黃永勤

>>【摘要】

以Web of Science、CNKI和維普等數(shù)據(jù)庫收錄的近年來國內(nèi)外關(guān)于用戶生成內(nèi)容（UGC）的文獻為數(shù)據(jù)來源，借助CiteSpace繪制知識圖譜，進而梳理UGC領(lǐng)域的演進路線和知識基礎(chǔ)，分析出其概念、方法、技術(shù)和應(yīng)用四大層面的研究熱點，歸納出其知識管理、傳播模式及關(guān)系挖掘、商業(yè)應(yīng)用和社會服務(wù)的4個前沿主題，可視化分析結(jié)果為UGC的進一步研究提供了參考。

>>【關(guān)鍵詞】

UGC 用戶生成內(nèi)容 知識圖譜 可視化 CiteSpace

用戶生成內(nèi)容UGC（user generated content）是一種新興網(wǎng)絡(luò)信息資源創(chuàng)作與組織模式，是在以開放、參與的自服務(wù)模式為主要特征的Web 2.0環(huán)境下發(fā)展起來的。目前關(guān)于“UGC”還沒有一個公認的定義，OECD對UGC的描述在業(yè)界較有影響力，其指出了UGC的三大特征：①Internet上公開可用的內(nèi)容；②內(nèi)容的創(chuàng)新性；③強調(diào)普通用戶的創(chuàng)作[1]。

隨著2005年視頻分享網(wǎng)站YouTube的推出，UGC模式迅速引起互聯(lián)網(wǎng)、移動商務(wù)和電子政務(wù)等領(lǐng)域的關(guān)注，并成為國際IS研究的熱點。經(jīng)過近7年的發(fā)展，UGC領(lǐng)域研究成果顯著。然而，目前僅有范哲[2]和趙宇翔[3]對其初期進展、概念解析做了總結(jié)，且研究多以描述性歸納為主，筆者試圖借助CiteSpace[4]軟件，生成知識圖譜，從定量與可視化的角度來揭示UGC領(lǐng)域的演進路徑、知識基礎(chǔ)、研究熱點和前沿。

1 數(shù)據(jù)獲取與處理

選取CNKI《中國學(xué)術(shù)文獻網(wǎng)絡(luò)出版總庫》、維普、萬方、Web of Science（包含SCIE、SSCI和A&HCI）作為來源數(shù)據(jù)庫，以user generated content、UGC、consumer generate content、CGC、user created content、UCC、consumer generated media、user generated data、user generated video content、用戶生成內(nèi)容、用戶貢獻內(nèi)容、用戶創(chuàng)造內(nèi)容、用戶原創(chuàng)內(nèi)容、客戶自主產(chǎn)生內(nèi)容等詞為主題、標題或關(guān)鍵詞進行檢索。經(jīng)利用HistCite軟件對遺漏文獻進行補全、剔重和清洗數(shù)據(jù)，最后獲得中文論文140篇，外文785篇（注：數(shù)據(jù)采集時間截至2012年10月16日，納入分析的論文指具有摘要、關(guān)鍵字等論文標準規(guī)范的文獻）。此外，為了準確分析“關(guān)鍵詞”，作者進行了大小寫轉(zhuǎn)換、格式統(tǒng)一、同義詞合并等處理。

