基于社会网络分析的大学生学习关系结构演变研究.doc

基于社会网络分析的大学生学习关系结构演变研究 摘 要 本文采用社会网络分析方法，以155名在校大学生为研究对象，并在不同时间对其学习关系进行了调查。通过ucinet6.0社会网络分析软件对所得数据进行了分析、研究，得出了大学生的学习关系网络演变的特点。 学习是生活中处处存在的，我们无时无刻不在学习。随着终身学习不断深入，越来越多的人开始重视学习的重要性。但是，学习也是有很多技巧的。在学习的过程中，我们需要有一些学习上的伙伴，来帮助我们解决学习中的困难，以便我们更好的学习。对于大学生来说，建立好学习关系同样非常重要。因为拥有良好的学习关系，是我们在学习的道路上的一笔财富。因此，为了了解当代大学生的学习关系，笔者对某高校部分大学生进行了追踪调查，并利用社会网络分析软件ucinet6.0得出了大学生学习关系演变的特点。 社会网络分析法是一种社会学研究方法，也是一种研究社会网络结构和社会网络关系的分析方法。因此，就出现了许多社会网络分析软件，如Pajek、UCINET、NetworkX等。本文将利用社会网络分析软件UCINET6.0对学习关系网络结构演变特点进行研究，其目的在于通过了解大学生学习关系网络变化的特点，能过给大学生和高校管理者一些启示和帮助。 一、研究方法 1、研究对象 本次研究对象是某高校的203名大学生，但是由于一些学生对学友的错误理解，导致选择的数据过多，为减小误差，将这些数据通过SQL2008R2删除。并且本次研究是对这203名学生进行追踪调查，有些学生未能及时参加某次调查，因此将这些学生在其他调查中的数据一并删除，最终只留下155名学生所填写的数据。 2、调查时间 本次研究一共进行了4次调查，每次时间间隔为1个月。 3、研究方法 社会网络分析法在于通过对社会网络的“关系”的进行量化分析，从而研究其社会结构，并发现社会现象、问题。 （1）网络规模及密度 网络规模是指网络中包含的的节点（即成员或行动者）。网络密度是指网络中各个成员之间交往、联系的紧密程度。网络密度介于0和1之间，网络密度越大，说明网络中成员之间的交往、联系越紧密。网络密度的计算方法是朋友网络中学生间实际存在的朋友关系数除以理论存在的朋友关系数。 （2）平均点度中心度是指网络中各个行动者在网络中所具有的权力大小，地位重要与否的一个平均指标。平均点度中心度越大，说明各行动者在网络中的整体重要性、权利和地位越高。 （3）平均路径长度是指网络中各个行动者之间进行交往、联系的平均距离，反映的是各成员之间的密切程度。如果平均路径长度越短，而以该值为基础的凝聚力指数越大的话，就表明该网络中个成员之间的凝聚力、密切度或团结力比较强。 （4）聚类系数是反映网络中各成员的聚集程度，或者说是反映整体网络中成员的分派情况和聚类强弱的指标。 4、研究工具 本次研究采用的调查方法是VS2010开发问卷调查系统，收集到的数据会100%回收到sql2008R2数据库中，然后通过sql2008R2将数据进行处理，在通过VS2010将数据转成ucinet6.0可识别的学习社会网络关系矩阵。最后利用ucinet6.0对该矩阵进行指标量化分析。 二、实证结果分析 1、网络规模和密度 本次研究对象共155人，因此，学习网络的规模为155。 在UCINET6.0软件中沿着Network / Cohesion / Density / Old Density procedure这一路径计算出四次调查的学习网络密度，分别为：0.109，0.137，0.108，0.139。从4次调查数据可以看出，学习网络的密度都比较低，说明该学习网络各成员之间联系的紧密程度不高。并且密度变化的幅度不大，处于较稳定的状态。通过数值可看出，该学习网络的密度处于波动的状态。 2、平均点度中心度 在UCINET6.0软件中沿着Network / Multiple Measures / Network level这一路径计算出四次调查的学习网络的平均点度中心度，分别为16.729，21.168，16.6，21.374。4次调查得到学习网络的平均点度中心度随时间的变化处于波动状态，说明同学们整体在学习网络中的地位随时间的变化时高时低，并且波动幅度较大。 3、平均路径长度 在UCINET6.0中沿着Network / Cohesion / Geodesic Distance（old）这一路径计算出四次调查的学习网络的平均路径长度和凝聚力指数，平均路径长度：3.186，2.757，3.381，2.704；凝聚力指数：0.387，0.442，0.380，0.447。从平均（下转第157页）（上接第106页）路径长度和凝聚力综合来看，其平均路径长度都在2.7以上，凝聚力指数都在0.45以下，说明该学习网络的凝聚力不是很强。并且平均路径长度和凝聚力指数随时间的变化处于波动状态，说明学习网络的凝聚力随时间的变化时而加强时而减弱，但其波动趋势不是太明显。 4、聚类系数 在UCINET6.0中沿着Network / Cohesion / clustering coefficient这一路径计算出四次调查的学习网络的聚类系数，分别为0.61，0.659，0.583，0.659。从学习网络的聚类系数来看，该网络的平均聚集系数均在0.5830.659之间，说明该网络中的聚类程度还是比较强的。学习网络4次调查结果的聚类系数随时间的变化也处于波动趋势的，说明学习网络的聚类程度随时间的变化时而加强时而减弱，但是其波动趋势也不是太明显。 三、结论与建议 利用ucinet6.0软件对大学生的学习网络进行了分析，结果显示，学习网络中同学之间的学习关系是随时间的变化而发生着细微的波动，学习关系时而加强时而减弱。并且从各指标数据的显示中可看出，大学生的学习关系不是很紧密，他们在学习的过程中与其他同学讨论、解决问题的能力不是很强，大多局限在自己学习的环境中。在此，笔者建议大学生，要学会协作学习，与同学多互动，建立起友好的学习关系网络，为自己以后的学习打下坚实的基础。 四、结束语 本文只选取了某高校的部分大学生作为研究对象，样本数量较小，不太适合当代大学生的学习关系网络的情况。为了进一步证实当代大学生的学习网络关系的特征，在今后的研究中，应选取更多的大学生的作为研究对象，得出更准确的结论。