吴　江　施　立　曾敏讷

（武汉大学信息管理学院）

【摘　要】近几年来，信息系统的发展日渐成熟，并且广泛运用于各个领域。与此同时，随着工业化、城市化的进行和新的通信技术的兴起，社会呈现越来越网络化的趋势，社会网络也逐渐成为热门话题。本文对众多信息系统核心期刊中有关社会网络的文献进行了搜索、查阅和统计分类。首先简单介绍了信息系统和社会网络的基本概念以及目前的研究现状。然后将信息系统按业务类型划分成企业网络信息系统、社交网络信息系统以及公共服务网络信息系统，并简单介绍了各个领域最新文献的研究内容和研究要点。最后，对所有的研究现状进行了总结并且对未来的研究趋势提出了看法。

【关键词】信息系统　社会网络　社会网络分析　社会资本

A Review of Information Systems Research on Online Social Network

Jiang Wu　Li Shi　Minne Zeng

(School of Information Management，Wuhan University)

【Abstract】The development of information system becomes more and more mature in recent years，and it's widely used in various fields.With the rise of industrialization，urbanization and new communicationtechnology，society becomes more networked and social network is regarded as a popular topic.It's helpful for better development of information system by using ways of social network analysis.Therefore，we searched and classified papers relating to information systems research on online social network.This article is separated by business type into enterprise network，social network and public service network information system.Then the latest research content and main point in all fields are introduced briefly.At last，the conclusion of research status shows up and we predict future research tendency.

【Keywords】information system　social network　social network analysis　social capital

1　引　言

随着互联网技术的迅速发展以及大数据时代悄然来临，信息系统（information system，IS）已成为世界上许多领域必不可少的关键技术之一。概括来说，信息系统分为数据处理系统、管理信息系统、决策支持系统、专家系统和虚拟办公室五种类型。信息系统在我们生活中随处可见，专家学者对信息系统的研究和探索的方向非常宽广，形式多种多样。在Web 2.0的发展下，社会网络引起了人们的关注。从19世纪70年代以来，社会网络分析也渐渐成为学者们研究的热点。通过对于社会网络的分析，可以探索出一种结构的社会形态是如何影响其他社会单元的关键特征，例如创新、变革等。

目前，越来越多学者将信息系统和社会网络进行结合分析。从研究者关注热点的聚合度来划分，关于信息系统设计和开发方面，研究主题可以分为信息系统模式改善探讨和开发语言及思路的进展研究；关于系统使用角度，可以发现，从20世纪42%的文献主题关于社交网站系统研究，发展到在近年来企业和其他业务日趋强化信息系统使用的背景下，文献中占比34%的研究企业信息系统，以及18%的文献研究关于教育、公共服务等。同时，2014年以来，随着大数据和移动互联网的发展，移动网络和智能设备的主题文献也在不断增加。

利用社会网络相关理论和分析方法探究不同类型信息系统的发展机制和效应，利用网络结构、规模、密度探讨系统设计构念、使用者关系间的发展情况，能够有效地为系统设计方提供符合用户需求的设计思路，并且从不同种类系统用户关系的演化过程可以摸索出优化系统使用效果和减少学习成本的方法，从而不断提高工作效率并且改善各业务方满意度而产生双赢的结果。本文将着眼于系统归纳近年来学者以社会网络视角对于信息系统研究的文献主题发展情况，第一部分将介绍信息系统和社会网络的概况，从概念、特点和研究现状角度进行介绍；第二部分从企业网络、社交网络、公共服务中教育和医疗网络角度介绍三类业务信息系统在社会网络视角下的文献核心观点以及分析方法；第三部分对于前文进行总结并对未来研究趋势和热点提出看法。

2　研究概况

2.1　信息系统研究概况

信息系统在企业中运用非常广泛，也吸引了学者们的关注。学者普遍认为，在一个充满活力的市场竞争中，企业必须经常调整自己的竞争策略和信息系统。提高一个企业信息系统的战略适应度是信息系统管理部门在至少20年内的主要目标[1]。在金融机构中，信息系统的各项应用可能会具有攻击性并且成为金融机构内部的威胁[2]。学者对信息系统在其他领域也有许多研究。在卫生保健信息系统中，不同的拥护者之间的关系网络以及互动，使整个信息系统构成一个连贯的、有意义的整体，是推动信息系统被接受的动力[3]。在跨文化跨组织的信息系统中，其系统的实施是一个动态的过程，包括在两种不同的制度设定中所产生的识别、理解、管理调控，规范和认知挑战[4]。

目前大多数的信息系统学术研究都致力于对信息系统的早期使用和持续使用进行探索，但是对于终止信息系统使用的研究非常稀少[5]。因此有部分学者开始对使用信息系统的终止意图以及意义进行研究。研究表明，信息系统性能的不足、辅助系统可用度的有限性、低水平的技术集成是增加取代现有的信息系统意图的关键决定因素[6]。

与信息系统相关的业务，包括信息系统的整合并购研究[7]、信息系统开发中的专业知识整合与创新[8]、连环收购如何构造组织知识信息系统的集成[9]、信息系统外包项目的非正式控制的有效推广[10]等以及信息系统的功能，如信息系统、身份识别和身份之间的相互作用[11]、信息系统的吸收能力[12]等研究都是目前比较热门的信息系统研究方向。

2.2　社会网络研究概况

2.2.1　网络和社会网络的概念

对于网络和社会网络的概念众多学者都有自己的见解。Rogers和Kincaid[13]认为网络就是在一个系统中每个个体之间的所有相关联结形成的整体。Boyd[14]认为社会网络是主体获取信息、资源、社会支持以便识别与利用机会的机会结构。Thorelli[15]认为网络是两个或两个以上的组织间的长期关系，这种关系既非市场交易关系，也不是同一正式组织结构下的层级关系，而是介于两者之间的关系。这些学者对于网络和社会网络有不同的看法，但是可以归纳出，社会网络是强调特定时空范围内人、组织之间的一类相互关系。社会网络静态上体现为一种组织结构，但是动态中是在互动中不断演变甚至重构的。社会网络表现为一定的关系特征，没有固定发展的方向。这类关系网络是以信息交流为目的而存在，关系网络和虚拟网络都不受时间的限制。社会网络中节点体现为利益集中，节点中包含资源和信息，可以通过关系来引起信息和资源的流动。

2.2.2　社会网络分析

社会网络分析有助于对社会网络的理解，这是19世纪70年代后在社会学领域产生的新话题。社会网络分析则是从结构的角度侧重于社会网络强度及其影响因素。在社会网络分析中，“网络”可视为行动者的一系列社会关系或社会联系，由行动者和社会关系构成相对稳定的社会结构[16]。

（1）规模与位置。

社会网络的行动者与其他行动者存在一定的联系，规模测量是行动者与其他个体间关系的数量。关系的数量不是个体重要性的唯一指标，个体所处的位置也十分重要。并且，当行动者处于边缘位置时，桥梁位置比数量多少更为重要。位置可以表示为节点在网络中所处的结构位置和特性，表现在网络中的处境。

（2）强度与密度。

Granovetter[17]提出了“关系强度”的概念，强关系是在性别、年龄、教育水平、职业身份、收入水平等社会经济特征相似的个体间发展起来的，而弱关系是在社会经济特征不同的个体间发展起来的。网络中行动者之间关系的实际数量与最大可能数量的比例成为密度。网络密度表示网络中关系的稠密程度，测量的为联系本身。

社会网络的强度取决于行动者或网络成员的异质性[18]，异质性越大，社会网络在获取信息方面的作用也越大。同时，社会网络的强度还取决于社会关系的结构性状，比如个人在网络中的位置、个人的地位将决定社会资源的质量和数量，或个人拥有“结构洞”的数目。Burt[19]提出，网络成员间的关系断裂或不均等称作“结构洞”，拥有结构洞的人对于信息或资源的获取占绝对优势。

2.2.3　社会网络各领域研究

社会网络在发展中慢慢地演变成全球性的一项主流话题，对于社会、组织和经济都带来了不同的影响。学者们也在不同领域中基于社会网络的视角进行了有关研究。概括性的总结如附录A 所示。

（1）SNS 服务。

社交网络是一类提供社交性服务的网络站点，有即时通信（IM）、博客、社区网站到视频类网站等多样性的分类。社交网站中是提供用户娱乐性交友和信息交流的平台，Tzuo-Ming[20]在探讨Facebook 如何影响到同学关系的研究中发现，大学生在与其他同学联系前有确认其Facebook 状态的习惯，并且移动平台利用谷歌系统的同步功能，提供给用户随时随地的信息检索功能。通过结构洞测量，网络社区中用户水平与社会网络结构的构建关系发现网络深度的增加能带来商业价值[21]。

近几年来，有关在线社会网络（online social network，OSN）的科研文献数目也是逐年递增。Katharina Berger[22]等人对2003年至2013年的部分信息系统期刊和会议中的有关OSN 的论文文献进行了统计，得出了图1的结果。

图1　近年来发表在期刊（journals）和会议（conferences）中的在线社会网络论文文献数目对比图

由图1可以发现，从2008年开始，与OSN 相关的科研开始逐渐兴起，并且每年都以极高的增长率逐年增加。前三年中，大部分的论文是在会议中发表的。而在后三年中，期刊中相关文献的发表率也开始迅速提升。由此可见，与在线社会网络相关的研究在未来的科研领域会得到更多的重视，地位也会越来越重要。

（2）信息技术角度。

信息技术的改进可以提高社会网络的分析效果，可以探索出新的方法联系社会单元，并利用IT 构建创新型的社会联系。社交网络可解释和预测通过社会互动表示为节点之间的链接模式的网络结构，利用信息技术来进行网络分析可对于知识管理、战略管理、组织职能与创新领域进行探索，从社会意识对于用户的影响来看，IT技能的增加可以有效增强社会单元中的沟通以及跨组织联系[16]。

（3）企业组织。

社会网络存在于不同的组织中，并且企业生产、供应链、客户关系管理等系统结构中都有涉及。从员工系统的利用来看，员工在企业社会网络的嵌入性增强会带来工作效率的增强以及对于信息系统认知理解程度的提高[23]。社会支持和关系的建立带来了社会贸易，关系网络的范围广度将带来不同的消费者人群[24]。

（4）多产业线。

对于不同的业务中社会网络的研究也十分活跃。例如教育业中，关于E-learning，Caroline Haythornthwaite[25]提出创新利用社会网络进行考试的方式，说明电子学习中弱关系对于接触获得创新信息的重要性。医疗研究方面，Marsha Gold[26]提出通过社会网络可减少医疗业中种族和道德的分歧。Luis Fernandez-Luque[27]等提出创建优质的在线医疗社区内容可以提高医疗信任。

综上所述，目前科研界在信息系统和社会网络中的研究范围和角度都很宽广。本文接下来将具体探讨总结基于社会网络视角的信息系统研究，即在信息系统的各项业务中，以社会网络为基础的相关研究分析。

3　相关研究分类

信息系统种类繁多，利用社会网络视角对于信息系统进行研究的文献涉及多方面。按照业务类型进行划分可以分成三个角度：企业网络信息系统、社交网络信息系统以及公共服务网络信息系统。

3.1　企业网络信息系统

在前文提到的会议及期刊范围内，如图2所示，利用企业、员工、产品和社会网络作为关键字进行搜索，得到的利用社会网络视角对于企业系统进行研究的文献分布中，文献内容从公司整体发展入手的文献占比为22%，客户方面涉及客户关系管理及客户服务，对于员工系统的探究涉及员工绩效系统、员工关系网络等，业务方面包含较为广泛，包括产品计划系统、产品推荐机制，以及生产配送方面和会计系统，等等。

图1　近年来发表在期刊（journals）和会议（conferences）中的在线社会网络论文文献数目对比图

由图1可以发现，从2008年开始，与OSN 相关的科研开始逐渐兴起，并且每年都以极高的增长率逐年增加。前三年中，大部分的论文是在会议中发表的。而在后三年中，期刊中相关文献的发表率也开始迅速提升。由此可见，与在线社会网络相关的研究在未来的科研领域会得到更多的重视，地位也会越来越重要。

（2）信息技术角度。

信息技术的改进可以提高社会网络的分析效果，可以探索出新的方法联系社会单元，并利用IT 构建创新型的社会联系。社交网络可解释和预测通过社会互动表示为节点之间的链接模式的网络结构，利用信息技术来进行网络分析可对于知识管理、战略管理、组织职能与创新领域进行探索，从社会意识对于用户的影响来看，IT技能的增加可以有效增强社会单元中的沟通以及跨组织联系[16]。

（3）企业组织。

社会网络存在于不同的组织中，并且企业生产、供应链、客户关系管理等系统结构中都有涉及。从员工系统的利用来看，员工在企业社会网络的嵌入性增强会带来工作效率的增强以及对于信息系统认知理解程度的提高[23]。社会支持和关系的建立带来了社会贸易，关系网络的范围广度将带来不同的消费者人群[24]。

（4）多产业线。

对于不同的业务中社会网络的研究也十分活跃。例如教育业中，关于E-learning，Caroline Haythornthwaite[25]提出创新利用社会网络进行考试的方式，说明电子学习中弱关系对于接触获得创新信息的重要性。医疗研究方面，Marsha Gold[26]提出通过社会网络可减少医疗业中种族和道德的分歧。Luis Fernandez-Luque[27]等提出创建优质的在线医疗社区内容可以提高医疗信任。

综上所述，目前科研界在信息系统和社会网络中的研究范围和角度都很宽广。本文接下来将具体探讨总结基于社会网络视角的信息系统研究，即在信息系统的各项业务中，以社会网络为基础的相关研究分析。

3　相关研究分类

信息系统种类繁多，利用社会网络视角对于信息系统进行研究的文献涉及多方面。按照业务类型进行划分可以分成三个角度：企业网络信息系统、社交网络信息系统以及公共服务网络信息系统。

3.1　企业网络信息系统

在前文提到的会议及期刊范围内，如图2所示，利用企业、员工、产品和社会网络作为关键字进行搜索，得到的利用社会网络视角对于企业系统进行研究的文献分布中，文献内容从公司整体发展入手的文献占比为22%，客户方面涉及客户关系管理及客户服务，对于员工系统的探究涉及员工绩效系统、员工关系网络等，业务方面包含较为广泛，包括产品计划系统、产品推荐机制，以及生产配送方面和会计系统，等等。

图1　近年来发表在期刊（journals）和会议（conferences）中的在线社会网络论文文献数目对比图

由图1可以发现，从2008年开始，与OSN 相关的科研开始逐渐兴起，并且每年都以极高的增长率逐年增加。前三年中，大部分的论文是在会议中发表的。而在后三年中，期刊中相关文献的发表率也开始迅速提升。由此可见，与在线社会网络相关的研究在未来的科研领域会得到更多的重视，地位也会越来越重要。

（2）信息技术角度。

信息技术的改进可以提高社会网络的分析效果，可以探索出新的方法联系社会单元，并利用IT 构建创新型的社会联系。社交网络可解释和预测通过社会互动表示为节点之间的链接模式的网络结构，利用信息技术来进行网络分析可对于知识管理、战略管理、组织职能与创新领域进行探索，从社会意识对于用户的影响来看，IT技能的增加可以有效增强社会单元中的沟通以及跨组织联系[16]。

（3）企业组织。

社会网络存在于不同的组织中，并且企业生产、供应链、客户关系管理等系统结构中都有涉及。从员工系统的利用来看，员工在企业社会网络的嵌入性增强会带来工作效率的增强以及对于信息系统认知理解程度的提高[23]。社会支持和关系的建立带来了社会贸易，关系网络的范围广度将带来不同的消费者人群[24]。

（4）多产业线。

对于不同的业务中社会网络的研究也十分活跃。例如教育业中，关于E-learning，Caroline Haythornthwaite[25]提出创新利用社会网络进行考试的方式，说明电子学习中弱关系对于接触获得创新信息的重要性。医疗研究方面，Marsha Gold[26]提出通过社会网络可减少医疗业中种族和道德的分歧。Luis Fernandez-Luque[27]等提出创建优质的在线医疗社区内容可以提高医疗信任。

综上所述，目前科研界在信息系统和社会网络中的研究范围和角度都很宽广。本文接下来将具体探讨总结基于社会网络视角的信息系统研究，即在信息系统的各项业务中，以社会网络为基础的相关研究分析。

