徐 翔

（同濟大學(xué)藝術(shù)與傳媒學(xué)院，上海 200092）

一、引論與問題提出

微博等社交網(wǎng)絡(luò)具有用戶生成內(nèi)容 （UGC）的自媒體與社會媒體（social media）屬性，不同的用戶具有多種多樣的內(nèi)容特征與亞文化表征。 較為常見、也擁躉較多的觀點強調(diào)社交網(wǎng)絡(luò)時代的用戶或意見領(lǐng)袖的多樣性與“去中心性”。 一些理論支持社交網(wǎng)絡(luò)的用戶多樣性和“人人時代”[1]的去中心性或多元亞文化，認為網(wǎng)絡(luò)所帶來的是“雙向的去中心化的交流”的“第二媒介時代”[2]。 不少學(xué)者認為，網(wǎng)絡(luò)UGC 帶來廣泛的“草根”崛起和“眾聲喧嘩”[3]，從精英化到大眾化的各種類型和各個細分領(lǐng)域的用戶似乎都在廣泛融入到新媒體“人人都有麥克風(fēng)”的“參與文化”[4]中。 微博用戶在發(fā)布的內(nèi)容上存在著多樣的類型，相互之間具有較大的內(nèi)容差異性[5]。但是本研究要指出的是，過度強調(diào)用戶“去中心性”、多樣化的結(jié)構(gòu)模式，會屏蔽其中的同質(zhì)性。 “多類型化”或“去中心性”的觀點雖注意到用戶的內(nèi)容碎片生產(chǎn)表現(xiàn)出的差異性，但是對于用戶之間在內(nèi)容上的相似關(guān)系及其結(jié)構(gòu)卻仍然缺乏足夠?qū)嵶C，而這會導(dǎo)致用碎片多樣性來代替潛在的用戶同質(zhì)性。

一部分觀點雖然并不明確反對微博用戶的同質(zhì)化，但是在根本上還主要停留于局部用戶的“部分同質(zhì)性”的現(xiàn)象，而未充分上升到關(guān)注全局用戶的“全局同質(zhì)化”的趨勢[6][7]（P79-87）。 社交網(wǎng)絡(luò)中存在著社群內(nèi)容的同質(zhì)化和“意見隔離”等機制，用戶的“選擇性接觸”或“選擇性關(guān)注”等會加強用戶和內(nèi)容同質(zhì)個體、群體的連接以及這些內(nèi)容的進一步同質(zhì)化的偏向和震蕩[8]，并可能形成“回音室”等現(xiàn)象。 圍繞某些特定用戶或者某些特定范圍內(nèi)的社會連接，會產(chǎn)生用戶內(nèi)容同質(zhì)性的擴散和內(nèi)容同質(zhì)群體的加強，這是對于同心圈層繼續(xù)展開研究的必要基礎(chǔ)。但另一方面，需要強調(diào)的是，較多地關(guān)注于社交網(wǎng)絡(luò)用戶內(nèi)容同質(zhì)化、相似性的研究，主要著重于局部、中觀、微觀、人際傳播的社群和用戶所形成的同質(zhì)性連接與相似性傳導(dǎo)，而其中關(guān)注不足的環(huán)節(jié)則是：如何從這種局部同質(zhì)性上升到對宏觀、全局層面的同質(zhì)性進行分析？ 很多情況下，后者甚至有可能反而是與前者矛盾的，也即網(wǎng)絡(luò)局部的“巴爾干化”[9]可能帶來的是全局的分裂、隔離，而非全局作為同一整體的“巴爾干化”。 而社交網(wǎng)絡(luò)全局整體性的“巴爾干化”則是本文對于“同心圈層”趨同所關(guān)切的內(nèi)蘊與后果。

較多研究指出社交網(wǎng)絡(luò)意見領(lǐng)袖具有多樣性和差異性[10][11]。 但是這其中容易忽略的是：如果低影響力的用戶差異更大，那就不能得出意見領(lǐng)袖群體的差異化的趨勢；相反，用戶隨著其“意見領(lǐng)袖”程度的提升，可能反而是在不斷消減差異性、并增強同質(zhì)性。 也即同質(zhì)性的強弱是相對的而不是絕對的，需要在比較的參照系中進行考察，而不是單純的某個切片的孤立判斷。 多數(shù)對于用戶的類型與差異的研究基本上都是對某種特定影響力程度的用戶（例如意見領(lǐng)袖、大V、微博人氣榜用戶）進行抽離切片后的描述[12][13][14]（P69-75），而缺乏縱向比較的維度。 雖然意見領(lǐng)袖或高影響力用戶的確具有重要性，但如果把他們簡單歸到同一靜態(tài)大類中，會忽略了這類用戶內(nèi)部依然是有著其影響力高低的程度差異。 本研究結(jié)合“同心圈層”結(jié)構(gòu)要強調(diào)的是：通過用戶的影響力程度的從低到高的變化，考察用戶在趨同性上的對應(yīng)變化規(guī)律。

對于全局性的意見領(lǐng)袖“同心圈層”趨同結(jié)構(gòu)的探討具有進一步推進的必要。 “圈層”的相關(guān)概念在不同的學(xué)科中有著各自的使用，其原意主要涉及到空間方面的構(gòu)造描述[15][16]。 伯吉斯等提出城市功能區(qū)從內(nèi)向外分布的“同心圓”模式[17]。 一些學(xué)者關(guān)注并分析了區(qū)域經(jīng)濟的“核心-外緣”間的關(guān)系及其圈層[18]。 對于社交網(wǎng)絡(luò)“同心圈層”趨同結(jié)構(gòu)而言，中心的存在和作用、各區(qū)位到中心的距離及其影響因素以及中心-邊緣的漸變是須考慮的基本要素。 社交網(wǎng)絡(luò)的在線社會或在線空間的用戶關(guān)系中，隨著意見領(lǐng)袖用戶的影響力程度這個重要尺度的高低變化，原來看似雜亂和多樣的亞文化“部落”表現(xiàn)出中心化的有序漸變結(jié)構(gòu)，形如中心到邊緣的逐步演變的漣漪圈層。

社交網(wǎng)絡(luò)意見領(lǐng)袖在內(nèi)容上的相似網(wǎng)絡(luò)所表現(xiàn)的“同心圈層”趨同結(jié)構(gòu)的基本輪廓簡陳如下（代稱E）：E1 指趨同中心的存在和作用。 如果把用戶作為一個個內(nèi)容聚合體的點，則社交網(wǎng)絡(luò)的結(jié)構(gòu)是“中心化”的，存在著作為趨同中心的“心”，各點朝向這個中心發(fā)生用戶的趨同，而不是去中心化或多中心化的，由這個中心形成擴散后的“同心”結(jié)構(gòu)；E2 指各區(qū)位到中心的距離及其影響因素。 把所有的用戶作為具有自己的位置的點，對于這些用戶而言，越是挨近中心，表明著他們的影響力程度越高，同時他們和中心用戶的“內(nèi)容距離”越?。ㄒ布从脩魞?nèi)容“長得越像”）；反之亦然，用戶如果越是遠離中心，表明著他們的影響力程度越低，同時他們和中心用戶的“內(nèi)容距離”也越大。 用戶在此過程中，隨著影響力程度的高—低而和趨同中心發(fā)生內(nèi)容上“似同—差異”的內(nèi)容距離的變化。 E3 指中心—邊緣的漸變。 從中心向外緣，如果根據(jù)該圈層距離中心的“半徑”距離分為一層一層的“圈層”，則越是靠近中心的圈層，用戶之間的內(nèi)容距離越小，用戶之間越是緊密和相似化；而越是遠離中心的圈層，則用戶之間的內(nèi)容距離越大，相互越是稀疏和差異化。也即，從中心圈層到邊緣圈層，圈層根據(jù)內(nèi)部的用戶“相似距離”的大小，從稠密變得越來越疏離；而且這個疏離的程度與該圈層距離中心的半徑成正相關(guān)。

