在線健康社區(qū)中用戶回帖行為影響機(jī)理研究

劉 璇，汪林威，李 嘉，張朋柱

1 華東理工大學(xué) 商學(xué)院，上海 200237 2 上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200052

在線健康社區(qū)中用戶回帖行為影響機(jī)理研究

劉 璇1，汪林威1，李 嘉1，張朋柱2

1 華東理工大學(xué) 商學(xué)院，上海 200237 2 上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200052

在線社交網(wǎng)絡(luò)的持續(xù)發(fā)展和公民健康意識(shí)的不斷增強(qiáng)促進(jìn)了在線健康社區(qū)的興起和繁榮。健康社區(qū)為用戶提供了一個(gè)獲取醫(yī)療資源并分享知識(shí)、經(jīng)驗(yàn)和情感的開放式平臺(tái)。由于其在為用戶和患者提供豐富的醫(yī)療信息和知識(shí)資源、滿足用戶間的社交需求等方面表現(xiàn)突出，近年來(lái)，國(guó)內(nèi)外在線健康社區(qū)都出現(xiàn)了蓬勃發(fā)展的態(tài)勢(shì)。

在社區(qū)的各種行為中，發(fā)帖和回帖是社區(qū)中用戶社交行為的重要體現(xiàn)，是維系社區(qū)繁榮的根本，因此對(duì)社區(qū)中用戶回帖行為的影響機(jī)理進(jìn)行研究具有重要的意義。

以糖尿病在線健康社區(qū)甜蜜家園網(wǎng)站為研究對(duì)象，基于該網(wǎng)站2015年1月～6月的社區(qū)發(fā)帖和回帖數(shù)據(jù)以及所有用戶的個(gè)人信息數(shù)據(jù)，構(gòu)建健康社區(qū)的用戶回帖有向網(wǎng)絡(luò)，該網(wǎng)絡(luò)包含邊和節(jié)點(diǎn)兩部分屬性信息；運(yùn)用指數(shù)隨機(jī)圖模型，探討該網(wǎng)絡(luò)中網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)屬性對(duì)回帖網(wǎng)絡(luò)形成的影響機(jī)理。

研究結(jié)果表明，回帖網(wǎng)絡(luò)同時(shí)具有互惠性和傳遞性特征，互惠性表明社區(qū)中的用戶傾向于互相回帖，傳遞性表明該網(wǎng)絡(luò)有很好的發(fā)展?jié)摿Α９?jié)點(diǎn)屬性對(duì)用戶回帖行為的影響機(jī)制較為復(fù)雜，其中，用戶傾向于對(duì)同質(zhì)性(類型同質(zhì)性)用戶回帖；社會(huì)資本(如好友數(shù)量、活躍度)高的用戶能獲得更高的回帖概率；大量給他人回帖的用戶和新用戶更易獲得他人的回帖。

研究結(jié)果進(jìn)一步豐富了在線健康社區(qū)中用戶行為機(jī)理的研究范式，以及電子健康、在線社交網(wǎng)絡(luò)、健康社區(qū)、論壇回帖行為等領(lǐng)域的研究，并對(duì)社區(qū)的管理有一定的啟示作用；有利于指導(dǎo)社區(qū)的設(shè)計(jì)機(jī)制，如鼓勵(lì)新人多發(fā)帖、引導(dǎo)有較大影響力的用戶(如管理者和活躍度高的用戶)發(fā)帖互動(dòng)、進(jìn)一步促進(jìn)同質(zhì)用戶間的信息交流等，這些機(jī)制進(jìn)一步促進(jìn)和引導(dǎo)論壇中用戶間的信息交互，對(duì)論壇持續(xù)繁榮發(fā)揮重要作用。

在線健康社區(qū)；回帖行為機(jī)理；指數(shù)隨機(jī)圖模型；網(wǎng)絡(luò)結(jié)構(gòu)；節(jié)點(diǎn)屬性

引言

電子健康(e-health)是信息和通信技術(shù)在醫(yī)療衛(wèi)生領(lǐng)域從預(yù)防、診斷、治療、隨診、康復(fù)到健康促進(jìn)全方位的應(yīng)用，是信息技術(shù)、醫(yī)學(xué)、公共衛(wèi)生、管理學(xué)和社會(huì)學(xué)的交叉學(xué)科，其目的是最大限度地整合和利用醫(yī)療健康資源，提高公眾的健康狀況[1-2]。電子健康改變著人們的健康生活，也開創(chuàng)和促進(jìn)了很多新的技術(shù)和服務(wù)理念，從而對(duì)傳統(tǒng)醫(yī)療行業(yè)帶來(lái)深刻的變革，這些變革包括但不僅限于覆蓋全民的健康信息網(wǎng)絡(luò)、電子健康記錄、遠(yuǎn)程醫(yī)療服務(wù)、移動(dòng)醫(yī)療設(shè)備和通信等，越來(lái)越多基于IT和通信技術(shù)的疾病預(yù)防、診斷、治療、健康監(jiān)測(cè)和生活方式管理的系統(tǒng)和設(shè)備，以及基于社會(huì)化媒體的醫(yī)療活動(dòng)，互聯(lián)網(wǎng)逐漸成為公眾獲取健康信息、尋求醫(yī)療保健活動(dòng)的重要資源[3-4]。

與傳統(tǒng)的電子病歷相比，社會(huì)化媒體是電子健康一個(gè)新興的應(yīng)用領(lǐng)域。在線健康社區(qū)(online health communities,OHCs)是在線社交網(wǎng)絡(luò)持續(xù)發(fā)展與公民健康意識(shí)不斷增強(qiáng)相融合的產(chǎn)物，是指基于web 2.0互聯(lián)網(wǎng)技術(shù)支持，用戶針對(duì)疾病問(wèn)題進(jìn)行治療方案或病情等相關(guān)知識(shí)經(jīng)驗(yàn)的共享、專家咨詢和成員交流等活動(dòng)的在線社區(qū)[5]。在線健康社區(qū)中，人們可以向?qū)＜易稍儐?wèn)題，向其他病患者學(xué)習(xí)或與其他病人一起分享各自的經(jīng)歷，獲取有益的健康知識(shí)[6]。近年來(lái)，Patientslikeme、CureTogether、DailyStrength、Disaboom、甜蜜家園、天涯社區(qū)健康在線、39健康網(wǎng)等國(guó)內(nèi)外在線健康社區(qū)都出現(xiàn)了蓬勃發(fā)展的態(tài)勢(shì)。在線健康社區(qū)中，發(fā)帖和回帖是用戶社交行為的重要表現(xiàn)方式，是維系社區(qū)繁榮的根本，因此對(duì)社區(qū)中用戶回帖行為的影響機(jī)理進(jìn)行研究具有重要的意義。

