衡量可见性与注意力的方法路径

《Applied Corpus Linguistics》：Methodological pathways to measuring visibility and attention

　　

Johanna Disdier

斯旺西大学应用语言学系，英国斯旺西SA2 8PP，Sketty，Singleton Park

摘要

本文以抗议报道为案例研究，探讨如何运用基于语料库的方法来分析数字新闻的在线传播情况。虽然新闻价值一直被用来解释新闻选稿的标准，但其在受众分享中的作用仍存在争议，而用于研究这一现象的方法（基于语料库的分析、分布比较以及回归建模）也尚未被进行过比较。

本研究利用2021年新冠疫情后政治抗议活动中205篇被分享的新闻文章作为数据集，采用了三种互补的方法：（1）基于语料库的新闻价值分析；（2）分享程度的分布四分位数分析；（3）结合文本和语境预测因子的负二项式回归建模。研究结果表明，每种方法都揭示了分享性的不同维度，并具有不同的意义。基于语料库的对话分析表明，新闻价值是多维的，一个新闻价值可能包含多种不同的表达方式，每种方式又带有不同的情感色彩。因此，若在统计模型中将新闻价值视为统一类别，可能会掩盖究竟是哪种具体表达方式与分享行为相关。四分位数分析显示，在美国这类高参与度的环境中，受众的选择才会与编辑的选择出现差异。回归分析则表明，国家背景和媒体类型对分享程度的影响最大，国家因素在两个平台上都有体现，而在推特上只有“积极性”因素，在脸书上只有“个性化”因素与新闻价值存在独立关联。本文还提供了可复用的开放代码，可用于分析各种基于数量指标的可见性研究。

引言

抗议是一种跨越时代的活动，每一代人都熟悉它：通过公开表达来维护自身的利益。抗议虽源于对自身权利的捍卫，但其形式和表现方式却会随着社会、政治和技术的发展而变化。在数字时代，抗议的传播、报道和放大方式都发生了变革。从在社交媒体上直播的示威活动，到由算法筛选的新闻推送，再到受众驱动的分享行为，抗议的呈现方式如今已出现在融合了现实与虚拟、过去与现在的混合空间中。

从根本上说，抗议旨在获得关注，因为关注是实现说服和推动变革的关键。然而，获取关注的条件也发生了变化。传统的解释性新闻报道通过情境分析和因果分析来提炼事件的意义（Emery等人，1996），而数字新闻则越来越像照片那样即时呈现，试图实时捕捉瞬间，但这可能会牺牲时间的深度。尽管平台仍能提供编辑层面的思考，但这种向即时性的转变改变了新闻的传播方式，进而也影响了可见性的实现方式。因此，如今的抗议报道不仅受新闻框架的影响，还受到平台机制、算法推荐以及受众指标的影响。

这些变化给研究在线可见性的学者带来了挑战。大规模的抗议活动未必能获得与之相称的媒体报道，即便得到了报道，也可能无法在受众中引起广泛关注。影响可见性的因素相互矛盾：新闻价值决定了编辑的选择和报道框架，而分享价值则反映用户的决策。因此，一项抗议活动可能在头条中出现，但在网上却很少被分享；反之，有些抗议活动在社交网络中广泛传播，却未得到媒体的太多关注。

新冠疫情之后政治抗议活动的激增，使得可见性问题愈发突出。仅在2021年，全球就出现了72个新的反政府运动（卡内基国际和平基金会，2022），到2024年这一数字翻了一倍多（Carothers和Lee，2024）。这些运动大多与选举纠纷有关，比如巴基斯坦和委内瑞拉的选举舞弊指控，以及加纳、塞内加尔和突尼斯的投票违规抗议（Carothers和Lee，2025）。然而，这些运动的在线可见性并不均衡：有些在国际上产生了广泛反响，而有些则鲜为人知。这就带来了如何分析分享价值的问题，即关于抗议的新闻在数字环境中的传播程度如何。

为了解决这一问题，学者们采用了不同的方法：（1）分析被分享新闻的对话特征，找出在社交媒体上被强调的新闻价值；（2）比较不同四分位数区间内被分享文章的分布情况；（3）使用统计模型来估算各种独立因素对分享行为的预测作用。每种方法都能提供独特的见解，也有不同的意义，但它们很少被直接比较。因此，我们几乎不了解方法选择如何影响对分享价值的理解，不同结果会带来怎样的差异，以及哪种方法最适合当前的研究数据。

本文通过比较三种新闻价值分析方法——基于语料库的分析、分布四分位数分析以及回归建模，来探讨这些问题。这些方法都是针对2021年政治抗议活动中的被分享新闻语料库而言的。本文认为，这些方法并非可以互相替代，而是能够揭示同一数据的不同且互补的维度，因此需要将这三种方法结合起来使用，因为每种方法都有其他方法无法弥补的缺陷。通过这种方式，本文既提供了对有争议的选举抗议报道中分享强度的实证分析，也为未来的研究提供了方法论指导，同时附上了可复用的开放代码。此外，本文还为抗议报道研究以及应用语料库语言学做出了贡献，证明了基于语料库的对话分析为何能为描述性和统计性方法提供基础。

该方法论框架还具有更广泛的适用性。任何语言特征与不均衡的可见性结果相互关联的场景，都可以从这种方法中受益。除了社交媒体上的分享次数外，因变量还可以包括其他参与度指标（如点赞、转发、评论、阅读时间）、媒体关注度模式（如针对某一事件的报道数量），或其他领域的传播指标（如议会演讲中的掌声或笑声次数、政治交流中的转发量）。从这个意义上说，本文提出的工作流程为在对话与可见性相互交织的各个领域中，将基于语料库的对话分析与统计建模相结合提供了一种可推广的模板。

章节节选

新闻价值

要想让抗议活动进入公众视野，它们就必须从背景噪音中脱颖而出，打破常规的注意力流向。吸引注意力依赖于媒体所使用的选稿标准，也就是通常所说的新闻价值。新闻价值已经从多个角度被研究过，包括认知视角、民族志视角以及语言学视角，这些视角各自从不同方面揭示了新闻价值是如何形成的。这些视角实际上属于两种思维模式：

数据

该数据集包含了2021年初至2022年末发布的205篇英文版被分享新闻文章，总字数为133,163字。文章的筛选依据主要有三个标准。首先是根据主题相关性：以反政府抗议作为研究主题，因为新冠疫情之后，治理问题成为了诸多争议的焦点（全球抗议追踪机构，2022）。随后确定了那些存在选举抗议活动的国家，由此形成了初步列表

基于语料库的对话分析

表4展示了对该数据集中核心新闻价值进行基于语料库分析的结果。

表4显示，通过频率和离散度进行的定量分析共发现了5574次与新闻价值相关的表述，这些表述源自89个不同的词汇项（具体案例详情见附录1）。其中，“精英性”和“负面性”不仅在出现频率上较高，而且在不同案例中的分布也很明显，这凸显了政治权威和冲突叙事在

讨论

本研究采用了三种互补的方法——基于语料库的对话分析、基于四分位数的分布分析以及负二项式回归，来探究抗议报道中新闻价值的分享性。每种方法都从不同角度揭示了新闻价值如何影响可见性，各研究结果既有相似之处，也存在差异。在讨论这些内容之前，需要指出的是，回归分析是在较低

伦理考量

本文没有涉及人类参与者，因此也不需要获得知情同意。

参与同意

不适用。

出版同意

不适用。

CRediT作者贡献说明

Johanna Disdier：撰写——初稿。