深柳读书|​同质的连接、异质的流动： 社交网络新闻生产与扩散机制

深

柳

堂

编者按

“闲门向山路，深柳读书堂”，语出（唐）刘昚虚《阙题》。深柳掩映下的清净书堂，最是读书人向往的治学之所。由是，我们用“深柳堂”来命名《新闻与传播研究》论文推介栏目,以期让同好慢慢品读，细细体味。

本栏目期待能够成为学者们田野归来坐而论道的一方宝地，将理论与实践结合起来，切之，磋之；也欢迎各位读者向作者提出问题，琢之，磨之;我们会精选问题予以回应，奖之，励之。

同质的连接、异质的流动：

社交网络新闻生产与扩散机制

作者 | 黄文森 廖圣清

内容提要

当前，社交网络已经成为新闻传播的重要渠道，专业媒体机构的新闻生产从“后台”走向“前台”，大量可供观察的网络数据为挖掘媒体的新闻传播模式及规律提供了经验基础。在社会网络视阈下，论文构建了媒体微博账号转发和引用的关系网络，采用指数随机图模型方法，考察影响媒体新闻生产和扩散关系形成的机制。研究发现，媒体同质性与媒介类型、新闻类型、行政区域等媒体属性相关，信息更容易在属性相同的媒体账号之间横向传递；同时，经济和行政因素影响信息在媒体账号之间的流动，在纵向上形成从上游媒体流向下游媒体的“传播流”。对社交网络媒体传播关系及其内在机制的探索，有助于进一步深化我们对社会网络中新闻传播规律和媒体规制的认识。

关键词

社交网络 同质性 新闻扩散 指数随机图模型

一、引言

新闻生产本质上是一种社会化的建构过程，而新闻报道历来被视为“群体思维”的产物。随着在线社交网站兴起，传统媒体的新闻生产和传播活动从现实空间部分转移到虚拟空间，媒体组织之间能够进行更为直接而频繁的信息交换和互动。在充满不确定性的情境下，通过对同行的“监视”，不同媒体趋向于做出相似的报道，也就是“新闻同质化”现象。尤其社交媒体与数字新闻的普及，使职业新闻机构从“后台”走向“前台”，将其组织内部的、封闭的新闻生产与控制的过程“透明化”。这不仅为媒体实践提供了丰富的新闻资源和多样化的参考群体，同时大规模的社交网络数据也为研究新媒介技术环境下的媒体组织关系提供了可能性。

诚然，网络化的社会协作带来了新闻业生产效率和产品容量的提升，但随之而来的是“多样化的外观下”新的同质化趋势的加剧。不同媒体的网络议程表现出高度的相互依存、共生和同质化的特点：网络化的媒体关系，雷同的媒体间（intermedia）议程。无论是主流媒体还是新兴媒体，媒体议程似乎比以往更加趋同而不是多元化。

然而，不同媒体的相似程度不同，议程的趋同在媒体群体内和群体外的表现也不尽相同，新闻扩散模式和媒体“分化”（polarization）的机制与媒体之间的差异性紧密相关，但我们对此知之甚少。在社交媒体时代，媒体组织之间的新闻活动是否存在同质性现象？如果存在，不同媒体组织之间的同质性表现如何？哪些媒体组织内外的因素在发生作用？本文将采用计算传播研究方法，从社会网络分析的视角挖掘新闻媒体的新浪微博（以下简称“微博”）账号之间的传播关系，以探讨这些媒体组织之间新闻生产与扩散的模式和影响机制，以期深化我们对社交网络中新闻传播规律和传媒规制的认识。

二、文献综述

上滑

（一）社交网络与新闻生产

作为一种发展趋势，诚如卡斯特（Castells）所预言的那样，信息时代的社会功能与过程越来越多地围绕网络组织起来。正因如此，新闻机构日益紧密地联系在一起，以至于海因里希（Heinrich）提出“网络化新闻”（network journalism）的概念，以描绘社交媒体环境下媒体组织成为节点，嵌入新闻收集、生产和扩散的密集网络的新现象。

在社交网络中，媒体组织与传统新闻生产过程中的时间、空间和其他规范要素的关系已经发生改变。以微博或Twitter为例，媒体账号可以随时发布新闻，借由“分享”、“点赞”等功能实现新闻内容的“社交推荐”，扩大新闻机构的影响力。

