科学家微博使用与职业群体社会声望：基于社会网络分析

摘要 本研究抓取了新浪微博上认证的407位科学家之间相互关注、交流的情况（评论、转发、回复）和他们之间所形成的24165条微博，使用聚类分析、多元回归分析等研究方法，发现中间中心度、社会网络密度、微博归因、逻辑推理与结构声望和虚拟声望均相关，而中心势、微博事实成分、解决方案与结构声望和虚拟声望均不相关；不同类型的科学家社会声望有显著的差别：评说类科学家两个声望都最高；而互动类两个声望值都最低。

关键词：社会网络；结构声望；虚拟声望；民主协商；

第1章 研究背景

虚拟社区创造了人们以身体不在场为基础的全新交往模式，虚拟社群的迅速崛起，社会政治经济文化无不置于其影响之下 [5]。网络舆论领袖(opinion leader)是社会网络中重要的成员，他们往往处于种种网络关系的中心地位，担当桥梁的作用。通过自己的言论发布、改造和传播信息，他们能在较短的时间内凝聚共识，发酵情感[7]，并轻易影响他人的行为和态度[8]，从而控制网络舆情导向。

科学家又是舆论领袖中特殊的职业群体之一。他们往往拥有高学历或海外学位，有丰富的研究经验，对各自领域的深刻认识。他们凭借着自己的专业知识、客观评论被其他用户所信赖。

已经有大量研究表明，互联网和舆论领袖之间的相互影响是多方面的、显著的 [10-12]。对于互联网与科学家之间的相互影响，相关的实证研究比较少。微博能帮助科学家绕过传统媒体平台和大众直接接触，创造和发展和同行的新联系，帮助他们交流观点、产生新研究课题，并获得跨学科、跨领域的视角，紧跟领域内的最新发展趋势、研究动向[13]。科学家的社交网络使用对他们的实践尤为重要。我们已经看到，在一些涉及专业知识的突发事件当中，比如三聚氰胺、PX项目、工业明胶等，科学家们通过“科普”网络大众用户，彼此之间提供社会支持、进行沟通协作和开展专业讨论[14]，他们获得了更多来自社会的尊重和肯定，社会声望得到进一步提高。

本文试图通过基于科学家在互联网使用行为的聚类分析将科学家分为不同群组，研究科学家在虚拟社群中的使用行为、言论内容和网络特征对他们社会声望的影响。这对了解科学家群体在社会网络中的地位、话语传播，如何更好让科学家群体在网络讨论中发挥正向导向作用具有重要意义，这也是对社会化媒体环境下科学传播研究的重要补充。

第2章 文献综述

2.1 社会网络与社会声望

社会声望（social prestige）是指包括个人和群体所享受到的、来自所在社会范围内的、对他们杰出的表现、伟大的事迹、崇高的品质表现出的认可、尊敬和推崇 [15]。

本文在社会网络分析(social networks analysis, SNA)中将研究的社会声望，是一个结构性的概念。在社会网络里，我们考察社会行动者（social actor），更考察他们之间的关系，以及由这些关系构成的具有不同特点的集合[28-30]。我们评价节点的指标目前主要有两个类别：核心性 (centrality)和声望(prestige)[31]。这里的声望原本不同于本文所说的“社会声望”，为了便于研究，本文更多将社会声望这一概念结构化，因而可以用社会结构网络中的声望测量结果，代替部分“社会声望”这一抽象概念的值。这一做法以已经被很多研究所采用[32-33]。本文将这部分测量结果命名为结构声望（structural prestige），并采用度声望（degree prestige）指标[31,34]。度声望指标被定义为每个成员的入度，也在众多研究中使用得最为广泛。

除此之外，还有学者在研究中以某个微博的被关注数或者粉丝数测量代替其社会影响或部分社会声望[35,36]，本文也将纳入考虑，并命名为虚拟声望（virtual prestige）。 

2.2 网络使用与社会声望

在一个有向图中，中心度被分为出度中心度(out degree centrality)和入度中心度(in degree centrality)。前者代表个体指向外部，后者代表外部指向个体；这两个指标都用来衡量个体与外部联结的紧密程度[37]。在微博使用中，微博用户主要有四种行为：发帖，回复，评论和转发。自然地，用户的出度可以由发帖、转发、评论和回复构成；用户的入度可以由被转发、被评论和被回复构成。

