数字技术研究

数字技术研究(世哲手册)

356

第16章 在线社区分析中的行为踪迹数据

引 言

近来，经常性地使用包括社交网站在内的社交媒体的人数激增(Hamptonet al.，2011)。使用人数的增加为我们通过研究行为踪迹—即人们使用在线社区时保存下来的记录来理解社会进程提供了新的机遇。本章中，我们将分析使用在线社区中的行为踪迹数据来进行研究的优缺点，并将之与研究这些社会进程的其他方法相联系。在理解这一在线交互新范式的效应方面，应该将社交媒体研究与更普遍的在线社区研究相结合，因为两者都是以信息技术为中介的多对多交互研究。截至目前，在线社区研究已有些年头了，产生了不少研究成果，而且突出了许多研究技巧的作用；鉴于当前的网络环境，我们在研究时也应考虑到这些技巧。尤其要指出的是，在线社区使我们得以接触到用户与系统交互时的行为数据，为我们了解大规模社交行为提供了宝贵见解。

虽然多年来术语几经变化，但考虑到这些系统的基本特征，在线社区的理念有点类似于我们现在所说的“Web2.0”及“社交媒体”。从高级层面来讲，这些术语都涉及多人间的交互，即人们通过某种计算机中介来直接进行交流。整体而言，这些人是在共同协作创造系统内容，无论其内容是以文章、照片的形式，还是对某次讨论的评述；其涵盖了大批在线交互，覆盖种类极其多样，囊括了各类主题与用户。然而，一个网站要成为社交媒体需同时具备三个普遍特征：(1)用户彼此进行直接互动，不太需要借助其他中介；(2)用户以这样或那样的形式创造网站内容；(3)用户交互主要受到网络计算的支持，将各个独立的应用捆绑在一起成为一个系统。换言之，在线社区是指在多个电脑工具

236

357

既然在线社区的核心是社交系统，那么用于研究这些在线社区的方法和用于离线社会系统的研究方法同样非常多。在线社区的研究方法包括调研(Ellison, Steinfield, and Lampe, 2007; Lampe, Ellison, and Steinfield, 2008;Papacharissi and Mendelson,2011; Tufekci and Wilson, 2012)、民族志(Barkhuusand Tashiro, 2010; boyd,2004; Toma, Hancock, and Ellison,2008) 与实验法(Chen et al. ,2009; Lampe and Garrett,2007; Ling et al. ,2005; Tong et al.,2008)。

然而，将在线社区研究与其他社会系统的分析区别开来的，是在线社区的一项独特特征：由于在线社区是以电脑技术作为中介的，多数系统包含人们如何使用该网站以及如何彼此互动等记录。以前的学者指出了在线社区用户可用的工具如何使他们获得不同于离线交流的交互类型(Hollan and Stornetta，1992;Resnick,2001;Wellman,1997a)，包括向多人散播消息的能力、留有快速反馈渠道、支持用电脑工具进行交互等。以技术为中介的群体交互的一个关键特征是能记录曾经发生过的交互历史。在线社区利用基础数据库使这些交互特征成为可能。比如，允许用户在新闻故事下发表评论的网站必须保存这些评论的某种档案，以方便之后的用户阅读。对于允许固定用户使用真实身份或化名的网站来讲，这些个人资料的部分记录是保存在基础数据库的表单中的。这些在线社区的基础数据库是其丰富的用户交互数据的源泉。某个系统中的用户数越多，使用该系统的时间越长，数据库就越有价值。比如，Twitter是一个拥有上亿用户的社交网站，每秒钟有成百上千次交互发生。发布在该网站上的每一条“推文”都被Twitter保存起来，包括发帖时间、发帖人、转发者等信息。每一位Twitter用户也被记录在数据库中，他们的活动记录都被储存在该网站上，可能会对研究者有价值。

对用户与系统交互或通过系统发生交互时的选择的记录，既包括单个用户的选择，比如他们填写过的资料或访问过的页面，也包括用户之间的交互行为，比如，用户间的通信记录或对彼此内容的投票。用户活动的这些记录有时被称作“数字踪迹”或“行为踪迹”，因为这好比人们在数字环境中留下的行为足迹。

本章，我们将给出在线社区的简单定义与研究历史，看看在线交互流派如何与一般的社交媒体及专门的社交网站相媲美。接着，我们将思考从在线社区中记录的用户数据分析中获得的观点，讨论获取与分析这些数据的典型方式。最后，我们将分析使用用户个人资料来理解在线社区中交互行为的一些注意事项。