社交网络有可能增加媒体同行的新闻协作和相互影响。本文关注媒体组织账号之间的两种互动行为：转发和引用。其中，“转发”是一类包含其他用户内容及其来源的微博，它起到对原创微博“广播”的作用，通过提高其“可见性”来凸显内容的价值。当一则新闻在微博上被不同的媒体账号转发时，无异于“打开大门”（opening the gates）让更多媒体同行参与到新闻生产的过程中。“引用”是媒体账号对其所转载或援引的消息来源进行申明的做法，通常表现为在微博文本中标明其他媒体名称或外部新闻网站的链接。新闻的客观性要求记者通过引用建立“事实与来源的关系”，所以引用本身是媒体提供证据和免责的一种基本规范。

形式上，“转发”和“引用”与舒梅特（Shumate）和康特拉卡特（Contractor）提出的四种传播关系中的“流”（flow）和“表征”（representation）有着对应关系。在新闻领域，流关系指的是媒体之间的信息流动关系，而表征关系是两个实体之间的符号关联，表征信息的主要目的是向第三方或公众传达这种关联；与流关系不同，表征关系主体之间没有任何信息交换，比如超链接、引用和网站名称提及等。由此可见，引用关系是媒体新闻价值和规范在社交媒体上的具体表现，属于“新闻生产”的范畴；而考察社交媒体中的转发关系，有助于理解媒体组织之间的层级结构和信息扩散模式，即“新闻扩散”机制。

舒梅特等人强调了运用多种网络理论预测和解释传播现象的重要性，网络理论为新闻学者更准确地理解网络化的媒体系统提供了创新的框架。但目前为止，新闻学领域对网络理论潜力的挖掘还不够充分。比如，同质性和资源依赖理论有可能为研究新闻产业中的权力动力学和传媒经济学开辟一条新的路径。

（二）媒体同质性

同质性（homophily）指的是相似个体之间倾向于相互连接的社会现象。“媒体同质性”是同质性规律在新闻场中的具体表现，即某些属性（如类型、隶属关系、地理位置等）相同的媒体行动者在新闻生产过程中倾向于作出一致的新闻决策。

在传播学领域，拉扎斯菲尔德（Lazarsfeld）和默顿（Merton）最早提出了“同质性”的概念，以整合此前社会学和人类学研究中对人群相似性特征的发现。对于此类现象，最常被引用的解释是“选择性接触”理论，即由于个体趋向于减少自己的认知失调，选择性地接触与自身固有观点和意见相似而非相悖的信息，并与在某些属性上相似的个体聚合在一起，从而产生同质群体。随后，罗杰斯（Rogers）和鲍米克（Bhowmik）明确提出了“同质性-异质性”（homophily-heterophily）这一对传播关系的分析概念，与“同质性”相反，“异质性”强调相互作用的个体之间属性的差异。他们认为：“传播模式常常是趋向于同质的。”由此，本研究关心这一命题在媒体组织关系中是否同样适用。

在新闻学领域，尽管学界长久以来从未忽略过对媒体的“一致性”（media consonance）问题及其社会根源的关注，但媒体同质性到目前为止还没有得到广泛的关注。例如，拉维（AL-Rawi）分析了四个国家的阿拉伯语电视频道在Facebook上的新闻选择，发现新闻价值、接近性和意识形态左右了媒体对于新闻是否重要的判断，尽管这些国家的新闻组织意识形态背景迥异，但他们对于特定新闻的编辑却出现了趋同现象。多古（Doğu）分析了Twitter上的土耳其媒体景观，发现主流媒体和非主流媒体分化的现象——关注关系更可能发生于同一类别媒体之间；虽然高度的同质性导致了媒体分化，但社交媒体强大的连接能力也促进了跨媒体群体的“渗透”。

考虑到传媒体制的特殊性，研究中国媒体的组织关系无法脱离“市场经济”与“新闻事业”双重话语体系，这启发我们从新闻生产的组织内部和外部控制的视角展开对媒体同质性的讨论。沿循此思路，同质性的形成基于两类机制：选择同质性和诱发同质性，前者将同质性归因于个体层面对相似者的选择偏好，后者强调系统中群体组成对同质性的影响。对于媒体组织而言，不同媒体内部的生产模式和偏好可能造成（选择的）媒体同质性，同时媒体的隶属关系所提供的外部结构可能导致（诱发的）媒体同质性。

