——基于49例網(wǎng)絡(luò)暴力事件的定性比較分析(QCA)"/>
丁漢青,韓 玥
(北京師范大學(xué) 新聞傳播學(xué)院, 北京 100091)
從早期“銅須門事件”再到新近發(fā)生的“劉學(xué)州事件”,網(wǎng)絡(luò)暴力事件頻發(fā)。與之相關(guān)的研究成果亦大量涌現(xiàn)。從現(xiàn)有研究成果看,目前學(xué)界對網(wǎng)絡(luò)暴力的界定尚未達(dá)成共識。姜方炳認(rèn)為,網(wǎng)絡(luò)暴力是一種侵害當(dāng)事人名譽(yù)權(quán)與隱私權(quán)的網(wǎng)絡(luò)失范行為,表現(xiàn)形式主要是言語辱罵、惡搞、泄露個人隱私等。[1]田圣斌等人將網(wǎng)絡(luò)暴力定義為一種軟暴力手段,施暴者通過造謠、泄露他人隱私形成網(wǎng)絡(luò)輿論壓力,使受害者飽受精神困擾甚至危及其人身安全。[2]彭蘭則從行為、主體、結(jié)果三個方面闡釋了網(wǎng)絡(luò)暴力的定義。[3]陳代波在進(jìn)一步辨析網(wǎng)絡(luò)暴力概念時認(rèn)為,由線上事件引發(fā)的線下惡性暴力和具有強(qiáng)烈人身攻擊性的網(wǎng)絡(luò)監(jiān)督等亦屬網(wǎng)絡(luò)暴力的范疇。[4]基于以往研究成果,本文認(rèn)為,網(wǎng)絡(luò)暴力是指集聚在網(wǎng)絡(luò)空間中的民眾,以道德名義侮辱、謾罵、嘲諷他人,形成強(qiáng)勢輿論,最終導(dǎo)致大規(guī)模群體極化的群體性失范行為。
隨著網(wǎng)絡(luò)與新媒體技術(shù)的進(jìn)一步發(fā)展,網(wǎng)絡(luò)暴力的形式已從單純的語言暴力上升到人肉搜索甚至線下的各種惡性行為,點滴的“平庸之惡”[5]匯聚,暴露出網(wǎng)絡(luò)猙獰的一面。網(wǎng)絡(luò)暴力輕則泄露個人隱私,使當(dāng)事人遭受電話與信息騷擾,重則對當(dāng)事人造成極大的心理、生理傷害。到底是哪些因素促使網(wǎng)絡(luò)暴力事件在互聯(lián)網(wǎng)場域產(chǎn)生如此巨大的傳播力?
近年來,學(xué)界對網(wǎng)絡(luò)暴力的研究日漸豐富,探究的領(lǐng)域包括網(wǎng)絡(luò)暴力的發(fā)展現(xiàn)狀、成因與形成機(jī)制以及治理路徑等。
關(guān)于網(wǎng)絡(luò)暴力的發(fā)展現(xiàn)狀及趨勢,李華君等人對30起網(wǎng)絡(luò)暴力事件進(jìn)行內(nèi)容分析后發(fā)現(xiàn),網(wǎng)絡(luò)暴力事件存在區(qū)域分布不均衡、結(jié)構(gòu)性暴力和事件性暴力并發(fā)、政治性熱點向娛樂性熱點轉(zhuǎn)變、同類事件的多米諾效應(yīng)顯著等特點。[6]王天楠等人提出,中國網(wǎng)絡(luò)暴力問題在演進(jìn)方式、針對對象、傳播方式、對立立場等方面都呈現(xiàn)出新特征。匿名性身份、不良群體心理以及缺乏精英正面引導(dǎo)等因素相互疊加,進(jìn)一步增加了形成網(wǎng)絡(luò)暴力的風(fēng)險。[7]
在網(wǎng)絡(luò)暴力的成因與形成機(jī)制方面,林凌著眼于網(wǎng)絡(luò)暴力的傳播過程,認(rèn)為網(wǎng)絡(luò)傳播技術(shù)的革新分解了把關(guān)環(huán)節(jié),把關(guān)人責(zé)任模糊是網(wǎng)絡(luò)暴力的重要成因。[8]朱麗認(rèn)為網(wǎng)絡(luò)暴力的形成是多元的,網(wǎng)絡(luò)技術(shù)發(fā)展、網(wǎng)民情緒宣泄、傳統(tǒng)媒體的參與以及監(jiān)管的不完善均是重要成因。[9]劉績宏等人則著眼于網(wǎng)絡(luò)暴力與謠言的聯(lián)動關(guān)系,發(fā)現(xiàn)刺激性的網(wǎng)絡(luò)謠言能夠使網(wǎng)民對相關(guān)主體形成消極道德判斷,進(jìn)而使網(wǎng)民實施網(wǎng)絡(luò)暴力行為。[10]
