袁碩 曲舒怡 高景祥

【摘 要】通過(guò)對(duì)虛擬社區(qū)的相關(guān)文獻(xiàn)計(jì)量分析和內(nèi)容分析，提煉出虛擬社區(qū)的研究熱點(diǎn)，從而為今后的研究提供幫助。從Web of Science核心合集獲取225篇文獻(xiàn)，應(yīng)用文獻(xiàn)計(jì)量工具，對(duì)虛擬社區(qū)研究的引文年代、作者合作網(wǎng)絡(luò)和高頻關(guān)鍵詞共現(xiàn)矩陣進(jìn)行分析， 尋找出虛擬社區(qū)的研究熱點(diǎn)。研究表明國(guó)內(nèi)作者發(fā)文數(shù)量較多但與國(guó)外機(jī)構(gòu)合作少，虛擬社區(qū)研究熱點(diǎn)主要是社區(qū)內(nèi)的知識(shí)共享和對(duì)成員的管理研究。

【關(guān)鍵詞】虛擬社區(qū)；文獻(xiàn)分析；共現(xiàn)矩陣

中圖分類(lèi)號(hào)： G353.1 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2018）14-0107-003

DOI：10.19694/j.cnki.issn2095-2457.2018.14.048

Literature research of virtual community

YUAN Shuo QU Shu-yi GAO Jing-xiang

（Tianjin university of technology library，Tianjin，300384， China）

【Abstract】Based on the bibliometric analysis and content analysis of the relevant literature of the virtual community， the research hotspots can be extracted from the virtual community. So it will be helpful to the future research. This study collects 225 papers published on Web of Science core journals as the samples， using the method of bibliometrics to analyze the time of citations， the network of author cooperation and high-frequency key words co- occurrence matrix researched of the virtual community. By the above method， the research hotspots of the virtual community can be found. This paper shows that there are the more domestic authors publishing large amounts of papers but less cooperation with foreign institutions. The research hotspots of virtual community are mainly knowledge sharing and management of members in community.

【Key words】Virtual community； Literature analysis； Co- occurrence matrix而探究出虛擬社區(qū)的研究熱點(diǎn)。

1 數(shù)據(jù)來(lái)源與分析方法

文獻(xiàn)數(shù)據(jù)選用Web of Science核心合集，在論文摘要中檢索關(guān)鍵詞虛擬社區(qū)，研究方向限定為圖書(shū)情報(bào)學(xué)，不限年代，不限語(yǔ)種，文獻(xiàn)類(lèi)型限定為論文，檢索時(shí)間是2018年3月1日。輸入檢索式TS=Virtual communit* and SU=INFORMATION SCIENCE LIBRARY SCIENCE，得到225條記錄。將全紀(jì)錄與引用的參考文獻(xiàn)以純文本的方式導(dǎo)出進(jìn)行文獻(xiàn)分析。本文對(duì)虛擬社區(qū)研究的引文年代、作者合作網(wǎng)絡(luò)和高頻關(guān)鍵詞共現(xiàn)矩陣進(jìn)行分析。

2 文獻(xiàn)分析

2.1 發(fā)表論文年代分析

Web of Science核心合集在1998年收錄了第一篇關(guān)于圖書(shū)館虛擬社區(qū)的論文，截止2018年3月共收錄了225篇論文。文獻(xiàn)數(shù)量從1998-2006年在緩慢增長(zhǎng)，在2007年出現(xiàn)第一個(gè)高峰共收錄8篇，然后在2010年達(dá)到第二個(gè)高峰共收錄20篇，2011-2013年增長(zhǎng)態(tài)勢(shì)有所回落，在2015年達(dá)到第三個(gè)高峰共收錄29篇。這三次高峰的出現(xiàn)，分別與網(wǎng)絡(luò)的發(fā)展、社交網(wǎng)站接口的引入、移動(dòng)設(shè)備的普及這三個(gè)原因密不可分。

