User engagement with online news: Conceptualizing interactivity and exploring the relationship between online news videos and user comments.

書名（以學術體例詳填資料，網路來源提供超連結及檢索日）：

Ksiazek, Thomas B., Limor Peer, and Kevin Lessard. "User engagement with online news: Conceptualizing interactivity and exploring the relationship between online news videos and user comments." New Media & Society(2014): 1461444814545073.

線上新聞的使用者參與：將其互動性概念化並探索影音新聞與使用者評論的關係

導讀者：柯皓翔

原作摘要：

隨著線上新聞興起，使用者參與的情況也愈趨多樣，有不同的指標可供選擇，以捕捉這些行為。此文聚焦使用者在線上新聞影片的互動參與情形，作者提出一個理論架構去概念化使用者從接觸(exposure)到參與的連續過程。此外，作者也區分「user-content」(例如comment)與user-user(例如reply)這兩種模式的互動。作者接著也測試一系列的假設以探索Youtube上新聞影片的留言及對話行為，最後討論其理論和實際的意義，讓我們對線上新聞的使用者參與有更多瞭解。

重點整理：

研究假設：

此論文第一個研究的目標是去檢查兩種互動參與型態──user-content與user-user。當兩種型態逐漸整合到使用者行為的研究中，研究者提出假設以瞭解受歡迎度(popularity)與互動性(interactivity)的關係。預測的關係是基於我們的一般認知，認為越受歡迎的內容也是吸引越多使用者參與。

Siersdorfer等人(2010)聚焦YouTube影片的留言部分，但強調留言的受歡迎度(例如likes)，最後發現正面的留言往往較受歡迎。Jamali和Rangwala (2009)也在透過新聞社群網站「Digg」研究使用者的行為特色時，連結了互動性與受歡迎度的比率，他們發現留言時間(距貼文時間經過多久)、留言或貼文的文字長短，皆與受歡迎程度有關。Lee等人(2010)也提出一個預測模型，指擁有較長壽命的線上內容、擁有較多留言數的線上內容會有比較高的受歡迎度。基於上述的研究，作者提出下列兩個假設：

l   H1a：在使用者與內容的互動(user-content)中，受歡迎度與留言數有正相關。

l   H1b：在使用者間的互動(user-user)中，受歡迎度與對話數有正相關。

此論文的第二個研究目標在於探索互動性與不同影音內容特色的關係。作者採用兩項研究新聞內容的區分標準來探究──硬性/軟性新聞、客觀/偏頗的新聞，也額外提出了假設。

Boczkowski和Peer (2011)發現了「選擇落差(choice gap)」，指出記者提供的硬新聞多於使用者想要的。儘管如此，其他的研究指出新聞組織正傾向給予更多的軟新聞。Hamilton (2004)指出獲利的動機導致個新聞組織傾向產製更多的軟新聞。當人們看到「新聞軟性化(softening of news)(Boczkowski and Peer, 2011)現象時，很多人也想知道，越來越少的公共議題新聞內容，有什麼社會及政治上的含意。例如，這是否會培養出不關心公共事務的公民？這對審議式民主的健全有何貢獻或減損？

到目前為止，大部分硬性/軟性新聞的研究已經探索內容(主題、形式)、產製(production)、先例(antecedents)及結果(outcomes)。比較硬性/軟性新聞的留言與對話頻率可以對此研究提供額外的貢獻，特別當這些指標連結到內容類型時。基於過去閱聽人偏好軟性新聞的證據，並假定受歡迎度與互動性有正相關，研究者認為越受歡迎的內容(也就是軟新聞)與兩種類型的互動參與(user-content與user-user)有正相關，提出以下假設：

l   H2a：在使用者與內容的互動(user-content)中，軟性新聞影片會比硬性得到更多的留言。

l   H2b：在使用者間的互動(user-user)中，軟性新聞影片會比硬性得到更多的對話。

「客觀性準則(objectivity norm)」自19世紀後期至20世界初期以來已經是現代新聞學一項特色(Schudson, 2001)。不過近來也有許多學者想知道市場力量和經濟上的迫切是否起因於競爭越趨激烈、利基的內容(niche content)及衰退的獲利，導致新聞客觀性的轉換。一項最近的研究指出線上新聞影片中，偏頗的內容會比客觀的內容還要受歡迎(Peer and Ksiazek, 2011)。與先前的假設一樣，因為偏頗的新聞影音比較受歡迎，也應該會與互動參與度呈正相關。因此有以下假設：

