湯景泰 徐銘亮

傳播效果長(zhǎng)期以來(lái)都是新聞傳播領(lǐng)域研究的核心對(duì)象之一。人類的絕大多數(shù)信息傳播行為都具有目的性,即借助媒介對(duì)他人的觀念、態(tài)度、情感、認(rèn)知、行為等造成短期或長(zhǎng)期的影響①,而該影響在多大程度上與傳播目的相符便是傳播效果研究的核心問題。經(jīng)過長(zhǎng)期的摸索,效果研究最終將其主要問題框定在“效果測(cè)量”與“成因分析”兩個(gè)層面上。通過單一路徑回應(yīng)上述兩個(gè)問題并不困難,但如何整體、全面、多維地評(píng)價(jià)整個(gè)傳播過程及其最終形成的復(fù)雜效果,又如何對(duì)比多個(gè)對(duì)象之間的效果差異,成為了學(xué)界和業(yè)界長(zhǎng)期關(guān)注的難點(diǎn)問題。傳播效果的綜合評(píng)估法是解決這一問題的重要方法路徑。該方法優(yōu)勢(shì)在于可以依托現(xiàn)有的成熟理論將評(píng)估對(duì)象拆解為多個(gè)部分、環(huán)節(jié)、層次,然后進(jìn)行模塊化分析,并對(duì)評(píng)估對(duì)象的不同方面構(gòu)建一套評(píng)估指標(biāo)體系,最終通過計(jì)算各指標(biāo)綜合得分來(lái)評(píng)估對(duì)象之間的相對(duì)差異。

但是隨著社交媒體的迅猛發(fā)展,傳播效果研究所要面對(duì)的場(chǎng)景、環(huán)境、主體、渠道、內(nèi)容都愈發(fā)復(fù)雜與多元化,數(shù)字治理的難度也隨之增加。②20世紀(jì)90年代的計(jì)算機(jī)中介傳播研究(Computer-Mediated Communication,簡(jiǎn)稱CMC)已經(jīng)指出,媒介形式帶來(lái)的變化會(huì)影響社會(huì)的信息交換模式。③而基于社交媒體的傳播,信息生產(chǎn)者與消費(fèi)者的定位不再固化,人人都有可能成為新型的“產(chǎn)消者”④。這無(wú)疑為效果評(píng)估帶來(lái)了更多不確定性。評(píng)估對(duì)象、背景、目的的不斷變化,意味著評(píng)估系統(tǒng)內(nèi)部的要素、權(quán)重也必須隨時(shí)更新。顯然,固定的指標(biāo)體系不可能一勞永逸地服務(wù)于評(píng)估實(shí)踐,而針對(duì)每一類特定場(chǎng)景去重新構(gòu)造系統(tǒng)的成本又過高,那么如何針對(duì)社交媒體傳播環(huán)境提出一套更具科學(xué)性、靈活性與應(yīng)用性的傳播效果綜合評(píng)估方法,無(wú)疑具有重要的理論意義和應(yīng)用價(jià)值。

一、研究述評(píng)

如今不少商業(yè)化媒體平臺(tái)已經(jīng)建構(gòu)了用于評(píng)估媒體、賬號(hào)、網(wǎng)站影響力的排名系統(tǒng),也有很多研究者在經(jīng)典理論的指導(dǎo)下構(gòu)建出了多套指標(biāo)體系。然而不同學(xué)科之間以及學(xué)術(shù)與應(yīng)用之間,都存在一定的方法“鴻溝”。例如,學(xué)界與業(yè)界顯然遵循著兩套不同的評(píng)估邏輯:一方追求理論完備性與合法性；另一方則追求與現(xiàn)實(shí)數(shù)據(jù)、商業(yè)需求相適應(yīng)。從已有研究成果來(lái)看,評(píng)估邏輯差異主要表現(xiàn)在體系構(gòu)建思路與操作標(biāo)準(zhǔn)上,且呈現(xiàn)出理論與應(yīng)用兩個(gè)不同的面向。

第一類研究強(qiáng)調(diào)評(píng)估系統(tǒng)的理論性與全面性。這類研究關(guān)注如何在理論上對(duì)評(píng)估對(duì)象的概念、屬性、要素、環(huán)節(jié)進(jìn)行合理地劃分、拆解,并基于此組建一套多層次、多指標(biāo)的評(píng)估體系。例如,傳播影響力評(píng)估研究在影響力理論的接觸、接受、保持、提升這四個(gè)環(huán)節(jié)的基礎(chǔ)上提出了針對(duì)媒體渠道與意見領(lǐng)袖的傳播廣度、深度、強(qiáng)度、效度四維因子模型,以及針對(duì)社交媒體的覆蓋度、交互度、認(rèn)知度、滿意度、忠誠(chéng)度五維影響力模型,并發(fā)展出多套綜合評(píng)估指標(biāo)體系。⑤又如,針對(duì)突發(fā)事件網(wǎng)絡(luò)輿情的評(píng)估研究以危機(jī)管理理論為基礎(chǔ),根據(jù)事件爆發(fā)至平息過程中的主體行為與反饋,構(gòu)建輿情熱度評(píng)估體系。⑥還有的把輿情傳播的主體、受眾、傳播、內(nèi)容四個(gè)要素作為一級(jí)指標(biāo)構(gòu)建輿情監(jiān)測(cè)系統(tǒng)。⑦總體而言,這類評(píng)估研究大多圍繞“5W”經(jīng)典傳播理論,將傳播過程按用戶、平臺(tái)、內(nèi)容、互動(dòng)等方面進(jìn)行要素拆分,并依此構(gòu)造評(píng)估指標(biāo)體系。這類研究的科學(xué)性立足于評(píng)估系統(tǒng)對(duì)于理論的闡釋度與契合度,追求將經(jīng)典理論“模塊化”后套用在現(xiàn)實(shí)分析中。但這類研究的不足也非常明顯,即忽略了從理論到實(shí)證之間的研究設(shè)計(jì)與測(cè)量操作過程。換言之,這類評(píng)估體系并不能即拿即用,而是需要使用者進(jìn)行更為細(xì)致的操作化定義后才能應(yīng)用到實(shí)踐中。

