基于社会化媒体的信息传播行为：理论与实践的变革

８０《科学与社会》（Ｓ＆Ｓ）　科学传播　基于社会化媒体的信息传播行为：　理论与实践的变革　张　伦　（中国科学院大学人文学院新闻传播学系）　摘要：本文首先回顾了基于互动性媒体——社会化媒体雏形的信息传　播行为的相关理论。在此基础上，梳理了基于社会化媒体的信息传播的进　路，进而讨论了社会化媒体对于信息传播产生的微观与宏观作用（即社会化　媒体对个体信息接受行为的变革以及社会信息流动模式的变革），最后综述　了社会化媒体信息推荐——这一基于社会化媒体信息传播的新的应用性研　究领域。通过综述可以看出，社会化媒体为信息传播研究带来了新的契机，　包括理论创新和应用性研究的创新；但同时也可以发现，基于社会化媒体的　经验性研究更关注商业领域的应用性研究，而缺乏基础性理论研究。　关键词：信息处理，社会化媒体，信息可信度　新的媒介技术往往产生新的信息传播行为，从而为理论的创新开拓新　的疆域。以社交媒体、微博等ｗｅｂ２．０技术为核心的社会化媒体，近年来受　到了学界与业界的广泛关注。Ｋｉｅｔｚｍａｎｎ等人总结了社会化媒体所具有的　７个根本性特点Ｌ１］：第一，对自我身份的界定：用户可以通过社会化媒体中　的某些功能（例如，姓名、年龄、性别、专业等）来对自己的身份进行界定。第　二，对话性：社会化媒体有助于增强用户之问、群体之间的沟通。第三，便于　作者简介：张伦，中国科学院大学人文学院新闻与科学传播系讲师。研究方向为社会网络、新媒体　采纳以及社会化媒体中的人类行为模式。　《科学与社会》（ｓ＆ｓ）８１　分享：信息的分享成本被大大降低。因此，与传统的信息传播模式不同，社　会化媒体中的信息传播从“广播式（ｂｒｏａｄｃａｓｔｉｎｇ）”变为了“扩散式（ｄｉｆｆｕ—　ｓｉｏｎ）”。第四，再现功能的增强：与以往的互动性媒体不同，用户能够感知　其他用户的实体性存在。例如，社会化媒体中的“隐藏／公开”功能、“签到”　功能将用户的线上网络位置与线下地理位置联系起来。第五，关系构建：用　户之问能够构建某种关系（例如，“好友”关系、“关注”关系、“粉丝”关系等）。　在社会化媒体中，每个用户是信息传播的节点，信息通过用户之间的关系　（例如，好友关系、关注关系、社团关系等）在社会化媒体中传播。第六，获得　声誉：用户能够通过某种方式获得其在社会化媒体中的知名度。在社会化　媒体中，声誉可以指用户间的相互信任、也可以指通过他人的投票等方式来　获得（例如，Ｄｉｇｇ中的“顶”）的支持。此外，声誉还可以指用户所发布的信　息的可信性和质量（例如ＹｏｕＴｕｂｅ中来自他人的评分）。第七，群体构建：　用户在社会化媒体中有被归属为某一社群的可能性。　社会化媒体的出现为信息传播实践带来了巨大的机遇与挑战。一方　面，在社会化媒体中，每个个体既是信息的接受者，同时也是发布者和传播　者。其有可能使得信息传播出现“民主化”的趋势，即信息传播的控制权从　以往的大众媒介转变为每个平台中的个体口］。此外，由于社会化媒体的实　时性、跨地域性等特征，用户的平台接人限制被降低。因此，用户在信息处　理中不受到来自外界条件的限制。而另一方面，社会化媒体的一些新的特　征也给用户的信息接受带来很大的挑战，例如，信息的过量。用户不可能浏　览社会化媒体平台上的所有信息，因此有可能大部分的信息没有被有效传　播。　基于社会化媒体的信息传播实践的变革，是否促使信息传播相关的研　究领域进行了理论创新并开辟了新的经验性研究领域？本文首先回顾了社　会科学中对社会化媒体及其雏形——互动性媒体的理论研究，并总结了新　的媒介技术对信息传播理论的发展的影响，初步总结了社会科学对于社会　化媒体的研究进路，从而探讨社会化媒体为信息传播理论与经验研究带来　的变革。　８２《科学与社会》（　）　一、对媒体“互动性”的考察　在传播学领域，早在上个世纪６Ｏ年代就有学者就媒介的人际沟通和信　息传播特性进行了探讨。例如，“社会再现理论（Ｓｏｃｉａｌ　Ｐｒｅｓｅｎｃｅ　Ｔｈｅｏｒｙ）”　与“媒介丰富性理论（Ｍｅｄｉａ　Ｒｉｃｈｎｅｓｓ　Ｔｈｅｏｒｙ）”都在讨论媒介非语言信号　的缺失如何影响人际传播效果（例如传播任务的完成、信息接收的公平性　等）。Ｓｈｏｒｔ等人认为，媒介对用户的社会再现程度影响了人们对人际讨论　的感知及互动方式＿２］。这两个理论认为，与电视、面对面沟通相比，计算机　辅助交流技术被认为是社会再现程度和媒介丰富性最低的媒体。计算机辅　助的交流与传统的面对面交流存在本质差异。计算机辅助的交流缺少非语　言的信号和信息传递的物理环境　］，因而影响了人们对于传播情境和其他　参与者的感知，并阻碍了人们对于信息的解读——人们不可以通过他人语　言之外的信息（例如，眼神、面部表情、身体姿态、手势等）来对信息进行解　读。　根据信息传播任务的不同，人们可以选择不同丰富程度的媒介。当信　息非常简单或者非常明确，采纳简洁的媒介是最有效率的。但是当信息复　杂、模糊或者具有情感性（ｅｍｏｔｉｏｎａ１）因素时，人们就需要借助更为丰富的　媒介，从而使得信息传播者能够即时地获得反馈，保证信息传播更为有效地　进行。　Ｗａｌｔｈｅｒ在１９９２年提出了社会信息处理理论（Ｓｏｃｉａｌ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｐｒｏ—　ｅｅｓｓｉｎｇ　Ｔｈｅｏｒｙ），旨在探讨通过计算机辅助沟通媒介构建人际关系的可能　性¨４］。Ｗａｌｔｈｅｒ认为，实现计算机辅助的人际关系构建需要以下几个前提　条件：第一，关系型驱动因素：人们以信息传播的方式试图与他人进行沟通，　从而构建人际关系；第二，印象的形成：通过对基于文本的信息进行解码，能　够形成对于他者的印象；第三，关系性信息的传递：关系性信息通过非语言　（ｎｏｎｖｅｒｂａ１）、语言（ｖｅｒｂａ１）、语词（１ｉｎｇｕｉｓｔｉｃ）和文本（ｔｅｘｔｕａ１）方式进行传　递，文本的语法、停顿、表达等因素能够模仿或再现面对面交流的个人风格；　第四，在计算机辅助的人际沟通中，信息的传递比面对面沟通需要更长的时　间。　