網絡嵌入視角下B站科普視頻擴散的影響因素研究

李根強 于博祥 邵鵬 張祺瑞

[摘? ?要] 在突發公共衛生事件中，科普視頻的傳播擴散有助于提升公眾理性認知，減少社會恐慌情緒，目前鮮有文獻對知識導向的科普視頻擴散開展研究。基于信息接受理論與網絡嵌入理論，采用數據定向采集方法，以Bilibili網站上2020年1月20日至3月1日上線的新冠肺炎科普視頻為研究對象，從創建者網絡入度、視頻播放量和視頻分享量等方面入手，探究科普視頻持續擴散的影響因素。研究發現：網絡入度、網絡貢獻、視頻播放量和視頻分享量均對創建者網絡結構嵌入和網絡關系嵌入有正向影響;視頻創建天數、視頻時長、網絡入度、網絡貢獻均對科普視頻擴散效果有正向影響;視頻播放量、分享量、創建者網絡入度均對科普視頻持續播放有正向影響，視頻播放量和網絡入度對科普視頻持續分享有正向影響。上述發現對指導視頻創建者如何提高自身作品影響力以及網絡平臺管理都具有一定的實踐指導意義。

[關鍵詞]科普視頻? ?持續擴散? ?網絡嵌入? ?信息接受

[中圖分類號] N4;G206.2 [文獻標識碼] A [ DOI ] 10.19293/j.cnki.1673-8357.2022.03.003

新冠肺炎疫情作為全球性的突發公共衛生事件，對全球的經濟政治生態和人類的身心健康都造成了巨大沖擊[1]。新冠肺炎疫情的突發性、嚴重性與未知性等特征，為謠言的快速滋生與傳播提供了溫床[2]。網絡輿情的無序發酵衍生出一系列的社會次生災害，例如疫情暴發初期出現的盲目搶購、采取限制人員流動措施后出現的民眾恐慌性出逃等[3]。與傳統網絡傳播事件所呈現出的中心化與主流化的特點不同，新冠肺炎疫情涉及的范圍廣泛，在輿情傳播中呈現去中心化的特點，傳播更為迅速、周期更長、熱度更高、衰減更慢[4]，這增加了開展應急科普、進行辟謠工作的難度。新冠肺炎疫情發生后，科普視頻以其生產及時性、傳播高效性、形式多樣性和知識聚焦性的優點，在全民科學抗疫工作中發揮了重要作用。然而，在新冠肺炎疫情的應急科普中，科學家“有科難普”和新聞媒介“能普缺科”的矛盾進一步凸顯，科普創作與大眾傳播兩個重要環節無法實現有效對接成為亟待解決的重要難題[5]。

近年來，國內學者開始開展有關科普視頻擴散的研究議題。目前研究主要集中在以下三個方面。其一，科普視頻的傳播策略研究，例如新媒體環境下健康科普視頻的傳播策略[6]、短視頻環境下醫學類科普視頻的傳播策略[7]。其二，科普視頻的傳播效果研究，例如科普視頻在抖音平臺的傳播效果 [8]、健康科普視頻的內容特征與傳播效果[9]。其三，在線社交網絡的科普視頻擴散研究，例如在不同網絡社交媒體平臺的擴散模式對比[10]。盡管學者們進行了一定的探索，但仍存在以下不足：一是科普視頻擴散研究主要集中在科普視頻的傳播策略與傳播效果等方面，而科普視頻用戶行為研究尚未得到充分關注;二是關于應急科普視頻的研究體量不僅小，且多集中于實踐案例層面，理論研究尚不多見;三是現實中關于新冠肺炎疫情的科普視頻傳播具有一定的影響力，而鮮有文獻從理論上探究科普視頻用戶行為與科普視頻擴散的影響因素。

