冉华，武汉大学媒体发展研究中心研究员, 武汉大学新闻与传播学院教授

戴骋，武汉大学新闻与传播学院博士研究生

随着互联网技术的勃兴与影响日隆，新闻传播学的相关研究受到网络传播研究的大力冲击，对学科知识生产范式提出了新的命题。互联网发展初期，以即时通讯和电子邮件作为人类沟通的基本工具从某种程度上改变了人们的现实生活，远程通讯解决了人类交往的距离困境。加之技术手段的不断推进，传播行为的时间限制和空间障碍进一步被消解，极大拓宽和丰富了人类信息传播的渠道和途径和通路（删除通路并修改为“途径”），以此促成了技术与媒体发展的相互借力，使社交媒体发展蔚然成风，逐渐成为国内外学术界关注的热点议题。基于Web2.0理念和技术的社交媒体（social media），主要是搭建人际关系网络并维系其运行，创造和生产内容的一种平台（applications）。社交媒体最早是由梅菲尔德（Mayfield）从认知维度提出的一个相对模糊的概念，主要是给予用户参与空间的新型在线媒体。这种新型的媒体平台，用户以免费注册的形式，构建强关系链的社区化网状结构，激发用户的参与心理和生产兴趣，主要功能是实现信息共享和互动式双向传播。研究者在对社交媒体进行分析时，意识到这种新的媒介形态更注重对话式的交流，突出平台的开放性，能帮助实现用户间的交际和分享，这就不同于传统媒体时代的单边传播，而更强调内容服务的重要属性，由此搭建一个公开（public）或半公开（semi-public）的圈群，以实现内容分享。依靠通讯技术、互联网技术和数字技术的媒介形态不断创新，对以人为基础的传播行为和模式进行了重塑与再构，因此从传播学的学科视角来研究和探寻社交媒体的变迁轨迹显得尤为必要。同样，随着传统媒体向新媒体时代的转型和发展，报纸、广播、电视等传统媒体日渐式微，社交媒体的异军突起，不断分流传统媒体的受众市场，它的用户数量持续增长，用户的参与度和活跃度也稳步提升，召唤着新闻传播学科研究议题和学术指向的变轨与转向。时至今日，基于社交媒体的新颖性，这一领域的相关研究受到诸多不同学科的关注，因而具备多学科交叉性，不同学者从各自的专业背景出发来展开研究，使其成为学术界研究的热点问题，反映出研究者自身具备的强烈问题意识和深厚学术关怀。因此，把握和梳理国外社交媒体研究，尤其是从时间序列上来探析新的研究议题与领域，识别关键文献，并归纳相关研究的演进趋势，进而形成一种全景式的知识网络结构，将是本文的出发点。

（一）数据来源及处理

本文以美国科学引文（Web of Science，WOS）作为数据来源，因为WOS数据库与史蒂芬斯全文数据库（EBSCOhost）、威利·布莱克威尔（Wiley-Blackwell）等其他数据库相比，其涵盖内容更全面，集成了包括社会科学、自然科学和人文艺术学科等大量研究资料，并包含所有SSCI来源期刊，在学术界享有较高权威，能为本研究提供翔实全面的数据支撑。本研究以“social media”为主题，在WOS系统中使用社会科学引文索引数据库（SSCI）、艺术与人文科学引文数据库（A&HCI）和社会科学与人文科学会议引文索引数据库（CPCI-SSH），检索时间跨度为2008—2017年，并以一般论文（article）、会议论文（proceedings paper）、综述（review）3类作为文献类型，语种为英语，共计获得12 111篇文献。由于社交媒体发展态势迅猛，涉及到管理学、社会学、传播学、法学、医学等多个学科，其研究分布范围广，研究内容较分散，倘若对其进行大而全的分析，难以形成有效的学术讨论，加之本文的研究目的是探寻新闻传播学科内“社交媒体”的研究热点和趋势，故此次文献检索以“传播学”（communication）为主要类目对数据进一步提纯，最终获得目标文献数据2142篇，最后以纯文本（plain text）格式保存全记录与引用的参考文献信息。

