作者：田丽(北京大学新媒体研究院研究员、长聘副教授，北京大学互联网发展研究中心主任，本刊学术顾问)；毕昆(北京大学新媒体研究院博士研究生）
来源：《青年记者》2024年第6期
导 读：
本文从复杂网络的视角出发，总结基于复杂网络的国际传播研究所具有的特征与其发展趋势，探索国际传播中信息交互网络的独特价值，以期为国际传播的研究方向和实践应用提供理论和方法参考。
互联网等新媒体重新定义了信息在全球的生产、分发和消费过程，开辟了国际传播的新格局。但是，当前的国际传播研究仍旧拘囿于跨文化的范式，对于新媒体的利用主要是突出其传播的速度优势、主体的多元化优势和虚拟空间的开放性优势，鲜有从网络结构的特征分析传播效能。复杂网络理论提供了一种全新的方法论框架，在国际传播研究中具有独特优越性。通过点对点的互动性传播和结构形态的塑造，能够帮助理解和预测信息扩散路径、发现传播关键要素，显著提高国家和组织的国际传播能力。例如，通过分析某些类型的新闻故事在特定国家中的传播情况，新闻机构可以更精准地定位其受众，提高新闻报道的相关性和吸引力。本文旨在根据网络传播的特征，探索基于复杂网络研究的国际传播新路径，并由此提出新的策略，为国际传播的研究方向和实践应用提供参考。
一、交叉领域的诞生：理论与现实的重新审视
复杂网络理论起源于物理和数学领域，一般用于描述和分析由大量互连节点组成的系统。在国际传播领域，这一理论能够帮助理解信息在全球范围内如何通过各种复杂的社会、技术和经济网络进行传播。具体来说，复杂网络理论通过其数学模型的独特特点，为国际传播研究提供了一种全新的视角和方法。这种审视主要来自以下三个维度。
一是传播结构维度，复杂网络通常表现出小世界特性，这种特性使得信息能够在全球范围内快速传播，即使是地理位置相隔遥远的节点也能通过简单几步相互连接。而幂律分布（存在少数几个高度连接的枢纽节点和大量低度连接的普通节点）则使得探索国际传播的临界值和所波及的网络范围成为可能[1]。
二是网络变化的动态平衡维度，复杂网络理论允许研究者分析和模拟网络结构如何随时间而变化，如节点和边的增加或消失，这对于识别超大规模网络（如社交媒体网络）中节点的重要性以及评价某个节点相对于其他一个或多个节点的重要程度提供了定量分析的工具[2]，对帮助发现国际传播的新渠道提供了理论支持[3]。
三是特殊传播现象的适配维度，由于国际传播的议题在文化、意识形态等方面的异质性较高，复杂网络理论可以支持在既有的问题框架下引入、调整或扩展新的属性、边的权重或其他网络特性来定制分析模型，以适应特定的国际传播问题[4]。
从现实层面看，全球网络与复杂网络的交叉研究领域生成离不开大数据和计算技术的高速发展。从20世纪末开始，互联网、人工智能和数据挖掘技术爆发式发展，人们可以便捷、快速地获取宏观社会现象的大量数据。基于此，不同领域的学者先后展开了研究讨论，直至宣告“计算社会科学”这一新兴交叉领域诞生[5]。这些概念和方法进一步推动了复杂网络理论在国际传播中的实证应用。例如，有学者使用地理分布和情感表达研究全球事件如何影响公众情绪，以及情绪如何跨文化和地理界限传播[6]，结合全球各地民间社会运动在网络空间中的发展过程，指出网络发帖已经深刻改变了社会组织引领和公民政治参与的方式[7]，尤其是，社交媒体平台在动员支持和资讯同步方面发挥了关键作用，对全球政治变革产生影响[8]；与此同时，复杂网络还应用于全球网络营销，增加了对全球用户在线行为和决策过程的理解[9]。这些研究表明，复杂网络能够通过运用计算社会科学的方法为国际传播的研究问题提供深入解释，并在涉及信息技术、社会网络和文化动态的复合问题中具有实用性和有效性。
二、基于复杂网络的国际传播研究特征
当前，基于复杂网络的国际传播研究呈现出新的特征，反映了传播学领域对新兴技术和全球化背景下信息流动特性的适应和理解。
