殊途同歸：社交媒體用戶內(nèi)容生產(chǎn)中信息繭房趨同化
——基于新浪微博的實證分析

徐 翔，敖子棋，史靜遠(yuǎn)，王曉虹

1.同濟(jì)大學(xué) 藝術(shù)與傳媒學(xué)院，上海 200092

2.復(fù)旦大學(xué) 新聞學(xué)院，上海 200433

信息繭房（information cocoons）的相關(guān)理論最早由桑斯坦[1]8提出，該理論認(rèn)為用戶會因選擇性心理使自己桎梏于如蠶繭一般的屏障中，與外界多樣化信息隔絕。這一效應(yīng)被認(rèn)為是用戶在媒介個性化使用上的高度自治化帶來的副作用。學(xué)者們提到信息“繭房”時，往往都會談及信息偏食導(dǎo)致的視野局限。長此以往，深陷“繭房”窠巢之中的用戶會因偏食形成某種狹隘的價值觀和認(rèn)知結(jié)構(gòu)，導(dǎo)致其發(fā)布的帖文在“繭房”內(nèi)呈現(xiàn)出同質(zhì)化、極端化傾向。然而，跳出個體“繭房”，甚至群體圈層之外，把目光放遠(yuǎn)到整個網(wǎng)絡(luò)社會層面時，用戶生產(chǎn)的信息內(nèi)容的“繭房”到底是異質(zhì)化還是同質(zhì)化的？盡管這一問題還存在爭論，但一般認(rèn)為，隨著“繭房”程度的加深，要么每個個體內(nèi)容生產(chǎn)中的“繭房”是趨異化而非趨同的，要么認(rèn)為用戶生產(chǎn)內(nèi)容時本就容易隨機(jī)地陷入各種細(xì)分性、差異性的“繭房”因而不存在“繭房程度越深就越趨同”的問題。

本文提出并加以實證檢驗的核心觀點是：在社交網(wǎng)絡(luò)的內(nèi)容生產(chǎn)中，隨著用戶所生產(chǎn)的信息內(nèi)容的“繭房”程度的加深，各“繭房”之間是彼此趨同化而非趨異化的，用戶在朝向“同出一轍”的“繭房”發(fā)生趨同，而非朝向“千人千面”的“繭房”產(chǎn)生趨異。這個觀點似乎并不符合直觀經(jīng)驗，也和一般關(guān)于“信息繭房”“過濾氣泡”等的觀點都存在差異。本文將基于典型社交媒體之一的新浪微博樣本，對于“個體所陷入的‘繭房’是越長越像而非各有不同”的觀點，從三個關(guān)鍵子假設(shè)及其內(nèi)部關(guān)系進(jìn)行考察與檢驗。

一、文獻(xiàn)回顧與問題分析

在生活中，人們常常會主動接觸、閱讀、點擊和發(fā)布與自己興趣偏好符合的內(nèi)容，導(dǎo)致自己陷入信息窄化和認(rèn)知狹隘的風(fēng)險之中，這一現(xiàn)象在學(xué)界受到了廣泛關(guān)注。目前，國內(nèi)外學(xué)界對于信息“繭房”的研究主要從選擇性接觸、信息窄化、群體極化、政治偏見、種族主義、媒介素養(yǎng)等角度進(jìn)行探索，與之密切相關(guān)的概念還有“回音室”效應(yīng)（echo chambers）、“過濾氣泡”（filter bubble）等。信息“繭房”強(qiáng)調(diào)個體選擇，“回音室”效應(yīng)強(qiáng)調(diào)群體封閉，而“過濾氣泡”則回應(yīng)了目前正被學(xué)術(shù)界熱議的說法，即算法技術(shù)加劇了信息“繭房”的產(chǎn)生和泛化。在實踐中，這三者的研究本質(zhì)上都可以歸結(jié)于“網(wǎng)絡(luò)信息同質(zhì)化”[2]。Kossinets等[3]都認(rèn)可同圈層內(nèi)興趣愛好一致的用戶會逐漸趨同，社交網(wǎng)絡(luò)中的個體之間存在著一種同質(zhì)性的關(guān)系。

用戶內(nèi)容生產(chǎn)的信息“繭房”到底是同質(zhì)化的還是異質(zhì)化的呢？現(xiàn)有研究對兩方面均有涉及，但支持信息“繭房”的異質(zhì)化觀點較多。Web 2.0時代媒體權(quán)力的下放和消解讓用戶更加主動地參與到傳播的各個鏈路當(dāng)中，用戶的互動特征突出呈現(xiàn)出其在信息消費中的能動性，自媒體用戶生產(chǎn)內(nèi)容（user-generated content，UGC）和網(wǎng)絡(luò)微名人（micro-celebrity）的出現(xiàn)描繪出更平民化的“人人皆媒體”的傳播圖景。許多研究者認(rèn)為和以前相比，人們所閱讀、接收、發(fā)布和討論的信息內(nèi)容大大擴(kuò)增，又由于不同個體的興趣愛好并不一致，其感興趣的議題也并不相同，所以在信息“繭房”等效應(yīng)的影響下，公眾輿論呈現(xiàn)出分眾化、圈層化和異質(zhì)化的傳播格局。如Alstyne等[4]認(rèn)為同質(zhì)化的小社群之間的溝通導(dǎo)致圈層內(nèi)的專業(yè)化，導(dǎo)致跨群組交流異常困難，群組間逐漸趨異；湯景泰等[5]認(rèn)為分散的社交媒體用戶會在興趣、身份認(rèn)同、政治立場等因素的驅(qū)使下形成多個交流的圈層，“因圈層的排斥性與防御性較強(qiáng)、他者信息流通不暢，可能形成‘回音室’”。姚文康[6]認(rèn)為，信息“繭房”導(dǎo)致群體因為缺少異質(zhì)觀點的接觸而呈現(xiàn)出異質(zhì)性。

