人機(jī)交互中的社會臨場感研究
——以彈幕短視頻為例*

李 晶，薛晨琦，宋昊陽

0 引言

隨著計(jì)算機(jī)迅速發(fā)展，“面對面”的信息交互逐漸被人機(jī)交互(Human-Computer Interaction，HCI)取代，計(jì)算機(jī)媒介溝通(Computer-Mediated Communication，CMC)時(shí)代隨之到來，依托計(jì)算終端開展一對多的“虛擬”交互成為日常。誠然，人機(jī)交互下的CMC大大促進(jìn)了信息傳遞和交流的效率，但冷冰冰的計(jì)算終端如何營造“交互情境”，最大程度地提升用戶的感知與體驗(yàn)，一直是人機(jī)交互領(lǐng)域研究的熱點(diǎn)[1]。彈幕較早出現(xiàn)在國內(nèi)知名社交網(wǎng)站Bilibili視頻平臺(以下簡稱“B站”)，其參與式、即時(shí)性、碎片化的交互特征充分滿足了當(dāng)代公眾的心理需求。借助其在視頻內(nèi)以快速滾動或靜止的形式顯示留言的功能[2]，用戶根據(jù)自己在觀看視頻和彈幕時(shí)所產(chǎn)生的情感、態(tài)度及想法，通過發(fā)表彈幕進(jìn)行及時(shí)的信息呈現(xiàn)[3]，依靠與計(jì)算機(jī)的交互實(shí)現(xiàn)信息交流。用戶采用彈幕進(jìn)行交互的方式營造了強(qiáng)烈的“圍觀”體驗(yàn)[4]，能使用戶與其他參與者產(chǎn)生虛擬的“共在感”，大大增加了用戶身臨其境的體驗(yàn)。學(xué)者們在研究這種身臨其境感時(shí)將其定義為社會臨場感(Social Presence，SP)，并表明其與交互存在著密不可分的關(guān)系[5]。目前針對社會臨場感已有較為豐富的研究成果，普遍分布在通訊[6-7]、遠(yuǎn)程教育[8-9]、人機(jī)交互[10-11]及營銷[12-13]等領(lǐng)域。這些成果在研究方法方面，主要采用了問卷調(diào)查法和內(nèi)容分析法；在研究主題方面，針對網(wǎng)站、論壇的信息交互研究居多。本文嘗試對彈幕短視頻用戶交互行為的社會臨場感進(jìn)行研究，以B站科普類視頻為樣本對象，引入社會臨場感計(jì)算方法，對視頻彈幕形成的社會臨場感進(jìn)行精確測度，在此基礎(chǔ)上探討社會臨場感與用戶使用視頻的各種行為特征關(guān)聯(lián)關(guān)系。本文的研究結(jié)論為拓展人機(jī)交互領(lǐng)域及CMC時(shí)代的社會臨場感理論，以及基于用戶視角促進(jìn)科普類視頻的分享與傳播提供啟示和參考。

1 理論基礎(chǔ)

1.1 人機(jī)交互中的用戶體驗(yàn)研究

人機(jī)交互主要研究人與計(jì)算機(jī)之間的交互關(guān)系，是一個(gè)多領(lǐng)域?qū)W科交叉的研究方向，早期的概念來源于卡德、莫蘭和內(nèi)韋爾在1983年所著的《人機(jī)交互心理學(xué)》一書[14]。不同于現(xiàn)實(shí)情境下個(gè)體之間的面對面交互，人機(jī)交互依托于互聯(lián)網(wǎng)技術(shù)特性的優(yōu)勢，實(shí)現(xiàn)了人與計(jì)算機(jī)的交流，為用戶提供了一種虛擬的交互環(huán)境。雖然人機(jī)交互使用戶獲取信息的方式更加簡便高效，但計(jì)算機(jī)的非人性化仍為用戶信息的獲取帶來了一系列的問題。進(jìn)入21世紀(jì)以來，盡管系統(tǒng)設(shè)計(jì)[15]、界面設(shè)計(jì)[16]及人工智能等關(guān)鍵技術(shù)[17]仍然是人機(jī)交互領(lǐng)域的焦點(diǎn)所在，但是也有越來越多的學(xué)者注意到與“人”有關(guān)的因素，如感知風(fēng)險(xiǎn)、愉悅、舒適、可靠等[18-19]對人機(jī)交互效果的影響[20-21]，試圖找尋在人機(jī)交互中滿足用戶感知與體驗(yàn)需求的最佳策略[22]。這些對人機(jī)交互中用戶體驗(yàn)的關(guān)注將目光轉(zhuǎn)向“人”而非純粹的技術(shù)，不僅是研究視角的轉(zhuǎn)變，更凸顯了研究價(jià)值的回歸。

