公共決策視域下網(wǎng)民情感分析與民意引導研究
——基于《學前教育法草案》微博的大數(shù)據(jù)分析

文/陳 林 王志丹 楊 光(．．．江蘇師范大學,江蘇 徐州 6)

內(nèi)容提要：現(xiàn)代社會的發(fā)展推動公共決策過程中民眾的參與,亦使得運用大數(shù)據(jù)方法把握網(wǎng)絡(luò)民意成為新時代的重要課題。以《學前教育法草案》微博平臺的民意分析為例,運用大數(shù)據(jù)手段以及社會網(wǎng)絡(luò)分析方法,從決策態(tài)度、表達方式、意見領(lǐng)袖等維度建立分析框架,剖析負性情感偏向的網(wǎng)絡(luò)民意聚合機制。研究發(fā)現(xiàn),議題公共性強、敏感度高是民意聚合的原因,而民眾負性情感偏向則是心理噪聲機理、沉默的螺旋效應(yīng)、極化機理綜合作用的結(jié)果。基于此,決策主體可以通過培養(yǎng)理性意見領(lǐng)袖、發(fā)揮主流媒體功效、提高網(wǎng)絡(luò)民眾素質(zhì)以及對話網(wǎng)絡(luò)民眾的策略,有效引導網(wǎng)絡(luò)民意走向。

一、引言

近年來,網(wǎng)民規(guī)模呈現(xiàn)指數(shù)增長,第46次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》顯示,截至2020年6月我國網(wǎng)民規(guī)模達9．40億。民眾通過互聯(lián)網(wǎng)參與政治生活的意識也日漸增強,越來越多的民眾借助網(wǎng)絡(luò)平臺發(fā)表自己對政策的觀點態(tài)度與利益訴求。盡管網(wǎng)絡(luò)民意是廣泛的民意集合體,對公共決策過程具有參考價值,但由于網(wǎng)絡(luò)民意表達是網(wǎng)民在不自覺狀態(tài)下進行的自在式評價活動,并非完全理性,有時會誤導公共決策偏離科學軌道[1]。鑒于此,有必要探明公共決策視域下有關(guān)網(wǎng)絡(luò)民意的兩個重要問題：第一,如何通過大數(shù)據(jù)把握民意的情感取向與主要觀點；第二,探明網(wǎng)絡(luò)民意的聚合機制,為引導民意走向提供對策與建議。

2020年9月7日,教育部網(wǎng)站發(fā)布《中華人民共和國學前教育法草案(征求意見稿)》(以下簡稱《學前教育法草案》),第39條規(guī)定幼兒園不得教授小學階段的教育內(nèi)容。我國首次以立法的形式為幼兒園超前教育劃上紅線,既說明國家對學前教育的重視,也充分暴露了學前教育存在的突出問題。同日,中國新聞網(wǎng)于新浪微博平臺上創(chuàng)立#幼兒園不得教授小學階段的教育內(nèi)容#話題,引發(fā)了網(wǎng)民熱議。截至目前,該話題已經(jīng)擁有5．5億的閱讀數(shù)以及3．5萬的討論數(shù)。本文嘗試利用網(wǎng)絡(luò)爬蟲獲取學前教育法草案話題下的評論數(shù)據(jù),借助大數(shù)據(jù)技術(shù)了解網(wǎng)絡(luò)民眾的決策態(tài)度以及表達方式,運用社會網(wǎng)絡(luò)分析法識別民眾的意見領(lǐng)袖以及代表觀點,從情感態(tài)度、意見領(lǐng)袖和代表觀點三方面來把握網(wǎng)絡(luò)民意并探明民意聚合的機制,為大數(shù)據(jù)在公共決策過程中的運用提供有益探索。

二、網(wǎng)絡(luò)民意與公共決策研究回顧

(一)網(wǎng)絡(luò)民意

國外學者韓念西認為,民意是具有相當數(shù)量的一群人針對重要議題表達其復雜偏好的綜合[2]。這一界定首先指出民意的主體是一定規(guī)模的社會民眾。國內(nèi)學者余致力進一步辨析,認為民意之“民”未必等同于全民,民意也不必然等同于多數(shù)民眾的意見[3]。其次,韓念西認為民意的實質(zhì)是復雜偏好的綜合,這與當前有關(guān)民意的主流觀點相似,即民意是情緒、態(tài)度、意見和干涉意愿的總和[4]。再者,此界定拋出民意客體這一要素,何志武認為民意客體相較于輿論客體更具針對性,主要圍繞重要的社會議題與政府公共政策[5]。本研究認為,民意是一個或一個以上社會民眾針對社會公共事務(wù)和政府決策所發(fā)表的情緒、態(tài)度、意見與干涉意愿的總和。

