李根強 于博祥 邵鵬 張祺瑞
[摘? ?要] 在突發(fā)公共衛(wèi)生事件中,科普視頻的傳播擴散有助于提升公眾理性認知,減少社會恐慌情緒,目前鮮有文獻對知識導向的科普視頻擴散開展研究?;谛畔⒔邮芾碚撆c網(wǎng)絡嵌入理論,采用數(shù)據(jù)定向采集方法,以Bilibili網(wǎng)站上2020年1月20日至3月1日上線的新冠肺炎科普視頻為研究對象,從創(chuàng)建者網(wǎng)絡入度、視頻播放量和視頻分享量等方面入手,探究科普視頻持續(xù)擴散的影響因素。研究發(fā)現(xiàn):網(wǎng)絡入度、網(wǎng)絡貢獻、視頻播放量和視頻分享量均對創(chuàng)建者網(wǎng)絡結構嵌入和網(wǎng)絡關系嵌入有正向影響;視頻創(chuàng)建天數(shù)、視頻時長、網(wǎng)絡入度、網(wǎng)絡貢獻均對科普視頻擴散效果有正向影響;視頻播放量、分享量、創(chuàng)建者網(wǎng)絡入度均對科普視頻持續(xù)播放有正向影響,視頻播放量和網(wǎng)絡入度對科普視頻持續(xù)分享有正向影響。上述發(fā)現(xiàn)對指導視頻創(chuàng)建者如何提高自身作品影響力以及網(wǎng)絡平臺管理都具有一定的實踐指導意義。
[關鍵詞]科普視頻? ?持續(xù)擴散? ?網(wǎng)絡嵌入? ?信息接受
[中圖分類號] N4;G206.2 [文獻標識碼] A [ DOI ] 10.19293/j.cnki.1673-8357.2022.03.003
新冠肺炎疫情作為全球性的突發(fā)公共衛(wèi)生事件,對全球的經(jīng)濟政治生態(tài)和人類的身心健康都造成了巨大沖擊[1]。新冠肺炎疫情的突發(fā)性、嚴重性與未知性等特征,為謠言的快速滋生與傳播提供了溫床[2]。網(wǎng)絡輿情的無序發(fā)酵衍生出一系列的社會次生災害,例如疫情暴發(fā)初期出現(xiàn)的盲目搶購、采取限制人員流動措施后出現(xiàn)的民眾恐慌性出逃等[3]。與傳統(tǒng)網(wǎng)絡傳播事件所呈現(xiàn)出的中心化與主流化的特點不同,新冠肺炎疫情涉及的范圍廣泛,在輿情傳播中呈現(xiàn)去中心化的特點,傳播更為迅速、周期更長、熱度更高、衰減更慢[4],這增加了開展應急科普、進行辟謠工作的難度。新冠肺炎疫情發(fā)生后,科普視頻以其生產(chǎn)及時性、傳播高效性、形式多樣性和知識聚焦性的優(yōu)點,在全民科學抗疫工作中發(fā)揮了重要作用。然而,在新冠肺炎疫情的應急科普中,科學家“有科難普”和新聞媒介“能普缺科”的矛盾進一步凸顯,科普創(chuàng)作與大眾傳播兩個重要環(huán)節(jié)無法實現(xiàn)有效對接成為亟待解決的重要難題[5]。
近年來,國內(nèi)學者開始開展有關科普視頻擴散的研究議題。目前研究主要集中在以下三個方面。其一,科普視頻的傳播策略研究,例如新媒體環(huán)境下健康科普視頻的傳播策略[6]、短視頻環(huán)境下醫(yī)學類科普視頻的傳播策略[7]。其二,科普視頻的傳播效果研究,例如科普視頻在抖音平臺的傳播效果 [8]、健康科普視頻的內(nèi)容特征與傳播效果[9]。其三,在線社交網(wǎng)絡的科普視頻擴散研究,例如在不同網(wǎng)絡社交媒體平臺的擴散模式對比[10]。盡管學者們進行了一定的探索,但仍存在以下不足:一是科普視頻擴散研究主要集中在科普視頻的傳播策略與傳播效果等方面,而科普視頻用戶行為研究尚未得到充分關注;二是關于應急科普視頻的研究體量不僅小,且多集中于實踐案例層面,理論研究尚不多見;三是現(xiàn)實中關于新冠肺炎疫情的科普視頻傳播具有一定的影響力,而鮮有文獻從理論上探究科普視頻用戶行為與科普視頻擴散的影響因素。
因此,本文基于信息接受理論與網(wǎng)絡嵌入理論,以我國新冠肺炎疫情擴散階段嗶哩嗶哩彈幕網(wǎng)站(Bilibili,簡稱B站)上發(fā)布的新冠肺炎科普短視頻為研究對象,爬取兩階段數(shù)據(jù),借助統(tǒng)計分析方法,從視頻創(chuàng)建者特征和視頻屬性入手,探究科普視頻持續(xù)擴散的影響因素,旨在洞察科普視頻在疫情背景下的傳播規(guī)律,為優(yōu)化科普視頻傳播與管理工作提供參考。