（二）研究方法

科学知识图谱（mapping knowledge domains）旨在展现知识发展脉络与结构关系，基于可视化分析并以图景形象来对某领域的相关研究进行呈现。通过科学知识图谱方式所展示的网络结构，能够有效地表征出某学科的信息图景，实现对某研究领域潜在演化机制的分析和发展前沿的探测，呈现该领域的关键文献、研究热点、发展走向等问题。CiteSpace是美国华裔学者陈超美研发的数据和信息可视化软件，它利用分时动态的图谱形式来描述知识领域的宏观结构及其发展脉络，学界常把基于该软件分析所得的数据结果视为科学知识图谱，并作为一种可行的研究方法广泛使用。目前国内对CiteSpace的使用主要集中于管理学、经济学和图书情报学等学科，在新闻传播学领域的研究较少。本研究尝试借助CiteSpace软件勾勒出社交媒体研究的演进过程和知识结构，对社交媒体研究展开动态、多元的网络分析，对样本数据进行文献共被引分析、突发性分析和聚类分析，力图总结社交媒体相关研究的热点议题和发展态势。

在研究初始阶段，先使用CiteSpace软件对下载的数据进行除重操作，并未发现重复文献，样本数据仍为2142篇。日期为2018年3月10日。在新建的分析项目中把最大引用跨度（look back years）设置为-1，这可以把样本数据中的所有文献包含入内，同时将最大相邻节点设置（max. no. links to retains）为10，表示保留每个节点关联度最大的10条连线。在分析数据过程中，把时间切片（yesrs per slice）设置为1年。

（一）社交媒体研究的文献共被引分析

共被引分析（Co-Citation analysis）是指两篇文献共同出现在第3篇施引文献的参考文献中，则这两篇文献形成共被引的关系。对文献进行共被引分析，是反映某学科或领域知识基础的主要方法，因为被引文献与所研究的论文内容本身具有显著关系，假设某一领域的研究论文多次引用同一篇论文，反映出该论文在这个领域是至关重要的。科学文献间的相互引用，不仅说明了知识单元间的时间性流动，更反映出知识生产的积累性过程，亦能体现出知识发展的迹象。所以，通过对社交媒体相关文献展开共被引分析，能够从宏观上对该领域进行大致地把握。

1.社交媒体研究的知识基础

将“被引文献”（cited reference）设定为节点类型，节点选取阈值设定为前30（Top30），使用cosine方法来计算关系强度，利用寻径网络（Pathfinder）+对合并后的网络进行裁剪（Pruning the merged network）+对每个切片的网络进行裁剪（Pruning the sliced network）的方法展开裁剪，运行CiteSpace软件对共被引文献聚类分析后，共得到190个节点，540条连线，得到文献共被引网络图谱。通过对可视化文献共被引网络图谱进行聚类分析，其网络密度为0.025 2，模块化（Modularity）Q值为0.826 8，平均轮廓（Mean Silhouette）值为0.7923。按照陈超美和李杰的标准，Modularity值作为网络模块化的评价指标，该值的取值区间为[0，1]，当所得数值Q>0.3就意味着所得网络社团结构是显著的，因此该文献共被引视图的网络模块结构显著。Mean Silhouette值是用来衡量网络同质性的指标，越接近1，表示网络的同质性越高，当该值为0.7时，聚类结构具有高信度。所以，此图谱中的网络社团结构显著，聚类效果具有较高的信度。通过使用词频*逆文本频率指数（tf*idf）算法，并以关键词（keyword）对聚类结果命名，得到文献共被引网络图谱主要结构（如图1所示）。

