科普视频在不同网络社交媒体平台的扩散模式对比研究——以“回形针PaperClip”新冠肺炎科普短视频为例

张 伟 夏志杰

（上海工程技术大学管理学院 上海 201620）

1 引言

伴随着5G网络的起步、人工智能的创新，新媒体快速发展,多种网络社交平台逐渐兴起，网络信息的形式也在不断创新。网络信息不再是单一的文本、图片形式，还有更能抓人眼球的短视频。依托智能移动终端APP完成的视频拍摄、剪辑、发布一键式操作的新媒介传播方式——短视频，正凭借其创意性、趣味性、直观性等优良特性占据大众智能手机空间。由于短视频正在逐步吸引网民的关注，用户获取网络信息的平台也逐渐由微博、微信转向视频平台，例如西瓜视频、哔哩哔哩弹幕网等。

在新媒体环境下，网络社交媒体平台数量日益增加，不同的网络社交媒体平台有其各自的特点。当社会性事件发生时，紧跟热点的科普视频拥有较大的关注度和讨论度，但在不同的网络社交媒体平台上，其扩散机制是否有所不同，由此所引发的社会意见、社会舆论以及社会影响是否也有所不同，是一个值得探究的问题。把握科普视频在不同平台的扩散脉络和扩散模式，无论是对内容创作者还是平台监管者都具有重要作用。

2 相关理论及研究现状

2.1 科普短视频

“科普”即科学普及，指利用各种传播形式以简单易懂的、让普通大众容易理解、接受和参与的方式介绍社会科学和自然科学的知识、推广科学技术的应用、倡导使用科学方法、传播广泛科学思想、弘扬科学精神的活动[1]。当前网络短视频已经成为信息的聚集地，相比于较为枯燥的文字、图片形式的网络信息，人们更加倾向于观看网络短视频获取信息。而科普短视频即以短视频的形式，在较短的有限时间内阐述一个知识，将科普内容进行提炼，并且以较为有趣的视频形式展示给用户，达到科普的目的。由于科普类短视频的兴起时间不长，因此对于科普视频的相关研究十分有限。

杨东伶等[2]指出科普短视频具有时长短、传播亲民、知识动态化等特点，并且可以促进科普知识传播以及丰富科普知识的内涵。周德书等[1]指出科普短视频具有内容短小精悍、传播速度快、通俗易懂、关注度高等优势，并指出公众对于短视频科普具有巨大需求。

总体来说，科普短视频具有其一定的优势，在互联网环境中为公众进行较为有效的相关科普，因此科普视频在新媒体环境中有着较为重要的作用，成为公众获取信息不可或缺的一种重要形式。

2.2 国内信息扩散模式研究现状

目前,国内的信息扩散模式研究取得了一些成果。如魏超[3]的研究发现网络舆情传播模式随着新媒体技术的发展产生了深刻变革,个体成为网络舆情形成和扩散中心。袁毅[4]使用社会网络分析法对微博传播网络多个因素进行了分析,发现微博平台普通事件信息扩散中的偶发型、偶发机会型、强势节点相互呼应型等结构，结果表明微博传播网络的路径形态受用户影响力、网络结构及外部干扰等多方面因素影响。于洪等[5]针对微博信息传播特点刻画微博传播网络并定义节点影响力来描述节点重要性,使用社会网络分析法分析微博信息传播路径模式，并将其总结为一触即发传播模式、多级传播模式或多点触发传播模式。韩运荣等[6]立足于微博网络中隐含的脉络关联,依循其发展延伸结构,按照其刺激因素的多寡和复杂程度,推演微博舆论传播的路径结构。王晰巍等[7]用社会网络分析对微博“雾霾”话题舆情传播规律和扩散模式进行了研究。以上研究从网络结构视角出发，对信息扩散模式的典型形态、模式特征、影响因素等各个方面进行分析，探究了信息的扩散模式，对于学者认识、了解网络社交媒体平台中的信息扩散模式有重要作用。除此之外，参考前人的研究成果发现，大多数学者对信息扩散模式的研究都采用社会网络分析法。社会网络分析法是针对社会网络成员间的关系进行的量化研究,也是社会网络理论的工具之一，该方法能有效刻画社会网络结构并进而揭示网络属性特征。

