摘要：新闻偶遇是社交媒体用户接触新闻的重要方式，对偶遇新闻的不同处理策略影响用户的知识获取、新闻参与和社会参与，但现有研究很少关注用户对偶遇新闻的处理策略，这使得新闻偶遇的效果研究缺乏知识累积性。论文基于PINE模型，将偶遇新闻处理策略分为浏览和阅读，并采用组态分析
本刊官方网站：
摘要
新闻偶遇是社交媒体用户接触新闻的重要方式，对偶遇新闻的不同处理策略影响用户的知识获取、新闻参与和社会参与，但现有研究很少关注用户对偶遇新闻的处理策略，这使得新闻偶遇的效果研究缺乏知识累积性。论文基于PINE模型，将偶遇新闻处理策略分为浏览和阅读，并采用组态分析方法，从用户、社交网络、内容三个维度出发选取因素，研究各因素如何通过复杂的组合和互动影响用户对偶遇新闻的处理策略。研究发现了社交媒体用户浏览和阅读偶遇新闻各自的条件组态，认为新闻线索和社交线索共同决定用户对偶遇新闻的处理策略。研究结果揭示了社交媒体用户处理偶遇新闻的原因，并对新闻偶遇的现有理论进行了实证检验和理论整合。
作者简介
王亮，西北大学新闻传播学院教授。
一
前言
在全球范围内，越来越多的用户通过社交媒体接触新闻（Newman, Fletcher，Kalogeropoulos & Nielsen，2019），接触方式包括主动的有意接触和被动的新闻偶遇。新闻偶遇指用户并未主动寻找新闻时接触到新闻（Nanz & Matthes，2020），具体分两类，一是基于动机的新闻偶遇，二是基于主题的新闻偶遇（Yadamsuren & Erdelez，2016：8）。前者指用户出于非新闻动机接触媒体时，偶遇到新闻。后者指用户在接触某主题新闻时，偶遇其他主题新闻。在社交媒体平台，新闻偶遇已成为非常普遍的现象（Park & Lee，2023）。作为一种不同于有意接触的新闻接触方式，现有研究主要关注新闻偶遇对用户知识获取、新闻参与和社会参与的影响（Schäfer，2023），这些研究旨在构建数字时代的新闻接触与传播效果理论。但是，新闻偶遇现有研究的结论存在很大差异，这些差异甚至影响了该领域学术知识的累积性。在知识获取方面，早期研究认为，新闻偶遇与时事新闻知识正相关（Tewksbury，Weaver & Maddex，2001），但后续研究发现，新闻偶遇并未增加用户的事实知识（Nanz & Matthes，2022b），而是增加用户的感知知识（Feezell & Ortiz，2021），感知知识和事实知识的差异引发知识幻觉（Park，2001）。在新闻参与方面，有研究认为，新闻偶遇能够促进新闻参与（Yamamoto & Morey，2019），但也有研究发现，新闻偶遇无法减少不同用户的新闻参与鸿沟（Barnidge，Diehl & Lane，2023）。在社会参与方面，一些研究认为，新闻偶遇正向影响社会参与（黄欣欣，2022），能够缩小不同用户之间的社会参与鸿沟（Valeriani & Vaccari，2016），另一些研究则发现，新闻偶遇会引发并加剧社会参与的马太效应（Kümpel，2020）。
新闻偶遇研究结论出现分歧的重要原因是，研究者没有考察用户对偶遇新闻的处理策略，用户对偶遇新闻的处理策略不同，偶遇新闻的传播效果不同。政治新闻偶遇模型（PINE）提出，用户在社交媒体偶遇新闻后，需要决定是否阅读该新闻，对无需阅读的新闻，用户选择忽略或快速浏览导读。对决定阅读的新闻，用户需要把注意力从当前任务转向偶遇新闻。浏览和阅读分别称为第一层次新闻偶遇和第二层次新闻偶遇（Matthes，Nanz，Stubenvoll & Heiss，2020），浏览与阅读对用户知识获取、新闻参与、社会参与产生不同的影响。区分第一层次和第二层次新闻偶遇，对认识新闻偶遇的效果至关重要（Nanz & Matthes，2020）。但是，现有研究并未深入讨论用户对偶遇新闻的处理策略，“很多不同的情景都被看做新闻偶遇”（Nanz & Matthes，2022b）。一些研究将浏览看做新闻偶遇，另一些研究将阅读看做新闻偶遇，还有一些研究将浏览和阅读都视为新闻偶遇（Nanz & Matthes，2022b）。在研究新闻偶遇的影响时，这几类研究往往得到大相径庭的结果。因此，选取影响社交媒体用户处理偶遇新闻的主要因素，区分浏览和阅读这两种主要的新闻偶遇处理策略，分析用户在何种情境下选择浏览偶遇新闻，何种情境下选择阅读偶遇新闻，能够填补现有研究的缺口，解决现有研究结论不一致的问题，更加准确、深入地认识社交媒体上的新闻偶遇。在此基础上比较新闻偶遇与有意接触对用户知识获取、新闻参与和社会参与的影响，才能建立更为坚实的数字新闻时代媒介接触和传播效果理论。