1.2 社會臨場感

社會臨場感，又稱社會存在、社會表露、社會呈現(xiàn)，是來自通訊領(lǐng)域的一個(gè)重要概念。該理論最早出現(xiàn)在馬里蘭大學(xué)教授Short等1976年的著作《通訊社會心理學(xué)》(The Social Psychology of Telecommunications)中，并將其首次定義為在利用媒體進(jìn)行溝通過程中，一個(gè)人被視為“真實(shí)的人”的程度及與他人聯(lián)系的感知程度[5]。隨著該理論影響力范圍的不斷擴(kuò)大，越來越多的學(xué)者將其應(yīng)用于不同的領(lǐng)域的交互行為研究，并根據(jù)研究情境的不同，對社會臨場感展開了不同的維度劃分及測量的探索。表1對社會臨場感在不同研究情境下的維度劃分及測量方法的部分文獻(xiàn)進(jìn)行了梳理。

表1 不同研究情境下社會臨場感維度劃分及測量方法梳理

學(xué)者們基于社會臨場感的維度劃分包括單維度、多維度兩種情況。根據(jù)不同情境的要求及學(xué)者們的研究探索，多維度對社會臨場感進(jìn)行劃分更具有科學(xué)準(zhǔn)確性，其中針對社交媒體或在線社區(qū)的維度可以總結(jié)為意識、情感及認(rèn)知3類。從社會臨場感的測量方法來看，大部分學(xué)者采用量表對其進(jìn)行測量計(jì)算，有部分學(xué)者針對交互內(nèi)容通過人工或機(jī)器編碼進(jìn)行統(tǒng)計(jì)，但量表的測算方法僅基于部分使用者的行為與感受展開，具有一定的研究不足；基于文本的計(jì)算則是依據(jù)場景現(xiàn)有的整個(gè)文本內(nèi)容對社會臨場感進(jìn)行計(jì)算，數(shù)據(jù)全面，具有更高的可信度。

2 社會臨場感的計(jì)算方法

通過梳理，基于文本的社會臨場感計(jì)算主要包括兩種方式。一是基于文本的人工編碼處理。通過對獲取的文本信息根據(jù)劃分維度進(jìn)行人工編碼，將分類數(shù)據(jù)按照深刻程度進(jìn)行賦值，賦值結(jié)果的總和表示社會臨場感水平[41]。二是基于自然語言處理的自動編碼。面對海量、復(fù)雜的文本信息，依靠人工智能機(jī)器的自然語言處理逐漸取代了人工，學(xué)者們針對獲得的文本信息，通過人工智能機(jī)器進(jìn)行自動編碼，在處理過程中，通過計(jì)算每種社會臨場感出現(xiàn)的頻率來確定每種社會臨場感水平[42]，或者將具有社會臨場感維度的記1分，自動累計(jì)分?jǐn)?shù)，獲得臨場感水平[43]。

綜合考慮上述計(jì)算方法，本文選取“意識、情感、認(rèn)知”的維度劃分對彈幕視頻社會臨場感水平進(jìn)行測度(見圖1)。其中，意識指用戶認(rèn)為其他社會行為者似乎存在并能夠?qū)τ脩糇龀龇磻?yīng)的程度[44]，即用戶與其他參與者之間存在“共在意識”，具有強(qiáng)烈的感知交互；情感指用戶通過虛擬社交引發(fā)的情感感知，Riva等也證明情緒反應(yīng)與存在感密切相關(guān)[45]，而存在感正反映了社會臨場感；認(rèn)知是指用戶在社交平臺中通過持續(xù)的交互建構(gòu)知識的過程[46]，在線社區(qū)的認(rèn)知也是通過用戶以發(fā)帖或評論的形式持續(xù)參與在線討論來實(shí)現(xiàn)的[31]。

