突發(fā)事件輿情影響力評(píng)價(jià)及主要驅(qū)動(dòng)因素識(shí)別研究
——基于事件分類維度分析

賀 苗 ， 樊艷翔

（1.西北工業(yè)大學(xué) 馬克思主義學(xué)院，陜西 西安 710129；2.西北工業(yè)大學(xué) 公共政策與管理學(xué)院，陜西 西安 710129）

突發(fā)事件及其衍生事件，深刻影響著社會(huì)經(jīng)濟(jì)發(fā)展、國(guó)民身心健康、社會(huì)穩(wěn)定和意識(shí)形態(tài)安全[1]。處理好突發(fā)事件，對(duì)保障民生、維護(hù)人民切身利益、維護(hù)社會(huì)長(zhǎng)治久安、促進(jìn)經(jīng)濟(jì)社會(huì)繁榮皆有著深刻的意義，也是貫徹落實(shí)人民至上理念的必然要求。然而，近年來，各地突發(fā)事件有所增多，維護(hù)公共安全的任務(wù)也變得更加繁重，可謂形勢(shì)嚴(yán)峻。突發(fā)事件的爆發(fā)，給不同類型群體的利益造成了不同程度的負(fù)面影響，有些突發(fā)事件甚至引發(fā)了較為嚴(yán)重的社會(huì)負(fù)面情緒，造成了較為嚴(yán)重的后果，進(jìn)而滋生了意識(shí)形態(tài)風(fēng)險(xiǎn)，在一定程度上增加了解決公共安全問題的難度。由此可見，規(guī)避突發(fā)事件所產(chǎn)生的負(fù)面影響，對(duì)維護(hù)公共安全乃至國(guó)家安全具有很強(qiáng)的現(xiàn)實(shí)意義，是不可耽誤、不可推遲的緊迫性任務(wù)。

近年來，政府部門高度重視對(duì)突發(fā)事件的處理，而處理這類事件離不開三個(gè)方面的工作：一是需要積極應(yīng)對(duì)因突發(fā)事件負(fù)面輿情造成的破壞；二是需要深入剖析輿情事件背后所隱藏的社會(huì)問題；三是對(duì)已經(jīng)存在、發(fā)生的問題能夠及時(shí)解決，這也是關(guān)鍵所在。要處理好這些問題，就需要對(duì)突發(fā)事件輿情進(jìn)行有效的識(shí)別、規(guī)范、控制、引導(dǎo)和治理。輿情是民眾情緒的集中表達(dá)，具有傳播速度快、數(shù)據(jù)量龐大、虛實(shí)難辨等特征[2]，這也使得輿情治理的難度往往較大。但突發(fā)事件輿情傳播也具有一定的規(guī)律，同類型事件之間亦存在一定的相似性，因此，找出這些事件輿情發(fā)展背后所隱藏的內(nèi)在規(guī)律和發(fā)展共性，往往能為處理突發(fā)事件提供方向性指引。鑒于此，筆者擬重點(diǎn)解決如下問題：一是研究突發(fā)事件傳播的共性規(guī)律；二是對(duì)不同類型突發(fā)事件的影響力進(jìn)行分類評(píng)價(jià)，以便更加準(zhǔn)確地研判事件的輕重緩急；三是探究識(shí)別影響突發(fā)事件的影響力的因素，進(jìn)而更加有效地查找原因，以期能為政府部門制定決策提供有效的研判依據(jù)。

一、文獻(xiàn)綜述

當(dāng)前，雖有一定的關(guān)于突發(fā)事件輿情傳播的研究成果，但并不是很豐富，主要集中在以下三個(gè)方面。

一是對(duì)突發(fā)事件背景下輿情的形成與演化、引導(dǎo)與治理等的研究。張桂蓉等基于安全信息學(xué)與輿情理論，利用事故樹分析方法研究安全輿情演化過程，指出可依據(jù)輿情的結(jié)構(gòu)重要度確定輿情改進(jìn)的重點(diǎn)和優(yōu)化順序[3]；王平和謝耘耕分析了突發(fā)公共事件網(wǎng)絡(luò)輿情的形成及其演變機(jī)制[4]63-69。同時(shí)，近年來，關(guān)于突發(fā)事件微博輿情演化分析的成果也開始不斷涌現(xiàn)。例如：馬瑩雪和趙吉昌以臺(tái)風(fēng)和暴雨數(shù)據(jù)為例，分析了自然災(zāi)害發(fā)生期間微博平臺(tái)的輿情特征及其演變[5]；曹樹金和岳文玉對(duì)突發(fā)公共衛(wèi)生事件的微博輿情主題進(jìn)行了挖掘與演化分析[6]；安璐和吳林嘗試提出了一種融合主題與情感特征的突發(fā)事件微博輿情演化分析方法，以探討突發(fā)事件微博輿情演化特征[7]；曾子明和萬(wàn)品玉對(duì)突發(fā)事件的微博情感進(jìn)行了分析[8]；楊娟娟等對(duì)突發(fā)事件中政務(wù)微博網(wǎng)絡(luò)輿情傳播規(guī)律進(jìn)行了研究[9]11-15。

