韩瑞霞 | 国际社交媒体平台中国形象“元结构”测量及“话题—平台—情感”模型检验

韩瑞霞，上海交通大学媒体与传播学院，主要从事国际传播、媒介社会学研究。

E-mail：annahan08@sjtu.edu.cn

摘   要：智能媒体环境下涌现的中国形象是否存在“元结构”？这一结构的构成维度及各维度系数为何？平台、算法在“话题—情感”关联中发挥了什么作用？研究以国际五大社交媒体平台Twitter、Facebook、YouTube、Instagram、TikTok近三年（2019-2022）中国话题数据为基础，通过人工二次聚类编码及回归、中介、有调节的中介作用分析发现：“话题—平台—算法—情感”模型作为测量中国形象国际社交媒体平台“元结构”方程具备效用性，而在与经验数据的拟合中也证实了“重复发帖”为表征的算法在国家形象情感特征呈现中的显著“调节”作用。典型表现为Facebook平台中国话题情感特征总体为正，但在算法调节作用下情感倾向转负，而Tiktok则反之。这种逆转现象背后折射出近年来国家形象传播研究话语转向的必然，也反映出“计算宣传”为表征的当下国际传播场域理性沟通实现的困境。

关键词：社交媒体中国形象；元结构；平台；算法

近年来国际传播场域发生剧烈变化，“意识形态偏见”和“价值观新冷战”成为理解新时期国际传播环境的重要概念^【1】，在其中，传播技术和环境变革“助推”了这一局面形成，“深伪技术””算法分发””信息茧房””回音壁”等成为学界关注的重点话题^{【2】【3】}。然而在警惕传播技术异化使用的同时，如何全面客观分析中国形象在国际传播场域的总体特征，其中平台、算法发挥了什么作用？其与话题、情感的整体关联机制为何？是否在国际社交媒体平台中国形象呈现中存在一种可以识别的“元结构”？这一结构的构成维度及各维度系数为何？回答这些问题对于客观理解当下国际传播环境中中国形象涌现机制具有重要意义。

本研究以国际五大社交媒体平台Twitter、Facebook、YouTube、Instagram、TikTok三年（2019-2022）中国话题采集数据为基础，通过人工二次分类编码统计及多因素回归分析，考察中国形象浮现背后的“元结构”及其特征，并就算法和平台在中国形象话题生成与情感倾向中的调节、中介作用进行展示，给出基于“话题—算法—平台—情感”模型的中国形象元结构测量方程和检验方法。

（一）中国形象“元结构”是什么？如何测量？

“元”在英语词汇中对应的是“meta”一词，其在形式逻辑和数理逻辑中均为重要的基础概念。随着近几年计算机自然语言处理技术在社会科学领域的广泛应用，人们对“元”的理解进一步加深。简单来说，“元”既可以指“词”（term），也可以指词与词之间形成的关系“程式”（fomula），因而“计算”（calculus）以及“规则”（rule）成为理解元结构不可缺少的概念^【4】。对于社会科学来说，由于要尝试解释和预测人类世界中的复杂现象，如何处理和引入语义多义和情感层次就成为需要突破的难题。就日常生活语言使用而言，索绪尔的“所指””能指””意指”概念和罗兰·巴特的“神话学”基本能支撑对语言背后社会文化深层意义的简要理解，如索绪尔的所指、能指、意指概念指示我们注意词语及其所指、意指之间所可能存在的“间距”甚或“鸿沟”，而罗兰·巴特的“神话学”则指示我们注意语言使用中群体文化的投射和反映。对不同层面的强调也形成了中国形象话题分析研究中的两种范式：一种是以葛岩^【5】、陈昌凤^【6】等人为代表的测量范式，一种是以吴飞^【7】、甘莅豪^【8】等人为代表的分析范式。