（一） 结构描摹：从简单线性历程到复杂模型拟合
以往的国际传播研究多依赖于线性和单向的传播结构，强调信息从源头到接收者的直接传递过程[10]。采用复杂网络模型来模拟和分析国际传播的结构，可以对现实世界中的不规则性和网络中的局部特征进行描摹。当前，学者就既有的Ising、Sznajd、类传染病模型（SIR）、SICR、博弈论和社交网络服务等模型对国际传播结构的描摹程度进行了比较研究[11]?[12]?[13]，并对其使用局限进行分类。
基于不同模型的设定，国际传播的结构研究对应着以下两种逻辑。
一是从宏观到微观的逻辑，例如，当在线社交网络通过共享信息变得更加相互联系时，可以观察到信息在不同类型社交媒体平台上同步传播的宏观现象，但由于难以用遍历社交媒体平台的方法来分析其规模，可以结合异质性和结构性采用概率方法推断特定的对象或细节。有学者发现，不同媒体类型之间的影响因大环境而异，而娱乐话题则更有可能由单一社交媒体平台内的互动驱动[14]。
二是从微观到宏观的逻辑，例如，SIR可以描述不同信息或观点在社交网络中的传播和竞争历程，揭示传播效率、群体偏好等具体因素如何影响竞争结果。有学者使用该模型模拟Twitter上话题标签传播的适用性，通过定义SIR模型的两个扩展确定数据集中所有突出的标签，并根据细节分类与事件有关和与事件无关的标签，发现信息在Twitter上传播可被宏观概括为内生性质[15]，为流行病学模型在模拟信息在社交媒体平台上的全球传播问题提供了一般化的条件参考。
（二） 主体识别：从关键意见领袖到节点和连接
国际传播研究往往关注识别意见领袖，基于复杂网络的国际传播则将对单一的关注意见领袖转向更为细致的分析维度，通过识别网络中的节点和连接来预测和控制传播产生的影响。
从节点本身来说，它映射了主体的类型和属性特征。国际传播中的个人、组织、国家以及其所具有的各种社会、经济和技术属性都可能成为标记标签。有研究者成功识别了信息传播中的关键影响因子（如社会地位、经济能力和技术接入水平[16]）和潜在的干预点（如注视调节[17]或设计结构洞策略优化信息流[18]）。在组织传播的语境中，节点则可以被定义为属于一个或多个组织的人，且处于一种或多种传播关系当中：当个人作为实体时，识别向谁提供信息、从谁那里获得消息、与谁进行交流；当组织作为实体时，识别与谁合作、将业务转包给谁、与谁共同承担风险。研究发现，鉴别独立的信念、考虑自我与组织间的异步发展（即不同信念可能以不同的速度发展）能够在全球网络空间中促进建设性和知情的组织讨论[19]，同时，知识库、虚拟角色等非人类主体也被纳入作为实体集的主体研究中来[20]。
相应的，连接的存在和特性则反映了主体的动态行为。异质性、小世界性和社区性为国际传播的主体及其作用识别提供了思路。一是识别异质性，复杂网络中的边（如社交关系、航班或通信）通常表现出高度的异质性，当发现具有远高于平均水平的连接时，就能够快速识别到“超级传播者”，例如，不同用户会因其社交影响力和网络位置而在信息扩散中形成角色扮演差异[21]。二是识别小世界性，这一特性意味着大多数节点可以通过相对较少的步骤连接，使得人们通过“捷径”而显著提高网络整体连接性[22]，对全球战略传播具有重要价值。三是识别社区性，全球网络中存在着明显的节点群体，如果社区之间的连接相对较少，则意味着其“模块性高”，这对于解释国际传播中的长尾效应、小众社群等问题具有参考价值。
（三）认知生成：从信息加工到舆论动力学和观念演化
国际传播的跨文化环境使人们在理解、感知和回应信息时总是建立起一套特殊的辨识、推理和选择的框架。舆论动力学和观念演化的框架不仅考察个体对信息的加工和理解过程，更探讨在实时传播、动态演化的网络条件下人们如何生成认知。
