• ISSN 1673-5722
  • CN 11-5429/P

四川九寨沟7.0级地震后社交媒体多层次信息沟通功能分析

陶冶 侯建民 陶鑫

陶冶, 侯建民, 陶鑫. 四川九寨沟7.0级地震后社交媒体多层次信息沟通功能分析[J]. 震灾防御技术, 2017, 12(4): 826-833. doi: 10.11899/zzfy20170411
引用本文: 陶冶, 侯建民, 陶鑫. 四川九寨沟7.0级地震后社交媒体多层次信息沟通功能分析[J]. 震灾防御技术, 2017, 12(4): 826-833. doi: 10.11899/zzfy20170411
Tao Ye, Hou Jianmin, Tao Xin. Multi-level Information Communication Function of Social Media after the Jiuzhaigou MS7.0 Earthquake in Sichuan Province[J]. Technology for Earthquake Disaster Prevention, 2017, 12(4): 826-833. doi: 10.11899/zzfy20170411
Citation: Tao Ye, Hou Jianmin, Tao Xin. Multi-level Information Communication Function of Social Media after the Jiuzhaigou MS7.0 Earthquake in Sichuan Province[J]. Technology for Earthquake Disaster Prevention, 2017, 12(4): 826-833. doi: 10.11899/zzfy20170411

四川九寨沟7.0级地震后社交媒体多层次信息沟通功能分析

doi: 10.11899/zzfy20170411
详细信息
    作者简介:

    陶冶, 男, 生于1984年。工程师。从事地震信息公共服务工作。E-mail:274440296@qq.com

Multi-level Information Communication Function of Social Media after the Jiuzhaigou MS7.0 Earthquake in Sichuan Province

  • 摘要: 本文以“社交媒体多层次信息流”为概念框架,分析了四川九寨沟7.0级地震发生后,个人、当地的组织、宏观层面的主流媒体使用社交媒体所发挥的作用。通过对微博的数据进行挖掘分析,总结出地震灾害发生后社交媒体所具有的5项功能:人际之间的交流,地方政府、本土组织以及当地媒体的传播渠道,大众传媒信息发布的渠道,信息的收集和分享,微观、中观以及宏观各主体间沟通的渠道。在强震发生后社交媒体有巨大的传播潜力,本文的研究成果对未来大震发生后如何利用社交媒体来应对灾害有一定的借鉴意义。
  • 2017年8月8日21时19分,四川阿坝州九寨沟县(103.82°E,33.20°N)发生7.0级地震,造成25人死亡,493人受伤(新华社,2017)。“中国地震台网速报”微博在地震发生后5分钟内发布震级测定信息,成为全网首个信息源,瞬间被各大网络平台争相引用转载。当日21时38分许,中国地震台网中心同时向微博、微信、一点号、头条号等多个网络平台推送震级正式测定信息,半分钟覆盖上亿人群,2分钟覆盖人群超过20亿(人民网舆情监控室,2017)。其中,由其官方微博“中国地震台网速报”(关注用户615万)推送的震级正式测定微博,在24小时内的阅读量即破亿,由其官方微信“中国地震台网”推送的文章,阅读量超过10万。

    研究表明,灾难发生后,大众媒体的重要性突显。灾后人们感到不安,产生信息需求,此时大众传媒是信息的重要来源。互联网以及手机在信息传播的作用越来越大,无论是在日常生活中还是非常态情况下,社交媒体在人们的交流中扮演越来越重要的角色。社交媒体在美国大选,美韩贸易冲突中发挥了重要的作用(凯度,2016),但是现有的文献较少涉及其在地震中的运用。基于社交媒体在地震后频繁使用的实际情况,本文研究了地震发生后社交媒体在不同层次中的作用。

    社交媒体允许用户进行内容的生产和交换。社交软件包括协作项目(例如百度百科),博客,内容社区(知乎),游戏平台(QQ游戏大厅),通信工具(微信)以及社交网站(微博)。地震发生后,百度百科、知乎等广义上的社交媒体几乎没有活跃度,并且此种产品的应用场景也不适合地震后的信息交互。微信在震后发挥了积极的通信功能,但是因为其具有封闭性及隐私性,难以获取其数据进行分析。微博以其特定的产品形态和便捷的交互方式,成为地震后最活跃的信息交流平台。微博具有数据开放性,其数据比微信更容易获取,且交互方式便捷,因此本文采用微博数据作为研究对象。

