重大突發(fā)事件網(wǎng)絡(luò)輿情演化研究

周瑛　嚴林志

關(guān)鍵詞：重大突發(fā)事件；信息生態(tài)學(xué)理論；協(xié)同作用

中圖分類號：TP391 文獻標(biāo)識碼：A

文章編號：1009-3044（2023）14-0073-03

0 引言

伴隨著全球信息化的迅速發(fā)展以及互聯(lián)網(wǎng)的快速普及，人們生活中也隨之產(chǎn)生了許多網(wǎng)絡(luò)輿論問題。當(dāng)重大突發(fā)事件發(fā)生時，信息爆炸、信息污染和信息侵犯等現(xiàn)象在網(wǎng)絡(luò)中開始頻繁出現(xiàn)，導(dǎo)致社會信息生態(tài)系統(tǒng)受到了很大的影響，從而易引發(fā)負面輿論。研究重大突發(fā)事件網(wǎng)絡(luò)輿情演化規(guī)律和潛在風(fēng)險，對相關(guān)部門及政府正確引導(dǎo)公眾輿論具有重大意義。

目前與本文相關(guān)的研究主要有兩個部分：一個部分是信息生態(tài)學(xué)理論研究，主要包括對信息生態(tài)因子要素進行分類[1]、利用生態(tài)學(xué)的觀點和方法對信息生態(tài)中的各項資源進行合理配置[2]、運用信息生態(tài)學(xué)理論構(gòu)建評價指標(biāo)體系研究網(wǎng)絡(luò)輿情預(yù)警[3]。另一個部分是網(wǎng)絡(luò)輿情演化分析，主要體現(xiàn)在輿情演化周期、演化主體、演化特征等方面。有學(xué)者將網(wǎng)絡(luò)輿情生命周期劃分為四個階段[4] 或五個階段[5]，認為輿情的主體包括網(wǎng)民、政府、網(wǎng)絡(luò)媒體、專家、公眾[6]，并認為意見領(lǐng)袖對于網(wǎng)絡(luò)輿情具有重要的引導(dǎo)作用[7]；也有一些學(xué)者從語義分析[8]、傳播周期[9] 、情感分類[10]等多元角度來分析網(wǎng)絡(luò)輿情演化特征。

上述研究已有學(xué)者將信息生態(tài)學(xué)理論運用到網(wǎng)絡(luò)輿情演化分析中，但大多數(shù)研究都偏向于定性研究，在定量研究方面有待深入；也有學(xué)者對網(wǎng)絡(luò)輿情進行情感演化、主題挖掘等分析，但分析維度較單一，研究理論視角有進一步拓寬的空間。基于此，本文在信息生態(tài)學(xué)理論的基礎(chǔ)上構(gòu)建重大突發(fā)事件網(wǎng)絡(luò)輿情演化分析模型，進一步探索輿情生態(tài)系統(tǒng)中生態(tài)要素間的協(xié)同作用，精準剖析輿情在生命周期內(nèi)情感的演變規(guī)律及潛在風(fēng)險，為政府正確治理輿情提供參考性建議。

1 重大突發(fā)事件網(wǎng)絡(luò)輿情演化分析模型

信息生態(tài)學(xué)將自然生態(tài)概念引入信息學(xué)科，是一門研究信息規(guī)律的科學(xué)，強調(diào)信息生態(tài)各要素間協(xié)調(diào)發(fā)展[11]。目前信息生態(tài)學(xué)理論研究共有三種學(xué)說，包括信息人和信息環(huán)境二要素學(xué)說[12]；信息、信息人及信息環(huán)境三要素學(xué)說[13]；信息、信息人、信息環(huán)境及信息技術(shù)四要素學(xué)說[14]，而信息生態(tài)系統(tǒng)主要是“信息—信息人—信息環(huán)境”間相互影響和相互作用的有機整體[15]。所以本文基于信息生態(tài)系統(tǒng)中的信息、信息人、信息環(huán)境三要素展開研究。