從表面上看，流動的、消除確定性的網(wǎng)絡(luò)技術(shù)邏輯，確實可能在互聯(lián)網(wǎng)早期階段導(dǎo)致用戶內(nèi)容生產(chǎn)的異質(zhì)化和分散化。然而也有研究認(rèn)為用戶“繭房”之間具有同質(zhì)化趨向，支持這一觀點的研究主要從信息同質(zhì)化和群體因素兩部分進(jìn)行討論。前者的相關(guān)研究主要認(rèn)為信息同質(zhì)化會間接影響用戶的價值認(rèn)同，進(jìn)而促進(jìn)“繭房的同質(zhì)化”[7]。一是指出信息發(fā)布環(huán)節(jié)的內(nèi)容同質(zhì)化。如Pinto 等[8]通過實證檢驗發(fā)現(xiàn)，媒體議程和公共議程相互影響，并且存在媒體框架設(shè)置等問題導(dǎo)致公共議程的單一化。Nechushtai 等[9]在近期對氣候報道的研究中發(fā)現(xiàn)，新聞議程仍然受幾家主要媒體控制，來自他們的信息會被各網(wǎng)絡(luò)平臺重點推薦，“即使對有不同內(nèi)容傾向的用戶，過濾氣泡仍會分發(fā)給他們相似的內(nèi)容”。Lee[10]發(fā)現(xiàn)社交網(wǎng)絡(luò)中博客議程和主流媒體議程的趨同化。宋建武等[11]從垂直互文性和水平互文性兩個維度分析了微信新聞公眾號所呈現(xiàn)出的同質(zhì)化表征。傳統(tǒng)的業(yè)界規(guī)矩和慣習(xí)形成了小媒體、自媒體在內(nèi)容篩選上向大媒體看齊的現(xiàn)象，加劇同質(zhì)化信息在各家傳統(tǒng)媒體上的流行，導(dǎo)致用戶在接收信息時潛移默化地形成某種趨同化的認(rèn)知結(jié)構(gòu)，進(jìn)而影響到其發(fā)布帖文的傾向。二是一定程度上涉及社交媒體中的“繭房”同質(zhì)化現(xiàn)象。有學(xué)者提出社交網(wǎng)站對成員的“顯式行為矯正與規(guī)訓(xùn)”[12]，即同一社交網(wǎng)絡(luò)平臺具有某種共通的溝通標(biāo)準(zhǔn)，導(dǎo)致用戶的內(nèi)容生產(chǎn)并未呈現(xiàn)任意和自由多樣的演進(jìn)形態(tài)，而是趨向于和該平臺保持一致。由此可進(jìn)一步推論，這種社交網(wǎng)絡(luò)的潛在規(guī)約很有可能讓用戶內(nèi)容生產(chǎn)的多樣性減少，并使得各用戶內(nèi)容趨于某種共同特征和具有相通性的束縛之中。三是認(rèn)為算法技術(shù)導(dǎo)致“繭房”趨同化，推薦系統(tǒng)加劇信息同質(zhì)化。如Hosanagar 等[13]認(rèn)為，算法推薦雖然在一定程度上強(qiáng)化了小眾興趣愛好群體的娛樂需求，使用戶形成一個個分散的小眾群體，但是在整體上用戶的消費內(nèi)容會越來越相似，并且逐步趨近于一個整體，“個性化并沒有把網(wǎng)絡(luò)分裂成一個個孤立的小‘繭房’，它雖是一種幫助用戶擴(kuò)大興趣的工具，但又使得人們的消費興趣變得與他人更相似”。延展到信息消費領(lǐng)域這一觀點也得到印證。Airoldi 等[14]對UGC 平臺“推薦觀看”音樂視頻之間的關(guān)聯(lián)網(wǎng)絡(luò)的研究表明，網(wǎng)絡(luò)平臺基于用戶最頻繁的共同瀏覽量來關(guān)聯(lián)和推薦相似視頻，從而塑造出一個彼此關(guān)聯(lián)的視頻集群，結(jié)果表明這些集群具有很強(qiáng)的內(nèi)容同質(zhì)性。