就测量范式来说，葛岩等指出基于认知图式形象理论（Schemata-based Image Theory，或，SIT）模型的TF-IDF（w）=TF（w）*logD/TF（w）测量公式可以用来捕捉某一媒介文本中的中国话题特征，这一方法为从媒介文本原始数据挖掘浮现中国形象特征指明了路径并提供了范例，但是该路径无法解决的问题在于特征值浮现是基于海量数据挖掘，而海量数据要求最好是“全样本”，否则所呈现的总体特征就只能是“部分”特征。在实际工作中，对于挖掘社交媒体等代表的新媒介中所产生的文本数据存在获取障碍的问题，即客观上我们基本无法获得所谓“全数据”，单纯采用这一方法，将可能导致我们对一些社交媒体平台中国形象难以实现完全图谱认知。第二种测量路径是近年来以陈昌凤等为代表的注重社交媒体机器人影响效应的中国形象社交媒体研究，该路径的最大特点是注意到社交媒体中以社交机器人为代表的技术和算法的力量。在对社交信息流算法总结基础上^【9】，基于对诸如Edge Rank代表的亲密关系加权算法和Page Rank代表的关系加权路径的了解，通过一级传播和二级传播账号社交机器人bot网络发布信息路径追踪，得到特定议题中社交机器人的渗透比。如以“香港修例”《纽约时报》报道社交媒体传播扩散为例，得出第一层级社交机器人内容渗透比为28.69%，第二层级渗透比则为17.04%。这一方法对于理解社交机器人在中国形象议题中的作用给出了直观展示，但是仅适合如Twitter这样API开放可以进行社交机器人检测的平台，其他平台中国话题涌现机制中社交机器人的作用仍然处于半黑箱状态。但两种测量方式都为我们进一步开展社交媒体代表的智能媒介环境下中国形象测量提供了思路启发，即既要注重基于原生数据的话题涌现，同时也要注意社交机器人及背后隐藏的技术和算法在其中的作用。但是对于话题和情感的关联模式及二者与平台和算法的关系已有研究还没有给出全局思考图式。

图源网络

相对于测量范式，吴飞、甘莅豪等人代表的分析范式，更接近于通过对代表性数据中中国话题进行主题元分析进而得出总体特征的方法。如吴飞等运用Citespace和VOSviewer软件对关于中国形象的研究总体文献分析后发现，中文学界关于中国形象的话题域主要散布在国际传播思路、反思他者视阈、符号与刻板印象、文化策略、国际竞争力五个主题上。而甘莅豪等则通过话语分析方式指出，在特定新闻报道中中国国家形象的呈现存在不同的修辞框架或报道模式。这启发我们对于如中国形象这样的话题也许可以通过选取代表性文本进行二次梳理或编码的方式将其中的重点符号及关系予以挖掘突出，最终实现对整体“结构”的把握。但是由此形成的话题结构又是由哪些元素构成的则需要进一步萃取思考。

从测量实现角度而言，传统的社交媒体数据分析展示了其在内容方面可以提供的向量支撑，即话题和情感^【10】。这也是为什么该分析手段最早在美国总统大选研究中被广泛采用的原因^【11】。而从人类态度构成维度来说，认知、情感和行为意向是其基本构成单元^【12】。对于国家形象这样的研究主题，在某种程度上，我们正是希望通过对社交媒体中涌现的国际公众对中国认知、情感和行为意向的把握预测中国形象涌现脉络，进而促进良好中国形象的形成。因此无论从数据分析的可行性还是研究议题的适配性，都推动我们通过挖掘社交媒体中中国形象“话题”元和“情感”元的相关数据，以获得对于整体图式或结构的认知。

那么只有认知和情感向量的挖掘足够吗？事实上对于社交媒体，不同于传统媒体的信息代数级呈现方式，各平台基于自身特性会存在各种各样的内容过滤、筛选和推送机制，这种基于平台媒介可供性所形成的技术特征会形塑该平台某一主题话题涌现机制。因此对中国形象的测量必须综合考虑平台、算法/机器人、话题、情感多维要素。也就是说，对社交媒体中中国形象“元结构”的把握，应该走出传统基于话题“元”及其背后表征的挖掘方式，而应将其视为由平台、算法、情感和话题多重维度共同组成的复合模态，其中情感又包括倾向和强度，基于此一设想，我们尝试推出了如下社交媒体平台中国形象元结构测量方程：