3　相关研究分类

信息系统种类繁多，利用社会网络视角对于信息系统进行研究的文献涉及多方面。按照业务类型进行划分可以分成三个角度：企业网络信息系统、社交网络信息系统以及公共服务网络信息系统。

3.1　企业网络信息系统

在前文提到的会议及期刊范围内，如图2所示，利用企业、员工、产品和社会网络作为关键字进行搜索，得到的利用社会网络视角对于企业系统进行研究的文献分布中，文献内容从公司整体发展入手的文献占比为22%，客户方面涉及客户关系管理及客户服务，对于员工系统的探究涉及员工绩效系统、员工关系网络等，业务方面包含较为广泛，包括产品计划系统、产品推荐机制，以及生产配送方面和会计系统，等等。

图2　企业系统进行研究的文献分布情况

3.1.1　产品系统

从产品方面来看，产品研发部门最需要的是创新性。从产品分解角度看，产品研发团队中对于产品的设计以及开发程序的操作组成了产品生成过程。Kratzer[28]通过实验法探索团队网络对于产品研发的影响发现，网络效率（可以接触交流的/团队总人数）高的团队对于产品设计只需花费较少的时间和精力。团队中两个节点的连接沟通不需要花费大量精力在中间过程的传播上，能够节约大量的人力和时间成本。Burt[19]曾提出，一个开放的社会结构会带来更多的发展机会。对于关系强度大的团队来说，拥有更多机会进行观点阐述，同时一个拥有非严格上下级关系的团队能够让更多成员各抒己见，同时创新性更强。Storto[29]利用结构矩阵工具和社会网络分析的思路来研究产品研发过程的绩效问题，利用中心度探测均匀性的和非均匀性的信息在团队中的流通情况，发现信息在开发产品的过程中是呈分散式传播的，这些信息的分散性和不确定性并非完全危害性的，相比于模糊的信息这些可能带来更多的机会和创新。利用社会网络分析的视角进行研究，因为社会网络主要站在动态的角度探究产品设计和开发中的进程发展，探究沟通协调过程中产生的效率提升问题。从产品扩散角度看，鲜于波[30]等基于复杂网络对间接网络效应下产品扩散现象进行探讨，采用计算经济学建模方法研究在个体交往关系的复杂网络形成后，“软件”数量在厂商自行决定后，用户数量变化导致个体的决策和全局变量间存在双向交互影响作用，并展示了直接网络效应和间接网络效应在产品扩散中的区别和产品锁定发生的条件。

3.1.2　员工系统

对员工系统的探究方面，学者主要在社会网络下探究员工间的协作工作以及对员工绩效的影响问题。Yang[31]从P2P 网络中员工知识分享体系探索员工协作的进程，利用对等网络或即时通信工具进行知识分享时可能遇到无法找到共联的知识体系以及寻找知识共享对象的难题，在个体讨论或团体会议时知识分享需要不受时空和地理的限制，利用社会网络理论概念，选取企业中150人作为调研对象，跟踪其利用对等网络及企业通讯工具进行显性和隐性知识交流的情况，对内容信息和交流关键词进行分类归纳后，发现知识分享系统中内容源的管理效果和质量控制对于知识分享的效率有正向影响。通过计算知识关系联系和企业关系联系，量化后建立矩阵从而分类知识内容以及知识传播者，得到克服员工知识分享难以高效实现的解决措施并且发现传递关系对知识分享带来的隐性效果。杨斌[32]在研究虚拟团队知识分享时，根据社会嵌入理论和知识共享过程，借助网络关系中互助导向的根本属性，提出知识共享平台为网络节点，虚拟团队在知识传递、吸收和反馈过程中结合社会网络分析导向进行知识创新的结构模型。Sykes[33]等从企业建议网络探究企业系统中员工绩效问题，从员工建议网络的角度对比企业使用ERP 系统前后影响员工绩效的关键因素。从员工网络嵌入度和联系来解析员工的建议机制以及其中产生的沟通和友谊，将建议分解成工作流建议和软件层建议，再利用假设检验法发现建议网络对于员工知识技能有显著提升从而提升绩效以及工作满意度。杨隽萍[34]基于社会网络和企业知识理论研究浙江省创业者社会网络规模与网络的强度能促进企业发展，提供企业效益的问题。创业者和员工个体间知识的流动和共享以及对于网络的构建和维护效果越好，随之产生的绩效和收益越高。从个体进行工作搜寻行为来看，董占奎[35]在经典工作搜寻理论上，发现社会网络作为员工求职的重要信息渠道，对于搜索者来说资源能有效提高利用率，并且个体处于待业期时段大大减少，对于劳动力市场效率明显提高。

3.1.3　公司全局系统

从公司全局系统看，姚小涛[36]等在强关系和弱关系的理论假设基础上，提出社会关系能提高企业竞争优势，同时发现强弱关系在资源和信息传递过程中扮演的角色差异。Wu[37]等从IBM、德勤等企业不断利用社交网络与公司内部成员、其他公司或用户之间创建强弱关系，这将有利于得知员工间的关系处理、战略层知识体系以及人力资源决策和资源分配方面的信息。企业间的社交与私人关系不同，强关系将有利于获得及时的信息支持反馈和信任建立，弱关系有利于招聘和其他公司信息传播。从强弱关系与职业亲密和私人亲密的角度构建矩阵，发现社交网络下员工不同关系状态带来的不同属性的亲密程度以及如何影响企业关系处理系统的机制。从产业角度看，梁潇[38]在2008年利用信息论加权的社会网络分析法对于三螺旋创新模式的信息流进行研究，利用信息流在产业与政府间的流动关系，介绍三重螺旋基本观点，提出结合中心度思想的结合创新信息活动的主体分布问题和具体算法。从用户角度看，Ju[39]等发现用户参与到公司ERP 系统中的社交网络之后，可提高用户活跃度以及满意度。在CRM 系统方面，Wu[40]等利用组织检测、进化追踪和组织生命周期进行建模来探究区别于传统客户关系管理的模式，以在社会团体中发现企业的潜在用户。从用户忠诚度角度看，Sun[41]在探究社会网络服务下用户信任、认知以及忠诚度的发展关系，企业可以建立依托于社会网络下客户服务的维持系统，与客户建立可信赖的关系并且传播企业广告信息。企业社区建立有益于提高用户信任，对于社区中用户的数据挖掘可将用户进行分类，对于不同用户进行个性化的产品推荐机制，同时及时解决用户困难以提高用户忠诚度。

3.2　社交网络信息系统

近年来，随着互联网的发展和普及，在线社交网络（onlinesocial network，OSN）逐渐引起学术界的广泛研究。越来越多有关在线社交网络的文章在核心信息系统期刊上发表。以在线社交网络为关键词的文章比例从2008年到2013年上升了31%之多。相关研究内容涵盖范围也非常广泛，包括在线社交网络的特征、用户体验、私密性、组织和社团中的在线社交网络以及在线社交网络的设计，等等[22]。

在线社交网络之所以会在各大信息系统期刊上发表，是因为在线社交网络背后，存在着许多不同的信息系统。有一些是由数据构成的信息系统，如Facebook 后台数据库中，所有用户的信息、日志和照片等。利用这类信息，我们可以了解一个用户的情感、生活以及性格。还有一些是虚拟的信息系统，是一种以用户为节点、相互关系为连边的社交网络信息系统。利用这种系统，我们可以了解到不同用户或组织之间的关系、亲密度、信任度等，探索社会形态模式下的人与人之间的联系。

在线社交网络分析以及更宽泛的网络分析，都提供了一种丰富、严谨、系统的手段，让学者和组织领导者能够更好地评估他们的各种数据信息和系统。基于Web 的服务，如Facebook 等，也传递出新的手段，使人际关系更加透明和可追溯[16]。

笔者将目前许多核心信息系统期刊中与在线社交网络有关的文章进行汇总后，分成若干个不同的研究类型和方向，这些文章在一定程度上也标志着目前信息系统相关研究中社会网络视角的主流研究方向。

3.2.1　综述型文章

由于在线社交网络以及社会网络等相关研究内容都是最近几年才逐渐火热起来的研究热点，因此相关的综述型文章非常稀少。但也正因为此类文章稀少，才显得非常珍贵和重要。通过综述型的文章，其他学者可以更加了解在线社交网络所真正需要关注的研究点，以及更加明确今后相关的研究方向，便于抓住重点，避免重复的工作，提高研究效率。

Berger[22]等对目前与在线社交网络和信息系统的研究现状作了初步的介绍和分析，并提出了四个有待解答的问题：

（1）在信息系统的学术领域中，有关在线社交网络的学术探讨近年来发展得如何？

（2）哪些信息系统的出版发行刊物是在线社交网络调查研究者最容易接受刊出的？

（3）目前已经有哪些与信息系统有关的在线社交网络研究领域被涵盖？

（4）有哪些潜在的研究领域还没有被相关信息系统研究所涵盖？

这篇文章的正文对上述四个问题进行了翔实的解答。作者以“在线社交网络”“社会网络服务”“社交网站”等关键词对2003年至2008年的研究文章进行搜索，并对从2008年至2013年相关研究的文章数量和期刊发表数量进行了比较，对已经开发和潜在的相关研究领域进行了概括总结，发现相关研究论文的刊登数量每年都在快速增长，其方向大致包括在线社交网络的特征、用户体验、私密性、组织和社团中的在线社交网络以及在线社交网络的设计等等。最后他们对这些不同研究方向未来可以继续进行的不同角度提出了自己的看法。

王乐[42]等的文章对目前国内外社交网络中的信息传播预测问题的研究进行了文献综述。他们认为与传统的传播方式不同，信息通过用户交互行为在社交网络中被大规模地迅速传播，这在一定程度上推动了市场营销、信息产业等的发展，但同时也增加了危害事件、不良信息、负面新闻等产生的突发性和频度，其引发的信息问题为互联网的安全运行带来了新的挑战。通过对信息传播进行预测，可以及早发现传播中的信息存在的潜在威胁，使得中国的信息行业能够更好地前进和发展。

文章首先简要介绍了社交网络的概念和信息传播的机制，然后分析并归纳了传播中用户、信息内容和用户间关系这3个影响因素以及与传播预测相关的几个主要特征，接着从基于感染过程、基于传播特征、基于统计推断和基于影响力这4个方面综合论述了当前国内外对于传播预测问题所研究及采用的模型和方法，最后进行总结并讨论未来的研究方向。

3.2.2　数据科学

每一个社交网站和社交媒体的背后，都有一个巨大的数据网络支持。学者们通过对数据网络中数据的分析，可以了解到数据科学中更深层的内容。

Shi[43]等通过技术和用户行为建模的方式，研究在用户自愿信息共享的背景下的微博等主要的社交网站。他们收集了详细的用户转发数据，并统计记录了用户的社会网络特征及其转发行为之间的关系。他们使用最大似然估计的方法以获得更多的结构模型。实证结果证实了弱关系更可能引起内容共享的社会交换过程。Park[44]等利用社会网络的观点以及大量的实证分析数据，提出了一种新的推理模式，解决了自我报告的资料很容易出现各种形式的弄虚作假的问题。自我报告资料的弄虚作假，往往严重威胁跨企业边界的完整性。为了缓解这一反复出现的困境，业务经理和分析师需要系统的方法，使他们能够准确地评估自我报告的数据质量。他们的研究结果还表明，熵评估起着重要的作用，能够进一步提高其推理模型的能力。Wattal[45]等运用经济学理论的网络外部性的概念，来补充解释社会影响力理论下其他人的使用是如何影响像博客一类的社会计算工具的使用的。这一研究也有助于不同类型的网络，如管理者、关系网络、位置网络和空间网络的博客使用的研究，结果也将帮助那些想管理并提高社交技术的使用的管理人员以及想进一步解构形式的研究人员。Weiss[46]认为参与式网络和社交网络应用的出现改变了我们的沟通行为和我们在网络上表达自己的方式。随着用户在自己的主页上显示的个人身份信息越来越多，社交网络应用程序提供者也获得了不少的利益，但同时，数据滥用的风险会威胁到个人用户的信息隐私以及供应商的商业模式。作者发表了维护社会网络应用的主要要求，并提出了一种隐私威胁模型，可以用来提高数据信息的隐私性。唐杰[47]等从大数据的特点着手，结合互联网络尤其是在线社交网络的发展趋势，介绍大数据在提升国家信息产业科学化水平、引领新型互联网经济发展、推动社会学与信息科学交叉发展等方面带来的重大机遇，分析在线社会网络中存在的关键问题，阐述网络大数据研究在语义理解与分析、多模态关联与融合、群体行为分析与挖掘、多维分析与可视化、系统的研发与集成等方面面临的巨大技术挑战，以及当前国内外在大数据分析和在线社交网络领域的主要研究工作。高梦超[48]等针对传统搜索引擎无法利用关键字检索技术直接索引社交网络平台信息的现状，基于众包模式，采用C/S 架构，设计了社交网络数据采集模型。通过主题Deep Web 爬虫的分布式机器节点自动向服务器请求爬虫任务并上传爬取数据，利用Hadoop 分布式文件系统对爬取数据进行快速处理并存储结果数据。实验结果表明，主题Deep Web 爬虫系统配置简单，支持功能扩展和目标信息直接获取，数据采集模型具有较快的数据获取速度及较高的信息检索效率。

3.2.3　社交网络的危害

目前大部分的科研文献都指向了社交网络优秀的、普遍的一面，然而众所周知，任何事物都有两面性，所以我们现在更需要关注日益普及的社交网络，对于人们生活和情感等是否会产生一些负面的作用。

Maier[49]等主要介绍和评价了社交网络服务使用的负面结果带来的社交过载。当社交网络服务的使用者觉得他们在使用社交网络服务中给予其好友过多的关注时，就会产生社交过载。因此，他们会对社交网络服务感到疲惫或不满意。除了生理反应的疲惫，还会降低使用社交服务的强度。社交过载产生的原因包括在社交网络上的朋友的数量、使用频率等。其结论是，社交超载是网络生活的一部分，人们需要合理控制参与网络社交的时间。Turel[50]等认为享受信息系统带来的乐趣已被确定为一个理想的现象，因为它可以驱动系统各个方面的使用。作者依靠几个理论机制，得出与以前的研究相一致的结论，表明享受乐趣可以带来积极的结果，如高投入。然而，它也可以发展成为一个强大的习惯，直到它成为一个“坏习惯”，逐渐形成一种强有力的“技术成瘾”。他们测试和验证这种双重效果的社交网络享受机制，并对潜在的双重性的管理信息系统的结构进行了讨论。刘杰[51]等对近年来大学生社交网络成瘾的原因和现状进行了阐述，他们认为社交网络成瘾是指由于过度使用社交网络，运用社交网络维护人际关系，对社交网络及社交网络关系产生心理依赖，以致影响个体的日常生活、工作及学业。这一成瘾行为会对大学生学习、生活产生诸多消极影响。然后他们对此提出了一些对策，例如，加强校园网络和学校活动建设，减少不良网络交际；采用“合理情绪疗法”，对大学生进行心理辅导；引导大学生健康网络使用及网络交往等。

社交网络的危害除了可能会让人成瘾，消耗大量时间外，还可能会泄露用户隐私。目前有不少学者开始注重社交网络的隐私方面的研究。吕少卿[52]等针对社交网络公开信息提出了一种隐私信息推测算法。通过对用户的好友关系网络进行社区发现，利用社区内一部分好友公开信息推测其他好友隐私信息。实验表明，该算法只需利用少量公开信息就能以较高的准确率推测出其他用户大量的隐私信息。付艳艳[53]等针对当前社交网络隐私属性匿名算法中存在的缺乏合理模型、属性分布特征扰动大、忽视社交结构和非敏感属性对敏感属性分布的影响等弱点，提出一种基于节点分割的隐私属性匿名算法。该算法通过分割节点的属性连接和社交连接，提高了节点的匿名性，降低了用户隐私属性泄露的风险。实验结果表明，该算法能够在保证数据可用性的同时，有效抵抗隐私属性泄露。

3.2.4　“脸书”上的探索

Facebook 是由美国人马克·扎克伯格等创建的一个社交网络服务网站，于2004年2月4日上线，目前是世界排名第一的照片分享站点。作为在线社交网站中重要的旗帜，学术界对于Facebook的研究热情也越来越高涨。

