社會(huì)化媒體用戶信息轉(zhuǎn)發(fā)的研究述評(píng)*

唐雪梅 賴勝?gòu)?qiáng) 劉家瑤 鄭顯濤

(1.西南政法大學(xué)新聞傳播學(xué)院 重慶 401120；2.重慶理工大學(xué)管理學(xué)院 重慶 401320；3.重慶理工大學(xué)馬克思主義學(xué)院 重慶 401320)

0 引 言

隨著社會(huì)化媒體的廣泛應(yīng)用，網(wǎng)絡(luò)信息傳播方式悄然發(fā)生變革，社會(huì)化媒體用戶不再僅僅被動(dòng)消費(fèi)信息，同時(shí)也主動(dòng)傳播信息。在社會(huì)化媒體上人們通過添加關(guān)注或互粉等方式建立、維持、鞏固社會(huì)關(guān)系，緊密的社會(huì)關(guān)系提升彼此互動(dòng)，通過社會(huì)化媒體的一鍵轉(zhuǎn)發(fā)機(jī)制，個(gè)體可以更為便利地將接收信息進(jìn)行再傳播，從而讓信息產(chǎn)生一傳十，十傳百的病毒傳播效應(yīng)，促進(jìn)信息更快、更廣地傳播[1]。如今，從新產(chǎn)品信息快速擴(kuò)散到網(wǎng)絡(luò)謠言泛濫[2]，再到網(wǎng)絡(luò)輿情爆發(fā)，無不與受眾信息轉(zhuǎn)發(fā)息息相關(guān)，這也促使學(xué)界開始重視社會(huì)化媒體用戶的信息轉(zhuǎn)發(fā)研究。盡管社會(huì)化媒體用戶信息轉(zhuǎn)發(fā)研究時(shí)間并不長(zhǎng)，但相關(guān)成果還是較為豐富，為了更好地反映當(dāng)前信息轉(zhuǎn)發(fā)的研究現(xiàn)狀，本文收集國(guó)內(nèi)外相關(guān)文獻(xiàn)進(jìn)行梳理并指明研究方向，以期為相關(guān)研究做出一些理論貢獻(xiàn)。

1 文獻(xiàn)收集

選取ScieneDirect、EBSCO、Google Scholar數(shù)據(jù)庫(kù)為信息轉(zhuǎn)發(fā)國(guó)外文獻(xiàn)的搜集來源，以“retweet”“information retransmission”“social media+information diffusion”等為搜索關(guān)鍵詞。國(guó)內(nèi)以中國(guó)知網(wǎng)為文獻(xiàn)來源，以“信息轉(zhuǎn)發(fā)”“微博+轉(zhuǎn)發(fā)”為搜索關(guān)鍵詞。考慮到社會(huì)化媒體使用時(shí)間在2008年以后，文獻(xiàn)搜索時(shí)間選擇2008—2020年為時(shí)間區(qū)間。文獻(xiàn)類型選擇包括了學(xué)術(shù)期刊、學(xué)術(shù)會(huì)議和碩博士論文三種類型。本文的信息轉(zhuǎn)發(fā)特指受眾對(duì)接收信息的再傳播，再傳播中不對(duì)信息做任何修改，既不包括社會(huì)化媒體用戶的原創(chuàng)信息，也不包括對(duì)接收信息再加工后進(jìn)行傳播。因此，剔除掉與本文主題研究無關(guān)的文獻(xiàn)，以及屬于用戶在社會(huì)化媒體上具有內(nèi)容原創(chuàng)性的信息分享或知識(shí)分享，最后國(guó)內(nèi)外總共獲得324篇文獻(xiàn)，其中國(guó)內(nèi)文獻(xiàn)為79篇。按照發(fā)表時(shí)間(文獻(xiàn)分布狀況如圖1)可以看出，從2008年開始逐年遞增，在2014、2015年到達(dá)研究高峰，近幾年研究數(shù)量略有下降進(jìn)入平穩(wěn)期。

圖1 信息轉(zhuǎn)發(fā)文獻(xiàn)歷年分布

從論文發(fā)表期刊來看，根據(jù)發(fā)表數(shù)量目前國(guó)內(nèi)依次為《情報(bào)雜志》(8篇)、《現(xiàn)代情報(bào)》(4篇)、《情報(bào)科學(xué)》(3篇)、《計(jì)算機(jī)科學(xué)》(2篇)、《新聞傳播與研究》(2篇)，國(guó)外文獻(xiàn)主要發(fā)表在ComputersinHumanBehavior(11篇)、SocialNetworkAnalysisandMining(9篇)、PlosOne(8篇)。研究學(xué)科主要涵蓋情報(bào)學(xué)、計(jì)算機(jī)科學(xué)、傳播學(xué)等領(lǐng)域。國(guó)內(nèi)研究涉及的議題主要包括社會(huì)化媒體信息傳播、轉(zhuǎn)發(fā)預(yù)測(cè)、輿情事件傳播、情緒傳播、網(wǎng)絡(luò)口碑信息傳播等。國(guó)外研究涉及的研究議題主要包括社會(huì)化媒體信息傳播、預(yù)測(cè)模型、用戶行為、政治傳播、商業(yè)信息轉(zhuǎn)發(fā)等。

