戎红艳,王海燕,徐建东

（宁波大学教师教育学院，浙江宁波315211）

基于微博虚拟社群的大学生非正式学习互动特征分析*

戎红艳,王海燕,徐建东

（宁波大学教师教育学院，浙江宁波315211）

微博作为一种新的网络交流方式，在支持非正式学习方面扮演重要角色，由此建立的微博虚拟社群使人们可以随时随地交流合作，成为大学生学习和交流的重要工具。本文以“数学王国”新浪微群为研究对象，运用社会网络分析法探讨了社群成员之间的互动关系；使用内容分析方法分析成员交互内容，发现学习者在学习交互中呈现的群体特征及交互情况；使用访谈法深入了解存在的一些问题，并提出了相应建议。

微博;虚拟社群;大学生;非正式学习

一、问题的提出

随着Web2.0技术的蓬勃兴起与发展，非正式学习受到广泛重视。并出现了许多支持非正式学习的工具，由此形成的虚拟学习社区成为人们非正式学习的重要场所之一。以微博为基础形成的虚拟社群为大学生进行非正式学习提供了便利的技术支持，成为其进行非正式学习的典型形式之一。但是微博社群环境下大学生进行非正式学习的情况如何？具体呈现什么特征和规律？网上学习是否真正发生？如何高效地利用微博进行非正式学习？从而提高知识获取的能力，这些问题都是值得思考和研究的。

本文以新浪微博虚拟社群为研究对象，通过分析该虚拟社群成员之间的互动关系、成员的互动内容等，对虚拟社群中大学生非正式学习的互动特点和学习效果进行了研究。

二、研究设计

1.研究对象

本文以新浪微博中的非正式学习社区——“数学王国”交流群为研究对象，该群是新浪微博中的微群（地址：http://q.weibo.com/180141)，创建于2011年1月17日，截止2014年10月2日，该群成员4502人（包括大学生、高中生、教师等），群内发言2973条，发起话题119个，多为大学生成员间的交流，成员交流较频繁。

因为“数学王国”微群总体成员较多，本文通过滚雪球抽样的方法确定样本人群。这是一种非概率抽样法，通过调查者依次提名其他调查者，以获得相对接触总体的所需群体[1]。

因此，笔者随机选取“数学王国”微群中某个成员微博作为起点，通过该微博页面的“关注”栏向外收集其关注微博、关注微博的关注微博，重复关注微博只记一次，最终形成了由105个微博组成的四阶网络域，即样本人群。抽样过程及样本编码如图1所示。

图1 “数学王国”样本编码图

2.研究过程与方法

（1）社会网络分析

社会网络分析主要分析的是个体、群体或社会等所构成的关系及其属性[1]。本文利用社会网络分析法对基于微博社群中非正式学习的互动结构进行分析，从而描述在线环境下群体的学习互动情况。

本文对“数学王国”微群中成员互动的社会网络分析是以群成员微博的“关注关系”来取值，成员A关注成员B取值1，未关注取值0；对样本人群建立成员关系矩阵，并将矩阵初始数据记录在Excel中，利用社会网络分析软件Ucinet6.0及可视化绘图软件NetDraw进行分析，从而评价微博社群的整体互动情况。

（2）基于分析框架的内容分析法

内容分析法是从定性研究角度对在线交流内容的质量进行量化分析的研究方法[2]。本文采用CMC内容分析方法，根据构建的分析框架对社群成员间的互动文本进行分类处理，探究社群成员知识获取的情况、协作的程度等。

首先在基于微博应用特点等因素基础上，对前人研究教师博客社群提出的内容分析框架进行改进，提出微博社群交互深度的内容分析框架和编码方案如表1所示；然后，在该编码框架基础上，对收集的交互文本进行分析，以考察社群成员学习交互质量。

表1 微博社群中互动深度内容分析编码框架

（3）访谈法

对社群内部交互特征进行分析过程中还有一些重要和不易量化的问题，本文抽取访谈对象与其交流以深入说明研究问题。访谈对象是管理员和活跃成员。

通过微博平台的私信或留言功能与调查对象取得联系。运用即时通讯工具（QQ）对其进行访谈。访谈内容涉及学习动机、成员参与交流讨论和社群非正式学习的情况，通过访谈结果总结并验证非正式学习社群的网络结构特点及内部交流特征。

