楊長(zhǎng)春 王 睿

(常州大學(xué)商學(xué)院，江蘇 常州 213164)

具有即時(shí)性、傳播速度快，影響力廣、互動(dòng)性強(qiáng)等特點(diǎn)的微博平臺(tái)是快速興起的信息發(fā)布平臺(tái)，其引發(fā)的輿論信息量不斷擴(kuò)大，對(duì)社會(huì)各界人士越來(lái)越有影響力，政務(wù)微博作為微博的主要組成部分，受到學(xué)術(shù)界越來(lái)越廣泛的關(guān)注。韓娜根據(jù)拉斯韋爾的5W傳播模式理論，對(duì)政務(wù)微博的傳播特性以及傳播模式方面展開(kāi)了研究[1]。張雨通過(guò)多個(gè)實(shí)際案例對(duì)政務(wù)微博的管理進(jìn)行了研究，以公眾對(duì)政府的3種期待為出發(fā)點(diǎn)來(lái)塑造政府形象，并且提出通過(guò)微博的聯(lián)合成群、鏈接擴(kuò)容、轉(zhuǎn)發(fā)擴(kuò)散來(lái)擴(kuò)大政委微博的傳播效果[2]。Wu Guohua認(rèn)為政務(wù)微博是政府部門(mén)與公眾形成良好互動(dòng)的重要渠道，并可以此提高政府的公信力，有利于公眾對(duì)政府管理危機(jī)產(chǎn)生積極的回應(yīng)[3]。

政務(wù)微博是指由黨政機(jī)構(gòu)或黨政機(jī)構(gòu)官員開(kāi)通的在微博平臺(tái)經(jīng)過(guò)實(shí)名認(rèn)證的，用以發(fā)布各種政務(wù)信息、促進(jìn)政府信息公開(kāi)、加強(qiáng)官民互動(dòng)交流、塑造政府新形象、加強(qiáng)政府公共服務(wù)等內(nèi)容的微博[4]。湖南桃源縣于2009年開(kāi)通其官方微博“桃源網(wǎng)”，成為我國(guó)最早開(kāi)通的政務(wù)微博，之后我國(guó)的政務(wù)微博步入高速發(fā)展階段。據(jù)人民網(wǎng)輿情監(jiān)測(cè)室發(fā)布的《2017年第一季度人民日?qǐng)?bào)·政務(wù)指數(shù)微博影響力報(bào)告》顯示，截至2017年3月31日，新浪平臺(tái)認(rèn)證的政務(wù)微博用戶已達(dá)到168 839個(gè)，比2016年底增加了4 317個(gè)。其中政務(wù)機(jī)構(gòu)開(kāi)通的微博有129 568個(gè)，公務(wù)人員開(kāi)通的微博有39 271個(gè)[5]。政務(wù)微博的出現(xiàn)，既能夠讓政府部門(mén)提供即時(shí)信息發(fā)布、獲取民情民生的最新動(dòng)態(tài)、提供更好的群眾服務(wù)工作、重新樹(shù)立政府新形象，同時(shí)也為廣大人民群眾及時(shí)了解政策信息、發(fā)表意見(jiàn)觀點(diǎn)、實(shí)施監(jiān)督投訴、積極參與政治建設(shè)提供了新的途徑。微博問(wèn)政，既是順應(yīng)網(wǎng)絡(luò)時(shí)代發(fā)展的產(chǎn)物，更是新興的電子政務(wù)的重要組成部分，賦予了政府部門(mén)新的服務(wù)意識(shí)和責(zé)任意識(shí)，給與了公眾新的話語(yǔ)權(quán)和新的監(jiān)督權(quán)。

深入分析微博輿情的傳播主體以及輿論的影響力、社交媒體環(huán)境下的網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖，對(duì)于我國(guó)政府部門(mén)管控社交媒體環(huán)境下的網(wǎng)絡(luò)輿情具有重要意義[6]。政務(wù)微博的影響力狀況，在某種意義上決定了突發(fā)事件的輿情導(dǎo)向以及善后處理工作的完善程度。政務(wù)微博影響力的水平高低與政治輿論傳播生態(tài)和言論生態(tài)成正比關(guān)系[7]。通過(guò)對(duì)政務(wù)微博的影響力進(jìn)行指標(biāo)評(píng)價(jià)以及實(shí)證研究，有利于政府了解和掌握目前政務(wù)微博的發(fā)展?fàn)顩r，發(fā)現(xiàn)不足之處，從而客觀地進(jìn)行查漏補(bǔ)缺，不斷改進(jìn)，真正做到服務(wù)于民；有利于政府部門(mén)了解公眾參與問(wèn)政詢政情況，了解民生所需，加強(qiáng)公共服務(wù)建設(shè)；有利于政府部門(mén)與公眾坦誠(chéng)交流，共同解決難題，辦好實(shí)事，重新樹(shù)立政府新形象。本文構(gòu)建了以層次分析法(AHP)確定指標(biāo)權(quán)重的政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系，引進(jìn)信息計(jì)量學(xué)中的h指數(shù)對(duì)15家政務(wù)微博進(jìn)行篩選，最終留下10家較為優(yōu)質(zhì)的政務(wù)微博進(jìn)行實(shí)證研究，結(jié)果可為政務(wù)微博提高自身影響力和美譽(yù)度，以及加強(qiáng)政務(wù)建設(shè)、重塑政府形象提出建議。

