基于SNA的高校學生社會關系網絡構成及其影響研究

王文彬

(華北水利水電大學，河南 鄭州 450046)

當代高等教育肩負著為國家培養(yǎng)合格建設者和接班人的重要使命，高校有責任促進學生自由而富有個性的發(fā)展，它的核心功能在于培養(yǎng)出支撐并引領社會發(fā)展的創(chuàng)新型人才[1]。如何提升大學生的培養(yǎng)質量，是當前教育學、心理學、社會學等學科研究的重要內容。大學生培養(yǎng)質量由學科知識、人文素質、綜合能力等方面構成，受學業(yè)期望、學校支持、考核反饋、學生投入、人際關系等多方面因素的影響[2]。大學生在共同學習、日?；拥冉煌顒又薪⑵饘W習、情感、生活等方面的聯(lián)系，經過一段時間的磨合漸趨穩(wěn)定，結成大學生社會網絡關系(Social Network，簡稱SN)。學生個體在網絡中的地位將對學習效果、心理健康、社會活動參與等產生影響，進而影響培養(yǎng)質量。

對高校學生群體社會網絡的研究主要分為宏觀、中觀、微觀3個方面：

第一，虛擬網絡與現(xiàn)實人際社會網絡間的關系。部分學者認為，虛擬社交網絡與人際社會關系網絡之間在一定程度上存在著相似的結構，二者之間存在著正向關聯(lián)，并且虛擬社交網絡的關系對實際生活有著一定的預測作用[3][4]。但有學者對此提出了異議，認為現(xiàn)實生活中的人際信任與虛擬的社交網絡行為呈顯著負相關，人際信任越低，越有可能將精力投入到社交網絡中，即現(xiàn)實人際信任與網絡人際信任之間存在一定的補償關系[5][6]。這種爭議在國外的研究中同樣存在，關于虛擬網絡對人際信任的影響，樂觀態(tài)度與悲觀態(tài)度并存[7]?？傮w來看，這一類型的研究偏向于總體視角，未對學生群體內部的結構及個體間的關系進行深入探討，主要采用問卷調查、方差分析及回歸分析等方法。

第二，大學生社會關系網絡的構建。受信息交流方式轉變的影響，大學生的學習方式由個人學習向群體學習遷移，越來越多的研究從總體信任轉向學習共同體話題。同時，社會網絡分析(Social Network Analysis，SNA)方法成為主要工具之一。其中，以QQ為代表的網絡平臺的分析較為多見[8]。這類研究結合社會網絡分析法對學生群體進行分析，更多的是從“描述”性的角度刻畫了群體的靜態(tài)結構，對于群體中個體地位究竟會產生何種影響的探究較少。

第三，大學生社會網絡的具體影響。如，班級管理、就業(yè)能力、學習成效等方面[9][10][11]，相關研究更進一步地深入網絡內部，但仍存在改進的空間。首先，在進行關系評判時，研究者多使用0～1值數(shù)據，對網絡中個體間關系親疏遠近的度量尺度較為模糊；其次，在進行關系的影響分析時，傾向于孤立地使用點度中心度、接近中心度及中間中心度等，可考慮在綜合性方面加以改進。

結合相關研究成果，本文利用調查獲得的多值關系數(shù)據，構建大學生群體3個維度的關系網，探討網絡構成特征，進一步討論個體在網絡中綜合活躍度對于學習活動及社會活動的影響。

一、研究設計

(一)研究工具

社會網絡分析(Social Network Analysis, 簡稱SNA)是研究行動者之間社會關系的重要技術手段，主要目的是探查和分析行動者之間的社會紐帶模式。該方法的研究視角不同于統(tǒng)計學，一般不對網絡結構進行假設，也不關心如何對網絡特征進行抽樣推斷，更多的是從群體動力學的角度來考察群體中實體間的關系及其結構的特征。社會網絡研究主要側重于關系結構形式、內容以及渠道效應本身。社會網絡分析的一般過程包括定義網絡、處理網絡數(shù)據、確定網絡的結構特征，同時進行可視化評判。

