大數(shù)據(jù)環(huán)境下突發(fā)公共事件網(wǎng)絡(luò)輿情影響力生成機(jī)理研究
—— 基于模糊集定性比較分析

史建強(qiáng) 劉東郎

（云南財(cái)經(jīng)大學(xué)國際工商學(xué)院,云南 昆明 650000）

1 引言

根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的第48次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》中的有關(guān)數(shù)據(jù)，截至2021年6月，我國網(wǎng)民規(guī)模達(dá)到10.11億，互聯(lián)網(wǎng)普及率達(dá)到71.6%[1]。隨著互聯(lián)網(wǎng)信息技術(shù)的深入普及和廣泛應(yīng)用，網(wǎng)絡(luò)因其傳播速度快、成本低廉、自主性強(qiáng)等特點(diǎn)，不僅成了突發(fā)公共事件危機(jī)信息傳播和社會公眾相關(guān)訴求表達(dá)的重要途徑，更推動(dòng)了突發(fā)公共事件網(wǎng)絡(luò)輿情的生成和發(fā)展，以海量數(shù)據(jù)容量、流動(dòng)快、高信息分散度、價(jià)值密度低等為主要特征的大數(shù)據(jù)輿情時(shí)代隨之到來[2]?！吨袊伯a(chǎn)黨第十九屆中央委員會第五次全體會議公報(bào)》提出了“十三五”期間國家治理體系和治理能力現(xiàn)代化加速推進(jìn)，取得巨大成就，防范化解重大風(fēng)險(xiǎn)體制機(jī)制不斷健全，突發(fā)公共事件應(yīng)急能力顯著增強(qiáng)，在“十四五”期間，要繼續(xù)提升國家治理效能，完善共建共治共享的社會治理制度，加強(qiáng)國家安全體系和能力建設(shè)[3]。網(wǎng)絡(luò)安全治理現(xiàn)代化是新時(shí)代國家治理體系和治理能力現(xiàn)代化發(fā)展的客觀要求，而網(wǎng)絡(luò)輿情作為社情民意的真實(shí)反映，是網(wǎng)絡(luò)安全治理的重要內(nèi)容。突發(fā)公共事件具有復(fù)雜性、突發(fā)性、不確定性和社會性等典型特征，極易引發(fā)網(wǎng)絡(luò)輿情的產(chǎn)生，但是海量的網(wǎng)上數(shù)據(jù)難以掌控，大量相關(guān)性、偶然性因素使輿情更加復(fù)雜多變，使真正真實(shí)、有效、有價(jià)值的數(shù)據(jù)占比很少[4]，因此在新的時(shí)代背景下，探究突發(fā)事件網(wǎng)絡(luò)輿情高影響力生成的核心條件和條件組成路徑，對理解和分析突發(fā)事件輿情的傳播邏輯、治理邏輯有著重要意義，能夠?yàn)閲抑卫眢w系和治理能力現(xiàn)代化建設(shè)做出貢獻(xiàn)。

2 前期研究

2.1 國內(nèi)外針對大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)輿情的研究

在大數(shù)據(jù)時(shí)代，如何快速對海量的輿情信息進(jìn)行提取、分析，為決策者提供決策支持，是當(dāng)下研究的熱點(diǎn)，眾多學(xué)者提出了利用大數(shù)據(jù)處理相關(guān)技術(shù)從海量的輿情信息中提取有價(jià)值信息，提供決策支持。在信息采集技術(shù)方面，眾多研究主要使用網(wǎng)絡(luò)爬蟲程序和網(wǎng)站API接口進(jìn)行輿情信息的采集。比如王金峰等（2019）利用網(wǎng)絡(luò)爬蟲和新浪微博官方API接口相結(jié)合的信息采集技術(shù)進(jìn)行輿情信息的爬取、收集和儲存[5]。其次，眾多學(xué)者將Single-pass聚類算法、SVM算法等應(yīng)用于網(wǎng)絡(luò)輿情目標(biāo)話題的發(fā)現(xiàn)與跟蹤，通過聚類將輿情信息匯總返回，并提供事件傳播軌跡。比如方星星等（2014）提出對新聞事件進(jìn)行話題識別和跟蹤，使用Single-pass聚類算法，從文本聚類的精度和時(shí)效方面來進(jìn)行漏檢率、誤檢率和耗費(fèi)函數(shù)等的算法改進(jìn)，取得顯著成果[6]。在網(wǎng)絡(luò)輿情數(shù)據(jù)的分析和計(jì)算方面，快速處理分析數(shù)據(jù)是一個(gè)重點(diǎn)需求，Hadoop因其高擴(kuò)展性和高效性成為目前用來解決大數(shù)據(jù)處理的主流工具。諶志華（2017）提出建立一種使用Hadoop平臺進(jìn)行數(shù)據(jù)處理，使用HDFS分布式文本系統(tǒng)儲存數(shù)據(jù)，使用MapReduce技術(shù)進(jìn)行數(shù)據(jù)分析的網(wǎng)絡(luò)輿情分析系統(tǒng)，可以滿足處理海量輿情數(shù)據(jù)的需求[7]。網(wǎng)絡(luò)輿情的預(yù)警是數(shù)據(jù)處理分析后的重要環(huán)節(jié)，涵蓋了網(wǎng)絡(luò)輿情的早期預(yù)警、中期引導(dǎo)溝通和后期的評估總結(jié)。李金海（2014）基于大數(shù)據(jù)思想構(gòu)建網(wǎng)絡(luò)輿情的文本挖掘模塊，對關(guān)系型數(shù)據(jù)庫和分布式數(shù)據(jù)庫進(jìn)行了融合，并建立了評估預(yù)警模型[8]。

