分歧與共識：突發(fā)公共衛(wèi)生事件下官方與民間風(fēng)險溝通研究*

鄧 雯 毛子駿 徐曉林

(1. 華中科技大學(xué)公共管理學(xué)院 武漢 430074；2. 華中科技大學(xué)非傳統(tǒng)安全研究中心 武漢 430074；3. 湖南農(nóng)業(yè)大學(xué)公共管理與法學(xué)學(xué)院 長沙 410128)

1 問題的提出

風(fēng)險溝通可以理解為個體、群體與機構(gòu)之間交換風(fēng)險信息和看法的交互過程，不僅直接傳遞與風(fēng)險有關(guān)的信息，也包含了對風(fēng)險事件的關(guān)注、意見與反應(yīng)，還可能包括國家或監(jiān)管機構(gòu)應(yīng)對風(fēng)險的法規(guī)與措施等[1]。雙向、順暢的信息渠道是有效溝通的保障，融合了主流媒體和社交媒體屬性的新型主流媒體能夠在風(fēng)險溝通中發(fā)揮較大優(yōu)勢[2]。2014年習(xí)近平總書記提出“打造新型主流媒體、構(gòu)建現(xiàn)代傳播體系”頂層規(guī)劃，鼓勵傳統(tǒng)主流媒體融合新興媒介，形成傳播主流價值觀、具有強大影響力的新型媒體[3]。新冠肺炎危機發(fā)生后，鮮有研究關(guān)注到新型主流媒體應(yīng)用于風(fēng)險溝通的潛力?；趥鹘y(tǒng)媒體、新聞發(fā)布會開展的風(fēng)險溝通存在偏重官方表達，忽略公眾能動性的問題，未能滿足公眾對風(fēng)險溝通者的角色期待，難以體現(xiàn)“溝通”本質(zhì)[4-6]。

風(fēng)險溝通過程中難以忽略兩個話語場：一個是具有官方性質(zhì)的主流傳播陣地，即以主流媒體、政策文件和新聞發(fā)布會為載體的官方話語空間，內(nèi)容包括風(fēng)險應(yīng)對措施及相應(yīng)法規(guī)；另一個是依托人際傳播存在的民間話語空間，包括公眾對風(fēng)險事件的關(guān)注、意見和反應(yīng)[1, 7]。由于傳播主體和內(nèi)容的差異性，兩個話語場長期維持著動態(tài)平衡。隨著網(wǎng)絡(luò)社會重構(gòu)了信息生產(chǎn)者與接收者的權(quán)力關(guān)系，主體間沖突頻次更高，原因更趨復(fù)雜[8]，在風(fēng)險問題突發(fā)、頻發(fā)的當(dāng)下，官方需要同時妥善應(yīng)對“互聯(lián)網(wǎng)+風(fēng)險社會”的雙重挑戰(zhàn)。

如何在風(fēng)險溝通中維持兩個話語場的和諧需要結(jié)合官方和民間雙視角分析。一方面，官方期望通過風(fēng)險溝通幫助公眾形成正確的風(fēng)險認知，鼓勵公眾遵從政府建議。有效的風(fēng)險溝通能夠減緩疫情蔓延，減少生命損失，維護社會、政治和經(jīng)濟穩(wěn)定[9]。另一方面，受眾希望通過風(fēng)險溝通從官方口徑獲知事實信息，同時在期待一個負責(zé)任的行動者，尋找情感認同和社群歸屬[10]。公眾的多元表達與觀點碰撞可以形成自組織式的協(xié)同整合，更好地推動政策的完善與問題的解決，也是公眾參與危機應(yīng)對的重要體現(xiàn)[11]。

已有研究忽略或低估了民間話語在風(fēng)險溝通中的作用，主要原因有以下兩點：首先，長期以來中國政府及傳統(tǒng)主流媒體發(fā)揮著高效的議程設(shè)置作用，形成了固有的自上而下的傳播體系[12]，這也在一定程度上限制了學(xué)者的研究視野與導(dǎo)向。其次，風(fēng)險溝通在全球公共衛(wèi)生領(lǐng)域都是一個新的議題，在中國的本土化實踐中尚未得到系統(tǒng)性的探索與總結(jié)[13]。本研究力圖對這一問題的解決做出貢獻，探索新型主流媒體為中介的風(fēng)險溝通中官方與民間話語互動模式，主要回答以下三個問題：

