社交媒體公益信任危機(jī)事件輿情的復(fù)雜傳播模型研究
2022-10-20 02:30:34王學(xué)金
信息資源管理學(xué)報(bào) 2022年5期
李 鵬 王學(xué)金 張 軍
(山東理工大學(xué)管理學(xué)院，淄博，255000)
1 引言
互聯(lián)網(wǎng)時(shí)代的到來給個(gè)人與社會(huì)、經(jīng)濟(jì)與組織提供了彼此交融、互聯(lián)互通的便利。網(wǎng)絡(luò)公益應(yīng)運(yùn)而生，通過信息技術(shù)構(gòu)建“個(gè)人信任、制度信任、技術(shù)信任”的新型信任紐帶，吸引更多的個(gè)人和組織參與到公益活動(dòng)中。然而，近幾年來網(wǎng)絡(luò)公益信任危機(jī)事件頻繁發(fā)生，“羅一笑事件”、德云社“吳鶴臣眾籌事件”等在社交媒體上快速傳播、反復(fù)發(fā)酵，給政府監(jiān)管和行業(yè)運(yùn)營(yíng)帶來重大影響。因此，深入研究社交媒體上公益信任危機(jī)事件的傳播機(jī)理，構(gòu)建網(wǎng)絡(luò)信任危機(jī)事件防控策略，維護(hù)網(wǎng)絡(luò)公益產(chǎn)業(yè)的生態(tài)環(huán)境，成為政府、企業(yè)和學(xué)術(shù)界的熱點(diǎn)問題。
與傳統(tǒng)的募捐方式相比，網(wǎng)絡(luò)公益募集人及其家人、朋友可以通過微信、微博等社交媒體將求助消息擴(kuò)散，拓展求助的時(shí)空范圍，快速達(dá)成資金募集目標(biāo)。這是由于社交媒體不僅能提高公益活動(dòng)的可追溯性和透明度，還能通過多樣的互動(dòng)機(jī)制引導(dǎo)大眾共情并激發(fā)公益行為。但是一旦社交媒體用戶發(fā)現(xiàn)公益活動(dòng)中存在炒作、詐捐等惡劣行為，公眾會(huì)在短時(shí)間內(nèi)對(duì)參與者的行為和道德水平、對(duì)公益活動(dòng)的運(yùn)行規(guī)則和監(jiān)管制度等產(chǎn)生質(zhì)疑，并在社交媒體上發(fā)布消息和觀點(diǎn)，在網(wǎng)絡(luò)社會(huì)和真實(shí)社會(huì)中引發(fā)嚴(yán)重后果。陳陽(yáng)[1]、馬續(xù)補(bǔ)等[2]學(xué)者的研究結(jié)果中指出，社交媒體上公益信任危機(jī)事件的消息傳播不同于一般的突發(fā)公共事件傳播。首先，事件的傳播源頭比較隱蔽和偶發(fā)，諸如自然災(zāi)害、事故災(zāi)難或公共衛(wèi)生等事件的發(fā)生雖然具有突然性，但是其相關(guān)消息多由事件親歷者、社交媒體上的公眾號(hào)、意見領(lǐng)袖等及時(shí)披露，消息發(fā)布者即為傳播源頭[3]。而公益信任危機(jī)事件的傳播源頭往往不是社交媒體上的公益募集人，而是那些發(fā)現(xiàn)公益求助消息后，經(jīng)過理性思考產(chǎn)生質(zhì)疑的公眾[4-5]。其次，公益信任危機(jī)事件傳播中議題爭(zhēng)議性比較大，在線用戶在轉(zhuǎn)發(fā)消息、采納觀點(diǎn)等行為過程中，需要承擔(dān)一定的風(fēng)險(xiǎn)并付出相應(yīng)的代價(jià)[6]。由于自然災(zāi)害、事故災(zāi)難等在現(xiàn)實(shí)中的影響和危害比較顯而易見，它們?cè)谏缃幻襟w上的消息和話題多以事實(shí)性報(bào)道為主[7]，在線用戶參加網(wǎng)絡(luò)上的輿情事件風(fēng)險(xiǎn)較小。而公益信任危機(jī)事件的傳播議題則涉及了公眾對(duì)公益信息真?zhèn)蔚呐袛?、公眾?duì)募集人道德水平的信任判斷、公眾對(duì)組織管理運(yùn)營(yíng)能力的合理性判斷等，要通過在線社會(huì)關(guān)系將消息或觀點(diǎn)進(jìn)行辨析、爭(zhēng)論，之后消息才會(huì)擴(kuò)散[8-10]。
鑒于上述獨(dú)特的事件特征，圍繞社交媒體上社會(huì)公益危機(jī)信任事件的輿情傳播研究正逐漸深入，相關(guān)研究成果可以分為兩條主線。一方面，從公益活動(dòng)傳播的管理規(guī)范和運(yùn)行機(jī)制入手，提出了如何改進(jìn)傳播效果的策略。如文獻(xiàn)[3-4]的研究成果中強(qiáng)調(diào)了應(yīng)制定和完善相關(guān)的法律法規(guī)，促進(jìn)公益平臺(tái)優(yōu)化流程，引導(dǎo)社交媒體上用戶理性思考、謹(jǐn)慎表達(dá)觀點(diǎn)和態(tài)度，避免爭(zhēng)議性消息傳播引發(fā)負(fù)面輿情。