🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
你有没有注意到，尼日利亚、孟加拉国或者肯尼亚的报纸，在报道乌克兰战争、加沙战争或者联合国气候大会时，标题和角度常常和美国英国的大报差不多。这种现象在传播学里叫“媒介间议程设置”，说的是不同媒体之间会互相影响，谁报什么，别人也跟着报什么。
问题是，穷国的媒体为什么要跟着富国的媒体走。一种解释是“没得选”：这些国家的新闻编辑部没有钱派记者去国外，只能买美联社、法新社和路透社的通讯社稿件，通讯社给什么就登什么。另一种解释是“自己选的”：有的媒体觉得富国大报更权威，主动模仿它们的选题和角度；还有的媒体是看到别人都报了，怕自己漏掉，于是赶紧跟上。
麻烦在于，这三种解释都会产生同一个结果，就是穷国媒体和富国媒体的报道高度相似。光看数据，分不清到底是谁在起作用。
② 研究问题（要回答什么？）
这篇论文想先回答一个描述性的问题，就是穷国和半穷国的媒体，到底有多跟着富国核心媒体走。作者把“跟着走”拆成三个层面。第一是注意力，也就是一个议题被报了多少；第二是角度，也就是用什么框架讲故事；第三是时间，也就是谁先报、谁后报。
在这个基础上，作者提出三个可以检验的说法。第一，处在世界体系边缘的国家，资源更少，应该跟得更紧。第二，越依赖通讯社稿件的媒体，应该跟得越紧。第三，如果一个议题和本国利益关系很大，边缘国家应该比半边缘国家跟得少，因为它们更有动力自己判断。
最后还有一个关键问题。如果让三种机制分别在计算机里单独运行，哪一种最能复制现实中的跟报模式。
③ 研究方法（怎么做的？）
作者先做了一件笨功夫，把十八家媒体的报道一篇篇数清楚，看它们和四家核心媒体有多像。这十八家媒体来自孟加拉国、肯尼亚、南非、印度、马来西亚和尼日利亚六个国家，每个国家三家；四家核心媒体是纽约时报、华盛顿邮报、卫报和英国广播公司。时间从二零二二年二月二十四日到二零二四年底，一共盯了乌克兰战争、加沙战争和两届联合国气候大会三个议题。
“有多像”用三个尺子量。注意力用相关系数，看两边的报道量是不是一起涨一起落；角度用杰森—香农距离，看两边的框架分布差多远；时间用中位数滞后天数，看核心媒体先报之后，这家媒体隔多久才报。
第二步是仿真。作者让一个大语言模型扮演十八家媒体的编辑，每天给每个“编辑”看当天的事件、通讯社稿件和核心媒体的报道，让它提出自己打算登的稿子。然后作者把三种机制写成三条明确的规则，可以单独打开，也可以组合打开。依赖规则限制一家媒体每天能登多少条自采的外国新闻，超出的部分只能用通讯社稿；模仿规则让媒体的选题和角度向核心媒体靠拢；羊群规则让媒体更可能跟进已经被很多人报道过的新事件。八种组合各跑二十次，参数在一半数据上拟合，在另一半数据上打分。
④ 结果（发现了什么？）
九项正式检验里，只有一项站住了脚。这项检验说的是：越依赖美联社、法新社和路透社稿件的媒体，在时间上跟得越紧。具体来说，如果一家媒体的外国新闻全部署通讯社来源，它比一条通讯社稿都不用的媒体平均早约四个小时报道同一件事。
另外八项都没有通过。按国家分层看，边缘国家和半边缘国家的跟报程度没有明显差别；按本国利益看，利益大的议题也没有让边缘国家跟得少一些。在描述层面，边缘国家的注意力相关系数平均是零点三八，半边缘是零点二七，而拿一个不相干议题做对照，这个数只有负零点一三左右。框架相似度两边都略低于零，说明比随机抽样更接近核心媒体，但还没有到完全一致。
两个替代解释的检验结果不一样。模仿假说没有得到支持：把通讯社稿件去掉以后，穷国媒体的框架并没有更接近核心媒体。羊群假说得到了支持：核心媒体报道某个事件的核心媒体越少，穷国媒体反而跟得越快，这符合“越不确定越看别人”的逻辑。不过作者提醒，这个结果还有两种别的解释没被排除。
仿真部分也没有给出干脆的赢家。依赖规则的平均误差最小，但它只在四成五的媒体重抽样里保持领先，没有达到事先定下的九成五标准。更尴尬的是，依赖规则拟合到最后，十八家媒体里有十七家干脆不再登任何自采的外国新闻，全部用通讯社稿，所以它在时间上的优势其实只建立在五十二个格子里的两个上。