民意作為一種意識形態(tài),通過特定的載體支撐外化為人們感知的表現(xiàn)形式?；ヂ?lián)網(wǎng),以其開放性和便利性給予民意新的物質(zhì)載體與表達通道[6],網(wǎng)絡(luò)民意成為民意的網(wǎng)絡(luò)呈現(xiàn)方式。參照民意的定義,網(wǎng)絡(luò)民意可定義為一個或一個以上社會民眾,借助于互聯(lián)網(wǎng)平臺,針對社會公共事務(wù)和政府決策所發(fā)表的情緒、態(tài)度、意見與干涉意愿的總和。憑借互聯(lián)網(wǎng)“所有人對所有人”的傳播優(yōu)勢,社會民眾突破以往精英主導的局限,對政治議題暢所欲言[7]。無須借助高成本渠道資源或是他者的力量,具有相同訴求的大眾可以在網(wǎng)絡(luò)空間迅速結(jié)盟。

(二)公共決策

公共決策,指國家、行政管理機構(gòu)和社會團體所進行的決策,如公共福利、國家安全、國際關(guān)系等[8]。相較于一般決策,公共性是公共決策的突出特征,即公共決策總是從公共利益出發(fā),解決公共事務(wù)中出現(xiàn)的問題。該特點對于公共決策長期性、多樣性、權(quán)威性等特點具有本源意義[9]。

由于公共決策的復雜特征,因此相較其他決策,公共決策需要滿足更高的要求。一般而言,公共決策質(zhì)量的衡量依據(jù)有二,其一,以是非標準為尺度判斷決策是否合理；其二,以價值標準為尺度權(quán)衡決策優(yōu)劣。成功的公共決策應(yīng)當以最小化的決策投入獲取最大化的公共利益,實現(xiàn)目標合理、方案可行[10]。為此,公共決策的民主化、科學化不可或缺。周光輝認為,當前社會結(jié)構(gòu)、經(jīng)濟結(jié)構(gòu)發(fā)生深刻變遷,要擺脫已形成的利益格局對公共決策的裹挾與影響,必須將決策民主化作為有效路徑[11]。在公共決策過程中兼聽各方聲音,留意各方交鋒博弈,有利于降低主觀臆斷與“拍腦袋”帶來的決策失誤概率,做出更客觀全面的判斷。同時,決策的民主化與公民的決策配合度息息相關(guān),對于一些諸如衣食住行等對民眾接受度要求高的決策問題,發(fā)動民眾進行決策態(tài)度的表達尤為重要。

(三)網(wǎng)絡(luò)民意與決策民主化

作為目前最為廣泛的民意集合體,網(wǎng)絡(luò)民意聚集著多樣化的利益訴求,是進行公共決策過程中極具價值的“民間智庫”,公共決策過程重視網(wǎng)絡(luò)民意是提升決策民主化的內(nèi)在要求。在公共決策過程中,以下三種信息是必要的：有關(guān)公眾對決策偏好的信息,有關(guān)決策在其作用范圍內(nèi)運轉(zhuǎn)態(tài)勢的信息,有關(guān)決策解決方案的技術(shù)信息[12]。獲取這三點信息使得聽取民意成為必須。

雖然網(wǎng)絡(luò)民意天然地具有被決策者聆聽的“必要特質(zhì)”,但其中摻雜眾多非理性因素。一是因為如今信息同質(zhì)化嚴重,網(wǎng)絡(luò)民意易受到媒體報道和用戶行為策略干擾[13]；二是因為民眾總是帶著已有觀念,“先入為主”地發(fā)表對議題的看法[14]；三是網(wǎng)絡(luò)民意有被外在力量建構(gòu)或者操縱的可能,存在淪為利益集團影響決策議程設(shè)置的靶子、嬗變?yōu)檎喂ぞ叩娘L險[15]。因此,聽取網(wǎng)絡(luò)民意并不意味著決策主體要將所有權(quán)利讓渡于民,而應(yīng)當為民眾參與決策的過程做出合理安排,使雙方形成平等的互動。決策主體尤其應(yīng)當注意在政策質(zhì)量的規(guī)定方面、問題結(jié)構(gòu)的界定方面提供權(quán)威解釋。

(四)大數(shù)據(jù)技術(shù)在決策科學化中的應(yīng)用

決策科學化是防止決策出現(xiàn)失誤、降低決策成本與減少副作用的必然選擇。一般而言,公共決策科學化要求決策過程有效利用現(xiàn)代科技手段,廣泛收集信息[16]。信息是公共決策制定與調(diào)整的命脈,其質(zhì)量是決策能否實現(xiàn)科學化的關(guān)鍵因素[17]。換句話說,沒有用以決策的信息,決策便是無源之水、無本之木。在公共決策過程信息收集階段,對民意的把握至關(guān)重要[18]。但是,傳統(tǒng)的公共決策由于難以發(fā)現(xiàn)并充分利用公共服務(wù)需求方的信息而偶發(fā)決策失靈現(xiàn)象[19]。隨著信息技術(shù)的發(fā)展,這種情況正在被改變。大數(shù)據(jù)技術(shù)的應(yīng)用使得信息收集變得輕而易舉,通過對信息的編碼與解讀,決策主體能夠快速了解社會群體的偏好與認知。