二是案例分析，即通過某一經(jīng)典案例來探究突發(fā)事件輿情的傳播。袁媛以剛果埃博拉病毒為例，對(duì)面向公共安全風(fēng)險(xiǎn)防控的疫情網(wǎng)絡(luò)輿情預(yù)警進(jìn)行了研究[10]；王晰巍等以自然災(zāi)害“7 · 20 河南暴雨”為例，構(gòu)建了重大突發(fā)事件網(wǎng)絡(luò)輿情UGC（user-generated content，用戶生成內(nèi)容）的事理圖譜[11]13-23；朱恒民等以新冠疫情為例，研究了網(wǎng)絡(luò)輿情話題的漂移路徑[12]；李翠敏以“長(zhǎng)生疫苗事件”為例，剖析了公共突發(fā)事件網(wǎng)絡(luò)輿情的協(xié)同疏解[13]；張武橋和黃永林以“成都女司機(jī)變道被暴打”事件為例，分析了個(gè)人極端暴力事件的網(wǎng)絡(luò)輿情傳播[14]85-90。綜上可知，經(jīng)典案例分析法在網(wǎng)絡(luò)輿情研究分析過程中是一種較為普及的研究方法，所涉及的領(lǐng)域也較為廣泛。

三是突發(fā)事件輿情的歸因分析。胡吉明和楊澤賢運(yùn)用DEMATEL 方法，研究了突發(fā)事件網(wǎng)絡(luò)輿情熱度，并從主體、客體、本體、引體、載體五個(gè)維度對(duì)關(guān)鍵影響因素進(jìn)行了識(shí)別[15]112-117；魏宇航和田園運(yùn)用扎根理論，對(duì)高校突發(fā)事件網(wǎng)絡(luò)輿情傳播的影響因素進(jìn)行了研究[16]；趙飛和廖永豐使用灰色預(yù)測(cè)模型、ARIMA 模型，研究了突發(fā)自然災(zāi)害事件網(wǎng)絡(luò)輿情的傳播特征和影響因素[17]；申金霞等基于理論分析視角，探討了教育輿情影響因素及其應(yīng)對(duì)之策[18]；廖海涵和王曰芬以新浪微博“8 · 12 天津爆炸”事件為例，探究了社交媒體輿情信息傳播效果的影響因素[19]；洪巍等使用多項(xiàng)Logistic 回歸模型，探討了食品安全網(wǎng)絡(luò)輿情中影響網(wǎng)民微博轉(zhuǎn)發(fā)行為的因素[20]；寇鴻順和馬洪偉研究了民族問題輿情的特點(diǎn)和影響因素[21]。綜上可知，學(xué)者們對(duì)不同類型的突發(fā)事件輿情傳播影響因素進(jìn)行了不同方向的分析，盡管在進(jìn)行歸因分析的過程中他們所使用的研究方法存在一定的差異，但案例選取是他們研究中共同的且必不可少的環(huán)節(jié)。

筆者的研究?jī)?nèi)容屬于上述的第三個(gè)方面。

二、相關(guān)概念

筆者綜合已有研究成果，對(duì)突發(fā)事件與輿情影響力進(jìn)行了綜合概述，主要包括以下兩個(gè)概念。

一是突發(fā)事件?！吨腥A人民共和國(guó)突發(fā)事件法》第3 條對(duì)突發(fā)事件作出了界定：“本法所稱突發(fā)事件，是指突然發(fā)生，造成或者可能造成嚴(yán)重社會(huì)危害，需要采取應(yīng)急處置措施予以應(yīng)對(duì)的自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會(huì)安全事件。”突發(fā)事件往往直接或間接威脅人民群眾的生命財(cái)產(chǎn)安全，易導(dǎo)致人員傷亡、財(cái)產(chǎn)損失、社會(huì)秩序紊亂等嚴(yán)重后果，是需要采取緊急措施進(jìn)行應(yīng)對(duì)和處理的事件。突發(fā)事件通常具有突然性、不可預(yù)測(cè)性、規(guī)模大、影響范圍廣等特點(diǎn)[4]63-69[9]11-15[11]13-23[15]112-117[22]。常見的突發(fā)事件包括地震、火災(zāi)、恐怖襲擊、傳染病暴發(fā)等。針對(duì)突發(fā)事件，需要有科學(xué)的應(yīng)急預(yù)案和應(yīng)急機(jī)制，且需要各級(jí)政府、社會(huì)組織、企業(yè)和個(gè)人共同參與，形成合力，最大限度地減少人員傷亡和財(cái)產(chǎn)損失。

二是輿情影響力。輿情影響力是指網(wǎng)民在一定時(shí)期和互聯(lián)網(wǎng)空間內(nèi)，對(duì)自己關(guān)心的公共事務(wù)，尤其是社會(huì)熱點(diǎn)、焦點(diǎn)問題所持有的情緒、意愿、態(tài)度、意見的總和[4]63-69。輿情影響力多伴隨著社會(huì)事件的演化而產(chǎn)生，借助社交網(wǎng)絡(luò)進(jìn)行傳播，是互聯(lián)網(wǎng)用戶的情感、態(tài)度、行為和認(rèn)知的集合[23]。其中，重大突發(fā)事件的發(fā)生往往會(huì)給社會(huì)穩(wěn)定帶來極大的威脅，并對(duì)人民群眾的生命健康和物質(zhì)財(cái)富造成災(zāi)害性的破壞[24]。突發(fā)事件網(wǎng)絡(luò)輿情的發(fā)展一般會(huì)經(jīng)歷孕育、擴(kuò)散、變換、衰減的發(fā)展階段，輿情影響力作為衡量其發(fā)展?fàn)顟B(tài)的重要指標(biāo)受到了諸多因素的影響[14]85-90。由此可知，輿情影響力是一個(gè)復(fù)雜系統(tǒng)的概念，對(duì)其進(jìn)行評(píng)價(jià)需要考慮多方面的影響因素，這也在一定程度上印證了筆者綜合多種因素來評(píng)價(jià)突發(fā)事件輿情影響力的研究的可行性。

