李根強(qiáng) 于博祥 邵鵬 張祺瑞

[摘? ?要] 在突發(fā)公共衛(wèi)生事件中，科普視頻的傳播擴(kuò)散有助于提升公眾理性認(rèn)知，減少社會恐慌情緒，目前鮮有文獻(xiàn)對知識導(dǎo)向的科普視頻擴(kuò)散開展研究?；谛畔⒔邮芾碚撆c網(wǎng)絡(luò)嵌入理論，采用數(shù)據(jù)定向采集方法，以Bilibili網(wǎng)站上2020年1月20日至3月1日上線的新冠肺炎科普視頻為研究對象，從創(chuàng)建者網(wǎng)絡(luò)入度、視頻播放量和視頻分享量等方面入手，探究科普視頻持續(xù)擴(kuò)散的影響因素。研究發(fā)現(xiàn)：網(wǎng)絡(luò)入度、網(wǎng)絡(luò)貢獻(xiàn)、視頻播放量和視頻分享量均對創(chuàng)建者網(wǎng)絡(luò)結(jié)構(gòu)嵌入和網(wǎng)絡(luò)關(guān)系嵌入有正向影響;視頻創(chuàng)建天數(shù)、視頻時(shí)長、網(wǎng)絡(luò)入度、網(wǎng)絡(luò)貢獻(xiàn)均對科普視頻擴(kuò)散效果有正向影響;視頻播放量、分享量、創(chuàng)建者網(wǎng)絡(luò)入度均對科普視頻持續(xù)播放有正向影響，視頻播放量和網(wǎng)絡(luò)入度對科普視頻持續(xù)分享有正向影響。上述發(fā)現(xiàn)對指導(dǎo)視頻創(chuàng)建者如何提高自身作品影響力以及網(wǎng)絡(luò)平臺管理都具有一定的實(shí)踐指導(dǎo)意義。

[關(guān)鍵詞]科普視頻? ?持續(xù)擴(kuò)散? ?網(wǎng)絡(luò)嵌入? ?信息接受

[中圖分類號] N4;G206.2 [文獻(xiàn)標(biāo)識碼] A [ DOI ] 10.19293/j.cnki.1673-8357.2022.03.003

新冠肺炎疫情作為全球性的突發(fā)公共衛(wèi)生事件，對全球的經(jīng)濟(jì)政治生態(tài)和人類的身心健康都造成了巨大沖擊[1]。新冠肺炎疫情的突發(fā)性、嚴(yán)重性與未知性等特征，為謠言的快速滋生與傳播提供了溫床[2]。網(wǎng)絡(luò)輿情的無序發(fā)酵衍生出一系列的社會次生災(zāi)害，例如疫情暴發(fā)初期出現(xiàn)的盲目搶購、采取限制人員流動措施后出現(xiàn)的民眾恐慌性出逃等[3]。與傳統(tǒng)網(wǎng)絡(luò)傳播事件所呈現(xiàn)出的中心化與主流化的特點(diǎn)不同，新冠肺炎疫情涉及的范圍廣泛，在輿情傳播中呈現(xiàn)去中心化的特點(diǎn)，傳播更為迅速、周期更長、熱度更高、衰減更慢[4]，這增加了開展應(yīng)急科普、進(jìn)行辟謠工作的難度。新冠肺炎疫情發(fā)生后，科普視頻以其生產(chǎn)及時(shí)性、傳播高效性、形式多樣性和知識聚焦性的優(yōu)點(diǎn)，在全民科學(xué)抗疫工作中發(fā)揮了重要作用。然而，在新冠肺炎疫情的應(yīng)急科普中，科學(xué)家“有科難普”和新聞媒介“能普缺科”的矛盾進(jìn)一步凸顯，科普創(chuàng)作與大眾傳播兩個(gè)重要環(huán)節(jié)無法實(shí)現(xiàn)有效對接成為亟待解決的重要難題[5]。

近年來，國內(nèi)學(xué)者開始開展有關(guān)科普視頻擴(kuò)散的研究議題。目前研究主要集中在以下三個(gè)方面。其一，科普視頻的傳播策略研究，例如新媒體環(huán)境下健康科普視頻的傳播策略[6]、短視頻環(huán)境下醫(yī)學(xué)類科普視頻的傳播策略[7]。其二，科普視頻的傳播效果研究，例如科普視頻在抖音平臺的傳播效果 [8]、健康科普視頻的內(nèi)容特征與傳播效果[9]。其三，在線社交網(wǎng)絡(luò)的科普視頻擴(kuò)散研究，例如在不同網(wǎng)絡(luò)社交媒體平臺的擴(kuò)散模式對比[10]。盡管學(xué)者們進(jìn)行了一定的探索，但仍存在以下不足：一是科普視頻擴(kuò)散研究主要集中在科普視頻的傳播策略與傳播效果等方面，而科普視頻用戶行為研究尚未得到充分關(guān)注;二是關(guān)于應(yīng)急科普視頻的研究體量不僅小，且多集中于實(shí)踐案例層面，理論研究尚不多見;三是現(xiàn)實(shí)中關(guān)于新冠肺炎疫情的科普視頻傳播具有一定的影響力，而鮮有文獻(xiàn)從理論上探究科普視頻用戶行為與科普視頻擴(kuò)散的影響因素。

