互联网集体行动何以可能？

尚进 高奇琦

摘要：互联网集体行动已经成为一种崭新的集体行动形式，给全球政治格局带来诸多不稳定因素。目前互联网集体行动领域的研究尤其是实证研究困难重重，需要建立更为完善和成熟的互联网集体行动研究框架。互联网集体行动从微观到宏观的理想动员结构为“舆论动员（公共性形成）—公众参与—集體行动”。在互联网集体行动大数据采集方面，考虑到互联网集体行动的实践过程，可能的大数据来源是根据互联网集体行动的发展过程确定事件过程的关键时点，因此应采集关键时点截面的社交网络数据。在互联网集体行动结构变迁的测量方面，结合互联网集体行动事件的实践过程，主要关注社交网络结构、时序扩散网络的测量。

关键词：互联网；集体行动；大数据；社交网络

中图分类号：D630 文献标识码：A 文章编号：1008—7168（2019）02—0034—08

近年来，一种特殊的集体行动形式伴随着互联网社交网络的发展在全球风起云涌，给全球政治格局带来诸多不稳定因素。从“阿拉伯之春”到“伦敦之夏”再到蔓延全美的“占领华尔街”，人类历史上从未有如此传播广泛、发展迅速、爆发剧烈犹如“病毒”一样在全球蔓延与肆虐的集体行动。巧合的是，各国政府和机构在这种集体行动中都发现了社交网络的影子。社交网络究竟是不是这一切的幕后推手？抑或社交网络仅仅是一种类似于新媒体的传播工具？凯莉·加勒特（Kelly Garrett）结合经典的集体行动理论，将互联网影响下的集体行动区分为“互联网作为动员结构”“互联网作为政治机会”“互联网作为框架化工具”三种类型[1]。一部分学者似乎对社交网络在这些集体行动中所起到的作用不以为然，认为其作用与用来“喊话”的话筒并无太大区别。但另一部分学者坚持认为互联网社交网络在这些新型集体行动中起到了非常重要的作用，尽管这些机制目前尚未得到揭示。学界为区分其与传统集体行动的差异，将其命名为“互联网集体行动”。遗憾的是，尽管得到了各国政府与机构的高度重视，目前的研究都无法针对这两种截然相反的看法证伪或证实。一方面，参与这种集体行动的行动者数以百万计，其参与过程近乎匿名，传统的质性研究方法难以追踪和定位这些参与者，相比较行动者总体，少数的案例难以说明其代表性。另一方面，传统的量化研究方法无法针对连续时间窗口的不确定性的行动者总体进行抽样，在行动者近乎匿名的前提下，无法对其进行人口特征统计，更难以通过传统的因果推论方法对一个连续时空的集体行动进行统计推断。因此，本文尝试通过梳理多个交叉学科领域内的研究发现，与传统集体行动理论相结合，并尝试提出针对互联网集体行动的大数据研究框架，用于互联网集体行动的内在机制分析。在此基础上建构互联网集体行动因果推断的量化实证模型，为政府治理和预测互联网集体行动提供思路和依据。

一、 问题的提出：互联网集体行动研究的反思

目前互联网集体行动领域的研究尤其是实证研究困难重重。首先，互联网集体行动不同于传统的研究领域，无法通过传统的调研方法与调查方法来获取必要的研究数据。一方面，互联网集体行动往往具有时效性，研究数据的采集往往无法跟随其发展脚步；另一方面，传统调查方法数据测量的维度并不能很好地深入了解调查对象的政治倾向与观点表达，调查对象出于自我保护的目的，在回答敏感问题时会有一定偏差，这样就会直接导致测量数据不准确的问题。其次，不同于传统的集体行动，互联网集体行动的内在发展逻辑与影响机制并没有得到很好的揭示。