2 演進路徑分析

選定“參考文獻”節(jié)點，以合適閾值運行國外文獻數(shù)據(jù)，生成如圖1所示的知識圖譜。圖中每個節(jié)點代表一篇文獻，節(jié)點越大說明該文獻被引次數(shù)越多；連線代表文獻間的引用，連線越粗表明共引次數(shù)越多，即文獻關(guān)系越緊密，研究主題也越相近。以時間為軸，知識的演進路徑如下：①2007年，A1聚焦網(wǎng)絡(luò)視頻的發(fā)展，闡述了UGC理念、商業(yè)合理性及社交媒體的大眾化[5]；A2探討了“e-learning（在線學(xué)習(xí)）”等主題。②2008年，B1集中關(guān)注了移動網(wǎng)絡(luò)的UGC數(shù)據(jù)；B2提出了一種“user generated tabloid content（用戶原創(chuàng)小報內(nèi)容）”[6]概念，探討了UGC模式對傳統(tǒng)媒體的挑戰(zhàn)。③2009年，C1著力探究了網(wǎng)絡(luò)數(shù)據(jù)挖掘、協(xié)同標簽?zāi)Ｐ蚚7]等主題；C2重視用戶行為及分類[8]；C3關(guān)注UGC網(wǎng)絡(luò)視頻系統(tǒng)的服務(wù)模式。④2010年，D對UGC內(nèi)容的收集與組織[9]、用戶動因機制兩方面做了系統(tǒng)深入的研究。⑤2011年，E1討論了協(xié)作機制和用戶關(guān)系等主題；E2轉(zhuǎn)向旅游行業(yè)，分析了UGC內(nèi)容、口碑對用戶決策的影響，并對相關(guān)商業(yè)模式進行了思考；E3細數(shù)了UGC給傳媒、輿論、服務(wù)業(yè)帶來的挑戰(zhàn)和變革[10]。

2005-2006年是UGC發(fā)展的初期階段，UGC以介紹性的報道進入研究者的視野，并引起研究者的極大興趣，隨后開啟了學(xué)術(shù)研究的旅程；2007-2008年是文獻呈指數(shù)增長的快速發(fā)展期，UGC的研究主題逐漸拓展，針對社交平臺、新媒體、移動網(wǎng)絡(luò)和新聞傳媒進一步解析了UGC理念，但相關(guān)研究主題分散，缺乏關(guān)聯(lián)；隨著研究的深入，A1、A2、B1、B2和C1開始“向中心靠攏”，2009-2010年，研究者開始注重從整合的視角，應(yīng)用信息技術(shù)挖掘隱性知識和用戶關(guān)系，這切合了知識管理的潮流；現(xiàn)階段研究熱情有所下降，處在平穩(wěn)發(fā)展期，研究主題重點關(guān)注應(yīng)用層面，如商業(yè)模式、知識利用、用戶行為和社會服務(wù)等。

圖1 文獻共被引網(wǎng)絡(luò)

3 知識基礎(chǔ)分析

3.1 基礎(chǔ)文獻

知識基礎(chǔ)（intellectual bases）是由引用研究前沿術(shù)語的科學(xué)文獻所形成的演化網(wǎng)絡(luò)的引文和共引軌跡，它能相對穩(wěn)定地反映某一學(xué)科領(lǐng)域前沿的本質(zhì)，有助于預(yù)測動態(tài)趨勢[4]。統(tǒng)計共被引頻次，排名前6位的節(jié)點信息見表1，這些奠基性文獻組成了該領(lǐng)域的知識基礎(chǔ)。紫色圈關(guān)鍵節(jié)點文獻有4篇：T. O'Reilly[11]闡述了Web 2.0的由來、架構(gòu)及應(yīng)用發(fā)展等，指出Web 2.0是UGC模式誕生的平臺；H. Jenkins[12]介紹了文化背景下新舊媒體的融合與發(fā)展，認為新媒體的產(chǎn)生促進了UGC的發(fā)展；C. Anderson[13]引入長尾理論探討社交媒體商業(yè)應(yīng)用；D. Tapscott[14]基于維基百科的成功，闡述了一種新的商業(yè)模式：維基經(jīng)濟學(xué)，維基百科是一種用戶可編輯的百科，這種用戶參與生成內(nèi)容的機制正是UGC最初的靈感來源。此外，中心度是對網(wǎng)絡(luò)中任意最短路徑流經(jīng)節(jié)點的度量。經(jīng)統(tǒng)計，中心度大于0.1的共有4篇文獻，它們都在基礎(chǔ)文獻之列，可見它們在該領(lǐng)域的重要鏈接作用，這些成果為UGC的興起和快速發(fā)展奠定了基礎(chǔ)。

