□ 毛伟

一、研究背景

新冠肺炎疫情已经发展成为全球性的重大突发公共卫生事件，相关动态与每个人都息息相关。在新冠肺炎疫情中，国内外民众获取信息的方式已经与2003年“非典”时期大为不同，社交媒体成为主要渠道。联合国贸易及开发会议的报告显示，2003年全球网民约为6.55亿，而2020年全球网民数量已近44亿，其中35亿人活跃在社交媒体平台。新冠肺炎疫情暴发后，各国政府机构、主流媒体的权威信息和新闻报道都第一时间通过社交媒体平台发布，全球信息传播格局发生了重要变化。

海外社交媒体不仅是一个天然的对外传播平台，而且蕴藏着巨大能量，深刻影响着海外受众的认知和价值判断，已经成为国际舆论斗争的“兵家必争之地”。社交媒体数据监测平台Mention的分析结果显示，由于Twitter平台的信息传播效率更高，其迅速成为全球新冠肺炎疫情信息的主要集散地，相关流量超过了其他社交媒体平台。统计显示，Twitter平台上85%的话题都由新闻媒体账号产生，呈现出较为明显的新闻媒介属性[1]。近年来，三大央媒作为对外传播的国家队、主力军，在Twitter平台积累了广泛的粉丝群体，建立起了多语种的官方账号集群。Twitter平台成为此次疫情期间，我国主流媒体直接面对海外受众开展对外传播的重要渠道。但目前，尚没有研究对三大央媒在海外社交媒体平台的疫情报道态势和传播效果进行系统总结与分析。

本文以Twitter平台三大央媒新冠肺炎疫情报道为主要研究对象，通过探索建立传播效果评价指标体系，运用大数据工具统计分析相关报道内容，以期为讲好中国抗疫故事以及改进重大突发公共卫生事件的海媒报道提出针对性的对策建议。

二、研究方法

（一）传播效果评价指标建构

目前，关于社交媒体平台新闻报道与信息传播的效果测量还没有一个公认的、能够被广泛接受并付诸实践的测量方法论与操作指标体系。从具体指标层面来看，侧重受众行为反应的心理学指标和从传播要素角度出发的传播学指标存在着较大重合。曾有研究通过对传播者的内容生成能力、传播延展能力、议题设置能力的评估出发，构建了海外社交媒体平台媒体传播效果的三级指标框架[2]。但在实证研究中，效果的产生只能存在于客体之上，而其他针对传播者、传播平台、传播内容等提出的测量指标，实质上都不是在测量传播效果，而是在测量影响效果的因素。传播活动作为一个复杂的现象，其效果的实现会受到多重因素的影响（如传播者的影响力、传播内容的形式和质量等），但这些因素本身并不能等同于传播效果[3]。传播效果是反映在传播客体之上的变化，尽管关于传播效果测量的概念或变量纷繁复杂，但均能从认知、态度和行为这三个维度进行归纳[4]。本文在总结已有研究的基础上，根据Twitter平台的特点尝试提出了一套测量传播效果的思路原则及指标体系。该指标体系包括认知、态度和行为三个效果层级，三者并非完全割裂而是存在某种交叉重叠。此外，本文聚焦于Twitter舆论场的传播效果评估，故该指标体系并未涵盖受众的线下行为。

（二）数据与样本采集

本文通过开源的数据挖掘平台Social Bearing以及大数据采集与分析工具NodeXL对Twitter平台上的新冠肺炎疫情信息及三大央媒的相关报道进行基础数据的采集整理。Social Bearing能够展现Twitter上关于某一议题的讨论情况与情感走向；NodeXL能够抓取Twitter平台中特定话题的全数据链信息及特定账号的传播活动数据。关键词设定方面，考虑到新冠肺炎的英文称谓有数次变更且Twitter平台数据量巨大，故选择较为常用的单词“COVID19”为唯一关键词（COVID-19、covid19、covid-19等具有同等检索效力），其他名称均不纳入数据采集。数据采集日期限定为2020年1月30日至4月30日，原因如下：1月30日，世卫组织正式宣布新冠肺炎为国际突发公共卫生事件，Twitter平台相关话题热度迅速增长，故本研究将“1月30日”作为数据采集的起始时间点；同时，考虑到数据应尽可能反映疫情及其舆情发展的最新动态且能够较好覆盖全貌，故将终止时间点设定为本研究启动当日即“4月30日”。

