“互聯(lián)網(wǎng)+”環(huán)境下在線教育視頻流行度的影響因素研究
——以bilibili網(wǎng)站教育視頻為例

彭 衛(wèi)，宋蘇娟

(四川農(nóng)業(yè)大學(xué) 商學(xué)院，四川 成都 611830)

隨著教育視頻與互聯(lián)網(wǎng)技術(shù)的迅速融合與發(fā)展，在線教育視頻行業(yè)的規(guī)模不斷擴(kuò)大。中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)發(fā)布的《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》數(shù)據(jù)表明，截至2019年6月，我國(guó)在線教育用戶規(guī)模高達(dá)2.32億，較2018年底增長(zhǎng)3 122萬(wàn)，占網(wǎng)民整體的27.2%[1]。其中，由于在線視頻教學(xué)方式與傳統(tǒng)面授教學(xué)方式的相似性，在線教育視頻已經(jīng)成為最受歡迎且最具影響力的一種媒介[2]。近年來(lái)，各類網(wǎng)絡(luò)教學(xué)平臺(tái)如雨后春筍般涌現(xiàn)，各種學(xué)習(xí)社區(qū)內(nèi)，網(wǎng)絡(luò)用戶分享了大量的教育視頻。

面對(duì)數(shù)量眾多的在線教育視頻資源，探究哪些因素影響視頻的流行度，讓用戶能夠根據(jù)這些因素快速找到最受歡迎的視頻資源，顯得尤為重要。而對(duì)于流行度的探究有兩個(gè)重要方面：一是對(duì)流行度的微觀過(guò)程分析，二是對(duì)流行度宏觀過(guò)程的考察。對(duì)微觀過(guò)程的分析，能夠探究影響流行度的因素及其與流行度之間的關(guān)系，從而為平臺(tái)和視頻發(fā)布者的管理提供指導(dǎo)；而對(duì)宏觀過(guò)程的分析有利于把握視頻流行度與社會(huì)發(fā)展、運(yùn)行的關(guān)系?，F(xiàn)有關(guān)于宏觀過(guò)程對(duì)視頻流行度的影響的研究已相對(duì)成熟[3]，但對(duì)于微觀過(guò)程是如何影響視頻流行度的研究，尚不全面。尤其是缺乏對(duì)發(fā)布者社交網(wǎng)絡(luò)這一社會(huì)性因素的影響效應(yīng)的探究。因此，本文基于信號(hào)傳遞理論，主要從微觀過(guò)程探究哪些因素會(huì)影響在線教育視頻流行度，并注重分析了發(fā)布者的社會(huì)性因素對(duì)視頻流行度的影響以及其影響機(jī)制如何，以期能夠?qū)ο嚓P(guān)領(lǐng)域的研究做出補(bǔ)充。

1 文獻(xiàn)回顧和理論模型

1.1 在線教育視頻流行度

在線教育視頻流行度代表了在線教育視頻在某一時(shí)刻被用戶請(qǐng)求的概率，它反映了某一視頻是否被大眾所喜愛(ài)、是否受歡迎以及是否熱門等，是各視頻網(wǎng)站的重要績(jī)效衡量指標(biāo)[4]。也有學(xué)者將在線教育視頻流行度定義為一段時(shí)間內(nèi)該教育視頻被請(qǐng)求的次數(shù)，即視頻的點(diǎn)播量[5]。

