集群行为是集体共同推动和影响个体进行社会互动行为的结果^{[ 4]},而网络集群行为属于特殊的集群行为方式^{[ 5]},是一般集群行为的延伸、复制和创新^{[ 6]}。它除了具备一般集群行为的共有特质外,还具有诸多不一样的特质^{[ 5]},如行为互动符号化、成员参与超功利化、成员关系松散与自发分工并存、不在场与匿名化状态下的有限理性以及跨时空的“微观点”汇合成网络集群行为^{[ 6]}。研究发现,微博集群行为主要以话题讨论为主,话题属性和扩散主体等影响热点话题的扩散^{[ 7]},而且微博网民在讨论话题的同时也在传递着情绪,微博评论记录着很多人对某热点事件的情绪状态,带有情绪化的符号、图片及博文在一天不同时间可能产生不同的变化和分布状态。传播学、网络学和情报学领域的研究发现,微博网民的粉丝数、转发数、博文评论数、原创观点数及个体的社会网络在很大程度上代表该微博用户的影响力^{[ 2]}。微博意见领袖一般具有较高的影响力、广泛的社会网络关系,占据重要的网络节点,主导着微博舆论的发展方向和集群行为的执行意向。

执行意向是指个体以行动目标为导向,通过连接情景线索和目标导向反应,建立行为意向和实际行为之间的联系。在一定的情景或条件刺激下,执行意向被自动、有效并且无意识地启动,是一种行为临界状态,更能预测实际行为发生的可能性^{[ 8]}。实证研究发现,基于热点事件的微博集群行为执行意向呈现出三个维度:安全性执行意向、价值性执行意向和可控性执行意向^{[ 2]}。然而,微博集群行为的三种执行意向之间有何差异,不同执行意向的集群行为是否遵循相同的演化规律,这些问题还没有明确的研究结论,本文将对微博集群行为执行意向进行比较实验研究。因此,基于以上理论,提出如下研究假设:

H1: 热点话题的走势影响集群行为执行意向,不同话题的走势分散了网民集群行为执行意向的意愿;

H2:网民群体的情绪在不同时刻呈周期性波动;

H3:微博网民的影响力受到粉丝数量、关注数及原创数的影响,关注数和原创数越多其粉丝数越多,粉丝数越多越能吸引网民的关注和跟帖。

本文对集群行为的安全性、价值性和可控性执行意向规律与感知进行实验研究。通过筛选网民近期关注的热门事件,分析热门事件的特征和网民集群行为的主要特征,确定该事件属于何种网络集群行为类型;根据该行为类型的特性初步分析将引发何种集群行为执行意向,并确定要进行观测的网络热门事件;根据三种执行意向的影响因素确定在微博上进行观测和采集的指标,通过连续的数据采集和指标对比分析,探索网民集群行为特性变化与网络集群行为形成及演化的规律,以及探索复杂网络中海量微博信息之间语义关联与聚集的规律感知,为大规模的网络集群行为预警分析和引导策略的导入提供理论和实践指导。

(1)微博平台:主要借助腾讯微博平台进行实验观察。

(2)网站数据采集器:实验数据采集主要借助LocoySpider软件,又名火车采集器,是一款专业的网络数据采集、信息挖掘处理软件^{[ 9]}。

(3)文本数据挖掘:利用沈阳等^{[ 10]}设计编码的ROST Content Mining System(ROST CM)内容挖掘软件进行微博短信的内容挖掘分析和情感的初步分析。

实验分三个阶段进行,分别为微博信息采集、微博用户资料采集和数据处理及分析,如图1所示:

图1

	Figure Option ViewDownloadNew Window
	图1 微博观测实验步骤

通过探索安全性、价值性、可控性执行意向的行为特征对其作用机制进行验证性实验研究。主要从行为特性和复杂网络特性选择话题热度及走势、微博信息情绪热度、微博网络中心性、微博网民关注数、原创数及粉丝数的相关性及影响力等指标,因为这些指标对当前微博信息传播及网民集群行为具有较好的预测,同时也对预警分析和引导策略的网络实践具有指导作用^{[ 11]}。

(1)微博热点事件信息采集.

