在線教育平臺UP主傳播影響力評價研究——以B站考研英語UP主為例

陳勇躍，竺 光

在線教育平臺UP主傳播影響力評價研究——以B站考研英語UP主為例

陳勇躍，竺 光

（武漢紡織大學 管理學院，湖北 武漢 430200）

為了幫助用戶選取優質的學習資源，以及向UP主提供根據用戶的需求設計和創造出用戶喜愛的優質資源的方法，本文將在信息傳播學理論及在線信息傳播影響因素研究基礎上，根據在線教育平臺上的信息特征描述，從5個維度，選取了15個在線信息特征描述指標，并采用網絡分析法構建了UP主傳播影響力評價模型。最后以B站考研英語UP主為例，分析了UP主的傳播影響力，并與BVCI評價結果進行了比較分析，分析了兩種評價機制的異同及UP主傳播影響力評價模型的優勢。

在線教育平臺；UP主；傳播影響力；網絡分析法；B站

隨著信息技術與教育的深度融合，在線教育快速興起。以慕課、網易公開課、Youtube、嗶哩嗶哩等為代表的在線視頻網站，成為網絡用戶在線學習的重要渠道[1]。

在線學習平臺上，學習用戶能夠根據自己個性化特征，如需求、時間、溝通方式等，自由的選擇優質的學習資源，來實現自我的學習目標[2]。其優勢導致網上的在線教育資源和UP主數量與日激增[3, 4]，而用戶怎樣選取優質的學習資源和具有影響力的UP主，以及UP主怎樣根據用戶的需求設計和創造出用戶喜愛的優質資源，成為了在線教育的迫切需求。

傳播影響力是指傳播主體在傳播信息的過程中對傳播對象以及其傳播環境所造成的實際影響效果，能在很大程度上對學習資源和UP主進行有效評價[5]。目前，已有少量文獻對UP主傳播影響力做了一些探索研究，如：南力瑛（2020年）基于信息傳播學理論對某個行業或者行業權威UP主的信息傳播規律進行案例研究[6]；沈士華和王晨（2015年）通過結合各行業特點依照相應原則確定具有行業特色的評價指標來確定傳播影響力[7]。本研究并以B站考研英語UP主為例，對UP主的傳播影響力進行分析研究。

1 UP主傳播影響力評價指標維度確定

1.1 UP主傳播影響力評價信息維度的選取

UP主的信息傳播屬于網絡信息傳播模式[8]，傳播過程如圖1所示，其傳播者屬性、傳播媒介、傳播內容、受傳者屬性和傳播效果有其自身獨特性。由于其本身屬性較為穩定，因此傳播環境等因素對傳播過程無明顯影響[9]。

圖1 信息傳播過程

按照信息傳播過程，結合在線教育平臺上的信息特征描述，遵循評價指標確定的基本原則[10, 11]，從傳播者屬性、傳播媒介、傳播內容、受傳者屬性和傳播效果5個維度，選取了15個在線信息特征描述二級指標（如圖2所示）。

圖2 基于信息傳播過程的UP主影響力評價指標維度設計圖

1.1.1 傳播者屬性

傳播知識的UP主應具有可靠性和權威性，其發布的信息才能讓用戶信任，從而對影響力產生一定的影響。因此可以從官方認證、信息完整性、創辦時長來評價其影響力。

（1）官方認證：指UP主賬號是否經過在線學習平臺的認證。通過認證的UP主代表了個人或一個企業在平臺上的形象，其發布的信息具有較高的可靠性，用戶對其信任程度更高。

（2）信息完整度：指UP主主頁是否完整地展示了UP主主體、發布信息種類、發布方式、直播方式以及公告留言。完整的信息能夠幫助用戶更加清晰方便地了解UP主。

（3）創辦時長：指UP主注冊時長。時間越長，表明平臺對UP主認可度和支持度越高，UP主運營管理的經驗越豐富。

1.1.2 傳播媒介

（1）傳播方式：指推送消息的方式。UP主在傳播信息時涉及到的媒介形式越多，表明該UP主在傳播的途徑上有更多的選擇和更廣泛的信息傳播潛力。

（2）反饋方式：反饋是UP主與用戶交互的重要方式。是否向用戶反饋信息是評價UP主的重要指標。

1.1.3 傳播內容

（1）課程類別：指UP主推送信息的內容分類。

（2）傳播頻率：指單位時間內該UP主更新內容的頻率。

（3）傳播總數：指單位時間內該UP主發布的信息總數。

1.1.4 受傳者屬性

（1）用戶等級：會員通過發布信息、回復信息和投幣獲得等級經驗升級用戶等級。用戶等級能體現出受傳者的基礎屬性。

（2）粉絲數：UP主被其他人關注的總數。用戶粉絲數越大表明該UP主的受眾越多，影響力越大。

（3）新增粉絲數：新關注的用戶數越多表示UP主信息二次傳播范圍越廣。

1.1.5 傳播效果

傳播效果是UP主傳播影響力的最直接表現，反映了用戶對UP主發布信息的喜愛程度和認可度，從而直接影響到該消息的二次傳播效率。主要通過閱讀/播放量、點贊數、轉發數、投幣數等來體現。

