政治内容参与模型：对TikTok政治视频内容特征及观众参与度的大规模分析

《Computers in Human Behavior》：Political Content Engagement Model: A Large-Scale Analysis of TikTok Political Video Content Features and Audience Engagement

TikTok政治内容传播研究基于578,420条精英账号视频数据，构建政治内容参与模型（PCEM），发现出党派批评、情绪化表达及低级语言显著提升互动率，并揭示自由派与保守派账号在政治议题回应、情绪处理和分享行为上的差异，为数字政治传播研究提供新框架与公开数据集。

　　TikTok 作为近年来迅速崛起的社交媒体平台，正在成为政治信息传播的重要渠道。从新闻媒体到政治人物，从基层组织到网络影响者，各类主体都在利用这一平台与受众进行互动，探讨政治与公民议题。然而，尽管 TikTok 在政治传播领域的重要性日益凸显，目前关于其政治内容如何吸引用户参与的系统性研究仍显不足。这一研究填补了相关空白，提出了“政治内容参与模型”（Political Content Engagement Model, PCEM），并探讨了该模型在 TikTok 平台上的适用性。

本研究采用了一套涵盖 578,420 条政治类 TikTok 视频的数据集，这些视频由 9,722 个精英账号发布，时间跨度从 2019 年 1 月到 2023 年 7 月。数据的收集过程涉及对 TikTok 平台内容的深入分析，包括文本、图像和音频等多个维度。通过机器学习和主题建模技术，研究者对视频中的政治派别提及、议题框架、论证方式、动员呼吁、情感倾向、文明程度以及信息来源等特征进行了编码，并利用混合效应线性回归模型分析这些特征如何影响用户的参与行为。同时，研究还对比了左翼和右翼倾向账号在参与模式上的差异，进一步探讨了政治内容在不同背景下的传播效果。

本研究的理论框架基于对政治传播机制的深入理解，结合了多个理论传统，旨在揭示政治内容如何在 TikTok 平台上激发用户的参与。这一模型将政治内容的特征划分为多个类别，如政治派别提及、情感和理性诉求、信息来源类型以及政治议题本身，分析这些因素如何相互作用，从而影响用户的互动行为。研究者认为，政治内容的吸引力不仅取决于信息本身，还受到信息传播方式、受众的认同感以及情感反应的影响。

在数据分析方面，研究者对所有政治类 TikTok 视频进行了分类和编码，其中包含了对用户账号的详细信息，如账号的意识形态倾向、粉丝数量、视频链接、文本描述、OCR 输出、音频转录以及互动数据（如观看次数、点赞数、评论数和分享数）。通过对这些数据的处理，研究者能够识别出哪些内容特征最常出现在高参与视频中，以及这些特征如何在不同类型的账号之间表现出来。例如，研究发现，涉及跨党派批评和情绪化内容的视频往往获得更高的参与度，而那些包含不文明语言的视频则更容易引发激烈互动。

此外，研究还探讨了不同政治议题在 TikTok 上的传播效果。结果显示，与种族正义和 1 月 6 日骚乱相关的视频，主要由左翼账号发布，获得了较高的参与度。相比之下，涉及堕胎权利等议题的视频则更受右翼账号欢迎，但这些视频在平台外的分享率较低。这表明，不同政治立场的账号在选择内容主题和传播策略时存在显著差异，这些差异可能影响了内容在不同受众群体中的接受度和传播范围。

研究还发现，影响者和活动者账号的视频往往比机构账号的视频获得更高的参与度。这可能与这些账号的传播方式、内容风格以及受众的互动习惯有关。例如，影响者和活动者账号更倾向于使用情绪化语言、跨党派批评以及更具吸引力的视觉元素，这些因素可能有助于提高用户的兴趣和参与度。而政治人物账号虽然在平台上的互动数据较少，但其视频在分享方面表现更为突出，这可能与其在政治领域的权威性和影响力有关。

在分析结果时，研究者还关注了用户参与行为的多样性。他们将参与行为分为内部行为（如点赞和评论）和外部行为（如分享）两个维度，并探讨了这些行为在不同内容特征和账号类型之间的差异。例如，研究发现，左翼账号在面对负面情绪内容时，更倾向于进行评论，而右翼账号则更倾向于进行点赞。这种差异可能反映了不同政治立场的用户在情感表达和互动方式上的偏好。

研究还发现，情感倾向和文明程度是影响政治内容参与度的关键因素。在所有分析中，情绪化内容的视频往往获得更高的参与度，而那些使用不文明语言的视频则更容易引发争议和激烈互动。这表明，用户在观看政治内容时，不仅关注信息本身，还受到情感反应和语言风格的影响。此外，研究者还发现，文明程度较高的视频在整体参与度上表现更优，这可能意味着用户更倾向于与那些表达方式较为得体、内容较为理性的政治内容互动。

