社交機器人對社會輿論的影響因素研究

許靈毓，鐘義信，陳志成

（1.英國布里斯托大學 社會科學與法學院, 英國 布里斯托; 2.北京郵電大學 人工智能學院，北京 100876; 3.北京郵電大學-格分維普惠人工智能聯合實驗室, 北京 100876; 4.北京格分維科技有限公司， 北京 100070）

當前我國互聯網用戶已經超過十億，已實現全地域、全年齡段的互聯網覆蓋，短視頻平臺等社交媒體也隨之迅速發展并覆蓋了大多數人口。由于這種發展，社交媒體平臺的信息流對我國公眾的影響力迅速上升[1]。在新冠疫情等全民關注的議題上，社交媒體已成為我國公眾最主要的、最依賴的信息獲取渠道。隨著人工智能技術的快速發展與普及應用，出現了大量社交媒體機器人，借助社交媒體平臺發揮著越來越強的輿論引導作用。

1 研究現狀

社交機器人對輿論的影響目前受到了學界的普遍關注。如王晗嘯等[2]、師文等[3]通過不同方法分別研究了推特的社交機器人，發現推特平臺的各話題下約有1/5的賬號是社交機器人。Bessi等[4]通過對美國大選的考察發現，參與競選辯論的社交媒體社區的280萬個賬戶中約有1/5是機器人，競選團隊都使用了機器人來大規模地引導公眾并制造影響力。

然而，現有研究存在2方面不足：

1)在多種因素影響下，社交機器人對輿論擴散的各個環節影響的分析仍然不足，多集中于輿論的形成和發酵環節。如Cheng等[5-6]應用“沉默螺旋”理論，分析了社交機器人占據輿論主導權的動態機制，并將報紙、廣播電視等媒體引入了這一機制。但這些研究僅關注輿論的產生和擴散，未將大眾輿論的分裂和極化考慮在內。

2）對于大眾媒體影響的分析仍顯片面，如Cheng等[6]在對大眾媒體和社交機器人同時影響公眾輿論的研究中，將大眾媒體視作一個對公眾施加全局性影響的常量，這低估了大眾媒體與社交媒體所組成的“混合環境”的復雜性。

本文重點研究社會輿論的形成過程、分析有社交機器人參與其中時的影響因素和影響程度。

2 社會輿論的形成過程與影響因素

2.1 社會輿論的形成過程分析

“社會輿論”這一概念的定義有很多種，但整體而言，輿論是一種全社會公眾共同意志的體現。文獻[7]認為，社會輿論是公眾針對某一問題產生的各種意見經過交流和互補后，逐漸形成的統一的集合意識與整體知覺。經過對輿論形成各環節的分析、總結、歸納，提出了加入社交機器人的社會輿論形成過程模型，分為“輿論出現、爭奪影響力、輿論形成”3個階段，社交機器人可以在3個階段中介入和影響，如圖1所示。

圖1 加入社交機器人的社會輿論形成過程模型Fig.1 Process model of social opinion formation by adding social robots

社會輿論形成的第1階段是“擬態環境”的形成。李普曼[8]認為，人們認識到的并非真實存在的世界，而是由媒體通過對事件或信息進行選擇和加工，重新加以修飾后向人們呈現的“擬態環境”。社交媒體和傳統媒體都有可能成為“擬態環境”構建的主導，“擬態環境”左右了輿論的形成。

社會輿論形成的第2階段是不同意見之間的對抗。與傳統媒體相比，Facebook、Twitter、微博等社交媒體的信息轉發和評論功能使初始影響較小的話題“滾雪球”增長，在極短的時間內爆發，并可能進一步從線上擴展到線下，引發“輿論風暴”。同時，社交媒體降低了用戶評論、表達自己意見和積極參與討論的門檻。因此，社交媒體輿論信息的爆發性傳播可以伴隨著觀點的激烈交鋒。持有不同意見的人可能會相互爭論或攻擊[9]。

從微觀上、社交媒體用戶個體的角度看，首先形成個人對問題的立場，而后也會參考他人的意見，從而形成一個較穩定的固定立場。如果這種固定立場與主流立場相符合，個體就會傾向于繼續表達。從宏觀上，網絡空間不允許無限的個人表達，能夠容納不同觀點個人的數量是有限的，持有不同觀點的個人之間必然會爭奪有限的網絡空間資源。最終統一的網絡輿情形成。

