科学传播中的不均衡现象,在涉及公共卫生议题如新冠疫情等问题上,表现得特别严重,这样的情况可能导致某些群体在面临疾病传播时表现的更加脆弱。深圳大学传播学院计算传播实验室和南京大学计算传播学实验中心的研究团队通过分析了推特上的科学文献转发数据,发现科学传播的波动与不同参与度群体的流动趋势之间存在显著的相关性。
子群体转发比例的演变与整体转发趋势之间的关系,说明参与度越低的子群体在面对外部冲击时表现出更高的敏感度。其中,颜色表示MIC系数,而Pearson相关系数的统计显著性则通过标记表示。虚线代表用于拟合Pearson相关系数结果的OLS线性回归线,R2= 0.876,p < 0.001。
为了更好的解释数据结果,研究团队提出并使用一个考虑了异质性信息接受阈值的SIRS模型来模拟用户参与科学传播的可能机制。研究发现,低参与度的个体由于对信息接受阈值较低,往往会更快地参与信息传播,但也更容易被其他无关信息吸引而离开传播。与此相反,高参与度的个体一旦加入传播,他们则很难离开。研究还指出,不同的参与者对科学传播的效果有着不同作用,稳定的社区对于确保信息连续传播起到了关键作用,而快速反应的参与者则可以使信息更快地跨越不同的社区并产生影响。
这一研究成果发表在SSCI(Q1区)期刊《Humanities & Social Sciences Communications》上,该刊也是Nature旗下唯一的一本人文社会科学的子刊。论文题目为“A solid camp with flowing soldiers: heterogeneous public engagement with science communication on Twitter ”,博士研究生杨宾(南京大学)为第一作者,巢乃鹏(深圳大学)和王成军(南京大学)为共同通讯作者。
论文链接:http://www.nature.com/articles/s41599-023-02331-4
(来源 传播学院)