互联网干预中支持小组参与分布的90-9-1原则和Zipf定律分析

互联网干预1（2014）165用帖子频率描述网络支持小组的参与分布：90-9-1原则和齐普夫定律的比较放大图片作者：John A.放大图片创作者：Cunninghama.Grif fitsaa澳大利亚国立大学国家心理健康研究所，63 Egggarten Road，Acton，Canberra，ACT 0200，Australia加拿大安大略省多伦多市T526罗素街33号成瘾和心理健康中心a r t i c l e i n f o文章历史记录：2014年7月18日收到2014年9月11日收到修订版2014年9月11日接受2014年9月28日在线发布保留字：eHealth互联网支持小组Zipf定律90-9-1原则1%法则a b s t r a c t可持续的在线点对点支持小组需要参与的成员。 通常用于识别这些成员的指标是他们发布的帖子数量。90-9-1原则已被提出作为使用该指标对成员进行分类的“经验法则”，最近的一项研究证明了该原则对数字健康社交网络的适用性。使用抑郁症互联网支持小组的数据，目前的研究试图复制这一发现，并更详细地调查参与者贡献分类的最佳拟合模型我们的发现重复了以前的结果，也发现了功率曲线（Zipf分布）的拟合，以解释98.6%的方差。Zipf分布提供了一个更细致的数据图像，并可能在评估样本的“一致性”方面具有实际应用© 2014作者。由爱思唯尔公司出版这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/3.0/）中找到。1. 介绍在线点对点支持有许多潜在的健康益处（Ziebland和Wyke，2012）。 迄今为止，系统评价未能找到一致的证据证明在线点对点支持团体对健康结果的有效性（Eysenbach等人，2004; Griffiths等人，2009年）。然而，有证据表明，消费者重视这些群体（Horrigan等人，2001年），并有越来越多的兴趣，以确定可持续的蓬勃发展的在线支持团体的关键组成部分（年轻，2013年）。人们普遍认为，一个关键组成部分是高度参与的核心成员，他们为社区做出了巨大贡献（Young，2013）。对于应该采用什么指标来对成员的贡献进行四项研究试图使用不同的指标组合来识别在线点对点支持小组 这些指标包括成员发表的帖子数量（Cobb et al.，2010;Jones等人，2011; van Mierlo等人，2012年;van Mierlo，2014年），hr eadsinitiated的数量（Jonesetal.， 2011;参见M ie rlo等人， 201 2），成员参与的不同线程的数量（Jones等人，2011; van Mierlo等人， 2012），与论坛中其他成员的联系水平（Cobb et al.，2010）和登录花费的时间（Jones等人，2011年）。它们的一个共同衡量标准是员额数*通讯作者。联系电话：+61 02 6125 6825。电子邮件地址：Bradley. anu.edu.au（B. Carron-Arthur），John.anu.edu.au（J.A. Cunningham），Kathy.Grif fi ths@anu.edu.au（K.M.Griffiths）。最近的研究使用帖子数量作为对数字健康社交网络（DHSN）中的成员进行分类的唯一方法，其中包含点对点支持组组件（van Mierlo，2014）。该研究调查了90-9-1原则或1%规则。该规则描述了一种常见的现象，即互联网社区中的大多数内容仅由1%的参与者（称为“超级用户”）制作，少数内容由另外9%的参与者（“贡献者”）制作，90%的人在没有积极参与的情况下研究将这三个类别的内容划分，发现这三个类别分别占DHSN中总职位的74.7%、24.0%和1.3%认为90-9-1原则适用于DHSN。DHSN研究试图验证90-9-1原则，而不是确定最适合数据的分布因此，90-9-1原则可能无法提供对DHSN中的参与者进行分类的最大准确性本研究的目的是进一步研究DHSN中参与者分类的最佳拟合模型，包括但不限于90-9-1原则。2. 方法这 项 研 究 使 用 的 数 据 来 自 点 对 点 互 联 网 支 持 小 组 -BlueBoard（blueboard.anu.edu.au）。BlueBoard主要用于关于抑郁症的点对点讨论（38.8%的内容）。它还包括关于双相情感障碍（18.4%），广泛性焦虑症（5.0%），一般性讨论（22.1%）和其他主题（15.7%）的论坛http://dx.doi.org/10.1016/j.invent.2014.09.0032214-7829/© 2014作者。