对于Facebook 的研究方向有很多。Shim[54]等讨论了目前使用移动技术和社交网络进行教育时遇到的问题和未来的发展方向。探讨的主题包括历史课程的数字化教育、使用智能手机和平板电脑在教室里进行教育、社会化网络服务的发展和社会媒体的使用等。重点讨论了微博、谷歌、iPhone /iPad 和Facebook 技术环境的未来发展方向。Chen[55]等主要研究了Facebook 用户学习态度的形成以及成员态度与自我表露的关系。通过学习理论的理论，他们了解到影响用户对社交网络中源于经典条件作用、操作性条件反射和社会学习的相关因素的态度的关键原因。此外，他们还探索了成员的态度影响自我披露的程度的基本过程，以及提出了站点使用率对于态度和自我表露程度关系起到的中介作用的理论。该研究对其他在线社交网站的文献研究有一定帮助，并且为相关网站服务供应商提供了有用的用户行为分析。Tzuo-Ming[20]等认为移动设备，如智能手机和平板电脑接入互联网比以往任何时候都更容易，同时也为大学和校友的社交平台带来了新的机会。他们提出了一种将Facebook 和大学校友整合的社会网络站点的移动平台。在这个平台的用户可以互相联系校友，他们可以从Facebook 知道他们的最新状况，并从高校数据库中获取校友个人信息。此外，移动平台利用谷歌同步功能，为用户提供了一种无所不在的信息检索服务，该服务可以在任何地点、使用任何设备进行信息检索。Özgür Külcü[56]等研究了在土耳其使用Facebook 的用户是如何保护自己的隐私信息的。由于在土耳其没有法律能够保护用户在社交网络上的隐私，因此这项研究是非常重要的。研究人员招募了400名信息专业人士，他们都是KUTUP-L 组织的成员，研究人员对这些人员的Facebook 隐私信息设置进行了分析以及得分计算。结果表明大部分的信息专业人士都会选择修改用户默认设置来保护个人隐私。Chiu[57]等调查研究了在线社交网络中用户的主观幸福感与忠诚度。在这项研究中，他们确定了网络外部性的四个组成部分：感知网络规模、外部的威望、兼容性和互补性，并提出了一系列的假设。其收集的615个有效的用户数据为这些假设提供了强有力的支持。研究结果表明，感知网络规模对用户的社交网络认同产生负面影响。网络外部性的其他组件对社交网络的认同和满意度具有积极影响，从而也对用户的主观幸福感和忠诚度产生积极的影响。车凯龙[58]等以Facebook 和腾讯这两个社交网络巨头为例，对比分析了其在大数据方案解决、战略体系、产品服务、盈利模式等方面的不同。结论是Facebook 对大数据的应用和挖掘比较深入，广告收入是其主要盈利来源；而腾讯在大数据方面起步比较晚，但其创新能力比较强，开发了诸多服务产品，其盈利主要来自于客户的增值服务。李金波[59]等通过对国外100家高校图书馆Facebook 服务平台的网络调查，从建站时间、服务内容、提供的功能、应用程序、活跃度等方面对Facebook 应用的现状进行分析，为国内高校图书馆建设社交网络平台进行服务提出了建议，并指出图书馆应用社交网络仍需深入研究和思考效果、隐私和安全3个主要问题。

3.2.5　预测和发现

在线社交网络中的许多信息和数据，都为这些网站的工作人员以及其他的科研人员提供了一种预测和发现的可能。研究人员可以通过对用户产生的各类数据以及偏好设置等，预测未来即将流行的趋势和发现优点及不足，以此来改善在线社交网络以及信息系统。

Yen-Liang Chen[60]等发现许多社交网站一直在积极探索使用共享用户信息的创新的广告策略。例如，Facebook 提供一种服务，允许营销人员利用用户的状态自动生成广告。这种做法的有效性取决于能否准确地预测一个广告对其读者的影响。对于这种性质的广告策略，广告的影响程度是由广告的特点，包括创作内容和时间以及广告创作者的特点共同决定的。他们提出了两种模型预测，即广告内容特点不同和作者相关特点不同，来预测广告的影响力。实证评估表明，所提出的预测模型能够提高预测的准确性。Xu[61]等阐述了一种新的方法，可以有效地从社交网站发现最有影响力的用户。特别是提出了从社交网络中挖掘有影响力网络的一般方法和发现最有影响力的用户群体的计算模型。从社交网站中提取的实际数据的实证评估表明，所提出的方法相较于基本方法可以有效地识别最有影响力的群体。Aihui Chen[62]等认为，为了了解用户在一个社交网站上的行为，在测量之前，首先需要识别和分析各种类型的在线社交行为。为了从整体上分析用户在一个社交网站的行为，他们进行了三项研究。首先，使用Delphi 法则将用户在一个社交网站上的积极行为分成四大类；然后，设计了一个测量模型并用477名社交网站用户在线调查的收集数据对其进行验证；接着，使用基于承诺理论的预测模型来测试1242个回复数据。数据分析结果表明，情感承诺和持续承诺能够对社交网站上的积极行为进行良好的预测。丁宇新[63]等研究了如何利用社交关系推测用户的隐藏属性，他们采用基于图的半监督学习方法推测用户属性。为了提高预测的准确率，提出了利用属性聚集度评价属性推测的难易程度，并依用户节点标记的不同，设计不同的权重公式计算用户之间的关系强度。张亮[64]等选取豆瓣网和人人网两个在线社交网络为研究对象，在基于美食主题的社交网络中，进行影响力用户发现。研究发现，基于主题的社交网络具有明显的无标度性质，点度中心度可以作为基本的用户影响力指标。派系划分方法能够发现影响力用户连接的予群；割点分析能够刻画影响力用户的信息传播能力。最后，结合节点度与派系值两个影响力指标，将用户划分成精英、专家、潜水、不活跃四种类型，其中精英用户和专家用户为影响力用户。

综上，我们可以总结出，社交网络方面的研究目前依然处于火热的时期，大量相关的研究层出不穷，相信未来会有更多的优秀文章发表，其研究角度也会得到拓新。

3.3　公共服务网络信息系统

在搜索学者以社会网络视角对于公共服务内容进行研究的文献后，将公共服务方面研究归纳为教育、医疗两方面。教育文献以course、education、E-learning 等作为关键字进行搜索，医疗研究文章以health、doctor、treatment 等关键字进行搜索。

3.3.1　教育系统

以社会网络视角对于教育系统方面的研究主要分为三个方向：教育沟通工具、知识分享以及在线教育系统。随着社会网络发展带来的社交工具种类的增加，教育者之间也开始使用社交软件来进行教育沟通，Shim[54]等探究美国学校里老师和学生之间使用智能技术系统中的社交媒介工具，例如Twitter、Facebook 等进行远程教育，以及将Blog、WIKI 这类社会网络设备带入课堂所带来的影响及变化。从依赖电脑及投影设备的电子课堂开始发展到依赖网页Web 端、远程教育，直到现在可利用移动智能设备进行教学，科技和社会网络的发展带动教育的效率，教育将不受时空影响，课程弹性增加随之增加教育的个人导向性。在这些优势下，美国很多学校发放并利用平板、Kindle 进行教学，但并非所有智能设备适用于教育系统中，调查中学生表示平板设备不适合在查看PPT 时同步进行笔记。但是，将Web2.0时代下的社交设备引入至教育管理系统可以减少成本，并且使教学过程更加高效。李宝强[65]对用户网络学术资源利用进行探讨，利用TAM 和任务技术适配模型以及系统使用经验和信任作为变量，研究网络信息资源利用情况和用户网络分布。在校内知识分享方面，Qifeng Liu[66]等学者对利用校内社交网络进行知识分享的机制。高效网络空间中，知识存储在数字资源如文档、照片、视频等。文献中设计和优化高效中知识共享机制，机制具有五大功能，包括利用用户的个人社交网络以方便传播数字资源，利用一个六元组模型的基础标注实现统一标识的数字资源传播，根据朋友的访问控制列表进行安全知识共享，通过多尺度评价数字资源，最后以协同过滤作为其核心理念利用社交图谱进行数字资源的个性化推荐。在专家库探讨方面，王曰芬[67]针对现有科技咨询专家库在信息索取、存储、抽取和检索利用中存在的局限性，探讨将先进的组织专家检索技术、社会网络分析技术和可视化技术引入到专家库的构建中，分析和设计基于社会网络的科技咨询专家库构建方案与流程。对于在线教育方面的讨论，Kuo[68]等对基于位置的社交网络在在线教育支持系统的运用研究，在电子学习支持系统利用GPS 传感器获取学习者的位置信息，利用社区协作加强学习的合作性以及连贯性，增加与导师以及同学间的互动以提高用户对于移动学习的满意度。在分布式学习中，增加学者间的联系变得十分重要，加入基于位置的社会网络系统，可以对于环境进行感知，例如系统自动提示学者何种环境更适应于英语学习，共享自我位置信息可方便进行线下沟通。学习者可以在电子学习支持系统搜索谁参加同一门课程，或可与谁进行互助过程，这是利用社区的概念将在线学习者构建网络并且建立相关联系。对于学术团队的评估方面，汤建民[69]以科学研究领域为例，基于数据挖掘和可视化技术的学术研究团队的可视化评估和识别方法，实现统一的学术流程，同时用国内科学研究领域为例说明此方法的可行性和有效性。

3.3.2　医疗系统

对于医疗方面的研究可以从医疗信息系统、医疗信任以及医疗数据等方面来分类。Durst[70]等探究个人喜好、生活方式、环境以及社交网络对于肥胖的影响，将社交网络作为一项社会资本，通过概念模型分析个人社交网络中产生的内容关系，个体所得到的内容源机会或者限制访问资源对于其个人生活方式的影响。杨义[71]等对医学生亲密的社会网络进行研究，抽取四川省医学生进行调查探讨其内在的社会网络特征，对于开展大学生性教育提供参考。Menon[72]对于医疗信息系统有生产力进行研究，分析IT 对于医疗信息系统的作用，将生产投入分为劳动力和资本，劳动力分为IT劳动力和医疗劳动力，资本分为医疗IT 资本、医疗资本、IT 资本，调研后发现IT 技术对于医疗系统有正向推动作用。Jang[73]等使用社会网络分析方法对近年来医疗保健和药品的研究随时间变化的关键词进行归纳分析，在国家医学图书馆数据库中检索27500余篇文献，并利用meaical 作为关键词进行搜索，发现“分子序列”为近年来的核心关键词。在临床医学方面，Baglioni[74]等提出个性化的医药和系统生物学概念以开发出新的健康学理论，来对应于临床医学的药物治疗活性。学者们利用社交网络模式为临床医学量身定制一个新型框架，社交网络模型的实体包括：病人、病理学、全科医生、药物、诊断、门诊，结合中心度算法等概念进行临床医学模式的探索。在医疗信任方面，Luis Fernandez-Luque[27]等发现利用社交媒体平台寻找高质量的健康信息很困难，社交媒体中误导性医学信息泛滥，因此他们对在线健康信息社区中的内容进行研究，对Youtube 中有关糖尿病的视频进行度量搜索后设置一个指标为“Health Trust”，并且验证该指标适用于对于糖尿病这一关键词进行搜索，同时也验证社会网络分析的方法能够用于识别值得信赖的在线健康信任社区。Gold[26]等人利用社会网络分析医疗计划系统项目中的减少和民族差异，利用大规模的公共和私营部门参与健康计划系统工作，来建立之间的组织合作关系。在预先测试中，发现组织者和一部分赞助商的联系，并且伴随项目的发展，研究他们之间的参与感知地位和感知贡献，随后发现组织者和小范围的赞助商为网络核心，不同的角色赞助商发挥不同的作用。从用户健康状态看，宫继兵[75]等基于概率因子图模型对于医疗社会网络中的用户健康状态进行检测，考虑社会关系、历史健康状态和用户属性对网络用户健康状态检测结果的影响，同时提出基于时空概率因子模型的用户健康状态检测和预测方法。

4　总结与展望

本文基于信息系统概念、研究现状以及近年来社会网络分析的研究热点，整理文献库中以社会网络视角分析各类信息系统的核心观点，将信息系统按业务类型划分成：企业网络、社交网络以及公共服务网络。在企业网络中，从企业产品研发和推荐系统、员工管理系统、企业绩效和内部关系管理，以及从用户的角度探讨在社会网络的理论和分析方法下企业的运作思路和效率变化；社交网络是社会网络概念产生以来的研究热点，从社交平台中研究综述的太背景下，引出对于社交网络数据、平台危害性和以Facebook 为重点的文献核心观点，以及从社交平台用户的活跃程度对于用户行为的预测问题。在从社会网络视角下并不十分活跃的公共服务角度，整理归纳学者对于教育系统以及医疗系统的研究情况，教育中社会网络的引入对于教育模式的创新以及教育成本的减少和效率的提高带来了促进作用，医疗研究在文献库中展现出并不热门的现象，但从趋势看，越来越多的学者将关注点放在近来日趋发展的在线医疗、诊断中，从医疗信任关系、医疗信息传递的角度进行了有关研究。社会网络研究个体间不断变化的发展关系、各节点间信息和资源的流动关系，将社会网络的视角引入到信息系统的研究当中，可以对于系统和系统内广阔受众的运作方式和影响模式进行追踪探讨，从整理的情况来看，社会网络视角的研究将会跟随现今时事热点的变化而发展，在当今在线医疗、智能硬件、虚拟现实（VR）及互联网各业务的活跃发展下，学者们也在不断从社会网络理论和分析方法中了解新型产业的动态演化。

参考文献

[1]Mclaren T S，Head M M，Yuan Y，et al.A multilevel model for measuring fit between a firm's competitive strategies and information systems capabilities [J].MIS Quarterly，2011，35(4): 909-929.

[2]Wang J，Gupta M，Rao R.Insider threats in a financial institution:Analysis of attack-proneness of information systems applications[J].Management Information Systems Quarterly，2015，39(1):91-112.

[3]Laere J V，Aggestam L.Understanding champion behaviour in a health-care information system development project-how multiple champions and champion behaviours build a coherent whole [J].European Journal of Information Systems，2016，25(1): 47-63.

[4]Hsu C，Lin Y T，Wang T.A legitimacy challenge of a crosscultural interorganizational information system [ J].European Journal of Information Systems，2015，24(3): 278-294.

[5]Turel O.Quitting the use of a habituated hedonic information system: A theoretical model and empirical examination of Facebook users [J].European Journal of Information Systems，2015，24(4): 431-446.

[6]Furneaux B，Wade M.An exploration of organizational level information systems discontinuance intentions [J].MIS Quarterly，2011，35(3): 573-598.

[7]Hedman J，Sarker S.Information system integration in mergers and acquisitions: Research ahead [J].European Journal of Information Systems，2015，24(2): 117-120.

[8]Tiwana A，Mclean E R.Expertise integration and creativity in information systems development [J].Journal of Management Information Systems，2005，22(1): 13-43.

[9]Henningsson S.Learning to acquire: How serial acquirers build organisational knowledge for information systems integration [J].European Journal of Information Systems，2015，24(2): 121-144.

[10]Wiener M，Remus U，Heumann J.The effective promotion of informal control in information systems offshoring projects [J].European Journal of Information Systems，2015，24(6): 569-587.

[11]Whitley E A，Gal U，Kjaergaard A.Who do you think you are?A Review of the complex interplay between information systems，identification and identity [J].European Journal of Information Systems，2014，23(1): 17-35.

[12]Roberts N，Galluch P S，Dinger M，et al.Absorptive capacity and information systems research: Review，synthesis，and directions for future research [J].MIS Quarterly，2012，36(2): 625-648.

[13]Rogers Y，Smith H，Brady M.Managing one's social network:Does age make a difference? [J].Human-Computer Interaction，2003: 551-558.

[14]Boyd D M，Ellison N B.Social network sites: Definition，history，and scholarship [J].Journal ofComputer-Mediated Communication，2007，13(1): 210-230.

[15]Thorelli H B，Johansson J.International product positioning [J].Journal of International Business Studies，1985，13(3): 85-111.

[16]Oinas-Kukkonen H，Lyytinen K，Yoo Y.Social networks and information systems: Ongoing and future research streams [J].Journal of the Association for Information Systems，2010，11(2): 61-68.

