2.2.2 微博社区成员参与行为研究现状述评及研究问题
1.研究现状述评
（1）核心概念界定
根据已经掌握的文献资料，尚未发现对“微博社区成员参与行为”的明确定义。调研发现，文献中使用较多的表述是“微博行为”，其含义通常是指相关主体在微博平台上利用提供的工具对微博信息进行处理和操作，具体包括关注其他用户，发布、评论、转发信息，检索信息等。同时，也有学者从用户之间关系的角度来描述微博行为，例如，微博信息分享行为[43，44]、微博用户交互行为[45]，本研究认为，类似的表述只是从不同的角度来阐述上文提到的对微博信息的处理和操作，与后者并无实质差别。
此外，需要指出的是，成员在虚拟社区中的参与行为也包括由在线行为引发的成员对线下现实实践的参与，例如，线下讨论、聚会、参加线下社区活动等[46]，因此，本研究认为，“微博社区成员参与行为”也包括由微博虚拟社区中信息处理和操作引发的线下活动，例如，好友面对面交流，公共突发事件中的线下寻人、救助等活动。事实上，用户在微博虚拟社区中的行为是他们之间交流思想、观点和情感的具体实现载体，经由这些互动活动，用户对某些事物的态度一般会发生改变。从社会心理学的角度来看，态度通常包括认知、情感和行为三个组成部分[47]，也就是说，经过交流互动，用户对某些事物的认知、情感和行为会发生改变，上文所指的“线下活动”就属于行为改变的范畴，具体包括用户表现出来的明显的动作或“动作意向”（intentions）[7]①。
由此，本研究中“微博社区成员参与行为”的界定采用第1.1.3小节中的定义：成员在微博平台上关注其他用户以及发布、评论和转发信息等，并且参加由这些操作引发的相关线下活动，通过这些操作和活动的互动来维系他们之间的社会关系，同时也在微博环境中构建自身的角色和身份，最终在客观上形成微博社区产生、维持和发展的过程。
（2）微博社区成员参与行为研究思路分析
从研究的粒度上划分，微博社区成员参与行为研究可以分为个体研究和群体研究。就个体研究而言，从研究取向来看，微博社区成员参与行为研究大致可分为行为表征与动机、影响因素两种取向。行为表征与动机取向是指分析用户使用微博的动机、调查用户关注其他微博用户和发布、评论、转发微博信息等活动的情况，以及分析这些活动所呈现出来的特点。影响因素取向是指探讨这些活动的作用要素与变量。同时，从研究视角来看，计算机科学、教育学、新闻传播学、市场营销学、公共管理学、复杂系统和复杂网络领域等都在不同程度上对微博行为进行了探讨。
（3）微博社区成员参与行为个体研究
1）行为表征与动机研究
①行为表征
了解微博的使用状况是探索微博行为规律和分析微博作用机理的基础，研究者对成员参与微博社区的行为表征与动机进行了大量的调查和分析。归纳来看，行为表征主要包括使用微博的渠道与方式，使用频率与时间，关注、发布与转发信息的数量和内容，以及关注、发布、转发等行为之间或者这些行为与相关属性之间的关系等。
中国互联网络信息中心发布的《2015年中国社交应用用户行为研究报告》[8]指出，用户使用微博采用的渠道比例最高的是手机，占用户总数的88.8%；其次是台式电脑，占51.5%；往后依次是笔记本电脑和平板电脑，分别占42.0%和33.9%。使用频率方面，47.5%的微博用户会每天使用微博，每周登录4～6次以上的用户累计达59.3%，每周登录2～3次以上的用户累计达77.2%。从每天的使用时长来看，23.4%的用户每天使用微博的时长在1小时以上，日均使用时长在半小时以上的用户占45.1%。
一些研究者对微博用户的关注和转发行为进行了重点分析。在关注行为方面，A.J.Morales等[48]发现，大约50%的Twitter用户粉丝数少于15人，只有1%的用户粉丝数大于1000人，大约0.01%的用户粉丝数大于2万人。在Twitter用户关注他人方面，50%的用户关注人数少于40人，1%的用户关注人数超过600人，仅有0.01%的用户关注数超过9500人。P.T.Metaxas和E.Mustaaraj[49]分析发现，在微博互动过程中，用户往往更倾向于关注熟悉或认识的人，这与国内的情况[8]类似，我国微博用户关注的主要人群是同学、现实生活中的朋友、同事、亲人/亲戚，占用户总数的比例在60%以上，除此之外，我国很多微博用户关注明星，关注明星的用户数占用户总数的比例为55.6%。
