论文部分内容阅读
摘要：微信和微博是移动端最热门的两大应用，微信对微博的冲击现象已显现。文章以微博为研究对象，运用文献老化和网络信息老化规律的研究方法，对微博研究文献变化规律和微博网络信息资源的变化进行分析，揭示微博信息价值丧失的过程；同时，从用户关注率和微博的文献研究价值两个方面分析微博失效的现状，并且分析了微博失效的原因。
关键词：互联网；微博；文献老化；负指数模型
中图分类号：G350 文献标识码：A
美国网站“twitter”于2006年推出了微博客的服务，并且在推出不久之后，Twitter这种微博客就在美国盛行开来。在美国Twitter盛行的刺激下，国内的微博客服务也悄然兴起，但是国内的微博客服务一直在比较小的范围内流行，甚至逐渐走入了低谷，直到2009年新浪微博的产生，我国的微博客服务才进了大众的视线，走上了正常的发展轨道。微博的产生需要一定的现实条件，那就是人们生活节奏的加快，随之而来的社会压力增加，人们迫切需要一个公共平台去抒发自己内心的意愿和发泄内心波动的情绪。微博客迅速、便利以及低门槛的传播形态刚好符合了受众这种心理诉求，人们通过微博的信息传递和共享服务可以随时随地表达自己的思想，用最短的时间和最便利的方式迅速的完成自己最真实的思想表达和思想倾诉。
最开始研究文献老化的是美国纽约大学的戈斯内尔（C.F.Gosnell）。1943年，戈斯内尔就以文献老化为题作了他的博士论文，并在第二年的3月份发表在了美国《大学与研究机构图书馆》杂志上，题为“大学图书馆中文献老化问题”。自从戈斯内尔研究文献老化现象以来，人们不断围绕文献老化的属性特征、测量指标、数据模型和影响因子等开展了大量的研究。而随着科学技术的进步，网络信息资源逐渐地走入了人们的视野，因此，人们慢慢开展了对网络信息资源老化现象的研究。我国的网络信息老化研究起步于2003年发表的《关于网络信息老化研究的若干问题》一文，该文从文献信息老化与信息计量学的角度初步探索了网络信息老化的研究内容、研究思路与方法[1]。
本文以微博为研究对象，通过分析微博的使用率和微博文献的数量，并使用文献老化的指标来衡量和分析微博资源的老化规律，进一步验证微博老化是否符合文献资源老化的规律。
1 微博在互联网应用的现状
微博是一个用户进行信息分享、传播和获取的平台。用户可以借助客户端组织和建设自己的个人微博，它有一定的字数限制，一般以140字（包括标点符号）的文字为限，并实现时时分享。从定义中可以看出微博的特点：可以在PC和手机客户端上应用；可以随时随地的发布信息和浏览信息；以140字以内的文字更新信息。当然，随着科技的发展，微博的客户端也在不断地更新，现在逐渐兴起了长微博，人们也可以发表超过140字的信息。这是微博服务的一大进步。
本文采用了定量分析的方法来探讨分析微博在互联网中的应用特征，主要从微博的使用情况、近年微博研究热点以及微博研究文献数量变化的情况来进行样本分析。
1.1 微博用户使用率减少
用户使用率是指使用微博的用户数量与微博用户的注册总数量之比。微博注册用户的数量并不能全面地反映微博的使用情况，因此，本文以注册用户的使用率来表示现在人们使用微博的情况。本文中的用户数量和使用率的具体数据来源于第34次中国互联网发展状况统计数据和第33次中国互联网发展状况统计数据。具体数据见表1。从表1可以看出，微博的用户由2012年的30 861万减少到2013年的28 078万再到2014年的24 884万；微博的使用率也在不断降低，由2012年的54.7%到2014年的38.4%，减少了16.3%。微博的使用率和用户数量连续3年降低，这说明人们在逐渐地减少对微博的使用，其主流地位也在逐渐发生着变化，微博对用户的吸引力和影响也在不断降低。
1.2 微博研究文献数量的变化
微博研究文献数量的变化可以看出目前专家学者关注的焦点，也可以反映出现在的研究热点。本文以中国知网为标准数据库，以主题词“微博”进行检索，统计了“微博”自兴起以来文献数量的变化情况，具体数据见表2，由表2可以很明显地看出，研究微博的文献数量在2011年的增长幅度很大，而在2012年和2013年增长速度明显减缓，在2014年有了明显地减少，说明这随着时间的推移该领域的专家学者对微博研究逐渐失去了兴趣。
