基于ISM的政務輿情風險影響因素結構關系研究

曹海軍，侯甜甜

（東北大學 文法學院，遼寧 沈陽 110169）

一、引言

大數(shù)據(jù)、人工智能、區(qū)塊鏈等新興技術的蓬勃發(fā)展顛覆了人們的生產、生活方式，通過微博、微信、抖音等社交網絡平臺發(fā)布與傳播信息已然成為公眾在線交流的重要渠道。根據(jù)2021年2月3日中國互聯(lián)網絡信息中心（CNNIC）發(fā)布的統(tǒng)計報告顯示，截至2020 年12 月，我國網民規(guī)模已高達9.89億，互聯(lián)網普及率達70.4%。[1]信息技術在促進人們表達內心“聲音”的同時也使得一些錯誤觀點、虛假謠言等不實信息在網絡平臺中大肆傳播與蔓延，極易掀起輿情風暴。近年來，風險社會與網絡社會的不斷疊加進一步加劇社會矛盾，而政務輿情作為社會冷暖的“體溫計”和政府治理的“反射弧”，一旦控制與引導不力，便會給社會的和諧穩(wěn)定以及政府的公信力帶來巨大的負面影響，易使政府陷入“塔西佗陷阱”，這為政府部門提升政務輿情風險防范和風險管理能力提出了前所未有的新要求。

目前，我國在政務輿情的相關研究主要聚焦于三個方面：一是針對政務輿情傳播與演化進行深入研究，如吳仁獻等運用社會網絡分析研究“8.8九寨溝地震事件”中旅游政府部門內部微信輿情信息傳播的網絡關系，最終得出政務輿情內部人際傳播的運行機制及其演進規(guī)律。[2]（p118-125）劉銳選取2003—2015 年130 起較為典型的地方政府重大輿情危機事件為研究樣本對其態(tài)勢演變進行深入分析，結果表明，我國地方政府重大輿情經歷了輿情類型、首曝媒介、曝光路徑、傳播環(huán)境等遷移。[3]（p52-58）二是針對政務輿情監(jiān)測與預警進行分析研究，如肖魯仁以鄰避型群體事件為研究對象，探討我國社會轉型時期政府如何做好政務輿情監(jiān)測工作，以規(guī)避輿情風險帶來的危害，推動政務輿情的健康、理性發(fā)展。[4]（p143-148+153）章留斌等將社會安全閥理論與EGM灰色系統(tǒng)理論相結合構建政務輿情預警模型，并以“湖北仙桃的群體事件”為例進行驗證分析，結果證明此模型的有效性與科學性。[5]（p101-107）三是針對政務輿情回應與引導進行分析研究，如肖文濤等認為現(xiàn)階段政務輿情回應面臨一系列困局，為做好政務輿情應對工作，政府亟須從信息公開、法制建設、能力提升、社會協(xié)同等角度構建政務輿情回應的框架和路徑。[6]（p111-116）熊萍在網絡高速發(fā)展的背景下探討重大突發(fā)事件政務輿情回應存在的不足，并在此基礎上從輿情回應的規(guī)范、規(guī)律和技巧方面提出相應的導控策略。[7]（p176-180）

總的來說，當前政務輿情的研究已取得部分學術成果，但對政務輿情風險影響因素的研究較為匱乏。本文在研究中試圖解決以下三個方面的問題：一是政務輿情風險具有哪些影響因素？二是各影響因素之間的結構關系是怎樣的？三是這些影響因素如何幫助輿情管理部門更好地進行政務輿情風險防范？為回答上述研究問題，本文基于信息生態(tài)理論和德爾菲法提煉出影響政務輿情風險的17個因素，并運用復雜網絡的解釋結構模型（ISM），構建政務輿情風險影響因素的解釋結構模型，繼而對影響因素的層級關系及政務輿情風險的防范對策進行探討，以期為政務輿情風險的科學有效應對提供參考與借鑒。

二、政務輿情風險影響因素

政務輿情風險是指公眾對某一政務相關事件或熱議主題產生的認知、態(tài)度和情感的集合，由此引發(fā)的次生輿情頻發(fā)、政府應急處置滯后、社會秩序紊亂等風險。政務輿情風險是一項系統(tǒng)性工程，其影響因素紛繁復雜，從不同視角可提煉出不同的因素。本研究基于信息生態(tài)理論并結合政務輿情風險相關文獻，初步確定政務輿情風險的具體影響因素，之后通過德爾菲法，綜合各專家的意見，確定最終影響政務輿情風險的因素。

