这是一篇开放获取的文章,根据创作共用署名许可(http://creativecommons.org/licenses/by/2.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
知识转化(KT)在现代医疗保健社区中发挥着至关重要的作用,促进了将新证据纳入实践。Web 2.0工具为建立在线KT环境提供了一种有用的机制,在该环境中,卫生从业人员可以与在线实践社区分享他们与实践相关的知识和经验。我们为泰国7家不同医院的儿科疼痛医生实现了一个基于Web 2.0的KT环境(一个在线讨论论坛)。在线讨论论坛使儿科疼痛从业者分享和翻译他们的经验知识,以帮助改善医院对儿科疼痛的管理。
本研究的目标是通过在线讨论论坛来调查实践社区的知识共享动态。我们使用统计和社会网络分析方法评估了社区成员的交流模式,以便更好地理解在线社区如何参与分享经验知识。
统计分析和可视化提供了讨论论坛内交流模式的广泛概述。社会网络分析提供了深入研究社会网络的工具,识别社区中最活跃的成员,报告社会网络的整体健康状况,隔离社会网络的潜在核心成员,并探索存在于机构和职业之间的群体间关系。
统计分析揭示了一个由单一机构和单一职业主导的网络,并发现阅读和在论坛上发布内容之间存在不同的关系。社交网络分析发现了一个具有强大交流模式的健康网络,同时确定了哪些用户在促进交流方面处于社区的中心。群体层面的分析表明,有很强的跨专业和跨区域的沟通,但缺乏非护士参与者已被确定为一个缺点。
分析的结果表明,论坛是活跃和健康的,而且,尽管很少,但专业和机构间的联系是强有力的。
提供高质量的患者护理需要卫生从业人员了解有关临床诊断和治疗策略的最佳证据,更重要的是能够将这些知识转化为临床实践。然而,研究表明,重要的医学研究在临床实践中往往没有得到充分利用[
知识转化(KT)需要实施和制定知识传播策略,以使新的健康知识迅速应用于临床实践[
Web 2.0工具的出现为追求创新卫生方法提供了机会KT [
在本文中,我们讨论了一个Web 2.0 KT环境,目标是在对改善儿科疼痛管理感兴趣的从业者社区内进行知识共享。泰国儿科疼痛讨论论坛是为了促进在线社区从业者围绕儿科疼痛管理主题的知识共享[
在线讨论论坛已经活跃了3年多,为儿科护理专业人员提供了一个可行的媒介,可以发起一些特定主题的讨论,分享他们的经验知识和明确的知识资源(如指南、研究文章、演示文稿等),旨在协作减少儿科疼痛管理方面存在的知识差距。知识共享的过程大致如下:(1)从业者通过将问题提交到讨论论坛来寻求问题的解决方案或建议,(2)对该问题有兴趣和专业知识的社区成员回应并主持讨论,(3)随后进行在线对话,从业者强调最佳证据、共享经验和相关理论,以帮助解决社区成员提出的问题,(4)讨论中分享的知识通过论坛传播到整个从业者社区。儿科疼痛讨论论坛的一个重要方面是,讨论(表现为关于特定主题的一系列消息,称为“线索”)是存档的,可以分析讨论的知识内容,也可以理解从业者社区之间的KT模式。
为了了解与儿科疼痛社区知识共享的动态,我们调查了知识共享的以下方面:
不同医院、不同职业的参与行为如何?社区内是否有占主导地位的机构或专业?
在论坛内阅读和发帖之间的关系是什么?论坛中是否有活跃在其中一个而不是另一个的成员?
社区中最活跃和最有影响力的成员是谁?
活跃成员的中心群体能否被识别并与社区的其他成员区分开来?
来自不同职业和/或不同医院的成员之间有很强的互动吗?
