论文部分内容阅读
[摘 要] 虚拟学习社区社会网络构建的实践研究表明，经过策略干预后形成的虚拟学习社区社会网络结构有如下特点：第一，基本属性如密度、互惠性、传递性、网络效率等值有所增大；第二，学习者有较高的点入度和点出度，整体网络的中心势较低，整个社区的权利并不是集中在少数人身上；第三，对凝聚子群及核心—边缘结构的分析发现，社区存在意见领袖，对社区的学习起关键作用。
[关键词] 社会网络； 虚拟学习社区； 社会资本理论； 构建策略
[中图分类号] G434[文献标识码] A
[作者简介] 梁银英 （1982—），女，浙江台州人。实验师，硕士，主要从事在线学习研究。E-mail： liangyinying@nbu.edu.cn。
一、引 言
虚拟学习社区是社会成员在网络环境下，由不同类型的学习者及其助学者共同构成的一个交互、协作的学习团体，通过沟通、交流，达到获取知识、共同完成一定学习任务的目的，并形成相互影响、相互促进的人际关系。目前有关虚拟学习社区的研究主题包括虚拟学习社区的设计与构建、[1][2]虚拟学习社区知识构建和管理、[3][4][5]虚拟学习社区的学习策略、[6]虚拟学习社区的绩效评估、[7]虚拟学习社区学习者的情感分析、[8]虚拟学习社区人际互动等。[9][10][11]在虚拟学习社区人际互动研究中，虚拟学习社区社会网络的研究占有很大比重，而且随着研究的不断深入，目前该主题研究已经从单纯分析学习者之间的互动结构发展到分析互动结构与信息获取、知识构建的关系上。[12][13]众多研究表明，社会网络结构与学习效果是密切相关的，[14][15]但当下有关虚拟学习社区社会网络构建的探讨并不多，本研究正是针对该问题而进行的探索。
二、虚拟学习社区社会网络的构建策略
虚拟学习社区社会网络的构建是从理想社会网络结构的角度来构建虚拟学习社区。笔者认为可以借鉴社会资本理论的三维度说，因为社会资本存在于关系网络中，关系网络不仅是人与人之间的关系，还是资源配置的一种重要方式，关系网络创造了一种解决社会问题的有价值的资源，并向成员提供集体所有的成本，即社会资本。社会资本理论的三维度说由纳哈皮特提出，社会资本包括结构维度、关系维度和认知维度三个构面。[16]结构维度是指社会系统中个体之间的联系；关系维度是指个体之间关系的质量；认知维度影响社会系统对集体目标和行为的个体理解。对于虚拟学习社区中学习者的互动而言，不仅要看学习者之间是否存在互动，学习者在社区中所处的位置，即结构维度，也需考虑个体之间互动的质量，即关系维度。除此之外，还需关注影响学习者对集体的目标和行为认知的因素。 因此，我们提出从结构、关系和认知三个维度来考虑虚拟学习社区社会网络的构建策略。
（一）结构维度构建策略
结构维度，主要用来衡量社会网络中各种关系的总和，包括网络关系的强弱、网络密度、连通性、中心性等结构特征。当关系网络的密度很大，成员之间的联系强且直接时，较容易形成集体行为。虚拟学习社区中各种关系的总和即学习者和助学者关系的总和。对于学习者而言，个体的个性类型与个体在社会网络中的位置有密切关系，并影响个体网络位置改变的方式，因此，可以根据学习者的个性类型给学习者确定角色，以促使学习者积极参与互动，在社会网络中占据适合的位置；虚拟学习社区中的助学者，是从具有专家特征并向学习者传递知识的教师或教导者向“站在舞台边缘进行指导”的“教练”角色的转变，是专业的学习领导者，由教学的主导者变为教学的组织者和辅导者，主要任务是学习的组织，帮助学习者管理学习并辅导学习者的学习。助学者的自我定位对于虚拟学习社区的学习是非常重要的。
（二） 关系维度构建策略
群体中个体的关系来源于关系网络中的成员对其他成员的信任和对集体的强烈认同，关系资本最主要的功能就是促进社区的个体行为，并且这种资本对社区及其成员都有益，包括信任、规范与惩罚、义务与期望及社区认可。社会网络的构建包括快速信任的建立、制定规范与惩罚、明确义务与期望三个方面。设计者提供的虚拟学习社区平台应是安全的，学习者在其中不用担心其他成员的辱骂或没有建设性的批评，社区的氛围应是鼓励合作的，同时助学者可设计“Icebreaker”活动帮助打破学习者之间的隔阂，建立快速信任；虚拟学习社区一般都建立在中心任务、思想和目标之上，社区互动的目的、意义和协议需要学习者共同建立，学习社区的成员被设定行为规范，承担着遵守理解、维系社区这一微型社会的秩序和保持社群和谐的基本责任，制定的规范与惩罚是对学习者无形的约束力量，保证了虚拟学习社区凝聚力的不断增强；学习者作为虚拟学习社区的一员，应为社区的发展贡献自己的力量，明确义务与期望后，学习者会尊重自己的角色，专注于自我的分工，同时鼓励学习者在学习过程中对社区和学伴、学习活动设计等进行评价，从而让学习者调整个体行为，让助学者调整社区的总体行为。
（三） 认知维度构建策略
认知维度指的是那些有助于集体行动中解释与沟通的资源，包括群体成员间共享的语言、共享的意义符号、共享的经历、共享的文化和价值观、共同的愿景等。虚拟学习社区社会网络认知维度的构建可从共同愿景和共享语言两部分来进行。在虚拟学习社区形成的初期，就应向学习者清晰地陈述学习社区的重要性，建立学习者认可的、向往的、渴望达到的目标，即“共同愿景”。其作用是引导虚拟学习社区的方向，形成共同体的文化氛围；在共享语言的培养上，可让学习者分享过去的经历、文化背景等，使学习者对同一意义符号等有共同的认识，给学习者的沟通提供保障，为知识的交流清除障碍。
