唐四慧 陳鶴鑫

互聯(lián)網(wǎng)上用戶行為數(shù)據(jù)的可記錄及可獲得性大大提高了科研人員研究動態(tài)過程的可行性，傳播過程是典型領域。就目前的實證、仿真及動力學建模研究來看，現(xiàn)有文獻并不能完全描述基于社團結構的流動力現(xiàn)象，作者基于具有社團形成過程的種族隔離模型，用管理學視角去分析策略傳播、網(wǎng)絡結構、優(yōu)勢傳播物及競爭態(tài)勢變化四者之間的關系，就此解釋流動的不均勻性，以此對現(xiàn)有研究進行完善。接著對現(xiàn)有傳播領域文獻進行梳理，找出目前研究較少的領域，希望為后來研究傳播過程的研究者提供一些研究方向。

關鍵詞： 社團形成；傳播過程；策略分化；同質化過程

中圖分類號： G20 文獻標志碼：A 文章編號：1009-055X（2017）03-0026-11

doi：1019366/jcnki1009-055X201703010

一、引言

信息通過網(wǎng)絡得以快速和大范圍的擴散，具有小世界和無標度特性的互聯(lián)網(wǎng)大大 “壓縮”了真實物理社會的時間和空間[1-4]，這種“壓縮”是普適的，那么管理人員需要解決如何抑制“壞”信息的傳播，高聚集性提供了幫助。[5]管理人員面對的下一個問題就變成如何生成小世界、無標度兼有高聚集性的網(wǎng)絡讓“好”信息傳的更快，“壞”信息擴散的范圍更小，在生成網(wǎng)絡之前我們必須了解傳播物、傳播媒介及它們之間的流動力。[6]68-69這三部分研究內容的核心是傳播物與傳播媒介的動力學，傳播物會影響到傳播媒介的構造，傳播媒介會自主產(chǎn)生優(yōu)勢傳播物，優(yōu)勢傳播物將會占據(jù)更大的比例，但競爭壓力會隨著多樣性的缺失發(fā)生變化。社團結構使流動產(chǎn)生變化，它隔離了環(huán)境施加與傳播物的動力，生成傳播物傳播的局部環(huán)境；同時讓相互競爭的傳播物共存的也是社團結構[7]。

傳播過程是兩種及以上不同觀點、策略的擴散過程，呈現(xiàn)一種競爭態(tài)勢?，F(xiàn)有復雜網(wǎng)絡的文獻[8，9]，重點闡述網(wǎng)絡社團結構的識別、統(tǒng)計特性，識別精度和算法的速度，對社團結構如何影響流動的速度和選擇傳播物上涉及不多；管理類文獻則多偏向于個體層面的網(wǎng)絡指標，網(wǎng)絡社團結構是先驗的而非傳播物型塑的[10，11]；傳染病模型、輿論擴散模型研究了某一種傳播物的傳播過程，模型不涉及網(wǎng)絡中有兩種相關的傳播物在時間序列上呈現(xiàn)此起彼伏的共存狀態(tài)的動力學過程。[12，13]人群中合作與背叛策略競爭動力學一直為經(jīng)濟學博弈論研究的主題，在個體層面背叛策略優(yōu)于合作但到群體層面合作優(yōu)于背叛，用個體收益易于理解個體層面的競爭規(guī)則，群體層面在經(jīng)濟學中沒有給出如此競爭規(guī)則的緣由。[14]

還原動力學過程需要時間維度和“空間”維度的數(shù)據(jù)，傳統(tǒng)問卷方式非常難收集這樣大規(guī)模的具有時間跨度的數(shù)據(jù)。有了互聯(lián)網(wǎng)，研究人員可以采集到空間和時間維度的數(shù)據(jù)，面對這樣的數(shù)據(jù)，采用傳統(tǒng)分析范式[15]，無法還原傳播媒介的組織過程和動力學特點，研究人員需要用動力學工具依據(jù)空間、時間的傳播過程去管理傳播媒介、預測出優(yōu)勢傳播物。本文試圖基于仿真模型，從管理學視角發(fā)現(xiàn)社團結構影響流動過程的在空間時間維度上的動力學特點，以此幫助管理人員去影響傳播過程。

