【博士生成果】乐媛:网络极化现象研究

网络极化现象研究

——基于四个中文BBS论坛的内容分析[1]

乐 媛
杨伯溆

注:本文已发表于《青年研究》2010年第2期,请注意援引。

摘要:本文试图把“极化”这一概念引入网络政治传播的考察中,主要针对四个中文BBS论坛(强国深水、猫眼看人、天涯杂谈和新浪杂谈)政治讨论中的极端化态度分布状态进行描述与比较。结果显示,态度极化现象与论坛群体和特定的议题类别紧密相关。其中激进派聚集的论坛更容易出现极化;涉及“政府”的议题更容易在激进的论坛中出现极化,而在温和派占据主流的论坛则呈现非极化状态。同时,发帖积极性越高的ID越容易出现态度极化的现象;而且,网民的意见同质化程度越高,则群体极化的程度也就越高。
关键词:极化、BBS论坛、政治讨论

“极化(polarization)”一词来自政治科学,指的是公众舆论出现分化,并有走向极端的趋势。由于极化现象一直被认为与政治冲突和社会不稳定存在潜在的因果关系[url=]([/url]DiMaggio et al., 1996),因而对“极化”的研究一直处于政治科学的显要地位。当互联网上丰富的民意表达已经成为不可忽视的舆论力量,网民的意识形态冲突与分化日益显现,网民群体间的分裂与群体内部的态度极端化倾向被认为是实现网络协商民主的重要障碍之一(Sunstein, 2001; 2007),并关系到互联网政治前途与命运。然而,与这十多年来国外大量的理论探索和经验研究相比,国内就网络极化现象的实证研究却十分鲜见。基于该问题的重要性和现实意义,本文试图把“极化”这一概念引入网络政治传播的考察中,主要针对网络BBS政治讨论中的极端化态度分布状态进行描述和分析比较,并尝试回答如下几个问题:(1)在网络论坛的政治讨论中是否存在并在多大群体范围和程度上出现政治极化的现象?(2)政治极化现象是否与网络意识形态争论相联系,网民们在哪些论坛或特定议题的讨论中更容易出现态度极化?(3)这种极化现象是否与网民们的某些行为特征相关联?

一、文献综述
(一)极化的概念与测量
在现代政治话语中,“极化”尽管被给予了显要的地位,但却很少有文献能够为其提供定义概念的指导。迪马鸠(Paul DiMaggio)等认为,对极化的定义可以从否定的意义开始。它首先不是吵闹的、不文明的政治意见的交换,而是反对意见的程度。因此意见的呈现方式不是极化,这意味着极化测量的是两种态度间的强度距离和极端性,而不是内容实质本身(DiMaggio, et al., 1996: 692)。在现代政治选举研究中,极化概念常常被应用于测量选民对某政治人物或政治立场的反应,而我们所说的“极化”被通常定义为公众舆论的分化,并有走向极端的趋势(参见wikipedia)。因此,极化本身既是一个过程,也是一种状态。作为一种状态,极化是与某种理论最大化相联系的反对某一观点的意见程度;而作为一个过程,极化则指的是这种反对程度是否会随着时间而递增(DiMaggio, et al., 1996: 693)。
对于极化的测量,迪马鸠等提供了四种可行的思路,前两种是基于单纯的态度分布,而后两种则是基于分布间的关系,但每种思路都指向了不同的极化类型。第一是“分散原则(dispersion principle)”,即态度分布的变异程度,当其他条件相同的情况下,变异程度越大,政治系统越不可能建立或维持中央集权的政治认同;第二是双峰原则(the bimodality principle),即当其他条件相同的情况下,两端的意见越分离,则社会冲突发生的可能性越大;第三种是抑制原则(constraint principle),即当其他条件相同时,不同的社会态度(组内或组间)越紧密相关,则冲突越不可调和;最后一种是联合原则(consolidation principle),当其他条件相同时,社会态度与显著的个体特征或社会群体认同越相关,则这些个人和群体将成为社会冲突的聚焦(DiMaggio, et al. , 1996: 692)。以上这四种测量思路展现了极化的多维度特征。作为截面研究,本文仅对极化在特定场所(论坛)和特定议题类别中所呈现的态度分布状态进行描述分析。

(二)政治极化的悖论
一直以来,人们明确感知到的政治极化现象与学者实际得出的证据存在很大出入DiMaggio, et al., 1996; Evans, 2003; Baker, 2005; Fiorina et al., 2005)。比如,近几年来“美国政治日益极化”的看法[2]往往来自非学术圈的外行观察家,而许多学者的研究都表明,除了小部分诸如枪支管制、堕胎和伊拉克战争等议题外,“不同社会群体对于政策的偏向基本上是朝着相互平行的方向前进”(Page and Shapiro 1992: 288)。也就是说,总体而言很少有证据能够说明在道德、社会、经济和外交政策方面的议题存在日益极化的趋势(Baldassarri and Bearman, 2007)。而且,那些卷入政治极化问题争论的学者们也都倾向认为政治精英和政治活动家的确在日趋极化,但普通民众并非如此,至少舆论的意识形态极化程度并不与他们一致(Fiorina et al. 2005)。
有学者认为,之所以会出现这种矛盾主要是基于两个悖论:第一,一些议题在相对较短的时期内成为强烈关注的焦点,把人们的注意力从其他大量的议题中吸引过来,从而使人们感知到社会宏观结构的极化是“存在(presence)”的。这些议题被称之为“起飞议题”(take-off issue),但事实上极化在议题总体的背景下却又是“缺席[3]”(absence)的;第二,人们的日常生活经验与专家知识存在落差。一方面,社会学家们强调宏观结构层面的动因会导致种族、族群和社会阶级的分化,从而具有相似背景的人群更容易相互彼此联系(Massey 1989; Abramson and Tobin 1995; Jargowsky 1996),即个人的态度与其社会背景之间是存在关系的,具有相似社会背景的个体更容易互动,形成社会的或观念上的社区。而另一方面,许多学者认为在“态度与属性”的关联上这么多年来并没有实质改变,即态度的社会背景决定因素始终很弱(DiMaggio et al. 1996; Evans 2003; Fiorina et al. 2005)。这种生活经验与“社会学现实”的不对称正是由于人们实际上是在与有限数量的其他人互动,并且讨论着对他们来说较为重要的少数议题。这很可能意味着当个体正在经历意识形态同质化时,他们在的更大的群体中却仍然保持观点的异质(Baldassarri and Bearman, 2007)。对这两个悖论的思考十分重要,因为这与媒体建构有很大关联,媒体偏见尤其被认为是影响舆论走向极化的一个重要原因(Bernhardt et al., 2008)。

