一项关于社交媒体上科学论文传播机制的深度研究：用户属性如何通过级联扩散影响传播效果
一、 研究作者、机构及发表信息
本研究由王贤文、曹仁猛、方志超三位学者合作完成。其中，王贤文与曹仁猛来自大连理工大学公共管理学院科学学与科技管理研究所，方志超来自中国人民大学信息资源管理学院，同时也在荷兰莱顿大学科学与技术研究中心进行研究工作。该研究以《用户属性特征如何影响科学论文的社交媒体传播效果——基于级联传播视角》为题，发表在《图书情报知识》期刊，并于2026年1月21日进行了网络首发。
二、 学术背景与研究目标
主要科学领域：本研究横跨图书情报学、科学计量学（Altmetrics）与计算传播学（Computational Communication Research）。它致力于将计算传播学的研究范式和分析工具引入到科学成果社交媒体影响力（Altmetrics）的研究中，以揭示传统计数指标背后的动态传播过程与内在机制。
研究背景与动机：在21世纪，社交媒体彻底改变了信息传播方式，也深刻影响了科学传播的生态。学者、期刊和机构越来越多地利用Twitter等平台推广研究成果，以期扩大影响。然而，过往的Altmetrics研究多关注论文被提及的“次数”（如推文数），或传播者单一特征（如粉丝数、身份类型），对传播过程本身——“如何传播”以及不同用户属性如何“动态地”影响这一过程——缺乏系统性、机制性的探讨。社交媒体上的信息传播具有“级联”（Cascade）特性，即初始分享会引发连锁反应。因此，理解用户属性如何通过塑造级联传播结构来最终影响传播效果，对于优化科学传播策略至关重要。
研究目标：基于计算传播学视角，本研究旨在系统探究用户的三个核心属性特征——社交平台影响力、偏好性、群体多样性——如何影响科学论文在社交媒体（以Twitter/X为例）上的传播效果。具体而言，研究试图回答三个核心问题：1）高影响力用户分享的论文，其级联结构和传播效果有何不同？2）由具有相似兴趣的“兴趣社团”内部成员分享，是否比外部成员分享更能促进传播？3）论文在传播早期暴露于更具多样性（如地域、语言）的用户群体，是否会塑造更具活力的后续传播？
三、 详细研究流程与方法
本研究是一个基于大规模社交媒体数据的计算实证研究，其工作流程严谨且系统，主要包括数据获取、级联构建、变量测度、比较分析四大环节。
第一环节：数据获取与清洗。 研究选取了瑞士Frontiers出版社2021年发表的所有论文作为初始样本。选择该出版社的原因是其在Altmetric.com上的数据覆盖率极高（近97%），且Twitter提及占比达89%，并提供了论文通过社交链接被访问的宝贵数据。通过Altmetric Explorer平台和莱顿大学的内部数据库，研究者最终成功匹配并获取了52,219篇论文在Twitter上的完整传播数据。该数据集规模庞大，包含154,778条原创推文、377,267条互动推文（转发、回复、引用），涉及148,935名独立用户。同时，通过Frontiers网站的API，研究者获取了这些论文通过Twitter链接被用户点击访问的次数数据，作为衡量传播深度效果（阅读行为）的关键指标。
第二环节：构建传播级联与网络分析。 这是本研究的核心创新方法。研究者摒弃了简单的计数，转而构建了每篇论文的“传播级联网络”。具体方法是：对于每篇论文，提取所有提及它的推文，根据用户间的互动关系（如用户B转发了用户A的推文），构建一个有向的、带时间戳的传播网络。网络以论文为根节点，节点是用户，连边代表传播行为。最终构建了52,749个论文级联网络。进一步，研究者从每个论文级联中识别出由单个“发起人”（第一个分享该论文的用户）所引发的独立传播分支，称之为“用户级联”，共识别出49,550个。这允许研究者将最终传播效果追溯到特定属性的初始用户。为了刻画级联结构，研究借鉴了发表于《Science》的经典信息传播研究框架，采用了一系列复杂网络指标：静态指标（如深度、规模、广度、级联病毒性）描述传播网络的最终形态；动态指标（如深度/规模随时间/深度的变化）则描述传播的动态过程。这些指标共同构成了分析用户属性如何“塑造”传播过程的精密测量工具。
第三环节：变量测度——量化用户属性。 研究对三个核心自变量进行了操作化定义和量化： 1. 社交平台影响力：采用两个最常用指标——粉丝数和认证状态（Verified Status）。将用户按粉丝数分为六组，并区分为认证与非认证用户。 2. 用户偏好性：通过构建“用户-论文”二分网络，将用户发帖提及的论文视为其兴趣对象。采用共同邻居（CN）、Adamic-Adar（AA）、资源分配（RA）三种网络相似性指标，计算任意两用户间的“兴趣相似度”。更重要的是，研究者定义了“兴趣社团”——即共同关注至少2篇相同论文的用户群体。利用Louvain社区发现算法在最大连通子图中识别出26个兴趣社团。由此，可以将用户区分为某个兴趣社团的“内部成员”或“外部成员”。 3. 用户群体多样性：研究聚焦于论文早期受众的多样性，而非单个用户属性。对于每篇论文，计算其传播最初1小时内参与用户的地域多样性（使用用户声明国家/地区信息的香农熵）和语言多样性（推文内容识别出的语言种类数）。根据均值将论文分为高/低多样性组进行对比。
