社交媒体时代的公民政治参与：以新闻价值与政务微博受众参与互动关系为例

作者

顾洁，中国传媒大学新闻传播学部电视学院副教授。
闵素芹，中国传媒大学理工学部副教授。
詹骞，中国传媒大学新闻传播学部新闻学院副教授。

本文系北京市社会科学基金青年项目“受众参与框架下提升北京市政务新媒体影响力研究”（项目号：16XCC020）的阶段性成果。

通过媒体促进公民有序政治参与的重要基础在于提升受众通过媒体参与政务的广度和深度、主动性和积极性。在社交媒体时代，以政务微博为代表的政务新媒体，不仅可以促进政务公开而且为公众提供了一个开放、便捷的政治参与和互动平台。

与政务微博受众参与相关的研究，在我国主要体现为微博影响力研究。既有的研究主要通过微博的内容与结构特征（粉丝数、微博数、内容主题、发布形式时间等）去预测受众评论或转发行为的动力机制。然而，不可忽略的一个研究维度是微博自身所承载的新闻传播功能如何影响受众参与。

新闻价值（News Value）一直是解释媒体和受众新闻选择的经典理论。从政务微博的新闻传播功能出发，本研究以新闻价值为理论框架考察政务微博时政类新闻受众参与的动力机制，以期能对如何提升政务微博时政新闻传播效力，进而促进受众和公民参与提供理论指导。本文首先从理论层面预测可能对政务微博时政新闻受众参与产生影响的新闻价值要素。实证研究以“北京发布”等五家地方主流政务微博为研究对象，通过对998个时政新闻样本以及受众参与（基于评论、转发和点赞行为）的内容分析，检验并总结新闻价值要素如何影响政务微博受众参与。

（一） 公民参与和受众参与

本研究的最终着眼点是政治学视角下的公民参与问题。在大众传播视域下，这一问题又可以转换为受众参与研究，即“公民”以“受众”的角色通过媒体进行政治事件的参与。Kiousis （2002）指出，基于时政新闻的受众参与能否真正发挥作用有赖于两个条件：参与评论的受众数量和互动程度。

（二） 政务微博与时政新闻

从传统意义上理解，政务微博的时政信息发布承担的是政府部门信息公开或政务宣传职能。但无论是从理论还是实践层面，今天政务微博的时政信息和时政新闻的边界已经越来越模糊，在某种程度上可以被认为是广义层面的“时政新闻”。因此，以政务微博、时政新闻为对象，分析公民政治参与在理论和实践层面均具有重要参考价值。

第一，新媒体时代，“新闻”的概念正在不断弥散，对于新闻应当更多地从信息以及受众选择的角度进行定义和理解。在这一背景下，受众在新闻传播过程中的地位愈发显著。因此，对于新闻的定义和理解应当从以往侧重媒体组织和新闻事实转向受众及其兴趣与选择。

第二，在实践层面，政务微博发布的时政信息在内容形式等方面已经和传统意义上的时政新闻十分接近，同时也成为了政务微博的主要内容。此外，政务微博在很大程度上已经成为了以往我国政府新闻发言制度与实践的延伸，意味着在很多情况下政务微博相比其他新闻媒体更具时政新闻发布的权威性和代表性 （顾青，2015；毕晟，2013）。

综上所述，虽然在内容、立场甚至形式方面有一些独特之处，政务微博及在微博上发布的时政新闻仍然应当可以看作时政新闻的一个子类（王林枫，2012； 张瑛， 2014）。同时，在新的媒体环境下，如果从受众价值判断和选择的角度来看，将政务微博时政信息看成是时政新闻并应用经典新闻价值理论进行探索性研究是可行且必要的。

目前，国内外专门针对社交媒体平台新闻发布受众参与动力机制的研究还没有充分展开。而针对网页新闻和社交媒体一般性内容的受众参与研究已有一些成果。这些研究所选择的路径与本文相关的主要有以下三条。学者们首先关注微博体量、形式、结构等方面的特征如何影响受众参与程度。第二条研究路径通过内容主题分类去预测受众参与的动力机制。最后，文本内容的情绪和情感要素也是重要的预测变量。

