一种虚拟社区中社会资本的作用机制

一种虚拟社区中社会资本的作用机制一种虚拟社区中社会资本的作用机制--以人人网与新浪微博为例2011年度“人民网优秀论文奖”获奖名单1月22日揭晓，清华大学、北京大学、中国人民大学、中国传媒大学、厦门大学、武汉大学、复旦大学、南京大学、中央美术学院设计学院、华中科技大学、北京邮电大学11所学校的78篇论文和10件作品获奖。中国人民网大学刘刚的论文《一种虚拟社区中社会资本的作用机制》获得一等奖，以下是论文全文：中文提要本文以社会网络研究为基本视角，用实证的方法分析了两种不同类型社交网站中关系强度的差异、关系强度偏好和社会资本的运作情况。在虚拟社区中，社会关系网络同样存在强关系和弱关系之分。不同关系强度偏好的网站中，人们或倾向于巩固既有的社会资本，或倾向于拓展新的社会资本。强关系产生信任，在网络环境中得到进一步强化，并影响现实社会中的关系;弱关系有助于关系网络中的成员获取外部资源。当关系网络中的个体处于弱关系唯一的“桥”上时，个体就可以控制虚拟社区中的信息资源和“关系”，即掌握社会资本。关键词：社会网络虚拟社区社会资本研究意义与价值以往的社会网络研究提供给我们一个从人际关系、关系内容和社会网络结构的概念架构去研究社会现象。此类研究既发展出一个研究问题的理论架构，又形成了一整套具体可以测量的研究方法，这是社会网络研究的独特之处。大部分的社会网络研究的命题集中在经济学、社会学和管理学领域，传播学引入社会网络理论的研究相对较少。但是，如果从社会网络关注网络内信息等资源的流动角度看，社会网络的研究可以被认为是对拉扎斯菲尔德的传播流研究和创新扩散研究的继续和补充(Katz&Lazarsfeld，1955/2005;Rogers，1962)。早期的传播流所说的线性扩散模式并不能准确地描述真实的扩散过程(刘海龙，2008)，从人际关系和关系网络的角度研究信息的流动过程是对该问题的进一步深化。因此，在传播研究领域重新引入社会网络研究是有必要的。传统的社会网络研究和根植于社会网络理论的社会资本研究主要关注的是社区、互动或参与，这三者产生社会资本的过程，并不包括以计算机和互联网为中心的沟通(Rice&Katz，2001)。但是，随着互联网技术的发展和网络使用度的提升，网络环境中构建的关系所占人们社会关系网络中的比重越来越重。根据中国互联网信息中心(CNNIC，2010)的数据显示，中国互联网普及率已达到31.8%，而使用社交类网站的网民规模达到2.1亿，使用率为50.1%。这些都表明，虚拟生活正在嵌入人们的日常生活，也在潜移默化地改变人与人之间的关系网络结构，以及人们获取社会资本的方式。大部分互联网用户对互联网的使用都是功能性的(Stafford&Gonier，2004)。有研究表明，喜欢社交的人主要是为了收集信息而使用互联网，而面对面互动缺乏安全感的人使用互联网，主要是为了满足社会交往的需要(Papacharissi&Rubin，2000)。尽管有批判称，互联网削弱了人们面对面交往的能力(Nie,2001)，使人们在信息社会更孤立，与家人和其他人沟通减少(Krautetal，1998),但是更多的研究表明网络在增进社区人际交往的范围和能力(Hampton&Wellman，2002;Quan-Hasseetal.，2002;彭兰，2001;李国庆，2002)、社区参与和政治参与(Katz&Rice，2002)方面都有助益。在信息化社会中，构成社会基石的人与人之间的关系，非但没有疏离，反而成为网络生活的主体(刘静、杨伯淑，2010)。在互联网的虚拟社区中，透过社会网络获取社会资本是现实社会交往的一种补充甚至是替代力量。