1 政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系構(gòu)建

1.1 政務(wù)微博影響力的影響因素

通過(guò)分析政務(wù)微博頁(yè)面各要素以及挖掘影響政務(wù)微博影響力的各因素，本文借助因子分析方法，甄選出創(chuàng)造力、傳播力、服務(wù)力以及交互力4項(xiàng)一級(jí)指標(biāo)，發(fā)博總數(shù)、原創(chuàng)微博數(shù)、篇均閱讀量、粉絲數(shù)量、評(píng)論回復(fù)數(shù)、設(shè)置話題數(shù)、發(fā)博@其他用戶數(shù)、被轉(zhuǎn)發(fā)數(shù)、被評(píng)論數(shù)、被點(diǎn)贊數(shù)10項(xiàng)二級(jí)指標(biāo)。其結(jié)構(gòu)如圖1所示。

圖1 影響因素結(jié)構(gòu)圖

1.1.1 創(chuàng)造力

創(chuàng)造力衡量的是政務(wù)微博發(fā)布微博的數(shù)量與質(zhì)量。政務(wù)微博作為官民互動(dòng)交流溝通的窗口以及重要政務(wù)信息傳播的源頭，只有發(fā)布足夠的微博數(shù)量才能讓公眾及時(shí)了解當(dāng)前的政務(wù)情況，原創(chuàng)的微博更能體現(xiàn)政務(wù)微博參與網(wǎng)絡(luò)問(wèn)政的積極性與有效性。本文對(duì)政務(wù)微博的創(chuàng)造力采用發(fā)博總數(shù)和原創(chuàng)微博數(shù)進(jìn)行衡量。

1.1.2 傳播力

政務(wù)微博是政府部門(mén)發(fā)布信息的重要網(wǎng)絡(luò)陣地，是公眾及時(shí)了解政府政策、輿情事件的重要網(wǎng)絡(luò)平臺(tái)。因此，政務(wù)微博的傳播力度如何也是一項(xiàng)重要的評(píng)價(jià)指標(biāo)，本文政務(wù)微博的傳播力用微博篇均閱讀量以及微博用戶擁有的粉絲數(shù)量?jī)蓚€(gè)方面加以反映。

1.1.3 服務(wù)力

政務(wù)微博作為網(wǎng)絡(luò)問(wèn)政的重要手段，服務(wù)于民是其本職所在。政務(wù)微博回復(fù)公眾的提問(wèn)，采取“一對(duì)一”對(duì)話形式和設(shè)置話題種類，更能解決公眾心中疑惑，方便用戶搜索，在發(fā)微博時(shí)@其他用戶，可以明確地提醒其他用戶所要了解的信息，并且能夠使更多人了解消息，加快信息傳播，促進(jìn)官民之間的良性互動(dòng)，提升政務(wù)微博的服務(wù)能力。政務(wù)微博的服務(wù)力可從評(píng)論回復(fù)數(shù)、設(shè)置話題數(shù)以及發(fā)博@其他用戶數(shù)3個(gè)方面加以衡量。

1.1.4 交互力

政務(wù)微博的認(rèn)同力衡量的是公眾對(duì)政務(wù)微博的認(rèn)同理解程度。公眾認(rèn)可微博內(nèi)容，才會(huì)在微博博文上留下自己的足跡。因此，政務(wù)微博的認(rèn)同力可采用被轉(zhuǎn)發(fā)數(shù)、被評(píng)論數(shù)、被點(diǎn)贊數(shù)3個(gè)方面進(jìn)行衡量。