因此，本文基于信息接受理論與網(wǎng)絡(luò)嵌入理論，以我國新冠肺炎疫情擴(kuò)散階段嗶哩嗶哩彈幕網(wǎng)站（Bilibili，簡稱B站）上發(fā)布的新冠肺炎科普短視頻為研究對象，爬取兩階段數(shù)據(jù)，借助統(tǒng)計(jì)分析方法，從視頻創(chuàng)建者特征和視頻屬性入手，探究科普視頻持續(xù)擴(kuò)散的影響因素，旨在洞察科普視頻在疫情背景下的傳播規(guī)律，為優(yōu)化科普視頻傳播與管理工作提供參考。

1研究模型與假設(shè)

1.1模型

科普視頻社區(qū)中的信息流動和社交連接具有相互影響的動態(tài)關(guān)系（見圖1）。在初始階段，用戶B和A具有有向連接，用戶C和B具有雙向連接，即B是A的跟隨者，C和B具有相互關(guān)注關(guān)系。步驟一：A在社區(qū)中創(chuàng)建并發(fā)布科普視頻。步驟二：B跟隨A，因此當(dāng)A在平臺上發(fā)布科普視頻后，B更容易知道該科普視頻;B可能會播放該視頻，也可能會向視頻創(chuàng)作者“充電”（打賞的一種形式），還可能向朋友C分享該視頻。步驟三：當(dāng)B將科普視頻分享給朋友C時(shí)，C可能會播放該視頻。步驟四：觀看完科普視頻后，C可能會向視頻創(chuàng)作者A打賞，還有可能建立對A的關(guān)注關(guān)系。通過創(chuàng)作和發(fā)布視頻，A創(chuàng)作的視頻不僅得以在社交網(wǎng)絡(luò)中傳播擴(kuò)散，A還可能獲得更多的跟隨者和經(jīng)濟(jì)方面的收益（來自觀看者的打賞）。科普視頻創(chuàng)建者的社交網(wǎng)絡(luò)關(guān)系可能會隨著科普視頻的擴(kuò)散而改變，社交網(wǎng)絡(luò)關(guān)系和科普視頻擴(kuò)散具有相互影響的動態(tài)關(guān)系。隨著科普視頻的不斷擴(kuò)散，創(chuàng)建者會進(jìn)一步嵌入在該社交網(wǎng)絡(luò)中，其創(chuàng)建的科普視頻也可能會持續(xù)擴(kuò)散。

信息接受模型是在技術(shù)接受模型基礎(chǔ)上開發(fā)的，該模型用于研究信息源的影響和信息本身的有用性[11]。對于在線社區(qū)，可以通過信息本身及信息源來衡量用戶對信息質(zhì)量的看法，信息源通常是指信息的發(fā)布者?？破找曨l創(chuàng)建者就是科普視頻的信息源，科普視頻特征體現(xiàn)了信息本身。格拉諾維特（Granovetter）認(rèn)為經(jīng)濟(jì)行為嵌入于特定的社會關(guān)系中[12]，網(wǎng)絡(luò)嵌入包括關(guān)系嵌入和結(jié)構(gòu)嵌入[13]。網(wǎng)絡(luò)關(guān)系嵌入表現(xiàn)出信任、承諾和互惠等關(guān)系特征，結(jié)構(gòu)嵌入描述了節(jié)點(diǎn)在網(wǎng)絡(luò)中的位置特征[14]。考慮到科普視頻特征和創(chuàng)建者特征會影響科普視頻的擴(kuò)散效果和持續(xù)擴(kuò)散，也會影響創(chuàng)建者自身的網(wǎng)絡(luò)嵌入程度，構(gòu)建本研究的概念模型（見圖2）。在模型因變量方面，通過兩個(gè)時(shí)間段視頻播放和視頻分享的增加量測度視頻的持續(xù)擴(kuò)散效果，通過創(chuàng)建者網(wǎng)絡(luò)入度和“充電”數(shù)增加量分別測度創(chuàng)建者網(wǎng)絡(luò)結(jié)構(gòu)嵌入與網(wǎng)絡(luò)關(guān)系嵌入。在模型自變量方面，通過創(chuàng)建者網(wǎng)絡(luò)入度和網(wǎng)絡(luò)貢獻(xiàn)來測度創(chuàng)建者網(wǎng)絡(luò)特征，通過視頻創(chuàng)建天數(shù)和視頻時(shí)長測度視頻特征，通過視頻播放量和視頻分享量測度視頻擴(kuò)散效果。

1.2假設(shè)提出

用戶原創(chuàng)內(nèi)容（user generated content，UGC）發(fā)布越早就會被瀏覽得越多，因?yàn)樗鼈冊诰W(wǎng)站上的停留時(shí)間更長[15]。盡管許多在線平臺使用不同的排名規(guī)則顯示在線內(nèi)容，但發(fā)布日期仍然是重要的排序方法。信息質(zhì)量是信息論據(jù)說服性的強(qiáng)度，包括相關(guān)性、精確性以及信息的完全性[16]。一般而言，UGC的長度越長，代表該內(nèi)容能傳遞的信息量越大[17]。通常，科普視頻發(fā)布得越早用戶瀏覽和播放的次數(shù)就越多，科普視頻時(shí)長越長內(nèi)容就越豐富。網(wǎng)絡(luò)用戶基于有用、好玩、情感等目的對信息進(jìn)行分享，這些行為推動了信息在社交網(wǎng)絡(luò)中分享和擴(kuò)散[18]。播放量和分享量是科普視頻擴(kuò)散效果的重要指標(biāo)，體現(xiàn)了該科普視頻被用戶接受的程度?；诳破找曨l創(chuàng)建天數(shù)、視頻時(shí)長與擴(kuò)散效果的關(guān)系，提出以下假設(shè)：

