Gladwin^[16]、Oh等^[17]及Beck^[18]将民族志决策树方法细分为决策树模型建立和模型效度检验两个阶段, 如图1所示：

图1

	Figure Option ViewDownloadNew Window
	图1 民族志决策树方法的研究流程架构[16]

（1）决策树模型建立

第一阶段以定性研究为主。首先确定本次研究的问题及访谈的样本, 然后问民族志问题、收集民族志数据、分析数据、发现更好的问题, 该过程一般需要三次以上的循环迭代过程, 在此基础上建立民族志决策树模型的个体决策树模式, 最后形成群体决策树。同时, 定性数据的收集和分析是个耗时、需要大量人力物力投入的研究, 为了使这一过程逐渐半自动化, 目前常用的分析定性数据的软件有ATLAS.ti^[19]、NVivo^[20]等。

（2）模型效度检测

第二阶段以定量研究为主, 由设计结构问卷、确定样本、收集数据、决策准则检验、模型预测度计算及分析、修正组成^{[13, 21]}。首先将每个决策转换为是、否的问题, 形成正式的结构化问卷, 去测试先前所发展的模式, 决定测试的样本数目以及访谈的地点和时间。若过程中发现模型问题不需要立刻修正, 而应该等问卷结束, 返回重新以开放性的问题去发现模式中失误的原因, 了解行为无法被模式所解释的原因。模型预测度需要在85%-90%以上, 否则认为所建模型无效, 需要重新设定模式, 并设计问卷加以测试。最后, 比较再次建立的模型和先前决策模式的差异。

民族志决策树方法目前的应用主要分为两个阶段。早期学界民族志决策树方法主要应用于农业生产决策问题, 如农民种植何种庄稼的选择, 在满足一类庄稼的哪些条件准则时则种植该农作物^[16]、农民土地使用模式^[22]及乡村社区居民对待疾病对策^[11]的选择, 预测的准确率都较高, 决策树的准则较为符合真实决策的过程。随着该模型应用的扩展, 目前已被广泛应用于社会心理学^[23]、医疗^[17]、信息系统^[24]中有关用户或者群组做某一选择的行为原因及决策过程问题。由于是“局内人”做选择时的逻辑观点, 而不是用资料理论推演, 增加了研究结果的完整性及合理性。模型本身就可以定量研究。同时, 可以将模型与其他方法结合使用, 如Lucas^[25]将民族志决策树方法与Agent结合起来研究社会现象。最后, 模型预测率达到85%-90%以上时, 其构建的结果可以动态性捕捉决策原因, 并对决策者进行有效预测。正是由于这些优点的存在, 使得该模型特别适合了解用户决策行为的影响因素, 且可以有效预测用户的行为发展趋势。

基于上述方法可知, 模型的构建包括确定访谈目的及样本、问民族志问题、收集、分析民族志资料并发现更好的问题、个体决策树建立、群体决策树形成以及模型内部修正。

（1）本研究的访谈目的是了解哪些决策准则会影响用户使用科学网, 以及用户在做出使用和停止使用过程中的决策脉络图。在科学网主页的博主名录中发现使用科学网的用户主要为科研工作者, 非科研工作者基本不使用科学网。因此笔者利用博主名录抽取90位注册用户, 剔除最近三个月均没有登录记录的用户（将三个月不登录作为一个停止使用的界点^{[26, 27]}）, 最终有效的访谈对象为84个, 样本结构如表1所示, 从而了解其从使用到停止使用上要素决策的不同。

表1

表1

表1 科学网博客用户样本分布 分类 属性 人数 百分比 性别 男 40 47.62% 女 44 52.38% 学历 硕士（在读和已毕业） 15 17.86% 博士（在读） 27 32.14% 博士（已获得学历） 42 50% 身份 学生（硕博在读） 34 40.48% 教师 38 45.24% 其他（如科研所、企业） 12 14.28%

表1 科学网博客用户样本分布

由于本研究的样本来源于网络, 采用方便抽样及滚雪球抽样方法。从表1可以看出, 目前科学网用户在性别分布上基本无差异, 但使用对象的学历上以博士为主, 而身份上以教师为主。

（2）通过对科学网博客用户使用及停止使用决策行为问题的访谈, 获取访谈资料, 并分析访谈资料获取用户决策准则, 这个过程是个不断比较循环的过程, 共循环6次直到无新的决策规则产生, 抽取的最终决策包括用户使用和停止使用两类, 并对提炼的规则进行编号；接着借助ATLAS.ti软件, 将这些编号的规则返回到访谈资料中, 利用锚点技术, 再次检验和修正规则之间的逻辑关系。基于此, 构建科学网用户使用及停止使用决策脉络图。

根据用户的访谈资料抽取用户的决策准则, 个体决策树的样例如图2所示：

图2

	Figure Option ViewDownloadNew Window
	图2 个体决策树的样例（注：考虑到图的大小, “停止使用”简称为“停止”, 以下同。）