1研究模型與假設
1.1模型
科普視頻社區(qū)中的信息流動和社交連接具有相互影響的動態(tài)關系(見圖1)。在初始階段,用戶B和A具有有向連接,用戶C和B具有雙向連接,即B是A的跟隨者,C和B具有相互關注關系。步驟一:A在社區(qū)中創(chuàng)建并發(fā)布科普視頻。步驟二:B跟隨A,因此當A在平臺上發(fā)布科普視頻后,B更容易知道該科普視頻;B可能會播放該視頻,也可能會向視頻創(chuàng)作者“充電”(打賞的一種形式),還可能向朋友C分享該視頻。步驟三:當B將科普視頻分享給朋友C時,C可能會播放該視頻。步驟四:觀看完科普視頻后,C可能會向視頻創(chuàng)作者A打賞,還有可能建立對A的關注關系。通過創(chuàng)作和發(fā)布視頻,A創(chuàng)作的視頻不僅得以在社交網(wǎng)絡中傳播擴散,A還可能獲得更多的跟隨者和經(jīng)濟方面的收益(來自觀看者的打賞)。科普視頻創(chuàng)建者的社交網(wǎng)絡關系可能會隨著科普視頻的擴散而改變,社交網(wǎng)絡關系和科普視頻擴散具有相互影響的動態(tài)關系。隨著科普視頻的不斷擴散,創(chuàng)建者會進一步嵌入在該社交網(wǎng)絡中,其創(chuàng)建的科普視頻也可能會持續(xù)擴散。
信息接受模型是在技術接受模型基礎上開發(fā)的,該模型用于研究信息源的影響和信息本身的有用性[11]。對于在線社區(qū),可以通過信息本身及信息源來衡量用戶對信息質(zhì)量的看法,信息源通常是指信息的發(fā)布者??破找曨l創(chuàng)建者就是科普視頻的信息源,科普視頻特征體現(xiàn)了信息本身。格拉諾維特(Granovetter)認為經(jīng)濟行為嵌入于特定的社會關系中[12],網(wǎng)絡嵌入包括關系嵌入和結構嵌入[13]。網(wǎng)絡關系嵌入表現(xiàn)出信任、承諾和互惠等關系特征,結構嵌入描述了節(jié)點在網(wǎng)絡中的位置特征[14]??紤]到科普視頻特征和創(chuàng)建者特征會影響科普視頻的擴散效果和持續(xù)擴散,也會影響創(chuàng)建者自身的網(wǎng)絡嵌入程度,構建本研究的概念模型(見圖2)。在模型因變量方面,通過兩個時間段視頻播放和視頻分享的增加量測度視頻的持續(xù)擴散效果,通過創(chuàng)建者網(wǎng)絡入度和“充電”數(shù)增加量分別測度創(chuàng)建者網(wǎng)絡結構嵌入與網(wǎng)絡關系嵌入。在模型自變量方面,通過創(chuàng)建者網(wǎng)絡入度和網(wǎng)絡貢獻來測度創(chuàng)建者網(wǎng)絡特征,通過視頻創(chuàng)建天數(shù)和視頻時長測度視頻特征,通過視頻播放量和視頻分享量測度視頻擴散效果。
1.2假設提出
用戶原創(chuàng)內(nèi)容(user generated content,UGC)發(fā)布越早就會被瀏覽得越多,因為它們在網(wǎng)站上的停留時間更長[15]。盡管許多在線平臺使用不同的排名規(guī)則顯示在線內(nèi)容,但發(fā)布日期仍然是重要的排序方法。信息質(zhì)量是信息論據(jù)說服性的強度,包括相關性、精確性以及信息的完全性[16]。一般而言,UGC的長度越長,代表該內(nèi)容能傳遞的信息量越大[17]。通常,科普視頻發(fā)布得越早用戶瀏覽和播放的次數(shù)就越多,科普視頻時長越長內(nèi)容就越豐富。網(wǎng)絡用戶基于有用、好玩、情感等目的對信息進行分享,這些行為推動了信息在社交網(wǎng)絡中分享和擴散[18]。播放量和分享量是科普視頻擴散效果的重要指標,體現(xiàn)了該科普視頻被用戶接受的程度?;诳破找曨l創(chuàng)建天數(shù)、視頻時長與擴散效果的關系,提出以下假設:
H1:科普視頻特征對科普視頻擴散效果有正向影響。
