EN中文

经济地理 >

2020 , Vol. 40 >Issue 4: 83 - 95

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.04.010

区域经济与理论方法

从社交网络到地理网络——基于南京市高校新浪微博用户的分析

  • 吴晓 , 1 ,
  • 王凌瑾 1 ,
  • 宁昱西 2 ,
  • 何彦 1
展开
  • 1.东南大学 建筑学院，中国江苏 南京 210096
  • 2.广州市城市规划勘测设计研究院 规划设计一所，中国广东 广州 510060

吴晓（1972—），男，福建惠安人，教授，博士生导师。主要研究方向为城市社会学与社区发展、弱势群体空间及其保障体系。E-mail：。

收稿日期: 2019-05-20

  修回日期: 2019-07-25

  网络出版日期: 2025-04-08

基金资助

国家自然科学基金项目(51878142)

国家自然科学基金项目(51178097)

国家自然科学基金项目(50708017)

教育部“新世纪优秀人才支持计划”项目

江苏省“六大人才高峰”项目(2010-JZ-005)

收起

From Social Network to Geographical Network：A Case Study of College Sina Weibo Users in Nanjing

  • WU Xiao , 1 ,
  • WANG Lingjin 1 ,
  • NING Yuxi 2 ,
  • HE Yan 1
Expand
  • 1. School of Architecture，Southeast University，Nanjing 210096，Jiangsu，China
  • 2. Urban Planning Studio One，Guangzhou Urban Planning & Design Survey Research Institute，Guangzhou 510060，Guangdong，China

Received date: 2019-05-20

  Revised date: 2019-07-25

  Online published: 2025-04-08

Fold

摘要

面对网络时代下人类信息传递和社交方式的革命性突破，文章以南京市高校师生的新浪微博用户作为抽样源群体，但在研究思路上又不局限于该师生样本，而是以各样本为原点来分别串联、圈定和分析其跨区域的网络社交关系；继而以“社交网络+地理网络”作为贯穿性主题词和关键指标，按“总体把握”和“师生比较”两个层面展开高校的网络社交特征与时空规律探讨，进而通过“社交关系+社交频率”组合形成的网络关联度对其地理网络进行分析，并与“南京总体微博用户”的地理网络特征和规律的相关研究成果（同样以南京市为基点）进行比较，得出高校社交网络在空间规模上聚集度高、等级差异明显，在关联强度上局限性大、不均衡性强等差异性特征，并剖析得出高校社交网络机制形成的地域植根性、社会经济发展差异性，以及高校群体特有的教育资源（学术前沿）空间分布、群体自身特殊性等动因。

关键词： 社交网络; 地理网络; 高校微博用户; 网络关联度; 信息流

本文引用格式

吴晓 , 王凌瑾 , 宁昱西 , 何彦 . 从社交网络到地理网络——基于南京市高校新浪微博用户的分析[J]. 经济地理, 2020 , 40(4) : 83 -95 . DOI: 10.15957/j.cnki.jjdl.2020.04.010

Abstract

Faced with the revolutionary breakthrough of human information transmission and social communication mode in the network era, this paper takes Sina Weibo users of teachers and students in Nanjing universities as the sampling source group. However, the research idea is not limited to the samples of teachers and students. Instead, the cross-regional network social relations are connected, defined and analyzed with each sample as the origin. Which in turn to "social network+geographical network" as penetrability keywords and key indicators, the social network characteristics and spatial and temporal laws of colleges are discussed according to "overall grasp" and "teacher-student comparison", and then through the "social relationship+social frequency" combination form called network correlation degree to analyze its geographical network. Compared with the relevant research results of the geographical network characteristics and rules of "Nanjing overall Weibo users" (also based on Nanjing), it is concluded that the social network of colleges and universities has high aggregation degree in space scale, obvious difference in grade, great limitation in connection strength and strong imbalance. And it also analyzes the regional roots and social and economic development differences formed by the mechanism of social network in colleges and universities, as well as the special educational resources (academic frontier) spatial distribution and the particularity of the groups, which may provide a glimpse into the tip of the iceberg of large social network communities.

Key words： social network; geographical network; college Weibo user; network correlation degree; information flow

