在線(xiàn)社交媒體信息傳播效果的結(jié)構(gòu)性擴(kuò)散度

■　張　倫　胥琳佳　易　妍

?

在線(xiàn)社交媒體信息傳播效果的結(jié)構(gòu)性擴(kuò)散度

■張倫胥琳佳易妍

本研究擬通過(guò)“禽流感”這一微博信息傳播案例,探討信息的結(jié)構(gòu)性擴(kuò)散度特征——這一旨在挖掘在線(xiàn)信息傳播的結(jié)構(gòu)性測(cè)量指標(biāo)。具體而言,本研究探討了結(jié)構(gòu)性擴(kuò)散度的分布特征、結(jié)構(gòu)性擴(kuò)散度與其他傳播效果測(cè)量方式的相關(guān)性/差異性以及結(jié)構(gòu)性擴(kuò)散度的影響因素。研究發(fā)現(xiàn),結(jié)構(gòu)性擴(kuò)散度的分布與傳播廣度相比,其分布更趨向于正態(tài)分布；結(jié)構(gòu)性擴(kuò)散度與傳播廣度、傳播深度等廣泛應(yīng)用的測(cè)量在線(xiàn)信息傳播效果的指標(biāo)無(wú)相關(guān)度。此外,本研究還發(fā)現(xiàn),與原發(fā)微博內(nèi)容特征相比,用戶(hù)特征和參與轉(zhuǎn)發(fā)的信息傳播者特征更能夠解釋結(jié)構(gòu)性擴(kuò)散度的差異。

傳播效果;傳播廣度;傳播速度;結(jié)構(gòu)性擴(kuò)散

以Web 2.0為技術(shù)構(gòu)架基礎(chǔ)的社會(huì)化媒體,其互動(dòng)性、實(shí)時(shí)性、“去中心化”等技術(shù)特征變革了個(gè)體信息傳播行為,具體表現(xiàn)在計(jì)算機(jī)輔助溝通技術(shù)能夠輔助用戶(hù)構(gòu)建在線(xiàn)人際關(guān)系,并大大提高信息傳播效率；同時(shí),信息發(fā)布和接收的成本也被大大降低。從社會(huì)系統(tǒng)的宏觀視角來(lái)說(shuō),社會(huì)化媒體技術(shù)對(duì)宏觀信息傳播模式也產(chǎn)生了實(shí)質(zhì)性的影響。信息不需要到達(dá)傳統(tǒng)意義上的大眾媒介把關(guān)人,就可以以幾乎無(wú)成本的條件發(fā)布到社會(huì)化媒體平臺(tái)。

探討在線(xiàn)信息的傳播效果,判定影響信息傳播效果的主要因素,并利用經(jīng)驗(yàn)數(shù)據(jù)驗(yàn)證宏觀信息傳播模式的變革,是在上述技術(shù)背景下信息傳播領(lǐng)域重要的理論發(fā)展路徑。在過(guò)去幾年中,信息傳播領(lǐng)域針對(duì)信息傳播效果進(jìn)行了諸多探討。對(duì)信息傳播效果的測(cè)量,可以從絕對(duì)數(shù)量(Quantity)、時(shí)效(Timeliness)以及結(jié)構(gòu)(Structure)三個(gè)維度分別進(jìn)行操作化定義(Zhang & Peng,2015)①。從“數(shù)量”維度,一般用信息的傳播廣度(例如,微博中信息的被轉(zhuǎn)發(fā)次數(shù))來(lái)進(jìn)行測(cè)量(Zhang,et al.,2014)②。從“時(shí)效”角度而言,一般用傳播速度來(lái)進(jìn)行測(cè)量。傳播速度測(cè)量的是一條信息快速獲得他人關(guān)注的程度。對(duì)于突發(fā)公共事件(例如公共衛(wèi)生事件、辟謠等)等具有時(shí)效性的信息,傳播速度是衡量傳播效果不可或缺的指標(biāo)之一。研究發(fā)現(xiàn),信息之間的傳播速度差異很大。例如,Cha,Mislove,&Gummadi(2009)③通過(guò)對(duì)4個(gè)Flickr中的樣本信息的擴(kuò)散速度研究發(fā)現(xiàn),不同信息的傳播速度不同,其可呈現(xiàn)出傳播時(shí)間相對(duì)均等,長(zhǎng)時(shí)間靜止后突然快速傳播或早期傳播速度快、而后經(jīng)歷穩(wěn)步傳播等情形。從“結(jié)構(gòu)”角度而言,最廣泛應(yīng)用的傳播效果測(cè)量指標(biāo)為傳播深度。既往研究表明,如果一條信息的傳播深度能夠達(dá)到4步(hops),則該條信息在全網(wǎng)傳播的可能性較大。