数字技术研究(世哲手册)

237

与应用支持下，人们能够聚到一起共享内容的场所。

358

在线社区研究

自从计算机获得网络连接以来，通信就一直得到了计算机系统的支持(Lickliderand Taylor,1968)。早期的网络支持了科幻迷们的社会交往(Abbate,2000)，这种社会性被带进了Usenet讨论组(Pfaffenberger,2002)、多人地下城堡(MUD)游戏(Curtis,1992)及电子邮件系统(Hiltz and Turoff，1978)。每个系统的工具与基础结构有所不同，但使用电脑网络来支持通信的整体理念是一致的。

莱茵戈德(Rheingold,1993)确立了早期含中介的群体交互的学术地位，他将WELL——与各类话题相关的论坛——描绘为“在线社区”。WELL的基础是一个电子布告栏系统(BBS)，这是一种以计算机为中介的通信形式，依靠电话拨号上网。在其著作的第2版中，莱茵戈德声称，假如他当时已经了解该领域的研究，那么他会使用“在线社交网络”一词而非在线社区(Rheingold，2000)。在线社交网络概念的一位知名拥护者是巴里·韦尔曼（BarryWellman)，他认为以电脑技术为表达渠道的社交网络拥有许多与线下社会交往相同的原则(Wellman,2001)，尽管在线社交网络的一些特征促成了新的交互形式，如存档与广播特性(Wellman and Gulia,1999)。

与在线社区研究相关的另一个领域是组织中使用的群件系统(Grudin，1988)。这项工作开创了许多关于分散的个人如何受到媒介传播的影响方面的研究，包括早期关于误解如何通过在线信息而加深的研究(SproullandKiesler,1991)。通过这项工作，人们意识到：社交系统可预测群件采纳情况、群件环境中难以处理的例外情况，以及计算系统不如社会系统灵活(Ackerman,2001)。此类文献中有一个经典案例，讲的是建立共享日历系统的难度。人们如何以及为何规划会议是一个复杂的过程，涉及权威、社会规范与组织文化等问题，而日历系统往往对此类基础力量并不了解。另一个案例讲的是，Facebook允许用户对好友进行分组，以便于用户向网站发布内容，维持自己的社会情境。然而，对于人们来讲，谁属于哪个好友组是个复杂而动态变化的过程；旨在完成这项任务的系统对大多数人来讲不够灵活(Marwickand boyd,2010;McLaughlinand Vitak，2012)。该领域也让人们了解到，沟通渠道(比如身体语言、白板等共同指向的物品、语音语调等)如何影响到不同类型的社会进程，要在复杂的交互情境中进行沟通，还需要用到更多类型的信息(Olson et al.，2001)。比如，在文本环境中，你可能无法获得群体的快速反馈，也无法看到他们的身体语言，但这一环境对于完成会议安排等“松散耦合”型任务就没问题，而谋划战略或创意设计等“紧密耦合”型任务则需要通过更丰富的沟通渠道，提供更多的信息类型。不过，也有证据表明，文字沟通情境中的长时间反复交互也有助于加深对电子群里其他人的理解(Walther，1992;Walther and Parks,2002)。

第16章 在线社区分析中的行为踪迹数据

238

359

该领域曾经研究过的另一个重要的在线社区类型是Usenet。Usenet是一个在线讨论系统，以数据传递协议为基础；根据这个协议，研究者可以轻松获取系统内容。Usenet是一种“新闻组”系统，是基于文本的讨论，以话题为分类依据(Quarterman and Hoskins,1986)。内容的易获取性，导致产生了大量围绕Usenet社交的研究，包括对作者价值观的感知（Fiore，TiernanandSmith，2002)、“潜水者”在此类系统中扮演的角色(Fiore,Tiernan andSmith，2002)、可持续的群组规模(Butler,2001)以及信息如何在Usenet的不同群组间扩散(Whittaker et al.,1998)。Usenet 中数据的重要性体现在其建立了早期的推荐系统(Resnick et al.,1994)，确立了可视化作为理解社会模式的一种技巧的重要性(Smith，1999)。

