大数据时代下的网络议程设置

随着互联网技术的发展，媒介信息能够更迅速传递给大众，但随之而来的是媒体受众的分散与竞争性自媒体的崛起，原有大众传播图景被彻底改变。因此，尽管议程设置的最初焦点以及持续研究重点是关于媒体议程和公共议题之间的关系，归结于受众话语权的提升，有关个体议程即“一个人持有的观点”研究已成为目前议程设置更聚焦的话题。正如Walter Lippmann在《Public Opinion》给出的“外面世界和我们头脑中的图片”比喻，议程设置的第一、第二个层次分别回答了头脑中的图片是关于什么、图片的主要特征是什么，到议程设置的第三层次，关注的应该是“我们头脑中的图片究竟是什么”。

面对复杂的受众认知研究，Lei Guo与McCombs引入了网络分析的方法，构建出议程设置的第三层次：网络议程设置（Network Agenda Setting Model，简称NAS模型）。NAS模型认为新闻报道内容和公众头脑中的问题可以隐含地或明确地联系起来，媒体的议程设置并不仅仅是在特定时间段内涵盖一个问题，还会在一定时间范围内多次提及不同新闻事件，形成事件之间关系。因此NAS模型提出，新闻事件网络关系的显着性可以从媒体转移到观众的头脑中[iii]。例如，如果新闻媒体总是将第二次伊拉克战争与美国9-11恐怖袭击事件放在同一个新闻框架中报道，那么受众则倾向于将这两件事联系到一起。NAS模型表明了媒体可以构建公众对不同新闻事件之间关系的看法。

网络议程设置的实证研究一般分为五个步骤，(1) 构建媒体议程网络并形成共现矩阵; (2) 构建公众议程网络并形成共现矩阵; (3)分析两个共现矩阵的相关性; (4) 分析两个议程网络 的因果关系; (5) 网络可视化。这种方法突出利用了社会网络分析在网络化结构方面的优势，对受众认知中不同的议题做网格化连接，避免了以往议程设置研究中孤立讨论某个议题带来的不准确性。而通过研究不同连接点之间的距离可以发现究竟哪些议题被赋予了更贴近的关系，对比媒体与受众分别的关系网分布，则能发现哪些关系是经由媒体传递给大众的。此外，网络节点的度中心性（Degree Centrality）也比过去单一的频率更能代表媒体事件的显著性。

社交媒体风靡的今天，借助大数据工具，研究者可以更轻松地获取受众信息文本，以及对并行的时间线进行序列分析，使得变化趋势可视化。Chris J. Vargo等学者通过网络议程设置（NAS）模型，利用计算机在Twitter上收集的大数据，观察2012年美国总统大选期间不同受众如何“融合”媒体议程。研究者分别考察了总统候选人在“垂直媒体”（指媒体至上而下垂直传播，如专业报刊）和“水平媒体”（指媒体平行传播信息，如评论家）中呈现的政治形象，并将其与候选人支持者的认知进行对比，发现“垂直”媒体最能预测推特上的奥巴马支持者的议程，而罗姆尼的支持者则被共和党“横向”媒体最好地解释。此外，奥巴马和罗姆尼的支持者比其对手的媒体更依赖他们的政治附属水平媒体。

网络议程设置（NAS模型）借助大数据工具，突破了传统议程设置中对媒体和受众单一的分析方法，成为多维度分析，多数据测量的分析工具，有效提高了议程设置相关问题研究的精准度，在实践层面更具现实意义。