盡管研究涉及議題多樣，但總體而言信息轉(zhuǎn)發(fā)研究主要圍繞以下三個(gè)核心問題開展：a.有些信息被大量轉(zhuǎn)發(fā)，而有些信息卻不能，什么內(nèi)容的信息更受歡迎，更容易被大量轉(zhuǎn)發(fā)而廣泛傳播？b.網(wǎng)絡(luò)信息在社會(huì)化媒體上是如何轉(zhuǎn)發(fā)的，其影響因素包括哪些？c.哪些社會(huì)化媒體用戶在信息傳播中發(fā)揮著重要作用？圍繞上述問題，學(xué)者對(duì)信息轉(zhuǎn)發(fā)的信息傳播者、受眾、傳播內(nèi)容、傳播環(huán)境展開了較為深入地探討。依據(jù)現(xiàn)有文獻(xiàn)內(nèi)容，本文構(gòu)建信息轉(zhuǎn)發(fā)研究框架(如圖2所示)，并基于該框架梳理現(xiàn)有研究成果。

圖2 社會(huì)化媒體用戶信息轉(zhuǎn)發(fā)研究框架

2 信息傳播者對(duì)轉(zhuǎn)發(fā)的影響

2.1 信息源可信度

信息傳播者對(duì)于受眾而言是信息來源地，霍夫蘭德的說服理論強(qiáng)調(diào)信息源可信度影響受眾態(tài)度和行為，信息源可信度與傳播者專業(yè)性、魅力、權(quán)威性呈正相關(guān)。據(jù)此，許多研究探討了傳播源可信度與信息轉(zhuǎn)發(fā)之間的關(guān)系。在社會(huì)化媒體上，信息傳播者可以劃分為實(shí)名賬戶和匿名賬戶。一般說來，網(wǎng)絡(luò)匿名有助于傳播者隱匿身份，導(dǎo)致個(gè)體自我評(píng)價(jià)和控制水平降低，產(chǎn)生了放松社會(huì)規(guī)范傾向的網(wǎng)絡(luò)解禁效應(yīng)。因而相對(duì)于匿名用戶，實(shí)名制賬戶具有更高的感知可信度，其推送的信息能夠被更多轉(zhuǎn)發(fā)[3]。當(dāng)信息傳播者是新聞媒體或政府組織，利用其身份的權(quán)威性，也能提高信息源的可信度，增強(qiáng)信息被轉(zhuǎn)發(fā)的概率[4]。在信息源可信度對(duì)信息轉(zhuǎn)發(fā)影響的機(jī)理上，賴勝?gòu)?qiáng)等[5]基于精細(xì)加工可能性模型(ELM)指出信息源可信度通過周邊路徑影響受眾轉(zhuǎn)發(fā)行為，即受眾缺乏能力或意愿來處理信息時(shí)，更傾向于通過信息源可信度來評(píng)估信息可信度，信息源可信度判定更直觀、迅捷。

2.2 信息傳播者的賬戶特征

信息源可信度是受眾主觀感知的結(jié)果，需要通過問卷來調(diào)查。一些研究避開這種主觀性，以客觀的傳播者賬戶特征來研究傳播者的影響。傳播者賬戶特征主要是用網(wǎng)絡(luò)上用于描述傳播者身份或傳播特性的指標(biāo)數(shù)字，如積分等級(jí)、微博數(shù)、粉絲數(shù)、信息傳播數(shù)量等。Suh等[6]探討傳播者特征對(duì)轉(zhuǎn)發(fā)概率的影響，研究發(fā)現(xiàn)，作者追隨者和粉絲數(shù)量、推文數(shù)量、作者支持的推文數(shù)量、他人轉(zhuǎn)發(fā)其推文的比例、作者推文收到回復(fù)比例與轉(zhuǎn)發(fā)有顯著相關(guān)，而作者過去的推特總數(shù)和轉(zhuǎn)發(fā)率之間沒有很強(qiáng)的相關(guān)性。但目前傳播者特征如粉絲數(shù)量、推文數(shù)量等對(duì)轉(zhuǎn)發(fā)影響的研究結(jié)果并不一致，Xu等[7]研究發(fā)現(xiàn)賬戶年齡、賬戶等級(jí)和轉(zhuǎn)發(fā)之間有強(qiáng)相關(guān)，而賬戶注冊(cè)年限，每天發(fā)送的推特?cái)?shù)量、粉絲數(shù)量、總的推文數(shù)量和轉(zhuǎn)發(fā)之間沒有顯著性。黃膺旭等[8]研究也發(fā)現(xiàn)博主的粉絲數(shù)量和微博平均轉(zhuǎn)發(fā)量之間沒有關(guān)系，原因可能在于僵尸粉的存在?？傮w而言，由于國(guó)內(nèi)外用戶行為差異以及學(xué)者在數(shù)據(jù)選擇上的差異導(dǎo)致目前研究傳播者特征對(duì)轉(zhuǎn)發(fā)影響的結(jié)論存在差異。