三、突發(fā)事件輿情傳播情況總概

（一）突發(fā)事件傳播總量表現(xiàn)

筆者基于綜合性、及時(shí)性、全面性、科學(xué)性等原則，選取了2022 年1—9 月發(fā)生的40 個(gè)典型突發(fā)事件，涉及類型包括：公眾安全類事件、疫情安全類事件、教育安全類事件、交通安全類事件、食品安全類事件、疾病安全類事件、自然安全類事件、消防安全類事件、軍事安全類事件、國(guó)際安全類事件、科技安全類事件。2022 年1—9 月40 個(gè)典型突發(fā)事件報(bào)道總量情況統(tǒng)計(jì)，如表1 所示。表1 中的數(shù)據(jù)由筆者根據(jù)輿情秘書、清博輿情、道丁短視頻等輿情監(jiān)測(cè)平臺(tái)上的數(shù)據(jù)整理所得，隨機(jī)編碼，并根據(jù)各事件的報(bào)道總量按照降序排列。

表1 2022 年1—9 月40 個(gè)典型突發(fā)事件報(bào)道總量情況統(tǒng)計(jì)

由表1 可知：特大自然災(zāi)害類事件易引發(fā)大量的關(guān)注、傳播和報(bào)道，如四川瀘定6.8 級(jí)地震；與其他安全類事件相比，疫情安全類事件易引發(fā)高度的關(guān)注和報(bào)道，且往往持續(xù)時(shí)間較長(zhǎng)，如貴陽(yáng)花果園疫情和貴州畢節(jié)疫情；敏感的軍事安全類事件易觸發(fā)民眾的愛國(guó)情感，也易引發(fā)高度關(guān)注，如佩洛西竄訪中國(guó)臺(tái)灣地區(qū)事件；受害群體單一且嚴(yán)重性較低的公眾安全類事件的關(guān)注度一般相對(duì)較低，如5 歲女童遭狗咬毀容事件、河南某醫(yī)院院長(zhǎng)當(dāng)街抽打女子事件；非大型交通安全類事件不易引發(fā)高度關(guān)注，如小鵬汽車高架撞人致死事故和河南舞陽(yáng)交通事故的報(bào)道量均相對(duì)較低；單一的非輿論敵對(duì)國(guó)家發(fā)生的國(guó)際安全類事件均難以引發(fā)較高報(bào)道，如中國(guó)公民在南非遭綁架后不幸罹難案件、中國(guó)使館通報(bào)柬埔寨沉船事故；消防安全類事件普遍易受到較多關(guān)注，且報(bào)道量總體相對(duì)較高，如北碚山火事件；刑事類公眾安全類事件易引發(fā)較多的報(bào)道，如唐山一燒烤店內(nèi)多名男子毆打女生事件；與其他事件相比，教育安全類事件的報(bào)道量普遍相對(duì)較低，但與權(quán)利聲張或兩性關(guān)系相關(guān)的此類事件卻較易引發(fā)輿情蔓延，也易使公眾產(chǎn)生教育安全類事件頻發(fā)的錯(cuò)覺，如知名藝考機(jī)構(gòu)誘奸未成年人事件。

（二）突發(fā)事件傳播媒介特點(diǎn)

隨著新媒體技術(shù)的飛速發(fā)展和互聯(lián)網(wǎng)普及率的大幅提高，網(wǎng)絡(luò)新媒體已成為公眾表達(dá)輿情和傳遞聲音的重要窗口，而突發(fā)性公眾安全類事件輿情傳播在媒介選擇上往往表現(xiàn)為以網(wǎng)絡(luò)媒體為主的多樣性，包括微博、網(wǎng)媒、微信、論壇、貼吧、短視頻、網(wǎng)絡(luò)視頻、電視視頻、App、報(bào)刊等傳播媒介。其中，微博、微信、短視頻、網(wǎng)媒在突發(fā)事件輿情傳播過程中的影響較大。同時(shí)，傳統(tǒng)權(quán)威性媒體與新媒體融合后的全媒體矩陣傳播易加大輿情傳播速度，影響網(wǎng)民的立場(chǎng)傾向性，而在以微博、微信為代表的社交媒體環(huán)境下，輿情從萌發(fā)到高峰的反應(yīng)時(shí)間越來越短，這又進(jìn)一步促進(jìn)了輿情事件演化周期的加速。

2022 年1—9 月40 個(gè)典型突發(fā)事件報(bào)道總量前10 位與后5 位的重要媒介傳播占比情況統(tǒng)計(jì)，如表2所示。由表2 可知，在選取的時(shí)間區(qū)間內(nèi)發(fā)生的各類事件的傳播媒介中，微博占比最高，網(wǎng)媒、短視頻、微信占比次之（其中疫情安全類事件短視頻媒介占比相對(duì)較高），App 占比則進(jìn)一步次之。上述媒體的總占比皆在90.00%以上，并且大部分在98.00%以上，由此也再次說明了突發(fā)事件輿情傳播中微博、網(wǎng)媒、短視頻、微信、App 具有主要的影響。此外，論壇和貼吧占比則都明顯很小。

