IO | 数字社会网络研究拓展：大数据与定性方法的结合
数字社会网络研究拓展：大数据与定性方法的结合
文献来源：Whelan, E., Teigland, R., Vaast, E., & Butler, B. (2016). Expanding the horizons of digital social networks: Mixing big trace datasets with qualitative approaches. Information and Organization, 26(1-2), 1-12.
后台发送“20210407”，即可获取原文献PDF版。
编者按
近年来，数字技术平台的支持使得社交网络的跟踪数据的可访问性逐步提高，因而对社交网络的研究引起了信息系统领域的极大兴趣。尽管社交网络的影响力在迅速增长，但我们对IS领域当前社交网络研究的发展现状仍有一些担忧。本文的目的是向精通分析海量数字数据集的数学技术的新一代社交网络研究人员强调定量和定性方法的结合如何丰富我们对网络的理解。首先，本文总结了社交网络视角如何有助于我们对IS现象的理解。接下来，本文回顾了IS社会网络研究中的混合方法研究。然后提出了未来社会网络研究的议程，总结了定性方法如何更好地补充跟踪数据来解决社会网络重点问题。最后，本文讨论了对数字社交网络进行混合方法研究的挑战。
▋01 引言
近年来，社交网络的研究在全球信息系统研究界引起了越来越多的关注。这种兴趣在很大程度上是由数据跟踪的可用性推动的，跟踪数据是通过Facebook、Twitter和Second Life等技术支持的社交网络平台和SourceForge和Thingiverse等开源存储库以及电子邮件、电话、博客和维基通信的日志记录进行交互的副产品。通过社交平台进行的每一次互动都会留下易于记录、海量存储和廉价检索的痕迹。提取有序网络数据的数据挖掘工具(如NodeXL)的出现也促进了人们对社交网络研究兴趣的激增，有利于社交网络领域数据的获取。例如，研究人员已经开始使用痕迹数据来研究认知、社会影响力、集体行动、信息和知识扩散等领域。
当前IS领域的社交网络研究存在潜在的局限性。计算机可读数据的可用性，廉价的处理能力，易于使用的分析和可视化工具)和看似简单的解决方式和概念，可能导致社交网络研究变得狭窄而固定。研究者可能会过于追求复杂的数学分析，不断增加大数据规模，而不考虑“如何”和“为什么”定性方法被设计来解决的问题。
认识到数字社会网络相对于个人和其他社会结构的特殊性和地位，对于理解不断发展的社会网络革命带来的机遇和挑战至关重要。社交网络的概念、方法和理论是有价值的,因为他们使我们超越孤立的个体等描述抽象的社会结构关系,团体,组织和机构的形式计算可控,并考虑这些更广泛的社会结构的影响。因此，社会网络以看似精确、可量化的方式为理论和研究语境中的个体提供了基础，而正是因为社会网络可以从孤立的个体和抽象的社会结构中区分出来，社会网络方法才如此吸引人。然而，这种吸引力也有其局限性。社交网络数据虽然在刻画个体之间的关系方面非常有价值，但对于社交网络是如何体验的，以及它们是如何嵌入社会、空间或时间背景的却很少有说明。
与社会学、人类学、经济学、政治学和心理学等广泛领域的研究一样，我们呼吁定性SNA方法的复兴，特别是在数据收集和分析层面上定性和定量方法的结合。虽然我们承认可访问的网络数据提供了巨大的机会，但我们在这篇评论文章中的目的是探索跟踪数据驱动方法固有的潜在危险。首先，我们强调社会网络视角如何有助于我们理解IS现象。接下来我们回顾一下在社交网络研究中的混合方法研究。在此之后，我们提出了社会网络研究的未来研究方向，并建议定性方法如何在解决焦点社会网络问题时最好地补充跟踪数据。最后，我们讨论了IS研究人员在对数字化社交网络进行定性研究时面临的一些挑战。
▋02 社会网络概念的研究
社会网络分析和理论有其社会学和人类学的渊源。早期的网络学者将自己与其他社会科学家区别开来，因为他们不关注作为实体的个人或个人的抽象集合，而是探索特定的社会结构如何约束或促进人类行为。利益的社会结构表现在网络参与者之间的关系模式中，这些模式对参与者来说甚至可能不明显。因此，网络分析师寻找深层结构——在通常复杂的社会系统表面之下的规则网络模式。由于社会网络理论与各种信息系统研究问题(如知识转移、合作和绩效)的潜在相关性，信息系统研究人员一直被吸引到社会网络理论。在正式的组织环境中，学者们揭示了信息技术的引入以微妙的方式改变网络内的信息流动，从而使人们适应正式的组织结构、决策和权力关系。
