在线教育平台UP主传播影响力评价研究——以B站考研英语UP主为例

陈勇跃，竺 光

在线教育平台UP主传播影响力评价研究——以B站考研英语UP主为例

陈勇跃，竺 光

（武汉纺织大学 管理学院，湖北 武汉 430200）

为了帮助用户选取优质的学习资源，以及向UP主提供根据用户的需求设计和创造出用户喜爱的优质资源的方法，本文将在信息传播学理论及在线信息传播影响因素研究基础上，根据在线教育平台上的信息特征描述，从5个维度，选取了15个在线信息特征描述指标，并采用网络分析法构建了UP主传播影响力评价模型。最后以B站考研英语UP主为例，分析了UP主的传播影响力，并与BVCI评价结果进行了比较分析，分析了两种评价机制的异同及UP主传播影响力评价模型的优势。

在线教育平台；UP主；传播影响力；网络分析法；B站

随着信息技术与教育的深度融合，在线教育快速兴起。以慕课、网易公开课、Youtube、哔哩哔哩等为代表的在线视频网站，成为网络用户在线学习的重要渠道[1]。

在线学习平台上，学习用户能够根据自己个性化特征，如需求、时间、沟通方式等，自由的选择优质的学习资源，来实现自我的学习目标[2]。其优势导致网上的在线教育资源和UP主数量与日激增[3, 4]，而用户怎样选取优质的学习资源和具有影响力的UP主，以及UP主怎样根据用户的需求设计和创造出用户喜爱的优质资源，成为了在线教育的迫切需求。

传播影响力是指传播主体在传播信息的过程中对传播对象以及其传播环境所造成的实际影响效果，能在很大程度上对学习资源和UP主进行有效评价[5]。目前，已有少量文献对UP主传播影响力做了一些探索研究，如：南力瑛（2020年）基于信息传播学理论对某个行业或者行业权威UP主的信息传播规律进行案例研究[6]；沈士华和王晨（2015年）通过结合各行业特点依照相应原则确定具有行业特色的评价指标来确定传播影响力[7]。本研究并以B站考研英语UP主为例，对UP主的传播影响力进行分析研究。

1 UP主传播影响力评价指标维度确定

1.1 UP主传播影响力评价信息维度的选取

UP主的信息传播属于网络信息传播模式[8]，传播过程如图1所示，其传播者属性、传播媒介、传播内容、受传者属性和传播效果有其自身独特性。由于其本身属性较为稳定，因此传播环境等因素对传播过程无明显影响[9]。

图1 信息传播过程

按照信息传播过程，结合在线教育平台上的信息特征描述，遵循评价指标确定的基本原则[10, 11]，从传播者属性、传播媒介、传播内容、受传者属性和传播效果5个维度，选取了15个在线信息特征描述二级指标（如图2所示）。

图2 基于信息传播过程的UP主影响力评价指标维度设计图

1.1.1 传播者属性

传播知识的UP主应具有可靠性和权威性，其发布的信息才能让用户信任，从而对影响力产生一定的影响。因此可以从官方认证、信息完整性、创办时长来评价其影响力。

（1）官方认证：指UP主账号是否经过在线学习平台的认证。通过认证的UP主代表了个人或一个企业在平台上的形象，其发布的信息具有较高的可靠性，用户对其信任程度更高。

（2）信息完整度：指UP主主页是否完整地展示了UP主主体、发布信息种类、发布方式、直播方式以及公告留言。完整的信息能够帮助用户更加清晰方便地了解UP主。

（3）创办时长：指UP主注册时长。时间越长，表明平台对UP主认可度和支持度越高，UP主运营管理的经验越丰富。

1.1.2 传播媒介

（1）传播方式：指推送消息的方式。UP主在传播信息时涉及到的媒介形式越多，表明该UP主在传播的途径上有更多的选择和更广泛的信息传播潜力。

（2）反馈方式：反馈是UP主与用户交互的重要方式。是否向用户反馈信息是评价UP主的重要指标。

1.1.3 传播内容

（1）课程类别：指UP主推送信息的内容分类。

（2）传播频率：指单位时间内该UP主更新内容的频率。

（3）传播总数：指单位时间内该UP主发布的信息总数。

1.1.4 受传者属性

（1）用户等级：会员通过发布信息、回复信息和投币获得等级经验升级用户等级。用户等级能体现出受传者的基础属性。

（2）粉丝数：UP主被其他人关注的总数。用户粉丝数越大表明该UP主的受众越多，影响力越大。

（3）新增粉丝数：新关注的用户数越多表示UP主信息二次传播范围越广。

1.1.5 传播效果

传播效果是UP主传播影响力的最直接表现，反映了用户对UP主发布信息的喜爱程度和认可度，从而直接影响到该消息的二次传播效率。主要通过阅读/播放量、点赞数、转发数、投币数等来体现。