網(wǎng)絡(luò)輿情演化是一個變化過程，在特定時空范圍內(nèi)，網(wǎng)絡(luò)輿情客體、網(wǎng)絡(luò)輿情主體以及網(wǎng)絡(luò)輿情環(huán)境在熱點話題事件中協(xié)同作用、相互影響，而信息生態(tài)系統(tǒng)強調(diào)信息生態(tài)平衡，即信息、信息人與信息環(huán)境三個要素相互協(xié)調(diào)、相互適應(yīng)、相互匹配，所以信息生態(tài)系統(tǒng)的相關(guān)理論可以為網(wǎng)絡(luò)輿情演化分析提供研究思路。本文從信息、信息人和信息環(huán)境三類要素層面出發(fā)，構(gòu)建了重大突發(fā)事件網(wǎng)絡(luò)輿情演化分析模型。在信息層面進行LDA主題分析[16]；信息人層面進行意見領(lǐng)袖綜合分析；信息環(huán)境層面進行情感演化分析，模型如圖1所示。

2 實證研究

2.1 數(shù)據(jù)來源

本文利用Python爬取“7·20河南暴雨”事件的微博數(shù)據(jù)，包括用戶信息、評論內(nèi)容、評論時間等字段，通過jieba分詞對數(shù)據(jù)清洗，去除重復(fù)項、缺失項或者含有特殊符號的無效數(shù)據(jù)后，剩余20568條。

2.2信息層面分析

在信息層面，對事件內(nèi)容進行周期劃分，并通過LDA主題模型分析各個主題間的聚類關(guān)系，挖掘輿情事件的關(guān)鍵詞及主題內(nèi)容。重大突發(fā)事件網(wǎng)絡(luò)輿論在微博平臺具有明顯的階段特征，為了凸顯各個階段用戶的情感變化特征，本文結(jié)合“7·20河南暴雨”事件在微博平臺傳播量的變化趨勢，將“7·20河南暴雨”輿情事件的生命周期劃分為潛伏期、爆發(fā)期、衰退期、消亡期四個階段。潛伏期為2021年7月19日至2021年7月20日，爆發(fā)期為2021年7月21日至2021年7月22 日，衰退期為2021年7月23日至2021年7月27日，消亡期為2021年7月28日至2021年8月2日。在潛伏期，傳播量較小且趨勢不明顯；在爆發(fā)期，隨著事件以爆炸式速度傳播，每小時傳播量最高可達近一萬條；在衰退期，傳播量逐漸下降，到消亡期，傳播趨勢逐漸緩和直至事件消亡。然后，利用LDA（Latent DirichletAllocation）主題模型對文本進行主題分析，進一步準確、清晰、深入地挖掘主題中潛藏的信息。利用gen?sim包對主題進行挖掘，并根據(jù)困惑度計算出最優(yōu)主題數(shù)，困惑度越低，主題數(shù)為最優(yōu)。困惑度計算公式見式1所示：

根據(jù)計算結(jié)果可知，最優(yōu)主題數(shù)為5，具體的主題分布見表1所示。

從表1中可以看出，Topic1為物資援助，國家奮力救援以及全國人民的物資援助。Topic2為追責(zé)與修復(fù)公信力，國家對失職官員的追責(zé)以及自身的公信力修復(fù)。Topic3為抱怨及謾罵失職人員，網(wǎng)民對災(zāi)情開始出現(xiàn)抱怨的情緒，以及對失職人員的謾罵。Topic4為災(zāi)情祈禱，受災(zāi)難民以及全國人民都在祈禱災(zāi)情能夠好轉(zhuǎn)，希望可以渡過難關(guān)。Topic5為輿論爆發(fā)與媒體介入，隨著災(zāi)情越發(fā)嚴重，多方媒體開始介入，有關(guān)災(zāi)情與官員的輿論在多個社交平臺迅速爆發(fā)。

網(wǎng)民在潛伏期對輿情事件持有“祈禱”的態(tài)度，再到爆發(fā)期和衰退期進行“捐款”“援助”的積極動員，最后到消亡期對政府及相關(guān)部門治理工作的“追責(zé)”態(tài)度，符合生命周期理論。此外，輿情事件的主題聚類效果比較明顯，通過困惑度分析找到了最優(yōu)主題數(shù)，有“祈禱”“援助”類的積極主題，但也有“追責(zé)”“抱怨”“輿論爆發(fā)”等負面主題。

