一、 主要作者、机构与发表信息 本研究由德国汉堡大学新闻与传播研究系的Hendrik Meyer（通讯作者）、Amelia Katelin Peach、Lars Guenther、Hadas Emma Kedar以及Michael Brüggemann共同完成。研究论文题为“Between Calls for Action and Narratives of Denial: Climate Change Attention Structures on Twitter”，于2023年3月27日发表在开放获取期刊 *Media and Communication*（第11卷，第1期，第278–292页）。该研究隶属于由Julia Metag等人编辑的特刊“数字时代的科学传播：新行动者、环境与实践”。
二、 学术背景与研究目标 本研究属于科学传播、环境传播与社交媒体分析交叉领域，核心议题是公共议程设置（agenda-setting）与气候变化的公共话语。尽管气候变化对社会构成严峻威胁，但在公众和政策制定者的议程中却往往难以成为优先事项。先前研究表明，仅仅在线关注气候变化就能增加对其相关风险的感知严重性，从而鼓励气候行动。因此，理解线上，特别是社交媒体上关于气候变化的关注动态至关重要。Twitter因其拥有大量高度相关的新闻、科学和政治行动者用户，并且在突发或聚焦事件（focusing events）中活跃度极高，成为研究这一议题的理想平台。
然而，现有研究多集中于识别触发关注的具体事件（如极端天气、国际会议、抗议活动），对于这些事件如何在Twitter上被讨论、由谁主导、形成了何种话语结构以及网络动态如何影响关注度的放大，缺乏系统性、跨年度的整合分析。同时，研究指出Twitter上的讨论可能高度极化，形成对立的“临时公众”（ad-hoc publics）或“对抗性公共领域”（counterpublics），导致关注度虽高却缺乏有效对话。
基于此，本研究设定了总体的研究问题：Twitter上对气候变化关注高峰的一般模式和结构是什么？并分解为四个具体的研究问题（RQ）： * RQ1：哪些类型的聚焦事件与Twitter上对气候变化的关注相关？ * RQ2：在气候变化关注的高峰日，哪些领域（domains）、话语（discourses）和用户类型最占主导地位且获得最大程度的放大（amplification）？ * RQ3：哪些事件、话语和行动者的组合（集群）在气候变化关注高峰日导致了关注？ * RQ4：在气候变化关注高峰日，网络结构和其中被放大的内容在多大程度上代表了相互对立的意识形态公众？
三、 详细研究流程 本研究采用了混合方法，结合了大规模自动化网络分析和精细化手动内容分析，流程严谨且环环相扣。
流程一：数据采集与高峰事件定义 研究团队从两个来源收集了2017年至2021年五年间的数据：汉堡大学的在线媒体监测器（OMM）和Twitter学术研究API（通过AcademicTwitter R包）。搜索关键词包括“#climatechange”、“climate change”、“#globalwarming”、“global warming”、“#climatecrisis”和“climate crisis”。五年内共收集到涉及气候话题的推文、转推和回复活动总计超过1.44亿次。基于这些数据，研究者首先定义了“关注高峰”：每年选择总活动量（推文+转推+回复）最高的五个独立日期作为高峰事件。如果一个事件导致连续多日的高活动量，且相邻日期的推文数量不低于初始高峰日的10%，则将这些日期合并为一个高峰事件进行分析。最终，研究共确定了25个高峰事件用于后续分析。
流程二：手动内容分析 为深入理解高活动量时期用户讨论的内容和方式，研究对每个高峰日中转发量最高的100条原创推文（共计n=2，500条）进行了手动编码和定量内容分析。编码方案通过演绎（基于文献）和归纳（基于数据抽样）相结合的方式开发，主要分析了四个关键变量： 1. 事件类型（服务于RQ1）：根据推文内容所指涉的触发事件进行分类，如政府行动/决策、极端天气事件、科学报告发布、竞选/选举、抗议、文化事件、气候会议等。单条推文可被编码为多个事件类型。 2. 领域（服务于RQ2）：推文内容涉及的主要领域，如国内政治、自然、媒体、科学、经济、跨国/国际政治、健康、公民社会与行动主义、文化、宗教等。 3. 评价性话语（服务于RQ2）：推文对气候问题所持的具体立场或评价框架，例如“气候变化是真实的”（climate change is real）、“呼吁行动”（calls for action）、“批评政府/行政机构”、“气候变化否认”（climate change denial）、“消极未来情景”（negative future scenarios）、“延迟叙述”（narratives of delay，即承认气候变化但反对或拖延减排行动）等。 4. 用户类型（服务于RQ2）：发布高转发量推文的账户类型，如政治行动者、记者（个体）、媒体机构、科学家、活动家/组织、公民/个体用户、文化行动者、经济行动者等。