用戶在社交網(wǎng)絡中的積極行為包括內(nèi)容生成、內(nèi)容傳播、關系建立和關系維系[19]。李進華和張婷婷研究了社會化問答社區(qū)用戶感知有用性問題,發(fā)現(xiàn)相對于內(nèi)容特征,內(nèi)容創(chuàng)建者特征對感知有用性的影響更大[20]。社交互動機制的引入對于提升產(chǎn)品用戶黏性具有重要作用[21]。在線社群擁有大量的用戶,但并非所有用戶都能夠做出同樣的貢獻。相較于那些不積極的用戶,高參與度的用戶的貢獻更大[22],且用戶做出的貢獻對在線社群的成功有顯著的正向影響[23]。對于科普視頻而言,分享量和播放量是該視頻擴散效果的重要指標,而分享量和播放量的增加量則體現(xiàn)了科普視頻的持續(xù)擴散效果?;诳破找曨l創(chuàng)建者特征提出以下假設:
H2:創(chuàng)建者特征對科普視頻擴散效果有正向影響;
H3:創(chuàng)建者特征對科普視頻持續(xù)擴散效果有正向影響。
社會關系對行為的影響是社會學的經(jīng)典問題之一[12]。嵌入作為關系網(wǎng)絡資源有效傳輸?shù)闹匾?,對于網(wǎng)絡成員資源和信息獲取效率起決定性作用。網(wǎng)絡嵌入理論假設網(wǎng)絡位置和用戶網(wǎng)絡關系的強度會影響個體行為[24]。為了增強用戶之間的交互,平臺為用戶提供了在線評論、在線交友和在線聊天功能[25]。具有較高網(wǎng)絡嵌入度的用戶通常會在網(wǎng)絡運行中扮演重要角色。在線社交網(wǎng)絡具有冪律分布的特征,部分用戶的入度中心度較低,只有少量用戶入度中心度較高[26]。社會影響對于用戶的支持行為具有顯著正向影響[21]。通常新注冊的用戶更可能與那些中心度高的用戶建立連接關系[27]。如果科普視頻創(chuàng)建者網(wǎng)絡入度和網(wǎng)絡貢獻度較高,在未來有可能收獲更多的“粉絲”及打賞??破找曨l播放量和分享量越高,意味著該視頻將被更多的用戶觀看,這將有助于提升該科普視頻創(chuàng)建者的“粉絲”數(shù)量與被打賞數(shù)量。因此,提出以下假設:
H4:科普視頻創(chuàng)建者網(wǎng)絡特征對網(wǎng)絡嵌入有正向影響;
H5:科普視頻擴散效果對網(wǎng)絡嵌入有正向影響。
在線教育的相關研究結果顯示,在線教育內(nèi)容的累積分享效果對持續(xù)分享效果有顯著正向影響[26]。在線音樂創(chuàng)建的相關研究成果顯示,音樂專輯訂閱量、轉發(fā)量對可持續(xù)擴散有顯著正向影響[27]。對于科普視頻而言,分享量、播放量越高意味著該視頻擴散效果越好。視頻的分享量越高,傳播范圍就越大;播放量越高,被分享的次數(shù)就會越多。因此,科普視頻擴散效果越好,就更有可能獲得更好的持續(xù)擴散效果,提出以下假設:
H6:科普視頻擴散效果對持續(xù)擴散有正向影響。
2研究方法
2.1變量測度與數(shù)據(jù)收集
在新冠肺炎疫情擴散階段,科技自媒體以及科研機構發(fā)表的針對新冠肺炎的科普視頻在社交網(wǎng)絡中大量傳播,而在眾多社交平臺中,依托B站發(fā)布的科普視頻在社交網(wǎng)絡中影響最大,傳播量級最高,其中多部代表性科普視頻還得到了《人民日報》等官方媒體的轉發(fā)與擴散,在全網(wǎng)引起巨大影響。不同于傳統(tǒng)的社交網(wǎng)站平臺,B站具有視頻發(fā)布門檻低、用戶群體年輕化以及高社交互動性的特點,同時其中的彈幕文化也塑造了創(chuàng)作者與信息接收者之間、信息接收者與其他信息接收者之間獨特的互動機制。由于在年輕群體中得天獨厚的影響力以及較低的視頻發(fā)布門檻,B站在新冠肺炎疫情期間成為科普視頻創(chuàng)作與傳播的主陣地,其他多個平臺(微博、知乎、百度貼吧等)的科普視頻也有很多源自B站,同時B站以鼓勵視頻發(fā)布為核心的創(chuàng)作者激勵機制也為對科普視頻特征屬性以及創(chuàng)作者特征進行量化研究提供了良好的功能支撐。因此,本文結合B站的平臺特征與研究目的,將B站作為數(shù)據(jù)采集的目標平臺進行科普視頻的相關數(shù)據(jù)收集,從網(wǎng)絡嵌入視角探討創(chuàng)作者特征以及視頻屬性對于科普視頻擴散的影響作用機制。