利用LocoySpider采集微博相关主题的交流信息;对采集数据进行处理,逐一删除微博空信息、无相关内容信息、重复信息、粉丝数及关注数不足10的微博信息;得到本实验的研究数据,三个实验总共采集有效信息2 965条,如表1所示:

表1

表1

表1 微博交流信息采集一览表 统计项 实验1 实验2 实验3 数据采集周期 (03.05-03.10) (02.24-03.12) (03.10-03.12) 事件名称 少女自杀为穿越 活熊取胆 全国两会 网络集群行为类型 安全利益型 道德伦理型 舆论监督型 娱乐分享型 问题质疑型 观测执行意向维度 安全性 价值性 可控性 有效信息(条) 1 008 1 279 678 微博信 息沟通 渠道 (条) 电脑 596 59.1% 577 45.1% 314 46.3% 手机 299 29.7% 509 39.8% 215 31.7% 客户端 83 8.2% 90 7% 79 11.7% 即时通讯 30 3% 103 8.1% 70 10.3% 合计 1 008 100% 1 279 100% 678 100% (注:数据来源于腾讯微博。)

表1 微博交流信息采集一览表

(2)参与热点事件讨论的微博用户信息.

在表1的数据基础上,根据每条微博评论信息锁定该评论的博主ID及微博地址,形成微博地址列表;编写微博用户个人属性的采集规则,将微博地址列表导入LocoySpider的采集任务并运行该任务;共采集到参与上述三个热点事件讨论的2 479个微博用户信息,如表2所示:

表2

表2

表2 参与热点事件讨论微博网民基本信息采集一览表 统计项 实验1 实验2 实验3 性别 男 573 58.7% 488 55.5% 426 68.3% 女 397 40.7% 379 43.1% 191 30.6% 单位 6 0.6% 12 1.4% 7 1.1% 合计 976 100% 879 100% 624 100% 身份 认证 41 4.2% 40 4.6% 22 3.5% 无认证 935 95.8% 839 95.4% 602 96.5% 合计 976 100% 879 100% 624 100% 网络 地位 意见领袖 25 2.6% 58 6.6% 21 3.4% 活跃博主 286 29.3% 349 39.7% 238 38.1% 普通博主 665 68.1% 472 53.7% 365 58.5% 合计 976 100% 879 100% 624 100% (注:数据来源于腾讯微博。)

表2 参与热点事件讨论微博网民基本信息采集一览表

采用SPSS18.0进行统计分析,采用ROST CM内容挖掘软件进行中文词频分析、情感分析,采用UCINET社会网络分析软件和可视化NetDraw软件进行语义分析、网络中心性计算^{[ 12]},对微博语义网络的集群行为规律进行对比分析。

通过采集三个热点事件,对采集到的有效微博信息进行文本数据挖掘,利用ROST CM挖掘软件对三个实验的微博采集信息进行中文分词、中文词频分析,如表3-表5所示,三个实验均出现网民反复讨论的热词,笔者对这些高频词进行了热度和话题的走势分析。

表3

表3

表3 实验1“少女自杀为穿越”热点事件中微博用户讨论热词及词频统计 热词 词频 热词 词频 热词 词频 热词 词频 热词 词频 穿越 467 教育 84 家长 52 影响 42 小学生 39 孩子 176 电视 74 池塘 47 父母 42 同年 37 越剧 132 电影 64 历史 47 清朝 41 皇帝 36 电视剧 95 社会 61 中国 46 现实 41 同月 36 自杀 94 生命 53 小说 45 问题 39 悲剧 34

表3 实验1“少女自杀为穿越”热点事件中微博用户讨论热词及词频统计

表4

表4

表4 实验2“活熊取胆”热点事件中微博用户讨论热词及词频统计 热词 词频 热词 词频 热词 词频 热词 词频 热词 词频 归真堂 1 124 人类 130 问题 60 上市 46 企业 38 围观 738 胆汁 127 生命 58 事情 45 坚决 38 动物 346 反对 111 国家 58 行为 44 难道 37 黑熊 156 提问 79 利益 49 人性 43 亚洲 36 保护 135 抵制 74 取缔 49 爱心 42 基金 35 残忍 134 中国 74 社会 46 痛苦 42 法律 32

表4 实验2“活熊取胆”热点事件中微博用户讨论热词及词频统计

表5

表5

表5 实验3“全国两会”热点事件中微博用户讨论热词及词频统计 热词 词频 热词 词频 热词 词频 热词 词频 代表 127 问题 53 公务员 33 政策 29 两会 86 社会 47 房价 33 领导 28 人民 76 中国 46 官员 31 委员 27 提案 72 国家 40 真正 30 建议 24 老百姓 58 农民 34 人大代表 30 医疗 23 政府 56 工资 33 百姓 29 改革 22

