基于算法推動的文化傳播“破圈”機制研究
——以B站“法國音樂劇”的傳播為例

何 苑,張洪忠,蘇世蘭

(1.河北大學 新聞傳播學院，河北 保定 071002；2.北京師范大學 新聞傳播學院，北京 100875；3.陜西理工大學 數(shù)學與計算機科學學院，陜西 漢中 723001)

一、問題提出

當前，智能媒介平臺已全面滲透到人們的生產生活中，算法邏輯正重塑著文化生產和傳播的模式。莫爾特尼(L.Molteni)和歐丹匿尼(A.Ordanini)曾經提出，文化產品具有經驗性、主觀性、表征性和依賴性，即個體所處的社會環(huán)境會塑造并影響其文化品位和類型偏好的形成。(1)Molteni，L.，Ordanini，A.，“Consumption Patterns，Digital Technology and Music Downloading,”Long Range Planning，Vol.36，No.4，2003，pp.389-406.而智能媒介平臺和算法的介入正顛覆著這種以“人”為主體的文化生產和傳播生態(tài)。早在2013年，美國奈飛公司(Netflix)的連續(xù)劇《紙牌屋》一經播出，算法對文化生產的影響力便開始嶄露頭角：該劇通過對海量用戶的行為和反饋信息進行計算，創(chuàng)新了內容的生產模式，并打造出風靡全球的“現(xiàn)象級”文化產品。

在我國，用戶生成內容(以下簡稱UGC)視頻平臺正憑借對算法技術和用戶輸出內容的整合表現(xiàn)出強大的文化生產能力和重塑能力。(2)李康化、姜姍：《機器學習與文化生產變革——基于AI技術發(fā)展視角》,《湘潭大學學報(哲學社會科學版)》2020年第1期，第74-79頁。2019年以來，以二次元網絡文化社區(qū)嗶哩嗶哩網站(即Bilibili，以下簡稱“B站”)為代表的UGC視頻平臺成為文化“破圈”傳播的重要陣地。(3)侯迎忠、玉昌林：《2021年中國對外傳播實踐創(chuàng)新與未來展望》，《對外傳播》2021年第12期，第13-17頁。平臺算法將海量用戶轉化為“共同行為者”，重新定義著文化內容的生成邏輯與類型劃分標準。文化“破圈”現(xiàn)象成為近年來備受業(yè)界和學界關注的熱點。但同時，既有研究主要側重分析文化公司、媒體等權威創(chuàng)作主體為拓寬受眾渠道而主動采取的“破圈”策略，少有研究關注特定文化在算法推動下被動突破原有類型邊界、與其他文化產生交互與融合的“破圈”傳播現(xiàn)象。

本研究嘗試從實證研究的視角出發(fā)來回答以下問題：在UGC視頻網站上，小眾的“高雅”藝術內容如何在算法推動下實現(xiàn)跨類型的“破圈”傳播？研究綜合采用社會網絡分析和質性文本語義分析方法，對“法國音樂劇”在B站上的229849個相關視頻內容和文化特征共現(xiàn)網絡進行了探索性研究,并在Axelrod文化傳播模型的理論視角下，對算法推動下的文化被動“破圈”傳播機制與原理進行解釋。

二、文獻綜述

(一)備受關注的文化“破圈”傳播現(xiàn)象

“破圈”傳播(或“出圈”傳播)的概念原本出自飯圈文化。2019年，B站與新華網聯(lián)手舉辦跨年晚會并大獲成功。此后，“破圈”的概念隨即進入公眾視野，成為一種備受關注的文化熱點現(xiàn)象。(4)肖瀟、曾一果：《“這是我們的世代”——媒介融合下B站跨年晚會的“文化出圈”》，《南方傳媒研究》2020年第1期，第181-187頁。(5)喻國明：《“破圈”：未來社會發(fā)展中至為關鍵的重大命題》，《新聞與寫作》2021年第6期，第1頁。

目前學界對文化“破圈”的概念存在幾種不同的理解。第一種是指在初始語境中，二次元等亞文化形式在網絡新媒介上突破原有圈層限制，逐步擴大活動范圍并從小眾走向大眾的現(xiàn)象。(6)韓運榮、于印珠：《網絡亞文化視野下的B站“破圈”之路——基于互動儀式鏈理論的研究》，《社會科學》2021年第4期，第181-192頁。第二種是在媒體融合發(fā)展大趨勢下產生的衍生涵義，指向傳統(tǒng)媒體、主旋律影視作品、文化機構等主體采取的一種轉型策略，即通過借用小眾文化元素來拓寬受眾渠道，提升自身在“非主流”文化群體中的親和力與影響力。(7)陳慕祥：《黨史題材電視節(jié)目〈世紀航程〉創(chuàng)作的“破圈”與“出圈”》，《當代電視》2022年第1期，第 58-62頁。(8)冀愛潔：《媒體融合視域下傳統(tǒng)文化“出圈”的創(chuàng)新路徑——以〈醉成都〉為例》，《出版廣角》2020年第17期，第54-56頁。第三種則是在文化社會學的框架下，將“破圈”視為特定文化在傳播過程中突破固有類型邊界(cross-genre)，與其他文化類型產生互動、交融的現(xiàn)象。(9)Bidart,C.,“Les Jeunes et Leurs Petits Mondes.Relations，Cercles Sociaux，Nébuleuses,”Cahiers de la MRSH,No.5,1996，pp.57-76.本研究正是從第三種定義的角度切入的。

