政務(wù)微博影響力評價體系構(gòu)建與實證分析

摘要：基于政務(wù)微博具有的信息傳播媒介和社交網(wǎng)絡(luò)平臺兩種“角色”，從廣泛度、創(chuàng)作度、主動度和參與度4個維度構(gòu)建了涵蓋14個測量指標的評價體系，并以15類新浪政務(wù)微博數(shù)據(jù)為例進行實證分析。結(jié)果表明，該“四維”評價模型具有可操作性，除廣泛度之外，其余3個維度的變化趨勢和綜合影響力變化趨勢大體一致。

關(guān)鍵詞：政務(wù)微博；“四維”體系；影響力評價

中圖分類號：G206" " " " "文獻標識碼：A

文章編號：0439-8114（2023）06-0187-05

DOI：10.14088/j.cnki.issn0439-8114.2023.06.034

Construction and empirical analysis of government micro-blog

influence evaluation system

LIANG Yong-kang1， HE Xiu-ping1， SONG Kuo1， ZHANG Wei-feng2

（1. School of Economics and Management， Yan’an University， Yan’an" 716000， Shaanxi，China；

2. College of Economics and Management， Baoji University of Arts and Sciences， Baoji" 721013， Shaanxi，China）

Abstract： Based on the two roles of the information communication media and the social network platform of the government micro-blog，an evaluation system covering 14 measurement indicators was constructed from four dimensions of breadth， creativity， initiative and participation. Through the empirical analysis of 15 types data of Sina government micro-blog， the operability of the model was verified. The results showed that the “four-dimensional” evaluation model was operable. Except for the breadth， the trend of changes in the other three dimensions was generally consistent with the trend of comprehensive influence changes.

Key words： government micro-blog； “four-dimensional” system； influence evaluation

2020年新型冠狀病毒感染防控期間，國內(nèi)各類政務(wù)微博積極發(fā)布與疫情相關(guān)的內(nèi)容，對宣傳疫情防治、舒緩公眾焦慮、遏制謠言傳播等起到重要作用。根據(jù)CNNIC發(fā)布的《第44次中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》［1］顯示，截至2019年6月，經(jīng)過新浪平臺認證的政務(wù)機構(gòu)微博數(shù)量為139 270個，較2018年底增加1 017個，政務(wù)微博已成為政府與社會公眾有效溝通的重要平臺。影響力是衡量政務(wù)微博發(fā)展狀況的重要評判標準，也是政務(wù)微博能否發(fā)揮其社會治理效用的關(guān)鍵。國內(nèi)外許多學(xué)者圍繞如何評估政務(wù)微博的影響力問題展開研究，形成了一定理論成果。部分學(xué)者聚焦微博影響力算法方面的研究，通常采用Google的PageRank算法模型［2］，以及在此基礎(chǔ)上進行改進的其他算法，如Chen等［3］提出的Personal-Rank算法；孫紅等［4］提出的MBUI- Rank算法；黃賢英等［5］提出的User-Rank算法；羅芳等［6］提出的MDIR算法等。部分學(xué)者聚焦微博影響力的綜合評價研究，通過少數(shù)定量指標或構(gòu)建影響力評價指標體系來進行量化分析，如Cha等［7］采用粉絲數(shù)、轉(zhuǎn)發(fā)數(shù)和評論數(shù)3個指標來衡量Twitter用戶的影響力；Antoniadis等［8］從賬戶活躍度、賬戶中心度和社區(qū)影響等維度構(gòu)建指標體系來測量政府機構(gòu)Twitter賬戶的影響力；趙阿敏等［9］根據(jù)不同用戶行為，甄選出關(guān)注度、活躍度、互動性和整合力4個維度10個指標的政務(wù)微博影響力評價指標體系；楊長春等［10］引入h指數(shù)，構(gòu)建了涵蓋創(chuàng)造力、傳播力、服務(wù)力和交互力4個一級指標以及10個二級指標在內(nèi)的政務(wù)微博影響力評價指標體系；王林等［11］認為微博的影響力主要體現(xiàn)在轉(zhuǎn)發(fā)數(shù)、評論數(shù)和點贊數(shù)，以此分別構(gòu)建h指數(shù)、g指數(shù)和p指數(shù)等9項評價指標。