以用戶作為點，納入分析的基本要素包括以下：Ma：中心的存在；Mb：各點到中心的距離；Mc：各點本身的大小；Md：結(jié)合Mb 和Mc，各點到中心的距離與該點自身大小之間的關(guān)系；Me：結(jié)合Ma 和Mb、Mc，具有相類似的大小的點形成的從中心內(nèi)向邊緣逐步輻射出的圈層結(jié)構(gòu)。 為了便于直觀理解，對E的內(nèi)涵及其基本要素簡陳如下（圖1）：

圖1 社交網(wǎng)絡(luò)意見領(lǐng)袖“同心圈層”趨同結(jié)構(gòu)簡示

上述闡述（E）只是對于社交網(wǎng)絡(luò)“同心圈層”趨同結(jié)構(gòu)的形象化簡描。 后文將基于同心圈層的內(nèi)涵，延伸出 4 條假設(shè)（后文的 H1、H2、H3、H4）進行檢驗與支撐。

二、社交網(wǎng)絡(luò)意見領(lǐng)袖“同心圈層”趨同結(jié)構(gòu)的內(nèi)涵

本研究所提的同心圈層結(jié)構(gòu)，首先聚焦于“趨同中心”角色所產(chǎn)生的“社會樣板”效應(yīng)的可能，繼而在“社會樣板”效應(yīng)的基礎(chǔ)上，延拓和表現(xiàn)為“同心圈層”的總體結(jié)構(gòu)。 S1 是指全體用戶朝向某種中心用戶的趨同化。 在社交網(wǎng)絡(luò)中，每個用戶ux和最中心的用戶的內(nèi)容相似度，線性地對應(yīng)于該用戶ux的影響力程度：與“趨同中心”用戶越相似，則其影響力越高；用戶ux與“趨同中心”的內(nèi)容距離越大，則其影響力越低。 用戶在對“社會樣板”的趨同過程中，隨著影響力的提升會越來越消減多樣性和異質(zhì)性，增強同質(zhì)性。 這部分關(guān)系到前文所述的要素Ma。 S2 是指趨同過程中的“影響力程度-社會樣板程度”的同構(gòu)化。 用戶作為意見領(lǐng)袖的影響力程度與該用戶作為“社會樣板”的程度成正相關(guān)。這部分關(guān)系到前文所述的要素Md。 S3 是指趨同的單中心化。 在“同心圈層”結(jié)構(gòu)中，所有的社會樣板應(yīng)該是趨同的，是處于同一個中心，或者靠攏于同一個中心，而不是多個中心。 如果不滿足這個條件，那么即使社會樣板效應(yīng)存在，它也不是“同心”圈層，而只是“多心”圈層。 用戶越來越朝向單向度的“單面人”演變，社交網(wǎng)絡(luò)社會中的用戶也由此而趨于“單向度化”。 這部分關(guān)系到前文所述的要素Ma。 S4 是指趨同過程中的圈層分化。 在同心圈層中，分為從內(nèi)到外的一圈圈、一層層。 從中心到邊緣的各個圈層是影響力從高到低的各個“意見領(lǐng)袖層級”。 越是靠近“趨同中心”或“社會樣板”的高影響力層級，其內(nèi)部用戶越是相似；反之，越是遠離中心的低影響力層級，其內(nèi)部用戶越是差異化，從而形成從中心到邊緣的由密到疏的各個圈層，越是中心的用戶圈層，其內(nèi)部的用戶距離越緊湊狹窄，也即圈層越是稠密；越是邊緣的用戶圈層，其彼此內(nèi)容距離越大、越是稀疏。 這部分關(guān)系到前文所述的要素Me。

上述 S1、S2、S3、S4 不是割裂的，而是具有內(nèi)部聯(lián)系與整體關(guān)系。其中,S1 是具有基本性的，同時也是在以往的社交網(wǎng)絡(luò)研究中易被忽視的一種現(xiàn)象。而正是在S1 的現(xiàn)象成立的基礎(chǔ)上，蘊藉著S2、S3、S4 的可能，才由此形成全體圍繞“趨同中心”或者“中心社會樣板”的同心圈層結(jié)構(gòu)（參見圖2、圖4）。H1、H2、H3、H4 是分別對應(yīng)于 S1、S2、S3、S4 的更為具體化的形式）。

圖2 社交網(wǎng)絡(luò)“同心圈層”趨同結(jié)構(gòu)子假設(shè)的關(guān)系

（一）用戶“同心圈層”結(jié)構(gòu)的趨同中心（S1→H1）

社交網(wǎng)絡(luò)“同心圈層”結(jié)構(gòu)的重要要素之一是前文所提的“中心的存在與作用”（參見E1、Ma）。對于“同心圈層”結(jié)構(gòu)而言，一個基本問題是（Q1）：是否存在著同化各點的“趨同中心”用戶，使得全局各用戶隨著自身影響力的提升而提升與“中心”相似的程度？

1.“趨同中心”的角色與傳播作用

盡管較多觀點不認可意見領(lǐng)袖的趨同化，但是一部分研究卻指出了高影響力用戶、意見領(lǐng)袖在用戶相似性網(wǎng)絡(luò)中具有更高的中心性與同質(zhì)化作用。社交網(wǎng)絡(luò)一部分用戶尤其是意見領(lǐng)袖等高影響力用戶，較之普通用戶具有更強的內(nèi)容擴散力，從而產(chǎn)生對于其他用戶的更強的同化。 Matsumura 等提出的識別意見領(lǐng)袖的影響力擴散模型（Influence Diffusion Model, IDM）[19], 通過用戶對博主內(nèi)容評論及轉(zhuǎn)發(fā)的語義相似度,描述博主的內(nèi)容擴散及其對其他用戶的影響。 這反映了意見領(lǐng)袖在內(nèi)容上對其他用戶的擴散力和擴散深度。 Bravo 等考察推特中的政治意見領(lǐng)袖，分析了他們在推特中被追隨、轉(zhuǎn)推、提及的擴散能力[20]，同樣反映出意見領(lǐng)袖在內(nèi)容上處于更強的擴散中心地位。 王曉光將博客用戶分為核心博客與普通博客，博客用戶的關(guān)注對象常常集中在特定的核心博客上[21]。 Weng 等對Twitter的研究指出，用戶和她/他的直接粉絲之間存在著信息內(nèi)容和主題上的同質(zhì)現(xiàn)象[22]。 Weng 的研究結(jié)果也意味著更高粉絲數(shù)的用戶會呈現(xiàn)比其他用戶更強的內(nèi)容或主題同質(zhì)現(xiàn)象。 這些因素影響著用戶內(nèi)容朝著有限性的特質(zhì)趨近，出現(xiàn)某種具有強同化能力的用戶的可能；高影響力用戶在相似度網(wǎng)絡(luò)中具有更強的中心性，形成內(nèi)容同質(zhì)性的擴散。

意見領(lǐng)袖帶來的同化作用使其他用戶在意見、觀念、內(nèi)容上出現(xiàn)朝向意見領(lǐng)袖的趨同。 李根強、方從慧運用計算實驗法分析意見領(lǐng)袖對網(wǎng)絡(luò)集群行為主體觀點演化的影響作用，分散的群體觀點最終朝向意見領(lǐng)袖所持的觀點逐漸偏移[23]。 李衛(wèi)東、彭靜發(fā)現(xiàn)個體的社會網(wǎng)絡(luò)中心性與意見強化現(xiàn)象有明顯的正相關(guān)關(guān)系，個體越處于中心地位，意見強化現(xiàn)象越強[24]。Yoo 等使用Twitter 數(shù)據(jù)分析了意見領(lǐng)袖所產(chǎn)生的內(nèi)容級聯(lián)，具有較大網(wǎng)絡(luò)的生產(chǎn)者貢獻的內(nèi)容的擴散更有可能被相似內(nèi)容的擴散所放大，并對其他內(nèi)容的擴散產(chǎn)生抑制，也即網(wǎng)絡(luò)中的內(nèi)容主要被意見領(lǐng)袖的內(nèi)容級聯(lián)所主導(dǎo)[25]。 這些分析中，意見領(lǐng)袖的觀點同化能力使得更大范圍的用戶圍繞高程度意見領(lǐng)袖的趨同成為可能。 盡管這些研究多只是局限于單條的意見或觀念，但是給作為“意見集合”的用戶內(nèi)容趨同研究提供了有利基礎(chǔ)與方法借鑒。

