1. 引言
“依托信息技术的发展，互联网新媒体不断进行革新。政府也与时俱进，利用互联网新媒体进行电子政务建设”[1]。在短视频平台飞速发展的当下，抖音凭借其庞大的用户基数和强互动属性，已成为政务信息传播与公众沟通的核心阵地[1]。政务抖音号作为政府数字化转型的重要载体，在政策解读、民生服务、社会动员等方面的作用日益凸显，但其运营效果却呈现显著差异，这种“数字鸿沟”现象引发了学界与实务界的广泛关注[2]。既有研究虽提供了宝贵基础，但多集中于单维度分析，缺乏对信息生态中多要素联动机制的系统考察。基于此，本研究旨在弥合上述研究缺口，借鉴信息生态系统理论，构建一个整合性的“主体–内容–技术”分析框架[3]，深入探究三要素间的匹配与互动机制，为破解政务传播“叫好不叫座”的困境提供系统性的理论框架与实证支持。
2. 理论基础与研究框架
(一) 信息生态系统理论及其整合性视角
信息生态系统理论由Davenport与Prusak于1997年在《信息生态学：掌控信息与知识环境》中提出，用以批判“技术决定论”。该理论借鉴生态学整体观与联结思维，认为信息生态由信息人(主体)、信息(内容)和信息环境(技术与制度)三要素构成，三者相互依存、动态互动，影响信息传播与接收效果[4]。将其应用于政务新媒体研究，可避免单向思维，为解析“主体–内容–技术”协同机制提供元框架。
在政务抖音生态中，该理论整合多个经典传播学视角：信息主体双向互动是核心，政府机构的权威、专业与沟通策略是构建信任的关键[5]，公众用户内在动机可由“使用与满足”理论阐释[6]；信息内容要兼顾实用、趣味与形式适配[7]，媒介丰富度理论可解释短视频形式优势[8]；信息技术与环境作为“基础设施”，架构信息可见性与互动便利性，“感知有用性”与“感知易用性”是其作用于用户心理的中介变量，可参考技术接受模型(TAM) [9]。三要素在“媒介触达–情感认同”互动仪式中交织作用。
(二) 政务新媒体研究的演进
既有政务新媒体研究历经了从平台描述向效果探究、从单一因素向系统关联的演进脉络。早期研究多集中于政务微博、微信的兴起与功能描述(贾哲敏和何婧琪，2019) [2]，随后逐渐转向公众参与影响因素的分析。这些研究提供了重要启发，但也暴露出碎片化局限：
在主体研究方面，学者们常借鉴“使用与满足”理论，剖析用户的信息、娱乐、社交等需求(金诸雨，2021) [10]，或从准社会交往角度分析用户与政务号的情感联结(宋琦和陈接峰，2024) [11]。但较少将政府一方的传播策略与用户需求进行匹配性研究。在内容研究方面，研究普遍关注内容质量、叙事方式、情感倾向等对传播效果的影响(陶冬，2020) [12]。但内容形式如何与技术推荐逻辑适配，尚缺乏深入探讨。在技术环境方面，学者开始关注算法推荐(窦云莲等，2024) [3]和互动功能的设计(陈强等，2024) [13]，但多视其为外部变量，未能充分将其置于与主体和内容的互动关系中考察。
总体而言，现有研究亟需一个能统合“用户–内容–平台”的整合性框架。本研究引入信息生态系统理论，正是为了回应这一理论呼唤。它作为一个元框架，将上述中微观理论有机纳入其“主体–内容–环境”的分析维度中，旨在系统探究三要素间的匹配与互动机制，从而弥补既有研究缺乏系统考察的缺口。
(三) 研究框架与研究假设
基于上述理论，结合政务抖音平台特性，我们构建了“三维匹配互动模型”(见图1)。该模型揭示，提升政务抖音号互动效能的关键在于实现信息主体(用户/运营者)、信息内容、信息技术三大维度间的有效匹配与动态适配。
Figure 1. Three-dimensional matching interactive model
图1. 三维匹配互动模型
据此，本研究提出以下假设：
H1：用户偏好的视频时长与其浏览政务抖音的时间段存在关联。基于注意力分配理论与既有研究发现(陶冬，2020) [12]，碎片化时段(如午休)用户更倾向短时内容，休闲时段(如晚间)更偏好长时内容。
H2：互动功能使用频率与参与意愿存在正向循环。依据社会学习理论与习惯形成理论，高频使用某类互动功能(如转发)的用户，会对同类互动活动形成行为惯性，从而表现出更强的参与意愿[11]。
H3：平均每天使用抖音时长不同的用户，对激发互动的背景音乐偏好存在差异。不同沉浸程度的用户对情感唤醒度的需求存在差异[10]，使用时长可作为其用户画像的关键维度。
H4：用户浏览政务抖音的时间段与其偏好的视频时长存在关联。(此为H1的延伸性验证，旨在通过不同变量组合强化结论的稳健性)。
3. 研究方法与数据说明
