社交機(jī)器人對(duì)社會(huì)輿論的影響因素研究

許靈毓，鐘義信，陳志成

（1.英國布里斯托大學(xué) 社會(huì)科學(xué)與法學(xué)院, 英國 布里斯托; 2.北京郵電大學(xué) 人工智能學(xué)院，北京 100876; 3.北京郵電大學(xué)-格分維普惠人工智能聯(lián)合實(shí)驗(yàn)室, 北京 100876; 4.北京格分維科技有限公司， 北京 100070）

當(dāng)前我國互聯(lián)網(wǎng)用戶已經(jīng)超過十億，已實(shí)現(xiàn)全地域、全年齡段的互聯(lián)網(wǎng)覆蓋，短視頻平臺(tái)等社交媒體也隨之迅速發(fā)展并覆蓋了大多數(shù)人口。由于這種發(fā)展，社交媒體平臺(tái)的信息流對(duì)我國公眾的影響力迅速上升[1]。在新冠疫情等全民關(guān)注的議題上，社交媒體已成為我國公眾最主要的、最依賴的信息獲取渠道。隨著人工智能技術(shù)的快速發(fā)展與普及應(yīng)用，出現(xiàn)了大量社交媒體機(jī)器人，借助社交媒體平臺(tái)發(fā)揮著越來越強(qiáng)的輿論引導(dǎo)作用。

1 研究現(xiàn)狀

社交機(jī)器人對(duì)輿論的影響目前受到了學(xué)界的普遍關(guān)注。如王晗嘯等[2]、師文等[3]通過不同方法分別研究了推特的社交機(jī)器人，發(fā)現(xiàn)推特平臺(tái)的各話題下約有1/5的賬號(hào)是社交機(jī)器人。Bessi等[4]通過對(duì)美國大選的考察發(fā)現(xiàn)，參與競選辯論的社交媒體社區(qū)的280萬個(gè)賬戶中約有1/5是機(jī)器人，競選團(tuán)隊(duì)都使用了機(jī)器人來大規(guī)模地引導(dǎo)公眾并制造影響力。

然而，現(xiàn)有研究存在2方面不足：

1)在多種因素影響下，社交機(jī)器人對(duì)輿論擴(kuò)散的各個(gè)環(huán)節(jié)影響的分析仍然不足，多集中于輿論的形成和發(fā)酵環(huán)節(jié)。如Cheng等[5-6]應(yīng)用“沉默螺旋”理論，分析了社交機(jī)器人占據(jù)輿論主導(dǎo)權(quán)的動(dòng)態(tài)機(jī)制，并將報(bào)紙、廣播電視等媒體引入了這一機(jī)制。但這些研究僅關(guān)注輿論的產(chǎn)生和擴(kuò)散，未將大眾輿論的分裂和極化考慮在內(nèi)。

2）對(duì)于大眾媒體影響的分析仍顯片面，如Cheng等[6]在對(duì)大眾媒體和社交機(jī)器人同時(shí)影響公眾輿論的研究中，將大眾媒體視作一個(gè)對(duì)公眾施加全局性影響的常量，這低估了大眾媒體與社交媒體所組成的“混合環(huán)境”的復(fù)雜性。

本文重點(diǎn)研究社會(huì)輿論的形成過程、分析有社交機(jī)器人參與其中時(shí)的影響因素和影響程度。

2 社會(huì)輿論的形成過程與影響因素

2.1 社會(huì)輿論的形成過程分析

“社會(huì)輿論”這一概念的定義有很多種，但整體而言，輿論是一種全社會(huì)公眾共同意志的體現(xiàn)。文獻(xiàn)[7]認(rèn)為，社會(huì)輿論是公眾針對(duì)某一問題產(chǎn)生的各種意見經(jīng)過交流和互補(bǔ)后，逐漸形成的統(tǒng)一的集合意識(shí)與整體知覺。經(jīng)過對(duì)輿論形成各環(huán)節(jié)的分析、總結(jié)、歸納，提出了加入社交機(jī)器人的社會(huì)輿論形成過程模型，分為“輿論出現(xiàn)、爭奪影響力、輿論形成”3個(gè)階段，社交機(jī)器人可以在3個(gè)階段中介入和影響，如圖1所示。

圖1 加入社交機(jī)器人的社會(huì)輿論形成過程模型Fig.1 Process model of social opinion formation by adding social robots

社會(huì)輿論形成的第1階段是“擬態(tài)環(huán)境”的形成。李普曼[8]認(rèn)為，人們認(rèn)識(shí)到的并非真實(shí)存在的世界，而是由媒體通過對(duì)事件或信息進(jìn)行選擇和加工，重新加以修飾后向人們呈現(xiàn)的“擬態(tài)環(huán)境”。社交媒體和傳統(tǒng)媒體都有可能成為“擬態(tài)環(huán)境”構(gòu)建的主導(dǎo)，“擬態(tài)環(huán)境”左右了輿論的形成。