2.2 國內(nèi)外針對突發(fā)公共事件網(wǎng)絡(luò)輿情的研究

已有的突發(fā)公共事件的網(wǎng)絡(luò)輿情研究選用多種方法從多個(gè)角度展開。在突發(fā)公共事件和網(wǎng)絡(luò)輿情的關(guān)系研究中，眾多學(xué)者提出突發(fā)公共事件和網(wǎng)絡(luò)輿情的聯(lián)系越來越緊密，比如學(xué)者Savigny提出突發(fā)公共事件極易造成網(wǎng)絡(luò)輿情的產(chǎn)生，而網(wǎng)絡(luò)媒介逐漸代替?zhèn)鹘y(tǒng)媒介成了網(wǎng)絡(luò)輿情傳播的重要渠道，推動(dòng)突發(fā)公共事件的進(jìn)一步發(fā)展。其次，眾多學(xué)者選擇從典型案例的個(gè)案角度出發(fā)，進(jìn)行突發(fā)事件網(wǎng)絡(luò)輿情的相關(guān)研究。如徐選華等以“8·12天津港爆炸”為背景案例進(jìn)行分析，利用TF-IDF算法提取并量化風(fēng)險(xiǎn)感知，建立大群體應(yīng)急決策質(zhì)量打分函數(shù)來衡量不同階段的應(yīng)急決策質(zhì)量[9]；陽劍蘭等（2019）選取重慶“10· 28”公交車墜江事件，基于兩類風(fēng)險(xiǎn)源事故致因理論，從“安全閥理論”視角分析司乘沖突突發(fā)事件的危險(xiǎn)源，聚焦突發(fā)公共事件的應(yīng)急管理[10]。在突發(fā)公共事件網(wǎng)絡(luò)輿情影響因素方面的研究中，眾多學(xué)者提出突發(fā)事件網(wǎng)絡(luò)輿情研究是涉及多主體共同影響的復(fù)雜議題，袁國平（2015）等運(yùn)用系統(tǒng)動(dòng)力學(xué)考察了事件公共度、事件敏感度、網(wǎng)民質(zhì)疑度和政府公信力四個(gè)方面對突發(fā)事件網(wǎng)絡(luò)輿情熱度的影響[11]，李明等（2020）基于信息生態(tài)視角，運(yùn)用清晰集定性比較方法探究事件信息、發(fā)布主體、信息受眾、信息技術(shù)及信息環(huán)境五個(gè)解釋變量對突發(fā)事件網(wǎng)絡(luò)輿情的組態(tài)影響[12]。

2.3 國內(nèi)外相關(guān)研究總結(jié)

總體看來這些研究有以下兩點(diǎn)特征：首先，多是借用一些理論和模型對網(wǎng)絡(luò)輿情的演化規(guī)律進(jìn)行探析，突出大數(shù)據(jù)的技術(shù)優(yōu)勢和治理方法，但想要真正實(shí)現(xiàn)有效治理就不能僅以技術(shù)治理而論；其次，多個(gè)研究成果是對單個(gè)案例進(jìn)行探究，單個(gè)案例的研究局限在于其結(jié)論具有特殊性，難以推廣。現(xiàn)有文獻(xiàn)給本文研究提供了很好的借鑒，但當(dāng)下對大數(shù)據(jù)環(huán)境下的網(wǎng)絡(luò)輿情治理研究仍有值得拓展的空間：一是突發(fā)公共事件的網(wǎng)絡(luò)輿情影響因素的研究；二是基于多案例的突發(fā)事件網(wǎng)絡(luò)輿情多種影響因素之間相互組態(tài)作用的研究?；诖?，本文擬通過48起突發(fā)公共事件案例，采用模糊集定性比較分析方法，探討大數(shù)據(jù)環(huán)境下突發(fā)公共事件網(wǎng)絡(luò)輿情高影響力生成的前因條件及條件組合路徑。

