跨媒介敘事視角下網(wǎng)絡(luò)平臺(tái)自制劇傳播路徑研究

劉欣

摘 要 Web3.0時(shí)代的傳播模糊了傳者和受者、生產(chǎn)者與消費(fèi)者的邊界，網(wǎng)絡(luò)平臺(tái)自制劇在擴(kuò)散路徑中作為被傳播的“信息”被賦予了新的特征。從跨媒介敘事理論出發(fā)，采用定量研究的方法，探尋以《隱秘的角落》為代表的網(wǎng)絡(luò)自制劇在新浪微博平臺(tái)的傳播路徑。

關(guān)鍵詞 網(wǎng)絡(luò)自制?。恍畔U(kuò)散；跨媒介敘事；新浪微博；隨機(jī)森林模型

中圖分類號 G2 文獻(xiàn)標(biāo)識碼 A 文章編號 2096-0360（2021）23-0032-07

早在1973年，文化馬克思主義學(xué)者雷蒙·威廉姆斯就在其著作《電視：科技與文化形式》中探究電視作為一種科技與文化的混合體，如何體現(xiàn)在當(dāng)代的社會(huì)情境、文化脈絡(luò)與科技發(fā)展的交織中。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展、移動(dòng)終端的極大普及，人們完成了從文字化生存到視頻化生存的過度[ 1 ]。截至2021年6月，我國網(wǎng)民人均每周上網(wǎng)時(shí)長為26.9個(gè)小時(shí)，網(wǎng)絡(luò)視頻（含短視頻）用戶規(guī)模達(dá)9.44億，較2020年12月增長1 707萬，占網(wǎng)民整體的93.4%[ 2 ]?；ヂ?lián)網(wǎng)視頻平臺(tái)已取代雷蒙·威廉姆斯時(shí)期的電視，成為當(dāng)下最重要的科技與文化混合體之一。其所生產(chǎn)的網(wǎng)絡(luò)自制劇也成為當(dāng)代人視頻化生存的重要內(nèi)容、形式和場景。對于網(wǎng)絡(luò)平臺(tái)自制劇生產(chǎn)、傳播及受眾層面的研究具有新的意義，傳、受的界限“你中有我、我中有你”模糊著邊界。從跨媒介敘事視角下，描繪網(wǎng)絡(luò)平臺(tái)自制劇在社交網(wǎng)絡(luò)平臺(tái)中的傳播路徑，揭示受眾、用戶的主動(dòng)性與互動(dòng)性具有積極的意義。

本文的研究目的旨在描述網(wǎng)絡(luò)平臺(tái)自制劇在社交網(wǎng)絡(luò)平臺(tái)中的傳播路徑，并揭示影響其流行的主要因素。

1.1 社交網(wǎng)絡(luò)平臺(tái)中信息擴(kuò)散的影響因素

目前對于新浪微博、推特（Twitter）和臉書（Facebook）等社交網(wǎng)絡(luò)平臺(tái)的研究多從信息擴(kuò)散的視角切入。隋巖等[ 3 ]在對網(wǎng)絡(luò)群體傳播進(jìn)行信息擴(kuò)散研究時(shí)，通過對以往研究進(jìn)行梳理將以往研究分為兩類：一類研究側(cè)重于觀察信息內(nèi)容的特征，如標(biāo)簽、鏈接和圖片，以及行為、話題類型、情緒類型等對信息擴(kuò)散規(guī)模的影響；另一類則更關(guān)注參與信息擴(kuò)散的用戶特征，如用戶認(rèn)證、活躍度、粉絲數(shù)等對信息擴(kuò)散規(guī)模的影響。

1.2 流行度演化

胡穎等[ 4 ]將社交網(wǎng)絡(luò)平臺(tái)的信息擴(kuò)散看作是信息的流行度演化問題（popularity evolution），并將流行度量化為人們在某時(shí)刻采取對網(wǎng)絡(luò)信息的積極的行為，如觀看、點(diǎn)贊、轉(zhuǎn)發(fā)、評論的次數(shù)等。并指出這些統(tǒng)計(jì)特性之間存在很強(qiáng)的關(guān)系，可以互相轉(zhuǎn)換。通過對以往研究的梳理，將大部分網(wǎng)絡(luò)信息的流行度演化劃分為三個(gè)階段：初期緩慢增長階段、中期快速增長階段、后期逐漸飽和階段。認(rèn)為促進(jìn)流行度增長的因素分為內(nèi)部因素和外部因素。內(nèi)部因素主要指內(nèi)容質(zhì)量；外部因素則包括用戶的社交影響力、用戶特征以及網(wǎng)站機(jī)制。

