突發(fā)公共衛(wèi)生事件中政務(wù)社交媒體傳播模式

黃逸磊 ，夏志杰 ，堯 淦

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

突發(fā)公共衛(wèi)生事件中，不實(shí)信息造成的恐慌情緒會(huì)與疾病一起快速傳播[1]，其造成的社會(huì)危害甚至超過(guò)疾病本身[2]. Michele等[3]認(rèn)為，在突發(fā)公共衛(wèi)生事件中人們會(huì)主動(dòng)尋求相關(guān)信息，從而提升相對(duì)應(yīng)的知識(shí)水平，而政務(wù)社交媒體無(wú)疑會(huì)受到用戶的大量關(guān)注，此時(shí)政府部門也獲得快速傳播信息的能力[4]. 如何充分利用政務(wù)社交媒體的傳播優(yōu)勢(shì)，提升傳播效果，具有研究意義及社會(huì)治理的參考價(jià)值.

研究傳播模式可以較好地反映出傳播過(guò)程[5]，并隨著網(wǎng)絡(luò)的發(fā)展做出相應(yīng)改進(jìn)[6]. 借助社交媒體真實(shí)數(shù)據(jù)，能夠從傳播拓?fù)浣Y(jié)構(gòu)方面總結(jié)信息傳播規(guī)律[7]，發(fā)現(xiàn)無(wú)法觀察到的生成機(jī)制引起的傳播結(jié)構(gòu)的特征變化[8]. 而傳播拓?fù)浣Y(jié)構(gòu)特征由用戶傳播行為決定，可以從用戶傳播行為時(shí)間角度彌補(bǔ)拓?fù)浣Y(jié)構(gòu)模式僅包含靜態(tài)特點(diǎn)的不足.

本研究聚焦突發(fā)公共衛(wèi)生事件期間政務(wù)社交媒體傳播模式，用真實(shí)的政務(wù)社交媒體數(shù)據(jù)，從拓?fù)浣Y(jié)構(gòu)模式與用戶傳播行為時(shí)間模式兩個(gè)維度，定量研究傳播模式、傳播效果、情感因素間的關(guān)系，提出優(yōu)化政務(wù)社交媒體在突發(fā)公共衛(wèi)生事件中傳播效果的改進(jìn)思路. 目前利用傳播模式分析政務(wù)社交媒體特點(diǎn)的研究較少，本研究希望在分析并提出傳播效果優(yōu)化建議的同時(shí)，提供一種對(duì)政務(wù)社交媒體傳播的觀察方法.

1 傳播模式研究

1.1 拓?fù)浣Y(jié)構(gòu)模式

拓?fù)浣Y(jié)構(gòu)模式是將用戶關(guān)系提煉成靜態(tài)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu). 結(jié)合拓?fù)浣Y(jié)構(gòu)，Goel等[8]將病毒模式定義為信息在人與人之間的長(zhǎng)鏈傳播，將廣播模式定義為信息由源頭直接傳遞給大部分信息受眾的星型結(jié)構(gòu). Liang[9]在此基礎(chǔ)上發(fā)現(xiàn)傳播模式影響受眾群體的構(gòu)成.

雖然大規(guī)模的信息傳播往往被當(dāng)作病毒模式的結(jié)果，但Liang等[10]研究發(fā)現(xiàn)，廣播模式主導(dǎo)Twitter中埃博拉信息的傳播. 根據(jù)傳播模式的不同，Domingos等[11]發(fā)現(xiàn)存在最佳個(gè)體集可實(shí)現(xiàn)傳播效果最大化. 因此，可以根據(jù)傳播拓?fù)浣Y(jié)構(gòu)模式 選擇相應(yīng)的傳播策略，擴(kuò)大信息影響[12].

1.2 用戶傳播行為時(shí)間模式

拓?fù)浣Y(jié)構(gòu)模式是對(duì)信息傳播模式的靜態(tài)體現(xiàn)，但學(xué)者研究發(fā)現(xiàn)，傳播過(guò)程的動(dòng)態(tài)時(shí)效特性會(huì)影響信息傳播[13]：Lambiotte等[14]發(fā)現(xiàn)時(shí)效異質(zhì)性會(huì)影響傳播動(dòng)力學(xué)行為；Perra等[15]發(fā)現(xiàn)時(shí)效網(wǎng)絡(luò)上閾值顯著不同于靜態(tài)網(wǎng)絡(luò)，需要通過(guò)用戶傳播行為時(shí)間模式來(lái)考察傳播過(guò)程的動(dòng)態(tài)特點(diǎn).

