编者按 在推特等境外社交平台，政治机器人频繁操纵涉华议题，给我国国家形象建构带来挑战。南京师范大学新闻与传播学院讲师王晗啸和硕士生黄梦静在《传媒观察》2022年第12期刊文，综合运用社会网络分析、内容分析及时间序列分析，从交互关系、主题分布以及议程引导这三个方面，对中英文语境下政治机器人涉华议题舆论干预进行比较。研究发现，传播策略上，不同语境下政治机器人信息会进行差异化投放，在中文语境下政治机器人发布更多有关中国政府的负面信息；传播效果上，受“网络民族主义”“粉丝民族主义”等因素影响，中文语境下的人类用户注重自身态度的表达，更加倾向于和人类用户之间互动，议程更少被政治机器人引导。从宏观层面对两种语境下政治机器人涉华议题干预进行探索，可以为今后国际传播能力建设工作提供参考。

　　一、引言

　　政治机器人作为一类新兴参与主体，近年来在领导人选举、政治运动等多起公共话题的讨论中，均能看到它在社交平台活跃的身影。政治机器人，是指在社交媒体空间执行政治传播任务的一类社交机器人，其已经广泛参与到在线政治信息的讨论和扩散环节，成为影响政治传播效果的一个变量。

　　涉华议题向来是政治机器人参与的重点领域，给我国国际传播工作带来挑战，因此研究者多是围绕英文语境下政治机器人涉华议题的舆论干预展开研究，而对中文语境下的政治机器人表现有所忽视。有研究表明，在推特平台中文语境下同样活跃着大批政治机器人。

　　本研究将从传播策略及效果这两个维度，分析和比较中英文语境下政治机器人涉华议题的舆论干预行为。

　　在本研究中，通过同质性来判断中文语境下的用户是否更具选择倾向性，因此提出如下假设：

　　假设1：相较于英文社交网络，在涉华议题上中文语境下的社交网络更具同质性。

　　有关选择性接触，除了使用同质性来分析人类用户与政治机器人的表层互动外，还可以进一步从深层次的认知层面分析政治机器人对于人类用户的影响。政治机器人在认知层面的影响，可以通过媒介间议程设置来测度。媒介间议程设置是关于媒体在进行新闻报道时，彼此间是否存在相互影响的研究。在中文语境下，人类用户越是不被政治机器人引导议程，在认知上受到政治机器人的影响也就越低，据此假设：

　　假设2：相较于英文用户，中文语境下的用户在涉华议题上更不可能被政治机器人引导议程。

　　二、研究案例与政治机器人识别

　　（一）案例选取与数据来源

　　本研究以发生于2021年3月的“新疆棉花事件”为例。2021年3月，瑞典时装公司H&M以人权问题为由，发布一份声明称“不与位于新疆的任何服装制造工厂合作，也不从该地区采购产品或原材料”。中华人民共和国外交部发言人华春莹反驳，美国等个别西方国家对新疆进行的指责完全是基于谎言，新疆逾40%棉花田已进行机械化采摘。针对西方政客和媒体的无端指责，不少中国网民“翻墙”登录推特等境外社交平台，发声表达抗议。“海外网”以《抵制新疆棉花幕后组织推特“沦陷”》为题，报道了网民在境外社交平台的抗议活动。

　　本研究的推特数据来自于Crimson Hexagon，其对时事和趋势主题的分析常被用于新闻报道中，相关数据资源被国内外学界广泛使用。分别以“新疆棉花”和“xinjiang cotton”为关键词进行抓取，检索时段从2021年3月24日开始，当日中国共青团在微博平台对H&M发布的声明进行批判，至3月31日即H&M发布有关“对中国市场依然坚定，致力于重获中国消费者信任”的声明截止。在此期间，共抓取相关中文推特17733条，英文推特78427条。

　　（二）政治机器人识别

　　对于政治机器人的识别是相关研究开展的前提。国内外学界普遍使用的政治机器人识别工具是由美国印第安纳大学开发的Botometer，账号得分在0分到1分之间，分数越高是政治机器人的可能性越大。

　　有别于过往研究以得分为界线划定账号身份，本文将得分前20%的账号视为政治机器人，得分后20%的账号视为人类用户，尽可能避免账号身份的错误划分，保证分析结果的可靠性。在得分前20%的账号中，出现了“CNN”“Reuters”等机构媒体，这可能是由于媒体账号不间断持续发文的发布方式符合政治机器人行为特征，而被Botometer误判，因此建立推特平台机构媒体列表，将其与政治机器人区分。在中文语境下，通过检测，1906名人类用户共计发布推文2837条，1868名政治机器人发布3737条；英文语境下，6091名人类用户共计发布推文11791条，6122名政治机器人发布12181条。

　　三、研究方法

　　（一）社会网络分析

　　交互关系的研究上，采用社会网络分析。在传播网络中，以用户为节点，以用户之间的交互关系为连边。具体到推特研究中，存在着“原创”（tweet）、“转发”（retweet）、“回复”（reply）以及“引用”（quote）这四类信息发布方式，后三者用户间具有交互性。

