李 晶，薛晨琦，宋昊陽

0 引言

隨著計(jì)算機(jī)迅速發(fā)展，“面對(duì)面”的信息交互逐漸被人機(jī)交互(Human-Computer Interaction，HCI)取代，計(jì)算機(jī)媒介溝通(Computer-Mediated Communication，CMC)時(shí)代隨之到來，依托計(jì)算終端開展一對(duì)多的“虛擬”交互成為日常。誠然，人機(jī)交互下的CMC大大促進(jìn)了信息傳遞和交流的效率，但冷冰冰的計(jì)算終端如何營造“交互情境”，最大程度地提升用戶的感知與體驗(yàn)，一直是人機(jī)交互領(lǐng)域研究的熱點(diǎn)[1]。彈幕較早出現(xiàn)在國內(nèi)知名社交網(wǎng)站Bilibili視頻平臺(tái)(以下簡稱“B站”)，其參與式、即時(shí)性、碎片化的交互特征充分滿足了當(dāng)代公眾的心理需求。借助其在視頻內(nèi)以快速滾動(dòng)或靜止的形式顯示留言的功能[2]，用戶根據(jù)自己在觀看視頻和彈幕時(shí)所產(chǎn)生的情感、態(tài)度及想法，通過發(fā)表彈幕進(jìn)行及時(shí)的信息呈現(xiàn)[3]，依靠與計(jì)算機(jī)的交互實(shí)現(xiàn)信息交流。用戶采用彈幕進(jìn)行交互的方式營造了強(qiáng)烈的“圍觀”體驗(yàn)[4]，能使用戶與其他參與者產(chǎn)生虛擬的“共在感”，大大增加了用戶身臨其境的體驗(yàn)。學(xué)者們?cè)谘芯窟@種身臨其境感時(shí)將其定義為社會(huì)臨場感(Social Presence，SP)，并表明其與交互存在著密不可分的關(guān)系[5]。目前針對(duì)社會(huì)臨場感已有較為豐富的研究成果，普遍分布在通訊[6-7]、遠(yuǎn)程教育[8-9]、人機(jī)交互[10-11]及營銷[12-13]等領(lǐng)域。這些成果在研究方法方面，主要采用了問卷調(diào)查法和內(nèi)容分析法；在研究主題方面，針對(duì)網(wǎng)站、論壇的信息交互研究居多。本文嘗試對(duì)彈幕短視頻用戶交互行為的社會(huì)臨場感進(jìn)行研究，以B站科普類視頻為樣本對(duì)象，引入社會(huì)臨場感計(jì)算方法，對(duì)視頻彈幕形成的社會(huì)臨場感進(jìn)行精確測度，在此基礎(chǔ)上探討社會(huì)臨場感與用戶使用視頻的各種行為特征關(guān)聯(lián)關(guān)系。本文的研究結(jié)論為拓展人機(jī)交互領(lǐng)域及CMC時(shí)代的社會(huì)臨場感理論，以及基于用戶視角促進(jìn)科普類視頻的分享與傳播提供啟示和參考。

1 理論基礎(chǔ)

1.1 人機(jī)交互中的用戶體驗(yàn)研究

人機(jī)交互主要研究人與計(jì)算機(jī)之間的交互關(guān)系，是一個(gè)多領(lǐng)域?qū)W科交叉的研究方向，早期的概念來源于卡德、莫蘭和內(nèi)韋爾在1983年所著的《人機(jī)交互心理學(xué)》一書[14]。不同于現(xiàn)實(shí)情境下個(gè)體之間的面對(duì)面交互，人機(jī)交互依托于互聯(lián)網(wǎng)技術(shù)特性的優(yōu)勢，實(shí)現(xiàn)了人與計(jì)算機(jī)的交流，為用戶提供了一種虛擬的交互環(huán)境。雖然人機(jī)交互使用戶獲取信息的方式更加簡便高效，但計(jì)算機(jī)的非人性化仍為用戶信息的獲取帶來了一系列的問題。進(jìn)入21世紀(jì)以來，盡管系統(tǒng)設(shè)計(jì)[15]、界面設(shè)計(jì)[16]及人工智能等關(guān)鍵技術(shù)[17]仍然是人機(jī)交互領(lǐng)域的焦點(diǎn)所在，但是也有越來越多的學(xué)者注意到與“人”有關(guān)的因素，如感知風(fēng)險(xiǎn)、愉悅、舒適、可靠等[18-19]對(duì)人機(jī)交互效果的影響[20-21]，試圖找尋在人機(jī)交互中滿足用戶感知與體驗(yàn)需求的最佳策略[22]。這些對(duì)人機(jī)交互中用戶體驗(yàn)的關(guān)注將目光轉(zhuǎn)向“人”而非純粹的技術(shù)，不僅是研究視角的轉(zhuǎn)變，更凸顯了研究價(jià)值的回歸。

