后真相時(shí)代考慮信息熵的網(wǎng)民觀點(diǎn)演化與輿情研判引導(dǎo)研究*

侯艷輝 孟 帆 王家坤 管 敏 張 昊

(山東科技大學(xué)經(jīng)濟(jì)管理學(xué)院 青島 266500)

伴隨通信技術(shù)的創(chuàng)新突破與智能化進(jìn)程的縱深推進(jìn)，特別是在信息過載與信息碎片化特征顯著的后真相時(shí)代，情感先于事實(shí)的時(shí)代特征使輿情的影響效應(yīng)被進(jìn)一步放大。社交媒體的廣泛應(yīng)用與創(chuàng)新突破賦予了輿情信息獨(dú)特的傳播特征，輿情信息的生產(chǎn)更加智能、呈現(xiàn)更加立體、分發(fā)更加聚焦；伴之相隨，數(shù)十億網(wǎng)民意見表達(dá)的數(shù)量與密度亦井噴式展現(xiàn)出來。與此同時(shí)，考慮到社會熱點(diǎn)事件的突發(fā)性與不可預(yù)知性，互聯(lián)互通的“地球村”中發(fā)生的任何事件均可能成為潛在輿論爆發(fā)點(diǎn)，對監(jiān)管主體的治理能力與水平提出了嚴(yán)峻考驗(yàn)；若處理不當(dāng)，極有可能引起網(wǎng)絡(luò)群體極化。鑒于此，以社會熱點(diǎn)事件引發(fā)的網(wǎng)絡(luò)輿情為研究對象，重點(diǎn)分析網(wǎng)民觀點(diǎn)交互與演化規(guī)則，厘清網(wǎng)絡(luò)輿情的生成、傳播與演化過程，進(jìn)而設(shè)計(jì)輿情研判預(yù)警體系，可為監(jiān)管主體及時(shí)處理社會熱點(diǎn)事件、占領(lǐng)意識形態(tài)制高點(diǎn)提供決策依據(jù)。

1 相關(guān)研究綜述

圍繞社會熱點(diǎn)事件，輿情傳播過程中網(wǎng)民觀點(diǎn)的交互與演化機(jī)制研究，有助于理解網(wǎng)民觀點(diǎn)的生成與交互機(jī)理。基于此，學(xué)者們主要從要素和過程兩個(gè)視角展開研究。

基于要素視角，當(dāng)前研究通過理論與實(shí)踐探究了影響網(wǎng)民觀點(diǎn)演化的內(nèi)外部因素。從內(nèi)部個(gè)體層面出發(fā)，學(xué)者們基于網(wǎng)民間關(guān)系強(qiáng)度[1]、態(tài)度感知價(jià)值、認(rèn)知失調(diào)理論[2]等構(gòu)建了觀點(diǎn)動(dòng)力學(xué)模型，從個(gè)體心理學(xué)角度探究了網(wǎng)民觀點(diǎn)的形成與演化過程；從外部因素層面出發(fā)，考慮到媒體多樣性[3]、反轉(zhuǎn)信息介入時(shí)間、事件敏感度[4]對網(wǎng)民觀點(diǎn)演化的影響，學(xué)者們研究了平臺影響力[5]、輿情信息內(nèi)容[6]對網(wǎng)民觀點(diǎn)生成與交互的影響機(jī)制。

基于過程視角，學(xué)者們提出網(wǎng)絡(luò)輿情的演變具有明顯生命周期，輿情生命周期不同階段的觀點(diǎn)演化具有不同特征，同時(shí)輿情參與主體的行為也具有階段差異性。如陳華等[7]將網(wǎng)絡(luò)輿情蔓延過程劃分為網(wǎng)絡(luò)輿情擴(kuò)散階段與政府調(diào)控網(wǎng)絡(luò)輿情階段；基于有界置信模型，魏靜等[8]設(shè)計(jì)了輿情當(dāng)事人未發(fā)聲和發(fā)聲后的兩階段觀點(diǎn)演化模型。除此之外，針對媒體用戶參與下信息傳遞的特點(diǎn)，Luo等[9]將媒體對網(wǎng)民的單向影響過程分為信息接收和意見采用兩個(gè)階段，為網(wǎng)民觀點(diǎn)演化提供了一個(gè)更現(xiàn)實(shí)的框架。

