社会学中的社会网络

社会网络研究介绍

传统的定量社会科学把个人的一些“标签”式的属性，如性别、收入、社会地位、阶级等，作为基本的分析单位，得到诸如性别比、人口统计、平均收入等指标，并研究其相互关系。以研究社会中的不平等现象为例，其标准的过程是：根据收入、职业等指标，对个人的社会地位进行量化，进而对量化结果进行统计分析，计算诸如均值、方差等参数，并试图建立其与性别、地域、受教育程度等因素的函数关系，再试图通过经济、文化、历史、社会心理来理解这些关系（现象）的成因。

不过，这种方法忽视了个人之间的社会交往对这些属性的影响。如统计平均收入，其实假定了个体的性。而正如俗语所言，“人以群分”，个人收入与朋友收入往往呈现正相关，并且个人往往会有意识地利用社会关系，来改善自己的社会地位。因此，属性化的分析多是一种“后观”式的描述，无法为解释社会现象提供系统的方法。

社会网络研究则是把关系放在中心的地位。在这套理论中，个人被抽象为节点，个人之间的社会关系作为节点之间的边，共同形成一个网络。社会学家希望网络的结构属性可以为社会现象提供系统性的解释。相关研究内容包括：

个人的权力和声望　通过在网络中定义节点的度数，介数（betweenness）和接近度（close-ness）等概念，可以分别揭示个人在社会中声望某个方面的状况。如节点度数代表与一个人有关系的人数的多少；介数反映个人在网络中是否占据中间地位，隐含着沟通不同群体的能力；接近度则反映一个人与其他所有人的平均距离。在社会学意义下，这些概念蕴含着个人的权力或社会声望，反映一个人的社会资本。而社会网络中节点度数的分布则反映社会的分层情况[1]。

社会中的横向结构（社会群体）　社会中有不同的小群体，群体内部成员间的互相联系要比其与外部联系更强。社会网络研究给出了一些衡量方法，如k-派系（k-clique）和k-核（k-core）。计算机学科中对网络社群的研究很多就源于这些概念。

社会中的纵向结构（社会地位和角色）　社会学家引入了结构均衡（structural equivalence）的概念，用以分析个人的社会地位。例如，如果两个人在社会中具有几乎相同的社会关系人，则很大程度上两人在社会中有相同的作用，某种程度上可以被“互换”。进而可以把社会地位类似的节点划分到不同的类中，这也被称为块模型（block model）。

张　涵

北京大学

社会学中的社会网络关键词：社会网络

社会的稳定与演变（structural balance）　网络中不仅有朋友等互助关系，社会学家定义了关系的正负，正关系代表积极关系，如朋友，负关系代表某种敌意的关系。结构平衡用来衡量一个包含正负关系的网络是否稳定，并讨论不同情形下关系稳定的条件[2]。

对关系本身的研究　如社会网络的平均距离可以反映社会中信息传递的速度；聚簇因数反映关系的传递性，即个人与其朋友的朋友发生社会联系的可能性；密度则反映社会交往的频繁程度。

结合节点属性的研究　社会网络中的个人依然有其社会属性，如年龄、收入等信息。有些属性在社会网络的背景下进行统计，能获得新的认识，如判断社会关系是否促进经济收入提升等。

由上述内容我们能看出社会网络研究为经典的社会问题提供了一种新的阐释方式。

社会网络在社会学中的思想渊源

社会网络在社会学中的思想渊源可追溯到二战前[3]。20世纪50年代，二元组、三元组、结构平衡等[11]重要概念被提出。20世纪70年代后，计算机的应用让学者可以方便地分析收集到的社会网络数据，验证其理论。社会学家陆续提出了一些全新的观点，如著名的小世界现象。同时，一系列专门为社会网络分析设计的软件应运而生，如UCINET等。社会网络研究者还成立了自己的学术团体（INSNA）。沃瑟曼（Wasserman）和福斯特（Faust）于1994年出版了近千页的《社会网络分析：模型和方法》（Social Network Analysis: Model and Methods）可以作为经典社会网络研究的百科全书[1]。