但是,既往研究對(duì)于探討不同維度傳播效果的影響機(jī)制存在著一定的弊端。一般而言,信息的傳播廣度被認(rèn)為是最重要的傳播效果測(cè)量指標(biāo)。首先,這種單一化的評(píng)價(jià)標(biāo)準(zhǔn)忽視了社會(huì)化媒體的結(jié)構(gòu)性?xún)?yōu)勢(shì)以及即時(shí)性?xún)?yōu)勢(shì)(Goel,Anderson,Hofman,& Watts,2013)④。傳播范圍測(cè)量的是信息的“廣播式(Broadcasting)”傳播效果。而社會(huì)化媒體由于嵌入用戶(hù)社會(huì)關(guān)系,使得信息能夠沿著用戶(hù)的社交網(wǎng)絡(luò),進(jìn)行在線(xiàn)“病毒式(Viral)”傳播(或稱(chēng)“在線(xiàn)口耳相傳(E-Word of Mouth)”傳播)。傳播廣度無(wú)法有效測(cè)量信息的“病毒式傳播”程度。其二,既往研究發(fā)現(xiàn),信息傳播廣度具有高度不平均性特征。例如,一項(xiàng)對(duì)Flickr的研究發(fā)現(xiàn),在該社交網(wǎng)絡(luò)中,大部分的圖片(1000萬(wàn))信息只得到了不多于10次傳播,而只有很小一部分信息(n= 252,126)能夠得到上千次傳播(Cha,Mislove & Gummadi,2009)⑤。這種冪律分布(Power-law)特征,使得該測(cè)量指標(biāo)區(qū)分度不夠。雖然傳播深度也一定程度上能夠反映信息傳播的結(jié)構(gòu)特征,但該值受極值影響較大。該測(cè)量指標(biāo)用一條信息的最長(zhǎng)子傳播路徑來(lái)指代整個(gè)信息傳播網(wǎng)絡(luò)的結(jié)構(gòu)特征,不能夠反映該信息傳播網(wǎng)絡(luò)的一般性結(jié)構(gòu)特點(diǎn)。

綜上,本研究旨在探討測(cè)量社交媒體在線(xiàn)信息傳播效果的另一結(jié)構(gòu)指標(biāo)——結(jié)構(gòu)性擴(kuò)散度(Structural Virality)測(cè)量信息傳播效果的效度,并探討該指標(biāo)對(duì)于彌補(bǔ)當(dāng)前傳播效果測(cè)量指標(biāo)既有缺陷的意義。

一、結(jié)構(gòu)性擴(kuò)散度的操作化定義

結(jié)構(gòu)性擴(kuò)散度(Structural Virality)指一條信息的傳播路徑傾向于代際傳播的程度。一條具有n個(gè)信息節(jié)點(diǎn)的擴(kuò)散路徑(Diffusion Tree)T中,任意兩個(gè)節(jié)點(diǎn)i、j間的平均路徑距離(Goel,Anderson,Hofman,& Watts,2013)⑥。

