清华大学第二十六次研究生代表大会交流材料

基于学术社交网络的大数据挖掘研究

──以清华大学“微沙龙”平台为例

俞荟 杨皓 武娟 马晓彬 龙槺 苏舒

摘要：

本文将清华大学O2O学术交流平台──“微沙龙”视为一个学术社交网络，对网络形成过程、用户行为、核心用户、学术社群、师生互动等多个维度进行深入分析，深入探寻跨学科学术交流规律。研究表明，用户在以日、周、学期为单位的时间内开展活动有时间段偏好，平台管理者可在相应活动高峰期开展精品活动以提升活动效果；通过PageRank算法和DPClus算法能够精确挖掘微沙龙平台核心用户及社群，为用户分类运营和社群发展支持提供指导；同时学术交流主题、学科特点等要素与跨学科交流具有相关性，通过以相关要素为基础深化学术社交网络建设，形成基于跨学科学术交流的师生团队，能够更好促进跨学科交流，推动学术创新和学科发展。

关键词：

微沙龙；学术社交网络；核心用户；社群发现；跨学科交流

一、引言

1.1 学术交流

学术交流是科研工作中个人钻研和集体智慧的互相结合。学术工作者通过思想接触，学术交流，自由争辩，可以互通有无，取长补短，使认识得到发展，开辟新的研究途径。高校培养拔尖创新人才需要浓厚的学术氛围，离不开广泛深入的学术交流。重视学术交流是国内外研究型大学人才培养的传统，哈佛大学以大量的开放式研讨会、学术报告会、讲座等为基础，营造良好的学术氛围。剑桥大学自19世纪便开创了“下午茶”交流模式，不同领域的师生在下午茶时间，平等地坐在一起畅谈学术，培养出了60多位诺贝尔奖获得者。

学术交流要发挥其应有作用,离不开好的组织形式和策略。随着互联网的发展，更多工具的开发，信息的数字化，给学术交流带来了更多便利，但却难以有效提升交流的质量和效率。只有有效的学术交流,才能更好地传播知识、沟通信息、启迪灵感、开阔思路、促进协作、形成交叉融合,才能使培养的人才质量更高,获得的高水平学术研究成果更突出。因此，探索和推广新型学术交流模式对于高校人才培养具有十分重要的意义。

1.2 微沙龙平台

2014年5月，基于“互联网+”时代学术特征，清华大学研究生会推出了基于微信端入口的新型学术交流O2O平台——“微沙龙”，帮助师生实现即时、自主发起的小型学术交流讨论，寻找学术伙伴，在咖啡厅里享用免费咖啡的同时，切磋交流，激发思想火花。

随着4.0版本的上线，“微沙龙”平台茁壮成长。新版本包含微广场、微书榜、微故事三个模块，并增设了读书微沙龙。截至2017年11月，“微沙龙”注册用户已突破2.6万人，教师用户1000余人，累计发起活动2.3万场，参与同学超过10万人次。高峰时期，平均每一小时，就有6场“微沙龙”在校内发起；平均每6场微沙龙，就有一场有教师参与其中。新常态的“微沙龙”交流模式，为师生交流提供了开放、平等、亲切的交流互动环境，打破了传统交流中的信息壁垒、时空壁垒、学科壁垒，解决了校内师生对于即时、互动和个性化的学术社交的需求，在校内培育出自由、活跃、健康的学术沃土。

1.3 学术社交网络

“互联网+”时代的到来，社交网络呈现出飞速发展的趋势，不仅用户数量爆炸性地增长，其呈现形态也日趋多元化。学术交流作为一种特殊的交流形式，同时也是人类智慧相互碰撞、知识创新的重要途径，随着“互联网+”的发展逐渐融入到社交网络中，即“学术社交网络”。学术社交网络在保持普通社交网络优点的同时兼顾了科研学术讨论的特殊需求，在促进学术交流、科学发展方面发挥着越来越重要的作用。知名的学术社交网络平台有ResearchGate、Mendely以及国内的科学网、小木虫等。

经过三年的发展，微沙龙的“O2O”平台模式积累了大量后台数据，这使得通过“大数据挖掘”研究校内学术交流行为模式，构建并分析清华自己的“学术社交网络”成为可能。“微沙龙4.0”版本构建了完整的功能体系和全面的数据收集系统，经过近三个月的专业数据分析，平台成功呈现出了具备高度互通性、交叉性、发展性的学术社交网络。可以系统分析各院系对于学术领域的关注焦点，总结学科交叉热点，以此推动院系联动、学术交流工作的开展；深度挖掘学校中的核心用户、学术群落，自下而上地活跃校园交流氛围；判断师生的学术社交关系强弱，助力新型师生互动交流模式的发展。

