🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
如今德国政党打选战，越来越离不开 Facebook、Instagram 和 TikTok 这些社交平台。
你可以把一个政党想象成一家同时在三个集市摆摊的店。每个集市的顾客不一样：有的集市老年人多，有的集市学生多。聪明的店主会不会针对每个集市换一换主打商品？论文附录用德国选举研究的调查数据说明，用这三个平台看政治新闻的人，在年龄、学历和性别上都差别很大。
政治学里早就有几套理论，解释政党该“主打”什么议题：
- 议题所有权：每个党都有被公众公认擅长的话题，比如绿党管环保、右翼民粹的另类选择党（AfD）抓移民。
- 顺势冲浪：全国老百姓眼下最关心哪件事，就跟着讲哪件事。
- 议题收益：挑那种既能稳住自家支持者、又能吸引更多人的“一箭双雕”议题。
可问题在于，这些理论几乎都是按“全国所有选民”来设想的。社交平台上的受众只是人口中的一小块，而且每个平台的那一小块还各不相同。作者指出以往研究有三个缺口：很少把三套理论放在一起检验；关于议题策略能不能带来点赞，前人的结论互相打架；考虑平台差异的跨平台比较更是少见。这篇论文就是来补这三个洞的。
② 研究问题（要回答什么？）
这篇论文想弄清楚，政党在不同社交平台上会挑哪些议题来发帖，这些选择又能不能换来网友更多的点赞。
作者一口气问了三个连环问题：政党在社交媒体上用了哪些议题策略？这些策略在吸引互动上管不管用？政党的选择和网友的反应，能不能反映出各个平台受众自己独特的议题偏好？
围绕三套理论，作者各提了一对假设，字母 a 管“政党怎么做”，字母 b 管“网友买不买账”。具体如下：
- H1a 与 H1b（议题所有权）：政党更爱讲自己“拥有”的议题；讲这些议题的帖子点赞更多。
- H2a 与 H2b（顺势冲浪）：比起全国民众关心的议题，政党更爱讲本平台用户关心的议题；后一类帖子点赞更多。
- H3a 与 H3b（议题收益）：比起在全体民众中“收益”高的议题，政党更爱讲在本平台用户中“收益”高的议题；后一类帖子点赞更多。
注意 H2 和 H3 的写法：作者事先假定政党是“社交媒体高手”，会给每个平台量身定制内容。论文标题里那个问号，问的正是——它们真有这么精明吗？
③ 研究方法（怎么做的？）
作者把两种完全不同的数据“拼”在了一起，就像把商店的进货单和顾客问卷对照着看。
第一块拼图：政党到底发了什么。研究盯住 2025 年德国联邦大选投票前最后四周的“冲刺期”（1 月 26 日到 2 月 23 日），收集联邦议院里六个政党——联盟党、社民党、自民党、绿党、左翼党和 AfD——以及它们的头号候选人（如默茨、朔尔茨、哈贝克、魏德尔）在三个平台上发的全部 3,699 条帖子，并在选举日之后一周内记下每条帖子的点赞数。
四名受过训练的编码员逐条看图片和文字（多图帖只看第一张图，视频只看第一分钟），判断帖子涉及八类议题中的哪几类：经济与财政、社会议题、移民、环境与能源、内政、国防、外交、其他。一条帖子可以同时涉及好几类。为了确认大家手里的“尺子”一样长，他们先拿 100 条帖子做了信度测试，八类议题的一致性系数最低也有 .73，多数在 .8 以上，说明不同的人判断结果相当接近。
第二块拼图：老百姓关心什么。作者用了德国纵向选举研究（GLES）2025 年的大型调查（论文报告样本量 8,562，只用选前的受访者）。问卷里有一道开放题：“你认为当前最重要的问题是什么？”大家用自己的话回答。作者请一个大语言模型把这些回答按同样的八类归类。机器分得准不准？他们随机抽了 250 条让学生助理人工标注，检查后当作“标准答案”，结果机器的准确率达到九成三。因为问卷还问了受访者用不用各个平台，作者就能分别算出“全国民众”“Facebook 用户”“Instagram 用户”“TikTok 用户”各自最关心什么，并给每个党、每个议题算一个议题收益分数——一个议题既被本党支持者看重、又被更广泛的人群看重，分数就高。
最后是两类统计模型。第一类问“政党会不会讲某个议题”：把每条帖子和八类议题一一配对，得到 29,592 个“讲了或没讲”的记录，看所有权、显著性、收益能不能预测“讲了”。第二类问“讲了能不能多拿赞”：只保留至少涉及一个议题、并去掉多个账号联合发布造成的重复之后的 2,145 条帖子，用适合点赞这种“多数不多、少数爆款极多”数据的负二项回归来分析。两类模型都考虑了“同一个账号在同一个平台上的帖子彼此相像”这件事。
