次生輿情影響下的網(wǎng)絡(luò)輿情傳播研究

江長斌，李汾縈，張瑤源，王周陽，任天宇

(1.武漢理工大學(xué) 管理學(xué)院，湖北 武漢 430070；2.武漢大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430072)

近年來，各類突發(fā)事件通過網(wǎng)絡(luò)迅速傳播，集聚了公眾的注意力，也引發(fā)了輿論熱議，如新冠肺炎疫情、8·12天津港爆炸、重慶公交車墜江事件和3·21響水化工廠爆炸等。突發(fā)公共事件不僅嚴(yán)重威脅公眾的生命安全，造成巨大的經(jīng)濟(jì)損失，與之相關(guān)的輿情事件通過網(wǎng)絡(luò)空間迅速傳播，引發(fā)社會(huì)恐慌，擾亂社會(huì)秩序。在網(wǎng)絡(luò)輿情的傳播過程中，由于原生輿情的處理不當(dāng)?shù)仍?，還會(huì)產(chǎn)生一系列的次生議題，誘發(fā)次生輿情，進(jìn)一步激化社會(huì)矛盾。次生輿情一般與原生輿情息息相關(guān)，由其直接誘發(fā)，但是更加復(fù)雜，且一個(gè)輿情事件可能催生多起次生輿情，給網(wǎng)絡(luò)輿情的監(jiān)管帶來巨大壓力。如在新冠肺炎疫情期間，“紅十字會(huì)物資調(diào)配”和“物資攔截”等多起次生輿情事件的爆發(fā)都促使輿情治理環(huán)境進(jìn)一步復(fù)雜化。

輿情治理能力是政府治理能力的重要組成部分。在網(wǎng)絡(luò)輿情傳播過程中，次生輿情的產(chǎn)生往往會(huì)改變輿情事件的演化強(qiáng)度或趨勢(shì)，為輿情管理機(jī)構(gòu)的輿情管控工作帶來困難。研究次生輿情對(duì)原生輿情傳播過程的影響對(duì)提升輿情治理能力有重要作用，但目前鮮有研究者關(guān)注次生輿情與原生輿情的交織傳播過程。因此，筆者將全面分析不同情況下次生輿情對(duì)輿情傳播過程的影響，探索政府干預(yù)行為在輿情傳播過程中的實(shí)際效果，幫助輿情管理機(jī)構(gòu)準(zhǔn)確把握次生輿情影響下的網(wǎng)絡(luò)輿情傳播規(guī)律，提升輿情治理能力。

1 文獻(xiàn)綜述

公眾受事件刺激后在網(wǎng)絡(luò)上公開表達(dá)自己對(duì)事件的認(rèn)知、態(tài)度、情緒和意見，他們的觀點(diǎn)逐漸統(tǒng)一形成網(wǎng)絡(luò)輿情并在社交網(wǎng)絡(luò)空間傳播擴(kuò)散[1]。FRAHM等[2]提出了識(shí)別社交網(wǎng)絡(luò)上網(wǎng)絡(luò)輿情形成的Ising-PageRank模型，實(shí)驗(yàn)發(fā)現(xiàn)即使意見領(lǐng)袖占比很小，其仍能顯著影響輿情觀點(diǎn)的形成。NUORTIMO等[3]指出社會(huì)媒體對(duì)輿情的影響正逐漸增強(qiáng)，放大了網(wǎng)絡(luò)輿情的社會(huì)影響。方付建[4]認(rèn)為網(wǎng)絡(luò)輿情誘發(fā)的種種后果會(huì)給各類群體造成不可忽略的影響，一旦輿情事件處理不當(dāng)，這種影響的負(fù)面效應(yīng)將給社會(huì)的正常秩序帶來巨大的挑戰(zhàn)。周義棋等[5]認(rèn)為網(wǎng)絡(luò)輿情分析有助于掌握民眾情感動(dòng)態(tài)，在熱點(diǎn)事件中，官方微博積極引導(dǎo)有助于民眾輿論正向發(fā)展。

目前學(xué)術(shù)界對(duì)次生輿情的定義尚未統(tǒng)一，與原生輿情概念相對(duì)應(yīng)，次生輿情大體上是指在原生輿情基礎(chǔ)上由某一因素觸發(fā)生成的新輿情信息，與原生輿情交織傳播。趙靜嫻[6]認(rèn)為廣義的次生輿情是分正負(fù)的，狹義的次生輿情都是負(fù)面的。周慶安等[7]認(rèn)為當(dāng)前政府部門或企業(yè)組織經(jīng)常會(huì)面臨原生輿情處理不當(dāng)而產(chǎn)生的次生輿情危機(jī)，這些次生危機(jī)往往具有自身獨(dú)特性，處理不當(dāng)將會(huì)給組織聲譽(yù)帶來沖擊。羅萍[8]分析了次生輿情的3種效應(yīng)及其可能產(chǎn)生的后果。劉勇等[9]指出重大公共危機(jī)中次生輿情的生成已成為常態(tài)，其中多數(shù)為負(fù)面輿情。陳婷等[10]針對(duì)網(wǎng)絡(luò)輿情的衍生效應(yīng)，構(gòu)建了基于時(shí)序信息的話題演化模型從而對(duì)衍生輿情實(shí)時(shí)追蹤。劉文強(qiáng)[11]基于系統(tǒng)動(dòng)力學(xué)模型和模糊三角數(shù)提出了移動(dòng)社交網(wǎng)絡(luò)次生輿情的預(yù)警方法，將輿情預(yù)警程度劃分為5個(gè)等級(jí)。安璐等[12]基于熱點(diǎn)主題提出了突發(fā)事件次生衍生事件的判定規(guī)則，實(shí)現(xiàn)了從輿情事件傳播過程中的多個(gè)輿論焦點(diǎn)里探測(cè)次生衍生事件。鄭智斌等[13]指出次生輿情可能強(qiáng)化或改變輿情演化方向，具有后發(fā)性、圍合性、關(guān)聯(lián)性、偶然性、敏感性和話題性等特征。鄭萬軍[14]從3方面提出了減少突發(fā)危機(jī)事件中網(wǎng)絡(luò)謠言等次生危害的路徑。

