时间:2022-11-30 22:14:59
引言:寻求写作上的突破?我们特意为您精选了12篇社会网络论文范文,希望这些范文能够成为您写作时的参考,帮助您的文章更加丰富和深入。
2、相关定义
2.1凝聚群相关定义
假设两个节点间的关联度是这两个节点直接交互行为的综合,等同于节点间的直接信任度,详见下节.Web社会网络包含着一个庞大的用户集,这些用户随着交互的深入而形成不同的关联度,在关联度的作用下会逐渐形成多个以某些用户为中心的簇集.这些簇集具有簇内连接紧密、簇间连接相对稀疏的特点.定义1(凝聚群):凝聚群是由Web社会网络中关联度较高的用户(节点)聚集形成的簇集.本文中认为凝聚群之间相互独立不重叠,每个用户属于且仅属于一个凝聚群.我们将凝聚群整体记为O.下文中将节点i的凝聚群记为O(i).每个凝聚群内部节点之间的关联度不同,因此引入群凝聚度的概念.定义2(群凝聚度):一个凝聚群的群凝聚度是该凝聚群内节点之间关联度的平均值相比于群内节点和群外节点之间关联度平均值,记为η.一般认为节点之间之所以能构成一个凝聚群是因为他们之间的关联度大于他们与群外节点之间的关联度,因此有η≥1.一个凝聚群内的节点之间的关联度越高,群凝聚度就越高.在高凝聚度的群体里,每个节点都倾向于表现出相同的信念[11].凝聚群作为整体具有群凝聚度,同时,凝聚群内的每个节点与它所属的凝聚群之间也存在不同的关联度,与所在凝聚群之间的关联度越大,在群内的影响力就越大.定义3(影响力):节点在凝聚群内的影响力CO(i),i是它对凝聚群内其他节点之间关联度之和相比于凝聚群内所有节点之间的关联度之和的比值.对于凝聚群的划分采用的是MFC(MaximumFlowCommunity)算法[13,14],该算法的基本假设是:网络中的最大流量由网络“瓶颈”的容量决定,而在具有簇结构的网络中,网络“瓶颈”由簇间连接构成.经过反复识别并删除簇间连接,网络簇能够被逐渐分离开来[13].根据MFC算法,我们认为凝聚群内部是一个弱连通图[12].一旦划分好凝聚群就会形成一张映射表,每个节点都可以在映射表中查找到相关凝聚群的所有成员信息,若i不属于任何凝聚群,则可以看成是特殊的凝聚群———只包含一个节点的凝聚群.一个群体的凝聚群划分示例如图1所示.图1中包含3个凝聚群G1、G2和G3.凝聚群内的粗线表示高关联度.G1和G3之间的浅色细线代表存在一定的交互,但是关联度不高,G1与G2完全不存在交互.
2.2信任度相关定义
假设有节点i(称为源节点)与节点j(称为目标节点).定义4(直接信任度):若节点i对节点j具有直接交互历史,则i对j的直接信任度是节点i根据交互历史信任节点j的程度,记为Di,j.定义5(群信誉度):若节点i、j分别属于不同的凝聚群,则节点i对凝聚群O(j)中与i有过直接交互的节点的直接信任度综合,称为群信誉度TGi,O(j).群信誉度如图2中所示.其中虚线代表节点间有直接交互历史,红色节点代表i,黄色节点代表j.定义6(群直接信任度):群直接信任度是凝聚群O(i)内所有与节点j存在直接交互的节点对于j的直接信任度综合,记为DTO(i),j.上述定义6中,j节点可以是群内也可以是群外.群直接交互情形如图3中所示.定义7(群间直接信任度):群间直接信任度是凝聚群O(i)中的凝聚群代表对凝聚群O(j)的群信誉度.记为GdTO(i)O(j).由于凝聚群之间不一定存在直接相连的信任路径,因此我们引入群间间接信任度.定义8(群间间接信任度):群间间接信任度是凝聚群O(i)通过其他与凝聚群O(j)直接相连的凝聚群获得的群直接信任度的综合.记为ITO(i)O(j).由于计算群间间接信任度的公式可以包括群间直接信任度的情况,本文将他们统称为群间信任度ITO(i)O(j),群间信任度如图4所示.图4(a)为两个凝聚群直接相连的情况,图4(b)为两个凝聚群之间通过第3个凝聚群连接,其中k为中间凝聚群内的一个节点.定义9(凝聚信任度):凝聚信任度GTO(i),j是凝聚群O(i)对节点j的群直接信任度与群间信任度的综合.凝聚信任度的概念相对应于传统信任模型中的综合信任度.上述定义中出现的符号和说明见表1.
3、GC-Trust模型设计
3.1模型主要思想
GC-Trust模型主要考虑的是群与群之间、群与节点之间的这两种信任关系,通过关联度较高的节点聚集形成凝聚群,从源节点i所属凝聚群的角度帮助i判断目标节点j是否能够信任,能够令模型更好地体现出凝聚群的作用.假设已经存在多个凝聚群:1)搜索是否存在从O(i)到O(j)的路径(路径上最小单位均为凝聚群),若不存在则将信任度设为0.5;2)若存在凝聚群的路径,则节点i、j之间一定存在着某种关联(根据弱连通图的特性可以证明)分为下面两种情况计算凝聚信任度GTO(i),j:a)若j在O(i)内,则GTO(i),j等于群直接信任度DTO(i),j;b)若j在O(i)外,综合群直接信任度DTO(i),j和群间信任度ITO(i)O(j)计算GTO(i),j.GC-Trust模型的框架图如图5所示.主要包括5个部分:凝聚群的划分、凝聚度与影响力计算、群直接信任度计算、群间信任度计算以及凝聚信任度计算.系统会在信任度计算开始之前就划分好凝聚群,当用户需要进行信任度计算时,首先根据凝聚群内的成员用户计算凝聚度以及相应的影响力,接着从凝聚群内的角度出发计算对目标用户的群直接信任度,再从凝聚群之间的交互计算群间信任度,最后将3者综合得到凝聚信任度.
3.2群凝聚度的计算
群凝聚度η决定了节点依赖凝聚群的程度.凝聚群的群凝聚度越大,节点也就越倾向于相信群体的直接信任度,反之则节点就越不相信群体.群凝聚度的度量也存在多种方式.例如信任关系与环境关系密切,人在陌生的环境中,会非常依赖朋友以及其他信任关系,而在熟悉的环境中则不会.因此,凝聚群的凝聚强度应该与群所处的外在环境相关.在实际应用中,一个节点通常具有非常不均衡的出入度,交互也存在多种形式,甚至是单向的交互,如微博上的关注就可以单向的,因此凝聚度采用平均值的方式来计算:信任度计算群直接信任度和群间信任度群直接信任度是将凝聚群O(i)看作一个整体,只要O(i)内存在与j直接交互过的节点,即可根据式中:max为路径强度;O(s)为凝聚群O(i)的邻居凝聚群.计算群间直接信任度GdTO(i)O(j)时,选举凝聚群O(i)的群代表k,通过计算k对O(j)的群信誉度来代表O(k)对O(j)的信任度.凝聚群代表既需要有一定的群内影响力又需要对目标凝聚群内节点数量接触得尽量多.
4、相关对比实验
采用Advogato数据集进行仿真实验,验证本文所提出的GC-Trust的准确度.Advogato数据集中将评分共分为4个不同的等级:Observer、Ap-prentice、Journeyer以及Master.比较3种算法:GC-Trust、TidalTrust[2]以及基于AffinityGroup[9]的信任预测准确度,并对结果进行分析评价.实验的硬件配置为:Intel(R)Core(TM)2DuoCPU2.20GHz,2GB内存;软件环境为Windows7,开发工具为Eclipse3.5.本文进行了2组实验,第1组实验是基于同一数据集进行3种算法对比实验;第2组是基于特定特征的凝聚群进行对比实验.
4.1基于同一数据集的对比实验分析
将数据集表示为有向加权图,共包含有14016个节点和51398条边,并将信任等级映射为0.1、0.3、0.6、0.9.由于原始数据集中高信任度的节点过于集中,且具有较高的出入度,凝聚群的划分效果不理想.而在本实验期望的数据集中,高信任度节点形成的凝聚群能够尽量分散,尽量少的交集.因此首先对数据集进行预处理.将4个信任等级分别映射为0.9、0.3、0.6、0.1,同时将数据集中的度为0节点删除,在剩下5000多个节点中采用MFC算法进行凝聚群划分,得到凝聚群共有2042个,其中划分失败的凝聚群共有271个(我们认为群凝聚度小于1即为划分失败),占到总凝聚群的13.2%,失败的主要原因是由于真实的数据集中凝聚群是可重叠的,而本文中限定凝聚群相互独立不重叠.
