基于社會網(wǎng)絡(luò)分析的重大自然災(zāi)害事件線上社會支持尋求與供給研究

肖亞龍 馮 皓 朱承璋 馮 杰

(1. 中南大學(xué)文學(xué)與新聞傳播學(xué)院 長沙 410012；2. 中南大學(xué)文學(xué)與新聞傳播學(xué)院智媒傳播研究中心 長沙 410012)

0 引 言

人類與自然災(zāi)害的斗爭史是人類發(fā)展史的重要組成部分。重大自然災(zāi)害事件因突發(fā)性、危害性等特征，加劇了社交媒體危機(jī)傳播的復(fù)雜性與不確定性。自然災(zāi)害事件中，災(zāi)區(qū)人民及其家庭所組成的弱勢群體需要來自政府、親友、社區(qū)、公眾等主體多層次的社會支持，其中一個(gè)重要方面就是媒體和社會的“支持性傳播”[1]。隨著互聯(lián)網(wǎng)的發(fā)展，新媒體在信息傳播、情緒安撫等方面全面發(fā)揮效力，是大規(guī)模突發(fā)性災(zāi)害事件中重要的傳播媒介[2]。

在傳統(tǒng)社會支持開始轉(zhuǎn)向社交媒體平臺的形勢下，弱勢群體如何尋求、獲得社會支持，社會網(wǎng)絡(luò)如何為弱勢群體提供資源等都是值得進(jìn)一步研究的問題[3]。以重大自然災(zāi)害事件為背景，從支持維度對社交媒體線上社會支持進(jìn)行實(shí)證分析，理論上能為危機(jī)傳播、社會支持和信息擴(kuò)散研究提供新視角，實(shí)踐中能為優(yōu)化社會支持傳播效果提供解決方案，具有重要研究價(jià)值。

1 研究綜述

1.1 自然災(zāi)害信息擴(kuò)散研究

近年來，社交媒體因其及時(shí)性和廣泛性，成為災(zāi)難信息傳播的重要渠道[4]。作為社交媒體平臺的特殊議題，自然災(zāi)害信息擴(kuò)散兼具危機(jī)傳播特征，主要考察信息傳播過程和輿情演化階段。

關(guān)于自然災(zāi)害信息擴(kuò)散研究主要包括三個(gè)方面：網(wǎng)絡(luò)結(jié)構(gòu)、生命周期和信息情感。網(wǎng)絡(luò)結(jié)構(gòu)研究以社會網(wǎng)絡(luò)分析法為主，如王晰巍等探究了自然災(zāi)害輿情傳播的鏈?zhǔn)铰窂胶投嗉壜窂教卣鱗5]。生命周期研究以階段劃分和輿情演化為主，如李志宏將傳播周期劃分為5個(gè)階段[6]。信息情感研究多以情感為基礎(chǔ)，對傳播效果和演變規(guī)律作進(jìn)一步分析，如Chen等研究了不同階段的信息情感及擴(kuò)散模式[7]。

現(xiàn)有研究多從整體層面分析自然災(zāi)害信息擴(kuò)散，缺少對局部結(jié)構(gòu)和網(wǎng)絡(luò)指標(biāo)的深入探討。本文意在運(yùn)用社會網(wǎng)絡(luò)分析法，考察整體網(wǎng)與局部網(wǎng)的網(wǎng)絡(luò)結(jié)構(gòu)特征和社會網(wǎng)絡(luò)指標(biāo)，從轉(zhuǎn)換規(guī)律和信息特征作深入研究。

1.2 線上社會支持研究

社會支持是個(gè)體通過社會關(guān)系網(wǎng)絡(luò)進(jìn)行的資源交換行為[8]。非親密的社會支持在網(wǎng)絡(luò)中具有重要意義[9]，以網(wǎng)絡(luò)社群為研究對象的線上社會支持成為新的研究議題。

線上社會支持研究主要包括三個(gè)方面：具體行為、影響機(jī)制和網(wǎng)絡(luò)結(jié)構(gòu)。具體行為研究主要總結(jié)社會支持類型，如Hale等發(fā)現(xiàn)癌癥視頻中情感支持最為普遍[10]。影響機(jī)制研究主要探究社會支持影響因素和作用機(jī)制，如Bi等發(fā)現(xiàn)社會支持網(wǎng)絡(luò)和感知社會支持對主觀幸福感有正向影響[11]。網(wǎng)絡(luò)結(jié)構(gòu)研究多從尋求和供給維度探究成員互動結(jié)構(gòu)。社會支持尋求是弱勢群體主動向外界探求的社會支持，社會支持供給是外界為弱勢群體提供的社會支持[12]。如Yang等發(fā)現(xiàn)社會支持尋求和供給能顯著提高社會支持交流[13]。

