基于ELM模型的编程学习类视频传播效果影响因素研究

作     者：王禧媛 

作者单位：华中科技大学 

学位级别：硕士

导师姓名：沈丽宁

授予年度：2022年

学科分类：05[文学] 0503[文学-新闻传播学] 

主      题：视频传播效果 编程学习 精细加工可能性模型 情感分析 多元线性回归分析 

摘      要：【目的】基于现有信息处理模型——精细加工可能性模型,从内容质量、来源可信度两方面,探究视频中存在的哪些因素影响视频平台中编程学习类视频的传播效果,并能够针对分析结果对视频发布者、视频观看者和视频平台提供参考建议。【方法】本研究首先阅读了学习类视频相关的文献并对可能的影响因素进行了梳理。根据使用与满足理论,爬取哔哩哔哩视频网站中部分编程学习类视频的相关信息,并使用情感分析等方式对数据进行清洗及量化。对可能影响视频传播效果的变量进行假设,并通过使用描述性分析、相关性分析和回归分析等统计学方法分析了上述因素对视频传播效果——传播广度、传播深度和传播参与度的影响程度。【结果】对视频的传播广度具有显著影响的因素有标题情感积极值(β=-0.6,P0.01)、视频时长(β=0.098,P0.001)和视频评论数(β=0.859,P0.001);对视频的传播深度具有显著影响的因素有标题情感积极值(β=-0.597,P0.01)、视频时长(β=0.109,P0.001)、视频评论数(β=0.889,P0.001)、视频选集数(β=-0.072,P0.001);对视频的传播参与度有显著影响的因素有标题文本长度(β=0.013,P0.001)、标题情感积极值(β=-0.237,P0.001)、视频内容类别(β=-0.303,P0.001)、视频时长(β=0.058,P0.001)、视频评论数(β=0.717,P0.001)、有无视频简介(β=0.223,P0.001)和视频选集数(β=0.079,P0.001)。同时,发布者粉丝数对自变量和传播广度、传播深度之间具有一定的的调节作用,而对传播参与度无调节作用。【结论】视频发布者除认真打磨视频内容以外,也要认真填写与视频相关的标题、视频简介等信息,结合自身特点,在表达方式上迎合观众喜好、不放过其他能够争取视频高传播效果的指标。视频平台亦可通过增加视频长度标识、严格把控视频所在标签定位等手段使平台更受用户欢迎,提高自身在市场中的竞争力。