本科三年级数据科学与社会学交叉学科：社会网络分析实践教案

本科三年级数据科学与社会学交叉学科：社会网络分析实践教案

一、教学背景分析

（一）学科交叉定位

本课题隶属于“数据科学与社会学”交叉学科模块，是本科三年级专业核心课程“计算社会科学”的中段实践单元。课程立足于数据科学的方法论优势与社会学的理论洞察力，旨在培养学生从多维视角解构复杂社会现象的能力。社会网络分析作为连接微观个体行为与宏观社会结构的桥梁，既是社会学领域经典范式，也是数据科学中图挖掘与复杂网络研究的重要应用场景。本课通过项目式学习，推动学生实现从“工具使用者”到“问题定义者”的认知跃迁。【非常重要】

（二）学情分析

授课对象为数据科学与技术专业、社会学专业三年级本科生，混合编班。学生已修读Python数据分析、数据库原理、社会统计学、社会调查方法等前续课程，具备基础编程能力与社会科学研究素养。然而，跨学科思维定式尚未打破：数据科学背景学生倾向追求算法精度而忽视社会学问题的情境性；社会学背景学生习惯于质性解释，对计算建模存在畏难情绪。两类学生在合作中容易产生知识区隔，亟需通过具身实践弥合范式差异。【难点】

（三）课程思政融入点

本课以中国社交媒体平台“微博”真实话题互动数据为载体，引导学生关注网络空间中的公共讨论形态与社群结构。在算法分析之外，强调技术伦理与社会责任，警惕算法偏见对弱势群体的“数字挤出”效应，培养学生以技术服务社会、以数据温润人心的专业价值观。【重要】

二、教学目标设计

（一）知识与技能

1.精准复述社会网络分析的三大核心要素：节点、边、拓扑结构，并能区分有向图与无向图、二值网与加权网在社交情境中的适用边界。【高频考点】

2.独立调用NetworkX与Gephi工具包完成网络数据清洗、核心指标计算与可视化渲染。【非常重要】

3.运用布迪厄“场域”理论、格兰诺维特“弱关系”假设对中国线上社群交互数据进行社会学归因。【热点】

（二）过程与方法

4.通过“提出社会学问题—转化网络模型—执行算法分析—回归理论解释”的完整链条，体验交叉学科问题解决范式。

5.在小组协作中运用“结对编程+同伴互评”模式，同步提升技术实操能力与学术表达素养。

（三）情感态度与价值观

6.领悟量化方法对质性洞察的增强作用，破除学科本位偏见，建立开放、包容的知识观。

7.识别算法权力对社会结构再生产的影响，形成对技术工具理性进行批判性反思的意识。【重要】

三、教学重点与难点

（一）教学重点

1.网络密度、度中心性、中介中心性、模块度等指标的社会学含义与计算实现。【高频考点】【非常重要】

2.基于模块度优化的Louvain社区发现算法原理及其在虚拟社群划分中的应用。【热点】

3.从网络结构特征反推社会行动者权力格局、信息传播路径与群体凝聚力的分析框架。

（二）教学难点

4.社会学概念的操作化：如何将“社会资本”“结构洞”等抽象理论转化为可测量的网络参数。【难点】

5.跨学科团队的认知协调：不同专业背景学生在问题定义阶段话语体系差异造成的沟通损耗。【难点】

6.算法结果的不确定性解释：当网络指标与社会学预期不符时，引导学生进行非线性的、情境化的归因。

四、教学策略与方法

本课采用“四阶交叉递进”教学模式。第一阶段为认知冲突诱发，通过典型争议案例打破学科思维舒适区；第二阶段为工具脚手架搭建，以微课与速查手册保障异质学生群体的技术起点公平；第三阶段为沉浸式项目实践，以真实议题驱动学生经历完整研究周期；第四阶段为元认知复盘，引导学生将操作经验升华为可迁移的交叉学科方法论。全程融合项目式学习、翻转课堂、协作探究三种核心策略，教师角色从知识传授者转型为认知教练与资源策展人。