近年來(lái)，學(xué)術(shù)界有關(guān)視頻流行度的微觀研究主要集中在兩個(gè)方面。一是視頻流行度的度量。如Park等人的研究表明，在線評(píng)論數(shù)量在一定程度上能夠衡量流行度[6]。二是對(duì)視頻流行度的預(yù)測(cè)。如徐曉楓采用微博數(shù)量、搜索量以及視頻評(píng)論情感這幾大指標(biāo)，對(duì)視頻的點(diǎn)播量進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)視頻發(fā)布后微博中與視頻相關(guān)的正向評(píng)論對(duì)視頻的點(diǎn)播量影響較強(qiáng)[7]。國(guó)內(nèi)外學(xué)者研究還發(fā)現(xiàn)，視頻用戶興趣、評(píng)論數(shù)量、彈幕數(shù)量以及發(fā)布者等級(jí)，均與視頻流行度有著不可分割的聯(lián)系。?？箍乖谘芯坑脩襞d趣對(duì)流行度的影響過(guò)程中，發(fā)現(xiàn)電影評(píng)分、用戶行為和電影流行度有較強(qiáng)的關(guān)系[8]。周良等指出，視頻的評(píng)論數(shù)量積極影響視頻的播放量，但好評(píng)數(shù)和頂踩數(shù)與播放量無(wú)顯著關(guān)系[9]。Saito等提出，基于時(shí)間軸的彈幕數(shù)量與視頻播放量、趣味程度正向相關(guān)[10]。Dellarocas等也提出，等級(jí)低的發(fā)布者發(fā)布的內(nèi)容缺乏公正性，缺乏公正性的內(nèi)容對(duì)消費(fèi)者的說(shuō)服力較小[11]。

1.2 信號(hào)傳遞理論

信號(hào)傳遞理論(Signalling Theory)源自信息經(jīng)濟(jì)學(xué)，由美國(guó)經(jīng)濟(jì)學(xué)家Spence在20世紀(jì)末提出。他指出信號(hào)是一方發(fā)給另一方的信息提示，以達(dá)到實(shí)現(xiàn)期望結(jié)果的目的[12]。信號(hào)傳遞理論是包含信號(hào)發(fā)送者、信號(hào)、信號(hào)接受者等要素在內(nèi)的理論框架。目前采用信號(hào)傳遞理論的探究，主要集中在解釋網(wǎng)絡(luò)口碑、消費(fèi)者購(gòu)買意圖等線上行為方面。如，Bi等采用信號(hào)傳遞理論模型探究得出，質(zhì)量信號(hào)和電子口碑對(duì)出資者的投資決策具有明顯的積極影響[13]；Hamuy等以信號(hào)傳遞理論模型為框架，發(fā)現(xiàn)網(wǎng)站質(zhì)量會(huì)影響產(chǎn)品質(zhì)量，進(jìn)而對(duì)消費(fèi)者的購(gòu)買意圖產(chǎn)生影響[14]。

李昂等指出，信號(hào)傳遞理論在解決信息不對(duì)稱方面發(fā)揮著重要作用[15]。而在虛擬的網(wǎng)絡(luò)社區(qū)中，用戶和視頻發(fā)布者之間面臨著信息不對(duì)稱問(wèn)題。在這種情境下，用戶努力尋找有用的信息以幫助他們識(shí)別視頻內(nèi)容的質(zhì)量。因此，為更好地說(shuō)明用戶判定視頻是否值得觀看的過(guò)程，信號(hào)傳遞理論被引入該研究中。依據(jù)該理論，信號(hào)發(fā)送者(發(fā)布者)向信號(hào)接受者(用戶)發(fā)出信號(hào)，這種信號(hào)在一定程度上能夠彌補(bǔ)與視頻內(nèi)容有關(guān)的信息不對(duì)稱的缺陷。而在信號(hào)傳遞理論中，信號(hào)發(fā)送者是最為重要的要素。根本原因在于，信號(hào)發(fā)送者是信號(hào)的知情人，他們對(duì)視頻內(nèi)容有一定的了解，擁有視頻觀看者未獲得的有關(guān)網(wǎng)絡(luò)視頻的內(nèi)部信息；他們通過(guò)發(fā)出信號(hào)，向視頻觀看者分享自己掌握的信息。

通過(guò)對(duì)文獻(xiàn)的回顧和梳理，我們發(fā)現(xiàn)，目前對(duì)視頻流行度影響因素的探究較為局限，尤其是缺乏視頻發(fā)布者社會(huì)性因素影響效應(yīng)方面的分析。此外，已有研究主要采用文獻(xiàn)梳理和定性的方法對(duì)視頻流行度進(jìn)行研究，缺乏實(shí)證分析。基于此，本文在已有研究的基礎(chǔ)上，引入社會(huì)性因素這一視角，基于信號(hào)傳遞理論，主要從與視頻內(nèi)容和視頻發(fā)布者有關(guān)的信號(hào)兩個(gè)方面，探究影響在線教育視頻流行度的因素，并通過(guò)實(shí)證分析對(duì)這些因素的影響效果進(jìn)行驗(yàn)證，本文的研究模型見(jiàn)圖1。

