从大众传播层面来讲，健康传播是以大众媒介为主要信道来传递健康资讯以预防疾病、促进健康（Jackson，1992）。报纸、杂志、广播和电视等传统媒体长期以来都是健康传播所倚重的传播工具。如今，Facebook、Twitter、微博等社会化媒体获得爆炸式增长，新媒体平台上的健康传播结合了大众传播和人际传播的优势，传播机制的创新使其成为健康传播的有力工具。社会化媒体给健康传播带来了机遇：
第一，社会化媒体体现着一种更加公平的方式，在不同教育程度、种族、民族的人群中扩散，能够超越传统的数字鸿沟，通过社交媒体影响更多普通人的健康行为（Chou et al.，2009；Kontos et al.，2010）。
第二，社会化媒体能够通过互动为广大用户提供社会支持（Farmer et al.，2009），比如人们可以通过一些社区共同戒烟（Selby et al.，2010），和一些专业人士讨论较敏感或者复杂的健康问题，对于用户来讲都是很好的社会支持（Colineau & Paris，2010）。
但是与此同时，社会化媒体的发展也给健康传播带来了如下几个方面的挑战：
第一，社交媒体对权威的解构和健康传播倚重专业权威之间的矛盾。传统的可信度判断标准受到了Web 2.0的挑战，因为Web 2.0聚集了大量个体的经验或意见，聚合了群体的智慧，基于特定的情境和知识，某些草根也可以成为专家（Metzger et al., 2010）。Web 2.0时代提升健康信息的可信度，除了发布来自权威学者或官方的信息外，那些具备实际健康经验的个体信息也变得可信（Eysenbach, 2008）。但是健康传播又是一个特别倚重于专业权威的领域。
第二，社交媒体公私界限的模糊和健康传播强调隐私之间的矛盾。社会化媒体上公共性与私人性之间的界限是模糊的。用户往往在上面泄露了个人信息并且没有意识到可能的危险（Barnes，2006）。社会化媒体的使用对于用户的隐私和数据的安全性带来影响，比如对个人数据进行索引的潜在危害（Fernandez Luque et al.，2009）；而健康传播是一个非常强调私人性的领域（Starr，1999）。
第三，社交媒体上情感的盛行和健康传播注重理性论证之间的矛盾。Lash（2002）指出在现有的媒介环境下，信息处于失控的状态，没有反思和推理的余地；而情感在网络传播中的作用日益受到重视（Bollen et al.，2009 ）。但是健康传播的主要范式包括使用统计证据、概率、逻辑和理性诉求来说服和激励人们采取某些健康行为（Hinyard & Kreuter，2007）。
总的来说，社交媒体某些被学者发现的特性，恰恰与已有研究中发现的健康信息应该具备的特征不一致。所以本研究想探讨健康信息的权威性、公共性与私人性、论证方式等特征如何影响其在微博上的扩散与互动。
一、微博的扩散与互动
转发是微博上信息扩散的关键机制，和多种社会动机相关，例如向新的受众扩散某些信息、愉悦某些特定受众、公开支持某人、引用他人的观点、象征友谊忠诚或尊敬等。因此有学者认为探索转发行为的原因对于了解信息在微博上的扩散进而优化微博信息的传播是非常重要的（Suh et al.，2010；Neiger et al.，2013）。Starbird和Palen（2010）对社会化媒体在突发事件中的作用进行了考察，认为转发就是一种信息推荐行为，用户把自己认为重要的信息传递出去，所以转发数可以作为衡量影响力的一个指标。
评论和点赞是用户在微博上进行互动的主要方式。评论在国内的微博上是一个非常重要的功能，这也和中国网民早期在论坛、博客留言评论培育出的习惯有关。在微博平台上，用户根据自身喜好等主观诉求，针对某一话题发表个人见解。这种受众的个性化与自主化的参与为公共网络的信息交流提供了保障(王勃，2011)。