表1 國外高共被引知識基礎(chǔ)文獻

3.2 高被引文獻

國內(nèi)外研究成果被引頻次排名前3的文獻信息見表2。

表2 國內(nèi)外高被引文獻

A.M. Kaplan[10]闡述了社交媒體的概念、應(yīng)用及分類，并對企業(yè)如何利用社交媒體提出了建議；C. Forman[15]探討了在線電子市場中消費者發(fā)表的評論、產(chǎn)品地理位置信息的披露、商家口碑聲譽及網(wǎng)上社區(qū)規(guī)范對產(chǎn)品銷售產(chǎn)生的影響；其他文獻研究還涉及UGC用戶代理、用戶創(chuàng)作的積極性、視頻網(wǎng)站體系等。

趙宇翔[16]討論了UGC中參與者的分類及影響用戶生成內(nèi)容的動因，并構(gòu)建了用戶生成行為動因的整合模型，后續(xù)研究以土豆網(wǎng)為例對模型進行了實證檢驗；徐佳寧[17]探討了Web 2.0平臺下非正式科學(xué)信息發(fā)布主體、發(fā)布行為、發(fā)布內(nèi)容、信息接受和互動方式等過程和特征；其他文獻研究內(nèi)容還包括虛擬社區(qū)、商業(yè)模式及隱私法律問題等。

綜上對比分析，可得到以下結(jié)論：

● 表1所列基礎(chǔ)文獻中沒有純UGC研究文獻，大多只涉及其發(fā)展的原因和背景，也沒有形成以高被引經(jīng)典學(xué)術(shù)論文為中心的關(guān)鍵節(jié)點，可見該領(lǐng)域?qū)W術(shù)論文的LCS（local citation score）值很低，研究方向也比較分散。筆者認為產(chǎn)生這一現(xiàn)象的原因有兩方面：一是國外研究機構(gòu)的合作力度和強度較弱；二是尚未形成核心的研究團體來引領(lǐng)主要的研究方向。

● 表2中高被引文獻的頻次均高于表1中的知識基礎(chǔ)文獻，但卻未在共引圖譜中形成關(guān)鍵的抑或高被引節(jié)點，說明表2中文獻的高被引頻次只是表征在GCS（global citation score）值上，在本領(lǐng)域內(nèi)的核心影響力不足。

● 國內(nèi)文獻被引頻次遠低于國外，大部分論文在低被引和零被引之間，主要是因為國內(nèi)研究還處于起步階段，也與發(fā)表論文的平臺和論文質(zhì)量有關(guān)。國內(nèi)學(xué)者需進一步加大力度，深化研究，放開眼界，與國際前沿接軌，并注重創(chuàng)新性和實用性。

4 研究熱點分析

關(guān)鍵詞是文獻核心內(nèi)容的高度凝練，因此常被用來探索一個領(lǐng)域的熱點。將處理后的數(shù)據(jù)導(dǎo)入CiteSpace軟件，生成如圖2、圖3所示的共詞圖譜，排名前10位的關(guān)鍵詞如表3所示：

表3 排名前10位的關(guān)鍵詞

圖2中形成了 “user generated content”和“model（模型構(gòu)建）” 兩個紫色圈關(guān)鍵節(jié)點，與“Web 2.0”、“social media（社交媒體）”、“social networks（社交網(wǎng)絡(luò)）”、“internet（互聯(lián)網(wǎng)）”、“system（系統(tǒng)）”等節(jié)點共同組成國外熱點領(lǐng)域，研究主題包括UGC基礎(chǔ)理論與框架、社交網(wǎng)絡(luò)與行為動因、系統(tǒng)構(gòu)建以及新媒體應(yīng)用等。

“用戶生成內(nèi)容（UGC）”、“Web2.0”、“用戶行為”、“網(wǎng)絡(luò)視頻”、“互聯(lián)網(wǎng)”和“新媒體”6個關(guān)鍵節(jié)點代表了國內(nèi)研究熱點，涵蓋了UGC概念、主體及網(wǎng)絡(luò)平臺等方面。此外，“模型（建模）”、“商業(yè)模式”、“移動互聯(lián)網(wǎng)”、“微內(nèi)容”、“博客（blog）”及“口碑”等節(jié)點也顯示出國內(nèi)對UGC內(nèi)容分析與評價、商業(yè)應(yīng)用和模型構(gòu)建的關(guān)注度。