圖1 在線教育視頻流行度的影響因素模型

2 研究假設(shè)

2.1 與視頻內(nèi)容有關(guān)的信號(hào)

2.1.1 投幣數(shù)

投幣是指視頻用戶為了表達(dá)他們對(duì)視頻發(fā)布者貢獻(xiàn)的感謝而上傳的一種虛擬貨幣。在Bilibili網(wǎng)站中，虛擬貨幣被用于多種情況，包括提升用戶成員資格和交換新的表情符號(hào)等。Jia等提出，視頻用戶通過(guò)對(duì)視頻的支持和捐贈(zèng)來(lái)表達(dá)自己的欣賞[16]。雖然支持是許多視頻分享網(wǎng)站提供的傳統(tǒng)功能，但向其他用戶捐款是一項(xiàng)相對(duì)少見(jiàn)的服務(wù)。然而，這項(xiàng)服務(wù)是Bilibili網(wǎng)站提供的一個(gè)關(guān)鍵社交功能，旨在鼓勵(lì)用戶明確地表示他們對(duì)視頻發(fā)布者努力的認(rèn)可，從而也間接說(shuō)明視頻獲得的投幣數(shù)越多，對(duì)視頻喜愛(ài)和支持的用戶也就越多，視頻越受歡迎。因此，本文提出假設(shè)H1：視頻獲得的投幣數(shù)積極影響視頻的流行度。

2.1.2 收藏?cái)?shù)

目前很多教育視頻網(wǎng)站均提供了支持用戶保留其感興趣視頻信息的功能，即用戶對(duì)視頻的收藏行為。視頻用戶的收藏行為清楚地表達(dá)出其對(duì)某些(或某類)視頻具有較高的興趣度[17]。然而，國(guó)內(nèi)外學(xué)者有關(guān)用戶收藏行為的研究，主要集中在通過(guò)用戶收藏行為來(lái)分析其興趣分布，并在此基礎(chǔ)上對(duì)用戶進(jìn)行個(gè)性化推薦。而有關(guān)用戶的收藏行為如何影響視頻流行度的探究還很匱乏?；诖耍疚奶岢黾僭O(shè)H2：視頻獲得的收藏?cái)?shù)對(duì)視頻流行度具有積極影響。

2.1.3 轉(zhuǎn)發(fā)數(shù)

視頻的轉(zhuǎn)發(fā)數(shù)在一定程度上反映出視頻對(duì)用戶的影響力。用戶愿意轉(zhuǎn)發(fā)視頻，首先表明用戶比較欣賞和認(rèn)可該視頻。其次，用戶對(duì)視頻的轉(zhuǎn)發(fā)會(huì)讓更多的人了解和觀看此視頻，進(jìn)而擴(kuò)大視頻的傳播范圍。肖興輝等的研究表明，視頻的轉(zhuǎn)發(fā)數(shù)會(huì)積極影響視頻的營(yíng)銷效果[18]。此外，視頻的轉(zhuǎn)發(fā)數(shù)也是增加視頻流行度的重要方式[19]?；诖耍疚奶岢黾僭O(shè)H3：視頻的轉(zhuǎn)發(fā)數(shù)正向影響視頻的流行度。

2.1.4 評(píng)論數(shù)

在線評(píng)論是用戶在做出決策前，通過(guò)瀏覽評(píng)論以獲得所需信息的重要來(lái)源[20]。在線評(píng)論不僅直接反映了用戶對(duì)商品或服務(wù)的主觀印象，而且間接包含了產(chǎn)品或服務(wù)的客觀信息。杜學(xué)美等提出，積極的評(píng)論對(duì)消費(fèi)者的購(gòu)買意愿具有顯著影響[21]。然而畢繼東發(fā)現(xiàn)，負(fù)面網(wǎng)絡(luò)評(píng)論對(duì)消費(fèi)者的再傳播意愿更大[22]。用戶判定一部視頻是否值得觀看，很大程度上會(huì)參考其他用戶發(fā)布的評(píng)論[5]。而評(píng)論由于長(zhǎng)期暴露在大眾視野中，其普適性與整體性更強(qiáng)。同時(shí)，視頻獲得的評(píng)論數(shù)量，可以代表視頻的受歡迎程度，評(píng)論數(shù)量越多，說(shuō)明視頻的吸引力越大。因此，本文提出假設(shè)H4：視頻的評(píng)論數(shù)量對(duì)視頻流行度具有正向作用。