在转发行为方面，H.Kwak等[50]首次对整个Twitter空间进行了定量分析，研究发现，Twitter信息被发布后，1小时内被转发的比例约占50%，1天内和1个月后被转发的比例分别为75%和10%。A.J.Morales等[48]指出，用户在转发他人信息时，对于一般信息转发较少，而对自己较亲近的人发布的信息转发较多。当然，容易理解，活跃用户和明星等名人微博的被转发量较普通用户大得多。
王彦红和姚二建[51]运用传播学的“使用与满足”理论分析微博使用的状况，认为受众使用微博获得的满足主要表现为满足“使用信息”“缓解焦虑”“情感交流”“自我实现”“主导和掌控”“工具”“慎议”等需求，并认为微博在满足认知和态度层面的使用效果比较明显，但在满足行动层面的使用效果往往不明显。钱颖等[43]分析了不同年龄段的用户使用微博的差异。调查发现，相对于年纪较大的人，年轻人开通微博的时间长，登录微博的频率高，而且，用户发布微博的内容都以心情、生活类为主，附带兴趣爱好和个人观点。吴敏琦[52]调查发现，微博用户关注的主题主要包括热门话题、日常生活信息、娱乐消遣信息以及政治、财经、科技等。Y.Qu等[53]对新浪微博进行案例研究，探讨中国网民如何利用微博应对2010年发生的玉树地震。内容分析发现，微博信息的内容可分为观点相关（比例为35%）、情景（situation）更新（26%）、一般的地震信息（18%）、情绪相关（17%）和行动相关（4%）这五种主要类型。同时，作者分析了地震不同阶段五种不同类型信息的数量变化情况，发现行动相关、情景更新类型信息的转发率显著高于观点相关和情绪相关类型的信息。徐孝娟和朱庆华[54]以中国10家商业银行的官方微博为研究对象，运用扎根理论和内容分析法研究其博文的主题特征及不同主题对受众行为的影响，并对银行电子服务的微博主及受众行为进行统计分析。研究结果表明，银行业微博营销内容涵盖不同主题，包括银行资讯、就业资讯、公益资讯、生活资讯及时事资讯，其中受众将银行产品促销和公益性质的内容作为重点关注类别。同时，银行在开展微博活动过程中存在定时发布微博、刷粉丝、昼夜规律及节假日失声等新现象。
大学生是微博使用的主要群体，针对大学生微博使用状况的调查与分析比较多，尤其是教育领域的工作者和研究者比较关注微博使用对大学生身心发展带来的影响。例如，王亚煦等[55]选取广州大学城10所高校的在校学生进行抽样问卷调查，从大学生使用微博的基本情况、大学生如何认识微博、大学生使用微博的动机及基本活动、微博对大学生的影响这四个方面分析了大学生使用微博的现状。张琪[56]采用调查法，从登录方式、使用频次、关注内容、最吸引人之处、言行的社会责任五个方面剖析大学生微博行为的特点。另外，市场营销等学科的一些学者也探讨了大学生的微博使用问题。例如，申琦[57]调查和分析了上海市大学生微博的使用情况、使用目的、功能和关注的内容以及他们对微博的评价、对未来发展的期待等。张航[58]在调查大学生微博使用状况的同时重点分析了微博转发行为。调查结果显示，大学生高频率转发的微博在表现形式和内容上表现出许多共同之处。在形式上，被高频率转发的微博一般表现形式丰富。除了纯文字类型的微博外，图片、视频形式的内容也受到大学生的青睐。在内容上，被高频率转发的微博娱乐性、趣味性较强，能够抒发情感，与大学生产生共鸣。刘振声[59]通过对复旦大学的大学生的微博使用现状进行调查发现，微博依赖普遍存在于大学生群体中；便捷的媒介接触促进了微博依赖的形成；微博依赖既是受众主动寻求积极媒介满足的结果，又包含显著的被动性和非目的性。张媒媒等[60]对552名西安地区五所高校大学生的微博使用行为调查发现，有将近一半的大学生是微博的长期用户，有少部分还是“高微博控”群体。上述这些调查研究为目前大学生的微博行为状况描述了一个较为清晰的画面：大学生使用微博的比例很高，微博已成为大学生获取信息和与他人交流的一个重要平台，电脑和手机是他们使用微博的主要渠道和方式。大学生在微博平台上比较活跃，发布和转发微博的频率比较高，他们使用微博主要是关注名人、获取最新资讯、与亲朋好友互动、发表个人见解与发泄情感。