聚焦互联网集体行动研究，关键是利用大数据采集方法定位与测量互联网公共空间内的信息流动与传播，获取必要的研究数据。互联网公共空间是互联网集体行动产生的主要土壤，其逐渐取代传统的媒体渠道，成为民意表达和公众参与的重要空间。由于互联网公共空间中的个人在现实社会中存在真实的社会身份，因此互联网公共空间与传统公共领域、私人领域之间存在天然的连通性。但在互联网公共空间中，其身份与表达往往是匿名的，而借助社交媒体的作用，其观点与情感表达的影响力与传播得到了极大的增强。因此，互联网公共空间中爆发的公共事件很容易影响到现实世界，而传统公共领域的公共事件经由互联网的传播和发酵，可能在现实世界中产生更大的社会压力和影响，进而导致集体行动的产生。在这一过程中，互联网公共空间与传统公共领域都会实时地产生大量数据，比如反映公共空间舆论环境变化的舆情数据、反映互联网公共空间个体参与的行为痕迹数据和情感表达文本数据、反映人际关系网络的社交网络数据等。通过对互联网公共空间内的大数据进行采集与测量，可以进一步为互联网集体行动的实证研究提供数据支持。

需要建立更为完善和成熟的互联网集体行动研究框架。在实证研究方面，由于缺乏对互联网公共空间直接的数据测量与观察，目前的大部分实证研究仅验证了互联网的使用对于其中公众参与的影响作用。比如陈云松发现互联网的日常使用可以扩大城市中的非制度化政治参与，认为互联网的使用和非制度化政治参与之间的“抑制性双向因果”意味着拓展利益诉求渠道是消除社会冲突的重要途径之一[2]。陈华珊发现网络社区对业主的网络公众参与存在正效应，不同议题的讨论网关系可以互相转化[3]。加里·金（Gary King）则认为，政府会对可能导致集体行动的内容进行清理[4]。但是，互联网能够促进公众参与，并不能说明互联网的使用会导致公众采取集体行动这一极端表达。是什么影响了公众参与互联网集体行动的社会选择？互联网集体行动的动员结构和影响机制又是怎样的？其中的影响过程并没有得到很好的揭示。在质性研究方面，个案研究无法完备解释不同互联网集体行动爆发的共性与宏观机制。一部分学者认为，互联网意见领袖能够促进公众意见表达。如曾繁旭发现互联网并非如我们预设的那般，在任何议题中都能成为底层表达的渠道，而是借助某些意见领袖的影响力来推动公众参与[5]。陆学艺的研究证明了公共议题在意见领袖的作用下成为公共表达，进而引起公共舆论的关注[6]。另一部分学者则认为，互联网中形成了具有共同政治态度和行为特征的网络社群。桂勇等学者研究发现，根据微博用户表达的极端情绪可以将网络社群划分为“酱油众”“冷漠族”“铁血爱国派”“愤世嫉俗派”和“民粹主义者”五类群体[7]。马得勇的类似研究发现，中国“左”“右”派网民呈现出与西方国家的“左”“右”派网民相反的心理特征，虽然尚缺乏论证，但这样的网络社群有可能成为互联网集体行动的土壤[8]。综上，互联网对公众意见表达的研究和互联网社群分类的研究，仅能作为互联网集体行动的动员结构的探讨，其动员过程和影响机制需要更进一步的解释和验证。

笔者认为现阶段互联网集体行动领域的研究急切需要完成从基础数据到研究框架一系列的创新思考与重新建构，以满足未来互联网集体行动领域的研究需求。而无论是基础数据的测量和采集，还是研究框架的重新建构，都需要回到从微观选择到宏观集体行动这一完整过程的内在机制的探讨，以期完成对互联网集体行动研究框架的思考与重构。

二、 互联网集体行动研究框架的建构——从微观到宏观过程

刘能认为，社会运动和集体行为领域的理论视角经历了从古典理论（以古典社会心理学的解释为主），到主流理论（资源动员取向），再到新的综合（社会建构论）这样三个发展阶段[9]。而互联网集体行动与传统的集体行动既存在区别，又有联系。为便于讨论，笔者将互联网集体行动定义为“行动者以互联网为动员工具和动员结构，完成相关社会群体的组织动员，并最终导致互联网公共空间或传统公共领域内的集体行动的过程”。一个互联网集体行动从微观到宏观的理想动员结构为“舆论动员（公共性形成）—公众参与—集体行动”。舆论动员在微观层面形成互联网集体行动的土壤，互联网公共空间中意见领袖的意见观点通过社交网络或网络媒体广泛传播，引发其他个体的关注。在中观的公众参与阶段，经由传播过程，越来越多的行动者参与进来，个人选择与社交网络形成交叉影响：公共空间中的个体受到公共性的影响，产生观点和倾向性同时，又经由社交网络继续传播自己的观点与倾向；具有相似观点的个体发生聚集，在互联网较为集中的公共空间中，会产生较为明显的回音壁效应，某些公共性的观点会得到增強，最终极化形成某种具有公共性语境和观点的网络社群；这些网络社群反过来形成对互联网公共空间和传统公共领域的舆论和社会压力。根据马克·格兰诺维特（Mark Granovetter）的阈值模型，当这种压力达到临界值时，集体行动就会发生。

