■　張　倫　胥琳佳　易　妍

?

在線社交媒體信息傳播效果的結(jié)構(gòu)性擴散度

■張倫胥琳佳易妍

本研究擬通過“禽流感”這一微博信息傳播案例,探討信息的結(jié)構(gòu)性擴散度特征——這一旨在挖掘在線信息傳播的結(jié)構(gòu)性測量指標。具體而言,本研究探討了結(jié)構(gòu)性擴散度的分布特征、結(jié)構(gòu)性擴散度與其他傳播效果測量方式的相關(guān)性/差異性以及結(jié)構(gòu)性擴散度的影響因素。研究發(fā)現(xiàn),結(jié)構(gòu)性擴散度的分布與傳播廣度相比,其分布更趨向于正態(tài)分布；結(jié)構(gòu)性擴散度與傳播廣度、傳播深度等廣泛應(yīng)用的測量在線信息傳播效果的指標無相關(guān)度。此外,本研究還發(fā)現(xiàn),與原發(fā)微博內(nèi)容特征相比,用戶特征和參與轉(zhuǎn)發(fā)的信息傳播者特征更能夠解釋結(jié)構(gòu)性擴散度的差異。

傳播效果;傳播廣度;傳播速度;結(jié)構(gòu)性擴散

以Web 2.0為技術(shù)構(gòu)架基礎(chǔ)的社會化媒體,其互動性、實時性、“去中心化”等技術(shù)特征變革了個體信息傳播行為,具體表現(xiàn)在計算機輔助溝通技術(shù)能夠輔助用戶構(gòu)建在線人際關(guān)系,并大大提高信息傳播效率；同時,信息發(fā)布和接收的成本也被大大降低。從社會系統(tǒng)的宏觀視角來說,社會化媒體技術(shù)對宏觀信息傳播模式也產(chǎn)生了實質(zhì)性的影響。信息不需要到達傳統(tǒng)意義上的大眾媒介把關(guān)人,就可以以幾乎無成本的條件發(fā)布到社會化媒體平臺。

探討在線信息的傳播效果,判定影響信息傳播效果的主要因素,并利用經(jīng)驗數(shù)據(jù)驗證宏觀信息傳播模式的變革,是在上述技術(shù)背景下信息傳播領(lǐng)域重要的理論發(fā)展路徑。在過去幾年中,信息傳播領(lǐng)域針對信息傳播效果進行了諸多探討。對信息傳播效果的測量,可以從絕對數(shù)量(Quantity)、時效(Timeliness)以及結(jié)構(gòu)(Structure)三個維度分別進行操作化定義(Zhang & Peng,2015)①。從“數(shù)量”維度,一般用信息的傳播廣度(例如,微博中信息的被轉(zhuǎn)發(fā)次數(shù))來進行測量(Zhang,et al.,2014)②。從“時效”角度而言,一般用傳播速度來進行測量。傳播速度測量的是一條信息快速獲得他人關(guān)注的程度。對于突發(fā)公共事件(例如公共衛(wèi)生事件、辟謠等)等具有時效性的信息,傳播速度是衡量傳播效果不可或缺的指標之一。研究發(fā)現(xiàn),信息之間的傳播速度差異很大。例如,Cha,Mislove,&Gummadi(2009)③通過對4個Flickr中的樣本信息的擴散速度研究發(fā)現(xiàn),不同信息的傳播速度不同,其可呈現(xiàn)出傳播時間相對均等,長時間靜止后突然快速傳播或早期傳播速度快、而后經(jīng)歷穩(wěn)步傳播等情形。從“結(jié)構(gòu)”角度而言,最廣泛應(yīng)用的傳播效果測量指標為傳播深度。既往研究表明,如果一條信息的傳播深度能夠達到4步(hops),則該條信息在全網(wǎng)傳播的可能性較大。