社交網(wǎng)絡(luò)媒介平臺自身的話語特質(zhì)會帶來平臺中用戶內(nèi)容生產(chǎn)的模板化和同一化。 Mikal 等認為社交網(wǎng)站具有溝通行為和話語內(nèi)容的某種特質(zhì)和標準，網(wǎng)民受到網(wǎng)站中公開溝通行為“標準”的行為修正，在發(fā)帖時相應(yīng)地修改自己的內(nèi)容而趨同于網(wǎng)站內(nèi)容[26]。 Lee 等在對 MultiLDA 與 Twitter-LDA的主題模型評估時指出，雖然許多主題可以在社交媒體平臺上共享，但用戶通常會對某些主題顯示出某些社交媒體平臺的偏好，這種平臺偏好甚至可以在個人層面上找到[27]。 社交網(wǎng)絡(luò)用戶內(nèi)容傳播中的受眾期待與市場因素帶來的高影響力用戶的內(nèi)容生產(chǎn)趨同。 Masson 建立與博弈論模型相似的動態(tài)模型，假定用戶只會發(fā)布其認為可能非常受歡迎的內(nèi)容，證明了發(fā)帖行為的收斂性[28]。 用戶的內(nèi)容生產(chǎn)受到以召回率為目標的推薦算法影響，帶來內(nèi)容選題、類型和風(fēng)格的系統(tǒng)化傾向，直接影響到內(nèi)容生產(chǎn)者的旨趣，這促使內(nèi)容生產(chǎn)活動變得愈加標準化[29]。 社交網(wǎng)絡(luò)用戶在發(fā)帖和分享時，會受到“想象的受眾”及其同質(zhì)性的影響和塑造，使得自身內(nèi)容增強特定的同質(zhì)性[30]。 盡管媒體內(nèi)容生產(chǎn)者面臨著很大的自主空間，但是趨同被作為一種效益高的戰(zhàn)略以促進低成本和有高傳播效果的新聞生產(chǎn)[31]。 意見領(lǐng)袖是對于其所處的社交網(wǎng)絡(luò)媒介平臺具有高適應(yīng)性的用戶，他們更需符合該種社交平臺中來自受眾期待、注意力市場約束與收斂、話語生產(chǎn)模式等的各種模式要求。換言之，在不同的社交網(wǎng)絡(luò)中，意見領(lǐng)袖的模式、特點、主題是不同的，高程度的意見領(lǐng)袖是社交網(wǎng)絡(luò)內(nèi)容生產(chǎn)模式、需求、內(nèi)容特質(zhì)等各種規(guī)約性的體現(xiàn)；他們之所以在某個社交網(wǎng)絡(luò)媒介平臺中取得成功，某種程度上是適應(yīng)這種媒介平臺的產(chǎn)物。 這也使得意見領(lǐng)袖更為減少內(nèi)容生產(chǎn)方式中的“隨心所欲”與多樣性，比該種社交網(wǎng)絡(luò)中的邊緣用戶、非中心化用戶更為“標準化”與有限化。

社交媒體用戶體現(xiàn)出優(yōu)勢內(nèi)容、高熱度內(nèi)容的特征有限化和類型窄化[14]（P69-75）[32]，部分優(yōu)勢用戶吸引著用戶朝向特定方向與優(yōu)勢模式的生成、發(fā)展，用戶的內(nèi)容生產(chǎn)減少了豐富性，而模板化的意味得到加強。 社交網(wǎng)絡(luò)的UGC（用戶生成內(nèi)容）過程中，用戶具有朝向相同標的、模式而發(fā)生的同化，在這種過程中，一些更為貼近這種同化“標的”的用戶顯現(xiàn)出作為成功樣板或模板的角色。媒介內(nèi)容生產(chǎn)中的受眾期待使得信息生產(chǎn)者的選擇標準相似、強調(diào)策略接近、表達方式單一，帶來信息生產(chǎn)中的內(nèi)容趨同[33]。 由于受到平臺需求、算法機制、用戶偏好等多種影響，高熱度內(nèi)容及其生產(chǎn)者呈現(xiàn)出明顯的“窄化”現(xiàn)象[34]35][36]。 個體的信息生產(chǎn)在多樣性和碎片化的表層之下，受到社會信息場的深層制約，成為社會外部具有典范性的聲音在個體的不同程度的“回響”。 傳媒發(fā)展過程中存在的“合法性危機”及其“強迫機制”、“模仿機制”、“社會規(guī)范機制”相互作用,使得傳媒出現(xiàn)相當程度的同質(zhì)化[37]。 在社交網(wǎng)絡(luò)的用戶內(nèi)容生產(chǎn)中，盡管具有“人人都有麥克風(fēng)”的自主性，但是實際的信息生產(chǎn)卻受到來自于媒介、受眾、市場等多種“看不見的手”所帶來的同質(zhì)化作用，這些隱形的力量也在塑造著樣板化的內(nèi)容生產(chǎn)典范。 而在社交網(wǎng)絡(luò)中具有優(yōu)勢地位與成功流量的用戶，既是這種力量塑造的結(jié)果，同時也進一步催化其他用戶朝向有限的用戶樣板發(fā)生趨同的傳播效應(yīng)。

若假定存在著同心結(jié)構(gòu)中的“趨同中心”（E1、Ma），并由此發(fā)生全局輻射作用，影響到 E2、E3 以及Mb、Md、Me 的方面，從而關(guān)系到全局的同心圈層構(gòu)造，那么這種“趨同中心”及其中心化是可以檢驗的。 對于意見領(lǐng)袖用戶而言，這種“趨同中心”用戶的基本特征為（C0）：與中心越是內(nèi)容相似（也即內(nèi)容距離越短）的用戶，影響力越高；與中心越是內(nèi)容不相似（也即內(nèi)容距離越長）的用戶，影響力越低；任意用戶與中心的內(nèi)容相似度與該用戶的影響力程度成正相關(guān)。 該特征（C0）同時也是對于這種“中心”用戶是否實存的基本檢驗方式。 這種處于趨同中心位置的“社會樣板”角色和作用，是對于社交網(wǎng)絡(luò)中的用戶影響力、意見領(lǐng)袖研究中所容易忽略、關(guān)注不足的方面，但卻是同心圈層中具有關(guān)鍵性的用戶角色和作用。

用戶作為趨同中心、“社會樣板”的角色有程度高低之分（測量方式見下文C1），本文把具有最高程度的“社會樣板”用戶簡稱為“中心社會樣板”。社交網(wǎng)絡(luò)用戶在相似性上，不是“人人都有麥克風(fēng)”式的多樣化、去中心化，也不是簡單的同質(zhì)化與偏倚化，而是對于全體任意用戶ux而言，存在著朝向某種“中心社會樣板”趨似化的態(tài)勢；并且這種趨似的程度與ux的影響力程度正相關(guān)：ux越是在內(nèi)容上相似于“中心社會樣板”，則影響力越高；反之，ux越是在內(nèi)容上遠離、不相似于“中心社會樣板”，則影響力越低。

對于用戶“社會樣板”以及社會網(wǎng)絡(luò)趨同中心用戶角色的論述，來源于對網(wǎng)絡(luò)實踐結(jié)構(gòu)的理論推斷，也具有實踐可檢驗性與實踐效力。 這種角色的提出對于提煉、檢驗“同心圈層”趨同結(jié)構(gòu)具有核心作用。 同時，后文也將顯示，“社會樣板”的用戶現(xiàn)象和角色并非純粹的理論臆構(gòu)，而是可在社交網(wǎng)絡(luò)實踐中得到確證并對用戶相似結(jié)構(gòu)產(chǎn)生著重要作用。

