| 标题 | 微博信息传播效果研究综述 |
| 范文 | 张博+李竹君 〔摘要〕微博这一媒体形式出现后深刻地影响了信息的传播方式，因此一直是国内外学术界各学科领域关注的重点。研究方法不断完善，研究角度也越来越多元化。本文针对微博信息传播效果这一问题，对近年来国内外研究的典型文献进行梳理和总结，首先概述了微博传播效果的概念和测评方法，接着分类梳理了微博传播效果影响因素的相关研究，并对该领域的未来发展方向进行了展望，以期为今后的研究提供参考和借鉴。 〔关键词〕微博；传播效果；概念；测评方法；影响因素；综述 DOI：10.3969/j.issn.1008-0821.2017.01.031 〔中图分类号〕G206.3〔文献标识码〕A〔文章编号〕1008-0821（2017）01-0165-07 〔Abstract〕Microblogs have gradually become popular and important platforms for people to acquire and share information，which have profoundly affected the way of spreading information.Therefore，microblogs receive many attentions of the academic field，and scholars have been making efforts to research about the effect of information dissemination.This paper presented a review of the information communication effect in microblogs.The first step of this paper was to introduce the mechanisms of microblogs.And then it analysed the characteristics and influential factors of information diffusion，including the source-level factors，content-level factors and receiver-level factors.Finally，the future research trends and directions had been discussed. 〔Key words〕microblogs；effect of information diffusion；concept；evaluation method；influential factors；research review 隨着Web2.0的发展，互联网呈现去中心化、开放、共享等特征，信息传播由不平衡的单向传播变成了双向互动式传播。与此同时，各种社会化媒体的出现更是改变了传统的信息传播模式，其中，微博以其独特的社会化媒体属性吸引了大量的用户，逐渐成为人们生活中获取和分享信息的一个重要渠道。然而，微博中大量的用户生成信息也带来了诸多如信息过载、虚假信息泛滥等问题，超过了受众的信息认知和处理能力。因此，微博信息传播效果研究成为了学术界的研究热点，学者们期望了解和预测信息传播的趋势和最终结果，为信息传播者提升传播效果提供依据，从而辅助管理者进行决策，选择最优的传播方式。 微博的传播研究是一个兼具学术价值和应用价值的课题，国外的研究成果已十分丰富，多数以Twitter为对象，主要集中于传播学、新闻学、经济管理与营销、信息科学、社会科学等领域。而国内的研究基本围绕新浪微博来展开，2010年起成为热门研究话题，话题逐渐多元，方法也日益丰富，由最初的定性分析为主逐渐过渡到对定量研究的重视[1]。在国内外的研究中，政治、危机、灾难、公共事件、健康及营销等类型的微博信息是学者关注的热点，他们对微博传播效果的影响因素进行了诸多探讨。 本文针对近五年国内外关于微博信息传播效果的文献进行了归纳和整理，首先从信息传播效果的概念出发，对微博传播效果的概念和测评方法进行界定；接着从传播者、传播内容、接收者及关系四个角度梳理现有的微博信息传播效果影响因素的相关研究，并进一步归纳和总结研究存在的局限性；最后对未来研究进行展望。 1微博概述 微博是微型博客（Micro-blog）的简称，是一种允许用户分享实时简短的文本信息和图片、视频等多媒体信息，并支持多种移动终端的社交媒体形式。作为一种新兴的传播媒介，微博以其时效性、随意性及互动性等特征改变了传统的信息传播方式。国外最早出现也最流行的微博是由Evan Williams于2006年创立的美国社交网站Twitter，至今已有超过5亿的全球用户。