1.2 評價指標維度的量化

信息傳播需要一定的時間，而以日、周為周期衡量影響力時間間隔太短，以年為周期則無法反映影響力較為細致的變化，時間間隔太長[12]，故以月為周期采集數據。指標數據的采集與統計根據其具體內容確定取值方法：

（1）官方認證：UP主賬號是否經過認證，若通過認證則取1，反之取0。

（2）信息完整度：UP 主主頁提供的賬號主體、功能介紹、聯系方式、發布方式、直播等內容的項目數量。

（3）創辦時長：運營時間超過12個月為1分，少于1個月為0分，不足12個月且多于1個月根據開通時間按比例計算。

（4）傳播方式：B站發布信息為視頻、圖片、文字和直播。傳播方式數據為UP主發布信息的方式占所有方式的比值。

（5）反饋方式：UP主回復用戶彈幕、評論和私信為1，反之為0。

（6）課程類別：UP主發布信息內容種類的數量。

（7）傳播頻率：UP主當月發布信息頻率=傳播總數/天數。

（8）傳播總數：UP主當月發布總數。

（9）用戶等級：網站正式會員最高等級為n級，用戶等級=當前等級/n。

2 UP主傳播影響力評價模型

2.1 UP主傳播影響力評價模型構建

由于UP主傳播影響力評價指標比較復雜，且各指標之間相互聯系、相互影響，如傳播效果中的閱讀/播放量、點贊數、投幣數、轉發數之間有著顯著的相互影響關系，因此本文使用網絡分析法來評價UP主傳播影響力。

本文結合信息傳播理論，通過信息傳播過程中的傳播者屬性、傳播媒介、傳播內容、受傳者屬性和傳播效果5個維度，及15個二級評價指標，根據目標層、準則層、指標層，建立UP主傳播影響力評價指標的層次結構圖（圖3）。

網絡分析法分為控制層和網絡層兩個部分，控制層為研究目的，網絡層由各指標組成[13]，根據UP主傳播影響力評價指標的層次結構圖，以及各指標間相互影響關系、同一維度內指標的自影響關系，論文構建了UP主傳播影響力評價ANP網絡分析模型（如圖4）。

圖3 UP主傳播影響力評價指標的層次結構圖

圖4 UP主傳播影響力評價ANP網絡分析模型

2.2 指標權重的確定

構建UP主傳播影響力評價模型后，需要判斷各指標的權重。由于控制層只有傳播影響力這一個因素，因此所有判斷矩陣都在同一個準則下完成比較[14]。然后通過建立判斷矩陣來確定各指標所在維度的相對重要性，再依次確定各維度內和維度間的指標的相對重要性。

2.2.1 獲得指標關系，建立ANP模型

構建評價指標體系需要獲得各指標之間的相互關系，需要通過歸納整理多方觀點獲得各評價指標之間的聯系，如果兩個維度之間存在關聯就需要建立維度判斷矩陣。然后再利用SuperDecision進行UP主傳播影響力評價指標體系的構建和權重的計算。

2.2.2 確定指標優勢度

通過引入9級梯度法（表1）使定性問題定量化，從而構成判斷矩陣[15]。根據建立的網絡模型和判斷矩陣，基于準則對同一元素組中每一元素的影響和被影響關系進行兩兩比較，確定指標優勢度[16]。為避免指標間重要程度出現矛盾情況，在構建判斷矩陣后需進行一致性檢驗[17]。

表1 9級標度具體內容

2.2.3 未加權超矩陣

在傳播者屬性中，以“官方認證”為準則，“信息完整度”、“創辦時長”之間相互比較其對以“官方認證”的影響力大小，從而獲得判斷矩陣，進一步計算出排序向量。同理可得，以“信息完整度”、“創辦時長”為準則，各指標分別對其獲得的排序向量。將獲得的三個排序向量集合在一起得到傳播者屬性這個維度的定量表示矩陣W11。