1.2 评价指标维度的量化

信息传播需要一定的时间，而以日、周为周期衡量影响力时间间隔太短，以年为周期则无法反映影响力较为细致的变化，时间间隔太长[12]，故以月为周期采集数据。指标数据的采集与统计根据其具体内容确定取值方法：

（1）官方认证：UP主账号是否经过认证，若通过认证则取1，反之取0。

（2）信息完整度：UP 主主页提供的账号主体、功能介绍、联系方式、发布方式、直播等内容的项目数量。

（3）创办时长：运营时间超过12个月为1分，少于1个月为0分，不足12个月且多于1个月根据开通时间按比例计算。

（4）传播方式：B站发布信息为视频、图片、文字和直播。传播方式数据为UP主发布信息的方式占所有方式的比值。

（5）反馈方式：UP主回复用户弹幕、评论和私信为1，反之为0。

（6）课程类别：UP主发布信息内容种类的数量。

（7）传播频率：UP主当月发布信息频率=传播总数/天数。

（8）传播总数：UP主当月发布总数。

（9）用户等级：网站正式会员最高等级为n级，用户等级=当前等级/n。

2 UP主传播影响力评价模型

2.1 UP主传播影响力评价模型构建

由于UP主传播影响力评价指标比较复杂，且各指标之间相互联系、相互影响，如传播效果中的阅读/播放量、点赞数、投币数、转发数之间有着显著的相互影响关系，因此本文使用网络分析法来评价UP主传播影响力。

本文结合信息传播理论，通过信息传播过程中的传播者属性、传播媒介、传播内容、受传者属性和传播效果5个维度，及15个二级评价指标，根据目标层、准则层、指标层，建立UP主传播影响力评价指标的层次结构图（图3）。

网络分析法分为控制层和网络层两个部分，控制层为研究目的，网络层由各指标组成[13]，根据UP主传播影响力评价指标的层次结构图，以及各指标间相互影响关系、同一维度内指标的自影响关系，论文构建了UP主传播影响力评价ANP网络分析模型（如图4）。

图3 UP主传播影响力评价指标的层次结构图

图4 UP主传播影响力评价ANP网络分析模型

2.2 指标权重的确定

构建UP主传播影响力评价模型后，需要判断各指标的权重。由于控制层只有传播影响力这一个因素，因此所有判断矩阵都在同一个准则下完成比较[14]。然后通过建立判断矩阵来确定各指标所在维度的相对重要性，再依次确定各维度内和维度间的指标的相对重要性。

2.2.1 获得指标关系，建立ANP模型

构建评价指标体系需要获得各指标之间的相互关系，需要通过归纳整理多方观点获得各评价指标之间的联系，如果两个维度之间存在关联就需要建立维度判断矩阵。然后再利用SuperDecision进行UP主传播影响力评价指标体系的构建和权重的计算。

2.2.2 确定指标优势度

通过引入9级梯度法（表1）使定性问题定量化，从而构成判断矩阵[15]。根据建立的网络模型和判断矩阵，基于准则对同一元素组中每一元素的影响和被影响关系进行两两比较，确定指标优势度[16]。为避免指标间重要程度出现矛盾情况，在构建判断矩阵后需进行一致性检验[17]。

表1 9级标度具体内容

2.2.3 未加权超矩阵

在传播者属性中，以“官方认证”为准则，“信息完整度”、“创办时长”之间相互比较其对以“官方认证”的影响力大小，从而获得判断矩阵，进一步计算出排序向量。同理可得，以“信息完整度”、“创办时长”为准则，各指标分别对其获得的排序向量。将获得的三个排序向量集合在一起得到传播者属性这个维度的定量表示矩阵W11。

