Twitter涉华舆情极化现象研究——以中美贸易争端为例

■ 韩运荣 漆 雪

自2018年8月份美国单方面启动301调查以来,中美贸易关系阴晴不定。从2018年3月8日特朗普宣布对中国钢铁、进口铝征收关税开始,到3月23日签署总统备忘录,再到4月初,中美两国又先后公布征税的商品清单,4月17日美国商务部工业和安全局(BIS)宣布对我国中兴通讯实施拒绝出口特权,两国之间的贸易争端大有“山雨欲来风满楼”之势。因涉及多个国家、多个领域,中美贸易争端在全球引发激烈讨论，Twitter、Facebook等社交媒体上形成多个标签话题,如#Tradewar## Tradewars#等。

据We Are Social和Hootsuite①最新发布的2018年全球数字报告,现在世界各地已有超过30亿人在使用Facebook、YouTube、微信等社交媒体。②可以看出,国际社交媒体已成为全球性议题信息交流、扩散的重要渠道。因此,及时把握国际社交媒体中有关中美贸易争端中涉华舆情扩散特点,可以为我国对外传播争取更多话语权开辟新的视角。

一、问题的提出

早在网络媒体刚刚兴起时,美国哲学家凯斯·桑斯坦就提出,“网络对许多人而言,正是极端主义的温床。因为志同道合的人可以在网上轻易且频繁地沟通,但听不到不同的看法。持续暴露于极端的立场中,听取这些人的意见,会让人逐渐相信这个立场。”③

实证研究表明,正是网络媒体高度自主的选择技术和有效的过滤工具,使得个人更倾向于将自己暴露于同样的观点而非不同的观点中,这导致他们在某一方向上形成更多的极端意见,从而造成群体极化现象。④而极化现象往往出现在高度分化和激烈讨论的政治主题,如种族隔离、国家联盟、国际争端等。⑤

既有的研究还显示,在争议敏感的国际议题中,尽管传统组织发挥着一定的作用,但对社交网络的影响较小。媒体和政客在争议面前保持静默使得其他个人十分活跃。⑥

在此前提下,本文基于中美贸易争端的国际涉华舆情,提出研究问题如下:

RQ1,中美贸易争端的社交网络中,网络整体特点什么？是否存在核心—边缘结构？

RQ2,其社交网络中,是否存在因观点接近而聚集的小团体现象？

RQ3,其社交网络中,因意见相近的子群内部呈现出怎样的结构特点？其互动关系如何？

RQ4,不同的组织和个人又扮演什么样的角色？是否存在显著舆论领袖？

二、研究设计

有学者指出,社交媒体语境下的信息传播正是建立在用户的相互关系之上,即社会关系是影响信息传播行为及传播效果的重要因素。⑦因此,本研究采用社会网络分析(Social Network Analysis,简称SNS)的研究方法。它是分析社会现象中行动者之间的各种关系结构及其属性的方法。

为探索以上问题,本研究进行了如下的研究设计:

(一)社交媒体选择

本研究选取Twitter作为数据获取平台,主要基于以下三点原因:

首先,Twitter是当前全球各国用户使用频率最高的社会化媒体之一,Twitter发布的2017年四季度的财报显示,Twitter月活跃用户(MAU)为3.3亿人；⑧

其次,Twitter在全世界具有很高的影响力,根据国际网站Alexa.com最新排名,Twitter在全球网站排名第十三,仅次于Facebook和Reddit等社交媒体,在全球范围具有很高的影响力；⑨

第三,Twitter的数据获取方便,Twitter是一个开放的公共讨论平台,根据其开放的API,本研究能获得特定话题的全部数据。

(二)样本选择

本研究采用数据挖掘方法,通过python编程来获取与“中美贸易战”话题相关的所有数据。英文是Twitter上使用比例最高的语言。因此,设置的关键词为“tradewar Chinese/chinese/china/China”,设置日期为“2018年2月1日—2018年4月30日”,得到全部推文(tweet)共45188条。以文本内容(text)为基准,除去无效或重复或转发之后,还剩原创推文32547条。

