奥尔波特和波斯特曼谣言传播公式的改进及其验证：基于东北虎致游客伤亡事件的新浪微博谣言分析

传播学界对谣言的经典研究，当属美国学者奥尔波特和波斯特曼于1947年提出的谣言传播公式。谣言的流通量=事件的重要性×事件的模糊性。该公式自提出后一直被学界奉为圭臬。随着媒介技术的发展，谣言正搭乘着新媒体快车，以前所未有的传播速度和力度冲击着人们的神经，这使得当下的谣言传播较以往更易产生强烈影响。

新媒体时代的谣言传播有什么新的特点？经典的谣言传播公式是否仍然适用？

对于谣言影响力的测量能否提出具备操作性的标准？本文力求在思考以上问题的基础上，归纳总结适用于新媒体时代的谣言传播公式，并以实例验证其合理性与可行性。

继奥尔波特和波斯特曼提出谣言传播公式之后，荷兰学者克罗斯认为谣言的流通量不仅与事件相关，也应包含人的因素，于是引入受众判断能力概念。克罗斯认为，受众判断能力应包含个人相关的知识、观察力和道德修养，这些因素同谣言流通量呈负相关。也就是说，个人的知识越丰富，观察力越强，道德修养越高对谣言的传播就越具抵抗力。克氏于1953年提出“谣言的流通量=事件的重要性×事件的模糊性/受众判断能力，这个公式丰富和发展了奥尔波特等人的谣言传播公式。随着传播环境的不断变化，西方学者从不同的研究视角出发，进一步推进谣言传播研究的发展。如2008年，德国学者Benjamin Doerr等人通过对两个版本的“谣言随机传播”协议进行实证分析，提出了准随机的谣言传播模型。2012年，美国学者Cristian等人以粒子系统代表谣言传播过程中的互动行为，研究谣言在充分条件下灭绝或生存的概率，最终提出谣言传播的空间随机模型。2013年，英国学者Nikolaos Fountoulakis等人以随机的网络信息节点为对象，认为谣言传播具有随机性、定期性等特点。2015年，伊朗学者Fallahpour等人从生物数学的角度采用降解法、变分迭代法及同伦分析法对Facebook, YouTube, Flickr, linkedIn and Tuitor等社交网络进行分析，提出谣言传播的解决措施。美国学者SepidehBajracharya以加德满都山谷、尼泊尔及伊拉克公共暴力爆发事件为研究对象，阐述了谣言与暴力之间的关系。以上研究，涉及到谣言传播的诸多方面，相关学者建构的谣言传播模型推进了谣言传播公式的研究。

本土学者近年也开始关注谣言传播公式的改进问题。2010年，王灿发通过对突发公共事件的总结提出“R=I×A×J×E（ｅ=ｓ×1/ｏ×ｃ,ｓ>1,0<ｏ<1,ｃ>1）”（王灿发，2010）。“I”和“A”分别指事件的重要性和模糊性，“J”指公众判断能力，“E”指环境指数。公式中新增的变量是“E”，包括传播环境指数c（communication）和政治环境指数，政治环境指数又由政治刺激指数s（stimulate）和政治透明度o（open-politics）组成。从测量学的角度来看，“政治环境指数”及“传播环境指数”没有具体的测量标准赋予其相应数值，一定程度上减弱了该公式的可操作性。其后又有学者引入信息的不对称性（匡文波，郭育丰，2012），以及有学者用更为复杂的变量进行描述。如2015年，吴建等人提出即谣言流通量=（不确定性+事件的重要性+涉入感+刺激性+新闻价值）×媒介/（批判意识+透明度+管控力度）（吴建，马超，2015）。侯冲提出微博谣言传播公式Rumor=i×a×（V+f）×1/（c+w），即微博谣言=事件的重要性×事件的模糊性×（身份认证+粉丝数量）×1/（公众批判能力+意愿）（侯冲，2014）

国内这些研究各有侧重，这里试举一例分析：2014年，徐速提出“微博谣言 = 模糊性×重要性×参与者可信度×参与者活跃度×信息关联性×转发次数×a（围观者态度）÷参与者批判能力”（徐速，2014）。“围观者态度”前面的系数a代表影响“围观者态度”的各种因素，比如，政策法规、社会热点、舆论方向及个人心境等。徐速的公式较之前的研究加入了复杂的变量，此为进步所在。但是，公式中提到的“可信度”“活跃度”及“关联性”的强弱和“围观者态度”前面的系数a的大小等较难测量，这也导致公式的可行性有待商榷。另外，“信息的关联性”及“转发次数”也是从另一个角度强调信息自身的“重要性”，同公式中原有的“重要性”因素似有重复。