(三)政治极化与媒体偏见
媒体偏见(media bias)指的是在大众媒体的生产过程中,记者或新闻生产者在选择报道什么新闻故事和如何报道的问题上往往存在偏见;而媒体的政治偏见则体现在对某个特定的政党及其所属的政治人物或政策采取压倒性的支持或反对态度(参见wikipedia)。但更重要的是,媒体偏见将在议程设置中得以体现,表现在为受众提供有选择的议题,并把媒体所认为的重要议题放在显要位置(McCombs and Shaw, 1993)。但是,认为媒体偏见是促成政治极化的原因之一至少是基于如下两个假设:第一,大众媒体的受众自愿选择符合自己政治立场或意识形态偏好的媒体,而不愿意接受与自己立场相左的媒介内容;第二、大众媒体进行的是强效传播,人们会因为接受带有政治偏见的新闻报道而强化自己原有的立场,从而可能导致态度极化。
如果说“一对多的”、“单向传播的”的大众媒体在技术特征上更容易被精英、政党所操控,而受众也相对被动,缺乏可供自由讨论的平台,那么互联网的出现则使得学者们重新思考:在被赋予了“低门槛、双向互动、匿名、自由、分享”等属性的新媒体中,网络使用者是否仍然只选择那些强化自己观点或具有相同意识形态的人互动?互联网提供的可供辩论的公共空间是否能够促成不同意识形态或政治立场的人进行对话和协商,还是无视对方的观点或以侮辱谩骂相对,从而失去对话的空间,最终导致群体内部的态度走向极端化?这时,群体内部成员在网络协商过程中,面对有限的观点库和不成比例的具有意识形态偏向的信息是否还能够坚持己见进行理性探讨,还是在互动中走向更为极端的观点成为了关键问题。

(四)网络协商民主与群体极化
的确,对于网络民主和网民政治参与的期待正是缘于互联网所具备的与传统大众媒体极为不同的技术特征与属性。许多乐观派学者对于构建网络公共领域,推动民主政治的潜力充满信心。比如,凯尔纳(Douglas Kellner)就认为,互联网已经为信息、辩论和参与制造了一个新的公共领域和空间,它包含了可能鼓舞民主,并且促进批判和进步主义观念的传播(Kellner, 1998)。达勒伯格(Lincoln Dahlberg)也认为互联网可以通过新闻讨论组、网络论坛等方式服务于以公共领域存在为必要条件的网络协商民主的概念化,即不同的利益和立场必须在一个自由、公开、合理和可能高度程序化的对话中达成某种基于最佳信息和理由的妥协一致(Dahlberg, 2001; 参见Kate, 2002: 114)。然而,另外一些学者的研究则指出,尽管网络上存在许多不同的声音,但是人们倾向于寻找强化个人立场的信息并与之互动,而避免参与到异己言论当中(Selnow, 1998; Sharpio, 1999; Dahlberg, 2007)。的确,公共空间不等于公共领域,互联网所提供的虚拟公共空间也并不一定就自然通向新的公共领域。
桑斯坦(Cass Sunstein)的“群体极化”论就对现实中的网络协商民主提出强有力的挑战。群体极化是指一个协商群体中的成员必然会在协商之前的倾向所暗示的方向指引下走向一个更为极端的观点(Sunstein, 2001; 2007)。其机制的解释主要有三个:一是有说服力的观点和信息。如果一个群体已经具有某种倾向,则具有说服性的观点和信息的数量是不成比例的,问题的关键在于有限的观点库;二是社会的对比。由于人们希望得到其他群体成员的认同,则很可能在听到别人的观点后,调整自己的立场,从而向占主导地位的观点倾向靠拢。第三,信心、确证和极端主义。当得知自己的观点得到别人的认同和分享,则可能变得更有信心,观点更极端(Sunstein, 2007:64-67)。基于群体极化的这三个机制,桑斯坦认为互联网正在使人们能够设计他们自己高度个人化的传媒节目,过滤掉一些麻烦的问题和不喜欢的声音。他用“飞地商议(enclave deliberative)”这个词来形容网络上出现的碎片化(fragmentation)现象,并认为“飞地商议”的出现不仅会加深社会的分裂,而且也已经变成群体分化甚至极化的“滋生地”(Sunstein, 2001: 67-71)。
然而,桑斯坦的群体极化观点并不能完全预见或充分解释网络中可能出现的政治极化现象。理由主要有两个:一方面,网民作为个体行动者的能动性不能被简单忽略。不能排除具有反思能力的网民坚持己见,形成理性互动,并在网络讨论中获得影响力,从而降低极化的风险;另一方面,网络中的政治极化现象还与存在的意识形态冲突及其关注的议题有关。而网络中的意识形态冲突及其争论的议题又是与宏观社会结构和变革密切联系的。这就是说,对网络政治极化的考察还需要落实到宏观社会环境与微观个体之间的联系上。
在中国,由于区别于西方大多数国家的政治建制,两党或多党派间因选举相争而引起的政治极化问题并不显著。但这不意味着我国的民意在政治意识形态层面上没有分歧。事实上,意识形态上的极化正是政治极化研究中的一个重要维度。但需要注意的是,政治光谱的划分标准在不同时期、不同社会是有很大差别的,其参照点往往在于社会变革中所形成的重要议题的争论。因此,对于中国网络政治极化的研究需要明确目前主要的意识形态划分方式及对其进行区分的参照议题,以此为基础考察网民在针对这些议题的微观讨论中可能出现的极化现象。