表2 2022 年1—9 月40 個(gè)典型突發(fā)事件報(bào)道量前10 位與后5 位的重要媒介傳播占比情況統(tǒng)計(jì)

（三）突發(fā)事件微博傳播特點(diǎn)

2022 年1—9 月40 個(gè)典型突發(fā)事件報(bào)道總量前10位與后5 位的微博傳播分類型情況統(tǒng)計(jì)，如表3 所示。

表3 2022 年1—9 月40 個(gè)典型突發(fā)事件報(bào)道量前10 位與后5 位的微博傳播類型情況統(tǒng)計(jì)

由表3 可知，在突發(fā)性公共類安全事件微博輿情傳播過程中，轉(zhuǎn)發(fā)、轉(zhuǎn)評(píng)、評(píng)論三者總占比遠(yuǎn)高于原發(fā)；轉(zhuǎn)發(fā)與轉(zhuǎn)評(píng)的占比大致相當(dāng)，且均高于原發(fā)，而評(píng)論的占比較低，由此說明，在突發(fā)事件微博輿情傳播過程中，間接傳播量要高于原發(fā)傳播量。因此，在微博輿情傳播引導(dǎo)控制過程中，要格外注意微博間接傳播的擴(kuò)散效應(yīng)，通過合理控制轉(zhuǎn)發(fā)、轉(zhuǎn)評(píng)等措施，進(jìn)而在一定程度上解決原發(fā)博文所涉及事件的輿情治理問題。

（四）突發(fā)事件輿情傳播總體特點(diǎn)

綜上所述，筆者將突發(fā)事件輿情傳播的總體特點(diǎn)大致概括為以下四個(gè)方面。

一是突發(fā)事件輿情傳播點(diǎn)多、線雜、面廣，信息量龐大，互動(dòng)性、即時(shí)性、自主性傳播特點(diǎn)突出。尤其是輿情傳播互動(dòng)性易延長(zhǎng)輿論傳播時(shí)間，而多平臺(tái)發(fā)酵、輿論質(zhì)疑聲對(duì)推動(dòng)事件熱度走高影響顯著，網(wǎng)民態(tài)度傾向性則易使輿情傳播速度進(jìn)一步加快。

二是觸及民生利益領(lǐng)域相關(guān)網(wǎng)絡(luò)輿情一般持續(xù)時(shí)間長(zhǎng)，且傳播范圍廣。網(wǎng)絡(luò)受眾與事件主體指向更加明確、具體，且網(wǎng)絡(luò)受眾的利益選擇性特征更加明顯，網(wǎng)絡(luò)發(fā)聲會(huì)進(jìn)一步消除傳統(tǒng)媒體所具有的隱蔽性、匿名性、虛擬性等特征，類似輿情再度出現(xiàn)則易加劇網(wǎng)民的抵觸情緒，且負(fù)面性容易增強(qiáng)。

三是政府部門對(duì)相關(guān)輿情的處理不當(dāng)，極易助推輿情高漲發(fā)酵態(tài)勢(shì)。如果同類社會(huì)問題不斷重現(xiàn)，類似輿情極易頻繁產(chǎn)生長(zhǎng)尾效應(yīng)再度爆發(fā)，導(dǎo)致公眾對(duì)政府的不信任度加強(qiáng)，引發(fā)意識(shí)形態(tài)風(fēng)險(xiǎn)。

四是相較于原發(fā)，轉(zhuǎn)發(fā)、評(píng)論對(duì)輿情的發(fā)散傳播影響更大，效果更加顯著，對(duì)輿情發(fā)酵起著推波助瀾的作用，且負(fù)面輿情事件若不及時(shí)解決易再度激發(fā)網(wǎng)民的負(fù)面情緒，甚至致使網(wǎng)民產(chǎn)生極端觀點(diǎn)，衍生其他類別的輿情。

四、突發(fā)事件輿情影響力評(píng)價(jià)

（一）突發(fā)事件輿情影響力效應(yīng)分析

通過上文的分析可以發(fā)現(xiàn)，反映輿情傳播影響力效應(yīng)的因素很多，通過梳理和實(shí)踐應(yīng)用發(fā)現(xiàn)，從合理性角度和邏輯關(guān)聯(lián)性入手，可以大致概括為以下9 類效應(yīng)。

1.輿情規(guī)模效應(yīng)

輿情規(guī)模是指輿情事件在社會(huì)輿論中引起的關(guān)注度和討論規(guī)模，輿情規(guī)模在一定程度上能夠說明輿情影響力的覆蓋面[25-26]。其中，輿情報(bào)道相關(guān)總量能夠體現(xiàn)輿情傳播的規(guī)模效應(yīng)，相關(guān)報(bào)道量越多，越能夠體現(xiàn)輿情的傳播力度和影響力度。

2.時(shí)間持續(xù)效應(yīng)

輿情事件的時(shí)間持續(xù)效應(yīng)是指輿情事件在發(fā)生之后對(duì)相關(guān)方面產(chǎn)生的長(zhǎng)期影響。輿情事件通常會(huì)在短時(shí)間內(nèi)引起廣泛關(guān)注和討論，雖然隨著時(shí)間的推移，公眾對(duì)該事件的關(guān)注度會(huì)逐漸降低，但是事件本身所產(chǎn)生的影響卻可能會(huì)長(zhǎng)期存在，表現(xiàn)為被網(wǎng)絡(luò)受眾提醒“互聯(lián)網(wǎng)是有記憶的”。相關(guān)研究成果指出，時(shí)間持續(xù)效應(yīng)是輿情影響力的重要影響因素[27-28]。對(duì)于不同類型的事件，時(shí)間趨勢(shì)所帶來的持續(xù)性效應(yīng)所持續(xù)的時(shí)間也不同，持續(xù)時(shí)間的長(zhǎng)短通常能夠反映輿情事件的延續(xù)發(fā)展情況。