l  H3a：在使用者與內容的互動(user-content)中，不符合客觀性準則的新聞影音會得到比較多的留言。

l  H3b：在使用者間的互動(user-user)中，不符合客觀性準則的新聞影音會得到比較多的對話。

方法：

為了要測試這些假設，研究者蒐集發表逾3個月的YouTube新聞影片作為樣本。得到的資料集測量了受歡迎度、留言行為，並透過人工來編碼內容特色，作為子樣本。

網路的動態本質讓選出純粹隨機的影音新聞樣本變得難上加難。為了處理這個問題，研究者首先選擇一個單一網站進行研究，甚至在選擇網站的時候也不是透過隨機抽樣。因為擁有長時間、多樣的使用者行為測量，YouTube似乎是一個自然的選擇(Burgess and Green, 2009; Cheng et al., 2008; Jarboe, 2011)。YouTube是美國最受歡迎的線上影音資產，有著超過1億3600萬的獨立觀看者，是它最相近的競爭者的三倍。單單在2012年的五月，它總共就收藏了165億則影音。它也是影音內容的聚合平台，作為一個包含全世界各式各樣新聞的網站，無論專業或業餘(Pew Research Center, 2012)。

接下來，研究者抽出一個複合的週次(composite week)，採用常用在電視節目內容分析的集群抽樣。研究者將參數設定在2008年的3到6月間，並在星期一、二、三、四、五、六、日各天中再隨機抽取。研究者接下來在新聞的類別中，透過觀看次數排序，各天各爬取前100則影音資料，每一則影音都再抓七天的資料。這些影音包含兩種：改變用途的新聞剪輯(repurposed news clips)(例如被傳到YouTube上的電視新聞60秒片段)以及常常由業餘或公民記者製作的影音新聞。研究者抓下每則影音可公開取得的受歡迎度、互動的度量值。初始的資料集就包含700則影音新聞，用來測試H1a和H1b。

研究者也蒐集一個比較小的子樣本集，由同樣的時間區段間中抓五天，找前40名觀看數的新聞。這191支影片(按：非200是因為爬取過程有發生資料遺漏的問題)會再透過人工編碼的方式去探究內容與產製的特色，也同樣有抓取其受歡迎度、互動的度量值。這些資料則用來測試H2a、H2b、H3a、H3b。

為了測試H1a、H1b，研究者透過五個變項去度量700支影音新聞。為測量每支影音的受歡迎度，研究者採用三個公開可取得的指標──Number of Views、Number of Favorited、Number of Ratings。互動性則仰賴兩個變項：Number of Comments和Ratio of Replies(reply數/comment數)。表1提供五個變數的描述性統計，這些變數在分析前會轉換成log以表達偏態分布(skewed distribution)。

而其餘的假設，研究者用上述同樣的互動參與指標，先透過硬性/軟性新聞比較，再看客觀/偏頗新聞。四位新聞系畢業生為這個子樣本做編碼，學生經過充分訓練也被嚴格監督。他們都遵照一套嚴格的準則，得到82%的同意度，以及Kappa值(Kn)得到0.72(高度相關)。

影片被編碼為硬性或軟性是根據研究團隊既有的內容主題(content topic)資料集。硬新聞包括政治、美國選舉、經濟與商業、國際事務、戰爭與恐怖分子、犯罪、自然災害；軟新聞則包括運動、藝術、娛樂、文化、科學、科技、健康、醫藥、健身、天氣、性、動物、古怪/幽默。偏頗、客觀與否則基於三項人工編碼的變項(名目變項)：

l   公正性(fairness：影片是否呈現一方以上的說法，多方為客觀。

l   來源(sourcing)：採用旁觀的/二手的資訊來源，平衡或替代的觀點，若有使用來源，則為客觀。

l   新聞議題(agenda)：影片是否過度武斷或提倡某項議題，越少提倡者則為客觀。

分析：

測試H1a、H1b時，研究者分析受歡迎度與互動性的相關性。其他的假設則採用T檢驗法比較互動性、內容兩者的平均數。對H2a、H2b來說，研究者比較軟性/硬性新聞中的平均留言數及回應比率。在H3a、H3b中，研究者同樣採用H2的做法，但透過公正性、來源、議題指標來判斷其相對客觀性。

結果顯示H1a的假設得到了支持，三種受歡迎度變項與留言數有中度正相關。越多留言的影音可能也有較多使用者將影片標示為最愛或選擇對影片評價。在接觸、評價的過程中，受歡迎度與使用者─內容的互動有著正向關係。