SUDBURY[15]首次將傳染病SIR模型用于研究謠言傳播，為輿情傳播研究提供了新的思路。之后許多學(xué)者通過改進(jìn)傳染病模型對(duì)輿情的傳播規(guī)律和影響因素進(jìn)行了研究，相較于其他模型，傳染病模型不僅能夠很好地展現(xiàn)輿情傳播的規(guī)律，還能夠有效幫助分析各種輿情控制策略的效果[16]。JIANG等[17]基于傳染病模型構(gòu)建了SPNR模型，驗(yàn)證了政府公布事件真相的時(shí)間對(duì)謠言傳播有重要影響。林曉靜等[18]考慮新網(wǎng)民的加入，提出了具有飽和接觸率的SEIR模型，研究了動(dòng)態(tài)社交網(wǎng)絡(luò)中的輿情傳播擴(kuò)散過程。ZHANG等[19]將傳播節(jié)點(diǎn)分成了支持、中立和反對(duì)，構(gòu)建MI-SEIR模型分析了媒體與人際關(guān)系對(duì)輿情傳播的影響。成全等[20]在傳統(tǒng)SEIR模型中加入用戶主題興趣作為輿情傳播演化的影響因素，通過仿真實(shí)驗(yàn)發(fā)現(xiàn)傳播用戶數(shù)量、類別和輿情參與用戶的主題興趣度、主題關(guān)注焦點(diǎn)有顯著關(guān)系。陳莫凡等[21]結(jié)合傳染病模型和博弈的優(yōu)勢(shì)，構(gòu)建了基于SEIQR的演化博弈模型，分析了專家、政府和網(wǎng)媒等因素對(duì)社交網(wǎng)絡(luò)上輿情傳播的影響。

總體而言，目前針對(duì)次生輿情對(duì)原生輿情傳播過程影響的研究尚有不足，故筆者考慮兩種輿情信息同時(shí)存在于社交網(wǎng)絡(luò)，探討次生輿情影響下的輿情傳播過程和政府干預(yù)行為的作用，并提出相關(guān)治理建議。

2 模型構(gòu)建

在用于網(wǎng)絡(luò)輿情傳播研究的多種傳染病模型中，SEIR模型通過節(jié)點(diǎn)的易感、潛伏、感染、免疫4種狀態(tài)較全面的反應(yīng)了網(wǎng)絡(luò)輿情的傳播特性。以微博社交網(wǎng)絡(luò)為例，輿情事件在微博上發(fā)酵之后，網(wǎng)友可以選擇點(diǎn)贊、評(píng)論和轉(zhuǎn)發(fā)等多種參與方式，其中只有轉(zhuǎn)發(fā)行為可以直接擴(kuò)散輿情信息。第一時(shí)間選擇點(diǎn)贊和評(píng)論的網(wǎng)友可能在觀望一段時(shí)間之后轉(zhuǎn)發(fā)信息，也可能因?yàn)閷?duì)輿情事件不感興趣而不轉(zhuǎn)發(fā)?？梢园l(fā)現(xiàn)，在這個(gè)過程中存在4種狀態(tài)的網(wǎng)友：①還沒有接觸到輿情信息的網(wǎng)友，②選擇點(diǎn)贊和評(píng)論的網(wǎng)友，③選擇轉(zhuǎn)發(fā)輿情信息的網(wǎng)友，④對(duì)輿情事件失去興趣的網(wǎng)友。這4種狀態(tài)與傳染病SEIR模型中網(wǎng)絡(luò)節(jié)點(diǎn)的4種狀態(tài)大致相似，因此可以選擇以SEIR模型為基礎(chǔ)來構(gòu)建輿情傳播模型。

2.1 經(jīng)典SEIR模型

SEIR模型將整個(gè)網(wǎng)絡(luò)上的個(gè)體分為易感染者、潛伏者、感染者和免疫者4類。在該模型中，易感染狀態(tài)節(jié)點(diǎn)在接觸到感染節(jié)點(diǎn)之后不會(huì)直接成為感染者，而是先進(jìn)入潛伏狀態(tài)，概率為α，潛伏者不會(huì)直接感染他人。部分免疫力較強(qiáng)的人會(huì)在自身免疫系統(tǒng)的作用下恢復(fù)健康，成為免疫者，概率為γ；其他人會(huì)逐漸成為感染者，在網(wǎng)絡(luò)系統(tǒng)中傳播疫情，概率為β。隨著時(shí)間的推移，感染者或死亡，或在藥物的治療下康復(fù)成為免疫者R，移除傳染系統(tǒng)的概率為λ。SEIR模型的狀態(tài)轉(zhuǎn)移圖如圖1所示，模型的微分方程表達(dá)式如式(1)所示,其中S(t)+E(t)+I(t)+R(t)=1。

