袁硕 曲舒怡 高景祥
【摘 要】通过对虚拟社区的相关文献计量分析和内容分析，提炼出虚拟社区的研究热点，从而为今后的研究提供帮助。从Web of Science核心合集获取225篇文献，应用文献计量工具，对虚拟社区研究的引文年代、作者合作网络和高频关键词共现矩阵进行分析， 寻找出虚拟社区的研究热点。研究表明国内作者发文数量较多但与国外机构合作少，虚拟社区研究热点主要是社区内的知识共享和对成员的管理研究。
【关键詞】虚拟社区；文献分析；共现矩阵
中图分类号： G353.1 文献标识码： A 文章编号： 2095-2457（2018）14-0107-003
DOI：10.19694/j.cnki.issn2095-2457.2018.14.048
Literature research of virtual community
YUAN Shuo QU Shu-yi GAO Jing-xiang
（Tianjin university of technology library，Tianjin，300384， China）
【Abstract】based on the bibliometric analysis and content analysis of the relevant literature of the virtual community， the research hotspots can be extracted from the virtual community. So it will be helpful to the future research. This study collects 225 papers published on Web of Science core journals as the samples， using the method of bibliometrics to analyze the time of citations， the network of author cooperation and high-frequency key words co- occurrence matrix researched of the virtual community. By the above method， the research hotspots of the virtual community can be found. This paper shows that there are the more domestic authors publishing large amounts of papers but less cooperation with foreign institutions. The research hotspots of virtual community are mainly knowledge sharing and management of members in community.
【Key words】Virtual community； Literature analysis； Co- occurrence matrix而探究出虚拟社区的研究热点。
1 数据来源与分析方法
文献数据选用Web of Science核心合集，在论文摘要中检索关键词虚拟社区，研究方向限定为图书情报学，不限年代，不限语种，文献类型限定为论文，检索时间是2018年3月1日。输入检索式TS=Virtual communit* and SU=INFORMATION SCIENCE LIBRARY SCIENCE，得到225条记录。将全纪录与引用的参考文献以纯文本的方式导出进行文献分析。本文对虚拟社区研究的引文年代、作者合作网络和高频关键词共现矩阵进行分析。
2 文献分析
2.1 发表论文年代分析
Web of Science核心合集在1998年收录了第一篇关于图书馆虚拟社区的论文，截止2018年3月共收录了225篇论文。文献数量从1998-2006年在缓慢增长，在2007年出现第一个高峰共收录8篇，然后在2010年达到第二个高峰共收录20篇，2011-2013年增长态势有所回落，在2015年达到第三个高峰共收录29篇。这三次高峰的出现，分别与网络的发展、社交网站接口的引入、移动设备的普及这三个原因密不可分。
2.2 作者分析
应用Bicomb软件[2]分析检索出的225篇文献，共有553个作者。作者发文情况汇总如表1所示，发表了4篇文献的作者有3人，发表3篇文献的作者有10人，发表2篇文献的作者有28人，所有作者出现的频次之和是602次。发表文献2篇以上的作者共有41人，占作者总数的7.41%，发文量累计占到16.28%。
初步分析发文量大于3的13位作者之间的关系，发现从作者分布的角度，可以分武汉地区、台湾地区、香港地区以及其它，可以看出华裔学者是虚拟社区研究的主力。武汉地区学者3人，分别是华中科技大学的Lu， Yaobin、武汉科技大学的Yan， Yalan和武汉大学的Zha， Xianjin。华中科技大学的Lu， Yaobin与印度Shri Shankaracharya Inst Management & Technol的Gupta， Sumeet合著了两篇文献，武汉科技大学的Yan， Yalan和武汉大学的Zha， Xianjin合著了三篇文献。台湾地区学者5人，分别是台湾国立中山大学Chiu， Chao-Min、台北大学的Tsai， Hsien-Tung、成功大学的Chang， Hsin Hsin、东吴大学的Lin， Judy Chuan-Chuan和台湾科技大学Lu， Hsi-Peng。其中东吴大学的Lin， Judy Chuan-Chuan和台湾科技大学Lu， Hsi-Peng合著了两篇文献。香港地区研究者2人，香港城市大学的Lee， Matthew K. O.和浸会大学的Cheung， Christy M. K.，这两位作者合著了三篇文献。
2.3 关键词研究热点分析
应用Bicomb软件提取检索得到的文献，225篇文献共有783个关键词，删除“Virtual community”、“virtual communities”、“Internet”、“online communities”等没有实际意义的关键词，将诸如“digital”、“Digital”词语统一写法，剩余767个关键词。所有关键词中出现频次最多的是trust，一共出现了18次。出现频次第二名的Knowledge sharing出现了15次。頻次排名前10位的关键词占累计频次的10.88%。频次3个以上的关键词共有28个，占累计频次的17.15%。频次2个以上的关键词共有96个，占累计频次的31.11%。
