基于潛在類分析的社交機器人語言特征和傳播效果研究

摘要：社交機器人作為一種活躍于社交媒體的新型傳播主體，其依靠算法程序模仿人類用戶發(fā)布信息，具有目的性、仿真性、交互性的特征，且對于互聯(lián)網(wǎng)輿情和意見氣候的塑造有著重要的作用。以往的研究更多側(cè)重于對社交機器人本身的行為特征加以描述，而對于受眾的關(guān)照則有所欠缺。文章基于潛在類分析歸納四種典型的語言類型，并依據(jù)成熟的技術(shù)接受量表設(shè)計實驗，研究受眾對于不同風格的語言的感知程度和不同社交機器人的文本傳播效果。研究發(fā)現(xiàn)，在推特平臺的中國新冠肺炎疫情相關(guān)話題下，具有“虛偽和消極”特征的文本在社交機器人發(fā)布文本中占比較大，而具有“敘述和消極”特征的語言在傳播過程中的效果最佳，呈現(xiàn)情緒性較強、真實性較低的特點。文章旨在通過對社交機器人語言內(nèi)容及效果的分析，總結(jié)特征與經(jīng)驗，為判別虛假消息、維護國際形象、預防信息污染提供策略參考。

關(guān)鍵詞：社交機器人；潛在類分析；計算宣傳；技術(shù)接受；輿情傳播

中圖分類號：G206 文獻標志碼：A 文章編號：1674-8883（2023）02-0060-04

課題項目：本論文為2021年度蘇州大學校級大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目“疫情下中外傳播平臺話語實踐與效果分析——基于傳統(tǒng)媒體與社交媒體的多維度研究”成果，項目編號：2021xj004

一、問題提出

社交機器人是人工智能發(fā)展到一定程度的產(chǎn)物。所謂社交機器人，是指在社交媒體中，由人類操控者設(shè)置的、由自動化算法程序操控的社交媒體賬號集群。其通常通過模仿人類在社交媒體中的狀態(tài)和行為，偽裝成正常用戶，有組織地與正常用戶進行交互，以達到依照人類操縱者的意圖影響目標受眾的目的[1]。社交機器人可以在社交網(wǎng)絡(luò)中扮演人的身份，擁有不同程度的人格屬性，與人類進行互動[2]。美國證券交易委員會報告顯示，2014年推特平臺上有超過2300萬的活躍賬戶實際上是社交機器人，其已經(jīng)成為社交媒體中重要的內(nèi)容生產(chǎn)力與傳播動力。

借力海外社交媒體接觸海外用戶，加強國際傳播，提高海外影響力，是中國塑造國家形象、構(gòu)建對外話語體系的一條便捷而重要的路徑。因此，加強對社交機器人功能、作用，其干預輿論的特征及應對措施等的深入研究，具有十分重要的現(xiàn)實意義。

目前，國內(nèi)大部分有關(guān)社交機器人影響的研究都集中于海外社交媒體中國相關(guān)議題下社交機器人的分布及特征研究，進而探究中國國際形象的影響因素。從社交機器人的分布情況上來看，通過對不同“能指”，即不同標簽下社交機器人的研究發(fā)現(xiàn)，對中國的誤解、曲解更多來自真正的人類用戶，但有關(guān)中國的負面輿論會在社交機器人形成的虛假意見氣候下獲得強化。從一二級傳播的影響上來看，社交機器人確實有能力引發(fā)人類用戶對其發(fā)布的文本進行轉(zhuǎn)發(fā)，但是這部分轉(zhuǎn)發(fā)數(shù)量與人類用戶之間的轉(zhuǎn)發(fā)量相比，頻率較低。這說明雖然社交機器人的活躍度非常高，并成功促成了一部分信息的二級傳播，但總體上看，其尚不能成為促使專業(yè)媒體信息擴散的重要節(jié)點。

在前幾年的新冠肺炎疫情相關(guān)議題下，海外社交媒體的社交機器人在討論中的作用具有多面性：一方面，由于機器發(fā)布新聞具有較強的時效性，其新聞速報的功能對傳播全球新冠肺炎疫情相關(guān)信息起到了重要作用；另一方面，社交機器人甚少核查所轉(zhuǎn)發(fā)的網(wǎng)站信息，所以成了助推低質(zhì)量信息擴散的始作俑者。對于新冠肺炎疫情相關(guān)議題的討論，有學者研究發(fā)現(xiàn)，社交機器人常常會樹立“中性化”“理性化”的外部特征，卻發(fā)布帶有明顯指向性的負面內(nèi)容，并且切入點往往以財經(jīng)和社會事件為主。這一類的社交機器人的傳播效果主要依賴于較大粉絲數(shù)量的人際傳播而非內(nèi)容傳播[3]。

