社會網絡中的群體需求異質性研究

王峰 王姍姍 屈俊峰 張雅蕊

[摘 要]將馬斯洛需求層次可解釋的個體需求看作社會網絡中節點的成員需求，通過眾多個體需求所構成的大眾需求一致性反映社會網絡的群體需求。文章以群體需求層次詳細描述了群體需求層次，并通過統計分別控制影響群體需求的變量，得到了不同變量下的群體需求關系。

[關鍵詞]社會網絡;馬斯洛需求層次理論;群體需求

1 群體需求的異質性

隨著時代發展，社會呈現網絡化趨勢。社會網絡中由各節點作為成員相互連接，不但具有屬性且具有需求。這些成員間根據屬性的異質性衍化成“簇”，從而構成“簇”的群體需求。這就是社會網絡中的群體需求的形成過程。社會網絡中不同成員具有不同節點屬性。例如，年齡、性別、職業、婚姻狀況、學歷等，都是構成節點屬性的依據。根據節點屬性劃分“簇”來構造“簇”的節點群體需求，從而導致群體需求的異質性。研究節點群體需求的異質性有助于深入了解群體需求的多樣性和差異性。通過提取不同“簇”中按同一需求劃分的異質性節點，可達到進一步細化用戶特征的目的。因此，這種透過節點屬性與群體需求間異質性構建關聯的研究思路和方法，有助于更深層次了解用戶全方位需求。

2 調查統計與實證分析

2.1 數據來源

針對××市及周邊縣市工廠、學校、商鋪、事業單位等行業共計167個機構和組織，分別于2017年10—12月，2018年1月、3—6月進行調研，發放問卷5000份，回收有效問卷4378份，有效率87.56%。性別方面，男性占52.31%;婚育方面，已婚占69.71%、有子女占56.39%;年齡方面，20歲以上占72.17%;教育水平方面，本科及以上占67.61%;月收入方面，2000～4000元占42.47%，4000～6000元占27.53%，6000～8000元占18.61%，8000元以上占11.39%;組織機構性質方面，民營企業占51.77%，國有、事業單位等占36.69%。

2.2 問卷設計

變量測量采用如下方案：①個體需求行為：測量設置五方面問題：生理需求、安全需求、社交需求、尊重需求和自我實現需求。讓志愿者選擇五個方面問題的答案。②群體需求行為：測量采用單雙維結合進行。③控制變量：年齡段，性別，職業，婚姻狀況，學歷。表1為變量的樣本描述與統計。

依照①～③設計規則，可得2.3節統計結果。

2.3 統計與實證分析

參照2.2節③中闡述的控制變量和個別單變量構成的雙變量組合，分別從年齡段、性別、職業、婚姻狀況、學歷五方面闡述不同變量的群體需求占比。接下來，將分別對圖1～3中統計結果做統計結果分析。圖1為不同年齡段的群體需求占比。

圖1中，除60歲以上群體在生理需求方面由于生理功能退化可能需求有所降低外，其他年齡段基本上生理需求程度差不多;同樣現象發生在群體安全需求上;社交需求方面，隨著年齡增長，群體社交需求逐漸增強，但到50歲后，由于同齡人數目減少和隨年齡增長周邊環境和心理因素的變化，群體社交需求又呈現下降趨勢;隨著年齡增長，群體對尊重的需求越來越高;而對自我實現需求，由于群體心理成熟度、事業發展等因素，30～40歲的群體出現峰值，這種統計結果也與現實狀況非常契合。

圖2為不同性別的群體需求占比。圖2中，由于社會文明程度提高，女性在生理、安全和尊重方面受到男性群體的優待，因此均略高于男性群體。在社交需求方面，并無性別差異。而對于自我實現需求，男性在社會中責任感和社會輿論的要求，往往使其勇于表現自我，因此自我實現方面的需求要高于女性群體。

圖3為不同職業的群體需求占比。圖3中，不同職業在生理和安全需求方面的差異性并不明顯。由于職業定位和社會分工不同，他們對社交、尊重和自我實現需求方面存在少許差異性。

3 研究局限與展望

文章研究尚存在如下兩點不足：①研究數據缺乏特定研究環境和背景，因此無法研究特定環境和背景發生時，群體對需求層次的選擇、層次確定和計算，以及統計結果與一般情境下存在何種差異性;②統計結果在組合變量的豐富性方面深入程度不夠，特別是三變量以上的群體需求研究并未合理涉及。因此，在未來工作中，可適當考慮多因素對群體需求的影響，以使相關研究內容和統計結果豐富和合理，在某些特定社會需求現象的解釋性上發揮更大的現實作用。

參考文獻：

[1] A H MASLOW. A theory of human motivation[J]. Psychological Review，1943，50（4）： 370-396.

[2]袁政. 公共領域馬斯洛現象與政府規模擴張分析[J].公共管理學報，2016（1）： 5-12， 20， 107.

[3]魏巍，黃麗霞.基于馬斯洛需求層次理論的農民工信息需求分析[J].圖書館學研究， 2016（5）： 58-62.

[4]易明，宋景璟，楊斌，等.網絡知識社區用戶需求層次研究[J].情報科學，2017（2）：22-26.

[5] JINYUAN JIA， BINGHUI WANG， LE ZHANG，ETAL. Attri-infer： inferring user attributes in online social networks using markov random fields[C]. International Conference on World Wide Web 2017： 1561-1569.

[6] DAVID MANDELL FREEMAN. Can you spot the fakes？ on the limitations of user feedback in online social networks[C].International Conference on World Wide Web 2017： 1093-1102.

[7] RODRIGO SMARZARO， ETAL. Could data from location-based social networks be used to support urban planning？ [C].International Conference on World Wide Web 2017： 1463-1468.

[8] MINH X. HOANG， XUAN HONG DANG， XIANG WU， ETALl. Scalable group-level popularity prediction for online content in social networks[C].International Conference on World Wide Web 2017： 725-733.

[9] BIN LI， DONG HAO， DENGJI ZHAO，ETAL. Mechanism design in social networks[C]. AAAI，2017： 586-592.