基于數(shù)據(jù)畫(huà)像的短視頻領(lǐng)域中知識(shí)動(dòng)員模型研究

姚偉 劉舒雯 柯平 張翠娟 陳思

摘 要：[目的/意義]收集相關(guān)短視頻資料進(jìn)行數(shù)據(jù)畫(huà)像，挖掘短視頻背后蘊(yùn)含的知識(shí)動(dòng)員模型。[方法/過(guò)程]以選擇健身話題短視頻的收看者和評(píng)論者為研究對(duì)象，依據(jù)數(shù)據(jù)的豐富性和多樣性，采用數(shù)據(jù)畫(huà)像方法對(duì)數(shù)據(jù)基本特征和運(yùn)行狀態(tài)進(jìn)行探索，借助Maxqda12、Tableau、Gephi、Vosviewer工具，對(duì)梨視頻中關(guān)于健身話題短視頻的評(píng)論互動(dòng)進(jìn)行分析。[結(jié)果/結(jié)論]結(jié)果表明：短視頻領(lǐng)域中知識(shí)動(dòng)員會(huì)形成技術(shù)去中心化、局部協(xié)同的長(zhǎng)期性和全景協(xié)同的不確定性、內(nèi)驅(qū)力—外驅(qū)力—融驅(qū)力驅(qū)動(dòng)的知識(shí)賦能、在地化實(shí)踐場(chǎng)域，從而形成“技術(shù)流賦能—協(xié)同流賦能—知識(shí)流賦能—文化流賦能”模式。

關(guān)鍵詞：知識(shí)動(dòng)員;數(shù)據(jù)畫(huà)像;知識(shí)賦能;文化賦能;技術(shù)賦能;Maxqda12

DOI：10.3969/j.issn.1008-0821.2020.07.007

〔中圖分類(lèi)號(hào)〕G250.1 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2020）07-0063-11

Research on Knowledge Mobilization Model in

Short Video Based on Data Portrait

Yao Wei1，2 Liu Shuwen1 Ke Ping2 Zhang Cuijuan1，2 Chen Si1

（1.College of Economics and Management，Tianjin University of Science & Technology，

Tianjin 300222，China;

2.Business School，Nankai University，Tianjin 300071，China）

Abstract：[Purpose/Significance]The purpose of the research is to collect relevant short video data for data portrait，and mine the knowledge mobilization model behind the short video.[Method/Process]Viewers and commentators who choose short videos on fitness topics is taked as research objects.According to the richness and diversity of data，this paper explores the basic characteristics and running state of data by using data portrait method.With the help of Maxqda12，Tableau and Gephi tools，this paper analyzes the interaction of comments on short videos on fitness topics in pear videos.[Result/Conclusion]Results showed that：Knowledge mobilization in the field of short video formed technology decentralization，long-term nature of local coordination and uncertainty of panoramic coordination，knowledge empowerment driven by internal driving force-external driving force-melting driving force，the field of localization practice，so that the model of“technology flow empower-synergistic flow empower-knowledge flow empower-culture flow empower”was formed.

Key words：knowledge mobilization;data portrait;knowledge empowerment;culture empowerment;technology empowerment;Maxqda12

知識(shí)來(lái)源于社會(huì)實(shí)踐，哲學(xué)層面上知識(shí)是人類(lèi)的認(rèn)知成果[1]。知識(shí)的獲取與傳播是知識(shí)學(xué)研究領(lǐng)域的重要內(nèi)容，而知識(shí)動(dòng)員是二者進(jìn)行結(jié)構(gòu)聯(lián)系及演化規(guī)律的溝通橋梁。知識(shí)動(dòng)員是包括知識(shí)共創(chuàng)和知識(shí)傳播等環(huán)節(jié)的系統(tǒng)性非線性過(guò)程，強(qiáng)調(diào)互動(dòng)和對(duì)話。知識(shí)動(dòng)員由知識(shí)生產(chǎn)引致需求驅(qū)動(dòng)，通過(guò)交流與聯(lián)接，將知識(shí)轉(zhuǎn)化為行動(dòng)，目的是在知識(shí)供需方之間塑造文化，以便形成知識(shí)共創(chuàng)、知識(shí)社會(huì)化創(chuàng)新。在已知情境中，知識(shí)動(dòng)員對(duì)可用知識(shí)進(jìn)行活化，包括特定情境中知識(shí)的識(shí)別、認(rèn)知、移動(dòng)、積極使用等。作為一種社會(huì)活動(dòng)，知識(shí)動(dòng)員發(fā)生在個(gè)人、團(tuán)隊(duì)和組織等不同層面。實(shí)施知識(shí)動(dòng)員傾向于采用自下而上的方式，這意味著知識(shí)動(dòng)員是從個(gè)體規(guī)模衍生為群體規(guī)模、從個(gè)體行為演化為群體生態(tài)行為。

隨著互聯(lián)網(wǎng)技術(shù)和移動(dòng)技術(shù)的發(fā)展，為適應(yīng)人們碎片化、移動(dòng)化場(chǎng)景，短視頻媒體應(yīng)運(yùn)而生。短視頻突出互動(dòng)與交流，由供給及需求雙重驅(qū)動(dòng)，推動(dòng)知識(shí)社會(huì)化和知識(shí)活化，成為面向個(gè)體、團(tuán)隊(duì)或組織的新型知識(shí)實(shí)踐社區(qū)，為知識(shí)動(dòng)員實(shí)施提供便捷可行的技術(shù)支持。短視頻是更具個(gè)人色彩的知識(shí)身份認(rèn)同構(gòu)建與話語(yǔ)表達(dá)方式，是參與者自身知識(shí)意義的重塑，蘊(yùn)含新傳播語(yǔ)境下的知識(shí)文化隱喻[2]，它能實(shí)現(xiàn)知識(shí)動(dòng)員，而知識(shí)動(dòng)員借助短視頻進(jìn)行知識(shí)價(jià)值化。因此，收集相關(guān)短視頻資料開(kāi)展數(shù)據(jù)畫(huà)像，挖掘短視頻背后蘊(yùn)含的知識(shí)動(dòng)員模型，使人們更好地實(shí)現(xiàn)將自身知識(shí)價(jià)值化，正是研究問(wèn)題所在。

