基于算法推动的文化传播“破圈”机制研究——以B站“法国音乐剧”的传播为例

何 苑,张洪忠,苏世兰

(1.河北大学 新闻传播学院，河北 保定 071002；2.北京师范大学 新闻传播学院，北京 100875；3.陕西理工大学 数学与计算机科学学院，陕西 汉中 723001)

一、问题提出

当前，智能媒介平台已全面渗透到人们的生产生活中，算法逻辑正重塑着文化生产和传播的模式。莫尔特尼(L.Molteni)和欧丹匿尼(A.Ordanini)曾经提出，文化产品具有经验性、主观性、表征性和依赖性，即个体所处的社会环境会塑造并影响其文化品位和类型偏好的形成。(1)Molteni，L.，Ordanini，A.，“Consumption Patterns，Digital Technology and Music Downloading,”Long Range Planning，Vol.36，No.4，2003，pp.389-406.而智能媒介平台和算法的介入正颠覆着这种以“人”为主体的文化生产和传播生态。早在2013年，美国奈飞公司(Netflix)的连续剧《纸牌屋》一经播出，算法对文化生产的影响力便开始崭露头角：该剧通过对海量用户的行为和反馈信息进行计算，创新了内容的生产模式，并打造出风靡全球的“现象级”文化产品。

在我国，用户生成内容(以下简称UGC)视频平台正凭借对算法技术和用户输出内容的整合表现出强大的文化生产能力和重塑能力。(2)李康化、姜姗：《机器学习与文化生产变革——基于AI技术发展视角》,《湘潭大学学报(哲学社会科学版)》2020年第1期，第74-79页。2019年以来，以二次元网络文化社区哔哩哔哩网站(即Bilibili，以下简称“B站”)为代表的UGC视频平台成为文化“破圈”传播的重要阵地。(3)侯迎忠、玉昌林：《2021年中国对外传播实践创新与未来展望》，《对外传播》2021年第12期，第13-17页。平台算法将海量用户转化为“共同行为者”，重新定义着文化内容的生成逻辑与类型划分标准。文化“破圈”现象成为近年来备受业界和学界关注的热点。但同时，既有研究主要侧重分析文化公司、媒体等权威创作主体为拓宽受众渠道而主动采取的“破圈”策略，少有研究关注特定文化在算法推动下被动突破原有类型边界、与其他文化产生交互与融合的“破圈”传播现象。

本研究尝试从实证研究的视角出发来回答以下问题：在UGC视频网站上，小众的“高雅”艺术内容如何在算法推动下实现跨类型的“破圈”传播？研究综合采用社会网络分析和质性文本语义分析方法，对“法国音乐剧”在B站上的229849个相关视频内容和文化特征共现网络进行了探索性研究,并在Axelrod文化传播模型的理论视角下，对算法推动下的文化被动“破圈”传播机制与原理进行解释。

二、文献综述

(一)备受关注的文化“破圈”传播现象

“破圈”传播(或“出圈”传播)的概念原本出自饭圈文化。2019年，B站与新华网联手举办跨年晚会并大获成功。此后，“破圈”的概念随即进入公众视野，成为一种备受关注的文化热点现象。(4)肖潇、曾一果：《“这是我们的世代”——媒介融合下B站跨年晚会的“文化出圈”》，《南方传媒研究》2020年第1期，第181-187页。(5)喻国明：《“破圈”：未来社会发展中至为关键的重大命题》，《新闻与写作》2021年第6期，第1页。

目前学界对文化“破圈”的概念存在几种不同的理解。第一种是指在初始语境中，二次元等亚文化形式在网络新媒介上突破原有圈层限制，逐步扩大活动范围并从小众走向大众的现象。(6)韩运荣、于印珠：《网络亚文化视野下的B站“破圈”之路——基于互动仪式链理论的研究》，《社会科学》2021年第4期，第181-192页。第二种是在媒体融合发展大趋势下产生的衍生涵义，指向传统媒体、主旋律影视作品、文化机构等主体采取的一种转型策略，即通过借用小众文化元素来拓宽受众渠道，提升自身在“非主流”文化群体中的亲和力与影响力。(7)陈慕祥：《党史题材电视节目〈世纪航程〉创作的“破圈”与“出圈”》，《当代电视》2022年第1期，第 58-62页。(8)冀爱洁：《媒体融合视域下传统文化“出圈”的创新路径——以〈醉成都〉为例》，《出版广角》2020年第17期，第54-56页。第三种则是在文化社会学的框架下，将“破圈”视为特定文化在传播过程中突破固有类型边界(cross-genre)，与其他文化类型产生互动、交融的现象。(9)Bidart,C.,“Les Jeunes et Leurs Petits Mondes.Relations，Cercles Sociaux，Nébuleuses,”Cahiers de la MRSH,No.5,1996，pp.57-76.本研究正是从第三种定义的角度切入的。