三、实践研究过程
（一）研究对象
本研究依托宁波大学全校公选课程“日本企业文化”进行虚拟学习社区社会网络的构建实践。选择这门课程的原因有以下三点：（1）本研究预设虚拟学习社区是远程教育中网络学习的一种组织形式，学习者之间无面对面的交流。由于宁波大学未开设远程教育课程，笔者希望选择能尽量模拟远程教育的课程。“日本企业文化”是一门全校公选课程，共有学生98人，学生来自20多个不同的专业，涵盖三个年级，一周虽有两节面授课，但课后无交流机会，加上虚拟学习社区中要求使用昵称，基本上能避免学习者之间面对面关系对虚拟学习社区互动的影响。（2）“日本企业文化”的课程内容是开放性的，利于学习者的争辩与质疑。（3）课程教师有任务驱动的教学经验，对活动主题的选择和确定有一定的研究。在该研究中，课程教师给出的两个学习主题是“日本礼仪文化”和“日本企业社会责任”。“日本礼仪文化”与日常生活紧密结合，主题具有趣味性；“日本企业社会责任”则是结合“丰田召回门”事件，紧扣时事。学习者可以任选一个主题参与虚拟社区的学习，持续时间为两个月。
（二）研究方案
确定课程后，首先搭建虚拟学习社区平台，选择腾讯公司开发的QQ即时聊天工具及它的辅助功能作为虚拟学习的平台，QQ软件不仅被学习者所熟知，它还集成了群社区、语音聊天等功能，既能进行同步交互也能进行异步交互，符合本研究对虚拟学习平台的要求。其次，有研究指出，在合作学习中，小组构成最好在2~7人之间，[17]本研究根据班级人数和实际情况，确定每个小组为12人，根据学习者加入QQ群的时间随机分组。第三，为促进低交流意愿的学习者在社区中的互动，给低交流意愿的学习者确定角色，如担当社区中的提问者、辩论者、总结者等。第四，导学设计“Icebreaker”活动，让学习者建立快速信任，并推选组长；第五，为规范学习者在社区中的行为，在正式学习开始前让学习者协商制定社区行为规则，制定规范和惩罚，以上都是虚拟学习社区顺利构建的前提。第六，在学习者加入社区后，用策略干预虚拟学习社区社会网络的构建实践，并收集互动数据，使用Ucinet和NetMiner进行社会网络分析，具体研究方案如图1所示。
（三）数据收集
Woods和Ebersole的研究发现：最佳的学习成果是在开展合作学习中建立学习者之间的即时联系的关系，形成学习者之间的社会网络。因此，对话是有效学习所必须的生命血液。QQ平台给虚拟学习社区中学习者之间的同步互动提供了很好的平台，当然不可能所有的学习者都同一时间在线，需要借助QQ提供的群社区功能以便学习者的异步互动。所以，学习者在QQ群中的同步互动与群社区中的异步互动都是本研究重要的数据来源。QQ平台能自动记录群里面的互动及群社区的数据，给研究提供了很大的方便。同时，为便于描述，命名虚拟学习社区为VLCs2010。
本研究的关系数据集合包括：（1）VLCs2010全部师生的属性数据，如真实姓名、学号、QQ昵称、身份属性（专业、年级、是否组长）等；（2）关系数据的特征值，即关系的方向、关系的强度和关系的内容，由于本研究不涉及关系的内容，所以忽略。
1.属性数据的收集方法
隶属关系矩阵（Affiliation Matrix）是收集属性数据的工具，其内容描述行动者的一些自然属性，像行动者所属的专业、班级、年级或性别、年龄等。隶属关系矩阵的“行”为行动者，“列”为事件，即行动者的各种属性。
先将VLCs2010的行动者昵称和真实姓名等从Excel导入到Ucinet软件中，然后在Ucinet软件中直接输入行动者的特征属性数据，如行动者的身份属性、年龄等。
2.关系的方向和关系的强度
邻接矩阵（Adjacency Matrix）是收集和存储关系方向和强度的有效工具。我们在分析虚拟学习社区的社会网络时，一般都采用非二值矩阵，即使用赋值矩阵，矩阵中的数值表示为两个行动者之间的关系强度，且规定矩阵中的“行”为行动的发送者，“列”为关系的接受者，表1列举了VLCs2010中部分学习者的关系矩阵。
四、研究结果与分析
在进行一个学期的虚拟学习社区社会网络构建实践后，研究者对收集的数据进行社会网络分析，具体结果如下：
（一）网络的基本属性
1. 社群图
它表明VLCs2010共有学习者13名，共形成了85个连接对。VLCs2010中不存在孤立节点，每个学习者都参与了互动，但次数不同。
2. 网络基本属性的特征值
使用Netminer软件测量网络的节点数（即行动者数量，Number of Links）、网络密度（Density）、平均度（Average Degree）、互惠性（Reciprocity）、传递性 （Transitivity）、聚类系数（Clustering Coefficient）、平均距离（Mean Distance）、网络直径（Diameter）、连通性（Connectedness）和网络效率（Efficiency）等特征值，测量结果如表2所示。