2007年起中国也开始出现一些微博网站，其中新浪微博成为发展速度最快、用户数量最多、最具代表性的中国微博网站，根据第37次《中国互联网络发展状况统计报告》统计，截止2015年12月，我国网民规模达6.88亿，互联网普及率为50.3%，而新浪微博的月活跃用户数已超过2.22亿人。 微博的广泛流行给互联网信息传播的方式带来了巨大的变革。过去，人们只能通过搜索、浏览等方式从少数信息源获得信息，而在微博中，用户通过“关注”与“被关注”建立关系[2]，用户间的关注可以是单方面也可以是相互的，如图1。用户之间可能会因为某种线下关系、相同的兴趣爱好或是单方面的崇拜而在微博上通过有向的关注机制来形成结构复杂但又关系紧密的社会网络，且该网络构成了微博中信息传播的主要途径，直接决定了信息的传播范围。另外，微博中的信息分享主要是通过粉丝路径和转发路径这两个途径来完成的。粉丝路径是指博主发布的微博都可以被其粉丝实时接收和阅读；转发路径是粉丝转发博主的微博后又能被其粉丝阅读和转发，并由此循环下去，且用户在转发微博的同事还能额外附加入自己的看法和评论。这种转发机制使微博的传播超过原始作者的朋友圈，话题和传播范围不断扩大。 2微博信息传播效果概念及研究概况 传播效果是一个抽象、定性的概念，根据早期研究媒介效果学者们的普遍看法可总结：从广义上来说，传播效果是指受众接收信息后，其情感、知识、态度和行为等方面发生的变化；从狭义上来说，传播效果则是指传播者的目的和意图在传播活动中得到了多大程度上的实现。拉维奇和斯坦纳早在1961年就提出传播效果呈阶梯模式，由认知、情感、态度和行为4个维度构成（见图2）。认知是指对人们认识外界事物的过程，通过形成概念、知觉或判断等心理活动来获取知识；情感是人对事物是否满足自己需要而产生的态度体验；态度是对事物所持有的心理倾向，而行为则是受4项支配而表现出的外在行动，这4个维度为递进关系，每一步的进行必须以上一步的完成为基础[3]。 但是，对于不同的媒介，传播效果的评价指标也不同，比如用发行量来评价报刊杂志的传播效果，或是用收视率、票房等来评价电视节目或电影的传播效果。但是，互联网技术的高速发展催生了很多新兴传播媒体，在对这些新媒体的传播效果进行定量评估方面，传统的理论就显得有些力不从心了[4]。关于微博的传播效果测量，研究者的方法也不尽相同，总的来看主要有两种。在微博中，认知效果可以表现为信息覆盖面；微博引发的情感和态度效果体现在对微博信息的评价内容里；而行为效果则体现为受众参与转发，这一行为能够直接推动信息的扩散速度和范围。因此，大多数学者采用的第一种方法就是用转发规模、评论数、传播速度和持续时间等客观指标来量化某条微博的传播效果。他们利用一些爬虫程序和API（Application Programming Interface，應用程序编程接口）来获取微博信息内容及相关实证数据进行分析，一些研究最后还通过算法建立微博流行度的预测模型。如Lun Zhang等人以新浪微博的广告微博为研究对象，用微博传播的速度（Speed）、深度（Depth）和广度（Breadth）来定义传播效果，建立信息传播树状结构，结果发现，信息层面的因素如广告的典型性、完整性等和广告发布者层面的因素如入度和出度等对速度、深度和广度这3个维度均有影响但效果有所差异[5]；Suh和Hong等人（2010）分析了与转发率相关的关键因素并建立了Tweet流行度的预测模型。他们研究微博特征，总结了一系列如粉丝数（Follower）、关注数（Follow）、身份（Status）、话题标签（Hashtag）、短链接（URL）、提到（Mention）、天数（Days）、爱好（Favorite）等因素，结果发现语境特征中粉丝数量、好友数及账号的使用时间会影响转发，而内容特征中URL和标签与转发有显著的关系[6]。另外，孙安龙等人（2013）也提出微博的可信度、活跃度、覆盖度和传播力是影响酒店微博营销效果的4个关键因素，尤其对酒店微博的粉丝数量、微博数量和转发次数有重要影响[8]。 除了用转发量等数据来量化微博传播效果外，另一种测量传播效果的方法则是从信息接收者的主观角度出发，利用访谈或问卷调查等形式来了解受众接收微博信息后其认知、态度和行为等方面发生的变化。认知效果是受众接收信息后的表层反应，表现为对信息的注意、记忆等方面所达到的程度；情感和态度效果是心理层面上具有浓重个人色彩的翻译，蕴含着个体的主观评价；行为效果是建立在认真理解传播者传送的信息并产生情感态度的变化的基础上才会产生的效果。 如季丹在研究微博危机信息的传播效果时，参考Gilly和Bansal的信息传播影响力的调查问项，用巩固、结晶和改变这3个指标来测量用户接收网络危机信息后行为与态度所产生的影响[9]。