EN中文

Tropical Geography >

2023 , Vol. 43 >Issue 4: 636 - 645

DOI: https://doi.org/10.13284/j.cnki.rddl.003656

Structure and Influencing Factors of the Global Cooperation Network of E-Sports Teams

  • Huali Qu , 1, 3 ,
  • Yuan Zhang 1, 4, 2 ,
  • Jinliao He 1, 2 ,
  • Xu Zhang , 5
Expand
  • 1. The Center for Modern Chinese City Studies, East China Normal University, Shanghai 200062, China
  • 2. The Institute of Urban Development, East China Normal University, Shanghai 200062, China
  • 3. School of Urban and Regional Science, East China Normal University, Shanghai 200062, China
  • 4. Xianda College of Economics & Humanities, Shanghai International Studies University, Shanghai 200083, China
  • 5. School of Resources and Environmental Engineering, Wuhan University of Technology, Wuhan 430070, China

Received date: 2022-12-07

  Revised date: 2023-03-18

  Online published: 2023-05-08

Fold

Highlights

With the progress of information technology and the transformation of the global economy, the digital economy is increasingly showing rapid growth and is becoming a key force in restructuring global factor resources, the global economic structure, and the global competitive landscape. E-sports, which is an emerging cultural industry and sport, has great significance in promoting cultural exchanges among countries and enhancing their respective national soft power. Presently, owing to its professionalization, internationalization, and ecologization, e-sports enables broader and multidimensional connections between game participants. However, e-sports cooperation networks based on virtual communities have not yet received widespread attention. Therefore, this study uses the information database of the participating teams of three international e-sports events, namely, the League Of Legends World Championship, The International DOTA2 Championships, and the CS: GO Major, to explore the structure of transnational e-sports team networks and their evolution from a theoretical perspective of virtual communities. This study uses the social network analysis and the gravitational model methods to reveal the multidimensional proximity and national attributes that influence the e-sports cooperative network patterns. The results show that first, the spatial evolution of the global e-sports cooperation network shows rapid expansion and low density, weak association, and strong dynamic network characteristics. The number of nodes increases rapidly while the network density shows a fluctuating decrease. This indicates that the development of Internet technology and the increasing popularity of e-sports have drawn increasingly more countries to participate in international e-sports activities, and the node connection of the e-sports cooperation network tends to be decentralized as a whole. Second, the global e-sports cooperation network has evolved into five associations representing geographical regions: the European associations with Denmark, Sweden, Finland, and Germany as the core, the Asia-Pacific associations with China and South Korea as the main partners, the Commonwealth of Independent States associations with Russia and Ukraine as the main partners, the Latin American associations with Peru and Argentina, as the main partners, and the Intercontinental associations with the United States and Canada as the main partners. Third, the spatial structure of the global e-sports cooperation network is influenced by the interrelationship between countries and their respective industrial bases. Social and organizational proximities drive the formation of e-sports cooperation networks, whereas geographical and cultural proximities do not significantly affect e-sports team cooperation. The interaction between geographical proximity and social proximity on the intensity of e-sports cooperation reflects a substitution effect; scientific research expenditure, e-sports revenue, and e-sports strength are the key elements affecting countries' importance in e-sports cooperation networks. Conversely, economic scale and general factors such as economic size and education level do not have significant effects on global e-sports team cooperation. This reflects the uniqueness of the e-sports industry in a digital economy. This study contributes to the research on the reconfiguration of industrial organization networks driven by the digital economy. Furthermore, this study provides a reference for making China's e-sports industry internationally competitive by improving its e-sports training system.

Cite this article

Huali Qu , Yuan Zhang , Jinliao He , Xu Zhang . Structure and Influencing Factors of the Global Cooperation Network of E-Sports Teams[J]. Tropical Geography, 2023 , 43(4) : 636 -645 . DOI: 10.13284/j.cnki.rddl.003656

随着信息技术的进步和全球经济的转型重构，数字经济日益呈现快速增长的态势，正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量 1。数字技术在一定程度上降低了交易成本，减少了地理距离对生产要素流动的障碍，从而有助于促进知识和创新的快速扩散，产生“去中心化”的地理效应（Czamanski et al., 2017）。尤其是在“新冠”肺炎疫情的持续影响下，大量线下经济活动转移到线上，不仅改变了许多产业的生产和消费模式，而且催生了多样化的数字经济新业态（蔡晓璐，2020）。因此，探索数字经济的地理特征和空间效应，对于丰富产业集群和生产网络等相关文献，引导相关产业健康发展，具有重要的理论和现实意义。
作为融合了信息技术、体育、传媒及大众消费的新兴数字产业，电子竞技从20世纪末开始飞速发展，形成以电竞俱乐部和国际联赛为核心的重要全球性经济部门（Hedlund, 2021）。近年来，由于移动设备的便利性给更多人参与电子竞技机会，且随着正式比赛的组织与开展，世界范围内更多新兴市场被激活，电竞运动呈现职业化、国际化和生态化等特点，这也使得游戏参与者之间能建立更广泛和多维度的联系。中国电子竞技目前也已进入职业化发展阶段，2018年国务院印发的《完善促进消费体制机制实施方案（2018—2020）》 2明确提出要积极培育电竞运动这一体育消费新业态，延长电子竞技产业链，扩大对经济发展的影响。2020年以来，在“新冠”肺炎疫情冲击下，大量国际性体育赛事被取消，但电子竞技则借助互联网平台保持稳定的增长，并不断扩大影响力（Saiz-Alvarez et al.,2021）。英雄联盟全球总决赛、Dota2国际邀请赛、CS：GO Major等国际赛事成为全球最受关注的体育和文化事件，凸显电子竞技产业强大的发展潜力以及对经济增长的贡献。
从理论研究的角度，以电脑、手机等终端设备和互联网为媒介的电子竞技创造出一个全新的互动场所，为身处不同地点的用户提供了产生社会联结的纽带，促进人类活动从现实空间转向虚拟空间（孙中伟 等，2014；董晓松 等，2019）。这一虚拟社区的信息搜集、互动与合作方式与现实社会可能存在较大差别，从而形成独特的空间组织模式。此外，随着地理临近性作用的弱化，文化、社会、组织等其他临近性在虚拟空间的形成和互动过程中可能会产生更加重要的作用，对于传统经济地理学理论提出新的挑战。目前针对电子竞技的地理学研究主要集中在对相关产业空间格局及生产网络的分析（Xue et al., 2019），而基于虚拟社区建立的电竞合作网络尚未受到广泛关注。基于此，本文基于英雄联盟全球总决赛、Dota2国际邀请赛和CS：GO Major三大国际性电竞赛事的参赛战队数据，首先从虚拟社区的理论视角出发，借助社会网络分析方法探索电竞国际合作网络的结构特征与演化过程，在此基础上从多维邻近性和国家产业基础2个方面建立回归模型，揭示影响全球电竞合作网络格局的主要因素。以期丰富数字经济的地理学研究，并为促进中国电竞产业发展和人才培育提供借鉴。