第一：新型主流媒體在風(fēng)險溝通中發(fā)揮了什么樣的作用？

第二：圍繞新冠疫情的風(fēng)險溝通中，官方和民間話語表達有什么異同？

第三：官方和民間兩個話語場在風(fēng)險溝通中如何互動？

2 研究設(shè)計

2.1研究思路雙視角研究涉及到的核心問題是不同主體話語的測量與對比。話語傳播的過程中，往往演化出不同的議程，美國傳播學(xué)者迪林和羅杰斯將議程(agenda)界定為“某個時點上議題顯要性的等級排列”[14]，議題(issue)的相關(guān)性也成為檢驗議程一致性的重要標準。過往的研究認為，風(fēng)險溝通中官方需要通過議題的管理和互動打通兩個話語場，建立和爭奪話語權(quán)，實現(xiàn)事實引導(dǎo)和價值引導(dǎo)[15-16]。通過比較官方和民間話語的議題與議程，可以評估雙方的溝通效果，回答研究問題。

2.2研究案例與對象本文以新冠疫情為研究案例，以《人民日報》在新浪微博的賬號@人民日報為研究對象。作為國內(nèi)第一大報，《人民日報》被視為黨和政府的喉舌，也被認為是官方話語的重要體現(xiàn)[17]。公眾話語可以通過評論文本得到體現(xiàn)[18-19]。@人民日報作為母媒體《人民日報》在社交媒體平臺的延伸，既能夠及時傳播官方話語，也可以通過評論展現(xiàn)公眾話語，為研究官方和民間互動溝通提供了理想渠道。

2.3數(shù)據(jù)收集與評估考慮到過程的完整性與分析的可行性，數(shù)據(jù)采集從@人民日報2019年12月31日第一次報道新冠肺炎開始，到2020年2月18日全國疫情趨于穩(wěn)定截止(圖1)，研究周期共計50天。由于網(wǎng)絡(luò)審查和平臺限制等原因，@人民日報的個別微博報道關(guān)閉了評論及轉(zhuǎn)發(fā)功能，或僅顯示了部分精選評論，這導(dǎo)致部分評論數(shù)據(jù)欠缺。最終我們爬取了@人民日報發(fā)布的2668條與新冠疫情相關(guān)的報道文本、報道下方298萬條公眾評論，構(gòu)成本研究的主要數(shù)據(jù)。

圖1 數(shù)據(jù)收集期間全國疫情發(fā)展情況統(tǒng)計

2.4文本挖掘與主題建模主題模型技術(shù)的基本邏輯認為文本由多個主題混合而成的，而主題則通過特征詞的概率分布體現(xiàn)出來。潛在狄利克雷分配(Latent Dirichlet Allocation，LDA)作為一種無監(jiān)督學(xué)習(xí)主題模型，可基于語料庫上下文進行文本建模，遵循“文檔(document)-主題(topic)-特征詞(word)”的三層貝葉斯模型，將每個文檔構(gòu)建為多個未知主題的混合集，通過詞的概率分布反映潛在主題，發(fā)現(xiàn)熱點話題[20-21]。LDA作為主題分析模型較多應(yīng)用于文本挖掘、輿情分析領(lǐng)域，能夠有效實現(xiàn)信息的直接提取與量化分析，適用于大型文本研究。在實際研究中，報紙、新聞網(wǎng)站等長篇報道，以及微博、Twitter平臺的短文本均可利用LDA進行探索性主題研究[22-24]。

