一、参考文献
【1】柳瑞雪, 石长地, 孙众. 网络学习平台和移动学习平台协作学习效果比较研究——基于社会网络分析的视角[J]. 中国远程教育, 2016(11):43-52.
【2】常咏梅, 张雅雅, 金仙芝. 基于量化视角的STEM教育现状研究[J]. 中国电化教育, 2017(6):114-119.
【3】刘三, 石月凤, 刘智, et al. 网络环境下群体互动学习分析的应用研究——基于社会网络分析的视角[J]. 中国电化教育, 2017(2):5-12.
【4】梁云真, 赵呈领, 阮玉娇, et al. 网络学习空间中交互行为的实证研究*--基于社会网络分析的视角[J]. 中国电化教育, 2016(7):22-28.
【5】https://www.cnblogs.com/linzhenjie/p/3586032.html 社会网络分析——Social Network Analysis Linzj‘s Blog
【6】https://wiki.mbalib.com/wiki/社会网络分析 智库百科 社会网络分析
【7】刘军. 2004. 社会网络分析导论[M]. 北京：社会科学文献出版社
二、社会网络分析概念
社会网络分析是研究一组行动者的关系的研究方法。一组行动者可以是人、社区、群体、组织、国家等，他们的关系模式反映出的现象或数据是网络分析的焦点。
社会网络分析关注的焦点是关系和关系的模式，采用的方式和方法从概念上有别于传统的统计分析和数据处理方法。
一句话总结：
社会网络分析（Social Network Analysis，SNA）是用于研究行动者及其之间的关系的一套规范和方法，是一种定量的群体交互行为研究方法。
SNA以 数据挖掘 为基础，采用可视化的图以及社会网络结构的形式表示。运用这种研究方法 可以建立社会关系模型、发现社群内部行动者之间的各种社会关系。
现在来看，社会网络分析可以解决或可以尝试解决下列问题：
1-人际传播问题，发现舆论领袖，创新扩散过程；
2-Web分析，数据挖掘中的关联分析，形成交叉销售，增量销售，也就是啤酒和尿布的故事；
3-语言的关联，符号意义；
4-竞争情报分析；
5-相关矩阵或差异矩阵的统计分析，类似得到因子分析和MDS分析；
6-恐怖分子网络；
7-知识管理与知识的传递，弱关系的力量；
8-引文和共引分析；
三、教学方面的应用
1、为什么将SNA应用于教育方面？
多数研究表明，社会网络是协作学习环境的一个核心要素(Harasim,1995; Haythornthwaite, 2002)。
从某种程度上来说，知识 并不是由个体获取的静态对象，而是通过社会网络中 多个学习者持续不断的社会交互与合作进行的积极协同建构(Cohen & Prusak, 2001,pp.66-70; Lave & Wenger, 1991; Nonaka & Konno, 1998)。
从社会网络的视角来看，学习是通过无缝交流、共同实践和社会网络关系的连接实现社会和集体成果 (Brown & Duguid, 1991)。
在网络学习环境中，社会网络作为资源与知识交流的主要渠道 也发挥了工具性作用 (Cho, Stefanone, & Gay, 2002)。因此，SNA较适合研究网络协作学习交互，有助于了解学习者协作交互过程。
2、基于SNA的在线学习分析应用研究述评
刘三, 石月凤, 刘智, et al. 网络环境下群体互动学习分析的应用研究——基于社会网络分析的视角[J]. 中国电化教育, 2017(2):5-12.