以WebofScience作为数据源,进行检索和筛选数据。论文以生物材料学科为例,分析科研人员及其团队,为学校挖掘可引进的人才,也为学校人才引进提供评估参考材料。
1.2分析流程
(具体见图1)论文采用h指数、R指数、AR指数作为衡量学者科研水平的3个量化指标。h指数不能区分h值相同但论文被引频次相差悬殊的情况,缺乏一定的灵敏度和区分度,结合采用了R指数、AR指数,解决h指数存在的一些不足[9]。
2以生物材料为例的应用分析
2.1基础数据检索与清洗、筛选
选取检索源:Webofscience的SCIE数据,因webofscience数据存在滞后,为保障期刊论文数据的完整性,选择数据库时间范围为:2003-2012(10年),具体检索时间:2014.3.10。论文采用了材料科学-生物材料作为案例进行检索分析,假设某学校想引进生物材料方面的学者。选择的期刊以JCR-Q1期刊为参考,选取了webofscience的“MATERIALSSCIENCE,BIOMATERIALS”类目的Q1期刊,共六种期刊。通过webofscience检索出版物名称=(″BIOMATERIALS″or″ACTABIOMATER″or″EURCELLSMATER″or″DENTMATER″or″MACROMOLBIOSCI″or″BIOFABRICATION″),时间跨度=2003-2012,检索结果:13179条。筛选出:article、review两种类型文献12970篇。
2.2作者基础排序分析
以webofscience的分析功能,选取排序前10位的发文作者,见表1列出了前10位作者及其发表的论文数量,论文中分别以A1、A2…标示各位作者。论文在此研究中,暂不考虑作者在论文中的贡献度,即不区分第一作者、通讯作者或是所处的其他合作位置。在webofscience中,作者名称基本采用了姓氏加名的首字母,存在较为严重的同名作者问题。考虑作者的同名现象,对每位作者结合作者机构进行较为精确的分析。在webofscience中作者同名问题基本没有得到解决,需要通过人工筛选才能达到精确。对上述10位学者对应的文献进行逐篇查看,可以确定出该检索集中,有3个作者姓名简称对应了多位学者,如对A3的70篇文献中的前20篇进行逐篇查看,20篇论文属于16位不同单位且姓名简称同为A3的学者。同样发现A9和A10具有多位学者共同构成论文篇数,均被排除出前10的位置。通过逐篇查看,筛选出排名前7的学者。
2.37位学者h指数、R指数、AR指数分析
对筛选出的前7名学者,进行SCI论文检索,检索时间范围为:2003-2012,检索日期为2014.3.16,文献类型为ARTICLE或REVIEW。因为涉及同名、作者曾在不同单位任职等现象,结合webofscience的“惟一作者集”等作者辅助检索工具,进行筛选。2.4A7学者及其团队的挖掘分析论文选用SATI文献题录信息统计分析工具[10]和UCI-NET社会网络分析软件[11]对A7的SCIE论文进行分析。通过分析挖掘与A7有更多直接合作关联的学者,拟挖掘“他们”作为某学校生物材料方面的外聘人才。利用两个软件,构建了如图3所示的A7的作者合作网路。从图3可以发现A7的合作网络错综复杂。利用k-核概念,研究网络合作的凝聚子群。所谓k-核是指如果一个子图中的全部点都至少与该子图中的k个其他点邻接,则称这个子图为k-核[11]。通过k-核,可以发现一些高合作、高凝聚的群体。对A7的社会网络进行k-核分析,如图4所示为A7文献作者k-核分析的部分截图。由图4可见,在A7的392篇文献的所有合作者中,可以进行8种分区,度数分别为2,3,4,5,6,7,8,9,即分别为2-核,3-核,……,9-核。9-核即是指A7和其他34位学者(图4所示的作者编号P1、……、P84)共同组成各个作者之间至少有9个邻接的子群,可能是学科团队、或项目合作的团队,其中可能存在一些具有知识引导的团队带头人。计算A7合作网络中学者们的在整体网络中个体密度值,图5为截取其中部分学者的个体密度值计算。从图5可以得出这个整体网中各个个体(科研人员)的密度值、及其他指标值。A7的个体密度值最低,值为9.44,Broker和EgoBet值最高,分别为3791.00、2927.17,他这个作者群网络中的知识引导人、合作引导人,其位置占据了结构洞位置,是作为“桥”位置者。结合图5所示的9-核团队,在这些学者中,P1的网络规模最大(值为45.00),密度是19.90,Broker值是793,EgoBet值是326.90,仅次于A7,在其合作网络中,占据结构洞位置,可作为引进人才或外聘的人选。P3密度值为27.92,Broker值为253,EgoBet值是98.46,在合作网中与他人有合作、也有一定的知识引导作用。从图5也可以发现,学者P7的密度值最大,为100,Broker和Ego-Bet值均为0,在个体网中的中间性不强,不占据结构洞位置,可以猜测其为求学的学生或是某个项目的参与者。根据上述分析,P1和P3可作为外聘或引进的人选。对这两位学者,同样计算其2003-2012年期间的h指数、R指数、AR指数,通过和表3学者的各个指标进行比较、衡量。P1的各位指数都高于P3,且与表3中的7位学者的∑(h,R,AR)值进行排序,排列第4。
1.2饥饿营销模式2011年岁末,深隐幕后的江湖大哥雷军走上台前,为中国智能手机粉们烹制了一顿小米“盛宴”,低价,高配,断货,吊足“米粉”胃口的小米手机凭借这一招备受争议的“饥饿营销”策略高调问世。小米手机面世之后,便采取了网络渠道销售模式,消费者只能在小米手机官网上买到手机,而且需要预定,除了维持供不应求的市场关系外,小米手机甚至通过官网宣布停止预定并关闭购买渠道等手段来加深消费者的“饥饿感”。而这让小米手机销售的火爆程度令人叹为观止,一次次用惊人的数字赚足了眼球。2011年9月6日开始预订,34小时预订出30万部;2012年手机销售719万台,销售额126亿元;2013年手机销售1870万台,销售额316亿元;2014年销售目标为4000万台,预计最快2015年小米公司销售额达到1000亿元。在市场营销学中,所谓“饥饿营销”,是指商品提供者有意调低产量,以期达到调控供求关系、制造供不应求“假象”、维持商品较高售价和利润率的目的。以低价来提供与苹果、三星和HTC相当的硬件配置,这是小米手机吸引用户的法宝,而定个叫好叫座的惊喜价,把潜在消费者吸引过来,然后限制供货量造成供不应求的热销假象,则是小米手机市场营销的利器。
1.3移动营销模式看一看地铁上随处可见的“微信族”,每次吃饭必先拍照上传的“微博控”,通过街旁等签到软件展示自己心情的“签到族”,公交车上逛淘宝的手机购物族……我们会发现,移动互联网已经如此深入地融入到我们的生活。“你在哪里,我就在哪里”,移动互联网营销突破了时空终端的限制,可以any-time、anywhere、anyone、doanything,不仅可以精确定向人群,还可以精准控制时间,把控内容,及时调整营销策略。移动营销价值链上最为重要的六大关键词是精准(AllInterac-tion)、互动(AllInteraction)、贴身(AnyTime/Where)、关注(AllFun)、整合(AllCross)、可衡量(AllEffect),简称为6A法则。这六大法则互为一体,成为驱动消费者、广告主、商三大主体价值共赢的核心机制[1]。伴随着3G甚至是4G的普及,未来将没有移动互联网,因为所有的网都是移动的。移动营销的组合形式将更加多元化,除了基于短信、彩信的会员营销和互动营销,还有结合区域特色的手机报广告投放,借助高价值手机Wap站推广,围绕二维码和移动CRM等定制解决方案,融合最新趋势的手机客户端,以及更多。同时在内容上,企业和品牌将更加关注“人”,从消费者关注转移到关注消费者,构建社会化网络营销的美好未来。
2.企业提升社会化网络营销的对策建议
“我们不是在开展网络营销,就是在网络营销的路上。”这是现今大部分企业现状的一个很好表述。随着新技术、新产品的涌现,网络营销也在迅速调整与蜕变。菲利普•科特勒在《营销革命3.0:从产品到顾客,再到人文精神》中指出:我们正在目睹的是营销3.0,即价值驱动营销时代的兴起,在新媒体时代,纯粹的广告是不会传播的,能够传播的是互联网流行文化和创新精神,营销3.0就是合作、文化性和精神性的营销。
油价上涨是关乎百姓生活的重要事件,它的接近性决定了它必将受到大众的关注。其次,网络是个开放的平台,传者与受者的单向传播已然改变,任何人都可以在网络上发表自己的作品,展示自己的个性,进行自我价值的消费。还有更深层次的原因,“恶搞”视频源于二元对立。作为“狂欢理论”的集大成者,巴赫金的论证方法表现为不同于传统思维模式的二元对立,即主流与边缘的对立③。社会大众作为国家政策的边缘人,在权利中心之外,并为权利所宰制,无法真正左右国家政策的实施,因此,他们通过制作《涨价歌》这种类型的网络恶搞视频,试图通过网络表达自己的声音,发表自己的意见。处于这种边缘的人最终会越积越多,达成一种观念上的认同,并产生出强大的推动力,通过网络这个渠道最终捧红了类似《涨价歌》这类的视频。
消费主义视域下《涨价歌》的传播
1.《涨价歌》涉及双重消费
《涨价歌》的歌词幽默诙谐、歌手声音动听、内容丰富多姿,画面剪辑功夫也十分了得。大众在面对这样一个视频时,可以从繁忙的工作中解脱出来,获得暂时的愉悦、放松心情。在这个层面上来说,他们消费的是视频本身,是其中的娱乐元素和视觉、听觉上的满足感、享受感。从另一方面来看,人们看重的不是《涨价歌》的使用价值,而是越来越注重的符号价值,即它带给人们的符号意义,是其中所代表的或象征的意义。从传者的角度来说,他花费时间和精力制作视频,是为了追求成名、获得成就感,展现自己的个性与能力,并获得自我认同和愉悦感。在这个过程中,传者消费的是自我价值,是源于自我整合的需要,并以此来增加自信和身份地位。
从受者的角度来说,在观看《涨价歌》的过程中,人们消费的不只是视频本身,还对它进行了意义消费。首先,他们消费了视频所带来的传者的意识形态。《涨价歌》中传者明显的态度是批判发改委调高油价,给人民的生活带来了不便。在视频传播的过程中,这种意识形态也跟着得以传播,最终在网络上形成一个互动的虚拟群体,他们有着共同的乐趣,共同的利益,共同的看法,他们通过转载传播的方式来达到心灵沟通的目的。传播在有形地进行着,但是意识形态却在无形中被越来越多的人消费。
其次,油价上涨这一事件本身及外延的意义也通过视频得以消费。《涨价歌》这一视频不是孤立存在的,它依托着油价上涨这一现实基础。通过观看视频,人们能更深刻地理解其暗含的意义:油价上涨,但人们的工资却没有变动,相对地,他们的生活水平就会下降。所以,恶搞视频《涨价歌》在消费主义的背景下,并不是简单地对图片的消费,对有冲击力的视觉、听觉的时尚元素的消费,还有更深层次的象征意义的消费。这两种消费形式,反之又促进了其在网络上的传播。
2.《涨价歌》与使用满足论
恶搞视频《涨价歌》满足了人们缓解内心压力、讽刺批判现实、叛逆的消费心理需求。个性、张扬、享乐的消费主义是恶搞产生的环境,人们追求轻松、进行娱乐的个性化消费方式是网络恶搞产生的社会心理。具体来说,主要体现在两个方面:《涨价歌》满足了人们讽刺批判现实、缓解内心压力、寻求释放的心理需求。恶搞是一种轻松幽默的内容,在恶搞文化下,人们可以感觉到一种自由和颠覆。通过对油价上涨的恶搞,公众可以将潜在的、压抑的愤怒与不满间接地发泄出来,并将对权力中心的抵制情绪用不涉及政治敏感问题的方式表现出来。同时,他们也通过网络发出自己的声音。在视频的制作、转载、评论中满足自己的需求,张扬自己的个性风格,在获取信息和满足享乐的同时,他们也将网络视频作为传声筒,实现了自我价值,增强了自我认同感。
