互联网强大的突破边界、信息交流和社会互动潜能, 拓展了政治参与的实践空间。乐观者认为, 互联网为政治生活引入了新的活力, 改进了政治参与的方式和手段 (Bannister&Remenyi, 2003) , 提升了政治信息传播的速度与数量, 降低了网民获得政治信息的成本, 方便了网民的人际接触、政治信息交流和讨论, 因而有助于提升网民的政治参与热情和水平 (Bimber, 2000) 。Skoric等人认为, 网络互动的便捷、低成本、容易获得更多信息、跨时空限制、方便在线交流等特点, 都有利于促进在线政治参与 (Skoric, Ying&Ng, 2009) 。Weber等学者发现, 在网络空间中与他人互动频繁的用户, 更容易介入到请愿、给政府写信等政治活动中 (Weber, Loumakis&Bergman, 2003) 。而Mossberger等人发现, 经常收发电子邮件与参与投票之间呈正相关 (Mossberger, Tolbert&Mc Neal, 2008) 。

政治参与“要求个体参加活动并与他人互动” (凯茨、莱斯, 2007:15) , 因此在网络政治参与研究中, 社会资本被许多学者视为一个重要的分析视角。林南认为, 对社会资本的理解虽然存在着不同的理论趋向, 但这些不同理论趋向对社会资本的理解, 有共同的基本含义, 即认为“社会资本是通过社会关系获得的资本” (林南, 2005:18) , 而“因特网和电子网络的兴起标志着社会资本的革命性增长” (林南, 2005:227) 。Resnick认为, 互联网特别适用于培植社会资本、扩张社会网络、发展集体认同、增进群组成员之间的信任 (Resnick, 2001) 。Williams发现, 网络互动不仅有助于维持线下社会资本, 而且有助于发展出新型的在线社会资本 (Williams, 2006) 。虽然互联网在促进强关系上作用有限, 但有助于发展弱关系, 拓展和加强桥接型社会资本 (Williams, 2007) 。不少学者发现, 网络社会资本的积累和增长, 对政治参与有促进作用。例如Polat认为, 互联网有助于地理上分离的社会团体, 如兴趣小组、宗教团体、单身母亲团体等开展有效的社会沟通, 从而促进他们的政治参与 (Polat, 2005) 。Kobayashi等学者的研究发现, 网络社会资本不仅会显著地影响在线政治参与, 而且能够加强线下政治参与 (Kobayashi, Ikeda&Miyata, 2006) 。沈菲 (Fei Shen) 等人基于2003年、2005年和2007年“世界互联网项目”中国区的数据, 发现在中国大陆, 网民的网络互动规模与网络意见表达之间存在着正相关, 虽然政府的网络管制在一定程度上限制了人们公开表达的意愿, 但网络互动建构的松散网络, 仍对政治参与有正向影响 (Shen, 2009) 。李亚妤基于对天津、上海、广州三个沿海发达城市网民的调查, 发现网民的网络互动规模与网络意见表达、在线交流政治意见等网络政治参与行为存在着正相关关系, 通过网络互动建构的关系网络, 对政治参与有着正向影响 (李亚妤, 2011) 。不过也有研究者担心, 互联网使用会侵蚀社会资本 (Kraut, Patterson, Lundmark&Kiesler, et al., 1998) 和社区联系 (Zamir&Etzioni, 1999) , 减少公民论辩和对话 (Sunstein, 2001) , 从而减少网络使用者的政治参与活动。Quan-Haase等调查了北美政治网站访问者, 发现网络互动虽然增加了网民参与政治活动的渠道, 但并没有提升他们的实际政治参与水平 (Quan-Haase&Wellman, 2004) 。而Schenfele和Nisbet则发现, 网络互动阻碍了在线社会资本的扩展和政治知识的获取, 降低了网民的投票参与度 (Scheufele&Nisbet, 2002) 。