图1 社交媒体研究的文献共被引聚类分析结果

图1直观地展示了“社交媒体”研究的几大聚类标签，其中最大的聚类标签为#0“新闻共享-健康传播”（newssharing-health communication）。在以“social media”作为主题词进行检索时，通过数据分析所得的最大聚类标签是与“新闻共享和健康传播”相关，反映出该领域研究在新闻内容生产的侧重，体现出社交媒体如脸书（Facebook）和推特（twitter）对信息传播形态的重塑性，表示学界关注的重心转向至强调信息共享性所带来的对信息传播格局的颠覆与重构。根据CiteSpace软件中对聚类结果的关键性例句（representative sentences）的抓取，发现“新闻共享—健康传播”这一聚类标签主要研究的是社交媒体上新闻共享功能，用户在社交媒体上关注他们感兴趣的事务及其他用户，信息的点对点传播、点对面传播，扩充了用户在日常生活中接收信息的容量，通过接收自己所关注的人所分享的新闻，并分享至用户自己的主页，在社交媒体上进一步传播，使其逐渐成为健康信息传播和交换的平台，但这一使用情况就目前而言并不容乐观，在社交媒体的使用层面仍存有话语权分配不公的现象。排名第二的聚类标签#1“社交媒体-社交网站”符合以“social media”的主题词的检索结果。这类研究集中探讨了由以往大众媒体构建的公共空间向线下与社会网络的多层次（multi-layered）空间的转移，来源于不同社会阶层的公众通过不同方式参与公共事务，让“我们”相信在社交媒体平台上的聚合是一种建构集体表达（expressive collectivity）的方式，同时也改变了以往政治参与的形式，并对传统媒体时代的议程设置（agenda setting）理论和把关人（gate-keeping）理论的适用性提出质疑。排名第3的聚类标签#2“互联网使用”契合社交媒体领域中对用户关于互联网使用模式的研究主题。通过对该类标签的关键性句子提取可以发现，这一类标签的研究主要探讨互联网使用对政治产生的影响。技术赋予的表达自由对用户的行为及表现产生深刻影响，然而研究者通过内容分析的方法发现，网络空间中60%的新闻报道与传统媒体相重叠，反映出新闻媒体的议程设置功能在以另一种方式发挥作用。用户的互联网使用行为直接表征为一种在线表达/参与的形式，即对政治事件的关注，那么政治犬儒主义（political cynicism）在社交媒体时代何以体现，用户的在线表达与政治自我效能的关系亦成为了此聚类的重要议题。

在文献共被引的主要结构图谱中，社交媒体研究前期引用的文献主要包括两类：#6“事件显著性-议程设置”和#2“互联网使用”，说明这两类文献共同构成了社交媒体研究的早期知识基础。“议程设置”（agenda setting）作为研究大众媒体对受众认知情况产生影响的重要理论之一，在传统媒体时代发挥重要作用。随着网络技术的更新换代，博客和其他类型的新媒体形式相继出现，某种程度上改变了传统媒体设置议程的局面。由于博客具备高度的交互性（interactive）特征，使用率逐步提升，拥有大量的用户数量，形成了公民自我控制的去中心化（decentralized）的传播结构，打破了传统媒体垄断话语的格局，弱化了传统媒体设置议程的能力，使话语权被分至社交媒体的使用者手中，因而被人们视为推进民主化进程的重要工具。对议程设置理论分别在传统媒体和社交媒体时代产生的不同影响予以表述，再度关注议程设置理论在新时代的效用问题，并以量化方法进行研究和验证，使该理论成为社交媒体研究的重要知识基础。随着社交媒体相关研究的推进，互联网使用也成为了该领域关注的另一重点，如前所述，这一聚类标签中反映的是研究者对当时互联网使用行为的分析与探讨，并深入研究互联网使用对社会、政治产生的作用，体现出媒体发展形态的变迁对社会结构的调整具有重要作用。通过对这两个聚类的分析，能够清晰的看出社交媒体研究这一新兴领域的知识基础，是从对传统理论的再探讨转变为对媒介形态与社会结构间关系的关注。