1 引言

地理网络建构着人类新的社会形态，也改变着人们生产、经验、权力与文化过程中的操作和结果，因此而成为城市规划学和人文地理学、经济地理学长期关注的经典议题，而信息流和交通流恰恰是形塑和管窥地理网络（尤其是城市网络）关联的两大动力和渠道。目前，国内外类似研究的成果积累已相对丰实，其中关于信息流方面的影响研究主要涉及包裹、邮件、互联网流量、网络带宽等要素[1⇓-3]，而关于交通流方面的影响研究则涉及航班和货运量、港口吞吐量、公路流量、铁路流量等要素[4⇓⇓⇓⇓-9]，由此对全球化、信息化影响下的城市网络体系进行了较为深入的解读。但相较而言，目前日益普遍的社交网络对于地理空间网络的影响力却被忽视了，而事实上，其开放性、广域性、迅捷性和全民化特性正在通过对现实社会的即时性作用和投射，在“虚拟社交网络—现实地理网络”之间形成丰富而微妙的互动。因此在新时代背景和技术条件下，有必要借助于微博等社交网络的新视角来解读和分析地理网络结构，其所蕴含的丰富群体社会关系数据及其社交时空信息也可为此提供较为理想和充实的数据源。
微博即微型博客（MicroBlog）的简称，是一种通过关注机制分享简短实时信息的广播式的社交网络平台。其作为一个完全开放、平民化及多人参与的网络互动平台，因适合于信息技术影响下碎片化的时空利用方式，而逐渐成为影响巨大的社会化媒体平台。据2014年相关统计数据显示，我国网民规模为6.32亿，互联网普及率达46.9% ① 。同期新浪微博用户数量为3.76亿，年增长率达到27% ② 。由此可见，新浪微博已经成为中国最具话语权的开放式互动媒体平台，其呈现出的社交网络能够在一定程度上反映中国城市地理空间网络体系结构及特征规律。
同时考虑到社交网络的海量数据以及研究的可操作性，本研究需要从两方面进一步界定和聚焦：其一在社交人群上，锁定南京特殊而庞大的“高校师生群体”；其二在社交平台上，则锁定社交网络的“新浪微博用户”，通过“社交关系”和“社交频率”两大指标来识别这一用户群体的社交网络时空特征，并据此对中国地理网络结构展开“以点带面”式的研究（以微博为视角，以南京为基点）。

2 研究设计和思路

2.1 研究对象：南京高校师生

南京作为我国历史悠久的六大古都之一，自古乃江南的文化教育与科举重地所在。时至今日，南京市仍然是我国高等教育的基地之一：目前共建有各类院校53所（图1），仅次于北京市、武汉市和广州市而居第四；2004年师生规模高达494 357人 ③ ，2014年在校学生人数近80万，占都市总人口的11%左右 ④ 。
图1 南京主城区内主要的高校分布

Fig.1 Distribution of universities in main city of Nanjing

因此，本研究将选择南京高校（且以东南大学、南京大学和南京师范大学为代表）师生作为抽样源群体，但是整个研究对象又不仅仅限于上述样本，而是以各师生样本为社交网络原点，来分别串联和圈定其跨区域的庞大社交关系群体，这对于特定群体的特定社交研究来说其代表性不言而喻。

2.2 研究指标

2.2.1 社交关系

以东南大学、南京大学和南京师范大学的师生为抽样源群体，凡是其“关注”和成为其“粉丝”的成员均可视为该样本的社交关系群，也包括部分互粉而成为“好友”的成员。通过“关注—粉丝—好友”梳理即可大体框定其跨区域社交的不同对象群体，所有样本的社交对象则共同构成了本次研究的主题词和关键指标之一——社交关系。
从社交网络的视角来看，微博用户之间的“关注”或是“粉丝”关系反映的是一种单向社交特征，“好友”则代表着双向互动关系。同理，从地理网络的视角来看，若不同地域的微博用户之间以“关注”或“粉丝”关系为主，则表明上述地域之间以单向的网络信息流为主导；若不同地域的微博用户之间以“好友”关系为多，则说明上述地域之间存在着双向的网络信息流。

2.2.2 社交频率

“转发、评论、点赞”等微博功能是具有社交意义的信息反馈，各类社交关系之间转发、评论、点赞的频率即可计入该样本的社交频率（既非样本“关注”又非样本“粉丝”的转发、评论、点赞等频率暂不统计在内）。这既要考虑其作为粉丝关注其他用户而转发、评论和点赞的频率，也要考虑粉丝对其转发、评论和点赞的频率，二者共同构成了本次研究的主题词和关键指标之二——社交频率。
这一指标在社交网络上体现的是高校微博用户之间联系的紧密程度，在地理网络上则反映的是不同地域之间联系的紧密程度。需要指出的是，就高校单一微博用户而言，考虑到各类原因可能造成的社交频率的短期非正常波动，计划采信其近30天的统计数据作为整体依据。

2.3 数据采集

在南京遴选高校社交网络原点（抽样源群体）时，需满足以下特点和条件：①用户位于南京，且为东南大学、南京大学和南京师范大学的师生；②用户为“草根”，而非“名人”，因为前者的一言一行多是为了正常维系同其他用户间的信息交流和社交关系，更能反映真实的社交网络关系，而排除了部分仅仅是为了扩大影响力或是追星、而没有实际交往的“非正常”社交关系；③用户为新浪微博的活跃用户，据微博数据中心统计，2014年新浪微博用户的月活跃用户数（MAU）达到1.67亿，约占全国总人口的12.2% ① ，若按此平均水平推断，上述高校的师生中也有1.1万人左右属于活跃新浪微博用户 ② 。
同时，考虑到高校师生（尤其是年轻学生）和江浙网民作为新浪微博使用的主力军和活跃群体，需要在2.5%抽样的基础上适度增加其抽样规模，即遴选330名左右的高校师生微博活跃用户作为抽样的源群体，并参考上述高校的平均师生比和总体师生规模，最终确定其师生的抽样配比为1∶7，三校间的抽样配比为7∶7∶4。至于地理空间方面的分析，则涉及全国（以省级行政区为统计单元）和江苏省（以地级市为统计单元）两重空间尺度，即：全国范围内的31省、市、自治区以及香港特别行政区、澳门特别行政区、台湾省，共34个统计单元；江苏省的13个地级市，即13个统计单元。
在此基础上，采集330例样本的社交关系（粉丝、关注和好友）及其社交频率（转发、评论和点赞）数据，并记录其所串联的跨地域社交关系的地理数据，由此采集和获取的庞大社交关系群体包括：135 882位粉丝（单向信息流）、140 750位关注（单向信息流）、60 258位好友（双向信息流）的地理数据。其中，134 951位粉丝、132 177位关注、59 465位好友分布在国内34个统计单元，83 795位粉丝、58 242位关注、39 771位好友位于江苏省内13个统计单元。

