共同理解天气:在极端天气直播中的协作式认知构建

《Proceedings of the ACM on Human-Computer Interaction》:Making Sense of the Weather, Together: Collaborative Sensemaking in Severe Weather Livestreams

【字体: 大 中 小 】 时间:2026年10月22日 来源:Proceedings of the ACM on Human-Computer Interaction

编辑推荐:

  **摘要** 本文通过研究“天气网红”(即在YouTube等平台上直播气象解释的内容创作者)这一新兴现象,探讨了在极端天气事件中的协作性意义构建过程。基于意义构建理论、危机信息学和平台研究,我们分析了这些创作者如何在实时与分散观众互动的过程中,处理解读极端天气的社会技术动态。通

  **摘要**

本文通过研究“天气网红”(即在YouTube等平台上直播气象解释的内容创作者)这一新兴现象,探讨了在极端天气事件中的协作性意义构建过程。基于意义构建理论、危机信息学和平台研究,我们分析了这些创作者如何在实时与分散观众互动的过程中,处理解读极端天气的社会技术动态。通过对三位知名天气网红发布的13次特别危险情况(PDS)风暴警报的案例分析,我们识别出三种相互关联的实践模式:协作式多源意义构建、跨越过去、现在和未来的时间桥梁构建,以及将娱乐界面转化为关键安全沟通渠道的特定平台适应性调整。我们的研究表明,这些实践通过整合分布式专业知识、打破时间框架和重构平台功能,挑战了现有的危机沟通模式。

**AI生成摘要(实验性)**

该摘要是由自动化工具生成的,并非由文章作者撰写或审核。它旨在帮助读者发现文章的相关性,并辅助来自相关研究领域的读者理解文章内容。它作为对作者提供的摘要的补充,但全文仍为权威版本。点击此处了解更多信息。点击此处可以对摘要的准确性、清晰度和实用性进行评论,这将为未来的改进版本提供参考。要查看这个AI生成的通俗语言摘要,您需要具备高级访问权限。

**1 引言**

在极端天气事件期间,直播平台已成为实时信息传播的关键渠道。一群被称为“天气网红”的内容创作者已经发展出专门的技能,能够为公众解读复杂的气象数据。他们借鉴了Hurcombe提出的“新闻网红”概念[37],将 influencer 的逻辑应用于天气传播,同时平衡娱乐需求与公共安全责任。天气网红在娱乐、教育和公共安全之间发挥着独特的作用,他们将技术数据转化为易于理解的解读,并通过平台功能促进协作性意义构建。与受广播格式限制的传统电视气象学家不同,这些创作者利用数字平台协调多方专家知识,让观众实时参与信息验证,并进行透明的分析过程,使观众能够积极参与集体意义构建。

**2 文献综述**

本节将我们的研究置于危机信息学、协作性意义构建、参与式媒体、天气传播中的可信度以及平台功能的研究背景之中。这些研究共同探讨了信息如何在危机中传播、在不确定性条件下意义是如何构建的,以及社会技术条件如何影响危机中的解释方式。我们整合这些研究结果,以分析实时、平台中介的危机意义构建过程。

**2.1 危机信息学与社交媒体**

危机信息学研究关注紧急事件中信息与通信技术的作用,特别是数字平台如何重新塑造灾难期间的协调、信息流动和公众参与[36, 57]。Palen及其同事的早期研究表明,社交媒体平台实现了去中心化的危机沟通,使受影响个体和志愿者能够与机构角色共同提供信息、解释和协调[58, 59]。随着社交媒体平台在应急响应中的地位提升,它们逐渐成为核心的信息基础设施[32, 40, 55, 75]。实证研究显示,Twitter/X等平台在灾难期间支持情境感知、快速信息传播和集体协调[63, 75, 81]。最近的研究还探讨了数字志愿者和非正式参与者如何通过信息放大、验证、转述、整合和公众信息生产等方式参与危机响应[14, 74]。危机信息学的一个核心问题是机构与非正式危机沟通者之间的互动与协调,尤其是当官方和非官方信息源共存时,信息验证、权威冲突和错误信息传播的持续挑战[7, 13, 72]。学者们强调需要更好地理解这两种沟通方式的互动与协调,认识到它们在危机应对中往往相互补充[36]。

**2.2 协作性意义构建与危机中的时间动态**

危机信息学研究关注谁参与危机沟通以及信息如何在平台间流通,而意义构建理论则为理解不确定性条件下的意义构建提供了分析视角。Weick 的意义构建理论指出,危机会破坏人们默认的意义结构,导致“宇宙观片段”的产生,使人们在不确定性和崩溃中努力重新建立连贯性[85, 87, 88]。协作性意义构建研究强调,解释不是个体认知过程,而是通过人际互动形成的社会分布活动。分布式认知框架表明,知识在人与人、物品和技术网络中 coordinately 分布[35, 38]。在危机情境中,这种专业知识分布通常超越了正式组织边界,涵盖志愿者、受影响社区和非正式参与者[21, 51]。先前研究显示,在灾难期间,线上群体如何参与问题解决、信息整合和协调[73]。

**2.3 新闻网红与参与式媒体**

“新闻网红”的出现反映了平台化媒体生态系统中创作者主导的新闻生产趋势,其中个体内容创作者将 influencer 的实践应用于新闻的传播与解读[1, 44]。Hurcombe[37]将新闻网红定义为“根据在线 influencer 的经济和文化逻辑生产新闻内容的平台化创作者”。这一框架有助于理解天气网红作为专业信息传播者的角色。研究强调,这些创作者在平台基础设施、创业劳动和观众关系之间发挥作用,说明数字环境中的信息权威如何通过持续互动体现[37]。

**2.4 可信度与天气传播中的信任**

在天气传播中,可信度一直被视为关键要素[53, 65]。极端天气警报涉及高风险和不对称的信息获取,公众必须根据无法独立验证的信息采取行动。数十年的研究表明,人们对天气信息来源的可信度的感知会影响警告的解读方式以及是否采取保护性行动[8, 9, 53, 65]。因此,先前的研究将可信的来源视为有效天气沟通的必要条件,特别是在高风险、安全至关重要的情境中。在传统的气象学背景下,可信度与机构隶属关系、专业资格和广播媒体基础设施紧密相关。实证研究表明,观众对当地电视气象学家有很高的信任度,认为他们是权威的、熟悉的、可靠的天气信息来源[4]。在这种模式下,信任和可信度作为相对稳定的条件支持警告的有效性,并通常被概念化为连接警告特征和行为反应的结果或中介变量[49, 65, 79, 90]。

数字和平台中介的环境使这种可信度的模型变得更加复杂。人机交互的研究表明,在线上的可信度不仅受来源身份的影响,还受到界面提示、沟通表现和交互信号的影响[26, 27, 52]。最近关于社交媒体影响者的研究表明,即使在没有任何正式专业知识的情况下,观众也会对真实性、透明度和直接互动作出反应,将其视为可信度的信号。数字营销和沟通领域的研究发现,信息披露和表达真实性等策略可以提高观众的参与度和感知可信度,这表明互动性和关系性线索可能与正式权威线索同样重要或更重要[42, 77]。