CVSM=β1*VAB+β2*VSP+β3*VSS+β4*VTF+e

其中，CVSM=Value of Social media platform on China，平台中国话题特征值，即该平台出现中国话题时，各维度的特征值是什么；VAB=Value of Algorithm/bot，算法/社交机器人系数；VSP=Value of Sentiment polarity，情感倾向；VSS=Value of Sentiment strength，情感强度；VTF=Value of Term frequency，主题词频。

基于以上模型提出内嵌研究假设1：

H1：不同社交媒体平台中国话题特征是由社交机器人参与的算法、话题和情感特征共同影响形成的。

（二）平台在社交媒体中国话题呈现和情感倾向中的作用

1979年吉布森提出可供性概念，潘忠党等进一步将其发展为包括信息生产的可供性、社交可供性和移动可供性三个主要维度在内的媒介可供性概念^【13】。联系法国社会哲学关于媒介“物质性”和“社会性”的讨论^【14】，意味着就同一话题或主题，不同社交媒体基于自身的平台特征属性和算法过滤机制，会产生不同的形貌呈现。而这种效应之所以能够发生从平台可供性的细分角度主要有以下三方面原因：首先，不同平台的信息过滤机制存在差异。Bouvier指出平台基于利益利润追求，会导致他们在“锁定”自身用户过程中充分发挥差异性算法优势，导致不同的人群集结和话题显现^【15】。其次，不同平台用户使用模式存在差异。如Smith等发现Facebook、Twitter和YouTube三大平台在内容生产规范、行为、关注领域和自我呈现导引上都存在差别，进而导致用户使用取向和特征出现分殊^【16】。第三，同一类型使用者会借助不同平台的可供资源展开不同的使用方式并达成多元化的目的。如Weimann针对“恐怖组织”在Face-book、Twitter和YouTube上的使用方式分析发现，恐怖分子正在有效利用不同平台的聊天室、视频图片呈现、网络信息追踪和及时信息发布扩散功能以满足自身的需求^【17】。也就是说社交媒体平台基于信息和用户过滤算法、使用机制引导和用户使用倾向三方面特征，共同为同一话题不同平台涌现机制和模式特征差异提供了基于媒介可供性的“结构—行动者”框架。那么针对“中国”相关话题，我们有理由相信不同社交媒体平台中话题与情感关联模式会存在差异。因此当我们将不同平台中国话题情感倾向视为因变量，话题视为自变量，而将平台视为中介变量时，我们提出研究假设2：

H2：社交媒体平台在中国话题生成和情感倾向之间发挥中介作用。

图源网络

（三）算法、平台在国际社交媒体中国话题与情感倾向关系中的关联影响机制

不同社交媒体平台属性差异会导致关于同一议题的话题涌现和情感倾向关联之间存在差异，这不只是由于平台内在的技术算法结合使用倾向差别使然，有时甚至直白地与平台外显的价值偏向或党派属性有关。Calvo等研究发现平台的框架特征与其党派属性相融时会产生强大的影响效果^【18】。一般来说级联模型往往与平台的算法规则紧密关联，这些算法表现多样，但是对于用户来说，可感知到的和可触摸的影响则主要体现在一个个帖子背后的账户发帖模式上。从一般社交媒体公众所受信息影响角度而言，信息是机器账号发布还是人工账号发布，对他们来说基本无异。拉图尔^【19】对媒介可供性概念在主客观对立消弭能力上的展示也启示我们当以网络空间中的议题即话题元为单位时，进行社交机器人还是真实人类的区分意义不大，重要的是我们要触摸以重复发帖账号为表征的算法级联影响力。就中国形象话题和情感而言，算法导引和社交机器人渗透在最基础的表象层面就融合隐藏在账号重复发帖行为中。联系H2，即当我们考虑进一步引入以是否重复发帖为表征的“算法”作为调节变量时，平台、话题和情感倾向之间的关系是否会发生变化，由此提出假设3：

