跨媒介敘事視角下網絡平臺自制劇傳播路徑研究

劉欣

摘 要 Web3.0時代的傳播模糊了傳者和受者、生產者與消費者的邊界，網絡平臺自制劇在擴散路徑中作為被傳播的“信息”被賦予了新的特征。從跨媒介敘事理論出發，采用定量研究的方法，探尋以《隱秘的角落》為代表的網絡自制劇在新浪微博平臺的傳播路徑。

關鍵詞 網絡自制??；信息擴散；跨媒介敘事；新浪微博；隨機森林模型

中圖分類號 G2 文獻標識碼 A 文章編號 2096-0360（2021）23-0032-07

早在1973年，文化馬克思主義學者雷蒙·威廉姆斯就在其著作《電視：科技與文化形式》中探究電視作為一種科技與文化的混合體，如何體現在當代的社會情境、文化脈絡與科技發展的交織中。隨著互聯網技術的發展、移動終端的極大普及，人們完成了從文字化生存到視頻化生存的過度[ 1 ]。截至2021年6月，我國網民人均每周上網時長為26.9個小時，網絡視頻（含短視頻）用戶規模達9.44億，較2020年12月增長1 707萬，占網民整體的93.4%[ 2 ]?；ヂ摼W視頻平臺已取代雷蒙·威廉姆斯時期的電視，成為當下最重要的科技與文化混合體之一。其所生產的網絡自制劇也成為當代人視頻化生存的重要內容、形式和場景。對于網絡平臺自制劇生產、傳播及受眾層面的研究具有新的意義，傳、受的界限“你中有我、我中有你”模糊著邊界。從跨媒介敘事視角下，描繪網絡平臺自制劇在社交網絡平臺中的傳播路徑，揭示受眾、用戶的主動性與互動性具有積極的意義。

本文的研究目的旨在描述網絡平臺自制劇在社交網絡平臺中的傳播路徑，并揭示影響其流行的主要因素。

1.1 社交網絡平臺中信息擴散的影響因素

目前對于新浪微博、推特（Twitter）和臉書（Facebook）等社交網絡平臺的研究多從信息擴散的視角切入。隋巖等[ 3 ]在對網絡群體傳播進行信息擴散研究時，通過對以往研究進行梳理將以往研究分為兩類：一類研究側重于觀察信息內容的特征，如標簽、鏈接和圖片，以及行為、話題類型、情緒類型等對信息擴散規模的影響；另一類則更關注參與信息擴散的用戶特征，如用戶認證、活躍度、粉絲數等對信息擴散規模的影響。

1.2 流行度演化

胡穎等[ 4 ]將社交網絡平臺的信息擴散看作是信息的流行度演化問題（popularity evolution），并將流行度量化為人們在某時刻采取對網絡信息的積極的行為，如觀看、點贊、轉發、評論的次數等。并指出這些統計特性之間存在很強的關系，可以互相轉換。通過對以往研究的梳理，將大部分網絡信息的流行度演化劃分為三個階段：初期緩慢增長階段、中期快速增長階段、后期逐漸飽和階段。認為促進流行度增長的因素分為內部因素和外部因素。內部因素主要指內容質量；外部因素則包括用戶的社交影響力、用戶特征以及網站機制。

就目前的研究來看，不論是從社交網絡平臺中信息擴散的角度出發，還是流行度演化問題，學者們對于社交網絡平臺中信息擴散及流行的影響因素歸納較為一致，核心因素包括信息內容、傳播者特征或社交影響力，以及網絡結構或網站機制。

1.3 跨媒介敘事視角下的“信息”

