政務微博社會網絡分析

李森 王夢甜

摘要：目前，微博作為“互聯網+政府”的典范，大力推進政務公開，打造陽光政府。但當前的發展中依舊存在一系列問題。通過選取全國排名前100的政務微博，利用社會網絡分析軟件Ucinet，從點度中心度、點的中間中心度、點的接近中心度和點的影響力四個指標入手，完全以網絡信息流通的角度具體研究政務微博在社會網絡中所承擔的重要作用，分析當前政務微博的網絡結構，最終給出建議。

關鍵詞：政務微博;社會網絡分析;Ucinet

中圖分類號：C931文獻標識碼：A文章編號：1008-4428（2019）01-0105-02

一、 引言

“微博”即微型博客，是博客的一種，是基于用戶關系信息分享、傳播以及獲取的平臺。而“政務微博”則是基于微博平臺，用來代表政府部門或官員，對外界進行信息服務、意見收集、輿論導向等。“政務微博”廣義上不僅包括政府部門開通的政務微博，還包括政府官員與個人所開通的用于政務工作和溝通交流的認證微博。筆者認為，所謂“政務微博”即國家及地方各級政府、黨政機構和社會服務團體以及這些在機構團體中工作的官員及個人，所開通的經過實名認證的微博，并用于政府信息服務、意見收集、輿論導向的網絡問政平臺。

“網絡”是某幾種事物之間由于存在某種互相的關系而構成的網絡。我們通常在研究網絡時，就是關注事物之間的結構，以網絡視角來看待事物之間的關系。而“社會網絡”是指社會個體之間的相互關系的集合，通常用點和線來表示。這樣，以政務微博博主為節點，以相互關注及評論轉發的信息流動關系為連線，就形成了政務微博的社會網絡關系。此研究正是基于所建立的微博網絡而對各個節點的重要關系進行研究。

本課題對前100的政務微博建立互相關注矩陣，例如A微博對B微博進行關注，則記為 1，反之則記為0，由上述計數方法到互相關注矩陣，此時將矩陣進行轉置便得到信息流向矩陣，以此矩陣作為目前初始矩陣。

二、 研究指標構建

（一）點度中心度

點度中心度用來描述一個社會網絡中的某一個節點和與其直接發生關聯的節點數量總和，刻畫出了該節點的局部中心度。絕對度數中心度是指網絡中與某點A直接相連接的節點個數，擁有較高度數的政務微博為該網絡中活躍度較高的節點，其重要程度也就越高。

（二）點的中間中心度

點的資源控制能力bjk的測量：通俗來說，某點i控制信息的能力就是經過i點且連接點j、k兩點之間的路徑條數和j、k之間總路徑的比值，此比值在0—1之間。假設網絡中某兩個點j與k之間存在gjk條路徑，且這gjk條路徑中的gjk（i）條經過某一點i，我們可以稱bjk=gjk（i）gjk為點i控制的點j與k之間資源的能力。點的中間中心度（CABi）的測量：將某點i相對于網絡中所有點的資源控制能力bjk相加之和記作CABi即點的絕對中間中心度CABi=∑nj∑nkbjk（i）。

（三）點的接近中心度

點的接近中心度關注的是社會網絡中一個節點與其他節點的接近程度，與前述中心度的測量值相反，點的接近中心度越小說明該點越位于核心位置。點的接近中心度的測量：網絡中某一個點的接近中心度是指該點與圖中其他所有點的距離之和，其表達式為C-1APi=∑njdij，其中dij是指點i與j之間路徑中包含的線的數目。

（四）點的影響力分析

卡茲影響力指數的測量：令數據矩陣為C，其中各元素為Cij表示第i個個體關注了第j個個體，此時，C2中的元素Cij（2）表示從第i個個體到第j個個體之間長度為2的路徑數量。C3、C4等同理，最終將這些矩陣相加就可以得到一個影響力指數矩陣。同時引入變薄因子α，其次方α、α2，α3等分別對應矩陣C、C2、C3等的權重。變薄因子α取值范圍為0—1，此時得到影響力計算公式為

T=αC+α2C2+α3C3+…+αnCn=∑∞1αnCn=（E-αC）-1-E

三、 政務微博的社會網絡分析

社會網絡作為一個信息傳遞的群體，自然存在著自身的差異性。在一個網絡中，存在著中心與邊緣之分，在本課題中所構建的社會網絡中，不同的博主處于不同的位置，不同程度上控制了該網絡中所流通的資源，位于中心的博主有著較強的原創性，說話有“權威”，而處于邊緣地帶的博主僅僅只能通過收集資源來獲取外界信息。將本課題中構建的信息流通原始矩陣導入Ucinet軟件，進行以下分析。

（一）點度中心度

如表1是以信息的出度為順序，從大到小將微博進行排列。由于對此網絡的研究是基于信息的流通渠道，而完全排除外界影響而給出的，那么信息的出度就可以完全被認為“話語權”的大小。若單純以信息出度為標準來看，上表1顯示，該網絡中，信息的出度最大的是“公安部打四黑除四害”，控制著下游的69條信息流動的渠道，同時獲得來自42條信息通道的資源。“江寧公安在線”也有著較高“話語權”，其出度和入度分別為68和48。而在出度排名前幾位之中以公安微博和地方新聞發布類政務微博為主。