但是,既往研究對于探討不同維度傳播效果的影響機制存在著一定的弊端。一般而言,信息的傳播廣度被認為是最重要的傳播效果測量指標。首先,這種單一化的評價標準忽視了社會化媒體的結(jié)構(gòu)性優(yōu)勢以及即時性優(yōu)勢(Goel,Anderson,Hofman,& Watts,2013)④。傳播范圍測量的是信息的“廣播式(Broadcasting)”傳播效果。而社會化媒體由于嵌入用戶社會關(guān)系,使得信息能夠沿著用戶的社交網(wǎng)絡(luò),進行在線“病毒式(Viral)”傳播(或稱“在線口耳相傳(E-Word of Mouth)”傳播)。傳播廣度無法有效測量信息的“病毒式傳播”程度。其二,既往研究發(fā)現(xiàn),信息傳播廣度具有高度不平均性特征。例如,一項對Flickr的研究發(fā)現(xiàn),在該社交網(wǎng)絡(luò)中,大部分的圖片(1000萬)信息只得到了不多于10次傳播,而只有很小一部分信息(n= 252,126)能夠得到上千次傳播(Cha,Mislove & Gummadi,2009)⑤。這種冪律分布(Power-law)特征,使得該測量指標區(qū)分度不夠。雖然傳播深度也一定程度上能夠反映信息傳播的結(jié)構(gòu)特征,但該值受極值影響較大。該測量指標用一條信息的最長子傳播路徑來指代整個信息傳播網(wǎng)絡(luò)的結(jié)構(gòu)特征,不能夠反映該信息傳播網(wǎng)絡(luò)的一般性結(jié)構(gòu)特點。

綜上,本研究旨在探討測量社交媒體在線信息傳播效果的另一結(jié)構(gòu)指標——結(jié)構(gòu)性擴散度(Structural Virality)測量信息傳播效果的效度,并探討該指標對于彌補當(dāng)前傳播效果測量指標既有缺陷的意義。

一、結(jié)構(gòu)性擴散度的操作化定義

結(jié)構(gòu)性擴散度(Structural Virality)指一條信息的傳播路徑傾向于代際傳播的程度。一條具有n個信息節(jié)點的擴散路徑(Diffusion Tree)T中,任意兩個節(jié)點i、j間的平均路徑距離(Goel,Anderson,Hofman,& Watts,2013)⑥。

V(T)是結(jié)構(gòu)性擴散度的連續(xù)性度量。該值越高,表明代際傳播越深；該值越小,表明信息傳播傾向于“廣播式”傳播。

結(jié)構(gòu)性擴散度測量的是一條信息所能經(jīng)過的異質(zhì)性人群的程度,其一定程度上反映了該條信息激發(fā)產(chǎn)生新的對話的能力(Huffaker,2010)⑦。其結(jié)構(gòu)性擴散度越深,該信息越有可能得到全網(wǎng)絡(luò)范圍的傳播；相反,傳播深度較淺則說明該信息只能在某一局部網(wǎng)絡(luò)(往往是同質(zhì)性小圈子)里傳播(Cha,Haddadi,Benevenuto,& Gummadi,2010)⑧。

二、研究問題

本研究擬通過“禽流感”這一微博信息傳播案例,探討信息的結(jié)構(gòu)性擴散度特征,即結(jié)構(gòu)性擴散度的分布特征、結(jié)構(gòu)性擴散度與其他傳播效果測量方式的相關(guān)性/差異性以及結(jié)構(gòu)性擴散度的影響因素。具體而言,本文的三個研究問題如下:

研究問題一:結(jié)構(gòu)性擴散度其分布呈何特征？

結(jié)構(gòu)性擴散度具有何種分布特征？其分布呈現(xiàn)出正態(tài)化趨勢還是冪律不平等分布趨勢？如果結(jié)構(gòu)性擴散度的分布呈現(xiàn)出正態(tài)分布特征,則說明該指標能夠一定程度上區(qū)分不同信息的傳播效果。