Ｗａｌｔｈｅｒ的理论提出于前互联网时代，当时只有电子邮件和计算机文　《科学与社会》（Ｓ＆Ｓ）８３　字会议系统。在今天看来，Ｗａｌｔｈｅｒ的上述论述看起来似乎是不证自明的。　一方面，新的技术一定加强了非语言信号的作用（例如，视频会议、视频通　话），另一方面，互联网一代已经习惯了互联网辅助交流的方式。因此与面　对面交流等方式相比，社会化媒体在构建社会关系上已经基本不存在缺陷。　但不容忽视的是，Ｗａｌｔｈｅｒ在１９９２年提出社会信息处理理论时回答了一个　关键的问题：计算机辅助的沟通环境能否构建社会关系。其提出社会信息　处理理论时，挑战了既往学者们对互动性媒体构建社会关系的可能性的悲　观论调。Ｗａｌｔｈｅｒ的理论提出后，引起了社会心理学等领域的广泛兴趣。　大量研究随之涌现出来，探讨这种新环境下的人际传播。　二、基于社会化媒体的信息传播行为的近期研究　上文回顾了学界在前互联网时代对计算机辅助的人际沟通媒介技术的　信息传播的理论论述。从时间维度而言，社会化媒体研究大致可以分为３　个阶段（见图１）：前互联网时代（２０世纪６０年代至１９９３年）、互联网　Ｗｅｂ１．０时代（１９９４－－２００６年）以及互动媒体Ｗｅｂ２．０时代（２００７年一至　今）。如前文所述，前互联网时代更注重于探讨基于计算机辅助沟通的人际　互动的可能性；而互联网Ｗｅｂ　１．０时代则是一个所谓“过渡时代”，即该阶　段研究更关注的是用户对不具互动性的互联网技术的采纳以及信息传播效　果　；而２００７年至今，随着Ｗｅｂ２．０技术的发展，“社会化媒体”概念被正式　提出，该阶段除了对于上一个阶段涉及的主要理论的探讨，还融人了信息可　信度等信息传播理论的新发展。下文主要针对第三阶段，初步回顾社会化　媒体关于信息传播的近期研究。　为初步展示社会科学，特别是传播学领域对于社会化媒体的研究图　景，本研究采用了“自下而上”的方法，即在没有任何预设干预的前提下，运　用文献计量学方法，通过提取论文信息数据，定量地描述社会化媒体研究的　基本情况。具体而言，本文选取了ＳＳＣＩ数据库（Ｗｅｂ　ｏｆ　Ｓｃｉｅｎｃｅ）中以“社　会化媒体”作为关键词或主题词的研究论文进行初步定量分析，以期从宏观　８４《科学与社会》（ｓ＆ｓ）　图１社会化媒体研究的阶段划分　上把握该领域的近期研究现状①。　通过对ＳＳＣＩ数据库的检索，得到符合条件的论文共１０６３篇文章，分　布于３３１个ＳＳＣＩ期刊。在传播学领域，共有３５５篇文章，分布于５５个期　刊。其中，自“社会化媒体”出现以来，传播学领域每年的文章发表数量如图　２所示。第一篇以“社会化媒体”为题目或主题词的文章发表于２００７年，随　后每年该领域发表文章数大幅上升，２００８年发表文章８篇，２０１２年发表文　章１２０篇。　图３分别统计了传播学领域平均引用数最高的期刊（前ｉ０名）、该领域发　表文章数最多的期刊（前１０名）。在传播学领域中，平均引用次数最高的期刊为　Ｊｏｕｒｎａｌｉｓｍ、ＪＣＭＣ以及ＪＯＣ￣。文章发表数量最多的期刊为ＰＲＲ、ＩＣＳ和ＮＷＳ。　①搜索条件为：Ｔｏｐｉｃ＝（”ｓｏｃｉａｌ　ｍｅｄｉａ”）ＯＲ　Ｔｉｔｌｅ一（”ｓｏｃｉａｌ　ｍｅｄｉａ”）Ｃａｔｅｇｏｒｉｅｓ一（ＣＯＭ—　ＭＵＮＩＣＡＴＩＯＮ　０Ｒ　ＩＮＦ０ＲＭＡＴ１０Ｎ　ＳＣＩＥＮＣＥ　ＬＩＢＲＡＲＹ　ＳＣＩＥＮＣＥ　０Ｒ　ＢＵＳＩＮＥＳＳ　ＯＲ　ＭＡＮ—　ＡＧＥＭＥＮＴ　ｏＲ　Ｃ０ＭＰＵＴＥＲ　ＳＣＩＥＮＣＥ　ＩＮＦ０ＲＭＡＴ１０Ｎ　ＳＹＳＴＥＭＳ　ｏＲ　ＥＤＵＣＡＴ１０Ｎ　ＥＤＵＣＡ—　ＴＩｏＮＡＬ　ＲＥＳＥＡＲＣＨ　ｏＲ　ｓ（）Ｃ１０ＬｏＧＹ　ＯＲ　ＰＵＢＬＩＣ　ＥＮＶＩＲｏＮＭＥＮＴＡＬ　ｏＣＣＵＰＡＴＩｏＮＡＬ　ＨＥＡＬＴＨ　ＯＲ　ＰＳＹＣＨＯＬＯＧＹ　ＭＵＬＴＩＤＩＳＣＩＰＬＩＮＡＲＹ　０Ｒ　ＨＥＡＬＴＨ　ＣＡＲＥ　ＳＣＩＥＮＣＥＳ　ＳＥＲ—　ＶＩＣＥＳ　ｏＲ　Ｓ０ＣＩＡＬ　ＳＣＩＥＮＣＥＳ　ＩＮＴＥＲＤＩＳＣＩＰＬＩＮＡＲＹ　ｏＲ　ＰＳＹＣＨｏＬ０ＧＹ　ＥＸＰＥＲＩＭＥＮＴＡＬ　０Ｒ　ＣＯＭＰＵＴＥＲ　ＳＣＩＥＮＣＥ　ＩＮＴＥＲＤＩＳＣＩＰＬＩＮＡＲＹ　ＡＰＰＬＩＣＡＴＩＯＮＳ　０Ｒ　ＰＯＬＩＴＩＣＡＬ　ＳＣＩＥＮＣＥ　）ＡＮＤ　Ｄｏｃｕｍｅｎｔ　Ｔｙｐｅｓ一（ＡＲＴＩＣＬＥ）Ｔｉｍｅｓｐａｎ＝Ａｌｌ　ｙｅａｒｓ．Ｄａｔａｂａｓｅｓ：ＳＳＣＩ．　②ＩＣＭＣ表示Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｍｅｄｉａｔｅ＇ｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ；ＪＯＣ表示Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｍｕｎｉ—　ｃａｔｉｏｎ；ＩＪＡ表示Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａ１　ｏｆ　Ａｄｖｅｒｔｉｓｉｎｇ；Ｊ　ＨＣ表示Ｊｏｕｒｎａｌ　ｏｆ　Ｈｅａｌｔｈ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ；　ＰＲＲ表示Ｐｕｂｌｉｃ　Ｒｅｌａｔｉｏｎｓ　Ｒｅｖｉｅｗ；ＣＲ表示Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｒｅｓｅａｒｃｈ；ＵＰＰ表示Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｐｒｅｓｓ—Ｐｏｌｉｔｉｃｓ；ＪＰＲＲ表示Ｊｏｕｒｎａ１　ｏｆ　Ｐｕｂｌｉｃ　Ｒｅｌａｔｉｏｎｓ　