出度中心度衡量个体成员与外部联系的紧密程度，如果说这些外部成员意味着各类有益成功的资源和平台，那么出度中心度衡量的就是人们通向这些资源和平台的捷径[38]。已经有研究表明，参与更多群体中的活动（出度中心度越高），能提高微博主达到其余个人的容易程度[39]，团体成员更倾向于通过其他人言论交流的数量和程度来推测他们的领袖地位[40-42]。因此：

H1a：出度中心度越高的科学家其结构声望得分也越高。

H1b：出度中心度越高的科学家其虚拟声望得分也越高。

2.3 网络特点与社会声望

当我们需要测量行动者对资源控制的程度时，我们往往用中间中心度(betweenness centrality)指标。中间中心度的值即衡量一个点在多大程度上处于所在网络的中心位置。极大值为1，说明某个点就处于整个网络的中间，是我们通常所说的“意见领袖”；极小值为0，说明该点处于整个网络边缘地位，无法控制任何行动者（也即资源）[45]。

本研究采用相对中心度。在有向图中，绝对度数中心度为点入度和点出度之和，所以相对中间中心度的计算公式为：

不难推测，如果一个点处于许多网络路径上的交叉汇合处，那么他就居于一个非常重要的位置，因为他把控了信息的渠道，可以通过有选择地传播信息、有目的地加工信息而使得信息以他希望地方式进行传递 [46]。因此假设：

H2a：中间中心度越高的科学家其结构声望得分也越高。

H2b：中间中心度越高的科学家其虚拟声望得分也越高。

中间中心度测量的是某个点的相比较于其他点的资源控制能力，也即它的重要性，而点的中心势测量的是一群点的重要性。

中心势越高，点的中心势差异越大，表明资源越向该核心靠拢，社会声望可能越高。因此假设：

H3a：中心势越高的科学家其结构声望得分也越高。

H3b：中心势越高的科学家其虚拟声望得分也越高。

前几个指标考察点与点之间的距离，而社会网络密度考察点与点之间的线条，有向图的网络密度计算公式为：

社会网络密度反映的是网络成员相互之间联系的紧密程度，也即现实生活中科学家用户的关系的密切程度[47]。处在紧密的社会网络当中的行动者更容易提供情感支持或得到稀缺资源[48]。因此本研究推测：

H4a：社会网络密度越高，科学家网络结构声望越高。

H4b：社会网络密度越高，科学家网络虚拟声望越高。

2.4 言论内容与社会声望

我们已经假设微博使用行为、科学家网络特性会影响科学家的社会声望，但除此之外，科学家所创造的信息内容的可能也会对他们的社会声望产生作用。当对网络言论内容进行研究时，会涉及到大量内容分析、框架分析 [49-50]。

科学家的微博言论，不同于一般的新闻报道，而且本研究所收集的科学家微博言论是自每个人开微博以来的所有微博，因而不存在明确主题或者主旨框架；科学家也不同于一般舆论领袖；他们的言论可能更专业、更慎重。

Gastil曾在描述民主协商的理论过程应该包括事实(fact)、价值观(value)、归因(focus of problem)、批评(criticism)、逻辑推理(reason)、解决方案(solution)[60]。这六个要素得分越高，民主协商的理论过程越完备，民主协商的质量越高，因而带领协商过程的领袖可能得到的社会声望越高[61]。科学家群体与一般的公共知识分子和舆论领袖相比，最大的特点就是更专业、也更理性。在这六个维度当中，价值观和批评属于感性维度，不适宜评价科学家领导下的公共协商，因而根据本文研究对象及其特点，本文选择事实、归因、逻辑推理、解决方案四个维度进行假设：

H5a：科学家发布的微博事实信息越大，科学家获得的结构声望越高。

H5b：科学家发布的微博事实信息越大，科学家获得的虚拟声望越高。

H6a：科学家发布的微博归因越明确，科学家获得的结构声望越高。

H6b：科学家发布的微博归因越明确，科学家获得的虚拟声望越高。

H7a：科学家发布的微博逻辑推理越清晰，科学家获得的结构声望越高。

H7b：科学家发布的微博逻辑推理越清晰，科学家获得的虚拟声望越高。

H8a: 科学家发布的微博逻辑解决方案越可行，科学家获得的结构声望越高。

H8b: 科学家发布的微博逻辑解决方案越可行，科学家获得的虚拟声望越高。

?

