破除误解
社会网络分析不是社交媒体数据分析的同义词。它早在互联网之前就已形成，研究的是人、组织、城市、国家、论文、企业、疾病或信息之间的关系结构。社交平台只是让某些关系更容易被记录。
这门方法有一个常被忽略的前史。1934 年，雅各布·莫雷诺在《谁将幸存？》中报告了纽约哈德逊女子教养学校的案例：两周内接连有十四名女孩出走，远超平时的发生率。莫雷诺的"社会测量法"让每个女孩画出自己愿意与谁同住，他把这些选择画成图，发现出走潮沿关系链扩散——问题不在女孩的个人品性，而在她们所处的网络位置。1954 年，人类学家约翰·巴恩斯研究挪威一个海岛教区的阶级与委员会时，第一次把"社会网络"当作分析概念使用。此后，曼彻斯特学派的人类学家和哈佛的哈里森·怀特团队分别贡献了田野方法与形式化工具，到 1970 年代，社会网络分析已成为一门有期刊、有学会的独立领域。
第二个误解，是把网络理解成"认识多少人"。数量重要，但结构更重要。你认识 100 个彼此都认识的人，和认识 20 个分布在不同圈层的人，带来的信息和机会完全不同。
第三个误解，是认为网络分析只画漂亮图。真正的网络分析要定义节点、边、关系类型、方向、权重和时间变化，并用可解释指标回答问题：谁处在中心？谁连接不同群体？信息如何扩散？组织为何形成小圈子？
节点、边与关系
网络由节点和边构成。节点可以是个人、组织、国家或网页；边可以表示友谊、合作、交易、引用、血缘、通信、转发、冲突或共同参会。
边可以有方向。A 关注 B，不等于 B 关注 A；一个学生请教老师，不等于老师同样依赖学生。边也可以有强度：亲密朋友、普通同事、一次性交易不是同一类关系。
网络分析的第一步，是清楚说明你测的是什么关系。模糊的关系定义会让图看起来复杂，却无法解释。
弱关系的力量
格兰诺维特的"弱关系的力量"是社会网络研究的经典发现。找工作时，真正带来新机会的常常不是最亲密朋友，而是关系较弱的熟人。因为强关系常处在同一圈层，掌握的信息高度重叠；弱关系连接不同圈层，能带来新信息。
这个结论来自一项具体的调查。格兰诺维特访谈了波士顿郊区牛顿镇的数百名专业、技术与管理岗位从业者，询问他们如何找到当前的工作。1974 年出版的《找工作》报告：56% 的人是经由私人关系获得职位的。更关键的是关系的强度——在说明了与介绍人见面频率的受访者中，只有约 17% 表示"经常"来往，约 56% 只是"偶尔"，近 28% 是"很少"。也就是说，越是疏远的关系，越可能带来真正的新信息。他 1973 年发表在《美国社会学杂志》的论文把这个观察提升为一般命题：弱关系充当群体之间的桥梁，而没有桥梁的网络会在宏观上碎裂成孤岛。
这并不是说强关系不重要。强关系提供情感支持和可靠帮助，弱关系提供桥接信息和机会。社会资本需要二者配合：只有桥梁没有锚点的人信息灵通却孤立无援，只有锚点没有桥梁的人温暖却闭塞。
中心性与结构洞
中心性衡量一个节点在网络中的位置。度中心性看连接数量；中介中心性看一个节点是否处在许多路径之间；接近中心性看它到其他节点的距离；特征向量中心性则考虑连接对象本身是否重要。1979 年林顿·弗里曼系统地整理了这组概念，指出它们测的是"中心"的不同含义：一个高管可能度中心性很高（人人认识他），却在关键信息路径上毫无分量；一个不起眼的行政助理可能连接寥寥，却是两个部门之间唯一的桥。选错指标，就会把声望误认为权力，或把权力误认为声望。
伯特的结构洞理论指出，连接两个原本不相连群体的人，能获得信息优势和协调优势。他不一定朋友最多，但能把不同世界连接起来。
在组织中，结构洞位置可能带来创新，因为新想法常来自不同知识圈的重组。但它也可能带来权力不对称：中介者控制信息流，阻止其他人直接沟通。
扩散、同质性与回音室
网络会影响行为扩散：疾病、谣言、创新、抗议、消费和情绪都可能沿关系传播。但扩散并不只由接触决定，还受信任、阈值、身份和制度影响。
关于扩散最著名的经验线索是"小世界"。1967 年米尔格兰姆做了那个著名的送信实验：请约三百名随机选取的人通过熟人链把信转给一位陌生的目标人物。最终只有 64 封信到达，到达的信平均经过约六个中间人——"六度分隔"由此而来。但这个数字需要小心阅读：绝大多数信根本没到达，研究者克莱因菲尔德后来检查原始档案后指出，实验的完成率太低、样本也有偏差，"六度"更像一个启发性传说而非精确测量。1998 年瓦茨和斯特罗加茨在《自然》上给出了它的形式化解释：只需把规则网络中极少数的边随机重连为"捷径"，网络的平均路径长度就会骤降，而局部聚类几乎不变。小世界不是谜，而是一种可以被生成的结构性质。