与以往的虚拟学习社区相比，VLCs2010有较高的密度和互惠性，网络的效率也较高。
（二）网络的关联性
衡量网络关联性的两个主要指标是网络的连通性和网络的可达性。
1．网络的连通性
网络中的“桥”和“切点”可以通过连通性的测量来发现。在一个图中，如果去掉一条边，整个图的结构会分成两个互不关联的子图，那么我们称这条边为“桥”。类似的，若在一个图中，移走其中的某个节点，整个图的结构被分成两个互不关联的子图，则称该点为“切点”。
经过测试发现，VLCs2010中不存在桥跟切点，所有的学习者都至少与两个以上的成员有联系，即使移除网络中的某一点，也不会成为两个互不关联的子图。比起很多自发形成的虚拟学习社区来说，网络的连通性良好。
2． 网络的可达性
网络的可达性与网络的效率和结构相关。使Ucinet软件对VLCs2010的可达性进行分析后发现，VLCs2010的可达性平均值为0.686，标准差为0.232。表3为VLCs2010网络可达性邻接矩阵，从表中我们可以得出以下结论：第一，与其他研究者的结论不同，导学在VLCs2010的可达性并不是最高的（有些学习者的可达性超过导学lyy），但导学可达性仍超过很多学习者，说明在VLCs2010中，虽然部分学习者积极参与，导学在社区中的地位仍非常重要。第二，除了牛牛外，其他学习者的可达性都高于0.4，说明其他学习者都较易与另一学习者建立联系。
（三）网络的中心性
网络的中心性与中介性是计算一个行动者在一个社会网络中最主要的两项个体结构指针。在网络中心的行动者就是社会学中最有社会地位和最有权力的人，网络中心性的测量可以让我们清楚地看到谁在网络中占据了中心位置。
网络中心性又包括特征向量中心性（Eigenvector Centrality）、点度中心性（Degree Centrality）、中间中心性（Betweenness Centrality）和接近中心性（Closeness Centrality），每个值都代表不同的网络属性。VLCs2010中各学习者的相对特征向量中心度、相对点度中心度、相对中间中心度如表4所示。
1． 特征向量中心性（Eigenvector Centrality）
特征向量中心性是对行动者中心度以及网络中心势的一种标准化测度，目的是要发现在网络整体结构的意义上，哪些行动者是网络的最核心的成员。Ucinet软件分析显示，VLCs2010的相对特征向量中心度的平均值为0.266，标准差为0.077，特征向量中心势为0.233。
根据表4中相对特征向量中心度的值，可以获得相对特征向量中心度示意图，如图4所示。
对VLCs2010的相对特征向量中心的测量可以发现：第一，导学lyy以0.359的相对特征向量中心值居于整个网络的中心，是课程网络中的最核心的成员，意味着导学通过发挥主导作用占据了网络的中心位置和核心成员的角色。
第二，绝大部分的成员都在网络中占据比较中心的位置，如无可取代、蓝思雨、踏雪晨归等，学习者牛牛的相对特征向量中心度最低，说明她较少参与整个社区互动，也未与网络中占据中心位置的学习者有频繁互动，究其原因是因为牛牛自己没有电脑，上网时间不固定也比较少。
2． 点度中心性（Degree Centrality）
点度中心性由点度中心度和图的点度中心势指数两个指标组成。VLCs2010的图的点度中心势指数为：0.493（入度）和0.403（出度）。我们可以根据表4中的相对点度中心度得出VLCs2010的相对点度中心度分布图，如图5所示。
从图5中我们可以看出，导学lyy在课程中拥有非常高的点度中心度值，说明导学具有很强的互动能力。除导学外，学生踏雪晨归、无可取代与蓝思雨也都有非常高的点度中心度。
导学lyy的点出度高于点入度，说明导学可能出于激发学习者兴趣的需要，在社会网络中跟学习者有主动的联系，这与希望导学“站在舞台边缘进行指导”的策略有冲突，显示学习者还是习惯教师主导的学习。
3． 中间中心性（Betweenness Centrality）
所谓中间中心性就是测量某个节点在多大程度上位于图中其他节点的“中间”，由点的中间中心度和图的中间中心势指数两个指标组成。VLCs2010图的网络中间中心势指数为0.158。根据表4中相对中间中心度的值，我们还可以得出VLCs2010的相对中间中心度分布图，如图6所示。
通过对VLCs2010相对中间中心度的测量，我们可以看出导学lyy和组长踏雪晨归的中间中心度值高于其他人，说明导学和组长相对其他学习者，在整个社会网络中拥有更高的控制能力。除了导学和组长外，蓝思雨与无可取代的中间中心度值也较高，说明这几位学习者也拥有一定的控制能力。牛牛跟青铜鼎的中间中心度值为0，说明他们不能控制任何学习者，处于网络的边缘。
（四）凝聚子群分析
1．成分分析
从社群图图2看出VLCs2010只有一个成分，所有的成员均为这个成分中的一员，说明VLCs2010有较强的凝聚力。
2． 派系分析
分析发现，VLCs2010中存在6个派系。
导学出现在6个派系中，说明导学能够跟100%的派系保持密切联系，较好地发挥出了主导作用；除了导学，有三位学习者踏雪晨归、无可取代和蓝思雨出现在5个派系中，表明这3个学习者也是网络的重要人物；有5位学习者仅出现在一个派系中，参与互动较少。