三、研究结果与分析

1.社会网络分析

（1）社群图分析

虚拟学习社群实质是社群成员及其关系的集合，它是一个社会网络[3]。社会网络分析中的社群图是由点（指社会行动者）和各点之间的连线（指行动者间的关系）组成。

根据收集的数据，利用Ucinet6.0中整合的可视化分析软件Netdraw，绘制出成员交互关系社群图如图2所示。

图2 社群成员交互关系社群图

从图2看出，靠近社群图中心节点比较稠密，说明成员关系比较紧密、互动较频繁；边缘的较松散，说明成员互动较少。其中，83、87、104、105号等成员处于网络的外围，他们较少与其他成员进行关注，说明他们与社区成员交互较少，属于社区中不活跃成员。而2、16、17、18、20、21等成员处于网络的中心位置，是社区的核心成员，通过对群长期观察发现，他们与社区成员交互比较频繁，充当意见领袖的角色，因此他们受到很多成员的关注。

（2）网络密度分析

社会网络分析中的密度是网络中各结点间关系的紧密程度；结点间的联系越多，该网络密度就越大，说明网络成员间的联系越紧密[4]。

本研究中，网络密度可以反映出微群学习者参与学习互动交流的积极程度，通过对样本成员关系矩阵进行密度计算，得出学习者间的关系网络密度值为0.0274，密度值应介于0到 1之间，该值接近于0，说明从整体上看社群中学习者间的互动紧密程度并不高，大多数成员间互动关系非常稀疏。

（3）中心性分析

社会网络分析中，中心性用来衡量个体或组织在社会网络中的重要性或权利[4]。通过它我们可以清楚看到谁占据网络的中心。中心性由中心度和中心势两个指标组成。

①点度中心性

点度中心性可以衡量社群网络中的中心人物。包括度数中心度和度数中心势。点的度数中心度由出度和入度组成。计算出点的度数中心度如表2所示。整体网络图的点度中心势指数为31.361%，数值较小，说明该虚拟社群内学习者之间的交流比较分散。

表2 成员点度中心性指标（部分）

计算出2、21、6、16、17、20号度数中心度分别为38、33、18、23、18、16，排在前六位。说明他们是社群的核心成员，有很强的交互能力，在社群非正式学习活动过程中居于重要地位。

其中2、6、21、4、3号成员出度较高，说明他们在社群非正式学习互动过程中会积极主动地与他人进行交流，发表自己的学习观点。成员2、21、16、20、18入度较高，表明他们在学习互动中会被更多学习者关注，分享的知识和经验能引起其他成员的信赖。

②中间中心性

中间中心性代表网络中的个体控制其他个体之间交往的程度。如果某个行动者中间中心性较高，那么他就处于网络的重要位置[5]。

通过UCNIET计算出中间中心性指标值如表3。社群图的中间中心势为32.01%，该值不是太高，说明该虚拟社群整体的控制能力较低。

表3 成员中间中心性指标（部分）

从表3可知，成员21、2、1、12等在社群中拥有较大的中间中心度，说明他们在社群中处于重要的连接位置，是网络的核心，有很大的权利，对于其他学习者的相互交流起到促进作用。而50、77、104、105号等成员的中间中心度是0，说明他们处于网络的边缘，在社群中没有起到重要的作用。

从中心性分析可知，21、2、12、16号的点度中心度和中间中心度指标都是靠前的，说明他们是微群中的活跃成员，交往能力较强，与群成员建立的联系较多；同时也对群中其他成员间的交往产生一定影响，对整个社群互动具有较高的控制能力。

（4）凝聚子群分析

凝聚子群是指社群中的一小群成员关系比较直接、紧密，从而形成的子群体。本文从凝聚子群的派系（Clique）和密度（E－lndex）对社群的凝聚子群进行分析。

①派系分析

派系是建立在互惠关系基础上的凝聚子群；对于二元有向关系网络来说，派系中成员之间的关系是互惠的，并且不能向其中加入任何一个成员，否则将改变这个性质[4。对该社群网的派系分析结果如表4所示。