社會(huì)輿論形成的第2階段是不同意見之間的對(duì)抗。與傳統(tǒng)媒體相比，F(xiàn)acebook、Twitter、微博等社交媒體的信息轉(zhuǎn)發(fā)和評(píng)論功能使初始影響較小的話題“滾雪球”增長，在極短的時(shí)間內(nèi)爆發(fā)，并可能進(jìn)一步從線上擴(kuò)展到線下，引發(fā)“輿論風(fēng)暴”。同時(shí)，社交媒體降低了用戶評(píng)論、表達(dá)自己意見和積極參與討論的門檻。因此，社交媒體輿論信息的爆發(fā)性傳播可以伴隨著觀點(diǎn)的激烈交鋒。持有不同意見的人可能會(huì)相互爭論或攻擊[9]。

從微觀上、社交媒體用戶個(gè)體的角度看，首先形成個(gè)人對(duì)問題的立場，而后也會(huì)參考他人的意見，從而形成一個(gè)較穩(wěn)定的固定立場。如果這種固定立場與主流立場相符合，個(gè)體就會(huì)傾向于繼續(xù)表達(dá)。從宏觀上，網(wǎng)絡(luò)空間不允許無限的個(gè)人表達(dá)，能夠容納不同觀點(diǎn)個(gè)人的數(shù)量是有限的，持有不同觀點(diǎn)的個(gè)人之間必然會(huì)爭奪有限的網(wǎng)絡(luò)空間資源。最終統(tǒng)一的網(wǎng)絡(luò)輿情形成。

社會(huì)輿論形成的第3階段是輿論的形成階段。在這一階段，社交媒體用戶不只是信息的被動(dòng)接受者，還會(huì)創(chuàng)建和分發(fā)內(nèi)容。根據(jù)使用與滿足理論[10]，受眾使用媒體獲得信息的主要心理需求并非獲取知識(shí)或真相，而是從信息當(dāng)中獲得心理滿足。社交媒體可以使個(gè)體很容易地找到支持他們現(xiàn)有想法的證據(jù)，并追隨那些持有類似觀點(diǎn)的人。

統(tǒng)一的輿論環(huán)境可能不會(huì)形成，而是出現(xiàn)了不同觀點(diǎn)的個(gè)體各自保留其現(xiàn)有的想法，只與和其有相同想法的用戶交互，從而形成輿論的分裂和小圈子的形成[11]。在輿論分裂狀況出現(xiàn)后，持有極端意見的個(gè)體會(huì)不約而同地選擇將溫和、中立的個(gè)體拉近自己的陣營并引導(dǎo)其逐步形成分裂的、極端的輿論環(huán)境[12]。反之，如果這種分裂狀況沒有出現(xiàn)，主流意見將逐步占據(jù)統(tǒng)治地位，輿論將逐漸靠近主流意見并向較溫和的立場回歸，支持主流意見的個(gè)體繼續(xù)發(fā)聲，不支持主流意見的個(gè)體在評(píng)估輿論氣候后進(jìn)入沉默，從而形成統(tǒng)一的、溫和的輿論環(huán)境。

2.2 社會(huì)輿論影響因素分析

在研究分析社會(huì)輿論形成過程基礎(chǔ)上，發(fā)現(xiàn)并歸納出影響社會(huì)輿論的主要因素，它們與傳播媒體、議題自身、受眾群體密切相關(guān)，如表1所示。

表1 社會(huì)輿論的影響因素Table 1 Influence factors of public opinion

1) 與媒體相關(guān)的因素：媒體對(duì)信息的反應(yīng)速度、大眾媒體立場的統(tǒng)一性。

社會(huì)輿論形成的第1階段是“擬態(tài)環(huán)境”的形成，而更頻繁更新、更快捕捉新熱點(diǎn)的媒體將主導(dǎo)“擬態(tài)環(huán)境”的構(gòu)建。在傳統(tǒng)媒體和社交媒體組成的“混合環(huán)境”下，媒體的影響能力與其發(fā)布速度相一致。社交媒體的主要擴(kuò)散方式是“點(diǎn)對(duì)點(diǎn)”的好友之間的轉(zhuǎn)發(fā)，傳統(tǒng)媒體則是“點(diǎn)對(duì)面”的，都在一個(gè)時(shí)間段內(nèi)對(duì)其受眾施加影響[13]。因此，在新聞熱點(diǎn)出現(xiàn)時(shí)，傳統(tǒng)媒體和社交媒體何者能更快捕捉熱點(diǎn)，將決定輿論產(chǎn)生階段的擴(kuò)散模式。