在数据采集周期内，共抓取到Twitter平台涉新冠肺炎疫情报道（包括原创、评论、转发）2,056,236条，日均新增报道22,596条。三大央媒Twitter平台新冠肺炎疫情报道方面，《人民日报》官方账号@PDChina发布了3,151条，新华社官方账号@XHNews发布了7,293条，央视官方账号@CGTNOfficial发布了10,721条。根据三大央媒相关稿量在Twitter舆论场的分布比例，分别随机抽取@PDChina、@XHNews、@CGTNOfficial的报道150条、350条及500条，组成样本集I；同时，在剔除评论、转发类型及三大央媒的报道后，随机选取Twitter平台的1000条原创报道作为对照组样本集II。数据采集时，同时抓取了央媒每条报道的点赞量、评论量、收藏量、转发量等指标数据以及网民评论文本，相关统计数据如表1所示。

Twitter中的热门新闻与一般性讯息在指标数据方面差距很大，故本研究不以单条新闻的指标数值为标准进行统计学意义上的检验，而是将整体的转发率、评论率、收藏率及点赞率作为检验样本与总体之间无偏性、一致性、有效性的参照指标。分析发现，样本集I与总体的四项指标数据误差均小于5%，可以认为抽样样本能够代表总体数据的分布情况。此外，通过Python程序将三大央媒每条新闻的网友评论内容以及普通网民发布推文收到的评论内容进行了数据采集。样本集I、样本集II的相关数据分别如表2、表3所示。可以看出，由于新冠肺炎疫情信息具有特殊性，普通网民发布的相关推文在Twitter舆论场的影响力较弱，而三大央媒则是Twitter平台的重要信息源和意见领袖群体。

（三）文本内容分析

本研究的内容分析对象共有四类：第一类是样本集I中三大央媒的新闻报道文本；第二类是样本集I中三大央媒新闻报道的网民评论文本；第三类是样本集I I中网民的推文文本；第四类是样本集I I中网民推文的评论文本。本文借鉴框架分析理论（Frame Analysis）进行内容分析，社会学家欧文·戈夫曼认为，“框架”可以影响人们对于事件的主观判断，是人们认识和解释世界的一种认知结构。在新闻传播学领域，“框架分析”是一种有效综合研判新闻报道的研究方法，罗伯特·恩特曼、托德·吉特林等认为新闻框架的形成是一种“选择”和“凸显”的过程，在新闻生产过程中，“框架”能够使新闻从业者迅速对信息进行处理并向受众传播[5]。通过对比不同类型的分析对象的框架类型，可以更好地评估传播效果并为改进报道提供思路。

对于三大央媒新闻报道及网民原创推文的编码，细分为类型、主题、议题、情感、信源五个维度；对于网民的评论文本的编码侧重于“态度”和“行为”指标，分为表态（支持、反对、无）、情感（积极、消极、中立）、衍生（网民抛出的新话题）三个维度。从研究焦点及实施研究的实际条件出发，并未对全部评论文本进行编码，而是通过随机抽样，从样本集I和样本集II中各选取了1000条网民的评论文本进行分析。编码工作由两位研究员同时进行，并借鉴Cohen等提出的使用Kappa值对判断一致性程度进行检验。通过SPSS对编码分类表进行检验发现，各个分类维度的Kappa值均大于0.75，表明分类具有较高的一致性。此外，在进行编码时，发现三大央媒的报道文本语法、用词较正规，而网民发布的推文及评论的文本中存在较多的干扰项，如仅发布了关键词、标点符号及表情包，文本表述语义错误或不详等。在剔除干扰项后，四类有效文本分别为1000条（三大央媒报道）、456条（网民对央媒报道的评论）、631条（网民原创推文）及354条（网民原创推文的评论）。