2.3 信息人層面分析

在信息人層面，進行意見領(lǐng)袖綜合影響力分析，可以更好地發(fā)現(xiàn)輿情導(dǎo)向中的關(guān)鍵引導(dǎo)主體。本文參考文獻[17]的微博意見領(lǐng)袖評估模型，結(jié)合轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)和粉絲數(shù)4個指標(biāo)數(shù)據(jù)來確定意見領(lǐng)袖影響力，4個指標(biāo)的數(shù)據(jù)由X1、X2、X3、X4四個變量表示，四個變量的權(quán)重分別為w1、w2、w3、w4，其對應(yīng)的參數(shù)值分別為0.25、0.25、0.125、0.375，影響力值S 的計算公式見式2所示：

S = w1 × X1 + w2 × X2 + w3 × X3 + w4 × X4（2）

本文根據(jù)粉絲數(shù)與意見領(lǐng)袖的綜合指標(biāo)S，運用Python中的Matplotlib庫構(gòu)建“7·20河南暴雨”事件的意見領(lǐng)袖影響力雷達圖，如圖2所示。

如圖2，top10意見領(lǐng)袖中既有中央官方媒體，又有官方認證個人媒體，意見領(lǐng)袖綜合影響力排名前三的依次是人民日報、央視網(wǎng)、新京報等權(quán)威媒體，其次是謝娜、何炅、胡錫進等個人媒體，說明在此次重大突發(fā)事件的整個輿論導(dǎo)向過程中，中央官方媒體對輿論引導(dǎo)占主導(dǎo)地位，其次是個人媒體，而地方政府媒體報道較少、受關(guān)注度較低。通過意見領(lǐng)袖分析，更加明確了事件輿情傳播的核心領(lǐng)袖，所以政府要充分發(fā)揮核心領(lǐng)袖的引領(lǐng)作用，促進輿情正向發(fā)展。

2.4 信息環(huán)境層面分析

在信息環(huán)境層面，對整個輿情事件進行情感演化

分析，可以直觀了解到整個生命周期中網(wǎng)民的情感態(tài)勢及演變規(guī)律。用戶情感的分類一般包括積極、中性、消極三類情感，或積極、消極兩類情感[18]。本文運用Bi-LSTM模型[19]對文本進行情感演化分析，采用二分類法將情感類型分為積極和消極，并設(shè)定[0-0.5]區(qū)間的情感值為消極情緒，（0.5-1]區(qū)間的情感值為積極情緒。根據(jù)每個小時內(nèi)的平均情感值，按照時間切片序列對情感趨勢進行可視化，如圖3所示。

從圖3中可以看出網(wǎng)民整體情緒都比較積極，但是在事件的爆發(fā)期和消亡期部分網(wǎng)民出現(xiàn)消極的負面情緒，通過對數(shù)據(jù)深入挖掘發(fā)現(xiàn)，在爆發(fā)期，暴雨災(zāi)情開始波及其他市，許多網(wǎng)民開始出現(xiàn)焦慮狀態(tài)；在衰退期，災(zāi)情逐漸被控制住，但是網(wǎng)民的焦慮狀態(tài)仍未消除。通過情感趨勢的可視化，可以直觀反映網(wǎng)民在整個生命周期的情感態(tài)勢，對輿情演化分析具有重大意義。

3 研究結(jié)論與建議

本文從信息生態(tài)學(xué)視角出發(fā)，構(gòu)建了重大突發(fā)事件網(wǎng)絡(luò)輿情演化分析模型，對“7·20河南暴雨”事件的信息、信息人及信息環(huán)境三個層面進行分析，得出以下結(jié)論：

1）通過對信息層面進行分析發(fā)現(xiàn)，此次事件輿情演化具有很強的動態(tài)性，隨著事件的推移，在不同階段關(guān)鍵詞及主題也會隨之變化。大部分主題都是關(guān)于災(zāi)情的祈禱和援助，但通過深度剖析發(fā)現(xiàn)，部分網(wǎng)民面對重大災(zāi)情出現(xiàn)了恐懼的負面情緒，如果政府不能把控好輿情的主題演化，很容易促使輿情再次發(fā)酵甚至產(chǎn)生次生輿情。

