張秀秀 韓雯

摘? 要：互聯(lián)網(wǎng)的普及和發(fā)展壯大了社交網(wǎng)絡(luò)的規(guī)模，擴大了社交網(wǎng)絡(luò)的范圍。但由于社交網(wǎng)絡(luò)的出現(xiàn)時間較短，社交網(wǎng)絡(luò)對傳播信息的質(zhì)量難以把控。為研究社交網(wǎng)絡(luò)中的不良信息傳播問題，該文以新浪微博用戶數(shù)據(jù)為基礎(chǔ)，建立用戶關(guān)注網(wǎng)絡(luò)，對傳播不良信息的影響因素進(jìn)行回歸分析，研究發(fā)現(xiàn)社交網(wǎng)絡(luò)傳播的決定性要素為粉絲數(shù)量，粉絲的數(shù)量越多，越是能夠達(dá)到更好的傳播效果。在影響粉絲數(shù)量增長的因素中，轉(zhuǎn)發(fā)和點贊的影響效果更顯著。該文研究對識別、預(yù)測、指導(dǎo)網(wǎng)絡(luò)信息傳播事件的發(fā)生和發(fā)展具有重要意義。

關(guān)鍵詞：不良信息? 信息傳播? 信息控制? 社交網(wǎng)絡(luò)

中圖分類號：G206;F49? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：1672-3791（2021）05（b）-0046-04

Abstract： The popularity and development of internet have expanded the scale and scope of social networks. However， due to the short emergence of social network， the quality control of information transmitted by social network is weak. Bad for the study of the social network information transmission problems， in this paper， based on the Sina MicroBlog user data， established the network user attention， carries on the regression analysis of the influence factors of adverse information dissemination， the study found that social networks to spread the decisive factor for the number of fans， the more the number of fans， the more able to achieve better communication effect. Among the factors affecting the growth of the number of fans， forwarding and thumb up have more obvious and effective effects. The research of this paper is of great significance to identify， predict and guide the occurrence and development of network information communication events.

Key Words： Dad information; Information dissemination; Information control; The social network

隨著科學(xué)技術(shù)的發(fā)展，各種網(wǎng)絡(luò)服務(wù)隨之而來，互聯(lián)網(wǎng)社交網(wǎng)絡(luò)就是其中之一。人們的日常生活逐漸從現(xiàn)實社交網(wǎng)絡(luò)轉(zhuǎn)移到互聯(lián)網(wǎng)虛擬社交網(wǎng)絡(luò)中?；ヂ?lián)網(wǎng)社交網(wǎng)絡(luò)下，人們可以跟不在身邊的朋友進(jìn)行面對面的交流，還可以尋找有共同愛好的陌生人。從而形成在線社區(qū)，構(gòu)成了龐大的社交網(wǎng)絡(luò)平臺，為用戶提供便捷交流的渠道。社交網(wǎng)絡(luò)服務(wù)，是基于哈佛大學(xué)斯坦利·米爾格拉姆教授提出的六度分類理論的互聯(lián)網(wǎng)社交網(wǎng)絡(luò)服務(wù)。比如：在國內(nèi)外的Facebook、人人網(wǎng)、開心網(wǎng)以及微博（一般指新浪微博，下同）等。與傳統(tǒng)的交友網(wǎng)站和博客相比，微博具有“社交網(wǎng)絡(luò)”和“媒體平臺”的特征。微博短消息的快速發(fā)布，極大地方便了用戶共享和討論社交熱點信息，并擴大了與他人的聯(lián)系。