五、教学资源与环境准备

（一）硬件环境

智慧教室，配置可灵活拼接的六边形研讨桌，每桌配备交互式触控显示屏与投屏器，支持多终端无线镜像。教室四周布置白板墙，供学生随时记录灵感和绘制概念草图。

（二）软件平台

1.学习管理系统：发布预习任务、上传数据集、收取小组过程性文档，并嵌入JupyterHub在线编程环境。

2.分析工具栈：Anaconda（Python3.9）、NetworkX2.6、python-louvain、Gephi0.10.1。

3.协作工具：腾讯文档（多人实时撰写研究报告）、ProcessOn（在线绘制理论模型图）。

（三）数据资料

4.结构化数据集：包含“2024年春季教育话题#考研二战值不值#”微博转发关系网，节点属性字段含用户认证类型、粉丝数、地域，边属性含评论情感倾向极性。

5.文献包：精选格兰诺维特《弱关系的力量》节选、邱泽奇《社会学视角下的社会网络分析》章节、陈云松等《计算社会学》案例篇。

6.速查手册：自制《社会网络分析Python代码卡片》，涵盖数据清洗、指标计算、可视化三大模块常见代码段。

六、教学实施过程（核心环节，占90分钟）

（一）课前认知预调（线上学习任务，不计入课内90分钟）

1.微课自学：学生于学习通观看15分钟微课《网络结构中的权力密码》，内容以高校BBS论坛十大帖子的跟帖网络为例，直观呈现度中心性高的“意见领袖”与中介中心性高的“联络员”在信息扩散中的不同角色。微课末尾设置两个选择题，检验学生对核心概念的初步理解，正确率低于80%者需重测。【重要】

2.理论速读：社会学背景学生阅读《NetworkX官方教程》前两章，数据科学背景学生阅读格兰诺维特论文中译本前四页，分别形成50字“学科陌生化笔记”上传讨论区。教师根据笔记内容划分异质性小组，确保每组均包含两类专业学生。

（二）课中认知启动（5分钟）

3.情境锚定：教师投映一幅静态信息图——2023年某支教志愿者招募信息的微信传播链条。图中清晰可见信息首先触达几位高校学生会主席，继而辐射至各院系班级群，最终在某些院系形成密集转发，在另一些院系则戛然而止。教师发问：“为什么相同的信息在同一所大学内扩散效果迥异？请社会学背景同学用概念命名这种现象，请数据科学背景同学思考如何用数据证实或证伪这种命名。”【非常重要】【热点】

4.生成性问题聚合：学生短暂邻座交流后，教师将白板墙划分为“社会学语汇区”与“数据科学语汇区”，邀请学生将关键词贴于其上。社会学区积累“强关系”“弱关系”“同质性”“结构洞”，数据学区积累“节点”“边”“聚类系数”“桥接”。教师不做对错评判，仅指出：“这两列词其实在描述同一世界。本课的任务就是安装一座翻译器。”

（三）知识建构与范式打通（20分钟）

5.概念映射网格构建（8分钟）：教师以双气泡图展示四组核心概念的跨学科对应关系。第一组：社会学“行动者”—数据科学“节点”，强调属性数据既包括类别属性如性别，也包括关系属性如信任强度；第二组：社会学“关系强度”—数据科学“边权重”，指出微信互赞与紧急借款在边权赋值上的差异；第三组：社会学“社会资本”—数据科学“中心性”，但警示并非所有高中心性个体都能有效转化资本，需结合资源质量；第四组：社会学“社群/圈子”—数据科学“社区”，引出模块度作为划分质量量化指标。【非常重要】【高频考点】

6.算法黑箱透明化（7分钟）：教师现场运行一段简洁代码，将一个6人虚构办公室闲聊关系网输入NetworkX，依次计算度中心性、接近中心性、中介中心性。教师刻意制造认知冲突——计算显示保洁阿姨的中介中心性最高，远高于部门主管。教师暂停追问：“这违背了我们对权力的日常想象吗？保洁阿姨真的是这个网络的权力核心吗？”短暂沉默后，社会学学生提出“该网络仅录入了闲聊关系，未录入工作指令关系”，数据科学学生补充“应区分情感性边与工具性边”。教师顺势引出关键原则：网络边界定义与边类型划分必须服从理论假设，算法只是诚实的仆人。【难点】