(一) 数据采集
本研究通过线上平台分发问卷，以社会公众为研究总体，共回收问卷413份，经过筛选得出390份有效样本。问卷内容包括基本个人信息问题和与自变量相关问题，问卷回收后使用SPSS软件进行列联表分析和卡方检验，以验证研究假设。
(二) 变量与分析定量
设置自变量为浏览政务抖音的时间段、使用频率最高的互动功能、每天使用抖音的时长、倾向的视频时长。浏览政务抖音的时间段包括早晨(6~9点)、午休(12~14点)、傍晚(18~20点)、晚间(20~24点)等；使用频率最高的互动功能包括合拍、转发、评论区提问、投票等；每天使用抖音的时长包括<30分钟、30分钟~1小时、1~2小时、2~3小时、>3小时等；倾向的视频时长包括<15秒、15~30秒、30秒~1分钟、1~3分钟、>3分钟等。
(三) 方法
本研究采用卡方检验分析分类变量间的关联性，该方法适用于探究两个定类变量间的相关性，在社会科学及传播学研究中被广泛使用。通过列联表展示变量的交叉频数分布，并计算皮尔逊卡方与似然比卡方值。鉴于本研究部分列联表中期望频数小于5的单元格比例超过20%，我们同时报告两种检验结果以进行交叉验证，确保结论的稳健性。当渐进显著性(p值) < 0.05时，认为变量间存在显著关联。
4. 假设与数据分析
本节通过列联表分析与卡方检验，对前述四个研究假设进行逐一验证。我们严格遵循数据分析规范，同时报告皮尔逊卡方与似然比卡方值，以应对期望频数分布不均的问题，确保假设检验结论的可靠性。
(一) 假设1检验
假设1提出用户浏览时段与视频时长偏好存在关联。数据分布(见表1)表明，午间碎片化时段(12~14点)用户显著偏好<15秒短视频(占比33.3%)，而傍晚休闲时段(18~20点)用户则更偏好1~3分钟的中视频(占比36.4%)。此外，检验结果(见表2)显示，皮尔逊χ2(12) = 24.67，p = 0.016；似然比χ2(12) = 23.94，p = 0.021。尽管有20.0%的单元格期望计数小于5，但两种稳健性检验的结论高度一致，均支持假设成立。这一发现精准验证了陶冬(2020) [12]关于用户场景与内容形式需匹配的观点，为政务号分区运营策略提供了直接数据支持。
(二) 假设2检验
假设2提出互动功能使用频率与参与意愿存在正向循环。根据检验结果(见表3)，“使用频率最高的互动功能”与“最能激发参与意愿的互动活动”之间存在显著关联(皮尔逊χ2(20) = 51.00，p< 0.001；似然比χ2(20) = 49.13，p < 0.001)。交叉表显示，高频使用“评论区提问”功能的用户，最倾向于选择“评论抽奖”活动(观测值61，期望值49.3)；而偏好“合拍”功能的用户，则对“@好友挑战”活动表现出更强参与意愿。皮尔逊卡方与似然比卡方检验的p值均小于0.001，高度显著且结论完全一致(见表4)。
这一发现验证了社会学习与习惯形成理论(宋琦和陈接峰，2024) [11]，即用户对特定互动功能的使用
Table 1. Cross tabulation of preferred video duration versus time slot of browsing government Douyin
表1. 倾向的视频时长 × 浏览政务抖音的时间段交叉表
倾向的视频时长 × 浏览政务抖音的时间段交叉表 |
计数 |
|
浏览政务抖音的时间段 |
总计 |
早晨(6~9点) |
午休(12~14点) |
傍晚(18~20点) |
晚间(20~24点) |
倾向的视频时长 |
<15秒 |
12 |
14 |
8 |
8 |
42 |
15~30秒 |
10 |
30 |
28 |
36 |
104 |
30秒~1分钟 |
14 |
32 |
33 |
41 |
120 |
1~3分钟 |
20 |
21 |
40 |
29 |
110 |
>3分钟 |
5 |
2 |
2 |
5 |
14 |
总计 |
61 |
99 |
111 |
119 |
390 |
Table 2. Results of the chi-square test for Hypothesis 1
表2. 假设1卡方检验
卡方检验 |
|
值 |
自由度 |
渐进显著性(双侧) |
皮尔逊卡方 |
24.674a |
12 |
0.016 |
似然比 |
23.936 |
12 |
0.021 |
线性关联 |
0.461 |
1 |
0.497 |
有效个案数 |
390 |
|
|
