張 偉 夏志杰

（上海工程技術(shù)大學(xué)管理學(xué)院 上海 201620）

1 引言

伴隨著5G網(wǎng)絡(luò)的起步、人工智能的創(chuàng)新，新媒體快速發(fā)展,多種網(wǎng)絡(luò)社交平臺逐漸興起，網(wǎng)絡(luò)信息的形式也在不斷創(chuàng)新。網(wǎng)絡(luò)信息不再是單一的文本、圖片形式，還有更能抓人眼球的短視頻。依托智能移動終端APP完成的視頻拍攝、剪輯、發(fā)布一鍵式操作的新媒介傳播方式——短視頻，正憑借其創(chuàng)意性、趣味性、直觀性等優(yōu)良特性占據(jù)大眾智能手機(jī)空間。由于短視頻正在逐步吸引網(wǎng)民的關(guān)注，用戶獲取網(wǎng)絡(luò)信息的平臺也逐漸由微博、微信轉(zhuǎn)向視頻平臺，例如西瓜視頻、嗶哩嗶哩彈幕網(wǎng)等。

在新媒體環(huán)境下，網(wǎng)絡(luò)社交媒體平臺數(shù)量日益增加，不同的網(wǎng)絡(luò)社交媒體平臺有其各自的特點(diǎn)。當(dāng)社會性事件發(fā)生時(shí)，緊跟熱點(diǎn)的科普視頻擁有較大的關(guān)注度和討論度，但在不同的網(wǎng)絡(luò)社交媒體平臺上，其擴(kuò)散機(jī)制是否有所不同，由此所引發(fā)的社會意見、社會輿論以及社會影響是否也有所不同，是一個(gè)值得探究的問題。把握科普視頻在不同平臺的擴(kuò)散脈絡(luò)和擴(kuò)散模式，無論是對內(nèi)容創(chuàng)作者還是平臺監(jiān)管者都具有重要作用。

2 相關(guān)理論及研究現(xiàn)狀

2.1 科普短視頻

“科普”即科學(xué)普及，指利用各種傳播形式以簡單易懂的、讓普通大眾容易理解、接受和參與的方式介紹社會科學(xué)和自然科學(xué)的知識、推廣科學(xué)技術(shù)的應(yīng)用、倡導(dǎo)使用科學(xué)方法、傳播廣泛科學(xué)思想、弘揚(yáng)科學(xué)精神的活動[1]。當(dāng)前網(wǎng)絡(luò)短視頻已經(jīng)成為信息的聚集地，相比于較為枯燥的文字、圖片形式的網(wǎng)絡(luò)信息，人們更加傾向于觀看網(wǎng)絡(luò)短視頻獲取信息。而科普短視頻即以短視頻的形式，在較短的有限時(shí)間內(nèi)闡述一個(gè)知識，將科普內(nèi)容進(jìn)行提煉，并且以較為有趣的視頻形式展示給用戶，達(dá)到科普的目的。由于科普類短視頻的興起時(shí)間不長，因此對于科普視頻的相關(guān)研究十分有限。

楊東伶等[2]指出科普短視頻具有時(shí)長短、傳播親民、知識動態(tài)化等特點(diǎn)，并且可以促進(jìn)科普知識傳播以及豐富科普知識的內(nèi)涵。周德書等[1]指出科普短視頻具有內(nèi)容短小精悍、傳播速度快、通俗易懂、關(guān)注度高等優(yōu)勢，并指出公眾對于短視頻科普具有巨大需求。

總體來說，科普短視頻具有其一定的優(yōu)勢，在互聯(lián)網(wǎng)環(huán)境中為公眾進(jìn)行較為有效的相關(guān)科普，因此科普視頻在新媒體環(huán)境中有著較為重要的作用，成為公眾獲取信息不可或缺的一種重要形式。