3.情感導(dǎo)向效應(yīng)

輿情情感導(dǎo)向效應(yīng)是指在輿情事件中，公眾的情緒狀態(tài)對(duì)事件及其后果的影響。輿情事件在公眾中產(chǎn)生情緒反應(yīng)，這些情緒反應(yīng)可能會(huì)使事件進(jìn)一步擴(kuò)大和異化，甚至影響事件的解決方案。有研究表明，公眾的情感情緒深刻影響著輿情傳播的力度和方向[29]。

4.傳播層級(jí)效應(yīng)

傳播層級(jí)就是信息轉(zhuǎn)發(fā)級(jí)數(shù)[30]。輿情傳播層級(jí)效應(yīng)是指輿情事件在傳播過程中，會(huì)經(jīng)過多個(gè)傳播層級(jí)，每個(gè)層級(jí)的傳播速度和影響力不同，從而影響輿情事件的傳播效應(yīng)和后果[31]。有研究指出，輿情傳播網(wǎng)絡(luò)的復(fù)雜性所衍生的加速輿情傳播的問題，一般而言，傳播層級(jí)越多越復(fù)雜，信息可信度越低，越容易以所謂“小道消息”的形式加劇輿情的傳播，促使輿情發(fā)酵甚至歪曲事實(shí)，輿情傳播層級(jí)是衡量輿情影響力的重要體現(xiàn)[32]121-131。

5.微博助力效應(yīng)

微博助力效應(yīng)是指在輿情事件中，微博作為當(dāng)前影響力最強(qiáng)的社交媒體平臺(tái)，通過在該平臺(tái)上的傳播、互動(dòng)對(duì)輿情事件的發(fā)展和影響產(chǎn)生重要的作用。微博助力效應(yīng)來源于其所帶來的擴(kuò)散效應(yīng)，包括直接效應(yīng)和間接效應(yīng)，直接效應(yīng)體現(xiàn)為微博原發(fā)情況對(duì)輿情影響力的作用，間接效應(yīng)在于微博轉(zhuǎn)發(fā)、評(píng)論、轉(zhuǎn)評(píng)所帶來的加速效應(yīng)。相關(guān)研究還表明，微博提供的“熱搜、話題、熱點(diǎn)流”三大應(yīng)用功能使無任何關(guān)聯(lián)的用戶進(jìn)行信息交互，從而加快了輿情傳播速度，擴(kuò)大了輿情影響力[33]。

6.融媒體擴(kuò)散效應(yīng)

輿情融媒體擴(kuò)散效應(yīng)是指在輿情事件中，諸如微信、短視頻等各類媒體平臺(tái)之間相互銜接、相互引導(dǎo)、相互影響，共同擴(kuò)大了輿情事件的影響力和傳播效應(yīng)。融媒體時(shí)代下突發(fā)事件的傳播形式往往表現(xiàn)為多媒體融合傳播，甚至線上線下交互同頻共振，融媒體對(duì)輿情影響力的作用也變得越來越重要[34]。

7.短視頻傳播效應(yīng)

輿情短視頻傳播效應(yīng)是指在輿情事件中，短視頻因視覺、語(yǔ)言、音樂等多種元素的加成，對(duì)輿情事件的傳播和影響產(chǎn)生積極作用，從而擴(kuò)大輿情事件的影響范圍和深度[35]。當(dāng)前，輿情傳播主力短視頻平臺(tái)包括抖音、快手、今日頭條、新浪微博視頻等，而隨著短視頻用戶數(shù)量的不斷增加，受眾群體的多樣性特征日益凸顯，極易產(chǎn)生鏈?zhǔn)絺鞑?。短視頻的日益擴(kuò)張和應(yīng)用在給公眾的溝通交流帶來便利的同時(shí)，也使得短視頻平臺(tái)產(chǎn)生的負(fù)面網(wǎng)絡(luò)輿情甚囂塵上，給網(wǎng)絡(luò)輿情導(dǎo)控工作帶來了新的挑戰(zhàn)[36]。

8.政府推動(dòng)效應(yīng)

網(wǎng)絡(luò)輿情的快速發(fā)展使得政府與公民之間有了更多溝通的機(jī)會(huì)和途徑，政府如何進(jìn)行輿情治理事關(guān)輿情的演變態(tài)勢(shì)[37]。如果事件得到政府的關(guān)注或者政府部門在輿情傳播的過程中起重要推動(dòng)作用，對(duì)輿情的發(fā)酵也會(huì)產(chǎn)生一定的作用。主要原因在于，政府具有權(quán)威性、導(dǎo)向性和服務(wù)性，政府部門的表達(dá)也容易使公眾跟隨傳播，進(jìn)而加大擴(kuò)散效應(yīng)。

9.權(quán)威發(fā)酵效應(yīng)