群體因素對“繭房”同質(zhì)化研究也十分重要，這部分研究大多從用戶在群體中的印象管理、風(fēng)險感知、利益感知等心理層面探討其發(fā)布信息時的同質(zhì)化傾向。一是出于社交網(wǎng)絡(luò)中自我形象管理的需要而選擇趨同化。如Pedroni等[15]發(fā)現(xiàn)隨著好友數(shù)量的增加，人們傾向于更多地與所有人都感興趣的內(nèi)容交互，以保護(hù)自己的形象。Hasen 等[16]165-179對Facebook 用戶內(nèi)容生產(chǎn)的研究表明，人們傾向于選擇多數(shù)人都感興趣的內(nèi)容進(jìn)行交互，以此凸顯個人身份中受大多數(shù)好友欣賞的部分，以保護(hù)或提升自己在社交平臺的形象。二是出于群體內(nèi)感知到的壓力使得用戶選擇與群體保持一致。Su 等[17]研究發(fā)現(xiàn)人們通常通過觀察性學(xué)習(xí)行為更新和表達(dá)自己的觀點，所以通常在發(fā)聲時會受到輿論的影響而修改自我的意見。Jun 等[18]測試了在社交網(wǎng)絡(luò)平臺上感知他人的存在是如何影響個人評估信息的方式的。Mcewan 等[19]還提出了“自我涉入程度（ego-involvement）”的概念，認(rèn)為在特定議題的討論中尋求與自己一致觀點的群體的行為，會表現(xiàn)出個體對于某一問題的自我涉入程度，并且參與群體的時間越長，該值越高。三是發(fā)現(xiàn)了用戶感知到社交網(wǎng)絡(luò)平臺的特點后主動趨同的行為。Mikal 等[20]發(fā)現(xiàn)網(wǎng)民受到公開溝通行為標(biāo)準(zhǔn)的顯式行為矯正，即在網(wǎng)站中存在著一種公開的溝通行為標(biāo)準(zhǔn)，用戶會不約而同地遵守這一標(biāo)準(zhǔn)，相應(yīng)地修改自己的內(nèi)容，使之趨同于網(wǎng)站內(nèi)容。后續(xù)的研究還發(fā)現(xiàn)，匿名條件下的網(wǎng)絡(luò)用戶在受到與群體顯著社會身份一致的行為期望時，更有可能表現(xiàn)出符合群體規(guī)范的行為?？傮w而言，這些研究對本文具有啟發(fā)作用，但仍存在巨大的挖掘空間：他們大多未能跳脫出群體內(nèi)的視角來探討更廣闊的網(wǎng)絡(luò)社會層面下，群體因素對“繭房”同質(zhì)化的影響。實際上，網(wǎng)絡(luò)社會是一個具有主流價值觀、社會心態(tài)和情感結(jié)構(gòu)的大群體，在這個社會群體的互動中，人們通常會受到上述因素的影響而更新和表達(dá)自己的觀點，從而體現(xiàn)出在內(nèi)容發(fā)布上的趨同特征。

許多研究都論證了同質(zhì)化程度越高的信息環(huán)境中，越能夠形成具有高熱度、高流量的社會中心議題。比如Nikolov 等[21]發(fā)現(xiàn)社交網(wǎng)絡(luò)平臺呈現(xiàn)出高水平的流行度和同質(zhì)化偏向。他們通過量化兩個概念得出結(jié)論：一是同質(zhì)性偏向，即用戶從狹窄的信息源中消費內(nèi)容的趨勢；二是流行性偏向，即熱門新聞內(nèi)容的選擇性曝光程度。通過實證分析發(fā)現(xiàn)，這兩個概念具有一定的相關(guān)關(guān)系。Qin 等[22]認(rèn)為社交網(wǎng)絡(luò)的一大特征是同質(zhì)驅(qū)動性（homophily-driven）。由于社會信息的擴(kuò)散是盲目隨機(jī)的，所以越是同質(zhì)化的信息交流環(huán)境，越容易形成傳播廣、熱度高的社會議題。Scheufele 等[23]認(rèn)為現(xiàn)代社會的信息是通過大量讀者評論、Facebook 上的“點贊”以及某篇報道被“轉(zhuǎn)發(fā)”等方式進(jìn)行傳播的，這導(dǎo)致社交網(wǎng)絡(luò)呈現(xiàn)出一種趨同化的、群體性偏好的內(nèi)容取向。

區(qū)別于傳統(tǒng)媒介，社交媒體平臺是各類偶發(fā)性信息和意見交換的空間，用戶被與熟人網(wǎng)絡(luò)不同的“弱連接”方式聯(lián)結(jié)起來。基于這樣的傳播邏輯，試圖發(fā)現(xiàn)這種社會中心議題的研究主要從用戶特征和環(huán)境特點的角度開展。Fletcher等[24]發(fā)現(xiàn)即使用戶的自我選擇權(quán)力變大，他們還是會選擇(或是“偶遇”)被多數(shù)人關(guān)注的“主流信息”。Bar-Gill 等[25]總結(jié)了對“回音室”敏感的人群的主要特點，一是在搜索過程中很少進(jìn)行探索，二是在內(nèi)容選擇上注重其流行程度。故陷入“繭房”程度越深的用戶，所接收的信息內(nèi)容也越流行、越多人關(guān)注、處于社會輿論場越中心的議題，其發(fā)布的信息也越貼合這些議題。所以，Lee[26]認(rèn)為盡管信息渠道是多樣化的，但人們?nèi)钥赡茉谥髁髅襟w和互聯(lián)網(wǎng)新聞媒體上接收相當(dāng)穩(wěn)定的信息。