在當(dāng)代社會(huì)，媒體是一個(gè)開放系統(tǒng)，個(gè)人會(huì)接觸到多個(gè)傳統(tǒng)媒體來源，它們可能立場不同，觀點(diǎn)相互矛盾[14]。當(dāng)傳統(tǒng)媒體的聲音一致性較強(qiáng)時(shí)，傳統(tǒng)媒體會(huì)成為不同意見競爭階段推動(dòng)某一意見成為主導(dǎo)的重要力量。研究表明，如果傳統(tǒng)媒體的意見不統(tǒng)一，就會(huì)導(dǎo)致傳統(tǒng)媒體對(duì)輿論發(fā)展影響效果的下降，即使有少量傳統(tǒng)媒體站在堅(jiān)持自己觀點(diǎn)的一側(cè)，但其在不同觀點(diǎn)之間競爭過程中發(fā)揮的影響力也可能會(huì)快速消散[15]。

2) 與議題相關(guān)的因素，輿論議題本身有3個(gè)屬性影響輿論的發(fā)展：議題的重要性、模糊性和爭議性[16]。

第1個(gè)屬性是重要性。波及范圍廣、與民眾切身利益相關(guān)的輿論議題更容易提升輿論熱點(diǎn)擴(kuò)散的廣度和受眾意見交換的頻率，這是由于此類議題或利益相關(guān)群體多、易引發(fā)受眾關(guān)切或同理心。

第2個(gè)屬性是模糊性。模糊性是指公眾對(duì)熱點(diǎn)事件的認(rèn)知是模糊的。這一方面可能是由于參與輿論的普通受眾缺乏對(duì)熱點(diǎn)事件所涉及的專業(yè)知識(shí)的了解，另一方面可能是由于媒體上有關(guān)熱點(diǎn)事件的信息是碎片化的、模糊的，輿論議題的模糊性增強(qiáng)可能會(huì)導(dǎo)致更強(qiáng)的爭議性。

第3個(gè)屬性是爭議性。有些話題尤其是關(guān)乎個(gè)體生命安全和社會(huì)公平正義的輿論議題，很容易引發(fā)不同群體之間的尖銳對(duì)立。暴露在此類爭議性話題下的事件會(huì)導(dǎo)致輿論參與者走向極端化和導(dǎo)致輿論走向分裂[17]。

3) 與受眾相關(guān)的因素：互動(dòng)強(qiáng)度、嗜同性、受教育水平、受眾社交網(wǎng)絡(luò)結(jié)構(gòu)。

在社交媒體上參與社會(huì)輿論的普通公眾也會(huì)對(duì)社會(huì)輿論產(chǎn)生影響。社交媒體上普通公眾有4個(gè)屬性可能會(huì)影響社會(huì)輿論的發(fā)展：互動(dòng)強(qiáng)度、嗜同性、受教育水平和受眾的社交網(wǎng)絡(luò)結(jié)構(gòu)。

互動(dòng)強(qiáng)度是指普通公眾在社交媒體平臺(tái)上與其他公眾互動(dòng)的強(qiáng)度，嗜同性是指公眾與且僅與和自己意見相同的其他公眾交流這一傾向的強(qiáng)弱。互動(dòng)強(qiáng)度較大時(shí)，公眾整體即使達(dá)成了共識(shí)，這種共識(shí)狀態(tài)也會(huì)是不穩(wěn)定的，嗜同性的升高也會(huì)導(dǎo)致輿論的分裂。在持不同立場的個(gè)體與和其志同道合的個(gè)體反復(fù)互動(dòng)的驅(qū)動(dòng)下，不同立場的公眾的觀點(diǎn)都會(huì)得到強(qiáng)化。

使用社交媒體的公眾的受教育水平也會(huì)影響社會(huì)輿論[18]。群體之間受教育程度的高低差異，與他們的媒體選擇、對(duì)信息的吸收能力、對(duì)信息真?zhèn)蔚姆直婺芰捅磉_(dá)能力都直接相關(guān)。高教育水平受眾接觸的信息渠道多，使其更容易以恒定的意識(shí)形態(tài)和理解模式來解讀信息，在主流意見逐漸勝出的階段，受教育程度較高的群體可能堅(jiān)持非主流意見，從而增大輿論分裂的可能性。

社交媒體用戶間不同的社交網(wǎng)絡(luò)結(jié)構(gòu)也會(huì)影響社會(huì)輿論[19]。用戶間的網(wǎng)絡(luò)結(jié)構(gòu)可依據(jù)意見領(lǐng)袖的多寡分為單核結(jié)構(gòu)、多核結(jié)構(gòu)和鏈?zhǔn)浇Y(jié)構(gòu)3種。單核模式的輿論信息傳播速度更快，關(guān)鍵傳播節(jié)點(diǎn)大多是強(qiáng)大的輿論領(lǐng)袖。鏈?zhǔn)侥Ｊ绞紫葟男》秶鷶U(kuò)展，傳播中的主要節(jié)點(diǎn)很少是意見領(lǐng)袖，信息的傳播擴(kuò)散性可能較弱。多核模式中，意見領(lǐng)袖和普通用戶都成為輿論熱點(diǎn)擴(kuò)散的關(guān)鍵傳播節(jié)點(diǎn)，此模式的影響力最大。