第二類研究強(qiáng)調(diào)評(píng)估系統(tǒng)的效率與實(shí)用性。這類研究通常針對(duì)實(shí)際問題設(shè)計(jì)一套適用于特定評(píng)估目標(biāo)、特定數(shù)據(jù)的排序系統(tǒng)。例如,有研究基于社交媒體的用戶行為時(shí)序、話題參與及個(gè)人屬性特征等因素構(gòu)建影響力排序系統(tǒng)⑧,以及諸多針對(duì)熱門話題、網(wǎng)站鏈接的排名算法。除學(xué)術(shù)研究外,諸多媒體平臺(tái)構(gòu)建了服務(wù)于商業(yè)應(yīng)用的評(píng)估榜單,用于分析各類媒體、平臺(tái)、網(wǎng)站、企業(yè)在行業(yè)中的影響力與廣告效果,例如清博大數(shù)據(jù)、百度指數(shù)、新榜指數(shù)、微信指數(shù)等?？傮w而言,這類研究或應(yīng)用重視算法開發(fā)與工程完善,在方法運(yùn)用上較為靈活、多元,并無(wú)固定的步驟與流程限制。其科學(xué)性立足于評(píng)估系統(tǒng)對(duì)數(shù)據(jù)與方法的合理搭配以及系統(tǒng)的整體效率,而評(píng)估的最終目的則是依據(jù)評(píng)估對(duì)象的得分進(jìn)行排序或?qū)⒃u(píng)估結(jié)果應(yīng)用到其他研究分析中。但這類研究的問題在于過分追求評(píng)估排序結(jié)果,缺少了對(duì)結(jié)果成因以及對(duì)象間差異的考察與解釋,最終可能使研究落入“盲目排序”的陷阱之中。

在評(píng)估的流程與路徑方面,綜合評(píng)估法是應(yīng)用最為廣泛的策略。綜合評(píng)估法(又稱綜合評(píng)價(jià)法)源于統(tǒng)計(jì)學(xué)科和管理學(xué)科,目前已經(jīng)被廣泛應(yīng)用于各學(xué)科領(lǐng)域的評(píng)估排序。綜合評(píng)估方法的操作流程是根據(jù)評(píng)估目的將多個(gè)從不同方面描述評(píng)估對(duì)象的絕對(duì)統(tǒng)計(jì)指標(biāo),轉(zhuǎn)化為無(wú)量綱化的相對(duì)統(tǒng)計(jì)指標(biāo),并通過特定的權(quán)重分配方法將這些指標(biāo)綜合為一個(gè)評(píng)估體系。⑨其中,“構(gòu)建指標(biāo)體系”與“選擇賦權(quán)方法”是系統(tǒng)構(gòu)建流程中最為核心的兩步:前者決定了該系統(tǒng)的整體性與科學(xué)性,后者決定了該系統(tǒng)的目的性與針對(duì)性,且這兩個(gè)步驟之間存在相互影響。

目前學(xué)界雖然在綜合評(píng)估流程上達(dá)成共識(shí),但對(duì)于上述兩個(gè)核心環(huán)節(jié)的具體實(shí)踐路徑卻有著不同的看法,其主要表現(xiàn)在認(rèn)識(shí)論上“理論先行”的主觀性路徑與“數(shù)據(jù)先行”的客觀性路徑之間的差別。主觀方法遵循自上而下邏輯,傾向于定性地選擇指標(biāo)與分配權(quán)重。例如,通常依據(jù)理論、專家經(jīng)驗(yàn)或主觀判斷構(gòu)造并篩選指標(biāo),并使用常見的權(quán)重分配方法,如層次分析法(AHP法)、模糊綜合判斷等來(lái)分配權(quán)重。堅(jiān)持主觀路徑的研究者普遍認(rèn)為,指標(biāo)選取與權(quán)重分配本質(zhì)上是指標(biāo)評(píng)估“評(píng)什么(目的)”以及“怎么評(píng)(方法)”的選擇問題,而這種選擇必然帶有主觀價(jià)值判斷。而客觀方法則遵循自下而上的邏輯,傾向于定量地選擇指標(biāo)與分配權(quán)重。例如,在計(jì)算數(shù)據(jù)的現(xiàn)實(shí)分布基礎(chǔ)上通過判斷指標(biāo)之間的相關(guān)性與變異性來(lái)篩選指標(biāo),并用灰色關(guān)聯(lián)度法、主成分分析等方法分配權(quán)重。堅(jiān)持客觀性路徑的研究者認(rèn)為主觀方法無(wú)法觀察數(shù)據(jù)本身的固有特征,構(gòu)建出的指標(biāo)與權(quán)重?zé)o法對(duì)應(yīng)現(xiàn)實(shí)世界中的真實(shí)情況,缺乏對(duì)數(shù)據(jù)客觀分布的針對(duì)性。值得一提的是,有不少計(jì)算機(jī)領(lǐng)域與數(shù)據(jù)科學(xué)領(lǐng)域研究者試圖使用某些機(jī)器學(xué)習(xí)算法來(lái)實(shí)現(xiàn)綜合評(píng)估的指標(biāo)確立、賦權(quán)、排序等流程,這類方法也偏向定量方法,但由于相關(guān)研究并未成熟,此處不多做贅述。

總體來(lái)看,當(dāng)前的傳播效果綜合評(píng)估研究雖已取得了諸多顯著成果,但在社交媒體復(fù)雜傳播環(huán)境與多元評(píng)估需求下也面臨著更多的挑戰(zhàn)。特別是傳播效果評(píng)估系統(tǒng)需要將評(píng)估重心轉(zhuǎn)移到線上,而評(píng)估研究的單位與時(shí)效性受到公眾注意力周期縮短的影響,在這種情況下如何提升評(píng)估的數(shù)據(jù)質(zhì)量、平臺(tái)互通性與指標(biāo)精煉度就成為研究的難點(diǎn)。