公共政策學者庫克指出,數(shù)據(jù)驅(qū)動的公共決策使得決策以事實為基礎(chǔ),從而顯著提升公共決策的有效性,塑造出開放而負責的政府形象[20]。當前,大數(shù)據(jù)提升決策透明度、提高決策效果已成為共識[21]。英國、瑞士、新加坡等國已實行在政府決策過程中使用網(wǎng)絡(luò)進行文本挖掘、情感挖掘以及趨勢研判等提高決策效率的方法[22]。2015年國務(wù)院印發(fā)《促進大數(shù)據(jù)發(fā)展行動綱要》,其中明確提出“要實現(xiàn)基于數(shù)據(jù)的科學決策,逐步實現(xiàn)政府治理能力現(xiàn)代化。”因此,如何在公共決策過程中利用大數(shù)據(jù)手段已成為新時代重要的實踐性問題。

三、研究方法

(一)數(shù)據(jù)預處理

本研究利用Python對微博平臺#幼兒園不得教授小學階段的教育內(nèi)容#話題下的一級評論進行抓取,共獲得11565條原始數(shù)據(jù)。由于原始數(shù)據(jù)中包含大量噪聲,因此在進行數(shù)據(jù)分析前先對其進行預處理,預處理包括數(shù)據(jù)清洗、分詞以及關(guān)鍵詞提取三步。

首先,以每條評論為單位對原始數(shù)據(jù)進行清洗。數(shù)據(jù)清洗包括剔除不必要的內(nèi)容以及調(diào)整數(shù)據(jù)內(nèi)容的結(jié)構(gòu)。清洗規(guī)則以及處理方案如表1所示,清洗完成后得到10679條文本數(shù)據(jù)。第二步,利用 Python3．7．1中的第三方模塊Jieba實現(xiàn)中文分詞。結(jié)合“百度停用詞表”、“哈工大停用詞表”以及學前教育領(lǐng)域的專業(yè)名詞對模塊自帶的停用詞表進行擴充,刪除分詞過程中的停用詞以獲取更精確、更有意義的文檔詞表。第三步,使用TextRank算法提取評論文本中的關(guān)鍵詞。

表1 數(shù)據(jù)清洗規(guī)則

(二)數(shù)據(jù)分析

1．探明決策態(tài)度。文本情感分析(Sentiment Analysis)是指處理帶有情感色彩的主觀性文本的過程,常用于微博、用戶論壇、微信等語境之中,其目標可以是只進行褒貶兩個維度的劃分,也可以是多類分類。本文選用機器學習方法中的支持向量機(SVM)對#幼兒園不得教授小學教育內(nèi)容#話題下的博文評論進行情感分析,分為支持和不支持兩類。其主要內(nèi)容是,明確支持草案第39條內(nèi)容和明確反對草案中第39條內(nèi)容。利用SVM實現(xiàn)情感極性分類的流程如下。首先,由兩名編碼人員分別判斷4000條評論的情感極性,正向記為1,負向記為0。使用SPSS對兩名編碼人員的情感標注結(jié)果做相關(guān)性分析,以驗證首次情感標注的有效性。第二步,從已標注好情感的4000條評論中選取正向情感評論300條,負向情感評論300條作為樣本。抽取樣本中80%的數(shù)據(jù)作為模型的訓練集。第三步,利用 Python平臺下的Sklearn算法模塊實現(xiàn)SVM模型的訓練,利用F1值、準確率、召回率作為模型評估指標。第四步,運用訓練好的分類器對剩下的6679條評論進行情感極性標注。

2．分析情感表達。表達方式是網(wǎng)絡(luò)民眾在微博平臺上進行評論時使用的特定語言方法與手段,可以分為理性思考型與情緒表達型。兩者的劃分依據(jù)為,如果評論者以數(shù)據(jù)事實、邏輯推理、客觀陳述等方式進行表達,則可以將其界定為理性思考型,如：經(jīng)濟基礎(chǔ)決定上層建筑,教育作為上層建筑之一亦是如此。國家可以采用地方規(guī)定但不要用立法形式,根據(jù)各地實際情況,教學需求來制定；如果評論者注重情感表達,評論語句含有大量的形容詞、副詞、表達語氣的標點符號,或者使用語氣強烈的反問、設(shè)問等修辭手法,蘊含較強的嘲諷情緒,則將其界定為情緒表達型,如：知道了,別發(fā)通知了,不就報班嗎,懂了懂了,報吧報吧!

