客体图像的建构与消解：雾霾议题中的属性议程设置效果

郦佳莹

摘  要  基于属性议程设置理论，通过大规模微博数据样本挖掘，运用有监督的机器学习的方法，对雾霾议题中的议程设置效果进行研究。研究发现，在实质性属性上，媒体微博议程对网民评论议程具有显著的设置效应，两者均突出雾霾影响这一属性;在情感性属性上，媒体微博议程对网民评论议程的设置效应并不显著，媒体微博议程侧重于中立态度，而网民评论议程以负面态度最为显著。还进一步探讨了全新传播生态下，议题特征、网民心理等因素对属性议程设置效果的影响。

关键词  雾霾;属性议程;实质性属性;情感性属性

中图分类号  G206      文献标识码  A      文章编号  2096-0360（2020）17-0004-05

作为传播研究的中观理论，议程设置理论经历了从传统议程设置到属性议程设置（attribute agenda-setting）的发展。传统议程设置研究认为新闻媒介在告诉读者该想什么是成功的，而属性议程设置研究在此基础上认为新闻媒介不仅在告诉读者该想什么是成功的，在告诉读者该怎么想时也是成功的[1]。这一在传统媒体中被诸多研究证实的理论假设在新媒体环境下却面临挑战。一方面，媒体对客体图像特征的选择依然建构着受众的认知;另一方面，受众主体性的增强削弱了媒体的建构效应。对于这种充满矛盾的媒介影响方式，研究者和决策者从不同角度表达了反思和担忧，尤其在重大社会议题上，媒体塑造共识和促进对话的能力常因网民的对抗式解读而弱化。因此在不同场景和议题中进行议程设置研究成为分析和解释全新传播环境中媒体影响方式和效果的有效路径。本文以近年来中国社会跨领域、跨时空的显性议题——雾霾作为研究对象，通过采集大规模微博数据样本，运用机器学习的方法，对雾霾议题中媒体的属性议程设置效应进行研究。

1  文献综述

1.1  属性议程的内涵

在属性议程设置理论中，属性被定义为能够构建客体图像的特征和特质[2]。为进一步阐释媒体是如何影响人们怎么看待问题的，研究者们对属性的维度进行了分类，一般将属性分为实质性属性和情感性属性[3]。实质性属性指新闻具有的从认知上帮助公众构建新闻和辨别不同主题的特性，研究者多根据研究议题特征，运用内容分析的方法建构实质性属性的类目[3]。如麦考姆斯在研究西班牙选举中候选人图像的属性议程设置效果时，将候选人图像进行了意识形态、资历和经验、个性等实质性属性的分类[2]。情感性属性指媒体能够引起受众情绪性反应的属性，一般被分为正性、负性和中性[3]。Kim和McCombs对2002年德克萨斯州州长和美国参议院的选举分析认为新闻中以正面或负面报道的情感性属性被公众以类似的方式所感知[4]。

按照前期研究对属性议程的操作化，本研究也将雾霾议题中的属性议程分为实质性属性和情感性属性两个维度，考察其在媒体议程和网民议程中分别如何呈现。媒体议程中的实质性属性指媒体构建的雾霾议题下不同主题的特性，情感性属性指媒体对该议题下不同主题进行报道时所持的情感态度。而网民议程中的实质性属性指网民讨论中呈现的关于雾霾议题的不同主题特性，情感性属性指网民所表达的对雾霾议题不同主题的情感态度。

研究问题1：雾霾议题中媒体微博的属性议程是如何呈现的？

研究问题2：雾霾议题中网民评论的属性议程是如何呈现的？

1.2  新媒体环境中的属性议程设置效应

以互联网为主体的新媒体语境，将媒介议程设置引入更为复杂多变的媒介环境，这也为议程设置研究带来新的挑战，新媒体语境下，之前研究所验证的媒体属性议程对公众属性议程的影响效果是否依然存在？一方面，一些研究发现新媒体时代媒体属性议程仍然会影响受众属性议程。Matthes探讨新的导向需求（NFO）在属性议程设置中的作用时证明了属性议程设置效果的存在[5]。Kim等研究发现媒体报道商业公司属性的重要性排序与在线消费者心目中的排序存在积极联系[6]。另一方面，也有研究表明网络环境中媒体属性议程对公众属性议程的影响甚微。Ceron等通过人们在推特上对意大利公共资金的改革以及紧缩的讨论研究发现在情感属性议程设置方面，媒体的情感属性议程与公众的情感属性议程存在明显的差异性[7]。张雯和余红通过分析2014年人民网涉腐新闻以及与其对应的网民在线评论证明媒体的属性议程对网民的属性议程影响有限，网民既有认知对议程设置效果有调节作用[8]。