[17]Granovetter M S.The strength of weak ties [J].American Journal of Sociology，1973，78(6): 347-367.

[18]Ozyar E，Gurdalli S.Social network analysis: A powerful strategy，also for the information sciences [J].Journal of Information Science，2002，28(6): 441-453.

[19]Burt R S.Structural holes: The social structural of competition[M].Harvard University Press，2010.

[20]Chen T-M.Integrating facebook and alumni into the social network mobile platform [J].International Journal of Electronic Commerce Studies，2014，5(1): 109-114.

[21]Ganley D，Lampe C.The ties that bind: Social network principles in online communities [J].Decision Support Systems，2009，47(3): 266-274.

[22]Berger K，Klier J，Klier M，et al.A review of information systems research on online social network [J].Communications of the Association for Information Systems，2014，35: 145-172.

[23]Sykes T A，Gosain S.Model of acceptance with peer support: A social network perspective to understand employees' system use[J].MIS Quarterly，2009，33(2): 371-393.

[24]Turban E，Li Y-W，Ho Y-T，et al.What drives social commerce:The role of social support and relationship quality [ J].International Journal of Electronic Commerce，2011，16(2):69-90.

[25]Haythornthwaite C.Social network methods and measures forexamining e-learning [J].Social Networks，2005.

[26]Gold M，Doreian P，Taylor E F.Understanding a collaborative effort to reduce racial and ethnic disparities in health care:contributions from social network analysis [J].Social Science ＆Medicine，2008，67(6): 1018-1027.

[27]Fernandez-Luque L，Karlsen R，Melton G B.Health trust: A social network approach for retrieving online health videos [J].Journal of Medical Internet Research，2011，14(1): 270-276.

[28]Kratzer J，Leenders R T A J，Van Engelen J M L.A social network perspective on the management of product development programs [J].The Journal of High Technology Management Research，2009，20(2): 169-181.

[29]Storto C.Investigating information flows across complex product development stages by using social network analysis (SNA)[C]/ /Proceedings of the Complexity in Engineering，2010，IEEE Transactions.

[30]鲜于波，梅琳.间接网络效应下的产品扩散——基于复杂网络和计算经济学的研究[J].管理科学学报，2009，12（1）：70-81.

[31]Yang S J H，Chen I Y L.A social network-based system for supporting interactive collaboration in knowledge sharing over peer-to-peer network [J].International Journal of Human-Computer Studies，2008，66(1): 36-50.

[32]杨斌，王学东.基于社会网络嵌入性视角的虚拟团队中知识共享过程研究[J].情报科学，2009，12（1）：1765-1769.

[33]Sykes T A，Venkatesh V，Johnson J L.Enterprise system implementation and employee: Understanding the role of advice networks [J].MIS Quarterly，2014，38(1): 51-72.

[34]杨隽萍，唐鲁滨.浙江省创业者社会网络对创业绩效影响研究——基于知识获取和转化的视角[J].情报科学，2011，12（1）：1876-1881.

[35]董占奎，黄登仕.社会网络环境下工作搜寻行为实验研究[J].管理科学学报，2013，16（7）：1-12.

[36]姚小涛，张田，席酉民.强关系与弱关系——企业成长的社会关系依赖研究[J].管理科学学报，2008，11（1）：143-152.

[37]Wu A，Dimicco J M，Millen D R.Detecting professional versus personal closeness using an enterprise social network site [C]/ /Proceedings of the International Conference on Human Factors in Computing Systems，Atlanta，Georgia，USA，2010.

[38]梁潇.三螺旋创新模式中信息流主体研究——以信息论加权的社会网络分析法[J].情报科学，2008，26（1）：115-119.

[39]Ju P H，Wei H L.The influence of user social network on user participation in ERP system implementation [J].Communications of the ACM，2013: 4094-4103.

[40]Wu B，Ye Q，Yang S，et al.Group CRM: A new telecom CRM framework from social network perspective [C]/ /Proceedings of the ACM First International Workshop on Complex Networks Meet Information ＆ Knowledge Management，Hong Kong，China，2009.

[41]Sun H G.The impact of social network service，trust and cognition on customer loyalty in internet shopping [J].Journal of information management，2011，42(2): 211-234.

[42]王乐，王勇，王东安.社交网络中信息传播预测的研究综述[J].信息网络安全，2015，（5）：47-55.

[43]Shi Z，Rui H，Whinston A B.Content sharing in a social broadcasting environment: Evidence from twitter [J].MIS Quarterly，2013，38(1): 123-142.

[44]Park S-H，Huh S-Y，Oh W，et al.A social network-based inference model for validating customer profile data [J].MIS Quarterly，2012，36(4): 1217-1237.

[45]Wattal S，Racherla P，Mandviwalla M.Network externalities andtechnology use:A quantitative analysis of intraorganizational blogs[J].Journal of Management Information Systems，2010，27(1): 145-174.

[46]Weiss S.Privacy threat model for data portability in social network applications [J].International Journal of Information Management，2009，29(4): 249-254.

[47]唐杰，陈文光.面向大社交数据的深度分析与挖掘[J].科学通报（中文版），2015，60（5/6）：509-519.

[48]高梦超，胡庆宝，程耀东.基于众包的社交网络数据采集模型设计与实现[J].计算机工程，2015，41（4）：36-40.

[49]Maier C，Laumer S，Eckhardt A，et al.Giving too much Social support: Social overload on social networking sites [J].European Journal of Information Systems，2014，24(5): 447-464.

[50]Turel O，Serenko A.The benefits and dangers of enjoyment with social networking websites [J].European Journal of Information Systems，2012，21(5): 512-528.

[51]刘杰，王冰莹.大学生社交网络成瘾现状、原因及其对策[J].学理论，2014（29）：218-219.

[52]吕少卿，张玉清，倪平.基于公开信息的社交网络隐私泄露[J].通信学报，2013（1）：190-196.

[53]付艳艳，张敏，冯登国.基于节点分割的社交网络属性隐私保护[J].软件学报，2014，25（4）：768-780.

[54]Shim J P，Dekleva S，Guo C，et al.Twitter，Google，iPhone/iPad，and Facebook (TGIF) and smart technology environments:How well do educators communicate with students via TGIF?[J].Communications of the Association for Information Systems，2011，29(1): 657-672.

[55]Chen R，Sharma S K.Learning and self-disclosure behavior on social networking sites: The case of Facebook users [J].European Journal of Information Systems，2015，24(1): 93-106.

[56]Özgur K，Henkogˇlu T.Privacy in social networks: An analysis of Facebook [J].International Journal of Information Management，2014，34(6): 761-769.

[57]Chiu C-M，Cheng H-L，Huang H-Y，et al.Exploring individuals'subjective well-being and loyalty towards social network sites from the perspective of network externalities: The Facebook case [J].International Journal of Information Management，2013，33(3):539-552.

[58]车凯龙，铁茜.国内外社交网络（SNS）大数据应用比较研究——以Facebook 和腾讯为例[J].图书馆学研究，2014（18）：18-23.

[59]李金波，李书宁.国外高校图书馆社交网络应用调查与分析[J].图书情报工作，2012，56（3）：75-79.

[60]Chen Y L，Tang K，Wu C，et al.Predicting the influence of users' posted information for eWOM advertising in social networks[J].Electronic Commerce Research and Applications，2014，13(6): 431-439.

[61]Xu K，Guo X，Li J，et al.Discovering target groups in social networking sites: An effective method for maximizing joint influential power [ J].Electronic Commerce Research and Applications，2012，11(4): 318-334.

[62]Chen A，Lu Y，Chau P Y，et al.Classifying，measuring，and predicting users'overall active behavior on social networking sites[J].Journal of Management Information Systems，2014，31(3): 213-253.

[63]丁宇新，肖骁，吴美晶.基于半监督学习的社交网络用户属性预测[J].通信学报，2014，35（8）：15-22.

[64]张亮，张頔.基于主题的Web2.0社交网络影响力用户发现[J].情报杂志，2015，34（6）：158-162.

[65]李宝强，孙建军，成颖.基于TAM 扩展模型的用户网络学术信息资源利用初探[J].情报学报，2008，27（4）：596-606.

[66]Du Z，Fu X，Zhao C，et al.University campus social network system for knowledge sharing [ J].Computer Science and Information Systems，2012，9(4): 1721-1737.

[67]王曰芬，王雪芬，杨小晓.基于社会网络的科技咨询专家库的构建方案与流程设计[J].情报学报，2012，31（2）：116-125.

[68]Kuo L，Yang H，Yu J，et al.Identifying the course role of inservice learning via the social network structure [J].Wseas Transactions on Communications，2010，9(9): 583-594.

[69]汤建民.学术研究团队的可视化识别及评估方法研究：以科学学研究领域为例[J].情报学报，2010，29（2）：323-330.

[70]Durst C，Viol J，Wickramasinghe N.Online social networks，social capital and health-related behaviors: A state-of-the-art analysis [J].Communications of the Association for Information Systems，2013，32(5).

[71]杨义，叶运莉.医学生亲密社会网络特征影响因素分析[J].中国学校卫生，2013，34（12）.

[72]Menon N M，Lee B，Eldenburg L.Productivity of information systems in the healthcare industry [J].Information Systems Research，2000，11(1): 83-92.(www.daowen.com)

[73]Jang H L，Lee Y S，An J Y.Application of social network analysis to health care sectors [J].Healthcare Informatics Research，2012，18(1): 44-56.

[74]Baglioni M，Pieroni S，Geraci F，et al.A new framework for distilling higher quality information from health data via social network analysis [ C ]/ /Proceedings of the International Conference on Data Mining Workshops，2013.IEEE Computer Society.

[75]宫继兵，王睿，王晓峰.基于概率因子图模型的医疗社会网络用户健康状态检测方法[J].计算机研究与发展，2013，50（6）：1285-1296.

图2　企业系统进行研究的文献分布情况

3.1.1　产品系统

从产品方面来看，产品研发部门最需要的是创新性。从产品分解角度看，产品研发团队中对于产品的设计以及开发程序的操作组成了产品生成过程。Kratzer[28]通过实验法探索团队网络对于产品研发的影响发现，网络效率（可以接触交流的/团队总人数）高的团队对于产品设计只需花费较少的时间和精力。团队中两个节点的连接沟通不需要花费大量精力在中间过程的传播上，能够节约大量的人力和时间成本。Burt[19]曾提出，一个开放的社会结构会带来更多的发展机会。对于关系强度大的团队来说，拥有更多机会进行观点阐述，同时一个拥有非严格上下级关系的团队能够让更多成员各抒己见，同时创新性更强。Storto[29]利用结构矩阵工具和社会网络分析的思路来研究产品研发过程的绩效问题，利用中心度探测均匀性的和非均匀性的信息在团队中的流通情况，发现信息在开发产品的过程中是呈分散式传播的，这些信息的分散性和不确定性并非完全危害性的，相比于模糊的信息这些可能带来更多的机会和创新。利用社会网络分析的视角进行研究，因为社会网络主要站在动态的角度探究产品设计和开发中的进程发展，探究沟通协调过程中产生的效率提升问题。从产品扩散角度看，鲜于波[30]等基于复杂网络对间接网络效应下产品扩散现象进行探讨，采用计算经济学建模方法研究在个体交往关系的复杂网络形成后，“软件”数量在厂商自行决定后，用户数量变化导致个体的决策和全局变量间存在双向交互影响作用，并展示了直接网络效应和间接网络效应在产品扩散中的区别和产品锁定发生的条件。

3.1.2　员工系统

对员工系统的探究方面，学者主要在社会网络下探究员工间的协作工作以及对员工绩效的影响问题。Yang[31]从P2P 网络中员工知识分享体系探索员工协作的进程，利用对等网络或即时通信工具进行知识分享时可能遇到无法找到共联的知识体系以及寻找知识共享对象的难题，在个体讨论或团体会议时知识分享需要不受时空和地理的限制，利用社会网络理论概念，选取企业中150人作为调研对象，跟踪其利用对等网络及企业通讯工具进行显性和隐性知识交流的情况，对内容信息和交流关键词进行分类归纳后，发现知识分享系统中内容源的管理效果和质量控制对于知识分享的效率有正向影响。通过计算知识关系联系和企业关系联系，量化后建立矩阵从而分类知识内容以及知识传播者，得到克服员工知识分享难以高效实现的解决措施并且发现传递关系对知识分享带来的隐性效果。杨斌[32]在研究虚拟团队知识分享时，根据社会嵌入理论和知识共享过程，借助网络关系中互助导向的根本属性，提出知识共享平台为网络节点，虚拟团队在知识传递、吸收和反馈过程中结合社会网络分析导向进行知识创新的结构模型。Sykes[33]等从企业建议网络探究企业系统中员工绩效问题，从员工建议网络的角度对比企业使用ERP 系统前后影响员工绩效的关键因素。从员工网络嵌入度和联系来解析员工的建议机制以及其中产生的沟通和友谊，将建议分解成工作流建议和软件层建议，再利用假设检验法发现建议网络对于员工知识技能有显著提升从而提升绩效以及工作满意度。杨隽萍[34]基于社会网络和企业知识理论研究浙江省创业者社会网络规模与网络的强度能促进企业发展，提供企业效益的问题。创业者和员工个体间知识的流动和共享以及对于网络的构建和维护效果越好，随之产生的绩效和收益越高。从个体进行工作搜寻行为来看，董占奎[35]在经典工作搜寻理论上，发现社会网络作为员工求职的重要信息渠道，对于搜索者来说资源能有效提高利用率，并且个体处于待业期时段大大减少，对于劳动力市场效率明显提高。

3.1.3　公司全局系统

从公司全局系统看，姚小涛[36]等在强关系和弱关系的理论假设基础上，提出社会关系能提高企业竞争优势，同时发现强弱关系在资源和信息传递过程中扮演的角色差异。Wu[37]等从IBM、德勤等企业不断利用社交网络与公司内部成员、其他公司或用户之间创建强弱关系，这将有利于得知员工间的关系处理、战略层知识体系以及人力资源决策和资源分配方面的信息。企业间的社交与私人关系不同，强关系将有利于获得及时的信息支持反馈和信任建立，弱关系有利于招聘和其他公司信息传播。从强弱关系与职业亲密和私人亲密的角度构建矩阵，发现社交网络下员工不同关系状态带来的不同属性的亲密程度以及如何影响企业关系处理系统的机制。从产业角度看，梁潇[38]在2008年利用信息论加权的社会网络分析法对于三螺旋创新模式的信息流进行研究，利用信息流在产业与政府间的流动关系，介绍三重螺旋基本观点，提出结合中心度思想的结合创新信息活动的主体分布问题和具体算法。从用户角度看，Ju[39]等发现用户参与到公司ERP 系统中的社交网络之后，可提高用户活跃度以及满意度。在CRM 系统方面，Wu[40]等利用组织检测、进化追踪和组织生命周期进行建模来探究区别于传统客户关系管理的模式，以在社会团体中发现企业的潜在用户。从用户忠诚度角度看，Sun[41]在探究社会网络服务下用户信任、认知以及忠诚度的发展关系，企业可以建立依托于社会网络下客户服务的维持系统，与客户建立可信赖的关系并且传播企业广告信息。企业社区建立有益于提高用户信任，对于社区中用户的数据挖掘可将用户进行分类，对于不同用户进行个性化的产品推荐机制，同时及时解决用户困难以提高用户忠诚度。

3.2　社交网络信息系统

近年来，随着互联网的发展和普及，在线社交网络（onlinesocial network，OSN）逐渐引起学术界的广泛研究。越来越多有关在线社交网络的文章在核心信息系统期刊上发表。以在线社交网络为关键词的文章比例从2008年到2013年上升了31%之多。相关研究内容涵盖范围也非常广泛，包括在线社交网络的特征、用户体验、私密性、组织和社团中的在线社交网络以及在线社交网络的设计，等等[22]。

在线社交网络之所以会在各大信息系统期刊上发表，是因为在线社交网络背后，存在着许多不同的信息系统。有一些是由数据构成的信息系统，如Facebook 后台数据库中，所有用户的信息、日志和照片等。利用这类信息，我们可以了解一个用户的情感、生活以及性格。还有一些是虚拟的信息系统，是一种以用户为节点、相互关系为连边的社交网络信息系统。利用这种系统，我们可以了解到不同用户或组织之间的关系、亲密度、信任度等，探索社会形态模式下的人与人之间的联系。