H1：科普視頻特征對科普視頻擴(kuò)散效果有正向影響。

用戶在社交網(wǎng)絡(luò)中的積極行為包括內(nèi)容生成、內(nèi)容傳播、關(guān)系建立和關(guān)系維系[19]。李進(jìn)華和張婷婷研究了社會化問答社區(qū)用戶感知有用性問題，發(fā)現(xiàn)相對于內(nèi)容特征，內(nèi)容創(chuàng)建者特征對感知有用性的影響更大[20]。社交互動機(jī)制的引入對于提升產(chǎn)品用戶黏性具有重要作用[21]。在線社群擁有大量的用戶，但并非所有用戶都能夠做出同樣的貢獻(xiàn)。相較于那些不積極的用戶，高參與度的用戶的貢獻(xiàn)更大[22]，且用戶做出的貢獻(xiàn)對在線社群的成功有顯著的正向影響[23]。對于科普視頻而言，分享量和播放量是該視頻擴(kuò)散效果的重要指標(biāo)，而分享量和播放量的增加量則體現(xiàn)了科普視頻的持續(xù)擴(kuò)散效果?；诳破找曨l創(chuàng)建者特征提出以下假設(shè)：

H2：創(chuàng)建者特征對科普視頻擴(kuò)散效果有正向影響;

H3：創(chuàng)建者特征對科普視頻持續(xù)擴(kuò)散效果有正向影響。

社會關(guān)系對行為的影響是社會學(xué)的經(jīng)典問題之一[12]。嵌入作為關(guān)系網(wǎng)絡(luò)資源有效傳輸?shù)闹匾?，對于網(wǎng)絡(luò)成員資源和信息獲取效率起決定性作用。網(wǎng)絡(luò)嵌入理論假設(shè)網(wǎng)絡(luò)位置和用戶網(wǎng)絡(luò)關(guān)系的強(qiáng)度會影響個(gè)體行為[24]。為了增強(qiáng)用戶之間的交互，平臺為用戶提供了在線評論、在線交友和在線聊天功能[25]。具有較高網(wǎng)絡(luò)嵌入度的用戶通常會在網(wǎng)絡(luò)運(yùn)行中扮演重要角色。在線社交網(wǎng)絡(luò)具有冪律分布的特征，部分用戶的入度中心度較低，只有少量用戶入度中心度較高[26]。社會影響對于用戶的支持行為具有顯著正向影響[21]。通常新注冊的用戶更可能與那些中心度高的用戶建立連接關(guān)系[27]。如果科普視頻創(chuàng)建者網(wǎng)絡(luò)入度和網(wǎng)絡(luò)貢獻(xiàn)度較高，在未來有可能收獲更多的“粉絲”及打賞?？破找曨l播放量和分享量越高，意味著該視頻將被更多的用戶觀看，這將有助于提升該科普視頻創(chuàng)建者的“粉絲”數(shù)量與被打賞數(shù)量。因此，提出以下假設(shè)：

H4：科普視頻創(chuàng)建者網(wǎng)絡(luò)特征對網(wǎng)絡(luò)嵌入有正向影響;

H5：科普視頻擴(kuò)散效果對網(wǎng)絡(luò)嵌入有正向影響。

在線教育的相關(guān)研究結(jié)果顯示，在線教育內(nèi)容的累積分享效果對持續(xù)分享效果有顯著正向影響[26]。在線音樂創(chuàng)建的相關(guān)研究成果顯示，音樂專輯訂閱量、轉(zhuǎn)發(fā)量對可持續(xù)擴(kuò)散有顯著正向影響[27]。對于科普視頻而言，分享量、播放量越高意味著該視頻擴(kuò)散效果越好。視頻的分享量越高，傳播范圍就越大;播放量越高，被分享的次數(shù)就會越多。因此，科普視頻擴(kuò)散效果越好，就更有可能獲得更好的持續(xù)擴(kuò)散效果，提出以下假設(shè)：

H6：科普視頻擴(kuò)散效果對持續(xù)擴(kuò)散有正向影響。

2研究方法

2.1變量測度與數(shù)據(jù)收集

在新冠肺炎疫情擴(kuò)散階段，科技自媒體以及科研機(jī)構(gòu)發(fā)表的針對新冠肺炎的科普視頻在社交網(wǎng)絡(luò)中大量傳播，而在眾多社交平臺中，依托B站發(fā)布的科普視頻在社交網(wǎng)絡(luò)中影響最大，傳播量級最高，其中多部代表性科普視頻還得到了《人民日報(bào)》等官方媒體的轉(zhuǎn)發(fā)與擴(kuò)散，在全網(wǎng)引起巨大影響。不同于傳統(tǒng)的社交網(wǎng)站平臺，B站具有視頻發(fā)布門檻低、用戶群體年輕化以及高社交互動性的特點(diǎn)，同時(shí)其中的彈幕文化也塑造了創(chuàng)作者與信息接收者之間、信息接收者與其他信息接收者之間獨(dú)特的互動機(jī)制。由于在年輕群體中得天獨(dú)厚的影響力以及較低的視頻發(fā)布門檻，B站在新冠肺炎疫情期間成為科普視頻創(chuàng)作與傳播的主陣地，其他多個(gè)平臺（微博、知乎、百度貼吧等）的科普視頻也有很多源自B站，同時(shí)B站以鼓勵(lì)視頻發(fā)布為核心的創(chuàng)作者激勵(lì)機(jī)制也為對科普視頻特征屬性以及創(chuàng)作者特征進(jìn)行量化研究提供了良好的功能支撐。因此，本文結(jié)合B站的平臺特征與研究目的，將B站作為數(shù)據(jù)采集的目標(biāo)平臺進(jìn)行科普視頻的相關(guān)數(shù)據(jù)收集，從網(wǎng)絡(luò)嵌入視角探討創(chuàng)作者特征以及視頻屬性對于科普視頻擴(kuò)散的影響作用機(jī)制。

