新媒体环境下企业知识共享网络结构研究，本文主要内容关键词为：结构论文,环境论文,媒体论文,知识论文,企业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 引言 移动互联网和云计算的发展已深刻影响企业变革。腾讯公司推出“微信服务号+企业号”以进行客户关系的维护[1]；百度公司利用“移动搜索+直达号”以搜索用户所需要的服务[2]；支付宝提出“服务窗+移动支付”以打通线下商户并完成支付功能[3]。从这些事例中可以看出很多企业开始利用新媒体环境来加强企业内外资源整合，知识管理是企业提高核心竞争力的重要资源，利用新媒体环境进行企业知识管理，对提升企业创新和构建竞争力起着重要推动作用。 近几年，新媒体环境下的知识管理研究成为国内外学者关注的热点。国外学者D.P.Ford等[4]分别从宏观、中观、微观方面分析了Facebook和Twitter两种不同社交媒体平台中知识管理应用情况。A.S.Chaudhry[5]采用在线调查和访谈法对74位科威特政府官员个人知识管理进行研究，研究结果表明目前多数官员愿意使用Twitter、Facebook、博客、Wiki等社交媒体工具和服务来提高个人知识管理能力和水平。V.Shabrina等[6]以印度尼西亚万隆大学经济管理商业学院为例，从文化、态度、动机、技术、交流、意愿6个方面分析了师生之间知识共享活动的影响因素，得出学术机构之间应加强沟通交流，并且充分利用互联网等技术手段进行知识共享。国内学者郭宇等[7]从信息生态视角出发，运用实证分析的方法对移动新媒体的知识共享影响因素进行了分析。韩彦军[8]从共享环境、知识协同、存储系统、共享平台四个方面提出知识服务产业的知识共享机制。胡昌平等[9]从个人、情境、知识和行为四个维度出发，用实证分析方法对虚拟社区中的知识共享行为和知识搜索行为进行探究，以更好地促进虚拟社区的发展。 纵观上述国内外学者在新媒体应用中知识管理的研究，国外学者的研究主要聚焦在新媒体环境下的知识应用、知识服务和进行知识管理的用户行为；国内学者的研究主要聚焦在知识共享的影响因素、知识共享的机制和模式等相关研究，但针对新媒体环境下企业知识共享网络结构的研究相对较少。本文基于社会网络分析法的相关理论，对新媒体环境下企业知识共享的网络结构进行分析，以清华同方电视官方微博“科技有意思”为研究对象，利用网络爬虫、编程、中文分词和Gephi等社会网络工具进行数据采集和实证分析。本文试图解决以下三个方面的研究问题：（1）基于社会网络分析新媒体环境下的企业知识共享网络结构的属性特征是什么？（2）新媒体环境下企业知识共享网络结构的特征及发展趋势是什么？（3）如何结合新媒体环境下的企业知识共享事例进行实证分析？ 本文在理论研究层面，利用社会网络分析法对新媒体环境下企业知识共享的网络结构进行研究；在应用研究层面，以清华同方电视官方新浪微博“科技有意思”话题数据为信息源，采用Gephi等分析工具从整体结构特征、网络中心性和传播媒介三个方面进行分析，从而呈现新媒体环境下企业知识共享网络结构的发展特征及趋势。本文的研究为新媒体环境下企业知识共享的研究提供新的视角，对互联网环境下企业竞争力的提高起到积极的作用。 2 相关理论 2.1 新媒体相关理论 美国哥伦比亚广播电视网技术研究所所长P.Goldmark于1967年首次提出新媒体的概念。联合国教科文组织认为新媒体是以数字技术为基础，以网络为载体进行信息传播的媒[10]。Jon Dovey等[11]认为新媒体具有数字性、交互性、超文本性、虚拟性和网络化等特点。同时，为了同报纸、杂志、广播和电视等传统媒体进行区别，许多学者和专家将数字媒体称为新媒体，并将新媒体定义为能够通过二进制代码进行信息的存储、操作、传递和交换的电子媒体，即以计算机为基础的网络、移动网络和数字媒体广播称为新媒体[12-13]。