■ 胥琳佳 屈启兴

一、引言

社交媒体加强了在健康议题中的公众参与传播,通过在线参与对话、传递扩散信息的方式丰富了相关议题的讨论。已有研究表明,数字媒体和社交媒体已经成为健康信息的重要来源①,为公众接触到健康信息和参与相关的讨论提供了更多的渠道。

同时社交媒体的信息传播也使得一些敏感议题的紧张讨论更加恶化,比如儿童接种疫苗问题。②不同领域的学者都指出了关于儿童接种疫苗安全性和接种率问题的媒体报道在增多,并且成为了公众主导的热点议题。③

当公共卫生危机事件发生时,风险传播的研究强调的是个体在信息传播过程中是否明了所发生的事件,以及如何有效地做出回应。这些研究存在的假设条件是官方通过传统媒体采用一对多的传播模型来发布消息,然而社交媒体的出现改变了这种一对多的形式，变为通过自己的社交网络来获取和交流信息。这就限制了官方对于公众是否真正了解事件本身并作出正确回应的评估。

尽管科学家在尽力普及科学、健康和风险信息,但是公众对这些领域的热点议题依旧呈现出各种错误认知。皮尤研究中心2013年调研发现26%的美国公众坚信全球气候变暖并没有确凿的证据,即使已经有大量的研究证实了这个问题。同样,2014年美国全国消费者联盟调研发现大约三分之一的美国公众认为疫苗接种会导致自闭症。④

在危机事件中,人们运用社交媒体去搜寻事件相关的信息并查询家人和朋友的状况。对事件的理解(sensemaking)和信息的效能是危机事件传播中的重要因素,社交媒体的信息内容也成为了重要关注点。

本研究将探讨社交媒体中用户的传播行为的影响因素,通过突发公共卫生事件中的传播信息考察社会网络结构在热点事件传播中的作用,以及情绪和认知如何在公共卫生事件中影响人们的传播信息。

二、理论综述与研究假设

1.疫苗接种议题

疫苗作为20世纪公共健康领域的伟大发明,在减少疾病的流行甚至是彻底根除某种疾病方面做出了重要贡献。众多的医生和医学家都支持使用疫苗来减少曾经常见的一些疾病的风险,而公众对于疫苗效果的错误感知依然存在,尤其是认为疫苗本身或是其中的一些成分会导致儿童的自闭症。

1998年2月,发表在英国《柳叶刀》杂志上的研究称自闭症和麻疹、腮腺炎、风疹(简称MMR)疫苗接种存在潜在影响关系。⑤这个研究吸引了全球的公众、政策制定者、媒体的极大关注,并且开始质疑疫苗接种的安全性。自此开始,来自科学界和医疗界的对这个结论的批判声愈演愈烈,并且有研究反驳了这个结论。⑥但是这种反驳并没有阻止疫苗接种率的骤减,而且在英国和其他一些地区麻疹病毒开始死灰复燃。

有调查发现30%到33%的美国家长相信疫苗接种会导致自病症④,同时有20%的美国公众相信医生和政府官员也认为疫苗会导致自闭症。⑦这类感知并没有充分的科学证明来支持,但是这种信念直接导致了美国一些城市和周边地区的疫苗接种率下降。⑧而且在美国的富裕阶层和高学历人群中持有这种观点的人数仍在增加。⑨同时,一些流行病学的研究试图去证明自闭症和疫苗之间的关系,但是并没有发现显著的相关关系。⑩同时,美国儿科学会、世界卫生组织、美国医学研究所这些医疗组织都为“疫苗及其成分与自闭症没有关系”这种观点背书。

