社交媒体中病患求助行为的可见性研究

——基于51个案例的模糊集定性比较分析（fsQCA)

肖  鹏    曲亚宁

摘要：在深度媒介化时代下，不同个体在社会资本、媒介素养等方面的差异催生出新的数字不平等。普通疾病患者能否跨越经济、社会等因素的局限，提升其社交媒体求助行为的可见性成为一个亟待探索的问题。本文围绕“求助者-受众-平台”三方关系构建研究模型，采用模糊集定性比较分析（fsQCA）方法对51个病患求助案例的传播方式及其可见性结果进行考察。结果显示，存在两种提升病患求助行为可见性的求助模式：以自我表露、情感响应和信息特征为核心条件的情理共鸣型求助模式和以用户关系资本、自我表露为核心条件的资源联动型求助模式。本文还揭示了两种求助模式截然不同的传播逻辑以及病患求助行为特有的去中心化传播机制。本文的研究结论对于拓展求助信息可见性研究的多元行动者视角、弥合网络传播不平等鸿沟具有指导意义。

关键词：可见性 病患 网络求助行为 社交媒体 模糊集定性比较分析

一    引言

近年来，以癌症患者为代表的重病人群的疾病负担攀升，成为我国人口死亡的主要原因之一。治疗过程中沉重的经济负担和精神压力超出了许多患者及其家属的承受极限，迫使他们向社会寻求帮助。同时，随着移动互联网的发展和数字技术的广泛应用，个人在社交媒体空间的展演获得了空前的机遇。社交媒体平台已然成为疾病患者寻求帮助的主阵地。它不仅是病患信息共享、情感支持的重要平台，还提高了求助者的曝光度，让更广泛的用户参与到救助行动中来。社交媒体中的疾病“求助-施助”行为对缓解困难群众的疾病负担起到了显著作用，甚至在一定程度上影响患者的生存可能性。

社交媒体求助行为是否奏效的关键在于，求助信息能否在互联网信息洪流中被捕捉、识别和关注，这涉及信息可见性（visibility）的问题。可见性是媒介社会学、数字不平等研究中的关键因素。可见性被福柯视作一种权力规训的结果，其本身也是权力的一种形式。已有研究从可见性视角出发探讨媒介本体论，认为可见性是媒介性中“最具辩证性的特性”，可见媒介性与可见性的联系密切。甚至，新媒体呈现的可见性决定了社会行动者在公共领域中是“出现”还是“消失”。但随之而来的“不可见”、可见的“不平等”等问题则意味着对权力的剥夺。既有研究发现，女性、青少年群体在社交媒体平台的可见性受到遮蔽和固化。可见，社会现实中权力的不平等会在一定程度上被“映射”和“搬运”到数字空间。在社交媒体的信息洪流中，疾病求助者能否通过调整个人的传播策略，以调适、回应和对抗互联网空间中信息可见性的不平等？本文尝试回答这一问题。

国内外已有研究探索了影响网络求助信息可见性的因素，分为求助信息内容特征、求助者特征和外部提示线索三个方面。在信息内容特征上，求助话题的类型、求助内容质量、叙事人称、叙事风格均会影响求助信息的可见性。此外，相关研究对于求助信息的情感倾向对可见性的影响存在分歧。有研究发现，采用混合叙事模式、中性情绪的帖子会得到更多关注。但也有一些研究发现，具有愤怒等负面情绪的求助信息具有更好的扩散效果。在求助者特征上，求助者身份信息的完整性、接近性、疾病类型及其严重程度、社会资本等对其可见性有影响。在外部提示线索上，求助金额、群聚压力、平台的信息识别和标签功能等会影响求助信息的扩散及其筹款效果。此外，为更好地测量可见性，有研究将互联网平台的“可见性”这一抽象概念进行操作化定义，具体指发布者及其生产的内容被其他用户以“关注”“点赞”“转发”等行为“看见”的过程及程度，相关测量指标已得到前人研究的支持。本文将延续这一研究传统，并根据平台特性丰富测量维度。