二、基于種族隔離模型的流分析范式

經(jīng)濟學諾貝爾獎得主Schelling的種族隔離模型中描述了社團結構的形成[16，17]，故本文基于種族隔離模型找出關系、社團、傳播物及它們之間的關系。種族隔離模型中每個個體都會對同色鄰居（網(wǎng)絡關系）數(shù)有一個數(shù)量要求用（sw）表示；對自己的居住環(huán)境不滿意的人數(shù)體現(xiàn)群體“績效”，用（uh）表示，如果所有人都滿意則仿真停止，此時uh=0。

實驗中不斷提高智能體對同色鄰居數(shù)量（sw）的要求，從30%→74%→82%，低于74%時系統(tǒng)都會形成社團結構，高于此標準后，則所有智能體都要不停的運動無法形成社團結構（ticks表示仿真步數(shù)）?；诖四Ｐ停覀儗⑵涑橄蟪闪鲃拥倪^程，研究關系、社團、傳播物及三者之間的關系。

[BT4]（一）策略的分化

仿真0步，所有的智能體策略是一樣的：依據(jù)自己鄰居中與自己同色的個體來判斷自己是否進行移動。隨著仿真的進行，有些同色的個體在空間上形成相連的關系，具有相連同色鄰居的個體在下一個仿真步可以不用移動，這時策略就分化為兩種，一種通過移動達到滿意；另一種不動也可以達到滿意，這種策略要求個體同色的鄰居不移動。

滿意移動不動同色鄰居不動吸引同色個體

（二）同質化過程

分化出不動策略后，可以有兩種方式實現(xiàn)智能體的不動，一是吸引同色個體，另一個是同色鄰居不動，這與Watts影響同質化產(chǎn)生的選擇同質性和誘導同質性相對應。[15]單個智能體吸引同色個體的能力沒有差別，但在空間上相連的同色同策略個體具有優(yōu)勢以sw=30%為例：

在同色鄰居不動方式中，我們可以看到這樣的情景。

1.三個個體不動，沒有任何作用，如圖2（a）

2.如果是我的三個鄰居同色，則我不動，三個鄰居的狀態(tài)會影響到我的行為，如圖2（b）。

3.我的鄰居，并且剩下的這兩個鄰居還是我鄰居的鄰居，那么我會不動并會傳給我的鄰居②，在我不動之后，他也會采取不動的策略，如圖2（c）。

4.如果是我的鄰居并且還是我鄰居的鄰居，他們倆還是鄰居，如圖2（d），那么這就組成一個穩(wěn)定的團體，這4個個體是永遠不會動的。判斷的規(guī)則這時就變成只有，①是按顏色去判斷，而其他人則會依據(jù)別人動不動來選擇自己的行為，就會變成不動策略在人群中的傳播。

將這種關系對應到種族隔離模型中，鄰居關系變成表2所示：

①不移動的概率，與它周圍同色鄰居的個數(shù)相關，同時也與鄰居之間的連邊數(shù)有關系，從表2的（b）→（c）→（d），可以看出，另外鄰居之間的關系也能產(chǎn)生出新的功能，如表2（c）此時可以產(chǎn)生出排斥異色的力量，而表2（d）雖沒有排斥力但①不移動的策略會流向②，再由②流向①、③。

5.然后再向外延伸，①有4個同色的鄰居，鄰居間的關系由表2（c）+表2（d）構成，這時以①為核心的社團就具有了，不移動和排斥兩種力量。至此，網(wǎng)絡中不移動策略的“感染率”基于關系構建后變得比移動策略的“感染率”要高。

6.如果這樣的排斥的又連接起來形成9個格的形狀，那么就會有4個排斥位。個體在移動的時候，并不能進入到群體的內部，只能在邊緣，面積越大，能接受個異色個體的“位數(shù)”/智能體數(shù)量的比越低，以單個個體的比例為參照。