（一）政務輿情風險影響因素的識別。

信息生態(tài)理論認為，信息生態(tài)是指信息價值、信息使用者及信息所處環(huán)境之間的相互關系，[8]（p30）這為政務輿情風險的因素分類提供重要的理論依據(jù)。已有研究利用信息生態(tài)理論探討了政務輿情風險的影響因素，如楊蘭蓉等基于信息生態(tài)理論構建了政法微博輿情生態(tài)系統(tǒng)，并以“聊城于歡案政法事件”為例，從信息主體、信息環(huán)境、信息三個維度出發(fā)對新浪微博輿情的傳播與演化進行分析，為政府部門有效地應對輿情提供借鑒，這進一步證實了信息生態(tài)理論適用于對政務輿情風險的影響因素分析。[9]（p51-60）鑒于此，本文基于信息生態(tài)理論提取政務輿情風險的相關影響因素，該系統(tǒng)包含的信息、信息人、信息環(huán)境三個維度及其相互間關系如圖1所示。

圖1 政務輿情信息生態(tài)系統(tǒng)

信息因素：政務輿情信息是信息生態(tài)系統(tǒng)中其他要素賴以生存的基礎，從外在表現(xiàn)上看，它是用文本、圖像、音視頻等形式表示。從內在本質上看，它是社會主體在輿情空間內圍繞某一政務輿情事件或主題所表達的各種言論、情緒與觀點。[10]（p21）一般而言，政務輿情信息容易受到兩個因素的影響：信息易爆度和信息公共度。政務輿情信息會刺激公眾的神經，引發(fā)公眾的憤懣、不滿等情緒，形成輿論與情緒共振的演化局面，這不利于政務輿情風險的控制與引導。

信息人因素：信息人是信息生態(tài)系統(tǒng)中的行為主體，是指一切需要政務輿情信息并參與信息活動的利益相關者，如網民、媒體及政府部門等，它在政務輿情信息中充當信息生產者、信息傳遞者、信息消費者及信息組織者等角色并承擔著相應的社會職能。當公共事件發(fā)生時，網民會通過社交網絡平臺發(fā)表自己的態(tài)度與意見。與此同時，媒體也會相繼在各大網站報道相關信息以促進政務輿情信息的傳播，而作為信息導控者，政府有責任和義務快速回應輿情信息并采取一定的處置行為，確保社會的和諧與穩(wěn)定。

信息環(huán)境因素：在信息生態(tài)系統(tǒng)運行中，政務輿情信息環(huán)境為信息人的信息活動提供了信息交流的場所和空間，它關注的是政府輿情治理的內外部環(huán)境。其中，內部因素包括信息倫理、信息技術、群體價值等內容，外部因素包括社會政治、經濟發(fā)展、信息制度等內容，這些信息環(huán)境因素能夠直接或間接影響到信息資源的挖掘、分析和利用，進而影響到政務輿情風險的效果?？偠灾?，只要平衡好內外部環(huán)境間的關系，才能促進政務輿情信息生態(tài)的健康運作。

（二）政務輿情風險影響因素的確定。

結合相關文獻研究，[11]（p71-75+117）[12]（p115-120）[13]（p24-30）初步提煉出20個政務輿情風險的影響因素，為了提高研究結果的可靠性與精準性，故通過德爾菲法進一步確定影響因素對政務輿情風險是否產生明顯的影響。為此，本研究邀請公共安全領域4位專家、網絡社會治理領域3位專家以及政務輿情風險5位專家對20 個政務輿情風險影響因素進行4 輪咨詢和選擇，合并同義影響因素，最終確定17個影響政務輿情風險的因素，如表1所示。

表1 政務輿情風險影響因素

三、政務輿情風險影響因素解釋結構模型構建

解釋結構模型（Interpretive Structural Model，簡稱ISM），是美國J.N.warfield教授在分析復雜技術社會系統(tǒng)層級結構時所提出的一種靜態(tài)分析方法。該模型是利用實踐經驗與知識確定研究對象的影響因素，然后建立各因素間的相互關系，并借助矩陣和有向圖將系統(tǒng)中的各因素劃分為不同的層級，最終形成一個清晰明了的多層遞階結構模型。[14]（p90）通過解釋結構模型可將影響政務輿情風險影響因素分為表象層、中間層以及根源層三個層級，并直觀地展示出影響因素間的關系和作用程度，為分析政務輿情風險影響因素的關聯(lián)機理奠定堅實的基礎。因此，運用ISM方法構建政務輿情風險的影響因素模型較為合適。