而在治理路徑方面,徐才淇提出應(yīng)當(dāng)在刑法中加強(qiáng)對網(wǎng)絡(luò)暴力行為的規(guī)定、增加新的專項罪名或增加專門的單行刑法的規(guī)制。[11]陳代波認(rèn)為應(yīng)根據(jù)網(wǎng)絡(luò)暴力參與者的不同層次制定不同應(yīng)對策略,團(tuán)結(jié)多數(shù)網(wǎng)民的同時也不放過違法者。[12]
綜上所述可知,網(wǎng)絡(luò)暴力的相關(guān)研究目前主要集中在成因、傳播規(guī)律與應(yīng)對之策上,較少關(guān)注高傳播力網(wǎng)絡(luò)暴力事件是如何形成的。但事實上網(wǎng)絡(luò)暴力事件的破壞性與其傳播力密不可分,基于此,本文試圖轉(zhuǎn)換視角,跳脫出表層成因與治理路徑的分析,探究高傳播力網(wǎng)絡(luò)暴力事件的形成機(jī)制。在本研究中,“傳播力”用“知微事見庫”中的影響指數(shù)(Event Influence Index,EII)來測量,該指數(shù)是代表某一事件在互聯(lián)網(wǎng)上傳播效果的權(quán)威指標(biāo)。另外,既有網(wǎng)絡(luò)暴力研究多采用個案分析法,較少進(jìn)行多案例研究。本文擬采用定性比較分析法(QCA),結(jié)合定量定性研究方法各自優(yōu)勢進(jìn)行多案例研究,探究網(wǎng)絡(luò)暴力事件中事件本身、傳播過程與網(wǎng)絡(luò)暴力事件傳播力之間的關(guān)系。本研究擬回答以下三方面的問題。
RQ1:促成網(wǎng)絡(luò)暴力事件高傳播力的必要或充分條件是什么?
RQ2:在網(wǎng)絡(luò)暴力事件的發(fā)酵與傳播過程中,何種事件屬性與傳播組合會影響事件傳播力的大小?
RQ3:上述因素影響網(wǎng)絡(luò)暴力事件傳播力的作用機(jī)理和社會深層原因是什么?在預(yù)防與治理高傳播力網(wǎng)絡(luò)暴力事件方面有何對策?
本文采用定性比較分析法,摘選2017—2020年的典型網(wǎng)絡(luò)暴力事件共計49例作為研究樣本,提煉出9個與網(wǎng)絡(luò)暴力事件相關(guān)的影響因子作為條件變量,將事件傳播力作為結(jié)果變量,深入探討網(wǎng)絡(luò)暴力事件不同的事件屬性與傳播條件組合作用于事件傳播力的相關(guān)機(jī)制。
本文以知微事見、百度、新浪微博為檢索平臺,篩選2017—2020年間相關(guān)網(wǎng)絡(luò)暴力事件,最終采用立意抽樣的方式摘選重慶萬州公交墜江事故、樂清滴滴順風(fēng)車事件、茍晶被頂替上學(xué)事件等49個典型案例進(jìn)入研究案例庫。
選擇案例的依據(jù)主要有四個。一是符合網(wǎng)絡(luò)暴力的操作性定義。結(jié)合以往研究成果,本文對網(wǎng)絡(luò)暴力的操作性定義如下:網(wǎng)民明確做出針對當(dāng)事者的侮辱、謾罵、惡搞、人肉搜索、攻擊乃至線下騷擾等群體性行為,對當(dāng)事人構(gòu)成直接或間接傷害,且參與動機(jī)具有樸素正義性與惡意的制裁性。二是具有一定的典型性。本研究將選取輿論熱度、討論度話題度較高,具有代表性的網(wǎng)絡(luò)暴力事件作為樣本。三是案例資料可獲取、可核查。四是案例間需具有可比性,即保證案例總體的充分同質(zhì)性與案例總體內(nèi)的最大異質(zhì)性。[13]
本文基于集體行動理論以及網(wǎng)絡(luò)群體性事件等相關(guān)文獻(xiàn),確定了9個條件變量以及網(wǎng)絡(luò)暴力事件傳播力1個結(jié)果變量。
1.條件變量設(shè)定
(1)事件指向(direction)