1.2 構(gòu)建政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系

本文構(gòu)建的政務(wù)微博評(píng)價(jià)指標(biāo)體系包括4項(xiàng)一級(jí)指標(biāo)和10項(xiàng)二級(jí)指標(biāo)。一級(jí)指標(biāo)包含創(chuàng)造力指標(biāo)、傳播力指標(biāo)、服務(wù)力指標(biāo)、交互力指標(biāo)。二級(jí)指標(biāo)包含發(fā)博總數(shù)、原創(chuàng)微博數(shù)、微博篇均閱讀量、粉絲數(shù)量、評(píng)論回復(fù)數(shù)、設(shè)置話題數(shù)、發(fā)博@其他用戶數(shù)、被轉(zhuǎn)發(fā)數(shù)、被評(píng)論數(shù)、被點(diǎn)贊數(shù)。政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系詳見(jiàn)表1。

表1 政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系

表1(續(xù))

2 政務(wù)微博影響力研究設(shè)計(jì)

2.1 研究方法

通過(guò)對(duì)相關(guān)文獻(xiàn)的查閱，梳理出目前研究微博影響力采用的幾種主要方法：①基于多層結(jié)構(gòu)。趙紅等[8]對(duì)用戶特征和微博屬性特征進(jìn)行界定，提出影響微博信息的多層結(jié)構(gòu)，建立多層線性模型來(lái)研究影響微博轉(zhuǎn)發(fā)量的各種因素，采用非參數(shù)拔靴法對(duì)模型的統(tǒng)計(jì)推斷結(jié)果進(jìn)行了改進(jìn)。②Page Rank算法及其改進(jìn)算法。張俊豪等[9]根據(jù)PageRank算法以及用戶行為提出了綜合考量用戶自身活躍度和用戶之間聯(lián)系度的影響力評(píng)估(UIA)算法，該算法不僅改進(jìn)了PageRank主題漂移的缺點(diǎn)，還對(duì)微博用戶的影響力進(jìn)行了系統(tǒng)化衡量。③主成分分析法。劉清等[10]采用主成分分析法推算出各指標(biāo)權(quán)重，建立了微博影響力評(píng)價(jià)模型。④因子分析和聚類算法。趙阿敏等[7]用16家省級(jí)政務(wù)微博作為研究樣本，構(gòu)建了政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系，通過(guò)因子分析法和聚類分析法對(duì)政務(wù)微博的影響力進(jìn)行評(píng)價(jià)與實(shí)證研究。結(jié)果表明，16家政務(wù)微博的影響力呈現(xiàn)出底部巨大的“金字塔型”結(jié)構(gòu)。

目前，將h指數(shù)運(yùn)用于微博影響力的相關(guān)研究相對(duì)薄弱。本文引入能夠有效衡量科學(xué)家績(jī)效的h指數(shù)，通過(guò)綜合h指數(shù)的排名比較篩選出相對(duì)優(yōu)質(zhì)的政務(wù)微博進(jìn)行研究，運(yùn)用層次分析法(AHP)確定各指標(biāo)權(quán)重并應(yīng)用到實(shí)證研究，全面地對(duì)政務(wù)微博影響力進(jìn)行定量研究，以期對(duì)政府有效管理和使用微博提出合理的建議。

2.2 h指數(shù)

h-index又稱為h指數(shù)或h因子，是一種可靠客觀的評(píng)價(jià)科學(xué)家學(xué)術(shù)成就的方法。多年來(lái)，經(jīng)過(guò)眾多學(xué)者的延伸和拓展，在進(jìn)行機(jī)理分析和實(shí)證研究的基礎(chǔ)上被應(yīng)用到其他學(xué)科或領(lǐng)域。Jorge E Hirsch[11]于2005年提出了h指數(shù)，定義為：如果某位科學(xué)家發(fā)表的N篇論文中有h篇論文被引用的次數(shù)大于等于數(shù)字h，而剩下的(N-h)篇論文中的每一篇的被引用次數(shù)都小于等于h，那么該科學(xué)家的h指數(shù)就是h。其他學(xué)者修正并拓展了h指數(shù)的定義，Rousseau R[12]給出了離散h指數(shù)的定義：把科學(xué)家S發(fā)表的論文按照被引用的次數(shù)降序排列，每篇論文都有屬于自己的編號(hào)(就算被引用次數(shù)相同，每篇文章的編號(hào)也不相同)，當(dāng)且僅當(dāng)編號(hào)h前的每篇論文的被引用次數(shù)大于等于h，并且編號(hào)第h+1篇論文的被引用次數(shù)嚴(yán)格小于h+1時(shí)。那么科學(xué)家S的h指數(shù)才為h。