在前期的研究基础上，本研究也相应探讨雾霾议题的微博传播中媒体属性议程对网民属性议程的建构效应：

研究问题3：雾霾议题中媒体微博的属性议程对网民评论的属性议程是否具有显著的设置效应？

2  研究设计

2.1  样本抽取与语料准备

研究以“霧霾”为关键词抽取新浪微博2015年1月至2017年7月期间评论量超过1 000的媒体微博主贴142条，在抽取过程中将广告等噪音微博主贴剔除，最终确定118条目标主贴。之后运用Gooseeker抓取118条微博主贴所对应的321 108条微博评论，对重复评论、广告评论、表情评论以及@和转发微博的评论内容进行去重和清洗，最后获得92 657条微博评论。

2.2  类目确定

依据计算机分词、LDA主题模型分析，加之人工梳理，本研究将媒体微博和网民评论议程的实质性属性分为4类一级主题：雾霾成因、雾霾影响、雾霾防治、其他。其中，雾霾成因包含工业排放、农业排放、交通工具尾气排放、生活废气排放4类二级主题;雾霾影响包括对天气、交通、健康、教育、地域关系和其他方面影响6类二级主题;雾霾防治包含政府防护和治理、组织防护和治理和个人防护和治理3类二级主题。同时增加“其他”项作为未能归入上述主题的议程类目。由此本研究采用的雾霾议程实质性属性类目由4类一级主题及其下的14类二级主题组成。此外，将媒体微博和网民评论议程的情感性属性分为正向、负向和中立。

2.3  人工标注与机器学习

2.3.1  人工标注

针对媒体微博主贴的标注，由两位编码员按照分析类目分别对118条微博主贴进行属性编码。编码员之间的信度检验结果为0.746，信度较高。

针对微博评论，我们从92 657条评论中随机抽取6 000条进行人工标注。第一轮由6位编码员对评论进行属性标注，每位编码员随机标注1 000条。第二轮采用不重复抽样，由6位编码员对6 000条评论再次进行标注，平均每人标注1 000条评论，从而保证每条评论被不同的两位编码员标注。第三轮标注针对第一轮和第二轮标注结果不同的评论，由第三方编码员进行标注，若该编码员的标注结果与前两位编码员中任意一方的标注结果相同，则确定为此评论的最终标注结果。若三轮标注结果均不相同，则由专家组和编码组成员投票决定最终标注结果。

2.3.2  机器学习

本研究采用有监督的机器学习方法对微博评论进行实质性和情感性属性分析。首先将人工标注完成的6 000条评论分为训练集（80%）和测试集（20%），运用卷积神经网络技术对训练集进行建模。之后运用模型对作为测试集的评论进行属性归类，所得结果与人工标注结果进行比较，通过不断调整参数，将实质性属性归类的准确率提高至70.5%，情感性属性归类的准确率提高至75.1%，此准确率在计算机机器学习领域已属较高，由此确定最终模型。最后将未人工标注的微博评论通过最终模型进行属性归类，实现所有的微博评论实质性属性和情感性属性归类。

