基于社会网络分析的健康微博大V对话空间建构研究

佘惠灵

摘  要  文章以新浪微博平台上健康类微博大V间的关注与被关注关系为研究对象，运用社会网络分析法探索健康类微博大V的对话路径结构。研究发现：健康类微博大V对话的空间具有中心化和多圈子的特征，呈现出以业缘为核心，以社会资本、影响力、所属机构、所属类型等多种因素相交织的差序格局。

关键词  健康传播;社会网络分析;对话空间

1  研究缘起

近年来，在社交媒体的话语空间中，健康传播的话语结构得到了重新整合。比如今年新冠肺炎防疫的信息传播中，医生、专家、医院、媒体等都成为了接收与发送信息的传播主体，以“自媒体+专业机构”的组合在健康信息传播中发挥着越来越重要的作用，他们之间的网络关系也反映了对话路径结构。社会网络分析法作为一个新的研究范式，适合于探索网络平台中的信息传播，认识其中的关系数据和关系网络，寻找起重要作用的关键影响者，从传播主体的角度去解决健康传播中存在的一些问题。本文关注的问题包括：微博健康类大V构成的网络密度如何？哪些大V在其中是关键影响者？自媒体和专业机构在网络中是否有不同的中心地位？两者之间是否形成了不同的团体或派系？

2  研究设计

2.1  数据来源

微博平台上的大V有红V、黄V和蓝V三种认证。在健康类博主中，红V、黄V通常包括医生、专家等传播主体，蓝V通常包括媒体、医院、企业、政府部门等传播主体。

在微博搜索栏中以“健康”为关键词进行检索，共获取472名微博用户信息。利用python对这些用户的微博名和粉丝数等信息进行爬取，从粉丝数、活跃度、内容相关度三个方面进行筛选。剔除了活跃度不高及与健康传播不相关的用户后，最终确定了164个样本。

2.2  数据收集

本研究主要收集健康类微博大V间的关注与被关注关系，利用python对传播节点间的关注关系进行爬取，在此基础之上形成164×164的二值有向关系矩阵。矩阵中的行与列为具体的传播节点，若两者存在关注关系，则记为1，若不存在关注关系，则记为0。

2.3  数据处理

本研究运用社会网络分析法软件Ucinet6导入关系矩阵，对各项网络指标进行测量，包括网络密度、中心度、凝聚子群，获得相关数据，对微博大V对话路径结构进行分析。

3  数据结果

3.1  密度分析

网络密度描述了网络中节点之间的整体关联程度。利用Ucinet6对微博大V的社会网络结构密度进行测量，可知该社会网整体网络密度为0.075 3。在现实生活中，若网络密度>0.05，则说明各节点之间总体关联程度较高，互动密切。由此可知，在健康信息的传播中，各大V之间关系较为紧密，体现了较强的传播联动性。

3.2  中心性分析

1）直接的对话网络：点度中心性。在本研究中，点度中心度衡量的是微博大V关注与被关注的程度，关注关系为点入度，被关注关系为点出度。由于被关注关系体现了对其他点的影响力及输出消息，因此将点出度中心性作为主要指标进行分析。此外，为了方便从自媒体与专业机构的角度进行进一步思考，又对大V的性质进行了划分。生命时报、新浪爱问医生、每日医学资讯、爱问医生科普、医学界网站等微博大V的点度中心性较高，在健康传播的直接对话网络中影响力较大。

2）对话通道的控制：中间中心性。在本研究中，通过研究关注与被关注关系，探索健康传播网络中对话通道的关键影响者，他们通过将信息向不同群体进行传播，从而打通健康信息的传播通道。健康传播关系网中，中间中心性指标出现了较为明显的断层现象。生命时报和新浪爱问医生的中间中心性超过了2 500，且两者都是机构类大V。而接下来的每日医学资讯、营养师顾中一、爱问医生科普和健康界网站的中间中心性指标在1 000～1 200。从整体数据上看，仍然有48个微博大V的中间中心性指标为0，占总数的29.27%。