二、社交媒體內(nèi)容傳播效果綜合評(píng)估的指標(biāo)體系構(gòu)建

綜合評(píng)估系統(tǒng)包含一套指標(biāo)體系以及其前后的數(shù)據(jù)計(jì)算、處理流程。其中指標(biāo)體系是綜合評(píng)估系統(tǒng)的核心內(nèi)容,承載著評(píng)估的目的與價(jià)值取向,內(nèi)蘊(yùn)著評(píng)估的理論基礎(chǔ)與前提假設(shè)。指標(biāo)體系的設(shè)置首先取決于評(píng)估的對(duì)象。由于公眾注意力在不同事件、領(lǐng)域間快速切換,對(duì)宏觀單位的評(píng)估難以在特定領(lǐng)域奏效,而對(duì)微觀單位的評(píng)估又需要增加其迭代頻率以應(yīng)對(duì)快速的信息流動(dòng)與環(huán)境變換。簡(jiǎn)而言之,公眾注意力周期縮減的同時(shí)也在增加綜合評(píng)估結(jié)果的偏差。因此,舍棄“傳播效果常態(tài)化”的評(píng)估思路,并在宏觀與微觀之間選擇“議題”作為中觀的內(nèi)容單位可以有效地提升傳播效果評(píng)估的科學(xué)性。議題及其衍生出的討論空間好比一個(gè)“容器”,可以容納公眾注意力消長(zhǎng)、內(nèi)容信息更迭以及傳播主體流動(dòng)?；谶@一思路,評(píng)估者無(wú)需考慮容器內(nèi)部特定信息或個(gè)體屬性,只需測(cè)量容器內(nèi)部的具體現(xiàn)象以及容器自身的演化與結(jié)構(gòu)即可。

(一)議題傳播的理論基礎(chǔ)

議程設(shè)置(agenda setting)理論與其發(fā)展而來(lái)的議程融合(agenda melding)理論是理解議題傳播機(jī)制與效果的基礎(chǔ)。早期議程設(shè)置理論認(rèn)為大眾媒介有能力影響受眾對(duì)公關(guān)議題的關(guān)注,并通過媒體信息發(fā)布數(shù)量變化控制受眾對(duì)于議題重要性的認(rèn)知排序,即第一層議程設(shè)置。研究者還發(fā)現(xiàn)議程設(shè)置除了影響受眾對(duì)事物本身重要性認(rèn)知以外,還會(huì)影響受眾對(duì)議題屬性、要素的重要性以及這些關(guān)鍵概念之間的關(guān)聯(lián)模式的相關(guān)認(rèn)知,即第二層屬性議程設(shè)置與第三層網(wǎng)絡(luò)議程設(shè)置。

但議程設(shè)置理論無(wú)法解釋受眾對(duì)議程的“逆向塑造”現(xiàn)象,議程融合理論便應(yīng)運(yùn)而生。該理論認(rèn)為議程為個(gè)體提供了某種接入社群的渠道,即承擔(dān)了某種社會(huì)整合功能,而個(gè)體也會(huì)有意識(shí)、有目的地選擇議題內(nèi)容,從而進(jìn)入與自身關(guān)注事物相關(guān)、價(jià)值觀念接近的社群中?？偟膩?lái)說,議程融合理論的提出使得議程設(shè)置研究從傳統(tǒng)的信息單向傳播模式轉(zhuǎn)向了多元化交互傳播模式,并承認(rèn)了受眾的能動(dòng)性,這使得相關(guān)研究的對(duì)象也從個(gè)體拓寬到了群體。

在議程設(shè)置與議程融合理論視域下,議題的傳播過程可以被理解為:圍繞某個(gè)議題持續(xù)討論所形成的討論空間激活了一個(gè)關(guān)注事類似、價(jià)值觀念接近的社群,傳播者與受眾會(huì)進(jìn)入該社群開展信息交換等互動(dòng)行為。這為議題傳播效果的界定提供了三種視角:首先,對(duì)于議題形成的討論空間而言,其內(nèi)部的傳播者與受眾都具有能動(dòng)性,信息數(shù)量和受眾的主動(dòng)、被動(dòng)反饋也都是以往效果評(píng)估研究的重要效果指標(biāo)；其次,對(duì)于議題激活的社群而言,其規(guī)模與結(jié)構(gòu)特征是評(píng)判議題傳播效果的重要群體性指標(biāo)；最后,對(duì)于議題而言,其本身具有時(shí)效性,議題的生命周期以及該周期的演化模式有助于從宏觀視角評(píng)估議題傳播質(zhì)量。

1.議題傳播過程中的受眾反饋

議題傳播過程中受眾是否產(chǎn)生反饋、是否跟隨傳播者對(duì)此議題展開進(jìn)一步討論,是衡量?jī)?nèi)容傳播效果的關(guān)鍵。討論聲量越大、內(nèi)容與議題越吻合,那么傳播的效果就越顯著。議程融合理論認(rèn)為議題形成的討論空間中傳播者與受眾都具備能動(dòng)性,因此傳播過程中的反饋行為也變得更加復(fù)雜。一方面,CMC理論認(rèn)為在以信息技術(shù)為載體的傳播過程中傳播者與接收者的定位被模糊化。有研究指出信息傳播除了影響受眾也會(huì)對(duì)作為傳播者的一方形成影響,這種影響效果被稱為“表達(dá)效果”(expression effect)。表達(dá)效果的作用類似于選擇性接觸,即通過強(qiáng)化表達(dá)調(diào)節(jié)自我認(rèn)知,使自身信仰、態(tài)度和行為保持一致性。另一方面,市場(chǎng)營(yíng)銷研究領(lǐng)域也同樣關(guān)注用戶、消費(fèi)者與品牌的互動(dòng)關(guān)系,并稱之為“消費(fèi)者參與”(customer engagement)。參與度影響著用戶的品牌認(rèn)知與情感活動(dòng),并被視為衡量品牌價(jià)值與品牌營(yíng)銷效果的核心要素之一。綜上所述,“表達(dá)效果”與“參與度”這兩個(gè)概念所歸屬的研究領(lǐng)域雖然不同,但都在強(qiáng)調(diào)信息傳播過程中信息接收者反饋的主動(dòng)性與能動(dòng)性。因此,社交媒體影響下的傳播效果評(píng)估有必要從主動(dòng)與被動(dòng)兩個(gè)層面對(duì)受眾反饋進(jìn)行細(xì)分:被動(dòng)反饋意味著信息觸達(dá)了受眾,使得受眾產(chǎn)生了某些與信息接收有關(guān)的行為,例如閱讀、點(diǎn)擊、收藏等；而主動(dòng)反饋則意味著信息不僅觸達(dá)了受眾,還激起了受眾的能動(dòng)性,使之產(chǎn)生進(jìn)一步互動(dòng)或表達(dá)的意愿與行為。

