【基于社会化推荐的网络浏览行为分析】 社会化媒体是什么

　　[摘要]随着网络信息环境的变化，传统认知中的浏览行为模式已发生很大的改变，从而需要重新来审视“浏览”这一具有普遍性的信息行为在新的信息环境下的规律和特点。围绕社会化推荐这一情境，对社会化推荐的模式以及与之对应的浏览行为开展定性分析，并基于此对传统的浏览行为的理论框架提出改进。
　　[关键词]社会化推荐　网络浏览　信息行为
　　[分类号]G350
　　
　　1 引 言
　　
　　一般认为，信息查寻(seek)行为包括检索和浏览两大类。传统的信息行为研究往往将浏览(browse)与检索(search)严格区分开，认为“检索是一种有明确目标、有计划、能清楚表达信息需求的信息查寻行为；而浏览是没有具体信息需求目标或难以清楚表达信息需求的较随意的信息查寻行为。”…然而，在现在很多情境下，信息查寻行为已很难按原有逻辑对行为类型做出清晰的界定，本文述及的基于社会化推荐的信息查询行为即是一例，根据该情境下信息行为的基本特征，本文将其划归为浏览的范畴。但与此同时，对传统信息浏览行为的定义和描述就势必需要做出一定的调整。
　　
　　社会化推荐(social recommendation)是Web 2.0的一个重要特性，其具体形式包括群体发掘(digging)、社会化书签(social bookmarking)和社会化标签(socialtagging)等。其基本特征是通过群体性的评注行为(collective annotating)来对网络资源进行社会化的标引(social indexing)。由于其操作的简易性和标注的丰富性，广大互联网用户从这种社会化行动中既体验到了互动的乐趣，同时为自己的信息查寻找到了一种全新的渠道――定制型浏览(preference browsing)和交互型浏览(interactive browsing)。相对此前盲目迷走在超链接中的传统浏览模式，这一渠道极大地提高了网络用户浏览的效率和质量。
　　然而，这一情境下的浏览行为与传统认识和研究中的浏览行为有着明显的差异，而这一差异却并未得到信息行为研究领域足够的重视和关注。因而本文拟在现有浏览行为模型的基础上，将社会化推荐情境下的新的浏览行为的特性进行整合，以对原理论模型提出相应的改进。
　　
　　2 网络社会化推荐的模式
　　
　　基于对互联网上具有推荐功能的产品和服务的回溯，结合对Antonius(2009年)关于“社会化书签的推荐系统”的研究中所总结的三类推荐模式的扩充，本文将网络内容推荐模式归纳为以下6类：①基于大众分类(folksonomy)的推荐：按类目推荐――例如Yahoo!分类目录。②基于浏览历史的推荐：按相似性推荐一例如电子商务网站的商品推荐。③基于社会化标引的推荐：按标签(tag)推荐一例如博客系统的同tag日志自动推荐。④基于社会化评价的推荐：按评价统计值(累计的dig／bury值,thumb up／down值、保存为书签(bookmarked)的次数和被评论的频次；被给予星级的平均值等)推荐，或按不良报告(垃圾信息、重复)过滤――例如diggt3 J、豆瓣等社会化软件及媒体。⑤基于社会网络的推荐：网络好友的推荐一例如社会化书签软件Delicious、兜乐等。⑥综合的推荐模式：综合大众分类、浏览历史、社会化标引、社会化评价、社会网络等手段来做推荐一例如啃一啃、StumbleUpon等社会化软件及媒体。
　　以上6类推荐模式中，其中后4类就属于社会化的推荐模式。这种推荐模式的出现是源于网络信息环境从1.0跃迁到2.0才得以产生并蓬勃发展的，因此社会化推荐首先是建立在Web2．0的信息环境之上的产物。新的环境产生信息的行为模式，这与Dresang(1999年)所提出的信息环境的“剧变理论”(Theory ofRadical Change)的观点是相一致的。Dresang称，我们之所以经常浏览，是因为浏览所对应的情境――复杂且快速变化的世界中未知的事务――变得越来越多，我们越来越被其所包围。
　　为更好地理解社会化推荐的模式，这里以综合推荐模式的代表性产品StumbleUpon为例，其产品核心是：一个分类引擎、一个聚合引擎、一个推荐引擎和一套评价机制。其产品工作机理如图1所示：
　　正如StumbleUpon的产品描述所提及的，社会化推荐的主要特点恰好也反映在：①比检索简单，比浏览高效；②能有效应对信息超载；③采用的是有效的人员驱动(人工采编和社会化采编)的技术；④可以作基于社会网络的信息浏览；⑤是个人定制化的浏览工具。
　　
　　3　基于社会化推荐的甩户浏览行为
　　
　　本文通过考察众多社会化推荐服务中所呈现的共性的环节，将基于社会化推荐的用户浏览行为划分整理为如下三个阶段及相应的活动，如图2所示：