（一）微观过程：信息、观点的传播和公共性的生成

在互联网集体行动的微观过程中，不同于经典的大众传播理论，其传播和扩散机制更加复杂。在互联网公共空间中，信息、观点的传播形成了多元动态的传播与重塑过程。首先，既有经由意见领袖的传播，又有经由同质群体的传播。其次，意见领袖与同质群体同时嵌入社交网络中，在传播信息和观点的同时，又在动态地重塑传播过程与传播网络，不同事件的传播过程差异很大。

传统的资源动员理论认为，一个社会运动所能动员的资源总量将会越来越成为决定这个社会运动规模和成败的关键，因此社会运动对其中精英分子的动员能力非常依赖。而对于互联网公共空间中的集体行动来说，精英分子往往就是互联网意见领袖：一方面，互联网意见领袖的影响力决定了公共事件在社交网络中扩散的程度；另一方面，意见领袖对于公共性观点的加强能力，让意见领袖在其社交网络中，通过一系列话语、情感的动员过程，最终使其观点成为其所属网络社群的公共性语境和观点。因此在这一过程中，意见领袖在信息观点的传播和扩散中起到了重要的作用，但问题在于，哪些人是互联网中的意见领袖？索拉·普尔（Sola Pool）与曼弗雷德·科享（Mantled Kochen）提出了小世界这一概念，首次将社会网络与意见领袖的研究结合起来，并认为熟人关系在信息传播中起到了重要的作用，相当于传统社会网络中的意见领袖[10]。但在互联网公共空间中，社会网络变得更加复杂和多样化，个体之间既有可能是由强关系构成的熟人网络，也可能是由弱关系构成的陌生人网络，因此如何挖掘出互联网意见领袖，并证明其在互联网社交网络中的作用，成为意见领袖研究的重点。

综合来看，一部分研究专注于互联网意见领袖的挖掘和识别。不同于传统公共空间或者社会运动中的意见领袖，通过互联网大数据的采集，可以很好地观测到社交网络中的意见领袖的行为和观点，从而更加全面地理解互联网意见领袖对于其受众群体的影响作用。在互联网意见领袖和受众群体所构成的整体网络中，一部分研究结合网络结构的特点，直接测量整体网络中意见领袖所处的结构位置，进而推断其影响结构、影响范围和影响作用[11]。但这样的测量方法的问题是，互联网社交网络结构本身就是在不断变化的，关系网络与传播网络并非总是完全吻合，因此过分强调意见领袖的“领袖”特点，就会忽视了信息本身在意见领袖确立过程中的重要作用。其他一些学者比如阿希什·阿加沃（Ashish Agarwal）等人针对这一问题进行了改进[12]，将博文的引用数量、评论数量、新颖程度和内容长度作为意见领袖影响力的测量指标，这样不但可以测量传播网络中真正的意见领袖，而且可以更加深刻地理解意见领袖是如何在社交网络中被建构的。另外一部分质性研究阐述了互联网意见领袖的作用。比如曾繁旭等人研究了互联网意见领袖对公共事件产生的影响机制[13]，高如等学者研究了互联网意见领袖对公共舆论的影响作用[14]。但是综合来看，计算机领域和社会科学领域的学者受研究领域所限，并没有对意见领袖的影响机制进行更加综合性的探索和验证，这导致两部分的研究相对独立。此外，信息和观点也会通过同质性群体之间的社交网络进行传播。一些学者的研究表明，信息和观点一方面通过同质性的社交网络进行传播，另一方面又会导致同质群体中的意见趋同[14][15]。这个观点部分解释了社会结构中的人口学因素（年龄、性别、职业）在传播中起到的同质化选择的作用，但并没有得出明确的结论，即这种趋同究竟是同质化的用户受到相同话语环境影响后的近似选择，还是同质化的用户之间相互影响的结果，抑或是两种作用同时存在。

