科普視頻在不同網(wǎng)絡(luò)社交媒體平臺的擴散模式對比研究
——以“回形針PaperClip”新冠肺炎科普短視頻為例

張 偉 夏志杰

（上海工程技術(shù)大學(xué)管理學(xué)院 上海 201620）

1 引言

伴隨著5G網(wǎng)絡(luò)的起步、人工智能的創(chuàng)新，新媒體快速發(fā)展,多種網(wǎng)絡(luò)社交平臺逐漸興起，網(wǎng)絡(luò)信息的形式也在不斷創(chuàng)新。網(wǎng)絡(luò)信息不再是單一的文本、圖片形式，還有更能抓人眼球的短視頻。依托智能移動終端APP完成的視頻拍攝、剪輯、發(fā)布一鍵式操作的新媒介傳播方式——短視頻，正憑借其創(chuàng)意性、趣味性、直觀性等優(yōu)良特性占據(jù)大眾智能手機空間。由于短視頻正在逐步吸引網(wǎng)民的關(guān)注，用戶獲取網(wǎng)絡(luò)信息的平臺也逐漸由微博、微信轉(zhuǎn)向視頻平臺，例如西瓜視頻、嗶哩嗶哩彈幕網(wǎng)等。

在新媒體環(huán)境下，網(wǎng)絡(luò)社交媒體平臺數(shù)量日益增加，不同的網(wǎng)絡(luò)社交媒體平臺有其各自的特點。當(dāng)社會性事件發(fā)生時，緊跟熱點的科普視頻擁有較大的關(guān)注度和討論度，但在不同的網(wǎng)絡(luò)社交媒體平臺上，其擴散機制是否有所不同，由此所引發(fā)的社會意見、社會輿論以及社會影響是否也有所不同，是一個值得探究的問題。把握科普視頻在不同平臺的擴散脈絡(luò)和擴散模式，無論是對內(nèi)容創(chuàng)作者還是平臺監(jiān)管者都具有重要作用。

2 相關(guān)理論及研究現(xiàn)狀

2.1 科普短視頻

“科普”即科學(xué)普及，指利用各種傳播形式以簡單易懂的、讓普通大眾容易理解、接受和參與的方式介紹社會科學(xué)和自然科學(xué)的知識、推廣科學(xué)技術(shù)的應(yīng)用、倡導(dǎo)使用科學(xué)方法、傳播廣泛科學(xué)思想、弘揚科學(xué)精神的活動[1]。當(dāng)前網(wǎng)絡(luò)短視頻已經(jīng)成為信息的聚集地，相比于較為枯燥的文字、圖片形式的網(wǎng)絡(luò)信息，人們更加傾向于觀看網(wǎng)絡(luò)短視頻獲取信息。而科普短視頻即以短視頻的形式，在較短的有限時間內(nèi)闡述一個知識，將科普內(nèi)容進行提煉，并且以較為有趣的視頻形式展示給用戶，達到科普的目的。由于科普類短視頻的興起時間不長，因此對于科普視頻的相關(guān)研究十分有限。

楊東伶等[2]指出科普短視頻具有時長短、傳播親民、知識動態(tài)化等特點，并且可以促進科普知識傳播以及豐富科普知識的內(nèi)涵。周德書等[1]指出科普短視頻具有內(nèi)容短小精悍、傳播速度快、通俗易懂、關(guān)注度高等優(yōu)勢，并指出公眾對于短視頻科普具有巨大需求。

總體來說，科普短視頻具有其一定的優(yōu)勢，在互聯(lián)網(wǎng)環(huán)境中為公眾進行較為有效的相關(guān)科普，因此科普視頻在新媒體環(huán)境中有著較為重要的作用，成為公眾獲取信息不可或缺的一種重要形式。