(五)网络BBS论坛与政治讨论
近几年来,越来越多的研究者开始留意到中国互联网中逐渐浮现的意识形态冲突。如顾宁(2006)就将BBS论坛中激进的爱国主义群体称为“网络愤青”,他们对一系列社会事件进行强烈的批判,给人以左翼民族主义者的印象。彭兰(2008)则观察到在强国论坛中存在着“左派”与“右派”,他们在几乎任何问题上都形成对立。她指出无论是“左派”与“右派”的对抗、“亲美派”和“反美派”的过招还是“自由主义”与“民族主义”的较量,这背后都有着复杂的社会背景和更为广阔的生活土壤。乐媛和杨伯溆(2009)通过对中西方左右意识形态演变过程的梳理与归纳,将中国网络中出现的意识形态取向类型化为“激进左”、“温和左”、“中间”、“温和右”和“激进右”这五个政治派别[4]。该研究还通过对强国深水和猫眼看人BBS论坛的实证对比分析中得出,在中国确实存在以左/右派声音为主流的左派论坛和右派论坛,在强国温和左派言论占据主流,而在猫眼激进右派的言论成为主导。唐芳(2009)在此基础上就这两个论坛中发言的网民的政治倾向和社会经济地位进行了问卷调查,她发现互联网政治言论的主体源自社会中间阶层的温和派讨论,“激进主义”和“群体极化”现象虽然存在,但却只是少数派现象。
最新的研究显示,网民在针对涉及“毛泽东”、“中国政府”、“官员”、“西方”和“儒家”这五个参照议题类别的讨论和辩论中,不同BBS论坛中的网民呈现出显著的态度差异(杨伯溆等,2009)。可见,在我国的网络BBS论坛的政治讨论中,不同意识形态群体的分化与对立已经初步展示出来,需要更为细致的实证研究来进一步验证网络极化现象存在的范围与程度。因此,本文将继续针对网民就这五个参照性议题的讨论进行态度强度分布的对比分析,并验证如下几个假设:
H1:态度极化与其所在的论坛群体和议题类别相关联。尽管网络极化现象在议题总体的背景下并不存在,但仍会在有限论坛群体或议题类别群体的讨论中出现;
H2:网络极化在不同的论坛中呈现出显著的差异,相对激进的论坛更容易出现极化;
H3:网络极化与政治意识形态相关联,并在特定论坛的特定议题类别中呈现出显著的差异程度。其中涉及“政府”的议题在激进右派占主流的论坛中更容易出现极化,而在温和左派占据主流的论坛中更不容易出现极化;
H4:就个体行为特征而言,发帖积极性越高的ID,越容易出现态度极化的现象;就更小范围内的主帖话题群体而言,意见的同质化程度越高,其极化的可能性也越高。

--------------------------------------------------------------------------------

[1]
本研究论文是北京大学杨伯教授主持的国家社科基金课题“互联网和手机对中国社会生活与政治生活的影响研究”(项目编号:07BXW025)系列成果之一。安珊珊、刘静、方怡文、方伟、朱菂、高宁鸿、鲁力、滕晓彦和黄莉参加了本论文前期的数据收集工作;安珊珊、刘凯、唐芳、冯震、陈红、王蓓、滕晓彦、黄莉、谢霞和刘畅参与了数据编码,罗锦才、安珊珊、刘凯和叶韡明为后期数据整理和清洗贡献了宝贵时间,王成军和刘凯为本文的研究设计和方法提供了极为珍贵的意见,在此一并致谢。
[2]
如《美国人口统计学》杂志主编约翰·麦克马纳斯(John, McManus)曾发表看法,认为在美国政治体系中已经出现了政治日益极化的趋势;美国前总统克林顿也曾在2006年9月18日的《每日秀》栏目中公开表示共和党信仰极化的观点。参见polarization (politics) , wikipedia: http://en.wikipedia.org/wiki/Polarization_(politics)

[3]
这里的“缺席(absence)”实际上是指行动者在一个非极化的环境中感知到极化的经历。

[4]
这五个政治派别分别为:激进左:支持强大统一之中国(民族),反对目前中国政府的路线、方针和政策,强烈批判传统文化,并对西方的政治、经济制度表示反感;温和左:支持强大统一之中国(民族),支持目前中国政府的路线、方针和政策,推崇传统文化,对西方的政治、经济制度表示反感;中间:持中立或无明确态度;温和右:支持中国政府的合法性,但反对过分强调强大统一的民族国家立场,主张对传统文化的反思,提倡对西方政治、经济制度的借鉴;激进右:反对中国政府的合法性,反对强大统一的民族国家立场,强烈批判传统文化,并极力推崇效仿西方(尤其是美国)的政治、经济制度。
二、研究方法
(一)数据
本研究采用的是“互联网和手机对中国人参与社会政治生活的影响研究”项目中的部分数据。该项目通过对强国深水、猫眼看人、天涯杂谈和新浪杂谈这四个BBS论坛进行数据收集(以下简称强国、猫眼、天涯和新浪),以综合考察网民通过互联网参与社会政治生活的状况。之所以选择这四个论坛是因为它们都享有较高的知名度和大量的用户群[1],而且在所有权[2]、论坛定位和取向[3]及历史背景[4]等方面具有差异性,能够在一定程度上综合反映我国网络BBS论坛的言论特征。
具体的抽样过程采用多级整群抽样的方法,以这四个论坛在一年内所发布的所有“首页主帖”作为抽样总体,以主帖的分布构建抽样框,而跟随主帖的回复作为帖子的一部分被同时抽取分析。由于热门的BBS论坛通常具有信息海量、流动速度极快以及面对审查压力等特点,因此在抽样上主要采取以下几个策略和步骤:
1.
从2007年7月15日至2008年7月17日止,对这四个论坛进行为期一年的系统抽样。抽取时间点定为每个抽样日的当天晚上8点整。精确抽样点的设定与及时的数据收集也是为了避免在网络审查过程中频繁出现的删帖现象,在最大程度上保证样本的完整性。
2.
每隔3天[5]抽取一次论坛首页作为初级单元样本,然后从每个初级样本中等距抽取25个样本,共得到的总样本量为主帖9,158,回帖7,262,888。
3.
由于这一阶段所得到的回帖样本量巨大,为了使回帖分析具有可操作性,本研究又进行了第二次随机抽样,共得到944个主帖及319,107个回帖(见表1)。

