|
|
【目的】分析社交媒体中突发公共卫生事件的舆情传播与演变规律, 提出相应舆情监测与舆论引导方案。【方法】基于ELM、TAM模型以及生命周期理论, 建立突发公共卫生事件舆情传播影响因素模型, 探究信息发布者、信息内容以及信息发布日期对舆情传播的影响。【结果】突发公共卫生事件的不同利益群体在舆情发展的不同时期占据舆论主体地位, 时效性强、内容新颖的信息传播更广泛, 官方媒体的发文如果体现出一定的主观性, 其转发量更大。【局限】只对2018年疫苗事件进行实证分析; 在模型普适性验证方面有待提高。【结论】综合考虑信息发布者身份类型、信息内容观点质量以及舆情生命周期的模型能很好地解释突发公共卫生事件在社交媒体平台的舆情传播与演变规律。
[Objective] This paper tries to investigate the rules of public opinion propagation and evolution of public health emergencies and propose corresponding policies in the context of social media era. [Methods] Based on ELM, TAM and life cycle theory, the influencing factor model was established to explore the impact of information publishers, information content and information release time on public opinion propagation of public health emergencies. [Results] The empirical analysis showed that the right to discourse is mastered by different interest groups in different periods of public opinion development. Information with great timeliness and novelty spreads more widely. If official media show some subjectivity, the retweet volume of their tweets will be larger. [Limitations] Only one case was empirically analyzed and the compatibility of the model needs to be improved. [Conclusions] The model that comprehensively considers identity of information source, quality of information content and life cycle is a good way to explain the public opinion propagation and evolution rules of public health emergencies on social media platforms.
社交媒体时代, 网络舆论空前活跃, 公民的话语权和表达力得到增强, 各种自媒体、新媒体平台从网络空间的塑造、利益群体的重聚和政务平台沟通方式创新等维度推动公民参与社会治理[1]。同时, 社会媒体平台在管理上还缺乏有效约束, 一些无良媒体或个人追求流量与热度, 通过发布不实报道和虚假信息, 制造噱头、引导舆论, 导致网络环境中各种非理性情绪、负面情绪甚至极端情绪泛滥, 也不利于现实社会的和谐稳定[2]。
近年来, 中国突发公共卫生事件时有发生, 通过社会媒体平台的报道与传播, 公众可以及时接收到关于事件发生发展的各类信息, 即便是没有直接受到影响的人也会形成一定的立场或态度, 产生转发、评论、点赞等行为, 进一步促进舆情信息在社交媒体平台的传播和扩散。对突发公共卫生事件的舆情信息进行挖掘与分析是非常必要的: 一方面, 突发公共卫生事件的公共性决定了政府不是事件治理的唯一主体, 需要全社会尤其是利益相关方的共同参与[3], 社会媒体平台作为承载社情民意的强大舆论场, 一定程度上反映了突发公共卫生事件中各个利益群体的诉求。另一方面, 公共卫生作为民生的热点话题, 极易引爆网络舆论, 突发性事件相关信息在社交媒体的传播中往往被夸大, 造成恐慌情绪蔓延。如果卫生部门或突发事件主管部门应对不及时、应对政策与公众的立场或诉求不一致, 容易引发公众的不满和敌对情绪, 导致事态升级, 使突发公共卫生事件的危害程度和影响范围进一步扩大。
因此, 社交媒体时代背景下, 相关部门对突发公共卫生事件的应急管理不能仅仅针对事件本身, 还应对事件的舆情信息进行监测分析, 了解公众诉求, 及时发现负面、极端情绪, 做出合理的舆论引导, 促进正面和理性情绪的回归。
鉴于此, 本文以2018年疫苗事件为例, 探究社交媒体时代突发公共卫生事件的传播过程中, 信息发布者所代表的利益群体、信息内容反映的观点质量如何影响舆情传播范围, 以及舆情周期的调节作用。研究结果将有助公共卫生部门和突发事件管理部门把握类似事件的舆情传播规律, 在舆情扩散的不同阶段提出更具针对性的引导策略, 促进舆情平复, 降低突发公共卫生事件的危害, 防止次生事件的发生。
突发公共卫生事件指突然发生, 造成或者可能造成社会公众健康严重损害的重大传染病疫情、群体性不明原因疾病、重大食物和职业中毒以及其他严重影响公众健康的事件[4]。国内外学者对突发公共卫生事件的研究集中在事件的预防[5,6]、应急管理[7,8]、对公众健康及社会发展的影响[9,10]三方面。
突发公共卫生事件的舆情研究方面, 最主要的方向是挖掘社会媒体平台中事件相关信息, 探究舆情传播的特征。比如安璐等对突发公共卫生事件中不同利益群体的关注热点[11]、情感状态及情感传播路径[12]进行探究, 通过构建影响力指标, 预测突发公共卫生事件相关微博的传播影响力[13]。张敏等研究不同时间段的舆情能量变化[14]。
总体来说, 学界针对突发公共卫生事件舆情传播与发展的研究还较少, 现有研究往往是对某些传播特征进行探索性分析, 无法从总体上把握突发公共卫生事件舆情传播与发展的内在规律。
国内外学者对舆情传播影响因素的研究通常基于传统的信息传播理论展开。比如廖海涵等结合5W传播模式和议程设置理论的研究发现, 意见领袖群体对传播效果影响最大, 信息传播数量与传播效果成负相关关系[15]。Yoo等基于信息扩散理论表征舆情信息扩散速率, 研究发现灾难事件中发布越早的信息在社会媒体平台中的传播速率越快[16]。张玥等基于ELM模型提出信息内容和信源特征对微博舆情传播影响的相关假设, 建立回归模型加以验证[17]。赵丹等从信息生态视角出发, 提出新媒体环境下微博舆情传播影响因素, 构建微博舆情传播态势模型[18]。