2.2 國內(nèi)信息擴(kuò)散模式研究現(xiàn)狀

目前,國內(nèi)的信息擴(kuò)散模式研究取得了一些成果。如魏超[3]的研究發(fā)現(xiàn)網(wǎng)絡(luò)輿情傳播模式隨著新媒體技術(shù)的發(fā)展產(chǎn)生了深刻變革,個(gè)體成為網(wǎng)絡(luò)輿情形成和擴(kuò)散中心。袁毅[4]使用社會網(wǎng)絡(luò)分析法對微博傳播網(wǎng)絡(luò)多個(gè)因素進(jìn)行了分析,發(fā)現(xiàn)微博平臺普通事件信息擴(kuò)散中的偶發(fā)型、偶發(fā)機(jī)會型、強(qiáng)勢節(jié)點(diǎn)相互呼應(yīng)型等結(jié)構(gòu)，結(jié)果表明微博傳播網(wǎng)絡(luò)的路徑形態(tài)受用戶影響力、網(wǎng)絡(luò)結(jié)構(gòu)及外部干擾等多方面因素影響。于洪等[5]針對微博信息傳播特點(diǎn)刻畫微博傳播網(wǎng)絡(luò)并定義節(jié)點(diǎn)影響力來描述節(jié)點(diǎn)重要性,使用社會網(wǎng)絡(luò)分析法分析微博信息傳播路徑模式，并將其總結(jié)為一觸即發(fā)傳播模式、多級傳播模式或多點(diǎn)觸發(fā)傳播模式。韓運(yùn)榮等[6]立足于微博網(wǎng)絡(luò)中隱含的脈絡(luò)關(guān)聯(lián),依循其發(fā)展延伸結(jié)構(gòu),按照其刺激因素的多寡和復(fù)雜程度,推演微博輿論傳播的路徑結(jié)構(gòu)。王晰巍等[7]用社會網(wǎng)絡(luò)分析對微博“霧霾”話題輿情傳播規(guī)律和擴(kuò)散模式進(jìn)行了研究。以上研究從網(wǎng)絡(luò)結(jié)構(gòu)視角出發(fā)，對信息擴(kuò)散模式的典型形態(tài)、模式特征、影響因素等各個(gè)方面進(jìn)行分析，探究了信息的擴(kuò)散模式，對于學(xué)者認(rèn)識、了解網(wǎng)絡(luò)社交媒體平臺中的信息擴(kuò)散模式有重要作用。除此之外，參考前人的研究成果發(fā)現(xiàn)，大多數(shù)學(xué)者對信息擴(kuò)散模式的研究都采用社會網(wǎng)絡(luò)分析法。社會網(wǎng)絡(luò)分析法是針對社會網(wǎng)絡(luò)成員間的關(guān)系進(jìn)行的量化研究,也是社會網(wǎng)絡(luò)理論的工具之一，該方法能有效刻畫社會網(wǎng)絡(luò)結(jié)構(gòu)并進(jìn)而揭示網(wǎng)絡(luò)屬性特征。

前人的研究為認(rèn)識信息擴(kuò)散模式打下了很好基礎(chǔ)，但大多都是對網(wǎng)絡(luò)輿情傳播路徑以及輿情擴(kuò)散模式的研究，目前對于科普視頻在網(wǎng)絡(luò)社交媒體平臺的擴(kuò)散模式研究較少。本文采用社會網(wǎng)絡(luò)分析法作為研究方法，對同一科普視頻在不同平臺的擴(kuò)散模式進(jìn)行對比研究，分析科普視頻在不同平臺擴(kuò)散模式的差別，對于科普視頻創(chuàng)作者的平臺選擇以及對公眾的科普作用都有著重要意義。

3 研究設(shè)計(jì)

3.1 平臺概況

本文選取微博、西瓜視頻和嗶哩嗶哩彈幕網(wǎng)三大平臺作為科普視頻擴(kuò)散模式的分析載體。微博是新媒體時(shí)代人們社交、獲取信息的主流平臺，該平臺傳遞的信息形式多樣，文本、圖片以及視頻兼具，擁有數(shù)量巨大的用戶群體，其中包含許多有較強(qiáng)影響力的明星用戶。