图2中的样本用户为之前使用但目前已停止使用科学网的注册会员, 在访谈过程中发现用户使用科学网的目的在于和同行交流, 同时发布博文以供分享但很少会直接利用科学网上的资源进行科研创作, 最后停止使用的原因是研究生毕业工作不再需要相关科研活动。

获取的最终群体决策树如图3所示, 共获取10条准则（P1-P10）和两项决策方案（“使用”和“停止使用”）。

图3

	Figure Option ViewDownloadNew Window
	图3 科学网博客用户使用及停止使用决策行为模型

由于已形成群体决策树, 则对模型内部修正时, 直接检查群体决策树的逻辑关系及条件是否合理, 本研究在抽取决策准则时严格按照自下而上逐层获取, 并严格依据Klein等^[28]的定性方法研究操作步骤。获取最终群体决策树的方式为从个体决策树到群体决策树, 即得到的所有个体决策树, 通过对比合成一棵决策树。值得注意的是将来自每个访谈者所建立的个体决策模式合并为一个, 并不意味着个别决策树的每一个准则内部特性都要保留, 而是必须将许多个别的内在决策准则类化为更一般性的外在决策准则。如图2中的“你毕业后还会用到科学网吗?”这一准则舍去, 而泛化为信息和内容对用户无价值而停止使用（即P2准则）。

将上述决策脉络图转换为结构化问卷的形式, 每个决策都转换成是、否的问题。上述10条准则共形成10项问卷条目, 其中问题选项的回答规则为：当用户在回答P1问题为“是”时, 则自动跳转到P2, 否则跳转到P3, 以此类推, 本文用C语言编程设计该规则并自动统计数据, 主要程序如下：

int CreateDisTree (DisTree *T){

/*建立图3的决策二叉树, 从P1开始建立*/

int temp=1;

char xh, ch；

scanf("%c", &xh);

ch=xh；

while(temp&&ch=='\n'){

scanf("%c", &ch);

temp=0;

}

if(ch=='#') (*T)=NULL;

else {

if(!((*T)=( DisTree)malloc(sizeof(BTNode)))) return ERROR;

(*T)->data=ch;

CreateDisTree(&((*T)->lchild));

CreateDisTree(&((*T)->rchild));

}

return OK;

}

void PreOrderTraverse(DisTree T){/*深度优先遍历二叉树, 并计算各阶段选择人数*/

if (T){printf("%c", T->data;int i;int j);

/*访谈者的选项为YES则下一步转向YES的那棵树, 否则转向NO */

if T. keywords== YES;& then lchild!= null

i++;/*左子树访谈者加1, 且初始值为0*/

OrderTraverse(T->lchild);

/*P8->P10处, 考虑到图的美观的时候为右子树, 实际遍历中YES的均作为左子树遍历*/

else j++; /*右子树访谈者加1, 且初始为0*/

OrderTraverse(T->rchild);}

}

访谈样本仍来自于上述样本群, 但之前模型构建阶段出现的90个样本不能再在该部分使用。检验所需的最小样本数, 本研究参考Ryan等^[29]的检验样本公式如下所示, 其中N代表决策树中的规则数。

Min(样本量)≥Min(每个节点的人数)×₂[log^2N]      (1)

考虑到样本数据的可获得性, 将每个准则的最小样本定为4人, 上述模式共5层, 则最小样本数为128人, 发放160份问卷, 但最终获取的有效访谈问卷为142份, 达到了最小样本128的要求。其检验结果的最后统计数据如表2所示：

表2

表2

表2 科学网博客用户使用决策树的是否结构化问卷结果 准则名称 回答选项 人数 关联到的准则或方案及其对应人数 P1 是 100 P2 否 42 P3 P2 是 78 P4 否 22 P5 P3 是 12 P6 否 30 P7 P4 是 40 P8 否 38 P10 P5 是 12 P9 否 10 正确（停止）：8 错误（使用）：2 P6 是 8 正确（使用）：6 错误（停止）：2 否 4 正确（停止）：4 错误（使用）：0 P7 是 4 正确（使用）：4 错误（停止）：0 否 26 正确（停止）：26 错误（使用）：0 P8 是 34 P10 否 6 正确（停止）：4 错误（使用）：2 P9 是 8 正确（使用）：8 错误（停止）：0 否 4 正确（停止）：2 错误（使用）：2 P10 是 58 正确（使用）：56 错误（停止）：2 否 14 正确（停止）：10 错误（使用）：4

表2 科学网博客用户使用决策树的是否结构化问卷结果

模型预测度的计算为所有正确人数总和与总样本人数的比值, 该调查结果显示错误人数为14人, 正确人数为128人, 其中显示错误是指模型中的路径是使用（停止）而实际选择中却选择了停止（使用）的行为, 正确是指模型中的路径是使用（停止）而实际选择中仍是做出使用（停止）的行为选择。则模型的总预测度为90.14%, 由于模型效度达到85%-90%以上就可以认为模型有效, 因此上述构建的科学网用户的使用及停止使用决策脉络模式有效, 并具有预测效力。

