高校突發(fā)事件網絡輿情傳播影響因素的組態(tài)分析
——基于32個案例的模糊集定性比較分析

譚春輝 郝曉月

華中師范大學信息管理學院 武漢 430079

1 引言

隨著互聯網和信息技術的普及，人們的交流和互動方式發(fā)生了巨大的變化，許多人已經習慣于在互聯網上發(fā)布和傳播信息。根據2022年2月25日發(fā)布的第49次《中國互聯網絡發(fā)展狀況統(tǒng)計報告》，截至2021年12月，我國網民規(guī)模達10.32億人，較2020年12月增長4 296萬人，互聯網普及率達73.0%[1]。特別是，目前由普通大眾主導的自媒體應用發(fā)展迅速，例如微博、微信、QQ、論壇等，在互聯網平臺的幫助下，越來越多的人開始關注社會熱點和焦點事件，并通過發(fā)帖、評論、轉發(fā)等方式發(fā)表自己的看法，從而造成一定社會性影響，在這種情況下就形成了網絡輿情。

高校網絡輿情是高校網絡文化建設的重要組成部分，能夠反映學生關注的熱點問題，習近平總書記曾對校園網絡文化建設問題發(fā)表過重要講話，指出高校在發(fā)展過程中需要重視輿情監(jiān)管工作，在網絡技術創(chuàng)新的基礎上不斷優(yōu)化監(jiān)督管理方式[2]。

高校突發(fā)事件的發(fā)生通常是難以預測且不可控的，在網絡媒體不斷發(fā)展的今天，由高校突發(fā)事件引起的網絡輿情也具有突發(fā)性、復雜性和難控性，此外還具有隱蔽性和情緒化等特點[3]。高校的主要職能是培養(yǎng)人才、發(fā)展科學技術、服務社會，其突發(fā)事件的發(fā)生會引起社會公眾的極大關注，輿情傳播對高校形象有重要影響，同時也會出現眾多負面、不理性、非真實的言論，因此對高校突發(fā)事件網絡輿情傳播背后的影響因素進行研究便非常重要，這是提升高校突發(fā)事件網絡輿情治理與引導水平的前提與關鍵。

不過，從Web of Science和中國知網中檢索的情況來看，雖然國內外已有學者對高校網絡輿情開展了相應研究[3-5]，但對于高校網絡輿情傳播影響因素的研究，國外學者比較缺乏相應的研究成果，國內學者已在做初步探索。H. Xia與Z. Yan等指出，學生性別、地理條件和原始觀點對高校網絡輿情傳播中學生群體產生羊群效應具有重要影響[6]。H. Y. Wen等利用三方演化博弈模型研究了互聯網媒體、大學生以及高校管理部門對高校網絡輿情傳播的影響[7]。蔣廣學等指出大學生群體是影響高校網絡輿情傳播的重要因素，其在輿情傳播中既是傳播主體又是傳播客體[8]。張義庭等以熵理論為基礎構建了高校突發(fā)事件網絡輿情五力模型，認為輿情主體、載體、客體和引體共同發(fā)揮作用對輿情本體產生影響[9]。翟佳雨以SIR模型（Susceptible Infected Recovered Model，傳染病模型）為基礎，分析了意見領袖、普通網民、高校以及事件信息4個因素對高校突發(fā)事件網絡輿情傳播的影響作用[10]。杜曉彬認為信任機制、二次傳播以及直接免疫特性是影響高校網絡輿情傳播的重要因素[11]。陳曉燕和何有世以動機理論為基礎，提取了情感宣泄、娛樂休閑、利他動機和社會交往4個因素來研究其對高校負面網絡輿情傳播的作用[12]。

定性比較分析方法能從樣本數據中發(fā)現研究對象之間的因果關系，結合了案例分析的完整性和比較分析的系統(tǒng)性，提供了一種超越定性研究和定量研究的第三種方法[13]。目前，定性比較分析方法已在學術界得到比較廣泛的應用[14-16]。國內已有學者開始利用定性比較分析方法對網絡輿情進行研究，如王楠和王保華對高校知名度、事件性質、傳播過程和輿情應對等因素在輿情傳播過程中對高校形象的影響進行分析，認為網絡輿情對高校形象的影響是多種因素疊加而成的[17]；李明和曹海軍提出了事件信息、發(fā)布主體、信息受眾、信息技術和信息環(huán)境5個變量，采用csQCA（crisp-sets Qualitative Comparative Analysis，清晰集定性比較分析）方法研究突發(fā)事件網絡輿情的產生機理[18]；此外，李明和曹海軍從事件類型、溝通主體、溝通渠道和信息反饋4個角度提取變量，利 用fsQCA（fuzzy-sets Qualitative Comparative Analysis，模糊集定性比較分析）分析了40起突發(fā)事件，提出了突發(fā)事件網絡輿情中政府回應的3條路徑[19]。

