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。
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
如Krackhardt和Porter发现,“离职的员工会使留在组织中的朋友组织承诺降低”。[11]张勉(2008)等通过“采用个体网问卷调查的方式,考察了组织中朋友网络结构对于组织认同的影响”,实证“研究发现,朋友在组织中分布的部门越广泛,或者处在越高的管理层级,那么个体的组织认同感就越强,对于和朋友沟通频繁的个体来说,朋友网络地位和文化认同的正相关关系会显著增强。”5还有学者认为,“社会网络有助于传递准确的信息并形成稳定的心理契约”。社会网络的规模和强连接会对心理契约产生积极作用,尤其对于新员工,社会网络在建立心理契约上起到积极作用(KathrynL.Engel,2008)。[12]
二、社会网络对员工行为的作用研究
员工行为是组织行为学研究的重点,有学者认为,基于社会网络范式的员工行为研究将是未来管理研究的新视角(武欣等,2005)。[13]由于社会网络分析的介入,使我们对员工行为有了进一步的认识:员工的离职行为、利他行为、创新行为、道德行为以及破坏行为等都受到其社会网络的影响。Mitchell(2001)等人提出了“工作嵌入(JobEmbeddedness)”的概念,并且证实了工作嵌入相对于态度变量能更好地解释离职。6Mossholder等人(2005)认为,“网络中心性作为工作嵌入的具体表现能够降低离职可能性。”[14]王振源,戴瑞林(2011)通过文献整理后发现,个体在社会网络中的位置、社会网络的结构形态等都对离职产生影响,因此,在“考察员工主动离职时,不能仅仅关注员工的工作态度或者工作本身的因素,还应当考虑非正式工作关系的重要作用”。7员工利他行为也被称为个体组织公民行为,社会网络对个体组织公民行为有重要的影响。Bowler(2002)认为,“网络个体的结构和权威性与组织公民行为的实施呈负相关关系,与组织公民行为接受成正相关关系;第三方影响与组织公民行为呈正相关关系;正式组织的规模与组织公民行为的实施和接受都呈负相关关系。”8有学者从实证角度验证了社会网络对员工组织公民行为的影响(侯德娟,2005;张斌等,2011),相关研究表明,情感网络程度中心性对员工个体的组织公民行为有积极影响;情感网络中介中心性对组织公民行为存在负向影响。[15]不仅如此,社会网络也会促进员工创新并因此提高创新能力,黄昱方等(2013)经过实证后得出,创业团队的社会网络会影响员工的创新能力,即团队外部社会网络联系强度与创新能力负相关,团队外部社会网络结构空洞与创新能力正相关。
社会网络的构成也可能抑制不端行为的发生。有学者提出,与陌生人相比,当行动者的行为关系到与自己有强连带关系的人的时候,行动者会更容易意识到事件的道德本质,更不容易做出非道德行为。因为强连带关系的建立是缓慢递增的,时间成本会阻碍非道德行为的发生(Brass,1998)。[17]李永强等(2010)通过相关文献研究提出,关系结构、关系类型对员工非道德行为将产生重要影响。[18]除了研究社会网络对员工行为的正面作用外,也有学者从负面角度研究了社会网络对员工行为的负面影响,结果显示,社会网络中的行为与结构特征如同伴的破坏行为等对员工工作场所破坏行为有显著影响(RuolianFang,2010)
二、社会网络、知识共享与技术创新维度的划分
社会网络维度的划分:Burt于1982年提出“关系-位置”网络分析模型:结合了分析的方法和分析的对象提出了位置分析和关系分析方法。它主要研究对象是:网络成员处于网络中的关系及其强度、行动者在网络中的位置。本文也采用关系位置法将社会网络分为网络结构、关系强度两个方面。网络结构包括网络中心性、网络密度和网络的范围(尹享邑,2009;王霄云,2005)。关系强度具体包含了连接稳定性,互动频率和互惠性(Gr-naovetter,1990)。知识共享维度的划分:当前对知识共享的测量有两种常规方法,一种是倾向从知识存在形式(显性知识和隐性知识)的分享程度来衡量知识共享的水平。第二种主要是从知识的传播形式,包括知识的获取和知识的提供来衡量知识共享的程度。