在我國，關注文化“破圈”和“出圈”現(xiàn)象的研究數(shù)量自2019年起呈顯著上升趨勢?，F(xiàn)有研究中主要有兩種不同的觀照視角：一是在文化研究學派的理論框架下，通過具體的影視創(chuàng)作或媒介融合發(fā)展案例來探討青年亞文化與主文化的風格抵抗、象征符碼建構以及二者如何在新媒介語境下產生雙向融合與意義反哺。(10)趙寰、侯清鵬：《融合與反哺：B站破圈的后喻文化解讀》，《新聞與傳播評論》2021年第6期，第45-53頁。二是從“文化圈層”理論的視角出發(fā)，將“破圈”泛化地理解為一種“原本只出現(xiàn)在小眾群體中的話題、形象或事件突破了原有邊界，在其他群體成員中獲得廣泛關注和熱議”的現(xiàn)象，(11)呂程、尹素偉：《 東京奧運會“破圈”傳播探析》，《當代電視》2022年第2期，第80-83頁。并在該語境下探討文化主體間的“跨圈層”互動、心理認同和社群行為遷移。(12)崔凱：《破圈：粉絲群體愛國主義網絡行動的擴散歷程——基于對新浪微博“飯圈女孩出征”的探討》，《國際新聞界》2020年第12期，第26-49頁。這些研究所采取的多是一種“創(chuàng)作者本位”的視角，即側重關注內容平臺、影視制作方、媒體、文化機構等具有權威性的機構主體如何刻意插入小眾文化元素來打造“差異化”的產品，以體現(xiàn)自身的文化包容度，并觸達更廣泛的受眾人群。如在傳統(tǒng)文化或主旋律內容的創(chuàng)作中“拼貼”一些“二次元”文化的話語風格、表現(xiàn)形式、角色形象(13)喻國明、滕文強：《發(fā)力情感價值：論虛擬偶像的“破圈”機制——基于可供性視角下的情感三層次理論分析》，《新聞與寫作》2021年第4期，第63-67頁。；或對經典影視作品、高雅藝術形式等進行“文化下沉”式的改編與類型調和，以拉近作品與普通受眾群體的距離。(14)楊培倫：《破圈、建構、現(xiàn)實：中國懸疑涉案劇的發(fā)展與突破——以〈隱秘的角落〉為例》，《藝術評論》2022年第10期，第97-106頁。(15)趙淑萍、吳昊、王悅儒：《話語共建與文化破圈：央視網絡春晚的伴隨文本研究》，《中國電視》2021年第7期，第77-82頁。

值得注意的是，雖然現(xiàn)有文獻均看到了這些文化“破圈”現(xiàn)象產生的新媒介語境，但關注的多為機構主體在內容創(chuàng)作層面的實踐做法，對這些平臺賴以生存的技術性因素鮮少提及。事實上，文化類型的形成和邊界“僭越”并非網絡時代才誕生的現(xiàn)象，而是早已有之。當下，算法等技術性構念(technical constructs)(16)Willson，M.,“Algorithms (and the) Everyday,”Information，Communication & Society，Vol.20，No.1，2017，pp.137-150.以及智能媒介規(guī)訓下的新的文化消費慣習正深刻影響著人們對文化過程和類型差異的感知(17)Steglich，C.，Snijders，T.A.B.，West,P.,“Applying SIENA: An Illustrative Analysis of the Co-evolution of Adolescents’ Friendship Networks，Taste in Music and Alcohol Consumption,” Methodology: European Journal of Research Methods for the Behavioral and Social Science, Vol.2，No.1，2006，pp.48-56.，尤其在用戶廣泛參與的UGC內容平臺上更是如此。但這種“技術改變文化”的視角在現(xiàn)有的文化“破圈”研究中卻少有人關注。鑒于此，本研究主要從文化社會學的詮釋視角出發(fā)，以B站平臺為例，提出研究問題如下：

RQ1：UGC視頻平臺的算法如何推動文化內容產生跨類型的“破圈”傳播？

(二)算法對文化生產和類型劃分邏輯的重構

人工智能算法早已開始改變文化生產和類型建構的邏輯?；谒惴ǖ膬热萃扑]系統(tǒng)往往在看似理性和中立的篩選、過濾、整合中影響著人們對文化共性與差異性的感知。(18)Baek,Y.M.，“Relationship between Cultural Distance and Cross-cultural Music Video Consumption on YouTube,” Social Science Computer Review，Vol.33，No.6，2015，pp.730-748.

在經典文化消費理論中，文化邊界是“社會建構”的：人們因擁有相似的成長經歷、生活環(huán)境、社會位置而產生共同的品味(taste)或偏好，并在這一習得性過程中捕捉文化類型差異(或相似性)的存在邏輯。(19)朱偉玨：《布迪厄“文化資本論”研究》，北京：經濟日報出版社，2007年，第30-37頁。而數(shù)字文化極大地消解了這一過程，將感性的藝術審美轉化為一系列理性并且可以計算的指標。(20)Webster，J.,“Music On-demand: A Commentary on the Changing Relationship between Music Taste，Consumption and Class in the Streaming Age,”Big Data & Society，Vol.6，No.2，2019，pp.1-5.算法不僅促進了文化內容的流動，更按照一定的邏輯積極重塑著這些內容。可以說，在“平臺化”的媒介上，文化產品的生產過程、類型劃分標準和傳播模式已經被算法、數(shù)據(jù)和計算機系統(tǒng)進行了“格式化”。(21)Nieborg，D.B.，Poell，T.“The Platformation of Cultural Production: Theorizing the Contingent Cultural Commodity,” New Media and Society，Vol.20，No.11，2018，pp.4275-4292.如美國奈飛公司在用戶反饋和算法邏輯的驅動下，打造出前所未有的影視劇生產模式；(22)Hallinan，B.，Striphas.T.，“Recommended for You: the Netflix Prize and the Production of Algorithmic Culture,” New Media & Society，Vol.18，No.1，2014，pp.117-137.音樂內容平臺通過算法整合用戶行為、文化消費情境和類型標簽等數(shù)據(jù)，并在此基礎上塑造出不屬于任何流派的“音樂類型”(crowd-generated music categories)和“歌單”；(23)Airoldi,M，Beraldo，D.，Gandini，A.，“Follow the Algorithm: An Exploratory Investigation of Music on YouTube,” Poetics，Vol.57，2016，pp.1-13.(24)王亦高：《音樂傳播的藝術抽象性及其逆轉：音樂社交化的視角》，《現(xiàn)代傳播(中國傳媒大學學報)》2021年第7期，第118-123頁。嘻哈音樂在算法審查機制的“驅趕”下發(fā)生了類型遷移，與“搖滾”“流行樂”“民謠”等形式產生特征重疊。(25)Nie，K.,“Disperse and Preserve the Perverse: Computing How Hip-pop Censorship Changed Popular Music Genres in China,”Poetics，Vol.89，2021,101590.然而，正如莫里斯(J.W.Morris)所言，算法眼中的文化內容(歌曲、電影、書籍等)并不是一個具備藝術審美意義的完整作品，而是一系列“碎片化”(fragment)的數(shù)據(jù)集合：計算機系統(tǒng)通過識別這些碎片中的可見“特征”來將其分門別類(classification)地管理，再按照一定的計算邏輯將它們“重新打包”(repackaging)成新的產品。(26)Morris，J.W.，“Curation by Code: Infomediaries and the Data Mining of Taste,” European Journal of Cultural Studies, Vol.18，No.4-5，2015，pp.446-463.現(xiàn)有研究已證實算法推薦的“相似內容”會顯著干預影響用戶的內容消費路徑，建構他們對文化類型的感知。(27)Zhou，R.，Khemmarat，K.，Gao，L.，“The Impact of YouTube Recommendation System on Video,” IMC’10，2010，pp.404-410.但在實踐中，媒介平臺使用的“順暢性”往往容易讓用戶忽略算法時刻在“后臺”運行的事實。一方面，網絡內容在被創(chuàng)作者交付給平臺后，要經過算法的分揀和處理才會呈現(xiàn)給用戶；另一方面，算法又具備“調控閥”的功能，決定著什么內容可以在“前臺”展示。(28)Shin，D.，Kee，K.F.，Shin，E.Y.,“Algorithm Awareness: Why User Awareness is Critical for Personal Privacy in the Adoption of Algorithmic Platforms?”International Journal of Information Management，Vol.65，2022，102494.例如有研究發(fā)現(xiàn)YouTube等主流視頻平臺算法主要應用基于特征標簽與關鍵字的“相似性”(similarity)匹配原則來進行內容的分類和推薦，(29)Davidson，J.，Liebald，B.，Liu，J.,“The YouTube Video Recommendation System,”Proceedings of ACM Recommender Systems，2010，pp.293-296.(30)Cheng，X.，Dale，C.，Liu，J.,“Statistics and Social Network of YouTube Videos,”Quality of Service，IWQoS 2008 16th International Workshop，2008，pp.229-238.這既與“前數(shù)字時代”(pre-digital times)通過社會階層和藝術品味來劃分文化類型的方式(31)Airoldi，M.,“The Techno-social Reproduction of Taste Boundaries on Digital Platforms: The Case of Music on YouTube,”Poetics，Vol.89，2021,101563.存在顯著差異，更不同于時下研究中關注的、文化主體借用小眾文化元素來“制造”共性的“破圈”邏輯。