3 大數(shù)據(jù)環(huán)境下突發(fā)事件網(wǎng)絡(luò)輿情定性比較分析

3.1 研究方法

定性比較分析方法（Qualitative Comparative Analysis，QCA）是由社會學(xué)家查爾斯·拉金（Charles C.Ragin）于1987年率先提出的，組態(tài)視角和QCA方法作為一種新興研究范式，能夠很好地解決復(fù)雜組態(tài)問題，被廣泛應(yīng)用于社會學(xué)、管理學(xué)等領(lǐng)域。QCA對本研究具有適用性，首先，QCA是以多案例為導(dǎo)向，立足于組態(tài)視角，探究條件組合路徑與研究對象的因果關(guān)系的一種研究方法，在本研究中，QCA方法可以反映出突發(fā)公共事件發(fā)生后，影響因素之間的哪些組合路徑能夠?qū)е缕渚W(wǎng)絡(luò)輿情高影響力的生成；其次，本文采用模糊集定性比較分析（fsQCA）對所收集的突發(fā)事件案例進(jìn)行系統(tǒng)比較分析，原因在于現(xiàn)實(shí)中的突發(fā)事件在變量賦值時(shí)很難通過“0”或“1”的二分取值法準(zhǔn)確界定，而模糊集定性比較分析運(yùn)用多取值校準(zhǔn)法能夠更為精準(zhǔn)地反映案例在所屬集合的隸屬度，進(jìn)而根據(jù)多因素組合構(gòu)型得出科學(xué)性結(jié)論。

3.2 突發(fā)事件案例選擇

本文的案例來源于知微事見平臺，知微事見平臺基于互聯(lián)網(wǎng)大數(shù)據(jù)理念和技術(shù)，對中國社會近年來特別是正在發(fā)生的熱點(diǎn)事件進(jìn)行收錄、分析，平臺對全部事件進(jìn)行體系化的分類儲存，對各類事件各個(gè)維度進(jìn)行全方位的展示，在網(wǎng)絡(luò)輿情的研究領(lǐng)域中，已有眾多學(xué)者選取知微事見平臺作為研究案例庫，平臺公信度較高。本文以近年來知微事見平臺收集的突發(fā)熱點(diǎn)事件為基礎(chǔ)案例庫，同時(shí)輔以百度指數(shù)、新浪微博、清博輿論、蟻坊軟件等網(wǎng)站或數(shù)據(jù)庫進(jìn)行事件案例補(bǔ)充。首先，選取2019—2021年3年間的60件典型案例作為研究的備選案例庫。其次，根據(jù)以下設(shè)定原則篩選，確定典型案例庫：（1）典型性；（2）多樣性；（3）階段性；（4）全面性。最后對案例支撐材料進(jìn)行搜索、擴(kuò)充和整理，最終確定48個(gè)案例，形成最終案例庫，部分案例如表1所示。

表1 突發(fā)事件部分案例

3.3 變量設(shè)計(jì)與賦值

當(dāng)下，不同的研究者針對大數(shù)據(jù)環(huán)境下突發(fā)公共事件網(wǎng)絡(luò)輿情的指標(biāo)體系建立可分為面向傳播和面向內(nèi)容兩個(gè)方面，比如蓮芷萱等（2018）從事件類型與輿情特征兩個(gè)維度出發(fā)，建立了K-means聚類分析模型的指標(biāo)體系[13]；鄭玄等（2021）根據(jù)網(wǎng)絡(luò)謠言的生成、發(fā)展和擴(kuò)散機(jī)制，建立了大數(shù)據(jù)時(shí)代謠言傳播力影響指標(biāo)[14]。本文借鑒前人的研究成果以及目前一些權(quán)威輿情軟件上的實(shí)時(shí)數(shù)據(jù)特征，建立本文研究變量。