圖1 SEIR模型

(1)

2.2 考慮次生輿情影響的SEIR模型

2.2.1 模型基本假設(shè)

假設(shè)1模型所構(gòu)建網(wǎng)絡(luò)為靜態(tài)網(wǎng)絡(luò)，社交網(wǎng)絡(luò)中的網(wǎng)民數(shù)量在網(wǎng)絡(luò)形成后不變，單位時(shí)間內(nèi)同一傳播過程中網(wǎng)絡(luò)節(jié)點(diǎn)間的傳播概率相等。

假設(shè)2在現(xiàn)實(shí)生活中，次生輿情在傳播過程中大多會(huì)攜帶原生輿情信息，故網(wǎng)友在接觸到次生輿情信息時(shí)都會(huì)對(duì)原生輿情事件有所了解。因此假設(shè)所有接觸次生輿情信息的網(wǎng)友都知道原生輿情事件，傳播次生輿情即同時(shí)傳播兩則輿情信息。

2.2.2 模型構(gòu)建

目前，網(wǎng)絡(luò)輿情事件中次生輿情的爆發(fā)已經(jīng)成為常態(tài)，而傳統(tǒng)的SEIR模型只考慮了一種感染源，對(duì)于次生輿情影響下的輿情傳播過程具有局限性。因此，結(jié)合現(xiàn)實(shí)情況，對(duì)微博社交網(wǎng)絡(luò)環(huán)境下輿情信息傳播過程進(jìn)行分析，在經(jīng)典SEIR模型中加入次生輿情傳播相關(guān)的節(jié)點(diǎn)狀態(tài)，建立考慮次生輿情影響的輿情傳播模型。根據(jù)網(wǎng)民對(duì)待輿情信息的態(tài)度，筆者將網(wǎng)絡(luò)環(huán)境下的所有網(wǎng)絡(luò)節(jié)點(diǎn)分為7種狀態(tài)：未知節(jié)點(diǎn)(S)、原生輿情潛伏節(jié)點(diǎn)(E1)、次生輿情潛伏節(jié)點(diǎn)(E2)，原生輿情傳播節(jié)點(diǎn)(I1)，次生輿情傳播節(jié)點(diǎn)(I2)，原生輿情免疫節(jié)點(diǎn)(R1)和次生輿情免疫節(jié)點(diǎn)(R2)。原生輿情信息與次生輿情信息在社交網(wǎng)絡(luò)上交織傳播的過程如圖2所示，該輿情傳播模型的微分方程表達(dá)式如式(2)所示。

圖2 輿情傳播模型

(2)

未知節(jié)點(diǎn)S在接觸到原生輿情信息后，部分較為理智的網(wǎng)友不會(huì)直接轉(zhuǎn)發(fā)傳播輿情信息，成為原生輿情潛伏者節(jié)點(diǎn)E1，概率為α1；但部分容易輕信的網(wǎng)友選擇直接轉(zhuǎn)發(fā)輿情信息，成為原生輿情傳播節(jié)點(diǎn)I1，概率為α2。未知節(jié)點(diǎn)S在接觸次生輿情信息后，網(wǎng)友同時(shí)了解原生輿情信息和次生輿情信息，較為理智的網(wǎng)友不會(huì)直接轉(zhuǎn)發(fā)，成為次生輿情潛伏節(jié)點(diǎn)E2，概率為α3；雖然網(wǎng)友可以選擇只轉(zhuǎn)發(fā)次生輿情中包含的原生輿情信息或直接轉(zhuǎn)發(fā)次生輿情信息，但考慮到在不確定信息真?zhèn)蔚沫h(huán)境下直接轉(zhuǎn)發(fā)輿情信息的網(wǎng)友缺乏應(yīng)有的理智，故認(rèn)為其不會(huì)只轉(zhuǎn)發(fā)原生輿情成為I1，只可能成為次生輿情傳播節(jié)點(diǎn)I2，概率為α4。

E1節(jié)點(diǎn)在下一時(shí)間點(diǎn)進(jìn)行判斷，部分對(duì)輿情事件較為關(guān)心的網(wǎng)友會(huì)轉(zhuǎn)發(fā)輿情信息，成為I1狀態(tài)節(jié)點(diǎn)，概率為β1；其他網(wǎng)友在對(duì)輿情事件進(jìn)行分析判斷后選擇不傳播，成為原生輿情免疫者R1，概率為δ1。E2節(jié)點(diǎn)中同樣存在部分網(wǎng)友在分析輿情信息后決定不傳播，成為次生輿情免疫節(jié)點(diǎn)R2，概率為δ2；部分網(wǎng)友對(duì)次生輿情事件感興趣、愿意關(guān)注事件發(fā)展，會(huì)轉(zhuǎn)發(fā)次生輿情信息，成為I2狀態(tài)節(jié)點(diǎn)，概率為β2；但是次生輿情信息一般為網(wǎng)友的揣測(cè)甚至謠言，不存在較充足的證據(jù)，故對(duì)輿情事件感興趣且比較理智的網(wǎng)友可能選擇暫時(shí)避開次生輿情信息而只轉(zhuǎn)發(fā)原生輿情信息，成為I1狀態(tài)節(jié)點(diǎn)，概率為β3。