推薦算法在不同內容之間建立“相似性”關聯(lián)的依據(jù)并非作品的內容或藝術內涵。而UGC平臺用戶在上傳內容時往往會以文本標簽等形式來表達自身對文化類型和特征的界定。傳播動力學的理論觀點也認為，“相似性”是促成個體(agent)在社會網絡中產生互動和特征傳遞的重要原則。(32)Axelrod，R.,“The Dissemination of Culture: a Model with Local Convergence and Global Polarization,”Journal of Conflict Resolution，Vol.41，No.2，1997，pp.203-226.這些個體可以是個人、群體或不同的文化類型。(33)Xiao,X.H.，Ye,G.W.，Wang,B.，He，M.F.,“Cultural Dissemination in a Complex Network,”Physica A: Statistical Mechanics and its Applications，Vol.388，No.5，2009，pp.775-779.鑒于此，本研究以B站上的小眾文化形式為例，提出研究問題如下：

RQ2：算法如何推動小眾文化形式與其他文化類型產生“相似性”關聯(lián)？

(三)法國音樂劇與B站：一種“高雅”舶來品的“破圈”傳播

法國音樂劇是研究小眾文化在算法平臺上跨類型“破圈”傳播的極佳案例。該藝術形式誕生于20世紀70年代，是一種深受唱片工業(yè)模式影響的歌舞表演劇。作為一種帶有“法式高雅”標簽的文化舶來品，早在2002年，音樂劇《巴黎圣母院》便已被上海大劇院引進，但彼時卻因大眾不了解、票價高昂和語言障礙等原因導致票房慘淡。隨著互聯(lián)網技術的飛速發(fā)展，法國音樂劇自2005年起登陸中國網絡論壇，并開創(chuàng)出一條“先網后演”的成功發(fā)展路徑。從博客、貼吧、種子資源網站(如BT天堂、電驢eMule等)到UGC視頻網站，不同時期的網絡平臺先后成為法國音樂劇在華傳播的絕佳陣地。如《搖滾莫扎特》雖然2018年才正式來華公演，但該劇早在2015年時便已以“法扎”為名享譽B站，被粉絲譽為“有生之年之劇”。 2019年，曾經飽受冷遇的《巴黎圣母院》再次赴滬演出，創(chuàng)下了連演30場的記錄，還發(fā)生了觀眾在演員返場時集體大合唱的盛況。(34)吳桐：《17年前遇冷，如今一票難求，〈巴黎圣母院〉見證上海音樂劇市場之變》，2019年7月20日，https://www.shobserver.com/news/detail?id=164621，2020年5月24日。當前，法國音樂劇在我國的消費群體以“網生代”群體為主，而B站則成為其最主要的傳播陣地。

以法國音樂劇為例研究算法推動的文化“破圈”傳播現(xiàn)象具有以下典型性和代表性：

首先，法國音樂劇在B站的傳播模式突破了傳統(tǒng)文化消費理論的解釋框架。按照過去的觀點，法國音樂劇在我國本應屬于一種具有“區(qū)隔性”(distinction)的小眾文化形式。法語在我國普通大眾中的普及程度并不高，并且許多人會對法國文化帶有一種“高雅浪漫”的固有印象。(35)鄭嘉懌：《淺談法語音樂劇制作特點——以〈搖滾莫扎特〉為例》，《戲劇文學》2019年第12期，第95-98頁。一般而言，從事這種文化實踐所需的專業(yè)化知識、趣味、感性和氣質等“需要行動者花費大量的時間和精力才能完成積累”。(36)朱偉玨：《布迪厄“文化資本論”研究》，北京：經濟日報出版社，2007年，第64頁。因此在傳統(tǒng)理論框架下，這種小眾的外國藝術形式理應具備較高的“準入門檻”和極強的“圈層封閉性”特征。(37)Relish，M.，“It’s Not All Education: Network Measures as Sources of Cultural Competency,”Poetics，Vol.25，1997，pp.121-139.即使在網絡平臺上，其文化特征也應該表現(xiàn)出高度同質化的分布趨勢，并且“孤立”于其他文化類型之外。但事實上，最近幾年，法國音樂劇在中國卻受到了眾多“圈外人”的青睞。(38)景弋雯加：《法國音樂劇獨具風格的文化特性——以〈搖滾莫扎特〉為例》，《新世紀劇壇》2020年第3期，第11-14頁。在此背景下，算法在法國音樂劇的跨類型“破圈”傳播中發(fā)揮的作用和影響機制值得探討。