（一） 经典新闻价值理论

上述文献回顾表明，虽然相关研究已经注意到了社交媒体内容的新闻属性，但是从新闻理论角度研究社交媒体受众参与的研究并不多见。

二十世纪初，西方新闻理论进入我国以后，以徐宝璜（1994）为代表的中国新闻人开始了对新闻价值理论最早的探索。然而，由于意识形态和国情文化的差异，直到改革开放以后，我国的新闻价值理论才开始逐渐向现代新闻理念回归，与西方新闻价值理论日益显现出趋同的趋势（郑保卫， 刘新利， 2010）。随着新闻实践形态的丰富以及社会政治经济文化环境的转型，新闻价值体系也在经历着嬗变，全新的价值要素不断出现，呈现出一种“多态化”发展趋势（周俊，2010： 63）。

（二） 政务微博时政新闻的新闻价值

在传统媒体时代，囿于媒介技术的限制，经典新闻价值理论主要探讨的是新闻价值要素如何引起受众“被动”的信息接收兴趣和行为。那么，在新媒体时代，新闻价值是否同样可以影响受众的“主动”参与行为呢？目前，已经有研究证明新闻价值是受众在新媒体时代选择新闻并进一步进行互动参与的重要预测变量。Weber（2014）曾经根据网络新闻传播的规律对格尔滕和鲁格的新闻价值要素体系进行了修正，并对德国两家新闻网站时政类新闻受众参与评论的机制进行预测。他发现接近性（Proximity）、周期性（Frequency）、影响范围（Power）、争议性（Controversy）、影响力（Impact）、破坏性（Damage）、事实性（Facticity）和延续性（Continuity）这八种新闻价值要素确实对受众的评论和互动行为有正面促进作用。然而，这一逻辑的有效性目前在社交媒体平台上的检验尚未得到开展。

综上所述，本研究对于新闻价值要素变量的确定将以格尔滕和鲁格体系、“五要素说”以及Weber的研究结果为主体框架，同时兼顾新闻价值要素在网络时代的新发展、新意涵以及政务微博时政新闻内容形式特点。最终，12个新闻价值要素作为本研究的主要预测变量：

（1） 时新性：新闻发生或产生影响距离微博发布的时间。

（2） 周期性：所报道的事件、政策、通知和措施等，在微博发出时是否已经结束。

（3） 重要性：新闻是否会对公众产生影响。

（4） 清晰性：新闻中是否含有记者或编辑（非新闻当事人）的主观意见或观

点。

（5） 接近性：新闻发生地和影响范围是否只与本地相关。

（6） 趣味性：新闻中是否涉及出乎预料、反常规、新奇、有幽默性的人、事或观点。

（7） 延续性：新闻内容是否涉及到以往的新闻议程。

（8） 显著性：新闻中是否涉及知名人士或显要人物。

（9） 个体性：新闻是否凸显个体（而非集体、整体）的力量和经历。

（10） 负面性：新闻所涉及的人、事或观点是否具有负面性的影响或结果。

（11） 正面性：新闻所涉及的人、事或观点是否具有正面性的影响或结果。

（12） 争议性：新闻所报道的内容是否含有争议性。

（一） 研究问题

本研究的主要研究问题为政务微博时政新闻价值要素与受众参与之间的互动关系，具体包含两个研究问题。

第一，上述12种新闻价值要素如何影响受众对政务微博新闻的参与行为？

第二，政务微博特殊的媒介平台性质如何影响新闻价值与受众参与的互动机制？

（二） 抽样

本研究以新浪微博的政务微博平台作为研究对象。由于本研究主要以时政类新闻为研究对象考察受众参与和新闻价值要素之间的关系，所以样本选择主要聚焦于党政新闻发布类政务微博。同时，为了更好地对“接近性”要素的影响作用进行预测，本研究排除了面向全国的中央国家机构和行业类政务微博，专门聚焦于地方政府宣传部或新闻办公室主办的党政新闻发布微博。

（三） 变量编码及指标定义

1. 受众参与：本研究主要通过“评论数”“转发数”和“点赞数”三个变量来衡量政务微博受众参与。

2. 新闻价值要素：对12个新闻价值要素变量的编码主要参照上文中新闻价值要素的具体定义进行。12个新闻价值要素变量大部分按照是否具有该新闻价值要素进行二分类处理。换句话说，以重要性为例，本研究没有进一步区分重要性的等级。这主要是考虑到本研究仍是以探索和解释为主要研究目的。