Ｒｅｓｅａｒｃｈ；ＮＷＳ表示Ｎｅｗ　Ｍｅｄｉａ　＆Ｓｏｃｉｅｔｙ；ＩＣＳ表示Ｉｎｆｏｒｍａｔｉｏｎ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ＆Ｓｏｃｉｅｔｙ；ＵＣ表示Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍ—　ｍｕｎｉｃａｔｉｏｎ，ＭＩＡ表示Ｍｅｄｉａ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ａｕｓｔｒａｌｉａ；ＪＡＲ表示Ｊｏｕｒｎａｌ　ｏｆ　Ａｄｖｅｒｔｉｓｉｎｇ　Ｒｅｓｅａｓｒｃｈ；　ＪＢＥＥ表示Ｊｏｕｒｎａｌ　ｏｆ　Ｂｒｏａｄｃａｓｔｉｎｇ　Ｅｌｅｃｔｒｏｎｉｃ　Ｍｅｄｉａ；ＴＣ表示Ｔｅｃｈｎｉｃａｌ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ。　《科学与社会》（Ｓ＆ｓ）８５　时间　图２传播学“社会化媒体”论文增长趋势　８０　６０　４０　２Ｏ　０　§　图３传播学领域对社会化媒体的研究统计　基于此，本文进而对每篇文章的关键词进行了词频分析。　Ｐ　图４“社会化媒体”关键词词频分析　图４展示了自“社会化媒体”研究伊始，传播学领域所涉及到的研究主　８６《科学与社会》（Ｓ＆Ｓ）　题、研究方法以及技术平台。公共关系（Ｐｕｂｌｉｃ　Ｓｐｈｅｒｅ）、社会运动（Ｓｏｃｉａｌ　Ｍｏｖｅｍｅｎｔｓ）、政治参与（Ｐｏｌｉｔｉｃａｌ　Ｐａｒｔｉｃｉｐａｔｉｏｎ、Ｃｉｖｉｃ　Ｅｎｇａｇｅｍｅｎｔ）、互联网　采纳（Ｉｎｔｅｒｎｅｔ　Ｕｓｅ）、用户自创内容（Ｕｓｅｒ－Ｇｅｎｅｒａｔｅｄ－Ｃｏｎｔｅｎｔ）、口碑传播　（Ｗｏｒｄ—ｏｆ－Ｍｏｕｔｈ）、信息可信度（Ｃｒｅｄｉｂｉｌｉｔｙ）、数码沟（Ｄｉｇｉｔａｌ　Ｄｉｖｉｄｅ）等是　社会化媒体关注较多的研究主题，此外研究还涉及了主要的社会化媒体技　术平台，例如Ｆａｃｅｂｏｏｋ、Ｔｗｉｔｔｅｒ、ｗｅｂ　２．０、万维网（ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂ）、博　客（Ｂｌｏｇｓ）、社会网络（Ｓｏｃｉａｌ　Ｎｅｔｗｏｒｋｓ）、微博（Ｍｉｃｒｏｂｌｏｇｇｉｎｇ）。　“内容分析（Ｃｏｎｔｅｎｔ　Ａｎａｌｙｓｉｓ）是唯一一个被提及较多的研究方法。这　说明，在对社会化媒体的研究中内容分析是被强调的研究方法。图４中并　没有如预期般出现“数据挖掘”（Ｄａｔａ　Ｍｉｎｉｎｇ）、“语义分析”（Ｓｅｍａｎｔｉｃ　Ａｎａｌ—　ｙｓｉｓ）或“机器学习”（Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇ）等在计算机等领域运用较广的用于　社会化媒体的研究方法。此外，还值得注意的是，在关键词词云中，理论名　称并不多见，而是只出现了公共领域（Ｐｕｂｌｉｃ　Ｓｐｈｅｒｅ）、扩散（Ｄｉｆｆｕｓｉｏｎ）、满　足（Ｇｒａｔｉｆｉｃａｔｉｏｎ）三个经典理论。这初步说明，在对社会化媒体的研究中，　主要的理论框架还是经典的社会科学理论，而缺乏理论创新。这与笔者之　前参与的一项对近１０年社会科学对“互联网”的综述研究的发现十分接　近　。　为进一步对上述论断做一验证，本研究进而对社会科学领域中被引用　次数最高的文章进行综述。图５显示了社会科学中所有文章的引用数分布　图。可以看出，在社会科学中，该领域的文章被引用数分布极不平均。有　５００多篇文章的引用数为０。而有极少数文章的引用数多于１０次。引用数　最多的文章为７２次④。　对该领域高引用率的文章进行分析发现，被引用次数较高的文章多为　营销、公共健康等子领域应用性文章，例如在线营销、公共健康等问题在新　的媒介平台上的应用前景与挑战。Ｋａｐｌａｎ对社会化媒体进行了界定，并根　据社会再现、媒介丰富性程度以及用户的自我揭露程度对社会化媒体的技　术平台做出分类；在此基础上，阐述了社会化媒体平台给商业应用带来的机　遇与挑战＿＿６］。Ｘｉａｎｇ等人的研究也强调了社会化媒体在在线旅游的作用，　并认为该平台已经成为旅游行业的重要信息提供渠道　］。Ｋｏｚｉｎｅｔｓ等人的　①　这篇引用数最多的文章即本文参考文献中所列第［６］条文献。　《科学与社会》（Ｓ＆Ｓ）８７　婚　０　２　４　６　８　１０　１２　１４　１６　１８　２０　２２　２４　２９　３７　４４　６Ｏ　６３　７２　引用数　图５社会科学领域“社会化媒体”研究文章被引数分布　研究提出了在社会化媒体中的“４Ｅ”营销策略，即评论（Ｅｖａｌｕａｔｉｏｎ）、融入　（Ｅｍｂｒａｃｉｎｇ）、支持（Ｅｎｄｏｒｓｅｍｅｎｔ）以及解释（Ｅｘｐｌａｎａｔｉｏｎ）Ｌ８］。Ｍａｎｇｏｌｄ认　为，社会化媒体对于在线营销活动具有两面性　］。一方面，商家能够直接与　消费者沟通；而同时消费者之间也能够直接交流，从而使得商家丧失对信息　的时间、内容以及信息出现频率的控制权。因此，管理者需要引导消费者传　递与组织使命目标相一致的信息。Ｗａｎｇ等人提出了基于标签的图像搜索　的算法　］。值得注意的是，在引用数超过３０的文章中，对于新的媒介平台　为信息传播理论带来的变革以及理论创新鲜有提及。只有一篇文章探讨了　媒介采纳与人格特点关系这一基本理论问题¨１　。研究发现，外向型性格的　人更容易采纳社会化媒体；而情绪稳定性（Ｅｍｏｔｉｏｎａｌ　Ｓｔａｂｉｌｉｔｙ）对社会化媒　体的采纳具有负面影响。　三、社会化媒体对信息传播研究产生的变革　社会化媒体对于信息传播产生的影响体现在微观、中观以及宏观三个　不同层面。就微观层面——即单一用户个体（ｉｎｔｒａｐｅｒｓｏｎａ１）而言，社会化　媒体技术作为一种计算机辅助沟通技术，使得用户对于信息的处理不同于　其它信息传播媒介。信息不仅仅包含语义内容，还包含信息传递所依赖的　技术平台以及信息的发出者。