前人的研究为认识信息扩散模式打下了很好基础，但大多都是对网络舆情传播路径以及舆情扩散模式的研究，目前对于科普视频在网络社交媒体平台的扩散模式研究较少。本文采用社会网络分析法作为研究方法，对同一科普视频在不同平台的扩散模式进行对比研究，分析科普视频在不同平台扩散模式的差别，对于科普视频创作者的平台选择以及对公众的科普作用都有着重要意义。

3 研究设计

3.1 平台概况

本文选取微博、西瓜视频和哔哩哔哩弹幕网三大平台作为科普视频扩散模式的分析载体。微博是新媒体时代人们社交、获取信息的主流平台，该平台传递的信息形式多样，文本、图片以及视频兼具，拥有数量巨大的用户群体，其中包含许多有较强影响力的明星用户。

西瓜视频是短视频平台，用户规模较大且以移动端为主，并朝着内容生产的系列化、规模化等发展方向发展[8]。西瓜视频以用户和涉事个人或单位为主体，以引发关注和广泛讨论的事件、动态、活动等环境为客体，并逐步形成了多元化“精确获悉”、广域化“实时接收”和圈群化“增强互动”三大传播特点。

哔哩哔哩弹幕网是支持视频弹幕的一种新兴交互形式的视频网站，目前哔哩哔哩弹幕网活跃用户超过1.5亿，每天都会有大量的视频产生，每天视频播放量超过1亿，弹幕总量超过14亿，原创投稿总数超过1 000万。用户数量与视频数量巨大，这为研究科普类视频的传播方式提供了途径。

3.2 视频选取

在进行研究对象的选择时，选取有大量人群参与和具有一定影响力的科普视频，分析该类视频的扩散模式对科普视频创作者以及相关科普部门都有较为重要的意义。因此，本文通过比较2020年2月发布于多个不同网络社交媒体平台的有关新冠肺炎的不同科普视频，最终选取了名为“回形针PaperClip”的博主于2月2日在微博、西瓜视频和哔哩哔哩弹幕网等多个平台发布的一个名为“关于新冠肺炎的一切”的视频。本文选取该视频内容主要为科普，告知大众关于新冠肺炎的相关情况，包括病毒感染的原理、发病的机制、传染机制以及传染数量预测等等。该视频在疫情期间为广大网民提供了专业严谨的科学普及，让大众更加了解新冠肺炎，使群众避免恐慌并引起重视做好个人防护，为国家的疫情控制提供了帮助。该视频自发布以来，在各个平台上都有非常高的播放量、转发量以及评论量，且热度持续较长时间。截至2020年3月6日，该视频在微博平台的播放量为1.1亿，转发量为68.2万，评论数为10.2万，点赞数为221万；该视频在西瓜视频的播放量为725万，评论数为5 790条，点赞数为4万；哔哩哔哩弹幕网数据显示，该视频播放量为479.4万，点赞数为60.3万，评论数量为15 194条，转发量38万。从该视频在不同平台的播放量、评论量等数据来看，不同平台上的数据差别较大，但都有较高的讨论度和传播度。

3.3 数据获取与预处理

西瓜视频和哔哩哔哩弹幕网的转发功能与微博转发方式略有不同，转发数量较少并且平台不予公开，因此本文选取评论数量进行分析。为了使三个平台研究的对象内容保持一致，因此对三个平台都采集用户的评论文本数据、用户属性、评论时间等进行分析。为了研究视频的扩散模式，二级评论的数据对本研究极为重要，因此本研究在数据爬取时主要筛选包含二级回复以及三级回复的评论数据，并记录各级评论的父级评论ID。

数据获取主要使用Python语言编写爬虫算法，最终在微博平台获取评论数据6 958条；在西瓜视频共获取2 691条评论数据；在获取哔哩哔哩平台共获取数据4 110条。并将数据结构化保存在Mysql数据库中，便于数据处理与分析。

