突發(fā)公共衛(wèi)生事件中政務(wù)短視頻主題與用戶行為的關(guān)聯(lián)演化研究*

張 敏 沈嘉裕

(1.武漢大學(xué)信息資源研究中心 武漢 430072； 2.武漢大學(xué)信息管理學(xué)院 武漢 430072)

0 引 言

政務(wù)短視頻是指由政府、企事業(yè)單位等機(jī)構(gòu)發(fā)布的行政公務(wù)類短視頻。相較于以圖文呈現(xiàn)方式為主的微博而言，短視頻的音畫同步模式能在短時(shí)間內(nèi)帶來多重感官刺激[1]，降低用戶的認(rèn)知負(fù)荷，進(jìn)而快速吸引公眾的注意力。自2016年以來，我國(guó)短視頻平臺(tái)發(fā)展迅猛，第49次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r調(diào)查報(bào)告》顯示我國(guó)短視頻用戶規(guī)模已達(dá)9.34億[2]。越來越多的政務(wù)信息發(fā)布部門開始選擇短視頻作為政務(wù)信息的發(fā)布載體與公眾進(jìn)行互動(dòng)——根據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)的最新數(shù)據(jù)，我國(guó)各級(jí)政府開通的政務(wù)抖音賬號(hào)已達(dá)2.6萬[3]。

突發(fā)公共衛(wèi)生事件爆發(fā)后，網(wǎng)絡(luò)輿情演化趨勢(shì)具有明顯的傾向性[4]，政務(wù)短視頻短平快、易于理解的特征可以幫助政府在疫情期間高效應(yīng)對(duì)突發(fā)輿情。通過研究突發(fā)公共衛(wèi)生事件中政務(wù)短視頻的主題與對(duì)應(yīng)的用戶行為，挖掘在突發(fā)公共衛(wèi)生事件的不同生命周期階段政務(wù)短視頻受眾的關(guān)注重點(diǎn)，能幫助政府更好地理解輿情演化的影響因素和內(nèi)在形成機(jī)理，為政府制定適宜的政務(wù)短視頻發(fā)布策略提供決策支持。本研究以我國(guó)新冠疫情中的代表性輿情事件2022年上海疫情為背景，借助政務(wù)話語框架，采用話題提取模型對(duì)政務(wù)短視頻標(biāo)題文本進(jìn)行主題挖掘和事件分析，并基于數(shù)據(jù)分析結(jié)果為政府的突發(fā)公共衛(wèi)生事件主題發(fā)布策略提供可供參考的意見和建議。

1 文獻(xiàn)綜述

近年來，學(xué)者們對(duì)政務(wù)新媒體進(jìn)行了豐富的研究，近期發(fā)表的代表性文獻(xiàn)如表1所示。對(duì)上述文獻(xiàn)進(jìn)行深入分析后歸納得到已有研究的如下規(guī)律：(1)在樣本來源方面，微博、抖音以及政府門戶網(wǎng)站[5]是常見的素材收集平臺(tái)；(2)在研究方法方面，內(nèi)容分析法是較為常用的研究方法，對(duì)比分析、問卷調(diào)查以及主題挖掘、情感分析等社會(huì)科學(xué)研究方法也較為常見；(3)在研究情境方面，黨建、團(tuán)建、扶貧、突發(fā)事件等均為政務(wù)新媒體較多關(guān)注的研究情境；(4)在研究視角方面，主要聚焦于信息傳播、用戶參與以及話語框架三個(gè)角度。信息傳播視角，主要采用內(nèi)容分析(人工編碼)與回歸分析方法，如陳強(qiáng)等[6]以新冠肺炎疫情為背景，基于精細(xì)加工可能性模型構(gòu)建突發(fā)公共衛(wèi)生事件中政務(wù)抖音號(hào)信息傳播效果影響因素模型并進(jìn)行實(shí)證研究。用戶參與視角，主要采用問卷調(diào)查[1, 7]、扎根分析[7]、結(jié)構(gòu)方程[1]、H指數(shù)[8]等方法對(duì)政務(wù)新媒體的影響力以及影響用戶參與的因素進(jìn)行探索。話語框架視角主要基于框架理論對(duì)政務(wù)微博進(jìn)行內(nèi)容分析，如謝起慧等[9]將紐約市政務(wù)推特應(yīng)對(duì)颶風(fēng)的信息發(fā)布內(nèi)容框架分為信息、行動(dòng)和觀點(diǎn)框架。