表5 实验3“全国两会”热点事件中微博用户讨论热词及词频统计

话题热度计算公式如下^{[ 14]}:

其中,Pi是当前主题中参与讨论的人次数目,k为该事件主题的个数。

微博话题热度及走势如图2所示:

图2

	Figure Option ViewDownloadNew Window
	图2 微博话题热度及走势

从图2中可知,在实验1中,微博网民3月5日随着事件的报道产生高的关注度,并且快速裂化为5个高关注度的话题,经过一周的时间关注度衰减到一个很低的水平;在实验2中,微博网民从2月24日至3月12日共产生4个高关注度的话题,第一周以围攻归真堂和提问归真堂为主,第二周和第三周网民集中关注活熊取胆的过程及拯救黑熊,以爱心传递为主,形成周期性话题走势;在实验3中,3月10日前网民并没有投入太多的关注度,话题是随着两会提案的出现及两会结束而慢慢出现三个高关注度的话题,截止到两会结束微博网民的话题讨论达到顶峰。由此可知,在安全性执行意向的集群行为中,第一时间极为关键,如果事件与个体没有较强的关联,话题可能会逐步冷却下来,时间变量成为话题走势的重要推力;在价值性执行意向的集群行为中,要关注事件本身及价值规范、伦理道德方面引发的话题周期性变化的规律;在可控性执行意向的集群行为中,信息的有用性和传播价值往往影响话题走势,应重点关注信息交流与传播的可控性原则。由此可知,研究假设H1得到支持,即热点话题的走势影响网络集群行为执行意向。

情绪是个体对客观事物是否满足自己的需要而产生的态度的主观体验,即情绪是个体对外部人、事、物的主观体验^{[ 15]}。微博情绪对网络集群行为执行意向的情景线索产生影响,一旦执行意向的目标线索被情景线索刺激,微博集群行为执行意向可能会自动激活,这对集群行为规律感知和引导策略的制定具有重要意义。本文对微博情感的判断一方面是基于心理学相关情绪理论,另一方面是通过情感计算技术,这是目前学术界的热点课题^{[ 16]}。本文主要利用ROST CM内容挖掘软件的情感计算功能进行初次微博评论信息的情感计算,而在实验中发现计算机识别微博的情绪状态并不是非常可靠,对个别微博情绪状态的判断不够准确,如对于一个表情符号、说反话、网络新词表达等方面需要人工标注。因此,课题组邀请一名心理学专业的博士生和一名管理学专业的硕士生先独立检查每条微博的情绪类型和情绪强度,再共同对不一致的微博评论信息的情绪状态进行修订,以下结果分析都在上述研究工作基础上展开。

情绪热度是指刻画某种情绪在所有评论中所占的比例,公式定义如下^{[ 13]}:

其中,N_t,i表示t时刻第i种情绪对应的评论数量。

根据公式(2)在Excel中分别计算三个实验中微博交流信息的积极情绪、中性情绪、负性情绪的条数,然后计算24小时段内的微博信息总条数、均值和每种情绪所占的比例,即单一情绪的热度,得出单一情绪对比图(见图3),以寻其差异性。

图3

	Figure Option ViewDownloadNew Window
	图3 微博网民情绪热度对比

从图3可知,三个实验中微博信息的单一情绪均出现波动性,早晨至中午单一情绪热度逐步攀升,甚至达到一天的最高值,三个实验呈现出自身的规律性,例如,在实验1中,微博信息的情绪热度出现3个高峰和3个低谷;在实验2中,微博信息的情绪热度出现2个高峰和3个低谷;在实验3中,微博信息的情绪热度出现3个高峰和5个低谷。研究还发现,实验1和实验2的波形比较接近,基本上是从早上6点之后到中午12点,单一情绪热度单调增加,而实验3呈现出明显的不一致变化,即早上4点就出现单一情绪热度的增加,早上9点达到第一个情绪热度峰值,但11点之后又出现单一情绪的增加。这个周期性变化的曲线图很有启示,在微博中网民为讨论热点事件而出现单一情绪热度变化的时候,选择恰当的时间进行引导非常关键。由此可知,研究假设H2得到支持,即网民群体的情绪在不同时刻呈周期性波动。