網(wǎng)絡(luò)事件爆發(fā)通常都具有明顯的指向性,是事件導(dǎo)向研究的基本變量之一,曾祥敏等人在研究新媒體語境下的新聞反轉(zhuǎn)時認(rèn)為,不同的事件指向會對輿情走向產(chǎn)生影響。[14]在網(wǎng)絡(luò)暴力事件中,網(wǎng)絡(luò)暴力的特性是多數(shù)人對少數(shù)人的輿論壓制:事件因個人、群體或組織的行為引發(fā)爭議而被推到輿論的風(fēng)口浪尖,長期的社會怨恨和被剝奪感在作為導(dǎo)火索的觸發(fā)性事件下爆發(fā),誕生出網(wǎng)絡(luò)暴力事件指向。根據(jù)對案例的梳理,本研究的事件指向基本可分為政府/官員、企業(yè)/機(jī)構(gòu)、個人/群體三大類別。
(2)公眾訴求(goal)
情感、心理等因素在以往集體行動研究中通常被視為重要變量,網(wǎng)絡(luò)群體性事件爆發(fā)的重要客觀原因之一,是事件背后所反映出的公眾共同的利益訴求,其在網(wǎng)絡(luò)集體行動中發(fā)揮著重要作用。[15]網(wǎng)絡(luò)暴力事件中的公眾訴求主要分為情感方面的訴求、經(jīng)濟(jì)利益方面的訴求以及人身安全方面的訴求三類,經(jīng)濟(jì)利益訴求和人身安全訴求在本研究中合并為利益訴求。
(3)被指向人的態(tài)度(attitude)
在網(wǎng)絡(luò)群體性事件中,被指向人回應(yīng)態(tài)度通常影響著網(wǎng)民的情感與后續(xù)輿論的走向。王楠等人在采用QCA方法探究網(wǎng)絡(luò)輿情對高校形象的影響時發(fā)現(xiàn),若輿情在發(fā)酵及傳播過程中未得到回應(yīng),會對高校自身形象產(chǎn)生負(fù)面影響,增強(qiáng)事件影響力和破壞性。[16]在本研究中,被指向人態(tài)度可分為沉默/不予回應(yīng)、回應(yīng)態(tài)度消極或積極三類,其中態(tài)度消極的具體行為指回應(yīng)搪塞、推卸責(zé)任或是回應(yīng)態(tài)度惡劣等,而回應(yīng)態(tài)度積極則表現(xiàn)為針對性解答質(zhì)疑、態(tài)度認(rèn)真、言辭誠懇等。
(4)事件疊加(superposition)
在網(wǎng)絡(luò)社會中,高熱度的輿情事件不再單一出現(xiàn),而是呈現(xiàn)出“批量生產(chǎn)”和“同類復(fù)制”的特點。[17]事件疊加效應(yīng)能夠在其他因素的共同作用下對政策議程產(chǎn)生推動作用。[18]當(dāng)前的網(wǎng)絡(luò)暴力事件中同樣存在同類事件多米諾效應(yīng),由此可推斷,當(dāng)短時間內(nèi)同類事件多次發(fā)生時,會造成事件熱度攀升、事件傳播力增加。
(5)首發(fā)媒體(media)與首發(fā)內(nèi)容的傾向性(content)
根據(jù)資源動員理論,社會運動的發(fā)生率提升,主要是由于社會上可供其他社會運動活躍者利用的資源增加了。[19]媒體在社會動員中作為外部資源有相當(dāng)大的影響力,媒體充滿戲劇化、情緒渲染的報道以及不同的情感動員策略能夠使事件“問題化”,提升事件的話題度。因此本研究將首發(fā)媒體與首發(fā)內(nèi)容的傾向性作為條件變量。首發(fā)媒體分為傳統(tǒng)媒體、網(wǎng)絡(luò)媒體、社交媒體;首發(fā)內(nèi)容傾向性分為中立客觀(呈現(xiàn)事件經(jīng)過,總體來說中立客觀的報道)與帶有明顯傾向性(僅站在某一方角度進(jìn)行事件闡述,其中帶有較多情感偏向表述)。
(6)算法助推(algorithm)
互聯(lián)網(wǎng)具有一種低成本、高速度的賦權(quán)能力,增強(qiáng)了新式集體行動的能力,也成為集體運動獲取資訊和宣傳動員的支配性手段和渠道。[20]“兩微一端”等社交媒體平臺正在迅捷方便地介入公共事務(wù)中,成為社會輿論的發(fā)動機(jī)和揚聲器。[21]而微博中的算法機(jī)制能夠?qū)κ录岫冗M(jìn)行實時排名,決定著事件的“可見性”,故本研究將微博熱搜歷史最高排名作為條件變量之一。
(7)公眾人物參與(opinion leaders)