圖1 社會臨場感的3個(gè)維度

根據(jù)以上分析，通過獲取每種維度出現(xiàn)的頻率對社會臨場感進(jìn)行計(jì)算，計(jì)算過程見公式(1)。

其中，某視頻社會臨場感(Sp)各個(gè)維度出現(xiàn)頻率分別為p1，…，pi，i=1，2，…，n。后文中將應(yīng)用上述公式計(jì)算視頻的社會臨場感。

3 實(shí)證研究

3.1 數(shù)據(jù)來源

為從B站視頻中選取影響力大且具有代表性的科普視頻，本文通過B站專業(yè)的數(shù)據(jù)分析平臺——火燒云數(shù)據(jù)平臺，以“一級分類-二級分類”的“知識-科學(xué)科普”為檢索類目，選取截止到2021年4月17日排名前十的UP主。由于B站沒有直接明確的功能對彈幕數(shù)、播放量等進(jìn)行排名，為方便選取，對以上UP主共1，867個(gè)視頻的彈幕數(shù)、視頻時(shí)長、播放量、發(fā)布時(shí)間等進(jìn)行排序統(tǒng)計(jì)，以綜合篩選條件，盡量確保每個(gè)視頻都在選取范圍之內(nèi)，最終共選取40個(gè)視頻。數(shù)據(jù)的收集采用Python作為爬蟲編程語言，通過B站API接口，并以B站視頻唯一BVID號作為區(qū)別標(biāo)識?？紤]到B站現(xiàn)有的彈幕庫只保存少數(shù)彈幕數(shù)據(jù)，因此，基于視頻界面的歷史彈幕列表，對彈幕庫進(jìn)行逐日爬取并進(jìn)行去重清洗，以盡量完整地獲取所有歷史彈幕。獲取視頻的信息列表見表2。

表2 科普視頻信息收集列表

3.2 數(shù)據(jù)分析方法

(1)分詞處理。本文使用開源的中文jieba分詞工具，對彈幕文本內(nèi)容進(jìn)行預(yù)處理。其原理為基于前綴詞典生成句子中所有可能成詞的情況，并動態(tài)查找最大概率路徑，找出基于詞頻的最大切分組合[47]。如彈幕文本“自己就是不長痘的體質(zhì)”，基于jieba分詞后可以得到“自己/就是/不/長痘/的/體質(zhì)”。

(2)停用詞清洗。彈幕作為用戶表達(dá)情感及認(rèn)知的文本，往往含有無意義的表達(dá)詞、標(biāo)點(diǎn)符號、特殊符號，在一定程度會影響測量的結(jié)果。針對分詞后的結(jié)果，考慮到“？”“!”及“哈哈哈”等詞具有明顯的情感內(nèi)涵，從停用詞典中刪除，作為保留詞，構(gòu)建包含數(shù)字標(biāo)識、逗號、句號等無意義詞的停用詞典，然后進(jìn)行停用詞清洗。

(3)詞頻統(tǒng)計(jì)與主題分類。為計(jì)算各類詞出現(xiàn)的頻率，利用Python的Collection包下Counter的類對分詞結(jié)果進(jìn)行詞頻統(tǒng)計(jì)。使用TF-IDF算法進(jìn)行特征提取，進(jìn)行主題歸類及數(shù)量統(tǒng)計(jì)，計(jì)算每個(gè)視頻每種社會臨場感維度出現(xiàn)的頻率。

3.3 彈幕數(shù)據(jù)的總體描述

通過去重清洗等操作，截至2021年4月17日，爬取科普類視頻共計(jì)299，994條彈幕，分別將每個(gè)視頻彈幕的發(fā)表日期、視頻時(shí)間節(jié)點(diǎn)進(jìn)行數(shù)量統(tǒng)計(jì)，得出單日發(fā)表彈幕數(shù)量列表、逐日累積數(shù)量列表及視頻時(shí)間點(diǎn)的彈幕數(shù)量列表，并對其分別進(jìn)行可視化，制作相應(yīng)的趨勢分布圖。