2出版社微博社会网络关注矩阵及结构图
社会网络可以用社群图、关系代数、邻接矩阵等模型来描述,此网络中每一个出版社微博为一个节点,将用户之间的“关注”和“被关注”的关系通过邻接矩阵表达出来,形成一个15×15的互链网络的二值矩阵,其中“行”表示关注者,“列”表示被关注者。“1”表示关注关系存在,“0”表示关注关系不存在。得到的邻接矩阵如表1所示。通过Ucinet的Netdraw软件可以将微博互链网络关系图直观地表示出来,如图1所示。可以看出互链网络中存在着2个孤立的结点分别是中国人民大学出版社和中国公安出版,译林出版社、人民文学出版社、中信出版等居于互链网络的核心位置。
3结果分析
3.1密度分析
密度是衡量社会网络中各节点关系紧密程度的指标,在图论中用图形中实际存在的线与可能数量的线的比例来衡量。一般来说,关系紧密的节点合作行为较多,信息流通较易、情感支持也会较好;而关系疏远的节点,则常有信息不通、情感支持少、协作程度低等问题。密度值介于0和1之间,值越接近1则代表关系越紧密,越接近0则表示关系越疏远。可见密度为0.1714,标准方差为0.3769,说明出版社微博间存在着相互的连接和沟通,但密度值不大表明整体上该社会网络的联系不算非常紧密,相互交流的程度还有待提高,说明国内出版社在微博应用方面仍处于初级阶段。尽管微博在信息传播、营销宣传方面的巨大优势吸引了很多出版社尝试使用,但很多出版社思想层面对微博在出版行业的定位认识不清,行动层面也显得不够重视,没有大胆进行应用方面的探索。
3.2中心性分析
3.2.1点度中心性
点度中心性反映的是网络中那些相对于其他行动者而言处于中心位置的行动者,此概念来自于社会计量学的“明星”概念。一个中心点是指处于一系列关联“中心”的点,该点与其他各点具有诸多直接的联系,而处于网络边缘的节点则较少与其他节点相关联。某个节点的点度中心性最简单的测量方法是计算与该节点直接相连的其他节点的个数,数值越大其在网络中的地位越趋于中心。在有向图中,点度中心性还可以分为内点度中心性和外点度中心性。内点度中心性表示一个用户被其他用户“关注”的程度,外点度中心性表示一个用户“关注”其他用户的程度。在出版社微博互链有向网络中,前者指被关注的出版社微博节点总数,后者指该出版社微博关注的其他关联微博的节点总数。通过Ucinet的NetWork-Centrality-Degree得到出版社互链网络的内点度中心势为42.857%,外点度中心势为27.551%,中心势越接近1说明该网络越具备“集中”的趋势。可见该网络的整体中心势趋势较强,存在着网络核心。但内中心势数值较大,说明被“关注”的用户更具备集中的趋势。如表3所示,内中心度较高的节点为人民文学出版社、长江文艺-北京、译林出版社、广西师大社理想国,它们在网络中被其他节点关注较多,居于网络的核心位置,因此在网络信息传播的过程中拥有较大的权力,这些微博的信息更容易引起别人的注意。外中心度较高的节点为译林出版社、广西师大出版社、中信出版,表明这些微博关注其他微博的数量较多。其中译林出版社的内外点度中心度均较高,说明该微博受到其他成员的广泛关注,其微博有着较大的影响力和被认可度,同时该微博注重于其它微博的联系,形成了广泛的交际网。人民文学出版社和长江文艺-北京的内点度中心度较高,外点度中心度较低,特别是人民文学出版社外点度中心度为0,说明它们在网络中具有重要地位,但不能积极链接其它微博,不善于与人交流。中国人民大学出版社、中国公安出版的内外点度中心度均为0,说明它们的微博相对独立,不被其它成员关注,同时没有积极链接其它成员,缺乏与其他成员的交流沟通,在网络中处于边缘位置。
3.2.2中介中心性
中介中心性用来度量某个节点在整个网络中对信息流动或传播控制作用的大小,即信息从节点A传到节点B在多大程度上依赖于节点C。Freeman认为一个节点处于多对节点之间,那么它的度数一般较低,这个度数较低的节点可能起到重要的“中介”作用,因此有可能是网络的中心。中介中心性的研究是围绕“局部依赖性”建立的,其值越大,说明其在网络中的位置越重要。该出版社互链网络的中介中心性计算结果如表4所示,译林出版社、重庆出版社、长江文艺出版社、长江文艺-北京、广西师大社理想国中介中心性较高,其中译林出版社更是远远高于其他微博,中介作用最为突出。也就是说在信息传播的过程中其他出版社微博想要获得信息对上述几个微博的依赖程度较高。因此说明这些出版社微博在网络中的位置相对重要,能够在较大程度上控制信息的流动。但整个网络的中介中心度仅为13.99%,说明整个网络的大部分节点不需要别的节点作为桥节点就可以获得信息,整个网络的信息扩散范围较广,不易受到某个出版社微博的控制。
3.2.3接近中心性
在社会网络中,如果一个行动者在交往过程中较少依赖他人,则此人在网络中具有较高的核心地位,接近中心性就是基于网络节点的不受控制性而提出的测量指标,与上述两种中心度相反,该值越小说明该点距离其他各点越近,获取信息时越不易受其他节点的控制,其在网络中的相对独立性越高。由于该网络并不连通,因此基于网络的整体接近中心势不能被计算,从信息的难易程度来看,排名为人民文学出版社、长江文艺-北京、译林出版社、广西师大社理想国、长江文艺出版社、中信出版、重庆出版社、香港中国旅游出版社、广西师大出版社,排名越靠前越不易受他人控制,越具备独立性。从获取信息的难易程度排名为福建人民出版社、译林出版社与新华出版社、中信出版和广西师大出版社、重庆出版社与香港中国旅游出版社、长江文艺出版社、内蒙古文化音像出版社、广西师大社理想国、长江文艺-北京,排名越靠前获取信息越容易,独立性越强。
3.3凝聚子群分析
当网络中的某些行动者之间的关系特别紧密,以至于结合成一个次级团体时,这样的团体在社会网络中被称为凝聚子群。由于凝聚子群成员之间关系非常紧密,因此凝聚子群分析又被称为“小团体分析”。小团体分析将子群从整个网络中分离出来,以便了解特殊子群对整个网络的影响,并揭示节点之间实际存在的或潜在的关系。
3.3.1成分分析
成分分析是根据子群内外部成员之间的关系密度进行凝聚子群分析,如果一个图可以分为几个部分,部分内部成员间存在关联,各部分之间相互独立,则这样的部分就是成分。通过Ucinet的NetWork-Regions-Components-Simplegraphs,在Kindsofcomponents对话框中选择Weak(弱关联),所得结果如表6所示。结果显示,在弱关联图形定义下,共有3个成分,其中第1个成分包含了13个节点,其成员为长江文艺出版社、译林出版社、中国青年出版社、新华出版社、重庆出版社、广西师大出版社、人民文学出版社、福建人民出版社、内蒙古文化音像出版社、香港中国旅游出版社、中信出版、广西师大社理想国、长江文艺-北京。它们之间通过一定的途径相连接,彼此间建立了较为密切的联系,另外2个出版社微博中国人民大学出版社和中国公安出版分别构成1个成分,它们是社群图中的孤立点。这一分析结果和图1显示的一致。
3.3.2k-丛分析
k-丛是建立在点度数基础上的,一个k-丛就是满足下列条件的一个凝聚子集,即在这样的子群中,每个点都至少与除了k个点之外的其它点直接相连。通过Ucinet的NetWork-Subgroups-k-Plex,此时Ucinet会把有向图当无向图处理。K值越小网络的最低规模越大则条件越严格。在Valueofk中对话框中填入2,MinimumSize中填入3,所得结果如图2所示。3k-plexesfound.1:译林出版社广西师大出版社香港中国旅游出版社2:译林出版社广西师大出版社中信出版3:译林出版社香港中国旅游出版社由柱状图可以看出,译林出版社、广西师大出版社、香港中国旅游出版社、中信出版构成了一个小团体,该团体内部成员间的互动较为紧密,交流互动积极主动,在一定程度上控制着信息的流动,并且在长期的交互过程中形成了稳定的交流模式。但该子群规模较小,仅仅少数微博建立了密切的联系,整个群体的互动性还不强。
3.3.3凝聚子群密度
凝聚子群密度主要用来衡量一个大的网络中小团体现象是否严重,这在分析组织管理问题时十分有用。如果一个企业的E-Iindex过高,表示该企业中小团体可能结合紧密并开始图谋小团体私利,从而伤害整个企业的利益。常见的情形是大团体很散漫,核心小团体却有高度的内聚力,或者大团体中有许多内聚力高的小团体,很可能出现小团体间互相争斗的情况。通过Ucinet的NetWork-Cohesion-E-Iindex,得出结果如表7所示。可见凝聚子群密度为0.188,一般来说凝聚子群密度取值范围为[-1,+1],该值越接近+1意味着派系林立的程度越大;该值越接近-1,意味着派系林立的程度越小。现在该值大于0,表明出版社各微博间的互动并不局限于凝聚子群内部,子群间的互动也有一定的互动,但是该值较小与1差距较大,说明微博成员更趋向于在较小范围内互动,凝聚子群内部成员联系紧密,信息交流与分享较好,但与子群外部成员的沟通交流不足,这在一定程度上也影响了该社会网络的发展。
二、资本与供应链合作关系资本
社会资本是指存在于社会结构中的、与经济资本相区别的非实物形态的资源。“社会资本”的理论认为,角色(个人、团队、工作组等)愿意投资于和其他角色的关系,通过其能力撬动关系以获得进入所需的资源,以获得积极的期望回报[3]。供应链本质上是一种能获得积极回报的企业合作关系。供应链社会资本,或称之为供应链合作关系资本,是一种群体社会资本。关系资本可以定义为“:企业与供应商、顾客、联盟伙伴及内部分支机构组成的关系网络的价值”(Gulati,2005)。也有学者把关系资本描述为“购买商与销售商之间的良好合作愿望”。根据社会网络与资本的研究,供应链合作关系资本划分为:关系供应链资本、认知供应链资本、结构供应链资本。从关系的密度视角,供应链网络中的合作关系分为强联系和弱联系,这两种联系产生了关系供应链资本。随着供应链网络的强联系的增加,伙伴方之间将在价值和共同愿景上达成一致,将产生认知供应链资本。认知资本的积累,将增强关系自执行性的愿望。从网络演变的视角,供应链中的伙伴方通过对自身位置的认知,并利用网络中的结构洞为自身创造剩余。这种由于网络结构位置而产生的供应链关系资本,称之为结构供应链资本。
三、供应链合作关系资本构成
(一)关系供应链资本
社会网络理论一直关注于构建中心网络中的角色(例如人、建筑)和联结(电话线路、关系等等)。在供应链中,角色通常是指商业部门或企业。由Granovetter和其他人发展的“联结”范例,被关系供应链资本所接受。目前,与关系资本相联系的存在着两个截然不同的概念:关系联系强度和更复杂的“弱联系强度”[4]。联系强度,类似于双边角色关系中的亲密度或集成度,将对核心角色、相关角色及其环境产生的显著影响,并将有利于网络中信息内容的共享。网络中的联系既包括有形的(资源的、财务的、数据的)联系,也包括无形的(社会的)联系。无论是什么类型的联系,网络被创造和结构化的整体目标在于,为合作企业提供获得所需资源的途径。Goliciaetal(.2003)建议,在供应链管理中,社会关系范式十分重要,并引进了关系量度(Rela-tionshipMagnitude)作为供应链联系强度的测量标准。[5]不管采用何种方法代表联系强度,每种研究都证实了紧密的联系将促进商业关系的成功。弱联系密度是角色间的联系是获得所需资源(包括信息)能够通过的桥梁。密集的社会网络(例如供应链)常常交换私人信息,这些信息因为其嵌入性,能够被企业轻易的获取,并且因为其性质而值得发现(例如未被普遍共享,而有益于获得优势)。网络质信息的成功应用,将导致难以复制的差异表现。在一个封闭的网络中,企业间经常性及有控制的特质信息流,主要服务于几个目标,包括不确定性的降低,提高问题解决能力,利益共享,以及上述全部。基于这样的分析,把关系供应链资本分为两种维度:一种是内部强关系程度(强联系),一种是外部弱关系程度(弱联系)。强联系的关系对于操作层面的供应链,具有重要的价值。强联系促进了有效的沟通(进而表现),而弱联系是服务于创新、独特或及时信息的桥梁。
