“双重意见气候”下社交机器人舆论干预影响研究　　

      [中图分类号]G206 [文献标识码]A

      近年来，推特等社交平台有关各国政治活动与政治选举的话题下，屡屡能够发现社交机器人的踪迹。社交机器人是一种计算机算法，可以自动生成内容并在社交媒体上与人类互动，从而尝试模仿并改变人类行为(Ferrara et al.，2016)。在美国、法国、日本等国政治领导人选举期间，均被证实存在大规模的社交机器人，试图操纵和改变网络舆论(Howard，Kollanyi & Woolley，2016；Ferrara，2017；Schfer，Evert & Heinrich，2017)。有学者从转发、回复等互动关系出发，分析社交机器人对人类用户的传播效果。结果表明，机器人可以成功引发人类用户主动与之互动(师文、陈昌凤，2020；石韦颖、何康、贾全鑫，2020)。但是，与社交机器人之间的表层互动，并不意味着人类用户的深层心理也同样受到影响，二者之间并不能划上等号(Lazer et al.，2018)。因此，通过建立社交平台意见气候的形成机制，来推测社交机器人对人类用户的影响，成为了人机交互研究的另一种路径。

      ABM(agent-based mdeling)仿真模拟为相关机制的建立提供了可能。作为计算社会科学中的一类研究范式，ABM仿真模拟通过在计算机中设定大量微观行动主体的状态和运行规则，自下而上模拟宏观社会现象的涌现机制，以此探索社会运行规律(梁玉成、贾小双，2016)。沉默螺旋作为传播学经典理论，将宏观与微观相连接，试图勾勒出大众媒体、个体感知以及社会舆论这三者间的关系模式(刘洋，2011)，这与ABM仿真模拟通过微观行为实现宏观涌现的思路相近，因而选择将ABM仿真模拟作为研究方法，成为近年来沉默螺旋研究的新趋势(Sohn & Geidner，2016)。该理论的一个关键概念是意见气候(opinion climate)，它是指人们对于当前意见分布以及未来意见走势的评估和判断。在大众传播时代，意见气候主要分为两类：一类是个体通过媒体观察多数人的意见，另一类是个体直接观察现实中周围人的意见，又被称为“参考群体”意见(王成军、党明辉、杜骏飞，2019)。

      在将社交机器人作为参与主体加入仿真模型后，有研究发现仅需不到10%的用户是社交机器人，就能够导致三分之二以上的用户沉默(Ross et al.，2019；Cheng，Luo & Yu，2020)。然而，相关研究未能将大众媒体纳入模型之中，或是把大众媒体作为全局变量而忽略其内部异质性，所得结论存在夸大或低估社交机器人作用的可能。并且，考虑到中国现行的媒介管理体制，大众媒体需要发挥思想引领、凝聚共识的功能，这会对社交机器人舆论干预起到多大程度的规制作用，也是本文所关心的问题。此外，相关模型对网络结构进行了简化假设，模型演化过程中各主体变化的只有态度，常常将彼此间的社交关系视为固定不变的因素。但在现实网络中，用户会不定期关注或取关他人，反映在网络中，就是随着时间的推移，节点间的连边可能随时发生增减。

      因此，本文基于ABM仿真模拟，分析在人类用户与大众媒体的“双重意见气候”下，社交机器人参与舆论讨论后沉默螺旋效应形成的影响和制约因素，并将效应形成过程中各主体间的连边动态变化以及中国媒介管理体制下的大众媒体表现纳入模型考量。

      二、文献回顾

      (一)沉默螺旋与仿真模拟

      沉默螺旋理论由德国大众传媒学家和政治学家Noelle-Neumann(1974)提出。在文章摘要部分作者即指出，沉默螺旋理论的核心是公众害怕被孤立。出于对社会孤立的恐惧，人们会持续性地观察周围意见气候的变化，使用准感官统计(quasi-statistical sense)来估计周围人支持和反对的比例。如果他们察觉到自己属于少数群体，便会丧失信心变得沉默，不再表达自己的观点，这种沉默可能会呈螺旋般不断加剧，最终导致沉默的大多数。

      过往使用沉默螺旋开展的经验研究，根据研究方法主要可以分为调查法、结构方程模型以及实验设计这几类，它们均试图检验沉默螺旋模型中感知到的意见气候对表达意愿的影响(熊壮，2011)。但是，这些研究结果并不一致，且两者之间仅存在着微弱的关系，有研究者分析是因为人际网络的影响被忽视(Glynn，Hayes & Shanahan，1997)。由于ABM仿真模拟可以弥补这一研究缺陷，因此近年来越来越多的学者开始尝试使用该类方法开展沉默螺旋研究。

      Sohn和Geidner(2016)使用ABM仿真模拟发现，当对意见分布有不同看法的人存在足够数量时，全球范围的螺旋式上升现象就更有可能出现，从而防止观点的两极分化。一些学者尝试添加社交机器人作为行动主体，观测社交机器人加入之后沉默螺旋效应的形成和变化。Ross等学者(2019)发现，只需要2%到4%的帐号是社交机器人，就可以形成沉默螺旋效应。而Cheng等人(2020)模拟的结果，若要形成效应，社交机器人所占用户比例需在5%到10%之间。不同研究之间结果差异的一个重要原因在于，模拟环境的设置存在不同。一部分学者采用传统的空间环境(spatial environment)，在这种环境下，主体被置于二维空间；而更加符合当下舆论生态的是网络模型，该类环境设置基于社会网络的相关理论，主体不再是分布在物理空间中，而是以节点的形式通过连边与其他邻居节点相连。

      使用网络模型开展相关研究存在的一个共性问题是，为了让模型易操作，研究者将模型进行简化处理，用户可变的只有态度，即用户选择表达还是沉默，而将用户的社交关系视为固定不变的因素。Ross等学者(2019)在其研究中指出，未来应考虑模型演化过程中连边的增减。那么连边的动态增减设定如何在最大程度上符合现实环境，以增强模型的信度与效度？