社会网络研究的范式演进：从质性观察到量化建模

从原始部落的亲属联结到数字时代的社交平台，人类社会的运行始终嵌套于关系的网络结构之中。个体的机会获取、信息的传递路径、集体行动的动员逻辑乃至社会不平等的再生产机制，本质上都受到网络拓扑结构的形塑与约束。社会网络研究作为一门交叉学科，在过去一个世纪经历了从社会学质性观察到复杂科学量化建模的范式演进，其核心目标正是揭示连接背后隐藏的社会逻辑。早期的社会网络研究以社会学、人类学为代表，依赖实地调查、参与观察与个案分析，聚焦于关系的意义、社会角色的规范以及群体互动的微观机制；20世纪中后期，随着图论、统计物理学与计算机科学的介入，量化建模逐渐成为主流研究范式，研究者开始通过大规模数据、数学公式与计算机模拟，揭示网络结构的普遍规律及其对宏观社会现象的影响。这种范式演进并非简单的“量化替代质性”，而是形成了两条互补的研究进路：一条关注“关系中的社会意义”，另一条聚焦“结构中的动力学规律”，二者的融合正是当代社会网络研究的核心前沿。

社会网络研究的起源可追溯至19世纪末20世纪初的欧洲社会学传统。1890年代，德国社会学家格奥尔格·齐美尔在其《社会学》著作中首次提出“社会形式”的概念，将人际关系视为社会结构的核心单元，指出社会并非抽象的整体，而是由个体间的互动联结而成的网络。齐美尔对“ Dyad（二元组）”与“Triad（三元组）”的分析，为后续社会网络的结构分析奠定了理论基础：他提出三元组是社会网络的最小结构单元，其中“第三者”的介入会改变二元关系的动力学，这一洞见至今仍是社会网络分析中“结构洞”“中介中心性”等概念的理论源头。1920年代，美国社会学家爱德华·罗斯提出“社会关系”作为社会学核心研究对象的命题，进一步明确了社会网络研究的本体论基础：社会现象不能还原为个体属性的加总，而必须从关系的层面加以解释。

社会网络研究的第一个实证突破出现在1930年代，以雅各布·莫雷诺的社会测量学（sociometry）为标志。莫雷诺在对纽约州霍桑工厂的工人群体进行心理治疗时，发明了“社会测量图”（sociogram）技术，通过让被试选择自己喜欢的合作对象，直观呈现群体内部的人际关系结构。1934年，莫雷诺出版的《谁将幸存？》一书中，首次提出了“社会网络”的术语，并通过对青少年群体、监狱群体、社区群体的实证研究，揭示了网络结构对个体行为、群体凝聚力乃至心理健康的影响。莫雷诺的研究开创了社会网络分析的三大传统：第一，以“图”作为社会关系的可视化与建模工具；第二，关注关系的“选择性”，即个体如何主动构建自身的社会联结；第三，强调网络结构对个体命运的形塑作用。尽管莫雷诺的研究主要依赖小样本的质性数据，且其理论带有浓厚的社会心理学色彩，但他所建立的“关系导向”的研究范式，至今仍是社会学、社会工作、组织研究等领域的主流进路。

与莫雷诺的心理学取向不同，英国社会人类学与结构功能主义传统为网络分析提供了另一种理论资源。1930年代，拉德克利夫-布朗在《安达曼岛人》的研究中，首次将亲属关系、交换关系、仪式关系整合为“社会结构”的概念，指出社会结构的本质是关系的稳定模式。1950年代，英国社会人类学家约翰·巴恩斯在对挪威渔村的研究中，首次提出“社会网络”作为分析社群结构的核心概念，指出渔村中的亲属关系、贸易关系、政治关系交织成一张复杂的网络，个体的社会地位、资源获取与行为选择都受到这张网络的约束。巴恩斯的研究明确区分了“关系”（ ties）与“网络结构”（network structure）两个层次，前者是微观的互动单元，后者是宏观的结构模式，这一区分至今仍是社会网络分析的基本逻辑。