就中观层面——即用户间的人际传播（ｉｎｔｅｒ—　ｐｅｒｓｏｎａ１）而言，社会化媒体通过改变信息传播的基础构架——社会关系，　来影响信息传播效率。例如，社会网络研究认为，弱联系对于传统的线下信　８８《科学与社会》（Ｓ＆Ｓ）　息传播起着至关重要的作用口　。因此，人际信息传播的效率取决于个体所　构建的弱联系的多少。社会化媒体无疑强化了这种社会关系构架。以微博　为例，用户通过简单的“关注”行为，能够轻易构建与他人的弱联系，从而使　得信息传播效率大幅提升。再比如，扩散模型认为，信息的传播取决于每个　个体转发信息的门槛值（Ｔｈｒｅｓｈｏｌｄ　Ｖａｌｕｅ）。由于信息传播所需要付出的　成本与代价变小，社会化媒体降低了人际问信息传播的门槛值。扩散模型、　病毒传播模型等对此进行了大量的实证研究。而就宏观层面而言，社会化　媒体改变了不同参与群体之间的信息传播模式。下文侧重于论述社会化媒　体对微观个体信息接受行为以及对宏观信息流动模式的变革。　１．社会化媒体对个体信息接受行为的变革　社会化媒体的出现进一步改变了人们的信息接受环境。其一，信息发　布和接收的成本被大大降低。信息不需要达到以往大众媒介把关人的标　准，就可以以几乎无成本的条件发布到社会化媒体平台。其二，在社会化媒　体中，信源的实体性一定程度上被削弱了。例如，微博中的一条信息被转　发，可能同时存在三个信源：其一，转发者；其二，信息的原始发布者；其三，　该信息的原始作者。因此，社会化媒体对于个体信息接受行为的一个重要　影响是，信息的可信度成为影响用户是否接受该信息的重要考量标准之一。　Ｓｕｎｄａｒ＿ｌ。　从互动媒体平台技术的角度，提出了ＭＡＩＮ模型，来阐述在数字　媒体时代用户对信息可信度的评判。　根据对多种数字媒介的考察，Ｓｕｎｄａｒ认为，数字媒体技术的技术特点　（ａｆｆｏｒｄａｎｃｅ）会引起人们启发性（ｈｅｕｒｉｓｔｉｃ）信息处理方式，从而对信息质量　（ｑｕａｌｉｔｙ）做出判断，最终影响人们对信息的可信度的判断（ｃｒｅｄｉｂｉｌｉｔｙ）。例　如，一个在线互动性的电子商务网站会让人们自然而然地认为，与商家直接　对话意味着良好的服务品质。因此，该网站的信息会被用户认为具有更高　的可信度。具体而言，Ｓｕｎｄａｒ认为，以下四个维度的媒介技术特点对于用　户评价该媒体中的信息的可信度具有重要影响：形式（ｍｏｄａｌｉｔｙ）、代理（ａ—　ｇｅｎｃｙ）、互动性（ｉｎｔｅｒａｃｔｉｖｉｔｙ）以及可导航性（ｎａｖｉｇａｂｉｌｉｔｙ）。形式指信息的　呈现方式，例如文本、听觉、视觉等。我们常常调侃的“有图有真相”就印照　了不同的信息呈现形式会影响用户对信息可信度的评价。社会化媒体往往　允许多种形式的信息同时存在。这或许也解释了与手机短信、电子邮件相　《科学与社会》（Ｓ＆Ｓ）８９　比，为何人们往往会轻易相信微博等社会化媒体中的信息，从而使得谣言在　微博等社会化媒体中迅速传播。代理指信息的“代理”者，即在信息发布的　过程中介入的个体和组织。传统媒体中，信息的代理者是唯一的。例如，　《纽约时报》刊登的信息，其信息代理只有纽约时报记者。而社会化媒体有　许多重代理，例如上文提到的多重信源。参与信息发布过程的每一个代理　人都影响了用户对该信息可信度的判断。互动性即指用户能否与媒介中的　内容发生反馈。互动意味着媒体信息能够根据用户的需要“定制化”，使得　信息更为个人化。如前文所言，社会化媒体中，每个用户参与了信息的传　播，因此用户不再是被动的信息接受者，而变成了参与者。个体对信息传播　的参与使得用户更倾向于认为社会化媒体中的信息是可信的。可导航性指　信息的结构化呈现。传统的媒体呈现的信息并非遵循结构化呈现方式。例　如，电视中的信息呈现方式是按照时间逐条排列。互联网的门户网站则将　信息按照类型分别呈现。社会化媒体使得信息的可导航性发生了新的变　化。信息被按照用户的在线社会关系来进行呈现。在微博、社交网络等媒　体中，用户往往是通过与之存在关系的好友得到信息。结构化的信息呈现　方式提升了人们的认知效率，从而提高了人们对媒介的满意度。Ｓｕｎｄａｒ认　为，这些特点决定了用户对于社会化媒体中信息可信度的评价。　Ｚｈａｎｇ等人探讨了微博中信息代理者（Ａｇｅｎｃｙ）的特点对于信息可信　度的影响ｌ１　。具体而言，该研究用“转发”和“评论”衡量用户是否接受信　息。如果用户转发或评论了一条帖子，则认为用户对该信息进行了处理，并　形成判断。该研究引入了信息发布者的特征，包括信息发布者的活跃度（即　过去已发布的帖子数）、权威性（是否是ＶＩＰ认证用户）、信息发布者的“自　我暴露”（ｓｅｌｆ～ｄｉｓｃｌｏｓｕｒｅ）程度（即信息发布者是否以及多大程度上公布了　关于自我的描述）以及其信息发布者的社交媒体使用经验（即该信息发布者　从注册到发布当前帖子的时间长度）。研究发现，信息发布者的活跃程度及　其权威性与帖子是否被转发或评论有关。　除了对于信息可信度的理论探索，社会化媒体还促进了学界对用户在　线认知的经验性研究。例如，Ｙａｎｇ等人对用户是否转发一条帖子——这一　信息认知的后续行为进行了预测。该研究中引入了几个因素进入模型，包　括用户过去的转发行为，发帖行为的频率和周期性，帖子内容的原创性，以　及帖子内容与用户兴趣的相关性Ｌ１引。与社会科学对同一问题的研究相比，　９０《科学与社会》（Ｓ＆Ｓ）　该模型的准确率较高（８４　），而社会科学一般只能解释现象变化的１Ｏ一　４Ｏ　９／６。但同时，Ｙａｎｇ的文章对于解释用户的信息认知和转发行为比较浅　显。Ｚｈａｎｇ等人＿１　引人了系统一启发性模型（Ｓｙｓｔｅｍａｔｉｃ～Ｈｅｕｒｉｓｔｉｃ　Ｍｏｄｅｌ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ），探讨在社会化媒体中用户是如何处理信息并　形成判断的¨１　。研究发现，信息的话题是预测该信息是否被转发和评论的　重要因素之一。