社交媒体传播的简洁、快速与交互功能吸引了大批用户，Twitter、Facebook和YouTube等社交媒体在西方主流国家网民中有着较高的覆盖率，此类社交媒体上集聚了数量巨大的用户生产的内容，这些海量、即时、动态与开放的数据所具有的研究价值与潜力，引发学者关注。作为社交媒体舆情研究的一个分支，国内社交媒体涉华国际舆情研究正在积极探索中。本文通过研读国内外社交媒体舆情研究的相关文献，尝试对社交媒体涉华国际舆情研究面临的机遇、挑战及拓展研究的路径做一辨析。
一、社交媒体数据的研究潜力
相较于传统媒体，社交媒体独特的传播特性使得利用其平台上的文本来研究舆情具备了合理性与可行性，这是成为拓展国际涉华舆情研究的重要机遇。
首先，伴随Web2.0技术的精进，近年来社交媒体用户数量持续增加，从而使社交媒体上累积了大量有待挖掘与阐释的原始数据。其次，社交媒体数据成为观察分析普通网民态度及行为的宝贵资料。社交媒体准入门槛低，其用户身份的草根特征突出，这对国际涉华舆情研究具有重要意义。社交媒体上的数据或由用户独立生产，或因用户间的互动而产生。此类人类原创数据是人类日常生活的附属产品，因此非常适于观察人类行为。用户在社交媒体上生成的内容，较为真实地反映了用户的态度、情感及行为特征，其中不乏用户对自己关心或与其利益密切相关的事件所表达的态度与意见。上述社交媒体的传播特性使其成为涉华国际舆情研究的新阵地。以往的涉华国际舆情研究主要采用两种方法：一是对国际传统主流媒体的涉华报道进行研究。虽然国际主流媒体在引导涉华舆论方面作用突出，但主流媒体上的涉华舆情并不等同于各国民众对中国实际持有的态度。二是采用民意调查方法研究涉华舆情。这一方法成本高、耗时长，特别是对国际舆情研究而言，跨国的民意调查实施难度更大。与这两种方法相比，依据社交媒体文本来研究国际涉华舆情既易于操作，又降低了研究成本，也可保证研究者对研究过程的可控性。
二、社交媒体涉华舆情研究面临的挑战
虽然社交媒体崭新的传播特性为国际涉华舆情研究提供了机遇，但在研究的同时，也面临巨大挑战。这主要体现在：
1. 如何理解社交媒体新的传播特性
社交媒体独特的传播特性，诸如海量信息、传播的交互性等，使得社交媒体涉华舆情研究者亟需回答一个问题：社交媒体上的涉华国际舆情与传统主流媒体相比有何不同？正如传播技术研究先驱哈罗德・伊尼斯（Harold Innis）指出的，新媒介的优势即在于其将导致一种新文明的诞生①。就涉华国际舆情研究而言，应在充分理解社交媒体对网民自我认知、人际关系及社会关系影响的前提下，修正或重新阐释原有传统媒体和传统互联网涉华舆情研究的概念及理论，补充新概念及理论。并且通过深入探索社交媒体上传统媒体、新媒体、民众、政府之间的权力关系变化，总结涉华国际舆情特征、生成机制与规律，最终解答社交媒体涉华舆情与传统媒体及传统互联网上的涉华舆情有何不同。
2. 如何处理海量数据
社交媒体上的数据体量巨大，并且原始数据缺乏明显的结构性特征，这极大增加了数据抓取与处理的成本和难度，对主要依靠人工进行内容与文本分析的传统涉华舆情研究而言，这亦是极大挑战。
社交媒体为涉华国际舆情研究带来的机遇与挑战，均使得创新社交媒体舆情研究的理论与方法显得至关重要。若能在研究中发现社交媒体涉华舆情生成机制的新特征，特别是社交媒体新的传播特性对涉华国际舆情生成与扩散的影响，是该研究领域实现突破创新的关键。在未来的研究中，该研究领域存在以下几种深化拓展研究发现的可能性路径。
三、拓展未来研究的路径
1. 社交媒体关联网络研究
与传统媒体文本相比，社交媒体文本中蕴涵着更为丰富的各类关系数据，特别是用户个体特征及其社会关系的信息，社交媒体最大的意义即在于便于观察到用户的各类社会关联网络。舆情是一种“社会合意”（ social con-census），本身即是人类社会群体生活的结果，受到人类社会生活特征的影响。“沉默的螺旋”理论的创新性，就在于认识到舆论的形成是一个社会传播过程。社交媒体上的大数据不仅记录了网民的言语，还记录了网民之间的社会互动及社会交往。通过对社交媒体数据的分析，可观察到在这一新的传播平台上形成的新型社会关系的特征，进而探索这一新型社会关系对涉华国际舆情生成机制的影响。
比如，研究者瓦戈（Chris Vargo）等人注意到，以Twitter为代表的微博上注册者身份多元，包括个人、企业和各类媒体。之前的大多数媒介效果研究都是对媒体单独实施内容分析，而微博则提供了很好的机会对民众和媒体同时进行分析。不仅如此，微博上的媒介组织间存在各种差异，比如其政治倾向、舆论影响力等各不相同。同时，微博个人用户的政治立场、媒介使用行为等也会不同。如此，微博平台就提供了同时观察个人与媒体行为的良机。正是基于社交媒体数据的上述特征，瓦戈等人认为，对社交媒体上的大数据研究有可能从以下两方面深化现有的“议程设置”研究。首先，是“议程融合”（agenda melding）研究。“议程融合”研究认为持有不同政治立场的受众能够主动选择使用不同的媒体，受众对被设置事件及其属性的价值判断也会不同。很显然，受众会将来自各类媒体的议程融合起来。其次，是“关联议程设置”研究（Network Agenda Setting）。正因为微博上存在着多种类型的媒体与受众，因此社交媒介上的“议程设置”研究也由“一级议程设置”研究（研究事件是如何被设置的）和“二级议程设置”研究（研究事件中的属性是如何被设置的）转向“关联议程设置”研究，即探究媒介如何建构受众对事件间关联重要性的认知②。