以此類推，可以獲得其他四個維度排序矩陣W22、W33、W44、W55。然后確定不同維度間，以各指標為準則，逐一獲得其他維度指標對其影響力大小構成的判斷矩陣，并獲得排序向量，即得到W12、W13、W14等。根據以上排序向量得到未加權超矩陣W。

2.2.4 加權超矩陣

2.2.5 權重計算

3 B站考研英語UP主傳播影響力實驗分析

根據UP主傳播影響力評價指標維度及UP主傳播影響力評價模型，下面以B站考研英語UP主為例，進行UP主傳播影響力實驗分析。

3.1 數據的采集與預處理

3.1.1 數據的來源與采集

實驗數據來自B站/知識區/校園知識板塊“考研英語”人氣排行榜前5位的UP主，采集了從2020年3月至2021年3月數據，共2600條。采用Python爬蟲收集了UP主主頁、投稿頁面、視頻/音頻播放頁面和相冊中，包括創辦時長、傳播總數、粉絲數和播放閱讀總數、課程類別、點贊數、投幣數和轉發數數據。官方認證和信息完整度數據則通過人工統計UP主主頁獲得。

3.1.2 數據的預處理

由于各評價指標的性質不同，為避免因數據過大而造成指標變化不敏感，排除小數據變化被忽略的誤差[18]，本研究將使用三種不同的方法將數據進行歸一化處理。能夠確定最大值或近似最大值的數據，用實際值與最大值的比例來確定該數據歸一化后的結果，如傳播形式、閱讀/播放量和粉絲數；對于無法確定最大值的指標數據，如點贊數、投幣數和轉發數，用反正切函數對其進行歸一化處理；創辦時長、用戶等級、傳播和反饋方式數據有特殊的處理方法，具體規則如下表2。

表2 特殊項轉換規則

3.2 指標權重計算

根據各維度間指標關系的調查結果（如表3），大多數用戶認為傳播媒介對傳播效果有顯著影響，受傳者屬性與傳播者屬性相互關聯；運營者認為A傳播者屬性、C傳播媒介、D傳播內容、B受傳者屬性和E傳播效果的各指標均相互影響，且大多數指標存在自影響關系。

表3 各維度間指標聯系表

根據各維度間關聯程度系數，運用Super Decision構建所有維度的判斷矩陣，以基于“A傳播者屬性”的判斷矩陣為例，得到各維度權重和一致性檢驗結果如表4所示。再根據指標間優勢度構建二級指標判斷矩陣，以“A1官方認證”為例，結果如表5所示。

表4 各維度權重及一致性檢驗

其中，CR＝0.0927＜0.1，判斷矩陣具有滿意的一致性。

表5 “官方認證”矩陣權重及一致性檢驗

其中，CR＝0.0454＜0.1，判斷矩陣具有滿意的一致性。

在SuperDecision中錄入所有判斷矩陣，并通過一致性檢驗后，首先對未加權超矩陣輸出結果；然后對加權超矩陣進行計算并生成結果；最后，為了反映元素之間的依存關系，通過計算出加權矩陣的極限超矩陣對加權矩陣做穩定性處理。

通過Super Decision軟件計算，得到UP主傳播影響力評價模型所有指標的權重，具體結果如表6所示。

表6 各元素權重

從權重計算結果可見，閱讀/播放量和反饋方式兩個指標權重值最大，且都超過了0.1，分別占總權重值的10%和19.7%。教學反饋在現代教學中具有不可忽視的作用，通過持續及時的反饋，能幫助UP主發現教學中的優點和需改進的地方，最終提高教學效率和影響力。傳播方式與反饋方式屬于傳播媒介指標下的二級指標，在所有二級指標中，傳播方式的權重占比也很高，這表明UP主應該注重多元化的傳播方式，如發布視頻課程、文字或圖片等。

傳播總數和傳播頻率的權重值占比分別為6.5%和4.6%，是B站校園知識分區UP傳播影響力的較重要的指標。UP主應該高頻率發布課程內容。傳播者屬性中的官方認證和信息完整度這兩個二級指標也是影響B站校園知識分區UP傳播影響力的較重要的指標。完善自己在網站中的個人信息并獲取認證標志能夠提高UP主影響力。

3.3 評價結果分析

依據各指標權重得到評價模型計算公式C如下，其中A1…E4為歸一化處理的數據結果。

C=0.05322*A1+0.06032*A2+0.03824*A3+0.03798*B1+0.03594*B2+0.08626*B3+0.07838*C1+0.10193*C2+0.07541*D1+0.06541*D2+0.04603*D3+0.19728*E1+0.06547*E2+0.03203*E3+0.04374*E4