拉扎斯菲爾德等人提出的“二級傳播”理論認(rèn)為,大眾傳播并不是直接觸達(dá)受眾的,而是會通過意見領(lǐng)袖這一重要環(huán)節(jié)。[22]公眾人物/意見領(lǐng)袖的參與有助于事件進(jìn)一步擴(kuò)散,知名人物的參與往往被認(rèn)為對輿論有導(dǎo)向作用。明星與微博意見領(lǐng)袖通常由于自身流量與關(guān)注度,能夠使得事件進(jìn)一步擴(kuò)大傳播力。
(8)是否存在謠言(rumor)
特納曾提出突生規(guī)范理論,即符號性事件以及傳播過程中產(chǎn)生的謠言對于群體共同心理與共同規(guī)范的形成有著關(guān)鍵作用,推動著集體行動的發(fā)生。[23]事實上,網(wǎng)絡(luò)中事件傳播過程通常呈現(xiàn)出情緒化的特征,網(wǎng)絡(luò)謠言則直接或間接成為一系列網(wǎng)絡(luò)群體性事件的導(dǎo)火索[24],進(jìn)一步激化矛盾,擴(kuò)大事件傳播力,故本研究將是否存在謠言視為條件變量之一。
2.結(jié)果變量設(shè)定
本研究將網(wǎng)絡(luò)暴力事件的傳播力作為結(jié)果變量。該變量用“知微事見庫”中的傳播力指數(shù)來測定。事件傳播力指數(shù)是基于包括“兩微”在內(nèi)的全網(wǎng)自媒體和網(wǎng)絡(luò)媒體傳播效果數(shù)據(jù),通過歸一化運算得出,范圍在0~100之間,代表某一事件在互聯(lián)網(wǎng)上傳播效果的權(quán)威指標(biāo)。本文參考網(wǎng)絡(luò)暴力事件庫事件傳播力指數(shù)平均數(shù)與“知微事見庫”中事件傳播力年榜上榜標(biāo)準(zhǔn),確定事件傳播力指數(shù)75以上者為高傳播力網(wǎng)絡(luò)暴力事件。
考慮到變量組合的復(fù)雜性,本文參考李良榮針對網(wǎng)絡(luò)群體性事件爆發(fā)機(jī)制研究的雙重QCA建模[25],將條件變量分為“事件屬性”與“傳播屬性”兩部分,并根據(jù)研究目的以及案例的描述性統(tǒng)計結(jié)果,對變量進(jìn)行二分賦值,變量賦值表如表1所示。
表1 變量編碼賦值表
本文針對網(wǎng)絡(luò)暴力事件傳播力影響因素的研究分為事件屬性與傳播屬性雙重分析,根據(jù)定性比較分析方法步驟對49例網(wǎng)絡(luò)暴力事件案例編碼賦值,然后使用fsQCA軟件將原始數(shù)據(jù)的不同條件組合合成真值表,并分別進(jìn)行單變量必要性分析以及多變量條件組合分析。
在事件屬性分析中,選取“事件指向”“公眾訴求”“被指向人的態(tài)度”“事件疊加”作為條件變量;“事件傳播力”作為結(jié)果變量,構(gòu)建事件屬性的真值表并得出相關(guān)數(shù)據(jù)結(jié)果。
1.事件屬性單變量必要性分析
根據(jù)QCA方法理論,在單因素必要性分析中,若一致性指標(biāo)大于0.8,視該條件變量為結(jié)果變量的充分條件,此變量的產(chǎn)生可以導(dǎo)致所研究的結(jié)果;若一致性指標(biāo)大于0.9時,則可證明該條件變量是構(gòu)成研究結(jié)果變量的必要條件,其中的覆蓋率指標(biāo)(coverage)則是代表該條件變量組合能夠解釋發(fā)生結(jié)果中多少比例的案例。
在事件屬性的單變量必要性分析中,筆者將“事件指向”“公眾訴求”“被指向人回應(yīng)態(tài)度”“事件疊加”正反共8個條件變量導(dǎo)入fsQCA3.0軟件進(jìn)行分析,分析結(jié)果如表2所示。根據(jù)表2運算結(jié)果,事件屬性所包含的4個條件變量的一致性指標(biāo)均未達(dá)到0.9以上,說明這4個條件變量均未構(gòu)成高傳播力網(wǎng)絡(luò)暴力事件的必要條件。
表2 事件屬性單變量必要性分析
在事件屬性的所有變量中,“事件指向”“事件疊加”兩個變量的一致性指標(biāo)較高,分別達(dá)到0.79與0.76,較為接近0.8;覆蓋率分別達(dá)到0.64與0.72,能夠?qū)?4%與72%的事件有解釋力。由此可見,“事件指向”與“事件疊加”兩個條件變量雖無法作為高傳播力網(wǎng)絡(luò)暴力事件的充分條件,但當(dāng)網(wǎng)絡(luò)暴力事件指向個人或是特定群體時,更易產(chǎn)生較大傳播力;事件疊加效應(yīng)(即在該網(wǎng)絡(luò)暴力事件發(fā)生前一年內(nèi)有過同類社會焦點事件時)也會對事件的高傳播力有推動作用。