7.伦理与偏差警示（5分钟）：展示一项经典研究《社交机器人如何干预政治话题网络》，指出仅凭网络结构易将高频互动的机器人账号误判为意见领袖。教师强调，交叉学科分析必须引入第三方验证——内容分析或田野观察，否则将生产“精确的错误”。此环节植入课程思政，强调数据从业者的守门人责任。【重要】

（四）案例深度解剖（20分钟）

8.全景呈现（3分钟）：师生共同聚焦本课主案例数据集——微博话题#考研二战值不值#的转发关系网。数据集包含4127个节点，9538条有向边，时间跨度为2024年2月15日至3月10日。教师展示该网络的宏观统计量：平均度2.31，网络直径12，平均聚类系数0.214。学生快速感知这是一个稀疏、具有小世界特征的网络。

9.分组专项突破（12分钟）：每组抽取一项聚焦性研究任务，任务设计呈阶梯式难度。A组任务：计算并可视化网络中度中心性前二十名节点，提取其认证信息（橙V、黄V、普通用户），分析意见领袖构成特征；B组任务：使用Louvain算法划分话题社群，提取每个社群高频词（教师已预先使用TF-IDF计算并存储为节点属性），推断不同社群的话语框架差异；C组任务：识别网络中连接不同社群的关键桥节点，计算其约束系数以验证结构洞假设，并结合节点发文内容判断该桥节点究竟是“信息掮客”还是“观点整合者”。【非常重要】【热点】

10.即时数据诊疗（5分钟）：教师在巡视中发现部分小组产出异常，如某小组计算出的模块度高达0.83，但可视化社群边界完全与用户地域重合。教师立即组织30秒全班叫停，公示该异常结果，引导学生反思：是否将强地理属性（如同城微博用户）误置为边权重？经过提示，该小组重新审查数据预处理步骤，发现错误地将“同城”关系编码为边，而原始数据中并无用户实际互动证据。教师借机强调：网络构建是理论驱动的过程，而非数据驱动的拼图。【难点】

（五）沉浸式实践操作（30分钟）

本阶段为课魂所在，学生以4人异质小组为单位，开展“从结构到意义”的完整探究。

11.子问题再定义（5分钟）：各组基于教师提供的聚焦任务，进一步细化具体研究切口。例如，B组中某一小组决定不直接使用预设的高频词，而是先通过情感分析接口将转发语划分为支持、质疑、中立三类，再将情感同质性比例作为社群边权调整因子。此步骤逼迫学生做出交叉学科决策：社会学理论指出群体极化现象常伴随情感同质化，数据科学手段恰好能测量该同质化程度。【非常重要】

12.协作编程与可视化（18分钟）：小组内实施“双人驾驶”模式，一人主写代码，一人主查文档，社会学背景学生负责持续追问“这个指标对应现实中的什么行为”。教室内数字化白板墙实时滚动各组进展，教师巡回进行关键点拨。典型干预一：某组使用Gephi渲染布局时过度追求美学效果，将数千节点挤压在狭小区域，网络结构完全失真。教师展示安海德·诺尔《网络可视化准则》中的“墨水比”原则，引导学生牺牲部分美学以换取得读性。典型干预二：某组计算出的中介中心性排名第一者竟是一个只转发过两条微博的沉默账号。教师引导该组回看原始数据，发现该账号虽发言极少，但其两条微博分别被两个对立阵营的大V转发，形成“意外桥接”。社会学学生立即联想到“被动结构洞”概念，数据科学学生修改代码，将中介中心性计算限定在主动转发路径上，排除被动提及。此修正使排名恢复合理，小组收获极大成就感。

13.快速归因建模（7分钟）：各组将量化结果填入教师提供的半结构化《分析报告模板》。模板包含三栏：①发现的结构特征；②可能的社会学解释（至少两条竞争性假设）；③验证下一步所需的补充数据或实验设计。此模板设计倒逼学生走出“算法决定论”，意识到网络分析只能提供相关线索，因果推断仍需其他证据链。【重要】