圖2 國外關(guān)鍵詞共現(xiàn)圖譜 圖3 國內(nèi)關(guān)鍵詞共現(xiàn)圖譜

對比國內(nèi)外研究熱點，可得出以下結(jié)論：

整體而言，國內(nèi)外高頻主題詞都包含 “UGC”、“web 2.0”、“model”、“internet”、“social media”和“user behavior（用戶行為）”等，且所占百分比相似，它們代表了國內(nèi)外研究的交集，反映出了該研究領(lǐng)域的主流方向。

另一方面，國內(nèi)外研究各有特點和側(cè)重，國外的“system”、“design（設(shè)計構(gòu)建）”、“privacy（隱私權(quán)）”、“knowledge management（知識管理）”、“retrieval（檢索）”及“folksonomy（自由分類法）” 都未出現(xiàn)在國內(nèi)高頻詞中，反映出國外對系統(tǒng)構(gòu)建、權(quán)益法規(guī)及知識利用等方面的研究熱于國內(nèi)；“網(wǎng)絡(luò)視頻”、“移動互聯(lián)網(wǎng)”及“商業(yè)模式”等高頻詞匯在國內(nèi)的出現(xiàn)比率大于國外，表明國內(nèi)更重視UGC商業(yè)模式及平臺應(yīng)用的研究。

通過對關(guān)鍵詞聚類歸納，筆者認為UGC研究熱點集中在以下4個層面：

● 概念層面，包括Web 2.0、媒體社會化、數(shù)據(jù)開放、網(wǎng)絡(luò)社區(qū)等與UGC密切相關(guān)的概念，這是本領(lǐng)域的背景知識和基礎(chǔ)。A. Armstrong[18]虛擬社區(qū)研究，P. B. Brandtz?g[19]的用戶類型研究，D. Jessica[20]的UGC發(fā)展趨勢預(yù)測及文獻[1]、[3]等都從多角度對UGC的基本理念進行了闡述。

● 方法機制層面，涵蓋動因研究、模型設(shè)計、信任機制、口碑及用戶行為等方向，如蔡淑琴[21]構(gòu)建超圖設(shè)計模型探尋UGC產(chǎn)品族設(shè)計映射，T. W. Malone[22]采用類型理論探究大眾行為模式，文獻[2]作者構(gòu)建結(jié)構(gòu)方程模型探討生成動因等。這些研究立足模型、方法，引入實證分析，在UGC的內(nèi)容組織、知識利用和隱性行為挖掘方面做了重要工作。

● 技術(shù)層面，包括微內(nèi)容的分析處理、文本挖掘、設(shè)計（design）、系統(tǒng)（system）、機器學(xué)習(xí)和信息檢索與處理等。B. Sriram等[23]提出短文本預(yù)分類思想，蔣盛益[24]對微博信息的挖掘技術(shù)做了歸納和展望。相關(guān)成果從信息技術(shù)、算法等角度深入研究了內(nèi)容挖掘、用戶標簽、社區(qū)發(fā)現(xiàn)和情感檢測等內(nèi)容，進一步深化了UGC知識管理的技術(shù)驅(qū)動。

● 應(yīng)用層面，涉及社交媒體（如Wikipedia和微博等平臺）、移動互聯(lián)網(wǎng)、電子商務(wù)、公共服務(wù)、醫(yī)療健康和涉法問題等。Ye Qiang等[25]研究了UGC口碑對旅游電子商務(wù)的影響，L. Hilton[26]深入分析了醫(yī)患關(guān)系中的UGC評價。此外，還有部分研究探討圖書館、檔案館、博物館等公共服務(wù)事業(yè)與移動互聯(lián)網(wǎng)和社交網(wǎng)絡(luò)的整合，部分成果關(guān)注UGC內(nèi)容的版權(quán)、隱私和輿論引導(dǎo)等問題。該層面的研究觸及多學(xué)科領(lǐng)域，但“淺嘗輒止”，UGC的社會實踐有待進一步加強。

