网络与因特网的区别范例6篇

网络与因特网的区别

网络与因特网的区别范文1

关键词:基因芯片;基因表达谱;社区结构;分类信息指数;最小生成树;阈值;复杂网络

中图分类号:O157文献标识码:A 文章编号:1009-3044(2011)07-1671-04

癌症起源于正常组织在物理或化学致癌物的诱导下,基因组发生的突变,即基因在结构上发生碱基对的组成或排列顺序的改变,因而改变了基因原来的正常分布(即所包含基因的种类和各类基因以该基因转录的mRNA的多少来衡量的表达水平)。所以探讨基因分布的改变与癌症发生之间的关系具有深远的意义。

复杂网络理论是近年来发展起来的一个重要的交叉。对于一个复杂的系统,很多时候我们不能够单独通过分析系统内元组来反应系统性质。复杂系统是由微观层次上的海量个体所组成,个体之间存在着作用。把个体抽象为网络节点,而个体之间的相互作用抽象为节点之间的边,则复杂系统就可以用一个复杂网络来描述。

本文的实验数据集包含22 个正常组织样本和40个结肠癌组织样本,每个样本包含 2000个基因的表达数据。首先对样本数据进行归一化,另外,数据的特征维数2000,远远高于样本个数62。因此,有必要对数据进行过滤和降维。我们采用了分类信息指数方法 (information index to classification, ⅡC)[2],公式为:

其中,μ1(i),μ2(i)分别表示第i个基因在正常组织样本和结肠癌组织样本中的中表达水平的均值;σ12(i),σ22(i)分别为该基因表达水平的标准差。

根据上式计算结肠癌基因表达数据中的2000个基因的分类信息指数,大部分基因的分类信息指数在0到0.2之间,仅有少部分基因的大于 0.2(如图1)。保留指数大于 0.2 的314个基因用于下一步的分析,这样就大大缩小了基因选择的特征空间,剔除掉大量“无关基因”,大大缩小需要搜索的致癌基因范围。

另外在撰写本文的准备过程中,我们查阅了大量的有关文献。与已有文献的结果进行比较,发现所选特征基因中包含了一些已被实验证实的与癌症相关的重要基因,这些基因在癌症基因调控网络中起关键作用,一共得到了40个基因(如表1)。我们要探寻的结肠癌的特征基因极有可能包含在这40个基因中,这对我们后续的研究具有重要的参考价值。其中6个基因在我们根据分类信息指数值对数据进行筛选的过程中被剔除了。所以我们选择剩下的34个基因作为我们研究的参考(如表1)。

然后分别计算结肠癌样本(cancer)和正常样本(normal)各个基因间的相似性,得到相似矩阵。分析这些基因点的联系,选择一个相似性的阈值来分别建立复杂网络,用邻接矩阵表示。(如果相似性大于该阈值的则这两个点相连接,在邻阶矩阵中用1表示;反之,如果相似性小于于该阈值的则这两个点不连接,在邻阶矩阵中用0表示)。其中关键的步骤是阈值的选取。本文提出的解决策略是,从关联系数矩阵得到最小生成树作为基因之间关系的骨架,然后再把文献中发现的相关基因之间的关系考虑进来,得到客观的阈值。

我们考查结肠癌基因表达数据中筛选出来的314个变化比较明显的基因,用向量组表示为,

其中T0m,n是第n个基因在第m个样本的基因数据,其中N=314,M是样本个数,正常组织样本个数为22,肿瘤组织样本个数为40。相关系数矩阵为R:

那么基因间的欧几里得距离就可以用以下定义的距离矩阵D定量描述:

最小生成树是图论中的基本概念。我们从距离矩阵中抽取出最小生成树,用N-1条边连接所有基因节点,形成一个无圈图。在形成的最小生成树中,要保证所有基因间的距离之和最小,也即相关系数之和最大,且是无圈图。那么,基因间的其它关系就被过滤掉了。原则上来讲,真正直接相关的基因之间的关联系数最大,因此可以认为最小生成树保留了基因之间的真正关系。因为一个基因可以和多个基因直接相关,所以很多的关系被丢掉。丢掉的关系将在后边的步骤中被找回。我们采用Kruskal算法来生成最小生成树:

我们用筛选后的314个基因数据(我们对这314个基因重新做了编号,其与原数据库中的编号的对应表见附表),对结肠癌样本、正常样本分别用两种方法得到了最小生成树。两个最小生成树的节点也即基因,一定是相同的,且都有314个节点,313条边。图2给出了正常样本中得到的最小生成树。

如前所述,最小生成树给出了基因之间的部分连接,但是很多基因之间的关系被丢掉。另一方面,文献中发现的结肠癌相关基因,为我们提供了重要的参考信息,但是这些信息包含着很大的偶然性,也就是噪声。在此我们将把这两部分信息整合在一起,得到一个客观的构建基因关系网络的阈值。

我们首先抽取出如图2所示的生成树。它给我们提供了高可信度的链接,不足之处是包含的信息不够多,一些重要的关系被忽略了。我们再根据得病前后两类样本信息变化。然而,这里也可能产生噪声边。

从上面得到最小生成树出发。整合相关文献中已知的肿瘤致病基因,我们收集到34个这样的基因。用这34个基因重复上面的过程,得到阈值,肿瘤样本的记为DDIImin,在正常样本的生成树中记为DNIImin建立网络。,它们之间可能直接相连,也可能彼此没有直接相连。计算直接相连的节点间的距离。在这个过程中,我们选取最大的那个作为阈值,在肿瘤样本生成树中记为DDIImin=0.6239,在正常样本的生成树中记为DNIImin=0.6995。

我们选取DDIImin,DNIImin作为阈值,来建立网络。这样在一定程度上减少了一些噪声边的产生,避免了偶然因素可能引起的阈值选取的不稳定性,同时也恢复了我们需要的连接。

肿瘤样本网络以及正常样本网络的阈值选定后,利用我们在数据处理中选定的314个基因建立网络。以肿瘤样本网络为例,先算出肿瘤样本中这314个基因的相关系数矩阵。当任意两个基因的相关系数大于阈值0.6239时,我们就认为这两个基因是有相互作用的,在它们之间画一条边;当任意两个基因的相关系数小于阈值0.6239时,我们就认为这两个基因是没有相互作用的,它们之间就没有直接的边相连。这样我们就得到了肿瘤样本的基因相互作用网络。在相关系数矩阵中,把大于0.6239的值改为1,小于0.6239的改为0,主对角线上元素设为0,这样就由相关系数矩阵得到了邻接矩阵MD。邻接矩阵中的1就表示网络中有连边;邻接矩阵中的0就表示网络中没有连边。

复杂网络的结构是不均匀的,往往存在很多连接致密的集团,在这些集团之间只有很少边形成的松散的连接。这些致密的结构往往与功能有着密切的关系,因此受到普遍的关注。当前普遍采用的划分社区的方法是Newman-Girvan算法。

社区划分反映基因间的功能关系,而在网络模块中,可以发现网络发生了明显的改变。首先我们画出正常样本网络,用Newman-Girvan的划分算法对得到的网络进行分块。当把正常样本网分成14个社区时,得到的聚类系数最大,为Q=0.596(如表2),这样就把网络分成了14个大的功能模块。如图3所示,即为正常样本网络的社区结构(每种颜色代表一个社区)。可以看出,各个社区结构中的节点数目分布并不均匀,并且存在很多孤立节点。社区内节点间的连接比较紧密,而不同社区间的连接比较稀疏。