西瓜視頻是短視頻平臺，用戶規(guī)模較大且以移動端為主，并朝著內(nèi)容生產(chǎn)的系列化、規(guī)?；劝l(fā)展方向發(fā)展[8]。西瓜視頻以用戶和涉事個(gè)人或單位為主體，以引發(fā)關(guān)注和廣泛討論的事件、動態(tài)、活動等環(huán)境為客體，并逐步形成了多元化“精確獲悉”、廣域化“實(shí)時(shí)接收”和圈群化“增強(qiáng)互動”三大傳播特點(diǎn)。

嗶哩嗶哩彈幕網(wǎng)是支持視頻彈幕的一種新興交互形式的視頻網(wǎng)站，目前嗶哩嗶哩彈幕網(wǎng)活躍用戶超過1.5億，每天都會有大量的視頻產(chǎn)生，每天視頻播放量超過1億，彈幕總量超過14億，原創(chuàng)投稿總數(shù)超過1 000萬。用戶數(shù)量與視頻數(shù)量巨大，這為研究科普類視頻的傳播方式提供了途徑。

3.2 視頻選取

在進(jìn)行研究對象的選擇時(shí)，選取有大量人群參與和具有一定影響力的科普視頻，分析該類視頻的擴(kuò)散模式對科普視頻創(chuàng)作者以及相關(guān)科普部門都有較為重要的意義。因此，本文通過比較2020年2月發(fā)布于多個(gè)不同網(wǎng)絡(luò)社交媒體平臺的有關(guān)新冠肺炎的不同科普視頻，最終選取了名為“回形針PaperClip”的博主于2月2日在微博、西瓜視頻和嗶哩嗶哩彈幕網(wǎng)等多個(gè)平臺發(fā)布的一個(gè)名為“關(guān)于新冠肺炎的一切”的視頻。本文選取該視頻內(nèi)容主要為科普，告知大眾關(guān)于新冠肺炎的相關(guān)情況，包括病毒感染的原理、發(fā)病的機(jī)制、傳染機(jī)制以及傳染數(shù)量預(yù)測等等。該視頻在疫情期間為廣大網(wǎng)民提供了專業(yè)嚴(yán)謹(jǐn)?shù)目茖W(xué)普及，讓大眾更加了解新冠肺炎，使群眾避免恐慌并引起重視做好個(gè)人防護(hù)，為國家的疫情控制提供了幫助。該視頻自發(fā)布以來，在各個(gè)平臺上都有非常高的播放量、轉(zhuǎn)發(fā)量以及評論量，且熱度持續(xù)較長時(shí)間。截至2020年3月6日，該視頻在微博平臺的播放量為1.1億，轉(zhuǎn)發(fā)量為68.2萬，評論數(shù)為10.2萬，點(diǎn)贊數(shù)為221萬；該視頻在西瓜視頻的播放量為725萬，評論數(shù)為5 790條，點(diǎn)贊數(shù)為4萬；嗶哩嗶哩彈幕網(wǎng)數(shù)據(jù)顯示，該視頻播放量為479.4萬，點(diǎn)贊數(shù)為60.3萬，評論數(shù)量為15 194條，轉(zhuǎn)發(fā)量38萬。從該視頻在不同平臺的播放量、評論量等數(shù)據(jù)來看，不同平臺上的數(shù)據(jù)差別較大，但都有較高的討論度和傳播度。

3.3 數(shù)據(jù)獲取與預(yù)處理

西瓜視頻和嗶哩嗶哩彈幕網(wǎng)的轉(zhuǎn)發(fā)功能與微博轉(zhuǎn)發(fā)方式略有不同，轉(zhuǎn)發(fā)數(shù)量較少并且平臺不予公開，因此本文選取評論數(shù)量進(jìn)行分析。為了使三個(gè)平臺研究的對象內(nèi)容保持一致，因此對三個(gè)平臺都采集用戶的評論文本數(shù)據(jù)、用戶屬性、評論時(shí)間等進(jìn)行分析。為了研究視頻的擴(kuò)散模式，二級評論的數(shù)據(jù)對本研究極為重要，因此本研究在數(shù)據(jù)爬取時(shí)主要篩選包含二級回復(fù)以及三級回復(fù)的評論數(shù)據(jù)，并記錄各級評論的父級評論ID。