I1狀態(tài)節(jié)點(diǎn)表示當(dāng)前正處于對(duì)輿情事件較為關(guān)注的狀態(tài)，如果其接觸到次生輿情信息則可能轉(zhuǎn)發(fā)次生輿情，成為I2狀態(tài)節(jié)點(diǎn)，概率為θ1；部分了解事件真相或較為理智的網(wǎng)友會(huì)選擇暫時(shí)不傳播，成為R1狀態(tài)節(jié)點(diǎn)，概率為λ1；如果沒有接觸次生輿情則只會(huì)隨著時(shí)間的推移成為R1狀態(tài)節(jié)點(diǎn)。I2狀態(tài)節(jié)點(diǎn)隨著時(shí)間的推移會(huì)逐漸失去對(duì)輿情事件的興趣成為R2狀態(tài)節(jié)點(diǎn)，概率為λ2。

R1狀態(tài)節(jié)點(diǎn)之前只了解原生輿情信息，當(dāng)其接觸到次生輿情信息時(shí)，次生輿情可能會(huì)重新激起網(wǎng)友對(duì)輿情事件的關(guān)注，轉(zhuǎn)發(fā)次生輿情信息，成為I2狀態(tài)節(jié)點(diǎn)，概率為θ2；但同樣次生輿情的刺激可能不起效果，其忽略次生輿情信息成為R2狀態(tài)節(jié)點(diǎn)，概率為λ3。R2狀態(tài)為整個(gè)輿情傳播過程的最終狀態(tài)，任何節(jié)點(diǎn)進(jìn)入到該狀態(tài)后不再變化。

3 模型仿真

基于C++編程語言實(shí)現(xiàn)輿情在社交網(wǎng)絡(luò)上的傳播過程仿真，獲得仿真數(shù)據(jù)之后使用Matlab進(jìn)行圖形繪制。仿真社交網(wǎng)絡(luò)在有向無標(biāo)度網(wǎng)絡(luò)的基礎(chǔ)上，構(gòu)建了總結(jié)點(diǎn)數(shù)為5 000的網(wǎng)絡(luò)。仿真初始，隨機(jī)選擇0.1%的節(jié)點(diǎn)令其成為I1狀態(tài)，表示原生輿情信息進(jìn)入社交網(wǎng)絡(luò)。設(shè)置基礎(chǔ)參數(shù)組α1=α3=0.8，α2=α4=0.2，β1=0.8，β2=0.5，β3=0.3，δ1=δ2=0.2，θ=0.8，θ2=0.5，λ1=0.2，λ2=0.8，λ3=0.5，社交網(wǎng)絡(luò)節(jié)點(diǎn)nc=2。為提高實(shí)驗(yàn)的準(zhǔn)確性，進(jìn)行100次模擬仿真對(duì)模型進(jìn)行驗(yàn)證，并取算術(shù)平均值。

在仿真實(shí)驗(yàn)過程中，由于次生輿情具備后發(fā)性的特點(diǎn)，故不能在仿真實(shí)驗(yàn)初始階段設(shè)置初始的I2節(jié)點(diǎn)，而直接設(shè)定I2節(jié)點(diǎn)出現(xiàn)的時(shí)間步在程序設(shè)計(jì)上又存在一定難度。因此，考慮到初始仿真條件中不存在E1節(jié)點(diǎn)，設(shè)置當(dāng)E1數(shù)量達(dá)到一定值時(shí)，隨機(jī)選擇nc個(gè)節(jié)點(diǎn)成為I2狀態(tài)，表示次生輿情爆發(fā)，進(jìn)入輿論場(chǎng)影響原生輿情事件的傳播。通過調(diào)節(jié)I2狀態(tài)節(jié)點(diǎn)出現(xiàn)的條件，改變次生輿情出現(xiàn)的時(shí)間點(diǎn)，完成次生輿情在不同時(shí)間步出現(xiàn)對(duì)原生輿情傳播影響的對(duì)比實(shí)驗(yàn)。

3.1 次生輿情影響下的輿情傳播仿真

3.1.1 次生輿情對(duì)輿情傳播的影響

輿情事件發(fā)生后會(huì)快速吸引廣大網(wǎng)友的關(guān)注，在聚光燈下事件真相的隱瞞或網(wǎng)友的猜測(cè)都有可能催生次生輿情，這些次生輿情會(huì)進(jìn)一步推動(dòng)輿情傳播擴(kuò)散，為輿情治理帶來新的挑戰(zhàn)。為了對(duì)比研究次生輿情的爆發(fā)對(duì)輿情事件傳播過程的影響，設(shè)置無次生輿情和有次生輿情爆發(fā)的對(duì)照實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果分別如圖3和圖4所示。對(duì)比圖3和圖4可知，輿情爆發(fā)初期各狀態(tài)節(jié)點(diǎn)曲線變化基本一致，但在t=3時(shí)間步之后，存在次生輿情的條件下，未知節(jié)點(diǎn)S數(shù)量下降得更快，而潛伏者E和傳播者I的數(shù)量也快速增長，輿情峰值顯著增大；在t=5時(shí)間步之后，無次生輿情影響條件下輿情免疫者R數(shù)量進(jìn)入快速增長階段，越來越多的節(jié)點(diǎn)對(duì)輿情失去興趣。由于次生輿情具有后發(fā)性，在輿情爆發(fā)初期，兩種條件下都是原生輿情事件在影響輿論走向，因此發(fā)展趨勢(shì)相似。隨后由于處置不當(dāng)?shù)仍?，次生輿情爆發(fā)進(jìn)入社交網(wǎng)絡(luò)，推動(dòng)輿情到達(dá)更大的峰值，輿情持續(xù)時(shí)間更長。