三、研究发现

（一）主题与议题框架

1.央媒疫情报道议题分布与海外受众关切高度吻合

□ 图1 央媒报道议题分布

□ 图2 普通网民推文议题分布

三大央媒在Twitter平台的新冠疫情报道议题中，“疫情动态”类的数量最多，占比26%；其次是“抗疫政策”类，占比19%；第三是“防治措施”类，占比17%。@PDC hina、@XHNews每日通过图文形式，发布多个国家地区的疫情动态，相关报道分别标注了话题标签“#Covid_19”和“#COVID-19”；@CGTNOfficial推出了新栏目“Latest on Coronavirus Outbreak”，实时发布各国的疫情数据情况。统计发现，Twitter平台普通网民发布的疫情相关推文中，“疫情动态”“防治措施”“抗疫政策”占比最高，与三大央媒报道的主要议题分布高度契合，而这些头部议题的转发量、评论量、收藏量、点赞量也最多。此外，海外民众对于“人道主义”“特效药物”的关注度较高，有明显的信息诉求，三大央媒对这些议题均有相应的报道和解读。

2.央媒疫情报道重点主题与海外受众讨论框架存在差异

虽然三大央媒的报道议题较好地回应了海外受众关切，但疫情报道的重点主题却与海外受众的讨论框架不尽一致。对同一个议题解读框架的差异，会导致报道呈现出主题的不同。统计显示，“卫生”类在三大央媒疫情报道主题分布中占比最高，为42%；其次是“社会”与“经济”类，占比均为17%。而普通网民涉疫情推文的主题分布中，“政治”类占比较高，为36%；其次是“社会”类，占比21%；“经济”类位居第三，占比15%。央媒的疫情报道更多从公共卫生、生命健康等角度解读，客观阐述数据与事实，涉政治的主题更多是回应西方媒体、西方政客的攻击，是一种被动式的发布，如@CGTNOfficial发布的视频报道指出，美国副总统彭斯在医院看望新冠肺炎患者时不佩戴口罩，该报道质疑美国政府不重视抗疫等。但海外受众对于疫情议题的讨论，更多是在政治框架下进行，如对本国政府抗疫政策的不满、对我国疫情管控的质疑等。

3.央媒疫情报道具备国际化视角，契合推特舆论场传播态势

□ 图3 央媒报道及网民推文涉及国家分布

□ 图4 海外网民推文的关键词云图

□ 图5 @CGTNOfficial 互动关系网络图

□ 图6 海外网民互动关系网络图

内容分析发现，三大央媒疫情报道中，介绍海外其他国家疫情情况的新闻数量最多，占比38%；其次是既涉及中国又包括其他国家情况的报道，占比36%；单独只报道中国疫情情况的新闻占比最少，为26%。海外民众不仅关注中国方面的疫情讯息（39%），也关注其他国家的疫情动态（34%）。通过Social Bearing平台关键词分析发现，一些地理词汇如Asia（亚洲）、China（中国）、Malaysia（马来西亚）、Yemen（也门）、KualaLumpur（吉隆坡）、Pyongyang（平壤）等成为海外民众发布涉疫情推文的主要关键词和热门标签，显示出对亚洲的区域性关注及话题偏好，三大央媒的疫情报道中均有所涉及。