第四环节：数据分析与比较。 研究采用比较分析的方法。例如，将用户级联按发起人是“认证/非认证”、“高粉丝/低粉丝”、“兴趣社团内部/外部成员”进行分组。同时，将论文按早期受众的“高/低国家熵”、“多/单语种”进行分组。随后，运用互补累计分布函数（CCDF）和Kolmogorov-Smirnov（KS）检验，系统比较不同组别在级联结构指标（深度、规模、广度、病毒性、传播速度）和传播效果指标（最终传播规模、论文访问数）上的分布差异，以检验用户属性影响的统计显著性。
四、 主要研究结果及其逻辑关联
研究结果清晰地揭示了三种用户属性特征如何通过塑造不同的级联传播结构，间接地影响最终的传播效果。
结果一：社交平台影响力的“放大器”效应。 研究发现，由认证用户或高粉丝数用户（如粉丝数10万-1000万）作为发起人分享的论文，其级联传播在结构上表现出显著特征：虽然传播的“深度”（轮次）与低影响力用户发起的级联无显著差别，但每一轮传播的“广度”都更大，即单次曝光能触达更多受众。这使得其级联的最终“规模”（总参与用户数）和“病毒性”（传播路径的平均长度）远高于对照组。在效果上，这种结构优势直接转化为更优的传播效果：这些论文不仅获得了更大的传播规模，更重要的是，带来了显著更高的论文全文“访问数”。这意味着高影响力用户的分享不仅能引发更多讨论，更能有效驱动用户点击链接进行深度阅读。数据支持显示，由最高粉丝数组用户引导的级联，其平均规模（726.72）和平均访问数（4669.68）远超低粉丝数组。
结果二：用户偏好性与“兴趣社团”的“催化剂”作用。 首先，研究者验证了兴趣相似性总体上会促进用户间的转发互动。然而，更深度的发现在于“兴趣社团”内部成员的关键作用。由兴趣社团内部成员发起的论文级联，在结构上不仅拥有更大的传播规模和广度，其传播“深度”也显著更深，意味着信息能在兴趣社群内进行更多轮次的深度交互。其级联病毒性也更强。在效果上，这同样导致了更大的最终传播规模和更高的论文访问数。这表明，在具有紧密共同兴趣的社群内部进行初始分享，能够激发更活跃、更持久的链式反应，如同在肥沃的土壤中播种，生长更为茂盛。
结果三：群体多样性的“桥梁”与“破圈”价值。 研究发现在传播早期（1小时内）就触及了地域分布更广（高国家熵）或使用语言种类更多（多语种）的受众群体的论文，其后续级联结构更为优越：传播深度更深，各层级的传播广度更大，级联病毒性更强。在效果上，这些“高多样性”曝光论文的最终传播规模和访问数也显著更高。值得注意的是，多语种论文的传播速度虽然较单语种论文慢，推测是由于需要跨越语言壁垒，但其传播的广度和深度最终更胜一筹。这一结果说明，早期的跨群体、跨文化曝光，虽然可能增加传播的复杂性，但却能为论文搭建起连接不同社群的“桥梁”，极大地提升其“破圈”传播和产生广泛影响的潜力。
结果的逻辑贡献：以上三部分结果并非孤立，它们共同支撑了研究的核心论点。研究通过详实的数据分析证明，用户属性（自变量）并非直接、静态地决定传播效果（因变量），而是通过一个中介变量——用户发起的级联传播的结构特征——来施加影响。高影响力、兴趣社团内部、早期多样曝光这三个因素，各自都能促生“更广、更深、更具病毒性”的级联结构，而这种优质的结构最终导致了规模更大、深度阅读更多的传播效果。这完整地揭示了“属性→级联结构→传播效果”的作用机制链条。
五、 研究结论与价值意义
主要结论：1. 用户属性对科学论文社交媒体传播效果的影响是间接的，主要通过塑造用户级联扩散的结构特征来实现。2. 具体而言，由高社交平台影响力用户、兴趣社团内部成员进行初始分享，以及让论文在早期暴露于更具多样性（地域、语言）的用户群体，这三者均能促使论文形成覆盖更广、层级更深、病毒性更强的级联传播，从而显著提升其传播的广度（规模）和深度（访问量）。
研究价值： * 理论价值：本研究成功地将计算传播学的理论视角和复杂网络分析方法系统引入Altmetrics研究，推动该领域从关注“计数”转向剖析“过程”，实现了从描述“有多少”到解释“为什么”和“如何”的深化。它构建了一个“用户属性-级联结构-传播效果”的分析框架，为理解科学论文的社交媒体传播机制提供了新的理论透镜。 * 实践价值：研究结论为科研人员、学术期刊、科研机构及科学传播者优化社交媒体传播策略提供了直接、可操作的启示：在推广研究成果时，应积极争取领域内“大V”（高影响力、认证用户）的转发支持；要注重在核心的学术兴趣社群（如特定研究方向的学者社群）中进行精准投放和互动；应有意识地采用多语言摘要、定位多样化受众群体进行早期推广，以搭建跨社群传播的桥梁，最大化传播的破圈潜力。
六、 研究亮点
七、 其他补充
研究也坦诚地指出了其局限性，例如用户属性仅涵盖了可量化的三个主要维度，而未涉及社交互动模式、学术地位等更复杂、主观性更强的特征。这为未来研究指明了方向：可以引入更丰富的用户画像维度，并探讨不同属性特征之间的交互作用，从而进一步完善科学论文社交媒体传播的理论模型。此外，研究所用的方法框架具有可扩展性，未来可应用于其他社交媒体平台或其他类型学术成果（如数据集、专利）的传播研究中。