[BT4]（三）個體異質功能的固化

隨著仿真的不斷進行，個體依據(jù)其所偏好的策略不同，在時間上做累積，由此逐漸形成各自的功能[6]，多次采用移動的個體在社團的周邊不斷移動和被同化為不動，多次采用不動策略的個體則主要保證不動策略。在社團內部的個體主要功能是吸引同質個體排斥異質個體；社團周邊的個體負責接受異色個體；社團周邊與能接受異色個體連接的個體主要功能是“勸說”能接受異色的個體改變其移動策略。經(jīng)過長期的演化，智能體就會分化成兩類群體，一類群體通過移動追求滿意，另一類群體通過排斥來實現(xiàn)不動策略。當面對同樣問題時不同類的群體判斷的標準不一樣，比如面對異色個體時，移動的個體會用移動策略；不動的個體則會排斥異色個體，由于傳染率不同因此不動策略會逐漸占優(yōu)，移動策略會被同化，同時不移動策略內部的競爭壓力會產(chǎn)生變化。

[BT4]（四）社團的形成

逐漸的，依據(jù)個體功能不同，形成社團結構，采用不動策略的個體緊緊的扎堆在一起，越是采用不動策略的個體越可能與采用不動策略的個體形成連接。經(jīng)常移動的個體，因為受到群體排斥的力量逐漸會進入到同色的大的社團中，保證自己不動；只有那些在尋求不動策略失敗多次的個體通過找尋可以接受自己的個體，這樣的個體因為在力量對比上的懸殊，數(shù)量在急劇減少，同時也被排斥在社團的周邊；到最后整個社團都達到穩(wěn)定結構時，也就是不動策略戰(zhàn)勝移動策略時候，個體的力量最終被群體力量同化。但在社團結構中，我們依次可以看到一個從社團中心到邊緣個體移動次數(shù)階梯形的變化。基于不同策略的分析讓我們在種族隔離模型中看到了除顏色不同的成塊圖形后，還在同色社團中看到不同策略的分布，在不同的色塊中這種分布方式是相同的。

三、現(xiàn)有流分析范式的梳理

基于文章第二部分中構建的分析范式，作者查閱相關文獻梳理出已有的對于這4部分進行研究的文獻，對已經(jīng)有的研究和未涉及的研究內容進行總結。依據(jù)現(xiàn)在研究，對第3、第4部分的實證研究比較多，此兩部分的研究為系統(tǒng)呈現(xiàn)出的演化結果易于觀察，因此容易進行實證研究。

[BT4]（一）社團形成及功能的實證研究

對社團的功能研究的文獻非常多并且出現(xiàn)在很多領域，比如在金融領域，發(fā)現(xiàn)集團內部的資本分配要比跨企業(yè)分配得有效率[18]；在勞動力市場中，集團比跨產(chǎn)業(yè)去分配勞動力更有效。[19]在知識傳播領域的實證研究發(fā)現(xiàn)社團可能是全局擴散過程中的陷阱，在社團內傳播速度會比較快而在社團之間的傳播速度會慢很多。[20]在生態(tài)學領域稱此現(xiàn)象為群落環(huán)境，此群落環(huán)境有別于周圍的生物環(huán)境并且證明此環(huán)境是由生長在群落中的生物所營造。[6]

研究社團結構形成最多的領域是生態(tài)學領域，社團是在特定的空間或特定的生境下，由一定的生物種類組成，向外與環(huán)境彼此影響，向內各物種間相互作用，并演化出特定的形態(tài)結構與營養(yǎng)結構，總體上呈現(xiàn)出特定功能。

[BT4]（二）個體異質功能的實證研究

早在1930年Ryan和Gross就以時間和數(shù)量兩個維度將人群分類為：極少數(shù)的創(chuàng)新者、社區(qū)領袖、大批的早期大多數(shù)和晚期大多數(shù)、后知后覺型。[21]Granovetter用門檻值將人群進行分類。[22]Wu的文章中[23]，將人群極化為極喜歡參加活動的，和對活動極不喜歡的?；ヂ?lián)網(wǎng)非常多的社區(qū)中均存在不均現(xiàn)象，如wiki有3200萬的用戶，但只有68000個用戶會編輯詞條，僅占用戶數(shù)的02%。[24]演化博弈中將人群分為合作者和背叛者；公共品博弈中則分為領袖和條件合作者；而社會學中則用角色一詞將人進行功能上的區(qū)分。[25，26]