研究指出,原创被转发数和原创被评论数是衡量微博用户传播力的重要指标。⑩因此,本研究以原创转发数和原创评论数作为推文影响力的指标,以转发数*0.5和评论数*0.5之和进行降序排序,选取不重复的前100个自媒体账号,并返回检查是否满足以下三个条件:

(1)粉丝数量至少10万以上；

(2)在中美贸易争端议题上表现活跃,发表过一定数量的相关推文,即在这3个月中至少发布了5条相关推文；

(3)至少有1篇中美贸易争端相关推文被转发或评论100 次以上。

最后得到了70个Twitter账号。

(三)态度/身份分类

本研究从态度和用户身份两个维度进行分类。

态度层面,依据对待中美贸易争端的总体态度,样本可分为三大群体:支持贸易战者,反对贸易战者和持中立态度者。

身份层面,根据Twitter账号下的自我描述可将用户分为两类:组织用户和个人用户。样本的基本特征是:

(1)组织用户31个,占44%。其中,媒体组织26个,占37%；

(2)个人用户39个,占56%。其中,媒介从业者12个(17.14%),个人艺术家10个(14.29%),经济相关者5个(7.14%),政治相关者8个(11.43%)；

(3)样本态度分类结果为:支持者15个,占21%；反对者19个,占27%；中立者36个,占52%；

(4)样本的平均粉丝数量为38.3万,平均发表中美贸易争端相关推文18.2篇。

(四)建立矩阵

Twitter上的社交网络是由用户及与其他用户互相关注、提及和回复时形成的联系所组成的。尽管转发和回复行为更能表明这条推文得到别人肯定,因此具备更高的影响力。但学者在研究Twitter网络的群体极化时发现,极化观点可在短时间内发生,但过一个月后会恢复正常,其原因在于,人们喜欢传播那些具有戏剧性和流行性的观点。因此,本研究把各用户之间的关注关系构成边(edge),以此来构建邻接矩阵。公众不倾向于每天大幅度地改变其关注者和被关注者,因此,用这种方式来分析Twitter社交网络的优势在于用户网络相对稳定。

故本研究将70个Twitter账号作为70个节点,将各用户之间的关注关系构成边,由此形成一个70*70的多值有向图。故本研究对于有向图的定义是关注关系。比如A关注了B,我们记做1,所以就形成一个从A到B的边。反之,若A未关注B,我们记做0。

本研究使用社会网络分析软件是Ucinet 6.199,将矩阵数据导入后,形成一个的70*70邻接矩阵,在此基础上进行整体网络(wholenetwork)、个体网络(ego-network)和凝聚子群(cohesive subgroup)等分析。本研究还使用了Netdraw 2.081和Pajek1.26软件进行分析。

三、研究结果

本研究通过社交网络分析的研究方法,对Twitter传播机制下中美贸易争端议题进行了整体网络分析、核心—边缘结构、个体网络分析和子群网络分析。

(一)整体网络分析

1.传播网络联系较紧密,传播速度较快

网络密度(density),测量的是各节点之间联系的紧密程度以及信息交流的积极程度。网络密度等于该网络中各节点的实际连接数和完备图中的总连接数之比,其值介于0和1之间,越接近1则代表彼此间的关系越紧密。

本研究通过Pajek 软件计算可知,70个节点组成的中美贸易争端Twitter信息传播网络图中,实际连接数为690,即690 对节点间存在关注与被关注关系。而完备图中节点对总数为4830,因此网络密度为0.1429。这说明中美贸易争端Twitter传播网络联系较紧密,信息传播范围较广。

网络可达性方面,网络直径为5【从“美国枪手”(American Gunslinger)到“CNN国际”】,平均距离为2.25。这意味着在该网络图中,每个节点最长通过5 个节点就能将信息传播到其他节点,且每个节点平均通过2.25个点就能与其他节点进行信息交流。这说明信息在网络中依托节点的传播较为便利,速度较快。此外,网络中节点的平均聚类系数为0.337,表示多数节点之间信息的交流范围较宽。

