新媒体研究 韩运荣 漆 雪： Twitter 涉华舆情极化现象研究

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

【内容摘要】 Twitter 是全球使用频率最高、影响力最大的国际社交媒体之一。研究以 2018 年前期中美

贸易争端为例，运用社会网络分析法，定量研究 Twitter 传播机制下涉华舆情的极化现象及其社交网络、
结构和影响力。研究发现： 中美贸易争端在 Twitter 上形成紧密的社交网络； 存在明显的按态度划分的小
团体现象，反对者和中立者群体内部联系紧密，传播速度快，支持者和反对者两群体互斥现象严重，这是
网络极化的重要基础； 反对者和中立者群体相对开放，与其他群体交流频繁； 支持者群体内部较为封闭，
且存在唯一突出的舆论领袖； 传统媒介组织开设的 Twitter 账号仍是相关信息的主要传播者，但在社交网
络中控制力弱； 媒介及艺术工作者能轻易接触和控制相关信息，他们多传播情绪性意见。
【关键词】 Twitter； 群体极化； 社会网络分析； 中美贸易争端； 涉华舆情

自 2018 年 8 月份美国单方面启动 301 调查以来， 于同样的观点而非不同的观点中，这导致他们在某一

中美贸易关系阴晴不定。从 2018 年 3 月 8 日特朗普 方向上形 成 更 多 的 极 端 意 见，从 而 造 成 群 体 极 化 现
④
宣布对中国钢铁、进口铝征收关税开始，到 3 月 23 日 象。 而极化现象往往出现在高度分化和激烈讨论的
签署总统备忘录，再到 4 月初，中美两国又先后公布征 政治主题，如种族隔离、国家联盟、国际争端等。
⑤

税的商品 清 单，4 月 17 日 美 国 商 务 部 工 业 和 安 全 局 既有的研究还显示，在争议敏感的国际议题中，尽

（ BIS） 宣布对我国中兴通讯实施拒绝出口特权，两国之 管传统组织发挥着一定的作用，但对社交网络的影响
间的贸易争端大有“山雨欲来风满楼”之势。因涉及 较小。媒体和政客在争议面前保持静默使得其他个人
多个国家、多个领域，中美贸易争端在全球引发激烈讨 十分活跃。
⑥

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

场中，听 取 这 些 人 的 意 见，会 让 人 逐 渐 相 信 这 个 会网络分析（ Social Network Analysis，简称 SNS） 的研究

③
立场。” 方法。它是分析社会现象中行动者之间的各种关系结
实证研究表明，正是网络媒体高度自主的选择技 构及其属性的方法。
术和有效的过滤工具，使得个人更倾向于将自己暴露 为探索以上问题，本研究进行了如下的研究设计：
144 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

（ 一） 社交媒体选择 关者 5 个（ 7． 14% ） ，政治相关者 8 个（ 11． 43% ） ；

本研究选取 Twitter 作为数据获取平台，主要基于 （ 3） 样本态度分类结果为： 支持者 15 个，占 21% ；
以下三点原因： 反对者 19 个，占 27% ； 中立者 36 个，占 52% ；
首先，Twitter 是当前全球各国用户使用频率最高 （ 4） 样本的平均粉丝数量为 38． 3 万，平均发表中
的社会化媒体之一，Twitter 发布的 2017 年四季度的财 美贸易争端相关推文 18． 2 篇。
报显示，Twitter 月活跃用户（ MAU） 为 3． 3 亿人；
⑧
（ 四） 建立矩阵
其次，Twitter 在全世界具有很高的影响力，根据国 Twitter 上的社交网络是由用户及与其他用户互相
瑢
瑏

际网站 Alexa． com 最新排名，Twitter 在全球网站排名 关注、提及和回复时形成的联系所组成的。 尽管转发
第十三，仅次于 Facebook 和 Ｒeddit 等社交媒体，在全 和回复行为更能表明这条推文得到别人肯定，因此具
⑨ 瑣
瑏