社會輿論形成的第3階段是輿論的形成階段。在這一階段，社交媒體用戶不只是信息的被動接受者，還會創建和分發內容。根據使用與滿足理論[10]，受眾使用媒體獲得信息的主要心理需求并非獲取知識或真相，而是從信息當中獲得心理滿足。社交媒體可以使個體很容易地找到支持他們現有想法的證據，并追隨那些持有類似觀點的人。

統一的輿論環境可能不會形成，而是出現了不同觀點的個體各自保留其現有的想法，只與和其有相同想法的用戶交互，從而形成輿論的分裂和小圈子的形成[11]。在輿論分裂狀況出現后，持有極端意見的個體會不約而同地選擇將溫和、中立的個體拉近自己的陣營并引導其逐步形成分裂的、極端的輿論環境[12]。反之，如果這種分裂狀況沒有出現，主流意見將逐步占據統治地位，輿論將逐漸靠近主流意見并向較溫和的立場回歸，支持主流意見的個體繼續發聲，不支持主流意見的個體在評估輿論氣候后進入沉默，從而形成統一的、溫和的輿論環境。

2.2 社會輿論影響因素分析

在研究分析社會輿論形成過程基礎上，發現并歸納出影響社會輿論的主要因素，它們與傳播媒體、議題自身、受眾群體密切相關，如表1所示。

表1 社會輿論的影響因素Table 1 Influence factors of public opinion

1) 與媒體相關的因素：媒體對信息的反應速度、大眾媒體立場的統一性。

社會輿論形成的第1階段是“擬態環境”的形成，而更頻繁更新、更快捕捉新熱點的媒體將主導“擬態環境”的構建。在傳統媒體和社交媒體組成的“混合環境”下，媒體的影響能力與其發布速度相一致。社交媒體的主要擴散方式是“點對點”的好友之間的轉發，傳統媒體則是“點對面”的，都在一個時間段內對其受眾施加影響[13]。因此，在新聞熱點出現時，傳統媒體和社交媒體何者能更快捕捉熱點，將決定輿論產生階段的擴散模式。

在當代社會，媒體是一個開放系統，個人會接觸到多個傳統媒體來源，它們可能立場不同，觀點相互矛盾[14]。當傳統媒體的聲音一致性較強時，傳統媒體會成為不同意見競爭階段推動某一意見成為主導的重要力量。研究表明，如果傳統媒體的意見不統一，就會導致傳統媒體對輿論發展影響效果的下降，即使有少量傳統媒體站在堅持自己觀點的一側，但其在不同觀點之間競爭過程中發揮的影響力也可能會快速消散[15]。

2) 與議題相關的因素，輿論議題本身有3個屬性影響輿論的發展：議題的重要性、模糊性和爭議性[16]。

第1個屬性是重要性。波及范圍廣、與民眾切身利益相關的輿論議題更容易提升輿論熱點擴散的廣度和受眾意見交換的頻率，這是由于此類議題或利益相關群體多、易引發受眾關切或同理心。

第2個屬性是模糊性。模糊性是指公眾對熱點事件的認知是模糊的。這一方面可能是由于參與輿論的普通受眾缺乏對熱點事件所涉及的專業知識的了解，另一方面可能是由于媒體上有關熱點事件的信息是碎片化的、模糊的，輿論議題的模糊性增強可能會導致更強的爭議性。

第3個屬性是爭議性。有些話題尤其是關乎個體生命安全和社會公平正義的輿論議題，很容易引發不同群體之間的尖銳對立。暴露在此類爭議性話題下的事件會導致輿論參與者走向極端化和導致輿論走向分裂[17]。

3) 與受眾相關的因素：互動強度、嗜同性、受教育水平、受眾社交網絡結構。

在社交媒體上參與社會輿論的普通公眾也會對社會輿論產生影響。社交媒體上普通公眾有4個屬性可能會影響社會輿論的發展：互動強度、嗜同性、受教育水平和受眾的社交網絡結構。