（三）媒体同质性的影响要素

本文将着眼于媒体组织内部（媒介的、新闻的）属性和外部（地理、经济和政治的）环境两类影响因素，以检验社交网络中的媒体账号之间转发和引用关系的同质性假设。

1.媒介类型：新闻生产方式

媒介类型作为新闻生产方式的变量，对“媒介间议程设置”的影响已被广泛研究。但以往基于有限样本的媒体研究，侧重于特定的媒介类型，而不是一个国家整体的媒体景观。社交媒体塑造了查德威克（Chadwick）所提出的“混合媒体系统”（hybrid media system）提供了一种理解新旧媒体差异的整体性视角。

社交账号是传统媒体与新媒体融合的具体形式，折射了数字技术对传统新闻生产流程和形态的实质性影响。然而，长期形成的制度、规范和特定媒介的物理性能，可能持续对传统媒体在微博上的表现形态产生影响，使其偏好转发、引用相同（新闻生产方式的）媒介账号所发布的内容；网络媒体在技术上已经融合了传统媒体的一切手段，其新闻生产更加灵活、多变，更容易与传统媒体内容形态产生联系。为此，提出研究假设如下：

H1a和H1b：在微博中，传统媒体（如报纸、广播、电视等）账号倾向于（a）转发、（b）引用同类媒体账号；

H2a和H2b：网络媒体（即新闻网站）账号不倾向于（a）转发、（b）引用同类媒体账号。

2.新闻类型：媒体专业化

在中国传媒业，新闻类型的多样化是结构化改革的结果。为了适应内容市场日益“分众化”的趋势，20世纪80年代广播频率走向专业化，20世纪90年代末电视频道走向“专业化”。与此同时，新闻改革的结构调整和转型使大众媒体从单一结构走向多元结构。

结构调整和转型旨在“从小而全媒体走向专业化媒体，从同质化竞争走向差异化竞争”，但结果却是媒体专业化之后“专业同质化”的形成。从新闻实践来看，专业同质化的重要诱因是“专题报道”或主题专门化，即相同领域（如体育、政治或财经等）的新闻媒体，由于跟踪相同新闻事件或引用相同的消息源而造成“专题同质化”（beat homophily）。考虑到综合类和专业类媒体的相对关系，故提出以下研究假设：

H3a和H3b：在微博中，专业类新闻（如政治、财经、国际、娱乐等）媒体账号倾向于（a）转发、（b）引用同类媒体账号；

H4a和H4b：综合类新闻媒体账号不倾向于（a）转发、（b）引用同类媒体账号。

3.行政区域：地理接近性

“地理接近性”（geographic proximity）指的是地理空间中行动者之间的邻近程度，是影响同质性的重要因素。一方面，媒体组织有优先选择本地新闻的偏好。在新闻决策中，地理距离历来是判断新闻价值的重要标准，媒体的新闻选择取决于经验上的熟悉程度及其所处的地理位置。媒体组织对科恩（Cohen）所称的“相关区域”新闻的关注，可能会增加其在微博上与其他来自相同地区的媒体账号的互动。另一方面，社交媒体也可能展现吉登斯（Giddons）提出的“脱域”（disembedding）的特征，即媒体的社会关系从彼此互动的地域性关联中“脱离出来”，促进本地与异地媒体在微博上加强互动；加之，跨区域经营的媒体集团和全国性媒体的存在，也为不同地区媒体社交账号之间的交流提供了可能性。本研究以省级行政区为单元检验“地理接近性”假设：

H5a和H5b：在微博中，媒体账号倾向于（a）转发、（b）引用来自相同省级行政区的媒体账号。

4.经济区域：经济接近性

“经济接近性”是指区域经济发展水平的相近程度，主要考察区域经济对媒体资源流动的影响。依据经济发展状况，中国大陆可分为东部、中部、西部和东北四大经济区。受区域经济非均衡发展影响，东部地区传媒产业发展水平明显高于中西部，呈现出东西地带的层次差异。

从信息扩散来看，东部的媒体占有领先的资源优势，与其他地区媒体之间存在较大的差距，在新闻生产过程中跨区域调配资源的能力更强，特别是“增长极”的媒体更容易成为其他地区媒体的信息集散中心；而中西部地区传媒发展整体较为落后，可能在内部形成相对封闭的区域市场。然而，过往研究鲜少关注区域经济对媒体内容生产和扩散的影响。故提出研究假设如下：