球范围具有很高的影响力； 备更高的影响力。 但学者在研究 Twitter 网络的群体
第三，Twitter 的数据获取方便，Twitter 是一个开放 极化时发现，极化观点可在短时间内发生，但过一个月
的公共讨论平台，根据其开放的 API，本研究能获得特 后会恢复正常，其原因在于，人们喜欢传播那些具有戏
瑤
瑏

定话题的全部数据。 剧性和流行性的观点。 因此，本研究把各用户之间的
（ 二） 样本选择 关注关系构成边（ edge） ，以此来构建邻接矩阵。公众
本研究采用数据挖掘方法，通过 python 编程来获 不倾向于每天大幅度地改变其关注者和被关注者，因
取与“中 美 贸 易 战 ”话 题 相 关 的 所 有 数 据。英 文 是 此，用这种方式来分析 Twitter 社交网络的优势在于用
Twitter 上使用比例最高的语言。因此，设置的关键词 户网络相对稳定。
瑥
瑏


为“tradewar Chinese / chinese / china / China”，设 置 日 期 故本研究将 70 个 Twitter 账号作为 70 个节点，将

为“2018 年 2 月 1 日—2018 年 4 月 30 日”，得到全部 各用户之间的关注关系构成边，由此形成一个 70 * 70
推文（ tweet） 共 45188 条。以文本内容 （ text） 为基准， 的多值有向图。故本研究对于有向图的定义是关注关
除去无效或重复或转发之后，还剩原创推文 32547 条。 系。比如 A 关注了 B，我们记做 1，所以就形成一个从
研究指出，
原创被转发数和原创被评论数是衡量微 A 到 B 的边。反之，若 A 未关注 B，我们记做 0。
⑩
博用户传播力的重要指标。 因此，
本研究以原创转发数 本研究使用社会网络分析软件是 Ucinet 6． 199，将
和原创评论数作为推文影响力的指标，
以转发数* 0． 5 和 矩阵数据导入后，形成一个的 70 * 70 邻接矩阵，在此
评论数* 0． 5 之和进行降序排序，
选取不重复的前 100 个 基础上进行整体网络（ wholenetwork） 、个体网络（ ego －
并返回检查是否满足以下三个条件 ：
瑡
瑏

自媒体账号， network） 和凝聚子群（ cohesive subgroup） 等分析。本研
（ 1） 粉丝数量至少 10 万以上； 究还 使 用 了 Netdraw 2． 081 和 Pajek1． 26 软 件 进 行
（ 2） 在中美贸易争端议题上表现活跃，发表过一 分析。
定数量的相关推文，即在这 3 个月中至少发布了 5 条
相关推文； 三、研究结果
（ 3） 至少有 1 篇中美贸易争端相关推文被转发或 本研究通过社交网络分析的研究方法，对 Twitter
评论 100 次以上。 传播机制下中美贸易争端议题进行了整体网络分析、
最后得到了 70 个 Twitter 账号。 核心—边缘结构、个体网络分析和子群网络分析。
（ 三） 态度 / 身份分类 （ 一） 整体网络分析
本研究从态度和用户身份两个维度进行分类。 1． 传播网络联系较紧密，传播速度较快
态度层面，依据对待中美贸易争端的总体态度，样 网络密度（ density） ，测量的是各节点之间联系的
本可分为三大群体： 支持贸易战者，反对贸易战者和持 紧密程度以及信息交流的积极程度。网络密度等于该
中立态度者。 网络中各节点的实际连接数和完备图中的总连接数之
身份层面，根据 Twitter 账号下的自我描述可将用 比，其值介于 0 和 1 之间，越接近 1 则代表彼此间的关
户分为 两 类： 组 织 用 户 和 个 人 用 户。样 本 的 基 本 特 系越紧密。
征是： 本研究通过 Pajek 软件计算可知，70 个节点组成
（ 1） 组织用户 31 个，占 44% 。其中，媒体组织 26 的中美贸易争端 Twitter 信息传播网络图中，实际连接
个，占 37% ； 数为 690，即 690 对节点间存在关注与被关注关系。而
（ 2） 个人用户 39 个，占 56% 。其中，媒介从业者 完备图 中 节 点 对 总 数 为 4830，因 此 网 络 密 度 为 0．
12 个（ 17． 14% ） ，个人艺术家 10 个（ 14． 29% ） ，经济相 1429。这说明中美贸易争端 Twitter 传播网络联系较紧
现代传播 2019 年第 3 期（ 总第 272 期） 145
 新媒体研究 韩运荣 漆 雪： Twitter 涉华舆情极化现象研究