付树森用微博受众的再传播意愿和品牌态度来定义企业微博的传播效果，他提出态度是由认知成分（信念）、情感成分（感觉）和行为成分（反应倾向）构成的综合体。最后他研究结合情景模拟实验和问卷调查法来考察企业微博的类型、转发者和转发量对微博传播效果的影响[10]。熊于宁则（2013）用问卷调查了500位企业微博的粉丝，找出刺激消费者兴趣并引起他们购买意愿的关键变量。研究结果显示，微博内容的精彩程度、粉丝互动及微博客服质量等因素都对消费者的购买意愿有显著的影响[11]。 3微博信息传播效果影响因素研究 信息在被传播者发出到受众接收的过程受到很多环节和因素的制约，并且这些因素都会对最终的传播效果产生影响，因此传播效果的产生本身就是一个非常复杂的社会过程，见图3。传统的传播学领域研究中由美国心理学家霍夫兰提出的说服传播理论既是现代态度改变研究的开端，也是大众传播理论若干重大贡献的渊源。该理论认为信息的传播主体、传播内容和传播客体是影响说服效果的重要因素，在很大程度上决定了受众接收信息后的态度[12]。之后，有很多学者依照该种划分方式对影响传播效果的因素并扩展了很多相关研究，如中国学者刘建顺提出，传播者的影响力不仅包括其外部形体特征如身材、相貌和气质等，还包括其传播能力、社会权威、社会角色、可信度及与受众间的关系等维度；传递的信息特征包括了片面之词和正反面之词；对于信息的接受者因素，主要包括社会团体、社会舆论压力、社会阶层及文化等因素。随着传播环境的不断变化，网络作为当前最主要的传播环境之一，传播效果的研究也自然延伸到了网络环境之中。与传统环境比起来，信息的传播和加工更加便捷，网络中的个体传播角色也更模糊，在作为信息接受者的同时也更容易转向传播者的身份，这就使得传播者、传播内容和传播受众对传播效果的影响进一步被放大。因此学者对网络环境下传播效果影响因素的研究大多仍聚焦在传统的三大维度上。 3.1信息来源维度 传播主体也被称为信息来源，是传播过程中地位最为主动的角色，他们不但决定了内容的取舍和选择，而且掌握了传播的手段和工具。 在传播与扩散理论也提出，来源可信度是决定信息是否具有说服力的最主要因素。来源可信度越高，受众再传播的意愿会越高，最终传播的覆盖面就会越广。国外学者 Gilly（1998）[13]和国内学者钟宏彬（2003）均证明了来源可信度对信息扩散产生的影响不可小觑[14]。 来源的可信度可以从多种维度进行测量，如Berlo（1969）提出的安全维度，即受众感觉对信息传播者没有威胁感知。Hovland（1951）、Applbaum和Anatol（1973）[16]提出的专业性和可靠性，即受众认为信息传播者所拥有的知识量和受众察觉到的信息发送者的欺骗性意图。Whitehead（1968）[17]提出的客观性，Mccroskey（1996）提出的权威和性格，Snighletyar（1976）提出的传播者吸引力（Attraction）、知识性（Knowledgebaility）、清晰性（Artieulation）、可信赖性（Turstwohrtiness）、稳定性和对抗性5个维度[18]等。另外，一个有吸引力的信息传播者也可能被认为更有说服力，而吸引力可能是基于外表吸引力和可爱程度等方面产生的。 在有关微博信息来源的研究中，意见领袖因其知名度、专业性和交互性受到了很多学者的关注，探究其对传播效果的重要影响（梦非，2012）。如Wu shaomei和Hofman等人（2011）在研究中将Twitter的用户分为普通用户和精英用户，探究不同类型用户的受关注程度、信息流向、话题流行度等问题。结果发现2万个精英用户吸引了约50%的关注，引导了信息的流向[19]。周庆山（2012）同样研究了身份类型不同的意见领袖是否会对用户的转发意愿产生影响，结果发现商业明星对用户再传播行为的影响高于文化明星，而娱乐明星的微博又比商业明星更易被转发[20]。 其他关于微博来源特征的研究还有：张赛等人通过测量统计新浪微博的相关数据发现微博热度与用户的粉丝数呈正相关，并根据两者之间的阈值关系计算出为使一条微博转发次数达到某一值的粉丝数的最佳值[21]。Metzger（2010）等人提供了充足的实验证据表明，发布者的知名度和认可度可作为启发式线索来评估在线信息的可信度，来源可信度高的微博往往更可能被广泛传播。这项研究中，4个和发布者相关的因素发挥作用：活跃度、自我展示度、经验和权威性[22]。还有研究发现，发布者已发布微博的数量会影响受众评估他或她的微博的可信度，并且，过度活跃和太不活跃的用户都可能被认为是垃圾信息发布者。Cha、Benevenuto（2012）等人研究发现经新闻网站认证过的博主发布的微博比“普通”人发布的微博得到的转发更频繁，说明权威人士发布的微博更容易被广泛传播[23]。 3.2信息内容维度 网络环境中的信息种类变得丰富，信息的表达方式也更多样化，包括文本、图片、URL及附加的视频和音频等。