基于社會網絡分析的健康微博大V對話空間建構研究

佘惠靈

摘? 要? 文章以新浪微博平臺上健康類微博大V間的關注與被關注關系為研究對象，運用社會網絡分析法探索健康類微博大V的對話路徑結構。研究發(fā)現(xiàn)：健康類微博大V對話的空間具有中心化和多圈子的特征，呈現(xiàn)出以業(yè)緣為核心，以社會資本、影響力、所屬機構、所屬類型等多種因素相交織的差序格局。

關鍵詞? 健康傳播;社會網絡分析;對話空間

1? 研究緣起

近年來，在社交媒體的話語空間中，健康傳播的話語結構得到了重新整合。比如今年新冠肺炎防疫的信息傳播中，醫(yī)生、專家、醫(yī)院、媒體等都成為了接收與發(fā)送信息的傳播主體，以“自媒體+專業(yè)機構”的組合在健康信息傳播中發(fā)揮著越來越重要的作用，他們之間的網絡關系也反映了對話路徑結構。社會網絡分析法作為一個新的研究范式，適合于探索網絡平臺中的信息傳播，認識其中的關系數據和關系網絡，尋找起重要作用的關鍵影響者，從傳播主體的角度去解決健康傳播中存在的一些問題。本文關注的問題包括：微博健康類大V構成的網絡密度如何？哪些大V在其中是關鍵影響者？自媒體和專業(yè)機構在網絡中是否有不同的中心地位？兩者之間是否形成了不同的團體或派系？

2? 研究設計

2.1? 數據來源

微博平臺上的大V有紅V、黃V和藍V三種認證。在健康類博主中，紅V、黃V通常包括醫(yī)生、專家等傳播主體，藍V通常包括媒體、醫(yī)院、企業(yè)、政府部門等傳播主體。

在微博搜索欄中以“健康”為關鍵詞進行檢索，共獲取472名微博用戶信息。利用python對這些用戶的微博名和粉絲數等信息進行爬取，從粉絲數、活躍度、內容相關度三個方面進行篩選。剔除了活躍度不高及與健康傳播不相關的用戶后，最終確定了164個樣本。

2.2? 數據收集

本研究主要收集健康類微博大V間的關注與被關注關系，利用python對傳播節(jié)點間的關注關系進行爬取，在此基礎之上形成164×164的二值有向關系矩陣。矩陣中的行與列為具體的傳播節(jié)點，若兩者存在關注關系，則記為1，若不存在關注關系，則記為0。

2.3? 數據處理

本研究運用社會網絡分析法軟件Ucinet6導入關系矩陣，對各項網絡指標進行測量，包括網絡密度、中心度、凝聚子群，獲得相關數據，對微博大V對話路徑結構進行分析。

3? 數據結果

3.1? 密度分析

網絡密度描述了網絡中節(jié)點之間的整體關聯(lián)程度。利用Ucinet6對微博大V的社會網絡結構密度進行測量，可知該社會網整體網絡密度為0.075 3。在現(xiàn)實生活中，若網絡密度>0.05，則說明各節(jié)點之間總體關聯(lián)程度較高，互動密切。由此可知，在健康信息的傳播中，各大V之間關系較為緊密，體現(xiàn)了較強的傳播聯(lián)動性。

3.2? 中心性分析

1）直接的對話網絡：點度中心性。在本研究中，點度中心度衡量的是微博大V關注與被關注的程度，關注關系為點入度，被關注關系為點出度。由于被關注關系體現(xiàn)了對其他點的影響力及輸出消息，因此將點出度中心性作為主要指標進行分析。此外，為了方便從自媒體與專業(yè)機構的角度進行進一步思考，又對大V的性質進行了劃分。生命時報、新浪愛問醫(yī)生、每日醫(yī)學資訊、愛問醫(yī)生科普、醫(yī)學界網站等微博大V的點度中心性較高，在健康傳播的直接對話網絡中影響力較大。

2）對話通道的控制：中間中心性。在本研究中，通過研究關注與被關注關系，探索健康傳播網絡中對話通道的關鍵影響者，他們通過將信息向不同群體進行傳播，從而打通健康信息的傳播通道。健康傳播關系網中，中間中心性指標出現(xiàn)了較為明顯的斷層現(xiàn)象。生命時報和新浪愛問醫(yī)生的中間中心性超過了2 500，且兩者都是機構類大V。而接下來的每日醫(yī)學資訊、營養(yǎng)師顧中一、愛問醫(yī)生科普和健康界網站的中間中心性指標在1 000～1 200。從整體數據上看，仍然有48個微博大V的中間中心性指標為0，占總數的29.27%。

3）對話網絡傳播速度：接近中心性。機構類大V在接近中心性的指標中都較為靠前，說明無論是接收還是發(fā)送信息，機構在對話網絡中有著較快的傳播速度。具體來看，對于入接近中心性，各微博大V都能較快接收其他傳播節(jié)點傳遞的信息，僅有少數如辣媽日報、健康生活驛站、南京林業(yè)大學青春健康教育處于對話網絡的邊緣位置;對于出接近中心性，“薄荷健康官方微博”（10.896）和“醫(yī)學故事”（0.617）間出現(xiàn)了較為明顯的斷層現(xiàn)象，傳播距離超過“醫(yī)學故事”的共有49個微博大V，且基本集中在自媒體中，這些大V發(fā)送的信息較難傳遞到其他大V之中。