时新性、周期性、接近性和清晰性四个变量由于自身的特殊性，或是没有按照二分类进行指标处理，或是需要进行特别说明：

（1） 时新性：分为时间难以判断、近几年发生、近期发生、昨天或明天发生以及当天发生五个指标。

（2） 周期性：若所报道的事件等在微博发出时已经结束，则定义为闭合性新闻。反之，则为开放性新闻。

（3） 接近性：用新闻事件的发生地以及新闻事件是否只与本地相关两个指标来衡量，如果具有其中一个指标，则赋值为1，最终分值是由两个指标的赋值加和得到。因此，新闻发生在本地同时又只与本地相关的新闻具有最高级别的接近性，分值为2。

（4） 清晰性：若新闻中含有记者或编辑（非新闻当事人）的主观意见或观点则定义为低清晰性。反之，则定义为高清晰性。

3. 新闻基本属性

新闻基本属性主要包含以下四个变量：粉丝数、发布时间、信息来源和信息形式。

（四）信度测试（略）

（五） 分析方法

本研究主要采用负二项回归分析。“评论数”“转发数”和“点赞数”分别作为因变量，12个新闻价值要素作为主要自变量。此外，粉丝数、信息来源以及信息形式作为控制变量。

（一）受众参与

样本数据经编码和除错后最终产生N=998个完整样本。受众参与的描述性统计分析结果如表2所示。

从整体上看，三个因变量的平均值和中位数普遍较低。这反映了当前我国政务微博受众参与程度仍相对处在一个较低的水平。此外，无论是评论数、转发数，还是点赞数的分布都较为离散。这在一定程度上表明了政务微博在影响力方面的差异。

（二） 新闻价值要素

图1显示的是998个样本十种新闻价值要素占比的结果。

根据结果可以初步判断，在我国政务微博中，时政新闻在新闻价值层面具有如下特征：

（1）在报道与受众相关性层面，超过60%的新闻都具有重要性，与公众生活息息相关。此外，接近性平均得分为1.47，说明报道更加关注本地与公众相关的话题。

（2）在报道的时间性层面，开放性和闭合性新闻比例大致接近，具有延续性的新闻则占比约30%，说明政务微博在进行新闻报道时具有一定动态性，对于某些开放性新闻会进行持续关注。在时新性层面，“当天发生”的新闻占比落后于“近期发生”和“发生时间难以判断”，说明在新媒体时代政务微博时政新闻报道还需提升报道的时效性，注意提升报道的专业性。

（3）在报道的倾向性层面，具有正面性的新闻占比接近50%，而负面性新闻只占10%左右，说明政务微博还是以“正面宣传”为主。但与此同时，具有“显著性”的新闻占比不到10%，在某种程度上说明报道较为注意回避知名显要人士（在时政新闻中多可能为政府官员等），用更为平等的姿态与接地气的话语和受众进行对话。

（4）在报道的客观性层面，只有20%左右的报道含有记者或编辑的主观评述，17%左右的报道内容含有争议性。这些数据表明政务微博多选择相对简单直接的故事，并尽量进行客观陈述，以避免引起争议。

（5）在报道的叙事层面，凸显个人故事、涉及新鲜有趣人或事的报道占比均没有超过15%， 其中“趣味性”占比甚至低至9%左右，说明叙事的接近性、故事化以及生动性方面仍需加强。

（三） 评论数

对因变量评论数的检验首先用控制变量（粉丝数、信息来源、信息形式）建立基础模型。结果显示，整个模型回归效果显著。但是，经冗余（Redundant）检验显示，信息来源是冗余变量。因此，删除信息来源后重新建立基础模型（AIC=8.29， df=4， p <.01>

在向基础模型继续加入新闻价值要素之前，由于一次性新增的自变量数目较多，且部分变量指标过多，因此对自变量先进行相关分析，排除了多重共线性的可能。然后，12个新闻价值要素与控制变量一起进入模型进行拟合。经似然比检验结果显示，增加新闻价值要素后对于整个模型的拟合优度有提升（LRχ2 = 114.82，df = 16， p <.01>

（四） 转发数

对于转发数的假设检验采用和评论数一致的步骤与方法。首先经冗余检验后，信息形式作为主要自变量建立基础模型（AIC=9.81， df=2， p <.01 df="16，" p>

（五） 点赞数

对于点赞数的检验，首先确定并选择信息来源建立基础模型（AIC=9.06，df=2，p <.01 df="16，" p>