第3章 研究方法

3.1 样本

本文所定义的“科学家”，主要是指自然科学家 。去除微博数量小于100的用户，共获得407个活跃微博用户。之后用爬虫程序获取了用户基本资料（性别、粉丝、微博、地域、标签等基本信息），以及这407个用户之间转发、评论、回复、点赞、关注的数量和内容，利用Ucinet软件建立起基于科学家用户相互关注的社会网络图。

3.2 编码

本研究涉及的自变量出度中心度、中间中心度、中心势，以及因变量结构声望、虚拟声望的测量方法在假设中均已介绍，或使用Ucinet软件可直接算出。自变量事实、归因、逻辑推理、解决方案四个维度需要人工编码（407个研究对象之间转发、评论、回复、点赞、关注行为的所有微博进行编码，共计24165条有效微博）。编码表如下。

第4章 数据处理

4.1 聚类分析

科学家博主并不是完全一致的，本研究聚类分析方法是K核算法 [62]。K的值表示一个社会网络图中子集中的点都与该子集中的K个点链接，这样由子集构成的子图就称为 K核。K值可以人为设定，设定不同的K核，就能获得不同的子图。K核算法将科学家的特征向量和K值作为输入变量，因此首先我们要将每个科学家微博行为编码成为特征向量：令

当K=3时，我们得到被转发数较高的C1以及再转发数较多的C3，但没有占各自组内的绝对多数。C2回复以及被回复数量都很少且较平均。C1组内距离3.0098远大于C2组内距离0.4227，显示了进一步细分的可能性。

图 4.2 K=4 聚类结果

当聚类结果为4时，从上图可以出，C2中被转发量最为显著，占比73%，C4中评论量最为显著，占比45%，不同于C2、C4，C1中被评论和被转发占比比较平均，均在40%左右。而C3回复和被回复仍然很少且平均，无法提炼出显著特征。C1组的组内距离1.5741比其他两组（0.3122，0.5058）大很多，仍可以进一步细分。我们取K=5。

当K=5时，聚类结果显示，各组组内距离基本相同且较小，C1至C5的各自特点非常显著。C1中被转发量最高，C2中被评论量最高，C3中评论量最高，C4中回复量最高，C5中转发量最高。我们可以根据C1-C5各自代表的行为特点将科学家这个群体分为5类：信息类科学家（因提供大量有价值信息，微博言论被大量转发）、话题类科学家（因言论内容可以引起辩论协商，微博言论被大量评论）、评说类科学家（因大量对其他科学家微博言论内容进行评论，评论量最多）、互动类科学家（因积极回复在自己微博下的留言，回复量最高，与网友形成了良好互动）以及传播类科学家（大量转发他人言论）。

 

4.2 描述统计

本研究的描述性统计结果已列在表4.1研究发现，微博用户的出度中心度、中间中心度、中心势、网络密度、事实、归因、逻辑和解决方案与虚拟声望、结构声望与之间均存在显著的相关。

要做多元回归前提条件是各个自变量之间不存在共线性问题，或衡量共线性的指标在一定范围之内。通常使用的是VIF(Variance Inflation Factor)和容忍度(tolerance)两个指标，若VIF大于10 或tolerance小于0.1，则共线性问题比较严重。我们进行共线性诊断，发现以上变量的VIF均小于10，容忍度均大于0.1 。

共线性问题可以基本排除。以上各变量可以纳入回归方程作为自变量考虑。

第5章 研究发现

5.1 社会网络分析

我们使用爬虫程序，抓取407个使用新浪微博微博的科学家相互的链接、评论和交流等情况。并使用ucinet 6.212 绘制科学家之间的关系链接和交流社会网络图。

可以发现，科学家们较为明显地分成了左右两个大群体。左边科学家社会网络密集、紧凑，显示出较为密切的相互关注关系；而右边科学家社会网络较为松散、开放，显示出较为疏远的相互关注关系。而在这两个科学家群体之间，有一个非常显著的、起到桥梁作用的节点。

