常态社会与危机情境下健康信息公众参与的差异性研究*——以国家卫健委官方微博为例

沈 霄 叶文杰 付少雄

(1.西安交通大学新闻与新媒体学院 西安 710049；2.南京农业大学信息管理学院 南京 210095)

0 引 言

2011年，卫生部《关于全面加强和改进卫生新闻宣传工作的意见》出台，首次提出“科学传播健康知识”的概念，强调要在健康传播中“提高公共关系管理能力”。2016年，国务院颁布《“健康中国2030”规划纲要》提出“健康中国”战略，强调“各级各类媒体加大健康科学知识宣传力度，利用新媒体拓展健康教育”[1]。2019年，健康中国行动推进委员会印发《健康中国行动(2019—2030年)》，将“健康知识普及”列为其首要任务，并倡导提高民众健康行为和技能是全社会的共同职责[2]。2020年初，新冠肺炎疫情爆发，这是新中国成立以来在我国发生的感染范围最广、传播速度最快、防控难度最大的一次重大突发公共卫生事件，这种特殊的疫情情境进一步刺激着国家对公众健康素养和健康传播的关注与重视。这次疫情的爆发和经过都清晰明确地表明：健康中国，应该由每一个健康的中国人组成，健康中国建设不仅是要事，也是迫在眉睫的急事[3]。同时，健康信息的传播离不开传播渠道和传播工具的不断拓展与更新升级，而作为社交媒体中传递政府声音、服务大众的政务微博所承担的健康传播功能越来越受到青睐和重视。

作为政务新媒体中起步较早、氛围开放、发展成熟的平台，如今的政务微博已经涵盖信息公开、公共服务、社会治理等多个方面[4]。根据CNNIC发布的第47次《中国互联网络发展状况统计报告》显示，截至2020年12月，经过新浪平台认证的政务机构微博为140 837个[5]。政务微博不仅能快速地发布信息，与公民进行更直接的对话、沟通和交流，而且在突发事件中成为舆情回应和舆论引导的重要工具。以“@健康中国”为代表的卫健类政务微博在倾听公众健康诉求、回应公众健康关切、澄清网络健康谬误等方面发挥着重要的积极作用[6]。

基于此，本研究从公众视角出发，运用python爬取“@健康中国”发布的5 046条微博推文，并引入负二项回归分析，考察“@健康中国”的媒介丰富度、对话循环、内容类型、信息原创性等特征与公众参与中的点赞、评论、转发三个维度之间的关系，分析公众参与在常态社会、危机情境、后危机情境等不同社会情境中的差异性，从而阐释健康信息公众参与的偏好，以期为卫健类政务微博提升互动和服务功能，加强突发公共卫生事件中的信息传播，更好地与公众“形成共识”、为公众“解密释惑”提供参考。

1 文献回顾

随着中国经济转型升级，也由此带来了越来越快的社会节奏。不合理的生活方式与越来越大的工作压力，是造成年轻人“健康危机”的两大重要外因。归根结底，每个人都是自己健康的第一责任人，而健康信息与公众参与是一个永恒而又常新的话题。通过对近年的文献梳理，发现学者的相关研究主要分为常态社会中健康信息的公众参与和危机情景下健康信息的公众参与两个层面。

就常态社会中健康信息的公众参与而言，Lu等认为，媒介丰富度对学生访问健身网站具有显著的主效应，当网站交互程度较低时，媒介丰富度高的信息会导致更高的评论意愿[7]。邓胜利和王亿本等认为政务微博中“#”“@”等特殊符号的使用与公众参与间存在密不可分的关系，相关机构通过对健康信息不同形式特征的使用能够更好地促进公众参与[8-9]。谢甜和Ngai等认为，不同类型的健康信息对公众的吸引力不同，也从不同程度影响公众参与，健康信息的主题与情感能显著影响用户对健康信息的传播意愿[10-11]。罗晓兰等认为保健信息在健康信息中的比例高达69%，公众更乐于关注和参与饮食、起居等健康信息[12]，大学生群体参与最多的是运动健身、饮食健康等养生类信息[10]。此外，还有学者从健康信息来源的角度，论证了公众对不同来源的健康信息的参与度存在差异，不同机构类别与级别的微博来源对用户转发行为有显著影响[13]。