（一）確定政務輿情風險影響因素相互關系，建立鄰接矩陣。

鄰接矩陣（A）是用來描述政務輿情風險各因素間基本二元關系的矩陣。二元關系是指政務輿情風險中兩個影響因素（行因素Si、列因素Sj）之間的關系，且具有傳遞性，[15]（p6）其中，兩個因素間的關系可用矩陣元素aij來表示：

為了構建科學有效的政務輿情風險影響因素鄰接矩陣，將表1中各因素之間的邏輯關系以矩陣問卷的形式再次向12位領域專家征求意見，考慮到專家意見可能出現(xiàn)不一致情形，本研究選取閾值0.6 來確定因素間的邏輯關系，即12 位專家組成員中若有8位及以上專家認為行因素Si直接影響其對應的列元素Sj，則可判定結果為1，否則為0。據(jù)此，最終整理形成17×17 的政務輿情風險影響因素的鄰接矩陣（A），如表2所示。

（二）對鄰接矩陣進行運算，得到政務輿情風險影響因素可達矩陣。

鄰接矩陣（A）充分地顯示出政務輿情風險各因素間的直接關系，但不可否認的是，它很難體現(xiàn)各因素間的間接關系。而可達矩陣（M）能夠很好地彌補這一不足，它直觀地揭示政務輿情風險各因素間直接與間接的關系，其計算方法是在鄰接矩陣（A）的基礎上加上單位矩陣I，然后經過一系列的計算得出，在推理與演算的過程中，一般采用布爾代數(shù)運算（0+0=0，0+1=1，1+1=1，0×0=0，0×1=0，1×1=1）求得，倘若矩陣計算滿足公式（A+I）k-1≠（A+I）k=（A+I）k+1（k為迭代次數(shù)），即可獲得可達矩陣M=（A+I）k。借助Matlab 軟件迭代運算可知，當k=4時符合上述公式條件，故而得到政務輿情風險影響因素的可達矩陣M=（A+I）4，如表3所示。

（三）分解可達矩陣，構建政務輿情風險影響因素解釋結構模型。

求出政務輿情風險影響因素的可達矩陣后，需要對矩陣進行層級分解，以更加清晰地展現(xiàn)各影響因素之間的相關關系，進而構建解釋結構模型。具體做法如下：第一步，將因素Si的可達集設定為R（Si），它是由可達矩陣M 中第Si行中所有矩陣元素為1的列對應的要素集合，與此同時，將因素Si的先行集設定為Q（Si），它是由可達矩陣M 中第Si列中所有矩陣元素為1 的行對應的要素集合，如R（Si）={1，2，7，8}，Q（Si）={1，6，9，10，11，12，13，14，15，16，17}。第二步，依據(jù)可達集和先行集，就可以將政務輿情風險的影響因素劃分為不同等級，為此，將可達集R（Si）和先行集Q（Si）的共同集設定為T（Si），即T（Si）=R（Si）∩Q（Si），當集合滿足R（Si）∩Q（Si）=R（Si）或T（Si）=R（Si）時就是最高一級因素集合。第三步，從可達矩陣中劃去最高一級因素集合所在的行與列，然后再從剩下的政務輿情風險影響因素可達矩陣里找出最高級因素集合。[16]（p36）據(jù)此，得到第一層級的數(shù)據(jù)如表4所示。

表2 政務輿情風險影響因素的鄰接矩陣A

表3 政務輿情風險影響因素的可達矩陣M

由表4可以確定信息公共性S2、媒體報道頻次S7、網民行為強度S8為最高一級影響因素。完成最高一級的抽取之后，從可達矩陣中去掉最高一級因素對應的行與列，然后按照最高一級的分解步驟進行第二級劃分，重復上述層級分解的做法，直到所有的因素都被分解，經過若干層級的分解可得，影響政務輿情風險的影響因素可以分為五層，其中，第二層級影響因素為信息易爆度S1、信息敏感度S3、信息傳播速度S4、信息持續(xù)時間S5；第三層級影響因素為媒體報道時效S6、網民情緒強度S9、政府回應速度S10、政府處置措施S11；第四層級影響因素為政府導控能力S12、網絡平臺建設S14；第五層級影響因素為信息技術發(fā)展S13、信息制度規(guī)則S15、經濟發(fā)展水平S16、信息文化氛圍S17。將上述劃分的結果進行匯總，可得到政務輿情風險影響因素層級分解表，見表5。