前两个问题是使用统计分析和可视化来回答的,而最后三个问题是使用社会网络分析(SNA)来解决的。我们通过分析工具调查上述研究问题,并根据在线社区实践中注意到的社交网络和通信模式提供定量测量。最后,我们讨论了Web 2.0工具对KT的效用,特别是在特殊兴趣在线社区的知识共享上下文中。
利用互联网促进社会互动和KT是一个研究得很好的领域。Wellman及其同事[
网络已经成为卫生论坛和在线社区的选择媒介。Eysenbach和同事[
如果在社区内存在交流和分享健康知识和经验的"内在愿望",虚拟社区就会成功[
相比之下,当社区既不要求(通过年级)也不要求参与时,人们注意到参与倾向于减弱。在一项比较在线期刊俱乐部和面对面期刊俱乐部的研究中,研究人员发现在参与率上存在巨大差距,网络期刊俱乐部的参与率更低。[
实务团体[
为了建立一个可行的在线实践社区,对在线KT环境的开发和运营采取系统的方法是很重要的。其中一种方法是利用互联网进行知识共享(LINKS)模型,该模型提出了一个概念框架,以帮助建立使用Web 2.0工具进行专业知识共享的在线实践社区[
这个项目的目标是评估在线实践社区中的交流模式。从2009年4月到2011年6月的论坛档案被用来评估论坛的使用情况,并研究在社区内观察到的交流模式。
简单的统计摘要用于提供成员的总体概况以及他们在社交网络中的参与情况。将社交网络中的交流模式可视化,可以深入了解不同医院和不同职业的参与行为(问题1),以及在讨论线程上阅读和发帖之间的关系(问题2)。由于每个人的帖子和阅读量分布非常非正态,因此使用Kruskal-Wallis测试来调查来自特定机构或特定职业的人是否倾向于发帖或阅读更多。SNA被用来深入研究论坛的底层网络结构。下面我们将提供SNA方法和结果的详细说明。
社会网络分析(SNA)建立在图论原理的基础上,研究参与者之间的关系,以及他们如何影响整个网络。SNA表示通信
论坛可以表示为2-模网络,其中有2类节点,边缘从一个类到另一个类(参见
中心性度量可以用来确定社区中最活跃和最有影响力的成员(问题3)。它们可以深入了解社会网络中最重要的行动者;那些处于网络中心的个体之间的交流。将使用3种不同的中心性度量:(1)度中心性度量单个节点的连接数量,(2)亲密中心性度量单个节点到达所有其他节点的速度,(3)中间中心性认为一个节点是网络的中心,如果它们经常被用作两个其他参与者之间的路径。为了更简单的解释,所有3种测量都标准化为(0,1)尺度(见Wasserman [
找到社区成员的中心群体(问题4)可以使用核心-外围分析来完成。核心-外围分析是一种聚类算法,它假设在社交网络的中心有一组核心节点,并且有一组外围节点连接到该核心[
最后,不同医院和职业之间的相互作用(问题5)需要使用群体水平的中心性度量来研究[
本项目的数据提取自2011年6月的论坛,代表了从2009年4月1日论坛启动到2011年6月30日的交流。使用R version 2.12.2中的statnet库分析数据[
对于论坛上的每个帖子,数据库都会记录发表帖子的成员、发表帖子的线程以及发表帖子的时间。系统还记录成员读取特定线程的最近时间。
该论坛有46名独立成员,其中31人至少发过一次帖子。115个线程上有568个帖子,平均线程长度为4.94(每个线程1-25个帖子,中位数为3)。在31个活跃的发帖成员中,12人发表了10个或10个以上的帖子,23人阅读了10个或10个以上的帖子。
来自论坛的一个示例线程,确定了线程是如何呈现的,从哪里提取数据,以及如何创建1-模式和2-模式网络。
左为2模网络图,右为成员网络图。对于成员网络,边缘的宽度由边缘值决定,成员节点的大小表示用户已读取的线程数。
有21个帖子(18%)在论坛中没有收到回复。这些线程平均每个线程读6.8次(范围为2-12次,中位数为7次),所有线程都至少接收到一次,除了一个线程之外,其他线程都接收到超过3次。并不是所有线程都期望收到响应:其中许多是会议或研讨会公告,或者通知社区有新资源已添加到资源中心。世界杯时间比赛时间如果不深入了解这个帖子的内容,就很难确定这个帖子之所以没有得到回答,是因为这个问题很难解决,还是社区不感兴趣,或者这只是一个公告。为了成功地形成一个社区,及时回答问题以鼓励参与是非常必要的。由于只有18%的线程是隔离的,而且其中许多线程是预期的,所以论坛上的隔离率是可以接受的,但是应该始终努力确保线程得到及时的响应。
