当今微博谣言分类及影响谣言传播效果的关键指标研究

文丨石秋灵

（上海交通大学媒体与设计学院，上海 200240）

据报道，中国互联网络信息中心发布的第30次中国互联网络发展状况统计报告显示，截至2012年6月底，我国网民数量达到5.38亿，手机网民规模达到3.88亿,互联网微博用户数量达到2.74亿，网民使用率为50.9%.手机微博成为手机网民使用率增长幅度最大的应用，占整个手机应用的43.8%。微博已经发展为公众人际沟通交流互动的重要渠道。由此，如何遏制微博谣言成为了一个值得关注的问题[1]。

本文从传播学角度出发，从微博谣言内容分类的基础上，对各类谣言传播效果的关键影响指标进行定量分析，验证微博谣言传播效果与各指标的相关性，进而探究哪些关键指标对微博谣言传播具有显著推动作用，哪些指标可以减弱微博谣言的传播，为寻找遏制谣言的产生和传播提供探寻的思路和方向。

1 微博谣言的传播特性

一方面，微博的个性化和“碎片化”使微博内容不断被模糊和扭曲[1]。缺少传统媒体的把关人制度，使得信息具有较高的主观成分和不确定性。微博140个字数的限制导致碎片化的信息发布也促使接收者碎片化的阅读及转发，使得谣言信息剧增。

另一方面，微博圈易于谣言信息的聚集，使得谣言不断被强化。微博圈以共同的兴趣和关注点为建立标准，几乎任何一个话题都能让“自媒体”用户形成圈子或社群[2]，这样使信息以社群化的方式进行互动传播。同时微博圈也容易形成群体认知，这种群体认知都代表了无形的群体权威，使得群体共识以权威信息的方式在微博上迅速散播[3]。群体的权威性容易导致“沉默的螺旋”效应作用，使部分微博用户不去求证信息的真实性，而只是一味进行跟帖或转发，形成蝴蝶效应，社会影响大。

除了之外，微博用户的心理特性也赋予微博谣言传播新特性。微博使用者的从众心理以及晕轮效应使得谣言传播一路无阻[4]，例如微博中存在的加“V”名人，谣言一经他们转发，传谣信谣的人成几何级数增长。此外，微博谣言的生产和传播也满足了微博用户的泄愤心理及寻求满足的心理[4]。

2 微博谣言的内容分类

本文随机选取了2012年下半年的120则微博谣言样本，借鉴王国宁在《从传播学角度看谣言及其控制》一文对谣言的分类，在此将微博谣言按内容划分为：微博政治谣言、微博经济谣言、微博军事谣言、微博社会生活谣言、微博自然现象谣言[5]。根据质性分析的结果，微博谣言从内容上看主要可以分为5大类11个具体方面：政治谣言，占120份样本的15.8%，其中分为贪污失职4.2%、国家形象5.8%、政策法规5.8%；经济谣言占总类别比例11%，分为宏观经济3.3%，企业形象7.7%；军事谣言占类别比例为5.8%，分为国内军事3.3%，国外军事2.5%；社会生活谣言占59.9%，分为奇闻异事20.8%，安全健康22.5%，帮扶救助3.3%，名人丑闻13.3%；自然现象占总类别的7.5%，分为灾害事故3.3%，灾害预言4.2%。

可见与社会生活相关的谣言内容最为普遍，其比例超过总数的一半。在这一类别中，所占比例最高的是与安全健康相关的内容，占到了总数的22.5%。其次表达某种政治谣言的内容也很普遍，其所占比例为15.8%。这一类别中，比例所占最高的项是与国家形象或政策法规相关的内容，均占总数的5.8%。

3 影响微博谣言传播效果的关键指标

要从中鉴定散播谣言的微博源头需一个科学的系统对微博内容进行测量和评估。美国学者在鉴定博客信息的研究中归纳出三类评估指标：“输出”、“传输”和“效果”。[6]通过对上述五大类中每一类的谣言样本分别随机进行传播影响力的分析，根据对传播影响力概念的操作化，采用微博谣言信息的总覆盖人数、总转发人次、认证加V用户比例、僵尸用户比例、平均转发层级这五个变量作为微博信息传播影响力的关键指标。

鉴于这五项指标，得出如下几条假设：

H1.微博谣言总覆盖人次与总转发人次具有正相关性；

H2.微博谣言总覆盖人次与僵尸用户比例具有负相关性；

H3.微博谣言总覆盖人次与认证加V用户比例具有正相关性；

H4.微博谣言总覆盖人次与平均转发层级具有正相关性；

通过具体45则谣言样本的数据统计，分别得出五项关键指标的具体数值。运用spss软件将这五个关键指标的数值进行统计分析处理，最后运用回归分析检验总覆盖人数与其他各关键指标间的相关关系。

微博谣言总覆盖人数与此谣言转发者中的认证加V用户比例之间的相关度为0.8098,具有显著正相关性，验证了假说H3。微博谣言总覆盖人数与总转发次数之间的相关度值为0.6554,两者之间具有显著正相关性，验证了假说H1。微博谣言总覆盖人数与平均转发层级之间呈负相关性,相关度值为-0.1376，即这两者间不具有显著相关性，从而验证假说H4不成立。微博谣言总覆盖人数与僵尸用户数量之间相关度值为0.9372,具有非常显著的正相关性，该结果否定了假说H2。

一系列数据分析处理之后，发现微博谣言的总覆盖人数与转发者中认证加V用户、谣言的总转发人次、僵尸用户比例呈现正相关性。而总覆盖人数越大时，便于僵尸用户趁机插入，出现微博谣言总覆盖人数与僵尸用户数呈显著正相关性的现象。为此，在控制微博谣言传播影响力大小时，可以减少谣言转发者中的认证加V用户比例、谣言的总转发人次，增大僵尸用户比例着手来减弱微博谣言的传播影响力度。

4 研究结论

本文在对微博谣言内容分类的基础上，探究影响微博谣言传播影响力大小的关键指标，旨在为控制微博谣言的大肆传播提供思路与对策分析的出发点。在信息海量化的微博平台上，仅发现这些影响微博谣言传播的指标未能真正遏制谣言的传播，还需加强国家对不实信息传播的立法与惩治，充分运用法律法规和相关政策，对故意传播谣言并造成危害者施以法律的惩罚[7]。

[1] 汪青云，刘晨.“自媒体”时代微博谣言传播及应对机制[J].东南传播,2012:35.

[2] 喻国明，欧亚，张佰明，王斌.微博：一种新传播形态的考察——影响力模型和社会性应用[M].北京：人民日报出版社,2011:5.

[3] 禹卫华.微博虚假信息传播的新问题与应对[J].新闻记者,2011(5).

[4] 车玥.浅析微博中谣言传播的心理动因[J].人文论坛,2012:220.

[5] 王国宁.从传播学角度看谣言及其控制[J].新闻研究资料,1991(01):43.

[6] Yan Jin,Brooke Fisher Liu.The Blog—Mediated Crisis Communication Model: Recommendati ons for Responding to Influential Extenal Blogs[J].Journal of Public Relations Research,2010 (4):429-455.

[7] 丁琳.微博谣言治理模式初探[J].贵州民族学院学报(哲学社会科学版),2012(4).