4 三大平台对比分析

4.1 扩散图对比分析

以“关于新冠肺炎的一切”视频为信息源,采用社会网络分析法为研究方法，以评论关系为边,以参与舆情传播的用户为节点,使用 Gephi绘制新媒体环境下“关于新冠肺炎的一切”科普视频在不同平台的扩散云图, 如图1所示。

图1 微博平台扩散图

由图1可知，微博平台用户数量较多，分布广，该视频在微博平台的扩散过程中，没有明显以视频发布者为中心，存在较多意见领袖，这些意见领袖与其他节点之间的联系紧密，拥有较高的影响力，引起较大的关注，扩大了该视频在微博平台的传播深度与广度。

由图2可知，该科普视频在西瓜视频的评论用户多停留在第一层位置，该扩散模式中，以视频发布者“回形针PaperClip”为网络中心，扩散路径呈现发散状态，传播的路径长度较小。在此扩散模式下，网络的源节点有较强的凝聚力和威望度，扩散受干扰的程度较低，扩散广度往往由视频发布者的影响力决定，传播范围往往局限于局部粉丝之间。

图2 西瓜视频端扩散图

由图3可知，该视频在哔哩哔哩弹幕网中的扩散深度与广度明显大于西瓜视频，网络中的级联数较多。该视频在哔哩哔哩弹幕网的扩散中，一级的评论数量依旧是最多的，但除了源节点以外，在网络中存在其他节点也有较高的影响力，会引导发生进一步的扩散，对视频的扩散起到推动作用。

图3 哔哩哔哩端扩散图

4.2 网络结构分析

（1）点度中心性

在社会网络分析中，每一位用户被抽象成网络中的一个节点，用边来连接、用节点来表示用户之间的评论等交互关系。在一个社会网络中,如果一个节点与其他较多节点之间都存在直接交互关系,则该节点在社会网络中就居于中心地位。在这种思路的指导下, 网络中一个节点的点度中心度, 就可以用网络中与该点之间有联系的点的数目来衡量，出度表示当前节点评论与转发其他节点的数量，入度表示当前节点被其他节点转发、评论的数量。三个不同平台的网络节点出入度情况如表1所示。

表1 不同平台网络节点点度中心度TOP10

由表1可知，在微博平台中，节点“魏大勋”的点度中心性最高，其入度为1 311，出度为1，点度中心度为1 312。点度中心度前十名的节点中，其点度中心度均大于100；在西瓜视频平台中，节点“枫161669802”的点度中心性最高，其点度中心度为41；在哔哩哔哩弹幕网网络中，节点“阿瓦达索命Z” 的点度中心性最高，其点度中心度为156。在不同平台中，网络中很多节点都通过“意见领袖”直接或间接地传播信息,是新媒体环境下进行信息交互的重要节点，视频信息的传播受意见领袖左右。由点度中心性数值可见，微博平台的意见领袖数量较多，该视频的传播受这些意见领袖的影响很大，其交互情况、传播范围都远远大于其他两个平台。

（2）中间中心性

中间中心性是以经过某个节点的最短路径数目来刻画节点重要性的指标[9]。如果一个大的社交网络中包含了几个小组，那么中间中心度高的人就起到将这些小组连接起来的作用。三个不同平台的网络节点中间中心度如表2所示。

表2 不同平台网络节点中间中心度TOP10

由表2可知，在微博平台中，中间中心度最高的为“魏大勋”，其中间中心度约为1 291.08；在西瓜视频网络中，用户“闲人丁丁”的中间中心度最高，为727.9；在哔哩哔哩弹幕网络中，用户“怕上火暴王老菊”的中间中心度最高，为1 116.5。这一结果表明, 微博平台和哔哩哔哩弹幕网中的一些节点连接扩散网络小组的能力相差甚微，但都明显高于西瓜视频。网络中很多节点都通过移动端的“意见领袖”直接或间接地传播视频信息,是新媒体环境下进行信息交互的重要节点,视频扩散受意见领袖的影响,意见领袖科普类视频的态度倾向和参与程度将直接影响着科普类视频的传播态势。

（3）接近中心性

一个点到其他所有点的距离的总和越小,就说明这个点到其他所有点的路径越短，也就说明这个点距离其他所有点越近，则其接近中心度越高[10]。接近中心度体现的是一个点与其他点的近邻程度。三个不同平台的网络节点接近中心度如表3所示。