數(shù)據(jù)獲取主要使用Python語言編寫爬蟲算法，最終在微博平臺獲取評論數(shù)據(jù)6 958條；在西瓜視頻共獲取2 691條評論數(shù)據(jù)；在獲取嗶哩嗶哩平臺共獲取數(shù)據(jù)4 110條。并將數(shù)據(jù)結(jié)構(gòu)化保存在Mysql數(shù)據(jù)庫中，便于數(shù)據(jù)處理與分析。

4 三大平臺對比分析

4.1 擴(kuò)散圖對比分析

以“關(guān)于新冠肺炎的一切”視頻為信息源,采用社會網(wǎng)絡(luò)分析法為研究方法，以評論關(guān)系為邊,以參與輿情傳播的用戶為節(jié)點(diǎn),使用 Gephi繪制新媒體環(huán)境下“關(guān)于新冠肺炎的一切”科普視頻在不同平臺的擴(kuò)散云圖, 如圖1所示。

圖1 微博平臺擴(kuò)散圖

由圖1可知，微博平臺用戶數(shù)量較多，分布廣，該視頻在微博平臺的擴(kuò)散過程中，沒有明顯以視頻發(fā)布者為中心，存在較多意見領(lǐng)袖，這些意見領(lǐng)袖與其他節(jié)點(diǎn)之間的聯(lián)系緊密，擁有較高的影響力，引起較大的關(guān)注，擴(kuò)大了該視頻在微博平臺的傳播深度與廣度。

由圖2可知，該科普視頻在西瓜視頻的評論用戶多停留在第一層位置，該擴(kuò)散模式中，以視頻發(fā)布者“回形針PaperClip”為網(wǎng)絡(luò)中心，擴(kuò)散路徑呈現(xiàn)發(fā)散狀態(tài)，傳播的路徑長度較小。在此擴(kuò)散模式下，網(wǎng)絡(luò)的源節(jié)點(diǎn)有較強(qiáng)的凝聚力和威望度，擴(kuò)散受干擾的程度較低，擴(kuò)散廣度往往由視頻發(fā)布者的影響力決定，傳播范圍往往局限于局部粉絲之間。

圖2 西瓜視頻端擴(kuò)散圖

由圖3可知，該視頻在嗶哩嗶哩彈幕網(wǎng)中的擴(kuò)散深度與廣度明顯大于西瓜視頻，網(wǎng)絡(luò)中的級聯(lián)數(shù)較多。該視頻在嗶哩嗶哩彈幕網(wǎng)的擴(kuò)散中，一級的評論數(shù)量依舊是最多的，但除了源節(jié)點(diǎn)以外，在網(wǎng)絡(luò)中存在其他節(jié)點(diǎn)也有較高的影響力，會引導(dǎo)發(fā)生進(jìn)一步的擴(kuò)散，對視頻的擴(kuò)散起到推動作用。

圖3 嗶哩嗶哩端擴(kuò)散圖

4.2 網(wǎng)絡(luò)結(jié)構(gòu)分析

（1）點(diǎn)度中心性

在社會網(wǎng)絡(luò)分析中，每一位用戶被抽象成網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn)，用邊來連接、用節(jié)點(diǎn)來表示用戶之間的評論等交互關(guān)系。在一個(gè)社會網(wǎng)絡(luò)中,如果一個(gè)節(jié)點(diǎn)與其他較多節(jié)點(diǎn)之間都存在直接交互關(guān)系,則該節(jié)點(diǎn)在社會網(wǎng)絡(luò)中就居于中心地位。在這種思路的指導(dǎo)下, 網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)的點(diǎn)度中心度, 就可以用網(wǎng)絡(luò)中與該點(diǎn)之間有聯(lián)系的點(diǎn)的數(shù)目來衡量，出度表示當(dāng)前節(jié)點(diǎn)評論與轉(zhuǎn)發(fā)其他節(jié)點(diǎn)的數(shù)量，入度表示當(dāng)前節(jié)點(diǎn)被其他節(jié)點(diǎn)轉(zhuǎn)發(fā)、評論的數(shù)量。三個(gè)不同平臺的網(wǎng)絡(luò)節(jié)點(diǎn)出入度情況如表1所示。