舆论动力学的核心问题是探索人与人之间观点互相影响的机制以及如何产生特定宏观舆论现象，它考虑了受众群体的相互影响以及由此产生的信息传播路径，探讨整体认识下舆论对社会决策的影响。观念演化理论则更关注个体对观念和价值认识的形成和变化过程，如Voter、Axelrod模型等考虑了社会网络中个体之间的观念传播和互动，该理论也可分析个人观念在网络中的演化规律和变化机制，如DeGroot模型考虑社会影响力[23]，Bounded Confidence模型考虑相似度影响等。这两种方法适用于复现和解释全球传播中观察到的群体行为，为理解和控制国际传播奠定理论基础。从议题来看，学者们主要关注法律社会规范、社会创新争议和内容治理（如假新闻和谣言治理[24]）等，指出国际传播基于认知可能形成风险。一是公共观念和舆情的极化可能引发社会割裂，使得极端情绪更易滋生蔓延，形成有害的网络氛围。二是社交媒体平台操纵网络舆情安全，要警惕社交媒体平台在推动政治变革中对民众的网络动员和虚拟操控。
综上所述，基于复杂网络理论的国际传播研究具有系统思维和网络视角。具体来说，一是重新理解了传播系统，国际传播问题将模拟或理解不规则性、多样性和非线性动态纳入考虑，研究全球网络中的突发事件、阈值效应和反馈机制。二是揭示了网络结构本身的重要意义，结构本身被认为是影响传播过程的关键因素，通过判断网络结构的密度、强度和模式，能够更加贴近现实世界的传播现象。三是引入了多尺度分析，将不同类型的社会、经济和技术网络层次结合起来，研究它们如何相互作用并共同影响信息的国际传播，探索这些层面的交互作用对于理解国际知识共享和文化交流具有重要意义。
三、基于复杂网络的国际传播研究新趋势
当前，国际传播正在成为一个多维度、高技术和高度应用的研究领域。数字化和社交媒体平台的普及使得国际传播网络的规模变得空前庞大和复杂。基于此，使得挖掘不同要素产生的多重耦合效应影响、探明个体行为和交互方式发挥的特殊作用、实现普遍的网络系统动态演化的实证应用，共同成为未来研究的大势。
（一）挖掘复杂要素可能产生的多重耦合影响
发现多重耦合影响旨在更为全面地理解国际传播生态系统的复杂性。未来，多平台、多话题、多事件产生耦合影响的可能性将急剧上升。
第一，探索跨平台的国际传播效应。未来，不同平台的舆论和宣传环境差异会进一步增加，不同国家和组织在意识形态和利益间的张力会使得话题更具争议性，加之推荐算法和人工智能技术的影响，网络模型的参数量与复杂度也将较之前显著提升，最终形成信息冗杂、层级繁多的国际传播网络。因此，需要研究不同平台间的信息传播互动，揭示信息在跨平台传播过程中的影响机制和效果。例如，不同的社交媒体平台和新闻平台拥有不同的用户群体、传播规则、内容形式、文化背景和宣传政策，这种差异性导致信息传播方式和舆论形成机制的多样性，是否能够厘清多平台互动的复杂关系、对不同平台间信息传播的耦合关系进行新的诠释，直接关系着优化跨平台传播策略的理论支持。
第二，对话题本身可能具有的争议性进行细分。一是进行传播路径分析，需要探讨关于争议话题的信息在国际传播网络中是否存在新的传播模式和效果范式。二是总结不同话题的舆论演化规律。政治选举、宗教冲突或社会运动往往能激发更强烈的用户参与和情感反应；但与此同时，这些议题也是导致信息扭曲、假新闻和极端意见形成的高发领域，细分话题动态将有助于揭示其传播的非线性特征。
第三，剔除推荐算法与人工智能应用的信息泡沫溢出。社交媒体平台普遍采用推荐算法和人工智能技术来优化内容的分发，影响着信息的可见度和传播路径。这可能导致信息泡沫形成，加剧社会分裂和观点极化。需要研究算法推荐等技术在全球传播网络结构中的特殊作用，优化全球信息传播策略，增强公众对重要社会问题的理解和参与。
（二）探明个体行为和交互方式所发挥的特殊作用