(1)彈幕數(shù)量分布。所選取的科普視頻在彈幕數(shù)量的日期分布上具有明顯的一致性。從圖2可以發(fā)現(xiàn)，科普視頻單日的彈幕數(shù)量分布呈現(xiàn)初期短暫突增而后驟降，最終逐漸趨于平穩(wěn)的趨勢，視頻發(fā)布初期的彈幕數(shù)量遠(yuǎn)遠(yuǎn)大于后期彈幕數(shù)量。這說明視頻平臺發(fā)布的內(nèi)容具有一定的時(shí)效性，隨著時(shí)間推移，視頻傳播力減弱，用戶的關(guān)注度也隨之降低。

圖2 科普視頻彈幕數(shù)量日期分布

(2)彈幕數(shù)量累積分布。通過對每日的彈幕的累積數(shù)量進(jìn)行統(tǒng)計(jì)，分別制作每個(gè)視頻的彈幕累積趨勢圖?？傮w上可以發(fā)現(xiàn)，科普視頻整體趨勢與彈幕數(shù)量分布相符合，但存在兩種不同的累積趨勢。一是普遍趨勢：彈幕累計(jì)數(shù)量短時(shí)間內(nèi)急劇增長后趨于平穩(wěn)(見圖3)；二是特殊趨勢：彈幕累積數(shù)量隨日期緩慢增長至某一節(jié)點(diǎn)以較快速度持續(xù)增長，最終逐漸趨于平穩(wěn)(見圖4)。

圖3 彈幕數(shù)量累積普遍趨勢圖

圖4 彈幕數(shù)量累積特殊趨勢圖

(3)不同視頻時(shí)間點(diǎn)彈幕數(shù)量分布。通過對科普視頻時(shí)間點(diǎn)的彈幕數(shù)量進(jìn)行統(tǒng)計(jì)，制作每個(gè)視頻基于視頻時(shí)間點(diǎn)的彈幕數(shù)量趨勢圖(圖5為某個(gè)視頻的時(shí)間節(jié)點(diǎn)彈幕數(shù)量趨勢)。可以發(fā)現(xiàn)，不同視頻時(shí)間節(jié)點(diǎn)彈幕數(shù)量趨勢不同，但有兩個(gè)共同點(diǎn)：從整體上觀察，所有視頻均不存在明顯的上升下降趨勢，且彈幕數(shù)量波動不具有普遍規(guī)律；每個(gè)視頻都存在明顯的突增、低谷點(diǎn)，這意味著每個(gè)視頻在某一時(shí)間段都存在互動的高潮及低谷。

圖5 科普視頻時(shí)間節(jié)點(diǎn)彈幕數(shù)量趨勢圖

3.4 彈幕視頻的社會臨場感

依據(jù)科普視頻時(shí)間點(diǎn)彈幕數(shù)量分布趨勢體現(xiàn)的突增點(diǎn)及低谷點(diǎn)特征，能推斷由低谷點(diǎn)到突增點(diǎn)的整個(gè)階段最能體現(xiàn)用戶的交互特征。為此，統(tǒng)計(jì)每個(gè)視頻的突增及低谷點(diǎn)，以此對視頻的交互行為進(jìn)行統(tǒng)計(jì)，計(jì)算視頻的社會臨場感。為達(dá)到選取標(biāo)準(zhǔn)統(tǒng)一，作以下設(shè)定：一是突增點(diǎn)(T)：①大于3/4振幅②頂點(diǎn)(左右時(shí)間段彈幕數(shù)量均小于此點(diǎn))；二是低谷點(diǎn)(B)：①小于1/4振幅②突增點(diǎn)之前的最低點(diǎn)，該點(diǎn)之后彈幕數(shù)量均有上升趨勢；三是中振幅=(最大值-最小值)/2。具體來說，分別統(tǒng)計(jì)每個(gè)視頻突增點(diǎn)、過渡段及低谷點(diǎn)的時(shí)間段和彈幕信息，截取彈幕文本列表，通過分詞及去除停用詞操作，使用TF-IDF算法進(jìn)行特征提取，進(jìn)行主題歸類。最終，共提取到4類特征：情感反饋、認(rèn)知交互、UP主交互及用戶交互。其中，情感反饋指用戶觀看彈幕視頻及彈幕后產(chǎn)生的與視頻或其他用戶之間的情感反饋；認(rèn)知交互指用戶觀看視頻及彈幕后所產(chǎn)生的知識建構(gòu)；UP主交互及用戶交互分別指用戶與UP或用戶進(jìn)行無特殊內(nèi)涵的對話，如打招呼、道別等。以視頻1為例，其主題代表詞見表3。