其次，法國音樂劇在B站上傳播的數(shù)據(jù)環(huán)境相對較“干凈”。雖然法國音樂劇在華主要采取的是“先網后演”的商業(yè)模式，并且表現(xiàn)出明顯的青年亞文化特征，但該藝術形式整體上仍然比較小眾，其傳播的網絡環(huán)境被水軍、社交機器人乃至娛樂資本等因素侵染的程度較輕。因此，相較其他陷在“流量經濟”中的文化形式而言，以法國音樂劇為例研究B站上的文化“破圈”傳播現(xiàn)象可以獲得一個相對“干凈”的數(shù)據(jù)環(huán)境，也更能體現(xiàn)小眾文化元素在算法構建的關系網絡中跨類型傳播的路徑與模式。(39)O’Riordan，S.，F(xiàn)eller，J.，Nagle，T.，“The Impact of Social Network Sites on the Consumption of Cultural Goods,” In ECIS 2011 Proceedings, 2011，p.203.

鑒于此，提出研究問題如下：

RQ3：在算法推動下，法國音樂劇有關內容會與哪些文化類型產生交互與重疊？法國音樂劇的文化特征向其他文化類型的傳播路徑以及與不同類型的融合機制為何？

三、研究方法

本研究以B站上與“法國音樂劇”相關的視頻內容為研究對象，以社會網絡分析和質性的文本語義分析為研究方法。具體實施步驟如下：

(一)數(shù)據(jù)采集與處理

首先，以“法國音樂劇”“法語音樂劇”為關鍵詞進行內容搜索和抓取。在去除無關內容和廣告內容后，獲得與搜索內容匹配的一級種子視頻(seeding sample)891條。隨后，參照布朗尼(Browne)的社會網絡滾雪球方法，對每個一級種子視頻右側自動展示的“相似內容”進行抓取，獲得二級種子視頻，并重復同樣的操作步驟直至獲得三級種子視頻。(40)Browne，K.，“Snowball Sampling: Using Social Networks to Research Non-heterosexual Women,” International Journal of Social Research Methodology，Vol.8，No.1，2005，pp.47-70.需要說明的是，雖然B站算法會給每個視頻匹配40條相關內容，但只有前20條內容會直接展示在頁面上，第21—40條的內容是默認被折疊隱藏起來的。因此，在采集二級和三級種子視頻數(shù)據(jù)時，研究者僅抓取了頁面上直接展示的20條內容。在對所獲數(shù)據(jù)進行二次去噪(如篩除廣告、失效鏈接等)后，最終得到229849條視頻的有關信息，包括視頻標題、網址(url)、標簽(tag)等，這些視頻的發(fā)布時間最長跨度為10年(2010—2021年)。為保護視頻上傳者的個人信息安全和隱私，研究者對用戶名稱等內容進行了脫敏處理。

(二)基于標簽共現(xiàn)情況的社會網絡分析

視頻標簽是UGC平臺用戶在上傳視頻時普遍使用的一種自定義信息標引方式，可以起到標識視頻背景信息、內容主題的作用，同時體現(xiàn)出UP主(上傳者)對視頻的審美評價、風格感知、類型界定和情感表達等。(41)Airoldi,M.，Beraldo，D.，Gandini，A.,“Follow the Algorithm: An Exploratory Investigation of Music on YouTube,”Poetics，Vol.57，2016，pp.1-13.更重要的是，由于算法無法和人類一樣通過觀看來對一個“作品”建立感性認知，文本標簽就成為算法“了解”視頻作品、對其進行分類管理和關聯(lián)內容推薦的重要依據(jù)。

B站上的視頻標簽不但可以提升用戶的觀看體驗，還可以促進他們之間的社會化交流，并對社群內部成員形成 “社會驗證”的心理示范效應。(42)楊玉宇、張鵬翼：《視頻社會化標引與標引娛樂化研究——以嗶哩嗶哩彈幕網為例》，《圖書情報工作》2020年第8期，第125-133頁。同時，算法要通過這些用戶定義的描述內容和特征標簽來“識別”視頻表達的主題、所屬文化類型與特點，以便進行分類和相似內容推薦。在此背景下，標簽可以提升平臺系統(tǒng)對視頻內容的感知準度和算法推薦精度，故而是一種能夠體現(xiàn)視頻文化類型和特征屬性的有效特征向量。(43)吳劍云、胥明珠：《基于用戶畫像和視頻興趣標簽的個性化推薦》，《情報科學》2021年第1期，第128-134頁。

鑒于此，本研究將視頻標簽操作化定義為UP主賦予視頻內容的文化特征值(cultural traits)，以標簽為節(jié)點，不同標簽在視頻中的共現(xiàn)關系為邊進行社會網絡分析。借助網絡分析軟件Gephi(0.9.2版本)的Yifan Hu布局生成社會網絡結構圖。Yifan Hu布局是一種改進的力引導向布局，適用于較大的圖形。鑒于研究關注的重點在于算法推動不同文化特征形成群簇(cluster)以及期間產生跨類型聚合的邏輯(而非網絡結構本身)，故選擇構建無向圖(undirected graphs)以簡化分析。在正式分析之前，對范疇過于寬泛、無明確指向的標簽內容(如vlog、MV、高清、bilibili、UP主名稱等)進行了篩除。隨后，根據(jù)邊的權重進行聚類(權重值范圍0-2000，平均加權度5.43，模塊化值16.302，模塊化指數(shù)0.745)，最終獲得了一個由11個主要群簇構成的無向圖。圖形保留了各群簇內占比大于2%的節(jié)點，包含55485個節(jié)點和102373條邊。每個節(jié)點代表一個獨立的視頻標簽(文化特征值)，邊代表兩個獨立標簽之間存在共現(xiàn)關系。在整體標簽數(shù)量超過30000個的情況下，該結果體現(xiàn)了較高的擬合水平。(44)van Meeteren，M.，Poorthuis，A.，Dugundi，E.，“Mapping Communities in Large Virtual Social Networks,” Proceedings of the IEEE Workshop on Business Applications of Social Network, 2020，pp.1-8.但由于本階段社會網絡分析的聚類原則為標簽之間的共現(xiàn)情況，因此這一結果僅能夠區(qū)分出群簇，而無法體現(xiàn)各個群所代表的主題。

