自媒体在社会生活中传播信息的过程分析

许子桓，查 阳，蔡梓祺

（1.南京邮电大学，江苏 南京 210023；2.南京林业大学，江苏 南京 210037）

自媒体是民众利用个人媒体，向他人传递信息的新媒体的总称，即公民用以发布信息新闻的载体，比如微博、微信、论坛等。自媒体的应用十分广泛，它的发展和遇到的问题都需要相关的理论来评价、分析。自媒体信息传播过程的分析就是其中的重要组成部分。因此，研究自媒体消息传播过程是非常有现实意义的。

1 自媒体消息传播过程的分析

自媒体消息的传播类似于传染病的病毒传播，可以在病毒传播SI模型基础上加入知情但不传播者的角色，建立了自媒体消息传播的SIR模型。

1.1 自媒体消息传播模型——SIR模型

符号说明：

N为考察范围的总人数；S为不知情者；I为知情传播者；R为知情不传播的移除者；s（t）为t时刻不知情者在总人数中所占的比；i（t）为t时刻知情传播者在总人数中所占的比；r（t）为t时刻知情传播者在总人数中所占的比；λ为每个知情者每天有效接触的平均人数，称为“日接触率”；μ为每天失去兴趣的人数占知情者总数的比例，称为“日失去兴趣率”；σ为传播期接触数，σ＝λ/μ.

假设条件：①在自媒体消息传播期间，考察范围内总人数N不变，人群分为不知情者S、知情传播者I、知情不传播的移除者R；②知情者的日接触率为λ，每天失去兴趣的人数占知情者总数的比例为μ，称为“日失去兴趣率”，传播期接触数为σ，σ＝λ/μ.

由假设得到：

再记初始时刻的不知情者和知情传播者的比例分别为s0（s0＞0）和 i0（i0＞0）（设移除者的初始值 r0＝0），通过数学运算得到i与s的关系：

通过数学计算解得s＝1/σ时取得最大值，消息传播到达顶峰；t趋向于无穷时消息过时，被遗忘。

1.2 模型结论

当s0＞1/σ时，i（t）先升后降至零，消息传播开；当s0＜1/σ时，i（t）单调降至零，消息没有传播开。消息传播开的条件是不知情者初始比例s0＞1/σ.为了减小阈值1/σ，就要提升σ（σ＝λ/μ），也就是增大λ（日接触率），意味着自媒体活跃度增加，同时减小μ（失去兴趣率），意味着人群对话题感兴趣度增加，增加受众s0，减少失去兴趣的人r0.

2 公众人物转发源消息对消息传播的影响

知名人士自媒体拥有数量庞大的关注者，所以有必要分析重要人士和相关部门发出相关消息对自媒体原消息传播的影响。我们在SIR模型的基础上，加入了变量p，用p的相关表达式表示知情并传播者、知情不传播者、不知情者3种角色之间的转换概率，并由此构建了新的模型。

2.1 增加公众人物转发源消息的消息传播模型

符号说明：

S为不知情者；I为知情传播制造新消息者；R为知情不传播者；p为某个体发布消息后，其关注者均接收到此信息，并以p概率由S态转化为I态；p1为处于R态的个体将以概率p1转变为I态，成为衍生话题的传播者，或者以p2概率转变为S态，成为衍生话题的接收者。

注：p1是关于截至t时刻用户收到的关于舆情的信息次数、衍生话题产生的最大概率、社会影响力、个体第一次接收到消息则制造衍生话题的概率这4个因素的函数。

假设条件：①在自媒体消息传播期间，考察范围的总人数N不变；②在自媒体中，如果个体对消息感兴趣，则会传播消息相关的衍生消息。

该体系结构中，不知情者S、知情传播制造新消息者I、知情不传播者R三者之间的转移过程为：某个体发布消息后，其邻居个体均接收到此信息，并以p概率由S态转化为I态，以1-p概率转化为R态；当该个体的所有邻居节点均被传播或者该个体为叶子节点，则转变为R态；而处于R态的个体将以概率p1转变为I态，成为衍生话题的传播者，或者以p2概率转变为S态，成为衍生话题的接收者。

2.2 模型结论

有话题产生时，相比于未发生衍生的情况，话题发生衍生时系统达到稳定状态所需的时间更长，且稳定时知情传播者与知情不传播者的比值增加。这表现在现实微博网络中是合理的，一个舆情事件一旦产生衍生话题，则该事件的传播时间更长，同时也增加了网络中接收到该舆情信息的用户数。

3 结束语

上述模型中，影响消息传播过程的参数较多，对于这些不能在实际复杂情况中确定的参数，只能对其依次赋值，用控制参数法来观察消息传播过程的变化情况，必须承认模型是在简化了实际情况的基础上得出的结论。

通过对自媒体传播信息过程的分析，找到了一条消息得以广泛传播的条件及知名人士创造衍生话题对消息传播过程的影响。当然，现实生活中还有很多因素没有纳入讨论范围，比如不同类型的消息在不同的自媒体平台上传播的具体情况及一些不可控因素对消息传播的影响。希望本文的分析可以为自媒体从业者、研究者和管理者提供参考借鉴。只有社会各方共同努力，才能构建健康和谐的网络生态，保证自媒体的可持续发展。

［1］姜启源，谢金星，叶俊.数学模型［M］.第4版.北京：高等教育出版社，2011：136-148.

［2］朱恒民，李青.面向话题衍生性的微博网络舆情传播模型研究［J］.现代图书情报技术，2012，28（5）：60-64.

［3］谢耘耕，荣婷.微博舆论生成演变机制和舆论引导策略［J］.现代传播（中国传媒大学学报），2011（5）：70-74.