互動強度是指普通公眾在社交媒體平臺上與其他公眾互動的強度，嗜同性是指公眾與且僅與和自己意見相同的其他公眾交流這一傾向的強弱?；訌姸容^大時，公眾整體即使達成了共識，這種共識狀態也會是不穩定的，嗜同性的升高也會導致輿論的分裂。在持不同立場的個體與和其志同道合的個體反復互動的驅動下，不同立場的公眾的觀點都會得到強化。

使用社交媒體的公眾的受教育水平也會影響社會輿論[18]。群體之間受教育程度的高低差異，與他們的媒體選擇、對信息的吸收能力、對信息真偽的分辨能力和表達能力都直接相關。高教育水平受眾接觸的信息渠道多，使其更容易以恒定的意識形態和理解模式來解讀信息，在主流意見逐漸勝出的階段，受教育程度較高的群體可能堅持非主流意見，從而增大輿論分裂的可能性。

社交媒體用戶間不同的社交網絡結構也會影響社會輿論[19]。用戶間的網絡結構可依據意見領袖的多寡分為單核結構、多核結構和鏈式結構3種。單核模式的輿論信息傳播速度更快，關鍵傳播節點大多是強大的輿論領袖。鏈式模式首先從小范圍擴展，傳播中的主要節點很少是意見領袖，信息的傳播擴散性可能較弱。多核模式中，意見領袖和普通用戶都成為輿論熱點擴散的關鍵傳播節點，此模式的影響力最大。

3 社交機器人對社會輿論的影響模式

3.1 社交機器人的級聯效應

“級聯效應”是社交機器人影響輿論的重要原理。當新的信息出現時，個人對外界信息的觀察和吸收會影響他們自身的行為。當群體中的不同個體非同時地接觸到該信息時，先接觸到信息并做出反應的個體對信息的反應會被后來者觀察到，有概率使得后來者放棄自己的思考和決策并效仿先接觸者的反應。而這個過程在人群中的重復，會使得先接觸者的反應被不斷模仿，直到某個用戶能獨立決策時，該級聯坍塌。

在文獻[19]對推特平臺上社交機器人行為模式的研究中，他們發現新聞的傳播遵循兩級模式，也即新聞先由媒體流向關鍵節點（一級傳播），再由關鍵節點流向一般大眾（二級傳播）。一些機器人作為首發，另一些機器人應和，形成多個級聯鏈條，參與此種協作的機器人可能達到數萬個之多。社交媒體機器人也會與盡可能多的好友產生聯系，以此為現有級聯產生新的繼承者。此外，社交機器人不僅會主動發帖、點贊，還會主動試圖說服真人用戶關注自身。關注了社交機器人的真人用戶往往因級聯效應成為機器人的模仿者。社交機器人參與輿論傳播時的級聯效應如圖2所示。

圖2 社交機器人的級聯效應Fig.2 Cascade effect of social robots

3.2 社交機器人加入社會輿論的過程和影響

社交機器人對社會輿論的熱點形成階段、影響力爭奪階段、最終輿論形成階段都會產生影響。社交機器人可以在社會輿論的產生、發展、形成的各個階段介入，如圖1所示。

1) 社交機器人對輿論熱點形成階段的影響。

哪種媒體在輿論熱點事件出現階段具有更快的反應速度，就有可能主導“擬態環境”的形成。如果在這一階段社交媒體主導輿論走向，那么社交機器人則可能極大影響這一階段的輿論環境。如果在社會輿論熱點的早期就有社交機器人有方向地引導輿論，可能使得在輿論擴散的早期階段即形成有利于社交機器人的主流意見。在這種情況下，主流意見和非主流意見的沖突可能不會出現。

2) 社交機器人在意見爭議階段對社會輿論的影響。

根據“沉默螺旋”理論[5-6]，在不同意見的競爭階段，影響個體的表達意愿的主要因素是個體所感知到的輿論環境。個體表達意見的意愿隨著輿論環境的變化而不斷變化。當個體的意見與輿論環境中的主流意見相符合時，個體愿意表達自己的意見；當個體發現對自己意見具有敵意的人占多數時往往會保持沉默，以避免被孤立。