另一项影响深远的尝试是克里斯塔基斯和福勒对弗雷明汉心脏研究数据的分析。他们 2007 年在《新英格兰医学杂志》报告，朋友变胖会使一个人变胖的风险上升约 57%，效应似乎沿社交链传播到三度之外。这个"肥胖会传染"的结论轰动一时，也迅速遭到方法论质疑：相似的人本来就更易成为朋友（同质性），朋友也共享环境（同一家快餐店），而要在观察数据中把真正的"传染"与这两者干净地分离开，沙利齐和托马斯 2011 年证明在数学上极为困难。这场争论的教训超出了肥胖本身：网络相关不等于网络因果。
网络也有同质性：相似的人更容易连接。这可能来自选择，也可能来自环境。学校、社区、职业和平台算法都会让相似者相遇。同质性有助于信任，却也会形成回音室，降低跨群体理解。
数字时代
平台把社会网络变成可计算、可排序、可出售的数据。推荐算法根据关系预测兴趣，广告系统根据网络寻找相似用户，政治传播通过社交图谱定位群体。
可计算性还使平台成为前所未有的实验场。2014 年发表于《美国国家科学院院刊》的一项研究中，Facebook 数据科学家与学者合作，在 2012 年的一周内对 689,003 名用户的信息流做了情绪内容增减处理，发现看到较多消极内容的用户，随后自己发布的消极词汇略增——作者称之为"大规模情绪传染"。这项研究因未逐个取得知情同意而引发激烈伦理争论，期刊编辑部随后就此发表了关注声明。它划出的问题至今有效：当网络既是研究对象又是被平台操控的变量时，实验的边界、同意的形式和发表的责任都不再是旧框架能回答的。
这带来新的研究机会，也带来伦理问题。平台数据不等于真实社会关系；可观察连接不等于信任；点赞不等于支持；沉默不等于没有态度。研究者必须警惕数据便利带来的概念偷换。
网络与不平等
网络位置会制造不平等。处在中心的人更早获得信息，更容易被看见，更容易影响规则；处在边缘的人即使能力强，也可能缺少机会。一个求职者能否听说岗位，一个创业者能否找到投资，一个学者能否进入合作网络，都受网络位置影响。
这不是简单的人脉问题。网络结构常与阶层、学校、地区、职业和族群重叠。优势群体的网络更容易跨机构、跨地区、跨行业，弱势群体的网络则可能高度同质，提供情感支持却缺少新机会。
网络分析的陷阱
网络图很有吸引力，但也容易误导。节点大小、颜色和布局会制造视觉叙事，让人以为中心者一定重要，边缘者一定无关。实际上，图的样子取决于采样、算法和关系定义。
缺失数据尤其危险。没有被平台记录的关系、线下互助、沉默联系和不可见劳动，可能在图上消失。网络分析必须和田野、访谈、历史背景结合，才能避免把可测量关系误当成全部社会。
从个人网络到组织网络
社会网络分析也适用于组织和国家。企业之间的董事会连锁、科研合作网络、国际贸易关系、城市交通流、供应链依赖、外交联盟，都可以被看作网络。它让社会学与计算机科学、经济地理和政治学形成共同语言。
关键不是把一切都画成图，而是用网络视角理解关系结构如何产生机会、约束和风险。
强关系、弱关系与信任
网络分析常把关系强度区分为强关系和弱关系。强关系通常频繁、亲密、互惠，适合提供照护、情感支持和高风险帮助；弱关系较少接触，却能跨越圈层，带来新信息和机会。一个人若只有强关系，可能很有安全感，却缺少新路径；若只有弱关系，可能信息丰富，却缺少真正支持。流行病学与心理健康研究反复发现，稳定而可依靠的关系本身与更低的抑郁风险和更好的康复预后相关——社会支持是可以被测量的保护因素，而不只是一种感觉。
现代社会的难题，是许多人被迫在高流动环境中维持大量弱关系，同时缺少稳定强关系。社交媒体让联系不断增加，但信任未必同步增加。网络数量不能替代关系质量。
设计网络的责任
平台、学校、企业和城市都在设计网络。推荐算法决定谁被看见，班级分配决定谁成为同伴，办公空间决定谁容易交流，交通系统决定哪些社区彼此连接。这些设计会改变机会分布。
因此，社会网络分析不只是描述工具，也能成为制度设计工具。我们可以问：这个系统是否只强化同质群体？是否让边缘者更难进入中心？是否创造跨群体桥梁？是否让关键中介拥有过度权力？
如何读一张网络图
读网络图时，先看定义，而不是先看形状。节点代表什么？边代表一次互动、长期关系、正式合作还是情感支持？数据来自问卷、平台记录、档案还是观察？边是否有方向和强度？缺失的数据可能在哪里？
然后再看结构：是否有明显中心，是否存在孤岛，哪些节点连接不同群体，哪些群体内部紧密但外部稀疏。最后才解释原因。一个人处在边缘，可能是被排斥，也可能是主动保持独立；一个组织处在中心，可能是资源丰富，也可能只是数据采集更完整。
网络分析最好的用法，是把图当作提出问题的工具，而不是把图当作答案本身。
从关系看到制度
网络分析容易被误读成个人经营关系的技巧，但它更深的意义是揭示制度如何通过关系运作。学校分班、单位招聘、学术引用、创业融资、城市交通和国际贸易都不是孤立选择，而是在网络中积累优势和风险。