1 相關(guān)研究評(píng)述

回帖行為是在線社區(qū)中一種用戶間信息交互的過(guò)程，學(xué)者們對(duì)網(wǎng)絡(luò)社區(qū)的主要特征和傳播模式做了大量的研究。隨機(jī)指數(shù)圖模型[7]、小世界模型[8]和無(wú)標(biāo)度模型[9]是3種解釋網(wǎng)絡(luò)拓?fù)涮卣鳟a(chǎn)生的原因和演化模式的基本網(wǎng)絡(luò)，在這些網(wǎng)絡(luò)模型的基礎(chǔ)上，已有研究對(duì)不同的網(wǎng)絡(luò)社區(qū)進(jìn)行實(shí)證研究。ADAMIC et al.[10]研究Stanford大學(xué)的一個(gè)互聯(lián)網(wǎng)社區(qū)，發(fā)現(xiàn)人際網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)具有小世界特征；AHN et al.[11]對(duì)在線互聯(lián)網(wǎng)社區(qū)Cyworld進(jìn)行度分布、聚類系數(shù)、度耦合、平均路徑長(zhǎng)度等網(wǎng)絡(luò)特征分析，證明人際關(guān)系網(wǎng)絡(luò)具有小世界和冪律分布特性；GIRVAN et al.[12]的研究發(fā)現(xiàn)網(wǎng)絡(luò)用戶在互聯(lián)網(wǎng)社區(qū)中傾向于形成具有強(qiáng)聯(lián)接的社團(tuán)結(jié)構(gòu)。

用戶的回帖行為受到眾多因素影響，已有研究從社區(qū)參與動(dòng)機(jī)和影響因素角度討論在線社區(qū)用戶參與行為。陳然[13]從參與動(dòng)因角度研究社會(huì)民生網(wǎng)絡(luò)社區(qū)中參與者發(fā)帖和回帖的動(dòng)因，主要包括參與者的個(gè)體因素和社會(huì)因素兩方面，個(gè)體因素又包括外在動(dòng)機(jī)(即感知有用性)和內(nèi)在動(dòng)機(jī)(即感知愉悅)，外在動(dòng)機(jī)分為工具性動(dòng)機(jī)、逃避現(xiàn)實(shí)性動(dòng)機(jī)、匿名表達(dá)動(dòng)機(jī)和聲望動(dòng)機(jī)4類，工具性動(dòng)機(jī)包括社會(huì)支持動(dòng)機(jī)和信息交流動(dòng)機(jī)，社會(huì)因素主要指參與者的社區(qū)認(rèn)同感；研究發(fā)現(xiàn)社區(qū)認(rèn)同感、信息交流動(dòng)機(jī)和聲望動(dòng)機(jī)是促使參與者圍繞社會(huì)民生話題發(fā)表主帖的顯著動(dòng)因，社區(qū)認(rèn)同感和社會(huì)支持動(dòng)機(jī)是促使參與者圍繞社會(huì)民生話題發(fā)表回帖的重要推動(dòng)力。已有關(guān)于在線社區(qū)參與的影響因素的研究主要集中在角色和內(nèi)容兩大方面。BENOIT et al.[14]通過(guò)測(cè)試用戶參與在線社區(qū)的相關(guān)行為，發(fā)現(xiàn)用戶對(duì)自我角色的清晰認(rèn)知和執(zhí)行、社區(qū)提供者的積極響應(yīng)、用戶對(duì)社區(qū)的滿意度都會(huì)影響用戶的一系列參與行為；丁漢青等[15]認(rèn)為社交網(wǎng)絡(luò)中成員的影響力與知識(shí)位勢(shì)之間存在一定的關(guān)聯(lián)性，即社交網(wǎng)絡(luò)的用戶之間不僅有以知識(shí)形式存在的信息流，也存在用戶之間的影響流；而信息的發(fā)布、回復(fù)、評(píng)論過(guò)程中，影響力總是傾向于從信息位較高的用戶流向信息位較低的用戶，影響力在社交網(wǎng)絡(luò)中往往通過(guò)較高的發(fā)言質(zhì)量和頻率等形式衡量。

已有對(duì)在線健康社區(qū)的研究主要體現(xiàn)在用戶參與動(dòng)機(jī)、群組特征和主題特征幾個(gè)方面。在用戶參與動(dòng)機(jī)方面，KUMMERVOLD et al.[16]研究發(fā)現(xiàn)，大部分女性認(rèn)為參與健康社區(qū)有助于她們獲取醫(yī)療信息、建立更多的社會(huì)關(guān)系和得到更強(qiáng)的社會(huì)支持，因此多數(shù)人更愿意在線上談?wù)撍饺私】祮?wèn)題，而不是面對(duì)面交談，甚至差不多一半的人只在線上談?wù)撍齻兊慕】祮?wèn)題。在組群特征方面，有學(xué)者研究不同群組的特征對(duì)用戶參與在線社區(qū)行為的影響。VYDISWARAN et al.[17]對(duì)健康社區(qū)中建立小群組進(jìn)行研究，發(fā)現(xiàn)最初具有同質(zhì)性的用戶會(huì)促成他們形成小組，有更多的社交活動(dòng)；WU et al.[18]分析了影響在線健康社區(qū)中用戶溝通交流的因素，發(fā)現(xiàn)在線健康社區(qū)中用戶的發(fā)帖與回帖有明顯的互惠關(guān)系，擁有較高的活躍度的用戶群對(duì)社區(qū)體驗(yàn)有較高的滿意度，同時(shí)擁有更豐富的經(jīng)歷和偏激的情感的用戶組發(fā)的帖子有更重要的影響。還有學(xué)者對(duì)在線社區(qū)中主題信息相關(guān)特征進(jìn)行研究，SUDAU et al.[19]發(fā)現(xiàn)在線健康社區(qū)中大量對(duì)人們有影響的信息不是來(lái)自科學(xué)研究，而是社交媒體資源；張星等[20]的研究表明，論據(jù)質(zhì)量、信息完整性、表達(dá)質(zhì)量、一致性和來(lái)源可信性對(duì)在線健康社區(qū)的信息可靠性均有顯著影響；金碧漪等[21]以糖尿病為例，以來(lái)自健康社區(qū)的社會(huì)化標(biāo)簽社區(qū)和社會(huì)化問(wèn)答社區(qū)的問(wèn)答記錄作為研究對(duì)象，選取八大類主題，比較兩種網(wǎng)絡(luò)社區(qū)中該八大主題分布情況的異同，促使各網(wǎng)站平臺(tái)能夠更好地提供在線健康信息服務(wù)。

研究者們雖然對(duì)互聯(lián)網(wǎng)社區(qū)中的社交網(wǎng)絡(luò)關(guān)系和用戶參與行為開展了大量的研究，對(duì)其冪律分布、小世界行為等結(jié)構(gòu)特性達(dá)成了部分共識(shí)，但是對(duì)具體的網(wǎng)絡(luò)結(jié)構(gòu)及其形成原因和影響并未取得一致結(jié)論。另外，已有研究發(fā)現(xiàn)用戶特征與社區(qū)網(wǎng)絡(luò)用戶參與行為之間的關(guān)聯(lián)，但少有研究全面考慮不同用戶特征的作用效果和不同特征的不同影響機(jī)制，對(duì)用戶屬性和網(wǎng)絡(luò)特征如何交互影響社區(qū)用戶的參與更是少有涉及?；诖?，本研究對(duì)這兩個(gè)方面進(jìn)行更加具體的探討。