另一方面，更多的學(xué)者圍繞公益信任危機(jī)的網(wǎng)絡(luò)輿情治理開展研究，劉績(jī)宏[11]的研究指出公益活動(dòng)消息在社交媒體上得以傳播依賴的是信息技術(shù)條件下的信任體系；付曉靜[10]以“羅一笑事件”為例，總結(jié)出了公益信任危機(jī)事件傳播的定性框架，并指出情感是影響傳播的關(guān)鍵要素；王炎龍等[12]基于湖北紅十字會(huì)新冠疫情事件對(duì)“公眾-組織”的沖突和博弈關(guān)系進(jìn)行了研究，提出了傳播與治理的“情境-應(yīng)對(duì)-修復(fù)”的輿情治理框架。綜合上述研究?jī)?nèi)容可以發(fā)現(xiàn)，目前對(duì)事件的傳播治理對(duì)策研究成果比較豐富，但是還鮮有研究對(duì)相應(yīng)的傳播機(jī)理進(jìn)一步分析，缺少能用于管理監(jiān)測(cè)的量化研究。
圍繞突發(fā)公共事件的傳播特點(diǎn)，挖掘事件擴(kuò)散規(guī)律和傳播模型一直是輿情傳播領(lǐng)域的熱點(diǎn)。如劉小洋等[13]考慮事件脆弱性、擴(kuò)散延遲、個(gè)體特征構(gòu)建了動(dòng)態(tài)擴(kuò)散輿情演化模型；姜景等[14]用系統(tǒng)動(dòng)力學(xué)方法，仿真分析了突發(fā)事件中的輿論熱度、政府發(fā)文數(shù)量、原創(chuàng)微博數(shù)量等參數(shù)之間的關(guān)系；李卓航[15]提出大眾傳播雙循環(huán)模型，認(rèn)為信息不對(duì)稱、焦點(diǎn)捕捉偏差、干擾信息爆炸式增長(zhǎng)等是影響事件傳播的關(guān)鍵因素；王旭等[16]基于復(fù)雜網(wǎng)絡(luò)方法，對(duì)突發(fā)事件的傳播網(wǎng)絡(luò)結(jié)構(gòu)特征進(jìn)行量化分析，發(fā)現(xiàn)了事件傳播網(wǎng)絡(luò)具有高連通性和異質(zhì)性、用戶信息傳播能力的馬太效應(yīng)等；韓瑋等[17]從事件作用量、網(wǎng)民作用量、媒體作用量等多維度，構(gòu)建了基于焦耳定律的網(wǎng)絡(luò)輿情熱度模型。雖然上述研究結(jié)論中已經(jīng)涵蓋了大量的參數(shù)，但是仍不能解釋大規(guī)模在線群體面對(duì)信任危機(jī)事件的爭(zhēng)議性消息時(shí)，傳播源頭如何推動(dòng)事件擴(kuò)散，以及在線用戶如何處理鄰居推送信息產(chǎn)生傳播行為。
綜合上述研究結(jié)果，社交媒體上公益信任危機(jī)事件的輿情傳播還可以從以下方面進(jìn)行深入研究。首先，結(jié)合公益信任危機(jī)事件傳播的特點(diǎn)分析傳播機(jī)理。特別是面對(duì)爭(zhēng)議性的消息及網(wǎng)絡(luò)群體事件時(shí)，若要?jiǎng)訂T在線用戶參與到群體事件中，就需要多個(gè)不同刺激源的獨(dú)立肯定或者強(qiáng)化[18-19]。以微博為例，在線用戶的多個(gè)鄰居都向其推送同一消息或事件后，用戶才能產(chǎn)生轉(zhuǎn)發(fā)、評(píng)論等行為[20]。因此，可以通過Centola等[21]、Pond等[22]學(xué)者提出的復(fù)雜傳播(Complex Contagion)理論框架來厘清公益信任危機(jī)事件傳播過程。其次，構(gòu)建事件輿情復(fù)雜傳播的定量研究方法。如前所述，當(dāng)前領(lǐng)域的研究成果主要集中于事件分析和應(yīng)用對(duì)策，輿情傳播的定量分析研究是難點(diǎn)之一，而將定量研究結(jié)果用于輿情管理的定性分析則是一個(gè)研究的熱點(diǎn)[23]。因此，本文以新浪微博上的公益信任危機(jī)事件輿情為研究對(duì)象，結(jié)合情感極性和話題差異標(biāo)識(shí)事件爭(zhēng)議性，提出發(fā)起能力、社會(huì)親密度、社會(huì)化強(qiáng)度等事件輿情的復(fù)雜傳播特征計(jì)算方法。然后分析新浪微博上兩個(gè)不同事件傳播數(shù)據(jù)，通過組態(tài)分析方法揭示事件爭(zhēng)議產(chǎn)生路徑，溯源組態(tài)中復(fù)雜傳播特征取值特點(diǎn)，為相關(guān)部門和企業(yè)制定輿情檢測(cè)和引導(dǎo)策略提供理論基礎(chǔ)。
2 社交媒體公益信任危機(jī)事件輿情的復(fù)雜傳播模型