2.2 作者分析

應(yīng)用Bicomb軟件[2]分析檢索出的225篇文獻(xiàn)，共有553個(gè)作者。作者發(fā)文情況匯總?cè)绫?所示，發(fā)表了4篇文獻(xiàn)的作者有3人，發(fā)表3篇文獻(xiàn)的作者有10人，發(fā)表2篇文獻(xiàn)的作者有28人，所有作者出現(xiàn)的頻次之和是602次。發(fā)表文獻(xiàn)2篇以上的作者共有41人，占作者總數(shù)的7.41%，發(fā)文量累計(jì)占到16.28%。

初步分析發(fā)文量大于3的13位作者之間的關(guān)系，發(fā)現(xiàn)從作者分布的角度，可以分武漢地區(qū)、臺(tái)灣地區(qū)、香港地區(qū)以及其它，可以看出華裔學(xué)者是虛擬社區(qū)研究的主力。武漢地區(qū)學(xué)者3人，分別是華中科技大學(xué)的Lu， Yaobin、武漢科技大學(xué)的Yan， Yalan和武漢大學(xué)的Zha， Xianjin。華中科技大學(xué)的Lu， Yaobin與印度Shri Shankaracharya Inst Management & Technol的Gupta， Sumeet合著了兩篇文獻(xiàn)，武漢科技大學(xué)的Yan， Yalan和武漢大學(xué)的Zha， Xianjin合著了三篇文獻(xiàn)。臺(tái)灣地區(qū)學(xué)者5人，分別是臺(tái)灣國(guó)立中山大學(xué)Chiu， Chao-Min、臺(tái)北大學(xué)的Tsai， Hsien-Tung、成功大學(xué)的Chang， Hsin Hsin、東吳大學(xué)的Lin， Judy Chuan-Chuan和臺(tái)灣科技大學(xué)Lu， Hsi-Peng。其中東吳大學(xué)的Lin， Judy Chuan-Chuan和臺(tái)灣科技大學(xué)Lu， Hsi-Peng合著了兩篇文獻(xiàn)。香港地區(qū)研究者2人，香港城市大學(xué)的Lee， Matthew K. O.和浸會(huì)大學(xué)的Cheung， Christy M. K.，這兩位作者合著了三篇文獻(xiàn)。

2.3 關(guān)鍵詞研究熱點(diǎn)分析

應(yīng)用Bicomb軟件提取檢索得到的文獻(xiàn)，225篇文獻(xiàn)共有783個(gè)關(guān)鍵詞，刪除“Virtual community”、“virtual communities”、“Internet”、“online communities”等沒(méi)有實(shí)際意義的關(guān)鍵詞，將諸如“digital”、“Digital”詞語(yǔ)統(tǒng)一寫(xiě)法，剩余767個(gè)關(guān)鍵詞。所有關(guān)鍵詞中出現(xiàn)頻次最多的是trust，一共出現(xiàn)了18次。出現(xiàn)頻次第二名的Knowledge sharing出現(xiàn)了15次。頻次排名前10位的關(guān)鍵詞占累計(jì)頻次的10.88%。頻次3個(gè)以上的關(guān)鍵詞共有28個(gè)，占累計(jì)頻次的17.15%。頻次2個(gè)以上的關(guān)鍵詞共有96個(gè)，占累計(jì)頻次的31.11%。

取關(guān)鍵詞頻次3以上的關(guān)鍵詞作為高頻關(guān)鍵詞進(jìn)行分析，應(yīng)用Bicomb軟件生成28×28的高頻關(guān)鍵詞共現(xiàn)矩陣，應(yīng)用NetDraw軟件繪制出高頻關(guān)鍵詞關(guān)系圖，如圖1所示。

