基于內容分析法的網絡信息污染演變研究

劉雪艷 王在宇 袁野

〔摘 要〕網絡信息污染成為網絡社會一個不容回避的問題，但目前研究中對這一問題的定性描述，難以讓公眾形成正確的認知。為了解信息污染的分布和變化趨勢，本研究基于內容分析法，以12321互聯網不良與垃圾信息舉報中心9年間發布的70份報告為分析樣本，從網絡信息污染的來源、類型和變化趨勢等方面進行了比較分析和統計檢驗。研究結果顯示，來自移動終端的惡意手機APP已經成為網絡信息污染中的突出矛盾。在此基礎上，提出信息污染治理的工作重心應當向移動互聯網傾斜等政策建議。

〔關鍵詞〕網絡信息污染；內容分析法；方差檢驗；12321舉報中心

DOI：10.3969/j.issn.1008-0821.2016.07.009

〔中圖分類號〕G203 〔文獻標識碼〕A 〔文章編號〕1008-0821（2016）07-0045-06

網絡信息技術在帶來便利的同時也引發了一系列的負面影響，使得人們在信息消費的過程中也遭受著信息污染的危害。垃圾短信、騷擾電話、垃圾郵件、不良網站、惡意手機應用橫行，個人信息泄露事件發生得越來越頻繁。12321舉報中心發布的《2015年中國網民權益保護調查報告》顯示：近一年，我國649億網民因為垃圾信息、個人信息泄露或網絡詐騙等現象，導致平均遭受的經濟和時間上的損失分別達到124元和254小時。日益惡劣的信息環境已經在干擾我國居民的正常信息消費活動。

追溯相關文獻發現，信息污染一詞是隨著信息生態學的研究發展而來[1]。信息污染這一概念最早是由德國學者拉斐爾普羅在其1989年發表的論文《信息生態學進展》中首次提出[2]。在隨后的研究進程中，國內外學者對信息污染這一研究主題的理解存在一定差異。

國外學者主要研究信息生態環境中的信息過載問題。例如，著名咨詢公司的Jakob Nielson博士[3]（2003）認為，信息污染是信息過載帶來的極端表現，他認為在需要我們決策的事情以外，任何吸引我們注意力的東西都可以稱為信息污染。過量的信息如工作環境中的電子郵件、電子通知、即時消息、Tweets、Facebook等推送信息，只會分散人們的精力，導致無法管理信息[4]，這已經成為現代社會普遍存在的問題，社交媒體和微博平臺上的信息正以超過用戶認知能力的速度源源不斷地出現。一項針對英國Facebook，Linkedln和Twitter用戶的在線調查[5]結果表明，2/3的Twitter用戶都覺得自己收到了太多的貼子，超過一半的微博用戶認為自己需要一個工具來過濾無關的帖子。在充滿信息污染的網絡環境中，人們的注意力變得碎片化，造成時間的浪費，這不僅會使得我們不快，甚至會扼殺我們的創造力[6]。國外學者認為信息過載導致人們決策困難。Rodrigue M.& Gummadi K[7]（2014）評估了過量的信息對社交媒體網站Twitter的負面影響。Van VL.，Beaujean D J.et al[8]（2013）指出應用程序的超載使得醫療人士和公民很難找到合適的健康管理和醫療保健應用，信息和功能過于分散的應用程序，限制了這些應用程序的推廣。Kristof C.& Michael A[9]（2015）認為在線購物網站上由用戶反饋的大量正面或負面信息，已經令營銷人員束手無策。

與國外學者的關注重點不同，我國學者一般認為信息污染是指媒介信息中混入的有害、有毒，具有欺騙性和誤導性，甚至超過公眾道德底線的信息，其危害表現在會對人類精神文明的傳播造成破壞和不良影響[10-14]，概念范圍相較國外學者更廣。除對信息污染的定義的理解外，國內學者認為信息污染產生的原因包括[11，15-16]：①信息源的可偽性和發散性；②信息媒介及從業人員的行業自律不良；③信息消費者自身的素質高低不齊。信息污染的表現形式可以分為以下幾類[17-19]：①有害和有毒信息，如色情、暴力信息；②冗余和非主動請求信息；③虛假和偽劣信息，如垃圾短信、騷擾電話、惡意APP等。信息污染對社會有其負面影響，曾劍秋等[20]對“端口”類垃圾短信進行分析后，發現廣告類垃圾短信數量占比最大，而詐騙、色情等違法短信社會危害最大。