瓦戈等人的研究对社交媒体涉华国际舆情研究的启示意义在于：第一，微博平台上可同时观察到个人用户与媒体的行为特征，这便于对二者之间议程的关联进行分析。第二，Twitter上并无标注个人用户的政治倾向，但是研究者利用用户发帖中涉及到奥巴马与罗姆尼的海量信息，结合词汇情感分析工具，进行情感分析，最终按支持奥巴马还是罗姆尼而将微博用户的政治倾向进行了分类。第三，Twitter上的媒介、事件与个人用户的信息量巨大，这便于进行媒介设置受众对事件关联认知效果，即“关联议程设置”的研究。瓦戈的研究路径揭示出了研究社交媒体舆情生成复杂性的可能，研究者可以根据政治倾向、舆论影响力等维度，细分社交媒体上各类舆情行为体的特征，并找寻他们之间在舆情生成传播过程中的关联，这将有助于把社交媒体舆情研究推向深入。 2. 深化社交媒体涉华国际舆情生成机制研究
重视社交媒体关联网络研究，将有助于探索社交媒体涉华国际舆情生成机制。比如，由于传统媒体和社交媒体都在微博上即时发布信息，因此微博平台有利于观察两类媒体在设置议程过程中的关系。纽曼（W. Russell Neuman）等学者依据经典的“议程设置”理论假设，选取美国政治讨论中的重要议题，利用社交媒体上的大数据，试图回答Twitter上究竟由“谁来设置议程”，是传统媒体，还是社交媒体？研究发现，将传统媒体和社交媒体在Twitter上发起的政治讨论间的关系概括为互动最为合适。这两种媒体各有自身独特的对当天发生事件的回应方式，彼此间又形成对事件动态的互动式回应。因此，研究者提出传统媒体议程与社交媒体议程之间并非一种因果关系机制。也有国内学者选取国际社交媒体，通过内容分析研究其涉华舆情现状及传播特征。研究探索了社交媒体上的媒体关系网络，即媒体间的议程设置作用，发现：社交媒体对中国报道框架与传统媒体相比并无明显变化。国际社交媒体涉华内容以转载西方国际主流媒体为主，英美发达国家基本垄断国际自媒体上的涉华信息流，并且，传统媒体从业人员成为社交媒体时代的舆论领袖③。
作为即时互动平台，在微博上可以观察到舆情生成过程中的多方行为体，包括各类媒体、组织、个人的话语行为。对研究者而言，社交媒体构筑了一个公共话语空间的关联网络。因此，可以利用社交媒体数据开展一定时间跨度的舆情生成机制研究，挖掘上述各类行为体在发起公共讨论过程中形成的关系，这将在很大程度上深化当前的网络舆情研究，弥补静态研究片段化的不足。
3. 人机结合处理海量数据
传统涉华国际舆情研究中最常用的方法是内容分析。在社交媒体舆情研究中，单纯依赖人工对网络内容实施分析存在困难，传统人工分析需与新的信息处理技术相结合。分析大量信息往往需要计算机辅助分析软件，这对社交媒体舆情研究中的跨学科合作提出要求。比如，融合算法技术与传统人工分析，包括语言或话语分析、语料库建设等。社交媒体的某些表层特征可以借助计算机辅助进行客观、系统的分析，但是，计算机技术只能进行初步的表层分析，研究者应意识到计算机无法像人类编码员那样理解人类语言的丰富、复杂和微妙，因此社交媒体内容中的社会文化内涵则要借助人工分析来实现。研究者应时刻谨慎，语言的意义是在语境中生成的，而将语言简化为某些模式，可能会产生问题。
社交媒体的新型传播特征为涉华国际舆情生成机制研究提供了有利条件，特别是观察舆情各方行为体在社交媒体平台上如何结成关联网络，形成公共话语交锋。但是，学者也应对社交媒体平台的技术特性及其对研究提出的挑战保持清醒认识。有学者提出，社交媒体上的海量数据对数据的抓取、分析提出了很高要求，这使得社交媒体的大数据研究，可能会出现以数据为导向而非以理论为导向的倾向。比如，将传播学中的已有概念，比如议题或话语简化为对社交媒体上的内容标签或帖子转发的简单统计④。
不仅如此，如何在内容分析中测量社交媒体的某些技术功能及其社会文化内涵，则是更为重要的问题。比如，有研究利用记者在Twitter上自己微博中对他人帖子的转发行为测量其将读者带入新闻生产把关过程中的意愿⑤。这反映出研究者在研究中可能存在削足适履的倾向，不是从经验现实及其社会后果的实际意义出发，而是急于让经验现实适合于已有的理论阐释，反而妨碍了现有研究的理论提升。其次，在理解社交媒体传播特性的基础上理解社交媒体平台上的大数据。研究者需认识到社交媒体大数据的产生很大程度上依赖于其平台特性，因此在将线上涉华国际舆情研究的结论延伸到线下时要十分谨慎。