上述研究大多基于信息传播理论构建舆情传播模型, 针对某个特定事件或一般性的舆情信息进行假设验证, 考虑到突发公共卫生事件的公共属性与爆发性质, 一般性的舆情传播影响因素的研究结论无法完全迁移到突发公共卫生事件的舆情研究中。
舆情传播具有周期特性, 伴随着突发事件信息的发布而发生, 通过转发、评论而扩散, 最终也会因事件热度的下降而消亡。在网络舆情传播周期研究方面, 大多数学者以生命周期理论为基础, 建立舆情传播阶段模型。比如李彪以百度指数为指标, 建立舆情传播的6阶段模型[19]。李明德等提出基于过程视角的微博舆情传播模式, 将微博舆情传播模式概括为完整型、次完整型、半完整型和不完整型4种类型[20]。晏敬东等以反映舆情事件的关键词被提及次数和变化幅度作为表征量对微博舆情生命周期进行划分, 针对性地提出不同时期的微博舆情引控工作重点[21]。
尽管大部分学者意识到舆情传播的周期特性, 某些研究归纳出不同阶段的舆情特征, 但现有研究没有深入探究这些特征在不同阶段对舆情进一步扩散与演变的影响。
总体而言, 国内外学者对社交媒体时代的网络舆情研究已较为成熟, 但是针对突发公共卫生事件舆情传播的研究还较少, 特别是传播影响因素方面还存在空白, 也没有考虑不同因素在不同阶段的变化。基于此, 本文在前人研究基础上, 构建突发公共卫生事件的舆情传播影响因素模型, 结合文本挖掘方法, 定量分析突发公共卫生事件中哪些因素影响社交媒体平台中相关舆情信息的传播, 以及这些因素的影响是如何随时间演变的。
社会媒体平台中, 突发公共卫生事件的舆情信息伴随着用户的转发、评论行为而扩散, 用户作为信息接受者, 其态度与行为的变化受到信息发布者以及信息内容的影响, 精细加工可能性模型(Elaboration Likelihood Model, ELM)和技术接受模型(Technology Acceptance Model, TAM)可以对用户的行为进行解释。ELM模型把态度改变归纳为两个基本的路径: 人们认真考虑与问题相关的综合信息从而改变态度的中枢路径, 以及人们对问题相关的外围线索进行简单推理从而改变态度的边缘路径[22]。TAM模型认为感知有用性是用户接受信息技术的关键因素[23]。Sussman等将ELM模型和TAM模型结合起来探究组织成员的信息接受行为, 提出用户对信息的再传播意愿主要基于其对信息效用的认可, 而信息效用是由信源的专业可信度和信息的观点质量共同决定的[24]。此外, 很多研究也证实了这两个模型同样可以用于社会媒体平台的信息传播[25,26,27]与舆情扩散[17,28]研究。
基于ELM模型和TAM模型, 用户对特定舆情信息的转发行为是可预测的, 即舆情信息的传播能力与传播范围在很大程度上是由信息发布者属性和信息内容特征决定的。同时, 考虑到舆情事件的周期属性, 人们对事件相关信息的关注会随着事件热度的降低而降低, 可知舆情的传播受到其发布时间的影响[29,30]。Li等对彝良地震相关信息扩散模式的研究也表明, 在不同的舆情传播阶段, 微博用户呈现出不同的转发行为与转发模式[31]。
综上, 本文以ELM模型和TAM模型为基础, 同时考虑舆情传播的生命周期理论, 认为信息发布者的属性从边缘路径影响舆情信息传播, 体现有用性的内容特征从中枢路径影响舆情信息传播, 并且在舆情传播的不同时期, 不同身份类型的信息发布者其影响也不同。
(1) 信息发布者身份认证类型对舆情传播的影响
基于ELM的研究发现, 信息发布者专业可信度从边缘路径影响信息接受者的态度与行为[24], 专业性强、可信度高的用户发布的信息更容易被其他用户接受和转发。该结论同样适用于社交媒体用户[17,32], 特别是发布者的专业性身份正向影响其他用户对其可信度的判断[33], 促进信息的传播。针对微博平台的舆情传播研究表明, 身份认证信息反映用户的专业性和真实性, 微博V认证和微博会员身份直接影响微博的转发数与评论数[32]。考虑到突发公共卫生事件的公共属性, 参与舆情传播的利益群体错综复杂, 不同的利益群体对舆情传播的影响力不同, 比如同样是经过V认证的账号, 政府、主流媒体可能掌握更多一手信息、权威信息, 其传播影响力比自媒体更强, 对舆情传播的促进作用也更大。基于此, 本文提出以下假设:
H1: 信息发布者的身份认证类型影响突发公共卫生事件舆情信息在微博的传播范围。
(2) 信息内容特征对舆情传播的影响
ELM模型认为信息内容从中枢路径影响用户的意愿与行为, 结合TAM模型中感知有用性的作用, 许多研究证明了信息内容的有效性是舆情传播的重要影响因素。本文对信息内容有效性的研究主要包括时效性、主观情绪性和正面性三方面。
①信息内容的时效性
对微信平台的研究显示, 信息的新颖性、时效性对电子健康信息在微信朋友圈中的传播具有显著积极的影响[34]。及时性原则是新闻传播的基本原则[35], 尤其是突发公共事件的利益群体错综复杂, 衍生话题层出不穷, 面对社交媒体中庞大的信息量, 人们更愿意接受和传播能及时反映事件发展的微博信息。基于此, 本文提出以下假设:
H2a: 能反映实时热点的微博传播更广泛。
H2b: 重复上一阶段热点的微博传播范围较小。
H2c: 具有前瞻性的微博传播更广泛。
②信息内容的主观情绪性
H3: 突发公共卫生事件舆情传播中, 主观情绪性表达强烈的信息传播更广泛。
③信息内容的正面性
研究显示, 包含正面情绪的信息更有可能被分享[38], 人们对正面信息的分享意愿要高于负面信息[37]。然而, 也有研究得出相反的结论, 愤怒、焦虑等情绪更容易被唤起, 能引发这种情绪的负面信息也因此更有可能被转发[39,40]。鉴于学界对此还没有统一的定论, 本文提出以下假设:
H4: 突发公共卫生事件舆情传播中, 正面情绪表达强烈的信息传播更广泛。
(3) 信息发布者身份认证类型对信息内容特征的调节效应
突发公共事件波及面广, 往往涉及众多的利益群体, 不同的利益群体有不同的关注热点, 相应的信息分享行为与信息传播能力也不同[41]。研究显示, 拥有较高社会资本的人更愿意分享具有高可信度的信息以及相对正面的信息以保持或提升其声誉与社会地位[42,43]。安璐等探索突发公共卫生事件中利益相关者的情感状态和情感传播路径, 发现自媒体和企业在情感传播中起重要的桥梁作用[12]。可见, 对于同一舆情事件, 不同利益群体的诉求不同, 发布的信息在主观性、正面性等的表达上也有所区别, 传播影响力也随之发生变化。微博平台中用户的身份认证类型可以作为利益群体的表征, 因此本文提出以下假设:
H5a: 信息内容的主观情绪性对突发公共卫生事件舆情传播的影响受到发布者身份认证类型的调节。
H5b: 信息内容的正面性对突发公共卫生事件舆情传播的影响受到发布者身份认证类型的调节。
(4) 信息发布日期的影响及其调节效应
突发事件的舆情传播具有周期属性, 时间因素也一直也是研究信息传播效果的重要要素, 尤其是社交媒体时代信息传播和扩散的速度大大加快, 时间因素的重要性更加显著[44]。对突发事件在微博的传播研究显示, 微博发布时间对传播效果有显著影响, 随着事件的发展, 微博传播热潮衰退, 每日传播量逐渐递减[15]。因此, 本文提出以下假设:
H6: 微博发布日期距离突发公共卫生事件初始爆发日期越久, 其传播范围越小。