研讀已有文獻發現，現有文獻大多從定性的角度分析信息污染的概念、成因以及危害，鮮有關于信息污染的來源分布的定量研究，公眾因此對信息污染缺乏正確的認知。本文基于內容分析法，對12321互聯網舉報中心發布2008年5月至2016年2月的70份統計報告進行分析，探析我國網絡信息污染的來源、類型和變化規律。

1 研究設計

內容分析法產生于第二次世界大戰期間，美國情報人員用這種方法從報紙上獲取了德國納粹的大量情報資料[21]。此后，美國學者貝雷爾森等人將這一方法系統化[22]，現在已經成為社會科學研究領域被廣泛使用的一種方法。

內容分析法可以用于研究任何文獻或有記錄的交流傳播事件，如某個特定話題、焦點事件、某份特定報紙或一系列報紙[23]，這一方法為信息分析工作提供了一套可靠的方法和工具。內容分析法一般需遵循以下幾個步驟[24]：（1）提出研究問題或假設；（2）抽取研究樣本；（3）選擇分析單元；（4）建立分析類目；（5）定量處理與計算。本研究基于12321每月舉報受理播報，采用EXCEL和R語言開放平臺（312版本）作為數據統計和分析工具。

11 提出研究問題

在一定程度上，網絡信息環境中的信息污染問題是隨著信息技術的發展而產生的。近年來，信息技術發展十分迅速，信息環境不斷變化。針對信息污染等新問題，相關部門也采取了必要的監管措施。但信息污染的變化呈現何種規律，監管工作有沒有取得顯著的效果，這些問題都是需要我們思考的。筆者以“不良與垃圾信息”為研究對象，探討如何采用內容分析法對其進行客觀、系統的研究，以期引導公眾對信息污染問題產生正確認識，共同創建良好的信息消費環境。

12 研究樣本

12321網絡不良與垃圾信息舉報受理中心是中國互聯網協會受工業和信息化部委托設立的舉報受理機構，主要負責互聯網、移動電話網、固定電話網各種形式信息通信網絡及電信業務中不良與垃圾信息內容的舉報受理、調查分析以及查處工作，其網站上公布的受理范圍和舉報方式等信息。

網站顯示，該舉報平臺目前進行了以下幾個方面的受理情況播報：①《反垃圾郵件報告》，從2005開始，至2014年第四季度為止，每季度發布，但2009年以前的報告均無法下載；②《手機短信狀況報告》，從2009年開始至2014年，每年進行兩次調查，2010年底開始改為每半年進行一次；③《網絡不良與垃圾信息舉報受理情況播報》，從2008年5月開始，每月公布垃圾郵件舉報受理情況，至本文寫作之日已更新至2016年2月版本；④《網民權益報告》，現已發布2014年版和2015年版。網站上可以獲取到的各類資料情況如表1所示：

考慮時間跨度、更新頻率和內容覆蓋等因素，本研究以《網絡不良與垃圾信息舉報受理情況播報》（以下簡稱《月報》）為分析樣本，共收集到樣本70份，以期對近幾年我國信息污染情況進行客觀、系統、定量的研究。需要說明的是，2012年1月和2月、2015年3月和4月以及2015年6月和7月的樣本是合并在一起的，2012年7月至2014年1月間以及2014年5月、2015年12月的樣本缺失。

《月報》樣本共分為“受理方式”、“本月舉報受理情況總結”、“本月處理情況”和“網絡不良與垃圾信息舉報受理中心舉報”等幾大部分。其中2008年5月至2012年6月的樣本中，“本月處理情況和網絡不良與垃圾”部分設置“互聯網”、“移動電話網”、“固定電話網”三大不良與垃圾信息來源，如表1所示，樣本容量為49；而2014年2月至2016年的樣本對該部分作了調整，分為“垃圾郵件”、“不良網站”、“垃圾類短信”、“涉嫌違法類短信”“垃圾彩信”、“騷擾電話”和“手機應用安全問題（APP）”7個子類，即將來自移動電話網和固定電話網的騷擾電話舉報進行合并統計，將不良與垃圾短信細分為垃圾類短信和涉嫌違法類短信。同時，新增手機APP安全問題舉報類目，取消對互聯網惡意軟件的統計。