傳播動(dòng)力學(xué)是時(shí)間模式研究的典型代表之一[16]，多采用流行病傳播模型[17?18]，但其存在時(shí)間尺度與實(shí)際情況分離情況，從而影響結(jié)論的可靠性[19]. 對(duì)此，常用冪律分布假設(shè)作為個(gè)體交互行為間隔時(shí)間的先驗(yàn)分布[20?22]. 本研究借助真實(shí)的社交媒體數(shù)據(jù)考察冪律分布假設(shè)，在明確時(shí)間尺度的基礎(chǔ)上，詳細(xì)分析信息傳播網(wǎng)絡(luò)中用戶傳播行為的時(shí)間模式.

2 數(shù)據(jù)來(lái)源及分析方法

2.1 數(shù)據(jù)來(lái)源

本研究選取2020年1月23日至2020年2月14日期間排名前三的外宣類政務(wù)微博有關(guān)突發(fā)公共衛(wèi)生事件的內(nèi)容，共計(jì)17 085條微博，包括內(nèi)容、轉(zhuǎn)發(fā)數(shù)、點(diǎn)贊數(shù)、評(píng)論數(shù)，以及轉(zhuǎn)發(fā)數(shù)超過(guò)平均值的傳播結(jié)構(gòu)數(shù)據(jù). 為保證傳播結(jié)構(gòu)的完整性，去除存在15%及以上轉(zhuǎn)發(fā)關(guān)系缺失的政務(wù)微博，獲得312 037條轉(zhuǎn)發(fā)記錄.

此段時(shí)間內(nèi)的傳播數(shù)據(jù)極為特殊：一方面，幾乎所有用戶均在家中，處于一種基本無(wú)干擾的狀態(tài)，可以看作用戶群體行為的自然基準(zhǔn)；另一方面，突發(fā)公共衛(wèi)生事件涉及整個(gè)傳播體系中所有用戶，整個(gè)政務(wù)社交媒體中的用戶都可以作為研究對(duì)象. 因此，基于數(shù)據(jù)的研究結(jié)果具有一定的學(xué)術(shù)參考價(jià)值.

建立傳播病毒化程度模型，用戶行為時(shí)間指數(shù)、社交媒體內(nèi)容傳播影響力評(píng)價(jià)模型，分別刻畫政務(wù)社交媒體的傳播模式及傳播效果. 從傳播模式自身，傳播模式與傳播效果的關(guān)聯(lián)及傳播模式的 引發(fā)因素三方面展開(kāi)研究.

2.2 傳播病毒化程度

傳播病毒化程度是從拓?fù)浣Y(jié)構(gòu)角度量化傳播模式的傳播作用. 根據(jù)傳播拓?fù)浣Y(jié)構(gòu)模式特點(diǎn)，能夠提出優(yōu)化傳播效果的措施；根據(jù)轉(zhuǎn)發(fā)關(guān)系發(fā)生的順序重構(gòu)信息傳播網(wǎng)絡(luò). 用信息級(jí)聯(lián)的概念來(lái)描述社交媒體的傳播拓?fù)浣Y(jié)構(gòu)特征，如圖1所示.用級(jí)聯(lián)大小、級(jí)聯(lián)規(guī)模、級(jí)聯(lián)深度反映政務(wù)微博的信息傳播模式.

級(jí)聯(lián)大小Cz， 即轉(zhuǎn)發(fā)者數(shù)量，反映社交媒體內(nèi)容的傳播范圍. 圖1中，A為信源節(jié)點(diǎn)，即社交媒體的某一條推送；B1～D1均為轉(zhuǎn)發(fā)者節(jié)點(diǎn)，它們分別從各自對(duì)應(yīng)的前驅(qū)節(jié)點(diǎn)處轉(zhuǎn)發(fā)了此內(nèi)容. 圖1中級(jí)聯(lián)大小 Cz為6.