(二)研究框架結構

本文的研究目的是考察大學生群體社會網絡的構成狀況、形成的影響因素，以及這種構成對于群體成員學習及其他表現(xiàn)水平的影響。首先，通過圖的密度(Density)、中心度(Centrality)等特征值判斷整體網絡結構的概況；其次，根據點的度數(shù)中心度(Degree centrality)、中間中心度(Betweenness centrality)、接近中心度(Closeness centrality)構造個體綜合活躍度指標，結合個體的屬性數(shù)據及相應的分區(qū)關系圖分析影響網絡構成的主要因素；第三，考察活躍度指標對學生學習活動、社會活動是否存在顯著影響，并考察學生性別、生源地等因素的作用。分析框架如圖1所示。

圖1　大學生群體網絡結構形成及影響分析框架

(三)研究假設

學生在校期間的各種活動體現(xiàn)在2個方面：學習活動與社會活動，其“產出”效果分別用學習績點(Grade Point)和素質積分(Quality Point)予以反映。

根據文獻分析及實踐經驗，提出以下幾個假設：

H1：學習關系網絡活躍度對學習績點有正向影響；

H2：消息關系網絡活躍度對學習績點有正向影響；

H3：消息關系網絡活躍度對素質積分有正向影響；

H4：情感關系網絡活躍度對素質積分有正向影響；

H5：女生比男生有更好的學習績點；

H6：男生比女生有更好的素質積分；

H7：省內比省外學生有更好的學習績點；

H8：省內比省外學生有更好的素質積分。

在假設中，學生都屬于獨立的個體，學習及社會活動均為個體的理性決策。學習關系網絡的作用更多地體現(xiàn)在學習活動上，情感關系網絡的作用更多地體現(xiàn)在社會活動上，而消息關系網絡對二者均有影響。同時，假設女生更偏向于學習活動，而男生更偏向于社會活動；省內的同學由于文化背景、生活習慣的便利，在學習和社會活動方面有著一定的優(yōu)勢。

二、數(shù)據資料收集及研究

(一)數(shù)據收集與預處理

1.數(shù)據來源?？紤]到經過一段時間的磨合，大3學生的關系較為穩(wěn)定，更有利于進行網絡分析，因此選取某高校大學經濟學專業(yè)在校的大3學生進行訪談和問卷調查。樣本共59人，去除無效數(shù)據，有效樣本為51人，有效率為86.44%。整體網的邊界定義為專業(yè)中的所有成員，采用非匿名方式進行問卷調查及訪談。為了保護隱私并方便處理，受訪者均用編碼代替。調查問卷主要數(shù)據包括：第一，成員屬性信息：主要包括性別(女生用0表示、男生用1表示)，籍貫(省內用0表示、省外用1表示)，宿舍(根據宿舍順序編號)等3個主要識別變量。3個類別屬性數(shù)據分別編入相應分區(qū)文件(Attribute)，使用UCINET6及STAT14.0等軟件進行相關數(shù)據及圖表的處理。有效樣本中女生為33人，占64.70%，男生為18人，占35.30%；省內生源為34人，占66.70%，省外生源為17人，占33.30%。第二，成員關系矩陣：通過調查獲得3種關系矩陣，包括Study(學習矩陣——“你同誰一起上自習”)、Entertainment(情感矩陣——“你同誰一起娛樂”)、Dinner(消息矩陣——“你同誰一起進餐”)，要求受訪者提供至多3位對象，并對伙伴的親密程度進行賦值(按親密程度從低到高分別為1～5分)。

2.數(shù)據整理。由于中心度分析、凝聚子群分析等指標僅適用于“二值”網絡的測量，因此先將多值數(shù)據“二值化”。原始數(shù)據中，個體之間的親密度最大值為5，在對多值矩陣進行“二值化”后，可以獲得5個對應的子矩陣(0～1)，有助于更加全面地刻畫網絡成員關系的親疏程度。以同學之間進餐伙伴選擇的數(shù)據為例，將多值矩陣“Dinner”通過“Dichotomize”處理，得到5個二值子矩陣“Economics DinnerGT4”“DinnerGT3”“DinnerGT2”“DinnerGT1”“DinnerGT0”，對Study和Entertainment矩陣做相同處理，共計得到15個子矩陣。

