導(dǎo) 語

隨著社交媒體研究在體育傳播與營銷領(lǐng)域的蓬勃發(fā)展，我們也見證了其認識論復(fù)雜性的同步提升。盡管這一領(lǐng)域取得了顯著進展，但對方法論問題及其影響的關(guān)注卻相對較少。鑒于機器學(xué)習的發(fā)展，當前研究的總體目標是響應(yīng)對創(chuàng)新方法論的需求，以推動社交媒體研究領(lǐng)域的知識進步。具體而言，我們：（a）從方法論的角度評估體育社交媒體研究的現(xiàn)狀，特別關(guān)注機器學(xué)習的應(yīng)用；（b）通過實證示例展示體育學(xué)者如何從自然語言處理及其衍生的主題建模技術(shù)中受益；（c）討論機器學(xué)習如何提升社交媒體研究的嚴謹性并改善理論發(fā)展；（d）為未來利用機器學(xué)習的體育社交媒體研究提供潛在的機會和方向。

作者:James Du, Yoseph Z. Mamo, Carter Floyd, Niveditha Karthikeyan, and Jeffrey D. James

編譯：姜本橋

International Journal of Sport Communication, 2024, 17, 97-106

https://doi.org/10.1123/ijsc.2023-0151

研究簡介

隨著社交媒體在體育傳播和營銷領(lǐng)域的日益普及，相關(guān)研究的深度和廣度都在不斷提升。社交媒體的研究融合了多學(xué)科的理論、方法和視角，包括體育傳播、體育社會學(xué)和體育管理。從認識論的角度來看，社交媒體為學(xué)者提供了獨特的視角，用以揭示體育的一個顯著特點：粉絲與體育對象之間形成的強烈情感紐帶。為實現(xiàn)這一目標，研究者能夠分析來自用戶生成內(nèi)容的多樣化數(shù)據(jù)來源。隨著社交媒體在體育行業(yè)中的使用逐漸增多，研究的重點大多集中于技術(shù)媒介的社交網(wǎng)絡(luò)對個體化體育消費的影響。

數(shù)字信息和技術(shù)的快速發(fā)展，使得體育組織與消費者之間的實時連接和互動變得更加緊密。這一趨勢為研究領(lǐng)域帶來了新的拐點，研究者能夠輕松獲取海量數(shù)據(jù)，從而重新審視和驗證傳統(tǒng)假設(shè)與既有框架。盡管近期研究已經(jīng)利用機器學(xué)習（ML）處理了一些復(fù)雜任務(wù)，例如休閑參與、客戶流失、消費者情感分析、品牌參與度、運動員抗議、電競直播觀看量及社交媒體互動，但將大數(shù)據(jù)、機器學(xué)習與體育管理研究深度結(jié)合，仍有巨大潛力尚未開發(fā)。

本研究旨在探索以下四個方面：(1) 從方法論角度評估當前體育社交媒體研究的現(xiàn)狀，特別關(guān)注機器學(xué)習的應(yīng)用；(2) 提供一個實證案例，展示體育研究者如何利用自然語言處理（NLP）和主題建模的最新技術(shù)；(3) 探討機器學(xué)習如何提高體育社交媒體研究的嚴謹性并促進理論發(fā)展；(4) 提出未來體育社交媒體研究中使用機器學(xué)習的潛在方向和機會。

當前體育社交媒體研究現(xiàn)狀

由于體育迷在社交媒體上生成了大量內(nèi)容，相關(guān)研究主要集中在“大數(shù)據(jù)”的定量分析。“大數(shù)據(jù)”有四個核心特征：數(shù)據(jù)量（Volume）、數(shù)據(jù)多樣性（Variety）、數(shù)據(jù)生成速度（Velocity）和數(shù)據(jù)真實性（Veracity）。數(shù)據(jù)量反映了社交媒體和數(shù)字工具所生成的信息規(guī)模；數(shù)據(jù)多樣性則體現(xiàn)了結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的豐富性，包括數(shù)字、文本、音頻、視頻等形式；數(shù)據(jù)生成速度強調(diào)實時性，而數(shù)據(jù)真實性則聚焦于數(shù)據(jù)的隱私性、準確性和可靠性。

通過構(gòu)建實證模型，大數(shù)據(jù)研究能夠捕捉、可視化并分析潛在模式，從而提升理論發(fā)展的實際意義。社交媒體研究已成為體育管理領(lǐng)域的核心之一，研究者通過分析社交媒體上的內(nèi)容，研究消費者的態(tài)度、情感和行為。例如，一些學(xué)者通過分析與特定體育事件相關(guān)的社交媒體帖子，推測消費者的情感動態(tài)。另一部分研究則使用情感分析和自然語言處理（NLP）技術(shù)，揭示文本數(shù)據(jù)中的情緒和觀點，這在體育營銷、消費者心理等領(lǐng)域展現(xiàn)了廣闊的應(yīng)用前景。

盡管體育社交媒體研究蓬勃發(fā)展，但由于數(shù)據(jù)通常是非結(jié)構(gòu)化且以文本為主，這為分析帶來了方法論上的挑戰(zhàn)。為此，學(xué)者們呼吁采用新興技術(shù)來處理這些復(fù)雜數(shù)據(jù)，以進一步推動研究的深度和廣度。