5 研究前沿分析

普賴斯通過對科學(xué)引文網(wǎng)絡(luò)的觀察發(fā)現(xiàn)被引用最多的文獻是新近發(fā)表的文章，因而提出了“研究前沿”的概念并以此描述學(xué)科研究領(lǐng)域的過渡本質(zhì)[27]；皮爾遜（O. Persson）認為施引文獻形成研究前沿，被引文獻是知識基礎(chǔ)[28]；陳超美在2005年提出了新的看法，他認為使用突現(xiàn)主題術(shù)語（surged topical terms）要比使用出現(xiàn)頻次最高的主題詞（tittle words）更適合探測學(xué)科發(fā)展的新興趨勢和突變情況[4]。

利用CiteSpace提供的膨脹詞探測（burst detection）技術(shù)運行數(shù)據(jù)，得到圖4所示的研究前沿時區(qū)知識圖譜。分析突變詞和圖譜，筆者將研究前沿歸為以下四大主題領(lǐng)域：

5.1 UGC知識管理

突變詞“knowledge”、“mining”、“information”等從管理和技術(shù)兩個維度揭示了學(xué)者對UGC內(nèi)容的研究思路。管理層面?zhèn)戎貙GC理論、方法、規(guī)律、模型和機制進行研究，從信息組織、生成動因和生成模式等角度探究了UGC內(nèi)容的屬性、類型、利用、分析框架、知識管理和質(zhì)量評價，朱慶華教授主持的教育部人文社科項目“Web 2.0環(huán)境下用戶生成內(nèi)容激勵機制與評價機制的設(shè)計及其協(xié)同研究”就在管理層面獲得了不錯的研究成果。在技術(shù)層面，隨著微博、SNS等社交媒體的出現(xiàn)和發(fā)展，互聯(lián)網(wǎng)上存在大量非結(jié)構(gòu)化數(shù)據(jù)，研究人員關(guān)注探究如何利用短文本挖掘技術(shù)、人工標注、話題趨勢監(jiān)測、情感傾向分析、關(guān)聯(lián)數(shù)據(jù)及協(xié)同過濾等技術(shù)來獲取更深層次的隱性內(nèi)容。然而，一些基礎(chǔ)技術(shù)研究仍是短板，例如詞加權(quán)方法、可視化和主題聚類分類等，從技術(shù)層面研究如何從信息中挖掘知識仍將是熱點。蔡淑琴教授主持的國家自然科學(xué)基金項目“微內(nèi)容生產(chǎn)加工模式及其支持平臺的研究”已率先進行探索。

5.2 UGC信息傳播模式及其關(guān)系網(wǎng)絡(luò)挖掘

傳播模式的討論涉及傳播結(jié)構(gòu)、傳播路徑、用戶影響力干擾、節(jié)點判定和模型構(gòu)建等方面，突變詞“collaboration”和“model”代表了傳播模式中模型的構(gòu)建和用戶協(xié)作及其影響。關(guān)系挖掘范疇主要是基于用戶間相互關(guān)注和信息傳遞形成的關(guān)系網(wǎng)開展的研究，應(yīng)用計算機智能技術(shù)通過發(fā)現(xiàn)社區(qū)和識別評估意見領(lǐng)袖，同時引入復(fù)雜網(wǎng)絡(luò)理論、社會網(wǎng)絡(luò)分析技術(shù)等探討用戶節(jié)點和關(guān)系結(jié)構(gòu)，正如突變詞“community”、“design”和“systems”等所代表的內(nèi)涵，大數(shù)據(jù)時代背景，大規(guī)模、高動態(tài)、錯綜復(fù)雜的關(guān)系網(wǎng)有待更深入的探究，網(wǎng)絡(luò)可視化的呈現(xiàn)也將成為重要的研究方向。

