4.2.2 社会网络研究方法
社会网络分析既是一套研究方法，也是一种分析思想。社会网络理论的基本假设认为“个体（entities）不是孤立存在的，也不是作为某个群体的自由成员存在的，每个个体都与系统中的其他个体有某种联系”（Bergs 2006：1-2）。社会网络理论的应用范围很广，人与人之间，以及无生命的计算机、地铁、城市等之间都存在网络联系。当然，社会语言学研究极少关注无生命的网络，而是研究人类的社会网络关系。
社会网络分析将社会结构看作是一张由多个点（nodes）和各点之间的连线（ties）组成的人际关系网。其中的“点”代表各个社会行动者（actors）或参与者（participants），“线”代表行动者之间的关系。我们可以以个人为中心，通过判断他人与中心人物（ego）的联系，将社会网络分为第一层区（1 st order zone）、第二层区（2nd order zone）等以此类推。与中心人物有直接联系的人员构成第一层区，与第一层区人员有直接联系而与中心人物有间接联系的人员构成第二层区，该层区的成员可以被称为“朋友的朋友”（friends of friends）（Downes 2011：118）。同理，还有第三层区、第四层区乃至第N层区（n-order zone）等。社会网络可以用图形表示（如图4 .1，X是网络的中心点）。研究者们最感兴趣的是通常第一层区，这一层区一般只包括与中心人物有直接联系的密友和亲人。
语言变异学者很早就认识到了社会网络分析是一种非常有实用价值的研究方法，并且证实了社会网络类型和方言的保持与转换过程之间的互相关联。他们发展了两种将社会网络分析应用于语言变异研究的方法（Villena-Ponsoda 2005）：一种是仅将社会网络用作田野调查方法论的一种工具或策略（如Labov 1972；Labov & Harris 1986），而没有进一步将其用于语料分析。社会网络介于宏观和微观之间，是一种中观层面的抽象社会结构。它将微观的说话人彼此连接起来，形成实际社会生活中的关系网，也将他们与更宏观的社会结构相连接。因此，社会网络可以看作是观察交际互动生活中自然语言的最佳领域。另一种方法既将社会网络作为一种方法论工具，也将其作为一种分析工具（如Bortoni-Ricardo 1985；Kerswill &Williams 2000；Milroy 1980，1987）。Milroy的贝尔法斯特研究（Milroy1980，1987）表明，语言变异与说话人所处的社会网络类型有紧密联系。早期研究显示，社会网络的差异与说话人的社会阶层和教育水平有关。产生这一结果可能是因为开创性研究都集中在属于同一社会阶层的说话人群体，如Gumperz的民族志研究、Milroy & Milroy在贝尔法斯特的研究、Bortoni-Ricardo（1985）在巴西利亚的研究等。然而，后来的研究发现这种同质化是由社会环境对个人生活方式的影响造成的（Milroy & Milroy 1992），同时社会网络和社会阶层也在一定程度上相互关联（Chambers1995：66-101；Milroy 1992：207-220）。
图4.1 高密度、复合的个人网络结构
（转译自：Milroy 2002：551）
4.2.2.1 社会网络的测度方法
社会网络的测度方法主要分为两种：一种是定量或融合性测度（quantitative or integrative measures），另一种是定性或解释性测度（qualitative or interpretive measures）（Villena-Ponsoda 2005）。采用定量测度的研究表明，社会网络的结构和内容决定了说话者的社会融合程度，并与其社会地位产生的压力相互作用，从而对话语产生影响；这也在一定程度上适用于采用解释性测度的研究，只不过在解释性测度研究中起决定作用的是与个人有社会联系的人们的类型。下面我们分别介绍这两种测度方法在社会网络研究中的应用。
定量社会网络测度
描述社会网络的结构和内容特征，一般要涉及密度、复合度和聚合圈这三个概念：
（1）密度。密度（用D表示）用来描述社会网络成员之间关联的紧密程度，这一指标反映了社会网络的结构特征。数学上以网络成员之间实际的关系数量（用Na表示）与全部可能的关系数量（用N表示）的比例来表达，其公式如下：