后真相時(shí)代下，網(wǎng)絡(luò)輿情的風(fēng)險(xiǎn)評估與精細(xì)化研判管理愈發(fā)重要，輿情研判與引導(dǎo)研究也是國內(nèi)外相關(guān)領(lǐng)域?qū)W者關(guān)注的重點(diǎn)問題之一。應(yīng)用爬蟲技術(shù)分析相關(guān)輿情數(shù)據(jù)，袁媛[10]利用支持向量機(jī)構(gòu)筑埃博拉疫情背景下Twitter網(wǎng)絡(luò)輿情危機(jī)預(yù)警系統(tǒng)；Liu等[11]結(jié)合AHPSort II和SW方法，建立多階段網(wǎng)絡(luò)輿論風(fēng)險(xiǎn)分級模型；以具體輿情事件的微博數(shù)據(jù)為例，安璐[12]從網(wǎng)民作用、網(wǎng)媒作用、事態(tài)擴(kuò)散、態(tài)度傾向、網(wǎng)民情感等維度構(gòu)建突發(fā)事件嚴(yán)重性評估指標(biāo)，劃分突發(fā)事件嚴(yán)重性等級，為政府及時(shí)采取應(yīng)急管理措施提供方法指引與數(shù)據(jù)支持。

由上述分析可知，圍繞社會熱點(diǎn)事件發(fā)展過程中的網(wǎng)民觀點(diǎn)演化與輿情研判引導(dǎo)，學(xué)者們已經(jīng)取得了豐富成果；但經(jīng)過分析發(fā)現(xiàn)，該領(lǐng)域仍存在進(jìn)一步研究的空間：a.網(wǎng)民觀點(diǎn)的生成與演化是一個(gè)極其復(fù)雜的過程，統(tǒng)籌要素與過程雙視角，研究網(wǎng)民對輿情事件的了解過程及所接觸的攜帶觀點(diǎn)傾向性的媒體報(bào)道將更具動(dòng)態(tài)性與現(xiàn)實(shí)性。b.社會熱點(diǎn)事件輿情研判預(yù)警與引導(dǎo)策略的相關(guān)研究尚未形成體系；結(jié)合網(wǎng)民觀點(diǎn)演化過程中的相關(guān)統(tǒng)計(jì)指標(biāo)，設(shè)計(jì)輿情研判預(yù)警體系并對引導(dǎo)策略進(jìn)行分級研究，可促使網(wǎng)絡(luò)輿情的引導(dǎo)由傳統(tǒng)“滅火式”管理向“防火式”治理轉(zhuǎn)變。

2 考慮信息熵的網(wǎng)民觀點(diǎn)演化模型

2.1媒體—網(wǎng)民雙層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的搭建作為社會熱點(diǎn)事件的“擴(kuò)聲器”，媒體在網(wǎng)絡(luò)輿情傳播與網(wǎng)民觀點(diǎn)演化過程中扮演著重要角色：一般而言，社會熱點(diǎn)事件往往由媒體直接披露或當(dāng)事人的發(fā)聲伴隨媒體的報(bào)道而逐漸活躍在網(wǎng)民視線里；后真相時(shí)代下，媒體帶有觀點(diǎn)傾向性的新聞報(bào)道甚至?xí)厮芫W(wǎng)民觀點(diǎn)進(jìn)而影響整個(gè)社會輿論的演化態(tài)勢。如2018年江歌案，部分媒體為博人眼球、搶占流量，將議程設(shè)置的焦點(diǎn)放在對劉鑫、陳世峰的輿論批判上而非整個(gè)事件本身，導(dǎo)致民意裹挾下的網(wǎng)絡(luò)暴力不斷侵蝕著網(wǎng)絡(luò)空間，使江歌案網(wǎng)絡(luò)輿論持續(xù)走向極端。

圖1 媒體—網(wǎng)民雙層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

鑒于媒體在網(wǎng)絡(luò)輿情傳播與網(wǎng)民觀點(diǎn)演化過程中發(fā)揮的重要作用，本文擬將社交網(wǎng)絡(luò)分為媒體層和網(wǎng)民層，構(gòu)建媒體—網(wǎng)民雙層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。首先，根據(jù)抖音、微博平臺中媒體賬號之間的關(guān)聯(lián)關(guān)系，發(fā)現(xiàn)媒體賬號之間聯(lián)系的建立具有一定自主性選擇特征[13]，故設(shè)置媒體層為隨機(jī)網(wǎng)絡(luò)。其次，結(jié)合Facebook網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)[14]可知，網(wǎng)民賬號間存在明顯的擇優(yōu)連接特性，故設(shè)置網(wǎng)民層為無標(biāo)度網(wǎng)絡(luò)。最后，通過剖析新浪微博中媒體與網(wǎng)民賬號的社交關(guān)系可知，媒體層與網(wǎng)民層的聯(lián)系主要為網(wǎng)民到媒體的單向關(guān)注關(guān)系，即網(wǎng)民關(guān)注自己感興趣的媒體，而媒體不會回關(guān)普通網(wǎng)民。結(jié)合上述分析，構(gòu)建媒體—網(wǎng)民雙層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示。