3 社交機(jī)器人對(duì)社會(huì)輿論的影響模式

3.1 社交機(jī)器人的級(jí)聯(lián)效應(yīng)

“級(jí)聯(lián)效應(yīng)”是社交機(jī)器人影響輿論的重要原理。當(dāng)新的信息出現(xiàn)時(shí)，個(gè)人對(duì)外界信息的觀察和吸收會(huì)影響他們自身的行為。當(dāng)群體中的不同個(gè)體非同時(shí)地接觸到該信息時(shí)，先接觸到信息并做出反應(yīng)的個(gè)體對(duì)信息的反應(yīng)會(huì)被后來者觀察到，有概率使得后來者放棄自己的思考和決策并效仿先接觸者的反應(yīng)。而這個(gè)過程在人群中的重復(fù)，會(huì)使得先接觸者的反應(yīng)被不斷模仿，直到某個(gè)用戶能獨(dú)立決策時(shí)，該級(jí)聯(lián)坍塌。

在文獻(xiàn)[19]對(duì)推特平臺(tái)上社交機(jī)器人行為模式的研究中，他們發(fā)現(xiàn)新聞的傳播遵循兩級(jí)模式，也即新聞先由媒體流向關(guān)鍵節(jié)點(diǎn)（一級(jí)傳播），再由關(guān)鍵節(jié)點(diǎn)流向一般大眾（二級(jí)傳播）。一些機(jī)器人作為首發(fā)，另一些機(jī)器人應(yīng)和，形成多個(gè)級(jí)聯(lián)鏈條，參與此種協(xié)作的機(jī)器人可能達(dá)到數(shù)萬個(gè)之多。社交媒體機(jī)器人也會(huì)與盡可能多的好友產(chǎn)生聯(lián)系，以此為現(xiàn)有級(jí)聯(lián)產(chǎn)生新的繼承者。此外，社交機(jī)器人不僅會(huì)主動(dòng)發(fā)帖、點(diǎn)贊，還會(huì)主動(dòng)試圖說服真人用戶關(guān)注自身。關(guān)注了社交機(jī)器人的真人用戶往往因級(jí)聯(lián)效應(yīng)成為機(jī)器人的模仿者。社交機(jī)器人參與輿論傳播時(shí)的級(jí)聯(lián)效應(yīng)如圖2所示。

圖2 社交機(jī)器人的級(jí)聯(lián)效應(yīng)Fig.2 Cascade effect of social robots

3.2 社交機(jī)器人加入社會(huì)輿論的過程和影響

社交機(jī)器人對(duì)社會(huì)輿論的熱點(diǎn)形成階段、影響力爭奪階段、最終輿論形成階段都會(huì)產(chǎn)生影響。社交機(jī)器人可以在社會(huì)輿論的產(chǎn)生、發(fā)展、形成的各個(gè)階段介入，如圖1所示。

1) 社交機(jī)器人對(duì)輿論熱點(diǎn)形成階段的影響。

哪種媒體在輿論熱點(diǎn)事件出現(xiàn)階段具有更快的反應(yīng)速度，就有可能主導(dǎo)“擬態(tài)環(huán)境”的形成。如果在這一階段社交媒體主導(dǎo)輿論走向，那么社交機(jī)器人則可能極大影響這一階段的輿論環(huán)境。如果在社會(huì)輿論熱點(diǎn)的早期就有社交機(jī)器人有方向地引導(dǎo)輿論，可能使得在輿論擴(kuò)散的早期階段即形成有利于社交機(jī)器人的主流意見。在這種情況下，主流意見和非主流意見的沖突可能不會(huì)出現(xiàn)。

2) 社交機(jī)器人在意見爭議階段對(duì)社會(huì)輿論的影響。

根據(jù)“沉默螺旋”理論[5-6]，在不同意見的競爭階段，影響個(gè)體的表達(dá)意愿的主要因素是個(gè)體所感知到的輿論環(huán)境。個(gè)體表達(dá)意見的意愿隨著輿論環(huán)境的變化而不斷變化。當(dāng)個(gè)體的意見與輿論環(huán)境中的主流意見相符合時(shí)，個(gè)體愿意表達(dá)自己的意見；當(dāng)個(gè)體發(fā)現(xiàn)對(duì)自己意見具有敵意的人占多數(shù)時(shí)往往會(huì)保持沉默，以避免被孤立。