不過H1b並不成立，表2更指出對話比率與三種受歡迎度變項呈負相關。也就是較不受歡迎的影音，反而較能在使用者間產生對話。

如表3，H2a、H2b、H3a、H3b的假設──越軟性、越偏頗的新聞比較能得到較多的留言和對話，是不成立的。研究者發現，雖然軟性、偏頗的新聞可能比較受歡迎，但在各類型新聞中，留言與對話似乎沒有產生顯著的差異性。

作者後來又從事後歸因分析中發現，改變用途(repurposed)的影片比非改變用途(non-repurposed)的影片得到比較多user-content的互動，但對於user-user的互動並沒有顯著差異。使用者可能更傾向留言在公民自製的影音新聞，而非電視節目新聞片段的線上影音。

結論：

1. 影片的受歡迎度與留言數有正相關，但受歡迎度與使用者間的對話卻呈負相關。也就是說，線上影音新聞的閱聽人傾向對熱門的影音採取user-content互動，傾向對冷門的影音採取user-user互動。

2. 新聞軟性或硬性、偏頗或客觀對於使用者的在YouTube的參與並沒有顯著差異。

3. 公開的這些測量指標，可能比實際的影音內容還要有影響力，讓讀者認為這些影音值得看。

4. 早先人們知道user-content互動基於對資訊的需求、user-user互動基於對社交的需求。作者推測人們可能傾向在有興趣的影片下留言(主動搜尋)，在較為冷門的影片下與人互動，作為專家解答或提出質疑。

這篇研究採用量化研究取徑以瞭解受歡迎度(popularity)和互動參與(interactive engagement)兩種指標的關係，也探討這些指標與不同新聞內容類型的關係。雖然量化參與度很常見，但未來的研究也可能從質化對互動行為的瞭解中獲益。分析使用者在留言及對話中究竟談些什麼可以讓我們對互動參與行為有更深刻的瞭解，也能知道這些行為如何與新聞內容相關，而讓我們開始針對留言與對話的本質與品質去問問題。例如Houston等人發現，從質化的面向(例如政黨傾向)上，回應不同貼文時可能產生感知上的偏差(perceived bias)。

未來的研究也可以從此論文的限制中下手。第一，研究者僅記錄當使用者針對存在的留言按reply鍵時的資料。雖然這是最有效率的方法去蒐集700支影音中的comment、reply，但沒有去處理那些透過tag人、或是留言文字中的reply(“@NewsJuncky:...”或“NewsJuncky,...”)。第二，雖然研究者可以捕捉到超過三個月的使用者行為快照，但長期縱貫研究可貢獻一個更複雜的瞭解──對於互動性、收歡迎度、以及內容特色之間的關係。例如Lee等人(2010)發現comment的壽命與受歡迎度有著正向關係。長期縱貫研究或許可以去解開因果關係。

另外一個探究路線可以研究其互動的歷程(antecedents of interactivity)。根據最近的研究(Chan and Leung, 2005; Chung, 2008; Chung and Yoo, 2008; Ko et al., 2005; Yoo, 2011)，去深入瞭解使用者在新聞影片和其他類型的內容的動機和預測變項會十分有用。瞭解新聞影片周遭的對話本質可以構成理論與實際兩者的興趣。從規範的角度來說，我們可能會對圍繞新聞影片的有禮或敵對的程度有興趣。在政治時代中，許多表徵是被極化的，去觀察他們在線上闡述中是否扮演角色、如何扮演角色也會很有趣。如果從較實際的角度來看，新聞主管已經花大量時間和心力去管理數位形式的互動能力。許多組織也有守則去阻攔留言者間的敵對，例如必須註冊、回報敵對的協議、鼓勵媒體記者或員工去緩和。媒體也可以從這類探討使用者對新聞的留言的研究中獲益。未來的研究可以探索可能的互動結果，可以包含對新聞品牌的忠誠度、學習(Tremayne, 2008)、對使用者感知內容的影響。

研究結果也指出，使用者在不同的等級中，透過不同的方法來參與新聞內容，從接觸（exposure）、推薦(recommendation)到互動(interactivity)。新聞機構或線上組織或許希望應用此文的研究追求更好的使用者參與。雖然未來我們更深瞭解人們如何參與新聞，但許多的問題仍圍繞在他們的動機，這也須加以考量。

與本研究問題意識相關的概念與延伸對話：

1. 新聞媒體若透過Facebook與使用者互動，互動與受歡迎度是否有關、有何關係？

2. 若在臉書上，內容的差異和使用者互動是否有關？什麼樣的因素會促進使用者的參與？

3. 文字、影音本質的不同是否會造成互動結果的差異？

關鍵字：

□ digital journalism (數位新聞學)

□ engagement (參與)

□ interactivity (互動性)

□ news videos

□ online news (網路新聞)

□ user comments

□ YouTube