Professional Documents
Culture Documents
Twitter涉华舆情极化现象研究 以中美贸易争端为例 韩运荣
Twitter涉华舆情极化现象研究 以中美贸易争端为例 韩运荣
Twitter 涉华舆情极化现象研究
———以中美贸易争端为例
■ 韩运荣 漆 雪
论,Twitter、Facebook 等 社 交 媒 体 上 形 成 多 个 标 签 话 在此前提下,本文基于中美贸易争端的国际涉华
题,如#Tradewar## Tradewars#等。 舆情,提出研究问题如下:
①
据 We Are Social 和 Hootsuite 最新发布的 2018 年 RQ1,中美贸易争端的社交网络中,网络整体特点
全球数字报告,现在世界各地已有超过 30 亿人在使用 什么? 是否存在核心—边缘结构?
②
Facebook、YouTube、微信等社交媒体。 可以看出,国际 RQ2,其社交网络中,是否存在因观点接近而聚集
社交媒体已成为全球性议题信息交流、扩散的重要渠 的小团体现象?
道。因此,及时把握国际社交媒体中有关中美贸易争 RQ3,其社交网络中,因意见相近的子群内部呈现
端中涉华舆情扩散特点,可以为我国对外传播争取更 出怎样的结构特点? 其互动关系如何?
多话语权开辟新的视角。 RQ4,不 同 的 组 织 和 个 人 又 扮 演 什 么 样 的 角 色?
是否存在显著舆论领袖?
一、问题的提出
早在网络媒体刚刚兴起时,美国哲学家凯斯·桑 二、研究设计
斯坦就提出,“网 络 对 许 多 人 而 言,正 是 极 端 主 义 的 有学者指出,社交媒体语境下的信息传播正是建
温床。因为志同道合的人可以在网上轻易且频繁地 立在用户的相互关系之上,即社会关系是影响信息传
沟通,但听 不 到 不 同 的 看 法。持 续 暴 露 于 极 端 的 立 播行为及传播效果的重要因素。 因此,本研究采用社
⑦
他意见领袖身上。 说,中介中心性值越大,控制信息的能力就越强。
出度中心性排名前 10 的行动者中,只有 1 家媒体 ( 1) 中介中心性整体较低,无信息风向标
组织。有 26 家媒体组织的出度中心性均值为 6. 9231, 从表 2 可以看出,
70 个节点的中介中心性整体偏
远低于整体网络的出度中心性均值 9. 8571。可以说, 低,平均值仅为 0. 025。这说明,各节点对信息的控制
在中美贸易争端的 Twitter 传播网络中,传统大众媒体 力度不强。这和议题性质以及传播媒介密不可分。社
所开设的社交媒体账号更少的接触到来自其他意见领 交媒介造就了“人人都有麦克风”的局面,而中美贸易
袖的信息。其中,行动者“纽约时报”“BBC 世界新闻” 争端因涉及社会各阶层和领域,故各国媒体以及政治、
“德拉吉报道”( Drudge Report) 的出度中心性均为 0。 经济、学术、艺术等社会精英都积极参与话题讨论,发
( 2) 媒介及艺术从业者出度中心性高,接受信息 表意见。因此,在中美贸易争端的 Twitter 传播网络中
范围更广 并不存在唯一突出的节点承担信息传播和接收的重大
出度中心性排名前 10 的行动者中,有 3 个媒介从 作用。
业者,
2 个艺术工作者。其中,彭博社白宫记者“詹妮 ( 2) 媒介及艺术从业者中介中心性相对较高,情
弗·雅各布斯”( Jennifer Jacobs) 出度中心性最高,为 绪性意见更易传播
42。这表明她能够接触超过一半意见领袖的信息。其 如表 1 所示,排名前 10 的行动者中,有 5 个媒介
中,全体媒介从业者和艺术工作者的出度中心性平均 从业者,
4 个媒体组织。全体媒介从业者的中介中心
值分别为 15. 8333 和 11,高于总体平均值 9. 8571。这 性平均值为 0. 0347,高于总体平均值 0. 0250。这说明
意味着媒介及艺术工作者能接触大量相关信息。 在中美贸易争端的整体网络中,媒介从业者对相关信
2. 接近中心性分析 息的控制相对强。其中,“詹妮弗·雅各布斯”中介中
接近中心性测量是一个行动者不受其他行动者控 心性最高,为 0. 2053,远高于其他节点。
制的能力,即独立性的强弱。有向网络图中,行动者的 艺术工作者如演员、主持人等的中介中心性平均
中介中心性可分为内接近中心性( in - closeness) 和外 值为 0. 0889,是总体平均值的 3. 556 倍。这说明艺术
接近中心性( out - closeness) 两类。前者衡量特定行 相关者对信息的控制力度极强。他们对事实的传播较
动者向外传递信息时不受其他行动者控制的能力,因 少,多是个人观点和情绪的表达,其中极端激烈用语居