在意見爭議階段，社交機(jī)器人足以影響公眾所感受到的輿論環(huán)境，從而影響人類用戶的表達(dá)意愿。這會(huì)使得反對(duì)社交機(jī)器人觀點(diǎn)的人類用戶沉默，最終導(dǎo)致機(jī)器人的觀點(diǎn)成為主流。在這一階段，如果傳統(tǒng)媒體和社交媒體的意見相同，則雙方會(huì)互相促進(jìn)，增加主流意見的影響力。但如果傳統(tǒng)媒體的影響力增加到一定程度，輿論的趨勢(shì)將被扭轉(zhuǎn)，使以前的少數(shù)群體逐漸成為社會(huì)的大多數(shù)。傳統(tǒng)媒體的參與可以有效地削弱機(jī)器人對(duì)與其具有不同意見的人類的抑制，從而有效地減少沉默者的數(shù)量。

3) 社交機(jī)器人在輿論形成階段對(duì)社會(huì)輿論的影響。

社交機(jī)器人在輿論形成階段可能會(huì)提高輿論走向極端和分裂的可能性。社交機(jī)器人與人類用戶的主要不同有2點(diǎn)：1) 社交機(jī)器人總是堅(jiān)持自己程序中的預(yù)設(shè)觀點(diǎn)，而不管感知到的整體輿論氛圍如何；2) 社交機(jī)器人僅在預(yù)定的時(shí)間段活動(dòng)，并且社交機(jī)器人的發(fā)帖、轉(zhuǎn)發(fā)動(dòng)作是自動(dòng)完成的，相比人類用戶完成同樣動(dòng)作的效率高得多。因此，社交機(jī)器人會(huì)極大地提升社交媒體平臺(tái)上的互動(dòng)強(qiáng)度，互動(dòng)強(qiáng)度和話題的爭議性的增加會(huì)增加社會(huì)輿論走向分裂的可能性，而社交機(jī)器人的互動(dòng)強(qiáng)度大于人類用戶，也會(huì)故意轉(zhuǎn)發(fā)相反立場的帖文，以此引發(fā)爭吵并吸引更多關(guān)注。因此社交機(jī)器人可能增加社會(huì)輿論分裂的概率。

社交機(jī)器人在輿論形成階段可能會(huì)提高輿論的信息熵，導(dǎo)致輿論走向更加隨機(jī)。當(dāng)社交機(jī)器人重復(fù)推送消息時(shí)，社交媒體整體的信息熵可能會(huì)隨著其爭議性推送而升高，從而提升輿論走向的隨機(jī)性和不確定性。

3.3 社交機(jī)器人的工作原理

社交機(jī)器人的工作原理總體上可以分為創(chuàng)建部署機(jī)器人、影響力擴(kuò)張、影響輿論形成3個(gè)環(huán)節(jié)，如圖3所示。

圖3 社交機(jī)器人的工作原理Fig.3 Working principle of social robots

第1個(gè)環(huán)節(jié)是部署機(jī)器人環(huán)節(jié)。該環(huán)節(jié)的第1步是大量創(chuàng)建賬號(hào)以備社交機(jī)器人使用。這一步驟可使用許多方式將其自動(dòng)化。如部署者可以通過光學(xué)字符識(shí)別和機(jī)器學(xué)習(xí)技術(shù)自動(dòng)解決驗(yàn)證碼、使用預(yù)先寫好的與電子信箱關(guān)聯(lián)的腳本進(jìn)行郵箱驗(yàn)證、破解客戶端等方式，高效地繞過社交媒體平臺(tái)的人機(jī)驗(yàn)證并創(chuàng)建大量賬戶。這一工作可以通過特定的軟件來大量完成。

然后，社交機(jī)器人部署者使用機(jī)器學(xué)習(xí)技術(shù)，構(gòu)建社交機(jī)器人與真人用戶的互動(dòng)能力[20]。部署者首先用爬蟲抓取用戶的社交關(guān)系、用戶的個(gè)人信息、發(fā)帖和評(píng)論4類信息，并將之儲(chǔ)存進(jìn)數(shù)據(jù)庫。依據(jù)這些數(shù)據(jù)，部署者會(huì)訓(xùn)練情緒分類器來區(qū)分評(píng)論的傾向，并基于數(shù)據(jù)庫訓(xùn)練文本生成器，使之可自動(dòng)生成符合部署者需求的評(píng)論。

最后需要為社交機(jī)器人構(gòu)建一個(gè)社交圈子。大多數(shù)人類社交媒體用戶對(duì)虛假賬號(hào)的好友添加請(qǐng)求并不謹(jǐn)慎，大多數(shù)人會(huì)同意社交機(jī)器人假賬號(hào)的好友申請(qǐng)[21]。社交機(jī)器人可通過在部署前建立一個(gè)好友圈子以增強(qiáng)其輿論影響力，這些好友會(huì)轉(zhuǎn)發(fā)或發(fā)布與機(jī)器人要影響的目標(biāo)話題相關(guān)和相似的話題。當(dāng)達(dá)到預(yù)設(shè)好友數(shù)后，此步驟即告結(jié)束。