2.2 考慮信息熵的網(wǎng)民觀點(diǎn)演化規(guī)則

2.2.1網(wǎng)民觀點(diǎn)演化過程的影響因素分析

結(jié)合社會熱點(diǎn)事件網(wǎng)絡(luò)輿情傳播案例及相關(guān)研究可知，在輿情傳播過程中，網(wǎng)民的觀點(diǎn)演化主要受到外部干預(yù)信息與個(gè)體內(nèi)部特征的影響。基于已有文獻(xiàn)，本文以媒體首發(fā)信息量及輿論信息熵[15]為主線，結(jié)合輿情事件敏感度[4]、媒體首發(fā)觀點(diǎn)傾向[16]及網(wǎng)民對網(wǎng)民及媒體的信任程度，研究并設(shè)計(jì)網(wǎng)絡(luò)輿情傳播與網(wǎng)民觀點(diǎn)演化的規(guī)則。

a.外部干預(yù)信息

媒體首發(fā)信息量：社交網(wǎng)絡(luò)中的輿情信息交互過程實(shí)際上是網(wǎng)絡(luò)用戶信息的接收與轉(zhuǎn)發(fā)過程；在接收—轉(zhuǎn)發(fā)過程中，信息作為中介主體承載用戶的情感反饋，賦予了整個(gè)交互過程中信息量浮動(dòng)變化的特征。從信息論視角出發(fā)，設(shè)置信息量的取值范圍為(0,1)，考慮到輿情首發(fā)階段信息碎片化特征明顯，因此將t時(shí)刻媒體首發(fā)信息量定義為INFm∈(0,0.5)。

輿論信息熵：基于Shannon提出的信息熵概念，本文通過t時(shí)刻網(wǎng)民i所處社交圈層的輿論信息熵反映網(wǎng)民所處的輿論環(huán)境，定義如下：

(1)

輿情事件敏感度：輿情事件的性質(zhì)顯著影響著網(wǎng)民對熱點(diǎn)事件的關(guān)注程度與觀點(diǎn)的表達(dá)強(qiáng)度，社會熱點(diǎn)輿情事件的敏感度越高，越容易激化社會矛盾。基于此，將輿情事件敏感度定義為K∈(0,1)；隨后根據(jù)K的取值，將事件敏感度劃分如下：K≥0.8表示輿情事件的敏感度較高，0.5

媒體首發(fā)觀點(diǎn)傾向：媒體對輿情事件首次報(bào)道時(shí)攜帶的觀點(diǎn)傾向往往會帶給網(wǎng)民一種先入為主的主觀印象，故網(wǎng)民對輿情事件的觀點(diǎn)表達(dá)，在很大程度上取決于媒體首次報(bào)道輿情事件時(shí)所攜帶的觀點(diǎn)傾向。鑒于此，本文將媒體對輿情事件首次報(bào)道時(shí)攜帶的觀點(diǎn)傾向定義為Om∈(-1,1)，結(jié)合相關(guān)研究以及現(xiàn)實(shí)輿論環(huán)境，定義區(qū)間Om=(-0.2,0.2)表示媒體首發(fā)觀點(diǎn)傾向?yàn)橹辛ⅲ瑓^(qū)間Om∈(0.2,1)表示媒體首發(fā)觀點(diǎn)傾向?yàn)檎?，區(qū)間Om∈(-1,-0.2)表示媒體首發(fā)觀點(diǎn)傾向?yàn)樨?fù)。

b.個(gè)體內(nèi)部特征

在社交網(wǎng)絡(luò)平臺上分享和交換觀點(diǎn)的過程中，網(wǎng)絡(luò)賬號間的信任關(guān)系是輿情信息傳播與觀點(diǎn)擴(kuò)散的紐帶，直接影響到輿情信息量的接收與觀點(diǎn)的采納。結(jié)合相關(guān)研究，本文將網(wǎng)民之間、網(wǎng)民與媒體之間的信任程度分別定義為：

網(wǎng)民間的信任程度：將網(wǎng)民i1對網(wǎng)民i2的信任程度Wi1i2定義為共同關(guān)注的節(jié)點(diǎn)數(shù)/各自關(guān)注的節(jié)點(diǎn)總數(shù)：Wi1i2=common(di1_in,di2_in)/di1_in，共同關(guān)注的節(jié)點(diǎn)數(shù)越多，網(wǎng)民間的認(rèn)同感越強(qiáng)烈，網(wǎng)民間的信任程度越高。