这就使得用户对信息本身的体验效果被放大，而用户对信息的接受程度又受到不同体验结果的影響，因此信息自身的属性特征也是决定信息传播效果的关键因素之一。在研究微博的传播效果时，内容分析是最常被用到的方法。其原理是根据某因素利用统计工具来分析信息传播的特征，其中转发量高的内容与普通内容的不同之处是学者关注的重点[24]。 有关不同应用场景下信息特征对传播效果影响的研究有很多，对信息特征的划分维度也越来越细致。总结各学者的研究可知，微博信息的特征基本包括：主题和类别、长度、形式（图片、视频等）、完整性（是否含有补充新浪URL）、趣味性、效价、情感性、交互性（@）、信息口碑、发布时间等。 从内容类别角度来看，微博中不同种类的信息受到的关注度不同。一般情况下新闻类的信息通常传播速度较快，而娱乐性的信息传播的持续时间会较长[25]。例如Zhao（2011）等人研究发现Twitter上最流行的话题是关于全球时事和旅游，其次是科学和技术类的信息及体育、艺术、家庭生活、健康、商业和教育[26]；吕吟（2011）研究了微博数量与话题类型之间的关系后模拟出不同话题在微博上的表现情况[27]。 从内容特征来看，微博平台的特殊属性使得其内容长度受到限制，但是可以通过附加外部链接（URL）、增加图片或是视频等其他方式来提高内容的丰富性。因此，很多学者对这些因素进行了研究。例如Zhanglun、Pengtaiquan（2014）和季丹（2014）等人均对微博长度对传播效果的影响进行了研究，结果表明信息越长，越能促进传播的广度和深度，提升传播速度。Zarrella（2009）研究了转发微博的特点，如最有可能和最不可能被转发的词语、转发时间、具有URL短链的转发可能性等。结果发现，56.7%的转发微博含有URL，而非转发信息中有URL的仅为19%。Liuzhiming、LiuLu和Li Hong（2012）以HSM为理论框架研究微博信息传播扩散的决定因素，他们将内容特征归为系统性线索，结果发现微博中多媒体的数量和URL的数量都会正向影响转发[28]。 从内容的表达技巧角度看，受者面对不同表达方式所呈现的效果也不同。比如反问的表达形式会比平铺叙述更能引起受众的主义，更具感染力。如Jiyeon So等人对Twitter中的关于肥胖的健康类信息做内容分析之后发现，Tweet内容的情感性、趣味性（幽默）会对转发量产生影[29]。Rodgers和Chen（2006）在研究中提出，趣味性、智能型和有组织性是3个网络信息值得重视的特征[30]。在广告学中已有对信息趣味性的验证，即内容的传播效果受到其趣味性的影响（Alden，2000）。而McMillan（2004）的研究维度更为精细，他研究了内容的趣味性、丰富性、互动性、有用性和即时性等特征对消费者处理信息的态度的影响[31]。Hansen、Arvidsson和Nielsen等（2011）认为Twitter中信息的传播与其情感性相关。他们利用机器将新闻和非新闻的信息区分开并用内容分析法计算出每条信息的情感值后进行回归分析，结果显示正负向的情感都会影响政治信息的传播，正面情感对非新闻内容的传播较有利，而负面情感则能增强新闻类信息的传播效果。 3.3信息接收者维度 信息接受者是信息传播的终点，也是传播效果的体现者。但是由于接收者自身属性的差异，即使同一传播者采用同样的传播技巧传达相同的内容，对于不同的传播接收者也会产生不同的传播效果。因此，学者们不仅关注传播者的作用和影响，还考虑到了信息接收者特征对信息传播的影响。 3.3.1受众的网络使用经验和专业知识水平是影响信息传播效果的重要因素 对高科技掌握程度高的用户对信息来源会更关注，更易持有怀疑态度（Tseng & Fogg，1999）。受众对信息的需求程度也会影响他们对可靠性的评估，需求越高时，受众更容易接受信息，并且更易认为该信息的可靠性较高。以上两个因素的影响就会导致新手和需要信息的人可能会盲从于技术或信息源。此外，Chen等人在对网络评论的研究中发现，受众的知识储备对信息来源可信度和信息感知可信度间的关系起到负向调节作用。受众的专业知识水平与受信息的影响程度成负相关关系。然而也有学者持相反观点，认为掌握更多的专业知识能帮助受众更快和更容易处理信息并促进信息搜寻。传统传播理论得出的有关此问题的矛盾结果有待于在网络情境下的进一步研究和验证。还有一些学者提出受众活跃度和参与水平对信息传播的影响。参与水平的概念最早是由Sheif和Cantril与1947年提出的，指的是个人在事件中的参与水平会影响他们对反对意见的接受。在之后的研究中，参与水平被扩展到了网络虚拟社区、微博等领域中，学者提出，用户的参与水平和活跃度不仅会影响他们对网络工具和信息的评价，还会导致他们的分享行为有所不同，进而影响到信息的传播效果。