CHILD RESEARCH NET

HOME

首页 > 学术研究 > 网络新生代的教育 > 以社交媒体为媒介的社会----东日本大地震

  • weibo

学术研究

Research

以社交媒体为媒介的社会----东日本大地震

加纳 宽子(山形大学基础教育学院副教授)
2013-02-26

摘要:

在东日本大地震中,人们频繁使用"推特"(twitter)这种简易论坛作为信息交换的工具。尽管推特上各种流言蜚语以及让人感觉不快的发言也为数不少,但它的确成为了解分散在四处的避难所状况的一种手段。人们一共发了多少推特?这些发言具有肯定还是否定的倾向?我们通过TweetSentiments这种工具来分析了这些发言的特征。

1.前言

  2011年3月11日以宫城县附近海域为震源发生了东日本大地震,创下了里氏9.0级的地震记录,震源区域在岩手县附近海域到茨城县附近海域,南北约500km,东西约200km,影响范围很广。之后的4月7日在宫城县附近海域又发生了里氏7.4级地震,同年4月11日福岛县海滨附近发生了里氏7.1级的巨大余震[1]。这场地震引发了最高到达40.5米的大规模海啸,给东北地区和关东地区太平洋沿岸部分带来了毁灭性的打击[2]。由于地震和海啸的影响,水、电、通讯、燃料等生命线悉数被破坏,人、物以及信息的传达至为困难。地震刚结束后公用电话便已无法接通,幸而不久之后通讯设备可以进行充电,于是人们便利用twitter这种简易论坛频繁地进行信息交流。

  当人们无法通过把服务器设在灾区当地的服务商进行邮件联系的时候,推特却也可以照常利用。由于它有文字数的限制,且十分简单,即使是在混乱的公共通讯环境中也能正常使用。在推特上各种不特定的、无责任的流言蜚语以及让人感觉不快发言也为数不少,但它的确成为了解散布在各处成为陆地孤岛的避难所状况的一种手段。人们进行了多少发言(本文中"发言""推特"意思相同),各有着怎样的倾向?我们以东日本大地震相关的各类推特的发言、利用标签#jisin的发言、包括"地震""地震""海啸"等关键词的发言为对象,利用TweetSentiments和Twitraq进行了分析处理。

 

2.推特数量

  推特数量是利用Twitraq[3]显示的包括"地震(图1)"、"震灾(图2)"、"海啸(图3)"在内的推特数量。观测一下包括"地震"、"震灾"、"海啸"在内的推特数量的推移,地震刚刚结束的海啸发生时的3月,包括"海啸"一词(图3)的推特显著增加。余震频繁发生之后,包括"海啸"的推特则显著减少。


图1 包括"地震"的推特数量 (纵轴为件数)


图2 包括"震灾"的推特数量 (纵轴为件数)


图3 包括"海啸"的推特数量 (纵轴为件数)

  另一方面,包括"震灾"的推特数量进入6月后快速增加 (图2)由此可见,地震刚刚结束时,灾区的人们很少使用"震灾"一词。地震经过了3个月,人们能够客观地看待过去发生的地震之后,才开始频繁使用"震灾"一词,因此在6月推特数量显著增加。

  另外,包括"地震(图1)"的推特在4月、5月逐渐增加,5月约为81万件,推特数量达到峰值。这是因为3月时很多地方水电仍未开通,而到了4月之后,可以使用通讯设备的人们开始使用推特了。进入6月,余震渐渐减少,推特数量也逐渐相应减少。

  当然,不含有这三个关键词的跟地震有关的推特也很多,我们未做统计。

 

3.推特的发言地域和有关性别的诸特征

  与地震有关的推特发言,是否跟人们的发言地域和性别有关呢?我们利用Twitraq[3]对包含"地震(图4)"、"地震(图5)"、"海啸(图6)"的推特进行了发言地域的分析。

 少←―――――→多

图4 包括"地震"的推特的分布
(地图中显示的都道府县中,越红的部分表示推定推特利用者越多)

 

 少←―――――→多

图5 包括"震灾"的推特的分布


少←―――――→多

图6 包括"海啸"的推特的分布


  图1 包括"地震"的推特,发言者为女性较多,图1 包括"震灾/海啸"的推特的发言者以男性居多。再看每个地区的特征,任何一个关键词都是包含"宫城"一词的推特数量最多,包括"地震/震灾"第二多的是"福岛",包括"地震"第2位的是岩手。每个关键词中,发言较多的都来自遭受了巨大灾难的岩手、宫城和福岛。

 

4.通过TweetSentiments做的推特发言分析
4-1.TweetSentiments是什么?