網(wǎng)民對媒體的信任程度：將網(wǎng)民i對媒體m的信任程度Wim定義為網(wǎng)民i內(nèi)在接收力與媒體m外在吸引力的合力：Wim=fi*fm，其中網(wǎng)民i的接收力表示為fi=di_out/di，由i節(jié)點(diǎn)的出度來衡量，媒體m的吸引力表示為fm=dm_in/dm，由m節(jié)點(diǎn)的入度來衡量。媒體m的入度越大，即對外吸引力越強(qiáng)，被網(wǎng)民信任的可能性也就更高；網(wǎng)民i的出度越大，即網(wǎng)民的接收力越強(qiáng)，對外界的信任程度也就更高。

2.2.2分階段網(wǎng)民觀點(diǎn)演化規(guī)則

綜合網(wǎng)民觀點(diǎn)演化過程中外部干預(yù)信息與個(gè)體內(nèi)部特征的影響，本文將熱點(diǎn)事件輿情信息傳播過程中網(wǎng)民觀點(diǎn)的交互與演化過程劃分為信息接收、觀點(diǎn)生成、觀點(diǎn)采納三個(gè)階段，各階段網(wǎng)民觀點(diǎn)的演化規(guī)則設(shè)計(jì)如下：

a.信息接收

結(jié)合相關(guān)研究，假定媒體m對輿情信息的發(fā)布或報(bào)道存在傳播閾值MPTm，并定義其服從均勻分布；當(dāng)媒體m所調(diào)查或接收的最大輿情信息量超過其傳播閾值，其將成為信息傳播源，擴(kuò)散所接收的輿情信息或攜帶觀點(diǎn)表明立場。媒體層的信息量接收規(guī)則如下：

(2)

網(wǎng)民i對輿情信息的接收主要來自所處社交圈層中輿情信息量更充分的媒體或者其他用戶，網(wǎng)民i的信息量接收規(guī)則如下：

(3)

b.觀點(diǎn)生成

社會熱點(diǎn)事件網(wǎng)絡(luò)輿情爆發(fā)后，網(wǎng)民受到刺激產(chǎn)生情緒，可通過在社交網(wǎng)絡(luò)平臺上發(fā)布推文，將其內(nèi)在情緒外化為態(tài)度和觀點(diǎn)[17]?；诖?，在初始觀點(diǎn)的生成階段，結(jié)合輿情信息傳播過程，通過情感強(qiáng)度第一定律[18]定義網(wǎng)民初始觀點(diǎn)生成的計(jì)算公式如下：

(4)

c.觀點(diǎn)采納

完成輿情信息量的接收及初始觀點(diǎn)的生成后，輿情事件不斷發(fā)酵促使網(wǎng)民進(jìn)行觀點(diǎn)的交互，進(jìn)而出現(xiàn)觀點(diǎn)對抗與采納現(xiàn)象。基于此，在觀點(diǎn)采納階段，結(jié)合HK模型中的觀點(diǎn)交互機(jī)制，將網(wǎng)民觀點(diǎn)演化規(guī)則定義如下：

(5)

2.3 輿情研判預(yù)警設(shè)計(jì)

針對不同類型的社會熱點(diǎn)事件網(wǎng)絡(luò)輿情，輿情預(yù)警指標(biāo)的構(gòu)建需要從網(wǎng)絡(luò)信息環(huán)境、信息人等方面入手，通過深入分析相關(guān)要素與輿情信息的相關(guān)關(guān)系來構(gòu)建反映網(wǎng)絡(luò)輿情演變情況的預(yù)警指標(biāo)體系[19]。結(jié)合前文定義，本文從總體輿論信息熵與負(fù)面觀點(diǎn)網(wǎng)民比例兩個(gè)方面，設(shè)計(jì)輿情研判預(yù)警指標(biāo)。

a.總體輿論信息熵

b.負(fù)面觀點(diǎn)網(wǎng)民比例

綜上，本文選擇總體輿論信息熵H和負(fù)面觀點(diǎn)網(wǎng)民比例N作為網(wǎng)絡(luò)輿情首發(fā)階段的研判預(yù)警指標(biāo)，通過設(shè)置研判指標(biāo)閾值θ，對以上兩個(gè)指標(biāo)進(jìn)行數(shù)值高低的排列組合，可將社會熱點(diǎn)事件網(wǎng)絡(luò)輿情等級分為四類：紅色預(yù)警輿情、橙色預(yù)警輿情、黃色預(yù)警輿情和綠色安全輿情，具體描述如表1所示。