(二)整體關系網絡結構分析

1.密度分析。整體網的密度越大，表明網絡成員之間的聯(lián)系就越緊密，網絡對于行動者的態(tài)度、行為產生的影響就越大。不過需要注意的是，在實際應用中，密度與網絡規(guī)模呈負相關，即社會網絡越大，密度就越低。通過對轉換后的5種關系矩陣進行分析(如表1所示)，結果顯示：

表1　各專業(yè)成員關系網絡的密度

第一，各網絡的密度均不高，表明同學之間的交流并不密切，處于低互動狀態(tài)。以與GTO關系矩陣下的密度為例，較其他同類研究(唐文清等，2014；郭君等，2015；成云等，2015)相比偏低，主要原因在于問卷設計提名時，要求對象限制在3人以內，因此削弱了網絡成員間可能存在的弧的數(shù)量，從而導致密度偏低。第二，在3類關系中，同學之間的情感關系、消息關系、學習關系在總體密度方面并沒有明顯的差異，相關系數(shù)均在0.99以上。這說明在學生群體中沒有明顯地將生活、社交進行分割的傾向，與校園外的社會群體有著較明顯的不同。第三，GT4、GT3、GT2與GT1之間均有較強的相關性，相關系數(shù)在0.80～0.99之間，只有GT0與其他各關系矩陣下的網絡密度呈弱相關。這種表現(xiàn)結果與提名規(guī)則有關，部分同學在選擇關系對象時僅選擇1人，且對該對象的賦值為5(最大親密程度)，進行“二值化”后，關系衰退明顯。

2.凝聚子群分析。對凝聚子群的分析指標包括派系、n-派系、成分、n-宗派、K-叢、LS集合、Lambda集合等等，各指標應用場景及優(yōu)劣勢也各有不同。對于多值分析來說，成分分析是最簡單的形式，且直接對多值關系矩陣進行分析，往往能夠提供充分的信息。若與實際情況相符，則可以停止分析；若與實際不符，可以進一步進行派系分析。對消息關系矩陣進行成分分析，結果如表2所示，多數(shù)同學結成了相對牢固的小群體。進一步結合同學的個體屬性分析可以發(fā)現(xiàn)，學生群體關系與性別(如圖2)、宿舍(如圖3)均有密切關系，但與籍貫的關系并不明顯(如圖4)。對學習關系和情感關系網絡進行分析，可以得出相同的結論。

表2　Economics-Dinner網絡成分分析圖

圖2 按Gender屬性區(qū)分的Dinner社群圖

圖3　按Dormitory屬性區(qū)分的Dinner社群圖

圖4　按Place屬性區(qū)分的Dinner社群圖

(三)個體活躍度構成及影響效果分析

1.個體綜合活躍度指標構建。對于網絡中個體的分析，一般集中包括個體的中心性、影響力、結構洞、中間人等。前者(中心性、影響力)更側重于個體在網絡接近“核心”位置的表現(xiàn)情況，后者(結構洞、中間人)更側重于個體在網絡的邊緣或交界位置的表現(xiàn)情況。在個體中心性和影響力的評價指標中，度數(shù)中心度側重于點與其他點直接交往的程度；接近中心度側重于刻畫點與其他點的距離；中間中心度側重于考察點的中介橋梁能力。3種指標結果相差不多，度數(shù)中心度關注交往活動頻度；中間中心度關注信息控制能力；接近中心關注信息傳遞效果(Freeman，1979)。在應用過程中，研究者往往對3個方面都有所關注，因此可以考慮將3個指標進行綜合，構造個體綜合活躍度指數(shù)Ii(i代表個體)。

(1)

(2)

表3　學習關系網絡下個體活躍度綜合指數(shù)

注：有5個同學的積分數(shù)據有缺失，予以剔除

2.影響個體綜合活躍度的因素分析。從具體的性別(Gender)及生源地(Place)的角度來對學生的活躍度情況進行分析，單因素方差分析結果顯示：第一，性別僅對情感關系網絡有顯著影響。這與訪談內容相一致，即男生組團打游戲等活動較多，而女生共同逛街、聊八卦等活動較多。在學習和日常交往方面，性別的影響并不突出，尤其是在學習方面，情侶之間共同學習的情況較為常見。第二，生源地的影響在3個關系網絡中影響均不顯著。這說明同學們的交往并不受地域的限制，在人口流動和信息融合日益深入的背景下， “籍貫”的影響正在日漸消退。