1 理论框架

1.1　电子竞技

目前学术界对于电子竞技的定义和分类标准并不统一，主要聚焦在电子竞技是否是一项体育运动上（Hallmann et al., 2018）。其中，Wagner（2006）的定义被较多引用，他认为电子竞技是一种人们利用信息和通信技术发展和训练心理或身体能力的体育活动。Jenny等（2016）则指出电子竞技的增长在很大程度上归功于在线竞赛的普及，因此将其定义为“有组织的电子游戏竞赛”。作为一种融合电子游戏、体育竞技、经济效益和传媒影响的社会文化现象（梁枢 等，2019），电子竞技也经常被视为数字文化产业的重要组成部分。关于电子竞技的现有文献主要集中在概念界定（Steinkuehler, 2020）、产业链结构（Chao,2017）、经济效益以及产业集群（詹绍文 等，2021）等方面，但对于电竞选手和战队这一微观层面主体关注较少。作为电子竞技的核心参与者，电竞选手在电竞产业中具有特殊的地位。电竞俱乐部需要依靠电竞选手获得赛事奖金和企业赞助，并依托队员人气签约主播平台，以此提升市场知名度和经济效益；而相关研究表明电竞俱乐部队员国籍的多样性有助于电竞战队成绩的显著提升（Parshakov et al., 2018）。随着创意人才资源日益成为城市和区域发展的核心竞争力（何金廖 等，2019），高水平电竞人才成为全球各大电竞俱乐部争夺的焦点，逐渐形成大量基于虚拟网络平台的跨地域电竞合作团队，这也是本文的主要研究对象。

1.2　虚拟社区

虚拟社区是以互联网为技术平台，社区内成员通过共享信息和知识来相互学习或者解决问题，从而形成的新型社会关系集合体（Koh et al., 2003）。在电子游戏领域，虚拟社区涵盖的虚拟空间不仅包含玩家所在的论坛和社交网络，也包括游戏过程中团队成员进行交流的互动空间（Sirola et al., 2021）。虚拟社区的成员拥有相似的身份、认知、生活方式或兴趣爱好，并在社区内寻找拥有共同利益和目标的成员进行互动（Centola et al., 2015），最终形成复杂的社区成员群体网络（黄冠维 等，2021）。此外，虚拟社区作为一种新型的媒介，不仅为互动交流与合作提供了重要平台，同时也创造了类似于现实世界群体互动的社会资本（Rothaermel et al., 2001）。在电竞活动中，游戏玩家通过组建或参与电竞团队获得在线社交资本并形成个人虚拟社区关系网络，这一虚拟资本可能进一步转化为线下社交资本，并产生购买虚拟衍生商品等消费行为（Shukla et al., 2018）。与现实社会交往相比，在线社区中存在更多的连接节点和匿名交流，意味着虚拟社区更有可能由众多非正式的、薄弱的社会关系组成（Malinen, 2015）。文彤等（2018）通过对马蜂窝旅游虚拟社区网络演化特征研究发现，旅游虚拟社区的发展演化主要基于弱关系联结，其社区网络呈现明显的分散状态。Aslesen等（2019）基于对挪威和瑞典2个城市群中小型软件公司的深度访谈，认为虚拟社区中的互动可以超越特定的地理位置，通过组织、社会和认知邻近推动编码和隐性知识在虚拟空间内转移，从而在加强现有知识联系的同时产生新知识联系的平台。Trepte等（2012）对电竞社区产生的地理邻近、社会邻近、熟悉度对线下社会资本影响的研究则表明在线游戏中用户互动越多，越容易产生线上及线下社交网络。综上，现有研究表明虚拟社区的网络结构与形成机制与现实社区既存在相似性，也表现出一定独特性，需要进一步检验。

1.3　多维邻近性

邻近性是经济地理学分析网络演化的重要视角，常见于集群创新和区域合作等议题研究（曹兴 等，2017）。20世纪90年代，邻近性在法国动力学派和其他学者的研究下由一维向多维度不断拓展（王庆喜 等，2021）。此后，Boschma（2005）提出多维邻近性概念，将影响跨地区组织和个体交流学习的因素归纳为5个方面：地理邻近、认知邻近、制度邻近、组织邻近与社会邻近。国内部分学者也基于不同研究对象分析了不同维度的邻近性，并在此基础上提出了文化邻近、历史邻近和技术邻近等其他维度的邻近性（李琳 等，2013）。本文根据电竞合作的特征以及数据的可获得性，选择地理邻近性、文化邻近性、社会邻近性和组织邻近性分析电竞合作网络形成的影响因子。地理邻近性主要指主体间的空间分割和接近程度，地理邻近可以降低主体之间的交流成本，但随着通信技术的进步，远距离交互变得更为便捷，知识传播的成本大大降低，使得地理邻近性的重要性相对于其他邻近性有所下降。文化邻近性一般指国家之间的文化相似程度。文化邻近性对于知识的学习、互动和传播会产生积极的影响，相关研究多采用语言相似性进行测度。社会邻近性通常指主体间基于信任形成的社会嵌入关系（Falck et al., 2012）。社会邻近性有助于减少合作中的不确定性，形成长期稳定的合作关系，使得合作主体之间的网络呈现内部化特征（Broekel et al., 2012）。组织邻近性多指主体是否属于同一关系空间，同一组织（如政治联盟）内的成员在开展合作方面具备一定的便利性，而不同的组织则可能会阻碍成员间的合作，进而影响跨区域合作的网络结构。