2.用戶作為社會樣板程度的測量方式

基于社會樣板的內(nèi)涵，我們可提出對于任一用戶（設(shè)為M）作為“社會樣板”程度的測量方法（C1）：對于用戶M 而言， 設(shè)其他任意n 個用戶構(gòu)成序列U=[u1，u2，u3， ……，un]，U 中每個用戶和 M 的內(nèi)容相似度依次標為序列 S=[s1，s2，s3， ……，sn]，U 中每個用戶作為意見領(lǐng)袖的影響力程度依次標為序列H=[h1，h2，h3，……，hn]，其中序列 U 和 S、H 中的每個元素順序是嚴格一一對應(yīng)的；那么可知，如果序列S 和序列H 的正向相關(guān)、對應(yīng)程度越強，則表示用戶M 作為“社會樣板”的程度越強。 用常用的線性相關(guān)系數(shù)即可以簡單而有效地反映S 和H 這兩個序列之間的正向相關(guān)程度。 本研究采取皮爾遜相關(guān)系數(shù)，其值在[-1,+1]之間。 如果該相關(guān)系數(shù)不顯著，則表示S 和H 缺乏明顯的正向相關(guān)性，此時可將相關(guān)系數(shù)值替換為0，表示S 和H 無相關(guān)，也表示M 無任何社會樣板作用。

對于任一用戶M，其社會樣板程度的測量方式見下圖（圖3）。 任一用戶都可以最終得到一個用于反映其“社會樣板程度”的數(shù)值Px，這個數(shù)值介于[-1,+1]之間。 它顯示的是用戶作為“完全社會樣板”（也即社會樣板程度為1）和“完全不是社會樣板”（也即社會樣板程度為-1）這個“兩極”之中的游離。該值越大，表示用戶對于全體任意用戶所體現(xiàn)和發(fā)揮出來的“樣板效應(yīng)”越強烈。 當Px=1 時，用戶此時會產(chǎn)生必然的、完全線性對應(yīng)、完全可精確預(yù)測的社會樣板效應(yīng)，而不會帶有“時靈時不靈”的波動與誤差。

圖3 對于用戶M 的“社會樣板程度/樣板度”（Px）的測量方式

3.社會樣板和社會樣板程度的關(guān)系

我們要厘清的是“社會樣板”和“社會樣板程度”之間的關(guān)系。 任一用戶，經(jīng)由C1 的測量方法，都會有一個或低或高的“社會樣板”程度值。 對此值，我們雖然可以劃定一個“閾值”作為界定“社會樣板—非社會樣板”的門檻。 但是這樣做定性分類處理的潛在問題是：即使是低“社會樣板程度”的用戶，也是有區(qū)分的，意味著他遠離最高程度社會樣板的遠—近。

因此，我們采取另一種處理方法，也即不再切分一個門檻值去硬性地區(qū)分“是不是社會樣板”，而是以“社會樣板程度”來標識各用戶。 這個介于[-1,+1]的社會樣板程度值的高/低反映著用戶距離成為最完全的社會樣板（也即社會樣板程度值=1 的用戶）的近/遠。 越是高值，表明用戶作為“社會樣板”的角色越強烈、越鮮明，越是接近于最高意義上的、最完全的社會樣板；反之，越是低值，則表示著用戶距離成為一個“完全社會樣板”就越遠。

4.同心圈層的趨同中心與社會樣板：從問題Q1到假設(shè)H1

針對基本問題Q1 以及本節(jié)對于趨同中心、社會樣板的分析，我們提出：

假設(shè)（H1）：社交網(wǎng)絡(luò)中存在著某種高程度“社會樣板”用戶，它處于社交網(wǎng)絡(luò)“趨同中心”的位置與角色，使得對于任意用戶ux，ux和topuser 內(nèi)容相似度與ux的影響力程度之間具有線性正相關(guān)關(guān)系。

H1 變換后的形式H1.1 為：社交網(wǎng)絡(luò)中至少存在著某個用戶um，使得對于任意用戶ux而言，ux和um之間的內(nèi)容相似度與ux的影響力程度兩者是線性正相關(guān)。

對于H1.1 的檢驗，我們可以嘗試的方法包括：對全部樣板用戶，逐個計算其社會樣板程度，尋找至少一個具有um功能的用戶。 如果存在，則表明，全體用戶會發(fā)生以下現(xiàn)象：朝向居于“趨同中心”的用戶發(fā)生趨同；用戶和該“中心”的內(nèi)容相似度越高，則其自身的影響力也越高。 這會使得高影響力用戶的內(nèi)容不是任意的、發(fā)散的，而是趨向于某種中心發(fā)生收斂、約束和塑造。

在H1 和H1.1 的基礎(chǔ)上，我們繼續(xù)把H1.1 轉(zhuǎn)換為直接可操作化的假設(shè)方案H1’：設(shè)社交網(wǎng)絡(luò)現(xiàn)有的用戶中選取“社會樣板”程度最高的那1 個用戶為topuser，其他 m 個用戶記為Y=[y1,y2,y3,……,ym]; Y 中每個用戶與topuser 的內(nèi)容相似度，依次記為S=[s1,s2,s3, ……sm]; Y 中每個用戶的影響力程度依次為I=[i1,i2,i3,……im]；則I 和S 之間具有顯著的線性正相關(guān)。

（二）社交網(wǎng)絡(luò)用戶“同心圈層”結(jié)構(gòu)由內(nèi)向外的輻射：用戶“影響力程度—社會樣板程度”的同構(gòu)化（S2→H2）

在Q1 和H1 的基礎(chǔ)上，接著的問題Q2 是：用戶作為社會樣板的身份和作為意見領(lǐng)袖的身份，兩者是否有程度上的正向相關(guān)和對應(yīng)？

從H1 可得知，影響力越高的用戶和趨同中心的內(nèi)容越相似。 從社會樣板的內(nèi)涵（C0）即可推得，社會樣板不是由粉絲量、影響力、線上線下身份等外在因素決定的，而是由其內(nèi)容特征所限定的，是用戶在內(nèi)容上的“模板”與范式。 因而，與這種樣板越是內(nèi)容相似的用戶，其等價于或近似等價于“樣板”的程度也就越高。 如果把最為理想的“樣板”比作一個雕塑作品，那么高影響力用戶則是對這個作品的“高仿”，而低影響力用戶則是對這個作品的“低仿”。 而“中仿”或“低仿”的用戶其實也部分地反映出“原版”的面貌，對于這些仿品的趨同也會部分地反映出對于“原版”的趨同，只是對于原版的復(fù)刻效果會差一些。 用戶的影響力越高，因為其和中心社會樣板的內(nèi)容相似度越高，所以作為社會樣本的程度和屬性也越強烈，也即可以推測，用戶的影響力高低和其作為社會樣板的程度高低具有正相關(guān)。同時從另一個角度，某用戶（設(shè)為ux）越是趨同于原版的“完全社會樣板”，則自身也會具有部分的“社會樣板”的屬性與輪廓。 從而由社會樣板的內(nèi)涵C0 及其測量方式可得，對于該用戶ux而言，任意其他用戶y 越是和自己相似， 則y 的影響力可能越大，只是這種可能性不那么高。由此，用戶在趨同于完全社會樣板或中心社會樣板的過程中，自身也成為不同程度的社會樣板。 對此，如果假設(shè)H1 的效應(yīng)存在，那么則可以預(yù)期以下的假設(shè)H2：社交網(wǎng)絡(luò)用戶的影響力程度和他作為社會樣本的程度之間具有顯著的正相關(guān)。

把H2 轉(zhuǎn)為可操作化的形式H2’：設(shè)社交網(wǎng)絡(luò)中全體用戶集合為Y=[y1,y2,y3,……,ym];Y 中每個用戶的影響力程度依次記為D=[d1,d2,d3,……dm];Y 中每個用戶的社會樣板程度依次記為I=[i1,i2,i3,……im]；則I 和D 之間具有顯著的線性正相關(guān)。

（三）社交網(wǎng)絡(luò)用戶“同心圈層”結(jié)構(gòu)的單中心化而非多中心化：社會樣板趨同的單中心化（S3→H3）

此處是對于H1 的更強烈的命題，同時也可視作“同心圈層”結(jié)構(gòu)的必須特征：存在單中心，而非多中心。

雖然在H1 中已經(jīng)驗證存在著某個被趨同的社會樣板。 但是如果多個社會樣板之間，本身差異很大乃至相互遠離呢？ 這樣，整體結(jié)構(gòu)就不會表現(xiàn)為一個“同心圓”，而可能是多個同心圓，抑或成為多中心的結(jié)構(gòu)。對此，在C0、Q1、H1 的基礎(chǔ)上接著需要考察的問題是Q3：社會樣板隨著其樣板程度的提升，是否趨于多樣化，亦或趨于單一化、同一化？