輿情權(quán)威發(fā)酵效應(yīng)是指在輿情事件中，當(dāng)權(quán)威人士或機(jī)構(gòu)發(fā)表對(duì)事件的評(píng)論和觀點(diǎn)時(shí)，這些評(píng)論和觀點(diǎn)往往易在公眾中產(chǎn)生所謂“事件定性”的認(rèn)知影響，從而成為影響輿情事件發(fā)展的關(guān)鍵性因素。有研究指出，媒介權(quán)威性尤其是“網(wǎng)絡(luò)大V”等的表態(tài)極大地影響了輿情傳播狀況，進(jìn)而對(duì)輿情影響力產(chǎn)生了影響[32]121-131。

在上述9 類效應(yīng)中，輿情規(guī)模效應(yīng)和時(shí)間持續(xù)效應(yīng)對(duì)其他效應(yīng)的決定性作用十分突出，是其他效應(yīng)衍生的基礎(chǔ)依據(jù)。情感導(dǎo)向效應(yīng)、傳播層級(jí)效應(yīng)與媒體平臺(tái)帶來的微博助力效應(yīng)、融媒體擴(kuò)散效應(yīng)和短視頻傳播效應(yīng)相互制約。而微博助力效應(yīng)、融媒體擴(kuò)散效應(yīng)、短視頻傳播效應(yīng)三者之間則呈現(xiàn)明顯的主次關(guān)系和層遞關(guān)系，尤其在內(nèi)容生成方面，微博堪稱“大本營(yíng)”。政府推動(dòng)效應(yīng)和權(quán)威發(fā)酵效應(yīng)反向影響其他效應(yīng)的增強(qiáng)或減弱。各類效應(yīng)部分或共同作用于輿論場(chǎng)，形成同頻聲量，推動(dòng)輿情演化。

（二）評(píng)價(jià)指標(biāo)構(gòu)建

根據(jù)上文的理論機(jī)制分析，筆者構(gòu)建突發(fā)事件輿情影響力評(píng)價(jià)指標(biāo)體系，如表4 所示。

表4 突發(fā)事件輿情影響力評(píng)價(jià)指標(biāo)體系

（三）研究方法與步驟

筆者采用多準(zhǔn)則妥協(xié)解排優(yōu)法（即VIKOR 法）進(jìn)行研究。該方法被廣泛應(yīng)用于綜合評(píng)價(jià)分析[38-41]，可以對(duì)綜合性評(píng)價(jià)對(duì)象進(jìn)行排序。基本過程如下：首先，計(jì)算評(píng)價(jià)對(duì)象中的最優(yōu)解和最差解；其次，比較各評(píng)價(jià)對(duì)象與最優(yōu)解和最差解之間的距離大小以確定評(píng)價(jià)對(duì)象的排序，進(jìn)而獲得待評(píng)價(jià)對(duì)象的優(yōu)劣級(jí)別。

1.步驟1：數(shù)據(jù)標(biāo)準(zhǔn)化

為了避免數(shù)據(jù)量綱差異所帶來的計(jì)算誤差，首先需要對(duì)數(shù)據(jù)進(jìn)行無量綱處理。

首先，建立原始評(píng)價(jià)矩陣。假設(shè)現(xiàn)有n個(gè)評(píng)價(jià)指標(biāo)，存在m個(gè)待評(píng)價(jià)方案。原始矩陣A為

式中：aij為第i個(gè)方案關(guān)于第j個(gè)指標(biāo)的觀察值。其中，i=1，2，…，m；j=1，2，…，n。

其次，對(duì)原始矩陣A進(jìn)行歸一化處理。根據(jù)正向指標(biāo)計(jì)算公式（即式（2））和負(fù)向指標(biāo)計(jì)算公式（即式（3））對(duì)數(shù)據(jù)進(jìn)行歸一化處理，可以得到歸一化矩陣Z=（zij）mn（即式（4）和式（5））。公式為

式中：aij為第i行第j歸一化數(shù)值，其中，amax和amin分別為第j個(gè)指標(biāo)的最大值和最小值。

2.步驟2：熵權(quán)法確定指標(biāo)權(quán)重

熵權(quán)法是較為客觀的確定指標(biāo)權(quán)重的常用方法，基于上文數(shù)據(jù)歸一化處理后的結(jié)果作如下處理。

首先，采用熵權(quán)法確定指標(biāo)權(quán)重，公式為

式中：Pij為i地區(qū)第j項(xiàng)指標(biāo)的權(quán)重值；Yij為i地區(qū)第j項(xiàng)指標(biāo)權(quán)重的觀測(cè)值。

其次，計(jì)算第j項(xiàng)指標(biāo)的熵值ej，公式為

再次，計(jì)算第j項(xiàng)指標(biāo)的信息效用值dj，公式為

最后，給指標(biāo)賦權(quán)，求得各個(gè)指標(biāo)權(quán)重Wj。其中，j=1，2，…，n；n 為指標(biāo)數(shù)量。公式為

3.步驟3：VIKOR 法計(jì)算輿情影響力

首先，計(jì)算各個(gè)輿情事件的群體效用值Si和個(gè)體遺憾值Ri，公式為

其次，依據(jù)各個(gè)事件的群體效用值Si和個(gè)體遺憾值Ri計(jì)算各個(gè)輿情事件的影響力評(píng)價(jià)值Qi，Qi的值越小表明輿情事件影響力越大，公式為

式中：風(fēng)險(xiǎn)偏好系數(shù)取λ=[0,1]，參考已有文獻(xiàn)，筆者取λ=0.5。

最后，根據(jù)Qi值的大小進(jìn)行排序。

（四）突發(fā)事件輿情影響力綜合評(píng)價(jià)