就危机情景中健康信息的公众参与而言，李燕凌等对非洲猪瘟事件、H7N9事件进行对比分析，发现公众在公共卫生事件中健康信息的参与度很高，但政府的回复率却不理想[14]。Chen等将政务微博在新冠疫情期间发布的信息依照媒介丰富度进行编码并与公众参与进行相关性分析，发现健康信息的媒介丰富度负向影响公众参与[15]。汤志伟等基于大数据背景，从公众视角出发，探讨了新冠疫情中公众参与行为，并提出了提高公众参与的积极性的针对性建议[16]。同时，也有学者意识到了健康信息公众的规避行为，陈琼等发现新冠疫情期间的信息过载不仅对公众产生负向情绪，还会增强公众对疫情的感知易感性，造成从心理和生理上对相关信息的选择性回避[17]。

综上，国内外学者对常态社会和危机情境中健康信息的公众参与研究从两个角度展开。一是基于健康信息的特征，即信息的形式、内容、来源三个维度；二是基于参与主体的角度，从公众的参与行为、政府对政务新媒体沟通功能的运用等方面着手。从常态社会来看，以大学生为代表的青年群体是公众参与研究的重点对象，这也与当下青年群体健康状况普遍堪忧的现实相映射，运动健身、饮食健康、生活起居是学者研究的主要维度。从危机情境来看，在非典、埃博拉病毒、新冠疫情等突发公共卫生事件发生之后，相关研究会基于这些特定情境，出现研究数量上的峰值，同时，学者们也较为关注疫情期间公众的参与意愿等心理层面的变化。

整体来看，现有研究视角多元，学科交叉融合明显，成果较为丰硕，但还存在以下两点不足。一是先前研究主要聚焦于单一社会情境下(常态社会亦或是危机情境)健康信息的公众参与，基本上没有对不同社会情境下健康信息公众参与的纵向对比。二是公众参与中的点赞、评论与转发等行为在这些不同的社会情境中有哪些差异性并未涉及。为解决上述不足，本研究使用负二项回归揭示三种情境下“@健康中国”的信息特征与公众参与之间的关系；详细分析公众参与在三种社会情境存在哪些差异性，并探究导致差异性的影响因素，从而对上述不足一一进行回应。

2 研究设计

2.1数据采集中国国务院新闻办公室于2020年6月7日发布《抗击新冠肺炎疫情的中国行动》白皮书，将我国抗疫历程分为五个时间段。第一阶段：2019年12月27日至2020年1月19日(发现与应对疫情，武汉发现不明原因肺炎病例，采取果断措施进行排查筛选)；第二阶段：2020年1月20日至2020年2月20日(开始全面抗疫，关闭离汉离鄂，采取“封城”措施，国内其他地区确诊病例激增，疫情阻击战全面打响)；第三阶段：2020年2月21日至2020年3月17日(取得初步成效，中央作出统筹部署，社会开始复工复产)；第四阶段：2020年3月18日至2020年4月28日为第四阶段(取得决定成果，武汉“解封”，在院确诊患者清零，内地本土疫情传播链基本阻断)；第五阶段：2020年4月29日至今(全国疫情防控进入常态化，中国大陆境内疫情零星散发，防治境外输入和本地防控成为日常)[18]。

根据以上时间段，本研究将研究阶段分为前疫情阶段(疫情爆发前1季度：2019年9月26日至2019年12月26日)，表征为常态社会；疫情爆发阶段(2019年12月27日至2020年4月28日)，表征为危机情境；后疫情阶段(疫情基本控制之后1季度：2020年4月29日至2020年7月29日)，表征为后危机情境。选取这期间“@健康中国”发布的所有微博推文作为研究样本，共获取微博5 046条，见表1。

表1 研究样本基本信息

2.2变量操作

2.2.1 自变量 本研究自变量基于孙竹梅等建构的“微博健康信息采纳水平预测指标”的信息质量维度[19]，并且在Chen和Yang等的启发下[15, 20-21]，最终确定信息形式特征(媒介丰富度、对话循环)、内容特征(内容类型)、来源特征(信息原创性)三个方面共四个维度进行考察。