总体来看，既有研究对疾病求助信息可见性的影响因素进行了多维度论证，但仍存在三个方面的局限性。第一，求助信息的可见性是多主体参与、多因素联动促成的结果。既有研究仅对求助者的传播特征因素进行详细考察，而对施助方的心理机制和平台方对信息可见性的调适作用的探讨较少，尤其缺乏对多主体相关因素和互动关系的验证。第二，求助信息可见性具有多个维度的影响因素，且这些因素作用于不同的行动者和传播阶段，即可能存在多个具有等效性（equivalence）的影响路径。既有研究局限于分析单个影响因素的“净效应”，忽略了多因素的复合效应及其联动机制。第三，既有实证研究考察的因素多为显变量，忽略了情感响应、事件显著性等不易直接测量的条件，导致对求助信息可见性影响因素的考察不全面。

模糊集定性比较分析（ Fuzzy-set Qualitative Comparative Analysis ，fsQCA） 在探索复合效应和联动机制方面具有显著优势。本文采用fsQCA方法，围绕“求助者-受众-平台”三方关系构建研究模型，考察社会资本、显著性、信息特征、自我表露、情感响应和平台六个前因条件对病患求助行为可见性的组态关系和联动机制。在理论层面，本文扩展了求助信息可见性研究的多元行动者视角，并验证了求助者受众与平台的联动效应。同时，本文发挥fsQCA方法的特性，跨越定量数据和定性材料之间的壁垒，完善了求助行为可见性的影响因素模型。在实践层面，本文总结出两种帮助普通病患有效提升求助行为可见性的可行路径，为减轻疾病患者的负担、推动解决网络传播不平等的问题提供有益建议。

二   文献回顾与模型构建

病患求助行为的可见性受到多维度因素的影响。彼得·伯格（Peter L. Berger）和托马斯·卢克曼（ Thomas Luckman）提出社会建构主义（ social  constructionism），认为不同个体、个体与社会之间的互动、语言和符号的作用以及权力关系对构建社会现实产生深刻影响，主张从关系视角分析社会现实。本文依循社会建构主义，突破既有研究的单一求助者视角，全面考察求助者、受众和平台三方在求助信息传播网络中的关系与作用。具体而言，在求助者端，本文不仅考察求助信息的基本要素—信息特征与显著性，还将衡量求助者影响力的用户关系资本、衡量可信度的自我表露纳入考察范围。在受众端，以情感响应考察受众对病患求助行为的共情程度，反映求助方与施助方是否建立关系联结。此外，本文将关注“求助-施助”关系，考察求助者运用平台资源争取可见性的各种行动的有效性。已有相关研究围绕上述六个前因条件进行深入探索，本文将逐一展开述评。

社会资本（ social capital） 指嵌入社会关系中、可被网络成员获取且对个人行为有帮助的实际或潜在的资源。社会资本包含结构型社会资本 （ structural social capital）、关系型社会资本（ relational social capital） 和认知型社会资本（ cognitive social capital） 等类型。其中，关系型社会资本关注网络联系的质量，主要表现在网络链接数量高、联系紧密以及互动信任感强等方面。本文主要关注求助者的关系型社会资本，即用户关系资本（ User  relational capital）。弱关系在特定情况下比强关系或亲密关系的作用更为显著。当求助者处于困境中时，与求助者关系紧密的人往往与该困境相关，导致他们难以提供有效的支持。而弱关系聚合了更多具有广泛性和异质性特征的个体，增加了用户在社交媒体平台中获取信息和资源的机会。因此，求助者所掌握的用户关系资本越丰富，即拥有更多的支持者和更高质量的网络关系，其在进行疾病求助时越会具有优势。