    通过对地震发生后微博上关于地震话题的发布、转发、评论等数据进行挖掘和分析,可以看出,微博话题按内容主要可分为微观、中观、以及宏观3个层面。

    互动性和用户生成内容(人人是消费者,人人是生产者,人人是传播者)是社交媒体区别于传统媒体的主要特征。本文引用社交媒体多层次概念模型(Jung等,2014)对九寨沟7.0级地震后社交媒体作用进行分析。

    图 1中,“法律政策”、“经济”、“文化”、“社会环境”表示传媒环境的边界准则,由这些边界决定了传媒的环境。圆柱体表示传媒类型,由报纸、电视、广播、地方媒体、社交媒体等组成,这些媒体又可以根据影响力和受众分为微观、中观、宏观3个层面。在这3个层面上,社交媒体和传统媒体都有互动交流。

    图 1  社交媒体多层次功能概念模型(Jung等,2014
    Figure 1.  Multi level functional conceptual model of social media (after Jung et. al, 2014)

    在微观层面上,主要是人与人之间进行双向的交流,例如震后和家人或者朋友进行交流等;中观层面上沟通主要是指通过当地的小众媒介,例如地方媒体、本地组织或当地政府发布的灾情信息、当地交管部门发布的震区交通信息等;在宏观层面上,主要是指通过大众传媒,如电视等及时发布的权威信息。

    本文基于社交媒体的多层次模型,对九寨沟7.0级地震中微博的海量数据进行了分析,以探索社交媒体在震后的多个功能。

    数据准备:通过微博API调用、关键字检索、网络爬虫等技术手段,获取了近10万条震后用户评论信息和30多个微博账号的发布信息。用户评论数据通过获取新浪微博的API权限,调用相关的API,解析服务器返回的JSON数据文档获取信息。该方法效率高,获取的数据格式清晰,便于数据的存储和解析。其他数据通过检索和爬虫技术获取(王艳东等,2016)。

    表 1  基础数据列表
    Table 1.  The list of basic data
    信息层级 信息来源 信息内容 数据量
    微观 “中国地震台网速报”九寨沟地震速报微博 用户评论 近10万条
    中观 30余个微博账号震后72小时数据 粉丝增长数、微博发布数、微博影响力等 近万条
    宏观 人民日报、新华社、央视新闻权威媒体微博 粉丝增长数、微博发布数、微博影响力等 3大主流媒体震后72小时数据
    下载: 导出CSV 
    | 显示表格

    数据清洗:获取数据后,对其进行结构化存储管理,形成结构化数据库,对微博数据进行解析、去重、提取有效信息,包括微博发布时间、博文内容、图片、经纬度坐标等,并对核心博文内容进行中文分词、清洗挖掘处理,提取关键特征词。如以“寻人”、“平安”、“震感强”、“头晕”等为关键词对评论信息进行分类,为后续研究做准备。基于“社交媒体多层次信息流”概念模型和对基础数据的分析,得出在地震后社交媒体有5大功能,如图 2

    图 2  社交媒体5大功能信息流模型
    Figure 2.  Information flow model of five functions of social media

    (1)人际之间的沟通(微观层面)

    通过对“中国地震台网速报”中近10万条评论信息进行数据分析可以发现,地震发生后,社交媒体是灾区群众获取信息的重要渠道。数据显示,80.8%的评论者位于距震中500千米的范围内。根据评论内容分析,30.1%为询问朋友或家人的安全,47.3%为报平安(图 3)。

    图 3  用户评论词频分析图
    Figure 3.  Frequency analysis of the words in comment from users

    而归纳整理相关信息可以发现,“加油”“平安”“安好”“祈福”“流泪”“伤心”等温情表达成为主流,也有部分声音指向“预警”“伤亡”等灾情提醒与救援进展。

    雅安地震之后,由于地震摧毁了三大运营商在雅安地区的部分基站,座机和移动电话无法正常使用,但可以通过互联网在移动设备上正常通信,社交媒体第一次在地震中发挥了重要作用(殷志强等,2014)。本次地震的破坏程度较雅安地震小,但是社交媒体仍然是人们沟通的主要渠道。地震当天的微博上有大量寻人和报平安信息。据统计,截至8月10日17时,有关九寨沟7级地震的微博总数为6400万条;地震寻人微博总数231万条;报平安微博总数1008万条(人民网舆情监控室,2017)。

    (2)群体的沟通渠道(组织,当地政府,当地媒体)(中观层面)