表1 近期我國(guó)政務(wù)新媒體研究的代表性文獻(xiàn)

文獻(xiàn)綜述發(fā)現(xiàn)，我國(guó)政務(wù)新媒體的邏輯主線已經(jīng)厘清，并形成了相對(duì)規(guī)范的方法體系，存在的主要研究局限包括：(1)基于機(jī)器批量提取主題的方法(如LDA[8, 10]、LSI[11]等)已被運(yùn)用于探索政務(wù)微博的發(fā)布內(nèi)容，但借助機(jī)器批量挖掘政務(wù)短視頻主題的相關(guān)研究較少，提取短視頻主題的算法應(yīng)用也較少；(2)框架理論常應(yīng)用于媒介話語傳播方面的研究[12-14]，也有一些研究將框架理論用于構(gòu)建政務(wù)微博的內(nèi)容分析框架[5, 9, 15]。但是，政務(wù)短視頻的主題挖掘研究仍缺乏統(tǒng)一的理論框架作為主題劃分依據(jù)，框架理論在該領(lǐng)域的運(yùn)用尚存在深入空間。

鑒于此，本研究選擇適用于短文本的話題提取模型對(duì)政務(wù)短視頻進(jìn)行話題提取，并給予框架理論構(gòu)建突發(fā)公共衛(wèi)生事件中政務(wù)短視頻的話語框架，進(jìn)而對(duì)不同話語框架下的政務(wù)短視頻主題與用戶行為進(jìn)行關(guān)聯(lián)演化分析，為政府部門在突發(fā)公共衛(wèi)生事件中制定信息發(fā)布策略提供決策支持。

2 研究理論模型

2.1 BERTopic話題提取模型

BERTopic是一種話題提取模型[20]，可以對(duì)大量的短文本數(shù)據(jù)進(jìn)行高效的建模，非常適合用于對(duì)政務(wù)抖音標(biāo)題這類短文本進(jìn)行話題提取的任務(wù)。模型的原理如圖1所示，具體來說，該模型首先利用基于Transformer的預(yù)訓(xùn)練模型(BERT, Bidirectional Encoder Representations from Transformers)對(duì)文本進(jìn)行詞嵌入，然后根據(jù)語義相似性對(duì)所得詞嵌入向量進(jìn)行聚類操作——先用UMAP(Uniform Manifold Approximation and Projection for Dimension Reduction)算法[21]對(duì)詞嵌入向量進(jìn)行降維處理，然后通過HDBSCAN(Hierarchical Density-Based Spatial Clustering of Applications with Noise)算法[22]對(duì)降維后的向量進(jìn)行聚類。

圖1 BERTopic模型原理

BERTopic模型采用基于類的TF-IDF(c-TF-IDF)算法進(jìn)行話題表征——將傳統(tǒng)TF-IDF算法應(yīng)用于聚類結(jié)果，計(jì)算語義簇(即所得話題)內(nèi)的詞的重要性得分(即TF-IDF值)，挖掘出每個(gè)話題中的重要詞匯?；陬惖腡F-IDF(c-TF-IDF)算法詳見公式(1)，其中Wx,c表示詞x在語義簇c中的重要性得分，tfx,c表示語義簇c中詞匯x出現(xiàn)的頻率，fx表示所有語義簇中詞匯x出現(xiàn)的頻率，Ave表示每個(gè)語義簇中出現(xiàn)詞匯數(shù)的均值。接著，采用最大邊界相關(guān)算法(MMR, The Maximal Marginal Relevance)[23]根據(jù)所得詞匯重要性得分抽取與話題最為相關(guān)的候選詞，從而用這些具有代表性的詞對(duì)話題進(jìn)行表征。

(1)