2.2 國內(nèi)信息擴散模式研究現(xiàn)狀

目前,國內(nèi)的信息擴散模式研究取得了一些成果。如魏超[3]的研究發(fā)現(xiàn)網(wǎng)絡(luò)輿情傳播模式隨著新媒體技術(shù)的發(fā)展產(chǎn)生了深刻變革,個體成為網(wǎng)絡(luò)輿情形成和擴散中心。袁毅[4]使用社會網(wǎng)絡(luò)分析法對微博傳播網(wǎng)絡(luò)多個因素進行了分析,發(fā)現(xiàn)微博平臺普通事件信息擴散中的偶發(fā)型、偶發(fā)機會型、強勢節(jié)點相互呼應(yīng)型等結(jié)構(gòu)，結(jié)果表明微博傳播網(wǎng)絡(luò)的路徑形態(tài)受用戶影響力、網(wǎng)絡(luò)結(jié)構(gòu)及外部干擾等多方面因素影響。于洪等[5]針對微博信息傳播特點刻畫微博傳播網(wǎng)絡(luò)并定義節(jié)點影響力來描述節(jié)點重要性,使用社會網(wǎng)絡(luò)分析法分析微博信息傳播路徑模式，并將其總結(jié)為一觸即發(fā)傳播模式、多級傳播模式或多點觸發(fā)傳播模式。韓運榮等[6]立足于微博網(wǎng)絡(luò)中隱含的脈絡(luò)關(guān)聯(lián),依循其發(fā)展延伸結(jié)構(gòu),按照其刺激因素的多寡和復(fù)雜程度,推演微博輿論傳播的路徑結(jié)構(gòu)。王晰巍等[7]用社會網(wǎng)絡(luò)分析對微博“霧霾”話題輿情傳播規(guī)律和擴散模式進行了研究。以上研究從網(wǎng)絡(luò)結(jié)構(gòu)視角出發(fā)，對信息擴散模式的典型形態(tài)、模式特征、影響因素等各個方面進行分析，探究了信息的擴散模式，對于學(xué)者認(rèn)識、了解網(wǎng)絡(luò)社交媒體平臺中的信息擴散模式有重要作用。除此之外，參考前人的研究成果發(fā)現(xiàn)，大多數(shù)學(xué)者對信息擴散模式的研究都采用社會網(wǎng)絡(luò)分析法。社會網(wǎng)絡(luò)分析法是針對社會網(wǎng)絡(luò)成員間的關(guān)系進行的量化研究,也是社會網(wǎng)絡(luò)理論的工具之一，該方法能有效刻畫社會網(wǎng)絡(luò)結(jié)構(gòu)并進而揭示網(wǎng)絡(luò)屬性特征。

前人的研究為認(rèn)識信息擴散模式打下了很好基礎(chǔ)，但大多都是對網(wǎng)絡(luò)輿情傳播路徑以及輿情擴散模式的研究，目前對于科普視頻在網(wǎng)絡(luò)社交媒體平臺的擴散模式研究較少。本文采用社會網(wǎng)絡(luò)分析法作為研究方法，對同一科普視頻在不同平臺的擴散模式進行對比研究，分析科普視頻在不同平臺擴散模式的差別，對于科普視頻創(chuàng)作者的平臺選擇以及對公眾的科普作用都有著重要意義。

3 研究設(shè)計

3.1 平臺概況

本文選取微博、西瓜視頻和嗶哩嗶哩彈幕網(wǎng)三大平臺作為科普視頻擴散模式的分析載體。微博是新媒體時代人們社交、獲取信息的主流平臺，該平臺傳遞的信息形式多樣，文本、圖片以及視頻兼具，擁有數(shù)量巨大的用戶群體，其中包含許多有較強影響力的明星用戶。

西瓜視頻是短視頻平臺，用戶規(guī)模較大且以移動端為主，并朝著內(nèi)容生產(chǎn)的系列化、規(guī)模化等發(fā)展方向發(fā)展[8]。西瓜視頻以用戶和涉事個人或單位為主體，以引發(fā)關(guān)注和廣泛討論的事件、動態(tài)、活動等環(huán)境為客體，并逐步形成了多元化“精確獲悉”、廣域化“實時接收”和圈群化“增強互動”三大傳播特點。

嗶哩嗶哩彈幕網(wǎng)是支持視頻彈幕的一種新興交互形式的視頻網(wǎng)站，目前嗶哩嗶哩彈幕網(wǎng)活躍用戶超過1.5億，每天都會有大量的視頻產(chǎn)生，每天視頻播放量超過1億，彈幕總量超過14億，原創(chuàng)投稿總數(shù)超過1 000萬。用戶數(shù)量與視頻數(shù)量巨大，這為研究科普類視頻的傳播方式提供了途徑。