通過文獻梳理發(fā)現(xiàn)，現(xiàn)有研究主要從用戶屬性、用戶間交互行為和微博內(nèi)容等維度來反映政務(wù)微博影響力，所選擇的測量指標大多屬于“接收性”指標（如粉絲數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)等）。然而，政務(wù)微博所產(chǎn)生的影響力需要充分考慮微博信息發(fā)送、傳遞、接收各過程的特點，既要體現(xiàn)受眾對政務(wù)微博的“接收”狀況，也要體現(xiàn)其“接受”狀況。因此，本研究基于政務(wù)微博所具有的“信息傳播媒介”和“社交網(wǎng)絡(luò)平臺”角色，從廣泛度、創(chuàng)作度、主動度和參與度4個維度構(gòu)建影響力評價指標體系，并以新浪微博數(shù)據(jù)為例進行實證分析。

1 政務(wù)微博的功能角色分析

媒介影響力形成理論認為接觸、認知、說服、二次傳播是影響力形成的4個關(guān)鍵步驟［12］。作為重要的自媒體，政務(wù)微博具有即時性、交互性、廣覆蓋、裂變式傳播等特點，它既是政府部門對外發(fā)布有關(guān)信息的傳播媒介，也是與受眾進行社交的網(wǎng)絡(luò)平臺。

1）當政務(wù)微博扮演“信息傳播媒介”角色時，整個傳播過程中會形成以信息發(fā)布者為中心、受眾為節(jié)點的級聯(lián)傳播網(wǎng)式拓撲結(jié)構(gòu)。從信息接收的角度看，信息發(fā)布的覆蓋規(guī)模反映了微博的跟隨影響，本研究將其稱為政務(wù)微博的廣泛性，這種影響力主要由粉絲數(shù)量所決定［13］。通過關(guān)注機制，粉絲可以及時獲取到發(fā)布者推送的各類信息，一條微博信息的影響力與粉絲數(shù)成正比。然而，由于“僵尸粉”的存在，絕對數(shù)量的粉絲數(shù)并不足以完全反映微博影響力，研究發(fā)現(xiàn)粉絲質(zhì)量在粉絲數(shù)量對信息傳播效果的影響中具有正向調(diào)節(jié)作用，活躍粉絲數(shù)被納入考量的范疇［14］。此外，粉絲中“意見領(lǐng)袖”的自身影響力也會對政務(wù)微博影響力起到放大效果。從信息源的角度看，信息發(fā)布的頻率反映了微博的主動影響，本研究將其稱為政務(wù)微博的創(chuàng)造性，這種影響力由發(fā)布微博的內(nèi)容特征所決定［15］。受眾所能夠接觸并理解的微博內(nèi)容是影響力產(chǎn)生的基礎(chǔ)，用戶發(fā)布微博的數(shù)量可以反映其微博使用度，發(fā)布信息的頻次越高，受眾接觸信息的機會就越大，該用戶的影響力越大［16］。當所要傳播的信息暴露給受眾時，微博內(nèi)容的原創(chuàng)程度會直接影響受眾的選擇性注意。如果信息中含有圖片或視頻，則會增加微博內(nèi)容的趣味性，提高受眾對信息推廣的意向［17］。另外，在發(fā)布信息時微博用戶還可通過@其他用戶等主動行為來提升關(guān)注度，擴大其影響力。