在线社交网络分析以及更宽泛的网络分析，都提供了一种丰富、严谨、系统的手段，让学者和组织领导者能够更好地评估他们的各种数据信息和系统。基于Web 的服务，如Facebook 等，也传递出新的手段，使人际关系更加透明和可追溯[16]。

笔者将目前许多核心信息系统期刊中与在线社交网络有关的文章进行汇总后，分成若干个不同的研究类型和方向，这些文章在一定程度上也标志着目前信息系统相关研究中社会网络视角的主流研究方向。

3.2.1　综述型文章

由于在线社交网络以及社会网络等相关研究内容都是最近几年才逐渐火热起来的研究热点，因此相关的综述型文章非常稀少。但也正因为此类文章稀少，才显得非常珍贵和重要。通过综述型的文章，其他学者可以更加了解在线社交网络所真正需要关注的研究点，以及更加明确今后相关的研究方向，便于抓住重点，避免重复的工作，提高研究效率。

Berger[22]等对目前与在线社交网络和信息系统的研究现状作了初步的介绍和分析，并提出了四个有待解答的问题：

（1）在信息系统的学术领域中，有关在线社交网络的学术探讨近年来发展得如何？

（2）哪些信息系统的出版发行刊物是在线社交网络调查研究者最容易接受刊出的？

（3）目前已经有哪些与信息系统有关的在线社交网络研究领域被涵盖？

（4）有哪些潜在的研究领域还没有被相关信息系统研究所涵盖？

这篇文章的正文对上述四个问题进行了翔实的解答。作者以“在线社交网络”“社会网络服务”“社交网站”等关键词对2003年至2008年的研究文章进行搜索，并对从2008年至2013年相关研究的文章数量和期刊发表数量进行了比较，对已经开发和潜在的相关研究领域进行了概括总结，发现相关研究论文的刊登数量每年都在快速增长，其方向大致包括在线社交网络的特征、用户体验、私密性、组织和社团中的在线社交网络以及在线社交网络的设计等等。最后他们对这些不同研究方向未来可以继续进行的不同角度提出了自己的看法。

王乐[42]等的文章对目前国内外社交网络中的信息传播预测问题的研究进行了文献综述。他们认为与传统的传播方式不同，信息通过用户交互行为在社交网络中被大规模地迅速传播，这在一定程度上推动了市场营销、信息产业等的发展，但同时也增加了危害事件、不良信息、负面新闻等产生的突发性和频度，其引发的信息问题为互联网的安全运行带来了新的挑战。通过对信息传播进行预测，可以及早发现传播中的信息存在的潜在威胁，使得中国的信息行业能够更好地前进和发展。

文章首先简要介绍了社交网络的概念和信息传播的机制，然后分析并归纳了传播中用户、信息内容和用户间关系这3个影响因素以及与传播预测相关的几个主要特征，接着从基于感染过程、基于传播特征、基于统计推断和基于影响力这4个方面综合论述了当前国内外对于传播预测问题所研究及采用的模型和方法，最后进行总结并讨论未来的研究方向。

3.2.2　数据科学

每一个社交网站和社交媒体的背后，都有一个巨大的数据网络支持。学者们通过对数据网络中数据的分析，可以了解到数据科学中更深层的内容。

Shi[43]等通过技术和用户行为建模的方式，研究在用户自愿信息共享的背景下的微博等主要的社交网站。他们收集了详细的用户转发数据，并统计记录了用户的社会网络特征及其转发行为之间的关系。他们使用最大似然估计的方法以获得更多的结构模型。实证结果证实了弱关系更可能引起内容共享的社会交换过程。Park[44]等利用社会网络的观点以及大量的实证分析数据，提出了一种新的推理模式，解决了自我报告的资料很容易出现各种形式的弄虚作假的问题。自我报告资料的弄虚作假，往往严重威胁跨企业边界的完整性。为了缓解这一反复出现的困境，业务经理和分析师需要系统的方法，使他们能够准确地评估自我报告的数据质量。他们的研究结果还表明，熵评估起着重要的作用，能够进一步提高其推理模型的能力。Wattal[45]等运用经济学理论的网络外部性的概念，来补充解释社会影响力理论下其他人的使用是如何影响像博客一类的社会计算工具的使用的。这一研究也有助于不同类型的网络，如管理者、关系网络、位置网络和空间网络的博客使用的研究，结果也将帮助那些想管理并提高社交技术的使用的管理人员以及想进一步解构形式的研究人员。Weiss[46]认为参与式网络和社交网络应用的出现改变了我们的沟通行为和我们在网络上表达自己的方式。随着用户在自己的主页上显示的个人身份信息越来越多，社交网络应用程序提供者也获得了不少的利益，但同时，数据滥用的风险会威胁到个人用户的信息隐私以及供应商的商业模式。作者发表了维护社会网络应用的主要要求，并提出了一种隐私威胁模型，可以用来提高数据信息的隐私性。唐杰[47]等从大数据的特点着手，结合互联网络尤其是在线社交网络的发展趋势，介绍大数据在提升国家信息产业科学化水平、引领新型互联网经济发展、推动社会学与信息科学交叉发展等方面带来的重大机遇，分析在线社会网络中存在的关键问题，阐述网络大数据研究在语义理解与分析、多模态关联与融合、群体行为分析与挖掘、多维分析与可视化、系统的研发与集成等方面面临的巨大技术挑战，以及当前国内外在大数据分析和在线社交网络领域的主要研究工作。高梦超[48]等针对传统搜索引擎无法利用关键字检索技术直接索引社交网络平台信息的现状，基于众包模式，采用C/S 架构，设计了社交网络数据采集模型。通过主题Deep Web 爬虫的分布式机器节点自动向服务器请求爬虫任务并上传爬取数据，利用Hadoop 分布式文件系统对爬取数据进行快速处理并存储结果数据。实验结果表明，主题Deep Web 爬虫系统配置简单，支持功能扩展和目标信息直接获取，数据采集模型具有较快的数据获取速度及较高的信息检索效率。

3.2.3　社交网络的危害

目前大部分的科研文献都指向了社交网络优秀的、普遍的一面，然而众所周知，任何事物都有两面性，所以我们现在更需要关注日益普及的社交网络，对于人们生活和情感等是否会产生一些负面的作用。

Maier[49]等主要介绍和评价了社交网络服务使用的负面结果带来的社交过载。当社交网络服务的使用者觉得他们在使用社交网络服务中给予其好友过多的关注时，就会产生社交过载。因此，他们会对社交网络服务感到疲惫或不满意。除了生理反应的疲惫，还会降低使用社交服务的强度。社交过载产生的原因包括在社交网络上的朋友的数量、使用频率等。其结论是，社交超载是网络生活的一部分，人们需要合理控制参与网络社交的时间。Turel[50]等认为享受信息系统带来的乐趣已被确定为一个理想的现象，因为它可以驱动系统各个方面的使用。作者依靠几个理论机制，得出与以前的研究相一致的结论，表明享受乐趣可以带来积极的结果，如高投入。然而，它也可以发展成为一个强大的习惯，直到它成为一个“坏习惯”，逐渐形成一种强有力的“技术成瘾”。他们测试和验证这种双重效果的社交网络享受机制，并对潜在的双重性的管理信息系统的结构进行了讨论。刘杰[51]等对近年来大学生社交网络成瘾的原因和现状进行了阐述，他们认为社交网络成瘾是指由于过度使用社交网络，运用社交网络维护人际关系，对社交网络及社交网络关系产生心理依赖，以致影响个体的日常生活、工作及学业。这一成瘾行为会对大学生学习、生活产生诸多消极影响。然后他们对此提出了一些对策，例如，加强校园网络和学校活动建设，减少不良网络交际；采用“合理情绪疗法”，对大学生进行心理辅导；引导大学生健康网络使用及网络交往等。

社交网络的危害除了可能会让人成瘾，消耗大量时间外，还可能会泄露用户隐私。目前有不少学者开始注重社交网络的隐私方面的研究。吕少卿[52]等针对社交网络公开信息提出了一种隐私信息推测算法。通过对用户的好友关系网络进行社区发现，利用社区内一部分好友公开信息推测其他好友隐私信息。实验表明，该算法只需利用少量公开信息就能以较高的准确率推测出其他用户大量的隐私信息。付艳艳[53]等针对当前社交网络隐私属性匿名算法中存在的缺乏合理模型、属性分布特征扰动大、忽视社交结构和非敏感属性对敏感属性分布的影响等弱点，提出一种基于节点分割的隐私属性匿名算法。该算法通过分割节点的属性连接和社交连接，提高了节点的匿名性，降低了用户隐私属性泄露的风险。实验结果表明，该算法能够在保证数据可用性的同时，有效抵抗隐私属性泄露。

3.2.4　“脸书”上的探索

Facebook 是由美国人马克·扎克伯格等创建的一个社交网络服务网站，于2004年2月4日上线，目前是世界排名第一的照片分享站点。作为在线社交网站中重要的旗帜，学术界对于Facebook的研究热情也越来越高涨。

对于Facebook 的研究方向有很多。Shim[54]等讨论了目前使用移动技术和社交网络进行教育时遇到的问题和未来的发展方向。探讨的主题包括历史课程的数字化教育、使用智能手机和平板电脑在教室里进行教育、社会化网络服务的发展和社会媒体的使用等。重点讨论了微博、谷歌、iPhone /iPad 和Facebook 技术环境的未来发展方向。Chen[55]等主要研究了Facebook 用户学习态度的形成以及成员态度与自我表露的关系。通过学习理论的理论，他们了解到影响用户对社交网络中源于经典条件作用、操作性条件反射和社会学习的相关因素的态度的关键原因。此外，他们还探索了成员的态度影响自我披露的程度的基本过程，以及提出了站点使用率对于态度和自我表露程度关系起到的中介作用的理论。该研究对其他在线社交网站的文献研究有一定帮助，并且为相关网站服务供应商提供了有用的用户行为分析。Tzuo-Ming[20]等认为移动设备，如智能手机和平板电脑接入互联网比以往任何时候都更容易，同时也为大学和校友的社交平台带来了新的机会。他们提出了一种将Facebook 和大学校友整合的社会网络站点的移动平台。在这个平台的用户可以互相联系校友，他们可以从Facebook 知道他们的最新状况，并从高校数据库中获取校友个人信息。此外，移动平台利用谷歌同步功能，为用户提供了一种无所不在的信息检索服务，该服务可以在任何地点、使用任何设备进行信息检索。Özgür Külcü[56]等研究了在土耳其使用Facebook 的用户是如何保护自己的隐私信息的。由于在土耳其没有法律能够保护用户在社交网络上的隐私，因此这项研究是非常重要的。研究人员招募了400名信息专业人士，他们都是KUTUP-L 组织的成员，研究人员对这些人员的Facebook 隐私信息设置进行了分析以及得分计算。结果表明大部分的信息专业人士都会选择修改用户默认设置来保护个人隐私。Chiu[57]等调查研究了在线社交网络中用户的主观幸福感与忠诚度。在这项研究中，他们确定了网络外部性的四个组成部分：感知网络规模、外部的威望、兼容性和互补性，并提出了一系列的假设。其收集的615个有效的用户数据为这些假设提供了强有力的支持。研究结果表明，感知网络规模对用户的社交网络认同产生负面影响。网络外部性的其他组件对社交网络的认同和满意度具有积极影响，从而也对用户的主观幸福感和忠诚度产生积极的影响。车凯龙[58]等以Facebook 和腾讯这两个社交网络巨头为例，对比分析了其在大数据方案解决、战略体系、产品服务、盈利模式等方面的不同。结论是Facebook 对大数据的应用和挖掘比较深入，广告收入是其主要盈利来源；而腾讯在大数据方面起步比较晚，但其创新能力比较强，开发了诸多服务产品，其盈利主要来自于客户的增值服务。李金波[59]等通过对国外100家高校图书馆Facebook 服务平台的网络调查，从建站时间、服务内容、提供的功能、应用程序、活跃度等方面对Facebook 应用的现状进行分析，为国内高校图书馆建设社交网络平台进行服务提出了建议，并指出图书馆应用社交网络仍需深入研究和思考效果、隐私和安全3个主要问题。

3.2.5　预测和发现

在线社交网络中的许多信息和数据，都为这些网站的工作人员以及其他的科研人员提供了一种预测和发现的可能。研究人员可以通过对用户产生的各类数据以及偏好设置等，预测未来即将流行的趋势和发现优点及不足，以此来改善在线社交网络以及信息系统。

Yen-Liang Chen[60]等发现许多社交网站一直在积极探索使用共享用户信息的创新的广告策略。例如，Facebook 提供一种服务，允许营销人员利用用户的状态自动生成广告。这种做法的有效性取决于能否准确地预测一个广告对其读者的影响。对于这种性质的广告策略，广告的影响程度是由广告的特点，包括创作内容和时间以及广告创作者的特点共同决定的。他们提出了两种模型预测，即广告内容特点不同和作者相关特点不同，来预测广告的影响力。实证评估表明，所提出的预测模型能够提高预测的准确性。Xu[61]等阐述了一种新的方法，可以有效地从社交网站发现最有影响力的用户。特别是提出了从社交网络中挖掘有影响力网络的一般方法和发现最有影响力的用户群体的计算模型。从社交网站中提取的实际数据的实证评估表明，所提出的方法相较于基本方法可以有效地识别最有影响力的群体。Aihui Chen[62]等认为，为了了解用户在一个社交网站上的行为，在测量之前，首先需要识别和分析各种类型的在线社交行为。为了从整体上分析用户在一个社交网站的行为，他们进行了三项研究。首先，使用Delphi 法则将用户在一个社交网站上的积极行为分成四大类；然后，设计了一个测量模型并用477名社交网站用户在线调查的收集数据对其进行验证；接着，使用基于承诺理论的预测模型来测试1242个回复数据。数据分析结果表明，情感承诺和持续承诺能够对社交网站上的积极行为进行良好的预测。丁宇新[63]等研究了如何利用社交关系推测用户的隐藏属性，他们采用基于图的半监督学习方法推测用户属性。为了提高预测的准确率，提出了利用属性聚集度评价属性推测的难易程度，并依用户节点标记的不同，设计不同的权重公式计算用户之间的关系强度。张亮[64]等选取豆瓣网和人人网两个在线社交网络为研究对象，在基于美食主题的社交网络中，进行影响力用户发现。研究发现，基于主题的社交网络具有明显的无标度性质，点度中心度可以作为基本的用户影响力指标。派系划分方法能够发现影响力用户连接的予群；割点分析能够刻画影响力用户的信息传播能力。最后，结合节点度与派系值两个影响力指标，将用户划分成精英、专家、潜水、不活跃四种类型，其中精英用户和专家用户为影响力用户。

综上，我们可以总结出，社交网络方面的研究目前依然处于火热的时期，大量相关的研究层出不穷，相信未来会有更多的优秀文章发表，其研究角度也会得到拓新。

3.3　公共服务网络信息系统

在搜索学者以社会网络视角对于公共服务内容进行研究的文献后，将公共服务方面研究归纳为教育、医疗两方面。教育文献以course、education、E-learning 等作为关键字进行搜索，医疗研究文章以health、doctor、treatment 等关键字进行搜索。

