丁琪

摘 要：本文研究了日本大阪地震發(fā)生之后，5天之內(nèi)社交媒體推特上與大阪地震相關(guān)信息的網(wǎng)狀傳播結(jié)構(gòu)。依照推文出現(xiàn)的頻率和推文被轉(zhuǎn)發(fā)的頻率等標(biāo)準(zhǔn)對樣本進行篩選并且可視化呈現(xiàn)。研究結(jié)果發(fā)現(xiàn)：1.極高的事件相關(guān)性，推文的出現(xiàn)頻率在地震發(fā)生之后迅速降低;2.地震相關(guān)推文的網(wǎng)狀結(jié)構(gòu)極其顯著，在地震發(fā)生的當(dāng)日這種網(wǎng)狀結(jié)構(gòu)達到最高峰;3.核心用戶對于地震信息的傳播具有重大價值，甚至可以延遲信息傳播峰值的出現(xiàn)時間;4.突發(fā)事件下，信息數(shù)量越大，越有利于信息傳播的網(wǎng)狀結(jié)構(gòu)的形成，同時還可以有效地增加信息傳播的渠道。

關(guān)鍵詞：網(wǎng)狀結(jié)構(gòu);推特;大數(shù)據(jù);大阪地震

中圖分類號：G206.2文獻標(biāo)識碼：A文章編號：1672-8122（2019）12-0052-03

2018年6月18日（推特系統(tǒng)時間是2018年6月17日）日本大阪地區(qū)發(fā)生6.1級地震，地震發(fā)生后推特網(wǎng)絡(luò)上迅速出現(xiàn)了眾多相關(guān)推文。本研究以國際主流的社交媒體推特為例，對大阪地震進行初步的探索性研究，探討自然災(zāi)害信息傳播的網(wǎng)狀結(jié)構(gòu)特點。

這項研究主要有兩方面的意義。一方面，可以針對社交媒體信息傳播的網(wǎng)狀結(jié)構(gòu)特點進行可視化研究，分析自然災(zāi)害事件發(fā)生后社交媒體信息傳播的網(wǎng)狀結(jié)構(gòu)特點，揭示扮演重要作用的核心用戶群體;另一方面，還能試圖揭示如何通過增加信息傳播渠道的方式增加信息的透明度，給予用戶相對自由的信息核實方式，從而能夠有效避免自然災(zāi)害事件發(fā)生之后的恐慌情緒。

一、數(shù)據(jù)搜集和整理

1.數(shù)據(jù)采集時間框架和方法。為了實現(xiàn)上述研究目的，本研究使用Tweepy工具以“Osakaearthquake”作為關(guān)鍵詞，抓取推特數(shù)據(jù)。這些數(shù)據(jù)經(jīng)過Python的處理之后使用NodeXL進行分析和可視化呈現(xiàn)。

2.系統(tǒng)時間。日本大阪地震發(fā)生于2018年6月18日，由于存在時區(qū)差異，所以推特系統(tǒng)時間是2018年6月17日。

3.推特來源賬號和目標(biāo)賬號。推特來源賬號指的是該條推特轉(zhuǎn)發(fā)自其他推特，最早發(fā)布該條信息的賬號稱之為來源賬號;目標(biāo)賬號指的是該條推特回復(fù)其他推特用戶，被回復(fù)的對象稱之為目標(biāo)賬號。這兩類賬號都與推文發(fā)布賬號之間存在著非常密切的聯(lián)系。

二、推特信息傳播網(wǎng)狀結(jié)構(gòu)初探

本研究使用關(guān)鍵詞“Osakaearthquake”進行推特信息檢索，抓取了發(fā)布信息的用戶名稱、信息發(fā)布的時間、賬號地理位置信息、推特被轉(zhuǎn)發(fā)的次數(shù)等信息，利用Python進行數(shù)據(jù)處理，獲取了發(fā)布推特的用戶賬號和該條推特的來源賬號或者目標(biāo)賬號，利用NodeXL對兩組賬號進行可視化分析，從而形成推特用戶與被轉(zhuǎn)發(fā)用戶之間的信息傳播的網(wǎng)絡(luò)結(jié)構(gòu)。經(jīng)過分析之后，共計16 715次推特用戶轉(zhuǎn)發(fā)或者回復(fù)其他用戶推文的互動記錄，本研究使用NodeXL將轉(zhuǎn)發(fā)或者回復(fù)推文的用戶與被轉(zhuǎn)發(fā)的來源賬號和被回復(fù)的目標(biāo)賬號進行分析。圖中呈現(xiàn)的結(jié)果就是三者之間相互關(guān)聯(lián)的關(guān)系圖網(wǎng)（如圖1所示）。