二、研究方法

2.1 数据来源及描述

“微沙龙”平台能够详细记载用户个人信息、兴趣领域、学术主题、交流内容等，为用户提供参与学术讨论、读书交流的平台，并专设板块进行微沙龙故事分享及图书推荐。此外“微沙龙”学术交流活动结束后用户还需提交50字以上的活动感想。本文通过对平台数据进行分析，能够为研究提供翔实可信的依据。

截至2017年12月，“微沙龙”用户数据的基本信息如表2-1所示。“微沙龙”共积累用户25537名，约占清华大学在校师生总数的50%。其中：男性用户16357名，女性用户9180名；教师用户达到1057名，博士生用户7435名，硕士生用户8446名，本科生用户8599名，各类用户占比与清华男女比、本硕博比基本一致。

表2-1 用户基本信息描述

各院系师生注册“微沙龙”的人数情况中，经管学院、生命学院、法学院、社科学院、电子系成为“微沙龙”用户人数排名前五的院系，在用户数量排名前十的院系中，只有五个院系属于工科。这表明尽管清华大学院系分布以工科为主，但在“微沙龙”平台，文科院系也有很高参与度。

2.2 数据分析方法

分析数据，首先要选定一个合适的数据模型。本文将数据转化为一张有向图[1]，图中的节点代表用户，每条边上两个端点代表的用户曾参与过同一场微沙龙。这条有向边由代表微沙龙参与者的节点指向代表发起者的节点。

通过建立模型，从微沙龙的用户数据中分析社交网络的特点，就是从上述的有向图中分析各个节点特点及其聚类关系。为了分析聚类关系，本文尝试了包括MCODE、IPCA、CoAch及DPClus等在内的多种流行聚类算法，根据对测试结果的判断，本文最终选择PageRank算法分析各个点之间的关系，用DPClus算法分析节点聚类的情况。

2.2.1 PageRank算法

PageRank算法是由Larry Page和Sergey Brin在斯坦福大学求学期间提出的[2]。该算法可以通过有向图中各个节点之间的指向关系，分析个各点被指向的程度。如果我们用PR(A)表示节点A被指向的程度，那么对图（2-1）有以下等式。其中，因为B节点有分别指向A和D的边，所以PR(B)的分母为2。

图2-1

在具体的计算场景中，还会遇到一些节点没有指向其他节点的边，此时认为这些节点会随机指向其他任何一个节点。这样，一个一般的计算公式如下。

其中，Mpi是指有指向节点pi的节点集合，L(pj)是节点pj指向其他节点的边的数量。

PageRank算法最初的目的，是分析各个网页之间的相关程度。算法的创新在于，参考了学术界利用引用数量评判论文重要性的方法，用指向某网页的链接数量分析它的重要程度。对于学术社交网络来说，如果一个用户发起的微沙龙有很多用户参与，那么这个用户在社交网络中很可能就扮演一个非常活跃的角色。

2.2.2 DPClus算法

DPClus算法是Altaf-Ul-Amin等人提出的一种用于蛋白质分析的聚类算法[3]可以在一个无向图中分析出一个或多个联系紧密的对象集合。算法的关键就是提出了用两个数值描述一个聚类集合的紧密程度，即某个集合k的密度（density）dk和某个点n在某个集合k中的聚类属性（cluster property）cpnk。他们的计算公式分别如下。

其中，Ek 表示集合k中的边的数量，Nk表示集合k中的节点数量，Enk表示节点n与集合k中的点的边的数量。

算法的过程是，先由用户指定dk和cpnk的阈值，算法将选出一个种子节点，并开始对种子相邻节点逐一筛选。加入相邻节点后的新集合必须满足用户指定的两个阈值，否则就不加入这个节点。如果没有满足条件的节点，就将这一轮选出的节点标记为同一个集群，并在剩下的节点中选择种子，重复上述过程直至所有节点都被标记。

通过聚类算法，可以将一个集合中的对象分为多个类别的过程。最终每个类别中的对象都是高度相似的。在本文中DPClus算法的控制下，每个集群不仅在整体上保持相当的关联密度，而且每个节点在集群内都有很高的关联程度。因此，用DPClus算法分析用户数据构成的图，可以产生非常直观且合理的聚类结果。

三、学术社交网络

3.1 学术社交网络拓扑结构

学术社交网络在保持了普通社交网络优点的同时兼顾了科研学术讨论的特殊需求，在促进科学发展方面也发挥着越来越重要的作用。微沙龙充分利用了互联网的优点，积累了大量的用户和活动数据，形成了独特的学术社交网络。因此挖掘和研究微沙龙的学术社交网络特征对于如何提升用户活跃程度、营造学术交流氛围、促进跨学科交流与师生交流、丰富和完善学术交流方法体系有重要的意义。

