社交机器人对社会舆论的影响因素研究

许灵毓，钟义信，陈志成

（1.英国布里斯托大学 社会科学与法学院, 英国 布里斯托; 2.北京邮电大学 人工智能学院，北京 100876; 3.北京邮电大学-格分维普惠人工智能联合实验室, 北京 100876; 4.北京格分维科技有限公司， 北京 100070）

当前我国互联网用户已经超过十亿，已实现全地域、全年龄段的互联网覆盖，短视频平台等社交媒体也随之迅速发展并覆盖了大多数人口。由于这种发展，社交媒体平台的信息流对我国公众的影响力迅速上升[1]。在新冠疫情等全民关注的议题上，社交媒体已成为我国公众最主要的、最依赖的信息获取渠道。随着人工智能技术的快速发展与普及应用，出现了大量社交媒体机器人，借助社交媒体平台发挥着越来越强的舆论引导作用。

1 研究现状

社交机器人对舆论的影响目前受到了学界的普遍关注。如王晗啸等[2]、师文等[3]通过不同方法分别研究了推特的社交机器人，发现推特平台的各话题下约有1/5的账号是社交机器人。Bessi等[4]通过对美国大选的考察发现，参与竞选辩论的社交媒体社区的280万个账户中约有1/5是机器人，竞选团队都使用了机器人来大规模地引导公众并制造影响力。

然而，现有研究存在2方面不足：

1)在多种因素影响下，社交机器人对舆论扩散的各个环节影响的分析仍然不足，多集中于舆论的形成和发酵环节。如Cheng等[5-6]应用“沉默螺旋”理论，分析了社交机器人占据舆论主导权的动态机制，并将报纸、广播电视等媒体引入了这一机制。但这些研究仅关注舆论的产生和扩散，未将大众舆论的分裂和极化考虑在内。

2）对于大众媒体影响的分析仍显片面，如Cheng等[6]在对大众媒体和社交机器人同时影响公众舆论的研究中，将大众媒体视作一个对公众施加全局性影响的常量，这低估了大众媒体与社交媒体所组成的“混合环境”的复杂性。

本文重点研究社会舆论的形成过程、分析有社交机器人参与其中时的影响因素和影响程度。

2 社会舆论的形成过程与影响因素

2.1 社会舆论的形成过程分析

“社会舆论”这一概念的定义有很多种，但整体而言，舆论是一种全社会公众共同意志的体现。文献[7]认为，社会舆论是公众针对某一问题产生的各种意见经过交流和互补后，逐渐形成的统一的集合意识与整体知觉。经过对舆论形成各环节的分析、总结、归纳，提出了加入社交机器人的社会舆论形成过程模型，分为“舆论出现、争夺影响力、舆论形成”3个阶段，社交机器人可以在3个阶段中介入和影响，如图1所示。

图1 加入社交机器人的社会舆论形成过程模型Fig.1 Process model of social opinion formation by adding social robots

社会舆论形成的第1阶段是“拟态环境”的形成。李普曼[8]认为，人们认识到的并非真实存在的世界，而是由媒体通过对事件或信息进行选择和加工，重新加以修饰后向人们呈现的“拟态环境”。社交媒体和传统媒体都有可能成为“拟态环境”构建的主导，“拟态环境”左右了舆论的形成。

社会舆论形成的第2阶段是不同意见之间的对抗。与传统媒体相比，Facebook、Twitter、微博等社交媒体的信息转发和评论功能使初始影响较小的话题“滚雪球”增长，在极短的时间内爆发，并可能进一步从线上扩展到线下，引发“舆论风暴”。同时，社交媒体降低了用户评论、表达自己意见和积极参与讨论的门槛。因此，社交媒体舆论信息的爆发性传播可以伴随着观点的激烈交锋。持有不同意见的人可能会相互争论或攻击[9]。

从微观上、社交媒体用户个体的角度看，首先形成个人对问题的立场，而后也会参考他人的意见，从而形成一个较稳定的固定立场。如果这种固定立场与主流立场相符合，个体就会倾向于继续表达。从宏观上，网络空间不允许无限的个人表达，能够容纳不同观点个人的数量是有限的，持有不同观点的个人之间必然会争夺有限的网络空间资源。最终统一的网络舆情形成。