根據(jù)上文計(jì)算，可得到突發(fā)事件影響力評(píng)價(jià)等級(jí)排序情況，如表5 所示。

表5 突發(fā)事件影響力評(píng)價(jià)等級(jí)排序

由表5 可知，影響力最高的事件為軍事安全類事件，即佩洛西竄訪中國(guó)臺(tái)灣地區(qū)事件，該事件影響力最高的主要原因在于其涉及國(guó)家安全、政治安全等主權(quán)原則問題，易激發(fā)人民群眾的愛國(guó)情感并產(chǎn)生共鳴，故存在較高的影響力；排名第二的是自然安全類事件，如四川瀘定6.8 級(jí)地震，這在一定程度上說明了大型自然災(zāi)害類事件容易形成較高的輿情影響力；影響力排名前十且出現(xiàn)次數(shù)最高的是疫情安全類事件和疾病安全類事件，如高溫天氣引發(fā)多地確診熱射病事件，這也提醒政府部門要格外重視疫情類、衛(wèi)生類突發(fā)事件的治理。因此，整體而言，自然安全類事件影響力總體相對(duì)較大，教育安全類事件影響力總體相對(duì)較??；對(duì)于公眾安全類事件，受害群體廣泛、情節(jié)嚴(yán)重的影響力度較大；消防安全類與交通安全類事件影響力具有一定的相似性。

五、突發(fā)事件輿情影響力的主要驅(qū)動(dòng)因素識(shí)別

（一）研究方法與步驟

在使用VIKOR 法對(duì)突發(fā)事件輿情影響力的驅(qū)動(dòng)因素進(jìn)行影響力評(píng)價(jià)基礎(chǔ)上，筆者采用因子分析法，對(duì)這些驅(qū)動(dòng)因素貢獻(xiàn)度進(jìn)行進(jìn)一步探究。因子分析法經(jīng)常用于對(duì)各領(lǐng)域影響因素的識(shí)別[42-44]。

首先，對(duì)表4 中各輿情事件的指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，其后進(jìn)行Bartlett 檢驗(yàn)和KMO 檢驗(yàn)，以驗(yàn)證因子分析的適用性。其中，對(duì)于KMO 值是否適合做因子分析，具體情況如下：0.9 以上非常合適，[0.7～0.9）為適合，[0.6～0.7）為尚可，[0.5～0.6）為差，0.5 以下應(yīng)該放棄。對(duì)于Bartlett 檢驗(yàn)，若顯著性p＜0.05 拒絕原假設(shè)，則說明可以做因子分析，若p≥0.05 不拒絕原假設(shè)，則說明這些變量可能會(huì)獨(dú)立提供一些信息，不適合做因子分析。

其次，運(yùn)用主成分因子分析法篩選出影響突發(fā)事件輿情影響力變化的主成分因子，以特征值大于1作為選擇標(biāo)準(zhǔn)，可以根據(jù)方差解釋表進(jìn)行判斷。

最后，對(duì)因子結(jié)構(gòu)進(jìn)行最大方差正交旋轉(zhuǎn)，得到旋轉(zhuǎn)后的因子載荷矩陣。最終可以得到驅(qū)動(dòng)突發(fā)事件輿情影響力的數(shù)學(xué)模型。

（二）數(shù)據(jù)結(jié)果與分析

1.KMO 檢驗(yàn)和Bartlett 檢驗(yàn)

KMO 檢驗(yàn)和Bartlett 檢驗(yàn)結(jié)果，如表6 所示。由表6 可知，KMO 檢驗(yàn)的結(jié)果顯示，KMO 的值為0.606，同時(shí)，Bartlett 檢驗(yàn)的結(jié)果顯示，p值且在1%水平上呈現(xiàn)顯著性，拒絕原假設(shè)，由此說明，各變量之間具有相關(guān)性，因子分析有效，程度尚可，因此可進(jìn)行因子分析。

表6 KMO 檢驗(yàn)和Bartlett 檢驗(yàn)結(jié)果

2.確定主成分因子個(gè)數(shù)

方差解釋，如表7 所示。由表7 可知，在主成分5時(shí)，總方差解釋的特征根低于1.0，根據(jù)特征根大于1的選擇標(biāo)準(zhǔn)，由此可以確定主成分因子為4 個(gè)。

表7 方差解釋

3.驅(qū)動(dòng)因素提取

各主成分下因子貢獻(xiàn)率匯總情況，如表8 所示。由表8 可知，從主成分1 來看，微博間接效應(yīng)與對(duì)突發(fā)事件影響力的貢獻(xiàn)率最大且存在正相關(guān)關(guān)系。從主成分2 來看，正面信息貢獻(xiàn)率最大且與其存在明顯的正相關(guān)關(guān)系。從主成分3 來看，中央級(jí)與省部級(jí)媒體參與度之和均與其呈高度相關(guān)關(guān)系，故可認(rèn)為該成分下，權(quán)威發(fā)酵效應(yīng)起著重要正向推動(dòng)作用。從主成分4 來看，傳播信息層級(jí)與其存在正相關(guān)關(guān)系且比值最大。綜上可知，在諸多造成突發(fā)事件輿情傳播的驅(qū)動(dòng)力效應(yīng)中的關(guān)鍵驅(qū)動(dòng)因素有：微博傳播間接效應(yīng)、情感導(dǎo)向效應(yīng)、權(quán)威發(fā)酵效應(yīng)、傳播層級(jí)效應(yīng)。