2 微博资源老化的原因
本文认为微博使用情况和研究文献数量下降的原因主要可以从以下三个方面来阐述：
2.1 微博文献资源的初期发展
情报学家M.劳恩曾经说过：“文献信息资源总量的增长的速度越快，相应的文献资源的半衰期也就越短。”微博自兴起以来，微博用户数量和文献数量都有了迅速的增长。以中国知网为标准数据库，以“微博”为主题的期刊论文数量为数据源。文献增长尤其是在2010年到2011年之间，文献数量由1 085篇迅速增长到2011年的4 652篇，增速达到了328.76%。由此可以看出，在微博兴起初期，文献的增长速度过于迅速，这在一定程度上代表着微博文献的半衰期是比较短的。
2.2 微博的替代方式——腾讯微信的出现
随着科技的发展，各种社交网络蓬勃发展，尤其是微信的兴起。自从2011年微信产生之后，就和微博产生了很大的竞争。截止到2014年上半年，微信总用户已经达到了六亿。并且每年以超过10%的速度增长。微信中朋友圈的应用是微博的最大威胁。
在微博刚出现时，对人们具有很大的吸引力。主要是由于其可以快速地传递各种信息，并且随着注册用户的增多，增加了信息的多样性，并在一定程度上保证了信息的真实性，比原始的媒介具有更大的优势。但是，微信比微博具有更大的优势，一方面，它可以像腾讯的QQ一样传递即时信息，跟朋友聊天；另一方面是微信公共账号的兴起，人们在上面也可以看到各种各样的信息，在朋友圈里还可以看到朋友的状态，这对人们的吸引力远远大于微博的吸引力，以至于随着微信的发展，微博对人们的吸引力在慢慢的降低。微信是在微博的基础上发展起来的，它的网络信息模式是对微博的继承和发展。 2.3 微博网络信息资源的更新
网络信息资源的更新是指在网络信息资源的基本特征和属性不发生变化的情况下，它所含有的知识和信息在内容上的变化更新[2]。1998和1999年，Bar-Ilan和Peritz对信息计量学领域下的网络信息资源的生命周期的测度研究表明，在半年的时间近一半的网页发生了变化[3]。而Wallace Koehler的实证结果分析则更为明显，他指出97%的网站资源在半年内会出现变化，而把观察时间延长为1年时，它的比例会上升为99%[4]。新浪微博在每时每刻都有内容的更新，其更新速度越快越加剧了微博信息资源的老化速度。
3 微博信息资源老化指标的状况
文献资源的老化研究从1943年开始，至今已经比较成熟了。网络信息资源的老化规律借鉴了文献资源的老化规律和度量指标，并且相关研究成果指出，网络信息资源的老化规律是和文献资源的老化规律基本相一致的，但是这仅从理论上说明了这一结论。本文主要是从实证研究上来验证这一结论，从负指数模型来分析微博信息资源的老化规律。
1958年贝尔纳提出了负指数老化模型，这是利用文献的年限和文献总数量的数据得到的。在目前的研究阶段，一般采用下列负指数函数：C（t）=Ke-at。首先将这一负指数模型进行对数变形：
C（t）=Ke-at
InC（t）=InK+Ine-at+b
经整理变形得出：Iny=b+at[10]
本文以新浪微博为基础研究平台，通过分析热门话题“后会无期”和“绣春刀”这两个词汇在上映时的话题讨论量，以及上映后的15天内的微博话题讨论量，来验证微博资源老化规律。这两个热门微博的15天的话题讨论量变化趋势如图1和图2。
3.1 对“后会无期”微博话题进行SPSS回归性分析
微博的讨论量是随着时间的变化而变化，下面把微博讨论量设为变量t，Iny是对微博讨论量取对数。具体的数据情况如表3。由表3的数据计算得出，在前五天的微博讨论量占总讨论量的44.79%，前六天的微博讨论量占总讨论量的53.79%，可知，“后会无期”微博话题的半衰期为7天。在SPSS中进行线性回归性检验，得出的结果如图3。
由SPSS的回归分析结果显示，拟合优度R2为0.475，Iny与t的拟合程度一般，但所对应的sig的值为0.005，明显小于0.05，这说明两者之间的线性关系较为显著。所以可以得出Iny与t的关系符合负指数模型，且最终拟合公式为y=e-0.006t+12.298。