在我国，关注文化“破圈”和“出圈”现象的研究数量自2019年起呈显著上升趋势。现有研究中主要有两种不同的观照视角：一是在文化研究学派的理论框架下，通过具体的影视创作或媒介融合发展案例来探讨青年亚文化与主文化的风格抵抗、象征符码建构以及二者如何在新媒介语境下产生双向融合与意义反哺。(10)赵寰、侯清鹏：《融合与反哺：B站破圈的后喻文化解读》，《新闻与传播评论》2021年第6期，第45-53页。二是从“文化圈层”理论的视角出发，将“破圈”泛化地理解为一种“原本只出现在小众群体中的话题、形象或事件突破了原有边界，在其他群体成员中获得广泛关注和热议”的现象，(11)吕程、尹素伟：《 东京奥运会“破圈”传播探析》，《当代电视》2022年第2期，第80-83页。并在该语境下探讨文化主体间的“跨圈层”互动、心理认同和社群行为迁移。(12)崔凯：《破圈：粉丝群体爱国主义网络行动的扩散历程——基于对新浪微博“饭圈女孩出征”的探讨》，《国际新闻界》2020年第12期，第26-49页。这些研究所采取的多是一种“创作者本位”的视角，即侧重关注内容平台、影视制作方、媒体、文化机构等具有权威性的机构主体如何刻意插入小众文化元素来打造“差异化”的产品，以体现自身的文化包容度，并触达更广泛的受众人群。如在传统文化或主旋律内容的创作中“拼贴”一些“二次元”文化的话语风格、表现形式、角色形象(13)喻国明、滕文强：《发力情感价值：论虚拟偶像的“破圈”机制——基于可供性视角下的情感三层次理论分析》，《新闻与写作》2021年第4期，第63-67页。；或对经典影视作品、高雅艺术形式等进行“文化下沉”式的改编与类型调和，以拉近作品与普通受众群体的距离。(14)杨培伦：《破圈、建构、现实：中国悬疑涉案剧的发展与突破——以〈隐秘的角落〉为例》，《艺术评论》2022年第10期，第97-106页。(15)赵淑萍、吴昊、王悦儒：《话语共建与文化破圈：央视网络春晚的伴随文本研究》，《中国电视》2021年第7期，第77-82页。

值得注意的是，虽然现有文献均看到了这些文化“破圈”现象产生的新媒介语境，但关注的多为机构主体在内容创作层面的实践做法，对这些平台赖以生存的技术性因素鲜少提及。事实上，文化类型的形成和边界“僭越”并非网络时代才诞生的现象，而是早已有之。当下，算法等技术性构念(technical constructs)(16)Willson，M.,“Algorithms (and the) Everyday,”Information，Communication & Society，Vol.20，No.1，2017，pp.137-150.以及智能媒介规训下的新的文化消费惯习正深刻影响着人们对文化过程和类型差异的感知(17)Steglich，C.，Snijders，T.A.B.，West,P.,“Applying SIENA: An Illustrative Analysis of the Co-evolution of Adolescents’ Friendship Networks，Taste in Music and Alcohol Consumption,” Methodology: European Journal of Research Methods for the Behavioral and Social Science, Vol.2，No.1，2006，pp.48-56.，尤其在用户广泛参与的UGC内容平台上更是如此。但这种“技术改变文化”的视角在现有的文化“破圈”研究中却少有人关注。鉴于此，本研究主要从文化社会学的诠释视角出发，以B站平台为例，提出研究问题如下：

RQ1：UGC视频平台的算法如何推动文化内容产生跨类型的“破圈”传播？

(二)算法对文化生产和类型划分逻辑的重构

人工智能算法早已开始改变文化生产和类型建构的逻辑。基于算法的内容推荐系统往往在看似理性和中立的筛选、过滤、整合中影响着人们对文化共性与差异性的感知。(18)Baek,Y.M.，“Relationship between Cultural Distance and Cross-cultural Music Video Consumption on YouTube,” Social Science Computer Review，Vol.33，No.6，2015，pp.730-748.

在经典文化消费理论中，文化边界是“社会建构”的：人们因拥有相似的成长经历、生活环境、社会位置而产生共同的品味(taste)或偏好，并在这一习得性过程中捕捉文化类型差异(或相似性)的存在逻辑。(19)朱伟珏：《布迪厄“文化资本论”研究》，北京：经济日报出版社，2007年，第30-37页。而数字文化极大地消解了这一过程，将感性的艺术审美转化为一系列理性并且可以计算的指标。(20)Webster，J.,“Music On-demand: A Commentary on the Changing Relationship between Music Taste，Consumption and Class in the Streaming Age,”Big Data & Society，Vol.6，No.2，2019，pp.1-5.算法不仅促进了文化内容的流动，更按照一定的逻辑积极重塑着这些内容。可以说，在“平台化”的媒介上，文化产品的生产过程、类型划分标准和传播模式已经被算法、数据和计算机系统进行了“格式化”。(21)Nieborg，D.B.，Poell，T.“The Platformation of Cultural Production: Theorizing the Contingent Cultural Commodity,” New Media and Society，Vol.20，No.11，2018，pp.4275-4292.如美国奈飞公司在用户反馈和算法逻辑的驱动下，打造出前所未有的影视剧生产模式；(22)Hallinan，B.，Striphas.T.，“Recommended for You: the Netflix Prize and the Production of Algorithmic Culture,” New Media & Society，Vol.18，No.1，2014，pp.117-137.音乐内容平台通过算法整合用户行为、文化消费情境和类型标签等数据，并在此基础上塑造出不属于任何流派的“音乐类型”(crowd-generated music categories)和“歌单”；(23)Airoldi,M，Beraldo，D.，Gandini，A.，“Follow the Algorithm: An Exploratory Investigation of Music on YouTube,” Poetics，Vol.57，2016，pp.1-13.(24)王亦高：《音乐传播的艺术抽象性及其逆转：音乐社交化的视角》，《现代传播(中国传媒大学学报)》2021年第7期，第118-123页。嘻哈音乐在算法审查机制的“驱赶”下发生了类型迁移，与“摇滚”“流行乐”“民谣”等形式产生特征重叠。(25)Nie，K.,“Disperse and Preserve the Perverse: Computing How Hip-pop Censorship Changed Popular Music Genres in China,”Poetics，Vol.89，2021,101590.然而，正如莫里斯(J.W.Morris)所言，算法眼中的文化内容(歌曲、电影、书籍等)并不是一个具备艺术审美意义的完整作品，而是一系列“碎片化”(fragment)的数据集合：计算机系统通过识别这些碎片中的可见“特征”来将其分门别类(classification)地管理，再按照一定的计算逻辑将它们“重新打包”(repackaging)成新的产品。(26)Morris，J.W.，“Curation by Code: Infomediaries and the Data Mining of Taste,” European Journal of Cultural Studies, Vol.18，No.4-5，2015，pp.446-463.现有研究已证实算法推荐的“相似内容”会显著干预影响用户的内容消费路径，建构他们对文化类型的感知。(27)Zhou，R.，Khemmarat，K.，Gao，L.，“The Impact of YouTube Recommendation System on Video,” IMC’10，2010，pp.404-410.但在实践中，媒介平台使用的“顺畅性”往往容易让用户忽略算法时刻在“后台”运行的事实。一方面，网络内容在被创作者交付给平台后，要经过算法的分拣和处理才会呈现给用户；另一方面，算法又具备“调控阀”的功能，决定着什么内容可以在“前台”展示。(28)Shin，D.，Kee，K.F.，Shin，E.Y.,“Algorithm Awareness: Why User Awareness is Critical for Personal Privacy in the Adoption of Algorithmic Platforms?”International Journal of Information Management，Vol.65，2022，102494.例如有研究发现YouTube等主流视频平台算法主要应用基于特征标签与关键字的“相似性”(similarity)匹配原则来进行内容的分类和推荐，(29)Davidson，J.，Liebald，B.，Liu，J.,“The YouTube Video Recommendation System,”Proceedings of ACM Recommender Systems，2010，pp.293-296.(30)Cheng，X.，Dale，C.，Liu，J.,“Statistics and Social Network of YouTube Videos,”Quality of Service，IWQoS 2008 16th International Workshop，2008，pp.229-238.这既与“前数字时代”(pre-digital times)通过社会阶层和艺术品味来划分文化类型的方式(31)Airoldi，M.,“The Techno-social Reproduction of Taste Boundaries on Digital Platforms: The Case of Music on YouTube,”Poetics，Vol.89，2021,101563.存在显著差异，更不同于时下研究中关注的、文化主体借用小众文化元素来“制造”共性的“破圈”逻辑。