28個(gè)高頻關(guān)鍵詞關(guān)系圖形成了1個(gè)26個(gè)詞的主網(wǎng)絡(luò)和2個(gè)關(guān)鍵詞的小網(wǎng)絡(luò)。圖中每一個(gè)方塊代表一個(gè)關(guān)鍵詞，連線代表兩個(gè)詞在同一文獻(xiàn)共同出現(xiàn)。作圖時(shí)為便于觀察，將方塊的大小設(shè)定為該點(diǎn)的中心度大小。關(guān)鍵詞Trust出現(xiàn)了18次，其恰好也是與其他關(guān)鍵詞聯(lián)系最多、中心度最大的點(diǎn)，其位于主網(wǎng)絡(luò)的中心，形狀最大。位于主網(wǎng)絡(luò)中心，同時(shí)中心度較大的點(diǎn)有五個(gè)，分別是Trust、knowledge sharing、Social capital、Communities和virtual worlds，這五個(gè)詞代表了主網(wǎng)絡(luò)的主要研究方向。該網(wǎng)絡(luò)的研究方向一個(gè)是從用戶管理角度去研究虛擬社區(qū)，比如關(guān)鍵詞Trust、Social capital和Social media等，一個(gè)是從知識(shí)流動(dòng)角度研究虛擬社區(qū)。比如關(guān)鍵詞knowledge sharing、virtual work等。研究用戶管理的文獻(xiàn)多于研究知識(shí)流動(dòng)的文獻(xiàn)。圖1中還包括1個(gè)由2個(gè)關(guān)鍵詞形成的小網(wǎng)絡(luò)。關(guān)鍵詞motivation和information seeking同時(shí)出現(xiàn)在《Motivations for sharing information and social support in social media：A comparative analysis of Facebook， Twitter， Delicious， YouTube， and Flickr》一文中，作者探討了什么促使虛擬社區(qū)用戶與匿名者分享他們的個(gè)人經(jīng)歷、信息和社會(huì)關(guān)系。

高頻關(guān)鍵詞關(guān)系圖不能清晰展示主網(wǎng)絡(luò)中關(guān)鍵詞的位置關(guān)系，除去關(guān)鍵詞motivation和information seeking組成的小網(wǎng)絡(luò)，將主網(wǎng)絡(luò)關(guān)鍵詞共現(xiàn)矩陣26×26單獨(dú)提取出來(lái)，生成相似矩陣，再生成相異矩陣，繪制戰(zhàn)略坐標(biāo)分析。相似矩陣的生成方法有很多種，比如Sati軟件應(yīng)用的Equivalence系數(shù)[3]，以及Jaccard系數(shù)和Cosine系數(shù)等，本文應(yīng)用在圖書(shū)情報(bào)相關(guān)論文廣泛應(yīng)用的Ochiai系數(shù)[4]：

Ochiai=

將26×26的共現(xiàn)矩陣設(shè)為a矩陣，輸入Matlab中，依據(jù)Ochiai系數(shù)公式，求得相似矩陣b。計(jì)算程序如下：

for i=1：26

for j=1：26

b（i，j）=a（i，j）./（a（i，i）.*a（j，j））^0.5；

end

end

用1與相似矩陣b求差得到相異矩陣表，相異矩陣代表高頻關(guān)鍵詞之間的距離，距離為0表示相異性小，距離為1表示相異性大。應(yīng)用Spss中多維尺度工具ALSCAL分析相異矩陣[5]，得到高頻關(guān)鍵詞戰(zhàn)略坐標(biāo)圖2。