第2個(gè)環(huán)節(jié)是影響力擴(kuò)張環(huán)節(jié)。該環(huán)節(jié)的目的是通過轉(zhuǎn)發(fā)行為，針對(duì)社交機(jī)器人要影響的目標(biāo)話題感興趣的用戶盡可能多地建立社交聯(lián)系[22]。社交機(jī)器人用關(guān)鍵詞篩選出與目標(biāo)話題有相同關(guān)鍵詞的消息， 如果在選定的消息中有轉(zhuǎn)發(fā)的消息，它將發(fā)送好友邀請(qǐng)，從而影響受眾人員對(duì)輿論環(huán)境的感知。機(jī)器人將重復(fù)這一過程，直到其好友數(shù)到達(dá)社交媒體平臺(tái)或部署者允許的上限。

第3個(gè)環(huán)節(jié)是輿論引導(dǎo)環(huán)節(jié)。社交機(jī)器人將通過生成評(píng)論、轉(zhuǎn)發(fā)、點(diǎn)贊等行為引導(dǎo)輿論。該環(huán)節(jié)主要執(zhí)行2個(gè)任務(wù)：1) 改變其好友網(wǎng)絡(luò)的結(jié)構(gòu)，2) 發(fā)布、閱讀、轉(zhuǎn)發(fā)和點(diǎn)贊帖文。社交機(jī)器人首先通過情緒分類器分辨其他賬號(hào)發(fā)布的帖子和評(píng)論的傾向，從而確定轉(zhuǎn)發(fā)內(nèi)容的對(duì)象。社交機(jī)器人可能向真人好友轉(zhuǎn)發(fā)相同立場的帖文以獲取更多支持，也可能故意轉(zhuǎn)發(fā)相反立場的帖文，以此引發(fā)爭吵并吸引更多關(guān)注[23]。與此同時(shí)，社交機(jī)器人也會(huì)依據(jù)對(duì)方影響力調(diào)整對(duì)方在自身社交網(wǎng)絡(luò)中的重要性，按影響力高低對(duì)好友進(jìn)行排序，優(yōu)先向影響力較高的用戶進(jìn)行轉(zhuǎn)發(fā)、評(píng)論等互動(dòng)行為。

4 影響因素的調(diào)查問卷實(shí)驗(yàn)分析

為了從多角度分析公眾視野中社交機(jī)器人對(duì)大眾輿論的影響，本文進(jìn)行了一次網(wǎng)絡(luò)問卷調(diào)查，共收到答卷10 771份，經(jīng)過數(shù)據(jù)整理，得到7 458份完整有效的答卷，下面進(jìn)行具體分析。

4.1 問卷調(diào)查問題設(shè)計(jì)

本次問卷調(diào)查設(shè)計(jì)了11個(gè)問題，如表2所示。

表2 問卷調(diào)查設(shè)計(jì)的11個(gè)問題Table 2 The 11 questions in questionnaire

4.2 受調(diào)查者背景信息分析

在問卷調(diào)查中，Q1、Q2、Q3為受調(diào)查者的年齡、文化、行業(yè)信息，統(tǒng)計(jì)數(shù)據(jù)分別如表3所示。

表3 受訪者背景信息(年齡、教育、行業(yè))分布Table 3 Distribution of respondents’ background information (age, education, industry)

Q1年齡結(jié)構(gòu)。有效回復(fù)中，主要為18～44歲的中青年和45～59歲的中老年，分別有4 378和2 255人，占比分別為58.79%和30.24%。18歲以下青少年次之，有572人。60～75輕老年和75以上的老年人口比例最少，分別只有187人和66人。

Q2教育程度。從受教育水平來看，參與本次調(diào)查的人員中以大學(xué)本科、專科為主，本科有3 289人，專科有1 397人，碩士有935人，博士825人，中小學(xué)及其他學(xué)歷有1 012人。

Q3行業(yè)結(jié)構(gòu)。從從事行業(yè)來看，受調(diào)查者主要以批發(fā)和零售業(yè)、餐飲等服務(wù)業(yè)有1 287人，文化、文創(chuàng)、教育、科研行業(yè)有3 311人，其他受訪者供職于互聯(lián)網(wǎng)產(chǎn)業(yè)、制造業(yè)等行業(yè)，在讀大、中、小學(xué)生650人。

4.3 社交機(jī)器人的應(yīng)用場景分析

問題Q4、Q5、Q6主要調(diào)查大眾對(duì)社交機(jī)器人應(yīng)用場景的了解，調(diào)查結(jié)果如圖4所示，主要反應(yīng)社交機(jī)器人用于哪些場景產(chǎn)生影響。