H6a和H6b：在微博中，来自东部地区以外（中部、东北和西部）的媒体账号倾向于（a）转发、（b）引用来自相同经济区域的媒体账号；

H7a和H7b：来自东部地区的媒体账号不倾向于（a）转发、（b）引用来自相同经济区域的媒体账号。

5.行政级别：等级接近性

从“传播流”出发，奥斯特加德（Östgaard）提出了“等级接近性”（proximity of rank）的概念表示社会或政治层级的差距。如果说地理接近性促进信息传递，那么等级接近性可能发挥反向作用。布里德（Breed）很早就发现，城市小报经常“跟随”通讯社或大报的新闻，这种低等级媒体依赖高等级媒体信息输送的现象被形容为“动脉过程”。也就是说，新闻在同级媒体之间流动困难，但更容易从高等级媒体向低等级媒体流动。

在中国，新闻媒体同样存在“等级”现象，即媒体隶属机构的行政级别。当前，中国传媒业已经逐步形成“二级电视、三级报纸、四级广播”的格局。对此，媒体管制实行“条块分割、以块为主”制度，不同级别的媒体及其政府管制单位之间存在上下对应关系。根据资源依赖理论，等级接近性考察的是上下游组织之间的关系，在这里上游媒体指中央级媒体，下游媒体则为省、市级及以下媒体。由此，提出以下假设：

H8a和H8b：在微博中，媒体账号不倾向于（a）转发、（b）引用相同行政级别的媒体账号；

H9a和H9b：行政级别较低（如省/市级）的媒体账号倾向于（a）转发、（b）引用行政级别较高（如中央级）的媒体账号。

三、研究方法

上滑

（一）数据来源及预处理

本研究的社交网络数据采集自新浪微博公开页面。首先，采用判断抽样的方法，按照若干判断标准逐步筛选出690个媒体认证账号；然后，通过网页爬虫抓取其微博主页信息，数据字段主要包括用户名、微博文本、粉丝数、微博数和关注关系等，其中微博文本为2017年全年历史数据。最终，采集获得有效数据超过350万条微博，其中原创微博约占91%，转发微博约占9%。通过文本挖掘，从微博数据中提取转发和引用两种媒体关系并构建传播网络，作为模型的因变量。

转发关系提取自媒体账号之间的转发微博，以微博文本中“（谁）转发了（谁）的微博”为判别标志。经过去重、映射等数据处理，首先删除媒体列表之外的转发关系；由于不同账号之间转发频率差异较大，剔除出现次低频次关系是常见的做法，故本文仅保留转发次数3次以上的转发关系，并对任意两个账号之间的转发关系进行二值处理（即1表示转发次数≥3，0则相反）。最终，生成了包含636个媒体账号节点和4771条边的转发网络。

引用关系提取自媒体账号发布的原创微博，微博文本中出现明显转载或援引其他媒体内容的标志或符号（如“来源于/by/via”+媒体）。与转发不同，转发与被转发者均为统一的媒体账号，但引用关系中的媒体来源有可能来自微博之外，存在引用多家媒体或名称不一致的情况（如“中青报”和“中国青年报”）。本研究利用Python进行文本处理并结合人工核查的办法，对媒体实体进行识别、消歧和合并。同样考虑到引用频率差异较大，本文仅保留任意两个账号之间出现3次以上的引用关系。经过上述处理后，生成包含562个媒体账号节点和15019条边的引用网络。

（二）指数随机图模型

本文采用指数随机图模型（Exponential Random Graph Model，简称ERG模型）方法进行网络统计研究。ERG模型是解释和预测社会关系形成模式（如同质性）的有效工具。在网络中，定义Yij作为任意两个媒体账号关系的变量，即当两个媒体i和j之间存在关系时，Yij=1；否则，Yij=0。预测网络中一条连边出现的概率，可以表示为条件对数比率的形式：

其中，Ycij指网络中除去Yij以外的其他节点情况；zk(y)表示第k(k∈K)个网络构局（如同质性）的统计量；δzk(y)表示随着Yij从0变化到1，网络构局统计量所发生的变化量；θk是参数估计值。θk用logit函数形式解释为：其他条件不变情况下，如果增加一条边，zk(y)增加1则对数几率增加θk。

本研究将使用R语言的statnet包来构建并估计ERG模型。

（三）模型变量

1.纯结构效应

在ERG模型中，纯结构效应仅与网络系统的内部过程有关。如表1所示，弧是指网络有向边yij的总量，记为∑yij，可理解为回归模型中的截距项；互惠性表示媒体i和j之间存在双向关系的总量，记为∑yijyji。在社交网络中，互惠关系经常出现在同质的交流关系中。