現(xiàn)有研究集中于對社會支持信息類別的靜態(tài)描述，忽略了社會支持尋求與供給信息的內(nèi)在聯(lián)系、互動結(jié)構(gòu)和動態(tài)轉(zhuǎn)換關(guān)系。本文意在構(gòu)建社會支持信息廣度轉(zhuǎn)換和深度轉(zhuǎn)換桑基圖，從線上社會支持尋求與供給維度深入探究。

轉(zhuǎn)發(fā)是社會化媒體的主要傳播形式，也是構(gòu)建擴(kuò)散網(wǎng)絡(luò)、連接社會支持尋求和供給、滿足弱勢群體信息需求的關(guān)鍵技術(shù)機(jī)制[1]。結(jié)合學(xué)者對社會支持互動結(jié)構(gòu)的研究，本文將重大自然災(zāi)害事件中理想的線上社會支持模式界定為：a.弱勢群體在社交媒體平臺發(fā)布社會支持尋求信息，經(jīng)平臺用戶轉(zhuǎn)發(fā)，該信息得以擴(kuò)散并成為熱門；b.用戶在轉(zhuǎn)發(fā)過程中，加入社會支持供給信息，與原信息形成多對一的“社會支持尋求向社會支持供給”的轉(zhuǎn)換關(guān)系；c.平臺推薦機(jī)制下，其他弱勢群體通過查看原熱門信息或熱門轉(zhuǎn)發(fā)信息，獲取社會支持尋求信息和多元社會支持供給信息，為自身處境提供決策參考。

為探究當(dāng)下重大自然災(zāi)害事件線上社會支持能否達(dá)到理想的社會支持模式，本研究意以河南暴雨事件為例，深入分析自然災(zāi)害信息的擴(kuò)散結(jié)構(gòu)、轉(zhuǎn)換規(guī)律和信息特征。

2 研究設(shè)計(jì)與方法

2.1 研究對象

作為近年來最具代表性的重大自然災(zāi)害事件，河南暴雨事件具有重要研究意義[14]。微博基于社會關(guān)系網(wǎng)絡(luò)實(shí)現(xiàn)信息傳播,滿足大數(shù)據(jù)環(huán)境的基本特征,可以進(jìn)行突發(fā)事件信息擴(kuò)散研究。基于此，本研究選擇微博平臺2021年7月15日至2021年9月15日“河南暴雨事件”數(shù)據(jù)作為研究對象。

2.2 研究思路

本研究旨在挖掘多元社會支持信息的擴(kuò)散結(jié)構(gòu)、轉(zhuǎn)換規(guī)律和信息特征，探究當(dāng)下線上社會支持模式是否達(dá)到理想狀態(tài)，研究思路見圖1。具體而言，在獲取數(shù)據(jù)的基礎(chǔ)上，完成數(shù)據(jù)檢驗(yàn)、分詞、詞嵌入等預(yù)處理工作，將微博信息分為供給維度的“消息信息”“意見信息”“情緒信息”和尋求維度的“行動信息”。之后訓(xùn)練機(jī)器學(xué)習(xí)模型完成信息分類任務(wù)，從擴(kuò)散結(jié)構(gòu)、轉(zhuǎn)換規(guī)律和信息特征三方面分析：擴(kuò)散結(jié)構(gòu)上，對整體和局部進(jìn)行社會網(wǎng)絡(luò)分析；轉(zhuǎn)換規(guī)律上，構(gòu)建廣度轉(zhuǎn)換和深度轉(zhuǎn)換桑基圖實(shí)現(xiàn)擴(kuò)散路徑分析；信息特征上，從原創(chuàng)性、認(rèn)證情況、信息類別三個(gè)維度對熱門信息出度作均值比較檢驗(yàn)。

圖1 研究流程設(shè)計(jì)

2.3 數(shù)據(jù)采集與檢驗(yàn)

2.3.1數(shù)據(jù)采集

本研究以“河南+暴雨”“鄭州+暴雨”為關(guān)鍵詞，收集了2021年7月15日至2021年9月15日的66個(gè)微博熱搜話題，部分話題信息如表1所示。

表1 新浪微博“河南+暴雨”“鄭州+暴雨”相關(guān)話題(部分)

進(jìn)一步，使用Python和Selenium編寫代碼獲取數(shù)據(jù)。爬蟲程序“滾雪球”式獲取熱搜話題下原創(chuàng)微博及其擴(kuò)散路徑中的所有熱門轉(zhuǎn)發(fā)微博，旨在對熱門社會支持信息進(jìn)行全量采集，實(shí)現(xiàn)過程如下：1獲取各話題所有原創(chuàng)微博，并在熱門轉(zhuǎn)發(fā)微博層面深度遞歸爬取，直到擴(kuò)散路徑中的所有熱門轉(zhuǎn)發(fā)微博獲取完畢；2將各微博的微博ID、微博博文、博主昵稱等字段作為微博信息保存，同時(shí)保存微博之間的轉(zhuǎn)發(fā)關(guān)系；3獲取各微博信息博主的用戶ID、認(rèn)證類型等字段作為用戶信息保存。最終采集到12 767條微博信息、5439條轉(zhuǎn)發(fā)關(guān)系和9 590位用戶信息。