综合分析,可以看出,中美贸易争端信息Twitter传播网络中的节点之间连接较为紧密、信息交流较为普遍。

2.核心—边缘结构分析

社会网络分析法从量化角度研究社会现象的核心-边缘结构(Core-periphery structure),它根据网络中节点之间联系紧密程度,将网络中的节点分为核心区域和边缘区域。

在中美贸易争端Twitter传播网络中,有32个节点处于核心位置,38个节点处于边缘位置。通过Ucinet软件计算可知,核心成员之间的关系密度为0.585,边缘成员之间的关系密度为0.195。边缘到核心的密度为0.195,核心到边缘的密度为0.063。这从一定程度上反映了中美贸易争端Twitter信息传播网络中存在核心—边缘结构。

其中,核心区域中媒介组织16个,占比50%。媒介从业者6个,占比18.75%,艺术从业者5个,占比15.63%。而政客及经济从业者多集中在边缘区域。可以看出,与TTIP议题不同,中美贸易争端中传统媒体组织十分活跃。

其中,位于核心网络的节点包括持中立意见的“美联社”“纽约时报”等传统媒体组织,持支持意见的“比尔·米切尔”(Bill Mitchell)“泰勒·泽德”(Tyler Zed)等媒介及艺术相关者,以及持反对意见的“Rantt Media”“环球时报”“人民日报”等；位于边缘区域的则有“居伊·费尔霍夫施塔特(Guy Verhofstadt)”“克里斯·鲁”(Chris Lu)以及我国外宣媒体“新华社”“中国日报”等。

3.对贸易战持中立意见和反对态度者占据中心位置

从态度层面对核心—边缘结构进行分析得出表1。可以看出,核心区域里中立者占比最高,为56.3%。其次为反对者,占比31.3%,这说明中美贸易争端的Twitter传播信息中,持中立意见和反对意见的舆论领袖占据了整个社会网络的中心位置,能更大范围传播自身意见。而支持者在核心区域的占比较小,仅为12.5%,这说明支持中美贸易争端的节点还未进入信息传播的中心。

表1 中美贸易争端Twitter传播网络中核心—边缘节点的态度倾向比例

(二)个体网络分析

个体网络分析主要从中心性(centrality)入手,它是社会网络分析的重点之一,它从“关系”的角度定量研究了社会行动者之间实存或潜存的影响和支配的互动模式。中心性的常见分析指标有度中心性(pointcentrality)、中介中心性(betweennesscentrality)和接近性中心性(closenesscentrality)。

表2中美贸易争端Twitter传播网络的中心性排序表(前10位)

注:平均值为70个TWITTER账号总的平均值。

1.度中心性分析

度中心性指特定行动者与其他行动者发生关系的能力。度中心性分为入度中心性和出度中心性两类。一般来说,行动者的入度中心性越高,表明其信息被其他节点吸收的概率越大,而出度中心性较高则意味能较多地接受来自其他行动者的信息。

(1)媒介组织的入度中心性高,出度中心度低,传播能力及意愿更强

如表2所示,点入度中心性排名前10的行动者,均为媒体组织。通过计算得出,全体媒体组织的入度中心性平均值为13.6236,远高于总体平均值9.8571。这说明媒介组织能向外传播大量信息。其中,节点“纽约时报”入度中心性最高,为35。这意味着它能通过Twitter将中美贸易争端相关信息传达到接近半数的其他意见领袖身上。

出度中心性排名前10的行动者中,只有1家媒体组织。有26家媒体组织的出度中心性均值为6.9231,远低于整体网络的出度中心性均值9.8571。可以说,在中美贸易争端的Twitter传播网络中,传统大众媒体所开设的社交媒体账号更少的接触到来自其他意见领袖的信息。其中,行动者“纽约时报”“BBC世界新闻”“德拉吉报道”(Drudge Report)的出度中心性均为0。