表4 政務輿情風險影響因素第一層級可達集及先行集

表5 政務輿情風險影響因素層級分解表

按照上述政務輿情風險各影響因素層級間的劃分對可達矩陣進行重新排序，得到可達矩陣M′，具體如表6所示。

將表6 中的反身關系與傳遞關系進行剔除，構建政務輿情風險影響因素的解釋結構模型，如圖2所示。

從表6 和圖2 可以發(fā)現(xiàn)，影響政務輿情風險的17個因素構成了5階層次結構模型，且各階層的影響因素間展現(xiàn)出明顯的差異化特性。根據(jù)ISM 的層次遞階結構理論，層次模型可以歸納為表象層因素、中間層因素和根源層因素三個層面。[17]（p42）因此，本文認為該模型中：第一層是表象層因素，第二層和第三層是中間層因素，第四層和第五層是根源層因素。

表6 政務輿情風險影響因素的可達矩陣M′

表象層。表象層因素是該模型中最顯而易見的因素。政務輿情風險是由一系列復雜因素作用的結果，而信息公共性、媒體報道頻次和網民行為強度是政務輿情風險最直接的表面體現(xiàn)。當政務輿情事件發(fā)生后，事件信息對公眾影響的范圍越廣，越容易促進更多的公眾從自身利益和獨特視角發(fā)表自身的觀點、意見以及態(tài)度，并通過線上或線下采取一些非理性的行動，致使魚龍混雜的輿情信息大肆傳播與蔓延形成負面言論，網民參與互動活躍引發(fā)政務輿情風險的形成，而這時若媒體匯聚這些多元而分散的信息，加大對該輿情信息的報道頻次，便會加劇輿情的滋生、蔓延以及輿情風險的反復出現(xiàn)，最終打破社會平衡狀態(tài)，嚴重影響社會的和諧與穩(wěn)定。因此，對表象層的關鍵因素的把握與控制成為降低政務輿情風險的首要任務。

中間層。中間層因素是該模型中較為直接的因素，具有影響與被影響的特點，其在整個政務輿情風險影響因素的層級結構模型起到了“承上啟下”的作用。中間層影響因素包括信息持續(xù)時間、信息易爆度、信息傳播速度、信息敏感度、政府回應速度、政府處置措施、網民情緒強度以及媒體報道時效。當政務輿情事件發(fā)生后，為了降低輿情風險帶來的危害，作為輿情導控最核心的主體，政府部門會針對輿情情況采取各種處置措施，但在此過程中受到的政府導控能力以及信息文化氛圍等因素的影響，可能出現(xiàn)信息公開不及時、應急預案啟動滯后等情況，很難在第一時間滿足公眾的需求，這進一步增加了政務輿情風險的可能性。該層的因素也通過影響表象層因素對政務輿情風險產生影響，如信息的敏感度、信息的持續(xù)時間影響著網民的行為強度以及媒體的報道頻次等，而網民的行為強度、媒體的報道頻次等又直接影響著政務輿情風險的演化態(tài)勢。

根源層。根源層因素是該模型中最基礎和最深層次的影響因素，也是最容易對其他因素造成影響的因素。包括政府導控能力、網絡平臺建設、信息制度規(guī)則、信息文化氛圍、經濟發(fā)展水平、信息技術發(fā)展。政府部門對輿情風險的控制與引導的能力決定相關信息能否向積極有利的方向傳播與發(fā)展，與此同時，互聯(lián)網平臺的建設情況也不容小覷，信息人主要依賴于網絡平臺進行信息發(fā)布或信息獲取，在此過程中極易引發(fā)政務輿情風險的出現(xiàn)；信息制度規(guī)則、信息文化氛圍、經濟發(fā)展水平、信息技術發(fā)展等信息環(huán)境方面的影響因素也更為重要，它們?yōu)樾畔⒌陌l(fā)布、傳播以及政務輿情風險的生成、發(fā)展提供了技術支持與制度保障。因此，這些影響因素是政務輿情風險得以生成與傳播的最基礎性影響因素，在政務輿情風險影響因素的結構模型中屬于最深層次的根源層。