社交媒體公益信任危機(jī)事件發(fā)生時(shí)，在線用戶會(huì)在虛擬空間中進(jìn)行群體性溝通，組成一個(gè)特定的網(wǎng)絡(luò)輿情系統(tǒng)。系統(tǒng)中的個(gè)體可以直接轉(zhuǎn)發(fā)或復(fù)制在線鄰居的消息，可以使用@直接與他人對(duì)話，還可以通過#符號(hào)進(jìn)行話題討論，事件的輿情系統(tǒng)可以用時(shí)序網(wǎng)絡(luò)G(V,E,T)抽象表示[24]。其中，T={[t0,t1],[t1,t2]，…}是網(wǎng)絡(luò)輿情持續(xù)的時(shí)間；V是時(shí)序網(wǎng)絡(luò)中的節(jié)點(diǎn)集，表示了參與輿情傳播的在線個(gè)體集合；E是時(shí)序網(wǎng)絡(luò)中的邊集，表示了個(gè)體之間的交互關(guān)系集合，?e∈E， e
2.1 社交媒體公益信任危機(jī)事件爭(zhēng)議度
社交媒體公益信任危機(jī)事件中，在線用戶的不同價(jià)值觀和利益訴求混雜在網(wǎng)絡(luò)輿情中，表現(xiàn)為公眾的在線討論內(nèi)容和情緒隨之發(fā)生變化[25]。因此，本文通過事件消息中的話題差異和用戶極端情感表示事件的爭(zhēng)議程度。主題差異率和極端情感增長(zhǎng)率定義如下。
定義1：話題差異率是指兩個(gè)相鄰的時(shí)間段Ti-1、Ti上，對(duì)應(yīng)話題集合TPi-1、TPi之間的差異，記為TDi，其計(jì)算方式如下：
(1)
定義2：極端情感波動(dòng)率是指兩個(gè)相鄰的時(shí)間段Ti-1、Ti上，持有極端情感用戶數(shù)量的差異，記為OPi，其計(jì)算方式如下：
(2)
定義3：事件爭(zhēng)議度是指兩個(gè)相鄰的時(shí)間段Ti-1、Ti上，話題差異率和極端情感波動(dòng)率的耦合結(jié)果，記為TCDi，其計(jì)算方式如下：
TCDi=αTDi+(1-α)OPi
(3)
其中α∈[0,1]，是對(duì)兩個(gè)測(cè)量維度的調(diào)節(jié)系數(shù)。根據(jù)文獻(xiàn)[25]研究結(jié)果建議，α=0.5。
2.2 社交媒體上的簡(jiǎn)單傳播行為和復(fù)雜傳播行為
復(fù)雜傳播理論的一個(gè)重要觀點(diǎn)是個(gè)體或組織傳播消息和采納觀點(diǎn)的行為是輿論系統(tǒng)、網(wǎng)絡(luò)口碑等社會(huì)復(fù)雜系統(tǒng)的驅(qū)動(dòng)力[26]。消息傳播和輿論演化的過程呈現(xiàn)出的復(fù)雜性和多樣性，正是各類在線用戶不同的消息處理行為、他們之間復(fù)雜的在線關(guān)系及交互模式相互交織的結(jié)果[20]。社交媒體上的公益信任危機(jī)事件傳播也不例外。如圖1中所示，用戶參與公益信任危機(jī)事件輿情傳播的行為方式有三種，包括發(fā)起行為、簡(jiǎn)單傳播行為和復(fù)雜傳播行為。事件的網(wǎng)絡(luò)輿情傳播結(jié)果由發(fā)起者規(guī)模、簡(jiǎn)單傳播規(guī)模和多源傳播規(guī)模三種不同的行為結(jié)果組成，具體定義如下。
圖1 參與網(wǎng)絡(luò)輿情傳播的不同行為
定義4：發(fā)起行為是指?jìng)€(gè)體從輿情系統(tǒng)外獲取事件內(nèi)容并在線發(fā)布，給輿情系統(tǒng)提供新的內(nèi)容或者觀點(diǎn)。某個(gè)特定時(shí)間段T內(nèi)，發(fā)起者規(guī)模記為O(T)，其中T=[ti，tj]且T∈T。
圖1中的節(jié)點(diǎn)1、節(jié)點(diǎn)2、節(jié)點(diǎn)3和節(jié)點(diǎn)4是發(fā)起者。面對(duì)公益活動(dòng)各種消息，某些機(jī)構(gòu)、自媒體和普通網(wǎng)民會(huì)從外部媒介上(如電視、貼吧等)獲取內(nèi)容，并在網(wǎng)絡(luò)上發(fā)布自己發(fā)現(xiàn)的消息和觀點(diǎn)[27]
定義5：簡(jiǎn)單傳播行為指?jìng)€(gè)體看到一位在線鄰居傳播事件輿情即可參與傳播。某個(gè)特定時(shí)間段T內(nèi)，簡(jiǎn)單傳播者規(guī)模記為S(T)，其中T=[ti，tj]且T∈T。
t3時(shí)刻的節(jié)點(diǎn)7看到鄰居節(jié)點(diǎn)6推送消息就傳播。在一個(gè)鄰居消息刺激下就能產(chǎn)生傳播，是簡(jiǎn)單傳播者。
定義6：復(fù)雜傳播行為指?jìng)€(gè)體要先后看到多個(gè)鄰居轉(zhuǎn)發(fā)消息后再參與傳播。某個(gè)特定時(shí)間段T內(nèi)，復(fù)雜傳播者規(guī)模C(T)，其中T=[ti，tj]且T∈T。
事實(shí)上，在許多公共議題的輿情傳播過程中，在線用戶傳播消息之前需要通過觀察他人的行為來確認(rèn)消息的真實(shí)性、合理性及風(fēng)險(xiǎn)性等，需要適度的社會(huì)強(qiáng)化對(duì)在線用戶進(jìn)一步開展行為刺激[27]。如節(jié)點(diǎn)5、節(jié)點(diǎn)6分別在t1、t2時(shí)刻看到多個(gè)鄰居已轉(zhuǎn)發(fā)消息后再參與傳播，他們被稱為復(fù)雜傳播者。