H3：以重复发帖为表征的社交平台算法会调节该平台中国话题和情感倾向之间的相关关系。

该假设背后隐藏的有调节的中介模型表达图式，见图1。

 图1 “话题—算法—平台—情感”有调节的中介模型示例

（一）研究平台与数据构成

本研究以海外影响力和中国话题涌现程度为主要社交媒体平台选择判别依据，选取Twitter、Facebook、YouTube、Instagram、TikTok五大平台为分析数据爬取平台，通过Phthyon机器挖掘结合人工下载的方式，以“China”、“Chinese”为搜索关键词，获得2019年1月至2022年4月五大平台共计5437条原始帖子和30369条相关评论，在经过人工清洗后建立数据分析样本库。需要说明的是，由于不同平台算法规则和界面显示信息（如图片、视频社交媒体为每日刷新模式）的差异，每个平台代表性帖子的选择采用了不同的方法，具体规则为：Facebook进入样本框的帖子为点赞量>1000，Instagram为点赞量>4000，Twitter为每日点赞量前二，YouTube和TikTok则按照观看浏览量降序排列，同时也进行了时间间隔距离设定，以最大程度保证所分析数据是该时期各平台最有代表性话题帖集合^【20】。

（二）变量测量

结合机器学习话题涌现机制及Python数据分析运用的基本思想^{【21】【22】}，各变量计算或测量方法如下：

平台中国话题特征值：不同特征组合的中国话题帖出现在该平台的可能性（0-1）；

话题值：采用双人工聚类编码方式^【23】将第一阶段机器挖掘涌现的中国话题关键词进行归纳分类，最终形成六大话题类别：新冠（Covid）（7.17%）、政治（Politics）（24.58%）、经济与贸易（Economy&Trade）（3.74%）、文化与传播（Culture&Communication）（13.44%）、军事（Military）（8.19%）、疆域（Territory）（6.85%），括号内为该类话题帖在所有样本中所占比率。双人工编码一致性系数为0.903。每类话题赋值为0、1二分变量，单条帖子总体话题值为六类话题特征出现可能性相加除以6。该变量均值为0.246，标准差为0.431。

情感倾向：以BosonNLP情感词典对114766个情感词汇的赋值为参照，对不同平台中涌现的表达情感的相关特征词汇进行正向、中性、负向分类，分别赋值1、0、-1。最终各平台中国话题帖子单条语料情感倾向计算公式为：情感倾向=正向情感词数×1+负向情感词数×-1+中性情感词数×0。该变量均值为0.026，标准差为0.407。

情感强度：参照刘兵关于情感倾向、情感强度和情感评分的相关测量思想及方法，将各平台中国话题单条语料情感强度计算公式操作化为：情感强度=|正向情感词数×1|+|负向情感词数×-1|+|中性情感词数×0|。即以情感词汇分类极性为基础，对情感倾向值进行绝对值处理，形成表示单个帖子情感强度的测量指标。该变量均值为0.176，标准差为0.393。

算法值（是否重复发帖）：通过语义识别模型，对单条中国话题帖进行账号追踪，结合人工方式确定每条帖子是否为重复发帖并进行标注。该变量也为0、1变量，均值为0.128，标准差为0.334。

（三）统计分析策略

因平台类型即一组特征值帖子是否出现在该平台为二分变量，我们采用二元logistic回归，以测算和检验话题、情感和算法在该平台中国形象形成中的影响力，即测算本研究所尝试推出的中国话题元结构测量方程：CVSM=β1*VAB+β2*VSP+β3*VSS+β4*VTF+e，回答H1。然后将总体话题值和情感倾向值分别作为自变量和因变量，将平台类型作为中介变量^【24】，通过Spssprocess插件Hayes模型4，进行中介效应检验，回答H2。最后引入是否重复发帖为表征的算法值变量，作为调节变量，通过模型7，进行有调节的中介效应检验，回答H3。