社區(qū)中有發(fā)帖者和回復(fù)者，發(fā)帖者的第一個(gè)發(fā)文即為帖子的主題，在主題后面的留言則為回文，社區(qū)中的用戶回帖網(wǎng)絡(luò)是指用戶給主題帖留言形成的網(wǎng)絡(luò)系統(tǒng)，該網(wǎng)絡(luò)中節(jié)點(diǎn)為發(fā)帖者和回帖者，一條有向邊是指一位回帖者給發(fā)帖者一次留言，以用戶為節(jié)點(diǎn)形成的網(wǎng)絡(luò)系統(tǒng)是目前研究的主要形式[22]。本研究從回帖網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)特征和社區(qū)中用戶的節(jié)點(diǎn)屬性兩個(gè)角度探討二者對(duì)回帖網(wǎng)絡(luò)形成的影響機(jī)理，采用指數(shù)隨機(jī)圖模型檢驗(yàn)這兩個(gè)方面對(duì)用戶回帖關(guān)系形成的影響。指數(shù)隨機(jī)圖模型是一種用來(lái)分析原網(wǎng)絡(luò)中的結(jié)構(gòu)是否呈現(xiàn)出我們假設(shè)的趨勢(shì)的統(tǒng)計(jì)模型，它能同時(shí)包含并處理復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)和多重節(jié)點(diǎn)屬性[23-24]。

2 理論基礎(chǔ)和研究假設(shè)

為了驗(yàn)證社區(qū)回帖網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)屬性對(duì)回帖網(wǎng)絡(luò)形成的影響，本研究基于前人的理論提出一系列假設(shè)。

互相回帖是互惠關(guān)系的一種體現(xiàn)[25]，節(jié)點(diǎn)i回復(fù)了節(jié)點(diǎn)j的帖子，隨后節(jié)點(diǎn)j在一段時(shí)間內(nèi)至少回復(fù)節(jié)點(diǎn)i一次，這就形成了互相回復(fù)關(guān)系，這也是用戶之間充分交互的體現(xiàn)[26]，健康社區(qū)中用戶間的互惠性回帖是社會(huì)交換的一種體現(xiàn)，有利于促進(jìn)用戶間的知識(shí)交換和情感交互。因此，本研究提出假設(shè)。

H1健康社區(qū)中用戶間傾向于互相回帖。

網(wǎng)絡(luò)傳遞性是社交網(wǎng)絡(luò)一個(gè)重要的性質(zhì)[27]。在社交網(wǎng)絡(luò)中包含多種網(wǎng)絡(luò)結(jié)構(gòu)，可分為有向網(wǎng)絡(luò)和無(wú)向網(wǎng)絡(luò)，實(shí)體由節(jié)點(diǎn)來(lái)表示，關(guān)系由邊來(lái)表示。傳遞性為社交網(wǎng)絡(luò)中存在三元關(guān)系的程度。根據(jù)KLYMKO et al.[28]的研究，有向網(wǎng)絡(luò)中三元關(guān)系有7種形式，見圖1，它們都體現(xiàn)了網(wǎng)絡(luò)的傳遞性。社交網(wǎng)絡(luò)傳遞性不僅反映存在于3個(gè)行動(dòng)主體之間的三元路徑，還反映在整個(gè)網(wǎng)絡(luò)中將要發(fā)生的結(jié)構(gòu)型事件[29]。在線健康社區(qū)中回帖網(wǎng)絡(luò)是一種有向網(wǎng)絡(luò)，用戶間達(dá)到信息傳遞和信息擴(kuò)散的目的。因此，本研究提出假設(shè)。

H2回帖網(wǎng)絡(luò)具有傳遞性。

同質(zhì)性是社交網(wǎng)絡(luò)一個(gè)重要的維度。MCPHERSON et al.[30]提出社交網(wǎng)絡(luò)中的同質(zhì)性原則，即兩個(gè)相似的人建立聯(lián)系的概率比那些相似性較低的人之間建立聯(lián)系的概率要高得多。個(gè)體間的同質(zhì)性可以用人口統(tǒng)計(jì)學(xué)的各個(gè)方面測(cè)量，如種族同質(zhì)性、年齡同質(zhì)性、宗教同質(zhì)性、性別同質(zhì)性、婚姻狀況同質(zhì)性等[31]。SONG et al.[32]將同質(zhì)性理論運(yùn)用到電子健康的研究中，研究治療方式和健康狀況的同質(zhì)性對(duì)病人之間好友關(guān)系形成的影響。在健康社區(qū)中，基于同質(zhì)性理論，探討回帖網(wǎng)絡(luò)中用戶屬性(包括性別、社區(qū)類型、用戶地域)的同質(zhì)性是否促進(jìn)回帖關(guān)系的形成。因此，本研究提出假設(shè)。

H3a用戶傾向于對(duì)相同性別的用戶回帖；

H3b社區(qū)中相同類型的用戶之間更容易形成回帖關(guān)系；

H3c相同地域的用戶之間有更多的回帖關(guān)系。

除個(gè)體間人口統(tǒng)計(jì)學(xué)屬性外，社交網(wǎng)絡(luò)的形成還受到處于社交網(wǎng)絡(luò)中每個(gè)個(gè)體的社交屬性的影響，用戶的社交性使用戶對(duì)關(guān)系的形成擁有偏好性[33]。社交資本理論表明，擁有較高的關(guān)系型社會(huì)資本(以下用好友數(shù)和活躍度衡量)的用戶，將有更高可能在社交網(wǎng)絡(luò)中獲得更多的社會(huì)資源。因此，本研究提出假設(shè)。

H4a擁有較多好友的用戶會(huì)得到更多其他用戶的回帖；

H4b活躍度高的用戶會(huì)得到更多其他用戶的回帖。

社交網(wǎng)絡(luò)也是知識(shí)傳遞的途徑[34]，ARGOTE et al.[35]定義知識(shí)轉(zhuǎn)移是一個(gè)網(wǎng)絡(luò)成員受到其他成員經(jīng)驗(yàn)影響的過(guò)程，強(qiáng)調(diào)網(wǎng)絡(luò)里知識(shí)傳遞的發(fā)生主要是源于他人的影響。健康論壇的發(fā)帖-回帖關(guān)系，體現(xiàn)的是一種社會(huì)交換的過(guò)程，知識(shí)和情感這兩種典型的社會(huì)資源得以通過(guò)發(fā)帖-回帖關(guān)系進(jìn)行交換，在社會(huì)交換的過(guò)程中，擁有較高的結(jié)構(gòu)型社會(huì)資本(用回帖數(shù)量測(cè)量)的用戶，由于對(duì)社區(qū)貢獻(xiàn)度高，更容易得到回饋。因此，本研究提出假設(shè)。

(a) (b) (c)

(d) (e) (f) (g)