④ 结果（发现了什么？）
研究发现，政党发帖时更愿意追随全国民众关心的议题，而真正拿到更多点赞的，却是契合各平台自家用户关切的帖子。
先看几个背景数字。政党最爱用 Instagram（1,784 条），其次是 Facebook（1,132 条）和 TikTok（783 条）；联盟党发得最多（1,200 条），左翼党最少（363 条）。帖子里被提到最多的是经济与财政（1,054 次），其次是社会议题（647 次）、其他议题（642 次）和移民（626 次）。而在全国民众眼里，最重要的两件事是移民（32.07%）和经济与财政（29.85%）；在 Facebook 用户中移民更突出（37.96%），在 TikTok 用户中社会议题更突出（13.00%，Facebook 用户为 11.14%）。
政党讲自家“拥有”议题的几率是讲其他议题的 1.32 倍（p < .001，非常显著），H1a 成立。但这类帖子的预期点赞只有其他帖子的 0.83 倍（p < .01），H1b 被推翻。作者称之为“所有权反转效应”：这些话题可能显得意料之中，不够新鲜。
全国民众越关心的议题，政党越爱讲（几率比 1.07）；平台用户越关心的议题，政党反而略少讲（几率比 0.97），两者都非常显著，H2a 被拒绝。点赞却正好反过来：平台显著性每增加一个单位，预期点赞多 3%；全民显著性每增加一个单位，预期点赞少 3%，H2b 成立。
全民收益和平台收益都让政党更可能讲某个议题（几率比分别为 7.57 和 3.35），但两者差别并不显著（p = .23），和 H3a 的预期不同。到了点赞上，平台收益每提高一个单位，预期点赞变为原来的 4.50 倍（p < .01）；全民收益每提高一个单位，却只剩原来的 0.28 倍（p < .05），H3b 得到有力支持。
作者还分党派、分平台细看。在“讲不讲”上，AfD（3.66 倍）和绿党（2.78 倍）最爱讲自家议题，自民党反而回避（0.33 倍），社民党没有显著差别。在“赞不赞”上，所有权在 Facebook 上加分（1.19 倍），在 TikTok 上却明显减分（0.41 倍），好像 TikTok 用户更想看新鲜话题。平台收益与点赞的正向关系在六个党中的五个出现，其中社民党和联盟党达到统计显著。
⑤ 讨论（这些发现说明什么？）
这些结果说明，政党在社交媒体上的议题选择，和网友的“口味”之间存在一道明显的缝。
打个比方：一家连锁餐厅在三座城市开分店，却在每家店主推同一套招牌菜，因为总部觉得这套菜“全国人民都爱吃”。结果某座城市的顾客其实更想吃辣，点得最多的恰恰是菜单角落里那道本地菜。政党就像这家餐厅：它们主要按照全国民众关心什么来决定讲什么，而不是按照每个平台的用户关心什么。
为什么会这样？作者给出几种可能的解释：
- 保持口径一致：政党可能希望网上网下说法统一，免得在不同渠道“各说各话”。
- 招牌议题太“例行公事”：大家早知道这个党会讲这个，引不起兴趣和情绪反应；网友可能更愿意给出人意料或跨越党派界线的话题点赞。
- 党和粉丝的“合拍度”不同：联盟党和自民党讲全民关心的议题更能拿赞；左翼党和绿党则是讲平台用户关心的议题更吃香。作者推测，后两党吸引的关注者本来就和全国民众想法差得更远。
最有意思的是“议题收益”的结果。单看“平台用户关心什么”，各党的结果五花八门；但把“自家支持者在意”和“整个平台用户在意”这两件事合起来看，结果就整齐多了。这提醒我们：想在社交媒体上被看见，既要照顾铁杆粉丝，也要够得着平台上更广泛的人群。
不过也要冷静看待：点赞只是一种即时反应，可能反映的是党派认同或算法推送，不等于说服了谁、赢得了选票。而且这是观察性数据，只能说明“一起出现”，不能直接证明“讲了某个议题导致了更多点赞”。另外，分党派模型里有些倍数大得离谱（例如七十多万倍、一千八百多万倍），说明个别估计很不稳定，读的时候要多留个心眼。
⑥ 结论（最终结论 + 启示）
政党在各个平台上主要围绕全体选民普遍关心的议题发帖，并没有为不同平台的用户量身定制，而用户的点赞却明显偏爱与本平台关切对口的议题。