社交网站用户的每一个帖子或者心情、状态下方都有一个大拇指形状的“赞”按钮，点击一下即可表示对此言论的喜爱、赞同。“点赞”操作简单，使表达变得方便快捷，顺应了网络快文化的需求。点赞更多的是一种情感的评价，定义为一种心理反应，是对人或物态度的表达。
二、权威性
（一）网络结构权威
网络被定义为由节点和连接组成。在社交网络中，节点是社会参与者如个人和组织，连接则是节点之间的传播关系。节点之间的关系和相互作用的模式创建了网络结构，网络结构强调特定节点之间的连接性(Newman，2003)。节点的重要特点是它的“度”，即它和其他节点之间建立起来的连接的数目。具有更高的度的节点更容易和他人联系，在网络内部更容易获取资源，能够把信息更有效地扩散，特别是向那些有较少的度的用户(Wasserman & Faust，1994)。一般来讲，几乎所有的大型自组织网络都是呈现幂律分布的状态，这也就意味着少数的节点享有网络中大量的连接，但是大多数节点只拥有很少的连接(Newman，2004)。在描述幂律分布的机制时，科学家经常提到“优先连接”的概念：在大型网络中，新的连接倾向于优先给到那些已有连接很多的节点。结果就是连接多的节点比起连接少的节点更容易增加新的连接。在社交网络中呈现出富者越富、穷者越穷的局面(Newman，2004)。有研究发现微博账号的粉丝数是预测其微博是否会被大量转发的最重要的因素（Gandy & Hemphill，2014）。
（二）专业权威
帕森斯在《社会系统》中解释的病人角色（Parsons, 1951），以及福柯对于医学领域知识与权力的关系阐释，都可以看出在健康领域，相比于医生、研究者等专业人员而言，普通民众处于一个较为弱势的地位。专业性的界限有助于维护医患关系，为建立医患之间的良性互动提供一个保护性框架（Guseh et al.，2009）。专家可以触发“专业启发”机制，使得个体受众认为专业人士提供的信息是可信的(Sundar, 2008)。有研究发现人们倾向于去信任大学以及官方机构而不是其他类型的机构。类似的研究表明人们会去考虑私人医生、医学院校、政府作为最值得信任的健康信息来源。因此人们会把主要医疗机构及医生作为信息来源（Briggs et al.，2002；Freeman & Spyridakis, 2004；Dutta-Bergman, 2004）。
（三）信息权威
健康信息中使用的专业消息来源是影响传播效果的重要因素，不同类型的信息源有各自的优劣势。文献认为信源主要可以从三个维度进行衡量：是否可信、是否有吸引力、是否和受众具有一致性（Kelman，1961；Wilson & Sherrell，1993；Wright，2000）。在健康领域，与以往相比，现在人们有更多的机会来获取健康信息、了解自己的健康状况甚至参与到疾病的治疗和护理管理的决策中。但是这也同时意味着更大的挑战：当面临众多的消息来源时如何去判断以何种来源满足自己的健康信息需求（Perloff，2010）。
三、信息表达
（一）公共性与私人性
理解公共与私人的角度一种是个体的或者只适用于个体的，另一种是集体的，或者影响到集体的利益（Weintraub, 1997）。Lange（2007）对YouTube上的视频公共性与私人性进行研究的时候认为可以根据两个因素来评估，一是对于个体身份的披露程度，二是对于多大的受众群体是可访问和有意义的。医学的特征是隐私、信度、一对一的互动、专业性的服务，而社会化媒体的特征是分享、公开、连接、透明、信息丰富，这两个领域结合注定会有一些挑战（George，2011）。如何平衡健康问题的私人性和社会化媒体的公共性之间的关系是在健康类微博传播过程中需要考虑的问题。
Chew和Eysenbach（2010）在对2009年H1N1爆发期间的Twitter进行内容分析，研究结果发现，人们发布得最多的是相关的新闻和信息，其次是个人经历。以个人经历为主的内容转帖率不高，必须有强烈的吸引力或者感染力以及能够提供具有实际效用的细节性内容才会有较高的转发率。
