社交媒體地理偏好的傳播機(jī)制實(shí)證研究*
——以新浪微博2009-2014年水災(zāi)傳播為例

■ 曾國華 劉新傳 崔嘯行

一、數(shù)字鴻溝、地理偏好與災(zāi)害傳播

對于“數(shù)字鴻溝”(即數(shù)字技術(shù)在接受、應(yīng)用上的社會階層分化問題)的討論,學(xué)術(shù)界早已走出“擁有”或者“沒有”的二分,而深入到更加深廣的層次。Colin Sparks(2013)總結(jié)了“數(shù)字鴻溝”研究的三種學(xué)術(shù)“傳統(tǒng)”:“物理接入問題”“充分利用(數(shù)字)技術(shù)所必需的文化能力和技巧(competences and skills)”,以及“社會和文化因素如何在被采用的這些技術(shù)應(yīng)用中起到?jīng)Q定性作用”。①其中,盡管信息通信技術(shù)在很多國家(包括一些發(fā)展中國家)日益普及,但“物理接入問題”即一般所說的“接入溝”問題仍然在美國、加拿大等發(fā)達(dá)國家存在②,然而學(xué)界對于單純的對接入問題的關(guān)注度的確已經(jīng)在下降(或者轉(zhuǎn)入到第三種傳統(tǒng)之中)。對“數(shù)字鴻溝”的相關(guān)研究,學(xué)界主要關(guān)注點(diǎn)是對第二種傳統(tǒng)“媒介素養(yǎng)”(digital literacy)的研究,即研究與互聯(lián)網(wǎng)和數(shù)字媒介應(yīng)用相關(guān)的技能和技巧,以及這些技能的發(fā)展如何與社會鴻溝相關(guān)聯(lián)。其中研究得最多的是能力和技巧在何種程度上深化(或者縮減)經(jīng)典社會學(xué)意義上的群體(比如階層)分化,從而與第三種學(xué)術(shù)傳統(tǒng)相關(guān)聯(lián)。

本研究與上述第三種傳統(tǒng)密切相關(guān),該取向的研究,在很大程度上采用了新韋伯主義的社會階層定義,相對深入地分析了性別、教育、職業(yè)、收入、種族、民族等社會要素如何影響了社會群體在社交媒體使用上的分化和差異。例如,Alexander JAM van Deursen和Jan AGM van Dijk(2014)考察了人口學(xué)變量(性別、年齡、教育等)與互聯(lián)網(wǎng)使用的總量和種類(信息、新聞、個人發(fā)展、社會交往、休閑、商務(wù)交易和游戲等等)之間的關(guān)聯(lián),同時提出:當(dāng)互聯(lián)網(wǎng)變得越來越成熟,互聯(lián)網(wǎng)的使用會越來越反映存在于實(shí)體世界的社會、經(jīng)濟(jì)和文化關(guān)系,包括不平等。③周葆華(2011)發(fā)現(xiàn),使用互聯(lián)網(wǎng)和手機(jī)以及對于數(shù)字媒體的使用模式會影響到個體對自己社會地位的認(rèn)知,這種現(xiàn)象“不僅僅是社會分層的結(jié)果”,也包含“影響個體的主觀社會地位來再生產(chǎn)階層結(jié)構(gòu)的能力”。④

盡管關(guān)于數(shù)字媒介素養(yǎng)和數(shù)字技術(shù)使用的社會分層研究,在很大程度上拓寬了數(shù)字鴻溝研究的深度和廣度,但是數(shù)字鴻溝如何影響災(zāi)害傳播的研究極少。在微觀層面,當(dāng)人們在災(zāi)害發(fā)生期間利用多種信息獲得幫助,媒介素養(yǎng)是至關(guān)重要的——“在災(zāi)害期間,用戶們會以(社交網(wǎng)站等數(shù)字媒介的)設(shè)計者們從未設(shè)想過的方式來創(chuàng)建(溝通的)空間”⑤,同時無法使用數(shù)字媒體的弱勢群體將處于相對不利的地位。在組織或宏觀層面(如政府、大眾媒體),人們也可以預(yù)見有一些社會群體會被有意無意地忽視了。比照一般性的數(shù)字鴻溝的研究,災(zāi)害傳播的研究比例很低,而更低的是對推動社會分化、數(shù)字鴻溝的產(chǎn)生和再生產(chǎn)背后的復(fù)合社會機(jī)制(social institutions and mechanisms)及其如何影響災(zāi)害傳播進(jìn)行深入的研究。