3 受眾特性對(duì)轉(zhuǎn)發(fā)的影響

3.1 受眾自身特性

信息轉(zhuǎn)發(fā)畢竟是受眾主觀做出的行為決策，但在網(wǎng)絡(luò)中并非所有用戶都積極參與網(wǎng)絡(luò)信息的生產(chǎn)和傳播，有的用戶只是簡(jiǎn)單地瀏覽信息，極少參與信息傳播或評(píng)論，他們也被稱為網(wǎng)絡(luò)潛水者。研究者更關(guān)注促進(jìn)社會(huì)化媒體用戶積極參與轉(zhuǎn)發(fā)的因素，研究發(fā)現(xiàn)自身個(gè)性、動(dòng)機(jī)以及知識(shí)經(jīng)驗(yàn)是主要影響因素：a.在個(gè)性特征上，用戶從眾心理促進(jìn)轉(zhuǎn)發(fā)行為，個(gè)體從眾性越強(qiáng)越傾向轉(zhuǎn)發(fā)信息。人格大五理論指出人格特征包括了開放性、責(zé)任心、外傾性、宜人性和神經(jīng)質(zhì)性，研究發(fā)現(xiàn)個(gè)體大五人格特質(zhì)中神經(jīng)質(zhì)和經(jīng)驗(yàn)開放性對(duì)信息轉(zhuǎn)發(fā)具有影響[9]；b.受眾動(dòng)機(jī)。從轉(zhuǎn)發(fā)動(dòng)機(jī)來看，受眾轉(zhuǎn)發(fā)信息的動(dòng)機(jī)主要是利他動(dòng)機(jī)和自我提升動(dòng)機(jī)，在利他動(dòng)機(jī)下人們轉(zhuǎn)發(fā)信息主要是考慮信息是否能夠幫助他人，因此更傾向于轉(zhuǎn)發(fā)有價(jià)值的信息[10]。自我提升動(dòng)機(jī)是通過轉(zhuǎn)發(fā)信息來塑造或提升自身形象。社會(huì)化媒體用戶轉(zhuǎn)發(fā)某信息也就表達(dá)相應(yīng)的立場(chǎng)、態(tài)度、趣味，為了塑造良好的自我形象，受眾傾向轉(zhuǎn)發(fā)與自己價(jià)值觀相符合、與期望塑造形象相一致的信息，以期獲得朋友認(rèn)同[11]。當(dāng)用戶缺乏上述動(dòng)機(jī)時(shí)就較少參與信息轉(zhuǎn)發(fā)；c.受眾知識(shí)。個(gè)體知識(shí)一方面影響個(gè)體的效能感從而影響其信息轉(zhuǎn)發(fā)的意愿，另一方面影響信息轉(zhuǎn)發(fā)的決策。在健康信息的轉(zhuǎn)發(fā)中知識(shí)豐富個(gè)體由于具備獨(dú)立分析健康信息真?zhèn)蔚哪芰σ蚨苄畔?nèi)容的影響，而知識(shí)缺乏個(gè)體缺乏判斷力更容易受到信息源的影響[12]；d.受眾經(jīng)驗(yàn)。社會(huì)化媒體用戶過去的轉(zhuǎn)發(fā)行為代表了該用戶轉(zhuǎn)發(fā)信息的習(xí)慣，使用轉(zhuǎn)發(fā)信息數(shù)量與瀏覽信息數(shù)量的比率即信息轉(zhuǎn)發(fā)率，或過去信息轉(zhuǎn)發(fā)數(shù)量可以衡量用戶的轉(zhuǎn)發(fā)習(xí)慣，研究發(fā)現(xiàn)轉(zhuǎn)發(fā)比率和轉(zhuǎn)發(fā)數(shù)量正向影響信息轉(zhuǎn)發(fā)[13]。

3.2 受眾關(guān)系

社會(huì)化媒體用戶不僅可以通過添加朋友的方式來發(fā)展或鞏固關(guān)系，并且還可以通過社會(huì)化媒體來交流彼此的觀點(diǎn)和感受，社會(huì)化媒體是網(wǎng)絡(luò)時(shí)代人際交往的重要渠道。研究發(fā)現(xiàn)信息轉(zhuǎn)發(fā)者和作者間關(guān)系對(duì)信息轉(zhuǎn)發(fā)具有促進(jìn)作用，傳播雙方關(guān)系的特征變量包括信息轉(zhuǎn)發(fā)者與作者的交流、興趣相似性、社會(huì)關(guān)系，以及推文中是否提到用戶等。其中，信息轉(zhuǎn)發(fā)者和作者間的社會(huì)關(guān)系被更多研究運(yùn)用，并基于社會(huì)網(wǎng)理論使用強(qiáng)、弱關(guān)系來具體描述社會(huì)關(guān)系密切程度。強(qiáng)關(guān)系表明傳播雙方互動(dòng)頻率高、相互熟悉，彼此間人際信任促進(jìn)了信息的感知可信從而增加轉(zhuǎn)發(fā)，為了維持和鞏固關(guān)系人們也更多轉(zhuǎn)發(fā)朋友信息以示支持或贊同[14]。社會(huì)化媒體上網(wǎng)絡(luò)謠言更容易被轉(zhuǎn)發(fā)，原因也在于強(qiáng)關(guān)系增加了受眾對(duì)謠言的感知可信度。盡管強(qiáng)關(guān)系促進(jìn)信息轉(zhuǎn)發(fā)，但由于彼此之間的高度相似性反而降低信息傳播效率，弱關(guān)系傳播有利于信息在異質(zhì)性個(gè)體間流動(dòng)，在不同社會(huì)群體間起到了信息橋梁作用。

4 信息內(nèi)容對(duì)轉(zhuǎn)發(fā)的影響

信息轉(zhuǎn)發(fā)是受眾閱讀信息并對(duì)信息內(nèi)容進(jìn)行評(píng)估以后所做出的決策，人們關(guān)注什么樣內(nèi)容的信息更受受眾青睞而被更多轉(zhuǎn)發(fā)，這對(duì)于自媒體用戶內(nèi)容原創(chuàng)或組織社會(huì)化媒體營(yíng)銷都意義重大，現(xiàn)有文獻(xiàn)主要從信息內(nèi)容特性和文本特性兩個(gè)層面探討內(nèi)容的影響。