（二）态度与情感框架

1.央媒疫情报道客观中立，与海外受众的社交互动有待增强

三大央媒报道的倾向性分布中，中立占比最高，为72%；积极和消极分别占比21%与7%。通过Social Bearing平台的五级指标情感分析发现，普通网民也更多呈现出中立、积极的态度，与央媒报道在Twitter平台的情感呈现较为一致。Twitter平台本身具有很强的社交属性，目前三大央媒更多将Twitter作为一个信息发布和展示平台，与受众的互动有待加强以真正影响他们在具体议题中的情感框架。通过NodeXL对央媒中发稿量最多的@CGTNOfficial以及普通网民的互动关系网进行了可视化呈现（节点头像代表相应的账号，节点间的连线代表发生了互动），可以直观看出，相较于Twitter平台涉疫情话题常态化的社交互动频次，@CGTNOfficial存在较大的改进空间。

□ 图7 央媒各类报道量化指标统计分布

□ 图8 央媒报道使用信源分布

2.海外受众对央媒疫情报道的态度呈分化态势

分析三大央媒报道的网民评论内容后发现，在“表态”指标方面，支持与反对分别占比32%与44%；在“情感”指标方面，积极与消极分别占比31%与40%。网民对央媒报道的态度存在明显的割裂，其中，存在一些反对与消极的声音。在网民的负面评论中，存在使用“Chinese Virus”“Lies”甚至带有污蔑性词汇的情况。

（三）报道类型与信源分布

1.央媒的直播及视频类疫情报道最受海外受众青睐

统计发现，在转发量、评论量、收藏量、点赞量等指标方面，直播类、视频类报道具有明显优势，而且这两类报道的转发率和评论率均为100%。在视频类报道中，一些运用疫情数据制作的数据新闻传播效果良好，如@XHNews发布的《30秒看全球确诊数超100万》通过“动态竞速柱状图”直观反映了世界各国的疫情变化，匹配了海外受众的讯息诉求。

2.央媒疫情报道采用信源较为多样

统计发现，在央媒疫情报道的使用信源方面，既有中国官方，也有国际组织及国外政府、媒体、官员等，其中，国际组织官员和国际组织机构占比最高。联合国、世界卫生组织、安东尼奥·古特雷斯、谭德塞·阿达诺姆等都是常见于央媒疫情报道中的主要信源。但研究发现，一些网民的评论内容呈现出认知偏见，如对国际组织信源的质疑、对中国官方信息发布的不信任等。

四、思考建议

近年来，Twitter等海外社交媒体平台已经成为我国对外传播的重要窗口。新冠肺炎疫情暴发后，拥有规模化粉丝群的三大央媒在Twitter平台迅速发声，及时报道疫情情况和救治防控动态，积极回应国际社会和海外民众关切。通过量化分析评估三大央媒报道的 传播效果及Twitter舆论场态势后发现，涉新冠肺炎疫情舆论已经超越公共卫生领域，发展成为一个被海外受众高度关注的泛政治类前沿话题。我国媒体在海外社交媒体平台面临着激烈的舆论斗争和极为复杂的舆论环境。

本文认为央媒应当在以下方面进行探索改进：一是强化受众研究，设置精细化议题，进行精准化解读，引导海外民众形成与我有利的讨论框架，培养感情认同；二是创新报道方式，运用新科技手段提高直播、视频、数据新闻、VR新闻等报道的产品生产能力；三是加强社交互动，充分发挥海媒平台的社交功能，释放粉丝群的传播效能，构建多级传播矩阵；四是挖掘多元信源，通过精准策划，切实提高借嘴说话的有效性和公信力。

【注释】

[1]Kwak H.，Lee C.，Park H.＆Moon S.What Is Twitter，a Social Network or a News Media?[C]// Proceedings of the 19th international conference on World Wide Web.2010.

[2]刘滢.从七家中国媒体实践看海外社交平台媒体传播效果评估[J].中国记者，2015(07)：82-84.

[3]王秀丽，赵雯雯，袁天添.社会化媒体效果测量与评估指标研究综述[J].国际新闻界，2017，039(004)：6-24.

[4]Vakratsas D & Ambler T.How advertising works： what do we really know? Journal of Marketing，1999，63(1)： 26-43.

[5]毛伟.海外媒体涉华新冠肺炎报道的话语建构与框架分析.中国记者，2020(04)：82-86.