正因如此，本研究旨在從受眾角度理解社交機器人發(fā)布的文本對人類自身心理狀態(tài)以及媒介使用行為的影響?；谑鼙娊嵌龋岢鲆韵聠栴}：

第一，社交機器人語言的文本特征如何？

第二，人類對不同風格文本的感知效果表現(xiàn)如何？

二、數(shù)據(jù)挖掘

（一）數(shù)據(jù)收集

本文主要選擇近幾年社交媒體討論較多的新冠肺炎疫情相關(guān)議題進行研究。在推特平臺上，在文本中添加話題標簽（#）被認為是重要的議事手段，根據(jù)推文中的話題標簽可以較為準確地定位到相關(guān)話題。本研究基于話題標簽的功能特性，以“#COVID19 china”（新冠中國）為關(guān)鍵詞，查找推特平臺上與中國疫情相關(guān)的推文。利用Twitter API設(shè)計Python腳本，抓取了自2020年4月17日到2020年5月10日的31887條原始推文，其中包含推文、作者名稱、作者ID、推文類型、推文點贊數(shù)、推文轉(zhuǎn)發(fā)數(shù)、推文回復數(shù)、作者關(guān)注數(shù)、作者粉絲數(shù)、作者推文總量等共計29個原始字段。

（二）社交機器人判定

社交機器人的判別研究一直是學界的研究重點，Botometer是目前學界普遍采用的一種較為成熟和準確的社交機器人鑒別工具。該服務器會將取得的用戶特征與系統(tǒng)內(nèi)的監(jiān)督機器學習模型中成千上萬個已被打上標記的例子進行比對，從而得到一個取值區(qū)間為[0，5]的分數(shù)，分數(shù)顯示了目標賬號為機器人的可能性，0代表著最不可能為社交機器人，5代表最可能為社交機器人。本研究采用了Botometer v4的輕量版本BotometerLite，得到經(jīng)過精簡的分數(shù)區(qū)間[0，1]，按照先前研究的經(jīng)驗，超過0.5即從概率上被認為是機器人賬號[4]。檢驗結(jié)果顯示，31887條推文中，有1353條為機器人數(shù)據(jù)（約4.2%），30534為人類數(shù)據(jù)（約95.8%）。本文僅針對社交機器人的推文進行分析，在這1353條推文中，848條為轉(zhuǎn)發(fā)類型（占比約62.7%），420條為原創(chuàng)（占比約31%），56條為回復（占比約4.1%），29條為引用（2.1%）。

三、研究設(shè)計及結(jié)果

（一）文本潛在類分析

本研究借用LIWC軟件進行文本分析。在LIWC2015中，除了返回基本的分詞、詞性信息，還通過其內(nèi)置的算法給出了4個總結(jié)變量，包括文本的分析性、影響力、真實性、情緒性。這四個變量的取值區(qū)間均在[0，100]。

“分析性”變量是基于文本使用表示正式、邏輯和分層思維模式的詞匯的程度。其中，越低的值代表著更低的分析性，從而更多體現(xiàn)了文本中的敘事思維；更高的值則代表邏輯與分析思維[5]?！坝绊懥Α弊兞糠从沉巳藗冊谏鐣h(huán)境中對相對地位的關(guān)注或意識，更高的值代表文本更關(guān)心宏觀事務，比如政治、經(jīng)濟問題，而更低的值則表示更側(cè)重于描述自身或者微觀的心理感受?！罢鎸嵭浴弊兞糠从车氖俏谋舅宫F(xiàn)出來的真實性或者真誠程度，更高的值代表文本更多以個人化的、謙卑的語言進行流露，反之則意味著文本會給人以欺騙性的感受?！扒榫w性”變量反映的是文本的語氣，更高的值代表更加積極，反之則體現(xiàn)消極的情感[6]。

這四個變量為本研究對后續(xù)的文本分類提供了基本參照。筆者將1353條由社交機器人生成的文本全部導入LIWC2015當中，之所以選擇全部類型的文本而非僅導入原創(chuàng)內(nèi)容，是考慮到轉(zhuǎn)發(fā)也是社交機器人發(fā)布推文的主要形式，轉(zhuǎn)發(fā)文本的風格同樣應當被視為社交機器人參與話題討論的重要因素。

在對社交機器人發(fā)布的文本進行分析后，為了對文本進行風格分類，利用潛在類分析開發(fā)出一種類型學。潛在類分析會根據(jù)不同變量之間潛在的聯(lián)系來進行聚類，從而使得文本通過四個變量之間的差異劃分為不同的類別。本研究使用Stata17軟件進行潛在類分析建模及其事前評估。