该节点对应新浪账户创新工场董事长兼首席执行官李开复。截止至2014年5月底，李开复拥有51235945位粉丝，共发布了13840条微博。李百度百科里的介绍是“是一位信息产业的经理人、创业者和电脑科学的研究者”。他曾在苹果、SGI、微软和Google等多家IT公司担当要职，2009年9月从谷歌离职后创办创新工场。李开复无论是在现实生活中还是微博里，都是当之无愧的“明星科学家”，一方面因为他在专业领域内做出了卓越的成绩吸引了大量“粉丝”，另一方面也因为他的创业经历，积累了大量人脉。在廖若星辰的真正的“科学家微博”里，李开复微博不仅更新频率高，也有亮点、有想法；再加上他与大量圈内外人员链接、交流，因而他成为本研究纳入统计的407个科学家中间的重要人物。

我们也大概了解了左右两个网络科学家的构成。左边紧凑社会网络主要由清华、北大、微软亚洲研究院以及其他研究机构或高校的教授、研究员构成，讨论的内容主要为教学、科研相关的内容，以及对学术会议的评论、思考等；而右边松散社会网络主要由医师群体构成；微博内容主要是普及科学知识，在线解答患者问题，提供专业医学建议。

比如左侧网络id为164429626的李淼教授，是物理学和哲学双博士，目前为中山大学天文与空间科学院院长。李淼还是是果壳网的活跃成员，在腾讯微讲堂主讲《人与宇宙的物理学》。右侧网络id为2641356907的“地坛医院邢医生”，是北京地坛医院的主任医师、教授、肝病专家。她的微博基本为医院新闻、学术会议、解答患者问题，评论医患事件等等；他们的共同特点是，更新频繁、交流广泛，都是各自圈内的重要节点。

类似地，我们也绘画出基于科学家相互评论行为的交流社会网络图。该社会网络图与关注社会网络图大致形态相似，也呈现出一个密集网络，一个松散网络的形态。不同的是，交流社会图之间的相互链接更为复杂，不存在像连接图里一样的桥梁节点，但是更多小的桥梁节点（即入度较高的点）也能够较为清晰地分别出来了。

5.2 层次线性模型分析

为了检验多个自变量与两个因变量用户声望之间的关系，本研究采用HLM6.0软件进行层次线性模型(hierarchical linear modeling)分析。使用HLM6.0软件做类似本研究的层次模型分析的做法已经在薛可[65]等人的研究中采用。

对于本研究，线性层次模型将纳入四个层面的变量：分组结果、个体网络情况(出度中心度、中间中心度等)、个体言论（事实、逻辑、归因和解决方案）以及整体网络层次(网络中心势、网络密度)自变量对因变量的共同影响。因而HLM6.0也适宜在本研究中进行使用。回归模型结果如下。

通过回归结果，我们将假设的验证情况整理到表格5.7。

我们观察回归结果以及假设验证情况。可以发现，用户分组与科学家的虚拟声望之间没有显著相关，而与结构声望之间有显著相关。这说明，科学家的粉丝数量与科学家的微博使用行为没有什么关联，很可能某位科学家本身的社会名望、地位就决定了他的粉丝数量。

另一组没有成对出现的结果是科学家的出度中心度与结构声望。而和结构声望和虚拟声望两者都没有得到验证的就是中心势了。可能解释的原因是，无论是虚拟声望还是结构声望，都是基于交流、链接的基础之上的，节点的距离相近并不能带来实质上（或者是，被本研究所纳入的）交流。

在微博内容方面，科学家的事实成分和解决方案都和结构声望和虚拟声望无显著相关。可能的解释是，首先，陈述事实不是科学家的专长，相对客观的媒体至少在描述事实的时候也能做到中立；科学家在“事实”维度上发挥不出自身的优势，也难以为他们带来社会声望上的收益；而在解决方案维度上，科学家提出的解决方案更多是从技术层面上。但真正拉近科学家和普通用户距离的微博是针对一些公共事件的，能够帮助解决实际问题的微博。