3）对话网络传播速度：接近中心性。机构类大V在接近中心性的指标中都较为靠前，说明无论是接收还是发送信息，机构在对话网络中有着较快的传播速度。具体来看，对于入接近中心性，各微博大V都能较快接收其他传播节点传递的信息，仅有少数如辣妈日报、健康生活驿站、南京林业大学青春健康教育处于对话网络的边缘位置;对于出接近中心性，“薄荷健康官方微博”（10.896）和“医学故事”（0.617）间出现了较为明显的断层现象，传播距离超过“医学故事”的共有49个微博大V，且基本集中在自媒体中，这些大V发送的信息较难传递到其他大V之中。

3.3  凝聚子群分析

本研究通过利用Ucinet中的Concor分析来探究健康类微博大V对话网络中的小团体现象。通过对数据进行处理，得出7个小团体：

团体1中包含了绝大多数自媒体中的关键影响者，体现了自媒体之间结为了较为稳固的联盟。此外，“新浪爱问医生”“丁香医生”这两个中心度较高的机构大V也包含在这一团体中，说明了在健康传播领域，机构与自媒体中的关键影响者之间仍然保持了较为通畅的对话网络。团体2是很明显的“爱问”系，这一团体来自微博健康医疗的垂直运营方，隶属于爱问医生平台，在健康传播对话网络中占据较强地位且较为封闭。团体3、4、5都呈现出较强的专业性特征，例如团体3大多是运动类博主，团体4、5大多是较为细分领域的医疗健康博主。团体6主要是媒体机构的集合，其中中心度最高的是“生命时报”。而在这一团体中，还出现了“全国卫生12320”“深圳卫健委”“北京市疾病预防控制中心”等官方医疗卫生機构，由此可见，主流媒体与官方机构在健康传播领域较为密切，而自媒体很难对这层关系进行突破。团体7主要是各个地区官方机构的联盟，具有较强的地域性。

通过凝聚子群分析，我们发现自媒体大V和机构大V之间存在区隔关系，机构和自媒体之间各自形成了较为稳固的联盟。虽然自媒体很难打破机构间的团体关系，但机构在健康信息传播过程中对自媒体的话语空间往往会造成一定影响。

4  结论与讨论

4.1  健康传播的头部效应：中心化的对话网络

以生命时报、丁香医生为代表的一些综合类微博健康类大V占据头部，少数自媒体也能够在头部位置占据一席之地，大多数微博大V都位于传播的边缘位置。这一对话网络结构带来的传播资源分配不平衡问题会影响到健康传播领域的生态环境，尤其在面临一些公共卫生事件或易被引发关注的问题上，会使得部分信息和观点无法到达最广泛受众。

但是，由于健康传播的特殊性，谎言、谣言极易像真实信息一样得到扩散。在此次新冠病毒防疫的传播中，也不断在滋生传播力极强的谣言。因此，“权威”在其中发挥着重要作用。可见人们往往会更加相信从官方机构或他们所信任的关键影响者中获取信息。实际上，健康传播的对话空间仍然呈现出“差序格局”的特征，以业缘为核心，以社会资本、影响力、所属机构、所属类型等多种因素相交织的强关系与弱关系的集合，并呈现明显的中心化趋势。

4.2  自媒体与机构的区隔：多圈子的对话结构

在微博健康类大V的凝聚子群分析中，我们发现该社会网络里存在多个区隔明显的派系，属性相近的大V被划分在一个派系中。如果说健康传播的“头部效应”里体现了差序格局的纵向关系，那么此处多圈子的对话结构则体现了差序格局中的横向关系，每个大V在其所属圈层中位于相对中心的地位。本研究关注的问题还包括探讨自媒体与专业机构大V在对话空间中的权力结构。结合中心度和凝聚子群分析可以看出，专业机构在健康传播中的话语权较强，并且可以渗透到自媒体派系中，但自媒体大V并不能参与到专业机构大V的圈层中。最后，本研究仅从关注与被关注关系角度分析健康类微博大V的对话空间建构，针对具体事件和话题的研究还有待进一步讨论。

参考文献

[1]宫贺.公共健康话语网络的两种形态与关键影响者的角色：社会网络分析的路径[J].国际新闻界，2016（12）：110-133.

[2]林聚任.社会网络分析：理论、方法与应用[M].北京：北京师范大学出版社，2009：109.

[3]刘双庆，涂光晋.社会网络分析视野下的健康传播[J].现代传播，2016（4）：46-50.

[4]彭兰.从社区到社会网络：一种互联网研究视野和方法的拓展[J].國际新闻界，2009（5）：87-92.