中国互联网信息中心(CNNIC)发布第37次《中国互联网络发展状况统计报告》显示, 在综合社交领域, 微博的网民使用率达到33.5%, 微博主要满足用户对兴趣信息的需求, 是用户获取和分享“新闻热点”、“兴趣内容”、“专业知识”、“舆论导向”的重要平台[1]。正是因为微博用户数量规模庞大, 所以成为网络舆情传播的主力军。该平台产生的舆论和形成的传播机制都影响着整个网络舆情的传播。在微博平台中, 用户(普通用户、意见领袖、媒体、政府等)通过创造信息, 然后传播、扩散信息引发舆情事件。如很多涉及民生、官员政风、贫富差距、社会公平正义、公共安全、明星绯闻等敏感话题的事件, 只要网络曝光便会引起全国热议[2]。如非法疫苗、小护士被打、北医三院打砸等微博舆情事件, 如果不及时引导和管控就会造成极大的社会危害。因此, 本文选择舆论主流的新浪微博平台, 研究网络舆情信息传播效果的影响因素, 以为政府管理实践和舆情传播、控制提供参考依据。

网络舆情的爆发为政府带来了前所未有的舆论危机挑战, 其影响因素研究也成为广大学者追逐的热点。相关研究主要可以分为信息传播影响因素中的用户分析和用户关系研究。

微博用户本身就是舆情信息的传播节点, 其信息的发布、接收、转发、评论等不同特征对传播效果都会有一定影响。如杨成明从用户性别、地域、影响力等多个因素揭示微博用户的行为特征及存在的问题[3]; 彭希羡等对微博用户进行统计分析, 发现用户发文时间、长度、粉丝数、评论数等因素具有统计特性, 私信、城市、评论数之间具有关联性[4]; 赵蓉英等通过研究微博信息传播的影响因素, 发现粉丝数对转发量有显著正影响, 活跃度和事件对转发量有一定影响, 但不显著[5]。Agichtein等为促进网页搜索等级, 对用户行为的反馈机制进行研究[6]; Benevenuto等发现, 其研究的用户行为特征足以证明用户互动的能量积极性[7]; Ye等通过对Twitter上用户的发文量测量, 统计了社交网站舆情爆发时的传播情况, 并对用户行为进行稳定性、相关性等评估, 为Online Social Network的研究提供新的视角[8]。

用户关系是微博信息传播的主要途径, 直接影响信息传播的范围[9]。宋恩梅等通过对新浪微博“时尚”标签中用户的关注关系构建“相互关注”网络与“共同关注”网络, 揭示该标签领域的权威人物及网络成员之间的关系和两类网络属性差异[10]; 平亮等从点度中心性、中间中心性和接近中心性等网络结构指标对微博用户之间的“关注”与“被关注”信息传播的网络拓扑关系进行分析研究[11]; 康伟研究突发事件网络舆情传播的整体结构和节点在网络中的位置及相互关系, 以及舆情网络传播结构对信息的传播路径、传播速度和传播范围的影响等问题[12]。此外, 许多研究者都对社交网络用户关系进行数据采集和分析, 结果发现社交网络的平均路径长度和直径都很小, 聚类系数高, 具备小世界网络特征, 网络节点之间联系很紧密, 对信息传播十分有利[13-14]; Hui-Ye等则通过测量在线社会网络的结构特性以及网络中的关系强度, 得出从强关系角度分析社交网络是很重要的结论[15]; Java等对用户行为应用社会网络分析法, 发现用户潜在的动机社群, 并研究了解用户行为目的和使用工具原因, 这样有助于社交网站留住更多的用户[16]。

从目前的研究状况看来, 学者们主要从用户社交关系、关注关系等方面入手, 力争展现网络结构因素特性对信息传播的影响。而对于网络舆情信息传播效果的影响因素研究还很薄弱, 尚需从更多的角度、采用更多的方法通过挖掘数据深入研究。因此, 本文以新浪微博“8.12天津爆炸”事件为例研究舆情信息传播效果的影响因素。

(1) 研究理论基础

通过文献调查可知传播学领域已经提出许多传播理论。早期, 在传播效果研究方面拉斯韦尔在1948年的论文《社会传播的结构与功能》中, 提出“5W”模式, 即是: 谁(Who)→说什么(says What)→通过什么渠道(in Which channel)→向谁说(to Whom)→取得什么效果(with What effect), 该模型揭示了传播过程中的传播要素并强调传播效果产生的链路[17]。20世纪70年代, McCombs等提出议程设置理论, 该理论一直是衡量媒体传播效果的重要理论模式[18], 其核心假设是媒体议程影响公众议程, 且议程设置理论还涉及到基本效果、属性议程设置、议程设置效果的心理学、媒介议程的来源和议程设置效果的后果5个研究领域, 而且重点提出探索媒介应当如何传播信息以提高议题的传播效果[19]。本文以拉斯韦尔的5W模型与议程设置理论为研究基础, 探索社交媒体舆情信息传播过程与效果的影响因素。