(三)質性文本語義分析與特征傳播路徑建構

為更好地了解不同群簇包含的主題及其攜帶文化特征的傳播路徑，研究者對各群的視頻標簽和標題進行了質性的文本分析和同義聚類。由于B站的視頻標簽是UP主在上傳內容時自定義生成的，存在較多縮寫、簡寫、戲稱、俚語或亞文化語言等非結構化內容。因此在這一過程中，研究者首先對此類文本進行了結構化處理，并對標簽(特征值)內容進行質性的人工編碼和歸納：其中大的分類代表群簇中包含的文化特征類型(cultural feature)，具體的標簽則代表構成某一特征類型之下的文化特征值(cultural traits)。如“美國隊長”“美隊”“鋼鐵俠”均為美劇中的超級英雄，則“超級英雄”為一個特征類型，“美國隊長”是該類型包含的具體特征值；同理，“英美音樂劇”為一個特征類型，“媽媽咪呀”“漢密爾頓”“貓”等為該類型下的具體特征值。

之后，研究者參照第二步生成的社會網絡分析圖和不同群簇中的標簽共現(xiàn)情況，繪制出11個群簇文化特征的內外連通結構圖，以呈現(xiàn)算法在核心群(法國音樂劇)文化特征與其他群之間建立關聯(lián)的邏輯、具體傳播路徑以及關鍵性節(jié)點等的情況。

四、研究發(fā)現(xiàn)

(一)算法推動“法國音樂劇”相關內容向不同特征類型群簇擴散

圖1 為根據(jù)視頻標簽共現(xiàn)情況擬合出的社會網絡分析結果。圖中以不同顏色渲染的方式對聚類得出的特征類型群簇加以區(qū)分。如圖可見有11個主要群簇，不同群簇之間并非相互獨立，而是存在一定的特征重疊(overlap)。由于圖形的擬合是基于邊的權重得出的，因此僅憑這一分析結果，尚不足以體現(xiàn)各群簇包含的文化特征類型，以及它們之間的邏輯關聯(lián)。

圖1 “法語音樂劇”相關內容在B站上的標簽共現(xiàn)關系網絡

(二)算法關聯(lián)推動跨類型的文化特征傳播與匯聚

為體現(xiàn)“核心群”文化特征在算法推動下向外部擴散的路徑，以及這些內容與其他特征群簇之間的邏輯關聯(lián)，(45)Voget，F(xiàn).W.，A History of Ethnology，New York: Reinhart & Winston，1975，p.42.(46)Clifford Geertz.，The Interpretation of Cultures，New York: Basic Books，1973，p.13.研究對各群包含的主要標簽文本進行了結構化處理和同義聚類。隨后，對每個群內高頻出現(xiàn)的標簽內容進行主題歸納，將占比最高的內容主題作為群簇的命名依據(jù)，這一名稱也代表了每個群簇包含的主要文化類型(如“歐美影視劇文化”)。在每個文化類型下，又包含若干個特征類型(如“法國音樂劇作品”“百老匯音樂劇作品”“歐美影視劇作品”“韓國明星偶像”“日本動漫作品”等)。

由表1所示的結果可見：

1.算法在對“法國音樂劇”相關視頻進行“相似內容”推薦的同時，也建立了其文化特征與其他文化類型之間的關聯(lián)。但這種“共性”并非建立在對作品藝術風格的感知上，而是UGC用戶生成的標簽文本。由表1可見，不同群簇之間存在明顯的文化類型特征重疊與交互痕跡。雖然各群的主題標簽內容以及群內被推薦最多次的視頻均與“法國音樂劇”或“音樂劇”有關，但是后者的內容卻并不一定與所屬群代表的文化類型相關。這體現(xiàn)出在平臺算法的關聯(lián)邏輯之下，不同群簇內、外均發(fā)生了文化特征的交互與融合，推動著不同類型之間產生交疊?？梢?，算法并不是基于視頻的文化藝術風格相似性來建立這種關聯(lián)的，而是根據(jù)每個文件代碼中攜帶的“顯性”特征(文本)，這些特征埋藏在每一位UP主自定義的視頻描述和標簽中，是他們根據(jù)自身對文化的理解來進行描述和“界定”的。這是一種經過計算產生的“理性”結果，與傳統(tǒng)文化研究理論中基于文化風格形成類型融合(或邊界)的認知有所不同，(47)Lewis，K.，Gonzalez，M.，Kaufman，J.，“Social Selection and Peer Influence in an Online Social Network,” PNAS, Vol.109，No.1，2012，pp.68-72.也對現(xiàn)有研究中關注的、借用小眾元素進行創(chuàng)作的主動“破圈”做法形成了補充。

表1 次級網絡社群包含的文化類型標簽與主題

2.在算法推動“核心群”文化特征向外擴散的過程中，產生了跨越類型的“文化匯聚”(cultural convergence)趨勢。在社會網絡分析生成的11個群簇中，第1群為搜索關鍵詞“法國經典音樂劇” 的直接關聯(lián)結果，可以看做是文化傳播網絡的“核心群”。隨后，由標簽主題分析的結果可知，從“核心群”到不同外部群簇之間的類型差異有所不同。即外部群簇包含的主題和文化特征類型均在“核心群”內容基礎上發(fā)生了明顯的語義“偏移”(diversion)。具體來看，第2群(英美經典音樂劇)和第3群(中國戲劇表演藝術)與“核心群”的文化類型較為相近，但兩個群指向的是同一藝術形式(音樂劇)的不同文化屬地(cultural milieu)。(48)Webb，P.，Exploring the Networked Worlds of Popular Music, London & New York：Routledge，2007，p.43.剩余的8個群簇雖然也與“核心群”之間存在關聯(lián)，但它們之間的文化類型差異卻更加明顯(尤其是第6組、第8組、第10組和第11組)。(49)Axelrod，R.，“The Dissemination of Culture: a Model with Local Convergence and Global Polarization,” Journal of Conflict Resolution，Vol.41，No.2，1997，pp.203-226.