（二）刺激物
健康信息中经典的刺激策略就是根据受众已有的价值观，提供一系列支持或者违背一定的健康行为后的争论，再辅之以可信的证据或是权威的信息源。刺激物主要有负面刺激、正面刺激、多重刺激等。负面刺激通常指用不健康的行为可能带来的不利后果来刺激受众。比如说在身体健康方面，负面刺激指体重增加、健康恶化，被朋友亲人疏远，精神状况不佳，工作受到影响，最后有可能因为背离法律法规而受到惩罚等。相应地，正面刺激指的是执行了健康的行为建议时可能会得到积极效果，比如身体健康层面，健康的态度和行为可以增加寿命、改善身体表现，有利于增加对生命的掌控，形成积极的自我认知，进而实现人生目标。相比于负面刺激经常诉诸负面效果的长期累加，正面刺激的短期回报对于受众而言可能更有吸引力。在选择刺激物时，关键标准是受众经历这些潜在的正面或负面影响的可能性和刺激物呈现出的说服力（Robberson & Rogers，1988；Witte & Allen，2000；Cappella et al.，2001；Paek et al.，2010；Silk et al.，2011）。
（三）证据类型
在研究何种信息类型具有更好的说服效果时，学界尚未有定论（Taylor & Thompson，1982；Allen & Preiss，1997； Greene & Brinn，2003）。在说服效果研究中，历来比较偏倚于非叙事类信息的研究，例如在说服研究中占据重要位置的精细加工可能性模型（ELM）和启动—系统性模型（HSM），这些模型的核心在于研究受众对信息的关注，认为信息接收方会仔细考虑信息的中心论点，通过对逻辑的思考和论证的评估从而产生态度的变化（Dillard & Pfau，2002；Trumbo，2002）。但是除了这些论证型信息外，媒介中还有许多的公共叙事，比如小说、电视剧、歌曲、故事等，有学者基于这些叙事型信息提出了迁移理论，认为受众会沉浸在文本之中，不同于论证型信息通过逻辑论证的机制导致态度变化，叙事信息可以通过减少受众的负面认知反应、增强现实感、产生强烈的情感共鸣等多种机制对受众产生影响（Green & Brock，2000；Arneson & Query, 2001）。
有研究考察数据型信息和叙事型信息在影响受众对器官捐赠的态度方面有怎样的效果，结果发现数据型信息更多的是让受众产生认知上的反应，而叙事型信息则是更多的产生情感上的反应（Kopfman et al.，1998）。
四、研究假设与问题
社交媒体上转发、评论和点赞这三种行为的效果都可以通过具体的数据来衡量，转发数、评论数和点赞数越多意味着传播扩散效果越好。
从社交网络结构的角度来看，粉丝数越多的用户越处在中心节点的位置上，他们发布的信息预计可以到达更多的用户。因此本研究提出如下研究假设：
社交网络结构中的位置越权威，健康类微博的转发效果越好。
经验、知识、学历和技能都会影响到专业性的评估，受众倾向于认为专业人士提供的信息是可信的。那么针对专业性对于健康信息在微博上的传播效果的影响，本研究提出如下研究问题：
博主的专业性如何影响健康类微博的转发效果？
信源在健康信息的传播中发挥着重要作用，对于受众是否接受一条信息有很大的影响。因此本研究提出如下研究问题：
有无信源对于健康类微博的转发效果有何影响？
关于公共性与私人性对于信息在社交媒体上的传播来说，何种类型的健康信息在微博上有更好的传播效果并没有明确的结论。因此本研究提出如下研究问题：
公共性与私人性如何影响健康类微博的转发效果？
关于正面刺激和负面刺激哪一种在健康信息的传播中效果更好，学界并没有一致的结论。因此本研究提出如下研究问题：
使用了何种刺激物的健康类微博转发效果更好？