2.社交媒体研究的发展脉络

在共被引文献网络的主要结构图谱中，可知文献最早集中在#6、#2、#8三大聚类中，随后发展至#0、#1、#5三类，最后推演到#3和#7两大聚类。在早期（#6、#2、#8）研究中，社交媒体研究主要引用“事件显著性-议程设置”、“互联网使用”和“风险行为”这三类文献。#6聚类表现的是社交媒体对议程设置理论的关注，反映学者对媒介发展过程中理论适用性的再思考。#2聚类反映的是用户的互联网使用行为对社会的影响，以微观的角度切入至宏观的探讨。#8聚类主要从危机传播（crisis communication）的角度来论述风险行为的存在，把研究推进至危机管理层面，这可能与公共关系的研究相关。

在中期（#5、#1、#0）研究中，社交媒体领域的研究主要引用“议程设置”“社交媒体”“社交网站”“新闻共享”和“健康传播”等主题文献。“议程设置”的研究主要从之前的框架中抽离出来，把Web2.0时代作为研究背景，发现用户自主生产内容颠覆了传统媒体时代的信息把关机制，议题的重要性和显著性不再由单一的媒体来决定与排序，是由用户间信息流动机制而产生，并通过定量研究方法对议程设置理论的不同表现进行分析。“社交媒体”和“社交网站”的相关研究集中探讨用户的政治参与行为，以及互联网技术对实现民主化的可能，从现实公共空间向网络空间的过渡与渗透，表现研究者对网络民主化的重点关注。在“新闻共享”和“健康传播”的主题文献中，研究者分析了互联网空间信息传播的形态，人们从自己所关注的用户那里获取新闻，这是现代获取信息的重要形式，因此而凸显了社交媒体的重要功能。

在近期（#3、#7）的研究中，仍以“社交媒体”和“公民参与”作为学术关注重心。但通过对#3聚类标签的分析发现，其研究主题已经偏移至社交媒体引发的社会运动的层面上来，与中期研究有所区分，这是从公民的“政治参与”到“社会参与”重要转移。对“公民参与”的研究，集中关注社交媒体在社会性事件中发挥的作用。也就是说，公民通过从传统媒体和社交媒体两种不同渠道获取的信息，这些信息对公民是否具有劝说功效，以及对公民的认知结构是否产生影响，从而决定公民参与的行为模式。

通过以纵向的时序角度对社交媒体领域研究的发展脉络予以展现，可以发现最初的研究集中于对传统传播学理论的重新审视，思考理论在社交媒体时代的再适用问题，并对用户的使用行为进行分析，探讨传统媒体时代与社交媒体时代间受众行为的不同模式，是属于微观层面的切入。中期的研究以受众身份向用户的转变作为大背景，强调从单一被动的受众身份向主动积极的用户身份之转变，信息传播的单一局面被打破，传播生态环境得到重塑，探寻社交媒体时代新的信息生产和传播机制，从而把关注的重心转移至对网络民主化的希冀，把研究方向带入中观的领域。新近的研究主要探讨的是技术对社会变革的影响，并未落入技术中心的误区中，研究者把技术视为与社会发展相互关联的重要单元，分析社交媒体对公民参与公共事务的作用，反映学者对现实问题的关注，以问题意识来带动研究的走向，把研究拓展至较宏观的层面。

3.社交媒体研究的突发性文献

通过使用克莱因伯格（Kleinber.J）在2002年提出的突现检测算法（burst detection algorithm），对特定时间段内引发学术界共同关注、被引频次激增的文献展开检测，即突发性文献，在CiteSpace中予以识别呈现。如果每个聚类包含的节点数越多，那么就表示该领域就越活跃（active area）或言之为研究的新兴趋势（emerging trend）。突发性越高的文献则表示在相应的时间区间内受到更多的关注，从某种程度上而言，代表了一个学科领域的研究前沿和热点。本文通过对社交媒体领域的文献共被引聚类图谱进行突发性检测，共计得到26篇突发性文献（如表1所示）。突发性文献检测是表征领域研究前沿的一个指标，受于篇幅限制，下文会将此部分与关键词共现和研究主题共同探讨，为避免重复，故不赘述。