1950至1970年代，哈佛大学社会学系成为社会网络研究的重镇。在乔治·霍曼斯的领导下，哈佛大学开展了著名的“辐射计划”（Radford Project），通过对美国小镇居民的问卷调查，绘制了包含数百个节点与上千条边的完整社会网络图，首次大规模验证了齐美尔、莫雷诺等人的理论假设。1970年代，哈里森·怀特领导的“哈佛结构主义学派”进一步将网络分析与数学建模结合，提出了“市场即网络”“身份即关系”等核心命题，将社会网络分析从微观群体层面提升至宏观社会结构层面。怀特的学生马克·格兰诺维特在1973年发表的《弱关系的力量》一文中，通过实证数据证明了个体获取工作机会等资源时，弱关系（acquaintance）的作用远大于强关系（close friend），这一发现打破了传统社会学对“社区共同体”的浪漫化想象，也标志着社会网络分析从理论建构走向实证验证的关键转折。格兰诺维特的“嵌入性”（embeddedness）理论进一步指出，个体的经济行为并非独立决策，而是嵌入于社会关系网络之中，网络的结构特征（如关系强度、网络密度）会直接影响行为的效率与后果。这一理论为后续的经济社会学、组织社会学研究提供了核心的分析框架，也促进了社会网络分析与经济学、管理学的交叉融合。

1990年代以后，随着互联网的普及与计算能力的提升，复杂网络科学（complex network science）的兴起为传统社会网络研究带来了革命性的变化。以艾伯特-拉斯洛·巴拉巴西、邓肯·瓦茨、史蒂文·斯托加茨为代表的物理学家与数学家，将图论、统计物理学与计算机科学的方法引入社会网络研究，提出了“无标度网络”（scale-free network）、“小世界网络”（small-world network）等核心模型，揭示了网络结构的普遍规律。1999年，巴拉巴西团队在《科学》杂志上发表的论文中，通过对万维网、电影演员合作网络、美国西部电力网络三类异质性网络的实证分析，发现这些网络的度分布均服从幂律分布，即少数节点拥有大量连接，而多数节点仅有少量连接，这种“无标度”结构使得网络对随机故障具有鲁棒性，但对蓄意攻击非常脆弱。这一发现打破了传统网络研究对“随机网络”（泊松度分布）的默认假设，为理解互联网、交通网络、传染病传播等复杂系统的动力学提供了新的理论工具。同年，斯托加茨与瓦茨在《自然》杂志上发表的小世界网络模型，则解释了“六度分隔”现象的结构根源：网络只需要少量的“长程连接”，就可以在节点数量庞大的情况下保持极短的平均路径长度，同时保留较高的聚类系数。这一模型不仅解释了米尔格拉姆1967年连锁信实验的实证结果，也为后续的社交网络、信息扩散研究提供了基础模型。

复杂网络科学的引入，使得社会网络研究从“描述性分析”走向“预测性建模”，从“小样本个案”走向“大规模数据”，从“质性阐释”走向“量化验证。然而，这种范式转换也带来了新的争议：一部分社会学家批评复杂网络研究过于关注拓扑结构的统计规律，忽视了关系的意义、社会情境的异质性以及行动者的主观能动性，形成了所谓的“网络本质主义”误区——即把网络结构视为决定社会结果的唯一因素，忽视了文化、制度、历史等变量的中介作用。另一部分学者则主张，量化与质性并非对立关系，而是互补的研究进路：量化模型可以提供宏观的结构规律，质性研究则可以解释这些规律背后的微观机制与社会意义。这种范式融合的取向，正是当代社会网络研究的前沿方向。

在界定核心概念之前，需要首先明确“社会网络”的定义边界。不同学科对社会网络的界定存在显著差异：社会学通常将社会网络定义为“由行动者及其间的关系所组成的稳定结构”，强调关系的意义与社会背景；人类学则更关注网络中的交换规则、亲属规范与文化符号；经济学将社会网络视为“资源分配的渠道”，关注网络外部性与交易成本；复杂网络科学则将社会网络定义为“由节点与边所组成的图结构”，关注拓扑特征与动力学过程。综合各学科的定义，本书将社会网络界定为：由两类或两类以上的行动者（节点），通过特定类型的社会关系（边）联结而成的稳定结构，其核心特征包括：第一，关系性：网络的存在依赖于行动者之间的互动联结，而非行动者的个体属性；第二，结构性：关系的组合模式形成相对稳定的结构特征，这些特征会反过来影响行动者的行为与结果；第三，嵌入性：网络结构嵌入于更广泛的社会、文化、制度情境之中，不能脱离情境孤立分析。