圖1 有向網(wǎng)絡(luò)三元結(jié)構(gòu)Figure 1 Triangles in Directed Networks

H5a大量給別人回帖的用戶也會(huì)得到更多其他人的回帖。

另外，擁有高勢(shì)位的用戶往往擁有高質(zhì)量的知識(shí)產(chǎn)物，知識(shí)的傳遞也從他們流向低勢(shì)位的用戶[36]。在線健康社區(qū)中，新用戶是一類知識(shí)勢(shì)位較低的用戶，因此，本研究提出假設(shè)。

H5b新用戶會(huì)得到更多的回帖。

3 數(shù)據(jù)和方法

3.1數(shù)據(jù)描述

本研究從糖尿病社區(qū)甜蜜家園(http:∥bbs.tnbz.com)收集二手?jǐn)?shù)據(jù)。甜蜜家園是目前中國(guó)知名的糖尿病在線社區(qū)，社區(qū)中的用戶包括糖尿病病人、醫(yī)生、家屬和客服等。該社區(qū)創(chuàng)辦于2005年，已擁有大約180 000名用戶，社區(qū)給病人提供了一個(gè)分享治療心得、尋求幫助的平臺(tái)，給家屬提供了一個(gè)情感支持和出謀劃策的場(chǎng)所，給醫(yī)生和客服提供了一個(gè)幫助他人、提供先進(jìn)醫(yī)療資源的平臺(tái)。在當(dāng)前的醫(yī)療水平下，糖尿病依舊是一種無(wú)法完全根治的慢性疾病，這就要求糖尿病病人持續(xù)注意自己的健康，不斷關(guān)注最新的醫(yī)療成果，通過(guò)社區(qū)獲得知識(shí)共享和情感交互。由于社區(qū)中用戶發(fā)帖-回帖行為是用戶社交活動(dòng)的重要組成部分，有助于提高用戶粘性，保持社區(qū)用戶活躍度，促進(jìn)平臺(tái)的發(fā)展和繁榮，這也是本研究選取糖尿病社區(qū)研究用戶發(fā)帖-回帖行為的原因。

本研究收集2015年1月～6月的所有發(fā)帖和回帖數(shù)據(jù)以及相關(guān)用戶的所有用戶屬性數(shù)據(jù)，初始數(shù)據(jù)包括2 465名用戶、15 297條發(fā)帖和69 394條回帖。根據(jù)假設(shè)，本研究需要構(gòu)建回帖網(wǎng)絡(luò)，并實(shí)證分析網(wǎng)絡(luò)結(jié)構(gòu)和個(gè)體屬性對(duì)回帖關(guān)系的影響。因此，對(duì)數(shù)據(jù)進(jìn)行篩選，最終得到屬性完整的用戶277名，構(gòu)建了這277名用戶之間的回帖網(wǎng)絡(luò)，共872條邊。

表1給出用戶屬性的描述性統(tǒng)計(jì)。用戶屬性中，性別為二元分類變量，0為女性，1為男性；社區(qū)類型為分類變量，每個(gè)類型為一類；用戶地域?yàn)榉诸愖兞?，每個(gè)省為一類；用戶好友數(shù)為連續(xù)變量，是每個(gè)用戶好友的數(shù)量；用戶積分為連續(xù)變量，根據(jù)論壇的說(shuō)明，用戶總積分=精華帖數(shù)×10+威望×50+金錢，此處威望包含用戶的精華貼數(shù)和排行榜排名，金錢通過(guò)發(fā)帖和回帖的方式獲得，總體來(lái)說(shuō)，積分能表征用戶的發(fā)帖和回帖積極性，也表征用戶的權(quán)威性，作為一個(gè)綜合性指標(biāo)，用以表示用戶的活躍度；用戶回帖數(shù)量為連續(xù)變量，表征回帖網(wǎng)絡(luò)中用戶節(jié)點(diǎn)的出度大??；用戶注冊(cè)時(shí)間為連續(xù)變量，用以表示新老用戶。為更好地契合和檢驗(yàn)假設(shè)，根據(jù)已有研究[37-38]，本研究將用戶好友數(shù)、用戶積分、用戶回帖數(shù)量、用戶注冊(cè)時(shí)間4個(gè)連續(xù)變量處理為0-1分類變量。表2給出經(jīng)過(guò)處理后用于測(cè)試的用戶屬性數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，其中，性別均值為0.668，表明男性多于女性，標(biāo)準(zhǔn)差為0.471。其他屬性均處理為二元分類變量，選取前25%取值為1，其余取值為0，因此擁有相同的均值0.249和標(biāo)準(zhǔn)差0.432。

表2 屬性均值和標(biāo)準(zhǔn)差Table 2 Mean and Standard Deviation of Attributions

表3 相關(guān)系數(shù)Table 3 Correlation Coefficient

注：樣本數(shù)為277，**為p<0.010。下同。

進(jìn)一步地，屬性之間的相關(guān)系數(shù)見表3。由表3可知，用戶的好友數(shù)和積分兩個(gè)屬性之間有很強(qiáng)的相關(guān)性，因此本研究在后文的穩(wěn)健性檢驗(yàn)中將分別去掉其中一個(gè)屬性，檢驗(yàn)?zāi)Ｐ偷姆€(wěn)健性。其他屬性之間的相關(guān)性并不強(qiáng)，可以同時(shí)進(jìn)入檢驗(yàn)?zāi)Ｐ汀?/p>

為了更好地識(shí)別實(shí)驗(yàn)數(shù)據(jù)的代表性，本研究對(duì)實(shí)驗(yàn)抽取的277名用戶的屬性與原始數(shù)據(jù)中2 465名用戶的屬性進(jìn)行對(duì)比，表4給出分類變量各類別所占比例和連續(xù)變量的均值。由于社區(qū)中大量用戶對(duì)性別、地域等相關(guān)信息選擇保密，出現(xiàn)實(shí)驗(yàn)數(shù)據(jù)占比偏低的情況。但對(duì)比實(shí)驗(yàn)數(shù)據(jù)與原始數(shù)據(jù)發(fā)現(xiàn)，男性和女性的比例、用戶地域集中的省份基本保持一致。此外，4個(gè)連續(xù)變量中，用戶積分和用戶回帖數(shù)量的均值其原始數(shù)據(jù)與實(shí)驗(yàn)數(shù)據(jù)存在一定偏差，后續(xù)本研究對(duì)4個(gè)變量調(diào)整分類標(biāo)準(zhǔn)，進(jìn)行模型的穩(wěn)健性檢驗(yàn)。

本研究依據(jù)實(shí)驗(yàn)數(shù)據(jù)構(gòu)建回帖網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)見圖2。在由277個(gè)節(jié)點(diǎn)組成的有向網(wǎng)絡(luò)圖中，含有872條有向邊，網(wǎng)絡(luò)密度為0.011，二元交互網(wǎng)絡(luò)有40對(duì)，三元結(jié)構(gòu)有1 464個(gè)。