由爱思唯尔公司出版这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/3.0/）。可在ScienceDirect上获得目录列表互联网干预杂志首页：www.invent-journal.com/166B. Carron-Arthur等人 /互联网干预措施1（2014）165-168图1.一、 BlueBoard主页。B. Carron-Arthur et al. / Internet Interventions 1（2014）165- 168167BlueBoard由一个付费人员团队主持成员是消费者和照顾者。BlueBoard的主页如图所示。1.一、本研究中使用的数据包括2008年10月1日至2014年5月23日期间生成的所有帖子（2932名成员的n=主持人（n=352，由10名主持人）的帖子不包括在分析中。数据收集程序由澳大利亚国立大学人类研究伦理委员会批准。为了重复van Mierlo（2014）的分析，我们分别计算了贡献最大的1%注册会员、贡献最大的9%注册会员和贡献最大的90%注册会员的帖子总数为了研究替代模型，我们收集了大量的数据，这些数据是按照发表文章最多到最少的顺序排列的，3. 结果第一、九、九十三个组别的参与者所占的比例分别为85.8%、11.2%和3.0%各组别的相应成员人数及该组别成员担任的职位数目的幅度载于表1。图1中显示了按降序排列的每个成员所代表的P_s_s 二、最佳拟合曲线为函数f（x）= 63935 x-1.427，相关系数r = 0.993，0.986. 这表明该模型解释了98.6%的方差。4. 讨论目前的分析广泛复制了van Mierlo（2014）的发现，即前1%的注册会员贡献了绝大多数职位，接下来的9%是少数，最后的90%很少。因此，90-9-1原则似乎提供了一种可靠的方法，在DHSN中对参与者的贡献进行广泛的然而，图中的图表。2和相关的最佳拟合功率曲线提供了描述分布的替代和更精确的方法。事实上，图中的分布。 2坚持Zipf定律--一个成员发布帖子的频率与他们的频率等级成反比。这是一个广泛观察到的现象，跨越语言学，人口，收入和互联网流量等领域（Newman，2006; Adamic和Huberman，2002）。该模型给出了分布的更细致的图像它显示了贡献的逐渐减少，而不是像90-9-1原则所暗示的那样，在超级用户和贡献者之间的边界上出现量子跳跃研究人员、开发人员和其他利益相关者寻求优化与互联网支持组中产生最高流量水平的成员相关的网络效应（van Mierlo，2014），他们可能会从以下理解中受益：与用户类型的分类差异相反，每个成员都有一个可预测的递减回报已经提出了一系列解释来解释Zip fian分布的发生，包括例如最小努力 原 则 （ Ferrer i Cancho and Sole ， 2003 ） 、 比 例 增 长 过 程（Gabaix，1999）或简单随机过程（Miller et al.，1958年）。对于哪一个是正确的没有共识，也没有一个共识允许对当前数据进行有意义的解释然而，一个与之相关的现象表1每个部门的职位和成员百分位成员（N）员额百分比（N）员额数范围（N）1人（1%）185.8%（112 373）11，99427511.2%（14 669）141117443.0%（3 962人）5F IG。二、通过按顺序排列的变化和与数据最佳拟合的功率曲线，可以实现对所有点的对数-对数曲线拟合。对于更好地拟合Zip曲线的数据，分布是样本中更大的“一致性”（Cristelli等人，2012年）。例如，在美国，按人口规模对城市进行排名比欧盟（EU）更适合Zip Fi分布此外，与欧盟整体相比，欧盟的每个国家都很好地适应了分配，而与美国整体相比，美国的每个州并不很好地适应分配。这被认为反映了每个人作为一个集体单位有机进化的时间（Cristelli等人，2012年）。 对于互联网支持组，使用Zip文件分布描述参与的分布可以允许搜索者和开发者评估组的一致性与其子集的一致性，例如组内的不同论坛。在目前的研究中，最适合的是支持小组作为一个整体，而不是任何个别论坛的主题。帖子的频率是识别网络中高度参与的用户的一种方法这不一定是最合适的方法。Borgatti（2006）认为，网络中的关键成员是最恰当的识别使用的组合指标，识别成员的参与贡献的价值，反映了他们被寻找的原因除了在过去的研究中使用的指标，未来的研究可能会调查其他指标，如职位的平均字数，一天中的时间，张贴的规律性或这些组合由于数量并不一定反映质量，因此需要对帖子进行内容分析，以确定高度参与的用户是否正在贡献信息性和支持性内容（Salem等人，1997年）。