2.3 社交媒體公益信任危機(jī)事件輿情的復(fù)雜傳播特征度量
在多數(shù)輿情傳播研究中，傳播規(guī)模、傳播率、傳播速度等是定量分析傳播態(tài)勢(shì)重要的指標(biāo)，能夠較直觀地反映事件發(fā)展進(jìn)程。但是這些指標(biāo)很難反映社交媒體公益信任危機(jī)事件復(fù)雜傳播的特點(diǎn)和程度，因此，本文構(gòu)建了發(fā)起能力、社會(huì)親密度、社會(huì)化強(qiáng)度指標(biāo)，對(duì)事件的復(fù)雜傳播特征開展量化分析，并將這種傳播模型稱為復(fù)雜傳播。
定義7：發(fā)起能力是指某個(gè)特定時(shí)間段內(nèi)，公益信任危機(jī)事件網(wǎng)絡(luò)輿情傳播過程中發(fā)起者對(duì)復(fù)雜傳播的驅(qū)動(dòng)能力，記為DA(T)，T=[ti,tj]，T∈T。
其計(jì)算方法如式(4)所示，用一段時(shí)間內(nèi)發(fā)起者人數(shù)變化與參與傳播人數(shù)變化的比值來度量。OT是T時(shí)段信息源集合，VT是T時(shí)段參與傳播的節(jié)點(diǎn)集合。
(4)
由于發(fā)起者是從輿論系統(tǒng)外獲取事件內(nèi)容，他們給事件傳播提供了新的內(nèi)容或者觀點(diǎn)，因此DA(T)的取值可以說明發(fā)起者對(duì)事件傳播的驅(qū)動(dòng)程度。
定義8：社會(huì)親密度是指某個(gè)特定時(shí)間段T內(nèi)，公益信任危機(jī)事件網(wǎng)絡(luò)輿情傳播過程中交互關(guān)系親密程度，用這段時(shí)間內(nèi)時(shí)序網(wǎng)絡(luò)的密度來表示，其計(jì)算方法如下：
(5)
其中ET是時(shí)序網(wǎng)絡(luò)的邊集，VT是時(shí)序網(wǎng)絡(luò)的節(jié)點(diǎn)集。
在各類群體事件中，所有個(gè)體都會(huì)遵守共同行為方式的總和被稱為社會(huì)規(guī)范，是多數(shù)成員共有的行為模式[28]。在圖1所示的傳播過程中，蘊(yùn)含了一個(gè)重要的群體規(guī)范——社會(huì)強(qiáng)化，即個(gè)體第一次接觸消息并不一定發(fā)生傳播行為，需要從不同鄰居處接收消息，社會(huì)強(qiáng)化效應(yīng)達(dá)到臨界點(diǎn)后才會(huì)傳播。一般而言，這種社會(huì)規(guī)范在現(xiàn)實(shí)世界中很難精確度量，但是利用帶時(shí)間標(biāo)記的網(wǎng)絡(luò)輿情傳播數(shù)據(jù)可以對(duì)此進(jìn)行計(jì)算，具體計(jì)算方式如下。
(6)
定義10：復(fù)雜傳播度是指某個(gè)特定時(shí)間段T內(nèi)，公益信任危機(jī)事件網(wǎng)絡(luò)輿情的復(fù)雜傳播程度，記為KC(T)，其計(jì)算方法如下：
(7)
3 數(shù)據(jù)集簡(jiǎn)介
3.1 數(shù)據(jù)集
綜合已有研究發(fā)現(xiàn)，不同類型事件的網(wǎng)絡(luò)輿情傳播機(jī)理存在較大區(qū)別[28]，社交媒體公益信任危機(jī)事件的傳播機(jī)理應(yīng)有其獨(dú)特的特點(diǎn)。對(duì)此，本文收集了新浪微博“吳鶴臣 眾籌事件”和“青海地震事件”的輿情傳播數(shù)據(jù)，對(duì)事件的爭(zhēng)議度、事件傳播過程中的發(fā)起能力、社會(huì)親密度等指標(biāo)開展對(duì)比分析。
在新浪平臺(tái)上以“吳鶴臣+眾籌”“青海+地震”為關(guān)鍵詞，通過網(wǎng)絡(luò)爬蟲收集了事件輿情數(shù)據(jù)，包括微博id、用戶id、微博正文、轉(zhuǎn)發(fā)數(shù)、發(fā)布時(shí)間、轉(zhuǎn)發(fā)微博id。將采集的數(shù)據(jù)進(jìn)行處理，生成兩個(gè)不同的時(shí)序網(wǎng)絡(luò)，基本情況如表1所示。
表1 數(shù)據(jù)集
根據(jù)數(shù)據(jù)統(tǒng)計(jì)得到每日傳播規(guī)模的時(shí)序變化如圖2所示，兩個(gè)事件的變化情況有明顯的差異。 “吳鶴臣事件”在第3天時(shí)規(guī)模爆炸式增長(zhǎng)，隨后經(jīng)歷了4次波動(dòng)。而“青海地震事件”規(guī)模從第1天就保持了較大的規(guī)模，在事件的第5天傳播規(guī)模達(dá)到最大，之后緩慢回落。
圖2 傳播規(guī)模變化
3.2 “吳鶴臣事件” 傳播網(wǎng)絡(luò)