本文选择第二种形式,即从知识的搜索和知识的转移两个方面考虑知识共享。技术创新的维度划分:通常情况下,国外学者用专利使用数量与专利的应用情况来衡量创新绩效。如David-son&Mcfetridge(1987)以技术取得的范围、速度来衡量创新能力。Hage-doom&Cloodt(2003)用R&D投入、申请和引用专利的数量和新产品数量来衡量创新绩效。国内学者张方华(2006)从创新效率这一角度考虑,用新产品开发速度、年创新产品数、创新产品的成功率、每年申请的专利数、新产品占总销售额的比重这五个指标来衡量技术创新能力。本文从产品创新和工艺创新两个层面考虑。
三、社会网络、知识共享与技术创新的相互关系
(一)社会网络与技术创新的关系
主流方向主要从网络结构和网络关系两个方面来研究与技术创新能力的关系。从网络结构方面来看,主要从网络中心度,网络范围,网络密度来考察与技术创新能力的关系。企业如果在网络中占据的结构洞越多,则企业在整个信息网络传输中占据的地位越有利,企业能够更多的了解技术的变化,并作出相应的技术决策,所以企业在技术创新方面就会占据较大的优势。Powell(1996)认为网络中心度的高低与企业和其他团体单位合作技术开发程度、市场信息的流动速度呈正相关,最终影响到企业技术创新的效率。另外,绝大本分研究(Bauxn,Calabrese&Silverman,2000;彭新敏,2009)认为,网络范围越大,意味着获得的关系资源越丰富,企业在创新过程中能有更多的方法获得知识,形成一种创新规模效应。在网络密度方面,赵晓庆和许庆瑞(2002)认为企业能与更多的组织成员产生联系则企业的网络密度会更大,企业能够获得更多的资源,随着联结强度的增强,企业间的信任感提高,有利于彼此之间的互利,形成长期的合作关系。从以上观点分析可以看出:社会网络的中心性与企业技术创新能力成正相关关系;社会网络的范围与技术创新能力成正相关;社会网络的密度与技术创新能力成正相关。从网络关系方面来看,主要是通过研究关系强度、关系质量与技术创新的关系。一般情况下认为关系强度越强,越能加深与其他合作组织的情感和信任,因为这样可以减少其在技术创新创新过程中产生的不确定性风险。网络关系强度包括网络各个节点之间交流的时长、感情的密切程度、认识程度和互惠性,网络的关系强度和企业技术创新能力存在显著的正相关关系。彭新敏(2009)认为比较强的社会关系,有利于高质量知识和隐性知识的扩散,赵晓庆和许庆瑞(2002)比较强的社会关系是信任和互利的基础,可以规范合作伙伴行为,有利于创新活动的开展。从以上观点可以看出:社会网络关系的联结稳定性和技术创新能力存在正相关关系;社会网络关系的互动频率能够促进技术创新能力的提升;社会网络关系的互惠性性对技术创新有显著的促进作用。
(二)社会网络和知识共享的关系
主要从网络结构与网络关系两个方面来探讨二者的关系。从网络中心性方面来看,根据前文涉及的结构洞理论,在较为松散的网络结构中,容易产生较多的结构洞。网络中处于“桥”的一方能够获得更新更广泛的信息,能够促进新知识在组织内部的不断双向流动,进而能够促进网络内部的知识共享。中心性对知识共享的正向影响被很多人研究过,如Hansen(2002),Perry-Smith&Shaller(2003)等。一般认为,较高的网络中心性的个体往往在组织中有较高的权威,一定程度上可以支配其他的员工,促使他愿意知识共享。由于中心性较高的个人或团体具有核心的地位,其他成员或组织对其知识能否共享的期望也很大,中心性较高的个人或团体为了维护自己的威望和地位,会努力实现与大家知识共享的愿望,最终促进了网络中的知识共享。例如Perry-Smith&Shaller团队中越是处于核心位置的个人就越能掌握越多资源,知识共享的效果也越明显。从网络密度来看,蔡铂、聂鸣认为密集的网络加深企业之间的相互信任,方便了隐性知识和敏感信息的交流,促进信息和知识在企业之间的流动,有助于企业的知识共享。谢鸿明等(2009)认为,网络密度越大越有利于团队获取外部知识,网络内部的知识交流也更充分。朱丽亚(2009)的研究表明,在企业知识转移的过程中,知识发送端的网络中心度促进知识的发送,网络密度促进接收端知识的接受,而网络范围可以促进接收端知识的吸收。