为了更好地理解线程/主题的持久性(线程与社区相关的持续时间),我们使用了发布到线程的消息的时间戳(软件不会捕获系统中的读取时间,因此我们不能根据它被读取来确定线程持久性)。
详细描述帖子数量和线程持续时间作为论坛时间函数的图表。x轴表示线程中第一篇文章的日期,y轴表示第一篇文章和最后一篇文章之间的时间(注意y轴是对数尺度)。每个方块代表一个线程,方块的大小和颜色由线程中柱子的数量来定义。
对于每个线程持续时间类别,每个线程的帖子数。
|
线程数 | 平均职位数 | 最小值 | 第一四分位数 | 中位数 | 第三四分位数 | 马克斯 |
≤ |
10 | 6.2 | 2 | 2.75 | 6.5 | 9.25 | 11 |
≤ |
18 | 3.1 | 2 | 2 | 3. | 3. | 9 |
≤ |
14 | 4.9 | 2. | 3. | 4 | 6.75 | 12 |
≤ |
25 | 5.6 | 2 | 3. | 5 | 6 | 21 |
≤ |
24 | 7.5 | 2 | 3.75 | 5.5 | 8 | 25 |
|
3. | 13.3 | 4 | 8.5 | 13 | 18 | 23 |
在第一个问题中,我们想了解属于不同机构的社区成员的参与行为,因为这将告诉我们机构内知识共享文化的倾向。在线讨论的参与度是根据每个社区成员的阅读和发帖活动来衡量的。
接下来,我们分析了不同职业的参与行为,以便从职业的角度了解知识分享和翻译的倾向。酒吧的颜色
从机构和职业的相互作用来看,我们观察到大多数小医院在项目中只聘请护士:在社区的5名医生中,3名来自斯利那加林德,1名是加拿大人,因此只有一名泰国医生在主要研究中心之外从事社区工作。而且,唯一活跃的药剂师来自最活跃的医院。
帖子和阅读的数量,按医院分组,括号内表示每个组的社区成员数量。医院内的每个酒吧代表一个独立的成员。条形图的颜色表示他们的职业,条形图上的阴影表示他们是否是核心成员(参见
为了KT的目的,从业者参与在线讨论是很重要的,即使只是阅读和内化其他从业者分享的经验知识。
比较单个成员的读取和发布(注意,将图划分为3个部分是任意的)。对于这个图,发布不被算作读取,因此读取表示一个成员正在读取线程,而不是对其进行评论。名称带有*的成员来自1模式核心(
中心性度量可以提供关于个体成员的活动水平的信息,以及社交网络的整体活动状态。基于在线讨论数据,我们开发了两种模式的社交网络,一个用于发布,一个用于阅读。然后,我们计算了标准的中心性度量,以确定最活跃(或中心)的社区成员。亲密度、中介度、职位度、核心度均来自职位网络,而阅读度则来自阅读网络。
社交网络成员的中心性样本,按核心度排序。
用户 | 亲密c | 中间状态 | 研究生学历 | 读学位 | Corenessc |
U173ab | 0.88235 | 0.17551 | 57 | 52 | 0.47111 |
U62ab | 0.90909 | 0.1281 | 37 | 80 | 0.43945 |
U87ab | 0.90909 | 0.13642 | 36 | 71 | 0.40202 |
U68b | 0.73171 | 0.02931 | 22 | 55 | 0.30356 |
U67ab | 0.88235 | 0.15055 | 35 | 75 | 0.29276 |
U473b | 0.76923 | 0.05866 | 22 | 1 | 0.25582 |
U646b | 0.73171 | 0.03615 | 15 | 30. | 0.20707 |
U545b | 0.69767 | 0.01607 | 19 | 31 | 0.20382 |
U131b | 0.75 | 0.05669 | 20. | 38 | 0.17414 |
U99 | 0.75 | 0.05245 | 16 | 55 | 0.16883 |
U64 | 0.71429 | 0.04947 | 10 | 71 | 0.08668 |
