黃逸磊 ，夏志杰 ，堯 淦

（上海工程技術(shù)大學(xué) 管理學(xué)院，上海 201620）

突發(fā)公共衛(wèi)生事件中，不實信息造成的恐慌情緒會與疾病一起快速傳播[1]，其造成的社會危害甚至超過疾病本身[2]. Michele等[3]認(rèn)為，在突發(fā)公共衛(wèi)生事件中人們會主動尋求相關(guān)信息，從而提升相對應(yīng)的知識水平，而政務(wù)社交媒體無疑會受到用戶的大量關(guān)注，此時政府部門也獲得快速傳播信息的能力[4]. 如何充分利用政務(wù)社交媒體的傳播優(yōu)勢，提升傳播效果，具有研究意義及社會治理的參考價值.

研究傳播模式可以較好地反映出傳播過程[5]，并隨著網(wǎng)絡(luò)的發(fā)展做出相應(yīng)改進(jìn)[6]. 借助社交媒體真實數(shù)據(jù)，能夠從傳播拓?fù)浣Y(jié)構(gòu)方面總結(jié)信息傳播規(guī)律[7]，發(fā)現(xiàn)無法觀察到的生成機(jī)制引起的傳播結(jié)構(gòu)的特征變化[8]. 而傳播拓?fù)浣Y(jié)構(gòu)特征由用戶傳播行為決定，可以從用戶傳播行為時間角度彌補(bǔ)拓?fù)浣Y(jié)構(gòu)模式僅包含靜態(tài)特點的不足.

本研究聚焦突發(fā)公共衛(wèi)生事件期間政務(wù)社交媒體傳播模式，用真實的政務(wù)社交媒體數(shù)據(jù)，從拓?fù)浣Y(jié)構(gòu)模式與用戶傳播行為時間模式兩個維度，定量研究傳播模式、傳播效果、情感因素間的關(guān)系，提出優(yōu)化政務(wù)社交媒體在突發(fā)公共衛(wèi)生事件中傳播效果的改進(jìn)思路. 目前利用傳播模式分析政務(wù)社交媒體特點的研究較少，本研究希望在分析并提出傳播效果優(yōu)化建議的同時，提供一種對政務(wù)社交媒體傳播的觀察方法.

1 傳播模式研究

1.1 拓?fù)浣Y(jié)構(gòu)模式

拓?fù)浣Y(jié)構(gòu)模式是將用戶關(guān)系提煉成靜態(tài)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu). 結(jié)合拓?fù)浣Y(jié)構(gòu)，Goel等[8]將病毒模式定義為信息在人與人之間的長鏈傳播，將廣播模式定義為信息由源頭直接傳遞給大部分信息受眾的星型結(jié)構(gòu). Liang[9]在此基礎(chǔ)上發(fā)現(xiàn)傳播模式影響受眾群體的構(gòu)成.

雖然大規(guī)模的信息傳播往往被當(dāng)作病毒模式的結(jié)果，但Liang等[10]研究發(fā)現(xiàn)，廣播模式主導(dǎo)Twitter中埃博拉信息的傳播. 根據(jù)傳播模式的不同，Domingos等[11]發(fā)現(xiàn)存在最佳個體集可實現(xiàn)傳播效果最大化. 因此，可以根據(jù)傳播拓?fù)浣Y(jié)構(gòu)模式 選擇相應(yīng)的傳播策略，擴(kuò)大信息影響[12].

1.2 用戶傳播行為時間模式

拓?fù)浣Y(jié)構(gòu)模式是對信息傳播模式的靜態(tài)體現(xiàn)，但學(xué)者研究發(fā)現(xiàn)，傳播過程的動態(tài)時效特性會影響信息傳播[13]：Lambiotte等[14]發(fā)現(xiàn)時效異質(zhì)性會影響傳播動力學(xué)行為；Perra等[15]發(fā)現(xiàn)時效網(wǎng)絡(luò)上閾值顯著不同于靜態(tài)網(wǎng)絡(luò)，需要通過用戶傳播行為時間模式來考察傳播過程的動態(tài)特點.

