劉河慶

華中科技大學(xué)

社會學(xué)院

數(shù)字社會研究中心

副研究員

觀念流：一個分析數(shù)字時代信息擴(kuò)散與觀念演化的新視角

來源 | 《社會學(xué)研究》2024年第6期

作者 | 劉河慶

責(zé)任編輯 |劉保中

理解數(shù)字時代信息擴(kuò)散需要應(yīng)對日益增長的社會動態(tài)性和復(fù)雜性。本研究提出“觀念流”分析視角，通過挖掘信息中承載的情緒、集體觀和偏見等三種觀念，揭示平臺觀念流動的復(fù)雜圖景。從平臺層面看，三種觀念隨時間變化構(gòu)成一個不同速率的多重流動體系。從平臺到用戶的觀念流動看，平臺推送的觀念雖受外部事件影響不斷波動，但用戶間的觀念差異并未持續(xù)擴(kuò)大、縮小抑或變得混亂，而是呈現(xiàn)“同頻共振”的模式。上述發(fā)現(xiàn)揭示了信息擴(kuò)散背后社會事實、平臺和用戶間的復(fù)雜互動機(jī)制。觀念流對社會復(fù)雜動態(tài)變化的敏感性和靈活性使其有潛力廣泛應(yīng)用于數(shù)字社會的重要研究議題。

一、引言

這是一個喧囂的數(shù)字時代。關(guān)于不同個人、話題、觀念等的海量信息在各個數(shù)字平臺擴(kuò)散（diffusion），形成一個個短暫而又極具爆發(fā)力的熱點，不斷形塑著數(shù)字時代整體的公共領(lǐng)域與社會心態(tài)（哈貝馬斯，1999）。值得注意的是，數(shù)字平臺信息擴(kuò)散呈現(xiàn)高頻、連續(xù)、非線性以及算法驅(qū)動等特征（韋伯斯特，2011），不同信息、用戶像是糾纏在一起的多線性集合，總是處于動態(tài)的不平衡狀態(tài)（Hepp，2022）。上述社會的動態(tài)性和復(fù)雜性使得數(shù)字平臺上的信息擴(kuò)散模式及其社會影響仍不明確，學(xué)者們一方面因公眾密切關(guān)注同一公共話題而認(rèn)為數(shù)字平臺促進(jìn)了社會關(guān)系的“增強(qiáng)”（Marres，2017），另一方面則擔(dān)憂數(shù)字平臺暴露并加劇一些負(fù)面社會動態(tài)，如平臺上泛濫的偏見、煽動性話語（Van Dijck et al.，2018），以及用戶間不斷擴(kuò)大的觀念分化（Walsh，2020）。

社會學(xué)長期關(guān)注不同思想、文化腳本、組織模板等的擴(kuò)散模式（Bail et al.，2019），通過追蹤不同社會事物在不同行動者間的擴(kuò)散和重組過程，從而嘗試在宏微觀尺度上理解社會過程及其潛在的動態(tài)權(quán)力關(guān)系。例如，文化社會學(xué)、組織社會學(xué)分別關(guān)注文化腳本、政策原型在不同行動者間的擴(kuò)散模式與機(jī)制（Wimmer，2021）。盡管研究對象有所不同，但已有文獻(xiàn)多采用發(fā)送—采納的經(jīng)典框架，分析諸如采納者內(nèi)在特征、外部社會因素等對特定事物擴(kuò)散過程的影響。

上述視角為理解各類社會事物的擴(kuò)散過程及其機(jī)制提供了重要啟發(fā)，但解釋數(shù)字時代的信息擴(kuò)散則面臨諸多挑戰(zhàn)：一方面，不同于已有研究考察政策等如何在較長時間跨度內(nèi)被不同行動者采納并從中提煉較為穩(wěn)定的擴(kuò)散模式，數(shù)字平臺的海量信息以極快速率源源不斷地涌向不同用戶（Thorson & Wells，2016），這意味著不僅海量信息間的擴(kuò)散模式可能存在差異，擴(kuò)散模式也可能隨時間而快速變化；另一方面，信息擴(kuò)散不僅是技術(shù)層面的現(xiàn)象，而且是社會事實、平臺、用戶等多主體持續(xù)交互的結(jié)果（Luhmann，2012；Marres，2017），這種動態(tài)互動機(jī)制使信息擴(kuò)散呈現(xiàn)多樣化的軌跡，且這些軌跡隨著不同的社會情境和用戶行為而變化，難以通過傳統(tǒng)靜態(tài)模型或特定主導(dǎo)變量來充分解釋。社會和技術(shù)環(huán)境的變化帶來了信息擴(kuò)散的高度動態(tài)性和復(fù)雜性。

為應(yīng)對上述動態(tài)性和復(fù)雜性，本文嘗試提出“觀念流”的分析視角。觀念流視角將信息擴(kuò)散視為一個多維度的社會現(xiàn)象，其軌跡受到社會事實、用戶行為和平臺算法等多重因素的共同影響，強(qiáng)調(diào)挖掘信息擴(kuò)散背后更深層次的觀念流動的具體過程和軌跡。同時觀念流視角不預(yù)設(shè)結(jié)構(gòu)，不尋求特定變量對觀念流動的固定解釋，而是強(qiáng)調(diào)追蹤不同觀念如何在不同場景中流動和演化，以更好地應(yīng)對觀念流動的復(fù)雜性和動態(tài)性。通過追蹤不同類型觀念的競爭、交匯和重疊模式及其在不同用戶間的流動軌跡，觀念流視角嘗試從更基礎(chǔ)的過程和關(guān)系角度揭示數(shù)字時代社會事實、平臺和用戶間的互動機(jī)制，進(jìn)而更深入地理解數(shù)字時代社會關(guān)系和權(quán)力關(guān)系的動態(tài)構(gòu)建與延續(xù)模式。