舆情传播过程中, 利益相关者具有动态性, 不同的利益群体可能会随着突发事件舆情的演化而发生变化[45]。安璐等对“魏则西事件”的研究发现, 在爆发期和蔓延期, 参与舆情传播的利益相关者较多, 其中主流媒体和自媒体的情感传播对象更为广泛, 而在衰退期, 政府人员和医护人员的参与增加且情感影响变大[12]。可见, 在舆情传播的不同时间阶段, 不同利益群体扮演着不同的舆论引导角色, 对舆情传播的影响能力也不同, 微博平台的身份认证类型一定程度上表征账号所代表的利益群体。基于此, 本文提出以下假设:
H7: 不同身份认证类型的信息发布者在不同日期发布的微博被传播的可能性不同。
此外, 众多学者对社交媒体平台舆情传播影响因素的研究表明, 粉丝数[46]、博文数[15]等表示信息发布者社会资本的属性, 内容原创性[17]、是否包含链接与话题标签[44]等信息形式特征会影响舆情信息的传播, 本文将以上特征作为控制变量。综上, 笔者提出理论框架模型如图1所示。
2018年7月21日, 一篇自媒体文章《疫苗之王》刷爆社交媒体, 文章揭露了长春长生公司逃避监管, 弄虚作假的乱象。随后, 多家媒体曝光了长春长生公司曾经的狂犬疫苗记录造假、白百破疫苗不符合规定按劣药论处等种种污点, 仅7月21日-7月22日两天, 与疫苗相关的微博信息共有2 254 024条, 阅读量超过10万次的微信文章有120多篇[47]。疫苗事件在多个社交媒体平台引发全民热议。疫苗事件相关关键词在微博平台的热度指数①(①http://www.wrd.cn/goSearch.shtml.)变化如图2所示。
尽管7月中旬相关部门已经对长生生物公司问题疫苗进行了通报, 但疫苗事件的真正爆发起源于7月21日的自媒体文章, 其在微博平台的传播基本符合爆发-蔓延-缓解-反复-残留的5阶段舆情传播模型, 并且不同的关键词出现的时间节点不同, 变化趋势也不同。由图2可知, 疫苗事件的舆论焦点不断变化, 舆情热度持续高涨, 是一起具有代表性且影响重大的突发公共卫生事件, 适合作为本文的实证研究对象。
针对疫苗事件, 笔者以“疫苗事件”、“长春长生”、“武汉生物”为关键词, 使用新浪微博的高级搜索功能, 自编爬虫程序获取2018年7月21日-2018年8月4日的热门微博(转发或评论)及对应的账号信息。对数据进行去重以及初步的清洗工作, 最终得到热门微博3 818条。
为了解疫苗事件相关舆情信息在微博平台的传播范围, 选取单条微博的转发量为因变量, 根据研究假设, 自变量包含微博发布者身份认证类型、微博内容相关变量、发布者与微博内容交互项以及发布日期相关变量, 变量说明如表1所示。
其中, 主观情绪性以及负面情绪的计算使用“文心”中文心理分析系统[48], 该系统在LIWC和中文C-LIWC词库的基础上根据微博短文本进行扩展, 适用于微博内容的心理分析。信息内容时效性通过信息内容与前一天热点话题、当天热点话题及后一天热点话题的相似度来衡量, 计算流程如图3所示。
将同一天内发布的微博内容合并, 看作一篇文档, 得到以天为单位的15篇文档, 计算词语的TFIDF值并排序, 得到每一天排序前70的词(考虑到大部分微博内容少于140字)作为热点词集合表示当天的热点话题; 使用Word2Vec[49]训练全部微博内容得到词向量, 获得每一天热点话题及每一条微博的向量化表达; 计算向量的余弦相似度表示每一条微博与发布前一天的、发布当天的及发布后一天的热点话题的相似度。
在构建回归模型之前, 先对变量进行描述性统计分析, 结果如表2所示。其中, Repost为因变量, 表示微博的转发量。
自变量相关性分析结果如表3所示, 最后一行显示自变量的VIF值。由表3可知, 除了表示内容时效性的三个变量(SimPre、SimNow和SimPost), 其余自变量之间均无强相关性; 各变量最大VIF值为4.52。微博内容与前一天、当天及后一天的热点话题相似度三个变量之间的相关性较强, 一个可能的原因是连续两天事件的相关热点话题变化不大, 考虑到各变量VIF值均小于5, 表明模型不存在多重共线性, 适合构建回归模型。
转发量Repost作为因变量, 为计数变量, 且标准差远大于均值数倍, 因此采用负二项回归进行假设检验, 实证模型如公式(1)所示。
$\begin{align} & Repost={{\beta }_{0}}+\mathop{\sum }^{}{{\beta }_{a}}Identitt{{y}_{i}}+\mathop{\sum }^{}{{\beta }_{b}}(Identit{{y}_{i}}\times Day) \\ & \ \ \ \ \ \ \ \ \ \ +{{\beta }_{9}}SimPre+{{\beta }_{10}}SimNow+{{\beta }_{11}}SimPost \\ & \ \ \ \ \ \ \ \ \ \ +{{\beta }_{12}}Affect+\mathop{\sum }^{}{{\beta }_{c}}(Affect\times Identit{{y}_{i}})+{{\beta }_{17}}Positive \\ & \ \ \ \ \ \ \ \ \ \ +\mathop{\sum }^{}{{\beta }_{d}}(Positive\times Identit{{y}_{i}})+{{\beta }_{22}}Day+\varepsilon \\ \end{align}$(1)
其中,
利用Stata软件分析数据, 得到回归结果如表4所示。模型1只考虑了信息发布者身份认证类型和信息内容特征对舆情传播的影响, 模型2增加了身份认证对信息内容的主观情绪性、正面性的调节作用, 模型 3是本文提出的全模型, 在模型2的基础上增加了日期及其调节作用, 从模型3的回归结果来看, 主要有以下结论。
(1) 信息发布者身份认证类型
主流媒体(β=-0.881, sig.<0.1)、机构自媒体(β=-1.325, sig.<0.01)、个人自媒体(β=-0.744, sig.<0.1)认证类型与转发量之间存在负相关关系, 而政府认证类型与转发量之间的关系不显著, 假设H1得到验证。总体来说, 微博平台中, 即使通过V认证的账号类型, 其对突发公共卫生事件舆情传播的影响也不一定因此而增大。
信息发布日期对认证类型的调节作用显示, 机构自媒体认证和发布日期的交互项(β=0.210, sig.<0.01)、个人自媒体认证和发布日期的交互项(β=0.139, sig.<0.01)与转发量之间存在显著负相关关系, 可见在舆情传播后期, 自媒体账号显示了更强大的传播影响力, 假设H7得到验证。因此, 信息发布者的身份类型不同, 则其对舆情传播的影响不同, 并且这种影响与博文发布时所处于的舆情传播周期有关。
(2) 信息内容有效性
时效性方面, 微博内容与前一天(β=-1.334, sig.<0.05)以及当天(β=-1.568, sig.<0.05)的热点话题相似度越高, 转发量越小; 与后一天的热点话题相似度越高(β=1.788, sig.<0.01), 转发量越大。因此, 假设H2a被拒绝, 假设H2b、H2c被接受。这个结果更加证明了突发公共卫生事件的舆情传播中, 信息的时效性是非常重要的, 在内容上仅仅对前一阶段热点进行重复或是紧紧跟随当天的热点话题、“蹭热度”、人云亦云的微博被转发的可能性都很小, 具有前瞻性、新颖性、原创性的微博才有可能被大范围传播。