社会舆论形成的第3阶段是舆论的形成阶段。在这一阶段，社交媒体用户不只是信息的被动接受者，还会创建和分发内容。根据使用与满足理论[10]，受众使用媒体获得信息的主要心理需求并非获取知识或真相，而是从信息当中获得心理满足。社交媒体可以使个体很容易地找到支持他们现有想法的证据，并追随那些持有类似观点的人。

统一的舆论环境可能不会形成，而是出现了不同观点的个体各自保留其现有的想法，只与和其有相同想法的用户交互，从而形成舆论的分裂和小圈子的形成[11]。在舆论分裂状况出现后，持有极端意见的个体会不约而同地选择将温和、中立的个体拉近自己的阵营并引导其逐步形成分裂的、极端的舆论环境[12]。反之，如果这种分裂状况没有出现，主流意见将逐步占据统治地位，舆论将逐渐靠近主流意见并向较温和的立场回归，支持主流意见的个体继续发声，不支持主流意见的个体在评估舆论气候后进入沉默，从而形成统一的、温和的舆论环境。

2.2 社会舆论影响因素分析

在研究分析社会舆论形成过程基础上，发现并归纳出影响社会舆论的主要因素，它们与传播媒体、议题自身、受众群体密切相关，如表1所示。

表1 社会舆论的影响因素Table 1 Influence factors of public opinion

1) 与媒体相关的因素：媒体对信息的反应速度、大众媒体立场的统一性。

社会舆论形成的第1阶段是“拟态环境”的形成，而更频繁更新、更快捕捉新热点的媒体将主导“拟态环境”的构建。在传统媒体和社交媒体组成的“混合环境”下，媒体的影响能力与其发布速度相一致。社交媒体的主要扩散方式是“点对点”的好友之间的转发，传统媒体则是“点对面”的，都在一个时间段内对其受众施加影响[13]。因此，在新闻热点出现时，传统媒体和社交媒体何者能更快捕捉热点，将决定舆论产生阶段的扩散模式。

在当代社会，媒体是一个开放系统，个人会接触到多个传统媒体来源，它们可能立场不同，观点相互矛盾[14]。当传统媒体的声音一致性较强时，传统媒体会成为不同意见竞争阶段推动某一意见成为主导的重要力量。研究表明，如果传统媒体的意见不统一，就会导致传统媒体对舆论发展影响效果的下降，即使有少量传统媒体站在坚持自己观点的一侧，但其在不同观点之间竞争过程中发挥的影响力也可能会快速消散[15]。

2) 与议题相关的因素，舆论议题本身有3个属性影响舆论的发展：议题的重要性、模糊性和争议性[16]。

第1个属性是重要性。波及范围广、与民众切身利益相关的舆论议题更容易提升舆论热点扩散的广度和受众意见交换的频率，这是由于此类议题或利益相关群体多、易引发受众关切或同理心。

第2个属性是模糊性。模糊性是指公众对热点事件的认知是模糊的。这一方面可能是由于参与舆论的普通受众缺乏对热点事件所涉及的专业知识的了解，另一方面可能是由于媒体上有关热点事件的信息是碎片化的、模糊的，舆论议题的模糊性增强可能会导致更强的争议性。

第3个属性是争议性。有些话题尤其是关乎个体生命安全和社会公平正义的舆论议题，很容易引发不同群体之间的尖锐对立。暴露在此类争议性话题下的事件会导致舆论参与者走向极端化和导致舆论走向分裂[17]。

3) 与受众相关的因素：互动强度、嗜同性、受教育水平、受众社交网络结构。

在社交媒体上参与社会舆论的普通公众也会对社会舆论产生影响。社交媒体上普通公众有4个属性可能会影响社会舆论的发展：互动强度、嗜同性、受教育水平和受众的社交网络结构。