3.3.1　教育系统

以社会网络视角对于教育系统方面的研究主要分为三个方向：教育沟通工具、知识分享以及在线教育系统。随着社会网络发展带来的社交工具种类的增加，教育者之间也开始使用社交软件来进行教育沟通，Shim[54]等探究美国学校里老师和学生之间使用智能技术系统中的社交媒介工具，例如Twitter、Facebook 等进行远程教育，以及将Blog、WIKI 这类社会网络设备带入课堂所带来的影响及变化。从依赖电脑及投影设备的电子课堂开始发展到依赖网页Web 端、远程教育，直到现在可利用移动智能设备进行教学，科技和社会网络的发展带动教育的效率，教育将不受时空影响，课程弹性增加随之增加教育的个人导向性。在这些优势下，美国很多学校发放并利用平板、Kindle 进行教学，但并非所有智能设备适用于教育系统中，调查中学生表示平板设备不适合在查看PPT 时同步进行笔记。但是，将Web2.0时代下的社交设备引入至教育管理系统可以减少成本，并且使教学过程更加高效。李宝强[65]对用户网络学术资源利用进行探讨，利用TAM 和任务技术适配模型以及系统使用经验和信任作为变量，研究网络信息资源利用情况和用户网络分布。在校内知识分享方面，Qifeng Liu[66]等学者对利用校内社交网络进行知识分享的机制。高效网络空间中，知识存储在数字资源如文档、照片、视频等。文献中设计和优化高效中知识共享机制，机制具有五大功能，包括利用用户的个人社交网络以方便传播数字资源，利用一个六元组模型的基础标注实现统一标识的数字资源传播，根据朋友的访问控制列表进行安全知识共享，通过多尺度评价数字资源，最后以协同过滤作为其核心理念利用社交图谱进行数字资源的个性化推荐。在专家库探讨方面，王曰芬[67]针对现有科技咨询专家库在信息索取、存储、抽取和检索利用中存在的局限性，探讨将先进的组织专家检索技术、社会网络分析技术和可视化技术引入到专家库的构建中，分析和设计基于社会网络的科技咨询专家库构建方案与流程。对于在线教育方面的讨论，Kuo[68]等对基于位置的社交网络在在线教育支持系统的运用研究，在电子学习支持系统利用GPS 传感器获取学习者的位置信息，利用社区协作加强学习的合作性以及连贯性，增加与导师以及同学间的互动以提高用户对于移动学习的满意度。在分布式学习中，增加学者间的联系变得十分重要，加入基于位置的社会网络系统，可以对于环境进行感知，例如系统自动提示学者何种环境更适应于英语学习，共享自我位置信息可方便进行线下沟通。学习者可以在电子学习支持系统搜索谁参加同一门课程，或可与谁进行互助过程，这是利用社区的概念将在线学习者构建网络并且建立相关联系。对于学术团队的评估方面，汤建民[69]以科学研究领域为例，基于数据挖掘和可视化技术的学术研究团队的可视化评估和识别方法，实现统一的学术流程，同时用国内科学研究领域为例说明此方法的可行性和有效性。

3.3.2　医疗系统

图2　企业系统进行研究的文献分布情况

3.1.1　产品系统

对于医疗方面的研究可以从医疗信息系统、医疗信任以及医疗数据等方面来分类。Durst[70]等探究个人喜好、生活方式、环境以及社交网络对于肥胖的影响，将社交网络作为一项社会资本，通过概念模型分析个人社交网络中产生的内容关系，个体所得到的内容源机会或者限制访问资源对于其个人生活方式的影响。杨义[71]等对医学生亲密的社会网络进行研究，抽取四川省医学生进行调查探讨其内在的社会网络特征，对于开展大学生性教育提供参考。Menon[72]对于医疗信息系统有生产力进行研究，分析IT 对于医疗信息系统的作用，将生产投入分为劳动力和资本，劳动力分为IT劳动力和医疗劳动力，资本分为医疗IT 资本、医疗资本、IT 资本，调研后发现IT 技术对于医疗系统有正向推动作用。Jang[73]等使用社会网络分析方法对近年来医疗保健和药品的研究随时间变化的关键词进行归纳分析，在国家医学图书馆数据库中检索27500余篇文献，并利用meaical 作为关键词进行搜索，发现“分子序列”为近年来的核心关键词。在临床医学方面，Baglioni[74]等提出个性化的医药和系统生物学概念以开发出新的健康学理论，来对应于临床医学的药物治疗活性。学者们利用社交网络模式为临床医学量身定制一个新型框架，社交网络模型的实体包括：病人、病理学、全科医生、药物、诊断、门诊，结合中心度算法等概念进行临床医学模式的探索。在医疗信任方面，Luis Fernandez-Luque[27]等发现利用社交媒体平台寻找高质量的健康信息很困难，社交媒体中误导性医学信息泛滥，因此他们对在线健康信息社区中的内容进行研究，对Youtube 中有关糖尿病的视频进行度量搜索后设置一个指标为“Health Trust”，并且验证该指标适用于对于糖尿病这一关键词进行搜索，同时也验证社会网络分析的方法能够用于识别值得信赖的在线健康信任社区。Gold[26]等人利用社会网络分析医疗计划系统项目中的减少和民族差异，利用大规模的公共和私营部门参与健康计划系统工作，来建立之间的组织合作关系。在预先测试中，发现组织者和一部分赞助商的联系，并且伴随项目的发展，研究他们之间的参与感知地位和感知贡献，随后发现组织者和小范围的赞助商为网络核心，不同的角色赞助商发挥不同的作用。从用户健康状态看，宫继兵[75]等基于概率因子图模型对于医疗社会网络中的用户健康状态进行检测，考虑社会关系、历史健康状态和用户属性对网络用户健康状态检测结果的影响，同时提出基于时空概率因子模型的用户健康状态检测和预测方法。

4　总结与展望

本文基于信息系统概念、研究现状以及近年来社会网络分析的研究热点，整理文献库中以社会网络视角分析各类信息系统的核心观点，将信息系统按业务类型划分成：企业网络、社交网络以及公共服务网络。在企业网络中，从企业产品研发和推荐系统、员工管理系统、企业绩效和内部关系管理，以及从用户的角度探讨在社会网络的理论和分析方法下企业的运作思路和效率变化；社交网络是社会网络概念产生以来的研究热点，从社交平台中研究综述的太背景下，引出对于社交网络数据、平台危害性和以Facebook 为重点的文献核心观点，以及从社交平台用户的活跃程度对于用户行为的预测问题。在从社会网络视角下并不十分活跃的公共服务角度，整理归纳学者对于教育系统以及医疗系统的研究情况，教育中社会网络的引入对于教育模式的创新以及教育成本的减少和效率的提高带来了促进作用，医疗研究在文献库中展现出并不热门的现象，但从趋势看，越来越多的学者将关注点放在近来日趋发展的在线医疗、诊断中，从医疗信任关系、医疗信息传递的角度进行了有关研究。社会网络研究个体间不断变化的发展关系、各节点间信息和资源的流动关系，将社会网络的视角引入到信息系统的研究当中，可以对于系统和系统内广阔受众的运作方式和影响模式进行追踪探讨，从整理的情况来看，社会网络视角的研究将会跟随现今时事热点的变化而发展，在当今在线医疗、智能硬件、虚拟现实（VR）及互联网各业务的活跃发展下，学者们也在不断从社会网络理论和分析方法中了解新型产业的动态演化。

性和不确定性并非完全危害性的，相比于模糊的信息这些可能带来更多的机会和创新。利用社会网络分析的视角进行研究，因为社会网络主要站在动态的角度探究产品设计和开发中的进程发展，探究沟通协调过程中产生的效率提升问题。从产品扩散角度看，鲜于波 [30]等基于复杂网络对间接网络效应下产品扩散现象进行探讨，采用计算经济学建模方法研究在个体交往关系的复杂网络形成后，“软件”数量在厂商自行决定后，用户数量变化导致个体的决策和全局变量间存在双向交互影响作用，并展示了直接网络效应和间接网络效应在产品扩散中的区别和产品锁定发生的条件。

机制，是学术交流机制演进的结果。随着科学研究进入网络和数字时代，传统的学术交流系统已经完全不能满足数字科研环境下的科学交流需求，为促进科学交流的发展、提高科学研究的效率、提升科研成果的有效利用、满足学术及出版等各界人士对科研成果自由获取与交流的迫切需求，20世纪90年代末，学术界、出版界和图书情报界发起了开放存取运动，各国政府也对此持肯定态度，以欧美为代表的发达国家和以巴西、印度、中国为代表的发展中国家先后签署了《布达佩斯开放存取倡议》 《百斯达声明》 和《柏林宣言》 等文件 [32][33]。《布达佩斯开放存取声明》（BOAI）将开放存取解释为“允许用户不受经济、法律和技术的限制免费获取公共网络上的论文以进行阅读、下载、复制、打印和搜索等 [34]”，开放存取作为一种新的学术交流理念正在被越来越多的国内外学术机构、图书馆和科研人员所接受。

《布达佩斯开放存取声明》 确定了开放存取期刊和开放存取仓储两种开放存取实现途径。开放存取期刊又包含纯OA 期刊和复合OA 期刊两种形式。纯OA 期刊只在网络中发行，通过作者付费

参考文献

3.1.2　员工系统

[1]Mclaren T S，Head M M，Yuan Y，et al.A multilevel model for measuring fit between a firm's competitive strategies and information systems capabilities [J].MIS Quarterly，2011，35(4): 909-929.

[2]Wang J，Gupta M，Rao R.Insider threats in a financial institution:Analysis of attack-proneness of information systems applications[J].Management Information Systems Quarterly，2015，39(1):91-112.

[3]Laere J V，Aggestam L.Understanding champion behaviour in a health-care information system development project-how multiple champions and champion behaviours build a coherent whole [J].European Journal of Information Systems，2016，25(1): 47-63.

[4]Hsu C，Lin Y T，Wang T.A legitimacy challenge of a crosscultural interorganizational information system [ J].European Journal of Information Systems，2015，24(3): 278-294.

[5]Turel O.Quitting the use of a habituated hedonic information system: A theoretical model and empirical examination of Facebook users [J].European Journal of Information Systems，2015，24(4): 431-446.

对员工系统的探究方面，学者主要在社会网络下探究员工间的协作工作以及对员工绩效的影响问题。Yang[31]从P2P 网络中员工知识分享体系探索员工协作的进程，利用对等网络或即时通信工具进行知识分享时可能遇到无法找到共联的知识体系以及寻找知识共享对象的难题，在个体讨论或团体会议时知识分享需要不受时空和地理的限制，利用社会网络理论概念，选取企业中150人作为调研对象，跟踪其利用对等网络及企业通讯工具进行显性和隐性知识交流的情况，对内容信息和交流关键词进行分类归纳后，发现知识分享系统中内容源的管理效果和质量控制对于知识分享的效率有正向影响。通过计算知识关系联系和企业关系联系，量化后建立矩阵从而分类知识内容以及知识传播者，得到克服员工知识分享难以高效实现的解决措施并且发现传递关系对知识分享带来的隐性效果。杨斌[32]在研究虚拟团队知识分享时，根据社会嵌入理论和知识共享过程，借助网络关系中互助导向的根本属性，提出知识共享平台为网络节点，虚拟团队在知识传递、吸收和反馈过程中结合社会网络分析导向进行知识创新的结构模型。Sykes[33]等从企业建议网络探究企业系统中员工绩效问题，从员工建议网络的角度对比企业使用ERP 系统前后影响员工绩效的关键因素。从员工网络嵌入度和联系来解析员工的建议机制以及其中产生的沟通和友谊，将建议分解成工作流建议和软件层建议，再利用假设检验法发现建议网络对于员工知识技能有显著提升从而提升绩效以及工作满意度。杨隽萍[34]基于社会网络和企业知识理论研究浙江省创业者社会网络规模与网络的强度能促进企业发展，提供企业效益的问题。创业者和员工个体间知识的流动和共享以及对于网络的构建和维护效果越好，随之产生的绩效和收益越高。从个体进行工作搜寻行为来看，董占奎[35]在经典工作搜寻理论上，发现社会网络作为员工求职的重要信息渠道，对于搜索者来说资源能有效提高利用率，并且个体处于待业期时段大大减少，对于劳动力市场效率明显提高。

3.1.3　公司全局系统

[6]Furneaux B，Wade M.An exploration of organizational level information systems discontinuance intentions [J].MIS Quarterly，2011，35(3): 573-598.

[7]Hedman J，Sarker S.Information system integration in mergers and acquisitions: Research ahead [J].European Journal of Information Systems，2015，24(2): 117-120.

[8]Tiwana A，Mclean E R.Expertise integration and creativity in information systems development [J].Journal of Management Information Systems，2005，22(1): 13-43.

[9]Henningsson S.Learning to acquire: How serial acquirers build organisational knowledge for information systems integration [J].European Journal of Information Systems，2015，24(2): 121-144.

从公司全局系统看，姚小涛[36]等在强关系和弱关系的理论假设基础上，提出社会关系能提高企业竞争优势，同时发现强弱关系在资源和信息传递过程中扮演的角色差异。Wu[37]等从IBM、德勤等企业不断利用社交网络与公司内部成员、其他公司或用户之间创建强弱关系，这将有利于得知员工间的关系处理、战略层知识体系以及人力资源决策和资源分配方面的信息。企业间的社交与私人关系不同，强关系将有利于获得及时的信息支持反馈和信任建立，弱关系有利于招聘和其他公司信息传播。从强弱关系与职业亲密和私人亲密的角度构建矩阵，发现社交网络下员工不同关系状态带来的不同属性的亲密程度以及如何影响企业关系处理系统的机制。从产业角度看，梁潇[38]在2008年利用信息论加权的社会网络分析法对于三螺旋创新模式的信息流进行研究，利用信息流在产业与政府间的流动关系，介绍三重螺旋基本观点，提出结合中心度思想的结合创新信息活动的主体分布问题和具体算法。从用户角度看，Ju[39]等发现用户参与到公司ERP 系统中的社交网络之后，可提高用户活跃度以及满意度。在CRM 系统方面，Wu[40]等利用组织检测、进化追踪和组织生命周期进行建模来探究区别于传统客户关系管理的模式，以在社会团体中发现企业的潜在用户。从用户忠诚度角度看，Sun[41]在探究社会网络服务下用户信任、认知以及忠诚度的发展关系，企业可以建立依托于社会网络下客户服务的维持系统，与客户建立可信赖的关系并且传播企业广告信息。企业社区建立有益于提高用户信任，对于社区中用户的数据挖掘可将用户进行分类，对于不同用户进行个性化的产品推荐机制，同时及时解决用户困难以提高用户忠诚度。

[10]Wiener M，Remus U，Heumann J.The effective promotion of informal control in information systems offshoring projects [J].European Journal of Information Systems，2015，24(6): 569-587.

3.2　社交网络信息系统

近年来，随着互联网的发展和普及，在线社交网络（onlinesocial network，OSN）逐渐引起学术界的广泛研究。越来越多有关在线社交网络的文章在核心信息系统期刊上发表。以在线社交网络为关键词的文章比例从2008年到2013年上升了31%之多。相关研究内容涵盖范围也非常广泛，包括在线社交网络的特征、用户体验、私密性、组织和社团中的在线社交网络以及在线社交网络的设计，等等[22]。

模式下的科学交流发展

机构知识库IR（Institutional Repository）是科研机构建立的数字仓库，用于保存机构内的科研资源，包括学术论文、实验数据、学位论文、电子预印本、科学数据库、会议录、教学课件等，它可以提供跨库的无缝检索，实现科学资源的整合并提供服务，是开放存取理念下的一种以数据库为核心的新的科学交流模式。

4.3.1　机构知识库的概念

图8　基于OA 的网络结构交流模型在线社交网络之所以会在各大信息系统期刊上发表，是因为在线社交网络背后，存在着许多不同的信息系统。有一些是由数据构成的信息系统，如Facebook 后台数据库中，所有用户的信息、日志和照片等。利用这类信息，我们可以了解一个用户的情感、生活以及性格。还有一些是虚拟的信息系统，是一种以用户为节点、相互关系为连边的社交网络信息系统。利用这种系统，我们可以了解到不同用户或组织之间的关系、亲密度、信任度等，探索社会形态模式下的人与人之间的联系。

[12]Roberts N，Galluch P S，Dinger M，et al.Absorptive capacity and information systems research: Review，synthesis，and directions for future research [J].MIS Quarterly，2012，36(2): 625-648.

在线社交网络分析以及更宽泛的网络分析，都提供了一种丰富、严谨、系统的手段，让学者和组织领导者能够更好地评估他们的各种数据信息和系统。基于Web 的服务，如Facebook 等，也传递出新的手段，使人际关系更加透明和可追溯[16]。

笔者将目前许多核心信息系统期刊中与在线社交网络有关的文章进行汇总后，分成若干个不同的研究类型和方向，这些文章在一定程度上也标志着目前信息系统相关研究中社会网络视角的主流研究方向。

[13]Rogers Y，Smith H，Brady M.Managing one's social network:Does age make a difference? [J].Human-Computer Interaction，2003: 551-558.