第一，解釋變量。結(jié)合相關(guān)文獻(xiàn)與相關(guān)經(jīng)驗(yàn)，本文從事件敘述、事件傳播、網(wǎng)絡(luò)平臺、事件類別四個(gè)維度出發(fā)，確定了突發(fā)公共事件類型、網(wǎng)民關(guān)注度、媒體關(guān)注度、時(shí)間分布度、網(wǎng)絡(luò)分布度、輿情爆發(fā)強(qiáng)度和平臺影響力7個(gè)解釋變量。具體說明如下：

（1）事件敘述維度：事件信息敘述特征是描述輿情質(zhì)量的指標(biāo)。事件信息敘述特征主要是從受眾的角度上描述公眾對輿情事件的關(guān)注程度與認(rèn)知水平，從事件關(guān)注度上看，由于商家炒作、媒體有意引導(dǎo)、網(wǎng)絡(luò)推手等人為作用的存在，造成不少輿情的虛熱。故本文從媒體、網(wǎng)民兩個(gè)角度出發(fā)，構(gòu)建網(wǎng)絡(luò)關(guān)注度、網(wǎng)民關(guān)注度兩個(gè)解釋變量。

（2）事件傳播維度：信息傳播特征是衡量輿情傳播規(guī)模、爆發(fā)速度的指標(biāo)，重在描述已經(jīng)形成的網(wǎng)絡(luò)輿論環(huán)境的影響[13]。從輿情流通量和流通率出發(fā)，本文構(gòu)建時(shí)間分布度、媒體傳播度和輿情爆發(fā)強(qiáng)度3個(gè)解釋變量。

（3）網(wǎng)絡(luò)平臺維度：信息平臺特征，主要描述某網(wǎng)絡(luò)輿情爆發(fā)的環(huán)境特性[13]。以微博、微信為主的自媒體平臺是網(wǎng)民獲取突發(fā)公共事件信息、傳播信息的重要平臺，逐漸成為網(wǎng)絡(luò)輿情的引爆者，不同的平臺有其不同的受眾群體，其觀點(diǎn)態(tài)度、影響能力為輿情擴(kuò)散奠定基調(diào)，因此構(gòu)建平臺影響力解釋變量。

（4）事件類別維度：對于突發(fā)公共事件而言，不同的分類角度可以劃分出不同的標(biāo)準(zhǔn)，常用的分類標(biāo)準(zhǔn)根據(jù)突發(fā)公共事件的發(fā)生過程、性質(zhì)和機(jī)理進(jìn)行劃分。本文根據(jù)國務(wù)院頒布的《國家突發(fā)公共事件總體應(yīng)急預(yù)案》中對于突發(fā)公共事件的分類標(biāo)準(zhǔn)，將突發(fā)公共事件分為以下四類：事故災(zāi)難事件、社會安全事件、公共衛(wèi)生事件、自然災(zāi)害事件。

第二，被解釋變量。本研究將突發(fā)公共事件網(wǎng)絡(luò)輿情影響力指數(shù)作為被解釋變量。本研究參考李晚蓮等[16]（2020）關(guān)于突發(fā)公共事件網(wǎng)絡(luò)輿情熱度結(jié)果的數(shù)據(jù)指標(biāo)設(shè)定，選取大數(shù)據(jù)輿情監(jiān)測平臺知微事見上突發(fā)公共事件的影響力指數(shù)作為被解釋變量。此項(xiàng)數(shù)據(jù)指標(biāo)是由事件持續(xù)時(shí)間內(nèi)網(wǎng)絡(luò)渠道上的累計(jì)傳播效果進(jìn)行加和，并歸一化為0～100之間的指數(shù)所得。同時(shí)，對于選定的事件案例均通過百度指數(shù)平臺進(jìn)行查詢、對比，最終確定被解釋變量的合理性。

數(shù)據(jù)校準(zhǔn)與賦值：模糊集定性比較分析在數(shù)據(jù)分析前需進(jìn)行數(shù)據(jù)校準(zhǔn)，即設(shè)定三個(gè)定性的錨點(diǎn)，包括完全隸屬點(diǎn)、交叉點(diǎn)和完全不隸屬點(diǎn)，將所有案例數(shù)據(jù)標(biāo)準(zhǔn)化轉(zhuǎn)換至0～1之間，以判定賦值后案例的取向[15]。本研究的數(shù)據(jù)校準(zhǔn)采用“四值模糊集校準(zhǔn)法”，根據(jù)案例在解釋變量和被解釋變量的隸屬程度高低進(jìn)行“0-0.33-0.67-1”四等分差校準(zhǔn)，其中1=完全隸屬，0.67=偏隸屬，0.33=偏不隸屬，0=完全不隸屬。具體賦值標(biāo)準(zhǔn)見表2。