圖3 無次生輿情影響下的輿情傳播過程

圖4 次生輿情影響下的輿情傳播過程

圖5 不同時(shí)間產(chǎn)生I2節(jié)點(diǎn)條件下的輿情傳播過程

(1)次生輿情出現(xiàn)時(shí)間節(jié)點(diǎn)對(duì)輿情傳播的影響。原生輿情事件在傳播演化過程中的所有時(shí)間節(jié)點(diǎn)都有可能誘發(fā)次生輿情，輿情初期誘發(fā)的次生輿情可能會(huì)伴隨著原生輿情一起推動(dòng)輿情擴(kuò)散，吸引更高的關(guān)注度，輿情后期誘發(fā)的次生輿情可能會(huì)重新吸引網(wǎng)友對(duì)輿情事件的關(guān)注，致使輿情反復(fù)。為了對(duì)比次生輿情出現(xiàn)時(shí)間對(duì)輿情傳播過程的影響，將仿真過程中的I2狀態(tài)節(jié)點(diǎn)產(chǎn)生機(jī)制由E1>0更改為R1>5，根據(jù)輿情演化規(guī)則，在輿情傳播一個(gè)時(shí)間步之后，只有初始狀態(tài)下的5個(gè)I1節(jié)點(diǎn)可能成為R1狀態(tài)，因此更換演化機(jī)制將使得I2節(jié)點(diǎn)在輿情演化2個(gè)時(shí)間步之后產(chǎn)生，此時(shí)的輿情傳播過程如圖5所示。由圖5可知，與t=1條件下的輿情傳播過程相比，在t=2時(shí)刻出現(xiàn)次生輿情信息條件下，輿情的峰值更小，但輿情峰值到達(dá)的時(shí)間相差較小，隨著時(shí)間的推移，次生輿情爆發(fā)較晚的情況下輿情關(guān)注度反而較高。這是由于在次生輿情爆發(fā)較早的情況下，雖然原生輿情和次生輿情交織傳播致使輿情達(dá)到更大峰值，造成巨大的影響，但是在輿情發(fā)酵較長時(shí)間之后爆發(fā)次生輿情會(huì)導(dǎo)致輿情事件又一次呈現(xiàn)在廣大網(wǎng)友面前，部分已經(jīng)遺忘事件的網(wǎng)友再一次傳播輿情信息，整體表現(xiàn)為輿情事件在網(wǎng)絡(luò)上獲得較長時(shí)間的關(guān)注，消退更加緩慢。在現(xiàn)實(shí)生活中，存在部分在原生輿情消退期爆發(fā)的次生輿情，這些輿情致使網(wǎng)民沉寂的情緒再一次爆發(fā)，推動(dòng)輿情到達(dá)二次高潮。因此，在輿情事件處理過程中，要顧及全面，解決所有可能存在的隱患，避免在輿情后期爆發(fā)次生輿情，致使輿情事件反復(fù)，造成社會(huì)秩序的長期混亂。

(2)次生輿情數(shù)量對(duì)輿情傳播的影響。在現(xiàn)實(shí)生活中，一個(gè)原生輿情事件在發(fā)酵過程中可能會(huì)出現(xiàn)多個(gè)次生輿情，這些次生輿情共同影響著原生輿情事件的傳播。為探究次生輿情數(shù)量對(duì)輿情傳播過程的影響，改變次生輿情初始節(jié)點(diǎn)數(shù)量nc進(jìn)行對(duì)比實(shí)驗(yàn)。由于不同次生輿情事件具備類似的特點(diǎn)，并且在傳播過程中都圍繞原生輿情進(jìn)行擴(kuò)散，故在實(shí)驗(yàn)中將不同次生輿情事件傳播節(jié)點(diǎn)都?xì)w類于I2，通過設(shè)置不同數(shù)量的初始I2節(jié)點(diǎn)表示原生事件誘發(fā)次生輿情事件數(shù)量的不同。不同次生輿情數(shù)量下的輿情傳播過程如圖6所示，可知當(dāng)次生輿情數(shù)量逐漸增加時(shí)，輿情峰值也隨之增加；當(dāng)次生輿情數(shù)量從1增加到2時(shí)，輿情峰值的增長更加明顯；但隨著次生輿情數(shù)量的進(jìn)一步增長，即從2增加到3時(shí)，輿情峰值并未出現(xiàn)顯著增長。這種情況在實(shí)際輿情傳播過程的體現(xiàn)則是次生輿情數(shù)量的增長會(huì)使得輿情事件消息覆蓋面更廣，推動(dòng)輿情峰值上升，但是當(dāng)次生輿情數(shù)量達(dá)到一定值時(shí)，輿情信息已經(jīng)以最快的速度覆蓋了社交網(wǎng)絡(luò)的絕大部分節(jié)點(diǎn)，這時(shí)次生輿情數(shù)量的持續(xù)增長難以促使輿情峰值繼續(xù)上升。

