微博意见领袖话语传播特征的组间差异研究.docVIP

微博意见领袖话语传播特征的组间差异研究 　　摘要：通过量化微博传播的相关指标，筛选出具有代表性的30位新浪微博意见领袖，抓取约50余万字的原创微博语料建立语料库，分析了不同职业、学历、年龄、性别的微博意见领袖在词汇密度、词汇变化性、词类离散度、微博活跃度方面的组间差异，发现意见领袖的身份特征与其话语传播特征之间存在密切关联，相关统计数据和研究结论可为新媒体语言监测、网络监管和舆情监测提供信息参考 关键词：新媒体；影响力；词汇密度；离散度；活跃度 中图分类号：G206.3；H13 文献标识码：ADOI：10.3963/j.issn2016.05.0008 “意见领袖”（Opinion Leader）的概念最早由美国传播学学者Lazarsfeld在其著作“The Peoples Choice”中提出[1]。近年来，随着互联网的发展，尤其是社交网络的迅猛发展，新媒体意见领袖在信息传播中的作用更加重要。据中国互联网络信息中心（CNNIC）2015年7月22日发布的《第36次中国互联网络发展状况统计报告》显示，“2015年上半年，微博客用户中，使用新浪微博的用户占69.4%，一至五级城市的使用率都在65%以上。”[2]相关研究表明，微博作为网络舆论的最主要阵地之一，其意见领袖在突发事件的信息传播 [3]、话语权的实现[4]、网络舆论及口碑效应的影响力[56]等方面具有重要作用，研究微博等社交网络中意见领袖的话语传播特征对新媒体语言监测也具有重要意义 微博意见领袖通过原创、转发或评论来表达对社会事件的观点，以个人号召力影响信息传播，具有独特的话语传播特征。本文依据自制的2015年新浪微博意见领袖排行榜，建立一个小型语料库，并根据行业、学历、年龄、性别四种身份特征将其分组，使用Corpus Word Parser、CCRL、SPSS软件对语料进行分词、词性标注和统计分析，通过词汇密度、词汇变化性、词类离散度等词汇计量特征以及微博活跃度等传播指数，对比不同身份特征的新媒体意见领袖话语传播特征，分析其组间差异，为网络监管、舆情监测及引导提供信息参考 一、意见领袖语料库建设 微博平台上具有舆论影响力的人群包括社会名人、机构、网络红人和其他大V等，但是有影响力的用户并不全是微博意见领袖。目前，暂无较权威的微博意见领袖排行榜，从多家机构已发布的中国微博意见领袖排行榜看，存在行业覆盖面窄、参照时间短等弊端，不利于进行社会语言学分析。本文为考察不同身份特征意见领袖的话语传播特征，筛选出30位不同社会属性的意见领袖，制定了覆盖面较全的2015年微博意见领袖排行榜和语料库。具体步骤如下： 第一步，以环球网论坛在2015年2-3月间4次公布的“新浪微博意见领袖百强排行榜” 为依据，收集了榜单中所有账户在2015年1月1日-4月30日期间的全部微博，包括发博时间、转发量、评论数、回帖数、点赞数等相关信息 第二步，确定两个一级量化指标和七个二级量化指标。由于微博意见领袖具有主题依赖性的特点[7]，即在某一主题内特别活跃并且在该主题内具有极大影响力的用户。因此，本文将“用户影响力”和“用户活跃度”作为衡量微博意见领袖的两个一级指标。“用户影响力”包括“被转发数、被评论数、被提及数”3个二级指标，“用户活跃度”包括“原创数”、“自回帖数”、“回他人贴数”、“活跃天数”4个二级指标 第三步，量化相关指标。影响力的计算公式：Influence影响力=V被转发*W1+V被评论*W2+V被提及*W3，活跃度的计算公式：Activity活跃度=V原创数*W4+V自回帖数*W5+V回他人贴数*W6+V天数*W7。本文采用美国学者T.L.saaty提出的AHP层次分析法确定W1-7各指标的权重，并结合刘志明、刘鲁制定的权重数据及计算方法进行量化[7] 第四步，根据计算结果，筛选出前50名微博意见领袖，然后参考近两年行业微博情况报告、微博名人排行榜、新浪微博名人堂等资料，分析得到微博意见领袖的14个行业分布，权衡行业、年龄、学历、性别的人数比例后，制定出囊括了30人的“新浪微博意见领袖排行榜”（排名不分前后），见表1 第五步，将30位微博意见领袖在2015年1-4月期间的原创微博建立小型语料库，共7091条，总计496 917字。根据行业、学历、年龄、性别四个类别对语料进行分类，使用教育部语言文字应用研究所研制的“Corpus Word Parser”软件对语料进行分词、词类统计，用EXCEL计算词汇密度、词汇变化性、词类标准偏差、微博活跃度，对词汇丰富性和微博传播指数进行全面综合的分析和组间计量对比，分析不同身份特征新媒体意见领袖的话语传播特征 二、词汇密度组间差异 Arnaud[8]，Linn