通過梳理國內外已有研究，可以發(fā)現，現有高校網絡輿情的研究為本文提供了很好的借鑒，但仍有值得拓展的空間：現有研究主要集中于高校網絡輿情的公共性特征和客觀傳播過程，以及如何進行管控與治理，對突發(fā)事件網絡輿情的傳播路徑研究也大多集中在公共危機事件，如突發(fā)公共衛(wèi)生事件等，而對于高校突發(fā)事件網絡輿情傳播過程中多重影響因素之間的相互作用少有關注?；诖耍狙芯繉⒒谳浨槲辶δＰ团c行動者網絡理論，利用模糊集定性比較分析法對高校突發(fā)事件傳播的影響因素及各因素間的多重并發(fā)組態(tài)效應進行組態(tài)分析，識別高校突發(fā)網絡輿情事件影響力產成的前因條件及條件組合，深入研究高校突發(fā)事件網絡輿情傳播的內在機理，為其管理和控制提供一定依據和參考。

2 理論基礎

2.1 網絡輿情五力模型

張義庭等認為高校突發(fā)事件網絡輿情由輿情引體、輿情主體、輿情客體、輿情本體、輿情載體組成，輿情引體即引發(fā)輿情的活動或事件；輿情主體即引發(fā)輿情的人，如意見領袖、普通網民；輿情客體指輿情所針對的對象；輿情本體即輿情本身的內容；輿情載體指公眾輿論傳播的平臺，如微博、微信等。在網絡輿情演化理論和熵理論的基礎上，張義庭等建立了高校突發(fā)事件網絡輿情的五力模型，其共分為三個層次，其核心層是主體、載體、引體、客體和本體五種力的相互作用，其中本體的耗散力處于中心，受到主體驅動力、載體展現力、引體牽引力、客體影響力的影響[9]，如圖1所示：

圖1 網絡輿情五力模型

網絡輿情五力模型在網絡輿情研究中已得到相應的應用，如李晚蓮、高光涵結合網絡輿情五力模型，利用模糊集定性比較分析法對48個突發(fā)公共事件進行分析，研究突發(fā)公共事件網絡輿情熱度生成的影響因素及路徑[20]。劉辰玎基于網絡輿情五力模型，對30起教育輿情案例進行模糊集定性比較分析，由此探究社交網絡背景下教育輿情的生成機制[21]。孫康、張超等以天津港“8·12”爆炸事件為例，采用網絡輿情五力模型分析危險化學品事件網絡輿情的演變規(guī)律和影響因素[22]。

2.2 行動者網絡理論

行動者網絡理論是拉圖爾提出的，主要研究人類與非人類行動者之間相互作用形成的異質網絡[23]，主要有以下幾個核心概念：

第一，行動者。通常情況下行動者是指人，與其他一些社會學家不同，拉圖爾提出的行動者范圍更廣，可以是人類行動者，也可以是非人物體，例如觀念、技術、思想、生物等， 它們兩者具有相同的地位[24]。

第二，轉義者。轉義者始終處在行動者網絡中，它會改變、修改或扭曲原意，拉圖爾認為行動者同樣也是轉義者，其最大的區(qū)別在于行動者更強調自身行動的意義，而轉義者更加注重轉義這一行為的能動性，兩者均能使網絡的拐點發(fā)生變化，也就是出現差異。

第三，網絡。行動者之間的行動會產生許多聯系，從而構成行動者網絡，網絡中的節(jié)點即為行動者。這種網絡強調行動者進行互動、交流和變化的過程[23]，行動者越活躍、行動越頻繁，其聯系越緊密，形成的網絡就越復雜，在高校突發(fā)事件網絡輿情中可以理解為會引發(fā)輿情事件的高熱度。