B站2022年第一季度財(cái)務(wù)報(bào)告顯示，截至2022年第一季度，B站月均活躍用戶達(dá)2.94億，移動端月活躍用戶達(dá)2.76億[28]。UP主是B站視頻創(chuàng)作者的簡稱，UP主自發(fā)或在平臺激勵(lì)下創(chuàng)作視頻內(nèi)容并發(fā)布。用戶在觀看過程中可以通過發(fā)布彈幕和發(fā)表評論的方式傳播自己的觀點(diǎn)，也可以創(chuàng)作視頻，從而成為UP主。視頻網(wǎng)站大都開通了點(diǎn)贊、評論的方式為用戶提供支持視頻創(chuàng)建者的功能。區(qū)別于其他視頻網(wǎng)站，“充電”是B站提供的打賞功能，鼓勵(lì)用戶通過為自己喜歡的視頻創(chuàng)建者“充電”來表示對UP主的鼓勵(lì)與認(rèn)可。“充電”體現(xiàn)了用戶對視頻創(chuàng)建者的支持，視頻創(chuàng)建者可以將其獲得的“充電”收入進(jìn)行提現(xiàn)。

依據(jù)研究模型對相關(guān)變量進(jìn)行測度，變量維度及測度方法見表1。本研究選擇立意抽樣（purposive sampling）為抽樣方法，采用數(shù)據(jù)定向采集方法，利用 Python 程序采集B站在2020年1月20日至3月1日期間上線的新冠肺炎科普視頻信息、創(chuàng)作者信息。第一，采集B站上的新冠肺炎科普視頻信息。利用“新冠”“冠狀病毒”“2019-NCOV”“COVID-19”“NCP”等關(guān)鍵詞搜索科普視頻，采集視頻標(biāo)題、創(chuàng)建日期、播放數(shù)和分享數(shù)等信息。第二，采集B站上的新冠肺炎科普視頻創(chuàng)建者信息，包括視頻創(chuàng)建者名、關(guān)注數(shù)、“粉絲”數(shù)、“充電”數(shù)等。

創(chuàng)建者網(wǎng)絡(luò)嵌入變量使用的是網(wǎng)絡(luò)入度的變化值，視頻持續(xù)擴(kuò)散使用的是視頻播放量和分享量的變化值，通過測算兩個(gè)時(shí)間節(jié)點(diǎn)的增加值，進(jìn)而體現(xiàn)出動態(tài)變化趨勢，以揭示科普視頻傳播擴(kuò)散的動態(tài)過程。因此，本文基于兩階段數(shù)據(jù)開展研究，選擇兩個(gè)時(shí)間點(diǎn)采集數(shù)據(jù)。第一次是2020年3月1日采集，收集視頻數(shù)量為1 733條;第二次是2020年5月1日采集，收集視頻數(shù)量為1 626條。兩次數(shù)據(jù)匹配后數(shù)量為1 626條，清洗數(shù)據(jù)（去除非新冠肺炎相關(guān)主題及部分?jǐn)?shù)據(jù)字段缺失的科普視頻）后得到樣本1 619條。由于部分創(chuàng)建者創(chuàng)建多個(gè)視頻，通過程序?qū)崿F(xiàn)視頻與創(chuàng)建者信息的匹配，每位創(chuàng)建者僅保留其播放量最高的一條視頻信息，最終獲得有效樣本1 054條。

2.2數(shù)據(jù)描述

科普視頻通常是指時(shí)長小于20分鐘的視頻短片[6]，研究樣本基本符合此時(shí)長特征（見表2）。通過描述性分析發(fā)現(xiàn)播放量較高的視頻通常是由平臺上具有一定影響力的創(chuàng)建者創(chuàng)建的。播放量最高的視頻《關(guān)于新冠肺炎的一切》時(shí)長10分鐘18秒。該視頻創(chuàng)建者是前B站UP主“回形針PaperClip”①。由于其發(fā)布的視頻得到了大量播放和分享，兩階段該賬號“粉絲”數(shù)量增加了13萬。

以2020年5月1日為參考日，用截至該日的視頻創(chuàng)建天數(shù)對每日上線的科普視頻數(shù)進(jìn)行量化可以發(fā)現(xiàn)，每日上線科普視頻數(shù)呈現(xiàn)先上升后下降的趨勢（見圖3）。這樣的變化趨勢表明，科普視頻的創(chuàng)作與新冠肺炎疫情發(fā)展密切相關(guān)，科普視頻創(chuàng)作受到疫情發(fā)展的影響，科普視頻的發(fā)布傳播一定程度上有助于提高人們對新冠肺炎的認(rèn)識。從視頻發(fā)布時(shí)間段可以發(fā)現(xiàn)，科普視頻發(fā)布的高峰時(shí)間段集中在13時(shí)至23時(shí)，凌晨時(shí)間段視頻發(fā)布數(shù)量較少。從22時(shí)開始至次日6時(shí)視頻發(fā)布數(shù)量逐漸降低，其中6時(shí)是發(fā)布視頻數(shù)量最少的時(shí)間段（見圖4）。

2.3相關(guān)性分析

對變量進(jìn)行中心化處理和相關(guān)分析發(fā)現(xiàn)，部分變量之間具有顯著相關(guān)性，如視頻播放量和視頻分享量相關(guān)性較高（β=0.698，p<0.01），結(jié)構(gòu)嵌入和關(guān)系嵌入相關(guān)性較高（β=0.755，p<0.01）（見表3）。