显著性（salience）最早出现在信息搜寻综合模型（ comprehensive model of information seeking）中，指个人对健康问题所感知到的威胁或意义的程度。该因素是个体寻求信息的潜在动机。相关研究发现，新冠疫情期间与健康相关的求助信息的传播效果远胜于非疫情或小规模疫情背景下的信息，这证实了显著性对于求助信息传播效果的影响。就病患求助信息而言，处于不同疾病阶段的求助者得到的关注度存在差异。通常情况下，患者病情越严重，求助意愿越迫切，越有可能获得更多的社会支持。

信息特征（ information characteristics） 主要与信息内容属性有关，包含信息风格、信息来源及用户感知到的可信度等。用户对于在线信息特征的感知会显著影响其信息寻求意愿。研究指出，采用事实型叙事模式的帖子获得了更多的评论量和转发量。采用事实型叙事的帖子使用了更准确、充实的信息，具备更优质的信息特征。求助帖的信息特征越可靠，越有可能得到用户的关注。

自我表露（self-disclosure）指为让他人了解自己，个体主动向他人透露自己信息的行为，包括个人描述性、评价性、情感性方面的信息。研究发现，相比缺乏个人信息提示的求助帖子，包含主观经验的帖子拥有更高的转发扩散效果和可见性。求助者信息（包含姓名、年龄、性别、地理位置等）的完整性越高，受众的感知匿名性越低，从而能够提升求助者信息的可信度，促进双方进行支持性沟通。

情感响应（ affective response） 指人们处理风险认知时产生的情绪反应，包含对健康结果的恐惧、担忧或焦虑。研究表明，积极情感和消极情感均会影响社交媒体平台中健康信息的渲染效果。当求助帖子承载高唤醒情绪，尤其是愤怒、害怕、悲伤等负面情绪时，会引起更多转发。亦有研究发现，中性情感会提高求助信息的可信度，从而提高受众参与度。值得注意的是，情感响应考察的并非信息叙述的情感属性（积极、消极或中性），而是信息的情感唤醒能力和受众的情感卷入程度。求助信息的情绪唤醒能力越强，越能发挥情绪感染的优势以提升求助信息的可见性。

平台基于对复杂网络环境的配置和调控能力已然成为一种新型社会资本，具有赋能、赋权与控制的能力。平台能够将分散的资源、信息聚合起来，并分配至网络中的各个节点。这便是平台社会资本（platformsocialcapital）的力量。研究表明，平台环境、意见氛围和算法推荐机制等均会影响受众在平台的讨论意愿和信息扩散的深度。就病患求助信息而言，在算法黑箱下，求助者和受众难以知晓和运用信息传播机制，而平台对于信息资源进行配置和调适的行动能够摆脱信息的历时性衰减、资本与流量逻辑的掣肘，实现对求助信息可见性的“再分配”。

综上，本文从求助者、受众和平台三方联动的视角构建研究模型（如图1所示），考察影响病患求助行为的可见性的因素及其组态效应。

三   研究设计与实施

（一）案例选择

既有研究主要关注在线论坛和社交媒体平台上的文字求助信息，忽视了视频作为一种技术增强型媒介以为求助行为的可见性赋能的趋势。综合考虑视频数量、质量与用户参与度等因素，本文以哔哩哔哩（Bilibili，bilibili.com）平台发布的病患求助视频为调查对象。其是中国知名的视频弹幕平台，具有庞大的用户基数、活跃的社区氛围以及完备的视频创作奖励机制，激励许多疾病患者在该平台发布求助视频。

截至2023年7月15日，研究者在哔哩哔哩平台网页版以“疾病”“求助”“求救”“公益”等为关键词进行检索，按照平台默认的筛选方式，选择“综合排序”和“全部时长”，确定初始的案例筛选范围。fsQCA案例筛选遵循“充分同质性”和“最大异质性”两大原则，前者要求各案例的背景和比较前提相似，后者要求案例库数据覆盖正面和负面两种结果。根据该原则对初始案例群进行人工筛选，同时，在剔除其中主题不符、真实性存在争议、质量较低以及其他不符合研究要求的视频后，最终将51条病患求助视频纳入研究案例库。