2.議題社群與社會(huì)網(wǎng)絡(luò)分析

議程融合理論視域下群體內(nèi)部的復(fù)雜多元信息傳播模式已成常態(tài),剝離群體研究個(gè)體的思路不可取,而如何通過群體性指標(biāo)測(cè)量社群內(nèi)部信息傳播的結(jié)構(gòu)特征成為評(píng)估重點(diǎn)。社會(huì)網(wǎng)絡(luò)相關(guān)理論與方法所提出的網(wǎng)絡(luò)指標(biāo)是分析社群內(nèi)部結(jié)構(gòu)特征的重要路徑,議題討論所形成的議程激活了網(wǎng)絡(luò)社群,而網(wǎng)絡(luò)社群的性質(zhì)與結(jié)構(gòu)可以被復(fù)雜網(wǎng)絡(luò)理論與方法所量化。在復(fù)雜網(wǎng)絡(luò)研究視野下,社交媒體可以被理解為一個(gè)由信息傳播節(jié)點(diǎn)與信息傳播關(guān)系所構(gòu)成的大型整體網(wǎng)絡(luò),而被議題所激活的社群或圈層則是整體網(wǎng)絡(luò)中的“子群”(sub-group)。當(dāng)社群圍繞著某個(gè)議題進(jìn)行持續(xù)性的討論并形成了某種相對(duì)穩(wěn)定集中的態(tài)度或價(jià)值觀念后,不同社群會(huì)在網(wǎng)絡(luò)結(jié)構(gòu)上表現(xiàn)出特征差異,而我們可以通過社會(huì)網(wǎng)絡(luò)分析方法對(duì)社群表現(xiàn)出的規(guī)模、鏈接、分布以及分隔等特性進(jìn)行分析,從而挖掘不同議題所激活的社群的性質(zhì)、特征以及社群間的差異、互動(dòng)能力。

3.議題演化與生命周期

對(duì)議題的討論不會(huì)無(wú)止境地持續(xù)下去,議題生命周期與議題演化研究是從一種“歷時(shí)性”角度分析議題生命力與受眾活躍度的重要視角。議題生命周期問題源于對(duì)公眾注意力演化問題的相關(guān)討論。公眾注意力被視為一種有限資源,由于信息過載與議題競(jìng)爭(zhēng),公眾的注意力無(wú)法長(zhǎng)期集中在同一個(gè)議題上,而是會(huì)在不同議題之間進(jìn)行切換。因此,議程設(shè)置的過程也可以被理解為各種議題爭(zhēng)奪媒體與公眾注意力的“零和博弈”過程。然而,現(xiàn)有的效果評(píng)估研究往往忽視公眾注意力的轉(zhuǎn)移與消逝,而將效果與影響誤認(rèn)為常態(tài)化的存在。社交媒體中的傳播活動(dòng)并非處于連續(xù)、平穩(wěn)的狀態(tài),而是一個(gè)短暫、具有時(shí)效性的過程。所以,議題效果評(píng)估既不是對(duì)當(dāng)前傳播狀況進(jìn)行橫截面分析,也不僅是對(duì)傳播結(jié)果的匯總呈現(xiàn),而應(yīng)從“歷時(shí)性”的角度考慮當(dāng)前公眾注意力驟變環(huán)境下的議題演化規(guī)律與生命周期問題。

綜上所述,我們明確了評(píng)估體系中的五個(gè)一級(jí)指標(biāo):曝光、觸達(dá)、互動(dòng)、社群、演化。每個(gè)一級(jí)指標(biāo)代表了議題傳播效果評(píng)估的一個(gè)核心維度,而每個(gè)維度下還包含了一系列二級(jí)指標(biāo)(如表1)。具體指標(biāo)內(nèi)容解釋與操作定義將在下文中展開討論。

表1 議題傳播效果評(píng)估指標(biāo)體系

(二)議題傳播效果評(píng)估的指標(biāo)體系內(nèi)容

1.曝光指標(biāo)

曝光指標(biāo)衡量議題相關(guān)信息的數(shù)量與擴(kuò)散程度。對(duì)于議題傳播而言,信息的曝光數(shù)量是產(chǎn)生傳播效果的必要條件,信息與傳播者的基數(shù)越大意味著該議題被其他社交媒體用戶發(fā)現(xiàn)并關(guān)注的概率越高。曝光度指標(biāo)類似于影響力評(píng)估研究中的“廣度因子”與“覆蓋度”指標(biāo),其評(píng)估目的在于測(cè)量議題傳播過程中那些主動(dòng)傳播的主體數(shù)量及其傳播行為所帶來(lái)的擴(kuò)散效應(yīng)。一個(gè)議題是否被有效曝光主要考慮如下因素:第一,議題傳播的數(shù)量,包括議題相關(guān)內(nèi)容與傳播者的基數(shù),數(shù)量是議題形成聲量以及議題傳播產(chǎn)生反饋的基礎(chǔ)條件；第二,議題傳播質(zhì)量,包括議題相關(guān)內(nèi)容中原創(chuàng)內(nèi)容的比例、傳播效率等,高質(zhì)量的傳播有利于議題后續(xù)“發(fā)酵”。由此設(shè)計(jì)曝光度下屬的二級(jí)指標(biāo)包括:(1)信息總量,統(tǒng)計(jì)各平臺(tái)中涉及該議題的信息或文章的數(shù)量總和,例如微信公眾號(hào)中相關(guān)文章數(shù)量、知乎中的相關(guān)問題數(shù)量等；(2)傳播者總量,統(tǒng)計(jì)議題相關(guān)傳播主體、用戶的總數(shù)量；(3)原創(chuàng)性,統(tǒng)計(jì)各平臺(tái)中信息唯一值數(shù)量除以信息總數(shù)量；(4)傳播效率,統(tǒng)計(jì)議題相關(guān)傳播者每人平均傳遞的信息數(shù)量。

2.觸達(dá)指標(biāo)