綜上可知,網(wǎng)絡(luò)暴力事件的高傳播力并不受單個事件屬性變量影響,而是多重事件屬性、多個變量共同作用促成的,因此有必要進(jìn)一步開展條件組合分析來探究網(wǎng)絡(luò)暴力事件傳播力的影響機(jī)制。
2.事件屬性條件組合分析
導(dǎo)入事件屬性真值表后,采用fsQCA3.0進(jìn)行標(biāo)準(zhǔn)分析,所得事件屬性優(yōu)化解組合路徑如表3所示。
表3 事件屬性優(yōu)化解組合路徑表
由表3可知,事件屬性變量整體覆蓋度為0.65,能夠解釋65%的案例,5條路徑結(jié)果經(jīng)過布爾最小化運算原則處理后,可以總結(jié)出以下三種路徑類型。
類型1:情緒訴求*被指向人回應(yīng)態(tài)度沉默/消極*事件疊加
該路徑類型原始覆蓋度為35%,是事件屬性中最典型的條件構(gòu)型。 “河南一女子醉駕瑪莎拉蒂致兩死”為該路徑典型案例。在此類網(wǎng)絡(luò)暴力事件中,網(wǎng)絡(luò)暴力行為體現(xiàn)的是公眾力求維護(hù)道德與社會公平正義的情緒訴求,此種情緒訴求在疊加效應(yīng)下進(jìn)一步強(qiáng)化,當(dāng)事人的沉默與消極應(yīng)對態(tài)度會進(jìn)一步激發(fā)公眾的憤怒情緒,擴(kuò)大網(wǎng)絡(luò)暴力事件的傳播力。
類型2:利益訴求*事件疊加(指向政府官員/企業(yè)機(jī)構(gòu)+被指向人回應(yīng)態(tài)度積極)
該類型路徑由路徑2與路徑4整合所得,原始覆蓋率為23.5%。該路徑顯示,當(dāng)反應(yīng)公眾利益訴求的事件存在疊加效應(yīng)時,容易導(dǎo)致高傳播力網(wǎng)絡(luò)暴力事件?!伴L生生物疫苗造假事件”為該路徑代表性案例。
類型3:事件指向個人/群體*利益訴求*無事件疊加效應(yīng)
大多數(shù)反映利益訴求的網(wǎng)絡(luò)暴力事件通常是指向政府/企業(yè)機(jī)構(gòu),亦有部分指向個人或群體。這類事件在反映公眾的利益訴求且并無事件疊加效應(yīng)的情況下,仍存在導(dǎo)致高傳播力網(wǎng)絡(luò)暴力的路徑?!靶?zhàn)粉絲舉報AO3等網(wǎng)站引熱議事件”為代表性案例。
本研究在分析傳播屬性時,選取“首發(fā)媒體”“首發(fā)內(nèi)容傾向性”“算法助推”“公眾人物參與”“是否存在謠言”作為條件變量,結(jié)果變量仍為“事件傳播力”。
1.傳播屬性單變量必要性分析
將傳播屬性5個條件變量共計10個正反變量輸入fsQCA3.0軟件進(jìn)行單變量必要性分析(necessary conditions),得到表4。
表4 傳播屬性單變量必要性分析
據(jù)表4可知,單一變量一致性指標(biāo)中并沒有超過0.9的指標(biāo),說明網(wǎng)絡(luò)暴力事件高傳播力是多因素共同作用的結(jié)果,5個與傳播屬性相關(guān)的條件變量均不足以成為其發(fā)生的必要條件。除此之外,“首發(fā)內(nèi)容傾向性”與“算法助推”兩個條件變量一致性指標(biāo)大于0.8,說明這兩個條件變量足以構(gòu)成導(dǎo)致結(jié)果變量的充分條件。
其中,“首發(fā)內(nèi)容的傾向性”變量一致性指標(biāo)為0.85,覆蓋率為0.697,說明有近70%的案例受此因素影響,解釋力較強(qiáng)。且媒體首發(fā)內(nèi)容越是具有明顯傾向性,越容易導(dǎo)致網(wǎng)絡(luò)暴力事件的高傳播力?!八惴ㄖ啤钡囊恢滦灾笜?biāo)為0.85,覆蓋率為0.71,說明可以解釋71%的案例,是導(dǎo)致高傳播力網(wǎng)絡(luò)暴力事件的充分條件之一。