表 1
四个论坛的有效样本统计量

主帖

回帖

回帖均值

标准差

强国

238

1,286

5.40

21.795

猫眼

240

86,665

361.10

123.725

天涯

216

223,383

1034.18

344.901

新浪

250

7,773

31.09

6.764

合计

944

319107

338.04

85.845

(二)内容分析
本研究的主要分析方法是内容分析,但在方法上尝试结合问卷调查的思路来对海量回帖进行测量。具体的策略是:首先,将每个主帖的内容简化为一个陈述,并看作是问卷调查中的一个问题(变量),而回帖则被看作是网民对于该问题的回答,并以李克特五度量表为尺度来对态度进行编码。
就方法论而言,网络论坛中的发帖与跟帖与实际的问卷调查是不一样的,我们这样做可能产生两个问题:第一,对于主帖而言,并不是所有ID都对其进行了回答;第二,每个ID也可能对几个不同的主帖进行回复。我们对第一个问题的解决办法是合并同类的议题,形成不同的议题类别;第二,则是筛选出每个ID在同一主题中的主要态度作为回答。尽管这种方法将不可避免地出现大量的系统缺失,但是针对网络BBS论坛中回帖量巨大且流动速度快的现实状况,这种处理方式可以在很大程度上支持数据的有效分析。
服务于本研究的需要,除了“论坛”这个变量外,还把网民对“毛泽东”、“中国政府”、“官员”、“西方”和“儒家”这五个特定议题类别的“回帖态度”作为变量选取出来,构成回帖层次上有效样本,它在总样本中的比例分布见表2:

表2
五个议题类别在四个论坛中的比例分布

猫眼

强国

议题类别

主帖

回帖

主帖

回帖

6 (2.5%)

389

16 (6.7%)

80

17 (7.1)

690

19 (7.9)

63

16 (6.7)

3025

7 (2.9)

25

西方

25 (10.4)

1691

19 (7.9)

42

儒家

2 (0.1)

55

2 (0.8)

2

合计

66(27.5)

5850

63 (26.4)

212

总主帖数

240

239

天涯

新浪

议题类别

主帖

回帖

主帖

回帖

2(0. 8%)

176

1(0.3%)

25

3(1.2)

102

10(3.2)

74

15(5.9)

8049

7(2.2)

120

西方

12(4.7)

1723

10(3.1)

115

儒家

-

-

2(0.6)

12

合计

33(12.9)

10050

30(9.6)

346

总主帖数

256

312

(三)变量的操作化与交互信度
除了“论坛”、“议题类别”和“回帖态度”外,我们还对以下六个变量进行了操作化:
1. 回帖层次
(1)“态度极化”:由于极化可定义为“与某种理论最大化相联系的反对某一观点的意见程度”(DiMaggio et al. 1996),而且在本研究所考察的样本并不只是针对某个具体话题的讨论,而是针对一系列话题的讨论,因而将极化操作为“回帖态度是否是强烈的极端化态度”,并将李克特五度量表中的“强烈反对”与“强烈支持”合并为“极化”,将“一般反对”、“中间及无态度”、“一般支持”和“其他”内容合并为“非极化”。
(2)ID发帖次数:即ID在同一主帖内的发帖次数。

2. 主帖层次
(3)“帖内同质化程度”:在回帖的支持/反对意见中,将占优势地位的意见比例-占劣势地位的意见比例,取值范围在[0-1]之间,数值越大,同质化程度越高。
(4)“帖内极化程度”:在回帖态度中,极端化态度(强烈支持和强烈反对)的数量与回帖总数之比,取值范围在[0-1]之间,数值越大,极化程度越高。
(5)“参与广度”:参与讨论的实际人数与回复量之比,取值范围在[0-1]之间,数值越大,参与广度越高。
(6)“回复量”:进行加1取对数的处理,使之更可能接近正态分布。

本研究的数据由十个受过严格训练的研究生共同编码。根据佩罗和雷的交互信度指标[6](Perreault & Leigh, 1989),我们所获得的特定议题的态度变量信度分别为:“毛议题”0.74,“党、政府和官员”0.84,“美国与西方”0.80和“儒家”0.80,基本达到内容分析的要求。由于本文并不试图揭示非对称的因果关系,而是对样本数据进行描述和差异的对比分析,因此除了基本的描述统计量和列联表卡方检验外,研究还采用对数线性模型来对列联表的交互效应进行估计,并比较不同群体层次上的极化差异程度。

--------------------------------------------------------------------------------

[1] 根据大旗网实时的论坛排名(2009年1月19日访问),猫眼与强国分列社会类论坛排名的第1名和第8名;而根据2009年凤凰网最新的中文论坛社区排名(2009年10月20日访问),天涯与新浪分别位列第1名和第6名,猫眼凯迪社区与强国分列第7和第8名。参见http://bbs.ifeng.com/zhuanti/bbstop100/

[2]
在这四个论坛中,强国论坛是国家所有,隶属于国家党报《人民日报》;而其他三个论坛都属于商业公司所有。并且在地理位置上,强国和新浪的服务器位于北京;天涯和猫眼则在海南。这些结构性因素的差别都有可能在论坛间的比较中有所体现。

[3]
在这四个论坛中强国和猫眼属于时政论坛,较为关注政治议题。其中,强国论坛被认为对现存制度更为认同,而猫眼则有更关注西方的倾向(乐媛与杨伯溆,2009);天涯和新浪属于杂谈类型,可以更兼顾考察包括政治在内的更多社会、文化议题。

[4]
新浪论坛成立于1997年,是依托其门户网站而发展起来的;天涯杂谈则是以社区生活为主要形态,成立于1999年,很快成为中国最大的中文社区;强国与猫眼也成立于1999年,强国是在抗议美国袭击我国驻南斯拉夫大使馆事件的背景下诞生的,聚集了大量民族主义者,而猫眼则成立于对外开放的政策背景下,拥有许多来自海外的网民。

[5]由于网路论坛信息海量,流动速度快,尤其容易受到突发政治、社会事件的影响而波动,主帖从首页中兴起,沉没的速度很快,一般在2-3天左右(除去一些长期受到关注的帖子)。为了尽可能多地抽取一级单元样本以提高样本的代表性,并兼顾观察帖子在长、短期内的变化情况,因而样本量不能太小,抽样间隔宜短,以3天为佳。

[6] 该指标强调了类别数量在影响交互信度上具有敏感性,公式为Ir = {[(F0/N)-(1/k)][k/(k-1)]0.5, for F0/n > 1/k,其中F0指的是编码员之间达成一致判断的单位数量,N是判断的总数量,k是使用的类别数量。