LDA計算需要對文本數(shù)據(jù)進行預(yù)處理，在Python環(huán)境下，首先使用Jieba中文分詞工具(https://pypi.org/project/jieba/)進行分詞。然后結(jié)合基本停詞表(https://gitee.com/UsingStuding/stopwords)清除無意義的詞語。最后結(jié)合IF-IDF技術(shù)(Term Frequency-Inverse Document Frequency)對文本進行加權(quán)計算，過濾經(jīng)常出現(xiàn)卻不重要的詞，保留權(quán)重更高的特征詞。經(jīng)過預(yù)處理后得到基本語料庫后，需要界定文檔，我們以“天”為單位對語料庫進行分割，將同一天內(nèi)@人民日報發(fā)布的微博歸類為文檔A，微博下方對應(yīng)的公眾評論歸類為文檔B。在50天周期里，@人民日報有7天沒有發(fā)布疫情相關(guān)微博，所以共得到43+43個文檔進行主題建模。

主題建模的關(guān)鍵步驟是調(diào)整指標到最優(yōu)主題數(shù)量，評估模型有效性并對結(jié)果進行有效解釋[25]。當(dāng)設(shè)定主題值較小時，屬于不同主題范疇的詞語可能被歸類于同一個主題，而主題值較大時，同一主題下的詞語又會過于分散。經(jīng)過多次結(jié)果比較，我們確定了30個主題，隨后對各個主題下的特征詞進行意義建構(gòu)，將30個主題概括為“疫情發(fā)展與影響”“政府應(yīng)對措施”“救治、互助與祈福”“失范行為與追責(zé)”和“防疫知識科普”5大議題，具體分配方式和對應(yīng)特征詞見表1。

表1 @人民日報與用戶評論整體議題分布

2.5議程關(guān)聯(lián)性檢驗結(jié)合主體間議程檢驗已有研究，我們引入交叉時滯相關(guān)分析法(cross-lagged correlation analysis)[26]，目的在于檢驗@人民日報和公眾的議程是否存在顯著性關(guān)聯(lián)。該方法的邏輯見圖2。

圖2 檢驗議程相關(guān)性的基本邏輯

假設(shè)分別以X和Y代表@人民日報和公眾，分析X和Y在連續(xù)的時段1和時段2內(nèi)的相關(guān)性則涉及到6組關(guān)系：同步相關(guān)關(guān)系X1Y1和X2Y2，系數(shù)越高代表同一時間段內(nèi)@人民日報和公眾的議題相似度越高。自相關(guān)關(guān)系X1X2和Y1Y2,系數(shù)越高代表@人民日報或公眾議題在兩個臨近時間段內(nèi)相似度越高。交叉時滯關(guān)系X1Y2和X2Y1，若X對Y議程的影響大于Y對X，那么X1Y2高于X2Y1，反之相反。

在此基礎(chǔ)上，引入羅澤-坎貝爾基線(Rozelle-Campbell baseline)輔助檢驗媒體和公眾之間的議程效果，可提高研究的精準性[27]。羅澤-坎貝爾基線是由四組同步相關(guān)(X1Y1、X2Y2)和自相關(guān)(X1X2、Y1Y2)計算出來的預(yù)期交叉值，并作為檢驗交叉值大小的基準，用于檢驗不同主體在兩個特定時間段下的議程設(shè)置效果。在本研究中，選定的兩個時間點內(nèi)若X1Y2高于基線值，X(@人民日報)影響了Y(公眾)的議程，若X2Y1高于基線值，則Y(公眾)影響了X(@人民日報)的議程，基線值具體計算方式如下：

3 研究發(fā)現(xiàn)

3.1風(fēng)險溝通效果與公眾信息行為在圍繞新冠疫情的風(fēng)險溝通中，分析@人民日報的信息覆蓋面和影響度，能夠初步評估信息傳播效果，回應(yīng)第一個研究問題。由于全國各地疫情嚴重程度不同，受到疫情影響更嚴重的公眾傾向于關(guān)注并參與相關(guān)報道[28]。在這個前提下，我們統(tǒng)計了298萬條評論的用戶地區(qū)分布情況(N)，新浪微博用戶地區(qū)分布比例(Pw)，全國各地區(qū)人口分布比例(Pn)，以及研究周期內(nèi)全國各地累積確診人數(shù)(C)。對全國34個地區(qū)的N/ Pw值與C/ Pn值進行線性趨勢模型分析，由于受到疫情影響最為嚴重的湖北人民關(guān)注程度遠高于其他省市，在剔除了湖北異常值后，結(jié)果如圖3所示，該模型下P< 0.0001，呈現(xiàn)出顯著相關(guān)性。該結(jié)果也證明了@人民日報在全國范圍內(nèi)覆蓋面廣泛，是疫情威脅下的公眾尋求信息的重要渠道。