通过对上述相关研究的梳理，可发现国外学者对谣言传播影响因素的探究较多，Benjamin Doerr及Cristian等人提出的谣言传播模型为谣言传播公式的研究提供了参照，但我们需注意到国外学者提出的谣言传播模型是基于特定情景下得出的，减弱了模型的普遍适用性。国内学者对谣言传播公式的研究大多集中于定性层面，研究结果受个人主观认识的影响较大，实证研究成果较少，且公式在一些影响因素的处理上缺乏有效的测量方法，各因素之间有一定的重复交叉，这导致所提出的谣言传播公式说服力与可行性存在不足。因此，基于当下的新媒体环境，对奥尔波特及波斯特曼的经典谣言传播公式进行合理改进，以推动谣言传播研究的进一步发展就成为可以“大胆假设”和“小心求证”的事情。

从近几年发生的“7·23”甬温线高铁事故相关谣言、日本核辐射泄露等谣言事件来看，具有一定影响力的网络大V在谣言传播事件中发挥了举足轻重的作用，他们对事件的参与加快了谣言传播的速度。2016年2月28日，国家网信办针对部分网络大V滥用自身影响力造谣传谣的行为所作出的责令其关停微博的举措，便是基于对传播者影响力的认识而做出的。根据拉扎斯菲尔德的意见领袖理论，网络大V作为意见领袖具有影响他人态度的能力，在传播过程中发挥着重要作用。因此，“传播者影响力”因素应引起研究者的重视。

我们可尝试以克罗斯的谣言传播公式为原型，在保留原有变量的情况下，引入新的变量“传播者影响力”，以使谣言公式能够适应当下传媒环境的变化。本着易于操作与推广的原则，对前文所述的各位学者提出的谣言传播影响因素可进行适当简化，以解决因素间的重复交叉问题。

于是，新媒体时代谣言传播公式便可做如下表述，即谣言的流通量=事件的重要性×事件的模糊性×传播者影响力/公众批判能力。为符合测量学的要求，我们须对“传播者影响力”因素予以可操作化定义，提出测量谣言传播影响因素的方法。在研究方法的选择上，宜将质性分析与量化分析相结合，借助于SPSS20.0统计软件对所得数据做基本统计分析与相关分析，以此验证该公式是否成立。

下面，即以新浪微博“7·23” 东北虎致游客伤亡事件的谣言传播为例进行验证。需要说明的是，之所以选择微博为研究对象，是由于：由于传播者进入门槛低，因而参与者众；传播内容有字数限制，使得传播言论“短、平、快”。有利于保证传播时效；博主与粉丝沟通便利，可实现多渠道互动。；具有构建社会公共话语空间的传播效果等诸多优势。总体而言，新浪微博的表现具有代表性。基于上述原因，本文以新浪微博平台上的谣言传播为例进行分析。

2016年7月23日下午，北京延庆区八达岭野生动物园发生一起老虎咬人事件，赵女士在东北虎区下车时被老虎咬伤，其母在营救过程中遭老虎撕咬而致死。此事件被迅速传播并引发社会广泛关注，谣言也随之而起。网络评论数不胜数，央视新闻也加入对事件辟谣，当事人也通过网络发声，传统媒体也展开专题报道。

在媒体对这一事件的报道中，新京报的《老虎咬人事件最新进展！这些谣言你就不要再传了》和成都商报的《八达岭被老虎咬伤女游客：不顾劝阻下车是作死，但我不是》这两篇文章对该事件的报道较为详尽、全面，因此本文以它们提供的事实材料为依据进分析。为便于搜集谣言微博，本研究以新京报梳理的与东北虎致游客伤亡事件相关的谣言主题为关键词进行检索，如表1所示。

笔者在新浪微博的高级搜索功能里根据以上谣言主题进行检索，检索的时间节点设为2016年7月23日至2016年8月6日谣言传播较为密集的半个月13，将检索到的相关微博作为研究样本，剔除重复出现的内容后，确定200条谣言微博，作为本研究的最终样本。

（一）东北虎致游客伤亡事件编码表

本研究采用内容分析法，依据前文提出的谣言传播公式“R=I×A×T/C”确定研究范围及抽样之后，对涉及的相关概念进行定义，确定分析单位。之后，根据编码要求，以穷尽性和互斥性为原则，建立分析内容的类别，制作编码表，如表2所示。