（五）核心—边缘结构分析
核心度向量的计算结果如表6所示。
表6表明，学生踏雪晨归核心度最高，是网络的核心人物，导学lyy也处于网络的核心，他们可以有效地控制网络的信息流通，并与边缘人物保持联系，以保证社会网络中的高度互动。除了青铜鼎、eating、觉悟与牛牛四个学习者外，其他的学习者核心度都高于0.1，表明较多的学习者位于半边缘位置，他们既受到核心人物的“控制”，也可以部分的“控制”网络中的边缘人物。
（六）结构洞分析
网络中的结构洞能够给行动者带来利益，使得网络成员利用其信息优势变为经纪人，从而可以获得信息利益和控制利益。[18]如上文提到的，一共有五种经纪人类型，即协调员、咨询者、代表、把关人和联络员。
Burt指出，网络限制指标（Constraint）的值越大，则存在结构洞的可能性越小，若某个行动者的网络限制指标为0，则表明该行动者自我节点有许多连接节点，且这些节点之间彼此没有连结，因而存在许多结构洞。网络大小的定义是网络中的连线总数，网络的有效大小（Effect Size）越大，代表网络的重复程度越小，存在结构洞的可能性越大。从表7的结果可以看出，除牛牛外，所有学习者的网络限制指标小于0.5，说明这些学习者掌握了较多的结构洞。
五、研究结论
本研究得出的主要结论：第一，经过策略干预的虚拟学习社区的社会网络，基本属性如密度、互惠性、传递性等比前人关于虚拟学习社区社会网络研究的值普遍增大。第二，虚拟学习社区中不存在桥和切点，表明所有的学习者都曾与两人以上的学习者进行互动。第三，在中心性这个角度上，学习者的中心势普遍比较低，而接近中心度都大于0.5，表明网络中学习者的距离都是比较短的，整个社区的权利并不是集中在少数人身上。第四，对凝聚子群及核心—边缘结构的分析发现，社区中只有一个成分，说明社区的凝聚力是比较强的，组长踏雪晨归的核心度最高，是网络的核心人物和意见领袖，SPCC得分较低的学习者在承担一定的角色后，增加了在虚拟学习社区中的互动。第五，结构洞的分析表明，社区中学习者的网络限制指标都较小，一定要依赖一个学习者才能与另一个学习者进行信息传递的情况不明显，社区中的大部分学习者都承担过协调员的经纪人业务。第六，学习者是否能自如上网，是进行虚拟学习社区学习的前提和基础，在很大程度上影响学习者在社区中的互动。总的来说，作者提出的虚拟学习社区社会网络的构建策略有一定的有效性。
本研究的不足之处在于：第一，从总体上验证了策略是否有效，但无法判断某个策略的有效性。第二，未对互动内容进行深入分析，也未对学习者的态度、情感等进行调查。用内容分析法分析互动的内容，访谈调查学习者的态度、情感等将是本研究未来的方向。
[参考文献]
[1] 陈卫东，席秋玉.基于Claroline平台的网络课程学习社区的模型设计[J].远程教育杂志，2009，（5）:46~49.
[2] 王艳艳.虚拟学习共同体的深层对话设计[J].中国远程教育，2009，（3）:41~44.
[3] 宋宝瑜.虚拟学习社区群体学习特征与知识构建策略研究[J].远程教育杂志，2009，（6）:19~22.
[4] 李玉斌.虚拟学习社区中隐性知识传播研究[J].电化教育研究，2008，（7）:60~63.
[5] 甘永成，祝智庭.虚拟学习社区知识建构和集体智慧发展的学习框架[J].中国电化教育，2006，（5）:27~32.
[6] 刘洋，兰聪花.虚拟学习社区中少数民族大学生学习策略的调查与研究[J].电化教育研究，2010，（9）:106~108.
[7] 陈国强.虚拟学习社区的有效性反思及其发展思路[J].电化教育研究，2006，（7）:26~29.
[8] 何苗，程坤，郭允建.虚拟学习社区中社会临场感研究初探[J].中国电化教育，2010，（1）:54~58.
[9] 胡勇，赵凤梅.虚拟学习社区中的核心—边缘结构分析[J].中国电化教育，2011，（3）:45~49.
[10] 钱旭升，师红霞.虚拟学习社区中的人际交互机制研究——以国家级精品课程“现代远程教育”为例[J].远程教育杂志，2011，（1）:62~67.
[11] 尚建新，解月光，王伟.虚拟学习社区中学习者交互因素研究[J].电化教育研究，2010，（8）:65~70.
[12] 王陆.虚拟学习社区社会网络位置与知识构建的关系研究[J].中国电化教育，2010，（8）:18~23.
[13] 王陆，马如霞.意见领袖在虚拟学习社区社会网络中的作用[J].电化教育研究，2009，（1）:54~58.
[14] 王陆.虚拟学习社区的社会网络结构研究[D].兰州：西北师范大学，2009.
[15] 黎加厚，赵怡，王珏.网络时代教育传播学研究的新方法:社会网络分析——以苏州教育博客学习发展共同体为例[J].电化教育研究，2007，（8）:13~17.
[16] Nahapiet，Ghoshal S.. Social Capital，Intellectual Capital and the Organizational Advange[J].Academy of Management Journal，1998， 23（2）:242~266.