（二）中观过程：同质性、同群效应、话语环境

是什么影响了中观过程中嵌入在社交网络中的个体参与集体行动的选择？笔者认为，个体的行为既嵌入在社交网络中，又嵌入在特定的社会情景中，不同特征的人群在不同社交网络和社会情景下的选择也存在较大差异。因此，互联网集体行动中影响个体选择的因素大体可以分为三种：同质性、同群效应和话语环境。

同质性被看做是个体之间所共有的某些特质所导致的相似的选择，具有同质性社会特征的个体更容易建立两两关系，形成社交网络中的群体。但斯楠·艾瑞尔（Sinan Aral）等人发现在社交网络中的意见领袖也具有类似特征，他们试图通过话题传播的动态网络对同质性和意见领袖影响力的作用进行区分，发现在控制同质性因素之后，意见领袖影响力对于微观选择的作用没有像原本想象的显著[16]。戈登·温斯顿（Gordon Winston）等最早将同群效应定义为一个人的行为受到一个或多个他人与自身相互作用的影响[17]。而在社交网络的网络群体中，这样的效应依旧存在。社交网络中个体的行为及观点可能受到社交网络中其他与之相连通的个体的行为或观点的影响。两者最大的区别是：温斯顿对同群效应的前提假设是这些具有交互影响的个体的地位是相似的，即受到影响的个体完全处于同质性的社会群体网络中；而社交网络的网络结构是典型的中心性网络，网络结构呈现出幂律分布的特征。这说明社交网络中的同群结构既存在同质性的结构，又存在异质性的结构，个体之间的作用根据网络结构的不同而有所变化，因此可以区分出与同质性影响的差异。此外，个体选择还受到其所处社交网络话语环境的约束，正如上文所述微观个体的行为既嵌入在社交网络中，又嵌入在特定的社会情景中，社交网络中形成的公共性话语环境以及特定社会情景的变迁是重要的外生影响因素。

综上，结合互联网集体行动的社会情景，在中观层面，社交网络个体参与集体行动的选择可能受到所在互联网社群内的公共性话语环境（外生影响因素）、社群同群效应（内生影响因素）和个体同质性（同质影响因素）的综合作用。但三种作用的综合机制可能较为复杂，目前还没有学者的研究对其作用机制进行阐释，尚需更多的实证探索。

（三）宏观过程：回音室效应、群体极化效应、阈值效应

在互联网公共空间中，个体参与集体行动的选择解释了互联网集体行动嵌入在中观层面的作用机制，但在宏观层面中，这样的解释并不完备。互联网集体行动从量变到质变是一个完整的爆发过程，既存在爆发前条件性的积累，又存在爆发时紧张关系的突破。结合目前的研究发现，其影响机制可能是回音室效应、群体极化效应、阈值效应三者综合作用的结果。

回音室效应认为人们的意见在封闭空间中会得到增强。一部分学者认为，互联网中存在明显的回音室效应。关系紧密的社群往往会出现回音室效应，因为其成员通常会分享信息，当他们沉浸在网络中的相似声音里面，观点、情绪和态度不谋而合时，他们仿佛找到了知己，从而更加赞同这样的意见[18]。更进一步的是，当形成网络社群后，群体压力也会出现，导致人们不得不去赞同“大多数”的意见。而另一部分学者对此持相反意见。埃唐·巴克什（Eytan Bakshy）等人针对脸书（Facebook）的研究表明，没有明显证据证明社交网络中存在回音室效应[19]。通过对1010万个美国的匿名账户的分析，他发现脸书并非是意见的回音室，而更像是广播台，不同的用户可以借助多种渠道获取意见和信息。但笔者认为，选择同质性或异质性的网络结构可能对以上研究的结论产生影响，回音室效应的前提就是存在较为封闭的、能够导致观点强化的环境，比如社交网络中的封闭群组，后者的研究显然在研究范围的选择方面有所疏漏。

