戎紅艷,王海燕,徐建東

（寧波大學教師教育學院，浙江寧波315211）

基于微博虛擬社群的大學生非正式學習互動特征分析*

戎紅艷,王海燕,徐建東

（寧波大學教師教育學院，浙江寧波315211）

微博作為一種新的網絡交流方式，在支持非正式學習方面扮演重要角色，由此建立的微博虛擬社群使人們可以隨時隨地交流合作，成為大學生學習和交流的重要工具。本文以“數(shù)學王國”新浪微群為研究對象，運用社會網絡分析法探討了社群成員之間的互動關系；使用內容分析方法分析成員交互內容，發(fā)現(xiàn)學習者在學習交互中呈現(xiàn)的群體特征及交互情況；使用訪談法深入了解存在的一些問題，并提出了相應建議。

微博;虛擬社群;大學生;非正式學習

一、問題的提出

隨著Web2.0技術的蓬勃興起與發(fā)展，非正式學習受到廣泛重視。并出現(xiàn)了許多支持非正式學習的工具，由此形成的虛擬學習社區(qū)成為人們非正式學習的重要場所之一。以微博為基礎形成的虛擬社群為大學生進行非正式學習提供了便利的技術支持，成為其進行非正式學習的典型形式之一。但是微博社群環(huán)境下大學生進行非正式學習的情況如何？具體呈現(xiàn)什么特征和規(guī)律？網上學習是否真正發(fā)生？如何高效地利用微博進行非正式學習？從而提高知識獲取的能力，這些問題都是值得思考和研究的。

本文以新浪微博虛擬社群為研究對象，通過分析該虛擬社群成員之間的互動關系、成員的互動內容等，對虛擬社群中大學生非正式學習的互動特點和學習效果進行了研究。

二、研究設計

1.研究對象

本文以新浪微博中的非正式學習社區(qū)——“數(shù)學王國”交流群為研究對象，該群是新浪微博中的微群（地址：http://q.weibo.com/180141)，創(chuàng)建于2011年1月17日，截止2014年10月2日，該群成員4502人（包括大學生、高中生、教師等），群內發(fā)言2973條，發(fā)起話題119個，多為大學生成員間的交流，成員交流較頻繁。

因為“數(shù)學王國”微群總體成員較多，本文通過滾雪球抽樣的方法確定樣本人群。這是一種非概率抽樣法，通過調查者依次提名其他調查者，以獲得相對接觸總體的所需群體[1]。

因此，筆者隨機選取“數(shù)學王國”微群中某個成員微博作為起點，通過該微博頁面的“關注”欄向外收集其關注微博、關注微博的關注微博，重復關注微博只記一次，最終形成了由105個微博組成的四階網絡域，即樣本人群。抽樣過程及樣本編碼如圖1所示。

圖1 “數(shù)學王國”樣本編碼圖

2.研究過程與方法

（1）社會網絡分析

社會網絡分析主要分析的是個體、群體或社會等所構成的關系及其屬性[1]。本文利用社會網絡分析法對基于微博社群中非正式學習的互動結構進行分析，從而描述在線環(huán)境下群體的學習互動情況。

本文對“數(shù)學王國”微群中成員互動的社會網絡分析是以群成員微博的“關注關系”來取值，成員A關注成員B取值1，未關注取值0；對樣本人群建立成員關系矩陣，并將矩陣初始數(shù)據記錄在Excel中，利用社會網絡分析軟件Ucinet6.0及可視化繪圖軟件NetDraw進行分析，從而評價微博社群的整體互動情況。

（2）基于分析框架的內容分析法

內容分析法是從定性研究角度對在線交流內容的質量進行量化分析的研究方法[2]。本文采用CMC內容分析方法，根據構建的分析框架對社群成員間的互動文本進行分類處理，探究社群成員知識獲取的情況、協(xié)作的程度等。

首先在基于微博應用特點等因素基礎上，對前人研究教師博客社群提出的內容分析框架進行改進，提出微博社群交互深度的內容分析框架和編碼方案如表1所示；然后，在該編碼框架基礎上，對收集的交互文本進行分析，以考察社群成員學習交互質量。

表1 微博社群中互動深度內容分析編碼框架

（3）訪談法

對社群內部交互特征進行分析過程中還有一些重要和不易量化的問題，本文抽取訪談對象與其交流以深入說明研究問題。訪談對象是管理員和活躍成員。

通過微博平臺的私信或留言功能與調查對象取得聯(lián)系。運用即時通訊工具（QQ）對其進行訪談。訪談內容涉及學習動機、成員參與交流討論和社群非正式學習的情況，通過訪談結果總結并驗證非正式學習社群的網絡結構特點及內部交流特征。