以此类推，可以获得其他四个维度排序矩阵W22、W33、W44、W55。然后确定不同维度间，以各指标为准则，逐一获得其他维度指标对其影响力大小构成的判断矩阵，并获得排序向量，即得到W12、W13、W14等。根据以上排序向量得到未加权超矩阵W。

2.2.4 加权超矩阵

2.2.5 权重计算

3 B站考研英语UP主传播影响力实验分析

根据UP主传播影响力评价指标维度及UP主传播影响力评价模型，下面以B站考研英语UP主为例，进行UP主传播影响力实验分析。

3.1 数据的采集与预处理

3.1.1 数据的来源与采集

实验数据来自B站/知识区/校园知识板块“考研英语”人气排行榜前5位的UP主，采集了从2020年3月至2021年3月数据，共2600条。采用Python爬虫收集了UP主主页、投稿页面、视频/音频播放页面和相册中，包括创办时长、传播总数、粉丝数和播放阅读总数、课程类别、点赞数、投币数和转发数数据。官方认证和信息完整度数据则通过人工统计UP主主页获得。

3.1.2 数据的预处理

由于各评价指标的性质不同，为避免因数据过大而造成指标变化不敏感，排除小数据变化被忽略的误差[18]，本研究将使用三种不同的方法将数据进行归一化处理。能够确定最大值或近似最大值的数据，用实际值与最大值的比例来确定该数据归一化后的结果，如传播形式、阅读/播放量和粉丝数；对于无法确定最大值的指标数据，如点赞数、投币数和转发数，用反正切函数对其进行归一化处理；创办时长、用户等级、传播和反馈方式数据有特殊的处理方法，具体规则如下表2。

表2 特殊项转换规则

3.2 指标权重计算

根据各维度间指标关系的调查结果（如表3），大多数用户认为传播媒介对传播效果有显著影响，受传者属性与传播者属性相互关联；运营者认为A传播者属性、C传播媒介、D传播内容、B受传者属性和E传播效果的各指标均相互影响，且大多数指标存在自影响关系。

表3 各维度间指标联系表

根据各维度间关联程度系数，运用Super Decision构建所有维度的判断矩阵，以基于“A传播者属性”的判断矩阵为例，得到各维度权重和一致性检验结果如表4所示。再根据指标间优势度构建二级指标判断矩阵，以“A1官方认证”为例，结果如表5所示。

表4 各维度权重及一致性检验

其中，CR＝0.0927＜0.1，判断矩阵具有满意的一致性。

表5 “官方认证”矩阵权重及一致性检验

其中，CR＝0.0454＜0.1，判断矩阵具有满意的一致性。

在SuperDecision中录入所有判断矩阵，并通过一致性检验后，首先对未加权超矩阵输出结果；然后对加权超矩阵进行计算并生成结果；最后，为了反映元素之间的依存关系，通过计算出加权矩阵的极限超矩阵对加权矩阵做稳定性处理。

通过Super Decision软件计算，得到UP主传播影响力评价模型所有指标的权重，具体结果如表6所示。

表6 各元素权重

从权重计算结果可见，阅读/播放量和反馈方式两个指标权重值最大，且都超过了0.1，分别占总权重值的10%和19.7%。教学反馈在现代教学中具有不可忽视的作用，通过持续及时的反馈，能帮助UP主发现教学中的优点和需改进的地方，最终提高教学效率和影响力。传播方式与反馈方式属于传播媒介指标下的二级指标，在所有二级指标中，传播方式的权重占比也很高，这表明UP主应该注重多元化的传播方式，如发布视频课程、文字或图片等。

传播总数和传播频率的权重值占比分别为6.5%和4.6%，是B站校园知识分区UP传播影响力的较重要的指标。UP主应该高频率发布课程内容。传播者属性中的官方认证和信息完整度这两个二级指标也是影响B站校园知识分区UP传播影响力的较重要的指标。完善自己在网站中的个人信息并获取认证标志能够提高UP主影响力。

3.3 评价结果分析

依据各指标权重得到评价模型计算公式C如下，其中A1…E4为归一化处理的数据结果。

C=0.05322*A1+0.06032*A2+0.03824*A3+0.03798*B1+0.03594*B2+0.08626*B3+0.07838*C1+0.10193*C2+0.07541*D1+0.06541*D2+0.04603*D3+0.19728*E1+0.06547*E2+0.03203*E3+0.04374*E4