將數據結果代入評價模型計算公式，計算得到每月評價結果如圖5、圖6所示。

圖5 評價結果匯總圖

圖6 評價結果趨勢圖

本研究采用分數分段方法進行評估并判斷其傳播影響力。分數值在[0,0.5)之間表明其傳播影響力差，在[0.5,1.0)之間表明其傳播影響力一般，在[1.0,3.0)之間表明其傳播影響力好。

根據分析結果，B站校園知識分區人氣前五名的考研英語UP主在不同的時期，其影響力大小和排名有一定差異（見圖5，圖6）。通過各月評價結果可以看出，UP主評價結果大部分時間分布于[0.5,1.0]之間，說明一直處于較為穩定的狀態，傳播影響力水平較高，表明整體運營結果較好。全年整體呈上升趨勢，其中所有UP主的評價結果于11月、12月大幅度提高，并于12月達到峰值。結合時間情況分析可以得到，考研時間為12月中旬，11月和12月是考研復習的沖刺階段，B站用戶急需大量學習資料以復習備考，同時UP主也發布了跟以往相比更多的信息供用戶學習參考。而3月至5月已經進入考研后的復試階段，同時也是畢業生忙于畢業設計和畢業論文的準備階段，大量學生用戶流失導致了UP主評價結果降至全年最低。

3.4 實驗評價結果與B站傳播指數BVCI比較

目前B站傳播影響力行業內認可度較高的評價標準是B站傳播指數BVCI，即通過對B站視頻賬號的視頻發布活躍狀況、視頻傳播熱度以及視頻觀看用戶互動情況來綜合反映B站視頻賬號的視頻發布傳播與影響效果。

BVCI={0.15*In(X1+1)+0.25*In(X2+1)+0.3*In(X3+1)+0.18*In(X4+1)+0.12*In(X5+1)}*100

其中，X1為監測時間段內B站視頻賬號上傳視頻總量。X2為監測時間段內B站視頻賬號所有上傳視頻總播放量/監測時間（天數）。X3為監測時間段內B站視頻賬號所有視頻觀眾評論總量/監測時間（天數）。X4為監測時間段內B站視頻賬號總粉絲數。X5為監測時間段內B站視頻賬號粉絲增加量。

以B站校園知識分區UP主“考研英語于杉”為數據參考，依據BVCI計算結果如表7。

表7 實驗評價結果與BVCI結果比較

表8 實驗評價結果與BVCI相關性分析

對比實驗評價結果和BVCI結果可以看出，兩者在整體走勢上保持一致，數據波動幅度較為一致，說明BVCI與實驗評價結果在總體上有著較高的相似性。經過顯著性檢驗（如表8）可以看出，顯著性值為0.000＜0.05，相關性數值為0.861＞0.6，說明BVCI和實驗評價結果具有強相關性。

圖7 實驗評價結果與BVCI對比圖

由于3月至6月處于考研復試階段和畢業季，UP主發布信息的數量相對較少，同時以學生為代表的用戶群體對UP主關注較少，各維度的指標數據都有明顯下降，故BVCI和實驗評價結果均處于相對較低水平。

7、8月處于暑假期間，BVCI結果的增幅大于實驗評價結果。此階段被學生們稱為新一輪考研備戰起點。以學生為代表的用戶會提前關注在線教育UP主，考研英語UP主在此期間粉絲數會大量增加，但UP主粉絲增加并未導致UP主發布更多信息或收到更多評論。由于BVCI對于粉絲增量權重占比較大，故BVCI結果增幅明顯。而UP主傳播影響力評價模型基于信息傳播理論，更加注重UP主發布信息和反饋，所以實驗評價結果無大幅度增大。

10月至12月處于考研備戰沖刺階段，BVCI和UP主傳播影響力評價模型中維度數據均大幅度升高，BVCI和實驗評價結果均處于高水平。由于BVCI僅考慮UP主上傳量、評論量、粉絲總量和粉絲增量，而評價模型從信息傳播的角度考慮了更多影響因素，所以評價結果與BVCI相比增幅更明顯，這表明評價模型能更全面的反映UP主傳播影響力水平。

4 結論

根據B站實驗數據的驗證、 B站實驗評價結果與傳播指數BVCI的比較分析，表明在線教育平臺UP主傳播影響力評價信息維度的選取及UP主傳播影響力評價模型的構建對UP主傳播影響力評價具有較強的合理性和科學性。

UP主傳播影響力的評價研究，不僅對在線教育平臺的運營管理與開發設計，及UP主與用戶交互信息特征的構建具有較強的指導意義；同時對UP主怎樣提升自己的影響力，設計和創造出用戶喜愛的優質資源提供了思路；也為用戶怎樣選取個性化學習資源，快速搜索自己所需資源提供了方法。

[1] 沈鑫, 周逸寧. 在線教學平臺研究文獻綜述[J]. 辦公自動化, 2021, 26(12): 12-13+52.