（一）不同平台中国形象特征话题、情感、算法的影响效应

从表1五个回归方程结果可见，以平台（话题特征值组合是否出现）为因变量，将话题、情感和算法相关变量采用逐步筛选的方法引入方程后各个方程拟合效果良好，其中预测TikTok上中国帖子特征的回归模型McFaddenR2系数接近0.2，联系数据为机器挖掘自然涌现数据，说明研究模型变量采纳及整体设想比较合理。具体考察进入不同平台中国话题模型的因素及效应，可以发现：在话题维度，Twitter平台主要显著类型为新冠（β=0.708，p<0.01）、政治（β=0.533，p<0.01）、经济与贸易（β=1.085，p<0.01）；Facebook平台主要为新冠（β=1.875，p<0.01）、经济与贸易（β=1.210，p<0.01）以及军事（β=1.047，p<0.01）和疆域（β=0.873，p<0.01），政治话题显著少（β=-0.501，p<0.01）；YouTube平台主要为政治（β=0.429，p<0.01）、文化与传播话题（β=1.909，p<0.01），新冠（β=-3.188，p<0.01）和军事（β=-0.687，p<0.01）、疆域话题显著少（β=-0.340，p<0.01）；Instagram平台主要为新冠（β=0.879，p<0.01）、经济与贸易（β=1.381，p<0.01）、文化与传播（β=0.452，p<0.01）以及军事（β=0.523，p<0.01）。TikTok平台总体话题特征不显著，新冠话题显著少（β=-2.347，p<0.01）。在情感维度上，Facebook中国话题没有明显情感特征；Twitter平台中国话题情感倾向显著负向（β=-0.640，p<0.01）；YouTube平台中国话题显著负向（β=-0.269，p<0.01）但是弱（β=-0.261，p<0.01）；Instgram平台中国话题显著正向（β=0.528，p<0.01）且强烈（β=0.371，p<0.01）；TikTok中国话题情感倾向显著正向（β=0.778，p<0.01）。在算法值上，以重复发帖为代表的指标回归系数显示，Twitter（β=1.579，p<0.01）和TikTok（β=2.537，p<0.01）上重复发帖指数明显，Facebook（β=-1.378，p<0.01）和YouTube（β=-0.375，p<0.01）平台显著不明显，Instgram平台该变量没有进入方程。这与已有研究关于Twitter社交机器人渗入的认知和TikTok是算法驱动型媒体的事实相一致。

基于上述回归分析结果，我们可以尝试得出不同平台中国话题“元结构”测量结果模型：

Twitter：ln（p/1-p）=-3.342+0.708*新冠+0.533*政治+1.085*经济与贸易-0.640*情感倾向+1.579*算法值（其中p代表Twitter为1的概率，1-p代表Twitter为0的概率）。

Facebook：ln（p/1-p）=-1.117+1.875*新冠-0.501*政治+1.210*经济与贸易+1.047*军事+0.873*疆域-1.378*算法值（其中p代表Facebook为1的概率，1-p代表Facebook为0的概率）；

Youtube：ln（p/1-p）=0.178-3.188*新冠+0.429*政治+1.909*文化与传播-0.687*军事-0.340*疆域-0.269*情感倾向-0.261*情感强度-0.385*算法值（其中p代表Youtube为1的概率，1-p代表Youtube为0的概率）；

Instagram：ln（p/1-p）=-3.146+0.879*新冠+1.381*经济与贸易+0.452*文化与传播+0.523*军事+0.528*情感倾向+0.371*情感强度（其中p代表Instagram为1的概率，1-p代表Instagram为0的概率）；

Tiktok：ln（p/1-p）=-3.441-2.347*新冠+0.778*情感倾向+2.537*算法值（其中p代表Tik-tok为1的概率，1-p代表Tiktok为0的概率）。

（二）平台在中国形象话题值和情感倾向中的中介作用检验

从中介效应检验^【25】结果表2可见，五大国际社交媒体平台中国话题和情感倾向关联均呈显著负相关，可以简单理解为，五大国际社交媒体平台中中国话题出现得越多，情感倾向越负面。其中，除YouTube外，其他各国际社交媒体平台均发挥了差异性显著中介作用。具体来看，Twitter和TikTok起部分中介效应，即Twitter和TikTok显著加强了中国话题值和正向情感的负相关关系，分别中介效应量为-0.003和-0.004；而Facebook所发挥的遮掩效应显示，Face-book降低了普遍中国话题和情感正向的负相关关系，Instgram的作用方向类似，二者中介效应量分别为0.001和0.002。简单来讲，即Twitter和TikTok在中国话题正向情感倾向生成中起负向作用，而Facebook和Instagram在中国话题正向情感呈现中起正向作用。这一结果从数据层面说明了平台在中国形象话题值和情感倾向关联中的作用及方向，证明了平台的中介作用，即除Youtube外，H2获得证明。