因此，本文基于信息接受理論與網絡嵌入理論，以我國新冠肺炎疫情擴散階段嗶哩嗶哩彈幕網站（Bilibili，簡稱B站）上發布的新冠肺炎科普短視頻為研究對象，爬取兩階段數據，借助統計分析方法，從視頻創建者特征和視頻屬性入手，探究科普視頻持續擴散的影響因素，旨在洞察科普視頻在疫情背景下的傳播規律，為優化科普視頻傳播與管理工作提供參考。

1研究模型與假設

1.1模型

科普視頻社區中的信息流動和社交連接具有相互影響的動態關系（見圖1）。在初始階段，用戶B和A具有有向連接，用戶C和B具有雙向連接，即B是A的跟隨者，C和B具有相互關注關系。步驟一：A在社區中創建并發布科普視頻。步驟二：B跟隨A，因此當A在平臺上發布科普視頻后，B更容易知道該科普視頻;B可能會播放該視頻，也可能會向視頻創作者“充電”（打賞的一種形式），還可能向朋友C分享該視頻。步驟三：當B將科普視頻分享給朋友C時，C可能會播放該視頻。步驟四：觀看完科普視頻后，C可能會向視頻創作者A打賞，還有可能建立對A的關注關系。通過創作和發布視頻，A創作的視頻不僅得以在社交網絡中傳播擴散，A還可能獲得更多的跟隨者和經濟方面的收益（來自觀看者的打賞）。科普視頻創建者的社交網絡關系可能會隨著科普視頻的擴散而改變，社交網絡關系和科普視頻擴散具有相互影響的動態關系。隨著科普視頻的不斷擴散，創建者會進一步嵌入在該社交網絡中，其創建的科普視頻也可能會持續擴散。

信息接受模型是在技術接受模型基礎上開發的，該模型用于研究信息源的影響和信息本身的有用性[11]。對于在線社區，可以通過信息本身及信息源來衡量用戶對信息質量的看法，信息源通常是指信息的發布者。科普視頻創建者就是科普視頻的信息源，科普視頻特征體現了信息本身。格拉諾維特（Granovetter）認為經濟行為嵌入于特定的社會關系中[12]，網絡嵌入包括關系嵌入和結構嵌入[13]。網絡關系嵌入表現出信任、承諾和互惠等關系特征，結構嵌入描述了節點在網絡中的位置特征[14]。考慮到科普視頻特征和創建者特征會影響科普視頻的擴散效果和持續擴散，也會影響創建者自身的網絡嵌入程度，構建本研究的概念模型（見圖2）。在模型因變量方面，通過兩個時間段視頻播放和視頻分享的增加量測度視頻的持續擴散效果，通過創建者網絡入度和“充電”數增加量分別測度創建者網絡結構嵌入與網絡關系嵌入。在模型自變量方面，通過創建者網絡入度和網絡貢獻來測度創建者網絡特征，通過視頻創建天數和視頻時長測度視頻特征，通過視頻播放量和視頻分享量測度視頻擴散效果。

1.2假設提出

用戶原創內容（user generated content，UGC）發布越早就會被瀏覽得越多，因為它們在網站上的停留時間更長[15]。盡管許多在線平臺使用不同的排名規則顯示在線內容，但發布日期仍然是重要的排序方法。信息質量是信息論據說服性的強度，包括相關性、精確性以及信息的完全性[16]。一般而言，UGC的長度越長，代表該內容能傳遞的信息量越大[17]。通常，科普視頻發布得越早用戶瀏覽和播放的次數就越多，科普視頻時長越長內容就越豐富。網絡用戶基于有用、好玩、情感等目的對信息進行分享，這些行為推動了信息在社交網絡中分享和擴散[18]。播放量和分享量是科普視頻擴散效果的重要指標，體現了該科普視頻被用戶接受的程度。基于科普視頻創建天數、視頻時長與擴散效果的關系，提出以下假設：