圖3 全國34個地區(qū)的N/Pw值與C/Pn值的線性趨勢模型分析

根據(jù)@人民日報每日發(fā)布的疫情相關(guān)微博，平均轉(zhuǎn)發(fā)與公眾評論數(shù)量可以觀察其影響力。為了避免極值影響，轉(zhuǎn)發(fā)數(shù)、評論數(shù)高于10萬的微博不計入均值，最終得到的發(fā)博、轉(zhuǎn)發(fā)及評論數(shù)量分布如下(見圖4)：

圖4 @人民日報單日發(fā)博量和平均轉(zhuǎn)發(fā)數(shù)、平均評論數(shù)

從圖4可以看出，2019年12月31日首次曝出武漢出現(xiàn)“不明原因肺炎”到2020年1月6日，為數(shù)不多的相關(guān)報道獲得大量關(guān)注。隨著不明原因肺炎排除為SARS病原且沒有出現(xiàn)新增死亡病例后，媒體和公眾反應(yīng)降溫，1月7日到1月10日報道為零。短暫的冷卻過后，重提“不明原因肺炎”沒有得到太多重視。1月20日出現(xiàn)“‘新型冠狀病毒肺炎’人傳人”消息，發(fā)博量與轉(zhuǎn)評量爆發(fā)式增長，直到一月末和2月中上旬逐漸趨于穩(wěn)定。根據(jù)數(shù)據(jù)變化，可以將這50天的信息生產(chǎn)周期大致劃分為“潛伏期(12.31-1.19)-爆發(fā)期(1.20-1.28)-平穩(wěn)期(1.29-2.18)”。

在潛伏期公眾處于信息“真空”狀態(tài)，除了密切關(guān)注權(quán)威信息發(fā)布之外，還傾向于和他人溝通來掌握消息，由于官方信息稀缺且沒有意識到事態(tài)嚴重性，公眾的關(guān)注很快下降。在爆發(fā)期，面臨威脅的人們頻繁接觸媒介，各類信息魚龍混雜，一旦公眾發(fā)覺某個信息可能有價值便通過評論和轉(zhuǎn)發(fā)奔走相告。到了平穩(wěn)期，官方與民間信息差進一步縮小，公眾對新冠肺炎也有了理性的認知，擁有輸出意見的能力，因此平臺整體處于理性的討論階段，不再出現(xiàn)大規(guī)模的轉(zhuǎn)發(fā)和評論現(xiàn)象。通過三個階段的分析，@人民日報的報道力度變化直接影響到了公眾對事件的重視程度，在風(fēng)險溝通中能夠勝任信息傳遞、危機預(yù)警、政策公示、知識科普等任務(wù)。

3.2議題的一致性與差異性為了回答第二個研究問題，我們比較@人民日報和公眾評論中5個議題分布概率與變化趨勢。結(jié)合表1的分析結(jié)果，加總各議題的隸屬主題概率，得到@人民日報和公眾評論中各個議題的整體分布情況(表2)。隨后統(tǒng)計43個文檔A和43個文檔B中各個議題比重，得到@人民日報和公眾的5個議題變化趨勢(圖5)。