表1 輿情研判等級劃分

3 網(wǎng)民觀點(diǎn)演化的仿真實(shí)驗(yàn)與分析

基于前述的網(wǎng)民觀點(diǎn)演化模型及輿情研判預(yù)警設(shè)計(jì)，本章擬采用仿真實(shí)驗(yàn)討論社會熱點(diǎn)事件網(wǎng)絡(luò)輿情傳播過程中網(wǎng)民的觀點(diǎn)演化規(guī)律與不同因素下網(wǎng)民觀點(diǎn)的演化趨勢；以及針對需要回應(yīng)的社會熱點(diǎn)事件，討論不同回應(yīng)策略對網(wǎng)民觀點(diǎn)的引導(dǎo)效果。

3.1 首發(fā)階段輿情研判分級

基于模型相關(guān)參數(shù)定義及數(shù)值分析，將輿情首發(fā)階段按照媒體首發(fā)信息量(高0.4、低0.2)、輿情事件敏感度(敏感0.8、平常0.5)、媒體首發(fā)觀點(diǎn)傾向(正向0.6、中立0、負(fù)向-0.6)進(jìn)行分類，將社會熱點(diǎn)輿情事件分為12類，為避免實(shí)驗(yàn)結(jié)果的偶然性，相關(guān)參數(shù)的界定均考慮了各定義變量的區(qū)間分布及中位數(shù)；隨后分別進(jìn)行網(wǎng)絡(luò)輿情首發(fā)階段的仿真實(shí)驗(yàn)，討論不同類型輿情事件總體輿論信息熵、負(fù)面觀點(diǎn)網(wǎng)民比例的分布情況，部分事件仿真結(jié)果如圖2所示。

圖2 不同類型輿情事件的仿真實(shí)驗(yàn)(部分)

結(jié)合上述仿真實(shí)驗(yàn)結(jié)果，將12類不同的社會熱點(diǎn)輿情事件進(jìn)行歸類，設(shè)置總體輿論信息熵H的閾值為θh=0.4，負(fù)面觀點(diǎn)網(wǎng)民比例N的閾值為θn=0.5，并將熱點(diǎn)輿情事件劃分為4類，如表2所示。

表2 首發(fā)階段輿情研判分級

由社會熱點(diǎn)事件首發(fā)階段的輿情研判分級可以看出，媒體首發(fā)信息量、輿情事件敏感度及媒體首發(fā)觀點(diǎn)傾向的不同組合會觸發(fā)不同等級的輿情預(yù)警；其中，負(fù)傾向的媒體首發(fā)觀點(diǎn)、低水平的首發(fā)信息量、高水平的事件敏感度，3種屬性中任意兩種同時(shí)出現(xiàn)，均會觸發(fā)等級較高的紅色或橙色預(yù)警。

3.2 回應(yīng)階段輿情引導(dǎo)策略

首發(fā)階段輿情事件的研判分級，為輿情回應(yīng)與引導(dǎo)提供了參考標(biāo)準(zhǔn)，相關(guān)主體在輿情回應(yīng)階段進(jìn)行干預(yù)與引導(dǎo)策略的制定時(shí)，回應(yīng)信息量[21]、回應(yīng)觀點(diǎn)[22]、回應(yīng)時(shí)間[7]是管理實(shí)踐中需要重點(diǎn)關(guān)注的3個(gè)方面?；诖?，研究不同輿情研判等級下的回應(yīng)策略對網(wǎng)民觀點(diǎn)引導(dǎo)的作用效果。

3.2.1紅色預(yù)警輿情

選擇紅色預(yù)警輿情等級中的低敏負(fù)(INF=0.2，K=0.8，OP=-0.6)輿情作為典型事件，相關(guān)實(shí)驗(yàn)結(jié)果如圖3所示。由圖3(a)可知，在未引入正向回應(yīng)觀點(diǎn)的情況下(圖中+線)，提高回應(yīng)信息量，可以促進(jìn)負(fù)面觀點(diǎn)網(wǎng)民比例下降、推動(dòng)總體輿論信息熵不斷提高至突破閾值線，實(shí)現(xiàn)紅色預(yù)警輿情降級為橙色預(yù)警輿情；但回應(yīng)信息量的發(fā)布數(shù)值突破0.6后，對輿情的引導(dǎo)效果便達(dá)到上限，此時(shí)引入并提高回應(yīng)觀點(diǎn)的正向引導(dǎo)作用(圖中*線)，可以有效打破回應(yīng)信息量引導(dǎo)效果的上限，實(shí)現(xiàn)紅色預(yù)警輿情降級目標(biāo)。類似的，由圖3(b)(c)(f)可以看出，回應(yīng)觀點(diǎn)與回應(yīng)時(shí)間引導(dǎo)效果的發(fā)揮均需要突破一定回應(yīng)信息量和回應(yīng)觀點(diǎn)閾值才可打破相應(yīng)策略引導(dǎo)效果的上限。由圖3(d)(e)可以看出，紅色預(yù)警等級下，縮短回應(yīng)時(shí)間對回應(yīng)信息量和回應(yīng)觀點(diǎn)引導(dǎo)效果的提升作用并不明顯。