三、数据分析

在上文中我们曾假设:“态度极端化与其所在的论坛群体和议题类别群体是相关联的。尽管网络极化现象在议题和论坛总体的背景下并不存在,但仍会在有限论坛群体或议题类别群体的讨论中出现”。为了验证这个假设,我们首先就极端化态度在论坛群体和议题类别群体中的频次分布进行描述分析,见表1:

表3 四论坛五议题中的态度极端化频次分布(含百分比)

态度是否极化

议题类别

论坛

合计

卡方检验值

强国

61 (9.1%)

19 (2.8%)

80(11.9%)

x2=15.630 df=3 p<.001
phi=0.153

猫眼

318 (47.5)

71 (10.6)

389(58.1)

天涯

118 (17.6)

58 (38.2)

176(26.3)

新浪

21 (3.1)

4 (0.6)

25(3.7)

合计

518(77.3)

152(22.7)

670(100)

强国

47 (5.1)

16(1.7)

63(6.8)

x2=17.066 df=3 p<.001
phi=0.135

猫眼

555 (59.7)

136(14.6)

691(74.3)

天涯

83(8.9)

19(2.0)

102(11.0)

新浪

73(7.8)

1(0.1)

74(8.0)

合计

758(81.5)

172(18.5)

930(100)

强国

24(0.2)

1(0.0)

25(0.2)

x2=61.835 df=3 p<.001
phi=0.074

猫眼

1,990(17.8)

1,037(9.3)

3,027(27.1)

天涯

4,972(44.6)

3,012(27.0)

7,984(71.6)

新浪

109(1.0)

11(0.1)

120(1.1)

合计

7,095(63.6)

4,061(36.4)

11,156(100)

美西

强国

33(0.9)

9(0.3)

42(1.2)

x2=14.932 df=3 p<.002
phi=0.065

猫眼

1332(37.8)

364(10.3)

1696(48.1)

天涯

1386(39.3)

284(8.1)

1670(47.4)

新浪

84(2.4)

31(0.9)

115(3.3)

合计

2835(80.5)

688(19.5)

3523(100)

儒家

强国

1(1.5)

1(1.5)

2(3.0)

Fisher’s Exact Test:
x2= 8.843 a df=2 p<0.02
phi=0.702
a 4 cells have expected count less than 5

猫眼

53(79.1)

0(0.0)

53(79.1)

天涯

0(0.0)

0(0.0)

0(0.0)

新浪

12(17.9)

0(0.0)

12(17.9)

合计

66(98.5)

1(1.5)

67(100)

表3 展示了“态度是否极化”在“论坛”和“议题类别”上的三维交互分布。从中可以看出在毛议题中,态度极化分布在四个论坛上呈现显著差异(x2=15.630 df=3 p<.001, phi=0.153)。同样地,在涉及官员议题(x2=17.066 df=3 p<.001, phi=0.135)、政府议题(x2=61.835 df=3 p<.001 phi=0.074)、美西议题(x2=14.932 df=3 p<.002, phi=.065)和儒家文化议题(x2= 8.843 a df=2 p<.02, phi=0.702)上都呈现了显著的差异。这说明“态度极化”与其所在的有限群体“论坛”和“议题类别”是显著相关的,已经部分支持了假设1。为了进一步验证不同论坛和议题类别中的极化差异程度,我们将对这个4×4×2的三维列联表构建对数线性模型以筛选有效参数。由于在儒家文化这一类别中有4个单元格(66.7%)的期望频次小于5,因而本研究将只对“毛”、“官”、“政”和“美西”这四个议题分别在四个论坛上的数据(n=16,279)进行列联表的对数线性建模,主要包括两个步骤:(1)进行模型拟合优度的比较,并获得最佳的模型设计;(2)对最佳模型的参数估计进行解释,以验证假设。

表4
对数线性模型的拟合优度统计量

模型

参数项

G2

df

p

BIC

△(%)

M1

(R, C, L) 基线模型

3084.07

24

.000

2851.68

14.72

M2

(RL, C) 联合独立模型

611.24

15

.000

465.77

7.63

M3

(RL, CL) 条件独立模型

129.65

12

.000

13.28

2.20

M4

(RL, CL, RC) 无三维交互模型

96.00

9

.000

8.72

1.62

M5

(RCL) 三维交互模型

0

0

1.000

0

0

△G2

M1 v.s M2

2472.83

9

<.001

M2 v.s M3

481.59

3

<.001

M3v.s M4

33.65

3

<.001

R=论坛,C=态度极端化,L=议题类别;G2 为似然比卡方统计量,△G2 为变化的似然比卡方统计量;BIC 为贝叶斯信息标准统计量;△为观测和预测频次间的相异性指数。

从表4中可以看到,假设“论坛”、“议题类别”和“态度极化”这三个变量没有交互效应的模型1并不能很好的拟合数据(G2=3084.07, df=24, BIC=2851.68),但我们将其作为基线模型保留在表中。模型2考虑到了“论坛”和“议题类别”的交互作用,将“态度极化”暂时搁置,得到的统计量表明它比模型1有了显著改进(△G2 =2472.83, df=9, p<.001)。模型3进一步考虑“议题类别”分别与“论坛”和“态度极端化”的交互作用,比模型2有显著改进(△G2 = 481.59, df=3, p<.001)。模型4则是考虑了三个变量的两两交互作用,拟合优度比模型3更好(△G2 = 33.65, df=3, p<.001)。而模型5作为三维完全交互模型,即饱和模型(△G2 = 0, df=0, p=1.000),拟合度达到最佳,并且任何交互效应项的删减都可能导致无法有效估计参数。因此饱和模型仍将作为本研究中的最佳模型,其模型设计为:常数+论坛+议题类别+态度极化+论坛×议题类别+议题类别×态度极化+论坛×态度极化+论坛×议题类别×态度极化

为了验证假设1中关于“尽管网络极化现象在议题和论坛总体的背景下并不存在,但仍会在有限论坛群体或议题类别群体的讨论中出现”的陈述,我们将分别对模型中的主效应参数和交互效应参数进行分析。主效应参数可以揭示“态度极化”在议题总体和论坛总体背景下的极化程度,见表5:

表5
主效应参数估计

变量

参数项

β

标准误

Z值

EXP(β)