(2)媒介及艺术从业者出度中心性高,接受信息范围更广

出度中心性排名前10的行动者中,有3个媒介从业者,2个艺术工作者。其中,彭博社白宫记者“詹妮弗·雅各布斯”(Jennifer Jacobs)出度中心性最高,为42。这表明她能够接触超过一半意见领袖的信息。其中,全体媒介从业者和艺术工作者的出度中心性平均值分别为15.8333和11,高于总体平均值9.8571。这意味着媒介及艺术工作者能接触大量相关信息。

2.接近中心性分析

接近中心性测量是一个行动者不受其他行动者控制的能力,即独立性的强弱。有向网络图中,行动者的中介中心性可分为内接近中心性( in-closeness)和外接近中心性( out-closeness)两类。前者衡量特定行动者向外传递信息时不受其他行动者控制的能力,因此,值越大,传递信息就更容易和顺畅；后者衡量特定行动者获取其他行动者信息的难易程度,因此,值越大,越能轻松容易的获取信息,不易受其他行动者的制约。

(1)媒介及艺术工作者外接近中心高,更易接受信息

从表2可以看出,外接近中心性排名前10的行动者中,有3个媒介从业者,2个是艺术工作者。其中,全体媒介从业者和艺术工作者的外接近中心性平均值分别为0.2174和0.2287,高于总体平均值0.1962。这说明媒介及艺术工作者能轻松的获取相关信息,且不受其他行动者的制约。

(2)媒介组织的内接近中心性高,更易传播信息

内接近中心性排名前10中,有9个媒介组织,仅1人是个人用户。26个媒介组织的外接近中心性平均值为0.1203,高于总体平均值0.1052。这说明媒体组织独立性强,更倾向也较容易向其他节点传送信息,受其他节点控制的程度较低。其中,“CNN”的外接近中心性最高,为0.1503。

3.中介中心性分析

中介中心性反映行动者作为信息传播中介的能力,它测量的是行动者对于资源控制的程度。一般来说,中介中心性值越大,控制信息的能力就越强。

(1)中介中心性整体较低,无信息风向标

从表2可以看出,70个节点的中介中心性整体偏低,平均值仅为0.025。这说明,各节点对信息的控制力度不强。这和议题性质以及传播媒介密不可分。社交媒介造就了“人人都有麦克风”的局面,而中美贸易争端因涉及社会各阶层和领域,故各国媒体以及政治、经济、学术、艺术等社会精英都积极参与话题讨论,发表意见。因此,在中美贸易争端的Twitter传播网络中并不存在唯一突出的节点承担信息传播和接收的重大作用。

(2)媒介及艺术从业者中介中心性相对较高,情绪性意见更易传播

如表1所示,排名前10的行动者中,有5个媒介从业者,4个媒体组织。全体媒介从业者的中介中心性平均值为0.0347,高于总体平均值0.0250。这说明在中美贸易争端的整体网络中,媒介从业者对相关信息的控制相对强。其中,“詹妮弗·雅各布斯”中介中心性最高,为0.2053,远高于其他节点。

艺术工作者如演员、主持人等的中介中心性平均值为0.0889,是总体平均值的3.556倍。这说明艺术相关者对信息的控制力度极强。他们对事实的传播较少,多是个人观点和情绪的表达,其中极端激烈用语居多,比如“强烈支持总统,早就该打击中国的嚣张火焰”等。

(三)子群网络分析

依据对中美贸易争端总体态度,把样本划分为三个群体,并对每个子群进行分析。

1.子群结构分析:存在因意见聚集的小团体

表3 子群的整体网络结构参数

从表3可以看出,支持者子群的网络密度仅为整体网密度的0.7334,这说明对贸易战持赞成态度者之间联系不太紧密、交流也很少,很可能是自说自话。但反对者子群和中立者子群的网络密度高于整体网,其密度分别为整体网密度的1.2071倍和1.4388倍。这表明两子群内部互动较高,联系广泛。这在一定程度上验证了社交媒体的回音室效应,即在中美贸易争端Twitter传播网络中,公众更倾向与意见相近者对话和交流。选择性接触是回音室效应和群体极化的重要基础。