　　值得注意和说明的是，这里的三个阶段并不对应着前后顺序关系，每个阶段的相关活动之间也不都存在依赖关联，是属于典型Fomter(2004年)所提到的“非线性信息查寻(nonlinear information s~kins)”中的一种。用户几乎可以从任何―个环节点上开始自己基于社会化推荐的浏览，而且可以随时跳转进入其他的环节。
　　从具体的阶段活动来看，预定义阶段中的定制(customize)活动实际上是对“个人预期的信息需求”(Personal Anticipated Irfformation Need，PAIN)所做的一种初步确认和订阅。而这种定制是需要首先通过注册(register)，然后需要花费一番心思来选择或创建自己“感兴趣”的主题的。从传统意义上来看，这一心力投入与浏览行为的随意性相左，然而相比此后可以更高效、精准地接收和浏览信息，这一付出就显得非常“劳有所值”。在完成这一阶段的工作后，基于社会化推荐的浏览就会很“知心”而且很方便(比如只需点击同一个网页按钮)。从这一点来看，这项安排实际上是从全局上遵循人们在进行信息行为时倾向的最小努力原则(Principle 0f Least Effort，PLE)――即希望能付出最小代价来获得最大效益的。
　　如前所述，由于社会化推荐浏览的各个阶段和各项活动并不存在必然依赖关系，因此即使个人不定制PAIN，基于社会化推荐的浏览仍可进行，只是这个时候系统只能为用户提供随机或最新、最热的收录网页而非依据其个人兴趣而推送。然而无论是定制或非定制下的基于社会化推荐的浏览行为，由于主要都还是基于休闲(获取信息和新知的严肃性休闲(serious leis-ure))的动机，因此从动机角度其行为特质更倾向于是浏览而非检索。
　　由于查询阶段中“挖掘”(Discover)性质的活动只需要付出极小的成本(例如，鼠标的一次点击)，就可以获得一个定制的被推送的相关网页。用户可不断地 来做这种网页挖掘(通常是跨网站的)，直到浏览者认为相关的信息足够。因而这一过程恰恰就类似于Bates(1989年)所描述的非一站式的类似于采莓(Ber-ryPieking)形式的信息行为过程。在这一比喻中，野莓分散于矮丛中，而不是以一串串的型态存在，要采它们必须一次一个，逐步前进，因此采莓模式中，重视的是一连串的搜寻行为。同时，由于“挖掘”返回的结果在一定程度上的不可预期性(定制范围内返回结果的随机性)，因而从某种意义上讲，这一浏览形式也是Er-delez(1997年)所提到的“信息邂逅(information en―countering)”行为的一种具体体现。
　　再从其他环节的活动，如查寻阶段的查阅、跟踪、探索和响应阶段的评价、附注、投诉和社交来看，其主要特征反映在其社会性上。这些环节上的活动表现出典型的群体性(collective)。涉及到群体性就牵涉到群体行为中几乎必然会存在的搭便车现象，现实的社会化推荐服务中多数用户就对网页多不予评价，也不做其他的一些丰富和提升标引质量的工作。通常少数用户的热心投入以及系统自身投入的人工采编就足以构成整个社会化推荐系统的正常和良性的循环。当然，如果这一参与比例过小，整个“游戏”就会很快难以维系，推荐的频度和质量一旦下滑会使大部分的用户“出走”。因此从这个意义上讲，这类系统的用户界面设计至关重要，如果用户觉得稍有不便，就不会参与更多响应阶段的活动，而恰恰是这部分的活动是保证社会化推荐系统良性运转的关键。
　　此外，群体性也为群体获取高质量的信息提供了一定程度的保障，这种大家一起为共同目标而贡献心力的群体性现象很容易让人联想到另一种特定的信息行为现象――信息捕猎(information foraging)。与最初针对的研究学术共引现象不同，基于社会化推荐的浏览是一个缺少竞争性的信息活动，捕猎一词在这里也许并不妥当。这种行为如果做仿生学的比喻，也许更像蜂群或蚁群在遇到花群或食物时基于释放某种信息素所做的信息交换。而在社会化推荐的浏览行为中这种“信息素”也许就是大家所基于的系统的一套共同的大众分类体系和评价体系。因此在这一比喻下，或许我们可以用另一个生物学词汇来形容这种群体性行为――招引(attracting)。
　　然而人类并不只是简单的群体性生物，他们还是社会化的生物。Bandura(1986年)所提出的社会认知(so―cial cognition)理论认为，在指导人的行为的过程中，自我效能和社会过程是相互作用的。因此由既有的社会规范和社会发展阶段所决定的社会认知，在社会化推荐这一社会系统中就有着其无法回避考虑的影响。