3.2 視頻選取

在進行研究對象的選擇時，選取有大量人群參與和具有一定影響力的科普視頻，分析該類視頻的擴散模式對科普視頻創(chuàng)作者以及相關(guān)科普部門都有較為重要的意義。因此，本文通過比較2020年2月發(fā)布于多個不同網(wǎng)絡(luò)社交媒體平臺的有關(guān)新冠肺炎的不同科普視頻，最終選取了名為“回形針PaperClip”的博主于2月2日在微博、西瓜視頻和嗶哩嗶哩彈幕網(wǎng)等多個平臺發(fā)布的一個名為“關(guān)于新冠肺炎的一切”的視頻。本文選取該視頻內(nèi)容主要為科普，告知大眾關(guān)于新冠肺炎的相關(guān)情況，包括病毒感染的原理、發(fā)病的機制、傳染機制以及傳染數(shù)量預(yù)測等等。該視頻在疫情期間為廣大網(wǎng)民提供了專業(yè)嚴(yán)謹(jǐn)?shù)目茖W(xué)普及，讓大眾更加了解新冠肺炎，使群眾避免恐慌并引起重視做好個人防護，為國家的疫情控制提供了幫助。該視頻自發(fā)布以來，在各個平臺上都有非常高的播放量、轉(zhuǎn)發(fā)量以及評論量，且熱度持續(xù)較長時間。截至2020年3月6日，該視頻在微博平臺的播放量為1.1億，轉(zhuǎn)發(fā)量為68.2萬，評論數(shù)為10.2萬，點贊數(shù)為221萬；該視頻在西瓜視頻的播放量為725萬，評論數(shù)為5 790條，點贊數(shù)為4萬；嗶哩嗶哩彈幕網(wǎng)數(shù)據(jù)顯示，該視頻播放量為479.4萬，點贊數(shù)為60.3萬，評論數(shù)量為15 194條，轉(zhuǎn)發(fā)量38萬。從該視頻在不同平臺的播放量、評論量等數(shù)據(jù)來看，不同平臺上的數(shù)據(jù)差別較大，但都有較高的討論度和傳播度。

3.3 數(shù)據(jù)獲取與預(yù)處理

西瓜視頻和嗶哩嗶哩彈幕網(wǎng)的轉(zhuǎn)發(fā)功能與微博轉(zhuǎn)發(fā)方式略有不同，轉(zhuǎn)發(fā)數(shù)量較少并且平臺不予公開，因此本文選取評論數(shù)量進行分析。為了使三個平臺研究的對象內(nèi)容保持一致，因此對三個平臺都采集用戶的評論文本數(shù)據(jù)、用戶屬性、評論時間等進行分析。為了研究視頻的擴散模式，二級評論的數(shù)據(jù)對本研究極為重要，因此本研究在數(shù)據(jù)爬取時主要篩選包含二級回復(fù)以及三級回復(fù)的評論數(shù)據(jù)，并記錄各級評論的父級評論ID。

數(shù)據(jù)獲取主要使用Python語言編寫爬蟲算法，最終在微博平臺獲取評論數(shù)據(jù)6 958條；在西瓜視頻共獲取2 691條評論數(shù)據(jù)；在獲取嗶哩嗶哩平臺共獲取數(shù)據(jù)4 110條。并將數(shù)據(jù)結(jié)構(gòu)化保存在Mysql數(shù)據(jù)庫中，便于數(shù)據(jù)處理與分析。

4 三大平臺對比分析

4.1 擴散圖對比分析

以“關(guān)于新冠肺炎的一切”視頻為信息源,采用社會網(wǎng)絡(luò)分析法為研究方法，以評論關(guān)系為邊,以參與輿情傳播的用戶為節(jié)點,使用 Gephi繪制新媒體環(huán)境下“關(guān)于新冠肺炎的一切”科普視頻在不同平臺的擴散云圖, 如圖1所示。

圖1 微博平臺擴散圖

由圖1可知，微博平臺用戶數(shù)量較多，分布廣，該視頻在微博平臺的擴散過程中，沒有明顯以視頻發(fā)布者為中心，存在較多意見領(lǐng)袖，這些意見領(lǐng)袖與其他節(jié)點之間的聯(lián)系緊密，擁有較高的影響力，引起較大的關(guān)注，擴大了該視頻在微博平臺的傳播深度與廣度。

