面向復雜輿論場景的信息內(nèi)容風險診斷模型構建與仿真研究*

寇 杰 李明德 喬 亨

(1.西安交通大學馬克思主義學院 西安 710049;2.西安交通大學新聞與新媒體學院 西安 710049; 3.陜西延安干部學院 延安 716000)

0 引 言

互聯(lián)網(wǎng)媒介更迭打破物理社會局限,初步構建出一個充滿張力的多維超空間。多元異質(zhì)性信息在其中加速膨脹與分裂,構成了越來越復雜的輿論場。相較于傳統(tǒng)輿論場,復雜輿論場景的變幻性、跳動性、對抗性明顯[1],信息內(nèi)容風險滋生的可能性更高、破壞性更大。因此,采用科學方法進行風險診斷,并有針對性地考量風控辦法,已成為一項重要工作。

基于此,本文將從復雜輿論場景中的信息內(nèi)容表征切入,運用SCL、JHA等方法識別主要信息內(nèi)容風險點,借助Delphi Method、AHP-DEMATEL確定風險診斷指標及診斷方程后劃定分級標準,進而構建具有一定實用性和精準性的風險診斷概念模型,力圖為現(xiàn)實工作提供方法參考和工具借鑒。

1 文獻綜述

在關涉復雜輿論場景的研究中,彭蘭首先界定了“場景”,認為它是一種基于空間和基于行為與心理的環(huán)境氛圍[2]。劉建明等提出,輿論場是包括若干刺激因素而使多人形成共同意見的時空環(huán)境[3],是無依據(jù)的只言片語一旦發(fā)酵后也會引發(fā)強大輿論風波的信息傳播環(huán)境[4]。李明德等由此延伸,認為輿論場景是一個在全媒體場域內(nèi)、輿情演化動態(tài)中形成的輿論空間[5]?？傮w來看,復雜輿論場景的核心特征是“復雜”,是多要素繁雜無序、散亂多變,因此它除了指在差異化甚至對立化用戶心理及行為作用下所形成的多元話語混雜、風險隱匿疊加的輿論場所與環(huán)境外,還可用來形容這種環(huán)境中發(fā)生的多而散、雜而亂的行動,以及各種信息交互關系、人際關系等構成的特殊輿論畫面。輿論信息內(nèi)容是其中的關鍵構件。

學界業(yè)界對信息內(nèi)容風險的討論主要聚焦于三方面議題。一是風險的指向。已有研究表明,風險不僅包括已顯形的危機和傷害,是一種既定結(jié)果形態(tài)的呈現(xiàn)性風險[6],還包含虛擬的、不確定的、有概率發(fā)生的危險[7],特指某些損失、不利、險情發(fā)生的可能性。因此后文在提取診斷指標時,既要觀照已外化的成型風險要素,也要考量潛在的風險因子。二是廣義的信息內(nèi)容風險與金融[8]、公共數(shù)據(jù)[9]等特定情境中信息內(nèi)容風險的區(qū)別,前者泛指信息共享過程中產(chǎn)生的信息失真、滯后及其他不良后果的相對冒險現(xiàn)象[10],是長期、持續(xù)、廣泛存在的,而后者則具有明顯的非共性。比如本文的研究是面向復雜輿論場景,信息內(nèi)容風險會跟隨某條輿論的生命周期,呈現(xiàn)出萌芽、流動、急速裂變、消落四個生命階段,因此這里的信息內(nèi)容風險特指狹義的基于某條輿論所生發(fā)的風險,包括對輿論信息流動鏈內(nèi)外的人、事、物、環(huán)境等造成的顯性傷害和潛在威脅。三是信息內(nèi)容風險管理與治理。主要有基于信息流的導控范式[11],圍繞“鏡像—境像”心理結(jié)構的智能范式[12],結(jié)合區(qū)塊鏈的技術范式[13],集前饋-決策-善后為一體的大數(shù)據(jù)范式[14],多主體聯(lián)動的整合范式[15]等。