就目前的研究來看，不論是從社交網(wǎng)絡(luò)平臺(tái)中信息擴(kuò)散的角度出發(fā)，還是流行度演化問題，學(xué)者們對于社交網(wǎng)絡(luò)平臺(tái)中信息擴(kuò)散及流行的影響因素歸納較為一致，核心因素包括信息內(nèi)容、傳播者特征或社交影響力，以及網(wǎng)絡(luò)結(jié)構(gòu)或網(wǎng)站機(jī)制。

1.3 跨媒介敘事視角下的“信息”

通過梳理以往社交網(wǎng)絡(luò)平臺(tái)中信息擴(kuò)散的研究，不同學(xué)者關(guān)注研究對象的不同也決定了對“信息”一詞定義和理解的不同。目前絕大多數(shù)研究關(guān)注以新聞熱點(diǎn)事件、輿論等作為信息在社交網(wǎng)絡(luò)平臺(tái)中的傳播。本文研究對象是網(wǎng)絡(luò)平臺(tái)自制劇。不同于新聞熱點(diǎn)事件或輿論等，網(wǎng)絡(luò)平臺(tái)自制劇有特定的敘事內(nèi)容、敘事形態(tài)、敘事媒介和時(shí)間跨度。當(dāng)網(wǎng)絡(luò)平臺(tái)自制劇在社交網(wǎng)絡(luò)平臺(tái)傳播時(shí)，其原有的敘事內(nèi)容、形態(tài)、媒介都發(fā)生了改變，信息流動(dòng)的主體并非是自制劇劇目本身，而是其既有敘事在內(nèi)容、媒介和時(shí)空中的延展。針對研究對象的這一特點(diǎn)，本文從跨媒介敘事視角來分析、理解作為“信息”的網(wǎng)絡(luò)平臺(tái)自制劇在社交網(wǎng)絡(luò)平臺(tái)中的傳播。

跨媒介敘事的概念由亨利·詹金斯在2006年提出：“一個(gè)跨媒介的故事橫跨不同的媒介平臺(tái)展開，每一個(gè)平臺(tái)都有新的文本為整個(gè)故事做出有差異的、有價(jià)值的貢獻(xiàn)。每一種媒體都出色地各司其職、各盡其責(zé)?！盵 5 ]詹金斯認(rèn)為，跨媒介敘事是通過引入額外故事元素，將敘事整體系統(tǒng)地?cái)U(kuò)展到新的媒介平臺(tái)上，生成彼此關(guān)聯(lián)、互不沖突的新的敘事網(wǎng)絡(luò)，受眾既是正典敘事的接收者，也是跨媒介敘事的生產(chǎn)者和傳播者，與創(chuàng)作者一同構(gòu)建一個(gè)故事的世界，并從中生成新的意義。

敘事學(xué)家瑪麗-勞拉·瑞安[6]提出跨媒介敘事作品的三個(gè)維度：世界性、情節(jié)性和媒介運(yùn)用。陳先紅、宋發(fā)枝[ 7 ]在此基礎(chǔ)上關(guān)注敘事在跨越不同媒介形態(tài)進(jìn)行延展（expansions），并提出跨媒介敘事的延展包括三個(gè)層面：一是進(jìn)行故事內(nèi)容情節(jié)上的敘事延展（narrative expansions）；二是在不同媒介運(yùn)用上進(jìn)行媒介延展（media expansions）；三是在以前兩種延展為基礎(chǔ)上生發(fā)出的故事世界性的延展。Geoffey A.Long[ 8 ]用四個(gè)問題來檢驗(yàn)“延展”對正典是否存在獨(dú)特且有價(jià)值的貢獻(xiàn)：第一，新文本是否保持著正典故事世界的風(fēng)格；第二，新文本是否回答正典留下的問題；第三，新文本是否提出了新的問題；第四，新文本是否豐富了故事世界。