    有效的网络沟通渠道是地方组织和社区群体的重要组成部分,在这个渠道中信息流从一个节点传送到下一个节点。当紧急情况特别是地震发生后,传统的信息发布渠道(如电视、广播等)可能由于地震受到破坏,或者由于传播手段落后,不能及时有效送达信息,这时就凸显了社交媒体的重要性(顾福妹等,2012)。目前,越来越多的地方政府和组织注册并使用微博账号,以方便向当地居民发布信息。地震后,关注这些账号的用户数量都大幅增加。据统计,在九寨沟地震发生后的48小时内,关注“四川省地震局”、“九寨沟管理局”、“四川交通”等微博账号的用户分别增加了15320人、58398人和28956人。这些数据表明,地震发生后,中观层面的信息发布渠道有所加强。

    通过统计数据可发现地方组织(中观层面)积极利用社交媒体来应对地震灾难。九寨沟管理局通过微博及时发布地震相关信息,关注该微博账户的用户数量共有160万,该账户在震后72小时内一共发布微博130条。最初发布地震信息,及时告知附近的居民和游客如何疏散到安全区域;紧接着发布了景区的破坏点和路况、救援信息;余震来临后,警示当地群众应注意新的危险。

    因地震可能造成停电、原有的收发系统的损坏等,地方政府、地方电视台和报纸在震后也通过社交媒体发布新闻。社交媒体也是在应急状态下一种有效的信息传播方式(陈福集等,2012)。除了技术系统的因素,在地震现场报道中,社交网络也打破了原有的采编模式,可实现现采、现编、现播,甚至在社交网络中进行现场视频直播,极大地增加了信息供给,让全社会更快地了解灾区现状。

    九寨沟地震后出现了地震谣言,各社交媒体(如“汉中发布”、“青春-眉山”(眉山共青团官方微博)、“四川发布”等微博账号)及时对各种不实消息进行辟谣,各账号发布的内容既有原创,又有转发,互相交叉,及时稳定了灾区人心。

    九寨沟地震后,“明星效应”也发挥了一定作用。地震发生第一时间,众多明星及时转发了地震信息并祈福,在其带动下,形成了若干以明星为中心节点的信息放大器,增强了话题关注度。

    社交媒体也成为地震救援组织发布信息的重要渠道。例如,很多民间救援队都建立了微博账户来发送重要信息。“四川蓝天救援队”微博在地震后发布了蓝天救援物资准备和救灾进展信息,并公布求助方式,通过社交媒体与需要帮助的人对接、核实灾情;关注用户超过600万的“中国国际救援队”微博全程报道了国家救援队在九寨沟地震发生后准备、乘机、救援的全过程,报道中有文字、图片和视频,信息非常全面。显然,这些例子表明微博在震后促进了灾区当地中观层面的信息交流。

    (3)大众传媒的渠道(宏观层面)

    社交媒体已经成为大众传媒传播信息的重要渠道。越来越多的人通过互联网观看电视,通过新闻门户网站或社交媒体来了解新闻资讯。在当前传媒环境中,大众传媒机构不能仅仅依靠自己的电视频道或报纸满足目标受众的需要。对于大多数新闻机构而言,微博已经成为人们获取信息的重要渠道(Sakaki等,2013)。四川九寨沟7.0级地震后,人民日报、新华社、中央电视台等在内的权威媒体每天发布多次新闻。很多用户通过社交媒体平台获取了最新的信息,而不是主动访问新闻机构的主页。通过对微博数据进行分析后发现,许多用户倾向于转发主流媒体的微博发布的新闻,如人民日报、央视新闻和新华社等。

    以人民日报官方微博为例,地震发生后72小时内,该账号一共发布关于地震的消息127余条,包括震情、灾情、交通道路、避险知识、救援进展、辟谣、祈福等全方位信息,转发、评论和点赞总数近500万,显示了社交媒体广阔的覆盖性,其中热度最高的信息为地震正式速报,点赞数超过5万次,转发、评论都近2万条。

    视频流站点主要用于发布直播节目。在地震发生的最初几小时后,“央视新闻”利用社交媒体发布电视新闻视频流,这为那些不方便通过电视获取新闻内容的用户提供了极大的便利。

    (4)信息的收集和信息的分享(跨层级)