作為進(jìn)一步深化數(shù)字鴻溝對于災(zāi)害傳播的探索,本文試圖討論數(shù)字媒體的用戶基于社交媒體的使用習(xí)慣模式如何與現(xiàn)存的社會分化機(jī)制相關(guān)聯(lián),以及這種關(guān)聯(lián)如何影響了災(zāi)害傳播。本文集中關(guān)注一種普遍存在但是相對較少研究的社會分化機(jī)制——地理偏好:基于社會、經(jīng)濟(jì)和文化等因素而導(dǎo)致的地理分化以及這種分化在數(shù)字媒體使用者的主體意識上進(jìn)行投射而產(chǎn)生的地理偏好,對社交媒體上災(zāi)害信息的選擇性報道和傳播具有重大影響。地理偏好在很大程度上是地理區(qū)域差異和社會發(fā)展不平衡的結(jié)果,同時,這種偏好經(jīng)常與基于社會、經(jīng)濟(jì)、文化、種族、政治和歷史糾葛的各種偏見、刻板印象、歧視等等結(jié)合在一起,并使得“地理偏好”變成一個非常常見、影響廣泛但是復(fù)雜而難以細(xì)致梳理的問題。

筆者認(rèn)為,對災(zāi)難傳播狀況與地理位置之間的相關(guān)性研究,是揭示復(fù)雜的地理偏好在社交媒體上所產(chǎn)生的社會分化效應(yīng)的獨(dú)特視角:一般認(rèn)為,除了少數(shù)具有政治性、文化性等特殊要素的案例,大多數(shù)災(zāi)難事件的社會關(guān)注程度(即非個體意義而是社會廣泛的關(guān)注)與災(zāi)害事件的生命逝去、經(jīng)濟(jì)損失程度直接而且緊密相關(guān)；⑥如果數(shù)據(jù)分析顯示地理偏好因素在日常的社交媒體傳播中的影響要大于生命和經(jīng)濟(jì)損失的影響,可在邏輯上揭示地理偏好對于災(zāi)害傳播以及社交媒體上的日常公眾溝通的重要影響以及社會分化效應(yīng)。

基于以上邏輯,筆者提出本文的基本假設(shè):地理偏好的傳播機(jī)制對社交媒體的災(zāi)害傳播有很強(qiáng)的影響,從而在一定程度上將社交媒體演變成一種新的社會分化機(jī)制。因此,本文試圖探討以下三個核心研究問題:

R1:地理位置/區(qū)域的偏好是否會對社交媒體災(zāi)害傳播產(chǎn)生影響？

R2:如果R1成立,何種地理位置/區(qū)域享有更多的優(yōu)勢,以及何種地理位置/區(qū)域被相對忽視？

R3:這種機(jī)制對于災(zāi)害傳播來說具有何種意義,將帶來何種挑戰(zhàn)？

二、研究方法和數(shù)據(jù)搜集

本文采用數(shù)據(jù)挖掘和人工內(nèi)容分析相結(jié)合的方法,探索新浪微博災(zāi)害傳播的地理偏好機(jī)制。由于本研究目的在于探究社交媒體用戶對常規(guī)災(zāi)害傳播的地理偏好機(jī)制,因此,我們在研究中特別排除了以下三種非常規(guī)的災(zāi)害情況:1)巨災(zāi),如大地震、海嘯和超級臺風(fēng),因?yàn)榇祟愔卮鬄?zāi)害一般情況下都會成為國內(nèi)、國際的關(guān)注熱點(diǎn)；2)區(qū)域性、非傷亡性災(zāi)害,如湖泊藍(lán)藻災(zāi)害、果樹蟲災(zāi)等,此類災(zāi)害具有強(qiáng)烈的區(qū)域性特征,對區(qū)域外的人群影響較小,除非受特定因素激發(fā),在一般情況下獲得的區(qū)域外廣泛關(guān)注的可能性也相對較??；3)長期且漸進(jìn)性的災(zāi)害,如地下水資源枯竭,此類災(zāi)害持續(xù)時間長,其傳播受偶然因素影響明顯?；谝陨峡紤],本研究聚焦于常規(guī)的、非特定區(qū)域、突發(fā)性的災(zāi)害傳播。暴雨、洪水是中國最常見的災(zāi)害類型之一,在中國絕大多省市區(qū)域都經(jīng)常發(fā)生并造成一定的經(jīng)濟(jì)和人員損失。因此,以水災(zāi)為例來展開新浪微博的災(zāi)害傳播的地理偏好研究,具有典型性、適用性和合理性。