本文使用支持向量機(SVM)對民眾的表達方式進行二分類處理。首先由兩名編碼人員分別對隨機抽取的2000條評論進行標注,理性表達型記為1,情緒表達型記為0。利用相關(guān)性分析驗證標注結(jié)果的有效性。其次,從1500條評論中選取理性表達型評論300條,情緒表達型評論300條作為樣本,將其中80%的數(shù)據(jù)作為訓練集。第三步利用Python平臺下的Sklearn算法模塊實現(xiàn)SVM模型的訓練,利用F1值、準確率、召回率作為模型評估指標。第四步,運用訓練好的分類器對剩下的8679條評論進行表達方式標注。

3．識別意見領(lǐng)袖。意見領(lǐng)袖是網(wǎng)絡(luò)社群中認可度高、說服力強的觀點領(lǐng)導者。作為網(wǎng)絡(luò)平臺上的一種顯性力量,意見領(lǐng)袖有其突出特征,比如獲得較高的點贊或者回復。圍繞意見領(lǐng)袖的觀點,某條博文下經(jīng)常會形成自發(fā)的小群體,出現(xiàn)局部辯論或全局辯論的場景。博登多夫和凱撒發(fā)現(xiàn),意見領(lǐng)袖經(jīng)常處于網(wǎng)絡(luò)社區(qū)中心,與更多成員建立聯(lián)系[23]。本研究擬使用社會網(wǎng)絡(luò)分析法尋找微博平臺#幼兒園不得教授小學教育內(nèi)容#話題下的意見領(lǐng)袖并了解網(wǎng)絡(luò)民眾支持的代表觀點。

社會網(wǎng)絡(luò)分析法是一種分析描述網(wǎng)絡(luò)屬性的結(jié)構(gòu)、性質(zhì)、特征的方法,強調(diào)從關(guān)系或結(jié)構(gòu)的視角分析研究對象。利用社會網(wǎng)絡(luò)分析工具Gephi,選取“學前教育法草案征意見：幼兒園不得教授小學教育內(nèi)容”博文下1000條評論,將其中630名成員以001-630的數(shù)字簡化標記,每一個成員為一個節(jié)點。若成員兩兩之間存在互動,則用直線將兩點相連并且利用Gephi進行可視化操作以及節(jié)點中心度統(tǒng)計。節(jié)點中心度包括程度中心度、中介中心度以及接近中心度,三個指標存在信息重疊[24]?；诠?jié)點的中心度高低,可以有效識別該話題下的網(wǎng)絡(luò)意見領(lǐng)袖以及代表觀點。

(三)研究框架

本文提出如圖1所示的研究框架,總結(jié)從數(shù)據(jù)預處理到數(shù)據(jù)分析的過程和步驟。

圖1 研究框架

四、研究結(jié)果

(一)輿情熱詞

基于TextRank算法得到的首個高敏熱點詞是“小學”,該詞在萬條數(shù)據(jù)評論中的權(quán)重達到峰值(峰值為1),說明“小學”成為此次公共決策下輿論關(guān)注的焦點與中心(圖2)。

圖2 基于TextRank算法的關(guān)鍵詞提取結(jié)果

借助高頻詞形成的語義網(wǎng)絡(luò)(圖3),結(jié)果發(fā)現(xiàn)與“小學”緊密聯(lián)系的是“拼音”“作業(yè)”“教學”“基礎(chǔ)”等關(guān)鍵詞。在有關(guān)學前教育領(lǐng)域的改革決策下,民眾的目光卻不約而同地聚焦在小學階段的教學內(nèi)容、學習方式與學習強度上,諸如“幼兒園不讓教,但是一年級默認啥都會。入學考試還要考加減法、考背詩、考認字、考英語?！贝祟愒u論,體現(xiàn)出民眾對教育連貫性深深的擔憂與焦慮。輿論關(guān)注的另一焦點圍繞“機構(gòu)”“課外”“輔導班”等詞(圖3),討論的主題有二。其一,民眾表達出對學前教育領(lǐng)域此次改革效力的疑問,即政策對公辦幼兒園和對民辦早教機構(gòu)的制約力度是否相同,例如評論“所以這次改革私立的管嗎?”；另一方面,幼兒園辦園體制的市場導向下課外機構(gòu)已儼然成為了安放家長焦慮的庇護所,該話題下有不少聲音表示擔憂,此次決策是否會推動私立輔導機構(gòu)蓬勃生長而導致教育異化更加嚴重,例如評論“幼兒園不教,外面培訓班教啊,這就是變著法想讓我們報課外班。”

圖3 關(guān)鍵詞語義網(wǎng)絡(luò)

(二)網(wǎng)民情感分析

使用SPSS對兩次情感標注的相關(guān)性分析的結(jié)果顯示P值小于0．05,說明情感標注結(jié)果較為準確,受主觀性影響較小,具有訓練SVM模型的價值。在確保情感標注準確性后,調(diào)用Sklearn算法模塊對SVM模型進行訓練,懲罰系數(shù)C值選擇0．1,模型評估指標如下：準確率、召回率、F1值均為0．83。使用模型得到的全部評論數(shù)據(jù)的情感傾向如表2所示,負向情感評論占比86．4%,正向評論占比僅為13．6%。