2）通過對信息人層面分析發(fā)現(xiàn)，輿情的核心引導(dǎo)主體是國家權(quán)威媒體以及明星等個人領(lǐng)袖，而地方政府媒體影響力較小。在整個輿情生命周期中，國家權(quán)威媒體都進行了跟進報道及必要的政府回應(yīng)，明星等個人領(lǐng)袖在災(zāi)情期間對網(wǎng)民進行了輿論正向引導(dǎo)且效果明顯，尤其在輿情爆發(fā)期，謝娜、何炅等意見領(lǐng)袖極大程度扭轉(zhuǎn)了輿情負向發(fā)展，而地方政府媒體在整個事件中報道較零碎且受關(guān)注度較低。

3）通過對信息環(huán)境層面分析發(fā)現(xiàn)，整個生命周期中，網(wǎng)民情感演化整體表現(xiàn)積極，但在爆發(fā)期和消亡期出現(xiàn)負面情緒極化現(xiàn)象，網(wǎng)民情緒波動呈現(xiàn)地域中心化，并向周邊衰減，事發(fā)地及周邊城市網(wǎng)民情緒波動較大，河南、山西、安徽地區(qū)的網(wǎng)民情緒較為消極，其他地區(qū)的網(wǎng)民較為積極，但極易受到地域中心網(wǎng)民消極情緒的影響。

根據(jù)以上研究結(jié)論，提出以下建議：

1）加強輿情事件各階段的治理措施。如在潛伏期，加強輿情監(jiān)管與預(yù)警研判，搶占引導(dǎo)主動權(quán)；在爆發(fā)期，加強輿情引導(dǎo)與政府回應(yīng)，以解決輿論核心訴求為主，及時做出相應(yīng)的引導(dǎo)策略及安撫措施；在衰退期，加強輿情跟進與輿情評估，防止輿情反彈；在消亡期，加強輿情持續(xù)觀察與公信力修復(fù)，防止危機死灰復(fù)燃及產(chǎn)生次生輿情，直至輿情徹底消亡。

2）充分發(fā)揮主流媒體的權(quán)威作用，加強地方政府媒體建設(shè)，如加強地方媒體與中央權(quán)威媒體協(xié)同報道。此外，需要從網(wǎng)絡(luò)輿情源頭發(fā)現(xiàn)意見領(lǐng)袖，加強對意見領(lǐng)袖的科學(xué)培養(yǎng)及引導(dǎo)，防止過度解讀的“變質(zhì)”信息及“虛假”信息被大范圍傳播，從而保證輿情正向發(fā)展。

3）把控整個輿情生命周期的情感演化趨勢，重點將負向情感作為監(jiān)測方向，及時發(fā)現(xiàn)并預(yù)測網(wǎng)民情感變化傾向，做好正向引導(dǎo)的準備，如政府回應(yīng)、對負面情緒網(wǎng)民的安撫，從而營造健康“軟環(huán)境”，做到信息、信息人與信息環(huán)境協(xié)同作用，相互影響，促使輿情朝著健康的方向發(fā)展。

4 結(jié)束語

本文構(gòu)建的網(wǎng)絡(luò)輿情演化分析模型可以深層次挖掘輿情演變規(guī)律及潛在風(fēng)險，同時，可以很好地挖掘重大突發(fā)事件網(wǎng)絡(luò)輿情生態(tài)系統(tǒng)中信息、信息人及信息環(huán)境三個要素間協(xié)同作用、相互影響。但是，重大突發(fā)事件網(wǎng)絡(luò)輿情具有隱藏性、突發(fā)性、難以可預(yù)測性，所以在未來的研究中，筆者會更加完善演化模型、精確分析算法，運用本文未涉及的其他機器學(xué)習(xí)算法、深度學(xué)習(xí)算法進行主題、情感分析，增加分析精確度，從而更好地引導(dǎo)輿情向著健康方向發(fā)展。