同样用Newman-Girvan的划分算法,我们画出肿瘤样本的网络,把肿瘤样本网分成了13社区(如图4)。此时得到的聚类系数最大,为Q=0.630(如表3)。可以看出,肿瘤样本网络的各个社区结构中的节点数目分布也是并不均匀,并且同样存在很多孤立节点。社区内节点间的连接比较紧密,而不同社区间的连接比较稀少。

对于两个网络,我们计算出每个节点的度(degree)。我们发现,,,其中DDmax、DNmax分别表示肿瘤样本、正常样本的邻接矩阵中节点的最大度,DDmin、DNmin分别表示肿瘤样本、正常样本的邻接矩阵中节点的最小度。说明网络中的有些点与其他点的相互作用强度发生了明显的变化。反应到网络结构中,可以用平均度加以粗略说明,其中肿瘤样本网络的平均度为9.36,正常样本网络的平均度为5.28。在肿瘤样本网络中每个基因平均与周围9.36个基因有相互作用,在正常样本网中每个基因平均与周围5.28个基因有相互作用。

分析度的变化。通过两个网络的度序列做差,我们就能够找到每个节点度的变化情况。表4即为度变化比较大的前十个节点。

同时我们对每个节点度的变化值做平均,得到度变化的平均值为7.0637。其中大于这个平均变化度的节点有89个,小于这个平均变化度的节点有255个。

我们认为特征基因在这些度变化比较大的节点中的可能性很大。度变化超过平均值的节点与我们查阅的的文献中得出个34个特征基因相比对,其中有15个基因是它们所共同拥有的(如表5),我们认为这15个基因应该是对我们寻找结肠癌特征基因非常重要的基因。

接下来对我们得到了15个重要的基因节点,在网络中分析它们。在上一步过程中,我们比较了文献中得出的,且度变化较大的15个重要节点。这15个基因在肿瘤特征过程中起了很重要的作用。注意到我们选取的这15个基因最大的度变化值是33,但还有7个节点的度变化值超过了33,却并不在我们查阅的文献的结论中,我们认为有必要在网络中进一步对这些点进行分析。这7个基因节点分别是(如表6):

表6

其中,度变化是同一节点在肿瘤样本网络与正常样本网络中,该节点在两个网络中度的变化值;分类信息指数编号是指该信息指数在所有信息指数中从大到小排列时的次序,我们选取的314个基因是分类信息指数IIC>0.2的基因,也即分类信息指数编号前314个基因。通过上面的表格我们可以看出,这些基因的分类信息指数都比较大。通常地,样本们会去研究IIC大的点,分类信息指数编号偏后的那些基因极易在分析的过程中被忽略掉。现在我们发现,这些点在两个网络中度的变化值很大,也即癌变前后这些基因在网络中与其它基因的相互作用有了很大的变化。接下来,我们将这7个基因和另外15个基因分别放回正常样本和肿瘤样本的网络中去分析它们的变化。如图5,图6。

图5为我们找到的15个重要基因在正常样本中的相对位置。不同的颜色表示不同的社区。同时把度变化最大的7个节点(156,87,300,139,169,61,34)也放进了网络中。

图6为我们找到的15个重要基因在肿瘤样本中的相对位置。不同的颜色表示不同的社区。同时把度变化最大的7个节点(156,87,300,139,169,61,34)也放进了网络中。

从图5中可以观察出,在正常样本网络中,度变化最大的7个节点分别分布在4个社区中,且仅有一个节点与其它节点相连(节点61―节点68)。这说明7个节点在正常样本网络中没有明显的相互作用。而通过观察图6,我们的发现在肿瘤样本网络中,度变化最大的7个节点同时分布在同一个社区中,且这7个节点与我们找到的15个重要基因节点中的9个节点(分别为68、180、155、270、213、198、207、2、297)也在同一社区中(图6中蓝色表示的社区),并相连。我们有一个大胆的猜想,结肠癌的特征基因就分布在蓝色所表示的社区中。蓝色社区中的这16个节点所代表的基因分别为M22382,T96873,U09564,H08393,J02854,T62947,M59040,H20709,X62048,及M94556,T70062,L28010,M37583,H89087,H64807,T65740,从功能上看,这些基因对结肠癌的癌变过程发挥了重要的作用。在正常样本网络中,这些点分布的比较分散,而在肿瘤样本网络中,这些点集中到了同一社区中,说明癌变后这些基因之间的相互作用加强。所以这16个基因就是我们要寻找的结肠癌的特征基因。另外,除了这些在同一社区的节点之外,还有一些散节点落在各个不同的社区中,其中分为两种情况,一种是该基因位于两个社区的连接点处,如节点58(T60155),它是主动脉平滑肌肌动蛋白,而有研究表明肌动蛋白参与DNA转录,所以T60155是我们所寻找的结肠癌的特征基因。另一种是某社区内部的节点,如节点83(T51571),130(H43887),219(L41559),248(M36634),参照这些基因的功能对基因的癌变并没有起到决定性的作用。并且这几个点的度变化值也不是很大,所以,可能是被误选入的,应该被排除掉。综上,本文运用复杂网络的方法,通过社区模块的划分,找出17个结肠癌的特征基因。

本文首先通过分类信息指数这一指标对数据做了初步处理,筛选出314个基因节点,剔除了大量的无关基因,对数据进行过滤和降维。并以此分别构建网络模型。生成网络之后,通过Newman-Girvan方法对我们的网络模型划分社区和评价,无论是肿瘤样本网络还是正常样本网络都是很好的社区结构。我们利用度变化值和参考我们查阅文献中得出的结论,挑选出了22个基因,其中排除掉5个基因后,得出了我们的结论,即结肠癌的特征基因有17个。

本文问题研究还有待于进一步加深完善,比如没有考虑到基因筛选后提出的变化不大的点。另外,我们对于生物医学方面的专业知识比较欠缺,在对模块进行分析的时候,对模块的功能分析不够精确。这需要我们以后的继续努力和学习。

参考文献:

[1] 程书钧.肿瘤――分子网络病[J].医学研究杂志,2010(5).

[2] LI Yixin,RUAN Xiaogang.Feature selection for cancer classification based on support vector machine[J].Journal of Computer Research and Development,2005,42(10):1796-1801.

[3] GUYON I,WESTON J,BARNILL S,et al.Gene selection for cancer classification using support vector machine[J].Machine Learning,2000,46(13):389-242.

[4] 刘全金,李颖新,阮晓钢.基于SVM的灵敏度分析方法选取肿瘤特征基因[J].北京工业大学学报,2007,33(9):954-958.

[5] 刘全金,李颖新,阮晓钢.基于基因表达谱的结肠癌特征基因选取[J].昆明理工大学学报:理工版,2006,31(1):89-92.

[6] Xiaosheng Wang and Osamu Gotoh.Microarray-Based Cancer Prediction Using Soft Computing Approach[J].Cancer Informatics,2009(7):123-139.

[7] Xue Wu Zhang,Yee Leng Yap,Dong Wei,et al.Molecular diagnosis of human cancer type by gene expression profiles and independent component analysis[J].European Journal of Human Genetics,2005(9).

[8] 李建更,高志坤,严志,等,基于双基因分析的结肠癌标志基因选择[J].中国生物医学工程学报,2009,28(5):691-695.