關于風險診斷的研究較少,且大都集中于管理學、醫(yī)學等學科,議題涉及風控必要性、風險診斷模型構建等。在信息內(nèi)容相關研究中,張玉亮認為,風險評估作為識別風險程度的過程,是“風險評價的一項基礎工程”[16],構建風險診斷模型有助于根據(jù)風險走勢針對性施策。因此,沈奇泰松等圍繞內(nèi)在驅(qū)動、載體推力等機制構建了網(wǎng)絡醫(yī)療信息風險歸因模型[17];周新民等從聯(lián)盟鏈視角建立了基于ⅡWPSO-BP的信息安全風險預測模型[18]。

以上研究成果為本文提供了有益借鑒,特別是關于廣義信息內(nèi)容風險與狹義信息內(nèi)容風險、顯性風險和隱性風險的區(qū)分,既為本文識別信息內(nèi)容風險點提供了理論支撐,又為我們篩選診斷因子、根據(jù)指標權重考量風控辦法提供了參考。但從總體看,專門置于復雜輿論場景的特定語境,在其中探究信息內(nèi)容風險點識別、風險指數(shù)評估等議題的成果較少。因此,本文將面向復雜輿論場景構建風險診斷I-E-S模型,力圖為輿論治理工作盡綿薄之力。

2 復雜輿論場景及其中的信息內(nèi)容表征

如前文所述,復雜輿論場景的核心特征是“復雜”,是獨立性與交互性、穩(wěn)定性與變幻性的深度聯(lián)結(jié),具有利益格局去中心、議程設置節(jié)點分流、話語競逐趨于白熱等特征。由此一方面創(chuàng)設出輿論演化的新型動力系統(tǒng),形成貫穿“點-線-面”的正向信息內(nèi)容高效傳播模式;另一方面在趣緣時空聚合國內(nèi)國際、線上線下等復雜要素,使事件-議題、文本-用戶、工具-情理等因子在表象上的弱邊界性及本質(zhì)上的消極屬性進一步凸顯,放大負面信息內(nèi)容的風險挑戰(zhàn)。這樣的雙重邏輯對于本文識別信息內(nèi)容風險點、搭建風險診斷模型具有重要指向價值。

輿論場景的復雜變革必然影響甚至顛覆輿論信息樣態(tài)。從主體變化看,社會入網(wǎng)率飽和導致用戶增量空間見頂,信息內(nèi)容生產(chǎn)、分流等主體均轉(zhuǎn)向存量發(fā)展階段,平臺被迫用加時和增頻手段鞏固受眾群。內(nèi)容體量上,網(wǎng)絡技術適應轉(zhuǎn)為技術依賴,任何微話題均可能借助媒介記憶產(chǎn)生粘附擴散反應,完整信息組織常被分割為碎片形態(tài)通過融媒體向外輻射,信息體量爆炸式增長。傳播動能方面,流量圍場中的輿論成為一種變現(xiàn)資源,獲得利益本質(zhì)的“情感”超越“理性”成為信息傳輸驅(qū)動力,意象符碼常被用來躲避監(jiān)管,意見領袖淪落情感領袖。場內(nèi)關系方面,以信息接觸為基礎的圈子社交取代傳統(tǒng)血緣、地緣、親緣關系,圈層間的集群對立加劇。從發(fā)展態(tài)勢看,一是以朋友圈為代表的親密傳播和算法推薦技術加持的陌生人精準傳播愈加普遍;二是意念共通意義上的共識傳播模式將信息內(nèi)容傳播目標由傳遞改為說服;三是主流媒體在社會化媒體發(fā)酵輿論后扎堆跟進,多感官內(nèi)容搜索將制造空前的流量紅利。