（二）测量与校准

在fsQCA分析中，各前因条件分别被视为一个集合，每个案例在这些集合中具有相应的隶属分数。由于用户关系资本、平台社会资本和病患求助行为的可见性的构成较为复杂，本文在这三个条件内部细分出多个测量项，并对各项赋值结果进行校准和求取平均数，得出最终的隶属度值。本文基于现有理论和经验知识，对各条件的详细测量项及其赋值方式的规定如下。

用户关系资本包含粉丝数量和平均转发量两个测量项。粉丝数量用于衡量该视频本身的传播资源，直接通过平台显示的数据获取情况；平均转发量用于衡量发布者前期发布的其他视频对该视频的引流作用。其测量方式参考曹玖新等的研究,单个用户的平均转发量。其中，为用户发布该视频前一周所有发布视频的转发量之和，为发布该视频前一周所有发布视频的数量之和。

显著性测量各案例视频的叙述是否反映以下四项评估标准：事件威胁到生命安全；事件造成了严重的财产损失；事件导致基本温饱问题难以保障；事件具有较高的突发性。该要素按照五级制进行赋值：1=满足零项标准，2=满足一项标准，3=满足两项标准，4=满足三项标准，5=满足四项标准。

信息特征测量各案例视频的制作水平是否达到以下四点要求：醒目的封面图和标题；清晰的镜头、字幕、收音以及一定的剪辑能力；提出明确的求助诉求和援助途径；与受众积极互动、回应质疑。该要素按照五级制进行赋值：1=符合零项要求，2=符合一项要求，3=符合两项要求，4=符合三项要求，5=符合四项要求。

自我表露测量各案例视频的叙述中是否包含以下四项信息：个人情况介绍（真实姓名、年龄、职业、家庭情况等）、日常生活状态、经济情况、病情进展。该要素按照五级制进行赋值：1=包含零项信息，2=包含一项信息，3=包含两项信息，4=包含三项信息，5=包含四项信息。

情感响应测量受众观看各案例视频时的情感卷入程度。该要素按照五级制进行赋值：1=几乎无触动，2=轻微触动，3=一般，4=较为触动，5=非常触动。

平台社会资本包含发布频率、求助标签使用和发布时间三个测量项。发布频率测量的是用户发布该视频后一周的发布视频数量之和。求助标签使用指用户在发布视频时添加标签词的情况（一般以带“#”符号的内容呈现）。本文统计了案例库中的所有视频添加标签的数量。而发布时间是一个二分类条件，在高潮期内发布视频赋值为1，在非高潮期发布视频赋值为0。研究指出，一天中12:00～13:00、17:00～18:00和21:00～24:00是信息发布的高潮期，即在以上时段发布视频可能获得更多关注。

病患求助行为的可见性用于测量病患发布的求助视频的传播力，包含传播广度、传播认同度、传播参与度三个测量项。传播广度指信息传播的覆盖面，播放量是其最直接的展现方式；传播认同度指用户对该视频的态度偏好，Bilibili平台特有的“一键三连”数量指标（点赞量、投币量和收藏量之和）能够较为准确地反映这一测量项；传播参与度描述的是用户观看视频的主动参与行为，能够通过评论量和弹幕量反映。既有研究将传播广度、传播认同度和传播参与度分别赋予权重50%、30%、20%。根据这一赋值比重，第n条病患求助视频可见性的计算公式为：Cn=0.5Bn+0.3（Dn+Tn+Sn）+0.2（Pn+Mn）（n≥1），其中，Cn为传播可见性，Bn为播放量，Dn为点赞量，Tn为投币量，Sn为收藏量，Pn为评论量，Mn为弹幕量。