本研究基于“今日頭條”平臺為不同用戶連續(xù)22天推送的信息數(shù)據(jù)，使用生成式人工智能模型挖掘海量信息中承載的情緒、集體觀、偏見程度等三種不同類型的觀念，進(jìn)而分析不同觀念的具體流動軌跡。在此基礎(chǔ)上，本研究將基于互聯(lián)網(wǎng)行為實驗所收集的連續(xù)互動數(shù)據(jù)，持續(xù)追蹤大大小小、不同類型的外部事件如何跟平臺、用戶互動，進(jìn)而形塑動態(tài)而復(fù)雜的平臺觀念流動。

二、文獻(xiàn)述評

（一）流動性視角下的社會事物擴(kuò)散

社會學(xué)對于社會事物的擴(kuò)散有長久的關(guān)注。20世紀(jì)40年代，學(xué)者們便嘗試了解雜交玉米這一技術(shù)創(chuàng)新在農(nóng)村居民中的擴(kuò)散過程（Ryan & Gross，1943）。延續(xù)這一經(jīng)典研究，后續(xù)文獻(xiàn)將發(fā)送者發(fā)明或提出的社會事物被多個接收者以不同速度采納的過程定義為擴(kuò)散，使用發(fā)送—采納框架分析了諸如組織模板、公共政策、商業(yè)實踐、流行文化等多樣化的社會事物在不同行動者中的擴(kuò)散過程，并對擴(kuò)散的模式、動力機(jī)制進(jìn)行了詳盡探討（楊典，2018；Wimmer，2021）。

在以信息為基礎(chǔ)、由平臺算法驅(qū)動和主導(dǎo)的數(shù)字社會中（Marres，2017；邱澤奇，2022），信息擴(kuò)散呈現(xiàn)更為復(fù)雜的模式（韋伯斯特，2011），人們被不斷更新的新信息淹沒（拉什，2009）。相較于少數(shù)社會事物以較慢的速率在特定行動者間單向擴(kuò)散，數(shù)字平臺的信息擴(kuò)散速率極快，這些信息源源不斷地涌向大量用戶，形成一個動態(tài)和互動的異質(zhì)性網(wǎng)絡(luò)（韋伯斯特，2011；喬天宇、向靜林，2022）。從擴(kuò)散機(jī)制看，平臺通過動態(tài)計算用戶和信息的高維特征，進(jìn)而對用戶進(jìn)行實時的信息推送并動態(tài)調(diào)整推送策略，這意味著研究者在這一時段捕捉到的信息擴(kuò)散模式可能會因外部社會因素、信息特征、用戶行為等多種因素而快速發(fā)生變化。因此，相較于嘗試尋找穩(wěn)定的信息擴(kuò)散模式，更為關(guān)鍵的是描述和理解上述高速變化的復(fù)雜過程（Law & Urry，2004）。

為理解高速變化的信息擴(kuò)散過程,本文引入流動性視角。傳統(tǒng)擴(kuò)散研究在某種意義上也是關(guān)注流動，但本質(zhì)上是基于二元流動的分析框架（Adey，2006；Nail，2018），即關(guān)注信息、知識或?qū)嵺`等事物從一個點傳遞到另一個點的線性過程，流動有著非常明確的出發(fā)地和目的地（事物從位置A到位置B的移動）。在二元流動框架中，人、商品、信息被視為動態(tài)和活躍的，而兩端則被視為靜態(tài)的不可移動的（厄里，2009）。社會事物擴(kuò)散研究是使用此框架分析發(fā)送者和采納者等行動者的特征對流動模式影響的典型。在解釋數(shù)字時代的信息擴(kuò)散時，二元流動框架面臨的核心挑戰(zhàn)在于平臺用戶的類別是高度模糊且變動的，信息擴(kuò)散是社會事實、平臺、用戶等多主體以不同規(guī)模、在多個場景進(jìn)行交互的結(jié)果，若以固定、有限的屬性去預(yù)測一個穩(wěn)定的擴(kuò)散模式無疑會遮蔽其復(fù)雜性與動態(tài)性。

相較于二元流動框架，部分研究則更加強(qiáng)調(diào)追蹤和觀察流動本身（Nail，2018；Ingold，2021；阿伯特，2022），認(rèn)為流動并非是由固定行動者主導(dǎo)的事物從特定地點移動到特定地點的簡單過程，而是不斷進(jìn)行中的流動過程配置并塑造了不同行動者（Ingold，2021）。在此過程中，流動不再是線性或單向的，端點、外在的社會、文化和政治力量也不再是靜態(tài)的，而是相互之間不斷互相影響、糾纏而形成的一個亞穩(wěn)態(tài)結(jié)構(gòu)（Nail，2018）。綜上所述，數(shù)字時代信息擴(kuò)散的現(xiàn)實特征以及關(guān)于流動性的系列討論啟發(fā)我們跳出以固定行動者為中心的二元流動框架，要持續(xù)追蹤數(shù)字平臺中不同信息隨時間的流變以及在不同用戶中的流動軌跡，這有助于揭示以往被視為離散的平臺、用戶、社會事實等之間的動態(tài)互動和糾纏關(guān)系。

（二）信息擴(kuò)散：量與質(zhì)的視角

數(shù)字時代社會生活平臺化帶來的海量平臺數(shù)據(jù)為研究信息擴(kuò)散提供了前所未有的機(jī)會，這一當(dāng)代重要議題也吸引了計算機(jī)等多學(xué)科的關(guān)注。

計算機(jī)等學(xué)科的研究者聚焦信息擴(kuò)散的過程，系統(tǒng)地分析了諸如網(wǎng)絡(luò)結(jié)構(gòu)特征、關(guān)鍵節(jié)點的特征、用戶之間的互動等對信息擴(kuò)散速度和過程的影響（Watts，2004）。上述文獻(xiàn)還大量借鑒流行病學(xué)模型，將信息擴(kuò)散類比為疾病擴(kuò)散過程，將平臺用戶分為易感者等不同人群，使用諸如SIR等流行病學(xué)模型分析信息在不同用戶中擴(kuò)散的概率，嘗試概括信息擴(kuò)散的宏觀規(guī)律（Li et al.，2017）。