對于互聯(lián)網(wǎng)環(huán)境特點，相關(guān)研究突出了對這種演變機(jī)制的討論，主要從組織傳播、網(wǎng)絡(luò)結(jié)構(gòu)和社會共識等角度展開探索。程士安等[27]認(rèn)為信息“繭房”是信息聚合、共識達(dá)成的現(xiàn)代社會組織的最小單位，它具備Web 2.0時代下網(wǎng)絡(luò)組織關(guān)系的“紐帶”和“鎖扣”特征。在生活中，具備該特征的信息“繭房”以驚人的速度吸引、聚合、黏著同類信息需求的人群，通過某一信息的多次共享編碼與解碼的過程，形成相似的子“繭房”，“最終在特定的大‘繭房’平臺上交流并達(dá)成共識”。子“繭房”之間的這種黏合性，實際上表現(xiàn)為前文所論述的用戶生產(chǎn)內(nèi)容的同質(zhì)性，所謂的大“繭房”也就是社交媒體平臺上對于某一熱門議題的集中討論。從這一觀點出發(fā)，似乎可以認(rèn)為，社交媒體上的用戶都在有序地朝向某一大“繭房”所在的中心節(jié)點趨近。從網(wǎng)絡(luò)結(jié)構(gòu)的角度出發(fā)，有研究發(fā)現(xiàn)“信息窄化下的社交網(wǎng)絡(luò)呈現(xiàn)出星形結(jié)構(gòu)”[28]，中心節(jié)點的影響越強(qiáng)，則“回音室”效果越強(qiáng)。Webster等[29]將這個中心節(jié)點具體化為最受媒體和大眾關(guān)注的新聞內(nèi)容，這為主流新聞作為中心節(jié)點的說法提供了參考價值。這些研究都在一定層面上論述了社會輿論信息中心的存在，但還缺少將信息中心與用戶的信息窄化結(jié)合的討論。個體信息窄化是如何受到社會公共性、公共信息和公共焦點的共同影響而形成的？這種“窄化”是否是一種“公共性的窄化”而非“個體性的窄化”？這些都是亟待解決的問題。

總體而言，這些相關(guān)研究為本文提出用戶內(nèi)容生產(chǎn)中所形成的信息“繭房”趨同化觀點提供了參考，也留下了繼續(xù)挖掘的空間。本文不僅關(guān)注用戶是否處于“繭房”中、處于何種“繭房”中、因何處于“繭房”中，還關(guān)注“繭房”之間的關(guān)系。因此，“繭房”是否趨同、如何趨同是本文要探討的核心問題。

二、研究設(shè)計與實施過程

本文的核心問題是探討隨著用戶生產(chǎn)的信息內(nèi)容的“繭房”程度的加深，“繭房”之間是呈現(xiàn)趨同化還是異質(zhì)化，抑或無明顯規(guī)律？如果是趨同化，是怎樣趨同的？結(jié)合理論和文獻(xiàn)分析，本文從3 個關(guān)鍵假設(shè)、2 個推論及這五者的整體關(guān)系，基于新浪微博的用戶數(shù)據(jù)樣本進(jìn)行實證檢驗。

（一）假設(shè)的內(nèi)涵及其關(guān)系

為了方便描述用戶在社交平臺上內(nèi)容生產(chǎn)中的“繭房”程度，引入“繭房度”（degree of cocoon）這一概念來形容個體生產(chǎn)的信息內(nèi)容自我重復(fù)化、相似化的程度。即“繭房度”越高的用戶，其生產(chǎn)的內(nèi)容越是陷入相似性的窠臼，多樣性和異質(zhì)性越少。在此基礎(chǔ)上，把具有與某用戶相近“繭房度”的個體稱為該用戶的“相鄰繭房”（adjacent cocoons），將全體用戶中“繭房度”最高，即自我重復(fù)度最高的、處于“頂部”的用戶稱為“頂部繭房”（top cocoons）。同時需要強(qiáng)調(diào)，這里的“繭房度”是針對用戶所生產(chǎn)的內(nèi)容的重復(fù)度來衡量的，而不是接收信息、進(jìn)行信息的選擇性接觸的“繭房度”。此外，結(jié)合前文關(guān)于公共性的社會信息中心及其對于個體議題的作用力，提出社交網(wǎng)絡(luò)中的“社會信息中心”（social information center）這一概念，用于描述在社交網(wǎng)絡(luò)公共領(lǐng)域中具有中心性、高熱度、高流量的公共信息，或者說是公共領(lǐng)域的中心信息。