2 数据与方法

2.1　数据来源

数据涵盖2013—2020年，英雄联盟全球总决赛、Dota2国际邀请赛和CS：GO Major赛事进入总决赛的战队信息。相较于其他赛事，英雄联盟全球总决赛、CS：GO Major赛事和Dota2国际邀请赛是从创立至今每年举办的全球性电子竞技赛事，参与战队均是在全球各大赛区中获得总决赛参赛资格的战队，其奖金从最初的10万、160万、25万美元涨至225万、250万和4 000万美元，Esports Charts根据2020年电子竞技项目观看时长进行统计，观看最多的赛事也分别为英雄联盟、CS:GO和Dota2三大赛事。因此，基于赛事规模、国际化程度和受欢迎程度，本文选取英雄联盟全球总决赛、Dota2国际邀请赛和CS:GO Major赛事三大赛事作为研究案例。赛事战队成员名单及国籍信息来源于英雄联盟官方网站 3、Dota2官方网站 4和Liquipedia网站 5。选手国籍信息以数据获取时的国籍为准，双国籍选手归入出生国籍。最终获取来自75个国家的2 850名战队成员的信息，选手主要来自于中国（309）、美国（248）、韩国（243）、丹麦（232）和瑞典（226）等国家，占比达44%。参与国际合作的战队涉及62个国家，共计1 439条合作关系，其中Dota2、英雄联盟、CS：GO分别从2013、2014、2015年开始以跨国战队为主，表明国际合作已成为全球性电子竞技赛事的主流模式。

2.2　研究方法

2.2.1　社会网络分析

社会网络分析主要用于研究不同社会单位所构成的社会关系网络的结构及属性特征（潘峰华 等，2013）。以同一战队中来自不同国家的队员为基础数据构建社会网络，探索各国在电子竞技赛事中的合作程度。采用网络密度指标测度不同网络节点之间的联系密集程度，取值范围为0~1，越接近1表明各节点联系越密切，越接近0表明该网络总体连接程度越低（刘劲松，2016）。网络中节点的度中心性为节点连接的边数目，平均度是网络中所有节点的度的平均值，可反映全球电竞战队整体的连通程度。聚类系数作为一种关于局部网络结构的指标，可反映与节点相连的其他节点是否相连的情况。

2.2.2　回归模型

社会网络结构包括连接性和中心性2个基本方面。为了探究影响电竞国际合作网络结构的主要因子，分别从多维邻近性和国家电竞产业基础出发，采用负二项回归模型分析电竞合作网络的连接性影响因子和中心性影响因子。其中，连接性影响因子回归模型主要从多维邻近性视角分析，考虑到邻近性之间可能存在互补效应和替代效应，进一步探析邻近性之间的交互作用，建立多元回归模型为：
C o i i j = α + β 1 D I S P R O i j + β 2 O R G P R O i j + β 3 C O L P R O i j + β 4 S C O P R O i j + ε i j     
式中： C o i i j为因变量，表示国家 i和国家 j之间的合作数量； D I S P R O i j、 O R G P R O i j 、 C O L P R O i j 、 S C O P R O i j分别为国家 i和国家 j之间的地理邻近性、组织邻近性、文化邻近性和社会邻近性； α和 ε i j分别为模型的常数项和随机干扰项； β为回归系数。
地理邻近性参考Hong（2013）和赵炎（2016）等的测度方法，从百度地图API获取各国首都的经纬度信息，计算国家 i和国家 j间的地理距离：
D I S i j = 6371 ∙ a r c c o s s i n   l a t i s i n l a t j + c o s   l a t i c o s   l a t j c o s   | l o g i - l o g j | ]
式中： l a t i、 l o g i为国家 i首都的纬度和经度； l a t j、 l o g j为国家 j首都的纬度和经度；6 371（km）为地球平均半径。
文化邻近性在一定程度上能从语言上的差异反映出来，参考刘承良（2017）的测度方法，2个国家使用的官方语言相同赋值为1，否则为0。组织邻近性的测度是以具有较大影响力的5个区域性国际组织为判别标准，分别是美洲国家组织、阿拉伯国际组织、欧洲联盟、欧洲安全与合作组织和东亚峰会，2个国家属于同1个区域性组织赋值为1，否则为0。社会邻近性参考Scherngell等（2011），使用杰卡德指数衡量，即2个之间国家的合作强度占这2个国家与所有其他合作国家联系强度的比例，也即主体之间的相对合作强度。
中心性影响因子回归模型为：
          D E G i = α + β 1 G D P P R O i + β 2 I N P P R O i + β 3 E X P P R O i + β 4 E - S T P P R O i + β 5 E D U P R O i + ε i     
式中： D E G i表示国家 i的度中心性； G D P P R O i代表该国的人均GDP，用于衡量国家市场经济规模； I N P P R O i代表该国在电竞比赛中的收入，用于反映国家电竞产业总体发展规模； E X P P R O i代表该国科研支出占GDP的比例，用于反映国家科技与信息发展情况； E - S T P P R O代表该国2013—2020年在三大国际电竞赛事中参赛人员所获得的赛事排名，用于反映国家电竞实力； E D U P R O i代表该国的平均受教育程度，用于反映教育水平对电竞产业的影响； β为回归系数。上述指标数据主要通过法国CEPII数据库 6、世界银行数据库 7以及e-Sports Earnings数据库 8获取。