基于詞嵌入模型在遷移學(xué)習(xí)方面的優(yōu)異表現(xiàn)，直接使用BERT預(yù)訓(xùn)練模型可以幫助學(xué)者高效地進(jìn)行詞嵌入任務(wù)[24]，并且，相較于其他傳統(tǒng)的話題提取模型(如LDA, Latent Dirichlet Allocation)而言，BERTopic模型無需人為設(shè)置主題數(shù)量等超參數(shù)，免去了復(fù)雜的參數(shù)嘗試步驟[24]；此外，通過將詞嵌入過程與主題-詞分布構(gòu)建過程分離，該模型在話題提取中具有較強(qiáng)的靈活性。因此，本研究采用BERTopic模型對(duì)政務(wù)短視頻標(biāo)題進(jìn)行話題提取。

2.2 話題與用戶行為相關(guān)性計(jì)算

余弦相似度(向量空間中兩個(gè)向量夾角的余弦值)可以衡量?jī)蓚€(gè)對(duì)象之間的差異程度，已有研究[4, 25]通過對(duì)話題向量與用戶行為向量計(jì)算余弦相似度來衡量主題與用戶行為之間的相關(guān)性。對(duì)于兩個(gè)n維向量A=(A1,A2,A3,…，An)與B=(B1，B2，B3，…，Bn)余弦相似度的計(jì)算公式如公式(2)所示。

(2)

cosθ的取值范圍為-1到1，cosθ的值越接近1表示θ越接近0度，即兩個(gè)向量的方向越相似；cosθ=0代表兩個(gè)向量正交，完全不相似；cosθ的值越接近-1表示θ越接近180度，即兩個(gè)向量的方向越相反，cosθ的絕對(duì)值越接近1則代表兩向量越相似[4]。本研究將余弦相似度計(jì)算方法用于政務(wù)抖音話題與行為相關(guān)性的計(jì)算，計(jì)算政務(wù)抖音視頻話題與用戶行為之間的相關(guān)性，具體步驟為：

①將n條視頻屬于k個(gè)話題的概率合成為k個(gè)n維向量；

②將3種用戶行為數(shù)據(jù)(點(diǎn)贊、評(píng)論、收藏)分別合成為向量；

③分別計(jì)算上述3種用戶行為向量與話題向量之間的余弦相似度，將結(jié)果匯總為話題-行為矩陣，如公式(3)所示。

(3)

上述矩陣反映了政務(wù)短視頻話題與用戶行為之間的相關(guān)性，矩陣中值的相對(duì)數(shù)值越大，說明該話題與對(duì)應(yīng)用戶行為數(shù)據(jù)的相關(guān)性越高。

3 基于上海政務(wù)短視頻的實(shí)證研究

3.1 數(shù)據(jù)獲取與處理

本研究選取2022年上海疫情為研究案例，主要基于以下考慮：a.輿情事件具有代表性。2022年的上海疫情成因復(fù)雜，過程波折，經(jīng)歷了輿情的多次反轉(zhuǎn)，是本研究所需要的具有代表性的輿情事件；b.研究數(shù)據(jù)具有完整性。上海政務(wù)新媒體建設(shè)較為完整和成熟，無論是政府發(fā)布的信息還是公眾的參與信息均保存完整，能為研究提供內(nèi)容豐富、體量較大的研究數(shù)據(jù)。

本研究通過在抖音平臺(tái)檢索“上海政務(wù)”爬取賬號(hào)詳情清單，并通過賬號(hào)名稱與“藍(lán)V信息”篩選出上海地區(qū)的政務(wù)抖音賬號(hào)，得到共計(jì)36個(gè)政務(wù)抖音賬號(hào)信息，部分賬號(hào)信息如表2所示。