圖6 不同次生輿情數(shù)量下的輿情傳播過程

圖7 α3=0.8、α4=0.3時(shí)的輿情傳播過程

3.1.2 轉(zhuǎn)發(fā)傳播率對(duì)輿情傳播的影響

(1)直接轉(zhuǎn)發(fā)率對(duì)輿情傳播的影響。在輿情信息進(jìn)入社交網(wǎng)絡(luò)時(shí)，如果大量網(wǎng)友在接觸輿情的第一時(shí)間轉(zhuǎn)發(fā)，極易將輿情事件推上熱搜，在更短的時(shí)間內(nèi)達(dá)到更大的輿情高峰。為了分析網(wǎng)友在接觸輿情時(shí)直接轉(zhuǎn)發(fā)輿情信息的概率對(duì)輿情傳播過程的影響，調(diào)節(jié)參數(shù)α3和α4進(jìn)行對(duì)比實(shí)驗(yàn)，得到α3=0.8、α4=0.3時(shí)的輿情傳播過程，如圖7所示。對(duì)比圖7和圖4可知，在更多的網(wǎng)友接觸次生輿情并直接傳播輿情的條件下，輿情傳播者數(shù)量快速增長，在更短的時(shí)間達(dá)到高峰，同時(shí)由于網(wǎng)絡(luò)中傳播者數(shù)量的激增，導(dǎo)致輿情信息迅速擴(kuò)散，整個(gè)網(wǎng)絡(luò)中的未知者數(shù)量快速降低，潛伏者數(shù)量也提前達(dá)到峰值，但是輿情直接傳播率的增長并沒有使得輿情的峰值更大。這是因?yàn)楝F(xiàn)實(shí)中的網(wǎng)絡(luò)足夠龐大，任何輿情事件在微博上發(fā)酵，都難以實(shí)現(xiàn)遍及所有的微博用戶，輿情傳播者數(shù)量可以持續(xù)增長；而實(shí)驗(yàn)中網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量有限，節(jié)點(diǎn)狀態(tài)從未知者變成傳播者之后會(huì)逐漸成為輿情免疫者，不再傳播輿情，當(dāng)未知者數(shù)量逐漸降低甚至不再有未知者時(shí)，潛伏者和傳播者就失去了狀態(tài)轉(zhuǎn)移的來源，沒有更多節(jié)點(diǎn)進(jìn)入輿情傳播者狀態(tài)推動(dòng)輿情達(dá)到更高峰值。

(2)次生輿情傳播率對(duì)輿情傳播的影響。在輿情傳播過程中，公眾的揣測(cè)、報(bào)復(fù)性抹黑和媒體的刻意誘導(dǎo)都是次生輿情爆發(fā)的重要原因，當(dāng)廣大網(wǎng)友面對(duì)這些未經(jīng)證實(shí)的負(fù)面消息時(shí)，雖然部分網(wǎng)友或是由于從眾心理，或是對(duì)涉事主體存在偏見，亦或是缺乏應(yīng)有的理智而傳播次生輿情，但是依舊有部分網(wǎng)友會(huì)對(duì)次生輿情信息提出質(zhì)疑，即使對(duì)輿情事件比較關(guān)注，也會(huì)選擇只轉(zhuǎn)發(fā)次生輿情中包含的原生輿情信息。為研究網(wǎng)友在接觸次生輿情后轉(zhuǎn)發(fā)次生輿情的概率對(duì)輿情傳播過程的影響，調(diào)節(jié)參數(shù)β2和β3進(jìn)行對(duì)比實(shí)驗(yàn)，β2=0.4、β3=0.4得到時(shí)的輿情傳播過程，如圖8所示。對(duì)比圖8和圖4可知，兩種條件下的輿情傳播過程基本相似，但當(dāng)網(wǎng)友接觸次生輿情信息后選擇傳播次生輿情信息的概率的增大時(shí)，更多的網(wǎng)友會(huì)在接觸到次生輿情信息后直接轉(zhuǎn)發(fā)，推動(dòng)輿情快速發(fā)展，達(dá)到更大的峰值。因此，在輿情發(fā)酵過程中，輿情管理部門需要時(shí)刻關(guān)注輿論的走向，當(dāng)次生輿情出現(xiàn)時(shí)，要第一時(shí)間做出針對(duì)性的解釋，并呼吁廣大媒體幫助宣傳事情真相，減少次生輿情信息的傳播。同時(shí)可以通過宣傳科普等方式增強(qiáng)網(wǎng)友的信息甄別能力，在次生輿情出現(xiàn)時(shí)保持理性，降低次生輿情傳播概率。

圖8 β2=0.4、β3=0.4時(shí)的輿情傳播過程

3.2 政府干預(yù)下的輿情傳播過程仿真

3.2.1 干預(yù)原生輿情行為的作用

在現(xiàn)實(shí)情況中，政府的干預(yù)行為會(huì)降低網(wǎng)友對(duì)事件的關(guān)注度，減少網(wǎng)友在微博社交平臺(tái)上轉(zhuǎn)發(fā)或發(fā)布輿情相關(guān)博文的可能性，加速網(wǎng)絡(luò)輿情的消退，這在仿真實(shí)驗(yàn)中直接表現(xiàn)為政府干預(yù)行為會(huì)改變輿情傳播過程中網(wǎng)絡(luò)節(jié)點(diǎn)在各個(gè)狀態(tài)之間的轉(zhuǎn)化概率[22]。