正是因為社交網(wǎng)站具有人際交流、傳播速度快等特點。社交網(wǎng)絡(luò)中的不良信息廣泛分布，很難在第一時間有效控制其傳播，如色情、詐騙、代孕等違反了健康社會道德觀念的不良信息。這種信息甚至對社會有害，誤導(dǎo)、扭曲網(wǎng)民意識形態(tài)，給人們造成精神和身體損傷以及財產(chǎn)損失[1]。Glenski M等研究者通過統(tǒng)計1 100萬帖子中轉(zhuǎn)發(fā)和提及行為發(fā)現(xiàn)，錯誤信息的擴散與傳播中存在不平衡狀態(tài)，即部分活躍用戶負(fù)責(zé)傳播多數(shù)錯誤信息，教育程度低和收入低的用戶擴散錯誤信息，年齡較大的用戶比較容易相信錯誤信息[2]。Tucher J A等研究者認(rèn)為個人誤解對造成大眾意見扭曲，虛假信息的傳播會影響人們精神和行為[3]。欒碧雅認(rèn)為大量虛假信息增加人們辨別信息的成本，誤導(dǎo)公眾輿論，故運用S-O-R模型、風(fēng)險感知和感知價值理論，對社交網(wǎng)絡(luò)下虛假信息的傳播特征和治理路徑進(jìn)行研究，以期降低虛假信息對網(wǎng)民的危害[4]。夢非等研究者從虛假信息、少數(shù)極端化、偏見和傳播途徑4個角度分析社交網(wǎng)絡(luò)，認(rèn)為社交網(wǎng)絡(luò)受外力影響會產(chǎn)生意見偏差[5]。因此，該文以新微博用戶數(shù)據(jù)為基礎(chǔ)，建立了用戶關(guān)注網(wǎng)絡(luò)，對社會網(wǎng)絡(luò)的理論結(jié)構(gòu)以及不良信息傳播的影響因素進(jìn)行回歸分析，研究發(fā)現(xiàn)社交網(wǎng)絡(luò)傳播決定性要素為粉絲數(shù)量，粉絲的數(shù)量越多，越是能夠達(dá)到更好的傳播效果。而在影響粉絲數(shù)量增長的因素中，轉(zhuǎn)發(fā)和點贊的影響效果更顯著。該文研究對識別、預(yù)測、指導(dǎo)網(wǎng)絡(luò)信息傳播事件的發(fā)生和發(fā)展具有重要意義。

1? 社交網(wǎng)絡(luò)信息傳播的特征

信息傳輸具有永生性、無限性、即時性以及方向性的特征。永生性指盡管在傳播過程中可以將信息控制，但它并不會被破壞或者消滅。比如：到一條信息，且尚未傳播該消息，但該消息實實在在的存在，信息的載體還可以繼續(xù)傳播。無限性是指信息可以像病毒一樣無限的傳播下去。即時性是社交網(wǎng)絡(luò)信息傳播的速度從通信器向接收者傳播信息的時間大大縮短，甚至可以忽略。方向性意味著信息傳播具有目的性，某些信息的傳播僅是為了傳遞給特定的人。

隨著互聯(lián)網(wǎng)的發(fā)展，在互聯(lián)網(wǎng)上傳播信息已成為信息擴散主要渠道?；ヂ?lián)網(wǎng)的特性使信息可以跨越時間和地理障礙在網(wǎng)絡(luò)上迅速傳播。社交網(wǎng)絡(luò)跟真實社會很是相似，人們通過網(wǎng)絡(luò)結(jié)交朋友或跟隨他人，以形成自己的社交圈。但是社交網(wǎng)絡(luò)的顯著特征是群體的存在，通常由一些特殊特征組成用戶群體，信息的接收者可以是朋友、同學(xué)、網(wǎng)民等。如果他們都接受這個信息，就可以實現(xiàn)一對多的交流。其中，用戶不僅是好友發(fā)布信息的接收者，更是多對一的實現(xiàn)者。當(dāng)用戶接收到身邊的人的信息時，用戶對該信息的興趣和信任就會再深一步。網(wǎng)絡(luò)信息可以重復(fù)發(fā)送多次，大量信息存儲在互聯(lián)網(wǎng)上，每種信息都有多種傳播機會。信息可以通過音頻、動畫、文本、視頻等多種方式傳播。網(wǎng)絡(luò)平臺可以為用戶闡述自己的想法、觀點、意見，并通過該平臺向其他用戶傳達(dá)自己的觀點和意見，實現(xiàn)了信息的發(fā)送與接收。方向信息的發(fā)送者發(fā)生了變化，這種轉(zhuǎn)變打破了以前的簡單接受和固定角色。

2? 社交網(wǎng)絡(luò)數(shù)據(jù)的SPSS分析

2.1 數(shù)據(jù)整理

在該次抽樣調(diào)查中，從社交網(wǎng)絡(luò)數(shù)據(jù)樣本中選擇了相關(guān)樣本，并分析了不同因素對整個社交網(wǎng)絡(luò)信息傳播的影響。根據(jù)選擇樣本的各種指標(biāo)以及整體效果值，選擇因素分別是樣本、粉絲數(shù)、過去1個月的轉(zhuǎn)發(fā)數(shù)、過去1個月的評論數(shù)、過去1個月的點贊數(shù)。使用這5個因素來預(yù)測社交網(wǎng)絡(luò)傳播的影響。研究不良信息的樣本賬號選擇具有代表性的公眾治安警察或新聞賬號，因為這些賬號經(jīng)常公布權(quán)威性的信息以及澄清網(wǎng)絡(luò)上的不良信息。