a：4个单元格(20.0%)的期望计数小于5。最小期望计数为2.19。
Table 3. Cross tabulation of most frequently used interactive features versus activities that most effectively stimulate engagement
表3. 使用频率最高的互动功能 × 最能激发参与的互动活动交叉表
使用频率最高的互动功能 × 最能激发参与的互动活动交叉表 |
|
最能激发参与的互动活动 |
总计 |
评论抽奖 |
@好友挑战 |
话题标签 |
投票PK |
其他 |
使用频
率最高
的互动
功能 |
合拍 |
计数 |
7 |
10 |
10 |
4 |
10 |
41 |
期望计数 |
15.7 |
6.3 |
10.6 |
4.4 |
4.0 |
41.0 |
转发 |
计数 |
24 |
8 |
17 |
6 |
7 |
62 |
期望计数 |
23.7 |
9.5 |
16.1 |
6.7 |
6.0 |
62.0 |
评论区提问 |
计数 |
61 |
12 |
41 |
10 |
5 |
129 |
期望计数 |
49.3 |
19.8 |
33.4 |
13.9 |
12.6 |
129.0 |
投票 |
计数 |
14 |
10 |
7 |
6 |
3 |
40 |
期望计数 |
15.3 |
6.2 |
10.4 |
4.3 |
3.9 |
40.0 |
未使用过 |
计数 |
29 |
12 |
14 |
3 |
5 |
63 |
期望计数 |
24.1 |
9.7 |
16.3 |
6.8 |
6.1 |
63.0 |
其他 |
计数 |
14 |
8 |
12 |
13 |
8 |
55 |
期望计数 |
21.0 |
8.5 |
14.2 |
5.9 |
5.4 |
55.0 |
总计 |
计数 |
149 |
60 |
101 |
42 |
38 |
390 |
期望计数 |
149.0 |
60.0 |
101.0 |
42.0 |
38.0 |
390.0 |
Table 4. Results of the chi-square test for Hypothesis 2
表4. 假设2卡方检验
卡方检验 |
|
值 |
自由度 |
渐进显著性(双侧) |
皮尔逊卡方 |
51.004a |
20 |
0.000 |
似然比 |
49.127 |
20 |
0.000 |
线性关联 |
0.059 |
1 |
0.808 |
有效个案数 |
390 |
|
|
a：4个单元格(13.3%)的期望计数小于5。最小期望计数为3.90。
会形成行为惯性，并强化其对同类活动的偏好，从而形成“使用–偏好–再次使用”的正向循环，假设2获得强有力的统计支持。
(三) 假设3检验
假设3提出平均每天使用抖音时长不同的用户，对激发互动的背景音乐偏好存在差异。数据分布表明(见表5)，每日使用时长较短的用户(<1小时)对“悲伤抒情”类音乐偏好突出(观测值13，期望值4.4)；而重度用户(1~2小时)则更偏爱“激昂热血”(观测值51，期望值42.0)与“轻快活泼”的音乐类型。此外，卡方检验结果显示(见表6)，用户每日使用时长与背景音乐偏好之间存在显著关联(皮尔逊χ2(16) = 46.48，p < 0.001；似然比χ2(16) = 40.29，p= 0.001)。
虽然存在24.0%的单元格期望计数小于5，可能对检验效能造成一定影响，但两种检验方法的p值均远低于0.05的显著性水平，且结论一致。这表明用户沉浸程度不同，其情感唤醒需求的确存在显著差异[10]，假设3成立。该结果提示运营者需依据用户画像匹配背景音乐，以更精准地触发情感共鸣[4]。
Table 5. Cross tabulation of daily Douyin usage duration versus background music type
表5. 每天使用抖音的时长 × 背景音乐类型交叉表
每天使用抖音的时长 × 背景音乐类型交叉表 |
|
背景音乐类型 |
总计 |
激昂热血 (如进行曲) |
轻快活泼 (如流行曲) |
温柔舒缓 (如轻音乐) |
悲伤抒情 (如钢琴曲) |
无背景音乐 |
每天使
用抖音
的时长 |
<30分钟 |
计数 |
7 |
6 |
10 |
13 |
6 |
42 |
期望计数 |
13.6 |
13.6 |
8.6 |
4.4 |
1.8 |
42.0 |
30分钟~1小时 |