[2] Jamie P. Merisotis & Ronald A. Phipps. Quality on the Line: Benc hmarks for Success in Internet-Based Distance Education[EB/OL].http://www.ihep.org/sites/default/files/ uploads/docs/pubs/qualityontheline.pdf, 2017.

[3] Goh Khim-Yong, Heng Cheng-Suang, Lin Zhijie. Social Media Brand Community and Consumer Behavior: Quantifying the Relative Impact of User- and Marketer-Generated Content[J]. Information Systems Research, 2013, 24(1).

[4] 艾瑞. 2020年中國在線教育行業研究報告[EB/OL]. https://baijiahao.baidu.com/s?id = 1689213 5395676483 56&wfr=spider&for=pc，[2021-1-18].

[5] 李宇嘯. 基于網絡分析法的高校微信公眾號傳播影響力評價研究[D]. 合肥：合肥工業大學, 2018.

[6] 南力瑛. 5W理論視角下共青團中央在嗶哩嗶哩平臺的傳播策略研究[D]. 長春：吉林大學, 2020.

[7] 沈士華, 王晨, 張豪. 醫院微信影響力評價體系及應用研究[J]. 中華醫院管理雜志, 2015,31(06): 467-469.

[8] 譚瑩. 互聯網時代國內虛擬UP主“小希”的傳播關系建構研究[D]. 南寧：廣西大學, 2019.

[9] 史亞光, 袁毅. 基于社交網絡的信息傳播模式探微[J].圖書館論壇, 2009, 29(06): 220-223.

[10] 戴鈺, 康燦華. 傳媒競爭力綜合評價指標體系的構建與應用[J]. 統計與決策, 2011, (04):37-39.

[11] 張蕊, 黎毅. 循環經濟下企業戰略經營業績評價指標體系設置——以有色金屬銅業為例[J]. 當代財經, 2009, (12): 102-106.

[12] Siqing Liu. The Influence of Media Intelligence Trend on International News Information Dissemination Mechanism[J]. International Journal of Intelligent Information and Management Science, 2019, 8(6).

[13] 王蓮芬. 網絡分析法(ANP)的理論與算法[J]. 系統工程理論與實踐, 2001, (03): 44-50.

[14] Saaty T L. Decision making with the analytic hierarchy process[J]. International Journal of Services Sciences, 2008, 1(1): 83.

[15] Saaty T L. Decision Making With Dependence and Feedback[M]. Pittsburgh: PA, RWS Publication, 1996.

[16] 冀芳, 張夏恒. 學術期刊微信公眾平臺影響力研究——基于5種CSSCI來源期刊的實證分析[J]. 情報雜志, 2016, 35(04):147-151.

[17] 梅鈺博. 基于ANP模型的在線課程質量評價研究[D]. 武漢：武漢工程大學, 2018.

[18] Rui Neves-Silva, George A Tshirintzis,Vladimir Uskov, et al. Improving of the weight normalization method on alternatives in AHP and ANP[M]. Ireland: IOS Press, 2014-06-15.

Research on the Evaluation of Communicators' Main Communication Influence of Online Education Platform——Take Bilibili for example

CHEN Yong-yue, ZHU Guang

(School of Management, Wuhan Textile University, Wuhan Hubei 430200, China)

What quality learning resources users choose, and how UP owners design and create the quality resources favored by users according to the needs of users, have become the urgent needs of online education. Based on the theory of information communication and the influencing factors of online information communication, this paper selects 15 online information characteristic description indicators from 5 dimensions according to the information characteristic description on the online education platform, and constructs the evaluation model of UP main communication influence by using network analysis method.Finally, taking UP as an example, this paper analyzes the communication influence of UP, and makes a comparative analysis with the evaluation results of BVCI, and analyzes the similarities and differences between the two evaluation mechanisms and the advantages of UP's communication influence evaluation model.

online education platform; UP host; spreading influence; network analysis; bilibili

陳勇躍（1982-），男，教授，博士，研究方向：數據挖掘與可視化、商務智能、大數據分析、知識管理.

G350

A

2095－414X(2022)05－0085－07