在意見爭議階段，社交機器人足以影響公眾所感受到的輿論環境，從而影響人類用戶的表達意愿。這會使得反對社交機器人觀點的人類用戶沉默，最終導致機器人的觀點成為主流。在這一階段，如果傳統媒體和社交媒體的意見相同，則雙方會互相促進，增加主流意見的影響力。但如果傳統媒體的影響力增加到一定程度，輿論的趨勢將被扭轉，使以前的少數群體逐漸成為社會的大多數。傳統媒體的參與可以有效地削弱機器人對與其具有不同意見的人類的抑制，從而有效地減少沉默者的數量。

3) 社交機器人在輿論形成階段對社會輿論的影響。

社交機器人在輿論形成階段可能會提高輿論走向極端和分裂的可能性。社交機器人與人類用戶的主要不同有2點：1) 社交機器人總是堅持自己程序中的預設觀點，而不管感知到的整體輿論氛圍如何；2) 社交機器人僅在預定的時間段活動，并且社交機器人的發帖、轉發動作是自動完成的，相比人類用戶完成同樣動作的效率高得多。因此，社交機器人會極大地提升社交媒體平臺上的互動強度，互動強度和話題的爭議性的增加會增加社會輿論走向分裂的可能性，而社交機器人的互動強度大于人類用戶，也會故意轉發相反立場的帖文，以此引發爭吵并吸引更多關注。因此社交機器人可能增加社會輿論分裂的概率。

社交機器人在輿論形成階段可能會提高輿論的信息熵，導致輿論走向更加隨機。當社交機器人重復推送消息時，社交媒體整體的信息熵可能會隨著其爭議性推送而升高，從而提升輿論走向的隨機性和不確定性。

3.3 社交機器人的工作原理

社交機器人的工作原理總體上可以分為創建部署機器人、影響力擴張、影響輿論形成3個環節，如圖3所示。

圖3 社交機器人的工作原理Fig.3 Working principle of social robots

第1個環節是部署機器人環節。該環節的第1步是大量創建賬號以備社交機器人使用。這一步驟可使用許多方式將其自動化。如部署者可以通過光學字符識別和機器學習技術自動解決驗證碼、使用預先寫好的與電子信箱關聯的腳本進行郵箱驗證、破解客戶端等方式，高效地繞過社交媒體平臺的人機驗證并創建大量賬戶。這一工作可以通過特定的軟件來大量完成。

然后，社交機器人部署者使用機器學習技術，構建社交機器人與真人用戶的互動能力[20]。部署者首先用爬蟲抓取用戶的社交關系、用戶的個人信息、發帖和評論4類信息，并將之儲存進數據庫。依據這些數據，部署者會訓練情緒分類器來區分評論的傾向，并基于數據庫訓練文本生成器，使之可自動生成符合部署者需求的評論。

最后需要為社交機器人構建一個社交圈子。大多數人類社交媒體用戶對虛假賬號的好友添加請求并不謹慎，大多數人會同意社交機器人假賬號的好友申請[21]。社交機器人可通過在部署前建立一個好友圈子以增強其輿論影響力，這些好友會轉發或發布與機器人要影響的目標話題相關和相似的話題。當達到預設好友數后，此步驟即告結束。

第2個環節是影響力擴張環節。該環節的目的是通過轉發行為，針對社交機器人要影響的目標話題感興趣的用戶盡可能多地建立社交聯系[22]。社交機器人用關鍵詞篩選出與目標話題有相同關鍵詞的消息， 如果在選定的消息中有轉發的消息，它將發送好友邀請，從而影響受眾人員對輿論環境的感知。機器人將重復這一過程，直到其好友數到達社交媒體平臺或部署者允許的上限。

第3個環節是輿論引導環節。社交機器人將通過生成評論、轉發、點贊等行為引導輿論。該環節主要執行2個任務：1) 改變其好友網絡的結構，2) 發布、閱讀、轉發和點贊帖文。社交機器人首先通過情緒分類器分辨其他賬號發布的帖子和評論的傾向，從而確定轉發內容的對象。社交機器人可能向真人好友轉發相同立場的帖文以獲取更多支持，也可能故意轉發相反立場的帖文，以此引發爭吵并吸引更多關注[23]。與此同時，社交機器人也會依據對方影響力調整對方在自身社交網絡中的重要性，按影響力高低對好友進行排序，優先向影響力較高的用戶進行轉發、評論等互動行為。

