政治传播与媒体

📝 媒体不仅仅"报道"政治——媒体塑造政治。议程设置决定公众想什么，框架效应决定公众怎么想，信息的流动方式深刻影响着民主政治的质量。数字时代的到来使这一切变得更加复杂和紧迫。

政治传播的核心概念

政治传播（political communication）研究的是信息在政治行为者、媒体和公众之间流动的过程及其政治后果。

• 表层定义：政治传播是关于政治信息如何被生产、传播和接收的研究领域
• 机制层：政治传播分析媒体如何通过议程设置、框架和启动效应塑造公众认知，以及政治行为者如何利用传播策略争夺话语权
• 深层逻辑：在民主社会中，合法性建立在公众同意的基础上，而公众同意依赖于信息——因此，控制信息流动的方式就是控制政治权力的方式。传播不是政治的附属品，而是政治本身的构成要素

议程设置理论

Maxwell McCombs 和 Donald Shaw 在 1972 年发表的经典研究中，通过对 1968 年美国总统选举期间北卡罗来纳州教堂山（Chapel Hill）选民的调查，提出了议程设置理论（agenda-setting theory）的核心命题：媒体可能无法告诉公众"怎么想"，但非常成功地告诉公众"想什么"。

议程设置运作的逻辑是：媒体对某些议题的持续、密集报道，使公众将这些议题视为"重要的"——即使从客观指标看未必如此。媒体的议程通过反复曝光转化为公众的议程。

• 第一层议程设置：媒体影响公众认为哪些议题重要（议题显著性）
• 第二层议程设置（属性议程设置）：媒体影响公众如何看待一个议题的哪些方面——同一个议题，强调经济面还是道德面，会引导完全不同的公众判断

案例：犯罪报道与公众恐惧

多项研究表明，美国电视新闻对犯罪事件的报道量与实际犯罪率之间存在显著偏差。1990 年代美国犯罪率持续下降，但同期电视新闻的犯罪报道量却大幅增加——公众对犯罪的恐惧感也相应上升。这一案例清晰展示了议程设置效应：公众对社会风险的感知不是来自现实，而是来自媒体对现实的再现。

框架效应

框架（framing）是政治传播研究中最具解释力的概念之一。Robert Entman（1993）将框架定义为：选择感知到的现实的某些方面，使其在传播文本中更为突出，从而促进特定的问题定义、因果解释、道德评价和处理建议。

框架效应的运作原理不同于议程设置。议程设置决定"想什么"，框架决定"怎么想"。

• 同一项政策被描述为"减税"还是"削减公共服务资金"，激发截然不同的公众反应
• 移民被框架为"经济贡献者"还是"社会福利负担"，引导完全不同的政策态度
• 军事行动被描述为"维护和平"还是"军事干涉"，塑造不同的道德判断

Kahneman & Tversky 的前景理论（prospect theory）从认知心理学的角度解释了框架效应的深层机制：人类的决策并非基于客观事实，而是基于事实的呈现方式。同样的概率，以"存活率"呈现和以"死亡率"呈现，会导致相反的选择偏好。

案例：福利政策的框架政治

美国福利政策的公共讨论长期受框架竞争的塑造。当福利被框架为对"需要帮助的家庭"（deserving families）的援助时，支持率较高；当被框架为对"福利女王"（welfare queen）的纵容时，支持率骤降。Ronald Reagan 在 1980 年代成功推动福利削减，很大程度上依赖后一种框架的传播——将福利接受者建构为懒惰、欺诈、不值得同情的形象。Martin Gilens 的研究进一步揭示，这种框架与种族偏见深度交织：美国媒体中贫困报道的配图不成比例地使用少数族裔面孔，强化了"福利=少数族裔=不值得"的认知关联。

政治宣传与话语操控

Spin（旋转/包装）是政治传播中描述策略性信息操控的术语——政治行为者通过精心选择措辞、强调特定方面、控制发布时机来塑造公众对事件的解读。

政治宣传的历史可以追溯到现代大众媒体的诞生。Walter Lippmann（李普曼）在《公众舆论》（Public Opinion, 1922）中最早系统论证：公众无法直接接触复杂的现实世界，只能通过媒体提供的"拟态环境"（pseudo-environment）来理解现实。公众舆论因此不是基于现实，而是基于关于现实的图像——而这些图像是可以被操控的。

Edward Bernays（伯内斯）——Freud 的侄子，被称为"公共关系之父"——在《宣传》（Propaganda, 1928）中更为直白地论证：在民主社会中，“对大众有组织的习惯和意见的有意识操控，是民主社会的重要组成部分”。Bernays 将 Freud 的心理学理论应用于大众说服，开创了现代公共关系行业。

