作者：田麗(北京大學新媒體研究院研究員、長聘副教授，北京大學互聯網發展研究中心主任，本刊學術顧問)；畢昆(北京大學新媒體研究院博士研究生）
來源：《青年記者》2024年第6期
導 讀：
本文從複雜網路的視角出發，總結基於複雜網路的國際傳播研究所具有的特徵與其發展趨勢，探索國際傳播中信息交互網路的獨特價值，以期為國際傳播的研究方向和實踐應用提供理論和方法參考。
互聯網等新媒體重新定義了信息在全球的生產、分發和消費過程，開闢了國際傳播的新格局。但是，當前的國際傳播研究仍舊拘囿於跨文化的範式，對於新媒體的利用主要是突出其傳播的速度優勢、主體的多元化優勢和虛擬空間的開放性優勢，鮮有從網路結構的特徵分析傳播效能。複雜網路理論提供了一種全新的方法論框架，在國際傳播研究中具有獨特優越性。通過點對點的互動性傳播和結構形態的塑造，能夠幫助理解和預測信息擴散路徑、發現傳播關鍵要素，顯著提高國家和組織的國際傳播能力。例如，通過分析某些類型的新聞故事在特定國家中的傳播情況，新聞機構可以更精準地定位其受眾，提高新聞報道的相關性和吸引力。本文旨在根據網路傳播的特徵，探索基於複雜網路研究的國際傳播新路徑，並由此提出新的策略，為國際傳播的研究方向和實踐應用提供參考。
一、交叉領域的誕生：理論與現實的重新審視
複雜網路理論起源於物理和數學領域，一般用於描述和分析由大量互連節點組成的系統。在國際傳播領域，這一理論能夠幫助理解信息在全球範圍內如何通過各種複雜的社會、技術和經濟網路進行傳播。具體來說，複雜網路理論通過其數學模型的獨特特點，為國際傳播研究提供了一種全新的視角和方法。這種審視主要來自以下三個維度。
一是傳播結構維度，複雜網路通常表現出小世界特性，這種特性使得信息能夠在全球範圍內快速傳播，即使是地理位置相隔遙遠的節點也能通過簡單幾步相互連接。而冪律分布（存在少數幾個高度連接的樞紐節點和大量低度連接的普通節點）則使得探索國際傳播的臨界值和所波及的網路範圍成為可能[1]。
二是網路變化的動態平衡維度，複雜網路理論允許研究者分析和模擬網路結構如何隨時間而變化，如節點和邊的增加或消失，這對於識別超大規模網路（如社交媒體網路）中節點的重要性以及評價某個節點相對於其他一個或多個節點的重要程度提供了定量分析的工具[2]，對幫助發現國際傳播的新渠道提供了理論支持[3]。
三是特殊傳播現象的適配維度，由於國際傳播的議題在文化、意識形態等方面的異質性較高，複雜網路理論可以支持在既有的問題框架下引入、調整或擴展新的屬性、邊的權重或其他網路特性來定製分析模型，以適應特定的國際傳播問題[4]。
從現實層面看，全球網路與複雜網路的交叉研究領域生成離不開大數據和計算技術的高速發展。從20世紀末開始，互聯網、人工智慧和數據挖掘技術爆髮式發展，人們可以便捷、快速地獲取宏觀社會現象的大量數據。基於此，不同領域的學者先後展開了研究討論，直至宣告「計算社會科學」這一新興交叉領域誕生[5]。這些概念和方法進一步推動了複雜網路理論在國際傳播中的實證應用。例如，有學者使用地理分布和情感表達研究全球事件如何影響公眾情緒，以及情緒如何跨文化和地理界限傳播[6]，結合全球各地民間社會運動在網路空間中的發展過程，指出網路發帖已經深刻改變了社會組織引領和公民政治參與的方式[7]，尤其是，社交媒體平台在動員支持和資訊同步方面發揮了關鍵作用，對全球政治變革產生影響[8]；與此同時，複雜網路還應用於全球網路營銷，增加了對全球用戶在線行為和決策過程的理解[9]。這些研究表明，複雜網路能夠通過運用計算社會科學的方法為國際傳播的研究問題提供深入解釋，並在涉及信息技術、社會網路和文化動態的複合問題中具有實用性和有效性。
二、基於複雜網路的國際傳播研究特徵
當前，基於複雜網路的國際傳播研究呈現出新的特徵，反映了傳播學領域對新興技術和全球化背景下信息流動特性的適應和理解。
（一） 結構描摹：從簡單線性歷程到複雜模型擬合
