引用本文
许鑫, 翟姗姗, 姚占雷. .学术博客的学科交互实证分析——以科学网博客为例[J]. 现代图书情报技术, 2015,31(7/8): 13-
Xu Xin, Zhai Shanshan, Yao Zhanlei. .Disciplinary Interaction Analysis of Academic Blogs——Taking ScienceNet.cn Blog as an Example. New Technology of Library and Information Service,2015,31(7/8): 13-  
Permissions
Copyright©2015, 《现代图书情报技术》编辑部
《现代图书情报技术》编辑部
学术博客的学科交互实证分析——以科学网博客为例
许鑫1, 翟姗姗2, 姚占雷1
1华东师范大学商学院信息学系 上海 200241
2华中师范大学信息管理学院 武汉 430079
许鑫, ORCID: 0000-0001-7020-3135, E-mail: xxu@infor.ecnu.edu.cn。
摘要
目的

通过分析学术博客社区中的推荐和评论数据的, 探究网络学术社区中的学科间交互。

方法

利用社会网络分析方法, 对科学网博客2013全年数据进行学科推荐网络和学科评论网络的整体网络、局部网络、个体网络分析。

结果

交互方式上, 推荐行为比评论行为更为频繁; 交互网络的中心性上, 学科推荐矩阵和学科评论矩阵在点入中心性、点出中心性和内接近中心性上呈显著差异, 而在中间中心性和外接近中心性上无显著差异; 交互参数相关性上, 学科推荐数与学科推荐网络参数的相关性和学科评论数与学科评论网络参数的相关性表现一致。【局限】部分中心性较高的学科节点与其他学科之间的交互缺少深层次解读。

结论

学术博客具有承载不同学科学者之间的低门槛、多元化、大跨度交流的特点。

关键词: 学术博客; 学科交流; 社交网络; 科学网
中图分类号:
Disciplinary Interaction Analysis of Academic Blogs——Taking ScienceNet.cn Blog as an Example
Xu Xin1, Zhai Shanshan2, Yao Zhanlei1
1Department of Information Science, Business School, East China Normal University, Shanghai 200241, China
2School of Information Management, Central China Normal University, Wuhan 430079, China
Abstract

[Objective] By analyzing the academic blog recommendations and comments, this research explores interdisciplinary interaction in the online academic community. [Methods] The whole data set in 2013 of ScienceNet.cn Blog is collected firstly. Then the overall network, the local network, and the individual network about disciplines recommendation networks and disciplines comments networks are analyzed by social network analysis method. [Results] The research discovers that recommendations behavior is more frequently than comments behavior on the interaction mode. On the centrality of interaction network, disciplines recommendation matrix has significant differences from disciplines comments matrix in the in-degree centrality, out-degree centrality and in-closeness centrality, and there is no significant difference from disciplines comments matrix in betweenness centrality and out-closeness centrality. On the interaction parameter correlation, the correlation of disciplines recommendation numbers and disciplines recommendation network parameters is similar to the correlation of disciplines comments numbers and disciplines comments network parameters. [Limitations] The deep explanation of interaction is lack between discipline nodes with high degree centrality and the other nodes. [Conclusions] The academic blog is diversified and has a low threshold, large-span effect of exchange between scholars of different disciplines.

Keyword: Academic; blog; Disciplines; communication; Social; network; ScienceNet.cn
1 引 言

博客不仅受到大众媒体领域的关注, 将其作为政治评论、娱乐新闻或者个人休闲娱乐的工具, 这种数字内容形式同样引起了学术研究人员的兴趣。当博客包含学术研究和交流的内容, 具有鲜明的学术特色后, 就形成学术博客。学术博客包含广义和狭义的概念, 广义指那些涉及到学术知识的博客, 对博客作者没有具体的学术背景限制; 狭义指由从事某一专业领域的学术研究人员撰写的, 以该专业的学术问题、科学研究为主要内容的, 具有一定学术利用价值的专业博客, 其一般具有鲜明的学科主题和专业色彩[1]。

另外, 学术交流包含很多内容, 正式交流和非正式交流共同构成了学术交流的有机整体。电子邮件、电子期刊、博客、维基百科等为学者和研究人员保持及时、迅速的通信及不受时空限制地传递、交换和获取各种信息资源提供便利, 甚至一些学术会议也可以通过网络来实现, 很多学术群体通过互联网建立了各

有特色的交流网络[2]。博客作为非正式交流的一种形式, 在学术博客中互动可以交流知识、共享知识并积累知识, 最终达到个人知识的提升[3]。学术博客社区通常将某一领域或专业的学术博客聚合在同一个博客圈, 通过链接、订阅、回访、评论相关专业领域的学术博客实现相同或相关学术群体间的学术交流[4]。