研究問題二:結(jié)構(gòu)性擴散度與傳播效果的一般測量指標(即廣度和速度)是否具有相關(guān)性？

如上文所言,信息傳播效果測量指標可分為多個維度,即“數(shù)量”維度、“時效”維度以及“結(jié)構(gòu)”維度。因此,代表“結(jié)構(gòu)”維度的測量指標結(jié)構(gòu)性擴散度如果具有區(qū)分效度(Discrimination Validity),應(yīng)與其他維度測量指標(例如傳播廣度、傳播速度等)具有一定的相關(guān)性,但不應(yīng)高度相關(guān)(BagbyTaylor & Parker,1994)⑨；否則認為該測量指標的區(qū)分信度較低,即可以用其他指標代替該指標。

研究問題三:結(jié)構(gòu)性擴散度的影響因素有哪些？

信息傳播結(jié)構(gòu)性擴散度意味著該條信息所能夠到達的異質(zhì)性人群。換言之,該指標測量的是信息的結(jié)構(gòu)性“滲透”能力。馬爾科姆·格拉德威爾(Malcolm Gladwell)提出的“引爆點”假說認為,一條信息能否得到病毒式擴散,取決于諸多條件(Gladwell,2006)⑩。其一是信息本身的特點,格拉德威爾將其稱為“附著力法則”(The Stickiness Factor),即信息本身具有能夠吸引受眾的內(nèi)容特點;其二是參與轉(zhuǎn)發(fā)信息的傳播者特點,作者將其稱為“個別人物法則(The Law of Few)”。格拉德威爾認為,信息的成功擴散很大程度上取決于參與傳播進程的具有社交天賦(Social Gift)的人。這些人往往充當(dāng)著社會網(wǎng)絡(luò)中的連接者(Connectors)、內(nèi)行(Mavens)和推銷員(Salesman)的角色。“連接者”往往是占據(jù)信息傳播網(wǎng)絡(luò)中的“結(jié)構(gòu)洞”位置的個體,其能夠連接處于不同領(lǐng)域、不同社交圈子的用戶?！皟?nèi)行”指“信息專家”(Information Specialists),其能夠獲得最新的信息。而“推銷員”則指具有協(xié)商和說服能力的人,這些人能夠試圖說服他人接受信息。

基于“引爆點”假說,本研究將引入“信息發(fā)布者結(jié)構(gòu)特征及行為特征”“原發(fā)微博內(nèi)容特征”和“信息傳播者的結(jié)構(gòu)特征以及行為特征”,對格拉德威爾的“附著力法則”以及“個別人物法則”進行概念化與操作化,從經(jīng)驗性角度分析這一假說的可證偽性,并探索影響一條信息結(jié)構(gòu)性擴散度的主要因素。具體而言,“附著力法則”主要指“原發(fā)微博內(nèi)容特征”,其包括信息的話題特征以及情感傾向?！皞€別人物法則”則指“信息發(fā)布者和信息傳播者的結(jié)構(gòu)特征以及行為特征”,包括信息發(fā)布者的社交媒體使用經(jīng)驗、在線身份、所處地理位置、結(jié)構(gòu)特征(粉絲數(shù)、關(guān)注好友數(shù))以及在線活躍度(已發(fā)微博數(shù))；信息傳播者的結(jié)構(gòu)特征(例如信息傳播者平均粉絲數(shù)、關(guān)注好友數(shù))、在線活躍度、平均社交網(wǎng)絡(luò)使用經(jīng)驗以及參與轉(zhuǎn)發(fā)的權(quán)威用戶數(shù)量(詳見表2)。

三、研究方法

本研究以“禽流感數(shù)據(jù)”為例,計算每條信息的結(jié)構(gòu)化擴散度以及相關(guān)傳播效果測量指標。

(一)數(shù)據(jù)收集

1.關(guān)鍵詞確定

我們首先用“禽流感”這個關(guān)鍵詞在“新浪微博”中隨機抓取1000條微博,用關(guān)鍵詞相關(guān)性檢測確定到“H7N9”這個詞與“禽流感”的關(guān)聯(lián)度較高。再分別用“禽流感”和“H7N9”抓取微博,發(fā)現(xiàn)其重合度高達95.4%,最終確定以“禽流感”作為關(guān)鍵詞抓取數(shù)據(jù)。