1.2 社會(huì)臨場感

社會(huì)臨場感，又稱社會(huì)存在、社會(huì)表露、社會(huì)呈現(xiàn)，是來自通訊領(lǐng)域的一個(gè)重要概念。該理論最早出現(xiàn)在馬里蘭大學(xué)教授Short等1976年的著作《通訊社會(huì)心理學(xué)》(The Social Psychology of Telecommunications)中，并將其首次定義為在利用媒體進(jìn)行溝通過程中，一個(gè)人被視為“真實(shí)的人”的程度及與他人聯(lián)系的感知程度[5]。隨著該理論影響力范圍的不斷擴(kuò)大，越來越多的學(xué)者將其應(yīng)用于不同的領(lǐng)域的交互行為研究，并根據(jù)研究情境的不同，對(duì)社會(huì)臨場感展開了不同的維度劃分及測量的探索。表1對(duì)社會(huì)臨場感在不同研究情境下的維度劃分及測量方法的部分文獻(xiàn)進(jìn)行了梳理。

表1 不同研究情境下社會(huì)臨場感維度劃分及測量方法梳理

學(xué)者們基于社會(huì)臨場感的維度劃分包括單維度、多維度兩種情況。根據(jù)不同情境的要求及學(xué)者們的研究探索，多維度對(duì)社會(huì)臨場感進(jìn)行劃分更具有科學(xué)準(zhǔn)確性，其中針對(duì)社交媒體或在線社區(qū)的維度可以總結(jié)為意識(shí)、情感及認(rèn)知3類。從社會(huì)臨場感的測量方法來看，大部分學(xué)者采用量表對(duì)其進(jìn)行測量計(jì)算，有部分學(xué)者針對(duì)交互內(nèi)容通過人工或機(jī)器編碼進(jìn)行統(tǒng)計(jì)，但量表的測算方法僅基于部分使用者的行為與感受展開，具有一定的研究不足；基于文本的計(jì)算則是依據(jù)場景現(xiàn)有的整個(gè)文本內(nèi)容對(duì)社會(huì)臨場感進(jìn)行計(jì)算，數(shù)據(jù)全面，具有更高的可信度。

2 社會(huì)臨場感的計(jì)算方法

通過梳理，基于文本的社會(huì)臨場感計(jì)算主要包括兩種方式。一是基于文本的人工編碼處理。通過對(duì)獲取的文本信息根據(jù)劃分維度進(jìn)行人工編碼，將分類數(shù)據(jù)按照深刻程度進(jìn)行賦值，賦值結(jié)果的總和表示社會(huì)臨場感水平[41]。二是基于自然語言處理的自動(dòng)編碼。面對(duì)海量、復(fù)雜的文本信息，依靠人工智能機(jī)器的自然語言處理逐漸取代了人工，學(xué)者們針對(duì)獲得的文本信息，通過人工智能機(jī)器進(jìn)行自動(dòng)編碼，在處理過程中，通過計(jì)算每種社會(huì)臨場感出現(xiàn)的頻率來確定每種社會(huì)臨場感水平[42]，或者將具有社會(huì)臨場感維度的記1分，自動(dòng)累計(jì)分?jǐn)?shù)，獲得臨場感水平[43]。

綜合考慮上述計(jì)算方法，本文選取“意識(shí)、情感、認(rèn)知”的維度劃分對(duì)彈幕視頻社會(huì)臨場感水平進(jìn)行測度(見圖1)。其中，意識(shí)指用戶認(rèn)為其他社會(huì)行為者似乎存在并能夠?qū)τ脩糇龀龇磻?yīng)的程度[44]，即用戶與其他參與者之間存在“共在意識(shí)”，具有強(qiáng)烈的感知交互；情感指用戶通過虛擬社交引發(fā)的情感感知，Riva等也證明情緒反應(yīng)與存在感密切相關(guān)[45]，而存在感正反映了社會(huì)臨場感；認(rèn)知是指用戶在社交平臺(tái)中通過持續(xù)的交互建構(gòu)知識(shí)的過程[46]，在線社區(qū)的認(rèn)知也是通過用戶以發(fā)帖或評(píng)論的形式持續(xù)參與在線討論來實(shí)現(xiàn)的[31]。