(二)认知供应链资本
认知资本是由提供给伙伴方共享的表现(SharedRepresentations)、解释(Interpretations)、系统含义(Sys-temsofMeaning)等资源组成的。在一个企业内,认知资本嵌入在一个共享的景象中,例如集体目标和团队愿景。当伙伴方拥有同样的商业目标,以及交互作用时出现。共享的目标和文化是认知资本的主要维度。当网络中的成员对实现关系网络任务和结果,有着共同的理解和方法时,这些目标能够共享。当价值和目标能够被购买商和关键供应商分享时,合作方相互作用并社会化的构建了一个共享的理解,这样,持续的交互过程将导致一种持续和自执行的合作过程。在供应商发展角度上,这种合作认知感觉的自执行过程,将提高购买商的表现。如果目标被共享,购买商和供应商对于表现提升的构成和如何实现,有了共同的理解。这样,将导致在成本、质量、运输和服务等等表现上的提高。如果价值和目标互相不适合,双方间的交互将导致对一些事情的误解,而引起冲突。随着误解和冲突的加强,双方将变得互不满意,进而对生产力和表现产生消极的影响。
(三)结构供应链资本
结构供应链资本,关注的是企业在供应链网络中所处的位置,以及同其他企业的联结和隔离,而不是联结的本质或质量。从拓扑学的视角,联系可以看作是线路,或者是“资源或信息流动的渠道”。关于结构影响资本的描述,有两个主要的概念:结构密度和结构洞。结构密度,定义为网络中可能联结的活跃程度,通常用潜在关系联系的活跃比率来表示。相反,结构洞是指网络中联系缺乏或者密度稀少的区域(Burt,1992)。结构密度理论认为:由于角色间存在着多重沟通渠道,密集网络中的角色将进行频繁的交流,因此将更有可能发展成普遍接受的关系规范。随着交易频率的增加,和单一交易关联的交易风险将减少。这样,和那些位于网络外的其它渠道比较,网络中的常规化交易将变得更有效率和更可取,进而提高密集企业成员的可用社会资本。结构洞的研究更关注于网络中未被激活的特定区域。结构洞的存在导致了网络中信息的不对称状态。信息的不对称可能影响到供应链的运作。结构洞使得企业网络中某些战略性位置变窄,例如,某些节点企业占据了“桥”的位置。这些位置成为了联结网络次集团和其他部分的唯一信息桥梁。桥梁角色拥有“在这些契约中的一个信息中断位置,因而可以通过其位置进行更大程度的控制,而获得利益”。换句话说,处于网络中联结其他非关联企业位置的企业,由于他们有能力控制显著的信息流,自然而然产生社会资本。对于企业合作关系的完善和建立,结构密度和结构洞都值得考虑。结构密度讨论,概括来说,是由于沟通和过程经济性而导致的执行相关表现的效率。而结构洞理论认为,在结构松散网络中处于关键位置的角色,会在结构资本中获得不成比例的收益。
1.2社会网络与个体创新绩效创造性往往蕴藏于人际交往互动所形成的社会网络中[14],只有考虑个体所处的社会情境因素,才能真实的再现组织行为的演化规律,因而社会网络分析逐渐成为创新和组织行为领域的重要研究范式[15]。团队成员因为工作需要建立的人际关系网络属于个体层次的社会网络,社会网络理论将团队成员视作嵌入在网络结构中的相互影响的个体;在项目生命周期中个体的认知、态度及行为会受制于社会网络的结构特征和团队的整体规范,继而对个体及团队的绩效产生影响。由于社会网络的存在有助于个体协调紧缺资源,获得所需的信息和机会,尤其是当工作中涉及高度复杂的知识交换时,社会网络能够有效提高员工的创新绩效[16],后续研究也发现以社会关系为纽带成立的团队比单纯以人口统计特征成立的团队有着更好的创新表现[17]。组织内的社会网络被分为三种,情感网络、咨询网络和情报网络[18],项目团队中最为普遍的当属情感网络和咨询网络。个体所处网络的结构位置则用中心性来衡量,个体中心性越高则说明其影响力和权力越大[19]。现有研究一般将社会网络中心性分解为程度中心性、接近中心性和中介中心性[15],由于物理距离不再是经济活动的主要瓶颈,采用程度中心性和中介中心性更能够清晰描述网络中个体的影响力和控制力。其中,程度中心性用来衡量个体的影响力大小和非正式权力的控制范围,中介中心性可表示个体占据操纵信息流通的数量和控制信息的可能性。咨询网络传递的是团队成员间与工作任务相关的信息、知识、建议,在实施项目创新过程中,成员之间可借助咨询网络进行知识的交换、信息的碰撞和创意的激发。作为获得团队创新所需工具性资源的基本通道,咨询网络对创新目标的实现至关重要[20]。个体咨询网络中心性越高则越可能拥有创新的关键资源并具有支配创新资源的权利,知识的汇集也为个体提升复杂问题的处理能力提供了平台,个体在咨询网络中的位置将直接对自身创新绩效产生重要影响。基于上述分析,做出如下假设:H2a:咨询网络程度中心性与个体创新绩效正相关;H2b:咨询网络中介中心性与个体创新绩效正相关。情感网络提供的是工作内容之外的成员间感情交流的通道,通过成员间的情感交流并展开互动,有助于个体建立良好的社会关系并累计社会资本[15]。处于情感网络的中心位置可以赢得更多的友谊和信任,获得更为密切的情感支持和心理支持,有助于舒缓创新过程中的压力,体验更为积极的情绪,使个体在创新活动中保持较高强度的内部动机;与此同时,处于情感网络中心位置的个体还可以借助情感支持和心理支持来获得更多的资源摄取途径,甚至可以运用强大的情感感召力来构建和强化有益于创新的组织文化,有效应对不确定因素对创新过程的扰动,营造更加有利于创新的工作氛围,激发个体持续创新的潜力。基于上述分析,做出如下假设:H3a:情感网络程度中心性与个体创新绩效正相关;H3b:情感网络中介中心性与个体创新绩效正相关。
1.3社会网络与积极拖延研究发现,积极拖延是不确定创新活动中管理消极情绪的有效策略[8],积极拖延者会依据任务复杂程度、资源消耗程度来选择拖延的方式。尽管积极拖延者被证实拥有更强的自我调节能力、更突出的压力偏好和时间知觉能力[21],但在完成任务过程中依然会面临信息缺失、情绪焦虑等情况。作为有限理性、有限意志力的个体,即便积极拖延者具有高超的问题解决能力,面对上述情景还是可能对自我效能感的判断产生偏离,继而影响对任务特征的判断和创新行为的实施;而社会网络的存在可以使积极拖延者及其网络成员在信息、资源和情感等不同层面进行交互与协调,帮助个体做出较为客观的评判。其中,咨询网络提供了与任务相关的信息、技术、知识等传递的通道,情感网络则成为团队成员相互支持并建立信任的载体。团队成员身处社会网络之中,一旦个体呈现出积极拖延行为,信息的交流分享会使其进一步强化内在动机,情感的交流则是舒缓压力的绝佳手段,上述因素均能够帮助积极拖延者高效、及时、创造性地完成任务。Michinov等通过实证研究发现,如果个体能够积极融入咨询网络,获得情感支持,将有效降低拖延对绩效的负面作用;个体参与度的提高也能增强积极拖延对创新绩效的正向预测力[8]。随着个体在咨询网络中的中心性逐渐提高,信息传播范围不断扩大,知识的融合促使个体的创新技能得到强化,有利于积极拖延者完成预期目标;虽然信息共享有利于创新想法的传播[22],但信息传递过于密切则不利于获得异质信息,限制了创意发挥,降低了信息的识别效率[23]。咨询网络中心性程度高的个体往往掌握了项目中的核心资源、重要知识和关键技术,其他成员容易对其形成信息依赖;该个体在任务紧迫的情景下一旦表现出积极拖延,高频率的信息共享势必会进一步压缩创新思考的时间,难以识别有效信息,进而导致创造性下降[24];而该个体在网络中的影响力和控制力又促使创新惰性或低绩效的创新行为在整个团队中快速扩散,最终对团队整体的创新绩效带来损害。因此,积极拖延者的个体创新绩效会随其所在咨询网络的中心性程度的提高而呈现出倒U型的变化规律,过高或过低的咨询网络中心性特征也许并不能促使积极拖延者一定表现出较高的创新绩效。基于上述分析,做出如下假设:H4a:咨询网络程度中心性在积极拖延与个体创新绩效的关系中起着倒U型调节作用;H4b:咨询网络中介中心性在积极拖延与个体创新绩效的关系中起着倒U型调节作用。随着个体在情感网络中的中心性逐渐提高,与团队成员之间建立的信任关系将更为稳定。由于信任水平与个体创新绩效之间具有显著的协同效应[22],当个体决定通过积极拖延来高效地达成任务目标时,成员间的高度信任能促使个体以积极的情绪投身于充满风险的创新活动,情感上的相互支持使得积极拖延被赋予更多的认可,高水平的信任氛围为积极拖延提供了更多的资源利用渠道,有利于积极拖延者完成预期目标。然而,一旦个体与团队成员之间建立高强度的感情依赖,从众行为极易滋生,如果个体不善于独立思考,即便是积极拖延行为也容易同化为消极拖延行为,而团队成员间的高度信任又使得个体的消极拖延行为无法有效识别和监控[25],最终难以完成高强度的创新任务。因此,积极拖延者的个体创新绩效会随其所在情感网络的中心性程度的提高而呈现出倒U型的变化规律,过高或过低的情感网络中心性特征也许并不能促使积极拖延者一定表现出较高的创新绩效。基于上述分析,做出如下假设:H5a:情感网络程度中心性在积极拖延与个体创新绩效的关系中起着倒U型调节作用;H5b:情感网络中介中心性在积极拖延与个体创新绩效的关系中起着倒U型调节作用。通过对既有文献的梳理发现,从社会网络的视角对团队成员拖延行为与创新绩效之间的关系重新进行审视,既是对已有积极拖延行为研究的完善,也是对社会网络分析领域的扩展。本研究将借助情景实验,在模拟创新任务的完成过程中,对团队成员在情感网络和咨询网络中的社会中心性指标(情感网络及咨询网络的程度中心性和中介中心性)、积极拖延程度及个体创新绩效进行测评,深入探索积极拖延、社会网络结构特征及个体创新绩效之间的关联机制,同时也得以对创新过程中的合作、拖延等行为现象及其与创新绩效的关系展开更为真实的描述。由于个体的情绪性特质被证实与拖延行为和个体创新绩效显著相关[10],因此本实验将个体的情绪性特质作为实验的控制变量。
2实验设计与实施