笑话类的帖子被转发的最多，而用户间互动的帖子（例如，　该帖子中明确指明了信息的接受者，即“＠”某人）被评论的最多。与此类　似，Ｒｏｍｅｒｏ等人对Ｔｗｉｔｔｅｒ的帖子内容按照话题进行划分。该研究发现，　不同的话题（例如，体育、名人、技术、音乐、政治、电影、游戏等）被转发的模　式不同　。　２．社会化媒体对社会信息流动模式的变革　社会化媒体对于用户信息传播的微观影响，是信息的可信度成为信息　认知以及后续行为的重要参考变量。而对于社会宏观层面的信息传播而　言，社会化媒体的重要影响在于转变了宏观的信息流。根据社会心理学的　平衡理论口　，Ｗｅｓｔｌｅｙ和ＭｃＣｌｅａｎ于１９５７年提出了一个旨在描述大众传　播信息流动的系统性模式＿ｌ　（如图６所示）。在该图中，Ａ表示信源，其往　往充当一个“鼓吹者（ａｄｖｏｃａｔｅ）”角色，例如政治家、广告客户或者新闻来　源；Ｘ　……Ｘ　表示信息，如社会环境中的任何事件、议题；Ｃ表示大众媒介　（例如广播、电视等）或媒介组织中的个人，其负责从众多信息中进行信息选　择，并传递给受众；Ｃ同时也从Ａ处获得信息，并将这些信息传播给社会公　众——在图中用Ｂ表示。此外，图中还有一些反向流动的、用虚线表示的　箭头。这些反向箭头表示信息的反馈，即社会大众Ｂ获知信息后给信源Ａ　的反馈。例如，如果信源是正在参加竞选的政客，则这种反馈可以是社会公　众给竞选者的投票；如果信源是广告厂商，社会公众的反馈则是购买该广告　厂商的某种商品。另一种反馈是由受众反馈给大众媒介，例如受众收视行　为、受众与大众媒介的信息互动等。最后一种反馈是大众媒介对信源，例如　鼓励或者抵制信源的信息传播行为。　社会化媒体一定程度上变革了一个社会内以大众媒介为主导的信息　流的传递。因此，上述信息传播模式一定程度上不再适用。祝建华＿１９］以博　客为社会化媒体的代表，对Ｗｅｓｔｌｅｙ—ＭｃＣｌｅａｎ模式进行了修正，如图７所　《科学与社会》（Ｓ＆Ｓ）９１　Ｘｌ　Ｘ２　Ｘ３　Ｘ４　●●●　Ｘ　图６　Ｗｅｓｔｌｅｙ－ＭｃＣｌｅａｎ信息传播模式　示。ｘ１……Ｘｎ表示信息；Ａ表示信源：社会化媒体时代出现了３种信源：　Ａ１指传统意义上的信源；Ａ２指组织的信源（例如官方微博、官方博客）；Ａ３　指个人信源（例如微博用户）；而信息的传播者从大众媒介（Ｃ１）扩充到搜索　引擎（ｃ２）。社会公众能够从信源和媒介／搜索引擎得到信息。在这个修正　的传播模式中，大众媒介对于信息传播的作用被大大削弱。此外，社会公众　对于大众媒介、搜索引擎、信源、组织信源和个人信源皆存在反馈。这也体　现出社会化媒体对于受众信息传播反馈的加强。　Ｘ　图７基于社会化媒体和搜索引擎的信息传播模式　上文两个信息传播模式都是从社会宏观视角提出的。遗憾的是，社会　化媒体所带来的新的信息传播模式目前还只是停留在理论层面，尚没有研　究能够经验性地刻画信息流在社会中的真实流动方向。一个可能的原因是　尚未有合适的数据能够用于研究跨越多个信息载体的宏观信息流动情况。　９２《科学与社会》（Ｓ＆Ｓ１　四、基于社会化媒体的应用性研究——社会化媒　体信息推荐　上文简要回顾和评述了社会化媒体对于信息传播的理论变革。在信息　传播的实践环节，社会化媒体平台的一个重要创新是基于社会关系的信息　推荐。互联网搜索引擎出现之前，人们获取信息的方式是目录式（ｃａｔａｌｏｇ）　的。例如，在图书馆中查找书籍时，读者需要先选定所查书籍的类别，再以　此选择子类别，从而逐级减小范围，找到所需的书目。搜索引擎的出现使得　人们的信息搜索模式发生了大的变革。信息检索不再需要从类目中选择，　而只需要输入关键词进行查询。基于搜索引擎技术，计算机学领域曾提出　了信息搜索的重要算法，例如ＨＩＴＳ（Ｈｙｐｅｒｌｉｎｋ—Ｉｎｄｕｃｅｄ　Ｔｏｐｉｃ　Ｓｅａｒｃｈ）算　法　。＿和ＰａｇｅＲａｎｋ算法。　社会化媒体为信息检索提供了另一种通过社会关系寻找信息的可能　性ｌ＿２　。Ｅｖａｎｓ等人做了一个非常有趣的实验来检验不同的信息搜索方式　的效率。Ｅｖａｎｓ等人对比了两种信息检索方式：一种是通过社会关系寻找　信息（例如，社交网络、问答网站、博客以及线下好友等，但是搜索引擎等非　社会化方式不被允许使用）；另一种为通过一般的基于互联网信息（例如搜　索引擎、Ｗｉｋｉｐｅｄｉａ）寻找信息。Ｅｖａｎｓ等学者征集了多名参与者进行实验，　并将实验过程进行录像来分析结果。研究发现，社会化方式的信息检索更　具深度。更有意思的是，社会化方式的信息检索不仅能够提供信息和事实，　更能够提供解决问题的方法［２　。　社会化媒体为用户带来的信息检索方式的变化衍生出了一个重要的应　用问题：如何从社会化媒体中选择和推荐信息，从而提高用户的信息获取效　率。“社会化搜索”概念由此产生。“社会化搜索”是一个宏大话题，其不仅　涉及到具体的算法，更牵涉到社会化搜索这一技术所暗含的商业模式等诸　多话题。本文对此不做详细的回顾。　社会化推荐的基本假设是用户对于来自不同信源的信息的接受程度不　同。社会关系同质性越高、信息发布者的权威性越高，用户越倾向于接受信　息。Ａｇｉｃｈｔｅｉｎ引人了信息内容（例如信息的断句、语义复杂度、语法运用　等）、信息发布者与用户之间的互动关系（用户之问的结构连接）以及信息的　《科学与社会》（Ｓ＆Ｓ）９３　使用情况（例如，被浏览次数、被表决次数等）作为判定信息质量的主要因　素　川。Ｃｈｅｎ等人认为，社会化媒体内容的推荐需要从信源、目标用户对话题　的兴趣以及其它用户对该信息的支持度三个维度来考量　引。Ｃｈｏｕｄｈｕｒｙ等　人根据用户特征，从Ｔｗｉｔｔｅｒ上亿条用户自创帖子中为用户选择最相关的信　息。与传统的信息推荐算法只关注信息内容不同，Ｃｈｏｕｄｈｕｒｙ等人提出用户　之间的网络结构连接也是决定信息是否推荐给某个用户的重要影响因素。　具体而言，该研究将信息的属性（是否是转发或回复、是否具有外部链接、信息　的发布时间、信息的话题属性、信源的地理位置、信源的权威性、信源的网络结　构特点、信源的活跃程度）作为刻画信息的维度。