2.2 構(gòu)建相關(guān)關(guān)系模型

數(shù)據(jù)處理匯總，將不同數(shù)據(jù)因子轉(zhuǎn)化為不同函數(shù)項，其中：樣本=（Y）、粉絲量=（X1）、近1個月轉(zhuǎn)發(fā)數(shù)=（X2）、近1個月評論數(shù)=（X3）、近1個月點贊數(shù)=（X4），因此將其進(jìn)行SPSS相關(guān)分析中的數(shù)據(jù)模型建立工作。

通過構(gòu)建相關(guān)關(guān)系模型，利用相關(guān)分析去研究X1和X2、X3、X4之間的相關(guān)關(guān)系。X1與X2、X3、X4之間都呈現(xiàn)出顯著性，相關(guān)系數(shù)值分別是0.991、0.928、0.997。而且它們相關(guān)系數(shù)值都大于0，這就意味著X1與X2、X3、X4它們之間有著正相關(guān)關(guān)系。

2.3 模型檢驗

從表1數(shù)據(jù)可知，利用單樣本t檢驗X1、X2、X3、X4這4項明顯不等于數(shù)字0.0，X1和X4的平均值都非常接近0.0（P>0.05），所以沒有統(tǒng)計意義上的差異性。另外，X2、X3這兩項的平均值均與數(shù)字0.0有著統(tǒng)計意義上的差異。分析可知，X2、X3這兩項，它們的平均值會大大地高于0.0。所以X1和X4的平均值均都非常接近0.0，其中sig.有兩項的平均值均與數(shù)字0.0都有著很明顯的差異。

2.4 回歸分析法

在模型摘要中，確定系數(shù)R2通常認(rèn)為高于60%。從結(jié)果可以看出該值為1，這是該模型非常適合的初步判斷。方差分析的顯著性值等于0.000<0.01<0.05，從而可以知道自變量和因變量之間的線性關(guān)系。建模的最直接結(jié)果，讀取未標(biāo)準(zhǔn)化系數(shù)，因此函數(shù)公式為：X1=-868 405.542+6 961.511X2-3 260.680X3+

3 892.457X4，t檢驗之前假設(shè)回歸系數(shù)沒有意義，然而回歸系數(shù)顯著性值等于0.000<0.01<0.05，這也就證明了回歸系數(shù)b存在，具有統(tǒng)計學(xué)意義。模型殘差的獨立檢驗DW=1.932。通過查詢Durbin Watson表[6]，可知該例的DW值只是出現(xiàn)在非自相關(guān)區(qū)域。

將X2、X3、X4作為自變量，將X1作為因變量對其線性回歸分析，模型R2值為0.999，表示X2、X3、X4可以作為變化原因來解釋X1的99.9%。F檢驗時模型通過了F檢驗（F=1403.673，P=0.000<0.05），這也就說明在X2、X3、X4之中至少有一項會對X1產(chǎn)生影響的關(guān)系[7]。所以，模型公式為：X1=-868 405.542+6 961.511X2-

3 260.680X3+3 892.457X4。然而，在模型的多重共線性測試時發(fā)現(xiàn)，模型中的VIF值大于10，也就是說存在共線性的問題，所以能用Ridge回歸或逐步回歸用來解決共線性問題，同時檢查緊密相關(guān)的自變量，在去掉緊密相關(guān)的自變量過后再次進(jìn)行分析。

最后分析結(jié)果顯示，X2的回歸系數(shù)值為6 961.511（t=4.370，P=0.012<0.05），也就是說X2會對X1產(chǎn)生顯著的正向影響關(guān)系;X3的回歸系數(shù)值為-3 260.680（t=-0.996，P=0.376>0.05），也就是說X3并不會對X1產(chǎn)生影響關(guān)系;X4的回歸系數(shù)為3 892.457（t=8.591，P=0.001<0.01），說明X4對X1有顯著的正向影響關(guān)系。綜上可知，X2， X4會對X1產(chǎn)生顯著的正向影響關(guān)系。只有X3并不會對X1產(chǎn)生影響關(guān)系。

研究結(jié)果得知，粉絲量與近1個月轉(zhuǎn)發(fā)數(shù)、近1個月點贊數(shù)之間，存在一定關(guān)系，存在正態(tài)分布，而用從社交網(wǎng)絡(luò)的影響程度，以及對于社交網(wǎng)絡(luò)之間的傳播影響力來看，最為重要的是作為社交網(wǎng)絡(luò)傳播主體的粉絲數(shù)量，與其被轉(zhuǎn)發(fā)、被點贊的數(shù)量有著最為直接的關(guān)聯(lián)。因此，可以判斷出在該次計算中X1、X2、X4之間存在關(guān)系。