四、結論與討論

政務輿情風險的生成及演化是一個復雜的動態(tài)系統(tǒng)，是由眾多因素相互促進、相互影響的結果，現(xiàn)有研究多側重于對政務輿情生發(fā)的某個具體階段及其治理舉措進行研究，鮮有從系統(tǒng)視角出發(fā)對政務輿情風險的影響因素及其相互作用關系進行深入探討，因此難以形成對政務輿情風險的整體認知。為此，本文基于信息生態(tài)理論，從信息、信息人、信息環(huán)境三個維度提煉出政務輿情風險的影響因素，并通過德爾菲法確定17 個因素作為研究對象，利用ISM模型對政務輿情風險的影響因素進行層次分析，明確了各個因素之間的層級關系，構建了五階層次結構模型，并將其分成表象層、中間層以及根源層三個層次。為了有效化解政務輿情風險，增強政務輿情風險的應對能力，本研究針對性地提出以下三個方面的對策和建議：

第一，加強政務輿情信息的風險識別與研判。政務輿情風險具有的不確定性、復雜性與反復性等特點，使得政務輿情風險應對的難度加大，若要科學有效地進行輿情風險導控，其關鍵在于準確及時地對政務輿情信息進行風險識別與研判。研究發(fā)現(xiàn)，信息公共性、信息易爆度、信息敏感度、媒體報道頻次、網民行為強度等因素影響著政務輿情風險的生成與發(fā)展。因此，一方面，應充分借助大數(shù)據(jù)技術對公共事件或主題信息的公共性、易爆度、敏感詞源、風險來源以及風險成因等進行收集、整理、分析，以實現(xiàn)早期輿情風險識別與研判。另一方面，建立語義識別系統(tǒng)，并利用該系統(tǒng)實現(xiàn)最新輿情信息和歷史輿情數(shù)據(jù)的比較與跟蹤，對即將出臺的相關決策輿情風險、媒體報道頻次以及網民行為強度進行過程仿真，從而為風險預警研判提供相應的決策依據(jù)。

第二，提升政務輿情風險的控制與引導能力。通過上述解釋結構模型的分析，政府回應速度、政府處置措施、網民情緒強度、媒體報道時效等因素是目前影響政務輿情風險的主要因素。因此，在對政務輿情風險進行控制和引導的過程中，政府作為輿情風險導控的關鍵主體，首先，應強化輿情風險響應意識，即在政務輿情事件發(fā)生的第一時間對事件發(fā)生的原因、事件造成的損失進行通報，同時對于政務輿情事件的處置措施及進展情況及時向社會公開，從而有效控制輿情風險的持續(xù)發(fā)酵。其次，增強政務輿情風險溝通能力，即應及時對網民出現(xiàn)的緊張不安、焦慮放大等負面情緒進行安撫與疏導，并且認真傾聽與回應網民的利益訴求，引導網民如何提升自身的媒介素養(yǎng)，以規(guī)避輿情風險引發(fā)的次生輿情。最后，加大對媒體的監(jiān)督力度，提升媒體報道的時效性與真實性，能夠有效抑制失真信息或網絡謠言的生成與傳播。

第三，優(yōu)化政務輿情風險的內外部信息環(huán)境。政務輿情風險信息環(huán)境維度的信息制度規(guī)則、信息文化氛圍、網絡平臺建設、經濟發(fā)展水平、信息技術發(fā)展是引發(fā)輿情風險生成與發(fā)展的根本原因。這就要求相關輿情管理部門要優(yōu)化內外部的信息環(huán)境。首先，要遵守《突發(fā)事件應急預案管理辦法》《網絡安全法》《網絡信息內容生態(tài)治理規(guī)定》等政策和法規(guī)，減少虛假信息、網絡謠言的傳播，規(guī)范和約束社交網絡平臺上政務輿情信息內容，從源頭上降低政務輿情風險。其次，嚴厲打擊信息泄露、網絡入侵等行為，引導網民、媒體關注積極向上、具有正能量的政務輿情信息以及權威機構發(fā)布的信息，營造健康、文明、和諧的信息文化環(huán)境，攜手共創(chuàng)平安中國。最后，要持續(xù)關注當前的經濟發(fā)展水平，爭取經濟的有力支持，有效地采用大數(shù)據(jù)、云計算、人工智能等信息技術來降低政務輿情風險帶來的危害。

本文對于政務輿情風險影響因素的研究仍存在著一定的局限性。例如，政務輿情風險影響因素紛繁復雜，僅從信息、信息人及信息環(huán)境三個維度分析政務輿情風險影響因素仍不夠詳盡。同時，作為一種定性分析方法，解釋結構模型僅僅是對政務輿情風險的影響因素進行分層，而未能對各影響因素的作用機制及其相關機理進行深入探討。因此，今后的研究應進一步從多個維度深入探究政務輿情風險影響因素，并結合具體案例對各影響因素間的作用機制及其相關機理進行實證研究。