作者据此认为，在这次德国大选中看不到议题策略的“平台化”：政党主要讲的是全体选民普遍关心的事，这和此前关于新闻媒体跨平台行为的发现相呼应。论文最有新意的贡献是提出“平台特定议题收益”这个指标，用来衡量一个议题在某个平台上对某个党有多“划算”。
这也引出一个两难：如果政党为了点赞去迎合各平台用户，整体竞选信息可能变得零碎甚至前后矛盾，而且平台上的热闹未必换来选票；如果坚持统一口径，又可能在平台上不够吸睛。政党应该追求一个跨平台共享的公共讨论，还是去适应不同平台公众的兴趣、冒着讨论碎片化的风险去触达更多样的人群？作者把这个问题留给了混合媒体时代的竞选者和研究者。
需要记住的边界：研究只看了德国这样一个多党制、政治文化偏协商的国家，只看了三个平台和“点赞”这一个指标，也没有考察情绪基调、争议性、政党立场等其他帖子特征。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
社交媒体改变了政治信息的生产、传播与接收方式，使政治行动者得以绕过新闻把关、即时获得受众反馈并据此调整策略。围绕议题型竞选，既有研究形成两条脉络：其一依据议题竞争理论考察政党在社交媒体上强调哪些议题，以及平台特性如何塑造议题传播（Haßler et al., 2024；Magin et al., 2024；Kruschinski et al., 2022）；其二考察包括政治议题在内的消息特征如何影响点赞、评论、分享等用户互动，以及政党如何据此调适策略（Bene et al., 2022；Heiss et al., 2019；Jost, 2023）。
作者指出三项研究缺口：
- 理论覆盖不全：既有研究多检验议题所有权或顺势冲浪，鲜少纳入议题收益理论，且分析偏描述性。
- 效果证据矛盾：将传播策略与互动效果相连的研究结论不一，关于议题策略影响的证据有限。
- 跨平台比较稀缺：各平台受众只是人口的一个片段，政党是否将议题策略对准不同线上社群的偏好尚不清楚；而社交媒体恰被视为数字公众碎片化的推手（Jungherr, 2023）。
研究问题：政治行动者在社交媒体平台上采取何种议题策略？这些策略在产生用户互动上效果如何？政党策略与用户反应在多大程度上反映不同平台受众的议题偏好？
贡献：以 2025 年德国联邦大选为案例，将 Facebook、Instagram、TikTok 三平台 3,699 条政党及候选人帖子的人工定量内容分析，与 GLES 调查数据（含对“最重要问题”开放题的 LLM 分类）相连接，在同一设计中检验议题所有权、顺势冲浪、议题收益三种理论的使用与有效性，区分“一般公众”与“平台受众”两种口径，并提出平台特定议题收益（platform-specific issue yield）指标。
I. Theoretical Framework & Hypotheses（理论框架与假设）
出发点：主流政党竞争理论建立在“全体人口”假设上——政党依据公众的能力评价（Petrocik, 1996）或整体舆论（Ansolabehere & Iyengar, 1994；Klüver & Sagarzazu, 2016）安排传播，以动员和吸引尽可能多的选民。但社交媒体受众不仅偏离总体人口，各平台还吸引人口特征与政治态度不同的群体（Barberá & Rivero, 2015）；平台是由不同架构、平台功能与基于集体用户期待的传播规范所构成的社会技术基础设施（Bossetta, 2018；Haßler et al., 2023）。本文承认平台可供性的多重影响，但聚焦于政党议题选择与“一般公众兴趣”还是“平台特定受众偏好”相契合。
- 议题所有权（Petrocik, 1996；Walgrave et al., 2012）：公众将某些议题与特定政党相关联，或视其为最有能力处理者；所有权议题贴近政党意识形态核心、易动员支持者。假定账号关注者主要是政党支持者（Farkas et al., 2024），预期所有权议题既被强调也获更多互动；但既有互动研究结论不一（Bene, 2021；Bene et al., 2022；Staender et al., 2019）。