結(jié)合H1 的分析，社會樣板程度最高的某個用戶為topuser。 這里可能會讓人產(chǎn)生質(zhì)疑的是：其他也擁有非常高“社會樣板程度”的用戶（設(shè)為topuser’），也可以成為“蕓蕓眾生”們趨同的目標和“模板”，此時，豈不會導(dǎo)向趨同的“多極化”或“多中心化”？

但答案是否定的，從兩個層面可予以否定。（1）只要所有用戶滿足了假設(shè)H1，則我們不需要去關(guān)心在H1 中的最高的“那1 個”樣板topuser 之外還存不存在其他的另1 個、另2 個乃至另n 個高程度樣板。 即使存在其他再多的高程度樣板，也無法否定H1 中的事實：也即所有用戶在發(fā)生朝向“這1個”（topuser）的趨同。（2）即使存在著那另 2 個、另 3個乃至另n 個的社會樣板，但根據(jù)H1，這些其他的高程度樣板雖然看起來和H1 中的那一個最高樣板（topuser）可能“長得不像”，但卻潛藏著一個事實：樣板程度越高的用戶，就必須和最高程度的樣板（topuser）“長得越像”。 因為，根據(jù) H2，社會樣板程度越高的用戶，其影響力程度也越高；繼而，根據(jù)H1，影響力越高的用戶和“中心社會樣板”（也即H1 中的topuser）就長得越像；從而可得，社會樣板程度越高的用戶和“中心社會樣板”（topuser）就長得越像。 通俗地說，所有用戶都“走在朝向‘最高社會樣板程度用戶’的大道上”，社會樣板程度越高的用戶離這個目的地就越近；反之，社會樣板程度越低的用戶則離這個目的地越遠。 但是后面的人朝向排第2、第3 的人方向前進，并不等于他沒有同時朝向排第1 的“排頭兵”前進，因為所有的人前進的是相同方向。

由此我們可以提出假設(shè)H3：設(shè)社交網(wǎng)絡(luò)中社會樣板程度最高的某用戶為topuser，對于任意用戶ux，ux的社會樣板程度和 ux與topuser 之間的內(nèi)容相似度，兩者是線性正相關(guān)。

把H3 轉(zhuǎn)換為可操作化的檢驗形式H3’：設(shè)社交網(wǎng)絡(luò)中社會樣板程度最高的某個用戶為topuser，其他 m 個用戶記為 Y=[y1,y2,y3,……,ym]；Y 中每個用戶與topuser 的內(nèi)容相似度依次記為S=[s1,s2,s3,……sm]；Y 中每個用戶的社會樣板程度依次為I=[i1,i2,i3,……im]；則I 和S 之間具有顯著的線性正相關(guān)。

H3 中涉及的社會樣板的同一性使得同心圈層結(jié)構(gòu)確立了關(guān)鍵的前提：所有的用戶朝著同一個社會樣本趨同，而不是朝著多樣的模板演化乃至分裂。這里蘊含著的是，所有的模子都在變得像同一個模子；根據(jù)模子復(fù)刻出來的人，也都越來越像同一個人。

（四）社交網(wǎng)絡(luò)用戶趨同過程中的圈層分化：隨著影響力層級的提高，層內(nèi)用戶異質(zhì)性越來越弱、同質(zhì)性越來越強（S4→H4）

如果存在H1、H2、H3 中的相關(guān)現(xiàn)象，那么我們可以預(yù)期以下方面：（I）由H1，由于用戶的影響力越高則和“中心”社會樣板越相似，所以高影響力用戶群中的多樣性、異質(zhì)性越來越消減；反之，越是低影響力的用戶群受到的“趨同于中心社會樣板”的束縛力更弱，所以可以保留更多的多樣性和異質(zhì)性。（II）a，由 H2，越是高影響力的用戶群，他們的社會樣板程度越高；（II）b，又由 H3，越是高社會樣板度的用戶就越是相似于中心社會樣板，也即越是消減自身的自由多樣性與異質(zhì)性。 這樣，由a→b 繼而可以推得：越是高影響力的用戶群，越是消減其自由多樣性與異質(zhì)性，從而越是增強相似性與同質(zhì)化程度。

基于（I）和（II），當我們把社交網(wǎng)絡(luò)社會中的用戶按照影響力分層為一個個從高到低的“影響力層級”，則提出假設(shè)H4：越是高影響力的社會層級，其層級內(nèi)的用戶群體的內(nèi)容相似度越高； 越是低影響力的社會層級，其層級內(nèi)的用戶群體的內(nèi)容相似度越低。

對于假設(shè)H4.1，有兩種備選的操作方式：一種是把用戶按照影響力高低，切分成若干層，然后計算每層內(nèi)用戶的相似度； 另一種是對全體用戶，逐個取與他的影響力最為相同或相近的k 個用戶，然后把這（1+k）個用戶視為一層，計算每層用戶的相似度。 后一種的檢驗條件比前一種更為嚴苛，因此本研究選取后一種，將H4 轉(zhuǎn)換為H4.1：對于每個用戶ux，他和其影響力相同或最為相近的k 個用戶組成一個“影響力層級”（層級中包括ux自身，因而層級人數(shù)為1+k）；則用戶的影響力程度越高，那么其影響力層級內(nèi)用戶的平均相似度越高，兩者具有正相關(guān)。

進一步把H4.1 轉(zhuǎn)為可操作化的形式H4’：設(shè)社交網(wǎng)絡(luò)中全體用戶集合為Y=[y1,y2,y3, ……,ym]；對于Y 中每個用戶，將其和影響力相同或最為相近的k 個用戶組成一個“影響力層級”(每層級人數(shù)選定為30 人)； 這樣Y 中用戶的影響力依次為DL=[d1L,d2L,d3L,……dmL],YL中每個層級的層內(nèi)用戶內(nèi)容的平均相似度依次為SL=[s1L,s2L,s3L, ……smL]； 則DL和SL之間具有顯著的線性正相關(guān)。

（五）各子假設(shè)的詳細內(nèi)涵與邏輯結(jié)構(gòu)

結(jié)合前文“同心圈層”結(jié)構(gòu)（圖1）所示，我們可以鮮明見到上述4 個假設(shè)的直觀意義。 進一步結(jié)合 S1、S2、S3、S4 進行闡述，S1’指所有點趨同的中心，是“中心社會樣板”（居于中心社會樣板的位置的既可能是完全中心、社會樣板程度等于1 的完全社會樣板，也可能是挨近中心、但并非完全社會樣板的高程度社會樣板）；假設(shè)H1 指向“中心社會樣板”的同化作用，也即用戶和“中心社會樣板”的內(nèi)容相似度與該用戶的影響力程度之間正相關(guān)。 S2’指所有點越是接近中心，則表示影響力越大，同時該點由于和中心社會樣板的內(nèi)容距離越小從而社會樣板程度也越高，表現(xiàn)出假設(shè)H2 指向的任意用戶“影響力程度—社會樣板程度”之間的正相關(guān)；S3’指社會樣板程度越高，則和中心的內(nèi)容距離越小，表現(xiàn)出假設(shè)H3 所指向的社會樣板趨于同一種“標的”的單中心化與單向度。 S4’指用戶分為由內(nèi)圈到外圈的差序格局，內(nèi)圈用戶的彼此相似度高，外圈用戶彼此相似度低，顯現(xiàn)出假設(shè)H4 所指涉的圈層分化。而這四點雖然并非出自“同心圈層”結(jié)構(gòu)的預(yù)設(shè)與邏輯起點，卻在結(jié)果上形成對于“同心圈層”趨同結(jié)構(gòu)的支撐（參見表1）。

表1 “同心圈層”結(jié)構(gòu)的支撐假設(shè)

結(jié)合 H1、H2、H3、H4 的問題提出及內(nèi)涵，各子假設(shè)與社會樣板、用戶內(nèi)容相似關(guān)系、用戶影響力的聯(lián)系圖示如下（圖4）：