互动强度是指普通公众在社交媒体平台上与其他公众互动的强度，嗜同性是指公众与且仅与和自己意见相同的其他公众交流这一倾向的强弱。互动强度较大时，公众整体即使达成了共识，这种共识状态也会是不稳定的，嗜同性的升高也会导致舆论的分裂。在持不同立场的个体与和其志同道合的个体反复互动的驱动下，不同立场的公众的观点都会得到强化。

使用社交媒体的公众的受教育水平也会影响社会舆论[18]。群体之间受教育程度的高低差异，与他们的媒体选择、对信息的吸收能力、对信息真伪的分辨能力和表达能力都直接相关。高教育水平受众接触的信息渠道多，使其更容易以恒定的意识形态和理解模式来解读信息，在主流意见逐渐胜出的阶段，受教育程度较高的群体可能坚持非主流意见，从而增大舆论分裂的可能性。

社交媒体用户间不同的社交网络结构也会影响社会舆论[19]。用户间的网络结构可依据意见领袖的多寡分为单核结构、多核结构和链式结构3种。单核模式的舆论信息传播速度更快，关键传播节点大多是强大的舆论领袖。链式模式首先从小范围扩展，传播中的主要节点很少是意见领袖，信息的传播扩散性可能较弱。多核模式中，意见领袖和普通用户都成为舆论热点扩散的关键传播节点，此模式的影响力最大。

3 社交机器人对社会舆论的影响模式

3.1 社交机器人的级联效应

“级联效应”是社交机器人影响舆论的重要原理。当新的信息出现时，个人对外界信息的观察和吸收会影响他们自身的行为。当群体中的不同个体非同时地接触到该信息时，先接触到信息并做出反应的个体对信息的反应会被后来者观察到，有概率使得后来者放弃自己的思考和决策并效仿先接触者的反应。而这个过程在人群中的重复，会使得先接触者的反应被不断模仿，直到某个用户能独立决策时，该级联坍塌。

在文献[19]对推特平台上社交机器人行为模式的研究中，他们发现新闻的传播遵循两级模式，也即新闻先由媒体流向关键节点（一级传播），再由关键节点流向一般大众（二级传播）。一些机器人作为首发，另一些机器人应和，形成多个级联链条，参与此种协作的机器人可能达到数万个之多。社交媒体机器人也会与尽可能多的好友产生联系，以此为现有级联产生新的继承者。此外，社交机器人不仅会主动发帖、点赞，还会主动试图说服真人用户关注自身。关注了社交机器人的真人用户往往因级联效应成为机器人的模仿者。社交机器人参与舆论传播时的级联效应如图2所示。

图2 社交机器人的级联效应Fig.2 Cascade effect of social robots

3.2 社交机器人加入社会舆论的过程和影响

社交机器人对社会舆论的热点形成阶段、影响力争夺阶段、最终舆论形成阶段都会产生影响。社交机器人可以在社会舆论的产生、发展、形成的各个阶段介入，如图1所示。

1) 社交机器人对舆论热点形成阶段的影响。

哪种媒体在舆论热点事件出现阶段具有更快的反应速度，就有可能主导“拟态环境”的形成。如果在这一阶段社交媒体主导舆论走向，那么社交机器人则可能极大影响这一阶段的舆论环境。如果在社会舆论热点的早期就有社交机器人有方向地引导舆论，可能使得在舆论扩散的早期阶段即形成有利于社交机器人的主流意见。在这种情况下，主流意见和非主流意见的冲突可能不会出现。

2) 社交机器人在意见争议阶段对社会舆论的影响。

根据“沉默螺旋”理论[5-6]，在不同意见的竞争阶段，影响个体的表达意愿的主要因素是个体所感知到的舆论环境。个体表达意见的意愿随着舆论环境的变化而不断变化。当个体的意见与舆论环境中的主流意见相符合时，个体愿意表达自己的意见；当个体发现对自己意见具有敌意的人占多数时往往会保持沉默，以避免被孤立。

