2025年5月26日上午，华东师范大学教育心理学系在田家炳教育书院801成功举办了主题为“教育学与心理学中的社交网络数据分析”的跨学科沙龙。

本次讲座由顾昕老师主持，特邀美国圣母大学心理学系的张志勇教授担任主讲嘉宾。张志勇教授在弗吉尼亚大学获得发展心理学博士学位，其研究专注于心理学、教育学及健康研究领域的实际数据分析、新方法和软件工具的开发。近期，他的主要研究聚焦于社交网络分析与文本数据挖掘。

社交网络分析的重要性

讲座伊始，张志勇教授简要介绍了社交网络分析在教育学与心理学研究中的重要性。他指出，传统的数据分析方法往往基于个体独立性的假设，然而在教育和心理学情境中，个体之间的相互关联对行为和心理状态有着不可忽视的影响。社交网络分析能够有效揭示个体之间的互动模式及其对行为和心理的影响机制。

研究方法与创新

张志勇教授重点分享了其团队在社交网络数据分析方面的四项研究，分别是：

研究一：Network with a latent factor space（具有潜在因子空间的网络）

研究二：Cross-sectional network mediation model（横断面网络中介模型）

研究三：Longitudinal network mediation model（纵向网络中介模型）

研究四：Dynamic social network analysis（动态社交网络分析）

其中，研究团队的数据集包括从山东某大学采集的162 名学生（90 名女生，72 名男生）的纵向数据。该数据涵盖学生在大三至毕业一年期间的社交网络关系、心理健康状况（如抑郁水平）、饮酒行为以及社交支持等多方面的信息。

在研究中，张志勇教授创新性地运用结构方程模型处理社交网络数据，以探究社交网络对个体行为和心理的影响。并且，张教授的研究还涉及到基于联结强度的纵向社交网络聚类方法，以及基于模型的特征值分解的网络中介分析方法。

社交网络对个体行为及心理的影响

研究结果发现，社交网络中的个体行为和心理状态之间存在显著关联。例如，社交网络中个体的饮酒行为可能会受到其社交圈中其他成员的影响。这一发现强调了社交网络在塑造个体行为和心理状态方面的重要作用。

此外，张教授团队的研究揭示了社交网络中不同维度对社交关系形成的影响。研究发现，社交网络中的受欢迎程度（他人主动靠近）和社会属性（主动找朋友）是两个不同维度，且被动接受他人交友请求更容易形成朋友关系。在系统层面，研究发现学生更愿意与参加社会活动多的同学交朋友，抑郁程度低的同学更容易被接近。而压力大的同学更容易主动寻找朋友，这可能与压力状态下寻求安慰的需求有关。并且研究还表明，社交网络具有空间上的变化特性，不同时间点也会呈现不同状态。这些发现为理解社交网络的动态特性及个体在其中的行为模式提供了新的视角。

张志勇教授还详细介绍了其团队开发的社交网络分析软件。该软件具备强大的自动化处理功能，支持在线使用和 R 包操作，能根据用户需求进行结构化处理，提高了社交网络数据分析的效率。

问答互动

在互动环节中，张志勇教授耐心解答了师生们提出的多个问题。从数据收集的准确性到模型解释的合理性，从样本量的要求到中介变量的选择，张教授都一一进行了详细的解答。他的回答不仅加深了在场师生对社交网络数据分析的理解，也为他们的研究提供了宝贵的建议和启发。

当被问及如何确保数据的真实性时，张教授提到，研究团队在数据收集过程中采取了多种措施来提高数据的准确性。例如，在收集有关饮酒行为的数据时，尽管存在撒谎的可能性，但通过与学生进行后续联系和验证，研究团队能够对比数据的一致性。此外，研究结果与以往的调查结果大致相似，这也为数据的可靠性提供了一定的支持。

关于模型解释的合理性，张教授强调了结构方程模型的验证性特点。他指出，结构方程模型通常用于验证研究者提出的理论假设，而不是探索新的关系。因此，在使用结构方程模型时，研究者需要有明确的理论基础来支持模型的构建。同时，张教授也提到，通过收集纵向数据，可以更好地验证模型中的因果关系。

在讨论样本量问题时，张教授表示，社交网络数据分析所需的样本量取决于多种因素，包括网络的复杂性和研究的具体目标。一般来说，结构方程模型需要较大的样本量来确保估计的准确性。然而，当研究者关注特定的网络特征或参数时，较小的样本量也可能足够。张教授建议研究者根据具体的研究问题和数据特点来确定合适的样本量。

关于中介变量的选择，张教授解释说，在社交网络分析中，中介变量的选择应基于理论和研究目标。例如，在研究社交网络对个体行为的影响时，可以将社交网络中的某些特征（如个体的中心性或社交活动参与度）作为中介变量。通过这种方式，研究者可以更好地理解社交网络在影响个体行为中的作用机制

本次讲座为教育心理学系的师生提供了一个深入了解社交网络数据分析的机会，拓宽了大家的学术视野。张志勇教授的精彩分享和深入浅出的讲解，使复杂的方法论变得易于理解，激发了师生们对社交网络数据分析的兴趣和思考。

随着教育学与心理学研究的不断深入，社交网络数据分析无疑将成为重要的研究工具，为揭示个体行为与心理状态的相互作用机制提供新的视角和方法。相信在未来的研究中，更多教育心理学领域的学者将积极探索社交网络数据分析的方法和应用，为教育实践和心理健康干预提供更具针对性和创新性的策略。