2.1实验对象和实验步骤本研究选择武汉和温州两所高校商学院的合作机构为实验被试的来源,以企业家联谊会、温商发展研究会、行业协会、商会以及参与校企合作项目的企业家或经理人为研究对象,以电子沙盘培训项目为实验内容,实验教师设定每个季度的完成时间,并在实训过程中通过倒计时的形式提示每个季度运营还余留的允许操作时间,要求参与者按照预先设计的流程完成实训并进行关键变量的测评。具体实验步骤如下:(1)第一阶段实验以参加电子沙盘实训的42名企业家为被试展开实验,每位成员被要求独立完成连续3年的电子沙盘操作,个体之间不进行任何形式的交流与合作。每位被试在实验开始前填写情绪性特质量表,实验结束后被要求当场完成积极拖延量表。(2)第二阶段实验以参加电子沙盘实训的68名企业家为被试展开实验,被试被随机分为10组,每组5-6人,分别采用强制要求和一般引导两种方式进行积极拖延的情景控制。其中5组被试被要求组内成员在开始各个模块操作前必须通过交流合作以尽可能充分利用团队资源,实验教师将各个季度运营时间的前五分之一时段屏蔽,被试只能在余下时间内展开操作;另外5组被试只是对组内合作提出建议,但并未做出强制性要求,且能够在整个时间段独立安排各自的实验操作。每位参与者在实验开始前填写情绪性特质量表,实验结束后要求当场完成积极拖延量表。个体创新绩效则根据系统生成的财务指标加权得到。(3)第三阶段实验以参加电子沙盘实训的102名企业家或高管为被试展开实验,被试被随机分为10组,每组9-11人,要求组内成员在开始各个模块操作前必须通过交流合作以尽可能充分利用团队资源,实验教师将各个季度运营时间的前五分之一时段屏蔽,被试只能在余下时间内展开操作。在完成连续3年的电子沙盘操作后,每位参与者需要当场完成积极拖延量表、情绪性特质量表以及情感网络和咨询网络测量题项,个体创新绩效则根据系统生成的财务指标加权得到。
2.2变量测量积极拖延量表借鉴Choi和Moran[26]、倪士光等[27]、VanEerde[28]等学者的观点,从压力偏好、结果满意、主动决定拖延和按时完成任务的能力四个方面设计8个正式题项,如:我习惯先计划再行动;当我感到时间压力时会更好的投入工作;在行动前,我确信有能力先做些别的事情。社会网络量表借鉴Krackhardt[18]和罗家德[15]的研究成果,情感网络结构题项如:你的自由支配时间里,你和哪些同学常有社交活动;咨询网络结构题项如:在学习中碰到困难和问题时会向谁请教?问卷上罗列团队中所有成员的名单,被试只需根据题项选择自己以外的成员。本次实验中,咨询网络为有向网络,情感网络为对称网络。情绪性特质采用钱铭怡等学者[29]修订的艾森克人格问卷简式量表中国版(EPQ-RSC)。以上量表从1(完全不符合)到5(完全符合)以5分制评定计分。个体创新绩效借鉴吴晓波[30]的研究成果,对被试在实训中通过产品创新、技术创新和渠道创新所获得的创新财务绩效进行衡量,将公司的利润率、投资回报率、公司总成本、品牌知名度进行排名,经过加权评分和聚类分析后,由低到高从1到7赋值。此外,由于实验中自变量和控制变量的数据均由个体自评获得,为了避免社会赞许性偏差,借助马洛-克罗恩社会赞许性量表设置了三个社会赞许性问题[31],如:有时你喜欢讲别人的闲话(反向计分)、你从来不会想让别人代你受过、当你犯了错误时,你总是勇于承认失误,要求被试在“是”或“否”中选择,若题目中答“是”(反向计分题为“否”)的有两个及以上,则认为该问卷存在严重赞许性倾向,按废卷处理。
3研究结果
3.1量表的信度和效度检验第一阶段实验结束后,所有问卷在实验现场及时回收,保证问卷的回收率和真实性。对收集到的问卷数据进行探索性(EFA)和验证性因子(CFA)分析以检验量表效度。借助SPSS软件对所有测量条目进行探索性因子分析,KMO值为0.736,Bartlett球形检验值为3011.432,P<0.001,说明样本适合做因子分析。正交旋转析出的二个因子,各因子载荷均大于0.67,未出现交叉载荷题项,二个因子累计方差解释率达到65.63%,分别对应积极拖延、情绪性,表明测量问卷具有初步研究效度。积极拖延、情绪性量表的Cronbach’sα系数分别为0.802、0.875,均大于最低标准值0.7,因而量表所测变量具有较好的信度。运用LISREL软件对问卷中所有题项进行验证性因子分析(CFA),二因子模型验证性因子分析主要拟合指数为,Chi-Square=382.78,X2/df=2.316,RMSEA=0.102,CFI=0.925,IFI=0.957,NFI=0.939,GFI=0.918,IFI=0.926,RMR=0.038。根据拟合优度指数判断,测量量表具有较好的结构效度。积极拖延、情绪性量表的潜在变量的组合信度(CR)分别为0.781、0.828,大于0.7这一临界值;二个变量的平均变异抽取量(AVE)分别为0.668、0.732,大于0.5这一临界值,且二个变量的AVE大于两个因子间的相关系数的平方,因而所有问卷均具有较好的收敛效度和区别效度[32]。Harman单因子检验结果表明未出现主导的单因子,说明共同方法变异并不严重,加之对数据进行了中心化处理,能够有效避免同源偏差。
3.2独立样本的t检验和协方差分析对第二阶段收集的数据展开独立样本t检验,以确定团队模式下合适的积极拖延实验方案。结果显示:强制要求和一般引导两种实验方案下团队成员的情绪性特质不存在显著差异(t值=0.718,p>0.01),但积极拖延自评数据存在显著差异(t值=2.936,p<0.01)。说明通过强制要求的方式进行实验操纵更容易引导团队成员实施积极拖延,这一结论为第三阶段实验中的情景变量设计提供了依据。另外,将积极拖延作为自变量,将控制变量(性别和情绪性)作为协变量加入模型,来共同分析对因变量(个体创新绩效)的影响。结果表明积极拖延和情绪性均对个体创新绩效产生显著影响,说明实验设计中的控制变量和自变量的选择能够满足研究要求。
3.3假设检验及层次回归分析在第三阶段采用个体社会网络中心性问卷来测度团队成员情感网络和咨询网络的位置特征,调查问卷为半开放式,且测量题项只有两项,因而可以直接计算,无需进行信度和效度检验[18]。将问卷获得的数据以二进制邻接矩阵的形式录入UCINET,计算个体在社会网络中的情感网络程度中心性、情感网络中介中心性、咨询网络程度中心性和咨询网络中介中心性4个指标,数值越大,则说明个体在网络中的中心性程度越高。在此基础上展开描述性统计分析和层次回归分析,Pearson相关系数如表1所示。情感网络程度中心性和咨询网络程度中心性与积极拖延正相关,而情感网络中介中心性和咨询网络中介中心性与积极拖延的关系并不显著,说明与情感和信息的交流渠道相比,资源和情绪的实际掌控能力是积极拖延的直接决定因素,情感网络程度中心性和咨询网络程度中心性高的个体更容易发生积极拖延行为。情绪性与个体社会网络结构特性以及个体创新绩效的关系均呈现显著负相关,说明神经质特征明显的个体既不容易被社会网络接纳,也不容易在创新活动中取得较大成功;情感网络中心性与咨询网络中心性高度相关,说明情感网络中心性高的个体,也容易成为咨询网络的中心,情感网络的建立可能会影响咨询网络和情报网络的形成。积极拖延对个体创新绩效的正相关性较为显著,H1得到初步证实。情感网络程度中心性和咨询网络程度中心性虽与个体创新绩效正相关,但并不显著,说明信息、知识和情感的控制权集中有可能产生认知趋同和感情依赖,对创新信息的敏感度下降,弱化了资源的创新潜力,这也验证了Rost[34]提出的社会资本与知识创造呈倒U型结构的观点;相比之下,情感网络中介中心性和咨询网络中介中心性与个体创新绩效正相关关系较为显著,意味着信息、知识和情感的碰撞是激发创意的必要条件;信息、知识的交互能够提升个体创新技能,而情绪的良性互动和情绪感染过程直接决定创新的情绪氛围,正是由于信息、知识和情感的多次互动能够营造良好的创新氛围,因而能够有效提升个体创新绩效。H2a和H3a未能得到验证,H2b和H3b初步得到证实。
利用第三阶段数据重新进行信度分析,发现各个量表的Cronbach’sα系数均大于0.70,证明量表具有较好的再测信度。在此基础上进行验证性分析,考察情感网络中心性、咨询网络中心性、积极拖延与个体创新绩效之间的相互影响。表2中的数据均进行了中心化处理,以避免共线性问题。层次分析发现,积极拖延与个体创新绩效正相关,H1再次得到证实;情感网络中介中心性(β=0.293,p<0.05)与个体创新绩效正相关,咨询网络中介中心性(β=0.341,p<0.05)与个体创新绩效正相关,H2b和H3b通过验证;情感网络程度中心性以及咨询网络程度中心性与个体创新绩效相关性并不显著,H2a和H3a通过验证。模型4中,将情感网络中介中心性的平方项与积极拖延相乘后作为一个新的自变量对个体创新绩效进行回归,分析结果表明,情感网络中介中心性的平方项与个体创新绩效之间存在着显著的负相关关系(β=-0.371,p<0.05),情感网络程度中心性的平方项与个体创新绩效之间存在着显著的负相关关系(β=-0.231,p<0.05),说明情感网络中介中心性和程度中心性会对积极拖延与个体创新绩效之间的正相关关系产生显著的倒U型调节作用。同理,模型5咨询网络程度中心性(β=-0.292,p<0.05)也会对积极拖延与个体创新绩效之间的正相关关系产生显著的倒U型调节作用,咨询网络中介中心性(β=0.117,p<0.05)对积极拖延与个体创新绩效之间的正相关关系产生一定的U型调节作用,但未能通过显著性检验,这与假设中提出的倒U型调节作用存在差异。上述结论在模型6中亦能得到一致性检验。因此,H4a和H5a通过检验,H4b未能获得验证。
4研究结论与启示
2.提供深入了解目标职业的生涯人物访谈对象。对于做好了职业生涯规划的大学生来说,求职前一定有自己较为清晰的目标职业,但此时也仅仅是理想中的职业,面对诸如对职业知识、技能、任务、机器、工具和设备等职业的具体要求等问题时还没有清晰的答案。通过面对面地与自己有着相近经历、学历背景等相似性较高的生涯人物访谈,大学生可以快捷、准确地获取相关职业的横向信息,避免了准备的盲目性及对目标职业的刻板印象。
3.提供目标职业的相关信息。目标行业的核心因素如准入条件、核心知识结构、必备的能力结构、职业发展途径等,对大学生顺利就业有很大的帮助。通过就业社会网络资源,即通过行业、职业、岗位,业内领导、员工等多种途径获取的多种信息,分析综合后可以更充分地了解目标职业的全面信息,以便于大学生提前确立工作目标,更好地做好入职后的生涯规划。
4.提供见习、实习等社会实践机会。“大学生参加社会实践活动,既促进了先进生产力的发展,又帮助和引导大学生按先进生产力发展要求成长成才;既传播了先进文化,又帮助和引导大学生接受先进文化的哺育;既服务了人民群众的根本利益,又服务了大学生的全面发展[2]。”“绝知此事要躬行”,见习与实习可以为大学生提供真实的职场历练机会,帮他们获得最真实的工作经验和职业体验。就业社会网络资源可有效避免一般单位因多种原因无法为大学生提供对口见习与实习机会的尴尬,为大学生职前锻炼提供充分的见习和实习机会,让他们更有机会了解自我、给自身合理定位,进而也增加了大学生的工作经验,入职后更能发挥出优势。
5.提供单位招聘的信息。一般来说,单位公开的招聘信息尽人皆知,这些工作职位面向众多求职者,因此投递简历、面试、接受背景调查、实习、转岗等系列过程是每个最终获取相应职位的求职者必走的程序,其间所花费的时间、承担的风险自不必说,其效果也是可想而知的。如果大学生善于利用就业社会网络资源,则有更多接受单位隐性职位应聘的机会。
6.提供重点向单位推荐的机会。大学生就业社会网络资源可以为大学生就业营造一个相对安全的就业信息环境,同时他们在圈内掌握的信息也一定是行业内最前沿、最精准的,加之业内人士推荐的员工更容易获得用人单位的信任和青睐。若大学生能很好地利用就业社会网络资源推荐的求职信息,积极主动地表现出自己的综合实力,则可更为快捷地获得更优的工作机会。
