网络阶层:一个社会分层新视野的实证分析

网络阶层概念建立在社会分层和社会网络理论融合的基础之上,社会成员通过社会网络获取社会资源的能力和机会不同而在社会结构中呈现出高低有序的层次。社会网络资源的差异是分层的形成依据,社会资本量越高,社会成员越有可能出现在社会结构的上层。社会成员的网络阶层位置与网络规模、网顶和网络位差成正相关,而与网络中的亲属密度成负相关。社会成员的网络阶层位置越高,其社会流动的效果就会越好,就有更多的机会找到高收入的工作。网络阶层概念的提出丰富了社会网络和社会分层理论的内涵,为研究中国现实性问题提供了一个全新的维度。

从数字鸿沟的发展形态解析网络阶层分化

剖析数字鸿沟影响下的网络阶层分化,探究数字鸿沟问题的发展形态,并解析网络阶层分化的原因。

网络事件中的阶层冲突

由于社会地位的差异而引起的冲突,乃主要的网络冲突之一。当下中国,比客观社会底层庞大得多的群体均有着身处社会底层的心理感受,使得任何具有社会地位差异意味的网络冲突事件都具备了成为"社会寓言"的可能。这种地位型的网络冲突事件具有以下5个特点:1.冲突的参与者具有高流动性以及不确定性;2.冲突主体被符号化,释放紧张情绪成为参与者卷入冲突的主要原因,参与冲突的过程比冲突事件的结果对其更有意义;3.基于"社会契约论"的公民权利,挑战"政治身份决定论"的官场特权阶层之合法性,成为网络群体冲突的典型模式;4.在线下社会鲜少打交道的两极阶层,在网络上更容易产生"越界式"摩擦,暴露于公众视野的社会下层与上层的冲突频率远高于线下社会;5.网络冲突事件的责任,最终多指向政府,即使政府并非事件的冲突主体。这些冲突因其广泛、低强度的性质,具有"减压阀"与"反馈"功能,可视作一种低成本的舆情监测手段。

基于知识的阶层型神经网络结构及参数的一种确定方法

神经网络具有优秀的学习能力 ,但神经网络的权值及阈值却无法解释与理解 ,给进一步的应用带来了困难 国内外学者就这一问题进行了各种探讨 ,研究怎样从神经网络中抽取规则 ,但算法较复杂 ,规则的可理解性较差 从不同的视角出发 ,提出一种从知识的角度来考察阶层型神经网络的结构及参数的思路 利用从样本数据中获得的知识 (模糊规则 ) ,来确定网络的大小 ,即中间层的结点数目 ,以及网络的参数 ,即网络的权重及结点的阈值 该方法的特点是不用精简网络的结构 ,也不用改变网络以往的BP学习算法 按照这种方法构造出的神经网络 ,即使不学习 ,其输出也会大致地跟踪样本 ,网络的学习时间将会缩短 与此同时 ,网络的参数 ,即权重及阈值的意义可以解释 ,为直接从神经网络中提取知识提供了依据

数字化生存与网络社会阶层分化研究

数字化生存时代,信息生产和传播方式发生了前所未有的改变,信息生产、获取和持有变得相对自由,传统社会中的分层标准在网络社会被消解,信息技能的差距导致新型数字鸿沟出现。

市场化背景下社会资本对性别收入差距的影响基于2009 JSNet全国数据

本文使用2009JSNet全国数据,考察市场化背景下社会资本作用的变化及其对性别收入差距的影响。研究发现:第一,市场化程度较高的情况下,网络资源对收入回报的作用更小,阶层网络对收入回报的作用更大;第二,体制外部门两性的网络资源对收入回报的作用没有差异,体制内部门男性的网络资源对收入回报的作用小于女性;第三,男性的阶层网络对收入回报的作用无论在体制外部门还是体制内部门都高于女性。综上所述,对于女性而言,其所拥有的网络资源所能带来的收入回报优势被市场化的推进所消减;对于男性而言,其所拥有的阶层网络所能带来的收入回报优势被市场化的推进所提升。因此,随着市场化的不断推进以及社会资本在市场化背景下作用的变化,两性的收入差距在进一步拉大。

一种新型的提高电磁力平衡传感器精度的方法

本文利用BP网络较强的非线性映射能力,提出用BP网络与传感器相结合的方法来提高电磁力平衡传感器的精度。