论坛

常数
强国

4.3973

-1.5785***

0.1153

-13.695

81.2286

0.2063

猫眼

1.7137***

0.0556

30.805

5.5496

天涯

1.3027***

0.0599

21.730

3.6791

新浪

-1.4379***

0.2374

N=16,279 Wald=952.64 df= 3 prob=0.000

议题类别

毛议题

-0.6045***

0.0778

-7.773

0.5463

官议题

-0.7088***

0.1095

-6.470

0.4923

政议题

0.7689***

0.1086

7.082

2.1574

美西议题

0.5444***

——

1.7236

N=16,279 Wald=202.20 df=3 prob=0.000

态度极化

态度非极化

0.7839***

0.0534

14.685

2.1901

态度极化

-0. 7839***

0.4566

N=16,279 Wald=215.64 df=1 prob=0.000

从表5中可以看出,“态度极化”的两个效应项具有显著的差异,其中“态度非极化”项的主效应参数为正值(β=0.7839, Z=14.685,p<.001),相应的“态度极化”项则为负值,这说明在议题和论坛总体的背景下,态度呈现显著的非极化状态,是平均效应的2.19倍。这支持了关于“网络极化现象在议题和论坛总体的背景下并不存在”的假设,说明网民在参与论坛的讨论时,总体上是趋于温和的。然而,在特定的议题或论坛群体中,网民的讨论是否呈现差异的极化特征还需要进一步分析验证。

表6
论坛与态度极化交互参数估计值

参数项

β

标准误

Z值

EXP(β)

强国×非极化

0.0562

0.1153

0.488

1.0578

强国×极化

-0.0562

0.9453

猫眼×非极化

-0.1771**

0.0556

-3.183

0.8377

猫眼×极化

0.1771**

1.1937

天涯×非极化

-0.2501***

0.0599

-4.171

0.7788

天涯×极化

0. 2501***

1.2841

新浪×非极化

0.3709***

1.4491

新浪×极化

-0. 3709***

0.6901

N=16,279 Wald=19.32, df=3, Prob=0.000

在表6的“论坛”与“态度极化”交互参数中可以看到,强国论坛中的态度极化与非极化频次并无显著差异,而在猫眼论坛中则呈现出显著的极化倾向(β=0.1771, Z=3.183, p<.01),极化态度的频次分布是非极化态度的1.19倍。同时,本研究还发现天涯杂谈的态度分布也呈现显著的极化倾向(β=0.2501, Z=4.171, p<.001),而在新浪杂谈中则呈现出显著的非极化倾向(β=-0.3709, p<.001)。这说明,就这四个论坛比较而言,猫眼和天涯上的网民相较其他两个论坛态度更容易趋于极端化。以上结果可支持假设1中的陈述:尽管在议题和论坛总体的背景下,态度呈现显著的非极化状态,但在特定的论坛群体中仍然呈现出显著的极化倾向。而且,作为相对激进的猫眼论坛相对于温和的强国论坛而言确实呈现了显著的极化倾向,同时也支持了假设2。

表7
议题类别与态度极化交互参数估计值

参数项

β

标准误

Z值

EXP(β)

毛议题×非极化

-0.1547

0.0778

-1.988

0.8567

毛议题×极化

0.1547*

1.1673

官议题×非极化

0.2471*

0.1095

2.256

1.2804

官议题×极化

-0.2471*

0.7810

政议题×非极化

0.0441

0.1086

0.406

1.0451

政议题×极化

-0.0441

0.9568

美西议题×非极化

0.1366

0.8723

美西议题×极化

-0.1366

1.1464

N=16,279 Wald=8.59, df=3, Prob=0.035

表7展示了“议题类别”与“态度极化”的交互作用。其中在涉及“毛泽东”的议题类别中网民的态度强度分布出现了显著的极化倾向(β=0.1547, Z=1.988, p<.05),这也验证了假设1中“尽管在议题和论坛总体的背景下态度呈现显著的非极化状态,在特定议题群体中则会出现极化倾向”的陈述,说明相较其他议题而言,这四个论坛的网民更容易在涉及“毛泽东”的议题中出现态度的极化现象,但在涉及“官员”的议题中则相反呈现出显著的非极化状态(β=-0.2471, Z=-2.256, p<.05)。但只有“议题”和“态度极化”这两个变量的交互仍然模糊了在特定论坛的特定议题中所可能出现的极化特征,因而需要进一步对三维交互作用进行分析。

表8
论坛与态度极化交互参数估计值

参数项

β

标准误

Z值

EXP(β)