第6章 分析与讨论

通过社会网络分析、回归分析等统计手段，我们有一系列重大的发现。1.构成紧凑的社会网络科学家主要成分是高校理工科教授，他们互相交流科研、教学而相互之间联系紧密；构成松散的社会网络科学家主要成分是医生、生物学科专家等与生活密切相关学科的科学家，他们与患者、咨询者的交流远远超过了互相之间的交流；2.不同特点（使用行为）的科学家结构声望和虚拟声望都是有显著不同的，就五类科学家而言，评说类科学家平均的结构声望和虚拟声望得分都是最高的。3.对于整体网络而言，网络密度越高，则网络内部成员的结构声望和虚拟声望都要更高。4.对于科学家生产的微博内容，在逻辑和归因方面得分较高的科学家结构声望和虚拟声望要高。

根据不同科学学科的特点，科学家应该有意弥补、扩大交流对象的局限；比如，较为抽象的数理等学科应加强与网民的互动，这可以从拓展一些贴近生活的话题开始；较为实践的医学工科应多拓展同僚之间的人脉互动；在微博使用行为方面，评论能给科学家带来大量社会声望（包括科学圈的结构声望和普通网民的虚拟声望）；而五类科学家的社会声望按由高到低的顺序依次是评说类科学家、话题类科学家、信息类科学家、传播类科学家以及互动类科学家。这多少可以给科学家的行为提供一点启示：既具有原创性又具有讨论性的行为（比如评论、发帖），比传播复制等简单行为（比如转发和回复）能更有效地提升社会声望。微博为科学家“技术赋权”，有效利用新媒体技术和平台，科学家就必须承担起网络上普及科学知识、领导协商讨论、营造积极健康的学习氛围和塑造科学文化的职责。

谈及科学家的社会声望，过去我们往往以他们为祖国和社会做出的贡献去衡量，而在微博时代，这样的评价就显得比较单一。除了在各自的领域内做成绩以外，我们还期待科学家们能在普及科学知识，传播科学思想方面有所作为。当然，我们研究科学家微博使用行为对其社会声望的影响作用，出发点不仅仅在于通过为科学家有技巧地改善他们的微博使用行为提供建议，更在于通过他们更有效地使用微博，以帮助推进科学传播。然而，科学传播的发展除了需要内部的动力，更需要外部提供良好的生存空间。在更广阔的社会层面上，只有社会结构的优化、文化模式的革新，配合社会动力以及顶层制度的设计，科学家才能如愿获得足够的话语权，获得和他们身份、贡献相称的话语分量以及高质量的话语空间[11]。我们今天讨论科学家微博使用行为对科学家社会声望的影响，但几十年后再回头看，我们钦佩和赞美的不是那些利用微博塑造个人声望的科学家，而一定是那些此刻在微博上表现出专业和担当，并为科学传播做出重要贡献的科学家。（作者系清华大学）

参考文献

[1] Preece J, Maloney-Krichmar D. Online communities.[M]// Jacko J, Sears A. Handbook of human-computer interaction. Mahweh, NJ: Lawrence Erlbaum,2003:596-620.

[2] Horrigan J. Online communities: Networks that nurture long-distance relationships and local ties[M]. Pew Internet & American Life Project, 2001.

[3] Baym N K. Tune in, log on: Soaps, fandom, and online community[M]. Sage, 1999.

[4] Rheingold H. The virtual community: Homesteading on the electronic frontier[M]. MIT press, 2000.

[5] 黄少华. 论网络空间的人际交往[J]. 社会科学研究, 2002, 4: 93-97.

[6] 袁毅, 杨成明. 微博客用户信息交流过程中形成的不同社会网络及其关系实证研究[J]. 图书情报工作, 2011, 55(12): 31-35.

[7] 李卓卓, 丁子涵. 基于社会网络分析的网络舆论领袖发掘——以大学生就业舆情为例[J]. 情报杂志, 2011, 30(11)

[8] Venkatraman M P. Opinion leaders, adopters, and communicative adopters: A role analysis[J]. psychology & Marketing, 1989, 6(1): 51-68.

[9] Freidson, E. Professional Powers: The Study of Institutionalization of Formal Knowledge[M] , Chicago: University of Chicago Press, 1986.

[10] 刘于思, 杨莉明. 记者微博使用与职业群体社会资本: 社会网络分析的视角[J]. 新闻界, 2013 (21).

[11] 李名亮. 微博, 公共知识分子与话语权力[J]. 学术界, 2012, 6: 75-86.