觸達(dá)指標(biāo)衡量議題相關(guān)信息在多大程度上被受眾所接收且轉(zhuǎn)化為被動(dòng)反饋行為。被動(dòng)反饋意味著信息觸達(dá)了受眾,并且引發(fā)了受眾的興趣與認(rèn)可。在接收信息后,受眾可能會(huì)有意或無(wú)意產(chǎn)生反饋行為,例如某些平臺(tái)對(duì)于閱讀量、點(diǎn)擊量的統(tǒng)計(jì)就屬于受眾的無(wú)意識(shí)反饋,又如某些平臺(tái)的點(diǎn)贊功能則代表了受眾的有意識(shí)反饋。因此,觸達(dá)指標(biāo)的評(píng)估目的在于測(cè)量議題傳播過程中接觸到相關(guān)信息的主體數(shù)量以及這些信息觸達(dá)后各類反應(yīng)程度。觸達(dá)度下屬的二級(jí)指標(biāo)包括:(1)觸達(dá)總量,統(tǒng)計(jì)接受到受眾反饋的信息總數(shù)量；(2)觸達(dá)比例,統(tǒng)計(jì)觸達(dá)總量與信息總量的比值；(3)閱讀量,統(tǒng)計(jì)各平臺(tái)中議題相關(guān)信息被閱讀、觀看或點(diǎn)擊的次數(shù),例如微信公眾號(hào)文章下方的閱讀量、微博文章的閱讀量等；(4)認(rèn)可度,統(tǒng)計(jì)各平臺(tái)中議題相關(guān)信息所受到的認(rèn)可性反饋,例如點(diǎn)贊、投幣等；(5)留存度,統(tǒng)計(jì)各平臺(tái)中議題相關(guān)信息被用戶保存、收藏或下載的次數(shù),例如微信的收藏?cái)?shù)量等。

3.互動(dòng)指標(biāo)

互動(dòng)指標(biāo)衡量議題相關(guān)信息在被接收后多大程度轉(zhuǎn)化為主動(dòng)反饋行為。主動(dòng)反饋區(qū)別于被動(dòng)反饋的核心差異是信息接收者在受到信息刺激后是否產(chǎn)生二次表達(dá)行動(dòng)或參與到討論當(dāng)中。若議題傳播的影響使得受眾呈現(xiàn)出強(qiáng)烈的表達(dá)與互動(dòng)欲望,則表明該議題具備了更強(qiáng)的內(nèi)容自我生產(chǎn)能力與二次傳播能力?；?dòng)指標(biāo)的評(píng)估目的在于測(cè)量議題傳播過程中活躍度和參與度的整體水平與峰值表現(xiàn)?；?dòng)指標(biāo)下屬的二級(jí)指標(biāo)包括:(1)參與度,統(tǒng)計(jì)議題傳播過程中參與者產(chǎn)生的討論數(shù)量,例如回復(fù)數(shù)量或評(píng)論數(shù)量；(2)分享度,統(tǒng)計(jì)受眾接收信息后所產(chǎn)生的分享行為或二次傳播行為的數(shù)量,例如轉(zhuǎn)發(fā)數(shù)量等；(3)活躍率,統(tǒng)計(jì)所有觸達(dá)信息中產(chǎn)生互動(dòng)參與以及分享行為的信息占比；(4)互動(dòng)頻率,統(tǒng)計(jì)議題傳播過程中單位時(shí)間內(nèi)的平均參與度與平均分享度；(5)互動(dòng)峰值,統(tǒng)計(jì)議題傳播過程中單位時(shí)間下參與度與分享度的最大值之和。

4.社群指標(biāo)

社群指標(biāo)測(cè)量議題所激活社群的結(jié)構(gòu)特征。當(dāng)社交媒體中的傳播模式具有網(wǎng)絡(luò)結(jié)構(gòu),這意味著可以通過構(gòu)造社群網(wǎng)絡(luò)與網(wǎng)絡(luò)指標(biāo)對(duì)議題社群的規(guī)模、分布、鏈接、分隔等網(wǎng)絡(luò)社群性質(zhì)進(jìn)行測(cè)量。而上述幾類社群結(jié)構(gòu)特征分別代表了議題傳播形成的不同類型效果:其一,社群規(guī)模表示議題傳播激活的社群中擁有的節(jié)點(diǎn)數(shù)量,即形成社群的體量大??；其二,社群密度表示議題激活的社群內(nèi)部主體鏈接的緊密程度與聯(lián)通效率；其三,傳播能力表示社群內(nèi)部節(jié)點(diǎn)具備的媒介屬性,其中包括了橫向與縱向傳播能力,橫向傳播能力表示社群中的節(jié)點(diǎn)傳播信息的廣度,縱向傳播能力則表示社群中節(jié)點(diǎn)傳播信息的層級(jí)數(shù)量與深度；其四,社群集中度測(cè)量社群受意見領(lǐng)袖控制的程度；其五,群際傳播能力測(cè)量社群信息流與其他社群的關(guān)聯(lián)能力,即社群在多大程度上可以與外部群體產(chǎn)生鏈接。社群指標(biāo)下屬的二級(jí)指標(biāo)包括:(1)社群規(guī)模,統(tǒng)計(jì)社群網(wǎng)絡(luò)的節(jié)點(diǎn)總數(shù)；(2)社群密度,通過計(jì)算社群網(wǎng)絡(luò)的密度指標(biāo)獲得；(3)傳播廣度,通過計(jì)算社群網(wǎng)絡(luò)節(jié)點(diǎn)的平均中介中心性獲得；(4)傳播深度,通過計(jì)算社群網(wǎng)絡(luò)中信息傳播的平均層級(jí)數(shù)量(最短路徑)獲得；(5)社群集中度,通過計(jì)算社群網(wǎng)絡(luò)中度值排名前10%節(jié)點(diǎn)的度值總和與整個(gè)網(wǎng)絡(luò)中所有節(jié)點(diǎn)度值總和的比例獲得；(6)群際傳播能力,通過計(jì)算本社群網(wǎng)絡(luò)鏈接到其他社群網(wǎng)絡(luò)的連邊占本社群網(wǎng)絡(luò)總連邊的比例獲得。

(說明:gjk表示任意節(jié)點(diǎn)j到k的最短路徑；gjk(i)表示任意節(jié)點(diǎn)j到k最短路徑經(jīng)過節(jié)點(diǎn)i的次數(shù))

5.演化指標(biāo)

演化指標(biāo)測(cè)量議題演化周期與演化模式特征。議題傳播效果與其對(duì)公眾注意力的吸引力有關(guān),而公眾注意力會(huì)在多個(gè)議題之間快速切換,對(duì)相同議題的討論與關(guān)注不會(huì)無(wú)止境地延續(xù),這使議題具備了生命演化的性質(zhì)。議題生命周期可以根據(jù)公眾注意力周期階段劃分為前問題階段、公眾意識(shí)議題階段、議題解決階段、議題興趣消退以及后議題階段。一般而言,議題傳播效果強(qiáng)弱表現(xiàn)在前期爆發(fā)的增長(zhǎng)速度、中期議論最激烈峰值高度以及議題整體持續(xù)時(shí)長(zhǎng)等幾個(gè)方面上。議題演化指標(biāo)下屬的二級(jí)指標(biāo)包括:(1)爆發(fā)時(shí)間,通過計(jì)算議題從出現(xiàn)到升值熱度峰值所需的時(shí)間占據(jù)其生命周期的比例得出；(2)爆發(fā)速率,通過計(jì)算議題峰值熱度除以議題爆發(fā)時(shí)間獲得；(3)峰值信息量,統(tǒng)計(jì)議題熱度最高點(diǎn)的信息數(shù)量；(4)保持能力,通過計(jì)算議題從峰值衰落至消逝所花費(fèi)的時(shí)間得出；(5)生命周期,通過計(jì)算一個(gè)議題出現(xiàn)至結(jié)束的完整存在的時(shí)間得出。