1 文獻(xiàn)回顧

21世紀(jì)初，加拿大社會(huì)科學(xué)及人文委員會(huì)創(chuàng)新性地提出了知識(shí)動(dòng)員理論[3]。知識(shí)動(dòng)員關(guān)注創(chuàng)新與服務(wù)，是基于知識(shí)客體（知識(shí)需求者）的需求驅(qū)動(dòng)，為實(shí)現(xiàn)知識(shí)的價(jià)值延伸和創(chuàng)新性增值，采取有效的機(jī)制，結(jié)合知識(shí)主、客體所處背景而采取行動(dòng)的社會(huì)過(guò)程[4]。知識(shí)動(dòng)員克服了知識(shí)傳遞不及時(shí)、分享傳播困難等問(wèn)題[5]，側(cè)重在相互作用中進(jìn)行知識(shí)的理解和創(chuàng)造，是不同利益相關(guān)者之間的知識(shí)交互，支持知識(shí)的雙向和多向協(xié)同構(gòu)建[6]。知識(shí)動(dòng)員是復(fù)雜、迭代、非線性的社會(huì)過(guò)程，涉及群體或環(huán)境之間的互動(dòng)[7]。在教育研究中，知識(shí)動(dòng)員能夠幫助改善教育體系并努力探尋構(gòu)建教育網(wǎng)絡(luò)結(jié)構(gòu)的均衡點(diǎn)，以提高教學(xué)水平[8]。此外，社會(huì)醫(yī)療領(lǐng)域也逐步使用知識(shí)動(dòng)員理論[9]。經(jīng)由科學(xué)性研究，匯總經(jīng)驗(yàn)知識(shí)，形成學(xué)術(shù)性理論，最終傳播分享研究成果[10]。

短視頻媒體具有獨(dú)特性，包括社會(huì)資本推廣度高、知識(shí)聚集凝練度強(qiáng)、傳播結(jié)構(gòu)權(quán)變度快、知識(shí)時(shí)效性強(qiáng)、便于形成閾下意識(shí)正強(qiáng)化等特點(diǎn)，這些獨(dú)特性加速了知識(shí)延伸優(yōu)化，加快知識(shí)價(jià)值化的進(jìn)程。技術(shù)打破了信息時(shí)效性、影響性與地域性等限制，即使最微弱的關(guān)聯(lián)也意味著交往關(guān)系建構(gòu)的可能[11]。知識(shí)動(dòng)員聚焦于人們的真實(shí)所知，而不是假設(shè)所知[12]，是向知識(shí)需求者或組織提供知識(shí)的過(guò)程[13]。短視頻媒體通過(guò)扁平化的傳播方式滿足現(xiàn)代人展示自我個(gè)性、互動(dòng)過(guò)程中的自我滿足、日常生活?yuàn)蕵?lè)化等用戶心理[14]。因此，在短視頻媒體中進(jìn)行知識(shí)動(dòng)員，知識(shí)生產(chǎn)者將自有知識(shí)向需求者或組織提供，可以高效地使用戶知識(shí)價(jià)值化，滿足用戶尊重或自我價(jià)值實(shí)現(xiàn)的需求。但現(xiàn)有研究中，短視頻媒體的研究主要集中于用戶心理、內(nèi)容、政策、營(yíng)銷(xiāo)、與傳統(tǒng)媒體比較、傳播價(jià)值等方面[15-16]，對(duì)于如何在短視頻中進(jìn)行用戶知識(shí)動(dòng)員的研究較少，需要進(jìn)一步系統(tǒng)研究，以便更好指導(dǎo)實(shí)踐。

2 研究對(duì)象及數(shù)據(jù)

2.1 研究對(duì)象選取

本研究以短視頻軟件使用者和評(píng)論發(fā)表者為研究對(duì)象，選擇用戶人數(shù)多、互動(dòng)頻率高、評(píng)論回復(fù)數(shù)據(jù)量大的梨視頻作為數(shù)據(jù)樣本庫(kù)。這個(gè)數(shù)據(jù)樣本庫(kù)信息量大，同時(shí)關(guān)注新聞資訊和社會(huì)故事，用戶參與知識(shí)動(dòng)員活動(dòng)更積極且具有代表性。選擇“健身話題短視頻”主要原因?yàn)榻∩硎侨藗冴P(guān)注自身健康必不可少的活動(dòng)，健身話題適應(yīng)人群范圍廣泛，對(duì)健身短視頻進(jìn)行知識(shí)動(dòng)員研究可以使更多人關(guān)注自身健康，通過(guò)知識(shí)動(dòng)員能夠更好地使人們將自身健身的知識(shí)價(jià)值化，以提升身體素質(zhì)。