社会网络研究的思想也扩展到了社会科学的其他领域。社会网络促进了经济社会学的新发展[4]，网络与博弈论和市场研究的结合同样是近年来的研究热点[5]。而作为信息传播的依托，网络也成为传播理论的要素。在历史学研究中，社会网络研究被用来分析政治家族的派系关系[6]。一个有趣的例子是科林斯（Collins）研究了哲学家之间的学术网络，并认为这对哲学的发展有至关重要的影响[7]。

试举一个社会网络研究的经典例子。格兰诺维特（Granovetter）在20世纪70年代做的社会调查发现，在波士顿地区的职业技术人员中，那些通过个人关系找到工作的人，只有16.7%是依靠关系亲密的人（如密友、家人），而大多数人都是靠那些只有一面之交的人介绍的工作[8]。作者为了解释这种现象，引入网络模型，给边赋予强弱两种类型，并结合图论中捷径（local bridge）的概念，证明在强三元组假设下（即如果AB、AC有强关系，则BC 至少有弱关系），起到捷径作用的边一定是弱关系。作者同时把这种思想延伸到了经济领域。经典经济学把个人视为理性、的行为人，追求最大利益。在这种理论下，密友等强关系多为个人有意经营的一种社会关系，需要时间和经济的投入，并且也随之能获得更大的回报。但是弱关系在职场上发挥的关键作用却与这一前提相悖，因此格兰诺维特把弱关系概念扩展到对市场行为的分析，冲击了理性人的假设，促进了社会学与经济的结合，对经济学的发展带来了某种范式型的转变[9]。这项研究从实证资料出发，根据现象提炼出规律，抽象出本质特征，得出数学化的结论，同时揭示其深刻的社会和经济学内涵，因此其相应论文成为有史以来被引用次数最多的社会学文献之一。

社会网络研究在中国有其特殊的意义。中国历来被认为是一个“关系”社会。梁漱溟提出的“关系本位”，费孝通倡导的“差序格局”，都以关系为中国社会的基础。近年来也有专门论述关系在现代社会中作用的著作[10]，但这些研究都是集中在对关系的定性阐述。而随着社会网络研究影响的逐渐扩大，2002年出版的《中国的社会关系：制度、文化和关系本质的改变》（Social connections in China: Institutions, Culture, and the Changing Nature of Guanxi）一书中，谈到了不少学者使用社会网络研究的定量化研究方法，最后的总结还专门探讨了利用社会网络研究深入探索关系社会的可能性。这反映了社会网络研究的方法对传统课题研究的渗透[11]。

社会网络思想的逐渐普及使得“关系社会学”应运而生[12]。马克思的社会学理论更重视宏观社会结构对人类的决定性，而由韦伯和舒茨发端的现象学社会学则重视个人的自由意志对社会结构的影响。但宏观结构与微观个性之间的鸿沟在研究中长期存在。而社会网络研究的发展则提供了建立一种中层理论的可能性。相比微观的个人和宏观的社会，每个人生活的社会网络都是一种中层结构。它们影响微观的个人行为，而这些网络累加的效果又反映宏观社会现象。因此，基于网络或关系的社会学被视为跨越宏观与微观间鸿沟的桥梁[13]，这可能为中国学者提供一个契机，真正发展出一种基于自己民族文化的社会思想。

社会网络研究对计算机学者

的启发

通过简要回顾社会网络研究发展史，我们能发现，一些在计算机科学（应用图论）中的概念，如中心度，聚簇因数等，其源头都来自社会学。在互联网兴起之后，社会网络研究依然对计算机学科有所裨益。试举一例：社会学家弗里曼（Freeman）在1977年就提出了点介数的概念，反映一个节点在社会网络中处于中间人地位的程度，这逐渐成为衡量个人社会资本的一个标准[14]。而2002年，计算机科学家格文（Girvan）和纽曼（Newman）受到这个概念的启发，对点介数进行自然的扩展，利用边介数（edge betweenness）的概念，提出了GN算法[15]。这种方法能避免聚类算法的许多缺陷，是网络社区发现的经典算法之一。

近十年来，社会学家也尝试建立更加深入的网络模型。指数随机图模型（exponential random graph model，ERGM）即为其中一例[16]。如果说经典的社会网络研究更多是统计性描述，小世界网络等网络模型则是希望通过参数的设计，逼近现实的社会网络，而指数随机图则采取贝叶斯参数估计的方法，从实际数据中计算参数。我们可以根据自己的需要，计算网络中不同参数的重要性，如传递性、互惠性、中心性的强弱区分。根据不同的网络特性，可以加深对网络性质的了解。如研究链接预测时，可以根据网络的特性，决定具体的算法。网络可以通过聚簇因数预测传递性的强弱，中心性强的网络则可通过节点与网络中心的联系强度进行分析。