微博内容的主观情绪性表达与转发量之间存在显著负相关关系(β=-4.545, sig.<0.01), 可见总体上, 对于突发公共卫生事件, 人们更愿意接收和分享客观事实型的信息, 假设H3被拒绝。考虑到认证类型对主观情绪性的调节作用, 对于政府认证(β=12.226, sig.<0.01)和机构自媒体认证(β=6.765, sig.<0.01)的账号, 微博表达的主观情绪性越强, 转发量越大, 而其他认证类型未显示出这种调节作用, 说明对于不同认证类型的账号, 其主观情绪性表达对舆情传播的影响不同, 假设H5a得到验证。
微博内容的情绪性表达越正面、越积极, 微博转发量越大(β=11.201, sig.<0.05), 假设H4得到验证。但是认证类型对正面性表达的调节作用显示, 对于个人自媒体认证(β=-9.844, sig.<0.1)的账号, 微博内容的正面性与转发量之间存在负相关关系, 其他认证类型对正面性表达的调节作用不显著, 假设H5b得到验证。由此可推测, 突发公共卫生事件舆情传播中, 自媒体账号类型发布的微博负面情绪越强烈, 越容易引起人们的共鸣, 转发量也越大, 需要引起相关部门重视。
(3) 信息发布日期
微博发布的日期距离事件爆发的时间越久, 微博转发量越小(β=-0.270, sig.<0.01), 说明随着时间的推移, 突发公共卫生事件的热度逐渐下降, 人们对事件相关信息的转发意愿也逐渐降低, 假设H6得到验证。
总体来说, 假设H1、H2b、H2c、H4、H5a、H5b、H6、H7得到验证, 假设H2a、H3被拒绝。突发公共卫生事件在微博平台的舆情传播中, 信息发布者的身份认证类型不同, 对舆情信息传播范围的影响不同, 且受到信息发布时间的调节作用; 信息内容方面, 时效性强、内容新颖的信息传播更广泛, 主观情绪性与正面性对舆情传播的影响受到身份类型的调节效应。
本文构建了社交媒体时代背景下的突发公共卫生事件舆情传播影响因素模型, 以2018年疫苗事件为例进行实证研究。主要的结论有以下三点:
(1) 信息发布者的身份认证类型表征其利益群体属性, 对突发公共卫生事件的舆情信息传播范围有不同影响, 这一结论在前人研究[17,32-33]中也得到印证, 并且身份类型的影响受到信息发布日期的调节作用。
(2) 突发公共卫生事件具有爆发性, 事件发展的过程中舆情主体、舆论热点不断变化, 往往伴随着多次“反转”, 即时信息呈现俱增态势, 因此时效性强、内容新颖的信息传播更广泛。
(3) 信息内容的主观情绪性与正面性对舆情传播的影响受到身份类型的调节, 官方、政府等类型的发文如果体现出一定的主观性, 其转发量会更大。前人的研究认为新党媒在社交媒体时代的一个转变就是对“情感模式”的广泛采纳, 通过情感化表达、采纳民众话语和视角, 营造与民众的亲密联系, 获取其情感支持[50]。尤其是对于公共卫生这样关系民众切身利益的事件, 官方媒体的主观情绪性表达体现了亲民的风格和立场, 更能引发人们的共鸣。
本文结合ELM模型和TAM模型, 特别考虑到舆情传播的生命周期属性, 建立了突发公共卫生事件传播与演变的影响因素模型。实证分析结果与前人的研究结论相似, 并引入了身份类型对信息内容主观性、正面性的调节和时间对认证类型的调节, 为今后突发公共事件或医疗事件的舆情传播研究提供了参考。
研究成果对公共卫生部门与突发事件管理部门的舆情监测与舆论引导具有一定实践意义。不同的利益群体在突发公共卫生事件舆情传播的不同阶段担任不同角色, 例如自媒体的影响在事件发展后期更显著, 考虑到自媒体账号发布的负面情绪强烈的信息传播更广泛, 因此即使在事件发展后期, 适当的监测与引导也是必要的。此外, 信息的时效性在社交媒体时代尤为重要, 仅仅跟随舆论热点是不够的, 能够引领下一阶段热点话题的信息才具有更广泛的传播影响力。最后, 对于突发公共卫生事件, 总体来说人们更愿意转发客观事实型信息, 但是官方机构发布的信息如果能包含更多的情绪性内容, 体现人文关怀以及解决问题的决心和信心, 则更容易被公众接受和传播。
本文的局限性在于, 实证研究中只选取2018年疫苗事件进行回归分析, 并且数据量较小, 未来将收集更多突发公共卫生事件的数据进行分析, 使研究结论更具有普适性。同时, 仅以传播广度作为舆情传播的衡量指标, 未考虑二次转发等反映舆情传播深度的指标, 进一步的研究将从多角度表示舆情传播效果。
王林: 提出研究思路, 设计研究方案, 修改论文;
王可: 采集、清洗和分析数据, 撰写论文;
吴江: 设计研究方案, 论文最终版本修订。
所有作者声明不存在利益冲突关系。
支撑数据由作者自存储, E-mail: jiangw@whu.edu.cn。
[1] 王可. 疫苗事件热门微博数据. zip.
[2] 王可. 疫苗事件热度指数.xlsx. 微热点查询数据整理.
| [1] |
新媒体的出现极大地增强了公民的话语权,并从网络公共空间的塑造、利益相关群体的重聚和政府公民互动沟通机制创新等方面推动公民利用新媒体参与社会治理。但同时,新媒体助推公民参与社会治理,也面临着公共空间失序,利益群体失控,以及政府协商失信等诸多问题。因此,探索新媒体推动公民参与社会治理的实现路径具有重要的现实意义
|
| [2] |
[目的/意义]网络舆情治理关乎社会稳定和发展。新媒体环境的形成使得网络舆情变得更加复杂,大数据特征更加突出。因此,研究新媒体环境下网络舆情治理的大数据能力建设更加迫切。[方法/过程]通过对CNKI、万方、维普、百度学术、Web of Science、Emerald管理学期刊库和Springer Link进行相关研究检索,主要采用文献研究法,在对相关概念进行辨析后,探讨新媒体环境下网络舆情的新特点及建设大数据能力的必要性,最后提出建设新媒体环境下网络舆情治理大数据能力的思路。[结果/结论]发现网络舆情的大数据特征,如高增长、大规模在新媒体环境下得到加强,而且呈现出价值密度低、对抗性明显的新特点。并从舆情治理思维、舆情处理技术、人才培养体系以及舆情应急管理体系4个方面对大数据能力建设做了初步探讨,以期为相关研究提供借鉴,希冀助力网络舆情治理实践。
|
| [3] |
For effective public health interventions in communitarian societies, public engagement must reflect cultural values that focus on preserving collectives, rather than individuals. The case of the Ebola epidemic in West Africa is used to reflect on the drivers and consequences of failure to incorporate local knowledge, local leaders and local ethical values in the adaption of programmes from elsewhere.