2.传/受者效应

传/受者效应表示媒体属性对特定方向关系形成的影响。在表1中，传者效应指网络中媒体i（实心点）的信息传递给其他媒体的趋势；受者效应表示媒体j接受其他媒体信息的趋势。作为模型的控制变量，传/受者效应主要考虑媒体账号在微博上的属性变量（x），包括表示声望或影响力的粉丝总量数，表示活跃度的微博发布数，以及该媒体账号被媒体同行账号关注的数量和其关注的同行账号数等。

3.同质性效应

同质性效应考虑的是相同属性类别的媒体账号连边的总量，记为∑xixjyij。本文模型主要涉及五种媒体属性：（1）媒介类型包括有报纸、广播、电视、杂志、网站、其他等6个类别；（2）新闻类型主要包括综合类、时政类、财经类、国际类、娱乐类和其他等6类；（3）行政区域包括31个省级行政区（港澳台除外）；（4）经济区域分别为东部、中部、东北和西部等4类；（5）行政级别包括中央、省级、地方和其他等4类，并且存在级别之间的差序关系，即中央>省级>地方。上述分类由3位新闻传播学专业本科生编码完成，分类结果具有一致性（Krippendorff's α=0.95）。

4.夹带效应

夹带效应属于二元关系协变量。在这里考察媒体账号关注关系（记为wij）是否影响其转发或引用关系的形成。本文从媒体微博账号的关注列表中提取关注关系，经过关系映射和节点剔除，其中转发网络中涉及636个节点的39445条关注关系；引用网络则包含562个节点及其35715条关注关系。

四、研究发现

上滑

（一）社会网络分析

研究结果显示（见表2），媒体账号转发网络的密度（D转发=0.012）和聚类系数（C转发=0.047）均小于引用网络（D引用=0.048，C引用=0.324），平均路径长度（APL转发=3.300＞APL引用=2.536）大于引用网络。这说明转发网络的连通性较差，存在大量稀疏的、长程的“弱连接”关系；引用网络的全局连通性较好，在局部形成更多聚类，从而形成紧密的“强连接”社群。

表3展示了媒体转发和引用网络的入（出）度数排名前十的情况。其中，入（出）度指一个媒体账号（被）转发或（被）引用关系的数量，度的大小可以通过节点大小来表示（图1）。入度较大的媒体账号主要为地方性媒体（除了人民网和法制网外），尤其是地方的都市报、晚报或广播台转发或引用的媒体账号更多元化。从引用网络的出度看，中央媒体（如《人民日报》、央视、新华社等）账号以及网络媒体（如人民网、新华网、中新网、澎湃新闻等）账号更容易成为转发或引用的重要源头。

从度分布来看，网络图和直方图（见图1）直观地反映了出入度的离散和差异情况，转发网络的平均度低于引用网络（M转发=7.50＜M引用=26.72），转发入度和出度的离散程度也均低于引用网络（SD转发入度=12.30＜SD引用入度=24.34；SD转发出度=28.80＜SD引用出度=72.89）。引用网络（图1-C和图1-D）比转发网络（图1-A和图1-B）更复杂和集中，网络中心的大节点数量更多，且节点之间的连边更多。结合网络密度和度分布来看，引用网络比转发网络具有更大的中心势（centralization）——以最大节点（即“《人民日报》”）为核心的集中趋势。

（二）参数估计及模型拟合

表4展示了媒体账号转发网络和引用网络的两类模型，即同质性模型（HM）和差异同质性模型（DHM）的比较。采用最大似然估计法，参数估计的正负揭示了模型变量影响关系形成的方式。例如，弧的参数估计均为显著（p<0.001）为负，表示转发和引用网络的密度均在50%以下，都是稀疏网络；互惠性参数估计显著为正，说明任意两个媒体账号之间相互转发或引用的概率显著高于随机网络。

在模型拟合方面，两个网络的DHM模型的AIC和BIC均为最低值，说明考虑差异化的同质性效应后的模型改进效果最为明显。本文将结合HM模型与DHM模型的参数结果进行模型解释和假设检验。