H1：科普視頻特征對科普視頻擴散效果有正向影響。

用戶在社交網絡中的積極行為包括內容生成、內容傳播、關系建立和關系維系[19]。李進華和張婷婷研究了社會化問答社區用戶感知有用性問題，發現相對于內容特征，內容創建者特征對感知有用性的影響更大[20]。社交互動機制的引入對于提升產品用戶黏性具有重要作用[21]。在線社群擁有大量的用戶，但并非所有用戶都能夠做出同樣的貢獻。相較于那些不積極的用戶，高參與度的用戶的貢獻更大[22]，且用戶做出的貢獻對在線社群的成功有顯著的正向影響[23]。對于科普視頻而言，分享量和播放量是該視頻擴散效果的重要指標，而分享量和播放量的增加量則體現了科普視頻的持續擴散效果。基于科普視頻創建者特征提出以下假設：

H2：創建者特征對科普視頻擴散效果有正向影響;

H3：創建者特征對科普視頻持續擴散效果有正向影響。

社會關系對行為的影響是社會學的經典問題之一[12]。嵌入作為關系網絡資源有效傳輸的重要渠道，對于網絡成員資源和信息獲取效率起決定性作用。網絡嵌入理論假設網絡位置和用戶網絡關系的強度會影響個體行為[24]。為了增強用戶之間的交互，平臺為用戶提供了在線評論、在線交友和在線聊天功能[25]。具有較高網絡嵌入度的用戶通常會在網絡運行中扮演重要角色。在線社交網絡具有冪律分布的特征，部分用戶的入度中心度較低，只有少量用戶入度中心度較高[26]。社會影響對于用戶的支持行為具有顯著正向影響[21]。通常新注冊的用戶更可能與那些中心度高的用戶建立連接關系[27]。如果科普視頻創建者網絡入度和網絡貢獻度較高，在未來有可能收獲更多的“粉絲”及打賞。科普視頻播放量和分享量越高，意味著該視頻將被更多的用戶觀看，這將有助于提升該科普視頻創建者的“粉絲”數量與被打賞數量。因此，提出以下假設：

H4：科普視頻創建者網絡特征對網絡嵌入有正向影響;

H5：科普視頻擴散效果對網絡嵌入有正向影響。

在線教育的相關研究結果顯示，在線教育內容的累積分享效果對持續分享效果有顯著正向影響[26]。在線音樂創建的相關研究成果顯示，音樂專輯訂閱量、轉發量對可持續擴散有顯著正向影響[27]。對于科普視頻而言，分享量、播放量越高意味著該視頻擴散效果越好。視頻的分享量越高，傳播范圍就越大;播放量越高，被分享的次數就會越多。因此，科普視頻擴散效果越好，就更有可能獲得更好的持續擴散效果，提出以下假設：

H6：科普視頻擴散效果對持續擴散有正向影響。

2研究方法

2.1變量測度與數據收集

在新冠肺炎疫情擴散階段，科技自媒體以及科研機構發表的針對新冠肺炎的科普視頻在社交網絡中大量傳播，而在眾多社交平臺中，依托B站發布的科普視頻在社交網絡中影響最大，傳播量級最高，其中多部代表性科普視頻還得到了《人民日報》等官方媒體的轉發與擴散，在全網引起巨大影響。不同于傳統的社交網站平臺，B站具有視頻發布門檻低、用戶群體年輕化以及高社交互動性的特點，同時其中的彈幕文化也塑造了創作者與信息接收者之間、信息接收者與其他信息接收者之間獨特的互動機制。由于在年輕群體中得天獨厚的影響力以及較低的視頻發布門檻，B站在新冠肺炎疫情期間成為科普視頻創作與傳播的主陣地，其他多個平臺（微博、知乎、百度貼吧等）的科普視頻也有很多源自B站，同時B站以鼓勵視頻發布為核心的創作者激勵機制也為對科普視頻特征屬性以及創作者特征進行量化研究提供了良好的功能支撐。因此，本文結合B站的平臺特征與研究目的，將B站作為數據采集的目標平臺進行科普視頻的相關數據收集，從網絡嵌入視角探討創作者特征以及視頻屬性對于科普視頻擴散的影響作用機制。