3分析

3.1擴(kuò)散效果的影響因素

通過科普視頻播放量和分享量測度科普視頻的擴(kuò)散效果，同時(shí)對擴(kuò)散效果的影響因素進(jìn)行分析。模型M1～M3分析了視頻特征和創(chuàng)建者特征對播放量的影響。模型M1中發(fā)現(xiàn)創(chuàng)建天數(shù)和視頻時(shí)長均對視頻播放量有顯著正向影響，但這種影響程度并不高。M2中網(wǎng)絡(luò)入度對視頻播放量有顯著正向影響，表明那些擁有很多“粉絲”的創(chuàng)建者創(chuàng)建的視頻播放量更高。M3中網(wǎng)絡(luò)貢獻(xiàn)對視頻播放量有顯著正向影響，表明那些在B站發(fā)布了較多科普視頻的創(chuàng)建者創(chuàng)建的視頻播放量更高。相對于創(chuàng)建天數(shù)、視頻時(shí)長和網(wǎng)絡(luò)貢獻(xiàn)，網(wǎng)絡(luò)入度對播放量的影響程度更高。張舒涵等[29]認(rèn)為視頻播放時(shí)長對短視頻擴(kuò)散效果具有顯著影響，這與本研究的發(fā)現(xiàn)基本一致。模型M4～M6分析了視頻特征和創(chuàng)建者特征對科普視頻分享量的影響，發(fā)現(xiàn)創(chuàng)建天數(shù)和視頻時(shí)長（M4）、網(wǎng)絡(luò)入度和網(wǎng)絡(luò)貢獻(xiàn)均對視頻分享量有顯著正向影響（M5和M6）。總體而言，視頻創(chuàng)建天數(shù)、視頻時(shí)長、網(wǎng)絡(luò)入度、網(wǎng)絡(luò)貢獻(xiàn)對視頻擴(kuò)散效果有顯著正向影響，其中網(wǎng)絡(luò)入度的影響程度相對較高（見表4）。

3.2網(wǎng)絡(luò)嵌入的影響因素

通過兩階段創(chuàng)建者網(wǎng)絡(luò)入度增加量測度創(chuàng)建者網(wǎng)絡(luò)結(jié)構(gòu)嵌入，分析創(chuàng)建者網(wǎng)絡(luò)特征和視頻擴(kuò)散對網(wǎng)絡(luò)結(jié)構(gòu)嵌入的影響。M7和M8中，視頻創(chuàng)建者網(wǎng)絡(luò)入度、網(wǎng)絡(luò)貢獻(xiàn)對其網(wǎng)絡(luò)結(jié)構(gòu)嵌入產(chǎn)生正向影響，表明那些“粉絲”較多的科普視頻創(chuàng)建者，以及發(fā)布了較多科普視頻的創(chuàng)建者，將會在未來收獲更多的“粉絲”。M9和M12中，視頻播放量和視頻分享量均對創(chuàng)建者網(wǎng)絡(luò)結(jié)構(gòu)嵌入產(chǎn)生正向影響，表明當(dāng)創(chuàng)建者創(chuàng)建的視頻播放量或分享量越多時(shí)，其在未來將會獲得更多的“粉絲”。M10和M11表明，在網(wǎng)絡(luò)入度對網(wǎng)絡(luò)結(jié)構(gòu)嵌入的影響中，以及在網(wǎng)絡(luò)貢獻(xiàn)對網(wǎng)絡(luò)結(jié)構(gòu)嵌入的影響中，視頻播放量均起到了中介作用。M13和M14表明，在網(wǎng)絡(luò)入度對網(wǎng)絡(luò)結(jié)構(gòu)嵌入的影響中，以及在網(wǎng)絡(luò)貢獻(xiàn)對網(wǎng)絡(luò)結(jié)構(gòu)嵌入的影響中，視頻分享量均起到了中介作用。結(jié)合擴(kuò)散效果影響因素分析的結(jié)論，中介作用體現(xiàn)了創(chuàng)建者網(wǎng)絡(luò)特征通過影響視頻擴(kuò)散效果來影響其網(wǎng)絡(luò)結(jié)構(gòu)嵌入，即網(wǎng)絡(luò)特征指標(biāo)越高的創(chuàng)建者創(chuàng)建的視頻具有更好的擴(kuò)散效果，擴(kuò)散效果的提升進(jìn)一步增加了創(chuàng)建者的網(wǎng)絡(luò)結(jié)構(gòu)嵌入程度（見表5）。

通過兩階段創(chuàng)建者網(wǎng)絡(luò)“充電”數(shù)增加量測度創(chuàng)建者網(wǎng)絡(luò)關(guān)系嵌入，分析創(chuàng)建者網(wǎng)絡(luò)特征和視頻擴(kuò)散效果對網(wǎng)絡(luò)關(guān)系嵌入的影響。M15和M16中，視頻創(chuàng)建者網(wǎng)絡(luò)入度和網(wǎng)絡(luò)貢獻(xiàn)對其網(wǎng)絡(luò)關(guān)系嵌入產(chǎn)生正向影響，表明那些“粉絲”較多的科普視頻創(chuàng)建者，以及發(fā)布較多科普視頻的創(chuàng)建者，將會在未來收獲更多的“充電”數(shù)。丁國維在研究中也指出“粉絲”效應(yīng)在視頻傳播過程中影響顯著[30]，本研究的發(fā)現(xiàn)進(jìn)一步證實(shí)了視頻傳播過程中的“粉絲”效應(yīng)。M17和M20中，視頻播放量和視頻分享量均對創(chuàng)建者網(wǎng)絡(luò)關(guān)系嵌入產(chǎn)生正向影響，表明當(dāng)創(chuàng)建者創(chuàng)建的視頻播放量或分享量越多時(shí)，其在未來將會獲得更多的“充電”數(shù)。M18和M19表明，在網(wǎng)絡(luò)入度對網(wǎng)絡(luò)關(guān)系嵌入的影響中，以及在網(wǎng)絡(luò)貢獻(xiàn)對網(wǎng)絡(luò)關(guān)系嵌入的影響中，視頻播放量均起到了中介作用。M21和M22表明，在網(wǎng)絡(luò)貢獻(xiàn)對網(wǎng)絡(luò)關(guān)系嵌入的影響中，視頻分享量起到了中介作用;在網(wǎng)絡(luò)入度對網(wǎng)絡(luò)關(guān)系嵌入的影響中，視頻分享量沒有起到中介作用（見表6）。