2.3.2數(shù)據(jù)檢驗(yàn)

冪律分布是社交網(wǎng)絡(luò)信息擴(kuò)散的一般特征[15]。本研究使用powerlaw對微博信息轉(zhuǎn)發(fā)量和用戶信息粉絲量進(jìn)行冪律分布檢驗(yàn)[16]，得到概率密度函數(shù)如圖2所示。其中轉(zhuǎn)發(fā)量指數(shù)1.82，粉絲量指數(shù)2.47，均符合冪律分布特征。

圖2 微博轉(zhuǎn)發(fā)量(左)與用戶粉絲量(右)冪律分布檢驗(yàn)

2.4 微博文本分類

2.4.1中文分詞與詞嵌入

本研究使用Jieba完成分詞任務(wù)，Jieba分詞結(jié)合了基于規(guī)則和基于統(tǒng)計(jì)兩類方法，能夠得出優(yōu)秀的分詞結(jié)果[17]。經(jīng)分詞、去停用詞等操作后，部分轉(zhuǎn)發(fā)微博分詞結(jié)果為空列表，本文將分詞結(jié)果為空的微博定義為空微博，反之則為非空微博。此外，表情符號承擔(dān)了一定的情感表達(dá)功能[18]，本研究對此進(jìn)行了保留。

之后使用Gensim搭建Word2Vec模型[19]。Word2Vec作為分布式詞嵌入的神經(jīng)網(wǎng)絡(luò)模型，能夠很好地完成向量化任務(wù)[20]。具體而言，逐一將所有非空微博Ti分詞后的每一個(gè)詞(Ti1,Ti2,…,Tij,…,Tin)各表示為VTij的500維向量，接著計(jì)算Ti所有詞向量的等權(quán)平均值，得到Ti的向量表達(dá)如下[21]：

(1)

句向量由詞向量平均池化而來，具有等同于復(fù)雜神經(jīng)網(wǎng)絡(luò)的效果，訓(xùn)練結(jié)果包括35911個(gè)詞匯的嵌入式表達(dá)，滿足分詞向量化要求。

2.4.2抽樣標(biāo)注與模型訓(xùn)練

依據(jù)Cheng和Qu的分類[22-23]，本研究將河南暴雨微博信息分為“消息信息”“行動信息”“意見信息”“情緒信息”和“離題信息”。其中離題信息是指與災(zāi)難無關(guān)的信息(如廣告營銷)，在正式分析時(shí)需要剔除?；赒u的編碼表[23]，本研究對各類微博信息的定義如表2所示。

表2 微博信息分類及類別描述

線上社會支持以信息支持和情感支持為主，包含尋求和供給兩個(gè)維度[24]。信息支持是提供信息以幫助弱勢群體的行為，情感支持是承認(rèn)弱勢群體的感受或提供安慰和鼓勵(lì)的行為[12]。依據(jù)孫少晶等總結(jié)的社會支持信息編碼表[25]，結(jié)合表2的類別描述可知：從靜態(tài)的支持類型上看，消息信息、行動信息和意見信息屬于信息支持，情緒信息屬于情感支持；從動態(tài)的尋求與供給維度上看，消息信息、意見信息和情緒信息屬于社會支持供給信息，行動信息屬于社會支持尋求信息。本研究意在考察社會支持尋求與供給的互動結(jié)構(gòu)和轉(zhuǎn)換關(guān)系，主要從尋求與供給維度分析。

實(shí)際應(yīng)用中，一條微博可能表達(dá)多種含義、同屬多個(gè)類別。在使用機(jī)器學(xué)習(xí)分類算法時(shí)，學(xué)者往往將分布概率最高的類目標(biāo)簽作為該對象的類別[26]，本研究采用相同策略完成微博文本分類。具體而言，隨機(jī)抽取1000條非空微博作為訓(xùn)練樣本，再由兩名編碼員根據(jù)表2內(nèi)容進(jìn)行人工編碼。正式編碼完成后，Kappa一致性檢驗(yàn)結(jié)果為0.916，達(dá)到較高編碼信度。之后使用Python載入Na?ve Bayes、SVM和XGBoost，分別取樣本中的80%為訓(xùn)練集，余下20%為測試集，對三種模型進(jìn)行多次獨(dú)立訓(xùn)練。最終選擇模型準(zhǔn)確度、精確率、召回率、F1值均在0.87以上的XGBoost完成分類任務(wù)[27]。