⑤ 讨论（这些发现说明什么？）
作者认为，这个结果说明通讯社真正影响的是时间表，而不是脑子。依赖通讯社稿件的媒体之所以报得更早，很可能只是因为通讯社和核心媒体同时拿到稿子，大家在同一时刻发出来，并不一定意味着穷国编辑部在“追随”富国。
国家分层没有起作用，作者的解释是这个指标太粗。尼日利亚和南非的指数只差零点零三个点，却被分到不同的层级；而同一层里，有的媒体一条通讯社稿都不用，有的几乎全用。也就是说，真正有差别的是“用不用通讯社”，而不是“国家富不富”。
框架层面的结果更耐人寻味。穷国媒体和核心媒体在同一个议题上的框架更接近，换个议题就远得多。这暗示决定框架的可能是议题本身，而不是谁抄谁。作者还指出，这项研究没有模拟“共享专业规范”这条渠道，而各国媒体框架距离都差不多，恰好和这种解释相容。
研究也有明显的软肋。所有编码都由模型完成，没有人手抽查，稳定性不等于有效性；只有五十二个媒体—议题格子，置信区间很宽，所以“没有发现差别”不能当成“确实没有差别”；样本全是英文媒体，漏掉了本土语言报纸。
⑥ 结论（最终结论 + 启示）
说到底，这项研究只确认了一件很窄的事，通讯社的稿件决定了周边国家国际新闻什么时候报出来。至于是通讯社喂料让它们不得不跟，还是它们主动模仿或跟风，这次仿真没能分开。
但作者认为，方法上的尝试本身有价值。过去的研究只能看到议程之间的相关，三种解释都能产生这种相关，所以永远吵不出结果。现在可以把每种机制写成一条规则，在计算机里单独关掉再比较，哪怕这一次没有分出胜负，至少把“怎么分”这个问题摆上了台面。
对现实世界的启示是，如果要改变全球新闻的不平衡，光呼吁穷国媒体“独立选题”可能不够，因为真正卡住它们的是通讯社提供的现成稿件和时间节奏。要让它们发出不同的声音，可能需要先解决采访资源和通讯社依赖的问题。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
全球新闻流动研究长期记录一个稳定的不对称：少数核心国家的媒体主导国际报道，边缘与半边缘国家的媒体在议题显著度、框架与时间上跟随核心。既有文献把这种跟随归因于两类机制。结构主义解释强调资源约束，认为边缘编辑部无力自派记者，只能依赖美联社、法新社与路透社的通讯社稿，因而在内容上被“喂料”。选择主义解释则给出两个变体：其一是制度理论中的声望模仿，组织在不确定环境中模仿被视作更合法或更成功的同行；其二是信息 cascade，即后来者忽略自身信息、跟随先动者。
识别难题在于，三种机制对观测数据给出相同的预测：议程之间都会出现正相关。既有媒介间议程设置研究多停留于相关，或只在单一国家内部追踪引用链，无法在保持其他机制不变的情况下关闭其中一个。本文的贡献有三点。第一，把“跟随”操作化为显著度、框架、时间三个层级，并在十八家边缘／半边缘媒体、六个国家、三个全球议题上系统测量。第二，引入以语言模型为 agent 的多主体仿真，把三种机制写成可开关的显式规则。第三，用样本外误差而非似然或可信度评判仿真，并预先登记决策规则与证伪条件。
I. Theoretical Framework & Hypotheses（理论框架与假设）
| 编号 | 命题 | 对应理论／预期 |
|---|---|---|
| RQ1 | 边缘与半边缘媒体在显著度、框架、时间上多大程度跟随核心媒体 | 描述性基线；国际媒介间议程设置 |
| H1 | 边缘媒体比半边缘媒体跟随得更紧 | 世界体系理论：资源约束随层级加深 |
| H2 | 通讯社依赖越高的媒体跟随越紧 | 结构依赖：通讯社稿替代稀缺的采访能力 |
| H3 | 本国利益高的议题上，边缘媒体跟随下降得比半边缘少 | 国家利益／文化接近性 vs 结构依赖 |
| RQ2 | 仿真中哪种机制最能复现观测到的跟随 | 结构依赖 vs 声望模仿 vs 羊群 |
| 证伪一 | 控制通讯社依赖后，层级差距的上界低于 H1 估计的一半 | 若成立，记者与资本等非通讯社渠道失去支持 |