- 顺势冲浪（Ansolabehere & Iyengar, 1994）：政党回应公众显著议题以示关切，忽视显著议题代价高昂。既有文献用人口层面显著性测量回应性；作者据政党专业化程度提出修正版——社交媒体上政党应更贴近平台用户的关切，且此类帖子互动更高。
- 议题收益（De Sio & Weber, 2014, 2020）：政党强调同时在核心选民与更广泛公众中显著的议题，兼顾对内团结与对外扩张；Twitter 六国研究显示议题收益比议题显著性解释更多方差。作者同样提出平台版议题收益假设。
| 编号 | 假设 | 对应理论 |
|---|---|---|
| H1a | 政党更可能讨论其“拥有”的议题，而非其他议题 | 议题所有权 · 使用 |
| H1b | 聚焦所有权议题的帖子比讨论其他议题的帖子获得更高互动 | 议题所有权 · 有效性 |
| H2a | 政党更可能讨论在平台受众中高度显著的议题，而非在一般公众中显著的议题 | 顺势冲浪（平台修正版）· 使用 |
| H2b | 聚焦平台受众显著议题的帖子比聚焦一般公众显著议题的帖子获得更高互动 | 顺势冲浪（平台修正版）· 有效性 |
| H3a | 政党更可能讨论在平台受众中议题收益高的议题，而非在一般公众中收益高的议题 | 议题收益（平台版）· 使用 |
| H3b | 聚焦平台受众高收益议题的帖子比聚焦一般公众高收益议题的帖子获得更高互动 | 议题收益（平台版）· 有效性 |
M. Materials & Methods（材料与方法）
- 研究设计：观察性多方法连接设计 = 人工定量内容分析 + 平台互动指标 + 全国性选举调查（GLES）；以多层回归做相关性推断，并非因果识别。
- 行动者与时间窗：联邦议院六党 CDU/CSU、SPD、FDP、绿党、左翼党、AfD 及其头号候选人（Merz、Dobrindt、Scholz、Habeck、Weidel、Reichinnek 与 van Aken、Lindner）；大选前四周“热阶段” 2025-01-26 至 2025-02-23。van Aken 与 Reichinnek 无 Facebook 账号，Dobrindt 仅有 Facebook 账号；AfD 无党的 TikTok 账号，改采其议会党团账号。
- 样本：n = 3,699 帖（Instagram 1,784 / Facebook 1,132 / TikTok 783；CDU/CSU 1,200，左翼党 363 为最少）。
- 采集：Facebook 经 Facepager（Reels 无法采集，事后人工补采）；Instagram 经 Meta Content Library（含 Reels）；TikTok 经研究者 API；帖子与互动指标于选举日后一周采集。多账号联合发布的帖子只编码一次。
- 编码（内容分析）：4 名受训编码员依编码本对全部帖子做多模态编码（图像 + 文案；多图帖仅首图，视频仅首分钟）；8 类议题各自独立二元编码，可多选。信度检验子样本 100 帖，指标为 Brennan & Prediger κ（适用于二元与零膨胀数据，Quarfoot & Levine, 2016）与 Holsti CR：
议题 B&P Holsti 经济与财政 .81 .91 社会议题 .87 .95 移民 .90 .95 环境与能源 .94 .97 内政 .82 .91 国防 .85 .93 外交 .73 .87 其他 .85 .93 - 自变量 1 · 议题所有权（0/1）：依 Krauss et al. (2025)、Kruschinski et al. (2022)、Thiele & Seliger (2025) 及个案知识赋值（表 C1）：CDU/CSU＝经济与财政、内政、国防、外交；SPD＝社会、国防、外交；FDP＝内政；绿党＝环境与能源；AfD＝移民；左翼党在八类中均未被赋予所有权；“其他”不归属任何党。
- 自变量 2 · 议题显著性（顺势冲浪）：GLES 2025 滚动横截面调查选前波的“最重要问题”（MIP）开放题（论文报告 GLES N = 8,562，仅用选前观测）。以 GPT-3.5-turbo 提示分类（表 C2：角色设定为公众舆论数据标注专家，给出八类定义与示例，要求输出