2.4 研究思路

本研究以新浪微博为视角，以南京高校为基点，以“社交关系”和“社交频率”为衡量社交网络的关键指标，以东南大学、南京大学和南京师范大学的330例师生样本为社交网络原点，分别串联和圈定其跨区域的社交关系群体，重点从“社交网络+地理网络”两个层面进行探讨，其思路和步骤如下：
步骤一：高校社交网络的总体概述——采集和分析所有社交关系的属性数据（如年龄结构、性别构成、文化教育、定居点等），并观察“抽样源群体—社交关系”之间的社交频率，以总体把握该群体的社交网络概况。
步骤二：高校社交网络的时空维度分析——一方面，以某一自然日为统计单元，围绕着抽样源群体来分析其社交关系和社交频率的时间分布规律；另一方面则在全国空间尺度下，围绕着抽样源群体来揭示其社交关系和社交频率的空间分布规律。
步骤三：基于高校社交网络的地理网络分析——通过对高校微博用户“社交关系+社交频率”两项指标的组合测度（方法详见后文），分别从全国和江苏省两重空间尺度入手，从“总体把握”和“师生比较”两个方面，来图解和分析基于“南京高校微博用户”的地理网络特征和规律。
步骤四：基于不同群体社交网络的地理网络比较——本研究基于南京高校微博用户而得出高校师生群体地理网络特征相关结论，在此基础上参照王波等在2013年基于微博用户关系的研究成果（同样以南京市为基点） ① ，揭示的是基于“南京总体微博用户”（含师生群体）的地理网络特征，通过步骤三和步骤四结论之间的比较，来阐释两类群体社交网络所映射的地理网络特征之间的异同及其动因（为确保两类群体研究在时间上的对等性，本研究在抽样统计数据上选择与参照文献数据相近的2014年数据作为样本）。

3 高校社交网络的总体概述

3.1 社交关系的总体分析

以南京高校师生为社交网络原点，串联和圈定其跨区域的庞大社交群体，统计分析其相关属性发现：
从社交关系的年龄结构看，20~35岁用户占72.2%，35~55岁用户占18.6%，55岁以上用户占3.4%，呈现出“社交关系以中青年为主（20~35岁）”的年轻化结构。其中，教师社交关系的年龄结构主要集中在35~55岁和25~35岁，而学生社交关系的年龄结构则集聚于更为低龄的20~35岁年龄段。
从社交关系的性别构成看，57.4%社交关系为男性，42.6%社交关系为女性，呈现出“社交关系性比基本相当，男性略多于女性”的特征。其中，教师社交关系的性别构成以男性为主导（63.3%），而学生社交关系的性别构成则几乎相当。
从社交关系的文化教育程度看，高中以下学历用户占13.2%，专科学历用户占比9.8%，本科学历用户占比65.3%，呈现出“社交关系学历以大学本科及以上为主、而初中学历以下匮乏”的规律。其中，教师社交关系的文化教育程度以研究生及以上为主（57.3%），而学生的社交关系则以本科为主（71.2%）。
从社交关系的定居点看，其多定居于华东（55.7%）、华北（22.7）、中南（13.0%）一带，呈现出“社交关系分布的东部沿海（尤其是江浙沪一带）”倾向。其中，教师社交关系更多定居于华东一带（60.6%），而学生的社交关系虽相对分散，也多为定居华东（55.7%）、华北（23.5%）和中南（12.6%）的用户。

3.2 社交频率的总体分

以样本近30天的社交统计数据作为依据，交叉分析南京高校师生“社交频率—社交关系属性”之间的关联影响，发现（表1）：
表1 南京高校师生社交频率—社交关系属性的关联分析

Tab.1 Association analysis between social frequency and social object of teachers and students in universities in Nanjing

总体（%） 教师（%） 学生（%）
年龄构成（岁） <20 9.8 0.1 12.1
20~35 77.1 46.2 79.6
36~55 12.6 49.3 8.3
>55 0.5 4.4 0
性别构成 男 60.2 67.7 59.1
女 39.8 32.3 40.9
文化教育程度 初中及以下 0.1 0.5 0.1
高中/高职 18.1 0.6 20.0
大学专科 4.9 3.2 5.2
大学本科 69.0 43.2 71.7
研究生及以上 8.0 52.5 3.0
定居点 华北 16.4 19.8 19.9
东北 1.5 1.2 1.4
华东 61.0 53.9 53.6
中南 13.8 19.0 19.7
西南 3.1 4.4 4.5
西北 4.2 1.7 0.9
从年龄结构上看，高校师生社交频率较高的对象以20~35岁青年为主，且聚集度很高。其中，教师社交频率在20~35岁和35~55岁的年龄段均质分布，而学生社交频率则集中于20~35岁的青年对象上。
从性别构成上看，高校师生社交频率较高的对象均保持着男性高于女性的趋向，只是教师高社交频率的对象中男性比例更高。
从文化教育程度上看，高校师生社交频率较高的对象以本科学历为主，文化程度普遍较高。其中，教师社交频率在本科、研究生及以上学历的对象中较为集聚，而学生社交频率则以本科学历的对象为主。
从定居点上看，高校师生社交频率较高的对象分布以华东地区最为集中，且聚集程度高。其中，教师和学生的社交频率均以华东地区的对象人群为多。