2.2 數(shù)據(jù)收集

本研究收集用戶評(píng)論數(shù)據(jù)。記錄字段包括：視頻標(biāo)題、視頻發(fā)布時(shí)間、視頻發(fā)布者ID、評(píng)論轉(zhuǎn)發(fā)條數(shù)、贊同人數(shù)、評(píng)論者ID、評(píng)論內(nèi)容、評(píng)論時(shí)間、對(duì)于評(píng)論者評(píng)論內(nèi)容的贊同數(shù)。利用“八爪魚(yú)”爬蟲(chóng)軟件從“梨視頻”爬取“關(guān)于健身話題短視頻”信息共收集364條，時(shí)間為2017年6月-2018年3月，表1是用“八爪魚(yú)”爬蟲(chóng)軟件收集的有效數(shù)據(jù)的具體信息。針對(duì)收集的數(shù)據(jù)，分別從內(nèi)容維度、時(shí)間維度、空間維度，運(yùn)用扎根理論、時(shí)間序列、社會(huì)關(guān)系網(wǎng)絡(luò)分析等方法，利用Maxqda12、Tableau、Gephi等工具進(jìn)行分析。

3 數(shù)據(jù)畫(huà)像及研究發(fā)現(xiàn)

結(jié)合相關(guān)學(xué)者的研究[17-19]，數(shù)據(jù)畫(huà)像充分考慮了數(shù)據(jù)的豐富性和多樣性、數(shù)據(jù)提取方法的可伸縮性。數(shù)據(jù)畫(huà)像是數(shù)據(jù)的形成、聚集和提煉。國(guó)內(nèi)學(xué)者姚偉將數(shù)據(jù)畫(huà)像定義為：以數(shù)據(jù)科學(xué)的相關(guān)理論和技術(shù)為支撐，依據(jù)數(shù)據(jù)屬性進(jìn)行針對(duì)性地多維度分析，其目的是進(jìn)行數(shù)據(jù)基本特征和運(yùn)行狀態(tài)的可視化、具體化及立體化展現(xiàn)，進(jìn)而挖掘或探索數(shù)據(jù)背后的規(guī)律、機(jī)制及路徑等。

3.1 時(shí)間維度：用戶活躍度分布形態(tài)

對(duì)選定的特定話題（健身）短視頻的用戶評(píng)論時(shí)間及評(píng)論條數(shù)、點(diǎn)贊數(shù)量進(jìn)行統(tǒng)計(jì)分析，繪制時(shí)間序列圖。利用Tableau軟件進(jìn)行分析，得到時(shí)間序列可視化圖例。經(jīng)數(shù)據(jù)導(dǎo)入軟件，設(shè)置評(píng)論發(fā)表的日期（距離短視頻發(fā)布日的天數(shù)）為橫軸、左側(cè)縱軸為贊同人數(shù)、右側(cè)縱軸代表評(píng)論人數(shù)，得到如圖1所示的時(shí)間序列散點(diǎn)圖。

由圖1可知，關(guān)于健身的短視頻互動(dòng)程度變化呈山丘狀分布，其活躍期有特定的生命周期，經(jīng)歷了從評(píng)論者對(duì)短視頻內(nèi)容做出包含其獨(dú)有見(jiàn)解的評(píng)論，到其他評(píng)論者對(duì)這一新觀點(diǎn)所蘊(yùn)含的知識(shí)或內(nèi)容做出評(píng)論、進(jìn)行采納或是提出異議的過(guò)程。每一個(gè)活躍期的新評(píng)論都會(huì)經(jīng)歷從提出、高潮到衰落的過(guò)程規(guī)律，且這些評(píng)論的活躍期往往互相連接，有些評(píng)論的衰落期甚至直接作為下一評(píng)論的發(fā)起期。同時(shí)可以發(fā)現(xiàn)，關(guān)于健身的短視頻中，評(píng)論、贊同的分布密度呈現(xiàn)一種不均勻的態(tài)勢(shì)，存在局級(jí)集聚和協(xié)同現(xiàn)象（圖1中虛線橢圓處），但是動(dòng)員過(guò)程存在生命周期，伴隨著生命周期會(huì)出現(xiàn)知識(shí)動(dòng)員的不同形態(tài)，進(jìn)而形成知識(shí)動(dòng)員生態(tài)圈。

由評(píng)論用戶活躍度折線圖（如圖2所示）可以發(fā)現(xiàn)，用戶贊同人數(shù)和評(píng)論數(shù)在第2周突然上升，說(shuō)明用戶活躍度提升，大批評(píng)論者開(kāi)始參與到知識(shí)動(dòng)員中，并對(duì)短視頻內(nèi)容做出評(píng)論，進(jìn)而創(chuàng)造出新知識(shí)和新觀點(diǎn)，再將這些新知識(shí)與短視頻中蘊(yùn)含的知識(shí)一同傳播、分享給新用戶或新評(píng)論者，從而形成知識(shí)的社會(huì)共創(chuàng)。第9周期間，贊同數(shù)和評(píng)論數(shù)這兩項(xiàng)數(shù)據(jù)均開(kāi)始回落，分別降至35和15左右，后期仍逐步下降。16周時(shí)，開(kāi)始緩慢回升，保持幾周后又再一次出現(xiàn)回落。這一過(guò)程中，贊同數(shù)出現(xiàn)一次大幅度的上漲，然對(duì)應(yīng)的評(píng)論條數(shù)呈現(xiàn)下降趨勢(shì)。對(duì)照這一時(shí)段的評(píng)論內(nèi)容，可以發(fā)現(xiàn)當(dāng)時(shí)的用戶評(píng)論包含專(zhuān)業(yè)性知識(shí)，對(duì)短視頻所蘊(yùn)含的知識(shí)與存在的問(wèn)題做出高度概括與總結(jié)，并提出新觀點(diǎn)，得到參與者的廣泛認(rèn)同，參與者對(duì)評(píng)論所傳遞分享的知識(shí)持肯定態(tài)度，評(píng)論內(nèi)容也多為支持和稱(chēng)贊。