计数 |
33 |
34 |
20 |
8 |
4 |
99 |
期望计数 |
32.0 |
32.0 |
20.3 |
10.4 |
4.3 |
99.0 |
1~2小时 |
计数 |
51 |
44 |
26 |
7 |
2 |
130 |
期望计数 |
42.0 |
42.0 |
26.7 |
13.7 |
5.7 |
130.0 |
2~3小时 |
计数 |
26 |
30 |
14 |
9 |
2 |
81 |
期望计数 |
26.2 |
26.2 |
16.6 |
8.5 |
3.5 |
81.0 |
>3小时 |
计数 |
9 |
12 |
10 |
4 |
3 |
38 |
期望计数 |
12.3 |
12.3 |
7.8 |
4.0 |
1.7 |
38.0 |
总计 |
计数 |
126 |
126 |
80 |
41 |
17 |
390 |
期望计数 |
126.0 |
126.0 |
80.0 |
41.0 |
17.0 |
390.0 |
Table 6. Results of the chi-square test for Hypothesis 3
表6. 假设3卡方检验
卡方检验 |
|
值 |
自由度 |
渐进显著性(双侧) |
皮尔逊卡方 |
46.479a |
16 |
0.000 |
似然比 |
40.288 |
16 |
0.001 |
线性关联 |
4.724 |
1 |
0.030 |
有效个案数 |
390 |
|
|
a. 6 个单元格 (24.0%) 的期望计数小于5。最小期望计数为 1.66。
(四) 假设4检验
假设4提出用户浏览政务抖音的时间段与其偏好的视频时长存在关联。该假设是假设1的延伸性检验，旨在通过相同的变量、不同的研究问题来强化结论的稳健性。其检验结果(见表7、表8)与假设1完全相同(皮尔逊χ2(12) = 24.67，p= 0.016；似然比χ2(12) = 23.94，p = 0.021)。尽管存在期望计数不足的情况，但双检验结论再次一致地表明变量间关联显著。假设4的成立，从另一个角度再次印证了“信息主体”与“信息内容”需基于时间场景实现匹配(陶冬，2020) [12]的核心观点，进一步增强了本研究主要发现的可靠性。
Table 7. Cross tabulation of time slot for browsing government Douyin versus preferred video duration
表7. 浏览政务抖音的时间段 × 倾向的视频时长交叉表
浏览政务抖音的时间段 × 倾向的视频时长交叉表 |
|
倾向的视频时长 |
总计 |
<15秒 |
15~30秒 |
30秒~1分钟 |
1~3分钟 |
>3分钟 |
浏览政务抖音的时间段 |
早晨(6~9点) |
计数 |
12 |
10 |
14 |
20 |
5 |
61 |
期望计数 |
6.6 |
16.3 |
18.8 |
17.2 |
2.2 |
61.0 |
午休(12~14点) |
计数 |
14 |
30 |
32 |
21 |
2 |
99 |
期望计数 |
10.7 |
26.4 |
30.5 |
27.9 |
3.6 |
99.0 |
傍晚(18~20点) |
计数 |
8 |
28 |
33 |
40 |
2 |
111 |
期望计数 |
12.0 |
29.6 |
34.2 |
31.3 |
4.0 |
111.0 |
晚间(20~24点) |
计数 |
8 |
36 |
41 |
29 |
5 |
119 |
期望计数 |
12.8 |
31.7 |
36.6 |
33.6 |
4.3 |
119.0 |
总计 |
计数 |
42 |
104 |
120 |
110 |
14 |
390 |
期望计数 |
42.0 |
104.0 |
120.0 |
110.0 |
14.0 |
390.0 |
Table 8. Results of the chi-square test for Hypothesis 4
表8. 假设4卡方检验
卡方检验 |
|
值 |
自由度 |
渐进显著性(双侧) |
皮尔逊卡方 |
24.674a |
12 |
0.016 |
似然比 |
23.936 |
12 |
0.021 |
线性关联 |
0.461 |
1 |
0.497 |
有效个案数 |
0390 |
|
|
a：4个单元格(20.0%)的期望计数小于5。最小期望计数为2.19。
5. 讨论与建议
(一) 理论贡献