表2 賦值標(biāo)準(zhǔn)

3.4 真值表構(gòu)建

根據(jù)模糊集定性比較分析步驟，在對變量進(jìn)行設(shè)置與賦值后，需對案例進(jìn)行編碼匯總，構(gòu)建真值表。真值表的原理是通過布爾代數(shù)來考察結(jié)果是否發(fā)生時(shí)的具體狀態(tài)，進(jìn)而得出組合條件在多大程度上影響結(jié)果的發(fā)生或不發(fā)生。本研究真值表如表3所示。

表3 真值表

4 研究結(jié)果與分析

4.1 單變量必要性分析

在模糊集定性比較分析中，首先要進(jìn)行單個(gè)前因變量的必要性分析，可以找出能夠?qū)е陆Y(jié)果發(fā)生的必要條件，進(jìn)而找出能夠?qū)е陆Y(jié)果發(fā)生的核心條件。其中一致性（Consistency）大于0.8時(shí)，可看作此單一變量存在，能作為結(jié)果變量的充分條件；一致性大于0.9時(shí)，能作為結(jié)果變量的必要條件；覆蓋率（Coverage）代表前因變量對于結(jié)果變量的覆蓋程度；“～”代表前因變量的相反值，即不存在。將案例數(shù)據(jù)導(dǎo)入到fsQCA3.0軟件，結(jié)果如表4所示，網(wǎng)民關(guān)注度（A）、網(wǎng)絡(luò)關(guān)注度（B）、媒體傳播度（D）和事件爆發(fā)強(qiáng)度（E）的一致性大于0.8，被視為事件高影響力生成的充分條件。在單變量的必要性分析中，沒有任何單變量的一致性檢測值大于0.9，據(jù)此可以得知，單個(gè)前因變量對于結(jié)果變量的解釋力較弱，即各單個(gè)變量均無法解釋結(jié)果變量的生發(fā)條件，因此本文將從多變量的組合視角探究條件組態(tài)對結(jié)果變量的影響。

表4 條件變量對結(jié)果變量的影響

4.2 條件構(gòu)型分析

QCA分析結(jié)果為研究者提供了簡單解、復(fù)雜解和中間解3種條件構(gòu)型解，其中簡單解納入全部邏輯余項(xiàng)運(yùn)算（沒有實(shí)事案例對應(yīng)的組態(tài)稱為邏輯余項(xiàng)），復(fù)雜解不納入邏輯余項(xiàng)運(yùn)算，中間解納入部分有意義的邏輯余項(xiàng)運(yùn)算，一般認(rèn)為中間解為QCA分析中較優(yōu)的解。在fsQCA3.0軟件中，將案例閾值設(shè)置為默認(rèn)值1、一致性閾值設(shè)置為默認(rèn)值0.8進(jìn)行組態(tài)運(yùn)算，最終得到突發(fā)公共事件網(wǎng)絡(luò)輿情高影響力生成的條件組合路徑如表5所示。

表5 突發(fā)公共事件網(wǎng)絡(luò)輿情高影響力生成的條件組合路徑

突發(fā)公共事件網(wǎng)絡(luò)輿情高影響力生成的條件組合路徑共有7條，其中解的覆蓋度（solution coverage）為0.848 75，解的一致性（solution consistency）為0.897 357，說明這些條件路徑的組合可以解釋大約85%的高事件影響力生成結(jié)果，具有較高的解釋力。

從表5可以看出，路徑一和路徑二是突發(fā)公共事件網(wǎng)絡(luò)輿情高影響力的核心路徑，它們的原覆蓋度都超過了40%[16]。通過對核心路徑的整合，可以將得到的突發(fā)公共事件網(wǎng)絡(luò)輿情高影響力生成公式簡化為“網(wǎng)絡(luò)輿情影響力=A*B*(C+D)*E*F”。從簡化后的公式可以看出，網(wǎng)民關(guān)注度、網(wǎng)絡(luò)關(guān)注度、事件爆發(fā)強(qiáng)度和平臺影響力雖然在單一變量的必要性分析結(jié)果中不是突發(fā)公共事件網(wǎng)絡(luò)輿情高影響力生成的必要條件，但在條件組合路徑中發(fā)揮了核心條件的作用。其余條件路徑的原覆蓋度雖然都沒有超過40%，但與核心條件路徑相比，都增加了G（事件屬性）這一前因變量，說明在一定數(shù)量的案例中，事件屬性對輿情高影響力推動(dòng)具有重要作用。下面將通過本文案例庫結(jié)合代表性條件構(gòu)型進(jìn)行詳細(xì)分析。