3.2.1　综述型文章

由于在线社交网络以及社会网络等相关研究内容都是最近几年才逐渐火热起来的研究热点，因此相关的综述型文章非常稀少。但也正因为此类文章稀少，才显得非常珍贵和重要。通过综述型的文章，其他学者可以更加了解在线社交网络所真正需要关注的研究点，以及更加明确今后相关的研究方向，便于抓住重点，避免重复的工作，提高研究效率。

[14]Boyd D M，Ellison N B.Social network sites: Definition，history，and scholarship [J].Journal ofComputer-Mediated Communication，2007，13(1): 210-230.

Berger[22]等对目前与在线社交网络和信息系统的研究现状作了初步的介绍和分析，并提出了四个有待解答的问题：

（1）在信息系统的学术领域中，有关在线社交网络的学术探讨近年来发展得如何？

（2）哪些信息系统的出版发行刊物是在线社交网络调查研究者最容易接受刊出的？

[15]Thorelli H B，Johansson J.International product positioning [J].Journal of International Business Studies，1985，13(3): 85-111.

（3）目前已经有哪些与信息系统有关的在线社交网络研究领域被涵盖？

（4）有哪些潜在的研究领域还没有被相关信息系统研究所涵盖？

[16]Oinas-Kukkonen H，Lyytinen K，Yoo Y.Social networks and information systems: Ongoing and future research streams [J].Journal of the Association for Information Systems，2010，11(2): 61-68.

这篇文章的正文对上述四个问题进行了翔实的解答。作者以“在线社交网络”“社会网络服务”“社交网站”等关键词对2003年至2008年的研究文章进行搜索，并对从2008年至2013年相关研究的文章数量和期刊发表数量进行了比较，对已经开发和潜在的相关研究领域进行了概括总结，发现相关研究论文的刊登数量每年都在快速增长，其方向大致包括在线社交网络的特征、用户体验、私密性、组织和社团中的在线社交网络以及在线社交网络的设计等等。最后他们对这些不同研究方向未来可以继续进行的不同角度提出了自己的看法。

[17]Granovetter M S.The strength of weak ties [J].American Journal of Sociology，1973，78(6): 347-367.

王乐[42]等的文章对目前国内外社交网络中的信息传播预测问题的研究进行了文献综述。他们认为与传统的传播方式不同，信息通过用户交互行为在社交网络中被大规模地迅速传播，这在一定程度上推动了市场营销、信息产业等的发展，但同时也增加了危害事件、不良信息、负面新闻等产生的突发性和频度，其引发的信息问题为互联网的安全运行带来了新的挑战。通过对信息传播进行预测，可以及早发现传播中的信息存在的潜在威胁，使得中国的信息行业能够更好地前进和发展。

[18]Ozyar E，Gurdalli S.Social network analysis: A powerful strategy，also for the information sciences [J].Journal of Information Science，2002，28(6): 441-453.

r assessing blogbased learning systems success [J].Onl

4.2　开放存取环境下的科学交流发展

4.2.1　开放存取科学交流系统的优势

（2）提高科学交流效率，促进科学研究发展。机构知识库促进科学研究资源在研究人员之间免费、快速的传播，是机构知

3.2.2　数据科学

每一个社交网站和社交媒体的背后，都有一个巨大的数据网络支持。学者们通过对数据网络中数据的分析，可以了解到数据科学中更深层的内容。

[19]Burt R S.Structural holes: The social structural of competition[M].Harvard University Press，2010.

[20]Chen T-M.Integrating facebook and alumni into the social network mobile platform [J].International Journal of Electronic Commerce Studies，2014，5(1): 109-114.

[21]Ganley D，Lampe C.The ties that bind: Social network principles in online communities [J].Decision Support Systems，2009，47(3): 266-274.

[22]Berger K，Klier J，Klier M，et al.A review of information systems research on online social network [J].Communications of the Association for Information Systems，2014，35: 145-172.

[23]Sykes T A，Gosain S.Model of acceptance with peer support: A social network perspective to understand employees' system use[J].MIS Quarterly，2009，33(2): 371-393.

Shi[43]等通过技术和用户行为建模的方式，研究在用户自愿信息共享的背景下的微博等主要的社交网站。他们收集了详细的用户转发数据，并统计记录了用户的社会网络特征及其转发行为之间的关系。他们使用最大似然估计的方法以获得更多的结构模型。实证结果证实了弱关系更可能引起内容共享的社会交换过程。Park[44]等利用社会网络的观点以及大量的实证分析数据，提出了一种新的推理模式，解决了自我报告的资料很容易出现各种形式的弄虚作假的问题。自我报告资料的弄虚作假，往往严重威胁跨企业边界的完整性。为了缓解这一反复出现的困境，业务经理和分析师需要系统的方法，使他们能够准确地评估自我报告的数据质量。他们的研究结果还表明，熵评估起着重要的作用，能够进一步提高其推理模型的能力。Wattal[45]等运用经济学理论的网络外部性的概念，来补充解释社会影响力理论下其他人的使用是如何影响像博客一类的社会计算工具的使用的。这一研究也有助于不同类型的网络，如管理者、关系网络、位置网络和空间网络的博客使用的研究，结果也将帮助那些想管理并提高社交技术的使用的管理人员以及想进一步解构形式的研究人员。Weiss[46]认为参与式网络和社交网络应用的出现改变了我们的沟通行为和我们在网络上表达自己的方式。随着用户在自己的主页上显示的个人身份信息越来越多，社交网络应用程序提供者也获得了不少的利益，但同时，数据滥用的风险会威胁到个人用户的信息隐私以及供应商的商业模式。作者发表了维护社会网络应用的主要要求，并提出了一种隐私威胁模型，可以用来提高数据信息的隐私性。唐杰[47]等从大数据的特点着手，结合互联网络尤其是在线社交网络的发展趋势，介绍大数据在提升国家信息产业科学化水平、引领新型互联网经济发展、推动社会学与信息科学交叉发展等方面带来的重大机遇，分析在线社会网络中存在的关键问题，阐述网络大数据研究在语义理解与分析、多模态关联与融合、群体行为分析与挖掘、多维分析与可视化、系统的研发与集成等方面面临的巨大技术挑战，以及当前国内外在大数据分析和在线社交网络领域的主要研究工作。高梦超[48]等针对传统搜索引擎无法利用关键字检索技术直接索引社交网络平台信息的现状，基于众包模式，采用C/S 架构，设计了社交网络数据采集模型。通过主题Deep Web 爬虫的分布式机器节点自动向服务器请求爬虫任务并上传爬取数据，利用Hadoop 分布式文件系统对爬取数据进行快速处理并存储结果数据。实验结果表明，主题Deep Web 爬虫系统配置简单，支持功能扩展和目标信息直接获取，数据采集模型具有较快的数据获取速度及较高的信息检索效率。

3.2.3　社交网络的危害

目前大部分的科研文献都指向了社交网络优秀的、普遍的一面，然而众所周知，任何事物都有两面性，所以我们现在更需要关注日益普及的社交网络，对于人们生活和情感等是否会产生一些负面的作用。

[24]Turban E，Li Y-W，Ho Y-T，et al.What drives social commerce:The role of social support and relationship quality [ J].International Journal of Electronic Commerce，2011，16(2):69-90.

[25]Haythornthwaite C.Social network methods and measures forexamining e-learning [J].Social Networks，2005.

Maier[49]等主要介绍和评价了社交网络服务使用的负面结果带来的社交过载。当社交网络服务的使用者觉得他们在使用社交网络服务中给予其好友过多的关注时，就会产生社交过载。因此，他们会对社交网络服务感到疲惫或不满意。除了生理反应的疲惫，还会降低使用社交服务的强度。社交过载产生的原因包括在社交网络上的朋友的数量、使用频率等。其结论是，社交超载是网络生活的一部分，人们需要合理控制参与网络社交的时间。Turel[50]等认为享受信息系统带来的乐趣已被确定为一个理想的现象，因为它可以驱动系统各个方面的使用。作者依靠几个理论机制，得出与以前的研究相一致的结论，表明享受乐趣可以带来积极的结果，如高投入。然而，它也可以发展成为一个强大的习惯，直到它成为一个“坏习惯”，逐渐形成一种强有力的“技术成瘾”。他们测试和验证这种双重效果的社交网络享受机制，并对潜在的双重性的管理信息系统的结构进行了讨论。刘杰[51]等对近年来大学生社交网络成瘾的原因和现状进行了阐述，他们认为社交网络成瘾是指由于过度使用社交网络，运用社交网络维护人际关系，对社交网络及社交网络关系产生心理依赖，以致影响个体的日常生活、工作及学业。这一成瘾行为会对大学生学习、生活产生诸多消极影响。然后他们对此提出了一些对策，例如，加强校园网络和学校活动建设，减少不良网络交际；采用“合理情绪疗法”，对大学生进行心理辅导；引导大学生健康网络使用及网络交往等。

[26]Gold M，Doreian P，Taylor E F.Understanding a collaborative effort to reduce racial and ethnic disparities in health care:contributions from social network analysis [J].Social Science ＆Medicine，2008，67(6): 1018-1027.

[27]Fernandez-Luque L，Karlsen R，Melton G B.Health trust: A social network approach for retrieving online health videos [J].Journal of Medical Internet Research，2011，14(1): 270-276.

社交网络的危害除了可能会让人成瘾，消耗大量时间外，还可能会泄露用户隐私。目前有不少学者开始注重社交网络的隐私方面的研究。吕少卿[52]等针对社交网络公开信息提出了一种隐私信息推测算法。通过对用户的好友关系网络进行社区发现，利用社区内一部分好友公开信息推测其他好友隐私信息。实验表明，该算法只需利用少量公开信息就能以较高的准确率推测出其他用户大量的隐私信息。付艳艳[53]等针对当前社交网络隐私属性匿名算法中存在的缺乏合理模型、属性分布特征扰动大、忽视社交结构和非敏感属性对敏感属性分布的影响等弱点，提出一种基于节点分割的隐私属性匿名算法。该算法通过分割节点的属性连接和社交连接，提高了节点的匿名性，降低了用户隐私属性泄露的风险。实验结果表明，该算法能够在保证数据可用性的同时，有效抵抗隐私属性泄露。

3.2.4　“脸书”上的探索

Facebook 是由美国人马克·扎克伯格等创建的一个社交网络服务网站，于2004年2月4日上线，目前是世界排名第一的照片分享站点。作为在线社交网站中重要的旗帜，学术界对于Facebook的研究热情也越来越高涨。

[28]Kratzer J，Leenders R T A J，Van Engelen J M L.A social network perspective on the management of product development programs [J].The Journal of High Technology Management Research，2009，20(2): 169-181.

[29]Storto C.Investigating information flows across complex product development stages by using social network analysis (SNA)[C]/ /Proceedings of the Complexity in Engineering，2010，IEEE Transactions.

[30]鲜于波，梅琳.间接网络效应下的产品扩散——基于复杂网络和计算经济学的研究[J].管理科学学报，2009，12（1）：70-81.

[31]Yang S J H，Chen I Y L.A social network-based system for supporting interactive collaboration in knowledge sharing over peer-to-peer network [J].International Journal of Human-Computer Studies，2008，66(1): 36-50.

[32]杨斌，王学东.基于社会网络嵌入性视角的虚拟团队中知识共享过程研究[J].情报科学，2009，12（1）：1765-1769.

[33]Sykes T A，Venkatesh V，Johnson J L.Enterprise system implementation and employee: Understanding the role of advice networks [J].MIS Quarterly，2014，38(1): 51-72.

[34]杨隽萍，唐鲁滨.浙江省创业者社会网络对创业绩效影响研究——基于知识获取和转化的视角[J].情报科学，2011，12（1）：1876-1881.

对于Facebook 的研究方向有很多。Shim[54]等讨论了目前使用移动技术和社交网络进行教育时遇到的问题和未来的发展方向。探讨的主题包括历史课程的数字化教育、使用智能手机和平板电脑在教室里进行教育、社会化网络服务的发展和社会媒体的使用等。重点讨论了微博、谷歌、iPhone /iPad 和Facebook 技术环境的未来发展方向。Chen[55]等主要研究了Facebook 用户学习态度的形成以及成员态度与自我表露的关系。通过学习理论的理论，他们了解到影响用户对社交网络中源于经典条件作用、操作性条件反射和社会学习的相关因素的态度的关键原因。此外，他们还探索了成员的态度影响自我披露的程度的基本过程，以及提出了站点使用率对于态度和自我表露程度关系起到的中介作用的理论。该研究对其他在线社交网站的文献研究有一定帮助，并且为相关网站服务供应商提供了有用的用户行为分析。Tzuo-Ming[20]等认为移动设备，如智能手机和平板电脑接入互联网比以往任何时候都更容易，同时也为大学和校友的社交平台带来了新的机会。他们提出了一种将Facebook 和大学校友整合的社会网络站点的移动平台。在这个平台的用户可以互相联系校友，他们可以从Facebook 知道他们的最新状况，并从高校数据库中获取校友个人信息。此外，移动平台利用谷歌同步功能，为用户提供了一种无所不在的信息检索服务，该服务可以在任何地点、使用任何设备进行信息检索。Özgür Külcü[56]等研究了在土耳其使用Facebook 的用户是如何保护自己的隐私信息的。由于在土耳其没有法律能够保护用户在社交网络上的隐私，因此这项研究是非常重要的。研究人员招募了400名信息专业人士，他们都是KUTUP-L 组织的成员，研究人员对这些人员的Facebook 隐私信息设置进行了分析以及得分计算。结果表明大部分的信息专业人士都会选择修改用户默认设置来保护个人隐私。Chiu[57]等调查研究了在线社交网络中用户的主观幸福感与忠诚度。在这项研究中，他们确定了网络外部性的四个组成部分：感知网络规模、外部的威望、兼容性和互补性，并提出了一系列的假设。其收集的615个有效的用户数据为这些假设提供了强有力的支持。研究结果表明，感知网络规模对用户的社交网络认同产生负面影响。网络外部性的其他组件对社交网络的认同和满意度具有积极影响，从而也对用户的主观幸福感和忠诚度产生积极的影响。车凯龙[58]等以Facebook 和腾讯这两个社交网络巨头为例，对比分析了其在大数据方案解决、战略体系、产品服务、盈利模式等方面的不同。结论是Facebook 对大数据的应用和挖掘比较深入，广告收入是其主要盈利来源；而腾讯在大数据方面起步比较晚，但其创新能力比较强，开发了诸多服务产品，其盈利主要来自于客户的增值服务。李金波[59]等通过对国外100家高校图书馆Facebook 服务平台的网络调查，从建站时间、服务内容、提供的功能、应用程序、活跃度等方面对Facebook 应用的现状进行分析，为国内高校图书馆建设社交网络平台进行服务提出了建议，并指出图书馆应用社交网络仍需深入研究和思考效果、隐私和安全3个主要问题。

3.2.5　预测和发现

在线社交网络中的许多信息和数据，都为这些网站的工作人员以及其他的科研人员提供了一种预测和发现的可能。研究人员可以通过对用户产生的各类数据以及偏好设置等，预测未来即将流行的趋势和发现优点及不足，以此来改善在线社交网络以及信息系统。

[35]董占奎，黄登仕.社会网络环境下工作搜寻行为实验研究[J].管理科学学报，2013，16（7）：1-12.

[36]姚小涛，张田，席酉民.强关系与弱关系——企业成长的社会关系依赖研究[J].管理科学学报，2008，11（1）：143-152.

[37]Wu A，Dimicco J M，Millen D R.Detecting professional versus personal closeness using an enterprise social network site [C]/ /Proceedings of the International Conference on Human Factors in Computing Systems，Atlanta，Georgia，USA，2010.

[38]梁潇.三螺旋创新模式中信息流主体研究——以信息论加权的社会网络分析法[J].情报科学，2008，26（1）：115-119.