表1 社交媒体研究的突发性文献结果列表

（二）社交媒体研究的期刊共被引分析

期刊是一个研究领域或学科知识生产的重要平台，期刊共被引（JCA）分析和可视化呈现，是揭示文献集中刊发平台与核心期刊的途径。通过对核心期刊共被引频次的分析，能够有效揭示该期刊载文的质量水准和含金量（删除含金量）。通过将节点类型选为“被引期刊”（Cited Journal），提取每个时间切片中出现频次最多的Top30，连线强度选择cosine，使用Pathfinder + Pruning the merged network + Pruning the sliced network的方法展开裁剪，经过CiteSpace 对期刊共被引聚类分析后，得到由114个节点，454根连线组成的如图2所示的期刊共被引网络图谱，其网络密度为0.051 5，Modularity Q值为0.670 2，说明网络聚类效果良好，Mean Silhouette值为0.948，说明聚类结果可信度较高，结果合理。

图2 社交媒体研究的期刊共被引分析图谱

通过对期刊共被引可视化图谱可以看出，《新媒体与社会》（《New Media & Society》）是被引频次最多的刊物。（通过以紫色圆环的方式对中介中心性（betweenness centrality）较高的节点予以突出显示，紫色圆环的厚度越厚表示节点的中介中心性越高，CiteSpace中用这项指标来反映节点的重要程度。【此段删除】）通过CiteSpace生成的分析图谱往往以“紫色圆环”的方式来显示某节点的重要程度，即所谓的中介中心性（betweenness centrality），通常情况下，圆环的厚度是反映出中介中心性重要程度的指标，厚度越厚就意味着节点的中介中心性越高，也代表该节点的重要程度越高。通过对期刊共被引图谱的分析可见，《传播学刊》（《Journal of Communication》）的紫色圆环厚度最厚，反映其中介中心性最高，为0.68，因此可以认为《传播学刊》是社交媒体研究的相关期刊中重要性程度最高的期刊。通过对被引频次排名前十的期刊进行排序（如表2所示），列举了期刊名称、被引频次和中介中心性，可以发现被引频次与中介中心性并非正比关系，即使被引频次多，也不代表期刊的影响力越大。

表2 社交媒体研究共被引频次前10期刊

（三）社交媒体研究的发展动向和研究热点问题

1.社交媒体研究的关键词共现网络分析

对某一领域的文献进行词频分析，通过从文章中提取表达文献核心内容的关键词或主题词频次的分布高低，来表述该研究领域的研究热点和发展动向。通过对关键词节点的选取，构建共词网络，进而分析所选取关键词代表的聚类结构来识别研究前沿，可以呈现一个研究领域热点问题的演进脉络。关键词共现网络作为文献计量学中呈现某一学术领域当下研究热点的一种方式，所以本研究的节点类型选择关键词（key word），提取每个时间切片中出现频次最多的Top200，连线强度选择cosine，网络裁剪使用MST + Pruning the merged network + Pruning the sliced networks，经过CiteSpace 对关键词共现聚类分析后，得到由733个节点，1 509根连线组成的关键词共现网络图谱，其网络密度为0.001 3，Modularity Q值为0.929 6，说明网络聚类结构显著，聚类效果良好，Mean Silhouette值为0.573 9，说明聚类结果可信度较高，结果合理。社交媒体研究关键词共现分析图谱如图3所示。