如果在一个人的社会网络中，除了与中心人物有联系外，成员之间也互相联系，这说明实际的关系数量更加接近网络中所有可能的关系数量，那么这个网络的密度就越高，D的值就越接近1（见图4.1）。反之，密度就越低，D的值就越接近0（见图4.2）。
（2）复合度。复合度（用M表示）用来衡量任意两个行动者之间不同的社会关系数量，它反映了社会网络在内容上的特点。当个体之间仅通过一种关系产生联系时，比如两个人只是邻居，我们称这种联系是单一的（uniplex），其社会网络的复合度低。反之，当个体之间通过多种关系产生联系，比如双方不仅是邻居，还是同事、朋友时，我们称这种联系是复合的（multiplex），其社会网络的复合度高。数学上以社会网络中复合联
图4.2 低密度、单一的个人网络结构
（转译自：Milroy 2002：551）
系数（用Nm表示）与实际联系数的比例来表达，其公式如下：
（3）聚合圈。聚合圈是社会网络中的某一组成部分，密度和复合度都较其外部组成部分要高。“一个密度和复合度都很高的聚合圈会对其成员产生强大的凝聚力，使他们在言行上保持高度一致，从而形成该聚合圈特有的言行标准。所以，聚合圈比社会网络对人们语言规范的影响更大。”（陈松岑 1999：142）
高密度、高复合度网络能够为其成员提供密切合作的机会和当地社区的支持。自Barnes（1954）和Bott（1957）的研究以来，这种特殊类型的网络就被称为紧密型网络（close-knit networks）。该网络成员之间的关系强，可以抵抗来自网络外部的压力，并起到保持社会网络结构的作用。Milroy & Milroy及其他学者的研究表明，这种网络结构具有强化地方语言规范和保持语言使用习惯的作用（Milroy 1980，1987：199；Milroy & Milroy 1992：5-9）。因此，紧密型网络和语言保持（language maintenance）显著相关。紧密型网络的说话人倾向于保持方言特征，并拒绝使用标准语言（Bortoni-Ricardo 1985；Milroy 1982）。
与此相反，低密度、结构单一的网络（也就是松散型网络，loose-knit networks）往往是非地域性的社会网络，关系强度也比较弱。弱联系网络通常由流动人群和城市中产阶层语言使用者组成，这些群体容易受到主流语言使用规范压力的影响。由于缺乏一个强有力的社会网络对其语言使用进行规范，他们的语言行为往往是多变的，并呈现扩散形态（diffuse）。当人们不属于核心网络群体或不处于中心聚合圈时，他们处于社会网络的外围或边缘，因此他们对于特定网络行为规范及其约束作用也不敏感。主流的语言变化在这样的弱联系中得以广泛传播。对外联系度高、松散型网络结构的共同体之间容易产生方言接触，并有利于方言的融合（即leveling& koineization），继而形成新的方言（Kerswill 1994，1996a，1996b；Trudgill 1986）。
解释性社会网络测度
前文所述的研究都着重探讨网络关系对说话者的言语行为影响的规律。不过，说话者的性别、年龄、职业、教育、家庭背景、性格等因素对社会网络都有显著的影响。鉴于此，研究这些因素和其他相关变项如何影响网络结构是探讨个人和机构层面之间相互作用的一个重要角度。这些因素与融合性标准相互作用，可以起到增强或减弱网络结构的作用。因为这些因素需要具有充分理解共同体成员言语能力的分析者来作出解释，所以一般被称为解释性因素。
通常，对这些因素的解释可以为密度和复合度等量化参数作出补充。然而在一些情况下，解释性数据在解释甚至纠正定量网络分析结果方面可以起决定性作用。已有研究证实一些解释性标准对于方言或语言变异确实有影响，主要的影响因素可分为三类。
（1）与生俱来的（biological）因素：性别差异会导致男性和女性社会网络之间产生明显的差异或两极分化（Cheshire 1982；Eckert 1989a；Milroy 1982）；族群（ethnicity）会分化言语共同体，影响网络亲密度，形成比如黑人和白人群体（Labov & Harris 1986）、农业群体和城市群体（Blom & Gumperz 2000；Gal 1979；Kerswill 1994；Marshall 2004）等之间的对比。