(2) 指标选取

本文在微博发布者属性方面选择粉丝数、关注数作为指标, 微博信息传播数量方面选择微博发布量作为指标, 时间影响研究方面选择微博发布时间作为指标, 微博传播效果方面选择微博转发评论量(每日微博转发评论量、微博转发评论总量、每日微博转发评论总量、每日微博转发评论累积量)作为指标。具体的指标测量如表1所示。

表1   指标测量表

新窗口打开

(1) 微博发布者对传播效果影响的假设

在5W模型的研究中, 对于第一要素“谁”进行研究, 学者们除了分析传播者引起传播行为的因素, 还会研究传播者、意见领袖、传播基本群体、角色结构等因素[17]。具体在新浪微博中, 第一要素“谁”是由不同类型的微博发布者所扮演的, 且本身包含多种评价指标, 如粉丝数、关注数、转发数、评论数等因素[20]; 同时, 有研究表明粉丝数与影响微博的关系可以基于AISAS理论和AR(1)模型加以描述[21]; 更有研究指出, 微博中的粉丝数指标在很大程度上表征了受众对于传播者的认同度, 因而被很多学者视为影响微博传播效果的重要因素[22-23]。所以, 本文选用微博发布者发布量、微博发布者属性等因素, 以评估舆情事件传播中具有影响力的发布者及其影响特征。此外, 现有的研究也表明微博舆情的传播效果主要是由微博转发数和微博评论数作为支撑加以表达的[24]。因此, 选用这两个指标作为传播效果统计的基础。基于此, 提出如下假设:

H1: 传播效果受到不同类型的微博发布者影响, 且意见领袖影响最显著。

H2: 微博发布者属性特征对传播效果有促进作用。

(2) 信息传播数量对传播效果影响的假设

受众接收信息传播数量的多少, 一直是议程设置理论探求的重要因素之一。在当今舆情信息研究领域中, 也有类似的探索。如兰月新等以网络信息量为研究对象, 构建网络谣言对网络舆情的影响模型, 分析公共危机事件网络舆情传播因素[25]; 王晓光对微博信息内容和发布数量进行分析, 总结用户行为和关系的一般规律[26]; 还有学者研究发现传播效果的显著性并不仅仅与接触媒介数量的多少有关[27]。为此, 本文对探索传播数量影响传播效果的积极性提出如下假设:

H3: 信息传播数量对传播效果有促进作用。

(3) 时间因素影响对传播效果的假设

在议程设置理论中, 时间因素一直也是研究信息传播效果的重要要素。尤其是在新媒体时代这个因素更加显著。有学者测量一段时间内社交网站的数据信息, 分析用户之间的关系[28]; Terpstra等通过对舆情事件全程追踪, 分析信息在危机爆发的前一时刻和后一时刻以及在爆发时刻的情况, 并研判信息传播的方向[29]; Bosch等基于时间因素研究博客网站上人们兴趣话题的动态数据, 提出管理兴趣话题的新方法[30]。由此, 本文基于影响因素时间提出如下假设:

H4: 传播效果受到微博发布时间的影响显著。

新浪微博包含发布、转发、关注、评论、搜索、私信等功能, 特点包括用户草根化、内容碎片化、交互多样化等。基于微博的特性和容易量化等特点, 本文选择新浪微博为研究平台, 以2015年“8.12天津爆炸”为网络舆情事件研究对象, 对其舆情信息传播效果影响因素进行探索。

基于新浪开放的API平台进行数据采集。结合滚雪球爬行策略, 获取用户、其转发用户、评论用户等信息; 再爬取该用户的二级用户信息。采集2015年8月12日-2015年8月26日的数据, 24小时抓取微博数据。数据包括: 微博内容、转发数、评论数、微博发布者ID、转发者ID、评论者ID、微博ID等数据。将搜集到的数据保存到MySQL数据库中。

(1) 数据基本情况

通过网络爬虫共抓取62 475条微博信息, 统计出“8.12天津爆炸”事件每日粉丝数、关注数、微博发布量、微博转发评论量。数据基本情况如表2所示。

表2   “8.12天津爆炸”事件微博样本结构片段表

新窗口打开

(2) 数据筛选

依据抓取的微博, 应用Ucinet, 从中选出中心度最高的前14名博主发布的共计36 836条微博。同时统计出Top14节点中心度及微博转发评论总量信息情况, 如表3所示。Top14的数据也是后续探索发布者类型、发布者属性、发布数量等因素影响的基础。

表3   微博Top14节点中心度及微博转发评论情况

新窗口打开

由于意见领袖被认为是“个人”, 而非其他形式的社会组织[31]。所以, 本文将Top14的微博分为三类群体, 分别是政府微博、媒体微博以及以个体为中心定义的意见领袖。政府微博有: @走近中国消防、@南京零距离; 媒体微博有: @新浪音乐、@三联生活周刊、@头条博客、@新浪房产、@新浪财经; 意见领袖微博有: @治愈系心理学、@范忠信、@反对虐杀、@叶檀、@范炜、@古天乐、@石小杰微博。