  在TweetSentiments中,用指数的形式(应用情绪指数,即"Apply sentiment index"下文省略为ASI)来显示肯定的(positive)和否定的(negative)的发言的比例。求ASI的公式如图7所示。所有发言都被划分为从肯定(绿色)到否定(红色),请参考图8和图9所显示的发言。


図7  应用情绪指数(ASI)的计算公式



図8  应用情绪指数(ASI)所进行的分类

---[肯定的例子]---
为3月11日发生的"东日本大地震"中受灾民众进行捐款。

---[否定的例子]---
首相官邸致命的错误在于,没有在出现重大事态之时强制民众避难,(据NHK新闻报道说)医院和避难所中因地震而死亡的人数已经超过500人。菅直人首相负有不可推卸的重大责任。

图9 发言例


4-2.发言倾向

  与地震有关的推特发言中,有怎样的肯定、中立和否定(Positive/Neutral/Negative)倾向呢?我们用TweetSentiments进行了分析。表1和图10显示了对包括"地震"、"震灾"、"海啸"、"#jishin"」、「#jisin」的推特的分析结果。

  观察一下表1所显示的应用情绪指数(ASI)数值和图10所显示的Positive/Neutral/Negative的比例,可以得知包括"震灾"的推特中57%持否定态度。具体来看,如"又是地震。晃啊晃ー (ノ_ё)555""讨厌地震。゜゜(´□`。)°゜。汪!!"等,发生余震时等常常能见得到这样的发言。

  另一方面,跟"海啸"有关的推特,69%持肯定的态度。具体来看,如"茨城县南部是震源,停电了。没事吧?好像不用担心有海啸,行动要沉着冷静"等,发生余震时等常见这样的发言。"余震不会带来大规模海啸"、"不用担心" 、"我放心了"等内容的推特较多。

  海啸 震灾 地震 #jisin #jishin
Index[0-100]: 76.0 63.0 19.5 37.5 52.0
肯定: 69 57 13 18 30
否定: 17 31 74 43 26
中立: 14 12 13 39 44
 总分析:   100   100   100   100   100 

表1  应用情绪指数(ASI)值

 


图10 肯定/中立/否定的比例

  包括"震灾"的推特,57%持肯定态度。"地震复兴的加油歌曲'当世界成为一体'是名曲啊°゚°ヾ( ~▽~)♪"等很多推特和复兴相关的内容、"加油东北"等关键词一起出现。图5显示了关键词"震灾",比起地震刚刚结束之时,6月渐渐稳定下来,发言量也有所增加。"震灾"这一关键词的使用,说明了人们能够客观看待地震。因此,祈祷复兴、和希望有关的肯定的发言也日渐增多。

  另外,和地震相关的标签(注1)如#jishin#jisin等中,持"中立(Neutra)"态度(即既非肯定也非否定)的推特分别占到44%和39%。其原因应该是含有这些标签的推特中地震速报(注2)、新闻等传达事实的推特较多。特别是#jishin,每天余震过后的地震速报(注2)中一定会含有该标签,比起含有#jisin的推特来说,中立(Neutra)的比例较高。比起以个人发言为中心的#jisin,来自媒体的跟新闻相关的推特常用#jishin这一标签,比起#jisin,#jishin中否定的推特较少。

  跟地震有关的推特中,不含有"地震""震灾""海啸""#jishin""#jisin"的推特还有很多,甚至是无标签的推特也为数不少。震灾时除了"地震"(#jishin#jisin)以外,以下的标签也常常被使用。

○确认是否安全 #anpi
○请求救援 #j_j_helpme
○避难所和避難警告信息 #hinan
○医疗受灾者支援信息 #311care
○当地的声音 #311spp
○受灾宠物和动物的救助 #311pet
○青森县的信息 #save_aomori
○岩手县的信息 #save_iwate 
○宫城县的信息 #save_miyagi 
○山形县的信息 #save_yamagata
○福岛县的信息 #save_fukushima
○茨城县的信息 #save_ibaraki    
  其他#save_都道府县的名称

  在上面的标签中,确认是否安全#anpi、请求救援#j_j_helpme、避难所和避難警告信息#hinan等并非用于沟通、而是在发生紧急状况等利用的标签,仅在震灾刚结束后时出现(除去误用的情况)。

  另一方面#311care等,一直用于缓解受灾民众的压力和心理康复。
"【致受灾群众】http://goo.gl/gt8bs: 日本临床心理师协会的紧急心理咨询电话(0120-111-916)开通。下午1点~下午10点。希望与您的对话能为您带去安宁"等,在咨询窗口的介绍中常常出现。其他安慰和鼓励受灾群众的推特也很常见。我们利用TweetSentiments对包括"#311care"的推特进行了分析。如表2所示,肯定的结果约占70%。

  另一方面,尽管包括"#311care",但被划为"否定的内容"也有2%。其内容是
"【诈骗等恶劣商业手段②】(实例)使用貌似公共机关的名称发'房屋耐震诊断'的传单,让签高额的单子/以'收集捐往灾区的二手床被'为名进入别人家,劝诱其出高价进行床被翻新"等。这些呼吁民众不要被恶劣的商业手法所欺骗的呼吁性质的推特别划分为否定性的推特。类似的推特不在少数。因为出现了"诈骗""恶劣"等关键词,所以被划为"否定的内容"。我们无法检查所有的推特,但就包括"#311care"的数百条推特的目测结果来看,并没有否定性的内容。