为了全面把握公众在国际传播网络中形成和改变认知的全过程，就必须深入刻画个体，即深入探明网络中的实体在其行为和交互方式上所发挥的特殊作用。
第一，探明个体本身的行为特征对国际传播网络的影响。个体的心理特质包括包容度、固执性、趋同性以及归属感等，这些特征对信息的接收和传播有显著影响，在国际传播网络中的分布决定了信息传播的速度和广度。与此同时，个体的认知偏差和选择性接触行为加剧了信息的极化和分化，这种现象在全球范围内的传播网络中尤为明显。因此，需要聚焦不同文化和社会背景的个体在不同网络形态中的认知方式特点和信息偏好差异。
第二，明确个体之间的交互方式可能产生的特殊作用。在复杂网络中，个体之间的一对一交互可以形成复杂的网络连接模式，这种模式影响着信息的传播路径和速度。在国际传播中，跨文化或跨地域的一对一交互可能会促进信息的多样性和创新，而认知结构之间的交互则通常由于不同个体的认知结构因文化、教育背景等因素而产生差异，需要进一步探讨这种结构交互是否可能产生新的观点和理解，从而影响整个网络的观念演化和决策过程。
（三）优化网络系统的动态演化应用
从复杂网络系统本身来说，对于国际传播的动态演化研究相对个性化，尚未发展出共性的基础研究模型。与理想的数学模型不同，现实国际传播网络通常并不会在结构平衡中演化为“完全图”。以观点动力学为例，多数连续状态模型使用了加权平均的观点更新机制，是对DeGroot模型的扩展，但这种思路并不能够有效地探究出国际传播中意识形态化的涌现机制和社会条件。基于此，有学者将结构平衡的概念进一步发展，将其从完全图拓展为一般拓扑结构的网络，提出了全局结构平衡和局部结构平衡两个概念。这实际上是提出了不同的人际关系演化动力学模型，使得任意网络都可以分别收敛到局部结构平衡和全局结构平衡[25]，对于优化网络系统的动态应用具有实践意义。
未来，对于网络系统的研究将着重在以下领域展开。一是高阶网络结构的有效引入，这种结构不仅考虑节点和简单的边连接，还纳入了节点间多种类型的交互和多级关系，有助于精细分析和预测信息在不同文化、国家和媒体平台之间的传播路径。
二是机器学习和人工智能技术辅助进行国际传播研究，例如在处理全球性大规模数据和复杂模型时快速自动识别和分类信息传播的结构模式，提高国际传播研究的时效性。
三是增加理论模型对于国际传播治理方面的实践指导，利用复杂网络理论进行公共健康、民族文化、经济发展等不同议题的国际传播政策制定，通过建立更精确的模型，帮助决策者更好地理解和管理复杂的国际传播环境。
四、结语
复杂系统理论在分析理解大规模互连系统的动态行为和结构特征上具有鲜明优势，这一特点使其对于全球传播的实践产生了重要的指导意义。基于复杂网络的国际传播研究跳出了跨文化的单一视域，通过识别分析全球网络结构和模拟预测全球信息流动，实现了判定传播实体的行为动机、优化信息传播路径、提高传播效率的目的。未来，通过网络系统理论自身的迭代创新及其与国际传播研究的深度融合，将切实改善和优化国际传播的策略创新，推动国际传播领域的理论和实践走向更高水平。
【本文为国家社科基金重大项目“中国特色网络内容治理体系及监管模式研究”（批准号：18ZDA317）阶段性成果】
参考文献：
[1]周涛，傅忠谦，牛永伟，等.复杂网络上传播动力学研究综述[J].自然科学进展，2005(05):513-518.
[2]刘建国，任卓明，郭强，等.复杂网络中节点重要性排序的研究进展[J].物理学报，2013(17):9-18.
[3]Nicolò P ,Wenjun M ,Cheng L , et al.A meritocratic network formation model for the rise of social media influencers[J].Nature Communications,2021,12(1):6865-6865.