表4　關于性別及生源地對活躍度影響的ANOVA分析

注：*P<0.1，**P<0.05，***P<0.01。

3.個體綜合活躍度效果。根據經典回歸模型理論建立2個方向的檢驗模型，分別用于檢驗學習關系網絡、消息關系網絡、情感關系網絡及虛擬變量性別、生源地對學習績點(GP)及素質積分(QP)的影響。通過對自變量進行VIF分析，VIF均值為1.76，且均小于3，不存在明顯的多重共線性問題。針對前述假設，構建如下模型：

模型1：關于學習活動效果的檢驗

GP=β0+β1IStudy+β2IDinner+

β3IEntertainment+δ1Gender+δ2Place+ε

(3)

模型2：關于社會活動效果的檢驗

QP=β0+β1IStudy+β2IDinner+

β3IEntertainment+δ1Gender+δ2Place+ε

(4)

通過穩(wěn)健性回歸分析后，變量的顯著性并沒有發(fā)生變化。對于模型1和模型2進行逐步回歸，得到回歸模型3和回歸模型4：

GP=β0+β1IStudy+δ1Place+ε

(5)

QP=β0+β1IEntertainment+ε

(6)

在模型3中，僅有IStudy和Place變量得到保留，且IStudy的顯著性有所增強；而模型4中，僅有IEntertainment變量得到保留。結果如表5所示：

表5　關于學習績點及素質積分的回歸分析

注：*P<0.1，**P<0.05，***P<0.01；括號內為回歸系數(shù)的標準誤差(Std.Err)

4.研究結果討論。通過模型分析，可以對前述的假設進行如下回應：關于假設1和假設2：分析發(fā)現(xiàn)，學習關系網絡活躍度和消息關系網絡活躍度均對學習活動效果(學習績點)有顯著的正向影響，分析結果支持研究假設。IStudy的影響系數(shù)達到0.394，并且在剔除IDinner后增大至0.533，顯著性也進一步增強(p值由0.074減少至0.014)，這說明同學之間在學習方面強化交互關系有助于提高個人成績。關于假設3和假設4：消息關系網絡活躍度對社會活動效果(素質積分)并沒有顯著影響；在剔除交互影響后，情感關系網絡活躍度對社會活動效果有正向影響，假設3并未得到支持，假設4得到支持(在0.1的顯著性水平上)。關于假設5和假設6：雖然Gender變量在模型1中系數(shù)為負值，表現(xiàn)出女生比男生學習績點更高，但并未通過顯著檢驗(P值為0.171)，假設5未能得到支持。關于素質積分的分析也未觀察到性別上有顯著影響，這說明男生與女生的社會活動效果差異不大，假設6同樣未得到支持。關于假設7和假設8：模型1中Place變量影響顯著，說明省內的學生學習活動效果更好，即學習績點相對省外學生更高；在素質積分上均未表現(xiàn)出顯著差異。研究結果支持了假設7，并未支持假設8。

三、結論及建議

(一)結論

通過采集學生的人際關系數(shù)據，構建關系網絡，計算綜合活躍度，并通過簡單的回歸模型分析活躍度、性別及生源地對學生成績及素質積分的影響。根據實證分析的結果，得出以下結論：第一，對學生成績影響較為明顯的因素是學習網絡個體活躍度及生源地，而情感關系、消息關系及性別對成績影響均不明顯。另外，在分析過程中，發(fā)現(xiàn)網絡中有多個個體出現(xiàn)了比較明顯的活躍度與成績值背離總體趨勢的情況。一方面，個別成績較好但活躍度較低，如S209、Z215；另一方面，個別同學的成績雖然不太理想，但在活躍度方面表現(xiàn)出了較高的值，如S217、S226、L316等。這說明雖然總體上在班級里的活躍度能夠一定程度上表現(xiàn)出與綜合成績的相關性，但具體分析時仍應注重整體與個體結合分析的方法。第二，學生素質積分僅受情感關系個體活躍度的影響，與學習關系、消息關系活躍以及性別和生源地的關系不明顯。學生素質積分主要來自于思想政治、道德素養(yǎng)、社會實踐、科技創(chuàng)新、文化藝術及社會團體活動等，多側重于學生課外活動的參與狀況。良好的人際關系有助于學生更積極地參與校園活動，并獲得相應的激勵。第三，消息關系和性別因素對學習積分和素質積分都未表現(xiàn)出顯著影響。一方面，消息關系介于學習關系和情感關系之間，有一定的模糊之處，在“共同進餐”的行為上，可能同時上課或自習后一起進餐，也可能同時打游戲、逛街后進餐。因此，在顯著性上有所分化。另一方面，性別對學習和社會活動的影響均不明顯。雖然社群圖中男生和女生之間涇渭分明，但這種表象并未產生實質的影響，這與網絡上所說的“塑料花友誼”有相似的意思。