3.3持續(xù)擴(kuò)散的影響因素

表7報(bào)告了科普視頻持續(xù)播放的影響因素分析。M23中，視頻創(chuàng)建天數(shù)對持續(xù)播放有顯著負(fù)向影響，視頻時(shí)長對持續(xù)播放有顯著正向影響。表明創(chuàng)建時(shí)間較早的視頻在未來獲得新增播放量的可能性更低，而時(shí)長越長的視頻在未來更可能獲得較多的新增播放量。M24和M25中，視頻播放量和視頻分享量均對視頻持續(xù)播放有顯著正向影響，其中視頻播放量對持續(xù)播放的影響程度更大。表明播放數(shù)量和分享數(shù)量越多的視頻，在未來也更可能收獲更多的播放量。M26和M27中，網(wǎng)絡(luò)入度對視頻持續(xù)播放有顯著正向影響，網(wǎng)絡(luò)貢獻(xiàn)對持續(xù)播放沒有顯著影響。表明那些“粉絲”數(shù)量多的創(chuàng)建者，其創(chuàng)建的視頻在未來更可能獲得更多播放，而創(chuàng)建視頻較多創(chuàng)建者的視頻在未來并不能獲得更多播放量。M28中，視頻創(chuàng)建天數(shù)和視頻時(shí)長均對視頻持續(xù)分享沒有顯著影響。M29和M30中，視頻播放量對視頻持續(xù)分享有顯著正向影響，而視頻分享量對視頻持續(xù)分享沒有顯著影響。表明播放數(shù)量越多的視頻在未來能獲得更多的分享量，而分享量越多的視頻在未來并不能獲得更多的分享量。M31和M32中，網(wǎng)絡(luò)入度對視頻持續(xù)分享有顯著正向影響，網(wǎng)絡(luò)貢獻(xiàn)對持續(xù)分享沒有顯著影響。表明那些“粉絲”數(shù)量越多的創(chuàng)建者其創(chuàng)建的視頻在未來更可能獲得更多分享機(jī)會，而創(chuàng)建視頻較多的創(chuàng)建者的視頻在未來并不能獲得更多分享機(jī)會。

4結(jié)語

本研究基于信息接受理論和網(wǎng)絡(luò)嵌入理論，結(jié)合新冠肺炎疫情這一公共衛(wèi)生突發(fā)事件，以新冠肺炎科普視頻為研究對象，進(jìn)行了兩階段數(shù)據(jù)爬取和定量分析，從創(chuàng)建者網(wǎng)絡(luò)入度、視頻播放量和視頻分享量等方面入手，探究科普視頻持續(xù)擴(kuò)散的影響因素。主要研究結(jié)論如下：第一，創(chuàng)建者網(wǎng)絡(luò)入度、網(wǎng)絡(luò)貢獻(xiàn)、視頻播放量和視頻分享量對創(chuàng)建者網(wǎng)絡(luò)結(jié)構(gòu)嵌入和關(guān)系嵌入有正向影響;第二，視頻創(chuàng)建天數(shù)、視頻時(shí)長、網(wǎng)絡(luò)入度、網(wǎng)絡(luò)貢獻(xiàn)均對科普視頻擴(kuò)散效果有正向影響，視頻創(chuàng)建天數(shù)對視頻持續(xù)播放有負(fù)向影響，視頻時(shí)長對視頻持續(xù)播放有正向影響;第三，視頻播放量和分享量均對持續(xù)播放有正向影響，視頻播放量對持續(xù)分享有正向影響，網(wǎng)絡(luò)入度對視頻持續(xù)播放和持續(xù)分享均有正向影響。