傳播動力學(xué)是時間模式研究的典型代表之一[16]，多采用流行病傳播模型[17?18]，但其存在時間尺度與實際情況分離情況，從而影響結(jié)論的可靠性[19]. 對此，常用冪律分布假設(shè)作為個體交互行為間隔時間的先驗分布[20?22]. 本研究借助真實的社交媒體數(shù)據(jù)考察冪律分布假設(shè)，在明確時間尺度的基礎(chǔ)上，詳細(xì)分析信息傳播網(wǎng)絡(luò)中用戶傳播行為的時間模式.

2 數(shù)據(jù)來源及分析方法

2.1 數(shù)據(jù)來源

本研究選取2020年1月23日至2020年2月14日期間排名前三的外宣類政務(wù)微博有關(guān)突發(fā)公共衛(wèi)生事件的內(nèi)容，共計17 085條微博，包括內(nèi)容、轉(zhuǎn)發(fā)數(shù)、點贊數(shù)、評論數(shù)，以及轉(zhuǎn)發(fā)數(shù)超過平均值的傳播結(jié)構(gòu)數(shù)據(jù). 為保證傳播結(jié)構(gòu)的完整性，去除存在15%及以上轉(zhuǎn)發(fā)關(guān)系缺失的政務(wù)微博，獲得312 037條轉(zhuǎn)發(fā)記錄.

此段時間內(nèi)的傳播數(shù)據(jù)極為特殊：一方面，幾乎所有用戶均在家中，處于一種基本無干擾的狀態(tài)，可以看作用戶群體行為的自然基準(zhǔn)；另一方面，突發(fā)公共衛(wèi)生事件涉及整個傳播體系中所有用戶，整個政務(wù)社交媒體中的用戶都可以作為研究對象. 因此，基于數(shù)據(jù)的研究結(jié)果具有一定的學(xué)術(shù)參考價值.

建立傳播病毒化程度模型，用戶行為時間指數(shù)、社交媒體內(nèi)容傳播影響力評價模型，分別刻畫政務(wù)社交媒體的傳播模式及傳播效果. 從傳播模式自身，傳播模式與傳播效果的關(guān)聯(lián)及傳播模式的 引發(fā)因素三方面展開研究.

2.2 傳播病毒化程度

傳播病毒化程度是從拓?fù)浣Y(jié)構(gòu)角度量化傳播模式的傳播作用. 根據(jù)傳播拓?fù)浣Y(jié)構(gòu)模式特點，能夠提出優(yōu)化傳播效果的措施；根據(jù)轉(zhuǎn)發(fā)關(guān)系發(fā)生的順序重構(gòu)信息傳播網(wǎng)絡(luò). 用信息級聯(lián)的概念來描述社交媒體的傳播拓?fù)浣Y(jié)構(gòu)特征，如圖1所示.用級聯(lián)大小、級聯(lián)規(guī)模、級聯(lián)深度反映政務(wù)微博的信息傳播模式.

級聯(lián)大小Cz， 即轉(zhuǎn)發(fā)者數(shù)量，反映社交媒體內(nèi)容的傳播范圍. 圖1中，A為信源節(jié)點，即社交媒體的某一條推送；B1～D1均為轉(zhuǎn)發(fā)者節(jié)點，它們分別從各自對應(yīng)的前驅(qū)節(jié)點處轉(zhuǎn)發(fā)了此內(nèi)容. 圖1中級聯(lián)大小 Cz為6.

級聯(lián)規(guī)模Cs， 為一級轉(zhuǎn)發(fā)者數(shù)量Cs1與級聯(lián)大小Cz的比值，即一級轉(zhuǎn)發(fā)者在全體轉(zhuǎn)發(fā)者中的占比，一定程度上表明社交媒體廣播模式的傳播作用. 在圖1中Cs約為33.33%.

圖1 信息級聯(lián)擴(kuò)散樹Fig. 1 Information cascade diffusion tree

級聯(lián)深度Cd，為連通路中離信源最遠(yuǎn)的節(jié)點到信源的路徑長度，一定程度上反映政務(wù)社交媒體中病毒模式的傳播作用. 圖1中A～D1的路徑長度為3.