网络与因特网的区别范文2

一、网络发展趋势

现有的电信网络,主要是在任意两个用户之问提供一对一的、双向的、实时的连接。现有的广播电视网,是一个单向的信息分配网络,近年来广播电视行业也开始利用一些新的数字调制技术,发展网络数字电视。因特网的连接方式和它所能提供的业务,则是综合了上述两种极端的情况。今后网络发展有三网合一的趋势。

二、网络化对社区党员教育工作的现实影响

在党员教育上,白石桥社区以执行党员管理“三会一课”制度为主,定期组织召开党员大会、支部委员会、党小组会,按时上好党课,同时每月15日定为党员集中学习日,组织开展一次党员集中学习活动。

但由于各种因素影响,党员集中学习报到率偏低。社区退休党员多,对于退休的这部分党员,由于年龄身体健康状况等因素,党员们主观上认为参与建设和社会活动的机会越来越少了,对继续学习积极性不足,真正能严格做到参加党内生活和支持党内工作的,寥寥无几,多数只能根据身体状况,视情况参加活动,白石桥社区党总支组织的集中学习,离退休党员实际平均参与率不足70%。这部分党员因为年龄偏大,接触网络信息和网络技术很少,信息网络化趋势对他们影响不大。

对于在各类社会单位和外地工作的党员,又存在另一类问题,由于工作关系和党组织关系脱离,组织党内活动经常遭遇工作单位要求和党组织要求冲突的尴尬,由于目前社会压力大,党员大多在单位担任要职,一旦冲突严重,大多数时候党员会选择工作单位的安排,而放弃党组织的安排,社区党总支出于对党员的体谅,大多数时候也只能谅解。以白石桥社区党总支的情况为例,此类党员参加每月学习日参与率不足50%。

社区每周开展远程教育,对党员和居民全部开放,目前信息网络化技术的发展,党员接受各类网络信息非常便利,因此社区远程教育工作站优势不明显,党员参与的积极性不高。这一类党员接触网络信息多,有些党内学习教育活动可以通过网络实现。

三、网络化对党员思想状况和行为方式的影响

网络的自由度特别高,更难于控制和监管;它的共享性特别强,谁也不可能完全垄断信息资源和信息系统;它的交互性特别突出,“一言堂”在互联网条件下不会有市场。与前述互联网的技术特点和社会文化特点相伴生,信息宝藏与信息垃圾共存于一“网”,给党员思想状况带来了冲击。

四、网络化对党员教育带来的挑战

(一)党员思想控制面临挑战

由于互联网的出现和普及,打破了信息传播的空间限制,使各种合法的不合法的、健康的不健康的信息快捷方便进人党员的眼界,一旦出现热点问题,与此相关的信息寻访及讨论数量都会直线上升,范围之广、速度之快都是无法想象的。这种完全开放的、互动式的传播,使社会对个人思想行为和制约机制发生了变化,不再能够进行有效的监督。

(二)党员教育载体面临挑战

网络使得党员教育的渠道和阵地迅速扩大,如果我们不注意利用互联网加强思想政治工作,就不能最大限度地减少互联网所带来的负效应。

(三)党组织工作者素质面临挑战

网络是由人来创造和管理的,而党组织工作者对互联网的掌握、熟悉和运用及其创造力和想象力决定了网上网络化条件下党员教育的成效。在传统的党员教育过程中,党组织工作人员处于一种信息优势的地位。通过这种信息优势,在教育过程中比较容易树立威信,得到受教育者的尊重和认可。然而,在网络时代,这种优势部分丧失了。部分党务教育工作者由于对计算机基础知识特别是网络知识和技能知之较少,面对飞速发展的计算机和网络科技往往不知所措,心有余而力不足。因此,提高素质是他们迎接网络时代挑战的一个重要课题。

五、网络化对党员教育带来的机遇

(一)教育阵地和教育内容扩大化

网络的发展使网络传播日益成为一种重要的传播手段。教育方式不在局限于传统教育的书本和课堂,受众更加广泛。

(二)教育便利化

随着计算机和通信技术的不断发展,网上快速传播、同步交流、网络教育不在受空间和距离的影响,党员同志可以在不同的地方通过网络实现同时教育,有利于组织外地工作党员参加学习教育,通过网络教育,组织教育活动时间和费用上也更经济。

网络与因特网的区别范文3

一、虚拟社区的特性

隐匿性。虚拟社区中的成员可以通过身份认证相互区分,但没有指纹、DNA 这些与生命有关的严格认证。成员一般都采用虚拟的匿名身份,并且一个人可以有几个成员名字,或者有多个 IP 地址。这样的特征隐瞒了成员在现实社会的真实身份,使得人与人之间的交流互动变得简单。虚拟性是虚拟社区的本质特性,不具备虚拟性的社区就不能称之为虚拟社区。

跨地域性。虚拟社区依托电子计算机技术、远程通信技术,实现了世界各地的人们之间的密切联系,满足了跨地域生活共同体的形成。虚拟社区摆脱了人际互动范围上的地域限制,人与人之间的距离通过网络媒介的互动而拉近,这是虚拟社区区别于现实社区的重要特点之一。

人际关系的松散性。虚拟社区以网络媒介为基础,“隔离”地将陌生的人与人连接在一起,形成虚拟社区中陌生的人际关系,因此虚拟社区成员的地理分布可能遍及世界每个角落,这就形成了人际关系的松散性、动态性和不稳定性。

开放性。在虚拟社区里身份认证和获得并没有现实社会中那么严格和复杂,大多是为了管理监控和统计日访问数量的需要,因此虚拟社区更具开放性。它依托电子信息技术,使得其成员不再受地域、年龄、职业、性别、种族、肤色的限制,凡是对某一社区有兴趣或有需要的人都可以通过简单的注册获得该社区成员的身份。不仅如此,虚拟社区的信息资源也是相当广泛,一个具备相关技术的虚拟社区,可以使全球各国人民涉足其中,并在该社区实现社区文化共享、信息共享、资源共享,他们集体开放资源,集体享受资源,是社区资源的创造更新者和享受者。

二、虚拟社区背景下大学生网络道德培育内容

虚拟社区与网络社会大环境的不同之处在于虚拟社区的隐匿性和自由性,因此,虚拟社区的规范治理与和谐发展更依赖网络道德培育。

(一)网络道德认知培育

网络道德认知培育是培育大学生对网络行为的是非善恶进行评价的思想、观念和理论体系,它应该包括网络道德观念培育、网络社会行为分析能力培育、网络道德评价能力培育。人的道德行为不是人的本能性的适应活动,它必须以一定道德认识为基础。面对虚拟社区信息良莠不齐、舆论是非难辨、行为真假难分、观念存在多元价值的特点,虚拟社区的网络道德认知培育不仅仅是灌输简单的网络道德规范,而是面对错综复杂、变化多端的虚拟社区,通过传授网络行为准则和道德规范,培养和提高大学生的道德判断和行为分析能力达到网络道德培育的目的。网络道德认知培育不仅仅包括大学生思想教育和政治理论教育,更重要的是网络道德教育。随着网络道德培育在虚拟社区的实践发展,法制教育和心理教育也纷纷列入网络道德认知培育的范围。