2.1.5 彈幕數(shù)

彈幕作為近年來(lái)視頻互動(dòng)方式的新寵兒，其在教育視頻方面的應(yīng)用價(jià)值已受到很多學(xué)者的關(guān)注。相關(guān)研究表明,彈幕有助于提高視頻觀看者的參與感，通過(guò)與視頻內(nèi)容的交互，能夠增強(qiáng)用戶在線學(xué)習(xí)的滿意度[2]。目前，如Youtube、云視頻等均引入了彈幕功能。彈幕成為在線教育視頻的新型接觸點(diǎn)，對(duì)教育視頻網(wǎng)站提升用戶黏性、激勵(lì)用戶點(diǎn)播，發(fā)揮著至關(guān)重要的作用。因此，本文提出假設(shè)H5：視頻的彈幕數(shù)量對(duì)視頻流行度具有積極影響。

2.2 與視頻發(fā)布者有關(guān)的信號(hào)

2.2.1 視頻發(fā)布者等級(jí)

信息源是影響信息可信度的最關(guān)鍵因素之一[23]。視頻發(fā)布者發(fā)出的信號(hào)作為視頻的信息源，其特征會(huì)對(duì)視頻的流行度產(chǎn)生重要影響。在虛擬網(wǎng)絡(luò)社區(qū)中，視頻用戶和發(fā)布者之間是一種弱相關(guān)的關(guān)系，他們對(duì)視頻發(fā)布者的個(gè)人形象、喜愛(ài)偏好、專業(yè)水平等缺乏了解，因此在識(shí)別視頻可信度方面存在困難。而網(wǎng)絡(luò)視頻網(wǎng)站的等級(jí)制度，讓發(fā)布者在身份標(biāo)志與權(quán)威上有了進(jìn)一步的體現(xiàn)，并在一定程度上反映了發(fā)布者的經(jīng)驗(yàn)與聲譽(yù)。王曉耘等指出，高等級(jí)的發(fā)布者比低等級(jí)發(fā)布者具有更豐富的使用經(jīng)驗(yàn)，發(fā)布的視頻內(nèi)容更真實(shí)可靠[24]。基于此，本文提出假設(shè)H6：視頻發(fā)布者的信用等級(jí)和視頻流行度之間呈正相關(guān)關(guān)系。

2.2.2 發(fā)布者的社交網(wǎng)絡(luò)

Steffes等定義社交網(wǎng)絡(luò)為：兩個(gè)不同用戶之間社交關(guān)系的強(qiáng)度。在對(duì)社交網(wǎng)絡(luò)的分析中，一個(gè)重要的部分是網(wǎng)絡(luò)中心度[25]。社交網(wǎng)絡(luò)分為內(nèi)向社交網(wǎng)絡(luò)和外向社交網(wǎng)絡(luò)。已有文獻(xiàn)表明，內(nèi)向社交網(wǎng)絡(luò)中心度高的用戶具有較高的群體聲望和可見(jiàn)性優(yōu)勢(shì)[26]，他們往往扮演著核心角色。因此，他們發(fā)布的視頻信息，要比普通發(fā)布者發(fā)布的視頻信息，具有更高的可靠性和有用性。與此同時(shí)，視頻發(fā)布者也會(huì)關(guān)注視頻網(wǎng)站中的其他用戶，關(guān)注用戶的數(shù)量可以衡量外向網(wǎng)絡(luò)中心度[27]。高外向網(wǎng)絡(luò)中心度的用戶，通常能夠從其他用戶處獲得更多有用的信息，即具有較多的信息渠道，從而彌補(bǔ)個(gè)體在某方面知識(shí)的缺陷。因此，本文提出假設(shè)H7a:視頻發(fā)布者的內(nèi)向社交網(wǎng)絡(luò)中心度正向影響視頻的流行度；H7b:視頻發(fā)布者的外向社交網(wǎng)絡(luò)中心度正向影響視頻的流行度。