推荐算法在不同内容之间建立“相似性”关联的依据并非作品的内容或艺术内涵。而UGC平台用户在上传内容时往往会以文本标签等形式来表达自身对文化类型和特征的界定。传播动力学的理论观点也认为，“相似性”是促成个体(agent)在社会网络中产生互动和特征传递的重要原则。(32)Axelrod，R.,“The Dissemination of Culture: a Model with Local Convergence and Global Polarization,”Journal of Conflict Resolution，Vol.41，No.2，1997，pp.203-226.这些个体可以是个人、群体或不同的文化类型。(33)Xiao,X.H.，Ye,G.W.，Wang,B.，He，M.F.,“Cultural Dissemination in a Complex Network,”Physica A: Statistical Mechanics and its Applications，Vol.388，No.5，2009，pp.775-779.鉴于此，本研究以B站上的小众文化形式为例，提出研究问题如下：

RQ2：算法如何推动小众文化形式与其他文化类型产生“相似性”关联？

(三)法国音乐剧与B站：一种“高雅”舶来品的“破圈”传播

法国音乐剧是研究小众文化在算法平台上跨类型“破圈”传播的极佳案例。该艺术形式诞生于20世纪70年代，是一种深受唱片工业模式影响的歌舞表演剧。作为一种带有“法式高雅”标签的文化舶来品，早在2002年，音乐剧《巴黎圣母院》便已被上海大剧院引进，但彼时却因大众不了解、票价高昂和语言障碍等原因导致票房惨淡。随着互联网技术的飞速发展，法国音乐剧自2005年起登陆中国网络论坛，并开创出一条“先网后演”的成功发展路径。从博客、贴吧、种子资源网站(如BT天堂、电驴eMule等)到UGC视频网站，不同时期的网络平台先后成为法国音乐剧在华传播的绝佳阵地。如《摇滚莫扎特》虽然2018年才正式来华公演，但该剧早在2015年时便已以“法扎”为名享誉B站，被粉丝誉为“有生之年之剧”。 2019年，曾经饱受冷遇的《巴黎圣母院》再次赴沪演出，创下了连演30场的记录，还发生了观众在演员返场时集体大合唱的盛况。(34)吴桐：《17年前遇冷，如今一票难求，〈巴黎圣母院〉见证上海音乐剧市场之变》，2019年7月20日，https://www.shobserver.com/news/detail?id=164621，2020年5月24日。当前，法国音乐剧在我国的消费群体以“网生代”群体为主，而B站则成为其最主要的传播阵地。

以法国音乐剧为例研究算法推动的文化“破圈”传播现象具有以下典型性和代表性：

首先，法国音乐剧在B站的传播模式突破了传统文化消费理论的解释框架。按照过去的观点，法国音乐剧在我国本应属于一种具有“区隔性”(distinction)的小众文化形式。法语在我国普通大众中的普及程度并不高，并且许多人会对法国文化带有一种“高雅浪漫”的固有印象。(35)郑嘉怿：《浅谈法语音乐剧制作特点——以〈摇滚莫扎特〉为例》，《戏剧文学》2019年第12期，第95-98页。一般而言，从事这种文化实践所需的专业化知识、趣味、感性和气质等“需要行动者花费大量的时间和精力才能完成积累”。(36)朱伟珏：《布迪厄“文化资本论”研究》，北京：经济日报出版社，2007年，第64页。因此在传统理论框架下，这种小众的外国艺术形式理应具备较高的“准入门槛”和极强的“圈层封闭性”特征。(37)Relish，M.，“It’s Not All Education: Network Measures as Sources of Cultural Competency,”Poetics，Vol.25，1997，pp.121-139.即使在网络平台上，其文化特征也应该表现出高度同质化的分布趋势，并且“孤立”于其他文化类型之外。但事实上，最近几年，法国音乐剧在中国却受到了众多“圈外人”的青睐。(38)景弋雯加：《法国音乐剧独具风格的文化特性——以〈摇滚莫扎特〉为例》，《新世纪剧坛》2020年第3期，第11-14页。在此背景下，算法在法国音乐剧的跨类型“破圈”传播中发挥的作用和影响机制值得探讨。