3 结果分析

3.1　电竞赛事合作网络的总体特征

网络分析显示，英雄联盟、Dota2和CS：GO赛事合作网络规模整体呈现快速扩张的态势。2013—2020年电竞赛事网络节点数量从20增加到47个，合作关系从130对增加到1 439对（表1），表明越来越多的国家参与到全球电竞赛事网络中，电竞合作网络结构日益复杂，规模迅速扩大。但随着节点数量的增多，网络密度由2013年的0.242降低到2020年0.120，整体密度偏低，反映全球电竞合作网络呈现相对分散的网络结构。网络平均聚类系数呈现先增后减的状态，进一步说明网络连接具有分散化的趋势。平均度从4.60增加至5.53，表明各个国家在电竞战队合作领域产生更多的联系。
表1 电竞赛事合作网络结构测度指标

Table 1 Measurement of the structure of the e-sports cooperative network

年份 网络规模 集聚性 度中心性
节点数 边数 图密度 直径 平均聚类系数 平均度
2013 20 46 0.242 7 0.553 4.60
2014 25 52 0.173 5 0.672 4.16
2015 33 73 0.138 4 0.739 4.42
2016 33 72 0.136 6 0.72 4.36
2017 51 127 0.100 6 0.716 4.98
2018 48 142 0.126 6 0.664 5.92
2019 50 167 0.125 5 0.657 6.68
2020 47 130 0.120 5 0.673 5.53

3.2　电竞赛事合作网络演化特征

基于全球电竞战队合作数据，采用Gephi软件绘制2013—2016、2017—2020年2个时间段的电竞战队合作网络拓扑结构（图1）。结果显示，全球电竞合作网络经过两个时期的快速扩张，社团化趋势非常明显，社团之间存在分裂整合的演化过程，并且不同社团规模差距悬殊，逐渐形成“中心-边缘”结构特征明显的组团式网络结构。
图1 电竞战队合作网络结构

图注：1）连线粗细表示国家间合作数量，节点大小表示该国的度中心性；2）节点和连线颜色表示不同的网络社团。

Fig.1 Structure of the cooperative network of e-sports teams

合作网络密度增加，区域性社团结构显著。在第一阶段（2013—2016年），全球电竞战队合作网络密度较小，模块度为0.56，整个网络被划分为5个社团，分别为以瑞典、丹麦、德国合作为主的北欧社团、以中韩合作为主的亚太社团、以俄罗斯、乌克兰等东欧国家为主的独联体社团、以美国和加拿大为核心的跨洲际社团和以法国为中心的西欧社团。在第二阶段（2017—2020年），参与电竞战队合作的国家和地区数量逐渐增多，全球电竞赛事网络规模迅速扩大，网络结构复杂度进一步加剧，但2个阶段网络模块化程度无明显变化，社团结构比较显著。在2017—2020年，电竞合作社团经过分裂与整合，区域性社团结构更加明显，地理位置相近的国家之间往往有更紧密的合作关系，并逐渐演化成欧洲社团、独联体社团、拉美社团、亚太社团和以美加为主体的跨洲际社团5大社团。
社团成员具有明显的等级性，电竞合作网络“中心-边缘”结构日趋明显。欧洲社团中的瑞典早在20世纪90年代成立EA Dice和Massive Studios两家具有影响力的电竞公司，带动其电子游戏产业持续增长，与之相邻的丹麦和德国因网络普度较高、电子竞技发展较早，也形成较大规模的电子竞技产业（Chaminade et al., 2021），因此在第一阶段的北欧社团中占据核心地位。在第二阶段，丹麦政府通过数字化基础设施建设、完善电竞产业链、加大人才培育力度等措施，有效地促进本国电竞产业发展，并在国际赛事中向欧美战队输出大量选手，使得丹麦逐渐成为电竞战队合作网络中的重要中心。北美作为最先涉足互联网及电竞行业的区域，其电竞发展拥有先发优势，包括Ubisoft在内的众多高科技公司和游戏公司在加拿大的落户以及美加多次联合举办的电竞赛事使该区域在电竞网络中占据重要地位（沈鸿雁 等，2016）。韩国政府顺应经济转型趋势并大力支持电竞行业发展，促成高影响力直播平台的兴起和电竞大赛的落户，其战队选手也不断向各国输出，与中国、日本等国家形成紧密的合作，因而在以中韩合作为主的亚太社团中占据中心位置。俄罗斯、乌克兰的队员凭借在赛事上夺冠以及正统媒体的宣传，在独联体社团也占据核心位置。
欧洲社团、亚太社团及独联体社团演变具有空间连续性，而以美加为主体的跨洲际社团和拉美社团的联系却不够紧密，社团处于不断分离组合的状态。以中韩合作为主的亚太社团在第二阶段（2017—2020年）保持内部成员构成的相对稳定，随着日本、菲律宾等国家的参与，其社团范围进一步扩展。以俄罗斯和乌克兰合作为主体的独联体社团在合作网络中一直保持稳定发展，虽然乌克兰在2014年退出独联体组织，但在路径依赖效应的作用下，乌克兰和独联体国家仍产生较多的合作机会。以美加合作为主的跨洲际社团在成员构成上出现一定变化，边缘节点由原来的菲律宾、爱尔兰、墨西哥转变为罗马尼亚、巴西和葡萄牙，进一步表明该社团主要依赖于美加两国在全球电竞产业中的影响力。拉丁美洲随着城市化的推进、信息基础设施的进步以及互联网渗透率的上升，成为全球电竞产业中迅速扩张的新兴市场，社团内智利、乌拉圭、墨西哥、秘鲁、阿根廷等国具有较高的文化相似性和地理临近性，因而形成以秘鲁和阿根廷合作为核心的拉丁美洲社团。