圖4 大眾對(duì)社交機(jī)器人應(yīng)用場景認(rèn)知的調(diào)查Fig.4 Survey on the public perception of social robot application scenarios

Q4反映出當(dāng)前社交媒體的關(guān)注度排行依次是：短視頻類平臺(tái)90.86%、文字圖片類網(wǎng)站87.46%、交互聊天類工具84.81%、傳統(tǒng)紙質(zhì)媒體71.98%、其他類型傳媒媒介30.53%。

Q5反映出大部分受訪者知道網(wǎng)絡(luò)上有社交機(jī)器人存在，占比70.65%，也有29.35%%的人不知道有社交機(jī)器人。

Q6結(jié)果表明網(wǎng)絡(luò)環(huán)境下的機(jī)器人有多種用途，其中可用于自動(dòng)客服、推送轉(zhuǎn)發(fā)消息、點(diǎn)贊或投票、與真人交流、發(fā)布評(píng)論的分別占比為91.59%、86.73%、57.52%、53.98%、49.85%。

4.4 對(duì)熱點(diǎn)事件的影響因素分析

問題Q7、Q8、Q9主要調(diào)查社交機(jī)器人對(duì)社會(huì)熱點(diǎn)事件的影響情況，調(diào)查結(jié)果如圖5所示。

圖5 對(duì)熱點(diǎn)事件的影響因素分析Fig.5 Influencing factors of hot events

Q7調(diào)查社交機(jī)器人對(duì)熱點(diǎn)事件的影響情況，41.00%的受訪者回答“因問題不同而定”，認(rèn)為有很大影響的為14.01%、有比較大影響的為18.29%，有較小影響的為17.99%，總體而言，有影響(含很大影響、較大影響、較小影響)總體比例為50.29%。

Q8詢問社交機(jī)器人通常對(duì)哪些類型的熱點(diǎn)事件影響較大，依次為：社會(huì)熱點(diǎn)事件(如新冠疫情)最高，占比64.31%；娛樂熱點(diǎn)事件其次，占比62.98%；經(jīng)濟(jì)熱點(diǎn)事件(如房價(jià)漲跌)占比58.41%；政治熱點(diǎn)事件(如美國大選)占比為56.49%；軍事熱點(diǎn)事件(如俄烏沖突)占比54.13%。可見社交機(jī)器人可以影響多方面熱點(diǎn)事件。

Q9調(diào)查社交機(jī)器人對(duì)公眾意見影響程度的主要因素有哪些，依次為：熱點(diǎn)事件本身的模糊性/爭議性占63.27%、熱點(diǎn)事件本身的重要性占60.47%、社交媒體賬號(hào)間的互動(dòng)強(qiáng)度占56.34%、用戶間鏈接及公眾人物數(shù)量占48.53%、社交媒體用戶的嗜同性占46.76%、社會(huì)公眾受教育水平占46.61%。由此可見，熱點(diǎn)事件本身的模糊性、爭議性、重要性也是主要因素。

4.5 社交機(jī)器人對(duì)輿論的影響效果分析

問題Q10、Q11調(diào)查社交機(jī)器人對(duì)社會(huì)輿論的影響效果，結(jié)果如圖6所示。

圖6 社交機(jī)器人對(duì)社會(huì)輿論的影響效果Fig.6 Social robots impact on social public opinion

由Q10結(jié)果可知：在加入社交機(jī)器人的媒體活動(dòng)中，其對(duì)社會(huì)輿論的影響是十分明顯的，75.66%選民認(rèn)為對(duì)輿論擴(kuò)散速度有影響，62.09%的選民認(rèn)為對(duì)個(gè)體網(wǎng)民的意見/傾向有影響，55.01%認(rèn)為社交機(jī)器人可以制造和掩蓋部分信息，這使得有53.54%選民認(rèn)為將會(huì)產(chǎn)生集體誤導(dǎo)。

由Q11結(jié)果可知：關(guān)于社交機(jī)器人是否可以部分或完全操控輿論新聞的調(diào)查，除了39.53%選民認(rèn)為“視具體問題而定”之外，有28.61%的選民認(rèn)為可以“少部分操控”，有22.12%的選民認(rèn)為可以“大部分操控”，甚至也有3.98%的選民認(rèn)為可以“完全操控”，加起來有54.71%的人認(rèn)為部分或完全操控。

5 機(jī)器人在熱點(diǎn)事件中的案例分析

5.1 選擇熱點(diǎn)事件案例

本文選取了2020—2022年美國社交媒體的新冠疫情相關(guān)資料作為研究樣本，分析社交機(jī)器人在社會(huì)熱點(diǎn)事件中的作用和影響。自2020年1月21日美國宣布第1例新冠確診病例以來，新冠疫情造成人員隔離、旅行禁令、企業(yè)破產(chǎn)等各種影響，這使得其迅速成為社交媒體討論的熱點(diǎn)事件[24]，并受到了社交機(jī)器人的廣泛介入。