在危机情境下,由于时间压力、认知不确定性和错误解读的后果,可信度变得尤为重要。先前的危机信息学研究记录了在紧急情况下,当机构来源和非机构来源共存时,错误信息、验证挑战和权威争议是如何出现的[36, 58, 72]。然而,这些研究主要通过事后分析或异步沟通来探讨可信度,对实时发生事件中可信度是如何体现和维持的见解有限。这种差距在严重天气直播的背景下尤为突出,非机构行为者会实时为多样化的观众解释不断变化的数据。本研究不是将信任作为结果来评估,也不是将准确性与外部事实进行对比,而是探讨在不确定性条件下,如何通过集体认知过程使可信度变得可见。通过关注透明度、信息来源 triangulation(此处可能是指对信息来源的交叉验证)和响应性等互动实践,研究探讨了在直播危机沟通中可信度是如何被显现、协商和修复的,以及这些实践如何影响关于风暴强度、路径和适当响应的信息的呈现和解读。

2.5 平台功能与直播危机沟通
关于平台功能的研究强调了技术特性如何塑造社会技术系统中的沟通、协调和解读的可能性[6, 22, 56]。在危机情境下,这些功能不仅影响信息的传播方式,还影响在时间压力下不确定性、风险和紧迫性的显现和解读[64]。先前的研究考察了诸如字符限制、标签技术和线程结构等特性如何在包括 Twitter/X、社交网络网站和 Reddit 在内的平台上影响危机沟通[5, 43, 91]。除了个别特征之外,平台研究还强调了危机沟通如何在一个更广泛的治理、可见性和货币化逻辑中展开。公民信息基础设施越来越多地依赖于私有管理的平台,其算法系统和以参与为导向的设计优先级决定了在紧急情况下哪些信息会获得突出显示[30, 80]。这些动态可能会在可见性、准确性和公共安全之间引入紧张关系,特别是在参与度指标在高风险事件中影响信息突出性的情况下。

同时,平台并没有按设计意图被使用。关于基础设施重构和占用的研究表明,用户会适应和重新配置平台以满足新兴需求,包括在高风险和时间敏感的情境中[46, 61, 70]。在危机情境下,这种适应通常涉及组装视觉、文本和交互资源来支持在不确定性条件下的解读和协调。对于天气沟通来说,视觉功能尤为重要,因为理解依赖于解读雷达图像、地图和警告等空间和时间表示。先前的研究表明,视觉媒介可以通过提供共同参考点来支持共享的情境意识,使参与者能够解读不断变化的情况[48, 63, 76]。然而,大部分此类研究都是在异步或以工具为中心的情境中考察视觉认知的。

直播平台将这些功能整合在一个单一的实时交流环境中,其中包括连续广播、持久的视觉展示和观众互动。虽然先前的研究已经记录了危机期间的持续叙述、直接观众互动和实时视频等实践[18, 23, 33],但危机信息学研究更多地关注异步或基于文本的平台。因此,对于直播功能如何在危机事件发展过程中塑造解读和协调知之甚少。我们通过将 YouTube 直播视为在社会技术环境中进行研究来解决这一空白,在这种环境中,平台功能积极地构建了严重天气事件中的协作认知过程。我们不是将平台视为中立的信息传播渠道或根据外部事实来评估信任,而是分析直播功能如何使天气影响者和观众能够实时解读不断变化的数据、协商不确定性并协调理解。通过这种方式,研究明确了平台设计如何在时间压力和信息模糊性条件下塑造认知过程。

3 研究问题
基于上述文献回顾,并针对在直播危机情境中协作认知理解的认知空白,我们提出了以下研究问题:
(1) 在严重天气直播的关键安全时刻,天气影响者与其观众之间出现了哪些协作认知实践?
(2) 天气影响者在严重天气事件中如何进行时间认知?
(3) 直播服务的平台功能和限制如何塑造天气影响者在安全关键时刻的沟通实践?

4 角色声明
第一作者是美国国家气象局 SkyWarn 风暴观察员,他不仅在技术上有深入了解,而且对严重天气期间的公共安全具有伦理承诺。这一视角在两个方面影响了我们的分析:首先,这种气象知识使我们能够识别出没有领域专业知识的研究人员可能忽略的细微技术讨论和准确性评估;其次,它影响了我们对天气影响者在传递潜在救命信息时所面临的伦理维度的理解。我们承认,这种技术背景可能会造成分析盲点;例如,我们在技术上认为准确或重要的内容可能与一般观众的优先事项不同。在整个研究中,我们平衡了技术视角和对非专家观众如何与内容互动的细致关注,注意不要过分重视技术准确性而忽视了对更广泛沟通模式的理解。

5 方法
本研究探讨了天气影响者及其观众如何通过平台中介的互动共同理解严重天气事件。我们采用关键事件技术来分析在实时事件中发布的特别危险情况(PDS)警告,这些时刻常规天气监测转变为安全关键的沟通。图 1 展示了我们的四阶段方法论流程:创建者和事件选择、以事件为中心的数据收集、协作编码和跨案例分析。

5.1 创建者和事件选择
我们根据四个与研究问题一致的标准系统地选择了直播创建者:(1) 定期报道严重天气事件;(2) 使用“桌面”直播格式,专注于雷达解读;(3) 实时面向公众的气象分析;(4) 每个直播至少有 1,000 名同时观看者。我们参考了 Reddit 上关于严重天气教育的讨论和 Discord 社区来识别符合这些标准的候选人。

5.1.1 创建者概况
我们的最终数据集包括来自 2025 年春季主要龙卷风爆发的三位 YouTube 直播创作者的直播。虽然这只是一个小样本(N=3),但它涵盖了 YouTube 上一个专门针对严重天气内容的持续高可见度直播实践的集中样本。YouTube 上与天气相关的内容广泛且多样,包括常规预报更新、模型讨论、事件后的分析以及由媒体机构制作的报道。相比之下,这里研究的创作者的特点是他们在活跃的严重天气事件期间进行多小时、多地点的实时直播,整合了雷达解读、观众互动和快速更新。这种重点将他们置于一种独特的平台原生解读实践中,不同于以预报为中心的频道和机构天气媒体。创作者 A(89.1 万订阅者)包括一名主要主持人和两名经过正式培训的气象学家,以及几位风暴追逐者。创作者 B(119 万订阅者)是一名爱好者和学生,主要独自进行报道。创作者 C(270 万订阅者)包括一名主要主持人和至少一名经过正式培训的气象学家。因此,这里的创作者应该被视为这种特定平台原生实践的示例,而不是代表 YouTube 上所有天气影响者的活动。表 1 总结了创作者的概况。