另外，还有一些学者分析了微博使用对大学生身心发展的影响。例如，丁慧民[61]通过对安徽省3所211高校的589名大学生调查发现，微博这个网络平台对大学生的人际交往、心理健康、道德观、价值观产生了越来越大的影响。李言菁[62]通过对合肥师范学院200名大学生的调查发现，微博使用的负面作用在一定程度上危害着大学生的情感、认知和价值判断。具体表现在：一是虚拟的互动空间导致大学生对微博产生依赖，成为“微博控”，容易产生人格异常和心理障碍；二是微博中劣质言论和虚假信息导致大学生道德约束的弱化，使其产生非理性的言行。作者认为，政府应承担起净化微博空间的责任，学校应充分发挥微博的教育功能，多渠道引导学生科学使用微博，同时大学生应努力提高自身的媒介素养。
在微博行为特征分析方面，现有研究多为计算机科学和数据挖掘领域的学者所开展，他们通常利用微博平台的开放API[8]①抓取数据，在此基础上挖掘变量之间的关系。例如，H.Kwak等[50]分析发现，67.6%的Twitter用户没有被自身关注的对象所关注。与用户的粉丝数相比，信息的转发次数是预测信息受欢迎程度（popularity）的更好的指标。J.S.Weng等[63]分析指出，Twitter中存在“相似性”（homophily）现象，即用户A关注用户B是因为A对B发布的信息中的话题感兴趣，而用户B也反过来关注用户A是因为B发现他们拥有相似的话题和兴趣。M.J.Welch等[64]发现，用户的粉丝数表明该用户的受欢迎程度，信息被转发的次数显示了信息的价值与质量，相对于粉丝数，转发Twitter信息是衡量话题兴趣（topical interest）更好的指标。高凯等[65]采用模拟用户浏览行为的方法抓取数据，对用户性别及标签的选择倾向性、用户地域分布、发布时间、博文长度和微博内容进行了分析。梁宏等[66]基于新浪微博API抓取微博使用数据，发现粉丝数分布和用户网页排名（PageRank）值分布均服从幂律分布，活跃度分布不同于前两种分布。并且，分别对三种排名靠前的用户及其发布的微博进行分析，发现排名靠前的用户中，用户PageRank值的认证用户多于粉丝数；活跃度排名靠前的用户在广告营销活动中受到广泛的青睐；新浪微博用户乐于转发和评论嵌入了大量图片、视频和链接的微博。另外，还有学者研究了成员在微博社区中的政治参与行为。例如，王菁等[67]对四川省10所高校794名大学生微博政治参与行为的状况进行了调查分析。结果表明，大学生的微博政治参与行为比较积极。具体而言，大学生愿意积极地使用微博学习政治理论知识；比较关注与自身利益相关的社会问题，对自身关系不大的社会问题选择了漠视；积极参与微博投票，愿意表达自身的利益诉求；有极大的热情运用微博参与政治社团活动；使用微博进行政治表达的行为并不积极，只有在微博上与政务类微博互动的意愿超过了50%。
用户微博内容的情感分析也受到一些学者的关注。赖清楠等[68]实现了一种将微博社交信息反馈至BBS的信息抓取与编辑系统，使用活跃度描述微博用户的行为，提出了紧密度和亲密度的概念，分析了用户之间的关系，通过特殊的标点符号对所发的微博进行话题提取，以及采用不同的方法对评论进行情感分析。研究发现：第一，可用活跃度分析微博用户的活跃程度，通过紧密度和亲密度能够很好地发现用户间的关注程度以及潜在的好友关系；第二，采用特殊标点符号的微博话题提取方法，综合准确率达90.0%；第三，通过对比实验分析发现，将网络词典和表情符号相结合的方法对微博评论进行情感分析能够取得更好的效果。朱江等[69]以新浪微博数据为基础，对用户微博内容情感进行分级，进而对微博用户群体情感行为进行分析，建立了分级别情感发博模型并进行了仿真实验。研究发现，用户在表达某一级别情感的发博量均服从幂律分布，且幂指数随着情感级别趋向平和而增加，大部分用户通过微博表达情感时较为平和，需要表达激烈的情感时，用户参与比例会减小。