以Top14微博舆情周期内每日微博转发评论量为数据基础, 运用Pearson相关性分析, 选出反映传播影响力的主要类型微博。统计得出结果如表4所示。

表4   Top14每日微博转发评论量相关性分析

(注: *表示在0.05水平(双侧)上显著相关; **表示在0.01水平(双侧)上显著相关。)

新窗口打开

由相关性分析得出, 意见领袖微博群体: @治愈系心理学、@范忠信、@古天乐、@叶檀、@范炜、@石小杰微博在传播中与其他博主有相互影响的关系, 且显著正相关; 媒体微博中: @新浪音乐、@三联生活周刊、@新浪房产、@头条博客具备影响其他微博的能力, 影响趋势成显著正相关; 而政府微博中只有@南京零距离具有一定的影响力, 并与其他微博有显著正相关关系。由以上统计结果可知, 新浪微博Top14中具有影响力的微博里, 意见领袖数量多, 共计6个微博r>0.5。由此说明该类型微博不仅在影响力数量上最具有优势, 且影响力程度呈现中度以上显著正相关。在高度显著正相关关系中(r>0.8), 意见领袖中@治愈系心理学、@范忠信、@石小杰微博具有影响力, 而媒体中只有@新浪音乐具有影响力。综上, 意见领袖微博整体影响力比媒体微博和政府微博要显著。因此, 假设H1得到验证。

将舆情期内每日微博转发评论量作为因变量, 分别验证微博发布者属性指标中每日微博粉丝数和关注数对传播效果的影响。对Top14微博发布者属性与其转发评论总量进行相关性分析, 结果如表5所示。

表5   微博发布者属性和每日微博转发评论量相关分析

各微博ID的每日微博转发评论量

(注: *表示在0.05水平(双侧)上显著相关; **表示在0.01水平(双侧)上显著相关。)

新窗口打开

据表5, 指标粉丝数与每日微博转发评论量成显著正相关或高度显著正相关。说明在微博平台上, 政府微博、媒体微博, 意见领袖的粉丝数越多越能够促进其转发评论总量。指标关注数与每日微博转发评论总量成显著正相关或高度显著正相关。说明在微博平台中, 如果意见领袖关注数越多, 关注范围越广, 那么促进微博信息的传播可能性就越大。所以, 在微博平台中微博发布者属性特征会直接影响舆情事件的传播效果。多粉丝、多关注的微博本身储存高的传播能量, 更能够成就高效能的受众。由此假设H2得到验证。

随着事件的发生, 微博发布量、微博转发评论量也逐渐积累。为研究微博发布信息数量是否影响传播效果, 对Top14微博发布总量和微博转发评论总量进行相关性分析, 得出研究结果如表6所示。

表6   微博发布总量与微博转发评论总量相关性分析

(注: **表示在0.01水平(双侧)上显著相关)

新窗口打开

结果显示, 微博发布总量与微博转发评论总量的Pearson系数=-0.380, p=0.001

由图1可知, 当舆情事件爆发时, Top14的微博发布总量与微博转发评论总量之间的关系呈现微弱曲线波动的形式。波动趋势也表明了微博发布数量与传播效果成负相关关系。为了进一步揭示H3不成立的原因, 笔者搜集了微博发布条数在3条以内, 但传播量巨大的微博主发布的微博信息, 部分信息情况如表7所示。

表7   深度影响“8.12天津爆炸”事件微博信息表(部分)

新窗口打开

由以上搜集信息可知, 这些极具影响力的微博有如下共同特征:

(1) 在形式上都采用文图描述与视频等方式;

(2) 在内容上表达以斥责、悼念、声援为主, 并倾向采用说故事的方式表述;

(3) 在意见领袖的属性方面, 娱乐明星、草根明星、学者三类发布的信息更容易引起反响。

所以, 微博发布信息数量并不是促进信息传播效果的决定性因素, 而传播内容和形式, 甚至可能会在更大程度上影响受众接收效果。这也因为事件本身的传播不仅是受到信息传播数量的影响, 而且还会受到受众心理需求导向等众多因素集合的影响[32]的原因。

统计“8.12天津爆炸”事件爆发后微博发布者第一次发布的时间与当日微博转发评论总量, 部分信息情况如表8所示。根据以上的搜集信息, 再统计舆情周期内每日微博转发评论累积量。并对微博发布时间和每日微博转发评论总量、每日转发评论累积量进行相关性分析, 的结果如表9所示。

表8   微博发布者情况表(部分)

新窗口打开

表9   微博发布时间与传播效果相关性分析

(注: **表示在0.01水平(双侧)上显著相关)

新窗口打开

以上结论显示, 微博第一次发布时间和每日微博转发评论累积量之间的Pearson相关系数=0.943, p=0.000