依据社会网络、互惠规则及信任的性质, 帕特南把社会资本区分为黏结型社会资本和桥接型社会资本。有学者尝试基于上述视角, 研究不同类型的在线社会资本是否会对政治参与产生不同的影响。例如Skoric等人研究了新加坡网民的在线社会资本和政治参与, 发现在线桥接型资本与在线政治参与呈正相关, 但与线下政治参与不相关, 在线黏结型社会资本与线下政治参与呈正相关。他们认为, 互联网使人们之间的联系变得非常容易, 而且参与在线活动不需要太多成本;互联网上多种多样的观点, 会促发信息接触者重新思考并检验传统媒介信息;网络使得人际互动超越物理空间限制, 有共同兴趣和想法的人, 能够方便地在网上形成在线社区。所有这些原因, 都在客观上提升了人们的在线桥接型资本, 从而促进了网络政治参与 (Skoric, Ying&Ng, 2009) 。

在重视社会资本的学者眼里, 社会资本是生产性的, 对政治参与有着积极影响。其中以林南、科尔曼 (James S.Coleman) 为代表的社会资本理论, 强调个体层面的社会网络和资源的重要性, 从这一视角分析网络政治参与, 其理论逻辑是强调社会关系网络对网络政治参与的影响, 强调互联网能够促进人们的社会交往, 扩大社会关系网络规模, 从而增加政治参与活动, 提升政治参与程度。而以帕特南 (Robert D.Putnam) 、福山为代表的集体社会资本理论, 则强调公民参与网络、信任和互惠规范的重要性, 认为社会资本是社会组织的特征, 从这一视角分析网络政治参与, 其理论逻辑是强调信任、规范、网络及社团参与等对社会合作、社会行动及政治参与的促进作用 (帕特南, 2001) 。基于这种集体社会资本的理论逻辑, 本研究提出以下假设:

假设1:社会信任与网络政治参与行为呈正相关关系。社会信任程度越高, 网络政治参与度也越高。

假设2:社团参与与网络政治参与行为呈正相关关系。社团参与程度越高, 网络政治参与度也越高。

纽顿 (Kenneth Newton) 认为, 虽然对政治机构和政治领导人的政治信任对公民的政治生活是必不可少的, 但是社会信任与政治信任之间完全不存在密切的相关性 (纽顿, 2012) , 因此本研究把政治信任作为影响网络政治参与行为的一个独立变量, 尝试提出假设3。

假设3:政治信任与网络政治参与行为呈正相关关系。政治信任程度越高, 网络政治参与度也越高。

同时, 按照个体社会资本理论的逻辑, 社会个体的关系网络规模和强度是社会资本的重要内容。因此本研究进一步提出以下假设:

假设4:行动者的在线关系网络规模, 与网络政治参与行为呈正相关关系。在线关系网络规模越大, 网络政治参与度也越高。

假设5:行动者的在线互动强度, 与网络政治参与行为呈正相关关系。在线互动强度越高, 网络政治参与度也越高。

本文的分析数据, 来自国家社会科学基金项目“我国公民网络行为规范及引导抽样调查研究”课题组在天津、长沙、西安、兰州四城市进行的多阶段分层抽样调查。按照统一的抽样方案, 每个城市的抽样分区、街道、社区 (居委会) 三层进行, 每个抽中的社区随机调查25户, 在抽中的户中以年龄在18—60周岁之间且生日最接近调查日期并使用互联网的家庭成员作为调查对象。实地调查工作在2011年11月—2012年1月进行。调查共发放问卷1466份, 回收有效问卷1190份, 有效问卷回收率为81.2%。其中天津273份, 占22.9%;长沙292份, 占24.5%;西安298份, 占25.0%;兰州327份, 占27.5%。男性562人, 占48%;女性608人, 占52%。年龄均值为32.5岁, 标准差9.5岁。受教育程度均值为13.01年, 标准差2.581年。

