Page 238 - 《社会》2017年第4期
P. 238
观点与链接：在线社交网络中的群体政治极化
极化程度。其次，社交网络的使用者通过一系列对相异观点的筛选和
过滤，进而通过在线社交网络的朋友建构机制，寻找与自己政见相同
者，最终塑造了一个以自己为中心的观点极化的社会网络。研究表明，
社交网络使用频率越高，使用者越可能屏蔽自己不同意的观点，并对这
些观点保持沉默。这支持了本文的假设 犎１犪 和 犎１犫 。通过进一步分
析，这些屏蔽不同观点和对不同观点保持沉默的使用者，也会更倾向于
成为分享自己观点者的粉丝，这支持了本文的假设 犎２犪 和 犎２犫 。我们
将上述变量构建路径回归模型，如图 １ 所示，可以看出，从社交网络使
用到最终的群体极化状态的路径回归结果，均支持了本文的假设 犎３ 。
最后，有明确政治倾向的社交网络使用者的确也更容易通过一系列观
点生产和链接构建的微观机制，塑造出一个更为激进的在线参与环境。
本文的假设 犎４ 也得到了支持。
注：系数为标准化回归系数； 狆 ＜ ０．０１ ， 狆 ＜ ０．０５ ， 狆 ＜ ０．１ 。
图 １ ：社交网络中群体极化的初始模型
根据模型的修正指标，我们用以衡量群体性和积极性的两个指标存在
残差相关性。这符合理论预期。基于此，我们对模型进行了重新设定，将
两个外显变量的残差设定为相关。通过对初始模型和经过简单修正后模
型的拟合参数进行比较（参见表 ４ ），可以发现，事实上两个模型都能够实现
很好的拟合，而且相关指标的关系变化不大。由于修正后模型的拟合度更
佳，因此，我们将修正模型作为群体极化研究的最终模型（参见图 ２ ）。
表 ４ ：模型的拟合指标比较
２
指标 犆犉犐 犚犕犛犈犃 犃犌犉犐 χ 犱犳 犃犐犆 犅犐犆
指标要求 ＞ ０．９ ＜ ０．５ ＞ ０．９ ２－５ 之间 越小越好 越小越好
初始模型 ０．９５３ ０．０４２ ０．９７８ ４．４４３ ６１．１ １７０．１
修正模型 ０．９８４ ０．０２７ ０．９８６ ３．８７８ ５４．８ １６８．８
· ２ ３ １ ·