除了對信息的數(shù)量層次的分析外，越來越多研究從信息質(zhì)量層次關(guān)注信息擴(kuò)散。彭特蘭（Alex Pentland）強(qiáng)調(diào)分析組織內(nèi)部抽象的想法流動的重要性，指出想法流動受到網(wǎng)絡(luò)結(jié)構(gòu)、節(jié)點連接強(qiáng)度和個體網(wǎng)絡(luò)位置的影響（彭特蘭，2015）。后續(xù)研究通過追蹤不同內(nèi)容信息的擴(kuò)散軌跡來理解數(shù)字社會，關(guān)注諸如假新聞、標(biāo)題黨、情緒性等不同內(nèi)容的擴(kuò)散模式（Vosoughi et al.，2018），如有研究發(fā)現(xiàn)道德情感詞匯的增加會顯著提升信息的擴(kuò)散概率（Brady et al.，2017）。同時，學(xué)者們也注意到，隨著時間的推移，數(shù)字平臺上的“點擊誘餌”現(xiàn)象愈發(fā)嚴(yán)重，即那些夸張、情緒性的內(nèi)容在平臺上的擴(kuò)散速度更快（陳華珊、王呈偉，2019；Walsh，2020）。針對信息在不同用戶間擴(kuò)散模式的研究則發(fā)現(xiàn)，一方面，在信息分發(fā)過程中，平臺對用戶偏好的分析可能會導(dǎo)致忽略或排除與用戶觀念相悖的內(nèi)容，加劇信息繭房（劉河慶、梁玉成，2023）；另一方面，平臺傾向于推送具有強(qiáng)烈情緒的信息，這類信息能激發(fā)用戶更多互動（Brady et al.，2017），但可能會加劇對立情緒，并導(dǎo)致數(shù)字平臺情緒性和偏見等信息的增加（Bail，2021）。

對于數(shù)字平臺信息擴(kuò)散的跨學(xué)科關(guān)注揭示出信息擴(kuò)散不只是單純的技術(shù)現(xiàn)象，而是社會事實、平臺、用戶在不同場景中持續(xù)交互的結(jié)果。信息擴(kuò)散軌跡一方面反映了社會、平臺與用戶間的互構(gòu)模式，另一方面也直接揭示并持續(xù)影響著數(shù)字時代社會關(guān)系的構(gòu)建與變化。盡管既有研究已經(jīng)初步揭示了信息擴(kuò)散的復(fù)雜性，但仍有需要深化之處。第一，對信息中豐富的社會面向關(guān)注不足。早期信息擴(kuò)散研究多將信息簡化為單一、孤立的實體，進(jìn)而以閱讀量等指標(biāo)分析信息的流動模式。這種對信息相對粗糙的處理以及更強(qiáng)調(diào)信息數(shù)量而非質(zhì)量（哈貝馬斯，1999）的分析框架相對而言“刪除了社會”，對信息的社會面向關(guān)注不足，使得觀察到的往往是表層和碎片化的信息流。第二，盡管后續(xù)研究關(guān)注不同信息內(nèi)容的擴(kuò)散模式，但未能將社會、平臺和用戶行為的動態(tài)互動納入分析視角。以情緒性信息在平臺上的流動為例，其具體流動軌跡不僅受到離散的用戶行為、平臺算法或者社會事實的影響（Brady et al.，2017），更是三者互動的結(jié)果，比如面對不同的外部社會事件，平臺如何動態(tài)地依據(jù)不同用戶行為推送內(nèi)容，這一過程涉及平臺算法對用戶行為以及社會事件本身的實時分析、用戶對不同信息內(nèi)容的反饋以及社會事件對整體信息生態(tài)的沖擊。因此，信息的擴(kuò)散軌跡是多主體動態(tài)交互的結(jié)果，需要從多主體互動視角進(jìn)行系統(tǒng)分析（呂鵬等，2022）。第三，平臺信息擴(kuò)散具有高度的復(fù)雜性和變動性，這要求研究者不能簡單地假定一個統(tǒng)一的平臺信息擴(kuò)散模式。正如德蘭達(dá)（Manuel DeLanda）所強(qiáng)調(diào)的，只有挖掘信息中承載的不同類型的觀念，進(jìn)而持續(xù)比較不同觀念的動態(tài)軌跡，才能深入理解數(shù)字時代信息擴(kuò)散的動因及其對社會關(guān)系和社會實踐的影響（DeLanda，2019）。第四，從研究設(shè)計和方法角度看，基于截面數(shù)據(jù)的傳統(tǒng)方法難以捕捉信息擴(kuò)散過程中的互動和反饋機(jī)制，研究者需要在方法上超越固定的模式和變量設(shè)定，以挖掘信息擴(kuò)散中出現(xiàn)的新模式和新可能（阿伯特，2022）。

三、觀念流視角

數(shù)字平臺海量信息在用戶間動態(tài)而復(fù)雜的擴(kuò)散過程背后，是數(shù)字時代底層運(yùn)作邏輯的深刻變化（Marres，2017；邱澤奇，2022；趙一璋、王明玉，2023）。數(shù)字社會是由多種混合的社會和技術(shù)元素組成的生態(tài)系統(tǒng)（Marres，2017），社會事實、平臺、用戶在多樣化場景下持續(xù)交互，形成一個持續(xù)互動的復(fù)雜系統(tǒng)（如圖1左側(cè)所示），信息擴(kuò)散則成為上述多主體間動態(tài)交互的產(chǎn)物（Luhmann，2012）。在此背景下，信息擴(kuò)散可能呈現(xiàn)多樣化的軌跡，且這些軌跡隨著不同的社會情境和用戶行為而變化。因此，要深入揭示數(shù)字時代信息擴(kuò)散的軌跡及其背后的社會機(jī)制，關(guān)鍵在于應(yīng)對上述社會復(fù)雜性和動態(tài)性。