正如上述简史所显示的，过去30年来，在线社区研究非常活跃。当前以计算机为媒介的用户交流环境，具有许多与上述研究相同的特征，但仍有两项重要变化仍在探索中。首先，在线社区与社交媒体的参与规模在过去几年里急剧增加(Madden and Zickuhr,2011)，给在线社区带来更多类型的用户。这使得动机、素养、效力与能动性等问题受到了格外的关注。随着在线社区参与的增加，这些系统的设计与开发方式也发生了改变，给商业系统带来了更多的推动力，这继而又限制了人们对私有系统的使用，出现了更简洁的界面，因为在线社区需要在竞争的市场中争取用户。在线社区研究领域的第二个变化是这些网站本身已变得越来越复杂与多样化。社交媒体不再只是简单的文本聊天，现在已包含了各种各样的媒体、活动与工具。

数字技术研究(世哲手册)

239

360

作为在线社区的社交媒体与社交网站

社交网站(SNSs)是一类特殊的在线社区，在这类网站上，用户共同创造的内容主要是关于用户的信息，包括个人资料信息与状态更新。正如博迪和埃里森(body andEllison,2007)所言，社交网站具备三个特征：(1)明确用户身份的某种类型的个人资料；(2)能够清晰说明与其他用户的联系；(3)看到其他用户在网站上建立的联系的能力。构成个人资料的既可以是关于这个人的丰富的情境信息，也可以是简单描述或者化名信息。比如，WebKinz网站1允许儿童使用社交网站，但个人资料则是虚拟宠物。各个社交网站上，用户间的关联也各有不同。在Facebook上，用户间需要经过同意才能建立联系(同步链接)，而在Twitter上，用户可以关注某个人，而不需要对方同时关注自己(非同步链接)。这些社交网站独有的特征与上述在线社区及社交媒体的定义并不冲突。虽然社交网站可能具有某些并非所有在线社区都享有的特征，但成为在线社区则是所有社交网站共有的必要条件。

获取行为踪迹数据

如上所述，行为踪迹数据有两大优势：规模与可靠性。就规模而言，多数社交网站记录的交互数据从几千条到万亿条不等，为研究人员提供了大量可用信息。单个用户与群体间的交互从生态学上来讲是可靠的，因为这些数据显示了人们的实际行为(不同于调研或采访时常见的行为回忆)。要获得这些

第16章在线社区分析中的行为踪迹数据

[1]www.webkinz.com

361

研究人员可以使用程序来访问网站，将数据“扒”到外部数据库中。当研究人员无法进入到在线社区的基础数据库时，这是一种有效的数据采集方式，但这种方法有许多局限性。出于对用户权益、知识产权及服务器效率等的考虑，许多网站出台了“使用条款”来限制人们使用自动脚本下载用户数据。这一限制引起了人们对研究人员获取由私人实体“拥有”的数据的道德关注。当前环境下，多数在线社区都是私人拥有的商业实体。研究人员是否有权复制这些由第三方拥有的数据呢?除了道德问题之外，还牵涉到法律及技术问题，因为这些网站往往阻止使用自动脚本的计算机访问他们的服务器。

屏幕抓取数据的另一个局限是，并非研究人员感兴趣的所有行为都会被发布在网站上，因而抓取到的只是能够用这种方法自动检索到的数据。比如，单个用户的访问通常并不会呈现在网页上，因而是研究人员获取不了的。许多网站要求用户进行身份验证；在社交网站上，许多用户使用私密设置，除了“被加为好友”的用户外，任何人都是看不到其内容的。这就导致这些内容无法被抓取到，影响了研究者的整体抽样。

使用这种方法有利于研究那些不开放行为数据的网站。兰普、埃里森及斯坦菲尔德(Lampe,Ellison and Steinfield,2007)在获得了Facebook的允许后，下载了该网站上的所有用户配置文件数据，以表明某些配置文件字段比另一些更有助于确认身份。阿达米克和格兰斯(Adamic and Glance,2005)使用数据抓取程序下载了政治博客的一些链接，表明在有影响力的文章中，只有一小部分政治意识形态类的博客会提到其他意识形态内容(Adamic andGlance，2005)。

通过API获取数据

获取网站使用数据的另一个方法是，通过应用程序接口(API)，在允许接入第三方应用的在线社区创建一个应用。比如，Facebook允许第三方开发者创建应用，当用户使用这些应用时，其个人资料中的许多内容也开放给了这些应用。因而，如果用户使用了这个应用，研究者就可以自动检索到其好友数量、发布过的人口特征信息等。这种方法可有效地用于检索需经过用户验证，并且与网站使用条款相一致的信息。不过，必须得设法让用户装载这个应用，因为这这会影响到抽样的广度。