級(jí)聯(lián)規(guī)模Cs， 為一級(jí)轉(zhuǎn)發(fā)者數(shù)量Cs1與級(jí)聯(lián)大小Cz的比值，即一級(jí)轉(zhuǎn)發(fā)者在全體轉(zhuǎn)發(fā)者中的占比，一定程度上表明社交媒體廣播模式的傳播作用. 在圖1中Cs約為33.33%.

圖1 信息級(jí)聯(lián)擴(kuò)散樹(shù)Fig. 1 Information cascade diffusion tree

級(jí)聯(lián)深度Cd，為連通路中離信源最遠(yuǎn)的節(jié)點(diǎn)到信源的路徑長(zhǎng)度，一定程度上反映政務(wù)社交媒體中病毒模式的傳播作用. 圖1中A～D1的路徑長(zhǎng)度為3.

雖然上述信息級(jí)聯(lián)指標(biāo)能反映社交媒體的傳播拓?fù)浣Y(jié)構(gòu)模式，但是級(jí)聯(lián)指標(biāo)只能片面反映傳播拓?fù)浣Y(jié)構(gòu)的特點(diǎn). 參照文獻(xiàn)[8]建立傳播病毒化程度指標(biāo)，用轉(zhuǎn)發(fā)節(jié)點(diǎn)間平均路徑長(zhǎng)度Dr同時(shí)體現(xiàn)傳播廣播模式和病毒模式的作用程度，表達(dá)式為

式中：dij為轉(zhuǎn)發(fā)節(jié)點(diǎn)i 與 轉(zhuǎn)發(fā)節(jié)點(diǎn) j之間的最短距離；N為轉(zhuǎn)發(fā)節(jié)點(diǎn)數(shù)量. 若轉(zhuǎn)發(fā)節(jié)點(diǎn)間的平均距離越長(zhǎng)，則傳播過(guò)程中病毒模式的作用越強(qiáng)；若轉(zhuǎn)發(fā)節(jié)點(diǎn)間平均距離越短，則傳播過(guò)程中廣播模式的作用越強(qiáng).

由于轉(zhuǎn)發(fā)節(jié)點(diǎn)間平均距離直接代表節(jié)點(diǎn)間的距離，不能在一個(gè)標(biāo)準(zhǔn)化的數(shù)量區(qū)間中體現(xiàn)傳播的拓?fù)浣Y(jié)構(gòu)模式，需要標(biāo)準(zhǔn)化轉(zhuǎn)發(fā)者平均距離形成傳播病毒化程度DN，計(jì)算式為

式中：Dmin為轉(zhuǎn)發(fā)節(jié)點(diǎn)間可能存在的最小平均最短路徑長(zhǎng)度. 當(dāng)轉(zhuǎn)發(fā)網(wǎng)絡(luò)為以信息源為中心的星型結(jié)構(gòu)時(shí)，轉(zhuǎn)發(fā)節(jié)點(diǎn)間平均最短路徑長(zhǎng)度最小，長(zhǎng)度為2.Dmax為轉(zhuǎn)發(fā)節(jié)點(diǎn)間可能存在的最大平均最短路徑長(zhǎng)度. 當(dāng)所有轉(zhuǎn)發(fā)節(jié)點(diǎn)為一條沒(méi)有分支的長(zhǎng)鏈時(shí)，轉(zhuǎn)發(fā)節(jié)點(diǎn)之間的平均最短路徑長(zhǎng)度達(dá)到最大值，即傳播病毒化程度達(dá)到最大，計(jì)算式為

2.3 用戶傳播行為時(shí)間模式

用戶傳播行為時(shí)間模式指用戶接收到社交媒體信息后轉(zhuǎn)發(fā)行為發(fā)生的時(shí)間模式，體現(xiàn)社交媒體中信息傳播的速度、規(guī)模等重要演化規(guī)律，是對(duì)拓?fù)浣Y(jié)構(gòu)模式在時(shí)間維度上的補(bǔ)充.