三、內(nèi)容傳播效果綜合評(píng)估的核心流程

完整的綜合評(píng)估系統(tǒng)還包含了在指標(biāo)體系前后的數(shù)據(jù)挖掘處理、指標(biāo)篩選賦權(quán)等流程,這是使指標(biāo)體系得以落地的關(guān)鍵步驟。當(dāng)前的傳播效果綜合評(píng)估方法存在著兩個(gè)核心問題:其一是指標(biāo)體系建成后的指標(biāo)遴選與指標(biāo)賦權(quán)方法存在主觀性與客觀性的分歧；其二是理論指導(dǎo)構(gòu)建的指標(biāo)體系并不能在實(shí)證分析中即拿即用,缺少?gòu)睦碚摰綄?shí)證的流程設(shè)計(jì)與操作定義環(huán)節(jié),導(dǎo)致評(píng)估實(shí)踐中出現(xiàn)數(shù)據(jù)質(zhì)量堪憂、平臺(tái)間數(shù)據(jù)互通性差以及指標(biāo)精煉度低等問題。該部分將針對(duì)上述問題設(shè)計(jì)評(píng)估流程。

(一)內(nèi)容界定與議題挖掘

議題是內(nèi)容效果評(píng)估的基本單位,而如何挖掘輿論場(chǎng)中存在的核心議題并將其轉(zhuǎn)化為可用于分析的評(píng)估數(shù)據(jù),則是評(píng)估實(shí)踐的前提基礎(chǔ)。從傳播特征來(lái)看,議題具有兩個(gè)特點(diǎn):一方面議題存在生長(zhǎng)消亡的周期,也就必然存在于特定的時(shí)間段內(nèi),而其持續(xù)時(shí)長(zhǎng)則取決于多大程度上吸引了公眾的注意力；另一方面議題內(nèi)容具有聚集性,微觀上呈現(xiàn)為一系列關(guān)于某個(gè)事件、對(duì)象相關(guān)的信息集合體。因此,在實(shí)證分析中我們可以將議題量化地定義為網(wǎng)絡(luò)數(shù)據(jù)中存在于某個(gè)特定時(shí)間段內(nèi)的一組文本集合,其呈現(xiàn)出特定的內(nèi)容特征。這一思路便是當(dāng)前議題挖掘的核心假設(shè)。

基于這一假設(shè),學(xué)界開發(fā)了多種方法從海量數(shù)據(jù)中進(jìn)行議題挖掘:第一類方法是主觀設(shè)置議題分類。研究者根據(jù)自身對(duì)網(wǎng)絡(luò)輿論的觀察與個(gè)人研究志趣形成主觀判斷,并預(yù)先設(shè)定好議題的內(nèi)容特征,通過關(guān)鍵詞檢索的方式來(lái)獲取相關(guān)數(shù)據(jù)。這類方法的優(yōu)勢(shì)在于得到的數(shù)據(jù)符合研究者的預(yù)設(shè),數(shù)據(jù)大概率是研究者希望呈現(xiàn)出的結(jié)果,而其劣勢(shì)在于需要研究者提前對(duì)輿論場(chǎng)中的議題涌現(xiàn)進(jìn)行敏銳的觀察與收集,否則很可能會(huì)出現(xiàn)遺漏。第二類方法是借助算法的議題聚類。這類方法借助文本挖掘與主題建模算法對(duì)海量文本數(shù)據(jù)中的內(nèi)容特征進(jìn)行學(xué)習(xí)并自動(dòng)劃分類別,例如經(jīng)典的LDA主題模型以及基于相關(guān)性、時(shí)序或針對(duì)短文本的主題模型等。這類方法的優(yōu)勢(shì)在于無(wú)需研究者預(yù)先對(duì)數(shù)據(jù)進(jìn)行深入解讀,只要借助算法便可快速高效地獲取數(shù)據(jù)中客觀存在的內(nèi)容特征分布以供參考；但其劣勢(shì)也相當(dāng)明顯,由于算法對(duì)于文本內(nèi)容的理解遠(yuǎn)不及人工觀察來(lái)得完整與準(zhǔn)確,且聚類結(jié)果存在較大的不確定性,最終算法得到的議題分類結(jié)果很可能與研究者希望分析的方向相距甚遠(yuǎn)。第三類方法是融合方法。研究者們?cè)谝庾R(shí)到信息歸類過程中的主客觀矛盾后,提出了計(jì)算扎根理論,認(rèn)為在數(shù)據(jù)挖掘的過程中研究者可以對(duì)無(wú)監(jiān)督機(jī)器學(xué)習(xí)得出的結(jié)論進(jìn)行閱讀、解釋,并基于此對(duì)計(jì)算結(jié)果進(jìn)行調(diào)整與重構(gòu),依此循環(huán)直至結(jié)果符合研究目的。該過程并非篡改數(shù)據(jù)結(jié)果,而是通過人為介入將計(jì)算機(jī)分析結(jié)果中的偏差與無(wú)關(guān)事項(xiàng)剔除。換言之,融合方法是一種汲取了算法高效、便捷與研究者主觀判斷的方法,避免了算法聚類結(jié)果難以解釋與偏離目標(biāo)的困境,但融合方法考驗(yàn)研究者主觀判斷的準(zhǔn)確性以及對(duì)算法過程和結(jié)果的理解能力。

