摘 要：本文以36家985高校的官方微博（后簡稱為“官微”）為研究對象，選取“粉絲”數(shù)、微博數(shù)、原創(chuàng)微博數(shù)、多媒體微博數(shù)、轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)、“粉絲”參與率和關(guān)注轉(zhuǎn)化內(nèi)容率為指標，通過因子分析對我國985高校官微影響力進行評價和比較研究。因子分析提取了985高校官微影響力評價的3個公因子，即互動因子、官微發(fā)布因子和人氣因子。研究發(fā)現(xiàn)，985高校官微的影響力水平分布不均衡，多數(shù)高校微博的影響力偏低，影響力較高的高校微博數(shù)量偏少。

關(guān)鍵詞：高校官方微博；影響力；因子分析

中圖分類號：G647 文獻標志碼：A 文章編號：1674-8883（2020）04-0235-01

隨著互聯(lián)網(wǎng)的發(fā)展和移動終端的普及，微博的傳播價值越來越受到關(guān)注。作為社會新思想的搖籃，高校也不例外地開始重視自己在微博上的傳播影響力。在知網(wǎng)上以“高?！焙汀拔⒉睘殛P(guān)鍵詞進行檢索，發(fā)現(xiàn)少有評估其影響力的文獻。本文力圖通過爬蟲軟件直接爬取微博相關(guān)數(shù)據(jù)，以更科學(xué)地評估高校官微的影響力，并提出相應(yīng)的發(fā)展建議。

一、構(gòu)建指標體系

根據(jù)Malcolm Gladwell提出的流行三法則，本文從微博傳播者、微博傳播內(nèi)容、受眾和傳播特征這4個維度選取博主活躍度、微博內(nèi)容、“粉絲”參與度、微博傳播度4個要素構(gòu)建高校官微影響力評價指標體系。[1]以下逐一闡述其含義。

博主活躍度是指微博用戶在微博上的活躍程度。博主通過發(fā)微博才能吸引其他用戶的眼球，以此吸引“粉絲”，擴大自身影響。因此，本文選取微博數(shù)這一指標來量化博主活躍度，從發(fā)布微博的頻率來評價高校官微的活躍度。

微博內(nèi)容是指用戶原創(chuàng)或轉(zhuǎn)發(fā)的微博內(nèi)容。本文選取原創(chuàng)微博數(shù)、多媒體微博數(shù)和關(guān)注轉(zhuǎn)化內(nèi)容率這3項指標進行量化。原創(chuàng)微博反映了創(chuàng)新程度，其所占比例越多，越容易形成自身影響力和品牌效應(yīng)；[2]多媒體微博數(shù)是指包含圖片、視頻和音樂的微博總數(shù)，此類微博比純文字的微博內(nèi)容更能吸引用戶的眼球；關(guān)注轉(zhuǎn)化內(nèi)容率是指轉(zhuǎn)發(fā)微博數(shù)與關(guān)注數(shù)之間的比例，關(guān)注轉(zhuǎn)化內(nèi)容率越高，其轉(zhuǎn)發(fā)所關(guān)注用戶的微博數(shù)量也越多。

“粉絲”參與度是指在接收微博信息后會對此產(chǎn)生反應(yīng)和態(tài)度的“粉絲”在總“粉絲”中所占的比例?！胺劢z”參與度用來研究微博用戶的活躍“粉絲”數(shù)的比重，這一指標通過“粉絲”參與率（指評價時間段內(nèi)發(fā)布的所有微博的轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)之和與“粉絲”數(shù)之間的比率）來量化?！胺劢z”參與率越高，說明活躍的高質(zhì)量“粉絲”越多。