（三）假设检验

从表4的HM模型来看，媒介类型的参数估计值在转发网络（E转发=0.331）和引用网络（E引用=0.017）上均为正且显著（p<0.001），说明整体上媒介类型正向影响媒体同质性。但在DHM模型的媒介类型上，传统媒体账号中除了“报纸”（E转发=0.332；E引用=0.038）对转发和引用关系的参数估计均显著为正（即任意两个纸媒账号之间连边的概率显著高于随机图）以外，“广播”（E转发=0.745）和“电视”（E引用=0.191）分别在转发和引用网络上的估计值显著为正，而“杂志”（E转发=-0.801；E引用=-1.914）在两个网络中的估计值都显著为负，说明假设H1a和H1b分别在“报纸”、“广播”和“报纸”、“电视”上成立。“新闻网站”在转发网络中表现出异质性，即其参数估计显著为负（E转发=-0.067），但在引用网络中却为正向（E引用=0.319），所以假设H2a成立，H2b不成立。

HM模型结果显示，新闻类型（E转发=0.052；E引用=0.389）也对媒体同质性产生显著正向影响。对于转发网络，DHM模型中除了“综合类”新闻媒体账号的转发同类媒体的概率在降低（E转发=-0.005），其余专业类媒体账号都表现出显著的正效应，故假设H3a和H3b均得证。引用网络的DHM模型结果显示，“综合类”（E引用=0.400）的参数估计为正，拒绝假设H4a；同时，在专业类媒体账号中，“财经类”（E引用=0.241）、“国际类”（E引用=1.038）和“娱乐类”（E引用=0.567）媒体均倾向于引用同类型的媒体账号，但“时政类”（E引用=-0.328）却表现出异质性，故假设H4b部分成立。

对于地理接近性，与随机网络相比，实际网络中“行政区域”的参数估计均显著为正。具体地，如果基于DHM模型另行估计不同地区的参数（表5）则会发现，“北京”（E转发=-1.209）和“上海”（E转发=-0.005）两地除外，大多数媒体账号倾向于转发来自同一省份的媒体账号；“广东”（E引用=-0.744）除外，媒体账号倾向于引用来自同一省份的媒体账号。所以，假设H5a和H5b基本成立。

对于经济接近性，转发网络的HM模型参数显著为负（E转发=-0.041），而引用网络的参数显著为正（E引用=0.012）。从DHM模型来看，“东部”对转发关系（E转发=-0.159）和引用关系（E引用=-0.015）的参数估计均为负，即东部地区的媒体账号倾向于与其他地区媒体账号互动（即转发或引用），所以假设H6a和H6b均成立。对于东部以外地区，“西部”（E转发=1.020）、“中部”（E转发=0.387）和“东北”（E转发=1.141）媒体账号倾向于转发本区域内部的媒体账号，故假设H7a成立；但是，在引用网络中同质性假设H7b仅在“西部”（E引用=0.468）上获得支持，“中部”（E引用=-0.140）和“东北”（E引用=-0.294）媒体账号引用关系具有异质性特征。

最后，HM模型结果还显示，行政级别对媒体同质性的影响也存在差异性：转发和引用网络中该项参数估计分别为负值（E转发=-0.235）和正值（E引用=0.148）。对于转发网络，“中央”（E转发=-1.350）和“省级”（E转发=-0.285）媒体账号参数值均显著为负，但“地方”（E转发=0.959）的参数为正，假设H8a在“中央”和“省级”媒体账号上得证；在引用网络中，“中央”（E引用=-0.150）和“地方”（E引用=-0.251）参数值均显著为负，而“省级”（E引用=0.334）却相反，故假设H8b在“中央”和“地方”媒体账号上成立。结合行政级别的传者效应来看，“省级”和“地方”媒体账号被转发的概率分别是“中央”的0.433倍和0.154倍，被引用的概率分别是“中央”的0.472倍和0.330倍。这意味着从“中央”到“省级”再到“地方”，媒体账号被转发或引用的概率在逐级降低，证明等级较低（即“省级”和“地方”）媒体账号倾向于转发中央媒体账号，假设H9a和H9b成立。

五、研究结论

上滑

基于以上发现，本文得以检验关于媒体同质性的研究假设，并讨论新媒体环境下媒体社交账号的新闻生产与扩散的机制。

（一）   转发与引用：向外扩张的扩散关系与向内聚敛的生产关系

转发和引用的不同，恰如帕克（Park）等人所强调的社交媒体中的“后仰式”（lean-back）和“前倾式”（lean-forward）行为的本质区别，前者比后者消耗更少的劳力和成本。对于媒体账号而言，转发是对新闻的“再传播”，新闻选择是消极的、被动的；引用其他媒体的新闻，实际上是对新闻的“再生产”，体现新闻选择的专业性及规范化。

