{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"ae053936-f6b1-488b-8973-bb2332d1be14","title":"数字技术研究","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787308182003","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"ae053936-f6b1-488b-8973-bb2332d1be14","id":"ae053936-f6b1-488b-8973-bb2332d1be14","uuid":"ae053936-f6b1-488b-8973-bb2332d1be14","title":"数字技术研究","normalized_title":"数字技术研究","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787308182003","isbns":["9787308182003"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":790,"navigation_url":"https://workshop.closeclaw.top/ai/book/ae053936-f6b1-488b-8973-bb2332d1be14","title_url":"https://workshop.closeclaw.top/ai/title/%E6%95%B0%E5%AD%97%E6%8A%80%E6%9C%AF%E7%A0%94%E7%A9%B6","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/ae053936-f6b1-488b-8973-bb2332d1be14/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/ae053936-f6b1-488b-8973-bb2332d1be14/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/ae053936-f6b1-488b-8973-bb2332d1be14","page_url":"https://workshop.closeclaw.top/api/ai/books/ae053936-f6b1-488b-8973-bb2332d1be14/page","search_url":"https://workshop.closeclaw.top/api/ai/books/ae053936-f6b1-488b-8973-bb2332d1be14/search"},"page":{"printed_page":"241 / 363","pdf_page":387,"physical_index":387,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"5838947f159287cb19240d3dbc96510cc796f50a032312b2716d2cf39a2e851e"},"chapter":"第16章 在线社区分析中的行为踪迹数据","content":"部分研究人员已经使用这种方法对社交网站进行过研究。吉尔伯特和卡拉哈里奥斯(Gilbert andKarahalios,2009)利用一个应用，下载了有关用户如何彼此互动的关键特征数据，来推断如何衡量这些用户间的关系强度，并通过用户对这些关系强度的直接评估来进行了验证。霍根(Hogan)开发了一种名为“namegen”的Facebook应用，研究人员可通过该应用下载用户的社交网络与个人资料信息以用于研究(Hogan，2010)。他与同事使用该工具，以大学生为对象，研究了社会经济状况如何影响到大学生们经由Facebook来累积社会资本。\n\n获取服务器日志\n\n获取网络数据的另一个方法是直接从该社交网站主机上获取数据，要么通过与该网站所属机构做交易，要么是成为该机构的研究人员。这种数据获取方式的好处之一是数据完整，因为这么做不仅获得了进行过私密设置、抓取手段所无法获得的用户信息；往往还能够获取到在交互界面看不到的信息内容。比如，网站上的单个活动时间戳可能被服务器抓取到，却不会显示在页面上。这种方法的最大缺点在于难以从活动发生网站所属机构处获得这些数据。另一个可能的缺点在于，网站设计者与拥有者可能并未记录研究者感兴趣的所有活动。比如，在线社区数据库常常将用户的小活动，如内容投票等，集合在一起记录，而不是单独记录他们的每个投票。研究独立投票或许能让我们知道人们在投票时“先人为主的偏见”，展示投票是如何随时间而演变的，这有助于提升整体的内容投票过程。对于工程师而言，在数据库中将这些投票集合在一起是节约且有效的；但对于研究人员来讲，这意味着丢失了一些可能有用的数据。研究人员可以请求记录额外信息，但网站拥有者在考虑这些请求时，会担心服务器与数据库的运行问题。\n\n我们自己已经使用行为踪迹数据研究过社交网站(Lampe,EllisonandSteinfield,2007)及其他网站，包括早期的新闻门户网站及名为“Slashdot”的在线讨论社区，这是最早允许用户对其他用户的评论进行评价的在线讨论网站之一。在分析Slashdot时，我们使用行为踪迹数据研究了人们如何在网上评价这些新闻故事评论的价值(Lampe and Resnick,2004)、这些评价如何影响到新用户学习参与该网站的方式(Lampe and Johnston,2005)以及人们如何使用评论等级来导向他们想要阅读的内容（Lampe，Johnston and Resnick，2007)。格兰斯和兰普(Ganley and Lampe,2009)研究了Slashdot 中嵌入的某个包含正面链接(“友情网站”)与负面链接(“敌对网站”)的社交网络，考察了该网络如何被用于影响该网站上的投票行为。这些研究数据来源于研究者与Sashdot拥有者之间的私人交易。\n\n第16章 在线社区分析中的行为踪迹数据\n\n241\n\n363","previous_page":386,"next_page":388}