    社交媒体已经成为跨层级信息流的重要信息来源(Bird等,2012)。九寨沟地震发生后,社交媒体为个人提供了全方位的信息搜集平台,从权威媒体信息到地方新闻,事无巨细都包含在内。据统计,在震后使用社交媒体的用户中,有51.3%通过微博获取信息,其最主要的关注点是灾情及救灾过程的进展。根据对微博数据的分析,地震当天,大量的微博消息都是即时性的,如避难所和交通状况等。地震发生后,数以万计的游客被困灾区,游客、游客家属、灾区群众、救援人员、当地政府等各个主体通过社交网络及时沟通交流。信息渠道通畅,为数万游客及时撤离提供了必要保障。很多微博信息流都是通过个人在微观层面上产生的。同时,由于社交媒体没有边界,这些信息也被中层媒介所使用(如各个地方性组织、机构等)。

    地震发生之后,传统媒体和政府的信息发布往往会显得滞后,不能满足人们短时、迫切性的信息需求。这时,社交媒体起到了必要的补充作用(Li等,2013)。由于社交媒体跨层级信息的流动,个人能够搜集到更加全面的信息。通过微博,个人可以从大众媒体(宏观)中获取突发新闻;从专家、组织(中观层次)获得各种意见、地震辟谣、应对灾害方法等;从人际沟通(微观层面)中获得安全感,如报平安等。

    社会媒体信息跨层级传播中,“地震专家解读”是很好的范例。例如,中国地震台网中心地震预报专家蒋海昆通过中国日报的官方微博发布了新闻“九寨沟地震仍存在6级左右的余震风险”,该博文收到了大量的评论和转发。在这个过程中,个人用户不仅仅是被动的消费者,也新闻传播过程中的参与者。新闻在微观层面和中观层面不断的转发、评论中扩大了传播范围,增强了影响力。信息在不同的层面传播,打破了层面的界线。

    (5)个人、大众传媒、政府以及公众之间的沟通的渠道(跨层级)

    对个人、组织、大众传媒、政府和公众来说,社交媒体成为了个人或各级组织与公众沟通的渠道。在社交媒体被广泛使用以前,个人或本地组织很难利用媒体去影响公众。现在,通过社交媒体,信息可频繁地从微观或中观层面向宏观层面流动(Alexander,2014)。

    在本次地震中,网友通过“中国地震台网速报”微博的私信功能上传震中现场照片,这些照片在该微博上发布后,引起了人民日报、央视新闻等主流媒体的转发,这是本次地震中微观(个人)、中观(速报微博)和宏观(国家主流媒体)跨层级良性交互信息的案例。社交媒体为中层组织提供了及时的连接宏观层媒体的渠道。

    对大众媒体来说,社交媒体为记者搜集信息提供了一个新的渠道。个人或组织成为了大众媒体采编生产系统中的一个个的触角,用户上传到社交媒体中的照片或视频是职业记者的重要信息来源(David等,2016)。关于九寨沟地震的大众媒体的报道中,清楚地表明了信息由微观向宏观层面进行了流动。

    地震发生后,很多地震发生时当地群众撤离的视频在网上流传,这些都是由个人上传的现场视频。这些视频也成为各大主流电视台(如央视新闻)反复播放的现场画面。这些视频即通过社交网络的跨层级性打通了微观到宏观的界线,得以在电视中播出。

    在混乱、信息不透明的极端情况下,跨层级的信息越显得珍贵和有价值,并越能获得广泛的传播。九寨沟地震发生后,震后短期内震区处于信息盲区,信息需求强烈但供给有限,零散的微观层面的信息就能通过社交媒体跨越层级,在主流媒体上传播,填补了信息空窗期的空白。

    本文引用了“社交媒体多层次信息流”的概念模型,以九寨沟7.0级地震为例,通过对海量数据进行分析,总结了社交媒体在地震后的5大功能。这5个功能表明社交媒体重塑了震后的舆论信息传播生态。微博不再被视为年轻人的娱乐工具,而是政府、组织和当地社区的重要信息来源与发布信息渠道。

    本文的研究有一些局限性,调查数据主要采用“中国地震台网速报”微博中的数据样本。未来可以采用更丰富、更全量的数据进行进一步的分析。尽管如此,本文在一个概念模型的基础上,对多层次的信息流进行了分析,所得结论对研究新媒体在地震灾害应急中的应用有一定的意义。本研究揭示了社交媒体的用途,在未来的地震灾难中,可以有针对性地利用社交媒体来更有效地应对极端情况。具体有以下几点:

    (1)微观层面。一方面在震后主动发动网友通过社交媒体上传照片文字等灾情信息,另一方面通过技术手段获取并分析网友评论、转发信息,提取关键字,为灾情分析研判提供依据;