为确保编码信度，研究进行了严格的编码间和编码内信度测试（详见补充材料）。这一手动分析步骤对于理解Twitter话语的复杂语境、隐含所指以及附着的外部链接（新闻、图片、表情包等）至关重要，是纯自动化文本分析无法替代的。
流程三：集群分析 在完成手动编码后，为回答RQ3（识别主导关注的模式组合），研究对编码数据进行了k均值聚类分析（k-means cluster analysis）。首先，筛选出出现频率高于5%的编码类别，共纳入35个变量。然后，通过层次聚类中的沃德法（Ward’s method）和肘部法则（elbow criterion）确定了六类聚类解决方案是最优的。随后执行k均值聚类分析，将2500条推文分配到这六个集群中，并计算每个集群的中心特征（各变量的均值和t值），据此对集群进行命名和描述。最后通过判别分析验证了聚类结果的稳健性（92%的推文归类一致）。
流程四：自动化网络分析 为了探究网络结构与内容放大的关系（RQ4），研究对25个高峰事件期间总计约1700万条推文数据进行了自动化网络分析。重点是分析无评论转推（uncommented retweets） 形成的网络，因为这种行为被视为在意识形态一致的社群内进行肯定性内容放大的有效指标。 1. 网络构建与可视化：使用Gephi软件，以用户为节点（node），转推关系为边（edge），构建转推网络。采用ForceAtlas2算法进行布局，该算法通过模拟物理系统中的引力和斥力来空间化用户间的互动关系，使得联系紧密的用户群体在视觉上聚集。 2. 社区检测：应用社区模块度（modularity）算法（Blondel等人，2008）自动识别网络中的社群结构。该算法根据用户之间交互的密度，将网络划分为不同的模块化类别（社群），而不考虑推文内容。 3. 网络过滤与核心分析：为揭示网络中的紧密连接部分和层级结构，研究对部分网络进行了k核（k-core）分解过滤。特别是过滤掉核度为1的节点（即连接度低的边缘节点），以更清晰地展示网络核心的互动模式。 4. 跨社区互动分析：除了转推，研究还分析了用户通过@提及和回复进行的跨社区互动，以衡量对立公众之间的接触程度。这是理解“回音室”效应与“对抗性公共领域”之间差异的关键。
四、 主要研究结果 针对RQ1（触发事件类型）：研究发现，大多数关注高峰都与多种事件类型混合相关，单一的聚焦事件（如一份科学报告）触发的高峰越来越少。最常触发关注的事件类型是政府行动/决策，其次是极端天气事件、竞选/选举和抗议。值得注意的是，虽然气候会议触发的高峰较少，但其引发的推文和转推总量（平均每个相关高峰日34.8万）仅次于科学报告发布（平均34.9万）。这表明，高度仪式化和媒体密集报道的大型事件能产生巨大的瞬时关注量，但日常的政治动态和自然事件在触发关注的频率上更为突出，显示出气候变化话语已渗透到社会生活的各个方面。
针对RQ2（主导领域、话语和用户）： * 领域：讨论高度政治化，国内政治是最常被提及的领域（61%），其次是自然（30.9%）、媒体（23.8%）和科学（17.4%）。 * 话语：最主导的话语是强调气候变化是真实的（44%）、批评政府（39.8%）和呼吁采取行动（37.9%）。但同时，气候变化否认（18.9%）和延迟叙述（11.4%）也占有相当比例，显示出话语的冲突性。 * 用户：发布高转发量推文的主要是个体记者（20%）和政治行动者（18%），他们也获得了最多的转推（分别占21%和23%）。像唐纳德·特朗普和格蕾塔·通贝里这样的极化人物被频繁提及，但很少亲自发布进入前100的高转发推文，他们更多是作为被讨论的对象而非直接参与者。相反，亚历山德里娅·奥卡西奥-科尔特兹和伯尼·桑德斯等将气候变化作为政治议程一部分的政治人物，则既是高频讨论对象，也是高转发内容的直接发布者。
针对RQ3（关注集群模式）：聚类分析揭示了六种反复出现的组合模式，它们超越单一事件类型，构成了稳定的“关注结构”： 1. 普遍呼吁变革：与抗议、极端天气和文化事件高度相关，包含多样化的领域和强烈的呼吁行动、批评政府、描绘消极未来及社会不公的话语。政治行动者参与度高。 2. 科学呼吁变革：与科学报告发布事件强相关，科学领域和科学话语（强调真实性、消极未来）高度集中，科学家用户比例较高。 3. 否认主义叙述：与政府行动和抗议事件相关，内容高度集中在（国际）政治领域，充斥着气候怀疑论、否认话语和延迟叙述，主要由个体公民、个体记者和已注销账户发布，表现出对主流气候行动的对抗性反弹。 4. 批评政府的相信者：这是最大的集群。几乎全部与政府行动事件相关，话语上既强烈相信气候变化真实性（86%），又大力批评政府作为（85%），并伴随一定的行动呼吁。文化行动者和活动家参与较多。 5. 有争议的天气辩论：与极端天气事件（100%）强相关，常与文化事件或政治竞选同时出现。该集群的核心特征是内部对立：既包含大量相信者将天气事件与气候危机关联并警告未来，也包含相当比例的否认者试图切断这种关联（如将山火归咎于管理不善）。文化事件也常引发对行动者“虚伪”的批评而非支持。 6. 有争议的政治与社会辩论：与抗议和政治竞选事件强相关。同样表现出内部争议性：呼吁行动和相信者话语与延迟叙述、否认话语并存。个体账户和已注销账户比例较高。