B站2022年第一季度財務報告顯示,截至2022年第一季度,B站月均活躍用戶達2.94億,移動端月活躍用戶達2.76億[28]。UP主是B站視頻創(chuàng)作者的簡稱,UP主自發(fā)或在平臺激勵下創(chuàng)作視頻內(nèi)容并發(fā)布。用戶在觀看過程中可以通過發(fā)布彈幕和發(fā)表評論的方式傳播自己的觀點,也可以創(chuàng)作視頻,從而成為UP主。視頻網(wǎng)站大都開通了點贊、評論的方式為用戶提供支持視頻創(chuàng)建者的功能。區(qū)別于其他視頻網(wǎng)站,“充電”是B站提供的打賞功能,鼓勵用戶通過為自己喜歡的視頻創(chuàng)建者“充電”來表示對UP主的鼓勵與認可?!俺潆姟斌w現(xiàn)了用戶對視頻創(chuàng)建者的支持,視頻創(chuàng)建者可以將其獲得的“充電”收入進行提現(xiàn)。
依據(jù)研究模型對相關變量進行測度,變量維度及測度方法見表1。本研究選擇立意抽樣(purposive sampling)為抽樣方法,采用數(shù)據(jù)定向采集方法,利用 Python 程序采集B站在2020年1月20日至3月1日期間上線的新冠肺炎科普視頻信息、創(chuàng)作者信息。第一,采集B站上的新冠肺炎科普視頻信息。利用“新冠”“冠狀病毒”“2019-NCOV”“COVID-19”“NCP”等關鍵詞搜索科普視頻,采集視頻標題、創(chuàng)建日期、播放數(shù)和分享數(shù)等信息。第二,采集B站上的新冠肺炎科普視頻創(chuàng)建者信息,包括視頻創(chuàng)建者名、關注數(shù)、“粉絲”數(shù)、“充電”數(shù)等。
創(chuàng)建者網(wǎng)絡嵌入變量使用的是網(wǎng)絡入度的變化值,視頻持續(xù)擴散使用的是視頻播放量和分享量的變化值,通過測算兩個時間節(jié)點的增加值,進而體現(xiàn)出動態(tài)變化趨勢,以揭示科普視頻傳播擴散的動態(tài)過程。因此,本文基于兩階段數(shù)據(jù)開展研究,選擇兩個時間點采集數(shù)據(jù)。第一次是2020年3月1日采集,收集視頻數(shù)量為1 733條;第二次是2020年5月1日采集,收集視頻數(shù)量為1 626條。兩次數(shù)據(jù)匹配后數(shù)量為1 626條,清洗數(shù)據(jù)(去除非新冠肺炎相關主題及部分數(shù)據(jù)字段缺失的科普視頻)后得到樣本1 619條。由于部分創(chuàng)建者創(chuàng)建多個視頻,通過程序?qū)崿F(xiàn)視頻與創(chuàng)建者信息的匹配,每位創(chuàng)建者僅保留其播放量最高的一條視頻信息,最終獲得有效樣本1 054條。
2.2數(shù)據(jù)描述
科普視頻通常是指時長小于20分鐘的視頻短片[6],研究樣本基本符合此時長特征(見表2)。通過描述性分析發(fā)現(xiàn)播放量較高的視頻通常是由平臺上具有一定影響力的創(chuàng)建者創(chuàng)建的。播放量最高的視頻《關于新冠肺炎的一切》時長10分鐘18秒。該視頻創(chuàng)建者是前B站UP主“回形針PaperClip”①。由于其發(fā)布的視頻得到了大量播放和分享,兩階段該賬號“粉絲”數(shù)量增加了13萬。
以2020年5月1日為參考日,用截至該日的視頻創(chuàng)建天數(shù)對每日上線的科普視頻數(shù)進行量化可以發(fā)現(xiàn),每日上線科普視頻數(shù)呈現(xiàn)先上升后下降的趨勢(見圖3)。這樣的變化趨勢表明,科普視頻的創(chuàng)作與新冠肺炎疫情發(fā)展密切相關,科普視頻創(chuàng)作受到疫情發(fā)展的影響,科普視頻的發(fā)布傳播一定程度上有助于提高人們對新冠肺炎的認識。從視頻發(fā)布時間段可以發(fā)現(xiàn),科普視頻發(fā)布的高峰時間段集中在13時至23時,凌晨時間段視頻發(fā)布數(shù)量較少。從22時開始至次日6時視頻發(fā)布數(shù)量逐漸降低,其中6時是發(fā)布視頻數(shù)量最少的時間段(見圖4)。
2.3相關性分析
對變量進行中心化處理和相關分析發(fā)現(xiàn),部分變量之間具有顯著相關性,如視頻播放量和視頻分享量相關性較高(β=0.698,p<0.01),結構嵌入和關系嵌入相關性較高(β=0.755,p<0.01)(見表3)。