表 1
| 创作者 | 加入 YouTube 的时间 | 视频数量 | 观看次数 | 订阅者数量 |
|---------------|---------------------------|-------------|-------------|
| 创建者 A | 2022 年 9 月 28 日 | 94 | 1,370 | 89.1 万 |
| 创作者 B | 2014 年 8 月 31 日 | 1,568 | 200 | 119 万 |
| 创建者 C | 2012 年 12 月 5 日 | 59 | 340 | 270 |

5.1.2 事件概况
2025 年 4 月 2 日至 5 日和 2025 年 4 月 29 日的龙卷风爆发由于发生时间和对美国中部和南部大部分地区的潜在威胁,受到了美国国家气象局、传统媒体和天气影响者的广泛关注。这些事件在龙卷风高峰季节影响了美国中部和南部的大片地区,使我们能够在保持相似威胁紧迫性的同时,比较不同创作者和地理区域的报道。表 2 总结了具体分析的直播。总共分析了每位创作者的一个多小时严重天气事件,事件持续时间从 5.5 小时到 12 小时不等。我们分析了每位创作者的单个严重天气事件,以便在大致相似的条件下仔细比较认知实践。每个选定的事件都有几小时的持续直播覆盖,提供了观察反复出现的互动模式、信息可用性的变化以及观众参与度随时间变化的充足时间跨度,从而能够在单个事件内观察认知实践。

表 2
| 创作者 | 直播日期 | 总时长(小时) | 重点地区 |
|---------------|----------------|-------------|-------------|
| 创建者 A | 2025 年 4 月 2 日 | 5.5 | 平原州(OK, TX, AR) |
| 创作者 B | 2025 年 4 月 3 日 | 12 | 南部深处州(MS, TN, AR) |
| 创建者 C | 2025 年 4 月 29 日 | 12 | 南部深处州(LA, MS, TN, AR) |

5.2 关键事件采样策略
我们采用关键事件技术[10, 25]来分析天气影响者从常规监测转向高风险评估信息的时刻。鉴于严重天气直播的持续时间往往接近 12 小时,我们实施了一种有目的的、以事件为中心的采样策略,重点关注特别危险情况(PDS)龙卷风警告作为关键事件。PDS 警告和观察是罕见的,代表了美国系统中第二高级别的严重天气警报,仅在国家气象局预报员认为情况可能对生命和财产造成重大危险时才会激活[11]。图 2 展示了 PDS 警告在直播中通常出现的简化时间结构,将其放在了事件早期监控期、活跃警告期以及警告前后的缓冲期之间。

PDS 警告类似于 Weick [84] 所称的“宇宙学事件”,在这些事件中,感知和认知方式同时崩溃。它们提供了理想的分析窗口,原因有三点:它们产生了需要整合过去、现在和未来框架的时间压缩[62];它们产生了需要协作验证的认知不确定性[24];它们需要创作者、观众和机构来源之间的分布式专业知识[51]。

图 2
关键事件采样和 PDS 警告结构时间线,显示了事件早期监控、活跃且可能重叠的 PDS 警告,以及警告前后的采样缓冲期。对于每个识别的 PDS 警告,我们提取了至少 10 分钟的片段:警告发布前 5 分钟、警告的完整持续时间和取消后 5 分钟。在警告重叠的情况下,我们从第一个 PDS 警告发布前 5 分钟和最后一个宣布的 PDS 警告取消后 5 分钟的内容中进行了采样。这种时间跨度使我们能够分析创作者和观众在安全关键事件之前、期间和之后如何理解气象数据。在 2025 年 4 月 2 日至 3 日和 4 月 29 日的龙卷风爆发期间,三个样本流中共识别出 13 个 PDS 龙卷风警告,共计分析了 453 分钟的内容。所有片段都使用了 YouTube 种录和直播聊天回放进行标注。表 3 总结了每位创作者的 PDS 警告数量和 PDS 专注分析时间。由于聊天活动量很大(12 小时内的消息通常有数万条),我们进行了有目的的采样,每个 PDS 警告事件分析了大约 300 条消息。聊天信息是使用与第5.3节详细描述的创作者沟通相同的编码框架进行分析的。我们通过基于意义构建理论[86]、新闻影响者概念[37]和平台研究[30, 80]的聚焦内容分析来研究这一活动。为了支持这项分析,我们从追踪民族志的视角[28]中汲取概念,该视角关注数字痕迹(如聊天记录、创作者评论和屏幕上的视觉元素)如何反映社会技术实践。虽然我们没有进行全面的民族志浸入,但这种视角帮助我们解释了参与者如何通过他们留下的数字痕迹来应对不确定性和紧迫性。

表3. 创作者 事件日期 PDS警报 总PDS分析时间
创作者A 2025年4月2日 173分钟
创作者B 2025年4月3日 8200分钟
创作者C 2025年4月29日 4180分钟
总时间 3场事件 13453分钟

跨直播观察到的PDS警报摘要

5.3 编码框架和分析方法
我们开发了一个轻量级的定性编码框架,基于三个理论传统:意义构建理论和原则[86, 89]、危机信息学[57, 60]和平台研究[30, 80]。这种解释性方法与研究新兴数字实践的传统相一致[28],在这些研究中,对交流模式的丰富描述比定量指标能提供更多的洞察。

编码框架将观察结果组织为四个与我们的研究问题相关的核心领域:
•集体意义构建:创作者和观众共同构建理解的过程,包括信息三角测量和基于查询的重定向。
•意义构建:创作者主导的解释策略,包括知识构建(将技术数据与熟悉的概念联系起来)和分析过程中的透明度(使推理过程可见)。
•时间导向:创作者如何在严重天气发生时管理和导航时间,特别是为了帮助理解情况,包括添加回顾性框架(“这是我们今天早些时候在Lake City看到的”)、实时解释和对未来威胁的预测。
•平台功能和限制:YouTube的功能如何塑造交流,包括视觉工具的呈现方式,以及如何处理任何平台限制。

尽管这些领域受到既定理论传统的启发,但每个领域内的具体代码是通过将理论与数据紧密结合的归纳分析过程开发的。我们没有采用先前文献中的完全演绎性代码手册,而是从理论出发,通过反复观看直播片段和相关的聊天互动来完善这些代码。附录总结了这一编码方案,说明了如何将受理论指导的高级分析领域通过实证观察到的交流实践具体化。例如,意义构建理论激发了更广泛的“意义构建”领域,而诸如知识构建和透明度之类的具体实践则是通过观察创作者如何实时解释复杂的气象数据而归纳得出的。在这项探索性研究中,我们优先识别创作者之间的重复模式和独特实践,而不是量化代码频率。

5.4 综合分析过程
我们的分析过程更重视丰富的描述和理论洞察,而不是量化代码频率。我们没有试图量化天气影响者的实践,而是试图发展出能够捕捉关键天气时刻时间动态、协作意义构建和平台功能之间复杂互动的详细描述。分析分为三个相互关联的阶段:

5.4.1 第一阶段:沉浸式观看直播片段
我们首先完整地观看了每个直播片段,让自己沉浸在报道的情境流中。这种方法承认了天气影响者实践的综合性,其中时间性、协作性和平台功能是同时运作的,而不是作为独立的维度。在初步观看过程中,我们注意到了多个元素汇聚的重要时刻,例如当NWS警报宣布时、注意力转移到雷达地图的不同区域时,以及聊天活动加剧时。我们还特别关注了聊天活动中的模式,包括在关键公告期间消息频率的激增、受影响地区观众的信息共享、引发创作者回应的重复性问题,以及影响信息流的主持人干预。参与度是不均匀的,只有相对少数的观众反复发言,而许多观众保持沉默,这反映了直播环境中同步参与的自我选择性质。我们的分析将这些互动视为观众参与在直播中如何变得可见和可操作的 evidence,而不是观众如何感知、信任或对这些信息的行动的证据。

5.4.2 第二阶段:带有理论联系的结构化记录
在确定了PDS警报的时间戳之后,我们返回每个片段进行系统记录。使用YouTube的Transcript功能,我们创建了结构化的观察记录,涵盖了气象背景、创作者的意义构建技巧、观众互动以及用于传达风险的各种视觉工具。附录A包含了我们的观察模板副本。这一结构化记录阶段为我们跨案例分析提供了基于理论的丰富描述性数据。

5.4.3 第三阶段:跨案例模式识别和理论整合
最后一步分析阶段比较了不同创作者和警报事件,以识别模式和出现的主题。我们制定了分析备忘录,将这些主题具体化到具体示例中,并将其与我们的理论框架联系起来。这一比较过程包括跨创作者分析、跨事件分析,以及在交流策略、观众动态和平台中介之间的模式识别。

6 研究发现
天气影响者通过多源信息综合来协调网络化危机专业知识,通过将过去、现在和未来连接成连贯的叙述来支持时间意义构建,并参与平台适应,将娱乐功能转化为公民安全系统。这些实践挑战了现有的危机沟通模型,通过人类-技术网络分布专业知识,同时通过实时协作解释保持连贯性。我们使用“协作”来描述创作者如何在实时过程中征求、回应和整合观众贡献的互动过程,而不是指共享理解、共识或下游影响。表4将我们的主要发现与研究问题相对应。我们的分析重点关注通过可观察的互动实践来使解释变得可见,而不是观众最终如何感知或应对这些信息。

表4. 研究问题
主要主题 关键实践 理论贡献
RQ1:出现了哪些协作意义构建实践?
协作意义构建实践 • 多源三角测量 • 观众参与 • 技术转换 • 分布式警报网络 • 透明分析
网络化危机专业知识:通过协调多种信息流来使权威可见,不一定需要资格认证

RQ2:天气影响者如何进行时间意义构建?
时间沟通策略 • 历史参考 • 实时解释 • 预期预测 • 时间整合 • 明确的时间限制
时间意义构建:直播支持同时跨越过去、现在和未来的导航

RQ3:平台功能如何塑造交流?
平台特定适应 • 多窗口显示 • 视觉注释 • 技术变通 • 注意力管理
平台适应:通过创造性适应将娱乐基础设施转化为公民安全系统

研究问题、实践和理论贡献的总结

6.1 意义构建实践
在关键的安全时刻,天气影响者通过五种重复的实践来协调分布式意义构建,将直播从单向评论转化为互动的、多源的情境意识。在不同创作者中,可信度不是仅通过资格认证来确立的;而是通过可见的交叉验证、刻意征求观众输入、可访问的技术指标转换,以及使不确定性明确的实时推理来实现的。

6.1.1 作为认知权威的可见三角测量
天气影响者通过机构数据、风暴追逐者视觉内容和观众报告之间的积极三角测量来使认知权威可见。实际上,三角测量作为一种连续的“对齐”活动:创作者监控官方指标,将追逐者的镜头和交通摄像头视为视觉确认,并使用聊天作为一个分布式传感器网络,可以提供额外的确认,与机构数据、风暴追逐者的镜头和交通摄像头一起使用。例如,创作者B在导航解释不确定性时在雷达和追逐者背景之间切换:“[风暴追逐者]在风暴中,我认为是Trumann附近,现在降级为观察到的[警告]。在屏幕的右下角。我现在还没有看到任何完全一致的信息。”同时,当追逐者的报告(“多次闪电!”)与屏幕上的旋转同时发生时,创作者C表达了担忧,而创作者A纳入了观众的实地核实信息,如“18轮卡车刚刚在德克萨斯州Seymour附近的82号公路上翻车”。这些时刻展示了如何通过整合多种信息流来使“权威”可见,尤其是在PDS期间,当观众发布问题和请求确认时。这种模式反映了分布式认知,因为解释工作分布在人和工具之间,而不是集中在单一专家来源[38]。重要的是,这里的三角测量不仅仅是呈现其他来源,而是一种连接性的、互动性的实践,显示了结论是如何得出的、哪些信息是可信的、哪些是临时的,以及哪些是在实时进行交叉验证的。这些实践通过使创作者的分析推理公开可见并在事件发展过程中持续负责,从而促进了表现性的合法性。

6.1.2 观众在信息收集中的参与
在不同流中,创作者并没有将观众视为被动的接收者。相反,他们明确地将观众定位为分布式观察网络的参与者,征求本地报告然后将这些报告重新整合到实时解释中。创作者A口头邀请观众积极互相支持,“正在观看的各位。现在你们知道了,你们可以通过聊天来回答问题。”创作者B同样通过相关社区渠道请求报告:“我们有没有任何报告,嘿,在Discord上或者任何地方,随便发点什么,我会尝试传达。”这些提示在聊天中得到了非常具体的实地报告(冰雹大小、风强度、停电等),如“这里的冰雹有硬币大小”或“我们Electra的电力中断了”,这些报告作为雷达指示严重性的快速“现场验证”。这种参与超出了报告当前条件的范围。聊天成员经常在创作者之前回答基于位置的问题,有效地进行了“点对点导航”或确认一个城镇相对于更大都市区的位置,或者一个地点是否在当前的威胁范围内。主持人也在维护以安全为导向的规范中发挥了明显的作用,通过重复提醒避难指南,并在创作者的注意力转移到其他地方时偶尔将观众引导到当地官方来源。这些行为符合参与式意义构建[16]和危机时期的协作工作[24],但直播的背景使这种机制异常明确:观众贡献被公开评估、选择,并被纳入事件的发展叙述中。

6.1.3 技术知识转换
天气影响者反复将气象术语和雷达成惯例转化为易于理解的语言,使更广泛的参与成为可能,同时保持直播的实用性。转换范围从定义技术术语到在这些定义中嵌入安全指南。创作者C直接引入了标签:“如果你是新手,不知道PDS龙卷风警报是什么,这是一个特别危险的情况...”创作者B进一步解释了“PDS”的含义,并立即将其与保护措施指令结合起来。创作者还使用非正式的类比来简化技术内容(例如,创作者A将风速称为“风的方向模式”),这使得初学者能够在不采用专业词汇的情况下跟踪关键指标。值得注意的是,翻译也受到社会规范的调节。当技术争论或纠正可能扰乱紧急沟通时,主持人和聊天参与者经常执行优先考虑可操作解释而非精确性的规范。例如,主持人和参与者经常提醒不要进行发音纠正,或者警告会移除离题的纠正。实际上,这里的翻译是在时间压力下稳定共享意义的协调实践,另一种在专家/非专家之间分配技术认知的形式[38]。