表2“话题—平台—情感”中介作用检验结果汇总

（三）算法、平台在话题值与情感倾向关系中的有调节的中介模型检验

仍然以情感倾向为因变量，以不同平台中国话题值为自变量，以是否重复发帖代表的算法值为调节变量，以平台类型为中介变量，采用有调节的中介模型检验，得到表3，对结果进行分析可见：与表2结果一致，话题值与情感倾向仍然总体显示显著负相关关系。与此同时，新引入的变量“算法值”也与情感倾向呈显著负相关。需要注意的是，在引入算法值变量后，与情感倾向显著负相关的平台类型从Twitter和TikTok（表2）转变为Twitter和Facebook（表3），而显著正相关的平台类型从Facebook和Instagram转变为TikTok和Instagram，也就是说Facebook和Tiktok中以“重复发帖”为表征的意见领袖（社交机器人或真人）在显著影响着两个平台话题与情感倾向的最终关系。YouTube在话题和情感中的中介作用继续不显著。这个结果说明以“是否重复发帖”为表征的算法值确实会调节原来的变量关系。进一步审视“话题值×算法值”交叉变量在不同平台情感倾向生成中的调节作用，会发现调节效应在Twitter平台中（模型1，β=0.082，p<0.01）最显著，再次加强了我们对Twitter平台中以社交机器人渗入为代表的算法在中国话题情感倾向生成中的显著作用，这一结果也以Twitter为代表证明了H3。

表3 有调节的中介回归模型汇总表

本研究以对中国话题涌现比较有影响力的五大国际社交媒体平台中国话题代表性帖子的挖掘分析展示为基础，尝试提出了中国话题“元结构”方程，这一方程主要由话题、情感、平台和算法四大元素构成，是在传统“认知—情感”模型基础上叠加社交媒体影响力后的扩展模型。相比于传统的基于话题特征值的分析，本程式将话题元区分为反映认知的“话题”元和反映情感的“情感”元，同时引入了社交媒体特有的平台变量和算法变量，形成综合模型。这一模型是对葛岩等基于SIT理论的话题描述模型和陈昌凤等注重社交媒体机器人影响效应分析方法的综合与扩展。其中的“元”指基于社交媒体中国话题关键词涌现的“话题元”和“情感元”，元结构指在算法干预下的不同平台话题、情感特征组合。在此基本结构把握基础上，进一步分析了平台在话题—情感连接中的中介作用，达到间接辨析中国话题涌现中技术作用的目标。而对以“是否重复发帖”为表征的算法影响力的测算，则力图展示不同平台中国话题显示中算法的渗透力和影响模式。总体来说，本研究是对智媒环境下中国形象测量和评估的一种实践和尝试。研究结果在呼应已有研究的许多发现同时，也存在诸多不足。