表1 不同平臺網(wǎng)絡(luò)節(jié)點(diǎn)點(diǎn)度中心度TOP10

由表1可知，在微博平臺中，節(jié)點(diǎn)“魏大勛”的點(diǎn)度中心性最高，其入度為1 311，出度為1，點(diǎn)度中心度為1 312。點(diǎn)度中心度前十名的節(jié)點(diǎn)中，其點(diǎn)度中心度均大于100；在西瓜視頻平臺中，節(jié)點(diǎn)“楓161669802”的點(diǎn)度中心性最高，其點(diǎn)度中心度為41；在嗶哩嗶哩彈幕網(wǎng)網(wǎng)絡(luò)中，節(jié)點(diǎn)“阿瓦達(dá)索命Z” 的點(diǎn)度中心性最高，其點(diǎn)度中心度為156。在不同平臺中，網(wǎng)絡(luò)中很多節(jié)點(diǎn)都通過“意見領(lǐng)袖”直接或間接地傳播信息,是新媒體環(huán)境下進(jìn)行信息交互的重要節(jié)點(diǎn)，視頻信息的傳播受意見領(lǐng)袖左右。由點(diǎn)度中心性數(shù)值可見，微博平臺的意見領(lǐng)袖數(shù)量較多，該視頻的傳播受這些意見領(lǐng)袖的影響很大，其交互情況、傳播范圍都遠(yuǎn)遠(yuǎn)大于其他兩個(gè)平臺。

（2）中間中心性

中間中心性是以經(jīng)過某個(gè)節(jié)點(diǎn)的最短路徑數(shù)目來刻畫節(jié)點(diǎn)重要性的指標(biāo)[9]。如果一個(gè)大的社交網(wǎng)絡(luò)中包含了幾個(gè)小組，那么中間中心度高的人就起到將這些小組連接起來的作用。三個(gè)不同平臺的網(wǎng)絡(luò)節(jié)點(diǎn)中間中心度如表2所示。

表2 不同平臺網(wǎng)絡(luò)節(jié)點(diǎn)中間中心度TOP10

由表2可知，在微博平臺中，中間中心度最高的為“魏大勛”，其中間中心度約為1 291.08；在西瓜視頻網(wǎng)絡(luò)中，用戶“閑人丁丁”的中間中心度最高，為727.9；在嗶哩嗶哩彈幕網(wǎng)絡(luò)中，用戶“怕上火暴王老菊”的中間中心度最高，為1 116.5。這一結(jié)果表明, 微博平臺和嗶哩嗶哩彈幕網(wǎng)中的一些節(jié)點(diǎn)連接擴(kuò)散網(wǎng)絡(luò)小組的能力相差甚微，但都明顯高于西瓜視頻。網(wǎng)絡(luò)中很多節(jié)點(diǎn)都通過移動端的“意見領(lǐng)袖”直接或間接地傳播視頻信息,是新媒體環(huán)境下進(jìn)行信息交互的重要節(jié)點(diǎn),視頻擴(kuò)散受意見領(lǐng)袖的影響,意見領(lǐng)袖科普類視頻的態(tài)度傾向和參與程度將直接影響著科普類視頻的傳播態(tài)勢。

（3）接近中心性

一個(gè)點(diǎn)到其他所有點(diǎn)的距離的總和越小,就說明這個(gè)點(diǎn)到其他所有點(diǎn)的路徑越短，也就說明這個(gè)點(diǎn)距離其他所有點(diǎn)越近，則其接近中心度越高[10]。接近中心度體現(xiàn)的是一個(gè)點(diǎn)與其他點(diǎn)的近鄰程度。三個(gè)不同平臺的網(wǎng)絡(luò)節(jié)點(diǎn)接近中心度如表3所示。