3.現(xiàn)有群簇之間存在不同程度的特征重疊，后續(xù)仍可能產生新的交互與文化類型融合。綜合比較圖1和表1可見，與“法國音樂劇”相關的特征類型標簽散布在各群簇中。這些外部群簇尚未發(fā)展為彼此間相互“孤立”的狀態(tài)，而是在擁有少量共性特征的基礎上形成了一種“弱連接”的網絡關系。研究證實，這種關系結構有助于特征值向更多的異質性群簇和更遠的距離傳遞。(50)Schultz，J.，Breiger，R.L.“The Strength of Weak Culture,”Poetics，Vol.38，No.6，2010，pp.610-624.(51)Keijze，M.A.，M?s，M.，“The Strength of Weak Bots,” Online Social Networks and Media，Vol.21，2021，100106.在這個網絡結構中，新的文化類型交互已經在“核心群”之外產生，并仍有可能繼續(xù)發(fā)展。在這種狀態(tài)下，群簇內外的類型特征均存在繼續(xù)交互的可能，因為彼此間的相似性程度尚未完全一致，故而可以繼續(xù)吸納相鄰類型所擁有的其他特征值。在整體網絡收斂未達到飽和狀態(tài)的情況下，“核心群”的特征在后續(xù)發(fā)展中甚至可能進一步與新的文化類型產生關聯(lián)。

(三)算法推動文化“破圈”的傳播路徑及“破圈”融合

為進一步了解不同特征類型在整體網絡中的傳播路徑，以及“核心群”文化特征向其他文化類型跨界的“破圈”原理，研究根據(jù)各群中出現(xiàn)的視頻標簽類型(文化特征類型)共現(xiàn)情況繪制了關聯(lián)網絡圖。在過濾掉各群內占比小于1%的特征類型后，得出圖2所示的網絡結構(無向圖)。圖中的節(jié)點為標簽的類型，連邊體現(xiàn)了不同標簽類型之間的關聯(lián)。

圖2 不同群簇間的文化特征類型傳播路徑

圖2清晰呈現(xiàn)出不同文化類型群簇之間擁有的共性特征，以及算法在不同群簇之間建立關聯(lián)的邏輯和關鍵性節(jié)點。基于此，可以總結出如下發(fā)現(xiàn)：

1.一個小眾文化跨類型傳播的過程。在圖2中，網絡的中心是一個強連通結構，即主題為“法國經典音樂劇”的第1群，該群內占比最高的特征類型分別是“經典劇目”“經典法語曲目”“歷史人文背景”和“法國文學作品”。群內任意兩個節(jié)點之間均存在連通，是整體網絡中文化特征傳播和擴散的起點。在平臺算法的推薦關聯(lián)下，該群中的個體與具備相同特征(標簽)的近鄰產生互動，同時吸納新的特征，由此向周邊其他文化類型延伸。

2.兩類跨類型傳播的關鍵節(jié)點。第一類是具有普適性價值的“硬核”(hardcore)文化內容。如第1群的“歷史人文背景”擁有最多條外部連邊(5條)，直接將第2群、第4群、第8群、第9群和第10群聯(lián)系起來；第2群的“英美經典音樂劇作品”(4條外部連邊)在將自身與“法國文學作品”綁定的同時，也與第3群、第4群和第9群建立了聯(lián)系。這體現(xiàn)出了普適性內容在文化跨類型傳播中的重要性：它們往往可以將多樣化、異質性的元素聯(lián)系到一起。第二類是能夠充當“文化傳播紐帶”的中介人物或事件。如第8群的“對外交流紐帶”(包含外國人、外交、留學、一帶一路、絲綢之路等具體標簽)，雖然在群內的整體占比最少(1.1%)，卻將“法國音樂劇”和“中國城市形象與風土人文”兩個完全無關的內容聯(lián)系到了一起，體現(xiàn)出算法邏輯上的“最小共性”原則，即在至少存在一個共同特征的情況下，相鄰的文化單位之間便可以進行交互和融合。

3.三條相對“孤立”的群內路徑。從網絡結構圖可見，大多數(shù)群簇的外部連通路徑均較為豐富(群內至少有2個或以上的節(jié)點擁有外部連接)，即在這些群內，總能在間隔不超過2步距離的節(jié)點上產生外部關聯(lián)(如處在“經典英美音樂劇作品”和“歐美明星、歌手、演員”之間的節(jié)點“歐美影視劇”擁有3條指向外部的連接)。但是從“核心群”出發(fā)到第3群、第6群和第8群的過程中，卻出現(xiàn)了三條相對“孤立”的路徑，即相鄰的兩個節(jié)點皆不具備群外聯(lián)系(如“中國戲劇、音樂劇、話劇演員—中國音樂劇、戲劇、話劇作品”“德語音樂劇—韓國音樂劇”“二次創(chuàng)作—音樂挑戰(zhàn)—翻彈”等)。在此基礎上，如果不同群簇的文化特征繼續(xù)進行交互，則某一群內的文化特征相似性會進一步增加。此時，如果該群無法在互動的過程中從其他群吸納新的異質性特征，則很可能會逐步收斂為高度同質化且封閉的小圈層文化類型。