已有学者对学术博客社区中的用户互动进行研究, 而学术博客的重要特点是具有学科分类属性, 进而构成从学科角度探究学术博客中信息交流特性的分析视角。本文在网络非正式学术交流背景下, 探讨学术博客学科间的交互行为。实证方面, 以科学网博客2013全年数据作为样本, 以社会网络分析法为主要研究方法, 开展实证分析和探讨。

2 相关研究
2.1 博客以及学术博客相关研究

关于博客的研究已在国内外引起广泛关注。国外相关研究主要集中在博客用户行为分析、博客社区分析、博客内容及应用分析等方面。对用户行为的研究包括博主使用博客的关键因素、博主个人行为特征与博客内容的关系、基于行为研究其动态传播特性等, 典型的研究有Gruhl等采用疾病传播模型对博客网络信息传播的研究[5]; Kumar等对博客社区中短期特征的研究[6]。对博客社区的分析多以链接分析法和社会网络法为主, 典型的研究有: Marlow基于链接评价博客的权威性[7], Zhou等研究了超链接和交流模式[8], Kim对链接动机进行研究[9]。而博客内容及应用分析又涉及博客内容分类和推荐系统、博客兴趣挖掘、博客在图书馆中的应用、博客的辅助学习和教育性等方面。

国内学者也从不同角度进行了探索。王晓光运用社会网络分析法和UCINET软件研究CSDN博客中的评论关系[10], 汪维富等基于科学网博客社区研究博主好友链接的网络特征, 描绘了该网络的社群图, 揭示了该博客社区的信息交流与人际互动特征[11]; 邱均平等从好友链接的基本属性和特点、好友共入链、博主共出链、博主-好友互链等角度探讨科学网博客虚拟社区内基于好友链接关系的学科间以及学科内知识交流情况[12], 还将2-模网络分析方法引入博主与评论者关系网络[13]; 夏立新等则探索了将学术博客应用于图书馆学科知识服务的可行性[14]; 王伟军等和甘春梅等总结了博客知识交流与共享的动因以及理论[15, 16]; 郑继来等分析了科学网编辑同读者偏好的差异性、编辑推荐对博文影响力的扩大效应等[17]; 王学东等通过关系维和结构维两个维度构建了学术博客知识交流网络, 应用社会网络分析方法对学术博客的知识交流网络进行分析[18]。可见, 对于博客和学术博客的研究在国内已引起广泛的关注, 而研究切入点也包含多种角度。

2.2 基于学术博客的非正式交流

在网络应用高速发展的今天, 即使是那些不使用或者不经常使用博客的人也认同学术博客的学术功能。顾立平等的调研显示, 学者视Blog为一项增加的信息交流渠道, 通过其可以与具有某一专业能力的人交流, 那些具有Blog使用经验的学者认为Blog可以充实基础知识, 用于了解其他不熟悉的人、事、物[19]。在这些学术博客的博主中, 有些是已经有一定学术影响力的学者, 他们在博客中讲述自己的专业理解, 参加的学术活动, 日常的读书与思考, 甚至包括游历与交友, 这些内容有着巨大的信息量, 为人们了解学科的理念和动向打开了一扇窗口[20]。Stuart分析了传统学术文献与学术博客之间的差异, 揭示了学术博客的语言学特点及其价值[21], Vaughan 等基于网络共词分析博客的引用、合作等, 证实学术博客比搜索引擎能更好地发现学科前沿、科研合作关系、交叉学科隐性信息等[22]。

学术博客作为网络环境下日益盛行的一种非正式学术交流形式, 是对传统学术信息和正式交流形式的重要补充, 其最大特点在于“ 物以类聚” , 即通常某一领域或专业的学术博客聚合在同一个博客圈, 通过链接、订阅、回访、评论相关专业领域的学术博客实现相同或相关学术群体间的学术交流[4]。同时, Altmetrics的兴起也打破以往以专著和期刊作为主要科学交流媒介的思想, 其可以测量学术论文的正式引用情况, 还可以测量博客发帖数、数据集合和科研用视频资料[23]。

上述研究显示, 学术博客在基于网络的非正式交流中发挥着有价值的和独特的作用。不同学科背景的研究者的研究存在着差异, 也有研究者探讨用户交流的学科背景, 但基于大规模数据直接以学科交互作为研究对象并不多见, 本文将就此做出尝试。

