博文网站入门

>第54卷第14期2010年7月评论,也可选择将消息继续转发出去,让更多的用户得以分享.
在信息传播过程中,信源与信宿之间是一种"后背对前脸"的信息流动,可以一点对一点,也可以一点对多点,信息像广播一样同时传递给所有跟随者.
3数据获取与预处理本文研究样本来自"新浪微博"的"随便看看"板块.
"新浪微博"是由新浪公司开发的一款国内主流的微博产品,作为样本具有一定代表性.
从2009年11月30日至2009年12月30日,在每天的19点至21点时段,随机选取该板块100条微博内容.
对每条微博内容的处理过程为:提取发布者、发博途径、博文内容、博文转发数、博文评论数五项数据,再通过"发布者"链接至其个人主页,提取个人的关注数、粉丝数、博文数三项数据,上述八项数据组成一条记录.
最终得到3000条记录作为样本,将样本记录保存为Excel文件.
4用户行为特征分析4.
1转发与评论行为分析所有记录对应的3000条博文,有1176条被转发,1660条被评论,分别占总数的39.
20%和55.
33%.
有些博文包含一个链接地址,指向新的页面,本文称之为含链博文.
在含链博文中,被转发和评论的比例分别为37.
30%和53.
17%;剩余的不含链接博文,对应比例分别为39.
47%和55.
64%.
如表1所示:表1博文被转发和评论情况类型含链博文不含链博文博文数量37826223000被转发数14110351176比例37.
30%39.
47%39.
20%被评论数20114591660比例53.
17%55.
64%55.
33%上述数据说明不管是否添加链接地址,不管是可直接阅读的博文还是需要打开链接再阅读的博文,被转发率和被评论率基本持平.
4.
2发博途径分析超过80%的用户通过新浪网页发布博文,通过手机网页和手机短信发布的用户分别占到11%和7%,另有少量用户借助手机彩信更新内容(见图2).
大部分用户习惯使用较传统的微博网站发布博文,其比例与国外微博网站(如Twitter)差别较大.
据图2发博途径发布加拿大社会化媒体分析公司SysomosInc对Twitter网站的调查,有超过一半(55%)的Twitter用户使用工具而不是通过Twitter.
com发布信息;Twitter网站创立时间较早,拥有大量客户端插件,用户发博方式多种多样[2].
4.
3博文长度分析由于含链博文是由一个超链地址及少量说明性文字组成,进行博文长度分析的意义不大,因此将含链博文暂时剔除,对剩余的2622条博文进行长度分析.
新浪微博规定每条博文最长不超过140个中文字长,每个汉字或中文标点符号为一个字长,每两个数字、字母或英文标点符号为一个字长.
以此为标准,利用Excel文本统计函数计算每条博文长度;博文如包含英文单词或数字,以手工方式处理,一个单词或一组数字计一个字长.
结果如图3所示:图3博文长度分布可以看出,包含10-20个字的博文所占比例最高.
随着博文包含字数的增加,相应的博文数量逐渐减少,说明微博内容短小精致的特性迎合了大部分用户的需求.
多数人发布微博内容远远低于140个字的最高限定.
值得注意的是,也有一定数量的微博由140个字组成,表明其用户希望尽可能详细地进行自我表达;如果超出字数限定,他们可能发布含链博文.
4.
4发博数量分析约2100人(占样本总数的70%)已发博文数集中76>第54卷第14期2010年7月表3博文转发数与博文评论数Spearman相关系数相关系数类别变量参数类别转发数评论数Spearan's转发数相关系数1.
000.
501()相伴概率.
.
000数量21012101评论数相伴概率.
501()1.
000相关系数.
000.
数量21012101表4关注数、粉丝数、博文数两两相关系数相关系数类别变量参数类别关注数粉丝数博文数Spearan's关注数相关系数1.
000.
723().
613()相伴概率.
.
000.
000数量210121012101粉丝数相关系数.
723()1.
000.