根据“弱关系优势理论”(Granovetter，1973/2007)和“强关系优势理论”(Krackhardt，1992)等研究，现实生活中不同的关系强度对于社会网络中的信息资源传递、信任感和影响力等方面都有不同的作用。那么，不同类型的虚拟社区中关系强度是否不同?虚拟社区中人与人之间的关系网络强度如何界定?不同关系强度的虚拟社区中，人与人之间交往行为是如何产生社会资本的?有哪些因素影响这些社会资本的获得?H3：在弱关系结构的虚拟社区中，人们趋向于拓展新的关系网络;在弱关系结构的虚拟社区中，人们真正关注的是否就是那么几个人?经过一段时间的使用后，人们可能趋向于只关心、只信任熟悉的那群人。尽管在个人的关系结构中表面上弱关系居多，但实际上仍是强关系在发挥作用。在虚拟社区成员的交互过程中，成员之间的关系有这样一种趋势，即弱关系逐渐向强关系转化。在虚拟社区中，尤其是在中国的网络环境中，真正发挥作用的网络仍然是强关系网络。因此，本研究提出下面假设：H4：在经过一段时间的使用之后，个人在弱关系结构虚拟社区中的关系网络仍会转化为强关系结构;社会网络结构位置是影响社会资本的重要因素，个人在网络结构中的位置影响社会资本的获取(Burt，1992)。正如费孝通所讲的差序格局的原则(费孝通，1948/1985)，依照不同的情感程度划分中国的关系。情感因素是社会资本在中国的一个重要指标，巩固既有的社会关系是中国人交往的一个特征。根据上文提到的文献所述，处于弱关系网络的“桥”上的个体获取社会资本更具优势(格兰诺维特，1973/2007)。因此，本研究提出以下假设：H5：在强关系结构的虚拟社区中，处于情感中心位置的人所获取的社会资本更有优势H6：与强关系虚拟社区相比，弱关系社区更看重个体在信息传递过程中所处的关系“桥”的位置;二概念界定及相关变量(一)关系强度根据格兰诺维特(Granovertter)在《镶嵌：社会网与经济行动》中对于关系强度的要素的划分，其可以分为四种：a)认识时间的长短;b)互动的频率;c)亲密性：相互倾诉的内容;d)互惠性服务的内容。在马斯登(Marsden，1984)的研究中，他把测量的变量分为关系强度指示变量(邻居、同事、亲戚)和观测变量(频率、亲密度、互信)。亲密度在马斯登的研究中分为三类：认识的人、好朋友和非常亲密的朋友;频率从很少来往到一周多次分为5级。同时，他还加入了议题(topic)变量，分为：家庭、朋友、政治、当地事务、工作和休闲6类。由于在中国谈论话题的特殊性(罗家德，2010)，关系强的人之间的话题往往集中在家庭、朋友和个人私事，而相对谈论政治和工作话题的关系强度不会太高。本研究根据之前测量中国社会网络关系强度的话题划分标准(罗家德，2010)，重新划分话题为：家庭情感(婚姻、性、私人感情生活)、朋友私事(共同认识的人，个人私事)、工作内容、娱乐休闲兴趣、政治话题等五类。因此，结合以往研究的经验和本研究的特点，本研究所要测量的关系强度变量包括：a)接触频率;b)认识时间;c)亲密度;d)互动话题。其中，接触频率划分为：一周内有过联系、一个月内有过联系、一年内有过联系、不怎么联系，并将这五类赋值为4到0分。认识时间分为：刚刚认识或不认识、1年及以下、1-2年、2-3年、3-5年和5年以上，并分别赋值为0到5分。亲密度分为：不认识、认识的人、普通朋友、亲密朋友四类，并将这四类赋值0到3分。互动的话题包括：家庭情感(婚姻、性、私人感情生活)、朋友私事(共同认识的人，个人私事)、工作内容、娱乐休闲兴趣、政治话题等五类，分别赋值为5到1分。(二)网络社会资本上文文献回顾中已经提到，社会资本主要测量的指标有：网络规模(结构)、网络成分(成员类型)、网络密度(关系强度)、资源数量与来源等。西方研究一般是根据布迪厄和普特南(Bourdieu，1986;Putnam，2000)所提出的“网络、资源、信任”三个大指标进行细化。