表2 @人民日報與公眾評論的議題整體分布情況

圖5 @人民日報與公眾議題趨勢分布

結(jié)合表2和圖5能夠得到以下幾點：第一，@人民日報和公眾對不同議題的關(guān)注程度差異較大，官方重視疫情整體發(fā)展等宏大敘事類議題，履行了傳遞信息、消除不確定性的基本職責(zé)。公眾對各個議題的關(guān)注程度比較均衡，最為關(guān)注“救治、互助和祈?！焙汀耙咔榘l(fā)展與影響”，體現(xiàn)出公眾對公共事務(wù)的參與熱情，希望疫情早日結(jié)束、國泰民安的美好祝愿。第二，官方和公眾在多數(shù)時段內(nèi)對議題的關(guān)注呈現(xiàn)出同步性，但是雙方早期對“防疫知識科普”和“疫情發(fā)展與影響”議題的關(guān)注度呈錯峰分布，由于一開始雙方對疫情的認知不足，錯過了最佳時機后，再次預(yù)警需要更大報道力度和更長的時間，體現(xiàn)了風(fēng)險溝通時機的重要性。第三，“政府應(yīng)對措施”和“失范行為與追責(zé)”都在特定時間點出現(xiàn)高峰，“救治、互助與祈?！眲t在后期經(jīng)常被高度討論。在疫情傳播最猛烈，局勢不明朗的階段， “封城”“全民居家隔離”等一系列措施是實施推動相應(yīng)議題熱度達到高峰。在疫情發(fā)展逐漸平穩(wěn)之后，救治處理與社會關(guān)懷成為熱點話題。兩者對“失范行為與追責(zé)”議題的關(guān)注強度差異較大，武漢紅十字會問題曝出和李文亮醫(yī)生去世引發(fā)了公眾的廣泛討論，@人民日報對該議題的關(guān)注起到了一定的“激發(fā)”作用，但報道強度與公眾相差較大，容易給人留下避重就輕的印象。

3.3議程的共振與博弈為了評估@人民日報和公眾評論的議程是否存在顯著性關(guān)聯(lián)，本部分引入交叉滯后相關(guān)分析檢驗議程的相關(guān)性和因果性，回答第三個研究問題。分析結(jié)果見表3，數(shù)據(jù)包括同步相關(guān)X1Y1(X2Y2)、自相關(guān)X1X2和Y1Y2、交叉時滯相關(guān)X1Y2和X2Y1的顯著系數(shù)占總體的比例，平均系數(shù)值,以及兩組交叉時滯相關(guān)系數(shù)高于羅澤坎貝爾基線值的比重。

表3 交叉時滯相關(guān)分析結(jié)果統(tǒng)計

分析數(shù)據(jù)有如下發(fā)現(xiàn)：第一，在同時間段內(nèi)，@人民日報和公眾評論(X1Y1)相關(guān)性較高，體現(xiàn)了雙方溝通的及時性，具體表現(xiàn)形式是@人民日報提供一個議程，公眾隨即展開相應(yīng)討論，官方可能在公眾評論的基礎(chǔ)上進一步強化或修正報道框架。第二，@人民日報(X1X2)和公眾(Y1Y2)都保持了較高的自相關(guān)性，可見在即時溝通后，兩個話語場又會從同步轉(zhuǎn)向分化，回到了固有的議程框架。第三，從交叉相關(guān)系數(shù)(X1Y2和X2Y1)的顯著值占比來看，公眾議程影響官方議程(32.3%)比官方議程影響公眾議程(25.8%)的程度稍高，兩者系數(shù)平均值較為接近(0.619和0.623)，羅澤-坎貝爾基線的結(jié)果更傾向于@人民日報議程(54.8%)影響公眾議程(48.4%)?；谝陨先M較為接近的數(shù)據(jù)可以得知，官方與民間在風(fēng)險溝通過程中存在著均衡的雙向影響關(guān)系，議程的共振與博弈也是推動兩個話語場從“同化-分化”的內(nèi)在動力。

除了基于大數(shù)據(jù)分析得到整體性結(jié)論，內(nèi)容分析也能夠發(fā)現(xiàn)兩個話語場的互動關(guān)系。例如@人民日報曾經(jīng)于2020年2月5日、2月8日、2月10日分別報告了三位老人捐款的新聞，但公眾評論一致呼吁把捐款還給老人，隨后@人民日報2月12日發(fā)布#民警婉拒八旬老人捐款#的新聞，得到公眾的支持與點贊。此外，@人民日報定時開設(shè)“人民微評”欄目(見圖6)，回顧近期內(nèi)曾引發(fā)過公眾高關(guān)注、高反響、高討論的議題，大部分集中為“失范行為與追責(zé)”類議題。雖然一部分追責(zé)、反思類敏感議題在話語框架中的比重不高，但不意味著官方對該類議題的回避或忽視。這個過程既體現(xiàn)了公眾影響官方報道的屬性選擇和價值取向，也能夠看到官方媒體對于先前報道實踐的回顧和反思。