3.3? 凝聚子群分析

本研究通過利用Ucinet中的Concor分析來探究健康類微博大V對話網絡中的小團體現(xiàn)象。通過對數據進行處理，得出7個小團體：

團體1中包含了絕大多數自媒體中的關鍵影響者，體現(xiàn)了自媒體之間結為了較為穩(wěn)固的聯(lián)盟。此外，“新浪愛問醫(yī)生”“丁香醫(yī)生”這兩個中心度較高的機構大V也包含在這一團體中，說明了在健康傳播領域，機構與自媒體中的關鍵影響者之間仍然保持了較為通暢的對話網絡。團體2是很明顯的“愛問”系，這一團體來自微博健康醫(yī)療的垂直運營方，隸屬于愛問醫(yī)生平臺，在健康傳播對話網絡中占據較強地位且較為封閉。團體3、4、5都呈現(xiàn)出較強的專業(yè)性特征，例如團體3大多是運動類博主，團體4、5大多是較為細分領域的醫(yī)療健康博主。團體6主要是媒體機構的集合，其中中心度最高的是“生命時報”。而在這一團體中，還出現(xiàn)了“全國衛(wèi)生12320”“深圳衛(wèi)健委”“北京市疾病預防控制中心”等官方醫(yī)療衛(wèi)生機構，由此可見，主流媒體與官方機構在健康傳播領域較為密切，而自媒體很難對這層關系進行突破。團體7主要是各個地區(qū)官方機構的聯(lián)盟，具有較強的地域性。

通過凝聚子群分析，我們發(fā)現(xiàn)自媒體大V和機構大V之間存在區(qū)隔關系，機構和自媒體之間各自形成了較為穩(wěn)固的聯(lián)盟。雖然自媒體很難打破機構間的團體關系，但機構在健康信息傳播過程中對自媒體的話語空間往往會造成一定影響。

4? 結論與討論

4.1? 健康傳播的頭部效應：中心化的對話網絡

以生命時報、丁香醫(yī)生為代表的一些綜合類微博健康類大V占據頭部，少數自媒體也能夠在頭部位置占據一席之地，大多數微博大V都位于傳播的邊緣位置。這一對話網絡結構帶來的傳播資源分配不平衡問題會影響到健康傳播領域的生態(tài)環(huán)境，尤其在面臨一些公共衛(wèi)生事件或易被引發(fā)關注的問題上，會使得部分信息和觀點無法到達最廣泛受眾。

但是，由于健康傳播的特殊性，謊言、謠言極易像真實信息一樣得到擴散。在此次新冠病毒防疫的傳播中，也不斷在滋生傳播力極強的謠言。因此，“權威”在其中發(fā)揮著重要作用?？梢娙藗兺鶗酉嘈艔墓俜綑C構或他們所信任的關鍵影響者中獲取信息。實際上，健康傳播的對話空間仍然呈現(xiàn)出“差序格局”的特征，以業(yè)緣為核心，以社會資本、影響力、所屬機構、所屬類型等多種因素相交織的強關系與弱關系的集合，并呈現(xiàn)明顯的中心化趨勢。

4.2? 自媒體與機構的區(qū)隔：多圈子的對話結構

在微博健康類大V的凝聚子群分析中，我們發(fā)現(xiàn)該社會網絡里存在多個區(qū)隔明顯的派系，屬性相近的大V被劃分在一個派系中。如果說健康傳播的“頭部效應”里體現(xiàn)了差序格局的縱向關系，那么此處多圈子的對話結構則體現(xiàn)了差序格局中的橫向關系，每個大V在其所屬圈層中位于相對中心的地位。本研究關注的問題還包括探討自媒體與專業(yè)機構大V在對話空間中的權力結構。結合中心度和凝聚子群分析可以看出，專業(yè)機構在健康傳播中的話語權較強，并且可以滲透到自媒體派系中，但自媒體大V并不能參與到專業(yè)機構大V的圈層中。最后，本研究僅從關注與被關注關系角度分析健康類微博大V的對話空間建構，針對具體事件和話題的研究還有待進一步討論。

參考文獻

[1]宮賀.公共健康話語網絡的兩種形態(tài)與關鍵影響者的角色：社會網絡分析的路徑[J].國際新聞界，2016（12）：110-133.

[2]林聚任.社會網絡分析：理論、方法與應用[M].北京：北京師范大學出版社，2009：109.

[3]劉雙慶，涂光晉.社會網絡分析視野下的健康傳播[J].現(xiàn)代傳播，2016（4）：46-50.

[4]彭蘭.從社區(qū)到社會網絡：一種互聯(lián)網研究視野和方法的拓展[J].國際新聞界，2009（5）：87-92.