經(jīng)典構(gòu)型：“A*B*（C+D）*E*F”即“網(wǎng)民關(guān)注度*網(wǎng)絡(luò)關(guān)注度*（時(shí)間分布度+媒體傳播度）*事件爆發(fā)強(qiáng)度*平臺影響力”。經(jīng)典構(gòu)型的網(wǎng)絡(luò)輿情生成機(jī)理表示突發(fā)公共事件發(fā)生后，相關(guān)咨詢、報(bào)道借助高影響力的微博、微信自媒體和其他網(wǎng)絡(luò)自媒體傳播效果顯著，事件爆發(fā)強(qiáng)度較大。有些事件在持續(xù)時(shí)間內(nèi)，報(bào)道的相關(guān)信息的傳播均速維持在較高的水平，引發(fā)了較高的網(wǎng)民關(guān)注度；還有一些事件持續(xù)時(shí)間長，雖然其持續(xù)期間相關(guān)信息的傳播均速低，但也引發(fā)了網(wǎng)民的持續(xù)關(guān)注，突發(fā)事件網(wǎng)絡(luò)輿情呈高影響力的生發(fā)態(tài)勢。如本研究樣本中武漢宣布“封城”事件和武漢多地發(fā)生新型冠狀病毒感染的肺炎疫情是此構(gòu)型組合的典型代表。前者事件持續(xù)時(shí)間較短，但在短時(shí)間內(nèi)爆發(fā)強(qiáng)度較大，事件持續(xù)期間相關(guān)報(bào)道的傳播峰值達(dá)到了1 238條/小時(shí)，在該事件發(fā)生當(dāng)天的事件輿論場中傳播峰值排名第二，引發(fā)了公眾和網(wǎng)絡(luò)媒體關(guān)注的信息風(fēng)暴；后者事件持續(xù)時(shí)間較長，引發(fā)了網(wǎng)民和媒體的持續(xù)關(guān)注，推動(dòng)事件網(wǎng)絡(luò)輿情影響力的上升。

網(wǎng)民驅(qū)動(dòng)構(gòu)型：“A*～B*（C+～D）*～E*～F*G”即“網(wǎng)民關(guān)注度*～網(wǎng)絡(luò)關(guān)注度*（時(shí)間分布度+～媒體傳播度）*～事件爆發(fā)強(qiáng)度*～平臺影響力*非常規(guī)突發(fā)公共事件類型”。網(wǎng)民驅(qū)動(dòng)型的網(wǎng)絡(luò)輿情影響力的生成機(jī)理表示社會安全類、公共衛(wèi)生類非常規(guī)性突發(fā)公共事件發(fā)生后，相關(guān)咨詢和報(bào)道在自媒體和網(wǎng)絡(luò)媒體上還未爆發(fā)、傳播，但在同一時(shí)期的事件輿論場中，網(wǎng)民對此事件關(guān)注度高，主動(dòng)討論、傳播，推動(dòng)事件網(wǎng)絡(luò)輿情影響力持續(xù)上升，有些事件持續(xù)時(shí)間較長，配合網(wǎng)民的持續(xù)關(guān)注，最終形成高影響力的生發(fā)態(tài)勢。如本研究案例中杭州網(wǎng)約車司機(jī)更改路線乘客跳車事件是網(wǎng)民驅(qū)動(dòng)構(gòu)型的典型代表，此事件發(fā)生后在當(dāng)日網(wǎng)民輿論場排名達(dá)到峰值第1，輿論場占比為22%，更引出了對“網(wǎng)約車行業(yè)監(jiān)管”“性別矛盾”等熱點(diǎn)話題的激烈討論，最終事件呈現(xiàn)高影響力的生發(fā)態(tài)勢。