本研究以Fink提出的危機(jī)四階段模型[26]為依據(jù)，同時(shí)參照已有研究[4, 25, 27]對(duì)于突發(fā)公共衛(wèi)生事件衍生輿情的生命周期的劃分操作，將其劃分為征兆期、爆發(fā)期、持續(xù)期以及恢復(fù)期等4個(gè)階段。研究選取2022年3月20日至2022年5月15日為研究周期，結(jié)合巨量算數(shù)提供的抖音搜索指數(shù)[28]以及上海市疫情數(shù)據(jù)進(jìn)行生命周期劃分。如圖2所示，征兆期的次生輿情增長(zhǎng)相對(duì)平緩，對(duì)應(yīng)時(shí)段為2022年3月20日至2022年3月25日；爆發(fā)期的次生輿情增長(zhǎng)速度較快，對(duì)應(yīng)時(shí)段為2022年3月25日至2020年4月2日，這一階段的搜索指數(shù)呈爆發(fā)式增長(zhǎng)，并達(dá)到最高水平；持續(xù)期的指數(shù)相較于爆發(fā)期而言呈減少趨勢(shì)，對(duì)應(yīng)時(shí)段為2022年4月2日至2022年4月15日；恢復(fù)期階段輿情的關(guān)注度與信息量都處于較低水平，對(duì)應(yīng)時(shí)段為2022年4月15日至2022年5月15日，在這一階段，網(wǎng)民的注意力逐漸轉(zhuǎn)移到其他事件，討論熱度逐漸降低。

表2 上海市政務(wù)抖音賬號(hào)(部分)

圖2 2022年上海疫情衍生輿情的生命周期階段劃分

研究技術(shù)框架如圖3所示，主要包括以下步驟：a.原始數(shù)據(jù)獲取。采用基于Python語言編寫的爬蟲程序共獲得3152條政務(wù)抖音數(shù)據(jù)，數(shù)據(jù)項(xiàng)包括視頻標(biāo)題、發(fā)布賬號(hào)、發(fā)布時(shí)間、點(diǎn)贊數(shù)、評(píng)論數(shù)、收藏?cái)?shù)等。b.數(shù)據(jù)清洗。原始頁面數(shù)據(jù)中的點(diǎn)贊、評(píng)論、收藏?cái)?shù)量存在將萬以上的數(shù)據(jù)表示為“w”的情況，因此需要進(jìn)行數(shù)據(jù)清洗，將數(shù)據(jù)轉(zhuǎn)換為整數(shù)類型。c.數(shù)據(jù)標(biāo)注。借助Python程序，根據(jù)上文中劃分的生命周期對(duì)數(shù)據(jù)進(jìn)行自動(dòng)標(biāo)注。d.數(shù)據(jù)預(yù)處理。去除非中文文本、jieba分詞、根據(jù)哈工大停用詞詞典去除通用詞、生成詞列表，方便后續(xù)借助BERT預(yù)訓(xùn)練模型進(jìn)行詞嵌入任務(wù)。

圖3 數(shù)據(jù)處理的技術(shù)框架

3.2 主題挖掘

在得到每條政務(wù)抖音視頻標(biāo)題對(duì)應(yīng)的詞列表之后，本研究借助BERTopic模型[20]對(duì)政務(wù)短視頻進(jìn)行話題提取。話題提取步驟共計(jì)得到61個(gè)話題(topic)，對(duì)模型輸出的話題-表征詞進(jìn)行整理，并歸納出二級(jí)主題，部分?jǐn)?shù)據(jù)如表3所示。

表3 BERTopic模型輸出的話題-表征詞數(shù)據(jù)(部分)

接著，本研究借鑒謝起慧等[9]提出的公共危機(jī)事件中的政務(wù)話語框架，將政務(wù)信息發(fā)布的內(nèi)容框架分為信息框架、行動(dòng)框架以及觀點(diǎn)框架，并結(jié)合實(shí)際得到的政務(wù)短視頻主題對(duì)框架二級(jí)結(jié)構(gòu)進(jìn)行擴(kuò)充，整理出突發(fā)公共衛(wèi)生事件中政務(wù)短視頻的主題框架如表4所示。