圖3 紅色預(yù)警輿情等級下回應(yīng)信息量、回應(yīng)觀點(diǎn)、回應(yīng)時(shí)間對網(wǎng)民觀點(diǎn)演化過程的影響

結(jié)合上述實(shí)驗(yàn)與分析結(jié)果可知，紅色預(yù)警輿情的低首發(fā)信息量與媒體首發(fā)觀點(diǎn)的負(fù)傾向特征賦予了該等級下輿情事件高模糊性與負(fù)面性的特點(diǎn)，在紅色預(yù)警輿情回應(yīng)階段，解除預(yù)警的關(guān)鍵是彌補(bǔ)首發(fā)階段輿情信息量極低的缺陷，因此監(jiān)管主體首先需要增強(qiáng)回應(yīng)信息量，繼而輔以回應(yīng)觀點(diǎn)的正向引導(dǎo)作用，即可發(fā)揮引導(dǎo)策略的最優(yōu)效果。

3.2.2橙色預(yù)警輿情

選擇橙色預(yù)警輿情等級中的高敏負(fù)(INF=0.4，K=0.8，OP=-0.6)輿情作為典型事件，相關(guān)實(shí)驗(yàn)結(jié)果如圖4所示。由圖4(a)(f)可知，回應(yīng)信息量與回應(yīng)時(shí)間引導(dǎo)效果的發(fā)揮均需要突破一定回應(yīng)觀點(diǎn)閾值才可打破相應(yīng)引導(dǎo)效果的上限，使當(dāng)前橙色預(yù)警輿情降級為黃色預(yù)警輿情；類似的，由圖4(b)(c)可以看出，回應(yīng)觀點(diǎn)與回應(yīng)時(shí)間引導(dǎo)效果的發(fā)揮均需要突破一定回應(yīng)信息量閾值才可實(shí)現(xiàn)橙色預(yù)警輿情降級目標(biāo)，且回應(yīng)觀點(diǎn)對其他策略的加成作用要優(yōu)于回應(yīng)信息量。由圖4(d)(e)可以看出，在橙色預(yù)警輿情等級下，縮短回應(yīng)時(shí)間對回應(yīng)信息量和回應(yīng)觀點(diǎn)引導(dǎo)效果的提升作用不夠明顯。

圖4 橙色預(yù)警輿情等級下回應(yīng)信息量、回應(yīng)觀點(diǎn)、回應(yīng)時(shí)間對網(wǎng)民觀點(diǎn)演化過程的影響

結(jié)合上述實(shí)驗(yàn)與分析結(jié)果可知，橙色預(yù)警輿情的高敏感度或首發(fā)媒體觀點(diǎn)的負(fù)傾向特征賦予了該等級下輿情事件不確定性或負(fù)面性的特點(diǎn)，在橙色預(yù)警輿情回應(yīng)階段，解除預(yù)警的關(guān)鍵是加強(qiáng)回應(yīng)觀點(diǎn)的正向引導(dǎo)力度，在具備有效回應(yīng)信息量的基礎(chǔ)上即可實(shí)現(xiàn)引導(dǎo)策略的最優(yōu)效果。

3.2.3黃色預(yù)警輿情

選擇黃色預(yù)警輿情等級中的高平正(INF=0.4，K=0.5，OP=0.6)輿情作為典型事件，相關(guān)實(shí)驗(yàn)結(jié)果如圖5所示。由圖5(a)(d)可知，提高回應(yīng)信息量的策略效果不會受到回應(yīng)觀點(diǎn)和回應(yīng)時(shí)間的限制，回應(yīng)信息量需超過0.6方可使當(dāng)前黃色預(yù)警輿情降級為綠色安全輿情；由圖5(b)(e)可以看出回應(yīng)觀點(diǎn)的策略效果受回應(yīng)時(shí)間影響相對較小，但需要突破一定回應(yīng)信息量閾值，方可實(shí)現(xiàn)黃色預(yù)警輿情降級目標(biāo)；由圖5(e)(f)可以看出，回應(yīng)時(shí)間的策略效果受限于一定回應(yīng)信息量閾值，但回應(yīng)時(shí)間的縮短可以在不同程度上彌補(bǔ)回應(yīng)信息量和回應(yīng)觀點(diǎn)不足的缺陷，且回應(yīng)時(shí)效性越高，對網(wǎng)民觀點(diǎn)引導(dǎo)的效果越理想。