媒體驅(qū)動(dòng)構(gòu)型：“～A*（～B+B）*～C*(D+～D)*E*～F*G”即“～網(wǎng)民關(guān)注度*～網(wǎng)絡(luò)關(guān)注度*～時(shí)間分布度*媒體傳播度*事件爆發(fā)強(qiáng)度*～平臺影響力*非常規(guī)突發(fā)公共事件類型”，媒體驅(qū)動(dòng)型的網(wǎng)絡(luò)輿情影響力生成機(jī)理表示社會安全類、公共衛(wèi)生類非常規(guī)性突發(fā)公共事件發(fā)生后，一些事件呈現(xiàn)出媒體關(guān)注度低，但事件持續(xù)時(shí)間內(nèi)相關(guān)報(bào)道的平均傳播速度較高，另外一些事件呈現(xiàn)出媒體關(guān)注度高、網(wǎng)絡(luò)分布度較低的特點(diǎn)，這些事件的共同屬性為網(wǎng)民關(guān)注度高、事件爆發(fā)強(qiáng)度大，推動(dòng)事件網(wǎng)絡(luò)輿情影響力呈上升態(tài)勢。如本研究案例庫中昆明劫持人質(zhì)案件和民航總醫(yī)院傷醫(yī)事件是媒體驅(qū)動(dòng)構(gòu)型的典型事件。前者事件持續(xù)期間有40家重要媒體進(jìn)行了報(bào)道，發(fā)生后峰值傳播速度高達(dá)494條/小時(shí)，高媒體傳播度和事件爆發(fā)強(qiáng)度助推該事件影響力上升；后者事件持續(xù)時(shí)間內(nèi)相關(guān)報(bào)道平均傳播速度為14條/小時(shí)，事件發(fā)生后峰值傳播速度高達(dá)452條/小時(shí)，高媒體關(guān)注度和事件爆發(fā)強(qiáng)度助推該事件影響力呈高生發(fā)態(tài)勢。

雙驅(qū)動(dòng)構(gòu)型：“A*B*～C*D*～E*～F*～G”即“網(wǎng)民關(guān)注度*媒體關(guān)注度*～時(shí)間分布度*媒體傳播度*～常規(guī)突發(fā)公共事件類型”。雙驅(qū)動(dòng)構(gòu)型的網(wǎng)絡(luò)輿情影響力生成機(jī)理表示自然災(zāi)害類、事故災(zāi)難類常規(guī)性突發(fā)公共事件發(fā)生后，由于此類事件具有不確定性、突發(fā)性、危害性等特征，存在對人民的生命財(cái)產(chǎn)安全造成損失的可能，因此網(wǎng)民關(guān)注度較高，并且較多的網(wǎng)絡(luò)渠道會進(jìn)行相關(guān)信息的報(bào)道，持續(xù)時(shí)間內(nèi)相關(guān)的咨詢、報(bào)道等傳播速度維持在較高的水平。如本研究案例庫中“青海發(fā)生7.4級地震”是雙驅(qū)動(dòng)構(gòu)型的典型案例，該事件發(fā)生后，青海啟動(dòng)重大地震災(zāi)害Ⅱ級應(yīng)急響應(yīng)，地震所造成的人員傷亡和經(jīng)濟(jì)損失巨大，引發(fā)了網(wǎng)民和媒體的高度關(guān)注，最終生成高影響力輿情。

4.3 穩(wěn)健性檢驗(yàn)

模糊集定性比較分析穩(wěn)定性檢驗(yàn)的方法通常有四種，包括調(diào)高一致性閾值、增加和剔除案例、新增前因條件和提高PRI一致性[17]。結(jié)合已有的研究經(jīng)驗(yàn)，本文采取調(diào)高一致性閾值作為本文的穩(wěn)健性檢驗(yàn)方法，將案例一致性閾值由0.8提升至0.85。穩(wěn)健性檢驗(yàn)結(jié)論顯示，原有結(jié)論與穩(wěn)健性檢驗(yàn)結(jié)論基本一致，數(shù)據(jù)分析的結(jié)果具有穩(wěn)健性。

5 結(jié)論與討論

本研究基于大數(shù)據(jù)環(huán)境視角，對突發(fā)公共事件網(wǎng)絡(luò)輿情的影響力從事件敘述維度、事件傳播維度、網(wǎng)絡(luò)平臺維度、事件類別維度4個(gè)視角出發(fā)，確定了網(wǎng)民關(guān)注度、網(wǎng)絡(luò)關(guān)注度、時(shí)間分布度、媒體傳播度、事件爆發(fā)強(qiáng)度、事件類別7個(gè)數(shù)據(jù)指標(biāo)。在此基礎(chǔ)上運(yùn)用模糊集定性比較分析法對選取的48個(gè)典型案例進(jìn)行分析，旨在發(fā)現(xiàn)影響突發(fā)公共事件網(wǎng)絡(luò)輿情高影響力的生發(fā)條件以及條件構(gòu)型，為相關(guān)部門突發(fā)公共事件的網(wǎng)絡(luò)輿情引導(dǎo)、治理提供參考。通過不同的條件構(gòu)型，結(jié)合數(shù)據(jù)結(jié)果，本研究得出以下結(jié)論：