3.3 主題與用戶行為關(guān)聯(lián)演化分析

數(shù)據(jù)分析部分，首先結(jié)合時(shí)間維度的數(shù)據(jù)以及上文中劃分的生命周期，借助Python matplotlib庫、pyecharts庫和Excel對(duì)所得3152條政務(wù)短視頻的主題與用戶行為演化過程進(jìn)行可視化分析，挖掘不同階段的政務(wù)短視頻主題分布情況以及不同階段的用戶行為變化。隨后，借助SPSS對(duì)于三種用戶行為(點(diǎn)贊、評(píng)論、收藏)進(jìn)行Spearman相關(guān)性檢驗(yàn)。最后，篩選出上文中話題-用戶行為余弦相似度矩陣中的較大值，挖掘顯著影響用戶行為的政務(wù)短視頻話題。

4 數(shù)據(jù)分析與討論

4.1 政務(wù)話語框架下的主題演化分析

本研究參考已有研究[9]，將政務(wù)信息發(fā)布框架分為信息框架、行動(dòng)框架以及觀點(diǎn)框架。表4中，信息框架主要發(fā)布突發(fā)公共衛(wèi)生事件的即時(shí)情況(如新增數(shù)據(jù))、科普、辟謠等信息。行動(dòng)框架主要發(fā)布政府針對(duì)突發(fā)公共衛(wèi)生事件采取的應(yīng)對(duì)措施，包括相關(guān)政策的普及(如方艙醫(yī)院的啟用、分區(qū)管控、稅務(wù)支持等)、物資配送與支持措施以及對(duì)特殊人群(如老人、孕婦)的關(guān)照服務(wù)。觀點(diǎn)框架主要發(fā)布政府對(duì)危機(jī)的看法，給予公眾信心，包括樹立典型榜樣、對(duì)公眾進(jìn)行情緒安撫等。

表4 突發(fā)公共衛(wèi)生事件中政務(wù)短視頻主題框架

對(duì)采集到的政務(wù)短視頻數(shù)據(jù)進(jìn)行主題提取，結(jié)合網(wǎng)絡(luò)輿情生命周期對(duì)3種框架下的8個(gè)主題進(jìn)行演化分析，結(jié)果如圖4所示。為近一步分析不同生命周期階段的主題分布演化情況，本研究對(duì)四個(gè)階段中不同主題下的短視頻數(shù)量分別取均值，以征兆期的“榜樣樹立”主題為例，樣本中征兆期內(nèi)該主題下的政務(wù)短視頻共為35條，而征兆期時(shí)長(zhǎng)為5天，因此征兆期內(nèi)榜樣樹立主題下的政務(wù)短視頻發(fā)布數(shù)量均值為每天7條。將所得均值結(jié)果作為縱軸呈現(xiàn)，在此基礎(chǔ)上繪制三維曲面圖如圖5所示。

圖4 政務(wù)話語框架下的主題演化情況

由圖4-1和圖5不難看出，不同生命周期政務(wù)短視頻主題既存在前后的連續(xù)性，同時(shí)也呈現(xiàn)出各個(gè)階段的不同特點(diǎn)。其中，征兆期以抗疫政策普及、情緒安撫為主，爆發(fā)期以抗疫政策普及為主、科普與辟謠以及情緒安撫為輔，持續(xù)期以抗疫政策普及為主、以物資與配送支持以及榜樣樹立為輔，恢復(fù)期以抗疫政策普及為主、榜樣樹立與數(shù)據(jù)公布為輔。具體來說——征兆期與爆發(fā)期的政務(wù)短視頻大多聚焦于安撫公眾的情緒，話題包括團(tuán)結(jié)一致抗擊疫情、舉辦讀書活動(dòng)、藝術(shù)活動(dòng)舒緩公眾焦慮情緒等；隨著網(wǎng)絡(luò)輿情的大規(guī)模爆發(fā)，政務(wù)短視頻在爆發(fā)期對(duì)于科普與辟謠信息的發(fā)布有所側(cè)重，通過官方對(duì)不實(shí)信息予以澄清，有助于減輕公眾的恐慌情緒，維持社會(huì)穩(wěn)定；在持續(xù)期，上海市實(shí)施了封控政策，政務(wù)短視頻主題聚焦于生活物資配送、物流防疫與互聯(lián)網(wǎng)配藥等，輔以宣傳社區(qū)黨員等一線志愿者的事跡，一方面保障封控期間公眾的物質(zhì)需求，另一方面增強(qiáng)公眾的凝聚力，確保封控政策的順利實(shí)施；恢復(fù)期的政務(wù)短視頻繼續(xù)側(cè)重于塑造典型榜樣，對(duì)醫(yī)務(wù)人員、志愿者的事跡進(jìn)行宣傳，此外，隨著疫情逐漸得到控制，政務(wù)短視頻對(duì)于疫情相關(guān)數(shù)據(jù)的公布數(shù)量在這一階段達(dá)到了峰值，新增治愈、出院等數(shù)據(jù)有助于增強(qiáng)公眾對(duì)于結(jié)束疫情的信心，同時(shí)也能展示政府對(duì)于突發(fā)公共衛(wèi)生事件的治理能力。