　　结合信息行为研究中的相关理论成果，本文尝试对基于社会化推荐的浏览行为给出以下一个涉及多理论基础的“定义”：在网络信息环境已发生剧变的情形下，一种基于个人预期信息需求定制并受社会认知影响，主要服务于休闲目的并遵循最小努力原则，采用类似于采莓机制的非线性、非任务性的信息邂逅行为及群体性的信息招引行为。
　　
　　4　社会化推荐浏览对传统浏览行为理论模型的影响与改进
　　
　　台湾学者林珊如(2001年)曾较为全面地根据浏览动机细分了10种类型的浏览形式：确认性浏览、同域内浏览(situation browsing)、机缘性浏览(opportunisticbrowsing)、系统性浏览、评估性浏览、焦点性浏览、监视性浏览、指向性浏览(indicative browsing)、预备性浏览(preparatory browsing)和邀约性浏览。而本文中基于社会化推荐的浏览行为涉及了其中以“寻求共性文档”为动机的系统性浏览、评估性浏览和焦点性浏览，以“动态跟踪”为动机的监视性浏览和“无目的性”的机缘性浏览和邀约性浏览6种。前文中所提到的定制型浏览和交互型浏览实际上是以上6种浏览形式的两种聚类。通过归纳社会化推荐中的浏览类型并分析这些浏览行为的动机，我们也看到基于社会化推荐的浏览行为实际上是支持多动机、多形式的一种浏览策略与方式。
　　就传统对信息浏览行为的动机研究而言，王庆稳、邓小昭(2009年)关于信息浏览行为的研究中，对前人和自身工作做了总结并穷举了8类动机：查寻信息、信息需求的修正、增加信息完整性、跟踪信息进展、资料收集、满足好奇心、消遣性浏览、享受浏览经验。虽然该框架存在一定的概念重叠，但本文重点是在原有动机分析的成果基础上，提出基于社会化推荐的浏览有哪些新的动机需要考虑。基于此，本文只列出以下作为“增量”的浏览行为动机：①期待未知的新奇(与上述单纯满足好奇心的动机不同，这里是对“掷骰子”――点击推送按钮所返回未知结果的一种期待)；②参与社会化活动(例如参与讨论和“顶贴”等)；③交友(通过浏览发现志趣相投的朋友，例如发现推荐了相同的网页的用户)。
　　此外，关于信息浏览行为的影响因素，王庆稳、邓小昭(2009年)也做了基于传统概念中浏览行为的影响因素归纳，他们认为除了受一般因素的影响，如用户的需求内容，用户的年龄、职业、知识、经验、受教育程度、区域上的差异、查寻信息的能力、信心与期望、需求动机、兴趣、好奇心等之外，主要还要受几种与网上信息浏览相关的特殊因素的影响，这些因素包括：可支配时间、上网费用、传输速度、人机界面、网页质量。虽然上网费用和传输速度当下大多数情况下已非关键因子，但考虑到部分终端(如手机)以及网络发展水平的差异，上网浏览仍然会受这两个因素的制约，因而在影响系中仍可保留。
　　而就基于社会化推荐的浏览行为而言，本文认为，涉及浏览行为的相关影响因素还应包括以下几项：①社会认知(这一点在社会化网络环境中愈发明显)；②浏览者的工具涉人程度(对个人信息需求定义和对工具的训练的积极性)；③浏览者工具方面的信息素养(社会化推荐软件自身已成为一种浏览“器”，工具的掌握程度对浏览的效能影响很大)；④社会化软件运营商自身服务的稳定性和质量(因为他们除了提供工具还提供内容，因而是整个浏览行为中非常重要的一环)。
　　
　　5　对浏览与检索行为的重认识
　　
　　无论是赫尔纳认为浏览是检索的上类位的观点，还是贝尔金认为浏览是检索下类位的看法，他们都不赞成将检索与浏览划分为不同的两极行为。国内在浏览行为研究上颇为深入的邓小昭也认为：“网上信息浏览与网上信息检索这两种行为只不过是网上信息查寻行为的两种表现，我们可以按有无明确的信息需求目标来对两者加以区分，但这种区分从根本上讲只是一种程度之分。也就是说，在实际的信息活动中，两者有时是难以清楚地划断界限的，它们常常相互联系与整合在一起，共同构成了因特网信息查寻行为整体过程”…。
　　本文认为，除开有无信息需求目标(即行为的任务性)之外，浏览与检索行为的判定还与行为主体投入的心力有关。特定的查寻行为不仅相对行为主体的难易程度不同，且其任务性在各人体验上也存在差异。不排除同一形式的查寻行为对某些人来说认为是检索，而对另一些人来说认为只是浏览而已，因而查寻行为的性质判断其实还与实施主体的信息素养有着直接关系。6结语
　　本文主要呈现的是在网络大规模社会化的信息环境下，基于社会化推荐的浏览行为的行为特性以及它对传统浏览行为研究的补充。本文归纳整理了社会化推荐的6种模式，尝试基于多理论“定义”了基于社会化推荐的浏览行为，并在传统浏览行为研究的基础上提出了新的浏览行为动机和浏览行为影响因素，最后对浏览和检索的区分提出了自己的一点看法。

相关热词搜索：社会化 浏览 分析 基于社会化推荐的网络浏览行为分析 基于app的用户行为分析 app用户行为分析方法