社交媒体上的新闻偶遇是由多重因素共同影响的动态过程，需要建立多因素分析框架来研究用户对偶遇新闻的处理策略。批评者提出，新闻偶遇的实证研究很少将新闻偶遇看作一个综合过程，一些研究只是选取容易测量的个别元素，得到零散的实证见解（Wieland & Kleinen，2020）。本研究对新闻偶遇现有文献做系统性综述，通过理论研究和实证研究的交叉确证，从用户、社交网络、内容三个维度出发，选取传统媒体新闻接触、社交媒体新闻接触、动机、连接强度、感知意见一致性、新闻有用性、新闻相关性等因素，建立偶遇新闻处理策略分析框架，通过组态分析研究各个因素之间的组合和互动关系如何影响用户对偶遇新闻的处理策略。研究发现了社交媒体用户浏览和阅读偶遇新闻各自的条件组态，揭示了社交媒体用户处理偶遇新闻的原因，研究结果对新闻偶遇的现有理论进行了实证检验和理论整合，推进新闻偶遇研究走向深化。
二 文献回顾与研究问题
（一）新闻偶遇的两种处理策略
作为理论概念，学界对新闻偶遇的研究不够深入。本研究采纳Nanz和Matthes （2020）对新闻偶遇的定义，新闻偶遇指用户并未主动寻找新闻时接触到新闻，分为基于动机的新闻偶遇和基于主题的新闻偶遇。用户出于某种目的接触媒体，在偶遇新闻后，用户需要评估是否将目标从当前任务转换到偶遇新闻，如果用户认为无需改变目标，用户将忽略或快速浏览偶遇新闻。如果用户决定将目标转向偶遇新闻，则会阅读偶遇新闻。因而，新闻偶遇是一个动态过程，需要将用户偶遇新闻后的行为纳入研究（Nanz & Matthes，2020）。在新闻接触的过程中，用户不断地评估偶遇新闻，然后决定是否从当前目标转换到偶遇新闻（Matthes，Nanz，Stubenvoll & Heiss，2020）。PINE模型提出，浏览和阅读是用户处理偶遇新闻的主要策略，大量实证研究支持这一判断（Nanz & Matthes，2020，2022b；Matthes et al.，2020；Stroud，Scacco & Kim，2022）。浏览和阅读的差异很大，这两种处理策略会产生不同的结果（Nanz & Matthes，2020）。但是，一些研究并未关注浏览和阅读之间的差异，它们对新闻偶遇的定义和操作化不够清晰，将浏览导读和阅读全文都称为新闻偶遇（Nanz & Matthes，2020），造成新闻偶遇效果研究领域出现相互冲突的结果。从效果角度看，新闻偶遇研究领域最重要的问题是，用户如何处理偶遇新闻（Matthes et al.，2020），特别是用户是否会在偶遇新闻后主动阅读新闻（Strauß，Huber & Zúñiga，2020）。
（二）影响新闻偶遇处理策略的因素
新闻偶遇的处理策略是多因素共同作用的结果，本研究对新闻偶遇研究文献做系统性综述，通过理论研究和实证研究的交叉确证来选取因素。因素既要符合理论框架，也要得到实证研究的支持。通过如下程序完成这一过程：1.阅读新闻偶遇文献，列出影响用户处理偶遇新闻的因素。2.通过文献之间的交叉检验，保留重要因素，剔除无关因素。理论性论文提出的理论框架需要得到实证研究的检验，实证研究发现的因素也要在理论层面得到解释，并能够整合到理论框架中。通过两步完成这一过程。第一，认真阅读理论性论文及其实证研究论文，保留理论性论文中得到实证研究支持的因素。第二，对于其他实证研究发现的因素，将其与第一步中保留的因素进行对照，纳入与保留因素相同者。对于其余因素，将其与理论性论文提出的理论框架相对照，纳入符合理论框架的因素。3.用新闻偶遇研究的文献评述性论文来确认本研究所选因素。舍费尔（Schäfer）对数字环境下新闻偶遇研究的88篇同行评审论文做了系统的评述，归纳出三类影响新闻偶遇的因素（Schäfer，2023）。