表3 不同平臺網(wǎng)絡(luò)節(jié)點(diǎn)接近中心度TOP10

由表3的數(shù)據(jù)可知,在微博平臺中，“魏大勛”的接近中心度最高，約為0.92 ，西瓜視頻中接近中心度最大的是“影子哥的”，接近中心度為0.75，嗶哩嗶哩彈幕網(wǎng)中接近中心度最大的是“①加⑨=一九”,接近中心度為0.86。接近中心度較大的節(jié)點(diǎn)同核心節(jié)點(diǎn)的差異較小，更容易獲得網(wǎng)絡(luò)中其他節(jié)點(diǎn)的信息，獨(dú)立性較小。微博平臺中前十名用戶的接近中心度均大于0.8，其中前九名用戶的接近中心度均大于0.9；西瓜視頻中僅排名前兩名的節(jié)點(diǎn)接近中心度為0.75大于0.7，其余節(jié)點(diǎn)的接近中心度均小于0.7；而嗶哩嗶哩彈幕網(wǎng)中的接近中心度排名前10的節(jié)點(diǎn)，其接近中心度均大于等于0.75。數(shù)據(jù)表明微博平臺中有較多具有較強(qiáng)整合能力的節(jié)點(diǎn)，這些節(jié)點(diǎn)處于網(wǎng)絡(luò)的中心位置，對視頻的擴(kuò)散起到促進(jìn)作用。嗶哩嗶哩彈幕網(wǎng)中該類節(jié)點(diǎn)數(shù)量次之，西瓜視頻中該類節(jié)點(diǎn)數(shù)量最少。

4.3 擴(kuò)散速度及熱度變化對比

本文將獲取的不同平臺2020年2月2日到3月2日的評論數(shù)據(jù)進(jìn)行整理、匯總自，并制作折線圖，可以更加直觀看到自該科普視頻發(fā)布一個(gè)月內(nèi)在不同平臺擴(kuò)散速度及熱度變化。

微博平臺評論數(shù)量隨時(shí)間變化折線圖如圖4所示。

圖4 微博平臺評論數(shù)量隨時(shí)間變化折線圖

由圖4可知，在微博平臺中，視頻發(fā)布首日評論數(shù)量達(dá)到最高，有5 167條。次日評論數(shù)量驟降為706條。2月5日評論數(shù)量減少到57條，隨后的時(shí)間內(nèi)，評論數(shù)量均低于100。由此可知，在微博平臺中，該科普視頻在發(fā)布首日熱度到達(dá)最高，隨后熱度驟降，在第三日之后評論數(shù)量一直低于100條，熱度始終維持在較低的狀態(tài)。

西瓜視頻平臺評論數(shù)量隨時(shí)間變化折線圖如圖5所示。由圖5可知，在西瓜視頻平臺中，該視頻發(fā)布首日的評論數(shù)達(dá)516條，2月3日數(shù)量減少為208條，在2月5日評論數(shù)量達(dá)到最多為610條，之后每日數(shù)量遞減，在2月15日數(shù)量突增為199條，隨后數(shù)量遞減且逐漸平穩(wěn)。由此可知，在西瓜視頻平臺中，該科普視頻的擴(kuò)散速度較慢，首日不會到達(dá)熱度頂點(diǎn)，在第三日達(dá)到單日評論數(shù)量最多，隨后每日評論數(shù)量總體遞減但局部會存在起伏，最終在較低數(shù)量值處趨于平穩(wěn)。

圖5 西瓜視頻平臺評論數(shù)量隨時(shí)間變化折線圖

嗶哩嗶哩彈幕網(wǎng)評論數(shù)量隨時(shí)間變化折線圖如圖6所示。由圖6可知，在嗶哩嗶哩彈幕網(wǎng)中，該條視頻的首日評論數(shù)量最多，高達(dá)2 732條，在2月3日評論數(shù)量驟減為726條，第三日為228條，隨后逐日遞減，在2月12日及之后，每日評論數(shù)量保持在10條左右。由此可見，在嗶哩嗶哩彈幕網(wǎng)中，該視頻的傳播速度非?？欤兹站偷竭_(dá)熱度最高點(diǎn)，之后評論數(shù)量快速減少，熱度驟降。十天之后的評論數(shù)量就維持在10條附近，熱度幾乎為零。