2）當政務(wù)微博扮演“社交網(wǎng)絡(luò)平臺”角色時，政務(wù)用戶可以與公眾（粉絲）或其他用戶及時、便捷地交流互動。通過主動行為（如轉(zhuǎn)發(fā)、評論、關(guān)注等），政務(wù)用戶可以將其網(wǎng)絡(luò)話語權(quán)在公眾中進一步釋放，減少與公眾的距離，借助有影響力的賬號擴大自身影響［18］，本研究將其稱為政務(wù)微博的主動性，這種影響力主要由政務(wù)微博用戶的行為特征決定。微博用戶通過典型行為與公眾建立網(wǎng)絡(luò)關(guān)系，實現(xiàn)用戶A對公眾B的影響，這種影響網(wǎng)絡(luò)是一種多關(guān)系網(wǎng)絡(luò)［19］。用戶在網(wǎng)絡(luò)結(jié)構(gòu)中的影響力與用戶互動性成正比，即用戶A對其他用戶微博的評論和轉(zhuǎn)發(fā)頻次越多，其互動性系數(shù)與影響力就越高［20］。建立熱點話題可以激發(fā)公眾興趣，促進互動并產(chǎn)生持續(xù)影響力。研究發(fā)現(xiàn)話題關(guān)聯(lián)度更高的用戶，其影響力明顯大于話題關(guān)聯(lián)度低的用戶［21］。政務(wù)微博作為政府相關(guān)部門的官方微博，具備實名認證以及業(yè)內(nèi)權(quán)威的特性，其所發(fā)布的微博信息易于說服受眾、被受眾接受，在此基礎(chǔ)上受眾會對微博信息進行二次傳播，起到群體聯(lián)通的作用，以體現(xiàn)政務(wù)微博的實際影響力，本研究將其稱為政務(wù)微博的參與性，這種影響力主要由受眾對微博內(nèi)容的反應(yīng)行為決定。研究發(fā)現(xiàn)微博受眾在平臺上的互動與反饋活動，反映出受眾的微博參與度，影響到政務(wù)微博影響力的大小［22］。按照微博功能設(shè)置，受眾可以通過轉(zhuǎn)發(fā)、評論、點贊等行為實現(xiàn)與博主之間的互動，表達出對微博內(nèi)容的實際態(tài)度，同時借助這些行為實現(xiàn)對微博內(nèi)容的二次傳播，擴大博主的影響力。

2 政務(wù)微博影響力評價指標的構(gòu)建

根據(jù)上述分析，結(jié)合已有研究成果，本研究構(gòu)建出包含4個一級指標14個二級指標在內(nèi)的政務(wù)微博影響力評價指標體系，具體如表1所示。其中，廣泛度反映政務(wù)微博自身信息資源的覆蓋程度，可從微博的受眾數(shù)、活躍受眾數(shù)、認證受眾數(shù)3個指標測量；創(chuàng)作度反映政務(wù)微博自身行為的活躍程度，可從微博的總發(fā)布數(shù)、原創(chuàng)內(nèi)容數(shù)、圖文視頻內(nèi)容數(shù)以及@數(shù)4個指標測量；主動度反映政務(wù)微博話語權(quán)的擴散和增強程度，可從微博的主動轉(zhuǎn)發(fā)數(shù)、主動評論數(shù)、創(chuàng)建話題數(shù)、網(wǎng)絡(luò)鏈接數(shù)4個指標測量；參與度反映受眾對政務(wù)微博信息的實際接受態(tài)度，可從微博的被轉(zhuǎn)發(fā)數(shù)、被評論數(shù)、被贊數(shù)3個指標測量。

3 實證分析

3.1 樣本選擇

新浪微博以其發(fā)展時間長、政務(wù)微博數(shù)量多、平臺影響力大、實名身份認證等優(yōu)勢，成為許多研究的數(shù)據(jù)來源。本研究所用的各項原始數(shù)據(jù)，均通過第三方專業(yè)公司提取自新浪微博實名認證的粉絲數(shù)排名前1 000位（截至2019年12月31日）的政務(wù)微博用戶，數(shù)據(jù)統(tǒng)計周期為2019年10月1日至12月31日。根據(jù)實名認證信息，將樣本微博用戶劃分為15類，具體如圖1所示。在此基礎(chǔ)上，利用本研究提出的“四維”政務(wù)微博受眾影響力評價指標體系，對這15類政務(wù)微博用戶的影響力進行綜合評估。