第一，人口统计学指标。总体而言，人口统计学指标与新闻偶遇关系不显著，纵向研究设计没有发现人口统计学指标对新闻偶遇的影响。第二，公众的媒体接触指标。传统媒体新闻接触、社交媒体新闻接触、连接强度、网络多元性、动机与新闻偶遇相关，这些因素都包含在本研究分析框架中。第三，政治兴趣和意识形态。这两个因素主要针对政治新闻偶遇研究，本研究并不特别针对政治新闻领域，所以没有纳入这两个因素。分析影响新闻偶遇的因素后发现，这些因素分别属于用户、社交网络、新闻内容三个维度，这三个维度构成本研究的分析框架。
（三）用户因素对新闻偶遇处理策略的影响
用户维度主要包含两个因素：一般新闻接触和动机。一般新闻接触分为传统媒体新闻接触和社交媒体新闻接触，对新闻偶遇研究的元分析发现，新闻接触与新闻偶遇正相关，与传统媒体相比，社交媒体新闻接触与新闻偶遇的正向关系更强（Nanz & Matthes，2022a）。新闻接触与新闻偶遇正相关的原因在于，新闻接触较多的用户，对新闻的需求更高，他们偶遇新闻后阅读新闻的可能性，高于新闻接触较低的用户。相较传统媒体，社交媒体上新闻接触与新闻偶遇的相关性更高。原因在于，用户在社交媒体上阅读偶遇新闻，是一种新闻增强型策展（Wu，2024），用户向算法传递了愿意接受新闻的信号，算法会将更多新闻推送到个人新闻流，用户随后会接触更多新闻，这种新闻增强型策展是传统媒体无法实现的。
动机是区分有意接触和新闻偶遇的关键。有意接触需要动机，新闻偶遇无需动机（Weeks，Lane & Hahn，2022）。当用户出于非新闻目的接触媒体时偶遇到新闻，称为基于动机的新闻偶遇。用户在处理偶遇新闻时，缺乏动机会引发低水平处理，偶遇新闻如能引起用户的兴趣，使用户产生处理新闻的动机，可以引发高水平处理（Stroud，Scacco & Kim，2022）。
（四）社交网络因素对新闻偶遇处理策略的影响
社交网络对新闻偶遇有两方面影响，一是影响新闻偶遇的可能，二是影响新闻偶遇的处理。社交网络规模和异质性影响用户新闻偶遇的可能性，社交网络规模越大、异质性越强，用户在社交媒体上偶遇新闻的可能性越大（Barnidge & Xenos，2024）。用户与新闻分享者的连接强度、感知意见一致性影响用户对偶遇新闻的处理。虽然弱连接可以增加用户偶遇新闻的可能，但是，强连接能够增加用户对偶遇新闻的阅读（Kümpel，2019）。强连接可以增加用户的社会监控动机，社会监控动机促使用户阅读偶遇新闻，用户对强连接推荐新闻的阅读意愿高于一般连接和未受推荐的新闻（Kaiser，Keller & Kleinen，2021）。
用户对分享者的意见一致性感知也会影响阅读意愿。如果用户认为新闻分享者和自己的意见一致，用户阅读新闻的可能性更大（Kaiser，Keller & Kleinen，2021）。如果用户认为分享者和自己的意见一致，并且分享者对新闻议题有丰富的知识，会让用户对分享者产生正面评价，引发用户阅读偶遇新闻（Karnowski et al.，2017）。社交网络线索对用户新闻处理策略的影响甚至高于新闻内容线索的影响，如果用户认为分享新闻的人是特别的，那么无论用户的新闻兴趣如何，他们对偶遇新闻的阅读都会增加（Kümpel，2019）。
（五）新闻内容因素对新闻偶遇处理策略的影响
新闻相关性是社交媒体用户在偶遇新闻后，决定浏览新闻还是阅读新闻的依据。PINE模型提出，用户在偶遇新闻后进入评估阶段，评估标准是新闻相关性。对于不相关的新闻，用户选择忽略或快速浏览，对通过相关性评估的新闻，用户选择阅读新闻（Matthes et al.，2020）。实证研究发现，高相关性条件下，用户更可能点击偶遇新闻（Nanz & Matthes，2020）。有用性也会影响用户对偶遇新闻的处理，新闻有用性越高，用户越可能阅读偶遇新闻（Kaiser，Keller & Kleinen，2021），新闻有用性也在阅读与分享偶遇新闻之间发挥中介作用（杨洸，佘佳玲，2023）。
基于上述文献回顾，本研究提出以下研究问题：
1.哪些因素对社交媒体用户阅读偶遇新闻最为重要？它们在何种程度上影响用户的新闻处理策略？