与西方不同，罗家德(2006)分析华人社区的社会网络时指出，家人基于保证关系与情感关系，熟人基于情感关系与社会交换，部分的胜任基于哈丁(Hardin，2001)所说的互相为利的信任都能产生强弱不同的信任关系。正如费孝通所讲的差序格局的原则(费孝通，1948/1985)，依照不同的情感程度划分中国的关系。因此，情感因素是社会资本在中国的一个重要指标，巩固既有的社会关系是中国人交往的一个特征。在互联网时代，网络社会资本主要表现为能够透过关系网络获得的信息资源。马克思·韦伯将社会资源划分为三类：权利、财富和声望，林南(Lin，1982)认为这些资源是通过个人直接或间接的社会关系来获取的。按照林南的说法，这些能够透过社会网络获得的社会资源就是社会资本。与现实社会资本不同，信息资源成为网络社会中最重要的资源之一。为了便于分析和比较，本研究排除了现实中带入的社会资本，如通过声望获得的特权(新浪微博的加“V”)、通过财富获得的特权(人人网中“人人豆”的使用)，所以不考虑网络成分(成员构成)这一指标。尽管这样的做法不能完全避开现实影响的中介变量，但是已经达到了进行研究的基础。正如文献综述中所提到的，本文研究对象是区别是现实社会资本的网络社会资本。因此，本研究分析社会资本所采用的分析指标分别是：网络结构(规模和数量)、信息资源、信任关系和情感因素。其中，由于人人网中“好友数量”和新浪微博的“页面点击量”易被忽视，且不便于观察，所以，研究选取人人网的“页面点击量”和新浪微博的“粉丝数量”构成“网络结构”指标。三研究方法根据所掌握的资料，目前在社会网络和社会资本的研究分析中，主要采用的是定量研究的问卷调查法。一般在问卷调查的设计过程中会加入社会网络研究的相关问题，以便于利用社会网络分析方法进行研究。社会网络分析方法以“自我中心网络”(Ego’sNetwork)居多，另一部分研究对“整体网络”(WholeNetwork)进行分析。以“自我中心网络”考察的研究，侧重关注个体行动者，分析个体网的关系特征，如关系密度、同质性等;整体网络研究主要分析所有行动者的关系，如互惠性、关系的传递性等。因此，本研究主要采用“自我中心网络”问卷调查法收集相关数据，相关问卷见附录。研究选取了以人人网和新浪微博为代表的两种类型的社会化网站。人人网是一家以提供SNS社交服务为主的网站，根据Alexa的2010年11月13日的数据(Alexa，2010)，人人网在社会类网站中排名第一，在中国网站中流量排名第18位。在百度指数在2010年11月13日的分析中(百度指数，2010)，人人网主要用户群体集中于学生，年龄主要分布于20-29岁，教育程度在本科以上，也就是说人人网的主要受众群体是大学生群体(如下图1所示)。人人网在2010年后的关注度一直在10万以上，如下图2所示。新浪微博是新浪网推出的以提供微型博客服务为主的网站。根据Alexa的2010年11月13日的数据(Alexa，2010)，新浪微博在中国网站中的流量排名第四。在百度指数在2010年11月13日的分析中(百度指数，2010)，新浪微博的主要用户群集中在学生，年龄主要分布于10-19岁和20-29岁，教育程度在高中与本科以上，也就是说新浪微博的主要用户群体是高中生和大学生这样一批接受新生事物较快的群体(如下图3所示)。新浪微博的关注度在2010年9月后升至10万以上(如下图4所示)。以上数据显示，两家网站是具有代表性的社会化网站，且两家网站的用户群体类型接近，也便于作比较分析。为了易于研究作比较分析，问卷调查的样本必须抽取同时使用两个网站的用户。本研究假定两家网站中用户之间的关系强度是不一样，这将通过问卷中强度测试的相关问题检验假设H1，并区分出关系类型。