周葆华 江丹婷
【内容摘要】本文运用计算传播研究方法，基于推特（X）上与中国相关的新冠疫情的英文讨论，分析社交机器人的规模与特征。研究共包括 947559 个账户、2040036 条推文。经采用更保守但更准确的 TweetBotOrNot2 检测账号并结合人工校验后发现，社交机器人账号数占比 9.3%，发布推文数占比 13.4%。社交机器人注册时间在近期的比例显著高于人类用户，其主动型社交特征（如发帖量、关注数、点赞数）显著高于人类用户，而被动型社交特征（如粉丝数）则显著低于人类用户。在发帖行为上，社交机器人账号会大量发布重复内容，包含更高比例的负面标签，更多引用低可信度的超链接。在此分析基础上，本文强调了运用多元方法研究社交机器人的重要性。
【关键词】国际传播；社交机器人；涉华舆论；计算传播
社交媒体是国际传播的重要平台，因此了解社交平台上的多元行动者非常重要。作为人工智能时代国际传播的重要表征，社交机器人（social bots）已经成为社交平台上除了人类用户之外不可忽视的行动者，因此实证分析其分布规模与行动特征具有重要意义。在过往针对社交机器人的计算传播分析中，比较多地运用 Botmeter 识别和确定机器账号，本研究运用另一种 TweetBotOrNot2 算法工具，选择海外最大的社交平台之一的推特（Twitter，现名 X），识别并分析其中参与疫情涉华舆论英文讨论的社交机器人账号，以期丰富该领域的实证研究。
一、文献综述与研究问题
（一）社交机器人的界定与分类
随 着 人 工 智 能（AI） 的 发 展， 机 器 人 技 术 开始被广泛应用于社交媒体。早在 2009 年，一份来自 Sysomos 咨 询 公 司 的 报 告 就 指 出， 在 推 特 上 大约有 24% 的推文由社交机器人产生。2012 年脸书（Facebook）也曾公开宣称社交机器人占其所有账号的 8.7%。 2017 年的另一项研究指出，推特上所有英文活跃用户中，9%—15% 表现出类似机器人的行为。由此可见，社交机器人已经成为社交媒体的有机组成部分，社交媒体生态呈现出人类与机器人共生的新格局。
关于社交机器人的定义：有的侧重技术特征，如认为社交机器人就是自动化软件代理；有的强调社交互动，指出模仿人类行为、生产内容，并与真人用户互动是社交机器人的关键特征；社会科学研究则更多指涉机器人的社会与政治意涵，如将社交机器人聚焦于“政治机器人”，强调社交机器人模仿人类用户行为并试图操纵公众观点，具有政治议程。
Morstatter 等将广义的社交机器人从人机关系角度分为两类：第一类是为人类用户提供服务的功能性机器人，如气象预报机器人、聊天机器人（如微软小冰）等；第二类则是受人类特定目的驱使工作的机器人，如政治性社交机器人、社交媒体中的机器“水军”等。在此基础上，Stieglitz 等从“意图是否友好”与“模仿人的行为程度”两个维度，构建了一个社交机器人的六分类系统。
因此，本研究所关注的社交机器人是社交媒体上高度模仿人类（行为）的（半）自动化的计算机程序，它们通过发布内容参与公共议题讨论，成为影响舆论的重要行动者。
（二）社交机器人的舆论角色与涉华舆论中的社交机器人
政治议题相关的舆论场是社交机器人展开行动的主要领域之一，其操纵者通常使用自动化算法注册大量社交媒体账号并对其进行运营，通过与尽可能多的目标用户建立联络传播特定内容并试图影响舆论走向。过往研究重点关注西方国家政治选举中的社交机器人。如 2016 年的美国选举中，被认为存在大量的政治机器人，削弱了传统主体（媒体精英与专家）的影响，干扰真实人类用户间的政治沟通。另有研究分析了 2017 年德国七个政党在竞选期间的社交机器人，发现社交机器人的比例在竞选期间有明显上升，从之前的 7.1% 上升到 9.9%。另一项对日本首相选举前后推特文章的分析也发现，存在大量由机器人发布或转发的重复信息内容，而安倍之所以胜出，也得益于强大的机器人支持。在其他重大社会政治议题的讨论中，研究发现，在英国脱欧公投前的两周里，机器人推特账户在脱欧相关议题辩论中极为活跃，而在投票后活跃度急速下降。
随着中国的快速发展和国际影响力与日俱增，海外社交媒体上关于中国议题的机器人开始引起学界的关注。有研究曾对比分析中国新浪微博和推特中有关中国政治的发帖及其评论，发现与微博不同，在推特中存在社交机器人操纵舆论的痕迹，并且这些机器人账号大多以简体中文发布反华内容。有学者通过在海外媒体上常被用于指代中国及中国政府的 8 个标签作为检索关键词，在推特上获取了为期 9 天的 35 万多条推文，发现其中超过 20% 的推文由疑似社交机器人的用户产生。另一项针对中美贸易战的舆论研究，基于2019 年 5 月推特上关于该议题的 21 万多条推文，发现其中社交机器人占比 13%，发帖占比接近 20%......
本文系国家社科基金人才项目“基于计算传播的新媒体舆论过程研究”（项目编号：22VRC186）、复旦大学文科先导和创新团队项目“面向媒介深度融合的智能媒体创新研究与应用”（项目编号：IDH3353070）的阶段性成果。
（本文为文章截选，完整版请见《教育传媒研究》2024年第3期，本刊已入中国知网、万方、维普等相关学术数据库）