除此以外,“公眾人物參與”的一致性指標(biāo)為0.71,覆蓋率75%,其雖不足以成為網(wǎng)絡(luò)暴力事件高傳播力的充分條件,但可以認(rèn)為公眾人物或意見領(lǐng)袖在網(wǎng)絡(luò)暴力事件中的發(fā)聲對網(wǎng)絡(luò)暴力事件傳播力有較大影響?!笆装l(fā)媒體”與“是否存在謠言”兩個變量一致性不高,說明這兩個變量對于結(jié)果變量有一定影響,但都不足以成為結(jié)果發(fā)生的充分條件,還需要進(jìn)一步通過變量條件組合分析進(jìn)行解釋。
2.傳播屬性條件組合分析
將傳播屬性的5個條件變量輸入fsQCA3.0軟件進(jìn)行條件組合分析,條件組合分析結(jié)果如表5所示。
表5 傳播屬性優(yōu)化解組合路徑表
傳播屬性變量整體覆蓋度較高為0.71,能解釋71%以上的案例,數(shù)據(jù)解釋力較強(qiáng),高于事件屬性,說明決定網(wǎng)絡(luò)暴力事件高傳播力的更多是事件的傳播過程而不是事件本身的屬性。傳播屬性具有以下三種影響機(jī)制類型。
類型1:首發(fā)內(nèi)容具有明顯傾向性*算法助推*公眾人物參與*存在謠言
該路徑對40%的案例具有解釋力,在實際統(tǒng)計中共有14個案例屬于該類型。在微博熱搜的算法機(jī)制推動下,事件進(jìn)入公共輿論場,各路媒體具有明顯傾向性的首發(fā)內(nèi)容通常先入為主,輿論一邊倒的情況愈演愈烈,公眾人物的參與加劇事件的二次傳播,在此過程中謠言也會在事件平息之前進(jìn)一步掀起輿論聲浪,放大了網(wǎng)絡(luò)暴力事件的傳播力?!氨本┘t黃藍(lán)幼兒園虐童事件” “北京民航總醫(yī)院患者家屬殺醫(yī)事件”等均屬此類案例。
類型2:算法助推*存在謠言*網(wǎng)絡(luò)媒體/傳統(tǒng)媒體(公眾人物參與+首發(fā)內(nèi)容具有明顯傾向性)
該類型路徑由路徑2與路徑3合并、簡化后得到,表達(dá)式原始覆蓋率為28.5%,可解釋28.5%的高傳播力網(wǎng)絡(luò)暴力事件。雖然網(wǎng)絡(luò)暴力事件的信源多來自社交媒體中的自媒體或是網(wǎng)民自發(fā)爆料,但首發(fā)媒體是傳統(tǒng)媒體或是網(wǎng)絡(luò)媒體的事件在結(jié)合算法助推、公眾人物參與以及謠言等因素后,也同樣能夠構(gòu)成高傳播力網(wǎng)絡(luò)暴力事件的典型路徑。
“江歌案” “樂清滴滴順風(fēng)車事件”等屬此類事件。隨著當(dāng)下互聯(lián)網(wǎng)用戶的身份轉(zhuǎn)變,媒體與個人的邊界感在逐漸減弱,但相較自媒體與個人所發(fā)布的信息,傳統(tǒng)媒體與網(wǎng)絡(luò)媒體專業(yè)性與可信度更高,在事件傳播過程中,能夠提供更多事實信息,進(jìn)一步引發(fā)網(wǎng)友對事實真相、道德責(zé)任的討論,同時在算法機(jī)制、公眾人物參與、謠言等因素的加持下,網(wǎng)絡(luò)暴力事件的持續(xù)關(guān)注熱度傳播力也變得更加顯著。
類型3:社交媒體*內(nèi)容具有明顯傾向性*無算法助推*無公眾人物參與*無謠言
該類型路徑的原始覆蓋率為11.42%。此路徑表明,在無算法助推、無公眾人物參與以及無謠言發(fā)生的情況下,社交媒體網(wǎng)友自發(fā)爆料或是自媒體首發(fā)、首發(fā)內(nèi)容存在明顯傾向性同樣能夠構(gòu)成高傳播力網(wǎng)絡(luò)暴力事件。
“官員請吃穿山甲事件”“翟欣欣逼死程序員事件”等屬此類型。該類事件共同點為當(dāng)事人或是事件目擊者在社交媒體上直接發(fā)布圖片、視頻等事件相關(guān)信息,同時發(fā)布內(nèi)容具有強(qiáng)烈的情緒傾向和明確的訴求,通常是對事件當(dāng)事人行為的揭露與指責(zé),具有很強(qiáng)的情緒感染性,能夠引起大量的關(guān)注度,從而導(dǎo)致大規(guī)模網(wǎng)絡(luò)輿論暴力以及人肉搜索行為。
我們基于對49例典型網(wǎng)絡(luò)暴力事件的定性比較分析,可得出以下三點結(jié)論。