第四，轉譯。轉譯是指行動者用自己的語言表述其他行動者的觀點和看法，這是行動者之間最主要的互動方式，在網絡輿情中，網民通過評論、轉發(fā)等方式表達對輿情事件的看法，這即是轉譯的過程。所有行動者都處于轉譯過程中，通過轉譯這一方式被聯系在一起，從而構成行動者網絡。

行動者網絡理論與網絡輿情五力模型在高校突發(fā)事件網絡輿情熱度生成中具有適用性，首先，行動者網絡理論認為行動者在網絡中產生行動并引起變化，在高校突發(fā)事件網絡輿情中，生產和傳播新聞的各類媒體、意見領袖、網民、輿情傳播載體（主要指平臺背后的團隊）均為重要的人類行動者，這正是網絡輿情五力模型所提出的輿情主體與輿情載體；其次，引發(fā)輿情的事件、輿情所針對的對象等為重要的非人行動者，這些人類行動者和非人行動者通過轉譯一同構成了高校突發(fā)事件網絡輿情的行動者網絡，轉譯過程即對應網絡輿情五力模型中輿情主體、輿情載體、輿情引體與輿情客體共同作用于輿情本體的過程。

3 研究設計

3.1 研究方法

定性比較分析（Qualitative Comparative Analysis，QCA）由拉金于 1987年提出[25]，它是一種基于案例的理論和研究方法，它強調通過實證數據和相關理論之間的對話，從樣本數據中發(fā)現研究對象之間的因果關系。定性比較分析不同于傳統(tǒng)的案例研究，它結合了案例分析的完整性和比較分析的系統(tǒng)性，提供了一種超越定性研究和定量研究的第三種方法[13]。QCA系統(tǒng)分析事件發(fā)生的關鍵因素、因素之間的聯系以及引發(fā)事件的各個成因組合，以深入理解事件產生的復雜因果關系。

QCA方法包括清晰集、模糊集、多值集三種，清晰集將案例歸為二分類（隸屬集合與不隸屬集合），多值集將案例歸為三分類或四分類中的某一類，而模糊集則是允許研究者校準集合的部分隸屬程度，仍保留了核心的集合理論原則，不是簡單地根據條件組合將案例分類，而是將原本等距刻度的數據轉化為模糊隸屬分數（0和1之間變化的值）[26]。

高校突發(fā)事件網絡輿情屬于社會現象，而社會現象通常具有較高的復雜性，其背后常涉及復雜的因果關系，難以作出二分類的選擇，也就不能將案例簡單地劃分成抽象的變量關系，而是要進行多層次、多維度的全面分析。鑒于研究問題與方法間的適用性，本文選擇模糊集定性比較分析（fsQCA）。

3.2 案例選取

根據定性比較分析方法（QCA）對樣本選取的要求，本研究從知微數據平臺事件庫（https://www.zhiweidata.com/）中選擇滿足以下研究特點的案例：①具有一定知名度，曾引起廣泛關注；②輿情類型多樣，如管理失誤、學術腐敗等；③事件熱度具有差異性。最終選取了2019-2020年32個案例作為高校突發(fā)事件網絡輿情研究樣本庫（見表1）。

表1 2019-2020年高校突發(fā)事件樣本庫

（續(xù)表1）

3.3 變量納入及解釋

根據網絡輿情五力模型可知，主體驅動力、載體展現力、引體牽引力以及客體影響力會對輿情本體的熱度產生影響，拉圖爾的行動者網絡理論告訴我們行動者之間的互動交流構成了行動者網絡理論，在輿情活動中傳播主體、輿情載體等均為行動者，且為人類行動者，高校類型與事件性質則為非人行動者，他們之間通過聯系即構成了高校突發(fā)事件網絡輿情傳播的行動者網絡。

本研究參考網絡輿情五力模型與行動者網絡理論選取條件變量，同時考慮了高校網絡輿情的獨特性，最終確定了4類、6個條件變量（見表2），結果變量為事件影響力。

表2 高校突發(fā)事件網絡輿情傳播影響因素變量說明

3.4 數據賦值與校準

利用模糊集定性比較分析方法進行數據分析前需校準數據，以表示數據的集合隸屬度。校準即需要設定3個定性錨點，也稱為閾值點，包括完全隸屬點、交叉點和完全不隸屬點，參考以往的研究經驗，本文選擇樣本數據的95%分位、50%分位和5%分位作為完全隸屬點、交叉點和完全不隸屬點[27]。其中完全隸屬點記為1，完全不隸屬點記為0，交叉點記為0.5，通過3個錨點的設置，fsQCA 3.0軟件會自動將原始數據轉換為0-1的模糊分數，數據校準完成后，筆者將利用fsQCA 3.0軟件對案例進行組態(tài)分析。