2.4.3模型應(yīng)用

運(yùn)用訓(xùn)練好的XGBoost模型完成對余下非空微博的分類，并根據(jù)轉(zhuǎn)發(fā)關(guān)系，使空微博繼承父微博類別。離題信息中，存在大量“轉(zhuǎn)發(fā)微博”“快轉(zhuǎn)微博”等系統(tǒng)生成的博文，刪除對應(yīng)微博的分類標(biāo)簽，并同樣采用繼承法完成分類。其他離題信息，由編碼員人工核對，對誤分為離題信息的微博重新分類。

刪除仍屬于離題信息的微博(92條)后，最終保留12 675條微博信息、9 526位用戶信息和5 378條轉(zhuǎn)發(fā)關(guān)系。其中消息信息4 261條、行動信息443條、意見信息2 683條、情緒信息5 288條。

3 研究結(jié)果

3.1 擴(kuò)散結(jié)構(gòu)

3.1.1整體擴(kuò)散結(jié)構(gòu)

擴(kuò)散網(wǎng)絡(luò)以微博信息為節(jié)點(diǎn)、微博之間的轉(zhuǎn)發(fā)關(guān)系為邊、微博博主昵稱為節(jié)點(diǎn)標(biāo)簽。依據(jù)上述規(guī)則，使用Gephi0.9.3完成整體擴(kuò)散網(wǎng)絡(luò)繪制并計(jì)算社會網(wǎng)絡(luò)指標(biāo)。出度排名前5節(jié)點(diǎn)信息如表3所示，官方機(jī)構(gòu)賬號主要發(fā)布災(zāi)情相關(guān)的消息類社會支持供給信息，娛樂明星主要提供表達(dá)個(gè)人情感的情緒類社會支持供給信息。

表3 點(diǎn)出度排名前五節(jié)點(diǎn)信息

中間中心性測量的是行動者對資源控制的程度[28]，中心度排名前5節(jié)點(diǎn)信息如表4所示。這些節(jié)點(diǎn)多為個(gè)人認(rèn)證賬號發(fā)布的情緒類社會支持供給信息，其賬號歸屬明星本人或其頭部粉絲，娛樂明星“信息橋”位置十分突出。

表4 中心度排名前五節(jié)點(diǎn)信息

3.1.2局部擴(kuò)散結(jié)構(gòu)

為探究各社會支持信息在擴(kuò)散路徑中的關(guān)鍵節(jié)點(diǎn)，本研究選取熱門原創(chuàng)和熱門轉(zhuǎn)發(fā)進(jìn)行局部網(wǎng)絡(luò)分析。數(shù)據(jù)獲取過程中，所有轉(zhuǎn)發(fā)微博均為熱門轉(zhuǎn)發(fā)。熱門原創(chuàng)是指擁有熱門轉(zhuǎn)發(fā)的原創(chuàng)微博，在網(wǎng)絡(luò)中表現(xiàn)為入度為0且出度大于0的根節(jié)點(diǎn)。剔除非熱門原創(chuàng)微博后，剩余熱門原創(chuàng)和熱門轉(zhuǎn)發(fā)微博共5503條。依據(jù)根節(jié)點(diǎn)的信息類別，將擴(kuò)散樹劃分到四類局部網(wǎng)絡(luò)(如圖3所示)。以根節(jié)點(diǎn)對擴(kuò)散樹進(jìn)行類別劃分，能夠有效避免網(wǎng)絡(luò)數(shù)據(jù)的缺失和冗余。

圖3 多元社會支持信息擴(kuò)散網(wǎng)絡(luò)

從網(wǎng)絡(luò)結(jié)構(gòu)上看，供給維度的消息信息呈“放射型”、意見信息和情緒信息呈“多核型”，尋求維度的行動信息呈“離散型”。消息信息擴(kuò)散網(wǎng)絡(luò)與整體網(wǎng)高度相似，說明官方發(fā)布的消息類社會支持供給信息在微博場域中占據(jù)絕對核心。

消息信息如圖3(a)所示，除官方發(fā)布的救災(zāi)性質(zhì)的社會支持供給信息外，其余節(jié)點(diǎn)多為明星粉絲轉(zhuǎn)發(fā)生成的情緒類社會支持供給信息。行動信息如圖3(b)所示，以無認(rèn)證用戶發(fā)布的求助性質(zhì)的社會支持尋求信息為主，這些信息幾乎沒有得到擴(kuò)散。意見信息如圖3(c)所示，以建議性質(zhì)的社會支持供給信息為主，多為中小型認(rèn)證主體對特定群體提供幫助。情緒信息如圖3(d)所示，以發(fā)布原創(chuàng)情緒信息的官方賬號和個(gè)人博主為主，內(nèi)容多為提供情感支持的社會支持供給信息。