V(T)是結(jié)構(gòu)性擴(kuò)散度的連續(xù)性度量。該值越高,表明代際傳播越深；該值越小,表明信息傳播傾向于“廣播式”傳播。

結(jié)構(gòu)性擴(kuò)散度測(cè)量的是一條信息所能經(jīng)過(guò)的異質(zhì)性人群的程度,其一定程度上反映了該條信息激發(fā)產(chǎn)生新的對(duì)話(huà)的能力(Huffaker,2010)⑦。其結(jié)構(gòu)性擴(kuò)散度越深,該信息越有可能得到全網(wǎng)絡(luò)范圍的傳播；相反,傳播深度較淺則說(shuō)明該信息只能在某一局部網(wǎng)絡(luò)(往往是同質(zhì)性小圈子)里傳播(Cha,Haddadi,Benevenuto,& Gummadi,2010)⑧。

二、研究問(wèn)題

本研究擬通過(guò)“禽流感”這一微博信息傳播案例,探討信息的結(jié)構(gòu)性擴(kuò)散度特征,即結(jié)構(gòu)性擴(kuò)散度的分布特征、結(jié)構(gòu)性擴(kuò)散度與其他傳播效果測(cè)量方式的相關(guān)性/差異性以及結(jié)構(gòu)性擴(kuò)散度的影響因素。具體而言,本文的三個(gè)研究問(wèn)題如下:

研究問(wèn)題一:結(jié)構(gòu)性擴(kuò)散度其分布呈何特征？

結(jié)構(gòu)性擴(kuò)散度具有何種分布特征？其分布呈現(xiàn)出正態(tài)化趨勢(shì)還是冪律不平等分布趨勢(shì)？如果結(jié)構(gòu)性擴(kuò)散度的分布呈現(xiàn)出正態(tài)分布特征,則說(shuō)明該指標(biāo)能夠一定程度上區(qū)分不同信息的傳播效果。

研究問(wèn)題二:結(jié)構(gòu)性擴(kuò)散度與傳播效果的一般測(cè)量指標(biāo)(即廣度和速度)是否具有相關(guān)性？

如上文所言,信息傳播效果測(cè)量指標(biāo)可分為多個(gè)維度,即“數(shù)量”維度、“時(shí)效”維度以及“結(jié)構(gòu)”維度。因此,代表“結(jié)構(gòu)”維度的測(cè)量指標(biāo)結(jié)構(gòu)性擴(kuò)散度如果具有區(qū)分效度(Discrimination Validity),應(yīng)與其他維度測(cè)量指標(biāo)(例如傳播廣度、傳播速度等)具有一定的相關(guān)性,但不應(yīng)高度相關(guān)(BagbyTaylor & Parker,1994)⑨；否則認(rèn)為該測(cè)量指標(biāo)的區(qū)分信度較低,即可以用其他指標(biāo)代替該指標(biāo)。

研究問(wèn)題三:結(jié)構(gòu)性擴(kuò)散度的影響因素有哪些？

信息傳播結(jié)構(gòu)性擴(kuò)散度意味著該條信息所能夠到達(dá)的異質(zhì)性人群。換言之,該指標(biāo)測(cè)量的是信息的結(jié)構(gòu)性“滲透”能力。馬爾科姆·格拉德威爾(Malcolm Gladwell)提出的“引爆點(diǎn)”假說(shuō)認(rèn)為,一條信息能否得到病毒式擴(kuò)散,取決于諸多條件(Gladwell,2006)⑩。其一是信息本身的特點(diǎn),格拉德威爾將其稱(chēng)為“附著力法則”(The Stickiness Factor),即信息本身具有能夠吸引受眾的內(nèi)容特點(diǎn);其二是參與轉(zhuǎn)發(fā)信息的傳播者特點(diǎn),作者將其稱(chēng)為“個(gè)別人物法則(The Law of Few)”。格拉德威爾認(rèn)為,信息的成功擴(kuò)散很大程度上取決于參與傳播進(jìn)程的具有社交天賦(Social Gift)的人。這些人往往充當(dāng)著社會(huì)網(wǎng)絡(luò)中的連接者(Connectors)、內(nèi)行(Mavens)和推銷(xiāo)員(Salesman)的角色?！斑B接者”往往是占據(jù)信息傳播網(wǎng)絡(luò)中的“結(jié)構(gòu)洞”位置的個(gè)體,其能夠連接處于不同領(lǐng)域、不同社交圈子的用戶(hù)?！皟?nèi)行”指“信息專(zhuān)家”(Information Specialists),其能夠獲得最新的信息。而“推銷(xiāo)員”則指具有協(xié)商和說(shuō)服能力的人,這些人能夠試圖說(shuō)服他人接受信息。