表4 社群派系分析结果

从表4得知，将派系的最小规模设定为4，共形成18个派系。分析派系结果发现，有些成员出现在不同的派系中，如2、16、17号成员都出现在派系1、2、3中，他们即派系共享成员。共享成员出现在派系中的次数越多，说明他们与多数成员建立了较为密切的关系，是社群中的重要人物，发挥的作用比较大。

②凝聚子群密度

凝聚子群密度（E-I指数）是用来衡量在一个大的社群中派系林立的程度。其取值范围是[-1，+1]，值越靠近1，表明关系越趋向于发生在群体之外，意味着派系林立的程度越小；越向-1靠近，意味着关系越趋向于发生在群体之内，派系林立的程度越大；值越接近于0，意味着关系越趋向于随机分布，派系林立的现象越不明显[4]。

通过UCINET6.0计算出该社群学习交流网络的凝聚子群的密度为-0.925，非常靠近-1，说明该整体网络中派系林立的现象较明显，子群体内部成员之间关系较紧密，互动程度高，学习者在各自所在的小团体中积极主动地进行着知识的交流互动。而各子群间互动较少，即不同小团体中的学习者较少进行交流活动。

2.CMC内容分析

（1）内容分析框架的编码

基于微博应用的特点和学习的深度特征，并根据王陆教授提出的“互动深度的定义”[6]、严亚利提出的“互动深度表”和黎加厚教授提出的 “教师博客交互程度编码方案”[7]进行改进，设计了微博社群中互动深度的内容分析编码方案。

（2）分析过程与结果讨论

①微博类型统计

笔者收集了“数学王国”微群从2013年8月2日至2014年10月2日间的交流数据，删除与数学学习无关的数据文本，共计398条。

在微博社群中，成员通过原发微博、转发微博、评论微博、转发评论的微博四类来进行非正式学习交流活动。而评论、转发、转发评论是社群成员间进行互动的三种微博类型，因此主要对这三类微博进行逐条内容分析。

统计收集的微博文本，原发类型的文本共88条，约占文本总数的22.11%，而转发、评论、转发评论等属于学习互动的文本共310条，约占77.89%。结合微群情况可知，“数学王国”微群成员主要进行的是基于文本内容的交流互动活动，对成员发布的微博进行回复的频率比较高，其中大部分的互动内容为成员在数学学习过程中遇到的一些问题或学习体会等。成员之间通过评论、回复等来相互交流学习心得。

②文本互动类型统计

依据改进的编码框架对310条微博互动文本数据分析、编码，统计结果如表5所示。

表5 文本互动类型统计

从表5可以看出，群成员进行浅度互动的文本共125条，约占文本总数的40.32%，其互动内容主要是对他人发布问题的简明态度或感受，如 “互相学习”、“谢谢”等；或是简单地表明观点、提出建议或疑问，如“这个题目的答案是…”、“为什么…”等；还有个别简单的转发或偏离主题的评论。

中度交互文本共127条，占40.97%，主要是通过简单陈述进行互动，针对他人的微博提出自己简单的观点或解决方案，或分析比较他人的观点或建议，总结提出自己的看法。

深度互动文本共58条，占18.71%，说明在微群中此类互动发生较少。主要是对微博原文主题或评论进行反思回应，依据个人知识和经验提出个人观点，较少对自己的观点或他人评论进行批判性思考。

同时可以看出，在该微群中学习者参与互动程度的类型依次是简单陈述（M1，占24.19%）、观点再认（S3，占21.29%）、简单评论（S2，占12.58%）、深入陈述（D2，占9.03%）、比较分享（M2，8.39%）、整理归纳（M3，占8.39%）、分析质疑（D1，占8.39%）、简单回应（S1，占6.45%）、内化迁移（D3，占1.29%）。说明成员在进行学习互动时，大多数是简单陈述自己的观点、对细节进行追问，而对个人看法或他人评论进行反思总结的较少，能对微博主题或他人观点进行批判性分析的则少之又少。