当一个群体长期处在网络边缘，问题未必是他们不主动社交，可能是制度入口、空间隔离、语言门槛和信任壁垒共同限制了连接机会。网络视角因此能把"谁认识谁"提升为"谁被允许进入哪些关系"的问题。
跨域连接
- 齐美尔：形式社会学是这一方法的思想前身——互动的形式（二人组、三人组、圈层）独立于内容而具有自身规律。三人组中必然出现的联合与调停，是"结构位置决定行为"这一命题最早的清晰表述，也是中介中心性等指标的概念来源。
- 图论：网络分析的形式基础是图论，而社会网络对图论提出了它自身没有的问题：边有强度与方向、节点有属性、结构随时间演化。这些扩展催生了专门的模型族（ERGM、SAOM），也说明应用不只是套用现成数学。
- 流行病学：传播模型把网络结构与传染动力学连了起来——关键结论是异质性决定阈值：少数高连接度个体的存在，使传播阈值远低于均匀混合模型的预测。这直接改变了干预策略：按连接度而非随机地接种，效率高出一个量级。
- 推荐系统：平台既观测网络又塑造网络——推荐"你可能认识的人"会实际生成新的边。这使观测数据不能被当作自然形成的社会结构：系统在测量一个被自己改变过的对象，而这一污染在离线分析中几乎无法察觉。
- 工作与劳动组织："弱关系的力量"是这一领域最可操作的发现——求职信息更多来自不常联系的熟人，因为亲密朋友的信息与自己重叠。这条机制把网络结构直接接到了劳动力市场结果上，也是就业服务设计的实证依据。
参考文献
- Granovetter, Mark. "The Strength of Weak Ties." American Journal of Sociology, 1973.
- Granovetter, Mark. Getting a Job: A Study of Contacts and Careers. Harvard University Press, 1974.
- Burt, Ronald S. Structural Holes.
- Wasserman, Stanley and Faust, Katherine. Social Network Analysis.
- Watts, Duncan J. Six Degrees.
- Christakis, Nicholas A. and Fowler, James H. Connected.
- Moreno, Jacob L. Who Shall Survive? Nervous and Mental Disease Publishing, 1934.
- Travers, Jeffrey and Milgram, Stanley. "An Experimental Study of the Small World Problem." Sociometry, 1969.
- Watts, Duncan J. and Strogatz, Steven H. "Collective Dynamics of 'Small-World' Networks." Nature, 1998.
- Christakis, Nicholas A. and Fowler, James H. "The Spread of Obesity in a Large Social Network over 32 Years." New England Journal of Medicine, 2007.
- Shalizi, Cosma Rohilla and Thomas, Andrew C. "Homophily and Contagion Are Generically Confounded in Observational Social Network Studies." Sociological Methods & Research, 2011.
- Kramer, Adam D. I., Guillory, Jamie E., and Hancock, Jeffrey T. "Experimental Evidence of Massive-Scale Emotional Contagion through Social Networks." PNAS, 2014.
- Freeman, Linton C. The Development of Social Network Analysis. Empirical Press, 2004.
延伸阅读
- Borgatti, Stephen P., Everett, Martin G., and Johnson, Jeffrey C. Analyzing Social Networks.
- Barabasi, Albert-Laszlo. Linked.