6.1.4 分布式警报网络
在高风险期间,实时聊天作为次要警报渠道,放大了官方警报,并传播了保护性行动的提示。观众发布了警报激活的实时指标(警报器、本地警报、特定城镇的警告提及),通常这些提示连续出现,产生了一系列强化紧迫性的警报。除了这些警报帖子外,观众还分享了采取避难的具体情况,例如报告在公共避难所或者即兴采取头部保护措施,这在一些观众仍在询问威胁是否严重的时刻提供了具体的、社会上可理解的、有时甚至是幽默的例子。创作者经常使用聊天活动来校准注意力并验证影响,特别是当多个威胁同时存在或雷达证据不足以解释风暴时。结果是,警报信息通过他人的可见行为在社会上得到了重申、地理上得到了扩展,并在行为上变得具体。

6.1.5 透明的分析过程
最后一个反复出现的实践是公开进行推理。创作者定期叙述他们所看到的内容、他们尚未确认的内容,以及他们如何权衡竞争性指标。例如,创作者B在评估可能的碎片特征和冰雹污染时明确表达了不确定性,同时仍然对风险的影响进行了说明:“最新的龙卷风警告显示在贝克斯菲尔德东侧有一个强旋转区域,这可能是龙卷风碎片特征,同时也受到一定程度的冰雹污染,因此无法完全确认,但旋转强度仍然很强,我们可能在贝克斯菲尔德附近遭遇了龙卷风。”创作者A通过解释风速对比(相反方向的风)的逻辑,包括具体的数字数据,帮助观众立即理解,并展示了他们的结论是如何形成的。创作者C在保持透明度的同时给观众带来安慰:“我不想引起任何恐慌……但如果我不对这场风暴表示一些担忧,那我就没有尽到我的职责。”

在这些时刻的聊天回应表明,观众积极地接受了这种推理方式。观众重复使用了分析性语言,有时也对解释提出质疑,这表明透明度并没有消除分歧;然而,它确实为什么是证据以及如何解读不断变化的信号提供了共同的参考点。

6.2 在严重天气事件中的时间感知
天气影响者通过不断将刚刚发生的事情、现在正在发生的事情以及接下来可能发生的事情联系起来,来进行时间感知。在不同创作者中,这些时间策略在关键时刻变得更加明确,因为观众面临着信息的波动性和实际决策压力。我们观察到了五种反复出现的策略:引用过去的事件、转向以现在为中心的威胁讨论、制作预期时间线、在单一的解释段落中整合多个时间框架,以及明确承认时间限制。

6.2.1 引用过去的事件
创作者经常使用过去的事件作为比较基准,帮助观众校准当前的情况。这些回顾性的引用具有多种沟通功能,包括建立严重性的基准、为新或异常模式提供背景、在观众理解中建立连贯性,以及加强支持社区凝聚力的共同参考框架。例如,创作者B通过最近性和稀有性来解释PDS警告:“上次我们收到PDS龙卷风警告是在3月15日……这种情况并不常见”,既强调了当前情况的罕见性,同时也隐含了其重要性。创作者C在多次报道中保持了个人的连贯性:“这简直是疯狂的过山车,感觉就像《土拨鼠之日》一样。每一天……而且每次我说的还是同样的地方,就像是在一遍又一遍地经历同一天”,将这一持续的过程描述为异常持久。创作者还使用了破纪录的数据,如同时发布的警告数量,来表明情况的严重性。这些时间-严重性标志将规模转化为观众可以理解的“这不正常”的信号。

聊天贡献通过与之前事件的比较(例如,“这就像2020年4月12日”)和基于地点的记忆(例如,回忆之前的当地影响)来强化这种集体的时间框架。用Weick的理论来说,这些回顾性的比较提供了现成的解释资源,使观众能够通过将当前情况与过去的经验相对照来“使现在变得合理”。

6.2.2 即时的威胁沟通
当风暴看起来即将发生时,创作者将他们的时间视野压缩到当下,并转向紧急且以行动为导向的讨论。这种转变在语言和结构上都很明显:更短的表述、重复的地名、加强的命令式语言,以及快速在雷达和确认来源之间切换。创作者B的措辞展示了如何在不过分减弱紧迫感的情况下管理不确定性,“这可能不是非常大的龙卷风,但强度很强”,而当出现雷达碎片特征等确认指标时,言论会升级。创作者A同样将即时描述与追踪者位置的实时视觉信息和风暴 circulation 行为结合起来,而创作者C则经常通过视觉确认来强调即时性:“……看,现在正在生成一个龙卷风!”

观众的留言通过情感反应和指导他人寻找避难所的提示来反映和放大这种即时性。同时,聊天参与者有时会验证或挑战创作者的解释,表明即使在最紧急的情况下,即时威胁沟通仍然是一个协商的过程。这种模式与时间压力下的时间轨迹对齐一致,在这种压力下,分散的参与者必须迅速同步理解以支持行动。

6.2.3 预期沟通
在最紧迫的时刻之外,创作者投入了大量精力将雷达模式转化为可操作的未来风暴时间线。不同的创作者有不同的预期方式:创作者A经常强调方法和时间(“我们将以每小时35英里的速度追踪这个龙卷风一个小时……”),使预测逻辑变得明确;创作者B使用与地标相关的倒计时框架(“距离三分钟……”),将紧迫性与概率性对冲结合起来;创作者C经常将预期担忧与机构界限的限制联系起来,警告风暴可能会超出预期的范围。创作者们的问题(“X的情况如何?”)表明观众寻求的是针对具体地点的解释,而不仅仅是整体的事件理解。

在所有三个流中,预期沟通不仅用于预测风暴的运动,还用于在不同时间分辨率下构建与决策相关的未来场景。创作者们经常在短期倒计时、短时间范围预测(例如30-60分钟)和更长期的“今晚晚些时候”评估之间切换,使观众能够随着时间的推移调整紧迫感和准备程度,而不是将风险视为二元对立的状态。通过明确不确定性,天气影响者将预期描述为一个临时且可修改的过程,邀请观众随着情况的发展保持关注,而不是期待最终的预测。

6.2.4 时间整合
创作者经常在单一的通信段落中结合多个时间框架,创造出连接过去、现在和未来的“时间桥梁”。在PDS警告期间,这种整合尤为明显,因为创作者努力帮助观众在有意义的背景下理解快速变化的威胁。创作者A使用短期循环(“……我会给你们展示过去20分钟左右的情况,你们会看到第一个钩子是如何被遮挡或卷入风暴的,现在我们有了一个特别令人担忧的新钩子”),将之前的风暴结构与当前的风险解释联系起来;创作者B通过比较碎片抛掷的高度,将当前的严重性与同一流中的早期风暴联系起来。创作者还使用压缩的未来Talk来预测风暴的加剧(“这是一个相当大的龙卷风。这将会对周围环境造成很大影响”),将当前的指标与即将到来的后果联系起来。