本文的回應(yīng)是嘗試提出“觀念流”分析視角。首先，觀念流視角強(qiáng)調(diào)對信息中承載的不同社會觀念的深度挖掘，注重信息中質(zhì)的變化和流動，進(jìn)而捕捉信息中豐富的社會面向。其次，觀念流視角將信息擴(kuò)散視為一個多維度的社會現(xiàn)象，其軌跡和模式受到社會事實、用戶行為和平臺算法等多重因素的共同影響，強(qiáng)調(diào)挖掘觀念流動過程中多主體間的互動機(jī)制。同時，借鑒過程本體論（Ingold，2021；懷特海，2011），觀念流視角嘗試突破傳統(tǒng)以行動者為中心的分析視角，轉(zhuǎn)而關(guān)注“流”本身，聚焦于觀念的動態(tài)流動過程。該視角不預(yù)設(shè)結(jié)構(gòu)，不尋求特定變量對觀念流動的固定解釋（事實上，與傳統(tǒng)相對固定的類別不同，數(shù)字平臺用戶類別以及用戶間關(guān)系是高度模糊化且迅速變動的），而是追蹤觀念如何在不同交互場景中流動和演化。從這個意義上，觀念流視角是一種歸納性的工具，它對“驚喜”，即那些無法用現(xiàn)有理論或模型預(yù)測的現(xiàn)象和趨勢足夠敏感，這種敏感性和靈活性使得該視角能夠適應(yīng)數(shù)字社會的高度復(fù)雜性和動態(tài)性。最后，觀念流視角強(qiáng)調(diào)對多種不同類型觀念流動軌跡的追蹤和對比，以捕捉觀念在平臺中的競爭、交匯和重疊模式。

如圖1右半部分所示，本研究基于觀念流視角，追蹤情緒、集體觀和偏見等三種觀念如何在不同用戶間流動，并實證檢驗外部社會事件和用戶行為變化如何影響上述觀念的流動軌跡。之所以關(guān)注上述三種觀念，一方面是因為帶有明顯情緒色彩、含有偏見或者強(qiáng)調(diào)特定傾向的信息擴(kuò)散速度更快，成為數(shù)字時代信息生產(chǎn)和擴(kuò)散的主要特征之一（黃榮貴等，2022；龔為綱等，2023）。另一方面，情緒、集體觀和偏見不是孤立存在的，而是有著復(fù)雜的相互作用，例如情緒可能激發(fā)偏見，偏見又可能塑造和加強(qiáng)集體觀（Walsh，2020）。上述三種類型觀念的重要性以及相互間作用的復(fù)雜性為本研究使用觀念流視角追蹤和對比多種維度類型不同的觀念流動軌跡，進(jìn)而挖掘背后復(fù)雜的社會動因提供了研究機(jī)會。

具體而言，本文將基于今日頭條的互聯(lián)網(wǎng)行為實驗，嘗試回答以下實證問題：第一，情緒、集體觀和偏見如何在數(shù)字平臺以及不同用戶間流動？第二，社會事實、平臺、用戶行為如何共同塑造觀念流，特別是當(dāng)遭遇不同外部事件沖擊時，不同用戶推送信息的觀念差異如何變化，是擴(kuò)大、縮小還是變得混亂？第三，情緒、集體觀和偏見三者流動過程中呈現(xiàn)何種交叉、重疊與糾纏模式？

四、研究設(shè)計

（一）數(shù)據(jù)收集

為準(zhǔn)確捕捉不同觀念在平臺的流變以及在不同用戶間的動態(tài)流動軌跡，筆者設(shè)置了120個不同信息點擊行為的個體賬號，其與今日頭條平臺進(jìn)行連續(xù)22天（2021年8月9日至2021年8月30日）的自動互動，進(jìn)而持續(xù)收集今日頭條平臺為不同賬號推送的信息大數(shù)據(jù)。

在數(shù)據(jù)收集過程中，筆者將120個個體賬號分為八個組別，參照平臺公布的用戶點擊偏好設(shè)置各組點擊行為，如第一組的賬號會以90%的概率去點擊信息流中帶有政治、金融、科技、自然、汽車等五種標(biāo)簽的信息。在用戶點擊偏好設(shè)置中，本文選擇基于點擊信息類別的差異來設(shè)置不同用戶組別。

相較于相對抽象的信息中承載的觀念，基于平臺標(biāo)注的信息類別去設(shè)置不用組別點擊偏好，可以為觀念流分析提供足夠的開放性和靈活度。后續(xù)實證分析可以根據(jù)具體研究需求，靈活計算不同組別在不同時點被平臺推送的不同信息中承載的觀念，進(jìn)而考察不同觀念的流動模式。此外，使用不同虛擬賬號與平臺實時互動的數(shù)據(jù)收集設(shè)計可以更為靈活地設(shè)置用戶行為。在實驗進(jìn)行的第14天，筆者改變了部分賬號的點擊偏好，并持續(xù)觀察和追蹤平臺為相關(guān)用戶推送信息的變化。根據(jù)上述設(shè)計，120個賬號經(jīng)過22天與今日頭條平臺的持續(xù)自動互動，共生成平臺為不同用戶推送的2548161條包括信息ID、推送時間、標(biāo)題、摘要、標(biāo)簽、發(fā)布者、閱讀量等在內(nèi)的推送數(shù)據(jù)。

（二）測量

1.因變量

因變量為信息中承載的情緒、集體觀和偏見等三種觀念。根據(jù)已有文獻(xiàn)，筆者將信息中承載的情緒定義為“通過語言、圖像等多種媒介，使用不同的敘述方式和視覺元素等來傳遞和表達(dá)的特定情緒狀態(tài)”；將信息中的集體觀定義為“信息中傳遞的重視群體的共同目標(biāo)和責(zé)任，強(qiáng)調(diào)個人對群體的貢獻(xiàn)和依賴等價值傾向”（Oishi et al.，1998）。將信息中的偏見定義為“某些觀點或群體因信息內(nèi)容本身的選擇性或傾向性而被不公正地強(qiáng)調(diào)或貶低”（Walsh，2020）。

盡管已有文獻(xiàn)對上述三種觀念有著較為豐富的討論（王俊秀，2014；Brady et al.，2017；陳云松，2022），但同時準(zhǔn)確識別信息中研究者感興趣的不同類型的內(nèi)容仍非常困難。以偏見為例（Walsh，2020），識別信息中承載的偏見不僅需要把握每個信息的整體內(nèi)容，而且要有外部知識的推論能力，還需能理解信息中可能的反諷、隱喻以及不斷變化的話語類型和風(fēng)格。