表3 視頻1特征提取及代表詞

經(jīng)過具體內(nèi)容分析，對選取的B站科普類視頻的社會臨場感水平進(jìn)行計(jì)算。在發(fā)布彈幕過程中，用戶認(rèn)為此刻其他用戶虛擬存在，并能與之互相反應(yīng)?？紤]到彈幕與視頻畫面的位置重合且與對應(yīng)視頻內(nèi)容相對同步的獨(dú)特表現(xiàn)形式，可以認(rèn)為彈幕用戶存在絕對的意識臨場感。因此，本文刪除意識維度，僅從情感和認(rèn)知兩個(gè)維度展開研究。所提取的情感反饋和認(rèn)知交互特征分別對應(yīng)情感臨場感與認(rèn)知臨場感，根據(jù)計(jì)算公式，計(jì)算出各視頻的社會臨場感水平。各科普視頻的主題特征頻率統(tǒng)計(jì)及社會臨場感見表4。

表4 各科普視頻的主題特征頻率統(tǒng)計(jì)及社會臨場感計(jì)算

3.5 社會臨場感與用戶視頻使用行為之間的關(guān)聯(lián)性分析

本文進(jìn)一步探索彈幕視頻臨場感與用戶視頻使用行為之間的相關(guān)性規(guī)律。選取每條視頻的視頻播放量、用戶點(diǎn)贊量、用戶投幣量描述用戶視頻使用行為[48]，對每項(xiàng)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以確保數(shù)據(jù)的量綱統(tǒng)一，數(shù)據(jù)選取的截止時(shí)間是2021年4月17日。由表5所示的數(shù)據(jù)描述性統(tǒng)計(jì)分析結(jié)果看出，所有視頻樣本的社會臨場感均值達(dá)到了0.782，說明大部分視頻的社會臨場感較高。圖6進(jìn)一步揭示社會臨場感與各行為變量之間的相關(guān)關(guān)系，所有變量與社會臨場感之間都具有正向相關(guān)關(guān)系。具體地，圖6中(a)、(b)、(c)分圖表明社會臨場感增強(qiáng)有利于提升視頻播放量、用戶點(diǎn)贊量和用戶投幣量，(d)圖說明了本文基于彈幕數(shù)計(jì)算的社會臨場感與視頻的彈幕總量之間具有較強(qiáng)的正向相關(guān)關(guān)系。

圖6 社會臨場感與視頻使用行為變量之間關(guān)系圖

表5 描述性統(tǒng)計(jì)

4 研究結(jié)論與討論

4.1 理論啟示

(1)社會臨場感在人機(jī)交互中的理論構(gòu)建。傳統(tǒng)的信息交互發(fā)生在基于現(xiàn)實(shí)情境的面對面交流，但是隨著互聯(lián)網(wǎng)技術(shù)的出現(xiàn)，傳統(tǒng)的“人-人”交互理論不適合直接解釋新時(shí)代CMC的問題，而不斷涌現(xiàn)的人機(jī)交互理論更關(guān)注的是人與計(jì)算機(jī)之間信息交換技術(shù)層面的問題[49]，忽略了人作為主體的認(rèn)知特征和情感表達(dá)。本文引入新聞傳播學(xué)和教育學(xué)領(lǐng)域的社會臨場感理論研究人機(jī)交互中用戶體驗(yàn)優(yōu)化的問題，對基于文本分類的社會臨場感水平進(jìn)行了定量測度，證明了社會臨場感測度方法在人機(jī)交互研究場景的適用性，在一定程度上拓展了人機(jī)交互中用戶體驗(yàn)研究的理論視域。