U88 | 0.68182 | 0.02582 | 10 | 6 | 0.07642 |
U280 | 0.6 | 0 | 5 | 12 | 0.06166 |
U134 | 0.66667 | 0.0203 | 7 | 5 | 0.05432 |
U305 | 0.56604 | 0 | 5 | 11 | 0.04753 |
U73 | 0.625 | 0.00123 | 2 | 23 | 0.04276 |
U78 | 0.68182 | 0.02474 | 7 | 41 | 0.04188 |
针对U74 | 0.6 | 0.01207 | 8 | 32 | 0.04162 |
U60 | 0.58824 | 0 | 2 | 24 | 0.04099 |
U66 | 0.6 | 0 | 2 | 2 | 0.03835 |
U83 | 0.58824 | 0 | 2 | 30. | 0.03577 |
U57 | 0.6 | 0.00477 | 3. | 47 | 0.03419 |
U63 | 0.58824 | 0.0012 | 4 | 13 | 0.02502 |
U132 | 0.6 | 0.00231 | 3. | 12 | 0.02448 |
U72 | 0.61224 | 0.01586 | 8 | 8 | 0.02405 |
U129 | 0.58824 | 0.00131 | 6 | 7 | 0.02199 |
U133 | 0.55556 | 0 | 3. | 10 | 0.01979 |
U2 | 0.57692 | 0 | 1 | 36 | 0.01928 |
U137 | 0.53571 | 0 | 4 | 4 | 0.01398 |
U642 | 0.52632 | 0 | 2 | 2 | 0.01176 |
U59 | 0.51724 | 0.00099 | 2 | 24 | 0.0105 |
U53 |
|
0 | 0 | 1 |
|
U61 |
|
0 | 0 | 11 |
|
U65 |
|
0 | 0 | 27 |
|
U70 |
|
0 | 0 | 9 |
|
U79 |
|
0 | 0 | 3. |
|
U80 |
|
0 | 0 | 1 |
|
U81 |
|
0 | 0 | 1 |
|
U95 |
|
0 | 0 | 1 |
|
U96 |
|
0 | 0 | 13 |
|
U118 |
|
0 | 0 | 1 |
|
U136 |
|
0 | 0 | 43 |
|
U142 |
|
0 | 0 | 4 |
|
U217 |
|
0 | 0 | 1 |
|
U302 |
|
0 | 0 | 12 |
|
U471 |
|
0 | 0 | 12 |
|
一个这些用户是2模式网络的核心成员
b这些用户是1模式网络的核心成员
c为了这些指标,必须放弃孤立的参与者
网络中最大的归一化程度是0.496,这表明一个成员在将近50%的线程上进行了通信。看一下邮寄直方图
紧密度结果较高,这是一个积极的发现,也是高度值网络的预期结果。最大接近度为0.91表示有2个成员在一个线程上与91%的其他成员直接通信。平均接近度为0.665,最小接近度为0.517,有强有力的证据表明社区连接良好,成员可以通过共享线程通信快速连接到社交网络的所有其他成员。网络中的隔离不包括在亲密度计算中,但它们的分离性是一个需要解决的问题。
最后,中间测量值相当低,这是一个积极的结果,特别是考虑到较高的度值。高的中间值表明该成员充当了社交网络的通信网关,而非常低的中间值(平均值为0.02,最大值为0.175)则几乎没有证据支持有成员充当社交网络的信息管道的观点。这意味着社区成员有多种途径与他们的同伴联系,这鼓励了更多的沟通和知识共享机会。
中心性度量的分布和汇总统计。
核心-外围分析有助于识别在发帖方面处于网络中心的社区成员。在1模网络和2模网络上都进行了分析,以尝试识别哪些成员和线程位于网络的中心或边缘。对1模式网络的核心-外围分析确定了那些与许多其他成员有很强联系的参与者,而对2模式网络的分析确定了最中心的线程,以及与它们相关的参与者。再一次,孤立的作用体被从1模分析中删除,因为它们的核心无法计算。
