基于谣言传播模型的“微博社区”负面信息扩散效应及案例研究
2015-10-20雷宏振章俊兰娟丽袁丹
雷宏振++章俊++兰娟丽++袁丹
（摘要]微博在成为新的网络社区平台的同时，也成为负面信息传播的主要载体，本文基于谣言传播的SIR模型，构建了“微博社区”负面信息的传播模型，并利用社会网络分析方法，以浙江义鸟“微笑哥”之谜为实证研究对象，研究结果表明网络社区内负面信息扩散的关键节点单一，信息传播路径分散，节点自接受信息的途径宽，整个负面信息传播网络呈现松散性特征。
[关键词]微博社区；负面信息；扩散效应；案例研究
[中图分类号] G206.2 [文献标识码]A [文章编号]1008-0821（2015）05-0030-05
在Web2.0时代，微博作为一个“自由互动空间”，在表达个人言论、情感、意见的同时，也成为负面信息的主要载体。同时，由于微博信息主体身份的隐蔽性，微博监管的困难，使得负面信息在短时间内得到快速传播，因此，研究“微博社区”负面信息传播机理及扩散效应，并在此基础上进行有效的预见和控制可以起到积极的作用。在现实生活中，由于预见和控制滞后所带来的负面信息的影响案例有许多，例如，2011年3月日本福岛核泄露后所引起的“抢盐风波”，2014年9月25日的海口12岁男孩疑食老鼠肉风波，这都引起了极大的社会恐慌。本文试图运用社会网络分析方法，研究微博社区内负面信息传播的形成机理及其效应，为微博社区内负面信息传播的引导和控制提供决策参考。
1 相关文献述评
社区的概念最早是由德国社会学家滕尼斯在其1887年出版的《社区与社会》中提出，他所说的“社区”指的是一种基于血缘关系或自认情感的社会有机体。随着互联网时代的到来，人们通过互联网交流形成了具有共同价值观、共同归属感的群体，这时，强调具有“精神共同体”属性的“虚拟社区”便凸显出来，本文所研究的微博社区便是虚拟社区的一种呈现形式，作为虚拟社区的一种表现形式，微博社区是指微博主体利用微博客户端，围绕共同的兴趣和共同的需要进行频繁的社会互动而形成的具有文化认同的共同体和虚拟的活动场所，微博社区内的交往具有超时空性、人际互动具有匿名性。微博社区作为用户信息分享、传播与获取的平台，不同于传统的虚拟社区，它更强调关注信息的产生、扩散和传播。
然而，学术界对于微博社区的研究相对缺乏，国外对微博的研究，以对Twitter的研究为主，Kristina研究了新闻事件在Twitter中的传播，发现社会网络在信息传播中起到关键角色的作用，信息网络结构会影响信息传播。Kwak等人通过大规模分析Twitter数据，发现一条信息一旦被评论，就将快速的在网络中扩散，而且还得出了Twitter的网络结构具有非幂律分布、高效率和非互惠性的特征，与人类社会交流网络具有极大不同。此外，还有学者对微博信息传播特征进行了研究，发现了微博信息传播具有间接性、路径短、时效性特征。国内对微博的研究主要集中在新浪微博、腾讯微博的实证研究方面，平亮、宗利永从社会网络的研究视角出发，通过测量网络结构的各种中心性，对微博信息传播进行了分析。在此基础上，王晓光、袁毅、滕思琦从实证的角度，根据核心——边缘理论和聚类分析方法，界定了微博社区中核心区域与外围区域，并对微博社区内的交流网络结构和特点进行了研究。姜鑫、田志伟则以腾讯微博为研究对象，进一步证明了微博社区内的交流网络具有小世界特征。小世界现象的特征是指既具有较高的聚类系数，又具有较短的平均路径长度的网络，存在小世界现象的网络称为小世界网络。在用户交流网络特征的基础上，刘金荣以“蓟县大火”微博谣言为实证研究对象，分析了网络中关键节点对谣言传播路径和传播速度的影响，厘清了其传播规律一。类似的还有许玉、宗乾进、袁勤俭、朱庆华等人以典型的银行信用卡负面口碑事件为例，分析了微博社区中负面口碑的传播路径、负面口碑的控制能力。