5. 结论90-9-1原则和齐普夫定律都提供了一种描述网络支持群体中成员发帖频率分布的方法，但齐普夫定律提供了更精确的数据描述。确认作者要感谢Anthony Bennett、Julia Reynolds和Kylie Bennett为建立和维护BlueBoard做出的贡献。 我们感谢Anthony Bennett和KylieBennett协助下载数据。我们还要感谢大卫·霍金教授对齐普夫定律的专家投入。 BlueBoard由澳大利亚政府卫生部资助。B. Carron-Arthur获得了澳大利亚研究生奖的支持K.M. Griffiths由澳大利亚国家健康和医学研究委员会（NHMRC）研究奖学金1059620支持。168B. Carron-Arthur等人 /互联网干预措施1（2014）165-168引用A da mi c，L. 一、 胡伯曼，B。A. ，2002年。 Zipf 's Lawandthehenternett. 《全球技术》第3卷，第143- 150页。Borgatti，S.P.，2006年。 识别社交网络中的关键角色集。Comput. 数学O rg an. 12，21- 34。Cobb，K.N.，格雷厄姆，A.L.，Abrams，D.B.，2010年。 社交网络结构的一个大型在线社区，用于模拟社交活动。 分枝 J. 普布利奇H e alth10 0，12 82 - 1 28 9.Cristelli，M.，Batty，M.，彼得罗内罗湖2012年。在Zipf中有不止一个幂律。Sci.众议员 二、埃森巴赫湾鲍威尔，J.，Englesakis，M.，里佐角，Stern，A.，2004. 健康相关的虚拟社区和电子支持小组对在线对等互动效果的系统评价。8. bmjsFerrer I Cancho，R.，Sole，R.V.，2003. 最小努力和人类语言缩放的起源。 Pr oc。 不，不，不。 Acad。 S CI. 联合 S. A. 100，788- 791。G ab ai x，X. ，1999年。 Zipf的城市生活是一个很好的选择。Q.J. ECON。 114，739 -767。Griffiths，K.M.，Calear，A.L.，Banfield，M.，2009年互联网支持小组与抑郁症的系统评价（1）：互联网支持小组能减轻抑郁症状吗？J. Med. Internet Res. 11，e40.Horrigan，J.B.，雷尼湖，加-地Fox，S.，2001年 在线社区：培育远距离关系和本地联系的网络. Pew互联网&美国生活项目，华盛顿特区。琼斯河，巴西-地Sharkey，S.，Smithson，J.，福特，T.，Emmens，T.，Hewis，E.，滑轮，B，欧文斯角，2011. 使用指标来描述讨论论坛中成员的参与立场。J. Med. InternetRes. 13，e3。米勒，佐治亚州，纽曼，E. B.，弗里德曼，E.A.，1958. 书面语的长度-频率统计。 I nf. C on tr ol.1，370- 389。纽曼，M.E.J.，2006年。 幂律、帕累托分布和齐普夫定律。对流Phys. 46，3 2 3- 3 5 1。尼尔森，J.，2014年。参与不平等：互联网社区中的潜伏者与贡献者（URL：http://www.nngroup.com/articles/participation-inequality/）。发布日期：2014-06-05.（由WebCite®在http://www.webcitation.org/6Q7EwEncA存档）.Salem，D.，Bogat，A.，Reid，C.，1997. 互助上线。J. Community Psychol. 25，1 8 9- 20 7.Van Mierlo，T.，2014. 四个数字健康社交网络中的1%规则：一项观察性研究。J. Med.Internet Res. 16，e33。Van Mierlo，T.，Voci，S.，李，S.，富尼耶河，Selby，P.，2012年。超级用户在社交网络戒烟：人口统计学特征分析和张贴行为从加拿大癌症协会的吸烟者在线和停止吸烟中心。net.J. Med. Internet Res. 14，e66。扬，C.，2013年。有效的社区管理：如何建立和维持一个蓬勃发展的在线健康社区。J. Med.Internet Res. 15，e11 9.Ziebland，S.，Wyke，S.，2012年。 在一个相互连接的世界里，健康和疾病如何可能在他身上共享体验？ Mi lb ankQ. 90，219- 249。