[4]Boccaletti S, Bianconi G , Criado R ,et al. The structure and dynamics of multilayer networks[J].North-Holland, 2014(1).
[5]Lazer D, Pentland A, Adamic L, et al. Social science. Computational social science[J].Science, 2009, 323(5915):721-723.
[6]Mitchell L, Frank M R, Harris K D ,et al. The Geography of Happiness: Connecting Twitter Sentiment and Expression, Demographics, and Objective Characteristics of Place[J].Plos One, 2013,8(5):e64417.
[7]Corry O T. Global Civil Society and Its Discontents[J].Voluntas: International Journal of Voluntary and Nonprofit Organizations,2006,17(4):303-324.
[8]Howard, Philip &Hussain, Muzammil. The Role of Digital Media[J].Journal of Democracy, 2011(22):35-48.
[9]Calderaro A. Book Review: Big Data: A Revolution That Will Transform How We Live, Work, and Think[J]. Media, Culture Society,2015,37(7):1113-1115.
[10]例如，拉斯韦尔对“5W”模型假设信息是从某一固定源头之间传递到接收者，香农的信息理论框架则强调信息通过编码传输再在“接收端”的解码过程等；施拉姆在动态传播模型中引入了反馈概念，使得传播过程不再是完全线性的，但传播学的传统研究范式仍旧遵循了线性历程的一般思路。
[11]Razaque A, Rizvi S, Khan J M, et al. State-of-art review of information diffusion models and their impact on social network vulnerabilities[J]. Journal of King Saud University-Computer and Information Sciences, 2019, 34(1):1275-1294.
[12]Liu L, Wang X, Zheng Y , et al. Homogeneity trend on social networks changes evolutionary advantage in competitive information diffusion[J].New Journal of Physics,2020,22(1):013019-013019.
[13]何晗笑.社交网络上基于Sznajd型观点模型的动理学建模研究[D].华东理工大学，2023.
[14]Pawan K, Adwitiya S .Information diffusion modeling and analysis for socially interacting networks[J].Social Network Analysis and Mining,2021,11(1):11.
[15]Kumar N S, Shivansh B, Balan S M .On the usage of epidemiological models for information diffusion over twitter[J].Social Network Analysis and Mining,2023,13(1):133.
[16]Zuo, Xiang, The Role of Social Ties in Dynamic Networks, USF Tampa Graduate Theses and Dissertations. 2016.
[17]R A V, K L F. Testing necessary regional frontal contributions to value assessment and fixation-based updating[J].Nature communications,2015,6(Dec.):10120.
[18] Yu, Hui, et al. Identifying key nodes based on improved structural holes in complex networks[J]. Physica A: Statistical Mechanics and its Applications 2017,486:318-327.
[19]J. M B, A. W W S. Evaluating Belief System Networks as a Theory of Political Belief System Dynamics[J].Personality and Social Psychology Review,2021,25(2):159-185.
[20]郑晨予，范红.从社会传染到社会扩散：社交机器人的社会扩散传播机制研究[J].新闻界，2020(03):51-62.
[21]Vosoughi S ,Roy D ,Aral S .The spread of true and false news online[J].Science,2018,359(6380):1146-1151.
[22]Wang, J. Pang, J. Liu, G. Shen, Q. Jiang and W. Wang, A Novel Downlink Resource Scheduling Scheme for Relay Enhanced Cellular Network[C], 2010 IEEE 72nd Vehicular Technology Conference - Fall, Ottawa, ON, Canada, 2010:1-5.
[23]M. H. DeGroot. Reaching a consensus[J]. Journal of the American Statistical association,69(345):118-121,1974.
[24]Michela V D, Alessandro B, Fabiana Z, et al. The spreading of misinformation online[J].Proceedings of the National Academy of Sciences of the United States of America,2016,113(3):554-9.
[25]Wenjun M, Ge C, E. N F, et al.Structural balance and interpersonal appraisals dynamics: Beyond all-to-all and two-faction networks[J].Automatica,2022:140.
本文引用格式参考：
田丽,毕昆：基于复杂网络的国际传播研究新趋势[J].青年记者,2024(06):60-64.