以往的國際傳播研究多依賴於線性和單向的傳播結構，強調信息從源頭到接收者的直接傳遞過程[10]。採用複雜網路模型來模擬和分析國際傳播的結構，可以對現實世界中的不規則性和網路中的局部特徵進行描摹。當前，學者就既有的Ising、Sznajd、類傳染病模型（SIR）、SICR、博弈論和社交網路服務等模型對國際傳播結構的描摹程度進行了比較研究[11]?[12]?[13]，並對其使用局限進行分類。
基於不同模型的設定，國際傳播的結構研究對應著以下兩種邏輯。
一是從宏觀到微觀的邏輯，例如，當在線社交網路通過共享信息變得更加相互聯繫時，可以觀察到信息在不同類型社交媒體平台上同步傳播的宏觀現象，但由於難以用遍歷社交媒體平台的方法來分析其規模，可以結合異質性和結構性採用概率方法推斷特定的對象或細節。有學者發現，不同媒體類型之間的影響因大環境而異，而娛樂話題則更有可能由單一社交媒體平台內的互動驅動[14]。
二是從微觀到宏觀的邏輯，例如，SIR可以描述不同信息或觀點在社交網路中的傳播和競爭歷程，揭示傳播效率、群體偏好等具體因素如何影響競爭結果。有學者使用該模型模擬Twitter上話題標籤傳播的適用性，通過定義SIR模型的兩個擴展確定數據集中所有突出的標籤，並根據細節分類與事件有關和與事件無關的標籤，發現信息在Twitter上傳播可被宏觀概括為內生性質[15]，為流行病學模型在模擬信息在社交媒體平台上的全球傳播問題提供了一般化的條件參考。
（二） 主體識別：從關鍵意見領袖到節點和連接
國際傳播研究往往關注識別意見領袖，基於複雜網路的國際傳播則將對單一的關注意見領袖轉向更為細緻的分析維度，通過識別網路中的節點和連接來預測和控制傳播產生的影響。
從節點本身來說，它映射了主體的類型和屬性特徵。國際傳播中的個人、組織、國家以及其所具有的各種社會、經濟和技術屬性都可能成為標記標籤。有研究者成功識別了信息傳播中的關鍵影響因子（如社會地位、經濟能力和技術接入水平[16]）和潛在的干預點（如注視調節[17]或設計結構洞策略優化信息流[18]）。在組織傳播的語境中，節點則可以被定義為屬於一個或多個組織的人，且處於一種或多種傳播關係當中：當個人作為實體時，識別向誰提供信息、從誰那裡獲得消息、與誰進行交流；當組織作為實體時，識別與誰合作、將業務轉包給誰、與誰共同承擔風險。研究發現，鑒別獨立的信念、考慮自我與組織間的非同步發展（即不同信念可能以不同的速度發展）能夠在全球網路空間中促進建設性和知情的組織討論[19]，同時，知識庫、虛擬角色等非人類主體也被納入作為實體集的主體研究中來[20]。
相應的，連接的存在和特性則反映了主體的動態行為。異質性、小世界性和社區性為國際傳播的主體及其作用識別提供了思路。一是識別異質性，複雜網路中的邊（如社交關係、航班或通信）通常表現出高度的異質性，當發現具有遠高於平均水平的連接時，就能夠快速識別到「超級傳播者」，例如，不同用戶會因其社交影響力和網路位置而在信息擴散中形成角色扮演差異[21]。二是識別小世界性，這一特性意味著大多數節點可以通過相對較少的步驟連接，使得人們通過「捷徑」而顯著提高網路整體連接性[22]，對全球戰略傳播具有重要價值。三是識別社區性，全球網路中存在著明顯的節點群體，如果社區之間的連接相對較少，則意味著其「模塊性高」，這對於解釋國際傳播中的長尾效應、小眾社群等問題具有參考價值。
（三）認知生成：從信息加工到輿論動力學和觀念演化
國際傳播的跨文化環境使人們在理解、感知和回應信息時總是建立起一套特殊的辨識、推理和選擇的框架。輿論動力學和觀念演化的框架不僅考察個體對信息的加工和理解過程，更探討在實時傳播、動態演化的網路條件下人們如何生成認知。