具體校準數如表3所示，特別指出，“高校類型”和“事件性質”兩個變量無法利用分位數進行校準，因此在變量“高校類型”中，本文的賦值標準是：普通高校賦值為0，一流學科建設高校賦值為0.5，一流大學建設高校賦值為1。在變量“事件性質”中，本文的賦值標準是：按照可控性、嚴重程度和影響范圍將事件分為一般、較大、重大三個等級，一般是指較簡單、可能造成人員傷亡或財產損失的事件，賦值為0；較大是指較復雜、可能造成人員傷亡或財產損失等的事件，賦值為0.5；重大是指復雜、造成重大人員傷亡等后果的事件，賦值為1。

表3 各變量的校準結果

4 數據分析

4.1 單變量必要性分析

使用fsQCA進行真值表分析前，需要先檢查必要條件，必要條件指使結果發(fā)生必須存在的條件，也就是說，沒有該條件存在結果就不會發(fā)生，進行單變量必要性分析能初步找出導致結果的核心條件。在fsQCA中，一致性指標用于檢查必要條件是否存在，計算公式如下：

從集合論角度出發(fā)，條件的一致性反映的是條件集合X和結果集合Y的交集在模糊集合Y中的占比[26]。通常情況下，一致性大于0.8的變量可視為事件發(fā)生的充分條件，一致性大于0.9的變量則視為事件發(fā)生的必要條件[28]。

表4為使用fsQCA3.0軟件得到的單一條件必要性分析結果，從中可知，結果變量設置為高事件影響力時，網民關注度（NA）的一致性達到0.97，媒體參與量（NMP）的一致性為0.96，這兩個前因變量的一致性高于0.9，其余條件的一致性水平均不超過0.9，因此網民關注度（NA）、媒體參與量（NMP）為高事件影響力的必要條件；其中意見領袖影響力（IOL）的一致性為0.85，超過0.8，因此意見領袖影響力（IOL）為結果高事件影響力的充分條件。將結果變量設置為低事件影響力，可以發(fā)現未出現一致性高于0.9的前因變量，由此判斷，單個前因變量與低事件影響力之間的因果關系較弱，其中~意見領袖影響力（IOL）的一致性為0.86，可視為低事件影響力的充分條件。

表4 單變量必要條件分析結果

4.2 條件組態(tài)結果

模糊集定性比較分析會得到復雜解、簡約解和中間解三種，其中復雜解以原始數據為基礎，不含邏輯余項，一般情況下會包含更多組態(tài)和前因條件；簡約解對原始數據進行了反事實分析，包含邏輯余項，含有的組態(tài)和前因條件數量最少；中間解按照研究人員的理論和實踐知識，僅僅把有實際意義的邏輯余項納入解，擁有合理的依據和恰當的復雜度，通常來說中間解更優(yōu)，它不允許消除必要條件[26]。

因此，本文分析中間解[29]，并通過比較簡約解和中間解來區(qū)分組態(tài)的核心條件與邊緣條件：若一個變量同時出現在簡約解與中間解中，則其為核心條件，表明其與結果之間有很強的因果關系，是造成結果出現的重要條件；只在中間解中出現的變量為邊緣條件，它與結果間的關系較弱，對結果的出現起輔助作用[26]。根據C. Ragin的意見，在fsQCA3.0中，以最小案例數量為1、最小原始一致性為0.8來進行組態(tài)分析[28]，得到結果如表5、表6所示：

表5 高事件影響力組態(tài)分析結果

表6 低事件影響力組態(tài)分析結果

本研究遵循P. C. Fiss[30]所使用的結果呈現方式，其中，實心大圓（●）表示核心條件存在，實心小圓（·）表示邊緣條件存在，含叉大圓（?）表示核心條件缺失，含叉小圓（?）表示邊緣條件缺失，空白則表示該條件既可存在也可不存在，即是一種模糊狀態(tài)。最終條件組合分析得出，造成高事件影響力的路徑組合有4條（見表5），分別為“NA*NMP*TCU*~NE”“IOL*NA*NM P*ED”“IOL*ED*TCU*NE”“~IOL*NA*NM P*~ED*~TCU*NE”；造成低事件影響力的路徑組合有5條（見表6），分別為“~IOL*NA*N MP*~ED*TCU*~NE”“~NA*~NMP*ED*TCU*NE”“~IOL*~NA*~NMP*ED*TCU*NE”“~IOL*~NA*~NMP*~ED*TCU*~NE”“~IOL*~N A*~NMP*~ED*~TCU*NE”。