图3 社交媒体研究的关键词共现分析图谱

通过对社交媒体研究的关键词共现图谱可以看出，社交媒体（social media）、互联网（internet）、推特（twitter）、脸书（Facebook）和传播（communication）是该领域的出现频次最高的五个关键词。社交媒体作为新闻传播学科早年出现的新的学术名词，表现出学界对技术发展带来媒介形态变迁动态过程的确认，社交媒体包含多种媒介形态，如博客、微博、社交网络都被纳入它的研究范畴中。研究集中探讨推特和脸书上的信息传播对用户产生何种心理和行为层面的影响，以此来研究社交媒体的传播效果。通过关键词共现分析图谱可知，社交媒体与互联网这两类关键词出现的时间和距离都十分接近，反映出学者对社交媒体的研究从某种程度上而言是基于互联网研究的学术基础，是对互联网传播的推进，这也表明二者间的共现程度很高。在近期的研究中，关键词主要表现为身份（identity）、社会运动（social movement）和民主（democracy）3类。研究者认识到用户身份从被动的信息接收者变为主动的信息生产者，以此考察这种改变对信息生产结构造成的影响。内容生产的主动权属于用户，对公共事务的讨论也回归到受众本身，而非如传统媒体时代那般，这就实现了去中心化的传播结构，也为网络空间民主化的实现创造了可能。通过使用CiteSpace软件中的关键词聚类分析，运用词频*逆文本频率指数（tf*idf）的算法对聚类结果进行命名，社交媒体研究的关键词共降维31类，聚类网络图谱如图4所示，其中聚类空间超过30的共有9类，但其中#3和#8的Silhouette值低于0.5，聚类效果不好，予以剔除，剩余7个聚类效果良好的标签，结果见表3。从图3中可以看出，最重要的5个聚类标签为#23公民-学生生活方式（citizen-student lifestyle）、#15情感分析-社会化网络（sentiment analysis-social networking site）、#0社会化网络-非政府机构组织（social networking site-nongovernmental organization）、#21自画像-社会资本（self portrait-social capital）和#18社交媒体-社会资本（social media-social capital）。从关键词共现聚类图谱可以看出，除了#3、#8、#19、#22的聚类效果较差以外，剩余27个聚类效果呈良好态势，其轮廓（Silhouette）值均超过0.5。关键词共现的主要聚类标签为#0社会化网络-非政府机构（social networking site-nongovernment organization）、#1社会化网络-掠夺文化（social networking-rape culture）、#2互联网使用-传播（internet use-communication）和#3脸书经验-公共利益（Facebook experiment-public interest）。

图4 社交媒体研究的关键词共现聚类图谱

表3 社交媒体研究的关键词主要聚类结果

根据关键词共现聚类图谱可发现，社交媒体研究的当前热点主要集中在用户互联网使用行为、网络公共空间实现民主化等方面。具体而言，包括对社会化网络（#0）、用户身份认同（#1）、用户情绪层面（#2）、公众认知（#4）、政治大选（#9、#5）、社会运动（#6）等研究内容。社交媒体作为社会化网络中的重要部分，是社会发展的重要推动因素，它在社会变迁过程中扮演着日益重要的角色，彰显着强大的社会效能。社交媒体在人们日常生活中的使用与渗透，正在潜移默化地改变着公民的生活样态和行为方式。通过知识图谱中所呈现的几个重要聚类标签可以看出，公民在网络空间中正在形成着以身份认同为导向的趣缘（删除趣缘）群体，他们的互联网使用行为不再是以往那种单一、原子化的个体行为，而正在发展成一种群体行为，并广泛影响着社会的运转。传统媒体时代的受众，囿于信息资源的匮乏，并受制（删除掣肘）于技术条件，缺乏参与公共事务的有效途径。而社交媒体时代，技术赋权所带来的话语权分配，实现了公众在线参与社会事务的可能，把现实空间与虚拟空间进行对接，二者互相影响，共同生产着对社会运行具有显见意义的信息内容。同时，这些重构信息传播格局的社交媒体，反过来又是如何形构着用户间的身份认同，也是值得考虑和深思的议题。通过对国外传播学科对社交媒体领域相关研究热点的探讨，可为国内学者在依托于现实语境的前提下开展知识生产提供可参考的样本，但并非旨在要求国内学术界的相关研究照搬现有的国际学术成果，而是相反，应该始终以既有的具体情况为逻辑起点，来考察社交媒体的发展状况及热点问题。