圖1 社會(huì)臨場感的3個(gè)維度

根據(jù)以上分析，通過獲取每種維度出現(xiàn)的頻率對(duì)社會(huì)臨場感進(jìn)行計(jì)算，計(jì)算過程見公式(1)。

其中，某視頻社會(huì)臨場感(Sp)各個(gè)維度出現(xiàn)頻率分別為p1，…，pi，i=1，2，…，n。后文中將應(yīng)用上述公式計(jì)算視頻的社會(huì)臨場感。

3 實(shí)證研究

3.1 數(shù)據(jù)來源

為從B站視頻中選取影響力大且具有代表性的科普視頻，本文通過B站專業(yè)的數(shù)據(jù)分析平臺(tái)——火燒云數(shù)據(jù)平臺(tái)，以“一級(jí)分類-二級(jí)分類”的“知識(shí)-科學(xué)科普”為檢索類目，選取截止到2021年4月17日排名前十的UP主。由于B站沒有直接明確的功能對(duì)彈幕數(shù)、播放量等進(jìn)行排名，為方便選取，對(duì)以上UP主共1，867個(gè)視頻的彈幕數(shù)、視頻時(shí)長、播放量、發(fā)布時(shí)間等進(jìn)行排序統(tǒng)計(jì)，以綜合篩選條件，盡量確保每個(gè)視頻都在選取范圍之內(nèi)，最終共選取40個(gè)視頻。數(shù)據(jù)的收集采用Python作為爬蟲編程語言，通過B站API接口，并以B站視頻唯一BVID號(hào)作為區(qū)別標(biāo)識(shí)?？紤]到B站現(xiàn)有的彈幕庫只保存少數(shù)彈幕數(shù)據(jù)，因此，基于視頻界面的歷史彈幕列表，對(duì)彈幕庫進(jìn)行逐日爬取并進(jìn)行去重清洗，以盡量完整地獲取所有歷史彈幕。獲取視頻的信息列表見表2。

表2 科普視頻信息收集列表

3.2 數(shù)據(jù)分析方法

(1)分詞處理。本文使用開源的中文jieba分詞工具，對(duì)彈幕文本內(nèi)容進(jìn)行預(yù)處理。其原理為基于前綴詞典生成句子中所有可能成詞的情況，并動(dòng)態(tài)查找最大概率路徑，找出基于詞頻的最大切分組合[47]。如彈幕文本“自己就是不長痘的體質(zhì)”，基于jieba分詞后可以得到“自己/就是/不/長痘/的/體質(zhì)”。

(2)停用詞清洗。彈幕作為用戶表達(dá)情感及認(rèn)知的文本，往往含有無意義的表達(dá)詞、標(biāo)點(diǎn)符號(hào)、特殊符號(hào)，在一定程度會(huì)影響測量的結(jié)果。針對(duì)分詞后的結(jié)果，考慮到“？”“!”及“哈哈哈”等詞具有明顯的情感內(nèi)涵，從停用詞典中刪除，作為保留詞，構(gòu)建包含數(shù)字標(biāo)識(shí)、逗號(hào)、句號(hào)等無意義詞的停用詞典，然后進(jìn)行停用詞清洗。

(3)詞頻統(tǒng)計(jì)與主題分類。為計(jì)算各類詞出現(xiàn)的頻率，利用Python的Collection包下Counter的類對(duì)分詞結(jié)果進(jìn)行詞頻統(tǒng)計(jì)。使用TF-IDF算法進(jìn)行特征提取，進(jìn)行主題歸類及數(shù)量統(tǒng)計(jì)，計(jì)算每個(gè)視頻每種社會(huì)臨場感維度出現(xiàn)的頻率。

3.3 彈幕數(shù)據(jù)的總體描述

通過去重清洗等操作，截至2021年4月17日，爬取科普類視頻共計(jì)299，994條彈幕，分別將每個(gè)視頻彈幕的發(fā)表日期、視頻時(shí)間節(jié)點(diǎn)進(jìn)行數(shù)量統(tǒng)計(jì)，得出單日發(fā)表彈幕數(shù)量列表、逐日累積數(shù)量列表及視頻時(shí)間點(diǎn)的彈幕數(shù)量列表，并對(duì)其分別進(jìn)行可視化，制作相應(yīng)的趨勢分布圖。