CLASS: <category>，即单标签）。验证：随机抽取 250 条回答由学生助理按同一方案人工编码，经核查后作金标准；LLM accuracy = 0.93，F1-macro = 0.90。分类别 F1：国防 1.00、环境与能源 1.00、经济与财政 0.97、移民 0.97、社会 0.88、内政 0.82（召回 0.72）、其他 0.80（精确率 0.70）、外交 0.71。再依受访者社交媒体使用区分一般显著性与 Facebook / Instagram / TikTok 平台显著性（表 C4，单位为百分比）。 - 自变量 3 · 议题显著性收益：改编 De Sio & Weber 指数，只保留显著性、不含赞成/反对立场成分；分别对一般人群与各平台用户计算：
Issue salience yield = (Pip − Pi·Pp) / (Pp·(1 − Pp)) + (Pi − Pp) / (1 − Pp)
Pip＝既认为该议题最重要又支持该党的比例；Pi＝认为该议题最重要的比例；Pp＝支持该党的比例。值越高表示该议题既与现有支持者共鸣、又有吸引新支持者的潜力。 - 因变量 1 与模型（使用）：帖子 × 8 议题长格式，是否提及（0/1），n = 29,592；随机截距 logistic 回归，随机效应为 profile（账号 × 平台，41 个）；控制变量：是否视频、候选人账号（对政党账号）、政党虚拟变量（CDU/CSU 为参照）。模型 1–3 分别放入所有权、显著性（一般 + 平台）、收益（一般 + 平台），模型 4 全部放入。据文中描述整理的示意式：
logit Pr(Yik=1) = β0 + β·Xik + γ·Controlsi + uprofile - 因变量 2 与模型（有效性）：点赞数（三平台均可得、低门槛的正向共鸣信号）；负二项回归 + profile 随机截距，报告 IRR。帖子层面自变量为该帖所涉议题中属于所有权 / 显著 / 高收益议题的比例（如 SPD 帖子涉 3 个议题、其中 1 个为 SPD 所有 → 所有权得分 0.33）；仅保留至少涉及一个政策议题的帖子（排除无议题的负面竞选等），并去除联合发布造成的重复，n = 2,145。模型 5–8 结构同上。
- 比较与稳健性：以 Wald 检验比较一般与平台系数；分党派模型（表 D1–D6；logit 报告 Tjur R²，NB 报告 Nagelkerke R²）；分平台模型（表 D7：Facebook 715 帖 / 13 profile，Instagram 955 帖 / 14 profile，TikTok 475 帖 / 14 profile）。
- 开放科学：R 脚本、编码数据、GLES 分类结果与 LLM 验证样本公开于 OSF（doi:10.17605/OSF.IO/3PR4C），获 COS 开放数据与开放材料徽章。
R. Results（结果）
- 描述统计：帖子议题分布（表 B1，N = 3,699）——经济与财政 1,054（28.5%）、社会 647（17.5%）、其他 642（17.4%）、移民 626（16.9%）、环境与能源 376（10.2%）、内政 367（9.9%）、外交 299（8.1%）、国防 181（4.9%）。
- 公众显著性（表 C4，%，一般 / Facebook / Instagram / TikTok）：移民 32.07 / 37.96 / 30.30 / 31.83；经济与财政 29.85 / 27.43 / 28.63 / 26.51；社会 10.94 / 11.14 / 12.20 / 13.00；内政 9.24 / 7.44 / 11.32 / 12.53；国防 0.48 / 0.38 / 0.17 / 0.28。
- 议题收益（表 C5）：一般收益中 AfD·移民 0.423、FDP·经济与财政 0.386 较突出；CDU/CSU·经济与财政的 TikTok 收益 0.335 高于一般收益 0.129。
- 点赞分布（表 B2，均值）：Facebook 上 AfD 最高（10,815.32）；Instagram 上左翼党最高（43,508.93，最大 749,000）；TikTok 上左翼党最高（79,416.88，最大 869,643）。
表 1 与表 2 核心估计（随机截距模型；*** p < .001，** p < .01，* p < .05）