由圖2可知，該科普視頻在西瓜視頻的評論用戶多停留在第一層位置，該擴散模式中，以視頻發(fā)布者“回形針PaperClip”為網(wǎng)絡(luò)中心，擴散路徑呈現(xiàn)發(fā)散狀態(tài)，傳播的路徑長度較小。在此擴散模式下，網(wǎng)絡(luò)的源節(jié)點有較強的凝聚力和威望度，擴散受干擾的程度較低，擴散廣度往往由視頻發(fā)布者的影響力決定，傳播范圍往往局限于局部粉絲之間。

圖2 西瓜視頻端擴散圖

由圖3可知，該視頻在嗶哩嗶哩彈幕網(wǎng)中的擴散深度與廣度明顯大于西瓜視頻，網(wǎng)絡(luò)中的級聯(lián)數(shù)較多。該視頻在嗶哩嗶哩彈幕網(wǎng)的擴散中，一級的評論數(shù)量依舊是最多的，但除了源節(jié)點以外，在網(wǎng)絡(luò)中存在其他節(jié)點也有較高的影響力，會引導(dǎo)發(fā)生進一步的擴散，對視頻的擴散起到推動作用。

圖3 嗶哩嗶哩端擴散圖

4.2 網(wǎng)絡(luò)結(jié)構(gòu)分析

（1）點度中心性

在社會網(wǎng)絡(luò)分析中，每一位用戶被抽象成網(wǎng)絡(luò)中的一個節(jié)點，用邊來連接、用節(jié)點來表示用戶之間的評論等交互關(guān)系。在一個社會網(wǎng)絡(luò)中,如果一個節(jié)點與其他較多節(jié)點之間都存在直接交互關(guān)系,則該節(jié)點在社會網(wǎng)絡(luò)中就居于中心地位。在這種思路的指導(dǎo)下, 網(wǎng)絡(luò)中一個節(jié)點的點度中心度, 就可以用網(wǎng)絡(luò)中與該點之間有聯(lián)系的點的數(shù)目來衡量，出度表示當(dāng)前節(jié)點評論與轉(zhuǎn)發(fā)其他節(jié)點的數(shù)量，入度表示當(dāng)前節(jié)點被其他節(jié)點轉(zhuǎn)發(fā)、評論的數(shù)量。三個不同平臺的網(wǎng)絡(luò)節(jié)點出入度情況如表1所示。

表1 不同平臺網(wǎng)絡(luò)節(jié)點點度中心度TOP10

由表1可知，在微博平臺中，節(jié)點“魏大勛”的點度中心性最高，其入度為1 311，出度為1，點度中心度為1 312。點度中心度前十名的節(jié)點中，其點度中心度均大于100；在西瓜視頻平臺中，節(jié)點“楓161669802”的點度中心性最高，其點度中心度為41；在嗶哩嗶哩彈幕網(wǎng)網(wǎng)絡(luò)中，節(jié)點“阿瓦達索命Z” 的點度中心性最高，其點度中心度為156。在不同平臺中，網(wǎng)絡(luò)中很多節(jié)點都通過“意見領(lǐng)袖”直接或間接地傳播信息,是新媒體環(huán)境下進行信息交互的重要節(jié)點，視頻信息的傳播受意見領(lǐng)袖左右。由點度中心性數(shù)值可見，微博平臺的意見領(lǐng)袖數(shù)量較多，該視頻的傳播受這些意見領(lǐng)袖的影響很大，其交互情況、傳播范圍都遠(yuǎn)遠(yuǎn)大于其他兩個平臺。

（2）中間中心性

中間中心性是以經(jīng)過某個節(jié)點的最短路徑數(shù)目來刻畫節(jié)點重要性的指標(biāo)[9]。如果一個大的社交網(wǎng)絡(luò)中包含了幾個小組，那么中間中心度高的人就起到將這些小組連接起來的作用。三個不同平臺的網(wǎng)絡(luò)節(jié)點中間中心度如表2所示。