|
| [4] |
[本文引用:1]
|
| [5] |
Many public health departments seek to improve their capability to respond to large-scale events such as an influenza pandemic. Quality improvement (QI), a structured approach to improving performance, has not been widely applied in public health. The authors developed and tested a pilot QI collaborative to explore whether QI could help public health departments improve their pandemic preparedness. The authors demonstrated that this is a promising model for improving public health preparedness and may be useful for improving public health performance overall. Further efforts are needed, however, to encourage the robust implementation of QI in public health.
|
| [6] |
医院感染管理科作为医院应对突发公共卫生事件 (主要是传染病暴发 )的重要职能科室 ,应当根据传染病的流行趋势 ,做好监测、报告、预警、咨询、预防、控制、指导及督查等职能工作 ,完善落实各项医院感染管理工作制度 ,加强学科建设和基本设施建设 ,推动医院感染管理学科及感染控制工作的进一步发展 ,提高医院应对突发公共卫生事件的能力和医疗质量 ,确保医疗安全
|
| [7] |
知识管理作为一种创新管理模式，为突发公共卫生事件的应急管理提供了新的研究思路与方法。首先明确了应急决策中知识管理的涵义，并通过分析突发公共卫生事件应急管理流程中的知识管理过程，建立了应急知识管理体系，包括应急准备知识、预警知识、应急处置知识、应急评估知识。最后针对突发公共卫生事件应急决策中的知识管理提出相应的对策建议，以期从加强知识管理的角度进一步提高突发公共卫生事件的应对水平。
|
| [8] |
The health impacts of recent global infectious disease outbreaks and other disasters have demonstrated the importance of strengthening public health systems to better protect communities from naturally occurring and human-caused threats. Public health emergency management (PHEM) is an emergent field of practice that draws on specific sets of knowledge, techniques, and organizing principles necessary for the effective management of complex health events. We highlight how the nascent field of PHEM has evolved in recent years. We explore this development by first examining multiple sites of intersection between the fields of public health and emergency management. We then analyze 2 of the principal pillars on which PHEM was built: organizational and programmatic (i.e., industry) standards and the incident management system. This is followed by a sketch of the key domains, or functional areas, of PHEM and their application to the emergency management cycle. We conclude with some observations about PHEM in a global context and discuss how the field might continue to evolve.
|
| [9] |
<p><strong>目的</strong> 构建突发公共卫生事件影响的综合评价指标体系。<strong>方法</strong> 采用文献法和专家咨询法,初拟指标体系框架;采用德尔菲法进行指标筛选,同时考虑专家定性访谈、专题小组讨论的结果,进行指标的综合筛选;在德尔菲法问卷结果的基础上,采用改进的Saaty's权重法进行指标权重的确定。<strong>结果</strong> 39名专家2轮咨询问卷回收率均为100%,一级指标的权威系数(Ca)为0.73,协调系数(W)差异均有统计学意义(<em>P</em><0.05),一级指标权重系数分别为0.4575、0.2452、0.2973。<strong>结论</strong> 通过德尔菲法结合专家定性访谈、专题小组讨论所建立的突发公共卫生事件影响的综合评价指标体系具有较为合理的结构,评价内容较为完整和全面,具有一定的科学合理性和适用性。</p>
|
| [10] |
动物疫情公共危机爆发后,危机信息在网络上迅速传播,在网络舆情的环境下,加大了危机的复杂性,影响经济发展,造成社会恐慌,出现社会信任损失问题。本文以动物疫情公共危机为例,通过构建政府、网络媒体、公众的三方演化博弈模型,研究政府、网络媒体、公众等主体在公共危机治理中的策略行为演化趋势、相互影响及均衡状态,并结合"黄浦江浮猪事件"进行案例分析,研究各主体策略行为对社会信任修复的作用机理。研究发现:政府在博弈中作为主导者,其策略影响网络媒体以及公众;网络媒体作为事件扩散催化者,通过推动网络舆情,促使政府应对危机;公众在博弈中作为接受者,其策略行为选择受到政府和网络媒体的双重影响。网络舆情下动物疫情公共危机加大了治理的复杂性,因此本文提出多方主体参与危机治理的相互作用与协调机制,以期修复社会信任。
URL
[本文引用:1]
|
| [11] |
通过利益相关者理论构造突发公共卫生事件的利益相关者类型体系,共包含六大类13种类型,依据生命周期理论,将突发事件的生命周期划分为五个阶段,利用相关性公式改进的潜在狄利克雷分配(LDA)模型,比较分析了2015年中东呼吸综合征(MERS)病毒爆发时新浪微博和微信平台上各利益相关者在不同阶段的话题关注点,并揭示其话题演化模式的异同点。通过分主体、分阶段、分平台梳理网络信息传播过程中各利益相关者在不同阶段的主要关注点,归纳出热点话题的演化规律,其研究发现能够为政府研判突发公共卫生事件网络舆情态势提供信息支持,帮助突发事件管理部门针对特定人群采取对应的响应措施,减少突发事件带来的负面影响。
URL
[本文引用:1]
|
| [12] |
[目的 /意义]构建突发公共卫生事件利益相关者的社会网络情感网络图谱,以可视化的方式分析突发公共卫生事件中各类利益相关者的情感状态和分布,探寻利益相关者之间的情感传播路径,并结合舆情话题综合分析利益相关者的情感演化态势。[方法 /过程]以"魏则西事件"为例,通过微博转发关系构建微博用户的社会关系网络,同时标识各用户的利益相关者类型,并计算用户的情感类型及情感强度嵌入社会网络中构建出社会网络情感图谱。[结果 /结论]普通群众的情绪更强烈且易受意见领袖影响,在事件爆发期和蔓延期,主流媒体和自媒体对普通群众的情感影响较大,在衰退期,政府人员和医护人员的参与增加且情感影响变大。随着舆情的演化,各类利益相关者的主导情感也随着变化,自媒体和企业在情感传播中起重要的桥梁作用。
|
| [13] |
[目的/意义]突发公共卫生事件的迅速蔓延性与高度危害性使得相关管理部门不得不在短时间内做出有效的应对措施。对突发公共卫生事件的微博影响力进行预测有助于及时发现即将出现的问题,提高决策的预见性。[方法/过程]从微博条目的转发、评论和收藏次数来衡量其影响力,利用基于BM25的潜在狄利克雷分配模型和随机森林方法,选取埃博拉爆发相关微博的发布者、时间和内容特征,构建了突发公共卫生事件的微博影响力模型。[结果/结论]该模型能较好地预测微博的影响力,准确率达到88.8%。微博条目的发布者类型、主题等特征对微博条目的影响力产生主要作用,各项特征具有不同的影响力倾向。
|
| [14] |