创作者B在描述碎片抛掷高度时也结合了多个时间框架:“此外,这次龙卷风和龙卷风紧急情况下的碎片被抛到了31,000英尺的高空。这是一个非常严重的龙卷风。作为参考,大约三小时前发生的那个龙卷风……它只是将碎片抛到了12,000英尺的高度。与我们现在看到的这个龙卷风相比,那个龙卷风的威力要小得多。”

重要的是,我们观察到在威胁最严重的时候,时间范围有一个明显的收缩:在最严重的确认时刻,创作者和聊天参与者倾向于聚焦于当下(现在正在发生什么,现在应该去哪里避难),暂时降低了更广泛的背景信息的优先级。这表明时间整合不是恒定的,而是随着紧迫性的增加而动态调整,沟通任务从理解转向了立即行动。

6.2.5 明确的时间限制
最后,创作者经常承认时间上的不确定性是信息环境的一个特点。这些承认包括观察者的报告延迟、通知系统与屏幕工具之间的不匹配,以及多个警告同时出现时的信息过载。创作者B在说明时展示了这种透明度:“[镇上]有报告……报告了一个龙卷风,这是一个PDS龙卷风,我不知道我是否错过了,但大约10分钟前有报告说有一个大型烟囱龙卷风正向Trumann方向移动。”这种对信息延迟和信息过载的明确承认突出了在保持透明度的同时进行实时报道的挑战。创作者B还谈到了雷达更新中的时间不确定性:“顺便说一下,我的系统并不慢,我们的龙卷风警报通知通常比Radar[Scope]的来得更快,我只是告诉大家警报即将来临,只需要一分钟左右的时间。”这种关于通知系统的元评论帮助观众理解官方警报与他们在屏幕上看到的内容之间可能存在的差异。在不同创作者中,这些时刻起到了维护可信度的作用,并使实时多源解释的局限性变得可见,特别是在高警报量期间。

6.3 平台的优势和在安全关键通信中的限制
天气影响者通过四种反复使用的技术将YouTube的娱乐导向基础设施适应为安全关键通信系统:多窗口集成、视觉注释、在系统故障时的技术应对措施,以及在同时面临的多个威胁中的注意力管理。在不同创作者中,“使YouTube适用于危机通信”的工作既包括技术层面(工具切换、布局组合),也包括互动层面(规范设定、优先级划分、连续性提示)。

6.3.1 多窗口视觉呈现
所有三位创作者都依赖多窗口布局来协调各种来源,如雷达、警告地图/叠加层、交通摄像头和聊天,以便观众能够在同一视觉范围内查看证据及其解释。创作者A在追踪追踪者位置的同时在不同窗口中进行叙述;创作者B经常在多个拦截源之间切换,以确认不断变化的报告;创作者C整合了公共摄像头,以便在暴雨/大风情况下也能清晰地显示影响。在PDS警告期间,多窗口的复杂性通常会增加(通常是2-4个同时出现的视觉元素),同时伴有叠加层,即使在创作者的口头注意力转移到其他地方时也能持续显示活跃的警告。图3展示了这种多窗口配置的一个例子,说明了创作者如何在与实时聊天互动的同时可视化地协调不同的信息来源。

图3. 实时直播的示例,展示了带有YouTube聊天界面的天气影响者用户界面,用于传达有关雷达指示的风暴的信息以及右侧栏中的实时聊天。

创作者C描述了这种方法:“你们在这些交通摄像头上看到的,是一些强风和大雨进入我们正在雷达上观察到的弓形回声所覆盖的区域。”这不仅仅是一种展示技巧,关键在于多窗口配置起到了解释框架的作用:它们在不确定性下 erm?glichten 快速的交叉参考,并使声明的证据基础得以公开检查。这与将基础设施作为系统持续适应新兴需求的过程是一致的[70],但在这里,这种基础设施的“修复”是实时进行的,在直播过程中,在时间压力下完成。

6.3.2 视觉注释技术
创作者使用数字笔工具和其他叠加层来可视化分析推理,例如圈出旋转路径、追踪预测运动和标记位置,尤其是在传达预测路径或增强担忧时。创作者B的注释实践经常强调证据线索(例如,突出碎片特征和运动),而创作者A则使用标记来定位风险(“我会把它标在地图上……”),帮助观众进行地理定位。这些注释并不是固定的;当创作者需要将复杂的时空声明转化为易于理解的视觉故事时,它们出现得最为频繁。图4展示了这些注释实践的示例。

图4. 实时直播的示例,展示了带有插图辅助的风暴结构解释,显示了天气影响者用户界面以及使用笔在风暴结构图像上手动绘制的解释。

聊天参与者经常引用这些视觉内容(询问某个特征是什么,对可见的闪电或降水作出反应),表明注释有助于同步注意力,并在快速更新期间提供共同的讨论对象。

6.3.3 技术挑战和适应
由于创作者依赖于第三方雷达工具和稳定的网络条件,系统故障很常见;关键的实证发现关注创作者和观众是如何共同应对这些故障的。创作者公开地叙述了工具切换并即兴寻找替代方案(例如,在不同的雷达应用之间切换),经常使用幽默或坦率的评论来保持连续性(“雷达有时候不太可靠,但我会给你们看另一个来源”)。相比之下,创作者C有时将精度限制视为方法论上的约束,在雷达信息不明确时优先选择实时视频或已确认的报告:“我不想对风暴位置过于精确,但如果我们可以非常精确的话,可以通过实时视频来实现,而不仅仅依靠雷达。”

观众成员在干扰期间通过回答问题、提示刷新行为以及指示流恢复来积极地维持连续性。当连接中断时,聊天通常成为临时的协调层(“这边很好,[频道]的直播恢复了”),同时观众还会发布当地的影响更新(警笛声、停电情况),即使在创作者的流质量下降的情况下也能保持基本的状况了解。

6.3.4 在多个威胁下的注意力管理
在广泛的事件爆发期间,创作者采用了明确的优先级划分框架:专注于最严重的风暴,优先处理观众关注度较高的区域,并使用屏幕元素来保持对其他警告的边缘意识。创作者B明确指出了这一挑战:“我们各地再次收到了龙卷风警报,我不可能覆盖每一个警报。”创作者C通过地理优先级来管理观众的注意力,重点关注观众集中的地区:“对于田纳西州的朋友们,我知道有很多人在观看我们的直播,因为不久前我们那里也遭遇了严重的龙卷风灾害。不过,对田纳西州大部分地区来说,极端天气的威胁正在迅速减弱。”后来,创作者C使用了“可以睡觉了”的提示,帮助部分观众在威胁减轻后安全地退出直播。当直播的重点转移到其他地方时,创作者A向那些不在关注区域的人保证他们不需要担心:“各位,如果我现在没有讨论你们所在的地方或者附近的情况,那么你们就没有任何需要担心的。”