根據樣本特征，本研究將70份樣本劃分為兩組，即將2008年5月至2012年6月的樣本劃分為第一組，2014年2月至2016年2月的樣本劃分第二組，樣本容量分別為49和21。

13 選擇分析單元和類目

為了解各種不良與垃圾信息的分布，本研究選取“本月舉報受理情況”分析單元，在該分析單元下，選擇各污染信息來源作為進一步分析類目，第一組樣本分析類目如表2所示：

IVR：語音增值業務，與固定電話聲訊臺類似，提供語音交友、語音點歌等服務。

第二組樣本分析類目如表3所示：

按照以上規則，對樣本進行分析，統計各類受舉報的信息污染來源數量，保證了研究過程的可重復性，也不會使研究者產生歧義。

14 結果信度分析

由于12321不良與垃圾信息舉報受理范圍并不是完全一致的，內容分析方法中，需要研究者按照相同的維度對樣本進行分析和記錄。為了使數據統計結果更加準確，需要開展信度分析，以判斷兩個以上的研究者評判的一致性，一致性越高表明研究者對分析單元和類目的認識越統一，研究的可信度也越高。信度分析的計算公式[25]：

R=nK1+（n-1）K

其中，R為信度；K為研究者間的平均認同度；n為研究人員數目。研究者間的平均認同度K可由以下公式計算得出：

K=2MN1+N2

其中，N1、N2為兩個研究人員獨立分析的類目數，M為一致認同的類目數。若有兩名以上人員參與研究，研究信度可取兩兩研究人員間的信度均值。信度檢驗是科學研究中的重要環節，一般認為信度值在07以上才可被接受[26]。本研究由一名研究人員時隔一周分兩次進行，分別分析的類目數N1=N2=18，M=17，經計算得到R=K=09444，滿足信度要求。

2 數據分析與結果

21 第一組樣本數據分析

將該組樣本按信息污染來源進行統計，橫軸num代表樣本編號，縱軸value代表舉報數量，結果如圖1所示。

圖1 2008年5月-2012年6月不同信息污染來源統計

從圖上可以看出，在第一個樣本中，來自移動電話網的污染信息有一個異常值，達到近40萬起不良信息舉報，遠遠高于其他時間段內的污染信息舉報數。查閱2008年5月的《月報資料》顯示，這是由于2008年“512”汶川大地震后，不法分子趁機散布虛假消費，騙取錢財。經公眾舉報后，12321舉報中心和公安機關的努力，不法分子得到相應的處罰，移動互聯網和互聯網上的污染信息得到了一定程度的控制；在春節前1個月會出現峰值，而在正月卻下降，一是由于節日期間有關部門加大了監管力度；二是人們將注意力放在過節上，降低了舉報頻率。固定電話網上的污染信息相對較小。

為判斷3種信息污染來源差異是否顯著，需要進一步作方差檢驗，檢驗步驟如下：

Step 1：bartlett檢驗，考察方差齊次性：

p-value<22e-16，方差齊次性條件滿足。

Step 2：方差檢驗：

由方差檢驗結果p-value=943e-13，接近于0，說明3種信息污染來源數量差異顯著。

Step 3：多重比較：

多重比較結果顯示P值均小于001，3種信息污染來源間均存在非常顯著的差異。

Step 4：計算均值

即3種信息污染來源中，來自移動電話網（mean=573482653）的信息污染最多；其次是互聯網（mean=347518980）；再次是固定電話網（mean=9672449）。