网络社群的极化是集体行动爆发机制的第二种猜测。李振鹏认为相比较真实世界，网络公共空间中更容易出现群体意见极化，尤其当话题涉及政治、利益等敏感话题时[20]。互联网社交网络一方面为信息和意见的传播提供了快速的渠道，另一方面通过社交的互动功能，降低了公众对于敏感事件的距离感，提升了其参与敏感话题的动力。更重要的是，社交网络匿名化的特征让参与网络公共空间话题讨论的人不需要承担言论的风险与成本，让其可以“畅所欲言”，这无疑让社交网络中的公共话语成为公众真正态度的最好的测量来源。一些学者的研究也表明，社交网络中的群体极化往往表现为公众在转发政治观点时，所形成的转发网络会出现分化[21][22]，观点同质化的群体网络边缘开始清晰，彼此异质化群体网络出现隔离。而这种基于网络结构层面的持续的相互作用，会在一定程度上助长公众的非理性行为。

格兰诺维特的“阈值模型”提供了集体行动的另一种解释。他认为，个体在进行微观选择时，参与集体行动的阈值不同，但集体行动的扩散和传染会导致群体中的平均阈值升高，从而达到某一个体参与集体行动的阈值，导致该个体参与集体行动[23]。格兰诺维特对集体行动解释的微观基础更加接近群体压力的假设，这一模型很好地阐释了社会网络影响力中的规模效应和信息级联效应，但没有体现信息级联过程中不同社会网络结构的作用及中观过程对群体阈值的影响差异。

综合以上学者的研究，笔者尝试提出互联网集体行动的研究框架。首先，在微观层面上，在互联网公共空间中，意见领袖和同质群体利用社交网络完成信息、观点的多元动态的传播与重塑过程，形成社交网络中公共性话语环境。其次，在中观层面上，参与互联网集体行动的个体可能受到公共性话语环境、社群同群效应和个体同质性三种机制的混合影响。最后，在宏观层面上，三种宏观机制——回音室效应、群体极化效应和阈值效应共同作用导致集体行动的爆发。可以看出，从微观层面到宏观层面，互联网集体行动是多种机制共同作用的结果。为了更加深入地对这些机制进行实证研究，我们需要进一步细化数据测量方式与因果推论方式。

三、 研究框架的大数据测量与因果逻辑操作化

互联网集体行动的舆论传播、个体动员和群体行动是一个互联网与现实联动、线上与线下结合的实践过程。借助对社交网络的观察和测量，可以对互联网集体行动的产生、扩散和动员过程有更进一步的认识：一方面可以对经典的集体行动理论进行实证检验，另一方面又能够探索当前互联网集体行动的独有特征，并提出新的理论解释。为实现这一研究目标，结合现有研究和以上互联网集体行动中的影响机制，笔者进一步尝试提出针对互联网集体行动每个阶段的操作性框架。

在互联网集体行动大数据采集方面，考虑到互联网集体行动的时间过程，一个可能的大数据来源是根据互联网集体行动的发展过程确定事件过程的关键时点，因此应采集关键时点截面的社交网络数据。第一，采集行为痕迹数据。即对社交网络用户的发表、关注、粉丝、收藏、转发、点赞、评论等用户行为以及转发内容、评论内容等微观数据进行采集。个体层面的微观数据对整个研究框架（如研究微观层面的信息传播、中观层面的个体选择、宏观的集体行动过程）都具有非常重要的意义。第二，采集热点主题数据。对传播网络中的热点主题或事件进行采集，同时对传播过程中的用户的个体行为和个体文本进行关联性的采集。第三，采集事件层面的数据。事件层面的数据是对集体行动的传播和动员过程最直接的观察，一方面可以通过针对事件的机制性研究对理论进行完善，另一方面可以与现实世界的事件进行时间上的对照，共同完善互联网集体行动研究的因果推论框架。