圖5 黃色預(yù)警輿情等級下回應(yīng)信息量、回應(yīng)觀點(diǎn)、回應(yīng)時(shí)間對網(wǎng)民觀點(diǎn)演化過程的影響

結(jié)合上述實(shí)驗(yàn)與分析結(jié)果可知，在總體輿論信息熵偏高且負(fù)面觀點(diǎn)網(wǎng)民比例偏低的黃色預(yù)警輿情回應(yīng)階段，解除預(yù)警的關(guān)鍵是提高輿情回應(yīng)的時(shí)效性，縮短回應(yīng)時(shí)間，在具備一定回應(yīng)信息量的基礎(chǔ)上及時(shí)發(fā)揮引導(dǎo)策略的最優(yōu)效果。

4 輿情觀點(diǎn)演化案例分析

為進(jìn)一步驗(yàn)證上述理論模型及研判指標(biāo)的有效性，選取2021年在新浪微博引發(fā)熱議的“成都四十九中高中生墜樓事件”作為輿情案例研究網(wǎng)民觀點(diǎn)實(shí)際演化情況，利用Python編寫爬蟲程序，累計(jì)獲取評論文本數(shù)據(jù)23 953條。根據(jù)熱點(diǎn)事件首發(fā)與回應(yīng)微博主體的發(fā)博時(shí)間，將成都四十九中高中生墜樓事件分為四個(gè)階段——一次首發(fā)與三次回應(yīng)，調(diào)用百度情感傾向分析API進(jìn)行評論數(shù)據(jù)的情感傾向分析，分別計(jì)算輿情研判指標(biāo)N和H，分析各階段所處輿情研判等級以及所采用回應(yīng)策略對研判等級的調(diào)節(jié)效果。

a.第一次通報(bào)

2021年5月10日14∶30成都49中發(fā)布第一次通報(bào)，宣布學(xué)生墜亡事實(shí)并表示將進(jìn)一步配合調(diào)查。當(dāng)前該輿情事件首發(fā)信息量低，事件敏感度高，各種虛實(shí)難辨的消息在網(wǎng)絡(luò)中傳播，引發(fā)網(wǎng)民激烈討論。此階段輿論焦點(diǎn)集中于學(xué)校、家長、孩子三方主體，主要訴求是公布監(jiān)控、調(diào)查原因、澄清網(wǎng)絡(luò)傳言。通過計(jì)算研判指標(biāo)得到N1=0.828(高)，H1=0.448(低)，根據(jù)所設(shè)計(jì)的輿情研判預(yù)警指標(biāo)推斷此時(shí)間段內(nèi)輿情事件等級為紅色預(yù)警輿情。

b.教育局回應(yīng)

2021年5月11日03∶54成都成華教育發(fā)布第二次通報(bào)，判斷學(xué)生墜樓排除刑事案件，認(rèn)定高墜屬于個(gè)人行為。主體回應(yīng)時(shí)間相對及時(shí)，但發(fā)布內(nèi)容缺少事實(shí)證據(jù)的支撐，回應(yīng)信息量不高，民眾訴求未得到正面解答；主體回應(yīng)觀點(diǎn)偏中立。此階段輿情受到“陰謀論”等極端負(fù)面觀點(diǎn)的影響，網(wǎng)絡(luò)輿論負(fù)傾向明顯；此時(shí)輿論焦點(diǎn)轉(zhuǎn)移到教育局主體，持續(xù)低迷的信息量使得網(wǎng)民對事件真相與監(jiān)控事實(shí)的訴求愈發(fā)強(qiáng)烈。通過計(jì)算研判指標(biāo)得到N2=0.893(高)，H2=0.334(低)，判定此時(shí)間段內(nèi)輿情事件等級仍為紅色預(yù)警輿情。

c.警方回應(yīng)