4 影響因素的調查問卷實驗分析

為了從多角度分析公眾視野中社交機器人對大眾輿論的影響，本文進行了一次網絡問卷調查，共收到答卷10 771份，經過數據整理，得到7 458份完整有效的答卷，下面進行具體分析。

4.1 問卷調查問題設計

本次問卷調查設計了11個問題，如表2所示。

表2 問卷調查設計的11個問題Table 2 The 11 questions in questionnaire

4.2 受調查者背景信息分析

在問卷調查中，Q1、Q2、Q3為受調查者的年齡、文化、行業信息，統計數據分別如表3所示。

表3 受訪者背景信息(年齡、教育、行業)分布Table 3 Distribution of respondents’ background information (age, education, industry)

Q1年齡結構。有效回復中，主要為18～44歲的中青年和45～59歲的中老年，分別有4 378和2 255人，占比分別為58.79%和30.24%。18歲以下青少年次之，有572人。60～75輕老年和75以上的老年人口比例最少，分別只有187人和66人。

Q2教育程度。從受教育水平來看，參與本次調查的人員中以大學本科、?？茷橹?，本科有3 289人，?？朴? 397人，碩士有935人，博士825人，中小學及其他學歷有1 012人。

Q3行業結構。從從事行業來看，受調查者主要以批發和零售業、餐飲等服務業有1 287人，文化、文創、教育、科研行業有3 311人，其他受訪者供職于互聯網產業、制造業等行業，在讀大、中、小學生650人。

4.3 社交機器人的應用場景分析

問題Q4、Q5、Q6主要調查大眾對社交機器人應用場景的了解，調查結果如圖4所示，主要反應社交機器人用于哪些場景產生影響。

圖4 大眾對社交機器人應用場景認知的調查Fig.4 Survey on the public perception of social robot application scenarios

Q4反映出當前社交媒體的關注度排行依次是：短視頻類平臺90.86%、文字圖片類網站87.46%、交互聊天類工具84.81%、傳統紙質媒體71.98%、其他類型傳媒媒介30.53%。

Q5反映出大部分受訪者知道網絡上有社交機器人存在，占比70.65%，也有29.35%%的人不知道有社交機器人。

Q6結果表明網絡環境下的機器人有多種用途，其中可用于自動客服、推送轉發消息、點贊或投票、與真人交流、發布評論的分別占比為91.59%、86.73%、57.52%、53.98%、49.85%。

4.4 對熱點事件的影響因素分析

問題Q7、Q8、Q9主要調查社交機器人對社會熱點事件的影響情況，調查結果如圖5所示。

圖5 對熱點事件的影響因素分析Fig.5 Influencing factors of hot events

Q7調查社交機器人對熱點事件的影響情況，41.00%的受訪者回答“因問題不同而定”，認為有很大影響的為14.01%、有比較大影響的為18.29%，有較小影響的為17.99%，總體而言，有影響(含很大影響、較大影響、較小影響)總體比例為50.29%。

Q8詢問社交機器人通常對哪些類型的熱點事件影響較大，依次為：社會熱點事件(如新冠疫情)最高，占比64.31%；娛樂熱點事件其次，占比62.98%；經濟熱點事件(如房價漲跌)占比58.41%；政治熱點事件(如美國大選)占比為56.49%；軍事熱點事件(如俄烏沖突)占比54.13%?？梢娚缃粰C器人可以影響多方面熱點事件。

Q9調查社交機器人對公眾意見影響程度的主要因素有哪些，依次為：熱點事件本身的模糊性/爭議性占63.27%、熱點事件本身的重要性占60.47%、社交媒體賬號間的互動強度占56.34%、用戶間鏈接及公眾人物數量占48.53%、社交媒體用戶的嗜同性占46.76%、社會公眾受教育水平占46.61%。由此可見，熱點事件本身的模糊性、爭議性、重要性也是主要因素。

4.5 社交機器人對輿論的影響效果分析

問題Q10、Q11調查社交機器人對社會輿論的影響效果，結果如圖6所示。

圖6 社交機器人對社會輿論的影響效果Fig.6 Social robots impact on social public opinion

由Q10結果可知：在加入社交機器人的媒體活動中，其對社會輿論的影響是十分明顯的，75.66%選民認為對輿論擴散速度有影響，62.09%的選民認為對個體網民的意見/傾向有影響，55.01%認為社交機器人可以制造和掩蓋部分信息，這使得有53.54%選民認為將會產生集體誤導。