通過上述梳理，本文將網(wǎng)絡(luò)自制劇在社交網(wǎng)絡(luò)平臺(tái)中擴(kuò)散的信息從跨媒介敘事視角進(jìn)行分類：1）內(nèi)容角度：分為既有敘事和延展敘事；2）媒介形態(tài)角度，以新浪微博平臺(tái)為例，分為圖片（包括臺(tái)詞截圖、表情包和GIF動(dòng)圖）、視頻、純文字（微博博文）。如表1所示。

傳統(tǒng)的跨媒介敘事研究在方法上大多使用觀察、思辨、文本研究等，并以文化產(chǎn)品的內(nèi)容及生產(chǎn)為主要研究對象，較少關(guān)注受眾層面在跨媒介敘事上的主動(dòng)性、參與性及其傳播效果。隨著媒介技術(shù)的變化，互聯(lián)網(wǎng)一方面已深入到文化產(chǎn)品的內(nèi)容生產(chǎn)之中，與此同時(shí)，網(wǎng)絡(luò)技術(shù)賦權(quán)下的個(gè)體能動(dòng)性被激活，參與到了重構(gòu)整個(gè)社會(huì)的信息生產(chǎn)方式和傳播網(wǎng)絡(luò)之中。在跨媒介敘事視角下，文化產(chǎn)品的內(nèi)容生產(chǎn)和傳播不再是一個(gè)單向的過程，受眾也逐漸成為跨媒介敘事中參與和傳播的主體。

2.1 研究對象的選取

愛奇藝是國內(nèi)網(wǎng)絡(luò)視頻平臺(tái)的代表，并且是網(wǎng)絡(luò)平臺(tái)自制劇的開創(chuàng)者。2020年6月，愛奇藝推出了以短劇集為形態(tài)，以懸疑為類型的“迷霧劇場”。開啟網(wǎng)絡(luò)平臺(tái)自制劇的新模式。其中《隱秘的角落》更是成為現(xiàn)象級影視文化產(chǎn)品，獲得廣泛關(guān)注和討論。

在《隱秘的角落》出圈之路上，新浪微博的擴(kuò)散和傳播功不可沒。新浪微博平臺(tái)擁有龐大的用戶規(guī)模和完善的內(nèi)容生態(tài)，一直都是國內(nèi)網(wǎng)民參與互聯(lián)網(wǎng)傳播的重要社交平臺(tái)。新浪微博的“微博熱搜”功能，在技術(shù)賦權(quán)下更是擁有了公共議程的屬性，成為網(wǎng)絡(luò)話題生成的重要場域[ 1 0 ]。除此之外，新浪微博平臺(tái)集合了圖片、視頻、文字、超鏈接等多種媒介形態(tài)，為《隱秘的角落》跨媒介敘事研究提供了豐富的媒介樣本。因此，本文選取新浪微博作為研究網(wǎng)絡(luò)自制劇《隱秘的角落》傳播路徑的平臺(tái)。

2.2 研究問題

Q1：影響網(wǎng)絡(luò)平臺(tái)自制劇《隱秘的角落》在新浪微博平臺(tái)流行的主要因素是什么？

Q2：與該劇目相關(guān)的微博內(nèi)容中，什么樣的微博內(nèi)容特征更容易在新浪微博上擁有更高的流行度？

2.3 數(shù)據(jù)采集與數(shù)據(jù)清洗

本文對新浪微博平臺(tái)上關(guān)于《隱秘的角落》相關(guān)的痕跡數(shù)據(jù)進(jìn)行采集。采集時(shí)間范圍為2020年6月10日至2020年7月2日，即從《隱秘的角落》官宣日到收官日后的一周，共計(jì)23天。