为研究微沙龙学术社交网络，本文将其特征进行抽象，形成由网络节点和边构成的具体的网络拓扑图形，如下图所示。具体地，我们将每个微沙龙用户视为网络拓扑图中的节点，微沙龙活动视为一条边，同一场微沙龙活动中的不同用户通过这场活动形成联系，反映到拓扑图中是边把不同节点连结起来。边具有权重，即存在两名用户同时参加多场活动的情况。当前微沙龙用户有25848名，活动场次22824场。定义网络中节点的度为与该节点相关联的边的权重总和，则微沙龙学术社交网络的平均度数为6.35，最大度为1302。定义网络中两节点的距离为该两点之间所有路的长度的最小值；网络的直径指任意两个节点间距离的最大值，则微沙龙网络的平均距离为3.57，最大直径为6，符合六度分割理论。网络结构图如下所示：

图3-1 微沙龙学术社交网络拓扑结构

图3-2 微沙龙学术社交网络拓扑结构局部

3.2 学术社交网络发展历程

自2014年3月上线以来，截至2017年11月4.0版本上线，微沙龙社交网络已颇具规模。从发展历程上看，微沙龙本身经历了形成、成长、成熟的发展阶段，用户规模也符合S型曲线增长规律。根据用户规模的变化情况，本文将微沙龙的发展历程分为培育期、快速发展期以及成熟期三个阶段。

培育期：前2个学期为培育期，微沙龙初期版本上线，平台本身的功能不甚完善，用户对微沙龙还不了解，发展至本期末用户规模仅达到5千人。

快速发展期：3-8学期为快速成长期，经过三个版本的迭代，微沙龙O2O功能已趋于完善，甚至还推出了适合留学生使用的国际版本，用户形成使用微沙龙进行跨学科交流的习惯，并通过学术社交网络中扩散微沙龙的影响力，到该阶段末人数已突破2万人。

成熟期：之后进入成熟期，潜在用户基本挖掘完毕，用户数量进入存量阶段，数量规模增速有所下降，经过7个学期突破2.5万人。随着4.0全新版本的推出以及一系列热门活动的推出，可以预见短时间内微沙龙将迎来一个新的发展时期。

图3-3 微沙龙用户数量发展历程

3.3 社交网络中活动分布特征

作为服务于跨学科学术交流的O2O平台，处在微沙龙学术社交网络的用户主要是学生和教师，用户参与活动的时间具备较为明显的规律性。在以天为单位的短时间周期内，统计微沙龙所有场次活动，发现在各个时间段内活动分布并不均匀，集中在11:30-12:30和17:00-18：00两个时间段，形成午高峰（共计3813场活动）和晚高峰（共计4523场活动）。这两个时间段也是大多数同学和老师的空余时间。将活动统计时间限制在工作日内，展现的规律与总场次的变化情况基本一致，也形成了午、晚两个活动高峰。而在周末节假日期间，用户参与微沙龙活动时间分布并无明显峰值，活动数量也较少。

图3-4 微沙龙活动数量日分布

在以周为单位的中时间周期内，微沙龙活动数量先是稳步上升，在周三达到峰值，共计3744场，周四有所回落，但活动数量仍为3584场；周六延续了工作日的特征，活动数量与工作日基本持平，共有3460场活动，而周日休闲特征明显，活动量则表现出很明显的下降趋势，微沙龙活动仅为2601场。

图3-5 微沙龙活动数量周分布

在以学期为单位的长时间周期内，微沙龙活动分布也具有明显的规律性。在第3-5周也即学期初，随着宣传推广的铺开，微沙龙在线上和线下渠道得以充分覆盖，同时也伴随着一系列主题微沙龙活动的启动，用户被吸引到微沙龙活动中来，表现为活动数量的稳步提升，并在第5周达到了微沙龙活动数量的第一个高峰，活动数量为1287场。第7-8周为一个学期的期中，此时大部分用户忙于准备期中各类考核，活动数量达到第一次低谷。学期中结束后的近一个月的时间内，用户空闲时间增多，微沙龙平台也会适时推出诸如大师微沙龙、清华大学特奖经验分享等精品活动吸引用户的参与，活动数量又持续上升，在第14周，微沙龙活动数量达到第二次高峰，数量为1302场。学期末与学期中相似，由于学业压力的增大，微沙龙活动数量表现出持续下降的趋势并于考试周达到一个低谷。

图3-6 微沙龙活动数量学期分布

四、核心用户挖掘

4.1 概念介绍

核心用户是指在人际传播网络中经常为他人提供信息，同时对他人施加影响的“活跃分子”。在信息传播中，部分信息会先到达部分受传者，再由这部分人将信息传递给他们周围的普通受众，核心用户便在这一过程中起着重要的中介或过滤作用，其对于讯息做出的解释、评价和在态势上做出导向或指点将影响普通受众的态度或使得普通受众行为上发生改变。

而微沙龙中的核心用户，指的是在学术活动中有着大量丰富独到的意见和见解，同时在校园师生中信息扩散效应强，微沙龙号召能力强的一类师生群体。具有通过微沙龙影响他人学术学习和理解的能力。他们介入学术的大众传播，加快了传播速度并扩大了校园内学术的影响力度。