5.3 UGC商業(yè)應(yīng)用

社交網(wǎng)絡(luò)的興起帶來無限商機，相關(guān)商業(yè)模式的探索更是強有力地推動了SNS的迅速發(fā)展，突變詞“social media”、“social networks”、“e-commerce”及“Twitter”等，讓我們相信UGC必將為社交媒體應(yīng)用平臺、個性化推薦、電子商務(wù)、產(chǎn)品營銷、旅游和企業(yè)公關(guān)等商業(yè)領(lǐng)域帶來新的活力和生機，葉強教授主持的國家自然科學(xué)基金項目“在線UGC的管理分析及其對電子商務(wù)的影響研究”已經(jīng)開啟了該主題的系統(tǒng)化研究工作。

5.4 UGC社會服務(wù)

迅捷、用戶量大、交互性強和涉及面廣的UGC，給傳統(tǒng)醫(yī)療和教育領(lǐng)域帶來了新的交互理念，也挑戰(zhàn)了傳統(tǒng)新聞媒體的傳播機制。去年微博頻頻爆出的“焦點新聞”讓我們感受到新媒體時代“長尾部分”中不知名用戶的影響力正在逐步提升，正如突變詞“news”和“opinion”等所預(yù)示的，UGC將在政府監(jiān)督、電子政務(wù)、醫(yī)療健康、社會教育、公共服務(wù)和突發(fā)性事件網(wǎng)絡(luò)輿情等方面發(fā)揮重要作用。而突變詞“privacy”揭示了UGC模式帶來的社會問題，需進一步探討和完善UGC領(lǐng)域的隱私保護、法規(guī)政策和倫理道德。

圖4 國外UGC研究前沿時區(qū)知識圖譜

6 結(jié)語

國外學(xué)術(shù)界對UGC的研究領(lǐng)先于國內(nèi)，研究主題也滲透計算機科學(xué)、管理工程、商學(xué)、新聞學(xué)和心理學(xué)等領(lǐng)域，但是主題較為零散，缺乏核心力。國內(nèi)研究尚處于起步階段，呈現(xiàn)出應(yīng)用探索熱于基礎(chǔ)理論研究的特點。本文在一定程度上揭示了UGC領(lǐng)域的發(fā)展現(xiàn)狀，但是也存在一些局限與不足：如新發(fā)表的優(yōu)秀論文由于被引率暫時較低，而無法在圖譜中充分展示；業(yè)界對CiteSpace軟件閾值的設(shè)置缺乏統(tǒng)一的標準，只能根據(jù)主觀理解、判斷和不斷調(diào)試。這些方面都需要在后續(xù)研究中進一步完善，也值得業(yè)界進一步深入探討。

[參考文獻]

[1] OECD.Participative Web and user-created content： Web2.0， wikis and social networking edition complete[EB/OL]. [2012-10-21].http：//www.oecd.org/document/40/0，3746，en_2649_34223_39428648_1_1_1_1，00.html.

[2] 范哲，朱慶華，趙宇翔. Web 2.0環(huán)境下UGC研究述評[J].圖書情報工作，2009，53（22）：60-63.

[3] 趙宇翔，范哲，朱慶華.用戶生成內(nèi)容（UGC）概念解析及研究進展[J].中國圖書館學(xué)報，2012（5）：68-81.

[4] Chen Chaomei. CiteSpace II： Detecting and visualizing emerging trends and transient patterns in scientific literature [J]. Journal of the American Society for Information Science and Technology， 2006， 57（3）：359-377.

[5] Cha M， Kwak H， Rodriguez P， et al. I tube， you tube， everybody tubes： Analyzing the worlds largest user generated content video system[C]//Proceedings of the 7th ACM SIGCOMM conference on Internet measurement. New York ：ACM， 2007： 1-14.

[6] ?rnebring H. The consumer as producer—of what？ User-generated tabloid content in The Sun （UK） and Aftonbladet （Sweden）[J]. Journalism Studies， 2008， 9（5）： 771-785.