B站2022年第一季度財務報告顯示，截至2022年第一季度，B站月均活躍用戶達2.94億，移動端月活躍用戶達2.76億[28]。UP主是B站視頻創作者的簡稱，UP主自發或在平臺激勵下創作視頻內容并發布。用戶在觀看過程中可以通過發布彈幕和發表評論的方式傳播自己的觀點，也可以創作視頻，從而成為UP主。視頻網站大都開通了點贊、評論的方式為用戶提供支持視頻創建者的功能。區別于其他視頻網站，“充電”是B站提供的打賞功能，鼓勵用戶通過為自己喜歡的視頻創建者“充電”來表示對UP主的鼓勵與認可。“充電”體現了用戶對視頻創建者的支持，視頻創建者可以將其獲得的“充電”收入進行提現。

依據研究模型對相關變量進行測度，變量維度及測度方法見表1。本研究選擇立意抽樣（purposive sampling）為抽樣方法，采用數據定向采集方法，利用 Python 程序采集B站在2020年1月20日至3月1日期間上線的新冠肺炎科普視頻信息、創作者信息。第一，采集B站上的新冠肺炎科普視頻信息。利用“新冠”“冠狀病毒”“2019-NCOV”“COVID-19”“NCP”等關鍵詞搜索科普視頻，采集視頻標題、創建日期、播放數和分享數等信息。第二，采集B站上的新冠肺炎科普視頻創建者信息，包括視頻創建者名、關注數、“粉絲”數、“充電”數等。

創建者網絡嵌入變量使用的是網絡入度的變化值，視頻持續擴散使用的是視頻播放量和分享量的變化值，通過測算兩個時間節點的增加值，進而體現出動態變化趨勢，以揭示科普視頻傳播擴散的動態過程。因此，本文基于兩階段數據開展研究，選擇兩個時間點采集數據。第一次是2020年3月1日采集，收集視頻數量為1 733條;第二次是2020年5月1日采集，收集視頻數量為1 626條。兩次數據匹配后數量為1 626條，清洗數據（去除非新冠肺炎相關主題及部分數據字段缺失的科普視頻）后得到樣本1 619條。由于部分創建者創建多個視頻，通過程序實現視頻與創建者信息的匹配，每位創建者僅保留其播放量最高的一條視頻信息，最終獲得有效樣本1 054條。

2.2數據描述

科普視頻通常是指時長小于20分鐘的視頻短片[6]，研究樣本基本符合此時長特征（見表2）。通過描述性分析發現播放量較高的視頻通常是由平臺上具有一定影響力的創建者創建的。播放量最高的視頻《關于新冠肺炎的一切》時長10分鐘18秒。該視頻創建者是前B站UP主“回形針PaperClip”①。由于其發布的視頻得到了大量播放和分享，兩階段該賬號“粉絲”數量增加了13萬。

以2020年5月1日為參考日，用截至該日的視頻創建天數對每日上線的科普視頻數進行量化可以發現，每日上線科普視頻數呈現先上升后下降的趨勢（見圖3）。這樣的變化趨勢表明，科普視頻的創作與新冠肺炎疫情發展密切相關，科普視頻創作受到疫情發展的影響，科普視頻的發布傳播一定程度上有助于提高人們對新冠肺炎的認識。從視頻發布時間段可以發現，科普視頻發布的高峰時間段集中在13時至23時，凌晨時間段視頻發布數量較少。從22時開始至次日6時視頻發布數量逐漸降低，其中6時是發布視頻數量最少的時間段（見圖4）。

2.3相關性分析

對變量進行中心化處理和相關分析發現，部分變量之間具有顯著相關性，如視頻播放量和視頻分享量相關性較高（β=0.698，p<0.01），結構嵌入和關系嵌入相關性較高（β=0.755，p<0.01）（見表3）。