基于图3和表2可知：

（1）决策图上各要素决策准则的组合, 可以有效判断用户的一般性选择。同时, 从决策脉络图人数的选择上可以看出, 每个决策在二分时的概率不同, 即不同的决策要素的组合, 发生的概率不同, 这就使得该模型具有预测性。如在满足P1、P3为“否”的情况下共30人, P7中回答“否”的26人都不用科学网, 回答“是”的4人都用科学网, 基于此可以判断, 当P1、P3、P7都为“否”时, 一般用户将停止使用科学网。

（2）决策要素的不同层级正是对其重要性的一个排序, 科学网的用户认为信息的有用高于信息分享等行为, 继而高于信息的风险行为（承担侵权、合理利用）, 认为分享与交流同等重要。科学网的易用性是用户最后考虑的决策条件。

综上所述, 表2和图3给出了用户使用和停止使用科学网的要素指标以及这些指标的重要性层级排序。当图3模型检验有效时, 说明个案访谈的内容是有效的和完整的, 则基于图3, 借助ATLAS.ti软件中的锚点定位返回到模型建立阶段访谈资料的个案内容中, 获取用户是使用还是停止使用科学网的原因, 其中P2泛化前的具体指标包括价值性、真实性、时效性、深度性、权威性及新颖性。本研究发现在个案中用户使用学术博客和停止使用学术博客的原因如下：

（1）使用学术博客的原因

①内容的价值性、真实性及权威性等。科研工作者在使用学术博客时认为其信息价值高于普通博客, 可信度较高, 特别是该学科领域的一些博主（顶尖）博文质量较高。对博客内容娱乐性及多样性要求不高。

②使用学术博客可以结识同一领域或相关领域的学者, 特别是一些学科顶尖大牛。可以与相同兴趣的学者交流, 这种双向、集中的学术交流便于知识的共享和互动^[30]。

③发布个人或团队的学术观点, 让外界了解个人团队的研究方向、提高知名度以及传播知识等。

（2）停止使用学术博客的原因

①博客内容的深度及粒度不高。访谈中做出停止使用决策的用户普遍认为学术博客的内容深度性不够, 分类不够细致。

②学术知识的时效性和新颖性一般。

③学术博客内容资源有限。访谈者中认为学校图书馆或专业搜索引擎提供的信息可以满足使用。在查找某些知识时, 搜索引擎中包含科学网的链接较少。同时, 周围人群用的较少, 对该类型学术博客不熟悉。部分用户在使用科学网时, 受到他人或团体行为决策的影响, 具有较强的从众行为。

④学术博客的风险问题, 风险来自于实名和内容。

⑤其他即时性工具、E-mail、微博、QQ等平台的替代。在联系和交流层面, 科研工作者多以E-mail为主, 只是通过学术博客认识大牛, 真正的交流却利用其他平台开展, 交流周期和效率较学术博客都得到提高。

值得一提是还有一类使用科学网的用户, 比如科学网上突然发生某一重大新闻或者事件, 如近期较为热门的“王牧与闻海虎”事件, 外界很多搜索引擎信息关联到该信息, 则会登录使用。

针对上述用户停止使用的决策原因, 本研究认为运营商及学术博客管理者等应该从学术博客定位、规范学术传播和实名制的设置、博客功能提升及学术博客宣传方面展开。

（1）学术博客内容定位

美国著名学者唐纳德·肖^[31]认为, 只有垂直媒体（大众媒体）和水平媒体（小众媒体、个人媒体）相互交织、相互借力, 才能构建一个像埃及纸草那样坚固的“纸草型社会”。学术博客正向水平媒体方向发展, 这就需要满足水平媒体的特征, 符合用户的个性化需求, 博客内容需要细粒度划分, 内容上朝深度发展, 从而省去用户再去归纳的过程, 真正意义上深入对知识的提炼挖掘以满足用户需求。根据科研人员的需求, 提高学术博客质量^[32], 进而提高博客内容的深度及细粒度、学术知识的时效性和新颖性以及扩展学术博客内容资源等。

（2）规范学术传播和实名制的设置

规范学术博客写作, 妥善解决侵权风险, 需要有关机构发布相应的网络知识方面的法律法规保证, 从而提高知识传播的效率及开展文明学术博客。实名制作为传播学中的“悖论”, 如何设置实名制的度, 需要管理者及运营商重点关注, 实名制和匿名制分别给科学博客社区带来了不同的传播范式。如“非强制实名的学位社区的博客数量远远超过科学网, 且以年轻人参与为主, 但影响力和权威性却与科学网相差甚远^[33]”。因此, 合理的实名制定位是规避学术传播风险的有效途径。

（3）博客功能提升及提高学术博客知名度

学术博客作为一种新的科学知识传播力量, 从网络接口扩展等层面, 应该提高与Baidu、Google等搜索引擎的合作, 使得用户在搜索有关学术性知识时, 可以关联到学术博客, 提高知识传播率。同时, 可以考虑与腾讯、新浪微博等合作, 扩大博客的社会影响, 提高科研人员对学术博客的认知度, 让更多的人了解和接受学术博客。