通過(guò)圖2可以發(fā)現(xiàn)，關(guān)于健身?yè)Q題的短視頻經(jīng)歷了發(fā)起、成長(zhǎng)、高潮、衰退的知識(shí)動(dòng)員生命周期。第二周至第七周這段時(shí)間達(dá)到峰值，這與該健身短視頻登上微博熱搜的時(shí)間正好相契合，說(shuō)明媒體曝光率、社會(huì)推廣度及視頻關(guān)注度與知識(shí)動(dòng)員的頻發(fā)度密切相關(guān)。

隨后的回復(fù)評(píng)論人數(shù)呈下降趨勢(shì)，是因?yàn)槿藗兞私饨∩硪曨l的內(nèi)容之后對(duì)其興趣程度下降。造成這一現(xiàn)象的原因可能是經(jīng)過(guò)知識(shí)動(dòng)員后，評(píng)論者開(kāi)始實(shí)施行動(dòng)，親身去練習(xí)瘦身動(dòng)作，但因個(gè)人體質(zhì)不同、瘦身效果不同、健身時(shí)長(zhǎng)不足或鍛煉姿勢(shì)有誤等，導(dǎo)致部分評(píng)論者在健身鍛煉之后沒(méi)能成功減脂或是未達(dá)到視頻中宣傳的效果，所以表現(xiàn)出如圖3所示的活躍度明顯下降。但是，評(píng)論人數(shù)與點(diǎn)贊人數(shù)從十六周之后緩慢回升，說(shuō)明高質(zhì)量健身話題的短視頻具有相當(dāng)?shù)挠绊懥蛡鞑ザ?，其生命周期持久，?jīng)歷短暫的低谷衰落之后，仍有可能再次成長(zhǎng)并達(dá)到新的高潮。

3.2 空間維度：活動(dòng)參與者網(wǎng)絡(luò)結(jié)構(gòu)分析

探究短視頻領(lǐng)域中知識(shí)動(dòng)員模型，首先必須理清知識(shí)動(dòng)員過(guò)程中各參與者（評(píng)論者）之間的社會(huì)化關(guān)系及角色差異，即明確知識(shí)動(dòng)員的核心發(fā)起者和知識(shí)的主要傳播者。在搜集到的數(shù)據(jù)中，對(duì)健身話題短視頻的評(píng)論者和回復(fù)者進(jìn)行分析，建立兩者間的社會(huì)關(guān)系網(wǎng)絡(luò)。

評(píng)論中有其他用戶做出回復(fù)即表明這一知識(shí)社區(qū)中的某些成員曾經(jīng)閱讀過(guò)此條評(píng)論，并且對(duì)該評(píng)論內(nèi)容所傳遞的知識(shí)信息持有相同或相異觀點(diǎn)，他們往往也會(huì)表明自己對(duì)于評(píng)論內(nèi)容的觀點(diǎn)是否贊同，或是引入新的相關(guān)話題知識(shí)與評(píng)論者進(jìn)行討論。經(jīng)由一次評(píng)論回復(fù)完成一次知識(shí)動(dòng)員（從短視頻發(fā)布者轉(zhuǎn)移到評(píng)論者，之后又從評(píng)論者轉(zhuǎn)移到回復(fù)者）。在這一系列過(guò)程中，知識(shí)不斷向外擴(kuò)散、傳播，并且在參與者討論交流的過(guò)程中，會(huì)出現(xiàn)新的知識(shí)或觀點(diǎn)，進(jìn)而完成知識(shí)交流和更新，而這也正是知識(shí)動(dòng)員活動(dòng)中知識(shí)的延伸與價(jià)值化。

分析開(kāi)始前，剔除不必要的數(shù)據(jù)，只保留評(píng)論者用戶ID、評(píng)論人數(shù)和回復(fù)者ID幾項(xiàng)數(shù)據(jù)，將數(shù)據(jù)匯總整合到Excel表格中，規(guī)范化整理為CSV格式，導(dǎo)入Gephi軟件中進(jìn)行深度分析，如圖3所示。

圖3可以看出，“周萌然然”“綠孩子Johnny”“北巷橘貓-”等在評(píng)論中最為積極和具有影響力，他們會(huì)依據(jù)自身的影響力形成局部知識(shí)動(dòng)員。利用社會(huì)網(wǎng)絡(luò)關(guān)系分析法，對(duì)搜集到的數(shù)據(jù)進(jìn)行可視化加工，將參與者ID作為節(jié)點(diǎn)，評(píng)論者與回復(fù)者之間的互動(dòng)作為知識(shí)動(dòng)員連線，研究參與話題交流傳播的用戶間的關(guān)聯(lián)度，得到如圖3所示的社會(huì)網(wǎng)絡(luò)關(guān)系圖。