此外，还有学者利用复杂系统和复杂网络方法研究了微博用户的行为特征及其内在机理。闫强等[70]研究发现，微博用户发布微博的数量及时间间隔均服从幂律分布。通过区分微博用户互动指数的强度发现，微博数量的分布指数与用户度呈反向关系，且随着度的升高，指数的下降趋势趋缓。在排除用户之间的评论、转发行为的影响后，个体用户发微博的时间间隔分布指数与用户度呈正相关关系。基于上述实证分析，作者提出了一种基于社会关系的动力学模型，指出微博用户的行为更多的是受兴趣的驱动，而不是任务的驱动，并通过微博中的转发与评论行为、微博用户间的社会网络关系水平作为对用户行为驱动机制的衡量指标，最后进行仿真实验发现模型与实际情况较为吻合。周沧琦等[71]参考了一个兴趣驱动的人类行为动力学模型，在分析其用户行为时长的基础上，针对差异化的用户行为时长和昼夜作息因素，提出了一个改进模型用以描述微博用户的转发行为。实际数据中用户相邻转发行为时间间隔呈现重尾分布，仿真实验发现，结果与实际数据相符。张杰斌和秦红[72]利用微博用户发布微博所产生的时间数据来研究用户的时间行为模式，研究发现，个体用户时间间隔的统计特征主要服从幂律、指数和双模三种分布函数，并提出了基于任务队列的个体用户行为动力学模型，解释了用户发布微博的时间间隔分布特征。
②行为动机
用户使用微博的动机在很大程度上解释了微博行为的心理来源，是深入分析微博作用机理的一个重要路径。不少学者都对用户的微博行为动机进行了调查和分析。A.Robert和B.A.Pongsajapan[73]调查发现，用户使用Twitter的主要动机是社会联系和交往、学习新知、了解新闻时事、寻求意见和交流互动等。D.J.Zhao和M.B.Rosson[74]采用半结构化访谈法调查了企业工作人员使用Twitter的动机，研究发现，使用Twitter与使用其他社会化媒介（IM[9]①、博客、RSS[10]②等）具有相似的动机，具体包括与他人保持联系、发掘有趣的事情、获取与职业或个人爱好相关的有价值的信息、寻求帮助或获取他人观点、减轻情绪压力等。除此之外，使用Twitter还具有三个独特的目的：一是更加快速和容易地分享日常生活中有趣的事情，与他人尤其是生活圈以外的朋友和同事保持联系；二是发布实时信息，包括正在做的事情、对事物的思考等；三是将Twitter作为RSS种子收集有趣的、对工作和个人爱好有用的信息。D.Boyd等[75]将转发Twitter信息看作人们之间的一种交谈（conversation）形式，分析发现，用户转发Twitter的动机有娱乐其他受众、对信息加以评论和公开赞同他人等。王娟[76]将微博用户的使用动机分为社会性动机、记录表达动机、情感性动机和信息性动机等。钱颖等[43]发现，周围人都使用和时代潮流是人们开通微博的主要原因。殷猛和李琪[77]通过调查发现，用户使用微博主要有情感表达、利他动机、娱乐动机、自我提升、社交动机和信息动机这六种动机。赵玲和张静[78]认为微博用户的使用动机受个人特质、环境因素和微博平台等的交互影响。作者将微博用户使用动机分为信息动机、休闲动机和社交动机等，并通过实证分析发现，不同用户的使用动机是不同的。从整体上看，信息动机和休闲动机占据主要地位，社交动机作用发挥欠缺。并且，使用动机对用户的微博持续使用意愿和满意度都存在显著影响。
大学生使用微博的动机受到国内学者的广泛关注，具体的文献梳理参见第4.2.1小节中的内容，在此不再赘述。
2）行为影响因素研究
微博社区成员参与行为-的影响因素研究主要从两个方向开展：一是从微博主体互动的角度来分析不同行为之间的影响，二是就关注、转发等具体行为的关联属性进行分析。当然，这两个方向也相互交叉。为了论述方便，下面分别加以梳理。
①微博主体互动分析
在微博主体互动方向，多个学科领域的学者对此进行了探讨。例如，夏雨禾[79]从传播机制的视角，将微博用户分为微博达人、人气草根、普通匿名用户和媒体微博四种类型的主体，以消息、话题、角色和技术平台这四个方面的结构性要素为依据，探讨了四类主体之间的互动结构，提出了微博传播的“链状”“环状”“树状”结构。汪莅轩[80]从组织管理中环境影响的角度，运用有限理性决策和行政领导学等理论，分析政府官员、组织机构和微博关注者之间的互动关系，重点分析了多元互动对政府官员微博行为的影响。作者指出，由于民众诉求本身的非程序性，在官员、组织机构和民众结构固定的情况下，唯有领导者卓越的沟通、交流、处理调节能力，才能最大限度地减弱其高自由度行为所带来的影响。因此，势必需要呼吁官员审慎决定进入微博这一平台，规约自身在微博中的行为活动。林锦国和张若冉[81]选取30家著名企业的官方微博作为研究对象，研究了企业官方微博的账号特征和行为特征，并考察了用户的响应行为和信息传播规律，研究表明，企业微博具有显著的明星微博特征，活跃度较高，但微博质量不够理想，信息衰亡速度快；影响力扩散能力受到微博质量和现有粉丝响应状态的影响。