网络政治参与行为是本研究的因变量。我们将网络政治参与行为定义为网民在网络空间中通过各种方式了解政治信息, 讨论政治议题, 表达政治意见, 开展政治行动以影响政治运作与结果的行为。依据Bimber (1998) 和Delli Carpili (2000) 等学者的讨论, 网络政治参与的核心内容包括搜寻政治政策信息、与他人讨论政治议题、表达政治意见等。而Polat则从作为信息资源库的互联网、作为互动空间的互联网、作为虚拟行动领域的互联网三个方面, 梳理了学界有关互联网对政治参与影响的讨论 (Polat, 2005) 。基于这些已有研究成果, 本研究把网络政治参与行为划分为政治信息获取、政治意见交流表达、政治行动三个维度, 并通过深度访谈搜集网络政治参与行为的测量指标, 最终发展出包括“访问政治新闻网站”“阅读谈论政治和公共事务的博客/微博”“和网友讨论政治话题”“参加网上投票”“在网上表达自己对政治议题的看法”“在网上对政府工作进行评价”“参与和政府官员的在线交流”“参与在线抗议活动”等8个指标的量表, 对网络政治参与行为进行具体测量 (黄少华、姜波、袁梦遥, 2016) 。

帕特南等学者强调信任是社会资本的重要内涵和维度。帕克斯通在研究美国的社会资本时, 更是直接用信任对社会资本进行测量, 包括对同事的信任、对宗教组织的信任、对教育体制的信任以及对政府的信任。怀特利在研究社会资本时, 着重考虑了两种类型的信任:对个人 (包括家人和一般意义上的他人) 的信任以及对国家的信任 (赵延东、罗家德, 2005) 。本研究对信任进行测量, 也包含社会信任和政治信任两个层面。学界基于社会资本视角对社会信任的实际测量, 大多从行为意向角度询问被访者对他人的信任程度, 本研究也采用这一策略, 询问网民对“家人”“同事”和“陌生网友”等交往对象的信任程度。政治信任的测量, 则通过询问被访者对中央和地方各级党委政府、公检法司法机关等政治机构的信任程度来展开。

帕特南强调, “对社会资本和公民参与而言, 真正重要的并不是有名无实的会员, 而是积极投入的会员” (帕特南, 2011:53) 。因此本研究对社团参与的测量, 注重实际的社团参与活动, 通过询问是否经常参加由各类社团 (如俱乐部、志愿团体等) 组织的相关活动来进行。具体测量指标包括:体育/健身活动、文艺娱乐活动、旅游/休闲活动、宗教信仰活动、公益/义务活动、专业学会/行业协会活动、同学/同乡/战友联谊活动等。

社会网络理论将社会关系区分为强关系与弱关系。与弱关系提供的主要资源是信息不同, 强关系提供的资源则主要是人际信任与人情偏好 (边燕杰等, 2012) 。本研究以是否经常通过互联网进行互动来测量关系网络, 并把其中通过互联网结识的朋友关系界定为在线弱关系。具体而言, 本研究用网络交往对象的数量来测量在线关系网络规模, 用通过互联网结识的朋友的数量来测量在线弱关系网络规模。

互联网的诞生, 形塑了一个经由互联网中介的全新沟通与互动场景。互联网对社会互动的影响, 不仅体现在互联网打破了时空、地域、社会分层等现实因素对互动的限制, 而且体现在互联网创造了一个全新的互动空间, 形塑了一种新的社会互动形式。在网络空间中, 行动者并不需要像在现实社会交往中那样面对面地亲身参与沟通, 而能够以一种“身体不在场”的方式展开互动。本研究以网络互动的频率, 作为测量网络互动强度的指标。