1. “平台+算法+话题+情感”的社交媒体中国形象测量公式既是对传统媒介文本中国形象测量模型的升级，也是对“认知—情感”模型向“认知—情感+社交媒体”转向的实践

当下社交媒体为代表的智媒环境“议题”显现，重要的变化在于媒体或平台的增能赋能改变了原来代数级媒介文本的影响力，基于“媒介可供性”基础上的“行动者”与媒介平台所提供的技术算法环境之间的结合，形成多种使用倾向和表征实践，共同助推形成不同平台各大话题的显性特征。以中国话题为例，我们的研究切实证明，每个平台基于自身算法、信息展示规则、分享与搜索功能、网络追踪以及图片、视频展示机制等，正在形成自身特有的中国形象呈现样貌。这从不同平台主导话题特征结果可见。研究结果扩展了Weimann、Smith、Ahmadi等人关于平台特性对话题展示和行动者使用的影响效果分析。而从中国形象平台特征来说，我们从数据涌现的层面，展示了不同平台中国话题的元素结构，将对中国形象的描述性认知转向“结构性”和“机制性”认知，补充了当下中国形象研究领域专注于内容分析或单一技术分析的缺憾。这一结构性认知也是得益于对人类态度行为认知的“认知—情感”理论和社交媒体所能提供的“话题情感”分析的有机结合，该研究实践为从传统人们研究行为意向的“认知—情感”理论向“认知—情感+社交媒体”的转向提供了案例^【26】。同时对中国形象元结构方程的探索，还是对当下STS理论向ANT理论转向的一种方法视角实践尝试，即尽管不同平台提供了关于中国话题特征呈现的基础设施，但是具体话题情感脉络的展开，实际是行动者（平台方、平台账号为表征的各类使用者、参与者）结合平台可供能力共同作用的结果。在此情境下，主张对行动者的理解从效果层面而言不应过分区分机器与人的界限，而是需在具体议题呈现中尽力把握这一脉络并在有条件的情况下引导它。

2.  Facebook和Tiktok代表的情感“逆转”现象说明算法在不同平台中国形象情感特征呈现中发挥着决定性作用，而此一现象背后折射出近年来国际舆论场确已进入“计算宣传”时代，如何在此种情境下实现国际传播的“理性沟通”将是全球舆论研究价值实现的难题

近年来国际传播研究从早期的“软实力”研究逐渐向“计算宣传”模式转型，它在研究方式上表现为从话题、表征、话语构建向认知宣传、计算宣传过渡^【27】，而在现实层面更多表现为人们对一种“沟通理性”实现困境的担忧。2021年哈贝马斯在《关于政治公共领域新一轮结构转型的思考和假说》一文中指出，在克服数字流动带来的新自由主义理想市场镜像的同时，人类社会需要从宪法而不是政治上矫正媒体结构，只有这样才能促成新一轮公共领域架构成型^【28】。但是哈贝马斯的这种规范理论主张主要是以民族国家为单位，而近年来巨型社交媒体平台与国家权力的博弈早已超出一国界限，表现为以欧盟“数字服务法”为代表的全球信息生产传播场域的规范竞争。而在国际政治层面，则表现为以俄乌冲突代表的国际时局主导特征的变化，最终居于“技术””算法”基础上的国家形象领域似乎已成为各方力量胶着缠斗的“实践”场域，在此种情形下，单纯依靠单一学科进行分析和解决国际传播难题已不太现实，而于客观科学的方法支撑下挖掘和呈现国家形象传播的内在机理和模式成为传播研究领域可为的少数议题之一，至于如何实现人类传播的“价值理性”则需要全球知识界的共同深度探讨。

3.  研究方法局限

本研究是将社交媒体中所涌现中国话题帖子选取代表性文本进行一级样本框构建，再在关键词自发涌现基础上，采用双人工二级编码的方式完成特征值标注，这一方法的好处是借力了媒介文本机器挖掘以及特征值涌现的技术赋能，同时也通过人工方式进一步保证了样本选取的代表性和编码效度。但是分析样本无论在数据规模还是数据结构把控上都存在很大提升空间。其次，在考察平台和算法在社交媒体中国话题和情感倾向作用时，我们采用了将二分变量视为中介变量和调节变量的方式，尽管在医学领域如考察病人是否患某种疾病与其各类饮食生活习惯之间的关系研究中常被采用，但是在传播研究量化分析中使用还不多，这在研究模型推广中需要更多相关研究印证说明。最后，关于算法的测算，本文为平衡不同平台的差异性，最终采用是否重复发帖作为代表指征，但是实际上目前计算传播领域的快速发展已经为寻找到更好的算法探测手段和工具提供了路径指示，如果借用更好的算法探测技术，数据获取和模型验证将更为便捷和有说服力。总之，本研究之实践主要是希望激发领域内更多客观测量中国形象的研究出现，将表征符号研究的数理化分析路径向前推进，共同促进对中国形象智能媒体涌现机制的客观认知，而研究结果也显现出“计算宣传”情境下国际传播“价值理性”实现的困境。

编辑 | 陈卓琳

审核 | 刘今、李玮农

完整原文(含注解）请点击阅读