3 研究方案

根据学术博客博主所属的学科类别, 将采集获得的用户针对博文的推荐数和评论数汇总为不同学科内和学科间的推荐数和评论数, 生成学科推荐矩阵和评论矩阵, 采用社会网络分析法对其整体网络、局部网络和个体网络进行分析, 并应用统计检验方法进行探索性实证分析。本文使用社会网络分析软件UCINET 6, 统计分析软件SPSS Statistics 22.0。以下就对象选择、数据获取以及所采用社会网络分析方法进行具体说明。

(1) 对象选择

选择科学网博客作为学科交互研究的实证对象。科学网是由中国科学院、中国工程院和国家自然科学基金委员会主管, 科学时报社主办的综合性科学网站。其博客频道是采用实名制的虚拟社会网络, 博主与评论者身份主要以科研人员、学校教师、技术人员等高级知识分子为主, 现已成为国内最大的学术博客社区。在科学网博客中, 一方面, 博主与评论者之间的非正式交流可以认为是某个专业领域博主针对感兴趣的话题发文而引发评论者的评论和推荐; 另一方面, 因为采用实名制并有用户学科分类, 所以这些评论和推荐行为也就带有了学科属性。

(2) 数据获取

采用网络爬虫抓取科学网博客2013全年的博文数据, 以及基于这些博文的推荐和评论, 还包括2013年有过发文、评论或推荐行为的5 068名博主信息。采集时间从2013年1月到2014年2月, 因为以博文作为所采集内容的主线, 而2013年所发博文的推荐和评论相对发文可能有一定滞后, 故采集结束时间延长了两个月。所有数据保存在MySQL数据库中, 共有4个表: 博文数据表Basedata、评论信息表CommentInfo、推荐信息表RecommendInfo和博主信息表AuthorInfo, 经整理后Basedata按博主所在学科大类划分的博文数目如表1所示:

表1 科学网博客2013年博文数目

按照科学网博客2013年的学科领域分类①(①科学网博客2014年6月有所调整, 取消化学科学和医学科学两个大类, 这两个大类也是2013年发表博文数最少的两个大类。), 上述8个学科大类又可以分为105个具体的学科类别, 把博主和推荐者、评论者归到上述105个学科类别中, 如果一个用户同时标注了多个学科类别, 选择第一个类别作为默认类别, 最终获取推荐关系145 235次, 其中学科内推荐7 221次, 学科间推荐138 014次; 评论关系91 320次, 其中学科内评论9 186次, 学科间评论82 134次。

(3) 社会网络分析方法

社会网络分析(Social Network Analysis, SNA)通过对于网络中关系的分析探讨网络的结构及属性特征, 包括网络中的个体属性及网络整体属性。博客用户及其相互间的交互关系(好友、关注、推荐、评论等)可以构成一个庞大的社会网络结构。一般而言, 某篇博文被大量推荐和评论, 那么这篇博文很可能具有阅读价值, 高推荐和高评论体现了博主和评论者之间较强的联系, 进而也体现了博主所在学科和推荐者、评论者所在学科的交互。本文社会网络分析基于上述数据所形成的105× 105学科推荐矩阵和学科评论矩阵进行。

由于调研成本、计算能力等可行性因素的制约, 社会网络分析研究常常无法构建完整的网络关系图, 只能采取抽样的方式缩小样本量, 力图通过小样本特征反映真实情况, 因为缺失值引起的误差便成为研究过程中不可忽视的问题[24]。本文研究中, 科学网博客2013全年博客数据使得这一整体样本有别于以往“ 滚雪球” 式的局部抽样, 更有利于从整体结构上对隐性模式和潜在机理进行挖掘和分析。

4 结果与分析
4.1 整体网络分析

网络密度(Network Density)体现群体成员间彼此的联系程度, 即节点互动的平均程度, 所以可以认为网络密度值越高, 节点互动程度也越高, 产生的信息交换也会较多。经过计算, 科学网博客的学科推荐网络密度为13.1732 (包括对角线, 即学科内部的推荐), 学科评论网络密度为8.2830 (包括对角线, 即学科内部的评论), 数值较高, 说明科学网博客中的交流与互动频繁。这不仅体现在学科内的推荐和评论, 更体现在学科间的推荐和评论。跨学科推荐数占到总推荐数的95%, 是学科内推荐数的19倍, 而跨学科的评论数占总评论数的90%, 是学科内评论数的9倍, 在不考虑不同类型讨论主题的情况下至少可以从整体数据上发现, 跨学科交流已成为学术博客交流的主流模式, 学术博客这一非正式交流渠道也很大程度上起到了促进学者跨学科交流的现实作用。相对于评论网络密度, 推荐网络密度更高, 可见在交互行为选择上科学网用户更乐于推荐, 当然也与推荐比较简单有一定关系, 只需要点击推荐按钮, 而评论则需要专门输入和斟酌表达。另外, 计算网络平均距离(Average Distance)得到推荐平均距离为1.403, 评论平均距离为1.496, 说明学科间平均经过不到1.5次的推荐或评论就能彼此发生关联, 基本上可以说明网络结构上大部分学科都有互联。从学科交互角度来看, 不同学科之间交流密切, 选择多样, 交互频繁, 呈现出网络非正式交流的低门槛特性。