此,值越大,传递信息就更容易和顺畅; 后者衡量特定 多,比如“强 烈 支 持 总 统,早 就 该 打 击 中 国 的 嚣 张 火
行动者获取其他行动者信息的难易程度,因此,值越 焰”等。
大,越能轻松容易的获取信息,不易受其他行动者的 ( 三) 子群网络分析
制约。 依据对中美贸易争端总体态度,把样本划分为三
( 1) 媒介及艺术工作者外接近中心高,更易接受 个群体,并对每个子群进行分析。
信息 1. 子群结构分析: 存在因意见聚集的小团体
从表 2 可以看出,外接近中心性排名前 10 的行动
者中,有 3 个媒介从业者,2 个是艺术工作者。其中, 表3 子群的整体网络结构参数
全体媒介从业者和艺术工作者的外接近中心性平均值 支持者子群 反对者子群 中立者子群 整体网
参数
分别为 0. 2174 和 0. 2287,高于总体平均值 0. 1962。这 ( N = 15) ( N = 19) ( N = 36) ( N = 70)
网络密度 0. 1048 0. 1725 0. 2056 0. 1429
说明媒介及艺术工作者能轻松的获取相关信息,且不
网络直径 5 5 5 5
受其他行动者的制约。 平均路径 1. 114 1. 263 1. 481 1. 679
( 2) 媒介组织的内接近中心性高,更易传播信息 平均聚类系数 0. 2913 0. 4281 0. 4136 0. 5763
内接近中心性排名前 10 中,有 9 个媒介组织,仅 1
人是个人用户。26 个媒介组织的外接近中心性平均 从表 3 可以看出,支持者子群的网络密度仅为整
值为 0. 1203,高于总体平均值 0. 1052。这说明媒体组 体网密度的 0. 7334,这说明对贸易战持赞成态度者之
织独立性强,更倾向也较容易向其他节点传送信息,受 间联系不太紧密、交流也很少,很可能是自说自话。但
其他节点控制的程度较低。其中,“CNN”的外接近中 反对者子群和中立者子群的网络密度高于整体网,其
心性最高,为 0. 1503。 密度分别为整体网密度的 1. 2071 倍和 1. 4388 倍。这
3. 中介中心性分析 表明两子群内部互动较高,联系广泛。这在一定程度
中介中心性反映行动者作为信息传播中介的能 上验证了社交媒体的回音室效应,即在中美贸易争端
力,它测量的是行动者对于资源控制的程度。一般来 Twitter 传播网络中,公众更倾向与意见相近者对话和
现代传播 2019 年第 3 期( 总第 272 期) 147
新媒体研究 韩运荣 漆 雪: Twitter 涉华舆情极化现象研究
交流。选择性接触是回音室效应和群体极化的重要 闭,极少从其他子群获取信息。而反对者子群对中立
基础。 者子群的关注程度高于支持者子群对中立者子群的关
网络可达性方面,三个子群的网络直径均为 5,和 注度,并且反对者对支持者的关注度也高于支持者对
整体网络的网络直径一致。这说明无论是整体网络中 反对者的关注度。这说明反对者子群相对开放,更愿
还是三个子群网络中,每个节点最长都要通过 5 个节 意从不同意见群体中获取信息。
点才能将信息传播到网络中的其他节点。平均路径方 ( 3) 对贸易争端持中立意见的子群联系广泛
面,三个子群的平均路径均小于整体网,这表明信息在 反对者子群关注中立者子群的强度为 0. 2295,反
各子群内部的传播速度高于整体网络。 对者子群关注支持者子群的强度为 0. 035,这说明反
综合以上分析可以发现,中美贸易争端信息 Twit- 对者更倾向于从中立者获取信息。同时,支持者关注
ter 传播网络中,存在较明显的、按照对中美贸易争端 中立者的强度也明显高于支持者关注反对者的强度,
的态度而聚集的小团体现象。而且,基于相同态度的 且中立者子群对反对者子群和支持者子群两个群体的
子群内部连通度较高,信息交流非常密切。这是网络 关注都较高。这说明态度中立者更易和其他子群发生
极化现象的重要基础。 联系。某种程度上,这表明了社交媒体语境下中性观
瑨
瑏
2. 子群互动分析 点更容易也更频繁的被人们接触。 可以看出,在中美
子网连接强度反映了子群间的信息交流程度。参 贸易争端 Twitter 的信息传播网络中,持中立观点者扮
考网络密度的概念,我们可以用一个子群 A 所有节点 演着沟通反对者和支持者的“桥梁”角色。
对另一个子群 B 所有节点的关注数量总和的实际值与 3. 子群的节点中心性分析
完备值之比,来测量子群 A 对子群 B 的连接强度。它
瑦
瑏
表5 子群的入度中心性( 前 10)
反映了子群 A 从子群 B 获取信息的可能性。 因此,三
支持者网 反对者网 中立者网
个态度群体的子群连接情况可表示为表 4。
节点 数值 节点 数值 节点 数值
