以下是有关该论文的学术报告:
本研究主题为“地方性影响用户在灾害信息传播中的作用(The Role of Local Influential Users in Spread of Situational Crisis Information)”,由来自德州农工大学Zachry土木与环境工程系的Chao Fan、Ali Mostafavi,以及康奈尔大学计算机与信息科学系的Yucheng Jiang联合完成。论文发表在《Journal of Computer-Mediated Communication》期刊的第26卷(2021)中,相关DOI为10.1093/jcmc/zmaa020。研究通过网络分析聚焦于Twitter平台,剖析了2017年飓风哈维(Hurricane Harvey)期间地方性影响用户(Local Influential Users)的特点及其与普通用户的互动。
飓风等自然灾害常对社区造成迅速且显著的影响。在灾害应急中,及时获取情境信息对于减少社区损害至关重要。社交媒体,如Twitter和Facebook,因其用户生成与分享信息的独特特性,已成为灾害信息传播的重要渠道之一。
学术界已有研究探讨社交媒体在灾害环境中信息扩散的具体机制,包括语义分析(Sutton et al., 2014)、网络结构影响(Weng et al., 2013)、与社会影响等的关系(Aral et al., 2009);然而,截至目前,关于不同用户在信息扩散中的作用,尤其是地方性影响用户的研究尚存在不足。
该论文针对2017年飓风哈维期间,在Twitter平台上地方性影响用户的行为模式、影响力特点及其与普通用户的互动机制进行了以下三方面的研究: 1. 鉴别灾害背景下的地方性影响用户; 2. 分析这些用户的信息传播行为特点及其与普通用户的行为差异; 3. 探讨地方性影响用户在灾害信息传播中的关键角色。
研究通过Twitter的PowerTrack API接口收集了飓风哈维期间(2017年8月中旬至9月底)发布的21百万条推文,其中包括文本内容、时间戳、用户粉丝数及地理位置等。为了将研究聚焦于休斯敦地区灾害信息传播,研究组对数据进行了地理与语义筛选,最终筛选出约58.6万条与灾害状况直接相关的推文,这些推文由44,216名地方用户创作。
关键词筛选包括通用灾害词汇(如“hurricane”、“flood”)及重要基础设施关键词(如“reservoir”)。研究以2017年8月25日至8月31日期间的灾害高峰期数据为分析核心。
通过建立转发网络,将用户间的转发、回复以及引用行为视为一种社交背书(endorsement),继而使用PageRank算法对用户的影响力进行量化。算法基于网络的随机游走模型,为量化和排名地方影响用户提供了可靠的数学依据。
研究将PageRank评分前200名的地方用户定义为地方性影响用户,并进一步将其分为个体(如气象记者和普通个人)、新闻媒体、政府机构、商业组织及其他类别。
研究还通过贪婪算法模拟信息扩散过程,计算由不同数量影响用户“点火”(信息种子)的可传播节点数量。此外,构建了基于Hashtag共现的语义网络,分析地方性影响用户与普通用户在内容主题和发布策略上的差异。
本研究扩展了对影响用户在灾害信息传播中角色的理解,揭示了其不仅是信息发布的“中心枢纽”,更潜在承担着跨边界信息中介的重要责任。以下是其学术与应用价值: 1. 学术价值: - 加深了对影响用户社会角色的认识,为未来关于社交网络影响机制的研究提供了新维度。 - 研究提出了鼓励多领域权威用户交互的策略,为进一步增强灾害事件中的信息传播效率提供了理论依据。 2. 实践价值: - 为灾害应急管理的官方人员和社区成员规划在线沟通策略提供了数据支持,有助于优化政府机构、媒体与公众的协作模式。 - 为社交媒体平台改进影响用户识别算法、优化灾害信息传播机制提供了可行性方法。
尽管研究基于严格的数据筛选与分析方法,灾害事件的特性(如飓风的持续与动态变化特性)可能限制广泛的情境外推。未来研究可探讨其他类型灾害(如地震)中的社交网络信息扩散模式,或结合跨国情境,拓展研究的适用性。此外,开发实时算法预测并激励潜在影响用户进行精准的灾害信息传播,也具有重要意义。
总之,这项研究为灾害信息传播与社会网络分析的交叉领域贡献了宝贵洞见,并引发了多领域的关注与思考。