Yen-Liang Chen[60]等发现许多社交网站一直在积极探索使用共享用户信息的创新的广告策略。例如，Facebook 提供一种服务，允许营销人员利用用户的状态自动生成广告。这种做法的有效性取决于能否准确地预测一个广告对其读者的影响。对于这种性质的广告策略，广告的影响程度是由广告的特点，包括创作内容和时间以及广告创作者的特点共同决定的。他们提出了两种模型预测，即广告内容特点不同和作者相关特点不同，来预测广告的影响力。实证评估表明，所提出的预测模型能够提高预测的准确性。Xu[61]等阐述了一种新的方法，可以有效地从社交网站发现最有影响力的用户。特别是提出了从社交网络中挖掘有影响力网络的一般方法和发现最有影响力的用户群体的计算模型。从社交网站中提取的实际数据的实证评估表明，所提出的方法相较于基本方法可以有效地识别最有影响力的群体。Aihui Chen[62]等认为，为了了解用户在一个社交网站上的行为，在测量之前，首先需要识别和分析各种类型的在线社交行为。为了从整体上分析用户在一个社交网站的行为，他们进行了三项研究。首先，使用Delphi 法则将用户在一个社交网站上的积极行为分成四大类；然后，设计了一个测量模型并用477名社交网站用户在线调查的收集数据对其进行验证；接着，使用基于承诺理论的预测模型来测试1242个回复数据。数据分析结果表明，情感承诺和持续承诺能够对社交网站上的积极行为进行良好的预测。丁宇新[63]等研究了如何利用社交关系推测用户的隐藏属性，他们采用基于图的半监督学习方法推测用户属性。为了提高预测的准确率，提出了利用属性聚集度评价属性推测的难易程度，并依用户节点标记的不同，设计不同的权重公式计算用户之间的关系强度。张亮[64]等选取豆瓣网和人人网两个在线社交网络为研究对象，在基于美食主题的社交网络中，进行影响力用户发现。研究发现，基于主题的社交网络具有明显的无标度性质，点度中心度可以作为基本的用户影响力指标。派系划分方法能够发现影响力用户连接的予群；割点分析能够刻画影响力用户的信息传播能力。最后，结合节点度与派系值两个影响力指标，将用户划分成精英、专家、潜水、不活跃四种类型，其中精英用户和专家用户为影响力用户。

pan>。”

4.3.2　机构知识库的科学交流功能

蔡迎春[22]通过将机构知识库和传统科学交流模式相比较，认为机构知识库作为科学交

综上，我们可以总结出，社交网络方面的研究目前依然处于火热的时期，大量相关的研究层出不穷，相信未来会有更多的优秀文章发表，其研究角度也会得到拓新。

3.3　公共服务网络信息系统

在搜索学者以社会网络视角对于公共服务内容进行研究的文献后，将公共服务方面研究归纳为教育、医疗两方面。教育文献以course、education、E-learning 等作为关键字进行搜索，医疗研究文章以health、doctor、treatment 等关键字进行搜索。

3.3.1　教育系统

Yang S，et al.Group CRM: A new telecom CRM framework from social network perspective [C]/ /Proceedings of the ACM First International Workshop on Complex Networks Meet Information ＆ Knowledge Management，Hong Kong，China，2009.

的共享和利用。

4.3

[41]Sun H G.The impact of social network service，trust and cognition on customer loyalty in internet shopping [J].Journal of information management，2011，42(2): 211-234.

[42]王乐，王勇，王东安.社交网络中信息传播预测的研究综述[J].信息网络安全，2015，（5）：47-55.

[43]Shi Z，Rui H，Whinston A B.Content sharing in a social broadcasting environment: Evidence from twitter [J].MIS Quarterly，2013，38(1): 123-142.

[44]Park S-H，Huh S-Y，Oh W，et al.A social network-based inference model for validating customer profile data [J].MIS Quarterly，2012，36(4): 1217-1237.

[45]Wattal S，Racherla P，Mandviwalla M.Network externalities andtechnology use:A quantitative analysis of intraorganizational blogs[J].Journal of Management Information Systems，2010，27(1): 145-174.

以社会网络视角对于教育系统方面的研究主要分为三个方向：教育沟通工具、知识分享以及在线教育系统。随着社会网络发展带来的社交工具种类的增加，教育者之间也开始使用社交软件来进行教育沟通，Shim[54]等探究美国学校里老师和学生之间使用智能技术系统中的社交媒介工具，例如Twitter、Facebook 等进行远程教育，以及将Blog、WIKI 这类社会网络设备带入课堂所带来的影响及变化。从依赖电脑及投影设备的电子课堂开始发展到依赖网页Web 端、远程教育，直到现在可利用移动智能设备进行教学，科技和社会网络的发展带动教育的效率，教育将不受时空影响，课程弹性增加随之增加教育的个人导向性。在这些优势下，美国很多学校发放并利用平板、Kindle 进行教学，但并非所有智能设备适用于教育系统中，调查中学生表示平板设备不适合在查看PPT 时同步进行笔记。但是，将Web2.0时代下的社交设备引入至教育管理系统可以减少成本，并且使教学过程更加高效。李宝强[65]对用户网络学术资源利用进行探讨，利用TAM 和任务技术适配模型以及系统使用经验和信任作为变量，研究网络信息资源利用情况和用户网络分布。在校内知识分享方面，Qifeng Liu[66]等学者对利用校内社交网络进行知识分享的机制。高效网络空间中，知识存储在数字资源如文档、照片、视频等。文献中设计和优化高效中知识共享机制，机制具有五大功能，包括利用用户的个人社交网络以方便传播数字资源，利用一个六元组模型的基础标注实现统一标识的数字资源传播，根据朋友的访问控制列表进行安全知识共享，通过多尺度评价数字资源，最后以协同过滤作为其核心理念利用社交图谱进行数字资源的个性化推荐。在专家库探讨方面，王曰芬[67]针对现有科技咨询专家库在信息索取、存储、抽取和检索利用中存在的局限性，探讨将先进的组织专家检索技术、社会网络分析技术和可视化技术引入到专家库的构建中，分析和设计基于社会网络的科技咨询专家库构建方案与流程。对于在线教育方面的讨论，Kuo[68]等对基于位置的社交网络在在线教育支持系统的运用研究，在电子学习支持系统利用GPS 传感器获取学习者的位置信息，利用社区协作加强学习的合作性以及连贯性，增加与导师以及同学间的互动以提高用户对于移动学习的满意度。在分布式学习中，增加学者间的联系变得十分重要，加入基于位置的社会网络系统，可以对于环境进行感知，例如系统自动提示学者何种环境更适应于英语学习，共享自我位置信息可方便进行线下沟通。学习者可以在电子学习支持系统搜索谁参加同一门课程，或可与谁进行互助过程，这是利用社区的概念将在线学习者构建网络并且建立相关联系。对于学术团队的评估方面，汤建民[69]以科学研究领域为例，基于数据挖掘和可视化技术的学术研究团队的可视化评估和识别方法，实现统一的学术流程，同时用国内科学研究领域为例说明此方法的可行性和有效性。

[46]Weiss S.Privacy threat model for data portability in social network applications [J].International Journal of Information Management，2009，29(4): 249-254.

3.3.2　医疗系统

[47]唐杰，陈文光.面向大社交数据的深度分析与挖掘[J].科学通报（中文版），2015，60（5/6）：509-519.

[48]高梦超，胡庆宝，程耀东.基于众包的社交网络数据采集模型设计与实现[J].计算机工程，2015，41（4）：36-40.

[49]Maier C，Laumer S，Eckhardt A，et al.Giving too much Social support: Social overload on social networking sites [J].European Journal of Information Systems，2014，24(5): 447-464.

[50]Turel O，Serenko A.The benefits and dangers of enjoyment with social networking websites [J].European Journal of Information Systems，2012，21(5): 512-528.

[51]刘杰，王冰莹.大学生社交网络成瘾现状、原因及其对策[J].学理论，2014（29）：218-219.

[52]吕少卿，张玉清，倪平.基于公开信息的社交网络隐私泄露[J].通信学报，2013（1）：190-196.

[53]付艳艳，张敏，冯登国.基于节点分割的社交网络属性隐私保护[J].软件学报，2014，25（4）：768-780.

对于医疗方面的研究可以从医疗信息系统、医疗信任以及医疗数据等方面来分类。Durst[70]等探究个人喜好、生活方式、环境以及社交网络对于肥胖的影响，将社交网络作为一项社会资本，通过概念模型分析个人社交网络中产生的内容关系，个体所得到的内容源机会或者限制访问资源对于其个人生活方式的影响。杨义[71]等对医学生亲密的社会网络进行研究，抽取四川省医学生进行调查探讨其内在的社会网络特征，对于开展大学生性教育提供参考。Menon[72]对于医疗信息系统有生产力进行研究，分析IT 对于医疗信息系统的作用，将生产投入分为劳动力和资本，劳动力分为IT劳动力和医疗劳动力，资本分为医疗IT 资本、医疗资本、IT 资本，调研后发现IT 技术对于医疗系统有正向推动作用。Jang[73]等使用社会网络分析方法对近年来医疗保健和药品的研究随时间变化的关键词进行归纳分析，在国家医学图书馆数据库中检索27500余篇文献，并利用meaical 作为关键词进行搜索，发现“分子序列”为近年来的核心关键词。在临床医学方面，Baglioni[74]等提出个性化的医药和系统生物学概念以开发出新的健康学理论，来对应于临床医学的药物治疗活性。学者们利用社交网络模式为临床医学量身定制一个新型框架，社交网络模型的实体包括：病人、病理学、全科医生、药物、诊断、门诊，结合中心度算法等概念进行临床医学模式的探索。在医疗信任方面，Luis Fernandez-Luque[27]等发现利用社交媒体平台寻找高质量的健康信息很困难，社交媒体中误导性医学信息泛滥，因此他们对在线健康信息社区中的内容进行研究，对Youtube 中有关糖尿病的视频进行度量搜索后设置一个指标为“Health Trust”，并且验证该指标适用于对于糖尿病这一关键词进行搜索，同时也验证社会网络分析的方法能够用于识别值得信赖的在线健康信任社区。Gold[26]等人利用社会网络分析医疗计划系统项目中的减少和民族差异，利用大规模的公共和私营部门参与健康计划系统工作，来建立之间的组织合作关系。在预先测试中，发现组织者和一部分赞助商的联系，并且伴随项目的发展，研究他们之间的参与感知地位和感知贡献，随后发现组织者和小范围的赞助商为网络核心，不同的角色赞助商发挥不同的作用。从用户健康状态看，宫继兵[75]等基于概率因子图模型对于医疗社会网络中的用户健康状态进行检测，考虑社会关系、历史健康状态和用户属性对网络用户健康状态检测结果的影响，同时提出基于时空概率因子模型的用户健康状态检测和预测方法。

4　总结与展望

[54]Shim J P，Dekleva S，Guo C，et al.Twitter，Google，iPhone/iPad，and Facebook (TGIF) and smart technology environments:How well do educators communicate with students via TGIF?[J].Communications of the Association for Information Systems，2011，29(1): 657-672.

[55]Chen R，Sharma S K.Learning and self-disclosure behavior on social networking sites: The case of Facebook users [J].European Journal of Information Systems，2015，24(1): 93-106.

参考文献

[56]Özgur K，Henkogˇlu T.Privacy in social networks: An analysis of Facebook [J].International Journal of Information Management，2014，34(6): 761-769.

J].MIS Quarterly，2011，35(4): 909-929.

者将关注点放在近来日趋发展的在线医疗、诊断中，从医疗信任关系、医疗信息传递的角度进行了有关研究。社会网络研究个体间不断变化的发展关系、各节点间信息和资源的流动关系，将社会网络的视角引入到信息系统的研究当中，可以对于系统和系统内广阔受众的运作方式和影响模式进行追踪探讨，从整理的情况来看，社会网络视角的研究将会跟

[2]Wang J，Gupta M，Rao R.Insider threats in a financial institution:Analysis of attack-proneness of information systems applications[J].Management Information Systems Quarterly，2015，39(1):91-112.

[57]Chiu C-M，Cheng H-L，Huang H-Y，et al.Exploring individuals'subjective well-being and loyalty towards social network sites from the perspective of network externalities: The Facebook case [J].International Journal of Information Management，2013，33(3):539-552.

[3]Laere J V，Aggestam L.Understanding champion behaviour in a health-care information system development project-how multiple champions and champion behaviours build a coherent whole [J].European Journal of Information Systems，2016，25(1): 47-63.

[58]车凯龙，铁茜.国内外社交网络（SNS）大数据应用比较研究——以Facebook 和腾讯为例[J].图书馆学研究，2014（18）：18-23.

[4]Hsu C，Lin Y T，Wang T.A legitimacy challenge of a crosscultural interorganizational information system [ J].European Journal of Information Systems，2015，24(3): 278-294.

[59]李金波，李书宁.国外高校图书馆社交网络应用调查与分析[J].图书情报工作，2012，56（3）：75-79.

[5]Turel O.Quitting the use of a habituated hedonic information system: A theoretical model and empirical examination of Facebook users [J].European Journal of Information Systems，2015，24(4): 431-446.

[6]Furneaux B，Wade M.An exploration of organizational level information systems discontinuance intentions [J].MIS Quarterly，2011，35(3): 573-598.

[7]Hedman J，Sarker S.Information system integration in mergers and acquisitions: Research ahead [J].European Journal of Information Systems，2015，24(2): 117-120.

[8]Tiwana A，Mclean E R.Expertise integration and creativity in information systems development [J].Journal of Management Information Systems，2005，22(1): 13-43.

Research and Applications，2012，11(4): 318-334.

[9]Henningsson S.Learning to acquire: How serial acquirers build organisational knowledge for information systems integration [J].European Journal of Information Systems，2015，24(2): 121-144.

[62]Chen A，Lu Y，Chau P Y，et al.Classifying，measuring，and predicting users'overall active behavior on social networking sites[J].Journal of Management Information Systems，2014，31(3): 213-253.

[10]Wiener M，Remus U，Heumann J.The effective promotion of informal control in information systems offshoring projects [J].European Journal of Information Systems，2015，24(6): 569-587.

[63]丁宇新，肖骁，吴美晶.基于半监督学习的社交网络用户属性预测[J].通信学报，2014，35（8）：15-22.

[64]张亮，张頔.基于主题的Web2.0社交网络影响力用户发现[J].情报杂志，2015，34（6）：158-162.

[11]Whitley E A，Gal U，Kjaergaard A.Who do you think you are?A Review of the complex interplay between information systems，identification and identity [J].European Journal of Information Systems，2014，23(1): 17-35.

[65]李宝强，孙建军，成颖.基于TAM 扩展模型的用户网络学术信息资源利用初探[J].情报学报，2008，27（4）：596-606.

[12]Roberts N，Galluch P S，Dinger M，et al.Absorptive capacity and information systems research: Review，synthesis，and directions for future research [J].MIS Quarterly，2012，36(2): 625-648.

[66]Du Z，Fu X，Zhao C，et al.University campus social network system for knowledge sharing [ J].Computer Science and Information Systems，2012，9(4): 1721-1737.

下，科学记录将不再完全以期刊论文为核心，Lynch [54][55]对数据密集型科研范式影响下的新型科学记录做了研究

[67]王曰芬，王雪芬，杨小晓.基于社会网络的科技咨询专家库的构建方案与流程设计[J].情报学报，2012，31（2）：116-125.

[14]Boyd D M，Ellison N B.Social network sites: Definition，history，and scholarship [J].Journal ofComputer-Mediated Communication，2007，13(1): 210-230.

[15]Thorelli H B，Johansson J.International product positioning [J].Journal of International Business Studies，1985，13(3): 85-111.

[68]Kuo L，Yang H，Yu J，et al.Identifying the course role of inservice learning via the social network structure [J].Wseas Transactions on Communications，2010，9(9): 583-594.

[16]Oinas-Kukkonen H，Lyytinen K，Yoo Y.Social networks and information systems: Ongoing and future research streams [J].Journal of the Association for Information Systems，2010，11(2): 61-68.

[69]汤建民.学术研究团队的可视化识别及评估方法研究：以科学学研究领域为例[J].情报学报，2010，29（2）：323-330.

[17]Granovetter M S.The strength of weak ties [J].American Journal of Sociology，1973，78(6): 347-367.

[70]Durst C，Viol J，Wickramasinghe N.Online social networks，social capital and health-related behaviors: A state-of-the-art analysis [J].Communications of the Association for Information Systems，2013，32(5).

不可能全部阅读与其科学研究领域有关的全部文献，需要利用机器来对科学信息进行过滤。这一需求在生命科学、遗传学、分子生物学、生物化学和医药化学等跨学科性较强的领域更为凸显。A.Ruttenberg