近年來迅速發(fā)展的生成式人工智能模型為解決上述難題提供了寶貴契機(jī)。作為典型的生成式人工智能，ChatGPT具有多模態(tài)數(shù)據(jù)處理能力，在總結(jié)、抽象、推理等多種能力上以及在處理細(xì)粒度的意識形態(tài)識別、識別文本中的隱喻與反諷等諸多任務(wù)中達(dá)到或超過人類水平（政光景、呂鵬，2023）。此外，作為生成式模型，ChatGPT能夠靈活給出評分原因等輔助信息。

綜上，本研究使用ChatGPT模型來生成信息承載的情緒、集體觀和偏見。具體步驟如下：首先，從本研究的數(shù)據(jù)庫中，隨機(jī)抽取5000條信息，依據(jù)已有相關(guān)文獻(xiàn)分別為情緒、集體觀、偏見設(shè)定初步提示詞（包括定義具體任務(wù)、期望的輸出等），之后調(diào)用GPT-4 API根據(jù)相關(guān)的提示詞對上述5000條信息（標(biāo)題加摘要）進(jìn)行分析，得出每條信息的情緒、集體觀、偏見的具體得分，并給出每種觀念的給分原因、情緒類型、偏見針對的社會群體等輔助信息。其次，在得出每條信息對應(yīng)得分后，與使用Frameaxis模型所計算出的對應(yīng)的三種觀念的得分進(jìn)行對比，挑出兩個模型得分差異較大的信息。從數(shù)據(jù)比對結(jié)果來看，相較于Frameaxis模型，GPT-4對于信息中不同觀念的識別和提取有著非常高的準(zhǔn)確性和可靠性，但也存在因模型價值觀設(shè)定而使其對某些信息的解讀傾向于特定的情感或價值觀（如GPT-4將“美軍撤離阿富汗”等相對中性、未帶有明顯負(fù)向情緒的信息判定為-7分）。針對上述問題，筆者進(jìn)一步細(xì)化和修改提示詞，以這些反面識別案例為例提示模型在后續(xù)識別中更為客觀地給出信息中的相關(guān)觀念得分。最后，根據(jù)調(diào)整后的提示詞以及添加的說明和反面案例線索，調(diào)用GPT-4 API對剩余所有信息進(jìn)行分析，生成每條信息的情緒得分、集體觀得分、偏見程度得分，以及每種觀念的給分原因、情緒類型、偏見針對的社會群體等輔助信息。

2.關(guān)鍵解釋變量

本研究的關(guān)鍵解釋變量包括用戶組別、實驗階段（日期）等變量。依據(jù)上文，本文的研究設(shè)計允許我們靈活計算不同組別在不同時點被平臺推送的不同信息中承載的各種觀念，進(jìn)而考察各種不同觀念的流動模式。以情緒為例，筆者首先計算各個組別實驗第一天推送信息中情緒的均值，依據(jù)該均值將八個組別劃分為起始階段情緒高于均值組別和起始階段情緒低于均值組別等兩個大類。在區(qū)分兩個大類后，本研究嘗試持續(xù)觀察和比較兩個大類組別間承載的情緒的差異情況是否會隨著不同外部事件的沖擊而不斷擴(kuò)大、縮小或變得混亂。

實驗階段（日期）變量除了代表實驗的進(jìn)度外，還是不同外部事件的代理變量。在研究的進(jìn)程中，每天都會發(fā)生可能影響不同觀念生產(chǎn)和擴(kuò)散的大大小小的外部事件（如實驗第16天為東京殘奧會開幕）。除了考察不同外部事件對信息中承載觀念的整體影響外，本文重點關(guān)注和追蹤不同類型、不同方向外部事件對上述不同組別的持續(xù)影響。

3.控制變量

本研究的控制變量包括信息閱讀量對數(shù)、信息標(biāo)簽（采用今日頭條平臺的信息類別標(biāo)簽，共113個類別）、信息推送組別、信息在實驗中是否被點擊等。

（三）模型設(shè)定

在本研究關(guān)注的三種觀念中，信息承載的情緒為-10~10的連續(xù)變量，且近似正態(tài)分布，采用OLS模型進(jìn)行分析。信息中承載的集體觀與偏見程度均為0到10的連續(xù)變量，考慮到兩個變量均有大量的0值存在，使用零膨脹負(fù)二項（Zeroinflated Negative Binomial，簡稱ZINB）計數(shù)回歸進(jìn)行分析。此外，為進(jìn)一步比較三種觀念的流動軌跡差異，本研究引入動態(tài)時間規(guī)整算法（Dynamic Time Warping，簡稱DTW）來比較和分析不同用戶組別不同觀念之間的時間序列數(shù)據(jù)。

五、平臺層面觀念流

本節(jié)首先從平臺層面分析三種觀念的流動。圖2以河流圖的形式呈現(xiàn)了推送信息中承載的具體情緒類型的歷時性變化和分布，每種顏色代表一種情緒類型，圖中標(biāo)簽顯示了具體情緒類型、該情緒類型在推送信息中的占比、該情緒類型的平均閱讀量。由圖2可見，今日頭條平臺為不同用戶推送的信息中，情緒類型為快樂的信息占比最高（37.3%），其次分別為無明顯情緒（26.2%）、悲傷（18.1%）、憤怒（10.1%）、恐懼（5.0%）、驚訝（2.0%）和厭惡（1.3%）。這表明，相比于無明顯情緒的信息，平臺流動的更多是充斥著各種正向或負(fù)向情緒的信息。圖中的平均閱讀量是指不同情緒類型在推送給用戶時顯示的閱讀量的均值。由圖2可見，憤怒、驚訝、恐懼等負(fù)面情緒的平均閱讀量遠(yuǎn)大于快樂等正面情緒信息以及無明顯情緒的信息，這也表明從信息影響力的角度來看，憤怒、驚訝、恐懼等負(fù)面情緒在平臺上有著更大的影響力。從各個情緒類型動態(tài)變動情況可以看到，各個情緒類型隨著實驗日期的推進(jìn)有著一定的波動。