[12] Li F, Du T C. Who is talking? An ontology-based opinion leader identification framework for word-of-mouth marketing in online social blogs [J]. Decision Support Systems, 2011, 51(1): 190-197.

[13] Vi?as M J. Why should scientists use Twitter? [EB/OL].[2011-07-20].http://blogs.agu.org/sciencecommunication/2011/07/20/why-scientists-use-twitter/.

[14] 张志安. 新闻生产的变革: 从组织化向社会化——以微博如何影响调查性报道为视角的研究[J]. 新闻记者, 2011 (3): 42-47.

[15] Goode W J. The celebration of heroes: Prestige as a social control system[M]. 2004.

[16] Emerson R M. Power-dependence relations[J]. American sociological review, 1962: 31-41.

[17] Etzione A. The semi-professions and their organization: Teachers, Nurses[J]. Social Workers, 1963.

[18] Pfeffer J. Managing with power [M]. Harvard Business Press, 1993.

[19] Raven B H. Social influence and power.[M]// Steiner I D, Fishbein M. Current studies in social psychology. New York: Holt, Rinehart & Winston, 1965: 371-381.

[20] Gabbay S M, Leenders R T A J. Social capital of organizations: From social structure to the management of corporate social capital [M]. University of Groningen, 2002.

[21] Brown T F. 1997. Theoretical Perspectives on Social Capital. [O/L]. http://hal.lamar.edu/~BROWNTF/SOCCAP.HTML.

[22] Portes A. SOCIAL CAPITAL: Its Origins and Applications in Modern Sociology [J].Annu. Rev. Sociol, 1998, 24: 1-24.

[23] Lin N. Building A Network Theory of Social Capital.[M]// Lin N，Cook K, Burt R.Social Capital: Theory and Research. NY: Aldine De Gruyter, 2001:1-29.

[24] 赵延东, 罗家德. 如何测量社会资本: 一个经验研究综述[J]. 国外社会科学, 2005 (2):18-24.

[25] 张文宏. 中国城市的阶层结构与社会网络[M]. 上海人民出版社, 2006.

[26] Lin N, Dumin M. Access to occupations through social ties [J]. Social networks, 1986, 8(4): 365-385

[27] 尉建文, 赵延东. 权力还是声望？——社会资本测量的争论与验证[J]. 社会学研究, 2011 (3): 64-83.

[28] Wasserman S, Faust K. Social network analysis: Methods and applications [M]. Cambridge university press, 1994.

[29] 刘军. 社会网络分析导论[M] . 北京:社会科学文献出版社,2004.

[30] Knoke, D, & Burt, R S. Prominence.[M]// Applied network analysis: A methodological introduction. Burt, R S, Minor M J. Beverly Hills.CA: Sage, 1983: 195-222

[31] 汪云林, 韩伟一. 社会网络声望模型的分析与改进[J]. 系统工程, 2006, 11.

[32] Russo T C, Koesten J. Prestige, centrality, and learning: A social network analysis of an online class[J]. Communication Education, 2005, 54(3): 254-261.

[33] Brandes U, Corman S R. Visual Unrolling of Network Evolution and the Analysis of Dynamic Discourse[J]. Information Visualization, 2003, 2(1): 40-50.

[34] Katz L. A new status index derived from sociometric analysis[J]. Psychometrika, 1953, 18(1): 39-43.

[35] 金兼斌. 社会性媒体传播秩序问题探析[J]. 新闻实践, 2011 (9): 58-61.

[36] Huang L, Xia Z. Measuring user prestige and interaction preference on social network site[C]//Computer and Information Science, 2009. ICIS 2009. Eighth IEEE/ACIS International Conference on. IEEE, 2009: 1161-1166.

[37] Scott J. Social network analysis: a handbook[M]. 2000.

[38] Sparrowe R T, Liden R C, Wayne S J, et al. Social networks and the performance of individuals and groups[J]. Academy of management journal, 2001, 44(2): 316-325.

[39] Weimann G. The influentials: People who influence people[M]. SUNY Press, 1994.

[40] Misiolek N I, Heckman R. Patterns of emergent leadership in virtual teams[C]//System Sciences, 2005. HICSS'05. Proceedings of the 38th Annual Hawaii International Conference on. IEEE, 2005: 49a-49a.