3分析
3.1擴散效果的影響因素
通過科普視頻播放量和分享量測度科普視頻的擴散效果,同時對擴散效果的影響因素進行分析。模型M1~M3分析了視頻特征和創(chuàng)建者特征對播放量的影響。模型M1中發(fā)現(xiàn)創(chuàng)建天數(shù)和視頻時長均對視頻播放量有顯著正向影響,但這種影響程度并不高。M2中網(wǎng)絡入度對視頻播放量有顯著正向影響,表明那些擁有很多“粉絲”的創(chuàng)建者創(chuàng)建的視頻播放量更高。M3中網(wǎng)絡貢獻對視頻播放量有顯著正向影響,表明那些在B站發(fā)布了較多科普視頻的創(chuàng)建者創(chuàng)建的視頻播放量更高。相對于創(chuàng)建天數(shù)、視頻時長和網(wǎng)絡貢獻,網(wǎng)絡入度對播放量的影響程度更高。張舒涵等[29]認為視頻播放時長對短視頻擴散效果具有顯著影響,這與本研究的發(fā)現(xiàn)基本一致。模型M4~M6分析了視頻特征和創(chuàng)建者特征對科普視頻分享量的影響,發(fā)現(xiàn)創(chuàng)建天數(shù)和視頻時長(M4)、網(wǎng)絡入度和網(wǎng)絡貢獻均對視頻分享量有顯著正向影響(M5和M6)??傮w而言,視頻創(chuàng)建天數(shù)、視頻時長、網(wǎng)絡入度、網(wǎng)絡貢獻對視頻擴散效果有顯著正向影響,其中網(wǎng)絡入度的影響程度相對較高(見表4)。
3.2網(wǎng)絡嵌入的影響因素
通過兩階段創(chuàng)建者網(wǎng)絡入度增加量測度創(chuàng)建者網(wǎng)絡結構嵌入,分析創(chuàng)建者網(wǎng)絡特征和視頻擴散對網(wǎng)絡結構嵌入的影響。M7和M8中,視頻創(chuàng)建者網(wǎng)絡入度、網(wǎng)絡貢獻對其網(wǎng)絡結構嵌入產(chǎn)生正向影響,表明那些“粉絲”較多的科普視頻創(chuàng)建者,以及發(fā)布了較多科普視頻的創(chuàng)建者,將會在未來收獲更多的“粉絲”。M9和M12中,視頻播放量和視頻分享量均對創(chuàng)建者網(wǎng)絡結構嵌入產(chǎn)生正向影響,表明當創(chuàng)建者創(chuàng)建的視頻播放量或分享量越多時,其在未來將會獲得更多的“粉絲”。M10和M11表明,在網(wǎng)絡入度對網(wǎng)絡結構嵌入的影響中,以及在網(wǎng)絡貢獻對網(wǎng)絡結構嵌入的影響中,視頻播放量均起到了中介作用。M13和M14表明,在網(wǎng)絡入度對網(wǎng)絡結構嵌入的影響中,以及在網(wǎng)絡貢獻對網(wǎng)絡結構嵌入的影響中,視頻分享量均起到了中介作用。結合擴散效果影響因素分析的結論,中介作用體現(xiàn)了創(chuàng)建者網(wǎng)絡特征通過影響視頻擴散效果來影響其網(wǎng)絡結構嵌入,即網(wǎng)絡特征指標越高的創(chuàng)建者創(chuàng)建的視頻具有更好的擴散效果,擴散效果的提升進一步增加了創(chuàng)建者的網(wǎng)絡結構嵌入程度(見表5)。
通過兩階段創(chuàng)建者網(wǎng)絡“充電”數(shù)增加量測度創(chuàng)建者網(wǎng)絡關系嵌入,分析創(chuàng)建者網(wǎng)絡特征和視頻擴散效果對網(wǎng)絡關系嵌入的影響。M15和M16中,視頻創(chuàng)建者網(wǎng)絡入度和網(wǎng)絡貢獻對其網(wǎng)絡關系嵌入產(chǎn)生正向影響,表明那些“粉絲”較多的科普視頻創(chuàng)建者,以及發(fā)布較多科普視頻的創(chuàng)建者,將會在未來收獲更多的“充電”數(shù)。丁國維在研究中也指出“粉絲”效應在視頻傳播過程中影響顯著[30],本研究的發(fā)現(xiàn)進一步證實了視頻傳播過程中的“粉絲”效應。M17和M20中,視頻播放量和視頻分享量均對創(chuàng)建者網(wǎng)絡關系嵌入產(chǎn)生正向影響,表明當創(chuàng)建者創(chuàng)建的視頻播放量或分享量越多時,其在未來將會獲得更多的“充電”數(shù)。M18和M19表明,在網(wǎng)絡入度對網(wǎng)絡關系嵌入的影響中,以及在網(wǎng)絡貢獻對網(wǎng)絡關系嵌入的影響中,視頻播放量均起到了中介作用。M21和M22表明,在網(wǎng)絡貢獻對網(wǎng)絡關系嵌入的影響中,視頻分享量起到了中介作用;在網(wǎng)絡入度對網(wǎng)絡關系嵌入的影響中,視頻分享量沒有起到中介作用(見表6)。