4.2 局部网络分析

块模型分析能够比较清晰地看出学科之间的交互及其块内节点交互的强弱, 基于推荐网络矩阵和评论网络矩阵, 通过UCINET软件计算, 推荐矩阵被分成6个块, 评论矩阵被分成7个块, 基于块的密度矩阵如表2和表3所示:

表2 推荐关系的块密度矩阵
表3 评论关系的块密度矩阵

为了比较清晰地看出不同块中的学科分布, 以及学科间交互情况, 选择矩阵均值作为阈值, 通过UNICET中集成的NetDraw软件得到图1和图2。图1显示学科推荐关系矩阵块模型计算把学科分成6块, 图2显示学科评论块模型计算把学科分成7块, 此结果与前人基于文献统计的学科知识交流研究相对比, 可以明显发现较大差异, 在学术博客社区中, 学者知识交流的学科跨度更大, 究其原因, 一方面与学术博客本身的内容特点有关, 未必博文及其评论就与博主所在的学科专业有很强的直接关系; 另一方面, 博客社区作为一种社会化网络媒体, 确实降低了部分专业讨论的门槛, 使得原本一些不太可能发生关联的学科之间产生了深浅不一的交互, 即使部分讨论与专业问题无关, 但也与该领域的学术生态或该专业的现实应用有关。

图1 推荐关系矩阵块模型 (阈值为均值13.1732)

图2 评论关系矩阵块模型 (阈值为均值8.2830)

进一步选择学科大类中管理综合(实际上包含一系列人文社会科学学科)进行块模型分析, 用UCINET 6计算形成的块模型层次结构图如图3和图4所示:

图3 管理综合大类学科推荐矩阵块模型

图4 管理综合大类学科评论矩阵块模型

图3与图4相比, 学科间的推荐和评论矩阵还是有一定差异, 仅以图书馆、情报与文献学为例, 在推荐矩阵中, 其与管理学、工商管理、历史学、文学、语言学、教育学、经济学关联比较紧密; 在评论矩阵中, 其与教育学、艺术学、历史学关联比较紧密。此结果与前文推荐发生频率高于评论发生频率结论一致, 作为都在同一块内的教育学、历史学, 学术博客社区中所体现出图情学科与它们之间的学科交互也超过传统研究的认识。

结合核心-边缘节点分析, 学科推荐矩阵中法学、管理科学与工程、宏观管理与政策、教育学、图书馆情报与文献学、文学、哲学是核心节点(按核心边缘切分矩阵, 密度分别为87.310、10.610、11.886、1.181), 学科评论矩阵中法学、管理科学与工程、宏观管理与政策、图书馆情报与文献学、文学、哲学是核心节点(按核心边缘切分矩阵, 密度分别为54.600、5.625、5.333、0.883), 核心边缘节点划分明显, 除教育学外, 涵盖人文社会科学等诸多学科的管理综合大类中有较多学科交互的重要学科节点是一致的。基于文献传统的引文网络核心-边缘分析显示经济学、教育学、政治学、管理学以及图书情报学居于文科领域核心位置[25], 与这些正式的学术交流网络相比, 学术博客中学科交互的核心网络体现了一定的共性, 也有所差异。其中管理科学与工程、宏观管理与政策、教育学、图书馆情报与文献学和管理学、教育学、图书情报学相对应; 法

学、文学、哲学等学科虽然在正式文献引文网络中没有充分体现其知识扩散, 而在学术博客社区这一非正式学术交流网络中发挥着显著的作用, 这可能与文法哲等学科学者常在博客讨论与专业相关的社会热点问题有关; 比较意外的是经济学, 作为具有较坚实理论基础和广泛应用的主流社会学科之一, 其没有出现在学术博客学科交互网络的核心位置, 这一现象值得后续研究关注和探讨。