对于2模式网络,核心成员平均在43%的核心线程中通信,在27%的外围线程中通信。与此同时,外围参与者只贡献了8%的核心线程和5%的外围线程。对于1模式网络,核心参与者共享8.6个线程,与外围参与者共享1.3个线程,而外围参与者彼此仅共享0.277个线程。
二模网络中由核心-外围结构分层的通信密度。
2-Mode网络 | 核心 | 外围 |
核心(4人;27个线程) | 0.438 | 0.273 |
外围(27个成员;55个线程) | 0.083 | 0.051 |
1模网络中由核心-外围结构分层的通信密度。
1-Mode网络 | 核心 | 外围 |
核心(9人) | 8.593 | 1.308 |
外围(22个成员) | 1.308 | 0.277 |
这些结果证实了之前的发现,即存在一个“超级用户”的核心群体,他们似乎生成了社区内的大部分内容。
群体中心性分析的目的是探索群体成员之间的互动,以确定不同类型的专业人员(如护士和医生)或来自不同机构的专业人员如何作为一个社区进行互动。该分析对于了解在线讨论论坛是否成功打破了医疗保健系统中普遍存在的专业或制度障碍非常重要。我们计算了跨职业和机构的群体水平中心性指标,见
在1模式网络中有215个连接表示单个用户之间的连接,这些连接的值表示这两个用户共享的线程数。网络中联系的总价值为674条,其中431条(64%)是不同医院之间的联系,340条(50%)是不同职业之间的联系。这些值表明,职业之间和医院之间存在显著的沟通,但群体中心性分析可以更深入地了解这些关系。
职业间的交流。
|
医生 | 护士 | 药剂师 | 研究 |
医生 | 4一个
|
149 |
7 |
15 |
护士 | 149 |
316 |
54 |
97 |
药剂师 | 7 |
54 |
0 |
8 |
研究 | 15 |
97 |
8 |
3. |
一个发送的消息数
b该组发送的消息总数的比例
医院间的通讯。
|
无医院记录 | Bureerum | 加拿大 | Kalasin | 孔敬 | 大师 | Srinagarind | 素林 |
无医院记录 | 0 |
1 |
0 |
0 |
6 |
1 |
4 |
1 |
Bureerum | 1 |
0 |
0 |
2 |
4 |
2 |
14 |
2 |
加拿大 | 0 |
0 |
1 |
2 |
4 |
8 |
34 |
2 |
Kalasin | 0 |
1 |
2 |
0 |
5 |
13 |
73 |
1 |
孔敬 | 3. |
3. |
3. |
2 |
12 |
18 |
81 |
5 |
大师 | 1 |
2 |
5 |
2 |
7 |
3. |
115 |
2 |
Srinagarind | 3. |
10 |
18 |
9 |
29 |
26 |
226 |
11 |
素林 | 1 |
1 |
1 |
1 |
3. |
1 |
7 |
0 |
对于职业,从柱状图中可以看出
很难解释一些医院的结果,因为有几家医院的代表性不足,但Srinagarind医院是迄今为止最有影响力的医院,它与其他成员完全连接在一起,并且有58%的最短路径经过它们(
职业中心性指标。
集团 | n | 学位 | 标准化程度 | 亲密 | 规范化的亲密 | 中间状态 | 规范化的中间状态 |
护士 | 22 | 9 | 1 | 9 | 1 | 0.6073 | 0.5398 |
研究 | 5 | 22 | 0.8462 | 30. | 0.8667 | 0.0852 | 0.082 |
医生 | 3. | 26 | 0.9286 | 30. | 0.9333 | 0.1301 | 0.1255 |
药剂师 | 1 | 17 | 0.5667 | 43 | 0.6977 | 0.0227 | 0.0219 |
医院中心指标。
集团 | n | 学位 | 标准化程度 | 亲密 | 规范化的亲密 | 中间状态 | 规范化的中间状态 |
Srinagarind | 14 | 17 | 1 | 17 | 1 | 0.5823 | 0.548 |
孔敬 | 4 | 18 | 0.6667 | 36 | 0.75 | 0.1182 | 0.1138 |