圖5 不同生命周期階段的主題分布演化情況

信息框架在突發(fā)公共衛(wèi)生事件中能幫助公眾提高危機(jī)意識(shí)，從而維持突發(fā)公共衛(wèi)生事件期間日常生活秩序。在征兆期與爆發(fā)期，信息框架中的科普辟謠信息占比較大(見圖4-2)。發(fā)展到持續(xù)期與恢復(fù)期時(shí)，信息公布類話題占比變多，說明隨著疫情逐漸得到控制，政務(wù)部門為宣傳政府治理成果，對(duì)事件向好發(fā)展的信息公布力度加大。

觀點(diǎn)框架主要發(fā)布政府對(duì)危機(jī)的看法，給予公眾信心，包括樹立典型榜樣、對(duì)公眾進(jìn)行情緒安撫(見圖4-3)。此次突發(fā)公共衛(wèi)生事件中政務(wù)短視頻的觀點(diǎn)框架在征兆期和爆發(fā)期以情緒安撫為主，在持續(xù)期和恢復(fù)期則更側(cè)重于樹立典型榜樣。

行動(dòng)框架主要發(fā)布政府針對(duì)突發(fā)公共衛(wèi)生事件采取的應(yīng)對(duì)措施，有助于增強(qiáng)公眾對(duì)于政府在突發(fā)公共衛(wèi)生事件期間工作以及政策的認(rèn)知，這一框架下的政務(wù)短視頻主題以政策普及為主，物資配送主題則在持續(xù)期和恢復(fù)期被強(qiáng)調(diào)(見圖4-4)顯然，政策普及主題貫穿了整個(gè)輿情生命周期，是行動(dòng)框架的重要組成部分，它能推動(dòng)政務(wù)工作、促進(jìn)公眾了解、提高政府公信力。

4.2 用戶行為演化分析

本研究將所得數(shù)據(jù)集中的用戶行為數(shù)據(jù)(點(diǎn)贊數(shù)、評(píng)論數(shù)、收藏?cái)?shù))按照日期進(jìn)行匯總整理，繪制了突發(fā)公共衛(wèi)生事件中政務(wù)短視頻用戶行為演化圖，如圖6所示。可以看出，不同生命周期階段用戶的點(diǎn)贊、評(píng)論、收藏行為演化趨勢(shì)大致相同，在總體數(shù)量方面，點(diǎn)贊行為最多，評(píng)論行為次之，收藏?cái)?shù)量再次之。已有研究[29]指出，社交平臺(tái)上評(píng)論行為相較于點(diǎn)贊行為而言門檻更高，更能表示用戶的參與程度。本研究發(fā)現(xiàn)，用戶的點(diǎn)贊數(shù)量遠(yuǎn)高于評(píng)論數(shù)量，這印證了短視頻平臺(tái)中同樣存在這樣的用戶行為傾向。