通常在微博上以粉丝数作为该微博用户的影响力指标,认为粉丝数越多则影响力越大,然而通过三个实验研究发现并不完全如此,网民在不同的执行意向下看重或关注的还有该微博用户的原创数或关注数,从而说明微博影响力有多个影响变量。

通过SPSS软件对微博用户的关注数、粉丝数、原创数进行相关性分析,结果如图4所示:

图4

	Figure Option ViewDownloadNew Window
	图4 微博用户影响力分析

对三个实验所采集到的微博热点事件交流信息进行分词、中文词频分析、构建共现矩阵词表,在此基础上利用UCINET和NetDraw刻画语义网络图,如图5所示:

图5

	Figure Option ViewDownloadNew Window
	图5 微博网民信息交流的语义网络分析

在这三个实验中,社会网络结构呈现出多个子群,结构洞是连结多个微博网络讨论的核心,网民之间并没有直接的信息联系,由于结构洞上的信息强连结使得网民之间在观点、价值认同、信息分享上达成了高度一致^{[ 17]},因此结构洞连结了多个网民集群中心。

从图5可知,三个实验中微博网民通过热点事件讨论,形成多个网络集群中心,每个中心聚集特定的信息进行交流,而连结这些聚集子群的是网民反复交流的热词,这些热词一方面将不认识的网民聚集起来,加强了信任,另一方面由于网民之间并不认识,信息交流就更加顺畅,因此,这些热词就成为微博网民聚集的中介或结构洞,高网络中心性的交流信息容易引发网民群体的强连接,结构洞上的热词是网民群体议程不断延续的中介。进一步分析可知,在实验1中,以“自杀”、“穿越”、“遗书”等热词连结了三大网民集群中心,第一个集群中心主要讨论该事件的诱因,第二个集群中心主要讨论该事件的过程和细节,第三个集群中心主要讨论该事件的教训和启示;在实验2中,通过“围观”、“归真堂”、“保护”、“动物”等热词连结了6大网民集群中心;在实验3中,以“代表”、“人民”、“两会”、“提案”、“政府”、“问题”、“房价”等热词连结了6大网民集群中心。由此可知,通过语义网络对比分析能够更加清晰地看到网民群体的利益诉求,熟悉网民群体在网络中的子群结构及其演化规律。

通过三个在线实验,对网民集群行为的规律从话题热度及走势、情绪热度、语义网络及微博影响力进行探索,发现了一些有价值的规律。另外,实验发现:微博热点事件讨论中男性参与的比例高于女性,女性更加关注安全性和价值性的执行意向,男性比较关注可控性的执行意向;从认证身份来看,具有认证标志的微博网民不足5%,约90%以上的微博网民没有认证标志;从网民的地区分布来看,呈现出一些地域偏向,广东、北京、江苏、河北、浙江、上海、山东7省市地区的微博网民在参与三个热点事件讨论中占据比例最大,这些地区的微博网民参与信息交流最多的是手机网络和电脑网络,网络融合的趋势为网民参与信息交流提供了越来越多的机会。

执行意向作为微博集群行为的重要预测变量,受到个体的目标意向和情景线索的影响,本实验研究从话题热度及走势、情绪、语义网络、影响力等线索特征对三种执行意向的差异性进行比较分析,得出如下结论:

(1)热点话题的走势影响集群行为执行意向,不同话题的走势分散了网民集群行为执行意向的注意力;

(2)网民群体的情绪在不同时刻呈现周期性波动;

(3)网民集群行为安全性、价值性、可控性执行意向呈现不同的情绪热度;

(4)高网络中心性的交流信息容易引发网民群体的强连接,结构洞上的热词是网民群体议程不断延续的中介;

(5)微博网民的影响力并非完全受到粉丝数、关注数和原创数的影响;

(6)微博信息沟通渠道呈现多元化;

(7)网络集群行为执行意向呈现不同的群体差异性。不同性别、身份(认证)、地区的网民参与热点事件的程度有显著性差异。

总之,本实验研究结果对于感知网络集群行为执行意向有一定的启示,这有助于相关决策者根据安全性、价值性、可控性执行意向的影响因素制定针对性的引导策略,对于加强社会管理和危机应对提供了一定的实践指引。