(二)网络道德意识培育

网络道德意识是一个多维度、多层次的心理活动系统,是网络道德情感、网络道德意志、网络道德信念的统一体。因此网络道德培育应该以爱国主义教育为重点,以理想信念教育为核心开展大学生的网络道德意识培育。虚拟社区中的网络道德情感培育主要是引导大学生对自己和别人的网络舆论或行为产生良好的道德情感和内心体验,具体体现在民族认同感、国家责任感、社会义务感、集体归属感以及对他人的道义感和对全世界的人道感。它旨在培养大学生在纷繁复杂的虚拟社区情感世界里树立系统完整的思想观念和价值取向,使大学生在虚拟社区的生活中不忘自身道德信仰,保持积极乐观的态度,不忘对社会的道德感、责任感和使命感。另外,网络道德意识培育还要注重培养道德主体对虚拟社区网络道德的判断、决策以及外化行为的能力,培育和引导网络道德主体不受虚拟社区诱惑因素、多元舆论的影响,能够自主调节情感和行为,特别是具备自主意识、自律意识、自觉意识等等。虚拟社区背景下的网络道德意识培育应该以网络道德价值原则的传授为起点,训练大学生网络道德判断的能力,注重培养大学生在虚拟社区中的尊重意识、责任意识、自律意识等基本道德规范。

网络与因特网的区别范文4

关键词:网络营销;信用风险;风险识别;风险管理

中图分类号:F270.3文献标志码:A文章编号:1673-291X(2009)15-0031-02

菲利浦・科特勒对网络营销最初的定义是“一种使一个人利用电脑和调制解调器建立信息渠道,调制解调器将电脑与电话线连通,从而使电脑用户得到各种网上信息服务。”网络营销发展到今天,互联网的连接方式、用户从网上获得服务的具体内容业已发生了很大改变,从最初提供单纯的信息服务到通过网络销售实体物品,此时的网络营销较之从前,其特征既包含网络的虚拟易,又要实现实体物品转移。当交易双方(在网络虚拟交易与现实交易之间)信息对称时,就不会因此而产生信用风险;当交易双方的信息不对称性时,就会形成网络营销信用风险。国外信用风险管理是从信用行为主体寻找风险要素,其前提是交易主体现实数据与网络数据的一致,从而实现网络的虚拟交易约束现实实体物品的按约定转移,而其信用风险管理虽然能解决外国网络营销信用风险,却不能解决中国网络营销信用风险。中国网络营销的现状是:网络营销中网络虚拟交易与现实交易之间信息严重不对称,我们不易甚至无法正确获知交易双方信用水平相关数据,因此无法实现交易主体现实数据与网络数据的一致性,也就无法通过信用行为主体寻找风险变量,更不能因此形成信用风险管理模式及对策。

网络营销全部内容得以实现的前提完全依托信用。对比于传统营销模式中“消费者可以走入店面、实际触摸或感受所需的商品及服务,信用在现实中得以保证”,网络营销前期买卖双方在虚拟的网络中彼此选择,双方的信用就成了最重要影响因素,决定了交易过程中双方能否履行买卖行为的各种约定,决定了下一次交易的可能性。因而,中国的网络营销信用风险管理既无法引用国外成功的经验和手段,又必须使其具有传统营销的信用保障,这就使得中国网络营销信用风险具有特殊的含义,网络营销信用风险管理也要采用特殊的模式。

1.网络营销信用风险识别、分类

当我们无法从网络营销的行为主体上寻找风险变量时,网络营销信用风险管理的特殊性使我们只能从网络营销的行为客体即交易商品角度寻找降低风险的途径。网络营销信用风险产生来源于虚拟交易对应实体物品(货款和商品)的转移过程,其包括两个方面的内容:其一,在交易中从买方支出货款直到卖方收入到账。此时,买方主要关注自己的注册及交易信息是否安全,其支付的款项能否顺利进入目标账户;卖方关注的主要问题为能否按照约定从买方获得货款。其二,在交易中商品从卖方发出通过物流渠道直到买方验货完成。此时,买方关注的主要问题是自己能否按约定获得商品;卖方则主要考虑发出的商品能否顺利、安全到达购买者。

综上所述,网络营销信用风险形成于交易过程:买卖双方的信用形成了交易的不确定性,进而产生了中国特殊的网络营销信用风险。因此,这里的网络营销信用风险主要来源于两个方面:货款支付风险与商品物流风险。

2.网络营销信用风险分析

风险=交易概率×损(益)值

在其他条件不变的情况下,交易引起的风险与商品价值含量或储运易损度成正比变化。具体分析如下:(Ⅰ)A区,商品价值含量较大,较易损坏,其网络营销信用风险大。(Ⅱ)B区,商品价值含量很小,不易损,此类商品在网络营销的过程中信用风险小。(Ⅲ)C区、D区,网络营销交易客体由于其价值含量较大(不易损)或储运易损度较大(价值含量低),其在网络营销过程中信用风险较大。

依据上述分析,网络营销信用风险管理,应从商品价值含量和商品储运易损度这两个因素入手。买卖双方应根据实际交易商品或服务的具体特点,采取两方面分析的方法,进而选择适合自己的信用风险管理模式及对策。

从上述网络营销信用风险分析图可以将网络交易分以下四种交易类型分别讨论:

1.处于C区的交易客体价值含量大,储运易损度很小

由于其网络营销信用风险主要影响来自于交易客体价值含量,信用风险管理的关键环节在于如何保证支付的安全可靠性,风险规避方法可以考虑提高交易定金,选择相对安全、可信、可靠的第三方交易平台,以提高交易成功概率即降低虚假交易的风险。

2.处于D区的交易客体价值含量很小,储运易损度大

由于其网络营销信用风险主要影响来自于商品的运输过程及服务过程,信用风险管理的重点则应置于如何保证商品运送的完全性及服务过程的满意度。此时,物流环节是影响网络营销信用风险的关键因素。风险管理的对策应是选择信用水平高、服务质量好的第三方物流,储运此类交易商品,实现商品运送的完全性及服务过程的高满意度,提高交易成功概率,降低网络营销信用风险。

3.处于A区的交易客体价值含量和储运易损程度都偏大

此时网络营销信用风险管理应考虑资金支付安全与商品储运两方面内容。首先,提高交易定金,选择相对安全、可信、可靠的第三方交易平台;同时应选择信用水平高、服务质量好的第三方物流,储运此类交易商品,实现商品运送的完全性及服务过程的高满意度,提高交易成功概率,降低网络营销信用风险。

4.处于B区的交易客体价值含量和储运易损度都很小

此类商品在网络营销过程的信用风险很小,企业网络营销只需完善交易流程,提升企业形象,提高客户忠诚度和下次交易比率。

总之,网络营销信用风险管理应从交易客体价值含量和储运易损度两个因素考虑。其宗旨是保证交易成功概率,降低可能损值,以实现减小网络交易信用风险,从而实现网络营销信用风险的有效管理。

本文是在制度不完善、机制不合理、行为主体信用度低的条件下,通过分析网络营销交易过程,从商品自身特点出发识别网络营销信用风险并给予适当分类,进而指出网络营销信用风险管理应考虑交易客体的价值含量及储运易损度两方面内容,并在此基础上分析网络营销信用风险管理模式及对策。这种采取管理交易客体、制约信用行为主体、约束其网络交易行为的方法,在一定程度上提出了中国网络营销信用风险管理的有效途径。

由于中国网络营销正处于不成熟发展阶段,其管理制度、机制等各个方面内容仍需进一步摸索。网络营销的发展是一个长期而且曲折的过程,仍需网络主管部门及社会各界人士的共同努力:建立健全网络管理制度、法规,发展、提升网络安全技术,规范网络营销交易主体行为,开拓、完善网络营销渠道等等。规范网络营销主体行为,消除网络与现实信息的不对称性,才是网络营销信用风险得以解决的根本途径。