4.四種意料之外的“破圈”融合。在算法推動“法國音樂劇”相關特征向外擴散的過程中，“核心群”特征與不同文化屬地的音樂劇、影視文化、明星以及音樂創(chuàng)作等產生關聯(lián)均可以用常理解釋。令人意外的是，在整體網絡中卻“裂變”出了四個跨度較大的文化類型群簇，即指向“日本動漫與花樣滑冰競技”“游戲電競視頻混剪與攻略”“洛麗塔(Lolita)與萌文化”和“中國城市形象與風土人文”的內容。通過對圖2中的路徑進行分析可見，這四個群衍生的邏輯在于不同文化類型均借用了法國音樂劇的“經典法語曲目”和“歷史人文背景”兩大特征元素。這與伯明翰學派解釋亞文化形成時提及的“風格拼貼”(bricolage)既有異曲同工之處(52)胡疆鋒編：《伯明翰學派青年亞文化理論研究》，北京：中國社會科學出版社，2012年，第30頁。，又存在明顯差異：相同之處在于主動借用了源自其他文化類型的獨特風格元素，不同之處則在于，在花樣滑冰運動和游戲電競視頻中使用不同風格配樂是人們慣常使用的“組合搭配”；而歷史文化、復古風格與對外交流活動之間也往往是一脈相承的。但上述兩種關系并不屬于亞文化對主流文化元素的“怪誕組合”或 “顛覆對抗”范疇。這種由算法和用戶生成內容(文本標簽)共同促成的“破圈”融合又與現(xiàn)有研究中關注的、為了觸達更多受眾而強行制造差異(或共性)的“迎合式”實踐做法存在明顯的區(qū)別。(53)劉明洋、李薇薇：《“出圈”何以發(fā)生？——基于圈層社會屬性的研究》，《新聞與寫作》2021年第6期，第5-13頁。從這些意外的組合結果中，也體現(xiàn)出算法理性與文藝實踐之間存在的原生性矛盾：文化未必要成定勢，而算法必須輸出結果。(54)Gillespie，T.，Boczkowski，P.，“The Relevance of Algorithms,”In Gillespie，P.J.Boczkowski，& Foot，K.A. (Eds.)，Media Technologies: Essay on Communication，Materiality，and Society，Cambridge: MIT Press，2014，pp.167.

五、結論與討論

本研究以B站上的“法國音樂劇”的相關內容為例，探討了算法推動文化跨類型“破圈”傳播的原理和機制。研究發(fā)現(xiàn)，算法邏輯推動了小眾的“高雅”藝術形式向B站上的歐美經典影視劇、日本動漫與花樣滑冰競技、游戲電競、中國影視文化與偶像明星、韓國流行文化、中國城市形象、音樂炫技等不同文化類型群簇擴散。但這種算法介入下的“破圈”傳播機制并非建立在對藝術類型的感性認知上，而是基于對視頻標簽的文本語義關聯(lián)。在這一過程中，用戶生成的文本標簽直接影響著算法對視頻所屬文化類型的認知和劃分標準，而算法對“相似性”內容的關聯(lián)和推薦機制又推動了核心文化特征向其他文化類型的擴散，形成了小眾文化形式“破圈”傳播的現(xiàn)象。

從傳播動力學的角度來看，一種文化可以在社會網絡結構中進行跨區(qū)域的特征傳遞，并與其他異質性的文化類型產生交互與融合。(55)Voget，F(xiàn).W.，A History of Ethnology，New York: Reinhart & Winston，1975，p.42.(56)Geertz，C.，The Interpretation of Cultures, New York: Basic Books，1973，p.13.這種觀點與文化社會學對“算法文化”的詮釋有著不謀而合之處。

Axelrod文化傳播模型(Cultural Dissemination Model)曾模擬出不同文化在社會網絡中傳播與擴散的動力學機制。(57)Axelrod，R.，“The Dissemination of Culture: a Model with Local Convergence and Global Polarization,” Journal of Conflict Resolution, Vol.41，No.2，1997，pp.203-226.該模型假定不同文化個體(agent)處在規(guī)則的晶格網絡結構(lattice)中，并傾向跟那些與自己相似(即至少擁有一個相同文化特征)的鄰居進行互動。這些個體可以是個人、社群或文化類型。(58)Dinkelberg，A.，MacCarron，P.，Maher，P.J.，Quayle，M.，“Homophily Dynamics Outweigh Network Topology in an Extended Axelrod’s Cultural Dissemination Model,” Physica A, Vol.578，2021，126086.(59)Xiao，X.H.，Ye，G.W.，Wang，B.，& He，M.F.,“Cultural Dissemination in a Complex Network，”Physica A, Vol.388，No.5，2009，pp.775-779.在傳播過程中，個體會隨機從鄰居處獲得一個自身原本沒有的文化特征，使自己與周圍鄰居變得更加相似。這種特征的傳遞既可以發(fā)生在相同群簇內，也可以跨群進行?；谶@一原理，社會網絡中的個體可以擁有數(shù)量龐大的“鄰居”，它們彼此間既擁有一定共性，又并非全然相同。在此情況下，經過一定時間的模型演化后，就會形成不同文化的跨界融合現(xiàn)象。在模型演化中，如果相鄰個體在經過多輪文化特征交換后變得完全相同，則交互停止。由于各群簇包含的特征類型和具體特征值各不相同，因此在相同的互動次數(shù)下形成的文化群簇大小也不盡相同。

從理論上看，本次研究中的部分發(fā)現(xiàn)可以在Axelrod文化傳播模型視角下得到解釋，如小眾文化特征在文本“相似性”原則驅動下產生的群內和跨群傳播、社會關系網絡中新的文化類型卷入以及個別群內部的特征趨同傾向等。(60)Axelrod，R.,“The Dissemination of Culture: a Model with Local Convergence and Global Polarization,” Journal of Conflict Resolution, Vol.41，No.2，1997，pp.203-226.(61)Dinkelberg，A.，MacCarron，P.，Maher，P.J.，Quayle，M.，“Homophily Dynamics Outweigh Network Topology in an Extended Axelrod’s Cultural Dissemination Model,” Physica A，Vol.578，2021，126086.