在演化博弈的研究中將個體外推到群體，群體會規(guī)范個體的行為。如Martin Nowak團隊研究的群組選擇博弈模型會設定個體只能與群組內的鄰居進行交互，他們在參與活動時首先是按群組規(guī)則進行，其次才是個體的判斷標準，這在另一個層面異質化了個體的行為。[27]同時在其群組選擇博弈中，會針對群組去設定一些個體不具有的行為規(guī)則，如在個體層面搭便車是最好的策略，但如果群組內的所有個體都搭便，那么該群組存活的概率會比合作個體多的群組低。[28]

[BT4]（三） 同質化過程及策略分化的實證分析

同質化過程及策略分化是動態(tài)過程，實證研究給出很多結論性的分析，而仿真模型則在動態(tài)過程的研究中體現(xiàn)出其優(yōu)勢。Watts在這方面的研究比較多，他的團隊將智能體的決策過程視為一個加權的一維線性方程，權重表示智能體與鄰居的關系強度[29]，然后對Ising模型進行改進，將Agent的閾值與群體的優(yōu)勢行動聯(lián)動[30]，Holyst模型中的閾值是一種整體閾值，所有人的閾值是一樣的[31]。

因為是實證研究，所以在研究對象的選擇上具有離散性的特點，而在第二部分第一點的分析中講到的策略分化是一個動態(tài)過程，體現(xiàn)策略與策略之間的關系包括競爭、包容、不相關等，這在一個實證研究中是無法完成的，所以這部分的研究就作者的整理還未發(fā)現(xiàn)有。

四、結論

網(wǎng)絡上的傳播動力學，因為網(wǎng)絡變得復雜使得各路研究人員紛紛駐足，研究方向包括傳染病、輿論、知識傳播、價格攻擊行為、大眾生產(chǎn)社區(qū)合作行為等。在研究時，網(wǎng)絡上的傳播行為雖有共同點，但研究人員應基于自己的研究角度，對同樣的問題進行不同角度的推敲，如果管理領域的學者像社會學的學者一樣去描述流現(xiàn)象，物理學的學者去找規(guī)律，通過提高傳染物的感染率來擴大傳播面，就不能帶來管理領域學者的共鳴，也就無法提出有管理學意義的建議。從另一個角度來說，只有明確了自己研究的出發(fā)點，才能區(qū)分出不同流問題研究的側重點。如傳染病和輿論的傳播，研究傳播物的特性研究比較重要。因為這種研究假定人是被動地傾向于接受，但研究知識傳播和大眾生產(chǎn)社區(qū)合作行為時，就不能做如此假設。本文試圖基于種族隔離模型理出傳播物、社團結構及二者之間的動力學過程，從管理學的視角從空間、時間維度找出流動的變化，以期給管理學領域的研究者提供一些新的研究視角。

參考文獻：

[1]MAY R M， LIOYD A L. Infection dynamics on scale-free networks[J]. Physical Review E， 2001， 64（6）： 066112.

[2]唐四慧. 異質復雜信息網(wǎng)絡上的搜索路徑研究[J].華南理工大學學報（社會科學版），2011，13（4）：8-13.

[3]MOORE C， NEWMAN M E J. Epidemics and Percolation in Small-World Networks[J]. Physical Review E Statistical Physics Plasmas Fluids & Related Interdisciplinary Topics， 2000， 61（5 Pt B）：5678-5682.

[4]HWANG D U， BOCCALETTI S， MORENO Y， et al. Thresholds for epidemic outbreaks in finite scale-free networks.[J]. Mathematical Biosciences & Engineering Mbe， 2005， 2（2）：317-327.

[5]GANESH A J， MASSOULIE L， TOWSLEY D F. The effect of network topology on the spread of epidemics. In： INFOCOM[J]. Proceedings - IEEE INFOCOM， 2005， 2（2）：1455-1466.

[6]李博.生態(tài)學[M]. 北京：高等教育出版社， 2000.