4.1 信息內(nèi)容特性對(duì)轉(zhuǎn)發(fā)的影響

信息內(nèi)容特性是受眾對(duì)信息所傳遞的信息內(nèi)容的感知狀態(tài)，現(xiàn)有研究主要采用信息效用、內(nèi)容效價(jià)、信息質(zhì)量、情感性等諸多變量來表述信息內(nèi)容特性并探討其與信息轉(zhuǎn)發(fā)的關(guān)系。

a.信息效用。信息效用是信息給受眾帶來的價(jià)值感，包括功能價(jià)值、娛樂價(jià)值等。功能價(jià)值是信息給受眾生活、工作或?qū)W習(xí)帶來實(shí)際幫助，滿足受眾需求的程度。在社會(huì)化媒體上，當(dāng)用戶閱讀到一篇有較高實(shí)用性的文章后感覺受益，在利他動(dòng)機(jī)作用下傾向于將此文章分享給自己朋友。信息效用促進(jìn)信息轉(zhuǎn)發(fā)得到了許多實(shí)證研究的支持，Berger等[15]發(fā)現(xiàn)實(shí)際有用的文章更有可能被受眾轉(zhuǎn)發(fā)而再次傳播。在健康信息傳播研究中，信息效用體現(xiàn)在信息對(duì)實(shí)現(xiàn)健康相關(guān)目標(biāo)而采取有效手段的助益性，包括促進(jìn)健康、提示健康威脅、克服病癥等，研究支持效用更高的健康信息會(huì)獲得更多轉(zhuǎn)發(fā)[16]。娛樂是用戶使用社會(huì)化媒體的主要?jiǎng)訖C(jī)之一，社會(huì)化媒體上輕松、搞笑的娛樂性信息深受用戶喜歡，信息的娛樂性價(jià)值促進(jìn)用戶轉(zhuǎn)發(fā)[17]。此外信息的新奇價(jià)值也促進(jìn)信息轉(zhuǎn)發(fā)，Zhang等[18]研究了帶有新奇價(jià)值的偶然信息對(duì)用戶轉(zhuǎn)發(fā)行為的影響，表明用戶喜歡轉(zhuǎn)發(fā)帶偶然信息的推文。

b.信息效價(jià)。效價(jià)是指在事件或物品評(píng)價(jià)中信息內(nèi)容所持是正面評(píng)價(jià)、中性評(píng)價(jià)還是負(fù)面評(píng)價(jià)。心理學(xué)普遍認(rèn)為個(gè)體在信息評(píng)估中存在負(fù)向偏誤，負(fù)向信息具有更高勸服效果，負(fù)向網(wǎng)絡(luò)口碑信息會(huì)被消費(fèi)者更多轉(zhuǎn)發(fā)。究其原因，展望理論認(rèn)為相同額度損失給個(gè)體帶來的痛苦遠(yuǎn)遠(yuǎn)大于相同額度收益帶來的喜悅，人們更厭惡損失，因而更重視負(fù)面信息。但Berger等[15]研究卻發(fā)現(xiàn)社會(huì)化媒體上正向信息較之負(fù)向信息被更多傳播，因?yàn)檗D(zhuǎn)發(fā)正面信息更讓讀者產(chǎn)生歡愉，從而提升自我形象。

c.信息情緒性。社會(huì)化媒體信息交流更接近于個(gè)體間對(duì)話，直觀表達(dá)強(qiáng)烈的情感，因而內(nèi)容上帶有大量的情緒詞匯或情感表情符號(hào)。依據(jù)信息表達(dá)的情緒化，信息內(nèi)容可以劃分為情緒信息和理性信息。研究發(fā)現(xiàn)情緒化信息態(tài)度更加鮮明更吸引大眾注意，并且情緒化信息能通過情緒感染機(jī)制影響受眾，讓受眾產(chǎn)生類似情緒，在情感共鳴的體驗(yàn)下受眾更容易被說服，更容易采取共同行動(dòng)。因此，與理性信息相比，情緒化信息的轉(zhuǎn)發(fā)速度更快，被轉(zhuǎn)發(fā)的數(shù)量也更高[19]。社會(huì)化媒體的情緒性體現(xiàn)在情緒類型和情緒喚起度上，情緒類型一般劃分為正向情緒和負(fù)向情緒，負(fù)向情緒信息往往比正向情緒信息更容易被轉(zhuǎn)發(fā)，許多網(wǎng)絡(luò)輿情信息就是由于帶有憤怒、悲傷等負(fù)向情緒而被大量轉(zhuǎn)發(fā)，導(dǎo)致輿情危機(jī)事件爆發(fā)。盡管都是負(fù)向情緒，研究發(fā)現(xiàn)不同類型情緒對(duì)受眾轉(zhuǎn)發(fā)還存在差異，這主要是情緒喚起度不同。情緒喚起度代表了個(gè)體對(duì)外界刺激產(chǎn)生反應(yīng)，提高了心率和血壓，在生理、心理被喚醒的狀態(tài)。憤怒、焦慮喚起度高，更容易激發(fā)個(gè)體的生理和心理反應(yīng)，高情緒喚起度的媒體信息更可能被轉(zhuǎn)發(fā)；悲傷情緒的喚起度低，個(gè)體行為反應(yīng)也更低，反而降低信息轉(zhuǎn)發(fā)可能?？傮w而言，情緒性信息能夠讓受眾產(chǎn)生情緒體驗(yàn)促使情感認(rèn)同，情感認(rèn)同有助于群體內(nèi)部人際關(guān)系的建立和加強(qiáng)，進(jìn)一步促進(jìn)信息分享的意愿。