表2 不同平臺網(wǎng)絡(luò)節(jié)點中間中心度TOP10

由表2可知，在微博平臺中，中間中心度最高的為“魏大勛”，其中間中心度約為1 291.08；在西瓜視頻網(wǎng)絡(luò)中，用戶“閑人丁丁”的中間中心度最高，為727.9；在嗶哩嗶哩彈幕網(wǎng)絡(luò)中，用戶“怕上火暴王老菊”的中間中心度最高，為1 116.5。這一結(jié)果表明, 微博平臺和嗶哩嗶哩彈幕網(wǎng)中的一些節(jié)點連接擴散網(wǎng)絡(luò)小組的能力相差甚微，但都明顯高于西瓜視頻。網(wǎng)絡(luò)中很多節(jié)點都通過移動端的“意見領(lǐng)袖”直接或間接地傳播視頻信息,是新媒體環(huán)境下進行信息交互的重要節(jié)點,視頻擴散受意見領(lǐng)袖的影響,意見領(lǐng)袖科普類視頻的態(tài)度傾向和參與程度將直接影響著科普類視頻的傳播態(tài)勢。

（3）接近中心性

一個點到其他所有點的距離的總和越小,就說明這個點到其他所有點的路徑越短，也就說明這個點距離其他所有點越近，則其接近中心度越高[10]。接近中心度體現(xiàn)的是一個點與其他點的近鄰程度。三個不同平臺的網(wǎng)絡(luò)節(jié)點接近中心度如表3所示。

表3 不同平臺網(wǎng)絡(luò)節(jié)點接近中心度TOP10

由表3的數(shù)據(jù)可知,在微博平臺中，“魏大勛”的接近中心度最高，約為0.92 ，西瓜視頻中接近中心度最大的是“影子哥的”，接近中心度為0.75，嗶哩嗶哩彈幕網(wǎng)中接近中心度最大的是“①加⑨=一九”,接近中心度為0.86。接近中心度較大的節(jié)點同核心節(jié)點的差異較小，更容易獲得網(wǎng)絡(luò)中其他節(jié)點的信息，獨立性較小。微博平臺中前十名用戶的接近中心度均大于0.8，其中前九名用戶的接近中心度均大于0.9；西瓜視頻中僅排名前兩名的節(jié)點接近中心度為0.75大于0.7，其余節(jié)點的接近中心度均小于0.7；而嗶哩嗶哩彈幕網(wǎng)中的接近中心度排名前10的節(jié)點，其接近中心度均大于等于0.75。數(shù)據(jù)表明微博平臺中有較多具有較強整合能力的節(jié)點，這些節(jié)點處于網(wǎng)絡(luò)的中心位置，對視頻的擴散起到促進作用。嗶哩嗶哩彈幕網(wǎng)中該類節(jié)點數(shù)量次之，西瓜視頻中該類節(jié)點數(shù)量最少。

4.3 擴散速度及熱度變化對比

本文將獲取的不同平臺2020年2月2日到3月2日的評論數(shù)據(jù)進行整理、匯總自，并制作折線圖，可以更加直觀看到自該科普視頻發(fā)布一個月內(nèi)在不同平臺擴散速度及熱度變化。

微博平臺評論數(shù)量隨時間變化折線圖如圖4所示。

圖4 微博平臺評論數(shù)量隨時間變化折線圖

由圖4可知，在微博平臺中，視頻發(fā)布首日評論數(shù)量達到最高，有5 167條。次日評論數(shù)量驟降為706條。2月5日評論數(shù)量減少到57條，隨后的時間內(nèi)，評論數(shù)量均低于100。由此可知，在微博平臺中，該科普視頻在發(fā)布首日熱度到達最高，隨后熱度驟降，在第三日之后評論數(shù)量一直低于100條，熱度始終維持在較低的狀態(tài)。

西瓜視頻平臺評論數(shù)量隨時間變化折線圖如圖5所示。由圖5可知，在西瓜視頻平臺中，該視頻發(fā)布首日的評論數(shù)達516條，2月3日數(shù)量減少為208條，在2月5日評論數(shù)量達到最多為610條，之后每日數(shù)量遞減，在2月15日數(shù)量突增為199條，隨后數(shù)量遞減且逐漸平穩(wěn)。由此可知，在西瓜視頻平臺中，該科普視頻的擴散速度較慢，首日不會到達熱度頂點，在第三日達到單日評論數(shù)量最多，隨后每日評論數(shù)量總體遞減但局部會存在起伏，最終在較低數(shù)量值處趨于平穩(wěn)。