3分析

3.1擴散效果的影響因素

通過科普視頻播放量和分享量測度科普視頻的擴散效果，同時對擴散效果的影響因素進行分析。模型M1～M3分析了視頻特征和創建者特征對播放量的影響。模型M1中發現創建天數和視頻時長均對視頻播放量有顯著正向影響，但這種影響程度并不高。M2中網絡入度對視頻播放量有顯著正向影響，表明那些擁有很多“粉絲”的創建者創建的視頻播放量更高。M3中網絡貢獻對視頻播放量有顯著正向影響，表明那些在B站發布了較多科普視頻的創建者創建的視頻播放量更高。相對于創建天數、視頻時長和網絡貢獻，網絡入度對播放量的影響程度更高。張舒涵等[29]認為視頻播放時長對短視頻擴散效果具有顯著影響，這與本研究的發現基本一致。模型M4～M6分析了視頻特征和創建者特征對科普視頻分享量的影響，發現創建天數和視頻時長（M4）、網絡入度和網絡貢獻均對視頻分享量有顯著正向影響（M5和M6）。總體而言，視頻創建天數、視頻時長、網絡入度、網絡貢獻對視頻擴散效果有顯著正向影響，其中網絡入度的影響程度相對較高（見表4）。

3.2網絡嵌入的影響因素

通過兩階段創建者網絡入度增加量測度創建者網絡結構嵌入，分析創建者網絡特征和視頻擴散對網絡結構嵌入的影響。M7和M8中，視頻創建者網絡入度、網絡貢獻對其網絡結構嵌入產生正向影響，表明那些“粉絲”較多的科普視頻創建者，以及發布了較多科普視頻的創建者，將會在未來收獲更多的“粉絲”。M9和M12中，視頻播放量和視頻分享量均對創建者網絡結構嵌入產生正向影響，表明當創建者創建的視頻播放量或分享量越多時，其在未來將會獲得更多的“粉絲”。M10和M11表明，在網絡入度對網絡結構嵌入的影響中，以及在網絡貢獻對網絡結構嵌入的影響中，視頻播放量均起到了中介作用。M13和M14表明，在網絡入度對網絡結構嵌入的影響中，以及在網絡貢獻對網絡結構嵌入的影響中，視頻分享量均起到了中介作用。結合擴散效果影響因素分析的結論，中介作用體現了創建者網絡特征通過影響視頻擴散效果來影響其網絡結構嵌入，即網絡特征指標越高的創建者創建的視頻具有更好的擴散效果，擴散效果的提升進一步增加了創建者的網絡結構嵌入程度（見表5）。

通過兩階段創建者網絡“充電”數增加量測度創建者網絡關系嵌入，分析創建者網絡特征和視頻擴散效果對網絡關系嵌入的影響。M15和M16中，視頻創建者網絡入度和網絡貢獻對其網絡關系嵌入產生正向影響，表明那些“粉絲”較多的科普視頻創建者，以及發布較多科普視頻的創建者，將會在未來收獲更多的“充電”數。丁國維在研究中也指出“粉絲”效應在視頻傳播過程中影響顯著[30]，本研究的發現進一步證實了視頻傳播過程中的“粉絲”效應。M17和M20中，視頻播放量和視頻分享量均對創建者網絡關系嵌入產生正向影響，表明當創建者創建的視頻播放量或分享量越多時，其在未來將會獲得更多的“充電”數。M18和M19表明，在網絡入度對網絡關系嵌入的影響中，以及在網絡貢獻對網絡關系嵌入的影響中，視頻播放量均起到了中介作用。M21和M22表明，在網絡貢獻對網絡關系嵌入的影響中，視頻分享量起到了中介作用;在網絡入度對網絡關系嵌入的影響中，視頻分享量沒有起到中介作用（見表6）。