表8 各主成分下因子貢獻(xiàn)率匯總表

六、研究結(jié)論與對(duì)策建議

（一）突發(fā)事件總體傳播態(tài)勢(shì)研究結(jié)論和建議

從突發(fā)事件總體傳播態(tài)勢(shì)研究來看，此類事件多以負(fù)面輿情占據(jù)輿論傳播場(chǎng)域；傳播媒介多樣化，傳播時(shí)點(diǎn)多、線雜、面廣，信息海量，且互動(dòng)性、即時(shí)性、自主性傳播特點(diǎn)突出；觸及民生利益領(lǐng)域但不涉及敏感信息的相關(guān)公眾安全類輿情，一般持續(xù)時(shí)間長(zhǎng)，且傳播范圍廣；當(dāng)政府部門對(duì)相關(guān)輿情處理不當(dāng)時(shí)，極易助推輿情高漲并呈現(xiàn)發(fā)酵態(tài)勢(shì)；同類型輿情頻發(fā)往往反映的是較深層次的社會(huì)問題，如處理不當(dāng)容易誘發(fā)類似輿情再度爆發(fā)。

鑒于此，筆者提出如下建議：一是應(yīng)加強(qiáng)海量信息的篩選甄別，去除無效信息和由“水軍”產(chǎn)生的大量重復(fù)性信息，提取有價(jià)值的信息，防范負(fù)面導(dǎo)向型信息擴(kuò)散；二是應(yīng)及時(shí)識(shí)別輿情傳播的意識(shí)形態(tài)風(fēng)險(xiǎn)性，遏制對(duì)意識(shí)形態(tài)安全產(chǎn)生負(fù)面影響的信息疊加其他問題傳播，對(duì)明顯污蔑、造謠和煽動(dòng)對(duì)立的信息堅(jiān)決予以刪除和撤銷；三是政府部門應(yīng)增強(qiáng)擔(dān)當(dāng)意識(shí)，主動(dòng)引導(dǎo)正確、積極、健康的輿論導(dǎo)向，對(duì)相關(guān)事件進(jìn)行及時(shí)回應(yīng)處理，并采取線下改進(jìn)措施，努力促進(jìn)公眾對(duì)輿情的態(tài)度向積極健康的方面轉(zhuǎn)變。

（二）突發(fā)事件輿情影響力評(píng)價(jià)研究結(jié)論和建議

從突發(fā)事件輿情影響力評(píng)價(jià)來看，涉及國(guó)家安全、政治安全、主權(quán)問題等根本原則的軍事安全類、國(guó)際安全類事件存在較高的輿情影響力；疫情安全類、公眾安全類和大型自然安全類事件，由于受害群體廣泛、情節(jié)較為嚴(yán)重，所以輿情影響力也往往較大；教育安全類事件的輿情影響力總體一般，消防安全類和交通安全類事件的輿情影響力則低于上述其他類型的事件。

鑒于此，筆者提出如下建議：一是應(yīng)分類提煉不同類別突發(fā)事件的輿情傳播規(guī)律，尤其注意在分析同種類型的突發(fā)事件輿情相似傳播特點(diǎn)基礎(chǔ)上的差異，有的放矢、去粗取精，在把握規(guī)律的基礎(chǔ)上，結(jié)合實(shí)際，開展輿情走向分析和應(yīng)對(duì)；二是應(yīng)重視輿情背后的現(xiàn)實(shí)問題的解決，注重挖掘突發(fā)事件輿情不斷發(fā)酵的背后種種社會(huì)問題的根源；三是應(yīng)防止不同類型的輿情負(fù)面效應(yīng)疊加社會(huì)問題，引發(fā)線上線下同頻共振，逆向產(chǎn)生社會(huì)治理堵點(diǎn)瘀點(diǎn)，制約社會(huì)治理水平的提高。

（三）突發(fā)事件輿情影響力關(guān)鍵驅(qū)動(dòng)因素研究結(jié)論和建議

從突發(fā)事件輿情影響力關(guān)鍵驅(qū)動(dòng)因素來看，在筆者提煉梳理的9 類效應(yīng)中，微博傳播間接效應(yīng)、情感導(dǎo)向效應(yīng)、權(quán)威發(fā)酵效應(yīng)、傳播層級(jí)效應(yīng)是突發(fā)事件影響力的關(guān)鍵驅(qū)動(dòng)因素。

鑒于此，筆者提出如下建議：一是應(yīng)綜合考量不同驅(qū)動(dòng)效應(yīng)因素，不能完全依賴技術(shù)而摒棄專家經(jīng)驗(yàn)判斷，需要在大量客觀數(shù)據(jù)的基礎(chǔ)上對(duì)不同類型的突發(fā)事件的屬性進(jìn)行具體問題具體分析，凸顯監(jiān)督機(jī)制效能；二是應(yīng)加強(qiáng)高技術(shù)輿情預(yù)警系統(tǒng)與人工研判監(jiān)督機(jī)制相結(jié)合，改善現(xiàn)有輿情的治理監(jiān)測(cè)技術(shù)與輿情的傳播技術(shù)和發(fā)展水平所呈現(xiàn)的不協(xié)調(diào)不平衡狀態(tài)；三是應(yīng)加強(qiáng)既能開展智能化信息技術(shù)應(yīng)用又有豐富研判經(jīng)驗(yàn)的人才培育，提升輿情科學(xué)治理水平。