4.2 全局概述

微沙龙中的核心用户具有三个鲜明的特征：发起活动数量多、参与基数大及存在网络核心节点。从所有微沙龙用户中筛选满足这三个特征的用户，按照影响因子排名取前十名可得下表：

表4-1 清华大学微沙龙核心用户列表

所有微沙龙核心用户中，“大师微沙龙”活动发起者清小研位居影响力榜首，影响因子达到了0.01172，超过第二位一倍多。来自核研院的孙世妍同学紧随其后，有着0.00596的影响因子系数。排名前十的核心用户中，老师占比超过一半。从另一方面既反映了教师们已成熟开辟了除了传统课堂之外的近距离学术探讨交流模式，也反映了微沙龙平台师生共同参与和发起的多元现象。

4.3 案例说明

4.3.1 清小研

清小研是微沙龙平台的官方账号，“大师微沙龙”系列活动发起者，经常邀请校内外有名望的老师与同学们面对面进行学术交流。作为微沙龙核心用户中影响力最广泛的一员，截止目前清小研共开展了51场活动，65个学科门类，辐射700余人，平均得分4.96分。

在过去的一年中，邱勇、陈旭、邓卫、薛其坤、杨斌、尤政、施一公、王希勤、史宗恺、过勇、姚强、钱易、胡鞍钢、庄惟敏以及诺奖得主梶田隆章等33位名师均受邀或自主发起微沙龙，与同学们面对面交流。

表4-2 清华大学“大师微沙龙”系列活动列表

清小研发起的“大师微沙龙”系列活动涵盖内容广泛，从大学人才培养到高校第五职能，从个人成长规划到科研创新等等。横跨一年、主题广泛的“大师微沙龙”系列活动给同学们提供了与学术大师面对面沟通交流的宝贵机会。几乎场场爆满的“大师微沙龙”，无疑成为微沙龙核心用户的黄金诞生地。

4.3.2 李蕉

李蕉是马克思主义学院的副教授，同时也是“清韵烛光-我最喜爱的教师”获得者。在过去的一年中，李蕉老师共发起58场活动，辐射900余人，主题涉及历史学、中国史、中国近代史等三个学科，成为名副其实的微沙龙核心用户的教师队伍代表。

发起活动数量多、参与基数大是李蕉老师参与微沙龙活动的最显著特征。作为微沙龙核心用户中的典型教师代表，李蕉老师做了一个非常好的示范，即在传统的课题之外，开辟与学生近距离沟通交流的形式——微沙龙。在这种形式下，教师能够准确捕捉学生知识的兴趣点和弱点，以便及时修正教学目标，完善教学内容。李蕉老师因此也说微沙龙的反馈对她来说非常珍贵。

4.3.3 陈立瑜

陈立瑜是一名来自人文学院的2014级的学生，“文化经典”读书会发起者。在过去的一年中，她发起了22场读书活动，辐射200余人，共交流分享13本书籍。作为学生核心用户代表，在学生群体中的影响首屈一指。

表4-3 陈立瑜微沙龙发起统计表

陈立瑜发起的读书微沙龙探讨的书以文化经典类居多，每次活动时长在1.5-2小时之间，活动地点均位于紫荆公寓21号楼二层，每次活动人数从4至8人不等，评分在4.7至5.25之间。读书微沙龙使不同院系的同学因读书爱好相聚一堂，也衍生了核心用户这样的角色。“文化经典”读书会发起者陈立瑜表示特别喜欢微沙龙的讨论氛围。

4.4 结论

在对微沙龙近一年的用户数据进行分析,微沙龙全体用户根据不同的特征可分为四类群体，而针对每一类群体，应当从不同的角度来进一步引导用户行为，从进一步改善用户体验。

图4-4 微沙龙用户分类

占比最少的为核心用户群体，总计4% 。该类用户群体往往发起活动较为频繁，微沙龙于他们而言已经是生活中不可或缺的一部分，他们习惯于使用微沙龙来探讨学习生活中所接触到的学术问题。核心用户对于微沙龙平台意义非凡，平台应多发展该类核心用户数量，以提升微沙龙整体质量。巩固针对该类群体，应当鼓励其多发起活动，扩大微沙龙影响力。同时平台可适当配合同步将其活动置顶，共同打造更加优质更加高产的微沙龙IP。

占比最多的为忠实用户群体，总计62% 。该类用户群体主要为大多数的活动参与者，他们偶尔可能会发起活动，但在大多数情况下，他们更趋向于关注近期的微沙龙平台报名内容并选择性参与进来。针对此类用户，应该根据用户画像开展相应的活动推荐，同时设计持续有效的激励机制，刺激其对微沙龙的稳定关注和使用频率。