2.何种情景下，社交媒体用户在偶遇新闻后选择阅读新闻？
3.何种情景下，社交媒体用户在偶遇新闻后选择浏览新闻？
三 研究设计
（一）样本构成
2024年4月9日，使用学术性数据调查公司“极术云”的网络样本库，对微信用户进行预调查，收回69份问卷，问卷采用五级李克特量表，信效度优良。微调问卷后进行正式调查，共收回有效问卷513份。研究者请多位研究生测试问卷，发现平均需要100秒才能回答完毕。将回答时间少于100秒的问卷剔除后，最终保留有效问卷500份。其中，男性61.4%，女性38.6%。18岁及以下者0.6%，19岁-30岁38%，31岁-40岁40.8%，41岁-50岁14.6%，51岁-60岁5.8%，61岁以上者0.2%。高中及以下者7.2%，大专32.6%，本科58.8%，研究生及以上者1.4%。月收入在1000元及以下者0.4%，1001元-3000元者2.8%，3001元-5000元者26.6%，5001元-7000元者44.2%，7001元-10000元者21.4%，10000元以上者4.6%。样本反映学历较高的中青年群体，但男性数量偏多，需要对性别进行加权处理。根据中国互联网络信息中心发布的《第54次中国互联网络发展状况统计报告》，得到我国网民的性别结构。截至2024年6月，我国网民男女比例为50.8：49.2（中国互联网络信息中心，2024），保留两位小数，男性网民与女性网民比例为1.03：1。在样本数据中，男性与女性数量分别为307和193，分别以0.827和1.275为权重系数，对男性样本和女性样本进行加权处理。加权后男性样本与女性样本分别为254和246，性别比为1.03：1，符合网民性别比。
（二）研究方法
用必要条件分析（NCA）研究社交媒体用户阅读偶遇新闻的必要条件，回答第一个问题。必要条件分析可以从定性和定量两个层面研究必要条件对结果的影响（Vis & Dul，2018)。首先，计算因素的效应值并进行显著性检验，从定性层面判断哪些因素是结果的必要条件。随后，对于必要条件，用瓶颈表计算不同程度的必要条件水平对结果的影响，从定量层面分析必要条件与结果的关系。必要条件分析用效应值表示必要条件对结果的限制能力，即在何种程度上，必要条件构成影响结果的瓶颈。效应值介于0.1-1之间，0.1是判断是否存在必要条件效应的阈值，0.1≤d
用定性比较分析（QCA）研究社交媒体用户浏览和阅读偶遇新闻的充分条件，回答第二和第三个问题。定性比较分析是一种组态视角方法，认为在研究复杂现象时，不能孤立地考察各个因素对结果的“净效应”（拉金，2008/2019：130），而要研究各因素之间的组合和互动关系对结果的影响。
（三）测量与校准
1.测量
（1）传统媒体新闻接触。参考Strauß、Huber和Zúñiga（2021）的研究，用三个问题测量用户的传统媒体新闻接触：在过去的一个月里，您通过电视接触新闻的频率；通过报纸接触新闻的频率；通过广播接触新闻的频率（ M =2.03，SD=0.8）。
（2）社交媒体新闻接触。参考Strauß、Huber 和 Zúñiga（2020）和González、Marcos、Llamazares和Zúñiga（2022）的研究，用三个问题测量用户的社交媒体新闻接触：在过去的一个月里，您通过社交媒体接触新闻的频率；通过社交媒体从主流媒体获取新闻的频率；通过社交媒体接触新闻的一般状况（ M=3.99，SD=0.70）。
（3）动机。用户的动机分为信息动机、娱乐动机和社交动机，参考Nanz、Heiss和Matthes（2022）的研究，询问受访者：以下哪些描述符合您对微信的使用？用三个问题测量信息动机：获取关于时事问题的信息；关注当前的时事新闻；查看好友对时事新闻的看法。用三个问题测量娱乐动机：打发时间；寻找有趣的信息；观看有趣的视频或图片。用三个问题测量社交动机：与其他人保持联系；结交新朋友；维持现有的友谊关系（ M=3.93，SD=0.45）。将社交动机、娱乐动机合并为社交和娱乐动机。