从网络结构来看，转发网络中大部分媒体账号倾向于转发极个别媒体账号，即微博媒体系统中“意见领袖媒体”。虽然该网络连通性稍差，但由于“弱连接优势”的存在以及转发的成本较低，转发网络拥有向外扩张的“扩散”能力，尤其是经由“意见领袖”将新闻扩散至更多的媒体账号。相比而言，具有“生产”功能的引用网络的整体和局部的连通性和集中度更强，信息传播具有向内聚敛的趋势。较大的聚类系数意味着网络中存在更多的“三元闭包”结构，反映引用网络更有利于减少信息的不确定性，强化媒体账号对特定新闻选择的偏好。

（二）“关注”促进扩散和生产，“声望”促进扩散，“活跃”促进生产

在转发与引用网络中，关注关系对转发、引用的效应均为正，说明在其他条件不变的情况下，有关注关系的媒体账号更容易形成转发和引用关系，如多古所言，强调“关注”的社交媒体促进了媒体对同行的监视并有利于跟踪议程。媒体账号的同行关注数和关注同行数的参数估计值均为正向，进一步表明“关注”关系对传播的积极影响：媒体账号被同行关注得越多，其微博被转发或引用的概率越高；反之，其关注的媒体同行越多，转发或引用其他媒体账号微博的概率更高。

有趣的是，两种网络中，分别衡量媒体的“声望”和“活跃度”的粉丝总量和发布微博数的正负关系，正好相反。一方面，粉丝总量越高的媒体账号越可能被转发，但被引用的可能性却在下降。这反映了微博中媒体“大V”对新闻扩散的积极作用，也暗示着影响力大不代表具有权威性，权威亦不必然带来影响力。另一方面，微博发布总量越高的媒体账号引用其他媒体账号的可能性越大，但转发的概率越低。这证实了微博媒体账号的活跃度与原创率的关联性，即媒体活跃度建立在原创的、信息充足的内容生产上，而不是“炒冷饭”式的转发。因为，专业媒体区别于其它传播行动者的关键属性和核心功能，就是生产专业化的原创新闻。

（三）   同质的连接：信息更容易在属性相同的媒体账号之间传递

报纸类账号显示了转发和引用同类账号的偏好，反映报纸媒体账号趋向于在微博上形成较大的“报业”圈层。在“生产”范畴的引用关系上，报纸、电视和新闻网站类账号都表现出显著的同质性，说明这三类媒体账号的组内联系紧密，但组间即“跨行业”的引用较少，各自为营，没有在新闻报道上真正实现“报/台/网融合”。然而，“转发”弱化了电视、网站类媒体账号同质性，作为一种“扩散”而非“生产”的信息传播方式，转发有助于促进新旧媒体的关系联结。此外，广播账号的群内互动以转发为主，但在新闻生产上依赖于引用其他媒体；而杂志类账号拒绝了同质性假设，概因生产时效上的差异导致其依赖其他媒体账号的新闻资源。

在新闻类型上，媒体专业化对媒体同质性有所影响。其中，“时政类”除外的专业化媒体账号均存在“同质相连”的现象，印证了彼得罗斯（Petros）关于传媒多样性的特征，即每种媒体渠道内部“都有高度的内容同一，表达特定的观点，仅仅迎合自己的‘追随者’”。从受众角度来看，专业化媒体账号的追随者更可能暴露于同质的“气泡”之中；而“综合类”媒体账号的内容取向是大众化的，其转发专业类媒体账号的可能性较大，即便引用上是同质性的，受众也可以获取更异质化的信息。

地理接近性假设被证实。这意味微博上媒体账号之间建立了以属地为边界的“圈子”，形成了微博转发和引用的“地域壁垒”。在社交网络中媒体未能完全“跳出”属地的关联，首先，可能是地理或心理距离作为新闻选择的标准，依然发挥重要作用；其次，可能受传媒集团化影响，在区域性市场内形成的传媒集团缔结了“同气连枝”的地方性媒体网络；加之条块化的管理体制强化了“行政壁垒”，亦不利于微博中“跨地区”传播的媒体实践。

在经济接近性上，“西部”得到转发、引用数据的双重验证。排除东部地区的影响，东部地区以外的媒体账号倾向于转发各自地区的媒体账号。尤其是来自经济发展水平落后的西部地区的媒体账号，整体上与其他经济区域媒体账号的转发和引用都较少，在区域内形成相对独立、封闭的信息环境。