3.2指數(shù)隨機(jī)圖模型

本研究運(yùn)用指數(shù)隨機(jī)圖模型(exponential random graph model,ERGM)檢驗(yàn)假設(shè)。ERGM是一種能夠同時(shí)融合并分析網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)屬性的統(tǒng)計(jì)方法，該模型將網(wǎng)絡(luò)關(guān)系圖轉(zhuǎn)變?yōu)閿?shù)學(xué)模型，在網(wǎng)絡(luò)圖中，n為節(jié)點(diǎn)數(shù)，隨機(jī)變量Yi,j為i節(jié)點(diǎn)與j節(jié)點(diǎn)之間的聯(lián)系，Yi,j=1時(shí)表示i節(jié)點(diǎn)與j節(jié)點(diǎn)之間存在聯(lián)系，否則表示不存在聯(lián)系[39]。ERGM假設(shè)網(wǎng)絡(luò)由隨機(jī)過(guò)程產(chǎn)生，ERGM根據(jù)原有的網(wǎng)絡(luò)產(chǎn)生隨機(jī)的網(wǎng)絡(luò)圖，然后比較產(chǎn)生的網(wǎng)絡(luò)與原有的網(wǎng)絡(luò)，它們?cè)较嗨?，則模型模擬得越好。最終模型估計(jì)出各種結(jié)構(gòu)的參數(shù)，該參數(shù)表示其對(duì)應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)在網(wǎng)絡(luò)圖中出現(xiàn)的頻率[40]。ERGM的一般數(shù)學(xué)表達(dá)式為

表4 實(shí)驗(yàn)用戶與原始用戶屬性對(duì)比Table 4 User Attributions Comparison between Experimental Users and Original Users

(1)

其中，X為利用模型生成的網(wǎng)絡(luò)；x為真實(shí)的網(wǎng)絡(luò)，稱為觀測(cè)網(wǎng)絡(luò)；k為一個(gè)歸一化參量，統(tǒng)計(jì)并算出所有概率取值，用以確保(1)式為一個(gè)正確的概率分布[41]；A為觀測(cè)網(wǎng)絡(luò)中所有的網(wǎng)絡(luò)結(jié)構(gòu)的集合；θA為對(duì)應(yīng)于網(wǎng)絡(luò)結(jié)構(gòu)A的參數(shù)；gA(x)為對(duì)應(yīng)于網(wǎng)絡(luò)結(jié)構(gòu)A的網(wǎng)絡(luò)統(tǒng)計(jì)值，當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)A在網(wǎng)絡(luò)x中出現(xiàn)時(shí)gA(x)=1，否則gA(x)=0。本研究的目的是利用觀測(cè)網(wǎng)絡(luò)(包括圖的有向連接和節(jié)點(diǎn)屬性等)分析并求出模型的最佳參數(shù)，使生成的模型網(wǎng)絡(luò)與觀測(cè)網(wǎng)絡(luò)最接近。

為詳細(xì)說(shuō)明ERGM如何運(yùn)用到檢驗(yàn)本研究假設(shè)中，本研究列出每個(gè)假設(shè)對(duì)應(yīng)的分析層級(jí)和網(wǎng)絡(luò)結(jié)構(gòu)，表5給出所有假設(shè)以及對(duì)應(yīng)的分析層級(jí)和網(wǎng)絡(luò)結(jié)構(gòu)的圖解。

4 結(jié)果和討論

表6給出ERGM參數(shù)估計(jì)的結(jié)果，根據(jù)已有研究，判斷估計(jì)得到的參數(shù)結(jié)果是否顯著，需要檢驗(yàn)該參數(shù)是否至少為標(biāo)準(zhǔn)差的兩倍[42]。

由表6可知，檢驗(yàn)H1和H2的參數(shù)分別為2.187和3.626，兩個(gè)正的較大的系數(shù)表明這兩種網(wǎng)絡(luò)結(jié)構(gòu)出現(xiàn)的概率很大，即社區(qū)中的用戶傾向于互相回帖，且回帖網(wǎng)絡(luò)具有很強(qiáng)的傳遞性，H1和H2得到驗(yàn)證。表明健康社區(qū)中存在著用戶之間的互惠性，這有助于促進(jìn)知識(shí)交互和情感交流，網(wǎng)絡(luò)的傳遞性促進(jìn)了用戶之間更多的回帖和更充分的信息擴(kuò)散，也是保證社區(qū)持續(xù)繁榮的根本所在。

在節(jié)點(diǎn)屬性方面，由表6可知，檢驗(yàn)H3a的參數(shù)為-5.909，表明同性之間互相回帖的趨勢(shì)不明顯，有可能是因?yàn)楫愋灾g更具有吸引力，導(dǎo)致相同性別這一因素對(duì)回帖無(wú)影響，H3a沒有得到驗(yàn)證。這與已有研究一致[32]。檢驗(yàn)H3b的參數(shù)為0.724，且結(jié)果顯著，H3b得到驗(yàn)證；并由exp(0.724)≈2.063可知，相同社區(qū)類型的用戶之間多出一倍的回帖概率，即用戶的社區(qū)類型同質(zhì)性能促進(jìn)用戶之間的回帖。表明用戶傾向于與自己有相似身份或疾病類型的人交流互動(dòng)，因?yàn)橛脩裟軓挠邢嗨粕矸莼蚣膊☆愋偷娜松砩系玫礁嗟纳鐣?huì)認(rèn)同和信息交流。檢驗(yàn)H3c的結(jié)果不顯著，H3c沒有得到驗(yàn)證，說(shuō)明用戶地域上的一致對(duì)用戶回帖選擇沒有顯著影響，在線社交網(wǎng)絡(luò)的一大特征就是用戶可以突破地域界限進(jìn)行社交活動(dòng)，因而地域上的同質(zhì)性對(duì)回帖網(wǎng)絡(luò)的形成影響并不顯著。檢驗(yàn)H4a的參數(shù)為0.807，且結(jié)果顯著，H4a得到驗(yàn)證；由exp(0.807)≈2.241可知，擁有較多好友的用戶會(huì)得到兩倍多于其他用戶的回帖。好友數(shù)量多是用戶交際能力的體現(xiàn)，他們?cè)谏缃痪W(wǎng)絡(luò)中具有核心地位，其發(fā)帖容易獲得更多的關(guān)注，獲得大量好友甚至于陌生人的回應(yīng)。檢驗(yàn)H4b的參數(shù)為1.699，且結(jié)果顯著，H4b得到驗(yàn)證；由exp(1.699)≈5.468可知，活躍度高的用戶顯著可以得到大量的回帖，該節(jié)點(diǎn)屬性對(duì)回帖網(wǎng)絡(luò)的形成有很大的影響?；钴S度高的用戶在社交網(wǎng)絡(luò)中一般處于核心地位，成為社區(qū)的焦點(diǎn)和核心，因而其發(fā)帖能吸引更多人關(guān)注。檢驗(yàn)H5a的參數(shù)為0.685，且結(jié)果顯著，H5a得到驗(yàn)證，表明大量回復(fù)別人帖子的用戶，其發(fā)帖也能得到近兩倍(exp(0.685)≈1.984)多的回帖，這類用戶通過(guò)大量地傳遞知識(shí)給其他用戶，根據(jù)社會(huì)交換原理，其發(fā)帖請(qǐng)求也更容易得到其他人的回饋。檢驗(yàn)H5b的參數(shù)為0.477，且結(jié)果顯著，H5b得到驗(yàn)證；由exp(0.447)≈1.564可知，注冊(cè)時(shí)間短的新人發(fā)帖，比其他人發(fā)帖增加了56%的回帖概率，即新用戶會(huì)得到更多的回帖關(guān)注。原因可能在于新用戶的帖子一般出于求助和咨詢的目的，或是期望尋求好友和分享情感，而新用戶一般處于知識(shí)和情感的低位勢(shì)，因而能更多的從其他高位勢(shì)用戶中獲取信息傳遞或者情感支持。