（4）连接强度。参考Kobayashi、Boase、Suzuki和 Suzuki（2015）的研究，用下述问题测量连接强度：在过去的一个月里，您从熟悉的人（包括家人、亲密朋友或亲近的同事）那里获取以下类型信息的频率如何？与工作或学业有关的信息；与经济决策（如日常财务）有关的信息；与健康有关的信息；与娱乐（如音乐和电影）有关的信息；与社会和时事新闻有关的信息（ M=3.76，SD=0.61）。
（5）感知意见一致性。参考Kaiser、Keller和Kleinen（2021）的研究，用一个问题测量感知意见一致性：请回忆最近在朋友圈看到的新闻，您和分享该新闻的人在这一话题上的意见是一致的还是相反的？（ M=3.69，SD=0.72）。
（6）新闻有用性。参考Bobkowski（2015）的研究，用四个问题测量新闻有用性：您在多大程度上认为微信上看到的新闻是：有帮助的；重要的；包含有用信息；有价值的？（ M=3.93，SD=0.57）。
（7）新闻相关性。参考Zaichkowsky（1994）的研究，用四个问题测量新闻相关性：您在多大程度上认为微信上看到的新闻是：让我兴奋的；与我相关的；让我卷入其中的；我需要的？（ M=3.76，SD=0.67）。
（8）浏览偶遇新闻。参考Nanz和Matthes（2022b）的研究，用下述问题测量浏览偶遇新闻：过去的一个月里，您在使用微信时，以下情况发生的频率：我无意中遇到了新闻，但没有真正关注它；我无意中遇到了新闻，但没有真正参与其中；当我看到新闻，但想看不同的内容时，我会继续滚动新闻；我跳过了偶然遇到的新闻；我看到了新闻，但我忽略了它们（ M=3.20，SD=0.83）。
（9）阅读偶遇新闻。参考Nanz 和 Matthes（2022b）的研究，用下述问题测量阅读偶遇新闻：过去的一个月里，您在使用微信时，以下情况发生的频率：我无意中看到了新闻，然后更加仔细地阅读该新闻；虽然我最初并没有搜索新闻，但当我发现了新闻，仍然会给予关注；新闻会在无意中展示给我，我会仔细地阅读新闻；我无意中遇到了吸引我注意力的新闻；我会专注地阅读那些无意中显示给我的新闻（ M=3.60，SD=0.72）。
2.校准
在分析数据之前，需要将数据校准为0到1之间。本研究采用直接校准法，将所有数据的完全隶属点、交叉点、完全不隶属点设置为0.95、0.5、0.05。
四 数据分析与研究结果
（一）阅读偶遇新闻的必要条件分析
用RStuido的NCA包执行必要条件分析。首先，将备选条件纳入必要条件分析范围。其次，计算各个条件的效应值。以0.1为阈值，必要条件的效应值需大于0.1（Dul，2019：131）。第三，对各个条件的效应值进行显著性检验。表1汇报使用CR和CE计算得到的必要条件指标，观察CR可以看到，在各个条件中，信息动机、连接强度、感知意见一致性、新闻有用性、新闻相关性的效应值大于0.1，效应值在0.1到0.3之间，属于中等效应（Dul，2016），且均具有统计显著性。其他条件未能满足效应值或/和P值标准，如传统媒体新闻接触和社交媒体新闻接触的P值明显偏高，而且效应值低于阈值。这说明，这两个条件不符合必要条件的标准，但它们可能和其他条件结合，组成阅读偶遇新闻的充分条件。
然而，表1中用CE计算各个条件的效应值均小于0.1，只有新闻相关性的效应值接近0.1。CR和CE的结果不一致，需要通过观察精确度来决定采用哪条上限线。精确度表示空白区以外的案例数与总案例数之比，Dul建议，精确度的基准值为95% （Dul，2020：117）。CR计算信息动机、连接强度、感知意见一致性、新闻有用性、新闻相关性的精确度都低于95%，CE计算的精确度均为100%。因此，CE比CR更适合作为评估必要条件的标准。用CE作为评估标准，各个条件均未达到必要条件效应值的阈值，但新闻相关性的效应值非常接近阈值。
（二）阅读偶遇新闻的充分条件分析
以阅读偶遇新闻为结果，用fsQCA4.1软件分析阅读偶遇新闻的充分条件。将一致性阈值设为0.8，PRI设为0.8，样本频数设为7。表2显示阅读偶遇新闻的充分条件组态，3种充分条件组态的总体覆盖度为0.52，说明3种条件组态覆盖了52%的样本，总体一致性为0.95，说明3种组态中，95%的样本阅读了偶遇新闻。