3.2 評估量化方法

本研究對政務(wù)微博影響力評估量化采用的計算方法，主要包括以下3個步驟：

第一步，將每個二級指標測量的原始數(shù)據(jù)進行歸一化處理。假設(shè)政務(wù)微博影響力評價體系中各測量指標的歸一化數(shù)值為Y，其計算可以采用公式（1），具體如下：

式中，xi表示某個指標A的原始測量值，xmax表示該指標A的原始測量值中的最大值。

第二步，計算每個維度的度量值。假設(shè)政務(wù)微博每個維度的度量值為Q，其計算可以采用公式（2），具體如下：

式中，Yi表示某個維度B中二級指標的歸一化數(shù)值，n表示該維度B中的二級指標個數(shù)。

第三步，計算影響力的綜合值。假設(shè)政務(wù)微博影響力綜合值為I，其計算可以采用公式（3），具體如下：

式中，Q1、Q2、Q3、Q4分別代表政務(wù)微博的廣泛度、創(chuàng)作度、主動度、參與度；[α]、[β]、[γ]、[δ]分別代表各自的權(quán)重系數(shù)。

3.3 結(jié)果與討論

根據(jù)上述量化評估步驟，將樣本微博用戶各測量指標的原始數(shù)據(jù)代入相應(yīng)公式，來測算15類樣本微博用戶受眾影響力綜合值。在此過程中，4個維度權(quán)重系數(shù)的確定采用專家咨詢法（選取的6位專家中既有該領(lǐng)域研究的專家學(xué)者，也有政務(wù)微博管理運營的實踐者）進行，廣泛度、創(chuàng)作度、主動度和參與度的權(quán)重系數(shù)分別按照0.3、0.2、0.2、0.3計算。最終結(jié)果如表2所示。

從影響力綜合值（表2）來看，各級政府門戶網(wǎng)站官方微博的綜合影響力最大，作為綜合性部門，在信息發(fā)布的覆蓋規(guī)模、發(fā)布頻次、主動行為方面影響力較強，但在受眾實際接受態(tài)度方面表現(xiàn)并非最好，說明政府類政務(wù)微博今后應(yīng)進一步提高微博內(nèi)容質(zhì)量，以帶動受眾參與度，借助受眾反應(yīng)行為提升影響力。城管類政務(wù)微博的綜合影響力最低，其廣泛度、創(chuàng)作度、參與度的值均是最低，主動度排名倒數(shù)第二。進一步分析發(fā)現(xiàn)，統(tǒng)計樣本中城管類政務(wù)微博個體普遍存在粉絲數(shù)量少、微博數(shù)量少、創(chuàng)建話題少、受眾轉(zhuǎn)發(fā)評論點贊數(shù)少等突出問題，許多用戶都是間斷性更新微博內(nèi)容（以轉(zhuǎn)發(fā)別人微博為主），原創(chuàng)微博很少，極低的微博運營管理效率導(dǎo)致其綜合影響力排名最低。盡管在廣泛度和創(chuàng)作度上表現(xiàn)一般，但共青團類政務(wù)微博的綜合影響力排名第三，原因在于其注重自身網(wǎng)絡(luò)話語權(quán)在青年群體中的釋放，通過各種互動行為拉進與受眾之間的距離，微博內(nèi)容多以“青春、榜樣、正能量” 為主題，加上青年群體受眾網(wǎng)絡(luò)活躍度較高，使得共青團類政務(wù)微博在主動度和參與度上表現(xiàn)較好。