7.提供就业岗位。大学生如果能从新生入校起就不断地开发和利用就业社会网络资源,积极主动地与他们定期沟通,有规划、有目的地参与资源内单位见习、实习,就会获得他们对自身进行专业方向和职业目标定位有效引导,更会较早完成由校园到社会的过渡,因认同企业价值观而与企业发展同步,满足用人单位对人才的要求。这样一来,在大学生进行正式求职时,已和社会网络资源内的用人单位“熟悉”了,双方自然会省去招聘、应聘、面试、笔试等诸多海选程序,而直接为大学生提供相应的就业岗位。总之,如果大学生从新生入学时就有步骤地开发自己的就业社会网络资源,那么在大学期间及毕业以后,就会有更多的来自社会不同领域和组织的社会关系资源共同构筑成大学生就业社会人脉网络资源,为大学生提供全方位、多角度的职业发展支持。这对大学生职业目标的建立、职业准备必备清单的获得,见习、实习机会的取得,以及岗位推荐和顺利就业都是非常重要的。
二、大学生就业社会网络资源的开发与利用
Kristen.W.Gustafson在《Graduate!》一书中谈论找工作的途径时说:“你从来不知道飞机上坐在你身边的人或者你叔叔的一位朋友可能知道你梦寐以求的公司正在招聘一个职位,要集众人智慧。”[3]大学生科学合理地开发和利用就业社会网络资源,可以更好地提升求职成功率及就业质量,增强就业稳定性,充分实施“就业自救”。
因此可以推测,“点赞”依然是青年群体最为活跃的网络行为之一。不过,需要指出的是,“点赞”虽然成了青年线上交往的新方式,但同时也潜伏着相应的矛盾与危机。在复杂的社会结构和文化跃迁的共同作用下“,点赞”这一行为所要实现的功能已经完全超出了社会化媒体预先设计的框架—它不仅表现出赞同和支持的意涵,而且也带有多种流变性的社会意义。“点赞党”这一青年族群的出现,更是引起一场关于当代青年文化和青年线上交往形式的大讨论。这场讨论源于台湾导演吴念真2013年拍摄的微电影《新年头,老日子》。在影片中,女儿通过社会化媒体抱怨了父母之间的争吵,但她却收到了30多个“赞”。家庭冲突在互联网上的传播反而赢得“点赞”,这一情节引来了网友们的感慨。同时,“点赞党”还创造了自己的“入党誓词”:“不评论,专点赞……该赞的赞,不该赞的也赞”。“点赞党你的节操呢”也迅速成为热门的网络话题,网友分成“点赞只是说明已阅”和“点赞党滚出社交圈”两派进行争论。对点“赞”的讨论在2014年持续升温,光明网转载了《“点赞党”出没,你的身边有没有》一文,各大地方媒体也对“点赞党”进行了较为全面的报道,并呼吁青年网民要理性地使用“点赞”的功能。基于上述的分析与争论,我们不难发现,“点赞”既能够通过便捷的意义传输形式赋予青年网民更多的话语权,又可以给他们创造巨大的主体性展示空间。不过,“点赞”绝非简单的表达赞同,一方面它被青年群体灌注了丰富的情感要素,蕴含了多样态的社会意义;另一方面,“点赞”行为在社会化媒体的构架中也有着更为复杂的社会功能。因此,要充分认识青年的“点赞”现象,就必须对其进行类型学的概括与分析,以厘清它的动力机制并在学理层面上提出反思。
二、“点赞”的特征分析
“点赞”话题所引致的争论也让网民自发地将这一青年网络族群划分成了已阅点赞族、维护关系族、真心赞赏族和跟风抱团族等不同的类型。虽然这些类型的划分较为粗略,但也基本涵纳了“点赞”行为的几个重要的功能性特征,即表意性、参与性与情感性。
1.表意性:意见表达的直接性,它是“点赞”的本质属性
由于社会化媒体需要赋予网民更多的主动权并鼓励他们自由地进行信息的传播与分享,因此“赞”被设置成了一键或一点操作(lazyclick)的快捷按键。青年网民可以通过“点赞”传递自身对某一事件或事物的观感,从而简便、高速地实现意见的反馈和聚合。
2.参与性:互动双方的交互性联系,具有强关系和弱关系两种参与
较之在WEB1.0时代的以超链接建立起来的以内容为主的“圈子”而言,基于WEB2.0的社会化媒体更加注重主体的参与性。而“点赞”无论是表达关注、同意抑或是其他的含义,都能使双方参与其中。参与性同时又可以分为弱关系参与和强关系参与,这种强弱之分依据的是互动双方的熟识度和情绪的涉入程度。弱关系中的“点赞”只表示一方已接收到信息但没有更进一步的评论。而在强关系参与中,互动双方则具有相应的义务和责任,“点赞”也蜕变成了熟人社会中人际关系的一种复刻。中国文化向来强调熟人间的强关系参与,即“一切相与之人,随其相与之深浅久暂,而莫不自然有其情分。因情而有义,莫不自然互有因尽之义”,参与也就代表了自己对他人的支持性义务。不过值得注意的是,“点赞”的强关系参与不同于以文字作为载体的对话,它更类似于现实互动过程中的聆听、点头或微笑。因为互联网的超时空性很难将现实生活中无声和无文字的互动进行有效的展现,“点赞”则很恰当地充当了这一情景中的意义工具。
3.情感性:情绪的符号化表达,具有正向情感和负面情感两种类型
正向情感是“伦理关系”的自然延伸,其代表了深沉的责任和道义,因此,“点赞”在以强关系为主的互动中也就映射了支持和赞同的情感表现。在现实的社会交往中,当我们无法以语言的形式来传递这类情感时,通常会利用肢体动作来进行辅的表达,“点赞”就是这种脱离语言的正向情感在互联网上的替代形式。与此相较,负面情感的表达则更为复杂,它并不是心理学概念所界定的负面情绪,而是带有调侃和戏谑的社会化含义,并反映了青年人“恶搞”的亚文化。如在微信“朋友圈”中,青年群体倾向于互相为对方的“糗事”“吐槽”或“点赞”,在这种“嘲弄”的背后蕴藏着的则是无奈的自我解嘲。所以,负向情绪的“点赞”是对他人经历的恶搞,“以戏谑的方式打破了经典和权威的硬壳”,有意识地将痛苦转换为“乐子”,其实质是青年群体宣泄压力的另类途径。
三、“点赞”的功能探索
1.“点赞”可以为处于网络化时代的青年积累社会资本
社会化媒体中最为重要的资源是人际互联,一条信息的接力必须依靠人际间的传播才能实现其价值。所以,“点赞”使得青年网民能够更加快速地参与到他人的生活或事件的讨论之中。一方面,“点赞”是自我的表态,它宣告了自己的立场和归属的意见群体;另一方面,通过“点赞”也能够为自己赢得更多的点击或关注,从而相应地扩大了交流的范围。以上两点都有助于互动的维持和深入。诚如前文所述,网络社会中所强调的互动依然是现实生活中人际往来的延续,只不过在互联网中,我们面对的是一个熟人圈子和生人社群同步叠加的复合形态而已。所以,以互动为主的“点赞”依然是以积累社会资本为指向的。借用布迪厄的观点,我们不妨将人际网络视为社会资本的基本组成,而把“点赞”看作是构建这些网络的“制度化仪式”,因此“为了生产和再生产那种能保证物质利润或象征利润的持久、有用的关系,这些仪式总是必需的”。
2.“点赞”能够颠覆权威叙事,为青年重塑话语权
社会化媒体的一个核心理念是赋予每一个主体创造和传播内容的能力。这种创造内容的权力在社会化媒体普及之前,一直被纸媒、电视和门户网站等垄断。传统媒体通过科层制的组织化方式,将信息按照某种固定的格式重整后发送给受众,他们在获取信息的同时并不能进行公开的情感展示与意见表达,因此叙事带有十分强烈的权威性指向。在社会化媒体普及后,评论和“点赞”成为网民的“投票”工具,从而令网民可以决定一条信息能否转化为权威来缘。更为重要的是,“点赞”在某些情境中还能够起到破坏社会语境的作用,进而完全颠覆权威的叙事格局。比如新浪微博某大V用户在宣告自己罹患重症的消息后却收到数万个“赞”。其实,我们未尝不可将其看作是网民自发地去破坏“权威与庶民”之间互动的秩序,重塑自我在网络社会中的话语权。所以,具有颠覆的“点赞”是“在社会生活的局部实践中引入混乱,造成局部失范”的破坏性实验,它既让青年网民宣泄了自身的不满情绪,也使他们获得了抵抗权威话语的。
3.表达虚拟的同感为青年网民提供心理上的支持
表达虚拟的同感(virtualempathy)既是“赞”这一功能按键最为原初的设计诉求,也是当前“点赞”最为主流的意义呈现。同感是指理解或分享他人情感状态并给予正向回应的能力,是主体间发生移情和互动的感性基础;虚拟同感则是指通过互联网为媒介产生的情感互动的状态与过程。在传统社会中,由于时空是嵌套在一起的,所以同感大部分发生在面对面的场域之中。而随着网络技术的不断更新,以互联网为主要形式的“虚化空间”拆分了空间(space)与地点(place),使得原本被远距关系所限制的互动成为可能,人们原本基于在地性的同感也随之发生了“虚化”。因此,通过“点赞”来表达虚拟的同感对互动的双方有着十分显著的社会意义,尤其是对需要获得自我同一性的青年群体而言,“点赞”所形成的虚拟同感显得更加必要。因为“点赞”一方面能提供社会支持,让信息者接收到远距离的陪伴感,另一方面“点赞”也可以展现自我观点,使自身在参与话题并进行表态时获得足够的自我认同感与效能感。
四、“点赞”现象的原因分析
总的来看,“点赞”得以流行的根本原因在于现代网络技术的革新。尤其是移动的智能触屏终端和社会化媒体的联合作用,从根本上重塑了青年网民的互动方式。但我们还需要更为细致地去理解“点赞”现象流行的成因,笔者将其划分为社会背景、文化动因和心理成因这三个层级进行分析。
1.网络技术形塑了青年网民个体化的聚合方式,它是“点赞”得以流行的社会结构背景
个体化是指个体摆脱国家和集体的控制并作为独立的行动单元来承担社会责任的过程。个体化的聚合方式则指的是社会成员不再以责任和义务形成互动的联接,而是通过暂时兴趣和话题进行流动式的关联。网络技术的发展持续地推动着青年的个体化聚合方式,因为互联网实现了社会系统的脱域(disembeding),由此而形成的网络社会是一个主体与电脑互动、“一人一机”的个体化的社会。在这一情况下,青年网民群体的聚合方式也从“行军纵队”(marchingcolumns)的模式向“蜂群”(swarms)模式发生了转型,而蜂群模式的特点就在于他们虽然能用同步的方式前进,但任何一个成员却都不用对共同的利益有所承担。不难发现,由网络技术的更新所形成的个体化聚合形式具有价值多元化、互联化和匿名化的特点,这些特征都是“点赞”能够流行的充分条件。价值多元的社会氛围为青年表达自身看法提供了合法性空间;互联化则让个体之间可以通过趣缘聚合起来而成为短暂的共同体,使得“点赞”获得了一定的人口学基础;而匿名化则使网络身份与现实身份相剥离,它降低了青年网民破坏常规的社会成本,进而促使了他们通过“点赞”的“破坏性试验”去颠覆权威话语的可能性。
2.微文化形成了青年网民交流方式的极简化,它是“点赞”流行的深层文化动因
微文化是互联网文化的一个新变体,它反映了网络对话或交流日趋简单化和快速化的趋势。尤其是在twitter和微博兴起之后,网民创造信息变得越发容易,每一个成员都可以将私人的生活进行公开的展示,碎裂化、去主体化和叙事小型化的网络交流成为常态。而且当前的信息呈现出高速流动和爆炸增长的态势,智能移动互联终端也越发普及。这些都使得青年网民能够更为及时、快速地获取新资讯,由此便导致了网络微文化的生成。微文化令青年网民必须寻找一种更为省时、有效、简便的信息处理模式,因此,“点赞”在互动过程中就极为简便地表达了“到此一游”或“已阅”的意义。值得一提的是,我们一方面不能简单地将“点赞”的盛行视为青年网络互动的“麦当劳化”(McDonaldization)—以效率为先,追求可控性的交流方式,因为由微文化引起的“点赞”在本质上还是为了有效提高互动的频率;但另一方面,微文化又让“点赞”逐渐偏离了社会化媒体最为关键的“创作”和“对话”环节,从而使青年网民对“赞”产生过度的依赖,并挤压了双方的实质性对话。
3.青年网民自我认同的重心也发生了转移,它是“点赞”流行的心理学成因