三、研究結果與分析

1.社會網絡分析

（1）社群圖分析

虛擬學習社群實質是社群成員及其關系的集合，它是一個社會網絡[3]。社會網絡分析中的社群圖是由點（指社會行動者）和各點之間的連線（指行動者間的關系）組成。

根據收集的數(shù)據，利用Ucinet6.0中整合的可視化分析軟件Netdraw，繪制出成員交互關系社群圖如圖2所示。

圖2 社群成員交互關系社群圖

從圖2看出，靠近社群圖中心節(jié)點比較稠密，說明成員關系比較緊密、互動較頻繁；邊緣的較松散，說明成員互動較少。其中，83、87、104、105號等成員處于網絡的外圍，他們較少與其他成員進行關注，說明他們與社區(qū)成員交互較少，屬于社區(qū)中不活躍成員。而2、16、17、18、20、21等成員處于網絡的中心位置，是社區(qū)的核心成員，通過對群長期觀察發(fā)現(xiàn)，他們與社區(qū)成員交互比較頻繁，充當意見領袖的角色，因此他們受到很多成員的關注。

（2）網絡密度分析

社會網絡分析中的密度是網絡中各結點間關系的緊密程度；結點間的聯(lián)系越多，該網絡密度就越大，說明網絡成員間的聯(lián)系越緊密[4]。

本研究中，網絡密度可以反映出微群學習者參與學習互動交流的積極程度，通過對樣本成員關系矩陣進行密度計算，得出學習者間的關系網絡密度值為0.0274，密度值應介于0到 1之間，該值接近于0，說明從整體上看社群中學習者間的互動緊密程度并不高，大多數(shù)成員間互動關系非常稀疏。

（3）中心性分析

社會網絡分析中，中心性用來衡量個體或組織在社會網絡中的重要性或權利[4]。通過它我們可以清楚看到誰占據網絡的中心。中心性由中心度和中心勢兩個指標組成。

①點度中心性

點度中心性可以衡量社群網絡中的中心人物。包括度數(shù)中心度和度數(shù)中心勢。點的度數(shù)中心度由出度和入度組成。計算出點的度數(shù)中心度如表2所示。整體網絡圖的點度中心勢指數(shù)為31.361%，數(shù)值較小，說明該虛擬社群內學習者之間的交流比較分散。

表2 成員點度中心性指標（部分）

計算出2、21、6、16、17、20號度數(shù)中心度分別為38、33、18、23、18、16，排在前六位。說明他們是社群的核心成員，有很強的交互能力，在社群非正式學習活動過程中居于重要地位。

其中2、6、21、4、3號成員出度較高，說明他們在社群非正式學習互動過程中會積極主動地與他人進行交流，發(fā)表自己的學習觀點。成員2、21、16、20、18入度較高，表明他們在學習互動中會被更多學習者關注，分享的知識和經驗能引起其他成員的信賴。

②中間中心性

中間中心性代表網絡中的個體控制其他個體之間交往的程度。如果某個行動者中間中心性較高，那么他就處于網絡的重要位置[5]。

通過UCNIET計算出中間中心性指標值如表3。社群圖的中間中心勢為32.01%，該值不是太高，說明該虛擬社群整體的控制能力較低。

表3 成員中間中心性指標（部分）

從表3可知，成員21、2、1、12等在社群中擁有較大的中間中心度，說明他們在社群中處于重要的連接位置，是網絡的核心，有很大的權利，對于其他學習者的相互交流起到促進作用。而50、77、104、105號等成員的中間中心度是0，說明他們處于網絡的邊緣，在社群中沒有起到重要的作用。

從中心性分析可知，21、2、12、16號的點度中心度和中間中心度指標都是靠前的，說明他們是微群中的活躍成員，交往能力較強，與群成員建立的聯(lián)系較多；同時也對群中其他成員間的交往產生一定影響，對整個社群互動具有較高的控制能力。

（4）凝聚子群分析

凝聚子群是指社群中的一小群成員關系比較直接、緊密，從而形成的子群體。本文從凝聚子群的派系（Clique）和密度（E－lndex）對社群的凝聚子群進行分析。

①派系分析

派系是建立在互惠關系基礎上的凝聚子群；對于二元有向關系網絡來說，派系中成員之間的關系是互惠的，并且不能向其中加入任何一個成員，否則將改變這個性質[4。對該社群網的派系分析結果如表4所示。

