《传播框架的跨平台流动：社交媒体如何塑造气候变化讨论——一项基于推特与在线新闻的议程设置研究》学术报告
本文旨在向学术界同仁介绍一篇发表于 journalism & mass communication quarterly 的重要实证研究。该研究题为《多元化还是强化？审视跨媒体平台的框架传染流》（Diversifying or Reinforcing Science Communication? Examining the Flow of Frame Contagion Across Media Platforms），由来自波士顿学院、密歇根大学、罗格斯大学和德克萨斯大学奥斯汀分校的研究团队共同完成，于2019年发表。研究探讨了社交媒体（特别是推特）与在线新闻媒体在气候变化议题上的议程与框架互动关系，对于理解新媒体环境下的科学传播、公共话语形成以及“虚假信息”的传播路径具有重要启示。
一、 研究背景与目标 气候变化在美国已成为高度政治化和两极分化的议题。传统新闻媒体在气候变化的呈现上存在显著分歧：保守派媒体倾向于质疑气候变化的真实性（“骗局”框架），而非保守派媒体则更多支持既定的气候科学。公众则倾向于选择与其政治倾向一致的媒介信息，从而加剧了观点极化。社交媒体（social media）的兴起被寄予厚望，被认为可能通过促进专家与非专家的双向交流，实现科学传播的民主化与多元化。然而，也有观点认为，社交媒体可能仅仅是复制和强化精英驱动的、业已分化的新闻框架，甚至可能因缺乏传统的信息把关机制（gatekeeping mechanisms），而放大未经证实的科学主张（如气候骗局论）。
基于此背景，本研究旨在探究以下几个关键问题： 1. 社交媒体（推特）的出现，是否真正改变了科学传播的方向，从传统的“自上而下”单向传播转变为新闻媒体与公众之间的双向互动？ 2. 在气候变化的讨论中，议程（即讨论“气候变化的总体关注度”）和特定框架（frame，如“骗局”、“行动”、“影响”等）是如何在推特和在线新闻媒体之间流动的？谁是主要设置者？ 3. 随着时间的推移，推特在气候变化讨论中的相对关注度（相较于新闻媒体）是否在增加？
本研究在理论上的贡献在于，将跨媒介议程设置（intermedia agenda setting）理论拓展至具有争议性的科学议题领域，并同时考察了议程层面和框架层面的“传染”（contagion）过程。在实践层面，研究结果为在复杂媒体环境中进行有效的战略科学传播提供了指导，并揭示了“虚假信息”（如骗局框架）传播所带来的挑战。
二、 研究方法与流程 本研究采用大规模内容分析与时间序列分析相结合的方法，系统地考察了2015年1月1日至2017年12月31日三年间，美国境内关于气候变化的推文与在线新闻文章的互动关系。
1. 数据收集与预处理： * 数据来源与平台：研究者使用 Crimson Hexagon 的 Forsight 平台，获取了完整的推特数据流（“firehose”）以及主要新闻网站（如 nytimes.com, cnn.com）的完整存档。这确保了数据来源的全面性和可比性。 * 搜索策略：收集所有包含“气候变化”(climate change)或“全球变暖”(global warming)关键词的媒体信息。 * 数据规模与清理：最终共收集到约23，598，000条推文和5，544，000篇在线新闻报道。为了排除干扰，研究者依据 Crimson Hexagon 的四项标准，剔除了大约40%被归类为垃圾信息（如机器人推文）的内容，但保留了转发（retweets），因为转发是衡量信息在网络中重要性感知的有效指标。 * 时间选择：选择三年期是为了获得稳健的时间序列结果，避免分析对特定媒体事件（如总统辩论）过度敏感。