本研究收集和分析了193個新浪微博認(rèn)證賬號自2009年9月至2014年4月間所有微博信息。選取193個賬號進(jìn)行研究主要有兩個原因:其一,新浪微博在2009-2014年間存在著顯著的“大V現(xiàn)象”⑦,以及大V(在2013年新浪微博高峰期通常有1000萬以上粉絲)、“中V”(10萬粉絲以上)、“小V”用戶(數(shù)千粉絲以上)通過密切的互動關(guān)系所形成的微博傳播生態(tài)。這種以“大V”為核心的傳播生態(tài)對于數(shù)量巨大的普通用戶存在顯著的影響。其二,從2012年6月2013年6月,本研究先進(jìn)行了前期探測性研究,初步分析了1000位最具影響力的新浪微博用戶發(fā)布信息,根據(jù)用戶的活躍程度(日均微博發(fā)表數(shù)量在10條以上)、粉絲數(shù)量(1萬以上)以及他們對公共議題的關(guān)注程度,本研究小組選定了172個個人用戶和21個機(jī)構(gòu)用戶作為主要研究對象,這些用戶都積極參與對各種社會熱點(diǎn)包括暴雨、洪水等災(zāi)害話題的討論、轉(zhuǎn)發(fā)、關(guān)注。因此,他們自身的原創(chuàng)微博和對他人微博的轉(zhuǎn)發(fā)涵蓋了新浪微博上的大部分最熱門話題,其中也包括影響百姓日常生活的暴雨洪水災(zāi)害的議題。他們對洪水議題的關(guān)注狀況也在很大程度上能夠代表2009-2014年間新浪微博對于洪水問題的關(guān)注狀況。

數(shù)據(jù)的獲取、處理和分析具體步驟如下:第一,在2013-2014年,研究小組利用數(shù)據(jù)挖掘獲取了所選定的193個用戶自注冊以來的所有微博,共計240萬條微博信息條目的數(shù)據(jù)；第二,通過應(yīng)用程序?qū)?40萬條微博進(jìn)行篩選,最后選出12304條涉及到各種暴雨、洪水案例的微博,包括案例描述型微博、評論型微博和信息補(bǔ)充型微博；第三,在此基礎(chǔ)上,進(jìn)一步使用應(yīng)用程序?qū)@些微博進(jìn)行全面篩選、識別和自動聚類編碼,篩選出625條在2009-2014年發(fā)生過且與暴雨洪水案例有直接相關(guān)的微博信息；第四,對所選擇625條微博進(jìn)行人工編碼,依據(jù)經(jīng)濟(jì)損失較大、人員傷亡(事件在微博發(fā)布和轉(zhuǎn)發(fā)期間死亡人數(shù)在1人以上)原則,共識別出126個水災(zāi)案例；最后,通過SPSS分析軟件對這個126個洪水案例進(jìn)行統(tǒng)計分析,著重關(guān)注所選的193個微博用戶如何在微博上報道、轉(zhuǎn)發(fā)和評論這些案例,以及這些案例在他們的粉絲群體里面獲得的轉(zhuǎn)發(fā)、評論與回應(yīng)。

三、分析與結(jié)果

本研究針對水災(zāi)案例通過發(fā)帖、轉(zhuǎn)發(fā)、評論狀況著重進(jìn)行分析。從整體上看,這是衡量一個事件是否得到新浪微博用戶關(guān)注的重要變量(即這些變量的數(shù)值與新浪微博用戶關(guān)注度成正比)。本研究首先建立了126個水災(zāi)案例的基本數(shù)值的統(tǒng)計表(表1),對每個洪水災(zāi)害微博傳播過程中死亡人數(shù)統(tǒng)計(按照實(shí)時報道原則、微博發(fā)帖時間表明的死亡人數(shù)進(jìn)行統(tǒng)計),以及每個案例所有微博的累計轉(zhuǎn)發(fā)數(shù)、評論數(shù),進(jìn)行第一步的統(tǒng)計分析。從數(shù)值可以看出,最高和最低轉(zhuǎn)發(fā)數(shù)、最高和最低評論數(shù)存在巨大的落差,需要進(jìn)一步分析案例中影響差異的因素。