3.3持續(xù)擴散的影響因素
表7報告了科普視頻持續(xù)播放的影響因素分析。M23中,視頻創(chuàng)建天數(shù)對持續(xù)播放有顯著負向影響,視頻時長對持續(xù)播放有顯著正向影響。表明創(chuàng)建時間較早的視頻在未來獲得新增播放量的可能性更低,而時長越長的視頻在未來更可能獲得較多的新增播放量。M24和M25中,視頻播放量和視頻分享量均對視頻持續(xù)播放有顯著正向影響,其中視頻播放量對持續(xù)播放的影響程度更大。表明播放數(shù)量和分享數(shù)量越多的視頻,在未來也更可能收獲更多的播放量。M26和M27中,網(wǎng)絡入度對視頻持續(xù)播放有顯著正向影響,網(wǎng)絡貢獻對持續(xù)播放沒有顯著影響。表明那些“粉絲”數(shù)量多的創(chuàng)建者,其創(chuàng)建的視頻在未來更可能獲得更多播放,而創(chuàng)建視頻較多創(chuàng)建者的視頻在未來并不能獲得更多播放量。M28中,視頻創(chuàng)建天數(shù)和視頻時長均對視頻持續(xù)分享沒有顯著影響。M29和M30中,視頻播放量對視頻持續(xù)分享有顯著正向影響,而視頻分享量對視頻持續(xù)分享沒有顯著影響。表明播放數(shù)量越多的視頻在未來能獲得更多的分享量,而分享量越多的視頻在未來并不能獲得更多的分享量。M31和M32中,網(wǎng)絡入度對視頻持續(xù)分享有顯著正向影響,網(wǎng)絡貢獻對持續(xù)分享沒有顯著影響。表明那些“粉絲”數(shù)量越多的創(chuàng)建者其創(chuàng)建的視頻在未來更可能獲得更多分享機會,而創(chuàng)建視頻較多的創(chuàng)建者的視頻在未來并不能獲得更多分享機會。
4結語
本研究基于信息接受理論和網(wǎng)絡嵌入理論,結合新冠肺炎疫情這一公共衛(wèi)生突發(fā)事件,以新冠肺炎科普視頻為研究對象,進行了兩階段數(shù)據(jù)爬取和定量分析,從創(chuàng)建者網(wǎng)絡入度、視頻播放量和視頻分享量等方面入手,探究科普視頻持續(xù)擴散的影響因素。主要研究結論如下:第一,創(chuàng)建者網(wǎng)絡入度、網(wǎng)絡貢獻、視頻播放量和視頻分享量對創(chuàng)建者網(wǎng)絡結構嵌入和關系嵌入有正向影響;第二,視頻創(chuàng)建天數(shù)、視頻時長、網(wǎng)絡入度、網(wǎng)絡貢獻均對科普視頻擴散效果有正向影響,視頻創(chuàng)建天數(shù)對視頻持續(xù)播放有負向影響,視頻時長對視頻持續(xù)播放有正向影響;第三,視頻播放量和分享量均對持續(xù)播放有正向影響,視頻播放量對持續(xù)分享有正向影響,網(wǎng)絡入度對視頻持續(xù)播放和持續(xù)分享均有正向影響。
研究結論的理論意義在于以下三點。第一,與以往對線下網(wǎng)絡或在線網(wǎng)絡的網(wǎng)絡嵌入的研究不同,本研究采用兩階段數(shù)據(jù)測度科普視頻創(chuàng)建者的兩類網(wǎng)絡嵌入程度。隨著視頻在社交網(wǎng)絡中的擴散,通過視頻創(chuàng)建者入度增加量測度結構嵌入,通過“充電”數(shù)增加量測度網(wǎng)絡關系嵌入,這與科普視頻創(chuàng)建平臺功能設置一致。第二,本研究進一步關注社交網(wǎng)絡特征對科普視頻分享和持續(xù)分享的影響,發(fā)現(xiàn)視頻分享量對未來播放量有顯著影響,但對未來分享量沒有顯著影響。約翰遜(Johnson)和蘭茲尼(Ranzini)[31]研究發(fā)現(xiàn)自我表達動機對社交網(wǎng)絡上內(nèi)容分享產(chǎn)生了影響。