社會網絡分析法 - 以社會網絡分析探討虛擬社群內容差異對於溝通結構之影響-以汽車社群為例

Wellman (1992)定義社會網絡分析法是透過節點與直線的圖樣表示社會網絡成員及互動關係，並藉由此圖形瞭解網絡結構中行為者的網絡特徵與關聯影響；Anderson (2002)更指出透過社會網絡分析法能研究一群人、部門或是組織中的關係模式。綜合上述，社會網絡分析法可以用來觀察行為者們的關聯情形及互動行為，並透過圖形方式進一步瞭解網絡關係對個人或組織的影響。

過去學者認為社會網絡分析為將個人或組織間互動過程，以「行為者」、「關係」與「連結」等三個要素呈現(Haythornthwait, 1996; Hanneman and Riddle, 2005)，以下將針對三要素的定義加以說明整理。

 行為者

行為者(actors)為社會網絡的主體，其中行為者可代表不同的角色，

包含人、事件、組織與國家。另外，行為者於社會網絡結構中是以節點為表示。

 關係

關係(relationship)：是多位行為者們的相互連結，包含關係的存在與型態等。行為者之間會因關係的存在而影響彼此的互動，且關係型態的差異也會間接地使網絡呈現不同的風貌。

 連結

連結(linkages)指行為者彼此建立關係時，透過途徑(path)直接或間接的建立關係，於社會網絡中係以直線為表示。另外，Wellman (1992)將連結程度分為弱連結與強連結兩種等級。弱連結指行為者雙方僅為某一議題而接觸，但彼此關係僅侷限於此議題開始與結束，即類似任務導向，

而議題結束後，雙方互動行為減少或完全無接觸；強連結則為行為者彼此關係較為親近，且互動關係於議題結束後仍持續維繫，並於必要時給予相關援助與資訊。

另外，Knoke and Kuklinski (1982)更以研究對象焦點將社會網絡分析區分為自我中心網絡(ego-centered network)、對偶網絡(dyad network)、三角網絡(triad network)與完整網絡(complete network)等四種類型網絡，以下將各網絡的特性加以依序說明。

 自我中心網絡

自我中心網絡核心焦點為行為者(包含個人、團體、組織或國家)與其他行為者的連結，其分析僅考慮與核心行為者的相關聯繫，即以特定行為者為探討焦點。此類型分析通常用於探討行為者與相關行為者間的網絡情形。

 對偶網絡

對偶網絡核心探討為兩個行為者之間的關係，但探討對象非以特定行為者為焦點，而是以整個網絡結構中，所有可能的對偶行為者彼此之間的關係。

 三角網絡

三角網絡為探討三個行為者彼此之間的關係，除了兩兩間對偶的關係外，還額外加入第三行為者對其對偶關係的影響。

 完整網絡

完整網絡為探討在特定範圍或邊界條件下，所有行為者與行為者間的關係集合，而此種關係著重探討對整個社會網絡的影響。

綜合上述學者所述。社會網絡分析法是藉由行為者、關係與連結等三個要素將社會網絡完整呈現，並結合圖形結構方式瞭解行為者彼此間的關聯程度與狀況，其中以節點圖樣表示行為者，節點之間以直線連結表示為互動關係，藉由兩者而構成的圖形成為社會網絡結構圖。有鑑於此，本文將虛擬社群成員於討論時所形成的溝通過程視為一個完整的社會網絡結構，其中以虛擬社群成員做為節點，回應關係做為連結，以利更深入地探討成員於溝通結構的關聯與互動情形。

近年社會網絡分析法漸漸地被國內外學者們應用在各種領域，如醫學領域中，Palazzolo et al. (2011)透過社會網絡分析法的各類指標，觀察醫院中各部門醫療團隊利用通信軟體進行互動的程度與影響，探討如何再進一步提升團隊溝通與合作能力；而 Huang et al. (2011)則以社會網絡分析法歸納過去相關醫療保健文獻的趨勢，以提供醫療人員更瞭解病人安全研究方向；則曾盛恕等人 (2013)為改善醫療護理人員的壓力及工作狀況，以社會網絡分析法探究護理人員工作與壓力來源的關聯性，並提出如何降低壓力來源或給予適當協助等措施。金融財務領域中，Gupta and Hossain (2011)利用社會網絡分析觀察交易市場是否出現欺詐與惡意的內幕交易行為；而 Alcott and Christopoulos (2011)則是以社會網絡分析法探討如何促進英國企業與公營券商的互動程度。教育學習領域中，Hamulic and Bijedic (2009)以社會網絡分析法各項分析指標探討學生透過虛擬學習社群進行知識分享的程度與成效，其結果顯示學生普遍對此模式感到興趣，且願意進行知識分享與交流；同樣地，Askar (2011)以社會網絡分析法探討個人、組織或網頁對於線上教學環境學習的影響，其網絡成員可以是學生、教師或校長等個人節點，則組織節點可以為學校或院系；

Bijedic et al. (2012)提出以社會網絡分析為基的教育工作者考察機制，以瞭解師生彼此關聯與影響性。市場行銷中，Wang et al. (2013)以社會網絡分析法探索交易型虛擬社群成員潛藏的興趣因子與群體，並利用其潛藏