由以上编码表可看出，研究中涉及的具体变量包括以下类别：

1.人口统计学变量

对传播者性别及传播者所处地区变量做基本统计描述，分析样本数据中传播者性别及传播者所处地区的情况。

2.谣言流通量变量

谣言以微博为载体进行传播，对谣言流通量的测量可等同于对微博影响力的测量。本文选择微博转发量、评论量、点赞量三个指标来测量其影响力。

3.事件模糊性变量

传播者借助微博文本对事件进行传播，微博文本决定了事件的模糊性。因此，本研究以可操作化的微博内容表现形式、微博字数、微博内容的透明度三个指标来测量事件的模糊性。

4.传播者影响力变量

本研究以可操作化的传播者发布微博的数量、传播者所属类别、传播者微博等级、传播者粉丝数量四个指标来测量传播者影响力。

5.公众批判能力变量

公众批判能力从本质上看体现的是公众的态度，因此本文以传播者的态度来测量公众批判能力，具体分为以下四个指标：①情绪表达 ②批判分析 ③重复表述 ④其他。

研究按照上述分类系统，对200条谣言微博的内容进行归类。此外，为尽可能地保证分类结果的准确性，明确分类系统的含义，笔者制定了编码执行表以减少误差。

（二）关于事件重要性变量的质性界定

在本次量化研究过程中，鉴于谣言传播公式中事件重要性概念偏向定性，无法对其进行操作化的定义。但从社会广泛关注来看，该事件符合谣言事件具备重要性这一要求。

（三）事件模糊性变量分析

1.事件模糊性与谣言流通量关系验证

对编码表中设计的测量事件模糊性的三个指标数据进行统计处理，得到事件模糊性变量。另外，鉴于测量谣言流通量的评论量、转发量、点赞量的传播效果不同，对三者的数据进行加权处理，得到谣言流通量变量。将事件模糊性变量及谣言流通量变量输入SPSS20.0统计软件进行相关分析，输出结果如表4所示。

因此，显著性（双侧）值为0.000（p＜0.01），Pearson 相关性为0.538（即r 的绝对值为0 . 5 3 8 ） ，符合0 .5 ≤| r | < 0 .8 ，该结果验证了谣言传播公式“R=I×A×T/C”中，事件模糊性A同谣言流通量R呈正相关。

2.微博透明度较高且字数偏多

总体而言，一个事件中所包含的要素多，事情的完整性相应地就高。字数越多的微博，通常描述的细节越多，在向人们传递信息方面也就愈占优势。

3.纯文字形式的微博较多

观察研究涉及的200条谣言微博可发现，大多数用户倾向于发布纯文字形式的微博。总体而言纯文字形式呈现的微博有77条，也有文字和表情、图片等不同结合形式的微博。图片、表情等更多视觉信息的微博更有冲击力。

（四）公众批判能力变量分析

1.公众批判能力与谣言流通量关系验证

对编码表中设计的测量公众批判能力的四个指标数据进行计算处理，得到公众批判能力变量。将其及之前得到的谣言流通量变量输入SPSS20.0统计软件进行相关分析，输出结果如表5所示。

由上表可知，显著性（双侧）值为0.000（p＜0.01），Pearson 相关性为-0.751（即r 的绝对值为0 . 7 5 1 ） ，符合0 .5 ≤| r | < 0 .8 ，该结果验证了谣言传播公式“R=I×A×T/C”中，公众批判能力C同谣言流通量R呈负相关。

2.传播者大多倾向于重复表述

重复表述是指对内容进行肯定，传播者仅对消息进行转发来表示认同。在研究涉及的200条谣言微博中，像此类重复表述的微博占39.5%，有79条。

3.情绪表达与批判分析类型的微博占比较为接近情绪表达包括祝福、恐惧、悲伤等纯粹感性情绪流露的内容；批判分析是指对事件进行解释、分析、评估、推论等。200条谣言微博中，情绪表达类型的微博有46条，占23%，批判分析类型的有49条，占24.5%，其他类型的微博有26条，占13%。整体而言，情绪表达类型的微博同批判分析类型的微博所占的比率较为接近。

（五）谣言流通变量分析

根据前文提到的测量谣言流通量的指标数据，利用SPSS20.0统计软件对其做基本统计分析，分析结果如下：

1.微博的转发量和评论量较少

转发具有较强的传播效果。本研究中微博转发量较少，147条为零转发。

评论具有的传播效果一般，本研究中150条微博为零评论。

2.微博点赞量较多

点赞的传播效果最弱。本研究中点赞量高于评论量和转发量。

（一）传播者影响力变量分析

1.传播者所处地区差异明显，女性传播者占比较高

研究发现，华东和华北地区的传播者较多，分别占27.5%和24.5%，华中和西北地区区的传播者分别占9%和10.5%，东北和华南地区的传播者数量相同，都占3.5%，西南地区的传播者较少，占4.5%，其他地区的传播者则占17%。这也符合人民网之前发布的结构，华东成谣言高发地，与经济发展水平呈正相关。