圖6 嗶哩嗶哩彈幕網(wǎng)評論數(shù)量隨時(shí)間變化折線圖

4.4 評論內(nèi)容對比分析

本文將不同平臺獲取的所有評論內(nèi)容進(jìn)行匯總，使用Python編程語言，jieba第三方分詞庫對不同平臺的所有評論內(nèi)容進(jìn)行分詞處理，再計(jì)算各個(gè)詞語的權(quán)重，即得到不同平臺評論的熱點(diǎn)詞語。以此對比分析不同平臺的用戶對于該科普視頻的態(tài)度以及關(guān)注熱點(diǎn)。根據(jù)分詞得到的詞語以及詞語權(quán)重，使用Python制作詞云圖，可以對不同平臺中的用戶評論文本中出現(xiàn)頻率較高的“關(guān)鍵詞”予以視覺上的突出，從而過濾掉大量的文本信息，使讀者可以了解評論者對該科普視頻的態(tài)度。詞云圖如圖7所示。

圖7 三個(gè)平臺熱點(diǎn)詞詞云圖

由圖7可知，在微博、西瓜視頻與嗶哩嗶哩彈幕網(wǎng)三個(gè)平臺中，用戶的評論數(shù)據(jù)中出現(xiàn)頻率較高的詞語都是“加油”、“玫瑰”、“勇氣”、“祈禱”等詞語，表現(xiàn)了用戶對武漢地區(qū)以及嚴(yán)重地區(qū)公眾的支持與鼓勵。除此，還有“口罩”、“病毒”、“死亡率”表現(xiàn)了用戶對疫情相關(guān)知識的重視與討論。

5 結(jié)論與分析

研究發(fā)現(xiàn)，該科普視頻在三個(gè)網(wǎng)絡(luò)社交媒體平臺的擴(kuò)散模式有所差異，每個(gè)平臺有其各自特點(diǎn)，從擴(kuò)散模式圖、網(wǎng)絡(luò)結(jié)構(gòu)、擴(kuò)散范圍、擴(kuò)散速度以及熱度這五個(gè)方面對該視頻在三個(gè)平臺的擴(kuò)散模式進(jìn)行綜合比較，比較結(jié)果如表4所示。

表4 三個(gè)不同網(wǎng)絡(luò)社交媒體平臺擴(kuò)散模式對比

由表4可知，該視頻在微博的擴(kuò)散模式圖為“長鏈主導(dǎo)”，在擴(kuò)散圖中表現(xiàn)為圈層連接明顯，用戶之間連接緊密。其擴(kuò)散范圍、擴(kuò)散速度以及熱度都遠(yuǎn)高于其它兩個(gè)平臺。微博是當(dāng)前社交的主流平臺，擁有非常龐大的用戶群體，且包含許多明星以及擁有大量粉絲的博主，這些用戶在網(wǎng)絡(luò)節(jié)點(diǎn)中被稱為意見領(lǐng)袖，擁有非常高的影響力。除此之外，微博熱搜已經(jīng)成為廣大網(wǎng)絡(luò)用戶獲取最新實(shí)時(shí)信息的主要渠道，微博的熱搜功能也會增加該視頻的關(guān)注度和轉(zhuǎn)發(fā)量。該視頻在微博的擴(kuò)散過程中，被許多以明星為代表的意見領(lǐng)袖轉(zhuǎn)發(fā)，引起了許多其他普通用戶的關(guān)注與轉(zhuǎn)發(fā)，以及該視頻以微博熱搜的方式引起網(wǎng)絡(luò)用戶的關(guān)注，從而增加了該視頻的熱度以及擴(kuò)大了該視頻的擴(kuò)散范圍。

該視頻在西瓜視頻上的擴(kuò)散模式圖是“短鏈主導(dǎo)”，體現(xiàn)為弱觀點(diǎn)聚集和強(qiáng)中心特征[11]。在擴(kuò)散圖中表現(xiàn)為節(jié)點(diǎn)聚集較為松散，中心較為突出。其活躍用戶數(shù)量、節(jié)點(diǎn)影響力、節(jié)點(diǎn)聚集度以及圈層連接等方面都比較弱，其擴(kuò)散范圍、擴(kuò)散速度、熱度等指標(biāo)均為最低。西瓜視頻的用戶群體數(shù)量明顯低于微博與嗶哩嗶哩彈幕網(wǎng)，這也是造成視頻擴(kuò)散效果較差的直接原因。其次，西瓜視頻用戶群體中缺少意見領(lǐng)袖，擴(kuò)散過程缺少意見領(lǐng)袖的影響，因此擴(kuò)散范圍往往局限在視頻發(fā)布者以及局部粉絲之間。