3.3持續擴散的影響因素

表7報告了科普視頻持續播放的影響因素分析。M23中，視頻創建天數對持續播放有顯著負向影響，視頻時長對持續播放有顯著正向影響。表明創建時間較早的視頻在未來獲得新增播放量的可能性更低，而時長越長的視頻在未來更可能獲得較多的新增播放量。M24和M25中，視頻播放量和視頻分享量均對視頻持續播放有顯著正向影響，其中視頻播放量對持續播放的影響程度更大。表明播放數量和分享數量越多的視頻，在未來也更可能收獲更多的播放量。M26和M27中，網絡入度對視頻持續播放有顯著正向影響，網絡貢獻對持續播放沒有顯著影響。表明那些“粉絲”數量多的創建者，其創建的視頻在未來更可能獲得更多播放，而創建視頻較多創建者的視頻在未來并不能獲得更多播放量。M28中，視頻創建天數和視頻時長均對視頻持續分享沒有顯著影響。M29和M30中，視頻播放量對視頻持續分享有顯著正向影響，而視頻分享量對視頻持續分享沒有顯著影響。表明播放數量越多的視頻在未來能獲得更多的分享量，而分享量越多的視頻在未來并不能獲得更多的分享量。M31和M32中，網絡入度對視頻持續分享有顯著正向影響，網絡貢獻對持續分享沒有顯著影響。表明那些“粉絲”數量越多的創建者其創建的視頻在未來更可能獲得更多分享機會，而創建視頻較多的創建者的視頻在未來并不能獲得更多分享機會。

4結語

本研究基于信息接受理論和網絡嵌入理論，結合新冠肺炎疫情這一公共衛生突發事件，以新冠肺炎科普視頻為研究對象，進行了兩階段數據爬取和定量分析，從創建者網絡入度、視頻播放量和視頻分享量等方面入手，探究科普視頻持續擴散的影響因素。主要研究結論如下：第一，創建者網絡入度、網絡貢獻、視頻播放量和視頻分享量對創建者網絡結構嵌入和關系嵌入有正向影響;第二，視頻創建天數、視頻時長、網絡入度、網絡貢獻均對科普視頻擴散效果有正向影響，視頻創建天數對視頻持續播放有負向影響，視頻時長對視頻持續播放有正向影響;第三，視頻播放量和分享量均對持續播放有正向影響，視頻播放量對持續分享有正向影響，網絡入度對視頻持續播放和持續分享均有正向影響。

研究結論的理論意義在于以下三點。第一，與以往對線下網絡或在線網絡的網絡嵌入的研究不同，本研究采用兩階段數據測度科普視頻創建者的兩類網絡嵌入程度。隨著視頻在社交網絡中的擴散，通過視頻創建者入度增加量測度結構嵌入，通過“充電”數增加量測度網絡關系嵌入，這與科普視頻創建平臺功能設置一致。第二，本研究進一步關注社交網絡特征對科普視頻分享和持續分享的影響，發現視頻分享量對未來播放量有顯著影響，但對未來分享量沒有顯著影響。約翰遜（Johnson）和蘭茲尼（Ranzini）[31]研究發現自我表達動機對社交網絡上內容分享產生了影響。第三，本研究關于創建者網絡嵌入與視頻持續擴散的影響的研究結果證實了科普視頻擴散中存在的社交連接和信息流機制。發現“粉絲”較多的科普視頻創建者創建的視頻將會得到更多擴散;當創建者創建的視頻播放量或分享量越多時，該創建者也將在未來收獲更多的“粉絲”和“充電”數。事實上，雖然“粉絲”效應在短視頻傳播過程中影響顯著，但對于短視頻傳播而言，短視頻本身的創新程度的影響要顯著大于短視頻平臺上用戶分享行為帶來的影響[30]。