[17] 黄荣怀.计算机支持的协作学习——理论与方法[M].北京：人民教育出版社，2003.
[18] Burt，R.. Structural Holes: The Social Structure of Competition[M].Cambridge: Harvard University Press，1992.
[关键词] 社会网络； 虚拟学习社区； 社会资本理论； 构建策略
[中图分类号] G434[文献标识码] A
[作者简介] 梁银英 （1982—），女，浙江台州人。实验师，硕士，主要从事在线学习研究。E-mail： liangyinying@nbu.edu.cn。
一、引 言
虚拟学习社区是社会成员在网络环境下，由不同类型的学习者及其助学者共同构成的一个交互、协作的学习团体，通过沟通、交流，达到获取知识、共同完成一定学习任务的目的，并形成相互影响、相互促进的人际关系。目前有关虚拟学习社区的研究主题包括虚拟学习社区的设计与构建、[1][2]虚拟学习社区知识构建和管理、[3][4][5]虚拟学习社区的学习策略、[6]虚拟学习社区的绩效评估、[7]虚拟学习社区学习者的情感分析、[8]虚拟学习社区人际互动等。[9][10][11]在虚拟学习社区人际互动研究中，虚拟学习社区社会网络的研究占有很大比重，而且随着研究的不断深入，目前该主题研究已经从单纯分析学习者之间的互动结构发展到分析互动结构与信息获取、知识构建的关系上。[12][13]众多研究表明，社会网络结构与学习效果是密切相关的，[14][15]但当下有关虚拟学习社区社会网络构建的探讨并不多，本研究正是针对该问题而进行的探索。
二、虚拟学习社区社会网络的构建策略
虚拟学习社区社会网络的构建是从理想社会网络结构的角度来构建虚拟学习社区。笔者认为可以借鉴社会资本理论的三维度说，因为社会资本存在于关系网络中，关系网络不仅是人与人之间的关系，还是资源配置的一种重要方式，关系网络创造了一种解决社会问题的有价值的资源，并向成员提供集体所有的成本，即社会资本。社会资本理论的三维度说由纳哈皮特提出，社会资本包括结构维度、关系维度和认知维度三个构面。[16]结构维度是指社会系统中个体之间的联系；关系维度是指个体之间关系的质量；认知维度影响社会系统对集体目标和行为的个体理解。对于虚拟学习社区中学习者的互动而言，不仅要看学习者之间是否存在互动，学习者在社区中所处的位置，即结构维度，也需考虑个体之间互动的质量，即关系维度。除此之外，还需关注影响学习者对集体的目标和行为认知的因素。 因此，我们提出从结构、关系和认知三个维度来考虑虚拟学习社区社会网络的构建策略。
（一）结构维度构建策略
结构维度，主要用来衡量社会网络中各种关系的总和，包括网络关系的强弱、网络密度、连通性、中心性等结构特征。当关系网络的密度很大，成员之间的联系强且直接时，较容易形成集体行为。虚拟学习社区中各种关系的总和即学习者和助学者关系的总和。对于学习者而言，个体的个性类型与个体在社会网络中的位置有密切关系，并影响个体网络位置改变的方式，因此，可以根据学习者的个性类型给学习者确定角色，以促使学习者积极参与互动，在社会网络中占据适合的位置；虚拟学习社区中的助学者，是从具有专家特征并向学习者传递知识的教师或教导者向“站在舞台边缘进行指导”的“教练”角色的转变，是专业的学习领导者，由教学的主导者变为教学的组织者和辅导者，主要任务是学习的组织，帮助学习者管理学习并辅导学习者的学习。助学者的自我定位对于虚拟学习社区的学习是非常重要的。
（二） 关系维度构建策略
群体中个体的关系来源于关系网络中的成员对其他成员的信任和对集体的强烈认同，关系资本最主要的功能就是促进社区的个体行为，并且这种资本对社区及其成员都有益，包括信任、规范与惩罚、义务与期望及社区认可。社会网络的构建包括快速信任的建立、制定规范与惩罚、明确义务与期望三个方面。设计者提供的虚拟学习社区平台应是安全的，学习者在其中不用担心其他成员的辱骂或没有建设性的批评，社区的氛围应是鼓励合作的，同时助学者可设计“Icebreaker”活动帮助打破学习者之间的隔阂，建立快速信任；虚拟学习社区一般都建立在中心任务、思想和目标之上，社区互动的目的、意义和协议需要学习者共同建立，学习社区的成员被设定行为规范，承担着遵守理解、维系社区这一微型社会的秩序和保持社群和谐的基本责任，制定的规范与惩罚是对学习者无形的约束力量，保证了虚拟学习社区凝聚力的不断增强；学习者作为虚拟学习社区的一员，应为社区的发展贡献自己的力量，明确义务与期望后，学习者会尊重自己的角色，专注于自我的分工，同时鼓励学习者在学习过程中对社区和学伴、学习活动设计等进行评价，从而让学习者调整个体行为，让助学者调整社区的总体行为。
（三） 认知维度构建策略
认知维度指的是那些有助于集体行动中解释与沟通的资源，包括群体成员间共享的语言、共享的意义符号、共享的经历、共享的文化和价值观、共同的愿景等。虚拟学习社区社会网络认知维度的构建可从共同愿景和共享语言两部分来进行。在虚拟学习社区形成的初期，就应向学习者清晰地陈述学习社区的重要性，建立学习者认可的、向往的、渴望达到的目标，即“共同愿景”。其作用是引导虚拟学习社区的方向，形成共同体的文化氛围；在共享语言的培养上，可让学习者分享过去的经历、文化背景等，使学习者对同一意义符号等有共同的认识，给学习者的沟通提供保障，为知识的交流清除障碍。