表4 社群派系分析結果

從表4得知，將派系的最小規(guī)模設定為4，共形成18個派系。分析派系結果發(fā)現(xiàn)，有些成員出現(xiàn)在不同的派系中，如2、16、17號成員都出現(xiàn)在派系1、2、3中，他們即派系共享成員。共享成員出現(xiàn)在派系中的次數(shù)越多，說明他們與多數(shù)成員建立了較為密切的關系，是社群中的重要人物，發(fā)揮的作用比較大。

②凝聚子群密度

凝聚子群密度（E-I指數(shù)）是用來衡量在一個大的社群中派系林立的程度。其取值范圍是[-1，+1]，值越靠近1，表明關系越趨向于發(fā)生在群體之外，意味著派系林立的程度越??；越向-1靠近，意味著關系越趨向于發(fā)生在群體之內，派系林立的程度越大；值越接近于0，意味著關系越趨向于隨機分布，派系林立的現(xiàn)象越不明顯[4]。

通過UCINET6.0計算出該社群學習交流網絡的凝聚子群的密度為-0.925，非?？拷?1，說明該整體網絡中派系林立的現(xiàn)象較明顯，子群體內部成員之間關系較緊密，互動程度高，學習者在各自所在的小團體中積極主動地進行著知識的交流互動。而各子群間互動較少，即不同小團體中的學習者較少進行交流活動。

2.CMC內容分析

（1）內容分析框架的編碼

基于微博應用的特點和學習的深度特征，并根據王陸教授提出的“互動深度的定義”[6]、嚴亞利提出的“互動深度表”和黎加厚教授提出的 “教師博客交互程度編碼方案”[7]進行改進，設計了微博社群中互動深度的內容分析編碼方案。

（2）分析過程與結果討論

①微博類型統(tǒng)計

筆者收集了“數(shù)學王國”微群從2013年8月2日至2014年10月2日間的交流數(shù)據，刪除與數(shù)學學習無關的數(shù)據文本，共計398條。

在微博社群中，成員通過原發(fā)微博、轉發(fā)微博、評論微博、轉發(fā)評論的微博四類來進行非正式學習交流活動。而評論、轉發(fā)、轉發(fā)評論是社群成員間進行互動的三種微博類型，因此主要對這三類微博進行逐條內容分析。

統(tǒng)計收集的微博文本，原發(fā)類型的文本共88條，約占文本總數(shù)的22.11%，而轉發(fā)、評論、轉發(fā)評論等屬于學習互動的文本共310條，約占77.89%。結合微群情況可知，“數(shù)學王國”微群成員主要進行的是基于文本內容的交流互動活動，對成員發(fā)布的微博進行回復的頻率比較高，其中大部分的互動內容為成員在數(shù)學學習過程中遇到的一些問題或學習體會等。成員之間通過評論、回復等來相互交流學習心得。

②文本互動類型統(tǒng)計

依據改進的編碼框架對310條微博互動文本數(shù)據分析、編碼，統(tǒng)計結果如表5所示。

表5 文本互動類型統(tǒng)計

從表5可以看出，群成員進行淺度互動的文本共125條，約占文本總數(shù)的40.32%，其互動內容主要是對他人發(fā)布問題的簡明態(tài)度或感受，如 “互相學習”、“謝謝”等；或是簡單地表明觀點、提出建議或疑問，如“這個題目的答案是…”、“為什么…”等；還有個別簡單的轉發(fā)或偏離主題的評論。

中度交互文本共127條，占40.97%，主要是通過簡單陳述進行互動，針對他人的微博提出自己簡單的觀點或解決方案，或分析比較他人的觀點或建議，總結提出自己的看法。

深度互動文本共58條，占18.71%，說明在微群中此類互動發(fā)生較少。主要是對微博原文主題或評論進行反思回應，依據個人知識和經驗提出個人觀點，較少對自己的觀點或他人評論進行批判性思考。

同時可以看出，在該微群中學習者參與互動程度的類型依次是簡單陳述（M1，占24.19%）、觀點再認（S3，占21.29%）、簡單評論（S2，占12.58%）、深入陳述（D2，占9.03%）、比較分享（M2，8.39%）、整理歸納（M3，占8.39%）、分析質疑（D1，占8.39%）、簡單回應（S1，占6.45%）、內化遷移（D3，占1.29%）。說明成員在進行學習互動時，大多數(shù)是簡單陳述自己的觀點、對細節(jié)進行追問，而對個人看法或他人評論進行反思總結的較少，能對微博主題或他人觀點進行批判性分析的則少之又少。