基于“引爆點(diǎn)”假說(shuō),本研究將引入“信息發(fā)布者結(jié)構(gòu)特征及行為特征”“原發(fā)微博內(nèi)容特征”和“信息傳播者的結(jié)構(gòu)特征以及行為特征”,對(duì)格拉德威爾的“附著力法則”以及“個(gè)別人物法則”進(jìn)行概念化與操作化,從經(jīng)驗(yàn)性角度分析這一假說(shuō)的可證偽性,并探索影響一條信息結(jié)構(gòu)性擴(kuò)散度的主要因素。具體而言,“附著力法則”主要指“原發(fā)微博內(nèi)容特征”,其包括信息的話(huà)題特征以及情感傾向?！皞€(gè)別人物法則”則指“信息發(fā)布者和信息傳播者的結(jié)構(gòu)特征以及行為特征”,包括信息發(fā)布者的社交媒體使用經(jīng)驗(yàn)、在線(xiàn)身份、所處地理位置、結(jié)構(gòu)特征(粉絲數(shù)、關(guān)注好友數(shù))以及在線(xiàn)活躍度(已發(fā)微博數(shù))；信息傳播者的結(jié)構(gòu)特征(例如信息傳播者平均粉絲數(shù)、關(guān)注好友數(shù))、在線(xiàn)活躍度、平均社交網(wǎng)絡(luò)使用經(jīng)驗(yàn)以及參與轉(zhuǎn)發(fā)的權(quán)威用戶(hù)數(shù)量(詳見(jiàn)表2)。

三、研究方法

本研究以“禽流感數(shù)據(jù)”為例,計(jì)算每條信息的結(jié)構(gòu)化擴(kuò)散度以及相關(guān)傳播效果測(cè)量指標(biāo)。

(一)數(shù)據(jù)收集

1.關(guān)鍵詞確定

我們首先用“禽流感”這個(gè)關(guān)鍵詞在“新浪微博”中隨機(jī)抓取1000條微博,用關(guān)鍵詞相關(guān)性檢測(cè)確定到“H7N9”這個(gè)詞與“禽流感”的關(guān)聯(lián)度較高。再分別用“禽流感”和“H7N9”抓取微博,發(fā)現(xiàn)其重合度高達(dá)95.4%,最終確定以“禽流感”作為關(guān)鍵詞抓取數(shù)據(jù)。

本研究主要采用新浪微博最高權(quán)限的API獲取數(shù)據(jù),首先抓取了2013年全年的微博帖子帶有“禽流感”關(guān)鍵詞的帖子,帖子總數(shù)708171條,評(píng)論總數(shù)948597,轉(zhuǎn)發(fā)總數(shù)為2656511。發(fā)現(xiàn)其中4月和12月的微博數(shù)量最多,分別為128383和93219,并核對(duì)事實(shí)發(fā)現(xiàn),當(dāng)時(shí)有禽流感疫情的相關(guān)信息流傳。最終決定選擇2013年4月的61024條微博作為研究對(duì)象。其中,納入本研究發(fā)生多于10次轉(zhuǎn)發(fā)的微博為56331條,包含于787條原發(fā)微博中。這部分?jǐn)?shù)據(jù)最終納入本研究數(shù)據(jù)分析。