1.參數(shù)評估

進行潛在類分析建模中最重要的一步是確定聚類的數(shù)量，有助于劃定合理的聚類數(shù)量，方便后續(xù)的實驗。本研究比較了3～5個族類的貝葉斯值，發(fā)現(xiàn)四個族類的貝葉斯值最小，為45498.43，意味著其相較于三族類（45794.68）、五族類（45534.22），擬合效果更好。分布情況如下圖所示。

2.模型分析

“影響力”在上圖四個族類中的平均值都比較平衡，均在70左右，所以不將其納入本研究類型劃定的依據(jù)。在第一個類別中，相較于其他三個族類，其最顯著的特征是“分析性”變量的值很低（約42.6），其次“情緒性”變量也很低（約為29.3），故將其命名為“敘述/消極型語言”。在第二個族類中，其顯著特點是具有較高的情緒性（約92.8）和較低的影響力（約12.6），將其命名為“虛偽/積極型語言”。在第三個族類中，表現(xiàn)最為顯著的是極低的真實性（約9.2）和情緒性（約18.1），將其命名為“虛偽/消極型語言”。在第四個族類中，其最顯著的特征是較高的真實性和較低的情緒性，將其命名為“真誠/消極型語言”。四種類型的語言分別按上述順序占比約9.8%、15.3%、57%、17.9%?？偟膩砜矗缃粰C器人發(fā)布的語言大多具有很強的分析性，但語言的真實性較低。具體而言，“虛偽/消極型語言”在社交機器人發(fā)布的文本中占比最高，而“敘述/消極型語言”占比最低，比較顯著地體現(xiàn)了中國疫情話題下社交機器人的文本特征。

（二）傳播效果實驗

基于前文對社交機器人文本類型的劃分，本研究從前文文本分析的四種類型的語言中分別找出一條文本作為實驗用刺激物，以文本類型為控制變量設(shè)計實驗。本研究的自變量為這四篇推文所分別對應的四種機器人文本類型，而因變量為受測者對文本的傳播效果。四十名被試者分別被隨機安排到不同類型的機器人推文進行閱讀，并填寫問卷。樣本來源上，將實驗的調(diào)查對象確定為本科新聞傳播專業(yè)大學生，這是考慮到該受試群體專業(yè)性強，且在國際交流、資訊獲取方面存在技術(shù)優(yōu)勢與行業(yè)需求。被試者相關(guān)信息如表1所示。

（三）問卷設(shè)計

1.第一部分：因變量（傳播效果）

社交機器人的目的在于傳播信息，并依照人類操縱者的意圖影響目標受眾。本實驗的因變量主要分為三個方面：受眾的認知、情感和行為。問卷設(shè)計以大衛(wèi)（1989）、格芬（2003）就PU、PEOU、IU以及電子商務信任量表為依據(jù)參考，該技術(shù)接受模型具有精煉、簡潔、跨學科性強等優(yōu)點，近年來被廣泛運用于探討社交網(wǎng)站如微博、微信、抖音等媒介的受眾接受過程。其中，主要兩個衡量指標為“感知易用性”和“感知有用性”，結(jié)合關(guān)于亞馬遜網(wǎng)站的接受程度中的“信任傾向”及“行為傾向”，以李克特量表為主結(jié)合兩道行為傾向單選題，總共構(gòu)成7道有關(guān)于推文可信度、邏輯性、情緒感染力、感知有用性及行為傾向的題目，分別附于每條文本的下方。

2.第二部分：控制變量

主要用于對被試者的性別、學歷、學科等方面的控制和篩選，以及對社交機器人認知程度的調(diào)查，總共包含三道題目。

（四）實驗結(jié)果分析

由于本實驗有四組被試者，因此使用SPSS對每一個變量分別采用一維組間方差分析的方法。

根據(jù)表2的方差分析結(jié)果，幾組變量的F值清晰可見，同時可信度、邏輯性、感知有用性這三個變量的顯著性均小于0.05，因此拒絕原假設(shè)。這說明幾組變量在對應的四條推文中，都至少有一個和其他三個存在顯著區(qū)別，也有可能四個都存在顯著區(qū)別。而情緒感染力和行動傾向的顯著性大于0.05，接受原假設(shè)，說明這兩個變量在四條推文當中沒有顯著的區(qū)別。

而在多重比較實驗中（見表3），研究發(fā)現(xiàn)當任意一組和其他組的顯著性關(guān)系小于0.05時，則二者存在顯著關(guān)系?？尚哦戎械摹皵⑹?消極型語言”和另外三個類別都存在顯著區(qū)別。根據(jù)研究所使用的李克特量表收集的結(jié)果，數(shù)值越高證明這類特性越明顯，而“敘述/消極型語言”的平均值高于其他三個類別。因此可得，“敘述/消極型語言”在可信度方面高于其他幾個類別。以此類推，“虛偽/積極型語言”和“虛偽/消極型語言”沒有顯著差異，和“真誠/消極型語言”存在顯著差異?！疤搨?消極型語言”和“真誠/消極型語言”存在顯著差異，根據(jù)描述性統(tǒng)計可得，“虛偽/積極型語言”和“虛偽/消極型語言”可信度高于“真誠/消極型語言”。