在我国,疫苗议题也时常作为热点议题被关注,但是公众关注的点和英美等西方国家完全不同。我国的疫苗公共事件中总是将疫苗的真假问题、质量问题和致死问题作为核心议题。对疫苗的关注和争议始于2010年记者王克勤在《中国经济时报》发表的调查报道《山西疫苗乱象调查》,该报道揭露了近百名孩子接种疫苗后的异常反应包括致死、致残等。2016年3月,山东警方破获案值5.7亿元非法疫苗案,这些疫苗未经严格冷链存储运输便销往24个省市。这个公共卫生突发事件将公众对疫苗的关注推向最高点。但是我国公众一直关注于疫苗制作的规范性,并未质疑过疫苗本身的安全性与科学性,这与西方公众的争议点不同。但疫苗问题事关每个公众,尤其涉及到儿童时,它的敏感性更为突出。每一次疫苗事件的突发,都会成为全社会的热点。本文将通过对社交媒体上疫苗事件的探讨，勾勒出突发公共卫生事件中的信息传播特征。

2.转发行为

探寻个体如何且为何参与特定议题的传播行为是传播学的主要研究内容之一。在人们的参与信息传播的行为中,交往行为(communicative action)被认为可以解释个体的参与过程。旨在解释何时、何因个体会通过六种信息相关的交往行为参与到问题解决中来。这六种行为代表着信息获取、选择和扩散中不同程度的主动性。进一步讲,信息允许、分享和参加这三种行为是传播行为中的反应性的行为,而信息搜寻、防护和转发则是更深层次地主动参与。一个基本假设是一个人越想解决问题,那么这个人交往行为的程度会增加。也就是说,人们通过交流和沟通信息去解决人生中的各种问题。

转发行为是在用户中扩散信息和激活传播的行为。如上所述,它在交往行为中被认定为主动性非常强的互动行为。虽然研究者们对探索社交媒体中的复杂传播活动展开了很多研究,但是缺乏对公共卫生事件的信息扩散和人际间传播的影响因素的研究。

以微博为代表的社交媒体将网络用户通过发帖、转帖、评论、关注等方式连接起来。也就是说,通过选择哪些信息进行曝光,社交媒体用户创造着网络信息传递的路径。

传播活动是传者和受者的双向互动过程,在社交媒体上体现为发送(发帖)和接收(读帖),同时这两种活动可以被看作是独立的行为,比如,写作或发表信息往往比直接地阅读那些信息需要更多的认知努力和主动处理信息的过程。在转帖的行为中,阅读和发帖行为被混合为一体因为用户不仅在单纯地消费信息,同时还在积极地发布其他用户的信息、并且表明他们已经获取了信息。那么,转帖相较于关注而言就是个更需要认知努力和资源的参与性更强的内容导向行为。当决定转发哪个帖子的时候,用户就需要对帖子的内容和信源的权威性投入更多的关注力。

社交媒体用户通过与不同用户之间的信息交换与信念支持而满足其不同的信息需求。在对癌症议题的研究中发现,人们参与到社交媒体的癌症信息传播中,通过患者和医生共同生产的内容信息的传递,可以满足不同的癌症相关信息需求和交流的需求。

虽然人们转发的内容和动机呈多样化,但是考察人们做转发决策的影响因素可以解释在健康传播活动中的公众参与状况。有两类因素决定着病毒式信息在传播扩散中的自我复制过程,主要包括:第一类,社会网络结构；第二类,内容。本研究在已有研究的基础上,运用疫苗事件分析我国传播语境下的特征。

3.社会网络结构

社会网络就是由节点和边共同构成的。节点是每一个网络源点,可以是个人、机构、内容、物理或虚拟位置、活动等。边则是连接这些节点的关系。在社交媒体中,比如微博和Twitter,网络是自主形成的,用户可以自由地建立连接。当有一个共同议题出现时,很多的用户同时发帖或转发这个议题的信息,它们就形成了这个议题的网络,而其中的每个用户都作为这个议题网络中的节点。