3.2 轉(zhuǎn)換規(guī)律

為探究多元社會支持信息轉(zhuǎn)換規(guī)律，分析社會支持尋求和供給的互動情況。本研究針對熱門微博，依據(jù)轉(zhuǎn)發(fā)關(guān)系生成傳播鏈條，構(gòu)建社會支持信息廣度轉(zhuǎn)換和深度轉(zhuǎn)換?；鶊D作進(jìn)一步分析。

3.2.1廣度轉(zhuǎn)換

社會支持信息廣度轉(zhuǎn)換是根據(jù)轉(zhuǎn)發(fā)關(guān)系，對信息流動過程進(jìn)行二維層級分析。本研究依據(jù)5378條轉(zhuǎn)發(fā)關(guān)系，繪制廣度轉(zhuǎn)換?；鶊D如圖4所示。圖中左側(cè)為流出維度(被轉(zhuǎn)發(fā)層面)，右側(cè)為流入維度(轉(zhuǎn)發(fā)層面)。

圖4 社會支持信息廣度轉(zhuǎn)換?；鶊D

從信息數(shù)量上看，整體上，相較于被轉(zhuǎn)發(fā)層面，轉(zhuǎn)發(fā)層面的情緒信息、行動信息數(shù)量增多，消息信息大量減少，意見信息基本不變。流出上，消息信息主要流向情緒信息，其次為消息信息；情緒信息、意見信息、行動信息主要流向同類型信息。流入上，情緒信息、意見信息主要由情緒信息、消息信息和意見信息轉(zhuǎn)換而成，行動信息主要由消息信息轉(zhuǎn)換而成，消息信息則主要源于同類型信息。

從信息流動上看，社會支持供給以“社會支持供給向社會支持供給”的內(nèi)部轉(zhuǎn)換為主，主要表現(xiàn)為“情緒信息向情緒信息”“消息信息向消息信息”“意見信息向意見信息”的同質(zhì)轉(zhuǎn)換和“消息信息向情緒信息”的異質(zhì)轉(zhuǎn)換。社會支持尋求以“社會支持供給向社會支持尋求”的外部轉(zhuǎn)換為主，主要表現(xiàn)為“消息信息向行動信息”的異質(zhì)轉(zhuǎn)換。

總體而言，廣度轉(zhuǎn)換以“社會支持供給向社會支持供給”轉(zhuǎn)換為主，存在少量“社會支持供給向社會支持尋求”的轉(zhuǎn)換關(guān)系，基本不存在“社會支持尋求向社會支持供給”的轉(zhuǎn)換特征，社會支持尋求主體意借助消息類社會支持供給信息勢能實(shí)現(xiàn)“借力傳播”。這一現(xiàn)象與理想的“社會支持尋求向社會支持供給”的轉(zhuǎn)換模式相反，尋求與供給的轉(zhuǎn)換關(guān)系呈現(xiàn)“錯(cuò)位”特征。

3.2.2深度轉(zhuǎn)換

社會支持信息深度轉(zhuǎn)換是依據(jù)傳播鏈條，對信息流動過程進(jìn)行多維層級分析。本研究根據(jù)轉(zhuǎn)發(fā)關(guān)系，生成4 820條傳播鏈條，得到深度轉(zhuǎn)換?；鶊D如圖5所示。其中第0層是原創(chuàng)層級，之后每一層表示一個(gè)轉(zhuǎn)發(fā)層級。圖中標(biāo)注格式為“第A層B”，A表示層級數(shù)，B表示信息類別編號。

圖5 社會支持信息深度轉(zhuǎn)換?；鶊D

從信息數(shù)量上看，平臺熱門信息集中在原創(chuàng)層級和前兩層轉(zhuǎn)發(fā)層級，消息信息多分布于原創(chuàng)層級，行動信息集中在第1轉(zhuǎn)發(fā)層級，意見信息在原創(chuàng)層級和前兩層轉(zhuǎn)發(fā)層級較多，情緒信息成為各轉(zhuǎn)發(fā)層級的主流信息。

從信息流動上看，原創(chuàng)層級和第1轉(zhuǎn)發(fā)層級之間以“消息信息向情緒信息”的異質(zhì)轉(zhuǎn)換為主，第1轉(zhuǎn)發(fā)層級和第2轉(zhuǎn)發(fā)層級之間主要為各社會支持信息的同質(zhì)轉(zhuǎn)換，后續(xù)轉(zhuǎn)發(fā)層級以“情緒信息向情緒信息”的同質(zhì)轉(zhuǎn)換為主。此外，各社會支持信息的最大擴(kuò)散深度從大到小依次為意見信息、情緒信息、消息信息和行動信息。這表明異質(zhì)轉(zhuǎn)換集中在原創(chuàng)層級和第1轉(zhuǎn)發(fā)層級之間，后續(xù)轉(zhuǎn)發(fā)層級之間多為同質(zhì)轉(zhuǎn)換。同時(shí)意見信息更易產(chǎn)生鏈?zhǔn)睫D(zhuǎn)發(fā)，行動信息難以形成深度擴(kuò)散。