3 信息內(nèi)容風險點識別

風險診斷的前提是風險點識別。根據(jù)前文對風險的定義,此處的風險點是指基于輿論信息內(nèi)容所生發(fā)的風險,既包含輿論本體潛藏的風險,還囊括輿論外顯的風險、輿論已造成的現(xiàn)實危機或災害、輿論處置失當產(chǎn)生的次生風險等,涵蓋“既定結(jié)果”和“潛在威脅”兩個向度。這與我們極易混淆的“災害”和“危機”有著明顯區(qū)別:風險是一種有程度、可測量的損失大小,而災害是指能對人類及其生存環(huán)境造成破壞性影響的事物總稱,是一種本體,置于本文語境即特指輿論信息本身,同時也只表示“能夠”這個層面的可能性,與本文的研究指向明顯不同。危機是風險爆發(fā)并將危害積累到一定程度后呈現(xiàn)出的結(jié)果,已具有“嚴重破壞后果”的程度,診斷價值較弱。同時,輿論的潛在作用因素決定它的危害不一定全部表現(xiàn)出來且得到累積,而本文要實現(xiàn)的是既診斷未表現(xiàn)出的危害,也要評估積累到一定程度的危害,因此用“風險”更為適宜。但由這兩個概念可得出啟示:與風險相關的輿論本體、輿論信息傳播過程、受眾、輿論處置績效均會影響風險等級,后文在提取診斷指標時須著重關注。

本文采用安全檢查表法(SCL)和工作危害分析法(JHA),統(tǒng)籌復雜輿論場景中的人、事、物等因素編制事故樹和因果圖來挖掘常見風險點,運用SWOT分析法單獨提取輿論環(huán)境風險,并結(jié)合28位風險專家調(diào)查列舉的統(tǒng)計數(shù)據(jù),識別出趨同度最高的五大風險點。

3.1 信息非對稱擴張引發(fā)注意力損傷風險

宏觀來看,社會化媒體在網(wǎng)絡平權時代借助“拇指便利”與主流媒體形成競爭關系,雙方為搶占輿論話語權而多維多向輸出海量同質(zhì)化信息,與用戶有限的關注能力形成非對稱關系,引發(fā)注意力倦怠。從內(nèi)部看,主流媒體掌握權威信息源但呈現(xiàn)方式略顯滯后,高質(zhì)量內(nèi)容供給與低效傳播模式的非對稱關系,造成用戶注意力浪費;社會化媒體利用媒介便利和算法推薦等技術將大量過剩信息輸送至受眾端,超載的低質(zhì)源信息與高效敘事模式的非對稱關系,引發(fā)受眾注意力迷茫。由此,既導致錯失焦慮等心理問題頻現(xiàn),擾亂信息交互秩序,并在“注意力經(jīng)濟”時代誘發(fā)商業(yè)消費危機。

3.2 “偽輿論”泛濫加劇虛假民意欺騙風險

作為一定群體選擇意志的集合,輿論具有映射民意、預警危機的社會風向標功能。但在復雜輿論場景中,利益整合難度加大、價值共建阻力增加等因素的介入?yún)s使“偽輿論”泛濫不止?！皞屋浾摗币布词聦嵭吞摷佥浾?意指根據(jù)特定意圖拆解完整事實框架,選擇性拼接局部事實并通過添枝加葉、偷梁換柱等方式植入其他杜撰信息而形成的虛假輿論。這種輿論基于事實又與事實偏差,本質(zhì)上是虛假的,但在某些方面卻是事實,因此成為偽民意者假借“事實”濫用輿論施壓、貪占不合理訴求的工具。表演式喊冤、曝光式維權等現(xiàn)象時常有組織、有規(guī)模地充斥輿論場,會欺騙大眾情感,侵占真實民意表達的公共資源。