從“四維”度量值（圖2）來看，廣泛度的變化趨勢與綜合影響力的變化趨勢存在差異，盡管廣泛度與粉絲規(guī)模的變化趨勢一致，但粉絲數(shù)并不完全決定微博影響力（如司法類政務(wù)微博粉絲數(shù)排名第4，但綜合影響力排名下降到第7）。創(chuàng)作度的變化趨勢與綜合影響力的變化趨勢大體一致（除共青團類、交通類），微博用戶自身創(chuàng)造能力是形成影響力的基礎(chǔ)條件，各類政務(wù)微博用戶要結(jié)合業(yè)務(wù)特性，發(fā)布與部門相關(guān)的微博內(nèi)容，既要注重數(shù)量，更要注重質(zhì)量，避免成為“僵尸賬戶”。主動度的變化趨勢與綜合影響力的變化趨勢大體一致（除氣象類、城管類），政務(wù)微博用戶可以通過主動行為，增強與其他微博用戶的互動性，以進一步釋放網(wǎng)絡(luò)話語權(quán)，不斷提升賬戶活躍度，擴大影響力。參與度的變化趨勢與綜合影響力的變化趨勢大體一致（除公安類、地震類），政務(wù)微博具有引導(dǎo)社會輿論、吸引受眾參政議政等作用，政府部門應(yīng)深入分析受眾反饋信息，及時掌握受眾態(tài)度和輿論導(dǎo)向，讓政務(wù)微博成為政府獲取民意、提高治理能力的重要渠道。

4 結(jié)論與展望

本研究針對政務(wù)微博影響力評估問題展開討論，與以往研究不同的是，本研究認為政務(wù)微博影響力應(yīng)該從其自身的產(chǎn)生機制（信息資源的覆蓋規(guī)模和發(fā)布頻率）和作用空間（話語權(quán)釋放和群體聯(lián)通）來綜合考慮，鑒于政務(wù)微博所扮演的“信息傳播媒介”和“社交網(wǎng)絡(luò)平臺”角色，結(jié)合媒介影響力形成理論，提出政務(wù)微博影響力的4個維度，即廣泛度、創(chuàng)作度、主動度和參與度。在此基礎(chǔ)上，構(gòu)建出包括4個一級指標14個二級測量指標在內(nèi)的政務(wù)微博影響力評估指標體系，并以新浪微博數(shù)據(jù)為基準，對15類政務(wù)微博用戶影響力進行了量化評估，實證分析表明本研究所構(gòu)建的政務(wù)微博影響力評估模型具有可操作性，檢驗結(jié)果能夠科學(xué)反映各類政務(wù)微博用戶的實際影響力。

當然，政務(wù)微博受眾影響力是一個綜合概念，本研究所構(gòu)建的政務(wù)微博影響力評估模型仍存在一定的局限性。指標體系方面，未來可以從政治學(xué)視角出發(fā)，圍繞政務(wù)治理、政務(wù)服務(wù)等維度構(gòu)建指標，也可以從傳播學(xué)視角出發(fā)，圍繞傳播路徑、傳播效果等維度構(gòu)建指標。評估方法方面，未來可以采用數(shù)學(xué)仿真模型、大數(shù)據(jù)分析技術(shù)和其他綜合評價方法（如Meta分析、模糊網(wǎng)絡(luò)分析等）進行。

參考文獻：

［1］ CNNIC.第44次中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告［R］.北京：中國互聯(lián)網(wǎng)絡(luò)信息中心，2019.

［2］ PAGE L，BRIN S，MOTWANI R，et al. The PageRank citation ranking： Bringing order to the web［A］. Proceedings of the 7th international conference companion on world wide［C］.Brisbane， Australia，1998.161-172.

［3］ CHEN X，WANG P F，QIN Z，et al. HLBPR：A Hybrid Local Bayesian Personal Ranking method［A］.Proceedings of the 25th international conference companion on world wide web［C］. Montreal， Canada， 2016.21-22.

［4］ 孫 紅，左 騰. 基于PageRank的微博用戶影響力算法研究［J］.計算機應(yīng)用研究，2018，35（4） ：1028-1032.

［5］ 黃賢英，陽安志，劉小洋，等.一種改進的微博用戶影響力評估算法［J］.計算機工程，2019， 45（12）： 294-299.