表5 因素類型、研究假設(shè)、分析層級(jí)和網(wǎng)絡(luò)結(jié)構(gòu)圖解Table 5 Factor Type, Research Hypotheses, Levels of Analysis, and Graphical Illustrations for Network Configurations

表6 ERGM估計(jì)結(jié)果Table 6 Results for ERGM Estimation

本研究通過(guò)6個(gè)模型檢驗(yàn)原模型(M0)的穩(wěn)健性，模型1(M1)和模型2(M2)分別為去掉用戶好友數(shù)和用戶積分兩個(gè)屬性后得到的模型，模型3(M3)～模型6(M6)分別對(duì)應(yīng)選取每個(gè)屬性的前15%和前40%的用戶為用戶好友數(shù)多的、用戶積分高的、用戶回帖數(shù)量多的和用戶注冊(cè)時(shí)間短時(shí)模擬得到的結(jié)果，其他變量維持不變。穩(wěn)健性檢驗(yàn)結(jié)果見表7。

在表7中，由M1和M2可知，分別去掉用戶好友數(shù)和用戶積分后，本研究得到的結(jié)果和原模型M0基本一致。另外，由M3～M6可知，在H4和H5在調(diào)整分類標(biāo)準(zhǔn)后，結(jié)果僅存在小幅度浮動(dòng)，由此說(shuō)明雖然實(shí)驗(yàn)數(shù)據(jù)的用戶積分、用戶好友數(shù)、用戶回帖數(shù)量和用戶注冊(cè)時(shí)間較原始數(shù)據(jù)存在一定的偏移，但是這些變量對(duì)用戶回帖關(guān)系構(gòu)建的影響并不大。值得注意的是M6中，H5b在選取前15%的用戶為新用戶時(shí)，得到的參數(shù)為負(fù)數(shù)，且結(jié)果不顯著，考慮到15%意味著選取出的新用戶數(shù)量偏少，導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)出現(xiàn)頻率較低，產(chǎn)生這樣的結(jié)果合理。因此，通過(guò)對(duì)比M1～M6與M0，本研究認(rèn)為原始模型的結(jié)果擁有較好的穩(wěn)健性。

為了檢驗(yàn)?zāi)Ｐ褪欠褫^好的擬合實(shí)際網(wǎng)絡(luò)數(shù)據(jù)，本研究給出擬合優(yōu)度圖，見圖3。圖3中呈現(xiàn)的是原有網(wǎng)絡(luò)參數(shù)和ERGM估計(jì)出的參數(shù)的比較，包括入度、出度和享有共同節(jié)點(diǎn)的邊，實(shí)線代表原有的網(wǎng)絡(luò)，虛線代表方差，箱形圖代表模擬的網(wǎng)絡(luò)參數(shù)。由圖3可知，總體來(lái)說(shuō)，估計(jì)參數(shù)與原網(wǎng)絡(luò)差別較小，說(shuō)明現(xiàn)有的ERGM模型擬合得較好。

表7 模型穩(wěn)健性檢驗(yàn)結(jié)果Table 7 Results of Model Robustness Test

注：*為p<0.050。

圖3 擬合優(yōu)度圖Figure 3 Goodness-of-fit Plot

5 結(jié)論

本研究選取在線健康社區(qū)甜蜜家園的回帖數(shù)據(jù)和用戶屬性數(shù)據(jù)，經(jīng)過(guò)篩選數(shù)據(jù)和網(wǎng)絡(luò)構(gòu)建，形成用戶間回帖有向網(wǎng)絡(luò)，并利用ERGM分析網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)屬性對(duì)回帖網(wǎng)絡(luò)形成的影響，實(shí)證檢驗(yàn)本研究提出的9個(gè)假設(shè)。研究結(jié)果表明，回帖網(wǎng)絡(luò)同時(shí)具有互惠性和傳遞性特征；用戶屬性特征中，用戶在社區(qū)中的類型同質(zhì)性對(duì)回帖網(wǎng)絡(luò)形成發(fā)揮積極的影響；好友數(shù)量多、活躍度高和新加入的用戶能得到更高概率的回帖。

本研究融合并探討網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)屬性兩個(gè)角度的影響，對(duì)于節(jié)點(diǎn)屬性的研究進(jìn)行多角度的分類，從同質(zhì)性、知識(shí)傳遞性和社會(huì)資本多個(gè)角度處理屬性變量，豐富了電子健康、在線社交網(wǎng)絡(luò)、在線健康社區(qū)和論壇回帖行為等方面的研究。同時(shí)，研究結(jié)果能給在線健康社區(qū)提供管理上的參考建議，如鼓勵(lì)新人以及管理者和活躍度高等有較大影響力的用戶多發(fā)帖、多互動(dòng)，有利于提高社區(qū)回帖數(shù)量和質(zhì)量，服務(wù)和吸引新用戶，提高老用戶的活躍度和粘性等，最終能夠促進(jìn)社區(qū)繁榮，使更多患者從在線健康社區(qū)受惠。

本研究?jī)H考慮單一的發(fā)帖-回帖網(wǎng)絡(luò)，考慮到好友網(wǎng)絡(luò)、用戶訪問(wèn)網(wǎng)絡(luò)與回帖網(wǎng)絡(luò)可能存在很大的相關(guān)性，探索多重網(wǎng)絡(luò)間的關(guān)系以及不同網(wǎng)絡(luò)結(jié)構(gòu)和屬性的相互作用也具有重要的理論和現(xiàn)實(shí)意義；除網(wǎng)絡(luò)結(jié)構(gòu)和用戶屬性，帖子的內(nèi)容對(duì)回帖網(wǎng)絡(luò)的形成和影響也具有重要影響。這些工作將留待未來(lái)進(jìn)一步深入研究。

[1]EYSENBACH G.What is e-health?.JournalofMedicalInternetResearch,2001,3(2):e20-1-e20-2.

[2]WICKS P,STAMFORD J,GROOTENHUIS M A,et al.Innovations in e-health.QualityofLifeResearch,2014,23(1):195-203.

[3]NORMAN C D,SKINNER H A.eHealth literacy:essential skills for consumer health in a networked world.JournalofMedicalInternetResearch,2006,8(2):e9.

[4]SAPORITO B.The e-health revolution.Time,2005,165(26):55-57.