网络与因特网的区别范文5

关键词 网络人际信任;网络交往;人际信任

分类号 B849:C91

1 前言

随着科学技术的发展,网络在人们日常生活中发挥着日益重要的作用。中国互联网络信息中心(CNNIC)的《第31次中国互联网络发展状况调查统计报告》显示,截至2012年12月底,中国网民数量达5.64亿,互联网普及率为42.1%;在各种网络应用中,交往性的网络应用(如即时通信、社交网站、微博)所占比例最大。这表明互联网已经成为人们生活中不可或缺的一部分,且网络交往是人们使用网络的主要目的之一。而网络交往的匿名性、异步性等特点,在带给人们便利的同时,也导致交往对象的不确定性,从而使网络交往存在明显的风险。百度的《2011阳光报告》的数据显示,仅在2011年上半年,就有大约10%的网民遭遇过网络诈骗。对于这一现象,刘志江(2010)在2010年中国互联网大会就曾指出:“当前全球互联网正处在由‘可用’互联网向‘可信’互联网过渡升级的阶段,建设可信互联网是关键的一步”。在网络交往中,交往双方的信任能够促进个体承诺(Colquitt,Scott,& LePine,2007;DeLaat,2005),加强网络中的合作、信息交换(Pettit,2008)。因此,网络交往中的人际信任问题得到了研究者的广泛关注(Bagheri,Zafarani,& Barouni—Ebrahimi,2009;Kim & Song,2011)。

本研究从内涵及特点、产生机制、影响因素及其对个体行为的影响4个方面对网络人际信任的相关研究进行梳理和整合。

2 网络人际信任的内涵及特点

2.1 网络人际信任的内涵

对于网络人际信任的概念,国内外学者尚未形成统一的界定。Corritore,Kracher,& Wiedenbeck(2003)把网络信任定义为在一个有风险的网络环境中,个体对其自身的弱点不会被利用的一种期望;胡蓉和邓小昭(2005)认为网络人际信任是现实中的人在网络虚拟生活空间中,借助信息交互行为而表现出的对对方能够履行他所被托付之义务及责任的一种预期和保障感,并通过特定的网络信任行为体现出来;也有研究直接借鉴线下人际信任的定义,即个体在人际互动过程中建立起来的对交往对象的言词、承诺以及书面或口头陈述的可靠程度的一种概括化期望(Feng,Lazar,& Preece,2004)。

网络人际信任既是人际信任的一个维度,又是网络信任的一种类型。各学者对其界定虽有不同,但它们有两个共同特征:首先,在网络交往过程中存在潜在风险;其次,在交往过程中一方对另一方存在一种积极的预期。综上所述,本文借鉴Rotter(1967)对线下人际信任的界定,并结合网络人际信任的特征,将网络人际信任定义为:在有风险的网络人际互动过程中,个体基于交往对象的言词、承诺以及书面或口头陈述,对其可靠程度形成的一种概括化期望。

2.2 网络人际信任的特点

由于网络交往的匿名性、异步性等特点,网络人际信任的主体呈现出双重存在性,具体而言,一方面网络交往中的信任主体表现为ID或昵称:同时,他们也是现实中的个体,是最终承担信任心理和行为的主体(胡蓉,邓小昭,2005)。此外,与线下人际信任相比,网络人际信任表现出一些新的特点,即网络人际信任的脆弱性和认知性。

2.2.1 网络人际信任的脆弱性

由于网络交往的匿名性、异步性等特点,使得个体的网络行为具有不可预期性,个体经常置身于不确定性的风险中。网络交往的匿名性,并不单单指个人的身份、还包括交往过程中的时间、地点、内容等其它因素:再加上网络中虚拟的身份、虚拟的行为、虚拟的感情、虚拟的社区,使一切都处于不确定之中,这就导致了网络人际信任的脆弱性(Wang & Emurian,2005;Wilson,Straus,& McEvily,2006)。研究表明,与现实人际信任相比,网络人际信任的形成相对较慢,且更容易中断(Wilson et al.,2006)。双自我意识理论指出,在CMC中,个体的公我意识降低,私我意识升高。具体而言,个体更倾向于表达自己的真实感受,而非关注他人的评价和自我形象,此时,过分关注自我感受会对个体的形象造成消极影响。当个体的自我形象不佳时,他人就无法对其形成积极预期,因此,人际信任在网络交往中较难形成,表现为脆弱性。

2.2.2 网络人际信任的认知性

Lewis和Weigert(1985)将人际信任分为认知型信任和情感型信任,据此,Ho,Ahmed和Salome(2012)也将网络人际信任区分为认知型和情感型。研究表明,在网络人际信任中,认知信任占主导地位(Ho et al.,2012)。社会临场理论和社会线索减少理论指出,在网络交往中,有限的网络导致了交流过程中社会线索的缺失,特别是沟通双方的视觉线索、听觉线索等。而这些线索是人际交往中重要的情感线索,如果这些线索缺失,个体就无法获得社会人际信息,并导致沟通双方产生更多的争论(Joinson,2003)。此时,沟通双方缺乏对对方情绪的察觉和自身情绪的激活,使其将注意从信息接收者转向任务。因此,在网络人际信任中,个体以认知信任为主,而非情感信任。

综上所述,网络人际信任的脆弱性和认知性主要建立在网络交往特点(匿名性、去社会线索性等)的基础上。但近年来,随着网络技术的发展,特别是Web 2.0的兴起和应用,网络交往中的社会线索逐步增加、匿名性逐渐减弱,这也导致现有研究与网络发展现状之间存在脱节现象。

3 网络人际信任的产生机制

3.1 网络初始信任和快速信任

一般而言,初始信任是在没有先前经验的基础上,沟通双方根据第一次交往而形成的。研究表明,网络初始信任在个体人际交往、电子商务中发挥着重要作用(Kim,Shin,& Lee,2009;Wu,GH.,Hu,& Wu,Y.H.,2010)。Rusman,van Bruggen,Sloep和Koper(2010)提出了网络信任的前因模型,该模型将初始人际信任的影响因素划分为5个方面:(1)公共性,即信任双方共有的个人特性,如相似的人格特征、使用相同的语言等;(2)能力,即受托方履行其诺言的能力;(3)仁慈,即受托方对委托方的积极态度,包括共享、友好、开放性等;(4)内部规范,即指导受托方行为的内部规范,包括正直、公平、诚实等;(5)责任感,即个体对自己行为的负责程度。

近年来,虚拟团体逐渐增多,Lipnack和Stamps(2008)认为,虚拟团队的成功始于信任,因此,在短时间内形成信任对虚拟团体至关重要。Meyerson最早提出了快速信任这一概念,在随后的研究中,研究者认为快速信任是常规信任发展的第一阶段,他们将快速信任等同于初始信任(Hung,Dennis,& Robert,2004)。

目前,对快速信任的研究主要集中于虚拟的任务团体中,并将其作为特殊网络情境中的初始信任;针对网络初始信任的研究大多集中于电子商务领域中,即顾客对新网站的信任程度及其购买行为;在网络交往情境中,初始人际信任的研究还比较缺乏,因此,今后应重视对初始人际信任的研究。随着Web 2.0的兴起,越来越多的人开始在网上展示自己的照片。已有研究表明,在线下人际初始信任中,面孔可信度是一个重要的影响因素(Oosterhof & Todorov,2008;徐芬,邹容,马凤玲,吴定诚,2012)。那么,在网络交往中,除上述5种影响因素外,面孔可信度是否也会对个体的网络人际初始信任产生影响,及其作用机制如何,这也应该成为我们进一步关注的焦点。