第一，事件敘述維度、網(wǎng)絡(luò)平臺維度中的前因條件是突發(fā)公共事件網(wǎng)絡(luò)輿情高影響力生成的核心條件。在經(jīng)典構(gòu)型中，事件敘述維度和網(wǎng)絡(luò)平臺維度發(fā)揮了網(wǎng)絡(luò)輿情高影響力生成的核心條件作用。從事件敘述維度來看，網(wǎng)民關(guān)注度在本文數(shù)據(jù)層面使用事件發(fā)生后，單位時(shí)間內(nèi)在整體事件輿論場中的占比體現(xiàn)，反映了網(wǎng)民的表達(dá)意愿和參與事件的解決意識高漲；媒體關(guān)注度體現(xiàn)了網(wǎng)絡(luò)傳播渠道的規(guī)模，大數(shù)據(jù)時(shí)代的到來增強(qiáng)了網(wǎng)絡(luò)媒體行業(yè)間的競爭，突發(fā)公共事件作為社會熱點(diǎn)事件，引發(fā)的媒體大規(guī)模報(bào)道，增強(qiáng)了事件網(wǎng)絡(luò)輿情高影響力的生發(fā)態(tài)勢。從網(wǎng)絡(luò)平臺維度來看，社交自媒體相較于新聞媒體，內(nèi)容更為多樣，數(shù)據(jù)更為繁雜，微博、微信自媒體平臺具備內(nèi)容簡短、流量大、依托熟人圈傳播的特征，“兩微”平臺逐漸成為突發(fā)公共事件相關(guān)信息發(fā)酵和傳播的主要源頭，也是事件網(wǎng)絡(luò)輿情高影響力的重要條件之一。

第二，非常規(guī)性突發(fā)公共事件借助重要網(wǎng)絡(luò)媒體傳播，更容易助推事件網(wǎng)絡(luò)輿情影響力的提升。從媒體驅(qū)動(dòng)構(gòu)型看，非常規(guī)突發(fā)公共事件在持續(xù)時(shí)間內(nèi)，重要媒體關(guān)于事件咨詢、報(bào)道的平均傳播速度維持在較高的水平，而自媒體平臺的影響力較低，凸顯出質(zhì)量新聞媒體的重要性，也體現(xiàn)了非常規(guī)突發(fā)公共事件發(fā)生后，由于其突發(fā)性、不確定性、危害性的特征，相較于自媒體平臺的個(gè)性化結(jié)論對事件網(wǎng)絡(luò)輿情影響力的影響，重要媒體對發(fā)生事件的觀點(diǎn)與報(bào)道更能推動(dòng)事件網(wǎng)絡(luò)輿情影響力的提升。

第三，網(wǎng)民對事件信息選擇性討論、傳播的挑戰(zhàn)，提升突發(fā)公共事件網(wǎng)絡(luò)輿情高影響力生成的可能。從網(wǎng)民驅(qū)動(dòng)來看，出現(xiàn)了“高網(wǎng)民關(guān)注度*低媒體關(guān)注度”的條件構(gòu)型，可以反映出大數(shù)據(jù)環(huán)境下，網(wǎng)民已經(jīng)成突發(fā)公共事件網(wǎng)絡(luò)信息的重要傳播環(huán)節(jié)，其關(guān)注度是能夠反映出事件輿情的發(fā)展態(tài)勢和輿情治理方向的重要指標(biāo)。自媒體網(wǎng)絡(luò)平臺促進(jìn)了信息的開放和傳播的便捷，大數(shù)據(jù)時(shí)代各類數(shù)據(jù)都容易獲得，越來越多的意見領(lǐng)袖、普通網(wǎng)民通過數(shù)據(jù)分析得出的個(gè)性化結(jié)論不僅會無脛而行，而且能夠使輿論的話語權(quán)愈發(fā)分散，一些偏激類觀點(diǎn)會更容易找到“同類”，并相互支撐、強(qiáng)化放大，造成輿情分散，增強(qiáng)事件網(wǎng)絡(luò)輿情管理的難度。

本研究也存在一定的局限性，需要進(jìn)一步的改進(jìn)。首先，在案例選擇樣本上，可能會存在因主觀判斷而造成選擇性偏差；其次，突發(fā)事件網(wǎng)絡(luò)輿情是涉及多方主體的復(fù)雜研究，本文在前因變量設(shè)計(jì)中，未能顧及如“政府”等其他主體。這些問題將是筆者日后深入研究的著力點(diǎn)。