通過梳理以往社交網絡平臺中信息擴散的研究，不同學者關注研究對象的不同也決定了對“信息”一詞定義和理解的不同。目前絕大多數研究關注以新聞熱點事件、輿論等作為信息在社交網絡平臺中的傳播。本文研究對象是網絡平臺自制劇。不同于新聞熱點事件或輿論等，網絡平臺自制劇有特定的敘事內容、敘事形態、敘事媒介和時間跨度。當網絡平臺自制劇在社交網絡平臺傳播時，其原有的敘事內容、形態、媒介都發生了改變，信息流動的主體并非是自制劇劇目本身，而是其既有敘事在內容、媒介和時空中的延展。針對研究對象的這一特點，本文從跨媒介敘事視角來分析、理解作為“信息”的網絡平臺自制劇在社交網絡平臺中的傳播。

跨媒介敘事的概念由亨利·詹金斯在2006年提出：“一個跨媒介的故事橫跨不同的媒介平臺展開，每一個平臺都有新的文本為整個故事做出有差異的、有價值的貢獻。每一種媒體都出色地各司其職、各盡其責?！盵 5 ]詹金斯認為，跨媒介敘事是通過引入額外故事元素，將敘事整體系統地擴展到新的媒介平臺上，生成彼此關聯、互不沖突的新的敘事網絡，受眾既是正典敘事的接收者，也是跨媒介敘事的生產者和傳播者，與創作者一同構建一個故事的世界，并從中生成新的意義。

敘事學家瑪麗-勞拉·瑞安[6]提出跨媒介敘事作品的三個維度：世界性、情節性和媒介運用。陳先紅、宋發枝[ 7 ]在此基礎上關注敘事在跨越不同媒介形態進行延展（expansions），并提出跨媒介敘事的延展包括三個層面：一是進行故事內容情節上的敘事延展（narrative expansions）；二是在不同媒介運用上進行媒介延展（media expansions）；三是在以前兩種延展為基礎上生發出的故事世界性的延展。Geoffey A.Long[ 8 ]用四個問題來檢驗“延展”對正典是否存在獨特且有價值的貢獻：第一，新文本是否保持著正典故事世界的風格；第二，新文本是否回答正典留下的問題；第三，新文本是否提出了新的問題；第四，新文本是否豐富了故事世界。

通過上述梳理，本文將網絡自制劇在社交網絡平臺中擴散的信息從跨媒介敘事視角進行分類：1）內容角度：分為既有敘事和延展敘事；2）媒介形態角度，以新浪微博平臺為例，分為圖片（包括臺詞截圖、表情包和GIF動圖）、視頻、純文字（微博博文）。如表1所示。

傳統的跨媒介敘事研究在方法上大多使用觀察、思辨、文本研究等，并以文化產品的內容及生產為主要研究對象，較少關注受眾層面在跨媒介敘事上的主動性、參與性及其傳播效果。隨著媒介技術的變化，互聯網一方面已深入到文化產品的內容生產之中，與此同時，網絡技術賦權下的個體能動性被激活，參與到了重構整個社會的信息生產方式和傳播網絡之中。在跨媒介敘事視角下，文化產品的內容生產和傳播不再是一個單向的過程，受眾也逐漸成為跨媒介敘事中參與和傳播的主體。

2.1 研究對象的選取

愛奇藝是國內網絡視頻平臺的代表，并且是網絡平臺自制劇的開創者。2020年6月，愛奇藝推出了以短劇集為形態，以懸疑為類型的“迷霧劇場”。開啟網絡平臺自制劇的新模式。其中《隱秘的角落》更是成為現象級影視文化產品，獲得廣泛關注和討論。

在《隱秘的角落》出圈之路上，新浪微博的擴散和傳播功不可沒。新浪微博平臺擁有龐大的用戶規模和完善的內容生態，一直都是國內網民參與互聯網傳播的重要社交平臺。新浪微博的“微博熱搜”功能，在技術賦權下更是擁有了公共議程的屬性，成為網絡話題生成的重要場域[ 1 0 ]。除此之外，新浪微博平臺集合了圖片、視頻、文字、超鏈接等多種媒介形態，為《隱秘的角落》跨媒介敘事研究提供了豐富的媒介樣本。因此，本文選取新浪微博作為研究網絡自制劇《隱秘的角落》傳播路徑的平臺。