田萃和韩传峰[82]以厦门警方通过新浪微博平台征集案件线索为例，深入分析警方的信息公开和公众的网络参与行为，研究政府与公众在网络空间中的互动关系特征。研究发现，公众参与与警方信息发布的主体、内容、方式和参与转发的关键用户相关，少数关键节点控制着信息传播的方向和参与群体，拥有较大的影响力；不同类型的警方微博账户与公众的互动方式不同，机构账户呈“点对面”型，个人账户与公众的“点对点”型互动较多。钟伟军[83]运用“过程-事件”研究方法，以深圳“5·26飙车事件”为个案，深刻剖析了地方政府在面临公共危机时通过微博平台与受害人相关方、意见人士和普通民众的互动过程和运行机制。研究发现，这些主体在微博平台上通过及时、理性和有效的互动和沟通获得了多赢的局面：政府在短短几天的时间内从网络舆论危机中走了出来，受害人相关方和其他民众的情绪也得到了较好的疏通和消解。
②行为关联属性分析
在行为关联属性方向，现有文献一般沿着两条思路开展研究：一是分析人口学变量与微博行为之间的关系，二是挖掘微博信息特征与微博行为之间的关系。
第一，人口学变量与微博行为之间的关系(https://www.daowen.com)
年龄和性别是学者比较关注的人口统计学变量。钱颖等[43]发现年龄对用户的微博行为存在影响，年轻人更倾向于主动开通微博，且使用时间更久，他们使用微博的频率高于年纪较大的人群，在微博上停留的时长也超过年纪较大的人群。张航[58]发现，不同性别的大学生对信息内容关注的侧重点不同。在转发微博的表现形式上，63%的男生喜欢转发图片与文字类型的微博，而49.1%的女生喜欢转发文字和相关链接类型的微博。在转发微博的内容上，男生以娱乐消遣、生活感悟、精品汇集类为主，而女生则主要为明星八卦、抒发感情和精品汇集类为主，其中明星八卦类占47.3%。另外，也有学者探讨了人格变量对微博行为的影响。例如，黄京华等[84]在测量“90后”大学生对网络认知态度的基础上，将“90后”大学生分为强依赖型、工具依赖型、社交依赖型和弱依赖型四种不同类型的网络使用人群，分析了不同类型的大学生在使用微博时的行为差异。还有，在政治参与这一特定的情景中，男性比女性更多地使用微博学习政治理论知识和参与政治社团活动，而女性比男性更多地通过微博关注社会政治；中共党员（含预备党员）比非中共党员更多地使用微博关注社会政治、政治投票和参与政治社团；家庭收入较低的大学生在运用微博政治投票方面表现更显著。[67]
第二，微博信息特征与微博行为之间的关系
微博信息特征通常分为用户特征和文本特征两大类。用户特征有时也称社会化特征（social features），是指微博平台上与用户虚拟身份相关的特征，具体包括关注其他用户的数量、粉丝数量、是否认证用户、用户被加入列表的次数、注册时间、用户账号的长度、发布的微博总数等；文本特征是指与具体的微博信息相关的属性特征，具体包括内容长度、发布时间、是否包含URL[11]①、URL的数量、是否包含标签（hashtag）、标签的数量、是否提及他人、提及他人的次数、是否为回复、以前是否被转发等。
微博信息特征分析以计算机科学领域的学者研究居多，他们通常利用机器学习（machine learning）等方法挖掘具体的信息特征与微博行为之间的关系。由于信息转发是微博信息传播中的关键机制[85]，许多学者对微博转发的影响因素进行了探讨。B.Suh等[85]分析发现，URL、标签与Twitter转发率显著强相关，粉丝数量、关注其他用户的数量、用户账户创建的时间长短也影响转发率。T.R.Zaman等[86]训练了一个概率协作过滤模型（prob-abilistic collaborative filter model）预测将来的Twitter信息转发，发现信息初始发布者（tweeter）和转发者（retweeter）的特征（账号、粉丝数等）是最重要的预测指标。S.Petrovic等[87]利用消极-扩张算法（passive-aggressive algorithm）进行机器学习，建立Twitter信息转发的预测模型，研究发现，用户被加入列表的次数、粉丝数和关注数是权重最高的预测指标。张旸等[88]基于分类算法进行机器学习，提出基于特征加权的Twitter转发预测模型，预测准确率达到86%。