（二）點的中間中心度

表2是以網絡中節點的中間中心度為順序，從大到小將微博進行排列。由于中間中心度可以認為是“通過控制或者曲解信息的傳遞而影響群體”。單純從信息流通角度來看，上表2顯示，此網絡中信息的流通控制力度最大的是“平安遼寧”，其中間中心度為924.473，標準中間中心度為9.529，遠超其他所有微博，這表明“平安遼寧”是一個強有力的中間節點，在微博網絡中有著成為“橋梁”的節點的能力，其他大部分微博在信息獲取的時候，都與“平安遼寧”有著一定的關系，在微博網絡中，大量的橋節點的存在加速了信息流通。而在排名前幾位的微博中，仍然以執法部門居多，包括公安和交警。這也證實了公安部門的微博最為活躍。

（三）點的接近中心度

表3是以網絡中節點的接近中心度為順序，從小到大將微博進行排列。由于接近中心度越小，節點的受控制力度越小。單純從信息流通角度來看，上表3顯示，此網絡中信息的受影響力度最小的是“四川共青團”，其入度遠離度為 109.000，出度遠離度為186.000，表示此微博的信息依賴程度較小，最不容易受到其他節點的控制，位于該網絡中較為核心的位置。同樣，在排名前幾位的微博中，依然以公安微博居多，這依舊說明了目前國內的微博中，公安微博最為活躍。

（四）點的影響力

該項數據雖然軟件未給出排序，但依舊不難看出，“公安部打四黑除四害”的微博的對外影響力為0.989，明顯高于其他微博的影響力，而受到的影響力為0.652，這項數據直接可以反映出該網絡中節點的對外影響力大小和所受影響力的大小。根據上表4，“公安部打四黑除四害”和“江寧公安在線”政務微博的影響力較高，成為該網絡的核心博主。

四、 結論

在微博網絡中，意見領袖作為網絡中核心的節點，其自然擁有著較強的“話語權”，影響力較大，范圍較廣。在本研究中，公安類政務微博在該微博網絡中影響力較大，其中以“公安部打四黑除四害”和“江寧公安在線”微博為典型的核心節點，而少部分節點構成了網絡的邊緣地帶，這些微博相互構成了此微博網絡。

（一）實現政務微博的生態圈互通

在傳統的政府政務公開中，各地方政府通過網站等形式逐漸衍生出自己的生態圈，而每個生態圈中以信息交流為目的，構建出適合自身的信息分享網絡。但這種傳統的政務公開、信息分享形式過于閉塞，不利于信息快速傳播與交流。利用目前的微博平臺打破過去的傳統閉塞的模式，不局限于自己的網站生態圈，形成了有層次感，允許相互依賴的共享網絡結構，真正實現了全國范圍的信息互通，共享網絡系統，對于推進政務公開起到了積極的作用。

（二）構建多個節點為核心的網絡

在政務微博的信息分享過程中，各節點的信息分享能力不僅僅受到自身影響范圍和影響力的約束，在這個復合型網絡中，更重要的是節點與節點之間的契合度，每個意見領袖的生態圈是自然形成的是最快速，最直接的信息分享子群。然而在通過節點減“橋梁”傳播時，由于距離較長、上下游信息不對稱等因素，導致的信息扭曲，也稱“謠言”。減少傳播中的信息不對稱性，自然也是網絡構建中的重中之重。建立意見領袖的緊密合作關系，形成多個節點之間的網絡效應有助于網絡中對信息強有力的掌控。利用網絡的互動性、及時性和立體性的天然優勢來縮減信息的傳播時間，從而構建多節點為核心的網絡有利于減少信息傳播過程中造成的缺失，有利于營造更為健康向上的政府微博分享模式。

（三）積極構建良好的微博網絡群

目前中國政務微博處于蓬勃發展時期，新出現的微博都是從關注網絡中的意見領袖開始，學習通過微博平臺進行政務公開等一些服務，部分意見領袖微博作為網絡中的“老牌”微博，自然需要為整個政務微博的網絡發展承擔自己的責任，關注新生政務微博，并與其進行互動轉發等，快速促進新生政務微博擴大其影響力，為更多人所熟知。通過學習“老牌”政務微博的管理模式，快速發展自己。建立相應的管理團隊，避免形式主義。同時要依法明確自身微博內容公開、公正，積極辟謠不造謠，努力打造人民信賴的好政府形象。

參考文獻：

[1]2017年度人民日報·政務指數微博影響力報告[R].廣州：人民日報，微博，新浪，2018：4-5，4-5，67-69.

[2]劉暢.地方政府政務微博的傳播效應研究[D].大連：大連理工大學，2013：1-3.

[3]劉軍.整體網分析：UCINET軟件實用指南[M].上海：格致出版社：上海人民出版社，2014：1-4，127-128，129-130，134-135，136-144.

[4]陳華明，李暢.個體群組關系的構建：微博中的群體認同研究[J].四川大學學報（哲學社會科學版），2012（3）：67-71.

[5]杜楊沁，霍有光，鎖志海.政務微博微觀社會網絡結構實證分析——基于結構洞理論視角[J].情報雜志，2013（5）：25-31.

[6]杜楊沁，霍有光，鎖志海.基于復雜網絡模塊化的微博社會網絡結構分析——以“上海發布”政務微博為例[J].圖書情報知識，2013（3）：81-89，121.

[7]金鑫，謝斌，朱建明.基于復雜網絡分析的微博網絡輿情傳播[J].吉林大學學報（工學版），2012（S1）：271-275.

[8]Nash R， Bouchard M， Malm A. Investing in people： The role of social networks in the diffusion of a large-scale fraud[J]. Social Networks，2013，35（4）：686-698.