2.2 研究問題

Q1：影響網絡平臺自制劇《隱秘的角落》在新浪微博平臺流行的主要因素是什么？

Q2：與該劇目相關的微博內容中，什么樣的微博內容特征更容易在新浪微博上擁有更高的流行度？

2.3 數據采集與數據清洗

本文對新浪微博平臺上關于《隱秘的角落》相關的痕跡數據進行采集。采集時間范圍為2020年6月10日至2020年7月2日，即從《隱秘的角落》官宣日到收官日后的一周，共計23天。

數據采集分為兩階段進行。第一階段，采集話題樣本庫。首先使用Python（3.7.0版本）對新浪微博話題頁面進行數據采集，形成關于《隱秘的角落》在6月10日至7月2日之間的話題樣本庫。再對云合數據①公開提供的新浪微博熱搜榜進行6月10日至7月2日，共計23天的熱搜話題采集。對兩份數據進行清洗和整理，獲得《隱秘的角落》在采集時間范圍內的話題總庫，共計207個相關話題，其中包括55個沖上當日熱搜榜的話題。第二階段，繼續在207個話題的基礎上，爬取每個話題下面點贊數排名前5的微博內容，通過數據清洗和補全，最終得到微博內容樣本數量為1 044條。

社交網絡平臺中信息擴散及流行的影響因素可以被歸納為以下三點：1）信息內容；2）傳播者社交影響力；3）網站機制。本文選取了新浪微博平臺作為研究對象，故可以不考慮網站機制的影響，只關注信息內容和傳播者社交影響力。

3.1 微博內容

從信息內容，即微博內容的角度來看，根據前文對網絡自制劇在社交網絡平臺中擴散的信息從跨媒介敘事視角進行分類，將微博內容的敘事類型分為兩類：既有敘事和延展敘事，分別用1，2來表示。微博內容的媒介形態分為圖片、視頻和文字三類。對應的指標及賦值在模型中表征值見表2。

3.2 傳播者社交影響力

傳播者社交影響力通過微博發布者的粉絲數量進行測量。

3.3 流行階段和流行度

通過前文的文獻綜述，以往研究將新聞、熱點事件、輿論等看做擴散的信息，并通過流行度演化模型進行預測。雖然《隱秘的角落》作為一個文化產品在網絡空間中的擴散趨勢也基本符合流行度演化模型（表3），但針對本文所研究的擴散平臺新浪微博來說，微博發布時間、話題生成時間、話題沖上熱搜榜的時間等都會成為衡量內容流行度的時間因素。所以筆者認為直接套用流行度演化模型分析劇目在新浪微博平臺的流行度不具有準確性。

基于上述原因，筆者加入時間變量并進行處理。用微博發布的時間減去對應話題創建或上榜的時間，若差值為0，即認為當天發出微博內容在當天成為話題流行甚至可登上熱搜榜，筆者將這種類型定義為“新鮮內容”。若差值大于0，即認為當天發出的內容在24小時內并沒有成為話題流行，或流行效果不顯著需要更多時間進行發酵，筆者將此種類型定義為“發酵內容”。

對于流行度的測量，通過對比1 044條微博的評論數量、分享數量和點贊數量，認為評論數量和分享數量與點贊數量所在數量級差異過大，故只使用點贊數量作為微博內容流行度的測量。

研究假設：

H1：在整個流行周期中，微博內容和傳播者社交影響力兩個因素中起主導作用的是傳播者的社交影響力，即其粉絲數量對于流行度的影響大于微博內容因素。

H2：對于“新鮮內容”，微博內容因素中的視頻形態流行度最為顯著。

H3：對于“發酵內容”，微博內容因素中的延展敘事的流行度最為顯著。

4.1 數據處理

由于使用Python（3.7.0版本）采集到的數據為連續型變量，微博內容相關因素為離散型變量，故需要對變量進行數據預處理。

第一步，定義流行度。筆者使用對數變換（log transformation）調整流行度分布（圖1）。

第二步，定義時間差。算法為，時間差=微博發布的時間-話題創建/上榜的時間。時間差越大說明微博內容新鮮度越低。定義時間差為0的微博內容為“新鮮內容”。定義其他微博內容為“發酵內容”。