媒介丰富度：尽管目前学界对媒介丰富度测量方法很多，但从用户生成内容层面看仅有两种，一是Yang等人将不同媒介呈现形式与公众参与的点赞、转发与评论数进行相关性分析[20]；二是Chen等人将不同媒介呈现形式分为高(视频)、中(图片)、低(文字)三种不同媒介丰富度的等级，并分别赋值以3、2、1[15]。本研究借鉴Chen等人的编码方式去检验不同阶段下媒介丰富度是否与公众参与具有统计学意义的相关关系。

对话循环：当微博推文既包含“#”话题又包含“@”时赋值为2，包含“#”话题或“@”时赋值为1，不包含其中任何一个符号功能时则赋值为0。

内容类型：Ngai等人将医学网络意见领袖微博发布的内容类型分为健康相关信息以及健康无关信息两类，并探索其与公众参与程度的关系[11]。本研究将内容类型划分为2个大类：与新冠疫情相关信息以及与新冠疫情无关信息，并分别予以1与0的赋值。

信息原创性：本研究将信息来源分为原创与非原创，并分别赋值1与0，以探究公众对账号本身发布信息及其他主体发布信息所产生的差异公众性参与行为。

2.2.2 因变量 当前对公众参与测量指标的研究尚未形成统一的意见，通常被学者使用的主要有以下三种。一是以推文千人均点赞数、千人均评论数与千人均转发数之和作为公众参与指数[22-24]；二是以推文点赞数、评论数与转发数之和作为公众参与指数[15]；三是将公众参与分为点赞数、评论数与转发数等该平台的定量指标作为子维度分别进行测量[25-26]。本研究借鉴Yang等人的相关研究[20-21]，将微博中的公众参与分为点赞、评论与转发3个指标。

微博中的用户点赞行为体现的是用户对所接收信息的兴趣、认同、偏好或喜爱，仅需轻点一下“点赞”按钮，相较于评论和转发行为来说，点赞是参与等级最低的微博公众参与行为，其要求的承诺也是最少的；评论指的是对于信息或事件进行客观或主观的自我印象阐述，在微博中是参与等级较为中等的行为[27]；转发行为会将信息转发至信息流以及首页中，包含了对该转发内容的态度或观点的表达，更是一种自我呈现，相较于点赞与评论来说，转发是微博中参与等级最高的行为。这3个指标虽然在实际操作中有一定的相关性，但是他们表现出来的是公众参与的不同卷入程度。

2.2.3 模型建构 图1为本研究构建的健康信息公众参与模型。将作为自变量的健康信息特征分为形式特征(媒介丰富度、对话循环)、内容特征、来源特征三个方面，其中内容类型包含疫情相关信息和疫情无关信息两个维度，内容原创性包含原创和非原创两个维度。作为因变量的公众参与分为点赞、评论、转发3个指标。

图1 健康信息公众参与模型

2.2.4 信度检验与样本编码情况 本研究的5 046条微博文本由1名图书情报专业和1名新闻与传播专业背景的硕士研究生编码员进行编码。在编码之前，先对编码员进行自变量操作化培训，并抽取50条微博文本样本进行预编码，两名编码员在互不干扰的情况下编码，预编码检验结果如下：媒介丰富度、对话循环和内容原创性的Kappa值均为1；内容类型的Kappa值为0.95。结果表明，编码员的分类结果具有高度一致性，对于不一致部分寻找同城某“211”高校信息管理学院的博士研究生进行鉴定。随后编码员采取独立编码、随时讨论的模式对样本进行编码与归类。由于公众参与指标点赞数、评论数与转发数是计数数据，分布过度离散不能通过正态分布验证，由此本研究采用负二项回归进行统计，所有数据经由STATA16处理。