（四）   异质的流动：重要信息从上游媒体账号流向下游媒体账号

从资源依赖理论出发，新闻权威性是资源重要性最显要的指标，拥有权威新闻发布权的媒体形成对其他媒体的“外部控制”，即菲佛（Preffer）等人提出的“权力不平等”模式。本研究发现，时政类媒体账号的微博引用是异质的，意味着被其他非时政类媒体账号引用的概率较高，这可能与党和国家对时政新闻的权威性及采编权的规定有关。

本研究还发现行政级别对媒体同质性的负向影响，尤以“中央”的异质性效应最为明显，并分别体现在其与“省级”的转发关系上，以及与“地方”媒体的引用关系上。同时，从“中央”到“省级”再到“地方”，媒体账号被转发和引用的概率在逐级递减，说明新闻信息倾向于从控制资源的上游媒体流向需求资源的下游媒体。这一“传播流”过程折射了垂直分级管理体制以及媒体行政权力分布下的“信息不对称”。例如，中央和省级直属新闻单位具有设立新闻网站资格，但地方级新闻单位网站只可登载前者发布的新闻；地方级媒体不能报道重大政治和社会新闻，必须转载新华社或《人民日报》的消息；以及“不得批评同级党委”等宣传纪律的约束，造就了新闻资源集中化和向下流动的过程。

此外，经济发展的不均衡也可能影响信息的上下流动。借鉴增长极理论，经济区域之间的信息传播也存在“极化/扩散效应”。整体而言，东部地区与其他经济区域的新闻资源存在差距，容易形成对重要信息的“控制”而出现“极化效应”，即“东部”媒体账号在转发网络上“跨区域”的信息流动，而东部以外地区的媒体账号趋向于“区域内”转发。特别是北京、上海、广东三地的传媒产业发展具有明显的“跳跃性”，集聚了更多的上游媒体（中央和全国性媒体），而在微博上形成对下游的其他省份媒体账号的信息输出。在引用网络上，“东部”媒体账号则表现出“扩散效应”：“东北”和“中部”媒体账号显现出异质性，二者的新闻引用关系可能受到“东部”的影响，可见信息在经济地带相邻的梯度区域内实现了扩散，但“东部”对“西部”的带动作用依然较弱。

六、结语

新闻的“一致性”往往归咎于媒体组织相互作用的社会化过程。但无论是道斯巴赫（Donsbach）的社会心理学解释，还是麦库姆斯（McCombs）等人对媒体议程融合的研究范型，都没有从形态学（即网络）意义上理解媒体组织之间的“关系”。近年来，研究者已经认识到社会网络分析对于形成新问题、检验并重构理论的驱动作用，特别是对传播网络“类型学”、网络理论与新闻理论整合以及多维网络的探索，将有可能极大推动新闻与媒介理论和方法的创新。

本研究试图实证检验社交网络中媒体同质性的理论逻辑，在以微博为平台的媒体系统中，从舒梅特等人的“流”与“表征”的关系视角，挖掘媒体组织之间的转发与引用行为，探索社交网络新闻扩散与生产关系中的同质性规律。即便如许多研究所主张，同质性可能源于社会选择，也可能是社会影响的结果，但本文无意介入“选择”与“影响”的争辩。因为除非在较大的时间尺度下对动态网络进行纵贯观察，此种因果困境至少在本研究静态的网络模型中无法予以解答，未来有待开展该领域的纵向网络研究。然而，在方法论上，ERG模型的优势在于以零模型为推断基础，将对真实网络变量显著与否的检验，建立在与（大量生成的）随机网络的比较之上，以此探明“关系何以形成”的根本问题。

要而论之，社交网络新闻生产与扩散关系形成的逻辑，可概括为“同质连接”与“异质流动”两种机制。具体而言，相同的媒介类型、新闻类型和行政区域的媒体组织之间，倾向于形成横向的、平行的传播关系。其背后所反映的分化型传媒规制虽然渊源有自，但在社交媒体环境下不同媒体、行业和地域之间依然“壁垒森严”，无益于新旧媒体的融合发展和信息的跨越流动，容易造成新闻同质化。同时，纵向的“传播流”过程可能源于媒体组织的资源依赖与权力结构。行政级别上的“差序”和经济上的“倾斜发展”，强化了上游媒体对于重要信息的外部控制，可能会加剧信息的“极化效应”，进而限制下游媒体的发展空间和传播潜力。

载《新闻与传播研究》2021年第2期

囿于篇幅，公号舍去注释，完整版本请见刊物。

编辑 | 王心路 王文哲