[目的/意义]科学分析网络舆情能量传播过程并有效控制舆情发展方向是重大医疗伤害事件网络舆情管理的重要环节,为相关媒体平台、医疗机构以及政府的医疗事件舆情管理提供参考和借鉴。[方法/过程]从情感扩散和社交传播的双维视角出发,构建了舆情能量传播模型并提出计算方法。选取"魏则西事件"为实证研究对象,以新浪微博为数据源采用网络爬虫软件获取舆情文本信息和转发行为信息,并借助ROST Emotion Analysis Tool完成文本情感分析,通过模拟单条微博能量曲线和能量场总的能量变化曲线分析得到不同时段能量曲线的变化特征。[结果/结论]结果显示,医疗伤害事件舆情存在4种传播特征和两种情感极性;基于情感扩散和社交传播的舆情能量场能真实反映事件发展和舆情情感偏向;医疗伤害事件舆情能量场存在显著的能量高峰期,但会随时间推移最终消耗完毕。
|
| [15] |
【目的】研究社交媒体舆情信息传播规律和信息传播效果影响因素,为政府管理实践和相关决策提供参考依据。【方法】结合5W传播模式和议程设置理论对信息传播因素提出假设,采用相关性分析进行验证。【结果】研究发现传播群体中意见领袖群体对传播效果影响最大,微博发布者属性与传播效果存在正相关关系,信息传播数量与传播效果成负相关关系。【局限】由于受到时间、技术等限制,只选择单一话题在单一时间内的传播情况做了实证分析。【结论】对政府机构、新闻媒体、大型企业等管理者了解舆情传播影响情况及舆情信息影响因素探索研究具有重要意义。
URL
[本文引用:3]
|
| [16] |
The rapid diffusion of information is critical to combat the extreme levels of uncertainty and complexity that surround disaster relief operations. As a means of gathering and sharing information, humanitarian organizations are becoming increasingly reliant on social media platforms based on the Internet. In this paper, we present a field study that examines how effectively information diffuses through social media networks embedded in these platforms. Using a large dataset from Twitter during Hurricane Sandy, we first applied Information Diffusion Theory to characterize diffusion rates. Then, we empirically examined the impact of key elements on information propagation rates on social media. Our results revealed that internal diffusion through social media networks advances at a significantly higher speed than information in these networks coming from external sources. This finding is important because it suggests that social media networks are effective at passing information along during humanitarian crises that require urgent information diffusion. Our results also indicate that dissemination rates depend on the influence of those who originate the information. Moreover, they suggest that information posted earlier during a disaster exhibits a significantly higher speed of diffusion than information that is introduced later during more eventful stages in the disaster. This is because, over time, participation in the diffusion of information declines as more and more communications compete for attention among users.
|
| [17] |
本文以新浪微博为研究平台，以打砸日系车突发公共事件为研究实例，基于ELM模型提出了信息内容（内容的创作类型、内容的表达方式、内容的拓展线索）和信源特征（信源引证标识与信源补充线索）对微博舆情传播影响的相关假设，并构建回归模型加以验证。实证结果表明：博文内容的创作方式、信源的补充线索对舆情传播效果存在影响，在转发模型中情感型博文的传播效果好于事实型和调侃型博文；而内容拓展线索和信源引证标识会对微博舆情传播效果起负面作用。研究结果可以直观的从信息内容和信源特征视角认识微博舆情传播影响要素，并为突发公共事件的预警和舆论引导提供借鉴与参考。
|
| [18] |
[目的/意义]新媒体环境下的微博舆情传播态势模型研究对促进网络舆情理论研究向纵深发展具有重要理论意义、对加强网络舆情监管具有较强的实践意义。[方法/过程]从信息生态视角出发,提出了新媒体环境下微博舆情传播影响因素并构建了微博舆情传播态势模型,以新浪微博"埃博拉"热点话题数据为样本,采取编程及网络爬虫方式获取数据,采用SPSS工具对数据进行统计分析及模型验证。[结果/结论]通过相关分析得出新媒体环境下的微博舆情信息环境热度、信息偏好、信息技术偏好、信息人影响力会正向影响新媒体微博舆情传播态势;图片信息会正向影响新媒体信息偏好,语音信息、视频信息、表情信息同新媒体信息偏好呈负相关关系;新媒体信息偏好会正向影响新媒体信息技术偏好;新媒体信息偏好会正向影响新媒体信息环境热度;粉丝数、关注数会正向影响新媒体信息人影响力等研究结论。
|
| [19] |
本文主要以2010年34个热点网络事件为研究对象,借助百度指数功能,提出了网络事件传播的六个阶段,并对每个阶段进行了时长和临界阈值研究;另外,就网络首发型事件和大众媒体导入型事件的传播阶段进行了具体研究。
URL
[本文引用:1]
|
| [20] |
依据以往研究总结了微博舆情传播的过程性特征，并据此结合传播学 5W模式经典理论提出了基于过程视角的微博舆情传播模式构建，将其概括为由传播要素以及要素之间关系组成的具体结构在传播过程中的互动及具体表现。进一步 将微博舆情传播模式概括为完整型、次完整型、半完整型和不完整型四种类型，并通过具体案例予以验证。拓展和丰富了当前研究的分析视角并对微博舆情的相关研 究提供了基础理论支撑。
|
| [21] |
[目的/意义]提出针对微博舆情不同阶段的引导控制工作流程,降低微博舆情危机的发生频次和影响程度。[方法/过程]借鉴生命周期理论的基础上,利用扎根理论的方法,以反映舆情事件的关键词被提及累计次数和变化幅度作为表征量,对微博舆情生命周期阶段进行划分,并寻找各阶段舆情的特征,提出相应的引控工作流程。[结果/结论]微博舆情可划分为潜伏期、预热期、热议期和衰退期等四个阶段,其中潜伏期的工作重点在于识别、监控和研判,预热期的工作主要突出信息的控制、对称化及舆情主体的引导工作,热议期应更加重视舆情应急和控制工作,衰退期则着重于对整个舆情过程的评价、反馈及持续追踪监控。
|
| [22] |
Multiple "routes" to persuasion have begun to appear in analyses of consumer attitudes and attitude change. In the present paper, we review our elaboration likelihood model of persuasion and we discuss the place of our central and peripheral routes to persuasion in this model. It is concluded that the various routes that have been proposed recently can be placed along a dimension of elaboration likelihood, with the interesting theoretical questions being whether the predictions made by these various models and the elaboration likelihood model actually differ, and if so, which predictions are empirically supported.