3 研究发现

3.1描述性统计

3.1.1 自变量描述性统计 在常态社会、危机情境、后危机情境三个阶段中“@健康中国”发布的微博特征如表2所示。

表2 变量的描述性统计

由表2可以看出，内容类型方面：在常态社会、危机情境、后危机情境三个阶段中与疫情相关的信息占比经历了先增后减的过程，从早期的1.4%暴增到中期的61.1%，又回落到后期的44.8%。具体来说，随着新冠疫情的爆发，相关内容得到特别关注并大量曝光，此时与疫情相关的内容占总体的44.8%，占比接近一半。由此可见，随着疫情防控进入常态化加上局部疫情的反弹，政府部门在新冠疫情上依然有着很大的注意力分配，公众也有着较大的信息需求和信息关注。对话循环方面：弱对话循环的微博，即不带“#”话题、“@”他人的微博占比逐渐减少甚至几乎消失；中度对话循环的微博，带“#”话题或“@”他人其一的微博占比逐渐增加，甚至在后期占到91.5%的比例；强对话循环的微博在常态社会中占比1.3%，在后期下降较为明显。媒介丰富度：弱媒介丰富度的微博，即仅有文字的微博占比未发生显著变化；而受到疫情冲击后，中媒介丰富度的微博，即使用图片的微博占比显著增加，从33.7%增至50.7%，并保持平稳；高媒介丰富度的微博，即使用视频的微博占比则显著降低。信息原创性：常态社会中“@健康中国”有14.6%的微博是转载的，而随着疫情的爆发，“@健康中国”的原创率提高至98.9%，在后危机情境也稳定在97.6%，几乎全部都是原创内容，可见“@健康中国”受疫情冲击后更倾向于自主发布信息而非转发信息。

3.1.2 因变量描述性统计 在常态社会、危机情境、后危机情境三个阶段中“@健康中国”发布信息的公众参与情况如表3所示。

表3 因变量的描述性统计

由于受疫情影响，“@健康中国”的公众参与从常态社会到危机情境阶段增速较快，点赞数均值由58.77增至3 065.51，最大值由19 753增至694 167；评论数均值由13.68提升至180.79；转发数均值由20.80增至122.38，其最大值翻了34倍多(由929提升至32 080)。由此可见，在危机情境中公众对“@健康中国”的关注程度较高。而在后危机情境中，公众对“@健康中国”点赞数(由3 065.51降至142.41，约21倍)、评论数(由180.79降至25.26，约7倍)、转发数(由122.38降至78.19，约2倍)均值又大幅降低，但与常态社会相比也有显著提升。

3.2负二项回归分析

3.2.1 “@健康中国”公众点赞预测模型 从图2可看出，在常态社会，对话循环对“@健康中国”点赞数有显著负向影响，即对话循环水平每增加一个单位，点赞数降低0.226倍；媒介丰富度和内容原创性对点赞数有显著正向影响。在危机情境中，内容类型对点赞数具有显著正向影响，对话循环、内容原创性、媒介丰富度对点赞数的影响由原先的显著变为不显著。在后危机情境，内容类型、媒介丰富度、内容原创性对点赞数具有显著正向影响；对话循环对点赞数无显著影响，可以看出在后危机情境中公众不会因为“@健康中国”带上“#”或“@”而为其点赞。

图2 常态社会、危机情境、后危机情境点赞量预测模型

公众参与中的点赞行为要求的承诺相较于评论和转发来说是最少的。在常态社会，对话循环、媒介丰富度、内容原创性都能够显著影响点赞量，说明公众对于内容参与度高、媒介呈现度高、可信度高的信息有着较高的认同感。在危机情境中，仅有内容类型能够显著影响点赞量，说明公众对于与政府互动、媒介呈现度高、可信度高的需求远不及对与疫情相关的内容需求高，公众对疫情的参与不在乎信息的形式和来源，在乎和认同的是与疫情相关的信息内容。这也提醒着卫健类政务微博，在突发公共卫生事件发生后，应及时的满足公众信息需求，加强信息公开，避免谣言的滋生、扩散。在后危机情境中，内容类型、媒介丰富度、内容原创性能够显著影响点赞量，说明随着疫情防控进入常态化，公众对于信息的形式和来源依然有着较高的关注度，那些与疫情相关、媒介呈现度高、可信度高的信息更能吸引公众的注意力，进而引发公众的认同。