2.社交媒体研究的主题分布情况

通常而言，判断某一领域的研究热点和发展动向具有两种方法。第一种是前文所述的关键词共现分析，关键词是反映文献内容、主题、方法的语言词汇，也是论文核心思想和主要内容的高度概括，学术论文中往往会出现一些关键词经常同时显现在同一篇论文中的情况，这种现象称之为关键词的共现现象。关键词共现分析就是对某一组关键词进行两两统计，计算它们共同出现在同一篇论文中的次数，进而展开聚类分析，来反映这些关键词之间的关系，分析这些词代表的研究主题的结构变化。前文便是通过从所下载文献中提取出表达文章核心内容的关键词，再结合出现频次高的关键词来绘制该领域的主要动向和研究热点，这种方法是直接从原始关键词和数据库中的补充关键词作为选择标准，提取的是数据集中原始的字段。另一种方法是从下载的文献数据集的标题、作者、关键词、辅助关键词和摘要中提取名词性术语（noun phrase），然后把节点类型选为主题（Term），再进行共词分析，这种方法是“通过对能够表达某一研究领域或研究方向的专业术语共同出现在同一篇文章中的现象展开分析，判断领域内相关主题间的关系，从而呈现研究领域的主要结构”，这里使用的是自然语言处理分析后的术语。一般而言，主题词或关键词作为文献的核心内容，都是对文章观点及核心内容的高度概括，高频出现的主题词或关键词是有效反映某一研究领域发展动向的重要指标。为了对社交媒体的研究热点和发展动向进行更准确的把握，进一步验证前文所述的热点动向，将同时对研究主题进行分析。

在CiteSpace功能参数页面，先选择名词性术语（noun phrase），建构词类（part of speech），然后选择突发主题（burst term），并通过突发性检测（detect burst）提取突发词，勾选纯文本（plain text），最终提取结果为0，即没有探测到突发性主题。然后在节点类型上选择term，运用cosine的连线强度，提取每个时间切片中出现频次最多的Top50，网络裁剪使用Pathfinder+ Pruning the merged network + Pruning the sliced networks，经过CiteSpace对主题进行共现（上文已解释，故此处不再赘述）分析，得到309个节点，796条连线构成的主体分布图谱（如图5所示）。其中，网络密度为0.012 8，Modularity Q值为0.830 1，表示聚类效果良好，网络模块化结构显著，Mean Silhouette值为0.792 1，说明聚类结果可信度较高，聚类结果合理。为了更直观的展示研究主题，以年轮表现形式予以呈现主题分布情况（如图6所示）。以年轮形式呈现的网络知识图谱中，其中年轮的整体大小反映研究主题的文献数量，年轮外围厚度代表着中心性（centrality），越厚代表着中心性越强。

图5 社交媒体的主题分布情况

图6 社交媒体的主题分布情况（年轮视图）

通过对社交媒体研究主题分布年轮图谱的分析，可以发现“社交媒体”（social media）“内容分析”（content analysis）“社交媒体平台”（social media platform）“公共关系”（public relation）“社交网络”（social network）和“新媒体”（new media）是该领域的研究热点，与前文所分析的结果较接近。在发展动向层面，社交媒体研究仍以内容分析方法为主，辅之以深度访谈法，对数字媒体时代和新媒体时代的用户行为进行研究，尤其是以政治参与和民主化作为重心。由于本研究采用的是文献计量学的分析方法，是以文献本身作为研究单元，而非针对具体的文献内容展开分析，所以对于国外学术界关于社交媒体研究的具体研究方法无法展开详述，只能通过图谱的方式来窥探一二。通过对关键词共现和研究主题共现，共同（删除共同）发现了社交媒体研究的整体结构是相近的。概言之，国外社交媒体的研究趋势将以更宏观的视角展开，不仅讨论网络空间中社会运动的演化机制，而更进一步思考现实社会与网络空间的相互渗透所带来的对民主化问题的考察，同时分析用户本身在这一系列公共事务所扮演的角色及实现了怎样的身份认同。这种微观的分析视角与宏观的研究取向之间的有效结合，反映出社交媒体作为社会结构中的重要一环应该成为学术界的重点研究对象，对它的研究热点和发展趋势的探讨具有学术价值。

