首页 理论教育数据时代高校微信与抖音用户传播行为揭秘

数据时代高校微信与抖音用户传播行为揭秘

【摘要】:然而正是这种私密性的传播特点,形成了微信公众平台特有的舆论场域。首先,私密性的互动机制弱化了“沉默的螺旋”效应。就传播的公开程度而言,微信公众平台与订阅者之间的对话是私人对话,对话的内容是不可见的。此外,传播圈的固定造成了意见的回音壁效应,强化了朋友圈中舆论领袖的地位。这些在现实中具有关系网规模较大的“重要节点”者即是潜在的“舆论领袖”。

微信公众平台与订阅者的对话是私密性的对话,除对话的双方之外其他人看不到对话的内容。这种对话模式拉近了对话者的距离,更具有私密性。然而正是这种私密性的传播特点,形成了微信公众平台特有的舆论场域。

首先,私密性的互动机制弱化了“沉默的螺旋”效应。“沉默的螺旋”概念最早见于德国女社会学家伊丽莎白·诺尔-诺依曼在1974年《传播学刊》上发表的一篇论文,其后在《沉默的螺旋:舆论——我们的社会皮肤》一书中,她对这一理论进行了全面的概括。这一理论强调个人“对社会孤立的恐惧”,以及有这种“恐惧”所产生的对“多数”或“优势”意见的趋同行为。然而在微信平台中,每个用户都是单独的点,每个用户和平台的交流都是一个唯一的信息传送路径,因此在意见表达时,不会受到周边舆论环境的影响,更具独立性,从而消解了“沉默的螺旋”效应的影响。正如郭庆光在《传播学教程》中表述的那样,人际传播的信息和意义更为丰富和复杂,在多种渠道和手段的配合下,会形成特殊的传播情境,这种特殊的情境会产生新的意义。尤其在高校中,在校大学生思想活跃,个性突出,对于各种新鲜事物的捕捉能力强,掌握速度快,同时又具有较高的媒介素养,对于利用各种媒体来实现意见表达,实现价值认同具有较强烈的愿望,当然也容易出现偏激的观点。就传播的公开程度而言,微信公众平台与订阅者之间的对话是私人对话,对话的内容是不可见的。然而,正是这种隐私特征在微信公众平台上形成了独特的舆论场域。此外,传播圈的固定造成了意见的回音壁效应,强化了朋友圈中舆论领袖的地位。在这个悖论领域,用户的情感、态度和观点是多方共存的。在这里,可以用美国学者约翰的理论“出现现象”来解释。“出现现象”是复杂自适应系统自组织的一个奇妙现象,这意味着系统的整体功能来自系统中的个体,但个体不具有整体出现的特征。可以这样理解,虽然用户的个人意见薄弱,但微信公众平台充当了沟通者,并且用户作为接受者的角色也在不断变化。同时,一旦隐私被公开,看似平静的现场网络将立即形成一些舆论集群,用户之间的密切关系(特别是高校微信公众平台用户之间的密切关系)将是现实的。实际上,关系中的复杂用户将成为舆论的领导者,导致“群体两极化”现象。在这里,可以借用网络动力学的相关知识来映射场域特征。

其次,私密性的表达更强化了意见领袖的地位。由于微信公众平台与用户沟通的非公开化,导致在平台内部就特定问题存在着多种表达意见。在这种舆论场中,用户的情绪、态度和意见是多元共存的,这里我们不妨应用美国学者约翰·H.霍兰所提出的“涌现现象”来解释。

“涌现现象”是复杂适应系统自组织中的一种奇妙现象,是指系统的整体功能全部来源于系统里的个体,但个体却不具备整体所具有的特征(图2-4)。[9]可以这样理解,虽然用户个人观点表达是微弱的,但是微信公众平台作为传播者,用户作为受传者的角色却是在不断变化交换的。同时这种私密性一旦被打破或公开化,看似平静的场域网络立即会形成多个舆论簇,同时用户间的强关系(高校微信公众平台用户的关系更为紧密)会将现实的关系在网络中进一步强化,现实关系中复杂的用户会成为舆论领袖,产生“群体极化”现象。(www.chuimin.cn)

图2-4 “涌现现象”示意图

图2-4中,我们可以借用网络动力学的相关知识来谱绘我们的场域特征。我们假定图片中心为我们的平台,用户可以近似看成孤立的顶点,记为G。连接顶点的关系线记为N,顶点的边数称为顶点的度,记为k。当k≈1时(图2-4的上半部分),每一个受众与平台保持私密性的连接,信息的传递是放射状的,各个用户之间没有信息交流,一旦这种私密性被打破,顶点G的边数N增加,即k>1时(图2-4的下半部分),孤立的点实现“桥接”,很快就会形成“意见领袖”。在高校微信公众平台的受众群中,现实中的老师、社团负责人、学生干部和平时较为活跃的同学其在微信当中转发的消息或发表的意见,往往会得到高回复率和高点赞量。这些在现实中具有关系网规模较大的“重要节点”者即是潜在的“舆论领袖”。通过这个场域特征我们发现,“度中心性”在逐渐影响或取代我们所熟悉的“频率”,成为衡量信息流通显著性的主要标准。由于微信平台每天只能有一次推送的机会(大部分微信平台每天只能推送一条,只有具备媒体属性的企业单位和政府机关被微信官方开放每天多次推送的权限,如:《人民日报》、新华社、共青团中央等机构每天有多次推送的权限),“度中心性”在网络分析中更多地是一个节点的关系数量总和,度中心性的分值越高,说明这个节点在整个网络中与其他要素之间的联系越紧密。“度中心性”提供了一个更为全面的视角,帮助研究者在一个更为宏观的语境下评估不同要素在公众认知系统中所处的地位。