加拿大 | 4 | 18 | 0.6667 | 36 | 0.75 | 0.0296 | 0.0285 |
大师 | 3. | 26 | 0.9286 | 30. | 0.9333 | 0.1369 | 0.132 |
Bureerum | 2 | 15 | 0.5172 | 43 | 0.6744 | 0.0023 | 0.0022 |
- | 1 | 9 | 0.3 | 51 | 0.5882 | 0.0021 | 0.002 |
Kalasin | 1 | 19 | 0.6333 | 41 | 0.7317 | 0.0375 | 0.0363 |
素林 | 1 | 16 | 0.5333 | 44 | 0.6818 | 0.0266 | 0.0257 |
这项研究调查了通过基于Web 2.0的媒体(在线讨论论坛)进行知识共享的动态,涉及医疗保健从业者的专业社区。实践知识(也称为经验知识)引出了卫生专业人员对什么有效,什么无效以及在特定情况下该怎么做的同行产生的见解。越来越多的人认识到,与实践有关的知识是一种重要的知识资源,是循证资源的补充,因为医护人员必须处理复杂的、有时是非典型的临床情况,而仅凭证据有时是不够的[
随着社会计算和移动计算技术的迅速采用,探索新的计算技术的应用,以寻求建立KT项目的新方法和方法是谨慎的。志同道合的从业者之间基于Web 2.0的社交互动,在公共空间内以增量式和包容性的方式为经验知识的创造和批评提供了新的途径,在这个公共空间中,知识共享媒介和固有的知识内容都可以作为KT资源。我们相信,对于KT来说,基于Web 2.0的社会计算技术提供了一种无处不在的、包容性的知识共享方法,可以潜在地克服挑战传统KT方法的地理、时间、社会和等级障碍[
在这项研究中,我们提出了5个研究问题来调查虚拟实践社区中知识共享的动态。这些研究问题的目的有三个方面。首先,衡量属于不同机构和专业的成员的参与率,以了解某些机构或专业人士是否更倾向于参与在线讨论。第二,确定某些成员是否已成为各种讨论的核心人物,以便在个别机构中识别和指定知识经纪人/KT拥护者。最后,从知识共享纽带的角度考察合作的程度,这可能是通过在线论坛在不同机构的专业人员之间发生的,因为它允许地理上分散的专业人员以更无处不在的方式进行交流和协作。我们的研究结果提供了关于KT新模型设计的见解,并客观地提出了建议,特别是在专业人员的虚拟社区中为KT使用基于Web 2.0的协作技术。
我们调查了属于不同专业团体和机构的社区成员的参与率。从发布频率和阅读频率来看,来自不同机构的成员的参与频率没有差异,在线讨论的参与更多地是由个人对在线社区的参与推动,而不是来自某个特定机构的成员。这是一个有趣的观察,因为它描绘了来自机构的参与水平,表明成员是自我激励地参与知识共享,而不是受其机构的影响。值得注意的是,尽管该论坛与斯利那加林德的一家大型城市医院有关的成员更多,但这并不意味着来自斯利那加林德的个人更有可能为论坛作出贡献。
就专业群体而言,我们的分析显示,参与讨论的护士占主导地位,但应该指出的是,该项目确实吸引了相对较大的护士群体加入讨论论坛。值得注意的是没有医生参与——只有一位医生对论坛做出了重要贡献。重要的是要考虑外部激励策略的影响,使成员参与在线讨论。在泰国项目中,每个机构都分配了一名护士协调员(即KT冠军),负责定期鼓励其机构的儿科专业人员参与知识分享活动,包括在线论坛。事实上,个别护理辅助人员的精力、专业知识和热情对机构和专业团体的总体参与率有影响。我们确实观察到,在推广在线讨论论坛和吸引专业人士参与在线讨论方面,一些护士辅导员比其他人更成功。在推进Web 2.0干预的过程中,重要的是要确保促进者愿意并有能力让社区的所有潜在用户参与进来,包括来自他们专业之外的用户。
由于基于Web 2.0的讨论论坛的媒介和知识共享的方法对一些从业者来说都是新的,因此可能会对在线讨论论坛的使用和效用有所顾虑。我们建议,为了建立一个充满活力的基于Web 2.0的KT计划,实施某些成员参与策略是谨慎的。一种方法是通过展示分享/使用来自同行从业者的经验知识的价值,将专门的在线讨论论坛推广为知识资源。另一个方案是,特别是在KT网络环境的初始阶段,积极参与和支持会员,使他们能够轻松和信任地使用在线论坛。我们发现,指定的KT冠军既能吸引会员,又能促进在线讨论,从长远来看,这有助于保持高水平的参与、贡献和KT。在我们的研究中,我们注意到,一旦会员充分参与,不同职业的参与率之间就没有显著差异。