圖4 社會樣板-同心圈層結(jié)構(gòu)及其子假設(shè)的內(nèi)在關(guān)系

結(jié)合 H1、H2、H3、H4 四個子假設(shè)和圖 2、圖 4 內(nèi)涵，各元素相互聯(lián)系如下（詳見圖5，該結(jié)構(gòu)亦用于后文的“路徑分析”）：

圖5 “同心圈層”趨同結(jié)構(gòu)的變量關(guān)系及其對應(yīng)的子假設(shè) H1、H2、H3、H4

三、研究方法與實施過程

（一）研究中的關(guān)鍵概念與指標界定

社會樣板，見前文C0。

用戶作為“社會樣板”程度的測量方式，見前文C1。

用戶內(nèi)容相似度C2：本研究中，用戶內(nèi)容相似度指的是用戶作為一個個“內(nèi)容聚合整體”，每個用戶都具有其整體上的內(nèi)容特征，把這種特征提煉出來之后，從而可以考察兩個用戶在內(nèi)容特征上的相似程度。 用戶內(nèi)容相似度的反面是用戶的內(nèi)容距離，也即用戶在內(nèi)容上“不相似”的程度。 尤其要強調(diào)的是，這種內(nèi)容特征不是具體的一條條帖子的相似度，而是所有帖子對于個體的整體內(nèi)容特征的表現(xiàn)。 通俗而言，是“以其文、察其人”，也即考察的基本單位，不是零碎的帖子和帖子的內(nèi)容相似度，而是整化之后的用戶和用戶之間的內(nèi)容相似度。 之所以選擇這樣的方式，是因為本研究的基點不是研究帖子、訊息的擴散與相似關(guān)系，而是研究在社會樣板、同心圈層中的用戶和用戶之間的相似關(guān)系。

用戶內(nèi)容相似度的測量C2.1：用戶內(nèi)容相似度的實際計算中，把某個用戶發(fā)布的n 條帖子作為一個整體，選擇向量空間模型（VSM）+潛在語義分析（Latent Semantic Analysis,LSA），向量化每個用戶的內(nèi)容特征，進而由余弦相似度計算兩個用戶之間的內(nèi)容相似程度。 此外，本文中的用戶相似度，如無特別說明，都是指代用戶基于內(nèi)容的相似度。

用戶影響力的測量C3：采用最為直接的指標也即“粉絲”的規(guī)模反映一個用戶的影響力。 追隨者、關(guān)注者的多少是用戶得到的社會認同、社會關(guān)注與在社交網(wǎng)絡(luò)中的話語地位的最為直接而原始的體現(xiàn)。 對于社交網(wǎng)絡(luò)意見領(lǐng)袖、大V 的諸多研究，突出“粉絲數(shù)”指標的重要性[38]。 用粗糙集理論發(fā)現(xiàn)，“粉絲數(shù)對能否成為意見領(lǐng)袖至關(guān)重要”[39]。 張玉晨等直接通過粉絲數(shù)的規(guī)模，作為區(qū)分“大V”、“中V”的唯一依據(jù)[7]（P79-87）。 本文的實際計算中，由于社交網(wǎng)絡(luò)用戶的粉絲量分布懸殊太大，從寥寥幾個、成百上千到數(shù)千萬不等，因此采取對數(shù)函數(shù)轉(zhuǎn)換后的形式，x 為用戶粉絲量的原始值， 則偶像程度為xnew=log2（x+1）。 該指標合理、直觀，易于計算。

（二）樣本選取與數(shù)據(jù)預(yù)處理

選擇典型的社交網(wǎng)絡(luò)之一新浪微博為樣本。根據(jù)新浪微博數(shù)據(jù)中心最新發(fā)布的《2018 微博用戶發(fā)展報告》，新浪微博月活躍用戶4.62 億，月閱讀量過百億領(lǐng)域達32 個[40]。 再采取廣覆蓋、成本相對較低的多階段抽樣。 從新浪微博首頁47 個內(nèi)容版塊（分別是：社會、國際、科技、科普、數(shù)碼、財經(jīng)、股市、明星、綜藝、電視劇、電影、音樂、汽車、體育、運動健身、健康、瘦身、養(yǎng)生、軍事、歷史、美女模特、美圖、情感、搞笑、辟謠、正能量、政務(wù)、游戲、旅游、育兒、校園、美食、房產(chǎn)、家居、星座、讀書、三農(nóng)、設(shè)計、藝術(shù)、時尚、美妝、動漫、宗教、萌寵、法律、視頻、上海）中,獲取其發(fā)布者和評論者共3 501 153 個用戶的初始數(shù)據(jù)庫，從中最終抓取到具有有效個人資料、發(fā)帖數(shù)不少于500 條的88 739 個用戶； 對這些有效用戶，采取整群抽樣抓取每人的前5頁關(guān)注者。由于不同的用戶其關(guān)注的人可能有重復(fù)，經(jīng)過選取發(fā)帖數(shù)不少于500 條、去重以及具有相匹配的個人資料等清洗環(huán)節(jié)，從中選取到有效用戶130 082 個。

我們對這些用戶統(tǒng)一采用橫向的比較口徑。一是對時間段予以統(tǒng)一，帖子一律選取在2018 年1 月 1 日到 2018 年 12 月 31 日這 1 年間的。 二是對帖子數(shù)量予以統(tǒng)一，每個用戶一律隨機選取在上述1 年間所發(fā)布的500 條帖子。 如果對每位用戶抽取的帖子太少，則難以“據(jù)其言、察其人”，尤其是微博博文都是短文本，更增加了“察人”難度，無法更為充分地進行用戶彼此間的相似度計算。

經(jīng)過上述取樣和有效數(shù)據(jù)清洗，最后我們得到的樣本用戶為24 779 個。 這些用于計算的用戶分布有廣泛性與代表性，其粉絲量、發(fā)博量、關(guān)注數(shù)等各主要指標都包含從數(shù)十到數(shù)萬乃至數(shù)千萬的大范圍，各種重度/輕度用戶、活躍/不活躍用戶都有良好覆蓋（參見圖6）。

圖6 樣本用戶的特征分布柱狀圖

（三）用戶內(nèi)容的特征提取與向量化表示：VSM+LSA

把單個用戶的各條帖子拼接為一個長文本，先通過向量空間模型（VSM）得到每個用戶的詞頻矩陣。 詞頻矩陣的獲取采取常用的數(shù)據(jù)挖掘模塊sklearn 中的CountVectorizer()函數(shù)，其中最低詞頻數(shù) min_df 設(shè)為 50,max_df 設(shè)為 0.2，ngram_range 設(shè)為(1,1)，也即只采用一元詞。 得到詞頻矩陣后轉(zhuǎn)為經(jīng)L1 規(guī)范化的TFIDF 矩陣X，轉(zhuǎn)換函數(shù)為sklearn.TfidfTransformer(norm=l1)。

對于矩陣X 采取潛在語義分析(LSA)進行降維和內(nèi)容特征的提取[41]。 LSA 利用奇異值分解(SVD)技術(shù)，可把數(shù)十萬以上的高維、稀疏的詞頻矩陣降到只有數(shù)千、數(shù)百的低維表示。 降維工具選擇目前廣泛應(yīng)用的開源模塊scikit-learn 中的Truncated-SVD()函數(shù)。 對矩陣X 降到各維數(shù)時的誤差變化情況見圖7。

圖7 潛在語義分析對用戶內(nèi)容降維的解釋方差比

對于用戶的內(nèi)容特征，我們選擇降到700 維時處于“肘拐點”的位置。再增加維度保留原信息的增幅平緩；TruncatedSVD()計算得到的解釋方差比值（explained_variance_ratio_）已達 0.76，保留了原有的11 余萬維矩陣的大部分信息。 總體而言，我們用盡可能精簡的維度提取和高效表示用戶內(nèi)容特征，并過濾掉了較大噪音和擾動，保留了用戶的主要信息特征。