3.3 激情動機越界導致次生信息疫情風險

一是信息商品化后由商品逐利本質(zhì)驅(qū)動的流量激情,二是以泛娛樂化、泛道德化等為表征的情緒激情,三是圖像敘事模式支配下的感官激情。激情本位超越理性本位而主導輿論流動過程,會催生嚴重的次生信息疫情風險。比如,個別商家因信息內(nèi)卷和流量崇拜惡意刷屏控評,依靠大數(shù)據(jù)殺熟實施價格歧視和差別待遇,誘導沉迷消費;少數(shù)營銷號以資本驅(qū)動熱榜頭條,雇傭水軍公開作秀,利用“飯圈”文化在粉絲中樹立虛假人設;某些自媒體借“有償收圖”等名義隔空猥褻,無下限玩梗加劇網(wǎng)絡暴力,利用AI換臉、諧音詞、變體字等方式炮制有害話題進行非主流內(nèi)容文本隱性建構,嚴重污染輿論生態(tài)。

3.4 源輿論能見度受限引發(fā)社會失信風險

復雜輿論場景中的源輿論與其他繁雜信息要素發(fā)生交集的概率提升,會在流動中持續(xù)分化,或與其他信息合并重組,大大降低了源輿論可見度。在這個過程中,各類謠言和反轉(zhuǎn)新聞趁虛而入,使受眾對此類信息生產(chǎn)者的信任危機蔓延至整個創(chuàng)作群;部分業(yè)務部門面對這種負面漣漪風險仍以大話空話掩蓋事實細節(jié)、或在關鍵問題上選擇性緘默,一方面催生大量猜忌性信息涌入輿論場,進一步降低源輿論清晰度;另一方面致使社會失落情緒重復堆積,加劇政府公信力損傷;平臺也在把關困局中產(chǎn)生把關恐慌和把關倦怠,或在輿論生態(tài)變革中畏懼不前,或陷入抖低級機靈的誤區(qū),均對自身公信力造成不可逆影響。

3.5 意見領袖偏向誘導致使群體極化風險

媒介的用戶下沉策略使平民意見領袖強勢崛起,在輿論場除發(fā)揮傳統(tǒng)意見領袖的作用外,還兼具信息起點、信息中介、信息活躍節(jié)點等多重身份。但其本質(zhì)上的在地屬性和知識素養(yǎng)短板,也使他們常被狹隘、碎片的小眾利益裹挾后發(fā)生消極轉(zhuǎn)向,各領袖間的網(wǎng)狀結(jié)構關系又進一步放大這種消極反應,引發(fā)群體極化。比如,少數(shù)特殊利益群體在輿論對抗中以偏概全,將偶發(fā)性不公現(xiàn)象臆斷為“社會普遍現(xiàn)實”,催生仇富、仇官、仇視精英等畸形社會心態(tài);部分邊緣群體借標題黨散布毒雞湯,惡意挑動民眾應激反應,構建悲觀、失落、憤怒的“同心圈層”,極易造成集體失范風險。

4 風險診斷模型構建

4.1 理論依據(jù)及診斷指標草案

信息生命周期理論認為,人、事、物等一切社會客觀物體都有生命周期,信息也會經(jīng)歷出生、成長、壯大、衰老等生命過程。風險的社會放大框架理論(SARF)提出,“信息系統(tǒng)和公眾反應的特征是決定風險的本質(zhì)和嚴重性的主要因素”,信息系統(tǒng)中的風險事件、信息流、利益相關群體的情感體驗和行為反應、基于文化等形成的社會整體環(huán)境,都會影響信息內(nèi)容風險等級。特別在完整的信息生命周期中,“每一個信息接收者都參與放大過程,成為放大站”[19],進而左右風險的走勢和大小。

基于以上理論支撐并結(jié)合其他資料,本文認為:復雜輿論場景中的信息內(nèi)容會經(jīng)歷萌芽期、流動期、急速裂變期、消落期四個生命階段,與之對應的風險源、傳播力、受眾情感反應和行為反應、風險處置績效等信息系統(tǒng)要素,會共同影響甚至決定風險指數(shù),這些要素與前文界定風險指向時提到的指標高度吻合。由此,本文根據(jù)這五個因子擬定準則層,并細化出方案層的24個二級指標,共同構成風險診斷指標草案。

4.2 診斷指標框架

4.2.1專家征詢

本文采用Delphi Method設計Likert五級量表,就診斷指標草案向22位專家開展兩輪單獨的重要性評分征詢,結(jié)果檢驗如下:

表1 兩輪專家征詢的Ca、Cs、Cr及ω結(jié)果

第三步,協(xié)調(diào)系數(shù),其中變異系數(shù)Cv的計算方程及結(jié)果見式(1)和表2。

表2 兩輪專家征詢的Cv結(jié)果

(1)

因有專家給出相同的診斷指標等級評價,本文用式(2)計算肯德爾和諧系數(shù)ω(Kendall’sω)。

(2)

(3)

最后采取卡方檢驗(x2-test)對ω進行顯著性檢測,式(4)計算結(jié)果顯示,第一輪征詢的二級指標不具備統(tǒng)計學意義,第二輪征詢檢驗通過(見表1)。由此,本文得出面向復雜輿論場景的信息內(nèi)容風險診斷指標框架。

(4)

4.2.2指標因子闡釋

a.風險源(A1)。信源是信息傳播的基礎,而“信息的每一次傳播都會經(jīng)歷一次意義的再生產(chǎn)”[20]。若輿論信息源存在風險,那么意義的再生產(chǎn)也是風險的擴大再生產(chǎn),因此風險診斷要考慮信息萌芽期的爭議性內(nèi)容(B1)和錯誤內(nèi)容(B2)要素。前者是指有歧義或失真而易被誤解的內(nèi)容,后者指違背客觀事實、不符合主流價值與主流道德要求的內(nèi)容。在操作化過程中,一般用指標對應的內(nèi)容文本數(shù)量進行量化賦值,該值在信息文本總量中的占比越高,說明風險擴大的可能性越高。

b.傳播力(A2)。用來診斷輿論信息流動期的風險,主要包含信息內(nèi)容傳播力和信息內(nèi)容風險傳播力。信息內(nèi)容傳播力越強,它與場景內(nèi)外復雜元素發(fā)生交集并由此感染風險的幾率越大,因而會提升風險等級。信息內(nèi)容風險傳播力則指已成型的風險性信息被擴散,從而導致風險裂變。隨著信息內(nèi)容傳播力的提升,信息內(nèi)容風險傳播力一般也會同頻增高。從指標構成看,用戶基數(shù)(B3)會在其中發(fā)揮基礎性作用,潛在地決定風險輻射力;訪問量(B4)、檢索量(B5)、點贊量(B6)、評論量(B7)、轉(zhuǎn)發(fā)量(B8)會直接決定風險的實際覆蓋面,其數(shù)據(jù)量級越高,風險指數(shù)越大;由單位時間訪問量、檢索量等決定的信息擴散速度(B9),由平均訪問停留時長決定的信息影響深度(B10),會共同影響風險的作用程度。該程度越強,風險破壞力越大,診斷指數(shù)越高。

c.受眾情感反應(A3)與行為反應(A4)。輿論信息之所以進入急速裂變期,除復雜場景的環(huán)境作用外,根本動因在于人的介入。信息傳播鏈尾端的受眾能直接左右輿論傳輸效果而成為“最關鍵的人”,其情感反應和行為反應必然影響該信息的風險走勢。因此,風險診斷一是要從中性情感(B11)與負面情感評論量(B12)、負面評論的二次點贊量(B13)和二次引用量(B14)、以及重大負面輿情量(B15)等指標著手,計算受眾情感反應的致險指數(shù)。二要基于線上(B16)和線下(B17)兩大場域,對受眾失范行為導致的風險進行綜合評估。

d.風險處置績效(A5)。輿論消落期的信息內(nèi)容風險降級,不僅受環(huán)境作用力削減、受眾參與度回落等因素影響,更依賴及時有效的風險處置。處置績效越高,前期風險留存量越少,其潛在震懾力也會阻礙新風險的滋生,因此風險診斷要考量這一要素,將未禁言(B18)和未封號的違法違規(guī)用戶量(B19)、解禁解封后二次違法違規(guī)用戶量(B20)等指標納入其中。