為了研究“吳鶴臣事件” 的復(fù)雜傳播情況，根據(jù)數(shù)據(jù)集中的轉(zhuǎn)發(fā)關(guān)系建立了事件傳播網(wǎng)絡(luò)G(V,E,T)，網(wǎng)絡(luò)中共有節(jié)點(diǎn)9068個(gè)，邊3856條，平均度1.8，模塊度0.845，網(wǎng)絡(luò)直徑2.1，平均路徑長(zhǎng)度1.1，平均聚集系數(shù)0.05。傳播網(wǎng)絡(luò)的模塊度極高，網(wǎng)絡(luò)直徑和平均路徑長(zhǎng)度也不大，說明在線用戶在事件中開展了密集的交互。傳播網(wǎng)絡(luò)的可視化結(jié)果如圖3所示，圖中標(biāo)記了各個(gè)模塊出現(xiàn)的序列及其相應(yīng)的討論主題。
圖3 傳播網(wǎng)絡(luò)
圖3顯示，傳播是從一個(gè)局部密集的小團(tuán)體開始、逐漸擴(kuò)散，并可以從一個(gè)“團(tuán)”通過橋跨越到另外一個(gè)“團(tuán)”。從5月1日吳家人發(fā)布眾籌信息為事件開端，5月2日其家庭情況和職業(yè)身份被逐漸曝出，網(wǎng)友對(duì)其無力承擔(dān)醫(yī)療費(fèi)用提出了質(zhì)疑，“車房可以賣”“獲取水滴籌一百萬上限”成為關(guān)注點(diǎn)。5月2日至5月3日，吳鶴臣妻子、德云社、水滴籌等對(duì)此事分別從不同角度開展回應(yīng)。5月4日起他們回應(yīng)的內(nèi)容引發(fā)了在線用戶更為激烈的討論，圍繞“德云社提供幫助”“吳家工資和收入”“兩套公租房”多點(diǎn)引爆。5月7日，網(wǎng)友關(guān)注點(diǎn)轉(zhuǎn)移到質(zhì)疑公益活動(dòng)的管理是否規(guī)范、信息是否可信，并以“靠捐款生活”“不參與水滴籌”等主題的討論結(jié)尾。事件消息的傳播結(jié)果說明在線用戶對(duì)公益眾籌產(chǎn)生了信任危機(jī)。
4 實(shí)證結(jié)果
4.1 事件的爭(zhēng)議度
公益信任危機(jī)事件在社交媒體上傳播時(shí)，容易受到在線用戶的關(guān)注，在線用戶會(huì)以發(fā)起話題討論、表達(dá)情感觀點(diǎn)等方式參與其中。圖4展示了“吳鶴臣事件”和“青海地震事件”的爭(zhēng)議度測(cè)量結(jié)果。顯然，兩個(gè)事件的爭(zhēng)議度變化規(guī)律有顯著差異，“吳鶴臣事件”的爭(zhēng)議度波動(dòng)大，而“青海地震事件”的爭(zhēng)議度比較平穩(wěn)。觀察圖4(a)可以看出，在“吳鶴臣事件”中，在線用戶的極端情感波動(dòng)率隨時(shí)間起伏較大，最高時(shí)達(dá)0.9，最低時(shí)為0.15，這是因?yàn)榇祟愂录鶉@事實(shí)、真相等開展線上討論，容易引起受眾悲傷、憤怒等情感共鳴。此外，“吳鶴臣事件”早期的話題差異率取值較大，最高可達(dá)0.95，而“青海地震事件”的話題差異率比較平穩(wěn)，維持在0.05左右。結(jié)合圖4中所展示的重要傳播節(jié)點(diǎn)可以看出，正是因?yàn)樵诰€用戶關(guān)于事件的原因、責(zé)任、線索的追蹤，促使話題隨時(shí)間更迭并導(dǎo)致爭(zhēng)議度的劇烈波動(dòng)。
圖4 事件爭(zhēng)議度變化
4.2 簡(jiǎn)單傳播和復(fù)雜傳播
已有研究結(jié)果顯示，在線社區(qū)上的政治事件、突發(fā)事件等的爭(zhēng)議性話題的復(fù)雜傳播過程有較大的區(qū)別[29]，其中簡(jiǎn)單傳播規(guī)模和復(fù)雜傳播規(guī)模就存在很大的差異。本文統(tǒng)計(jì)了“吳鶴臣事件”和“青海地震”中的兩種不同規(guī)模數(shù)量，結(jié)果如圖5所示，簡(jiǎn)單傳播行為和復(fù)雜傳播行為相互交織，共同構(gòu)成了事件輿情進(jìn)程。圖5(a)中顯示，在“吳鶴臣事件”中，簡(jiǎn)單傳播規(guī)模遠(yuǎn)遠(yuǎn)高于復(fù)雜傳播規(guī)模，其原因在于此事件的爭(zhēng)議性大，主題的變化和情感的波動(dòng)使得在線用戶可以不經(jīng)多個(gè)鄰居確認(rèn)，直接參與到事件傳播過程中。而圖5(b)顯示的“青海地震事件” 早期，復(fù)雜傳播規(guī)模與簡(jiǎn)單傳播規(guī)模相當(dāng)，這是因?yàn)樽匀粸?zāi)害事件中人們?cè)诰€發(fā)出求助、搜尋等信息，需要多個(gè)在線鄰居的共同確認(rèn)，因此復(fù)雜傳播規(guī)模取值較高。
圖5 簡(jiǎn)單傳播規(guī)模和復(fù)雜傳播規(guī)模變化
4.3 輿情的復(fù)雜傳播指標(biāo)
4.3.1 發(fā)起能力