| 假设 | 模型 | 关键估计 [95% CI] | p / Wald | 结论 |
|---|---|---|---|---|
| H1a | M1 logit | 所有权 OR 1.32 [1.21–1.42] | < .001 | 支持 |
| H2a | M2 logit | 一般显著性 OR 1.07 [1.06–1.09]；平台显著性 OR 0.97 [0.95–0.98] | 均 < .001；Wald p < .001 | 拒绝（方向相反） |
| H3a | M3 logit | 一般收益 OR 7.57 [3.81–15.04]；平台收益 OR 3.35 [1.72–6.54] | 均 < .001；Wald p = .23 | 未获支持（两者无显著差异） |
| H1b | M5 NB | 所有权 IRR 0.83 [0.74–0.93] | < .01 | 不成立（负向） |
| H2b | M6 NB | 平台显著性 IRR 1.03 [1.01–1.06]；一般显著性 IRR 0.97 [0.95–1.00] | < .01 / < .05；Wald p < .05 | 支持 |
| H3b | M7 NB | 平台收益 IRR 4.50 [1.48–13.65]；一般收益 IRR 0.28 [0.09–0.85] | < .01 / < .05；Wald p < .05 | 支持 |
- 全变量模型：M4（logit）中所有权 OR 1.21***、一般显著性 1.04***、平台显著性 0.96***、一般收益 4.00**、平台收益 5.67***，边际/条件 R² = 0.103/0.116。M8（NB）中仅所有权 IRR 0.83** [0.72–0.95] 与平台收益 IRR 4.07* [1.19–13.90] 保持显著，一般显著性 0.99、平台显著性 1.01、一般收益 0.29 均不显著。
- 模型拟合与控制变量：logit 边际 R² 由 M1 的 0.023 升至 M3 的 0.101，ICC = 0.01；NB 边际 R² 0.329–0.341、条件 R² 0.821–0.825、ICC 0.73–0.74，即点赞变异大量由账号 × 平台层级解释。视频帖更可能涉及议题（OR 1.38–1.42***）但点赞更少（IRR 0.87–0.89）；相对 CDU/CSU，左翼党（IRR 15.84–22.42***）与 AfD（IRR 12.57–19.00***）点赞显著更多。
- 分党派 · 使用（表 D1–D3）：所有权 OR——AfD 3.66***、绿党 2.78***、CDU/CSU 1.16*、SPD 1.11（不显著）、FDP 0.33***（负向）。显著性：SPD、CDU/CSU、FDP 的一般显著性为正（1.09***、1.09***、1.13***），绿党、SPD、CDU/CSU、FDP 的平台显著性为负（0.95*、0.94**、0.97*、0.94**），无显著的相反效应。收益：正文称 SPD 与绿党更贴近平台用户、左翼党、CDU/CSU 与 AfD 更偏一般收益；按表 D3 上标，SPD、左翼党、CDU/CSU、AfD 的一般与平台收益系数差异显著，绿党（3.50 对 10.70**）与 FDP 差异不显著。
- 分党派 · 有效性（表 D4–D6）：所有权的负效应仅在 SPD 显著（IRR 0.30***）。显著性：CDU/CSU（一般 1.13***）与 FDP（一般 1.11**）偏好一般显著议题；左翼党（平台 1.20*）与绿党（平台 1.27***）偏好平台显著议题。平台收益 IRR 在五党 > 1，SPD（13,423,526.55***）与 CDU/CSU（4,525.93***）显著；左翼党方向相反（0.00***）。
- 分平台（表 D7）：所有权在 Facebook IRR 1.19*、TikTok 0.41***、Instagram 0.91（不显著）；Facebook 上平台显著性 1.06***、一般显著性 0.96*；TikTok 上平台收益 IRR 25.45* [1.61–401.10]；Instagram 上议题变量均不显著。