22 第二組樣本數據分析

如圖2所示，惡意手機APP舉報數量在這一階段迅速下降。這是由于在未將其納入監測范圍之前已經肆意橫行，將其納入監測范圍后采取措施才得以控制。隨著移動智能終端的應用普及，來自移動互聯網的信息污染問題也開始突出。從2014年2月開始，12321舉報中心與網秦、騰訊、金山毒霸等安全引擎合作，以加強對污染信息的監控，在此之前對引發手機安全問題的APP并沒有納入監管范圍。舉報受理中心據此，要求各應用商店對惡意APP進行強制下架等處理方式，有效地控制了此類信息污染的持續增長。

圖2 2014年2月至2016年2月不同信息污染分類統計

經統計檢驗，惡意APP與其他6種污染類型的數量具有顯著差異，其均值為mean=1586867143，遠高于其余6種污染類型。

23 兩組樣本合并分析

由于兩組樣本在統計上存在一定差異，為了能夠將兩組樣本進行進一步比較，需要統一口徑。本研究選擇將第二組樣本中的垃圾短信（B3）和違法短信（B4）合并，將第一組樣本中的來自移動電話網（A22）和固定電話網（A31）的騷擾電話進行合并，同時保留兩個樣本中相同的變量，即惡意網站、垃圾郵件，合并后的數據表格如圖3所示：

圖3 2008年5月-2016年2月信息污染源分類統計

從兩組樣本合并后的情況來看，2008年“512”地震后來自移動電話網上出現的大量信息污染主要是不良與垃圾短信。

經方差檢驗，不良與垃圾短信與其余3種類型的污染信息之間差別顯著，且不良與垃圾短信的數量（mean=4590149）顯著大于其他3種類型的信息污染。

24 網絡信息污染變化趨勢分析

由于將兩組樣本合并后分析時，以兩組樣本共有類目為基礎，并沒有對惡意手機APP和不良與垃圾短信的比較。為判斷2014年2月至2016年2月間，惡意手機APP和不良與垃圾短信數量之間是否存在顯著差異，需要進一步將第二組中的“垃圾短信（B3）”和“違法短信（B4）”進行合并后與惡意手機APP（B7）進行對比分析。經統計檢驗，惡意手機APP舉報數量（mean=15868671）顯著高于不良與垃圾短信數量（mean=2173357）（p-value=174e-05 ），如圖4所示。

圖4 2014年2月-2016年2月惡意手機APP和不良與垃圾短信統計

3 結論及建議

本研究基于內容分析法，以12321互聯網不良與垃圾信息舉報中心發布的《網絡不良與垃圾信息受理情況月報》共計70份樣本進行了分析，并根據樣本特征將所有樣本分為兩組，主要得出以下結論：

（1）第一組樣本統計了來自互聯網、移動電話網和固定電話網3種不同來源的污染信息，統計結果顯示，來自移動電話網的污染信息數量最多，來自固定電話網的污染信息最少，來自互聯網的居其間；

（2）對第二組樣本統計了7種不同類型的污染信息之間的差異，結果顯示2014年2月以來，被舉報的手機惡意APP數量顯著高于其他類型的污染信息；

（3）經兩組樣本共有類目對比分析，結果顯示來自移動電話網的不良與垃圾信息數量顯著高于其余幾類污染信息的數量；

（4）將惡意手機APP舉報數量和不良與垃圾信息數量對比，2014年2月至2016年2月，惡意手機APP數量顯著超過不良與垃圾短信數量，已經成為網絡信息污染中突出問題。

據此，提出以下政策建議：一是加大對移動電話網中信息污染源的監測力度。隨著移動互聯網時代的到來，手機已經成為新時代公民的標配，信息成為一種重要的資源，但信息的質量卻也因為信息過載等信息污染問題而大打折扣。監管部門有義務規范信息消費市場，為公眾營造一個良好的信息消費環境，可以嘗試建立曝光制度，以威懾不良行為主體。二是加強信息污染防治全民宣傳工作，提升公眾信息素養。12321舉報受理中心現已開通電話、微博、微信和安卓手機客戶端等舉報方式，卻鮮為人知。建議通過招募志愿者加強此類宣傳工作，同時引導公眾養成良好的消費習慣，不傳謠不信謠。三是建議12321舉報中心在受理不良與垃圾信息舉報時，增加危害評級，以方便對此類案件的分類治理。現有資料顯示中心僅在2014和2015兩年分別做過一次《網民權益調查》，如果只是每年調查一次還遠遠不夠。由于污染信息的數量和因此而造成的損失不一定成正比，某些污染信息可能舉報數量少但給公眾造成的危害大。如不法分子通過電話騙取農村空巢老人等案件，社會負面影響大，但受騙當事人并不懂得如何舉報，會導致此類案件的舉報偏少。如果單從數量來看的話，可能給不法分子提供可趁之機。

參考文獻

[1]韓子靜.信息生態學與信息生態系統平衡研究[D].杭州：浙江大學，2008.