进而对各前因条件和结果的隶属分数进行校准，将测量标准不一的原始数据转化为标准统一的0～1的数值。除发布时间采用0或1的编码直接赋值外，其他条件均采用直接法进行校准，即以完全隶属阈值（fullyon）、交叉点（crossoverpoint）、完全不隶属阈值（fully out）为校准锚点，计算各条件相应的隶属度值，校准后的数值越接近1，说明该案例对于这一条件的隶属度越高。在确认校准锚点时，根据Fiss的建议，采用五级制赋值的测量项，以5为完全隶属阈值，3为交叉点，1为完全不隶属阈值。其余题项采用数据依赖法，上四分位数为完全隶属阈值，中位数为交叉点，下四分位数为完全不隶属阈值，各条件详细的校准锚点如表1所示。后续必要性分析、组态分析等检验均使用fsQCA3.0软件完成。

四   研究结果

（一）必要性分析

本文首先检验各前因条件（包括其非集）是否构成病患求助行为的可见性的必要条件，通过一致性（Consistency）进行判断，计算公式如下：Consistency(Xi≤Y)=∑[min(Xi，Y)]/∑Xi。只有当不存在必要条件时，多个要素的组合影响病患求助行为的可见性的研究前提才得以成立。如表2所示，各前因条件的一致性取值区间为[0.3388，0.8537]，均小于0.9,这说明在本文中不存在影响病患求助行为的可见性的单一必要条件。同时，覆盖度（Coverage）代表了前因条件对结果的解释力度，计算公式如下：Coverage(Xi≤Y)=∑[min(Xi，Y)]/∑Yi。各条件的覆盖度取值区间为[0.5323，0.6922]，这说明其对结果的解释力均较好，应进一步开展组态分析。

（二）组态分析

组态分析用于揭示不同前因条件的组合如何导致结果的产生。该分析涉及设置两类阈值：频率截断值和一致性阈值。本文未直接设定阈值，而是依据案例规模和原始一致性（raw consist）的数据分布情况确定合理的阈值。频率截断值用于避免配型的偶然性。在实际操作中应保证高于频率截断值的案例数占比超过75%。一致性阈值用于保证配型的稳定性。将各配型的原始一致性指标进行降序排列，确定一个参考值使高于该值与低于该值的案例比例均接近50%。由此，本文选取的频率截断值为1，一致性阈值为0.7。经过路径标准化分析，本文主要汇报中间解结果，并辅以简约解结果整合构型，进而识别各前因条件的类型。核心条件同时存在于中间解和简约解之中，而辅助条件仅存在于中间解之中。本文共得出4种子构型，利用fsQCA3.0软件得到的计算结果如表3所示。本文将具有相同核心条件的构型进行整合，归纳出两种影响病患求助行为可见性的模式：情理共鸣型求助模式和资源联动型求助模式。

1.情理共鸣型求助模式（S1）

该求助模式包含两个子构型（S1a和S1b），其核心条件均为自我表露、情感响应和信息特征。这一模式揭示了提升求助行为的可见性不仅需要情感共鸣，也需要严密的事实讲述和信息真实性证明等理性条件。在两种子模式中，S1a的辅助条件为显著性，说明具有较强社会影响力和重要性的事件能够提升求助行为的可见性。相比其他三种模式，S1a的原始覆盖率最高，说明其对求助行为可见性的影响力和解释水平最强。S1b的辅助条件为缺乏平台社会资本，说明此类视频主要以情感和事实因素获得受众的关注，不依赖平台的传播资源。甚至，缺乏平台流量推广的视频还具有一种天然的真实感，增强了受众对求助者的信任。

