本帖最后由 内容分析应用 于 2020-8-21 10:02 编辑

推文信息
原文:成俊会,李梅.全过程视角下基于扎根理论的微博舆情传播行为参与机制研究[J].情报杂志,2020,39(07):114-118.
微信推文:《全过程视角下基于扎根理论的微博舆情传播行为参与机制研究》

摘要
本文通过对微博的主要使用群体—年轻用户进行深度访谈以获得原始文本,运用扎根理论对原始文本进行概念和范畴的提炼,以构建全过程视角的微博舆情传播行为参与机制理论模型。

1 相关文献综述
微博舆情是网络舆情的一个子集,是指网民围绕着中介性社会事项通过微博所表达的情绪、态度和意见等的集合[2]。通过文献查阅发现,学术界对微博舆情传播机制的研究主要是在传播学领域所界定的传播行为框架下开展的,即在研究中重点考察信息发布者、信息媒介、信息接受者等模块对传播行为的影响机制。其研究文献大致可以分为三类,第一类是对舆情传播规律的探寻,这类研究常借助质性分析、社会网络分析、数据挖掘等方法,以探究对舆情传播规模起作用的影响因素类别[3,4];第二类常辅以问卷、实验等形式,使用回归方程、结构方程等方法,侧重考察各类别影响因素之间的作用关系及影响强度[5];第三类研究则由研究者依靠观察进而建立舆情传播行为的发生规则,使用仿真实验模拟传播行为的产生[6]。学界对于舆情传播机制的研究较为全面,为本文的研究提供了坚实的理论基础,但已有文献基本忽略了舆情传播前的关注行为,将研究重点更多地落在参与中的心理活动和影响因素上,而参与前的关注行为是舆情参与的重要前提,掌握关注行为规律可以更系统地跟踪舆情传播行为的生成;而对舆情传播行为的细分上,多数研究默认舆情传播行为即转发行为,也有部分研究将原创、转发和评论行为均视为传播看待,少量仅关注评论数据的研究侧重点主要集中在话题提取[7]与情感分析[8]上,因此,无法体现舆情传播细分行为的差异。此外,已有文献基本未有对用户参与舆情传播后行为变化的关注。在这种背景下,本文尝试对微博舆情传播行为的全过程参与机制做出一些贡献,采用基于深度访谈的扎根理论,探究微博用户在参与前的舆情信息关注、参与中的个体心理活动、参与形式的表现差异(发布、转发、评论、点赞)以及参与后的心理及行为变化的全过程参与机制,以更系统、更全面地揭示用户参与微博舆情传播的发生机制。

2 研究设计
2.1 研究方法
扎根理论是对已有资料自下而上进行分析以建构实质理论的一种实证研究方法,其重点在于对所获得的数据进行持续不断地分析和编码直至理论达到饱和[9,10],因其灵活性和开放性,扎根理论在许多领域都得到了广泛应用[11]。而深度访谈可以针对性地了解现实社会中的现象,生成大量的一手文本资料便于进行扎根分析[12]。因此,本研究借助扎根理论对个体参与舆情传播行为背后的机制与心理活动进行分析,以构建出反映现实的理论与模型。

2.2 数据收集
因已有研究未有特别适用的成熟量表,故而本研究采用深度访谈形式进行数据的收集。访谈提纲除基本信息外,主要包括:a.平时通过什么途径了解热点时事?选择这些渠道的原因是什么?b.平时倾向于关注哪些类型的事件信息?关注的原因是什么?c.会不会参与事件的传播呢?若会,参与的原因是什么?若不会,为什么不参与?d.一般是以什么方式参与?为什么选择这种方式参与?e.在参与传播的过程中,有没有什么顾虑?f.通过参与传播,你会获得什么?参与后有什么变化?g.你印象最深刻的参与过的舆情事件是什么?等核心问题。
据新浪微博数据中心(https://data.weibo.com/index)所发布的微博用户使用报告显示,18-30岁之间的用户占比高达75%。据此,本研究以18-30岁的用户作为目标群体进行深度访谈,为更客观地反映用户获取信息的方式与途径,在访谈之初未限定具体使用哪一平台的用户作为访谈对象。在访谈过程中,针对使用微博获取舆情信息的用户进行深度访谈,对于在访谈问题a中未提及微博的被访者,则进一步询问其不使用原因,以辅助分析用户对信源平台的选择。访谈主要以“一对一”的形式进行,访谈时间大约在30-50分钟,研究者在访谈结束后24小时内将访谈录音转化为逐字稿以便后续分析。最终接受访谈的70位被访者中男性32人,女性38人;受教育水平涵盖高中(1人)、大专(2人)本科(52人)、硕士(14人)、博士(1人)。其中有58位被访者(男性23人,女性35人)表示主要通过微博获取舆情信息,使用率达82.9%。剩余12位被访者则表示由于微博的网络风气不佳、监管不力、舆论导向性强、有更偏好的平台以及自身使用习惯等原因不使用微博获取舆情信息。