(1)有無干預(yù)原生輿情行為對(duì)比實(shí)驗(yàn)。在網(wǎng)絡(luò)輿情爆發(fā)后，政府可以隨時(shí)在輿情傳播過程中采取應(yīng)對(duì)措施，如召開新聞發(fā)布會(huì)公布事件信息，解答公眾疑問，滿足其信息需求，從而抑制網(wǎng)絡(luò)輿情傳播。雖然原生輿情干預(yù)行為沒有直接影響到次生輿情的傳播，但原生輿情因政府干預(yù)在社交網(wǎng)絡(luò)上的擴(kuò)散受到抑制時(shí)，次生輿情的關(guān)注度也會(huì)隨之降低。因此，次生輿情在傳播過程中會(huì)受到原生輿情干預(yù)行為的影響，在實(shí)驗(yàn)中體現(xiàn)為受到原生輿情干預(yù)行為時(shí)，α2、α4、β1、β2、β3、θ1、θ2等參數(shù)減小，α1、α3、δ1、δ2、λ1、λ2、λ3等參數(shù)增大。由于次生輿情的關(guān)注點(diǎn)與原生輿情存在一定差異，且原生輿情的干預(yù)策略對(duì)次生輿情具有影響但相對(duì)較小，因此假設(shè)政府對(duì)網(wǎng)絡(luò)輿情進(jìn)行控制引導(dǎo)時(shí)，原生輿情受到的干預(yù)系數(shù)為0.1，而次生輿情受到的干預(yù)系數(shù)為0.05。即α1=0.9，α2=0.1，α3=0.85，α4=0.15，β1=0.7，β2=0.475，β3=0.275，δ1=0.3，δ2=0.25，θ1=0.75，θ2=0.45，λ1=0.25，λ2=0.85，λ3=0.55，nc=2。原生輿情干預(yù)行為下的輿情傳播過程如圖9所示。對(duì)比圖9和圖4可知，政府在輿情事件爆發(fā)后采取緊急措施能夠有效抑制輿情的傳播。輿情峰值不但會(huì)推遲到來，給輿情管理部門更多的反應(yīng)時(shí)間，而且最終的輿情峰值會(huì)顯著減小。此外，政府干預(yù)原生輿情的環(huán)境下，輿情散播速度也更慢，潛伏者數(shù)量的增長速度和未知者數(shù)量的下降速度都有一定的減緩。因此在網(wǎng)絡(luò)輿情爆發(fā)之后，輿情管理部門可以在第一時(shí)間召開新聞發(fā)布會(huì)，公布事件詳細(xì)信息，滿足公眾的信息需求，以抑制網(wǎng)絡(luò)輿情傳播。

圖9 原生輿情干預(yù)行為下的輿情傳播過程

(2)不同時(shí)間點(diǎn)干預(yù)原生輿情對(duì)比實(shí)驗(yàn)。政府針對(duì)原生輿情的干預(yù)行為能夠有效抑制輿情傳播，但當(dāng)輿情發(fā)酵到一定階段后，政府干預(yù)行為的作用到底如何尚未可知。一方面，在現(xiàn)實(shí)情況下，政府并不會(huì)按照固定的時(shí)間實(shí)施干預(yù)，更多是根據(jù)輿情發(fā)展形勢(shì)來判斷是否需要采取措施，而不同時(shí)間節(jié)點(diǎn)的輿情傳播者數(shù)量是輿情事件發(fā)展態(tài)勢(shì)的主要判斷指標(biāo)；另一方面，在仿真實(shí)驗(yàn)中難以實(shí)現(xiàn)在固定輿情傳播時(shí)間后人為調(diào)整輿情傳播參數(shù)。為了對(duì)比不同時(shí)間政府干預(yù)原生輿情行為的效用，在觀察原生輿情傳播節(jié)點(diǎn)I1數(shù)量變化規(guī)律后設(shè)置如下機(jī)制：輿情傳播初期，各傳播參數(shù)采用基礎(chǔ)參數(shù)組的數(shù)值；在原生輿情傳播一段時(shí)間后，原生輿情傳播節(jié)點(diǎn)數(shù)量I1>500時(shí)，政府干預(yù)啟動(dòng)，各參數(shù)發(fā)生變化，此時(shí)的輿情傳播過程如圖10所示。對(duì)比圖4、圖9和圖10可知，在政府對(duì)原生輿情及時(shí)做出干預(yù)行為的條件下，可以有效抑制輿情傳播速度，未知者的數(shù)量下降更加緩慢，輿情峰值更低。而如果政府在輿情信息傳播一段時(shí)間之后再采取干預(yù)行為，雖然也能夠在一定程度上抑制輿情傳播，但效果相對(duì)較差。

