事实知识与结构知识
尽管媒介效果研究仅从常识和日常语言的角度去把握知识，但知识这个研究变量并非没有争议。很多学者就讨论过知识这个概念复杂的内在张力。其中一种批评是，尽管大部分研究都将知识操作化为一种对时事新闻的回忆，但却忽略掉人类认知中更复杂的理解形式。一个核心的问题是，我们应该将知识理解为一种事实性信息（factual information）还是结构性信息（structural information）。学者汤姆森（Thomson）指出，媒介效果常用的事实性知识没能全面地分析人们在新闻学习中获得的效果[13]。诚然，新闻为人们提供了基础的事实信息，但新闻中也包括大量分析、评论和观点，其信息内涵是很丰富的。同时，新闻观众会将从媒介获取的信息与他们的个人经历、其他渠道获得的信息或与他人的交流谈话作横向的勾连比对，在整合处理后（integrative processing）形成更为深层的理解。比如，我们知道中美贸易战不断升级属于事实性知识，但通过新闻我们也会形成一些理解，比如贸易战对国际关系与全球金融贸易的影响，或者贸易战与国内股市或楼市的关联等。从知识的角度看，这类理解并非态度或信念，也是媒介使用给人们的认知性影响。其实，不少政治传播学者都意识到个体在公共事务与政治方面的认知是一个多层次的、复杂的体系，而非简单的信息叠加。在政治传播研究中，已有不少概念用于考察个体对政治与公共事务的认知与理解，如“专业知识（expertise）”“知晓度（awareness）”“政治卷入（political engagement）”以及“政治复杂性（political sophistication）”[14]。这些概念都超越了事实性知识，旨在还原个体政治认知本身的复杂度。
很多学者针对知识的“事实性”与“结构性”张力作出讨论。媒介学习研究的重要学者Eveland曾在一篇文章中对这部分文献作出总结[15]。例如，有学者曾针对知识的内在层次将知识分成三种类型：宣称性知识（declarative knowledge）、程序性知识（procedural knowledge）与结构性知识（structural knowledge）[16]。其中，宣称性知识指的是人们意识到某事或知道其存在的认知状态。程序性知识则用于问题解决（problem solving），是在实际情况下对宣称性知识的应用。而结构性知识则是一种中介形式的知识，它可以帮助人们将宣称性知识转译成程序性知识，并实现知识的应用。学者纽曼（Neuman）区分了政治思维（political thinking）的两个层次：区分（differentiation）与整合（integration）[17]。其中，区分指的是个体所掌握的具体的政治信息的数量，而整合则意指这些政治信息、问题和意见相互组织的方式。学者格雷伯（Graber）将个体从新闻内容中所获得的信息分为两类：外延信息（denotative information）与内涵信息（connotative information）[18]。外延信息指人们通过感官获取的对事实的直接记录；而内涵信息则是个体将所获得的信息与自身记忆联系后加工得到的信息。基于这些讨论，Eveland等人针对“事实性知识”的概念性缺陷，提出了知识效果的另一个面向——“结构性知识（structural knowledge）”[19]。结构性知识的提出基于这样一个假设：人类的记忆是网络结构的存在，储存的信息如同一个个节点（node），以网状形式勾连在一起。例如，我们都熟悉的媒介效果启动效应（priming effect），其重要的前提假设也是将人类记忆理解为网络结构，因而触动某一信息节点可以激活与其相关的其他信息节点。从这个角度出发，人们从媒介获取的知识也会融入记忆网络，研究媒介学习也必须考虑到从媒介获取的信息之间彼此勾连的方式。这样，Eveland提出了结构性知识的概念，并对其作了一个简单的操作化处理，即测量人们某个记忆领域中的概念网络的密度。也就是说，这种操作化方式用简单的网络分析概念——密度（density），来衡量受访者思维中某些问题/概念/领域之间联系的紧密程度。例如，研究者会要求受访者报告他们印象中的某些问题领域（如金融危机、环境问题、国际政治、科学研究）之间两两相连的关系强度。由此，学者得到了一个小型的权重网络，而这个网络的密度被称作“知识结构密度”，在研究中被操作成“结构性知识”的一种表现形式。
其实这种操作化方式是远远不够理想的。它只从表层考察受访者将不同问题领域（issue domain）在认知中进行联系的强度。可以想象，受访者对问题领域的定义会存在不同程度的偏差。比如，受访者A心中的环境问题可能是空气污染，而受访者B想象中的环境问题则与动物保护有关，这给测量的信度带来挑战。另外，测量问题领域的联系所用到的量表也过于复杂，不便受访者理解。笔者曾在问卷预测试中用一个矩阵题的方式要求受访者指出问题之间的联系紧密度（0为没关系，1为关联微弱，5为关联很强）。很多受访者反映，这个题目很难理解，作答时感到费解也很费力。此外，这种类型的问题所得的结果有可能是研究工具所激发出的研究产物（research artifact）。例如，我们可能很少会将贸易问题与环境问题联系思考，但当问卷题目提问这两个领域有什么联系的时候，我们会努力尝试建立二者的联系。因此，Eveland所提出的结构性知识虽然很有创造性，但相关研究中采用的情况却并不多见。
总结而言，作为一种媒介效果的“知识”是存在内部层次的。最基本的，我们从新闻获得的知识可以分为“事实”与“理解”两个面向。“事实”就是对简单事实信息的认知与记忆；“理解”则是我们通过新闻获取的结构性的知识，是将所得的信息与过往记忆、自身经验、与人交流等多方面进行融合加工所得到的更为复杂的知识形态。但就实际研究来看，大部分研究都只是从“事实”的面向上把握知识；“理解”则非常难以操作化。我们很难想象可以通过社会科学常用的测量工具去把握人们对社会的“理解”。换言之，“结构性知识”的测量工具的效度是有问题的。2014年，笔者参加在西雅图举办的国际传播协会（International Communication Association）年会时，专门来到“新闻学习”研究的小组去听该领域的顶级学者发言。该小组所报告的大体是量化研究，但笔者很清晰地记得有一名学者使用了田野方法考察人们在日常生活中如何谈论政治和时事（political talk）。在发言中，她温和又不失坚定地强调诸如“知识”“专长”等政治传播的常见概念实际上是极难把握的，研究者只有沉浸于人们日常的言说，才能真正考察到“知识”本应有的复杂形式。笔者同意这位学者观点，但她的意见实际上又把我们带回关于质化研究和量化研究之间根本差异的讨论，因而也不具有很强的建设性。笔者认为，这大概不妨碍研究者继续用妥协的方式去对各类知识进行简单的操作，以期在广度和面上去把握问题。但同时这样的观点也可以不断提醒量化研究者反思他们所使用的研究工具本身的局限性，并且不断督促学者去用更加多元复杂的视角和方法来理解“知识”这个概念。其实，我们对待绝大多数的社会研究概念也都应抱持类似的态度。