| 证伪二 | 高利益议题上边缘媒体的跟随不高于错配议题基准 | 若成立，结构依赖的“高利益仍跟随”预测失败 |
三种机制的可观测含义被刻意区分：结构依赖预测三个层级都随通讯社稿上升；声望模仿预测在没有通讯社稿时框架仍然跟随；羊群预测新且不确定的事件上时间跟随最强。仿真中各由一个自由参数控制，组合时按依赖、模仿、羊群的顺序施加。
M. Materials & Methods（材料与方法）
- 研究类型：计算内容分析 + 基于大语言模型 agent 的 ABM（agent-based model），非 SD、非 DES。时间步长为“日”，每个 agent 每天提交一次提案。
- 样本与窗口：十八家英文全国性媒体，每国三家。孟加拉国、肯尼亚、南非为边缘，印度、马来西亚、尼日利亚为半边缘（Gunaratne 指数；世界银行 2022 数据，GNP 权重 55%、出口 45%）。核心集为纽约时报、华盛顿邮报、卫报、BBC。议题为乌克兰战争、加沙战争、COP27/COP28；窗口 2022-02-24 至 2024-12-31，共 149 周。媒体记录来自 Media Cloud，事件与交叉校验来自 GDELT；孟加拉国三家因 Media Cloud 收录不足改用 GDELT 标题序列。
- 三层测量：显著度跟随为媒体与核心集周度议题份额残差的 Pearson r，两组序列先对 GDELT 周事件数回归以剔除共同事件冲击，要求双方各至少 5 条、至少 8 周。框架跟随为
1 − JSD(P_outlet, P_core) − E[JSD]，期望值由 1,000 次同规模随机拆分估计，故 0 表示不可区分、负值表示比抽样噪声更远。时间跟随为同一 GDELT 事件上“核心首报—该媒体首报”的负中位滞后天数，14 天截尾，要求至少 10 个匹配事件。最终 52 个媒体×议题格，时间层 37 格。 - 自变量：通讯社依赖 = 抽样外国新闻中署名 AP/AFP/Reuters 的比例（边缘 0.57/1,017 条，半边缘 0.40/823 条，核心 0.14）；驻外记者存在 = 本国员工在外围 dateline 发稿比例（信度 .749，未达 .80，仅作探索性，但按事前设计进入仿真依赖规则）；本地利益按议题编码为乌克兰 0、加沙 1、气候 2。
- 编码信度：无人工编码。以 Claude 模型为编码器，300 篇样本三次独立重编码的 Krippendorff α：框架 .849（换措辞提示 .799）、外国新闻 .956（换措辞 .406）、通讯社署名 .995、国家通讯社 .991、驻外署名 .749。agent 自报框架与编码器一致率仅 .232，故仿真框架改用编码器对 agent 写出稿件的标注。污染检查：agent 对 100 条抽样标题在 0.8 相似度上的召回为 0.00（真实标题平均相似度 .270，随机标题 .273）。
- 仿真设计：改编 Magentic Marketplace。十八家边缘／半边缘媒体为 agent，四家核心媒体按观测时间回放报道，三家通讯社提供稿件。agent 模型为 Qwen3-14B，vLLM 部署于 Google Colab GPU；每日读取剥离媒体名的 GDELT 事件、通讯社稿与核心稿，输出带优先级与框架的提案；persona 仅含国家与受众，记忆为自身过去七天的提案；每个媒体—日采样三次，另跑一条不含核心稿的 feed。
- 机制规则：依赖规则设自采外国新闻上限
B = round(n × (1 − W) × (w × C + 1 − w))，n 为日均议题稿件数、W 为通讯社依赖、C 为驻外记者存在、w 为自由参数；模仿规则令议题／框架权重(1 − v) × a + v × s，a 为自身提案份额、s 为核心当日份额；羊群规则以min(1, c × m / N)的概率发布新且不确定的事件，并采用先行者最常用的框架。八种配置（基线、三个单机制、三个两两组合、三机制全开）× 20 seeds。 - 标定与评分：参数在前半段网格搜索拟合（w=1.00、v=0.10、c=0.50），在后半段（COP27 对 COP28、两场战争按日期对半）计算标准化样本外误差；误差为模拟—观测绝对差均值除以观测标准差。胜出须同时满足：总体误差最低、比次优单机制与基线低出两倍 seed 标准差、且在十八家媒体 bootstrap 重抽样中至少 95% 保持领先。
