微博上健康傳播的影響因素分析

【摘要】社交媒體有著連接多媒體、富含情緒的特征，本文探討它們如何影響健康信息的傳播效果。通過爬蟲爬取D平臺的新浪微博博文內容，并通過情感分析等方法進行分析后發現，在微博健康信息的傳播中，多媒體的信息載體形式并沒有對促進信息傳播起到決定性的作用，文本形式的健康信息傳播效果最好。本文中的情緒傾向也會影響健康信息的傳播，負面傾向、喜悅與憤怒傾向都會促進其傳播效果。

【關鍵詞】健康傳播;情感分析;微博;媒介形式

現如今，隨著互聯網技術的不斷發展，從Facebook、Twitter，到微博、微信，各式各樣的社交媒體在技術浪潮中不斷涌現，并迅速發展和擴張，逐漸成為新一代的信息傳播工具。一方面，社交媒體這類新媒體支持更加多樣的信息承載方式，文字、圖片、視頻等形式都可以在社交媒體上進行應用。另一方面，由于社交媒體是基于用戶關系而存在的，公共與私人邊界變得模糊，在這種媒介環境下，信息處于失控的狀態，信息流侵蝕了理性思考的空間[1];同時，用戶在使用社交媒體時通常會傳達其情緒的相關信息，社交媒體也就成為一個公共情緒的集合體，情緒在其中發揮的作用也愈發受到關注[2]。因而信息在社交媒體上的傳播會呈現出與以往不同的特征，健康傳播在從大眾媒體轉移到社交媒體的過程中也受其影響，呈現出不同的傳播效果。

在社交媒體中，新浪微博是中國首個社交媒體平臺，也是目前國內最大的社交媒體平臺，截止至2018年底，新浪微博的月活躍用戶達到4.46億，認證企業/機構賬號超過150萬，并有大量的關鍵意見領袖（ Key Opinion Leader，KOL）在微博開設賬號。

基于社交媒體的特點，本文想要探究這些特點對于健康信息傳播效果的影響，探討信息形式、信息中蘊含的情緒對于健康信息的傳播會有怎樣的影響。由于新浪微博在中國社交媒體平臺中無可替代的地位，本文從新浪微博選取研究對象。

一、文獻綜述

在我國，健康傳播這一概念的興起最早引自于健康教育領域。隨著電子媒介和網絡媒介的興起，健康傳播的方式更加多樣。前人的研究發現，新興的社會化媒體的信息傳播方式更能提升公眾的健康意識，公眾也更傾向于用社交媒體來獲得健康知識[3];并且采用視頻、視頻和文字結合的信息傳播方式可以使得受眾對健康知識的卷入度和記憶程度更高，且能回想起具體的信息[4];但也有學者發現，相比于視聽形式或者音頻形式，文字更適合于傳遞健康知識這類相對復雜的信息[5]。因而，社交媒介等新媒體在信息形式上是否有助于健康知識的傳播還需要進一步的探討。

除了信息形式對健康知識的傳播會造成影響外，健康知識中的情緒、情感傾向同樣會影響健康傳播的效果。前人研究發現，人的情緒即使不經過社會交往情境，也能夠只通過語詞進行傳遞[6]，這就使得社交媒體上文本中所蘊含的情緒對傳播效果的影響有著更多的可能性。此外，有學者對微博平臺上的用戶情緒與傳播行為的關系進行研究后發現，喚起程度對情緒效價與微博信息轉發、評論的關系有調節作用[7]，這進一步強調了情緒在信息傳播中發揮的作用。從前人的研究我們可以看出，情緒在引導人們的健康行為中發揮著很大的效用，無論是蘊含在健康知識中的情緒，抑或是健康行為中的情緒，都與人們之后的健康行為相關。但健康知識中的情緒與受眾之后的行為間的關系，及這種關系是如何產生的還需要進一步的研究。

二、研究問題

社交媒體上用戶可以用轉發、點贊或者評論表達自己的態度，轉發數越多意味著傳播擴散效果越好，點贊數越多意味著人們的認同感越強，這三種行為的效果都可以通過具體的數據來衡量。

社交媒體的一個重要特點就是可以靈活地應用多種信息形式，但是哪種信息形式的健康信息在微博上有更好的傳播效果并沒有明確的結論，因此文本提出以下研究問題：

R1：信息形式如何影響健康類微博的轉發效果？

R2：信息形式如何影響健康類微博的評論效果？

R3：信息形式如何影響健康類微博的點贊效果？

社交媒體是一個公共情緒的集合體，但是文本中的情緒與健康信息的傳播效果之間的關系并沒有明確的結論，因此文本提出以下研究問題：

R4：文本中蘊含哪種情緒的健康類微博的轉發效果更好？

R5：文本中蘊含哪種情緒的健康類微博的評論效果更好？

R6：文本中蘊含哪種情緒的健康類微博的點贊效果更好？

三、研究方法

（一）數據來源

本文選取D平臺的新浪微博博文作為研究對象，利用爬蟲爬取其2012年7月27日至2019年1月19日的全部原創微博共4971條，包含微博內容、內容的形式以及各條微博的評論、轉發和點贊數。其中，內容的形式包括文本、圖文結合以及視頻形式三種。