本研究主要采用新浪微博最高權(quán)限的API獲取數(shù)據(jù),首先抓取了2013年全年的微博帖子帶有“禽流感”關(guān)鍵詞的帖子,帖子總數(shù)708171條,評論總數(shù)948597,轉(zhuǎn)發(fā)總數(shù)為2656511。發(fā)現(xiàn)其中4月和12月的微博數(shù)量最多,分別為128383和93219,并核對事實發(fā)現(xiàn),當(dāng)時有禽流感疫情的相關(guān)信息流傳。最終決定選擇2013年4月的61024條微博作為研究對象。其中,納入本研究發(fā)生多于10次轉(zhuǎn)發(fā)的微博為56331條,包含于787條原發(fā)微博中。這部分數(shù)據(jù)最終納入本研究數(shù)據(jù)分析。

(二)測量

1.帖子主題

本研究首先利用語義建模(LDA,Latent Dirichlet Allocation)算法,對文檔集合進行建模,并進行主題的聚類和發(fā)現(xiàn)。結(jié)合對500條微博的人工編碼(Cronbach’s alpha=0.91),本研究最終確定了“疫情發(fā)展”“死亡確診”“防治方法”“應(yīng)對措施”“辟謠通報”“禽類動向”“其他”共七類話題?！耙咔榘l(fā)展”主要包括患者情況、確診感染情況、疑似報告等；“死亡確診”即為有患者因禽流感而死亡的信息；“防治方法”主要是預(yù)防禽流感的各種方法，殺菌、消毒等各種防護；“應(yīng)對措施”主要包括政府部門的部署工作、相應(yīng)的政策法規(guī)、大規(guī)模消毒等方案的制定等；“辟謠通報”主要是謠言的澄清等內(nèi)容；“禽類動向”主要是雞肉、雞、鳥等禽類的動向以及人們對它們的態(tài)度等；“其他”即為沒有包含上述內(nèi)容的信息。

我們把編碼結(jié)果放入全數(shù)據(jù)進行機器學(xué)習(xí)(支持向量機模型,Support Vector Machine,SVM),針對微博的主題分類，結(jié)果準確度為0.56。雖然這個結(jié)果在機器學(xué)習(xí)的結(jié)果中尚且較為理想,但是放在整體數(shù)據(jù)之下仍然不能讓人滿意。于是我們進一步確定了類別的相關(guān)詞,然后用種子詞匯進行分類,再隨機抽取結(jié)果500條,發(fā)現(xiàn)準確度為0.85,這個結(jié)果令人滿意。

2.帖子情感傾向性

傾向性包括“負面”“中性”“正面”,分別代表帖子內(nèi)容對禽流感事件的態(tài)度傾向性。劃分的方法是基于詞庫的情感分析方法,即利用HowNet情感詞庫進行匹配。詞庫的建立包括連詞、否定、褒義、貶義、程度和表情。通過語法規(guī)則解析、情感褒貶判斷、程度判斷、表情符號修正等步驟判別微博的情感值。

3.信息發(fā)布者在線身份

本研究利用首發(fā)用戶的個人描述(Description)和認證信息內(nèi)容對“用戶身份”進行判斷,包括媒體類、政府機構(gòu)、健康醫(yī)療機構(gòu)、公眾四類。

本研究涉及的其他變量,例如信息發(fā)布者和信息傳播者所處地理位置、結(jié)構(gòu)特征(粉絲數(shù)、關(guān)注好友數(shù))以及在線活躍度(已發(fā)微博數(shù))均通過API從微博提取。信息發(fā)布者和傳播者的媒體使用經(jīng)驗則為用戶注冊時間與發(fā)布或轉(zhuǎn)發(fā)微博的時間差。

四、研究發(fā)現(xiàn)