2021年5月11日19∶43平安成華發(fā)布第三次通報(bào)，以警方身份認(rèn)定學(xué)生系高墜死亡，排除刑事案件，家屬無異議。主體回應(yīng)時(shí)間比較及時(shí)，回應(yīng)信息量較上次并無明顯增添；主體回應(yīng)觀點(diǎn)偏正向，積極引導(dǎo)網(wǎng)民不信謠不傳謠。當(dāng)前時(shí)間段出現(xiàn)了相信警方的正面觀點(diǎn)持有者，但也存在大量認(rèn)為通報(bào)敷衍、對結(jié)果不滿的負(fù)面觀點(diǎn)持有者。此時(shí)輿論焦點(diǎn)在于“家屬無異議”，同時(shí)，網(wǎng)民對監(jiān)控事實(shí)的訴求仍未得到回應(yīng)。通過計(jì)算研判指標(biāo)得到N3=0.739(高)，H3=0.565(高)，判定此時(shí)間段內(nèi)輿情事件等級降為橙色預(yù)警輿情。

d.新華社回應(yīng)

2021年5月13日02∶11新華社還原學(xué)生墜樓事件，詳盡的回應(yīng)信息量充分解答了民眾的信息訴求；新華社回應(yīng)觀點(diǎn)偏正向，并批判性地指出了整個(gè)輿情事件發(fā)展始末存在的不足，較好地回應(yīng)了群眾關(guān)切。此階段輿論焦點(diǎn)重新回到孩子、家長、學(xué)校三方主體，在回應(yīng)信息量充足的情況下，網(wǎng)民最終獲得了輿情事件真相。通過計(jì)算輿情研判指標(biāo)得到N4=0.441(低)，H4=0.721(高)，判定此時(shí)間段內(nèi)輿情事件等級降為黃色預(yù)警輿情。

綜上所述，成都四十九中高中生墜亡輿情事件的后續(xù)回應(yīng)階段存在回應(yīng)策略安排不當(dāng)?shù)膯栴}，經(jīng)過不同主體的三次回應(yīng)，輿情等級從維持紅色預(yù)警降低為橙色預(yù)警，最終僅能降到黃色預(yù)警。結(jié)合熱點(diǎn)事件的案例分析，本文首發(fā)階段輿情研判指標(biāo)與回應(yīng)階段引導(dǎo)策略的有效性均得到驗(yàn)證，輿情首發(fā)階段研判指標(biāo)的設(shè)計(jì)可以有效衡量當(dāng)前輿情事件所處等級；其次，輿情回應(yīng)階段需要權(quán)衡回應(yīng)信息量、回應(yīng)觀點(diǎn)、回應(yīng)時(shí)間三者的策略組合，通過有針對性的輿情引導(dǎo)策略回應(yīng)民眾關(guān)切，平息網(wǎng)絡(luò)負(fù)面輿論。

5 結(jié)語

本文將社會熱點(diǎn)事件網(wǎng)絡(luò)輿情劃分為首發(fā)與回應(yīng)兩個(gè)階段，基于信息熵理論構(gòu)建的觀點(diǎn)演化模型揭示了網(wǎng)民觀點(diǎn)生成、交互與演化的內(nèi)部邏輯，為輿情研判預(yù)警提供了前期理論基礎(chǔ)；研判指標(biāo)的設(shè)計(jì)可以有效判斷首發(fā)輿情的預(yù)警等級，不同等級下輿情回應(yīng)與引導(dǎo)策略的分析為監(jiān)管主體甄別并處理高風(fēng)險(xiǎn)輿情提供了重要參考。以社會熱點(diǎn)事件為研究對象，整合前人研究的過程與要素視角，本文對后真相時(shí)代下的輿情演化進(jìn)行了階段式研究，動(dòng)態(tài)地刻畫了媒體作為信息發(fā)布主體下的網(wǎng)民觀點(diǎn)演化模式，并進(jìn)一步設(shè)計(jì)了輿情研判預(yù)警指標(biāo)與針對性的輿情引導(dǎo)策略，較為完整的呈現(xiàn)了輿情從首發(fā)、回應(yīng)到平息的全過程，具有一定理論價(jià)值與實(shí)踐意義。

本文模型參數(shù)設(shè)置仍具有一定的隨機(jī)性，為提高模型普適性，未來可以從以下方面進(jìn)行改進(jìn)：首先，可以從信息源文本數(shù)據(jù)入手，通過主題挖掘、情感分析等大數(shù)據(jù)分析技術(shù)來計(jì)算實(shí)際輿情信息量與情感強(qiáng)度；其次，可以收集更多實(shí)證數(shù)據(jù)來優(yōu)化模型相關(guān)參數(shù)，提高模型通用性。