3.2 对“绣春刀”微博话题进行SPSS回归性分析
由表4的数据计算得出，在前四天的微博讨论量占总讨论量的47.49%，前五天的微博讨论量占总讨论量的57.33%，可知，“后会无期”微博话题的半衰期为4-5天。在SPSS中进行线性回归性检验，得出的结果如图4。
由SPSS的回归分析结果显示，拟合优度R2为0.788，Iny与t的拟合程度较高，并且它所对应的sig的值为0.000显著小于0.05，这说明两者之间的线性关系较为显著。所以可以得出Iny与t的关系符合负指数模型，且最终拟合公式为y=e-0.011t+11.000。
在对原始数据进行分析比较时，作者发现这些数据当中有些异常上下波动的情况，根据文献资源和网络信息老化规律的研究，一般来说信息的数据总量应该是在不断衰减的，但是在本文收集到的数据资料中，经常会有数据总量突然增长的情况。但基于在不同的网络平台上所公布的数据和分布趋势并没有完全一致，虽然其中不可避免的会有误差，但却不仅限于误差的影响。所以在这里本文无法进行完全准确的分析。但是还是可以进行粗略分析得知一些影响因素，就是一些新的事件的出现，例如演员新的作品的出现或是剧组新的宣传方式的出现以及某些参演人员绯闻或是丑闻出现等等因素，这些都会引起热点关注话题的再次回升，进而造成了这些异常的波动。
综上所述，虽然本文只统计计算了新浪微博中两个热门话题的老化规律，但是还是可以表明微博的老化规律是符合负指数模型的，是符合文献的老化规律的。
4 总结
本文的数据分析和研究虽然得到了一些结论，例如微博的半衰期是符合文献老化规律的衡量指标的，但是还是具有一定的缺陷。一是微博的研究文献是在2014年迅速减少的，之前年度并没有减少而是增长的趋势，这在一定程度影响了对研究微博的半衰期和老化规律的准确性。二是在负指数模型的研究中，本文只是随机地抽取了新浪微博中两个热门话题进行了统计验证，虽然具有一定代表性，但是并不能精确地反映微博的老化规律。
微博在互联网应用中的老化，不是微博这种网络模式的老化，而是微博使用率和研究文献的慢慢减少。微博的网络模式在微信中是继续存在的，微信本来就是在对微博的继承和创新的基础上发展起来的。
微博信息是网络信息的一部分，因此，网络信息资源老化自然而然会包含了微博信息资源的老化，同时，网络信息资源老化规律研究将是在文献信息老化的基础上，在网络时代新的发展和挑战[6]。网络信息老化规律研究基本沿用了文献信息老化规律中多半的测量指标和规律，如半衰期概念、普赖斯指数以及负指数模型等；然而基于网络这种新媒体自身的特殊性，比如网络信息内容的可及时修改、网络信息数量的增长速度过于迅猛以及与文献信息内容的增长方式的差异性等等，这些给网络信息老化规律的研究带来许多新的困难，因此，引起了人们的研究兴趣。目前国内对网络信息老化规律的研究相对来说是比较少的，但是在借鉴了文献老化规律和网络信息资源计量学等研究成果的基础上，网络信息资源老化规律研究也已经具备了基本的框架结构[7]。
参考文献
[1] 王宏鑫，邱均平.关于网络信息老化研究的若干问题[J].情报理论与实践，2004，27（4）：433-435.
[2] 段宇锋.网络信息资源老化规律研究[J].图书情报知识，2005，（4）：28-31.
[3] BarIlan， Peritz B.C. The life span of a specific topic on the Web： the case of/informatrics0a quantitative analysis[J].Scientometrics，1999，46（3）：371-382.
[4] Wallace Koehler. An Analysis of Web Page and Web Site Constancy and Permanence[J]. Journal of the American Society for Information Science，1999，50（2）.
[5] 陆研，毛健骏，屠方楠.网络信息老化规律研究——新浪新闻与新浪微博实证研究[J].高等函授学报：哲学社会科学版，2011，（12）：52-55.