雖然上述信息級聯(lián)指標(biāo)能反映社交媒體的傳播拓?fù)浣Y(jié)構(gòu)模式，但是級聯(lián)指標(biāo)只能片面反映傳播拓?fù)浣Y(jié)構(gòu)的特點. 參照文獻(xiàn)[8]建立傳播病毒化程度指標(biāo)，用轉(zhuǎn)發(fā)節(jié)點間平均路徑長度Dr同時體現(xiàn)傳播廣播模式和病毒模式的作用程度，表達(dá)式為

式中：dij為轉(zhuǎn)發(fā)節(jié)點i 與 轉(zhuǎn)發(fā)節(jié)點 j之間的最短距離；N為轉(zhuǎn)發(fā)節(jié)點數(shù)量. 若轉(zhuǎn)發(fā)節(jié)點間的平均距離越長，則傳播過程中病毒模式的作用越強(qiáng)；若轉(zhuǎn)發(fā)節(jié)點間平均距離越短，則傳播過程中廣播模式的作用越強(qiáng).

由于轉(zhuǎn)發(fā)節(jié)點間平均距離直接代表節(jié)點間的距離，不能在一個標(biāo)準(zhǔn)化的數(shù)量區(qū)間中體現(xiàn)傳播的拓?fù)浣Y(jié)構(gòu)模式，需要標(biāo)準(zhǔn)化轉(zhuǎn)發(fā)者平均距離形成傳播病毒化程度DN，計算式為

式中：Dmin為轉(zhuǎn)發(fā)節(jié)點間可能存在的最小平均最短路徑長度. 當(dāng)轉(zhuǎn)發(fā)網(wǎng)絡(luò)為以信息源為中心的星型結(jié)構(gòu)時，轉(zhuǎn)發(fā)節(jié)點間平均最短路徑長度最小，長度為2.Dmax為轉(zhuǎn)發(fā)節(jié)點間可能存在的最大平均最短路徑長度. 當(dāng)所有轉(zhuǎn)發(fā)節(jié)點為一條沒有分支的長鏈時，轉(zhuǎn)發(fā)節(jié)點之間的平均最短路徑長度達(dá)到最大值，即傳播病毒化程度達(dá)到最大，計算式為

2.3 用戶傳播行為時間模式

用戶傳播行為時間模式指用戶接收到社交媒體信息后轉(zhuǎn)發(fā)行為發(fā)生的時間模式，體現(xiàn)社交媒體中信息傳播的速度、規(guī)模等重要演化規(guī)律，是對拓?fù)浣Y(jié)構(gòu)模式在時間維度上的補(bǔ)充.

借助改進(jìn)的SI模型研究政務(wù)社交媒體用戶傳播行為時間模式. 假設(shè)用戶信任政務(wù)社交媒體發(fā)布的官方信息，并且在接收其他信息后，不改變對待官方信息的態(tài)度. 在此假設(shè)條件下，將傳統(tǒng)SI模型中的固定數(shù)值傳播率改為隨時間變化的函數(shù)，表示政務(wù)社交媒體中官方信息的時效性，隨著時間推移，用戶對官方信息的關(guān)注快速減弱. 模型中用戶分為兩種狀態(tài)：未知者(未收到官方信息)與已知者(收到官方信息). 政務(wù)社交媒體官方信息傳播模型為

式中：S 為未知者在總體中的占比；I為已知者在總體中的占比；β(t)為傳播率隨時間變化的表達(dá)式，且它們的關(guān)系式為

式中：?t為傳播率β(t)的變化量，即轉(zhuǎn)發(fā)者變化量與原有轉(zhuǎn)發(fā)者數(shù)量之比，且t∈[1,+∞).

假設(shè)H1：轉(zhuǎn)發(fā)者變化量服從冪律分布. 那么轉(zhuǎn)發(fā)者變化量可由G(t)=bxa+1表示，同時轉(zhuǎn)發(fā)者數(shù)量計算式為

從而獲得β(t)的遞推關(guān)系式為

式中：t為用戶轉(zhuǎn)發(fā)行為與社交媒體發(fā)布的時間間隔 ，h，且t∈[1,+∞).

2.4 傳播影響力評價

調(diào)整文獻(xiàn)[23]中p指數(shù)微博傳播力評價方法，使其適用于評價一條社交媒體內(nèi)容的傳播影響力.該評價體系由轉(zhuǎn)發(fā)指數(shù)Pr、點贊指數(shù)Pa、評論指數(shù)Pc三者共同構(gòu)成綜合指數(shù)P.