为了控制人口变量对网络政治参与行为的影响效应, 我们把性别、年龄和受教育程度作为控制变量引入研究模型。

本研究用包含“访问政治新闻网站”等8个题项的量表对城市居民的网络政治参与行为进行测量。测量结果 (见表1) 表明, 城市居民的网络政治参与程度总体偏低。其中参与度相对较高的网络政治行为有“访问政治新闻网站”和“阅读谈论政治和公共事务的博客/微博”, 经常和较多参与的比例分别为32.0%和21.6%;参与度较低的网络政治行为主要有“参与和政府官员的在线交流”和“参与在线抗议活动”, 经常和较多参与的比例均不足一成, 分别为8.7%和9.5%, 而有分别高达51.2%和53.9%的城市居民从未参与过这两项网络政治行为。总体而言, 城市居民的网络政治信息获取行为参与度相对较高, 网络政治意见交流和表达行为的参与度次之, 而网络政治行动的参与度最低, 有超过半数的城市居民从未参与过网络政治行动。

为了简化网络政治参与行为量表的结构, 我们采用探索性因子分析方法, 对8个题项进行因子分析, 以提取有概括力的新因子。因子分析采用主成分分析作为抽取因子的方法, 根据对网络政治参与行为的相关理论分析和前期质性研究结果 (黄少华、姜波、袁梦遥, 2016) , 结合碎石图分析, 我们发现抽取3个因子较为合适, 因此指定抽取3个因子。KMO测度和Bartlett’s球状检验发现, 量表的KMO值为0.873, Bartlett’s球状检验的卡方值为6141.414, 自由度为28, 在0.000 (sig.=0.000) 水平上统计检验显著, 说明存在潜在共享因子, 适合进行因子分析。因子分析析出的3个因子方差贡献率分别为32.572%、25.013%和24.017%, 累积方差贡献率为81.602% (见表2) 。

根据因子分析结果和各因子包含题项的具体含义, 分别把3个因子命名为“网络政治行动”“网络政治意见交流表达”和“网络政治信息获取”因子。其中“网络政治行动”因子包括“参与在线抗议活动”“参与和政府官员的在线交流”“参加网上投票”“在网上对政府工作进行评价”4个题项, 主要描述城市居民参与网络政治行动的情况;“网络政治意见交流表达”因子包括“和网友讨论政治话题”“在网上表达自己对政治议题的看法”2个题项, 主要描述城市居民通过网络交流和表达政治意见的情况;“网络政治信息获取”因子包括“访问政治新闻网站”“阅读有关政治和公共事务的博客/微博”2个题项, 主要描述城市居民借助网络获取政治信息的情况。

对量表的信度检验, 采用分析量表的内部一致性Cronbach’sα系数方法进行。3个因子的Cronbach’sα系数分别为0.872、0.929和0.792, 整个量表的Cronbach’sα系数为0.904, 表明量表具有较高的内部一致性, 信度良好。同时, 量表包含的3个因子结构清晰, 因子内所包含的题项在相应因子上的负荷均达到0.67以上, 说明量表的结构效度良好。

对社会信任的测量, 一种较为普遍的做法, 是直接询问对信任对象的信任程度 (胡荣、李静雅, 2006) 。本研究采用这种方法测量受访者对6类交往对象的信任程度。测量采用5点尺度李克特量表形式, 将信任程度分为“非常信任”“比较信任”“一般”“不太信任”和“很不信任”5个等级。测量结果见表3。从表3可见, 受访者对现实生活中的交往对象的信任程度明显高于网络交往对象, 其中信任程度最高的是“家人和亲戚”, 非常信任和比较信任的比例占到了96.3%, 而信任程度最低的是“陌生网友”, 非常信任和比较信任的比例仅占4.4%, 而很不信任的比例则超过半数, 高达52.8%。