數(shù)據(jù)采集分為兩階段進(jìn)行。第一階段，采集話題樣本庫。首先使用Python（3.7.0版本）對新浪微博話題頁面進(jìn)行數(shù)據(jù)采集，形成關(guān)于《隱秘的角落》在6月10日至7月2日之間的話題樣本庫。再對云合數(shù)據(jù)①公開提供的新浪微博熱搜榜進(jìn)行6月10日至7月2日，共計(jì)23天的熱搜話題采集。對兩份數(shù)據(jù)進(jìn)行清洗和整理，獲得《隱秘的角落》在采集時(shí)間范圍內(nèi)的話題總庫，共計(jì)207個(gè)相關(guān)話題，其中包括55個(gè)沖上當(dāng)日熱搜榜的話題。第二階段，繼續(xù)在207個(gè)話題的基礎(chǔ)上，爬取每個(gè)話題下面點(diǎn)贊數(shù)排名前5的微博內(nèi)容，通過數(shù)據(jù)清洗和補(bǔ)全，最終得到微博內(nèi)容樣本數(shù)量為1 044條。

社交網(wǎng)絡(luò)平臺(tái)中信息擴(kuò)散及流行的影響因素可以被歸納為以下三點(diǎn)：1）信息內(nèi)容；2）傳播者社交影響力；3）網(wǎng)站機(jī)制。本文選取了新浪微博平臺(tái)作為研究對象，故可以不考慮網(wǎng)站機(jī)制的影響，只關(guān)注信息內(nèi)容和傳播者社交影響力。

3.1 微博內(nèi)容

從信息內(nèi)容，即微博內(nèi)容的角度來看，根據(jù)前文對網(wǎng)絡(luò)自制劇在社交網(wǎng)絡(luò)平臺(tái)中擴(kuò)散的信息從跨媒介敘事視角進(jìn)行分類，將微博內(nèi)容的敘事類型分為兩類：既有敘事和延展敘事，分別用1，2來表示。微博內(nèi)容的媒介形態(tài)分為圖片、視頻和文字三類。對應(yīng)的指標(biāo)及賦值在模型中表征值見表2。

3.2 傳播者社交影響力

傳播者社交影響力通過微博發(fā)布者的粉絲數(shù)量進(jìn)行測量。

3.3 流行階段和流行度

通過前文的文獻(xiàn)綜述，以往研究將新聞、熱點(diǎn)事件、輿論等看做擴(kuò)散的信息，并通過流行度演化模型進(jìn)行預(yù)測。雖然《隱秘的角落》作為一個(gè)文化產(chǎn)品在網(wǎng)絡(luò)空間中的擴(kuò)散趨勢也基本符合流行度演化模型（表3），但針對本文所研究的擴(kuò)散平臺(tái)新浪微博來說，微博發(fā)布時(shí)間、話題生成時(shí)間、話題沖上熱搜榜的時(shí)間等都會(huì)成為衡量內(nèi)容流行度的時(shí)間因素。所以筆者認(rèn)為直接套用流行度演化模型分析劇目在新浪微博平臺(tái)的流行度不具有準(zhǔn)確性。

基于上述原因，筆者加入時(shí)間變量并進(jìn)行處理。用微博發(fā)布的時(shí)間減去對應(yīng)話題創(chuàng)建或上榜的時(shí)間，若差值為0，即認(rèn)為當(dāng)天發(fā)出微博內(nèi)容在當(dāng)天成為話題流行甚至可登上熱搜榜，筆者將這種類型定義為“新鮮內(nèi)容”。若差值大于0，即認(rèn)為當(dāng)天發(fā)出的內(nèi)容在24小時(shí)內(nèi)并沒有成為話題流行，或流行效果不顯著需要更多時(shí)間進(jìn)行發(fā)酵，筆者將此種類型定義為“發(fā)酵內(nèi)容”。

對于流行度的測量，通過對比1 044條微博的評論數(shù)量、分享數(shù)量和點(diǎn)贊數(shù)量，認(rèn)為評論數(shù)量和分享數(shù)量與點(diǎn)贊數(shù)量所在數(shù)量級差異過大，故只使用點(diǎn)贊數(shù)量作為微博內(nèi)容流行度的測量。

研究假設(shè)：

H1：在整個(gè)流行周期中，微博內(nèi)容和傳播者社交影響力兩個(gè)因素中起主導(dǎo)作用的是傳播者的社交影響力，即其粉絲數(shù)量對于流行度的影響大于微博內(nèi)容因素。

