客體圖像的建構與消解：霧霾議題中的屬性議程設置效果

酈佳瑩

摘? 要? 基于屬性議程設置理論，通過大規模微博數據樣本挖掘，運用有監督的機器學習的方法，對霧霾議題中的議程設置效果進行研究。研究發現，在實質性屬性上，媒體微博議程對網民評論議程具有顯著的設置效應，兩者均突出霧霾影響這一屬性;在情感性屬性上，媒體微博議程對網民評論議程的設置效應并不顯著，媒體微博議程側重于中立態度，而網民評論議程以負面態度最為顯著。還進一步探討了全新傳播生態下，議題特征、網民心理等因素對屬性議程設置效果的影響。

關鍵詞? 霧霾;屬性議程;實質性屬性;情感性屬性

中圖分類號? G206? ? ? 文獻標識碼? A? ? ? 文章編號? 2096-0360（2020）17-0004-05

作為傳播研究的中觀理論，議程設置理論經歷了從傳統議程設置到屬性議程設置（attribute agenda-setting）的發展。傳統議程設置研究認為新聞媒介在告訴讀者該想什么是成功的，而屬性議程設置研究在此基礎上認為新聞媒介不僅在告訴讀者該想什么是成功的，在告訴讀者該怎么想時也是成功的[1]。這一在傳統媒體中被諸多研究證實的理論假設在新媒體環境下卻面臨挑戰。一方面，媒體對客體圖像特征的選擇依然建構著受眾的認知;另一方面，受眾主體性的增強削弱了媒體的建構效應。對于這種充滿矛盾的媒介影響方式，研究者和決策者從不同角度表達了反思和擔憂，尤其在重大社會議題上，媒體塑造共識和促進對話的能力常因網民的對抗式解讀而弱化。因此在不同場景和議題中進行議程設置研究成為分析和解釋全新傳播環境中媒體影響方式和效果的有效路徑。本文以近年來中國社會跨領域、跨時空的顯性議題——霧霾作為研究對象，通過采集大規模微博數據樣本，運用機器學習的方法，對霧霾議題中媒體的屬性議程設置效應進行研究。

1? 文獻綜述

1.1? 屬性議程的內涵

在屬性議程設置理論中，屬性被定義為能夠構建客體圖像的特征和特質[2]。為進一步闡釋媒體是如何影響人們怎么看待問題的，研究者們對屬性的維度進行了分類，一般將屬性分為實質性屬性和情感性屬性[3]。實質性屬性指新聞具有的從認知上幫助公眾構建新聞和辨別不同主題的特性，研究者多根據研究議題特征，運用內容分析的方法建構實質性屬性的類目[3]。如麥考姆斯在研究西班牙選舉中候選人圖像的屬性議程設置效果時，將候選人圖像進行了意識形態、資歷和經驗、個性等實質性屬性的分類[2]。情感性屬性指媒體能夠引起受眾情緒性反應的屬性，一般被分為正性、負性和中性[3]。Kim和McCombs對2002年德克薩斯州州長和美國參議院的選舉分析認為新聞中以正面或負面報道的情感性屬性被公眾以類似的方式所感知[4]。

按照前期研究對屬性議程的操作化，本研究也將霧霾議題中的屬性議程分為實質性屬性和情感性屬性兩個維度，考察其在媒體議程和網民議程中分別如何呈現。媒體議程中的實質性屬性指媒體構建的霧霾議題下不同主題的特性，情感性屬性指媒體對該議題下不同主題進行報道時所持的情感態度。而網民議程中的實質性屬性指網民討論中呈現的關于霧霾議題的不同主題特性，情感性屬性指網民所表達的對霧霾議題不同主題的情感態度。

研究問題1：霧霾議題中媒體微博的屬性議程是如何呈現的？

研究問題2：霧霾議題中網民評論的屬性議程是如何呈現的？

1.2? 新媒體環境中的屬性議程設置效應

以互聯網為主體的新媒體語境，將媒介議程設置引入更為復雜多變的媒介環境，這也為議程設置研究帶來新的挑戰，新媒體語境下，之前研究所驗證的媒體屬性議程對公眾屬性議程的影響效果是否依然存在？一方面，一些研究發現新媒體時代媒體屬性議程仍然會影響受眾屬性議程。Matthes探討新的導向需求（NFO）在屬性議程設置中的作用時證明了屬性議程設置效果的存在[5]。Kim等研究發現媒體報道商業公司屬性的重要性排序與在線消費者心目中的排序存在積極聯系[6]。另一方面，也有研究表明網絡環境中媒體屬性議程對公眾屬性議程的影響甚微。Ceron等通過人們在推特上對意大利公共資金的改革以及緊縮的討論研究發現在情感屬性議程設置方面，媒體的情感屬性議程與公眾的情感屬性議程存在明顯的差異性[7]。張雯和余紅通過分析2014年人民網涉腐新聞以及與其對應的網民在線評論證明媒體的屬性議程對網民的屬性議程影響有限，網民既有認知對議程設置效果有調節作用[8]。