(1)彈幕數(shù)量分布。所選取的科普視頻在彈幕數(shù)量的日期分布上具有明顯的一致性。從圖2可以發(fā)現(xiàn)，科普視頻單日的彈幕數(shù)量分布呈現(xiàn)初期短暫突增而后驟降，最終逐漸趨于平穩(wěn)的趨勢，視頻發(fā)布初期的彈幕數(shù)量遠(yuǎn)遠(yuǎn)大于后期彈幕數(shù)量。這說明視頻平臺(tái)發(fā)布的內(nèi)容具有一定的時(shí)效性，隨著時(shí)間推移，視頻傳播力減弱，用戶的關(guān)注度也隨之降低。

圖2 科普視頻彈幕數(shù)量日期分布

(2)彈幕數(shù)量累積分布。通過對(duì)每日的彈幕的累積數(shù)量進(jìn)行統(tǒng)計(jì)，分別制作每個(gè)視頻的彈幕累積趨勢圖?？傮w上可以發(fā)現(xiàn)，科普視頻整體趨勢與彈幕數(shù)量分布相符合，但存在兩種不同的累積趨勢。一是普遍趨勢：彈幕累計(jì)數(shù)量短時(shí)間內(nèi)急劇增長后趨于平穩(wěn)(見圖3)；二是特殊趨勢：彈幕累積數(shù)量隨日期緩慢增長至某一節(jié)點(diǎn)以較快速度持續(xù)增長，最終逐漸趨于平穩(wěn)(見圖4)。

圖3 彈幕數(shù)量累積普遍趨勢圖

圖4 彈幕數(shù)量累積特殊趨勢圖

(3)不同視頻時(shí)間點(diǎn)彈幕數(shù)量分布。通過對(duì)科普視頻時(shí)間點(diǎn)的彈幕數(shù)量進(jìn)行統(tǒng)計(jì)，制作每個(gè)視頻基于視頻時(shí)間點(diǎn)的彈幕數(shù)量趨勢圖(圖5為某個(gè)視頻的時(shí)間節(jié)點(diǎn)彈幕數(shù)量趨勢)?？梢园l(fā)現(xiàn)，不同視頻時(shí)間節(jié)點(diǎn)彈幕數(shù)量趨勢不同，但有兩個(gè)共同點(diǎn)：從整體上觀察，所有視頻均不存在明顯的上升下降趨勢，且彈幕數(shù)量波動(dòng)不具有普遍規(guī)律；每個(gè)視頻都存在明顯的突增、低谷點(diǎn)，這意味著每個(gè)視頻在某一時(shí)間段都存在互動(dòng)的高潮及低谷。

圖5 科普視頻時(shí)間節(jié)點(diǎn)彈幕數(shù)量趨勢圖

3.4 彈幕視頻的社會(huì)臨場感

依據(jù)科普視頻時(shí)間點(diǎn)彈幕數(shù)量分布趨勢體現(xiàn)的突增點(diǎn)及低谷點(diǎn)特征，能推斷由低谷點(diǎn)到突增點(diǎn)的整個(gè)階段最能體現(xiàn)用戶的交互特征。為此，統(tǒng)計(jì)每個(gè)視頻的突增及低谷點(diǎn)，以此對(duì)視頻的交互行為進(jìn)行統(tǒng)計(jì)，計(jì)算視頻的社會(huì)臨場感。為達(dá)到選取標(biāo)準(zhǔn)統(tǒng)一，作以下設(shè)定：一是突增點(diǎn)(T)：①大于3/4振幅②頂點(diǎn)(左右時(shí)間段彈幕數(shù)量均小于此點(diǎn))；二是低谷點(diǎn)(B)：①小于1/4振幅②突增點(diǎn)之前的最低點(diǎn)，該點(diǎn)之后彈幕數(shù)量均有上升趨勢；三是中振幅=(最大值-最小值)/2。具體來說，分別統(tǒng)計(jì)每個(gè)視頻突增點(diǎn)、過渡段及低谷點(diǎn)的時(shí)間段和彈幕信息，截取彈幕文本列表，通過分詞及去除停用詞操作，使用TF-IDF算法進(jìn)行特征提取，進(jìn)行主題歸類。最終，共提取到4類特征：情感反饋、認(rèn)知交互、UP主交互及用戶交互。其中，情感反饋指用戶觀看彈幕視頻及彈幕后產(chǎn)生的與視頻或其他用戶之間的情感反饋；認(rèn)知交互指用戶觀看視頻及彈幕后所產(chǎn)生的知識(shí)建構(gòu)；UP主交互及用戶交互分別指用戶與UP或用戶進(jìn)行無特殊內(nèi)涵的對(duì)話，如打招呼、道別等。以視頻1為例，其主題代表詞見表3。