(2)社會臨場感的多維度計(jì)算方法。自社會臨場感理論提出后，逐漸被應(yīng)用于多個(gè)領(lǐng)域的理論與實(shí)踐研究中，并取得了豐富的研究成果。但隨著CMC時(shí)代的到來，關(guān)于社會臨場感的測度研究卻少有學(xué)者關(guān)注。本文對已有的測量方法進(jìn)行了梳理，在此基礎(chǔ)上對社會臨場感的多維度計(jì)算方法進(jìn)行了完善，并從彈幕交互行為出發(fā)，探索采用彈幕文本數(shù)據(jù)，從情感和認(rèn)知兩個(gè)維度，研究測算了B站科普視頻的社會臨場感，為社會臨場感的量化研究提供了方法和技術(shù)路徑。

(3)社會臨場感對用戶視頻使用行為存在影響。長期以來，有許多學(xué)者研究用戶信息行為的前置動因，如風(fēng)險(xiǎn)情境[50]、商務(wù)營銷環(huán)境[51]下的用戶的感知特征(感知有用性[52]、感知滿意度[53]等)，信息特征(有用性[54]、質(zhì)量[55]、信息不足[56]等)，用戶特征[57]及社會因素[58]等。但是，CMC環(huán)境下用戶信息行為的關(guān)鍵影響因素很少有研究。本文關(guān)注了社會臨場感這一因素，通過實(shí)證研究，運(yùn)用文本分析與數(shù)據(jù)挖掘及相關(guān)性分析等方法，發(fā)現(xiàn)社會臨場感對用戶視頻的使用行為具有一定的影響，這是在傳統(tǒng)的面對面交互的環(huán)境下不存在的規(guī)律和特征，本研究為完善CMC環(huán)境下的信息行為理論，包括信息分享行為、信息利用行為、信息傳播行為的影響機(jī)理提供了新的視角。

4.2 實(shí)踐貢獻(xiàn)

本研究發(fā)現(xiàn)視頻的社會臨場感在一定程度上會促進(jìn)用戶使用視頻的行為，這對于幫助科普視頻制造者基于用戶視角促進(jìn)科普類視頻的分享與傳播提供了新思路?？破找曨l制造者可以依據(jù)視頻所反映的社會臨場感水平獲知用戶對視頻的滿意程度，針對用戶所感興趣的內(nèi)容確定更吸引用戶的科普視頻主題，提高視頻傳播力；對視頻平臺方而言，在擴(kuò)大平臺的影響力方面也有借鑒意義，平臺方可將高社會臨場感的科普視頻作為主頁面的推薦內(nèi)容，在提高視頻傳播效果的同時(shí)，促進(jìn)用戶的分享行為，從而擴(kuò)大平臺的影響力；同時(shí)，視頻的社會臨場感水平也能通過用戶的使用行為反映視頻的質(zhì)量，為其他用戶選擇更具有意義和實(shí)用性的科普視頻提供了參考。

5 結(jié)語

本文選取彈幕視頻平臺B站的科普視頻為研究對象，獲取視頻彈幕數(shù)據(jù)299，994條，利用文本分析與數(shù)據(jù)挖掘的方法，研究了彈幕的分布特征、視頻彈幕反映的社會臨場感測度及社會臨場感與用戶視頻使用行為的關(guān)聯(lián)關(guān)系，研究在一定程度上豐富了CMC時(shí)代的社會臨場感理論，并在科普視頻制造者、視頻平臺方促進(jìn)科普視頻傳播、提高自身影響力及用戶的視頻選擇方面具有實(shí)踐價(jià)值。本文作為一項(xiàng)探索性的實(shí)證研究主要存在兩方面的不足，為未來的深入研究提供了方向。第一，本研究發(fā)現(xiàn)彈幕兩個(gè)階段式累積等特征，但沒有深入研究，未來計(jì)劃針對這兩種不同的特征進(jìn)一步分析不同趨勢對社會臨場感水平的影響。第二，本研究僅使用TF-IDF算法進(jìn)行特征提取，未來將繼續(xù)探索和利用不同的特征提取方法和分類算法，發(fā)現(xiàn)社會臨場感水平測量的最優(yōu)方式，以提高研究的準(zhǔn)確性。