本研究运用探索性因子分析方法对社会信任量表的结构进行简化。以主成分分析作为抽取因子的方法, 特征值大于1作为选择因子的标准, 采用正交旋转法中的最大方差旋转法作为转轴方法。KMO测度和Bartlett’s球状检验发现, 量表的KMO值为0.640, Bartlett’s球状检验的卡方值为1889.967, 自由度为15, 在0.000 (sig=0.000) 水平上统计检验显著, 说明存在潜在共享因子, 可以进行因子分析。因子分析共析出2个因子, 累积方差贡献率为67.181%。所有题项的共同度均超过0.5, 达到因子分析的要求 (见表4) 。根据因子分析结果, 分别把2个因子命名为“现实社会信任”和“虚拟社会信任”因子。其中“现实社会信任”因子包括对现实生活中的熟人和普通朋友、现实生活中的亲密朋友、单位同事、家人和亲戚的信任, “虚拟社会信任”包括对陌生网友、通过网络认识的朋友的信任。

对量表的信度检验, 采用分析量表的内部一致性Cronbach’sα系数方法进行。2个因子的Cronbach’sα系数分别为0.732和0.801, 整个量表的Cronbach’sα系数为0.641, 表明测量指标具有较好的内部一致性。同时, 量表包含的2个因子结构清晰, 因子内所包含的题项在相应因子上的负荷均达到0.66以上, 说明量表的结构效度良好。

政治信任是公民对政府或政治系统运作会产生与其期待相一致的结果的信念或信心 (Miller, 1974) 。对政治信任的测量, 存在多种不同的方法, 最常见的方法是询问公众对各级党政机构的信任程度 (胡荣, 2007) , 但也有学者采用制度、政策、官员和公务员4个指标来测量政治信任程度 (张明新, 2015) 。本研究采用前一种测量方法, 用“非常信任”“比较信任”“一般”“不太信任”和“很不信任”5点尺度李克特量表测量受访者的政治信任。测量结果见表5。从表可见, 受访者的政治信任存在着较为明显的“政治信任级差”现象。“所谓政治信任级差, 是公众对不同级别的政府部门和官员的信任程度不同, 反映出民众政治信任水平社会分布的不均衡性。” (张明新, 2015:131) 其中对党中央国务院的信任程度最高, 非常信任和比较信任的比例占到了63.6%, 而对最为基层的街道办事处的信任程度最低, 非常信任和比较信任的比例仅为32.3%。这一结果, 与国内大多数类似研究的发现相似 (胡荣, 2008;孙昕、徐志刚等, 2007) 。

为了简化政治信任量表的结构, 采用主成分分析法对量表进行因子分析 (量表的KMO值为0.873, Bartlett’s球状检验的卡方值为9264.992, 自由度为21, 在0.000水平上统计检验显著) , 量表被浓缩为一个公因子, 方差贡献率为76.466% (见表6) 。量表的内部一致性Cronbach’sα系数为0.948, 说明信度良好。

社会资本理论认为, 社团参与是社会资本的一项重要内容, 帕特南甚至在很大程度上把社会资本视为社会成员对社团的参与。他把意大利北方城市民主运作良好的主要原因, 归结为那里拥有众多的如邻里组织、合唱队、合作社、体育俱乐部等横向社团 (帕特南, 2001) 。阿尔蒙德和维巴认为, 社团参与之所以能够促进公民的政治参与, 主要是因为社团富有成效和有意义地把个人与政治体系联系在一起, 从而扩展个人的政治见解, 提升个人的政治能力, 激发个人的政治活动;而且一个人参加的社团越多, 其政治效能感会越强, 也就是说, 社团参与数量会有累积的影响 (阿尔蒙德、维巴, 2008) 。不过阿尔蒙德和维巴也发现, 社团成员身份并不一定意味着积极的政治参与, 其原因正如帕特南所说:“对社会资本和公民参与而言, 真正重要的并不是有名无实的会员, 而是积极投入的会员。” (帕特南, 2011:53) 因此本研究对社团参与的测量, 同时考虑两个因素, 即参与数量和参与程度。测量结果见表7。

为了分析便利, 本研究将社团参与的8个指标得分相加, 合成一个新的变量“社团参与程度”。赋值方法为经常参与某项活动赋值为1, 否则赋值为0。将8个指标得分加总后, 每位调查对象获得一个“社团参与程度”指数, 其取值范围为[0, 8], 得分越高, 意味着受访者的社会参与度越高, 反之, 则意味着其社团参与度越低。