（二）數據處理

在進行數據分析時，本研究對變量進行了處理。由于轉發數、評論數和點贊數這幾個連續變量的原始數據并不符合正態分布的假設，本研究對該變量進行取對數的處理。

在分類變量方面，本研究使用HanLP基于機器學習的sentimentAnalysis方法進行情感分析和分類，sentimentAnal-VSIS方法利用樸素貝葉斯法進行特征提取，從訓練集中選取最有助于分類決策的詞語，經過訓練后返回一個情感分析與分類的模型，并使用這個模型對文本進行情感分析和分類。本研究使用的訓練集是ChineseNlpCorpus兩份帶情感標注的新浪微博數據集，其中一份將數據以正負向進行標注，正負向數據各5萬條;另一份將數據以4種情感進行標注，其中喜悅約20萬條，厭惡、憤怒、低落各約5萬條。在以上兩份數據集的訓練下將D平臺的新浪微博內容進行情感標注，分別以正負面與喜悅、厭惡、憤怒、低落進行標注。

四、研究發現

（一）單因素方差分析

我們采用單因素方差分析來檢驗不同的信息形式、微博文本中的不同情緒的傳播效果。

（二）信息形式與傳播效果的關系

從單因素方差分析結果可以看出，健康信息的傳播效果從好到差的信息形式依次是文本、視頻、圖文結合（p<0.01），即文本形式的微博轉發、評論、點贊效果最好，其次是視頻、圖文結合形式。因此回答了R1、R2、R3三個研究問題。

（三）文本情緒與傳播效果的關系

從圖1、圖2的單因素方差分析結果可以看出，如果以正向和負面兩個層面對微博內容進行標注的話，負向情感的微博轉發數和評論數越多。說明蘊含著負面情感的健康信息微博的轉發效果和評論效果更好，而在點贊效果上沒有顯著區別。

如果以喜悅、憤怒、厭惡和低落四個層面對微博內容進行標注的話，轉發效果從好到差的文本情感依次是低落、喜悅、憤怒、厭惡;評論效果最差的文本情感是低落：點贊效果從好到差的文本情感依次是喜悅、低落、憤怒、厭惡。總體而言，喜悅和憤怒的文本情感的轉發、評論、點贊效果最好;低落的文本情感的轉發、評論、點贊效果最差。

上述的結果回答了R4、R5、R6三個研究問題。

五、研究討論與結論

社交媒體的興起使得更多的信息形式可以用于信息傳播，那么在微博健康信息的傳播中，新媒體技術帶來的豐富的信息形式是否真的能夠促進其傳播效果？從信息形式對微博傳播效果的影響結果來看，視頻這一承載信息量最大、且是新媒體技術發展所帶來的信息承載方式雖然對健康傳播的傳播效果有所促進，但是在傳播效果上還是弱于文本信息的傳播效果，這說明在傳遞類似健康知識這類相對復雜的消息時，文本形式依舊是最有效的媒介的形式。

社交媒體上是一個情緒的集合體，情感盛行，這與健康傳播注重理論論證之間存在矛盾，那么微博健康信息中的情感傾向是否會影響其傳播效果？從文本情緒對微博傳播效果的影響結果來看，負面情感傾向會促進健康信息的轉發和評論，因為在健康傳播中，當提及與損失有關的話題時，會給受眾一個直接的風險預警，引發受眾的警覺，即負面刺激會使得受眾更有可能對健康信息進行進一步的思考，從而促成進一步的評論、轉發等互動行為。同時，在社交平臺上喜悅和憤怒更容易傳播[8]，說明喜悅和憤怒情緒有助于健康知識的傳播，這可能是由于本文中的喜悅和憤怒更容易感染受眾，促使受眾對信息做出反應，產生傳播或者互動行為。

參考文獻：

[1]Lash S.Critique of Information[J]. 2002.

[2]Bollen J，Pepe A，Mao H.Modeling public mood and emotion： Twitter sentiment and socio-economic phe-nomena[J]. Www， 2009， 44（12）：2365 - 2370.

[3]Korda H H，Itani Z.Harnessing Social Media forHealth Promotion and Behavior Change[J]. Health PromotionPractice， 2013， 14（1）：15-23.

[4]Yadav A，Phillips M M，Lundeberg M A，et al.If a picture is worth a thousand words is video worth a million？Differences in affective and cognitive processing of video andtext cases[J]. Joumal of Computing in Higher Education，2011.23（1）：15-37.

[5]Byme M，Curtis R.Designing health communica-tion： Testing the explanations for the impact of commumca-tion medium on effectiveness[J]. British Journal of Health Psy-chology， 2011， 5（2）：189-199.

[6]Kramer A D I，Guillory J E，Hancock J T.Experi-mental evidence of massive-scale emotional contagionthrough social networks[J]. Proceedings of the National Acad-emy of Sciences， 2014， 111 （24）.8788-8790.

[7]陳爽，周明潔，張建新，微博信息的情緒效價與喚起程度對信息傳播的影響[C]//第十五屆全國心理學學術會議論文摘要集.2012.

[8]Fan R，Zhao J，Chen Y，et al.Anger Is More Influ-ential than Joy： Sentiment Correlation in Weibo[J]. PLOS ONE.2014，9.

【作者簡介】李志鵬，上海交通大學媒體與傳播學院，研究生學歷;研究方向：新聞與傳播學。