表1 126個水災(zāi)案例關(guān)鍵數(shù)值統(tǒng)計表

注:*在121個水災(zāi)關(guān)鍵數(shù)值統(tǒng)計中,其中9個案例因?yàn)樗劳鋈藬?shù)不明(前后報道有重大差異,而且后續(xù)報道對死亡人數(shù)進(jìn)行了零損失澄清)而做了缺省處理,故N=117。

在檢驗(yàn)地理位置因素是否影響微博轉(zhuǎn)發(fā)和評論量之前,本文首先探討是否轉(zhuǎn)發(fā)數(shù)量和評論數(shù)量與人員損失大小情況相關(guān)。從表2可以看出,洪水案例的轉(zhuǎn)發(fā)量和評論量呈現(xiàn)顯著正相關(guān)(0.849,p<0.01),但死亡人數(shù)與轉(zhuǎn)發(fā)量、評論量并無顯著相關(guān)性。例如第106號案例“湖北咸寧20110620”,即2011年6月發(fā)生在湖北咸寧縣的洪水災(zāi)害,盡管導(dǎo)致了23人喪生(在中國分級體系里屬于“重大”突發(fā)公共事件),但在193個認(rèn)證微博用戶中(每個用戶賬號都有超過1萬名粉絲,而且每個用戶都會深度參與公共話題和討論)只有一個賬號發(fā)布過1條相關(guān)的微博,并且只收到一次轉(zhuǎn)發(fā)和0次評論。但是同期在廣州、江浙地區(qū)發(fā)生的多起水災(zāi)案例,生命損失數(shù)量低于3人(在中國分級體系里屬于“一般”突發(fā)公共事件),卻在微博上引起數(shù)量較高的轉(zhuǎn)發(fā)和評論(超過138次,高于中值)。

表2 洪水災(zāi)害案例微博統(tǒng)計分析數(shù)據(jù)(r檢驗(yàn))

注:** p<0.01.

其次,鑒于對于洪水災(zāi)害事件的關(guān)注與該事件的死亡人數(shù)并無顯著相關(guān)性(表2),因此,將進(jìn)一步探討水災(zāi)案例的傳播量(轉(zhuǎn)發(fā)數(shù)和評論數(shù))是否與災(zāi)害發(fā)生的地理位置及其經(jīng)濟(jì)發(fā)展程度存在相關(guān)性(水災(zāi)案例的經(jīng)濟(jì)損失與微博關(guān)注度之間的相關(guān)內(nèi)容將在后面進(jìn)行討論)。根據(jù)中國經(jīng)濟(jì)發(fā)展的區(qū)域特征,本研究分為四類區(qū)域(表3),即發(fā)達(dá)沿海地區(qū)(北京、天津、上海、山東、浙江、江蘇、廣東、福建、香港、澳門和臺灣),中等地區(qū)東北(遼寧、吉林、黑龍江)和華中地區(qū)(山西、河北、河南、湖北、湖南、江西、安徽)和經(jīng)濟(jì)欠發(fā)達(dá)的中國西部地區(qū)(重慶、四川、貴州、云南、廣西、陜西、甘肅、青海、寧夏、西藏、新疆和內(nèi)蒙古)。

表3 水災(zāi)案例的經(jīng)濟(jì)區(qū)域分布

表4 水災(zāi)案例城鄉(xiāng)分布

通過LSD測試檢測地理位置與洪水災(zāi)轉(zhuǎn)發(fā)量、評論量的關(guān)系。表5是基于經(jīng)濟(jì)發(fā)展程度區(qū)分的結(jié)果,表明發(fā)生在發(fā)達(dá)沿海地區(qū)的案例,其轉(zhuǎn)發(fā)和評論量都顯著地高于中部和西部(轉(zhuǎn)發(fā)數(shù)LSD測試結(jié)果分別為595.401,p<0.05;595.458,p<0.05；評論數(shù)LSD測試結(jié)果分別為160.354,p<0.05；154.298,p<0.05)。但分析結(jié)果也顯示了在發(fā)達(dá)沿海地區(qū)和中國東北之間并無顯著性差異(轉(zhuǎn)發(fā)數(shù)LSD測試結(jié)果為542.703,p>0.05；評論數(shù)為145.737,p>0.05)。另一個顯著結(jié)果是生活在我國西部洪水災(zāi)區(qū)在新浪微博上的關(guān)注較少,盡管這個區(qū)域的洪水案例數(shù)量最多(見表3),人員傷亡也最大(見表5“死亡人數(shù)”部分)。此分析結(jié)果表明,對于新浪微博用戶來說,地理位置是比死亡人數(shù)更重要的考慮因素。在關(guān)注度上,沿海發(fā)達(dá)地區(qū)第一優(yōu)先,較發(fā)達(dá)的中部地區(qū)第二,而欠發(fā)達(dá)的西部地區(qū),雖然在水災(zāi)中遭受最大的生命損失,卻排在最后。