三、实践研究过程
（一）研究对象
本研究依托宁波大学全校公选课程“日本企业文化”进行虚拟学习社区社会网络的构建实践。选择这门课程的原因有以下三点：（1）本研究预设虚拟学习社区是远程教育中网络学习的一种组织形式，学习者之间无面对面的交流。由于宁波大学未开设远程教育课程，笔者希望选择能尽量模拟远程教育的课程。“日本企业文化”是一门全校公选课程，共有学生98人，学生来自20多个不同的专业，涵盖三个年级，一周虽有两节面授课，但课后无交流机会，加上虚拟学习社区中要求使用昵称，基本上能避免学习者之间面对面关系对虚拟学习社区互动的影响。（2）“日本企业文化”的课程内容是开放性的，利于学习者的争辩与质疑。（3）课程教师有任务驱动的教学经验，对活动主题的选择和确定有一定的研究。在该研究中，课程教师给出的两个学习主题是“日本礼仪文化”和“日本企业社会责任”。“日本礼仪文化”与日常生活紧密结合，主题具有趣味性；“日本企业社会责任”则是结合“丰田召回门”事件，紧扣时事。学习者可以任选一个主题参与虚拟社区的学习，持续时间为两个月。
（二）研究方案
确定课程后，首先搭建虚拟学习社区平台，选择腾讯公司开发的QQ即时聊天工具及它的辅助功能作为虚拟学习的平台，QQ软件不仅被学习者所熟知，它还集成了群社区、语音聊天等功能，既能进行同步交互也能进行异步交互，符合本研究对虚拟学习平台的要求。其次，有研究指出，在合作学习中，小组构成最好在2~7人之间，[17]本研究根据班级人数和实际情况，确定每个小组为12人，根据学习者加入QQ群的时间随机分组。第三，为促进低交流意愿的学习者在社区中的互动，给低交流意愿的学习者确定角色，如担当社区中的提问者、辩论者、总结者等。第四，导学设计“Icebreaker”活动，让学习者建立快速信任，并推选组长；第五，为规范学习者在社区中的行为，在正式学习开始前让学习者协商制定社区行为规则，制定规范和惩罚，以上都是虚拟学习社区顺利构建的前提。第六，在学习者加入社区后，用策略干预虚拟学习社区社会网络的构建实践，并收集互动数据，使用Ucinet和NetMiner进行社会网络分析，具体研究方案如图1所示。
（三）数据收集
Woods和Ebersole的研究发现：最佳的学习成果是在开展合作学习中建立学习者之间的即时联系的关系，形成学习者之间的社会网络。因此，对话是有效学习所必须的生命血液。QQ平台给虚拟学习社区中学习者之间的同步互动提供了很好的平台，当然不可能所有的学习者都同一时间在线，需要借助QQ提供的群社区功能以便学习者的异步互动。所以，学习者在QQ群中的同步互动与群社区中的异步互动都是本研究重要的数据来源。QQ平台能自动记录群里面的互动及群社区的数据，给研究提供了很大的方便。同时，为便于描述，命名虚拟学习社区为VLCs2010。
本研究的关系数据集合包括：（1）VLCs2010全部师生的属性数据，如真实姓名、学号、QQ昵称、身份属性（专业、年级、是否组长）等；（2）关系数据的特征值，即关系的方向、关系的强度和关系的内容，由于本研究不涉及关系的内容，所以忽略。
1.属性数据的收集方法
隶属关系矩阵（Affiliation Matrix）是收集属性数据的工具，其内容描述行动者的一些自然属性，像行动者所属的专业、班级、年级或性别、年龄等。隶属关系矩阵的“行”为行动者，“列”为事件，即行动者的各种属性。
先将VLCs2010的行动者昵称和真实姓名等从Excel导入到Ucinet软件中，然后在Ucinet软件中直接输入行动者的特征属性数据，如行动者的身份属性、年龄等。
2.关系的方向和关系的强度
邻接矩阵（Adjacency Matrix）是收集和存储关系方向和强度的有效工具。我们在分析虚拟学习社区的社会网络时，一般都采用非二值矩阵，即使用赋值矩阵，矩阵中的数值表示为两个行动者之间的关系强度，且规定矩阵中的“行”为行动的发送者，“列”为关系的接受者，表1列举了VLCs2010中部分学习者的关系矩阵。
四、研究结果与分析
在进行一个学期的虚拟学习社区社会网络构建实践后，研究者对收集的数据进行社会网络分析，具体结果如下：
（一）网络的基本属性
1. 社群图
它表明VLCs2010共有学习者13名，共形成了85个连接对。VLCs2010中不存在孤立节点，每个学习者都参与了互动，但次数不同。
2. 网络基本属性的特征值
使用Netminer软件测量网络的节点数（即行动者数量，Number of Links）、网络密度（Density）、平均度（Average Degree）、互惠性（Reciprocity）、传递性 （Transitivity）、聚类系数（Clustering Coefficient）、平均距离（Mean Distance）、网络直径（Diameter）、连通性（Connectedness）和网络效率（Efficiency）等特征值，测量结果如表2所示。
与以往的虚拟学习社区相比，VLCs2010有较高的密度和互惠性，网络的效率也较高。
（二）网络的关联性
衡量网络关联性的两个主要指标是网络的连通性和网络的可达性。
1．网络的连通性