表2 決策態(tài)度分類結(jié)果

在#幼兒園不得教授小學教育內(nèi)容#話題下,評論者幾乎都是該事件直接或間接的利益相關(guān)者,密切關(guān)注著學前教育的改革動向,表達自己的意見看法。當個體的情感態(tài)度上升至群體層面,將形成相關(guān)改革的情感聯(lián)盟。遵循兒童身心發(fā)展規(guī)律的重要性,學前教育改革的急迫性,事關(guān)每個孩子、每個家庭,但結(jié)果卻顯示該話題下形成一股強勢的消極情感聯(lián)盟,民眾幾乎一邊倒地“不支持”。

使用SPSS對兩次表達方式標注的相關(guān)性分析的結(jié)果顯示P值小于0．05,說明編碼人員對于表達方式分類的標注較為準確,能夠為后續(xù)訓練SVM模型提供較好的數(shù)據(jù)支撐。調(diào)用Sklearn算法進行SVM模型擬合,懲罰系數(shù)選擇0．1,最終模型評估指標為：準確率0．82,召回率0．81,F1 值 0．81。 使用模型得到的全部評論數(shù)據(jù)的表達方式分類情況如表3所示,情緒表達型占比71．4%,理性表達型占比28．5%。由結(jié)果可見,網(wǎng)民更傾向于直接表達對此次決策的態(tài)度,大部分言論表現(xiàn)出濃厚的情緒色彩,常出現(xiàn)“不同意”、“亂改”等詞語,“!”、“?”等加強意見強度和表示對決策詰問的標點符號。

表3 表達方式分類結(jié)果

聯(lián)系網(wǎng)絡(luò)民眾對于該決策的情感態(tài)度(表4),可以發(fā)現(xiàn)態(tài)度為不支持的群體中,情緒型表達方式高達75%,理性表達方式僅為24．9%；態(tài)度為支持的群體中,情緒表達型占比48．3%,理性表達型則為51．6%?？梢姂B(tài)度呈現(xiàn)不支持的民眾,其表達方式多為情緒表達型,而態(tài)度為支持的民眾情緒表達型的表達方式明顯減少,更多依靠客觀事實、邏輯推理進行觀點表達。

表4 決策態(tài)度與表達方式交叉表

(三)意見領(lǐng)袖識別

使用Gephi生成的可視化社會網(wǎng)絡(luò)(圖4)共包含630個節(jié)點和790條邊。在傳播網(wǎng)絡(luò)的個體層面,可以用程度中心度、接近中心度以及中介中心度這三個中心度指標進行關(guān)鍵節(jié)點的識別,關(guān)鍵節(jié)點可以被認為是關(guān)于該決策話題的具有較大影響力的網(wǎng)絡(luò)意見領(lǐng)袖。中介中心度的高低代表著節(jié)點對于該網(wǎng)絡(luò)中資源的控制程度強弱,其越大則信息控制能力越強。換句話說,中介中心度高就意味著此節(jié)點處于網(wǎng)絡(luò)的中心。由表5可知,中介中心度排名前5的分別是編號146、251、343、437和539。程度中心度是指在傳播網(wǎng)絡(luò)中,與該節(jié)點有直接聯(lián)系的節(jié)點數(shù),該指標越高則說明此節(jié)點所代表的用戶在傳播網(wǎng)絡(luò)中越活躍,影響到的用戶數(shù)量越多。編號146、437、343、251 和 539 程度中心度靠前。接近中心度意指節(jié)點與其所處網(wǎng)絡(luò)中的其他所有節(jié)點的最短路徑之和。若一個節(jié)點接近中心度越高,就說明該節(jié)點與其他節(jié)點的距離越短,在網(wǎng)絡(luò)中的重要性越高。其中146、343、437、251 和 539 的接近中心度排在前列。

圖4 意見領(lǐng)袖社會網(wǎng)絡(luò)圖

結(jié)果顯示,小小-陌上花(編號146)用戶的三個指標顯著高于其他用戶,在該社會網(wǎng)絡(luò)中起到關(guān)鍵節(jié)點的作用。其不僅吸引大量成員參與交流,還在很大程度上影響其他用戶觀點,可以被認為是該社會網(wǎng)絡(luò)中的意見領(lǐng)袖。對該意見領(lǐng)袖進行微博身份查詢,發(fā)現(xiàn)該用戶粉絲數(shù)為80,發(fā)博數(shù)為316,博文內(nèi)容多與家庭親子互動相關(guān)。其觀點為“幼兒園什么都不教,上小學進度又太快,孩子根本不適應(yīng)。還是建議大班開始慢慢有些過渡的好,或者一年級剛開始進度不要太快?！边@一觀點在該話題下獲得了三萬四千多人的點贊,成為此次網(wǎng)絡(luò)民意的代表觀點,表現(xiàn)出對條例內(nèi)容的質(zhì)疑以及相應(yīng)匹配措施落實的要求。