从网络范围来看,Reagans认为随着网络范围的扩大,网络成员有更多的机会获得知识源,进而有了显隐性知识相互转换的机会,促进知识共享。在社会网络中,作为网络一个节点的企业如果能够占据网络的中心位置,就可以控制更多的相关资源,获取其他成员提供的知识和技术;为了维护自己的威望和地位,中心性较高的企业也会努力实现与大家知识共享的愿望,最终促进了网络中的知识共享。同时,企业不仅仅要与高校、科研院所、银行、中介组织建立联系,还要扩大与供应商、大型客户和其他企业的相互联系,尽可能的挖掘出潜在的关系,从而拥有更多的信息获得和分享渠道,促进网络成员的知识共享。因此网络的结构和知识共享有如下关系,社会网络的结构(中心性、网络范围、密度)与知识共享(知识搜索、知识转移)成正相关关系。从网络关系的角度来说,格兰诺维特将关系分为强弱两种,两种关系在知识的搜素和转移中作用相异。NooteBoom对美德两国的企业进行实证研究时发现,企业合作机制稳定性越高则网络成员之间有信任感越强,从高有利于知识共享。一些研究表明企业联系的稳定性、关系的互惠性和联系频率的增加可以使企业与合作伙伴建立长期的合作机制,增强彼此的互信,推动网络内部的知识和信息资源的分享,增强知识共享的意愿。因此网络关系与知识共享之间存在下面的的关系,社会网络的关系(联结稳定性、互动频率、互惠性)与知识共享(知识搜索、知识转移)成正相关关系。
(三)知识共享与技术创新的关系
企业技术创新能力提升的过程中最大的障碍是缺乏知识和经验,知识共享在企业技术创新过程中减少学习中的各种障碍。Henson和Mors(2005)从知识共享的过程出发,将知识共享分为三个过程:是否共享的决策、知识转移和知识搜索。是否共享的决策就是决定是否向组织外部吸收新的知识;知识搜索是指组织内成员寻找所需要的知识的过程;知识转移当找到了所需要的创新知识后,把知识吸收整合为组织内部的知识同时应用于实践中。主流研究者普遍认为,知识的获取对企业技术创新能力的提升极端重要(如Yli-Renko,Antio&Sapienza,2001)。Yli-Renko(2001)认为与合作伙伴间的相互交流可以得到知识,这些技术知识的消化和吸收能够为高新技术企业新产品的开发提供强有力支持(Yli-Renko,2001)。Wu&Tsai(2005)提出知识转移作为知识共享的重要方式,可以营造企业内部的知识共享氛围,有利于企业的学习。Tsai认为知识转移能提供给成员之间交流合作的机会,在这一过程中能够显著刺激知识的再创造和提高组织创新能力,知识转移可以将新产品开发需要的知识转移给所需要的成员。知识共享可以帮助企业通过不同的渠道不同的发送者将知识流转移到技术创新的团队中,增加了企业的技术创新知识存量。在社会网络中,企业间的交流和企业内部的交流共同促进知识的吸收和转换。知识共享的过程可以营造良好的学习氛围,减少技术创新失误,增加知识存量,从而提高了企业的技术创新能力。
(四)知识共享的中介作用
网络关系方面,Inkpen和Tsang认为网络关系有利于信息和知识的流动,企业可以更好的吸收和研发新技术,有利于企业获得更好的技术创新能力。其他研究也发现了知识共享在网络关系与技术创新之间的中介作用。如余红剑研究新创企业时发现,新创型企业与合作组织之间的良好网络关系能够增进双方之间的知识共享意愿,提高企业的学习与整合应用能力,促进企业技术创新能力的提升。左惟和李丽研究酒店连锁企业时,从社会资本理论角度探讨了网络关系、认知维度与企业内部组织间知识共享对知识资本和组织绩效的影响程度。基于以上分析可以得到,在网络关系对企业技术创新能力的影响中知识共享产生中介作用。网络结构方面,Ahuja发现网络成员的联系强度越大,知识在网络内部的扩散程度越大,网络成员越容易获取知识,从而提高了知识整合能力,促进了新产品和新技术的产出。Paruchuri认为企业在网络中心的位置可以改变网络内部的知识流动,从而影响企业的创新活动。国内的李随成和高攀认为网络中心性与知识获取机会成正相关。位置中心较大的成员能够缩短知识搜寻和获得的时间,提高知识的整合能力,从而促进了企业创造新知识的能力。陈伟和杨早立从知识共享和知识整合的视角探讨了网络的结构与企业核心能力的相互关系。因此得出如下结论:知识共享在网络结构和网络关系对技术创新能力的影响中有中介作用。