[5]DEMIRIS G.The diffusion of virtual communities in health care:concepts and challenges.PatientEducationandCounseling,2006,62(2):178-188.

[6]周軍杰.用戶在線參與的行為類型:基于在線健康社區(qū)的質(zhì)性分析.管理案例研究與評(píng)論,2016,9(2):173-184.

ZHOU Junjie.Examining the users′ participation behavior types in online health communities:a qualitative approach.JournalofManagementCaseStudies,2016,9(2):173-184.(in Chinese)

[7]ERD?S P,RéNYI A.On the evolution of random graphs∥PublicationoftheMathematicalInstituteoftheHungarianAcademyofSciences,1960:17-61.

[8]WATTS D J,STROGATZ S H.Collective dynamics of ‘small-world’ networks.Nature,1998,393:440-442.

[10] ADAMIC L,BUYUKKOKTEN O,ADAR E.A social network caught in the Web.FirstMonday,2003,8(6):1-22.

[11] AHN Y Y,HAN S,KWAK H,et al.Analysis of topological characteristics of huge online social networking services∥Proceedingsofthe16thInternationalConferenceonWorldWideWeb.New York:ACM Publications,2007:835-844.

[12] GIRVAN M,NEWMAN M E J.Community structure in social and biological networks.ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,2002,99(12):7821-7826.

[13] 陳然.社會(huì)民生網(wǎng)絡(luò)論壇參與者發(fā)帖行為的動(dòng)因探討:基于五大中文網(wǎng)絡(luò)社區(qū)的實(shí)證研究.新疆社會(huì)科學(xué),2012(6):108-114.

CHEN Ran.Survey on the influencing factors to posting of participants in social livelihood online forum:an empirical study on five Chinese online communities.SocialSciencesinXinjiang,2012(6):108-114.(in Chinese)

[14] BENOIT S,BILSTEIN N,HOGREVE J,et al.Explaining social exchanges in information-based online communities(IBOCs).JournalofServiceManagement,2016,27(4):460-480.

[15] 丁漢青,王亞萍.SNS網(wǎng)絡(luò)空間中“意見領(lǐng)袖”特征之分析:以豆瓣網(wǎng)為例.新聞與傳播研究,2010,17(3):82-91.

DING Hanqing,WANG Yaping.Analyzing on ‘opinion leader’ attributes in SNS cyberspace:an investigation of douban.com.Journalism&Communication,2010,17(3):82-91.(in Chinese)

[16] KUMMERVOLD P E,GAMMON D,BERGVIK S,et al.Social support in a wired world:use of online mental health forums in Norway.NordicJournalofPsychiatry,2002,56(1):59-65.

[17] VYDISWARAN V G V,LIU Y,ZHENG K,et al.User-created groups in health forums:what makes them special?∥ProceedingsoftheEighthInternationalAAAIConferenceonWeblogsandSocialMedia.Ann Arbor,Michigan:AAAI Press,2014:515-524.

[18] WU B,JIANG S,CHEN H.Effects of individuals′ motivations on communications in online health forums.SocialBehaviorandPersonality,2016,44(2):299-312.

[19] SUDAU F,FRIEDE T,GRABOWSKI J,et al.Sources of information and behavioral patterns in online health forums:observational study.JournalofMedicalInternetResearch,2014,16(1):e10-1-e10-16.

[20] 張星,夏火松,陳星,等.在線健康社區(qū)中信息可信性的影響因素研究.圖書情報(bào)工作,2015,59(22):88-96,104.

ZHANG Xing,XIA Huosong,CHEN Xing,et al.A study of factors affecting the information credibility of online health communities from an elaboration likelihood model perspective.LibraryandInformationService,2015,59(22):88-96,104.(in Chinese)

[21] 金碧漪,許鑫.網(wǎng)絡(luò)健康社區(qū)中的主題特征研究.圖書情報(bào)工作,2015,59(12):100-105.

JIN Biyi,XU Xin.Research on theme features in online health community.LibraryandInformationService,2015,59(12):100-105.(in Chinese)

[22] 葉作亮,王雪喬,王仙玲,等.一類BBS網(wǎng)絡(luò)統(tǒng)計(jì)特性實(shí)證分析.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué),2010,7(1):52-58.

YE Zuoliang,WANG Xueqiao,WANG Xianling,et al.Empirical research on statistical traits of a BBS reply networks.ComplexSystemsandComplexityScience,2010,7(1):52-58.(in Chinese)

[23] HEANEY M T.Multiplex networks and interest group influence reputation:an exponential random graph model.SocialNetworks,2014,36:66-81.

[24] YAN L L,PENG J,TAN Y.Network dynamics:how can we find patients like us?.InformationSystemsResearch,2015,26(3):496-512.

[25] PAN W,SHEN C,FENG B.You get what you give: understanding reply reciprocity and social capital in online health support forums.JournalofHealthCommunication,2017,22(1):45-52.

[26] BLISS C A,KLOUMANN I M,HARRIS K D,et al.Twitter reciprocal reply networks exhibit assortativity with respect to happiness.JournalofComputationalScience,2012,3(5):388-397.

[27] NEWMAN M E J,PARK J.Why social networks are different from other types of networks.PhysicalReviewE,2003,68(3):036122-1-036122-8.

[28] KLYMKO C,GLEICH D F,KOLDA T G.Using triangles to improve community detection in directed networks∥2014ASEBigdata/Socialcom/CybersecurityConference.California:Stanford University,2014:2-8.

[29] 魏鈞,李淼淼.團(tuán)隊(duì)知識(shí)轉(zhuǎn)移:多樣性與網(wǎng)絡(luò)傳遞性的作用.科研管理,2014,35(5):70-76.

WEI Jun,LI Miaomiao.Team knowledge transfer:the role of diversity and network transitivity.ScienceResearchManagement,2014,35(5):70-76.(in Chinese)

[30] MCPHERSON M,SMITH-LOVIN L,COOK J M.Birds of a feather:homophily in social networks.AnnualReviewofSociology,2001,27:415-444.

[31] THELWALL M.Homophily in MySpace.JournaloftheAssociationforInformationScienceandTechnology,2009,60(2):219-231.

[32] SONG X,JIANG S,YAN X,et al.Collaborative friendship networks in online healthcare communities:an exponential random graph model analysis∥ProceedingsofInternationalConferenceonSmartHealth.Beijing,2014:75-87.

[33] GOODREAU S M,KITTS J A,MORRIS M.Birds of a feather,or friend of a friend?Using exponential random graph models to investigate adolescent social networks.Demography,2009,46(1):103-125.

[34] 陶海青,薛瀾.社會(huì)網(wǎng)絡(luò)中的知識(shí)傳遞.經(jīng)濟(jì)管理,2004(6):77-84.

TAO Haiqing,XUE Lan.The knowledge transfer in social networks.EconomicManagementJournal,2004(6):77-84.(in Chinese)

[35] ARGOTE L,INGRAM P,LEVINE J M,et al.Knowledge transfer in organizations:learning from the experience of others.OrganizationalBehaviorandHumanDecisionProcesses,2000,82(1):1-8.