DRUDGE REPORT 7 Kyle Griffin 8 CNN 17
表4 子群之间的连接强度
Bill Mitchell 4 Andy Slavitt 7 The New York Times 16
关注总数 Jim Rickards 2 Brian Klaas 7 Reuters Top News 15
子群连接关系 连接强度
完备值 实际值 Damian Paletta 2 MSNBC 6 The Associated Press 14
表 6 子群的中介中心性( 前 10)
( 1) 贸易争端的支持子群与反对子群互斥明显
如表 4 所示,支持者子群关注反对者子群的连接
密度为 0. 0175,反对者子群关注支持者子群的连接密
度为 0. 0351。可以看出,两子群与对方的连接程度都
很低,这说明他们都不太愿意从对方获取信息,即在中
美贸易争端 Twitter 信息传播网络中,公众有拒绝接触
与之相悖的信息的倾向。某种程度上,可以说明中美
贸易争端信息 Twitter 传播过程中存在群体极化现象。
( 2) 支持贸易争端的子群较为封闭,反对子群相
对开放
支持者 子 群 关 注 中 立 者 子 群 的 连 接 密 度 为 0.
1481。可以看出,对贸易战持支持观点的子群对于反
子群的节点中心性分析用于识别不同观点群体中的
对者和中立者的关注都比较低,这说明它内部较为封
意见领袖。
148 现代传播 2019 年第 3 期( 总第 272 期)
韩运荣 漆 雪: Twitter 涉华舆情极化现象研究 新媒体研究
络上仍是非理性的、
情绪的声音占据主导地位。 经过三轮谈判后,
两国已经发布了联合声明,
并且达成了
媒介工作者常分析贸易争端带来的后果( 如“影响全 一系列谈判成果。然而,
特朗普政府说毁约就毁约。6 月
球贸易流通、爆发新一轮冷战”等) 。艺术工作者在传播 15 日,
特朗普政府宣布对价值 500 亿美元的中国进口产品
相关信息时,
则常掺杂强烈的个人情感( 如“总统做得好, 征收 25% 的关税,这进一步加剧了全球两大经济体之间
应该打击中国的嚣张火焰”) 或是武断的原因判断( 由“特
瑨
瑏
的贸易争端。
朗普挑起的贸易战”) ,
故受到很多人关注。 直至 2018 年 12 月 1 日,
中美两国元首会晤达成新的
3. 支持贸易战的群体中存在唯一突出的舆论领袖 共识,
停止加征新的关税; 美方原先对 2000 亿美元中国商
比较而言,
中立与反对群体中都不存在显著意见领 2019 年 1 月 1 日后仍维持在 10% ,
品加征的关税, 而不是
袖,
而支持贸易战的群体中却存在显著的、
且唯一的意见 此前宣布的 25% ; 对于仍加征的关税,
双方将朝着取消的
领袖“比尔·米切尔”。比尔·米切尔是 Pscp. Tv 的主持 方向,
加紧谈判,
达成协议。
他一直不遗余力地支持和宣传特朗普及其政策。他在
人, 中美贸易谈判一波三折,此次共识可以被认为是这
Twitter 个人简介中也包含标签#TrustTrump#,
背景是特朗 场持续大半年的中美贸易战的“暂时停火”,但中美在贸
普宣传“美国第一”( America First) 。 他认为中国的崛起
瑏
瑧
中美贸易失衡是结构性
易领域的博弈并未结束。可以说,
威胁了美国的霸主地位,渴望特朗普重塑美国第一。因 的问题,
不可能在短时间内得以解决。那么今后,
两国的
瑩
瑏
此,
他对中国抱有很强的敌视,
认为此次争端是由中国挑 贸易摩擦包括大大小小的贸易战将会是常态。 那么,中
起,
称特朗普的制裁为“反击”。他十分关注贸易战给对 美贸易争端后续阶段是否也存在意见的极化? 不同阶段
美国的积极影响,
比如由此带来的股票上涨、
美国人民团 是否存在不同的社会网络结构? 持不同意见的个人或群
结振奋等现象。 体是否会发生变化? 本研究尚有进一步深入的空间,
尤其
( 四) 反思 引入时间变量来构建动态网络图,
将更有利于描述和解释
本研究仅聚焦于 2018 年 5 月 1 日之前中美贸易争端 国际社交媒体环境下涉华议题极化现象的舆情走势和
的相关信息。自 5 月 3 日起,
中美启动第一轮贸易谈判。 变化。
注释:
① We Are Social 是全球知名社交媒体传播公司, Hootsuite 是全球知名的社交媒体管理平台。
② Digital In 2018: World’s internet users pass the 4 billion mark, https: / / wearesocial. com / blog /2018 /01 / global - digital - report - 2018.