Index[0-100]: 71.5
肯定: 70
否定: 27
中立: 3
 总分析:   100 

表2 #311care ASI的值

 

5.结语

  "地震"、"震灾"、"海啸",每个关键词都以来自遭受了巨大灾害的岩手、宫城、福岛的推特为最多。对遭受了巨大灾害的地区的人们来说,即使震灾结束,人们也无法把它们当作往事而尽数遗忘,所以一直频繁地提起。每个人就自己所关心的事情发布推特,因此推特的分布显示了每个地区所关心的各自不同的内容。

  震灾后与地震相关的的电视节目一直在滚动播出,对此事的表达看法的推特可以看出人们的不同态度。在灾区,地震过去数星期后才逐渐开始通电,能够收看电视,人们是通过电视屏幕才了解到发生了什么。很多人表示一直在盯着地震相关的新闻看。另一方面,非灾区的地区则在地震刚发生之后就能收看电视,很多人想不到灾区的民众甚至连电视节目都收看不了。由于电视里一直在播放的海啸的画面,很多人全然不顾灾区情况,自私地表示希望早点播放正常的电视节目。

  在推特上相互关注的人,往往处在类似的环境之中。希望电视节目停播与地震相关的内容、早日回到往日内容的大部分人都不是灾区民众,他们表达了相似的看法,在很多推特的发言中都表示希望节目早日复原。有多少父母会告诉孩子,灾区的民众在震后几周仍然看不到电视节目、有很多几个星期无法洗澡的人和很多失去了父母兄弟变成孤儿的孩子呢?

  在灾区以外,很少有人对孩子们提及核电站事故和地震之后生活的艰难,网上有这样的视频,拍到灾区民众几天都无法入浴,人们排队领取赈灾饭菜时周围苍蝇围在一起乱飞,人们被迫在这样的环境中吃饭和生活。灾区民众开始渐渐到其他地方避难的时候,当地的人不但不体恤他们,反而说"核辐射会传染"等欺辱性的话,成为一大问题。

  另外,灾区民众虽然很感谢志愿者帮助清除瓦砾、清扫和负责打扫等,但同时他们来到灾区,随便对避难所中拒绝摄影的人们进行拍摄,甚至导致有的避难所拒绝志愿者前去。

  这几个月我们一直在观察各种推特的发言。让人不得不悲叹的是,日本这一小小的岛国,相隔不过数百公里的人们为何却无法对其他人的痛楚产生共鸣呢?社交媒体的普及使得相隔甚远的人们也能在瞬间进行沟通,但另一方面,越来越多的人产生了错觉,认为自己所接触到少部分人所构成的小社会就是整个大社会。最近有人指出,年轻人很少看电视了[5],他们渐渐不会去被动地接受跟自己的兴趣无关的新闻,而且能动地检索自己关心的事,进行信息的收集。对待事物抱有相似观点的人们逐渐联系在一起,建立起了能够相互引起共鸣的空间。自从古腾堡发明近代印刷技术之后,人们可以获知的信息范围不断扩大,随着普及社交媒体的普及,人们越来越不用再考虑距离的影响,轻松地建立起能分享共同感觉的空间。但正是由于这个原因,人们的视野反而变得益发狭隘。随着社交媒体的普及,人们能分享同样感觉的空间越来越多,但另一方面,我们也应该去主动发现那些跟自己本无联系的人,体会到别人的生活环境和想法。这不正是信息社会中教育应该起到的作用吗?

__________________________________________

注1 "标签"(hashtag)是在推特上用#符号和半角英文数字等构成的文字列,在推特上用"#○○"的形式发出。人们可以在检索画面上检索到标有该记号的所有发言,在查看相关内容的发言时非常方便。这是推特的使用者自发使用的工具。
注2 地震速报的例子(笔者进行了部分省略)
 @earthquake_jp 地震速报
 【速報LV4】05日01時06分頃 岩手县久慈市附近(N40.2/E142.5)发生(推定里氏4.5级)地震。
 震源深度为53km。#jishin
注3 本文是对参考文献[6]进行修改而完成的。

参考文献
[1] 日本气象厅地震信息
http://www.seisvol.kishou.go.jp/eq/suikei/eventlist.html
[2] 根据专家队测量 海啸最高到达40.5米  2011年5月30日
[3] Twitraq http://twitraq.userlocal.jp/
[4] http://pbdspace.kj.yamagata-u.ac.jp/311/
[5] NHK播放文化研究所《国民生活时间调查》2010年报告书
[6] 加纳宽子(2011) 《运用TweetSentiments所作的东日本大地震的发言分析》日本教育信息学会第27回年会论文集 Pp.26-29.

作者简介

加纳 宽子 (山形大学基础教育学院副教授)

毕业于东京学艺大学教育学院,该校研究生院教育学研究科硕士毕业,早稻田大学研究生院国际信息通信研究科博士课程期满退学。
  • weibo

PAGE TOP