理解B站上科学知识视频的沟通策略和观众参与度

文献标题

Understanding Communication Strategies and Viewer Engagement with Science Knowledge Videos on Bilibili（理解哔哩哔哩科学知识视频中的传播策略与观众参与）

文献信息

• 主题领域: 人机交互 (HCI) 和科学传播
• 关键词: 科学传播, 在线视频平台, 哔哩哔哩, 观众参与, 传播策略, 视频评论

研究背景与问题

• 发现的挑战

  • 科学知识视频在传播科学知识和促进公众参与方面具有巨大潜力，但很少有研究系统地分析视频创作者如何借助传播策略充分激发观众的参与。
  • 尤其是传播策略如何与观众的行为、情感和认知参与相关联的机制尚未清晰。

• 研究重要性

  • 科学传播可以提升公众的科学素养，对科学研究和社会发展具有显著意义。
  • 视频具有多模态的动态内容表现形式，是与公众开展科学交流的重要媒介。特别是在像哔哩哔哩这样非西方文化背景的平台上研究科学传播，能够提供新视角并丰富该领域的研究。

• 研究动机与相关工作

  • 过去的研究多集中在以YouTube为代表的西方视频平台，而对哔哩哔哩等平台上的科学传播实践研究较少。
  • 科学传播理论模型如知识缺口模型（Deficit Model）、对话模型（Dialogue Model）和公众参与模型（Public Engagement Model）强调了双向互动的重要性，提示本研究关注观众如何通过评论形式参与科学知识视频的传播。

解决方案

• 提出的方法

  1. 基于从2021年8月至2022年2月收集的440,547个科学知识视频数据，建立了视频传播策略的分类法。
  2. 构建了一个关于视频评论的分类税onomies，通过分类评论量化观众的行为、情感和认知参与。
  3. 分别开展负二项回归和线性回归分析，研究传播策略与三种类型的观众参与的相关性。

• 创新之处

  • 提出了专门针对科学知识视频传播策略的全面分类法，涵盖视觉、叙述和传播者三个方面。
  • 创建了系统的评论分类法，并使用BERT语言模型扩展到大规模数据集。
  • 通过回归分析量化了传播策略与观众不同类型参与之间的关系。

• 实施步骤及关键技术

  1. 数据收集与科学主题分类：利用视频标签高效分类，提取约91.97%的视频主题。
  2. 传播策略分类：从330个随机抽取的样本视频中，通过定性内容分析辨识视觉、叙述和传播者层面的特性。
  3. 评论分类与分析：从采样视频中分析286,313条一级评论，并使用BERT模型进行文本分类。
  4. 统计分析：构建回归模型考察传播策略与观众参与指标的相关性。

研究成果

• 具体成果

  • 分类了哔哩哔哩科学知识视频中的11大科学主题，其中医学与健康领域最为常见。
  • 确定了多个显著的传播策略，如用户社区文化（ACGN主题）、戏剧化问题（Dramatic Question）和情感激发（Emotional Arousal）。
  • 在评论分类中将评论划分为六个类别，包括讨论（Discussion）、叙事（Storytelling）、提问（Question）、批评（Critique）等，用于反映不同类型的观众参与。
  • 回归分析表明叙述策略显著影响情感与认知参与，而社区文化和专业传播者与观众行为关联显著。

• 优势与对比

  • 相较于仅关注内容受欢迎程度的研究，本研究进一步揭示了传播策略如何实际影响观众的多维度参与。
  • 在非西方背景下提供新视角，强调了文化和社区特性对科学传播的影响。

• 实验与评估结果

  1. 叙述策略（如戏剧化问题与故事叙述）对提高观众的认知参与起到积极作用。
  2. 视觉策略（如ACGN文化体现和情感激发）对行为与情感参与具有重要作用。
  3. 科学传播内容较复杂时评论中的知识相关性比例较低。

• 局限性与未来方向

  • 局限于哔哩哔哩平台的研究范畴，可能不适用于其他视频平台。
  • 只分析一级评论，未包括回复或无评论观众的参与行为。
  • 样本视频数量较小，未来工作可以借助大规模自动化技术进行更广泛的定量视频分析。
  • 今后可进一步研究文化差异如何影响科学传播策略的有效性。