表5 水災(zāi)案例傳播與經(jīng)濟(jì)地理區(qū)域的相關(guān)性

(續(xù)表)

***,P<0.05.

表6 水災(zāi)案例傳播與城鄉(xiāng)區(qū)域的相關(guān)性

(續(xù)表)

****.P<0.05.

第三,重點(diǎn)分析洪水災(zāi)害信息的傳播狀況與地理位置中城鄉(xiāng)差別的關(guān)系。表6即基于城鄉(xiāng)地理位置差異而進(jìn)行的LSD測試的結(jié)果。分析結(jié)果顯示:雖然小城鎮(zhèn)的水災(zāi)頻次最高(表4),但是大城市水災(zāi)案例的轉(zhuǎn)發(fā)量和評論量比小城鎮(zhèn)要高得多(轉(zhuǎn)發(fā)數(shù)和評論數(shù)的LSD測試結(jié)果分別為601.881,P<0.05;138.062,P<0.05)；而鄉(xiāng)村地區(qū),雖然沒有被優(yōu)先考慮,但數(shù)據(jù)顯示其轉(zhuǎn)發(fā)量和評論量的情況比小城鎮(zhèn)要高,至少沒有被選擇性忽視。這些結(jié)果再次驗(yàn)證我們的假說,即地理偏好是重要的關(guān)注點(diǎn):在洪水災(zāi)害的問題上新浪微博用戶發(fā)布消息和評論的關(guān)注點(diǎn)集中于一些主要城市,但是和當(dāng)下普遍認(rèn)為的情況不同,農(nóng)村不是最易被忽視的群體,而是水災(zāi)狀況最嚴(yán)重、同時正處于極速發(fā)展中的小城鎮(zhèn)成為最被忽視的地理位置。

因此,表5和表6中的分析及回答了R1和R2的問題。地理位置會顯著影響微博上洪水災(zāi)害信息傳播的情況。沿海發(fā)達(dá)地區(qū)和大城市被首先考慮并且有著最高的關(guān)注度,而西部、中部地區(qū)、小城市和城鎮(zhèn)則被選擇性地忽略,盡管中國西部地區(qū)和小城鎮(zhèn)的死亡人數(shù)是最顯著的(參看表5和表6“死亡人數(shù)”部分)。同時,從表5和表6中的結(jié)果可進(jìn)一步推斷:經(jīng)濟(jì)損失可能同樣無法對地理偏好這一現(xiàn)象進(jìn)行解釋。雖然洪水災(zāi)害在沿海發(fā)達(dá)地區(qū)和大城市可能會比在欠發(fā)達(dá)地區(qū)和小城鎮(zhèn)造成的經(jīng)濟(jì)損失大,這可以部分解釋為什么沿海發(fā)達(dá)地區(qū)和大城市的水災(zāi)案例比那些在欠發(fā)達(dá)地區(qū)和小城鎮(zhèn)發(fā)生的水災(zāi)案例受到的關(guān)注要多,但是這很難解釋為什么中國東北地區(qū)和農(nóng)村的地方經(jīng)濟(jì)損失明顯不一定比中國中部地區(qū)和小城鎮(zhèn)要更大,但是卻沒被選擇性地忽略。