表3 視頻1特征提取及代表詞

經(jīng)過具體內(nèi)容分析，對(duì)選取的B站科普類視頻的社會(huì)臨場感水平進(jìn)行計(jì)算。在發(fā)布彈幕過程中，用戶認(rèn)為此刻其他用戶虛擬存在，并能與之互相反應(yīng)。考慮到彈幕與視頻畫面的位置重合且與對(duì)應(yīng)視頻內(nèi)容相對(duì)同步的獨(dú)特表現(xiàn)形式，可以認(rèn)為彈幕用戶存在絕對(duì)的意識(shí)臨場感。因此，本文刪除意識(shí)維度，僅從情感和認(rèn)知兩個(gè)維度展開研究。所提取的情感反饋和認(rèn)知交互特征分別對(duì)應(yīng)情感臨場感與認(rèn)知臨場感，根據(jù)計(jì)算公式，計(jì)算出各視頻的社會(huì)臨場感水平。各科普視頻的主題特征頻率統(tǒng)計(jì)及社會(huì)臨場感見表4。

表4 各科普視頻的主題特征頻率統(tǒng)計(jì)及社會(huì)臨場感計(jì)算

3.5 社會(huì)臨場感與用戶視頻使用行為之間的關(guān)聯(lián)性分析

本文進(jìn)一步探索彈幕視頻臨場感與用戶視頻使用行為之間的相關(guān)性規(guī)律。選取每條視頻的視頻播放量、用戶點(diǎn)贊量、用戶投幣量描述用戶視頻使用行為[48]，對(duì)每項(xiàng)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以確保數(shù)據(jù)的量綱統(tǒng)一，數(shù)據(jù)選取的截止時(shí)間是2021年4月17日。由表5所示的數(shù)據(jù)描述性統(tǒng)計(jì)分析結(jié)果看出，所有視頻樣本的社會(huì)臨場感均值達(dá)到了0.782，說明大部分視頻的社會(huì)臨場感較高。圖6進(jìn)一步揭示社會(huì)臨場感與各行為變量之間的相關(guān)關(guān)系，所有變量與社會(huì)臨場感之間都具有正向相關(guān)關(guān)系。具體地，圖6中(a)、(b)、(c)分圖表明社會(huì)臨場感增強(qiáng)有利于提升視頻播放量、用戶點(diǎn)贊量和用戶投幣量，(d)圖說明了本文基于彈幕數(shù)計(jì)算的社會(huì)臨場感與視頻的彈幕總量之間具有較強(qiáng)的正向相關(guān)關(guān)系。

圖6 社會(huì)臨場感與視頻使用行為變量之間關(guān)系圖

表5 描述性統(tǒng)計(jì)

4 研究結(jié)論與討論

4.1 理論啟示

(1)社會(huì)臨場感在人機(jī)交互中的理論構(gòu)建。傳統(tǒng)的信息交互發(fā)生在基于現(xiàn)實(shí)情境的面對(duì)面交流，但是隨著互聯(lián)網(wǎng)技術(shù)的出現(xiàn)，傳統(tǒng)的“人-人”交互理論不適合直接解釋新時(shí)代CMC的問題，而不斷涌現(xiàn)的人機(jī)交互理論更關(guān)注的是人與計(jì)算機(jī)之間信息交換技術(shù)層面的問題[49]，忽略了人作為主體的認(rèn)知特征和情感表達(dá)。本文引入新聞傳播學(xué)和教育學(xué)領(lǐng)域的社會(huì)臨場感理論研究人機(jī)交互中用戶體驗(yàn)優(yōu)化的問題，對(duì)基于文本分類的社會(huì)臨場感水平進(jìn)行了定量測度，證明了社會(huì)臨場感測度方法在人機(jī)交互研究場景的適用性，在一定程度上拓展了人機(jī)交互中用戶體驗(yàn)研究的理論視域。