H2：對于“新鮮內(nèi)容”，微博內(nèi)容因素中的視頻形態(tài)流行度最為顯著。

H3：對于“發(fā)酵內(nèi)容”，微博內(nèi)容因素中的延展敘事的流行度最為顯著。

4.1 數(shù)據(jù)處理

由于使用Python（3.7.0版本）采集到的數(shù)據(jù)為連續(xù)型變量，微博內(nèi)容相關(guān)因素為離散型變量，故需要對變量進(jìn)行數(shù)據(jù)預(yù)處理。

第一步，定義流行度。筆者使用對數(shù)變換（log transformation）調(diào)整流行度分布（圖1）。

第二步，定義時(shí)間差。算法為，時(shí)間差=微博發(fā)布的時(shí)間-話題創(chuàng)建/上榜的時(shí)間。時(shí)間差越大說明微博內(nèi)容新鮮度越低。定義時(shí)間差為0的微博內(nèi)容為“新鮮內(nèi)容”。定義其他微博內(nèi)容為“發(fā)酵內(nèi)容”。

第三步，用開平方根來調(diào)整粉絲數(shù)的分布（圖2）。

第四步，由于微博內(nèi)容的敘事類型是分類值，即非連續(xù)值，所以針對這一特征需要對其進(jìn)行數(shù)據(jù)化處理。筆者采用機(jī)器學(xué)習(xí)中常用的獨(dú)熱編碼（onehot encoding）處理微博內(nèi)容的敘事類型變量。

4.2 模型選擇及數(shù)據(jù)分析

4.2.1 線性回歸模型（OLS）

筆者使用線性回歸模型分析上述處理好的數(shù)據(jù)（表4）。F統(tǒng)計(jì)值和概率F值是對整體回歸方程顯著性的檢驗(yàn)，概率F值為3.60e-54，即服從F分布。由回歸系數(shù)、t檢驗(yàn)和置信區(qū)間值可知研究所選取的變量均為顯著性的變量，統(tǒng)計(jì)學(xué)意義上可以用來解釋流行度。

但由于線性回歸模型對于變量之間顯著性的關(guān)系測量需要將數(shù)據(jù)處理為同一量級，本研究的既有敘事、延展敘事、視頻、圖片、文字等變量通過賦值得到，且粉絲數(shù)在原始數(shù)據(jù)中量級遠(yuǎn)超于其他數(shù)據(jù)，即使使用開平方根的方法來調(diào)整粉絲數(shù)的分布，線性回歸模型對于本研究想探討的變量之間顯著性大小關(guān)系也并不合適。

除此之外，分析結(jié)果中R2（R-squared）是用于描述輸入變量對輸出變量的解釋程度，取值范圍是[0，1]，R2越接近1，表明回歸直線與各觀測點(diǎn)越接近，反之R2越接近0，回歸直線的擬合程度就越差。數(shù)據(jù)結(jié)果R2為0.221。R2不高的原因可能是由于噪音較大，變量數(shù)量較少，許多潛在變量沒有納入考量。且數(shù)據(jù)樣本量較小。故筆者采用隨機(jī)森林模型對變量之間顯著性大小進(jìn)行進(jìn)一步的分析。

4.2.2 隨機(jī)森林模型（Random Forest Regressor）

隨機(jī)森林是一種機(jī)器學(xué)習(xí)模型，主要應(yīng)用于回歸和分類。此模型既能處理離散型數(shù)據(jù)，也能處理連續(xù)型數(shù)據(jù)，數(shù)據(jù)集無需規(guī)范化，在數(shù)據(jù)集上表現(xiàn)良好，隨機(jī)森林模型不容易陷入過擬合。此模型相比線性回歸模型更適合本研究所收集到的數(shù)據(jù)形態(tài)和變量數(shù)量。

筆者使用Python（3.7.0版本）中的sklearn，首先針對“新鮮內(nèi)容”運(yùn)用隨機(jī)森林模型來分析變量的顯著性，得到分析結(jié)果如表5所示。對于“新鮮內(nèi)容”，微博賬戶粉絲數(shù)對流行度有決定性作用，數(shù)值高達(dá)0.872 4。