③微博类型与互动子类分析

为更加深入了解群成员学习互动的特征，分别对每种微博类型及其所表现的互动子类进行统计如表6所示。

表6 微博类型与互动子类统计

从表6可以看出，成员大多使用评论进行学习互动，共306条，较少使用转发评论。评论中以简单评论为主，其次是简单陈述，这说明群成员在互动交流时只是简单回答或提出建议，并不经常给出详细理由。转发微博有3条，只是简单对他人博文进行转发并没有评论。转发评论只有1条，属于简单回应，即成员转发时加以简单的评论。

3.访谈结果分析

（1）对非正式学习动机而言，大学生非正式学习的发生主要建立在兴趣基础之上，有时也会由其他方面的压力引起。兴趣往往是最好的老师，有了兴趣就预示着一个良好的开端。记得有位博主说“所谓的非正式学习，对自己而言，大多处于兴趣爱好”。利用微博开展学习首先是一个自主学习的过程，它需要学习者积极主动的去发现学习中遇到的问题或困惑并及时表达出来。

（2）社群互动不频繁——成员缺乏归属感。受访者普遍觉得成员缺乏对微群的归属感。“幼火”认为“群话题少或没人发布问题，很多时候也就不会再去使用，偶尔进去看看最近有什么动态。”“金数字”觉得“如果群内没有互动，就觉得没什么意思，也许就不怎么去关注了。”“鬼戍一城”认为“如果大家能不断地讨论交流，提出的问题能得到回应，才能更广泛地了解大家遇到的问题，也可以扩展自己的接触面，社群才能和谐发展。”

（3）制定社群规范。制定群组制度是能创建一个和谐的讨论交流环境，从而促进非正式学习的有效开展，如“舟中河”?认为“群一般多少会有些规则，如果大家都能遵守，共同交流，营造良好的社群学习氛围”。“幼火”认为“制定规则是有必要的，如果成员都能自律那最好，但有些比如发广告，推销等与群主旨无关的，影响了学习交流，劝阻不听，那就一定要踢出。”

（4）参与者之间的交互程度与多种因素有关。受访者认为：学习者发布的话题相关性、学习者的分享意识会直接影响到成员间的交互程度。如果社群中成员主动分享意识不强，不愿意回答其他成员的问题，交流就无法进行。更主要的是社群中是否存在能帮助解决问题的“专家”，如果学习者发布的问题能够得到有效的指导，成员才愿意并且逐步融入到学习交互中来，才能增强社群学习的凝聚力。

（5）学习收获。在被问到是否有所收获时，“舟中河”觉得“可能我在群里是属于比较活跃的，我基本上都会积极回答他们的问题，所以觉得还挺开心的”。其他受访者也认为通过这个平台解决了自己学习中的问题，收获了一些朋友同时也提升了自己。但有时也得不到及时解决，大家在线的时间都不确定，有时会没人回答，就通过其他途径来解决了。

四、总结

通过以上分析，基于微博虚拟社群的大学生非正式学习有以下特点：

1.从社会网络分析的角度看，社群成员间的互动特征

（1）社群整体网络密度小。在微博社群中学习者之间联系不那么紧密，成员之间互动不是特别频繁，深度交互较少。可能成员之间熟悉度不够，或是有些成员缺乏对社群的归属感或信任感。

（2）由于社群成员间的互动差异并逐渐形成核心成员和边缘成员。核心成员在社群中占据着重要位置，对整个社群的互动有重要作用。边缘成员在社群中处于围观状态，可能他们属于只浏览不发言的“替代交互学习”者。

（3）社群中派系较多且派系林立程度大。社群成员之间的互动交流多发生于凝聚子群内部，且互动分享程度比较高；而不同子群间学习者互动较少。

2.从内容分析的角度来看，成员与内容之间的交互深度特征

（1）由于成员对某个领域有共同的兴趣爱好或目标追求而聚集到便捷的微博社群中来，社群成员的学习往往围绕某一主题进行，成员通常是针对领域学习过程中遇到的问题进行讨论，征询意见、给出建议，分享学习心得或经验等。