四、結(jié)論與討論

雖然社交媒體在災(zāi)害傳播中扮演日益重要的角色,但它們也反映和體現(xiàn)出“現(xiàn)存社會中經(jīng)濟(jì)與文化聯(lián)系的不平等性”。⑧本研究以實(shí)證的方式,討論了地理偏好機(jī)制如何影響新浪微博上關(guān)于洪水案例的傳播現(xiàn)象。數(shù)據(jù)分析證實(shí)了我們的命題,即在關(guān)于水災(zāi)案例的傳播中,地域偏好是新浪微博用戶決定傳播什么的重要優(yōu)先考慮因素。首先,本文的數(shù)據(jù)分析結(jié)果直接發(fā)現(xiàn),災(zāi)難的生命損失嚴(yán)重程度并不是影響一般性災(zāi)難的公眾溝通的最重要影響要素,雖然西部地區(qū)在水災(zāi)中遭受了最大的人員損失,但是受到的關(guān)注卻最低。其次,根據(jù)本文數(shù)據(jù)分析結(jié)果進(jìn)行推論,可以發(fā)現(xiàn)經(jīng)濟(jì)損失的嚴(yán)重程度也不是影響一般性災(zāi)難的重要影響要素。這個發(fā)現(xiàn)及其推論對災(zāi)難傳播的傳統(tǒng)成見構(gòu)成了沖擊,傳統(tǒng)觀點(diǎn)認(rèn)為大多數(shù)災(zāi)難事件的社會關(guān)注度與災(zāi)難事件的生命損失數(shù)量、經(jīng)濟(jì)損失程度緊密相關(guān)。最后,本文的分析結(jié)果也對一般理解上的地理偏好構(gòu)成了挑戰(zhàn)。一般認(rèn)為,經(jīng)濟(jì)發(fā)達(dá)地區(qū)以及大城市受到的關(guān)注會顯著高于其他地區(qū)和中小城市、城鎮(zhèn)與農(nóng)村地區(qū)；相對來說,農(nóng)村由于經(jīng)濟(jì)發(fā)展程度以及人口密度原因,受到關(guān)注應(yīng)該最低。然而,本研究發(fā)現(xiàn),農(nóng)村的受關(guān)注程度并非最低,最低的是當(dāng)下正在極速發(fā)展的、以縣城和鄉(xiāng)鎮(zhèn)為主的小城鎮(zhèn),雖然這些小城鎮(zhèn)的水災(zāi)數(shù)量最高。

地理偏好對新浪微博影響重于經(jīng)濟(jì)的損失和人員傷亡的數(shù)據(jù)表明,社交媒體并不會“公平”地介入每一起災(zāi)害傳播。曼紐爾·卡斯特爾(Manuel Castells)曾經(jīng)這樣描述社會網(wǎng)絡(luò)中各個節(jié)點(diǎn)之間的距離:“已知的某個點(diǎn)或位置(物理、社會、經(jīng)濟(jì)、政治、文化)與另外一個點(diǎn)或位置的距離,在零(對同一網(wǎng)絡(luò)的任何節(jié)點(diǎn))和無限遠(yuǎn)(對網(wǎng)絡(luò)外的任何節(jié)點(diǎn))之間變化”。⑨在本研究所討論水災(zāi)傳播案例中,地理偏好機(jī)制部分充當(dāng)了進(jìn)行“節(jié)點(diǎn)距離”設(shè)定的機(jī)制:一旦災(zāi)害發(fā)生在使用者的地理偏好的范圍之外,那么關(guān)于這個災(zāi)害案例對于這個使用者來說就是發(fā)生在距離無限遠(yuǎn)的地點(diǎn),這個災(zāi)害案例的信息就會被排除在使用者的網(wǎng)絡(luò)之外。因此,本研究的發(fā)現(xiàn)強(qiáng)調(diào)災(zāi)害管理的相關(guān)工作者、組織者、政策制定者以及各類建制性媒體和自媒體需要重視包括心理偏好機(jī)制在內(nèi)的文化和社會心理機(jī)制在災(zāi)害傳播方面的影響。面對輿論再中心化和社交網(wǎng)絡(luò)高緊密度的傳播平臺⑩,尤其涉及災(zāi)害傳播議題的公共利益訴求時,傳播者需要認(rèn)識到只有通過一定的傳播策略解決地理偏好機(jī)制的障礙,此類信息和議題才能得到公眾有效的關(guān)注與傳播,回應(yīng)R3的問題。這對于相對欠發(fā)達(dá)的西部地區(qū)以及當(dāng)下正在極速發(fā)展、水災(zāi)數(shù)量卻最多的小城鎮(zhèn)而言尤其重要。