本研究以是否经常通过互联网进行互动来测量关系网络, 并把其中通过互联网结识的朋友关系界定为在线弱关系, 用通过互联网结识的朋友的数量测量在线弱关系网络规模。测量发现, 被访者的在线关系网络规模平均为19.62人, 标准差36.071。在这些在线关系中, 通过互联网建立的弱关系网络规模为平均5.97人, 标准差20.813。这意味着, 在受访城市居民的在线关系网络中, 弱关系网络的规模明显小于强关系网络的规模。

本研究以受访者在网络空间中与其他网友互动的频率, 作为测量网络互动强度的指标。测量采用“经常”“较多”“一般”“较少”“从不”5点尺度李克特量表, 测量结果见表8。从表8可见, 互动强度最高的是“现实生活中的亲密朋友”, 均值为3.86 (标准差1.132) , 最低的是在网上偶然遇到的“陌生网友”, 均值为1.79 (标准差0.990) 。

采用主成分分析法对网络互动强度的6个测量指标进行因子分析 (量表的KMO值为0.694, Bartlett’s球状检验的卡方值为2633.637, 自由度为15, 在0.000水平上统计检验显著) , 测量指标被浓缩为2个因子, 2个因子的方差贡献率为分别为44.307%和27.505%, 累积方差贡献率为71.812% (见表9) 。根据因子分析结果, 分别把2个因子命名为“强关系网络互动强度”和“弱关系网络互动强度”因子。其中“强关系网络互动强度”因子包括与现实生活中的熟人和普通朋友、现实生活中的亲密朋友、单位同事、家人和亲戚构成的关系网络互动强度, “弱关系网络互动强度”包括与陌生网友、通过网络认识的朋友构成的关系网络互动强度。2个因子的Cronbach’sα系数分别为0.827和0.773, 整个量表的Cronbach’sα系数为0.756, 说明6个测量指标具有较理想的内部一致性。同时, 量表包含的2个因子结构清晰, 因子内所包含的题项在相应因子上的负荷均达到0.72以上, 说明结构效度良好。

为了对基于社会资本理论提出的5个研究假设进行检验, 我们分别以网络政治参与行为的3种类型即网络政治信息获取、网络政治意见交流表达和网络政治行动为因变量, 以社会信任、政治信任、社团参与、在线关系网络规模和网络互动强度为自变量, 同时引入性别、年龄、年龄平方、受教育程度为控制变量, 进行OLS回归分析。在上述变量中, 年龄、年龄平方、受教育程度、社会信任、政治信任、社团参与、在线关系网络规模和网络互动强度是连续变量, 直接引入回归模型。而性别是离散变量, 我们以女性为参照对性别进行了虚拟变量处理。回归分析结果见表10。

从表10的回归分析结果可见, 控制变量性别对网络政治信息获取和网络政治意见交流表达有显著的正向影响, 意味着男性在这两类网络政治参与行为上的参与程度均高于女性, 但这种影响在模型3中是负向的且不显著;年龄和年龄平方在3个模型中均不显著, 说明年龄对城市居民的网络政治参与行为并没有显著影响;受教育程度在模型1中有正向的显著作用, 说明受教育程度越高, 参与网络政治信息获取行为的可能性也越大。

自变量信任、社团参与、在线关系网络规模和网络互动强度, 均对因变量网络政治参与有不同程度的影响。其中现实社会信任对网络政治信息获取有显著的正向影响, 虚拟社会信任对网络政治意见交流表达、网络政治行动有显著的正向影响;但现实社会信任对网络政治意见交流表达、网络政治行动, 虚拟社会信任对网络政治信息获取的影响均为负向, 不过影响均不显著。政治信任对3个因变量的影响也均为负向, 意味着政治信任程度越高, 参与网络政治信息获取、网络政治意见交流表达和网络政治行动的可能性越小, 但这种影响作用并不显著。