并且，研究发现，用户特征与文本特征对Twitter信息转发的影响同等重要，用户的粉丝数、用户被加入列表的次数、平均每天积累的粉丝数、平均每条Twitter信息积累的粉丝数是最重要的几个预测指标，Twitter信息是否提及他人以及提及他人的次数、是否为回复信息是负向的预测指标。赵煜等[89]针对微博转发预测方法研究中的数据集不平衡问题，提出了一种融合过采样技术和随机森林（RF）算法的微博转发行为预测方法，实验结果表明，所提方法在实际应用中能够有效提高微博转发行为预测的准确率。洪巍等[90]以上海福喜事件为例，分析了网民在食品安全网络舆情中转发行为的特征与主要影响因素。研究结果表明，对于仅有原创内容的微博，发博者微博的粉丝数、微博数、认证情况以及发博者微博内容的情感倾向、是否有链接、是否有视频对其微博的被转发次数有显著影响；对于转发了他人内容的微博，转发者微博的粉丝数、微博数、认证情况、被转发者微博的粉丝数、被转发次数、被转发者微博内容是否有链接对转发者微博的被转发次数有显著影响。刘玮等[91]针对现有研究聚焦在微博属性及微博传播网络特征、没有充分考虑转发行为的动态性和用户历史行为的规律性的缺陷，从微博能见度和用户行为特征角度研究微博转发预测问题，提出了基于用户活跃期和时间窗的转发行为、忽略行为、未接收行为识别方法，为模型训练和效果分析提供了更为准确的数据基础；并且，提出了基于时间衰减的用户兴趣计算模型，有效度量用户兴趣及其变化特性对用户转发行为的影响程度；还有，提出了用户转发率、交互频率等用户行为特征，有效度量了用户历史行为模式和用户影响力传递效应的差异性对用户转发行为的影响，最后融合上游用户特征、微博特征、转发用户兴趣和历史行为特征，提出了基于分类模型的转发行为预测方法，实验结果表明，该方法能够有效提升预测准确性，并且能够在较小规模的训练集上取得好的预测效果。
也有学者对微博用户关注行为的影响因素进行了研究。曹云忠等[92]在融合微博主影响力、用户活跃度等因素的基础上，提出了以兴趣相似度为核心的用户关注预测指标。并利用模糊近似支持向量机作为预测工具，对模糊隶属度算法进行了优化，推导了基于矩阵的模糊近似支持向量机预测模型。实验结果表明，提出的指标能很好地用于微博用户关注行为的预测，并且，提出的预测模型具有较高的预测精度，且预测结果稳定，在微博用户关注行为预测中具有较强的实用性。
微博评论行为的研究多由文本分析领域的学者展开，主要是根据微博信息的内容来分析评论的情感。张圣声等[93]提出一种微博平台上的产品评论情感倾向性分析方法。具体地，首先对特定语料库的产品特征词的词性进行分析，得到特征词的词性重要程度顺序；然后，以情感词典识别的情感词为起点，提出一种依据词性重要程度的“特征观点对”识别规则；最后，依据该规则进行微博产品评论语义倾向的情感计算。何炎祥等[94]针对微博中商品的评论文本短小、结构多样等特征，在仅使用现有的微博级情感标注的条件下，提出了一种基于层叠条件的随机场模型。以中文小句中枢说为理论基础，将商品评论的句子划分为若干小句，使用微博内小句序列的各种特征训练粗粒度的随机条件场情感分类模型，同时使用小句内汉字序列的各种特征来训练细粒度的随机条件场情感分类模型。作者通过实验分析表明，该方法优于传统的情感分类方法。
（4）微博社区成员参与行为群体研究
相对于个体行为研究来说，对微博社区成员参与行为的群体研究比较少，近几年来才逐渐增多。微博社区成员参与的群体行为是指在由微博用户组成的群体中的成员之间的互动和相互作用而表现出来的具体的行为方式[95]。典型的群体行为包括微博言论、微博抗议、微博集群等。微博社区成员参与的群体行为研究主要分为两大类：一类是对微群体行为的表现特征和形成机制等进行解释性分析，新闻传播领域的学者多进行这方面的研究；另一类是群体行为的影响因素分析，管理学领域的学者介入相对较多。
1）表现特征与形成机制研究
陈华明和李畅[96]认为，微博以其技术特性将群体认同的方式与类型大大扩展，微博群体认同出现了名人型群体认同、草根性群体认同、兴趣话题型圈子、友人关系型圈子、组织型圈子、个人型圈子这些新的认同方式，表现出具有差异性的群体行为。