2.资源联动型求助模式（S2）

该求助模式包含两个子构型（S2a和S2b），其核心条件均为用户关系资本和自我表露。这一模式揭示了求助者应该充分利用自身传播资源，既需要长期积累个人关注度，提高传播声量，也需要通过证明个人信息真实性等方式建立稳定、可信的求助者形象。在两种子模式中，S2a的辅助条件是显著性、情感响应和缺乏平台社会资本，揭示了具有较强社会影响力和重要性的事件、较强的情绪感染力均能提升求助行为的可见性，而平台推广的助益较小。而S2b的辅助条件为平台社会资本、情感响应、缺乏显著性以及低信息特征，说明对于部分缺乏社会影响力和重要性的求助信息而言，求助者应利用平台的优势传播资源，补齐视频在事实层面的传播短板，同时还应增强情绪感染力。

（三）结果稳定性检验

本文采用敏感性分析（sensitivity analysis）、事后分析（post hoc analysis） 以及预测效度分析（predictive validity analysis）三种方法检验路径结果的稳定性。验证结果均符合规定数值要求，说明各构型的稳健性较好，具体验证过程如下。

敏感性分析，通过改变参数取值（如校准点、频率截断值、一致性阈值等），生成新的构型结果，判断其与原组态是否一致。本文对一致性阈值（0.7～0.72）和调整频数阈值（1～2）进行调整，均得到4个组态，构型与表3的结果相似，说明研究结果较为稳健。

事后分析，将fsQCA求得的构型作为自变量引入回归模型分析，验证其与结果的回归关系。本文通过fSQCA3.0的fuzzyand函数计算四个构型（S1a、S1b、S2a、S2b）的取值，再使用Eviews12.0的删截回归模型（censored regression model） 进行分析，结果如表4所示。可见，四个构型均能正向预测病患求助行为的可见性（p<0.001）。

预测效度分析被用于检验模型组态在不同数据集下预测结果的准确性。本文采用随机抽样的方式将总样本分成建模子样本（Sub1）和拒绝子样本（Sub2）。继而在数据集Sub1上应用与主分析相同的一致性阈值和频率截断值，得出新的前因条件构型，一致性阈值为0.774，覆盖率为0.317，数据分布情况见图2（a）；在数据集Sub2上应用数据集Sub1生成的组态，一致性阈值为0.784，覆盖率为0.336[见图2（b）]。可见，数据集Sub1和Sub2的一致性阈值和覆盖率结果接近，达到了既往研究建议的标准,说明各组态在不同的数据集下仍具有较为准确的预测能力。

五   研究结论与讨论

疾痛以何种方式摧毁一个普通人的正常生活？这是我们认识病患求助行为的首要问题。凯博文（ Arthur Kleinman） 提出疾痛是海绵的隐喻。疾痛造成了一种困境，在患者的世界吸走了个人和社会的意义。病患以往重视的生活秩序、价值乃至尊严感都被剥夺，唯一重要的只剩下性命攸关的疾痛本身，这往往使病患陷入孤立无援的境况。由此，本文关注疾病患者在自救的方法失灵后如何通过有效的网络求助重新争取社会资本，以及这种行动能否超越经济、地位等因素的局限，使互联网为病患求助行为的可见性赋权。

通过对Bilibili平台51个病患求助案例信息进行模糊集定性比较分析，本文得出影响病患求助行为可见性的两类主要构型：以自我表露、情感响应和信息特征为核心条件的情理共鸣型求助模式和以用户关系资本、自我表露为核心条件的资源联动型求助模式（两者分别包含两种子构型）。上述结论的贡献在于，探索影响病患求助行为可见性的各类因素的作用情况，揭示两种求助模式背后截然不同的互联网传播逻辑，还发现了病患求助行为特有的去中心化（decentralization）传播机制，验证疾病患者塑造个人可见性的可能性。