d.敘事方式。敘事方式是信息內(nèi)容表達(dá)的方式，帶有故事性敘事方式的信息更具傳播性，受眾更愿意轉(zhuǎn)發(fā)和分享故事性信息。故事是人類認(rèn)知和交流的一種基本形式，它以生動(dòng)而迷人的方式傳遞信息，不僅具有清晰線索，而且情節(jié)曲折，更容易被理解和回憶，使信息更生動(dòng)、更吸引人[20]。當(dāng)文章或標(biāo)題采取懸念和故事情節(jié)的方式來表達(dá)時(shí)，信息更容易獲得轉(zhuǎn)發(fā)而廣泛傳播。鄭二利[21]對(duì)微信公眾號(hào)10萬+的文章進(jìn)行分析，歸納總結(jié)出輕量化和神轉(zhuǎn)折等敘事手法。

4.2 信息文本特性對(duì)轉(zhuǎn)發(fā)的影響

信息內(nèi)容特性主要體現(xiàn)在文字內(nèi)容上，而信息文本特性表現(xiàn)在格式或表達(dá)方式上，主要包括圖片、符號(hào)等使用上，研究關(guān)注信息的文本特性是否會(huì)影響受眾的信息轉(zhuǎn)發(fā)。

a.圖像。圖片和視頻在信息處理上較之文字更方面、更快捷，帶有圖片或視頻的信息更容易理解。因此，相對(duì)于純文字信息，帶有圖像的信息更容易被關(guān)注、被理解，更多被轉(zhuǎn)發(fā)。此外，圖像信息感覺更真實(shí)，能夠?yàn)檎嫦嗵峁┳糇C甚至還原事件發(fā)生的過程，因此帶有圖像的信息更容易獲得信任，受眾感覺信息更可靠更愿意轉(zhuǎn)發(fā)[22]。

b.標(biāo)簽符號(hào)。在微博可以使用標(biāo)簽#作為跟蹤性線索來指示信息的主題，受眾閱讀信息時(shí)可以通過標(biāo)簽#找到同一主題的其他信息，研究證實(shí)具有標(biāo)簽#的信息具有更高的轉(zhuǎn)發(fā)幾率[6]。微博還可以使用@符號(hào)來增強(qiáng)信息傳遞的定向功能，實(shí)現(xiàn)與特定對(duì)象的互動(dòng)溝通。帶有@符號(hào)的定向消息是傳播者和特定對(duì)象之間加強(qiáng)接觸的一種策略，可以就特定對(duì)象提出的某個(gè)問題做出回應(yīng)，研究發(fā)現(xiàn)定向信息讓受眾面較窄，因而對(duì)信息轉(zhuǎn)發(fā)具有負(fù)向影響，但對(duì)增強(qiáng)傳播者信任度有正向影響[23]。

c.URL網(wǎng)址。URL是互聯(lián)網(wǎng)上標(biāo)準(zhǔn)資源的地址，Ziegele等[24]對(duì)比轉(zhuǎn)發(fā)的Twitter信息和一般Twitter信息，結(jié)果發(fā)現(xiàn)56.7%被轉(zhuǎn)發(fā)的twitter含有URL網(wǎng)址，而只有19.0%的普通推特有URL網(wǎng)址，URL有助于向其他用戶推薦有趣的網(wǎng)頁(yè)、視頻和其他web內(nèi)容，增強(qiáng)信息轉(zhuǎn)發(fā)。但在健康信息轉(zhuǎn)發(fā)研究中，Sutton等[25]研究發(fā)現(xiàn)在一個(gè)URL網(wǎng)址附加評(píng)論的方式對(duì)信息轉(zhuǎn)發(fā)會(huì)產(chǎn)生負(fù)向影響。因此，在原始信息上附加評(píng)論并不能幫助該內(nèi)容的傳播，如果轉(zhuǎn)發(fā)者的目標(biāo)是增加原始消息的傳播范圍，那么最好方法是簡(jiǎn)單地轉(zhuǎn)發(fā)它。

5 外部環(huán)境對(duì)轉(zhuǎn)發(fā)的影響

許多研究還關(guān)注外部環(huán)境對(duì)受眾轉(zhuǎn)發(fā)的影響，主要包括了傳播雙方所處的社會(huì)環(huán)境、危機(jī)情境以及網(wǎng)絡(luò)環(huán)境。

5.1 社會(huì)環(huán)境的影響

目前國(guó)內(nèi)輿情事件頻頻爆發(fā)，社會(huì)化媒體用戶大量參與轉(zhuǎn)發(fā)是引爆輿情的直接因素，而促使用戶參與輿情傳播的原因就是社會(huì)環(huán)境影響[26]。目前我國(guó)正處于社會(huì)轉(zhuǎn)型期，利益表達(dá)機(jī)制和社會(huì)協(xié)調(diào)機(jī)制還不夠健全，這促使人們對(duì)涉官、涉腐的話題極為敏感，參與網(wǎng)絡(luò)輿情傳播的積極性較強(qiáng)。并且還存在利益分配不公、權(quán)利不公、執(zhí)法不公等個(gè)別現(xiàn)象，人們對(duì)公平、正義的訴求較高，涉及道德、法制的案件或事件也廣泛受大眾關(guān)注而被轉(zhuǎn)發(fā)。