(2)社會(huì)臨場感的多維度計(jì)算方法。自社會(huì)臨場感理論提出后，逐漸被應(yīng)用于多個(gè)領(lǐng)域的理論與實(shí)踐研究中，并取得了豐富的研究成果。但隨著CMC時(shí)代的到來，關(guān)于社會(huì)臨場感的測度研究卻少有學(xué)者關(guān)注。本文對(duì)已有的測量方法進(jìn)行了梳理，在此基礎(chǔ)上對(duì)社會(huì)臨場感的多維度計(jì)算方法進(jìn)行了完善，并從彈幕交互行為出發(fā)，探索采用彈幕文本數(shù)據(jù)，從情感和認(rèn)知兩個(gè)維度，研究測算了B站科普視頻的社會(huì)臨場感，為社會(huì)臨場感的量化研究提供了方法和技術(shù)路徑。

(3)社會(huì)臨場感對(duì)用戶視頻使用行為存在影響。長期以來，有許多學(xué)者研究用戶信息行為的前置動(dòng)因，如風(fēng)險(xiǎn)情境[50]、商務(wù)營銷環(huán)境[51]下的用戶的感知特征(感知有用性[52]、感知滿意度[53]等)，信息特征(有用性[54]、質(zhì)量[55]、信息不足[56]等)，用戶特征[57]及社會(huì)因素[58]等。但是，CMC環(huán)境下用戶信息行為的關(guān)鍵影響因素很少有研究。本文關(guān)注了社會(huì)臨場感這一因素，通過實(shí)證研究，運(yùn)用文本分析與數(shù)據(jù)挖掘及相關(guān)性分析等方法，發(fā)現(xiàn)社會(huì)臨場感對(duì)用戶視頻的使用行為具有一定的影響，這是在傳統(tǒng)的面對(duì)面交互的環(huán)境下不存在的規(guī)律和特征，本研究為完善CMC環(huán)境下的信息行為理論，包括信息分享行為、信息利用行為、信息傳播行為的影響機(jī)理提供了新的視角。

4.2 實(shí)踐貢獻(xiàn)

本研究發(fā)現(xiàn)視頻的社會(huì)臨場感在一定程度上會(huì)促進(jìn)用戶使用視頻的行為，這對(duì)于幫助科普視頻制造者基于用戶視角促進(jìn)科普類視頻的分享與傳播提供了新思路。科普視頻制造者可以依據(jù)視頻所反映的社會(huì)臨場感水平獲知用戶對(duì)視頻的滿意程度，針對(duì)用戶所感興趣的內(nèi)容確定更吸引用戶的科普視頻主題，提高視頻傳播力；對(duì)視頻平臺(tái)方而言，在擴(kuò)大平臺(tái)的影響力方面也有借鑒意義，平臺(tái)方可將高社會(huì)臨場感的科普視頻作為主頁面的推薦內(nèi)容，在提高視頻傳播效果的同時(shí)，促進(jìn)用戶的分享行為，從而擴(kuò)大平臺(tái)的影響力；同時(shí)，視頻的社會(huì)臨場感水平也能通過用戶的使用行為反映視頻的質(zhì)量，為其他用戶選擇更具有意義和實(shí)用性的科普視頻提供了參考。

5 結(jié)語

本文選取彈幕視頻平臺(tái)B站的科普視頻為研究對(duì)象，獲取視頻彈幕數(shù)據(jù)299，994條，利用文本分析與數(shù)據(jù)挖掘的方法，研究了彈幕的分布特征、視頻彈幕反映的社會(huì)臨場感測度及社會(huì)臨場感與用戶視頻使用行為的關(guān)聯(lián)關(guān)系，研究在一定程度上豐富了CMC時(shí)代的社會(huì)臨場感理論，并在科普視頻制造者、視頻平臺(tái)方促進(jìn)科普視頻傳播、提高自身影響力及用戶的視頻選擇方面具有實(shí)踐價(jià)值。本文作為一項(xiàng)探索性的實(shí)證研究主要存在兩方面的不足，為未來的深入研究提供了方向。第一，本研究發(fā)現(xiàn)彈幕兩個(gè)階段式累積等特征，但沒有深入研究，未來計(jì)劃針對(duì)這兩種不同的特征進(jìn)一步分析不同趨勢對(duì)社會(huì)臨場感水平的影響。第二，本研究僅使用TF-IDF算法進(jìn)行特征提取，未來將繼續(xù)探索和利用不同的特征提取方法和分類算法，發(fā)現(xiàn)社會(huì)臨場感水平測量的最優(yōu)方式，以提高研究的準(zhǔn)確性。