占比16%的为浅度用户群体。该类用户群体特征为偶尔的使用频次，如当社交圈子风靡、朋友推荐时即有较大的可能性接触并参与到活动中来。针对该类用户群体，应当多打造精品活动提升用户体验，同时可以考虑改良微沙龙消费券增长的机制，提高这类若即若离用户的黏性。

而流失用户群体占到了全体用户的18%。该类用户群体很大一部分是由于毕业离开学校，导致无法参加微沙龙活动。针对流失用户，最重要的应当根据数据绘制出用户活跃周期，同时对流失用户进行回访，总结分析流失原因，以便更好地指导开展后续活动，让这类流失用户重新回归与微沙龙紧密相连的状态。

对用户进行分类更加精细地反应了不同类别用户的使用情况和特征，指导平台针对不同用户进行引导，从而改善平台运营环境，为清华师生打造一个高质量、高实用性的学术讨论平台。

五、社群发现

5.1 社群概念介绍

德国社会学家滕尼斯对“社群”有详尽的定义和分析，他认为社群中，”人们愿意互相帮助并接受其他人的指导”[4]并且处在同一社群中意味着“相互之间的分享和欣赏，特别是涉及到共同的利益”[5]。在基于微沙龙的学术社交网络中，存在一些社群，社群内的成员之间的连接很紧密，而社群与社群之间的连接比较稀疏。隶属于同一个社群的微沙龙用户拥有共同的兴趣或学术目标，并通过这些兴趣和目标实现有效的聚集，具有比较稳定的群体结构。社群的成员之间具有一致的行为和持续的互动关系，他们共同发起或者参与多场微沙龙

基于微沙龙的社群与上述社群的定义是完全符合的。社群中的成员通过举办微沙龙就某一学术课题，分享各自的学术见解并为其他人提供学术上的帮助与建议。共同的学术兴趣让大家聚集在一起，在学术交流中互相欣赏、共同进步。微沙龙平台为大家提供了找到志同道合的人的机会，大家自发的聚集在一起，最终形成了两千余个关注于不同学术课题的社群。

5.2 学术社群全局概述

本文基于2014年3月至2017年11月举办的2万多场微沙龙的数据，通过DPClus算法，共发现2752个学术社群，如图1。最小的社群只有三人，而最大的社群有37人，跨学科社群比例高达64.90%。

图5-1 基于微沙龙数据形成的学术社群网络

图5-2基于微沙龙数据形成的学术社群网络局部

如图3，展示社群规模的分布，在两千七百多个社群中，三个人规模的社群数量最多，有816个，其次是4个人规模的社群，有696个，5个人规模的社群有373个，2个人规模的社群有243个，6个人规模的社群有234个，七个人规模的社群有115个。可以看出，社群规模以3～5人居多，占到社群总数的68.50%，符合社群的“小群效应”：小群是大型社交网络发展的发动机。

图5-3 社群规模分布直方图

此外，还有一些大规模社群，规模大于10人的社群有100个，占社群总数的3.63%。最大的社群包括来自美术、新闻、土木、材料、经管等9个院系的37位同学，其中有34位硕士与3位博士，他们参与的微沙龙内容涉及交通运输工程、仪器科学与技术、光学工程、公共管理、电影、政治等564个关键词。

不仅规模较大的社群实现了跨学科交流，规模较小的社群跨学科程度也很高，规模为3人的816个社群中，有466个社群是跨学科的，比例高达57.11%，随着社群规模变大，跨学科的比例也随之增加。微沙龙为同学们搭建了一个良好的沟通平台，以兴趣为纽带，让学科不再成为交流的障碍，不同学科不同视角不同思维方式相互碰撞，迸发出创新的火花。

5.3 经典社群案例分析

本文在社群发现的过程中，发现了几个比较有代表性的社群，下面以“华鼎学术沙拉”人工智能学术交流群和“地学Friday读书会”读书兴趣社群为例，分析社群的形成与发展的过程、以及相关社群的生存现状，以便今后微沙龙向不同社群提供支持。

5.3.1 人工智能学术交流群

人工智能学术交流社群起源于“华鼎学术沙拉”系列活动，华鼎学术沙拉是清华大学信研院web与软件技术研究中心的学术论坛，旨在围绕华鼎大数据管理与分析平台关键技术和研究内容，特邀领域一流研究者分享学术成果与研究心得，交流学习。

这个活动最初只是一个计算机系的专业学术论坛，后通过在微沙龙平台的宣传效果和本身的学术吸引力，逐渐吸引了不用院系不同知识背景的老师和同学，逐渐形成了一个35人的社群，社群成员来自计算机系、电子、医学、社科等12个院系，包括6位本科生、13位硕士生、14位博士生和两位老师老师，累计发起微沙龙12次，内容涉及机器学习、情感分析、用户行为分析等内容。

华鼎学术沙龙借助微沙龙平台，为全校生提供一个优质的人工智能领域学习平台的同时，也获取了来自不同学科领域的同学老师对相关课题的见解与建议，扩大了自身研究成果的影响力。