4 高校社交网络的时空维度分析

4.1 高校社交网络的时间维度分析

4.1.1 社交关系的时间维度分析

以样本近30天的社交统计数据的平均值作为依据，以每2小时为一个统计时段，进一步发掘某一自然日内、南京高校师生社交关系的时间分布规律，发现：除了休息时段的社交规模要明显高于工作学习时段之外，通过“社交关系属性—时间分布”的交叉分析，还可捕捉到一定规律如下：
从“年龄结构—时间分布”上看，在高校师生的社交关系群体中，20~35岁的青年是各个时段网络社交的主体，尤以中午为最。其中，教师社交关系在12~14点以20~35岁青年居多，在18~20点以35~55岁中年居多，而学生社交关系在12~14点以20~35岁的青年为最。
从“性别构成—时间分布”上看，在高校师生的社交关系群体中，更倾向于上午以女性为主，下午以男性为主。其中，教师社交关系在12~14点和0~2点以男性为主导（这在某种程度上受到女性日常作息规律的影响），而学生社交关系在8~12点以男性为多、6~8点以女性为主。
从“文化教育程度—时间分布”上看，在高校师生的社交关系群体中，休息时段以本科及以上学历对象为主，工作或学习时段以专科及以下学历对象为主征。其中，教师社交关系在这一点上体现得尤为明显，而学生社交关系在文化教育程度上则无明显的时间分布规律。

4.1.2 社交频率的时间维度分析

以样本近30天社交统计数据的平均值作为依据，以每2小时为一个统计时段，可以发现：
在某一自然日内，高校师生的社交频率在时间分布上（从总体到分群体）均呈现出“从2~12时逐渐复苏和攀升，且18时后（下班时段）社交活动比上班时段更频繁”的特征。究其原因，这同微博用户的日常生活规律及作息时间是大体吻合的，子夜的睡眠休整时段和下班晚餐后的自由休闲时段往往就代表和对应着人们一天社交曲线的两极，即休眠底限（下限）和活跃峰值（上限）（图2）。
图2 南京高校网络社交频率的时间分布

Fig.2 Time distribution of social network frequency in universities in Nanjing

4.2 高校社交网络的空间维度分析

4.2.1 社交关系的空间维度分析

以SPSS、GIS等数字技术为依托，以省级行政区为统计单元，基于高校师生所有社交关系的属性数据统计，在全国空间尺度下探讨其社交关系的空间分布规律，可以发现：

4.2.1.1 社交关系规模的空间分布

在全国空间尺度下，高校师生社交关系的规模在空间分布上呈现出“由沿海至内陆递减，且教师社交覆盖地域广于学生”的整体趋势。究其原因，前者的趋势同我国非均衡的区域社会经济发展水平相关。相较于中西部地区，东部沿海和华南一带发达地区的活跃微博用户基数更高，而本研究抽样调研的地域（南京高校及其生源地）影响也在一定程度上强化了上述地域分化特征；至于后者的师生差别，则主要源于二者在社交关系选择上的不同，学生的社交关系多倾向于网络红人（多聚集在东部城市）、同学（与生源地有关，长三角居多）、本地教师等。而教师的社交关系则包括大量同学同事同行、兄弟院校师生（散布于各地）等，从而导致其社交关系的分布更加广泛（图3）。
图3 南京高校网络社交关系规模的空间分布

Fig.3 The spatial distribution of the scale of the social network objects in universities in Nanjing

4.2.1.2 社交关系属性的空间分布

从年龄结构的空间分布上看，高校师生的社交关系由东向西呈现出“低—高—低”的整体态势。其中，教师社交关系中的年龄偏大者主要分布于吉林、内蒙古等北地，相对集聚和极化，而学生的同类社交关系分布则小而散（如重庆、天津等），在年龄结构的分布上更趋扁平化和年轻化（表2）。
表2 南京高校网络社交关系占各省总社交关系比例

Tab.2 The proportion of social network objects in universities in Nanjing accounted for the total social objects of the provinces

总体 教师 学生
年龄
（35岁及
以上）
性别
（女性）
学历
（本科
以上）
从性别结构（女性占比）的空间分布上看，高校师生的社交关系呈现出“由东向西逐渐提升”之势。其中，教师社交关系中的女性多分布上于新、青、晋、桂、浙等地，而学生社交关系中的女性则多分布于西藏、青海等地（表2）。
从文化教育程度的空间分布上看，高校师生的社交关系由东向西呈现出“高—低—高”的整体态势。其中，教师社交关系中的教育程度较高者多分布于西部诸省，而学生的类似社交关系则集中分布于长三角一带（表2）。究其原因，长三角群体作为高校师生的网络社交主体，本就拥有整体较高的文教科技水平，而西部省份同南京高校保持紧密联系的样本对象则多受过高等教育或是拥有江苏求学经历，因而也呈现较高态势。进一步对比师生数据，还可发现教师与西部诸省之间的联系更强于学生。