[6] 梁芷铭.基于新浪微博的网络信息生命周期实证研究[J].新闻界，2014，（3）：60-64，69.
[7] 张瑞.网络信息老化研究[J].情报杂志，2008，27（8）：38-40.
关键词：互联网；微博；文献老化；负指数模型
中图分类号：G350 文献标识码：A
美国网站“twitter”于2006年推出了微博客的服务，并且在推出不久之后，Twitter这种微博客就在美国盛行开来。在美国Twitter盛行的刺激下，国内的微博客服务也悄然兴起，但是国内的微博客服务一直在比较小的范围内流行，甚至逐渐走入了低谷，直到2009年新浪微博的产生，我国的微博客服务才进了大众的视线，走上了正常的发展轨道。微博的产生需要一定的现实条件，那就是人们生活节奏的加快，随之而来的社会压力增加，人们迫切需要一个公共平台去抒发自己内心的意愿和发泄内心波动的情绪。微博客迅速、便利以及低门槛的传播形态刚好符合了受众这种心理诉求，人们通过微博的信息传递和共享服务可以随时随地表达自己的思想，用最短的时间和最便利的方式迅速的完成自己最真实的思想表达和思想倾诉。
最开始研究文献老化的是美国纽约大学的戈斯内尔（C.F.Gosnell）。1943年，戈斯内尔就以文献老化为题作了他的博士论文，并在第二年的3月份发表在了美国《大学与研究机构图书馆》杂志上，题为“大学图书馆中文献老化问题”。自从戈斯内尔研究文献老化现象以来，人们不断围绕文献老化的属性特征、测量指标、数据模型和影响因子等开展了大量的研究。而随着科学技术的进步，网络信息资源逐渐地走入了人们的视野，因此，人们慢慢开展了对网络信息资源老化现象的研究。我国的网络信息老化研究起步于2003年发表的《关于网络信息老化研究的若干问题》一文，该文从文献信息老化与信息计量学的角度初步探索了网络信息老化的研究内容、研究思路与方法[1]。
本文以微博为研究对象，通过分析微博的使用率和微博文献的数量，并使用文献老化的指标来衡量和分析微博资源的老化规律，进一步验证微博老化是否符合文献资源老化的规律。
1 微博在互联网应用的现状
微博是一个用户进行信息分享、传播和获取的平台。用户可以借助客户端组织和建设自己的个人微博，它有一定的字数限制，一般以140字（包括标点符号）的文字为限，并实现时时分享。从定义中可以看出微博的特点：可以在PC和手机客户端上应用；可以随时随地的发布信息和浏览信息；以140字以内的文字更新信息。当然，随着科技的发展，微博的客户端也在不断地更新，现在逐渐兴起了长微博，人们也可以发表超过140字的信息。这是微博服务的一大进步。
本文采用了定量分析的方法来探讨分析微博在互联网中的应用特征，主要从微博的使用情况、近年微博研究热点以及微博研究文献数量变化的情况来进行样本分析。
1.1 微博用户使用率减少
用户使用率是指使用微博的用户数量与微博用户的注册总数量之比。微博注册用户的数量并不能全面地反映微博的使用情况，因此，本文以注册用户的使用率来表示现在人们使用微博的情况。本文中的用户数量和使用率的具体数据来源于第34次中国互联网发展状况统计数据和第33次中国互联网发展状况统计数据。具体数据见表1。从表1可以看出，微博的用户由2012年的30 861万减少到2013年的28 078万再到2014年的24 884万；微博的使用率也在不断降低，由2012年的54.7%到2014年的38.4%，减少了16.3%。微博的使用率和用户数量连续3年降低，这说明人们在逐渐地减少对微博的使用，其主流地位也在逐渐发生着变化，微博对用户的吸引力和影响也在不断降低。
1.2 微博研究文献数量的变化
微博研究文献数量的变化可以看出目前专家学者关注的焦点，也可以反映出现在的研究热点。本文以中国知网为标准数据库，以主题词“微博”进行检索，统计了“微博”自兴起以来文献数量的变化情况，具体数据见表2，由表2可以很明显地看出，研究微博的文献数量在2011年的增长幅度很大，而在2012年和2013年增长速度明显减缓，在2014年有了明显地减少，说明这随着时间的推移该领域的专家学者对微博研究逐渐失去了兴趣。
2 微博资源老化的原因
本文认为微博使用情况和研究文献数量下降的原因主要可以从以下三个方面来阐述：