强国×毛议题×非极化

-0.1023

0.1442

-0.709

0.9028

强国×官议题×非极化

-0.5485**

0.1664

-3.297

0.5778

强国×政议题×非极化

0.7047*

0.2995

2.385

2.0233

强国×美西议题×非极化

-0.0539

0.9475

猫眼×毛议题×非极化

0.2975***

0.0859

3.465

1.3465

猫眼×官议题×非极化

-0.1508

0.1132

-1.332

0.8600

猫眼×政议题×非极化

-0.3251**

0.1101

-2.952

0.7225

猫眼×美西议题×非极化

0.1784***

0.6901

天涯×毛议题×非极化

-0.0241

0.0917

-0.263

0.9762

天涯×官议题×非极化

-0.0438

0.1296

0.338

0.9571

天涯×政议题×非极化

-0.3274**

0.1121

-2.921

0.7208

天涯×美西议题×非极化

0.3953**

1.4849

新浪×毛议题×非极化

-0.1711*

0.8427

新浪×官议题×非极化

0.7432***

2.1027

新浪×政议题×非极化

-0.0523

0.9491

新浪×美西议题×非极化

-0.5198***

0.5946

N=16,279 Wald=78.17, df=9, Prob=0.000

从上表可以发现,在这四个论坛的部分特定议题中均出现了态度极化倾向。其中,在强国论坛涉及“官员”的议题中呈现显著的极化状态(β=-0.5485, Z=-3.297, p<.01),相反在强国的“政府”议题中则呈现出显著的态度非极化状态(β=0.7047, Z=2.385, p<.05),可见,在具有温和左倾向的强国论坛中,网民相对于其他议题而言,更倾向于对官员产生极化态度,而对政府则更加温和。相反,在激进右的猫眼论坛里,网民们更容易在涉及“政府”的议题讨论中呈现态度极化的状态(β=-0.3251, Z=-2.952, p<.01),而对涉及“美国或西方”的议题呈现非极化状态(β=0.3953, Z=2.921, p<.01),态度倾向温和。这一结果支持了假设3中关于“涉及‘政府’的议题类别在激进右占主流的论坛中更容易出现极化,而在温和左占据主流的论坛中更不容易出现极化”的陈述,说明网络态度极化是与政治意识形态紧密相关的。
此外,研究还发现网民在天涯论坛涉及“政府”议题的讨论中同样相对其他议题而言更容易出现态度极化的现象(β=-0.3274, Z=-2.921, p<.01),而在“美国或西方”议题中呈现显著的非极化状态(β=0.3953, p<.01)。新浪杂谈则相反,网民们更容易在涉及“毛泽东”(β=-0.1711, p<.05)和“美国或西方”(β=-0.5198, p<.001)的议题中呈现极化状态,而在涉及“官员”的议题里却呈现显著的非极化状态(β=0.7432, p<.001),态度倾向温和。以上这些结果都说明网民们在特定论坛的特定议题中会呈现显著的差异的极化特征,从而支持了假设3的陈述。

如果说网民在参与网络政治讨论的过程中确实存在特定群体内部的极化现象,那么这种现象很有可能与网民的某些行为特征相关联。为了进一步揭示这种关联,本研究在主帖层次的数据中对网民参与某个主帖话题的“参与广度”与回复量、帖内“同质化程度”与“极化程度”以及回帖层次数据中的网民“发帖次数”与“态度极化”做了双变量相关系数的检定(见表9)。

表9
双变量相关系数鉴定

分析层次

变量1

变量2

皮尔逊相关系数

显著性水平

N

主帖

参与广度

回复量

-.561**

.000

143

主帖

同质化程度

极化程度

.269**

.001

143

回帖

发帖次数

态度极化

.070**

.000

14134

从上表中可以看到,主帖的“回复量”与网民的“参与广度”呈负相关关系(r=-0.561,p<.001),这说明在回复量越大的长帖中,参与讨论的网民范围反而越小,这意味着在网络中参与热帖讨论的往往是有限的群体。而且,帖内“同质化程度”与“极化程度”也是紧密联系的,呈正相关关系(r=0.269,p=.001),也就是说帖内意见的同质化程度越高,极化程度也就越高。此外,回帖ID的发帖次数与其态度是否呈现极端化状态同样存在正相关关系(r=0.070,p<.001),可见ID的发帖积极性越高,越容易出现态度极化的现象,从而支持了假设4的陈述。

.

四、讨论
本研究中的四个假设能够得到支持在很大程度上验证了“政治极化悖论说”的合理性。首先正如研究结果所显示,在强国深水、猫眼看人、天涯杂谈和新浪杂谈这四个论坛的政治讨论中并没有呈现显著的极化状态,相反呈现的是显著的态度非极化状态。这说明网民在更大群体中仍然保持着观点的异质,尽管人们所感知的观点极化是“存在”的,但在议题总体的背景下却是“缺席”的。有学者指出,媒体中召唤的“文化战争”是一种虚拟的建构,并不存在所谓大众的极化,仅仅是党派极化而已,只有政治精英和少数政党活动家才是极化的(Fiorina, et al., 2005)。这一观点显然并不符合人们的经验和感受。的确,极化的感知就个体而言是真实存在的,但却是在和有限的人群中讨论他们所感兴趣的少数话题时才更容易出现。如同本研究的结果所支持的,“尽管网络极化现象在议题总体的背景下并不存在,但仍会在有限的论坛群体或议题群体的讨论中出现”。
值得注意的是,互联网的技术特征与属性决定了它与大众媒体有本质上的区别,网民们可以更加自由地,并在很大程度上可以不受现实社会结构的影响而参与自己感兴趣的任何问题的讨论。这就使得网民是否仍然受意识形态的影响,而只愿意和与自己意见相近的有限群体互动成为关键问题。事实上,已经有研究指出中国历史上的左右意识形态仍然关联着当前的网络政治讨论,并存在分别以左/右派声音为主流的论坛空间(乐媛和杨伯溆,2009)。而且,由于左右派往往就某些特定的议题产生辩论,并持相反的立场,因而不同论坛的网民在这些议题的讨论和辩论中就很可能展现差异化的态度特征,也包括了极化特征。其中,对当前政府的政策、路线及合法性的态度差别已经成为区分“温和派”与“激进派”最重要的指标之一(参见乐媛和杨伯溆,2009),因此涉及“政府”的帖子更容易成为激进派出现态度极化的辩论场所,本研究的结果也支持了这一假设。
“激进主义”与极端化态度并不能混为一谈,但二者往往存在某种关联。吉登斯曾说过:“革命从来不是政治激进主义的根本特征,进步主义才是其根本特征”,也就是说“激进主义不仅意味着带来变革,还意味着为了推动历史前进控制这种变革”(Giddens, 1989)。这种特征使得激进主义者把对挑战传统和既定制度安排作为首要任务,而在同质化的有限群体讨论中,充斥着反对声音的激进主义群体往往更容易出现极化现象。在本研究中,数据结果支持了“激进右派占主流的论坛比温和左派占主流的论坛要更容易出现态度极化现象”的假设。而这一结果的重要性又是与网络协商民主理念联系在一起的。
协商民主论者认为,政治冲突中的各方应当进行相互协商,并通过提出合理的论据尽力在政策上达成各方都满意的协议,而激进分子则认为,在现实的政治世界中,结构性的不公正既影响程序也影响结果,符合协商标准的民主过程通常会偏向更有权力的一方(扬,2009)。然而,对互联网民主政治的乐观期待在很大程度上正是建立在对网络协商民主的理想构建之上。哈贝马斯的“公共领域”之所以在互联网兴起后的十几年间备受追捧和热议,也是因为网络公共空间为公共领域的形成提供了有利条件。
桑斯坦作为协商民主的质疑者之一,对网络民主的担忧来自于协商过程中必然出现的群体极化现象。在他看来,互联网所具备的相对“平等”、“自由”和“匿名”等属性并不能阻止人们只选择与自己意见相似的人互动,事实上群体的分裂已经出现(Sunstein, 2001)。作为截面研究,本文并不能提供关于群体极化的实质性证据,但是关于“发帖积极性越高的ID,越容易出现态度极端化现象”,“在更有限范围的群体内,意见同质化程度越高,其极化的可能性也越高”的假设能够得到支持,可以在一定程度上佐证桑斯坦所提出的群体极化机制之一,即当面对有限的观点库和不成比例的具有意识形态偏向的信息时,网络协商更容易走向态度极化(Sunstein, 2001)。