1.結(jié)構(gòu)性擴散度及其分布特征

結(jié)構(gòu)性擴散度取值在1至5之間,均值為2.19(標準差為0.37)。由圖1可見,大部分信息的結(jié)構(gòu)性擴散度介于1.5至3之間,另外很少一部分信息的結(jié)構(gòu)性擴散度介于3至5之間。其分布呈現(xiàn)出不平均趨勢,但與傳播廣度相比,不平均趨勢不明顯。

圖3顯示了結(jié)構(gòu)性擴散度與多個傳播效果測量指標——即平均速度(avg.speed)、平均時間間隔(duration)、傳播速度(speed)、傳播廣度(spreadth)、以及傳播深度(depth)之間的相關(guān)性。

2.研究效果測量指標相關(guān)度

由表1可以發(fā)現(xiàn),結(jié)構(gòu)性擴散度與平均速度(avg.speed)、平均傳播時間總長(duration)、傳播速度(speed)、傳播廣度(spreadth)的相關(guān)系數(shù)均不顯著。這說明,結(jié)構(gòu)性擴散度具有一定的區(qū)分效度。為了更直觀地說明問題,我們挑選出了6個案例。以圖2-e為例,該信息的結(jié)構(gòu)性擴散度取值較高,但其傳播范圍(用轉(zhuǎn)發(fā)量計算)較低；而圖2-f則相反,該信息的結(jié)構(gòu)性擴散度非常低,卻具有較廣泛的傳播范圍。傳播深度與結(jié)構(gòu)性擴散度的相關(guān)系數(shù)較高,這是因為傳播深度為一條信息傳播網(wǎng)絡(luò)的最大路徑長度,而結(jié)構(gòu)性則為該條信息傳播網(wǎng)絡(luò)的平均路徑長度。

3.結(jié)構(gòu)性擴散度的影響因素

本研究將結(jié)構(gòu)性擴散度作為因變量,納入“信息發(fā)布者特征”“原發(fā)微博內(nèi)容特征”以及參與信息轉(zhuǎn)發(fā)的“信息傳播者特征”,來解釋影響信息傳播結(jié)構(gòu)性擴散度的可能因素。

該解釋模型利用線性回歸模型進行分析,其R2值為0.20,這說明,本模型納入的自變量解釋了結(jié)構(gòu)性擴散度20%的方差。根據(jù)表2可以看出,與原發(fā)微博內(nèi)容特征相比,信息發(fā)布者特征和參與轉(zhuǎn)發(fā)的信息傳播者特征更能夠解釋結(jié)構(gòu)性擴散度的差異。就信息發(fā)布者特征而言,第一,信息發(fā)布者的身份顯著影響了結(jié)構(gòu)性擴散度。與普通公眾相比,以“媒體”和“政府”身份發(fā)布的微博,其結(jié)構(gòu)性擴散度更淺(回歸系數(shù)媒體=-0.14,p<0.001;回歸系數(shù)政府=-0.11,p<0.05)。這說明,“媒體”和“政府”發(fā)布的信息更傾向于“廣播式”傳播,而較難進行具有滲透性的在線人際傳播。第二,信息發(fā)布者的粉絲數(shù)能夠促進結(jié)構(gòu)性擴散度的增長(回歸系數(shù)=-0.056,p<0.001)。第三,信息發(fā)布者所處的地理位置如果是上海,與其他地區(qū)相比,其結(jié)構(gòu)性擴散度更淺(回歸系數(shù)=-0.121,p<0.01)。這說明,禽流感的發(fā)生地信息更傾向于“廣播式”傳播。

圖1　結(jié)構(gòu)性擴散度與傳播廣度分布圖

圖2　不同結(jié)構(gòu)性擴散度取值的H7N9信息傳播案例

圖3　研究效果測量指標相關(guān)度散點圖

傳播時間總長速度傳播廣度傳播深度結(jié)構(gòu)性擴散度平均傳播速度0.733***-0.015-0.0270.0510.121傳播時間總長-0.076-0.0340.0310.126速度(speed)0.346-0.175-0.152傳播廣度-0.061-0.173傳播深度0.731***

