信源、信息内容、情绪特征对微博转发的影响探究

发布时间：2021-05-19 10:52

　　[目的/意义]基于微博转发与信息传播的话题一直以来备受关注。之前的研究虽然对影响微博转发的因素进行了多种尝试,但多数只关注微博是否转发而很少考虑到转发数量,也很少探究影响特征之间的相互作用。因此需要进一步的研究来弥补上述缺陷。[方法/过程]本研究以新浪微博为研究对象,将ELM模型和情绪认知理论结合,分别以"是否转发"和"转发数"为因变量建立逻辑回归模型和负二项式回归模型,探究了信源特征、信息内容特征和情绪特征对于微博转发的不同影响。[结果/结论]部分信源特征和信息内容特征能显著增加微博被转发的可能性和转发数,并且粉丝数与被转发可能性和转发数之间呈倒U型关系;不同极性的情绪对微博转发的影响具有不对称性;此外,高影响力用户与普通用户相比,其他信源特征、情绪特征和信息文本特征对其微博转发的影响更小。本文创新之处在于结合ELM理论与情绪认知理论探究微博转发的影响因素,同时在模型中纳入了粉丝数的二次项,所得结论具有一定的理论贡献和实践启示。 

【文章来源】：现代情报. 2020,40(09)CSSCI

【文章页数】：11 页

【文章目录】：
1 理论基础
2 实证研究
    2.1 样本选择
    2.2 变量与描述性统计
    2.3 ROC曲线分析
    2.4 逻辑回归分析
    2.5 负二项式回归分析
3 结论与讨论
4 总 结


【参考文献】：
期刊论文
[1]信息情绪类型对用户分享意愿的影响——基于微博热点事件的研究[J]. 张洪,蒋婷,万晓榆,盛海刚.  情报杂志. 2019(05)
[2]微博用户在突发事件中转发行为研究:基于信息源的视角[J]. 金晓玲,金可儿,汤振亚,周中允.  情报学报. 2015 (08)
[3]基于多分Logistic回归的旅游局官博转发影响因素研究[J]. 唐佳,李君轶.  旅游学刊. 2015(01)
[4]微博个体信息传播影响力评价模型研究[J]. 林琛.  现代图书情报技术. 2014(02)
[5]微博传播过程中用户影响力的特征实证分析[J]. 于晶.  情报杂志. 2013(08)
[6]微博转发网络中意见领袖的识别与分析[J]. 熊涛,何跃.  现代图书情报技术. 2013(06)
[7]微博用户共享行为影响因素研究[J]. 彭柯,朱庆华,王雪芬.  图书情报知识. 2013(02)
[8]极端投资者情绪对股价指数影响的非对称研究[J]. 陆江川,陈军.  系统工程. 2013(02)
[9]突发公共事件中微博意见领袖的实证研究——以“温州动车事故”为例[J]. 王平,谢耘耕.  现代传播(中国传媒大学学报). 2012(03)
[10]ROC分析技术的研究现状和发展趋势[J]. 涂福泉,陈奎生,陈建勋,骆名剑.  计算机与数字工程. 2007(03)



本文编号：3195650