其次，法国音乐剧在B站上传播的数据环境相对较“干净”。虽然法国音乐剧在华主要采取的是“先网后演”的商业模式，并且表现出明显的青年亚文化特征，但该艺术形式整体上仍然比较小众，其传播的网络环境被水军、社交机器人乃至娱乐资本等因素侵染的程度较轻。因此，相较其他陷在“流量经济”中的文化形式而言，以法国音乐剧为例研究B站上的文化“破圈”传播现象可以获得一个相对“干净”的数据环境，也更能体现小众文化元素在算法构建的关系网络中跨类型传播的路径与模式。(39)O’Riordan，S.，Feller，J.，Nagle，T.，“The Impact of Social Network Sites on the Consumption of Cultural Goods,” In ECIS 2011 Proceedings, 2011，p.203.

鉴于此，提出研究问题如下：

RQ3：在算法推动下，法国音乐剧有关内容会与哪些文化类型产生交互与重叠？法国音乐剧的文化特征向其他文化类型的传播路径以及与不同类型的融合机制为何？

三、研究方法

本研究以B站上与“法国音乐剧”相关的视频内容为研究对象，以社会网络分析和质性的文本语义分析为研究方法。具体实施步骤如下：

(一)数据采集与处理

首先，以“法国音乐剧”“法语音乐剧”为关键词进行内容搜索和抓取。在去除无关内容和广告内容后，获得与搜索内容匹配的一级种子视频(seeding sample)891条。随后，参照布朗尼(Browne)的社会网络滚雪球方法，对每个一级种子视频右侧自动展示的“相似内容”进行抓取，获得二级种子视频，并重复同样的操作步骤直至获得三级种子视频。(40)Browne，K.，“Snowball Sampling: Using Social Networks to Research Non-heterosexual Women,” International Journal of Social Research Methodology，Vol.8，No.1，2005，pp.47-70.需要说明的是，虽然B站算法会给每个视频匹配40条相关内容，但只有前20条内容会直接展示在页面上，第21—40条的内容是默认被折叠隐藏起来的。因此，在采集二级和三级种子视频数据时，研究者仅抓取了页面上直接展示的20条内容。在对所获数据进行二次去噪(如筛除广告、失效链接等)后，最终得到229849条视频的有关信息，包括视频标题、网址(url)、标签(tag)等，这些视频的发布时间最长跨度为10年(2010—2021年)。为保护视频上传者的个人信息安全和隐私，研究者对用户名称等内容进行了脱敏处理。

(二)基于标签共现情况的社会网络分析

视频标签是UGC平台用户在上传视频时普遍使用的一种自定义信息标引方式，可以起到标识视频背景信息、内容主题的作用，同时体现出UP主(上传者)对视频的审美评价、风格感知、类型界定和情感表达等。(41)Airoldi,M.，Beraldo，D.，Gandini，A.,“Follow the Algorithm: An Exploratory Investigation of Music on YouTube,”Poetics，Vol.57，2016，pp.1-13.更重要的是，由于算法无法和人类一样通过观看来对一个“作品”建立感性认知，文本标签就成为算法“了解”视频作品、对其进行分类管理和关联内容推荐的重要依据。

B站上的视频标签不但可以提升用户的观看体验，还可以促进他们之间的社会化交流，并对社群内部成员形成 “社会验证”的心理示范效应。(42)杨玉宇、张鹏翼：《视频社会化标引与标引娱乐化研究——以哔哩哔哩弹幕网为例》，《图书情报工作》2020年第8期，第125-133页。同时，算法要通过这些用户定义的描述内容和特征标签来“识别”视频表达的主题、所属文化类型与特点，以便进行分类和相似内容推荐。在此背景下，标签可以提升平台系统对视频内容的感知准度和算法推荐精度，故而是一种能够体现视频文化类型和特征属性的有效特征向量。(43)吴剑云、胥明珠：《基于用户画像和视频兴趣标签的个性化推荐》，《情报科学》2021年第1期，第128-134页。

鉴于此，本研究将视频标签操作化定义为UP主赋予视频内容的文化特征值(cultural traits)，以标签为节点，不同标签在视频中的共现关系为边进行社会网络分析。借助网络分析软件Gephi(0.9.2版本)的Yifan Hu布局生成社会网络结构图。Yifan Hu布局是一种改进的力引导向布局，适用于较大的图形。鉴于研究关注的重点在于算法推动不同文化特征形成群簇(cluster)以及期间产生跨类型聚合的逻辑(而非网络结构本身)，故选择构建无向图(undirected graphs)以简化分析。在正式分析之前，对范畴过于宽泛、无明确指向的标签内容(如vlog、MV、高清、bilibili、UP主名称等)进行了筛除。随后，根据边的权重进行聚类(权重值范围0-2000，平均加权度5.43，模块化值16.302，模块化指数0.745)，最终获得了一个由11个主要群簇构成的无向图。图形保留了各群簇内占比大于2%的节点，包含55485个节点和102373条边。每个节点代表一个独立的视频标签(文化特征值)，边代表两个独立标签之间存在共现关系。在整体标签数量超过30000个的情况下，该结果体现了较高的拟合水平。(44)van Meeteren，M.，Poorthuis，A.，Dugundi，E.，“Mapping Communities in Large Virtual Social Networks,” Proceedings of the IEEE Workshop on Business Applications of Social Network, 2020，pp.1-8.但由于本阶段社会网络分析的聚类原则为标签之间的共现情况，因此这一结果仅能够区分出群簇，而无法体现各个群所代表的主题。