集群分析表明，关注高峰常由事件混合体（如气候峰会叠加抗议）触发，并且高度极化、充满争议的辩论往往能产生巨大的关注量。
针对RQ4（网络结构与对立公众）：网络分析清晰地证实了“网络化把关”（networked gatekeeping）的存在。 * 极化结构：在大多数高峰日，转推网络都呈现出两极分化结构，分离出一个主流社群和一个相对较小的对立社群（对抗性公共领域）。主流社群的用户倾向于转播相信气候变化、呼吁行动、批评政府的内容；而对立社群则几乎一致地放大否认和怀疑话语**，无论当天的事件类型是什么。 * 放大隔离：被放大的内容很少能跨越社群边界。这意味着高关注度并不意味着整个Twitter圈有共同的理解，而是不同群体在各自的“回音室”内放大着对立的信息。主流社群内部互动多样，子群间有内容交换；而对立社群则相对封闭且意识形态高度同质。 * 不对称的跨社群互动：一个关键发现是互动的不对称性。主流社群的提及/回复主要发生在自己内部（92%），很少针对对立社群（8%）。然而，对立社群的用户则有近一半（48%）的提及/回复是指向主流社群的。这支持了对抗性公共领域的特征：他们高度关注主流话语，并积极与之互动（通常是质疑或攻击），以试图影响或对抗主流叙事。 * 事件的调节作用：科学报告发布事件是唯一一个对立社群更倾向于内部互动而非联系主流社群的事件类型。这可能是因为面对确凿的科学证据，怀疑论者更需要在内部重申其信念。
五、 研究结论与价值 本研究得出的核心结论是：Twitter上对气候变化的关注是由聚焦事件、特定话语模式和极化网络结构三者复杂的相互作用所塑造的。虽然关注度常以短暂的峰值形式出现，但其背后存在反复出现的模式：讨论高度政治化、充满行动呼吁和批评，并因内部争议和极化而加剧。关注度的触发越来越多地依赖于事件的混合与杂交。更重要的是，高关注度并不等同于有效的公共对话或共识形成。相反，它常常是“网络化把关”的结果，导致意识形态同质的（对抗性）公众各自放大不同的内容，形成“并行独白”。对立公众虽然规模较小，但通过不对称的、常常是攻击性的跨社群互动，持续地试图挑战和塑造主流话语。
本研究的科学价值在于：它提供了一个整合内容、话语、用户和网络动态的综合分析框架，深化了我们对社交媒体时代气候传播复杂性的理解。它超越了简单的事件触发分析，揭示了驱动和维持关注的结构性因素。应用价值在于：为气候传播实践者、政策制定者和平台管理者提供了重要启示。例如，旨在提升公众关注的气候行动或传播活动，需要预见到可能引发的对抗性反弹，并思考如何设计信息以促进而非阻碍跨意识形态社群的对话。研究也指出，“延迟叙述”有时能穿透社群边界，可能是一种更隐蔽、危害性不小的阻碍气候行动的话语，值得未来重点研究。
六、 研究亮点 1. 方法创新与混合：成功地将大规模自动化网络分析（1700万条推文）与精细化手动内容分析（2500条推文）相结合，兼顾了宏观结构把握和微观语境理解，研究方法严谨、互补。 2. 长期动态视角：跨越五年（2017-2021）的纵向数据分析，能够捕捉气候话语在Twitter上的演变趋势，如政治化加深、事件类型混合增多等。 3. 揭示核心机制：不仅描述了“是什么”（哪些事件、话语占主导），更重要的是揭示了“如何运作”（网络化把关、对立公众的不对称互动），对理解社交媒体上的极化动态具有普遍理论贡献。 4. 精细的集群分析：通过聚类分析识别出六种稳定的关注结构模式，使得纷繁复杂的数据呈现出清晰的类型学，为后续研究提供了可参照的分析范畴。 5. 关注对抗性公共领域：深入分析了对立社群的行为逻辑（如高频攻击主流），深化了关于社交媒体上“反对派”公众如何形成和运作的理论认识。
七、 其他有价值内容 研究指出了若干未来研究方向：需要进一步评估关注度与辩论质量（理性讨论 vs. 不文明行为）的关系；需要更深入研究“延迟叙述”的传播路径和影响；需要考察跨媒体和跨平台效应（如新闻如何被推特讨论所利用和转化）。同时，作者也坦承了研究的局限性：仅聚焦于英语推文和Twitter单一平台，可能突出了美国为中心的论述，且随着Twitter平台的变迁，其生态可能发生变化。此外，社交媒体上的低成本参与可能并不代表深度的承诺，提示我们谨慎解读在线活动与真实世界行动之间的关联。