原文标题： Amplifying the News: An Analysis of the Factors Driving Republication and Facebook Engagement with News

一、研究对象与核心研究问题

本文的研究对象是数字媒体环境下新闻的“放大”机制，具体聚焦于新闻通过媒体转载（republication） 和社交媒体参与（social media engagement） 这两种相互关联的路径获得更广泛传播的过程。为此，研究者选取了《对话》（The Conversation）网站在2019年至2022年间发表的69篇关于气候应急准备（如洪水、火灾）的报道作为分析样本。

核心研究问题是探究哪些因素推动了这些故事的传播。具体包括两个研究问题：（1）什么样的内容相关因素（如新闻价值、提出的解决方案类型）能够预测一篇报道被其他媒体转载的次数？（2）什么样的内容相关因素和来源相关因素（如转载媒体的类型与地理范围）能够预测一篇报道（包括原始版本和转载版本）在脸书（Facebook）上被发布和获得互动的程度？

二、研究背景

本研究的现实背景植根于当代数字新闻生态系统的深刻变革。受众越来越多地通过社交媒体上的偶然性接触来获取新闻，而非主动访问新闻网站。在这一过程中，社交媒体平台扮演了新闻“看门人”和“放大器”的双重角色。与此同时，内容聚合器和非传统新闻媒体通过转载新闻创造了新的传播路径，使得新闻的可见度受到内容本身、发布来源及平台算法等多重因素的复杂影响。

研究具有重要的现实意义：尽管这种多渠道放大机制为多样化观点的传播提供了机会，但新闻机构对“为何某些故事获得更多关注”的理解十分有限。揭示影响新闻转载和社交媒体传播的因素，不仅有助于理解哪些信息能触达受众，更能为新闻机构在平台化时代的内容生产与分发策略提供依据。此外，选择气候应急准备这一主题，也因其在频发的自然灾害（如澳大利亚2019-2020年“黑色夏季”森林大火）中为公众提供循证指导的社会价值而显得尤为紧迫。

三、理论背景

本研究的理论框架建立在多个文献基础之上，主要围绕以下几个方面展开：

  1. 新闻放大与数字新闻生态：论文以《对话》这一独特的“研究放大器”平台为切入点，系统梳理了新闻通过转载和社交媒体分享实现多渠道传播的路径。研究将《对话》视为一个介于传统媒体与外围行动者之间的非传统数字媒体，其开放转载模式为研究多渠道放大提供了理想透镜。

  2. 偶然性新闻接触：研究将受众通过社交媒体信息流非主动地接触新闻的现象作为重要背景，指出这种接触可能扩大受众的视角多样性，但其发生条件与影响机制尚不明晰。

  3. 内容相关因素的理论：

    • 新闻价值理论：论文重点借用了Galtung和Ruge等人提出的经典新闻价值理论，包括负面性、正面性、争议性、事实性、显赫性、共鸣性、意外性、影响力和个人化等维度，用以分析它们如何影响记者和编辑的选择。
    • 建设性新闻/解决方案新闻研究：论文借鉴了关于新闻报道中提供“个人解决方案”与“系统解决方案”对受众情绪和行为影响的研究，探讨了这种建设性报道框架在新闻放大中的作用。

  4. 来源相关因素的理论：论文关注了发布媒体的特征（如传统/非传统媒体、地理覆盖范围）如何影响其发布内容在社交媒体上的传播力。研究指出，媒体的声誉和类型可能是影响受众信任和分享意愿的关键变量。