在微博中,用户通过关注、回复、@提醒、转发等行为参与到社会互动中，建立各种各样的关系。在本研究中,我们关注的是“关注”和“转发”行为。作为微博上最基础的关系,“关注”行为建立了信息流的基本网络。粉丝曝光于被关注者发布的各种信息中,而有大量粉丝的被关注者可以使自己发布的信息在他们的社会网络中获得更多的曝光。转发可以使得信息被再次曝光和传播,并建立公共讨论；同时，不同的社群之间通过转发信息可以实现不同群体间的信息交换和流通。所以,转发行为相比于其他行为可以促使更多样化的用户之间形成动态互动。

在对Twitter的研究中,发帖用户的身份和受欢迎度、内容特征和兴趣程度、用户在社会网络中的位置等因素已经被验证为对于帖子的转发量有重要的预测作用。比如用户的身份和粉丝数会影响帖子的转发量。帖子内容与用户兴趣的相似处,不同帖子之间的内容相似处,用户已发帖中被转发的数量等变量都被证明可以预测帖子的转发量。

用户的粉丝数、中介中心性(betweenness centrality)和接近中心性(closeness centrality)表现着用户在微博网络中的位置。首先,一个用户的关注关系是直接由他的账户获取的,对于转发行为的研究已证明发帖用户的受欢迎度和粉丝数会正面地影响他的帖子的转发情况。据此我们提出如下假设:

H1:发帖用户的粉丝数量和帖子转发数呈正相关。

用户的中介中心性考察的是社会网络中每两个节点之间连接的最短路径及其对这条路径的使用频率。在微博议题的社会网络中,拥有较高中介中心性的用户更像连接网络中不同群体之间的桥梁。比如在突发公共卫生事件中,这个用户和专业的健康服务人员群体保持着联系,同时又和草根意见领袖有着较多的信息互动,而草根意见领袖和专业健康服务人员的直接互动很少,也就是说,草根意见领袖和专业人员之间的沟通是通过这个用户,那么,这个用户的中介中心性就比较高,他就具备了这个桥梁的作用。也就是说,中介中心性较高的用户往往传递着较多的信息,同时在一定程度上潜在地控制和影响着社会网络中不毗邻的节点。由此我们提出如下假设:

H2:发帖用户的中介中心性和帖子转发数呈正相关。

接近中心性测量的是在社会网络中的一个用户和其他所有节点的平均距离。在一个社会网络中,接近中心性越低的用户,和其他用户的连接更直接,不需要通过其他节点或者通过少量的节点就能够达到别的节点。也就是说,接近中心性较低的用户直接和大量的用户连接,并能迅速地和其他用户直接互动。这些用户在信息传播过程中会更加高产出。因此我们提出以下假设:

H3:发帖用户的接近中心性和帖子转发数呈负相关。

4.帖子内容

人们通过语言来表达想法和情感。研究发现在一条信息中对语言进行选择会改变信息发送方和接收方之间的社会影响。人们进行信息交换时会受到几个语言学维度的影响。首先,情绪性的或认知类的词汇会塑造信息接收者对信息的解码和感知,及其通过转帖所表达的对该信息的回应。比如有研究发现在政治话题讨论中负面情绪的信息就比正面情绪的信息更容易被传递,并且,肯定性词汇越多,帖子更容易被转发。

本研究重点考察情绪和认知如何在公共卫生事件中影响人们的传播反应。有研究发现带情绪的内容比不带情绪的内容更容易被传播,因为前者更能抓住公众的注意力。研究进一步发现,积极的内容比消极的内容更容易被传播。所以对情绪的表达是一种社会影响形式,它不仅唤起了人们在态度、情感、观点和行为的反应,也发展出了社会关系连接。也就是说,发帖人的情绪表达可以改变接收者的情绪,比如表达积极的情绪就比消极的情绪会让别人感觉更好。所以在健康传播的研究中,针对各种以疾病类型而聚集在一起的网络社群,对社会支持的定义就更偏向于情感支持,它和自我披露(self-disclosure)同样成为影响社会互动和社群建立和维系的最主要特征。这些有支持性作用的传播信息都会传递积极的情绪。尤其是在慢性病的社群中,比如乳腺癌患者之间通过网络社群去主动地交换积极的且有支持性的话语,从而也使得自身获得更多的来自群体的支持。这些研究都说明当人们遇到健康问题时,人们更愿意分享积极情绪内容的帖子去帮助他人,通过同种健康问题的分享来建立更多的关联并促进健康行为。那么,帖子内容和社会网络传播扩散的过程就很可能有很大的关系。在疫苗议题中,我们提出如下假设:

H4:拥有更正面情绪的帖子更容易被转发。

充满力量的语言更有说服力和扩散效果。有研究发现有力量的语言传递着发帖人对自己想法的确定和信心,这类语言一般较少地包含模糊性词汇(比如“大概”“可能”等)、犹豫性词汇(比如“呃”等)、增强性词汇(比如“真的是”)或零碎的语句等缺少力量的语句。如“从来”“从未”“肯定”“当然”等确定性词汇被认为是促进信息扩散回应和分享的有效指标,其测量方法是计算这类词汇在信息文本中出现的频次。

另外,因果性词汇也在一定程度上预测着认知参与状况,被感知为是理性的且有说服力的。因此,对这类词汇的使用也会使别人更倾向于对帖子内容作出回应。

依据以上的实证研究结果,我们提出如下研究问题:

RQ1:从确定性、因果性、社交性等认知语言的维度考察的微博内容和转帖行为之间存在什么关系？

三、研究方法

1.数据采集

2016年3月18日,澎湃新闻发布了题为《数亿元疫苗未冷藏流入18省份:或影响人命,山东广发协查函》。3月19日,《别惊慌！山东疫苗事件其实是澎湃新闻的“标题党”！》,澎湃新闻的疫苗报道已经在其网站下线。3月22日,财新在自己的公众号推送了《疫苗之殇》,刷爆朋友圈。当日中午12∶39,和菜头推送《每一个文盲都喜欢用“殇”字》。3月29日,世卫组织就中国疫苗事件召开记者会澄清质疑。本文抓取的数据贯穿了此次事件的全部时间段。

本文采用新浪微博最高权限的API,以“疫苗”为关键字,抓取了2016年3月18日至3月29日期间山东疫苗事件的微博数据。共获得146580条微博帖子,每条微博信息包括:文本内容、转发量、评论量、微博包含图片的地址、转发用户信息、用户名字、用户的粉丝数等。结合本研究所需的变量信息,如果数据缺失半数以上的内容,该条微博即被删除。

数据检验是在146580条微博中随机抽取1000条微博,进行主题相关性检验,为了剔除无关广告信息、垃圾信息等无关疫苗内容的信息。首先人工编码检验这1000条微博的相关性,即按照“0=不相关、1=相关”的形式编码,然后在全部数据中进行机器学习,筛选出115824条微博。

再根据其转发信息,用UCINET软件计算其社会网络分析的主要变量,包括中介中心性、接近中心性、中心度、出度、入度等指标。数据匹配并清洗剔除数据后共得到55685条。

最后在这55685条微博中随机抽取2000条帖子作为最终研究样本进一步进行线性回归检验假设。

2.变量测量

(1)社会网络特征发帖用户粉丝数是由直接抓取数据获得,即用户的粉丝数量(M=33471.08,SD=454453.05)。2000个样本中的粉丝数从0至14889111分布,粉丝数少于100的占33.6%,粉丝数超过10万的占1.8%。另外,中介中心性和接近中心性是由UCINET计算得出。中介中心性测量的是用户在议题网络中处于用户间最短距离的频率(M=.195,SD=4.40),接近中心性测量的是用户和其他用户之间的平均距离(M=1.093,SD=.42).