③微博類型與互動子類分析

為更加深入了解群成員學習互動的特征，分別對每種微博類型及其所表現(xiàn)的互動子類進行統(tǒng)計如表6所示。

表6 微博類型與互動子類統(tǒng)計

從表6可以看出，成員大多使用評論進行學習互動，共306條，較少使用轉發(fā)評論。評論中以簡單評論為主，其次是簡單陳述，這說明群成員在互動交流時只是簡單回答或提出建議，并不經常給出詳細理由。轉發(fā)微博有3條，只是簡單對他人博文進行轉發(fā)并沒有評論。轉發(fā)評論只有1條，屬于簡單回應，即成員轉發(fā)時加以簡單的評論。

3.訪談結果分析

（1）對非正式學習動機而言，大學生非正式學習的發(fā)生主要建立在興趣基礎之上，有時也會由其他方面的壓力引起。興趣往往是最好的老師，有了興趣就預示著一個良好的開端。記得有位博主說“所謂的非正式學習，對自己而言，大多處于興趣愛好”。利用微博開展學習首先是一個自主學習的過程，它需要學習者積極主動的去發(fā)現(xiàn)學習中遇到的問題或困惑并及時表達出來。

（2）社群互動不頻繁——成員缺乏歸屬感。受訪者普遍覺得成員缺乏對微群的歸屬感?！坝谆稹闭J為“群話題少或沒人發(fā)布問題，很多時候也就不會再去使用，偶爾進去看看最近有什么動態(tài)?！薄敖饠?shù)字”覺得“如果群內沒有互動，就覺得沒什么意思，也許就不怎么去關注了?！薄肮硎怀恰闭J為“如果大家能不斷地討論交流，提出的問題能得到回應，才能更廣泛地了解大家遇到的問題，也可以擴展自己的接觸面，社群才能和諧發(fā)展。”

（3）制定社群規(guī)范。制定群組制度是能創(chuàng)建一個和諧的討論交流環(huán)境，從而促進非正式學習的有效開展，如“舟中河”?認為“群一般多少會有些規(guī)則，如果大家都能遵守，共同交流，營造良好的社群學習氛圍”?！坝谆稹闭J為“制定規(guī)則是有必要的，如果成員都能自律那最好，但有些比如發(fā)廣告，推銷等與群主旨無關的，影響了學習交流，勸阻不聽，那就一定要踢出?！?/p>

（4）參與者之間的交互程度與多種因素有關。受訪者認為：學習者發(fā)布的話題相關性、學習者的分享意識會直接影響到成員間的交互程度。如果社群中成員主動分享意識不強，不愿意回答其他成員的問題，交流就無法進行。更主要的是社群中是否存在能幫助解決問題的“專家”，如果學習者發(fā)布的問題能夠得到有效的指導，成員才愿意并且逐步融入到學習交互中來，才能增強社群學習的凝聚力。

（5）學習收獲。在被問到是否有所收獲時，“舟中河”覺得“可能我在群里是屬于比較活躍的，我基本上都會積極回答他們的問題，所以覺得還挺開心的”。其他受訪者也認為通過這個平臺解決了自己學習中的問題，收獲了一些朋友同時也提升了自己。但有時也得不到及時解決，大家在線的時間都不確定，有時會沒人回答，就通過其他途徑來解決了。

四、總結

通過以上分析，基于微博虛擬社群的大學生非正式學習有以下特點：

1.從社會網絡分析的角度看，社群成員間的互動特征

（1）社群整體網絡密度小。在微博社群中學習者之間聯(lián)系不那么緊密，成員之間互動不是特別頻繁，深度交互較少。可能成員之間熟悉度不夠，或是有些成員缺乏對社群的歸屬感或信任感。

（2）由于社群成員間的互動差異并逐漸形成核心成員和邊緣成員。核心成員在社群中占據著重要位置，對整個社群的互動有重要作用。邊緣成員在社群中處于圍觀狀態(tài)，可能他們屬于只瀏覽不發(fā)言的“替代交互學習”者。

（3）社群中派系較多且派系林立程度大。社群成員之間的互動交流多發(fā)生于凝聚子群內部，且互動分享程度比較高；而不同子群間學習者互動較少。

2.從內容分析的角度來看，成員與內容之間的交互深度特征

（1）由于成員對某個領域有共同的興趣愛好或目標追求而聚集到便捷的微博社群中來，社群成員的學習往往圍繞某一主題進行，成員通常是針對領域學習過程中遇到的問題進行討論，征詢意見、給出建議，分享學習心得或經驗等。

