首页 百科知识 媒体传播效果评估方案

媒体传播效果评估方案

时间:2022-04-28 百科知识 版权反馈
【摘要】:关于传播效果评估的学术研究成果比较少见,其中关于在国外互联网传播效果评估的研究屈指可数,而涉及社会化媒体传播效果评估的几乎没有。但是,此项研究主要关注的仍然是传统对外传播领域,同样没有涉及社会化媒体。从效果评估来看,专门针对传统媒体在社会化媒体上传播效果的评估还十分罕见,目前能够看到的文献主要是对单个平台或单一主题的传播效果评价,尚未形成体系和规模。

关于传播效果评估的学术研究成果比较少见,其中关于在国外互联网传播效果评估的研究屈指可数,而涉及社会化媒体传播效果评估的几乎没有。

对于传播效果的研究,最早可以追溯到“魔弹论”,拉斯韦尔1927年完成的博士论文《世界大战中的宣传技巧》是其中的代表。后来,认为大众传播只有少量效果的有限效果理论占了上风,代表成果是发表于1948年的《人民的选择》、1960年克拉珀的《大众传播的效果》、1964年麦克卢汉的《理解媒介》等。接下来受到重视的是适度效果模式,认为大众传播的效果要大于“有限效果”,代表研究包括1972年麦库姆斯和肖的议程设置理论,1973年纽曼的“沉默的螺旋”,1976年鲍尔—罗基奇和德弗勒的依赖理论。20世纪80年代以来,更多学者认为,只要在适宜的环境中运用恰当的传播技巧,大众传播的效果可能是很强大的,又被称为“强大效果模式”,代表成果有1982年的全国精神健康研究所电视与行为报告,1984年的“伟大的美国价值观测验”等。以上关于传播效果的研究针对的均是传统媒体,没有涉及社会化媒体。

关于国际传播效果的评估,在社会化媒体兴起以前,媒体考察对外传播效果往往以落地率、引用率、被转发率等为评估指标,缺乏科学的评估依据和系统的评估体系。在学术领域,程曼丽、王维佳(2011)曾经将有关态度改变、舆论塑造和文化教养的传播效果理论与中国对外传播的实际问题结合在一起,分析其应用方式和应用前景,并建立了一套对外传播效果评估体系和评估方法。但是,此项研究主要关注的仍然是传统对外传播领域,同样没有涉及社会化媒体。

有学者认为,对外传播效果应从文本和效果两个方面评估。在文本信息指标方面可分为是信源和报道内容:其中,信源既包括受众难以感知到的转载率,也包括受众能够感知到的信源形式等内容;信息报道内容则包括报道方式、写作风格、题材选取等。在受众反馈指标方面,分意见领袖层级的公众和普通公众,分别采取定性和定量的效果调查方法(柯惠新等,2009)。该研究团队据此建立了评估指标体系,并就如何组织实施提出了对策建议。在这一研究的基础上,该团队2011年又从受众角度建立了“受众维度的效果评估指标体系”,其中,针对对外传播互联网受众评估提出了UV(独立用户访问量)、PV(总共点击量)、IP指向与分布、网站排名、流量分析等核心指标(王娟、柯惠新,2011)。但是,此项研究止步于互联网,没有涉足社会化媒体传播效果评估领域。

近年来,有关社会化媒体的研究成果开始涌现,但是,对于新闻媒体在社会化媒体平台的传播效果的评估仍然十分罕见。一项颇有新意的成果是基于Twitter媒介机构账号的社会网络分析。这项研究采用社会网络分析和可视化的方法,呈现了各国媒介机构在Twitter上形成的社会网络结构及其分布,探讨了影响各媒介机构社会资本以及彼此间双向链接关系的因素,并揭示了中国在这一社会网络中所处的位置。该研究发现,中国在Twitter上的跨国化媒介机构账号数量已经位列全球第三,但在整体的社会资本上仍处于弱势地位,这表明中国在国际传播影响力方面还有较大的提升空间(韦路、丁方舟,2015)。这项研究笼统地探讨了媒介机构的社会资本,并没有具体呈现各国媒体在社会化媒体平台上的传播效果。

皮尤研究中心的互联网项目提出了Twitter对话的六个“本原类型”。研究者分析了数百万的推文,发现社会化媒体上的政治讨论常常呈现“极化人群”特征。保守派和自由派集群能够针对同一话题展开讨论,但是他们依赖的信息来源是不同的。研究者认为,主流媒体仍然在为社会化媒体设置议程,在研究中被称之为“广播类型的网络”。但是,也有一些新的网络,存在双向的对话;还有一些网络是属于小众兴趣爱好者的;也有围绕名人等话题的团体或社区等(Smith et al,2014)。