在此基础之上，本研究将分析不同关系类型网站中用户行为对社会资本的影响，从而检验假设H2和H3。四研究资料收集研究的资料来自于中国人民大学新闻学院同学的问卷调查。抽取的样本要求必须同时使用人人网和新浪微博。由于两家网站的用户群都集中于大学生，尽管此次调查属于非随机抽样，但也具有一定的代表性。在问卷调查前，参与者都接受了关于互动方式与内容、社会网络、关系类型区分等相关培训，以确保其了解“互动”、“关系网络”、“弱关系”、“强关系”等概念的含义。结果，收到60份问卷，共有45份有效问卷，其中每份问卷都会涉及两个网站回答一到五个关系的内涵与类型，所以共得到450笔用于分析的有效数据。研究结果一研究资料分析与结果(一)样本描述根据文献中先前的研究(刘静、杨伯淑，2010)，人口变量对关系强度和社会资本有重要影响，是需要控制的几个主要的控制变量。由于研究的限制，人口变量包括年龄、教育程度和职业等因素差异不大，都被排除，只考虑性别部分。这部分内容主要针对样本进行简单的描述分析，如下图表所示。样本中男生16人，占35.6%;女生29人，占64.4%。大部分(77.8%)评分每天上网时间在3小时以上。(二)假设验证1.人人网与新浪微博的社会网络关系强度存在差别问卷中问题二至五涉及验证假设H1。本研究测量的关系强度变量包括：亲密度、认识时间、互动话题和接触频率。按照之前的赋值方法，四个变量所得分值如下：EQ1：亲密度=亲密朋友*3+普通朋友*2+认识的人*1+不认识的人*0EQ2：认识时间=五年以上*5+三年到五年*4+两年到三年*3+一年到两年*2+一年以下*1+刚刚认识*0+不认识*0EQ3：互动话题=家庭情感*5+朋友私事*4+工作内容*3+娱乐休闲兴趣*2+政治话题*1EQ4：接触频率=一周内有联系*3+一月内有联系*2+一年内有联系*1+不怎么联系*0在人人网的统计数据中，亲密度、认识时间、互动话题和接触频率四个变量的结果分别如下表所示。经由数据分析，人人网四个关系强度变量分值分别为：亲密度：562;认识时间：632;互动话题：753;接触频率：559。人人网关系强度分值为：2506。在新浪微博的统计数据中，亲密度、认识时间、互动话题和接触频率四个变量的结果分别如下表所示。经由数据分析，新浪微博四个关系强度变量分值分别为：亲密度：504;认识时间：546;互动话题：681;接触频率：546。人人网关系强度分值为：2277。从上述分析可以看出，人人网的关系强度是大于新浪微博的。但是，变量的数值整体比较接近。这可能跟两个方面原因有关：一是能够与之互动的人，大多数都是认识的人;二是这一数据也在一定程度上证明了假设H6，因为抽取的样本大多数都是使用了一段时间新浪微博，人际关系网络在趋向强化。某些变量的数据比较接近，比如接触频率。分析原因可能是由于接触频率这个变量对于中国社会的关系强度来说，拟合度不是很高。因为一年联系一次的朋友不一定是关系弱朋友，反而可能是较为亲密的朋友。不过，认识时间和互动话题两个变量显示出两个网站的关系强度还是有比较大的差别的。因而，可以认为该数据在一定程度上验证了假设1，人人网是一个以强关系为基础的社交网站;新浪微博是一个以弱关系为基础的社交网站。2.两种类型社交网站中关系强度的偏好：在人人网中，人们趋向于巩固既有社会关系;在新浪微博中，人们趋向于拓展新的关系网络问卷中问题六涉及验证假设H2、H3。如下图所示，样本中以“联络情感”为目的而使用人人网的高达91.1%，而新浪微博的使用目的以“获取信息”为主(91.1%)。网络社会资本分为：网络结构(规模和数量)、信息资源、信任关系和情感因素。在强关系结构虚拟社区中，信任关系发挥主要作用;在弱关系结构虚拟社区中，透过拓展新关系来获取信息资源是主要目的。