四、研究设计

本研究采用了混合方法研究设计，结合了内容分析和回归分析。

  • 样本：初始样本为《对话》在2019年1月至2022年5月期间发布的69篇聚焦气候应急准备（火灾、洪水或其他紧急情况）的原创报道。这些报道被215家媒体转载了544次，并生成了675个发布到脸书公开空间（如公共主页、小组）的帖子。
  • 数据来源：
    • 《对话》元数据：通过合作获取，用于识别样本故事及其已知的转载情况。
    • Altmetric数据：用于追踪并补充未被《对话》内置计数器捕捉到的转载故事。
    • CrowdTangle数据：通过脸书的公共洞察工具收集所有指向样本故事的脸书公开帖子，并获取总订阅数、分享、评论和反应等互动数据。
  • 变量与测量：
    • 因变量：包括报道被转载的次数；原始或转载报道被发布在脸书上的帖子数量；脸书帖子的标准化互动率。
    • 自变量（内容相关因素）：由两名编码员对故事进行内容分析，编码变量包括：故事主题（火、洪水、广义紧急情况）、地理范围、提供的解决方案类型（个人/系统），以及九种新闻价值的存在程度。部分编码采用共识编码，部分采用信度检验。
    • 自变量（来源相关因素）：对215家转载媒体的官网信息进行共识编码，确定其媒体类型（传统/非传统）、主题焦点（综合/专业）和地理范围（地方、全国、国际）。
  • 分析方法：使用R软件进行统计分析。主要使用负二项回归模型分析因变量为计数的数据。对于零膨胀的因变量（如脸书帖子数量），则采用零膨胀负二项回归模型。针对脸书互动率，使用了逻辑回归和二项回归模型。

五、主要发现

研究揭示了内容因素与来源因素在驱动新闻转载和脸书放大过程中复杂且不同的作用：

  1. 影响转载的因素：

    • 提供系统性解决方案（而非个人方案）的报道被转载的几率提升了一倍（IRR = 1.95）。
    • 具有全国性地理范围（而非国际范围）的报道被转载的几率也近一倍（IRR = 1.96）。
    • 新闻价值的总体数量对转载频率无显著影响。

  2. 影响脸书发布量的因素（转载故事）：

    • 来源因素至关重要：被传统媒体转载的故事（IRR = 3.44）和被综合新闻媒体转载的故事（IRR = 2.36）在脸书上被发布的次数显著更多；而被地方媒体转载的故事被发布的次数则显著更少（IRR = 0.12）。
    • 内容与新闻价值：正面性（OR = 21.20）、显赫性（OR = 47.90）和个人化（OR = 1.46）极高的故事更可能被发布到脸书。相反，共鸣性（OR = 0.01）和影响力（OR = 0.08）高的故事被发布的可能性降低。关于洪水和火灾的故事被发布的可能性低于关于广义紧急情况的故事，但一旦被发布，火灾相关的故事发布频次更高。

  3. 影响脸书互动率的因素（所有帖子）：

    • 在是否获得互动的层面（逻辑回归）：聚焦洪水的故事（OR = 0.57）和高争议性的故事（OR = 0.61）获得互动的可能性更低；而提供系统性解决方案的故事（OR = 1.56）更可能获得互动。
    • 在互动率高低的层面（负二项回归）：原始《对话》故事的互动率显著高于转载版本（IRR = 3.56）；被全国性媒体转载的故事互动率更高（IRR = 2.37）；而高负面性（IRR = 0.51）和高意外性（IRR = 0.45）的故事互动率则更低。

六、研究结论与讨论

本研究得出的核心结论是：在数字媒体生态中，新闻放大是一个多阶段过程，内容因素和来源因素以复杂的方式交织在一起，共同塑造了新闻故事的传播轨迹，并且驱动职业新闻人转载决策的因素与驱动社交媒体受众分享和互动的因素存在显著差异。

学术贡献与讨论：

  • 区分两种放大逻辑：研究发现新闻价值在记者选稿时的作用与在社交媒体受众分享时的作用不同。在《对话》这种已经过专业编辑筛选的平台，新闻价值普遍较高，因此它不再是区分转载量的关键；但对于脸书用户而言，特定的正面导向价值（如正面性、显赫性）比对专业新闻人通用的“新闻价值”更能促进分享，这支持了建设性新闻的价值，也与先前强调“负面性驱动传播”的部分研究相悖。
  • 揭示来源因素的双重性：研究深化了对来源因素作用的理解，发现地方媒体虽是高频转载者，但其转载内容在脸书上的传播力远弱于全国性传统媒体，这为新闻荒漠化背景下地方媒体的数字化转型困境提供了新的实证证据。
  • 实践启示：研究建议，为提升传播效果，记者和编辑在报道气候灾难时，可采取更具建设性、正面和循证的方法，并突出系统性解决方案。这对于气候议题的沟通具有现实指导意义。
  • 研究局限与未来方向：研究承认样本的有限性（仅分析了一个平台的特定主题报道），平台数据的不可复现性（CrowdTangle已停用），以及算法的动态变化。未来研究需进行跨平台、跨主题、跨时段的比较分析，并发展独立于平台公司的研究方法。