用戶所生產(chǎn)的信息內(nèi)容的“繭房”不是隨意地、彼此隔絕地、異質(zhì)地形成的，而是在復(fù)雜多變的傳播生態(tài)中朝向某個社會信息中心靠攏，這導(dǎo)致“繭房”之間表現(xiàn)出同質(zhì)化傾向。個體在內(nèi)容生產(chǎn)時不是陷入任意的“繭房”，而是在趨同于某種社會信息中心的過程中增強(qiáng)自身的“繭房度”；或者說，用戶的“繭房度”越高，其所生產(chǎn)的信息內(nèi)容就越趨同于社會信息中心。據(jù)此，本文提出假設(shè)1：

假設(shè)1：用戶個體的“繭房度”越高，該用戶所生產(chǎn)的信息內(nèi)容就越趨同于社會信息中心的內(nèi)容。

如果假設(shè)1 成立，即個體的“繭房”隨著“繭房度”的提高而呈現(xiàn)出越來越同質(zhì)化的趨勢，并且都趨同于社會信息中心，那么“繭房度”最高的用戶也是最接近社會信息中心的用戶。微博這類社交媒體中的“頂部繭房”盡管不能等同于社會信息中心，卻最接近社會信息中心。換而言之，大家在朝向“廣場中心”奔跑的過程中，盡管跑在最前面的“排頭兵”并非直接的“廣場中心”，但由于它是最靠近中心的，這樣大家就會顯現(xiàn)出朝向“排頭兵”奔跑的態(tài)勢。據(jù)此，本文提出假設(shè)2：

假設(shè)2：用戶個體的“繭房度”越高，其與“頂部繭房”的內(nèi)容相似度越高。

既然個體的“繭房度”越高就越趨同于社會信息中心的內(nèi)容特征，也越是趨同于“頂部繭房”，那么就意味著，越是高“繭房度”的個體，越是和某種共同“標(biāo)的”、某種有限的共通“繭房模板”越長越像，也即越是削弱自身的異質(zhì)性。所以可以推論：高程度的“繭房”彼此更為相似，低程度的“繭房”由于可以保留更多異質(zhì)性和獨特性因而彼此之間的相似度會更低，或者只是趨于某種隨機(jī)的個體相似度。據(jù)此，本文提出假設(shè)3：

假設(shè)3：用戶個體的“繭房度”越高，則彼此之間的內(nèi)容發(fā)布主題越相似。

如果假設(shè)1 和假設(shè)2 都成立，把假設(shè)2 中的“用戶繭房度”根據(jù)假設(shè)1替換為“用戶個體與社會信息中心的內(nèi)容相似度”，則可提出假設(shè)4：

假設(shè)4：用戶個體與社會信息中心的內(nèi)容相似度越高，則它與“頂部繭房”的內(nèi)容越相似。

如果假設(shè)1和假設(shè)3成立，把假設(shè)3中的“用戶繭房度”根據(jù)假設(shè)1 替換為“用戶個體與社會信息中心的內(nèi)容相似度”，則可提出假設(shè)5：

假設(shè)5：用戶個體與社會信息中心的內(nèi)容相似度越高，則它與“相鄰繭房”的內(nèi)容越相似。

上述5 個假設(shè)具有一定的內(nèi)部邏輯結(jié)構(gòu)。其一，假設(shè)1 的成立是提出假設(shè)2 的基礎(chǔ)，假設(shè)1 和假設(shè)2 的成立共同作為提出假設(shè)3的基礎(chǔ)，在假設(shè)1和假設(shè)2的基礎(chǔ)上可以提出假設(shè)4，在假設(shè)1和假設(shè)3的基礎(chǔ)上可以提出假設(shè)5。其二，假設(shè)1、假設(shè)2、假設(shè)3 為核心論點，而假設(shè)4和假設(shè)5 則是輔助性的推論。前3 個假設(shè)支撐著關(guān)于“繭房趨同化”的根本命題，而后2 個假設(shè)是前3 個假設(shè)的內(nèi)在自然的延伸，而且也使得后文的路徑分析形成更為整體化的結(jié)構(gòu)。

（二）樣本選取與數(shù)據(jù)預(yù)處理

根據(jù)新浪微博數(shù)據(jù)中心發(fā)布的《2018 微博用戶發(fā)展報告》，新浪微博月活躍用戶4.62億，月閱讀量過百億領(lǐng)域達(dá)32個?？梢?，微博已經(jīng)成為目前中國最具影響力的代表性社交媒體平臺之一，故本文選取這一平臺作為數(shù)據(jù)抓取的對象。采取成本相對較低的多階段抽樣，抓取工具為八爪魚軟件以及自行采取selenium模塊編寫的網(wǎng)絡(luò)爬蟲。首先，從新浪微博首頁47 個內(nèi)容版塊中,每個版塊每天早晚各抓取1次，持續(xù)1個月，獲得65 650條“種子”帖。種子帖廣泛而大致均勻地分布在這47個版塊中，如圖1所示。