表2　結(jié)構(gòu)性擴散度影響因素回歸模型

注:*** p < 0.001;** p < 0.01;* p < 0.05

就參與轉(zhuǎn)發(fā)節(jié)點特征而言,信息轉(zhuǎn)發(fā)者的社交網(wǎng)絡(luò)平均使用經(jīng)驗(回歸系數(shù)=0.02,p<0.001)以及后續(xù)信息傳播中VIP用戶的參與(回歸系數(shù)=0.008,p<0.001)能夠增大該條信息的結(jié)構(gòu)性擴散度。但信息轉(zhuǎn)發(fā)者的結(jié)構(gòu)特征(例如平均粉絲數(shù)、平均關(guān)注好友數(shù))以及信息轉(zhuǎn)發(fā)者的活躍度對結(jié)構(gòu)性擴散度均無顯著影響。

五、討論

本研究旨在介紹“結(jié)構(gòu)性擴散度”這一能充分反映在線信息傳播特征的傳播效果指標,并系統(tǒng)性總結(jié)和比較社會化媒體信息傳播效果的測量指標之間的差異。從方法論的角度而言,“結(jié)構(gòu)性擴散度”這一信息效果測量指標彌補了既往主流信息效果測量指標不能夠反映結(jié)構(gòu)性擴散效果的缺陷,從而能夠更為直接地測量社會化媒體中在線人際傳播趨勢。

此外,本研究還具有實踐指導(dǎo)意義。不同類別的信息,探究其傳播效果的側(cè)重維度不同。例如,對于健康議題(Health Emergency)信息,其結(jié)構(gòu)性擴散效果以及時效性更為重要。信息傳播速度對于公共衛(wèi)生管理部門做出有效的危機干預(yù)措施有著重要的決策意義。而對于在線營銷類信息,其傳播廣度更為營銷實踐者所重視。

注釋:

①Zhang,L.,Peng,T.(2015).Breadth,Depth,andSpeed:DiffusionofAdvertisingMessagesonMicrobloggingSites.Internet Research,25(3).

③⑤Cha,M.,Mislove,A.,& Gummadi,K.P.(2009).AMeasurement-drivenAnalysisofInformationPropagationintheFlickrSocialNetwork.Paper presented at the Proceedings of the 18th International Conference on World Wide Web.pp.721-730.

④⑥Goel,S.,Anderson,A.,Hofman,J.& Watts,D.(2013).TheStructuralViralityofOnlineDiffusion.Preprint.p.22,p.26.

⑦Huffaker,D.(2010).DimensionsofLeadershipandSocialInfluenceInOnlineCommunities.Human Communication Research,36(4),pp.593-617.

⑧Cha,M.,Haddadi,H.,Benevenuto,F.,&Gummadi,P.K.(2010).MeasuringUserInfluenceinTwitter:TheMillionFollowerFallacy.ICWSM,10(10-17),30.

⑨Bagby,R.M.,Taylor,G.J.,& Parker,J.D.(1994).TheTwenty-itemTorontoAlexithymiaScale—II.Convergent,Discriminant,andConcurrentValidity.Journal of Psychosomatic Research,38(1),pp.33-40.

⑩Gladwell,M.(2006).TheTippingPoint:HowLittleThingsCanMakeaBigDifference:Little,Brown.pp.1-4.

(作者張倫系北京師范大學(xué)藝術(shù)與傳媒學(xué)院副教授；胥琳佳系對外經(jīng)濟貿(mào)易大學(xué)中國語言文學(xué)學(xué)院講師；易妍系華東師范大學(xué)政治學(xué)系講師)

【責(zé)任編輯:潘可武】

*本文系國家社會科學(xué)基金青年項目“社會化媒體中公共事件話語框架及其演化機制研究”(項目編號:14CXW015)的研究成果。