第三,本研究關于創(chuàng)建者網(wǎng)絡嵌入與視頻持續(xù)擴散的影響的研究結果證實了科普視頻擴散中存在的社交連接和信息流機制。發(fā)現(xiàn)“粉絲”較多的科普視頻創(chuàng)建者創(chuàng)建的視頻將會得到更多擴散;當創(chuàng)建者創(chuàng)建的視頻播放量或分享量越多時,該創(chuàng)建者也將在未來收獲更多的“粉絲”和“充電”數(shù)。事實上,雖然“粉絲”效應在短視頻傳播過程中影響顯著,但對于短視頻傳播而言,短視頻本身的創(chuàng)新程度的影響要顯著大于短視頻平臺上用戶分享行為帶來的影響[30]。
本研究以新冠肺炎疫情期間發(fā)布于B站的科普視頻的擴散為例,研究結論對于指導視頻創(chuàng)建者如何提高自身作品影響力以及網(wǎng)絡平臺管理都具有一定的實踐指導意義。第一,視頻創(chuàng)建者應不斷增加作品發(fā)布數(shù)量來提高自身網(wǎng)絡貢獻,并積極參與社區(qū)的后期活動來繼續(xù)提高自身網(wǎng)絡入度,通過自身網(wǎng)絡嵌入度的改善來提高視頻傳播的未來可持續(xù)性。第二,視頻創(chuàng)建者應通過不斷提升作品質(zhì)量,保證作品時長,這樣才能在未來收獲更多的“粉絲”和關注,也將得到持續(xù)播放和持續(xù)分享。同時平臺也應關注到“粉絲”數(shù)量較多和發(fā)布視頻數(shù)量較多的創(chuàng)建者,以及播放量和分享量較高的視頻的創(chuàng)建者,這些創(chuàng)建者將會在未來收獲更多的“粉絲”和“充電”。第三,由于視頻創(chuàng)建天數(shù)對視頻持續(xù)播放有負向影響,早期發(fā)布的科普視頻在未來獲得持續(xù)擴散的可能性較低,這就提示視頻創(chuàng)建者要不斷推出新的作品才能保證“粉絲”增加,平臺應建立公平機制和動態(tài)更新視頻推薦機制,適時推薦新發(fā)布的科普視頻,增強新發(fā)布的科普視頻的傳播。
在突發(fā)公共衛(wèi)生事件中,謠言的流播不可避免,網(wǎng)絡社區(qū)要勇于承擔更多的社會責任,緊密結合視頻創(chuàng)建者特征和視頻自身特征,建立科學的視頻推薦機制和嚴格的網(wǎng)絡監(jiān)管機制,充分發(fā)揮科普視頻的生產(chǎn)及時性、傳播高效性、形式多樣性和知識聚焦性的積極作用[32]??破找曨l不僅是公眾交互發(fā)聲的平臺,也可以作為官媒發(fā)布信息的渠道,有必要建立辟謠的常態(tài)化機制,形成政府、學術機構、市場化科普平臺和媒體之間的聯(lián)動,并在突發(fā)公共衛(wèi)生事件等特殊情形下啟用應急辟謠機制。同時,政府作為公共受托責任的受托者,承擔著公共信息傳播的主體責任,要建立健全突發(fā)公共衛(wèi)生事件信息公開機制,有序推動網(wǎng)絡應急科普視頻的發(fā)展,提升信息傳播的及時性、真實性、完整性,引導公眾回歸“理性與平和”,這也是完善政府治理體系、提升政府治理能力的必然選擇。
本研究基于網(wǎng)絡嵌入理論,從創(chuàng)作者特征以及視頻屬性入手,對B站新冠肺炎科普短視頻擴散的影響因素進行了研究,然而科普內(nèi)容可能還產(chǎn)生或傳播于其他平臺。未來研究可檢驗本研究模型在其他平臺的適用性,以及對不同平臺科普視頻傳播機理進行比較。
參考文獻
李明倩.新冠肺炎疫情下全球公共衛(wèi)生治理的改革路徑與中國角色[J].當代世界,2022(1):41-45.
金亞蘭,徐奇智.突發(fā)公共衛(wèi)生事件下基于公眾參與的辟謠機制研究——以“丁香醫(yī)生”和“科普中國”為例[J].科普研究,2020,15(2):52-59.
劉江斌,葉明.防止次生災害:疫情防控的治安邏輯——以警察現(xiàn)場處置為視角[J].鐵道警察學院學報,2021,31(3):43-49.
曹武軍,陳秦秀,薛朝改.重大疫情網(wǎng)絡輿情防控策略研究[J].情報雜志,2020,39(10):107-114.
王明,楊家英,鄭念. 關于健全國家應急科普機制的思考和建議[J]. 中國應急管理,2019(8):38-39.