李阳（2013）研究企业网络舆情传播时提出，参与水平对个人动机和传播意愿具有调节作用：当参与水平较低时，宣泄动机和权利动机对个人传播意愿的影响会增强，而在参与水平较高时反而影响会减弱。其原因可能是参与水平低的受众往往是利己者，未触及到其个人利益的情况下都极少分享信息以寻求帮助[32]。Jessica和Paul等人（2011）也证明了Facebook用户的政治信息互动积极性受其参与水平的影响：高参与水平的用户由于更期待得到他人的欣赏和赞同而分享行为更加积极，而低参与水平者的目的仅是获取信息，以微观的态度观看事态的发展[33]。张艺（2014）在研究中以微博用户的使用时间、登录频率等数据来衡量用户的参与水平，并验证参与水平对用户转发意愿的影响。结果显示，参与水平对个人转发动机和转发意愿的关系有调节作用。 3.3.2受众的心理动机也会影响信息的传播效果 有学者提出心理需求是行为意愿的驱动力，受众的心理动机会影响他们的最终行为，进而影响信息的传播效果。而在网络环境下的一系列社会化媒体中，用户可基于个人的兴趣爱好去主动获取信息，并根据自己的意愿对获取的信息进行复制、再加工或分享，以释放某些心理需求。吴敏琦（2013）调查了194名微博用户后发现，促进他们进行转发的因素主要有两类：利他和利己因素。利他的因素是出于对于他人有所帮助而进行转发，而利己则主要包括信息收藏需求、社交需求和情感满足等需求[34]。袁园（2013）以使用与满足理论为基础，探究用户的主观心理感受和转发意愿的潜在关系，具体考察微博用户不同的需求动机下转发意愿的差异性。结果发现休闲娱乐、社会交往、自我认同的满足度会增强微博用户的转发意愿，是影响转发的重要因素[35]。此外，一些研究数据显示，娱乐性的微博最容易被转发，这是由用户的消遣娱乐动机所驱动的行为结果。而用户在转发微博时附带@好友的行为则体现出他们的社交动机较为强烈。 3.4传播者与接收者关系维度 微博不同于一般意义上松散的网络社区，它是由稀疏的真实社交网络和高密度的“关注”与“被关注”形式构成的复杂的网络结构。用户间的关系网络是信息传播的主要途径，直接影响到信息扩散的范围。国外很多研究通过采集和分析微博用户关系的相关数据发现微博网络的直径和平均路径长度都较小，但是聚类系数却很高，说明节点之间的联系比一般的网络社区更紧密，对信息的传播十分有利[36]。 社会学将人与人之间的关系划分为强弱连接两种，Granvetter（1973）用互动时间、情感强度、亲密程度以及互惠行动这四个指标来界定连接的强弱程[37]。Frenzen和Davis用相似性、亲密程度、互惠行动、互惠次数对强弱连接进行考量。Smith在其口碑推荐的研究中对关系强度的测量则采用了相似性、若现实相遇愿与其结交和感知熟悉程度这3个维度。在微博中，用户间的关系主要体现在：1）传播者与受众的相似性（如兴趣爱好相似性、背景相似性、是否关注同样的用户等）；2）传播者与受众的互动程度（是不是会经常@对方、评论或是转发对方的微博等）。这些因素都可能会增加他们沟通的概率和效率，影响受众对传播者所发布的信息的判断，从而影响他们的转发可能性等。 过去的研究表明，受众与传播者越相似，受众越倾向于认可信息的发送者。Wright（2000）的研究結果表明，网络环境下用户与用户间的相似性与用户对信息可靠性评价直接相关。Java等人在挖掘微博网络的社团结构时同样发现，同一社团内的用户有着相同的兴趣爱好且会互相分享他们的日常生活和心情[38]。 此外，在研究互动程度对传播效果的影响方面，Yang和Counts（2010）认为提到（@）代表了用户间的活跃交互，通过这一行为用户利用用户真正交互的隐性网络，而不是潜在的被动的追随者网络。结合生存分析，他们建造出一个新颖的模型来获取信息扩散的3个主要属性：范围、规模和速度。发现提到的次数对速度和规模都有显著影响[39]。刘君兰（2014）在研究新浪微博中的段子手营销时发现，段子手与粉丝的互动程度对消费者的信息搜索意愿和购买意愿有正向影响。余眺在理性行为理论、态度理论和AISAS理论的基础上，以旅游微博为研究对象分析微博营销对消费者行为（搜索、购买、分享）产生的影响，结果发现互动一方面直接影响受众的分享意愿；另一方面通过信任、认知和情感间接影响搜索意愿和购买意愿[40]。 4总结与展望 本文简述了微博传播效果的相关概念、测评方法和意义，梳理了国内外现有的研究成果并归纳了影响微博传播效果的关键因素。通过梳理我们发现，研究微博传播效果的关键在于如何选取合适的方法或指标来度量传播效果，已有学者一般利用转发量、评论数等客观数据来衡量传播效果或是从受众的主观角度出发考察他们在接受微博信息后态度和行为等发生的变化。决定度量方法后，另一个重要的问题就是探究微博传播效果的影响因素。