圖1 新浪微博種子帖在47 個版塊中的分布

以種子帖為基礎(chǔ)做第一階段“滾雪球”抽樣的擴(kuò)散，抓取并采集這些種子帖共5 053 998條評論及其評論者。通過“滾雪球”抽樣得到的評論者和原種子帖發(fā)布者經(jīng)清洗、去重后，形成3 501 153 個用戶的初始庫。從庫中隨機(jī)選取87 739 個有效用戶（剔除無效用戶之后剩下的種子數(shù)），由此開展第二階段的“滾雪球”抽樣，從每人的前5 頁被關(guān)注者中隨機(jī)抽出2 名。對上述用戶橫向比較口徑進(jìn)行統(tǒng)一。其一是時間選取在2018 年1 月1 日—2018 年12 月31 日這一年發(fā)布的帖子，其二是每個用戶隨機(jī)選取在上述一年發(fā)布的300 條帖子，少于該數(shù)量的用戶不納入分析。然后，隨機(jī)選取滿足條件的20 000 個用戶作為最終“粉絲”。以剩下的這些用戶作為研究樣本，其“粉絲”規(guī)模、發(fā)微博數(shù)、關(guān)注他人數(shù)等指標(biāo)分布具有廣泛性與代表性。樣本用戶的特征分布見表1。

表1 樣本用戶的特征分布

（三）帖子的向量化轉(zhuǎn)換

把帖子轉(zhuǎn)換為向量后計算兩條帖子之間的余弦相似度。對于帖子內(nèi)容的向量化，本文采用在業(yè)界和學(xué)界有廣泛成熟應(yīng)用、快速和穩(wěn)定的Word2vec詞向量及其平均池化的方式進(jìn)行。Word2vec 是Mikolov 等[30]在2013年提出的淺層神經(jīng)網(wǎng)絡(luò)語言模型，通過無監(jiān)督訓(xùn)練方式將文本數(shù)據(jù)轉(zhuǎn)化為低維實數(shù)向量，將語義、語法信息經(jīng)過語言模型訓(xùn)練，投射到若干維的向量空間中，以此完成文本的結(jié)構(gòu)化處理。Word2vec 不僅可以在百萬數(shù)量級的詞典和上億的數(shù)據(jù)集上進(jìn)行高效訓(xùn)練，還能有效解決文本高維稀疏性和忽略潛在語義的問題。對于句子采用Word2vec 詞向量方法經(jīng)簡單等權(quán)平均而轉(zhuǎn)換得到的句子向量具有良好的效果。Shen 等[31]的研究將簡單詞向量模型（SWEM），即對上述的詞向量進(jìn)行等權(quán)求平均向量的方法，與循環(huán)和卷積網(wǎng)絡(luò)進(jìn)行比較發(fā)現(xiàn)，在大多數(shù)情況下SWEM表現(xiàn)出更高性能。

本文使用Gensim 模塊編寫代碼進(jìn)行Word2vec 中CBOW 模型的設(shè)置與訓(xùn)練。Word2vec 使用的語料采用課題組自行抓取的中文語料庫，來源包括媒體新聞庫、網(wǎng)絡(luò)論壇帖子、經(jīng)典名著和文學(xué)文本等，訓(xùn)練結(jié)果包括5 830 979個詞匯的嵌入式表示，效果良好。

對于內(nèi)容相似度的計算首先需要把微博帖子的短文本轉(zhuǎn)為向量。對樣本中的帖子采取當(dāng)前常用而效果優(yōu)良的Jieba軟件進(jìn)行分詞，然后利用Word2vec將分詞后的每一個詞轉(zhuǎn)換成一個300 維的詞向量，對這些詞的詞向量經(jīng)過平均池化后得到該帖子、短文本的語句向量。

（四）變量構(gòu)建與測量

“繭房度”（DC），在實際操作中具體表現(xiàn)為抓取到的每個用戶帖文之間的同質(zhì)化程度。如果一個用戶所發(fā)布的帖文都是高度相似的，比如都是美食類信息，很少有經(jīng)濟(jì)、體育等其他類的信息，那么可以認(rèn)為用戶內(nèi)容發(fā)布的信息“繭房”同質(zhì)化程度非常高。余弦相似度更好地適應(yīng)于高維數(shù)據(jù)和稀疏數(shù)據(jù)，在文本挖掘中也是常用的經(jīng)典方法：