5.2 危機(jī)情境的影響

當(dāng)發(fā)生自然災(zāi)害、公共安全危機(jī)、公眾健康危機(jī)等緊急情況時(shí)，由于外部情境比較模糊，公眾對(duì)未來感知不確定性高，因而容易緊張和焦慮，急切盼望獲得信息來降低不確定感，會(huì)采取信息轉(zhuǎn)發(fā)來傳播與災(zāi)難、健康相關(guān)的有用信息。Kogan等[27]探討2012年桑迪颶風(fēng)災(zāi)難之前、災(zāi)難期間、災(zāi)難后短期、災(zāi)難后長(zhǎng)期四個(gè)時(shí)期社會(huì)化媒體用戶的信息轉(zhuǎn)發(fā)，發(fā)現(xiàn)災(zāi)難期間轉(zhuǎn)發(fā)規(guī)模大于災(zāi)難前后，地方政府和媒體信息被最多轉(zhuǎn)發(fā)。由于普通民眾往往缺乏判斷信息真?zhèn)蔚哪芰?，因此?zāi)害期間網(wǎng)絡(luò)謠言容易被大量轉(zhuǎn)發(fā)而泛濫。Song等[4]分析了新冠肺炎疫情期間的網(wǎng)絡(luò)謠言轉(zhuǎn)發(fā)，研究發(fā)現(xiàn)不僅有關(guān)疫情的謠言被更多轉(zhuǎn)發(fā)，并且謠言類型、信息框架等會(huì)增加用戶分享該謠言的可能性。

5.3 網(wǎng)絡(luò)環(huán)境的影響

互聯(lián)網(wǎng)是網(wǎng)絡(luò)信息傳播的基礎(chǔ)和保障，社會(huì)化媒體技術(shù)發(fā)展是社會(huì)化媒體用戶參與信息轉(zhuǎn)發(fā)的主要推動(dòng)力，大量研究探討了網(wǎng)絡(luò)結(jié)構(gòu)對(duì)信息轉(zhuǎn)發(fā)的影響。網(wǎng)絡(luò)結(jié)構(gòu)是由很多節(jié)點(diǎn)構(gòu)成，節(jié)點(diǎn)之間存在一定的關(guān)系并決定了信息傳播的路徑，因此網(wǎng)絡(luò)結(jié)構(gòu)分析主要從圍繞網(wǎng)絡(luò)密度、凝聚子群、核心邊沿關(guān)系等指標(biāo)進(jìn)行，以確定網(wǎng)絡(luò)各節(jié)點(diǎn)的聯(lián)系緊密程度以及有影響力的節(jié)點(diǎn)等。胡改麗等[28]以30件網(wǎng)絡(luò)熱點(diǎn)事件為例，分析了網(wǎng)絡(luò)中心性、中介性、網(wǎng)絡(luò)密度以及可達(dá)性等對(duì)信息轉(zhuǎn)發(fā)的影響。這些研究都強(qiáng)調(diào)網(wǎng)絡(luò)結(jié)構(gòu)越緊密信息傳播越廣，少數(shù)幾個(gè)節(jié)點(diǎn)在信息傳播中占有中心地位，起著意見領(lǐng)袖作用，對(duì)受眾轉(zhuǎn)發(fā)影響大，而大多數(shù)節(jié)點(diǎn)很少有連接，社會(huì)化媒體信息傳播呈現(xiàn)無標(biāo)度網(wǎng)絡(luò)特性。

6 受眾網(wǎng)絡(luò)信息轉(zhuǎn)發(fā)預(yù)測(cè)研究

除了研究影響轉(zhuǎn)發(fā)的因素，學(xué)者們還探索基于影響因素的預(yù)測(cè)模型。轉(zhuǎn)發(fā)預(yù)測(cè)研究一般分四個(gè)步驟進(jìn)行，首先研究人員通過調(diào)用網(wǎng)絡(luò)平臺(tái)提供的API 接口或使用網(wǎng)絡(luò)爬蟲軟件爬取網(wǎng)頁(yè)收集數(shù)據(jù)，然后從數(shù)據(jù)中提取屬于作者、用戶、內(nèi)容三個(gè)因素的各種特征變量，第三步利用提取的特征設(shè)計(jì)轉(zhuǎn)發(fā)預(yù)測(cè)模型，最后一步對(duì)該模型有效性進(jìn)行評(píng)估。網(wǎng)絡(luò)信息轉(zhuǎn)發(fā)預(yù)測(cè)研究重點(diǎn)在預(yù)測(cè)指標(biāo)以及預(yù)測(cè)模型設(shè)計(jì)兩個(gè)方面，預(yù)測(cè)指標(biāo)主要探索和分析影響用戶轉(zhuǎn)發(fā)行為的因素并依據(jù)這些因素提出預(yù)測(cè)模型，預(yù)測(cè)模型設(shè)計(jì)主要是探討如何提高預(yù)測(cè)模型的有效性。現(xiàn)有研究主要采用線性回歸、機(jī)器學(xué)習(xí)、傳播動(dòng)力學(xué)等方法來構(gòu)建預(yù)測(cè)模型。