第三步，用開平方根來調整粉絲數的分布（圖2）。

第四步，由于微博內容的敘事類型是分類值，即非連續值，所以針對這一特征需要對其進行數據化處理。筆者采用機器學習中常用的獨熱編碼（onehot encoding）處理微博內容的敘事類型變量。

4.2 模型選擇及數據分析

4.2.1 線性回歸模型（OLS）

筆者使用線性回歸模型分析上述處理好的數據（表4）。F統計值和概率F值是對整體回歸方程顯著性的檢驗，概率F值為3.60e-54，即服從F分布。由回歸系數、t檢驗和置信區間值可知研究所選取的變量均為顯著性的變量，統計學意義上可以用來解釋流行度。

但由于線性回歸模型對于變量之間顯著性的關系測量需要將數據處理為同一量級，本研究的既有敘事、延展敘事、視頻、圖片、文字等變量通過賦值得到，且粉絲數在原始數據中量級遠超于其他數據，即使使用開平方根的方法來調整粉絲數的分布，線性回歸模型對于本研究想探討的變量之間顯著性大小關系也并不合適。

除此之外，分析結果中R2（R-squared）是用于描述輸入變量對輸出變量的解釋程度，取值范圍是[0，1]，R2越接近1，表明回歸直線與各觀測點越接近，反之R2越接近0，回歸直線的擬合程度就越差。數據結果R2為0.221。R2不高的原因可能是由于噪音較大，變量數量較少，許多潛在變量沒有納入考量。且數據樣本量較小。故筆者采用隨機森林模型對變量之間顯著性大小進行進一步的分析。

4.2.2 隨機森林模型（Random Forest Regressor）

隨機森林是一種機器學習模型，主要應用于回歸和分類。此模型既能處理離散型數據，也能處理連續型數據，數據集無需規范化，在數據集上表現良好，隨機森林模型不容易陷入過擬合。此模型相比線性回歸模型更適合本研究所收集到的數據形態和變量數量。

筆者使用Python（3.7.0版本）中的sklearn，首先針對“新鮮內容”運用隨機森林模型來分析變量的顯著性，得到分析結果如表5所示。對于“新鮮內容”，微博賬戶粉絲數對流行度有決定性作用，數值高達0.872 4。

筆者去掉“微博賬戶粉絲數”這一變量，得到分析結果如表6所示。除微博賬戶粉絲數以外，視頻形態對于新鮮內容的流行度有較強的解釋力，數值為0.607 2。故假設2（H2）成立，即：在“新鮮內容”中，微博內容因素中的視頻形態流行度最為顯著。

筆者再對“發酵內容”進行變量的顯著性測量，結果見表7。對于“發酵內容”，粉絲數量對流行度也具有決定性作用，數值為0.833 8。

筆者去掉“微博賬戶粉絲數”這一變量，得到分析結果見表8。除微博賬戶粉絲數以外，微博內容的延展敘事和圖片形態對于“發酵內容”的流行度有較強的解釋力，數值分別為0.301 5和0.203 7。故假設3（H3）成立，即對于“發酵內容”，微博內容因素中的延展敘事的流行度最為顯著。

本文使用網絡爬蟲（Python）來獲取分析數據，運用線性回歸和隨機森林兩個模型對網絡平臺自制劇《隱秘的角落》在新浪微博社交平臺中傳播和流行因素進行探討和分析。本文得到如下結論：