本研究的发现对于理解 TikTok 上的政治传播机制具有重要意义。首先，它揭示了政治内容如何通过不同的特征吸引用户的参与，为政治传播的研究提供了新的视角。其次，它展示了不同政治立场的账号在内容策略和传播方式上的差异，有助于更全面地理解政治内容在不同群体中的接受度和传播效果。最后，研究者认为，这些发现可以为政治传播实践提供指导，帮助相关主体更好地制定内容策略，以提高用户的参与度和互动效果。

研究者还指出，TikTok 上的政治传播具有独特的特征，这与传统社交媒体平台有所不同。由于 TikTok 的内容形式更加多样化，用户在观看政治内容时，往往受到视觉元素和音频内容的影响。因此，研究者认为，未来的研究需要进一步关注这些多维因素如何共同作用，从而影响用户的参与行为。此外，研究者还强调，由于 TikTok 的内容更新速度快，未来的研究需要采用更加动态的数据分析方法，以捕捉政治内容在不同时间段内的变化趋势。

在数据获取方面，研究者面临了诸多挑战。由于 TikTok 的研究 API 访问受限，且视频内容的分析涉及文本、图像和音频等多个维度，这使得大规模的数据分析变得复杂。为了克服这些挑战，研究者采用了机器学习和主题建模技术，以提高分析的效率和准确性。此外，研究者还利用混合效应线性回归模型，以控制不同账号之间的差异，如粉丝数量和意识形态倾向，从而更准确地分析内容特征对参与度的影响。

本研究的发现还表明，TikTok 上的政治内容传播具有一定的规律性。例如，跨党派批评和情绪化内容往往能够引发更高的参与度，而那些包含不文明语言的视频则更容易引发争议和激烈互动。此外，研究者还发现，不同政治立场的账号在面对特定议题时，表现出不同的参与模式。例如，左翼账号在面对种族正义等议题时，更倾向于进行评论，而右翼账号则更倾向于进行点赞。这种差异可能反映了不同政治立场的用户在情感表达和互动方式上的偏好。

在理论贡献方面，本研究不仅提出了“政治内容参与模型”（PCEM），还对现有的政治传播理论进行了补充和完善。PCEM 将政治内容的特征划分为多个类别，如政治派别提及、情感和理性诉求、信息来源类型以及政治议题本身，分析这些因素如何相互作用，从而影响用户的参与行为。此外，研究者还强调，由于 TikTok 的内容形式更加多样化，未来的研究需要更加关注这些多维因素如何共同作用，从而影响用户的参与行为。

本研究还对现有文献中的一些不足进行了补充。首先，大多数关于社交媒体政治传播的研究主要集中在 Twitter 和 Facebook 等平台，而对 TikTok 这一新兴的短内容平台关注较少。因此，本研究填补了这一空白，提供了关于 TikTok 政治传播的系统性分析。其次，由于 TikTok 的内容更新速度快，且研究数据的获取存在一定的难度，因此本研究采用了大规模的数据集，以提高分析的准确性和可靠性。此外，研究者还强调，由于 TikTok 的内容形式更加多样化，未来的研究需要更加关注这些多维因素如何共同作用，从而影响用户的参与行为。

在方法论方面，本研究采用了多种分析技术，包括机器学习、主题建模和混合效应线性回归模型。这些方法的结合使得研究者能够更全面地分析政治内容的特征及其对用户参与的影响。此外，研究者还对不同类型的账号进行了比较，如精英账号、影响者账号和机构账号，以揭示不同主体在政治内容传播中的角色和影响。这些分析方法的使用不仅提高了研究的科学性，也为未来的研究提供了新的思路和方法。

本研究的发现对于政治传播实践具有重要的指导意义。首先，它揭示了政治内容如何通过不同的特征吸引用户的参与，为政治传播策略的制定提供了参考。其次，它展示了不同政治立场的账号在内容策略和传播方式上的差异，有助于更全面地理解政治内容在不同群体中的接受度和传播效果。最后，研究者认为，这些发现可以为政治传播实践提供指导，帮助相关主体更好地制定内容策略，以提高用户的参与度和互动效果。

本研究的结论还强调了政治身份、情感倾向和内容来源在影响政治内容参与度中的重要性。例如，研究发现，用户在观看政治内容时，往往受到信息来源的影响，如新闻媒体、政治人物、影响者和基层组织。不同来源的内容在用户中的接受度和参与度存在差异，这可能与信息的可信度、传播方式以及受众的认同感有关。此外，研究者还发现，用户在观看政治内容时，往往受到情感倾向的影响，如积极或消极情绪。这些因素可能共同作用，从而影响用户的参与行为。

综上所述，本研究通过对 TikTok 政治内容的系统分析，揭示了政治内容如何通过不同的特征吸引用户的参与，为政治传播的研究提供了新的视角。同时，研究还探讨了不同政治立场的账号在内容策略和传播方式上的差异，有助于更全面地理解政治内容在不同群体中的接受度和传播效果。这些发现不仅对学术研究具有重要意义，也为政治传播实践提供了参考，帮助相关主体更好地制定内容策略，以提高用户的参与度和互动效果。