2.3 h指數(shù)應(yīng)用于微博影響力的可行性分析

基于引文數(shù)據(jù)提出的h指數(shù)同樣適用于微博的被評(píng)論、被轉(zhuǎn)發(fā)等數(shù)據(jù)環(huán)境。因此可以將h指數(shù)應(yīng)用到微博數(shù)據(jù)的研究。比如微博的被轉(zhuǎn)發(fā)/被評(píng)論的數(shù)據(jù)按照次數(shù)降序排列并從上到下依次編號(hào)，得到的就是一個(gè)類似于引文數(shù)據(jù)中h指數(shù)所定義的論文數(shù)與引文數(shù)的數(shù)據(jù)列表[13]。例如將某個(gè)連續(xù)時(shí)間段的微博數(shù)據(jù)按照被轉(zhuǎn)發(fā)的次數(shù)降序排列并從上到下依次編號(hào)，前5個(gè)微博的被轉(zhuǎn)發(fā)次數(shù)至少為5，從編號(hào)6起，微博的被轉(zhuǎn)發(fā)次數(shù)都比6小，那么該微博的被轉(zhuǎn)發(fā)次數(shù)的h指數(shù)就是5。微博被轉(zhuǎn)發(fā)h指數(shù)等于5說(shuō)明：在某個(gè)連續(xù)時(shí)間段內(nèi)，某篇微博的被轉(zhuǎn)發(fā)的頻次大于等于5。微博的被轉(zhuǎn)發(fā)h指數(shù)計(jì)算方法詳見(jiàn)表2。

表2 微博數(shù)據(jù)的被轉(zhuǎn)發(fā)/被評(píng)論h指數(shù)計(jì)算示例

2.4 層次分析法(AHP)

美國(guó)教授薩蒂[14]于20世紀(jì)70年代初最早提出層次分析法，它是把影響決策目標(biāo)的因素進(jìn)行逐一分解，形成決策、中間要素、備選方案等層次，并兼顧定性以及定量分析的系統(tǒng)決策方法，該方法己經(jīng)廣泛應(yīng)用于各個(gè)領(lǐng)域。層次分析法是把研究對(duì)象看做一個(gè)整體的系統(tǒng)，按照先分解、逐一比較判斷、最后綜合分析的分散思維方式?jīng)Q策，這種方法并不要求有高深的數(shù)學(xué)知識(shí)，對(duì)行為、推理、邏輯等過(guò)程也沒(méi)有過(guò)分注重，通過(guò)將定性與定量方法的有機(jī)結(jié)合，從而達(dá)到分解復(fù)雜問(wèn)題的目的，還能夠把人們的思考過(guò)程系統(tǒng)化、數(shù)學(xué)化，與機(jī)理分析、統(tǒng)計(jì)分析一樣重要的系統(tǒng)分析工具[15]。

3 政務(wù)微博影響力評(píng)價(jià)與比較分析過(guò)程

如上所述，本文采用層次分析法(AHP)來(lái)確定各指標(biāo)權(quán)重，具體做法如下：

1)邀請(qǐng)25位評(píng)判人員(包含17位任職于高校研究以及8位從事社會(huì)研究的社交網(wǎng)絡(luò)的學(xué)者和專家)對(duì)各指標(biāo)的相對(duì)重要性作出評(píng)判，構(gòu)造出表3所示的成對(duì)比判斷矩陣A=(aij)n×n，其中aij是指標(biāo)Ai和Aj相對(duì)于準(zhǔn)則B的相對(duì)重要性，準(zhǔn)則B一般采取9層標(biāo)度法，詳見(jiàn)表4。

表3 成對(duì)比較判斷矩陣

表4 判斷矩陣標(biāo)度準(zhǔn)則

注：aij表示因素i相對(duì)于因素j的重要程度。

2)通過(guò)對(duì)判斷矩陣的運(yùn)算求出各級(jí)指標(biāo)權(quán)重并進(jìn)行一致性檢驗(yàn)。一致性檢驗(yàn)由以下步驟組成：

①算出一致性指標(biāo)CI

其中λmax表示判斷矩陣的最大特征值。

②查找平均隨機(jī)一致性指標(biāo)RI

③計(jì)算一致性指標(biāo)CR

當(dāng)且僅當(dāng)CR≤0.10，判斷矩陣視為是可接受的。

本文以4個(gè)一級(jí)指標(biāo)為例，得到判斷如下判斷矩陣A：

3)通過(guò)計(jì)算得出矩陣A的權(quán)重W=(0.1381,0.1953,0.3901,0.2761)，CI=0.0404，RI=0.9，CR=0.0449<0.10，故通過(guò)一致性檢驗(yàn)。同理求出二級(jí)指標(biāo)權(quán)重，匯總得出如表5所示的政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系權(quán)重表。