（六）成果集市与交叉质询（10分钟）

14.电梯演讲（5分钟）：随机抽取三个小组，每组限时90秒，使用一页PPT展示核心发现。第一组汇报发现考研话题中存在明显的代际割裂社群——在职考研者社群高频词为“辞职”“压力”，在校生社群高频词为“第二次机会”“名校”，两大社群之间由少量教育机构账号桥接。第二组汇报发现中介中心性高的用户并不总是高粉丝量账号，部分“普通人”因同时关注多个兴趣圈层而意外成为信息摆渡者。第三组汇报情感同质性在不同社群中差异显著，支持二战社群内部正向情感互评比例高达73%，质疑社群内部负向情感互评比例仅41%，推测质疑者更倾向于理性论辩而非情感抱团。

15.交叉学科质询（5分钟）：汇报后听众须从另一学科视角发问。社会学背景听众向数据科学汇报组发问：“你们用模块度0.61证明社群边界清晰，但模块度阈值是否具有社会学意义上的临界效应？还是说只是数学上的便利？”数据科学背景听众向社会学生汇报组发问：“你们将情感极性作为同质性指标，但微博表情并不能完全代表真实态度，这种测量效度问题如何解决？”教师在此过程中不提供标准答案，而是引导学生承认学科视角各有局限，并共同构想混合研究设计。【非常重要】【热点】

（七）总结升华与认知留白（5分钟）

16.方法论脚手架固化（3分钟）：教师以板书形式提炼“交叉学科问题解决三问法”。第一问：社会学概念能否切分为可计算单元？（操作化）；第二问：计算结果是否反哺了初始概念的修正或细化？（概念重构）；第三问：是否存在同等拟合度但解释框架完全相反的备择模型？（鲁棒性检验）。这三问被学生记录为后续小组项目答辩的必答环节。

17.价值引导（2分钟）：教师展示一张对比图——左图为本次课学生产出的微博话题社群结构，右图是十年前传统问卷调查得出的“考研动机”因素模型。教师指出，尽管技术手段已发生革命性跃迁，但对“人为何做出人生选择”这一终极追问，算法并未提供更简单的答案，只是提供了更复杂的提问方式。勉励学生保持对不确定性的敬畏，避免成为单向度的技术操作工。全场静默，达成情感共鸣。【重要】

七、学习评价设计

（一）过程性评价（占比60%）

1.课前预习测评（10%）：微课后选择题正确率、学科陌生化笔记质量。标注【一般】，作为分组依据。

2.课中协作表现（30%）：依据教师课堂观察、组内互评、数字化白板墙贡献频率综合评定。重点关注跨学科对话质量，如是否主动向异专业同伴解释本学科术语。【重要】

3.小组分析报告（20%）：对半结构化模板的完成度，尤其关注“竞争性假设”栏的思维广度。出现两种以上非琐碎假设即可得高分。

（二）终结性评价（占比40%）

个人反思札记：课后一周内提交，不少于800字。要求选择一个课中未能完全解决的矛盾点（如测量效度争议、算法参数选择分歧）进行深度剖析，并结合本专业视角提出未来探究设想。评价量规涵盖批判性思维（40%）、学科整合意识（30%）、学术规范（20%）、表达逻辑（10%）。【非常重要】

八、课后拓展与作业

（一）必做作业

完善小组分析报告，将其扩展为一篇符合《社会计算方法论》课程论文格式的短报告，要求补充文献综述部分，至少引用五篇学术文献，其中社会学与数据科学文献比例均衡。一周后提交。

（二）选做挑战

1.挑战型：使用TwitterAPI或微博开放平台自行采集一个新话题网络，复刻课上分析流程，并对比两个话题网络的结构差异与社会成因。

2.研究型：阅读沃尔瑟《网络分析：跨学科导论》第七章，撰写关于“时序网络”的文献笔记，并评估引入时间维度后将如何修正本课对微博话题社群稳定性的判断。

3.工程型：基于Flask开发一个简易社会网络指标计算Web应用，将本课使用的NetworkX核心函数封装为可视化交互界面，供低年级实验课使用。

九