圖6 用戶行為演化分析

本研究借助SPSS篩選出四個(gè)階段中點(diǎn)贊數(shù)、評(píng)論數(shù)、評(píng)論數(shù)、收藏?cái)?shù)排名靠前的3個(gè)話題如表5所示。可以看出，不同階段中顯著的用戶行為對(duì)應(yīng)的話題有所差異。在征兆期、持續(xù)期、恢復(fù)期，用戶傾向于對(duì)觀點(diǎn)框架下的政務(wù)短視頻(特別是榜樣樹立類)進(jìn)行點(diǎn)贊、評(píng)論和收藏。在爆發(fā)期，則用戶傾向于對(duì)行動(dòng)框架下的政務(wù)短視頻進(jìn)行點(diǎn)贊、評(píng)論和收藏，對(duì)信息框架下的政務(wù)短視頻則傾向于收藏。這表明，觀點(diǎn)框架下的政務(wù)短視頻安撫了公眾的情緒，具有較好的傳播效果。爆發(fā)期引發(fā)顯著用戶行為的話題相較于其他階段有所不同，用戶在這一階段對(duì)于行動(dòng)框架以及信息框架下的政務(wù)短視頻內(nèi)容更為認(rèn)可。

接下來回溯不同生命周期階段政府回應(yīng)的話語策略，將用戶在不同階段感興趣的話題與政府在不同階段側(cè)重發(fā)布的話題進(jìn)行對(duì)比，以檢驗(yàn)政務(wù)短視頻發(fā)布策略的有效性。從圖4和圖5不難看出，樣本中觀點(diǎn)框架下的政務(wù)短視頻數(shù)量在四個(gè)生命周期階段的占比一直不低，特別是到了持續(xù)期與恢復(fù)期，數(shù)量基本穩(wěn)定在較高水平，這說明政府對(duì)于觀點(diǎn)框架的情緒安撫作用比較重視，而用戶的確傾向于對(duì)該框架下的短視頻進(jìn)行點(diǎn)贊、評(píng)論和收藏，這表明政府在突發(fā)公共衛(wèi)生事件期間采取的安撫情緒、樹立典型模范的策略是非常有效的。用戶在爆發(fā)期對(duì)于行動(dòng)框架以及信息框架下的政務(wù)短視頻內(nèi)容更為認(rèn)可，而信息框架下不同主題的視頻數(shù)量相較于其他框架而言較少，這表明政務(wù)短視頻發(fā)布者在爆發(fā)期對(duì)于信息框架的內(nèi)容發(fā)布有所欠缺。因此，政務(wù)短視頻在運(yùn)營(yíng)過程中，把握用戶在生命周期不同階段感興趣的話題，制定出相應(yīng)的發(fā)布策略能獲得更好的傳播效果，如在爆發(fā)期增加對(duì)信息框架下短視頻的發(fā)布頻次。

表5 生命周期不同階段顯著用戶行為及對(duì)應(yīng)話題

4.3 政務(wù)短視頻主題與用戶行為相關(guān)性分析

本研究借助SPSS對(duì)于三種用戶行為(點(diǎn)贊、評(píng)論、收藏)進(jìn)行Spearman相關(guān)性檢驗(yàn)，所得檢驗(yàn)結(jié)果如表6所示。樣本中的點(diǎn)贊數(shù)、評(píng)論數(shù)、收藏?cái)?shù)兩兩之間的Spearman相關(guān)系數(shù)均大于0.65，且置信度小于0.01，這表明三者之間的相關(guān)性較強(qiáng)。值得注意的是，點(diǎn)贊數(shù)與收藏?cái)?shù)之間的相關(guān)性系數(shù)達(dá)到了0.913，說明用戶的點(diǎn)贊行為與收藏行為高度相關(guān)。

表6 用戶行為Spearman相關(guān)性分析結(jié)果

已有研究[4]指出，話題向量與用戶行為向量的余弦相似度越大，則表示話題與用戶行為更為相關(guān)。因此，本研究篩選出上文中話題-用戶行為余弦相似度矩陣中的較大值(所得結(jié)果如表7所示)，從而挖掘出顯著影響用戶行為的政務(wù)短視頻話題?？梢钥闯?，topic2、topic25、topic26均與用戶的點(diǎn)贊、評(píng)論、收藏行為顯著相關(guān)。其中，topic2(核酸檢測(cè))、topic26(分區(qū)管控)都屬于行動(dòng)框架下的抗疫政策普及主題，topic25(辟謠信息)則屬于信息框架下的科普與辟謠主題。這表明，政務(wù)短視頻的受眾對(duì)于政府在突發(fā)公共衛(wèi)生事件期間采取的舉措與相關(guān)防疫政策特別關(guān)注，對(duì)于官方的辟謠信息也比較信賴。另外，用戶傾向于對(duì)觀點(diǎn)框架下的政務(wù)短視頻(舒緩公眾情緒的視頻)進(jìn)行點(diǎn)贊，相較之下，觀點(diǎn)框架對(duì)應(yīng)的評(píng)論與收藏行為則不太顯著。這表明，突發(fā)公共衛(wèi)生事件期間政務(wù)短視頻的受眾對(duì)于涉及到他們切身利益(人身安全、健康等)的話題更為關(guān)注，除了點(diǎn)贊之外還會(huì)進(jìn)行評(píng)論和收藏。