在意见争议阶段，社交机器人足以影响公众所感受到的舆论环境，从而影响人类用户的表达意愿。这会使得反对社交机器人观点的人类用户沉默，最终导致机器人的观点成为主流。在这一阶段，如果传统媒体和社交媒体的意见相同，则双方会互相促进，增加主流意见的影响力。但如果传统媒体的影响力增加到一定程度，舆论的趋势将被扭转，使以前的少数群体逐渐成为社会的大多数。传统媒体的参与可以有效地削弱机器人对与其具有不同意见的人类的抑制，从而有效地减少沉默者的数量。

3) 社交机器人在舆论形成阶段对社会舆论的影响。

社交机器人在舆论形成阶段可能会提高舆论走向极端和分裂的可能性。社交机器人与人类用户的主要不同有2点：1) 社交机器人总是坚持自己程序中的预设观点，而不管感知到的整体舆论氛围如何；2) 社交机器人仅在预定的时间段活动，并且社交机器人的发帖、转发动作是自动完成的，相比人类用户完成同样动作的效率高得多。因此，社交机器人会极大地提升社交媒体平台上的互动强度，互动强度和话题的争议性的增加会增加社会舆论走向分裂的可能性，而社交机器人的互动强度大于人类用户，也会故意转发相反立场的帖文，以此引发争吵并吸引更多关注。因此社交机器人可能增加社会舆论分裂的概率。

社交机器人在舆论形成阶段可能会提高舆论的信息熵，导致舆论走向更加随机。当社交机器人重复推送消息时，社交媒体整体的信息熵可能会随着其争议性推送而升高，从而提升舆论走向的随机性和不确定性。

3.3 社交机器人的工作原理

社交机器人的工作原理总体上可以分为创建部署机器人、影响力扩张、影响舆论形成3个环节，如图3所示。

图3 社交机器人的工作原理Fig.3 Working principle of social robots

第1个环节是部署机器人环节。该环节的第1步是大量创建账号以备社交机器人使用。这一步骤可使用许多方式将其自动化。如部署者可以通过光学字符识别和机器学习技术自动解决验证码、使用预先写好的与电子信箱关联的脚本进行邮箱验证、破解客户端等方式，高效地绕过社交媒体平台的人机验证并创建大量账户。这一工作可以通过特定的软件来大量完成。

然后，社交机器人部署者使用机器学习技术，构建社交机器人与真人用户的互动能力[20]。部署者首先用爬虫抓取用户的社交关系、用户的个人信息、发帖和评论4类信息，并将之储存进数据库。依据这些数据，部署者会训练情绪分类器来区分评论的倾向，并基于数据库训练文本生成器，使之可自动生成符合部署者需求的评论。

最后需要为社交机器人构建一个社交圈子。大多数人类社交媒体用户对虚假账号的好友添加请求并不谨慎，大多数人会同意社交机器人假账号的好友申请[21]。社交机器人可通过在部署前建立一个好友圈子以增强其舆论影响力，这些好友会转发或发布与机器人要影响的目标话题相关和相似的话题。当达到预设好友数后，此步骤即告结束。

第2个环节是影响力扩张环节。该环节的目的是通过转发行为，针对社交机器人要影响的目标话题感兴趣的用户尽可能多地建立社交联系[22]。社交机器人用关键词筛选出与目标话题有相同关键词的消息， 如果在选定的消息中有转发的消息，它将发送好友邀请，从而影响受众人员对舆论环境的感知。机器人将重复这一过程，直到其好友数到达社交媒体平台或部署者允许的上限。

第3个环节是舆论引导环节。社交机器人将通过生成评论、转发、点赞等行为引导舆论。该环节主要执行2个任务：1) 改变其好友网络的结构，2) 发布、阅读、转发和点赞帖文。社交机器人首先通过情绪分类器分辨其他账号发布的帖子和评论的倾向，从而确定转发内容的对象。社交机器人可能向真人好友转发相同立场的帖文以获取更多支持，也可能故意转发相反立场的帖文，以此引发争吵并吸引更多关注[23]。与此同时，社交机器人也会依据对方影响力调整对方在自身社交网络中的重要性，按影响力高低对好友进行排序，优先向影响力较高的用户进行转发、评论等互动行为。