二、社会网络、知识资本与企业创新能力的关系模型
企业创新能力的提升是一个不断聚集知识的过程。依据知识资本理论,如何提升企业创新能力应当考察企业所拥有和一定程度上由组织所控制或能为企业所用的知识要素,而企业的社会网络是企业获取知识的重要渠道,社会网络、知识资本与企业创新能力三者的有效整合,为如何提升企业创新能力提供重要思路。本研究同时考虑社会网络与知识资本对企业创新能力的影响所持的基本假设是:社会网络除了能直接影响企业创新能力之外,还能够促进知识资本的形成、积累及其作用的发挥,间接影响企业创新能力,这为分析企业创新能力提供了一个新的角度。具体来说,内外部社会网络对企业技术、制度创新和知识资本的各个构成要素的影响程度是不一样的;知识资本的各个构成要素之间存在着相互作用的关系,它们既有可能对企业技术、制度创新有直接而显著的作用,同时,也有可能通过彼此间的相互作用关系,直接或间接地影响企业技术、制度创新。在此基础上,本研究提出社会网络、知识资本与企业创新能力的关系模型(如图1所示)。
(一)社会网络与企业创新能力
内外部社会网络可能从不同的路径影响企业创新能力。内部社会网络对企业创新能力的影响作用体现在:(1)高效的企业内部社会网络有利于企业培养共同价值观、营造高度信任的文化氛围,指明企业整体战略方向,组织创新活动,提升企业技术和制度创新能力;Uzzi的研究结果表明内部社会网络影响企业技术、制度创新,验证了内部社会网络的成员会因为经常交流感想而提高获得资源许可的支持,并会改善信息的收集能力,从而加强在复杂环境中的竞争优势[7]。(2)管理者与员工之间良好的关系可以带来相互的信任、尊重,内化共同目标,促使员工愿意付出额外的努力从事企业并未明确界定的任务,这不仅有利于企业提升技术创新能力,还推动企业进行制度方面的创新。(3)内部社会网络的规模能为企业带来非线性效益,网络的密度会影响到员工、部门、团队的态度和行为,网络的中介中心度可以确定企业里发挥重要作用的关键人物,会促使企业组织制度创新以提高员工满意度,发挥核心者的桥梁作用,进而有利于推动企业技术创新。企业外部社会网络中各个主体具有各种不同的资源、信息,前后一致的、紧密的外部社会网络可以帮助企业成功地达到目标。基于外部网络视角,提高企业创新能力的关键是如何构建、保持和扩大外部社会网络的规模,合理、有效地利用外部社会网络。Nerkar和Paruchuri的案例研究结果表明企业能否从其他行为主体获取信息与资源,并有效实现创新,在很大程度上依赖于其与其他利益相关者之间的网络关系[8]。与客户、供应商、竞争对手、政府部门、大学与科研机构、金融与中介服务机构等的联系越紧密,企业创新的来源就越丰富,其创新方式也越多,进而会加快企业技术、制度创新的速度。外部社会网络的规模、密度和中介中心度会影响到企业运作的惯例和流程,进而影响企业技术和制度方面的创新。汪蕾等的实证研究结果表明企业外部社会网络的某些特征通过创新资源的部分中介作用,影响企业的创新绩效;企业通过外部社会网络获取创新资源,形成自身独特的、难以被竞争对手模仿的竞争优势,从而能持续不断地提高企业技术创新能力[9]。
(二)知识资本与企业创新能力
人力资本对企业创新能力的作用机制体现在:企业家的成就动机关系到企业创新行为、方式选择以及对创新的态度;管理团队的风险认知能力直接关系到技术和制度方面的创新;关键员工团队的胜任特征直接关系到技术创新的效力。结构资本是知识资本的基础设施,在知识资本运营过程中与人力资本、关系资本相互作用:是激励人力资本的根本力量,是企业吸收、整合、转化一切要素资源的根本保证;在为人力资本和关系资本的充分利用创造条件的基础上与它们共同作用,形成企业的创新能力[11]。而且结构资本能使企业高质量、有序地运转,最大程度地提升企业的创新能力:将企业惯例和战略综合起来,通过这种方式使企业获取、吸收、转化并开发知识,进而实现企业技术、制度方面的创新;其存量直接关系到创新的高度、并影响企业先行优势的取得,组织学习能力则关系到企业后发优势获得能力的高低,进而影响到企业技术创新能力的高低。关系资本管理的目的是推动企业积极从外部获取知识,促进知识积累,从而实现企业内部知识和技术的创新;同时Reed等人的研究结果表明关系资本对人力资本起杠杆作用[12]。关系资本对企业创新能力的影响作用体现在:供销商满意度、市场声誉位次、公司信用等级的提高会推动企业进行技术、制度方面的创新;产品的盈利能力与产品市场的竞争关系之间的矛盾及企业上下游客户关系的相互制约创造企业创新的外在动力或压力,企业内部之间既相互矛盾又相互统一的关系产生企业创新的内在动力或压力,企业通过把所感觉到的压力传导到其创新神经中枢,再由神经中枢做出对来自内外部压力的反应,促使企业组织技术、制度方面的创新活动。