（四）用戶的內(nèi)容相似度計算

本文所有的用戶相似度，如無特殊情況，都指稱用戶在內(nèi)容上的相似度。 結(jié)合C2.1，并對每個用戶根據(jù)其內(nèi)容提取為700 維的向量之后，就可以進行用戶內(nèi)容相似度計算。 選擇文本挖掘中常用的、穩(wěn)健的余弦相似度計算方式，任意兩個用戶Um和Un之間的內(nèi)容余弦相似度表示為:

在上述式（1）的基礎(chǔ)上可以進行擴展,從“1 對1”的用戶相似度擴展到“n 對n”的兩組用戶（每組中用戶數(shù)量n≥1）之間的相似度。任意一組用戶G1(包含n1個用戶)和另一組用戶G2(包含 n2個用戶)的內(nèi)容相似度表示為:

式（2）是在式（1）的基礎(chǔ)上,采用衡量兩組對象間的平均距離所常用的“類平均法”（或稱“簇平均法”，average group linkage）擴展得到。其中 G1或 G2都可以有且僅有一個用戶。 如果H（G1,G2）的值越大,表明G1、G2這兩組用戶之間兩兩的趨近程度越高。

當 n1=1 而 n2>1 時，式（2）用于計算一個用戶和一組用戶之間的平均相似度，此時也用于計算后文中個體和群組的相似度。

式（2）中，當G1=G2時，且組內(nèi)用戶數(shù)量大于1個時，則為計算組內(nèi)用戶的兩兩之間彼此相似度的平均值，此時采取式（2）的微調(diào)形式，因為不能包含個體和自身的相似度（因為該值=1），微調(diào)后如下：

（五）微博用戶“社會樣板”現(xiàn)象與程度、分布的預(yù)調(diào)研

作為趨同中心的社會樣板用戶的存在是形成“同心圈層”趨同結(jié)構(gòu)的準備基礎(chǔ)。 實證檢驗之前，需計算每個用戶的社會樣板程度（C1）。 首先，從中尋找社會樣板程度最高的用戶（也即H1、H1’中的用戶 topuser，或 H3、H3’中的用戶 topuser），并考察其是否具有較為顯著的“社會樣板”屬性和效應(yīng)；其次，每個用戶基于C1 計算得出的社會樣板程度，作為變量參與到H2、H3、H4 的后續(xù)計算與檢驗過程。各用戶的社會樣板程度計算結(jié)構(gòu)和分布特征如下（見圖 8，表 2）

圖8 用戶社會樣板程度分布的柱狀圖

表2 用戶社會樣板程度的分布特征

結(jié)果表明，微博用戶中存在著正向的“社會樣板”，其比重占到了63.4%。 總體來說，微博所有用戶的社會樣板程度的均值為0.08、中位數(shù)為0.10，都是正值，表明微博中總體上以正向的社會樣板效應(yīng)為主，而非負的樣板效應(yīng)，也非“無樣板效應(yīng)”。微博中存在著社會樣本程度大于0.4 的用戶，說明微博中存在著有一定強度的“社會樣板”。 這些都表明，“社會樣板”不是一種純粹的理論構(gòu)造或概念游戲，而是有其現(xiàn)實性，并且社會樣板的強度、差異成為后文分析的進一步基礎(chǔ)。

四、假設(shè) H1、H2、H3、H4 的檢驗結(jié)果

把前文 H1、H2、H3、H4 的假設(shè)內(nèi)容及其轉(zhuǎn)換形式簡列為下表（表3）：

表3 支撐假設(shè)及其朝向可操作化形式的轉(zhuǎn)換

這些假設(shè)中所涉及到的計算方式如下：用戶的社會樣板程度的計算方式見C1；用戶的影響力程度的測量方式見C3；任意兩個用戶的內(nèi)容相似度計算見式（2）；H4’中各影響力層級內(nèi)的用戶內(nèi)容平均相似度計算方式見式（3）。

（一）H1 的檢驗

H1 的檢驗結(jié)果中，I 和 S 的相關(guān)系數(shù)為： 皮爾遜相關(guān)系數(shù) 0.407（p<0.001,N=24779）,斯皮爾曼相關(guān)系數(shù) 0.386（p<0.001,N=24779）。 H1 得到支持，表明所有用戶會朝著某一個中心“樣板”發(fā)生趨同;并且這種趨同程度線性正相關(guān)于各用戶自身的影響力。

（二）H2 的檢驗

H2 的檢驗結(jié)果中，I 和D 的相關(guān)系數(shù)為：皮爾遜相關(guān)系數(shù) 0.544（p<0.001,N=24779）;斯皮爾曼相關(guān)系數(shù) 0.537（p<0.001,N=24779）。 H2 得到支持，而且相關(guān)系數(shù)表示“影響力程度-社會樣板程度”的同構(gòu)化是一種較為穩(wěn)定的現(xiàn)象。

（三）H3 的檢驗

H3 的檢驗結(jié)果中，I 和 S 的相關(guān)系數(shù)為： 皮爾遜相關(guān)系數(shù) 0.778（p<0.001,N=24779）,斯皮爾曼相關(guān)系數(shù) 0.806（p<0.001,N=24779）。 H3 得到支持。 這個正相關(guān)的程度高，也表明H3 中社會樣板趨于同一中心的現(xiàn)象具有足夠穩(wěn)定性（參見圖9）。

圖9 社會樣板的趨同化

（四）H4 的檢驗

H4 的檢驗結(jié)果中，DL和SL的皮爾遜相關(guān)系數(shù)0.742（p<0.001，N=24779），斯皮爾曼相關(guān)系數(shù) 0.677（p<0.001，N=24779）。H4 得到支持。經(jīng)常發(fā)生“誤以為”的是，高影響力的意見領(lǐng)袖是多樣的；或者另一種容易產(chǎn)生的誤解是：影響力底層和頂層的用戶在多樣性、同質(zhì)性方面不會有太大區(qū)別。 而H4 顯示了隨著影響力層級的提升，用戶表現(xiàn)出的收窄化和同質(zhì)化。 同時，H4 在前述個體趨同性的基礎(chǔ)上，反映的是層級、群體的趨同性（參見圖10）。

圖10 用戶因影響力層級提升而增強的層級內(nèi)同質(zhì)化

五、社交網(wǎng)絡(luò)“同心圈層”結(jié)構(gòu)的路徑分析

同心圈層結(jié)構(gòu)的各變量間關(guān)系及其蘊藉的各子假設(shè)如前文圖5 所示。 對于圖5 中所述的4 個變量（也即：用戶的影響力程度、用戶的社會樣板程度、用戶趨同于中心社會樣板的程度、用戶與同影響力層級的用戶相似度）形成的“同心圈層”趨同結(jié)構(gòu)關(guān)系進行“路徑分析”。 四個變量通過Blom 公式進行正態(tài)化預(yù)處理， 估算方法采取最大似然法（maximum likelihood）。 路徑分析結(jié)果見圖 11,其中的各條路徑系數(shù)全部符合顯著性要求。

圖11 “同心圈層”整體結(jié)構(gòu)趨同的路徑分析

對模型品質(zhì)的判斷有多項指標， 如RMSEA、NFI、CFI、IFIz、RFI 等。 “評價模型時，應(yīng)多個擬合指數(shù)結(jié)合應(yīng)用”[42][43]。 模型的擬合結(jié)果主要指標見表4。 主要擬合指標均優(yōu)良，顯示模型的擬合程度較佳。

表4 “同心圈層”結(jié)構(gòu)的路徑分析模型擬合優(yōu)度主要評價指標

圖11 中的各路徑均顯著，它們一一對應(yīng)于本文所論述的 4 個子假設(shè)。 其中：（a）與假設(shè) H1 對應(yīng)的是，“用戶的影響力程度”作用于“用戶趨同于中心社會樣板的程度”。 兩者得到的標準化路徑系數(shù)為+0.36。 （b）與假設(shè) H2 對應(yīng)的是，“用戶的影響力程度”作用于“用戶的社會樣板程度”，兩者得到的標準化路徑系數(shù)為+0.27。（c）與假設(shè)H3 對應(yīng)的是，“用戶趨同于中心社會樣板的程度”作用于“用戶的社會樣板程度”， 兩者得到的標準化路徑系數(shù)為+0.64。 （d）與假設(shè) H4 對應(yīng)的是，“用戶的影響力程度” 作用于 “用戶與同影響力層級的用戶相似度”。 兩者得到的標準化路徑系數(shù)為+0.65。 上述4個路徑系數(shù)的p 值全部小于0.001。