(二)測(cè)量

1.帖子主題

本研究首先利用語(yǔ)義建模(LDA,Latent Dirichlet Allocation)算法,對(duì)文檔集合進(jìn)行建模,并進(jìn)行主題的聚類(lèi)和發(fā)現(xiàn)。結(jié)合對(duì)500條微博的人工編碼(Cronbach’s alpha=0.91),本研究最終確定了“疫情發(fā)展”“死亡確診”“防治方法”“應(yīng)對(duì)措施”“辟謠通報(bào)”“禽類(lèi)動(dòng)向”“其他”共七類(lèi)話(huà)題。“疫情發(fā)展”主要包括患者情況、確診感染情況、疑似報(bào)告等；“死亡確診”即為有患者因禽流感而死亡的信息；“防治方法”主要是預(yù)防禽流感的各種方法，殺菌、消毒等各種防護(hù)；“應(yīng)對(duì)措施”主要包括政府部門(mén)的部署工作、相應(yīng)的政策法規(guī)、大規(guī)模消毒等方案的制定等；“辟謠通報(bào)”主要是謠言的澄清等內(nèi)容；“禽類(lèi)動(dòng)向”主要是雞肉、雞、鳥(niǎo)等禽類(lèi)的動(dòng)向以及人們對(duì)它們的態(tài)度等；“其他”即為沒(méi)有包含上述內(nèi)容的信息。

我們把編碼結(jié)果放入全數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)(支持向量機(jī)模型,Support Vector Machine,SVM),針對(duì)微博的主題分類(lèi)，結(jié)果準(zhǔn)確度為0.56。雖然這個(gè)結(jié)果在機(jī)器學(xué)習(xí)的結(jié)果中尚且較為理想,但是放在整體數(shù)據(jù)之下仍然不能讓人滿(mǎn)意。于是我們進(jìn)一步確定了類(lèi)別的相關(guān)詞,然后用種子詞匯進(jìn)行分類(lèi),再隨機(jī)抽取結(jié)果500條,發(fā)現(xiàn)準(zhǔn)確度為0.85,這個(gè)結(jié)果令人滿(mǎn)意。

2.帖子情感傾向性

傾向性包括“負(fù)面”“中性”“正面”,分別代表帖子內(nèi)容對(duì)禽流感事件的態(tài)度傾向性。劃分的方法是基于詞庫(kù)的情感分析方法,即利用HowNet情感詞庫(kù)進(jìn)行匹配。詞庫(kù)的建立包括連詞、否定、褒義、貶義、程度和表情。通過(guò)語(yǔ)法規(guī)則解析、情感褒貶判斷、程度判斷、表情符號(hào)修正等步驟判別微博的情感值。

3.信息發(fā)布者在線(xiàn)身份

本研究利用首發(fā)用戶(hù)的個(gè)人描述(Description)和認(rèn)證信息內(nèi)容對(duì)“用戶(hù)身份”進(jìn)行判斷,包括媒體類(lèi)、政府機(jī)構(gòu)、健康醫(yī)療機(jī)構(gòu)、公眾四類(lèi)。

本研究涉及的其他變量,例如信息發(fā)布者和信息傳播者所處地理位置、結(jié)構(gòu)特征(粉絲數(shù)、關(guān)注好友數(shù))以及在線(xiàn)活躍度(已發(fā)微博數(shù))均通過(guò)API從微博提取。信息發(fā)布者和傳播者的媒體使用經(jīng)驗(yàn)則為用戶(hù)注冊(cè)時(shí)間與發(fā)布或轉(zhuǎn)發(fā)微博的時(shí)間差。

四、研究發(fā)現(xiàn)

1.結(jié)構(gòu)性擴(kuò)散度及其分布特征

結(jié)構(gòu)性擴(kuò)散度取值在1至5之間,均值為2.19(標(biāo)準(zhǔn)差為0.37)。由圖1可見(jiàn),大部分信息的結(jié)構(gòu)性擴(kuò)散度介于1.5至3之間,另外很少一部分信息的結(jié)構(gòu)性擴(kuò)散度介于3至5之間。其分布呈現(xiàn)出不平均趨勢(shì),但與傳播廣度相比,不平均趨勢(shì)不明顯。

圖3顯示了結(jié)構(gòu)性擴(kuò)散度與多個(gè)傳播效果測(cè)量指標(biāo)——即平均速度(avg.speed)、平均時(shí)間間隔(duration)、傳播速度(speed)、傳播廣度(spreadth)、以及傳播深度(depth)之間的相關(guān)性。