表5 政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系權(quán)重分布

4 實(shí)證研究

4.1 數(shù)據(jù)的選取

新浪微博是目前擁有政務(wù)微博數(shù)量最多的社交平臺(tái)，且政務(wù)部門(mén)種類齊全，發(fā)展時(shí)間長(zhǎng)，具有身份實(shí)名認(rèn)證，是值得信賴的官方權(quán)威發(fā)布，也是作為研究樣本的不二之選。所以，本文的研究樣本從新浪微博中選取，為確保研究對(duì)象具有客觀性和可比性，本文隨機(jī)選取了15家省會(huì)城市“政府—外宣”的政務(wù)微博作為數(shù)據(jù)獲取對(duì)象，為了保證研究對(duì)象的質(zhì)量，縮小差距，本文引進(jìn)信息計(jì)量學(xué)中的h指數(shù)，對(duì)15家政務(wù)微博所發(fā)微博的質(zhì)量與數(shù)量進(jìn)行評(píng)定篩選，最終確定10家政務(wù)微博用于本文的實(shí)證研究。為了確保研究的時(shí)效性與準(zhǔn)確性，本文選取的研究樣本是15家政務(wù)微博在2017年7月1日至7月31日期間發(fā)布的所有微博博文。使用八爪魚(yú)數(shù)據(jù)采集工具，于2017年8月6～8日采集了上海發(fā)布、成都發(fā)布、微博濟(jì)南等15家政務(wù)微博整個(gè)7月的所有微博，共計(jì)7 167條微博信息。

政務(wù)指數(shù)榜是專門(mén)針對(duì)政務(wù)微博的特色做出排名的榜單,提供新浪微博官方授權(quán)的微博數(shù)據(jù)，人民輿情檢測(cè)室與各大官方網(wǎng)站進(jìn)行合作制定個(gè)性化的排名榜單，由人民日?qǐng)?bào)發(fā)表的最權(quán)威的政務(wù)微博榜單排名。本文將對(duì)選取的10家政務(wù)微博的研究結(jié)果與政務(wù)指數(shù)榜的7月份榜單的排名進(jìn)行實(shí)證比較。

4.2 政務(wù)微博影響力評(píng)價(jià)指標(biāo)的研究樣本

本文引進(jìn)轉(zhuǎn)發(fā)h指數(shù)(hz)、評(píng)論h指數(shù)(hp)、點(diǎn)贊h指數(shù)(hd)以及綜合h指數(shù)(hm)對(duì)15家政務(wù)微博進(jìn)行排名篩選，從而獲得較為優(yōu)質(zhì)的實(shí)證研究對(duì)象。各h指數(shù)的詳細(xì)算法參照表2。綜合h指數(shù)(hm)是將hz指數(shù)、hp指數(shù)、hd指數(shù)通過(guò)適當(dāng)?shù)臋?quán)重加權(quán)合并計(jì)算得出的，計(jì)算表達(dá)式如下所示：

1)加權(quán)算數(shù)平均法計(jì)算公式：

hm=L×hz+M×hp+N×hd

(1)

或者

2)加權(quán)幾何平均算法計(jì)算公式：

(2)

hm為狹隘的評(píng)估微博影響力的綜合h指數(shù)；L、M、N分別為hz、hp、hd的權(quán)重，且L+M+N=1。

驗(yàn)證表明，公式(2)計(jì)算的h指數(shù)比公式(1)的計(jì)算結(jié)果更具顯著性。通過(guò)對(duì)已有微博影響力相關(guān)文獻(xiàn)的查閱，微博的評(píng)論數(shù)和轉(zhuǎn)發(fā)數(shù)是衡量其影響力的重要因素，點(diǎn)贊數(shù)的影響小于前兩個(gè)因素，因此，在本案例的研究中對(duì)hz、hp、hd權(quán)重的分別為0.4、0.4、0.2，即L=M=0.4，N=0.2。出于便捷性考略，本文選擇公式(1)計(jì)算hm指數(shù)。

若將此方法應(yīng)用于真的實(shí)踐研究，綜合h指數(shù)的權(quán)重分配應(yīng)該更深入探討，應(yīng)注重研究對(duì)象自有的特殊性。

本文按照2.3節(jié)給出的微博h指數(shù)求解方法，求得15家政務(wù)微博用戶的hz指數(shù)、hp指數(shù)、hd指數(shù)以及hm指數(shù)，如表6所示。