(三)质性文本语义分析与特征传播路径建构

为更好地了解不同群簇包含的主题及其携带文化特征的传播路径，研究者对各群的视频标签和标题进行了质性的文本分析和同义聚类。由于B站的视频标签是UP主在上传内容时自定义生成的，存在较多缩写、简写、戏称、俚语或亚文化语言等非结构化内容。因此在这一过程中，研究者首先对此类文本进行了结构化处理，并对标签(特征值)内容进行质性的人工编码和归纳：其中大的分类代表群簇中包含的文化特征类型(cultural feature)，具体的标签则代表构成某一特征类型之下的文化特征值(cultural traits)。如“美国队长”“美队”“钢铁侠”均为美剧中的超级英雄，则“超级英雄”为一个特征类型，“美国队长”是该类型包含的具体特征值；同理，“英美音乐剧”为一个特征类型，“妈妈咪呀”“汉密尔顿”“猫”等为该类型下的具体特征值。

之后，研究者参照第二步生成的社会网络分析图和不同群簇中的标签共现情况，绘制出11个群簇文化特征的内外连通结构图，以呈现算法在核心群(法国音乐剧)文化特征与其他群之间建立关联的逻辑、具体传播路径以及关键性节点等的情况。

四、研究发现

(一)算法推动“法国音乐剧”相关内容向不同特征类型群簇扩散

图1 为根据视频标签共现情况拟合出的社会网络分析结果。图中以不同颜色渲染的方式对聚类得出的特征类型群簇加以区分。如图可见有11个主要群簇，不同群簇之间并非相互独立，而是存在一定的特征重叠(overlap)。由于图形的拟合是基于边的权重得出的，因此仅凭这一分析结果，尚不足以体现各群簇包含的文化特征类型，以及它们之间的逻辑关联。

图1 “法语音乐剧”相关内容在B站上的标签共现关系网络

(二)算法关联推动跨类型的文化特征传播与汇聚

为体现“核心群”文化特征在算法推动下向外部扩散的路径，以及这些内容与其他特征群簇之间的逻辑关联，(45)Voget，F.W.，A History of Ethnology，New York: Reinhart & Winston，1975，p.42.(46)Clifford Geertz.，The Interpretation of Cultures，New York: Basic Books，1973，p.13.研究对各群包含的主要标签文本进行了结构化处理和同义聚类。随后，对每个群内高频出现的标签内容进行主题归纳，将占比最高的内容主题作为群簇的命名依据，这一名称也代表了每个群簇包含的主要文化类型(如“欧美影视剧文化”)。在每个文化类型下，又包含若干个特征类型(如“法国音乐剧作品”“百老汇音乐剧作品”“欧美影视剧作品”“韩国明星偶像”“日本动漫作品”等)。

由表1所示的结果可见：

1.算法在对“法国音乐剧”相关视频进行“相似内容”推荐的同时，也建立了其文化特征与其他文化类型之间的关联。但这种“共性”并非建立在对作品艺术风格的感知上，而是UGC用户生成的标签文本。由表1可见，不同群簇之间存在明显的文化类型特征重叠与交互痕迹。虽然各群的主题标签内容以及群内被推荐最多次的视频均与“法国音乐剧”或“音乐剧”有关，但是后者的内容却并不一定与所属群代表的文化类型相关。这体现出在平台算法的关联逻辑之下，不同群簇内、外均发生了文化特征的交互与融合，推动着不同类型之间产生交叠。可见，算法并不是基于视频的文化艺术风格相似性来建立这种关联的，而是根据每个文件代码中携带的“显性”特征(文本)，这些特征埋藏在每一位UP主自定义的视频描述和标签中，是他们根据自身对文化的理解来进行描述和“界定”的。这是一种经过计算产生的“理性”结果，与传统文化研究理论中基于文化风格形成类型融合(或边界)的认知有所不同，(47)Lewis，K.，Gonzalez，M.，Kaufman，J.，“Social Selection and Peer Influence in an Online Social Network,” PNAS, Vol.109，No.1，2012，pp.68-72.也对现有研究中关注的、借用小众元素进行创作的主动“破圈”做法形成了补充。

表1 次级网络社群包含的文化类型标签与主题

2.在算法推动“核心群”文化特征向外扩散的过程中，产生了跨越类型的“文化汇聚”(cultural convergence)趋势。在社会网络分析生成的11个群簇中，第1群为搜索关键词“法国经典音乐剧” 的直接关联结果，可以看做是文化传播网络的“核心群”。随后，由标签主题分析的结果可知，从“核心群”到不同外部群簇之间的类型差异有所不同。即外部群簇包含的主题和文化特征类型均在“核心群”内容基础上发生了明显的语义“偏移”(diversion)。具体来看，第2群(英美经典音乐剧)和第3群(中国戏剧表演艺术)与“核心群”的文化类型较为相近，但两个群指向的是同一艺术形式(音乐剧)的不同文化属地(cultural milieu)。(48)Webb，P.，Exploring the Networked Worlds of Popular Music, London & New York：Routledge，2007，p.43.剩余的8个群簇虽然也与“核心群”之间存在关联，但它们之间的文化类型差异却更加明显(尤其是第6组、第8组、第10组和第11组)。(49)Axelrod，R.，“The Dissemination of Culture: a Model with Local Convergence and Global Polarization,” Journal of Conflict Resolution，Vol.41，No.2，1997，pp.203-226.