微博傳播度是指微博用戶所發(fā)微博的傳播范圍的廣度和深度。轉(zhuǎn)發(fā)可以擴散微博信息，體現(xiàn)傳播的廣度。評論和點贊則表達了“粉絲”對微博內(nèi)容的態(tài)度和觀點，體現(xiàn)傳播的深度，同時評論和點贊的數(shù)量達到一定數(shù)量也能將微博推上熱門，從而被更多用戶看見，擴大傳播范圍?！胺劢z”數(shù)量的多少也決定著微博用戶影響力的輻射范圍和影響程度。[3]因此，本文選擇微博轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)和“粉絲”數(shù)這4項指標進行量化。

二、數(shù)據(jù)來源和研究方法

數(shù)據(jù)來源和說明：我國高校微博數(shù)量眾多，且各高校層級差異比較大。為了保證研究對象的可對比性，本文選取同一層級的高?！?85高校的官微作為研究對象。由于廈門大學(xué)和國防科技大學(xué)沒有經(jīng)過官方認證的官微賬號，北京理工大學(xué)官微“粉絲”數(shù)僅有6000多，與其他高校官微“粉絲”數(shù)相差過大，所以將這幾所學(xué)校剔除。本文一共選取了除這3所高校之外的36所985高校作為樣本，并選擇2018年9月21日至11月21日作為研究時段進行數(shù)據(jù)采集，運用爬蟲軟件與人工統(tǒng)計相結(jié)合的方法采集數(shù)據(jù)，再使用SPSS 24.0軟件進行數(shù)據(jù)分析。

三、因子分析過程及結(jié)果

（一）指標相關(guān)性及適用性檢驗

對樣本量進行KMO與Bartlett的檢驗。KMO的值= 0.782>0.6，Bartlett球形檢驗近似卡方統(tǒng)計值為408.348，顯著性水平P值=0.000<0.05，說明本文數(shù)據(jù)適合做因子分析。

（二）提取公因子

使用主成分分析和最大方差旋轉(zhuǎn)法提取中國高校官微影響力的公因子，3個公因子特征值均大于1，且提取公因子的累計方差貢獻率達91.654%。說明這3個公因子基本上涵蓋了原始數(shù)據(jù)所反映的信息，丟失內(nèi)容較少，因子分析法適用于本文的研究。通過Kaiser標準化的正交旋轉(zhuǎn)法，建立公因子載荷矩陣，旋轉(zhuǎn)在4次迭代后收斂，使各個變量在某一公因子上產(chǎn)生較高載荷。

第一公因子F1在點贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)、關(guān)注轉(zhuǎn)化內(nèi)容率和“粉絲”數(shù)這6個指標上具有較高載荷。點贊數(shù)、轉(zhuǎn)發(fā)數(shù)、評論數(shù)和“粉絲”參與率體現(xiàn)了“粉絲”在接收到高校官微發(fā)布的微博信息之后愿意通過轉(zhuǎn)發(fā)、評論、點贊來參與互動的互動絕對數(shù)和比例。關(guān)注轉(zhuǎn)化內(nèi)容率體現(xiàn)了高校官微獲取其他用戶的信息并且轉(zhuǎn)發(fā)為自己微博內(nèi)容的概率。這6個指標都是高校官微及其“粉絲”的互動行為。因此，本文將第一公因子F1命名為互動因子。

第二公因子F2在多媒體微博數(shù)、微博數(shù)和原創(chuàng)微博數(shù)這3個指標上具有較高載荷。微博數(shù)體現(xiàn)了高校官微的活躍度，多媒體微博數(shù)和原創(chuàng)微博數(shù)則體現(xiàn)了所發(fā)微博內(nèi)容的豐富性、創(chuàng)新性。這3個指標與高校官微發(fā)布微博這一行為有關(guān)，因此，本文將第二公因子F2命名為官微發(fā)布因子。

第三公因子F3在“粉絲”數(shù)這一指標上具有較高載荷?！胺劢z”數(shù)體現(xiàn)了高校官微的人氣程度。因此，本文將第三公因子F3命名為人氣因子。