表6 15家政務(wù)微博的h指數(shù)統(tǒng)計(jì)表

通過(guò)表6的排名可以看出，微博濟(jì)南、長(zhǎng)沙發(fā)布、合肥發(fā)布、福州發(fā)布以及鄭州發(fā)布的綜合h指數(shù)排名處于最后5位，因此，本文將剔除這5家政務(wù)微博，選取前10家政務(wù)微博作為研究對(duì)象。

4.3 政務(wù)微博影響力評(píng)價(jià)指標(biāo)量化方式

4.3.1 指標(biāo)歸一化由于各項(xiàng)評(píng)價(jià)指標(biāo)的含義和單位都不一樣，所以應(yīng)該對(duì)獲取的數(shù)據(jù)進(jìn)行歸一化處理之后再計(jì)算政務(wù)微博的最終影響力。公式(4)可以將各與指標(biāo)相對(duì)應(yīng)的數(shù)調(diào)整到[0，1]區(qū)間。

(3)

4.3.2 指標(biāo)量化公式公式1：政務(wù)微博影響力

Influence=waCF+wbDF+wcSF+wdIF

(4)

其中，wa、wb、wc、wd代表各指標(biāo)的權(quán)重，CF、DF、SF、IF分別表示創(chuàng)造力、傳播力、服務(wù)力、認(rèn)同力的度量值。

公式2：創(chuàng)造力

CF=w1A1+w2A2

(5)

其中，w1、w2表示各指標(biāo)的權(quán)重，A1、A2分別表示發(fā)博總數(shù)、原創(chuàng)微博數(shù)的度量值。

公式3：傳播力

DF=w3B1+w4B2

(6)

其中，w3、w4代表各指標(biāo)的權(quán)重，B1、B2分別表示篇均閱讀量、粉絲數(shù)量的度量值。

公式4：服務(wù)力

SF=w5C1+w6C2+w7C3

(7)

其中，w5、w6、w7代表各指標(biāo)的權(quán)重，C1、C2、C3分別表示評(píng)論回復(fù)數(shù)、話題設(shè)置數(shù)、發(fā)博@其他用戶數(shù)的度量值。

公式5：交互力

IF=w8D1+w9D2+w10D3

(8)

其中，w8、w9、w10代表各指標(biāo)的權(quán)重，D1、D2、D3分別表示被轉(zhuǎn)發(fā)數(shù)、被評(píng)論數(shù)、被點(diǎn)贊數(shù)的度量值。

4.4 結(jié)果與討論

根據(jù)政務(wù)微博影響力評(píng)價(jià)指標(biāo)計(jì)算公式對(duì)采集的數(shù)據(jù)的計(jì)算，得出了10家政務(wù)微博最終影響力的評(píng)價(jià)結(jié)果(見(jiàn)表7)，通過(guò)表5可以發(fā)現(xiàn)，本研究對(duì)政務(wù)微博影響力的排名與政務(wù)指數(shù)榜7月份的排名順序大體相近。

表7 政務(wù)微博影響力排名

根據(jù)本文所構(gòu)建的政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系以及實(shí)證研究結(jié)果，本文對(duì)政務(wù)微博影響力的影響因素分以下4個(gè)方面展開(kāi)討論：

發(fā)博總數(shù)以及原創(chuàng)微博數(shù)是衡量一個(gè)微博用戶創(chuàng)造力的基礎(chǔ)條件，但是發(fā)博總數(shù)和原創(chuàng)微博數(shù)形成的微博原創(chuàng)率與政務(wù)影響力并不是呈絕對(duì)的正相關(guān)。政務(wù)微博的博文大多都是原創(chuàng)微博，且原創(chuàng)率大多都維持在94%～96%之間，原創(chuàng)率高達(dá)98%(樣本最高原創(chuàng)率)的吉林發(fā)布最后的排名處于第8位；而原創(chuàng)率只有74%(樣本最低原創(chuàng)率)的南京發(fā)布最終排名第3。另外，以發(fā)博總數(shù)和原創(chuàng)微博數(shù)為基礎(chǔ)的創(chuàng)造力并不能單獨(dú)反映政務(wù)微博的影響力大小。發(fā)博總數(shù)(947篇)和原創(chuàng)微博數(shù)(901篇)最多的深圳微博發(fā)布廳的影響力并不與其呈正比，實(shí)證研究結(jié)果，深圳微博發(fā)布廳的影響力排名為第6位；而發(fā)博數(shù)(418篇)和原創(chuàng)數(shù)(312篇)最少的南京發(fā)布，最后排名卻躍居到了第3位。