|
| [23] |
|
| [24] |
This research investigates how knowledge workers are influenced to adopt the advice that they receive in mediated contexts. The research integrates the Technology Acceptance Model (Davis 1989) with dual-process models of information influence (e.g., Petty and Cacioppo 1986, Chaiken and Eagly 1976) to build a theoretical model of information adoption. This model highlights the assessment of information usefulness as a mediator of the information adoption process. Importantly, the model draws on the dual-process models to make predictions about the antecedents of information usefulness under different processing conditions. The model is investigated qualitatively first, using interviews of a sample of 40 consultants, and then quantitatively on another sample of 63 consultants from the same international consulting organization. Data reflect participants' perceptions of actual e-mails they received from colleagues consisting of advice or recommendations. Results support the model, suggesting that the process models used to understand information adoption can be generalized to the field of knowledge management, and that usefulness serves a mediating role between influence processes and information adoption. Organizational knowledge work is becoming increasingly global. This research offers a model for understanding knowledge transfer using computer-mediated communication.
|
| [25] |
|
| [26] |
[本文引用:1]
|
| [27] |
文章运用SOR(刺激—有机体—反应)行为模式,从信息内容、信息源和个体感知三个方面构建了"网络红人"信息传播影响因素理论模型。通过在线调查,收集了284份有效问卷进行数据分析。研究结果表明:用户传播决策过程主要受个体感知中的有用性感知和信任感知的影响;情感属性越强的信息更能刺激用户的有用性感知,信息质量以及其他用户对信息源的认同度可以提高信任感知,从而间接促进信息传播行为。
|
| [28] |
【目的/意义】随着企业生成内容（EGC）的兴起，以低成本实现广告信息扩散效果最大化已成为商业界和学 术界关注的焦点。本文将 ELM理论和用户卷入行为研究拓展到社交媒体领域，探究 EGC社会化传播的影响因 素。【方法/过程】以微博为平台，利用泊松回归模型，分别从企业和用户层面，对 EGC沟通内容和用户卷入情感等特 征进行剖析。【结果/结论】企业层面中描述产品或服务细节的信息性内容、致力于培养良好关系的说服性内容，和 用户层面中评论数、点赞数、积极的评论情感、较低的认证者比例会正向促进用户的转发。
URL
[本文引用:1]
|
| [29] |
[本文引用:1]
|
| [30] |
Information on social media platforms suffers from a relative lack of professional gatekeepers to monitor content. How to evaluate the information credibility on social media platform has become an important issue for today information consumers. Despite its importance, little research has empirically examined what factors influence the information credibility on social media platforms, which limits our understanding of the determinants of online information assessment. To fill this gap, this study examines the factors that influence individuals' perceived information credibility on social media platforms. Drawing on the persuasion theory—the Elaboration Likelihood Model (ELM), we identify that five factors from two dimensions of credibility (medium and message credibility) are key ingredients in the online information assessment, and develop a research model that predicts individuals' perceived information credibility on social media platforms. We test and validate the proposed model with empirical data from 135 users of the Facebook page. The results show that interactivity, medium dependency from the medium credibility dimension and argument strength from the message credibility dimension are main determinants of the information credibility. However, we did not observe any moderating effect of personal expertise between two credibility dimensions and information credibility, which suggested from ELM.
|
| [31] |
Social media has been playing an increasingly important role in information publishing and event monitoring in emergencies like natural disasters. The propagation of different types of information on social media is critical in understanding the reaction and mobility of social media users during natural disasters. In this research, we analyzed the dynamic social networks formed by the reposting (retweeting) behaviors in Weibo.com (the major microblog service in China) during Yiliang Earthquake. We developed a Multinomial Na茂ve Bayes Classifier to categorize the microblog posts into five types based on the content, and then characterized the information propagation patterns of the five types of information at different stages after the earthquake occurred. We found that the type of information has significant influence on the propagation patterns in terms of scale and topological features. This research revealed the important role of information type in the publicity and propagation of disaster-related information, thus generated data-driven insights for timely and efficient emergency management using the publicly available social media data.
|
| [32] |
文章以新浪微博为研究平台,以 打砸日系车突发公共事件为研究实例,结合信息采纳模型和媒介丰富度理论,从信源特征和信息形式视角出发研究微博舆情传播的影响路径,分析相关影响因子,对 假设进行验证。结果显示,信源特征对微博舆情传播有明显影响,其中粉丝数在信源特征对传播效果的影响中有中介作用;信息形式相关因素对微博舆情传播无显著 影响,但短链功能与微博的评论数呈现出显著的负向相关关系。研究结果可以直观地从信源特征和信息形式视角认识微博舆情传播的影响要素,可为社会化媒体平台 服务商提出各类功能设计性建议,并为突发公共事件的预警和舆论引导提供借鉴与参考。
|
| [33] |
论文借助认知神经科学的眼动追踪技术,研究用户在不同的信息卷入度情境下如何关注社交媒体的信源、信息和系统生成线索,以及信源和信息的系统生成外围线索如何影响用户的社交媒体可信度判断,并探讨用户的注视与信任之间是否相关。2(高/低卷入度)×2(高/低专业性)×2(高/低系统生成线索值)组内因子设计实验的眼动数据和统计结果显示:在注视点和注视时间上,ELM模型基本得到验证,高低卷入度会影响用户对信源和信息的不同关注;但在注视顺序上,无论卷入度如何,用户都是先看信源、再看信息;系统生成线索呈现出"数大招目"的注视规律,且不论卷入度如何,系统生成线索、信源身份、专业性等因素都正向影响用户对社交媒体可信度的判断;用户的注视时间与信任判断微弱相关,注视次数与信任无显著关联,眼见未必等于相信。
URL
[本文引用:2]
|
| [34] |
随着人们对健康信息需求的日益增加以及社交媒体平台的迅速发展,学者和医疗健康从业人员越来越关注健康信息在社交媒体中的传播。在Facebook、Twitter和WhatsA pp等众多社交媒体平台中,微信朋友圈因其将人际传播和大众传播相结合的特性而引起广泛关注。同时,健康信息的传播主要依赖于健康信息接收者在朋友圈子中的传播意愿。然而,很少有研究探讨微信（特别是朋友圈）中电子健康信息的哪些特点促使用户对其进行传播。聚焦依托医疗健康类微信公众号的信息传播,以信息传播相关研究为理论基础,从传播者内在动机的视角,研究微信用户在朋友圈传播电子健康信息的行为的影响机制。梳理信息传播和人际交流的相关研究,从信息内容的社会特征、情绪特征、功能特征3个维度中选取7个变量,提出研究假设和模型。进一步,选取医疗健康类微信公众号上发布的健康信息,采用大规模在线问卷调查的方法收集数据,并通过R统计软件对数据进行广义线性回归分析,以验证假设。研究结果表明,信息的社会特征（有趣性、新颖性、正确性）、情绪特征（令人惊叹性、积极性、富含情绪性）和功能特征（有用性）均对电子健康信息在微信朋友圈中的传播具有显著积极的影响,对电子健康信息的传播行为影响最大的因素为富含情绪性、有用性和有趣性。研究结论为电子健康服务平台的运营策略提供一定的实践建议,运营者在撰写健康类文章时应当提高话题和内容的有趣性和新颖性,保证信息的正确性,注重通过情绪的渲染使信息内容富有感染力,尤其积极情绪和令人惊叹的情绪,并突出对用户的实用价值。通过以上方式,可使受众乐于阅读并转发健康信息,提高电子健康服务平台的用户参与度和关注度。
|
| [35] |
[本文引用:1]
|
| [36] |