由Q11結果可知：關于社交機器人是否可以部分或完全操控輿論新聞的調查，除了39.53%選民認為“視具體問題而定”之外，有28.61%的選民認為可以“少部分操控”，有22.12%的選民認為可以“大部分操控”，甚至也有3.98%的選民認為可以“完全操控”，加起來有54.71%的人認為部分或完全操控。

5 機器人在熱點事件中的案例分析

5.1 選擇熱點事件案例

本文選取了2020—2022年美國社交媒體的新冠疫情相關資料作為研究樣本，分析社交機器人在社會熱點事件中的作用和影響。自2020年1月21日美國宣布第1例新冠確診病例以來，新冠疫情造成人員隔離、旅行禁令、企業破產等各種影響，這使得其迅速成為社交媒體討論的熱點事件[24]，并受到了社交機器人的廣泛介入。

社交機器人干預較多的議題包括確診病例和死亡病例、美國新冠肺炎疫情、中國新冠肺炎疫情等，在一定程度上影響公眾生活、公眾輿論、公眾心理情緒等[25]。

5.2 機器人在推特發帖中的活躍度分析

根據文獻[26]對205 298個關注新冠肺炎賬戶的推特賬號的統計分析，在3個月研究周期內總發帖數量為10 098 455條。其中：人類賬戶為187 992個(占比91.57%)，發帖7 983 987條(占比79.06%)；機器人賬戶為17 306個(占比8.43%)，發帖2 114 468條(占比20.94%)。

定義：賬戶平均活躍度為研究周期內的發帖總數與賬戶總數的比值。據此定義，機器人賬戶平均活躍度為2 114 468/17 306=122.18(條/個)；人類賬戶平均活躍度為7 983 987/187 992=42.47(條/個)。機器人賬戶平均活躍度明顯比人類賬戶平均活躍度高，是人類賬戶平均活躍度的2.88倍。

以上分析表明：社交機器人已經成為社會熱點事件討論的重要參與者，其發帖活躍程度明顯高于人類發帖活躍度，與本文前述調查問卷結論相符。

5.3 機器人對公眾情緒的影響分析

社交機器人在社會輿論中表現活躍，可以影響公眾對某一話題的情緒傾向，并可能使這種情緒變得極端化。文獻[25]通過標示特定情緒關鍵詞的方法，針對美國疫情期間公眾的“悲傷、憤怒、焦慮”3種情緒表現的極端化水平進行研究，其中機器人發帖占比約5%，人類發帖占比約95%，情緒極端化水平計算方法見文獻[25]，分析數據如表4所示。

表4 機器人與人類發帖對情緒極端化水平的影響Table 4 Influence of robots and humans on the level of polarization

由表可知，5%社交機器人發帖引起的公眾情緒（含悲傷、憤怒、焦慮）極端化水平大于95%人類發帖引起的情緒極端化水平，其中焦慮情緒高出82.05%。

此研究表明，在熱點事件中，少量社交機器人即可對網民的意見、傾向、感受產生影響，對不同情緒表現影響大小不同，與本文前述調查問卷結論相符。

6 結束語

隨著互聯網、大數據、人工智能的發展，機器人也越來越多地用于社交媒體。本文針對社交機器人影響社會輿論的因素進行研究，詳細分析了社會輿論的產生、發展和形成的過程，可分為輿論熱點出現階段、不同觀點間的影響力競爭階段、最終主流輿論形成階段。在社會輿論的形成過程中，社交機器人與傳統媒體形成“混合環境”，影響力相互疊加或削減，最終形成社會輿論觀點。

調查問卷實驗表明：社交機器人對信息傳播速度、網民意見形成具有顯著影響。通過對美國疫情議題下推特輿論的分析，發現社交機器人已成為輿論熱點話題重要的參與者，且對公眾的情緒傾向產生了明顯影響，與調查問卷結論相符。文章對于理解和分析社交機器人在社交媒體上的地位和作用具有重要參考價值。社交機器人影響社會輿論的其他因素可能有：傳播媒體類型、熱點事件自身性質、參與互動人群等方面，這將是進一步深入研究方向。