五、討論

(一)網(wǎng)絡(luò)民意形成的機制探索

《學前教育法草案》第39條在網(wǎng)絡(luò)平臺上引發(fā)了大量網(wǎng)民的關(guān)注與討論。從決策態(tài)度、表達方式、代表觀點三方面的綜合結(jié)果來看,網(wǎng)絡(luò)評論中有部分理性建言,但在確保決策方向正確的前提下,網(wǎng)絡(luò)民意的“一邊倒”態(tài)勢值得深思。本部分擬從網(wǎng)絡(luò)民意的聚合機制以及負性情感偏向的形成機制兩方面入手,探討該決策下負向網(wǎng)絡(luò)民意的形成,以減少輿論的盲目性和隨意性,助力公共決策的推行和公共管理工作的開展。

1．網(wǎng)絡(luò)民意的聚合機制。網(wǎng)絡(luò)平臺上民意客體的熱度影響因素對社會民眾的刺激量變積累達到一定的質(zhì)變臨界值,會使民眾產(chǎn)生應(yīng)激反應(yīng),觸發(fā)民眾的傳播意愿[25]。其中,網(wǎng)絡(luò)平臺上民意客體的熱度影響因素包括議題的公共性與敏感性[26]。第一,當議題的公共性越高,影響范圍越廣,觸發(fā)量變積累的可能性就越大。學前教育是基礎(chǔ)教育的重要組成部分,是我國學校教育和終身教育的奠基階段,其公共性程度不言而喻。有學者認為,如果將幼兒園、小學、中學以及大學這四級教育按公共性質(zhì)進行劃分,那么學前教育應(yīng)當是各級中社會受益面最廣、公共性最強的一項社會公共事業(yè)[27]。學前教育領(lǐng)域決策過程涉及的群體十分廣泛,微博話題評論者幾乎都是該事件直接或間接的利益相關(guān)者,密切地關(guān)注著該領(lǐng)域的改革動向,表達著自己的意見看法。

議題的敏感性在觸發(fā)因素中最具影響力,與網(wǎng)絡(luò)民意的強度有直接關(guān)系。在學前教育領(lǐng)域中,公辦園民辦園的教育資源問題、各地區(qū)的教育機會問題具有敏感性[28]。不少網(wǎng)友借助微博平臺,質(zhì)疑該決策對私立幼兒園的制約程度。在我國學前教育改革的過程中,由于缺乏配套的經(jīng)費支撐,政府將學前教育簡單地推向了市場。私立幼兒園應(yīng)運而生且飛速成長。當前,學前教育界雖然存在多主體辦園的多元化特色,但卻呈現(xiàn)出雜亂無章的景象,引發(fā)民眾擔憂。同時,地區(qū)教育質(zhì)量不平衡的問題在決策過程中也觸及民眾的敏感神經(jīng)。有網(wǎng)友表示,我國幅員遼闊,區(qū)域、城鄉(xiāng)存在發(fā)展不平衡不充分現(xiàn)象,欠發(fā)達地區(qū)存在教育規(guī)模發(fā)展不盡如人意、教師素質(zhì)水平不高、教育經(jīng)費投入不足等問題。如果按照“一刀切”的方式去糾正幼兒園超前教育的做法,實質(zhì)上是對幼兒教師提出更高的要求,教師需要具備極高的素質(zhì)。但十分明確的是,當前欠發(fā)達地區(qū)教師的專業(yè)素養(yǎng)和綜合素質(zhì)還不足以實現(xiàn)禁止超前教育工作背后的初衷。

2．負性情感偏向的形成機制。當前民眾對禁止超前教育這一條例形成負向情感聯(lián)盟是多方因素綜合的結(jié)果。本文將從心理噪聲、沉默螺旋效應(yīng)和極化機理三個方面討論網(wǎng)絡(luò)平臺上民眾負向情感偏向形成的機制。

第一,心理噪聲意指網(wǎng)絡(luò)民意主體思維定勢以及偏見成見等影響網(wǎng)絡(luò)民意聚合的因素。該議題下社會民眾的心理噪聲主要表現(xiàn)為民眾對學前教育認識不清。隨著我國經(jīng)濟的發(fā)展,雖然《幼兒園教育指導綱要》明確指出,幼兒園的職能是保教并重,但民眾對于幼兒園的期盼與要求逐步從“保育”轉(zhuǎn)向“教育”,從“教育”轉(zhuǎn)向“高質(zhì)量的教育”,僅提供看護、托幼服務(wù)的幼兒園已經(jīng)逐步淡出民眾的視野。當幼兒園“保教并重”的職能弱化,多數(shù)家長將幼兒園當作基礎(chǔ)教育的一部分以供下一學段衡量檢驗,幼兒園超前教育就自然而然成為十分正常甚至正確的事情。對于學前教育階段如此的解讀是造成眾多網(wǎng)絡(luò)民眾對《學前教育法草案》第39條持負向態(tài)度的重要原因。