利用Gephi軟件的ForceAtlas2布局算法進(jìn)行分析，對(duì)參與者間的交互關(guān)系進(jìn)行動(dòng)態(tài)網(wǎng)絡(luò)分析，深度加工后生成圖5所示的星云圖。圖4中外圍散點(diǎn)為交互性較小的沉默者或是不積極參與者，圖4形成了以核心評(píng)論發(fā)起者為中心，主要知識(shí)傳播者為橋梁，連接外圍散點(diǎn)（不積極參與者）的知識(shí)動(dòng)員結(jié)構(gòu)形態(tài)。其中，節(jié)點(diǎn)越大，說(shuō)明其評(píng)論內(nèi)容越吸引人，評(píng)論回復(fù)條數(shù)越多，蘊(yùn)含的知識(shí)越有深度;連線顏色越鮮艷則表明其交互度越高。這一結(jié)構(gòu)形態(tài)說(shuō)明，在短視頻領(lǐng)域中，少數(shù)評(píng)論發(fā)起者（意見(jiàn)領(lǐng)袖）所提出或傳播分享的知識(shí)，決定了整個(gè)話題的用戶交互關(guān)系，能夠影響知識(shí)動(dòng)員開(kāi)展的整個(gè)過(guò)程。此外，從圖4中還可以看出，短視頻領(lǐng)域中開(kāi)展的知識(shí)動(dòng)員，有部分用戶參與的主動(dòng)性不高，說(shuō)明短視頻評(píng)論參與者間的知識(shí)動(dòng)員存在不均衡性和非對(duì)稱(chēng)性。在后期知識(shí)動(dòng)員過(guò)程中，需特別注意這一點(diǎn)，提出解決方案，實(shí)施改進(jìn)措施，鼓勵(lì)參與者積極進(jìn)行知識(shí)動(dòng)員活動(dòng)。

利用Vosviewer的分析功能，構(gòu)建話題評(píng)論非沉默參與者的殼體層、幔層、核心層的3層生態(tài)圈結(jié)構(gòu)圖，如圖5所示。對(duì)評(píng)論交互度極高的評(píng)論者進(jìn)行分析，可以看出其交互度也有從中心向外逐漸降低的趨勢(shì)，并可以清楚地看到評(píng)論者活躍度存在分層——高活躍度、高交互度的參與者處在核心生態(tài)圈，中間生態(tài)圈是活躍度和交互度相對(duì)較低的參與者，而最外層生態(tài)圈則是活躍度與交互度最低的參與者，這和地球內(nèi)部結(jié)構(gòu)相一致，分別對(duì)應(yīng)著地心、地幔和地殼。

通過(guò)圖5可以看出，參與者“周萌然然”“綠孩子Johnny”“北巷橘貓-”位于核心生態(tài)圈，屬于意見(jiàn)領(lǐng)袖，其評(píng)論內(nèi)容分別是關(guān)于“運(yùn)動(dòng)的同時(shí)，也要注意合理的飲食，并引出了自己的瘦身食譜”和“運(yùn)動(dòng)的時(shí)長(zhǎng)與動(dòng)作的規(guī)范性討論”，這兩條評(píng)論充分調(diào)動(dòng)了參與者知識(shí)動(dòng)員的積極性，積極推動(dòng)知識(shí)動(dòng)員活動(dòng)，并使其自身處于核心層地位。核心生態(tài)圈是支撐網(wǎng)絡(luò)的主要結(jié)構(gòu)，而處于核心生態(tài)圈的參與者便成為話題的發(fā)起者和知識(shí)動(dòng)員推動(dòng)者[20]。核心生態(tài)圈參與者在健身話題短視頻的知識(shí)動(dòng)員過(guò)程中起著高度凝聚作用，能推動(dòng)健身話題的知識(shí)動(dòng)員活動(dòng)進(jìn)一步發(fā)展，并在短時(shí)間內(nèi)形成意見(jiàn)領(lǐng)袖和光圈效應(yīng)，聚集更多人關(guān)注這一特定話題短視頻，進(jìn)而創(chuàng)造、產(chǎn)生和分享更多的相關(guān)知識(shí)。最終，這一話題的網(wǎng)絡(luò)結(jié)構(gòu)也會(huì)逐步趨于穩(wěn)定，核心生態(tài)圈的用戶會(huì)成為這一特定話題短視頻知識(shí)動(dòng)員社區(qū)中的領(lǐng)導(dǎo)者，最外層生態(tài)圈的低活躍度與低交互度用戶會(huì)從參與者演變成只關(guān)注點(diǎn)贊、但不做出評(píng)論的關(guān)注者，3層生態(tài)圈的層次分化也愈加顯著。這說(shuō)明其動(dòng)員結(jié)構(gòu)存在內(nèi)外生態(tài)圈，生態(tài)圈內(nèi)部趨于協(xié)同，形成知識(shí)活化和價(jià)值化，生態(tài)圈外部趨于分散，需要對(duì)生態(tài)圈外部的成員進(jìn)行知識(shí)賦能。這就是“大聚居”，即從整體而言，整個(gè)知識(shí)動(dòng)員活動(dòng)存在大殼體層、大幔層、大核心層?！靶【劬印笔侵缸鳛橐庖?jiàn)領(lǐng)袖的“周萌然然”“綠孩子Johnny”“北巷橘貓-”等人，在其自身的影響范圍內(nèi)，也呈現(xiàn)小型的3層生態(tài)圈，即小核心層，分別以不同的意見(jiàn)領(lǐng)袖為核心。小幔層是指圍繞不同意見(jiàn)領(lǐng)袖形成的活躍度和交互度相對(duì)較低的參與者形成的生態(tài)圈。小殼體層是指圍繞不同意見(jiàn)領(lǐng)袖形成的活躍度和交互度極低的參與者形成的生態(tài)圈。