圖6 @人民日報“人民微評”欄目

4 結(jié)論與討論

本研究基于二元視角，探究突發(fā)公共衛(wèi)生事件中官方和民間如何展開風(fēng)險溝通。綜合以上研究發(fā)現(xiàn)，新型主流媒體在風(fēng)險溝通中保持了較高的影響力和號召力，是新冠疫情期間公眾重要的信息來源。結(jié)合全周期分析兩個話語場的互動模式(見圖7)，從潛伏期到爆發(fā)期，公眾處于信息真空狀態(tài)，官方話語有著“一呼百應(yīng)”的影響力，公眾話語對議題把控存在一定的滯后性，整體上處于附和官方話語的地位。爆發(fā)期到平穩(wěn)期的過渡階段，官方與民間的信息差距縮小，兩個話語場呈現(xiàn)出同步性與一致性，公眾逐漸開始表現(xiàn)出對特定議題的傾向性，掌握了議程把控能力，對于官方話語的質(zhì)疑也逐漸增加。面對分歧，公眾會通過“刷”評論的方式滿足表達欲，與官方議程“博弈”。官方話語也會進行適當(dāng)?shù)幕貞?yīng)與解釋，推動雙方在對話中達成共識。

圖7 官方-民間話語的周期性互動

風(fēng)險溝通也暴露出若干問題，官方需著重解決多主體對話的身份轉(zhuǎn)換與話語調(diào)適問題。首先，兩個話語場存在供求不均衡的問題。危機期間公眾依賴社交媒體的一大原因是尋求情感支持與自我表達，此次風(fēng)險溝通中，官方話語表達理性有余，人文關(guān)懷和情感關(guān)照不足，無法與公眾產(chǎn)生共鳴，容易產(chǎn)生分歧甚至引發(fā)沖突。其次，官方?jīng)]能完全發(fā)揮社交媒體的優(yōu)勢，在溝通的中期和后期沒能根據(jù)公眾反饋和需求主動把握議題、選擇時機、推動議程，而是堅持固有的話語模式，導(dǎo)致對話陷入停滯和分歧。最后，官方話語依舊存在對敏感議題回避、拖延、淡化的問題。對于關(guān)鍵議題的忽視一方面打壓了公眾參與熱情，引發(fā)不滿和質(zhì)疑，同時也使自身在溝通中陷入被動局面，降低公信力和影響力。

為解決以上問題，提升突發(fā)公共衛(wèi)生事件的風(fēng)險溝通效果，官方應(yīng)針對不同階段的風(fēng)險態(tài)勢和公眾訴求細化策略。在局勢尚未明朗、信息稀缺時期，官方表態(tài)對公眾認知起到?jīng)Q定性作用。保障公眾知情權(quán)而非維穩(wěn)是溝通的第一原則，官方需要正視公眾信息需求，及時、充分、透明地與公眾開展風(fēng)險溝通，不辜負公眾的依賴與信任。爆發(fā)期需要與多方保持及時的協(xié)調(diào)溝通，公示最新政策和措施展現(xiàn)領(lǐng)導(dǎo)力，關(guān)注并積極回應(yīng)社會關(guān)切以體現(xiàn)透明性，開展社會動員激發(fā)公眾信心。進入平穩(wěn)期后，則以反思和重構(gòu)為主要任務(wù)，包括溯因追責(zé)、信任重建，防止風(fēng)險的再次出現(xiàn)，為災(zāi)后重建做好準備。風(fēng)險溝通全過程需要擯棄過往官方即主體、公眾即客體的二元對立模式，將雙方視為平等的對話者，通過技術(shù)賦能建立良好的溝通機制，聚焦信息流與意見流的循環(huán)轉(zhuǎn)化，建立一個官方-民間互為引導(dǎo)、求同存異的話語生態(tài)，推動雙方走出對話盲區(qū)，謀求意義共通。