(2)内容特征选取文心(TextMind)中文心理分析系统的词库,其词库参照LIWC2007和正体中文C-LIWC词库,词库分类体系也与LIWC兼容一致。我们考察微博样本的文本单词和词库匹配的次数,情绪是根据情绪词性赋值加总计算,从-10至11分分布(M=-1.37,SD=2.34),分值越高情绪越积极。确定性词汇测量的是文本中“一直”“确实”“从不”等确定性词汇出现的频率,从0至6分布(M=.63,SD=.93)。因果性词汇是测量文本中例如“因为”“影响”“因此”等词库中因果性词汇出现的频次,从0至7分布(M=.92,SD=1.01)。社交性词汇测量的是微博文本中出现“分享”“朋友”等社交性词汇的频率,从0至14分布(M=3.32,SD=2.4)。这些变量可以测量文本内容的特征。

转发行为测量的是微博的转发数(M=.56,SD=5.73),由直接抓取数据获得。其中,只有9.4%的帖子得到了转发。

同时,我们从用户和文本内容两方面控制了微博用户的微博数、帖子长度、是否有图片、是否有链接、表情符号数等变量。

四、研究发现

为了检验研究假设和研究问题,本文采用线性回归,将帖子转发数作为因变量,自变量为发帖用户粉丝数、中介中心性、接近中心性、情绪、确定性词汇、因果性词汇、社交性词汇,同时控制发帖用户微博数、帖子字数、是否有图片、是否有链接、表情符号数等变量。

从表1可知,发帖用户粉丝数、中介中心性、情绪均和转发数呈显著正相关,接近中心性与转发数呈显著负相关,H1、H2、H3、H4均得到支持。说明粉丝数量越多的发帖用户的帖子更容易被转载,中介中心性更大的用户的帖子更容易被转载,接近中心性更小的用户的帖子更容易被转载,同时,情绪更正面的帖子更容易被转发。

针对研究问题中的认知语言维度中的帖子内容,只有社交性词汇和转发数呈显著正相关,说明帖子中包含更多社交性词汇的帖子更容易被转载,这更说明了从内容特征的角度也体现出社交性的重要作用。而确定性词汇和因果性词汇和转发数的相关性并不显著。

表1 预测转发数的回归分析

*p<.05.**p<.01.*** p<.001.

同时我们发现,在微博帖子的词汇使用中,确定性词汇和因果性词汇的均值差异显著(t=-9.77,p<.001),确定性词汇的使用频率低于因果性词汇；确定性词汇和社交性词汇的均值差异显著(t=-51.92,p<.001),因果性词汇与社交性词汇的均值差异显著(t=-46.02,p<.001),可见,微博用户在疫苗议题中对社交性词汇的使用频率最高,且均值显著大于3(t=-5.96,p<.001)。

另外,虽然控制了发帖用户自身的信息和帖子特征信息,还是发现帖子中是否有图片对转发数有显著影响,有图片的帖子更容易被转发。

五、讨论与结论

本研究探讨了突发公共卫生事件中社会网络结构和信息内容对于转发行为的影响。拥有更多粉丝的、对社会网络有更高个人影响的博主发布的微博信息更容易被转发。同时,帖子内容中含有更多积极情绪的和社交内容词汇的信息更容易被转发。由此看出,在突发公共卫生事件中,人们依旧在寻求社会支持和社会连接,正面情绪的内容能够给人以信心去度过危机事件。这些发现提示我们在健康议题的信息干预中多运用积极类情绪和有社会网络影响力的博主来发布信息更可能取得较好的传播效果。

本文的理论意义主要体现在以下三方面。

首先,本研究为社交媒体中的健康传播研究进行了扩展。传统的健康传播活动主要依赖于接收影响(reception-effect)范式,强调的是增加媒介信息的曝光程度,而曝光的内容需要进行严谨的设计,用值得受众信赖的信息去说服受众。但是用这种社交媒体中用户的动态互动关系去研究传播过程就提出了新的理论问题。在社交媒体中的用户不仅作为信息的接收者,也同时是信息的生成者,在信息的收发过程中都是自主决定的,而不是被设计的。我们把转发行为作为用户在社交媒体中参与传播的较高程度的互动行为,去交换人们所需要的健康信息。通过更高程度的交往行为去研究人们的参与传播活动就更具意义。