本研究以新冠肺炎疫情期間發布于B站的科普視頻的擴散為例，研究結論對于指導視頻創建者如何提高自身作品影響力以及網絡平臺管理都具有一定的實踐指導意義。第一，視頻創建者應不斷增加作品發布數量來提高自身網絡貢獻，并積極參與社區的后期活動來繼續提高自身網絡入度，通過自身網絡嵌入度的改善來提高視頻傳播的未來可持續性。第二，視頻創建者應通過不斷提升作品質量，保證作品時長，這樣才能在未來收獲更多的“粉絲”和關注，也將得到持續播放和持續分享。同時平臺也應關注到“粉絲”數量較多和發布視頻數量較多的創建者，以及播放量和分享量較高的視頻的創建者，這些創建者將會在未來收獲更多的“粉絲”和“充電”。第三，由于視頻創建天數對視頻持續播放有負向影響，早期發布的科普視頻在未來獲得持續擴散的可能性較低，這就提示視頻創建者要不斷推出新的作品才能保證“粉絲”增加，平臺應建立公平機制和動態更新視頻推薦機制，適時推薦新發布的科普視頻，增強新發布的科普視頻的傳播。

在突發公共衛生事件中，謠言的流播不可避免，網絡社區要勇于承擔更多的社會責任，緊密結合視頻創建者特征和視頻自身特征，建立科學的視頻推薦機制和嚴格的網絡監管機制，充分發揮科普視頻的生產及時性、傳播高效性、形式多樣性和知識聚焦性的積極作用[32]。科普視頻不僅是公眾交互發聲的平臺，也可以作為官媒發布信息的渠道，有必要建立辟謠的常態化機制，形成政府、學術機構、市場化科普平臺和媒體之間的聯動，并在突發公共衛生事件等特殊情形下啟用應急辟謠機制。同時，政府作為公共受托責任的受托者，承擔著公共信息傳播的主體責任，要建立健全突發公共衛生事件信息公開機制，有序推動網絡應急科普視頻的發展，提升信息傳播的及時性、真實性、完整性，引導公眾回歸“理性與平和”，這也是完善政府治理體系、提升政府治理能力的必然選擇。

本研究基于網絡嵌入理論，從創作者特征以及視頻屬性入手，對B站新冠肺炎科普短視頻擴散的影響因素進行了研究，然而科普內容可能還產生或傳播于其他平臺。未來研究可檢驗本研究模型在其他平臺的適用性，以及對不同平臺科普視頻傳播機理進行比較。

參考文獻

李明倩.新冠肺炎疫情下全球公共衛生治理的改革路徑與中國角色[J].當代世界，2022（1）：41-45.

金亞蘭，徐奇智.突發公共衛生事件下基于公眾參與的辟謠機制研究——以“丁香醫生”和“科普中國”為例[J].科普研究，2020，15（2）：52-59.

劉江斌，葉明.防止次生災害：疫情防控的治安邏輯——以警察現場處置為視角[J].鐵道警察學院學報，2021，31（3）：43-49.

曹武軍，陳秦秀，薛朝改.重大疫情網絡輿情防控策略研究[J].情報雜志，2020，39（10）：107-114.

王明，楊家英，鄭念. 關于健全國家應急科普機制的思考和建議[J]. 中國應急管理，2019（8）：38-39.

侯震，童惟依，鄧靖飛，等.新媒體環境下健康科普視頻的創作與傳播策略研究[J].中國醫學教育技術，2022，36（1）：51-54.

楊詠雪.短視頻環境下醫學類科普視頻的內容創作與傳播策略[J].科技傳播，2021，13（23）：155-157.

郝倩倩.科普視頻在“抖音”短視頻平臺的傳播[J].科普研究，2019，14（3）：75-81.

王一帆.健康科普視頻的內容特征與傳播效果——基于對《關于新冠肺炎的一切》的分析[J].今傳媒，2020，28（12）：143-146.

張偉，夏志杰.科普視頻在不同網絡社交媒體平臺的擴散模式對比研究——以“回形針PaperClip”新冠肺炎科普短視頻為例[J].圖書情報研究，2021，14（2）：108-115.