圖10 I1>500實(shí)施干預(yù)下的輿情傳播過程

3.2.2 干預(yù)次生輿情行為的作用

(1)有無干預(yù)次生輿情行為對(duì)比實(shí)驗(yàn)。在輿情事件爆發(fā)后，面對(duì)網(wǎng)絡(luò)輿情在傳播過程中誘發(fā)的次生輿情，政府可以通過解答網(wǎng)友關(guān)注的問題或辟謠等方式消減民眾的揣測(cè)，抑制次生輿情的傳播。由于次生輿情更多是代表民眾在網(wǎng)絡(luò)輿情事件中集中關(guān)注的一小部分，因此干預(yù)措施更具針對(duì)性，效果也會(huì)更好，但這些次生輿情被抑制之后，并不能顯著影響原生輿情的傳播。故認(rèn)為政府針對(duì)次生輿情采取措施比針對(duì)原生輿情采取措施的實(shí)行效果更好，但是只對(duì)次生輿情有效，假設(shè)其干預(yù)系數(shù)為0.15。即α1=0.8，α2=0.2，α3=0.95，α4=0.05，β1=0.8，β2=0.5，β3=0.15，δ1=0.2，δ2=0.35，θ1=0.65，θ2=0.35，λ1=0.35，λ2=0.95，λ3=0.65，nc=2。次生輿情干預(yù)行為下的輿情傳播過程如圖11所示。對(duì)比圖4、圖9和圖11可知，針對(duì)次生輿情的干預(yù)行為能夠有效降低輿情峰值，但不能推遲輿情峰值到來的時(shí)間，且潛伏者數(shù)量的增長速度和未知者數(shù)量的下降速度也變化不大。這是因?yàn)樵诰W(wǎng)絡(luò)輿情爆發(fā)后，原生輿情一直是輿情傳播過程中的主要信息，同時(shí)針對(duì)原生輿情采取的干預(yù)行為更早產(chǎn)生效果，遂導(dǎo)致次生輿情干預(yù)行為效果相對(duì)較差。

圖11 次生輿情干預(yù)行為下的輿情傳播過程

(2)不同時(shí)間點(diǎn)干預(yù)次生輿情對(duì)比實(shí)驗(yàn)。次生輿情爆發(fā)后，政府在不同時(shí)間節(jié)點(diǎn)發(fā)布權(quán)威信息，以削弱輿情傳播，但是所起到的作用不盡相同。為了對(duì)比不同時(shí)間政府干預(yù)次生輿情的行為所產(chǎn)生的效果，觀察I2節(jié)點(diǎn)數(shù)量變化規(guī)律后，設(shè)置如下傳播機(jī)制：輿情傳播初期，各傳播參數(shù)采用基礎(chǔ)參數(shù)組的數(shù)值；當(dāng)輿情發(fā)展到一定時(shí)間，次生輿情傳播節(jié)點(diǎn)數(shù)量I2>100時(shí)，政府干預(yù)次生輿情傳播，各參數(shù)發(fā)生變化，此時(shí)的輿情傳播過程如圖12所示。對(duì)比圖11和圖12可知，在I2>100時(shí)政府實(shí)施干預(yù)，未知者數(shù)量下降更為緩慢，而潛伏者數(shù)量和輿情傳播者數(shù)量增長更加迅速，輿情達(dá)到的峰值更高。顯然，如果政府能夠時(shí)刻關(guān)注輿情走向，在次生輿情出現(xiàn)初期，及時(shí)采取有效措施抑制次生輿情的擴(kuò)散和傳播，可以更加有效降低輿情事件的影響。

圖12 I2>100時(shí)實(shí)施干預(yù)下的輿情傳播過程

4 結(jié)論

(1)次生輿情影響下的輿情傳播仿真結(jié)果表明，次生輿情能夠推動(dòng)輿情更快達(dá)到更高峰值并延長輿情持續(xù)時(shí)間，且次生輿情數(shù)量增加時(shí)，輿情峰值也會(huì)增長；在輿情傳播后期次生輿情的爆發(fā)甚至?xí)?dǎo)致輿情反復(fù)，影響輿情治理效果。如果網(wǎng)友在接觸輿情初期能先持觀望態(tài)度，則輿情峰值會(huì)顯著降低。

(2)政府干預(yù)下的輿情傳播仿真結(jié)果表明，政府及時(shí)對(duì)輿情傳播采取有效干預(yù)措施，能夠降低輿情影響，延緩輿情高峰到來，為輿情管理部門爭(zhēng)取更多時(shí)間，從而提升輿情治理能力與把控能力。

(3)基于傳統(tǒng)SEIR建立考慮次生輿情影響的網(wǎng)絡(luò)輿情傳播模型，模擬了次生輿情影響下的網(wǎng)絡(luò)輿情傳播過程，較為全面地描述了輿情傳播中所有參與網(wǎng)民的可能狀態(tài)變化。但模型仿真僅考慮一次次生輿情的影響，但現(xiàn)實(shí)中多個(gè)次生輿情很可能是相繼爆發(fā)的，它們的性質(zhì)及對(duì)原生輿情的影響也不盡相同。且模型假設(shè)單位時(shí)間內(nèi)網(wǎng)絡(luò)節(jié)點(diǎn)間傳播概率均等，這與實(shí)際情況并不一致，個(gè)體間的親密度、輿情接收次數(shù)等均會(huì)影響傳播概率，未來可以針對(duì)這些問題深入研究，并增加實(shí)例分析驗(yàn)證仿真結(jié)果，不斷完善模型。