833()相伴概率.
000.
.
00数量210121012101博文数相关系数.
613().
833()1.
000相伴概率.
000.
00.
数量210121012101零"的可能性很低.
表3所示转发数与评论数的Spearman相关系数为0.
501,即博文的转发数和评论数之间存在中度相关关系.
此分析表明,如果跟随者发现一篇有价值的博文,在选择转发的同时也很有可能评论一下博文内容,而且一篇博文被转发的次数越多,则被评论的次数也越多.
表4中,关注数与粉丝数相关系数为0.
723,相伴概率为0.
000,正相关性为高度显著,表明一般情况下用户关注别人越多,就越容易引起别人的关注,使得自己的粉丝数增加;而随着粉丝数量的增长,自己也会更多地去了解自己的粉丝并关注自己的粉丝.
关注数与博文数相关系数为0.
613,相伴概率为0.
000,正相关性为高度显著,表明用户关注别人的兴趣与写博文的兴趣成正比.
粉丝数与博文数相关系数为0.
833,相伴概率为0.
000,表现出高度正相关性,表明随着发布博文数的增加,用户会吸引越来越多的粉丝关注自己,而伴随着粉丝数量的增加,用户写博文的欲望也会随之提高.
正如SysomosInc公司对Twitter的调查所显示的:随着追随者人数越来越多,Twitter用户发Tweet的次数也更加频繁[2].
为研究关注数对粉丝数、博文数之间相关关系的影响程度,进行偏相关分析.
设置粉丝数与博文数为偏相关分析变量,关注数为偏相关分析控制变量,进行双侧检验,偏相关分析结果如表5所示:粉丝数与博文数的偏相关系数为0.
494,其相伴概率为0.
000.
对比粉丝数与博文数普通相关系数0.
833,可得关注数对于粉丝数和博文数的正相关关系表5偏相关分析结果控制变量变量参数类别粉丝数博文数关注数粉丝数相关系数1.
000.
494相伴概率.
.
000自由度02099博文数相关系数.
4941.
000相伴概率.
000.
自由度20990有较大的影响.
5.
3回归分析回归分析是通过提供变量之间的经验公式定量描述变量间相关关系的数学过程.
不仅可以利用概率统计知识对经验公式的有效性进行判定,还可以根据自变量的取值预测因变量的取值.
粉丝数量是衡量一个普通用户在微博客中影响力的重要因素.
设粉丝数为因变量Y,关注数为自变量X1,博文数为自变量X2,回归分析过程如表6所示:调整后决定系数为0.
747,t检验的相伴概率为0.
000,具有显著统计学意义.
表6拟合度检验及方差分析最终模型拟合优度检验模型R值R值平方调整后R值平方标准估计误差1.
864a.
747.
747.
37.
542方差分析模型离差平方和自由度均方F值相伴概率1回归874650624373252.
8243104.
580.
000a剩余295674720991408.
646总数117032532101回归分析结果如表7所示:表7回归分析结果系数模型非标准系数标准系数B值标准误差Beta值t值相伴概率1(常数)1.
0841.
0021.
082.
279关注数.
678.
014.
62847.
276.
000博文数.
087.
033.
33725.
325.
000粉丝数与关注数、博文数的拟合结果为:Y=0.
678X1+0.
087X2+1.
084,其中关注数和博文数的系数相伴概率均为0.
000,有显著的统计学意义.
为检验上述拟合结果,做标准化残差直方图(见图5).
残差符合正态分布,表明此回归模型是合适的.