在个体化和微文化的共同作用下,青年网民对于自我理解和自我认识方式也产生了变化。现代社会日益强烈的流动性加速了时空体系的分裂,进而让青年人习惯于通过互联网来搭建人际关系,这一行为又反过来形塑了该群体另类的自我认同。社会认同的实质是社会性自我的拓展,或者说社会认同来自于他者与自我间的对话。社会化媒体的发展驱使了青年群体与他人的对话逐渐从“言谈”(conversation)的形式过渡到了“联接”(connection)的形式,从而令他们将自我认同的动力源放置到了能够为其提供大量快速回应的互联网符号之上,“赞”也正是这类符号之一。细致地讲,言谈是面对面的交谈,它要求我们必须在时空一体的环境中展开小范围的对话;而联接则是以互联网作为中介的互动,它提供了在时空分离的情况下与更加广域的主体进行交流的全新模式。无疑,联接式的交往更能为处在流动和开放社会中的青年提供多样、迅捷和广泛互动的可能,“点赞”这种日趋无声化和无语言的联系方式显然是与之相互契合的,进而它也推动了青年群体更倾向于利用互联网从其他网民所给予的符号中获取自我认同与肯定的现象。
五、结论与讨论
从学理上看,“点赞”实质上折射了青年互动方式的变革,这来源于我国从乡土社会向网络社会的转型过程中所引发的信息交流方式的更新。在传统情境中,我们主要通过“用嘴说”、“用眼看”和“用耳听”来产生交集与互动,而在互联网上,“用手点”则演变成了信息交流的重要组成部分。而且“点赞”也反映了网络社会内部的进阶式发展—由“读”、“写”向“点”三个阶段的依次位移。在互联网发展的早期,信息源较为单一,网民处在受众的位置,因此其仍是一种“以读为主”的格局;随着社会化媒体的出场,自我写作成了互联网的主要形式,此时的网络特点也就变成了“我写你看”;而当前信息逐渐趋向碎化和内爆,目不暇接的内容使深度的互动和参与越发困难,“你写我点”也就成了最为有效的信息处理方式。不过,“点赞”本身也蕴含着不可化约的社会风险。主要体现在意义的压缩和被商业资本收编这两个方面:其一,“赞”是脱离了文字并被设计为表达赞同与喜爱的网络符码,但由于缺少更为丰富的信息补充以及相应的对话环境,容易造成“点赞”的意义趋于模糊。尤其是当前的青年群体对于信息的解读带有极为强烈的后现代特征,倾向于把信息作去中心化、去主体化和碎片化的颠覆性处理,这就使得“点赞”这种单一的功能性按键难以在虚拟空间中完整地表达主体间丰富、多元的互动意义。更为严重的是,对于“点赞”的过度依赖更有可能减少互联网上有意义的对话,令“点赞”沦为一种“无意义的在场”。从批判社会学的立场来讲,“点赞”对双方对话的化约还可能让青年网民无法获得足够的社会性自我(socialself)的成长空间,进而丧失自我反省的能力。社会化媒体虽然通过“赞”的功能拓展了网络时代的人际互动,但如果简单地以“点赞”来取代对话,那么就会造成本雅明语境中“气韵枯萎”(shrivelingoftheaura)的情况,即一种仿制现实交流的形式对真实对话的代替,它极大程度地削弱青年网民在互联网之外的现实世界的社会关联。其二,“点赞”还存在着一种被商业资本收编的可能性。“点赞”具有的信息聚合性和成员间的交互性,致使青年网民经营起来的“圈子”面临着消费市场的殖民。商业资本将口碑的打造和形象的宣传植入到了新媒体之中,以积满“赞”的数量换取相应的奖励,这种“集赞”的方式使得社会化媒体成了新的营销平台。早在20世纪90年代,卡斯特就曾直言互联网已成为市场逐利的下一个目标。对于资本而言,“信息参与者越是多样,网络上临界的群众数量便越大,价值也就越高”。虽然大众传媒被市场利用的现象不是社会化媒体所独有的,但是在新媒体传播机制的放大下,市场所利用的不再是单个的网民,而是以个体为中心、通过“点赞”的扩散效应,整体地吸纳了网民的社会资本。
(二)模型构建本文具体考察社会网络及结构对中小企业信贷能力和信贷成本的影响。考虑到部分企业的借贷额、借贷成本和失信次数为零,我们利用Tobit模型来研究社会网络对中小企业融资的影响。实证模型如。其中,Y为因变量,主要包括中小企业的“信贷总额”“银行信贷额”“民间借贷额”“融资成本”和“守信次数”。“守信次数”主要用来检验社会网络对中小企业融资的约束能力和强度;解释变量Xi包括社会网络的规模、质量和弹性三大变量,或者是两类结构变量当中的四个变量。αi为社会网络系数,表示社会网络对因变量的影响程度,这是我们关注的重点;变量Zi主要包括中小企业主的家庭财富和守信次数;βi是家庭财富或信用水平的弹性;ε为随机项。由于被调查人员在年龄、地域和受教育程度等方面差别不大,且只有极少几名女性,我们没有像杨汝岱等(2011)[9],Li等(2011)[12],钟春平等(2010)和金烨、李宏彬(2009)那样考虑户主的年龄、性别和受教育程度等特征。
二、社会网络与中小企业融资之间的统计描述
(一)我们给出了社会网络的规模、质量和弹性与融资间的描述性统计表1的第一、二行分别用电话联系人总量、年均通话量和危机期网络成员来电量分别表示社会网络的规模、质量和弹性,并进一步按数量高低分为三个类别,表示三类社会网络层次不同的中小企业主。数量越大,中小企业主的社会网络层次越高,规模、质量和弹性越大。表中其余数据则表示具有不同社会网络的中小企业主的平均融资量。由表可知:(1)中小企业主的网络规模越大、网络质量越高、网络的弹性越强,其各种融资量也会越高,说明社会网络能够有效影响中小企业的融资。(2)中小企业主的网络层次低于某个数值时,其民间融资量大于银行信贷;高于该值时,银行信贷会多于民间融资量,表明银行信贷比民间金融对社会网络的依赖程度更高。(3)社会网络的质量和弹性比社会网络规模对企业融资的作用更大。
(二)表2给出了中小企业主的社会网络的职业结构与五种主要融资模式之间的描述性统计数据分别表示不同融资模式下中小企业主的社会网络拥有的各类型网络成员的平均人数。由表2可知,相比于通过其他渠道融通资金的中小企业主,获得银行信贷的中小企业主的社会网络中各类型的成员都要更多,尤其是政府官员和银行信贷主管成员的平均数量要多得多。而通过民间借贷和股权融资的中小企业主的社会网络当中的各类成员又要远远多于通过内源融资渠道实现融资的中小企业主的社会网络成员。表明中小企业的社会网络的构成能够有效影响其融资模式。
(三)表3给出了银行融资和民间融资中社会网络规模、质量和弹性的描述性统计关系由表3可知,获得银行信贷的中小企业主的三项指标都要高于通过民间融资的被调查人的三个指标(均为年均量),表明银行融资对社会网络的要求更高,相比于民间融资,银行融资更加依赖于融资者的社会关系。(四)表4给出了中小企业主的不同类型的社会网络成员在银行融资和民间融资中的重要性主要用在银行融资和民间融资中通过这四种成员获得融资的次数和金额在融资总次数和融资总额中所占的比重(其中,只要是在五服之内的人员均划分为亲戚;交易伙伴则只包含纯交易关系而无其他日常往来的人员;既有朋友关系又存在交易关系的人员划入交易伙伴之列;其他人员,包括政府部门或组织等都划入其他成员)来描述。民间融资则包括所有非正规渠道融资,如私人借贷。由表4可知:(1)在银行融资和民间融资中,朋友是最重要的,通过朋友融资的金额比重和次数比重分别高达57.7%和36.9%。如果考虑划入其他类型中的数量,比重会进一步加大。(2)交易伙伴是重要的融资来源。根据调查,来自交易伙伴的大部分融资都是以商业信贷的形式实现。(3)亲戚在融资中的作用似乎并不如通常所想的那么大。通常,在人们的眼中,亲戚是最重要的社会网络成员,在融资过程当中应占据重要地位。但调查表明,亲戚只在股权融资中占据主要地位,在其他融资中的作用相对有限。考虑到调查区域比较明显的宗族氛围和亲戚的范围,我们的检验可能低估了这一变量的作用。
三、实证检验
(一)社会网络与融资额的关系检验1.网络总量指标的影响表5的第一部分给出了社会网络指标、财富量和守信次数与中小企业融资额度(包括银行融资额和民间融资额)之间的关系检验结果。由表可知,中小企业的借贷总额与社会网络的三项指标、家庭财富量和守信次数都呈正向关系,说明社会网络能够有效地影响中小企业的融资水平,并且社会网络的质量和弹性对中小企业融资的影响要大于社会网络的规模的影响。从两种融资形式来看,社会网络质量和弹性对银行融资的影响更大,而其他相关指标对民间融资的影响更大。表明银行融资对社会网络质量和弹性的依赖性更大,而民间融资更加依赖于社会网络的规模、家庭的财富量和中小企业的信用水平。2.网络职业结构的影响表5的第二部分给出了社会网络的职业结构对银行信贷和民间金融的影响情况。由表可知,各变量都与中小企业的融资呈正向关系,表明各变量,尤其是社会网络能够有效地影响中小企业的融资。其中,除了社会网络当中的银行职员数对银行信贷的影响要大于对民间融资的影响之外,其他各变量对民间融资的影响均要大于对银行信贷的影响。从银行融资来看,政府职员和银行职员的影响程度基本相当,其他两类成员则影响极其有限;从民间融资来看,政府职员数的影响最大,其次是企业高管数的影响较大,剩余两类关系人的影响较小。3.网络亲疏结构的影响表5的第三部分给出了社会网络的关系结构对中小企业融资的影响。结果表明,无论是对哪一种融资类型,朋友的影响都是最高的,亲戚的影响次之,其他两类影响较小。而各变量对民间融资的影响也都要远远大于对银行信贷融资的影响程度。表5的三个检验还说明,无论是在借贷总额、民间融资还是银行融资中,中小企业主的个人财富量都具有极其重要的影响,特别是在民间融资当中,该变量的影响总是最大的。我们认为,主要原因在于,中小企业主的个人财富越大,其可能拥有的抵押品价值越大,偿债能力越强,其借贷风险则会更小,因此,中小企业融资也就越容易,融资量也会越高。另外,企业主的守信次数或者说信用水平对民间融资的影响极大,对银行信贷融资的影响则极小,而社会网络对银行信贷的影响比对民间融资的影响更大,则好像与想象的情况有所出入。通常观点是,银行对借款人的信用水平应该更为关注,民间借贷则更为关注双边私人关系。我们认为,主要原因在于银行信贷大多以抵押信贷为主,其风险主要是市场风险而非借款人的信用风险,使得借款人的社会关系而非信用水平成为获得银行信贷的关键。而民间融资主要以信用贷款为主,贷款人更加关注借款人的信用水平及其还款能力而非双边关系。
(二)社会网络与融资成本的关系检验1.总体描述表6给出了社会网络总量指标、社会网络职业结构指标和社会网络关系亲疏结构指标对中小企业借贷成本的影响。由表可知,除中小企业主的个人家庭财富之外,其他解释变量都与因变量成负相关关系,这与通常的观点基本一致。即社会网络关系越密切,企业的信用水平越高,则融资成本越低。但企业主的个人财富量为什么会同企业融资成本呈反相关关系则比较令人难以理解。我们猜测,可能是中小企业主的个人财富量越大,其对融资成本的容忍度和承担能力也会越高,因此愿意付出的交易成本也会越大(调查未发现借款利率随个人财富上升具有上升的态势)。事实上,调查表明,个人财富越多的中小企业主,其用于请客送礼的资金就会越多,有时甚至远高于借贷的利息成本。检验表明,在三种状况之下,社会网络对中小企业融资的影响都没有发生质的变化,表明模型具有较高的稳定性。2.总借贷成本表6的第2列给出了变量对中小企业总借贷成本的影响检验结果。从网络总量指标来看,社会网络弹性的影响最大,其后依次是社会网络的质量、网络规模;从社会网络的职业结构的影响来看,其影响由大到小依次为政府职员、企业高管、银行职员和一般成员。从网络的关系亲疏结构来看,影响由大到小依次为朋友、亲戚、交易伙伴和一般成员。不过,家庭财富和信用水平同样是影响借贷成本的重要因素,特别是个人财富的影响极大。3.银行融资成本表6的第3列给出了各变量对中小企业银行融资成本的影响的检验结果。从网络总量指标来看,各变量的影响由大到小依次是社会网络的质量、家庭财富、网络弹性和网络规模;从社会网络的职业结构的影响来看,影响程度由大到小依次为银行职员、政府职员、家庭财富、企业高管和一般成员。以上两种情况中,企业的守信次数对于企业融资成本几乎都不具有影响;从网络关系亲疏结构来看,影响由大到小依次为财富、朋友、亲戚、交易伙伴、一般成员和守信次数。其中,个人财富的影响同样最大。4.民间融资成本注:(1)括号中的数字为标准差;(2)***、**和*分别表示1%、5%和10%的显著性水平;(3)所有结果均为稳健性方差下的模型结。表6的第4列给出了各变量对中小企业银行民间融资成本的影响检验结果。从网络总量指标来看,社会网络指标变量的影响由大到小依次是网络弹性、网络质量和网络规模;从社会网络的职业结构来看,影响程度由大到小依次企业高管、银行职员、政府职员和一般成员;从网络关系亲疏结构来看,由大到小依次为朋友、亲戚、纯交易伙伴和一般成员。在民间融资当中,无论是守信次数还是家庭财富都是影响融资成本的重要变量。5.银行融资与民间融资的差异总体而言,银行对社会网络质量和弹性的依赖程度更大,而民间融资对社会网络规模的依赖更高,这与Demir&weitekamp(2007)、Fiorillo&Sabatini(2011)的研究结论基本一致。除社会网络之外,家庭的财富总量和信用水平对民间融资的影响要高于二者对银行融资的影响。朋友对银行融资和民间融资两种融资类型的成本的影响都最为显著。