学者主要从用户特征、文本内容和信息传播特征等方面入手，提取并构造最能代表这些特征的具体维度。综合定性和定量研究方法，并将数据挖掘、内容分析、案例研究、可视化分析、社会网络分析等研究方法充分运用于微博传播效果研究领域。 随着社会网络分析技术和自然语言处理技术的不断发展，今后微博传播效果分析也将得到更大的支持和实现，其广阔的应用前景椰浆逐步展现出来：不仅可以帮助微博平台改善各种服务，进行舆情监控，而且还能优化信息推荐和微博营销等[41]。例如，在兴趣化推荐和广告推送方面，微博平臺可结合用户特征、社会化网络和文本内容分析来预测信息的传播效果，为合适的受众推荐需要的的内容；在舆情监控中，政府可结合传播效果分析来预测微博的传播范围和用户的观点态度，准确判断有效的舆论热点问题，以便加以控制和引导，有助于微博预警和控制微博舆情。 总的来说，国外的微博传播效果研究重视技术和应用，跨学科的特点明显，而国内的研究虽已逐渐从定性转向全方位的定量研究，研究深度也有所提高，但是定量研究仍然较少，存在一定的技术局限性。微博数据获取是一个技术难题，学术界目前关于挖掘技术改进的相关文献数量相对较少，且新浪API等应用在实践中也存在很多不足[42]。尤其对于传播学、管理学等文科学者来说计算机编程水平的高要求一定程度上阻碍了研究的发展，研究人员可通过学科合作等方式解决该问题。微博的传播效果研究仍然存在许多问题亟待解决，未来的研究方向可以考虑以下几个方向，希望对研究者有所启发。 首先，目前的微博传播效果分析大多以静态的用户网络结构和用户行为为基础，但在实际情况中，微博的传播速度是极快的，不单用户自身的兴趣和行为动机容易发生改变，用户间的关系网络和微博的流行度等都会随时间而动态变化。因此，如何将适应微博动态变化的特征考虑到传播效果模型中，并且运用流数据对用户行为进行建模和观测，值得进一步关注[43]。 其次，在微博的分析技术方面，接口资源的限制和分析的精准度都是亟待解决的问题。首先，微博上的信息资源虽然很丰富，但是可获取的却很有限，比如微博开放平台虽为用户提供了接口以供获取信息资源，但是对抓取的内容和次数都有所限制，因此若想获取更多的内容必须结合爬虫系统来使用。其次，由于国内的微博分析研究起步较晚，导致在有关微博的事件预测、用户影响力和情感分析等方面的精准度还有待提高。 再次，在微博传播效果的实践方面，首先可以进一步发展在一些重大事件的预测和管理方面的深度应用。社会事件在微博中的传播速度和范围都不容小觑，一直以来都是研究者关注的重点，但是预测结果的精准性和即时性仍然有待提高。对微博事件进行预测可以帮助新闻个体和相关部门在事件未发生时或发生的前期就能进行监控和采取措施，提升控制能力和主动性，改变低效的“事后处理”状态。第二，微博的商业应用也是一个重要的发展领域。数量巨大的用户基础使得微博蕴藏着大量具有商业价值的信息，比如通过分析用户的行为数据来推测用户的购物倾向后为其推送符合兴趣的广告，或是通过分析品牌客户的反馈评论来帮助商家改善市场决策；学者则可以利用微博的传播特点更好地为企业进行营销[44]。 最后，由于缺乏跨语境和跨地域数据，导致目前关于不同文化和语境的微博传播效果差异研究还相对比较匮乏，国内的微博平台与国外平台的对比研究应该受到更多学者的关注。 参考文献 [1]刘艳婧.我国微博研究综述[J].国际新闻界，2014，（1）：45-51. [2]李洋，陈毅恒，刘挺.微博信息传播预测研究综述[J].软件学报，2016，27（2）：247-263. [3]吕杰，张波，袁浩川.传播学导论[M].北京：科学出版社，2007，29. [4]李英乐.微博传播效果预测技术研究[D].南京：信息工程大学，2013：4-5. [5]Lun Zhang，Tai-quan Peng，et al.Breadth，depth and speed：diffusion of advertising messages on microblogging sites[J].Internet research，2015，25（3）：453-464. [6]Suh B，Hong L，Pirolli P，et al.Want to be retweeted？ Large scale analytics on factors impacting retweet in twitter network[A]∥Proceeding of IEEE 2nd International Conference on Social Computing[C].Piscataway：IEEE Computer Society，2010：177-184. [7]Stieglitz S，Dang-Xuan L.Political Communication and Influence through Microblogging—An Empirical Analysis of Sentiment in Twitter Messages and Retweet Behavior[C].Proceedings of the 45th System Science（HICSS）Hawaii International Conference on IEEE，2012：3500-3509. [8]孙安龙，王佳佳.