3.3　电竞赛事合作网络影响因素

以国家间合作数量和各国的度中心性为被解释变量，国家间邻近性和国家主体属性数据为解释变量，采用负二项重力回归模型进行影响因素定量分析。由于被解释变量为计数面板数据，且方差明显大于期望，采用Hausman检验，判定空间面板数据的回归分析选择随机效应模型。
利用Stata对多维邻近性模型的数据进行描述性统计和相关性分析，结果（表2）显示，各变量之间的相关性系数均＜0.6，且方差膨胀因子均＜10，说明变量间不存在多重共线性问题。
表2 变量描述性统计与相关性分析

Table 2 Descriptive statistics and correlation analysis of variables

变量

合作

数量

地理

邻近性

社会

邻近性

组织

邻近性

文化

邻近性
合作数量 1.000 — — — —
地理邻近性 -0.034 1.000 — — —
社会邻近性 0.551 -0.054 1.000 — —
组织邻近性 0.267 0.039 0.279 1.000 —
文化邻近性 0.066 -0.080 0.255 0.170 1.000
观测值 516 516 516 516 516
平均值 2.109 9.062 0.081 0.523 0.103
标准差 4.241 0.633 0.105 0.500 0.304
最小值 1 6.494 0.011 0.000 0.000
最大值 22 9.888 1.000 1.000 1.000
方差膨胀因子 — 1.01 1.14 1.10 1.08
多维邻近性分析结果（表3）显示，与国际产业合作中常见的距离衰减效应不同，地理邻近性指标（模型1）在电竞合作网络中作用并不显著，电竞赛事合作虽然具有区域性特征，但国家间联系强度与实际地理距离并未呈现显著相关性。相比于实体空间活动，电竞用户通过在线平台构建的虚拟社区进行互动和交流，有助于打破地理距离的约束，改变社交空间的传统概念。社会邻近性（模型2）对于电竞合作具有显著的正向作用，表明两国的社会关系越密切，越有利于电竞合作的开展和深化。基于友谊和频繁互动而建立的合作关系能有效加强双边的信任，增加跨国合作的可能性。组织邻近性（模型3）同样呈现显著的正向影响，合作双方同属于一个区域性国际性组织，电竞队员之间开展合作的可能性和规模越大，这是因为区域性国际组织致力于在区域内各国之间进行经济、文化、体育等多方面的交流合作，这些活动增加了各国人员之间交流的可能性。文化邻近性（模型4）对于电竞合作缺乏显著的促进作用，其原因可能是电子竞技中使用的语言主要为英语，不同国家的电竞人员采用英语进行交流，因此母语对合作网络的构建影响较小，这与Choi等（2011）对国际科学合作的研究类似。为检验邻近性之间的调节作用，在模型4的基础上加入2个邻近性之间的交互变量，由模型5可以看出，地理邻近性与社会邻近性的交互系数显著为负，表明地理邻近性和社会邻近性对电竞合作强度的交互作用体现为替代效应。而组织邻近性和文化邻近性的交互作用不显著。
表3 全球电竞合作网络负二项式回归结果

Table 3 Negative binomial regression result of the global e-sports cooperative network

变量类型 变量 模型1 模型2 模型3 模型4 模型5
国家i电竞人员数 — 0.016***（6.07） 0.017***（7.11） 0.016***（7.04） 0.016***（7.00） 0.016***（7.05）
国家j电竞人员数 — 0.013***（4.80） 0.016***（6.52） 0.015***（6.52） 0.015***（6.04） 0.015***（6.51）
地理邻近性 DIS ij -0.000（-1.43） -0.077（-1.46） -0.084（-1.61） -0.084（-1.61） 0.001（0.02）
社会邻近性 SOC ij — 3.034***（13.02） 2.737***（11.66） 2.752***（11.48） 9.827***（2.98）
组织邻近性 ORG ij — — 0.257***（3.53） 0.260***（3.54） 0.253***（3.39）
文化邻近性 COL ij — — — -0.037（-0.34） -0.037（-0.14）
地理*社会 DIS*SOC — — — — -0.767**（-2.15）
组织*文化 ORG*COL — — — — -0.066（-0.22）
常数项 Constant 13.499（0.04） 15.762（0.11） 16.008（0.13） 15.788（0.13） 14.701（0.13）
样本量/个 Observations 516 516 516 516 516
Prob>chi2 — 0.000 0 0.000 0 0.000 0 0.000 0 0.000 0
Log likelihood — -850.488 4 -778.333 0 -772.174 8 -772.118 1 -769.860 5

注：显著性水平*代表P＜0.10，**代表P＜0.05，***代表P＜0.01；括号内为标准误。表4同。

国家属性分析结果（表4）显示，科研支出对于国家电竞合作的度中心性呈现显著正相关，科研支出的增加有助于促进科技创新能力的提升，而电竞作为人工智能、现代通讯、芯片技术、大数据等新兴科技的重要应用领域，其发展在较大程度上依赖于科技创新水平。电竞收入与电竞实力同样呈现显著正相关，电竞产业收入增加及赛事中取得较好成绩有助于俱乐部吸引跨国电竞战队队员的加盟，其成绩较好的选手同样更容易被外国俱乐部招募，由此进一步提高国家在全球电竞合作网络中的地位。GDP对传统体育发展具有较强的解释力（Madeleine et al., 2008），但在电竞合作中作用并不显著，表明单纯的经济规模对国家电竞产业的发展和跨国合作影响并不明显，这与Parshakov等（2015）的研究发现较为类似。受教育程度对于电竞合作没有显著影响，这可能与电子竞技的产业属性和发展阶段有关，电竞职业选手大多是通过竞争选拔出来，由俱乐部进行培训（马中红 等，2020），因此电竞选手并不要求具备太多的传统教育经历，具有一定的草根属性；此外，当前多数国家或地区的电竞产业处于发展初期，尚未吸引大量高水平人才的进入，也是教育水平对电子竞技发展影响较小的原因之一。
表4 全球电竞合作网络度中心性负二项式回归结果