本文進(jìn)一步考察了信息中承載集體觀和偏見程度的歷時性變化和分布。從集體觀來看，今日頭條平臺為不同用戶推送的信息中，未明顯強(qiáng)調(diào)集體觀的占比最高（77.2%），強(qiáng)調(diào)集體重要性得分為1—2、3—4、5—6、7—8、9—10等五個組別的占比分別為0.2%、0.4%、8.9%、8.8%、4.5%。從信息承載的偏見程度這一維度來看，在今日頭條平臺為不同用戶推送的信息中，未承載任何偏見的信息占比最高（90.8%），偏見程度得分為1—2、3—4、5—6、7—8、9—10等五個組別的占比分別為2.0%、3.7%、3.0%、0.5%、0.1%。同時，從動態(tài)變動情況來看，無論是集體觀抑或是偏見程度，均隨著實驗日期的差異有著較大的波動。

綜上，從平臺層面的觀念流來看，三種觀念的歷時性變化和分布存在一定的差異，且均隨著實驗的推進(jìn)有或大或小的波動，構(gòu)成一個不同速率的多重流動體系。由此，我們得以在相對整體的層面上理解平臺推送信息的觀念空間及其演化過程。

六、從平臺到用戶的觀念流

本節(jié)重點比較不同觀念由平臺向不同用戶的流動模式。這一方面有助于理解上述平臺觀念空間是如何由一個個隱蔽的個體觀念流匯聚而成，另一方面有助于呈現(xiàn)觀念在平臺和不同用戶間的流動圖景，進(jìn)而揭示觀念流背后所體現(xiàn)出的社會、平臺以及用戶等多主體間的互動模式。

（一）不同觀念在用戶間的流動

為實證探索不同觀念在不同用戶間的動態(tài)流動模式，筆者采用OLS模型對平臺為不同用戶推送信息中承載的情緒程度進(jìn)行考察，同時采用ZINB模型分別對平臺為不同用戶推送信息中承載的集體觀念程度以及偏見程度進(jìn)行考察，相關(guān)回歸結(jié)果呈現(xiàn)在表1中。

在表1關(guān)于信息中承載情緒的回歸模型中，在控制了信息推送組別、信息在實驗中是否被點擊、信息閱讀量對數(shù)、信息類別等變量的前提下，筆者考察了組別、實驗階段、組別與實驗階段的交互項對信息中可能承載的情緒程度的具體影響。考慮到今日頭條平臺為不同組別推送的信息本身就可能存在較大重合，而這可能對實證結(jié)果有較大影響，因此本文在模型中首先控制了信息推送組別變量。具體來說，以信息為單位，將信息分為只被推送給對應(yīng)觀念低于均值組別、只推送給對應(yīng)觀念高于均值組別、以及兩個組別均推送等三個類別。從實證分析結(jié)果來看，只推送給對應(yīng)觀念高于均值組別的信息承載的情緒最為正面，只推送給對應(yīng)觀念低于均值組別的信息承載的情緒最為負(fù)面，相對而言，兩個組別均推送的信息則情緒處于中間，這初步揭示了平臺針對不同用戶組別的推送邏輯。同時，相較于推送給用戶但未被點擊的信息，在實驗中被點擊的信息情緒更為正面，平臺為用戶推送的閱讀量越大的信息承載的情緒越負(fù)面。因不同信息類別同樣會對信息中承載的情緒有較大影響，該變量也被放入模型中，以控制信息類別的可能影響。

從表1關(guān)于信息中承載情緒的模型結(jié)果看，模型主效應(yīng)顯示，在實驗開始階段，平臺為起始階段情緒均值高的組別推送信息的情緒明顯更為正面，同時推送信息中承載的情緒并非隨著實驗推進(jìn)而不斷趨于正向或負(fù)向，而是隨實驗階段的不同而不斷波動。模型的交互效應(yīng)分析則表明，隨著實驗的推進(jìn)，兩個起始階段差異較大的組別被推送的信息中承載的情緒差異并未不斷擴(kuò)大，而是整體縮小，但又并非隨著實驗推進(jìn)而不斷縮小，而是同樣因不同實驗日期而不斷波動。

從表1關(guān)于信息中承載集體觀的模型結(jié)果來看，模型主效應(yīng)顯示，在實驗開始階段，對于起始階段集體觀高于均值的組別，其被平臺推送的信息中承載的集體觀也得分更高，且同樣會因?qū)嶒炿A段的不同而不斷波動。模型的交互效應(yīng)分析則顯示，兩組之間被推送信息所承載的集體觀念程度差異并非不斷擴(kuò)大或縮小，而是隨著實驗階段的不同有所波動。

從表1關(guān)于信息中承載偏見的回歸模型結(jié)果來看，在實驗開始階段，對于起始階段偏見程度高于均值的組別，其被平臺推送的信息中承載的偏見程度更高，且同樣會因?qū)嶒炿A段的不同而不斷波動。最后，模型的交互效應(yīng)分析顯示，跟情緒和集體觀一致，兩組之間被推送信息所承載的偏見程度差異并非不斷擴(kuò)大或縮小，而是隨著實驗階段的不同有所波動。

圖3進(jìn)一步用三個子圖（圖3a、圖3b、圖3c）分別報告了起始階段對應(yīng)觀念組別與實驗階段等兩個變量對三種觀念影響的邊際效應(yīng)。圖3a呈現(xiàn)了情緒在不同組別的流動情況，從圖中可以非常直觀地看到，對于起始階段差異較大的兩個組別，平臺為其推送的信息中承載的情緒差異并未隨著實驗的進(jìn)度不斷擴(kuò)大或不斷縮小，也并非隨著實驗的進(jìn)度而走向混亂，而是始終保持一定差異。有趣的是，當(dāng)受到外部正向事件（如實驗第16天東京殘奧會開幕）影響時，平臺為兩個組別推送信息中情緒均更為正向，而當(dāng)受到外部負(fù)向事件（如實驗第8天）影響時，平臺為兩個組別推送信息中情緒均更為負(fù)向。但不管受到哪個方向的外部事件的影響，兩個組別始終保持著一定的差異，進(jìn)而呈現(xiàn)類似“同頻共振”的特點。