但是，现有的研究没有对微博社区内负面信息的传播进行研究，本文将利用社会网络的分析方法在这一方面进行探讨。负面信息是指能够对个人、社会产生消极影响的，不符合社会实践的规律性、目的性的各类信息，这类信息的呈现形式可以是一张图片、一条文本信息或者是一段视频，同时，这里所研究的负面信息仅限定为通过微博手段进行传播的负面信息。
2 负面信息传播模型构建
微博社区内负面信息传播有其特有的传播机理和传播特征，但是目前关于信息传播模型应用最广泛的是经典的谣言传播模型，即SIR模型，负面信息虽然与谣言传播模型有诸多相似之处，但是，也有区别，因此，结合负面信息传播过程的实际情况，我们对经典谣言SIR模型进行了改进，改进后的负面信息传播模型包含以下4种状态：未得到负面信息状态（S态）、得到负面信息并继续传播状态（I态）、得到负面信息但不确定是否继续传播状态（IH态）、得到负面信息不继续传播状态（R态），模型中各状态转移情况如图l所示。
根据图示，微博社区负面信息传播模型中4种状态的转移情况如下：某节点未得到负面信息时，处于S态，当它收到负面信息后，以一定的概率转变成I态或IR态，态向其所有关注节点继续进行信息传播后转变为R态，处于IR态的节点需要进一步等待其它因素的影响，转变为J态或R态。
对于上述模型做如下说明：
（1）由于微博负面信息传播网络的复杂性和用户行为的随机性，假设负面信息只能通过用户的“转发”关系、“评论”关系网络进行传播，其它渠道的传播不在本文考虑范畴。
（2）微博信息具有时效性，随着时间的推移，被继续传播的概率递减。在经过一定的时间后，处于lR态的节点都转变为R态，最终网络中将只存在S态和R态的节点l
（3）微博社区负面信息传播的影响因素有3个：负面信息网络拓扑结构复杂性、负面信息复杂属性、信息节点（微博用户）属性复杂性。
负面信息传播模型的形式化形式即：
微博社区负面信息传播复杂网络可以表示为有向图 代表负面信息传播网络中的一个J}j户节点， 表示用户u关注了v，endprint
表示用户总数， 表示边总数。结合本文构建的负面信息传播模型，如果某个节点用户转发或者评论了某条信息，那么这条信息就会传播给所有关注他的节点，负面信息得到继续传播，负面信息的传播主要受信息节点检查信息的时间、评论或转发概率的影响。因此，针对负面信息传播模型做出如下假定：
（1）信息节点检查负面信息的离散时间序列为标记为
由于微博社区内节点用户行为是相互独立的，所以 是独立的随机变量：
（2）若在时刻 ，信息节点i已经接受了该条负面信息，且该条负面信息得以继续传播的概率为‰，则它是负面信息属性因素、信息源因素及信息节点主观因素的函数：
在上述公式中，A.代表负面信息的属性因素、信息节点主观因素（即信息节点在收到负面信息后，不受其他因素影响的条件下转发或评论的概率）。本文假定λ1∈[0，l]是独立的随机变量，m表示在时刻Tn已接收到负面信息的累计次数，a表示负面信息源的累计可信度，p表示累计强关系数。因此，当信息节点仅接受1次信息时，信息继续传播的概率取决于Pin和λ1的值，二者的值越大，负面信息传播的概率就越大，随着m值的增加，a和p的值也增加，而q无限趋近于O。
负面信息传播模型揭示了微博社区内负面信息的动态转移模式，根据负面信息传播模型，微博社区内负面信息在动态转移的过程中可能具有松散性特征，接下来我们将通过案例研究对微博社区内负面信息传播网络的密度、中心度进行分析，进一步探析微博社区内负面信息传播的特点。
3 案例研究