4.3 條件組態(tài)分析

由條件組合得到的結果可知，造成高校突發(fā)事件網絡輿情出現高事件影響力的條件組合共有4種，這4種條件組合是高校突發(fā)事件網絡輿情產生高事件影響力的子集，其總體一致性為0.846 207，總體覆蓋度為0.828 494，表示這4條路徑組合能夠解釋約82.8%的案例，其中意見領袖影響力、網民關注度、媒體參與量是核心條件：

組態(tài)1：網民關注度*媒體參與量*高校類型*~事件性質。組態(tài)1的原始覆蓋度為0.330 858，表示這一組態(tài)能夠解釋約33.1%的高事件影響力案例，唯一覆蓋度為0.095 881 2，表示約有9.6%的高事件影響力案例僅能被這一組態(tài)解釋。組態(tài)1中網民關注度、媒體參與量為核心條件，該組態(tài)表示網民關注度高、媒體參與量大、高校類型層次高（例如一流大學建設高校）的突發(fā)事件，即使事件性質并非嚴重，也會引發(fā)較高的事件影響力。武漢大學“和服賞櫻”沖突事件（C20）與電子科技大學一教師貶低四大發(fā)明被停課（C25）這兩個案例均符合該組態(tài)，以武漢大學“和服賞櫻”沖突事件為例，其網民關注度與媒體參與量均處在較高水平，事件發(fā)生期間平均每小時傳播10條信息，參與事件傳播的媒體達476家，且武漢大學為“一流大學建設”知名高校，因此即使性質并非重大，其事件影響力指數仍高達70.7，在2019年案例樣本庫中排名第四。

組態(tài)2：意見領袖影響力*網民關注度*媒體參與量*事件持續(xù)時間。組態(tài)2的原始覆蓋度為0.654 288，表示這一組態(tài)能夠解釋約65.4%的高事件影響力案例；唯一覆蓋度為0.220 122，表示約有22.0%的高事件影響力案例僅能被這一組態(tài)解釋。組態(tài)2中意見領袖影響力、網民關注度、媒體參與量為核心條件，該組態(tài)表示意見領袖影響力高、網民關注度高、媒體參與量大、事件持續(xù)時間長的突發(fā)事件所帶來的事件影響力較高，浙江大學給予一犯強奸罪學生留校察看處分（C1）、網傳清華大學一學姐被學弟性騷擾（C2）、警方通報四川大學錦江學院2人死亡（C10）、重慶大學博物館被指部分館藏系贗品（C21）等均符合這一組態(tài)。在此組態(tài)中，高校類型和事件性質這兩個變量存在或缺失對結果影響不大，即高校類型和事件性質既可存在也可不存在。例如浙江大學給予一犯強奸罪學生留校察看處分（C1）這一事件，其事件嚴重級別非重大，但是意見領袖影響力為7 723萬，網民對該事件的關注度很高，平均每小時傳播的信息為17條，有314家媒體參與，事件從發(fā)生到消散持續(xù)了156小時，由知微數據可知，其事件影響力高達74.2，在2020年案例樣本庫中排名第一，可見該事件在網絡中引起了廣泛傳播與眾多討論。

組態(tài)3：意見領袖影響力*事件持續(xù)時間*高校類型*事件性質。組態(tài)3的原始覆蓋度為0.207 292，表示這一組態(tài)能夠解釋約20.7%的高事件影響力案例；唯一覆蓋度為0.027 008 7，表示約有2.7%的高事件影響力案例僅能被這一組態(tài)解釋。組態(tài)3中意見領袖影響力為核心條件，該組態(tài)表明高校突發(fā)事件的輿情傳播受到意見領袖影響力、事件持續(xù)時間、高校類型與事件性質的影響，在其他變量相近的情況下，另外一個或幾個變量值越高，則事件影響力越大。例如山東理工大學學生拍攝虐貓視頻販賣（C3）這一案例中，雖然山東理工大學屬于普通高校，但該事件的意見領袖影響力大（前5名博主粉絲量總和為9 486萬）、事件持續(xù)時間達172小時，且事件性質較為嚴重，因此其輿情傳播非常廣泛，事件影響力指數為68.1。另外，在大連理工大學一名研究生自殺（C6）這一案例中，排名前5的意見領袖粉絲總和為4 130萬，事件持續(xù)時間為152小時，所屬高校類型為“一流大學建設高校”，事件嚴重程度為重大，最終其事件影響力指數為64.5。