4.2.2 社交频率的空间维度分析

在全国空间尺度下，高校师生的社交频率在空间分布上呈现出“相较于社交关系更高的集中度，且以东部沿海及中部地区为主”的特征。一般而言，南京高校源群体（师生）的频繁式社交并非全覆盖的，而多交互集中于局部特定的社交关系身上，这便会导致社交频率的空间分布更为聚集和极化；而师生间社交频率的分布差异则在一定程度上反映出高教水平的省际差异，因为进一步调研发现，教师的社交频率实际上有很大一部分发生在兄弟院校和同行之间（这和学生有着天然差别），并使其社交频率的空间分布更加集中于高校较多、高教水平较高的省份（图4）。
图4 高校网络社交频率的空间分布

Fig.4 Spatial distribution of social network frequency in universities

5 基于高校社交网络的地理网络分析

5.1 全国空间尺度下的地理网络分析

社交关系和社交频率作为表征社交网络的关键指标，可以通过系列公式的组合测度来实现不同空间尺度下“地理网络关联度”的空间判定。首先是在全国空间尺度下，以省级行政区为统计单元，分别测度师生群体的粉丝、关注及好友的网络关联度，主要步骤为：
①以高校师生样本为社交网络原点（抽样源群体），分别串联其跨区域的社交关系群体，据此计算抽样源群体所在单元（江苏省）和其他任一单元之间的网络关联度，公式如下：
S j i = Q j i · F j i
式中：Sji为j（江苏）省和i省之间的网络关联度；以Qji来表征j（江苏）省和i省之间的社交关系数量；以Fji来表征j（江苏）省和i省之间的社交频率。
②根据上述公式分别计算抽样源群体同其所有社交关系所在单元的网络关联度，然后叠加得到基于江苏省（南京市）样本的总体网络关联度 S j，公式如下：
S j = ∑ i = 1 n Q j i · F j i
③根据上述公式计算出各单元两两之间的网络关联度 S j i和基于江苏省样本的总体网络关联度 S j，公式如下：
N j i = S j i / S m a x
分别计算各个省份单元之间总体、教师及学生群体的“抽样源—粉丝”“抽样源—关注”及“抽样源—好友”的网络关联度（ N j i值），从中提取 N j i≥0.001的值，并划分出四个区间：
区间一： N j i≥0.1
区间二：0.1> N j i≥0.01
区间三：0.01> N j i≥0.005
区间四：0.005> N j i≥0.001
绘制出相应的省际单元之间网络关联度数据分布图（ N j i值<0.001的省份不再在图中表示）（表3），发现：
表3 全国空间尺度下南京高校网络关联度的分布情况

Tab.3 Distribution of network relevance degree of Nanjing universities in national spatial scale

总体 教师 学生
粉丝关系
关注关系
好友关系
总体而言，全国空间尺度下南京高校微博用户的关联度网络在地理空间分布上相对集中在东部发达地区（北京、上海、浙江、广东等地）及周边邻近省份（山东、安徽等地）；在空间距离上，总体呈现出“由东部向西部地区关联度逐渐减弱”的距离衰减规律；在与社会经济发展的联系上，网络关联度强的地区布局与国家社会经济发展的空间格局相一致，首都经济圈、长三角、珠三角成为网络信息流最为集聚的地域；在关联等级上，由信息联系最为紧密的好友流数据分析可得，关联度最强的第一等级为上海、浙江，第二等级为北京、广东、山东和安徽，第三等级则包括四川、天津、福建、湖北、湖南、河南、江西等，第四等级包括辽宁、黑龙江、陕西、山西、云南、贵州等地，其中第一等级的网络关联度为第二等级的5~6倍，而第二等级与第三等级的差距则达到7倍以上，由此可见南京高校微博用户的网络关联度存在明显的等级性差异。
从南京高校微博用户网络关联度的流向（包括单向的粉丝流、关注流，以及双向的好友流）来看，三种流向的信息流总体上呈现较为相近的“由东向西随距离衰减趋势”规律；但也存在部分信息流不对等的现象，“南京—北京”出现明显的流入网络信息流大于流出信息流情况，而“南京—浙江”“南京—安徽”等地则呈现流出信息流大于流入信息流的特征。
而南京高校微博用户网络关联度的师生差异则主要表现在不同信息流向上的特征差异，对于流出信息流（粉丝关系），教师群体表现出比学生群体更广泛的受众群，有所关联的粉丝群体分布地区更广；对于流入信息流（关注关系）而言，则表现出相反的规律，教师群体的关注人群相对集中，而学生群体则较分散。