密，信息传播范围较广。 12． 5% ，这说明支持中美贸易争端的节点还未进入信

网络可达性方面，网络直径为 5【从“美国枪手” 息传播的中心。
（ American Gunslinger） 到“CNN 国际”】，平均距离为 2．
25。这意味着在该网络图中，每个节点最长通过 5 个 表1 中美贸易争端 Twitter 传播网络中核心
节点就能将信息传播到其他节点，且每个节点平均通 —边缘节点的态度倾向比例
过 2． 25 个点就能与其他节点进行信息交流。这说明 核心区域 边缘区域
信息在网络中依托节点的传播较为便利，速度较快。 态度 值 比例 态度 值 比例
此外，网络中节点的平均聚类系数为 0． 337，表示多数 中性 18 56． 3% 中性 18 47． 4%
节点之间信息的交流范围较宽。 支持 4 12． 5% 支持 11 28． 9%
综合分析，可 以 看 出，中 美 贸 易 争 端 信 息 Twitter 反对 10 31． 3% 反对 9 23． 7%
传播网络中的节点之间连接较为紧密、信息交流较为
普遍。
（ 二） 个体网络分析
2． 核心—边缘结构分析
个体网络分析主要从中心性 （ centrality） 入手，它
社会网络分析法从量化角度研究社会现象的核心 －
是社会网络分析的重点之一，它从“关系”的角度定量
边缘结构（ Core － periphery structure） ，它根据网络中节
研究了社会行动者之间实存或潜存的影响和支配的互
点之间联系紧密程度，将网络中的节点分为核心区域
动模式。中心性的常见分 析 指 标 有 度 中 心 性 （ point-
和边缘区域。
centrality） 、中 介 中 心 性 （ betweennesscentrality） 和 接 近
在中美贸易争端 Twitter 传播网络中，有 32 个节点
性中心性（ closenesscentrality） 。
处于核心位置，38 个节点处于边缘位置。通过 Ucinet
软件计算可知，核心成员之间的关系密度为 0． 585，边
表2 中美贸易争端 Twitter 传播网络的
缘成员之间的关系密度为 0． 195。边缘到核心的密度 中心性排序表（ 前 10 位）
为 0． 195，核心到边缘的密度为 0． 063。这从一定程度
上反映了中美贸易争端 Twitter 信息传播网络中存在
核心—边缘结构。
其中，核心区域中媒介组织 16 个，占比 50% 。媒
介从业者 6 个，占比 18． 75% ，艺术从业者 5 个，占比
15． 63% 。而政客 及 经 济 从 业 者 多 集 中 在 边 缘 区 域。
可以看出，与 TTIP 议题不同，中美贸易争端中传统媒
体组织十分活跃。
其中，位于核心网络的节点包括持中立意见的“美 注： 平均值为 70 个 TWITTEＲ 账号总的平均值。
联社”“纽约时报”等传统媒体组织，持支持意见的“比
尔·米切尔”（ Bill Mitchell） “泰勒·泽德”（ Tyler Zed） 1． 度中心性分析
等媒 介 及 艺 术 相 关 者，以 及 持 反 对 意 见 的“Ｒantt 度中心性指特定行动者与其他行动者发生关系的
Media”“环球时报”“人民日报”等； 位于边缘区域的则 能力。度中心性分为入度中心性和出度中心性两类。
有“居伊·费尔霍夫施塔特 （ Guy Verhofstadt） ”“克里 一般来说，行动者的入度中心性越高，表明其信息被其
斯·鲁”（ Chris Lu） 以及我国外宣媒体“新华社”“中国 他节点吸收的概率越大，而出度中心性较高则意味能
日报”等。 较多地接受来自其他行动者的信息。
3． 对贸易战持中立意见和反对态度者占据 中 心 （ 1） 媒介组织的入度中心性高，出度中心度低，传
位置 播能力及意愿更强
从态度层面对 核 心—边 缘 结 构 进 行 分 析 得 出 表 如表 2 所示，点入度中心性排名前 10 的行动者，
1。可以看出，核心区域里中立者占比最高，为 56． 3% 。 均为媒体组织。通过计算得出，全体媒体组织的入度
其次为反对者，占比 31． 3% ，这说明中美贸易争端的 中心性平均值为 13． 6236，远高于总体平均值 9． 8571。
Twitter 传播信息中，持中立意见和反对意见的舆论领 这说明媒介组织能向外传播大量信息。其中，节点“纽
袖占据了整个社会网络的中心位置，能更大范围传播 约时报”入度中心性最高，为 35。这意味着它能通过
自身意 见。而 支 持 者 在 核 心 区 域 的 占 比 较 小，仅 为 Twitter 将中美贸易争端相关信息传达到接近半数的其
146 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