由此可见，不同关系强度虚拟社区对于人们获取社会资本的影响是不同的。3.弱关系逐渐向强关系转化问卷中问题七、问题八和态度量表十的第一小问涉及验证假设H4。在抽取的样本中，使用新浪微博超过半年的有44.5%，不到半年的有46.7%，仅有8.9%的用户是刚刚使用新浪微博。在经过一段时间使用后，用户获取信息主要来自于加“V”的人或机构(48.9%)，以及熟悉的人(42.2%)。来自于所关注的陌生人的信息仅有8.9%。正如上文所提到，加“V”的人或机构属于现实中带入的社会资本，即利用现实社会中的声望资源而获得的网络社会资本。所以，加“V”的人或机构得到了用户较多的信任关系。将近一半的信息来自于熟悉的人，正说明了经过一段使用时间后，尽管表面上个人的关系网络(粉丝)中弱关系占多数，但是个人可能更趋向于关心和信任熟悉的那群人。在态度量表十的第一小问中，有超过半数(57.8%)的用户赞同假设H4，如下表6所示。因而，在虚拟社区的关系强度有这样一种趋势：弱关系逐渐向强关系转化。4.中心-边缘位置与网络社会资本问卷中问题九和态度量表十涉及验证假设五和假设六。问题九先初步验证假设五，即“在强关系结构的虚拟社区中，处于情感中心位置的人所获取的社会资本更有优势”。对于问题“人人网好友中人气最高的人是否拥有相对高的新浪微博粉丝”，有48.9%的用户选择了“不是”，但是不知道的用户也占了将近一半(42.2%)，如下图所示。问题九初步解释了假设H5，由于无法做整体网络调查以分析两个虚拟社区中的关系结构特点。因此，本研究采取态度量表的方式测定“中心-边缘”结构是否影响社会资本的获取。从下面的态度量表中可以看出，有一半多(55.6%)的样本认为会更关注人人网中人气高的用户。这说明，在强关系结构的虚拟社区中，处于情感中心位置的人所获取的社会资本更有优势。而在新浪微博的使用过程中，有86.7%的人会更关注能提供有价值信息的人。这说明，与强关系虚拟社区相比，弱关系社区更看重个体在信息传递过程中所处的关系“桥”的位置，而这些处在“桥”位置的个体能带来更丰富的异质化信息。三研究讨论(一)关系强度的偏好通过比较可以发现，非重复性的信息可以带来更高的效率。在虚拟社区的社会关系网络中，熟人之间搭建的强关系所传递的信息往往具有重复性。透过弱关系带来的信息资源常来自于与个人相关性较低的环境，它使得个人可以突破社会的界限以获得更高的效率。在以弱关系为核心动力的社会关系网络中，个体不需要建立所有的联系，只需要打通最主要的关系就能与其他的信息源建立有效的联系。以新浪微博中获取信息为例，个人只需要关注几个某领域的权威人士或意见领袖，就可以有效地在海量信息中获取外部资源。因为那些权威人士或意见领袖往往处于个人与其他信息源联系的“桥”(Bridge)上，这种弱关系成为建立有效联系的主要关系。尽管看上去人人网和新浪微博两家网站用户的关注点不同：新浪微博用户关注的是话题，连接用户的是内容;人人网依靠熟人之间的关系维系。但实际上，不管是新浪微博还是人人网，用户之间发生作用的依然是相互之间的关系网络。新浪微博中感兴趣的话题是用户之间的联结点，用户与用户之间依靠共同的兴趣形成关系网络。人人网中用户是依靠熟人之间既有的联系形成关系网络。在人人网上的个人表现辐射到的是熟人圈子和少数陌生人，个人的话题在大范围的用户群体中成为中心的可能性较小;在新浪微博上个人的关系网络构成多为陌生人，即弱关系。由于裂变式的信息机制，以及粉丝机制的作用，个人的话题容易在大范围内成为中心。二者用户行为的核心都在于分享信息，行为的作用机制都是关系。人人网依靠的是熟人网络产生的关系，而新浪微博则依靠用户共同的话题(兴趣)产生的关系。分享信息的意图借由不同强弱的关系实现。