組態(tài)4：~意見領袖影響力*網民關注度*媒體參與量*~事件持續(xù)時間*~高校類型*事件性質。組態(tài)4的原始覆蓋度為0.153 275，表示這一組態(tài)能夠解釋大約15.3%的高事件影響力案例；唯一覆蓋度為0.051 316 8，表示約有5.1%的高事件影響力案例僅能被這一組態(tài)解釋。組態(tài)4中網民關注度、媒體參與量為核心條件，事件性質、~意見領袖影響力、~事件持續(xù)時間、~高校類型是高校突發(fā)事件網絡輿情產生高事件影響力的邊緣條件，即起到輔助作用。該組態(tài)表明，網民關注度高、媒體參與量大的高校突發(fā)事件，即使意見領袖影響力缺乏、事件持續(xù)時間較短、高校類型層次較低，仍然會引發(fā)較高事件影響力。中國科技大學學生發(fā)布不當言論事件（C7）即符合這一組態(tài)，這一案例事件持續(xù)時間較短，為88小時，僅有6個事件的持續(xù)時間低于100小時，意見領袖影響力位于中游水平（前5名博主粉絲量總和為6 396萬），所屬高校類型為“普通高?！?，但其網民關注度較高（5條/小時），媒體參與量為100，因此仍引發(fā)了較高的事件影響力，指數為64.4，在2020年案例樣本庫中排名第7。

4.4 穩(wěn)健性檢驗

穩(wěn)健性檢驗是定性比較分析的關鍵步驟，可以進一步驗證分析結果的可靠性，因此本研究對高事件影響力的前因組態(tài)開展穩(wěn)健性檢驗，在QCA中，常用的穩(wěn)健性檢驗方法是在合理范圍內調整相關參數，例如改變校準閾值、最小案例頻數、一致性閾值、補充或刪除案例、增加其他條件等[31]，對調整后的數據再次進行分析，得到新的分析結果后對兩次組態(tài)分析進行比較，若經過調整后，組態(tài)數量、內容、一致性與覆蓋度未產生顯著的實質性變化，則可以認為分析結果是具有穩(wěn)健性的。

本研究采用改變一致性閾值的方法來檢驗結果穩(wěn)健性，將原始一致性閾值從0.8改變?yōu)?.85，產生的組態(tài)路徑與分析結果一致，如表7所示，解的一致性和覆蓋度也幾乎沒有差異，由此可見，本研究的組態(tài)分析結果具有穩(wěn)健性。

表7 穩(wěn)健性檢驗結果

5 研究結論及啟示

5.1 研究結論

5.1.1 主體在輿情傳播中具有關鍵驅動作用

從條件組合分析中可以知道，意見領袖影響力與網民關注度均為產生高事件影響力的核心條件，意見領袖與網民對輿情傳播具有很強的驅動作用，是輿情傳播的重要主體。意見領袖是指那些在網絡中發(fā)言較為有影響力的一批人，他們往往有眾多粉絲，發(fā)出的信息受眾面大，傳播范圍廣，其發(fā)言會影響粉絲，這些粉絲可能是其他意見領袖，也可能是普通網民，他們的發(fā)言也會影響到下一批人，從而形成較為復雜的事件傳播網絡，擴大事件影響力。

互聯網的發(fā)展使公眾發(fā)言不再受到時間、空間等的限制，人人都可以自發(fā)進行內容生產和傳播，普通網民對高校突發(fā)事件的關注也在很大程度上推動事件的傳播，可以說網民與意見領袖是同步存在、雙向影響的，網民關注度高的事件同時會受到意見領袖的關注，從而使意見領袖對事件進行范圍更大的傳播，意見領袖對事件的傳播同時也增加了更多網民對其的關注。