2. 框架识别与编码： * 框架定义：研究采用了 Jang and Hart (2015) 提出的五种气候变化框架进行内容分析，这五种框架关注公众如何感知和应对环境风险： * 真实框架（Real frame）：关注气候变化是否是一个真实存在的风险。 * 骗局框架（Hoax frame）：将气候变化的科学论断描绘为谎言或欺诈。 * 成因框架（Cause frame）：关注风险是否由人类活动引起。 * 影响框架（Impact frame）：关注气候变化带来的潜在后果。 * 行动框架（Action frame）：关注如何应对这一风险。 * 关键词识别：研究采用自动化布尔关键词搜索法（Boolean search）来识别包含特定框架的内容。这并非简单的词典法，而是结合了人工干预： * 初步筛选：通过分析500条被转发最多的相关推文，生成词云图，识别出最常与气候变化同时出现且能代表特定框架的关键词。 * 关键词过滤：排除了出现频率过低（每年少于1000条推文）或产生过多噪音（与指定框架无关）的关键词。 * 搜索词串构建：最终为每个框架构建了布尔搜索字符串，例如： * 真实框架：包含“real”或“fact”。 * 骗局框架：包含“hoax”或“lie”或“fraud”。 * 影响框架：包含“impact”或“threat”或“disaster”等。 * 成因框架：包含“cause”或“carbon”或“human”等。 * 行动框架：包含“act”或“action”或“policy”等。 （注：搜索时均需同时包含“climate change”或“global warming”） * 效度验证：为了克服纯自动化分析的不足，研究者对关键词的召回率（recall） 和精确度（precision） 进行了人工评估。 * 召回率评估：编码员随机抽取样本，手动分类框架后，检查能否用预设关键词重新检索到这些文本。结果显示，平均84.6%的文本可被准确检索。 * 精确度评估：编码员检查用预设关键词检索出的样本，判断其是否真正代表了目标框架。结果显示，平均93.8%的文本被准确归类。 * 编码员间信度（Cohen’s κ）平均为0.83，表明信度良好。
3. 数据分析方法： * 时间序列与格兰杰因果检验（Granger Causality Analysis）：这是本研究核心的分析方法。格兰杰因果检验用于判断一个时间序列变量（如昨日新闻中“骗局框架”的数量）是否有助于预测另一个时间序列变量（如今日推特中“骗局框架”的数量）。若能显著提升预测精度，则认为前者“格兰杰导致”后者，从而推断出信息流动的时间顺序和潜在因果方向。 * 分析步骤： 1. 数据平稳性检验：确保时间序列数据稳定，无不可恢复的偏离（如脉冲峰值、周期性趋势），这是进行向量自回归（VAR）和格兰杰检验的前提。 2. 确定时间滞后长度：依据前人研究和信息准则（AIC， SBIC），确定使用7天的滞后长度（从1天到7天），以捕捉一周内可能发生的议程/框架传染效应。 3. 控制变量：在模型中引入星期几的虚拟变量，以控制新闻和社交媒体内容产出的周周期效应。 4. 分层分析：分别对2015、2016、2017年三年的数据，以及三年合并数据进行格兰杰因果分析，以观察趋势变化。 * 关注度比率分析：由于推特和新闻媒体的内容体量绝对差异巨大，直接比较数量意义不大。因此，研究计算了“推特提及量与新闻报道量之比”，以此来衡量推特相对于新闻媒体，在气候变化议题及各框架上关注度的相对变化趋势。并采用T检验判断各年份间比率变化的统计显著性。
三、 主要研究结果 1. 议程传染的流动方向（RQ1）： * 总体趋势（2015-2017）：结果显示，在气候变化议题的总体议程上，存在从新闻媒体到推特的“自上而下”（top-down）的传染效应。这表明，传统新闻媒体仍然是设置公众讨论议程的主要力量。 * 趋势演变：分年度分析揭示了动态变化： * 2015年与2016年：延续了自上而下的主导模式。 * 2017年：出现了双向的议程传染。这意味着推特讨论也开始对新闻媒体的议程设置产生影响。研究结果显示，在六个格兰杰因果分析中（分别对应总体议程和五个框架），显示推特对新闻有影响的分析数量从2015年的1个，增加到2016年的2个，再到2017年的4个。这表明推特在议程设置上的影响力正在逐年增强。
2. 框架传染的流动方向（RQ2）： 框架层面的分析展现了更复杂的互动图景： * 总体（2015-2017）：五种框架均显示新闻媒体对推特存在影响（其中“真实框架”和“影响框架”为单向，其他三种为双向）。这再次巩固了新闻媒体作为主要框架设置者的地位。 * 年度演变： * 2015年：五个框架中，仅“成因框架”显示出双向影响，其余四个框架均为新闻到推特的单向影响。 * 2016年：“骗局框架”和“行动框架”开始显示出由推特向新闻媒体的“自下而上”（bottom-up）传染效应。特别是“行动框架”，显示出推特到新闻媒体的单向影响。 * 2017年：“真实”、“行动”、“影响”三个框架均显示出自下而上的影响。