将数据结果代入评价模型计算公式，计算得到每月评价结果如图5、图6所示。

图5 评价结果汇总图

图6 评价结果趋势图

本研究采用分数分段方法进行评估并判断其传播影响力。分数值在[0,0.5)之间表明其传播影响力差，在[0.5,1.0)之间表明其传播影响力一般，在[1.0,3.0)之间表明其传播影响力好。

根据分析结果，B站校园知识分区人气前五名的考研英语UP主在不同的时期，其影响力大小和排名有一定差异（见图5，图6）。通过各月评价结果可以看出，UP主评价结果大部分时间分布于[0.5,1.0]之间，说明一直处于较为稳定的状态，传播影响力水平较高，表明整体运营结果较好。全年整体呈上升趋势，其中所有UP主的评价结果于11月、12月大幅度提高，并于12月达到峰值。结合时间情况分析可以得到，考研时间为12月中旬，11月和12月是考研复习的冲刺阶段，B站用户急需大量学习资料以复习备考，同时UP主也发布了跟以往相比更多的信息供用户学习参考。而3月至5月已经进入考研后的复试阶段，同时也是毕业生忙于毕业设计和毕业论文的准备阶段，大量学生用户流失导致了UP主评价结果降至全年最低。

3.4 实验评价结果与B站传播指数BVCI比较

目前B站传播影响力行业内认可度较高的评价标准是B站传播指数BVCI，即通过对B站视频账号的视频发布活跃状况、视频传播热度以及视频观看用户互动情况来综合反映B站视频账号的视频发布传播与影响效果。

BVCI={0.15*In(X1+1)+0.25*In(X2+1)+0.3*In(X3+1)+0.18*In(X4+1)+0.12*In(X5+1)}*100

其中，X1为监测时间段内B站视频账号上传视频总量。X2为监测时间段内B站视频账号所有上传视频总播放量/监测时间（天数）。X3为监测时间段内B站视频账号所有视频观众评论总量/监测时间（天数）。X4为监测时间段内B站视频账号总粉丝数。X5为监测时间段内B站视频账号粉丝增加量。

以B站校园知识分区UP主“考研英语于杉”为数据参考，依据BVCI计算结果如表7。

表7 实验评价结果与BVCI结果比较

表8 实验评价结果与BVCI相关性分析

对比实验评价结果和BVCI结果可以看出，两者在整体走势上保持一致，数据波动幅度较为一致，说明BVCI与实验评价结果在总体上有着较高的相似性。经过显著性检验（如表8）可以看出，显著性值为0.000＜0.05，相关性数值为0.861＞0.6，说明BVCI和实验评价结果具有强相关性。

图7 实验评价结果与BVCI对比图

由于3月至6月处于考研复试阶段和毕业季，UP主发布信息的数量相对较少，同时以学生为代表的用户群体对UP主关注较少，各维度的指标数据都有明显下降，故BVCI和实验评价结果均处于相对较低水平。

7、8月处于暑假期间，BVCI结果的增幅大于实验评价结果。此阶段被学生们称为新一轮考研备战起点。以学生为代表的用户会提前关注在线教育UP主，考研英语UP主在此期间粉丝数会大量增加，但UP主粉丝增加并未导致UP主发布更多信息或收到更多评论。由于BVCI对于粉丝增量权重占比较大，故BVCI结果增幅明显。而UP主传播影响力评价模型基于信息传播理论，更加注重UP主发布信息和反馈，所以实验评价结果无大幅度增大。

10月至12月处于考研备战冲刺阶段，BVCI和UP主传播影响力评价模型中维度数据均大幅度升高，BVCI和实验评价结果均处于高水平。由于BVCI仅考虑UP主上传量、评论量、粉丝总量和粉丝增量，而评价模型从信息传播的角度考虑了更多影响因素，所以评价结果与BVCI相比增幅更明显，这表明评价模型能更全面的反映UP主传播影响力水平。

4 结论

根据B站实验数据的验证、 B站实验评价结果与传播指数BVCI的比较分析，表明在线教育平台UP主传播影响力评价信息维度的选取及UP主传播影响力评价模型的构建对UP主传播影响力评价具有较强的合理性和科学性。

UP主传播影响力的评价研究，不仅对在线教育平台的运营管理与开发设计，及UP主与用户交互信息特征的构建具有较强的指导意义；同时对UP主怎样提升自己的影响力，设计和创造出用户喜爱的优质资源提供了思路；也为用户怎样选取个性化学习资源，快速搜索自己所需资源提供了方法。

[1] 沈鑫, 周逸宁. 在线教学平台研究文献综述[J]. 办公自动化, 2021, 26(12): 12-13+52.