（三）因子得分及結(jié)果討論

根據(jù)原始各變量得分系數(shù)和標準化值，利用回歸方法計算各公因子得分。以3個公因子的方差貢獻率作為公因子得分的權(quán)數(shù)，構(gòu)建高校官微影響力綜合得分函數(shù)：F=0.44898×F1+0.33410×F2+0.13347×F3。根據(jù)各個因子得分和綜合因子得分，可相應(yīng)地得出36家高校官微影響力排名。

根據(jù)互動因子F1得分和排名可知，前5名分別為上海交通大學(xué)、浙江大學(xué)、山東大學(xué)、華東師范大學(xué)和武漢大學(xué)。這5所高校官微在互動方面較為突出。高轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)和“粉絲”參與率間接說明了其所發(fā)微博的價值，在傳播的深度和廣度方面都取得了較好的效果。高關(guān)注轉(zhuǎn)化內(nèi)容率說明其能積極將關(guān)注的其他用戶的優(yōu)質(zhì)微博內(nèi)容轉(zhuǎn)發(fā)到自己的微博上，豐富微博內(nèi)容。

根據(jù)官微發(fā)布因子F2得分和排名可知，前5名分別為中南大學(xué)、天津大學(xué)、大連理工大學(xué)、南開大學(xué)、電子科技大學(xué)和東北大學(xué)。這5所高校官微所發(fā)微博數(shù)較多，說明活躍度、信息公開程度高，積極運營微博賬號并且分享校園信息。同時，原創(chuàng)微博數(shù)和多媒體微博數(shù)也較多，更容易吸引讀者閱讀興趣，從而提高影響力。

根據(jù)人氣因子F3得分和排名可知，前5名分別為清華大學(xué)、北京大學(xué)、復(fù)旦大學(xué)、武漢大學(xué)和電子科技大學(xué)。說明這5所高校官微的“粉絲”數(shù)領(lǐng)先，人氣高，有群眾基礎(chǔ)。

從綜合得分和排名來看，36家高校官微影響力水平發(fā)展不均衡，各高校之間差異較大。排名前5的高校官微存在兩種情況：一是3個公因子排名均比較靠前，如武漢大學(xué)；二是部分公因子排名領(lǐng)先，另一部分公因子排名比較靠后。排名靠后的5所高校官微的3個公因子得分排名均靠后，各方面實力較弱。

四、結(jié)語

本文通過對36家“985”高校官微影響力水平進行比較和分析，發(fā)現(xiàn)：第一，高校官微影響力發(fā)展水平不均衡，例如綜合得分第一名與最后一名相差2.53分，差距較大。運營成熟的高校官微應(yīng)繼續(xù)保持自身優(yōu)勢，在發(fā)展中尋求創(chuàng)新和突破；影響力水平較低的高校官微應(yīng)在發(fā)揮自身優(yōu)勢的基礎(chǔ)上，借鑒和吸收優(yōu)秀高校官微的運營經(jīng)驗，力爭上游。第二，高影響力的高校官微偏少，低影響力的相對偏多，呈底部巨大的金字塔型分布。目前這一分布狀況并不合理，各高校官微尤其是影響力排名靠后的，應(yīng)盡力提高自身的影響力水平，躋身中高影響力行列，使整體分布結(jié)構(gòu)趨于紡錘形。

參考文獻：

[1] 呂尚彬.穹頂之下：產(chǎn)品結(jié)構(gòu)、互聯(lián)網(wǎng)思維與“引爆點”[J].今傳媒，2015，23（09）：4-7.

[2] 趙阿敏，曹桂全.政務(wù)微博影響力評價與比較實證研究——基于因子分析和聚類分析[J].情報雜志，2014，33（03）：107-112.

[3] 梁昌明，李冬強.基于新浪熱門平臺的微博熱度評價指標體系實證研究[J].情報學(xué)報，2015，34（12）：1278-1283.

作者簡介：王夢珠（1995—），女，浙江寧波人，中國傳媒大學(xué)研究生在讀，研究方向：媒體管理。