此外,西华盛顿大学的一位学者做了一项针对记者的调查,调查范围是美国的583位记者,问题是他们如何看待对报道的匿名评论。研究发现,“经常”或“总是”查看对自己作品评论的记者占35.8%;“有时”查看的记者占29%;“很少”或“从不”查看的占35.2%。认为网络评论不应该匿名的记者占四分之三左右,有记者指出匿名评论使网民自由发泄,甚至不负责任地说谎,这会破坏新闻媒体的声誉。对于是否应该回应网上的匿名评论,调查发现,大多数的记者还是认为应该回应,以纠正事实性错误,评论有的时候会给记者提供新的报道角度。研究结论指出:记者们只是把其他网民看做是网络媒体的用户而已,并没有当做新闻的合作生产者(Nielsen,2014)。

从效果评估来看,专门针对传统媒体在社会化媒体上传播效果的评估还十分罕见,目前能够看到的文献主要是对单个平台或单一主题的传播效果评价,尚未形成体系和规模。比如皮尤研究中心提出的Twitter对话的六个基本的“本原类型”,事实上是对传播效果的一种类型化探讨。而西华盛顿大学的研究者做的记者调查,则从匿名网上评论角度探讨了传播效果。

此外,有一些研究聚焦于社会化媒体上的企业品牌传播效果,比如社会化媒体中品牌传播效果评价研究(谢新洲等,2014),以微博为研究对象的企业社会化媒体营销传播的效果分析(刘晓燕、郑维雄,2015)等。此类企业品牌在社会化媒体传播上的效果研究与本书所要探讨的新闻在社会化媒体上的传播效果分属不同的研究领域。

2011年,笔者曾经参与国家社科基金重大课题《中国媒体国际传播能力建设战略研究》,承担子课题“媒体国际传播能力评估指标体系建立”的研究工作,尝试建立了一套评估体系的基本框架,包括“内容生产能力”“市场拓展能力”“技术支撑能力”“品牌知名度”和“国家影响力”等5个一级指标,以及“采集网络覆盖能力”“生产加工能力”“内容竞争力”等12个二级指标和“语种”“品种”“发稿量”“首发率”“原创率”“被转发率”等34个三级指标(唐润华、刘滢,2011)。这一指标体系旨在从整体上对媒体的国际传播能力进行评估,按照通讯社、报刊、广播电视、互联网等媒体类型进行了指标分类细化。其中,根据网络媒体的特殊性质及网络媒体国际传播的具体情况,将指标体系进行了进一步细化。尽管没有把焦点放在社会化媒体上,但是为本书建立社会化媒体传播效果评估指标体系奠定了良好的研究基础。

由此可见,关于新闻媒体在社会化媒体平台上传播效果的评估,特别是海外社会化媒体传播效果的评估还是一个空白的研究领域,处于开疆拓土阶段。本书试图建立社会化媒体传播效果评估体系,把Twitter、Facebook、YouTube等主要平台囊括进来,评估的传统媒体的范围为七家中国媒体海外社会化媒体账号,既包括对日常传播情况的评估,也包括对重点报道的评估,尝试做一些开拓性的研究。

综观近年来的社会化媒体研究,研究方法主要集中于以下三种:虚拟民族志、统计学方法和计算机辅助研究(Giglietto,2014)。

民族志的早期研究起源于西方国家学者对世界上其他地区残存的“原始”文化所产生的兴趣(陈向明,2000)。虚拟民族志则是基于互联网的民族志研究方法,遵循民族志研究方法的一般规律,同时具有鲜明的赛博空间特征。运用虚拟民族志方法进行的研究具有以下特点:研究的单元通常较小,运用不同的质化研究技术,通常一项研究设计基于多种方法或三角测量技术。比如关于YouTube的研究,有学者曾经运用一个特定的解释框架对YouTube上某一账号的一条视频进行了分析,使用了音频文本话语分析、对话中非语言元素的脚本分析等研究方法,以证明YouTube主要是一个社交广播媒体(Harley et al,2009)。将虚拟民族志和计算机辅助技术相结合也是一种比较好的研究方法,有学者使用这样的方法来研究Twitter平台上的传播活动,特别是社交互动的类型(Huberman et al,2008;Marwick et al,2010)。在Facebook平台上,小样本的朋友圈和公开内容常被作为研究对象,用虚拟民族志的方法展开研究,但是这样的研究具有样本选择的局限性,很难推及一般(boyd,2008)。

由于社会化媒体平台基于互联网,数据量比较大,因此,统计学的方法和计算机辅助的研究方法被更多采用。在统计学的方法中,常常把一项单一内容或一个用户作为样本分析单元。比如,在YouTube上,视频被认为是社会行为的踪迹,通过它可以了解社区的意义。因此,视频本身并不重要,但是它提供的信息与所属社区的相关性很重要。此类研究一般使用样本抽取技术和内容分析法,类似的研究层出不穷。在一项旨在绘制围绕政治恶搞视频的对话地图的研究中,研究者使用文本分析软件(Leximancer)统计对三个不同的政治恶搞视频的评论,定义评论者谈论的主题和使用的词汇,从而测量观众的情绪(Bal et al,2010)。许多Twitter研究者倾向于使用API[2],即Twitter网站向公众提供的数据样本,运用计算机支持的统计学方法进行分析(Honeycutt et al,2009)。基于Facebook平台的研究同样经常使用统计方法,主要是内容分析法以及页面和群体元信息(meta-information)分析。元信息通常指页面简介中的“关于”和“最爱”栏目,包括用户的好友列表、生日、婚姻/恋爱状态、家庭关系、工作、教育和喜欢的页面、音乐、图书、电影等。