5.3.2 读书兴趣社群

这个社群起源于一些喜爱读书的同学，他们最初苦于无人监督，在微沙龙上发起了读书相关的活动，寻找到志同道合的同学，互相监督并分享读书心得。最初只有两位同学一起读书，后通过在微沙龙发起读书会，逐渐形成了一个以五个人为核心的“地学Friday读书会”，每周开展一次读书微沙龙，由五位同学轮流组织。每次大家会选定一本书，在微沙龙开始之前认真阅读，并在微沙龙上交流彼此的读书心得，通过绘制思维导图等方式，让自己对书籍内容有更深入的了解。

基于“地学Friday读书会”的读书兴趣社群，总人数达27人，包括来自新闻、土木、材料、自动化等17个院系的同学，其中包括1位本科生、13位硕士生以及13位博士生好，累计发起读书微沙龙13次，讨论内容涉及《乡土中国》、《科学究竟是什么》、《三体》等多本书籍

5.4 差异化支持

微沙龙有效的将有共同兴趣爱好的同学聚集起来，逐渐形成一个个社群。微沙龙期待在未来通过平台的力量，为不同的社群提供差异化的支持，进一步促进跨学科的学术交流。

针对当前不同社群的发展现状，未来的支持举措主要包括以下四部分：（1）促进相似社群的交流，帮助更多有相似兴趣的同学建立联系，提供更多交流的可能性（2）对于读书社群提供书籍资源，为同学们读书提供更多的便利，激发同学们参与读书会的热情。（3）为学术团队和同学提供宣传平台，扩大交流成果覆盖面。（4）充分引入教师资源和同学资源，最终形成一个优质人才产生优质内容、优质内容吸引优质人才的良性循环。（5）针对不同社群的学术兴趣推荐不同的学术资源，为用户提供更有效的帮助和支持。

六、师生交流

微沙龙平台面向全校师生开放，在学生和教师之间搭建起近距离交流的桥梁，有效促进了师生之间的良性互动。在微沙龙平台的推动下，师生交流的地点不再局限于教室与办公室，交流方式不再拘泥于传统的授课与答疑，教师与学生得以在更加开放自由的环境下，进行高质量的知识分享与深层次的思想碰撞。

教师作为微沙龙的重要主体，深度参与了线下学术交流活动。截止至2017年12月，全校有1057位教师参与了共计2515场微沙龙，邱勇、陈旭、邓卫、薛其坤、杨斌、施一公、王希勤、过勇、史宗恺、詹姆斯·莫里斯等海内外名师均在微沙龙活动中与同学们进行过交流讨论，微沙龙话题围绕着学术研究、社会热点、国家大事等展开，呈现出多样化、学术化、国际化的特点。

图6-1 教师院系分布图

在积极参与学生微沙龙的同时，教师们也是平台上具有强大号召力的活动发起者。由教师主动发起的微沙龙迄今共有1243场，其中以化学系、汽车系、公管学院、美术学院、研究生院参与的教师人数最多，表明这些院系或机构的教师参与微沙龙活动的热情最高。教师发起的微沙龙活动往往对学生有很强的吸引力，一方面，教师扎实的学术基础或深刻的思想观点使得微沙龙的质量有所保障，另一方面，与敬仰的教师零距离接触交流的机会十分珍贵，因此相对于学生发起的微沙龙，教师发起的微沙龙能够收获更热烈的反响。在微沙龙平台上，教师微沙龙的平均每场辐射人数达到6人，是学生微沙龙的2倍；平均报满时间为26.2小时，用时显著短于学生微沙龙的30.4小时；平均评分达到4.87分，高于学生活动4.67分的平均水平。强大号召力的背后体现出的是教师在平台上的影响力，在微沙龙排名前10的核心用户中有6位教师，在前50名中教师人数达到13人，展现出学生对教师参与微沙龙活动的认同感。

微沙龙同时为教师观点的传播和分享提供了广阔的平台。学生选择参与教师微沙龙是由对高质量交流对象的需求驱动的，实质上即是对优质信息资源的需求。在自身领域有所建树的教师囿于传统课堂，所能涉及的受众十分有限且对象类型单一，造成了优质资源的不充分利用。但微沙龙跨学科交流的属性决定了教师可以借助微沙龙平台打开受众范围，面对更多其他院系和专业的同学传授知识和观点，打破学科知识壁垒，合理配置信息资源，有效促进跨学科交流。学生通过微沙龙与不同专业方向的教师交流沟通，不仅能够扩展学识视野，更能从交叉学科的师生互动中获得全方位的成长。

在微沙龙中，教师既可以作为学生讨论的参与者，以平等姿态与学生进行高效沟通，贡献精辟的观点和意见，也可以充分发挥主观能动性，作为发起者引导学生开展深入讨论，共享精华的知识和思想。这种创新交流模式与传统教学模式相比更加灵活多变，对提高学术交流质量、促进师生关系的良性发展具有重要意义。