6.1 基于線性回歸的預(yù)測(cè)模型

線性回歸模型主要是利用線性回歸法來構(gòu)建預(yù)測(cè)模型，模型有效性取決于變量選取及模型設(shè)計(jì)，由于個(gè)體在轉(zhuǎn)發(fā)中往往存在轉(zhuǎn)發(fā)和不轉(zhuǎn)發(fā)兩種決策，因此研究使用logistic回歸方法來構(gòu)建轉(zhuǎn)發(fā)預(yù)測(cè)模型。logistic回歸模型主要用于解決某事情發(fā)生與否(Y)受到其他數(shù)值型自變量(X)影響大小和關(guān)系問題，與普通線性回歸模型相比，最大不同在于logistic回歸模型的因變量為“是”或“否”二分類變量或某狀況發(fā)生的概率。Wang 等[29]探索了基于作者、用戶和內(nèi)容特性的綜合模型，最終選定了10個(gè)有效特征變量來創(chuàng)建預(yù)測(cè)模型。Suh[6]利用主成分分析(PCA)來探索影響twitter轉(zhuǎn)發(fā)的變量，研究發(fā)現(xiàn)追隨者數(shù)量、標(biāo)簽和URL等對(duì)推文的轉(zhuǎn)發(fā)有積極的影響，作者過去的推特總數(shù)與轉(zhuǎn)發(fā)率之間沒有很強(qiáng)的相關(guān)性，最后建立了廣義線性模型來預(yù)測(cè)這些變量對(duì)轉(zhuǎn)發(fā)概率的影響。

6.2 基于機(jī)器學(xué)習(xí)法的預(yù)測(cè)模型

隨著人工智能技術(shù)發(fā)展，機(jī)器學(xué)習(xí)法也被大量用于預(yù)測(cè)社會(huì)化媒體的信息轉(zhuǎn)發(fā)。機(jī)器學(xué)習(xí)法包括監(jiān)督式學(xué)習(xí)和非監(jiān)督式兩種方式，監(jiān)督式學(xué)習(xí)通過類別的人工標(biāo)識(shí)訓(xùn)練和選定模型來確定分類過程，主要方法包括人工神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)等。非監(jiān)督式學(xué)習(xí)沒有先驗(yàn)知識(shí)學(xué)習(xí)，僅憑數(shù)據(jù)自身特性而實(shí)現(xiàn)聚類分析。在信息轉(zhuǎn)發(fā)研究中，利用機(jī)器學(xué)習(xí)法能夠從微博、微信等內(nèi)容中提取相似主題，挖掘內(nèi)容中的情感傾向并分析其對(duì)受眾轉(zhuǎn)發(fā)的影響。在確定用戶感興趣的主題上潛在狄利克雷分布(LDA)是常用方法，LDA是一種無監(jiān)督學(xué)習(xí)算法，它將每個(gè)文檔視為主題的集合，并找到文檔中的潛在主題。文檔的主題分配是一個(gè)迭代過程，它根據(jù)標(biāo)準(zhǔn)來檢查和更新每個(gè)文檔中每個(gè)單詞的主題分配，單詞跨主題發(fā)生的頻率，以及主題在文檔中發(fā)生的頻率，最后為文檔選擇最合適的主題。安璐[30]應(yīng)用LDA計(jì)算話題與用戶轉(zhuǎn)發(fā)數(shù)的關(guān)系，研究發(fā)現(xiàn)與事件進(jìn)展、政府回應(yīng)和知識(shí)普及等主題微博容易被評(píng)論，群眾意見和事件措施等主題微博則容易被轉(zhuǎn)發(fā)。情感挖掘法主要是通過機(jī)器學(xué)習(xí)自動(dòng)識(shí)別信息內(nèi)容的情感正、負(fù)傾向以及情感強(qiáng)度，并基于情感性預(yù)測(cè)信息轉(zhuǎn)發(fā)。Firdaus等[31]基于用戶興趣特征和情感特征構(gòu)建了微博轉(zhuǎn)發(fā)預(yù)測(cè)模型。

6.3 基于傳播動(dòng)力學(xué)的預(yù)測(cè)模型

傳播動(dòng)力學(xué)將信息通過轉(zhuǎn)發(fā)的傳播過程視為與病毒感染擴(kuò)散相類似的過程，將受眾抽象為易感者、感染者、潛伏者和治愈者個(gè)體，依據(jù)不同類型個(gè)體轉(zhuǎn)換構(gòu)成不同模型，主要模型包括SI模型、SIR模型、SIS模型和SEIR模型，研究主要對(duì)上述模型進(jìn)行改進(jìn)來預(yù)測(cè)未來的信息轉(zhuǎn)發(fā)量。郭淼等[32]研究復(fù)雜社交網(wǎng)絡(luò)下的微博用戶轉(zhuǎn)發(fā)行為的預(yù)測(cè)模型，改進(jìn)了SEIR模型的數(shù)學(xué)表達(dá)以及評(píng)價(jià)個(gè)體傳播能力的PageRank算法，利用數(shù)值仿真對(duì)模型進(jìn)行驗(yàn)證。