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

反对者关注支持者 285 10 0． 0351 Trish Ｒegan 2 John Fugelsang 5 The Economist 14

反对者关注中立者 684 157 0． 2295 American Gunslinger 2 CGTN 5 Washington Post 14

Peter Schiff 2 China Xinhua News 4 ABC News 12

支持者关注反对者 285 5 0． 0175
Cah － Conservative 1 John Weaver 4 BBC News （ World） 11
支持者关注中立者 540 80 0． 1481
Tyler Zed 0 China Daily 3 Bloomberg 11
中立者关注反对者 285 56 0． 1965
Chris Ln 0 David Ｒothkopf 3 Financial Times 10
中立者关注支持者 540 37 0． 0685

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

（ 1） 支持贸易战的子群中存在唯一突出的舆论领袖 贸易争端 Twitter 传播网络的核心位置。支持者主要居于

从表 5 和表 6 可看出，
支持者子群中存在明显的舆论 边缘区域，
在核心区域的占比较小。但例外的是持支持意
领袖“比尔·米切尔”（ Bill Mitchell） ，他的入度中心性和 见的“比尔·米切尔”“泰勒·泽德”等媒介及艺术从业者
中介中心性都明显高于同群体中的其他节点。这和现实 占据了核心区域。
情况比较相符，
比尔·米切尔是 Pscp． Tv 的主持人，他自 这说明在中美贸易谈判前夕，对贸易争端持中立和
2016 年美国大选开始，
就一直不遗余力地支持特朗普，
不 反对意见的公众在 Twitter 整体网络中占主体地位，因此
断宣传特朗普对内对外政策。 能更大范围的传播自身意见； 而支持把贸易摩擦演变为贸
（ 2） 反对贸易争端的子群中不存在唯一突出的舆论 易战的多数公众仍是相关信息传播的边缘群体，
但不乏影
领袖。 响力大者居于核心位置。
反对者网中不存在唯一突出的节点，
“布瑞恩·克拉 （ 二） 子群网络分析结论
斯”（ Brian Klaas） 、
“约翰·弗格森”（ John Fugelsang） 、
“大 存在明显的按态度划分的小团体现象。
卫·罗斯科普夫”（ David Ｒothkopf） 、
“安迪· 斯拉维特” 1． 从群体内部结构来看。群体内部联系更紧密。三
（ Andy Slavitt） 、
“凯尔·格里芬”（ Kyle Griffin） 等人的中心 这说明群体内
个群体的平均路径都小于整体网平均路径，
性指标比较接近。这说明反对者网中各个节点对于信息 部信息传播速度快。其中，中立者和反对者群体密度更
的传播度和控制度都不高，
失去任意节点对传播路径和传 大，
内部联系比较紧密； 支持者群体密度较小，
内部成员之
播效率的影响不大。 间的交流较少。群体内部联系紧密是社交媒体回音室效
（ 3） 对贸易战持中立态度的子群中不存在明显的舆 应和网络群体极化的重要基础。