酒店企业微博营销效果影响因素与策略[J].郑州航空工业管理学院学报，2013，（6）. [9]季丹.网络危机信息传播效果的影响因素实证研究——以新浪微博为例[J].情报科学，2014，32（7）：70-76. [10]付树森.企业微博对受众再传播意愿和品牌态度的影响研究[D].成都：西南财经大学，2013. [11]熊于宁.企业微博营销的消费者兴趣导向模型研究[J].商业时代，2013，（7）. [12]Hovland C I，Janis I L， Kelley H H.Communication and Persuasion[M].New haven：Yale University Press，1953：6-67. [13]Gilly M C，Graham J L，Wolfinbarger M F，Yale L J.A dyadic study of interpersonal information search[J].Academy of Marketing Science，1998，（2）：3-10. [14]鐘宏彬.影响网络谣言传播的因素及扩散模式[D].台湾：台湾“国立”政治大学，2003. [15]Berlo D K，Lemert J B，Mertz R J.Dimensions for evaluating the acceptability of message sources[J].The Public Opinion Wuartely，1969，33（4）：563-576. [16]Applbauln R L，Anatol K W E.Dimensions of sources credibility：a test for Reproducibility[J].Speech Monographs，1973，34（40）：231-237. [17]Whitehead J L.Factors of source credibility[J].Quarterly Journal of Speech，1968，（54）：59-63. [18]Singletayr M W.Components of credibility of a favorable news source[J].Journalism Quarterly，1976，53：316-319. [19]Wu shaomei，Jake M Hofman.Who says what to whom on Twitter[C].Proceedings of the International Conference on World Wide Web，2011，1（4）：705-714. [20]周庆山，梁兴，曹雨佳.微博中意见领袖甄别与内容特征的实证研究[J].山东图书馆学刊，2012，（1）：22-35. [21]张赛，徐恪，李海涛.微博类社交网络中信息传播的测量与分析[J].西安交通大学学报，2013，47（2）：124-130. [22]Metzger M J，Flanagin A J，Medders R B.Social and heuristic approaches to credibility evaluation online[J].Journal of Communication，2010，60（3）：413-439. [23]Cha M，Benevenuto F，Haddadi H，Gummadi K.The World of Connections and Information Flow in Twitter[J].IEEE Transactions on Systems Man and Cybernetics Part A：Systems and Humans，2012，42（4）：991-998. [24]郭晓姝.企业微博信息互动传播模式、途径与影响因素研究[D].沈阳：东北财经大学，2013. [25]陈慧娟，郑啸.微博网络信息传播研究综述[J].计算机应用研究，2014，31（2）：333-337. [26]Zhao W，Jiang J，Weng J，He J，Lim E P，Yan H，et al.Comparing twitter and traditional media using topic models[J].Advances in Information Retrieval，2011：338-349. [27]新浪微博在地震中的传播研究[D].