研究結(jié)果發(fā)現(xiàn)，推特轉(zhuǎn)發(fā)信息或者回復(fù)信息的集聚現(xiàn)象明顯，關(guān)鍵節(jié)點將推特用戶社群緊密聯(lián)系起來。在圖1中，位于多條線束相交處的核心點表示核心用戶，他們將其他社交媒體的用戶聯(lián)系起來，這些核心用戶在此次地震信息的傳播中發(fā)揮了非常重要的作用。使用“Osakaearthquake”所獲取的樣本中，除了核心用戶之外還有大量用戶散布在周圍，通過核心用戶聯(lián)系起來或者單獨存在。

由于Yoshiki賬號的單條信息被轉(zhuǎn)發(fā)了超過15 000余次，所以在網(wǎng)狀結(jié)構(gòu)的可視化圖形中過于密集，形成了一個深色的圓球，為了能夠看清球形結(jié)構(gòu)的內(nèi)部趨勢，研究人員在可視化分析過程中特意強調(diào)了中心集聚、向外發(fā)散的趨勢特點。

三、娛樂明星的信息傳播價值

本次地震信息的傳播網(wǎng)絡(luò)中，集聚現(xiàn)象十分明顯，對于核心用戶的信息將進一步詳細(xì)研究，此處只分析YoshikiOfficial賬號的傳播特征，后文將會對其他核心用戶進行分析。該賬號是屬于日本音樂人Yoshiki所有，賬號類型為注冊賬號，粉絲數(shù)量是16 418名。

Yoshiki使用日語于2018年6月19日（推特系統(tǒng)時間）0∶34發(fā)布本條內(nèi)容，之后被迅速轉(zhuǎn)發(fā)，信息發(fā)布之后的10秒鐘之內(nèi)轉(zhuǎn)發(fā)量就已經(jīng)到達幾十次之多，最終研究人員根據(jù)Tweepy統(tǒng)計的次數(shù)更是達到了15 111次。其英文翻譯是“Now is LA.I just learned about the earthquake in northern Osaka.I hope that your safety and the damage will not be greater. Strong earthquake hits Osaka， Japan. Prayers for the victims of the earthquake.Because I saw the tweet of an emergency English phrase， I put it on.#大阪地震 #OsakaEarthquake”其中“Strong earthquake hits Osaka， Japan. Prayers for the victims of the earthquake.”這句話原文就是使用英文發(fā)表。

Yoshiki的本條信息并不是最早發(fā)布的。第一條推特信息是在推特系統(tǒng)時間2018年6月17日23：01的時候發(fā)布的，時間比Yoshiki的推文提前數(shù)十個小時，但是第一條推文被轉(zhuǎn)發(fā)的次數(shù)只有3次。娛樂明星在本次地震信息中的傳播起到了非常重要的作用，其原因包括數(shù)量龐大的粉絲人數(shù)、客觀的社會影響力和運營團隊，娛樂明星的社會影響力在虛擬的推特社群里也可以得到很好的體現(xiàn)，發(fā)揮了同樣重要的信息傳播價值。

四、其他核心用戶的傳播價值

研究人員對YoshikiOfficial賬號之外的其他賬號進行分析，篩選出了被轉(zhuǎn)發(fā)推文次數(shù)大于或等于100次，同時小于或等于500次的賬號，利用Tweepy抓取這些賬號的用戶名、賬號認(rèn)證狀態(tài)、賬號用戶所在國家或者城市以及賬號的粉絲數(shù)量，作為進一步研究的基礎(chǔ)。