圖5 西瓜視頻平臺評論數(shù)量隨時間變化折線圖

嗶哩嗶哩彈幕網(wǎng)評論數(shù)量隨時間變化折線圖如圖6所示。由圖6可知，在嗶哩嗶哩彈幕網(wǎng)中，該條視頻的首日評論數(shù)量最多，高達2 732條，在2月3日評論數(shù)量驟減為726條，第三日為228條，隨后逐日遞減，在2月12日及之后，每日評論數(shù)量保持在10條左右。由此可見，在嗶哩嗶哩彈幕網(wǎng)中，該視頻的傳播速度非?？?，首日就到達熱度最高點，之后評論數(shù)量快速減少，熱度驟降。十天之后的評論數(shù)量就維持在10條附近，熱度幾乎為零。

圖6 嗶哩嗶哩彈幕網(wǎng)評論數(shù)量隨時間變化折線圖

4.4 評論內(nèi)容對比分析

本文將不同平臺獲取的所有評論內(nèi)容進行匯總，使用Python編程語言，jieba第三方分詞庫對不同平臺的所有評論內(nèi)容進行分詞處理，再計算各個詞語的權(quán)重，即得到不同平臺評論的熱點詞語。以此對比分析不同平臺的用戶對于該科普視頻的態(tài)度以及關(guān)注熱點。根據(jù)分詞得到的詞語以及詞語權(quán)重，使用Python制作詞云圖，可以對不同平臺中的用戶評論文本中出現(xiàn)頻率較高的“關(guān)鍵詞”予以視覺上的突出，從而過濾掉大量的文本信息，使讀者可以了解評論者對該科普視頻的態(tài)度。詞云圖如圖7所示。

圖7 三個平臺熱點詞詞云圖

由圖7可知，在微博、西瓜視頻與嗶哩嗶哩彈幕網(wǎng)三個平臺中，用戶的評論數(shù)據(jù)中出現(xiàn)頻率較高的詞語都是“加油”、“玫瑰”、“勇氣”、“祈禱”等詞語，表現(xiàn)了用戶對武漢地區(qū)以及嚴(yán)重地區(qū)公眾的支持與鼓勵。除此，還有“口罩”、“病毒”、“死亡率”表現(xiàn)了用戶對疫情相關(guān)知識的重視與討論。

5 結(jié)論與分析

研究發(fā)現(xiàn)，該科普視頻在三個網(wǎng)絡(luò)社交媒體平臺的擴散模式有所差異，每個平臺有其各自特點，從擴散模式圖、網(wǎng)絡(luò)結(jié)構(gòu)、擴散范圍、擴散速度以及熱度這五個方面對該視頻在三個平臺的擴散模式進行綜合比較，比較結(jié)果如表4所示。

表4 三個不同網(wǎng)絡(luò)社交媒體平臺擴散模式對比

由表4可知，該視頻在微博的擴散模式圖為“長鏈主導(dǎo)”，在擴散圖中表現(xiàn)為圈層連接明顯，用戶之間連接緊密。其擴散范圍、擴散速度以及熱度都遠(yuǎn)高于其它兩個平臺。微博是當(dāng)前社交的主流平臺，擁有非常龐大的用戶群體，且包含許多明星以及擁有大量粉絲的博主，這些用戶在網(wǎng)絡(luò)節(jié)點中被稱為意見領(lǐng)袖，擁有非常高的影響力。除此之外，微博熱搜已經(jīng)成為廣大網(wǎng)絡(luò)用戶獲取最新實時信息的主要渠道，微博的熱搜功能也會增加該視頻的關(guān)注度和轉(zhuǎn)發(fā)量。該視頻在微博的擴散過程中，被許多以明星為代表的意見領(lǐng)袖轉(zhuǎn)發(fā)，引起了許多其他普通用戶的關(guān)注與轉(zhuǎn)發(fā)，以及該視頻以微博熱搜的方式引起網(wǎng)絡(luò)用戶的關(guān)注，從而增加了該視頻的熱度以及擴大了該視頻的擴散范圍。