通过人工判别，该算法对上　述维度进行不同的权重赋值。研究者引入“熵”的概念来计算信息在不同维　度的差异度ｌ＿２　。在对信息推荐结果的评判中，Ｃｈｏｕｄｈｕｒｙ也引入了用户对信　息相关度的主观判断，而非采用传统的准确率／覆盖率等检验方式。具体而　言，Ｃｈｏｕｄｈｕｒｙ引入了用户的信息认知行为，包括对信息的反馈，例如是否有　趣、是否有信息量，用户的信息接入程度以及用户对信息的长期记忆。从这　些研究中能够看出，用户的认知与信息获取行为已经成为评判信息推荐效度　的重要标准，受到计算机领域学者的重视。但同时该领域的研究也存在着一　定的弊端。例如，不同的文章提出的信息推荐算法所考虑的因素并不一致，　且对于纳入哪种因素进入推荐算法，并未经过严格的理论考量。　五、结语　本文首先回顾了社会化媒体作为一种新的媒介技术的理论研究进路，　进而探讨了社会化媒体对于个体信息传播以及宏观信息传播模式的影响。　新的媒介技术不仅仅能够改变人们的信息传播实践，更重要的是，这种新的　媒介技术为信息传播研究带来了理论发展的新的契机。本研究从社会科学　视角回顾了相关的理论研究，认为信息可信度理论在社会化媒体出现的基　础上得到了一定程度的延展。此外，社会化媒体产生了大量基于信息传播　的经验性研究。但同时本研究也发现，基于社会化媒体的经验性研究更关　注商业领域的应用性研究，而缺乏基础性研究。　对基于社会化媒体的信息传播的研究还体现出了多学科融合的趋势。　在社会科学领域，社会化媒体推动了信息可信性的理论发展；而在计算机科　９４《科学与社会》（Ｓ＆Ｓ）　学领域，社会化媒体推动了社会化搜索——这一新的研究领域的发展。通　过对相关文献的回顾，能够发现，心理学、传播学、信息科学与计算机科学皆　在这个领域做出了不同层面、不同方向的努力。　此外，近年来移动互联网、云计算、大数据等技术实现了飞速发展。基　于这些新的技术背景，社会化媒体的研究——特别是理论研究，在未来或许　会受到深远影响。一方面，数据存储与数据获取技术，使得社会科学领域的　社会化媒体研究也不一定再局限于小规模调查数据或内容文本。此外，基　于分布式系统构架（例如Ｈａｄｏｏｐ）的数据分析技术，也为大规模的数据分　析提供了可能。数据获取与数据分析技术，对于社会化媒体研究的理论会　有一定程度的变革。例如，传统的社会科学研究范式是自上而下的演绎法，　即用经验性数据验证假设的理论模型。而基于数据挖掘技术的科学研究更　强调自下而上的归纳法，即在没有理论预设或只有基本的理论假设的前提　下，通过分析数据发现新的行为规律，从而发现、挑战、甚至变革经典的理论　体系。从实践层面而言，移动互联网、虚拟现实等技术的方兴未艾，或许会　使得用户在社会化媒体中的信息传播行为本身发生变化（例如，“第二人生”　等多人在线角色扮演游戏促使人们开始了在虚拟世界中的行为），这也可能　使得信息传播理论发展产生变革。　参考文献　［１］Ｋｉｅｔｚｍａｎｎ，Ｊ．Ｈ．，Ｈｅｒｍｋｅｎｓ，Ｋ．，ＭｃＣａｒｔｈｙ，Ｉ．Ｐ．，＆Ｓｉｌｖｅｓｔｒｅ，Ｂ．Ｓ．．Ｓｏｃｉａｌ　ｍｅｄｉａ？Ｇｅｔ　ｓｅｒｉｏｕｓ！Ｕｎｄｅｒｓｔａｎｄｉｎｇ　ｔｈｅ　ｆｕｎｃｔｉｏｎａｌ　ｂｕｉｌｄｉｎｇ　ｂｌｏｃｋｓ　ｏｆ　ｓｏｃｉａｌ　ｍｅｄｉａ．　Ｂｕｓｉｎｅｓｓ　Ｈｏｒｉｚｏｎｓ，２０１１，５４（３）：１—２５１．　［２］Ｓｈｏｒｔ，Ｊ．，Ｗｉｌｌｉａｍｓ，Ｅ．，＆Ｃｈｒｉｓｔｉｅ，Ｂ．．Ｔｈｅ　ｓｏｃｉａｌ　ｐｓｙｃｈｏｌｏｇｙ　ｏｆ　ｔｅｌｅｃｏｍｍｕｎｉｃａ—　ｔｉｏｎｓ．Ｊｏｈｎ　Ｗｉｌｅｙ＆Ｓｏｎｓ　Ｌｔｄ，１　９７６．　［３］Ｓｐｒｏｕｌｌ，Ｌ．，＆Ｋｉｅｓｌｅｒ，Ｓ．Ｒｅｄｕｃｉｎｇ　ｓｏｃｉａｌ　ｃｏｎｔｅｘｔ　ｃｕｅｓ：Ｅｌｅｃｔｒｏｎｉｃ　ｍａｉｌ　ｉｎ　ｏｒｇａｎｉ—　ｚａｔｉｏｎａｌ　ｃｏｍｍｕｎｉｃａｔｉｏｎ．Ｍａｎａｇｅｍｅｎｔ　Ｓｃｉｅｎｃｅ，１９８６，３２（１１）：９２—１５１２．　［４］Ｗａｌｔｈｅｒ，Ｊ．Ｂ．，＆Ｂｕｒｇｏｏｎ，Ｊ．Ｋ．Ｒｅｌａｔｉｏｎａｌ　ｃｏｍｍｕｎｉｃａｔｉｏｎ　ｉｎ　ｃｏｍｐｕｔｅｒ—Ｍｅｄｉａｔｅｄ　ｉｎｔｅｒａｃｔｉｏｎ．Ｈｕｍａｎ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｒｅｓｅａｒｃｈ，１９９２，１９（１）：０—８８．　［５］Ｐｅｎｇ，Ｔ．Ｑ．，Ｚｈａｎｇ，Ｌ．，Ｚｈｏｎｇ，Ｚ．Ｊ．，＆Ｚｈｕ，Ｊ．Ｊ．Ｈ．Ｍａｐｐｉｎｇ　ｔｈｅ　ｌａｎｄｓｃａｐｅ　ｏｆ　Ｉｎｔｅｒｎｅｔ　ｓｔｕｄｉｅｓ：Ｔｅｘｔ　ｍｉｎｉｎｇ　ｏｆ　ｓｏｃｉａｌ　ｓｃｉｅｎｃｅ　ｊｏｕｒｎａｌ　ａｒｔｉｃｌｅｓ　２０００—２００９．Ｎｅｗ　Ｍｅｄｉａ　ａｎｄ　Ｓｏｃｉｅｔｙ，２０１３，１５（５）：６４４—６６４．　Ｅ６Ｊ　Ｋａｐｌａｎ，Ａ．Ｍ．，８Ｌ　Ｈａｅｎｌｅｉｎ，Ｍ．Ｕｓｅｒｓ　ｏｆ　ｔｈｅ　ｗｏｒｌｄ，ｕｎｉｔｅ！Ｔｈｅ　ｃｈａｌｌｅｎｇｅｓ　ａｎｄ　《科学与社会》（Ｓ＆Ｓ）９５　ｏｐｐｏｒｔｕｎｉｔｉｅｓ　ｏｆ　Ｓｏｃｉａｌ　Ｍｅｄｉａ．Ｂｕｓｉｎｅｓｓ　Ｈｏｒｉｚｏｎｓ，２０１０，５３（１）：５９—６８．　［７］Ｘｉａｎｇ，Ｚ．，＆Ｇｒｅｔｚｅｌ，Ｕ．Ｒｏｌｅ　ｏｆ　ｓｏｃｉａｌ　ｍｅｄｉａ　ｉｎ　ｏｎｌｉｎｅ　ｔｒａｖｅｌ　ｉｎｆｏｒｍａｔｉｏｎ　ｓｅａｒｃｈ．　Ｔｏｕｒｉｓｍ　Ｍａｎａｇｅｍｅｎｔ，２０１０，３１（２）：１７９—１８８．　［８］Ｋｏｚｉｎｅｔｓ，Ｒ．Ｖ．，Ｄｅ　Ｖａｌｃｋ，Ｋ．，Ｗｏｊｎｉｃｋｉ，Ａ．Ｃ．，＆Ｗｉｌｎｅｒ，Ｓ．Ｊ．Ｎｅｔｗｏｒｋｅｄ　ｎａｒｒａｔｉｖｅｓ：Ｕｎｄｅｒｓｔａｎｄｉｎｇ　ｗｏｒｄ—ｏｆ－ｍｏｕｔｈ　ｍａｒｋｅｔｉｎｇ　ｉｎ　ｏｎｌｉｎｅ　ｃｏｍｍｕｎｉｔｉｅｓ．Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｒｋｅｔｉｎｇ，２０１０，７４（２）：７１—８９．　［－９］Ｍａｎｇｏｌｄ，Ｗ．Ｇ．，＆Ｆａｕｌｄｓ，Ｄ．Ｊ．Ｓｏｃｉａｌ　ｍｅｄｉａ：Ｔｈｅ　ｎｅｗ　ｈｙｂｒｉｄ　ｅｌｅｍｅｎｔ　ｏｆ　ｔｈｅ　ｐｒｏｍｏｔｉｏｎ　ｍｉｘ．Ｂｕｓｉｎｅｓｓ　Ｈｏｒｉｚｏｎｓ，２００９，５２（４）：３５７—３６５．　［１０￣Ｗａｎｇ，Ｍ．，Ｙａｎｇ，Ｋ．，Ｈｕａ，Ｘ．Ｓ．，＆Ｚｈａｎｇ，Ｈ．Ｊ．Ｔｏｗａｒｄｓ　ａ　ｒｅｌｅｖａｎｔ　ａｎｄ　ｄｉ—　ｖｅｒｓｅ　ｓｅａｒｃｈ　ｏｆ　ｓｏｃｉａｌ　ｉｍａｇｅｓ．Ｍｕｌｔｉｍｅｄｉａ，ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ，２０１０，１２（８）：８２９　８４２．　［－ｌ１］Ｃｏｒｒｅａ，Ｔ．，Ｈｉｎｓｌｅｙ，Ａ．Ｗ．，８Ｌ　Ｄｅ　Ｚｕｎｉｇａ，Ｈ．Ｇ．Ｗｈｏ　ｉｎｔｅｒａｃｔｓ　ｏｎ　ｔｈｅ　Ｗｅｂ？：　Ｔｈｅ　ｉｎｔｅｒｓｅｃｔｉｏｎ　ｏｆ　ｕｓｅｒｓ’ｐｅｒｓｏｎａｌｉｔｙ　ａｎｄ　ｓｏｃｉａｌ　ｍｅｄｉａ　ｕｓｅ．Ｃｏｍｐｕｔｅｒｓ　ｉｎ　Ｈｕｍａｎ　Ｂｅｈａｖｉｏｒ，２０１０，２６（２），２４７—２５３．　［１　２］Ｇｒａｎｏｖｅｔｔｅｒ，Ｍ．Ｓ．Ｔｈｅ　ｓｔｒｅｎｇｔｈ　ｏｆ　ｗｅａｋ　ｔｉｅｓ．Ａｍｅｒｉｃａｎ　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｃｉｏｌｏｇｙ，　１９７３，１３６０一ｌ３８０．　［１３］Ｓｕｎｄａｒ，Ｓ．Ｓ．Ｔｈｅ　ＭＡＩＮ　ｍｏｄｅｌ：Ａ　ｈｅｕｒｉｓｔｉｃ　ａｐｐｒｏａｃｈ　ｔｏ　ｕｎｄｅｒｓｔａｎｄｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｅｆｆｅｃｔｓ　ｏｎ　ｃｒｅｄｉｂｉｌｉｔｙ．Ｄｉｇｉｔａｌ　Ｍｅｄｉａ，Ｙｏｕｔｈ，ａｎｄ　Ｃｒｅｄｉｂｉｌｉｔｙ，２００８：７３～１００．　［１４］Ｚｈａｎｇ，Ｌ．，Ｐｅｎｇ，Ｔ．Ｑ．，Ｚｈａｎｇ，Ｙ．Ｐ．，Ｗａｎｇ，Ｘ．Ｈ．，＆Ｚｈｕ，Ｊ．Ｊ．Ｈ．Ｃｏｎ—　ｔｅｎｔ　ｏｒ　Ｃｏｎｔｅｘｔ：Ｗｈｉｃｈ　Ｍａｔｔｅｒｓ　Ｍｏｒｅ　ｉｎ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ　ｏｎ　Ｍｉｃｒｏｂｌｏｇｇｉｎｇ　Ｓｉｔｅｓ？Ｃｏｍｐｕｔｅｒｓ　ｉｎ　Ｈｕｍａｎ　Ｂｅｈａｖｉｏｒ，２０１４，３１：２４２—２４９．　［１５］Ｙａｎｇ，ｚ．，Ｇｕｏ，Ｊ．，Ｃａｉ，Ｋ．，Ｔａｎｇ，Ｊ．，Ｌｉ，Ｊ．，Ｚｈａｎｇ，Ｌ．，ｅｔ　ａ１．Ｕｎｄｅｒｓｔａｎｄｉｎｇ　ｒｅｔｗｅｅｔｉｎｇ　ｂｅｈａｖｉｏｒｓ　ｉｎ　ｓｏｃｉａｌ　ｎｅｔｗｏｒｋｓ．Ｐａｐｅｒ　ｐｒｅｓｅｎｔｅｄ　ａｔ　ｔｈｅ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１９ｔｈ　ＡＣＭ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　ｋｎｏｗｌｅｄｇｅ　ｍａｎａｇｅｍｅｎｔ，　２０１０．　［－１６］Ｒｏｍｅｒｏ，Ｄ．Ｍ．，Ｍｅｅｄｅｒ，Ｂ．，＆Ｋｌｅｉｎｂｅｒｇ，Ｊ．Ｄｉｆｆｅｒｅｎｃｅｓ　ｉｎ　ｔｈｅ　ｍｅｃｈａｎｉｃｓ　ｏｆ　ｉｎ～　ｆｏｒｍａｔｉｏｎ　ｄｉｆｆｕｓｉｏｎ　ａｃｒｏｓｓ　ｔｏｐｉｃｓ：ｉｄｉｏｍｓ，ｐｏｌｉｔｉｃａｌ　ｈａｓｈｔａｇｓ，ａｎｄ　ｃｏｍｐｌｅｘ　ｃｏｎｔａｇｉｏｎ　ｏｎ　ｔｗｉｔｔｅｒ．Ｐａｐｅｒ　ｐｒｅｓｅｎｔｅｄ　ａｔ　ｔｈｅ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２０ｔｈ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｗｏｒｌｄ　ｗｉｄｅ　ｗｅｂ，２０１０．　Ｅ１７２Ｈｅｉｄｅｒ，Ｆ．Ａｔｔｉｔｕｄｅｓ　ａｎｄ　ｃｏｇｎｉｔｉｖｅ　ｏｒｇａｎｉｚａｔｉｏｎ．Ｔｈｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｐｓｙｃｈｏｌｏｇｙ，１９４６，　２１（１）：１０７—１１２．　［１８］Ｗｅｓｔｌｅｙ，Ｂ．Ｈ．，＆ＭａｃＬｅａｎ，Ｍ．Ｓ．Ａ　ｃｏｎｃｅｐｔｕａｌ　ｍｏｄｅｌ　ｆｏｒ　ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　ｒｅ—　ｓｅａｒｃｈ．Ｊｏｕｒｎａｌｉｓｍ＆Ｍａｓｓ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｑｕａｒｔｅｒｌｙ，１９５７，３４（１）：３１—３８．　［１９］Ｚｈｕ，Ｊ．Ｊ．Ｈ．Ｍｏｄｅｌ　ｏｆ　Ｍａｓｓ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　ｉｎ　ｔｈｅ　Ｅｒａ　ｏｆ　Ｗｅｂ　２．０，２００８．（Ｕｎｐｕ—　９６《科学与社会》（Ｓ＆Ｓ）　ｆｉｓｈｅｄ　Ｗｏｒｋ）　［２０］Ｋｌｅｉｎｈｅｒｇ，Ｊ．Ｍ．Ａｕｔｈｏｒｉｔａｔｉｖｅ　ｓｏｕｒｃｅｓ　ｉｎ　ａ　ｈｙｐｅｒｌｉｎｋｅｄ　ｅｎｖｉｒｏｎｍｅｎｔ．Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　ＡＣＭ，１９９９，４６（５）：６０４～６３２．　［２１］Ａｇｉｃｈｔｅｉｎ，Ｅ．，Ｃａｓｔｉｌｌｏ，Ｃ．，Ｄｏｎａｔｏ，Ｄ．，Ｇｉｏｎｉｓ，Ａ．，８Ｌ　Ｍｉｓｈｎｅ，Ｇ．Ｆｉｎｄｉｎｇ　ｈｉｇｈ—ｑｕａｌｉｔｙ　ｃｏｎｔｅｎｔ　ｉｎ　ｓｏｃｉａｌ　ｍｅｄｉａ．