网络可达性方面,三个子群的网络直径均为5,和整体网络的网络直径一致。这说明无论是整体网络中还是三个子群网络中,每个节点最长都要通过5 个节点才能将信息传播到网络中的其他节点。平均路径方面,三个子群的平均路径均小于整体网,这表明信息在各子群内部的传播速度高于整体网络。

综合以上分析可以发现,中美贸易争端信息Twitter传播网络中,存在较明显的、按照对中美贸易争端的态度而聚集的小团体现象。而且,基于相同态度的子群内部连通度较高,信息交流非常密切。这是网络极化现象的重要基础。

2.子群互动分析

子网连接强度反映了子群间的信息交流程度。参考网络密度的概念,我们可以用一个子群A 所有节点对另一个子群B 所有节点的关注数量总和的实际值与完备值之比,来测量子群A 对子群B 的连接强度。它反映了子群A 从子群B 获取信息的可能性。因此,三个态度群体的子群连接情况可表示为表4。

表4 子群之间的连接强度

(1)贸易争端的支持子群与反对子群互斥明显

如表4所示,支持者子群关注反对者子群的连接密度为0.0175,反对者子群关注支持者子群的连接密度为0.0351。可以看出,两子群与对方的连接程度都很低,这说明他们都不太愿意从对方获取信息,即在中美贸易争端Twitter信息传播网络中,公众有拒绝接触与之相悖的信息的倾向。某种程度上,可以说明中美贸易争端信息Twitter传播过程中存在群体极化现象。

(2)支持贸易争端的子群较为封闭,反对子群相对开放

支持者子群关注中立者子群的连接密度为0.1481。可以看出,对贸易战持支持观点的子群对于反对者和中立者的关注都比较低,这说明它内部较为封闭,极少从其他子群获取信息。而反对者子群对中立者子群的关注程度高于支持者子群对中立者子群的关注度,并且反对者对支持者的关注度也高于支持者对反对者的关注度。这说明反对者子群相对开放,更愿意从不同意见群体中获取信息。

(3)对贸易争端持中立意见的子群联系广泛

反对者子群关注中立者子群的强度为0.2295,反对者子群关注支持者子群的强度为0.035,这说明反对者更倾向于从中立者获取信息。同时,支持者关注中立者的强度也明显高于支持者关注反对者的强度,且中立者子群对反对者子群和支持者子群两个群体的关注都较高。这说明态度中立者更易和其他子群发生联系。某种程度上,这表明了社交媒体语境下中性观点更容易也更频繁的被人们接触。可以看出,在中美贸易争端Twitter的信息传播网络中,持中立观点者扮演着沟通反对者和支持者的“桥梁”角色。

3.子群的节点中心性分析

表5 子群的入度中心性(前10)

表6子群的中介中心性(前10)

子群的节点中心性分析用于识别不同观点群体中的意见领袖。

(1)支持贸易战的子群中存在唯一突出的舆论领袖

从表5和表6可看出,支持者子群中存在明显的舆论领袖“比尔·米切尔”(Bill Mitchell),他的入度中心性和中介中心性都明显高于同群体中的其他节点。这和现实情况比较相符,比尔·米切尔是Pscp.Tv的主持人,他自2016年美国大选开始,就一直不遗余力地支持特朗普,不断宣传特朗普对内对外政策。

(2)反对贸易争端的子群中不存在唯一突出的舆论领袖。

反对者网中不存在唯一突出的节点,“布瑞恩·克拉斯”(Brian Klaas)、“约翰·弗格森”(John Fugelsang)、“大卫·罗斯科普夫”(David Rothkopf)、“安迪· 斯拉维特”(Andy Slavitt)、“凯尔·格里芬”(Kyle Griffin)等人的中心性指标比较接近。这说明反对者网中各个节点对于信息的传播度和控制度都不高,失去任意节点对传播路径和传播效率的影响不大。