4.3 个体网络分析

网络的中心性分析是判断节点在整体网络中重要性的典型分析方法。具体而言, 在学科推荐网络和学科评论网络中, 评价某一学科在学术博客社区中的重 要与否, 衡量其在社会网络中的地位, 可通过计算节点的中心性来探讨。本文使用三种常用的中心性测度: 点度中心性可以刻画某一学科与其他学科发生交互的能力, 体现其在社区交流中的重要性; 中间中心性可以反映某一学科控制(影响)其他学科的能力, 体现其对信息的控制程度; 接近中心性可以考察节点传播信息时不靠其他节点的程度, 若某学科越是与其他学科接近, 则在传播信息的过程中越是不依赖其他学科, 因而如果一个节点与网络中其他各节点的距离都很短则该节点是整体中心点, 所以接近中心性有时候又被称为整体中心性。表4是学科推荐网络和学科评论网络对中心性计算的部分结果(涉及20门学科)。

表4 学科网络中心计算结果(部分)

(1) 点度中心性分析

在推荐网络中, 节点出度数最高的是计算机科学(入度第5), 这体现了计算机科学作为一门应用性较强的新兴热门学科在其他学科内得到广泛应用和推广, 对其他学科有着较强的影响能力; 而节点入度数最高的是生态学(出度第2), 生态学本身作为一门综合性交叉学科, 相关学科与其有着较频繁的交互。此外, 物理学I (出度第3)、电气科学与工程(出度第4/入度第2)、化学工程及工业化学(出度第5)和图书馆、情报与文献学(入度第3)、哲学(入度第4)也都有着比较好的表现。

在评论网络中, 节点出度数最高的是生态学(入度第2), 节点入度最高的是图书馆、情报与文献学(出度第5), 可见图情领域的博文还是受到较多其他学科评论的, 结合推荐网络中的表现, 可以发现图情专业研究人员在信息的分享和交流上较为频繁和主动, 在个案节点分析时还将进一步分析和讨论。此外, 物理学I (出度第2/入度第5)、环境化学(出度第3)、电气科学与工程(出度第4)和化学工程及工业化学(入度第3)、哲学(入度第4)也有不错的表现。

综合推荐网络和评论可以看出, 点度中心性较高的学科节点往往具有一些鲜明特色, 包括带有工具类色彩的应用型学科(如图书馆情报与文献学、计算机科学)、交叉类学科(如生态学)、基础性学科(如物理学I、哲学)等。

(2) 中间中心性分析

在推荐网络中, 生态学有着最高的中间中心性, 作为研究生物与其环境之间相互关系的科学, 它在影响其他学科的同时也受到其他学科的影响。紧随其后的是计算机学科、数学、化学工程及工业化学、图书馆情报与文献学、食品科学等。与点度中心性排名靠前的学科相比, 这里新增了数学和食品科学两类学科, 前者是基础性学科, 影响着很多学科的发展, 后者是与人们生活息息相关的学科, 尤其是在面临食品安全问题严峻挑战的今天, 其排名靠前是可以理解的。

在评论网络中, 电气科学与工程排在首位, 其后是生态学、地球物理学和空间物理学、计算机科学、环境化学、地质学等, 其中地球物理学和空间物理学、地质学都属于地球科学大类, 同时它们又细分为众多方向, 有一批学者活跃在科学网上。综合推荐网络和评论网络, 在中间中心性上生态学总体表现较优, 这与生态学的多学科交叉和环境生态问题日益受到重视相关。

(3) 接近中心性分析

在推荐网络和评论网络中, 鉴于推荐和评论的有向性, 选择学科接近中心性排在前5的学科生成表5, 因为网络的连通度较高(即距离较小), 所以接近中心性这一指标的学科差别较小。虽然不少学科的数值较为接近, 排名上还是存在一些差异, 但从整体上看, 前5中出现3次的生态学、计算机科学和出现2次的化学工程及工业化学、图书馆情报与文献学体现出较好的接近中心特性。

表5 接近中心性学科排名(前5)

(4) 个案节点分析

上述分析已经呈现出学科推荐网络和学科评论网络中高中心性学科的多元化特点, 下面结合具体学科做进一步细化讨论。选择图书馆、情报与文献学进行分析, 可以发现除了自身的推荐和评论外, 其推荐总数为4 913, 推荐前三的学科分别是计算机科学(357)、哲学(349)、生态学(308); 被推荐总数为6 153, 被推荐前三的学科分别是计算机学科(762)、生态学(385)、物理学I(359); 其评论总数为1 689, 评论前三的学科分别是政治学(204)、计算机科学(125)、光学与光电子学(122); 被评论总数为3 933, 被评论前三的学科分别是生态学(362)、物理学I (226)、哲学(218), 另外计算机科学(200)排在第4。上述结果可以发现图书馆、情报与文献学的被推荐数和被评论数分别高于其推荐数和评论数, 图情学科博主博文受关注程度要高于其对其他学科的关注, 呈现出一定的学科知识输出的态势; 图情学科与计算机科学的关系最为紧密, 这与图情领域技术的发展趋势有关; 而图情领域研究与生态学、物理学I存在着信息生态学、复杂网络分析等交叉研究方向, 学术博客中的此类表征强于传统文献计量分析中的此类表征, 是今后一段时间值得关注的领域。