從邏輯性方面來看，“敘述/消極型語言”高于其他三類語言，而“虛偽/積極型語言”“虛偽/消極型語言”“真誠/消極型語言”均不存在顯著差異。從情緒感染力方面來看，四種語言都不存在顯著差異。從感知有用性方面來看，“敘述/消極型語言”高于其他三類語言，而其他三類語言之間均沒有顯著差異。從行動傾向方面來看，均不存在顯著差異。

四、結(jié)語

本文分析研究了在推特平臺中有關(guān)中國疫情標簽下的社交機器人推文的語言風格?？傮w而言，社交機器人發(fā)布的推文內(nèi)容具有分析性較強、真實性相對較低的特點。同時，根據(jù)社交機器人發(fā)布推文的不同類型和語言風格分為四個類別，分別是“敘述/消極型語言”“虛偽/積極型語言”“虛偽/消極型語言”和“真誠/消極型語言”。

本研究對這四個不同類別的社交機器人語言風格進行傳播效果的比較研究，發(fā)現(xiàn)“敘述/消極型語言”在傳播效果方面效果最佳，而其他三個類型的傳播效果區(qū)別并不顯著，且被試者對于這三類文本風格的感知度相對較弱，但是“虛偽/積極型語言”還是高于其他兩個類型。

對此，應當注意到，中國抗疫話題下的大量消極信息對我國國際形象產(chǎn)生了不良影響，不僅阻礙了合作抗疫的正常進展，也加深了國際輿論間的不信任與對立沖突。專職于發(fā)布負面信息的社交機器人的存在，證實了中國國際形象污名化是受到操縱而有意為之。

目前，海外針對中國的輿論斗爭呈現(xiàn)長期化、操縱性的特點，需要引起各方面警惕。

一方面，應當加強對社交機器人包括語言特征、賬號關(guān)系、態(tài)度傾向等方面的研究、甄別，盡可能地屏蔽“噪聲”污染。在預防、應對海外社交機器人影響方面，首先，應強化研究，鼓勵科技人員開發(fā)甄別社交機器人的分析算法，根據(jù)語言特征與行為傾向?qū)⒁伤坪Ｍ馍缃粰C器人的社交賬號予以篩查標簽、自動分類，并利用大數(shù)據(jù)技術(shù)對社交機器人群體行為予以分析研判。其次，需要建立健全海外輿論監(jiān)管體系，定期向公眾進行科普宣傳，提前化解信息誤差、整合共識，規(guī)避社交機器人造成的潛在風險。

另一方面，面向海外、承擔外宣任務的新聞工作者應當學習掌握海外接受的話語策略，講好中國故事，傳播好中國聲音，以期增進國際輿論的互信理解。在與外界交流過程中，新聞工作者應當關(guān)注與防范海外社交機器人虛假信息的影響，并進行有針對性的反擊。

當然，本研究依舊存在一定的問題，包括沒有考慮受眾之間的文本解碼能力差異，以及文化背景對特定的文本內(nèi)容是否存在情感偏差等。針對這些問題，會在之后的研究中加以彌補和完善。

參考文獻：

[1] 鄭晨予，范紅.從社會傳染到社會擴散：社交機器人的社會擴散傳播機制研究[J].新聞界，2020（3）：51-62.

[2] 張洪忠，段澤寧，韓秀.異類還是共生：社交媒體中的社交機器人研究路徑探討[J].新聞界，2019（2）：10-17.

[3] 陳昌鳳，袁雨晴.社交機器人的“計算宣傳”特征和模式研究：以中國新冠疫苗的議題參與為例[J].新聞與寫作，2021（11）：77-88.

[4] 師文，陳昌鳳.議題凸顯與關(guān)聯(lián)構(gòu)建：Twitter社交機器人對新冠疫情討論的建構(gòu)[J].現(xiàn)代傳播（中國傳媒大學學報），2020，42（10）：50-57.

[5] 詹姆斯·佩內(nèi)貝克，辛迪·鐘，喬伊·弗雷齊，等.當小用詞預示學術(shù)成功：以大學入學申請論文為例[J].公共科學圖書館期刊，2014，9（12）：1-10.

[6] 邁克爾·科恩，馬蒂亞斯·梅爾，詹姆斯·佩內(nèi)貝克. 2001年9月11日前后心理變化的語言標志[J].心理科學，2004，15（10）：687-693.

作者簡介 王匯森，研究方向：計算宣傳、網(wǎng)絡(luò)輿情。