    (2)中观层面。震后积极与地方组织、专业机构进行双向信息互动(如从“四川交通”微博获取震区交通道路状况等),扩大信息获取渠道,为救灾提供必要的信息支撑;同时利用专业机构账号发布震情,拓展信息覆盖面;

    (3)宏观层面。震后需要利用国家级媒体积极发声,如发布专家访谈、震后判定等,在短时间内加强信息供给,在地震专业领域积极发声,不缺位。

  • 图  1  社交媒体多层次功能概念模型(Jung等,2014

    Figure  1.  Multi level functional conceptual model of social media (after Jung et. al, 2014)

    图  2  社交媒体5大功能信息流模型

    Figure  2.  Information flow model of five functions of social media

    图  3  用户评论词频分析图

    Figure  3.  Frequency analysis of the words in comment from users

    表  1  基础数据列表

    Table  1.   The list of basic data

    信息层级 信息来源 信息内容 数据量
    微观 “中国地震台网速报”九寨沟地震速报微博 用户评论 近10万条
    中观 30余个微博账号震后72小时数据 粉丝增长数、微博发布数、微博影响力等 近万条
    宏观 人民日报、新华社、央视新闻权威媒体微博 粉丝增长数、微博发布数、微博影响力等 3大主流媒体震后72小时数据
    下载: 导出CSV
  • 陈福集, 胡改丽, 2012.网络舆情热点话题传播模式研究.情报杂志, 33(1):97-101, 156. https://www.wenkuxiazai.com/doc/5b2cad45650e52ea551898c2.html
    顾福妹, 翟国方, 阮梦乔等, 2012.新媒体背景下的南京市应急管理流程.现代城市研究, (5):88-93. http://wap.cnki.net/touch/web
    凯度, 2016. 中国社交媒体影响报告. http://cn.kantar.com.
    人民网舆情监控室, 2017. 《九寨沟7. 0级地震政务新媒体传播效果评估及舆论生态变化专项分析报告》. http://weibo.com/ttarticle/p/show?id=2309404144955558855679.
    王艳东, 李吴, 王腾等, 2016.基于社交媒体的突发事件应急信息挖掘与分析.武汉大学学报(信息科学版), 41(3):290-297. doi: 10.3969/j.issn.1672-5867.2015.01.021
    新华社, 2017. 九寨沟地震造成24人死亡493人受伤. http://news.cctv.com/2017/08/11/ARTIxcoDnPUJXqP9Kw7ReBL7170811.shtml.
    殷志强, 赵无忌, 褚宏亮等, 2014."4.20"芦山地震诱发地质灾害基本特征及"5.12"汶川地震对比分析.地质学报, 88(6):1145-1156. https://www.wenkuxiazai.com/doc/9ac8c64859eef8c75ebfb305.html
    Alexander D. E., 2014. Social media in disaster risk reduction and crisis management. Science & Engineering, 20(3):717-733.
    Bird D., Ling M. G., Haynes K., 2012. Flooding Facebook:the use of social media during the Queensland and Victorian flood. Australian Journal of Emergency Management, 27(1):27-33. https://www.riskfrontiers.com/pdf/flooding_facebook.pdf
    David C. C., Ong J. C., Lrgara E. F. T., 2016. Tweeting supertyphoon Haiyan:evolving functions of twitter during and after a disaster event. PLoS One, 11(3):e0150190. doi: 10.1371/journal.pone.0150190
    Jung J. Y., Moro M., 2014. Multi-level functionality of social media in the aftermath of the Great East Japan Earthquake. Disasters, 38(S2):123-143. doi: 10.1111/disa.2014.38.issue-s2
    Li L., Goodchild M. F., Xu B., et al., 2013. Spatial, temporal, and socioeconomic patterns in the use of Twitter and Flickr. Cartography and Geographic Information Science, 40(2):61-77. doi: 10.1080/15230406.2013.777139
    Sakaki T., Okazaki M., Matsuo Y., 2013. Tweet analysis for real-time event detection and earthquake reporting system development. IEEE Transactions On Knowledge and Data Engineering, 25(4):919-931. doi: 10.1109/TKDE.2012.29
  • 加载中
图(3) / 表(1)
计量
  • 文章访问数:  112
  • HTML全文浏览量:  44
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-09-29
  • 刊出日期:  2017-12-01

目录

/

返回文章
返回