4.4 统计检验

前文分析中已经看出学科推荐网络和学科评论网络中在中心性上表现较好的一些学科节点, 它们存在一些共性, 接下来基于统计学检验两者之间是否有显著差异, 对如下假设进行验证:

H1: 学术博客中学科推荐网络和学科评论网络有显著差异。

H1a: 学术博客中学科推荐网络和学科评论网络 的点入中心性有显著差异。

H1b: 学术博客中学科推荐网络和学科评论网络的点出中心性有显著差异。

H1c: 学术博客中学科推荐网络和学科评论网络的中间中心性有显著差异。

H1d: 学术博客中学科推荐网络和学科评论网络的内接近中心性有显著差异。

H1e: 学术博客中学科推荐网络和学科评论网络的外接近中心性有显著差异。

H2: 学术博客中的学科推荐数与学科推荐网络的中心性强相关。

H3: 学术博客中的学科评论数与学科评论网络的中心性强相关。

(1) 学科推荐网络与学科评论网络

以上文5类中心性参数作为检验用数据两两进行T检验, 结果如表6所示, 其中p-value< 0.05说明在统计学上具有显著差异。

表6 学科推荐网络与学科评论网络的参数T检验

结合表6中Sig.(2-tailed)值以及前文假设, 可以得出:

H1a成立: 学术博客中学科推荐网络和学科评论网络的点入中心性有显著差异。

H1b成立: 学术博客中学科推荐网络和学科评论网络的点出中心性有显著差异。

H1c不成立: 学术博客中学科推荐网络和学科评论网络的中间中心性无显著差异。

H1d成立: 学术博客中学科推荐网络和学科评论网络的内接近中心性有显著差异。

H1e不成立: 学术博客中学科推荐网络和学科评论网络的外接近中心性无显著差异。

故H1部分成立, 学科推荐网络和学科评论网络仅在点度中心性和内接近中心性上有显著差异, 学术博客中学科视角下的推荐行为和评论行为具有一定的差异性。

(2) 推荐评论数与学科网络中心性

进一步考察推荐行为和评论行为与学科交互的社会网络中心性参数之间的相关关系, 采用Spearman检验, 一般值在0.8-1.0代表极强相关, 0.6-0.8代表强相关。检验结果如表7所示, 结果显示学科内推荐数、学科间施推荐数、学科间被推荐数与学科推荐网络中的中心性参数均呈极强相关或强相关, 故H2成立。学科内和学科间的推荐数直接影响到学术博客中学科交互的网络结构和节点重要性。

表7 学科推荐数与推荐网络参数的Spearman相关检验

同样, 对学科评论数和评论矩阵参数做相关性检验, 如表8所示, 结果显示学科内评论数、学科间施评论数、学科间被评论数与学科评论网络中的中心性参数均呈极强相关或强相关, 故H3成立。同样, 学科内和学科间的评论数直接影响到学术博客中学科交互的网络结构和节点重要性。

表8 学科评论数与评论网络参数的Spearman相关检验
5 结 语

本文选取科学网学术博客2013全年数据, 根据学科进行分类, 对其学科推荐网络和学科评论网络进行研究, 可以看出, 在学术博客社区中, 推荐行为是比评论行为更为频繁的交互方式; 学科推荐矩阵和学科评论矩阵在点入中心性、点出中心性和内接近中心性上呈显著差异, 而在中间中心性和外接近中心性上无显著差异; 学术博客中的学科推荐数与学科推荐网络中的常见中心性参数强相关或极强相关, 学科评论数与学科评论网络中的常见中心性参数强相关或极强相关, 两者对学科交互中的网络结构和节点重要性的作用基本一致。在所有学科推荐与评论矩阵的块模型分析, 管理综合大类中的学科矩阵块模型分析, 以及个体网络分析中可以发现, 学术博客作为一种非正式网络学术交流形式, 科学网博客整体性数据显示其促进了不同学科学者之间大跨度交流, 部分学科之间的交流已经突破了传统的学科大类下的交叉, 呈现出低门槛、多元化、大跨度的交流特点。当然, 在实际分析中也存在一些不足有待后续研究深化。一方面, 相关学科之间确实存在隐性的互联, 这需要结合一些中心度较高的节点做个体中心网分析; 另一方面, 学科