研究結(jié)論的理論意義在于以下三點(diǎn)。第一，與以往對線下網(wǎng)絡(luò)或在線網(wǎng)絡(luò)的網(wǎng)絡(luò)嵌入的研究不同，本研究采用兩階段數(shù)據(jù)測度科普視頻創(chuàng)建者的兩類網(wǎng)絡(luò)嵌入程度。隨著視頻在社交網(wǎng)絡(luò)中的擴(kuò)散，通過視頻創(chuàng)建者入度增加量測度結(jié)構(gòu)嵌入，通過“充電”數(shù)增加量測度網(wǎng)絡(luò)關(guān)系嵌入，這與科普視頻創(chuàng)建平臺功能設(shè)置一致。第二，本研究進(jìn)一步關(guān)注社交網(wǎng)絡(luò)特征對科普視頻分享和持續(xù)分享的影響，發(fā)現(xiàn)視頻分享量對未來播放量有顯著影響，但對未來分享量沒有顯著影響。約翰遜（Johnson）和蘭茲尼（Ranzini）[31]研究發(fā)現(xiàn)自我表達(dá)動機(jī)對社交網(wǎng)絡(luò)上內(nèi)容分享產(chǎn)生了影響。第三，本研究關(guān)于創(chuàng)建者網(wǎng)絡(luò)嵌入與視頻持續(xù)擴(kuò)散的影響的研究結(jié)果證實(shí)了科普視頻擴(kuò)散中存在的社交連接和信息流機(jī)制。發(fā)現(xiàn)“粉絲”較多的科普視頻創(chuàng)建者創(chuàng)建的視頻將會得到更多擴(kuò)散;當(dāng)創(chuàng)建者創(chuàng)建的視頻播放量或分享量越多時(shí)，該創(chuàng)建者也將在未來收獲更多的“粉絲”和“充電”數(shù)。事實(shí)上，雖然“粉絲”效應(yīng)在短視頻傳播過程中影響顯著，但對于短視頻傳播而言，短視頻本身的創(chuàng)新程度的影響要顯著大于短視頻平臺上用戶分享行為帶來的影響[30]。

本研究以新冠肺炎疫情期間發(fā)布于B站的科普視頻的擴(kuò)散為例，研究結(jié)論對于指導(dǎo)視頻創(chuàng)建者如何提高自身作品影響力以及網(wǎng)絡(luò)平臺管理都具有一定的實(shí)踐指導(dǎo)意義。第一，視頻創(chuàng)建者應(yīng)不斷增加作品發(fā)布數(shù)量來提高自身網(wǎng)絡(luò)貢獻(xiàn)，并積極參與社區(qū)的后期活動來繼續(xù)提高自身網(wǎng)絡(luò)入度，通過自身網(wǎng)絡(luò)嵌入度的改善來提高視頻傳播的未來可持續(xù)性。第二，視頻創(chuàng)建者應(yīng)通過不斷提升作品質(zhì)量，保證作品時(shí)長，這樣才能在未來收獲更多的“粉絲”和關(guān)注，也將得到持續(xù)播放和持續(xù)分享。同時(shí)平臺也應(yīng)關(guān)注到“粉絲”數(shù)量較多和發(fā)布視頻數(shù)量較多的創(chuàng)建者，以及播放量和分享量較高的視頻的創(chuàng)建者，這些創(chuàng)建者將會在未來收獲更多的“粉絲”和“充電”。第三，由于視頻創(chuàng)建天數(shù)對視頻持續(xù)播放有負(fù)向影響，早期發(fā)布的科普視頻在未來獲得持續(xù)擴(kuò)散的可能性較低，這就提示視頻創(chuàng)建者要不斷推出新的作品才能保證“粉絲”增加，平臺應(yīng)建立公平機(jī)制和動態(tài)更新視頻推薦機(jī)制，適時(shí)推薦新發(fā)布的科普視頻，增強(qiáng)新發(fā)布的科普視頻的傳播。

在突發(fā)公共衛(wèi)生事件中，謠言的流播不可避免，網(wǎng)絡(luò)社區(qū)要勇于承擔(dān)更多的社會責(zé)任，緊密結(jié)合視頻創(chuàng)建者特征和視頻自身特征，建立科學(xué)的視頻推薦機(jī)制和嚴(yán)格的網(wǎng)絡(luò)監(jiān)管機(jī)制，充分發(fā)揮科普視頻的生產(chǎn)及時(shí)性、傳播高效性、形式多樣性和知識聚焦性的積極作用[32]。科普視頻不僅是公眾交互發(fā)聲的平臺，也可以作為官媒發(fā)布信息的渠道，有必要建立辟謠的常態(tài)化機(jī)制，形成政府、學(xué)術(shù)機(jī)構(gòu)、市場化科普平臺和媒體之間的聯(lián)動，并在突發(fā)公共衛(wèi)生事件等特殊情形下啟用應(yīng)急辟謠機(jī)制。同時(shí)，政府作為公共受托責(zé)任的受托者，承擔(dān)著公共信息傳播的主體責(zé)任，要建立健全突發(fā)公共衛(wèi)生事件信息公開機(jī)制，有序推動網(wǎng)絡(luò)應(yīng)急科普視頻的發(fā)展，提升信息傳播的及時(shí)性、真實(shí)性、完整性，引導(dǎo)公眾回歸“理性與平和”，這也是完善政府治理體系、提升政府治理能力的必然選擇。

本研究基于網(wǎng)絡(luò)嵌入理論，從創(chuàng)作者特征以及視頻屬性入手，對B站新冠肺炎科普短視頻擴(kuò)散的影響因素進(jìn)行了研究，然而科普內(nèi)容可能還產(chǎn)生或傳播于其他平臺。未來研究可檢驗(yàn)本研究模型在其他平臺的適用性，以及對不同平臺科普視頻傳播機(jī)理進(jìn)行比較。

參考文獻(xiàn)

李明倩.新冠肺炎疫情下全球公共衛(wèi)生治理的改革路徑與中國角色[J].當(dāng)代世界，2022（1）：41-45.

金亞蘭，徐奇智.突發(fā)公共衛(wèi)生事件下基于公眾參與的辟謠機(jī)制研究——以“丁香醫(yī)生”和“科普中國”為例[J].科普研究，2020，15（2）：52-59.

劉江斌，葉明.防止次生災(zāi)害：疫情防控的治安邏輯——以警察現(xiàn)場處置為視角[J].鐵道警察學(xué)院學(xué)報(bào)，2021，31（3）：43-49.