表3 不同平台网络节点接近中心度TOP10

由表3的数据可知,在微博平台中，“魏大勋”的接近中心度最高，约为0.92 ，西瓜视频中接近中心度最大的是“影子哥的”，接近中心度为0.75，哔哩哔哩弹幕网中接近中心度最大的是“①加⑨=一九”,接近中心度为0.86。接近中心度较大的节点同核心节点的差异较小，更容易获得网络中其他节点的信息，独立性较小。微博平台中前十名用户的接近中心度均大于0.8，其中前九名用户的接近中心度均大于0.9；西瓜视频中仅排名前两名的节点接近中心度为0.75大于0.7，其余节点的接近中心度均小于0.7；而哔哩哔哩弹幕网中的接近中心度排名前10的节点，其接近中心度均大于等于0.75。数据表明微博平台中有较多具有较强整合能力的节点，这些节点处于网络的中心位置，对视频的扩散起到促进作用。哔哩哔哩弹幕网中该类节点数量次之，西瓜视频中该类节点数量最少。

4.3 扩散速度及热度变化对比

本文将获取的不同平台2020年2月2日到3月2日的评论数据进行整理、汇总自，并制作折线图，可以更加直观看到自该科普视频发布一个月内在不同平台扩散速度及热度变化。

微博平台评论数量随时间变化折线图如图4所示。

图4 微博平台评论数量随时间变化折线图

由图4可知，在微博平台中，视频发布首日评论数量达到最高，有5 167条。次日评论数量骤降为706条。2月5日评论数量减少到57条，随后的时间内，评论数量均低于100。由此可知，在微博平台中，该科普视频在发布首日热度到达最高，随后热度骤降，在第三日之后评论数量一直低于100条，热度始终维持在较低的状态。

西瓜视频平台评论数量随时间变化折线图如图5所示。由图5可知，在西瓜视频平台中，该视频发布首日的评论数达516条，2月3日数量减少为208条，在2月5日评论数量达到最多为610条，之后每日数量递减，在2月15日数量突增为199条，随后数量递减且逐渐平稳。由此可知，在西瓜视频平台中，该科普视频的扩散速度较慢，首日不会到达热度顶点，在第三日达到单日评论数量最多，随后每日评论数量总体递减但局部会存在起伏，最终在较低数量值处趋于平稳。

图5 西瓜视频平台评论数量随时间变化折线图

哔哩哔哩弹幕网评论数量随时间变化折线图如图6所示。由图6可知，在哔哩哔哩弹幕网中，该条视频的首日评论数量最多，高达2 732条，在2月3日评论数量骤减为726条，第三日为228条，随后逐日递减，在2月12日及之后，每日评论数量保持在10条左右。由此可见，在哔哩哔哩弹幕网中，该视频的传播速度非常快，首日就到达热度最高点，之后评论数量快速减少，热度骤降。十天之后的评论数量就维持在10条附近，热度几乎为零。

图6 哔哩哔哩弹幕网评论数量随时间变化折线图

4.4 评论内容对比分析

本文将不同平台获取的所有评论内容进行汇总，使用Python编程语言，jieba第三方分词库对不同平台的所有评论内容进行分词处理，再计算各个词语的权重，即得到不同平台评论的热点词语。以此对比分析不同平台的用户对于该科普视频的态度以及关注热点。根据分词得到的词语以及词语权重，使用Python制作词云图，可以对不同平台中的用户评论文本中出现频率较高的“关键词”予以视觉上的突出，从而过滤掉大量的文本信息，使读者可以了解评论者对该科普视频的态度。词云图如图7所示。

图7 三个平台热点词词云图

由图7可知，在微博、西瓜视频与哔哩哔哩弹幕网三个平台中，用户的评论数据中出现频率较高的词语都是“加油”、“玫瑰”、“勇气”、“祈祷”等词语，表现了用户对武汉地区以及严重地区公众的支持与鼓励。除此，还有“口罩”、“病毒”、“死亡率”表现了用户对疫情相关知识的重视与讨论。