粉絲規(guī)模一向作為衡量微博用戶的必要指標(biāo)，但是通過(guò)實(shí)證結(jié)果發(fā)現(xiàn)，粉絲量對(duì)政務(wù)微博的影響力不起決定性作用。雖然粉絲數(shù)排名前3的成都發(fā)布(640萬(wàn))、上海發(fā)布(620萬(wàn))、中國(guó)廣州發(fā)布(460萬(wàn))的最終影響力依然靠前，但是粉絲量最少的西安發(fā)布(101萬(wàn))的最終影響力排名第7位，而中國(guó)廣州發(fā)布的最終影響力則下降到了第5位。篇均閱讀量雖然能在一定程度衡量政務(wù)微博影響力，但也不是絕對(duì)的。如篇均閱讀量最高的上海發(fā)布(14.9萬(wàn))的最終影響力就低于處于中等閱讀量的成都發(fā)布(8.03萬(wàn))。所以，以篇均閱讀量和粉絲數(shù)量為基礎(chǔ)因子的傳播力影響因素是不能夠單獨(dú)用來(lái)反映政務(wù)微博影響力的。

政務(wù)微博的職責(zé)是為人民服務(wù)，也只有做到真正地為民服務(wù)，才能被廣大人民群眾所接受，從而形成真實(shí)的影響力。評(píng)論回復(fù)是最直接的服務(wù)于民的體現(xiàn)，設(shè)置話題是通過(guò)行公眾之便的方式拉近與公眾的距離，@其他用戶則是更為廣泛地呼應(yīng)公眾。因此，以評(píng)論回復(fù)數(shù)、話題設(shè)置書(shū)以及@其他用戶數(shù)為基礎(chǔ)因子的服務(wù)力影響因素能夠奠定深厚的影響力基礎(chǔ)。評(píng)論回復(fù)數(shù)能夠真實(shí)地反映政務(wù)微博影響力的最終結(jié)果，成都發(fā)布的評(píng)論回復(fù)數(shù)(2 589條)最多，才能最終穩(wěn)居榜首。評(píng)論回復(fù)數(shù)排名前5的其他4家政務(wù)微博南京發(fā)布(1 680條)、上海發(fā)布(716條)、中國(guó)廣州發(fā)布(516條)、天津發(fā)布(244條)最終的影響力排名依然名列前茅。而剩下的幾家政務(wù)微博幾乎沒(méi)有對(duì)公眾的評(píng)論進(jìn)行回復(fù)，因此，之前排名還不錯(cuò)的深圳發(fā)布、重慶發(fā)布等幾家政務(wù)微博的最終影響力的排名一直往下降。

以被轉(zhuǎn)發(fā)數(shù)、被評(píng)論數(shù)、被點(diǎn)贊數(shù)為基本因子的認(rèn)同力能夠更加真實(shí)的反映出公眾與政務(wù)微博之間的互動(dòng)交流，能在一定程度上決定政務(wù)微博影響力形成的深度。成都發(fā)布、上海發(fā)布、南京發(fā)布的篇均被轉(zhuǎn)發(fā)數(shù)(南京發(fā)布58次、上海發(fā)布54次、成都發(fā)布52次)、篇均被評(píng)論數(shù)(南京發(fā)布66次、上海發(fā)布38次、成都發(fā)布36次)以及篇均被點(diǎn)贊數(shù)(成都發(fā)布75次、南京發(fā)布62次、上海發(fā)布51次)都不相伯仲，均名列前茅，最后3者的最終影響力也穩(wěn)居前3。

5 結(jié)束語(yǔ)

本文首先對(duì)政務(wù)微博影響力的影響因素進(jìn)行挖掘與歸納，總結(jié)出創(chuàng)造力、傳播力、服務(wù)力、交互力4項(xiàng)一級(jí)指標(biāo)以及發(fā)博總數(shù)、篇均閱讀量、評(píng)論回復(fù)數(shù)等10項(xiàng)二級(jí)指標(biāo)，并以此構(gòu)建了政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系。隨機(jī)抽取15家省級(jí)城市的官方微博，通過(guò)引進(jìn)信息計(jì)量學(xué)中的h指數(shù)對(duì)其進(jìn)行篩選，最終保留10家較為優(yōu)質(zhì)的官方政務(wù)微博作為研究樣本，通過(guò)運(yùn)用層次分析法對(duì)10家政務(wù)微博進(jìn)行實(shí)證研究，并將實(shí)證結(jié)果與政務(wù)指數(shù)榜相比較，最終排名結(jié)果與政務(wù)指數(shù)榜的排名整體比較一致，從而驗(yàn)證了本文所建立的政務(wù)微博影響力評(píng)價(jià)指標(biāo)體系的科學(xué)性與正確性。