本研究的理论贡献体现在三方面：其一，构建了整合性的分析框架，推动了研究范式的转向。本研究响应了窦云莲等(2024) [3]的呼吁，将信息生态系统理论引入政务抖音研究，打破了以往研究中“内容决定论”[12]或“用户特征论”[14]的单一视角，推动了该领域研究从“单维度分析”向“生态系统视角”的范式转向。
其二，深化了公众参与行为的微观解析。研究发现用户并非同质整体，其偏好受时段、使用习惯等多重因素影响，这为“分众传播”理论(国琪红，2021) [15]提供了来自短视频领域的实证支持。所引入的“社交需求指数”等概念，为量化用户动机、实现精准画像提供了新思路。
其三，明确了技术赋能的理论路径。研究证实了“数据驱动–智能匹配–动态反馈”机制的核心作用，将算法推荐从一种“工具”提升为生态系统的“关键要素”，为探索“智能政务传播”理论奠定了基础，也与陈强和彭雅婷(2022) [16]所展望的“数据驱动是未来方向”的判断相契合。
(二) 实践建议
基于“三维匹配”模型，本研究提出如下策略：
内容分层与精准触达策略：政务号需依据用户画像[10]，构建年龄维度的内容体系。针对青年群体，可聚焦“Vlog”等沉浸式内容；针对中老年群体，则需推出“政策语音播报”等低门槛内容，这与“分众传播”理念不谋而合(国琪红，2021) [15]。
形式创新与社交裂变策略：运营者需深度理解平台算法逻辑(窦云莲等，2024) [3]，设计“#社区那些事儿”等生活化标签，降低认知门槛。同时，通过“@好友”等机制激活用户社交关系链(宋琦和陈接峰，2024) [11]，构建传播闭环。
技术赋能与效果监测策略：正如陈强和彭雅婷(2022) [16]所指出，需开发智能推荐模型，实现“内容–反馈–优化”的闭环。参考电子参与层次模型，构建包含播放、点赞、评论、转发的互动质量综合评分体系，实现效果的动态可视化监测。
6. 结论与展望
(一) 结论
本研究基于信息生态系统理论(Davenport & Prusak, 1997；窦云莲等，2024) [3] [4]，通过实证分析验证了政务抖音号公众参与度与互动性受“信息主体–信息内容–信息技术”三要素动态适配的显著影响。结论如下：
首先，研究证实了用户行为的情境性与异质性。数据表明，用户偏好并非固定不变，而是随浏览时段、使用时长等情境因素动态变化，这一发现深化了金诸雨(2021) [10]关于用户动机复杂性的结论，并为政务新媒体实施“分众传播”(国琪红，2021) [15]提供了至关重要的实证依据。
其次，研究揭示了技术、内容与行为的互动循环。互动功能的使用会强化用户的行为意愿，形成正向反馈(H2)，这与宋琦与陈接峰(2024) [11]从准社会交往视角得出的结论相互印证。同时，背景音乐偏好差异(H3)表明，信息技术(如推荐算法)需与用户情感需求(刘旸和任琨卉，2024) [17]及内容形式深度融合。
最终，本研究将理论框架转化为实践路径。所提出的“精准分层、形式创新、技术适配”三位一体策略，系统回应了陈强和彭雅婷(2022) [16]对数据驱动政务传播的呼吁，为政务新媒体从追求“流量”向创造“价值”转型提供了可行的理论指南与实践地图。
(二) 局限与方向
本研究虽力求严谨，仍存在以下局限，也为未来研究指明了方向：
其一，样本覆盖范围存在局限。本研究样本以18~55岁主流用户为主，对青少年、银发群体及残障人士等数字弱势群体的覆盖不足，难以深入分析其技术适配需求(如对语音交互、无障碍内容的需求)。未来研究可针对这些特定群体进行深入探索，以填补当前数字鸿沟研究的空白，检验本研究框架的普适性。
其二，研究维度可进一步拓展。本研究虽揭示了视频时长的偏好差异，但未深入探讨“秒级短视频”与“中视频”在政务信息承载力与传播裂变效率上的深层机理。未来可采用实验法，控制变量以精准测量不同时长对政策理解度与分享意愿的影响。
基于此，未来研究可从两个方向推进：
方向一：开展跨平台比较研究。可将本研究的“三维”框架应用于政务微博、微信视频号、B站等平台，检验该理论模型的迁移性与平台适用性[1]，最终构建“平台特性–内容适配–用户触达”的政务新媒体矩阵协同模型。
方向二：探索前沿技术场景下的互动模式。结合元宇宙、生成式AI等数字技术发展趋势，研究VR政务大厅、数字人直播等场景中的具身参与和情感共鸣机制[4]，突破二维交互限制，为本研究框架在下一代互联网环境下的演进提供理论前瞻。
基金项目
本文受贵州大学大学生科研训练(SRT)计划项目基金资助(项目编号：2024SRT121)。
NOTES
*第一作者。