正實現信息的高效傳輸。

凝聚子群密度分析用于研究網絡中所存在的小團體之間的內聚力情況，反映了小團體之間的聯系緊密程度。通常密度值的取值為[-1，+1]，越接近于1，表明小團隊之間的聯系越緊密；越接近于-1，表明小團隊之間聯系越少；越接近于0，則小團隊之間的聯系較為隨機，無規律可循。凝聚子群密度分析見表5。

表5 凝聚子群密度分析

從表5可以得出，煤礦不安全行為研究的凝聚子群的密度為-0.889。該數據接近于-1，表明這49個小團體之間的關聯很少，證明了在煤礦不安全行為研究網絡中大多都只進行小團體內部的信息交流與溝通，而沒有進行小團體之間的信息共享，不利于該領域的創新發展。

在凝聚力分析中，通過研究網絡中的各個個體之間的平均距離，可以更深層次地了解到個體之間相互溝通所存在的間隔。在煤礦不安全行為研究中，平均的路徑距離為1.656。即可以認為，在該領域中每個個體只需要經過2個人就可以建立起聯系。說明在煤礦不安全行為研究中交流信息非常便利，僅僅通過2個人就可以相互聯系。分析聚集系數為0.969，該值趨近于1，值偏大，因此存在明顯的小世界效應。即煤礦不安全行為研究中，信息傳遞渠道暢通，任何作者之間僅僅需要通過2個中間人就可以與其中一個陌生的作者產生聯系。因此，該領域中的個體應該充分利用網絡中小世界效應，通過跨團隊輕松進行信息的交互。

(4)核心-邊緣結構分析。分析核心-邊緣結構可以依據網絡中的個體之間關系的程度將個體分為核心區域和邊緣區域兩個部分，從而在研究領域中找出處于核心區域的作者以及處于邊緣區域的作者，精準把握該領域的研究方向。

從煤礦不安全行為研究的核心-邊緣結構分析中可以得知，共有156個作者處于核心區域，包括35、76、23、20、81和24號等。這些作者在該領域的科研能力較強，研究方向處于前沿，值得學者借鑒和交流，是網絡中具有較高創新能力的次系統，決定了該領域的發展水平。而處于邊緣區域的作者，隨著時間的推移，部分學者會退出網絡，而部分學者則會朝著核心區域移動。

綜合這4個方面的分析，發現35、76、23、20、81和24號在各個方面都占了重要的地位，說明這6個個體在煤礦不安全行為研究中有一定的核心地位，科研能力較突出，并與其他學者有比較密切的聯系，但整個網絡中的跨團隊合作尚需深入發展。

4 結論與反思

(1)對2014-2016年煤礦不安全行為研究中的核心期刊通過SNIP1進行篩選，得出期刊影響力度較高的3個核心期刊，分別為礦業安全與環保、安全與環境學報和煤礦安全。通過對這3個核心期刊的數據采集，使得結果更具有可靠性和代表性。這也是本文較之前學者的研究中的創新點。

(2)根據收集的相關信息構建作者合作模型，通過密度分析、中心度分析、小團體分析以及核心-邊緣結構分析，了解到田水承、傅貴、栗繼祖等在模型網絡中占有絕對的核心地位，對煤礦不安全行為研究領域的控制能力較強。

(3)本文僅僅從中國知網(CNKI)中提取核心期刊的信息，希望學者可以拓寬知識庫以得到更為精準的結論。