5 结论与分析

研究发现，该科普视频在三个网络社交媒体平台的扩散模式有所差异，每个平台有其各自特点，从扩散模式图、网络结构、扩散范围、扩散速度以及热度这五个方面对该视频在三个平台的扩散模式进行综合比较，比较结果如表4所示。

表4 三个不同网络社交媒体平台扩散模式对比

由表4可知，该视频在微博的扩散模式图为“长链主导”，在扩散图中表现为圈层连接明显，用户之间连接紧密。其扩散范围、扩散速度以及热度都远高于其它两个平台。微博是当前社交的主流平台，拥有非常庞大的用户群体，且包含许多明星以及拥有大量粉丝的博主，这些用户在网络节点中被称为意见领袖，拥有非常高的影响力。除此之外，微博热搜已经成为广大网络用户获取最新实时信息的主要渠道，微博的热搜功能也会增加该视频的关注度和转发量。该视频在微博的扩散过程中，被许多以明星为代表的意见领袖转发，引起了许多其他普通用户的关注与转发，以及该视频以微博热搜的方式引起网络用户的关注，从而增加了该视频的热度以及扩大了该视频的扩散范围。

该视频在西瓜视频上的扩散模式图是“短链主导”，体现为弱观点聚集和强中心特征[11]。在扩散图中表现为节点聚集较为松散，中心较为突出。其活跃用户数量、节点影响力、节点聚集度以及圈层连接等方面都比较弱，其扩散范围、扩散速度、热度等指标均为最低。西瓜视频的用户群体数量明显低于微博与哔哩哔哩弹幕网，这也是造成视频扩散效果较差的直接原因。其次，西瓜视频用户群体中缺少意见领袖，扩散过程缺少意见领袖的影响，因此扩散范围往往局限在视频发布者以及局部粉丝之间。

该视频在哔哩哔哩弹幕网上的扩散模式图为“长短链结合”，视频在不同社群和关系网内半封闭式推进，同时存在一定程度的离散观点，表现为中等程度中心聚集，其扩散范围、扩散速度以及热度等都远高于西瓜视频，但低于微博。哔哩哔哩弹幕网是近几年兴起的交互式视频网站，其拥有数量较多的用户群体，且以青年、青少年为主。哔哩哔哩弹幕网中有类似于微博热搜的功能设置，会主动推荐热度较高的优质视频。哔哩哔哩弹幕网的用户群体缺少明星这一群体，但存在具有一定影响力的博主在视频的扩散过程中充当意见领袖，例如相关部门的官方账号等。例如在本文研究中，具有较大影响力的意见领袖为中科院物理所的官方账号。该科普视频在哔哩哔哩弹幕网的扩散中，缺少明星这一类意见领袖的影响，但仍然存在相关官方账号等充当意见领袖，以及平台内部对用户的推荐视频机制，扩大了视频的扩散范围，增强了传播效果。

三个平台的用户对该科普视频的评论热点词存在较多近义词，大多都是对该视频和视频创作者的认可以及对于疫情地区群众的鼓励，表示不同平台的用户对于该科普视频的态度大致相同，均表达了对该视频的认可与支持，以及对新冠病毒的畏惧和对武汉的支持。表明该科普视频在疫情期间对于广大网络用户起到较好的科普效果以及鼓励作用。

6 结语

本文运用社会网络分析法，从网络结构、扩散范围、扩散速度和热度变化等指标入手，研究对比了名为“关于新冠肺炎的一切”的科普视频在微博、西瓜视频和哔哩哔哩弹幕网三个网络社交媒体平台的扩散模式差异，并简要分析了差异形成的原因。研究为相关部门提供参考，采取有效措施开展科普管理工作，从而使网络用户更好地接触科普类视频，提升网络用户的知识储备以及自身素质，最终提升对社会舆情的监管及公益舆论导向的正确引导。本文研究仍然存在一定局限，主要在于只选取了一个科普视频，且无法获取用户转发数据等导致的研究偏差。在后续研究中,将选取持续时间更长的话题相关的科普视频以及更多平台数据,对新媒体下科普类视频的扩散模式进行更为深入、细致的研究。