4 影响因素的调查问卷实验分析

为了从多角度分析公众视野中社交机器人对大众舆论的影响，本文进行了一次网络问卷调查，共收到答卷10 771份，经过数据整理，得到7 458份完整有效的答卷，下面进行具体分析。

4.1 问卷调查问题设计

本次问卷调查设计了11个问题，如表2所示。

表2 问卷调查设计的11个问题Table 2 The 11 questions in questionnaire

4.2 受调查者背景信息分析

在问卷调查中，Q1、Q2、Q3为受调查者的年龄、文化、行业信息，统计数据分别如表3所示。

表3 受访者背景信息(年龄、教育、行业)分布Table 3 Distribution of respondents’ background information (age, education, industry)

Q1年龄结构。有效回复中，主要为18～44岁的中青年和45～59岁的中老年，分别有4 378和2 255人，占比分别为58.79%和30.24%。18岁以下青少年次之，有572人。60～75轻老年和75以上的老年人口比例最少，分别只有187人和66人。

Q2教育程度。从受教育水平来看，参与本次调查的人员中以大学本科、专科为主，本科有3 289人，专科有1 397人，硕士有935人，博士825人，中小学及其他学历有1 012人。

Q3行业结构。从从事行业来看，受调查者主要以批发和零售业、餐饮等服务业有1 287人，文化、文创、教育、科研行业有3 311人，其他受访者供职于互联网产业、制造业等行业，在读大、中、小学生650人。

4.3 社交机器人的应用场景分析

问题Q4、Q5、Q6主要调查大众对社交机器人应用场景的了解，调查结果如图4所示，主要反应社交机器人用于哪些场景产生影响。

图4 大众对社交机器人应用场景认知的调查Fig.4 Survey on the public perception of social robot application scenarios

Q4反映出当前社交媒体的关注度排行依次是：短视频类平台90.86%、文字图片类网站87.46%、交互聊天类工具84.81%、传统纸质媒体71.98%、其他类型传媒媒介30.53%。

Q5反映出大部分受访者知道网络上有社交机器人存在，占比70.65%，也有29.35%%的人不知道有社交机器人。

Q6结果表明网络环境下的机器人有多种用途，其中可用于自动客服、推送转发消息、点赞或投票、与真人交流、发布评论的分别占比为91.59%、86.73%、57.52%、53.98%、49.85%。

4.4 对热点事件的影响因素分析

问题Q7、Q8、Q9主要调查社交机器人对社会热点事件的影响情况，调查结果如图5所示。

图5 对热点事件的影响因素分析Fig.5 Influencing factors of hot events

Q7调查社交机器人对热点事件的影响情况，41.00%的受访者回答“因问题不同而定”，认为有很大影响的为14.01%、有比较大影响的为18.29%，有较小影响的为17.99%，总体而言，有影响(含很大影响、较大影响、较小影响)总体比例为50.29%。

Q8询问社交机器人通常对哪些类型的热点事件影响较大，依次为：社会热点事件(如新冠疫情)最高，占比64.31%；娱乐热点事件其次，占比62.98%；经济热点事件(如房价涨跌)占比58.41%；政治热点事件(如美国大选)占比为56.49%；军事热点事件(如俄乌冲突)占比54.13%。可见社交机器人可以影响多方面热点事件。

Q9调查社交机器人对公众意见影响程度的主要因素有哪些，依次为：热点事件本身的模糊性/争议性占63.27%、热点事件本身的重要性占60.47%、社交媒体账号间的互动强度占56.34%、用户间链接及公众人物数量占48.53%、社交媒体用户的嗜同性占46.76%、社会公众受教育水平占46.61%。由此可见，热点事件本身的模糊性、争议性、重要性也是主要因素。

4.5 社交机器人对舆论的影响效果分析

问题Q10、Q11调查社交机器人对社会舆论的影响效果，结果如图6所示。

图6 社交机器人对社会舆论的影响效果Fig.6 Social robots impact on social public opinion

由Q10结果可知：在加入社交机器人的媒体活动中，其对社会舆论的影响是十分明显的，75.66%选民认为对舆论扩散速度有影响，62.09%的选民认为对个体网民的意见/倾向有影响，55.01%认为社交机器人可以制造和掩盖部分信息，这使得有53.54%选民认为将会产生集体误导。