2.研究效果測(cè)量指標(biāo)相關(guān)度

由表1可以發(fā)現(xiàn),結(jié)構(gòu)性擴(kuò)散度與平均速度(avg.speed)、平均傳播時(shí)間總長(zhǎng)(duration)、傳播速度(speed)、傳播廣度(spreadth)的相關(guān)系數(shù)均不顯著。這說(shuō)明,結(jié)構(gòu)性擴(kuò)散度具有一定的區(qū)分效度。為了更直觀地說(shuō)明問(wèn)題,我們挑選出了6個(gè)案例。以圖2-e為例,該信息的結(jié)構(gòu)性擴(kuò)散度取值較高,但其傳播范圍(用轉(zhuǎn)發(fā)量計(jì)算)較低；而圖2-f則相反,該信息的結(jié)構(gòu)性擴(kuò)散度非常低,卻具有較廣泛的傳播范圍。傳播深度與結(jié)構(gòu)性擴(kuò)散度的相關(guān)系數(shù)較高,這是因?yàn)閭鞑ド疃葹橐粭l信息傳播網(wǎng)絡(luò)的最大路徑長(zhǎng)度,而結(jié)構(gòu)性則為該條信息傳播網(wǎng)絡(luò)的平均路徑長(zhǎng)度。

3.結(jié)構(gòu)性擴(kuò)散度的影響因素

本研究將結(jié)構(gòu)性擴(kuò)散度作為因變量,納入“信息發(fā)布者特征”“原發(fā)微博內(nèi)容特征”以及參與信息轉(zhuǎn)發(fā)的“信息傳播者特征”,來(lái)解釋影響信息傳播結(jié)構(gòu)性擴(kuò)散度的可能因素。

該解釋模型利用線(xiàn)性回歸模型進(jìn)行分析,其R2值為0.20,這說(shuō)明,本模型納入的自變量解釋了結(jié)構(gòu)性擴(kuò)散度20%的方差。根據(jù)表2可以看出,與原發(fā)微博內(nèi)容特征相比,信息發(fā)布者特征和參與轉(zhuǎn)發(fā)的信息傳播者特征更能夠解釋結(jié)構(gòu)性擴(kuò)散度的差異。就信息發(fā)布者特征而言,第一,信息發(fā)布者的身份顯著影響了結(jié)構(gòu)性擴(kuò)散度。與普通公眾相比,以“媒體”和“政府”身份發(fā)布的微博,其結(jié)構(gòu)性擴(kuò)散度更淺(回歸系數(shù)媒體=-0.14,p<0.001;回歸系數(shù)政府=-0.11,p<0.05)。這說(shuō)明,“媒體”和“政府”發(fā)布的信息更傾向于“廣播式”傳播,而較難進(jìn)行具有滲透性的在線(xiàn)人際傳播。第二,信息發(fā)布者的粉絲數(shù)能夠促進(jìn)結(jié)構(gòu)性擴(kuò)散度的增長(zhǎng)(回歸系數(shù)=-0.056,p<0.001)。第三,信息發(fā)布者所處的地理位置如果是上海,與其他地區(qū)相比,其結(jié)構(gòu)性擴(kuò)散度更淺(回歸系數(shù)=-0.121,p<0.01)。這說(shuō)明,禽流感的發(fā)生地信息更傾向于“廣播式”傳播。

圖1　結(jié)構(gòu)性擴(kuò)散度與傳播廣度分布圖

圖2　不同結(jié)構(gòu)性擴(kuò)散度取值的H7N9信息傳播案例

圖3　研究效果測(cè)量指標(biāo)相關(guān)度散點(diǎn)圖

傳播時(shí)間總長(zhǎng)速度傳播廣度傳播深度結(jié)構(gòu)性擴(kuò)散度平均傳播速度0.733***-0.015-0.0270.0510.121傳播時(shí)間總長(zhǎng)-0.076-0.0340.0310.126速度(speed)0.346-0.175-0.152傳播廣度-0.061-0.173傳播深度0.731***