3.2 网络人际信任的过程模型

对于网络人际信任的形成、维持机制,有研究者持过程观。胡蓉和邓小昭(2005)指出,网络人际信任的产生机制是预设性信任、基于知识的信任和在信任的过程中进行主观判断,并在此基础上建立了网络人际信任的动态模型。该模型是以预设性信任为前提,随着“知识”的积累,个体对网络交往中的另一方进行主观判断的过程。Kuo和Yu(2009)以工作取向的虚拟团体为对象进行研究,结果发现,团体成员间人际信任的形成、维持包括3个阶段:第一阶段为基于计算的信任,在该阶段,虚拟团体表面上处于和谐状态,但成员间的合作行为是建立在对行为后果预期的基础上:第二阶段为基于知识的信任,即信任是建立在他人先前行为的可预测性的基础上,该阶段是成员间冲突的高发期;第三阶段是基于认同的信任,该阶段处于信任的成熟期,此时成员间的冲突已基本得到解决。

3.3 网络人际信任的计算模型

近年来,随着网上服务和网络社交团体的不断增多,信任的计算模型越来越受到研究者的关注(Kim & Phalak,2012;Zolfaghar & Aghaie,2012)。信任的计算模型可分为评估模型、传播模型和预测模型(Zolfaghar & Aghaie,2012)。评估模型主要用于在大规模分布式系统中估计用户的可信度(Caverlee,Liu,& Webb,2010);传播模型在于建立通过网络信任传递的信任推理模型(Golbeck,2005),它是建立在已有信任关系的基础上,而对于只有少量信息的新用户没有直接作用;预测模型使用已有的预测方法衡量用户的可信任程度(Zolfaghar & Aghaie,2012)。这些模型主要由计算机领域的学者通过加权平均法、模糊推理法、云理论等数学方法计算得到。它们主要由系统开发商、软件维护者通过一定的数理方法来推测个体的信任水平,在此基础上,由软件商家向其用户进行推荐、隐藏其他用户,如交友网站中,系统软件会向用户推荐“可能感兴趣的人”等。

综上所述,网络人际信任的产生、发展是一个动态的持续过程(Urban,Amyx,& Lorenzon,2009),受信任双方持续交互和交往时间的影响(Turilli,Vaccaro,& Taddeo,2010;Yang & Lim,2009),但双方即使没有先前的经历或交互,信任也是可以形成的(Koufaris & Hampton-Sosa,2004)。初始信任是常规信任的第一阶段,现有研究却没有将其纳入网络人际信任的发展阶段中;在网络人际信任的发展过程中,没有系统地区分网络人际信任的产生、发展过程中的各阶段,且缺乏科学、有效的划分标准。

4 网络人际信任的影响因素

根据社会认知理论,网络人际信任受网络环境、使用者和使用者的行为三者及其交互作用的影响。此外,社会文化因素也对个体的网络人际信任产生影响(Sayogo,Nam,& Zhang,2011)。因此,本文将网络人际信任的影响因素概括为4个方面:网络环境因素、网络使用行为、个体因素和社会文化因素。

4.1 网络环境因素

网络环境是影响个体信任水平的重要因素,研究表明,在网络团体中,个体在合作性情境中的信任水平显著高于在竞争性的情境中(Hill,Bartol,Tesluk,& Langa,2009)。此外,网络中的第三方保障机制和网络社区成员间的相似性也会对个体的网络人际信任产生影响(Golbeck,2009;Kim & Song,2011;Ziegler & Golbeek,2007)。

4.1.1 第三方保障

第三方保障是一种简单、有效的信任机制。在社交网络中,通过熟悉的第三方认识他人,能够增强陌生网民之间的信任感,即产生信任转移。信任转移的基本模式是:尽管A与c不熟悉,但只要A信任B,B信任C,那么A就会信任C(Wong & Boh,2010)。以熟悉的好友作为中间桥梁,能显著降低网络交往中的信任风险(Beldad,De Jong,& Steehouder,2010;Benediektus,2011),且个体问的相互影响对信任转移有积极作用(Delgado-Márquez,Hurtado-Torres,& Aragón-Correa,2012)。作为一种信任机制,第三方保障在电子商务中也经常使用,研究表明,第三方保障能提高消费者对陌生网站的信任水平(Kim & Song,2011)。

4.1.2 兴趣、价值观的相似性

对有各种兴趣、目标、需求的个体而言,网络社区是重要的交往平台(Kim,Park,& Jin,2008;Wang & Chen,2012)。用户基于自身的需求,选择进入相应的网络社区,社区成员之间的相似性能够促进他们的交流分享,进而提高其信任水平(Golbeek,2009)。在网络社区中,虚拟团体成员之间兴趣、能力、角色、价值观的相似性对网络人际信任的建立发挥了积极作用(Matsuo & Yamamoto,2009;Skopik,Schall,& DustdaL 2009;Wu,Chen,& Chung,2010)。

4.2 网络使用行为

以往研究表明,网络使用行为对个体的网络信任水平有促进作用。具体而言,交往双方之间的相互影响、交往时间、认同感以及交往情境中的临场感对个体的网络人际信任水平有正向的促进作用(Delgado-Márquez et al.,2012;Hassanein & Head,2007;Mesch,2012;Yang & Lim,2009);可感知的信息超载与网络人际信任显著负相关(Beaudoin,2008)。Ratan,Chung,Shen,Williams和Poole(2010)以多人在线游戏为研究对象,结果表明,个体间的社交关系越亲近,其信任水平越高,即处于同一团队中的个体间的信任水平最高,对团队之外的其他游戏玩家的信任水平次之,而对非网络游戏用户的信任水平最低。

4.3 个体因素

网络人际信任是个体对网络环境中不确定性的看法(Turilli et al.,2010),是一种主观感受。因此,网络人际信任受个体特征的影响,如性别、网龄、信任倾向等。

4.3.1 性别

研究表明,在网络环境中,男性更倾向于认为“大部分人是可信任的”(Alesina & La Ferrara,2002)。也有研究以网络购买行为为指标研究网络信任,结果表明在网络购物行为和风险感知能力方面存在显著性别差异,即女性表现出更低的信任水平以及更高的风险感知能力(Awad & Ragowsky,2008;Cho & Jialin,2008),且女性的隐私关注对信任的消极影响显著高于男性(Midha,2012)。Riedl,Hubert和Kenning(2010)采用fMRI技术对个体信任水平的性别差异进行研究,结果显示女性激活的脑区显著多于男性。

4.3.2 网龄

网龄是影响网络人际信任的一个重要因素。郁太维(2010)在研究中将信任对象区分为熟人和陌生人,并按网络行为分为情感性信任和工具性信任,结果表明网龄是影响大学生网络人际信任最主要的变量。其中,无论是与陌生人的交往还是与熟人的交往,网龄都正向影响工具性信任行为,而负向影响情感性信任行为。这意味着网龄越长,大学生网民的工具性信任行为越频繁,情感性信任行为越少。