3.3 內(nèi)容維度：短視頻知識(shí)動(dòng)員內(nèi)容分析

3.3.1 短視頻知識(shí)動(dòng)員主題分析

對(duì)特定話題（健身）短視頻的評(píng)論內(nèi)容進(jìn)行文本分析，剔除無(wú)關(guān)信息（短視頻標(biāo)題、發(fā)布者ID、贊同數(shù)目、評(píng)論數(shù)目、評(píng)論時(shí)間、評(píng)論贊同數(shù)），僅導(dǎo)入評(píng)論內(nèi)容及回復(fù)內(nèi)容兩項(xiàng)文本數(shù)據(jù)，提取其中高頻詞，如圖6所示。話題的關(guān)鍵詞主要集中在“運(yùn)動(dòng)”“熱量”“食譜”“減脂”“跑步”“動(dòng)作”“消耗脂肪”等方面，而這些關(guān)鍵詞也正是該話題短視頻的主體知識(shí)價(jià)值。健身短視頻是否含有以上因素或相應(yīng)知識(shí)信息會(huì)影響用戶參與知識(shí)動(dòng)員的意愿，是用戶實(shí)施或開(kāi)展知識(shí)動(dòng)員時(shí)最關(guān)注的問(wèn)題。

3.3.2 基于扎根理論的質(zhì)性研究?jī)?nèi)容分析

本研究選取Maxqda12軟件進(jìn)行質(zhì)性分析，主要原因有以下兩方面：一是其具有強(qiáng)大的編碼功能，可以直接在軟件中生成理論關(guān)聯(lián)，無(wú)需手動(dòng)計(jì)算Pearson相關(guān)系數(shù)和建立理論關(guān)聯(lián)。二是該軟件可創(chuàng)建各數(shù)據(jù)間的關(guān)系和矩陣數(shù)據(jù)，并可在矩陣瀏覽器功能下直接瀏覽和加工數(shù)據(jù)信息，操作便捷，數(shù)據(jù)呈現(xiàn)更為直觀。

（1）數(shù)據(jù)編碼

將數(shù)據(jù)導(dǎo)入Maxqda12軟件中，采用文本挖掘的方法對(duì)文本的關(guān)鍵因素進(jìn)行提取，在分析資料基礎(chǔ)上，根據(jù)扎根理論使用Maxqda12軟件對(duì)評(píng)論資料進(jìn)行仔細(xì)編碼與分析。首先，從收集到的400多條數(shù)據(jù)中，選取485個(gè)參考點(diǎn)，即初級(jí)編碼（自由節(jié)點(diǎn)）;然后，將這些自由節(jié)點(diǎn)整合歸納到19個(gè)樹(shù)節(jié)點(diǎn)中;最后，提煉概括出短視頻領(lǐng)域中知識(shí)動(dòng)員的7個(gè)主要因素，即知識(shí)精益內(nèi)涵、知識(shí)開(kāi)放式創(chuàng)新、知識(shí)個(gè)性化推薦、媒介知識(shí)情懷、知識(shí)認(rèn)知強(qiáng)化、知識(shí)體驗(yàn)感知、知識(shí)多元協(xié)同，如圖7所示。

（2）代碼矩陣分析

選擇軟件中“可視化工具”，啟用“代碼矩陣瀏覽器”功能，對(duì)樹(shù)狀節(jié)點(diǎn)進(jìn)行可視化分析。對(duì)矩陣進(jìn)行設(shè)置，選取要分析的7個(gè)主要節(jié)點(diǎn)，分析結(jié)果如圖8所示?？梢钥闯觯绑w驗(yàn)反饋”對(duì)應(yīng)的數(shù)據(jù)顏色最鮮艷，說(shuō)明其所包含的自由節(jié)點(diǎn)最多，其權(quán)重也最高，對(duì)應(yīng)的編碼數(shù)量為56，這表明在短視頻領(lǐng)域的知識(shí)動(dòng)員過(guò)程中，體驗(yàn)反饋是用戶最關(guān)注的內(nèi)容，也是知識(shí)動(dòng)員參與者間討論交互頻次最高、涉及相關(guān)話題知識(shí)最廣的一項(xiàng)關(guān)鍵因素。同理，涉及“經(jīng)驗(yàn)交流”“情感認(rèn)同”內(nèi)容的評(píng)論，也是知識(shí)動(dòng)員參與者關(guān)注的焦點(diǎn)。

（3）子代碼的統(tǒng)計(jì)數(shù)據(jù)

表2所示短視頻領(lǐng)域中知識(shí)動(dòng)員編碼表，涉及初級(jí)編碼、次級(jí)編碼和高級(jí)編碼。由于代碼較多，為直觀查看主要維度，需要對(duì)子代碼進(jìn)行統(tǒng)計(jì)，創(chuàng)建統(tǒng)計(jì)圖表。將次級(jí)代碼和高級(jí)代碼導(dǎo)入“子代碼統(tǒng)計(jì)數(shù)據(jù)”功能進(jìn)行分析，得到高級(jí)編碼的數(shù)據(jù)統(tǒng)計(jì)表，這7個(gè)高級(jí)編碼分別為：知識(shí)多元協(xié)同、知識(shí)體驗(yàn)感知、知識(shí)認(rèn)知強(qiáng)化、媒介知識(shí)情懷、知識(shí)個(gè)性化推薦、知識(shí)開(kāi)放式創(chuàng)新和知識(shí)精益內(nèi)涵。

由于圖表較多，本研究選取“知識(shí)多元協(xié)同子代碼統(tǒng)計(jì)數(shù)據(jù)”作為代表進(jìn)行展示（如圖10所示）。用軟件自帶圖片轉(zhuǎn)換功能將統(tǒng)計(jì)數(shù)據(jù)轉(zhuǎn)換為可視化統(tǒng)計(jì)圖（如圖9所示），圖例是經(jīng)過(guò)加工處理的可視化數(shù)據(jù)餅狀圖。