由Q11结果可知：关于社交机器人是否可以部分或完全操控舆论新闻的调查，除了39.53%选民认为“视具体问题而定”之外，有28.61%的选民认为可以“少部分操控”，有22.12%的选民认为可以“大部分操控”，甚至也有3.98%的选民认为可以“完全操控”，加起来有54.71%的人认为部分或完全操控。

5 机器人在热点事件中的案例分析

5.1 选择热点事件案例

本文选取了2020—2022年美国社交媒体的新冠疫情相关资料作为研究样本，分析社交机器人在社会热点事件中的作用和影响。自2020年1月21日美国宣布第1例新冠确诊病例以来，新冠疫情造成人员隔离、旅行禁令、企业破产等各种影响，这使得其迅速成为社交媒体讨论的热点事件[24]，并受到了社交机器人的广泛介入。

社交机器人干预较多的议题包括确诊病例和死亡病例、美国新冠肺炎疫情、中国新冠肺炎疫情等，在一定程度上影响公众生活、公众舆论、公众心理情绪等[25]。

5.2 机器人在推特发帖中的活跃度分析

根据文献[26]对205 298个关注新冠肺炎账户的推特账号的统计分析，在3个月研究周期内总发帖数量为10 098 455条。其中：人类账户为187 992个(占比91.57%)，发帖7 983 987条(占比79.06%)；机器人账户为17 306个(占比8.43%)，发帖2 114 468条(占比20.94%)。

定义：账户平均活跃度为研究周期内的发帖总数与账户总数的比值。据此定义，机器人账户平均活跃度为2 114 468/17 306=122.18(条/个)；人类账户平均活跃度为7 983 987/187 992=42.47(条/个)。机器人账户平均活跃度明显比人类账户平均活跃度高，是人类账户平均活跃度的2.88倍。

以上分析表明：社交机器人已经成为社会热点事件讨论的重要参与者，其发帖活跃程度明显高于人类发帖活跃度，与本文前述调查问卷结论相符。

5.3 机器人对公众情绪的影响分析

社交机器人在社会舆论中表现活跃，可以影响公众对某一话题的情绪倾向，并可能使这种情绪变得极端化。文献[25]通过标示特定情绪关键词的方法，针对美国疫情期间公众的“悲伤、愤怒、焦虑”3种情绪表现的极端化水平进行研究，其中机器人发帖占比约5%，人类发帖占比约95%，情绪极端化水平计算方法见文献[25]，分析数据如表4所示。

表4 机器人与人类发帖对情绪极端化水平的影响Table 4 Influence of robots and humans on the level of polarization

由表可知，5%社交机器人发帖引起的公众情绪（含悲伤、愤怒、焦虑）极端化水平大于95%人类发帖引起的情绪极端化水平，其中焦虑情绪高出82.05%。

此研究表明，在热点事件中，少量社交机器人即可对网民的意见、倾向、感受产生影响，对不同情绪表现影响大小不同，与本文前述调查问卷结论相符。

6 结束语

随着互联网、大数据、人工智能的发展，机器人也越来越多地用于社交媒体。本文针对社交机器人影响社会舆论的因素进行研究，详细分析了社会舆论的产生、发展和形成的过程，可分为舆论热点出现阶段、不同观点间的影响力竞争阶段、最终主流舆论形成阶段。在社会舆论的形成过程中，社交机器人与传统媒体形成“混合环境”，影响力相互叠加或削减，最终形成社会舆论观点。

调查问卷实验表明：社交机器人对信息传播速度、网民意见形成具有显著影响。通过对美国疫情议题下推特舆论的分析，发现社交机器人已成为舆论热点话题重要的参与者，且对公众的情绪倾向产生了明显影响，与调查问卷结论相符。文章对于理解和分析社交机器人在社交媒体上的地位和作用具有重要参考价值。社交机器人影响社会舆论的其他因素可能有：传播媒体类型、热点事件自身性质、参与互动人群等方面，这将是进一步深入研究方向。