数字技术研究(世哲手册)

240

网站上的用户行为踪迹数据有许多种不同的方法。每种获取手段各有优缺点，下面将详细阐述。

数据采集

362

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。

获取服务器日志

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。

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。

第16章 在线社区分析中的行为踪迹数据

241

363

许多大型社交网络公司的研究团队可以直接获取服务器数据，用这些数据研究社会交往，随后将研究成果发表在学术刊物上。莫伊拉·伯克(MoiraBurke)与Facebook公司的研究人员一起分析了服务器上关于用户行为的日志，研究用户发布照片与Facebook新用户间有何联系（Burke，MarlowandLento,2009)、Facebook上的社交网络联系与社会资本及孤独等结果的联系(Burke,Marlow and Lento,2010)、Facebook上的不同类型活动如何导致不同的社会资本结果(Burke,Krautand Marlow,2011)。Facebook公司的另一名研究人员发表了一份分析报告，讲的是不同国家的用户在开心时会使用哪些词汇来更新状态(Kramer,2010)。

另一些研究人员与网站或组织机构达成了特殊约定，获取用于研究的数据集。兰普及其同事与在线用户生成内容的网站Everything2达成协议，使用其服务器上的用户日志数据，对该网站上的用户模式进行研究(Lampe，Wash,Velasquez and Ozkaya,2010)。戈尔德(Golder)及同事收到Facebook早期交互的数据库，检验用户间发生的是哪种通信类型，如“戳戳他”等打招呼信息与私信(Golder，Wilkinson,and Huberman,2007)。有些研究人员只能拿到大型在线游戏，如Everquest II(Keegan et al.，2011)的信息，用这些信息来研究大型在线社区中的社会交往。

在这些案例中，所涉及的不仅仅是请求数据，继而将数据载入某个统计程序进行分析的问题。机构需要确信这些研究人员不会伤害他们的用户，因而需要建立适当的隐私、匿名与数据安全协议。提供的数据量通常非常大，所以研究人员既要有计算环境，也要具备存储与分析大规模数据的个人能力。研究人员往往需要与机构成员进行协作，这名成员作为他们研究计划中的内部支持者；然而这种做法也是存在问题的，当该机构发生人员调动，这名支持者离开后，研究人员就无法获取数据。虽然在线社区数据的这种不寻常获取方式对于研究来讲是值得的，但也不应低估进行此类研究的代价。

数字技术研究(世哲手册)

364

社交媒体机构提供的数据集

有时，运行用户感兴趣的大型在线社区的机构会通过大规模输出开放一些数据，任何人都可以使用这些数据。其中最常见的就是维基百科数据集，该数据集开放下载功能，任何人都可以获取1。维基百科偶尔会有小数据包开放，正如近来由维基媒体基金会主办的比赛，该基金会负责维基百科及其他以维基为基础的大众协作类网站。在这次比赛中2，参赛者使用一组共享数据包，来更好地预测哪些新编辑将会成为合格投稿者。这个问题对于维基百科非常重要，因为自2007年以来，新成员的贡献急剧下降(Suh et al.,2009)。

另一个向研究人员开放大量数据包的网站是开源软件托管网站Sourceforge。Sourceforge与美国圣母大学签订协议3]，向各类研究人员提供匿名数据，而圣母大学则充当了居间服务方的角色(VanAntwerp and Madey，2008)。圣母大学团队已发表了多份基于此数据的报告(Gao et al.,2007;Gao and Madey，2007)，报告分析了开源项目参与者被打散，彼此互不了解是如何组织起来以获取成功的。

就上述接收到的数据而言，规模如此之大，只有掌握了计算工具与方法的研究人员才能真正利用其优势。这就要求研究团队具备此能力，要么通过与数据科学家的协作，要么通过专门的训练来处理此类数据。同屏幕抓取到的数据一样，机构所提供的数据集通常就是“原本的样子”，这意味着并非研究人员感兴趣的所有变量都会包括在内。比如，在对Slashdot(Lampe,JohnstonandResnick，2007)的研究中，网站只捕捉到了用户每天的整体点击量，而研究者感兴趣的则是特定用户什么时候访问网站。要得到必要的日志信息，就必须与网站管理层进行协商，而这需要各方的额外努力。

242

第16章 在线社区分析中的行为踪迹数据

[1] dumps. wikimedia. org

[2]www.kaggle.com/c/wikichallenge

[3]www.nd.edu/\~oss/Data/data.html

365