4.3.3 信任倾向

信任倾向是一种人格特点,它是个体对人性的一般信任状态,而不是针对特定个体、团体的信任(Wu,Hu,et al.,2010)。研究表明,信任倾向对网络信任的形成有促进作用,即个体信任倾向的水平越高,则越容易形成对他人和团体的信任(Teo & Liu,2007;Beldad et al.,2010)。此外,信任倾向也能够显著地正向预测网络初始人际信任(Wu,Hu,et al.,2010)。

除上述个体因素外,移情的准确性和反应类型也对网络人际信任有显著影响,但移情的准确性本身对网络人际信任并不产生影响:只有当个体能正确感知他人的情感,并给予支持性的反应时,才能获得网络人际信任(Feng et al.,2004)。此外,个体的风险感知能力、隐私关注水平与网络信任显著负相关(Bianchi & Andrews,2012;Wu,Huang,Yen,& Popova,2012)。

4.4 社会文化因素

由于网络的广泛使用,跨地区、跨国界的兴趣、任务团体逐渐增多,使得不同文化下个体间的交流、合作成为必然。有研究表明,相同的文化背景下,人们有相似的价值观念,更容易产生网络人际信任(Sayogo et al.,2011)。Vishwanath(2004)选取了经济水平相似但文化各异的3个国家做跨文化比较,结果表明国家的主效应显著,加拿大的网络人际信任水平最高,其次是德国、法国。Liu和Rau(2012)在计算机为媒介的团队合作情境中,以中国学生和德国学生为研究对象,考察了文化对人际信任的影响。结果表明,在面对团体和个人利益的冲突时,依赖性的个体(如中国人)比独立性的个体(如德国人)更信任他们的团队成员。该结果支持了在相互依赖的文化背景下(如中国),个体间的人际信任是基于亲密关系而建立的;而在独立性的文化背景下(如德国),人际信任建立的基础是约定的规则。

综上所述,研究者已对网络人际信任的影响因素做了大量研究,但对其影响因素之间相互作用的研究相对缺乏,尚未对影响因素进行有效整合。

5 网络人际信任对个体行为的影响

网络人际信任作为个体对网络交往中不确定性的一种积极预期,也会对个体的行为产生影响。现有研究表明,网络人际信任对个体网络自我表露、知识共享、行为决策等网络行为有促进作用(Joinson,Reips,Buchanan,& Schofield,2010;Yang & Farn,2009)。

5.1 网络自我表露

在现实生活中,自我表露产生于信任之后。随着网络交往的普及,研究者探讨了网络人际信任对网络自我表露的影响,结果表明,网络人际信任水平越高,个体对交往对象的隐私保护就越少,进而促使个体的自我表露(Joinson et al.,2010;Yang & Farn,2009)。Wu等人(2012)对网络购物的研究也表明,顾客与卖家之间的信任关系能降低顾客的可感知风险,进而提高其个人信息自我表露的意愿。

5.2 知识共享

网络学习是互联网使用的主要方式之一,而知识共享是网络学习的主要形式(Yang & Farn,2009)。Yang和Farn(2009)的研究表明,情感信任能引发个体知识共享的意向;Hsu,Ju,Yen和Chang(2007)的研究也指出,基于认同的信任可以正向预测个体的知识共享行为。在上述两个研究中,情感信任和基于认同的信任都是指社区成员问基于情感互动而产生的人际信任,与本文中网络人际信任的内涵一致。Wu和Sukoco(2010)以泰国的一个iphone社区为研究对象,发现网络人际信任在个体成就动机对知识共享的影响中起调节作用,即人际信任为知识共享提供了一个良好的氛围,当个体可感知的信任水平高时,成就动机对知识共享的作用增强。

5.3 行为决策

研究表明,信任在帮助个体克服威胁和不安全感时起重要作用,尤其是在个体行为决策中至关重要(Tang,Liu,Gao,& Das Sarmas,2012)。Casaló,Flavián和Guinalíu(2011)以旅游社区为研究对象,考察了个体行为决策的影响因素,结果表明信任和信息的有用性是个体是否采取他人意见的决定性因素。电子商务领域的研究也表明,买卖双方间的人际信任对顾客的购买意向有促进作用(Bianchi & Andrews,2012;Hwang & Lee,2012)。

除上述网络行为外,网络人际信任也对其它网络使用产生影响,如它能够提高网络社区成员间的凝聚力(Hexmoor,2010)及其合作行为的满意度(Liu,Magjuka,& Lee,2008,),并对团队成就有积极影响(Chang,Hung,& Hsieh,2012)。综上所述,网络人际信任不仅能够促进网络使用行为,而且能够为网络行为的实施提供良好的氛围,进而改善了个体网络使用行为的心理感受水平。因此,网络人际信任在个体网络交往中发挥着重要作用。

6 研究展望

近年来,随着网络人际信任的研究逐渐增多,我们对其内涵及特点、产生机制、影响因素及其对个体的网络使用行为的影响有了一定程度的了解。但基于网络人际信任特点的相关研究尚处于表层阶段,网络人际信任的影响因素及其发展过程并不明晰,鉴于此,未来的研究应重点关注以下两个方面:

6.1 基于网络人际信任的特点开展深入研究

6.1.1 关注线下人际信任与网络人际信任的区别

网络人际信任与线下人际信任的不同特点,决定了网络人际信任的产生机制、影响因素及影响后效可能存在差别。如已有研究表明,在传统的线下人际信任中,人际关系是信任发展的基础(Keyon,2000);而在网络社区中,人际关系并不是信任发展的必要条件(Wade,Cameron,Morgan,& Williams,2011)。Frith和Frith(2010)关于人际信任产生的生理机制研究也发现,在线下人际信任的场景中,信任行为会激活个体的后颞上沟,该脑区与个体感知和加工他人的体态动作密切相关;但在网络交往情境下,由于交往双方缺乏体态线索,个体人际信任的产生是否会激活该脑区及其激活程度就存在质疑。上述研究结果均表明:网络人际信任有别于线下人际信任,需要后续的探讨进一步明晰。

6.1.2 重视网络交往的发展对网络人际信任特点的影响

近年来,随着网络技术的迅速发展,网络交往也发生了一些改变,如社会线索增加等,对此,我们应关注网络人际信任的特点是否也随之改变。首先,在以往研究中,研究者认为网络人际信任的脆弱性主要是由网络交往的匿名性、虚拟性造成的(Feng et al.,2004)。但近年来,部分网络交往平台需要用户实名注册(如人人网)、填写详细个人信息的做法一定程度上削弱了网络交往的匿名性,这是否也会进一步削弱网络人际信任的脆弱性?对于这一问题的探讨,能解答匿名性是否为网络人际信任脆弱性的根本原因。其次,研究者将网络人际信任的认知性归因于社会情感线索的缺失(Ho et al.,2012)。但近年来,网络交往平台中的社会情感线索逐步增加(如照片、声音信息等),这是否会导致个体网络人际信任中的情感成分逐渐增加,值得我们进一步研究。