本文选取的案例来自新浪微博，即2014年7月15日23时28分，一名经过实名认证的名为“吴法天”的微博用户发表了一篇名为《义乌“微笑哥”之谜》微博，在微博中爆料了这样一条信息：浙江义乌工业园区张浒村一位80岁的老人与几位妇女向工业园区局长下跪，哭求解决问题，但该局长面对下跪群众无动于衷且笑容灿烂。中午，义乌工业园区针对此事回应称，真相并非如此，期间有村民跟该工作人员打招呼，他礼节性微笑回应。这条消息迅速在微博上发酵，被转发126次，评论91次。
本文基于新浪微博API，利用自编程序来获取本研究的数据：获取该条负面微博日志的评论信息，主要包括用户评论内容、用户ID。在此基础上，构建一个基于负面信息传播的社会网络，其中节点表示信息的产生者和传播者，具体到本研究而言，是对“吴法天”所发微博而进行评论的用户、被评论用户转寄（@功能）给的用户、以及“吴法天”本人。
通过以上的三类用户构建邻接矩阵，表示他们之间信息传播的关系，其中，矩阵的“行”代表信息发送者，“列”代表信息接受者。如果这些用户中某位用户将信息传递给了另一位用户，则对应的行列元素值为1，否则为0，最终得到一个二值矩阵。将邻接矩阵导入社会网络分析软件Ucinet，然后用运用Ucinet的绘图软件工具Netdraw绘制出该微博社区内交流网络的社群图（见图2）。
3.1 网络密度测度与分析
网络密度是指社会网络图中节点与节点之间联系的紧密程度，表示社会网络图中节点成员之间信息互动传播的紧密性，网络密度的测量需要考察社会网络图中实际存在的连接数与最大可能存在的连接数之比。在一个包含n个点的有向网络图中，所能包含的最大连接数恰恰等于它所包含的总对数，即n（n-l），所以其密度为l/n（n-l），其中，l为社会网络图中实际存在的连接数。
运用UCINET软件对“浙江义务微笑哥”这个负面信息整体网络邻接矩阵数据进行密度测度，结果如表1所示。根据结果显示，在由58个传播节点组成的“义乌微笑哥”负面信息传播网络中，实际存在的连接数为73条，即73对节点之间存在联系，且整体网络间的密度为0.0221。这个测量结果表明这则负面信息传播的过程中，传播节点与传播节点之间的联系并不紧密，不存在普遍的、密切的交流关系。对此，我们通过构造一个随机试验网络来进行对
本文选取的案例网络中的连线数为73条，节点为58个。在UCINET软件中构造一个拥有58个节点的随机试验网络，并计算该试验网络的网络密度，结果为0.063，如表2所示。
将“浙江义乌微笑哥”这个负面信息网络与随机试验网络的参数进行对比，发现“浙江义乌微笑哥”这则负面信息网络的密度要远远小于随机试验网络。这说明，负面信息在传播的过程中，传播主体与传播主体之间的互动交流较少，联系不够紧密，整个网络的关系形态松散，主要原因在于新浪微博用户之间缺乏广泛的互动交流。
3.2 网络中心度测度与分析
网络中心度是社会网络分析研究的重点，它表明了网络图中各个节点在整体网络中的具体位置，进一步而言，中心度反映的是网络中的节点在网络中的中心权力和中心地位。在负面信息传播的网络中，节点的中心度不仅仅是显示其所处位置与权力，更体现了网络节点对网络内部信息流动的控制能力，从而反映了负面信息传播过程中的路径特征。刻画中心度的指标有点的度数中心度、点的中间中心度、点的接近中心度。
3.2.1 点的度数中心度
节点的度数中心度有两类——绝对中心度和相对中心度。点的绝对中心度是指该点直接相连的点的数量，点的相对中心度是绝对中心度的标准化形式。点的度数中心度反映的是网络中节点的交互能力，如果一个网络节点与很多其它节点直接相连，就认为该节点的度数中心度较高，该节点越接近于社会网络的中心位置，该节点的社会地位越高，权力也就越大。在节点为n的有向网络图中，相对度数中心度的表达式为：