Table 4 Negative binomial regression result of the degree centrality of global e-sports cooperative network

变量类型 变量 模型1
经济规模 GDP -0.030（-1.48）
电竞收入 INC 0.115***（3.77）
科研支出 SCI 0.324**（2.41）
电竞实力 E-STR 0.021***（8.26）
受教育程度 EDU -0.181（-1.36）
常数项 Constant 2.657*（1.81）
Observations — 249
Number of code — 53
Prob > chi2 — 0.000 0
Log likelihood — -522.437 11

4 结论与讨论

4.1　结论

本研究通过对英雄联盟、Dota2及CS：GO三大国际电竞赛事中参与战队成员信息的采集，运用社会网络分析方法探索跨国电竞战队合作网络的结构特征及演化趋势，并采用引力模型方法从多维邻近性和国家属性2个方面揭示影响电竞赛事合作网络的主要因素。得到的主要结论为：
1）全球电竞合作网络的空间演化总体呈现快速扩张的态势和低密度、弱关联、强动态性的网络特征。合作网络中节点数量快速增多，但网络密度呈现波动下降的趋势，网络密度与节点数量呈负相关，表明随着互联网技术的发展和电竞赛事日益普及，越来越多的国家参与国际电竞活动，电竞赛事合作网络节点联结整体趋于分散化。
2）全球电竞合作网络呈现较为明显的社团化特征，不同社团规模差异悬殊，并且处于不断分裂整合的演化过程。在电竞产业全球化发展的浪潮下，参与电竞合作的亚洲和拉丁美洲国家日益增多，最终形成以丹麦、瑞典、芬兰、德国为核心的欧洲社团，以中国、韩国合作为主的亚太社团，以俄罗斯、乌克兰合作为主的独联体社团，以秘鲁、阿根廷合作为主的拉美社团，以及以美国、加拿大合作为主的跨洲际社团5大主要社团，社团成员具有明显的等级性，电竞合作网络“中心-边缘”结构日趋明显。此外，欧洲社团、亚太社团及独联体社团演变具有空间连续性，而以美加为主体的跨洲际社团和拉美社团的联系却不够紧密。
3）全球电竞合作网络的空间结构受到国家间相互关系以及各国产业基础的双重影响。在邻近性方面，社会邻近性、组织邻近性是推动电竞合作网络形成的主要因素，而地理邻近和文化邻近性对于电竞战队合作的影响并不显著，地理邻近性和社会邻近性对电竞合作强度的交互作用体现为替代效应；在国家属性方面，科研支出、电竞收入以及电竞实力是影响国家在电竞合作网络中重要性的关键要素，而经济规模、教育水平等一般性因素对于全球电竞战队合作并未产生显著影响，反映电子竞技的数字经济产业独特性。

4.2　讨论

本研究表明，在科创驱动和文化变革的浪潮下，全球电竞战队合作网络正处于快速全球化扩张的过程，不同国家和地区受到自身科技和产业实力以及社会、组织及经济邻近性的作用，不断巩固或改变其在全球电竞网络中地位及角色。在政策支持和市场扩张的双重带动下，中国电竞产业飞速发展，已经于2020年超越北美成为全球第一大电竞市场 9，但无论在全球电竞合作网络还是在亚太电竞合作社区中均未占据核心地位，与美国、韩国、加拿大、丹麦等第一梯队存在较为明显的差距。因此，提出以下电竞产业发展建议：首先，当前中国大陆地区电竞战队合作对象多样性不足，主要集中在中国台湾地区和韩国，跨洲际合作数量非常缺少，导致中国在国际电竞合作网络中难以占据核心地位。因此，亟需依托近年积累的电竞实力优势，在稳定当前合作关系的基础上，继续加强战队跨国合作的覆盖面，促进电竞战队选手“走出去”和“引进来”的双向流动。其次，由于科技支出和电竞收入是影响全球电竞战队合作的关键因素，应该进一步推动科技创新在电竞领域的作用，完善电竞人才培养体系并加大人才培育投入，使其成为扩大本土电竞人才库和吸引境外优秀选手的有效手段。最后，考虑到社会邻近性对电竞战队合作的显著影响，在人才培养过程中应注重提升本土电竞选手的对外交流能力和国际化视野，降低跨国合作的沟通障碍和文化壁垒，同时弘扬中国电竞文化，进一步提升中国的文化软实力和全球影响力。
本研究从虚拟社区的理论视角出发，对电竞国际合作网络的结构特征与演化过程进行了研究，丰富了数字经济的地理学研究。其次，多维邻近性是经济地理学分析解释网络演化的重要视角理论，现有基于多维邻近性框架分析网络形成机制的研究通常采用静态方法，即解释网络在某个时间点的结构。本文基于电竞战队的赛事数据构建合作网络，结合多维邻近性分析框架，并将国家属性要素纳入研究范畴，从邻近性与国家属性综合挖掘电竞合作网络的影响机制，这具有重要的理论与实践意义。此外，由于数据的可获得性，本研究主要以3个国际重要电竞赛事为案例进行分析，未能覆盖其他电竞赛事类型，需要在补充和完善数据的基础上开展进一步研究。另外，对电竞合作网络结构和机理的研究主要是在国家尺度展开，后续有待进一步深化到城市尺度，探索基于电竞合作的全球城市网络的复杂性特征。

1 http://www.rddl.com.cn/attached/file/20210429/20210429161832_124.pdf

2 http://www.gov.cn/zhengce/content/2018-10/11/content_5329516.htm

3 https://lol.qq.com/main.shtml

4 https://www.dota2.com.cn/

5 https://liquipedia.net/

6 http://www.cepii.fr/CEPII/en/bdd_modele/bdd_modele.asp

7 https://data.worldbank.org/

8 https://www.esportsearnings.com/

9 http://sg.mofcom.gov.cn/article/dtxx/202012/20201203025675.shtm

作者贡献声明:

曲华丽：数据分析、研究框架确定、论文撰写与修改；

张 源：讨论形成论文框架，参与论文指导与后期修改；

何金廖：提出研究思路、提供理论指导，讨论形成论文框架；

张 旭：提炼主题、理论提升，参与论文指导与修订完善。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Aslesen H W, Martin R, and Sardo S. 2019. The Virtual is Reality! On Physical and Virtual Space in Software Firms' Knowledge Formation. Entrepreneurship & Regional Development, 31(9/10): 669-682.