其次,本研究将信息传播的数量和结构这两个维度相结合进行研究,弥补了单一化的评价标准容易忽视社交媒体的结构性优势以及及时性优势的问题。信息传播领域对信息传播效果进行探索的研究中,对公共卫生事件的社交媒体信息分别从传播广度、深度和速度三个维度进行操作化定义,即分别对应为数量、结构和时效。但是以往研究均是从单一层面进行分析,本研究将社会网络结构因素纳入传播广度的考量,进一步解释了社交媒体的重要社交属性。

再次,本研究拓展了传统的意见领袖理论在社交媒体的重要作用。未来的研究可以进一步分析社交媒体中的意见领袖与草根用户之间的互动关系,以及他们在公共卫生事件传播中所处的多重角色,以进一步掌握意见领袖如何影响人们态度的形成。这对于未来在不同议题中进一步厘清意见领袖的特征推进了一步。

在实践领域,公共卫生事件的信息干预活动中,更进一步找准议题的意见领袖,发现其与不同群体间沟通信息的中介作用以及近距离传播信息的渠道,用正面情绪的内容去扩散传播,以抓住潜在受众的注意、建立社会支持,帮助人们在公共卫生问题中建立更好的连接。

注释:

① Pew Research Center.(2015).HealthFactSheet.Retrieved from:http://www.pewinternet.org/fact-sheets/health-fact-sheet/

② Betsch,C,Brewer,N.T.,Brocard,P.,Davies,P.,Gaissmaier,W.,Haase,N.,et al.(2012).OpportunitiesandChallengesofWeb2.0forVaccinationDecisions.Vaccine,30(25),pp.3727-3733.

③ Choi,S.(2014).Flow,Diversity,FormandInfluenceofPoliticalTalkinSocial-media-basedPublicForums.Human Communication Research,40,pp.209-237.

④ Dixon,G.N.,& Clarke,C.E.(2013).HeighteningUncertaintyAroundCertainScience:MediaCoverage,FalseBalance,andtheAutism-vaccineControversy.Science Communication,35(3),pp.358-382.

⑤ National Consumers League (2014).Survey:OneThirdofAmericanParentsMistakenlyLinkVaccinestoAutism.Retrieved from http://www.nclnet.org/survey_one_third_of_american_parents_mistakenly_link_vaccine _to_autism.

⑥ Wakefield,A.J.,Murch,S.H.,Anthony,A.,et al.(1998).Ilead-LymphoidnodularHyperplasia,Non-specificColitis,andPervasiveDevelopmentalDisorderinChildren.Lancet,pp.351,637-641.

⑦ Gerber,J.S.,& Offit,P.A.(2009).VaccinesandAutism:ATaleofShiftingHypotheses.Clinical Infectious Diseases,48,pp.456-461.

⑧ Oliver,E.,& Wood,M.A.(2014).MedicalconspiracyTheoriesandHealthBehaviorsintheUnitedStates.JAMA,174,pp.817-818.

⑨ Jaslow,R.(2013,August 1).CDC:VaccinationRatesamongKindergartnersHigh,butExemptionsWorrisome.CBS News.Retrieved from http://www.cbsnews.com/news/cdcvaccination-rates-among-kindergartners-high-but-exemptions-worrisome/.

⑩ McKeever B.W.,McKeever R.,Holton A.E.& Li JY (2016):SilentMajority:ChildhoodVaccinationsandAntecedentstoCommunicativeAction,Mass Communication and Society,DOI:10.1080/15205436.2016.1148172