5.2 江苏省空间尺度下的地理网络分析

同样在江苏省空间尺度下（以地级市为统计单元），南京高校微博用户的网络关联度占总关联度的45%左右，也就是说其近半数的网络关联发生在江苏省范围内，因此本地域内的信息联系在网络信息空间中占据重要地位。按照上述思路进行测度和图解，可以发现：
总体而言，在空间分布上，南京高校微博用户的网络信息流最为集聚的是苏州和无锡，其次是常州和扬州，均分布在苏南地区，而苏北地区的宿迁、淮安、连云港等地的联系度则非常之弱；在空间距离上，与南京距离较近的苏南地区网络联系度相对强于苏中、苏北地区，虽未出现全国尺度下那样明显的距离衰减趋势，但地理距离仍在一定程度上影响着地区间的网络信息流强度；在社会经济发展联系上，除镇江、扬州外（主要受地域植根性影响），总体呈现网络关联强度与社会经济发展水平正向关联；在关联等级上，由信息联系最为紧密的好友流数据分析可得，关联度最强的第一等级为苏州，第二等级为无锡、常州和扬州，第三等级则包括镇江、徐州、盐城和南通，第四等级包括连云港、淮安、宿迁和泰州，其中第一等级的网络关联度为第二等级的3倍，而第二等级与第三等级的差距则达到10倍以上，由此可见南京高校微博用户的网络关联度存在明显的等级性差异。
从南京高校微博用户网络关联度的流向（包括单向的粉丝流、关注流，以及双向的好友流）来看，三种流向的信息流强度在总体趋势上是较为相近，呈现“由苏南向苏中、苏北逐渐递减”规律。除此之外，在江苏省内部，基本不存在信息流不对等的现象，只有“南京—无锡”之间出现的流出网络信息流大于流入信息流情况。
而南京高校微博用户网络关联度的师生差异，一方面表现在网络联系度的等级差异上，教师群体较学生群体的等级跨度更为明显，在苏州、无锡、常州等地的集中度更高，而在其他地区则出现断崖式递减，而学生群体在各个等级中的地区分布则较为平均；另一方面表现在流入信息流（关注关系）的差异，教师的关注群体所在地区相对集中在苏锡常地区，其他地区的联系度明显较弱，相比之下学生的关注群体则较为分散和均质。
表4 江苏省空间尺度下南京高校网络关联度的分布情况

Tab.4 Distribution of network relevance degree of nanjing universities on spatial scale in Jiangsu Province

总体 教师 学生
粉丝关系
关注关系
好友关系

6 基于不同群体社交网络的地理网络比较

根据前文得出高校师生群体地理网络关联度相关结论，并叠合社交网络的空间规模，形成高校群体的地理网络特征。在此基础上，结合学者王波等在2013年基于微博用户关系的网络信息地理研究成果（同样以南京市为基点）[10]，可以做进一步的比较研究。如果说上节探讨的是基于“南京高校微博用户”的地理网络特征，那么该参照文献揭示的则是基于“南京总体微博用户”的地理网络特征，两相比较之下，或许可以发掘两类群体社交网络所对应的地理网络特征（空间规模+关联强度）之间的异同及其动因。

6.1 差异对比

根据参考文献，“总体微博用户”的地理网络特征主要包括：①在空间规模上，一方面，社交总量在江苏本省内最高，占主体地位，且大致呈距离衰减趋势；另一方面，社交规模在地理空间上具有等级性差异，各个层级间差异明显。②在联系强度上，一方面，社会经济发展水平高的东部地区社交网络联系强度总体高于欠发达的西部地区，且在首都经济圈、长三角、珠三角等区域强度最为集中，网络信息联系格局与社会经济发展总体格局具有相对一致性；另一方面，社交网络联系强度存在流入与流出信息的空间不对称性。③在二者联系上，社交规模与社交关联强度反映出较为一致的空间规律。
与之对比，发现“高校微博用户”与“总体微博用户”的地理网络特征大体一致（表5、表6），但仍存在以下几点差异化特点：
表5 全国空间尺度下南京总体与高校微博用户网络关联度的对比情况[10]

Tab.5 Comparison of the relevance degree between Nanjing overall and university weibo user networks at national spatial scale

粉丝关系 关注关系 好友关系
高校微博用户
总体微博用户

注：本文在网络关联度的数据统计与分析中已将关联度极低的省份排除。

表6 江苏省空间尺度下南京总体与高校微博用户网络关联度的对比情况[10]

Tab.6 Comparison of the relevance degree between Nanjing overall and university weibo user networks at the spatial scale of Jiangsu Province

粉丝关系 关注关系 好友关系
高校微博用户
总体微博用户

6.1.1 空间规模方面

①“高校微博用户”社交网络规模具有更高的空间聚集度：在全国空间尺度下，“高校微博用户”在上海、北京、浙江等发达地区的社交关系规模更高，同样在江苏省空间尺度下，在苏州、无锡、常州以及扬州的社交规模和省内其他城市的差距更为显著。
②“高校微博用户”社交网络规模的等级差异性更为突出：在全国空间尺度下，“高校微博用户”社交规模第一等级为第二等级强度的5~6倍，远高于“总体微博用户”的2~3倍，在第二、三、四等级之间也表现出相似的特点；而在江苏省空间尺度下，尤其表现在第二、三等级之间的差距上，“高校微博用户”差距达到10倍，而“总体微博用户”仅为3~4倍。