3.4 內(nèi)容維度的理論關(guān)聯(lián)

由圖10短視頻領(lǐng)域中知識(shí)動(dòng)員代碼變量圖所展示的數(shù)據(jù)統(tǒng)計(jì)可知，短視頻領(lǐng)域中知識(shí)動(dòng)員分為3層。位于最內(nèi)層核心位置的是理論名稱(chēng);處于中間層是短視頻領(lǐng)域中影響知識(shí)動(dòng)員的7個(gè)關(guān)鍵因素，即知識(shí)精益內(nèi)涵、知識(shí)開(kāi)放式創(chuàng)新、知識(shí)個(gè)性化推薦、媒介知識(shí)情懷、知識(shí)認(rèn)知強(qiáng)化、知識(shí)體驗(yàn)感知和知識(shí)多元協(xié)同;最外層是對(duì)應(yīng)中間層所呈現(xiàn)的每個(gè)次級(jí)編碼的細(xì)化分類(lèi)。

通過(guò)分析挖掘，得出短視頻領(lǐng)域中知識(shí)動(dòng)員的理論關(guān)聯(lián)，如圖11所示。核心層與中間層間連接橋梁上的數(shù)字代表短視頻領(lǐng)域中知識(shí)動(dòng)員與7個(gè)主要因素間的相關(guān)系數(shù)，相關(guān)系數(shù)的絕對(duì)值越大，相關(guān)性越強(qiáng)。一般情況下，相關(guān)強(qiáng)度取值標(biāo)準(zhǔn)如下：系數(shù)在0.8（包含0.8）至1之間為極強(qiáng)相關(guān)，在0.6（包含0.6）至0.8之間為強(qiáng)相關(guān)，在0.4（包含0.4）至0.6之間為中等程度相關(guān)，在0.2（包含0.2）至0.4之間為弱相關(guān)，在0.2以下為無(wú)關(guān)[21]。依據(jù)上述標(biāo)準(zhǔn)可以看出，知識(shí)多元協(xié)同為極強(qiáng)相關(guān)，知識(shí)個(gè)性化推薦、媒介知識(shí)情懷、知識(shí)體驗(yàn)感知為強(qiáng)相關(guān)性，而知識(shí)精益內(nèi)涵、知識(shí)開(kāi)放式創(chuàng)新、知識(shí)認(rèn)知強(qiáng)化的相關(guān)性為中等水平。此外，中間層與最外層連線上的百分?jǐn)?shù)為細(xì)分后的因素對(duì)7個(gè)主要因素的構(gòu)成占比，百分比越大，說(shuō)明其權(quán)重越大，在理論關(guān)聯(lián)構(gòu)建過(guò)程中越重要，越需要重點(diǎn)關(guān)注。如在知識(shí)多元協(xié)同方面，知識(shí)需求是影響短視頻領(lǐng)域中知識(shí)動(dòng)員的主要影響因素;在知識(shí)體驗(yàn)感知方面，經(jīng)驗(yàn)交流是影響短視頻領(lǐng)域中知識(shí)動(dòng)員的主要影響因素。以此類(lèi)推，可以得出在7個(gè)主要因素中的知識(shí)需求、經(jīng)驗(yàn)交流、知識(shí)體驗(yàn)、知識(shí)質(zhì)量、知識(shí)原創(chuàng)、體驗(yàn)反饋、情感認(rèn)同等因素為影響知識(shí)動(dòng)員的重要細(xì)分因素。

4 結(jié) 論

依據(jù)扎根思想，即扎根于實(shí)際研究、資料、數(shù)據(jù)、田野之中，不是空想或臆想，從實(shí)踐中形成的研究思維、研究意識(shí)及思想等，從而探索數(shù)據(jù)及現(xiàn)象背后的規(guī)律、理論。本研究扎根于現(xiàn)實(shí)知識(shí)動(dòng)員實(shí)踐社區(qū)，扎根于短視頻及其評(píng)論的資料中，對(duì)數(shù)據(jù)的多維屬性進(jìn)行數(shù)據(jù)畫(huà)像，探索其背后的知識(shí)動(dòng)員模型。依據(jù)數(shù)據(jù)畫(huà)像的探索得出如下結(jié)論：

（1）移動(dòng)技術(shù)賦能空間：技術(shù)賦能是通過(guò)應(yīng)用新興移動(dòng)信息技術(shù)，形成具有鮮明時(shí)效性，且不受時(shí)空限制的路徑，激發(fā)和強(qiáng)化知識(shí)需求者的能力[22]。移動(dòng)技術(shù)賦能在連接參與者、連接數(shù)字內(nèi)容、連接知識(shí)、連接服務(wù)的平臺(tái)上，進(jìn)一步形成更