基于这一定义，社会网络分析包含三个核心概念层级：首先是节点（node/actor），即网络的参与单元，可以是个人、群体、组织、国家，也可以是事件、资源、话语等非实体单元。节点的属性（如性别、年龄、职业、权力地位）是传统社会学研究的核心变量，但在网络分析中，节点的属性只有嵌入于关系结构之中才具有解释力——例如，同一个体在不同网络中的位置不同，其行为与结果也会存在显著差异。其次是边（tie/edge），即节点之间的联结，可以是友谊、亲属、合作、冲突、信息传递等不同类型的关系。边的属性包括强度（互动的频率、情感的投入程度）、方向（单向/双向）、内容（资源流动的类型）等，其中“关系强度”是格兰诺维特理论的核心变量，后续研究进一步区分了“情感强度”“互动频率”“资源交换量”等维度。最后是网络拓扑（network topology），即节点与边的整体结构模式，其核心测量指标包括：度分布（degree distribution），即节点连接数量的概率分布，用公式表示为$P(k)$，其中$k$为节点的度，$P(k)$表示度为$k$的节点占网络总节点的比例；无标度网络的度分布服从幂律分布，即$P(k) \sim k^{-\gamma}$，其中$\gamma$通常介于2到3之间，这一分布特征意味着网络中存在少数“ hubs”（枢纽节点），其连接数量远超平均水平。聚类系数（clustering coefficient）是衡量网络“小团体”特征的指标，定义为节点$i$的邻居之间相互连接的比例，整个网络的聚类系数$C$为所有节点聚类系数的平均值，其计算公式为$$C = \frac{1}{N}\sum_{i=1}^{N} \frac{2E_i}{k_i(k_i-1)}$$，其中$N$为节点总数，$E_i$为节点$i$的邻居之间的连接数，$k_i$为节点$i$的度。小世界网络的核心特征就是高聚类系数与短平均路径长度的组合，平均路径长度$L$定义为网络中任意两个节点之间最短路径长度的平均值，即$$L = \frac{1}{N(N-1)}\sum_{i \neq j} d(i,j)$$，其中$d(i,j)$为节点$i$与$j$之间的最短路径长度。米尔格拉姆实验中发现的“六度分隔”现象，即平均路径长度约为6，正是小世界网络的典型特征。此外，网络拓扑还包括中心性（centrality）、社区结构（community structure）、结构等价性（structural equivalence）等指标，分别用于衡量节点的重要性、网络的模块化程度以及节点之间的位置相似性。

不同学科视角下的社会网络研究，在问题意识、方法论与核心假设上存在显著差异，但也存在诸多共性。社会学的人类学取向与结构功能主义传统，更关注关系的“意义”与“规范”，其研究方法以质性研究为主，包括参与观察、深度访谈、个案分析等，核心假设是社会网络的结构模式受到文化、制度、历史等情境因素的形塑，且网络中的行动者具有主观能动性，能够主动重构关系结构。例如，格兰诺维特对黑人社区求职网络的研究，不仅测量了关系的强度与网络密度，还深入分析了种族歧视、住房隔离等制度因素如何限制了弱关系的有效发挥。经济学的网络研究则更关注网络的“效率”与“激励”，其研究方法以博弈论、计量经济学为主，核心假设是行动者是理性的，会基于成本收益原则构建与维护关系，网络结构的核心功能是降低交易成本、传递信息、提供信任。例如，网络外部性理论指出，电话、社交平台等产品的价值会随着用户数量的增加而提升，这种“连接的正外部性”是平台经济崛起的核心动力。复杂网络科学的进路则更关注网络的“结构规律”与“动力学过程”，其研究方法以数学建模、计算机模拟、大规模数据分析为主，核心假设是异质性网络的拓扑结构存在普遍规律，这些规律可以跨学科、跨场景加以应用。例如，无标度网络模型不仅适用于解释社交网络的“网红效应”，也适用于解释蛋白质相互作用网络、交通运输网络、金融风险传播网络的结构特征。