七、跨学科交流

学术社交网络的形成不单单是促进了学生之间的交流，更重要的效果在于其促进了同学间的跨学科交流。相同的课程及学术讲座等活动使得同专业同学交流的机会相对较多。而对于院系距离较远、学科差异过大的同学，进行跨学科沟通机会十分难得。因此，促进不同学院同学或师生之间的跨学科交流也成了微沙龙平台的一个重要任务。

7.1 微沙龙与博论跨学科交流充分性对比

图7-1 2016年博论参与人数与同期微沙龙学术交流参与人数对比

清华大学每年都会举办校级博士生论坛，吸引了来自各个院系的同学前来进行学术报告，博士生论坛也成为了学校里跨学科交流的一个重要场合。如图7-1为2016年博士生分论坛即各院系博士生论坛参与人数与该院系参与到微沙龙学术交流人数的对比，其中浅紫色色柱状图为各院系参加博论的人数，深紫色柱状图为同期在微沙龙平台上参与跨学科交流的人数。而该年博士生主论坛参与人数与全校参与微沙龙跨学科交流人数的对比为130：10675。无论是院系博士生论坛还是博士生主论坛与同期参与微沙龙学术交流的同学相比人数差距均过大，说明相比于校级博士生论坛报告这样正式的跨学科交流形式，更多人倾向于选择在微沙龙上进行时间自由、形式更加随意的跨学科交流。

7.2 院系交流情况

学生们通过微沙龙平台参与不同院系发起的活动，建立起了院系之间学术交流的桥梁，图7-2为院系层面的学术社交网络图。各点代表院系，点的大小表示该院系同学参加微沙龙总的人次，院系之间的一条连线表示这两个院系的同学共同参加过一场微沙龙，院系之间的距离越短，说明这两个院系的同学共同参与微沙龙的次数越多，因此，交流更多的院系，在图中的位置更容易聚成一类，如公管学院与新雅书院、汽车系、电子系便形成了一个院系社群。截止目前，全校共有53个院系参与微沙龙平台的学术交流，形成了20个跨学科交流的院系社群。

图中的一些核心院系，比如土木系、电子系、人文学院、医学院等，同学参与跨学科微沙龙所涉及的院系较多，位于学术社交网络的中央。而苏世民书院、新雅书院等跨学科交流涉及的院系较少，讨论内容更专业，位于学术社交网络图的边缘。

图7-2 院系学术社交网络图

7.3 院系用户画像

为了更真实地了解院系层面上同学们的在微沙龙活动中的用户行为规律，本文建立了不同院系的用户画像，为每个院系的同学提取一些典型特征，以便在后续的微沙龙产品设计中迎合用户最真实的需求。这里本文通过分析以电子系为代表理工类同学和以人文学院为代表的文科类同学的用户行为。

7.3.1 电子系微沙龙用户画像

电子系目前在微沙龙上注册的总用户数为860人，其中，注册用户男女比为3.7:1，本硕博教师比为3.6:2.7:2.2:0.2。总共参与微沙龙活动时间达4781.5小时，日活动高峰时间在17:30-19:00。

从建立起的用户画像中，可以发现院系一些有趣的特征。比如，从图7-4中可以看到，电子系同学参与微沙龙的主题内容专业性较强，主要是关于算法、数据、网络、技术等话题。电子系同学最喜爱交流的院系除了作为理科学院的医学院之外，还有两个文科院系——经管和法学院，而不是专业上和电子系更接近的计算机系和自动化系等。可能的原因一个是电子系课程压力大，系里人数不多，较少在业余时间通过微沙龙再和计算机或自动化系继续探讨学术，反而可能跟文科学院交流，更加放松，收获更大，有助于沟通两个院系之间同学的感情。而电子系和医学院交流最多也有其背后的原因，二者有很多课题项目上的合作，比如医学图像处理、仪器成像等，会选择通过微沙龙进行更直接、高效的学术交流（如图7-3）。

图7-3 电子系最喜爱交流院系

图7-4 电子系微沙龙主题内容关键词

7.3.2 人文学院微沙龙用户画像

人文学院目前在微沙龙上注册总人数为551人，其中，注册用户男女比为0.7：1，本硕博教师比为1.4:1.8:1.9:3。总共参与活动时间为5771.0小时，日活动高峰时间相对偏早，在11:00-13:00。

如图7-6，人文学院同学参与的微沙龙主要围绕中国、汉语、语言、文化、读书会等专业相关的话题展开，这可能和人文学院包括的两大语言专业：中国语言文学系和外语语言文学系有关。画像石这个词也较为频繁出现，应该是出自历史系同学的讨论内容。比较有趣的现象是，人文学院最喜爱交流的院系除了有社科学院，还有两个工科院系软件学院和土木系，可能对于一些科学史、哲学、文化以及学术创新等方面的话题，文理科同学都是十分感兴趣的（图7-5）。

