加载 Spotify 播放器;Spotify 可能会设置 Cookie。本设备将记住您的选择。
主要发现
- 识别出新闻发布者在显性连接、叙事逻辑和表达唤起三个维度上采用的八种不同的灾害框架包。
- 共识派与怀疑派发布者之间的分歧表现不均:在显性层面完全分歧(零共享账号提及),在叙事层面存在实质性分歧,而在表达层面分歧极小。
- 共识派发布者的叙事主线聚焦于系统性环境影响和机构救灾恢复,而怀疑派发布者则将叙事转向政治冲突与个人过失。
- 两类发布者群体均依赖相似的高唤醒情绪(愤怒与恐惧),这表明仅关注情绪基调的平台治理无法缓解叙事层面的极化。
- 该分析的局限性在于仅涵盖了单一平台上报道两起灾害事件的六家美国新闻发布者。
实践启示
CIO / IT 高管
Allocate R&D budget to pilot GenAI-augmented text-mining tools that automatically audit our organization's public-facing communications for narrative divergence and emotional polarization vectors identified in the study.
IT 经理
Configure internal social listening dashboards to track narrative frames (systemic impact vs. political conflict) rather than just tracking emotional sentiment like anger and fear.
商业战略师
Revise corporate communications guidelines for disaster response to explicitly anchor messaging in systemic, institutional recovery facts to neutralize ideological framing traps.
研究人员
Design a follow-up comparative study expanding beyond the 6 U.S. publishers and 2 disaster events to test if the tri-dimensional framing divergence holds across international platforms and non-climate crises.
政策制定者
Draft regulatory transparency guidelines for social media platforms that mandate algorithmic visibility for systemic disaster recovery facts, moving beyond ineffective policies that solely target high-arousal emotional tone.
摘要
本研究探讨了在自然灾害期间,持气候共识与持气候怀疑立场的新闻发布者如何在社交媒体上构建不同的话语框架包。作者采用生成式人工智能辅助的计算方法,从显性、叙事和表达三个维度分析了涵盖飓风伊恩(Hurricane Ian)和2022年美国西部山火的1,492条帖子。
核心问题
在气候灾害期间,公众依赖社交媒体获取至关重要且可靠的事实,然而相互竞争的发布者出于意识形态和商业原因,往往对灾害报道带有明显的倾向性偏见。现有研究尚未充分解释数字新闻框架的结构性构成如何在媒体网络中引发传播极化。
文稿
Expert: 谢谢 Anna。很高兴能与大家分享这项研究的细节。
Host: 在飓风、山火这类突发灾害面前,公众高度依赖社交媒体获取实时且关键的事实信息。但现实情况往往比想象中更复杂,这项研究切入的核心问题是什么?
Expert: 问题的核心在于信息的极化。在重大气候灾害发生时,受众需要的是准确的避险指引和事实,但不同立场的发布者出于意识形态诉求或商业流量考虑,往往会在报道中加入明显的倾向性偏见。过去的研究大多只关注情绪基调或孤立的关键词,没有充分厘清数字新闻的深层框架结构是如何在媒体网络中逐步推升传播极化的。
Host: 那么这项研究采用了什么样的方法来拆解这些报道?
Expert: 研究团队采用了一种结合生成式人工智能辅助的计算分析方法,从三个维度构建网络:显性连接、叙事逻辑和表达唤起。他们以飓风伊恩以及2022年美国西部山火期间的1,492条社交媒体帖子作为样本,系统分析了不同阵营的信息构造。
Host: 这三个维度的分析带来了哪些具体的发现?
Expert: 研究团队识别出了八种不同的灾害框架包。一个非常关键的发现是:共识派与怀疑派发布者之间的分歧,在这三个维度上的表现是高度不均衡的。
Host: 这种不均衡具体体现在哪里?
Expert: 首先,在显性连接层面,两派的分歧是彻底的,双方几乎完全没有共享的账号提及,各自形成了封闭的互动网络。其次,在叙事逻辑层面,存在实质性的对立。共识派发布者主要聚焦于系统性的环境影响以及机构层面的救灾与恢复;而怀疑派发布者则将叙事重心转向了政治冲突和对特定个人的问责。
Host: 那么在表达唤起,也就是情绪层面上呢?
Expert: 这正是最值得注意的地方:双方在表达层面的分歧极小。两类媒体群体都高度依赖类似的高唤醒情绪,主要是愤怒和恐惧。这说明,如果仅仅从情绪强度或负面基调来监测信息,是很难发现深层极化的。
Host: 也就是说,表面上大家都在表达强烈的担忧或愤怒,但指向的叙事本质完全不同。
Expert: 没错。同时需要客观指出,该研究的数据样本来自单一平台上六家美国新闻发布者针对两起灾害的报道,这一样本范围是理解其结论时需要考虑的边界条件。
Host: 明白。这项研究对企业管理者、品牌公关以及平台运营方有哪些实际的应用价值?
Expert: 首先,对于数字平台的内容治理,单纯依靠检测高唤醒负面情绪的过滤机制,无法有效缓解叙事极化。平台若要减少虚假信息扩散或社群对立,需要开发能够识别叙事结构与实体连接偏离的算法工具。其次,对于企业的危机管理和公关团队,在极端事件发生时,不能仅凭公众情绪的表面数据来制定沟通策略。企业必须准确识别不同受众群体所处的具体叙事框架,评估自身品牌是卷入了系统性问题讨论,还是被置于政治争端和个人过失的指责之中,从而做出针对性的事实响应。
Host: 了解叙事框架的结构差异,确实能帮助决策者在复杂的舆论环境中采取更精准的应对方案。感谢 Alex 的专业解读,也感谢各位听众收听本期的 A.I.S. Insights — powered by Living Knowledge。我们下期再见。
Expert: 谢谢大家。
Digital Framing, Agenda Setting, Social Media Induced Polarization, Climate Disasters, Computational Methods, Semantic Networks