2.3 数据分析
本文以58位使用微博获取舆情信息的被访者的访谈数据开展建模研究,随机选择其中47份访谈内容进行初期模型构建,剩余11份访谈内容用于理论饱和度检验。在扎根分析的过程中,研究者对获得的文本数据进行持续不断地分析和编码,具体包括开放式编码、主轴编码和选择性编码[13]。
2.3.1 开放式编码与主轴编码
开放式编码是指研究者对原始数据进行重要概念或现象的提取,并在此基础上提炼出类似概念从属的范畴[14]。主轴编码的目的在于找到各个范畴间的逻辑关联,是将开放式编码所获得的各个独立分散的范畴据其内在联系进一步深化和整合以归纳形成主范畴的过程[15]。因此,这两个步骤可同时进行。本研究对所获得的47份访谈内容进行开放式编码和主轴编码,最终共获得390个初始概念,43个子范畴和11个副范畴。具体结果见表1。
表1 开放式编码和主轴编码结果
微信图片_20200821095724.png



2.3.2 选择性编码
选择性编码是在主轴编码的基础上进一步发现各个范畴之间的逻辑关联以形成主范畴,并呈现所研究行为生成机制的核心影响关系进而构建理论模型。本研究依托“刺激-反应”理论[16],进一步扩展了对“刺激”的选择性关注行为和“反应”后的影响,并对“刺激”和“反应”之间的心理活动进行探索。研究发现,个体基于事件关注驱动选择性关注了相应的舆情事件与相关信息;在接受以上“舆情刺激”后,个体产生了初级认知下的舆情体验,根据所选择事件的关注动机,舆情体验可分为利益相关、情感共鸣、价值共振、兴趣唤起四个维度,当体验达到一定程度时,会激活与之相对应的利益维护、情感表达、意义保持、兴趣发展舆情参与动机,在动机作用下,个体表现出较强的参与意愿,然而,个体的风险感知、平台使用消极体验及对参与行为的低价值评估共同构成了行为阻力,而其能够负向作用于参与意愿;在强烈的参与意愿下,网民依照自我行为偏好,做出评论、转发、原创发布、点赞等舆情传播行为“反应”;参与后的影响表现出终止后续、更加谨慎、消极应对、无影响四种类型;而个体特征主要包括个人性格、价值观念和行为习惯三个方面,拥有不同个体特征的网民在关注阶段、接受刺激后的心理活动、个体参与舆情传播的行为方式、参与后的行为变化等过程中呈现出不同的行为表现,如网民的行为习惯是只喜欢浏览信息,则其舆情参与行为在关注阶段就会结束,而对于习惯于使用微博平台发表自我观点的用户,则会表现出更深入的舆情参与行为,因此,本文推断个体特征对以上过程具有调节作用;综上,本文所构建的模型如图1所示。

2.3.3 理论饱和度检验
在扎根理论的研究中,为保证研究的可信度通常需要进行理论饱和度检验[17]。本研究对剩余11份访谈数据按照扎根理论的步骤进行编码,基本未发现新的范畴和影响关系,因此,可认为本研究所获得的模型在理论上是饱和的。






