結(jié)合圖4的廣度轉(zhuǎn)換可知：信息擴(kuò)散以社會支持供給信息的內(nèi)部轉(zhuǎn)換為主，主要表現(xiàn)為消息信息向情緒信息的轉(zhuǎn)換；社會支持尋求信息集中在第1轉(zhuǎn)發(fā)層級而非原創(chuàng)層級，說明社會支持尋求信息在擴(kuò)散過程中出現(xiàn)了借力傳播的現(xiàn)象，社會支持尋求與供給信息存在“錯(cuò)位”特征；情緒信息成為主流轉(zhuǎn)發(fā)，反映出社交媒體平臺內(nèi)的社會支持供給以情感支持為主。

信息在擴(kuò)散過程中，若能轉(zhuǎn)換為其他類型的信息，說明擁有“破圈”能力，能夠獲得更大規(guī)模的擴(kuò)散[29]?！跋⑿畔⑾蚯榫w信息”轉(zhuǎn)換表明消息信息實(shí)現(xiàn)了向情緒信息的跨圈層傳播。而理應(yīng)“破圈”的行動類社會支持尋求信息，由于與供給信息存在“錯(cuò)位”，缺乏與其他主體的“弱關(guān)系”連接，基本沒有得到擴(kuò)散。

3.3 信息特征

為探究多元社會支持信息的擴(kuò)散差異，總結(jié)高擴(kuò)散微博的信息特征，本研究在計(jì)算節(jié)點(diǎn)出度的基礎(chǔ)上，對熱門微博作均值比較檢驗(yàn)。

3.3.1擴(kuò)散差異檢驗(yàn)

以節(jié)點(diǎn)出度為因變量，信息類型為分組變量，對熱門信息作單因素方差分析，分析結(jié)果如表5所示。結(jié)果表明，不同信息在出度上呈現(xiàn)顯著差異(P< 0.001)，信息擴(kuò)散規(guī)模與所屬類別高度相關(guān)。

表5 不同社會支持信息對點(diǎn)出度影響的ANOVA分析

表6 不同社會支持信息對點(diǎn)出度影響的LSD事后檢驗(yàn)

基于ANOVA分析的LSD事后檢驗(yàn)如表6所示。檢驗(yàn)結(jié)果表明，在出度層面，消息信息顯著高于意見信息(P< 0.01)、情緒信息(P< 0.001)和行動信息(P< 0.01)。這表明消息信息相較于其他信息更容易擴(kuò)散。結(jié)合圖5可知，社交媒體用戶更傾向于轉(zhuǎn)發(fā)社會支持供給中的原創(chuàng)消息信息，對社會支持尋求信息及其他社會支持供給信息的關(guān)注相對較少，以上發(fā)現(xiàn)進(jìn)一步證實(shí)了社會支持尋求與供給轉(zhuǎn)換中的錯(cuò)位特征。

3.3.2信息特征提取

將出度作為因變量，分別以原創(chuàng)性(非原創(chuàng)/原創(chuàng))和認(rèn)證情況(無認(rèn)證/有認(rèn)證)作為分組變量進(jìn)行獨(dú)立樣本t檢驗(yàn)，結(jié)果如表7所示。結(jié)果顯示，原創(chuàng)微博出度顯著高于轉(zhuǎn)發(fā)微博(P< 0.001)、有認(rèn)證用戶發(fā)布的微博出度顯著高于無認(rèn)證用戶(P< 0.001)。這表明原創(chuàng)性層面的原創(chuàng)信息和行動主體層面的認(rèn)證用戶，相較于各維度其他信息，更容易獲得大規(guī)模擴(kuò)散。

表7 原創(chuàng)性與認(rèn)證情況對點(diǎn)出度影響的獨(dú)立樣本t檢驗(yàn)

社會支持尋求信息只有至少滿足原創(chuàng)或主體認(rèn)證的條件之一，才能達(dá)到理想的社會支持模式。事實(shí)上，社會支持尋求信息多為“無認(rèn)證主體”發(fā)布的“轉(zhuǎn)發(fā)信息”，表現(xiàn)出低擴(kuò)散的特征。

