噪声中的信号：解码Twitter上的意外参与模式

社交媒体平台为用户提供了多种参与内容的方式——点赞、转发和评论——在注意力经济中创造了一个复杂的信号系统。虽然先前的研究考察了推动整体参与的因素，但对某些推文为何相对于其他推文获得意外高的某类型参与水平，人们知之甚少。基于信号理论和注意力经济理论，我们研究了Twitter上这些意外的参与模式，开发了一个“意外商数”来量化与预测参与水平的偏差。我们对超过60万条推文的分析揭示了内容特征如何影响意外参与的明显模式。新闻、政治和商业推文获得比预期更多的转发和评论，表明用户优先分享和讨论信息内容。相比之下，游戏和体育相关主题获得意外的点赞和评论，表明用户对这些领域有更高的情感投入。内容属性与参与类型之间的关系遵循明确的模式：主观推文吸引更多点赞，而客观推文获得更多转发；更长的、带有URL的复杂推文意外获得更多转发。这些发现展示了用户如何根据内容特征将不同类型的参与用作不同强度的信号，以及某些内容类型如何在社交媒体生态系统中更有效地竞争注意力。我们的研究结果为优化参与策略的内容创作者、促进有意义交互的平台设计者以及研究在线社交行为的研究人员提供了有价值的见解。