無論是公益信任危機(jī)事件或其他類型的事件，其消息要在社交媒體上傳播并達(dá)到一定的規(guī)模，都需要一定的推動(dòng)力。本文統(tǒng)計(jì)了兩個(gè)事件傳播過程中的發(fā)起能力DA(T)，結(jié)果如圖6所示?？傮w而言，兩個(gè)事件的發(fā)起能力也有較大的差異，“吳鶴臣事件”表現(xiàn)為發(fā)起能力在事件前半周期一直維持較高水平，但是發(fā)起人數(shù)與發(fā)起能力不成正比例關(guān)系。從圖6(a)中還可以看出“吳鶴臣事件”的早期，發(fā)起人數(shù)可以高達(dá)87人，但是發(fā)起能力是0.085；而圖6(b)中顯示“青海地震事件”早期發(fā)起人數(shù)有165人，發(fā)起能力為0.23。這說明發(fā)起能力不僅僅與發(fā)起人數(shù)量有關(guān)，還會(huì)受消息內(nèi)容、發(fā)起人特征等因素影響，詳細(xì)內(nèi)容見表2。
圖6 發(fā)起能力變化
表2中按照時(shí)間順序展示了影響發(fā)起能力的兩個(gè)因素。其一是發(fā)起人特征，用官方媒體和自媒體數(shù)量比標(biāo)記；其二是消息內(nèi)容，用發(fā)起人博文中的話題標(biāo)記。觀察表2中數(shù)據(jù)可以發(fā)現(xiàn)，事件的幾個(gè)重要轉(zhuǎn)折點(diǎn)與發(fā)起能力取值正相關(guān)。在“吳鶴臣事件”的起始階段(發(fā)起眾籌、引發(fā)信任危機(jī))發(fā)起能力取值不大，當(dāng)事件進(jìn)入信任危機(jī)擴(kuò)散階段，無論是針對(duì)眾籌活動(dòng)本身的信任危機(jī)，還是針對(duì)公益眾籌平臺(tái)的信任危機(jī)，相應(yīng)的發(fā)起能力取值都比較大。而當(dāng)衍生事件發(fā)生時(shí)，發(fā)起能力取值則不大。
表2 發(fā)起者類型比例及原創(chuàng)內(nèi)容(吳鶴臣事件)
4.3.2 社會(huì)親密度
群體動(dòng)力學(xué)的研究結(jié)果表明，現(xiàn)實(shí)社會(huì)中集體行動(dòng)的成功需要社會(huì)關(guān)系作支撐[30]。這一研究結(jié)論同樣可以用于解釋社交媒體上事件的傳播，即事件消息傳播達(dá)到一定規(guī)模需要在線用戶開展聚集性的交互[31]。因此，本文在圖7中展示了兩個(gè)事件社會(huì)親密度的變化趨勢(shì)。統(tǒng)計(jì)結(jié)果顯示，“吳鶴臣事件”的社會(huì)親密度取值前高后低，而“青海地震事件”的社會(huì)親密度在傳播的中期取值比較大。原因在于公益信任危機(jī)事件中，在線用戶首先要對(duì)消息的真?zhèn)芜M(jìn)行分辨，在此基礎(chǔ)上產(chǎn)生社會(huì)信任，并由信任驅(qū)動(dòng)他們加入網(wǎng)絡(luò)公益眾籌活動(dòng)。因此，社會(huì)親密度并沒有隨著參與人數(shù)增加而增大，而是呈現(xiàn)了邊際遞減效應(yīng)。也就是當(dāng)參與傳播人數(shù)足夠多，就不再需要小圈子內(nèi)的消息刷屏，也能繼續(xù)引發(fā)在線用戶對(duì)事件消息的關(guān)注和傳播。
圖7 社會(huì)親密度變化
4.3.3 復(fù)雜傳播度
社交媒體上多數(shù)消息的傳播都遵循了簡(jiǎn)單傳播的范式，這意味著消息是沿著在線社會(huì)網(wǎng)絡(luò)關(guān)系鏈?zhǔn)絺鞑?，因此，多?shù)消息的傳播規(guī)模不大、傳播時(shí)間也很短，其產(chǎn)生的后果也有限。而“吳鶴臣事件” 和“青海地震事件” 傳播規(guī)模都比較大且持續(xù)時(shí)間也比較長(zhǎng)，這是因?yàn)槭录浨檫M(jìn)展是由簡(jiǎn)單傳播和復(fù)雜傳播共同推動(dòng)[31]。
然而，如圖8所示兩個(gè)事件的復(fù)雜傳播程度卻有極大區(qū)別， “吳鶴臣事件”的復(fù)雜傳播度維持在1.5—3之間，而自然災(zāi)害事件的復(fù)雜傳播度最高能達(dá)到8。也即“吳鶴臣事件” 中，在線用戶只要能受到2—3個(gè)在線鄰居的消息推送，就能參與事件輿情傳播，這是由于事件相關(guān)話題帶來的沖突和糾紛容易吸引大眾注意力[32]；而在“青海地震事件” 中則需要地域、身份等群體社會(huì)認(rèn)同機(jī)制發(fā)揮作用[33]，才能引起共情并參加事件輿情傳播，因此其復(fù)雜傳播度取值比較高。
圖8 復(fù)雜傳播度變化
4.4 輿情研判應(yīng)用