新媒体不仅能以数字化的方式进行信息交流，而且用户之间还可以进行交互[14]。本文在综合上述观点的基础上，认为新媒体是互联网、云计算等技术支撑体系下出现的媒体形态，其最大特点是数字化、互动性和个性化。 新媒体按照媒体的形态、服务的方式可以分为网络媒体、移动新媒体和电视新媒体[15]。网络媒体主要以新闻网站、网络视频、搜索引擎、微博、社交网站为典型代表；移动新媒体主要以手机报、移动电视、移动微博、微信和APP等为代表；电视新媒体指数字电视、IPTV、移动电视与户外新媒体。新媒体的主要传播特点可以概括为“七全一去”，即全时传播、全域传播、全民传播、全速传播、全媒体传播、全渠道传播、全互动传播和去中心化。 2.2 社会网络相关理论 社会网络分析是对个体、群体及社会等不同社会单位所构成的社会关系网络属性及其结构进行分析的一套方法和规范[16]。目前社会网络分析法成为重要的研究理论和方法，涉及多个学科和领域，比较适合新媒体环境下企业知识传播过程中网络结构问题的研究。 网络整体结构通常用网络密度、平均路径长度、聚类系数和网络中心性等属性来衡量[17]。网络密度反映社会网络中各节点之间联系的紧密程度[18]，通常可以用来确定网络结构是松散网络还是紧密网络，网络密度越大，越有利于成员共享隐性知识，网络密度值小，越有利于成员共享显性知识[19]。平均路径长度是指网络中任意两个节点之间交流所需要的连线数，平均距离越小说明成员间知识交流越方便，越有利于知识的共享和传播[20]。聚类系数是通过节点的紧密程度来反映成员之间信息交换的可能性和合作性，聚类系数越大说明网络节点的密度越高，行动者被其他人关注度越高，知识共享网络越容易形成[21]。网络中心性反映个体在社会网络中的地位和权利，一般情况下网络中心性可以通过点度中心性、中间中心性和接近中心性三个属性来表示[22]。平均路径长度、聚类系数及网络节点度三个属性结合在一起看是否符合幂律分布，可以来判断该网络是小世界网络还是无标度网络[23]。 2.3 基于社会网络的新媒体环境下企业知识共享网络结构的提出 知识共享是知识管理的核心，Lee[24]认为知识共享是知识从个人、群体、组织向其他个人、群体、组织转移或扩散的过程。林东清等[25]认为企业知识共享是企业员工在企业内部或者企业之间，通过不同的方法进行知识的讨论与交流，以扩大知识的利用价值。企业知识共享的网络结构是将分布在组织中的知识根据一定的逻辑关系连接成网络的形式，从而使得组织实现更加有效的知识管理[26]。企业中的员工通过参与不同的业务形成不同的知识网络，以不同的节点表现知识共享活动过程中的社会网络关系。 随着信息通讯技术和互联网的快速发展，新浪微博、社交网站、微信朋友圈、APP等不仅作为个人交友聊天的载体，越来越多的企业利用新媒体技术平台，将知识进行共享并进行传播，形成微视频、微互动、微社区等多种新媒体知识共享的网络结构形式，从而通过知识共享、转移和创新提高企业核心竞争力。本文利用社会网络分析法对新媒体环境下企业知识共享网络结构中的重要节点、关系等网络结构特征进行分析，以了解新媒体环境下企业知识共享网络结构的特征及规律，更好地指导企业利用新媒体进行知识共享以提高企业的核心竞争力，具体如图1所示。 本文通过移动端和非移动端数据的对比分析，以期找到新媒体环境下企业员工在进行知识共享时的行为习惯，进而分析企业的知识共享网络结构，掌握移动端和非移动端网络结构的异同及发展和应用趋势。 3 研究方法 基于社会网络分析法，采用社会网络分析软件及工具进行实证研究。数据获取及分析步骤如下：（1）数据源选择。结合微指数及Alexa选择“清华同方电视的新浪官方微博”作为数据源。（2）数据采集。以编程接入新浪微博开放平台方式，遍历所有转发、评论节点获取相应字段信息数据。（3）数据处理及分析。针对“清华同方电视的新浪官方微博”原始数据集，利用中文分词对数据进行清洗，最终形成要素数据库及精简数据库。数据分析阶段，使用Gephi软件及数理统计分析工具，对数据结果进行绘图及社会网络分析。