圖3b呈現(xiàn)的集體觀在不同組別的動態(tài)流動模式和圖3a高度相似，從圖中可見，對于起始階段差異較大的兩個組別，平臺為其推送的信息中承載的集體觀差異同樣并未隨著實驗的進(jìn)度不斷擴(kuò)大、縮小或變得混亂，而是隨著不同外部事件的發(fā)生而始終保持一定差異，呈現(xiàn)“同頻共振”的特點。圖3c呈現(xiàn)的偏見在不同組別的動態(tài)流動情況則與上述兩圖有一定差異，兩個組別在起始階段的差異較小。隨著實驗的推進(jìn)，盡管大部分時間起始階段偏見程度較高的組別被推送信息中的偏見程度較高，但也有部分時間低于另一個組別。這也表明，如果組別間起始階段差異不明顯，將直接影響平臺后續(xù)觀念推送的精準(zhǔn)度，因此起始階段差異的大小對觀念流動模式有著較大影響

上述對三種觀念在不同組別的流動軌跡的追蹤和呈現(xiàn)初步揭示了平臺、社會、用戶間的互動邏輯。外部社會因素的沖擊并未彌合或擴(kuò)大不同組別的差異，也未使不同組別的差異走向混亂。相反，不同組別的差異始終保持相對穩(wěn)定，這非常直觀地反映了外部社會事實如何影響觀念的形成和流動，以及平臺如何通過對不同用戶的推送行為來調(diào)節(jié)不同觀念的可見性和影響力。同時，上述發(fā)現(xiàn)意味著，現(xiàn)有文獻(xiàn)主要分析離散的平臺算法、外部事件沖擊及用戶行為對信息擴(kuò)散的影響，并嘗試尋找相對穩(wěn)定的影響模式。然而，這些研究忽視了觀念流動的復(fù)雜性和動態(tài)性，單一的穩(wěn)定模式難以深入解釋信息擴(kuò)散及其背后的社會機(jī)制。

（二）基于特定信息類別的觀念流分析

上一小節(jié)基于平臺為不同用戶組別推送的所有信息考察了不同觀念由平臺向不同用戶的縱向動態(tài)流動模式。實際上，不同類別信息中承載的觀念變化幅度可能存在較大差異，如社會類別信息觀念變動幅度較大，而飲食類別信息觀念變動可能較小。基于此，本節(jié)嘗試分別挑選出三種觀念變動較大的信息標(biāo)簽，進(jìn)一步探索平臺在面對觀念變化幅度較大的信息時，如何呈現(xiàn)和調(diào)解觀念流。具體而言，筆者基于113個不同的信息標(biāo)簽分別計算情緒、集體觀念、偏見程度等三個值的標(biāo)準(zhǔn)差并進(jìn)行排序，挑選出“社會”“歷史”“娛樂”等三類觀念變動幅度較大的信息類別，然后使用跟上一小節(jié)同樣的建模策略，考察三種觀念的流動情況。

圖4用三個子圖分別報告了在不同的信息類別模型中，起始階段對應(yīng)觀念組別（分組與表1一致）與實驗階段等兩個變量對三種觀念影響的邊際效應(yīng)。圖4a以社會類別信息為例，呈現(xiàn)情緒在不同組別的動態(tài)流動情況,從圖中可見，對于起始階段差異較大的兩個組別，平臺為其推送的信息中承載的情緒盡管均波動較大，但始終保持一定差異。圖4b則以歷史類別信息為例，呈現(xiàn)集體觀念在不同組別的動態(tài)流動情況。與圖4a類似，平臺為其推送的信息中承載的集體觀念盡管波動很大，但兩組始終保持著一定的差異，呈現(xiàn)“同頻共振”的特點。圖4c以娛樂類別信息為例，呈現(xiàn)偏見的動態(tài)流動情況，其結(jié)果與前述兩圖有一定差異。兩個組別在起始階段的差異較小，平臺為其推送的信息中承載的偏見程度也波動較小；隨著實驗的推進(jìn)，兩組呈現(xiàn)不斷交叉的流動模式。

（三）用戶行為變化如何改變觀念流

本小節(jié)進(jìn)一步考察用戶點擊行為的變化對觀念流的影響。根據(jù)研究設(shè)計，筆者在實驗進(jìn)行的第14天改變用戶組別部分賬號的點擊偏好，嘗試驗證上文結(jié)論的穩(wěn)健性，同時探索用戶行為變化對觀念流的影響。以情緒為例，筆者將用戶組別進(jìn)一步細(xì)分為起始階段情緒均值高控制組（點擊偏好始終不變）、起始階段情緒均值低控制組（點擊偏好始終不變）、起始階段情緒均值高實驗組（點擊偏好第14天起發(fā)生變化）、起始階段情緒均值低實驗組（點擊偏好第14天起發(fā)生變化）等四個組別，其他建模策略參照表1。圖5報告了四個組別與實驗階段等變量對情緒影響的邊際效應(yīng)。

由圖5可見，一方面，在用戶偏好逆轉(zhuǎn)之前（也即第1天至第13天），無論是起始階段情緒均值高還是情緒均值低，其實驗組和控制組（起點本身差異也非常小）的情緒流動模式均較為一致，這驗證了上文實證結(jié)果的穩(wěn)健性。在第14天實驗組的用戶改變了點擊偏好后，在起始階段情緒均值高的組別中，實驗組的情緒流動模式迅速與控制組發(fā)生分化；而在起始階段情緒均值低的組別中，控制組和實驗組的情緒流動模式也逐步分化。換言之，在用戶點擊行為逆轉(zhuǎn)后，兩個控制組（點擊行為不變）仍保持著與上文類似的流動模式，而實驗組的流動模式走向混亂。實驗組在用戶點擊偏好逆轉(zhuǎn)后，情緒流動模式迅速走向混亂，這表明當(dāng)用戶給出負(fù)反饋或者主動改變點擊行為時，平臺會迅速適應(yīng)用戶的動態(tài)偏好，從而導(dǎo)致推送策略的頻繁調(diào)整。由此可見，平臺對外部社會事實的調(diào)節(jié)與吸納能力依賴于用戶行為的相對穩(wěn)定性，一旦這種穩(wěn)定性受到挑戰(zhàn)，觀念流動模式便可能出現(xiàn)顯著波動。