曹武軍，陳秦秀，薛朝改.重大疫情網(wǎng)絡(luò)輿情防控策略研究[J].情報(bào)雜志，2020，39（10）：107-114.

王明，楊家英，鄭念. 關(guān)于健全國家應(yīng)急科普機(jī)制的思考和建議[J]. 中國應(yīng)急管理，2019（8）：38-39.

侯震，童惟依，鄧靖飛，等.新媒體環(huán)境下健康科普視頻的創(chuàng)作與傳播策略研究[J].中國醫(yī)學(xué)教育技術(shù)，2022，36（1）：51-54.

楊詠雪.短視頻環(huán)境下醫(yī)學(xué)類科普視頻的內(nèi)容創(chuàng)作與傳播策略[J].科技傳播，2021，13（23）：155-157.

郝倩倩.科普視頻在“抖音”短視頻平臺的傳播[J].科普研究，2019，14（3）：75-81.

王一帆.健康科普視頻的內(nèi)容特征與傳播效果——基于對《關(guān)于新冠肺炎的一切》的分析[J].今傳媒，2020，28（12）：143-146.

張偉，夏志杰.科普視頻在不同網(wǎng)絡(luò)社交媒體平臺的擴(kuò)散模式對比研究——以“回形針PaperClip”新冠肺炎科普短視頻為例[J].圖書情報(bào)研究，2021，14（2）：108-115.

朱哲慧，袁勤儉.技術(shù)接受模型及其在信息系統(tǒng)研究中的應(yīng)用與展望[J].情報(bào)科學(xué)，2018，36（12）：168-176.

Granovetter M. Economic Action and Social Structure：The Problem of Embeddedness[J]. American Journal of Sociology，1985，91（3）：481-510.

侯仁勇，嚴(yán)慶，孫騫，等. 雙重網(wǎng)絡(luò)嵌入與企業(yè)創(chuàng)新績效——結(jié)構(gòu)視角的實(shí)證研究[J]. 科技進(jìn)步與對策，2019，36（12）：98-104.

楊博旭，王玉榮，李興光. “厚此薄彼”還是“雨露均沾”——組織如何有效利用網(wǎng)絡(luò)嵌入資源提高創(chuàng)新績效[J]. 南開管理評論，2019，22（3）：201-213.

Lee E，Shin S Y. When Do Consumers Buy Online Product Reviews？Effects of Review Quality，Product Type，and Reviewer’s Photo[J]. Computers in Human Behavior，2014（31）：356-366.

Cheung C M K，Thadani D R. The Impact of Electronic Word-of-mouth Communication：A Literature Analysis and Integrative Model[J]. Decision Support Systems，2012，54（1）：461-470.

Mudambi S M，Schuff D. What Makes a Helpful Online Review？A Study of Customer Reviews on Amazon.com[J]. MIS Quarterly，2010，34（1）：185-200.

馬哲明. 社交網(wǎng)絡(luò)媒體信息傳遞轉(zhuǎn)化及機(jī)制研究[J]. 情報(bào)科學(xué)，2017，35（8）：28-32.

Chen A，Lu Y，Chau P Y Ket al. Classifying，Measuring，and Predicting Users’Overall Active Behavior on Social Networking Sites[J]. Journal of Management Information Systems，2014，31（3）：213-253.

李進(jìn)華，張婷婷. 社會化問答知識分享用戶感知有用性影響因素研究——以知乎為例[J]. 現(xiàn)代情報(bào)，2018（4）：20-28.

胡仙，吳江，劉凱宇，等. 點(diǎn)贊社交互動行為影響因素研究——基于微信朋友圈情境[J]. 情報(bào)科學(xué)，2020，38（1）：36-41.

Rau P P，Gao Q，Ding Y. Relationship between the Level of Intimacy and Lurking in Online Social Network Services[J]. Computers in Human Behavior，2008，24（6）：2757-2770.

Trusov M，Bodapati A V，Bucklin R E. Determining Influential Users in Internet Social Networks[J]. Journal of Marketing Research，2010，47（4）：643-658.

Granovetter M S. The Strength of Weak Ties[J]. American Journal of Sociology，1973，78（6）：1360-1380.

Preece J，Nonnecke B，Andrews D. The Top Five Reasons for Lurking：Improving Community Experiences for Everyone[J]. Computers in Human Behavior，2004，20（2）：201-223.

單英驥，邵鵬. 在線教育社區(qū)主播網(wǎng)絡(luò)嵌入與付費(fèi)知識持續(xù)分享效果研究[J]. 現(xiàn)代情報(bào)，2020，40（6）：68-75.

Li G Q，Liu R J. Original Music Album Diffusion Sustainability in Social Network-Based Communities：A Network Embedded Perspective[J]. IEEE Access，2020（8）：53107-53115.

Bilibili Inc. Announces 2022 First Quarter Financial Results[EB/OL].（2022-06-09）[2022-06-10]. https：//ir.bilibili.com/static-files/91528e13-31e8-4460-a3c0-e04abedeb5fd.

張舒涵，孔朝蓬，孔婧媛.新媒體時(shí)代短視頻信息傳播影響力研究[J].情報(bào)科學(xué)，2021，39（9）：59-66.

丁國維. 粉絲效應(yīng)與分享行為對短視頻傳播的影響[D]. 廈門：廈門大學(xué)，2019.

Johnson B K，Ranzini G. Click Here to Look Clever：Self-presentation via Selective Sharing of Music and Film on Social Media[J]. Computers in Human Behavior，2018，82（1）：148-158.

王成軍.尋找公眾注意力爆發(fā)的起源：以YouTube視頻擴(kuò)散為例[J].東岳論叢，2021，42（2）：142-153.