计算机辅助方法的主要研究对象是平台上的用户或平台本身,同时能够帮助我们理解一些无法直接观察到的特性。运用这一方法开展的研究有以下特点:数据量比较大,基于网页服务,利用API,尝试对结果建立模型。计算机辅助研究方法又可以进一步分为以下子类别:一是社会科学方法,利用网页服务,简单使用这些平台收集并分析数据;二是计算机科学方法,使用API与平台进行数据交换,需要运用计算机编程技巧。例如,有一项关于视频《是的,我们能》的研究使用了Tubemogul页面服务收集观看数据,建立了一个该视频的病毒式传播模型(Wallsten,2010)。另一项关于YouTube视频受欢迎程度的研究,使用该网站的API设计了一个计算机爬虫,从拥有3700万视频的数据库中收集数据,建立了一个最受欢迎视频的模型(Chatzopoulou et al,2010)。

笔者认为,与传统的量化和质化的内容分析法相比,基于社会化媒体的研究方法更多的使用互联网工具。在传统内容分析中,计算机主要用于编码,以取代人工编码,方便对样本量比较大的数据进行研究,一般情况下不需要连接互联网。周翔(2014)介绍了一些计算机辅助内容分析的软件,如CATPAC、QDAMiner、WordStat、SWIFT、DICTION5.0等。而在社会化媒体的研究中,对内容的分析则通常采用互联网工具,借助互联网上的分析工具抓取实时数据,比如“开源平台”your Twapper keeper和NodeXL软件。下面简要介绍国内外学者运用这两个互联网工具进行研究的方法。

首先介绍澳大利亚昆士兰科技大学和德国明斯特大学的两位学者所做的一项比较Twitter平台上传播类型的量化研究。该研究对约40个Twitter“标签”(hashtag)和大量没有加标签的关键词进行了分析。研究者借助了开源平台yourTwapperkeeper,该平台利用Twitter的API抓取包含研究设定的关键词或标签的实时推文。抓取到的数据包括:含有该标签的推文数量、其中的独立用户数量、原创推文的比例、推文中加@的比例、转推的比例、加链接的比例等。研究者将用户数据分成三类:1%最活跃用户(领袖用户),接下来的9%较活跃用户,其余90%不活跃用户。对于每项指标,分别计算不同类别用户的数量。通过对不同类别用户的比较,衡量领袖用户对相关话题的支配程度。更进一步,检测三类用户在Twitter平台活动的类型有何显著不同。该研究发现了Twitter平台上可观测到的许多不同的讨论类型,认为主题和背景因素影响用户对Twitter上不同传播工具的使用,比如原创推文、加@回复、转推和链接等。通过对Twitter平台讨论指标的第一手分析,研究者证明了重要议题和事件背景下的Twitter使用存在稳定的类型。尽管此项研究是专门针对大范围的量化数据进行的研究,但是由于数据本身没有被破坏,针对单个推文的具体分析仍然可行(Bruns et al,2014)。

另一项值得借鉴的计算机辅助研究是中国学者做的基于Twitter媒介机构账号的社会网络分析。这项研究把在Twitter上开设英文认证账号的各国媒介机构形成的线上社会网络作为研究对象,观察各个机构在该网络中所处的位置,以及它们之间的链接关系。作者运用目的性抽样方法选出187个全球媒介机构,利用NodeXL软件抓取链接关系、节点属性等数据并对社会网络规模、链接关系、中心点等进行可视化呈现。这项研究的结果显示,全球各国媒介机构在Twitter上形成了紧密连接的社会网络关系,在社会资本和影响力上,发达国家占据优势,发展中国家的媒介机构正在力图改变这一固有的传播关系与权力格局(韦路、丁方舟,2015)。

通过对社会化媒体研究方法的分析,笔者认为,计算机辅助的研究方法更有利于对规模较大的数据进行抓取和挖掘,有助于判断事物的特征和发展趋势。因此,本书也采用了计算机辅助的社会化媒体研究方法。在建立了对传播效果的评估体系之后,本书主要借助中国日报-中国科学院自动化所联合建立的新媒体实验室的“全球媒体云”平台抓取数据,然后对数据进行人工分析和可视化呈现。一方面,通过抽样评估验证评估体系的科学性,另一方面,通过数据分析判断传统媒体在社会化媒体上的传播效果。由于本书的研究除了传播效果外,还涉及生产的变革和话语体系的变迁,因此,从研究的适宜性和便利性出发,笔者还综合采用了参与式观察、深度访谈和案例分析的方法。

注解:

[1] 参见《BBC移动端写作大法:如何留住读者》,http://news.qq.com/original/quanmeipai/ BBCAPP.html,访问日期为2016年3月5日。

[2] Application Programming Interface,可译为“应用程序界面”。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