第一，發布微博內容賬戶對應的粉絲數量對流行度起決定性作用。通過線性回歸分析和隨機森林模型分析，均發現在整個流行周期中，微博賬戶的粉絲數量對于“新鮮內容”和“發酵內容”的流行度都起了決定性的作用，假設1（H1）成立。且筆者對樣本庫中1 044條微博進行統計，發現這些微博來自于471個微博賬號。根據新浪微博提供的微博賬號標簽對這471個微博賬號進行分類，類型占比前兩位的是官方賬號和自媒體認證賬號。吳越等學者指出，微博信息的流行度呈現冪律分布，僅有少部分信息能夠被大量用戶關注。并將這種現象解釋為微博社會網絡中的信息過載，這也使得用戶注意力成為稀缺資源[ 1 1 ]。官方賬號和自媒體認證賬號等相比個人賬號擁有更多的粉絲，容易獲得更多的用戶注意力。經由高粉絲量賬戶發出的微博內容更易傳播和流行。

筆者認為網絡平臺自制劇《隱秘的角落》信息擴散不同于新聞、熱點事件、輿論等信息擴散的形態。劇目在傳播時有其特有的時間模式，例如從播出前的預熱、到播出過程中隨著劇情內容生成的話題和微博討論，再到播出后的口碑發酵等，這是一個相對持續且有特定時間節點的過程。在《隱秘的角落》整個擴散和流行周期中，擁有高粉絲數量的微博賬戶是在不同的時間節點主動進行相關微博內容生產和擴散，還是在商業利益或營銷策略驅使下進行傳播？個人賬戶又是在什么時間節點加入內容的生產和討論的？這些問題是未來需要繼續追問和研究的。

第二，新浪微博的話題機制助力《隱秘的角落》的流行。話題是新浪微博平臺特有的內容機制，用戶可通過在發布的微博內容中加入或關聯話題，提高微博內容在話題頁面的曝光度。在此過程中，越多用戶引入某一話題，可幫助這一話題在微博的流行，甚至登上以話題為單位的“熱搜榜”，從而獲得更高的關注度。

“熱搜榜”是通過對用戶行為的大數據運算，顯示出在特定時間段內被大量搜索和關注的熱點事件或熱點詞匯，以話題形式（#話題#）呈現。實時顯示50條熱搜內容，并按照熱度進行排名，每分鐘更新一次[ 1 2 ]。微博熱搜榜已在某種程度上達到用戶自己生產議程設置的功能。

在收集到的207個《隱秘的角落》相關話題中，有55個話題上過當日的熱搜（圖3），且微博話題和微博內容中對于延展敘事的討論隨著劇目的播出呈上升趨勢。在《隱秘的角落》完結的一周內，樣本數據中延展敘事的討論達到100%（圖4）。

第三，《隱秘的角落》的流行也得益于其原作高度的跨媒介敘事潛力。對于“新鮮內容”，微博內容因素中的視頻形態流行度最為顯著。對于“發酵內容”，微博內容因素中的延展敘事的流行度最為顯著。

第四，《隱秘的角落》能夠實現跨媒介敘事的前提是技術的進步。筆者通過對1 044條相關微博內容進行統計，視頻形態占50.8%、圖片形態占41.8%、純文字形態占7.4%。媒介技術的發展、智能移動終端的普及和各類App主導的平臺社會的到來，使當代文化從語言主因轉向圖像主因。人們越來越倚重通過圖像來理解和解釋世界。彭蘭將移動時代日常生活的媒介化稱為當代人的“視頻化生存”。在本研究中，受眾既是新浪微博等社交平臺的使用者，又是愛奇藝等網絡視頻平臺的消費者。新浪微博提供了文字、圖片、視頻、直播等多種媒介形態功能，鼓勵受眾使用。與此同時，愛奇藝的官方頁面也通過截圖、GIF動圖錄制等功能，使觀眾可以在觀看劇目的同時，實時截取畫面中的圖像，分享至新浪微博、微信朋友圈等社交平臺。技術推動下圖像主因的轉變和視頻化生存的到來，是視頻形態內容得以在新浪微博平臺流行的根本原因。

