不同社会阶层的个体在阅读时间上的差异
对注意力流的时间维度的刻画，我们主要从群体和个体两个层面追踪人们的阅读行为在时间轴上的变化。我们的切入角度是人类行为中的“爆发”现象。“爆发”是各种人类行为中的常见现象，如邮件发送／接收，文件上传／下载和作业提交在线系统，以及达尔文与爱因斯坦的通信行为等。首先，我们从整个的时间跨度来观察人们在阅读行为中表现出的“爆发”现象。
图6-9 某用户3个月内阅读行为中的“爆发”现象示意图
如图6-9，图中记录了某个用户在3个月内的所有阅读行为，横轴是时间线，横轴上的每条细线记录了一次阅读行为，细线的宽度体现了阅读的时长，细线出现的数量体现了在某一段时间内阅读次数的多少。从图中可以直观的看出，在3个月的尺度上来看，人们的阅读行为存在“爆发”的现象，即一段时间内会有较为集中的阅读行为，之后阅读次数较少，如此循环。
图6-10 某用户在3个月内阅读《一千零一夜》的累积次数统计图
我们选取了一个用户642271668，画出了其在3个月的时间内阅读《一千零一夜》一书的时间线。纵轴是累计的阅读次数，从0开始，一共读了30000多次（以触发翻页次数计），可以直观地看到累计次数的增长不是匀速的，而是阶跃式、爆发式地上升，大部分时候曲线都比较平滑，只有几次较陡的上升（在短时间内阅读次数很多，即爆发行为）。
为了量化用户的日常阅读活动，我们采用克莱因伯格开发的爆发检测算法，以研究用户在一天中阅读时间的习惯。基于爆发模型，我们可以根据时间序列将一个人阅读的时间轴构建成一个树状结构，以显示爆发的嵌套层级。爆发的树越深，表明一个人在一天内的阅读次数越多，阅读时间的规律性越强。
如图6-11所示，用户的爆发模式可以被视为一棵树。我们在24小时的时间窗口观察用户的爆发模式（通过汇总所有日期记录）。图（a）和图（b）分别演示了两个典型用户的爆发模式（uid分别为1177522488和345752276）。图（a）中的树更宽，但比图3（b）更深，相应的右侧的时间序列中，用户1177522488阅读行为爆发的次数较多（有多个颜色较深的时间段），而用户345752276阅读行为爆发的次数较少，但深度较深（只有一个颜色较深的时间段，但颜色比1177522488要深）。这表明用户1177522488平均每天有更多的常规阅读习惯，而用户345752276一旦开始阅读时可能会更密集地阅读并持续更长时间。更有趣的是，与用户345752276相比，我们发现用户1177522488在经济管理、科学和亲子少儿类读物上投入的时间更多，而不是小说和原创男频、原创女频等。
图6-11 “爆发”模式的层级结构
基于这套从时间序列中检测“爆发”模式的算法，我们可以将个体阅读行为中的“爆发”特征划分成两个维度：宽度和深度。爆发宽度大表示爆发的次数多，即个体在一天之内有多次较为集中的阅读行为，爆发的深度大表示爆发的程度比较剧烈，即个体在每次集中阅读的时间内阅读的次数较密集。
按照克莱因伯格开发的爆发检测算法，我们计算了Android和iOS用户阅读行为的时间序列中爆发的深度和宽度，统计如图6-12。
图6-12 Android和iOS用户阅读时间序列中“爆发”模式的深度和宽度
从图6-12中我们可以看出，iOS用户在阅读行为中的爆发深度（t=4.32，p<0.001）和宽度（t=4.56，p<0.001）都比Android低，且差异显著。这说明，与Android用户的阅读习惯相比，iOS用户的爆发现象不明显。换句话说，Android用户的阅读行为相对而言更具爆发性，即一旦开始阅读就会连续阅读，且阅读次数较多。而iOS用户在一天24小时内的阅读行为更有规律性，即在一天内的阅读行为分布较为均匀。
为了进一步刻画Android和iOS阅读行为的时间特征，我们计算出在3个月中Android和iOS用户在每天24个小时中平均的阅读时长，见图6-13。
图6-13 Android和iOS用户在一天中各个小时内平均每个人的累积阅读时长
图6-13中，横轴是一天的24小时，纵轴是每个小时内每个用户平均阅读的总时长（按照iOS和Android用户进行区分）。从上图可以看出，Android用户的阅读时间受到日常生活（Daily Routine）的结构影响比iOS大，从时间轴来看，有明显的早高峰、工作时间、中饭时间、工作时间、晚高峰、晚饭时间等比较突出的波峰和波谷。考虑到Android用户代表了一种相对较低的社会阶层，这一现象表明Android用户可能受到更大的工作和生活的压力，因此导致他们导致阅读的时间更容易碎片化（即阅读行为被迫分散在了一天内的多个时间段内）。相比之下，我们发现iOS用户受到工作和生活的压力影响较小，从时间线来看，iOS用户随时都可以进行阅读，在一天24小时内，任意时间的阅读时长的波动较小，受时间的影响相对较弱。
某种程度上说，这张图还可以为碎片化提供了一种思考的角度，即Android用户的阅读时间是较碎片化的，而iOS用户相对而言是碎片化程度较低，衡量标准是每天按小时统计的累积阅读时长的波动程度，前者在一天之内的阅读行为被切割成了好几个时间段，后者在一天之内阅读时长的波动不大。这张图为用Android和iOS划分不同阶层又侧面提供了一些证据——尽管这种阶层可能不直接关乎收入的高低，但能够体现不同的工作类型和生活方式对人的时间安排的压力和影响程度。
在时间上，虽然iOS用户和Android用户阅读时间序列的爆发特征差异不明显，但更细致的观察发现，Android用户在一天之中阅读行为受到日常生活中的时间结构的影响波动很大，相比之下，iOS用户在一天内阅读时间分布波动较小，说明其时间的可支配性相对更强。根据以上观察，我们可以猜想，iOS用户的时间更可支配，所以可以悠闲地读比较难读的书，而Android用户已经为生活操尽了心思，在不上班的时候能够用娱乐聊以自慰就非常满足了。