[41] Sudweeks F, Simoff S J. Leading conversations: Communication behaviours of emergent leaders in virtual teams[C]//System Sciences, 2005. HICSS'05. Proceedings of the 38th Annual Hawaii International Conference on. IEEE, 2005: 108a-108a.

[42] Yoo Y, Alavi M. Emergent leadership in virtual teams: what do emergent leaders do? [J]. Information and Organization, 2004, 14(1): 27-58.

[43] J. Donath, "Signals in social supernets," Journal of ComputerMediated Communication, October 2007.

[44] Marcelo Maia, Jussara Almeida, Virgílio Almeida, "Identifying User Behavior in Online Social Networks," Proceedings of the first Workshop on Social Network Systems, 1 April 2008.

[45] 赵广利. 社会网络分析技术在博客媒体信任度中的研究与应用[D]. 内蒙古科技大学, 2011.

[46] Freeman L C. Centrality in social networks conceptual clarification[J]. Social networks, 1979, 1(3): 215-239.

[47] 景天魁, 林聚任. 社会网络分析: 理论, 方法与应用[M]. 2009.

[48] Donath J, Boyd D. Public displays of connection[J]. BT Technology Journal, 2004, 22(4): 71-82.

[49] Semetko H A, Valkenburg P M. Framing European politics: A content analysis of press and television news[J]. Journal of communication, 2000, 50(2): 93-109.

[50] 李彪. 网络事件传播空间结构及其特征研究——以近年来40个网络热点事件为例[J].新闻与传播研究, 2011 (3): 90-99.

[51] Bohman, J. (1996). Public Deliberation: Pluralism, Complexity, and Democracy. Cambridge, MA: MIT Press.

[52] Cohen, J. (1989). Deliberation and democratic legitimacy. In A. Hamlin & P. Pettit (Eds.), The good polity: Normative analysis of the State(pp. 17-34). Oxford: Basil Blackwell.

[53] Habermas, J. (1989). The Structural Transformation of the Public Sphere: an Inquiry into a Category of a Bourgeois Society. In F. Lawrence (Ed.). Cambridge, MA: MIT Press.

[54] Zhou, X. (2009). The political blogosphere inChina: A content analysis of the blogs regarding the dismissal of Shanghai leader Chen Liangyu. New Media & Society, 11(6), 1003-1022.

[55] Rosenberg, S. (2006). Human nature, communication, and culture: Rethinking democratic deliberation in China and the West. In E. J. Leib & B. He (Eds.), The search for deliberative democracy in China(pp. 77-111). New York Palgrave Macmillan.

[56] Roberts-Miller, T. (2004). Parody blogging and the call of the real. Into the Blogosphere. Retrieved February 23, 2007, from http://blog.lib.umn.edu/blogosphere/parody_blogging.html

[57] Maratea, R. (2008). The e-Rise and Fall of Social Problems: The Blogosphere as a Public Arena, Social Problems(Vol. 55, pp. 139-159).

[58] Kerbel, M. R., & Bloom, J. D. (2005). Blog for America and Civic Involvement. Harvard International Journal of Press/Politics, 10(4), 3-27.

[59] MacKinnon, R. (2008). Blogs and China correspondence: lessons about global information flows. Chinese Journal of Communication, 1(2), 242-257.

[60] Gastil J. Political communication and deliberation[M]. Sage, 2008.

[61] Arendt H. The Human Condition. 1958[M]. University of Chicago Press, 1998.

[62] Everitt B. Cluster analysis (2nd) [M]. 1980.

[63] Bezdek J C, Pal N R. Some new indexes of cluster validity[J]. Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions on, 1998, 28(3): 301-315.

[64] 薛可, 陈晞. 突发事件下网络论坛用户声望的影响因素研究：跨层次的分析[J].新闻大学.2012(04).

[65] Gelman A, Hill J. Data analysis using regression and multilevel/hierarchical models[M]. Cambridge University Press, 2007.

[66] 杨霜. 危机事件中的科学传播与民意——基于“互媒体性”视点的考察与分析[J]. 新闻大学, 2013 (006): 83-90.

[67] 徐友渔: 当代中国公共知识分子的生成，当代中国研究2004年第4期

[68] 福柯: 权力的眼睛，严锋译，上海:上海人民出版社，1997年