實證示例：機器學(xué)習在社交媒體研究中的應(yīng)用

為了展示機器學(xué)習在社交媒體文本數(shù)據(jù)分析中的應(yīng)用，本研究收集了2010年至2020年間《國際體育傳播期刊》（IJSC）發(fā)表的261篇與社交媒體相關(guān)的文章。我們采用了BERTopic建模來自動識別文獻數(shù)據(jù)集中隱含的主題、模式和關(guān)系。

分析結(jié)果揭示了三個潛在主題，這些主題是通過傳統(tǒng)文本分析難以察覺的定義性術(shù)語體現(xiàn)的。第一個主題“體育利益相關(guān)者”集中討論了社交媒體在體育迷、運動員和體育組織等群體中的作用；第二個主題“奧運會”反映了關(guān)于社交媒體在奧運會背景下使用的研究；第三個主題“新冠疫情”則圍繞一期特別刊物“體育與新冠疫情危機”所展開。此外，研究發(fā)現(xiàn)，在這三個主題中，定性方法（如訪談和內(nèi)容分析）經(jīng)常出現(xiàn)，與以往主要依賴定量方法的研究形成對比。

本研究的實證示例表明，社交媒體研究可以通過機器學(xué)習技術(shù)獲得顯著收益。作為對傳統(tǒng)定性研究工具的有力補充，機器學(xué)習及相關(guān)分析和可視化工具可以幫助體育管理研究者以透明且創(chuàng)新的方式，深入理解大規(guī)模文本數(shù)據(jù)如何在不受既定假設(shè)、概念和價值觀影響的情況下被清理、編碼、分析和解釋。這種方法為社交媒體研究開辟了新的視角，也為未來研究提供了重要的啟發(fā)。

通過機器學(xué)習提升體育社交媒體研究的嚴謹性

機器學(xué)習為研究者提供了一種強大的工具，能夠?qū)?fù)雜的分析任務(wù)交由算法完成，從非結(jié)構(gòu)化的社交媒體數(shù)據(jù)中挖掘有意義的模式。這種能力不僅推動了基于數(shù)據(jù)的新理論發(fā)展，也為回答傳統(tǒng)研究中難以觸及的問題提供了靈活的模型支持。例如，機器學(xué)習可以幫助研究者識別反直覺的趨勢和未曾察覺的關(guān)聯(lián)，從而豐富理論框架。

在理論層面，社交媒體數(shù)據(jù)具有實時動態(tài)的特性，這為研究社交網(wǎng)絡(luò)中的關(guān)系、粉絲情緒及其社會參與行為提供了前所未有的細致視角。通過機器學(xué)習的高效分析，研究者可以提煉出隱藏在這些數(shù)據(jù)中的模式，并將其轉(zhuǎn)化為對體育社交媒體研究的重要洞見。例如，消費者情緒的分析不僅可以揭示不同消費者群體的特征，還可以進一步解釋他們與體育對象之間的聯(lián)系發(fā)展過程，這對于理論深化和實踐應(yīng)用都具有重要意義。

自然語言處理（NLP）是機器學(xué)習中的關(guān)鍵技術(shù)。它不僅能夠解析文本和圖像中的象征意義，還可以幫助研究者理解消費者在非文本媒介中表達的情感。例如，通過深度學(xué)習算法，研究者能將社交媒體圖片中的低層次視覺特征映射為高層次的行為模式，這對體育營銷和消費者態(tài)度研究至關(guān)重要。盡管機器學(xué)習技術(shù)強大，研究者在使用時必須注重模型的透明性和可解釋性。一個復(fù)雜但無法解釋的模型可能限制其理論貢獻。可解釋性不僅能增強研究的理論價值，也能確保模型在學(xué)術(shù)和實踐中的可用性。

體育社交媒體研究中機器學(xué)習的未來方向

未來研究應(yīng)采用更復(fù)雜的自然語言處理和詞匯編碼技術(shù)，以改進文本分析的上下文理解。目前大多數(shù)研究依賴通用詞庫，難以反映體育情境的獨特性。開發(fā)適用于體育領(lǐng)域的專用詞庫，例如包含賽事術(shù)語和粉絲語言的詞匯，將有助于提升研究的準確性。

在模型構(gòu)建方面，未來研究需要在模型的復(fù)雜性、預(yù)測精度和可解釋性之間實現(xiàn)平衡。盡管開發(fā)可解釋模型更具挑戰(zhàn)性，但其透明性能夠提高研究的責任性。研究表明，為了可解釋性而犧牲一定的復(fù)雜性并不會顯著降低模型的預(yù)測能力，而是讓研究者對模型的細節(jié)有更深刻的理解，從而使其對理論的發(fā)展更具價值。

研究者還應(yīng)擴大機器學(xué)習的應(yīng)用范圍，不僅限于市場優(yōu)化目標，還應(yīng)利用可解釋的機器學(xué)習技術(shù)，在動態(tài)語境中探索和挑戰(zhàn)現(xiàn)有框架。例如，開發(fā)體育特定的自然語言處理詞庫，或者使用機器學(xué)習推動體育產(chǎn)業(yè)的多樣性、包容性和公平性，這些都可以成為有效的研究方向。

作者：姜本橋印第安納大學(xué) 博士