除此之外，研究還獲得了幾點批判性的啟示：

一是算法邏輯下文化跨類型傳播具有最遠可達距離限制。從本次研究結果可以發(fā)現(xiàn)，在聚類產生的11個文化類型群簇中，雖然第7組(音樂炫技與二次創(chuàng)作，11641個 節(jié)點)和第8組(中國城市形象與風土人文，10237個節(jié)點)擁有的節(jié)點數(shù)量最多，但它們內部的特征傳遞路徑卻是最短的，即在到達某個“頂點”后不再產生外部連接。對于這種現(xiàn)象，Axelrod文化傳播模型給出的解釋是：“當特征類型較少但類型下的特征值較多時，兩個鄰居間可以產生共性交互的幾率也相對較少，進而導致互動的次數(shù)變少，最終導致形成孤立的文化圈層?！?62)Axelrod，R.,“The Dissemination of Culture: a Model with Local Convergence and Global Polarization,” Journal of Conflict Resolution，Vol.41，No.2,1997，pp.203-226.換言之，雖然在同一群內存在極高的相似度，并且可供群內成員交流互換的特征值也非常豐富，但是隨著群內整體同質性的增加，其與外部群簇的異質性也越來越大。一旦該群的個體變得與群外“他者”完全不同，那么群與群之間產生交互的可能性也將被完全切斷，形成彼此隔絕的局面——這也是在文化傳播中尤其需要警惕的現(xiàn)象。這種基于算法邏輯推導出的原理對現(xiàn)實環(huán)境中的文化傳播實踐同樣具有指導性。在常見的文化傳播和交流中，人們往往更加重視對自身“特色元素”的輸出，而常常忽略如何與外部群體維系“共性”的聯(lián)系。(63)宋鴻暢、崔馨月：《新時代中國特色文化輸出與經濟發(fā)展的關系研究》，《文化學刊》2019年第6期，第15-18頁。(64)陳志強：《地方出版社版權輸出策略與地域特色文化傳播芻議》，《科技與出版》2016年第7期，第107-109頁。當下社會，網絡媒介和智能算法平臺已經成為文化內容傳播的主陣地，我們也應與時俱進，轉變思想，充分重視并認識到算法、代碼等技術性因素的作用邏輯。(65)Willson，M.，“Algorithms (and the) Everyday,” Information，Communication & Society, Vol.20，No.1，2017，pp.137-150.

二是現(xiàn)實社會中的文化類型形成和演化過程遠比理論推演的情況復雜。在文化傳播模型理論中，研究者使用了模擬仿真的方式來推演文化擴散的模式和路徑，在很短的時間內就完成了從核心特征擴散、新社群生成、跨群融合到模型飽和的步驟。但由本次研究的結果可見，真實世界中的文化類型生成和演變過程更加緩慢而復雜。雖然研究抓取的數(shù)據(jù)在發(fā)布時間上跨越了近十年，但是生成的網絡結構仍未達到理論模型中提出的最終飽和狀態(tài)：即不同群簇之間仍然存在特征重疊，并未形成多個相互孤立的極化社群。正如迪馬吉奧(P.D.DiMaggio)所言，文化類型(邊界)的形成并不是固化和靜態(tài)的，而是具有歷史性、情境性、流動性和參與性痕跡。(66)DiMaggio,P.D.，“Classification of Art,” American Sociological Review，Vol.52，No.4，1987，pp.440-455.人們可以基于這些文化特征的共享實踐推導出背后潛藏的“文化圖式”(cultural graph)，(67)Valori，L.，Picciolo，F(xiàn).，Allansdottir，A.，Garlaschelli，D.，“Reconciling Long-term Cultural Diversity and Short-term Collective Social Behavior,” Proceedings of the National Academy of Sciences of the United States of America，Vol.109，No.4，2012，pp.1068-1073.但在現(xiàn)實社會環(huán)境下，這一圖式可能需要經歷一個相當漫長的過程才能顯現(xiàn)出來，且無法像在實驗室仿真條件下一樣很快地模擬出結果。同時，從文化特征的跨類型融合到最終形成小眾孤立類型的極化發(fā)展趨勢也并非文化傳播者所樂見的局面。因此，未來一方面應當從研究層面持續(xù)關注現(xiàn)實情境中的文化類型演化情況，另一方面也應在文化實踐中兼顧對共性特征的維系和對異質性元素的引入。

三是文本內容對平臺算法具有愚弄性和操縱性。研究得出的網絡關系圖中有一條令人“匪夷所思”的傳播路徑：從“英美經典音樂劇作品”到“二次元萌文化”。其中，“英美經典音樂劇作品”中包含的是具體的劇作名稱(如“羅密歐與朱麗葉”“漢密爾頓”“貓”“吉屋出租”“媽媽咪呀”“歌劇院魅影”等)，而“二次元萌文化”中除了包含“萌元素”的標簽(如“Lolita”“萌娘”“萌萌噠”“萌物”“萌妹子”等)外，還出現(xiàn)了大量有關寵物的內容(“橘貓”“吸貓”“喵星人”“哈士奇”“狗狗”等)，這些內容在群內占比高達5.34%。研究者在對這兩大群簇進行更加深入的解析后，方才找到二者之間的關聯(lián)邏輯：由于平臺算法無法從文本層面區(qū)分著名百老匯音樂劇《貓》和真實的寵物“貓”之間的關系，因此在推薦相關內容時依然遵循“文本相似性”(均含有“貓”的字眼)的原則，以至于產生了令人啼笑皆非的關聯(lián)結果。正如羅步吉(J.Roberge)和梅朗松(L.Melan?on)所言：“算法在多大程度上建構了意義，就可能在多大程度上被意義反向形塑。”(68)Robers，J.，Melan?on，L.，“Being the King Kong of Algorithmic Culture is a Tough Job After All: Google’s Regimes of Justification and the Meanings of Glass,” Convergence，Vol.23，No.3，2017，pp.306-324.在本研究中，B站的推薦算法正是在這種文字符號的無差別表征機制引導下，錯誤地將兩個無論從內涵、文化淵源或表現(xiàn)形式上均無瓜葛的內容強行綁定在了一起，從而在無形中以計算邏輯“篡改”了傳統(tǒng)意義上的文化類型邊界。在人們已經習慣并越來越依賴算法去選擇、消費和評價文化產品的當下，類似的“文化改道”現(xiàn)象可能每時每刻都在悄無聲息地發(fā)生，而大多數(shù)人在使用媒介平臺時卻對此“渾然不覺”，甚至欣然接受著智能計算帶來的便利，樂于坐享“算法黑箱”為用戶個性化定制的文化產品。這種發(fā)生在人類無意識狀態(tài)下的、以“機器”邏輯篡改文化生成邏輯和傳播路徑的“破圈”現(xiàn)象恰恰是值得反思和警惕的。智能算法在對人類的認知努力進行“減負”的同時，也可能大大削弱著人類譜寫、傳承和傳播自身文化的主動權。對此，在未來的文化產業(yè)發(fā)展中，既要積極擁抱技術變革，促進公民媒介使用能力的提升，也應重視對公民進行“算法意識”(Algorithm awareness)(69)Shin，D.，Kee，K.F.，Shin，E.Y.,“Algorithm Awareness: Why User Awareness is Critical for Personal Privacy in the Adoption of Algorithmic Platforms?” International Journal of Information Management，Vol.65，2022，102494.和批判意識的教育。