📝 Lippmann 和 Bernays 的洞见指向一个令人不安的悖论：民主依赖于知情公众的理性判断，但大众传播的实际运作使"知情"和"理性"都成了问题。这一悖论在数字时代非但没有缓解，反而加剧了。

数字时代的政治传播

互联网和社交媒体从根本上重塑了政治传播的结构。

去中介化

传统政治传播遵循"政治行为者 → 媒体守门人 → 公众"的线性模式。社交媒体打破了这一模式——政治人物可以绕过记者和编辑，直接与公众对话。Donald Trump 在 2016 年竞选和执政期间对 Twitter 的使用是去中介化的极端案例：总统通过推文发布政策声明、攻击对手和媒体、直接塑造新闻议程——传统媒体从"守门人"变成了社交媒体内容的"跟踪报道者"。

信息碎片化与过滤气泡

Eli Pariser（帕里泽）在《过滤气泡》（The Filter Bubble, 2011）中警告：社交媒体算法根据用户的过往行为推荐内容，创造了个性化的"信息茧房"——每个人看到的世界不同，公共讨论的共同基础正在瓦解。

Cass Sunstein（桑斯坦）更早在《网络共和国》（Republic.com, 2001）中预见了这一趋势：当公民可以完全自主选择信息来源时，他们倾向于只接触与自己已有观点一致的信息——这种"群体极化"（group polarization）效应可能将温和分歧放大为不可调和的对立。

假新闻与后真相

“后真相”（post-truth）被牛津词典选为 2016 年度词汇，定义为"客观事实在塑造公众舆论方面的影响力不如诉诸情感和个人信念"。

假新闻（fake news / disinformation）在数字时代的传播速度和规模前所未有。MIT 研究者 Vosoughi, Roy & Aral（2018）发表在 Science 上的研究对 2006-2017 年间在 Twitter 上传播的约 12.6 万条新闻进行了分析，发现：虚假新闻的传播速度、深度和广度都显著超过真实新闻——虚假新闻到达 1,500 人的速度是真实新闻的六倍。原因在于虚假新闻通常更具新奇性和情感冲击力，更容易激发转发。

案例：2016 年美国大选中的假新闻

BuzzFeed News 的分析显示，2016 年美国大选前三个月，排名前 20 的假新闻故事在 Facebook 上获得的互动（分享、评论、点赞）总量为 871 万次，超过了排名前 20 的主流媒体选举报道的 736 万次。许多假新闻源自马其顿小镇韦莱斯（Veles），当地青少年为了广告收入批量生产耸动的政治假新闻。这一案例揭示了数字时代假新闻生态的结构性特征：经济激励（点击量 = 广告收入）驱动虚假信息的产业化生产。

媒体所有权与民主

媒体集中化（media concentration）对民主构成结构性威胁。当少数企业集团控制大部分信息渠道时，信息多元性和编辑独立性都面临风险。

传统媒体领域，Rupert Murdoch 的新闻集团（News Corp）在多个国家同时拥有报纸、电视和数字媒体，其政治影响力在英国和澳大利亚尤为显著。意大利的 Silvio Berlusconi 更将媒体所有权与政治权力的融合推向极端——同时担任总理和拥有意大利最大的商业电视网络，直接模糊了媒体监督与政治权力的界限。

数字时代的信息守门人角色从传统媒体转移到了科技平台。Meta、Google（Alphabet）和 X（原 Twitter）虽然不"生产"新闻内容，但通过算法决定了什么内容被看到、被放大或被压制。这些平台的内容审核政策（或缺乏政策）直接影响政治讨论的边界。平台既不是传统意义上的"出版商"（对内容负责），也不是单纯的"管道"（不干预内容）——这种模糊的角色定位使得传统的媒体监管框架难以适用。

算法作为新的议程设置者

传统议程设置理论中，编辑和记者决定什么是"新闻"。在数字时代，算法接管了这一角色——但算法的优化目标不是"公共利益"或"新闻价值"，而是"用户参与度"（engagement）。参与度最高的内容往往是最具情感冲击力的内容——愤怒、恐惧和道德义愤。这意味着算法驱动的信息环境存在结构性偏向：极端、情绪化和两极化的内容获得系统性的放大。

📝 从 Lippmann 的"拟态环境"到 Pariser 的"过滤气泡"，政治传播研究的核心关切始终如一：公众据以做出政治判断的"现实图像"是如何被建构的？建构者的利益和动机是什么？在这个意义上，政治传播不是政治学的边缘议题，而是民主理论的核心问题。

极化环境下的信息与民主

情感极化：分歧的对象是人而非议题

🏷️ 情感极化（affective polarization）指对本党支持者的好感与对对立党支持者的敌意之间的差值——它测量的是人际敌意，而非政策分歧。

🔍 Shanto Iyengar、Gaurav Sood 与 Yphtach Lelkes（2012）的研究确立了这一概念的经验地位。他们用情感温度计、内隐联想测验与婚配偏好问题发现：美国人对对立党派的敌意在几十年间的增长幅度，远超过具体政策立场上的分歧增长；家长反对子女与对立党派支持者通婚的比例从 1960 年代的不足一成上升到 2010 年代的过半。党派已从一种政策偏好变为一种社会身份，而对身份的威胁触发的是防御而非论证。