组态1表示主要从社交媒体接触新闻的用户阅读偶遇新闻的原因。组态1中的用户既可以通过传统媒体接触新闻，也可以不通过传统媒体接触新闻，但他们需要从社交媒体接触新闻，他们具有较高的信息动机，也有较高的社交和娱乐动机。他们从强连接那里偶遇新闻，无论推荐者与他们的意见是否一致，只要新闻具有相关性和有用性，他们都会阅读偶遇新闻。组态1偏向新闻线索。
组态2和组态3表示不通过传统媒体接触新闻，只通过社交媒体接触新闻的用户阅读偶遇新闻的原因。组态2中的用户不从传统媒体接触新闻，只从社交媒体接触新闻，他们具有较高的信息动机，也有较高的社交和娱乐动机。当他们在社交媒体上偶遇到和他们意见一致的强连接分享的新闻，无论新闻是否有用，只要新闻与自身相关，他们就会阅读偶遇新闻。引发组态2中用户阅读偶遇新闻的原因在于，他们的信息动机和社交、娱乐动机较高，当他们偶遇到具有相关性的新闻，而且这一新闻是与他们意见一致的强连接分享的，无论偶遇新闻有无价值，他们都会阅读新闻。组态2偏向社交线索。
组态3中的用户不从传统媒体接触新闻，只通过社交媒体接触新闻，他们有接触新闻的动机和社交、娱乐动机。这类用户在社交媒体上偶遇到和他们意见一致的推荐者分享的新闻，无论推荐者是不是强连接，只要新闻具备有用性和相关性，他们就会阅读偶遇新闻。与组态2相比，组态3具备新闻有用性，缺乏连接强度。这说明，新闻线索和社交线索具有替代性，当新闻线索不足时，社交线索可以替代新闻线索（组态2）。当缺乏社交线索时，新闻线索也可以替代社交线索（组态3）。组态3偏向新闻线索。
（三）浏览偶遇新闻的充分条件分析
以浏览偶遇新闻为结果，运用相同工具分析浏览偶遇新闻的充分条件。将一致性阈值设为0.8，PRI设为0.7，样本频数设为1。表3显示浏览偶遇新闻的充分条件组态，组态1a、1b、1c表示通过社交媒体接触新闻的用户浏览偶遇新闻的原因，组态2表示不通过社交媒体接触新闻的用户浏览偶遇新闻的原因。4种充分条件组态覆盖了37%的样本，4种组态中，92%的样本浏览了偶遇新闻。
组态1a表示从社交媒体接触新闻的用户浏览偶遇新闻的原因。组态1a的用户主要通过社交媒体接触新闻，他们拥有社交和娱乐动机，但缺乏信息动机，他们从弱连接那里偶遇新闻，无论弱连接与自己的意见是否一致，只要新闻缺乏有用性和相关性，他们就会快速浏览偶遇新闻。组态1a缺乏新闻线索和社交线索。
组态1b和1c表示从传统媒体和社交媒体接触新闻的用户浏览偶遇新闻的原因。组态1b的用户缺乏信息动机，具有社交和娱乐动机，他们从意见不一致的分享者那里偶遇新闻，无论分享者的连接强度为何，只要新闻缺乏有用性和相关性，他们就会选择快速浏览偶遇新闻。组态1c的用户具有社交和娱乐动机，信息动机可有可无，他们从意见一致的弱连接那里偶遇新闻，但新闻缺乏有用性和相关性，这也会让他们选择快速浏览偶遇新闻。组态1b和1c缺乏新闻线索和社交线索。
组态2表示，回避社交媒体新闻的用户在社交媒体偶遇新闻后选择浏览新闻。这些用户只通过传统媒体接触新闻，不从社交媒体接触新闻，他们有信息动机和社交、娱乐动机，从意见一致的强连接那里偶遇新闻，新闻具备有用性和相关性。由于这些用户是社交媒体新闻回避者，他们不通过社交媒体接触新闻，因此他们偶遇新闻后选择浏览新闻。
（四）稳健性检验
QCA可以通过改变校准标准、样本频数检验稳健性。将校准标准改为上四分位数、中位数和下四分位数后，阅读偶遇新闻和浏览偶遇新闻的充分条件组态基本相同。将阅读偶遇新闻的样本频数设为6，将浏览偶遇新闻的样本频数设为2，得到的充分条件组态基本相同。
五 结论与讨论
（一）研究结论
1.社交媒体用户对偶遇新闻的处理是用户、社交网络、新闻内容、算法等多种策展力量共同作用的结果，新闻线索和社交线索共同决定用户对偶遇新闻的处理策略。现有研究认为，从浏览偶遇新闻转向阅读偶遇新闻的过程中，新闻内容最重要，强连接也会引发阅读（Kümpel，2019）。但是，在阅读偶遇新闻的各个条件中，除了新闻内容有用性、相关性和强连接之外，还有用户的信息动机、社交和娱乐动机、感知意见一致性。另外，无论浏览还是阅读偶遇新闻，都是用户、社交网络、新闻内容、算法等多种策展主体通过复杂的组合和互动引发的结果，新闻线索和社交线索共同影响用户对偶遇新闻的处理。当用户同时具备新闻线索和社交线索时，偏向新闻线索或社交线索都可以引发新闻阅读。当用户缺乏新闻线索和社交线索时，用户将会浏览偶遇新闻。