筆者去掉“微博賬戶粉絲數(shù)”這一變量，得到分析結(jié)果如表6所示。除微博賬戶粉絲數(shù)以外，視頻形態(tài)對于新鮮內(nèi)容的流行度有較強(qiáng)的解釋力，數(shù)值為0.607 2。故假設(shè)2（H2）成立，即：在“新鮮內(nèi)容”中，微博內(nèi)容因素中的視頻形態(tài)流行度最為顯著。

筆者再對“發(fā)酵內(nèi)容”進(jìn)行變量的顯著性測量，結(jié)果見表7。對于“發(fā)酵內(nèi)容”，粉絲數(shù)量對流行度也具有決定性作用，數(shù)值為0.833 8。

筆者去掉“微博賬戶粉絲數(shù)”這一變量，得到分析結(jié)果見表8。除微博賬戶粉絲數(shù)以外，微博內(nèi)容的延展敘事和圖片形態(tài)對于“發(fā)酵內(nèi)容”的流行度有較強(qiáng)的解釋力，數(shù)值分別為0.301 5和0.203 7。故假設(shè)3（H3）成立，即對于“發(fā)酵內(nèi)容”，微博內(nèi)容因素中的延展敘事的流行度最為顯著。

本文使用網(wǎng)絡(luò)爬蟲（Python）來獲取分析數(shù)據(jù)，運(yùn)用線性回歸和隨機(jī)森林兩個(gè)模型對網(wǎng)絡(luò)平臺(tái)自制劇《隱秘的角落》在新浪微博社交平臺(tái)中傳播和流行因素進(jìn)行探討和分析。本文得到如下結(jié)論：

第一，發(fā)布微博內(nèi)容賬戶對應(yīng)的粉絲數(shù)量對流行度起決定性作用。通過線性回歸分析和隨機(jī)森林模型分析，均發(fā)現(xiàn)在整個(gè)流行周期中，微博賬戶的粉絲數(shù)量對于“新鮮內(nèi)容”和“發(fā)酵內(nèi)容”的流行度都起了決定性的作用，假設(shè)1（H1）成立。且筆者對樣本庫中1 044條微博進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)這些微博來自于471個(gè)微博賬號。根據(jù)新浪微博提供的微博賬號標(biāo)簽對這471個(gè)微博賬號進(jìn)行分類，類型占比前兩位的是官方賬號和自媒體認(rèn)證賬號。吳越等學(xué)者指出，微博信息的流行度呈現(xiàn)冪律分布，僅有少部分信息能夠被大量用戶關(guān)注。并將這種現(xiàn)象解釋為微博社會(huì)網(wǎng)絡(luò)中的信息過載，這也使得用戶注意力成為稀缺資源[ 1 1 ]。官方賬號和自媒體認(rèn)證賬號等相比個(gè)人賬號擁有更多的粉絲，容易獲得更多的用戶注意力。經(jīng)由高粉絲量賬戶發(fā)出的微博內(nèi)容更易傳播和流行。

筆者認(rèn)為網(wǎng)絡(luò)平臺(tái)自制劇《隱秘的角落》信息擴(kuò)散不同于新聞、熱點(diǎn)事件、輿論等信息擴(kuò)散的形態(tài)。劇目在傳播時(shí)有其特有的時(shí)間模式，例如從播出前的預(yù)熱、到播出過程中隨著劇情內(nèi)容生成的話題和微博討論，再到播出后的口碑發(fā)酵等，這是一個(gè)相對持續(xù)且有特定時(shí)間節(jié)點(diǎn)的過程。在《隱秘的角落》整個(gè)擴(kuò)散和流行周期中，擁有高粉絲數(shù)量的微博賬戶是在不同的時(shí)間節(jié)點(diǎn)主動(dòng)進(jìn)行相關(guān)微博內(nèi)容生產(chǎn)和擴(kuò)散，還是在商業(yè)利益或營銷策略驅(qū)使下進(jìn)行傳播？個(gè)人賬戶又是在什么時(shí)間節(jié)點(diǎn)加入內(nèi)容的生產(chǎn)和討論的？這些問題是未來需要繼續(xù)追問和研究的。