在戰(zhàn)略坐標(biāo)四個(gè)象限中，尋找較為接近的關(guān)鍵詞團(tuán)進(jìn)行分析。第一象限中，participation、Social exchange、Wiki、Continuance intention和knowledge sharing五個(gè)詞距離接近，以這五個(gè)詞為關(guān)鍵詞的文獻(xiàn)研究?jī)?nèi)容相關(guān)。研究方向主要是虛擬社區(qū)的知識(shí)流動(dòng)。比如《Knowledge sharing in wiki communities： an empirical study》一文中，關(guān)鍵詞包括Knowledge sharing和wiki，作者研究了維基社區(qū)是工作模式，結(jié)果表明通過(guò)成員互動(dòng)、社區(qū)參與和社區(qū)促進(jìn)的效應(yīng)，能夠?qū)χR(shí)傳播有積極影響。第二象限中，Trust、Crowdsourcing、social influence和Satisfaction四個(gè)詞距離接近，這四個(gè)關(guān)鍵詞代表的研究方向是虛擬社區(qū)成員的管理。比如《Solversparticipation in crowdsourcing platforms：Examining the impacts of trust， and benefit and cost factors》文中，包含關(guān)鍵詞Crowdsourcing和Trust，作者研究了服務(wù)眾包工作對(duì)成員和管理者帶來(lái)的挑戰(zhàn)，作者認(rèn)為技能提升、貨幣獎(jiǎng)勵(lì)、自由的工作和對(duì)參與者的信任對(duì)服務(wù)眾包工作有積極影響。第三象限中，co-creation、virtual worlds、Second Life三個(gè)詞距離接近，這三個(gè)詞代表的研究方向是宏觀角度研究虛擬社區(qū)與實(shí)體社區(qū)的聯(lián)系。這三個(gè)詞同時(shí)出現(xiàn)在《CO-CREATION IN VIRTUAL WORLDS： THE DESIGN OF THE USER EXPERIENCE》一文中，作者揭示了如何共同創(chuàng)造系統(tǒng)，作者創(chuàng)建并部署、評(píng)估和改進(jìn)了一個(gè)稱(chēng)為思維探索的虛擬協(xié)作社區(qū)。第四象限中，Social capital和Communities距離接近，這兩個(gè)詞代表的研究方向是虛擬社區(qū)的運(yùn)行模式，以及商業(yè)網(wǎng)站的行為。比如《Investigating recognition-based performance in an open content community： A social capital perspective》文中，作者研究了志愿者參加維基社區(qū)的動(dòng)機(jī)，研究表明，在虛擬社區(qū)獲得認(rèn)可和資本對(duì)志愿者的績(jī)效識(shí)別有重要影響。

3 總結(jié)

本文對(duì)Web of Science核心合集中研究虛擬社區(qū)的相關(guān)文獻(xiàn)進(jìn)行分析。第一，通過(guò)數(shù)據(jù)庫(kù)檢索出文獻(xiàn)數(shù)量。第二，應(yīng)用Bicomb軟件提取出高產(chǎn)作者，找出隱藏在作者之間的關(guān)系。國(guó)內(nèi)作者發(fā)文量較多，但與國(guó)外作者合作少。第三，應(yīng)用Bicomb軟件提取高頻關(guān)鍵詞共現(xiàn)矩陣，應(yīng)用Matlab生成相異矩陣，導(dǎo)入Spss中進(jìn)行多維尺度分析，列出虛擬社區(qū)研究的熱點(diǎn)。

【參考文獻(xiàn)】

[1]姜雪.虛擬社區(qū)信息分享行為的影響因素研究綜述[J]. 圖書(shū)館學(xué)研究， 2014（10）：18-24.

[2]張浩，成施充，崔雷.我國(guó)情報(bào)學(xué)碩士學(xué)位論文研究熱點(diǎn)分析[J].醫(yī)學(xué)信息學(xué)雜志， 2012，33（2）：44-47.

[3]劉啟元，葉鷹.文獻(xiàn)題錄信息挖掘技術(shù)方法及其軟件SATI的實(shí)現(xiàn)——以中外圖書(shū)情報(bào)學(xué)為例[J].信息資源管理學(xué)報(bào)，2012（1）：50-58.

[4]隋明爽，崔雷.基于SPSS的共現(xiàn)聚類(lèi)分析參數(shù)選擇的實(shí)例研究[J].中華醫(yī)學(xué)圖書(shū)情報(bào)雜志， 2016， 25（1）：52-56.

[5]樓雯，屈衛(wèi)群，李立從.基于共詞分析法的我國(guó)競(jìng)爭(zhēng)情報(bào)研究主題分析[J].情報(bào)雜志，2009，28（s2）：88-90.