(三)引入社会网络分析知识资本对企业创新能力的影响
在知识经济时代,企业创新能力很大程度上取决于知识资本的广度与深度,而社会网络正是影响知识资本广度与深度的重要因素。LandryR等提出知识是包含在网络与社区中的[13]。陶海青和薛澜认为社会网络中联系的力量、网络规模、网络位置、以及网络范围与种类均会影响知识的传递,不同类型的知识需要不同的网络路径以便实现有效传递[14]。社会网络对知识资本的作用机制一方面体现在改善知识资本的质量。社会网络是个人知识与个人知识、个人知识与组织知识、组织内外部知识的交流与沟通的重要途径,能够促使各类知识之间不断发生线性与非线性的相互作用,使知识资本产生放大效应与整体涌现效应,各类新知识被不断创造出来。另一方面体现在影响知识资本对企业创新能力作用的发挥。社会网络关注如何通过人际关系的创造和维持来获取稀缺的资源,有助于促进知识的传播;基于社会网络中的人际信任可以消除成员对机会主义行为的防范心理,降低技术学习的交易成本;社会网络中成员加强了彼此间的沟通,会及时地进行信息共享与传递,提高技术学习过程中的透明度;关系网络中合理的分配制度、激励制度及先进的信息技术,提高知识资本转换及共享的效率。企业的内部社会网络,为知识转化、共享及个体、团队与组织三个层次主体之间知识的重组与重构创造机会。具体来说,企业营造的高度信任的文化氛围和加强建设的知识共享文化有助于员工之间形成良好的人际信任和关系互动,有助于人力资本和关系资本的积累;企业在内部培养的共同价值观、建设学习型组织有助于提高主体间知识转化、共享的效率,直接影响了人力资本、结构资本、关系资本的增殖及其作用的发挥。整合后的人力资本、结构资本和关系资本,通过彼此间的相互作用关系,会对企业技术和制度的创新产生直接或间接的作用。企业外部社会网络的最大作用在于增加关系资本。与顾客、合作伙伴等的知识共享是企业的市场反应,可以拓宽知识共享的广度,将对关系资本的放大起到至关重要的作用。在全球经济一体化的大背景下,任何一个企业的发展都不是孤立的,单个企业难以实现知识资本的积累。Jarillo认为企业外部社会网络之所以存在是因为“交易成本+外部化价格<内部化成本”,促进知识资本被网络中的行动者吸收[15]。为了获得互补性的知识资源,外部社会网络包括企业及其各个利益相关者,使得各方能够实现知识共享。与利益相关方进行的合作和沟通,促使彼此之间建立信任关系,这种信任促进了关系资本的放大;随着知识交流与合作程度的加深反过来再次促进了关系资本的积累,最终形成知识联盟。因此,外部社会网络使得企业与利益相关者及时、准确地传递知识,从而推动企业进行技术和制度方面的创新。企业通过对外部环境的搜寻和关注于对特定问题相关信息的识别,获取的外部知识能够丰富自身的知识。对企业来说,为了接收新知识,需要改革其惯例和流程使其能够接触到新知识的源泉,之后才能发生消化新知识,并把新知识与现有知识整合,使人力资本与结构资本在自组织的情境下不断地进行优化。因此,外部社会网络通过影响知识资本的各个构成要素进而推动了企业技术和制度方面的创新。综上,社会网络能够促进人力资本、结构资本与关系资本的形成、积累、增值及其作用的发挥,并对企业技术、制度上的创新产生更显著的作用。
2、结果
2.1样本组成
本次调查共收集了387例体重指数大于等于24,年龄在18~70岁之间的。其中108例痰证积分≥100分归为痰证组,男62例,女46例,平均年龄(48.50±10.355)岁。由于纳入的生理生化指标中,不少与年龄性别有关,因此选择痰证积分小于70,且年龄性别与痰证样本相匹配的样本共106例作为非痰证组。
2.2体重过高人群中单个指标与痰证的相关性