[2]周慶山，李瀚瀛，朱建榮，等.信息生態學研究的概況與術語界定初探[J].圖書與情報，2006，（6）：24-29.

[3]Jo T.BBC NEWS|Technology|Web guru fights info pollution[EB/OL].http：∥news.bbc.co.uk/2/hi/technology/3171376.stm，2016-01-10.

[4]Hemp P.Death by information overload[J].Harvard business review，2009，87（9）：83-89.

[5]Bontcheva K，Gorrell G，Wessels B.Social media and information overload：Survey results[J].arXiv preprint arXiv，2013，（1306）：813.

[6]Dean D，Webb C.Recovering from information overload[J].McKinsey Quarterly，2011，（1）：80-88.

[7]Rodriguez M G，Gummadi K，Schoelkopf B.Quantifying information overload in social media and its impact on social contagions[J].arXiv preprint arXiv：1403.6838，2014.

[8]Van V L，Beaujean D J M A，Van G J E W.Why mobile health app overload drives us crazy，and how to restore the sanity[J].BMC medical informatics and decision making，2013，13（1）：23.

[9]Kristof C，Michael A.Managing Information Overload：the Case of Online Product Review Categorization[M].Springer International Publishing，2015：548.

[10]邵培仁.傳播學[M].北京：高等教育出版社，2003.

[11]李鍵菲.基于信息生態鏈的信息污染及主體防范策略[J].情報資料工作，2010，（3）：98-101.

[12]呂潤宏.淺談網絡信息污染的治理策略[J].河南圖書館學刊，2010，（5）：107-109.

[13]郭宇.微博媒介生態環境中的信息污染問題探析[D].保定：河北大學，2014.

[14]胥愛芳.互聯網社區問答平臺上基于“眾包”的信息污染：測量、分析與防治[D].合肥：中國科學技術大學，2015.

[15]黃曉芳.論我國信息污染及治理對策[J].惠州學院學報：社會科學版，2003，（1）：91-95.

[16]Koroleva K，Krasnova H，Günther O.‘STOP SPAMMING ME！-Exploring Information Overload on Facebook：AMCIS，2010[C].

[17]彭銳.論信息污染與信息控污[J].科技情報開發與經濟，2003，（4）：19-20.

[18]王璐.新焦點：關注網絡時代的信息污染[J].現代情報，2004，（8）：205-206.

[19]周淑云.信息污染及其控制[J].現代情報，2009，（2）：68-70.

[20]曾劍秋，楊光永，董豪.垃圾短信分類治理對策研究[J].北京郵電大學學報：社會科學版，2015，（6）：39-44.

[21]朱亮，孟憲學.文獻計量法與內容分析法比較研究[J].圖書館工作與研究，2013，（6）：64-66.

[22]李明.定量內容分析法在中國大陸新聞傳播研究中的運用——以2003-2012年CSSCI收錄的新聞傳播類來源期刊論文為例[J].新聞與傳播研究，2013，（9）：50-64.

[23]邱均平，余以勝，鄒菲.內容分析法的應用研究[J].情報雜志，2005，（8）：11-13.

[24]吳世忠.內容分析方法論綱[J].情報資料工作，1991，（2）：37-39.

[25]周艷，李青.我國智能玩具研究現狀述評——基于2002-2014年中文文獻[J].北京郵電大學學報：社會科學版，2016，（1）：113-120.

[26]劉偉.內容分析法在公共管理學研究中的應用[J].中國行政管理，2014，（6）：93-98.

（本文責任編輯：郭沫含）