The purpose of this article is to examine the communication behaviors of online leaders, or those who influence other members of online communities in triggering message replies, sparking conversation, and diffusing language. It relies on 632,622 messages from 33,450 participants across 16 discussion groups from Google Groups that took place over a 2-year period. It utilizes automated text analysis, social network analysis, and hierarchical linear modeling to uncover the language and social behavior of online leaders. The findings show that online leaders influence others through high communication activity, credibility, network centrality, and the use of affective, assertive, and linguistic diversity in their online messages.Dimensions du leadership et de l'influence sociale dans les communautés en ligneDavid HuffakerLe but de cet article est d'examiner les comportements communicationnels des leaders en ligne ou de ceux et celles qui influencent d'autres membres de communautés en ligne en provoquant des réponses à des messages, en déclenchant des conversations et en propageant des styles linguistiques. L'étude s'appuie sur 632 622 messages de 33 450 participants à 16 groupes de discussion basés dans Google Groups au cours d'une période de deux ans. Elle utilise l'analyse de texte automatisée, l'analyse de réseaux sociaux et la modélisation linéaire hiérarchique pour révéler le langage et le comportement social des leaders en ligne. Les résultats montrent que les leaders en ligne influencent les autres par leur forte activité de communication, leur crédibilité et leur centralité au réseau, et par l'usage d'affect, d'affirmation de soi et de diversité linguistique dans leurs messages en ligne.Dimensionen der Führung und des sozialen Einflusses in Online-GemeinschaftenDavid HuffakerZiel dieses Artikels ist es, das Kommunikationsverhalten von Online-Führern oder denjenigen, die andere Mitglieder von Online-Gemeinschaften dazu bewegen, Botschaftsantworten zu verfassen, Gesprche zu beginnen und Sprache zu diffundieren zu untersuchen. Die Ergebnisse basieren auf 632.622 Botschaften von 33.450Teilnehmern aus 16 Diskussionsgruppen von GoogleGroups, die über einen Zeitraum von 2 Jahren stattfanden. Für die Auswertung nutzten wir die automatisierte Textanalyse, soziale Netzwerkanalyse und hierarchische lineare Modellierung, um die Sprache und das Sozialverhalten von Online-Führern zu analysieren. Die Ergebnisse zeigen, dass Online-Führer andere durch hohe Kommunikationsaktivitt, Glaubwürdigkeit, Netzwerkzentralitt und den Gebrauch von affektiver, nachdrücklicher und linguistischer Vielfalt in ihren Online-Nachrichten beeinflussen.Las Dimensiones del Liderazgo y la Influencia Social en las Comunidades OnlineDavid HuffakerMedia, Technology and Society, Northwestern University, Frances Searle Building, Room 2-148, 2240 Campus Drive, Evanston, IL 60208, USAResumenEl propósito de este artículo es examinar los comportamientos de comunicación de los líderes online, o aquellos que influencian a otros miembros de las comunidades online al desencadenar los mensajes de respuesta, generar conversación, y difundir lenguaje. Cuenta con 632.622 mensajes de 33.450 participantes a través de 16 grupos de discusión de los Grupos Google que se llevaron a cabo en un período de 2 a09os. Utiliza un análisis de texto automatizado, un análisis de la red social, y un modelo lineal jerárquico para descubrir el lenguaje y el comportamiento social de los líderes online. Los hallazgos muestran que los líderes online influencian a otros mediante la alta actividad de comunicación, la credibilidad, la centralidad de la red, y el uso de afectividad, la firmeza, y la diversidad lingüística en sus mensajes online.
|
| [37] |
[本文引用:2]
|
| [38] |
[本文引用:1]
|
| [39] |
|
| [40] |
\0
|
| [41] |
Are bloggers' topical coverages related to their contributions, impacts, and publishing styles in the blogosphere? We investigated this question by grouping bloggers on the basis of their topical coverages and comparing their publishing behaviors. From a blog website with more than 370,000 posts, we first identified two types of bloggers: specialists and generalists. Then we studied and compared their respective publishing behaviors in the blogosphere. Our analysis suggested that bloggers with different topical coverages do behave in different ways. Specialists generally make more contributions than generalists. Specialists also tend to publish more on weekdays, during business hours, and on a more regular basis. We also revealed that specialists also have different publishing behaviors, with only a small fraction creating a large “buzz” or producing a voluminous output. As blogs start to gain more business value, an extensive analysis like ours can help various stakeholders in the blogosphere maximize their share of the value chain.
|
| [42] |
The Internet is a communication channel that allows individuals to share information and knowledge. However, it is not obvious why individuals share knowledge with strangers for no apparent benefit. What are the critical factors influencing such behavior? To attempt to understand this paradox, we combined the theories of social capital and individual motivation to investigate the factors influencing knowledge sharing behavior in a virtual community, applying a participant involvement concept to analyze the moderating effects of individual motivation on knowledge sharing behavior. By analyzing the results of a survey using a questionnaire, we found that altruism, identification, reciprocity, and shared language had a significant and positive effect on knowledge sharing. Reputation, social interaction, and trust had positive effects on the quality, but not the quantity, of shared knowledge. Participant involvement had a moderating effect on the relationship of altruism and the quantity of shared knowledge. Theoretical and managerial implications are discussed.
|
| [43] |
|
| [44] |
[本文引用:2]
|
| [45] |
微博舆情不同与其他舆情传播，传播过程参与的利益相关者众多，随着舆情发展阶段的变化，利益相关者也发生动态变化。本文从利益相关者的视角出发，结合信息空间模型分析微博舆情传播的过程，构建微博舆情监测指标。
|
| [46] |
[本文引用:1]
|
| [47] |
[本文引用:1]
|
| [48] |
[本文引用:1]
|
| [49] |
[本文引用:1]
|
| [50] |
新媒体的兴起给传统宣传体系带来巨大冲击，新兴党媒的创建体现了执政党重构传播体系、进行传播调适的努力。通过对@人民日报和“侠客岛”的研究发现，其传播范式很大程度上背离了传统宣传主义，建构了一种吸纳专业主义、煽情主义等不同范式元素的“杂糅化”形态。具体而言，两者分别形成传播调适的“情感模式”和“信息模式”，或通过营造与民众亲密性，或通过建构新的政治景观，以不同方式处理宣传使命和获取民众支持这一双重关系。这种差异，体现了执政党致力于建构分层化传播体系的努力，进而反映了治理理念从宣传主义向霸权主义的转变。
URL
[本文引用:1]
|
| 版权所有 © 2015 《数据分析与知识发现》编辑部 地址：北京市海淀区中关村北四环西路33号 邮编：100190 电话/传真：(010)82626611-6626，82624938 E-mail:jishu@mail.las.ac.cn |