在前期的研究基礎上，本研究也相應探討霧霾議題的微博傳播中媒體屬性議程對網民屬性議程的建構效應：

研究問題3：霧霾議題中媒體微博的屬性議程對網民評論的屬性議程是否具有顯著的設置效應？

2? 研究設計

2.1? 樣本抽取與語料準備

研究以“霧霾”為關鍵詞抽取新浪微博2015年1月至2017年7月期間評論量超過1 000的媒體微博主貼142條，在抽取過程中將廣告等噪音微博主貼剔除，最終確定118條目標主貼。之后運用Gooseeker抓取118條微博主貼所對應的321 108條微博評論，對重復評論、廣告評論、表情評論以及@和轉發微博的評論內容進行去重和清洗，最后獲得92 657條微博評論。

2.2? 類目確定

依據計算機分詞、LDA主題模型分析，加之人工梳理，本研究將媒體微博和網民評論議程的實質性屬性分為4類一級主題：霧霾成因、霧霾影響、霧霾防治、其他。其中，霧霾成因包含工業排放、農業排放、交通工具尾氣排放、生活廢氣排放4類二級主題;霧霾影響包括對天氣、交通、健康、教育、地域關系和其他方面影響6類二級主題;霧霾防治包含政府防護和治理、組織防護和治理和個人防護和治理3類二級主題。同時增加“其他”項作為未能歸入上述主題的議程類目。由此本研究采用的霧霾議程實質性屬性類目由4類一級主題及其下的14類二級主題組成。此外，將媒體微博和網民評論議程的情感性屬性分為正向、負向和中立。

2.3? 人工標注與機器學習

2.3.1? 人工標注

針對媒體微博主貼的標注，由兩位編碼員按照分析類目分別對118條微博主貼進行屬性編碼。編碼員之間的信度檢驗結果為0.746，信度較高。

針對微博評論，我們從92 657條評論中隨機抽取6 000條進行人工標注。第一輪由6位編碼員對評論進行屬性標注，每位編碼員隨機標注1 000條。第二輪采用不重復抽樣，由6位編碼員對6 000條評論再次進行標注，平均每人標注1 000條評論，從而保證每條評論被不同的兩位編碼員標注。第三輪標注針對第一輪和第二輪標注結果不同的評論，由第三方編碼員進行標注，若該編碼員的標注結果與前兩位編碼員中任意一方的標注結果相同，則確定為此評論的最終標注結果。若三輪標注結果均不相同，則由專家組和編碼組成員投票決定最終標注結果。

2.3.2? 機器學習

本研究采用有監督的機器學習方法對微博評論進行實質性和情感性屬性分析。首先將人工標注完成的6 000條評論分為訓練集（80%）和測試集（20%），運用卷積神經網絡技術對訓練集進行建模。之后運用模型對作為測試集的評論進行屬性歸類，所得結果與人工標注結果進行比較，通過不斷調整參數，將實質性屬性歸類的準確率提高至70.5%，情感性屬性歸類的準確率提高至75.1%，此準確率在計算機機器學習領域已屬較高，由此確定最終模型。最后將未人工標注的微博評論通過最終模型進行屬性歸類，實現所有的微博評論實質性屬性和情感性屬性歸類。