举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2020-8-21 10:02

内容分析应用 金牌会员 发表于 2020-8-21 10:02:15 | 显示全部楼层

3 微博舆情传播全过程参与行为生成机制模型阐释
个体对微博舆情事件的关注是其传播行为的起点,而用户所关注的舆情事件类型涵盖了政治、经济、文化、社会等多个方面。事实上,用户对热点时事和自我相关性事件均会保持较高的关注度,具体来讲,事件的热度、生活相关度、兴趣、敏感度和不确定性直接影响用户的关注程度。而驱动个体产生舆情事件选择性关注行为的因素则存在较大差异,主要包括社交需求、兴趣与爱好、好奇、娱乐与放松、价值驱动、发展需要、利益感知和被动关注,其中源于兴趣与爱好、价值驱动、发展需要、利益感知较近的事件的关注行为较为持久且深入,而由社交需求、好奇、被动推送和利益感知较远的事件等所引发的关注行为则较为短暂且粗浅,这一现象与文献[18]中所指出的经由好奇心和兴趣所引发的行为特征相一致。对于信源的关注则偏好源自官方账号、政府机关、事件旁观者、领域专家、名人和大V的信息。对于信息形式的关注,则更偏好于关注含视频或者图文结合的信息。在舆情的获取平台上也存在选择性关注,在访谈的过程中发现,不少的访谈者存在多平台信息获取行为,其中,微博是访谈者最为常用的平台,而选择微博作为信息获取平台则主要是受平台质量、使用价值、平台功能和使用习惯多个因素的影响。
微信图片_20200821095703.jpg

图1 微博舆情传播全过程参与行为生成机制模型

心理活动是指个体在获取舆情信息后所产生的一系列活动,包括因外部刺激(即舆情事件和相关信息)直接引发的舆情体验、由舆情体验唤醒的参与动机、个体所产生的参与阻力及个体的参与意愿等活动。其中舆情体验包括对舆情事件与自身相关程度的评估所产生的利益相关性度量、个体所产生的积极或消极情绪(即情感共鸣)、与个体价值观念的共振体验,以及个体对自身兴趣的唤起。在以上舆情体验的直接作用下,个体唤醒与之相对应的利益维护、情感表达、意义维持和兴趣发展动机。在参与动机的作用下,个体产生较强的参与意愿,然而个体以往的平台消极使用体验、感知风险和对参与行为价值的负面评估可显著降低个体的参与意愿。尤其值得关注的是,感知风险不仅包括对自我行为产生负面后果的评估,更为突出的是引致网络暴力的可能性,可见,微博的网络暴力已成为较多受访者参与舆情传播的主要阻力之一。
舆情传播行为的参与形式主要包括评论行为、转发行为、发布行为和点赞行为。评论行为的驱动因素主要可以分为两类,一类驱动依赖于评论功能本身的特征,即评论功能使用方便、互动感强、可以与他人针对性地探讨问题;另一类驱动则源于个体赋予评论功能的系统型价值,既可以通过评论表达自己对微博内容的支持,亦可以发表自己反对的观点。评论行为的阻力则主要来源于个体对行为产生的顾虑和个体的行为习惯。倾向于评论的事件集中在利益相关、感兴趣、正能量或负能量事件上,而评论行为主要发生在个体较有感触时、与别人想法不同时、想要表示支持或反对观点时等场景中。转发行为的驱动也分为两类:其一,转发功能的本身特征,即转发方便、快捷和范围广;其二,个体赋予的系统型价值,主要集中在扩大传播范围、帮助身边的人、弘扬正能量等。而转发的阻力则主要是用户行为顾虑和行为习惯。用户倾向于转发积极的、正能量的、帮助他人的、与自己相关的事件,因此,转发行为常发生在积极、正能量有意义的情景中。发布行为产生的驱动因素主要是个体对该行为的价值赋予,主要包括个体的观点表达和增强舆论、传播正能量等方面。发布行为的倾向性事件主要集中在与个体存在强相关关系的事件上,其常常发生在曝光维权时、深有感触时、想要补充客观观点时等场景中。发布行为本身较为复杂,因此,功能特征成为发布阻力之一,另一阻力则是个体所产生的行为顾虑。点赞因其功能本身决定了该行为的发生场景基本为赞同、正能量、具有积极意义的情境,倾向于点赞的事件主要集中在重大新闻、鼓舞人心等事件上,其驱动主要源于帮助自己和他人、扩大传播范围等。点赞行为阻力主要是源于个体习惯、以及个体对点赞行为的低价值感知和低影响评估。
舆情传播参与后的变化在以往研究中常常被忽略,事实上,该变化可能会对未来的参与行为产生较为直接的影响。本研究发现舆情参与后的变化主要表现为终止后续、更加谨慎、消极应对和无影响四种类型。在访谈的过程中,一些访谈者表示不会多次参与同类型事件的舆情传播,部分原因在于用户的参与并未对舆情事件产生预期的影响,个体产生了消极的效能感反馈,另有访谈者表示出于好奇心参与舆情传播后不会再重复参与;再有访谈者表示会在未来的参与中会更加谨慎,这一变化可能是由于在参与传播的过程中造成了负面影响或是引发了争执;也有访谈者表示看过太多类似的事件后,已司空见惯,所引发的反应也没有之前强烈,进而产生消极应对;此外,还有访谈者表示没有产生什么变化,尤其是那些特别感兴趣的或者国家级的大事件。