杭州：浙江大学，2011：77. [28]Liu Z，Liu L，Li H.Determinants of information retweeting in microblogging[J].Internet Research，2012，4（22）：443-466. [29]So J，Prestin A，Lee L，et al.What Do People Like to“Share”About Obesity？A Content Analysis of Frequent Retweets About Obesity on Twitter[J].Health Communication，2016，32：193-206. [30]Chen Q，Rodgers S.Development of an instrument to measure web site personality[J].Journal of Interactive Advertising，2006，7（1）：47-64. [31]McMillan S J.Effects of Structural and perceptual factors on attitude toward the website[J].Journal of Advertising Research，2004，43（4）：400-421. [32]李阳.企业网络舆情再传播意愿研究[D].哈尔滨：哈尔滨工业大学，2013. [33]Jessica Vitak，Paul Zube，Andrew Smock，Carr，Nicole Ellison，and Cliff Lampe.Its Complicated：Facebook Users Political Participation in the 2008 Election[J].Cyberpsychology，Behavior，and Social Networking，2011，14（3）：107-114. [34]吴敏琦.微博用户日常生活信息获取行为模式及其影响因素研究[J].情报科学，2013，（1）：86-90. [35]袁园.微博用户转发意愿的影响因素研[D].南京：南京大学，2013. [36]JWAK H，LEE C，PARK H，et al.What is twitter：a social network or a news media？[C].Proceedings of the 19th International Conference on World Wide Web，New York，ACM Press，2010：591-600. [37]Granovetter.The strength of weak ties[J].American Jour of Sociology，1973：1360-1380. [38]JAVA A，SONG Xiao-dan，FININ T，et al.Why we twitter：understanding microblogging usage and communities[C].Proceedings of the 9th Web KDD and 1st SNA KDD Workshop on web Mining and Social Network Analysis，New York，ACM Press，2007：56-65. [39]Yang J，Counts S.Predicting the speed，scale，and range of information diffusion in twitter[J].International Conference on Weblogs & Social Media，2010，（10）. [40]余眺.微博營销对用户行为意愿的影响研究[D].上海：东华大学，2013. [41]蒋盛益，陈东沂.微博信息可信度分析研究综述[J].图书情报工作，2013，57（12）：137-141. [42]周金元，张莎莎.国内微博研究综述[J].情报杂志，2013，32（9）：49-51. [43]李洋.微博信息传播预测研究综述[J].软件学报，2016，27（2）：247-263. [44]刘滨.微博分析研究综述[J].河北科技大学学报，2015，36（1）：100-109. （本文责任编辑：马卓） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。