如表1所示，所有認(rèn)證賬號都是新聞媒體的推特賬號，包括《路透社》《日本時報》《海峽時報》《中國環(huán)球電視網(wǎng)》，以及沒有認(rèn)證的《泰國早報》等。來自亞洲和歐洲的多家媒體都對日本大阪地震進行了專業(yè)的報道，并且推特的信息也得到了廣泛的轉(zhuǎn)發(fā)。

另外，OwlyReadAndPlay是一家泰國圖書進口商的推特賬號;iKON_INSTAGRAM是韓國一家娛樂明星社團的推特賬號;ItalrugbyJP屬于意大利橄欖球聯(lián)合會;hokuoujoshi和emmanuel_kily屬于獨立的個人所有;Ladybeard_Japan屬于一名澳大利亞的特型演員。

本研究發(fā)現(xiàn)，在日本大阪地震信息的傳播中，娛樂明星發(fā)揮了重要的作用，他們的信息曝光率最高;其次是有組織的新聞機構(gòu)，他們提供了最專業(yè)的報道。推特用戶從娛樂明星和新聞媒體的推文中獲取了絕大部分的信息，它們共同處在推特網(wǎng)狀傳播結(jié)構(gòu)的核心位置。

五、地震信息逐日變化趨勢

研究人員對信息進一步篩選，將每日發(fā)布信息的數(shù)量進行對比，觀察每日發(fā)布信息的數(shù)量變化，試圖通過逐日變化的趨勢來觀察自然災(zāi)害事件發(fā)生之后，推特用戶傳播需求的變化。

上述表格（如表2所示）是地震發(fā)生之后每日的推文數(shù)量，其中數(shù)量1欄目包含了Yoshiki的推文，數(shù)量2欄目沒有包含Yoshiki的推文。分析數(shù)量1中的數(shù)據(jù)可以發(fā)現(xiàn)推文數(shù)量的峰值出現(xiàn)在2018年6月19日，這顯然不符合社交媒體的用戶習(xí)慣，所以研究人員假設(shè)造成峰值推遲出現(xiàn)的原因是Yoshiki的推文被大量轉(zhuǎn)發(fā)，因此剔除該條推文之后就得到了數(shù)量2的數(shù)據(jù)。通過比較兩個表格可以發(fā)現(xiàn)。

第一，日本大阪地震發(fā)生之后，用戶發(fā)布推特的峰值出現(xiàn)在2018年6月19日，但是實際上這樣的峰值是受到Y(jié)oshiki單條推文的影響;將該條推文從樣本統(tǒng)計中去掉之后就可以發(fā)現(xiàn)峰值實際上出現(xiàn)在了2018年6月18日。

第二， 通過兩個表格的比較也再次印證了娛樂明星Yoshiki的該條推文影響巨大，同時也表明娛樂明星在本次大阪地震信息的推特傳播中發(fā)揮了非常重要的作用：既大量傳播了地震信息，同時還影響了推特信息的峰值，改變了整個推特信息傳播的網(wǎng)狀結(jié)構(gòu)。

第三，比較兩個表格的數(shù)據(jù)可以發(fā)現(xiàn)，在日本大阪地震發(fā)生之后的短時間內(nèi)，推特信息的數(shù)量就已經(jīng)迅速下降到一個比較穩(wěn)定的水平。之所以出現(xiàn)這樣的情況，與日本本土對地震的應(yīng)急預(yù)案較為充裕有關(guān)，政府和國內(nèi)組織均有比較完善的地震救援應(yīng)對方案。日本屬于地震頻發(fā)地區(qū)，所以民眾對地震發(fā)生之后的應(yīng)對也較為充分，從而導(dǎo)致日本民眾對于地震的心理機制比較健全，在地震結(jié)束之后的很短時間之內(nèi)關(guān)于地震的消息就逐漸趨于平靜。

六、日本大阪地震信息推特傳播的網(wǎng)狀結(jié)構(gòu)特點

地震災(zāi)害發(fā)生之后的72小時內(nèi)被稱為“黃金救援時間”，推特信息的傳播同樣遵循類似的時間規(guī)律，日本大阪地震發(fā)生后的短時間內(nèi)信息數(shù)量出現(xiàn)了急劇的變化。為了能夠更加清晰地觀察推特傳播的網(wǎng)狀結(jié)構(gòu)圖譜，研究人員對目標(biāo)用戶、來源用戶和推特信息發(fā)布用戶的關(guān)系進行了分析，比較五天的用戶信息網(wǎng)絡(luò)結(jié)構(gòu)可以發(fā)現(xiàn)，該結(jié)構(gòu)具有如下特點。