2.3 控制變量

已有文獻(xiàn)指出，如果一個(gè)用戶發(fā)布的視頻早于其他用戶，那么他發(fā)布視頻被點(diǎn)播的概率要高于其他發(fā)布者，原因是他的視頻長(zhǎng)期流傳在視頻用戶之間，具有先發(fā)優(yōu)勢(shì)[27]。因此，在本研究中，為了避免由于視頻發(fā)布時(shí)間長(zhǎng)短而導(dǎo)致的視頻播放量的差異，本文把視頻發(fā)布時(shí)長(zhǎng)作為控制變量。

3 研究數(shù)據(jù)及變量

3.1 數(shù)據(jù)收集

本研究采用python語(yǔ)言編寫的爬蟲(chóng)框架，爬取了2020年2月1日—4月20日Bilibili網(wǎng)站上的6 889條教育視頻數(shù)據(jù)。選取的教育視頻是當(dāng)下最熱門的幾類教育視頻，包括教學(xué)課程、公開(kāi)課、軟件學(xué)習(xí)等。本文依次爬取了視頻內(nèi)容信息和視頻發(fā)布者的信息。其中視頻信息包括視頻獲得的投幣數(shù)、收藏?cái)?shù)、轉(zhuǎn)發(fā)數(shù)、播放量、發(fā)布時(shí)間等；視頻發(fā)布者信息包括視頻發(fā)布者的個(gè)人等級(jí)、粉絲數(shù)、關(guān)注數(shù)。此外，為保證數(shù)據(jù)的有效性，我們首先剔除播放量為0的視頻，其次去掉有缺省值的視頻，最終得到5 102條數(shù)據(jù)。

選擇Bilibili網(wǎng)站主要有以下原因：一是Bilibili網(wǎng)站作為典型的視頻網(wǎng)站，有著龐大的注冊(cè)用戶，是中國(guó)最受歡迎的彈幕教育視頻網(wǎng)站之一；二是Bilibili網(wǎng)站是中國(guó)比較權(quán)威的網(wǎng)站，該網(wǎng)站包括了幾乎所有有關(guān)教育的視頻，為本研究提供了具有代表性的數(shù)據(jù)樣本。

3.2 研究變量

假設(shè)表明，與視頻內(nèi)容有關(guān)的信號(hào)包括視頻獲得的投幣數(shù)、收藏?cái)?shù)、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、彈幕數(shù)，它們均是連續(xù)變量，分別以它們獲得的數(shù)量來(lái)衡量。與視頻發(fā)布者有關(guān)的信號(hào)包括視頻發(fā)布者的等級(jí)和內(nèi)、外向社交網(wǎng)絡(luò)中心度。其中發(fā)布者等級(jí)以網(wǎng)站授予發(fā)布者的等級(jí)指標(biāo)來(lái)測(cè)量。發(fā)布者的粉絲數(shù)代表了發(fā)布者的影響力，因此，采用粉絲數(shù)來(lái)衡量發(fā)布者的內(nèi)向社交網(wǎng)絡(luò)中心度[27]；發(fā)布者的關(guān)注數(shù)代表發(fā)布者的積極性，因此，通過(guò)發(fā)布者關(guān)注他人的數(shù)量來(lái)測(cè)量外向社交網(wǎng)絡(luò)中心度。對(duì)于控制變量，視頻發(fā)布時(shí)長(zhǎng)以爬取視頻日期與視頻發(fā)布日期的差值作為衡量指標(biāo)。對(duì)于視頻的流行度，借鑒已有文獻(xiàn)，通過(guò)視頻獲得的播放量來(lái)衡量。變量的具體名稱如表1所示。