資訊有效率地營銷商品。除上述領域外，馬財專 (2003)以社會網絡分析法探討台灣個人與組織組成犯罪集團的過程與方式，以利掌握犯罪集團網絡特質降低組織犯罪率；而王思峰和劉麗萍 (2007)嘗試社會網絡分析探討興趣型虛擬社群成員的信任程度，其分析結果準確度高於其他衡量方法；陳美惠等人 (2008)則以社會網絡分析法探討台灣社頂部落於旅遊發展共識的凝聚力，並提出促進社區旅遊發展的相關建議；林向義和羅洪雲 (2009)以社會網絡分析法探討隱性知識分享的效率分析，並提出相關有效提高解決隱性知識分享意願方法；而 Kutzschenbach and Bronn (2010)則以社會網絡分析法探究組織學習能力成效與影響，其結果證明特定的組織溝通結構能有效地提升知識分享與學習能力；而陳以明和陳蜜媛 (2011)則將 3C 產品設計作業流程列為行為者，透過社會網絡分析法探究其關聯性，並結合分析結果改善作業流程以提升企業競爭力；Xu et al.

(2012)利用社會網絡分析法與語義分析探索研究人員相關屬性，並藉由分析結果推薦合適研究夥伴，以利促進知識發現、交流及提升研究生產力。

綜合上述，社會網絡分析法被廣泛地應用於探討人與人、人與物或事與事等彼此互相關聯的程度與影響。因此，本研究以此法探索虛擬社群成 員於討論各類議題時，彼此互相關聯及影響的程度。

社會網絡分析有多項網絡指標，首要步驟必須將互動過程轉換為關係互動矩陣。本研究以專業虛擬社群之討論議題為目標，在進行社會網

絡分析法時，依序轉換討論區中多篇議題成為各自獨立的關係互動矩陣。

其中，當發文者或兩位以上的討論者互相進行回應時，不論回應次數多寡，僅於矩陣中填入數字 1，也就是彼此曾經產生回應行為。反之，無進行回應時則填入數字 0。另外，關係矩陣的列與欄，必須相互對稱。因此，

關係互動矩陣是由數字 0 與 1 所構成的正方形矩陣。另外，Dustdar and Hoffmann (2007)研究指出使用社會網絡分析法進行分析時，可先將團隊成員們的回應行為轉換成互動矩陣，以利計算網絡特徵指數進行後續分析與探討。綜合上述可得知，社會網絡分析法除了以圖形呈現社會網絡外，是透過相關數學運算將溝通網絡成員之間的關聯，以數字形式呈現成員個體互相影響的程度大小，並可結合圖形化方式輔助瞭解成員間溝通情形。有鑑於此，本研究應用 SNA 分析汽車虛擬社群討論議題之溝通結構，以瞭解不同類型專業知識於虛擬社群傳遞的情形。

本文將社會網絡核心分析流程分為「社會網絡關係矩陣與結構圖建立」、「社會網絡分析法指標建立」等兩階段，以下以範例方式將其依序說明。

 社會網絡關係矩陣與結構圖建立

表 2- 1 社會網絡關係矩陣範例表為虛擬社群某篇討論議題內容，將討論過程依序以回應時間與對象建立關係矩陣，其中發文者必為關係矩

陣編號 1 的行為者，如有後續回應者參與討論時，則各添加欄與列一個

方皆曾建立回應關係。

圖 2- 1 社會網絡架構圖範例

圖 2- 1 中，每個節點各自代表發文者與回應者，則箭頭方向由關係矩陣數字 1 與 0 所判別，即矩陣中相互對稱的列與欄數字皆為 1 時，則形成雙箭頭；如矩陣中，相互對稱關係為數字 1 與 0 時，則形成單向箭頭。綜合上述，經由將虛擬社群討論議題轉換為關係矩陣後，可再繪製社會網絡架構圖，以利瞭解網絡成員間彼此關聯的關係。接著，再結合相關數學運算計算出相關社會網絡分析法指標，則可更深入地探討虛擬社群成員於討論過程時，彼此互相關聯的密度、強度與影響力。

5 2

 社會網絡分析法指標建立

社會網絡分析法有四個重要指標，包含「社會網絡節點數」、「社會網絡直徑」、「社會網絡密度」與「社會網絡中心性」，並利用範例表 2- 1 關係結構矩陣依序說明。

1、社會網絡節點數

社會網絡節點數(social network size)代表在社會網絡架構圖中行為者的總數。於本研究中，社會網絡節點數被定義為曾參與專業虛擬社群單篇議題討論人數的總和，包含發文者與回應者。如表 2- 1 中，共有五位成員參與該議題討論，故社會網絡節點為 5。

2、社會網絡直徑

社會網絡直徑(social network diameter)為某兩個節點建立關係所經路徑數之總和，其最大值不超過節點總數減一。本文中網絡直徑被定義為專業虛擬社群議題討論中，某兩位討論者間最多經過多少連結才能建立互動關係，且計算所經路徑時，必須遵守原始回應對象的箭頭方向，不

在文檔中以社會網絡分析探討虛擬社群內容差異對於溝通結構之影響-以汽車社群為例 (頁 28-43)