表2　結(jié)構(gòu)性擴(kuò)散度影響因素回歸模型

注:*** p < 0.001;** p < 0.01;* p < 0.05

就參與轉(zhuǎn)發(fā)節(jié)點(diǎn)特征而言,信息轉(zhuǎn)發(fā)者的社交網(wǎng)絡(luò)平均使用經(jīng)驗(yàn)(回歸系數(shù)=0.02,p<0.001)以及后續(xù)信息傳播中VIP用戶(hù)的參與(回歸系數(shù)=0.008,p<0.001)能夠增大該條信息的結(jié)構(gòu)性擴(kuò)散度。但信息轉(zhuǎn)發(fā)者的結(jié)構(gòu)特征(例如平均粉絲數(shù)、平均關(guān)注好友數(shù))以及信息轉(zhuǎn)發(fā)者的活躍度對(duì)結(jié)構(gòu)性擴(kuò)散度均無(wú)顯著影響。

五、討論

本研究旨在介紹“結(jié)構(gòu)性擴(kuò)散度”這一能充分反映在線(xiàn)信息傳播特征的傳播效果指標(biāo),并系統(tǒng)性總結(jié)和比較社會(huì)化媒體信息傳播效果的測(cè)量指標(biāo)之間的差異。從方法論的角度而言,“結(jié)構(gòu)性擴(kuò)散度”這一信息效果測(cè)量指標(biāo)彌補(bǔ)了既往主流信息效果測(cè)量指標(biāo)不能夠反映結(jié)構(gòu)性擴(kuò)散效果的缺陷,從而能夠更為直接地測(cè)量社會(huì)化媒體中在線(xiàn)人際傳播趨勢(shì)。

此外,本研究還具有實(shí)踐指導(dǎo)意義。不同類(lèi)別的信息,探究其傳播效果的側(cè)重維度不同。例如,對(duì)于健康議題(Health Emergency)信息,其結(jié)構(gòu)性擴(kuò)散效果以及時(shí)效性更為重要。信息傳播速度對(duì)于公共衛(wèi)生管理部門(mén)做出有效的危機(jī)干預(yù)措施有著重要的決策意義。而對(duì)于在線(xiàn)營(yíng)銷(xiāo)類(lèi)信息,其傳播廣度更為營(yíng)銷(xiāo)實(shí)踐者所重視。

注釋:

①Zhang,L.,Peng,T.(2015).Breadth,Depth,andSpeed:DiffusionofAdvertisingMessagesonMicrobloggingSites.Internet Research,25(3).

③⑤Cha,M.,Mislove,A.,& Gummadi,K.P.(2009).AMeasurement-drivenAnalysisofInformationPropagationintheFlickrSocialNetwork.Paper presented at the Proceedings of the 18th International Conference on World Wide Web.pp.721-730.

④⑥Goel,S.,Anderson,A.,Hofman,J.& Watts,D.(2013).TheStructuralViralityofOnlineDiffusion.Preprint.p.22,p.26.

⑦Huffaker,D.(2010).DimensionsofLeadershipandSocialInfluenceInOnlineCommunities.Human Communication Research,36(4),pp.593-617.

⑧Cha,M.,Haddadi,H.,Benevenuto,F.,&Gummadi,P.K.(2010).MeasuringUserInfluenceinTwitter:TheMillionFollowerFallacy.ICWSM,10(10-17),30.

⑨Bagby,R.M.,Taylor,G.J.,& Parker,J.D.(1994).TheTwenty-itemTorontoAlexithymiaScale—II.Convergent,Discriminant,andConcurrentValidity.Journal of Psychosomatic Research,38(1),pp.33-40.

⑩Gladwell,M.(2006).TheTippingPoint:HowLittleThingsCanMakeaBigDifference:Little,Brown.pp.1-4.

(作者張倫系北京師范大學(xué)藝術(shù)與傳媒學(xué)院副教授；胥琳佳系對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)中國(guó)語(yǔ)言文學(xué)學(xué)院講師；易妍系華東師范大學(xué)政治學(xué)系講師)

【責(zé)任編輯:潘可武】

*本文系國(guó)家社會(huì)科學(xué)基金青年項(xiàng)目“社會(huì)化媒體中公共事件話(huà)語(yǔ)框架及其演化機(jī)制研究”(項(xiàng)目編號(hào):14CXW015)的研究成果。