- 九个确认性检验：H1/H2/H3 × 显著度／框架／时间 = 9 个，Holm 校正跨九个 p 值；另设声望模仿（无通讯社稿框架截距）与羊群（首报滞后对不确定性回归）两个机制检验，及两个预先登记的证伪检验。九项中唯一通过的是 H2 的时间层：b=0.175，95% CI [0.084, 0.267]，Holm p=.002。
- 与传播议题的连接：本文直接检验国际媒介间议程设置的机制解释，把“核心—边缘”新闻流动从相关描述推进到机制辨识；仿真 agent 即新闻编辑部的选题决策者，输出变量就是议程设置的三个经典维度。
R. Results（结果）
- RQ1 描述层：显著度相关边缘 0.38（SD 0.29）、半边缘 0.27（SD 0.31），错配议题基准 −0.13/−0.15；气候大会最高（0.64/0.46），加沙最低（0.19/0.11）。框架相似度 −0.10/−0.09，高于基准 −0.16/−0.14 但仍低于 0，即“比随机近、未到不可区分”。首报中位滞后 −0.07 天与 −0.03 天，约在两小时内。通讯社署名覆盖边缘外国新闻的 0.57、半边缘 0.40、核心 0.14；驻外署名两边均近 0。
- H1：三层均不支持。边缘系数 0.103（95% CI [−0.148, 0.354]）、−0.010（[−0.065, 0.046]）、−0.026（[−0.132, 0.081]），Holm p 均为 1.000；连续指数检验同向且含零。作者强调区间过宽，不能把零结果读作“无差异”。
- H2：仅时间层支持，b=0.175（[0.084, 0.267]，37 格，Holm p=.002），即通讯社署名从 0 到 1 约提前 0.175 天（约四小时）；显著度 −0.020（[−0.267, 0.227]）、框架 0.019（[−0.066, 0.104]）均不支持。
- H3：三层均不支持，交互项 0.061、0.019、0.049，Holm p 均 1.000。第二证伪在显著度层不成立：边缘气候格跟随 0.635 vs 基准 −0.201，配对 t(7)=9.57，Holm p<.001；框架层证伪成立（−0.090 vs −0.115，p=.116）；时间层不可检验。
- 替代机制：声望模仿不支持——非通讯社稿框架相似度截距 −0.102（[−0.136, −0.068]，1,623 条），且判定规则“只能不支持、不能支持”。羊群支持——首报滞后对“首日提及该事件的核心媒体数”回归，乌克兰 −0.1316 天/家（[−0.1726, −0.0906]，20,697 事件）、加沙 −0.1640（[−0.1893, −0.1387]，22,665 事件），Holm p<.001；作者同时列出通讯社同步投递与次序统计两个未排除读法。
- 仿真（RQ2）：后半段标准化误差：基线 1.00、依赖 0.83、模仿 0.91、羊群 1.33、依赖+模仿 0.88、依赖+羊群 3.19、模仿+羊群 0.92、三机制 2.16。依赖比基线低 0.17（seed SD 0.01）、比次优单机制低 0.08，满足 seed margin；但 bootstrap 重抽样中仅 0.45 保持领先（门槛 0.95），故 RQ2 判为未决。
- 规则退化：拟合值 w=1.00 使依赖上限化为 n×(1−W)×C；C 在十八家中十五家为 0、其余不超过 0.05，故十七家不再保留任何自采外国新闻，全部转为通讯社稿。通讯社稿没有首报滞后，依赖配置在 52 格中仅 2.0 格有 timing 值，其 0.28 的 timing 误差由两格支撑；媒体内误差 0.93，与基线持平。
| 检验 | 层级 | b (95% CI) | Holm p | 结论 |