借助改進(jìn)的SI模型研究政務(wù)社交媒體用戶傳播行為時(shí)間模式. 假設(shè)用戶信任政務(wù)社交媒體發(fā)布的官方信息，并且在接收其他信息后，不改變對(duì)待官方信息的態(tài)度. 在此假設(shè)條件下，將傳統(tǒng)SI模型中的固定數(shù)值傳播率改為隨時(shí)間變化的函數(shù)，表示政務(wù)社交媒體中官方信息的時(shí)效性，隨著時(shí)間推移，用戶對(duì)官方信息的關(guān)注快速減弱. 模型中用戶分為兩種狀態(tài)：未知者(未收到官方信息)與已知者(收到官方信息). 政務(wù)社交媒體官方信息傳播模型為

式中：S 為未知者在總體中的占比；I為已知者在總體中的占比；β(t)為傳播率隨時(shí)間變化的表達(dá)式，且它們的關(guān)系式為

式中：?t為傳播率β(t)的變化量，即轉(zhuǎn)發(fā)者變化量與原有轉(zhuǎn)發(fā)者數(shù)量之比，且t∈[1,+∞).

假設(shè)H1：轉(zhuǎn)發(fā)者變化量服從冪律分布. 那么轉(zhuǎn)發(fā)者變化量可由G(t)=bxa+1表示，同時(shí)轉(zhuǎn)發(fā)者數(shù)量計(jì)算式為

從而獲得β(t)的遞推關(guān)系式為

式中：t為用戶轉(zhuǎn)發(fā)行為與社交媒體發(fā)布的時(shí)間間隔 ，h，且t∈[1,+∞).

2.4 傳播影響力評(píng)價(jià)

調(diào)整文獻(xiàn)[23]中p指數(shù)微博傳播力評(píng)價(jià)方法，使其適用于評(píng)價(jià)一條社交媒體內(nèi)容的傳播影響力.該評(píng)價(jià)體系由轉(zhuǎn)發(fā)指數(shù)Pr、點(diǎn)贊指數(shù)Pa、評(píng)論指數(shù)Pc三者共同構(gòu)成綜合指數(shù)P.

轉(zhuǎn)發(fā)指數(shù)Pr反映推送內(nèi)容對(duì)用戶轉(zhuǎn)發(fā)行為的影響力. 同時(shí)，需要排除粉絲數(shù)量對(duì)政務(wù)社交媒體傳播評(píng)價(jià)指標(biāo)的影響，計(jì)算式為

式中：Nr為 轉(zhuǎn)發(fā)數(shù)；Nf為對(duì)應(yīng)政務(wù)社交媒體賬號(hào)的粉絲數(shù)量.

點(diǎn)贊指數(shù)Pa反映推送內(nèi)容對(duì)于用戶點(diǎn)贊行為的影響力，一定程度上能夠反映出用戶的情感共鳴程度，計(jì)算式為

式中：Na為點(diǎn)贊人數(shù).

評(píng)論指數(shù)Pc反映推送內(nèi)容對(duì)用戶評(píng)論行為的影響力，計(jì)算式為

式中：Nc為 評(píng)論人數(shù).

不同推送的轉(zhuǎn)發(fā)、點(diǎn)贊、評(píng)論指數(shù)對(duì)傳播效果的表現(xiàn)存在差異，不適合直接表示傳播力. 所以選取3種指數(shù)的平均值作為綜合指數(shù)，綜合反映傳播影響力，公式為

3 結(jié)果與分析

3.1 傳播影響力與拓?fù)浣Y(jié)構(gòu)模式

政務(wù)社交媒體中，級(jí)聯(lián)規(guī)模的平均值和中位數(shù)都較高，傳播深度一般只有2，可見(jiàn)廣播模式主導(dǎo)政務(wù)社交媒體的傳播，見(jiàn)表1.

表1 傳播拓?fù)浣Y(jié)構(gòu)模式表Table 1 Topological pattern table of diffusion

在此基礎(chǔ)上，考慮到各指標(biāo)間可能存在的非線性關(guān)系，采用斯皮爾曼相關(guān)系數(shù)考察傳播網(wǎng)絡(luò)級(jí)聯(lián)指標(biāo)、傳播病毒化程度與傳播影響力之間的相關(guān)性.