网络与因特网的区别范文6

[关键词]网络社区 人际信任 交往能力 ITS

[中图分类号]B849[文献标识码]A[文章编号]1009-5349(2011)10-0017-02

引言

网络社区也称虚拟社区(Virtual Community)。这一概念首次被美国学者霍华德•瑞恩高德(HowardRheingold)在他1993年出版的著作《虚拟社区:电子疆域的家园》(The Virtual Community: Homestanding on the E2lectronic Frontier)中提出。他认为,虚拟社区是指网络中相当多的人展开长时期的讨论而出现的一种社会聚合,他们之间具有充分的人情(Human Feeling),并在电脑空间里形成了人际关系网络。[1]瑞恩高德没有将具体的交流手段作为社区的特质,也没有强调社区的空间意识,反而是强调了“人际关系网络”这样一个概念。因此,在本文中,也沿用他的思想,将网络社区定义为网络中具有一定稳定关系、互动频繁并对个体产生持续影响的社会集合。在这样一种视角下,我们可以看到,网络社区并非只有BBS这样一种形态。从结构上来看,某些网络社区是一个相对封闭的网上空间,而某些网络社区则是由一些网民基于兴趣或利益等关系链条所构成的一种可以延展的关系网络。但不管怎样,网络社区都可以视作一种“社会网络”(Social Network),即网络中的社会行动者(Social Actor)及其间关系的集合。

然而,对于网络社区中的人际信任度与现实人际信任度有着什么样的联系与区别,对于网络人际信任度的影响因素又有哪些等,日益成为这个网络时代不得不面对的问题。为此,我们做了如下的研究。

一、研究对象与方法

(一)研究对象

于2010年7月30日至9月15日,以电子邮件的形式随机在网络上发放500份调查问卷,问卷回收后得到的有效问卷为297份,其中男性161人、女性136人,问卷有效回收率为59.4%,平均年龄为20岁。

(二)研究工具

自制调查表:主要通过23道客观题调查被试的上网习惯和交际习惯来获取其网络人际信任度、现实人际信任度和现实交往能力。

人际信任评估:根据Rotter编制的人际信任量表(interpersonal trust scale,缩写为ITS)。[1]

(三)数据分析与统计方法

对调查结果的所得数据建立SPSS数据库进行录入以保证数据的准确与真实,数据分析采用SPSS16.0软件包进行统计分析处理。

二、数据分析

(一)影响现实人际信任的因素

从表中可以看出浏览网络社区的时间、对网络的信任度以及现实人际交往能力都对现实人际信任度(此处为ITS量表所测,以后均称为ITS现实人际信任度)有显著性影响,其中现实人际交往能力在0.01水平显著,具有极强解释力。

(二)影响现实交往能力的因素

通过上表可知,上网时间、网络人际信任度、交际方式与现实人际信任度都对现实人际交往能力具有显著性相关,即具有较强解释力。而且现实人际信任度对现实人际交往能力具有更强的解释力。

(三)性别差异对于网络社区信任的影响区域

男性

浏览网络社区的频率根据选项平均数分析可得,平均数越小的浏览网络社区越经常,但是二者的平均数都在2以下,因而男女浏览网络社区都较多,但男性较女性浏览网络社区更频繁。

女性

浏览网络社区的时间根据选项平均数分析可得,平均数越大的浏览网络社区越久,但每周女性较男性浏览网络社区时间更久。

对于是否参加网友聚会的问题,平均数越大表示越有可能参加网友聚会。分析可知,男性较女性更愿意参加网友聚会或与网友见面。

(四)年龄对现实人际信任度的影响

18岁以下

18岁至22岁

22岁以上

通过对18岁以下、18岁至22岁以及22岁以上的数据分别进行分析可以看出,平均数越小对现实中的朋友信任度越高,而18岁以下的更相信网络上的朋友,18岁以上的更相信现实中的朋友,但是变化趋势不特别明显。

(五)现实人际信任度对网络人际信任度的影响

相关性

**. 在0.01水平上相关l (双侧).

通过对nITS和网络信任进行相关分析可知,现实人际信任度与网络人际信任度在0.01水平上显著负相关。

三、讨论和结论

我们对所收集得到的数据进行了分析,对整理出来的信息进行了梳理,得到如下结论和推断:

(一)浏览网络社区时间越长,网络人际信任度越高;现实人际交往能力越高,现实人际信任度越低;网络人际交往度高,现实人际信任度低

互联网的使用对人在现实中的人交往能力和现实人际信任度都产生了影响。Katz和Aspclen1997年在美国所做的调查,研究比较了网络使用者和未使用网络者的社会化参与程度,结果发现这两者在社会参与和社会交往中并没有差异。他们得出的推论认为:“网络正在缔造一个友谊更浓厚、人际关系日益密切的国家。”但是与这项研究不同的是Leavltt和Whisler在1999年采用跟踪数据调查所做的一项研究,这项研究考察了被试上网前后一两年社会交往的变化情况,结果发现:大量地使用网络造成了社会参与活动的下降,与家人交流的减少以及当地社交圈的缩小,也增加了个体的孤独感。[2]通过我们此次的研究,可以得出这样的结论,网络人际交往度高反而现实人际信任度低。

对于网络社区的浏览时间与网络人际信任度之间的关系,我们认为是由于停留于网络虚拟社区中的时间增加而导致用于现实人际交往上时间的减少,因而交际圈开始向网络化虚拟化发展,所以相对的对于网络社区的人际信任度会有所增加。

(二)浏览网络社区的频率,男女浏览网络社区都较多,但男性较女性浏览网络社区更频繁

浏览网络社区的时间,每周女性较男性浏览网络社区时间更久。

对于是否参加网友聚会的问题,男性较女性更愿意参加网友聚会或与网友见面。

男女对于网络社区的浏览时间可以看出个人偏好的差异,一般青年男性上网主要是玩游戏、看新闻,而女性主要是浏览网页和聊天,这里看新闻和浏览网页就主要是属于浏览网络社区了,女性浏览网络社区的时间长可能由于其社会角色决定了其乐于交流的特点。

而女性对于网友聚会或见面的抗拒一是出于安全问题,二是在虚拟社区的交流更具有隐蔽性和不具名性,女性的选择可能象征着其自我保护的特性与想要交流的愿望之间的统一。

(三)18岁以下的人对现实人际信任度较低,而18岁以上的则对现实朋友信任度较高,随着年龄的增长对现实朋友的信任度也就越高

在现实社会生活中,人们之间的信任是建立在彼此熟悉和确信的基础上的。[3]但是在网络空间,人们的社会交往更像是一场陌生人之间的互动游戏,这在客观上增加了网络空间的风险性,从某种意义上可以说,结构性风险是网络空间包含的内在结构逻辑。[4]

在我们的统计中,18岁以后的被试现实人际信任度明显高于18岁以前的被试,这可能与其生活阅历丰富以及人格特质趋于完善的原因,但是为什么是18岁这个年龄阶段则是一个需要研究的问题。

(四)现实人际信任度越高,网络人际信任度就越低

现实交往能力和网络交往能力关系不太明显,现实交往能力越高网络交往能力略偏高,这可能与一个人的人格特质中的乐群性特征有关,也可能是其交际能力使然。因而网络人际信任与现实人际信任之间的关系并不呈现为我们之前所设想的负相关。

总之,网络社区中人与人之间的沟通,较少有社会面貌的接触。通过人―机―人的人际交往方式,较少道德束缚或社会规范,但有创意性。网络社区同样具有现实社区中才存在的强联系、中联系与弱联系的关系特性,同样可以取得社会支持,进而获得心灵的归属。网络社区把个人的思考过程从孤立无援的状态,转化成一种能与他人相互作用的动态过程。因此,我们应该正确了解与面对网络社区中人与人之间的关系,处理好网络社区与现实中人与人之间的信任关系。

【参考文献】

[1]Rotter J B.A New Scale for the Measurement of Interpersonal Trust[J].Journal of Personality,1967(4):651-665.