3.现有群簇之间存在不同程度的特征重叠，后续仍可能产生新的交互与文化类型融合。综合比较图1和表1可见，与“法国音乐剧”相关的特征类型标签散布在各群簇中。这些外部群簇尚未发展为彼此间相互“孤立”的状态，而是在拥有少量共性特征的基础上形成了一种“弱连接”的网络关系。研究证实，这种关系结构有助于特征值向更多的异质性群簇和更远的距离传递。(50)Schultz，J.，Breiger，R.L.“The Strength of Weak Culture,”Poetics，Vol.38，No.6，2010，pp.610-624.(51)Keijze，M.A.，Mäs，M.，“The Strength of Weak Bots,” Online Social Networks and Media，Vol.21，2021，100106.在这个网络结构中，新的文化类型交互已经在“核心群”之外产生，并仍有可能继续发展。在这种状态下，群簇内外的类型特征均存在继续交互的可能，因为彼此间的相似性程度尚未完全一致，故而可以继续吸纳相邻类型所拥有的其他特征值。在整体网络收敛未达到饱和状态的情况下，“核心群”的特征在后续发展中甚至可能进一步与新的文化类型产生关联。

(三)算法推动文化“破圈”的传播路径及“破圈”融合

为进一步了解不同特征类型在整体网络中的传播路径，以及“核心群”文化特征向其他文化类型跨界的“破圈”原理，研究根据各群中出现的视频标签类型(文化特征类型)共现情况绘制了关联网络图。在过滤掉各群内占比小于1%的特征类型后，得出图2所示的网络结构(无向图)。图中的节点为标签的类型，连边体现了不同标签类型之间的关联。

图2 不同群簇间的文化特征类型传播路径

图2清晰呈现出不同文化类型群簇之间拥有的共性特征，以及算法在不同群簇之间建立关联的逻辑和关键性节点。基于此，可以总结出如下发现：

1.一个小众文化跨类型传播的过程。在图2中，网络的中心是一个强连通结构，即主题为“法国经典音乐剧”的第1群，该群内占比最高的特征类型分别是“经典剧目”“经典法语曲目”“历史人文背景”和“法国文学作品”。群内任意两个节点之间均存在连通，是整体网络中文化特征传播和扩散的起点。在平台算法的推荐关联下，该群中的个体与具备相同特征(标签)的近邻产生互动，同时吸纳新的特征，由此向周边其他文化类型延伸。

2.两类跨类型传播的关键节点。第一类是具有普适性价值的“硬核”(hardcore)文化内容。如第1群的“历史人文背景”拥有最多条外部连边(5条)，直接将第2群、第4群、第8群、第9群和第10群联系起来；第2群的“英美经典音乐剧作品”(4条外部连边)在将自身与“法国文学作品”绑定的同时，也与第3群、第4群和第9群建立了联系。这体现出了普适性内容在文化跨类型传播中的重要性：它们往往可以将多样化、异质性的元素联系到一起。第二类是能够充当“文化传播纽带”的中介人物或事件。如第8群的“对外交流纽带”(包含外国人、外交、留学、一带一路、丝绸之路等具体标签)，虽然在群内的整体占比最少(1.1%)，却将“法国音乐剧”和“中国城市形象与风土人文”两个完全无关的内容联系到了一起，体现出算法逻辑上的“最小共性”原则，即在至少存在一个共同特征的情况下，相邻的文化单位之间便可以进行交互和融合。

3.三条相对“孤立”的群内路径。从网络结构图可见，大多数群簇的外部连通路径均较为丰富(群内至少有2个或以上的节点拥有外部连接)，即在这些群内，总能在间隔不超过2步距离的节点上产生外部关联(如处在“经典英美音乐剧作品”和“欧美明星、歌手、演员”之间的节点“欧美影视剧”拥有3条指向外部的连接)。但是从“核心群”出发到第3群、第6群和第8群的过程中，却出现了三条相对“孤立”的路径，即相邻的两个节点皆不具备群外联系(如“中国戏剧、音乐剧、话剧演员—中国音乐剧、戏剧、话剧作品”“德语音乐剧—韩国音乐剧”“二次创作—音乐挑战—翻弹”等)。在此基础上，如果不同群簇的文化特征继续进行交互，则某一群内的文化特征相似性会进一步增加。此时，如果该群无法在互动的过程中从其他群吸纳新的异质性特征，则很可能会逐步收敛为高度同质化且封闭的小圈层文化类型。

4.四种意料之外的“破圈”融合。在算法推动“法国音乐剧”相关特征向外扩散的过程中，“核心群”特征与不同文化属地的音乐剧、影视文化、明星以及音乐创作等产生关联均可以用常理解释。令人意外的是，在整体网络中却“裂变”出了四个跨度较大的文化类型群簇，即指向“日本动漫与花样滑冰竞技”“游戏电竞视频混剪与攻略”“洛丽塔(Lolita)与萌文化”和“中国城市形象与风土人文”的内容。通过对图2中的路径进行分析可见，这四个群衍生的逻辑在于不同文化类型均借用了法国音乐剧的“经典法语曲目”和“历史人文背景”两大特征元素。这与伯明翰学派解释亚文化形成时提及的“风格拼贴”(bricolage)既有异曲同工之处(52)胡疆锋编：《伯明翰学派青年亚文化理论研究》，北京：中国社会科学出版社，2012年，第30页。，又存在明显差异：相同之处在于主动借用了源自其他文化类型的独特风格元素，不同之处则在于，在花样滑冰运动和游戏电竞视频中使用不同风格配乐是人们惯常使用的“组合搭配”；而历史文化、复古风格与对外交流活动之间也往往是一脉相承的。但上述两种关系并不属于亚文化对主流文化元素的“怪诞组合”或 “颠覆对抗”范畴。这种由算法和用户生成内容(文本标签)共同促成的“破圈”融合又与现有研究中关注的、为了触达更多受众而强行制造差异(或共性)的“迎合式”实践做法存在明显的区别。(53)刘明洋、李薇薇：《“出圈”何以发生？——基于圈层社会属性的研究》，《新闻与写作》2021年第6期，第5-13页。从这些意外的组合结果中，也体现出算法理性与文艺实践之间存在的原生性矛盾：文化未必要成定势，而算法必须输出结果。(54)Gillespie，T.，Boczkowski，P.，“The Relevance of Algorithms,”In Gillespie，P.J.Boczkowski，& Foot，K.A. (Eds.)，Media Technologies: Essay on Communication，Materiality，and Society，Cambridge: MIT Press，2014，pp.167.