分析痰证人员与非痰证人员50种指标的差异,共有3种指标在两组之间存在显著差异(P<0.001),具体见表1。从表1可知其中2种肝功能指标在痰证组显著升高,为直接胆红素和谷氨酰转肽酶。1种血液指标在痰证组降低,为平均红细胞血红蛋白浓度。
2.3体重过高人群指标网络分析
本次调查共纳入指标50种,痰证组指标之间显著的两两相关关系417个,相关系数>0.5的65种,非痰证组相关系数>0.5的59种。计算网络中50指标的度、加权度、特征向量中心度,使用Gephi软件,进行网络结构的可视化操作,痰证组指标网络如图1A,非痰证组指标网络如图1B。计算痰证组中网络的平均路径长度为3.688。非痰证组的平均路径长5.511。从图1A可知,具有最大的度、加权度、特征向量中心度的指标是血液中的白细胞计数,说明其不仅在网络中影响着最多的其他指标,而且影响的力度最大,并且影响的指标都是具有较多影响力的指标,综上所述,在BMI≥24痰证人群中,血液中白细胞数量的改变,对这50种指标影响最大。从图1B可知,在BMI≥24非痰证人群中具有最大影响力的指标是血液中的血红蛋白测定。说明痰证与非痰证人群生理功能状态上存在客观差异。每个节点代表一种指标,连线代表二种指标之间存在显著相关关系;深色连线代表相关系数>0.5,浅色连线代表小于0.5;节点的大小与节点的度、加权度、特征向量中心度的和成正比。
2网络安全意识不足
社会保障信息系统网络管理层的人员结构分为三个层面,分别是领导层、网络管理层和网络操作层。领导在实际工作中更重视的是人员管理和工作任务及时完成。管理层存在的问题是在系统安全设置上过于简单,降低系统的防护能力,而且在系统安全管理制度的落实上不够严格,操作员职责划分不清,工作混乱使得数据存储产生问题。系统操作人员直接接触数据和系统,他们不能树立正确的网络安全意识,将使得系统安全直接受到威胁。
3提升社会保障信息系统网络安全管理水平对策
3.1设计网络架构
网络架构建设是整个系统网络有效运行的保障。社会保障信息系统网络连接的部门多,需要传输的数据量大,系统网络对安全性要求高,在网络架构设计上,必须在如银行、税务等部门的内部使用专用网络并组建局域网,以部门为单位进行划分,在各个部门内部建立虚拟局域网,防止各部门间相互影响。
3.2硬件设施建设
社会保障信息系统网络的安全以硬件设施为基础,应对计算机网络硬件进行器、网络设备、应用服务器和安全硬件设备等。硬件设备选购的第一标准就是保证设备质量良好性能稳定,其次考虑价格成本。硬件设备购买应该进行“双保险”,同一个设备一定要配置两个,在实际工作中,该设备发生故障不能工作后,迅速将另一台设备换上,保证系统网络的持续运行避免影响工作和安全。
3.3加强防范手段
为了防范恶意攻击,计算机中心必须对系统建立专业高质量的防火墙进行防护。除了防火墙的设立外还要安装专业杀毒软件,计算机中心网络系统和其他联网部门应共同安装网络杀毒软件客户端,发现病毒踪迹防止病毒传播。
3.4数据库防护
数据库一旦发生安全问题,会使大量数据流失,造成难以估量的损失,加强数据库的防护要从多方面入手。运行基于角色的安全管理机制,使用角色管理的方式来限定数据库操作权限。在角色管理模式下,充当管理员角色的人员,必须要设置口令,密码的设置不能出现弱密码的情况,密码不能具有规律性必须做到复杂无序。实行数据库备份通常会使用两种方法,一种方法是热备。所谓的热备,就是设立两个核心主服务器共同运行,并进行相互协助,一旦一台机器出现故障,另一台机器可以进行接管,防止数据丢失。第二种方法是冷备,冷备是将数据库导出并备份在其他设备中使数据安全完备。
3.5树立网络安全意识
提高工作人员网络安全的意识需要各个部门的共同努力。无论是部门领导还是操作层的员工,都要接受信息管理的培训,对网络信息安全建立正确的认知态度。设置专人对社保计算机中心进行监管,设立严格的访问权限,严防越权访问,对各个系统平台密码妥善保管。监管人员每日应查看系统和设备以及安全日志,发现问题立即解决。操作人员在平时工作之中做好区域内的安全防护工作,提高警觉防范病毒或黑客的攻击。
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,