a / D. Discussion & Conclusion（讨论与结论）
- 发现一 · 传统策略被“使用”但不被“奖励”：政党在社交媒体上确实采用议题所有权与一般版顺势冲浪，但二者与点赞负相关，呈现“所有权反转效应”（Bene, 2021, p. 339）。作者解释：所有权议题被视为意料之中、缺乏新意与情绪唤起；用户更愿意回应令人意外或跨越党派的议题。平台差异进一步限定该效应：Facebook 奖励熟悉议题，TikTok 用户偏好新话题。
- 发现二 · 未见议题策略的平台化：政党议题选择对准一般公众而非平台受众，可能出于维持线上线下传播一致性的考量；这与新闻媒体跨平台行为的发现相呼应（Hase et al., 2023）。
- 发现三 · 互动遵循平台逻辑：平台显著性与平台特定议题收益驱动点赞；与单纯显著性下各党结果分散相比，平台收益的党派结果更一致，说明要获得互动与可见度须同时兼顾核心支持者与平台更广泛用户。党派差异的替代解释包括议题特定的互动差异、平台可见度以及党与受众的一致性（绿党、左翼党关注者的议题优先序可能更偏离一般公众）。
- 理论贡献：将议题竞争理论从“全体人口”口径延伸到“平台受众”口径，提出结合显著性与政党支持的平台特定议题收益指标，用以刻画线上强调某议题的战略价值。
- 规范与实践启示：为平台可见度而迁就平台受众，未必带来更多选票，还可能扭曲整体竞选信息、造成不一致观感；政党面临“跨平台共享的公共讨论”与“适应不同平台公众、冒碎片化风险但触达更多样受众”之间的取舍——这是混合媒体系统中竞选的核心张力。
- 作者自述局限：（1）仅限德国——多党制、相对共识取向的政治文化，需在对抗性或两党制中检验；（2）其他平台、电视辩论、线下竞选等场域可能不同，且未考察平台可供性与技术特征，以及情绪基调、争议性、政党立场等消息特征的独立或交互作用；（3）点赞与实际选举支持的关系是间接的，只捕捉即时反应，可能反映党派认同或算法曝光而非真正的政治说服。
- 读者提示（非作者表述）：显著性与收益在“议题 × 受众（× 政党）”层面测量，每一口径仅 8 个议题取值，且表 C4 显示各受众议题排序高度接近，一般与平台指标同时入模时可能存在较强共线性；分党派模型出现极端估计（如左翼党一般收益 OR 726,783.55 与平台收益 OR 0.01，表 D6 左翼党一般收益 IRR 18,672,115.57），解读需谨慎。平台受众以调查受访者自报的平台使用界定，未必等同于政党账号的关注者或算法实际触达人群。LLM 为单标签分类，而 MIP 回答可能涉及多个议题，外交类 F1 仅 0.71。TikTok 模型因帖子均为视频而无视频变量。表 B2 中 TikTok·SPD 一行与 TikTok·AfD 行数值完全相同，疑为排版错误。
- 透明度：作者声明无利益冲突；声明使用 OpenAI GPT-5 级模型做语言润色、GPT-3.5-turbo 辅助编码；数据与材料公开于 OSF 并获 COS 开放数据、开放材料徽章。所获全文中未见资助说明。
🧠 IRMaD 思维导图
mindmap
root((德国大选跨平台议题策略))
I 引言
社媒重塑议题竞选
平台受众各不相同
三理论少被同时检验
互动效果证据矛盾
跨平台比较稀缺
R 问题
H1 议题所有权
H2 平台显著性优先
H3 平台议题收益优先
a 看使用 b 看成效
M 方法
三平台 3699 帖
大选前四周热阶段
四名编码员人工编码
八类议题 BP 0.73起
GLES 最重要问题开放题
LLM 分类 准确率0.93
多层 logit 29592 行
负二项 2145 帖点赞
R 结果
H1a 支持 OR 1.32
H1b 反向 IRR 0.83
H2a 拒绝 更追全民议题
H2b 支持 平台显著加3%
H3a 两收益差异不显著
H3b 支持 IRR 4.50
TikTok 所有权减分
a 讨论
所有权反转效应
跨渠道保持口径一致
党与受众合拍度不同
平台收益结果更一致
分党估计不稳需谨慎
D 结论
未见议题策略平台化
点赞遵循平台逻辑
提出平台特定议题收益
一致性与碎片化两难
点赞不等于选票
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。