（1）学习状态可视化
以学生的交互行为数据为基础；
运用社会网络分析技术，对学习者之间的社会网络进行可视化；
通过分析社会网络结构能够识别处于边缘的学生，即没有积极参与学习活动的学生，老师能给予实时干预，这些分析结果能够帮助教师提升教学质量，帮助学生提升学习效果。
（2）学习成效预测及监控
目前越来越多的学者逐渐关注把在线论坛交互作为评估学习成效的一个指标，并对学习过程进行实时监控。
印度韦洛尔科技大学的研究学者利用社会网络分析方法发掘蕴藏在MOOC中的社会结构，识别课程论坛参与活跃者以及有潜在辍学风险的学习者，以此对处于风险的学习者进行及时干预。
（3）协作学习评估
通过收集在线学习者之间的交互数据，利用社会网络分析方法分析协作学习过程中学习者之间的交互模式，能有效地评估学习共同体的协作学习水平。
捷克奥斯特拉瓦技术大学等的研究学者提出了一个评估在线协作学习交互的分层框架，其中社会网络分析作为一个核心层次通过测量网络密度、个体度中心性、网络度中心性等 评估小组交互和参与行为，这不仅能为教师提供一个更好的监控，识别协作学习群体中的活跃者或边缘者，及时给予相应的干预， 而且促使学习者对自身的学习活动做出自我调控。
（4）同伴支持推荐
在线学习环境为学习者提供一个获得更优质教育机会的同时，它的低完成率也是一个普遍存在的问题。
学习者放弃学习的其中一个原因是缺乏与同学交流来解决面临的问题。通过采集在线论坛区中学习者之间的交互数据，运用社会网络分析方法分析学习者之间的交互模式、关系的强弱，当学习者遇到困难时，可以为学习者推荐伙伴，以寻求同伴支持，从而解决面临的问题。
东北大学的研究者根据学习者在论坛中的讨论内容信息和社会网络信息， 分析学习者之间关系强弱、行为特征为学习者推荐伙伴，以解决在线学习低完成率问题。结果表明相比仅依靠内容信息为学习者推荐伙伴，同时结合社会网络信息能取得更优的学习效果。
等等。
3、数据来源
学习者交互关系的数据。
一般通过两种途径进行收集：
（1）对于线下学习中的人际交互关系，主要通过问卷调查、访谈等学习者自报告的方式进行数据采集；
（2）对于网络环境下的学习交互数据， 例如，Coursera、网易公开课、可汗学院以及其他各院校研发的在线学习平台等，关系数据通常按照 一定的格式存储在学习系统中。这些关系数据均可利用开发者提供的数据接口API或网页标签信息，利用相关 程序进行自动爬取。
4、工具
加州大学欧文分校研发Ucinet使用最为广泛 。
5、网络属性分析
使用最频繁的属性示例：
社群图；中心性；密度；凝聚子群；“核心—边缘”；等等。
6、案例分析
柳瑞雪, 石长地, 孙众. 网络学习平台和移动学习平台协作学习效果比较研究——基于社会网络分析的视角[J]. 中国远程教育, 2016(11):43-52.
以某高校78名大学三年级学生为研究对象，采用社会网络分析法对MOODLE平台和微信平台上学生协作互评所形成的交流网络进行比较分析，采用问卷调查法了解学生协作学习情况。
（Moodle是一个开源课程管理系统（CMS），也被称为学习管理系统（LMS）或虚拟学习环境（VLE）。是深受世界各地教育工作者喜爱的一种为学生建立网上动态网站的工具。 ）
（1）实验数据：
学生的交互数据；
主要以MOODLE平台和微信平台上每个小组组内组间互评作业的网络交流数据为主，一次完整的评论交流记为一次互动。
（2）数据处理：
首先把每个平台小组每次任务的原始协作交流数据处理成N*N 的对称关系矩阵。矩阵中的“行”代表关系的发送者，“列”代表关系的接受者，矩阵中“0” 表示两个行动者之间没有关系，“1”表示两个行动者之间存在关系， 矩阵中的数值越大，表 两个行动者之间的关系强度越大 ( 刘 军, 2004a,pp.43-53)。行和列的每个节点都代表一个学生。
（3）分析数据：
将整理好的关系矩阵数据导入UCINET软件中进行数据分析。
（4）研究结果与分析：
1. 密度分析
密度是衡量群体内部行动者之间紧密程度的指 标，对于固定规模的群体网络，行动者之间联系越频繁，该群体网络密度越大，群体网络对行动者的态度、行为等产生影响的可能性越大，成员之间的交互程度也越强(朱晓菊，2014)。
2. 中心性分析
社会网络中心性常被用来评价一个人的重要程度、衡量一个人地位的优越性或者权利以及社会声望 (刘军, 2004b,pp.54)。
点度中心度常用来衡量一个人 在整个群体中的权威性。当一个行动者与很多行动者 有直接关联时，该行动者具有较大权力，且位于网络 社区核心位置。位于核心位置的行动者一般情况下与 其他行动者具有多种关联，处于网络社区边缘的行动 者则拥有较小权力，与其他行动者关联较少(刘军，2004c，pp.55-57)。
通过中心性分析，可以了解整个网络的核心节点以及分布情况。
（5）研究结果如下：
1、不同学习平台影响着学习者交流的活跃程度。与微信平台相比，MOODLE平台能更好地促进协作交流与互动。
2、无论是在MOODLE平台还是在微信平台，都有核心学生充当着小组协作中的关键角色，发挥着重要的组织和引导作用；（中心性分析）
3、与微信平台相比，MOODLE平台上协作小组团结度更高，凝聚力更强；（密度分析）
4、两种学习平台促进协作学习的效果不同， MOODLE平台在对协作学习的帮助作用、有用性和易用性方面较理想。
四、个人小结
SNA系统内容涵盖较大，应用方面广泛，如果想运用SNA进行分析，可能需要从具体小点着手，想从零开始进行一个系统的全盘接受需要花费时间。
转载自原文链接, 如需删除请联系管理员。
原文链接：社会网络分析SNA，转载请注明来源！