該視頻在西瓜視頻上的擴散模式圖是“短鏈主導(dǎo)”，體現(xiàn)為弱觀點聚集和強中心特征[11]。在擴散圖中表現(xiàn)為節(jié)點聚集較為松散，中心較為突出。其活躍用戶數(shù)量、節(jié)點影響力、節(jié)點聚集度以及圈層連接等方面都比較弱，其擴散范圍、擴散速度、熱度等指標(biāo)均為最低。西瓜視頻的用戶群體數(shù)量明顯低于微博與嗶哩嗶哩彈幕網(wǎng)，這也是造成視頻擴散效果較差的直接原因。其次，西瓜視頻用戶群體中缺少意見領(lǐng)袖，擴散過程缺少意見領(lǐng)袖的影響，因此擴散范圍往往局限在視頻發(fā)布者以及局部粉絲之間。

該視頻在嗶哩嗶哩彈幕網(wǎng)上的擴散模式圖為“長短鏈結(jié)合”，視頻在不同社群和關(guān)系網(wǎng)內(nèi)半封閉式推進，同時存在一定程度的離散觀點，表現(xiàn)為中等程度中心聚集，其擴散范圍、擴散速度以及熱度等都遠(yuǎn)高于西瓜視頻，但低于微博。嗶哩嗶哩彈幕網(wǎng)是近幾年興起的交互式視頻網(wǎng)站，其擁有數(shù)量較多的用戶群體，且以青年、青少年為主。嗶哩嗶哩彈幕網(wǎng)中有類似于微博熱搜的功能設(shè)置，會主動推薦熱度較高的優(yōu)質(zhì)視頻。嗶哩嗶哩彈幕網(wǎng)的用戶群體缺少明星這一群體，但存在具有一定影響力的博主在視頻的擴散過程中充當(dāng)意見領(lǐng)袖，例如相關(guān)部門的官方賬號等。例如在本文研究中，具有較大影響力的意見領(lǐng)袖為中科院物理所的官方賬號。該科普視頻在嗶哩嗶哩彈幕網(wǎng)的擴散中，缺少明星這一類意見領(lǐng)袖的影響，但仍然存在相關(guān)官方賬號等充當(dāng)意見領(lǐng)袖，以及平臺內(nèi)部對用戶的推薦視頻機制，擴大了視頻的擴散范圍，增強了傳播效果。

三個平臺的用戶對該科普視頻的評論熱點詞存在較多近義詞，大多都是對該視頻和視頻創(chuàng)作者的認(rèn)可以及對于疫情地區(qū)群眾的鼓勵，表示不同平臺的用戶對于該科普視頻的態(tài)度大致相同，均表達了對該視頻的認(rèn)可與支持，以及對新冠病毒的畏懼和對武漢的支持。表明該科普視頻在疫情期間對于廣大網(wǎng)絡(luò)用戶起到較好的科普效果以及鼓勵作用。

6 結(jié)語

本文運用社會網(wǎng)絡(luò)分析法，從網(wǎng)絡(luò)結(jié)構(gòu)、擴散范圍、擴散速度和熱度變化等指標(biāo)入手，研究對比了名為“關(guān)于新冠肺炎的一切”的科普視頻在微博、西瓜視頻和嗶哩嗶哩彈幕網(wǎng)三個網(wǎng)絡(luò)社交媒體平臺的擴散模式差異，并簡要分析了差異形成的原因。研究為相關(guān)部門提供參考，采取有效措施開展科普管理工作，從而使網(wǎng)絡(luò)用戶更好地接觸科普類視頻，提升網(wǎng)絡(luò)用戶的知識儲備以及自身素質(zhì)，最終提升對社會輿情的監(jiān)管及公益輿論導(dǎo)向的正確引導(dǎo)。本文研究仍然存在一定局限，主要在于只選取了一個科普視頻，且無法獲取用戶轉(zhuǎn)發(fā)數(shù)據(jù)等導(dǎo)致的研究偏差。在后續(xù)研究中,將選取持續(xù)時間更長的話題相關(guān)的科普視頻以及更多平臺數(shù)據(jù),對新媒體下科普類視頻的擴散模式進行更為深入、細(xì)致的研究。