在传播者性别的构成中有60%的女性传播者，40%的男性传播者，女性多于男性。这验证了法国学者卡普费雷的分析，女性比男性更容易相信并传播谣言。另据中国互联网中心（CNNIC）发布的报告可知，2015年网名性别结构为男性53.6%，女性占比46.4%。2016年的网民性别结构为男性占比52.4%，女性占比47.6%。这与微博谣言传播者性别结构比例相反。这一结果在防控新媒体谣言传播时益于更有针对性地关注女性传播者。

2.传播者以普通用户为主，微博等级较低

以普通用户和加V名人这种依据知名度对用户的划分来看，普通用户占到187人。以活跃度划分来看，普通用户依然居多。说明普通用户借新浪微博获得参与社会事务的机会。

3.传播者发布的微博数和拥有的粉丝数不高

为保证研究结果更具严谨性，研究进一步以用户发布微博的数量这一更能体现用户主观意愿的因素作为另一测量微博用户活跃程度的指标。

笔者在对研究涉及的200条谣言微博的传播者，使用定距尺度对发微博量进行分析时发现，整体发微博数不高。

（二）谣言传播公式的验证

对编码表中设计的测量传播者影响力的四个指标数据进行处理，得到传播者影响力变量。将其及之前得到的谣言流通量变量输入SPSS20.0统计软件进行相关分析，输出结果如表6所示。

由上表可知， 显著性（双侧）值为0.000（p＜0.01），Pearson 相关性为0.533（即r的绝对值为0.533），符合0.5≤|r|<0.8，两者呈正相关。该结果可以验证传播者影响力影响谣言流通量，即谣言传播公式：谣言的流通量=事件的重要性×事件的模糊性×传播者影响力/公众批判能力成立。

五

通过对样本数据的处理分析可知，该公式验证了传播者影响力在谣言传播过程中发挥的重要作用。但需注意，公式中“传播者”的含义较为广泛，并非仅仅指代网络大V这一群体，而是泛指更多的普通人。从上文的分析结果可看出，在以普通用户为主发布的200条谣言微博中，大部分传播者的粉丝数量在0-200个之间,只有极少数加V名人的粉丝数量在1000个以上。也就是说，当普通传播者具有一定影响力时，其依然能够影响谣言传播。这一结果也符合美国学者Mills提出的“重要他人”概念“。

此外，就影响力日益增强的微信媒介平台来看，当微信用户的“重要他人”在朋友圈中传播谣言时，鉴于传播者自身对微信好友的强影响力，其所传播的谣言很容易被转发、分享或评论，从而导致谣言继续被传播。而且，受人们关注的微信公号推送的谣言文章，更易得到用户的信赖与传播。

QQ、论坛等其他媒介平台上的谣言传播也遵循这样的传播规律，即具有一定影响力的传播者在谣言事件的传播中发挥举足轻重的作用。通过上述验证与分析可知，论文所提出的谣言传播公式适用于新媒体时代的媒介平台。

有媒体发文称“此次‘北京八达岭动物园老虎伤人事件’共监测到105106条网络媒体信息，其中微博报道99908次，微信报道698次，论坛报道670次等。”（应急服务网，2016）当下，微博、微信等媒介已成为人们获取信息十分重要的渠道，相应地，这些新媒体平台也更容易传播谣言，甚至成为谣言泛滥的重灾区。

我们需注意到，新媒体环境下的谣言传播与传统媒体相比发生了两个显著变化。其一，谣言的传播与澄清速度均有提升。新媒体时代无论传谣还是辟谣均能做到快速反应。其二，谣言传播的把控难度提高。新媒体时代把关人角色的弱化致使谣言信息极易借助新媒体平台进行病毒式传播，从而产生恶劣影响，特定条件下还会引发次生灾害，因此结合新媒体的传播特点开展谣言研究和治理是当务之急。

2017年国家已经将谣言传播入刑。防范和控制谣言传播是新环境中的新问题，不仅需要政府的足够重视与积极应对，也迫切需要我们专业研究人员的参与。目前学界关于谣言的研究，更多停留于对谣言主体和内容的认识以及对谣言治理的理论分析，而测定和控制是一个更为复杂的系统工程，亟待我们做出深入细致的研究，探讨具备可行性的实施方案。谣言传播公式的推进和确立就是这个系统工程中一个重要的基础环节，在此基础上，以科学严谨的态度和方法加强对谣言的监控和研判，进而做出合理预警和积极回应，并建立长效机制，将谣言传播的负面影响控制到最小，应成为当下一个重要和迫切的研究任务。期待更多研究者能参与其中，以我们共同的努力，为谣言治理提供专业的决策参考。

封面图片来源于网络

（本期执编：段天涯）