[目的/意義]基于微博轉(zhuǎn)發(fā)與信息傳播的話題一直以來(lái)備受關(guān)注。之前的研究雖然對(duì)影響微博轉(zhuǎn)發(fā)的因素進(jìn)行了多種嘗試,但多數(shù)只關(guān)注微博是否轉(zhuǎn)發(fā)而很少考慮到轉(zhuǎn)發(fā)數(shù)量,也很少探究影響特征之間的相互作用。因此需要進(jìn)一步的研究來(lái)彌補(bǔ)上述缺陷。[方法/過(guò)程]本研究以新浪微博為研究對(duì)象,將ELM模型和情緒認(rèn)知理論結(jié)合,分別以"是否轉(zhuǎn)發(fā)"和"轉(zhuǎn)發(fā)數(shù)"為因變量建立邏輯回歸模型和負(fù)二項(xiàng)式回歸模型,探究了信源特征、信息內(nèi)容特征和情緒特征對(duì)于微博轉(zhuǎn)發(fā)的不同影響。[結(jié)果/結(jié)論]部分信源特征和信息內(nèi)容特征能顯著增加微博被轉(zhuǎn)發(fā)的可能性和轉(zhuǎn)發(fā)數(shù),并且粉絲數(shù)與被轉(zhuǎn)發(fā)可能性和轉(zhuǎn)發(fā)數(shù)之間呈倒U型關(guān)系;不同極性的情緒對(duì)微博轉(zhuǎn)發(fā)的影響具有不對(duì)稱(chēng)性;此外,高影響力用戶與普通用戶相比,其他信源特征、情緒特征和信息文本特征對(duì)其微博轉(zhuǎn)發(fā)的影響更小。本文創(chuàng)新之處在于結(jié)合ELM理論與情緒認(rèn)知理論探究微博轉(zhuǎn)發(fā)的影響因素,同時(shí)在模型中納入了粉絲數(shù)的二次項(xiàng),所得結(jié)論具有一定的理論貢獻(xiàn)和實(shí)踐啟示。 

【文章來(lái)源】：現(xiàn)代情報(bào). 2020,40(09)CSSCI

【文章頁(yè)數(shù)】：11 頁(yè)

【文章目錄】：
1 理論基礎(chǔ)
2 實(shí)證研究
    2.1 樣本選擇
    2.2 變量與描述性統(tǒng)計(jì)
    2.3 ROC曲線分析
    2.4 邏輯回歸分析
    2.5 負(fù)二項(xiàng)式回歸分析
3 結(jié)論與討論
4 總 結(jié)


【參考文獻(xiàn)】：
期刊論文
[1]信息情緒類(lèi)型對(duì)用戶分享意愿的影響——基于微博熱點(diǎn)事件的研究[J]. 張洪,蔣婷,萬(wàn)曉榆,盛海剛.  情報(bào)雜志. 2019(05)
[2]微博用戶在突發(fā)事件中轉(zhuǎn)發(fā)行為研究:基于信息源的視角[J]. 金曉玲,金可兒,湯振亞,周中允.  情報(bào)學(xué)報(bào). 2015 (08)
[3]基于多分Logistic回歸的旅游局官博轉(zhuǎn)發(fā)影響因素研究[J]. 唐佳,李君軼.  旅游學(xué)刊. 2015(01)
[4]微博個(gè)體信息傳播影響力評(píng)價(jià)模型研究[J]. 林琛.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 2014(02)
[5]微博傳播過(guò)程中用戶影響力的特征實(shí)證分析[J]. 于晶.  情報(bào)雜志. 2013(08)
[6]微博轉(zhuǎn)發(fā)網(wǎng)絡(luò)中意見(jiàn)領(lǐng)袖的識(shí)別與分析[J]. 熊濤,何躍.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 2013(06)
[7]微博用戶共享行為影響因素研究[J]. 彭柯,朱慶華,王雪芬.  圖書(shū)情報(bào)知識(shí). 2013(02)
[8]極端投資者情緒對(duì)股價(jià)指數(shù)影響的非對(duì)稱(chēng)研究[J]. 陸江川,陳軍.  系統(tǒng)工程. 2013(02)
[9]突發(fā)公共事件中微博意見(jiàn)領(lǐng)袖的實(shí)證研究——以“溫州動(dòng)車(chē)事故”為例[J]. 王平,謝耘耕.  現(xiàn)代傳播(中國(guó)傳媒大學(xué)學(xué)報(bào)). 2012(03)
[10]ROC分析技術(shù)的研究現(xiàn)狀和發(fā)展趨勢(shì)[J]. 涂福泉,陳奎生,陳建勛,駱名劍.  計(jì)算機(jī)與數(shù)字工程. 2007(03)



本文編號(hào)：3195650