五、结论与不足之处
的确,互联网的出现已经为普通民众参与公共生活开启了一扇重要的窗口。数以亿计的中国网民开始利用这个公共平台获取资讯、社交互动,甚至试图发出自己的声音。网络BBS论坛正是网民参与社会政治生活的一个极为重要的网络公共空间。本文在对四个具有影响力的社会政治论坛,即强国论坛、猫眼看人论坛、天涯杂谈和新浪杂谈进行深入的对比研究后发现,尽管政治极化在议题总体的背景下并不存在,但它却可能在更小范围内的特定论坛或议题中出现,而这种差异又是与政治意识形态相关联的。激进主义者所聚集的论坛群体,以及集中了他们反对声音的特定议题讨论群体相较其他更容易出现态度极化的现象。
由于内容分析方法以及数据资源的可获得性受到局限,本研究最大的不足之处在于未能对个体网民的人口统计学特征进行调查和统计。而且对于极化的测量也应该是多维度的,截面研究的缺陷则在于无法对历时发生的态度转变进行捕捉。因此,对于网络政治极化现象未来的探索可尝试以下几个方向:第一,对经常参与网络公共讨论的网民进行历时性的调查,以发现在较长时期内是否对特定议题的态度出现极化趋势;第二,针对某个小群体的讨论进行个案研究,敏感捕捉个体态度转变的方向与强度,以及通过深度访谈等方法对促使态度转变的内在动因与机制进行探索。

--------------------------------------------------------------------------------

参考文献:
爱丽丝·马里恩·扬,2009,《激进分子对协商民主的挑战》,收录于[美]詹姆斯·菲什金和[英]彼得·拉斯莱特主编《协商民主论争》,张晓敏译,中央编译出版社。
顾宁,2006,《网络政治:虚拟空间里的绝对民主——从“网络愤青”现象看网络舆论对政治的影响》,《理论界》第3期。
乐媛、杨伯溆,2009,《中国网民的意识形态与政治派别》,香港中文大学《二十一世纪》四月号,总第一一二期。
彭兰,2008,《强国论坛给了我们什么启示》,《信息网络安全》第6期。
唐芳,2009,《政治网民的社会经济地位与政治倾向》,《中国传媒报告》第3期。
杨伯溆,乐媛和安珊珊,2009,《民主与既定制度安排:互联网论坛上的政治讨论和辩论》,“多元视角下的公民身份与共同体”国际学术研讨会,中国哈佛—燕京学者第四届北京年会。

Abramson, A. J. and M. S. Tobin 1995, “The Changing Geography of Metropolitan Opportunity: The Segregation of the Poor in U.S. Metropolitan Areas, 1970-1990”, Housing Policy Debate, vol.6: 45-72.

Baker, W. 2005, America’s Crisis of Values, Princeton: Princeton University Press.
Baldassarri, D. and P. Bearman 2007, “Dynamics of Political Polarization”, American Sociological Review, vol.72:784-811.
Bernhardt, D., Krasa, S. and Polborn, M. 2008, “Political polarization and the electoral effects of media bias”, Journal of Public Economic Theory, vol. 92 (5-6).
Dalhberg, L. 2001, “Computer-Mediated Communication and The Public Sphere: A Critical Analysis”, Journal of Computer-mediated Communication, vol.7 (1).
Dahlberg, L. 2007, “Rethinking Online Fragmentation of Cyberpublic: from consensus to constestation”, New Media Society, vol.9, pp.827-847.
DiMaggio, P., J. Evans, and B. Bryson 1996, “Have Americans’ Social Attitudes Become More Polarized?” , American Journal of Sociology, vol.102: 690-755.

Evans, J. W. 2003, “Have Americans’ Attitudes Become More Polarized?—An Update”, Social Science Quarterly, vol.84: 71-90.
Fiorina, M. P., with S. J. Abrams and J. C. Pope 2005, Culture Wars? The Myth of Polarized America, New York: Pearson Longman.
Giddens, A. 1989, Beyond Left and Right: The Future of Radical Politics, Cambridge: Cambridge University Press.

Jargowsky, P. A. 1996, “Take the Money and Run: Economic Segregation in U.S. Metropolitan Areas.” American Sociological Review, vol.61: 984-998.

Katz, J. E. & R. E. Rice 2002, Social Consequences of Internet Use, Cambridge, London: The MIT Press

Kellner, D. 1998, “Intellectuals, the New Public Sphere, and Techno-politics”, in C. Toulouse &T.W. Luke (Eds.), The Politics of Cyberspace: A New Political Science Reader, Toronto: Oxford University Press, pp. 167-186.

Massey, D. S. and N. A. Denton 1989, “Hypersegregation in U.S. Metropolitan Areas: Black and Hispanic Segregation along Five Dimensions”, Demography, vol.26:373-91.

McCombs, M.E., and D.L. Shaw 1993, “The Evolution of Agenda-Setting Research: Twenty-Five Years in the Marketplace of Ideas”, Journal of Communication. vol. 43(2).

Page, B. I. and R. Y. Shapiro 1992, The Rational Public: Fifty Years of Trends in Americans’ Policy Preferences. Chicago: University of Chicago Press.

Selnow, G. W. 1998, Electronic Whistle-stops: The Impact of the Internet on American Politics, Westport, CT: Praeger.

Shapiro, A. 1999, The Control Revolution: How the Internet Is Putting Individuals in Charge and Changing the World as We Know it, New York: Public Affairs.
Sunstein, C. R. 2001, Republic.com. Princeton, NJ: Princeton University Press
Sunstein, C. R. 2007, Republic.com 2.0. Princeton, Oxford: Princeton University Press
Wikipedia, media bias, 参见维基百科(http://en.wikipedia.org/wiki/Media_bias)
Wikipedia, polarization, 参见维基百科(http://en.wikipedia.org/wiki/Polarization_(politics))


Comments are closed.



无觅相关文章插件