4.3 風險診斷模型

4.3.1診斷指標賦權

為避免AHP將因素間的復雜關系簡單化,同時降低DEMATEL獲取中心度的主觀性,本文運用AHP-DEMATEL以加權中心度替代中心度,將初始權重與中心度加權歸一化處理后得出綜合權重系數(shù)。

①AHP確定初始權重。

第1步,構建判斷矩陣。搭建1個準則層層次框架MA1-5和5個方案層框架MB1-i后,邀請20位專家用1-9標度法對同層級指標展開兩兩重要性打分,根據(jù)評分均值形成6個判斷矩陣。以框架MA1-5為例,其重要性比對結(jié)果(判斷矩陣)見表3。

表3 層次框架MA1-5的重要性兩兩比對結(jié)果(判斷矩陣)

依照相同方法,本文又構建出其他5個判斷矩陣:

(5)

第3步,一致性檢驗。由式(6)(7)分別計算矩陣最大特征根λmax和一致性指標CI,(AW)i是將對應的橫豎指標與特征向量Wi相乘后求和得出。取RI對應值代入式(8)可知,矩陣MA1-5的一致性檢驗結(jié)果CR<0.1,指標權重分配合理。

(6)

(7)

(8)

根據(jù)相同方法,本文又得出其他矩陣指標的初始權重Wit(見表4)。

表4 MA1-5和 MB1-2等6個判斷矩陣診斷指標的初始權重

②DEMATEL計算“四度”。

T=K(P-K)-1

(9)

圖1 綜合影響矩陣T1中各診斷指標的中心度與原因度關系分布圖

圖2 綜合影響矩陣T2中各診斷指標的中心度與原因度關系分布圖

表5 綜合影響矩陣T1和T2中各診斷指標的“四度”指數(shù)及綜合權重系數(shù)

圖1和圖2顯示,A5對風險指數(shù)的影響最大,與A2形成鮮明對比,A3與A4的作用效能相近且均略高于A1。B19、B12、B7的權重占比較高,賬號和評論因素是風險升級的主要因素,但其中B11、B14、B13的重要性占比卻相對較低,這是因為中性情感評論只是復雜輿論場景中一個潛在的致險點,評論中存在風險性內(nèi)容,但也有相當規(guī)模的正向情感信息會對沖部分風險。負面評論的二次引用與點贊行為雖然會影響風險等級,但本質(zhì)上屬于次生風險行為,影響力相對有限。相較于B15、B16等已造成顯性危害的致險因子,B6、B5、B8的作用度也相對較低,源于它們只是隱含著風險放大的可能性,既可以加速風險升級,也能促使正面信息內(nèi)容生長,從而降低風險指數(shù)。

DEMATEL與AHP的權重分配結(jié)果總體保持一致,但個別指標存在明顯差異。如在準則層中,雖然A5和A1都是決定風險等級的核心因子,但DEMATEL更凸顯A5的作用,未完全觀照A1,甚至認為A3和A4對風險的影響程度超過A1。而AHP則反映A1才是最關鍵要素,因為輿論鏈始端的風險性信息越多,后期顯形的隱性風險數(shù)量越多,風險診斷指數(shù)會越高;源頭性的顯形風險越多,后期傳播中裂變的范圍越廣,診斷等級會越高。二級指標中,B1、B17、B2的權重差異較大,DEMATEL賦權結(jié)果顯示,賬號和評論因素最能決定風險指數(shù);而AHP則表明,應著重考慮信息內(nèi)容本身的屬性和現(xiàn)實違法違規(guī)行為,因為輿論信息中的歧義或錯誤內(nèi)容會直接加大風險滋生的幾率,線下失范行為也會使風險的作用深度和廣度同步增強。

以上這些差異既證實指標賦權中不可避免的人為主觀性,也啟發(fā)我們探索更科學的風險診斷方法。在新方法未完全掌握前,結(jié)合AHP和DEMATEL求解綜合權重,也是一種可行方式。