取关键词频次3以上的关键词作为高频关键词进行分析，应用Bicomb软件生成28×28的高频关键词共现矩阵，应用NetDraw软件绘制出高频关键词关系图，如图1所示。
28个高频关键词关系图形成了1个26个词的主网络和2个关键词的小网络。图中每一个方块代表一个关键词，连线代表两个词在同一文献共同出现。作图时为便于观察，将方块的大小设定为该点的中心度大小。关键词Trust出现了18次，其恰好也是与其他关键词联系最多、中心度最大的点，其位于主网络的中心，形状最大。位于主网络中心，同时中心度较大的点有五个，分别是Trust、knowledge sharing、Social capital、Communities和virtual worlds，这五个词代表了主网络的主要研究方向。该网络的研究方向一个是从用户管理角度去研究虚拟社区，比如关键词Trust、Social capital和Social media等，一个是从知识流动角度研究虚拟社区。比如关键词knowledge sharing、virtual work等。研究用户管理的文献多于研究知识流动的文献。图1中还包括1个由2个关键词形成的小网络。关键词motivation和information seeking同时出现在《Motivations for sharing information and social support in social media：A comparative analysis of Facebook， Twitter， Delicious， YouTube， and Flickr》一文中，作者探讨了什么促使虚拟社区用户与匿名者分享他们的个人经历、信息和社会关系。
高频关键词关系图不能清晰展示主网络中关键词的位置关系，除去关键词motivation和information seeking组成的小网络，将主网络关键词共现矩阵26×26单独提取出来，生成相似矩阵，再生成相异矩阵，绘制战略坐标分析。相似矩阵的生成方法有很多种，比如Sati软件应用的Equivalence系数[3]，以及Jaccard系数和Cosine系数等，本文应用在图书情报相关论文广泛应用的Ochiai系数[4]：
Ochiai=
将26×26的共现矩阵设为a矩阵，输入Matlab中，依据Ochiai系数公式，求得相似矩阵b。计算程序如下：
for i=1：26
for j=1：26
b（i，j）=a（i，j）./（a（i，i）.*a（j，j））^0.5；
end
end
用1与相似矩阵b求差得到相异矩阵表，相异矩阵代表高频关键词之间的距离，距离为0表示相异性小，距离为1表示相异性大。应用Spss中多维尺度工具ALSCAL分析相异矩阵[5]，得到高频关键词战略坐标图2。
在战略坐标四个象限中，寻找较为接近的关键词团进行分析。第一象限中，participation、Social exchange、Wiki、Continuance intention和knowledge sharing五个词距离接近，以这五个词为关键词的文献研究内容相关。研究方向主要是虚拟社区的知识流动。比如《Knowledge sharing in wiki communities： an empirical study》一文中，关键词包括Knowledge sharing和wiki，作者研究了维基社区是工作模式，结果表明通过成员互动、社区参与和社区促进的效应，能够对知识传播有积极影响。第二象限中，Trust、Crowdsourcing、social influence和Satisfaction四个词距离接近，这四个关键词代表的研究方向是虚拟社区成员的管理。比如《Solversparticipation in crowdsourcing platforms：Examining the impacts of trust， and benefit and cost factors》文中，包含关键词Crowdsourcing和Trust，作者研究了服务众包工作对成员和管理者带来的挑战，作者认为技能提升、货币奖励、自由的工作和对参与者的信任对服务众包工作有积极影响。第三象限中，co-creation、virtual worlds、Second Life三个词距离接近，这三个词代表的研究方向是宏观角度研究虚拟社区与实体社区的联系。这三个词同时出现在《CO-CREATION IN VIRTUAL WORLDS： THE DESIGN OF THE USER EXPERIENCE》一文中，作者揭示了如何共同创造系统，作者创建并部署、评估和改进了一个称为思维探索的虚拟协作社区。第四象限中，Social capital和Communities距离接近，这两个词代表的研究方向是虚拟社区的运行模式，以及商业网站的行为。比如《Investigating recognition-based performance in an open content community： A social capital perspective》文中，作者研究了志愿者参加维基社区的动机，研究表明，在虚拟社区获得认可和资本对志愿者的绩效识别有重要影响。
3 总结
本文对Web of Science核心合集中研究虚拟社区的相关文献进行分析。第一，通过数据库检索出文献数量。第二，应用Bicomb软件提取出高产作者，找出隐藏在作者之间的关系。国内作者发文量较多，但与国外作者合作少。第三，应用Bicomb软件提取高频关键词共现矩阵，应用Matlab生成相异矩阵，导入Spss中进行多维尺度分析，列出虚拟社区研究的热点。
【参考文献】
[1]姜雪.虚拟社区信息分享行为的影响因素研究综述[J]. 图书馆学研究， 2014（10）：18-24.
[2]张浩，成施充，崔雷.我国情报学硕士学位论文研究热点分析[J].医学信息学杂志， 2012，33（2）：44-47.
[3]刘启元，叶鹰.文献题录信息挖掘技术方法及其软件SATI的实现——以中外图书情报学为例[J].信息资源管理学报，2012（1）：50-58.
[4]隋明爽，崔雷.基于SPSS的共现聚类分析参数选择的实例研究[J].中华医学图书情报杂志， 2016， 25（1）：52-56.
[5]楼雯，屈卫群，李立从.基于共词分析法的我国竞争情报研究主题分析[J].情报杂志，2009，28（s2）：88-90.