聊天中的规范通过阻止重复的个性化地理位置问题,并在适当的时候引导观众关注当地媒体来加强这种分流机制。“别再问关于你们所在地区的情况了,去看当地的新闻吧。”支持性的信息也体现了对这种分流工作的认可(感谢创作者,提到他们所承受的压力或‘惊慌失措’的时刻),这些在长时间高负荷期间起到了维护社交互动的作用。随着活跃警报数量的增加,各直播间的视觉提示和覆盖层也相应增多,帮助观众自行筛选相关信息,同时创作者则持续关注最紧急的威胁。

通过这些发现,我们了解到创作者的权威并非主要来自正式的资质,而是通过他们持续进行的、可见的解释工作来建立的,我们称这种权威为“表演性的合法性”——创作者在不确定性中整合信息来源、绘制时间线,并公开进行推理。虽然这些做法在之前的研究中常与可信度相关联,但我们的分析并未评估它们对观众信任度的影响,而是探讨了它们在实时解释中的具体运作方式。

**讨论:**
直播天气报道看似只是公民科学或参与式媒体的简单延伸,但关键分析揭示了它的深远变革作用:它是一个在实时公开协商认知权威、机构信任和公民安全的场所。天气网红的实践颠覆了现有的危机信息学、意义构建和平台研究理论,同时也揭示了推动其兴起的紧迫社会政治条件。我们可以将天气网红视为一种新兴的非正式认知基础设施,其权威受到技术技能、互动劳动和制度空缺的影响。

**7.1 网络化危机专业知识的出现**
严重的天气直播结合了机构性和参与性专业知识,形成了一种独特的网络化危机专长。天气网红通过数据的实时整合、社会互动、视觉叙事以及在不确定性条件下的响应,使其权威得以显现。这种专业知识既存在于创作者个体中,也通过聊天贡献者提供超本地更新、版主调节信息流动、风暴追逐者提供实时实地画面以及机构来源(如国家气象服务警报、雷达图像)的即时解读等方式,在整个社会技术体系中分布开来。创作者在这些过程中起到中介作用,确认某些信息的可靠性,忽略其他信息,并在不确定性中逐步阐明情况。这种对公众解释的持续责任将天气网红的实践与更偶发性的数字参与形式区分开来。

这些动态扩展了哈钦斯[38]提出的分布式认知模型,展示了在没有固定团队成员、共享培训或机构协调的情况下,集体解释是如何在动态的、面向公众的环境中发生的。与哈钦斯研究的有限团队不同,直播参与者必须在不同的专业知识水平、不断变化的关注点以及平台限制下共同构建意义。因此,在这种环境中,权威并非仅基于角色或资质,而是通过持续的、对观众可见的解释工作来实现的,并且这种工作带有声誉风险。

同时,天气网红的意义构建挑战了魏克(Weick)对回顾性一致性的强调。创作者不仅在事后进行解释,还在事前就需要进行前瞻性操作——他们需要大声推理未来的可能情况,预测风暴路径、估算到达时间,并评估不确定性,因为延迟的解释可能会带来生命危险。这里的意义构建更倾向于在不确定性中进行及时的定位和行动,而非仅仅解释过去发生的事情。

通过这些实践,网络化危机专业知识通过可见和可听的解释工作变得可信,这表明合法性是通过互动而非预先授予的方式建立的。我们将在第7.4节进一步探讨这种表演性合法性对信任和可信度的具体影响。

**7.2 直播中的时间意义构建**
传统的意义构建框架,尤其是借鉴魏克理论的框架,强调事后解释,即在事件发生后才构建意义[86]。但在危机情境中,实时响应和前瞻性行动的需求挑战了这种事后导向。天气网红在一种独特的时间交汇点上运作,将回顾性、实时性和前瞻性解释三种模式融合为同步的交流实践。

直播和天气领域的特性将历史分析、当前状态更新和未来预测结合在一起,形成了一个公共的时间意义构建基础设施,使分布式观众能够同时处理多个时间框架。这种基础设施具有高度的关联性[71],是在高风险事件期间通过创作者、观众和平台功能之间的动态互动中形成的。这种意义构建过程的公开性质使其区别于组织环境中基于团队的时间协调[62, 86]。在为娱乐而非紧急响应设计的平台上,天气网红正在进行持续的基础设施建设工作[61],调整现有系统以满足新兴需求。通过视觉注释、多窗口显示和远程风暴追逐者的内容,他们将平台转变为解释工具,使时间关系变得明确且紧凑。

与斯塔(Star)观察到的只有在基础设施故障时才显现出来的情况不同,天气网红的实践主动揭示了天气的时间结构。通过将过去模式、实时观测和预期威胁联系起来,创作者帮助观众在空间和时间上定位自己。在不确定性加剧的时刻,这种时间架构尤为重要,因为此时机构沟通可能难以满足多样化的时间和信息需求。

**7.3 平台利用与公民基础设施**
我们的研究发现,平台的功能和限制从根本上塑造了天气网红的沟通实践,常常使得娱乐平台被临时转变为重要的公民基础设施。我们所记录的多窗口视觉展示、视觉注释技术和注意力管理策略,代表了 YouTube 技术能力的系统化应用,同时也克服了其局限性。天气网红将 YouTube 的娱乐功能转变为对安全至关重要的沟通工具。多窗口布局能够同时展示雷达数据、风暴追逐者的影像和聊天互动,体现了斯塔和皮佩克[61, 70]所描述的基础设施构建工作:即持续调整现有系统以满足新兴需求。通过这些配置,创作者超越了平台的初衷,实现了跨不同信息来源的实时整合。

我们观察到的技术挑战揭示了使用娱乐平台进行紧急通信的脆弱性。第三方工具的故障、直播延迟和数据中断都是创作者必须实时预见和管理的常规情况。例如,当创作者B在直播过程中更换雷达系统时,这表明平台中介的危机通信需要持续的即兴发挥,以保持解释的连贯性,尤其是在失败可能带来严重安全隐患的情况下。

平台限制也重新分配了协调和优先级的责任。有限的地理定位和由聊天驱动的问题浮现迫使创作者明确做出分流决策——哪些警报需要关注、哪些地点需要强调、哪些信息应该忽略。聊天社区往往通过标记地点、请求澄清或提醒规则等方式参与这一过程,有效地分担了在资源有限的条件下管理注意力的责任。这些决策决定了哪些信息对分布式观众来说是有可见性和可操作的。

这些动态发生在社交媒体平台的更广泛逻辑之中,在这里可编程性、受欢迎程度和连接性比可靠性更为重要[80]。因此,天气网红及其观众必须通过发展非官方的协调机制来弥补平台的不足,从而在没有机构支持的情况下实现公民基础设施的功能。在此过程中,他们既展示了娱乐平台用于安全通信的可能性,也揭示了其局限性。