③AHP-DEMATEL求得綜合權重。

由式(10)得出各風險診斷指標的綜合權重系數(shù)(見表5),Wi1為第i個因素的初始權重,Mi為中心度指數(shù)。

(10)

4.3.2診斷方程

為避免T2-B16等指標的數(shù)據(jù)量級過大而與其他指標不具可比性,診斷前要先進行數(shù)據(jù)標準化處理。考慮到對數(shù)函數(shù)轉(zhuǎn)換的必要條件是函數(shù)在一點處有定義且任意階可導,但Ln(x)在x=0時無定義,故用式(11)計算。

f(x)=Ln(x+1)

(11)

由此,得出面向復雜輿論場景的信息內(nèi)容風險診斷方程:RA=[Ln(A1+1)*0.314+Ln(A2+1)*0.069+Ln(A3+1)*0.169+Ln(A4+1)*0.167+Ln(A5+1)*0.281]*100

基于末項可操作化指標的診斷方程為:

(12)

其中,RB1-2=[Ln(B1+1)*0.044+Ln(B2+1)*0.24]*100

RB3-10=[Ln(B3+1)*0.0056+Ln(B4+1)*0.008+Ln(B5+1)*0.021+Ln(B6+1)*0.01+Ln(B7+1)*0.031+Ln(B8+1)*0.012+Ln(B9+1)*0.013823+

Ln(B10+1)*0.002]*100

RB11-15=[Ln(B11+1)*0.006+Ln(B12+1)*0.052+Ln(B13+1)*0.01382+Ln(B14+1)*0.016+Ln(B15+1)*0.103]*100

RB16-17=[Ln(B16+1)*0.022+Ln(B17+1)*0.097]*100

RB18-20=[Ln(B18+1)*0.026+Ln(B19+1)*0.076+Ln(B20+1)*0.184]*100

4.3.3診斷等級標準

依托前期研究基礎,又實證分析和考察復雜輿論場景中的風險現(xiàn)狀,并借鑒蔣宇[21]等的預警分級方法,確定本文的風險診斷等級劃分標準(見表6)。

表6 面向復雜輿論場景的信息內(nèi)容風險診斷等級劃分標準

4.3.4診斷模型

綜合考量風險診斷指標及其權重占比、診斷方程、診斷分級標準,最終構建出面向復雜輿論場景的信息內(nèi)容風險診斷I-E-S概念模型(見圖3):

圖3 面向復雜輿論場景的信息內(nèi)容風險診斷I-E-S模型

4.4 仿真分析與模型性能檢驗

本文以“@奧林匹克運動會”在抖音平臺發(fā)布的“郎平率中國女排在東京奧運以一場勝利收官”為例進行風險診斷仿真實操,進而檢驗模型性能。20個末項指標數(shù)據(jù)從平臺和TOOM輿情監(jiān)測系統(tǒng)、清博大數(shù)據(jù)等獲取,時間為2021年9月1日17:15該信息發(fā)出至2023年3月29日24:00,單位為min;評論量含2488條一級評論和203條二級評論;訪問和檢索量以用戶基數(shù)估算;信息擴散速度=擴散總量/總擴散時長;影響深度用單位用戶停留時長表示,該值=擴散總量/總停留時長;因停留訪問時可能同步進行檢索等行為,故僅以訪問量為標準計算擴散總量;總停留時長為訪+檢+贊+評+轉(zhuǎn)所用時長總和;單次訪、檢、贊、評、轉(zhuǎn)用時按專家建議分別定為0.1、0.3、0.05、0.6、0.2min;以蟻坊軟件和鷹眼速讀網(wǎng)統(tǒng)計的占比(29%和12%)計算中性和負面情感評論總量;暫未獲取或數(shù)據(jù)為0的指標均賦近似值0.1。

最終,該案例中:

RB1-2=(0.014+0.024)*100

RB3-10=(0.081+0.058+0.091+0.067+0.152+0.034+0.013+0.003)*100

RB3-10=(0.028+0.197+0.017+0.009+0.01)*100

RB16-17=(0.046+0.01)*100

RB18-20=(0.003+0.008+0.018)*100

由此得出該信息內(nèi)容的風險指數(shù)為88.2,屬Ⅳ級嚴重風險,需發(fā)布橙色預警。

為進一步檢驗模型的實用性和準確性,本文又針對上述案例向30位抖音用戶、15位其他平臺用戶展開深度訪談。84.4%的用戶反饋,“郎平”“一場勝利”等內(nèi)容在輿論場已形成具有較大影響力的負面輿情,風險等級應定為嚴重(77.8%)或危險(6.67%)。另有11.1%的用戶表示,雖然輿論場中關于該體育議題的討論尚未引發(fā)經(jīng)濟、政治等領域風險,但相關負面言論已造成人身攻擊等線上失范行為,可定為警示級風險。為避免單一仿真檢驗的誤差,本文又運用模型對@新華社微博的“許昕劉詩雯東京奧運會不敵日本組合”,@觀察者網(wǎng)綜合板塊的“甘肅馬拉松21人遇難”,@頭條新聞在快手的“315曝光土坑酸菜后芥菜滯銷”進行仿真分析。三個樣本案例的風險診斷等級與45位用戶的風險感知等級契合度均超過82.2%,表明該模型的可操作性和精準性較強,可初步滿足風控工作需求。

5 結(jié) 論

從I-E-S診斷模型的指標權重(見表5)可看出,風險源、風險處置績效對診斷結(jié)果的影響最大,受眾情感反應和行為反應次之,傳播力最小。20個末項可操作化指標中,錯誤內(nèi)容占比、二次違法違規(guī)用戶量、重大負面輿情量、線下失范行為量的作用明顯。由此建議:做好復雜輿論場景中的信息內(nèi)容風控工作,一是要加強源頭治理。建立輿論風險弱信號發(fā)現(xiàn)與即時報警系統(tǒng),并從根源上解決風險性信息隱含的訴求問題。二是強化既有風險的處置時效和力度。把握不同信息要素在復雜輿論場景的運作規(guī)律,運用ChatGPT、AI2.2等媒介新技術降低風險影響力。同時借助失信名單制度推進重點人群和重要領域網(wǎng)格化管理,嚴肅打擊失范行為以形成震懾。三是加強對受眾群的情感引導和行為監(jiān)管。落實“把關人”追責問責機制,規(guī)范多方聯(lián)動績效考核程序,促使政府、平臺等多主體歸位盡責,協(xié)同控制用戶層風險。

本文構建的I-E-S模型將抽象的風險表征轉(zhuǎn)化為可量化的風險指標,既能面向復雜輿論場景測算某條輿論信息的風險指數(shù),也可評估多條信息間的風險差異,更能比對同一信息在不同平臺的風險等級大小。但復雜輿論場景中信息內(nèi)容風險的面向與構成維度多樣多變,其表征出的風險與實際風險存在一定誤差,與受眾感知的風險也有較大出入,本文構建診斷模型時將輿論本身潛藏的風險、外顯的風險、處置不當產(chǎn)生的次生風險等都考量在內(nèi),力圖使診斷結(jié)果接近實際風險。但囿于原始數(shù)據(jù)的提取問題,本文僅抓取了定量因子,診斷結(jié)果可能更接近外化風險,無法真實全面地反映實際風險。同時,雖然三個樣本仿真契合度超過82.2%,但還有17.8%的提升空間,全樣本檢驗能否達到82.2%還是未知。因此,由上文的受眾風險感知檢驗環(huán)節(jié)得出啟示:后繼研究有必要加入感知層面的質(zhì)性指標,通過等級賦值法對初始現(xiàn)象量化取值,將其風險指數(shù)與量化診斷結(jié)果加權求均值后得出最終風險指數(shù),這樣才能增強診斷結(jié)果的真實全面性,縮小外化風險與實際風險、受眾感知風險指數(shù)之間的誤差。