其中，計算任意兩條帖子ti和tj之間余弦相似度的方式表示為R（ti，tj），i、j表示任意兩條帖文，i≠j。

與社會信息中心的內(nèi)容相似度(Ssc)，指的是個人發(fā)布信息的帖文與抓取到的總體數(shù)據(jù)中熱度最高的帖子之間的相似程度。熱度的計算方式是把帖子的轉(zhuǎn)發(fā)數(shù)、點贊數(shù)、評論數(shù)這3 個指標(biāo)分別經(jīng)由log2（x+1）轉(zhuǎn)換，然后進(jìn)行Min-Max歸一化處理各自轉(zhuǎn)為[0，1]區(qū)間內(nèi)的值，最后對歸一化之后的3個指標(biāo)求等權(quán)平均值作為該帖子熱度。本文將社會信息中心指標(biāo)的范圍規(guī)定為總體帖子中熱度最高的前10 萬條之內(nèi)。由于所選取的是2018年全年的帖子，樣本數(shù)高達(dá)2 011.74 萬條，因此選擇熱度最高的前10萬條可以充分代表“熱帖”所討論的內(nèi)容，反映社會公共領(lǐng)域關(guān)注的議題，體現(xiàn)出社會信息中心的內(nèi)容特征，既具有充分的規(guī)模，不至于只局限于過度狹小的議題取樣范圍，又保持了充分的“頂部”熱度。其計算公式為

其中，n1代表個體的微博帖文數(shù)，n2代表處于全體樣本中熱度最高的若干條帖子，這里取最高的10 萬條帖文。

與“頂部繭房”相似度（Stc），指的是個人發(fā)布信息的帖文與抓取到的總體數(shù)據(jù)中“繭房度”最高的前k個用戶之間的相似程度，本文取k=30。一方面，30 個用戶在全體的20 000 個樣本中是非常少的一部分，可以充分表現(xiàn)出頂部區(qū)別于中部和尾部的特殊性，這個值不能過大，否則就擴(kuò)大和含糊了頂部的邊界；另一方面，當(dāng)k≥30的時候，在社會科學(xué)意義上一般可以認(rèn)定為不屬于小樣本，統(tǒng)計特征和檢驗具有穩(wěn)定性。計算公式為

其中，k取30，即取全體用戶中“繭房度”最高的30個用戶。

與“相鄰繭房”相似度（Sac），指的是個人帖文與其“繭房度”最為相近的k個用戶的內(nèi)容相似度。本文計算中，這里的k同樣取30。

基于文獻(xiàn)回顧和變量測量，本文擬通過如圖2 所示的檢驗?zāi)Ｐ蛠矸治觥袄O房度”、與社會信息中心的內(nèi)容相似度、與“頂部繭房”相似度以及與“相鄰繭房”相似度4個變量之間的關(guān)系。前文5個假設(shè)具體化的可檢驗形式整理如下：

圖2 本文假設(shè)的檢驗?zāi)Ｐ?/p>

H1：“繭房度”正相關(guān)于與社會信息中心的內(nèi)容相似度。

H2：“繭房度”正相關(guān)于與“頂部繭房”相似度。

H3：“繭房度”正相關(guān)于與“相鄰繭房”相似度。

H4：與社會信息中心的內(nèi)容相似度正相關(guān)于與“頂部繭房”相似度。

H5：與社會信息中心的內(nèi)容相似度正相關(guān)于與“相鄰繭房”相似度。

三、研究結(jié)果

（一）相關(guān)性分析

首先，對“繭房度”、與社會信息中心的內(nèi)容相似度、與“頂部繭房”相似度、與“相鄰繭房”相似度等4 個變量進(jìn)行相關(guān)性分析，探討其之間是否存在一定程度上的共變性。此處采用皮爾遜相關(guān)分析方法，并進(jìn)行雙尾檢驗，分析結(jié)果見表2。從中可見，“繭房度”和與社會信息中心的內(nèi)容相似度之間呈顯著的正相關(guān)，和與“頂部繭房”相似度之間呈現(xiàn)顯著的正相關(guān)，和與“相鄰繭房”相似度之間呈現(xiàn)顯著的正相關(guān)；與社會信息中心的內(nèi)容相似度和與“頂部繭房”相似度呈現(xiàn)顯著的正相關(guān)，和與“相鄰繭房”相似度呈現(xiàn)顯著的正相關(guān)?？傮w而言，這4個變量之間是存在某種共變性的，這也為后續(xù)研究在模型中進(jìn)行路徑分析和比較提供了參考。

表2 4 個主要變量之間的相關(guān)性檢驗結(jié)果

（二）路徑分析

其次，使用AMOS 軟件進(jìn)行路徑分析。在進(jìn)行路徑分析時，需要先將數(shù)據(jù)進(jìn)行正態(tài)化處理再納入模型中。計算方式采取最大似然法（maximum likelihood，ML）。模型的主要擬合結(jié)果見表3。從中可見，模型的RMSEA=0.006＜0.008，CFI=0.998＞0.9，TLI=0.981＞0.9。雖然有部分指標(biāo)略有超出，但都在可接受范圍之內(nèi)，整體來看模型擬合度優(yōu)良，可以被接受。