有研究发现论证型的证据具有更好的说服效果，但也有研究发现受众会仔细考虑信息的中心论点，通过对逻辑的思考和论证的评估产生态度的变化。因此本研究提出如下研究问题：
R13 使用了何类证据的健康类微博转发效果更好？
R14 使用了何类证据的健康类微博评论效果更好？
R15 使用了何类证据的健康类微博点赞效果更好？
根据上述文献综述部分，本研究主要想探讨对于微博上的健康信息而言，博主在社交网络结构中的位置、专业性、专业消息来源、微博公共性与私人性、刺激物和证据类型这些因素对于微博上的扩散及互动——转发、评论、点赞的影响情况。
五、研究方法
（一）抽样
本研究抽取医生账号及其微博作为研究对象。在新浪微博名人堂中选取医生这一职业类别。他们都是经过实名认证的博主。新浪微博在2013年1月开通点赞功能，因此研究时段选择在2013年2月1日到2014年12月31日期间。
本研究采取分层抽样的方法，首先抽取微博账号，然后从抽中的微博账号中抽取微博。对于医生账号的选择要满足两个标准，即在2013年2月1日—2014年12月31日之间，要保证：（1）活跃度，确保一定的发博量，上述时间段每3天至少发布1条微博，所以这期间的发博量要在233条以上；（2）专业性，健康信息占到微博量的一定比例，即要求原创健康信息要占到原创微博量的50%以上，不包括好大夫在线问答、爱问医生问答之类。最后在新浪微博名人堂经过认证的617个医生账号中按照上述两个判断标准共抽取了34个账号。抽取完微博账号之后，按照等间距随机抽取的方法保证每个账号中都抽出30～40条左右的微博，最终共随机抽取1261条原创健康微博。本研究对这34个账号和1261条原创微博进行了内容分析。
（二）测量
本研究的因变量是考察微博传播效果，具体指标就是微博的转发数、评论数、点赞数，可以直接从抽中的微博上面获取这三个数据。
本研究的自变量分为两个层次：医生层次（集体层次）和微博层次（个体层次）。医生层次的变量主要包括社交网络结构、专业性，微博层次方面主要包括信源、公共性与私人性、刺激物和证据类型。下面依次介绍这几个自变量的概念化和操作化定义。
社交网络结构：指医生账号在微博社交网络中所处的位置。测量的指标即该账号拥有的粉丝数。如Cha等人（2010）的研究中对入度的测量使用的是该账户得到了多少用户的关注即粉丝数，通过这种一对一的互动来反映账号在社交媒体中的影响力。
专业性：指医生账号在医疗专业领域上的专业能力。本研究测量的指标是医生所属的医疗机构。这里根据抽中的医生账号所属医院，将其分为两类——三甲医院和非三甲医院。关于医院类别的判断可以在“中国医院等级查询系统”上进行查询。
信源：微博信息中使用的信息来源。有研究将健康信息的信源归为医生、互联网、电视、家人朋友、杂志、报纸、广播等（Buller et al.，1994；Pennbridge et al.，1999；Dutta Bergman，2003；Hesse et al.，2005）。本研究测量的指标是看微博正文中是否提到了别的信息来源，比如其他机构、专业书籍期刊等。分为“有”“无”两类。
公共性与私人性：微博信息讨论的主要内容属性。Lange（2007）在对YouTube视频公共性与私人性的研究中，将关注类似环境可持续性、种族主义这种公共议题的视频定为公共性，将关于个人生活的视频定为私人性。本研究测量的指标是判断文本的叙述主体是社会层面的健康话题还是个体层面的健康话题。
刺激物：微博信息中使用的刺激物属性。Latimer等人（2008）的研究中使用正面刺激和负面刺激，在设计信息时把强调参与体育锻炼的好处的信息视为使用正面刺激，把强调缺乏体育锻炼可能带来损害的信息视为使用负面刺激。本研究测量的指标是判断文本中如果出现了好的行为带来好的结果，即编码为正面刺激；如果出现了不好的行为带来不好的结果，即编码为负面刺激；如果都没有出现的话即编码为无刺激（Nan，2012）。