4 结论与建议
本研究发现,在微博舆情传播行为的全过程参与机制中,信息获取阶段存在较多的选择性关注行为,包括舆情事件、信息和信源平台的选择性关注;在舆情事件和信息的刺激下,个体产生相应的舆情体验,进而唤醒相应的参与动机,参与动机与参与阻力共同作用于用户的参与意愿;在较强的参与意愿下,用户产生不同形式的参与行为;在参与传播后,用户后续行为可能发生变化;在参与系统中,由个体性格、价值观念和行为习惯组成的个体特征对平台的选择、舆情体验的产生、舆情传播的参与形式等具有调节作用。
在信息获取阶段,针对用户的选择性关注行为,微博平台可以结合用户常关注的舆情事件类别、信息形式等进行个性化推送以提升用户的使用体验及满意度;在用户的参与阶段,可以就用户的相应参与行为给予一定地鼓励以提高用户活跃度和忠诚度,并对积极正能量的参与行为予以更多曝光机会,对于暴力型参与行为,微博平台可借助自2020年3月1日起开始实行的《网络信息内容生态治理规定》,快速净化微博舆情的传播与讨论环境,为用户提供一条安全又有效的沟通途径;在用户的参与后阶段,根据用户之前的关注点及具体参与行为对舆情事件最新信息进行及时跟进推送,进而提高用户对参与后的效能反馈。
在参与舆情传播的具体行为表现上,转发和点赞主要是围绕正面的或积极的舆情事件,故而应尽可能促进正面舆情的转发和点赞。而评论与发布行为则更有可能针对负面的或消极的舆情事件产生,尤其在伴随强烈的负面情绪体验下,用户不可避免地会使用较多的发泄情绪型语言,因此,舆情监管的关键则是对评论行为与发布行为的有效管制,一方面,需要引导用户使用更加理性的语言表达观点;另一方面,需要关注微博空间的舆情负面情绪强度,在演变成群体性事件之前,及时对网民情绪进行回应,针对用户关注的利益点由事件相关主体、领域知名人物或官方微博及时公开地发布相应信息,以尽量减少网络暴力的滋生。
本研究所提出的微博舆情传播行为的全过程参与机制理论模型是基于对受教育程度较高的年轻群体深度访谈而构建的。因此,模型的适用性还需经过更多样本数据的检验,在今后的研究中可借助开发相应问卷的形式对理论模型中因素间的影响强度进行量化研究以检验模型的合理性。
举报 使用道具
您需要登录后才可以回帖 登录 | 立即注册

精彩推荐

  • Gephi社会网络分析-马蜂窝游记文本分词并同
  • Gephi社会网络分析-基于马蜂窝游记文本以词
  • 知乎话题文本根据词语间距筛选后生成共词矩
  • 马蜂窝游记文本分词后以词语间距为筛选条件
  • 学习使用apriori算法挖掘关联关系

热门用户

GMT+8, 2024-3-29 14:28