尽管不同学科的研究进路存在差异，但社会网络研究的共性也非常明显：第一，关系主义本体论，即反对将社会现象还原为个体属性的加总，强调关系的优先性；第二，结构分析视角，即关注微观互动的组合模式如何形成宏观结构，以及宏观结构如何反过来影响微观行为；第三，跨学科交叉属性，即社会网络研究天然融合了社会学、人类学、经济学、物理学、计算机科学等多学科的资源，形成了独特的交叉领域。

在长达一个多世纪的演进历程中，社会网络研究形成了若干具有持久影响力的核心议题，其中最具代表性的包括六度分隔、信息瀑布与网络效应三大议题，这三个议题分别对应了网络结构的空间特征、信息扩散的动力学机制以及网络对个体与集体行为的影响机制，构成了当代社会网络研究的三大支柱。

六度分隔（six degrees of separation）是社会网络研究中最具公众影响力的核心概念，其提出背景可追溯至1929年匈牙利作家弗里吉什·卡林西的短篇故事《链条》，其中首次提出了“世界上任何两个人都可以通过不超过六层的人际关系联结”的猜想。1967年，哈佛大学社会心理学家斯坦利·米尔格拉姆通过著名的“连锁信实验”首次对这一猜想进行了实证验证：他随机选择内布拉斯加州与马萨诸塞州的被试，要求他们将一封信件寄给波士顿的一位股票经纪人，被试只能将信件转寄给自己认识的人，最终发现信件平均经过5.5个中间人到达目标，即平均路径长度为5.5，由此提出了“小世界现象”的概念。米尔格拉姆的实验虽然样本量较小（只有60多封有效信件），且存在地域、阶层等选择性偏差，但其核心发现引发了学界与公众的广泛关注。1990年代以后，随着电子邮件、社交网络等在线平台的出现，研究者开始利用大规模数据验证六度分隔现象。2008年，微软公司对其旗下的MSN即时通讯平台2.4亿用户的通信数据进行分析，发现任意两个用户之间的平均路径长度为6.6，与米尔格拉姆的实验结果高度一致。2011年，Facebook对其7亿用户的好友关系数据进行分析，发现平均路径长度为4.7，即全球任意两个Facebook用户之间平均只需要4.7个中间人就可以建立联结。2016年，微信团队对其10亿用户的好友关系数据进行分析，发现中国境内的微信用户平均路径长度为4.4，部分一线城市的用户平均路径长度甚至低于3。这些实证研究不仅验证了小世界现象的普遍性，也揭示了在线社交网络的拓扑结构特征：相比线下社交网络，在线网络的平均路径长度更短，聚类系数更高，且存在大量的弱关系联结。

六度分隔现象的发现引发了大量理论研究，其核心问题包括：小世界现象的结构根源是什么？不同网络的小世界特征是否存在差异？小世界结构对信息扩散、疾病传播、社会动员等动力学过程有什么影响？1998年，斯托加茨与瓦茨提出的WS小世界模型，通过从规则网络中随机重连少量边，成功复制了小世界现象的结构特征，揭示了“长程连接”是形成短平均路径长度的核心机制。2000年以后，研究者进一步发现，真实社会网络的小世界特征不仅与长程连接有关，还与节点的度分布异质性、社区结构等特征密切相关。近年来，随着社交网络平台的普及，六度分隔的研究进一步拓展到“弱关系的强度”“跨群体的信息传递”“网络回声室效应”等前沿问题，例如，2015年《科学》杂志发表的研究指出，Twitter上的信息扩散路径平均长度为3.5，远短于线下社交网络，但跨意识形态的信息传递比例不足10%，揭示了小世界结构可能加剧信息茧房与群体极化。