（2）社区性（community）因素：对工业化地区的小型农村群体和移民群体的研究都表明，融入较大的主流社区（host community）的程度和网络关系的松散程度之间具有显著的相关性（Bortoni-Ricardo 1985）。
（3）社会性（social）因素：教育、职业、收入以及其他与社会地位相关（status-dependent）的变项可以影响网络的特性，比如网络关系的强度（Granovetter 1973；Milroy 1980，1987）、社会网络的规模、个人在网络中是否处于中心位置等。
4.2.2.2 社会网络的模型
Milroy & Milroy的贝尔法斯特研究既将社会网络作为一种方法工具，也将其作为一种分析工具。Milroy使用了Labov的定量研究范式，运用“网络强度尺度”来确定个人在网络中的地位，并计算出八个音位变项的标志值，统计分析二者之间的相关系数。Downes（2011：227-232）比较了以Labov为代表的社会阶层研究模式和以Milroy为代表的社会网络研究模式。他认为这两种模式都只面向社会空间的一个维度，在具体情况下都具有一定的解释作用，但也各有其局限性。Labov对阶层（class）和语体（style）的应用持一种“共识”（consensual）的观点。他认为由于上层中产阶层（upper middle class）具有权势（power）和显性威望（overt prestige），所以他们的语言使用习惯形成了社会主流标准规范，并可以由此构建一个大规模的言语共同体。Downes将这一结果称为语言分层的“地位导向模型”（status oriented model）或“阶层模型”（class model）。
虽然许多研究都证实了这种自上而下、以上层中产阶层为基础的标准规范对语言使用的支配作用，但有时在共同体内部也会出现一些“异常”现象，比如有些共同体成员并不总是使用标准语，而是更倾向于使用方言、土语或地方口音。这些“异常”现象虽然难以通过阶层模型进行解释，但是可以使用社会网络理论解释。社会网络为共同体成员的语言使用提供规范，形成“团结导向模型”（solidarity oriented model），也可以称作“网络模型”（network model）。在这种模型中，标准语的社会声望不是一成不变的。在不同的社会网络中，标准语的声望有可能是不同的。比如在一些工人阶层网络中，使用方言、土语或地方口音可以拉近成员间的距离、加强亲近感，所以具有重要的隐性威望（covert prestige），而标准语虽然具有显性威望，但有时会显得生疏、加强距离感、强化社会等级，在工人阶层或少数族群的社会网络中并不适用。
Downes发现“阶层模型”和“网络模型”对于社会因素和语言变体的组合方式不同（见表4.1）。两种模型面对的是不同的社会结构层面，侧重描写不同社会阶层的特征。但这并不意味着这两种模型是矛盾的、不可兼容的。Milroy & Milroy（1992）通过“网络强度”（network strength）把社会网络和社会阶层联系在一起，认为工人阶层一般具有“强社会网”（strong network），而中产阶层则多为“弱社会网”（weak network）。徐大明（2006：146）也提出，不能简单地在这两种研究模式之间进行取舍；作为社会分析方法，这两种模式在具体情况下都或多或少地有其可用之处。因此，研究者应根据研究问题和所调查的群体的特性选择合适的分析模式。
表4.1 阶层模型和网络模型中社会因素和语言变体的组合情况
（转译自：Downes 2011：228）
社会网络研究模式综合了以Labov为代表的变异社会语言学和以Hymes、Gumperz为代表的交际互动社会语言学研究特点，弥补了Labov范式忽视个体之间言语差异的缺陷，在Gumperz对网络结构和语言使用相关性论证的基础上展开定量分析。可以说，社会网络分析在语言学研究中的应用和发展不是偶然的。研究者需要获得自然语言，来观察和描述其语言规范，并以此作为理解社会意识形态之间冲突的一种手段，因此在社会网络中进行观察和分析就成为一种非常必要的研究手段（Milroy 1980，1987；Romaine 1982；Williams 1992）。我国社会语言学者也认为该方法“适用于各种社会”，对解释语言变异与语言稳定性的关系和处理语言变异与语言规范之间的矛盾等都有理论价值，在研究方法上起承上启下的作用（祝畹瑾 1992：128，转引自田莉、田贵森 2017）。