6.1.2 关联强度方面

①“高校微博用户”社交网络关联的空间延伸表现出更大的局限性：其在全国范围内的空间延伸范围相对较小，与港澳台地区以及东三省的网络关联度明显低于“总体微博用户”，且与甘肃、新疆、青海、西藏等较为偏远地区的联系微乎其微，“高校微博用户”的社交网络关联度表现出针对性更强、受空间距离与地域影响更显著的规律，因而空间延伸性较弱。
②“高校微博用户”社交网络信息流向的空间非均衡性更明显：在全国空间尺度下，“高校微博用户”社交网络在北京、四川、港台等地的流入信息流（关注关系）大于流出信息流（粉丝关系），浙江、安徽、陕西、山西等地则为流出信息流（粉丝关系）大于流入信息流（关注关系），而“总体微博用户”的双向信息流相对均衡，仅在东北和港台两个地区存在信息流不对等现象；而同样的情况在江苏省空间尺度下则不甚明显，仅表现为无锡一地的流出（粉丝关系）大于流入信息流。

6.2 动因剖析

结合参考文献与本文所得结论以及其中的异同，对“高校师生”这一特定群体社交网络的地理空间特征的形成动因进行如下剖析：

6.2.1 网络社交空间中的地域植根性

以互联网为代表的信息技术革命带来了全球化的社会、经济变革，同时也重构了全球的虚拟与实体空间结构形式，这使得部分学者认为网络空间会取代地理实体空间，并将其看作“地理学的死亡”。事实上，网络信息技术（尤其是社交网络）因其不存在距离成本而降低了距离对交往的限制，这的确大大扩展了人们的社会交往空间范围，但是人作为社交的主要参与者，其在网络中的社交关系多来自传统实体空间中社会联系的延续，比如由微博用户的网络互动表现可以看出，与其互粉的微博用户多为现实生活中建立起的好友关系，而网络平台建立起的社交关系还存在单向性、浅层化等特点。因此，就目前而言，网络社交空间中的地域植根性仍然存在，缘起于传统地理空间的社交关系仍主导着人们的网络社交联系，这直接导致了社交网络规模聚集度的距离衰减规律和地域差异。但随着网络信息化的演进，网络社交在未来是否会彻底改变人们的交往方式与生活方式，从而打破地域根植性的束缚，尚未可知。

6.2.2 社会经济发展的地区差异性

从上文结论中发现网络社交联系与实际社会经济联系具有相对一致性，这进一步说明实体空间中的规律在网络空间中得以延续，但这并不能表明网络信息空间就是地理实体空间的简单投影。一方面，社会经济发展的地区差异直接影响着人们对社交网络的客观接收途径以及主观接纳态度，联网容量及互联网基础设施的供给在地理分布上往往倾向于人口和经济或聚集的地方，因此发达地区的网络社交普及度更高，社交联系也更紧密；另一方面，社会经济发展的不均衡性一定程度上导致了社交网络信息流向的不对等性，网络本身并不存在等级性和不对称性，但地域社会发展程度的不同使得网络平台交流的开放度与信息量差异巨大，也存在着明显的信息话语权的不平等，这具体表现为网络信息流在地域间的流入与流出量的不对称。因此，社会经济发展的差异影响着社交网络联系的空间等级差异以及信息流的不均衡性。

6.2.3 高等教育（学术前沿）资源地域分布的影响

高校群体与其所属的高等院校有着密不可分的联系，而其社交网络也就不可避免地很大程度上通过高校间的联系而主动或被动获得，因此，高校资源及学术前沿的地域分布情况也会对高校师生群体的地理网络产生一定的影响：一方面，北京、上海、江苏、浙江、广东等地是我国高等教育资源密集的省份或地区，这也在一定程度上使得高校群体在此具有更高的网络联系聚集度；另一方面，高校群体对前沿动态及高端公众人物具有更高的渴求度，这些也间接影响了其社交信息的流向。

6.2.4 高校群体自身的特殊性

高校师生群体作为社会高知化人群，在社交网络的地理空间特征上与总体人群特征相比具有聚集度高、信息流向不均衡性强以及等级差异突出的特点，这主要源于该群体自身的特殊性：一方面，高校群体的社交关系主要源于学校（尤其是学生群体），社交关系的社会属性相对单一，空间分布相对集中，这些都大大增强了其社交网络联系的空间聚集程度，同时造成了社交网络等级差异明显的现象；另一方面，高校群体的高知化、年轻化属性则使得他们对网络社交的接受度高于平均水平。总体而言，由社交网络表征的高校群体地理网络特征产生的动因在大环境作用下的地域植根性和社会经济发展差异的前提下，与群体自身的特异性也有着密不可分的联系。