侯震,童惟依,鄧靖飛,等.新媒體環(huán)境下健康科普視頻的創(chuàng)作與傳播策略研究[J].中國醫(yī)學教育技術,2022,36(1):51-54.
楊詠雪.短視頻環(huán)境下醫(yī)學類科普視頻的內(nèi)容創(chuàng)作與傳播策略[J].科技傳播,2021,13(23):155-157.
郝倩倩.科普視頻在“抖音”短視頻平臺的傳播[J].科普研究,2019,14(3):75-81.
王一帆.健康科普視頻的內(nèi)容特征與傳播效果——基于對《關于新冠肺炎的一切》的分析[J].今傳媒,2020,28(12):143-146.
張偉,夏志杰.科普視頻在不同網(wǎng)絡社交媒體平臺的擴散模式對比研究——以“回形針PaperClip”新冠肺炎科普短視頻為例[J].圖書情報研究,2021,14(2):108-115.
朱哲慧,袁勤儉.技術接受模型及其在信息系統(tǒng)研究中的應用與展望[J].情報科學,2018,36(12):168-176.
Granovetter M. Economic Action and Social Structure:The Problem of Embeddedness[J]. American Journal of Sociology,1985,91(3):481-510.
侯仁勇,嚴慶,孫騫,等. 雙重網(wǎng)絡嵌入與企業(yè)創(chuàng)新績效——結構視角的實證研究[J]. 科技進步與對策,2019,36(12):98-104.
楊博旭,王玉榮,李興光. “厚此薄彼”還是“雨露均沾”——組織如何有效利用網(wǎng)絡嵌入資源提高創(chuàng)新績效[J]. 南開管理評論,2019,22(3):201-213.
Lee E,Shin S Y. When Do Consumers Buy Online Product Reviews?Effects of Review Quality,Product Type,and Reviewer’s Photo[J]. Computers in Human Behavior,2014(31):356-366.
Cheung C M K,Thadani D R. The Impact of Electronic Word-of-mouth Communication:A Literature Analysis and Integrative Model[J]. Decision Support Systems,2012,54(1):461-470.
Mudambi S M,Schuff D. What Makes a Helpful Online Review?A Study of Customer Reviews on Amazon.com[J]. MIS Quarterly,2010,34(1):185-200.
馬哲明. 社交網(wǎng)絡媒體信息傳遞轉化及機制研究[J]. 情報科學,2017,35(8):28-32.
Chen A,Lu Y,Chau P Y Ket al. Classifying,Measuring,and Predicting Users’Overall Active Behavior on Social Networking Sites[J]. Journal of Management Information Systems,2014,31(3):213-253.
李進華,張婷婷. 社會化問答知識分享用戶感知有用性影響因素研究——以知乎為例[J]. 現(xiàn)代情報,2018(4):20-28.
胡仙,吳江,劉凱宇,等. 點贊社交互動行為影響因素研究——基于微信朋友圈情境[J]. 情報科學,2020,38(1):36-41.
Rau P P,Gao Q,Ding Y. Relationship between the Level of Intimacy and Lurking in Online Social Network Services[J]. Computers in Human Behavior,2008,24(6):2757-2770.
Trusov M,Bodapati A V,Bucklin R E. Determining Influential Users in Internet Social Networks[J]. Journal of Marketing Research,2010,47(4):643-658.
Granovetter M S. The Strength of Weak Ties[J]. American Journal of Sociology,1973,78(6):1360-1380.
Preece J,Nonnecke B,Andrews D. The Top Five Reasons for Lurking:Improving Community Experiences for Everyone[J]. Computers in Human Behavior,2004,20(2):201-223.
單英驥,邵鵬. 在線教育社區(qū)主播網(wǎng)絡嵌入與付費知識持續(xù)分享效果研究[J]. 現(xiàn)代情報,2020,40(6):68-75.
Li G Q,Liu R J. Original Music Album Diffusion Sustainability in Social Network-Based Communities:A Network Embedded Perspective[J]. IEEE Access,2020(8):53107-53115.
Bilibili Inc. Announces 2022 First Quarter Financial Results[EB/OL].(2022-06-09)[2022-06-10]. https://ir.bilibili.com/static-files/91528e13-31e8-4460-a3c0-e04abedeb5fd.
張舒涵,孔朝蓬,孔婧媛.新媒體時代短視頻信息傳播影響力研究[J].情報科學,2021,39(9):59-66.
丁國維. 粉絲效應與分享行為對短視頻傳播的影響[D]. 廈門:廈門大學,2019.
Johnson B K,Ranzini G. Click Here to Look Clever:Self-presentation via Selective Sharing of Music and Film on Social Media[J]. Computers in Human Behavior,2018,82(1):148-158.
王成軍.尋找公眾注意力爆發(fā)的起源:以YouTube視頻擴散為例[J].東岳論叢,2021,42(2):142-153.