傳播病毒化程度與級(jí)聯(lián)深度為非常弱的負(fù)相關(guān)（斯皮爾曼相關(guān)系數(shù)為?0.083，p<0.05）. 這是由于傳播拓?fù)浣Y(jié)構(gòu)中轉(zhuǎn)發(fā)節(jié)點(diǎn)間的最大距離Dmax隨著轉(zhuǎn)發(fā)數(shù)量的增多快速增長(zhǎng)，從而減小DN值. 這表明病毒模式在政務(wù)微博傳播過(guò)程中作用小，級(jí)聯(lián)深度沒(méi)有觸發(fā)大規(guī)模傳播.

傳播病毒化程度與傳播影響力評(píng)價(jià)綜合指數(shù)的斯皮爾曼相關(guān)系數(shù)為?0.46（p<0.001），說(shuō)明影響力較大的政務(wù)內(nèi)容的傳播都是用戶從信息源直接獲取并轉(zhuǎn)發(fā)的，幾乎不涉及用戶間的大規(guī)模傳播.這表明突發(fā)公共衛(wèi)生事件期間，用戶主動(dòng)關(guān)注官方 信息可增強(qiáng)廣播模式的傳播效果.

3.2 情感對(duì)拓?fù)浣Y(jié)構(gòu)模式的影響

通常認(rèn)為社交媒體中，內(nèi)容情感及其引發(fā)的受眾情感在觸發(fā)大規(guī)模傳播過(guò)程中有重要作用，可借助情感極性衡量政務(wù)信息內(nèi)容和受眾評(píng)論的情感態(tài)度，計(jì)算情感極性與傳播模式間的斯皮爾曼相關(guān)性，分析情感因素對(duì)傳播模式的影響.

政務(wù)信息內(nèi)容情感極性與傳播節(jié)點(diǎn)間平均距離的斯皮爾曼相關(guān)系數(shù)為?0.12，受眾情感極性與傳播節(jié)點(diǎn)間平均距離的斯皮爾曼相關(guān)性也為?0.12，雖然兩種情感與傳播平均距離間的相關(guān)性相同，但從各自分布來(lái)看存在本質(zhì)區(qū)別. 受眾情感極性—轉(zhuǎn)發(fā)節(jié)點(diǎn)平均距離散點(diǎn)如圖2所示. 圖中，用戶情感反應(yīng)的分布較為均勻，表明受眾的情感反應(yīng)基本不影響政務(wù)社交媒體傳播模式.

圖2 受眾情感極性-轉(zhuǎn)發(fā)節(jié)點(diǎn)平均距離散點(diǎn)圖Fig. 2 Audience emotion polarity and average spreading distance plot

政務(wù)信息內(nèi)容情感—節(jié)點(diǎn)間平均距離散點(diǎn)圖如圖3所示. 圖中顯示出兩級(jí)情緒分布較 密、中立情緒分布較為稀疏的特點(diǎn). 用DBSCAN聚類分析驗(yàn)證分布特點(diǎn)發(fā)現(xiàn)散點(diǎn)分為4類，分別為：消極情緒0～0.2，中立偏消極情緒0.3～0.5，中立偏積極情緒0.5～0.8，積極情緒0.8～1.0. 其中，情緒越極端，傳播距離遠(yuǎn)的可能性越大，受眾異質(zhì)性程度越高[24]. 可見(jiàn)政務(wù)社交媒體所發(fā)布的信息所蘊(yùn)含的情感程度會(huì)影響政務(wù)社交媒體信息傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)模式，而官方信息引發(fā)的受眾情感不會(huì)引起傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的顯著變化.

圖3 DBSCAN聚類結(jié)果Fig. 3 Clustering result of DBSCAN

3.3 用戶傳播行為時(shí)間模式對(duì)傳播演化的影響

用戶傳播行為時(shí)間模式是用戶接收到官方信息后傳播行為在時(shí)間上的特征. 加總數(shù)據(jù)集中政務(wù)社交媒體信息發(fā)布后每小時(shí)的轉(zhuǎn)發(fā)數(shù)量，并對(duì)每小時(shí)轉(zhuǎn)發(fā)量變化的時(shí)間序列進(jìn)行擬合. 結(jié)果發(fā)現(xiàn)政務(wù)社交媒體轉(zhuǎn)發(fā)數(shù)的變化量在一定波動(dòng)的基礎(chǔ)上接近冪律分布，如圖4所示. 其波動(dòng)可能是由于用戶生活的周期性節(jié)律及注意力遞減圖7等因素造成，所以假設(shè)H1具有一定合理性.