3? 研究發現

3.1? 霧霾議題中，媒體微博的屬性議程在實質性屬性上以霧霾影響最為顯著，在情感性屬性上以中立態度最為顯著

在實質性屬性方面，媒體微博議程更為突出霧霾影響，特別是對天氣的影響（表1）。我們認為這與媒體的價值取舍相關，對天氣狀況的預警是在短期報道鏈中媒體較容易把握的新聞價值。更有趣的發現是地域關系成為霧霾影響主題下較為顯著的媒體議程。霧霾的發生存在區域性，該特質無形中將地區割裂成受災區和無災區，但霧霾的輻射范圍又是未知的[9]，導致兩者存在利益矛盾，由此引發地域關系的報道。在其他實質性屬性中，我們發現媒體微博議程更側重霧霾防治中的政府霧霾防治和霧霾成因中的工業排放。此前研究發現有關政府霧霾防治以及企業工業方面的報道相對不足[10]，而這兩者在我們的研究中成為媒體議程的重要組成部分。推測原因為霧霾自2013年始才開始逐漸被關注，關注初期由于公眾對霧霾本身知之不多，媒體微博以霧霾天氣信息發布、科普答疑為主。隨著公眾對霧霾了解程度加深，媒體微博便更深層次討論霧霾形成的原因以及政府霧霾防治。

情感性屬性方面，媒體微博議程以中立態度為主，其次為負面態度，正向態度最少（表2）。在本研究中，媒體微博主要來自人民日報、央視新聞等主流媒體，可見這些媒體微博雖然在內容和形式方面有新媒體特性，但在新聞生產上依然要遵循新聞專業性，保持客觀真實公正等原則。值得注意的是，媒體微博議程在霧霾影響中的負向態度顯著高于其他實質性屬性中的負向態度。環境污染、全球變暖等議題的負面影響本身帶有否定的情感基調會影響媒體的報道傾向[11]。

3.2? 霧霾議題中，網民評論議程在實質性屬性上以霧霾影響最為顯著，在情感性屬性上以負面態度最為顯著

相比媒體微博議程，網民評論議程在實質性屬性上的分布更為集中，在一級主題上主要集中于霧霾影響和霧霾防治（表3）。在霧霾影響中，網民議程的實質性屬性以天氣影響為主，相較霧霾其他方面影響，天氣對公眾來說是最直觀的體驗，也是網民討論最多的議題。在霧霾防治中，網民議程的實質性屬性主要集中于政府霧霾防治。之前研究也發現政府霧霾治理是公眾關注的關鍵詞[12]，霧霾的頻繁發生已經嚴重危害到人們的生產生活，其危害的嚴峻性促使霧霾治理成為霧霾議題下公眾關注的另一個焦點，其中政府作為霧霾治理的主要責任主體被重點關注。

情感性屬性上，網民評論議程在不同的實質性屬性中表現出較高的一致性，負向態度最為突出，其次是中立態度，正向態度比例最低（表4）。霧霾引發的公眾對生存環境的焦慮促使其通過網絡表達對霧霾治理不力的不滿，而情緒又極具感染性，在微博這類傳播速度快、開放性強的媒介平臺催化下，這些負面情緒便呈病毒式傳染，占據網友對霧霾議題的情緒高地。

3.3? 霧霾議題中，媒體微博議程對網民評論議程在實質性屬性上具有顯著的設置效應，但在情感性屬性上并不顯著

研究發現在一級主題上，媒體微博議程的實質性屬性與網民評論議程的實質性屬性的類別排序一致，在二級主題上，二者的秩次檢驗結果也顯著相關（表5，表6）。這一發現再次證實在霧霾議題的微博傳播中，議程設置效應在實質性屬性上是顯著存在的。我們認為這與網民的導向需求有關，導向需求指個人傾向于在新聞媒體中尋找有關問題的信息，當受眾的相關性和不確定性都很高時，其導向需求也很高[5]。霧霾議題與公眾利益相關性高，并且霧霾的環境風險具有“不確定性”與“知識依賴性”，它有賴于知識與媒介的呈現。因此在霧霾議題下公眾更易于被媒體議程的實質性屬性引導。

同時研究發現不同實質性屬性下，媒體微博的情感性屬性對網民評論的情感性屬性均不具顯著的設置效應。在霧霾成因、霧霾影響和霧霾防治三個實質性屬性中，媒體微博議題都以中立態度為主，而網民議題則以負面態度為主，二者之間存在顯著差異，甚至網民議題還顯示出與媒體微博議題在態度上的沖突性（表7）。不同于在微博環境下依然受到新聞報道準則以及媒介倫理桎梏的媒體微博，網民在微博上對霧霾議題的對抗性解讀是其作為話語弱勢群體反叛精英階層、創造意義和自我賦權的體現。傳播方式的巨變，導致針對某一議題的網民負面情緒很容易快速擴散、感染，形成對媒體正面宣傳的群體抵制。