Broekel T, and Boschma R. 2012. Knowledge Networks in the Dutch Aviation Industry. Journal of Economic Geography, 12(2): 409-433.

Boschma R A. 2005. Proximity and Innovation: A Critical Assessment. Regional Studies, 39(1): 61-74.

曹兴，宋长江. 2017. 认知邻近性、地理邻近性对双元创新影响的实证研究. 中国软科学，（4）：120-131.

Cao Xing, and Song Changjiang. 2017. Impact of Geographical Proximity and Cognitive Proximity on Ambidextrous Innovation of Technological Innovation Network. China Soft Science, (4): 120-131.

蔡晓璐. 2020. “新冠肺炎”疫中我国文化产业的发展特征与疫后格局重组. 艺术评论，（5）：56-65.

Cai Xiaolu. 2020. Development Characteristics of China's Cultural Industry Under Fighting Against "Novel Coronavirus Pneumonia" and Pattern Reorganization After It. Arts Criticism, (5): 56-65.

Centola D, and Arnout V. 2015. Choosing Your Network: Social Preferences in an Online Health Community. Social Science & Medicine, 125: 19-31.

Chaminade C, Martin R, and Mckeever J. 2021. When Regional Meets Global: Exploring the Nature of Global Innovation Networks in the Video Game Industry in Southern Sweden. Entrepreneurship and Regional Devel Opment, 33(1/2): 131-146.

Chao L L. 2017. "You Must Construct Additional Pylons": Building a Better Framework for Esports Governance. Fordham Law Review, 86(2): 738-765.

Choi S. 2011. Core-Periphery, New Clusters, or Rising Stars?: International Scientific Collaboration Among "Advanced" Countries in the Era of Globalization. Scientometrics, 90(1): 25-41.

Czamanski D, and Broitman D. 2017. Information and Communication Technology and the Spatial Evolution of Mature Cities. Socio-Economic Planning Sciences, 58: 30-38.

董晓松，尚会永，姜旭平. 2019. 基于文化与地理双重互动的互联网消费增长空间计量研究. 中国软科学，（4）：70-78.

Dong Xiaosong, Shang Huiyong, and Jiang Xuping. 2019. An Online Consumption Growth Empirical Study Based on the Culture and Geography Spatial Multi-Interaction. China Soft Science, (4): 70-78.

Falck O, Heblich S, Lameli A, and Suedekum J. 2012. Dialects, Cultural Identity, and Economic Exchange. Social Science Electronic Publishing,72(2/3): 225-239.

Hallmann K, and Giel T. 2018. ESports-Competitive Sports or Recreational Activity?. Sport Management Review, 21(1): 14-20.

Hedlund D P. 2021. A Typology of Esport Players. Journal of Global Sport Management, (2): 1-18.

何金廖，曾刚. 2019. 城市舒适性驱动下的创意产业集聚动力机制——以南京品牌设计产业为例. 经济地理，39（3）：134-142，161.

He Jinliao, and Zeng Gang. 2019. Dynamic Mechanism of Creative Industry Agglomeration under the Driving of Urban Amenities: A Case Study of Brand Design Industry in Nanjing. Economic Geography, 39(3): 134-142, 161.

Hong W, and Su Y. 2013. The Effect of Institutional Proximity in Non-Local University-Industry Collaborations: An Analysis Based on Chinese Patent Data. Research Policy, 42(2): 454-464.

黄冠维，洪晓文，赵大营. 2021. 虚拟社群网络结构及网络沟通情绪的研究. 中国软科学，（S1）：108-115.

Huang Guanwei, Hong Xiaowen, and Zhao Daying. 2021. Research on Network Structure and Network Communication Emotion of the Virtual Community. China Soft Science,(S1): 108-115.

刘承良，桂钦昌，段德忠，殷美元. 2017. 全球科研论文合作网络的结构异质性及其邻近性机理.地理学报，72（4）：737-752.

Liu Chengliang, Gui Qinchang, Duan Dezhong, and Yin Yuan. 2017. Structural Heterogeneity and Proximity Mechanism of Global Scientific Collaboration Network Based on Co-Authored Papers. Acta Geographica Sinica, 72(4): 737-752.

Jenny S E, Manning R D, Keiper M C, and Olrich T W. 2016. Virtual(ly) Athletes: Where ESports Fit within the Definition of "Sport". Quest, 69(1): 1-18.

Koh J, and Kim Y G. 2003. Sense of Virtual Community: A conceptual Framework and Empirical Validation. International Journal of Electronic Commerce, 8(2): 75-94.

梁枢，梁伟. 2019.电子竞技国际研究热点与发展趋势的文献计量分析. 成都体育学院学报，45（2）：7-14.

Liang Shu, and Liang Wei. 2019. Research on Hotspots and Development Trend of International ESport Literatures. Journal of Chengdu Sport University, 45(2): 7-14.

李琳，雒道政. 2013. 多维邻近性与创新：西方研究回顾与展望. 经济地理，33（6）：1-7，41.

Li Lin, and Luo Daozheng. 2013. Multi-Proximity and Innovation: The Retrospect and Prospect on Western Researches. Economic Geography, 33(6): 1-7, 41.

刘劲松. 2016. 基于社会网络分析的世界天然气贸易格局演化. 经济地理，36（12）：89-95.

Liu Jinsong. 2016. Evolution of World Natural Gas Trade Pattern Based on Social Network Analysis. Economic Geography, 36(12): 89-95.