信息瀑布（information cascade）是另一个具有重要理论价值与现实意义的核心议题，其核心问题是：个体如何基于他人的行为与信念做出决策，以及这种社会影响过程如何导致集体行为的非理性与信息扩散的异质性。信息瀑布的概念最早由经济学家斯韦恩·比彻在1992年提出，其核心模型假设个体依次做出决策，每个个体在决策时会观察前面所有个体的选择，如果前面有足够多的人做出了相同的选择，后续个体会忽略自己的私人信息，跟随大多数人的选择，从而形成“瀑布效应”。比彻的模型揭示了羊群行为的理性根源：当个体认为他人的信息比自己更准确时，跟随多数人的选择是最优策略。然而，后续研究进一步发现，信息瀑布可能导致集体决策的失误，例如，当最初的几个个体做出错误的选择时，后续的大量个体会跟随错误，从而形成“错误的信息瀑布”。

2000年以后，社会网络研究者将信息瀑布模型从“线性序列”拓展到“网络结构”，提出了“网络中的信息瀑布”模型，核心假设是个体同时观察多个邻居的行为与信念，网络结构会直接影响信息瀑布的形成与演化。例如，2005年《美国社会学评论》发表的研究指出，在高聚类系数的网络中，信息瀑布更容易在社区内部形成，而跨社区的信息传递则更困难，这解释了现实中常见的“群体极化”现象：不同群体的成员会逐渐形成不同的信念与行为，且难以被外部信息纠正。近年来，随着社交媒体的普及，信息瀑布的研究进一步拓展到虚假信息传播、舆论演化、公共卫生事件应对等现实议题。例如，2020年新冠疫情爆发期间，大量研究发现，社交平台上的虚假信息往往通过信息瀑布机制快速扩散，且其传播路径与真实信息的传播路径存在显著差异：虚假信息的传播路径更短，跨社区传播的比例更低，且更容易在低教育水平、高政治极化的群体中形成瀑布效应。这些研究发现为公共政策的制定提供了重要参考：要遏制虚假信息的传播，不能仅仅依靠事实核查，还需要打破信息瀑布形成的结构条件，例如增加跨群体的信息传递渠道，提升公众的媒介素养等。

网络效应（network effect）是理解数字经济时代社会运行逻辑的核心概念，其核心是指一个产品或服务的价值会随着使用人数的增加而提升。网络效应的概念最早可以追溯到1908年美国电话公司（AT&T）的垄断争议，当时经济学家指出，电话网络的价值在于用户之间的互联互通，单个用户的价值取决于网络中的其他用户数量，这种“连接的正外部性”是自然垄断行业的核心特征。1985年，经济学家杰弗里·罗尔夫在其经典论文中系统阐述了网络效应的理论模型，指出在网络效应作用下，市场可能出现“赢家通吃”的结果，即少数产品会占据绝大部分市场份额，而其他产品则会被淘汰。1990年代，网络效应研究与博弈论、产业组织理论结合，形成了网络经济学（network economics）的完整理论框架，其核心应用领域包括平台经济、数字经济、产业政策等。

社会网络视角下的网络效应研究，不仅关注用户数量对产品价值的影响，还进一步关注网络结构对网络效应发挥程度的影响。例如，2006年巴拉巴西团队在《科学》杂志上发表的研究指出，在线社交网络的增长遵循“优先连接”（preferential attachment）机制，即新节点更倾向于连接到已经拥有大量连接的枢纽节点，这种机制会导致网络的度分布服从幂律分布，即少数用户（如明星、网红）拥有大量粉丝，而多数用户的连接数量很少。这种“无标度”结构会放大网络效应的马太效应：枢纽节点的影响力远高于普通节点，且随着网络规模的扩大，这种差距会进一步拉大。近年来，网络效应研究进一步拓展到“负网络效应”“间接网络效应”等前沿问题：负网络效应是指当网络规模超过一定阈值后，网络的价值会随着用户数量的增加而下降，例如，交通网络的拥堵、社交平台的隐私泄露等问题；间接网络效