五、结论与讨论

本研究以B站上的“法国音乐剧”的相关内容为例，探讨了算法推动文化跨类型“破圈”传播的原理和机制。研究发现，算法逻辑推动了小众的“高雅”艺术形式向B站上的欧美经典影视剧、日本动漫与花样滑冰竞技、游戏电竞、中国影视文化与偶像明星、韩国流行文化、中国城市形象、音乐炫技等不同文化类型群簇扩散。但这种算法介入下的“破圈”传播机制并非建立在对艺术类型的感性认知上，而是基于对视频标签的文本语义关联。在这一过程中，用户生成的文本标签直接影响着算法对视频所属文化类型的认知和划分标准，而算法对“相似性”内容的关联和推荐机制又推动了核心文化特征向其他文化类型的扩散，形成了小众文化形式“破圈”传播的现象。

从传播动力学的角度来看，一种文化可以在社会网络结构中进行跨区域的特征传递，并与其他异质性的文化类型产生交互与融合。(55)Voget，F.W.，A History of Ethnology，New York: Reinhart & Winston，1975，p.42.(56)Geertz，C.，The Interpretation of Cultures, New York: Basic Books，1973，p.13.这种观点与文化社会学对“算法文化”的诠释有着不谋而合之处。

Axelrod文化传播模型(Cultural Dissemination Model)曾模拟出不同文化在社会网络中传播与扩散的动力学机制。(57)Axelrod，R.，“The Dissemination of Culture: a Model with Local Convergence and Global Polarization,” Journal of Conflict Resolution, Vol.41，No.2，1997，pp.203-226.该模型假定不同文化个体(agent)处在规则的晶格网络结构(lattice)中，并倾向跟那些与自己相似(即至少拥有一个相同文化特征)的邻居进行互动。这些个体可以是个人、社群或文化类型。(58)Dinkelberg，A.，MacCarron，P.，Maher，P.J.，Quayle，M.，“Homophily Dynamics Outweigh Network Topology in an Extended Axelrod’s Cultural Dissemination Model,” Physica A, Vol.578，2021，126086.(59)Xiao，X.H.，Ye，G.W.，Wang，B.，& He，M.F.,“Cultural Dissemination in a Complex Network，”Physica A, Vol.388，No.5，2009，pp.775-779.在传播过程中，个体会随机从邻居处获得一个自身原本没有的文化特征，使自己与周围邻居变得更加相似。这种特征的传递既可以发生在相同群簇内，也可以跨群进行。基于这一原理，社会网络中的个体可以拥有数量庞大的“邻居”，它们彼此间既拥有一定共性，又并非全然相同。在此情况下，经过一定时间的模型演化后，就会形成不同文化的跨界融合现象。在模型演化中，如果相邻个体在经过多轮文化特征交换后变得完全相同，则交互停止。由于各群簇包含的特征类型和具体特征值各不相同，因此在相同的互动次数下形成的文化群簇大小也不尽相同。

从理论上看，本次研究中的部分发现可以在Axelrod文化传播模型视角下得到解释，如小众文化特征在文本“相似性”原则驱动下产生的群内和跨群传播、社会关系网络中新的文化类型卷入以及个别群内部的特征趋同倾向等。(60)Axelrod，R.,“The Dissemination of Culture: a Model with Local Convergence and Global Polarization,” Journal of Conflict Resolution, Vol.41，No.2，1997，pp.203-226.(61)Dinkelberg，A.，MacCarron，P.，Maher，P.J.，Quayle，M.，“Homophily Dynamics Outweigh Network Topology in an Extended Axelrod’s Cultural Dissemination Model,” Physica A，Vol.578，2021，126086.