论领袖 2． 从群体互动的角度来看。支持者与反对者团体的
从表 5 和表 6 可看出，
入度中心性和中介中心性的排 互斥现象严重。支持者群体和反对者群体的连接密度极
名前 10 的节点重合度较低，
比如入度中心性排名第一的 小，
都拒绝与对方进行交流、
互动，
这说明二者互斥现象严
节点 CNN，
其中介中心性已经排在 10 名开外。这说明，
中 重。相比较而言，
支持贸易战群体更为封闭，
它与中立者
美贸易争端信息的 Twitter 传播网络中，
可传播范围的广 和反对者群体联系都不太紧密； 而反对者群体相对开放，
度与对信息的控制强度之间不存在直接联系，
即使某舆论 与中立者群体等联系较为紧密。
领袖能较多的向外传递信息，
也不能说明这个节点本身对 3． 中立者群体最为开放。中立者群体与支持、
反对群
资源较强的控制能力。因为中立意见者多为传统媒体组 因此，
体的主动及被动连接密度都较大， 极易与其他群体
织，
他们传播的都是事件的最新进展。 发生联系。他们多关注事实议题（ 如特朗普签署总统备
忘录，
中美两国公布征税商品清单） 。值得注意的是，
他们
四、
研究结论 较少对事件进行归因归咎的分析。可以看出，
中立者独特
本研究通过社交网络分析的研究方法，探寻涉华舆 的“桥梁”作用，
对涉华舆情的引导具有重要意义。
情的极化现象及其社交网络结构、影响力和信息传播行 （ 三） 个体网络分析结论
为。主要发现： 尚无全局性的信息控制者，但媒介及艺术相关者的
（ 一） 整体网络分析 意见控制显著。
在中美贸易战正式打响之前，两国贸易争端的信息 1． 媒介组织是中美贸易争端 Twitter 信息的主要传播
在 Twitter 上形成了紧密相连的传播网络，
因此，
传播速度 者，
但对信息的控制力弱
较快。 值得警惕的是，传媒组织的社交账号虽然占据核心
1． 中美贸易争端 Twitter 信息传播网络中存在核心— 区，
并成为中美贸易争端 Twitter 信息的主要传播者，
但由
边缘结构 于其中介中心性较低，因此媒介组织对信息的控制力不
位于核心区域的节点包括持中立意见的“美联社” 强。纵观全网，
中介中心性整体较低，
尚无节点对整体网
“纽约时报”“华盛顿邮报”“BBC”等传统媒体组织，占据 络信息形成控制力。
了核心区域的半壁江山（ 50% ） 。 2． 媒介及艺术相关者能轻易接触和控制情绪性意见
就我国媒体而言，
持有反对立场的“环球时报”“人民 媒介及艺术工作者如詹妮弗·雅各布斯、肖恩·唐
日报”已进入核心网络； 而“新华社”“中国日报”尚在边缘 南和大卫·罗斯科普夫等人的出度中心性、
外接近中心性
网络。 和中介中心性三个指标都相对较高，
这说明他们能轻易接
2． 核心—边缘结构中的态度分布 触大量有关信息，
并且对信息拥有极强的控制力，
而他们
持中立意见和反对意见的舆论领袖占据了整个中美 多以情绪性意见传播为主。一定程度上，
这说明了社交网
现代传播 2019 年第 3 期（ 总第 272 期） 149
 新媒体研究 韩运荣 漆 雪： Twitter 涉华舆情极化现象研究

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】

150 现代传播 2019 年第 3 期（ 总第 272 期）