(二)建議

針對上述分析的結果，對于包括學生、教師及其他管理者在內的教育行為主體，在培養(yǎng)優(yōu)秀大學生時應注意：第一，著重構建學習小組，營造良好的學習氛圍。教育參與各方主體都應努力促成各種學習小組的形成，構建和諧融洽的學習群體。結合前述文獻綜合中相關學者的研究成果可以發(fā)現(xiàn)，無論是線上還是線下的學習興趣小組，都能產生積極且顯著的影響效果。第二，重點關注省外同學的學習狀況。著重關注外地同學的學習情況，這可能與樣本中省內同學的錄取分數(shù)一般較省外同學更高的因素有關。當前，無論是在現(xiàn)實社會中還是虛擬社會中，人際交流空間日益模糊，隨著《關于進一步推進戶籍制度改革的意見》(2014年)的提出，這種地域差異還將進一步消退。但需要注意的是，在目前高考大背景下，地域之間錄取分數(shù)線的差異仍然存在，這也是生源地因素對學習成績有著顯著影響的主要原因。第三，要做好群體“中介人”的工作。大學生群體關系仍處于相對松散的狀態(tài)，這與當代學生的自我意識較強可能有一定的關系。大學生關系構成的主要影響因素仍是宿舍，同一宿舍成員之間結成凝聚子群，有著較強的內部聯(lián)系，而子群與子群之間保持著較松散的聯(lián)系，多數(shù)的子群之間僅存在一個“中介人”，說明該網絡關系相對脆弱。對于教育管理者來說，做好 “中介人”的工作、保持整體的和諧較為重要。

參考文獻：

[1]劉學忠,余宏亮.論大學人才培養(yǎng)的質量標準及其實現(xiàn)路徑[J].中國高教研究,2014(04):83-88.

[2]魏署光,陳敏.本科生學習效果影響機制研究——基于華中科技大學SSLD的分析[J].高等工程教育研究,2016(02):167-173.

[3]池思曉,龔文進.大學生網絡人際信任與網絡社會支持的關系[J].中國心理健康心理學雜志,2011(19):94-96.

[4]景永昇,李瑛.大學生網絡社會支持和現(xiàn)實社會支持的關系研究[J].中國健康心理學雜志,2012,20(05):777-779.

[5]高慧,王婷.大學生的社交網絡行為及其與人際信任的關系[J].社會心理科學,2014 (6):658-662,54.

[6]文夢雪,陳竹,包衛(wèi).“90后”大學生人際信任的現(xiàn)狀研究[J].湖南工程學院學報,2016(1)：93-96.

[7]辛自強,周正.大學生人際信任變遷的橫斷歷史研究[J].心理科學進展,2012 (3):344-353.

[8]覃玉梅,馬秀芳,張海新.社會化網絡環(huán)境下網絡學習共同體的構建研究[J].教育理論與實踐,2016(18):14-16.

[9]代嫻,蘭建龍,田鑫煒.基于SNA的高校班級學生管理研究[J].軟科學,2012(6):141-144.

[10]蔡小慎,劉存亮.我國社會網絡中強關系對大學生就業(yè)的正負效應及對策[J].現(xiàn)代教育管理,2012(2):106-110.

[11]沈超,何秀美.大學生群體學習行為對學習成效的影響研究[J].南京郵電大學學報(社會科學版),2014(1):106-112.