表1 變量描述

變量的描述性統(tǒng)計(jì)表如表2所示，視頻流行度的均值約為4 888，而方差約為26 024，遠(yuǎn)遠(yuǎn)大于均值，表明存在過(guò)度離散的現(xiàn)象。在社交網(wǎng)絡(luò)中心度方面，發(fā)布者的內(nèi)向社交網(wǎng)絡(luò)中心度，總體高于發(fā)布者的外向社交網(wǎng)絡(luò)中心度。

表2 描述性統(tǒng)計(jì)結(jié)果

4 實(shí)證結(jié)果與分析

4.1 回歸模型的設(shè)定

本研究采用負(fù)二項(xiàng)回歸模型對(duì)視頻流行度進(jìn)行分析。選擇負(fù)二項(xiàng)回歸模型的原因是：本研究中被解釋變量屬于計(jì)數(shù)數(shù)據(jù)。從表2和其分布可知，視頻獲得的播放量最小值為1，最大值為853 000，并且其方差遠(yuǎn)遠(yuǎn)大于均值，存在過(guò)度離散的現(xiàn)象，故采用負(fù)二項(xiàng)回歸模型比較合適。本研究以Stata軟件為工具，采用負(fù)二項(xiàng)回歸模型探究視頻流行度的影響因素。負(fù)二項(xiàng)分布是統(tǒng)計(jì)學(xué)上一種離散概率分布，包含一系列獨(dú)立的實(shí)驗(yàn)，它表示已知一個(gè)事件在伯努利試驗(yàn)中每次的出現(xiàn)概率是p，在一連串伯努利試驗(yàn)中，一個(gè)事件剛好在第r+k次試驗(yàn)出現(xiàn)第r次的概率如下所示[15,28]：

(1)

x=r，r+1，…，r為固定整數(shù)。

結(jié)合假設(shè)，本研究的具體回歸模型為：

視頻流行度=β1投幣數(shù)+β2收藏?cái)?shù)+β3轉(zhuǎn)發(fā)數(shù)+β4評(píng)論數(shù)+β5彈幕數(shù)+β6視頻發(fā)布時(shí)長(zhǎng)+β7發(fā)布者等級(jí)+β8內(nèi)向社交網(wǎng)絡(luò)中心度+β9外向社交網(wǎng)絡(luò)中心度+ε

其中,βj(j=1,2…9)為模型的參數(shù)，即各變量的回歸系數(shù)；ε為隨機(jī)擾動(dòng)項(xiàng)

(2)

4.2 模型檢驗(yàn)

本文在回歸前，為了減弱模型出現(xiàn)的異方差、非正態(tài)性以及避免量綱不同所帶來(lái)的影響，在模型中對(duì)部分變量進(jìn)行了自然對(duì)數(shù)轉(zhuǎn)換和標(biāo)準(zhǔn)化處理。表3為回歸模型結(jié)果。我們通過(guò)Log likelihood Ratio的顯著性和Pseudo R2(Pseudo R2=0.0657)來(lái)判斷模型的整體擬合效果，根據(jù)Log likelihood Ratio顯著性(p<0.01)和 Pseudo R2的值[29]可知，本研究的模型擬合優(yōu)度較好。

由表3可知，與視頻內(nèi)容有關(guān)的信號(hào)中，投幣數(shù)、收藏?cái)?shù)、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、彈幕數(shù)均通過(guò)了顯著性檢驗(yàn)，且它們的回歸系數(shù)均為正，表明視頻獲得的投幣數(shù)、收藏?cái)?shù)、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)以及彈幕數(shù)越多，視頻越流行。因此，假設(shè)H1、H2、H3、H4、H5成立。