通過(guò)對(duì)10家政務(wù)微博影響力的影響因素進(jìn)行綜合比較分析，研究發(fā)現(xiàn)：1)政務(wù)微博影響力的發(fā)展?fàn)顩r參差不齊。第一名和最后一名的影響力指數(shù)差距超過(guò)第二名總的影響指數(shù)指，差距突出。2)政務(wù)微博影響力發(fā)展態(tài)勢(shì)情況并不樂(lè)觀，高影響力的政務(wù)微博的數(shù)量明顯低于低影響力的政務(wù)微博。政務(wù)微博用戶應(yīng)該時(shí)刻注意提升服務(wù)力和互動(dòng)力，加強(qiáng)與粉絲的溝通與交流，真正做到服務(wù)于民，才能讓真正地被粉絲理解和接受。

政務(wù)微博對(duì)于加強(qiáng)官民互動(dòng)交流、輿論控制具有重要的作用。因此，政務(wù)微博更應(yīng)該注重發(fā)布的信息的及時(shí)性和準(zhǔn)確性；對(duì)不真實(shí)的內(nèi)容第一時(shí)間作出官方辟謠，避免以訛傳訛，造成重大輿情事件；及時(shí)解答粉絲關(guān)于政策性微博的疑惑，確保政府部門(mén)的政策能夠準(zhǔn)確地為公眾所知；積極加強(qiáng)公共服務(wù)建設(shè)，加強(qiáng)與公眾的互動(dòng)，積極提升自身服務(wù)力。

[1]韓娜.傳播學(xué)視角下政務(wù)微博的發(fā)展路徑探析[J].新聞與寫(xiě)作,2012,(2)：19-22.

[2]張雨.政務(wù)微博的政府形象管理[J].新聞與寫(xiě)作,2012,(5)：45-47.

[3]Wu Guohua,Hu Xiaorui,Wu Yuhong.Effects of Perceived Interactivity,Perceived Web Assurance and Disposition to Trust on Initial Online Trust[J].Journal of Computer-Mediated Communication,2010,(16)：1-26.

[4]陳靜.國(guó)內(nèi)外政務(wù)微博研究述評(píng)[J].情報(bào)雜志,2014,(6)：156-157.

[5]2017年第一季度人民日?qǐng)?bào)·政務(wù)指數(shù)微博影響力報(bào)告[EB/OL].http://yuqing.people.com.cn/NMediaFile/2017/0504/MAIN201705041338000110185848147.pdf.

[6]王晰巍，邢云菲，張柳，等.社交媒體環(huán)境下的網(wǎng)絡(luò)輿情國(guó)內(nèi)外發(fā)展動(dòng)態(tài)及趨勢(shì)研究[J].情報(bào)資料工作，2017，(4):6-14.

[7]趙阿敏.政務(wù)微博影響力評(píng)價(jià)與比較實(shí)證研究——基于因子分析和聚類分析[J].情報(bào)雜志,2014,(3)：108-111.

[8]趙紅,王璨,胡鋒,等.基于基于多層結(jié)構(gòu)的微博影響力決定因素研究[J].管理學(xué)報(bào),2014,(7)：1062-1068.

[9]張俊豪,顧益軍,張士豪.基于PageRank和用戶行為的微博用戶影響力評(píng)估[J].信息網(wǎng)絡(luò)安全,2015,(6)：73-78.

[10]劉清,彭賡,呂本富.基于主成分分析法的微博影響力評(píng)估方法及實(shí)證分析——以“新浪微博”為例[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2014,(4)：50-56.

[11]Hirsch J E.An Index to Quantify an Individual’s Scientific Research 0utput[J].Proceedings of the National Academy of Sciences of the USA,2005,(46)：16569-16572.

[12]Ronald R.New Developments Related to the Hirsch Index[J].Science Focus,2006.

[13]周志峰,韓靜嫻.h指數(shù)應(yīng)用于微博影響力分析的探索——以我國(guó)“211工程”大學(xué)圖書(shū)館微博為例[J].情報(bào)雜志,2013,(4)：63-67.

[14]汪應(yīng)洛.系統(tǒng)工程CM7(2版)[M].北京：機(jī)械工業(yè)出版社,2003：130 -140.

[15]劉秋華,董丹丹,韓韜.基于層次分析法的配電網(wǎng)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系研究[J].電氣技術(shù),2016,(9)：39-42.