第一,兩種屬性單變量必要性分析結(jié)果顯示,無變量足以達(dá)到必要條件標(biāo)準(zhǔn)。這說明高傳播力網(wǎng)絡(luò)暴力事件的形成并非單一屬性所決定。從兩種屬性的數(shù)據(jù)對比來看,事件的“傳播屬性”較 “事件屬性”對網(wǎng)絡(luò)暴力事件的高傳播力具有更關(guān)鍵的作用、更強(qiáng)的解釋力。在焦點事件發(fā)生后,由于信息過載與信息的碎片化,事件真相通常以階段化形式呈現(xiàn),因此在事件傳播過程中會出現(xiàn)事實扭曲、事件矛盾被惡意夸大的現(xiàn)象,再加上算法技術(shù)的助推、各方媒體的參與、公眾人物及意見領(lǐng)袖的二次擴(kuò)散,最終導(dǎo)致傳播范圍廣泛、傳播力巨大的網(wǎng)絡(luò)暴力事件。因此,雖然通常來說事件自身屬性(如涉及相關(guān)敏感話題、事件指向的群體特殊等等)能夠聚焦人們的目光,但是最終決定事件傳播力大小的最重要因素仍然是事件的傳播過程,媒介的基礎(chǔ)設(shè)施作用由此可見一斑。
第二,在事件屬性中,導(dǎo)致高傳播力網(wǎng)絡(luò)暴力事件的最顯著條件組合是:情緒訴求*被指向人回應(yīng)態(tài)度沉默/消極*事件疊加。情感視角一直以來都是西方社會運動與集體行動研究的重要視角,社會怨恨、相對剝奪感的產(chǎn)生等心理因素是導(dǎo)致集體行動行為的重要條件變量。當(dāng)相同類型矛盾反復(fù)發(fā)生且積怨與不安情緒得不到解決時,群體便有可能采取集體行動以消解這種“被剝奪感”,從而導(dǎo)致網(wǎng)絡(luò)暴力事件的發(fā)生。此外,事件疊加效應(yīng)亦會助推網(wǎng)絡(luò)暴力事件的爆發(fā)力與傳播力:短時間內(nèi)關(guān)聯(lián)性事件的系列化發(fā)生不僅會帶來輿情疊加效應(yīng),同時也會帶來群體的情緒疊加效應(yīng),再加上謠言在群體運動中的催化作用,最終導(dǎo)致高傳播力網(wǎng)絡(luò)暴力事件。
第三,在傳播屬性中,“算法助推”及“首發(fā)內(nèi)容傾向性”構(gòu)成高傳播力網(wǎng)絡(luò)暴力事件的充分條件。條件組合分析中最顯著的條件組合案例為:算法助推*首發(fā)內(nèi)容具有明顯傾向性*有公眾人物參與*存在謠言。首先,互聯(lián)網(wǎng)算法機(jī)制的助推之所以能夠成為構(gòu)成高傳播力網(wǎng)絡(luò)暴力事件的充分條件之一,是因為在作為“公共領(lǐng)域”的微博平臺中,算法技術(shù)能夠?qū)ι仙乃阉鳠狳c事件進(jìn)行實時監(jiān)測并以數(shù)據(jù)排名的方式呈現(xiàn)在公眾面前,熱搜排名帶來大量關(guān)注度與話題度,進(jìn)而提升了網(wǎng)絡(luò)輿論的爆發(fā)頻率和強(qiáng)度,這也是大多數(shù)網(wǎng)絡(luò)暴力事件的發(fā)酵和微博熱搜排名息息相關(guān)的重要原因。
其次,在事件傳播過程中,首發(fā)內(nèi)容具有先入為主的特性,對輿論風(fēng)向的重要作用不言而喻。網(wǎng)絡(luò)暴力事件的發(fā)酵地多為社交媒體平臺,首發(fā)媒體大部分是社交媒體上的自媒體,也有網(wǎng)友自發(fā)爆料,因此內(nèi)容的真實性與客觀性并無可靠保障,發(fā)出的事件相關(guān)內(nèi)容通常會存在著強(qiáng)烈的情緒偏向和主觀判斷,導(dǎo)致矛盾放大。而部分公眾人物作為傳播過程中的意見領(lǐng)袖,其在互聯(lián)網(wǎng)中強(qiáng)大的粉絲基礎(chǔ)與名人效應(yīng)通常使事件得到二次傳播,事件的傳播力進(jìn)一步擴(kuò)大,最終釀成聲勢浩大的網(wǎng)絡(luò)群體暴力行為。
除此以外,在傳播屬性的分析結(jié)果給出的5條條件組合路徑中,有4條路徑組合均提及“是否存在謠言”這一重要變量,謠言作為一種社會輿論現(xiàn)象,是互聯(lián)網(wǎng)中最有效的情緒動員器,因此,總體來說,“算法助推”“首發(fā)內(nèi)容傾向性”“是否存在謠言”三個條件變量對網(wǎng)絡(luò)暴力事件的高傳播力均具有重要催化作用,它們與“公眾人物參與”變量共同構(gòu)成高傳播力網(wǎng)絡(luò)暴力事件的最顯著路徑。