社会网络分析整个社区的沟通模式,确定网络是相当良好的连接。亲密度得分高表明成员可以很容易地相互连接,而中间度得分低表明网络不依赖于单个成员通过网络传递信息。这些都是很有前途的交流模式,因为它们表明社区不会过度依赖于单个成员或一组成员来共享知识,即使是没有联系的成员也可以通过共同的朋友进行联系。中心性指标强调了一组高度活跃的社区成员的存在,在所有指标中都有较高的中心性排名,核心-外围分析确定了相同的成员是社区的中心。
我们调查了在网上论坛上阅读和发帖之间的关系。我们的分析确定了3组用户:活跃的海报,选择性海报和不发帖的消费者(或潜伏者)
并不是要求所有的社区成员都做出贡献,而且在论坛中潜伏者的存在已经得到了很好的确立[
有趣的是,由于他们自己的兴趣和活动,某些成员在社区中演变为KT冠军,而没有被研究团队明确地参与其中。这种有机地承担领导和中心角色,没有官方指定或明确的责任,有利于KT计划的可持续性,因为它表明成员参与并愿意促进KT活动,因为他们看到了共享经验知识的价值。从KT的角度来看,我们认为这些人应该在未来的KT项目中担任冠军或知识经纪人。请注意,这些核心KT冠军不一定是各自领域的专家,甚至不一定贡献有价值的知识。对KT有热情并积极使用在线讨论论坛寻求知识的初级成员可以让社区的其他成员参与讨论,增加社区内所有成员的连通性。求知活动在社区中起着至关重要的作用,因为它促进了成员之间的讨论和交流。
鉴于基于Web 2.0的讨论论坛向其所有成员提供了开放访问,我们调查了在线社区是否正在利用这种开放的通信媒介与来自不同机构和专业的从业者进行交互。在项目开始时,有人担心护士可能不习惯与医生交流(反之亦然),因为这是面对面实践的情况,但在讨论论坛中观察到强烈的跨专业联系是令人鼓舞的。这证实了,在没有面对面交流的在线环境中,专业人士不仅与同事互动,而且与前辈/后辈互动都感觉更舒服。同样,我们注意到各成员之间牢固的机构间关系,这表明区域或机构偏好不是一个因素。从KT的角度来看,这一发现尤其相关,因为它表明在线交流媒介对于卫生从业者来说是一种更开放和更容易获得的KT媒介,特别是对于那些认为等级和专业分类是他们寻求知识和分享愿望障碍的从业者来说。
我们想指出我们研究中的某些缺点。我们无法对实际的在线讨论进行任何内容分析,因为讨论是用外语进行的。我们之前的研究[
数据的时间性质没有被详细探讨。对新消息的响应时间、个人和组的临时使用模式、单个线程接收新帖子的时间以及消息在最后一篇帖子之后接收查看的时间的调查是如何将时间纳入分析的一些示例。我们相信,未来对这种时间方法的调查可能能够提供更多关于用户如何访问系统的见解,特别是评估LINKS模型中的协作文化,以及用户如何将系统集成到他们的日常工作流程中。
我们相信更复杂的SNA方法可以用于评估论坛的其他方面,特别是指数随机图模型(ERGM)的使用[
LINKS模型被设计为一种方便KT使用Web 2.0工具的方式,但它不包括模型的评估系统。本文已经论证了如何将SNA作为评价论坛绩效的工具,但还需要进一步的研究。今后的工作应侧重于如何使用SNA方法直接评价LINKS模型的原则。完成此工作后,可以开发一组预先确定的测试,用于在系统发展过程中评估系统,为监控Web 2.0工具的健康状况提供反馈机制,并确保它们向其成员提供尽可能最好的服务。
1模式网络,划分为核心(左上)和外围。单元格[i,j]中的数字表示这些用户已经在同一个线程上进行了通信。注意,这是一个对称矩阵,因为用户[i,j]之间的消息数量与[j,i]相同。
这是2模式网络,分为核心(左上)和外围。1表示用户(列)在线程(行)上通信。
知识的翻译
社会网络分析
利用互联网实现知识共享
指数随机图模型
这项工作得到了全球卫生研究倡议的部分支持,该倡议是加拿大卫生研究所、加拿大国际开发署、加拿大卫生部、国际发展研究中心和加拿大公共卫生署的合作研究资助伙伴关系。作者要感谢项目团队的支持,他们帮助促进了论坛的工作。
没有宣布。