（2）社群成员以原发、评论、转发及转发评论四种方式进行交流互动，主要是以内容交互的方式与其他成员进行了比较积极的互动且大部分是通过评论的形式。

（3）由于社群成员都是把学习生活中遇到的问题发布上来，带有明显的随意性，使得学习社群中缺乏深度的交互，主要是针对他人的微博进行简短评论或给出建议，较少有针对某一内容进行深入、具体的学习交流。

五、建议

基于微博社群非正式学习的以上特点，为促进社群的持续发展，笔者尝试提出以下建议：

1.发展社群中领袖层

学习者参与非正式学习群体进行学习，主要是群体中有共同兴趣爱好者或群体能解决自己所遇问题。在“微博群”开展协作学习过程中，领袖层成员通过积极发言、共享信息、交流心得或与其他成员充分互动，带领学习者积极参与讨论，解决其他成员的问题。因此，在非正式学习社群中，应多培养意见领袖以引导学习者交流讨论，有利于社群和谐学习氛围的形成及非正式学习的有效开展。

2.引导社群中孤立者

成员的发帖没有得到任何回应，久而久之就不会参与交流，他们缺乏对社群的归属感和信任感，因此，社群中“专家”更应该发挥作用，帮助并引导其他学习者参与互动，既能促进社群知识的发展，又有利于学习者的进步。

3.丰富社群平台中的信息资源

对于个体学习而言，个体特征以及信息资源对学习效果具有重要影响；信息资源可能来源于“微博群”成员的共享，也可能是由“领袖层”成员设计和整理的有组织的信息资源[8]。所以，必须倡导和促进学习者多发布学习观点、分享资源，才能够带动更多的学习者参与交流和讨论。

4.提高社群交互程度以保持社群学习的持续力

互动作为网络协作学习的核心要素，是促进社群发展的决定性因素，社群中互动的深度决定网上学习的真正发生。微博社群中的交互程度（如频度和深度）会对社群非正式学习效果产生明显的影响。如果交互程度过低，缺乏必要的解答和指导，很容易使成员对社群学习降低兴趣，更不利于学习的真正发生。

六、结束语

本文通过社会网络分析法，借助Ucinet软件分析了“数学王国”微群的网络关系，获得了其网络特征；并用内容分析方法对其互动内容进行分析，考察社群成员知识交互的过程和深度情况；在此基础上进行了讨论并提出建议。但在基于这种开放的非正式学习网络环境中，最主要的是学习者自身的主动参与能力。本文仅为个案研究，研究范围的限定在一定程度上影响了其结果的推广，分析内容有限，具有既定的局限性，还需做更深层次的研究。

[1]刘军.社会网络分析导论[M].北京:社会科学文献出版社,2004.

[2]周黎明,邱均平.基于网络的内容分析法[J].情报学报,2005（5）:594-599.

[3]王陆.虚拟学习社区的社会网络分析[J].中国电化教育，2009（2）:5-11.

[4]刘军.整体网分析讲义一UCINET软件实用指南[M].上海:格致出版社,2009:1-147.

[5]周智勇，陈仕品.微博虚拟学习社区互动关系的社会网络分析[J].现代远距离教育,2012（5）：73-77.

[6]王陆.信息化教育研究中的新内容:互动关系研究[J].电化教育研究，2008（1）:11,17.

[7]严亚利,黎加厚.教师在线交流与深度互动的能力评估研究——以海盐教师博客群体的互动深度分析为例[J].远程教育杂志,2010（2）：68-71.

[8]戴德宝,刘蕾.基于AMOS技术的“微博群”非正式学习模式研究[J].开放教育研究,2013（6）：108-116.

（编辑：杨馥红）

G434

B

1673-8454（2015）13-0027-06

2013年宁波大学研究生科研创新项目“微博虚拟学习社区中大学生非正式学习问题研究”（项目编号：G13019)资助；浙江省教育厅项目“基于网络环境的大学生非正式学习问题研究”（项目编号：Y201121268）成果之一。