由于信息技术的进步，我们现在有能力与我们的社交网络中的参与者协作和互动，而不必诉诸于面对面的接触。这种虚拟形式的组织为用户提供了许多在离线网络中不可能实现的功能，如网络可视化、参与者和内容搜索、更大的网络、声誉提升和更快的信息访问。这些新功能对性能的影响引起了IS研究人员的兴趣。研究已经将社交网络理论应用于虚拟群体中的联系模式，社交媒体平台和开源项目。现有研究还借鉴了社交网络方法，阐明了网络社区的组织结构是如何编织的。
综上所述，社会网络理论和方法被IS研究采用，并以多种方式加以扩展。如表1所示，当前的发展轨迹是，社交网络在很大程度上处于复杂的数据挖掘和数学技术领域，并结合大量数字数据集的分析。这些方法当然有优点，但也存在一些新的问题。
▋03 解释主义方法在SNA研究中的使用
揭示和理解意义是解释学研究者的要义。除了其方法的多样性之外，解释主义方法有两个共同的原则：①意义不能从其语境中分离出来，即一个特定的参考框架；②研究者应该对主题问题持开放态度，任何先前的理解都被认为是初步的。因此，解释主义网络研究关注于研究诸如网络如何受到文化、叙事、内容和语境的影响等问题，为研究跨越个人-网络和网络-组织/群体边界的问题提供了独特的基础。与所有研究方法类似，解释主义研究在应用于社交网络时也有其自身的弱点。访谈、档案分析和参与者观察无法以系统和精确的方式映射和测量社会关系的某些方面。同样地，通过定性手段收集网络数据可能非常耗时，往往导致参与者人数很少。但正是这些局限性使得定量SNA受到广泛关注。今天，许多领域的研究人员正在推动定性方法作为定量方法的补充。除了帮助解决定量限制之外，解释主义方法还带来了重要的新见解和理论产生。回顾其他相关领域的文献，可以发现解释主义方法最近在三个领域引领了理论发展：①网络动力学，②网络多维度，③嵌入性和信任在网络中的作用。IS网络学者把自己放在各种解释主义研究的基础上，这些研究揭示了不同类型的联系或多维网络结构对组织结果的重要作用。
▋04 数字社交网络研究面临的挑战
第一，解释主义研究要求研究人员在数据收集过程中保持开放，以确保相关数据事先不会被排除，并允许上下文化的意义尽可能充分和深入地展开。在不断发展的数字环境中，对第一项要求的一个明显挑战是如何定义网络边界，即哪些个人包含在网络中，哪些不包含?如何定义成员在网络中参与的程度，以及在什么时间段内表明一个人是否是成员?
在IS文献中，人们普遍认为数字网络是社交网络。随着广泛可用的追踪数据来量化一个社交网络，我们担心的是，相关记录和社会关系之间的对应关系可能不会受到严格的质疑。联系的定义和强度是社会网络研究的核心特征，如果研究人员没有充分考虑到这一点，他们报告的结果将受到有效性的挑战。
第二，数字化社交网络涉及到要收集的数据的性质问题。基础研究人员在进行研究时需要深入了解他们的研究对象，因此经常依赖参与观察。在传统的面对面网络研究中，通过参与者观察甚至访谈收集的定性数据包括任何表达行为，如口头表达或身体姿势，允许对上下文进行推断。然而，在研究数字化社交网络时，大部分数据收集发生在网上，通过化身或参与者观察、文本聊天或音频采访。因此，对数字化网络感兴趣的定性研究人员必须探索和理解新的数据形式，包括表情符号、挥手等化身脚本和视频/音频会议。许多研究利用观点挖掘或机器学习技术进行推理。因此，关于情感如何在社交网络中渗透的问题，特别是在对意外事件的反应中，只能通过计算机和基于机器的方法相结合来解决。
第三，研究人员需要特别适应正在进行的变革，并调整他们的方法论视角和工具箱，以挖掘数字社交网络的意义和变化轨迹。每当采用定性立场时，研究者就扮演探索者的角色，在数字社交网络的情况下，随着网络的出现、形成、变异，以及被新网络所取代，这一领域不断被塑造和重塑。技术发展，如通过智能手机无处不在地参与或通过化身沉浸式参与的能力对社交网络的活力做出了贡献。同样，语言、表达、社会行为和网络成员的协调实践也在数字技术的影响下发生了变化。
第四，关于隐私、匿名和身份的关键问题。在传统的社会网络研究中，个体参与者往往不是匿名的，因为这种方法的本质通常需要识别每个个体。在数字化的社交网络中，身份和匿名问题出现并呈现出新的形式。虽然研究人员可能有个人参与者的电子邮件地址或头像名称，但个人的真实身份可能会被伪装。与此密切相关的是，对数字化社交网络的研究给研究人员，尤其是基础理论家提出了相当大的伦理挑战。研究人员可以通过LinkedIn、twitter等社交网站上的个人资料，访问到网络中所有以前和正在进行的交流，以及网络成员的其他信息。这种对在线互动的广泛访问模糊了什么是私人信息，什么是公共信息，甚至改变了实地研究人员和实地参与者之间关系的本质。
本文经翻译整理，仅供学习与交流，转载请注明出处。
供稿 / 编辑：赵陈芳
文章荐读