3  研究发现

3.1  雾霾议题中，媒体微博的属性议程在实质性属性上以雾霾影响最为显著，在情感性属性上以中立态度最为显著

在实质性属性方面，媒体微博议程更为突出雾霾影响，特别是对天气的影响（表1）。我们认为这与媒体的价值取舍相关，对天气状况的预警是在短期报道链中媒体较容易把握的新闻价值。更有趣的发现是地域关系成为雾霾影响主题下较为显著的媒体议程。雾霾的发生存在区域性，该特质无形中将地区割裂成受灾区和无灾区，但雾霾的辐射范围又是未知的[9]，导致两者存在利益矛盾，由此引发地域关系的报道。在其他实质性属性中，我们发现媒体微博议程更侧重雾霾防治中的政府雾霾防治和雾霾成因中的工业排放。此前研究发现有关政府雾霾防治以及企业工业方面的报道相对不足[10]，而这两者在我们的研究中成为媒体议程的重要组成部分。推测原因为雾霾自2013年始才开始逐渐被关注，关注初期由于公众对雾霾本身知之不多，媒体微博以雾霾天气信息发布、科普答疑为主。随着公众对雾霾了解程度加深，媒体微博便更深层次讨论雾霾形成的原因以及政府雾霾防治。

情感性属性方面，媒体微博议程以中立态度为主，其次为负面态度，正向态度最少（表2）。在本研究中，媒体微博主要来自人民日报、央视新闻等主流媒体，可见这些媒体微博虽然在内容和形式方面有新媒体特性，但在新闻生产上依然要遵循新闻专业性，保持客观真实公正等原则。值得注意的是，媒体微博议程在雾霾影响中的负向态度显著高于其他实质性属性中的负向态度。环境污染、全球变暖等议题的负面影响本身带有否定的情感基调会影响媒体的报道倾向[11]。

3.2  雾霾议题中，网民评论议程在实质性属性上以雾霾影响最为显著，在情感性属性上以负面态度最为显著

相比媒体微博议程，网民评论议程在实质性属性上的分布更为集中，在一级主题上主要集中于雾霾影响和雾霾防治（表3）。在雾霾影响中，网民议程的实质性属性以天气影响为主，相较雾霾其他方面影响，天气对公众来说是最直观的体验，也是网民讨论最多的议题。在雾霾防治中，网民议程的实质性属性主要集中于政府雾霾防治。之前研究也发现政府雾霾治理是公众关注的关键词[12]，雾霾的频繁发生已经严重危害到人们的生产生活，其危害的严峻性促使雾霾治理成为雾霾议题下公众关注的另一个焦点，其中政府作为雾霾治理的主要责任主体被重点关注。

情感性属性上，网民评论议程在不同的实质性属性中表现出较高的一致性，负向态度最为突出，其次是中立态度，正向态度比例最低（表4）。雾霾引发的公众对生存环境的焦虑促使其通过网络表达对雾霾治理不力的不满，而情绪又极具感染性，在微博这类传播速度快、开放性强的媒介平台催化下，这些负面情绪便呈病毒式传染，占据网友对雾霾议题的情绪高地。

3.3  雾霾议题中，媒体微博议程对网民评论议程在实质性属性上具有显著的设置效应，但在情感性属性上并不显著

研究发现在一级主题上，媒体微博议程的实质性属性与网民评论议程的实质性属性的类别排序一致，在二级主题上，二者的秩次检验结果也显著相关（表5，表6）。這一发现再次证实在雾霾议题的微博传播中，议程设置效应在实质性属性上是显著存在的。我们认为这与网民的导向需求有关，导向需求指个人倾向于在新闻媒体中寻找有关问题的信息，当受众的相关性和不确定性都很高时，其导向需求也很高[5]。雾霾议题与公众利益相关性高，并且雾霾的环境风险具有“不确定性”与“知识依赖性”，它有赖于知识与媒介的呈现。因此在雾霾议题下公众更易于被媒体议程的实质性属性引导。

同时研究发现不同实质性属性下，媒体微博的情感性属性对网民评论的情感性属性均不具显著的设置效应。在雾霾成因、雾霾影响和雾霾防治三个实质性属性中，媒体微博议题都以中立态度为主，而网民议题则以负面态度为主，二者之间存在显著差异，甚至网民议题还显示出与媒体微博议题在态度上的冲突性（表7）。不同于在微博环境下依然受到新闻报道准则以及媒介伦理桎梏的媒体微博，网民在微博上对雾霾议题的对抗性解读是其作为话语弱势群体反叛精英阶层、创造意义和自我赋权的体现。传播方式的巨变，导致针对某一议题的网民负面情绪很容易快速扩散、感染，形成对媒体正面宣传的群体抵制。