选民会惩罚破坏民主规范的候选人吗

一个长期被当作前提的假设是：即使制度制衡失灵，选民仍会在下一次投票中惩罚那些破坏规则的政治人物。Milan Svolik 与 Matthew Graham 设计了一组联合实验（conjoint experiment）来直接检验它：向受试展示成对的虚拟候选人，随机地给其中一人附加一项反民主行为（如忽视法院裁决、关闭批评性媒体、重画选区以永久锁定多数），同时随机化其党派与政策立场。

结果在美国、委内瑞拉、匈牙利与土耳其的重复研究中高度一致：选民确实不喜欢反民主行为，但当惩罚它意味着让党派与政策上的对手胜出时，愿意支付这一代价的选民只占很小的一部分。关键变量是极化程度：两党在政策与身份上距离越远，“民主规范"这一维度在选择中的权重就越低。

🌍 这一发现把民主的存续重新建模为一个协调问题：只有当足够多的人同时把某一行为视为不可接受，惩罚才会发生；而一个党派化的媒体环境恰恰使双方对"发生了什么"都无法达成共同描述，协调因此不可能。它也与 Levitsky 和 Ziblatt 的"政党守门人"论证（见第 5 章）形成一个令人不安的接合：当政党守门失效后，选民并不构成可靠的第二道防线。

媒体俸获：不需要审查制度的控制

民粹领袖对媒体采取的是一套双重策略：把主流媒体重新定义为"腐败精英"的一部分以取消其裁判资格，同时通过集会、社交平台与友好媒体建立不受核查的传播闭环。

匈牙利的媒体格局重组提供了媒体俸获（media capture）的样本：2018 年，近 500 家亲政府媒体的所有者将其无偿转入一个统一基金会，竞争主管部门被要求不得审查这一交易。整个过程中没有实行一天审查制度。其三条杠杆具有普遍适用性：所有权（友好商人收购媒体）、广告投放（国有企业与政府广告预算定向流向）、监管审批（频率牌照、并购批准、税务检查）。对于外部观察者而言，新闻审查的缺席很容易被误认为媒体自由的存在。

反制手段的证据状态

💭 延伸思考

• 传统媒体的"守门人"角色（编辑决定什么是新闻）和社交媒体的"算法策展"角色——哪一种对民主信息环境的威胁更大？人类的偏见和算法的偏见，哪一种更难纠正？
• 后真相时代的核心问题不是"人们不知道真相"，而是"人们不在乎真相"——如果诉诸情感比诉诸事实在政治传播中更有效，事实核查（fact-checking）能否拯救民主讨论？
• 政府对社交媒体平台的监管（如欧盟《数字服务法》）是维护信息生态的必要之举，还是潜在的言论审查？监管的边界应该在哪里？
• Graham 与 Svolik 的联合实验显示，愿意为惩罚反民主行为而承受党派对手胜出的选民只占很小比例。若选民不构成政党守门失效后的第二道防线，把民主存续重新理解为协调问题之后，在双方对"发生了什么"都无法达成共同描述的媒体环境中，协调还能依托什么？
• 匈牙利的媒体格局重组在没有实行一天审查制度的情况下完成，杠杆是所有权、广告投放与监管审批。衡量媒体自由的指标应当如何重建，才不至于把审查的缺席误读为自由的存在？

📚 参考文献

1. McCombs, M. E., & Shaw, D. L. (1972). The agenda-setting function of mass media. Public Opinion Quarterly, 36(2), 176-187.
2. Entman, R. M. (1993). Framing: Toward clarification of a fractured paradigm. Journal of Communication, 43(4), 51-58.
3. Lippmann, W. (1922). Public Opinion. Harcourt, Brace and Company.
4. Vosoughi, S., Roy, D., & Aral, S. (2018). The spread of true and false news online. Science, 359(6380), 1146-1151.
5. Pariser, E. (2011). The Filter Bubble: What the Internet Is Hiding from You. Penguin Press.
6. Iyengar, S., Sood, G., & Lelkes, Y. (2012). Affect, not ideology: A social identity perspective on polarization. Public Opinion Quarterly, 76(3), 405-431.
7. Graham, M. H., & Svolik, M. W. (2020). Democracy in America? Partisanship, polarization, and the robustness of support for democracy in the United States. American Political Science Review, 114(2), 392-409.
8. Nyhan, B. (2021). Why the backfire effect does not explain the durability of political misperceptions. PNAS, 118(15), e1912440117.