二、创业者乐观调节作用
近年来创业领域中关于情绪作用的研究激增[6],相关研究发现情绪对支持创业者行动具有重要意义[7],且积极情绪能够促进事业的成功。乐观是创业者常见的积极情绪[8],对创业者行为有重要影响,对社会网络的拓展[9]和创业绩效的提升也有重要影响。乐观是一个比较稳定的情绪,是个体在总体上对未来积极或者消极的结果期待[10],并最终导致积极或消极的行为,不同的乐观程度对创业者行为有不同的影响。本研究将考察不同乐观程度的创业者在结网行为及其对创业绩效影响方面存在的差异性。参考已有学者对于乐观的定义,本文将乐观定义为创业者预期外部事物或环境之未来状态具有积极正面性,将乐观程度(OptimismDegree)定义为创业者预期外部事物或环境之未来状态的积极正面程度。根据研究需要,在此将乐观划分为三个程度即过分乐观,适度乐观,较为悲观,本研究将悲观看作是乐观的一种状态。大量的研究证明了这一观点,与悲观者相比,乐观的人将拥有更多的资源,更长久的友谊,以及在面对压力时更多的社会支持[11]。适度的乐观能够更好地联合和维系朋友的友谊,能够激发创业者的行为,产生接近和趋近倾向,积极拓展有用的技能和人际网络[12],从而比悲观的个体拥有更为发达和亲密的社会网络,而更广阔的社会网络有助于加强新创立企业同外部建立广泛的联系,疏通资源流动的渠道,进而获取资金、识别创业机会,增加获取创业资源、信息的机会及坚持创业的信念,而这与创业者的创业绩效息息相关,对于创业绩效的提高是非常有利的[13]。Carveretal.(2002)[14]通过实证研究证明乐观的人能够更好地处理压力事件是因为他们比悲观的人更会发展更广阔的支持性社会网络,更会吸引潜在的关系伙伴和有用的社会网络节点。但过分乐观的创业者则可能高估自己,忽视网络中资源的有效性,阻碍其与他人广泛而有效地交往,其结果是减少了创业者获取创业资源的能力,不利于创业绩效的提高[15]。因此,可以看出,乐观陷入某一拐点后具有向下趋势[16][17]。基于以上的考虑,本研究假设:H2:创业者乐观程度在创业者社会网络与创业绩效间起调节作用。H2a:创业者乐观程度在创业者社会网络结构与创业绩效间起调节作用。H2b:创业者乐观程度在创业者社会网络关系与创业绩效间起调节作用。基于以上分析,提出本文研究的概念模型,见图1。概念模型中,社会网络结构和社会网络关系特征影响创业绩效,而创业者乐观起调节作用。
三、实证研究
1.调研方法
本次研究采用定性与定量调研相结合的方法,首先采用深度访谈进行探索性研究,依托福建省YBC组织,并根据2011年6月18日《关于印发中小企业划型标准规定的通知》中对小型和微型企业的划分标准,选取10家小微企业创业者进行访谈。通过访谈,梳理社会网络特性、创业绩效、创业者乐观间的关系,对问卷的语义及量表的设置进行修改。正式调查前,依托福建省YBC组织的协助,面向70位创业者进行了探测性调研,通过对问卷进行信度和效度检验,删减并修正了部分问题,最终形成了正式问卷。正式样本调研采用电子问卷和纸质问卷两种方式,面向福建省、浙江省、江苏省、广东省YBC组织的创业者进行发放与填写,共发放650份问卷,回收528份,有效问卷409份,回收率81.23%,有效率77.46%。本次调研主要针对的是小微企业创业者,包括正在进行创业并准备建立小微企业的创业者,或已经参与小微企业的创立(并不要求是发起人,可以是参与者),是已成立的小微企业的所有者和管理者,样本的基本情况见表1。总体上看,样本的分布情况比较广泛,具有一定代表性。
2.问卷评价及结果
首先,用SPSS20.0软件对测量题项进行信度检验,结果如表2所示。总体来看,所有因子的Cronbach'sAlpha值均大于0.6,在可信区间内。其次,对测量问卷进行效度检验,得出社会网络四个因子KMO值为0.632,Bartlett’s球形检验拒绝了相关矩阵为单位矩阵的假设,探索性因子分析的结果显示,四个因子共解释了总变异的70.29%;同理得出,创业绩效两个因子的KMO值为0.767,两个因子共解释了总变异的78.63%;创业者乐观一个因子的KMO值为0.729,共解释了总变异的74.73%。总体来看,整份测量问卷具有较好的结构效度,适宜开展回归分析。其次,为了更好地了解问卷中创业者乐观水平,本文运用SPSS20.0进行了样本平均值和标准差的分析。从表3可以看出,调研样本创业者乐观的平均值在中等偏上,印证了以往研究中发现创业者具有较高的乐观水平的观点[15][18]。3.假设检验及结论本文采用SPSS20.0对数据进行多元层级回归分析,构建相关回归模型(见表4、表5、表6)。为了避免其他因素对分析过程的影响,研究选择教育程度、工作经验、行业经验、创业经历、创业者父母是否创业、创业者年龄作为控制变量。表4给出了控制变量对创业绩效回归的统计结果。一般认为,方差齐性检验显著值大于0.05视为不存在显著差异,符合方差分析前提条件。而方差分析显著水平若低于0.05这一显著水平,则说明控制变量将对观测变量产生显著性影响。表4显示,先前经验、父母是否创业等显著影响创业绩效水平,而创业者年龄、受教育水平变量对创业绩效的影响不大。表5给出了社会网络与创业绩效的回归分析结果,创业者社会网络规模、创业者与社会网络成员的关系强度及信任程度对创业绩效有正向影响的假设得到验证,且T值分均高于1.96(在0.05显著性水平上),说明影响显著,假设H1a、H1c、H1d得到支持。在现实生活中,也有访谈案例可以说明,重视社会网络的作用,扩大社会网络规模,与网络成员建立信任关系并经常互动加强联系能更深入地将社会网络中提供的各种创业者资源、信息加以利用,确实可以提高创业绩效。而网络异质性对创业绩效各维度有显著正向影响的假设H1b,得到部分验证,网络异质性与个人绩效相关系数为0.01,其T=1.24<1.96,可见这条路径的T值不显著。为此,笔者又带着疑问访问了一些小微企业的创业者,以究其原因。在访问的过程中,一些创业者跟我们讲述了在其创业的过程中,个人绩效方面如家庭与工作的平衡、是否能够满足家庭需要等,与其社会网络中成员的职业、受教育程度等情况没有太大的关系。基于以上实证结果可知,社会网络对创业绩效有正向影响,假设H1得证,但不完全是显著影响。表6显示了创业者乐观对于社会网络与创业绩效关系的影响。首先,社会网络结构、创业者乐观与创业绩效的回归模型的决定系数为R21=0.413,社会网络结构、创业者乐观、社会网络结构与创业者乐观的乘积项与创业绩效的回归模型的决定系数为R22=0.435,R22明显大于R21(R2变化约为2.2%),所以创业者乐观在社会网络结构与创业绩效关系中的调节作用显著,假设H2a得到验证;社会网络关系、创业者乐观、社会网络关系与创业者乐观的乘积项与创业绩效的回归模型的决定系数为R22=0.458,R22明显大于R21=0.431(R2变化约为2.5%),所以创业者乐观在社会网络结构与创业绩效关系中的调节作用显著,假设H2b得到验证,因此假设H2得到验证。同时,从表6可以看出创业者乐观负向调节着社会网络结构及社会网络关系与创业绩效的关系,因为其标准化系数(-0.101,-0.031)均为负数,说明创业者乐观在创业者社会网络与创业绩效间起负向调节作用。
二、网络与留守儿童之间的关系
现今的中国已不再是任人欺凌的弱小国家,其综合实力已不容世界上任何国家小窥的泱泱大国,这背后离不开经济实力的支撑,而这种经济的飞速的发展对外带来外国先进的计算机网络技术,对内促使社会人口格局发生变化。计算机网络技术由计算机和网络两部分组成,计算机全称电子计算机俗称电脑,能够按照程序运行,自动并高速度的处理大量数据的只能电子设备。而网络就是用物理链路将各个孤立的工作站或主机相连在一起,组成数据链路,从而达到资源共享和通信的目的。社会人口格局变化就是指中国现代经济政策的变更,外来务工人员疏于对子女的监护和教育致使“留守儿童”心理,学习和生活上存在很多问题。这样计算机网络技术和社会人口格局变化就是两个完全不相关的范畴。但是随着科技的发展,网络几乎渗透到人们日常生活中的每一个角,同时也影响了每一个人。社会发展需要依赖个人的发展,当今的个人发展就离不开计算机网络技术,每个人的发展与网络都是息息相关的。网络给知识传播和新事物的传播提供了便利,方便人们更及时正确的认识世界了解世界。但是当今的网络就是一把双刃剑,它的存不仅仅为传递正能量,正面消息带来了便利同时也方便了消极信息和因素的传播,对于消极网络问题成年人尚不能处理的十分贴切,对于好似一张白纸的儿童来讲就更难以把握了。这一时期的儿童尚不能正确的辨别是非对错,又没有父母在身边及时的引导,很容易就被网络的消极面所“吞噬”。
三、针对以上问题所采取的措施
当今的社会发展不能离开网络,而留守儿童的问题也不能再短时间内得到解决更有群体壮大的可能性,在这样一种状态下就必须调节“矛盾”双方关系,尽量寻找到可以使双方达到“共赢”的方法。笔者根据所学的社会学知识和一些相关的调研针对网络消极面对留守儿童影响的弊端提出以下三条措施。第一,留守儿童随父母到务工地去上学。孩子健康的成长离不开父母细心照料和正确的指引,但由于户籍问题大多数的务工子女都必须留在家乡接受教育。针对这一点国家可以采取宏观调控,采取一定的开放政策,让符合一定指标的留守儿童可以随着父母到他们的务工所在地去接受教育。这样就给留守儿童一个完整的家和一个相对优越的成长环境。第二,扩大教师的监管范围。在孩子的成长过程中除了父母起重要作用的就是教师,他们不但可以教授给孩子们知识还能影响其人格的发展。但是传统的教师职责一般都是负责教书,教书书本的上的知识,很少有教师能顾及到孩子的生活。但是针对留守儿童父母照料和指导的缺失,也可以由教师来弥补,虽不及父母的爱细致绵长,但至少可以保证孩子的成长不迷失方向。第三,为留守儿童组建专门的学校。针对一些父母没能力把孩子带在身边,教师能力又有限的条件下,最好是组建一种完全为留守儿童服务的学校,在这类学校里,有专门的工作人员负责孩子的生活,心理知道,知识教授,弥补孩子缺失的父母的爱。让这些孩子更好更健康的成长并同时正确的指引他们对网络的认识和运用。只有这样才能更好的发挥现代网络技术对人类发展所起的作用,