[36] LAVIE D,DRORI I.Collaborating for knowledge creation and application:the case of nanotechnology research programs.OrganizationScience,2012,23(3):704-724.

[37] WU B,JIANG S,CHEN H.The impact of individual attributes on knowledge diffusion in web forums.Quality&Quantity,2015,49(6):2221-2236.

[38] SONG X,YAN X,LI Y.Modelling liking networks in an online healthcare community:an exponential random graph model analysis approach.JournalofInformationScience,2014,41(1):89-96.

[39] SNIJDERS T A B,PATTISON P E,ROBINS G L,et al.New specifications for exponential random graph models.SociologicalMethodology,2006,36(1):99-153.

[40] ROBINS G,PATTISON P,KALISH Y,et al.An introduction to exponential random graph(p*) models for social networks.SocialNetworks,2007,29(2):173-191.

[41] WANG P,ROBINS G,PATTISON P,et al.Exponential random graph models for multilevel networks.SocialNetworks,2013,35(1):96-115.

FundedProject:Supported by the National Natural Science Foundation of China(71371005,71471064,91646205), the Shanghai Pujiang Program(15PJC019) and the Fundamental Research Funds for the Central Universities(WN1522008)

Biography:LIU Xuan, doctor in management, is an associate professor in the School of Business at East China University of Science and Technology. Her research interests include knowledge management, e-commerce and big data decision making. Her representative paper titled “Determining inventor status and its effect on knowledge diffusion: a study on nanotechnology literature from China, Russia, and India” was published in theJournaloftheAmericanSocietyforInformationScienceandTechnology(Issue 6, 2011). E-mail：xuanliu@ecust.edu.cn

WANG Linwei is a master degree in the School of Business at East China University of Science and Technology. His research interests focus on e-health and social network analysis. E-mail：leeven92@163.com

LI Jia, doctor in management, is an associate professor in the School of Business at East China University of Science and Technology. His research interests include decision support systems, e-commerce and knowledge management. His representative paper titled “Designing an information organization structure for fuzzy tasks in online group discussion” was published in theJournalofManagementSciencesinChina(Issue 5, 2015). E-mail：jiali@ecust.edu.cn

ZHANG Pengzhu, doctor in management, is a professor in the Antai College of Economics & Management at Shanghai Jiaotong University. His research interests include e-commerce, e-government and financial information systems. His representative paper titled “G2G information sharing among government agencies” was published in theInformation&Management(Issue 1, 2014). E-mail：pzzhang@sjtu.edu.cn

□

ResearchonMechanismsofUserReplyingBehaviorsinOnlineHealthCommunities

LIU Xuan1，WANG Linwei1，LI Jia1，ZHANG Pengzhu2

1 School of Business, East China University of Science and Technology, Shanghai 200237, China2 Antai College of Economics & Management, Shanghai Jiaotong University, Shanghai 200052, China

The persistent development of online social networks and citizens′ health awareness increasingly promote the emergence and boom of online health communities(OHCs). The online health communities provide a platform where users are able to obtain medical resources, share knowledge, experiences, and emotions with others. Recently, the OHCs is developing rapidly because of the advantages in providing abundant medical resources and health related knowledge as well as meeting users′ social needs.

Among various actions proceeding in communities, posting and replying embody the establishment of social relationships, and they are fundamental for keeping boom of the communities. Thus it is worthwhile investigating the post-reply behaviors and the underline mechanisms in the communities.

We selected “Tianmijiayuan”, an online diabetes health community, as our research testbed. We establish the reply networks based on the posting and replying data as well as users' personal information on this community from January, 2015 to June, 2015. The networks contain both the edges and nodes information. Then we utilize Exponential Random Graph Model(ERGM) to explore how network structure and node attributions affect the establishment of reply networks.

The results indicate the reply networks exhibit reciprocity and transitivity characteristics simultaneously. The reciprocity indicates that users tend to reply between each other, and the transitivity shows the reply networks own great intention to develop.

The influences of node attributions on reply network are much more complex. Users tend to reply those who share homophily with themselves, specifically such as the users in closed regions; users with high social capitals, such as more friends and superior activeness, would have higher possibilities to receive others′ replies; those who reply others frequently and the new users are more likely to get others′ replies.

This study will enrich the research paradigm of user behavior mechanisms in the communities and enrich the literatures of electronic health, social networks, online health communities and reply behaviors. In addition to the above, it will also provide enlightenment for the reply management in online communities. The results can help improve the platform design mechanism, for instance, the communities should stimulate the new users to post courageously; encourage the users who have significant influence, such as those managers, active actors, to post and reply; as well supply efficient channels to facilitate information exchange among homogenous users. Those mechanisms would further promote users' information exchange in the communities and finally determine flourish the communities.

Considering that the reply networks could be affected by other networks(such as friendship network), further research can explore the relationships among multiple networks and investigate those networks′ formation mechanism. Meanwhile, replying behavior would also be affected by post's specific information, thus future research can also incorporate text mining techniques to explore the effects of post contents on replying behaviors.

online health communities；mechanisms of reply behaviors；ERGM；network structure；node attributions

Date:September 10th, 2016AcceptedDateDecember 28th, 2016

G20

A

10.3969/j.issn.1672-0334.2017.01.006

1672-0334(2017)01-0062-11

2016-09-10修返日期2016-12-28

國(guó)家自然科學(xué)基金(71371005,71471064,91646205)；上海市浦江人才計(jì)劃項(xiàng)目(15PJC019)；中央高?；究蒲袠I(yè)務(wù)費(fèi)(WN1522008)

劉璇，管理學(xué)博士，華東理工大學(xué)商學(xué)院副教授，研究方向?yàn)橹R(shí)管理、電子商務(wù)和大數(shù)據(jù)決策等，代表性學(xué)術(shù)成果為“Determining inventor status and its effect on knowledge diffusion: a study on nanotechnology literature from China, Russia, and India”，發(fā)表在2011年第6期《Journal of the American Society for Information Science and Technology》，E-mail：xuanliu@ecust.edu.cn 汪林威，華東理工大學(xué)商學(xué)院碩士研究生，研究方向?yàn)殡娮咏】岛蜕缃痪W(wǎng)絡(luò)分析等，E-mail：leeven92@163.com 李嘉，管理學(xué)博士，華東理工大學(xué)商學(xué)院副教授，研究方向?yàn)闆Q策支持系統(tǒng)、電子商務(wù)和知識(shí)管理等，代表性學(xué)術(shù)成果為“支持模糊型任務(wù)的信息組織結(jié)構(gòu)設(shè)計(jì)研究”，發(fā)表在2015年第5期《管理科學(xué)學(xué)報(bào)》，E-mail：jiali@ecust.edu.cn 張朋柱，管理學(xué)博士，上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院教授，研究方向?yàn)殡娮由虅?wù)、電子政府和金融信息系統(tǒng)等，代表性學(xué)術(shù)成果為“G2G information sharing among government agencies”，發(fā)表在2014年第1期《Information & Management》，E-mail：pzzhang@sjtu.edu.cn