表7 與用戶行為顯著相關(guān)的話題

5 結(jié) 語

本研究有助于幫助政府部門了解突發(fā)公共衛(wèi)生事件輿情走勢(shì)以及用戶訴求，從而制定個(gè)性化的政務(wù)短視頻發(fā)布策略來實(shí)現(xiàn)政務(wù)短視頻的定向、精準(zhǔn)傳播，主要研究結(jié)論如下：

首先，不同的生命周期階段應(yīng)制定針對(duì)性的政務(wù)短視頻發(fā)布的主題策略。用戶在征兆期、持續(xù)期、恢復(fù)期傾向于對(duì)觀點(diǎn)框架下的短視頻(特別是榜樣樹立類)進(jìn)行點(diǎn)贊、評(píng)論和收藏；在爆發(fā)期則傾向于對(duì)信息框架下的政務(wù)短視頻進(jìn)行收藏。因此，政務(wù)部門應(yīng)在不同生命周期階段基于對(duì)應(yīng)的框架來安排發(fā)布主題，如征兆期與爆發(fā)期聚焦安撫公眾的情緒，持續(xù)期則聚焦于物資配送、榜樣樹立主題，恢復(fù)期繼續(xù)側(cè)重于塑造典型榜樣并加大對(duì)事件處理成果的宣傳。

其次，要加大觀點(diǎn)框架的使用頻度和使用力度。數(shù)據(jù)分析結(jié)果顯示觀點(diǎn)框架下的短視頻數(shù)量在四個(gè)生命周期階段的占比一直不低，而用戶也的確傾向于對(duì)該框架下的短視頻進(jìn)行點(diǎn)贊、評(píng)論和收藏，說明政務(wù)短視頻發(fā)布方對(duì)于觀點(diǎn)框架的運(yùn)用是行之有效的，政府采取的安撫情緒、樹立典型模范的策略是非常有效的。

再次，輿情爆發(fā)期應(yīng)重視和強(qiáng)化信息框架下的短視頻發(fā)布。用戶在爆發(fā)期對(duì)于行動(dòng)框架以及信息框架下的政務(wù)短視頻內(nèi)容更為認(rèn)可，但信息框架下不同主題的樣本數(shù)量相較于其他框架而言較少，說明政務(wù)短視頻發(fā)布方對(duì)爆發(fā)期信息框架的運(yùn)用有所欠缺，應(yīng)科學(xué)規(guī)劃來充分發(fā)揮信息框架在輿情爆發(fā)期的積極作用。

本研究采用規(guī)范的實(shí)證研究方法和科學(xué)的數(shù)據(jù)分析方法，從主題和行為的視角對(duì)突發(fā)公共衛(wèi)生事件中政務(wù)短視頻進(jìn)行了一次有益的研究探索。受制于數(shù)據(jù)可獲得性和平臺(tái)監(jiān)管等客觀因素，本研究存在一定的研究局限。未來的研究將拓展平臺(tái)樣本范疇，針對(duì)不同平臺(tái)的政務(wù)信息主題進(jìn)行對(duì)比研究。在研究場(chǎng)景選取方面，將拓展至更豐富的研究案例。此外，本研究對(duì)于用戶行為的度量?jī)H限于點(diǎn)贊數(shù)、評(píng)論數(shù)和收藏?cái)?shù)，未來研究可將評(píng)論文本的主題與情感特征納入考量，拓寬政務(wù)短視頻用戶行為的研究范圍。