分类目前并无统一标准, 本文研究也受到科学网自定分类的约束, 博主学科归属也仅是一种近似处理, 更精确的分析需具体探索每个博客的内容。推荐与评论都是包括博客在内的众多互联网社会性媒体应用的常见信息行为, 对其进行深入研究将有助于进一步理解基于互联网的信息行为模式与规律。本文从学术博客学科交互的角度切入, 可为今后新闻博客、微博和微信等应用的分类信息交互研究提供参考。

参考文献
[1] 史新艳, 肖仙桃. 学术博客链接结构及其交流特性分析[J]. 图书情报知识, 2009(5): 79-83, 89.
(Shi Xinyan, Xiao Xiantao. Link Structure of Academic Blog and Characteristics of Communication Analysis[J]. Document, Information & Knowledge, 2009(5): 79-83, 89. ) [本文引用:1]
[2] 张玥, 朱庆华. Web2. 0环境下学术交流的社会网络分析——以博客为例[J]. 情报理论与实践, 2009, 32(8) : 28-32.
(Zhang Yue, Zhu Qinghua. Study on the Academic Exchange Network in the Web 2. 0 Enviroment—Take Blog as Example[J]. Information Studies: Theory & Application, 2009, 32(8): 28-32. ) [本文引用:1]
[3] 林忠. 学术博客与传统学术交流模式的差异探析[J]. 情报资料工作, 2008, 29(1): 41-44.
(Lin Zhong. Differential Analysis of Academic Blog and Traditional Academic Communication Mode[J]. Information and Documentation Services, 2008, 29(1): 41-44. ) [本文引用:1] [CJCR: 1.504]
[4] Hurd J M. Models of Scientific Communications Systems [A]. // Crawford S Y, Hurd J M, Weller A C. From Print to Electronic: The Transformation of Scientific Communication[M]. Medford, NJ : Information Today Inc. , 1996 : 9-33. [本文引用:2]
[5] Gruhl D, Liben-Nowell D, Guha R, et al. Information Diffusion Through Blogspace[J]. ACM SIGKDD Explorations Newsletter, 2004, 6(2): 43-52. [本文引用:1]
[6] Kumar R, Novak J, Raghavan P, et al. Structure and Evolution of Blogspace[J]. Communications of the ACM—The Blogosphere, 2004, 47(12): 35-39. [本文引用:1]
[7] Marlow C. Audience, Structure and Authority in the Weblog Community [C]. In: Proceedings of the 54th Annual Conference of the International Communications Association, New Orleans, LA, USA. 2004. [本文引用:1]
[8] Zhou Y, Davis J. Analysis of Weblog Link Structure-A Community Perspective [A]. // Web Information Systems and Technologies[M]. Springer Berlin Heidelberg, 2007: 307-320. [本文引用:1]
[9] Kim H N. The Phenomenon of Blogs and Theoretical Model of Blog Use in Educational Contexts[J]. Computers & Education, 2008, 51(3): 1342-1352. [本文引用:1]
[10] 王晓光. 博客社区内的互动交流结构: 基于评论行为的实证研究[J]. 新闻与传播研究, 2010(4): 53-59, 110.
Wang Xiaoguang. Interaction Structure in the Blog Community: An Empirical Study of the Behavior[J]. Journalism & Communication, 2010(4): 53-59, 110. ) [本文引用:1]
[11] 汪维富, 钟志贤. 博客社区中好友链接的社会网络分析——以科学网的博客社区为分析案例[J]. 现代远距离教育, 2010(5): 55-59.
(Wang Weifu, Zhong Zhixian. The Social Network Analysis of Friends Link in the Blog Community-A Case Study of the Blog Community in www. sciencenet. cn[J]. Modern Distance Education, 2010(5): 55-59. ) [本文引用:1]
[12] 邱均平, 王菲菲. 基于博客社区好友链接的知识交流状况分析——以科学网博客为例[J]. 图书情报知识, 2011(6): 25-33.
(Qiu Junping, Wang Feifei. Analysis About Knowledge Communication Network Based on Friends Link in the Blog Community—A Case Study of the Blog Community in www. sciencenet. cn[J]. Document, Information & Knowledge, 2011(6): 25-33. ) [本文引用:1]
[13] 邱均平, 李威. 基于社会网络分析的博主与评论者关系研究——以“科学网博客”为例[J]. 情报科学, 2012, 30(7): 959-963.
(Qiu Junping, Li Wei. Study on the Relationship of Bloggers and Commentators Based on the Social Network Analysis-Take the Web of Science Blog as Example[J]. Information Science, 2012, 30(7): 959-963. ) [本文引用:1] [CJCR: 1.033]