另一个问题是，以人人网为代表的SNS网站，看上去存在众多的强关系，似乎社区的凝聚力很大，实际上整个社区是分散成一个个相对独立的关系圈，或者小团体。在新浪微博的社区环境中，存在大量利于沟通的区间桥，信息传播更有效率，社区的整体凝聚力和行动一致性很高。这也就是奥巴马利用Twitter来做政治宣传成功的原因之一。弱关系，比起那些倾向集中于特定团体内的强关系而言，多半更能够去连接不同小团体的成员。当个体想要连通某些小团体的资源时，那些起到桥梁作用的弱关系就成为关键。(二)垂直结构与横向结构如果从宏观角度分析社会网络，关系网络结构可以分成垂直结构与横向结构。在垂直结构中，关系网络主要由弱关系构成。成员之间由于存在占有资源的落差，形成垂直的网络结构。在这种网络结构中，信息借由弱关系流动。在横向结构中，一方面个体成员之间的关系网络主要是强关系。从自我中心网络角度考察，个体与个体之间所拥有的网络差异度不大，即存在结构对等的关系。因此，在这种结构的网络中，信息流动局限于一定的范围内，重复性较高。另一方面，横向的网络越密集，关系网络的成员就越有可能为了共同利益而合作。而垂直网络中关系较为松散，成员参与的自由度较高。由于新浪微博形成关系网络的机制是共同话题，用户之间的关系大多为弱关系，社会网络结构大多为垂直式的，且存在大量结构洞，用户参与行为的自由度较高。用户可以以话题为中心，形成一个又一个的群体。有人比喻微博就是一个鸡尾酒会，大家扎堆聊天，当你经过时，可以偷听，也可以加入插上一嘴。人人网用户之间产生联系的是熟人网络，其中既包括大量的强关系，也包括一定的弱关系。由于信息的重复性较高，用户接触到、参与到的话题相对有限。另一个分析虚拟社区中关系网络的现象是信息过载问题。在网络环境中，信息的海量性导致的一个很明显的问题就是信息过载。信息过载体现在两个方面：一是信息数量上的过量与;二是信息质量上的重复。从关系网络结构的视角来分析这个问题，可以发现这个问题实际上是来自于结构方面，也就是说源自于垂直结构的信息比较少，而来自于横向结构的信息比较多。弱关系往往存在于垂直结构中，而强关系更多的出现于横向结构。这也就意味着拥有关系的多寡与获取资源量没有必然的联系。因为这其中存在关系的重复与浪费现象——数量过多的浪费和结构对等的浪费。从表面上看，拥有更多的联系人意味着能够获得更多的信息。但是如果只考虑到增加网络关系的规模，而不顾及增加网络的多样性，信息反而会重复，或者说，信息过载。增加网络关系的信息容量，关键在于增加非重复联系人的数量，即跟你存在弱关系的联系人的数量。(三)趋势：弱关系向强关系转化透过上述的实证研究与分析，可以发现在虚拟社区成员的交互过程中这样一种趋势：弱关系逐渐向强关系转化。不管是在现实生活，还是在虚拟社区中，都存在一个信任的问题。这个问题不是要不要信任，而是信任谁。从关系网络角度分析，弱关系提供了信息的管道，而强关系提供了信任的基础。信任是强关系的一个重要组成部分。在探讨虚拟社区中强弱关系转换问题，信任是一个思考的基点。另一个分析的指标是信息的重复性，即强关系中信息的重复性高，弱关系信息的重复性低。由于人人网成员的关系以强关系为主，因此这里以新浪微博为例，在个体通过弱关系获取信息的过程中，新浪微博提供了评论、转发等互动的方式。通过人与人之间的互动，关系网络中的信息重复性增加。根据扎伊翁茨(RobertZajonc)的纯粹接触假说(MereExposureHypothesis)，他通过一系列的实验发现，仅仅通过重复某种刺激就能导致实验对象对刺激产生正面评价(刘海龙，2008，p.138)。因此，重复性的信息与产生信任之间有一定程度的联系。借由个体之间的互动，信息得到了确认和修正。