③ [美]凯斯·桑斯坦: 《网络共和国———网络社会中的民主问题》, 黄维明译, 上海出版集团 2003 年版, 第 50 页。
④ Van Alstyne, M. , & Brynjolfsson, E. ( 2005) . Global village or cyber - Balkans? Modeling andmeasuring the integration of electronic communities. Man-
agement Science, 51( 6) ,851 - 868. doi: 10. 2307 /20110380.
⑤ Itai Himelboim, Marc A. Smith, Lee Rainie, Ben Shneiderman, Camila Espina( 2017) . Classifying Twitter Topic - NetworksUsing Social Network Analysis.
Social Media + Society. January - March, 1 - 13.
⑥ Axel Maireder, Brian E. Weeks, Homero Gil de Zu? n? iga3, Stephan Schlo¨ gl1, ( 2017) . Big Data and Political Social Networks: Introducing Audience-
Diversity and CommunicationConnector Bridging Measuresin Social Network Theory. Social Science Computer Review. Vol. 35( 1) : 126 - 141.
⑦ 彭兰: 《微博客的信息传播机制分析》, 《中国网络传播研究》, 2011 年。
⑧ Number of monthly active Twitter users worldwide from 1st quarter 2010 to 1st quarter 2018 ( in millions) . https: / / www. statista. com / statistics /282087 /
number - of - monthly - active - twitter - users / .
⑨ The top 500 sites on the web[EB / OL]. https: / / www. alexa. com / topsites.
瑠 李玉贞、
瑏 胡勇、 熊熙、 马晓娟、 张敏: 《微博意见领袖的评估模型》, 《信息安全与通信保密》, 2013 年第 2 期。
瑏
瑡瑦 杨辉、
瑏 尚智丛: 《微博科学传播机制的社会网络分析———以转基因食品议题为例》, 《科学学研究》, 2015 年第 3 期。
瑢 Hansen,
瑏 D. L. ,Shneiderman, B. ,& Smith, M. A. ( 2011) . Analyzingsocial media networks with NodeXL: Insights from a connectedworld. Burlington, MA:
Morgan Kaufmann.
瑣 熊涛、
瑏 何跃: 《微博转发网络中意见领袖的识别与分析》, 《现代图书情报技术》, 2013 年第 4 期。
瑤 Yardi,Sarita and Danah Boyd. ( 2010 ) . Dynamic Debates: An Analysis of Group Polarization over Time on Twitter. Bulletin of Science,
瑏
Technology&Society 30( 5) : 316 - 327.
瑥 Axel Maireder,
瑏 Brian E. Weeks, Homero Gil de Zu? n? iga, Sephan Schlo¨ gl1, ( 2017) . Big Data and Political Social Networks: Introducing Audi-
enceDiversity and CommunicationConnector Bridging Measuresin Social Network Theory. Social Science Computer Review. Vol. 35( 1) : 126 - 141.
瑧 https: / / twitter. com / mitchellvii,
瑏 2018 - 5 - 22.
瑨 Trump Administration Announces New Tariffs on $ 50 Billion of Chinese Goods Amid Escalating Trade Dispute,http: / / time. com /5313317 / trump
瑏
- china - tariffs / . 2018 - 06 - 15 /2018 - 06 - 16.
瑩 王晓辉: 《中国在贸易战中应有的信心和定力》,http: / / opinion. china. com. cn / opinion_9_188109. html? from = singlemessage. 2018 - 06 -
瑏
16 /2018 - 06 - 16.
( 作者韩运荣系中国传媒大学新闻学院教授; 漆雪系中国传媒大学新闻学院硕士研究生 )
【责任编辑: 潘可武】