1.推特信息呈現(xiàn)網(wǎng)狀分布，信息的網(wǎng)狀結(jié)構(gòu)隨著數(shù)量的增加而不斷提高，總體而言只有信息達到相當(dāng)數(shù)量之后才能夠形成密切聯(lián)系的網(wǎng)絡(luò)信息渠道。

2.網(wǎng)狀結(jié)構(gòu)越強，信息傳播的渠道越多。隨著信息網(wǎng)狀結(jié)構(gòu)的提高，信息在用戶之間傳播的可能性增強，渠道增加;反之，不僅降低信息傳播的速度，還在一定程度上閉塞了信息傳播的可能性。

3.網(wǎng)狀結(jié)構(gòu)有利于用戶核實信息。網(wǎng)狀結(jié)構(gòu)強的日期，用戶可以通過多個渠道來源獲取信息，從而能夠進行信息核實;但是網(wǎng)狀結(jié)構(gòu)較弱的日期，用戶的渠道非常單一，大量用戶都圍繞在一個渠道來源內(nèi)，導(dǎo)致假信息傳播的幾率大大提高，而且核實的難度也相應(yīng)增加。

七、結(jié) 語

通過以上研究可以發(fā)現(xiàn)，日本大阪地震發(fā)生之后的推特信息幾乎與黃金救援時間一致，在地震發(fā)生之后的72小時之內(nèi)就已經(jīng)完成了一整輪的信息傳播。自然災(zāi)害信息在推特上的傳播過程遵循非常集聚的網(wǎng)狀傳播結(jié)構(gòu)。在日本大阪地震中，娛樂明星和新聞媒體都對地震信息的傳播起到了重要的推動作用，特別是娛樂明星的作用更加值得重視，同時也有必要對于娛樂明星在其他自然災(zāi)害中的信息傳播價值做進一步的數(shù)據(jù)分析和研究。

參考文獻：

[1] Takeshi Sakaki， Makoto Okazaki， and Yutaka Matsuo. 2010. Earthquake shakes Twitter users： realtime event detection by social sensors. In Proceedings of the 19th international conference on World wide web （WWW'10）. ACM， New York， NY， USA， 851-860. DOI=http：//dx.doi.org/10.1145/1772690.1772777.

[2]Fujio Toriumi， Takeshi Sakaki， Kosuke Shinoda，Kazuhiro Kazama， Satoshi Kurihara， and Itsuki Noda. 2013. Information sharing on Twitter during the 2011 catastrophic earthquake. In Proceedings of the 22nd International Conference on World Wide Web （WWW '13 Companion）. ACM， New York， NY， USA， 1025-1028. DOI： http：//dx.doi.org/10.1145/2487788.2488110.

[3]Paul Earle， Michelle Guy， Richard Buckmaster，Chris Ostrum， Scott Horvath， Amy Vaughan; OMG Earthquake！ Can Twitter Improve Earthquake Response？. Seismological Research Letters ; 81 （2）： 246–251. doi： https：//doi.org/10.1785/gssrl.81.2.246.

[4]Crooks， A.， Croitoru， A.， Stefanidis，A. and Radzikowski， J. （2013）， #Earthquake： Twitter as a Distributed Sensor System.Transactions in GIS， 17： 124-147. doi：10.1111/j.1467-9671.2012.01359.x.

[5] 王國棟，高超，張自力.突發(fā)事件下集群行為可視化分析[J].西南師范大學(xué)學(xué)報（自然科學(xué)版），2016，41（5）：178-183.

[6] 宗乾進.社會化媒體在地震災(zāi)害中的應(yīng)用——一個國外研究文獻的綜述[J].情報雜志，2014，33（9）：83-88.

[7]魏然.“3.11”東日本大地震災(zāi)害信息傳播體系中的媒體融合[J].中國傳媒科技，2013（16）：34-36.

[責(zé)任編輯：張楠]