2.1 微博文献资源的初期发展
情报学家M.劳恩曾经说过：“文献信息资源总量的增长的速度越快，相应的文献资源的半衰期也就越短。”微博自兴起以来，微博用户数量和文献数量都有了迅速的增长。以中国知网为标准数据库，以“微博”为主题的期刊论文数量为数据源。文献增长尤其是在2010年到2011年之间，文献数量由1 085篇迅速增长到2011年的4 652篇，增速达到了328.76%。由此可以看出，在微博兴起初期，文献的增长速度过于迅速，这在一定程度上代表着微博文献的半衰期是比较短的。
2.2 微博的替代方式——腾讯微信的出现
随着科技的发展，各种社交网络蓬勃发展，尤其是微信的兴起。自从2011年微信产生之后，就和微博产生了很大的竞争。截止到2014年上半年，微信总用户已经达到了六亿。并且每年以超过10%的速度增长。微信中朋友圈的应用是微博的最大威胁。
在微博刚出现时，对人们具有很大的吸引力。主要是由于其可以快速地传递各种信息，并且随着注册用户的增多，增加了信息的多样性，并在一定程度上保证了信息的真实性，比原始的媒介具有更大的优势。但是，微信比微博具有更大的优势，一方面，它可以像腾讯的QQ一样传递即时信息，跟朋友聊天；另一方面是微信公共账号的兴起，人们在上面也可以看到各种各样的信息，在朋友圈里还可以看到朋友的状态，这对人们的吸引力远远大于微博的吸引力，以至于随着微信的发展，微博对人们的吸引力在慢慢的降低。微信是在微博的基础上发展起来的，它的网络信息模式是对微博的继承和发展。 2.3 微博网络信息资源的更新
网络信息资源的更新是指在网络信息资源的基本特征和属性不发生变化的情况下，它所含有的知识和信息在内容上的变化更新[2]。1998和1999年，Bar-Ilan和Peritz对信息计量学领域下的网络信息资源的生命周期的测度研究表明，在半年的时间近一半的网页发生了变化[3]。而Wallace Koehler的实证结果分析则更为明显，他指出97%的网站资源在半年内会出现变化，而把观察时间延长为1年时，它的比例会上升为99%[4]。新浪微博在每时每刻都有内容的更新，其更新速度越快越加剧了微博信息资源的老化速度。
3 微博信息资源老化指标的状况
文献资源的老化研究从1943年开始，至今已经比较成熟了。网络信息资源的老化规律借鉴了文献资源的老化规律和度量指标，并且相关研究成果指出，网络信息资源的老化规律是和文献资源的老化规律基本相一致的，但是这仅从理论上说明了这一结论。本文主要是从实证研究上来验证这一结论，从负指数模型来分析微博信息资源的老化规律。
1958年贝尔纳提出了负指数老化模型，这是利用文献的年限和文献总数量的数据得到的。在目前的研究阶段，一般采用下列负指数函数：C（t）=Ke-at。首先将这一负指数模型进行对数变形：
C（t）=Ke-at
InC（t）=InK+Ine-at+b
经整理变形得出：Iny=b+at[10]
本文以新浪微博为基础研究平台，通过分析热门话题“后会无期”和“绣春刀”这两个词汇在上映时的话题讨论量，以及上映后的15天内的微博话题讨论量，来验证微博资源老化规律。这两个热门微博的15天的话题讨论量变化趋势如图1和图2。
3.1 对“后会无期”微博话题进行SPSS回归性分析
微博的讨论量是随着时间的变化而变化，下面把微博讨论量设为变量t，Iny是对微博讨论量取对数。具体的数据情况如表3。由表3的数据计算得出，在前五天的微博讨论量占总讨论量的44.79%，前六天的微博讨论量占总讨论量的53.79%，可知，“后会无期”微博话题的半衰期为7天。在SPSS中进行线性回归性检验，得出的结果如图3。
由SPSS的回归分析结果显示，拟合优度R2为0.475，Iny与t的拟合程度一般，但所对应的sig的值为0.005，明显小于0.05，这说明两者之间的线性关系较为显著。所以可以得出Iny与t的关系符合负指数模型，且最终拟合公式为y=e-0.006t+12.298。
3.2 对“绣春刀”微博话题进行SPSS回归性分析
由表4的数据计算得出，在前四天的微博讨论量占总讨论量的47.49%，前五天的微博讨论量占总讨论量的57.33%，可知，“后会无期”微博话题的半衰期为4-5天。在SPSS中进行线性回归性检验，得出的结果如图4。