|---|---|---|---|---|
| H1 层级 | 显著度 | 0.103 [−0.148, 0.354] | 1.000 | 不支持 |
| H1 层级 | 框架 | −0.010 [−0.065, 0.046] | 1.000 | 不支持 |
| H1 层级 | 时间 | −0.026 [−0.132, 0.081] | 1.000 | 不支持 |
| H2 通讯社依赖 | 显著度 | −0.020 [−0.267, 0.227] | 1.000 | 不支持 |
| H2 通讯社依赖 | 框架 | 0.019 [−0.066, 0.104] | 1.000 | 不支持 |
| H2 通讯社依赖 | 时间 | 0.175 [0.084, 0.267] | .002 | 支持 |
| H3 层级×利益 | 显著度 | 0.061 [−0.114, 0.236] | 1.000 | 不支持 |
| H3 层级×利益 | 框架 | 0.019 [−0.032, 0.070] | 1.000 | 不支持 |
| H3 层级×利益 | 时间 | 0.049 [−0.020, 0.117] | 1.000 | 不支持 |
a / D. Discussion & Conclusion（讨论与结论）
- 理论含义：结构依赖只在“时钟”层面获得支持，且该结果本身可被“通讯社与核心同时收稿”解释，故本文把结论收窄为：通讯社稿设定边缘国际新闻的时间节奏，是否设定议程仍未决。对世界体系理论而言，层级位置（Gunaratne 指数）作为资源代理失效，真正有区分力的是通讯社使用强度。
- 框架的归属：同议题框架距离显著小于错配议题，提示框架更多由议题与通讯社通稿共同决定，而非跨境声望模仿；共享专业规范（规范同构）未被模拟，但其“各层距离均匀”的预测与观测相容。
- 羊群：观测层支持，仿真层不支持（羊群配置误差 1.33，高于基线），二者并不矛盾——仿真把羊群写成全局概率规则，未刻画不确定性梯度。
- 方法贡献：显式规则、样本外评分、预登记证伪，回应了既有对语言模型 agent 不可解释的批评；提案与规则均已公开，可在不调用语言模型的情况下复跑仿真分析。
- 局限：无人工编码与人工抽查，稳定性不等于效度（外国新闻码换措辞 α 仅 .406）；52 个格子的区间过宽，零结果只是“无证据”；层级由 0.03 个指数点分割，孟加拉国样本为便利抽样；通讯社依赖只计署名、漏计未署名转载；驻外记者存在信度不足；本地利益为议题级编码，与议题完全混淆；时间层仅 37 格；全英文样本；agent 只提案一次、按日推进，无法产生小时级滞后；agent 模型训练数据的国别构成未公开。
- 实践启示：若目标是增加边缘媒体的自主国际报道，仅提供培训或呼吁“独立选题”不够，还需改变通讯社稿件供给与采访资源结构；国家通讯社作为第二依赖极（马来西亚两家超过一半外国新闻）值得单列研究。
- 资助与数据：未声明资助。代码、规则、码本与提案见 GitHub（hellowyousuf/dependence-imitation-herding）与 Zenodo DOI 10.5281/zenodo.23330238；新闻全文因版权未公开。
🧠 IRMaD 思维导图
mindmap
root((全球媒体议程仿真))
I 引言
核心边缘新闻流动
三种解释竞争
相关无法辨机制
R 问题
三层跟随描述
层级差异假设
通讯社依赖假设
本地利益假设
M 方法
十八家媒体六国
三议题近三年
显著度用相关
框架用分布距离
时间用首报滞后
语言模型编辑
八配置二十次
R 结果
九检验仅一成立
通讯社依赖快四小时
层级与利益不支持
模仿检验不支持
羊群检验支持
仿真结果未决
重抽样仅四成五
依赖规则退化为通稿
a 讨论
通稿定时钟不定议程
层级指标太粗
框架由议题决定
无人工编码局限
D 结论
通稿设定报道节奏
机制仍未分离
开关式仿真可复用
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。