[7]AJELLO L， KAPLAN W. Shopping for Information？ Diversification and the Network of Industries[J]. Ssrn Electronic Journal， 2011， 61（1）：161-183.

[8]NEWMAN M E J. Finding community structure in networks using the eigenvectors of matrices.[J]. Physical Review E Statistical Nonlinear & Soft Matter Physics， 2006， 74（3 Pt 2）：92-100.

[9]FORTUNATO S. Community detection in graphs[J]. Physics， 2010， 486（3-5）：75-174.

[10][ZK（#]AOBDIA D， CASKEY J， OZEL N B. Inter-industry network structure and the cross-predictability of earnings and stock returns[J]. Review of Accounting Studies， 2014， 19（3）： 1191-1224.

[11]AHERN K R， JARRAD H. The Importance of Industry Links in Merger Waves[J]. Social Science Electronic Publishing， 2012， 69（2）： 527-576.

[12]張發(fā)， 李璐， 宣慧玉. 傳染病傳播模型綜述[J]. 系統(tǒng)工程理論與實踐， 2011， 31（9）：1736-1744.

[13]劉怡君， 李倩倩， 牛文元. 輿論動力學模型綜述[J]. 管理評論， 2013， 25（1）.

[14]NOWAK M A. Five rules for the evolution of cooperation， Science 314[J]. Science， 2006， 314（5805）：1560-1563.

[15]KOSSINETS G， WATTS D J. Origins of homophily in an evolving social network.[J]. American Journal of Sociology， 2009， 115（2）：405-450.

[16]SCHELLING T C. Dynamic models of segregation[J]. Journal of mathematical sociology， 1971， 1（2）： 143-186.

[17]SCHELLING T C. Models of segregation[J]. The American Economic Review， 1969， 59（2）： 488-493.

[18]HUBBARD R G， PALIA D. A Reexamination of the Conglomerate Merger Wave in the 1960s： An Internal Capital Markets View[J]. Journal of Finance， 1998， 54（3）：1131–1152.

[19]TATE G， YANG L. The Bright Side of Corporate Diversification： Evidence from Internal Labor Markets[J]. 2013， 28（8）： 2203-2249.

[20]WENG L， MENCZER F， AHN Y Y. Virality prediction and community structure in social networks.[J]. Scientific Reports， 2013， 3（8）：618-618.

[21]ROGERS E M. New Product Adoption and Diffusion.[J]. Journal of Consumer Research， 1976， 2（4）：290-301.

[22]GRANOVETTER M. Threshold models of collective behavior[J]. American journal of sociology， 1978，83（6）：1420-1443.

[23]WU F， WILKINSON D M， HUBERMAN B A. Feedback loops of attention in peer production[C]//Computational Science and Engineering， 2009. CSE'09. International Conference on. IEEE， 2009（4）：409-415.

[24]NOH Y H， YOO K. Internet， inequality and growth[J]. Journal of Policy Modeling， 2008， 30（6）： 1005-1016.

[25]OHTSUKI H， HAUERT C， LIEBERMAN E， et al. A simple rule for the evolution of cooperation on graphs and social networks[J]. Nature， 2006， 441（7092）：502-505.

[26]馬博. 公共品博弈實驗中的合作行為研究進展[J]. 經(jīng)濟論壇， 2013（11）：163-169.

[27]TRAULSEN A， NOWAK M A. Evolution of cooperation by multilevel selection.[J]. Proceedings of the National Academy of Sciences of the United States of America， 2006， 103（29）：10952-10955.

[28]TRAULSEN A， SENGUPTA A M， NOWAK M A. Stochastic evolutionary dynamics on two levels[J]. Journal of Theoretical Biology， 2005， 235（3）：393-401.

[29]LOPEZ-PINTADO D， WATTS D J. Social influence， binary decisions and collective dynamics[J]. Rationality and Society， 2008， 20（4）： 399-443.

[30]SIECZKA P， HOLYST J A. A Threshold Model of Financial Markets[J]. Acta Physica Polonica A， 2007， 114（3）： 525-530

[31]ODUM H T. Self-Organization， Transformity， and Information[J]. Science， 1988， 242（4882）： 1132-1139.