由SPSS的回归分析结果显示，拟合优度R2为0.788，Iny与t的拟合程度较高，并且它所对应的sig的值为0.000显著小于0.05，这说明两者之间的线性关系较为显著。所以可以得出Iny与t的关系符合负指数模型，且最终拟合公式为y=e-0.011t+11.000。
在对原始数据进行分析比较时，作者发现这些数据当中有些异常上下波动的情况，根据文献资源和网络信息老化规律的研究，一般来说信息的数据总量应该是在不断衰减的，但是在本文收集到的数据资料中，经常会有数据总量突然增长的情况。但基于在不同的网络平台上所公布的数据和分布趋势并没有完全一致，虽然其中不可避免的会有误差，但却不仅限于误差的影响。所以在这里本文无法进行完全准确的分析。但是还是可以进行粗略分析得知一些影响因素，就是一些新的事件的出现，例如演员新的作品的出现或是剧组新的宣传方式的出现以及某些参演人员绯闻或是丑闻出现等等因素，这些都会引起热点关注话题的再次回升，进而造成了这些异常的波动。
综上所述，虽然本文只统计计算了新浪微博中两个热门话题的老化规律，但是还是可以表明微博的老化规律是符合负指数模型的，是符合文献的老化规律的。
4 总结
本文的数据分析和研究虽然得到了一些结论，例如微博的半衰期是符合文献老化规律的衡量指标的，但是还是具有一定的缺陷。一是微博的研究文献是在2014年迅速减少的，之前年度并没有减少而是增长的趋势，这在一定程度影响了对研究微博的半衰期和老化规律的准确性。二是在负指数模型的研究中，本文只是随机地抽取了新浪微博中两个热门话题进行了统计验证，虽然具有一定代表性，但是并不能精确地反映微博的老化规律。
微博在互联网应用中的老化，不是微博这种网络模式的老化，而是微博使用率和研究文献的慢慢减少。微博的网络模式在微信中是继续存在的，微信本来就是在对微博的继承和创新的基础上发展起来的。
微博信息是网络信息的一部分，因此，网络信息资源老化自然而然会包含了微博信息资源的老化，同时，网络信息资源老化规律研究将是在文献信息老化的基础上，在网络时代新的发展和挑战[6]。网络信息老化规律研究基本沿用了文献信息老化规律中多半的测量指标和规律，如半衰期概念、普赖斯指数以及负指数模型等；然而基于网络这种新媒体自身的特殊性，比如网络信息内容的可及时修改、网络信息数量的增长速度过于迅猛以及与文献信息内容的增长方式的差异性等等，这些给网络信息老化规律的研究带来许多新的困难，因此，引起了人们的研究兴趣。目前国内对网络信息老化规律的研究相对来说是比较少的，但是在借鉴了文献老化规律和网络信息资源计量学等研究成果的基础上，网络信息资源老化规律研究也已经具备了基本的框架结构[7]。
参考文献
[1] 王宏鑫，邱均平.关于网络信息老化研究的若干问题[J].情报理论与实践，2004，27（4）：433-435.
[2] 段宇锋.网络信息资源老化规律研究[J].图书情报知识，2005，（4）：28-31.
[3] BarIlan， Peritz B.C. The life span of a specific topic on the Web： the case of/informatrics0a quantitative analysis[J].Scientometrics，1999，46（3）：371-382.
[4] Wallace Koehler. An Analysis of Web Page and Web Site Constancy and Permanence[J]. Journal of the American Society for Information Science，1999，50（2）.
[5] 陆研，毛健骏，屠方楠.网络信息老化规律研究——新浪新闻与新浪微博实证研究[J].高等函授学报：哲学社会科学版，2011，（12）：52-55.
[6] 梁芷铭.基于新浪微博的网络信息生命周期实证研究[J].新闻界，2014，（3）：60-64，69.
[7] 张瑞.网络信息老化研究[J].情报杂志，2008，27（8）：38-40.