圖4 突發(fā)公共衛(wèi)生事件傳播變化量Fig. 4 Transmission variance in public health emergency

社交媒體用戶的生活節(jié)律對(duì)政務(wù)社交媒體官方信息傳播的影響主要有如下表現(xiàn).

1) 政務(wù)社交媒體信息發(fā)布的時(shí)間分布與傳播效果較好的政務(wù)微博發(fā)布時(shí)間分布如圖5和圖6所示. 兩者存在較大差異，這表明政務(wù)微博傳播效果受到與時(shí)間相關(guān)的因素影響.

圖5 政務(wù)微博發(fā)布總體時(shí)間分布Fig. 5 Release time distribution of all government microblog

圖6 傳播效果較好的政務(wù)微博時(shí)間分布Fig. 6 Time distribution of wide-spreading government microblog

2) 與Golder等[25]在Twitter中發(fā)現(xiàn)人們情緒日常變化規(guī)律類似，用戶轉(zhuǎn)發(fā)行為的時(shí)間分布展現(xiàn)出社交媒體用戶的生活節(jié)律與使用習(xí)慣，如圖7所示. 用戶轉(zhuǎn)發(fā)行為在上午較為活躍，到下午和晚間逐漸遞減，在此期間呈現(xiàn)規(guī)律性波動(dòng)，周期約為5 h，與用戶轉(zhuǎn)發(fā)數(shù)變化量波動(dòng)出現(xiàn)的時(shí)間吻合.

圖7 用戶轉(zhuǎn)發(fā)行為時(shí)間分布Fig. 7 Time distribution of user repost behavior

在假設(shè)H1背景下，利用改進(jìn)的傳染病模型觀察傳播者變化量?jī)缏煞植贾校笖?shù)變化對(duì)政務(wù)社交媒體傳播效果的影響. 將SI模型中各初始值設(shè)置為：S = 0.999，I=0.001，β=0.7，式(8)中指數(shù)a為?1.5～?1.0，步長(zhǎng)為0.1. 模擬仿真試驗(yàn)結(jié)果如圖8所示. 結(jié)果表明，指數(shù) a越大，政務(wù)社交媒體中政務(wù)信息傳播速度越快，用戶傳播熱情衰減速度越慢，即SI模型中傳播率β衰減速度越慢，說(shuō)明指數(shù) a能夠反映用戶傳播行為時(shí)間模式特點(diǎn).

圖8 用戶活動(dòng)時(shí)間指數(shù)運(yùn)行結(jié)果Fig. 8 Operation result of user active time index

3.4 情感對(duì)用戶活動(dòng)時(shí)間模式的影響

社交媒體中情感煽動(dòng)性言論往往會(huì)引爆輿論，可能是社交媒體內(nèi)容情感，也可能是受眾情感，進(jìn)而推動(dòng)信息被大量傳播. 為探究政務(wù)社交媒體中這兩類情感因素對(duì)用戶傳播行為時(shí)間模式的影響，擬合各政務(wù)推送轉(zhuǎn)發(fā)量變化的冪函數(shù)獲得指數(shù)a，構(gòu)建政務(wù)社交媒體傳播模式指標(biāo)、傳播影響力與傳播者數(shù)量變化指數(shù)的斯皮爾曼相關(guān)性系數(shù)矩陣，如圖9所示.