表3 負(fù)二項(xiàng)回歸結(jié)果

在與視頻發(fā)布者有關(guān)的信號(hào)中，發(fā)布者等級(jí)通過(guò)了顯著性檢驗(yàn)，回歸系數(shù)為正，表明等級(jí)較高的視頻發(fā)布者，發(fā)布的視頻流行度更高；發(fā)布者的內(nèi)向社交網(wǎng)絡(luò)中心度也通過(guò)了檢驗(yàn)，且系數(shù)為正，說(shuō)明發(fā)布者擁有的粉絲越多，其發(fā)布的視頻影響力越大，即假設(shè)H6、H7a成立。但對(duì)于發(fā)布者的外向社交網(wǎng)絡(luò)中心度這一假設(shè)，檢驗(yàn)卻得出與假設(shè)相反的結(jié)果，即發(fā)布者的外向社交網(wǎng)絡(luò)中心度對(duì)視頻流行度具有負(fù)向影響。原因可能為：視頻發(fā)布者所擁有的經(jīng)驗(yàn)和知識(shí)水平會(huì)影響視頻流行度，具有較多經(jīng)驗(yàn)和較高專業(yè)技能的發(fā)布者，其上傳的視頻可能更受歡迎。如果一個(gè)發(fā)布者具有較多的經(jīng)驗(yàn)和較高的專業(yè)技能，那么他并不會(huì)較多地關(guān)注其他用戶，因?yàn)樗鶕碛械闹R(shí)和技能已足以維持自己的信譽(yù)，而不需要通過(guò)關(guān)注別人達(dá)到這個(gè)目的[30]。根據(jù)負(fù)二項(xiàng)回歸結(jié)果，本文所提假設(shè)的驗(yàn)證結(jié)果匯總見(jiàn)表4。

表4 假設(shè)驗(yàn)證結(jié)論匯總

5 結(jié)束語(yǔ)

5.1 研究結(jié)論

本文基于信號(hào)傳遞理論，以與視頻內(nèi)容和視頻發(fā)布者有關(guān)的信號(hào)構(gòu)建在線教育視頻流行度的影響模型，并通過(guò)實(shí)證分析，對(duì)該模型進(jìn)行了檢驗(yàn)。結(jié)果表明：在與視頻內(nèi)容有關(guān)的信號(hào)中，視頻獲取的投幣數(shù)、收藏?cái)?shù)、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、彈幕數(shù)均顯著影響視頻的流行度；在與視頻發(fā)布者有關(guān)的信號(hào)中，發(fā)布者的個(gè)人等級(jí)、內(nèi)向社交網(wǎng)絡(luò)中心度也顯著影響視頻的流行度。

5.2 研究意義

在理論方面，以往研究大多采用信息采納模型和信息接收模型等構(gòu)建視頻流行度的影響因素模型，而本研究以信號(hào)傳遞理論為框架，旨在從一個(gè)新的視角探究影響視頻流行度的因素。同時(shí)，本研究初步考察了發(fā)布者的網(wǎng)絡(luò)中心度等社會(huì)網(wǎng)絡(luò)特征對(duì)視頻流行度的影響效應(yīng)，符合教育視頻流行度與互聯(lián)網(wǎng)社會(huì)化的融合發(fā)展趨勢(shì)。在實(shí)踐方面，本研究結(jié)論一方面有利于教育視頻網(wǎng)站預(yù)測(cè)視頻的流行度，從而可以根據(jù)流行度進(jìn)行排序，優(yōu)化用戶體驗(yàn)，增加用戶對(duì)網(wǎng)站的黏性；另一方面有利于視頻發(fā)布者根據(jù)評(píng)論意見(jiàn)完善視頻內(nèi)容，從而提高自身影響力，增強(qiáng)視頻的擴(kuò)散效果。

5.3 研究局限和展望

本研究也存在一些局限。第一，在探究影響視頻流行度的因素時(shí)，本研究?jī)H局限于Bilibili這一個(gè)視頻網(wǎng)站，本文結(jié)論是否能夠應(yīng)用到其他視頻網(wǎng)站，在未來(lái)需要進(jìn)一步探討。第二，本研究?jī)H分析了影響教育視頻流行度的因素，但對(duì)其他類型的視頻沒(méi)有進(jìn)行探究，以后可以進(jìn)行更全面、更深入的研究，進(jìn)而提高結(jié)論的普適性。第三，本文選取了部分量化指標(biāo)來(lái)分析其對(duì)視頻流行度的影響，但未對(duì)一些定性指標(biāo)進(jìn)行探究，未來(lái)的研究可以對(duì)此進(jìn)行改進(jìn)。除此之外，未來(lái)還可以加入彈幕情感和評(píng)論情感等一些文本指標(biāo)進(jìn)行研究。