社团参与在3个模型中的回归系数分别为0.116 (p<0.001) 、0.083 (p<0.001) 和0.058 (p<0.05) 。这意味着, 社团参与度越高, 利用网络获取政治信息、开展政治意见交流表达、参与网络政治行动的可能性越大, 其影响作用在3个模型中均显著。

自变量在线关系网络规模在3个模型中的回归系数分别为0.004 (p<0.001) 、0.003 (p<0.01) 和0.003 (p<0.01) , 意味着在线关系网络规模对网络政治信息获取、网络政治信息交流表达及网络政治行动均有显著的正向影响, 在线关系网络规模越大, 参与这3类网络政治行为的可能性也越大。但值得注意的是, 其中通过互联网建立的弱关系网络规模, 却对网络政治信息获取和网络政治行动有显著的负向影响。也就是说, 在线弱关系网络规模越大, 参与网络政治信息获取和网络政治行动的可能性越小。

网络互动强度中的强关系网络互动强度和弱关系网络互动强度均对网络政治意见交流表达、网络政治行动有显著的正向影响, 对网络政治信息获取的影响也为正向, 但影响作用不显著。

综合分析自变量社会信任、政治信任、社团参与、在线关系网络规模和网络互动强度对网络政治参与行为的影响, 本研究发现, 现实社会信任对网络政治信息获取, 虚拟社会信任对网络政治意见交流表达、网络政治行动有显著的正向影响, 但现实社会信任对网络政治意见交流表达、网络政治行动, 虚拟社会信任对网络政治信息获取的影响均为负向且不显著, 意味着假设1只获得了部分证实;自变量社团参与度越高, 利用网络获取政治信息、开展政治意见交流表达、参与网络政治行动的可能性也越大, 且其影响作用在3个模型中均为显著, 意味着假设2获得了证实;而政治信任对网络政治信息获取、网络政治意见交流表达和网络政治行动的影响作用均不显著, 说明假设3没有获得证实;在线关系网络规模对3个因变量均有显著的正向影响, 但在线弱关系网络规模越大, 参与网络政治信息获取和网络政治行动的可能性却越小, 与假设的方向不一致, 假设4只获得了部分证实;强关系网络互动强度和弱关系网络互动强度均对网络政治意见交流表达、网络政治行动有显著的正向影响, 假设5基本获得了证实。

网络空间作为一个新的政治空间, 与现实政治空间相比, 具有身体不在场参与、时空压缩与伸延并存、海量政治信息涌动、政治动员即时化、政治互动网络扁平化等特性。网络政治空间的这些新特性, 导致政治参与也相应地呈现出新的特征与态势。本研究显示, 目前城市居民的网络政治参与已具有一定的普遍性, 在测量的8种网络政治参与行为中至少参与过其中一种的城市居民达到了90.6%。但是, 城市居民的网络政治参与水平偏低, 而且参与方式以网络政治信息获取为主, 网络政治行动参与度低。国内学者的相关研究也有类似发现。例如李亚妤通过对中国沿海发达地区城市网民网络政治参与的调查发现, 网民对参与网络政治普遍缺乏热情和积极性, 网络政治参与水平不高, 存在着数量庞大的网络政治“冷漠者”和“隐形人” (李亚妤, 2011) 。这意味着, 互联网普及程度与网络政治参与程度之间的关系并不是线性的, 互联网普及程度的提高并不会必然导致政治参与程度和水平的提升。在理解互联网对政治参与的影响作用时, 需要一种互联网与社会互动的理论视野, 互联网对政治生活的影响, “是通过嵌入社会才得以实现的。社会作为一个复杂的巨系统, 存在着各种相互交织的因果机制, 常常以各种出人意表的方式改变甚至重塑技术的社会用途” (黄少华等, 2015:283) 。例如, 有学者认为, 城市居民对我国目前政治生态的高度认同, 中产阶级的网络表达更趋理性化 (李良荣, 2017) , 以及政府的网络管制 (Shen, 2009) 等, 都会或多或少地减少或限制人们的网络政治参与意愿, 尤其是网络政治意见表达和网络政治行动的参与意愿。