微博社区中的群体极化现象引起了许多学者的兴趣。刘涛和杜蕊[97]指出，微博舆论形成和扩散十分快捷，一般规模较大，容易造成群体极化。董玉芝[98]认为，微博谣言群体极化主要有三个方面的成因：一是变形失真的微博内容是滋生微博谣言群体极化的源头，二是多元化的传播途径是微博谣言群体极化发酵升温的催化剂，三是平等化的传受关系强化网民对微博谣言群体极化的认可度。辛文娟[99]通过对2013年“武大赏樱门票涨价”的微博内容进行分析发现，争议性的话题和微博独特的传播机制为群体极化奠定了基础，媒体的官方微博设置的议程会在很大程度上影响极化的走向。另外，在某些特殊情境下，讨论中形成的群际关系和网民的社会身份意识会忽然消解或者引爆群体极化现象。辛文娟和赖涵[100]还通过对2013年“浙江温岭杀医”事件微博内容的分析，探讨微博网民在讨论社会热点议题时群体极化的走向及其影响因素，并构建了在微博环境中群体极化的动力机制模型。研究发现，能促发社会情绪的事件、网民群体协同和新媒体赋权都能促进群体极化的发展，而网民日益提升的网络素养和各部门对微博的规制可能减缓群体极化的走向，而媒体的议程设置和舆论领袖的引导则影响结果的不确定性，可能转化为群体极化的促进力或阻力。
2）影响因素研究
魏玖长等[101]结合微博中的群体性突发事件分析认为，群体行为的层次差异性主要受到群体外部环境、群体成员自身利益需求、群体互动以及群体结构等因素影响。张静等[95]认为，微博用户群体行为具有自组织性、随机性和复杂性的特征。他们通过抓取微博数据分析发现：微博用户群体的平均路径长度较短，群集聚集程度高，但是群体之间的交互较少，呈现弱关系连接的趋势；群体成员在年龄、学历、地域、职业等方面分布复杂，使得群体呈现多元化，群体结构复杂；在群体中，有的群体成员在其中受到的关注较多，较为活跃，但也有一些成员比较沉默，处于群体的边缘位置，造成群体中成员分布不均匀的状况。同时，基于微博平台的开放性、自由性与匿名性，微博用户群体是一个开放性和动态性系统，用户群体行为受社会宏观环境、微博环境和群体内部环境等多方面因素的共同作用，群体成员不断与群体外因素进行交流和沟通，使群体成员的思想、观念与行为等都会受到较大影响，进而影响其群体决策；另外，群体成员在面对多样化的环境和变化时，并非一成不变，而是不断改变自身的结构与行为以适应外界的变化，这就使得群体行为更为复杂。宏观因素在作用于微博用户群体行为时，群体成员之间的交互和群体成员的心理与动机等微观因素，也在不断增加群体行为的复杂性。微观因素多与群体成员自身的心理、需求、动机和行为方式相关。由于微博用户群体的开放性与动态性，群体成员的不稳定性和随机互动，群体行为受成员行为影响，也会处于不稳定的状态，具有不可预测性。张静和王欢[102]还具体分析了微博用户群体行为的形成过程。她们根据元胞自动机理论建立微博用户群体行为形成互动的演化模型，分析发现，微博用户群体成员的行为有一定的偏向性，环境变化和成员的个性都会对其行为方式和群体行为的形成产生影响。她们认为，随着时间的变化，成员个人行为的表现会从分散走向统一、从多元化走向单一化、从随意性走向固定性，达到稳定发展的趋势，形成微博用户群体行为。此外，张静和赵玲[103]还通过建立微博用户群体行为影响因素的解释结构模型分析发现，为了达到对微博用户群体行为进行合理引导与利用的目的，要从微博用户群体成员的心理教育、网络环境净化、政府工作机制与政府完善等方面进行不断改进。
微博网络抗议是一种典型的微博群体行为，也有学者对此进行了研究。例如，马卫红等[104]利用新浪微博的数据分析发现，保障性风险感知群体是网络抗议的重要群体，并且更多地将抗议矛头指向政府；公平性风险感知群体进行网络抗议的可能性也较高，同时使用网络暴力的可能性也显著高于风险感知休眠群体；整体性风险感知群体使用网络抗议的可能性虽没有明显高出其他群体，但是一旦其进行网络抗议，则抗议矛头会指向政府，以及使用网络暴力的可能性均远高于风险感知休眠群体。
2.研究问题
通过上文对微博社区成员参与行为及相关研究的条分缕析，可以有如下两点发现：