7 未來研究方向

本文從信息傳播者、信息接收者、信息內(nèi)容、信息環(huán)境和轉(zhuǎn)發(fā)影響構(gòu)建了信息轉(zhuǎn)發(fā)研究框架并梳理現(xiàn)有成果，圍繞轉(zhuǎn)發(fā)影響因素，信息轉(zhuǎn)發(fā)差異性、誰(shuí)轉(zhuǎn)發(fā)信息三個(gè)核心問題進(jìn)行了探討。歸納起來，信息轉(zhuǎn)發(fā)行為不僅是受眾對(duì)接收信息的刺激反應(yīng)過程，受到信息內(nèi)容、傳播源特性和自身特性的影響，同時(shí)也是受眾的社會(huì)交往過程，會(huì)受到傳播雙方的社會(huì)關(guān)系、社會(huì)環(huán)境以及自我形象等的影響，這些因素是影響用戶轉(zhuǎn)發(fā)的主要因素；對(duì)于為什么有的信息具有高轉(zhuǎn)發(fā)性，一方面信息傳播源的高可信度會(huì)提升信息轉(zhuǎn)發(fā)，另一方面高情感性、有價(jià)值、正向、新奇的信息內(nèi)容也更容易被轉(zhuǎn)發(fā)；從個(gè)體特性來看，個(gè)性活躍、有知識(shí)、上網(wǎng)經(jīng)驗(yàn)豐富的用戶是主要的轉(zhuǎn)發(fā)群體。盡管現(xiàn)有研究成果豐富，能較好回答信息高轉(zhuǎn)發(fā)性、影響因素、轉(zhuǎn)發(fā)用戶特征等問題，但仍存在一些不足，未來需要在如下幾個(gè)方面加強(qiáng)探索。

7.1 影響受眾信息轉(zhuǎn)發(fā)的機(jī)制研究

目前主要研究了影響信息轉(zhuǎn)發(fā)的因素，但卻很少探討這些因素如何影響受眾轉(zhuǎn)發(fā)。研究只解決了“知其然”的問題，但未解決“知其所以然”的問題，各影響因素的內(nèi)在作用機(jī)制及因素間相互作用都沒有得到深入研究。出現(xiàn)上述問題的原因主要在于許多研究都是數(shù)據(jù)驅(qū)動(dòng)型，而非基于理論出發(fā)來進(jìn)行探討，目前一些研究已經(jīng)運(yùn)用了傳播學(xué)的ELM理論、心理學(xué)的情緒理論、社會(huì)學(xué)的社會(huì)網(wǎng)理論等進(jìn)行探討，未來需要進(jìn)一步從各學(xué)科借鑒更多理論來進(jìn)行探討，完善信息轉(zhuǎn)發(fā)理論。

7.2 信息轉(zhuǎn)發(fā)預(yù)測(cè)的進(jìn)一步完善

雖然目前在轉(zhuǎn)發(fā)預(yù)測(cè)方面開展了大量研究，但預(yù)測(cè)精度遠(yuǎn)非完美。主要挑戰(zhàn)在于一是社會(huì)化媒體信息內(nèi)容有限，如微博有字?jǐn)?shù)的限制，這就導(dǎo)致轉(zhuǎn)發(fā)文本身只攜帶少量明確信息，如何提取有用的潛在信息變得較為困難；其次，運(yùn)用機(jī)器學(xué)習(xí)固然能提高效率，但目前社會(huì)化媒體信息多是用戶原創(chuàng)信息，用戶常使用一些非正式的詞匯(如藍(lán)瘦香菇)、表情符號(hào)、標(biāo)點(diǎn)符號(hào)來表達(dá)情緒，這都加大了程序的識(shí)別難度；三是許多預(yù)測(cè)模型都是針對(duì)特定信息，如商業(yè)品牌信息、輿情信息、健康信息、網(wǎng)絡(luò)謠言等，并針對(duì)不同信息類型特點(diǎn)使用了不同的算法來進(jìn)行預(yù)測(cè)。未來需要進(jìn)一步探索人工智能技術(shù)，加強(qiáng)對(duì)情緒、圖像的自動(dòng)識(shí)別，設(shè)計(jì)更為廣泛和通用的預(yù)測(cè)模型。

7.3 加大對(duì)轉(zhuǎn)發(fā)行為的研究

個(gè)體轉(zhuǎn)發(fā)行為是信息傳播的微觀基礎(chǔ)，目前許多研究更傾向于從宏觀的總體轉(zhuǎn)發(fā)量來研討信息轉(zhuǎn)發(fā)，忽視對(duì)微觀個(gè)體轉(zhuǎn)發(fā)行為的研究。人類行為是一個(gè)復(fù)雜的心理反應(yīng)過程，現(xiàn)有研究主要探討了個(gè)性、情感、情感、興趣等的影響，未來不僅需要進(jìn)一步拓寬研究視域，探索諸如價(jià)值觀、信仰、對(duì)話題興趣等的影響，并且這些心理因素隨外部環(huán)境(如事件)的變化而發(fā)生的動(dòng)態(tài)變化影響也值得關(guān)注；第二，個(gè)體轉(zhuǎn)發(fā)行為研究目前主要是針對(duì)活躍用戶進(jìn)行研究，較少關(guān)注到不活躍用戶，原因在于網(wǎng)絡(luò)上的現(xiàn)有數(shù)據(jù)不能提供非活躍用戶的轉(zhuǎn)發(fā)決策偏好。然而，不活躍用戶是潛在轉(zhuǎn)發(fā)者，不轉(zhuǎn)發(fā)信息并不意味著他沒有閱讀信息或不感興趣，找到抑制轉(zhuǎn)發(fā)的因素對(duì)推動(dòng)信息轉(zhuǎn)發(fā)至關(guān)重要；第三，信息轉(zhuǎn)發(fā)數(shù)值的欺詐行為是值得未來關(guān)注的挑戰(zhàn)性因素，一些商家或別有用心之徒為了促進(jìn)信息被用戶大量轉(zhuǎn)發(fā)，會(huì)偽造一些評(píng)論或轉(zhuǎn)發(fā)數(shù)量來吸引人跟風(fēng)，轉(zhuǎn)發(fā)欺詐也可能造成謠言大量傳播或虛假?gòu)V告泛濫。因此，未來需要探索如何基于用戶特性識(shí)別出這些偽造信息。