隨著各類社交媒體的普及，公眾開始習(xí)慣在線參與各種公共議題的討論。然而實(shí)務(wù)管理部門的輿情研判多依賴自身經(jīng)驗(yàn)和定性分析，對(duì)事件過程定量觀測(cè)不足，限制了其對(duì)事件發(fā)展規(guī)律和趨勢(shì)的把握程度[33]，增加了網(wǎng)絡(luò)輿情處置和決策風(fēng)險(xiǎn)。鑒于此，可以將發(fā)起能力、社會(huì)親密度和復(fù)雜傳播度作為觀測(cè)變量，運(yùn)用模糊集定性比較分析方法fsQCA[34]，解釋上述三個(gè)變量之間的相互關(guān)系[35]，發(fā)現(xiàn)影響事件爭(zhēng)議度變化的組合方式，分析組合結(jié)果的產(chǎn)生原因，提出輿情應(yīng)對(duì)建議。本研究具體應(yīng)用步驟包括數(shù)據(jù)準(zhǔn)備、必要性檢驗(yàn)、原因組合分析及輿情研判。
4.4.1 數(shù)據(jù)準(zhǔn)備和必要性檢驗(yàn)
根據(jù)上文所述，數(shù)據(jù)集的序列長(zhǎng)度為事件持續(xù)天數(shù)，包含1個(gè)目標(biāo)列和5個(gè)觀測(cè)變量。其中目標(biāo)列取值表示事件網(wǎng)絡(luò)輿情爭(zhēng)議度的變化趨勢(shì)是增大或減小，根據(jù)t時(shí)刻、t+1時(shí)刻網(wǎng)絡(luò)輿情爭(zhēng)議度取值差進(jìn)行二分類編碼。若t+1時(shí)刻爭(zhēng)議度增加，則取1，否則取0。5個(gè)觀測(cè)變量分別是復(fù)雜傳播度、社會(huì)親密度、發(fā)起能力、簡(jiǎn)單傳播行為占比及復(fù)雜傳播行為占比。在進(jìn)行組態(tài)分析前，需要對(duì)各個(gè)觀測(cè)變量進(jìn)行必要性檢驗(yàn)。其檢驗(yàn)結(jié)果如表3所示，必要性檢驗(yàn)結(jié)果取值均小于0.9[36]，說明不存在影響事件爭(zhēng)議度和非爭(zhēng)議度的必要條件。即爭(zhēng)議度的變化不是單個(gè)變量所致，而是多變量共同作用的結(jié)果，必須通過原因組合分析進(jìn)一步討論。
表3 指標(biāo)必要性檢驗(yàn)
4.4.2 原因組合分析
按照fsQCA方法可以通過數(shù)據(jù)發(fā)現(xiàn)導(dǎo)致事件爭(zhēng)議度變化的原因組合。表4展示了“吳鶴臣事件” 和“青海地震事件”的原因組合結(jié)果，共包括5個(gè)組合方式，一致性水平均大于0.7。
表4 組態(tài)分析
“吳鶴臣事件”的單個(gè)解和總體解的一致性水平高于0.75。參照文獻(xiàn)[36]分析思路，組態(tài)1和組態(tài)2可以視為爭(zhēng)議度變大的充分條件組合，核心要素是復(fù)雜傳播度、社會(huì)親密度和發(fā)起能力，輔助要素是簡(jiǎn)單傳播。 “青海地震事件”組合結(jié)果顯示，只有組態(tài)3的一致性水平高于0.75，是導(dǎo)致事件爭(zhēng)議度變大的充分條件組合。其中，核心要素是簡(jiǎn)單傳播，復(fù)雜傳播度、社會(huì)親密度和發(fā)起能力是輔助要素。
總體而言，兩個(gè)事件傳播動(dòng)力機(jī)制存在差異，影響輿情爭(zhēng)議度增大的主要影響因素有顯著差別，核心要素和輔助要素均不同。 “吳鶴臣事件”爭(zhēng)議度是由在線用戶圍繞事件中的沖突和糾紛開展交互驅(qū)動(dòng)；“青海地震事件” 的輿情擴(kuò)散是因?yàn)樗鼤?huì)對(duì)一個(gè)特定區(qū)域內(nèi)社會(huì)生活帶來巨大災(zāi)難性影響，因此在線用戶就會(huì)見到消息就立即傳播。
4.4.3 輿情研判
在定性分析兩個(gè)事件的爭(zhēng)議度產(chǎn)生原因后，再結(jié)合觀測(cè)變量對(duì)輿情進(jìn)行量化研判。本節(jié)將各個(gè)組態(tài)對(duì)應(yīng)的核心要素和輔助要素對(duì)應(yīng)取值進(jìn)行回溯，結(jié)果如表5所示，對(duì)兩個(gè)事件輿情研判如下。
表5 指標(biāo)回溯
“吳鶴臣”事件組態(tài)1指標(biāo)取值結(jié)果說明，社會(huì)親密度水平在0.12左右、簡(jiǎn)單傳播比例取值為0.633左右時(shí)，下一時(shí)刻事件爭(zhēng)議度會(huì)增大。此時(shí)用戶之間產(chǎn)生了交互密集的局部社團(tuán)，看到消息即傳播的人數(shù)比例也比較高。因此，輿情監(jiān)管部門應(yīng)對(duì)社團(tuán)內(nèi)的用戶進(jìn)行情緒安撫和疏導(dǎo)，防止產(chǎn)生新的矛盾和沖突，吸引更多的用戶關(guān)注事件。組態(tài)2指標(biāo)取值結(jié)果說明，發(fā)起能力取值為0.61，社會(huì)親密度水平在0.035左右，事件爭(zhēng)議度也會(huì)變得更大。此時(shí)，用戶之間交互不密集，但是與事件相關(guān)的新消息不斷產(chǎn)生，導(dǎo)致事件爭(zhēng)議度變大。因此，輿情監(jiān)管部門應(yīng)引導(dǎo)用戶正確解讀網(wǎng)絡(luò)上的消息，客觀分析、核查消息內(nèi)容真?zhèn)魏涂尚哦龋档褪录浨闋?zhēng)議度。