但是,新浪微博為何會形成強(qiáng)烈的地理偏好機(jī)制,以及此機(jī)制對于災(zāi)害傳播相關(guān)的影響,目前還有待進(jìn)一步研究。本研究并不能推斷在新浪微博上所發(fā)現(xiàn)這種地理偏好機(jī)制是否在其他輿論集中度相對較小的社交媒體平臺上(例如早期的微信和“臉書”)也表現(xiàn)顯著。本研究無意放大研究發(fā)現(xiàn)的理論和實(shí)踐適應(yīng)性,也絕不否認(rèn)社交媒體在災(zāi)害傳播上(例如災(zāi)害預(yù)防、災(zāi)害信息分享以及災(zāi)害救援等)有很多非常有效的積極應(yīng)用。但是,本研究的發(fā)現(xiàn)促使需要開展更多的研究,去探索地理偏好機(jī)制以及相關(guān)文化和社會心理機(jī)制,是否會推動網(wǎng)絡(luò)空間內(nèi)的不平等現(xiàn)象的出現(xiàn),是否會強(qiáng)化實(shí)體社會中的不平等現(xiàn)象和社會分化在社交平臺和網(wǎng)絡(luò)空間內(nèi)的投射,以及包括心理偏好機(jī)制在內(nèi)的文化和社會心理機(jī)制在不同的社會、不同的人口地理背景的國家里是否具有不同的表現(xiàn)方式。

注釋:

① Sparks C.(2013)Whatisthe“DigitalDivide”andWhyIsItImportant. Javnost:The Public,20(2):27-46.p.30.

② 參見Schradie J.(2011)TheDigitalProductionGap:TheDigitalDivideandWeb2.0Collide. Poetics.39(2):pp.145-168;Michael Haight,Anabel Quan-Haase & Bradley A Corbett(2014)RevisitingtheDigitalDivideinCanada:theImpactofDemographicFactorsonAccesstotheInternet,LevelofOnlineActivity,andSocialNetworkingSiteUsage. Information,Communication & Society,17(4):pp.503-519.

③ Van Deursen A.J.and van Dijk J.(2014)TheDigitalDivideShiftstoDifferencesinUsage. New Media & Society.16(3):pp.507-526.

④ Zhou B.(2011)NewMediaUseandSubjectiveSocialStatus. Asian Journal of Communication.21(2):133-149.pp.146-167.

⑤ Potts L.(2014)SocialMediainDisasterResponse:HowExperienceArchitectsCanBuildforParticipation. New York,NY:Routledge.p.8.

⑥ 國務(wù)院和各級省市政府制定的《特別重大、重大突發(fā)公共事件分級標(biāo)準(zhǔn)》和《特別重大、重大突發(fā)公共事件應(yīng)急預(yù)案》,在涉及水、旱等氣象災(zāi)害的時候,基本都以人員損失、財產(chǎn)損失、災(zāi)難影響面積三個要素來分級和制定應(yīng)急預(yù)案。

⑦ 大V即經(jīng)過新浪微博官方認(rèn)證的、有巨大“粉絲”(關(guān)注者)數(shù)量的用戶賬號,大V現(xiàn)象即指這些有著龐大粉絲數(shù)量的用戶成為“網(wǎng)絡(luò)意見領(lǐng)袖”并具有強(qiáng)大的輿論影響力的現(xiàn)象。相關(guān)研究可以參見:于美娜,鐘新:《微博意見領(lǐng)袖的輿論影響力現(xiàn)狀及原因分析——以新浪微博環(huán)境傳播為例》,《現(xiàn)代傳播》,2015年第8期；靖鳴、王勇兵:《新浪大V傳播行為的變化與思考——以突發(fā)公共事件為例》,《現(xiàn)代傳播》,2016年第5期。

⑧ Van Deursen A.J.and van Dijk J.(2014)TheDigitalDivideShiftstoDifferencesinUsage. New Media & Society.16(3):pp.507-526,p.521.

⑨ Castells M.(2000)TheRiseoftheNetworkSociety:TheInformationAge:Economy,Society,and Culture(2nd ed.)New York,NY:Wiley-Blackwel.p.501.

⑩ 盧嘉、劉新傳、李伯亮:《社交媒體公共討論中理智與情感的傳播機(jī)制——基于新浪微博的實(shí)證研究》,《現(xiàn)代傳播》,2017年第2期。