第二,“沉默的螺旋”假說認為人們在表達自己的觀點時如果遇到自己贊成的且廣受歡迎的觀點,就會積極參與進來,而對于少數(shù)人持有的觀點,即使自己贊成,也會有很大可能選擇保持沉默。這將引起“優(yōu)勢意見大聲疾呼”以及“劣勢意見沉默不語”,這種螺旋式的擴張過程推動社會生活中具有壓倒性優(yōu)勢的“多數(shù)意見”——輿論的誕生。輿論的力量來源于人的社會本質(zhì),來源于個人對被孤立的恐懼,來源于個人對和諧人際關(guān)系的尋求[29]。從上文對意見領(lǐng)袖的探究結(jié)果來看,民意的代表觀點表現(xiàn)出對該條例內(nèi)容的質(zhì)疑與對配套改革措施施行的要求。當民眾看到類似觀點熱度很高且受到追捧,就會積極參與討論使其向更大范圍擴散,形成壓倒性優(yōu)勢。與此相反,為了避免被數(shù)量眾多的“主流意見”持有者群起而攻之,對該條例表示支持的網(wǎng)絡(luò)民眾選擇了沉默。

第三,桑斯坦指出在群體中進行決策時,民眾往往會比個人決策時更傾向于冒險或保守,向極端傾斜從而背離最佳決策。與他人進行邏輯論戰(zhàn)或面臨挑釁時,部分成員的論點闡述會變得具有防御性甚至走向極端[30]。有類似的觀點認為,經(jīng)由討論所形成的群體態(tài)度會比討論之前的個人態(tài)度的平均值更趨向極端[31]。隨著信息技術(shù)的發(fā)展,科諾弗等認為互聯(lián)網(wǎng)加劇了“群體極化”現(xiàn)象,大數(shù)據(jù)環(huán)境下的多媒體通道使得信息的傳播速度和效果得到極大的增強,更容易迎合社會民眾在網(wǎng)絡(luò)討論參與過程中的偏好,同時,相較于傳統(tǒng)媒體,社交平臺上的觀點聚合態(tài)勢很難得到控制,網(wǎng)絡(luò)民意客體細微的變化也會在蝴蝶效應(yīng)的作用下引發(fā)難以預測的網(wǎng)絡(luò)民意主體的觀點演化[32]。借助網(wǎng)絡(luò)平臺的自由發(fā)聲,民眾為了突出自己的決策感受而采用情緒化的表達方式,以強勢的觀點內(nèi)容對其他進入討論場域的圍觀者造成壓迫感,以致網(wǎng)絡(luò)平臺中的其他聲音日漸式微以致退縮。正如桑斯坦所指出的,“真實世界的互動通常迫使我們處理不同的東西,虛擬世界卻偏向同質(zhì)性,地緣的社群將被取代,轉(zhuǎn)變成依利益或興趣來結(jié)合的社群。[33]”

(二)網(wǎng)絡(luò)民意的治理策略

網(wǎng)絡(luò)民意對于公共決策而言具有雙刃劍的性質(zhì),決策過程中的民意收集、評估功能有利于公共決策的公正性與透明度的提高,但不可否認的是,網(wǎng)絡(luò)民意在其聚合過程中不可避免地會出現(xiàn)偏差。因此,政府應(yīng)當通過培養(yǎng)理性意見領(lǐng)袖、發(fā)揮主流媒體功效、提高網(wǎng)絡(luò)民眾素質(zhì)等策略,減少信息輸入的環(huán)節(jié)誤差,保障政策的落地推行。

1．培育理性意見領(lǐng)袖。民意疏導的目的就是為了將非理性的輿情引導到正確的軌道上,其實質(zhì)是引導網(wǎng)絡(luò)民眾改變態(tài)度的過程[34]。在web2．0時代,越來越多的學者發(fā)現(xiàn)網(wǎng)絡(luò)意見領(lǐng)袖在民意疏導過程中的重要性,認為該群體在輿情傳播過程中起著過濾或者中介的作用[35]。當網(wǎng)絡(luò)平臺上出現(xiàn)海量信息時,民眾往往感到無所適從,此時他們會對具有更強流動性與號召力的意見領(lǐng)袖產(chǎn)生強烈依賴感。網(wǎng)絡(luò)意見領(lǐng)袖通過發(fā)表自身看法引導社群成員的認知與行為,形成“媒體——意見領(lǐng)袖——社會民眾”的傳播途徑[36]。為了營造理性的網(wǎng)絡(luò)環(huán)境,政府一方面應(yīng)當培養(yǎng)體制內(nèi)的意見領(lǐng)袖[37],例如讓政協(xié)委員、人大代表等開通微博解讀決策,征求民意,以極具親和力的話語表達方式就政策問題與民眾展開討論；另一方面,應(yīng)當培養(yǎng)議題主持人、評論員、微博大咖等主流意見領(lǐng)袖,與他們建立積極的雙向互動交流,借助網(wǎng)絡(luò)社交平臺反復討論,厘清決策細節(jié),成為推動改革的傳聲筒。例如,在此突發(fā)的公共衛(wèi)生事件當中,鐘南山、張文宏等意見領(lǐng)袖以其專業(yè)的知識與水平,積極向大眾宣傳抗疫主流思想,對民眾存在的疑慮給予解答,成為了政府與民眾之間信息交流的紐帶。