总结：虽然新闻媒体在三年间总体上保持着框架设定的主导权，但推特的反向影响力（自下而上）从2015年到2017年呈现出明显的增长趋势。这证实了在气候变化话语中，信息流的双向性正在增强。
3. 推特相对关注度的变化（H1）： 假设得到有力支持。推特上关于气候变化的讨论量相对于新闻媒体报道量的比率，在2015年至2017年间显著上升。 * 总体议题：比率从2015年的8.10上升至2017年的14.75，增长了82%。 * 各框架： * 真实框架：比率增长超过四倍（从1.38到5.72）。 * 其他框架：骗局框架增长76%，成因框架增长121%，影响框架增长77%，行动框架增长39%。 所有增长均具有统计学显著性（p < 0.001）。这表明，尽管新闻媒体在设定议程和框架方面仍有强大影响力，但公众在推特平台上的讨论活跃度正在急剧增加，其相对“音量”已远超过新闻媒体。
四、 结论与意义 本研究的主要结论是：在2015-2017年间，新闻媒体依然是气候变化议程和框架的主要设定者，但推特平台的影响力正在迅速增长，呈现出日益增强的自下而上的信息流动。这表明社交媒体正在多元化科学传播的路径，打破了传统精英驱动的单向模式。
理论意义： 1. 拓展了跨媒介议程设置理论：将理论应用至气候变化这一争议性科学议题，证实了在科学传播领域同样存在双向的媒介间议程/框架传染。 2. 揭示了框架层面的动态互动：不仅关注“是否讨论”，更深入到“如何讨论”的框架层面，发现不同框架（如“骗局”与“行动”）的传染路径和强度存在差异，为理解议题的极化提供了更精细的视角。 3. 连接了“平等化”与“正常化”视角：研究结果表明，推特既可能扮演平等化（equalizing） 角色（如推动“行动框架”进入主流新闻），为资源有限的群体提供发声渠道；也可能扮演正常化（normalizing） 角色，复制和放大主流媒体中既有的极化观点（如“骗局框架”）。
实践意义： 1. 对科学传播者的启示：虽然社交媒体影响力日增，但新闻媒体作为主要框架设定者的角色不容忽视。科学传播者应制作易于在不同媒体平台传播的新闻信息。同时，可以利用社交媒体（特别是其在“影响框架”和“行动框架”上的推动力）来倡导环保行动，提升公众意识。 2. 对“虚假信息”挑战的警示：研究发现，“骗局框架”在推特上的相对讨论量是“影响框架”和“行动框架”的四倍以上，且这种框架也在两种媒体间相互传染。这揭示了在缺乏严格把关机制的社交媒体生态中，不准确的科学信息极易增殖和渗透，可能人为夸大非科学观点的支持度，制造“虚假共识”，从而在科学界与公众之间筑起认知高墙，阻碍基于证据的政策制定。
五、 研究亮点 1. 方法创新与严谨性：结合大规模数据挖掘、基于关键词的框架自动化识别（辅以严格的人工效度验证）、以及格兰杰因果时间序列分析，为考察跨媒介、长周期的动态信息流动提供了强大的方法范例。 2. 研究对象的特殊性：聚焦于高度极化且具有重大现实意义的气候变化议题，其研究发现对于理解当代环境政治、科学争议和公共话语的形成至关重要。 3. 重要的发现：明确揭示了社交媒体在科学传播中日益增长的影响力及其双向互动的本质，同时尖锐地指出了这种“多元化”所伴随的风险——即错误信息（如气候骗局论）的加速扩散与合法化。 4. 动态视角：通过分年度比较，生动地捕捉到了媒介权力格局在短短三年内的演变趋势，而非提供一个静态的截面图景。
六、 研究局限与未来方向 1. 方法局限：关键词分析法难以捕捉幽默、讽刺等微妙语境含义。未来研究可采用人机结合的混合方法（hybrid approach）。 2. 用户身份模糊：推文内容混杂了普通公众、新闻机构、记者和政治精英的声音，不能简单等同于公众意见。未来的研究需要利用机器学习等方法区分用户类型，以厘清究竟是哪类用户在影响新闻议程。 3. 框架动机未辨：研究未能区分对“骗局框架”是“宣扬”还是“驳斥”。未来的内容分析应结合情感分析或立场判断，以更精确地理解框架传播的效果。 4. 用户动态未探究：研究聚焦于文本层面的信息流，未分析不同党派媒体或用户群体之间如何选择性传播和强化特定框架，从而形成“回音室”（echo chamber）。未来的研究应结合用户网络分析和内容分析，提供更全面的图景。
这项研究为理解新媒体时代科学传播的复杂性、机遇与挑战提供了宝贵的实证证据和理论思考。它提醒我们，在拥抱社交媒体带来的民主潜力的同时，必须正视其对信息质量和公共话语所带来的深刻挑战。