6结语从本研究中可以看到,微博客网站入门门槛低、使96<<竞争情报LIBRARYANDINFORMATIONSERVICE图5标准化残差直方图用随意、方便快捷、注重时效、注重沟通与分享,这些特性迎合了用户的需求;超过10%的博文为含链博文以及一定数量的包含140个字的博文,表明将内容压缩在140个字以内并不能满足所有用户的需求,他们正在或者将要借助链接将跟随者引入博客、论坛或其他页面,因此微博客需要同博客、论坛等其他信息组织形式紧密结合,不断发掘信息资源的组织与利用方式,不断提高自身的生存能力;表征博文特征的转发数、评论数之间具有中度相关性,表征用户关系特征的关注数、粉丝数、博文数之间均具有高度正相关性,符合常规意义上人际交往的特性,体现出微博客在人际交往上的促进性,同时也为依托微博客网站进行社会化网络媒体经营提供了一定的借鉴,即尽量增加博文的被转发数,吸引更多人的评论与关注.
积极地关注别人,保持较高的发文数量,就可以吸引更多的粉丝,获得更高的关注度,使得社会化网络媒体营销更加有效.
从另一个角度看,超过八成的用户均通过网站入口发布博文,使得"新浪微博"在用户体验方式多样性方面尚有欠缺.
事实上,"新浪微博"正在不断完善这方面的设置,陆续推出新的插件和挂件,同时加大宣传力度,让更多用户掌握工具的使用方法.
本研究较为系统地考察了"新浪微博"的基本结构、用户行为和关系的一般规律,对于促进微博客网站功能的完善及对信息资源的挖掘与利用,促进社会化网络媒体营销的发展均具有一定的现实意义[6].
在研究方法上,由于本研究只是一定时间段内微博客内容的数据统计,并不能全面反映用户行为、用户关系和用户活跃程度,相关结论需要后续研究进一步论证.
参考文献:[1]李华,赵文伟.
微博客:图书馆的下一个网络新贵工具.
图书与情报,2009(4):78-82.
[2]新浪科技.
加拿大媒体分析机构剖析Twitter.
[2009-12-20].
http://tech.
sina.
com.
cn/i/2009-06-12/16233175010_2.
shtml.
[3]汤建民.
国内高等教育研究现状和发展动向的计量分析———基于12种高等教育研究核心期刊所发表的4800多篇论文题名的词频统计.
现代大学教育,2007(5):45-50.
[4]姚长青,乔晓东.
基于NSTL原文索取数量的空间自相关性分析.
情报科学,2009(10):1501-1507.
[5]丁楠,潘有能.
h指数和g指数评价实证研究———基于CSSCI的统计分析.
图书与情报,2008(2):79-82.
[6]袁毅,刘蓓,杨成明.
网络参考文献著录质量及可追溯性研究.
情报学报,2010(2):276-284.
〔作者简介〕王晓光,男,1980年生,讲师,硕士研究生,发表论文3篇.
(上接第49页)[26]周晓华.
知识管理在项目管理中的应用研究//中国系统工程学会第十四届学术年会,2006:262-268.
[27]仇元福,潘旭伟,顾新建.
项日管理中的知识集成方法和系统.
科学学与科学技术管理,2002(8):36-39.
[28]王娟茹,赵嵩正,杨瑾.
面向项目管理的知识集成模型和机制.
科学学与科学技术管理,2004(1):81-84.
[29]LeseureMJ,BrookesNJ.
Knowledgemanagementbenchmarksforprojectmanagement.
JournalofKnowledgeManagement,2004(8):103.
[30]兰敏.
面向项目和岗位建立与优化建设项目知识库.
建筑管理现代化.
2006(3):1-4.
[31]党新明.
基于项目环境的知识管理应用.
中外企业家,2007(8):43-46.
[32]于本海,张金隆,刘玉青,等.
IT项目知识管理模型与支持系统研究.
图书情报工作,2008,52(8):93-96.
[33]应晓磊,强茂山.
我国工程建设项目多项目知识管理要素分析.
工业技术经济,2006(10):53-58.
[34]王彦忠.
项目环境下的知识管理.
经济论坛,2006(5):67-69.
[35]李蕾.
项目环境下知识管理绩效评价研究.
科技进步与对策,2005(6):39-40.
〔作者简介〕贺军,女,1974年生,副教授,博士,发表论文20余篇.
07