2．發(fā)揮主流媒體功效。主流媒體一般具有品牌力、權(quán)威性[38],來自主流媒體的權(quán)威聲音和深度報道具有較高關(guān)注度。在有關(guān)熱點事件的報道中,雖然主流媒體的報道速度較網(wǎng)絡(luò)媒體與自媒體稍慢一些,但勝在更客觀、更理性、更深度。當熱點話題經(jīng)過社交媒體“人云亦云”的多級傳播后,主流媒體就成為輿論場地的核心,其深度理性的報道就成為引導民意走向的關(guān)鍵[39]。2016年我國“媒體公信力調(diào)查”的結(jié)果顯示,電視仍是公信力最強的媒體。因此,政府對新政策的宣傳不應(yīng)忽視主流媒體的正向作用,將主流媒體作為政府政策制定過程中的重要話語平臺來打破沉默的螺旋效應(yīng)。主流媒體應(yīng)當正確評估網(wǎng)絡(luò)輿情的發(fā)展并冷靜處理民眾情緒,認識網(wǎng)絡(luò)社會的發(fā)展特點,用有效的論證以及導向性的言論來刺激沉默一方的潛在信息需求并產(chǎn)生相應(yīng)的信息行為,避免觀點向一方傾斜。在公共決策過程中,如果主流媒體能夠及時檢視網(wǎng)絡(luò)民眾的言論方向,與網(wǎng)絡(luò)媒體進行適時的互動交流,以權(quán)威發(fā)布主導網(wǎng)絡(luò)議題,就能及時凝聚人心、把握話語權(quán)。

3．提高網(wǎng)絡(luò)民眾素質(zhì)。在網(wǎng)絡(luò)民意聚合的過程,民眾的素質(zhì)高低與信息傳播過程中情勢的走向息息相關(guān),民眾的素質(zhì)越高,就越能制約民意聚合過程中極化現(xiàn)象的發(fā)生與負面影響的傳播[40]。同時,網(wǎng)絡(luò)具有虛擬性、匿名性等特點,基于共享互惠原則建立起來的虛擬網(wǎng)絡(luò)社會很難實現(xiàn)直面的道德輿論抨擊,網(wǎng)絡(luò)個體的道德自律成為正常的倫理關(guān)系得以維系的重要保障。鑒于此,在公共決策過程中要想實現(xiàn)網(wǎng)絡(luò)民意的價值最大化,保障民眾在決策參與過程中的實效性,一方面必須提高網(wǎng)絡(luò)民眾的參與素質(zhì)。較高的素質(zhì)使民眾在參與公共決策過程中更加理性與謹慎,這能夠有效緩解極化現(xiàn)象,營造良好的網(wǎng)絡(luò)民眾建言環(huán)境；另一方面,必須提高網(wǎng)絡(luò)民眾的媒介素養(yǎng)。媒介素養(yǎng)不僅包括獲取媒介信息必要的技能技巧,還包括在與媒介接觸過程中選擇、解讀、評價信息的能力[41],精神層面的升華才能使網(wǎng)民與媒介的關(guān)系從被動變?yōu)橹鲃印Ｔ趨⑴c公共決策的過程中,只有網(wǎng)絡(luò)民眾在輿論場的聚合過程中能夠?qū)Σ煌^點進行合理分析,才有可能降低極端思潮出現(xiàn)的概率,減輕極化現(xiàn)象帶來的負面效應(yīng)。

4．對話網(wǎng)絡(luò)民眾。黨的十九大報告指出“建設(shè)人民滿意的服務(wù)型政府”,這一要求表示政府的工作思想由權(quán)威本位轉(zhuǎn)向公民本位,將這種理念應(yīng)用于網(wǎng)絡(luò)民意與公共決策的現(xiàn)實互動中,即表現(xiàn)為公民主導應(yīng)是日后我國公共決策的發(fā)展方向。但是,公民主導絕不意味著當決策處于廣泛質(zhì)疑聲中時,政府將所有權(quán)利讓渡于民,一味地順從民意而不爭取民意,對政策的科學性不予以充分的解釋與回應(yīng)而直接草率地停止決策。如果采取這種方式,其實質(zhì)是讓決策成為民意的奴仆,這同樣是對民眾不負責任的做法。對于政府而言,面對民眾的負性情感表達,首先應(yīng)當給予民意釋放以足夠的時間與空間。任何在民意尚未發(fā)泄充分的情況下進行宣傳與輿論引導的做法都只會引起新一輪的質(zhì)疑。經(jīng)過時間沉淀后,政府應(yīng)當積極地與民眾保持對話的態(tài)度,以平民化的視角去解釋剖析決策的科學性與合理性,在互動中達成平衡,推動公共決策的落地。例如,PX項目在漳州的成功實行就能充分證明政府解釋決策、對話民眾的重要性。立足于傳播訴求與傳播效果的一致性,在新時代背景下決策主體應(yīng)當善用雙向互動與坦誠交流的邏輯理性,以實現(xiàn)以人為本的價值內(nèi)核。