據(jù)此本文認(rèn)為，弱勢群體在發(fā)布社會支持尋求信息時(shí)陷入“雙重困局”：1若發(fā)布原創(chuàng)社會支持尋求信息，由于缺乏象征資本，這些信息難以得到擴(kuò)散；2若轉(zhuǎn)發(fā)熱門信息進(jìn)行社會支持尋求，通過借力傳播實(shí)現(xiàn)曝光，則與理想社會支持模式的原創(chuàng)性條件不符。弱勢群體無論選擇哪種方式，都無法形成理想的社會支持模式，雙重困局在社交媒體平臺現(xiàn)有機(jī)制下，難以得到解決。

4 結(jié) 論

本研究通過生成擴(kuò)散網(wǎng)絡(luò)圖、構(gòu)建轉(zhuǎn)換?；鶊D、引入均值比較檢驗(yàn)等策略，從擴(kuò)散結(jié)構(gòu)、轉(zhuǎn)換規(guī)律和信息特征三方面對河南暴雨社會支持信息進(jìn)行深入分析，主要有以下發(fā)現(xiàn)。

4.1 擴(kuò)散差異——多元社會支持信息擴(kuò)散存在顯著差異

整體社會支持?jǐn)U散網(wǎng)絡(luò)和多元社會支持局部擴(kuò)散網(wǎng)絡(luò)表明，各網(wǎng)絡(luò)擴(kuò)散結(jié)構(gòu)存在差異：供給維度的消息信息呈“放射型”、意見信息和情緒信息呈“多核型”，尋求維度的行動信息呈“離散型”。此外，整體擴(kuò)散結(jié)構(gòu)中，娛樂明星“信息橋”位置十分突出。這表明娛樂明星及粉絲群體在“@人民日報(bào)”等官方消息信息的擴(kuò)散過程中起到了重要作用，有效提升了河南暴雨相關(guān)信息的熱度，推動了權(quán)威信息的擴(kuò)散進(jìn)程。

基于擴(kuò)散網(wǎng)絡(luò)點(diǎn)出度的熱門信息均值比較檢驗(yàn)表明，高擴(kuò)散信息為信息類別層面的消息信息、原創(chuàng)性層面的原創(chuàng)信息、行動主體層面的認(rèn)證用戶。上述三類信息，相較各維度其他信息，更容易獲得大規(guī)模擴(kuò)散。消息類社會支持供給信息同時(shí)擁有信息類別、原創(chuàng)性和認(rèn)證情況的優(yōu)勢，在娛樂明星強(qiáng)大動員能力的加持下，成為了網(wǎng)絡(luò)中的核心信息，實(shí)現(xiàn)了宏觀的社會支持供給價(jià)值。行動類社會支持尋求信息，在信息類別、原創(chuàng)性和認(rèn)證情況上，均不滿足高擴(kuò)散信息的共同特征，擴(kuò)散規(guī)模較小。社會支持尋求信息的邊緣化現(xiàn)象表明，當(dāng)下重大自然災(zāi)害信息擴(kuò)散沒有形成理想的社會支持模式。

4.2 轉(zhuǎn)換錯(cuò)位——社會支持尋求與供給信息出現(xiàn)錯(cuò)位特征

社會支持信息廣度轉(zhuǎn)換和深度轉(zhuǎn)換表明，社會支持尋求與供給之間出現(xiàn)錯(cuò)位特征。行動類社會支持尋求信息理應(yīng)集中在廣度轉(zhuǎn)換的流出維度和深度轉(zhuǎn)換的原創(chuàng)層級，與其他社會支持供給信息形成“社會支持尋求向社會支持供給”的轉(zhuǎn)換關(guān)系。但在實(shí)際情況中，該類信息集中分布在廣度轉(zhuǎn)換的流入維度和深度轉(zhuǎn)換的第1轉(zhuǎn)發(fā)層級，尋求與供給間的轉(zhuǎn)換關(guān)系形成了“社會支持供給向社會支持尋求”轉(zhuǎn)換的錯(cuò)位現(xiàn)象，弱勢群體以期借助消息類社會支持供給信息的勢能實(shí)現(xiàn)借力傳播。

此外，在轉(zhuǎn)換過程中，廣度轉(zhuǎn)換和深度轉(zhuǎn)換都表現(xiàn)出以消息信息向情緒信息轉(zhuǎn)換為代表的“社會支持供給向社會支持供給”的轉(zhuǎn)換特征。消息類社會支持供給信息實(shí)現(xiàn)了從官方賬號向娛樂明星的跨圈層傳播，行動類社會支持尋求信息的借力傳播未達(dá)到預(yù)期效果，尋求與供給間的錯(cuò)位現(xiàn)象較為明顯。