使用知识图谱的研究方法，对WOS中2008—2017年间“社交媒体”相关文献进行共被引分析、文献突发性检测、期刊共被引分析、关键词聚类分析、研究主题聚类分析，并运用CiteSpace可视化分析软件呈现社交媒体研究的知识基础、研究趋势和热点话题。技术的勃兴发展，改变了整个信息传播生态的结构，颠覆并重构了不同于传统媒体时代的传播格局，把受众从单一、被动的信息接收者转变为主动、积极的内容生产者，赋予用户更多参与公共事务的权利，拓宽信息传播渠道和通路（删除通路），让信息共享成为时代主流。过去相对闭塞的传播结构难以满足公众的信息需求，外部环境的剧烈变动促使公众主动寻求信息，在社交媒体中关注自己感兴趣的话题，生产与传播相关话题的内容文本。因此，社交媒体的研究主要以用户的互联网使用行为和参与公共事务等方面展开，本研究基于对相关文献的文献计量分析，验证了这一基本假设。

通过文献共被引分析发现社交媒体研究的知识基础主要是围绕着新闻共享、社交媒体和互联网使用3个层面展开，研究者通过以共享信息作为基本出发点，发现信息传播方式从被动接收变为主动传播，从而导入对用户互联网使用行为的研究。社交媒体的研究大致经历了一个从微观至中观再至宏观的过程，即从对用户个体行为的关注转至对信息传播机制的研究，再至媒体对整个社会结构产生影响的研究，反映出这一领域的研究框架日趋完善与合理。媒体作为社会运行的重要单元，其功能作用始终是传播学界所关注的重心，媒体具备哪些功能、如何发挥这些功能、这些功能产生了何种社会效果等问题向来是媒介研究者所要关心的。本文通过对社交媒体领域的文献展开计量分析，也发现学界研究仍然依循着此种逻辑而发展，体现出研究者自身的学术关怀与研究自觉性。与此同时，通过对学术成果发表期刊的分析，可以探察这一学科的研究成果主要集中哪些刊物上，并且以中介中心性的方式来反映期刊的重要性程度，能够为后续研究的开展指明方向。通过期刊共被引分析发现《传播学刊》（《Journal of Communication》）是传播学领域研究社交媒体的核心刊物，其中介中心值远高于被引频次第一的期刊，说明此期刊是知识生产与刊发的重要研究平台，影响力巨大。最后，文章通过对突发性文献检测、关键词共现和研究主题的聚类分析，共同展示了社交媒体研究的热点和发展动向。技术更迭为信息传播带来多种可能，以往一对多、点对面的传播格局已经被打破，现如今已经进入到信息多元的时代，公众对信息的获取不再局限于传统媒体，而以社交媒体为主要手段，这便为研究者提供了良好的契机。社交媒体时代，技术发展带来的话语赋权，对传播环境的革新具有颠覆性的作用，过去那种以传统媒体为中心的话语格局被打破，形成了多元话语共存的生态环境，这也导致了受众身份的变化。积极主动的“受众”之间进行内容共享，每个人都成为信息的生产者、传播者和接收者，这带来的不仅是对用户行为层面的改变，也是对信息生产机制和传播效果的重新考量，更是为实现网络空间的民主化创造了机会与条件，从而为促进现实社会向更良好的方向发展提供可能。质言之，社交媒体研究的发展动向，将把媒体与社会结构运行紧密关联，并不会仅仅停留在对用户行为的简单分析，而是应该去考察媒体对社会产生的效果以及对人类生活方式的改变。

本文出自：冉华，戴骋《社交媒体研究的知识结构与前沿的可视化分析》，载于《北京理工大学学报（社会科学版）》，2019年第04期。

注释与参考文件从略，详情请参考原文。

基金项目：教育部人文社科重点基地重大项目“互联网传播形态与中西部社会治理”（17JJD860004）