除此之外，研究还获得了几点批判性的启示：

一是算法逻辑下文化跨类型传播具有最远可达距离限制。从本次研究结果可以发现，在聚类产生的11个文化类型群簇中，虽然第7组(音乐炫技与二次创作，11641个 节点)和第8组(中国城市形象与风土人文，10237个节点)拥有的节点数量最多，但它们内部的特征传递路径却是最短的，即在到达某个“顶点”后不再产生外部连接。对于这种现象，Axelrod文化传播模型给出的解释是：“当特征类型较少但类型下的特征值较多时，两个邻居间可以产生共性交互的几率也相对较少，进而导致互动的次数变少，最终导致形成孤立的文化圈层。”(62)Axelrod，R.,“The Dissemination of Culture: a Model with Local Convergence and Global Polarization,” Journal of Conflict Resolution，Vol.41，No.2,1997，pp.203-226.换言之，虽然在同一群内存在极高的相似度，并且可供群内成员交流互换的特征值也非常丰富，但是随着群内整体同质性的增加，其与外部群簇的异质性也越来越大。一旦该群的个体变得与群外“他者”完全不同，那么群与群之间产生交互的可能性也将被完全切断，形成彼此隔绝的局面——这也是在文化传播中尤其需要警惕的现象。这种基于算法逻辑推导出的原理对现实环境中的文化传播实践同样具有指导性。在常见的文化传播和交流中，人们往往更加重视对自身“特色元素”的输出，而常常忽略如何与外部群体维系“共性”的联系。(63)宋鸿畅、崔馨月：《新时代中国特色文化输出与经济发展的关系研究》，《文化学刊》2019年第6期，第15-18页。(64)陈志强：《地方出版社版权输出策略与地域特色文化传播刍议》，《科技与出版》2016年第7期，第107-109页。当下社会，网络媒介和智能算法平台已经成为文化内容传播的主阵地，我们也应与时俱进，转变思想，充分重视并认识到算法、代码等技术性因素的作用逻辑。(65)Willson，M.，“Algorithms (and the) Everyday,” Information，Communication & Society, Vol.20，No.1，2017，pp.137-150.

二是现实社会中的文化类型形成和演化过程远比理论推演的情况复杂。在文化传播模型理论中，研究者使用了模拟仿真的方式来推演文化扩散的模式和路径，在很短的时间内就完成了从核心特征扩散、新社群生成、跨群融合到模型饱和的步骤。但由本次研究的结果可见，真实世界中的文化类型生成和演变过程更加缓慢而复杂。虽然研究抓取的数据在发布时间上跨越了近十年，但是生成的网络结构仍未达到理论模型中提出的最终饱和状态：即不同群簇之间仍然存在特征重叠，并未形成多个相互孤立的极化社群。正如迪马吉奥(P.D.DiMaggio)所言，文化类型(边界)的形成并不是固化和静态的，而是具有历史性、情境性、流动性和参与性痕迹。(66)DiMaggio,P.D.，“Classification of Art,” American Sociological Review，Vol.52，No.4，1987，pp.440-455.人们可以基于这些文化特征的共享实践推导出背后潜藏的“文化图式”(cultural graph)，(67)Valori，L.，Picciolo，F.，Allansdottir，A.，Garlaschelli，D.，“Reconciling Long-term Cultural Diversity and Short-term Collective Social Behavior,” Proceedings of the National Academy of Sciences of the United States of America，Vol.109，No.4，2012，pp.1068-1073.但在现实社会环境下，这一图式可能需要经历一个相当漫长的过程才能显现出来，且无法像在实验室仿真条件下一样很快地模拟出结果。同时，从文化特征的跨类型融合到最终形成小众孤立类型的极化发展趋势也并非文化传播者所乐见的局面。因此，未来一方面应当从研究层面持续关注现实情境中的文化类型演化情况，另一方面也应在文化实践中兼顾对共性特征的维系和对异质性元素的引入。

三是文本内容对平台算法具有愚弄性和操纵性。研究得出的网络关系图中有一条令人“匪夷所思”的传播路径：从“英美经典音乐剧作品”到“二次元萌文化”。其中，“英美经典音乐剧作品”中包含的是具体的剧作名称(如“罗密欧与朱丽叶”“汉密尔顿”“猫”“吉屋出租”“妈妈咪呀”“歌剧院魅影”等)，而“二次元萌文化”中除了包含“萌元素”的标签(如“Lolita”“萌娘”“萌萌哒”“萌物”“萌妹子”等)外，还出现了大量有关宠物的内容(“橘猫”“吸猫”“喵星人”“哈士奇”“狗狗”等)，这些内容在群内占比高达5.34%。研究者在对这两大群簇进行更加深入的解析后，方才找到二者之间的关联逻辑：由于平台算法无法从文本层面区分著名百老汇音乐剧《猫》和真实的宠物“猫”之间的关系，因此在推荐相关内容时依然遵循“文本相似性”(均含有“猫”的字眼)的原则，以至于产生了令人啼笑皆非的关联结果。正如罗步吉(J.Roberge)和梅朗松(L.Melançon)所言：“算法在多大程度上建构了意义，就可能在多大程度上被意义反向形塑。”(68)Robers，J.，Melançon，L.，“Being the King Kong of Algorithmic Culture is a Tough Job After All: Google’s Regimes of Justification and the Meanings of Glass,” Convergence，Vol.23，No.3，2017，pp.306-324.在本研究中，B站的推荐算法正是在这种文字符号的无差别表征机制引导下，错误地将两个无论从内涵、文化渊源或表现形式上均无瓜葛的内容强行绑定在了一起，从而在无形中以计算逻辑“篡改”了传统意义上的文化类型边界。在人们已经习惯并越来越依赖算法去选择、消费和评价文化产品的当下，类似的“文化改道”现象可能每时每刻都在悄无声息地发生，而大多数人在使用媒介平台时却对此“浑然不觉”，甚至欣然接受着智能计算带来的便利，乐于坐享“算法黑箱”为用户个性化定制的文化产品。这种发生在人类无意识状态下的、以“机器”逻辑篡改文化生成逻辑和传播路径的“破圈”现象恰恰是值得反思和警惕的。智能算法在对人类的认知努力进行“减负”的同时，也可能大大削弱着人类谱写、传承和传播自身文化的主动权。对此，在未来的文化产业发展中，既要积极拥抱技术变革，促进公民媒介使用能力的提升，也应重视对公民进行“算法意识”(Algorithm awareness)(69)Shin，D.，Kee，K.F.，Shin，E.Y.,“Algorithm Awareness: Why User Awareness is Critical for Personal Privacy in the Adoption of Algorithmic Platforms?” International Journal of Information Management，Vol.65，2022，102494.和批判意识的教育。