（2）社群成員以原發(fā)、評論、轉發(fā)及轉發(fā)評論四種方式進行交流互動，主要是以內容交互的方式與其他成員進行了比較積極的互動且大部分是通過評論的形式。

（3）由于社群成員都是把學習生活中遇到的問題發(fā)布上來，帶有明顯的隨意性，使得學習社群中缺乏深度的交互，主要是針對他人的微博進行簡短評論或給出建議，較少有針對某一內容進行深入、具體的學習交流。

五、建議

基于微博社群非正式學習的以上特點，為促進社群的持續(xù)發(fā)展，筆者嘗試提出以下建議：

1.發(fā)展社群中領袖層

學習者參與非正式學習群體進行學習，主要是群體中有共同興趣愛好者或群體能解決自己所遇問題。在“微博群”開展協(xié)作學習過程中，領袖層成員通過積極發(fā)言、共享信息、交流心得或與其他成員充分互動，帶領學習者積極參與討論，解決其他成員的問題。因此，在非正式學習社群中，應多培養(yǎng)意見領袖以引導學習者交流討論，有利于社群和諧學習氛圍的形成及非正式學習的有效開展。

2.引導社群中孤立者

成員的發(fā)帖沒有得到任何回應，久而久之就不會參與交流，他們缺乏對社群的歸屬感和信任感，因此，社群中“專家”更應該發(fā)揮作用，幫助并引導其他學習者參與互動，既能促進社群知識的發(fā)展，又有利于學習者的進步。

3.豐富社群平臺中的信息資源

對于個體學習而言，個體特征以及信息資源對學習效果具有重要影響；信息資源可能來源于“微博群”成員的共享，也可能是由“領袖層”成員設計和整理的有組織的信息資源[8]。所以，必須倡導和促進學習者多發(fā)布學習觀點、分享資源，才能夠帶動更多的學習者參與交流和討論。

4.提高社群交互程度以保持社群學習的持續(xù)力

互動作為網絡協(xié)作學習的核心要素，是促進社群發(fā)展的決定性因素，社群中互動的深度決定網上學習的真正發(fā)生。微博社群中的交互程度（如頻度和深度）會對社群非正式學習效果產生明顯的影響。如果交互程度過低，缺乏必要的解答和指導，很容易使成員對社群學習降低興趣，更不利于學習的真正發(fā)生。

六、結束語

本文通過社會網絡分析法，借助Ucinet軟件分析了“數(shù)學王國”微群的網絡關系，獲得了其網絡特征；并用內容分析方法對其互動內容進行分析，考察社群成員知識交互的過程和深度情況；在此基礎上進行了討論并提出建議。但在基于這種開放的非正式學習網絡環(huán)境中，最主要的是學習者自身的主動參與能力。本文僅為個案研究，研究范圍的限定在一定程度上影響了其結果的推廣，分析內容有限，具有既定的局限性，還需做更深層次的研究。

[1]劉軍.社會網絡分析導論[M].北京:社會科學文獻出版社,2004.

[2]周黎明,邱均平.基于網絡的內容分析法[J].情報學報,2005（5）:594-599.

[3]王陸.虛擬學習社區(qū)的社會網絡分析[J].中國電化教育，2009（2）:5-11.

[4]劉軍.整體網分析講義一UCINET軟件實用指南[M].上海:格致出版社,2009:1-147.

[5]周智勇，陳仕品.微博虛擬學習社區(qū)互動關系的社會網絡分析[J].現(xiàn)代遠距離教育,2012（5）：73-77.

[6]王陸.信息化教育研究中的新內容:互動關系研究[J].電化教育研究，2008（1）:11,17.

[7]嚴亞利,黎加厚.教師在線交流與深度互動的能力評估研究——以海鹽教師博客群體的互動深度分析為例[J].遠程教育雜志,2010（2）：68-71.

[8]戴德寶,劉蕾.基于AMOS技術的“微博群”非正式學習模式研究[J].開放教育研究,2013（6）：108-116.

（編輯：楊馥紅）

G434

B

1673-8454（2015）13-0027-06

2013年寧波大學研究生科研創(chuàng)新項目“微博虛擬學習社區(qū)中大學生非正式學習問題研究”（項目編號：G13019)資助；浙江省教育廳項目“基于網絡環(huán)境的大學生非正式學習問題研究”（項目編號：Y201121268）成果之一。