网络中的“桥”和“切点”可以通过连通性的测量来发现。在一个图中，如果去掉一条边，整个图的结构会分成两个互不关联的子图，那么我们称这条边为“桥”。类似的，若在一个图中，移走其中的某个节点，整个图的结构被分成两个互不关联的子图，则称该点为“切点”。
经过测试发现，VLCs2010中不存在桥跟切点，所有的学习者都至少与两个以上的成员有联系，即使移除网络中的某一点，也不会成为两个互不关联的子图。比起很多自发形成的虚拟学习社区来说，网络的连通性良好。
2． 网络的可达性
网络的可达性与网络的效率和结构相关。使Ucinet软件对VLCs2010的可达性进行分析后发现，VLCs2010的可达性平均值为0.686，标准差为0.232。表3为VLCs2010网络可达性邻接矩阵，从表中我们可以得出以下结论：第一，与其他研究者的结论不同，导学在VLCs2010的可达性并不是最高的（有些学习者的可达性超过导学lyy），但导学可达性仍超过很多学习者，说明在VLCs2010中，虽然部分学习者积极参与，导学在社区中的地位仍非常重要。第二，除了牛牛外，其他学习者的可达性都高于0.4，说明其他学习者都较易与另一学习者建立联系。
（三）网络的中心性
网络的中心性与中介性是计算一个行动者在一个社会网络中最主要的两项个体结构指针。在网络中心的行动者就是社会学中最有社会地位和最有权力的人，网络中心性的测量可以让我们清楚地看到谁在网络中占据了中心位置。
网络中心性又包括特征向量中心性（Eigenvector Centrality）、点度中心性（Degree Centrality）、中间中心性（Betweenness Centrality）和接近中心性（Closeness Centrality），每个值都代表不同的网络属性。VLCs2010中各学习者的相对特征向量中心度、相对点度中心度、相对中间中心度如表4所示。
1． 特征向量中心性（Eigenvector Centrality）
特征向量中心性是对行动者中心度以及网络中心势的一种标准化测度，目的是要发现在网络整体结构的意义上，哪些行动者是网络的最核心的成员。Ucinet软件分析显示，VLCs2010的相对特征向量中心度的平均值为0.266，标准差为0.077，特征向量中心势为0.233。
根据表4中相对特征向量中心度的值，可以获得相对特征向量中心度示意图，如图4所示。
对VLCs2010的相对特征向量中心的测量可以发现：第一，导学lyy以0.359的相对特征向量中心值居于整个网络的中心，是课程网络中的最核心的成员，意味着导学通过发挥主导作用占据了网络的中心位置和核心成员的角色。
第二，绝大部分的成员都在网络中占据比较中心的位置，如无可取代、蓝思雨、踏雪晨归等，学习者牛牛的相对特征向量中心度最低，说明她较少参与整个社区互动，也未与网络中占据中心位置的学习者有频繁互动，究其原因是因为牛牛自己没有电脑，上网时间不固定也比较少。
2． 点度中心性（Degree Centrality）
点度中心性由点度中心度和图的点度中心势指数两个指标组成。VLCs2010的图的点度中心势指数为：0.493（入度）和0.403（出度）。我们可以根据表4中的相对点度中心度得出VLCs2010的相对点度中心度分布图，如图5所示。
从图5中我们可以看出，导学lyy在课程中拥有非常高的点度中心度值，说明导学具有很强的互动能力。除导学外，学生踏雪晨归、无可取代与蓝思雨也都有非常高的点度中心度。
导学lyy的点出度高于点入度，说明导学可能出于激发学习者兴趣的需要，在社会网络中跟学习者有主动的联系，这与希望导学“站在舞台边缘进行指导”的策略有冲突，显示学习者还是习惯教师主导的学习。
3． 中间中心性（Betweenness Centrality）
所谓中间中心性就是测量某个节点在多大程度上位于图中其他节点的“中间”，由点的中间中心度和图的中间中心势指数两个指标组成。VLCs2010图的网络中间中心势指数为0.158。根据表4中相对中间中心度的值，我们还可以得出VLCs2010的相对中间中心度分布图，如图6所示。
通过对VLCs2010相对中间中心度的测量，我们可以看出导学lyy和组长踏雪晨归的中间中心度值高于其他人，说明导学和组长相对其他学习者，在整个社会网络中拥有更高的控制能力。除了导学和组长外，蓝思雨与无可取代的中间中心度值也较高，说明这几位学习者也拥有一定的控制能力。牛牛跟青铜鼎的中间中心度值为0，说明他们不能控制任何学习者，处于网络的边缘。
（四）凝聚子群分析
1．成分分析
从社群图图2看出VLCs2010只有一个成分，所有的成员均为这个成分中的一员，说明VLCs2010有较强的凝聚力。
2． 派系分析
分析发现，VLCs2010中存在6个派系。
导学出现在6个派系中，说明导学能够跟100%的派系保持密切联系，较好地发挥出了主导作用；除了导学，有三位学习者踏雪晨归、无可取代和蓝思雨出现在5个派系中，表明这3个学习者也是网络的重要人物；有5位学习者仅出现在一个派系中，参与互动较少。
（五）核心—边缘结构分析
核心度向量的计算结果如表6所示。