　　传播网络的节点包括人类用户与政治机器人这两种类型，连边根据账号间的交互关系构建，据此分析传播网络中的同质性。有关同质性的测度，可以通过以下公式：s是指两端节点相同的边数，e是网络中的总边数，p是不同类别节点的占比，q=1-p，当大于p2+q2时，可以认为传播网络具有同质性。

　　p2+q2是以“随机状况”作为测量同质性的基准，给定不同节点的占比，随机情况下，一个节点是人类用户的概率是p，是政治机器人的概率是1-p，任何一条边两节点相同的概率就是p2+q2，也就是两端节点相同边的占比。

　　（二）内容分析

　　推文主题的揭示上，采用内容分析法，对有关“新疆棉花”事件的原创推文进行类目建构及编码。之所以选择对原创推文分析，是因为原创推文所包含的信息量更大，而其他三类信息包含不少重复和无效信息。在类目建构上，以Robert Entman对框架功能的总结为基础——“定义问题”“诊断原因”“道德判断”“建议措施”，结合具体的事件情境，共分为4个一级类目及10个二级类目。对于推文中包含“新疆棉花”或“xinjiang cotton”关键词但内容与事件无关，被标注为“其他”。在对推文的编码上，由两名受过训练的硕士研究生完成，先对中英文推文各抽取10%进行预编码，中文推文编码的kappa系数为0.85，英文推文为0.83，预编码一致性较好，随后研究生完成剩余编码工作。

　　（三）时间序列分析

　　时间序列分析被认为是一种较为常见的判断议程引导关系的研究方法，文中具体使用的时间序列方法是格兰杰因果分析。该方法以统计假设检验为基础，认为自变量能够帮助因变量进行预测。如果根据变量x和变量y的过去值组合比单独基于y的过去值具有更加准确的预测，那么就认为变量x是变量y的格兰杰原因。通过格兰杰因果分析，可以从时序上判断，政治机器人对于人类用户而言，是发挥议题引导作用还是充当扩音器的角色。

　　四、研究结果

　　（一）人机交互关系

　　在社会网络中，通过同质性计算公式可知，中文语境下的传播网络同质性程度为0.8，基准为0.53；英文语境下的传播网络同质性程度为0.74，基准为0.51。据此得出，无论是中文语境还是英文语境，传播网络均存在同质性，但相较而言，中文语境下传播网络的同质化交往程度更高。

　　进一步比较两种语境下各主体间交互关系占比。总体而言，两种语境下人类用户均会主动与人类交互，较少主动与政治机器人交互。通过比较发现，政治机器人在不同语境下的表现存在差异：在中文语境下人类用户内部交互占比更高，而在英文语境下政治机器人主动与人类用户交互占比更高。将同质性与交互关系占比相结合可以得出，假设1成立。

　　（二）推文主题分布

　　在主题分布上，相较于英文语境，中文语境下人类用户更加注重对新疆棉花态度的表达，例如“我支持‘新疆棉花’！H&M请尽快滚出中国市场！”，内容相对单一；政治机器人无论在中文语境还是英文语境下，均将“事件后续影响”置于其议题首位，但在其他主题信息的发布上存在差异。在中文语境下，政治机器人有意识地侧重对抵制活动背后存在内幕的报道，认为活动背后有中国政府的参与，这一主题下发布的推文数量占到其总数的8%，而在英文语境下仅占2%。

　　（三）议程引导关系

　　在人机交互关系分析中发现，人类用户较少主动与政治机器人交互，而政治机器人在英文语境下会与人类用户产生更多的互动，那么政治机器人的这种互动会在多大程度上对人类用户造成影响？在中文语境下，9组时间序列中，没有发现任何一组存在格兰杰因果相关；而在英文语境下，“企业声明”和“事件后续影响”这两组主题，被检验出政治机器人可以引导人类用户的议程。总体而言，政治机器人对于人类用户的影响有限，但在中文语境下，人类用户更不易受到政治机器人的干扰，假设2成立。

　　五、讨论与结论

　　传播策略上，不同语境下政治机器人信息进行差异化投放。Bolsover和Howard在对推特平台中文语境下政治机器人信息发布行为的研究中曾猜测，政治机器人的信息投放目标是面向“翻墙”浏览境外社交媒体的中国大陆用户。本研究进一步证实了这一观点，在“新疆棉花”事件中，政治机器人在有关中国政府参与本次民间抵制活动的信息发布上，要明显高于英文语境中的表现。这一行为背后，反映的是政治机器人设计者对于“翻墙”用户的认识和理解：该类用户是为了浏览一些所谓的异质性信息，以满足自身的信息需求。因此有意通过政治机器人，投放与中国政府以及中国共产党相关的负面新闻，试图改变大陆用户对“新疆棉花”事件的认知。

　　传播效果上，中文语境下人类用户更有可能不受政治机器人的干扰。根据结果可以发现，中文语境下的人类用户抗干扰能力更强，政治机器人对其影响相对有限。这背后反映出，用户“翻墙”行为本身，并不是政治机器人设计者所想的那样去猎奇各类异质性信息，而是立足于网络民族主义，出征境外社交平台表达自身立场，维护国家主权。正是由于抱着这样的想法，当用户看到政治机器人发布有关中国的负面信息时，会去主动抗争或是直接选择无视，其立场较难改变。

　　（载《传媒观察》2022年12月号，原文约12000字，标题为：社交平台的话语争夺：中英文语境下政治机器人涉华议题舆论干预比较研究。图表和注释等从略，学术引用请参考原文。）

　　【作者简介】王晗啸，南京师范大学新闻与传播学院讲师

　　黄梦静，南京师范大学新闻与传播学院硕士生