国外互联网政治参与研究：时空扩展、学科分化与阶段演进

      中图分类号|D08

      一、研究缘起：互联网时代的媒体与社会资本关系

      关于媒体与社会资本之间的关系，最著名的论断莫过于美国著名政治学家帕特南于20世纪末提出的“时间替代假说”：“依赖电视娱乐的美国人更倾向于从公共和社会生活中离去——他们和朋友相处的时间较少，参与社区组织较少，参加公共事务较少”，①概言之，他认为看电视占据了人们从事公共生活的时间。

      虽然“时间替代假说”主要针对的是以电视为代表的传统电子媒体，但是互联网的出现并没有使该假说销声匿迹。恰恰相反，互联网时代的到来使媒体与社会资本关系这一经典学术问题受到了前所未有的关注。一方面，就媒体而言，相较于报刊、广播、电视等传统媒体，研究者将更多的精力投入到互联网这一新兴媒体的研究之中；另一方面，就各种形式的社会资本②而言，政治参与和公民参与是研究者关注的焦点。换言之，在过往二十余年的时间里，互联网与政治参与的关系成为媒体与社会资本关系这一传统题域之中的新热点。

      1.时间维度的扩展：文献发表量的持续增长

      本文依托Web of Science核心合集数据库，以“Internet Political Participation”为主题词进行文献检索，并将时间跨度设置为“1990-2016年”，文献类型设置为“期刊、会议论文”，语种设置为“英语”，共获得852篇文献。如图1所示，自1996年首篇文献发表之后“互联网政治参与”主题文献发表量呈持续上升趋势，特别是自2014年以来，年度发文量突破100篇，并一直延续至2016年。

      

      图1 “互联网政治参与”主题文献统计(1996年至2016年)

      图片来源：作者利用Web of Science核心合集数据检索结果绘制。

      2.空间维度的扩展：从美国到全球

      除了时间维度的延续之外，互联网政治参与研究还经历了空间维度的扩展。本文选取CiteSpace这一在学界认可程度较高的文献计量分析软件对上述852篇进行可视化处理，一方面可以发现互联网政治参与研究在不同国家和地区的扩展路径；另一方面也可通过聚类分析，提炼出不同国家和地区研究的侧重点。

      第一，就国家时间线的分布而言，迄今为止互联网政治参与研究大致经历了四个阶段：一是2000年之前的早期研究阶段，这一阶段美国可谓一枝独秀，这不仅应归因于美国发达的政治参与研究传统，更应归功于美国作为互联网发源地的特殊地位；二是在2002年前后，互联网政治参与研究开启第一轮地域扩展，扩展范围主要指向德国、荷兰、英国等欧洲发达国家，亚洲国家中仅有韩国率先加入研究阵营；三是自2008年开始，空间扩展范围明显扩大，不仅越来越多的欧洲国家加入研究阵营，澳大利亚、加拿大等大洋洲和北美洲国家也开始展开相关研究；最后一个阶段大致始于2014年，此时互联网政治参与研究真正实现了全球扩展，尼日利亚、哥伦比亚等非洲和拉丁美洲的发展中国家也出现在国家分布的图谱之中。

      第二，就研究主题的分布而言，排名前三位的研究主题聚类分别是“竞选运动(election campaign)”、“政治发展(political development)”和“互联网渗透(internet penetration)”。第一大主题聚类是“竞选运动”，选举制度是民主制度的基石，选举也是许多西方国家最为重要的政治参与途径。互联网的出现一方面可能影响选民的投票行为，另一方面也可能影响政党及其候选人在选战中的策略选择，因而成为众多互联网政治参与研究者关注的首要问题。以竞选运动为研究主题的多为选举民主较为成熟的欧美发达国家。第二大主题聚类是“政治发展”，其涉及的国家范围相对较广，欧洲、亚洲、北美洲、南美洲的国家均位列其中，某种程度上说明以技术进步推动政治发展是世界性的研究课题。第三大主题聚类是“互联网渗透”，即互联网的普及程度。根据著名政治学家诺瑞斯的解释“如果互联网渗透率在全社会范围内继续扩大，那么那些拥有多种互联网资源参与政治的人和那些没有互联网资源的人之间将会形成巨大的民主鸿沟(democratic divide)”。③互联网在后发国家引入相对较晚，较低的互联网普及率及其造成的政治参与不平等是这些国家互联网政治参与研究尤为关注的话题。

      二、研究主题：互联网与政治参与

      依托CiteSpace提供共被引文献聚类分析功能，对每一聚类提取主题词，可以掌握某一研究领域知识基础的构成状况“互联网政治参与”研究网络高度集中并重叠，并围绕互联网(internet)和政治参与(political participation)形成两大研究主题，鲜见其他研究分支。

      CiteSpace还以表格的形式自动报告每一聚类的详细信息，经过精编和翻译之后绘制而成表1。其中，聚类编号的数值越小则聚类越大。文献量表示该聚类内含有的文献数量。Silhouette为衡量整个聚类成员同质性的指标，数值越接近1，代表该聚类成员的相似性越高。平均年份可用来判断聚类中引用文献的时间。TFIDF算法显示研究主流(salient aspect of a cluster)，LLR算法显示研究特点(unique aspect of a cluster)，④“最为活跃引文”是指最大程度引用该聚类主题词的文献。表1中十篇最活跃引文是详细解读LLR算法下各个主题词的依据。将相近主题合并后，可将“互联网政治参与”研究的知识基础归纳为以下几个方面。