证据：微博信息中为了论证想要表达的中心思想所采用的论证手段。Mazor等人（2007）的研究使用了实验的方法，一种是援引了病人实际经历的叙事型证据，一种是使用了医学文献中科学依据的论证型信息。本研究测量的指标是如果出现了严谨的逻辑论证或者数据的即编为论证型；如果出现了故事细节或者其他叙述手段的编为叙事型；如果都没有出现的话即编码为无证据（Kopfman et al.，1998；Greene & Brinn，2003；De Wit et al.，2008）。
两名编码员随机对217条微博进行了试编码，在SPSS中使用Cohens Kappa进行一致性度量，计算出编码员在公共性与私人性的Kappa系数为0.879、刺激物的Kappa系数为0.743，证据类型的Kappa系数为0.809，有无信源的Kappa系数为0.853，符合内容分析的编码要求。
（三）数据分析
本研究需要就医生层次和微博层次对传播效果的影响进行研究，所以需要一个可以同时涵盖两个层级上的变量的统计模型。HLM模型是针对经典统计技术在处理具有多层结构的数据时所存在的局限，以及可能产生的对分析结果的曲解而提出的，它适合于对多层次的数据结构进行深入的分析和解释（张雷等，2005）。
在进行数据分析时，本研究对变量进行了处理。对于转发数、评论数、点赞数、粉丝数这几个连续变量而言，原始数据呈现明显的偏态分布，为使其符合正态分布的假设，对该变量进行取对数的处理。在分类变量方面，主要是选定基准变量。研究变量的描述性统计见表1、表2。
六、研究发现
在构建HLM模型时，影响转发、评论和点赞的固定效应模型结果见表3、表4和表5。
（一）网络结构中的权威
由上述HLM固定效应模型中可以看出，粉丝数越多的医生账号发布的微博转发数越多（p<0.001），评论数越多（p<0.001），点赞数越多（p<0.001）。所以博主在社交网络结构中越权威，他发布的信息会更多地被转发、评论或点赞。因此不能拒绝H1、H2、H3这三个假设。
（二）专业领域中的权威
由上述HLM固定效应模型中可以看出，三甲医院医生的微博比非三甲医院的评论数更多（p<0.1），点赞数更多（p<0.05）。说明博主的专业性越权威，健康类微博的评论效果和点赞效果越好；博主的专业性对健康类微博的转发效果没有显著影响。因此回答了R1、R2、R3三个研究问题。
（三）信息本身中的权威
在微博的评论方面，无信源的微博比有信源的微博评论少（p<0.05）；在微博的点赞方面，无信源的微博比有信源的微博点赞少（p<0.01）。微博信息本身的权威对于转发而言在统计学意义上是没有显著影响的。因此回答了R4、R5、R6三个研究问题。
（四）公共性私人性
公共性的微博比私人性的微博转发更多（p<0.001），私人性的微博比公共性的微博评论更多（p<0.001），私人性的微博比公共性的微博点赞更多（p<0.01）。所以可以看出转发是一种更偏向公共性的行为，评论和点赞则是更偏向私人性的行为。因此回答了R7、R8、R9三个研究问题。
（五） 刺激物
研究结果表明，使用了负面刺激的微博比正面刺激的微博转发多（p<0.1），使用了正面刺激的微博比负面刺激的点赞多(p<0.05)，使用了正面刺激的微博比无刺激的点赞多（p<0.05）。因此回答了R10、R11、R12三个研究问题。
（六） 证据类型
研究结果表明，使用了叙事类证据的健康信息比无证据的转发多（p<0.05）。在转发的模型中，论证型证据和叙事型证据的转发效果在统计学意义上并没有显著差异。在评论和点赞的模型中，证据类型对评论和点赞的效果都没有显著影响。这说明受众在对一些微博评论、点赞的时候并不会关注表达上是否论据充分。因此回答了R13、R14、R15这三个研究问题。