2.在处理偶遇新闻的过程中，新闻相关性对新闻接触者和新闻回避者的影响不同。PINE模型认为，用户在偶遇新闻后进行相关性评估，对不相关新闻进行浏览，对相关新闻进行阅读（Matthes，Nanz，Stubenvoll & Heiss，2020）。本研究也发现，在各个条件里，新闻相关性的效应值最接近必要条件阈值，在阅读偶遇新闻的3种条件组态（表2）中，都存在新闻相关性。在浏览偶遇新闻的4种条件组态（表3）中，组态1a、1b、1c都缺乏新闻相关性，但是，组态2具有新闻相关性。表2中的3种组态和表3中的前3种组态表示社交媒体新闻接触者对偶遇新闻的处理策略，当用户阅读偶遇新闻时，新闻需要具有相关性。当用户浏览新闻时，新闻缺乏相关性。但是，表3中的组态2表示社交媒体新闻回避者的新闻处理策略，这些用户不通过社交媒体接触新闻，即便偶遇具有相关性的新闻，他们也不会阅读新闻。这说明，用户在处理偶遇新闻时，新闻相关性评估只适用于社交媒体新闻接触者，不适用于社交媒体新闻回避者。
3.在社交媒体环境下，新闻偶遇与有意接触之间的边界逐渐模糊。研究者认为，新闻偶遇与有意接触的区别在于，前者缺乏动机，后者具有动机（Weeks，Lane & Hahn，2022）。社交媒体用户在偶遇新闻时缺乏动机，但在处理偶遇新闻时需要动机。信息动机是阅读偶遇新闻时不可或缺的条件，在阅读偶遇新闻的3种充分条件组态中，用户都具备信息动机。在浏览偶遇新闻的4种条件组态中，除社交媒体新闻回避者（组态2）之外，组态1a、1b中的用户缺乏信息动机，组态1c也可能缺乏信息动机。信息动机影响社交媒体用户对偶遇新闻的处理策略，新闻偶遇和有意接触的界限也变得模糊起来。当用户阅读偶遇新闻后，算法会为用户推荐更多相关新闻，其中会有用户愿意主动阅读的新闻，用户可能有意接触这些新闻。无动机条件下的新闻偶遇引发有意接触，有意接触又会增加偶遇新闻的可能。新闻偶遇和有意接触之间存在正反馈，新闻偶遇越多，有意接触就越多，有意接触又会引发更多的新闻偶遇（Thorson，2020）。社交媒体环境下，新闻偶遇与有意接触不再是泾渭分明的两个概念，而是具有一定的重合度。
4.社交媒体用户是否将传统媒体作为新闻源，影响他们对偶遇新闻的处理。现有研究认为，对社交媒体作为新闻源的感知影响用户对偶遇新闻的处理，如果用户认为社交媒体是新闻源，他们更可能阅读社交媒体上偶遇的新闻（Weeks & Lane，2020）。本研究发现，用户对传统媒体作为新闻源的认知也会影响他们对社交媒体偶遇新闻的处理。如果用户认为传统媒体是新闻源，他们更可能浏览社交媒体上偶遇的新闻。如果用户不把传统媒体看做新闻源，他们更可能阅读社交媒体上偶遇的新闻。如果用户认为传统媒体是新闻源，就会通过传统媒体接触新闻，表3的组态1b、组态1c和组态2中，用户通过传统媒体接触新闻。这意味着，如果用户将传统媒体作为新闻源，就有可能浏览社交媒体上偶遇的新闻。表2的组态2、组态3中，用户不通过传统媒体接触新闻。这说明，如果用户不把传统媒体看做新闻源，更有可能阅读社交媒体上偶遇的新闻。
5.用户对偶遇新闻的处理方式会影响他们对传统媒体新闻的接触，两者可能互为因果、相互强化。现有研究提出，新闻偶遇与传统媒体新闻接触负相关，与新闻找到我感知正相关，用户越是经常在社交媒体偶遇新闻，越会认为新闻能够找到我，这使用户减少对传统媒体新闻的接触（Park & Kaye，2020）。本研究发现，还需考虑社交媒体用户对偶遇新闻的处理方式。社交媒体用户选择浏览抑或阅读偶遇新闻，会对传统媒体新闻的接触产生不同影响，用户对传统媒体新闻的接触，又会反过来影响用户对偶遇新闻的处理。社交媒体用户在偶遇新闻后，如果选择快速浏览，他们对偶遇新闻投入的注意力较低，有可能随后通过传统媒体接触新闻。如果用户投入较多注意力资源阅读偶遇新闻，他们随后通过传统媒体接触新闻的可能性就会下降。用户对传统媒体新闻的接触又会反过来影响他们对偶遇新闻的处理。表3中的组态1b、组态1c和组态2显示，对传统媒体新闻的接触会让用户浏览偶遇新闻。表2中的组态2、组态3说明，不接触传统媒体新闻的用户更有可能阅读偶遇新闻。