一是微博社区成员参与行为是多学科领域的研究主题，不同学科领域的学者分别从自身学科的基本理论、研究范畴和主要方法出发来研究问题。计算机科学的学者专注于微博信息的扩散机制和行为预测，多采用计量模型和文本分析等方法开展研究；新闻传播学的学者多运用新闻和传播理论分析微博信息的新闻价值、传播机制、舆情监测和舆论引导规律，常用方法包括理论阐释、内容分析、调查和案例研究；教育学的学者一般从教育理论和教育工作实际出发探讨微博使用对大学生身心发展的影响，多采用调查法；市场营销学的学者侧重于讨论微博营销的方式及其效果，调查和案例研究是主要研究方法；公共管理学的学者通常运用公共管理与治理等理论分析微博使用的管理问题；复杂系统和复杂网络领域的学者多是研究微博用户行为的数量和时间分布规律，主要采用数学建模和仿真研究方法。这些多学科视角从不同方位和研究路径多角度地考察微博社区成员的参与行为问题，使本研究对该问题的认识更加全面和丰满，为更加深刻和系统地探讨成员的参与行为规律提供有益的借鉴。
二是对微博社区成员参与行为的表征，微博主体之间的互动机制以及人口学变量，微博用户特征与文本特征对微博关注、转发和评论等行为的影响机制等方面的研究已较为成熟，并且，对用户使用微博的动机的调查分析也较为翔实，基本勾勒出成员参与微博社区行为的微观画像。这些研究成果也为本研究进一步探讨奠定了基础。
然而，现有微博社区成员参与行为及相关研究也存在着一些不足，至少还有以下几个方面有待进一步开拓：
一是国内微博行为研究的原创性理论比较少。国内学者提出的新理论较少，多是对国外理论和研究方法的引进、检验和拓展。国外的微博行为研究几乎都是以Twitter为对象展开分析，而Twitter植根于北美政治与文化背景，中国有自身特有的互联网发展和管理环境以及文化背景，西方的研究成果对我国微博发展和管理的价值还有待检验，急需强化本土语境下的微博社区成员参与行为的理论研究。
二是成员参与微博社区的动机与参与行为之间的因果关系还不明确。尽管已有针对微博使用动机的大量调查分析，但是这些动机与成员参与微博社区的行为之间究竟有怎样的因果关系仍然不够明朗。这些动机对参与行为的影响有差异吗？又有怎样的差异呢？这些问题还需要研究者开展进一步的研究。
三是对影响微博社区成员参与行为的其他心理因素还缺乏系统研究。前文指出，虚拟社区实质上是一种与地域和社会的群体相关的心理群体[24]，微博作为一种虚拟社区，成员个体的心理要素及相互关系在微博社区的形成和维持中就起着根本性作用。那么，还有哪些重要的心理因素对成员参与微博社区的行为存在影响呢？这方面的研究还比较少见。
四是微博社区成员参与行为的心理机制研究比较薄弱。具体而言，成员的参与动机和相关心理因素如何影响他们参与微博社区的行为还不得而知。如前所述，对成员参与社区的心理机制的把握对微博社区的建设和管理而言显得十分关键。这应该是后来的研究者要重点解决的问题。
五是重点微博用户群体的研究力度还需要加强。重点用户群体的微博社区参与行为特征可能与一般用户群体存在差异，对考察对象进行细分有利于理论探索的进一步深化，也使得管理实践更加有的放矢。就像现有许多文献关注大学生群体一样，以后要加强对其他用户群体的单独研究，这些群体可以包括不同年龄段、不同职业的人群，例如，青少年、企业职员等。
六是不同领域的微博社区成员参与行为研究还有待深入和细化。第2.1.3小节中论述行为研究的模型时指出，不同的“领域”有与该领域知识密切相关的特有的行为规律，“领域”能确定行为的环境因素。那么，政治参与、公共突发事件、企业营销等不同领域中的微博社区成员参与行为就有各自独有的规律，这些不同领域中的参与行为还有待做更细致的深入研究。并且，微博现在的一个重要发展趋势就是在垂直领域培育内容生态系统和用户[4]，不同垂直领域中的微博社区成员参与行为也需要单独细化研究。
七是微博社区成员参与的群体行为研究还比较薄弱。尽管近年来已有一些相应的研究文献，但还不够系统和深入。群体的规模、结构等因素对微博暴力、联名行动等群体行为有怎样的影响以及这些群体行为的演化机理等是什么还不是很清楚，后来的研究者在这些问题上还有许多工作要做。
由此，以上面的论述为基础，依据第2.2.1小节中的“微博社区成员参与行为研究的逻辑”，本著作拟选择以下几个问题开展深入和系统的研究：
一是中国微博社区成员参与行为的总体特征是什么？
二是成员参与微博社区的动机与他们的参与行为之间有怎样的因果关系？大学生群体的参与动机状况又是怎样的？
三是除动机外还有哪些心理因素对成员参与微博社区的行为存在显著影响？
四是动机和相关心理因素如何影响成员参与微博社区的行为？