第二，新浪微博的話題機(jī)制助力《隱秘的角落》的流行。話題是新浪微博平臺(tái)特有的內(nèi)容機(jī)制，用戶可通過在發(fā)布的微博內(nèi)容中加入或關(guān)聯(lián)話題，提高微博內(nèi)容在話題頁面的曝光度。在此過程中，越多用戶引入某一話題，可幫助這一話題在微博的流行，甚至登上以話題為單位的“熱搜榜”，從而獲得更高的關(guān)注度。

“熱搜榜”是通過對用戶行為的大數(shù)據(jù)運(yùn)算，顯示出在特定時(shí)間段內(nèi)被大量搜索和關(guān)注的熱點(diǎn)事件或熱點(diǎn)詞匯，以話題形式（#話題#）呈現(xiàn)。實(shí)時(shí)顯示50條熱搜內(nèi)容，并按照熱度進(jìn)行排名，每分鐘更新一次[ 1 2 ]。微博熱搜榜已在某種程度上達(dá)到用戶自己生產(chǎn)議程設(shè)置的功能。

在收集到的207個(gè)《隱秘的角落》相關(guān)話題中，有55個(gè)話題上過當(dāng)日的熱搜（圖3），且微博話題和微博內(nèi)容中對于延展敘事的討論隨著劇目的播出呈上升趨勢。在《隱秘的角落》完結(jié)的一周內(nèi)，樣本數(shù)據(jù)中延展敘事的討論達(dá)到100%（圖4）。

第三，《隱秘的角落》的流行也得益于其原作高度的跨媒介敘事潛力。對于“新鮮內(nèi)容”，微博內(nèi)容因素中的視頻形態(tài)流行度最為顯著。對于“發(fā)酵內(nèi)容”，微博內(nèi)容因素中的延展敘事的流行度最為顯著。

第四，《隱秘的角落》能夠?qū)崿F(xiàn)跨媒介敘事的前提是技術(shù)的進(jìn)步。筆者通過對1 044條相關(guān)微博內(nèi)容進(jìn)行統(tǒng)計(jì)，視頻形態(tài)占50.8%、圖片形態(tài)占41.8%、純文字形態(tài)占7.4%。媒介技術(shù)的發(fā)展、智能移動(dòng)終端的普及和各類App主導(dǎo)的平臺(tái)社會(huì)的到來，使當(dāng)代文化從語言主因轉(zhuǎn)向圖像主因。人們越來越倚重通過圖像來理解和解釋世界。彭蘭將移動(dòng)時(shí)代日常生活的媒介化稱為當(dāng)代人的“視頻化生存”。在本研究中，受眾既是新浪微博等社交平臺(tái)的使用者，又是愛奇藝等網(wǎng)絡(luò)視頻平臺(tái)的消費(fèi)者。新浪微博提供了文字、圖片、視頻、直播等多種媒介形態(tài)功能，鼓勵(lì)受眾使用。與此同時(shí)，愛奇藝的官方頁面也通過截圖、GIF動(dòng)圖錄制等功能，使觀眾可以在觀看劇目的同時(shí)，實(shí)時(shí)截取畫面中的圖像，分享至新浪微博、微信朋友圈等社交平臺(tái)。技術(shù)推動(dòng)下圖像主因的轉(zhuǎn)變和視頻化生存的到來，是視頻形態(tài)內(nèi)容得以在新浪微博平臺(tái)流行的根本原因。