2.5 性能分析

經(jīng)計算曲線下面積為0.714，P=0.41，有統(tǒng)計學(xué)意義，說明檢驗有意義。曲線下面積越大，說明該項檢驗的性能越大。在該次檢驗中，對于該次檢驗結(jié)果產(chǎn)生了一定的基礎(chǔ)效應(yīng)，從而使得整體效應(yīng)值上比重的再次檢驗，通過檢驗證明，實際情況下X1、X2、X3、X4這4個子象限其檢驗性能較強。

綜上所述，對社交網(wǎng)絡(luò)傳播的決定性要素為粉絲數(shù)量，粉絲的數(shù)量越多，越是能夠達(dá)到更好的傳播效果。而在使粉絲數(shù)量增長的因素中，轉(zhuǎn)發(fā)和點贊的效果更加明顯且有效。該次分析采集為近一月的數(shù)據(jù)，其中必然有著一定的局限性，但以小見大，由以上數(shù)據(jù)可以窺見未來社交網(wǎng)絡(luò)的發(fā)展趨勢和路徑。想要達(dá)到更好的傳播效果，如何組織粉絲之間更多的點贊和轉(zhuǎn)發(fā)將成為傳播有效性最大化的決定性因素之一。

3? 建議

針對社會網(wǎng)絡(luò)中各種不良信息的快速傳播問題，對社會網(wǎng)絡(luò)中的信息傳播與控制進(jìn)行了研究并提出以下控制建議。

3.1 規(guī)范良好信息傳播模式

現(xiàn)有通信模型主要是基于自身網(wǎng)絡(luò)特性和信息傳播，通過對傳統(tǒng)的SIR病毒模型進(jìn)行改進(jìn)，建立良好的社交網(wǎng)絡(luò)信息傳輸模型。規(guī)范一對多的傳播模式，控制公眾網(wǎng)絡(luò)環(huán)境的輿論走向，不能讓網(wǎng)絡(luò)成為不良信息滋養(yǎng)和擴散的聚集地。

3.2 制定通信管制戰(zhàn)略

根據(jù)社會網(wǎng)絡(luò)的特點，運用相應(yīng)的通信控制策略。社會網(wǎng)絡(luò)中有大量的社區(qū)，它們相互聯(lián)系，傳播迅速，但社會外部部門的聯(lián)系相對薄弱。針對這些特點，提出了基于群體的通信控制策略。切斷通信用戶與其他通信用戶的聯(lián)系，使信息的傳播控制在通信用戶的范圍之內(nèi)。

3.3 建立現(xiàn)實與網(wǎng)絡(luò)契合機制

運用大數(shù)據(jù)分析技術(shù)，總結(jié)信息傳播的影響因子和傳播路徑，為社交網(wǎng)絡(luò)設(shè)置使網(wǎng)絡(luò)和現(xiàn)實相契合的機制。結(jié)合理論和實踐，對社交網(wǎng)絡(luò)領(lǐng)域的仿真實驗做有效補充。分析社交網(wǎng)絡(luò)的屬性特征，在此基礎(chǔ)上，利用大數(shù)據(jù)有效識別用戶性質(zhì)，分析用戶社交動態(tài)，可以極大地提高社交網(wǎng)絡(luò)與現(xiàn)實生活的契合性。

參考文獻(xiàn)

[1] 俞山青，鄭鈞，殳欣成，等.一種真假信息傳播能力評估的動態(tài)規(guī)劃算法[J].小型微型計算機系統(tǒng)，2021，42（1）：85-90.

[2] GLENSKI M，WENINGER T，VOLKOVA S. Propagation from Deceptive News Sources： Who Shares， How Much， How Evenly， and How Quickly？[J].IEEE Transactions on Computational Social Systems，2018，5（4）：1071-1082.

[3] TUCKER J A， GUESS A， BARBERA P，et al. Social Media， Political Polarization， and Political Disinformation： A Review of The Scientific Literature[J].SSRN Electronic journal， 2018.

[4] 欒碧雅.社交網(wǎng)絡(luò)虛假信息傳播影響因素及治理策略研究[D].吉林大學(xué)，2020.

[5] 夢非，朱慶華.社交網(wǎng)絡(luò)信息傳播中意見偏差的國外研究進(jìn)展[J/OL].情報理論與實踐：1-11[2021-06-24].http：//kns.cnki.net/kcms/detail/11.1762.g3.20210528.1549.002.html.

[6] 楊德欽，岳奧博.科技投入效率與建筑業(yè)發(fā)展水平：協(xié)調(diào)狀態(tài)及影響因素[J].西安建筑科技大學(xué)學(xué)報：社會科學(xué)版，2019，38（3）：49-57.

[7] 孟艷紅.社交網(wǎng)絡(luò)用戶影響力分析及信息傳播建模[D].西安電子科技大學(xué)，2019.