3.2.2 “@健康中国”公众评论预测模型 从图3可看出，媒介丰富度与内容原创性在常态社会对“@健康中国”评论量有着显著正向影响，媒介丰富度水平每增加一个单位，评论数将提升1.472倍；与非原创信息相比，原创信息能够使评论数提升9.236；对话循环则对评论量有显著负向影响。在危机情境中，内容类型逐渐对评论量有显著正向影响，这说明公众更倾向于评论与疫情相关内容；媒介丰富度依然正向影响评论量，即媒介丰富度水平每增加一个单位，评论数将提升1.228倍；内容原创性则从正向影响变为负向影响，与非原创信息相比原创信息能够使评论数降低0.180倍。在后危机情境中，内容类型与媒介丰富度依然对评论量产生正向影响，媒介丰富度水平每增加一个单位，评论数将提升1.610倍；与非原创信息相比，原创信息能够使评论数提升2.727倍。

图3 常态社会、危机情境、后危机情境评论量预测模型

公众参与中的评论行为体现的是公众发布多种媒介形式内容(如文字或表情等)进行态度或观点的表达，相较于点赞而言，评论需要更多的承诺或认知努力，会短暂出现在动态消息中，但不久就会被信息流刷走，属于中级的参与行为[27]。在常态社会，公众对于“@健康中国”发布的信息内容没有显著的评论意愿。但在危机情境中，公众更愿意对疫情相关的内容进行态度或观点的表达，充分表明公众在这个阶段不仅对与疫情相关的信息产生兴趣和认同，而且在这种焦虑情绪的感染和影响下，公众更偏向对与疫情相关的信息进行评论，积极表达和抒发自己的情绪、态度与观点。另外，无论是在常态社会、危机情境还是后危机情境中，媒介丰富度始终正向预测用户评论行为。具体来讲，评论是基于对信息内容具有一定的认知后才能产生态度和观点，而媒介丰富度越高的内容媒介呈现度越高，也越有利于公众理解进而产生态度和观点。

3.2.3 “@健康中国”公众转发预测模型 从图4可看出，媒介丰富度和内容原创性在常态社会对“@健康中国”转发量有显著正向影响，即媒介丰富度水平每增加一个单位，转发数将提升1.419倍；与非原创信息相比，原创信息能够使转发数提升1.771倍。对话循环则对转发量有显著负向影响，即对话循环水平每增加一个单位，转发数将降低0.608倍。在危机情境中，内容类型则对转发量有显著正向影响，公众更倾向于转发与疫情有关的内容；媒介丰富度依然正向影响转发量，即媒介丰富度水平每增加一个单位，转发数将提升1.500倍；内容原创性则从正向影响转变为负向影响，与非原创信息相比原创信息能够使转发数降低0.160倍。在后危机情境中，内容类型与媒介丰富度依然对转发量产生正向影响；对话循环对转发量也产生了显著正向影响，即对话循环水平每增加一个单位，转发数将提升2.714倍。

图4 常态社会、危机情境、后危机情境转发量预测模型

公众参与中的转发行为体现的是对所接触信息的态度，转发会使相关内容呈现在动态消息和首页中并形成自我呈现，在一定程度上是获得社交网络认同的表现，相较于点赞和评论而言，转发需要付出更多额外的承诺或认知努力，是参与等级最高的公众参与行为[27]。在危机情境中，公众对“@健康中国”信息的转发不仅体现的是自己对疫情的关心，更是对获取相关信息、满足信息需求的一种自我呈现，乃至记录自己在这个阶段的心路历程。不论是在常态社会还是在危机情境，媒介丰富度都正向影响公众转发行为。