表3 模型擬合結(jié)果

根據(jù)之前提出的假設(shè)構(gòu)想和變量思考，將捕捉到的數(shù)據(jù)進(jìn)行各項計算處理后納入模型，得到了表4 所示的分析結(jié)果。從中可見，假設(shè)H1“繭房度”正相關(guān)于與社會信息中心的內(nèi)容相似度獲得支持（β=0.532，P＜0.001）；假設(shè)H2“繭房度”正相關(guān)于與“頂部繭房”相似度獲得支持（β=0.689，P＜0.001）；假設(shè)H3“繭房度”正相關(guān)于與“相鄰繭房”相似度獲得支持（β=0.614，P＜0.001）；假設(shè)H4 與社會信息中心的內(nèi)容相似度正相關(guān)于與“頂部繭房”相似度獲得支持（β=0.161，P＜0.001）；假設(shè)H5 與社會信息中心的內(nèi)容相似度正相關(guān)于與“相鄰繭房”相似度獲得支持（β=0.291，P＜0.001）?？傮w而言，檢驗結(jié)果與前文對于5個假設(shè)及其內(nèi)部關(guān)系的闡述相吻合。

表4 路徑分析結(jié)果

以上結(jié)果顯示：首先，假設(shè)H1 也即本研究的關(guān)鍵假設(shè)得到了驗證，“繭房度”實際上顯著地影響了與社會信息中心的內(nèi)容相似度；其次，“繭房度”也和與“頂部繭房”相似度、與“相鄰繭房”相似度兩個變量之間均存在明顯關(guān)系，足見“繭房度”無論是對于其他三個變量還是對整個模型都具有基礎(chǔ)性意義；最后，與社會信息中心的內(nèi)容相似度（Ssc）的強(qiáng)化對于與“頂部繭房”相似度（Stc）和與“相鄰繭房”相似度（Sac）都具有關(guān)鍵作用，構(gòu)成顯著且關(guān)鍵的中介路徑。

四、結(jié)論與討論

本文基于典型社交媒體之一的新浪微博樣本，對于“個體所陷入的‘繭房’是越長越像而非各有不同”的觀點，從三個關(guān)鍵子假設(shè)及其內(nèi)部關(guān)系進(jìn)行考察與檢驗，主要結(jié)論如下。第一，社交空間中各個用戶所生產(chǎn)的信息內(nèi)容的“繭房”會因陷入一種公共性的“回音室”中而呈現(xiàn)出同質(zhì)化趨勢，用戶個體的“繭房度”越高則表示其受限于這種公共“繭房”的程度越深，其內(nèi)容與社會信息中心的內(nèi)容越相似，并使得各個“繭房”在趨向共同標(biāo)的的過程中發(fā)生個性化的消減、趨同性的增強(qiáng)。第二，個體在“繭房度”增高且與社會信息中心趨近的過程中，會導(dǎo)致與“頂部繭房”的內(nèi)容相似度的提高。第三，個體在趨近“頂部繭房”和社會信息中心的過程中，彼此之間會變得越來越相似，在實踐中具體表現(xiàn)為個體“繭房”與其“相鄰繭房”之間內(nèi)容相似度的提高。第四，由于以上三種趨同路徑具有統(tǒng)一性和一致性，所以形成個體的“繭房度”、與社會信息中心的內(nèi)容相似度、與“頂部繭房”的內(nèi)容相似度、與“相鄰繭房”的內(nèi)容相似度這4 個變量之間存在同步共變的關(guān)系。

互聯(lián)網(wǎng)時代賦予了傳播學(xué)新的使命和機(jī)遇，以連接和網(wǎng)絡(luò)為核心的傳播邏輯正在形塑著如今的媒體生態(tài)，用戶的自主權(quán)和能動性隨著技術(shù)的發(fā)展大大擴(kuò)增。傳統(tǒng)研究視野下，許多學(xué)者分別從信息窄化和意見極化的角度關(guān)注到信息“繭房”現(xiàn)象，并認(rèn)為它是作為受眾異質(zhì)化、分散化、圈層化的象征之一。實際上，用戶在日常生活中以不同的傳播邏輯構(gòu)筑起自己的信息接收網(wǎng)絡(luò)，影響其信息獲取和信息生產(chǎn)的因素豐富多樣。同時，只有更多的用戶共同關(guān)注并討論同一個話題，才能夠形成網(wǎng)絡(luò)社會中的公共輿論場。本文從用戶生產(chǎn)的信息“繭房”同質(zhì)化現(xiàn)象切入，發(fā)現(xiàn)隨著用戶所生產(chǎn)的信息內(nèi)容的“繭房度”增高，各“繭房”之間呈現(xiàn)出彼此趨同化而非趨異化的格局。同時采用實證分析加以驗證，在文獻(xiàn)回顧的基礎(chǔ)上，通過構(gòu)建信息“繭房”趨同路徑模型來闡述它們之間的復(fù)雜動態(tài)關(guān)系。但新的結(jié)論也觸發(fā)了新的需要探討的問題，這種同步共變的關(guān)系會使網(wǎng)絡(luò)社會產(chǎn)生怎樣的變化？這種同質(zhì)化現(xiàn)象背后又映射出哪些現(xiàn)實生活的問題？此外，本文也局限于一個社交平臺，即基于微博數(shù)據(jù)生態(tài)下，這些結(jié)論是否在其他社交媒體上也能得到支持，期待后續(xù)能有進(jìn)一步的回答。