(二)數(shù)據(jù)篩選與特征工程

經(jīng)過上述流程可以得到一份記錄了議題與關(guān)鍵詞的多組對(duì)應(yīng)關(guān)系的詞典,每一組關(guān)鍵詞集合表示了特定議題所具備的內(nèi)容特征。那么如何在得知內(nèi)容特征的基礎(chǔ)上篩選關(guān)聯(lián)的數(shù)據(jù)材料并計(jì)算指標(biāo)數(shù)值？這需要包括數(shù)據(jù)關(guān)聯(lián)、匹配、統(tǒng)計(jì)匯總等流程在內(nèi)的特征工程。特征工程(feature engineering)是機(jī)器學(xué)習(xí)與深度學(xué)習(xí)實(shí)踐領(lǐng)域的重要概念,指的是將原始數(shù)據(jù)轉(zhuǎn)化為模型訓(xùn)練可用的數(shù)據(jù)之間的一系列數(shù)據(jù)處理、數(shù)據(jù)計(jì)算流程,其目的是將原始數(shù)據(jù)通過特征提取、指標(biāo)計(jì)算、歸一化、降維等流程處理為評(píng)估體系可用的數(shù)據(jù),這是綜合評(píng)估系統(tǒng)與現(xiàn)實(shí)數(shù)據(jù)對(duì)接的必要環(huán)節(jié)。

特征工程首先任務(wù)是在議題內(nèi)容特征基礎(chǔ)上匹配關(guān)聯(lián)內(nèi)容文本并標(biāo)記議題編號(hào),即相似文本檢索與標(biāo)注。值得注意的是,特征工程在匹配數(shù)據(jù)的過程同時(shí)也伴隨數(shù)據(jù)篩選的過程,評(píng)估者所設(shè)置的匹配標(biāo)準(zhǔn)(如相似度閾值、概率閾值)同時(shí)也是篩選數(shù)據(jù)條件。該標(biāo)準(zhǔn)的設(shè)置并沒有固定規(guī)范,若標(biāo)準(zhǔn)過于寬松則不利于數(shù)據(jù)質(zhì)量?jī)?yōu)化、提純,若標(biāo)準(zhǔn)過于嚴(yán)苛則可能導(dǎo)致評(píng)估對(duì)象無(wú)法匹配足夠數(shù)據(jù)材料、指標(biāo)無(wú)法計(jì)算等問題。因此,如何設(shè)置篩選條件閾值,需要評(píng)估方在不損害數(shù)據(jù)代表性、可用性以及盡可能排除無(wú)關(guān)雜項(xiàng)的原則基礎(chǔ)上自行權(quán)衡。

特征工程的另一項(xiàng)任務(wù)是對(duì)各類指標(biāo)、數(shù)據(jù)進(jìn)行無(wú)量綱化處理。在評(píng)估實(shí)踐中不同指標(biāo)、不同平臺(tái)之間的數(shù)據(jù)來(lái)源與規(guī)格相差甚遠(yuǎn),例如微博中的千萬(wàn)轉(zhuǎn)發(fā)量與微信的十萬(wàn)閱讀量之間便出現(xiàn)了百倍的數(shù)量級(jí)差,綜合評(píng)估要求數(shù)據(jù)在進(jìn)入指標(biāo)體系計(jì)算結(jié)果之前都統(tǒng)一規(guī)格。無(wú)量綱化處理便是將指標(biāo)綜合評(píng)估中不同量級(jí)、規(guī)格的數(shù)據(jù)轉(zhuǎn)化為相同量級(jí)的比值數(shù)據(jù),通過某種數(shù)學(xué)方法將各類原始數(shù)據(jù)映射到共同的適合比較的區(qū)間中。主流的無(wú)量綱化方法可以根據(jù)特征變換后數(shù)據(jù)分布是否受到影響而分為線性變換與非線性變換兩類。線性變換會(huì)盡可能保留數(shù)據(jù)分布規(guī)律,而非線性變換則會(huì)改變數(shù)據(jù)分布規(guī)律。線性變換方法是更為常用的無(wú)量綱化思路。而在線性變換方法中,根據(jù)特征變換后數(shù)據(jù)所保留的變異信息量又可以進(jìn)一步做出劃分。歸一化方法(如Max-Min歸一化)將數(shù)據(jù)特征變換后映射在0—1之間,由于該方法在數(shù)據(jù)變換的計(jì)算過程中僅對(duì)原始數(shù)據(jù)的某幾個(gè)點(diǎn)進(jìn)行取值,因此歸一化方法保留的原始數(shù)據(jù)的差異信息較少；而標(biāo)準(zhǔn)化方法(例如Z-score標(biāo)準(zhǔn)分)則是將數(shù)據(jù)特征變換后映射在一個(gè)有正有負(fù)的區(qū)間內(nèi),但標(biāo)準(zhǔn)化方法在數(shù)據(jù)變換的計(jì)算過程中會(huì)對(duì)任何一個(gè)點(diǎn)進(jìn)行取值,因此該方法保留的原始數(shù)據(jù)差異信息較多?？偟膩?lái)說,在考慮計(jì)算成本、結(jié)果差異以及適用場(chǎng)景等因素后,線性變換是首選的無(wú)量綱化方法,而基于原始數(shù)據(jù)的分布特征以及對(duì)原始數(shù)據(jù)變異稀疏需求,我們可以進(jìn)一步在標(biāo)準(zhǔn)化方法與歸一化方法之間進(jìn)行選擇。

(三)跨平臺(tái)的數(shù)據(jù)整合

具體而言,表2整理了現(xiàn)有主流社交媒體平臺(tái)的基礎(chǔ)數(shù)據(jù)字段與評(píng)估指標(biāo)之間的對(duì)應(yīng)關(guān)系。可以發(fā)現(xiàn),由于社交媒體平臺(tái)的設(shè)計(jì)邏輯與功能偏重各有不同,其產(chǎn)生的數(shù)據(jù)字段自然無(wú)法與指標(biāo)體系中的所有維度相對(duì)應(yīng),而由此導(dǎo)致的指標(biāo)空缺現(xiàn)象成為了常態(tài)。例如,微信的功能設(shè)計(jì)偏向于個(gè)體實(shí)時(shí)互動(dòng),因此其社群指標(biāo)都難以被記錄和測(cè)量；微博的收藏功能僅用戶自己可見,因此其留存度指標(biāo)也無(wú)法計(jì)算。在跨平臺(tái)渠道的評(píng)估實(shí)踐中出現(xiàn)了指標(biāo)空缺問題時(shí),建議先使用均值填充的方法將同一議題下其他平臺(tái)的計(jì)算結(jié)果對(duì)空缺指標(biāo)進(jìn)行均值填充,從而避免因指標(biāo)空缺影響最終結(jié)果。然后,使用加權(quán)匯總的方式對(duì)所有平臺(tái)的相同指標(biāo)進(jìn)行聚合,完成數(shù)據(jù)整合。