[14] 夏立新, 翟姗姗, 陈卓群. 基于学术博客的图书馆学科知识服务研究[J]. 图书馆论坛, 2011, 31(6): 109-114.
(Xia Lixin, Zhai Shanshan, Chen Zhuoqun. Research of Library Subject Knowledge Services Based on Academic Blogs[J]. Library Tribune, 2011, 31(6): 109-114. ) [本文引用:1] [CJCR: 1.463]
[15] 王伟军, 甘春梅, 刘蕤. 学术博客知识交流与共享心理诱因的实证研究[J]. 情报学报, 2012, 31(10): 1026-1033.
(Wang Weijun, Gan Chunmei, Liu Rui. Empirical Research on the Psychological Inducement to Knowledge Communication and Knowledge Sharing Under Academic Blogs Environment[J]. Journal of the China Society for Scientific and Technical Information, 2012, 31(10): 1026-1033. ) [本文引用:1] [CJCR: 1.098]
[16] 甘春梅, 王伟军, 田鹏. 学术博客知识交流与共享心理诱因研究[J]. 中国图书馆学报, 2012, 38(3): 91-99.
(Gan Chunmei, Wang Weijun, Tian Peng. Exploring the Psychological Inducement of Knowledge Communication and Sharing in Academic Blogs[J]. Journal of Library Science in China, 2012, 38(3): 91-99. ) [本文引用:1] [CJCR: 4.075]
[17] 郑继来, 谢龙. 编辑推荐对博文影响力的扩大效应——以科学网博客社区为例[J]. 新世纪图书馆, 2013( 6): 65-69, 61. (Zheng Jilai, Xie Long. Expand ing Effect of Blog Influence Crossing Editor Recommendation——Take the Example of ScienceNet. cn Blog[J]. New Century Library, 2013(6): 65-69, 61. ) [本文引用:1]
[18] 王学东, 杜晓曦, 石自更. 面向学术博客知识交流的社会网络中心性分析[J]. 情报科学, 2013, 31(3): 3-8, 16.
(Wang Xuedong, Du Xiaoxi, Shi Zigeng. Centrality Analysis of Social Networks for Academic Blog Knowledge Exchange[J]. Information Science, 2013, 31(3): 3-8, 16. ) [本文引用:1] [CJCR: 1.033]
[19] 顾立平, 张晓林. 创建与使用型人——对非正式信息交流行为的实证研究与服务建议[J]. 中国图书馆学报, 2010, 36(2): 31-37.
(Ku Liping, Zhang Xiaolin. Creating and Using Personas: An Empirical Study and Service Suggestions on Informal Information Communication Behavior[J]. Journal of Library Science in China, 2010, 36(2): 31-37. ) [本文引用:1] [CJCR: 4.075]
[20] 范并思. Blog对海峡两岸图书馆学的影响[J]. 图书馆论坛, 2006, 26(6): 80-84.
(Fan Bingsi. The Impact of Blog in Cross-strait Librarianship[J]. Library Tribune, 2006, 26(6): 80-84. ) [本文引用:1] [CJCR: 1.463]
[21] Stuart K. Towards an Analysis of Academic Weblogs[J] . Revista Alicantina de Estudios Ingleses, 2006(19): 387-404. [本文引用:1]
[22] Vaughan L, You J. Word Co-occurrences on Webpages as a Measure of the Relatedness of Organizations: A New Webometrics Concept[J]. Journal of Informetrics, 2010, 4(4): 483-491. [本文引用:1]
[23] 刘春丽. Web2. 0环境下的科学计量学: 选择性计量学[J]. 图书情报工作, 2012, 56(14): 52-56.
(Liu Chunli. Scientometrics in the Web 2. 0 Environment: Altmetrics[J]. Library and Information Service, 2012, 56(14): 52-56. ) [本文引用:1] [CJCR: 1.24]
[24] 谈晓洁, 吴克文, 赵宇翔, 等. 抽样方式对社会网络分析的影响研究[J]. 情报学报, 2011, 30(7): 738-745.
(Tan Xiaojie, Wu Kewen, Zhao Yuxiang, et al. Evaluating Influence of Sampling Methods upon Social Network Analysis[J]. Journal of the China Society for Scientific and Technical Information, 2011, 30(7): 738-745. ) [本文引用:1] [CJCR: 1.098]
[25] 赵星, 谭旻, 余小萍, 等. 我国文科领域知识扩散之引文网络探析[J]. 中国图书馆学报, 2012, 38(5): 59-67.
(Zhao Xing, Tan Min, Yu Xiaoping, et al. Exploring the Citation Networks for Knowledge Diffusion of Humanities and Social Sciences in China[J]. Journal of Library Science in China, 2012, 38(5): 59-67. ) [本文引用:1] [CJCR: 4.075]