三、研究方法

过往的新闻报道研究多以传统的内容分析和文本分析为路径，即基于理论与概念对文本的属性和内容进行统计与阐释，多数研究往往更易凸显研究者的主观意志而削弱了文本的客观实在。当下，在研究技术和媒体环境的双重革新过程中，研究路径开始转向以数据处理技术为主导的方法实践，帮助研究者更准确地把握新闻报道本身的属性与特征。

因此，本研究尝试采用内容分析与社会网络分析相结合的方法，一方面，对新闻报道的主体、主题、发布特征等剥茧抽丝；另一方面，以分词算法为主、人工筛选为辅，尽可能分解和提取报道的有效信息，并基于关键词进行社会网络分析，以呈现“全球合作抗疫”图景。

本研究以“全球合作抗疫”作为关键词，在全网范围内搜集2020年1月1日—5月29日期间的报道，共收集得3 801条数据，去除重复相似、广告、软文等无效内容后，最终得到628篇有效报道参与分析。

1．内容分析

内容分析的第一步是对收集到的有效报道特征进行编码，以描述数据整体概况。第二步，使用N-Gram词频词性分析工具，并辅以人工筛选的方式，对每一条报道内容的词频进行统计。第三步，提取报道中所提及的国家或地缘区域名、人名、组织名等关键信息（见表1）。

2．社会网络分析

基于以上已提取的所有关键信息建立词频共现矩阵，并借助相关工具进行社会网络分析。本文主要借用的社会网络分析工具为UCINET，进行可视化的工具为NetDraw。

节点的中心度：节点的中心度特征可体现节点的数量、位置和质量。度中心度是用来衡量节点连接数量的指标，与某一节点连接的节点数量越多，其影响力就越大。中间中心度是刻画节点交往能力的测量指标，节点之间要传递信息往往要通过某一个节点来实现。

节点之间的平均距离：网络的平均距离能够反映关键词之间的联系程度，是社会网络中节点与节点之间交流所要经过连线数的平均值。

网络节点之间的网络密度：网络密度是描述网络节点间之间联系网络的紧密程度的指标，反映一个网络的凝聚力水平。网络中的点连线越多，它的网络密度就越大。

3．“全球合作抗疫”报道的总体特征

1）时间特征

数据显示，2020年1月1日—2月14日间未出现关于“全球合作抗疫”的新闻报道。联合国、世卫组织等国际组织开始呼吁各国团结合作起来是在2月11日，我国媒体对此的响应迅速，2月15日出现第一篇提及“全球合作抗疫”关键词的报道。随后有关“全球合作抗疫”的新闻报道发布量呈无规则波浪形态，新闻报道出现多个阶段性峰值，最高峰出现在3月30日，未出现阶段性特征（见图1）。

2）关注重点

通过提炼和统计新闻报道关键词频次，可以归纳出“全球合作抗疫”报道的三个关注重点。第一，陈述疫情，即报道新冠肺炎疫情当下的态势以及各国的抗疫状况；第二，强调合作抗疫，即重点关注合作的实践和效果；第三，各方态度，即不同主体在全球抗疫合作中的行动、立场与态度。这三个关注重点并不总是单独出现，相反，它们经常同时出现在同一新闻报道中（见表2）。