（四）觀念流動中三種觀念間的關(guān)系

最后，本文嘗試考察不同組別內(nèi)部以及組別間三種觀念流動模式的關(guān)系與結(jié)構(gòu)。基于圖3預(yù)測出的不同組別三種觀念流動的時間序列數(shù)據(jù)（共六個時間序列），計算各個時間序列間的DTW距離，得到的距離矩陣如表2所示。

從不同觀念內(nèi)部看，起始階段情緒差異較大的組別間的DTW距離為5.98，起始階段集體觀念差異較大的組別間的DTW距離為4.31,起始階段偏見程度差異較大的組別間的DTW距離僅為0.49，上述較小的DTW距離表明盡管觀念流動會隨著不同外部事件而不斷波動，但同一觀念內(nèi)部不同組別的流動模式非常接近。從觀念間的相關(guān)關(guān)系來看，情緒與偏見的流動模式更為接近，而情緒與集體觀、偏見與集體觀流動模式之間的差異則相對較大。這意味著情緒和偏見在平臺中的流動是高度聯(lián)動的（盡管從相關(guān)關(guān)系看兩者是負(fù)相關(guān)的），相對而言，情緒和集體觀以及偏見和集體觀的聯(lián)動性則較弱。換言之，當(dāng)面對特定社會事件和情境時，情緒和偏見的擴(kuò)散可能更快更同步，而集體觀則更加穩(wěn)定。當(dāng)然，上述結(jié)果刻畫的是初步的觀念演化差異，不同觀念間隱蔽的交叉和糾纏模式背后的社會機(jī)制與長期后果等議題則需要進(jìn)一步探討。

七、結(jié)論與討論

為捕捉數(shù)字時代海量信息動態(tài)而復(fù)雜的擴(kuò)散過程，本文基于觀念流視角，通過追蹤情緒、集體觀和偏見等三種觀念的連續(xù)流動軌跡，嘗試呈現(xiàn)數(shù)字時代的平臺觀念流動與演化圖景。從三種觀念在平臺的觀念流動軌跡看，不同觀念的流動并非是線性或遵循單一規(guī)律的時間序列，而是一個由不同速率構(gòu)成的復(fù)雜流動體系。從平臺向不同用戶的觀念流動軌跡來看，盡管平臺為用戶推送的信息中承載的觀念會隨著不同外部事件的發(fā)生而不斷波動，但不同組別間始終保持著一定的差異，并未隨著實驗的推進(jìn)而不斷擴(kuò)大、縮小或變得混亂，而是呈現(xiàn)“同頻共振”的特征。

上述實證結(jié)果表明，相較于已有視角，觀念流視角在捕捉和理解外部社會事件、平臺和用戶之間的互構(gòu)模式，挖掘隱蔽的觀念流動的亞穩(wěn)態(tài)結(jié)構(gòu)，以及揭示不同觀念之間的糾纏和互動等方面有著明顯的優(yōu)勢。對觀念流動軌跡的動態(tài)追蹤清晰地反映了面對不斷影響著不同觀念生產(chǎn)和擴(kuò)散的大大小小、不同類型的社會事實，平臺如何以驚人的準(zhǔn)確性去調(diào)節(jié)這些觀念的可見性和影響力。觀念流視角揭示了社會事實、平臺以及用戶三者之間的互構(gòu)模式，即外部事件不斷觸發(fā)社會事實的重構(gòu)，平臺根據(jù)這些變化以及用戶行為去調(diào)整信息流，從而共同決定平臺觀念流動圖景。這也直接表明，觀念流動并不受單一主導(dǎo)變量決定，解釋數(shù)字時代信息擴(kuò)散的關(guān)鍵在于靈活追蹤不同觀念在多樣化社會情境中的流動與演變。

回到本文開頭提及的已有研究關(guān)于平臺與社會關(guān)系的爭論，如果從單個觀念在平臺的橫向流動模式來看，平臺觀念隨著不同社會事實的變化而不斷波動，對共同社會事實的關(guān)注確實可能會促進(jìn)公眾的社會共鳴。如果選取一個時間截面觀察觀念在不同組別的縱向流動情況，則可以看到不同用戶被推送的信息所承載觀念的差異，進(jìn)而引發(fā)研究者擔(dān)憂用戶間的觀念分化。本文關(guān)于觀念在不同組別間“同頻共振”以及不同觀念間的互動糾纏模式的實證發(fā)現(xiàn)則提醒我們，數(shù)字時代的信息擴(kuò)散本質(zhì)上是維度高度復(fù)雜且不斷變化的，難以單純依靠某個特定觀念在某個時間截面的觀測數(shù)據(jù)或依據(jù)特定主導(dǎo)變量總結(jié)的穩(wěn)定模型來準(zhǔn)確解釋。有趣的是，不預(yù)設(shè)結(jié)構(gòu)的觀念流視角反而發(fā)現(xiàn)了觀念流動中的亞穩(wěn)態(tài)結(jié)構(gòu)。

觀念流視角對復(fù)雜動態(tài)變化的敏感性和靈活性使其有潛力廣泛地應(yīng)用于數(shù)字時代重要社會現(xiàn)象的研究。例如，基于不同數(shù)字平臺，觀念流視角一方面能從不同顆粒度觀察外部事件發(fā)生時平臺各類觀念的生產(chǎn)過程以及在不同用戶間的擴(kuò)散軌跡，另一方面也能從更長跨度分析諸如平臺主導(dǎo)觀念的形成與演化。此外，觀念流視角還能夠靈活地跨越不同顆粒度，分析不同類型、層次觀念如何在宏觀結(jié)構(gòu)和微觀行為之間流動和轉(zhuǎn)化。換言之，通過追蹤不同觀念在社會中的流動與演化，觀念流視角能夠同時捕捉即時性的微觀社會變化與長期性的宏觀社會變遷，進(jìn)而有助于研究者更深入地理解數(shù)字時代社會現(xiàn)實的復(fù)雜性和社會變遷的內(nèi)在動力。