[2] Jamie P. Merisotis & Ronald A. Phipps. Quality on the Line: Benc hmarks for Success in Internet-Based Distance Education[EB/OL].http://www.ihep.org/sites/default/files/ uploads/docs/pubs/qualityontheline.pdf, 2017.

[3] Goh Khim-Yong, Heng Cheng-Suang, Lin Zhijie. Social Media Brand Community and Consumer Behavior: Quantifying the Relative Impact of User- and Marketer-Generated Content[J]. Information Systems Research, 2013, 24(1).

[4] 艾瑞. 2020年中国在线教育行业研究报告[EB/OL]. https://baijiahao.baidu.com/s?id = 1689213 5395676483 56&wfr=spider&for=pc，[2021-1-18].

[5] 李宇啸. 基于网络分析法的高校微信公众号传播影响力评价研究[D]. 合肥：合肥工业大学, 2018.

[6] 南力瑛. 5W理论视角下共青团中央在哔哩哔哩平台的传播策略研究[D]. 长春：吉林大学, 2020.

[7] 沈士华, 王晨, 张豪. 医院微信影响力评价体系及应用研究[J]. 中华医院管理杂志, 2015,31(06): 467-469.

[8] 谭莹. 互联网时代国内虚拟UP主“小希”的传播关系建构研究[D]. 南宁：广西大学, 2019.

[9] 史亚光, 袁毅. 基于社交网络的信息传播模式探微[J].图书馆论坛, 2009, 29(06): 220-223.

[10] 戴钰, 康灿华. 传媒竞争力综合评价指标体系的构建与应用[J]. 统计与决策, 2011, (04):37-39.

[11] 张蕊, 黎毅. 循环经济下企业战略经营业绩评价指标体系设置——以有色金属铜业为例[J]. 当代财经, 2009, (12): 102-106.

[12] Siqing Liu. The Influence of Media Intelligence Trend on International News Information Dissemination Mechanism[J]. International Journal of Intelligent Information and Management Science, 2019, 8(6).

[13] 王莲芬. 网络分析法(ANP)的理论与算法[J]. 系统工程理论与实践, 2001, (03): 44-50.

[14] Saaty T L. Decision making with the analytic hierarchy process[J]. International Journal of Services Sciences, 2008, 1(1): 83.

[15] Saaty T L. Decision Making With Dependence and Feedback[M]. Pittsburgh: PA, RWS Publication, 1996.

[16] 冀芳, 张夏恒. 学术期刊微信公众平台影响力研究——基于5种CSSCI来源期刊的实证分析[J]. 情报杂志, 2016, 35(04):147-151.

[17] 梅钰博. 基于ANP模型的在线课程质量评价研究[D]. 武汉：武汉工程大学, 2018.

[18] Rui Neves-Silva, George A Tshirintzis,Vladimir Uskov, et al. Improving of the weight normalization method on alternatives in AHP and ANP[M]. Ireland: IOS Press, 2014-06-15.

Research on the Evaluation of Communicators' Main Communication Influence of Online Education Platform——Take Bilibili for example

CHEN Yong-yue, ZHU Guang

(School of Management, Wuhan Textile University, Wuhan Hubei 430200, China)

What quality learning resources users choose, and how UP owners design and create the quality resources favored by users according to the needs of users, have become the urgent needs of online education. Based on the theory of information communication and the influencing factors of online information communication, this paper selects 15 online information characteristic description indicators from 5 dimensions according to the information characteristic description on the online education platform, and constructs the evaluation model of UP main communication influence by using network analysis method.Finally, taking UP as an example, this paper analyzes the communication influence of UP, and makes a comparative analysis with the evaluation results of BVCI, and analyzes the similarities and differences between the two evaluation mechanisms and the advantages of UP's communication influence evaluation model.

online education platform; UP host; spreading influence; network analysis; bilibili

陈勇跃（1982-），男，教授，博士，研究方向：数据挖掘与可视化、商务智能、大数据分析、知识管理.

G350

A

2095－414X(2022)05－0085－07