5.1.2 媒體參與是推動事件產生高影響力的重要因素

互聯網時代，輿情傳播不僅僅是在傳統(tǒng)媒體平臺上，微博、微信等社交平臺和現在新興流行的短視頻平臺都是輿情傳播的重要載體，它們是推動高校突發(fā)事件網絡輿情傳播的重要因素。由單變量必要性分析可知，媒體參與量是出現高事件影響力的必要條件。作為信息傳播的媒介，媒體能夠傳播資訊，引導大眾，與意見領袖相似，在高校突發(fā)事件中，媒體的參與可以使事件的傳播范圍更廣，擴散速度更快，從而提升事件影響力。

5.1.3 引體牽引力大的事件更傾向產生低影響

高校突發(fā)事件中，政府以及學校等機構即為發(fā)揮牽引作用的引體，在上述定性比較分析中，事件持續(xù)時間這一前因變量反映了引體的牽引力，事件持續(xù)時間是指事件從發(fā)散到最終消解所用的時間，一般來說引體牽引力越大，輿情發(fā)酵事件越短，也就是說政府、學校等機構在高校的突發(fā)事件輿情中起到疏解作用。從條件組合分析中可以看出，將結果變量設置為低事件影響力，其中L1、L4、L5這三條路徑中，~事件持續(xù)時間為產生低事件影響力的核心條件，~事件持續(xù)時間則對應強引體牽引力，官方媒體及時參與引導會使輿情發(fā)酵時間變短，掌握事件發(fā)聲的主動權，一定程度上減少事件的傳播擴散，因此會產生低事件影響力。

5.1.4 事件嚴重程度越高越容易造成高事件影響力

高校突發(fā)事件可能會造成嚴重后果，并且其發(fā)生突然，必須采取一定的應急措施進行處理。高校作為人才培養(yǎng)和學術科研的重要承載體，會受到除學生以外廣大社會公眾的強烈關注，因此這些突發(fā)事件往往發(fā)酵很快，并且事件嚴的重程度越高、影響范圍越大、可控性越低，其受到的關注度和討論度就越高，特別是涉及人身安全問題時，例如網傳華南理工大學一教授性侵女學生（C4）、昆明理工大學學生李心草溺亡事件（C17）、北大學子弒母案嫌疑人被抓（C18）等，這些事件性質等級為重大，造成的后果也較為嚴重，因此會得到輿情主體和載體的持續(xù)關注與傳播，從而推動輿情熱度不斷增加，形成高事件影響力。

5.2 研究啟示

高校突發(fā)事件網絡輿情傳播的影響因素的組態(tài)分析對輿情管控和治理具有重要參考作用。結合研究結論，本研究得出如下啟示：

第一，在輿情主體方面，主體具有輿情驅動作用，首先要正確發(fā)揮意見領袖的作用，相關機構應加強與意見領袖的溝通合作，引導其在輿情傳播中正確、準確發(fā)聲；其次，突發(fā)事件通常是無法控制的，其傳播易出現群體極化現象[32]，同時也會滋生各種謠言，網民在輿情傳播中是重要的參與者，因此網民自身應提高網絡信息素養(yǎng)，客觀對待輿情事件，相關機構也應關注網民看法與情緒，引導網民的輿情傳播行為，這對輿情消解有重要作用。

第二，在輿情載體方面，媒體具有非常強的輿情導向作用，在輿情傳播中會影響大眾對事件的觀點和態(tài)度，如果媒體發(fā)出有誤事實或偏激的報道，會引發(fā)輿情極度發(fā)酵，因此，媒體在輿情傳播中需增強自身責任感，此外要加強官方、主流媒體的主導作用，及時發(fā)布權威信息，引導公眾輿論向良好方向發(fā)展。

第三，在輿情引體方面，政府及高校等機構應發(fā)揮在輿情傳播中的牽引作用，重視輿情防控，建立健全突發(fā)事件網絡輿情應急機制，在事件發(fā)生、輿情發(fā)酵后及時采取措施應對，做到及時通報，及時發(fā)言，及時回應，過程中要做到信息公開，并且給出解決問題的辦法。

5.3 研究局限

本文對高校突發(fā)事件網絡輿情傳播影響因素的研究存在一定的局限性。首先，所選取高校突發(fā)事件案例的數量相對有限，在案例選擇中具有一定的難以避免的主觀性；其次，定性比較分析的對象是多案例，但在實際分析過程中難以考慮到所有案例的具體情況。因此，今后應對個案進行深入研究，并努力降低樣本選擇偏差。