3.1 数据来源 新浪微博是由新浪网推出，提供微型博客服务类的社交网站，在Alexa网站拥有较高的排名[27]。截止到2015年9月30日，新浪微博月活跃用户为2.22亿，是中国网民主流的微博平台[28]。同时，新浪微博是新媒体环境下企业进行知识共享的典型媒体代表，用户通过微博的网页端、手机客户端、WAP页面可进行知识的分享和交流，因此本文将新浪微博作为数据源。 本文样本数据选择对象是“清华同方电视的新浪官方微博”。清华同方在2005年位于“中国电子信息企业500强”的第23位。清华同方“#THTF科技有意思#”介绍了最新的科学技术和产品。本文以“#THTF科技有意思#”话题为原始“信息源”，共获取381条话题原创微博地址。本研究信息源发布时间2013年1月23日至2015年7月9日，通过Java编程语言接入新浪API数据接口获取数据信息，共收集4546条数据。 3.2 数据采集 本文数据采集过程如下：（1）以时间为序查找所选话题的原创微博博主，借助新浪微博开放平台，通过编程接口API获取发表该信息的网址、发表时间和客户端；（2）采集所有原创、转发、评论和收藏该话题的网址、用户名、用户ID、发表时间、客户端；（3）建立该话题的地址库和信息字段库（包括用户发布信息的内容、时间、客户端、用户名、用户ID等基本信息）。 3.3 数据处理及分析 本文使用盘古分词、Ultraedit等软件对发布信息的内容、时间、客户端、用户名、用户ID等基本信息进行标准化处理，其中包括话题网址的去重、日期格式的标准化、删除无效数据和缺失值、“#、|、～”等特殊字符替换等规范化清洗和整理工作，最终形成“#THTF科技有意思#”话题的移动端和非移动端数据库。 由于数据收集量较大，本文使用Access等数据统计工具和Gephi软件对数据进行处理。Gephi是以动态和交互可视化方式进行复杂网络分析的软件，比较适用于对大量数据进行动态性的分析，并以可视化的方式展示[29]。因此本文使用Gephi软件对收集的数据进行分析，使用Yifan Hu流程对数据进行布局，用ForceAtlas 2进行聚焦，同时配合数据统计和盘古分词工具，提取主要信息并创建话题数据库[30]。 4 数据结果及讨论 4.1 网络整体特征 本文以“#THTF科技有意思#”话题为信息源，共获取4546条微博数据，以用户为节点，转发、评论关系为边，使用Gephi软件绘制移动端和非移动端新媒体环境下企业知识共享的网络结构云图（如图2和图3所示）。从图中可以看出，新媒体环境下企业知识共享移动端的用户分布较广、数量较多、用户之间的联系较为紧密；而非移动端的知识共享网络结构相对较为稀疏。从云图中可以看出“华中科技大学”、“广东共青团”、“LG电视官方微博”、“广州日报”转发量相对最大，连接的节点用户较多，说明此节点是知识共享网络结构中的核心节点。在“＃THTF科技有意思#”话题的知识共享网络中，较多的用户通过移动端和非移动端进行转载、评论，形成知识传播的作用力场，呈现不同的影响力。
Watts等[22]认为网络密度是节点间实际建立关系数量占所有可能建立关系数量的比例，表达式为：D=21/N（N-l），其中，l为网络中节点联系的边数，N为网络节点的规模。移动端网络密度为0.000（低于软件可统计数值），非移动端网络密度为0.002，密度值较小，说明“#THTF科技有意思#”知识网络有利于显性知识共享。 本文使用Gephi软件计算了“平均路径长度”和“聚类系数”，以反映知识网络结构。通过计算得出移动端平均路径长度和聚类系数分别为4.107、0.008，较小的平均路径长度和较小的聚类系数表明网络整体凝聚力一般。同时，由幂律分布公式为：y（x）=bx-a，其中x为节点的度，y（x）为度值x节点出现概率。计算移动端节点幂律为y（x）=33.52x-2.44，