轉(zhuǎn)發(fā)指數(shù)Pr反映推送內(nèi)容對用戶轉(zhuǎn)發(fā)行為的影響力. 同時，需要排除粉絲數(shù)量對政務(wù)社交媒體傳播評價指標(biāo)的影響，計算式為

式中：Nr為 轉(zhuǎn)發(fā)數(shù)；Nf為對應(yīng)政務(wù)社交媒體賬號的粉絲數(shù)量.

點贊指數(shù)Pa反映推送內(nèi)容對于用戶點贊行為的影響力，一定程度上能夠反映出用戶的情感共鳴程度，計算式為

式中：Na為點贊人數(shù).

評論指數(shù)Pc反映推送內(nèi)容對用戶評論行為的影響力，計算式為

式中：Nc為 評論人數(shù).

不同推送的轉(zhuǎn)發(fā)、點贊、評論指數(shù)對傳播效果的表現(xiàn)存在差異，不適合直接表示傳播力. 所以選取3種指數(shù)的平均值作為綜合指數(shù)，綜合反映傳播影響力，公式為

3 結(jié)果與分析

3.1 傳播影響力與拓?fù)浣Y(jié)構(gòu)模式

政務(wù)社交媒體中，級聯(lián)規(guī)模的平均值和中位數(shù)都較高，傳播深度一般只有2，可見廣播模式主導(dǎo)政務(wù)社交媒體的傳播，見表1.

表1 傳播拓?fù)浣Y(jié)構(gòu)模式表Table 1 Topological pattern table of diffusion

在此基礎(chǔ)上，考慮到各指標(biāo)間可能存在的非線性關(guān)系，采用斯皮爾曼相關(guān)系數(shù)考察傳播網(wǎng)絡(luò)級聯(lián)指標(biāo)、傳播病毒化程度與傳播影響力之間的相關(guān)性.

傳播病毒化程度與級聯(lián)深度為非常弱的負(fù)相關(guān)（斯皮爾曼相關(guān)系數(shù)為?0.083，p<0.05）. 這是由于傳播拓?fù)浣Y(jié)構(gòu)中轉(zhuǎn)發(fā)節(jié)點間的最大距離Dmax隨著轉(zhuǎn)發(fā)數(shù)量的增多快速增長，從而減小DN值. 這表明病毒模式在政務(wù)微博傳播過程中作用小，級聯(lián)深度沒有觸發(fā)大規(guī)模傳播.

傳播病毒化程度與傳播影響力評價綜合指數(shù)的斯皮爾曼相關(guān)系數(shù)為?0.46（p<0.001），說明影響力較大的政務(wù)內(nèi)容的傳播都是用戶從信息源直接獲取并轉(zhuǎn)發(fā)的，幾乎不涉及用戶間的大規(guī)模傳播.這表明突發(fā)公共衛(wèi)生事件期間，用戶主動關(guān)注官方 信息可增強(qiáng)廣播模式的傳播效果.

3.2 情感對拓?fù)浣Y(jié)構(gòu)模式的影響

通常認(rèn)為社交媒體中，內(nèi)容情感及其引發(fā)的受眾情感在觸發(fā)大規(guī)模傳播過程中有重要作用，可借助情感極性衡量政務(wù)信息內(nèi)容和受眾評論的情感態(tài)度，計算情感極性與傳播模式間的斯皮爾曼相關(guān)性，分析情感因素對傳播模式的影響.

政務(wù)信息內(nèi)容情感極性與傳播節(jié)點間平均距離的斯皮爾曼相關(guān)系數(shù)為?0.12，受眾情感極性與傳播節(jié)點間平均距離的斯皮爾曼相關(guān)性也為?0.12，雖然兩種情感與傳播平均距離間的相關(guān)性相同，但從各自分布來看存在本質(zhì)區(qū)別. 受眾情感極性—轉(zhuǎn)發(fā)節(jié)點平均距離散點如圖2所示. 圖中，用戶情感反應(yīng)的分布較為均勻，表明受眾的情感反應(yīng)基本不影響政務(wù)社交媒體傳播模式.