4 研究结论与启示

4.1研究结论

4.1.1 “@健康中国”的媒介丰富度与公众点赞、评论、转发之间的关系 a.无论是何种社会情境，媒介丰富度始终正向影响公众评论与转发。无论是在常态社会、危机情境还是后危机情境，媒介丰富度始终对公众评论与转发保持显著正向影响。这与Yang等人的部分研究结果相同[20]，他们认为“@武汉发布”的评论数对图片使用有显著正向影响。由此也可以看出，公众更乐于浏览、观看、接受甚至是认同更多元的“富媒体”内容。斯洛文尼亚美学家阿莱斯·艾尔雅维茨(Ales Erjavec)认为，艺术与文化上的图像“转向”是当代全球化社会的重要特征之一。随着智媒体时代的到来，公众对于健康信息的需求已不仅仅局限于内容层面，而媒介呈现形式在吸引公众注意力、诱发公众情绪体验、影响公众参与行为等方面具有至关重要的作用。文字的视觉属性被图片、视频进一步强化，“浏览”“观阅”健康信息的速度被视觉的好奇和急切本性自然而然的怂恿着。这也充分表明，无论是何种社会情景，媒介丰富度对公众参与的影响都较为明显。

b.媒介丰富度在常态社会和后危机情境中正向影响公众点赞。无论是在常态社会还是后危机情境，媒介丰富度对公众点赞有显著正向影响，而在危机情境中，未发现其与公众点赞的显著性关系。这与Ngai等人的研究结果相同[11]，他们发现“@武汉发布”在疫情期间的点赞数与其是否使用图片和视频无统计学意义上的显著关系。

这或许是因为“点赞”表达的是对微博内容的“已阅”“知道了”，而疫情期间信息纷繁，无处不在，加上很多地方封城公众“闲置”在家，点赞或不点赞某条微博可能存在一定的随机或者巧合，不具备直接的相关性。而在常态社会和后危机情境中，生活处于“正轨”和较为稳定状态，公众注意力除了生活外还有很大一部分被工作、学习等分配，在注意力稀缺的时候，媒介丰富度较高的内容更能吸引公众的注意力，进而更可能引发点赞行为。

4.1.2 “@健康中国”的对话循环与公众点赞、评论、转发之间的关系 在常态社会，对话循环与公众点赞、评论、转发都呈现显著负相关。危机情境中，未发现对话循环与公众点赞、评论、转发之间的相关性，Yang等人也同样未找到“@武汉发布”的“#”话题功能与公众点赞、评论与转发之间的关系。在后危机情境中，对话循环能正向预测公众转发，但与点赞、评论没有相关性。具体来看，“@健康中国”的“#”“@”这类对话循环功能对公众参与的影响并不明显，特别是在常态社会，那些带上“#”和“@”的信息公众参与甚至更低。在后危机情境中，疫情防控进入常态化，公众对相关信息可能习以为常，又或者这类信息的接触会增加公众的焦虑和不安，甚至引发心理恐慌与不适，降低了与该类话题点赞与评论的意愿。同时，发布主体也可能对“@”用户功能使用更加熟悉和有经验，加上公众在危机情境中线上线下的参与，使得他们欲将相关信息告知好友并充当信息“播报员”的角色较为强烈，所以积极转发对话循环程度较高的内容。总之，“@健康中国”的对话循环对公众点赞、评论、转发之间的影响随着社会情境的改变而改变。其中，在危机情境与后危机情境中存在较高相似性。

4.1.3 “@健康中国”的内容类型与公众点赞、评论、转发之间的关系 在常态社会，疫情有关的内容与公众点赞、评论、转发未发现统计学意义上的显著关系。在危机情境和后危机情境中，疫情有关的内容都显著正向影响公众点赞、评论、转发。具体来说，在疫情爆发之前，媒体对相关信息报道较少，公众对相关议题的认知和关注也较少。在疫情爆发之后，社会陷入健康危机之中，媒体报道主要围绕疫情展开，公众出于对自身健康风险的感知以及对外界总体环境的感知等原因，忍不住去刷各种疫情信息，从而导致了点赞、评论与转发行为。在后危机情境中，病毒来源、疫苗注射及后续影响、病毒变异、病毒入侵冷链等情况并不明晰，这些不确定性也自然而然地成了公众关注的焦点所在，公众对于这类信息具有较高的敏感性。从使用与满足理论来看，“@健康中国”在发布相关信息后，在一定程度上满足了公众的信息需求，这种需求在得到满足后会进行反馈，而在社交媒体中，对信息发布者最直接的反馈方式就包括了点赞、评论和转发等互动行为。总之，相较于与疫情无关信息，公众更关注与疫情相关信息。