Ｐａｐｅｒ　ｐｒｅｓｅｎｔｅｄ　ａｔ　ｔｈｅ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ｉｎ—　ｔｅｒｎａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｗｅｂ　ｓｅａｒｃｈ　ａｎｄ　ｗｅｂ　ｄａｔａ　ｍｉｎｉｎｇ，２００８．　［２２］Ｅｖａｎｓ，Ｂ．Ｍ．，Ｋａｉｒａｍ，Ｓ．，＆Ｐｉｒｏｌｌｉ，Ｐ．Ｄｏ　ｙｏｕｒ　ｆｒｉｅｎｄｓ　ｍａｋｅ　ｙｏｕ　ｓｍａｒｔｅｒ？：Ａｎ　ａｎａｌｙｓｉｓ　ｏｆ　ｓｏｃｉａｌ　ｓｔｒａｔｅｇｉｅｓ　ｉｎ　ｏｎｌｉｎｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｓｅｅｋｉｎｇ．Ｉｎｆｏｒｍａｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ＆　Ｍａｎａｇｅｍｅｎｔ，２０１０，４６（６）：６７９—６９２．　－［２３￣Ｃｈｅｎ，Ｊ．，Ｎａｉｒｎ，Ｒ．，Ｎｅｌｓｏｎ，Ｌ．，Ｂｅｒｎｓｔｅｉｎ，Ｍ．，８Ｌ　Ｃｈｉ，Ｅ．Ｓｈｏｒｔ　ａｎｄ　ｔｗｅｅｔ：　ｅｘｐｅｒｉｍｅｎｔｓ　ｏｎ　ｒｅｃｏｍｍｅｎｄｉｎｇ　ｃｏｎｔｅｎｔ　ｆｒｏｍ　ｉｎｆｏｒｍａｔｉｏｎ　ｓｔｒｅａｍｓ．Ｐａｐｅｒ　ｐｒｅｓｅｎｔｅｄ　ａｔ　ｔｈｅ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＳＩＧＣＨＩ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｈｕｍａｎ　Ｆａｃｔｏｒｓ　ｉｎ　Ｃｏｍｐｕｔｉｎｇ　Ｓｙｓ—　ｔｅｌＴｌＳ，２０１０．　［２４］Ｄｅ　Ｃｈｏｕｄｈｕｒｙ，Ｍ．，Ｃｏｕｎｔｓ，Ｓ．，８Ｌ　Ｃｚｅｒｗｉｎｓｋｉ，Ｍ．Ｉｄｅｎｔｉｆｙｉｎｇ　ｒｅｌｅｖａｎｔ　ｓｏｃｉａｌ　ｍｅｄｉａ　ｃｏｎｔｅｎｔ：ｌｅｖｅｒａｇｉｎｇ　ｉｎｆｏｒｍａｔｉｏｎ　ｄｉｖｅｒｓｉｔｙ　ａｎｄ　ｕｓｅｒ　ｃｏｇｎｉｔｉｏｎ．Ｐａｐｅｒ　ｐｒｅｓｅｎｔｅｄ　ａｔ　ｔｈｅ　Ｐｒｏ—　ｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２２ｎｄ　ＡＣＭ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｈｙｐｅｒｔｅｘｔ　ａｎｄ　ｈｙｐｅｒｍｅｄｉａ，２０１１．　Ｉｎｆｏｒｍａｔｉｏｎ　Ｄｉｓｓｅｍｉｎａｔｉｏｎ　ｏｎ　Ｓｏｃｉａｌ　Ｍｅｄｉａ：Ｔｈｅ　Ｅｖｏｌｕｔｉｏｎ　ｏｆ　Ｔｈｅｏｒｉｅｓ　ａｎｄ　Ｐｒａｃｔｉｃｅｓ　ＺＨＡＮＧ　Ｌｕｎ　（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｊｏｕｒｎａｌｉｓｍ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ，Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ）　Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｓｔｕｄｙ　ｆｉｒｓｔ　ｒｅｖｉｅｗｓ　ｔｈｅ　ｔｈｅｏｒｉｅｓ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｄｉｓｓｅｍｉｎａｔｉｏｎ　ｂｅｈａｖｉ０ｒ　ｏｎ　ｉｎｔｅｒａｃｔｉｖｅ　ｍｅｄｉａ，ｗｈｉｃｈ　ｉｓ　ｔｈｅ　ｐｒｏｔｏｔｙｐｅ　ｏｆ　ｓｏｃｉａｌ　ｍｅｄｉａ．Ｏｎ　ｔｈｉｓ　ｂａｓｉｓ，ｉｔ　ｃｏｍｂｓ　ｔｈｅ　ａｐｐｒｏａｃｈ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｄｉｓｓｅｍｉｎａｔｉｏｎ　ｏｎ　ｓｏｃｉａｌ　ｍｅｄｉａ，ｄｉｓｃｕｓｓｅｓ　ｔｈｅ　ｍｉｃｒｏ　ａｎｄ　ｍａｃｒｏ　ｅｆｆｅｃｔ　ｏｎ　ｉｎｆｏｒｍａｔｉｏｎ　ｄｉｓｓｅｍｉｎａｔｉｏｎ　ｂｙ　ｓｏｃｉａｌ　ｍｅｄｉａ，ａｎｄ　ｔｈｅｎ　ｓｕｍｍａｒｉｚｅｓ　ｔｈｅ　ｓｏｃｉａｌ　ｍｅｄｉａ　ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｃｏｍｍｅｎｄａｔｉｏｎ。ｗｈｉｃｈ　ｉｓ　ａ　ｎｅｗ　ａｐ—　ｐｌｉｅｄ　ｒｅｓｅａｒｃｈ　ａｒｅａ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｄｉｓｓｅｍｉｎａｔｉｏｎ　ｏｎ　ｓｏｃｉａｌ　ｍｅｄｉａ．Ｉｔ　ｃａｎ　ｂｅ　ｓｅｅｎ　ｆｒｏｍ　ｔｈｅ　ｒｅｖｉｅｗ　ｔｈａｔ　ｓｏｃｉａｌ　ｍｅｄｉａ　ｈａｓ　ｂｒｏｕｇｈｔ　ｎｅｗ　ｏｐｐｏｒｔｕｎｉｔｉｅｓ　ｆｏｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｄｉｓｓｅｍｉｎａｔｉｏｎ　ｒｅｓｅａｒｃｈ，ｉｎｃｌｕｄｉｎｇ　ｉｎｎｏ—　ｖａｔｉｏｎ　ｉｎ　ｔｈｅｏｒｅｔｉｃａｌ　ａｎｄ　ａｐｐｌｉｅｄ　ｒｅｓｅａｒｃｈ．Ｂｕｔ　ｉｔ　ａｌｓｏ　ｃａｎ　ｂｅ　ｆｏｕｎｄ　ｔｈａｔ　ｅｍｐｉｒｉｃａｌ　ｓｔｕｄｉｅｓ　ｂａｓｅｄ　ｏｎ　ｓｏ—　ｃｉａｌ　ｍｅｄｉａ　ｐａｙ　ｍｏｒｅ　ａｔｔｅｎｔｉｏｎ　ｔｏ　ｔｈｅ　ａｐｐｌｉｅｄ　ｒｅｓｅａｒｃｈ　ｉｎ　ｃｏｍｍｅｒｃｉａｌ　ａｒｅａｓ　ｗｈｉｌｅ　ｔｈｅｒｅ　ｉｓ　ｌａｃｋ　ｏｆ　ｂａｓｉｃ　ｔｈｅｏｒｅｔｉｃａｌ　ｒｅｓｅａｒｃｈ．　Ｋｅｙ　ｗｏｒｄｓ：ｉｎｆｏｒｍａｔｉｏｎ　ｐｒｏｃｅｓｓｉｎｇ，ｓｏｃｉａｌ　ｍｅｄｉａ，ｉｎｆｏｒｍａｔｉｏｎ　ｃｒｅｄｉｂｉｌｉｔｙ　（责任编辑黄小茹）