表6表明，学生踏雪晨归核心度最高，是网络的核心人物，导学lyy也处于网络的核心，他们可以有效地控制网络的信息流通，并与边缘人物保持联系，以保证社会网络中的高度互动。除了青铜鼎、eating、觉悟与牛牛四个学习者外，其他的学习者核心度都高于0.1，表明较多的学习者位于半边缘位置，他们既受到核心人物的“控制”，也可以部分的“控制”网络中的边缘人物。
（六）结构洞分析
网络中的结构洞能够给行动者带来利益，使得网络成员利用其信息优势变为经纪人，从而可以获得信息利益和控制利益。[18]如上文提到的，一共有五种经纪人类型，即协调员、咨询者、代表、把关人和联络员。
Burt指出，网络限制指标（Constraint）的值越大，则存在结构洞的可能性越小，若某个行动者的网络限制指标为0，则表明该行动者自我节点有许多连接节点，且这些节点之间彼此没有连结，因而存在许多结构洞。网络大小的定义是网络中的连线总数，网络的有效大小（Effect Size）越大，代表网络的重复程度越小，存在结构洞的可能性越大。从表7的结果可以看出，除牛牛外，所有学习者的网络限制指标小于0.5，说明这些学习者掌握了较多的结构洞。
五、研究结论
本研究得出的主要结论：第一，经过策略干预的虚拟学习社区的社会网络，基本属性如密度、互惠性、传递性等比前人关于虚拟学习社区社会网络研究的值普遍增大。第二，虚拟学习社区中不存在桥和切点，表明所有的学习者都曾与两人以上的学习者进行互动。第三，在中心性这个角度上，学习者的中心势普遍比较低，而接近中心度都大于0.5，表明网络中学习者的距离都是比较短的，整个社区的权利并不是集中在少数人身上。第四，对凝聚子群及核心—边缘结构的分析发现，社区中只有一个成分，说明社区的凝聚力是比较强的，组长踏雪晨归的核心度最高，是网络的核心人物和意见领袖，SPCC得分较低的学习者在承担一定的角色后，增加了在虚拟学习社区中的互动。第五，结构洞的分析表明，社区中学习者的网络限制指标都较小，一定要依赖一个学习者才能与另一个学习者进行信息传递的情况不明显，社区中的大部分学习者都承担过协调员的经纪人业务。第六，学习者是否能自如上网，是进行虚拟学习社区学习的前提和基础，在很大程度上影响学习者在社区中的互动。总的来说，作者提出的虚拟学习社区社会网络的构建策略有一定的有效性。
本研究的不足之处在于：第一，从总体上验证了策略是否有效，但无法判断某个策略的有效性。第二，未对互动内容进行深入分析，也未对学习者的态度、情感等进行调查。用内容分析法分析互动的内容，访谈调查学习者的态度、情感等将是本研究未来的方向。
[参考文献]
[1] 陈卫东，席秋玉.基于Claroline平台的网络课程学习社区的模型设计[J].远程教育杂志，2009，（5）:46~49.
[2] 王艳艳.虚拟学习共同体的深层对话设计[J].中国远程教育，2009，（3）:41~44.
[3] 宋宝瑜.虚拟学习社区群体学习特征与知识构建策略研究[J].远程教育杂志，2009，（6）:19~22.
[4] 李玉斌.虚拟学习社区中隐性知识传播研究[J].电化教育研究，2008，（7）:60~63.
[5] 甘永成，祝智庭.虚拟学习社区知识建构和集体智慧发展的学习框架[J].中国电化教育，2006，（5）:27~32.
[6] 刘洋，兰聪花.虚拟学习社区中少数民族大学生学习策略的调查与研究[J].电化教育研究，2010，（9）:106~108.
[7] 陈国强.虚拟学习社区的有效性反思及其发展思路[J].电化教育研究，2006，（7）:26~29.
[8] 何苗，程坤，郭允建.虚拟学习社区中社会临场感研究初探[J].中国电化教育，2010，（1）:54~58.
[9] 胡勇，赵凤梅.虚拟学习社区中的核心—边缘结构分析[J].中国电化教育，2011，（3）:45~49.
[10] 钱旭升，师红霞.虚拟学习社区中的人际交互机制研究——以国家级精品课程“现代远程教育”为例[J].远程教育杂志，2011，（1）:62~67.
[11] 尚建新，解月光，王伟.虚拟学习社区中学习者交互因素研究[J].电化教育研究，2010，（8）:65~70.
[12] 王陆.虚拟学习社区社会网络位置与知识构建的关系研究[J].中国电化教育，2010，（8）:18~23.
[13] 王陆，马如霞.意见领袖在虚拟学习社区社会网络中的作用[J].电化教育研究，2009，（1）:54~58.
[14] 王陆.虚拟学习社区的社会网络结构研究[D].兰州：西北师范大学，2009.
[15] 黎加厚，赵怡，王珏.网络时代教育传播学研究的新方法:社会网络分析——以苏州教育博客学习发展共同体为例[J].电化教育研究，2007，（8）:13~17.
[16] Nahapiet，Ghoshal S.. Social Capital，Intellectual Capital and the Organizational Advange[J].Academy of Management Journal，1998， 23（2）:242~266.
[17] 黄荣怀.计算机支持的协作学习——理论与方法[M].北京：人民教育出版社，2003.
[18] Burt，R.. Structural Holes: The Social Structure of Competition[M].Cambridge: Harvard University Press，1992.