（一）对主要发现的讨论

1.作为前提条件的自我表露

结果表明，自我表露在四种子构型中均为核心条件，说明该因素在病患求助行为的传播中不可或缺，该结论与既往研究一致。社会渗透理论（ social penetration theory）将自我表露行为分为外围层（ peripheral layer） 和中间层（ intermediate layer） 等。外围层自我表露指个人的基本信息，如姓名、电话号码、住址等，而中间层自我表露指发布者对于所经历事件的主观态度、感受和看法。基于此，在个体争取可见性的行动中，自我表露具有两个方面的作用。其一是外围层自我表露能够消除受众对于求助者的匿名感，赋予求助信息较高的真实性。这一表述方式亦不能被他人的陈述所取代。Luo等人的研究表明，第一人称的发帖比第三人称的发帖获得了更多的评论和转发。其二是自我表露提升了受众对求助者的积极印象。通过了解求助者的所做所想，受众与求助者间建立起更近的心理距离和更强的叙事距离，从而使受众将求助者纳入熟人圈层，构建更稳定、牢固的施助关系。

因此，求助者在社交媒体进行求助的首要任务是构建自我形象的合理性。求助者不仅需要满足真实性要求，提供内容全面的个人信息和渠道合规的真实性证明材料，也需要满足独特性要求，分享自己在患病过程中的个人化体验。平台方应考虑设置专门的求助话题分区和求助者身份核实的功能，鼓励求助者在发布视频时表露多维度信息。

2.两种求助模式的核心条件

情感响应、信息特征的复合作用与用户关系资本的作用具有相互替代性。结果表明，子构型S1a和S1b的核心条件为自我表露、情感响应和信息特征，子构型S2a和S2b的核心条件为自我表露和用户关系资本。除了共同的影响因素自我表露外，各构型具有不同的核心影响因素，展现了不同身份背景下的求助者具有差异化的传播优势。

在情理共鸣型求助模式中，情感响应和信息特征的核心作用支持既往研究关于混合型叙事模式（ mixed narrative mode）的发现。Polyorat等将叙事模式划分为叙事型（narrative）和事实型（factual）。叙事型强调传播者的主观感受和情感卷入，而事实型强调信息本身的真实性和准确性。两种叙事模式会产生累加效应，提升求助信息的传播效果。值得注意的是，当前研究对情感因素的探讨主要在于划分不同类型的情感。如有研究证实表达愤怒情绪的帖子比表达悲伤、恐惧等情绪的帖子传播效果更好。但本文将情感因素的测量重点放在“响应”的视角，考察受众对于求助视频的情感卷入程度。研究结果验证了情感响应的核心作用。这说明受众对于同一情感下不同程度的情感表现（如重度的悲伤与克制的悲伤）亦会导致求助视频可见性存在差异。这一发现延展了网络求助行为研究对情感作用的认识。

而在资源联动型求助模式中，用户关系资本具有核心作用的结论与以往的研究一致。Lee和Sundar研究发现，一个节点获得的新连接与它已拥有的节点数量成正比。当帖子来自拥有更多粉丝的账号时，跟风式的关注会带来更多的转发次数。此外，求助者获得的粉丝关注和个人流量也是对他们过去良好声誉的认可，能够吸引更广泛的受众。

因此，在疾病求助的实践中，具有一定粉丝基数的求助者要善于运用自身传播资源，与关注者进行更深入的交流；同时可以将粉丝数量作为自身可信度的证据，打消新关注者的质疑。而缺乏关注度的求助者更应着力提升视频制作水平，注重多模态话语的呈现，以及在叙事中融入情感表达。

3.病患求助行为的去中心化传播特征

随着全球网络资源的集中化和科技平台的崛起，算法等垄断性技术成为一种隐性的社会权力，催生了网络秩序的再中心化。但是，我们能够在病患求助信息的传播中看到互联网为个体赋权的公共精神的回归，其传播特性代表了一种去中心化的网民自治互助实践，而平台的资源干预对病患求助行为可见性的影响不明显。基于此，病患求助视频的传播不是依赖经济、社会资本的交换，而是受到施助者的善意、求助者的需求的影响。该发现进一步验证了既有研究关于疾病社群的支持性沟通具有非等级性的结论。