“青海地震”事件的組態(tài)3取值結(jié)果顯示，這類事件爭(zhēng)議度增大的主要原因是簡(jiǎn)單傳播比例較高，即由于事件會(huì)帶來嚴(yán)重生命和經(jīng)濟(jì)后果，容易觸動(dòng)在線用戶進(jìn)行消息傳播。因此輿情監(jiān)管部門應(yīng)與線下應(yīng)急管理者協(xié)同，優(yōu)先解決公眾在災(zāi)難中的處置需求，才能降低網(wǎng)上相關(guān)消息的大規(guī)模傳播。組態(tài)4對(duì)應(yīng)取值結(jié)果顯示，當(dāng)輿情的簡(jiǎn)單傳播、發(fā)起能力和社會(huì)親密度取值都比較低時(shí)，輿情爭(zhēng)議度和增大概率都較小，輿情監(jiān)管部門無須做出過多干預(yù)。組態(tài)5對(duì)應(yīng)復(fù)雜傳播特征取值顯示，復(fù)雜傳播度大且簡(jiǎn)單傳播比例高，輿情爭(zhēng)議度達(dá)到最高。此時(shí)，輿情監(jiān)管部門應(yīng)對(duì)公眾關(guān)注的救援措施、傷亡人數(shù)與善后等事件進(jìn)程作出回復(fù)，降低事件不確定性，占領(lǐng)輿論引導(dǎo)先機(jī)。
5 結(jié)論
本文研究了社交媒體公益信任危機(jī)事件輿情的復(fù)雜傳播問題。首先，刻畫了公益信任危機(jī)事件的爭(zhēng)議性特點(diǎn)，借助文本挖掘技術(shù)從話題差異率和極端情感波動(dòng)率兩個(gè)維度表示爭(zhēng)議度。其次，基于時(shí)序網(wǎng)絡(luò)對(duì)社交媒體公益信任危機(jī)事件輿情系統(tǒng)進(jìn)行建模，并提出了復(fù)雜傳播特征度量方法。從微觀層面解釋了簡(jiǎn)單傳播行為和復(fù)雜傳播行為的概念和表示方法；從宏觀層面構(gòu)建了輿情的復(fù)雜傳播特征概念和方法，包括發(fā)起能力、社會(huì)親密度和復(fù)雜傳播度等三個(gè)分析指標(biāo)。最后，用fsQCA組態(tài)分析方法對(duì)輿情爭(zhēng)議度產(chǎn)生原因進(jìn)行分析，將定量輿情監(jiān)測(cè)指標(biāo)與定性輿情研判進(jìn)行融合。上述研究?jī)?nèi)容可以為網(wǎng)絡(luò)輿情治理同時(shí)提供定性和定量決策參考。
本文以新浪微博上吳鶴臣眾籌事件輿情為研究對(duì)象，對(duì)其進(jìn)行事件爭(zhēng)議度和輿情復(fù)雜傳播情況的量化實(shí)證，并將實(shí)證結(jié)果與新浪微博上的青海地震事件進(jìn)行對(duì)比。實(shí)證研究結(jié)果表明，兩個(gè)事件的爭(zhēng)議性產(chǎn)生方式不同，且二者之間的復(fù)雜傳播特征也有較大差異。第一，“吳鶴臣事件”的爭(zhēng)議程度波動(dòng)大，它容易受公眾的關(guān)注并快速進(jìn)行話題遷移，政府和組織在網(wǎng)絡(luò)輿情管理中應(yīng)快速響應(yīng)，澄清公益事件真相。第二，“吳鶴臣事件”輿情的復(fù)雜傳播特征度量結(jié)果顯示，輿情是由發(fā)起者驅(qū)動(dòng)、隨參與人數(shù)而產(chǎn)生聚集交互，但無需過度社會(huì)強(qiáng)化就能形成規(guī)模。這意味著面對(duì)紛繁復(fù)雜的事件消息，雖然公眾對(duì)意見領(lǐng)袖的依賴度還比較高，但是能理智地與在線朋友討論分辨事情真相。第三，“青海地震事件”的復(fù)雜傳播度較高，是因?yàn)樵诰€用戶使用社交媒體的目的是展示事件進(jìn)程、發(fā)布求助信息，甚至組成在線社團(tuán)進(jìn)行緊急應(yīng)對(duì)。對(duì)此，通常需要經(jīng)過多個(gè)在線鄰居的消息確認(rèn)才能參與到傳播過程中[24]，即在突發(fā)事件應(yīng)急管理中可以通過在線社會(huì)動(dòng)員提供服務(wù)。
本文嘗試對(duì)社交媒體上公益信任危機(jī)事件的傳播過程進(jìn)行機(jī)理分析，雖然得到了部分有益的研究結(jié)論，但是研究對(duì)象缺少普遍性。因此，下一步將繼續(xù)收集社交媒體上的公益信任危機(jī)事件，利用復(fù)雜傳播模型開展大規(guī)模數(shù)據(jù)分析，歸納和加深對(duì)此類事件傳播規(guī)律的理解和認(rèn)識(shí)。