社交機(jī)器人干預(yù)較多的議題包括確診病例和死亡病例、美國新冠肺炎疫情、中國新冠肺炎疫情等，在一定程度上影響公眾生活、公眾輿論、公眾心理情緒等[25]。

5.2 機(jī)器人在推特發(fā)帖中的活躍度分析

根據(jù)文獻(xiàn)[26]對(duì)205 298個(gè)關(guān)注新冠肺炎賬戶的推特賬號(hào)的統(tǒng)計(jì)分析，在3個(gè)月研究周期內(nèi)總發(fā)帖數(shù)量為10 098 455條。其中：人類賬戶為187 992個(gè)(占比91.57%)，發(fā)帖7 983 987條(占比79.06%)；機(jī)器人賬戶為17 306個(gè)(占比8.43%)，發(fā)帖2 114 468條(占比20.94%)。

定義：賬戶平均活躍度為研究周期內(nèi)的發(fā)帖總數(shù)與賬戶總數(shù)的比值。據(jù)此定義，機(jī)器人賬戶平均活躍度為2 114 468/17 306=122.18(條/個(gè))；人類賬戶平均活躍度為7 983 987/187 992=42.47(條/個(gè))。機(jī)器人賬戶平均活躍度明顯比人類賬戶平均活躍度高，是人類賬戶平均活躍度的2.88倍。

以上分析表明：社交機(jī)器人已經(jīng)成為社會(huì)熱點(diǎn)事件討論的重要參與者，其發(fā)帖活躍程度明顯高于人類發(fā)帖活躍度，與本文前述調(diào)查問卷結(jié)論相符。

5.3 機(jī)器人對(duì)公眾情緒的影響分析

社交機(jī)器人在社會(huì)輿論中表現(xiàn)活躍，可以影響公眾對(duì)某一話題的情緒傾向，并可能使這種情緒變得極端化。文獻(xiàn)[25]通過標(biāo)示特定情緒關(guān)鍵詞的方法，針對(duì)美國疫情期間公眾的“悲傷、憤怒、焦慮”3種情緒表現(xiàn)的極端化水平進(jìn)行研究，其中機(jī)器人發(fā)帖占比約5%，人類發(fā)帖占比約95%，情緒極端化水平計(jì)算方法見文獻(xiàn)[25]，分析數(shù)據(jù)如表4所示。

表4 機(jī)器人與人類發(fā)帖對(duì)情緒極端化水平的影響Table 4 Influence of robots and humans on the level of polarization

由表可知，5%社交機(jī)器人發(fā)帖引起的公眾情緒（含悲傷、憤怒、焦慮）極端化水平大于95%人類發(fā)帖引起的情緒極端化水平，其中焦慮情緒高出82.05%。

此研究表明，在熱點(diǎn)事件中，少量社交機(jī)器人即可對(duì)網(wǎng)民的意見、傾向、感受產(chǎn)生影響，對(duì)不同情緒表現(xiàn)影響大小不同，與本文前述調(diào)查問卷結(jié)論相符。

6 結(jié)束語

隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能的發(fā)展，機(jī)器人也越來越多地用于社交媒體。本文針對(duì)社交機(jī)器人影響社會(huì)輿論的因素進(jìn)行研究，詳細(xì)分析了社會(huì)輿論的產(chǎn)生、發(fā)展和形成的過程，可分為輿論熱點(diǎn)出現(xiàn)階段、不同觀點(diǎn)間的影響力競爭階段、最終主流輿論形成階段。在社會(huì)輿論的形成過程中，社交機(jī)器人與傳統(tǒng)媒體形成“混合環(huán)境”，影響力相互疊加或削減，最終形成社會(huì)輿論觀點(diǎn)。

調(diào)查問卷實(shí)驗(yàn)表明：社交機(jī)器人對(duì)信息傳播速度、網(wǎng)民意見形成具有顯著影響。通過對(duì)美國疫情議題下推特輿論的分析，發(fā)現(xiàn)社交機(jī)器人已成為輿論熱點(diǎn)話題重要的參與者，且對(duì)公眾的情緒傾向產(chǎn)生了明顯影響，與調(diào)查問卷結(jié)論相符。文章對(duì)于理解和分析社交機(jī)器人在社交媒體上的地位和作用具有重要參考價(jià)值。社交機(jī)器人影響社會(huì)輿論的其他因素可能有：傳播媒體類型、熱點(diǎn)事件自身性質(zhì)、參與互動(dòng)人群等方面，這將是進(jìn)一步深入研究方向。