(3)对贸易战持中立态度的子群中不存在明显的舆论领袖

从表5和表6可看出,入度中心性和中介中心性的排名前10的节点重合度较低,比如入度中心性排名第一的节点CNN,其中介中心性已经排在10名开外。这说明,中美贸易争端信息的Twitter传播网络中,可传播范围的广度与对信息的控制强度之间不存在直接联系,即使某舆论领袖能较多的向外传递信息,也不能说明这个节点本身对资源较强的控制能力。因为中立意见者多为传统媒体组织,他们传播的都是事件的最新进展。

四、研究结论

本研究通过社交网络分析的研究方法,探寻涉华舆情的极化现象及其社交网络结构、影响力和信息传播行为。主要发现:

(一)整体网络分析

在中美贸易战正式打响之前,两国贸易争端的信息在Twitter上形成了紧密相连的传播网络,因此,传播速度较快。

1.中美贸易争端Twitter信息传播网络中存在核心—边缘结构

位于核心区域的节点包括持中立意见的“美联社”“纽约时报”“华盛顿邮报”“BBC”等传统媒体组织,占据了核心区域的半壁江山(50%)。

就我国媒体而言,持有反对立场的“环球时报”“人民日报”已进入核心网络；而“新华社”“中国日报”尚在边缘网络。

2.核心—边缘结构中的态度分布

持中立意见和反对意见的舆论领袖占据了整个中美贸易争端Twitter传播网络的核心位置。支持者主要居于边缘区域,在核心区域的占比较小。但例外的是持支持意见的“比尔·米切尔”“泰勒·泽德”等媒介及艺术从业者占据了核心区域。

这说明在中美贸易谈判前夕,对贸易争端持中立和反对意见的公众在Twitter整体网络中占主体地位,因此能更大范围的传播自身意见；而支持把贸易摩擦演变为贸易战的多数公众仍是相关信息传播的边缘群体,但不乏影响力大者居于核心位置。

(二)子群网络分析结论

存在明显的按态度划分的小团体现象。

1.从群体内部结构来看。群体内部联系更紧密。三个群体的平均路径都小于整体网平均路径,这说明群体内部信息传播速度快。其中,中立者和反对者群体密度更大,内部联系比较紧密；支持者群体密度较小,内部成员之间的交流较少。群体内部联系紧密是社交媒体回音室效应和网络群体极化的重要基础。

2.从群体互动的角度来看。支持者与反对者团体的互斥现象严重。支持者群体和反对者群体的连接密度极小,都拒绝与对方进行交流、互动,这说明二者互斥现象严重。相比较而言,支持贸易战群体更为封闭,它与中立者和反对者群体联系都不太紧密；而反对者群体相对开放,与中立者群体等联系较为紧密。

3.中立者群体最为开放。中立者群体与支持、反对群体的主动及被动连接密度都较大,因此,极易与其他群体发生联系。他们多关注事实议题(如特朗普签署总统备忘录,中美两国公布征税商品清单)。值得注意的是,他们较少对事件进行归因归咎的分析。可以看出,中立者独特的“桥梁”作用,对涉华舆情的引导具有重要意义。

(三)个体网络分析结论

尚无全局性的信息控制者,但媒介及艺术相关者的意见控制显著。

1.媒介组织是中美贸易争端Twitter信息的主要传播者,但对信息的控制力弱

值得警惕的是,传媒组织的社交账号虽然占据核心区,并成为中美贸易争端Twitter信息的主要传播者,但由于其中介中心性较低,因此媒介组织对信息的控制力不强。纵观全网,中介中心性整体较低,尚无节点对整体网络信息形成控制力。

2.媒介及艺术相关者能轻易接触和控制情绪性意见

媒介及艺术工作者如詹妮弗·雅各布斯、肖恩·唐南和大卫·罗斯科普夫等人的出度中心性、外接近中心性和中介中心性三个指标都相对较高,这说明他们能轻易接触大量有关信息,并且对信息拥有极强的控制力,而他们多以情绪性意见传播为主。一定程度上,这说明了社交网络上仍是非理性的、情绪的声音占据主导地位。

媒介工作者常分析贸易争端带来的后果(如“影响全球贸易流通、爆发新一轮冷战”等)。艺术工作者在传播相关信息时,则常掺杂强烈的个人情感(如“总统做得好,应该打击中国的嚣张火焰”)或是武断的原因判断(由“特朗普挑起的贸易战”),故受到很多人关注。