（二）理论贡献
1.聚焦新闻偶遇时用户处理新闻的动态过程，提供理解新闻偶遇的新视角，弥合现有研究分歧。现有研究主要关注新闻偶遇的原因以及新闻偶遇的影响，较少探讨用户偶遇新闻后的新闻处理过程。研究者呼吁，人们是否在偶遇新闻后主动阅读新闻非常重要（Strauß，Huber & Zúñiga，2020），要关注用户偶遇新闻时的行为（Matthes，Nanz，Stubenvoll & Heiss，2020），研究何种因素或情境促进用户与偶遇新闻互动（Kümpel，2020）。本研究将新闻偶遇理解为用户处理偶遇新闻的动态过程，并深入分析浏览和阅读两种处理方式，这一研究视角可以解释，为何用户在新闻偶遇后会有不同的知识获取、新闻参与和社会参与。
2.采用组态分析方法，研究阅读和浏览偶遇新闻的充分条件，推进新闻偶遇学术研究走向深化。现有研究较少关注影响新闻偶遇的潜在因素（Goyanes，2020），量化取向的研究通常只是孤立地分析具体因素对新闻偶遇的影响，对因素之间的相互作用关注不够（Ahmadi & Wohn，2018；Barnidge & Xenos，2024）。因素既可以独立作用于新闻偶遇，也会和其他因素互动共同影响新闻偶遇。组态分析关注因素之间复杂的组合和互动关系，是对现有研究的有益补充。
3.研究结果对新闻偶遇现有理论进行了实证检验。第一，相关性是用户处理新闻的依据（Matthes et al.，2020），本研究发现，相关性只适用于社交媒体新闻接触者，不适用于社交媒体新闻回避者。第二，对社交媒体作为新闻源的感知影响用户对偶遇新闻的处理（Weeks & Lane，2020），本研究发现，对传统媒体作为新闻源的感知也会影响用户对偶遇新闻的处理。第三，研究者提出，新闻偶遇与新闻接触之间可能相互影响，需要检验两者之间的关系（Park & Kaye，2020）。本研究发现了新闻偶遇处理策略与新闻接触之间的双向关系。
（三）实践价值
1.对传统媒体而言，新闻有用性和相关性是社交媒体用户阅读偶遇新闻的重要条件，传统媒体在生产和分发新闻时，需要增强新闻对用户的有用性和相关性。
2.对于社交媒体平台，信息动机、社交和娱乐动机、强连接、感知意见一致性与新闻有用性、相关性构成用户阅读偶遇新闻的关键，社交媒体平台可以据此调整算法系统，为用户推荐相应新闻。
（四）研究局限和未来展望
1.样本并非概率抽样，虽然对性别进行了加权，但样本仍然偏向中青年群体和学历较高者。未来研究可以采用配额抽样或概率抽样，检验本研究结论的稳健性。
2.研究框架中没有纳入更多因素。出于两个原因，本研究没有纳入更多因素。首先，QCA方法要求限制因素的数量，用较少的因素产生足以探索复杂性的条件组态（Mello，2021：29），本研究只能纳入有限的因素。其次，因素需要通过理论研究和实证研究的双重检验，一些因素没有得到理论研究和实证研究的足够支持。未来研究可以建立包含其他重要因素的分析框架，探索这些因素和新闻偶遇的关系。
3.PINE模型是西方学者对时政新闻偶遇提出的理论模型，本研究将其运用到我国社交媒体用户的一般新闻偶遇。虽然PINE模型基于时政新闻偶遇，但浏览和阅读是社交媒体用户处理偶遇新闻的一般性策略（Schäfer，2023），并不仅仅适用于时政新闻。未来研究可以围绕时政新闻和其他类型新闻设计研究，检验本研究结论的适用范围。
本文参考文献从略，原文刊载于《国际新闻界》2024年第12期。
本期执编 / 赵冉
全国各地邮局均可订阅《国际新闻界》，国内邮发代号：82-849，欢迎您订阅！
您也可通过下方二维码或网址https://mall.11185.cn/h5/#/bkGoodsDetails?spuId=113613&from=imgShare&dsId=zxSWChat&dsModule=c3df4964-af5d-40a8-d6cc-a768b5306e52 ，进入中国邮政微商城订阅本刊。
来源：国际新闻界杂志