圖2 受眾情感極性-轉(zhuǎn)發(fā)節(jié)點平均距離散點圖Fig. 2 Audience emotion polarity and average spreading distance plot

政務(wù)信息內(nèi)容情感—節(jié)點間平均距離散點圖如圖3所示. 圖中顯示出兩級情緒分布較 密、中立情緒分布較為稀疏的特點. 用DBSCAN聚類分析驗證分布特點發(fā)現(xiàn)散點分為4類，分別為：消極情緒0～0.2，中立偏消極情緒0.3～0.5，中立偏積極情緒0.5～0.8，積極情緒0.8～1.0. 其中，情緒越極端，傳播距離遠(yuǎn)的可能性越大，受眾異質(zhì)性程度越高[24]. 可見政務(wù)社交媒體所發(fā)布的信息所蘊(yùn)含的情感程度會影響政務(wù)社交媒體信息傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)模式，而官方信息引發(fā)的受眾情感不會引起傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的顯著變化.

圖3 DBSCAN聚類結(jié)果Fig. 3 Clustering result of DBSCAN

3.3 用戶傳播行為時間模式對傳播演化的影響

用戶傳播行為時間模式是用戶接收到官方信息后傳播行為在時間上的特征. 加總數(shù)據(jù)集中政務(wù)社交媒體信息發(fā)布后每小時的轉(zhuǎn)發(fā)數(shù)量，并對每小時轉(zhuǎn)發(fā)量變化的時間序列進(jìn)行擬合. 結(jié)果發(fā)現(xiàn)政務(wù)社交媒體轉(zhuǎn)發(fā)數(shù)的變化量在一定波動的基礎(chǔ)上接近冪律分布，如圖4所示. 其波動可能是由于用戶生活的周期性節(jié)律及注意力遞減圖7等因素造成，所以假設(shè)H1具有一定合理性.

圖4 突發(fā)公共衛(wèi)生事件傳播變化量Fig. 4 Transmission variance in public health emergency

社交媒體用戶的生活節(jié)律對政務(wù)社交媒體官方信息傳播的影響主要有如下表現(xiàn).

1) 政務(wù)社交媒體信息發(fā)布的時間分布與傳播效果較好的政務(wù)微博發(fā)布時間分布如圖5和圖6所示. 兩者存在較大差異，這表明政務(wù)微博傳播效果受到與時間相關(guān)的因素影響.

圖5 政務(wù)微博發(fā)布總體時間分布Fig. 5 Release time distribution of all government microblog

圖6 傳播效果較好的政務(wù)微博時間分布Fig. 6 Time distribution of wide-spreading government microblog

2) 與Golder等[25]在Twitter中發(fā)現(xiàn)人們情緒日常變化規(guī)律類似，用戶轉(zhuǎn)發(fā)行為的時間分布展現(xiàn)出社交媒體用戶的生活節(jié)律與使用習(xí)慣，如圖7所示. 用戶轉(zhuǎn)發(fā)行為在上午較為活躍，到下午和晚間逐漸遞減，在此期間呈現(xiàn)規(guī)律性波動，周期約為5 h，與用戶轉(zhuǎn)發(fā)數(shù)變化量波動出現(xiàn)的時間吻合.

圖7 用戶轉(zhuǎn)發(fā)行為時間分布Fig. 7 Time distribution of user repost behavior

在假設(shè)H1背景下，利用改進(jìn)的傳染病模型觀察傳播者變化量冪律分布中，指數(shù)變化對政務(wù)社交媒體傳播效果的影響. 將SI模型中各初始值設(shè)置為：S = 0.999，I=0.001，β=0.7，式(8)中指數(shù)a為?1.5～?1.0，步長為0.1. 模擬仿真試驗結(jié)果如圖8所示. 結(jié)果表明，指數(shù) a越大，政務(wù)社交媒體中政務(wù)信息傳播速度越快，用戶傳播熱情衰減速度越慢，即SI模型中傳播率β衰減速度越慢，說明指數(shù) a能夠反映用戶傳播行為時間模式特點.

圖8 用戶活動時間指數(shù)運(yùn)行結(jié)果Fig. 8 Operation result of user active time index

3.4 情感對用戶活動時間模式的影響

社交媒體中情感煽動性言論往往會引爆輿論，可能是社交媒體內(nèi)容情感，也可能是受眾情感，進(jìn)而推動信息被大量傳播. 為探究政務(wù)社交媒體中這兩類情感因素對用戶傳播行為時間模式的影響，擬合各政務(wù)推送轉(zhuǎn)發(fā)量變化的冪函數(shù)獲得指數(shù)a，構(gòu)建政務(wù)社交媒體傳播模式指標(biāo)、傳播影響力與傳播者數(shù)量變化指數(shù)的斯皮爾曼相關(guān)性系數(shù)矩陣，如圖9所示.