在互联网集体行动结构变迁的测量方面，应结合互联网集体行动事件的实践过程。行动结构变迁过程中的测量主要关注社交网络结构、时序扩散网络的测量。社交网络结构本身存在较为固定的互动关系结构，在比较完整的互联网集体行動过程中，这样的网络结构并不会产生比较大的变迁。因此根据网络结构的特征，可以进行意见领袖和社群结构的初步推断。一方面，随着集体行动的推进，事件的扩散网络可能会发生比较大的变化。比如吉原·杨（Jaewon Yang）等人发现，在信息传播过程中某些意见领袖的影响力对事件的传播的影响显著，与之相比网络结构的约束并不明显[24]。埃唐·巴克什等人也发现影响力比较强的用户对推特（Twitter）上的话题传播的影响显著[25]。这说明随着事件的发展，原本网络结构中的意见领袖也产生了分层效应。另一方面，扩散网络可能会形成新的网络社群。不同个体对于集体行动不同程度的感受和反应，会导致其意见和态度的分化，不同个体之间的互动产生的同群效应进一步加剧了这一过程，并最终形成新的带有显著隔离的网络社群和较为封闭的观点增强结构“回音室”。通过对不同层级网络社群在集体行动中的意见、情绪和态度的观察，可以完善互联网集体行动的因果机制推断。

综上，互联网社交网络为真实世界的集体行动提供了动员环境，集体行动的发展又反馈到社交网络中，再经由社交网络的一系列微观、中观和宏观机制，演化为推动集体行动发展的新的机制。上述互联网集体行动的因果框架可以用如下函数表达式来描述：M（P）=F（C，H，S，I，T）。其中，P 是因变量，表示对现实集体行动发展程度的一系列测量指标，如集体行动的蔓延范围、参与人数、冲突激烈程度、社会影响范围、经济损失后果等。C表示信息、观点和公共事件经由意见领袖和网络社群传播后所产生的公共性话语环境，如对某个已经产生相对隔离的社群内部的非结构化文本的持续性测量。H表示互联网集体行动中的个体的同质性因素，如个体的社会和人口学特征、相似的兴趣爱好等，此外还可以通过大数据方法进行相似度的人群画像，拓展可用的操作化变量。S表示对个体所在的社交网络或社交网络中的社团结构的结构特征的测量，如根据互联网集体行动的影响范围测量整体的社交网络结构，根据话题和事件传播依次测量社交网络中意见领袖影响力的影响结构、社群同群效应的影响结构等，测量可能导致的动员网络。I表示社交网络中根据集体行动所对应的时间截面的一系列测量指标，如在社交网络测量范围内对传播、扩散、动员后产生的态度、情绪、观点等测量指标的汇总信息。T表示时间节点和周期性因素，如对应现实集体行动发展过程中的重要事件的时间节点、根据测量与分析后所得出的动员周期等。

四、 总结与展望

本文的研究表明，互联网集体行动呈现出与经典集体行动理论不同的新特征，很多新的机制亟待发现。虽然经典的集体行动理论可以为研究互联网集体行动提供参考，但互联网集体行动的影响机制与传统集体行动的影响机制相比更加复杂。第一，互联网公共空间对行动者的影响可能是多层次和多面向的，可能既存在互联网公共空间公共性的文化规范、价值取向的影响，又存在回音室效应、同群效应等内部机制。第二，互联网公共空间内的行动者，既是这种公共性的文化规范、价值取向的生产者，又是其消费者。互联网公共空间内的公共性语境在传播和影响其中行动者的同时，又通过行动者之间的相互作用加强了这种公共性的文化规范和价值取向，从而增强其参与集体行动的社会选择倾向。第三，现实中的集体行动与互联网公共空间通过社交网络交互影响，共同推动互联网集体行动的进行。

这一目标需要多个交叉学科的共同努力，但在此之前，学界恰恰缺乏的是既传承经典集体行动理论又融合当前交叉学科领域研究成果的整合性框架。本文主要从三个方面对互联网集体行动的研究框架进行了创新。第一，结合传统集体行动理论框架和当前交叉学科大数据研究的相关成果，提出互联网集体行动的动员结构，辨析其在不同层面中对集体行动的影响机制，从微观层面到宏观层面形成完整的互联网集体行动的综合分析框架。第二，提出基于大数据的互联网集体行动数据的测量以及变量的操作化方法。研究的数据来源包括具有集体行动时间标记的个体观察数据、个体测量数据、网络结构数据、非结构化文本数据、关系型数据等。从外生性、内生性、关系性、相关性、相干性等多个维度支持互联网集体行动的实证研究需求。第三，提出利用大数据方法的基于时序数据和非结构化数据的互联网集体行动因果推论模型，用于互联网集体行动的机制研究、理论实证研究和预测研究，为今后互联网集体行动领域内新的理论建构和实证检验提供参考。未来，这样的综合性框架还需结合实际的社会情境进行更加细致和系统的操作化定义，在此笔者仅初步探讨其思路及可能的操作化方式。

参考文献：

[1]R. Kelly Garrett.Protest in an Information Society： A Review of Literature on Social Movements and New

ICTs[J].Information， Communication & Society， 2006，（2）.