Madeleine A, Wladimir A, and Sandrine P. 2008. Les déTerminants éConomiques De La Performance Olympique: préVision Des méDailles Qui Seront GagnÉEs Aux Jeux De PÉKin. Revue Déconomie Politique, 118(2): 135-169.

Malinen S. 2015. Understanding User Participation in Online Communities: A Systematic Literature Review of Empirical Studies. Computers in Human Behavior, 46(5): 228-238.

马中红，刘泽宇. 2020. “玩”出来的新职业——国内电子竞技职业发展考察. 中国青年研究，（11）：20-28.

Ma Zhonghong, and Liu Zeyu. 2020. "Play" out of the New Profession-Domestic E-Sports Career Development Study. China Youth Study,(11): 20-28.

潘峰华，赖志勇，葛岳静. 2013. 社会网络分析方法在地缘政治领域的应用. 经济地理，33（7）：15-21.

Pan Fenghua, Lai Zhiyong, and Ge Yuejing. 2013. Social Network Analysis in Geo-Politics Studies. Economic Geography, 33(7): 15-21.

Parshakov P, and Zavertiaeva M. 2015. Success in ESports: Does Country Matter?. (2016-03-02) [2022-10-15]. http://papers.ssrn.com/abstract=2662343.

Parshakov P, Coates D, and Zavertiaeva M. 2018. Is Diversity Good or Bad? Evidence from ESports Teams Analysis. Applied Economics, 50(47): 5062-5073.

Rothaermel F T, and Sugiyama S. 2001. Virtual Internet Communities and Commercial Success: Individual and Community-Level Theory Grounded in the Atypical Case of TimeZone.com. Journal of Management, 27(3): 297-312.

Saiz-Alvarez J M, Palma-Ruiz J M, Valles-Baca H G, and Fierro-Ramírez L A. 2021. Knowledge Management in the Esports Industry: Sustainability, Continuity, and Achievement of Competitive Results. Sustainability, 13(19): 1-20.

Scherngell T, and Hu Y. 2011. Collaborative Knowledge Production in China: Regional Evidence from a Gravity Model Approach. Regional Studies, 45(6): 755-772.

沈鸿雁，葛琦. 2016. 新媒体的另一种知识生产与文化实践——欧美电子游戏出版的启示. 传媒，（21）：52-53.

Shen Hongyan, and Ge Qi. 2016. Alternative Knowledge Production and Cultural Practices in New Media-Insights from Video Game Publishing in Europe and America. Media, (21): 52-53.

Shukla P, and Drennan J. 2018. Interactive Effects of Individual- and Group-Level Variables on Virtual Purchase Behavior in Online Communities. Information & Management, 55(5): 598-607.

Sirola A, Savela N, Savolainen I, Markus K, and Oksanen A. 2021. The Role of Virtual Communities in Gambling and Gaming Behaviors: A Systematic Review. Journal of Gambling Studies, 37(3): 165-187.

Steinkuehler C. 2020. Esports Research: Critical, Empirical, and Historical Studies of Competitive Videogame Play. Games and Culture, 15(1): 3-8.

孙中伟，王杨，田建文. 2014. 地理学空间研究的转向：从自然到社会、现实到虚拟. 地理与地理信息科学，30（6）：112-116.

Sun Zhongwei, Wang Yang, and Tian Jianwen. 2014. Turns of Geography Space Research: From Natural Space to Social Space and Realistic Space to Virtual Space. Geography and Geo-Information Science, 30(6): 112-116.

Trepte S, Reinecke L, and Juechems K. 2012. The Social Side of Gaming: How Playing Online Computer Games Creates Online and Offline Social Support. Computers in Human Behavior, 28(3): 832-839.

Wagner P. 2006. Statements of Apology: A Matter of Ethics. South Dakota Journal of Medicine, 59(10): 437-438.

王庆喜，胡志学. 2021. 多维邻近下浙江城市创新网络演化及其机制研究. 地理科学，41（8）：1380-1388.

Wang Qingxi, and Hu Zhixue. 2021. Urban Innovation Network of Zhejiang from the Perspective of Multidimensional Proximities. Scientia Geographica Sinica, 41(8): 1380-1388.

文彤，邱佳佳. 2018. 旅游虚拟社区网络演化特征分析——以“马蜂窝”为例. 地理与地理信息科学，34（6）：119-126.

Wen Tong, and Qiu Jiajia. 2018. Analysis on Network Evolution Characteristics of Tourism Virtual Community: A Case Study of Mafengwo Website. Geography and Geo-Information Science, 34(6): 119-126.

Xue H, Newman J I, and Du J. 2019. Narratives, Identity and Community in Esports. Leisure Studies, 38(6): 845-861.

张凯煌，千庆兰. 2021. 中国新能源汽车产业创新网络特征及其多维邻近性成因. 地理研究，40（8）：2170-2187.

Zhang Kaihuang, and Qian Qinglan. 2021. Characteristics and Proximities Mechanism of China's New Energy Vehicle Industry Innovation Network. Geographical Research, 40(8): 2170-2187.

詹绍文，朱一鑫，程哲，窦世斌. 2021. 电竞产业空间格局演化及其影响因素——以上海市为例. 热带地理，41（2）：303-314.

Zhan Shaowen, Zhu Yixin, Cheng Zhe, and Dou Shibin. 2021. Spatio-Temporal Evolution and Influencing Factors of E-Sports Industry: A Case Study of Shanghai. Tropical Geography, 41(2): 303-314.

赵炎，王琦，郑向杰. 2016. 网络邻近性、地理邻近性对知识转移绩效的影响. 科研管理，37（1）：128-136.

Zhao Yan, Wang Qi, and Zheng Xiangjie. 2016. Impact of Network Vicinity and Geographical Proximity to Knowledge Transfer Performance. Science Research Management, 37(1): 128-136.

Options
Outlines

/

〈 〉