图7-5 人文学院最喜爱交流院系

图7-6 人文学院微沙龙主题内容关键词

从院系层面整体来看，很多微沙龙活动都能吸引不同院系的同学前来参与，形成了复杂的院系学术社交网络。而单从院系的用户特征看，尽管文理科生作息时间、专业内容都有较大的差异，但不管是文科院系还是理科院系，跨学科交流都不仅仅是存在于院系同学参与过的众多微沙龙中的一小部分，而是成为了参与度微沙龙活动的主体，以至于各院系同学参加跨文理科微沙龙活动的数目超过了和相近院系共同参与活动的数目，可见，在微沙龙活动中跨院系、跨文理的思想碰撞也显得原来越重要。

八、结语

当代科学的发展和重大科学技术成果的取得，越来越依赖于不同学科间的交叉融合，深入探讨跨学科学术交流规律对进一步推进学科建设、科研发展和人才培养的发展均具有十分重要的意义。本研究将清华大学“微沙龙”平台视为一个学术社交网络，从网络形成过程、用户行为、核心用户、学术社群、师生互动等多个维度进行深入分析。分析表明，“微沙龙”平台用户行为具有一定的规律性，同时学术社交网络中存在具有差异性的用户以及显著可被挖掘的用户社群，此外各院系学术交流也具有明显的特征。基于以上分析，为进一步提升平台用户活跃度，营造学术交流氛围，促进学术交流成果化、常态化，也为进一步促进跨学科科研和教学提出如下建议：

8.1 基于专业特点和学术主题，多向促进学科交叉融合

各院系师生在跨学科学术交流中的作用以及各学术主题的吸引性存在一定差异，未来可进一步打通专业界限，形成全方位、多层次、主题化的深度学术交流途径。例如，对参与活跃度较高且处于网络核心的社科学院、经管学院、土木系等院系，要注重发挥其在跨学科学术交流中的引导作用；对于微纳电子系、化学系等相对参与度较低的院系，需要进一步鼓励、支持、引导，推动师生根据学术交流需求参与到跨学科科研和教学中。同时，各院系学术交流特征具有差异性，可根据院系用户画像，通过在院系偏好的时间段开展活动、邀请教师讲述院系较感兴趣话题等方式提升院系学术交流参与度，进一步打破学科交流界限，促进跨学科交流。访谈还发现“微沙龙”用户更希望做跨学科学术交流的参与者，而非发起者，未来需进一步激发自主交流。

8.2 强化教师主导作用，推动跨学科师生学术互动

教师在跨学科教学和科研中具有主导作用，未来可建立配套制度措施，进一步发挥教师在跨学科师生学术互动中的引领作用。例如，借助教师开放交流时间制度（Open Office Hour），邀请教师在开放交流时间通过“微沙龙”平台组织或参与跨学科学术交流，更有利于师生开展小规模、深层次互动，让教育更有温度。知名专家、校友也可邀请参与到跨学科学术交流中。同时，不同院系的同学在参与跨学科师生交流中的积极性存在差异，未来需进一步鼓励、引导，如建议教师可通过选择涉及多学科且各专业均感兴趣的话题为学术交流主题以提升学生参与度，并加强活动宣传力度等。

8.3 深化学术社交网络建设，促进跨学科学术成果产生

基于学术社交理念建设的“微沙龙”平台在推动校内跨学科讨论中已经发挥了显著作用。“微沙龙”的优势在于时间灵活、话题广泛、参与自由。但一次性的学术交流不足以支撑学术成果的产生，未来需进一步深化学术社交网络建设，加强对各社群支持，推动跨学科科研和教学更长期、更深入的进行。通过发挥“微沙龙”学术社交优势，将不同专业背景的师生进一步整合，形成固定的线下跨学科科研小组，为跨学科学术成果的产生提供有力的组织保障。

参考文献：

[1] Aho A V, Garey M R, Ullman J D. The transitive reduction of a directed graph[J]. SIAM Journal on Computing, 1972, 1(2): 131-137.

[2] Page L, Brin S, Motwani R, et al. The PageRank citation ranking: Bringing order to the web[R]. Stanford InfoLab, 1999.

[3] Altaf-Ul-Amin M, Tsuji H, Kurokawa K, et al. DPClus: a density-periphery based graph clustering software mainly focused on detection of protein complexes in interaction networks[J]. Journal of Computer Aided Chemistry, 2006, 7: 150-156.

[4] Ferdinand Tönnies,Community and Civil Society [M], edited by Jose Harris, translated by Jose Harris and Margaret Hollis, Cambridge: Cambridge University Press, 2001, p26.

[5] Ferdinand Tönnies, Community and Civil Society [M], p36, p27.