適合未來(lái)發(fā)展趨勢(shì)的社交、內(nèi)容、知識(shí)服務(wù)與技術(shù)的融合。移動(dòng)技術(shù)賦能強(qiáng)調(diào)技術(shù)本身的設(shè)計(jì)、技術(shù)與人的互動(dòng)，從而形成差序格局鮮明的網(wǎng)絡(luò)社區(qū)態(tài)勢(shì)。移動(dòng)技術(shù)在賦能過(guò)程中發(fā)揮如下作用：①知識(shí)庫(kù)的接口，保障眾多知識(shí)具有實(shí)效性和綜合性;②知識(shí)橋梁與連接器;③知識(shí)個(gè)性化推薦：從共性式群體互動(dòng)到個(gè)性化的定制互動(dòng);④媒介知識(shí)情懷：技術(shù)媒介理性與知識(shí)價(jià)值融合形成媒介知識(shí)情懷;⑤技術(shù)賦能能力：技術(shù)輻射力和影響力的合力形成賦能能力。技術(shù)因素帶來(lái)的價(jià)值正向影響用戶的行為。移動(dòng)技術(shù)賦能使知識(shí)動(dòng)員社區(qū)參與者能夠在不確定情況下通過(guò)有效途徑獲取到正確的或者需要的知識(shí)。移動(dòng)技術(shù)賦能使知識(shí)動(dòng)員社區(qū)去中心化變?yōu)榭赡?，去中心化?huì)形成知識(shí)動(dòng)員的內(nèi)在動(dòng)機(jī)。在面對(duì)不確定的知識(shí)動(dòng)員情境下，移動(dòng)技術(shù)增強(qiáng)了賦能的敏捷性和適應(yīng)性。移動(dòng)技術(shù)使得獲得知識(shí)的人能夠超越時(shí)空限制擁有相應(yīng)的知識(shí)和視野，并在此基礎(chǔ)上依據(jù)獲取的知識(shí)采取明智的行動(dòng)。由于移動(dòng)技術(shù)是不斷升級(jí)和迭代的，技術(shù)的更新推動(dòng)賦能的實(shí)施，所以也可以稱(chēng)為技術(shù)流賦能。

（2）非對(duì)稱(chēng)協(xié)同空間，即局部協(xié)同的長(zhǎng)期性和全景協(xié)同的不確定性。非對(duì)稱(chēng)協(xié)同是由知識(shí)不對(duì)稱(chēng)效應(yīng)所導(dǎo)致。知識(shí)生產(chǎn)者和知識(shí)需求者之間存在知識(shí)不對(duì)稱(chēng)效應(yīng)，知識(shí)不對(duì)稱(chēng)效應(yīng)使得知識(shí)在知識(shí)主體與知識(shí)客體之間形成分布不均衡現(xiàn)象，從而形成知識(shí)差。知識(shí)差的形成推動(dòng)了知識(shí)多元協(xié)同。通過(guò)分析發(fā)現(xiàn)，在知識(shí)不對(duì)稱(chēng)和知識(shí)動(dòng)員之間存在非對(duì)稱(chēng)協(xié)同機(jī)制，即局部協(xié)同的長(zhǎng)期性和全景協(xié)同的不確定性。局部協(xié)同的長(zhǎng)期性是指在例如在核心層，各參與者之間存在非線性的相互作用，從而產(chǎn)生協(xié)同效應(yīng)，使得核心層由混沌走向有序、自組織乃至自適應(yīng)。局部協(xié)同滿足了需求者的動(dòng)態(tài)知識(shí)需求。全景協(xié)同的不確定性是由于知識(shí)需求者的個(gè)體特征及其意愿，使其具有個(gè)性化知識(shí)需求及知識(shí)過(guò)濾網(wǎng)，從而獲取個(gè)性化的知識(shí)，彼此之間會(huì)存在知識(shí)認(rèn)知偏差，從而導(dǎo)致存在“核心—幔層—?dú)んw層”3種身份屬性。全景協(xié)同的不確定性為知識(shí)動(dòng)員帶來(lái)機(jī)遇與挑戰(zhàn)，需要在局部協(xié)同和全景協(xié)同之間找到平衡點(diǎn)，或者在“核心層—核心層不穩(wěn)定邊緣、幔層—幔層不穩(wěn)定邊緣、殼體層—?dú)んw層不穩(wěn)定邊緣”找到最佳平衡點(diǎn)。

非對(duì)稱(chēng)協(xié)同及不穩(wěn)定邊緣會(huì)形成內(nèi)生態(tài)協(xié)同與外生態(tài)賦能。外生態(tài)賦能是短視頻知識(shí)互動(dòng)的實(shí)踐過(guò)程，在網(wǎng)絡(luò)社區(qū)中形成動(dòng)態(tài)化的交互關(guān)系與開(kāi)放性的形態(tài)。內(nèi)生態(tài)協(xié)同與外生態(tài)賦能是針對(duì)“核心生態(tài)圈—幔層生態(tài)圈—?dú)んw生態(tài)圈”而言。相對(duì)于幔層而言，核心生態(tài)圈是內(nèi)生態(tài)協(xié)同，這一層面中各個(gè)參與者之間存在協(xié)調(diào)與合作的行為。參與者之間的交互、協(xié)調(diào)、協(xié)作形成拉動(dòng)效應(yīng)，帶動(dòng)內(nèi)生態(tài)知識(shí)圈的形成，從而達(dá)到正向知識(shí)體驗(yàn)感知和知識(shí)認(rèn)知強(qiáng)化。相對(duì)于核心層而言，幔層生態(tài)圈是外生態(tài)。外生態(tài)與內(nèi)生態(tài)邊界及外生態(tài)認(rèn)同缺乏穩(wěn)定對(duì)應(yīng)關(guān)系。這種穩(wěn)定對(duì)應(yīng)關(guān)系的缺乏會(huì)超越參與者個(gè)體或局部性交互，使得內(nèi)生態(tài)圈對(duì)外生態(tài)圈賦能，而外生態(tài)賦能一旦突破“生態(tài)邊界”，便融入更大的知識(shí)生態(tài)中。由于這種不對(duì)稱(chēng)協(xié)同也是動(dòng)態(tài)變化的，因此可以成為協(xié)同流賦能。