网络视听节目与电视信息传播效果评价

　　在国家重点研发计划项目“视听媒体收视调查与文化品牌评估理论与技术”（2017YFB1400500）、北京市属高校高水平创新团队建设项目（IDHT20190507）、绿色发展大数据决策北京市重点实验室科技创新服务能力建设项目的资助下，深入探索网络视听节目传播和电视信息传播效果的评价。 随着网络视听行业发展过程中的节目监管与评价需求的不断增加，如何运用科学的方法建立与完善网络视听节目评价体系是当下网络视听产业发展亟待解决的问题。目前我国的网络视听行业竞争激烈、节目质量良莠不齐，且未充分考虑网络节目的特点，其评价体系存在一定的片面性。面对规模不断增长的受众和数量不断增加的网络视听节目，如何提高网络视听节目的传播效果和评价体系的评价效果是需要解决的主要问题，从而提出相关建议，以提升正能量传播和视听媒体产业的社会效益。 针对网络视听行业所涉及的大量节目评价与管理需求，结合现有的CIPP评价模式，对网络视听节目运作流程和评价指标体系进行分析和总结，以提高对传播效果影响因素和评价指标的分析能力；借助基于离差平方和大原理的组合权重方法，对熵权法（客观赋权方法）和三角模糊法（主观赋权方法）进行组合赋权，分析各指标对视听节目传播效果的影响程度，优化权重计算结果，以提高其与实际情况的符合程度；借助TOPSIS优劣解距离法，对网络视听行业中具有代表性的网络综艺节目的传播效果进行优劣对比和评价，最终提出相关策略建议，以提高节目品质和口碑。针对日益增多的网络视听节目所带来的低劣内容质量、负面舆论影响和不良文化导向等问题，基于三角模糊熵赋权方法和TOPSIS方法的组合，建立网络视听节目评价框架，丰富了网络视听节目传播效果评价体系，为网络平台的视听节目评价提供了一定的参考。 同时，随着互联网与计算机技术的迭代发展，传统媒体不断向融合方向转型发展，同时国家层面不断出台相关指导意见与政策文件，媒体融合的研究逐渐受到重视，并在实践层面进行了持续的探索，不断产生融媒体产品。作为主流媒体的电视媒体等传统媒体在形态和传播模式及功能上需不断突破融合。微博、微信等网络平台的快速发展兴起，是人们信息获取、观点传递不可或缺的媒介和工具，成为电视信息传播的重要途径，解决媒体融合环境下电视信息传播效果评价问题成为提升电视信息传播效果的关键。目前大多数仍是采用传统的经济学方法和以收视为主的评价法评估电视信息传播效果，面对媒体融合环境下多渠道、强动态、数据海量和影响因素复杂的情况实践效果并不理想。 鉴于此，以媒体融合环境下电视信息传播效果作为研究对象，基于拉斯韦尔信息传播理论，结合数字时代媒体融合环境特点，主要研究内容有：①建立了包含电视生产内容、电视台主体、电视观众、电视融媒体平台、信息传播环境、信息传播技术的六维媒体融合环境下电视信息传播效果评价指标体系。②提出了基于粒子群优化BP神经网络的电视信息传播效果评价模型，对模型参数进行设置及调优，通过揭示媒体融合环境下电视信息传播效果与各评估指标间的非线性关系，实现对电视信息传播效果的评价，并从拟合度、误差水平等方面对模型进行仿真效果评价。

暂缺《网络视听节目与电视信息传播效果评价》作者简介

目 录
第1章 网络视听节目传播效果评价背景 1
1.1 网络视听节目的快速发展 1
1.2 视听节目相关研究现状 3
1.2.1 网络视听行业相关研究 4
1.2.2 视听节目综合评价的相关研究 6
1.2.3 模糊熵TOPSIS方法相关研究 8
1.3 网络视听节目传播效果评价研究目的与内容 10
1.3.1 网络视听节目传播效果评价研究目的 10
1.3.2 网络视听节目传播效果评价研究内容 11
1.4 研究方法及创新点 11
1.4.1 研究方法 11
1.4.2 创新点 13

第2章 基于CIPP的网络视听节目传播效果评价体系构建 14
2.1 网络视听节目传播效果相关概念界定 14
2.1.1 网络视听节目概念界定 14
2.1.2 传播效果概念界定 15
2.2 基于CIPP理论的网络视听节目传播效果的影响因素分析 15
2.2.1 CIPP相关理论 15
2.2.2 网络视听节目运作流程 17
2.2.3 网络视听节目运作流程要素对传播效果的影响分析 19
2.3 基于CIPP理论的网络视听节目传播效果评价指标选择和
体系构建 21
2.3.1 网络视听节目传播效果评价指标体系的构建原则 21
2.3.2 网络视听节目传播效果评价指标选择 22
2.3.3 网络视听节目传播效果评价体系构建 24

第3章 基于组合赋权-TOPSIS的网络视听节目传播效果评价模型 26
3.1 评价模型的构建原理 26
3.1.1 基于三角模糊熵的指标赋权 26
3.1.2 基于TOPSIS的评价测算 27
3.2 基于三角模糊熵法的指标组合赋权 28
3.2.1 指标数据规范化方法 28
3.2.2 基于熵值法的客观赋权 29
3.2.3 基于三角模糊法的主观赋权 30
3.2.4 基于离差平方和最大原则的组合赋权 31
3.3 基于TOPSIS法的网络视听节目传播效果评价模型 32

第4章 网络视听节目传播效果评价模型应用 35
4.1 样本采集与数据处理 35
4.2 建立网络视听节目传播效果评价模型 38
4.2.1 指标权重的计算与结果 38
4.2.2 网络视听节目传播效果评价结果与排名 41
4.3 网络视听节目的传播效果评价结果分析 42
4.4 总结 46

第5章 电视信息传播效果评价研究背景 48
5.1 国内外相关研究现状 50
5.1.1 国内外媒体融合研究现状 50
5.1.2 国内外电视融媒体研究现状 53
5.2 电视信息传播效果评价研究内容 55
5.3 研究方案 56
5.3.1 研究方法 56
5.3.2 技术路线 57

第6章 媒体融合环境下电视信息传播内在机制 59
6.1 基本概念界定和内涵识别 59
6.1.1 媒体融合的定义 59
6.1.2 电视信息传播的定义 60
6.2 电视信息传播的组成要素 60
6.3 电视信息传播动力 61
6.3.1 电视信息传播需求引力 62
6.3.2 电视信息传播供给推力 63
6.3.3 电视信息传播环境支持力 64
6.4 电视信息传播机制模型 64

第7章 媒体融合环境下电视信息传播效果评价模型构建 66
7.1 电视信息传播效果定义及评价指标选取 66
7.1.1 评价指标选取的原则和依据 66
7.1.2 评价指标选取和说明 67
7.2 电视信息传播效果评价方法原理及可行性 69
7.2.1 PSO-BP神经网络方法介绍 69
7.2.2 PSO-BP神经网络方法可行性分析 71
7.3 PSO-BP神经网络的评价方法过程 71
7.3.1 数据获取和预处理 71
7.3.2 特征提取和数据的归一化处理 72
7.3.3 BP神经网络的初始化 73
7.3.4 PSO算法对BP神经网络的优化 74
7.3.5 PSO-BP神经网络的训练过程 76

第8章 基于PSO-BP神经网络的评价实证 79
8.1 数据获取与预处理 79
8.2 电视信息传播效果评价应用分析 80
8.2.1 网络参数设置与训练 80
8.2.2 仿真测试结果 82
8.2.3 不同算法对比分析 84
8.3 结果讨论与分析 85

参考文献 90