綜上所述,兩種屬性中的眾多條件變量均不足以單獨導(dǎo)致高傳播力網(wǎng)絡(luò)暴力事件的發(fā)生,此類事件的發(fā)生具有復(fù)雜性,仍需厘清多元復(fù)雜因素中的核心癥結(jié)進(jìn)行有針對性的治理,本研究認(rèn)為應(yīng)從如下三方面著手。
第一,監(jiān)管部門針對特殊事件群建立輿情預(yù)警與重點監(jiān)測機(jī)制。在事件屬性覆蓋率較高的前兩個原因組合中,“事件疊加”效應(yīng)作為關(guān)鍵變量反復(fù)出現(xiàn),無論是在情緒還是利益訴求事件中,短時間內(nèi)系列化焦點事件的出現(xiàn)都會帶來輿情疊加效應(yīng),擴(kuò)大事件傳播力。例如,“樂清滴滴順風(fēng)車事件”前有“空姐乘坐滴滴遇害案”;“網(wǎng)曝成都七中實驗學(xué)校食堂食物發(fā)霉”前有“上海中芯國際學(xué)校被曝食材變質(zhì)”;“網(wǎng)友曝光五星酒店衛(wèi)生亂象”前有“全季酒店被曝毛巾擦馬桶”……此類頻繁發(fā)生的社會公共事件需列入重點監(jiān)測領(lǐng)域,監(jiān)管部門應(yīng)及時關(guān)注相關(guān)事件發(fā)展動態(tài)與輿論導(dǎo)向,當(dāng)網(wǎng)絡(luò)輿論有極端化傾向時應(yīng)采取相應(yīng)的應(yīng)對措施,及時給予疏導(dǎo)與干預(yù),防止部分非理性或極端化言論演變?yōu)榇笠?guī)模網(wǎng)絡(luò)暴力行為。除此以外,因信息不對稱,網(wǎng)絡(luò)暴力事件常與謠言相伴。而謠言具有強(qiáng)大的情感動員功能,能夠加速群眾共同憤怒的形成。因此,調(diào)查事實真相、及時辟謠也是阻止輿論中極端憤怒情緒蔓延的有效途徑,如在謠言傳播初期就及時核查并公布事實真相,澄清虛假信息等。
第二,社交媒體平臺積極承擔(dān)社會責(zé)任,完善算法價值導(dǎo)向?!八惴ㄖ啤弊鳛槌浞謼l件之一,對高傳播力網(wǎng)絡(luò)暴力事件的產(chǎn)生起著重要作用。算法規(guī)則遵從的是“數(shù)據(jù)至上”的工具理性。[26]算法技術(shù)對社交媒體信息的把關(guān),表面上雖具有透明性、公平性,但卻因疏漏了重要的價值判斷與價值導(dǎo)向功能,從而失去了對信息真實性和價值屬性的把控。為此,平臺應(yīng)進(jìn)一步完善算法規(guī)則,建立人工與技術(shù)的協(xié)同把關(guān)機(jī)制,及時過濾熱搜中并未得到核實的虛假信息、具有煽動性的信息,降低其“可見性”,避免群體極化與網(wǎng)絡(luò)暴力的發(fā)生。
第三,媒體堅守專業(yè)主義規(guī)范。在網(wǎng)絡(luò)暴力事件傳播過程中,具有鮮明傾向性的首發(fā)媒體報道能夠先入為主,在一定程度上左右輿情走向以及事件傳播力。這就要求媒體要堅守專業(yè)主義規(guī)范,嚴(yán)格貫徹事實核查制度,對自身發(fā)布的信息負(fù)責(zé),用客觀真實的報道與理性判斷避免高傳播力網(wǎng)絡(luò)暴力事件的出現(xiàn)。另外,新聞專業(yè)主義也應(yīng)內(nèi)化為每個參與新聞傳播過程的個人都需遵守的交往信條與基本精神。[27]無論是有強(qiáng)大粉絲基礎(chǔ)的公眾人物、微博大V,還是作為普通用戶的個體,都應(yīng)該重視自身的媒介素養(yǎng),正確行使輿論監(jiān)督的權(quán)利,拒絕以暴制暴。
總體看來,網(wǎng)絡(luò)暴力事件的高傳播力是“事件屬性”與“傳播屬性”條件變量經(jīng)由各種組合方式,共同作用的結(jié)果。網(wǎng)絡(luò)暴力現(xiàn)象還需監(jiān)管部門、平臺、媒體、公眾等相關(guān)方相互配合,形成多中心協(xié)同治理模式,做好事件爆發(fā)前的預(yù)判、事件爆發(fā)中的緊急應(yīng)對以及事件發(fā)生后的破壞性規(guī)避,更加精準(zhǔn)地實現(xiàn)由內(nèi)向外的治理。