**7.4 信任、可信度和协作危机沟通中的真实性**
我们并没有评估这些实践是否能够建立观众的信任或可信度,而是探讨了在互动中如何使可信度变得可见和可操作,而没有直接评估观众是否认为这些实践是可信的。虽然信任并非作为一个独立的研究问题提出,但它成为了上述协作意义构建实践(RQ1)、时间协调(RQ2)和平台限制(RQ3)的核心结论。信任从根本上决定了人们在严重天气事件中是否会采取保护性行动[65, 68, 79]。然而,危机信息学通常将可信度视为事后评估的结果或相对于机构标准的评价对象。我们的研究发现则强调,可信度必须在实时环境中变得可见和可操作,以便在不确定性条件下维持集体意义的构建。

在严重的天气直播中,我们认为这些实践体现了我们所谓的“表演性合法性”:可信度是通过持续的解释工作来实现的,而非仅仅依靠制度地位赋予的。这种合法性通过多种方式体现出来,例如整合多种数据来源、大声推理不确定性未来的情况、对雷达图像进行注释以及在事件发生时回应观众的疑问。尽管一些创作者拥有正式的气象学资质,但在这些时刻,他们的权威更多基于可见的分析能力、叙述的一致性和在共同面临风险时的情感共鸣。表演性合法性是临时且具有条件的,但在延迟或沉默可能导致严重后果的情况下,它足以推动意义的持续构建。

这种分析表明,在危机情境中,可信度的理解方式正在发生变化。与事后评估不同,直播中的可信度似乎是在公众视野下不断被检验和修正的。在第7.4节中,我们将进一步探讨这种表演性合法性对信任和可信度的具体影响。

**7.4 直播中的时间意义构建**
传统的意义构建框架强调事后解释,即在事件发生后才构建意义[86]。但在危机情境中,实时响应和前瞻性行动的需求挑战了这种事后导向。天气网红在一种独特的时间交汇点上运作,将回顾性、实时性和前瞻性解释融合在一起。

直播和天气领域的特性将历史分析、当前状态更新和未来预测结合在一起,形成了公共的时间意义构建基础设施,使分布式观众能够同时处理多个时间框架。这种基础设施也是高度关联的[71],是在高风险事件期间通过创作者、观众和平台功能之间的动态互动中形成的。这种意义构建过程的公开性质使其不同于组织环境中的基于团队的时间协调[62, 86]。

在为娱乐而非紧急响应设计的平台上,天气网红持续进行基础设施建设工作[61],调整现有系统以满足新兴需求。通过视觉注释、多窗口显示和远程风暴追逐者的内容,他们将平台转变为解释工具,使时间关系变得明确且紧凑。

这种意义构建过程的公共性质也表明,与传统基于团队的时间协调不同[62, 86]。大型语言模型(LLMs)有可能作为过滤基础设施,根据当前的讨论内容和视觉环境,帮助将观众的注意力引导到与他们所在位置可能相关的流媒体片段上,而无需自动进行解释或取代创作者的判断。其次,时间框架仍然较为脆弱。尽管天气主播试图通过重复、固定提示和视觉注释来保持连贯性,但这些努力在快速的聊天流和界面杂乱中很容易被忽视。结构化的安全模板,如持续显示 active 警告的面板、预测的时间线和不确定性范围,可以帮助稳定“当前已知的信息”,而无需创作者不断重新陈述背景。然而,这些设计必须受到严格限制:过于显眼的警报可能会放大恐慌或戏剧性效果,尤其是在算法倾向于制造戏剧性的情况下。第三,基础设施的可靠性是一个持续存在的挑战。我们数据中频繁出现的技术故障凸显了创作者在关键安全时刻对第三方工具和临时解决方案的依赖。平台可以通过基本的冗余机制来支持危机沟通,例如预配置的备份可视化、缓存的数据状态或快速切换工具,以减少主要系统故障造成的中断。最后,可信度信号的传递需要精心设计。虽然天气主播在直播中的合法性是通过互动获得的,但缺乏标准化提示使得观众必须通过复杂的、由创作者构建的界面来推断其专业知识,而不是通过标准化的安全展示。平台层面的支持,如突出显示美国气象学会认证数字气象学家(CDM)的标识,可以提供可解释的专业知识指示,而不会取代这些社区所依赖的表演性合法性。额外的信号,如透明的数据来源或更新延迟,可以进一步支持观众的信任建立。

在缺乏足够制度性支持和平台透明度的情况下,天气主播不仅提供信息,还提供方向指引。他们帮助分散的公众在物理上、时间上和情感上定位到正在发生的威胁中。这种方向指引的功能超出了纯粹的信息或基础设施范畴,随着公共安全沟通的日益去中心化,这一点变得越发重要。因此,设计支持此类方向指引功能的平台对于未来危机信息和紧急管理至关重要。

我们的研究提供了关于极端天气事件期间协作性意义构建的见解,但也需要考虑几个局限性。首先,我们的分析仅关注了三名 YouTube 创作者,这无法涵盖天气主播生态系统中的全部实践多样性。这一小样本主要为资深创作者组成,限制了我们识别不同人口统计特征、专业水平及观众规模之间差异的能力。此外,虽然本研究记录了创作者如何与观众一起构建和执行意义构建,但并未评估观众如何解读、信任或采取行动。因此,研究结果主要反映了直播中参与式意义构建的可用性和组织方式,而不是从观众角度来看这些实践的有效性或准确性。其次,我们的关键事件抽样方法虽然在考察高风险沟通方面有效,但可能会忽略在建立基础知识和国观众关系期间的重要模式。我们的分析仅捕捉到了可观察到的沟通实践,而未触及创作者的意图或观众的解读,从而限制了我们对这些沟通从两个角度的有效性的理解。第三,我们将研究重点放在 2025 年春季美国的龙卷风爆发事件上,这限制了结果在其他危机类型、文化背景和时间段的普遍性。不同的危险情况可能会引发不同的时间导向和协作动态。未来的研究应扩展到更多不同平台的创作者,通过调查或访谈纳入观众视角,比较不同类型危险情况下的沟通方式,并进一步探讨在直播环境中信任和可信度是如何构建的。最后,我们需要强调,本研究并未评估说服力、信念或下游行为结果,而是关注通过直播特性和可观察到的观众参与如何实现协作性意义构建。

我们研究了在特别危险情况(PDS)警报期间的天气主播直播,以了解极端天气沟通中的协作性意义构建过程。我们展示了天气主播如何通过整合多种数据来源、让观众参与进来,并结合过去的观察、当前状况和预期的未来来协调集体解读。我们的研究结果表明,天气主播在机构预警系统和分散的公众之间扮演了解释中介的角色。他们的权威并非仅仅基于制度认证,而是通过可见的分析工作体现出来:大声推理、管理不确定性以及实时回应观众意见。这项工作揭示了当危机沟通发生在以互动性而非可靠性或情境清晰度为优化目标的平台上时所出现的紧张关系。通过突出实时、多模态的意义构建,本研究为计算机支持的协作工作和当代危机沟通中的平台中介解释工作提供了研究贡献。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号