輿論動力學的核心問題是探索人與人之間觀點互相影響的機制以及如何產生特定宏觀輿論現象，它考慮了受眾群體的相互影響以及由此產生的信息傳播路徑，探討整體認識下輿論對社會決策的影響。觀念演化理論則更關注個體對觀念和價值認識的形成和變化過程，如Voter、Axelrod模型等考慮了社會網路中個體之間的觀念傳播和互動，該理論也可分析個人觀念在網路中的演化規律和變化機制，如DeGroot模型考慮社會影響力[23]，Bounded Confidence模型考慮相似度影響等。這兩種方法適用於復現和解釋全球傳播中觀察到的群體行為，為理解和控制國際傳播奠定理論基礎。從議題來看，學者們主要關注法律社會規範、社會創新爭議和內容治理（如假新聞和謠言治理[24]）等，指出國際傳播基於認知可能形成風險。一是公共觀念和輿情的極化可能引發社會割裂，使得極端情緒更易滋生蔓延，形成有害的網路氛圍。二是社交媒體平台操縱網路輿情安全，要警惕社交媒體平台在推動政治變革中對民眾的網路動員和虛擬操控。
綜上所述，基於複雜網路理論的國際傳播研究具有系統思維和網路視角。具體來說，一是重新理解了傳播系統，國際傳播問題將模擬或理解不規則性、多樣性和非線性動態納入考慮，研究全球網路中的突發事件、閾值效應和反饋機制。二是揭示了網路結構本身的重要意義，結構本身被認為是影響傳播過程的關鍵因素，通過判斷網路結構的密度、強度和模式，能夠更加貼近現實世界的傳播現象。三是引入了多尺度分析，將不同類型的社會、經濟和技術網路層次結合起來，研究它們如何相互作用並共同影響信息的國際傳播，探索這些層面的交互作用對於理解國際知識共享和文化交流具有重要意義。
三、基於複雜網路的國際傳播研究新趨勢
當前，國際傳播正在成為一個多維度、高技術和高度應用的研究領域。數字化和社交媒體平台的普及使得國際傳播網路的規模變得空前龐大和複雜。基於此，使得挖掘不同要素產生的多重耦合效應影響、探明個體行為和交互方式發揮的特殊作用、實現普遍的網路系統動態演化的實證應用，共同成為未來研究的大勢。
（一）挖掘複雜要素可能產生的多重耦合影響
發現多重耦合影響旨在更為全面地理解國際傳播生態系統的複雜性。未來，多平台、多話題、多事件產生耦合影響的可能性將急劇上升。
第一，探索跨平台的國際傳播效應。未來，不同平台的輿論和宣傳環境差異會進一步增加，不同國家和組織在意識形態和利益間的張力會使得話題更具爭議性，加之推薦演算法和人工智慧技術的影響，網路模型的參數量與複雜度也將較之前顯著提升，最終形成信息冗雜、層級繁多的國際傳播網路。因此，需要研究不同平台間的信息傳播互動，揭示信息在跨平台傳播過程中的影響機制和效果。例如，不同的社交媒體平台和新聞平台擁有不同的用戶群體、傳播規則、內容形式、文化背景和宣傳政策，這種差異性導致信息傳播方式和輿論形成機制的多樣性，是否能夠釐清多平台互動的複雜關係、對不同平台間信息傳播的耦合關係進行新的詮釋，直接關係著優化跨平台傳播策略的理論支持。
第二，對話題本身可能具有的爭議性進行細分。一是進行傳播路徑分析，需要探討關於爭議話題的信息在國際傳播網路中是否存在新的傳播模式和效果範式。二是總結不同話題的輿論演化規律。政治選舉、宗教衝突或社會運動往往能激發更強烈的用戶參與和情感反應；但與此同時，這些議題也是導致信息扭曲、假新聞和極端意見形成的高發領域，細分話題動態將有助於揭示其傳播的非線性特徵。
第三，剔除推薦演算法與人工智慧應用的信息泡沫溢出。社交媒體平台普遍採用推薦演算法和人工智慧技術來優化內容的分發，影響著信息的可見度和傳播路徑。這可能導致信息泡沫形成，加劇社會分裂和觀點極化。需要研究演算法推薦等技術在全球傳播網路結構中的特殊作用，優化全球信息傳播策略，增強公眾對重要社會問題的理解和參與。
（二）探明個體行為和交互方式所發揮的特殊作用
為了全面把握公眾在國際傳播網路中形成和改變認知的全過程，就必須深入刻畫個體，即深入探明網路中的實體在其行為和交互方式上所發揮的特殊作用。
第一，探明個體本身的行為特徵對國際傳播網路的影響。個體的心理特質包括包容度、固執性、趨同性以及歸屬感等，這些特徵對信息的接收和傳播有顯著影響，在國際傳播網路中的分布決定了信息傳播的速度和廣度。與此同時，個體的認知偏差和選擇性接觸行為加劇了信息的極化和分化，這種現象在全球範圍內的傳播網路中尤為明顯。因此，需要聚焦不同文化和社會背景的個體在不同網路形態中的認知方式特點和信息偏好差異。