圖9 斯皮爾曼相關(guān)性系數(shù)熱力圖Fig. 9 Thermal diagram of Spearman correlation coefficient

由圖可見：政務(wù)社交媒體內(nèi)容情感與用戶傳播行為時間模式之間的斯皮爾曼相關(guān)性系數(shù)為0.058，表示政務(wù)社交媒體內(nèi)容情感極性幾乎不影響用戶傳播行為特點；受眾情感與用戶傳播行為時間模式的相關(guān)性為0.053，說明受眾情緒很少會加快政務(wù)社交媒體中官方信息的傳播速度及熱度持續(xù)時間；用戶傳播行為時間模式與政務(wù)社交媒體傳播影響力的相關(guān)性為0.045，表明用戶傳播行為時間模式并不會強(qiáng)化傳播影響力. 綜上所述，通常情況下情感因素可能是引爆社交媒體輿論傳播的重要因素，但在政務(wù)社交媒體傳播場景下極少存在通過受眾情感促進(jìn)政務(wù)信息傳播的情況，說明提升政務(wù)社交媒體傳播效果的重點不在于提升情 感共鳴.

4 結(jié)論與探討

本研究以政務(wù)微博為例，用政務(wù)社交媒體中突發(fā)公共衛(wèi)生事件的真實傳播數(shù)據(jù)，研究突發(fā)公共衛(wèi)生事件背景下政務(wù)社交媒體的傳播模式、傳播效果及情感因素，得到如下結(jié)論.

1) 政務(wù)社交媒體傳播網(wǎng)絡(luò)以廣播模式為主，其中傳播效果與傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)模式不存在必然聯(lián)系. 根據(jù)該特點，政務(wù)社交媒體為優(yōu)化傳播效果需要與多位意見領(lǐng)袖合作，擴(kuò)大官方信息的傳播范圍. 同時，需要與具有強(qiáng)大帶動力的組織合作，進(jìn)一步增加信息受眾的群體異質(zhì)性，在最短時間內(nèi)將重要信息傳遞給最廣泛的人群.

2) 政務(wù)社交媒體內(nèi)容情感會影響信息傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)模式，而受眾情感不會引起傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的顯著變化，這說明決定政務(wù)社交媒體中官方信息傳播結(jié)構(gòu)的是官方信息內(nèi)容本身所表達(dá)的情感態(tài)度，而不是信息引發(fā)的受眾情感. 消極情感內(nèi)容和積極情感內(nèi)容都有更深的級聯(lián)深度，因此也會有更高的受眾群體異質(zhì)性. 在實際情況中，具有消極情感的官方信息輿論事態(tài)發(fā)展更不穩(wěn)定，需要政府部門借助政務(wù)社交媒體收集民眾反饋，及時進(jìn)行輿論引導(dǎo)，不僅需要迎合受眾的信息需求，還要不斷調(diào)整發(fā)布內(nèi)容的情感極性，直至輿論熱度退去.

3) 政務(wù)社交媒體內(nèi)容轉(zhuǎn)發(fā)數(shù)變化量大致符合冪律分布，受用戶日常生活節(jié)律以及用戶注意力遞減的影響，且用戶傳播行為時間模式及傳播速度很少受政務(wù)社交媒體情感因素的影響. 在信息時效性允許的范圍內(nèi)，政務(wù)社交媒體發(fā)布重要信息的最佳時間為上午7時至10時，能確保最多的用戶在短時間內(nèi)關(guān)注到政務(wù)社交媒體中的重要信息. 平衡用戶一天中分配在政務(wù)社交媒體上的注意力特點與信息時效性演變的規(guī)律，最大化政務(wù)社交媒體上官方信息的傳播效果.

上述研究對于突發(fā)公共衛(wèi)生事件期間的政務(wù)社交媒體傳播策略制定提供一定的參考，也為觀察社交媒體的傳播模式提供了一種思路. 但是，不同事件中政務(wù)社交媒體傳播模式可能有所不同，且影響因素不僅限于本研究中所指，還有諸如內(nèi)容主題、互動程度等因素，有待結(jié)合這些因素繼續(xù)深入研究.