社会学与计算机科学在社会网络研究上最大的区别可能在于其讨论问题的视角。计算机领域更重视对模型的研究，通过设计模型，解决链接预测、社群发现等问题；而社会学更偏向经验层面，即通过网络进行统计分析，对网络的社会属性做出诠释。如对关系性质的探讨，像强弱、正负、互惠性（即两人之间关系是单向还是双向）、传递性（A 是B的朋友，B是C的朋友，则B是否会促进A认识C）等。

社会关系不是简单地用两点之间的边就可以描述的，对其社会意义的理解有助于深入研究。现有的很多模型都基于对网络的常识性认识，如富者愈富等。毕竟随着时间推移，对互联网的研究势必会细化，这就需要对网络的社会层面有更深入的认识。以前文提到的弱关系理论为例，计算机研究者已经开始意识到把社交网络的关系进一步细分的必要性[17]。这区别于现有社交网络中简单的好友/陌生人的设定，而受到社会学启发，互惠性也已经在研究中有体现[18]。

需要特别指出的是，计算机科学中的社会网络研究将互联网视为天然介质，而从社会网络研究发展历程可看出，互联网的兴起对社会学研究的变化起到了催化剂的作用，但它并不是一个必须条件。经典的社会学研究，如人口调查等，目前还无法用网络研究代替。如果我们能把世界划分为线上和线下，那么计算机学者的研究集中在互联网的框架之内，属于线上；而线下的社会行为则是经典社会学的研究范围。这两者之间的互动，如网络行为与实际生活的社会行为如何互相影响，在社会学家看来还需要一些社会调查数据的支持，如埃里森（El-lison）等对脸谱（）在生活中的影响所做的研究就结合了社会调查的方法[19]。仅通过对互联网分析得到的结论，虽然可以代表互联网本身

[1] S. Wasserman, vol. 98, no. 6, 1993, 1259~1319

[7] R. Collins, The sociology of philosophies: a global

theory of intellectual change. Belknap Press of Harvard University Press, 1998

[8] M. Granovetter, The strength of weak ties, American

journal of sociology, vol. 78, no. 6, 1973, 1360~1380[9] M. Granovetter, Economic action and social structure:

The problem of embeddedness, American Journal of Sociology, vol. 91, no. 3, 1985, 481~510

[10] M. Yang, Gifts, favors, and banquets: The art of social

relationships in China. Cornell University Press, 1994[11] T. Gold and D. Guthrie, Social connections in China:

Institutions, culture, and the changing nature of Guanxi, Cambridge University Press, 2002

[12] M. Emirbayer, Manifesto for a relational sociology,

American Journal of Sociology, vol. 103, no. 2, 1997, 281~317

[13] A. Mische, Relational sociology, culture, and agency,

in The SAGE Handbook of Social Network Analysis (J. Scott and P. Carrington, eds.), pp. 80–98, Sage Publications Ltd, 2011

参考文献

[14] L. Freeman, A set of measures of centrality based on

betweenness, Sociometry, vol. 40, no. 1, 1977, 35~41[15] M. Girvan and M. Newman, Community structure

in social and biological networks, Proceedings of the National Academy of Sciences, vol. 99, no. 12, p. 7821, 2002

[16] S. Wasserman and P. Pattison, Logit models and logistic

regressions for social networks: I. an introduction to Markov graphs and p* models, Psychometrika, vol. 61, no. 3, 1996, 401~425

[17] E. Gilbert and K. Karahalios, “Predicting tie strength

with social media,” in Computer Human Interaction, 2009, 211~220

[18] H. Kwak, C. Lee, H. Park, and S. Moon, What is ,

a social network or a news media?, in Proceedings of the 19th international conference on World wide web, ACM, 2010, 591~600

[19] N. Ellison, C. Stein field, and C. Lampe, The bene fits of

friends: social capital and college students ’ use of online social network sites, Journal of Computer-Mediated Communication, vol. 12, no. 4, 2007, 1143~1168