=0.935，将统计数据绘制成散点图同时进行趋势线拟合，得到移动端节点度分布幂律曲线，如图4所示。非移动端平均路径长度和聚类系数分别为4.533和0.156，较小平均路径长度和较大的聚类系数结果说明该网络整体凝聚力较好。由幂律分布公式计算出非移动端节点幂律为y（x）=58.33x-2.04，
=0.968，非移动端节点度分布幂律曲线如图5所示。从节点幂律可以看出，样本数据拟合度较好，均符合幂律分布。
对比分析移动端和非移动端数据可以发现，移动端具有“较小的平均路径长度”和“较小的聚类系数”，表明移动端的知识共享网络具有无标度网络特征；非移动端具有“较小的平均路径长度”和“较大的聚类系数”特点，表明非移动端科技知识共享网络具有小世界网络特征。 4.2 网络中心性分析 4.2.1 点度中心性 点度中心性反映知识网络中知识节点与其他节点的关联性，显示活动者之间的联系程度和节点的重要程度，可以衡量知识传递过程中的核心地位[23]。点入度表示知识网络中节点被其他节点访问的程度，也反映着在整体网络中受欢迎的程度；点出度表示知识网络中节点访问其他节点的情况，反映了该节点主动获取所需要知识的程度。 从点入度中心度来看，移动端中“广东共青团”和“华中科技大学”的中心性较高（入度分别为1250和904），非移动端中“广东共青团”和“华中科技大学”的中心性也较高（入度分别为70和22），说明“广东共青团”和“华中科技大学”是知识网络中知识的主要传递者，两个节点在整个企业知识网络传递过程中最为活跃。相比较其他用户在网络中处于比较重要的位置，对整个知识共享网络的形成及演进起着重要作用。具体知识共享网络节点入度前10名如表l所示。
从点出度中心度来看，移动端中“广东共青团”和“轻院电信系-应电131”比较活跃，（出度分别为7和5），说明“广东共青团”和“轻院电信-应电131”可以主动获取知识共享网络中所需要知识。其中“广东共青团”不但点入度值比较大，点出度值也比较大。这一结果表明，该节点在知识共享网络共享知识的过程中还注重通过知识网络获取所需要的新知识；非移动端中“轻院团委组织部”、“广州共青团”、“法政学院宣传中心”度量值相对较大（出度都为5），这一结果也表明这三个节点能积极地向知识网络中其他节点获取所需知识。具体知识共享网络节点出度前10名如表2所示。 4.2.2 中间中心性 中间中心性是衡量网络中心势的重要指标，反映活动者中间路径控制能力，描述活动者的地位[32]。活动者在网络中位置越多，说明有更多的知识共享活动与其相联系，网络中间性越高。由选择样本网络中间中心性传播量表的仿真数据结果显示，除原创节点外，移动端中“广东共青团”的中间中心性最高（中间中心度为71061），说明网络中很多的节点都通过它进行知识的直接或间接传递，“法政学院宣传中心”的中间中心性较低（中间中心度为4980），说明知识的传播需要通过其他节点进行传递。非移动端中“电信系移动131”中间中心性最高（中间中心度为390），说明该节点在整个知识共享网络节点中心性影响了整个网络，“邱婷小童鞋”中间中心性最低（中间中心度为225），说明它相对其他节点交流效率较低。知识网络中间中心性传播量表（前10位）如表3所示。