3.支持贸易战的群体中存在唯一突出的舆论领袖

比较而言,中立与反对群体中都不存在显著意见领袖,而支持贸易战的群体中却存在显著的、且唯一的意见领袖“比尔·米切尔”。比尔·米切尔是Pscp.Tv的主持人,他一直不遗余力地支持和宣传特朗普及其政策。他在Twitter个人简介中也包含标签#TrustTrump#,背景是特朗普宣传“美国第一”(America First)。他认为中国的崛起威胁了美国的霸主地位,渴望特朗普重塑美国第一。因此,他对中国抱有很强的敌视,认为此次争端是由中国挑起,称特朗普的制裁为“反击”。他十分关注贸易战给对美国的积极影响,比如由此带来的股票上涨、美国人民团结振奋等现象。

(四)反思

本研究仅聚焦于2018年5月1日之前中美贸易争端的相关信息。自5月3日起,中美启动第一轮贸易谈判。经过三轮谈判后,两国已经发布了联合声明,并且达成了一系列谈判成果。然而,特朗普政府说毁约就毁约。6月15日,特朗普政府宣布对价值500亿美元的中国进口产品征收25%的关税,这进一步加剧了全球两大经济体之间的贸易争端。

直至2018年12月1日,中美两国元首会晤达成新的共识,停止加征新的关税；美方原先对2000亿美元中国商品加征的关税,2019年1月1日后仍维持在10%,而不是此前宣布的25%；对于仍加征的关税,双方将朝着取消的方向,加紧谈判,达成协议。

中美贸易谈判一波三折,此次共识可以被认为是这场持续大半年的中美贸易战的“暂时停火”,但中美在贸易领域的博弈并未结束。可以说,中美贸易失衡是结构性的问题,不可能在短时间内得以解决。那么今后,两国的贸易摩擦包括大大小小的贸易战将会是常态。那么,中美贸易争端后续阶段是否也存在意见的极化？不同阶段是否存在不同的社会网络结构？持不同意见的个人或群体是否会发生变化？本研究尚有进一步深入的空间,尤其引入时间变量来构建动态网络图,将更有利于描述和解释国际社交媒体环境下涉华议题极化现象的舆情走势和变化。

注释:

① We Are Social是全球知名社交媒体传播公司,Hootsuite是全球知名的社交媒体管理平台。

②DigitalIn2018:World’sinternetuserspassthe4billionmark,https://wearesocial.com/blog/2018/01/global-digital-report-2018.

③ [美]凯斯·桑斯坦:《网络共和国——网络社会中的民主问题》,黄维明译,上海出版集团2003年版,第50页。

④ Van Alstyne,M.,& Brynjolfsson,E.(2005).Globalvillageorcyber-Balkans?Modelingandmeasuringtheintegrationofelectroniccommunities.Management Science,51(6),851-868.doi:10.2307/20110380.

⑤ Itai Himelboim,Marc A.Smith,Lee Rainie,Ben Shneiderman,Camila Espina(2017).ClassifyingTwitterTopic-NetworksUsingSocialNetworkAnalysis.Social Media + Society.January-March,1-13.

⑥ Axel Maireder,Brian E.Weeks,Homero Gil de Zu?n? iga3,Stephan Schlo¨ gl1,(2017).BigDataandPoliticalSocialNetworks:IntroducingAudienceDiversityandCommunicationConnectorBridgingMeasuresinSocialNetworkTheory.Social Science Computer Review.Vol.35(1):126-141.

⑦ 彭兰:《微博客的信息传播机制分析》,《中国网络传播研究》，2011年。

⑧NumberofmonthlyactiveTwitterusersworldwidefrom1stquarter2010to1stquarter2018 (inmillions).https://www.statista.com/statistics/282087/number-of-monthly-active-twitter-users/.

⑨ The top 500 sites on the web[EB/OL].https://www.alexa.com/topsites.