表2 平臺(tái)數(shù)據(jù)字段與指標(biāo)的對(duì)應(yīng)關(guān)系

(四)指標(biāo)遴選與權(quán)重分配

指標(biāo)遴選的目的在于對(duì)指標(biāo)體系進(jìn)行精煉,調(diào)整體系中對(duì)現(xiàn)實(shí)數(shù)據(jù)適配性較差的部分。使用相關(guān)性分析與變異系數(shù)分析作為客觀遴選方法,有助于解決指標(biāo)體系與現(xiàn)實(shí)數(shù)據(jù)適配差的問題。其中相關(guān)性分析主要解決指標(biāo)之間的重復(fù)性、關(guān)聯(lián)性問題,若在計(jì)算真實(shí)數(shù)據(jù)后指標(biāo)之間呈現(xiàn)出的相關(guān)性過高,說明指標(biāo)之間所呈現(xiàn)的信息存在重疊,因此有必要對(duì)這些高相關(guān)指標(biāo)進(jìn)行合并或剔除；而變異系數(shù)分析則判斷指標(biāo)內(nèi)部數(shù)值是否具備區(qū)分度的問題,若在計(jì)算真實(shí)數(shù)據(jù)后指標(biāo)內(nèi)部的變異系數(shù)過低,說明評(píng)估對(duì)象在該指標(biāo)上并沒有呈現(xiàn)出可區(qū)分的差異,因此這類指標(biāo)的重要性就相對(duì)較低。值得一提的是,上述客觀篩選指標(biāo)的方法都需要在不影響指標(biāo)體系目的性與全面性這一原則下展開。

圖1 議題傳播效果綜合評(píng)估系統(tǒng)流程

權(quán)重分配的目的在于量化評(píng)估者對(duì)評(píng)估過程中各要素的重要性差異認(rèn)知,這種認(rèn)知映射在指標(biāo)體系的權(quán)重?cái)?shù)值上。指標(biāo)權(quán)重反應(yīng)了指標(biāo)體系中不同指標(biāo)的重要程度,而這種重要程度則需要綜合評(píng)估者價(jià)值預(yù)設(shè)、被評(píng)估對(duì)象內(nèi)在機(jī)理以及指標(biāo)本身的區(qū)分度等因素共同決定。權(quán)重分配需要以評(píng)估方的目的優(yōu)先,故選擇主觀指標(biāo)權(quán)重分配方法更為合適。例如層次分析法(Analytic Hierarchy Process,簡(jiǎn)稱AHP)就是比較典型的主觀賦權(quán)方法。又例如德爾菲法(Delphi,又稱專家評(píng)估法),通過對(duì)知識(shí)的描述與集成,將問題量化地呈現(xiàn)給專家,借助專家的專業(yè)知識(shí)、經(jīng)驗(yàn)產(chǎn)生的主觀判斷確定不同方案(指標(biāo))的權(quán)重。經(jīng)指標(biāo)遴選與權(quán)重分配后,議題傳播效果綜合評(píng)估系統(tǒng)便已成型,可投入到實(shí)際應(yīng)用當(dāng)中。

注釋:

① Valkenburg,et al.MediaEffects:TheoryandResearch.Annual Review of Psychology,vol.67,no.1,2016.pp.315-316.

② 趙曙光、張竹箐:《數(shù)字傳播治理與新聞媒體的責(zé)任》,《現(xiàn)代出版》,2021年第5期,第42-50頁(yè)。

③ Joseph B.Walther.Computer-MediatedCommunication:Impersonal,Interpersonal,andHyperpersonalInteraction.Communication Research,vol.23,no.1,1996.p.3.

④ [美]阿爾溫·托夫勒:《第三次浪潮》,朱志焱等譯,生活·讀書·新知三聯(lián)書店1983年版,第304頁(yè)。

2.2 教練員情況 教練員隊(duì)伍的學(xué)歷、職稱的高低、對(duì)文化教育的態(tài)度、對(duì)運(yùn)動(dòng)員學(xué)習(xí)的關(guān)心程度與運(yùn)動(dòng)員的學(xué)習(xí)具有一定的相關(guān)作用。因?yàn)檫\(yùn)動(dòng)員平時(shí)與教練在一起的時(shí)間相對(duì)較長(zhǎng)，教練員對(duì)運(yùn)動(dòng)員個(gè)體的關(guān)注程度相對(duì)更高，思想意識(shí)未成熟的運(yùn)動(dòng)員更易直接受到教練員言行與意識(shí)思想的影響。

⑤ 鄭麗勇、鄭丹妮、趙純:《媒介影響力評(píng)價(jià)指標(biāo)體系研究》,《新聞大學(xué)》,2010年第1期,第121頁(yè)；馮銳、李聞:《社交媒體影響力評(píng)價(jià)指標(biāo)體系的構(gòu)建》,《現(xiàn)代傳播》,2017年第3期,第63頁(yè)。

⑥ 張一文、齊佳音、方濱興、李欲曉:《非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情熱度評(píng)價(jià)指標(biāo)體系構(gòu)建》,《情報(bào)雜志》,2010年第11期,第71頁(yè)。

⑦ 陳新杰、呼雨、蘭月新:《網(wǎng)絡(luò)輿情監(jiān)測(cè)指標(biāo)體系構(gòu)建研究》,《現(xiàn)代情報(bào)》,2012年第5期,第4頁(yè)；高承實(shí)、榮星、陳越:《微博輿情監(jiān)測(cè)指標(biāo)體系研究》,《情報(bào)雜志》,2011年第9期,第66頁(yè)。

⑧ 馬俊、周剛、許斌、黃永忠:《基于個(gè)人屬性特征的微博用戶影響力分析》,《計(jì)算機(jī)應(yīng)用研究》,2013年第8期,第2483頁(yè)；劉威、張明新、安德智:《面向微博話題的用戶影響力分析算法》,《計(jì)算機(jī)應(yīng)用》,2019年第1期,第213頁(yè)。

⑨ 胡永宏:《對(duì)統(tǒng)計(jì)綜合評(píng)價(jià)中幾個(gè)問題的認(rèn)識(shí)與探討》,《統(tǒng)計(jì)研究》,2012年第1期,第26頁(yè)。

⑩ 虞曉芬、傅玳:《多指標(biāo)綜合評(píng)價(jià)方法綜述》,《統(tǒng)計(jì)與決策》,2004年第11期,第120頁(yè)。