第五，《隱秘的角落》在新浪微博的相關(guān)話題和微博內(nèi)容中，延展敘事超過原劇作的既有敘事獲得廣泛地關(guān)注和討論，并且隨著擴(kuò)散時(shí)間的推移，延展敘事的發(fā)酵效果更加明顯。在《隱秘的角落》中，主角張東升將岳父岳母從山頂推下的情節(jié)被提取成一個(gè)敘事元素，在新浪微博上被網(wǎng)友迅速拼接、挪用，生成新的相關(guān)話題和意義。張東升一角的飾演者秦昊更是自己發(fā)微博帶動(dòng)“爬山?！钡牧餍?，“秦昊帶你去爬山”在當(dāng)天沖到新浪熱搜榜第四名，隨后許多明星都以爬山梗與秦昊互動(dòng)，如秦昊想帶章子怡爬山、萬茜我真的不想爬山等。“爬山?！毕嚓P(guān)話題20個(gè)，占總話題庫的9.7%。受眾也在對“爬山?！钡挠懻撝邢硎苤诱箶⑹碌膴蕵沸院突?dòng)性?！峨[秘的角落》作為一部懸疑劇，開放式的結(jié)局也讓受眾愿意主動(dòng)拓展、挖掘，并進(jìn)行參與式解讀。微博中關(guān)于選擇相信童話還是現(xiàn)實(shí)的討論也讓敘事脫離原有的劇情，受眾成為了這個(gè)跨文本、跨媒介故事的生產(chǎn)者?！峨[秘的角落》題材帶有明顯的社會(huì)性，也使既有敘事文本與現(xiàn)實(shí)社會(huì)議題形成強(qiáng)烈的互文關(guān)系。原生家庭問題、婚姻危機(jī)、中年危機(jī)、校園霸凌諸多社會(huì)議題，均由原劇的既有敘事延展到微博平臺(tái)得到廣泛的討論。

本研究以《隱秘的角落》在新浪微博平臺(tái)的傳播為例，描繪、揭示出影響其流行的主要因素。網(wǎng)絡(luò)平臺(tái)自制劇作為互聯(lián)網(wǎng)時(shí)代的文化產(chǎn)品，其作品的文本性、生產(chǎn)方式、傳播方式以及受眾接收和參與方式都已滲透著技術(shù)的影子。技術(shù)賦權(quán)下，文化產(chǎn)品的形態(tài)及消費(fèi)主體的轉(zhuǎn)變值得未來持續(xù)地關(guān)注和研究。

注釋

①云合數(shù)據(jù)平臺(tái)https：//www.enlightent.cn/。

參考文獻(xiàn)

[1]彭蘭.視頻化生存：移動(dòng)時(shí)代日常生活的媒介化[J].中國編輯，2020（4）：34-40，53.

[2]CNNIC中國互聯(lián)網(wǎng)絡(luò)信息中心.第48次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[R/OL].（2021-08-27）[2021-12-02]. https：//cit.buct.edu.cn/2021/0925/c7951a157922/ page.htm.

[3]隋巖，談和.網(wǎng)絡(luò)群體傳播背景下的信息擴(kuò)散：基于新浪微博數(shù)據(jù)的定性比較分析（QCA）[J].新聞大學(xué)，2020（5）：1-17，125.

[4]胡穎，胡長軍，傅樹深，等.流行度演化分析與預(yù)測綜述[J].電子與信息學(xué)報(bào)，2017，39（4）：805-816.

[5]Henry Jenkins.Convergence Culture：Where Old and New Media Collide[M].New York：NYU Press，2006：105.

[6]Marie-Laure Ryan，Jan-Noel Thon.Storyworlds across Media[M].Lincoln：University of Nebraska Press，2014：29.

[7]陳先紅，宋發(fā)枝.跨媒介敘事的互文機(jī)理研究[J].新聞界，2019（5）：35-41.

[8]Geoffey A.Long.Transmedia Storytelling：Bussiness[M].Aesthetics and Production at the Jim Henson Company.B.A English and Philosophy Kenyon College，2007：16.

[9]Henry Jenkins. The Revenge of the Origami Unicorn：Seven Principles of Transmedia Storytelling[EB/OL].（2009-12-12）[2021-12-02].http：//henryjenkins.org/blog/2009/12/the_ revenge_of_the_origami_uni.html

[10]雷麗莉.微博“熱搜榜”與互聯(lián)網(wǎng)信息服務(wù)的規(guī)制[J].新聞?dòng)浾撸?019（10）：81-87.

[11]吳越，陳曉亮，蔣忠遠(yuǎn).微博信息流行度預(yù)測研究綜述[J].西華大學(xué)學(xué)報(bào)（自然科學(xué)版），2017（1）：1-6.

[12]雷麗莉.微博“熱搜榜”與互聯(lián)網(wǎng)信息服務(wù)的規(guī)制[J].新聞?dòng)浾撸?019（10）：81-87.

3269500589267