4.3 雙重困局——弱勢群體社會支持尋求信息面臨擴(kuò)散難題

信息特征分析結(jié)果表明，原創(chuàng)信息擴(kuò)散能力高于轉(zhuǎn)發(fā)信息擴(kuò)散能力、認(rèn)證主體擴(kuò)散能力高于非認(rèn)證主體擴(kuò)散能力。微博是具體的媒介場域，用戶在該場域中以關(guān)注關(guān)系形成構(gòu)型，各用戶擁有的資本數(shù)量和構(gòu)成，決定了其在構(gòu)型中的位置[15]。社會支持尋求信息的行動主體多為缺乏象征資本的無認(rèn)證用戶，在社會支持尋求供給錯(cuò)位的情況下，即使發(fā)布原創(chuàng)信息，也會淪為網(wǎng)絡(luò)中的邊緣節(jié)點(diǎn)，社會支持尋求信息面臨原創(chuàng)信息邊緣化的困局。在這一困局下，弱勢群體選擇以轉(zhuǎn)發(fā)熱門信息的形式增加自身曝光量。但無論是借力傳播的效果，還是理想社會支持的原創(chuàng)性條件，都表明轉(zhuǎn)發(fā)型社會支持尋求信息步入了新的困局。

由于信息類型和認(rèn)證情況的客觀條件，弱勢群體在進(jìn)行社會支持尋求時(shí)，發(fā)布原創(chuàng)信息或轉(zhuǎn)發(fā)熱門信息，都不得不面臨原創(chuàng)信息邊緣化和借力傳播效果不佳的雙重困局。雙重困局在當(dāng)前平臺推薦機(jī)制和社會支持尋求供給轉(zhuǎn)換錯(cuò)位的情況下，已成為線上社會支持亟需解決的擴(kuò)散難題。

5 討 論

本文從社會支持視角出發(fā)，以河南暴雨事件在微博平臺的信息擴(kuò)散為例，對重大自然災(zāi)害事件中的線上社會支持尋求與供給信息進(jìn)行探究。理論上，通過擴(kuò)散網(wǎng)絡(luò)、轉(zhuǎn)換規(guī)律、信息特征的分析，為線上社會支持信息擴(kuò)散提供了新思路。實(shí)踐上，這一研究為優(yōu)化自然災(zāi)害事件下社會支持信息的傳播模式、加強(qiáng)社會支持尋求與供給的對接關(guān)系提供了新方法。

本研究對于優(yōu)化社會支持信息的傳播效果、加強(qiáng)社會支持尋求與供給的匹配關(guān)系具有理論意義，可為社交媒體平臺、意見領(lǐng)袖、政府等主體提供實(shí)踐啟示。具體而言：1河南暴雨相關(guān)話題中，存在部分廣告營銷、蹭熱度等離題信息，這些信息使弱勢群體在尋求社會支持時(shí)面臨“注意力鴻溝”的障礙[1]。對此，微博等社交媒體平臺應(yīng)優(yōu)化推薦算法，減少離題信息曝光；同時(shí)增設(shè)社會支持信息聚合板塊，提高重要信息的推送概率和頻率；此外，平臺可在用戶發(fā)布相關(guān)信息時(shí)予以提示，引導(dǎo)用戶在相關(guān)話題下減少無關(guān)信息發(fā)布。2社會支持信息擴(kuò)散網(wǎng)絡(luò)中，娛樂明星“信息橋”位置十分突出，起到了提升話題熱度的作用。但明星粉絲的過度情感表達(dá)擠占了公共空間，可能影響大眾對弱勢群體社會支持尋求的關(guān)注。對此，應(yīng)當(dāng)引導(dǎo)明星、名人等意見領(lǐng)袖在關(guān)注權(quán)威消息信息的基礎(chǔ)上，加強(qiáng)對社會支持尋求信息和權(quán)威意見信息的聚焦。3社會支持尋求與供給的錯(cuò)位，弱勢群體社會支持尋求時(shí)的雙重困局等問題，需要多方的協(xié)同治理。政府作為網(wǎng)絡(luò)輿情協(xié)同治理的主導(dǎo)者，應(yīng)當(dāng)推動官方信息平臺、社交媒體平臺、意見領(lǐng)袖等多主體積極有序參與重大突發(fā)事件網(wǎng)絡(luò)輿情協(xié)同治理[30]，同時(shí)優(yōu)化線上資源配置，為弱勢群體社會支持尋求提供更多支持。

本文也存在不足之處：a.在數(shù)據(jù)采集方面，由于微博信息展示的有限性，本研究是對熱搜頁面的原創(chuàng)微博及熱門轉(zhuǎn)發(fā)微博進(jìn)行事后爬??；b.機(jī)器學(xué)習(xí)模型無法達(dá)到100%的準(zhǔn)確率，在多元社會支持信息分類過程中，存在無法避免的干擾。此外，部分社會支持信息同時(shí)包含兩種或兩種以上的內(nèi)容，今后研究可使用深度學(xué)習(xí)算法對社會支持信息作多分類處理，研究各社會支持信息的共現(xiàn)關(guān)系，得出更有價(jià)值的結(jié)論。