第二，明確個體之間的交互方式可能產生的特殊作用。在複雜網路中，個體之間的一對一交互可以形成複雜的網路連接模式，這種模式影響著信息的傳播路徑和速度。在國際傳播中，跨文化或跨地域的一對一交互可能會促進信息的多樣性和創新，而認知結構之間的交互則通常由於不同個體的認知結構因文化、教育背景等因素而產生差異，需要進一步探討這種結構交互是否可能產生新的觀點和理解，從而影響整個網路的觀念演化和決策過程。
（三）優化網路系統的動態演化應用
從複雜網路系統本身來說，對於國際傳播的動態演化研究相對個性化，尚未發展出共性的基礎研究模型。與理想的數學模型不同，現實國際傳播網路通常並不會在結構平衡中演化為「完全圖」。以觀點動力學為例，多數連續狀態模型使用了加權平均的觀點更新機制，是對DeGroot模型的擴展，但這種思路並不能夠有效地探究出國際傳播中意識形態化的湧現機制和社會條件。基於此，有學者將結構平衡的概念進一步發展，將其從完全圖拓展為一般拓撲結構的網路，提出了全局結構平衡和局部結構平衡兩個概念。這實際上是提出了不同的人際關係演化動力學模型，使得任意網路都可以分別收斂到局部結構平衡和全局結構平衡[25]，對於優化網路系統的動態應用具有實踐意義。
未來，對於網路系統的研究將著重在以下領域展開。一是高階網路結構的有效引入，這種結構不僅考慮節點和簡單的邊連接，還納入了節點間多種類型的交互和多級關係，有助於精細分析和預測信息在不同文化、國家和媒體平台之間的傳播路徑。
二是機器學習和人工智慧技術輔助進行國際傳播研究，例如在處理全球性大規模數據和複雜模型時快速自動識別和分類信息傳播的結構模式，提高國際傳播研究的時效性。
三是增加理論模型對於國際傳播治理方面的實踐指導，利用複雜網路理論進行公共健康、民族文化、經濟發展等不同議題的國際傳播政策制定，通過建立更精確的模型，幫助決策者更好地理解和管理複雜的國際傳播環境。
四、結語
複雜系統理論在分析理解大規模互連繫統的動態行為和結構特徵上具有鮮明優勢，這一特點使其對於全球傳播的實踐產生了重要的指導意義。基於複雜網路的國際傳播研究跳出了跨文化的單一視域，通過識別分析全球網路結構和模擬預測全球信息流動，實現了判定傳播實體的行為動機、優化信息傳播路徑、提高傳播效率的目的。未來，通過網路系統理論自身的迭代創新及其與國際傳播研究的深度融合，將切實改善和優化國際傳播的策略創新，推動國際傳播領域的理論和實踐走向更高水平。
【本文為國家社科基金重大項目「中國特色網路內容治理體系及監管模式研究」（批准號：18ZDA317）階段性成果】
參考文獻：
[1]周濤，傅忠謙，牛永偉，等.複雜網路上傳播動力學研究綜述[J].自然科學進展，2005(05):513-518.
[2]劉建國，任卓明，郭強，等.複雜網路中節點重要性排序的研究進展[J].物理學報，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，拉斯韋爾對「5W」模型假設信息是從某一固定源頭之間傳遞到接收者，香農的信息理論框架則強調信息通過編碼傳輸再在「接收端」的解碼過程等；施拉姆在動態傳播模型中引入了反饋概念，使得傳播過程不再是完全線性的，但傳播學的傳統研究範式仍舊遵循了線性歷程的一般思路。
[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.社交網路上基於Sznajd型觀點模型的動理學建模研究[D].華東理工大學，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]鄭晨予，范紅.從社會傳染到社會擴散：社交機器人的社會擴散傳播機制研究[J].新聞界，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.
本文引用格式參考：
田麗,畢昆：基於複雜網路的國際傳播研究新趨勢[J].青年記者,2024(06):60-64.