［6］ 羅 芳，徐 陽，蒲秋梅，等.基于PageRank的多維度微博用戶影響力度量［J］.計算機應(yīng)用研究，2020，37（5）：1354-1358，1367.

［7］ CHA M， HADDADI H， BENEVENUTO F， et al．Measuring user influence in Twitter： The million follower fallacy［A］. Proceedings of the 4th international AAAI conference on weblogs and social media［C］. Washington， DC， USA，2010.10-17.

［8］ ANTONIADIS K， ZAFIROPOULOS K，VRANA V. A method for assessing the performance of e-government Twitter accounts［J］.Future internet， 2016， 8（2）：12.

［9］ 趙阿敏，曹桂全.政務(wù)微博影響力評價與比較實證研究——基于因子分析和聚類分析［J］.情報雜志，2014，33（3）：107-112.

［10］ 楊長春，張 睿.基于H指數(shù)的政務(wù)微博影響力研究［J］.現(xiàn)代情報，2018，38（3）：110-115，123.

［11］ 王 林，潘陳益，朱文靜.基于h指數(shù)、g指數(shù)和p指數(shù)的微博影響力評價比較研究［J］.現(xiàn)代情報，2018，38（6）：11-18，61.

［12］ 陳明亮，邱婷婷，謝 瑩.微博主影響力評價指標體系的科學(xué)構(gòu)建［J］.浙江大學(xué)學(xué)報（人文社會科學(xué)版），2014，44（2）：53-63.

［13］ 柯 赟.新浪微博信息傳播的影響因素分析與效果預(yù)測［J］.現(xiàn)代情報，2016，36（3）：22-26.

［14］ 馮小東，馬 捷，蔣國銀.社會信任、理性行為與政務(wù)微博傳播：基于文本挖掘的實證研究［J］.情報學(xué)報，2019，38（9）：954-965.

［15］ 劉曉娟，王昊賢，肖 雪，等.基于微博特征的政務(wù)微博影響因素研究［J］.情報雜志，2013，32（12）： 35-41.

［16］ 張紹武，尹 杰，林鴻飛，等.基于用戶分析的微博用戶影響力度量模型［J］.中文信息學(xué)報，2015，29（4）：59-66.

［17］ 趙曉罡，王 瑤，常 亮.基于改進熵值法的景區(qū)微博平臺影響力評價研究——以全國5A級景區(qū)為例［J］.貴州社會科學(xué)，2019（2）：153-160.

［18］ 崔金棟，孫遙遙，鄭 鵲，等.我國政務(wù)微博社會網(wǎng)絡(luò)特征對比分析實證研究［J］.情報科學(xué)，2016，34（12）：120-126，132.

［19］ 李 磊，汪 萌，吳信東.基于社交網(wǎng)絡(luò)的社交行為分析［J］.電子與信息學(xué)報，2017，39（9）： 2108-2118.

［20］ 張繼東，楊 楊.基于交互行為和情感傾向的移動社交網(wǎng)絡(luò)用戶影響力度量模型研究［J］.情報理論與實踐，2019，42（1）：112-117，93.

［21］ 劉 威，張明新，安德智.面向微博話題的用戶影響力分析算法［J］.計算機應(yīng)用，2019， 39（1）：213-219.

［22］ 羅雨寧，胡廣偉，盧明欣.政務(wù)微博影響力與粉絲特征關(guān)系研究［J］.電子政務(wù)，2017（12）： 82-89.

收稿日期：2022-12-26

基金項目：國家社會科學(xué)基金項目（15XGL021）；延安大學(xué)博士科研項目（YDBK2020-08）

作者簡介：梁永康（1985-），男，陜西大荔人，講師，碩士研究生導(dǎo)師，博士，主要從事數(shù)字化管理研究，（電話）15291499028（電子信箱）

ykliang85@163.com；通信作者，何秀萍（1998-），女，四川廣元人，在讀碩士研究生，研究方向為數(shù)字化管理，（電話）15282092074

（電子信箱）penghe2022@163.com。