4.1.4 “@健康中国”的信息原创性与公众点赞、评论、转发之间的关系 在常态社会和后危机情境中，公众更倾向于点赞、评论、转发“@健康中国”的原创内容。而在危机情境中，公众更倾向于评论与转发非原创内容，未发现信息原创性与公众点赞之间的关系。究其原因，一是因为“@健康中国”是国家卫健委官方微博，是传递政府声音、服务大众的官方网络互动平台，对公众来说具有较强高的可信度，正因为如此，公众更倾向于点赞、评论、转发原创内容；二是从媒介依赖理论看，当某种媒介能够满足用户需求时，用户就会对此产生依赖，长期以往利用该媒介满足该方面需求，因此，公众会对发布的信息或产生“习惯性”关注和互动。而在疫情爆发初期，由于相关信息不明朗加上偶尔出现“翻车”现象，使得公众对原创内容出现了一定时间的“回避”，所以在这个阶段未发现信息原创性与公众点赞之间的关系。在后危机情境中，上文所提到的诸多不明朗情况的谣言时有滋生，公众也意识到甄别谣言最简单的方法就是从信息源头来判断，因此，公众又重回先前“阵地”。由此可见，信息源对公众点赞、评论、转发的影响在不同社会情境下存在显著差异，危机情境中公众更偏好有其他专业权威媒体加持的信息。

4.2研究启示

4.2.1 卫健类政务微博应丰富信息发布形式 进入互联网的下半场，公众的注意力几乎以秒来计算，相较于单纯的文字而言，图片、短视频有着更强的视觉冲击力，更能吸引公众的注意力，而且，偏专业性的卫健类信息原本就不如奇闻轶事、娱乐八卦吸引人。本研究的结果也充分表明，媒介丰富度高的信息对公众参与有正向影响。因此，在信息发布形式上，卫健类政务微博可以通过AI插画工具、思维导图、PPT等办公工具的运用对原有的文字信息进行提炼、梳理和整合制作，还可以利用数据、图表、动图、音视频等形式传播相关信息，使健康信息有内容又有形式。

4.2.2 卫健类政务微博在追随社会热点的同时要做好本职工作 本研究的结果充分表明，在不同的社会情境中健康信息的公众参与有着不同的偏向，但“到哪座山，唱哪支歌”依然是公众参与的主要表现。因此，卫健类政务微博应结合日常工作和重点任务及项目，落实职能处室重点发布疾病预防知识、基本医疗服务、公共卫生服务、突发公共卫生事件处置、卫生监督执法、计生管理与服务，也可以围绕医疗卫生体制改革、系统行风整治、医养健康产业、“名医下基层”等前沿热点做文章，根据公众参与的情况调整信息类别，不断增强信息的针对性与实用性，并积极倡导公众参与和卫生健康有关的符合社会主义核心价值观的公益行为。

4.2.3 卫健类政务微博应该及时、准确的发布卫生健康类服务信息 本研究的结果充分表明，信息源对公众参与在不同社会情境下存在显著差异。政务微博的核心还是“织博”为民[28]。因此，卫健类政务微博应积极主动的了解公众关注热点和信息需求，及时回应意见和建议，增进理解与共识。尤其是在突发公共卫生事件发生时，及时的信息公开和回应关切，能够有效的占领舆论“制高点”，避免产生“谣言满天飞”的局面。与此同时，通过这种信息公开透明的方式彰显“阳光”政府形象，进而提升政府公信力和公民政府信任水平。

4.3研究局限与展望整体来看，本研究还存在以下几点不足，后续研究将继续完善、拓展和深入。

首先，大数据不是全数据，微博的数据并非完全真实的数据，只能给予我们一定参考。未来可以结合社会神经学和深度访谈的方法测量公众参与。

其次，本研究根据危机情境的时间，给常态社会和后危情境各匹配了一个季度的时间，由于时间设置区间不是很长，无法将公众参与的更多信息进行呈现和分析。未来将持续关注后疫情时期公众参与的相关数据。

最后，健康信息公众参与的过程中可能会受到其它因素的影响，比如说参与主体是否从事卫生健康相关职业、个人健康素养等，未来将引入更多的中介和调节变量进行系统全面的考察。