结果表明，平台社会资本仅在子构型S2b中属于辅助条件，在子构型S1b和S2a的条件中处于缺席状态，说明该要素对病患求助行为可见性的影响甚微。同时，根据单一条件的必要性分析结果，平台社会资本的一致性阈值和覆盖率均小于其反事实分析结果，这进一步说明缺乏平台社会资本的求助视频甚至能获得更好的传播效果。此外，子构型S1a和S1b的原始覆盖率大于子构型S2a和S2b，说明资源联动型求助模式的解释力度低于情理共鸣型求助模式，即用户关系资本的作用亦有限。相反，与社会资本联系较弱的情感、信息特征等因素对病患求助行为可见性的影响更为显著。

平台资源干预对求助可见性的作用有限的结论能够在中国社会特有的信任文化中得到解释。既有研究将信任划分为两类，即具有特定信任对象的特殊信任和无特定对象、依靠社会约束机制形成的普遍信任。中国社会的信任以特殊信任为主，即信任对象是明确的，且关系化特征明显。所以，当受众在观看求助视频时，更倾向于基于主观视角理解，将符合其主观施助标准的求助者纳入熟人圈层而予以信任。相反，如果求助者不满足受众主观施助标准，即便其拥有平台在真实性认证、流量推广等方面的支持，也难以获得受众的信任。

此外，这一结论更重要的实践贡献在于揭示社交媒体平台在病患求助信息传播中的缺位现象，即缺乏管理和凝聚力的平台方抑制了网民自治互助实践的潜力。平台应着眼于聚合大众的智慧（ the wisdom of the crowd） ，一方面要与社群成员共同制定行为规范，充分考虑不同阶段（信息发布前后）、不同参与人群（求助者、相关证明人、一般受众、企业机构等）的传播需求，帮助求助者与受众达成有效联结；另一方面要发挥技术优势，在求助话题设置数字主持人和志愿者，在线核查、翻译、分发求助信息，及时清理虚假、重复信息，防止紧急的求助信息被淹没。

（二）研究局限与展望

本文尚存在一些未竟之处，将在以后的研究中予以完善。首先，本文采用的是横截面数据，数据均是在特定的时间段采集的，难以揭示病患求助行为的可见性在整个传播周期中的动态变化。未来可以开展纵向研究，追踪采集多个时间点的数据，以形成更丰富、稳定的结论。其次，综合考虑模型的简洁性以及前因条件数量与案例数量的匹配性，本文仅采用单一要素，整体性地反映平台和受众维度。同时，本文对结果的测量局限于定量层面，播放量、评论量等数据只能代表求助行为可见性的一个侧面，难以反映不同受众对病患求助行为的个人化观点。未来可以通过文本分析、话语分析等定性的方法考察具体的传播文本，丰富影响各主体行动的要素及其测量维度，进一步探索求助信息互动深度、互动关系的有效性等问题。最后，基于fsQCA方法的特性，本文选择进行小样本研究，以发挥该方法在个案阐释方面的优势，使病患求助行为可见性的影响构型更聚焦，以得出更多共性的结论。但样本数量有限压缩了本文对研究对象进行细致分类的空间，难以考察本文得出的构型对于不同身份特征（如性别、年龄、疾病类型、叙事风格等）求助者的异质性表现。未来可以尝试收集大规模样本数据，进一步探究上述身份特征对于求助行为可见性的影响，从而为不同类型的求助者制定更具针对性的可见性获取策略。

备注：全文引用及参考文献从略

引用参考

肖鹏,曲亚宁.社交媒体中病患求助行为的可见性研究——基于51个案例的模糊集定性比较分析（fsQCA)[J].传播创新研究,2024(01):47-66+218-219.

作者简介

肖鹏，中国人民大学新闻学院硕士研究生，研究领域为健康传播、数字不平等。

曲亚宁，中国人民大学新闻学院硕士研究生，研究领域为健康传播、风险传播。