其中 表示第i个节点的中心度。
运用UCINET软件对“浙江义务微笑哥”这个负面信息网络进行点的度数中心度测度，结果如表3所示。从结果可以看出“义乌微笑哥”负面信息传播网络的整体点度中心度为2.172，l号“吴法天”是整个负面信息传播网络中的关键节点，明显高于实验网络中其他节点，这说明在整个负面信息传播的过程中，1号“吴法天”处于整个负面信息传播网络中的中间位置，与其它众多节点之间存在着交流，并且控制着其它节点对负面信息的接受和传播，但是，我们也发现网络中关键节点单一，信息传播路径分散。endprint
3.2.2 点的中间中心度
节点的中间中心度是用来测量某个节点作为中介的作用与功能，也就是该节点作为“桥”存在能力的大小，在一个完整的网络图中，如果网络的行动节点处于许多交往网络路径上，那么，可以认为此节点在网络结构中处于重要地位，因为此节点能够控制其它两节点之间的交互沟通，“处于这种位置的个人可以通过控制或者曲解信息的传递而影响群体。”如果说一个点处于许多其他点对的最短路径上，我们就说该点具有较高的中间中心度，一个网络节点的中间中心度越高，那么越多的节点就必须通过它才能进行沟通互动。中间中心度的表达式为：
其中 表示第三点i能够控制此两点的交往能力，即i处于j和k之间的捷径上的概率。
运用uCINET软件对“浙江义务微笑哥”这个负面信息网络进行点的中间中心度测度，结果如表4所示。从结果可以看出“义乌微笑哥”负面信息传播网络58个节点中，13个节点的中间中心度大于0。其中，最大中间中心度为959，为原文作者“吴法天”，其次是“吴飞微议”、“王海 涖”、“mixlahn嘲ahnuxlah”，中间中心度分别为392、192、153。这说明这几个微博用户在“义务微笑哥”这条负面信息传播的过程中具有一定的“控制力”，就整个网络而言，网络中的大部分节点不需要别的节点作为桥接点，便可以接受信息，反映了负面信息传播的分散特征，其传播路径以“吴飞微议”、“王海 涖”、“mixlahnuxlahrruxlah”3个节点为中心分散传播。
3.2.3 点的接近中心度
节点的接近中心度指的是该节点与图中其它所有其他点的最短距离之和，接近中心度是一种针对不受他人控制的测度。如果一个点与网络中所有其他点的“距离”都很短，则称该点具有较高的接近中心度。具有较高接近中心度的节点，在信息传递过程中较少依赖他人，其测量公式为：
其中， 是点i和j之间的捷径距离（即捷径中包含的线数）。
运用UCINET软件对“浙江义务微笑哥”这个负面信息网络进行点的接近中心度测度，结果如表5所示。从结果可以看出，网络中的大部分节点的接近接近中心度接近于0，这说明在负面信息传播的过程中，节点与节点之间的信息依赖程度较高，负面信息资源的传播被一些中心节点或小团体所控制，信息如果不经过中心节点或小团体，那么负面信息的传播就会受阻，不能顺利地从一个节点传播到另一个节点。这也说明负面信息传播路径较长，传播形态松散。
4 结论与启示
基于实证数据对微博社区内负面信息传播的研究一直较为匮乏，本文通过实证分析新浪微博上的一个负面信息，来获取负面信息传播的网络结构，构建了微博社区内负面信息的传播模型，描绘了负面信息传播的动态转移模式，并利用社会网络的分析方法，比较案例中的“浙江义务微笑哥网络”与随机试验网络的网络密度，发现试验网络的密度小于随机网络的密度，证明了微博社区内负面信息传播具有松散性特征。进一步通过对负面信息传播网络的点度中心度、中间中心度、接近中心度的分析，发现影响整个网络内信息扩散的关键节点单一，信息传播路径分散，节点自接受信息的途径宽，节点与节点之间的相互依赖程度较高，节点的这些特征促使了负面信息传播松散性的形成。endprint