这样不仅信息的重复性增加，而且个体之间的信任度也在一定程度上强化。在这个过程中，虚拟社区中的弱关系向强关系转化。个人所获得的资源不断累积，社区中成员之间的关系不断稳固，社区对成员的黏性也不断提高。(四)社会资本在虚拟社区中的运作不同关系强度偏好之间最本质的差别是所传播的信息资源特征不同。强关系传播的信息绝大部分是同质化的，信息的重复率很高;而弱关系所传播的信息来自于外部，信息的异质性高。如果个人处于信息传播唯一的“桥”(Bridge)上，那么外部资源到达的路径就可能被掌控。个人就获得了社会网络带来的垄断性资源，或者说社会资本。这里社会资本的垄断性是相对于个人所处的关系网络小团体而言的。在网络时代，人们社会参与从公共空间转移到网络空间。社会资本以虚拟网络的形式存在。一方面，互联网的使用降低了现实环境中人们关系网络中的强关系;另一方面，在虚拟社区中，借由新的网络联系方式(即时通讯工具、SNS网站、微博等)，人们之间的强关系不断强化，弱关系也呈现增加的趋势。个人可以借由虚拟社区中的弱关系获取社会资本。在现实社会中，嵌入个人社会网络中的三类社会资源——权利、财富和声望，往往是通过个人所拥有的社会关系所体现。社会资源并不为个人所直接占有，并且这种复杂的社会关系是隐性的。反观此于虚拟社区，这种复杂的社会关系在某种程度上由隐性变成了显性。在一定程度上，个人在虚拟社区中所掌握的社会资源可以由其拥有的社会关系表现出来。最明显的例子就是微博中个人所拥有的粉丝数量，其象征着个人在微博虚拟平台中的权利、财富和声望。在人人网中，这体现于个人页面中的点击率(人气指数)。根据林南对社会资本提出的三大假设(LinNan，1982)：地位强度假设、弱关系假设和社会资源效应假设。他认为，个人的社会地位越高，其攫取社会资源的机会就越强;在个人的社会网络中，若弱关系越多，那么透过弱关系获取社会资源的几率就越高;另一方面，如果个人的社会资源越多，有明确性目的的行动(工具性行动)的结果就越理想。虚拟社区中社会资本同样存在这样三种现象。由于中国网站特殊的“名人”推广机制，在现实社会中拥有大量社会资源的名人将这种优势映射到虚拟环境中，在这样一种虚拟的“共同体”中发挥着同样的作用。截止至2010年11月11日，姚晨在新浪微博中的粉丝数已达到370万，位列第一，而其他排行前十的人气用户无一不是在现实社会中拥有大量社会资源的人。在虚拟社区中，“马太效应”的作用力不断增强，高社会地位的个体获取虚拟空间中社会资源的机会越高。如果个体占有的社会资源越多，那么其在虚拟社区中群体号召力和影响力越强。这一方面得益于其拥有的大量社会关系，另一方面也在于网络平台传播信息的便捷性、互动性。在研究社会资本问题上，一个很重要的方面是探讨个体对于社会网络的依赖程度。在虚拟社区中，对社会网络的依赖程度可以从两个方面判断：一是判断个人是否控制信息资源;二是判断虚拟社区产生的关系网络对个人的吸引力，或者说社区本身的黏性。这实际上也是伯特所说的描述社会资本的两种方法：一是描述出一个网络，其中路径可以使个体达到有特别资源的人，即跟谁联系;二是描述网络本身是如何成为一种社会资本，即怎么样联系(伯特，2008)。当个人控制信息资源时，个人成为关系网络中的桥，即关键的节点。在这种情况下，个人的行为嵌入到网络结构中，个人是不会放弃这部分社会网络的。个体在网络中获得了控制利益，因此对社会网络具有较高的依赖程度。另一种情况是，虚拟社区本身构建出的关系网络连接了信息资源，这样的结构增加了网络中个体所能获得的信息利益。(五)研究不足与缺陷从研究的分析与结果中，可以发现，研究计划中的几点不足：一是关系强度的四个变量中“接触频率变量”并不适合于在中国社会中考察，应该予以排除。在实际研究中，应将通过多元回归分析拟合出一个关于关系