朱哲慧，袁勤儉.技術接受模型及其在信息系統研究中的應用與展望[J].情報科學，2018，36（12）：168-176.

Granovetter M. Economic Action and Social Structure：The Problem of Embeddedness[J]. American Journal of Sociology，1985，91（3）：481-510.

侯仁勇，嚴慶，孫騫，等. 雙重網絡嵌入與企業創新績效——結構視角的實證研究[J]. 科技進步與對策，2019，36（12）：98-104.

楊博旭，王玉榮，李興光. “厚此薄彼”還是“雨露均沾”——組織如何有效利用網絡嵌入資源提高創新績效[J]. 南開管理評論，2019，22（3）：201-213.

Lee E，Shin S Y. When Do Consumers Buy Online Product Reviews？Effects of Review Quality，Product Type，and Reviewer’s Photo[J]. Computers in Human Behavior，2014（31）：356-366.

Cheung C M K，Thadani D R. The Impact of Electronic Word-of-mouth Communication：A Literature Analysis and Integrative Model[J]. Decision Support Systems，2012，54（1）：461-470.

Mudambi S M，Schuff D. What Makes a Helpful Online Review？A Study of Customer Reviews on Amazon.com[J]. MIS Quarterly，2010，34（1）：185-200.

馬哲明. 社交網絡媒體信息傳遞轉化及機制研究[J]. 情報科學，2017，35（8）：28-32.

Chen A，Lu Y，Chau P Y Ket al. Classifying，Measuring，and Predicting Users’Overall Active Behavior on Social Networking Sites[J]. Journal of Management Information Systems，2014，31（3）：213-253.

李進華，張婷婷. 社會化問答知識分享用戶感知有用性影響因素研究——以知乎為例[J]. 現代情報，2018（4）：20-28.

胡仙，吳江，劉凱宇，等. 點贊社交互動行為影響因素研究——基于微信朋友圈情境[J]. 情報科學，2020，38（1）：36-41.

Rau P P，Gao Q，Ding Y. Relationship between the Level of Intimacy and Lurking in Online Social Network Services[J]. Computers in Human Behavior，2008，24（6）：2757-2770.

Trusov M，Bodapati A V，Bucklin R E. Determining Influential Users in Internet Social Networks[J]. Journal of Marketing Research，2010，47（4）：643-658.

Granovetter M S. The Strength of Weak Ties[J]. American Journal of Sociology，1973，78（6）：1360-1380.

Preece J，Nonnecke B，Andrews D. The Top Five Reasons for Lurking：Improving Community Experiences for Everyone[J]. Computers in Human Behavior，2004，20（2）：201-223.

單英驥，邵鵬. 在線教育社區主播網絡嵌入與付費知識持續分享效果研究[J]. 現代情報，2020，40（6）：68-75.

Li G Q，Liu R J. Original Music Album Diffusion Sustainability in Social Network-Based Communities：A Network Embedded Perspective[J]. IEEE Access，2020（8）：53107-53115.

Bilibili Inc. Announces 2022 First Quarter Financial Results[EB/OL].（2022-06-09）[2022-06-10]. https：//ir.bilibili.com/static-files/91528e13-31e8-4460-a3c0-e04abedeb5fd.

張舒涵，孔朝蓬，孔婧媛.新媒體時代短視頻信息傳播影響力研究[J].情報科學，2021，39（9）：59-66.

丁國維. 粉絲效應與分享行為對短視頻傳播的影響[D]. 廈門：廈門大學，2019.

Johnson B K，Ranzini G. Click Here to Look Clever：Self-presentation via Selective Sharing of Music and Film on Social Media[J]. Computers in Human Behavior，2018，82（1）：148-158.

王成軍.尋找公眾注意力爆發的起源：以YouTube視頻擴散為例[J].東岳論叢，2021，42（2）：142-153.