关于社会资本与网络政治参与的关系, 学界迄今为止的发现并不一致。有学者认为, 互联网会导致间接化、微弱的中介化关系取代直接的、强烈的面对面关系, 从而削弱现实人际关系, 降低社会资本, 对网络政治参与发生负面影响。但更多的学者认为, 互联网能够提供大量政治信息, 有助于扩张社会关系网络, 提升社会信任, 激活社会资源, 拓展桥接型社会资本, 促进以公共利益为指向的合作行为, 从而促进网络政治参与 (查德威克, 2010) 。本研究综合分析了社会信任、政治信任、社团参与等集体社会资本, 以及在线关系网络规模、网络互动强度等个体社会网络对网络政治参与行为的影响, 发现集体社会资本中的现实社会信任对网络政治信息获取, 虚拟社会信任对网络政治意见交流表达、网络政治行动有显著的正向影响;社团参与度越高, 利用网络获取政治信息、开展政治意见交流表达、参与网络政治行动的可能性也越大。个体社会网络中的在线关系网络规模对网络政治信息获取、政治意见交流表达和网络政治行动均有显著的正向影响, 但在线弱关系网络规模越大, 参与网络政治信息获取和网络政治行动的可能性却越小;强关系网络互动强度和弱关系网络互动强度均对网络政治意见交流表达、网络政治行动有显著的正向影响。在上述自变量中, 尤其以集体社会资本中的社团参与度和个体社会网络中的弱关系网络互动强度两个自变量的影响作用最为显著。这意味着, 集体社会资本理论强调信任、社团参与等对政治参与促进作用的解释逻辑, 以及个体社会网络资源理论强调社会关系网络对政治参与积极影响的解释逻辑, 均在本研究中得到了不同程度的证实。本研究的基本发现, 显然不支持认为互联网会导致社会资本减少, 从而降低政治参与程度和水平的理论假设。或者说, 本研究的发现表明, 从社会资本理论视野分析和解释网络政治参与行为, 是一种较为恰当和有效的理论路径。

按照林南的社会资源理论, “社会资本是嵌入在关系网中的资源” (林南, 2005:42) 。社会关系网络规模与资源动员能力之间存在着正相关, 社会网络规模越大, 资源的潜在动员能力也越强, 因此参与政治行动的可能性也就越大。李亚妤基于对天津、上海、广州三城市网民的调查, 也发现通过网络互动建构的关系网络, 对网络政治参与有着正向影响 (李亚妤, 2011) 。本研究虽然也发现在线关系网络规模对三种类型的网络政治参与行为均有显著的正向影响, 但在线弱关系网络规模对网络政治信息获取和网络政治行动却有着显著的负向影响, 在线弱关系网络规模越大, 参与网络政治信息获取和网络政治行动的可能性却越小。这一发现意味着, 在线关系网络规模对网络政治参与行为的影响作用不是单向的, 作为现实关系网络延伸的在线强关系网络规模对网络政治参与行为有促进作用, 而在线弱关系网络规模对网络政治参与行为的影响则是负向的。在一个以弱关系为主的在线关系网络中, 行动者更倾向于减少而不是增加政治参与行为, 而且弱关系网络规模越大, 这种减少倾向愈加明显。对这一现象, 一个可能的解释是, 在目前的网络生态结构中, 在线强关系网络的社会信任程度较高, 在线弱关系网络的社会信任程度则较低, 而关系网络中行动者之间的社会信任程度, 是增加或减少网络政治参与行为的一个重要影响因素。同时, 上述发现也意味着, 在从个体层面分析在线关系网络对网络政治参与的影响时, 仅仅考虑关系网络规模是不够的, 还需要进一步考察关系网络的性质和结构。