第五，《隱秘的角落》在新浪微博的相關話題和微博內容中，延展敘事超過原劇作的既有敘事獲得廣泛地關注和討論，并且隨著擴散時間的推移，延展敘事的發酵效果更加明顯。在《隱秘的角落》中，主角張東升將岳父岳母從山頂推下的情節被提取成一個敘事元素，在新浪微博上被網友迅速拼接、挪用，生成新的相關話題和意義。張東升一角的飾演者秦昊更是自己發微博帶動“爬山?！钡牧餍?，“秦昊帶你去爬山”在當天沖到新浪熱搜榜第四名，隨后許多明星都以爬山梗與秦昊互動，如秦昊想帶章子怡爬山、萬茜我真的不想爬山等?！芭郎焦！毕嚓P話題20個，占總話題庫的9.7%。受眾也在對“爬山?！钡挠懻撝邢硎苤诱箶⑹碌膴蕵沸院突有??！峨[秘的角落》作為一部懸疑劇，開放式的結局也讓受眾愿意主動拓展、挖掘，并進行參與式解讀。微博中關于選擇相信童話還是現實的討論也讓敘事脫離原有的劇情，受眾成為了這個跨文本、跨媒介故事的生產者?！峨[秘的角落》題材帶有明顯的社會性，也使既有敘事文本與現實社會議題形成強烈的互文關系。原生家庭問題、婚姻危機、中年危機、校園霸凌諸多社會議題，均由原劇的既有敘事延展到微博平臺得到廣泛的討論。

本研究以《隱秘的角落》在新浪微博平臺的傳播為例，描繪、揭示出影響其流行的主要因素。網絡平臺自制劇作為互聯網時代的文化產品，其作品的文本性、生產方式、傳播方式以及受眾接收和參與方式都已滲透著技術的影子。技術賦權下，文化產品的形態及消費主體的轉變值得未來持續地關注和研究。

注釋

①云合數據平臺https：//www.enlightent.cn/。

參考文獻

[1]彭蘭.視頻化生存：移動時代日常生活的媒介化[J].中國編輯，2020（4）：34-40，53.

[2]CNNIC中國互聯網絡信息中心.第48次中國互聯網絡發展狀況統計報告[R/OL].（2021-08-27）[2021-12-02]. https：//cit.buct.edu.cn/2021/0925/c7951a157922/ page.htm.

[3]隋巖，談和.網絡群體傳播背景下的信息擴散：基于新浪微博數據的定性比較分析（QCA）[J].新聞大學，2020（5）：1-17，125.

[4]胡穎，胡長軍，傅樹深，等.流行度演化分析與預測綜述[J].電子與信息學報，2017，39（4）：805-816.

[5]Henry Jenkins.Convergence Culture：Where Old and New Media Collide[M].New York：NYU Press，2006：105.

[6]Marie-Laure Ryan，Jan-Noel Thon.Storyworlds across Media[M].Lincoln：University of Nebraska Press，2014：29.

[7]陳先紅，宋發枝.跨媒介敘事的互文機理研究[J].新聞界，2019（5）：35-41.

[8]Geoffey A.Long.Transmedia Storytelling：Bussiness[M].Aesthetics and Production at the Jim Henson Company.B.A English and Philosophy Kenyon College，2007：16.

[9]Henry Jenkins. The Revenge of the Origami Unicorn：Seven Principles of Transmedia Storytelling[EB/OL].（2009-12-12）[2021-12-02].http：//henryjenkins.org/blog/2009/12/the_ revenge_of_the_origami_uni.html

[10]雷麗莉.微博“熱搜榜”與互聯網信息服務的規制[J].新聞記者，2019（10）：81-87.

[11]吳越，陳曉亮，蔣忠遠.微博信息流行度預測研究綜述[J].西華大學學報（自然科學版），2017（1）：1-6.

[12]雷麗莉.微博“熱搜榜”與互聯網信息服務的規制[J].新聞記者，2019（10）：81-87.

3269500589267