[7] Golder S A， Huberman B A. Usage patterns of collaborative tagging systems[J]. Journal of Information Science， 2006， 32（2）： 198-208.

[8] Mathes A. Folksonomies-cooperative classification and communication through shared metadata[EB/OL].[2012-10-21].http：//adammathes.com/academic/computer-mediated-communication/folksonomies.pdf.

[9] Hermida A， Thurman N. A clash of cultures： The integration of user-generated content within professional journalistic frameworks at British newspaper websites[J]. Journalism Practice， 2008， 2（3）： 343-356.

[10] Kaplan A M， Haenlein M. Users of the world， unite！ The challenges and opportunities of Social Media[J]. Business horizons， 2010， 53（1）： 59-68.

[11] OReilly T. What Is Web 2.0： Design patterns and business models for the next generation of software[EB/OL].[2012-10-21].http：//oreilly.com/web2/archive/what-is-web-20.html.

[12] Jenkins H. Convergence culture： Where old and new media collide [M].New York： NYU Press，2006.

[13] Anderson C . The long tail： Why the future of business is selling less of more [M]. New York： Hyperion Books，2006.

[14] Tapscott D. Wikinomics： How mass collaboration changes everything [M]. New York： Portfolio Hardcover，2006.

[15] Forman C，Ghose A，Wiesenfeld B. Examining the relationship between reviews and sales： The role of reviewer identity disclosure in electronic markets[J].Information Systems Research，2008，19（3）：291-313.

[16] 趙宇翔，朱慶華. Web 2.0環(huán)境下影響用戶生成內(nèi)容的主要動因研究[J].中國圖書館學(xué)報，2009，35（5）：107-116.

[17] 徐佳寧.基于Web 2.0的非正式科學(xué)交流過程及其特點[J].情報科學(xué)，2008，26（1）：53-59.

[18] Armstrong A， Hagel J. The real value of online communities [EB/OL]. [2012-10-21]. http：//hbr.org/1996/05/the-real-value-of-on-line-communities/ar/1.

[19] Brandtz?g P B. Towards a unified Media-User Typology （MUT）： A meta-analysis and review of the research literature on media-user typologies[J]. Computers in Human Behavior， 2010， 26（5）： 940-956.

[20] Jessica D. Meet generation C： Creatively connecting through content[EB/OL]. [2012-10-21]. http：//www.econtentmag.com/Articles/Editorial/Feature/Meet-Generation-C-Creatively-Connecting-Through-Content-35942.htm.

[21] 蔡淑琴，馬玉濤，肖泉，等. 基于超圖設(shè)計模型的用戶創(chuàng)造內(nèi)容產(chǎn)品族設(shè)計映射研究[J].情報學(xué)報，2011，30（4）：387-394.

[22] Malone T W， Laubacher R， Dellarocas C. Harnessing crowds： Mapping the genome of collective intelligence[EB/OL]. [2012-10-21]. http：//papers.ssrn.com/sol3/papers.cfm？abstract_id=1381502.

[23] Sriram B， Fuhry D， Demir E， et al. Short text classification in twitter to improve information filtering[C]//Proceedings of the 33rd international ACM SIGIR conference on Research and development in information retrieval. ACM， 2010： 841-842.

[24] 蔣盛益，麥智凱，龐觀松，等. 微博信息挖掘技術(shù)研究綜述[J].圖書情報工作，2012，56（17）：136-142.

[25] Ye Qiang， Law R， Gu Bin， et al. The influence of user-generated content on traveler behavior： An empirical investigation on the effects of e-word-of-mouth to hotel online bookings[J]. Computers in Human Behavior， 2011， 27（2）： 634-639.

[26] Hilton L. Of ‘e-repute： Experts weigh in on how to manage negative online reviews[EB/OL]. [2012-10-21]. http：//trove.nla.gov.au/version/166732241.

[27] Price D. Networks of scientific papers [J]. Science，1965（149）：510-515.

[28] Persson， O. The intellectual base and research fronts of jasis 1986 -1990[J]. Journal of the American Society for Information Science，1994，45（1）：31-38.