4.2.3 接近中心性 接近中心性反映某活动者不受其他活动控制的能力问题[33]。节点的接近中心度越大，从该节点到其他节点的平均距离就越小，在知识网络中的知识传递过程越居于有利的地位。 在移动端中，接近中心度较高的是“小顾Mosquito”（接近中心度为10.47），说明该节点在此知识网络中居于最重要的地位；接近中心度最小的是“LG电视官方微博、北京飞翔蒲公英、游戏小伙伴、有信免费电话、韩雅ANYA、粤语网、扒视频的怪蜀黍、广州公安”（接近中心度为0），说明该节点不受其他节点的支配和影响，具有较小的影响力，他们的参与不会带动整个知识网络结构的知识共享氛围。 非移动端中，“邱婷小童鞋、建筑师曹晓昕、ZpeiI、木燕travel、共青团黄山区委”接近中心性最大（接近中心度为6.40），“LG电视官方微博、北京飞翔蒲公英、游戏小伙伴、有信免费电话”接近中心度最小（接近中心度为0），说明“LG电视官方微博、北京飞翔蒲公英、游戏小伙伴、有信免费电话”在该知识网络中影响力最小。知识网络接近中心性传播量表如表4所示。
4.3 传播媒介 本文使用中文“盘古分词”工具，分别提取移动端和非移动端中关于“#科技有意思#”话题转发、评论的主要信息，并对核心关键词进行统计分析，统计发现移动端用户主要聚焦在“手机、科学家、时间、智能、地球”等核心词汇，而非移动端用户主要关注“手机、科学家、设计、果壳、地球”。从统计词汇可以看出，移动端和非移动端用户均比较关注手机、科学家和地球等词，手机在移动端和非移动端的搜索中均排第一，说明企业在进行知识共享过程中，更关注利用移动工具进行企业的知识共享。而非移动端在图片浏览、设计等方面比移动端有较强的优势，说明在企业知识共享中图片和设计等难度较高的知识更习惯使用传统的PC端进行共享。 本文共计获取用户移动端和非移动端传播媒介数据4529条，具体如表5所示。其中移动端数据2448条，占所有数据比例的54.05%；非移动端数据为2081条，占所有数据比例的45.95%。从上述数据可以看出，在“#科技有意思#”知识共享的过程中，移动端所占的比例相对较大，说明通过移动端进行知识共享逐渐成为企业进行知识共享的一种新的趋势。再对移动端所使用的工具进行统计分析，Android客户端和iPhone客户端占移动端比重的41.66%，小米、三星、华为等其他品牌手机也渐成为知识共享的主要工具。在非移动端中，网民主要通过360安全浏览器和搜狗高速浏览器访问weibo.com网址进行知识的共享和交流。“＃科技有意思#”知识共享网络用户工具端统计如表5所示。
5 结语 本文以社会网络分析法为理论基础，选择“清华同方电视的新浪官方微博”作为样本数据源，从移动端和非移动端对比分析了清华“#科技有意思#”的企业知识共享过程中网络整体结构特征、网络中心性和传播媒介，利用Gephi软件、盘古分词和统计工具对知识共享网络进行分析，呈现新媒体环境下企业知识网络的特点和传播规律。通过“#科技有意思#”话题的实证分析，发现该企业在知识共享网络为松散网络，有利于显性知识共享，同时，移动端的知识共享网络表现为无标度网络，非移动端为小世界网络。基于社会网络理论可以为新媒体环境下企业知识共享网络结构分析提供新的研究视角，网络密度、平均路径长度、聚类系数、网络中心性和传播媒介可以作为新媒体环境下企业知识网络分析的特征属性。 本文在理论层面为新媒体环境下企业知识共享网络结构研究提供新的研究视角；在应用层面，结合新媒体环境下企业知识共享的典型话题，呈现新媒体环境下企业知识共享中网络结构特征、网络中心性和传播媒介的特点及发展趋势。本文的研究对企业掌握新媒体环境下企业知识共享的网络结构特征具有一定的指导意义，对企业利用新媒体进行知识共享提升企业竞争力有重要的指导作用。 在研究过程中，本文仅以清华同方中“#科技有意思#”话题为例进行知识共享网络结构分析，数据覆盖面不够广泛。在后续研究中，将选取多个话题对知识共享的知识传播路径及演进规律进行深入研究。
标签：科技论文; 网络结构论文; 聚类分析论文; 网络节点论文; 新媒体论文; 用户研究论文; 社会网络论文; 移动互联网终端论文; 企业特征论文; 新媒体产业论文; 用户分析论文; 用户获取论文; 移动互联网论文;