該視頻在嗶哩嗶哩彈幕網(wǎng)上的擴(kuò)散模式圖為“長短鏈結(jié)合”，視頻在不同社群和關(guān)系網(wǎng)內(nèi)半封閉式推進(jìn)，同時(shí)存在一定程度的離散觀點(diǎn)，表現(xiàn)為中等程度中心聚集，其擴(kuò)散范圍、擴(kuò)散速度以及熱度等都遠(yuǎn)高于西瓜視頻，但低于微博。嗶哩嗶哩彈幕網(wǎng)是近幾年興起的交互式視頻網(wǎng)站，其擁有數(shù)量較多的用戶群體，且以青年、青少年為主。嗶哩嗶哩彈幕網(wǎng)中有類似于微博熱搜的功能設(shè)置，會主動推薦熱度較高的優(yōu)質(zhì)視頻。嗶哩嗶哩彈幕網(wǎng)的用戶群體缺少明星這一群體，但存在具有一定影響力的博主在視頻的擴(kuò)散過程中充當(dāng)意見領(lǐng)袖，例如相關(guān)部門的官方賬號等。例如在本文研究中，具有較大影響力的意見領(lǐng)袖為中科院物理所的官方賬號。該科普視頻在嗶哩嗶哩彈幕網(wǎng)的擴(kuò)散中，缺少明星這一類意見領(lǐng)袖的影響，但仍然存在相關(guān)官方賬號等充當(dāng)意見領(lǐng)袖，以及平臺內(nèi)部對用戶的推薦視頻機(jī)制，擴(kuò)大了視頻的擴(kuò)散范圍，增強(qiáng)了傳播效果。

三個(gè)平臺的用戶對該科普視頻的評論熱點(diǎn)詞存在較多近義詞，大多都是對該視頻和視頻創(chuàng)作者的認(rèn)可以及對于疫情地區(qū)群眾的鼓勵，表示不同平臺的用戶對于該科普視頻的態(tài)度大致相同，均表達(dá)了對該視頻的認(rèn)可與支持，以及對新冠病毒的畏懼和對武漢的支持。表明該科普視頻在疫情期間對于廣大網(wǎng)絡(luò)用戶起到較好的科普效果以及鼓勵作用。

6 結(jié)語

本文運(yùn)用社會網(wǎng)絡(luò)分析法，從網(wǎng)絡(luò)結(jié)構(gòu)、擴(kuò)散范圍、擴(kuò)散速度和熱度變化等指標(biāo)入手，研究對比了名為“關(guān)于新冠肺炎的一切”的科普視頻在微博、西瓜視頻和嗶哩嗶哩彈幕網(wǎng)三個(gè)網(wǎng)絡(luò)社交媒體平臺的擴(kuò)散模式差異，并簡要分析了差異形成的原因。研究為相關(guān)部門提供參考，采取有效措施開展科普管理工作，從而使網(wǎng)絡(luò)用戶更好地接觸科普類視頻，提升網(wǎng)絡(luò)用戶的知識儲備以及自身素質(zhì)，最終提升對社會輿情的監(jiān)管及公益輿論導(dǎo)向的正確引導(dǎo)。本文研究仍然存在一定局限，主要在于只選取了一個(gè)科普視頻，且無法獲取用戶轉(zhuǎn)發(fā)數(shù)據(jù)等導(dǎo)致的研究偏差。在后續(xù)研究中,將選取持續(xù)時(shí)間更長的話題相關(guān)的科普視頻以及更多平臺數(shù)據(jù),對新媒體下科普類視頻的擴(kuò)散模式進(jìn)行更為深入、細(xì)致的研究。