7 结语

面对网络时代下人类信息传递和社交方式的革命性突破，本文试图借助微博这一新兴网络媒介与互动平台，以南京市高校师生新浪微博用户为抽样源群体，对高校社交网络进行总体概述，并对其社交关系及社交频率进行时空维度分析，勾勒出高校社交网络的样貌特征。重点从“社交网络+地理网络”两个层面进行探讨，并得到全国空间尺度与江苏省空间尺度下的网络关联度特征：①在全国空间尺度下，呈现“强关联度的空间分布集中于东部发达地区及相邻省份，由东部向西部地区逐渐减弱，关联度强弱与国家社会经济发展的空间格局相一致，并存在明显的等级性差异”的总体特征，并在信息流向上呈现“三种流向相近的由东向西随距离衰减”的对等流向特征，而师生不同群体则表现为“教师群体拥有比学生空间分布更广的受众群（流出信息流）；其关注人群却在空间上相对集中，相反学生群体则较分散（流入信息流）”的反向差异化特征。②在江苏省空间尺度下，呈现“强关联度的空间分布集中于苏南地区，且由南京向外呈一定的距离衰减趋势，关联度强弱与社会经济发展水平正向关联，并存在明显的等级性差异”的总体特征，并在信息流向上呈现“三种流向基本一致的由苏南向苏中、苏北逐渐递减”的对等流向特征，而师生不同群体则表现为“教师群体的网络关联度等级地区跨度更明显，而学生群体在各个等级中的地区分布较为平均”的相反特征。
在此基础上，对比王波等在2013年基于“南京总体微博用户”地理网络特征和规律的研究成果[10]所映射的地理网络特征之间的异同，得出“高校微博用户”这一特定群体在“空间规模”和“关联强度”上的差异化特点：①在空间规模上，“高校微博用户”社交网络规模在发达地区及距离相近地区具有更高的空间聚集度，并且等级差异性更为突出。②在关联强度上，“高校微博用户”社交网络关联的空间针对性更强，受空间距离与地域影响更显著，空间延伸性较弱，且社交网络信息流向的空间非均衡性更明显。
通过对比分析南京市高校师生社交网络与南京市居民总体社交网络的差别，进一步探究高校社交网络形成的动因机制：①与总体社交网络一致的是，高校社交网络同样受到地域植根性与社会经济发展差异性的影响，传统地理空间的社交关系仍主导着人们的网络社交联系，这直接导致了社交网络规模聚集度的距离衰减规律和地域差异，而社会经济发展的地区差异直接影响着人们对社交网络的客观接收途径以及主观接纳态度，同时社会经济发展的不均衡性一定程度上导致了社交网络信息流向的不对等性。②高校资源及学术前沿的地域分布情况会对高校师生群体的地理网络产生影响，高校群体与其所属的高等院校密不可分，其社交网络很大程度上通过高校间的联系而主动或被动获得，这使得教育资源密集的省份或地区的高校群体具有更高的网络联系聚集度，而高校群体对前沿动态及高端公众人物具有更高的渴求度，这些也间接影响了其社交信息的流向。③高校师生群体作为社会高知化人群，存在自身的特殊性，其社交关系主要源于学校（尤其是学生群体），社交关系的社会属性相对单一，空间分布相对集中，这些都大大增强了其社交网络联系的空间聚集程度，同时造成了社交网络等级差异明显的现象，而高校群体的高知化、年轻化属性则使得他们对网络社交的接受度高于平均水平。
本文选择“微博”这一时下最为流行的网络社交平台进行从社交网络到地理网络的一系列分析，在管窥社交网络社区冰山一角的同时，有待在未来通过进一步的数据收集与分析，从地理空间角度更为全面与深入地探索网络信息空间的发展方向，也期待能够从研究中寻找“空间距离是否会消逝在虚拟网络世界之中”这一议题的答案。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Mitchelson R, Wheeler J O. The flow of information in a global economy:the role of the American urban system in 1990[J]. Annals of the Association of American Geographers, 1994, 84(1):87-107.

[2]
Townsend A M. Networked cities and the global structure of the Internet[J]. American Behavioral Scientist, 2001, 44(10):1698-1717.

[3]
Malecki E J. The economic geography of the Internet's infrastructure[J]. Economic Geography, 2002, 78(4):399-424.

[4]
Goetz A R. Air passenger transportation and growth in the US urban system 1950-1987[J]. Growth and Change, 1992, 23:218-242.

[5]
Ho Shin K, Timberlake A. World cities in Asia:Cliques,centrality and connectedness[J]. Urban Studies, 2000, 37:2257-2285.

[6]
Matsumoto H. International urban systems and air passenger and cargo flows:Some calculations[J]. Journal of Air Transport Management, 2004(10):239-247.

[7]
金凤君, 王成金. 轴—辐侍服理念下的中国航空网络模式构筑[J]. 地理研究, 2005, 24(5):774-784.

[8]
吴威, 曹有挥, 梁双波, 等. 中国铁路客运网络可达性空间格局[J]. 地理研究, 2009, 28(5):1389-1400.

[9]
薛俊菲. 基于航空网络的中国城市体系等级结构与分布格局[J]. 地理研究, 2008, 27(1):23-32.

[10]
王波, 甄峰, 席广亮, 等. 基于微博用户关系的网络信息地理研究[J]. 地理研究, 2013(2):380-391.

[11]
路紫, 张秋娈, 邢晨宇, 等. 基于图论的SNS社区中人际节点空间关系的中心性研究——以新浪微博为例[J]. 经济地理, 2013, 33(12):77-83.

[12]
王冠. “网络社会”概念的社会学建构[J]. 学习与实践, 2013, 11:116-122.

[13]
张咏梅. “网络社区”的社会学初探[J]. 科学·经济·社会, 2003(3):60-64.

[14]
常晓猛. 虚拟网络空间人类社会关系与交互空间特征实证研究[D]. 武汉: 武汉大学, 2014.

[15]
任薇. 基于微博的社会网络特征研究[D]. 重庆: 西南大学, 2014.

[16]
魏宗财, 甄峰, 席广亮, 等. 全球化、柔性化、复合化、差异化:信息时代城市功能演变研究[J]. 经济地理, 2013, 33(6):48-52.

Options
文章导航

/

〈 〉