圖9 斯皮爾曼相關(guān)性系數(shù)熱力圖Fig. 9 Thermal diagram of Spearman correlation coefficient

由圖可見(jiàn)：政務(wù)社交媒體內(nèi)容情感與用戶傳播行為時(shí)間模式之間的斯皮爾曼相關(guān)性系數(shù)為0.058，表示政務(wù)社交媒體內(nèi)容情感極性幾乎不影響用戶傳播行為特點(diǎn)；受眾情感與用戶傳播行為時(shí)間模式的相關(guān)性為0.053，說(shuō)明受眾情緒很少會(huì)加快政務(wù)社交媒體中官方信息的傳播速度及熱度持續(xù)時(shí)間；用戶傳播行為時(shí)間模式與政務(wù)社交媒體傳播影響力的相關(guān)性為0.045，表明用戶傳播行為時(shí)間模式并不會(huì)強(qiáng)化傳播影響力. 綜上所述，通常情況下情感因素可能是引爆社交媒體輿論傳播的重要因素，但在政務(wù)社交媒體傳播場(chǎng)景下極少存在通過(guò)受眾情感促進(jìn)政務(wù)信息傳播的情況，說(shuō)明提升政務(wù)社交媒體傳播效果的重點(diǎn)不在于提升情 感共鳴.

4 結(jié)論與探討

本研究以政務(wù)微博為例，用政務(wù)社交媒體中突發(fā)公共衛(wèi)生事件的真實(shí)傳播數(shù)據(jù)，研究突發(fā)公共衛(wèi)生事件背景下政務(wù)社交媒體的傳播模式、傳播效果及情感因素，得到如下結(jié)論.

1) 政務(wù)社交媒體傳播網(wǎng)絡(luò)以廣播模式為主，其中傳播效果與傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)模式不存在必然聯(lián)系. 根據(jù)該特點(diǎn)，政務(wù)社交媒體為優(yōu)化傳播效果需要與多位意見(jiàn)領(lǐng)袖合作，擴(kuò)大官方信息的傳播范圍. 同時(shí)，需要與具有強(qiáng)大帶動(dòng)力的組織合作，進(jìn)一步增加信息受眾的群體異質(zhì)性，在最短時(shí)間內(nèi)將重要信息傳遞給最廣泛的人群.

2) 政務(wù)社交媒體內(nèi)容情感會(huì)影響信息傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)模式，而受眾情感不會(huì)引起傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的顯著變化，這說(shuō)明決定政務(wù)社交媒體中官方信息傳播結(jié)構(gòu)的是官方信息內(nèi)容本身所表達(dá)的情感態(tài)度，而不是信息引發(fā)的受眾情感. 消極情感內(nèi)容和積極情感內(nèi)容都有更深的級(jí)聯(lián)深度，因此也會(huì)有更高的受眾群體異質(zhì)性. 在實(shí)際情況中，具有消極情感的官方信息輿論事態(tài)發(fā)展更不穩(wěn)定，需要政府部門借助政務(wù)社交媒體收集民眾反饋，及時(shí)進(jìn)行輿論引導(dǎo)，不僅需要迎合受眾的信息需求，還要不斷調(diào)整發(fā)布內(nèi)容的情感極性，直至輿論熱度退去.

3) 政務(wù)社交媒體內(nèi)容轉(zhuǎn)發(fā)數(shù)變化量大致符合冪律分布，受用戶日常生活節(jié)律以及用戶注意力遞減的影響，且用戶傳播行為時(shí)間模式及傳播速度很少受政務(wù)社交媒體情感因素的影響. 在信息時(shí)效性允許的范圍內(nèi)，政務(wù)社交媒體發(fā)布重要信息的最佳時(shí)間為上午7時(shí)至10時(shí)，能確保最多的用戶在短時(shí)間內(nèi)關(guān)注到政務(wù)社交媒體中的重要信息. 平衡用戶一天中分配在政務(wù)社交媒體上的注意力特點(diǎn)與信息時(shí)效性演變的規(guī)律，最大化政務(wù)社交媒體上官方信息的傳播效果.

上述研究對(duì)于突發(fā)公共衛(wèi)生事件期間的政務(wù)社交媒體傳播策略制定提供一定的參考，也為觀察社交媒體的傳播模式提供了一種思路. 但是，不同事件中政務(wù)社交媒體傳播模式可能有所不同，且影響因素不僅限于本研究中所指，還有諸如內(nèi)容主題、互動(dòng)程度等因素，有待結(jié)合這些因素繼續(xù)深入研究.