[2]陈云松.互联网使用是否扩大非制度化政治参与 基于CGSS2006的工具变量分析[J].社会，2013， （5）.

[3]陈华珊.虚拟社区是否增进社区在线参与？一个基于日常观测数据的社会网络分析案例[J].社会，2015， （5）.

[4]Gary King，Jennifer Pan，Margaret E. Roberts.How Censorship in China Allows Government Criticism but Silences Collective Expression[J].American Political Science Review，2013，（2）.

[5]曾繁旭，黄广生.网络意见领袖社区的构成、联动及其政策影响：以微博为例[J].开放时代，2012，（4）.

[6]陆学艺.当代中国社会阶层研究报告[M].北京：社会科学文献出版社，2002.

[7]桂勇，李秀玫，郑雯，等.网络极端情绪人群的类型及其政治与社会意涵[J].党政视野，2015，（10）.

[8]马得勇，王丽娜.中国网民的意识形态立场及其形成一个实證的分析[J].社会，2015，（5）.

[9]刘能.怨恨解释、动员结构和理性选择——有关中国都市地区集体行动发生可能性的分析[J].开放时代， 2004，（4）.

[10]Ithiel de Sola Pool，Manfred Kochen. Contacts and Influence[J].Social Networks，1978，（1）.

[11]吴信东，李毅，李磊.在线社交网络影响力分析[J].计算机学报， 2014，（4）.

[12]A. Agarwl，T. D. C. Little.Attribute Based Routing in Sensor Networks[R].Technical Report，Boston University，2006.

[13]房正宏，高如.网络“意见领袖”现象：影响及治理[J].电子政务，2013，（3）.

[14]Francois Lorrain，Harrison C. White.Structural Equivalence of Individuals in Social Networks[J].Social Net- works，1977，（1）.

[15]Noah E. Friedkin，Eugene C. Johnsen.Social Influence and Opinions[J].Journal of Mathematical Sociology，1990，（3-4）.

[16]Sinan Aral，Dylan Walker.Identifying Influential and Susceptible Members of Social Networks[J].Science，2012，（6092）.

[17]Gordon C. Winston.Subsidies，Hierarchy and Peers：The Awkward Economics of Higher Education[J].Journal of Economic Perspectives，1999，（1）.

[18]Walter Quattrociocchi，Antonio Scala，Cass R. Sunstein.Echo Chambers on Facebook[J].SSRN Electronic Journal，2016，（1）.

[19]Eytan Bakshy，Solomon Messing，Lada A. Adamic.Exposure to Ideologically Diverse News and Opinion on Facebook[J].Science，2015，（6239）.

[20]李振鹏，唐锡晋.集体行动的阈值模型[J].系统科学与数学，2014，（5）.

[21]Michael Conover，Jacob Ratkiewicz，Matthew Francisco，Bruno Goncalves. Political Polarization on Twitter[C].International Conference on Weblogs&Social Media， Barcelona，California，Spain，July 17-21，2011.

[22]Jan Lorenz，Heiko Rauhut，Frank Schweitzer，Dirk Helbing.How Social Influence can Undermine the Wisdom of Crowd Effect[J].Proceedings of the National Academy of Sciences of the United States of America，2011，（22）.

[23]Mark Granovetter.Threshold Models of Collective Behavior[J].American Journal of Sociology，1978，（6）.

[24]Jaewon Yang，Jure Leskovec.Patterns of Temporal Variation in Online Media[C].Proceedings of the Fourth International Conference on Web Search and Web Data Mining，Hongkong，China，February 9-12，2011.

[25]Eytan Bakshy，Jake M. Hofman，Winter Mason，Duncan J. Watts.Everyones an Influencer：Quantifying Influnce on Twitter[C].Proceedings of the Fourth International Conference on Web Search and Web Data Mining，Hongkong，China，February 9-12，2011.

[責任编辑：张英秀]