本研究并不排斥其他更為優(yōu)越的路徑分析模型。 但至少此處的路徑分析是對于前文4 個假設(shè)之間的內(nèi)涵和關(guān)系予以的進一步實證支撐。 結(jié)果也顯示了H1、H2、H3、H4 的內(nèi)在聯(lián)系與有機作用，表示著意見領(lǐng)袖用戶“同心圈層”趨同結(jié)構(gòu)的整體性作用。

六、結(jié) 語

文章的主要價值與創(chuàng)新之處在于：（1）提出社交網(wǎng)絡(luò)中的意見領(lǐng)袖“同心圈層”趨同現(xiàn)象與結(jié)構(gòu)，并結(jié)合實證分析顯示其合理性。 以往的研究中，對于微博或類似的社交網(wǎng)絡(luò)往往強調(diào)其多樣化、去中心的結(jié)構(gòu)，這與“同心圈層”結(jié)構(gòu)強調(diào)的同質(zhì)化、中心化具有沖突；或者強調(diào)局部或小范圍的同質(zhì)性，而忽視全局性的同質(zhì)化與中心性。 同心圈層結(jié)構(gòu)強調(diào)隱藏的中心及其中心化結(jié)構(gòu)，構(gòu)成用戶相似性網(wǎng)絡(luò)的組織和演化。（2）在“同心圈層”的形成中，明確提出用戶作為趨同中心的“社會樣板”角色，并詳細闡述、檢驗“社會樣板”在社交網(wǎng)絡(luò)結(jié)構(gòu)中的重要作用。（3）通過 4 條具體的假設(shè)，對“同心圈層”趨同結(jié)構(gòu)進行展開。 以意見領(lǐng)袖趨同中心的 “社會樣板”效應(yīng)與作用為基礎(chǔ)（假設(shè)H1），它構(gòu)成“社會樣板-同心圈層”中居于“同心”的核心，并形成和輻射到3 個方面的支撐：也即用戶“影響力程度-社會樣板程度”的同構(gòu)化（H2）；社會樣板趨同的單中心化而非多中心化（H3）；隨著用戶的影響力層級的提高而相應(yīng)地增長同質(zhì)性的圈層漸變分化（H4）。

根據(jù) H1、H2、H3、H4 以及 S1、S2、S3、S4，社交網(wǎng)絡(luò)“同心圈層”趨同結(jié)構(gòu)可以被概括為“一核心、三支撐”。 一核心是指：在用戶內(nèi)容相似/差異的結(jié)構(gòu)中，全體用戶對于某種“趨同中心”用戶的趨同化（也即S1、H1）；在此趨同過程中，不同影響力的用戶表現(xiàn)出趨近于“中心”樣板的相應(yīng)程度的內(nèi)容距離。 三支撐是指：一是在用戶圍繞“趨同中心”的趨同過程和分布中，用戶影響力程度和其社會樣板程度正相關(guān)、共同趨近于中心的同構(gòu)過程（見H2）；二是社會樣板程度越高就越相似于中心社會樣板，形成單中心化而非多中心化（見H3），這個方面是尤其容易產(chǎn)生誤解的，會有較多觀點誤認為用戶趨同于多中心而非單中心，但實際上即使表現(xiàn)出多中心，也是從低程度的單中心趨向更加高程度的單中心，這種背后的趨勢不加以實證的分析則難以細致察驗； 三是用戶形成從中心社會樣板向外輻射的格局，隨著影響力從高到低的用戶社會層級的分析，表現(xiàn)出宏觀的從中心向邊緣、層級從高同質(zhì)性向低同質(zhì)性、層內(nèi)用戶彼此之間內(nèi)容距離越來越大、圈層內(nèi)部越來越稀疏的同心漣漪式的分化結(jié)構(gòu)與差序格局（見H4）。 對社交網(wǎng)絡(luò)意見領(lǐng)袖的趨同結(jié)構(gòu)在上述4 條假設(shè)的基礎(chǔ)上予以整合，筆者提出“同心圈層”的整體結(jié)構(gòu)并對其進行路徑分析，結(jié)果顯示該結(jié)構(gòu)的良好擬合度，并回過來對4 個子假設(shè)及其內(nèi)在整體關(guān)系提供支持。

強調(diào)社交網(wǎng)絡(luò)用戶去中心、多中心的理論模式比較常見，但它們忽視了全局性的用戶同質(zhì)性與同心圈層的演化過程。 意見領(lǐng)袖用戶不是“去中心”的，而是“有中心”的；不是“多中心”的，而是“單中心”的；不是小范圍、局部的“中心化”，而是全局意義的“中心化”。 其一，“多中心”的理解來自于一些實證研究，但是對其辨析的關(guān)鍵在于：用戶隨著影響力程度或社會樣板程度由低到高的變化，盡管依然表現(xiàn)出可能的多中心，但是其中的用戶異質(zhì)性會越來越低，而用戶同質(zhì)性則越來越高，并形成向單中心的逐步演化（見H3、H4），從而實現(xiàn)多中心和單中心的連續(xù)過渡譜系與有機統(tǒng)一。 其二，關(guān)于社交網(wǎng)絡(luò)局部中心化和局部同質(zhì)化的研究同樣較為多見，包括網(wǎng)絡(luò)“巴爾干化”、網(wǎng)絡(luò)“回音室”與用戶同質(zhì)性網(wǎng)絡(luò)連接的分析都強調(diào)這種同質(zhì)性的社群或用戶關(guān)系。 但是這種局部化的同質(zhì)性容易忽視全局中的同質(zhì)化，甚至可能用分裂的網(wǎng)絡(luò)“巴爾干化”來反對某種全局性的“巴爾干化”；也即社交網(wǎng)絡(luò)是一個大的“信息島”，而不是一個個小的、局部的“信息島”的疊合。 結(jié)合 H1、H3 分析可知，對于局部的趨同和對于全局的趨同并不矛盾；在趨同于局部的社會樣板的過程中，這些局部也在同樣的演化尺度上趨同于中心的社會樣板，形成整體化而非隔裂化的趨同網(wǎng)絡(luò)空間。

霍克海默、阿道爾諾曾對于作為“文化工業(yè)”的大眾傳媒進行反思與批判,指出在規(guī)模化的大眾文化生產(chǎn)和流通中,文化逐漸地同一化、非個性化[44]。馬爾庫塞提出“單向度的人”與“單向度的社會”[45],同樣反思著現(xiàn)代社會中主體的重復(fù)性和單一化。這些批判思想在媒介實證分析中遭遇到了種種阻力和抵制。 對于社交網(wǎng)絡(luò)而言，對于同一化、相似化的“主體”的再生產(chǎn)，容易被內(nèi)容表層的多樣性和用戶表層的差異性所迷惑。 然而，同心圈層結(jié)構(gòu)要求將這些局部的、淺表的差異性納入到從同質(zhì)性到差異性的連續(xù)譜系中，并深刻挖掘在多樣性現(xiàn)狀背后的同一性和統(tǒng)一性。 “同心圈層”結(jié)構(gòu)強調(diào)多樣性的社交網(wǎng)絡(luò)用戶所發(fā)生的“中心化”且朝向“單向度”的趨同。 而且這種復(fù)刻程度的高低關(guān)系到用戶的影響力高低并進而表現(xiàn)出趨于單中心的演化結(jié)構(gòu)。 在此過程中，重要的問題不只是這種“同心圈層”是否以及如何成立，而是它在更深層次對于意見領(lǐng)袖角色的限定性具有何種意味。 社交網(wǎng)絡(luò)媒介和社會化結(jié)構(gòu)盡管具有多樣性、離散性乃至去中心性的表層現(xiàn)象，但在深層次上蘊藉著“再中心化”和“單向度”趨同的理論可能與實踐表征。 用戶表現(xiàn)為同一種“標準件”的不同程度的復(fù)刻與趨同，誠如社交網(wǎng)絡(luò)作為“文化工業(yè)”機器對于用戶主體性的再生產(chǎn)。