七、研究结论与讨论
社交媒体对权威的解构和健康传播倚重专业权威之间存在矛盾。那么在微博健康信息的传播中，权威是否被消解？从权威性对微博互动效果的影响来看，网络结构中的权威性对于转发、评论和点赞三种行为都有影响；而专业领域中的权威性和信息本身中的权威性只在评论和转发这种更偏私人性的互动行为中有所体现。这说明人们在微博上浏览健康信息时，在偏向于私人性的一些健康话题方面，对于权威性的要求更高（Perakyla，1998）。受众更愿意去信赖那些来自于权威的医疗机构、在信息中补充了其他信息来源的微博，进而在这些微博下面进行观点的交流或者态度的表达（Lee & Sundar，2013）。但是在判断转发与否的时候，并不会过多考虑是否足够有专业权威或者信息权威（Jiang et al.，2012）。由此说明权威在微博互动的部分并没有被消解，在微博扩散方面专业权威被消解了。
社交媒体公私界限的模糊和健康传播强调隐私之间存在矛盾。那么在微博健康信息的传播中，公私界限是否被模糊？研究发现转发是一种更加偏向公共性的行为，而评论和点赞则是更加偏向私人性的行为。这可以从微博属性和用户动机两个角度进行分析。从微博属性来看，转发这一行为带来的结果是信息会加入信息流从而呈现在页面上，是博主对该微博进行更广范围传播扩散的一种手段。而评论是在某条微博下进行留言，点赞则是通过点赞按钮对某条微博表明态度，它们都不会呈现在博主自己的社交页面上，是一种更加偏向私人性的行为。从用户动机来看，对公共性的内容进行转发，可以体现出博主对于社会公共问题的关注，而公共性的话题在社交媒体中不断进行传播扩散，有助于这些问题引起更广泛社会群体的关注，得到重视从而推动这些公共性话题得以解决（Marwick & Boyd,2011；O Connor et al.，2014）。私人性的内容因为关注的是偏向个体层面的信息，人们并不倾向于在公共话语空间中进一步讨论，而是通过评论和点赞这种更加私人性的行为来表达自己的态度和观点，或者向博主、其他用户寻求健康方面的建议（Moorhead et al.，2013）。这表明公私之分对于微博的扩散和互动有不同的影响。
社交媒体上情感的盛行和健康传播注重理性论证之间存在矛盾。那么微博健康信息的传播中是不是受情感驱动、以负面信息为主？在转发的模型中，论证型证据和叙事型证据的转发效果在统计学意义上并没有显著差异。说明在转发时，受众对于某条微博运用的是更偏理性的逻辑论证还是更偏感性的叙事论证并没有过多关注，但如果不使用任何论证手段则会破坏传播效果。与没有使用刺激物的微博相比，负面刺激的微博转发多，因为当提及健康行为的损失时，则是更直接的风险预警。转发可以将这些内容在公共话语空间中进一步扩散，负面刺激有利于引发更广泛用户的警觉，对这些议题建立认知，提高事先预防的意识（Siegrist & Cvetkovich，2001；Naveed et al.，2011；Hansen et al.，2011；Thelwall et al.，2011；Stieglitz & Dang Xuan，2013）。正面刺激的微博比负面刺激和没有使用刺激物的微博点赞多。这些正面调性的微博也是促使人们采取某些好的行为，给受众提供了问题的解决方案。由此说明微博扩散时情感驱动并未显著强于理性论证；扩散时负面为主，但互动时正面为主。
综上所述，本文探讨了社交媒体环境下健康信息传播的特征及效果。社交媒体传播具有三个主要的特征：瓦解权威；模糊公私领域；传播方式倾向于情感叙事的，负面信息为主。健康信息的传播效果主要分为两类：信息的扩散和信息的互动。研究发现在微博健康信息的传播中，权威在微博互动的部分并没有被消解，在微博扩散方面专业权威被消解。公私之分对于微博的扩散和互动有不同的影响。微博扩散时情感驱动并未显著强于理性论证；扩散时负面信息为主，但互动时正面信息为主。
