信息粒度、公眾行為對輿論聚合的內(nèi)生影響與組態(tài)效應(yīng)研究*
——基于VAR與QCA的混合方法

楊洋洋

(鄭州輕工業(yè)大學(xué)經(jīng)濟與管理學(xué)院 鄭州 450001)

0 引 言

隨著互聯(lián)網(wǎng)的普及和社交媒體的發(fā)展,為信息傳播提供了平臺,公眾獲取信息的渠道更加多樣化,改變了傳統(tǒng)的單向信息傳輸模式,轉(zhuǎn)化為雙向信息反饋模式[1]。公眾的觀點在互聯(lián)網(wǎng)平臺上集聚,使得網(wǎng)絡(luò)輿論事件頻發(fā)爆發(fā),如網(wǎng)曝B站員工過年加班猝死、斗魚一主播被舉報直播不雅低俗內(nèi)容等。網(wǎng)絡(luò)輿論事件發(fā)生后,在信息粒度和公眾行為的驅(qū)動下,網(wǎng)絡(luò)輿論傳播會受信息報道頻率、信息覆蓋范圍、信息權(quán)威程度等因素的影響[2],此外,公眾關(guān)注話題、公眾參與周期、公眾活躍程度等因素也會對輿論聚合產(chǎn)生一定的影響[3]。在上述因素的作用下,網(wǎng)絡(luò)輿論迅速聚合,產(chǎn)生負面的社會影響,對政府網(wǎng)絡(luò)治理帶來極大的挑戰(zhàn)。

信息是網(wǎng)絡(luò)輿論傳播的本體,受事件敏感度和影響力的影響,媒體對信息的報道粒度會顯著影響網(wǎng)絡(luò)輿論的聚合程度,當(dāng)媒體的報道頻率越高,覆蓋范圍越廣,權(quán)威性越高時,就會引起較高的公眾關(guān)注,從而導(dǎo)致輿論的高度聚合。公眾是網(wǎng)絡(luò)輿論傳播的主體,公眾行為會影響到輿論聚合,當(dāng)網(wǎng)絡(luò)輿論事件發(fā)生后,公眾的搜索、評論、轉(zhuǎn)發(fā)、收藏、點贊等行為直接作用于事件傳播熱度[4]?；诖?本文以28個視頻平臺負面事件為例,試圖解決以下3個研究問題:(1)在視頻平臺負面事件中,信息粒度、公眾行為與輿論聚合之間是否存在因果關(guān)系?(2)網(wǎng)絡(luò)空間中信息粒度、公眾行為與輿論聚合的脈沖響應(yīng)效應(yīng)?(3)基于整體論的視角,如何探究視頻平臺負面事件輿論聚合的組態(tài)效應(yīng)和內(nèi)在邏輯?

1 文獻回顧

為了深入探討信息粒度、公眾行為與輿論聚合之間的影響機理,國內(nèi)外學(xué)者基于不同視角展開了豐富的研究。

1.1 信息粒度與輿論聚合

粒度是一個物理學(xué)概念,意指微粒大小的平均度量,擴展到信息粒度,則是指信息粒粗細的平均度量,是對信息特征的深度細分[5-6],信息粒度與輿論聚合的關(guān)系研究主要集中在以下三個方面。第一,信息發(fā)布者對輿論聚合的影響。網(wǎng)絡(luò)輿論在微信平臺和微博平臺的聚合路徑存在顯著的差異[7],當(dāng)信息發(fā)布平臺的權(quán)威性較高時,會引起公眾較高的關(guān)注和信任,同時也能夠有效地降低相關(guān)謠言的傳播[8-9],在網(wǎng)絡(luò)輿論的不同發(fā)展周期,信息發(fā)布者在傳播過程中發(fā)揮的作用是不同的,在輿論爆發(fā)初期,受信息權(quán)威性的影響較大,在輿論蔓延期,信息發(fā)布者的作用較小[10],信息發(fā)布平臺的多樣化能夠有效地提高公眾的關(guān)注度,使得網(wǎng)絡(luò)輿論的聚合程度增大[11-12]。第二,信息覆蓋范圍對輿論聚合的影響。在危機事件網(wǎng)絡(luò)輿論的研究中,信息覆蓋率是影響其傳播態(tài)勢的重要因素[13],當(dāng)信息的覆蓋范圍提高時,能有效激發(fā)社會互動行為,促進網(wǎng)絡(luò)輿論的聚合[14-15],信息可見度對用戶評論行為具有顯著的影響,信息可見度越大,越能夠引起較高的輿論聚合度[16-17]。第三,信息傳播頻率對輿論聚合的影響。信息報道頻率加快了網(wǎng)絡(luò)輿論的傳播速度,隨著媒體報道力度的增強,對網(wǎng)民情感的導(dǎo)向作用越強[18-19],對于辟謠信息而言,當(dāng)信息的發(fā)布頻率越高時,獲得的辟謠效果越好[20],重復(fù)的信息傳播會導(dǎo)致信息內(nèi)卷,為公眾信息辨別帶來阻礙,影響政府網(wǎng)絡(luò)輿論的疏導(dǎo)和治理[21-22]。

1.2 公眾行為與輿論聚合

在網(wǎng)絡(luò)輿論傳播中,公眾行為主要包括關(guān)注輿論話題、發(fā)表有關(guān)輿論的觀點、參與輿論傳播過程等,公眾行為與輿論聚合的關(guān)系研究主要集中在以下三個方面。第一,公眾關(guān)注程度對輿論聚合的影響。隨著公眾關(guān)注度的提高,網(wǎng)絡(luò)輿論的熱度會隨之增加,從而引起較大的社會影響[23-24],公眾關(guān)注也是驅(qū)動輿論衍生話題產(chǎn)生的重要條件,當(dāng)公眾的關(guān)注度較高時,衍生話題聚合速度會明顯提高[25],公眾關(guān)注度的提高,體現(xiàn)了公眾對于該話題具有一定的訴求,也是政府部門需要重點回應(yīng)的內(nèi)容[26]。第二,公眾活躍水平對輿論聚合的影響。公眾活躍水平在輿論傳播的初始期和發(fā)展期發(fā)揮著至關(guān)重要的作用[27],公眾更加傾向于關(guān)注負面輿論事件,且公眾活躍于政府回應(yīng)的初期,隨著時間的推移,公眾活躍度逐漸降低[28-29],當(dāng)網(wǎng)絡(luò)輿論事件能夠引起公眾的共鳴時,公眾的活躍度會顯著提高,促進網(wǎng)絡(luò)輿論的高度聚合[30]。第三,公眾參與周期對輿論聚合的影響。生命周期理論在網(wǎng)絡(luò)輿論演化分析的應(yīng)用十分廣泛,在不同的輿論生命周期階段公眾的參與程度存在差異[31-32],針對不同的網(wǎng)絡(luò)輿論事件,公眾的參與周期也存在區(qū)別[8],在重大突發(fā)事件網(wǎng)絡(luò)輿論中公眾的參與周期更長且持續(xù)[33],敏感度越高的事件,越能夠引起公眾的參與,吸引公眾的持續(xù)關(guān)注[34]。

綜上所述,現(xiàn)有文獻針對信息粒度、公眾行為與輿論聚合關(guān)系的研究,大多集中在單一變量關(guān)系的探究上,鮮有學(xué)者探究信息粒度、公眾行為與輿論聚合之間的內(nèi)生關(guān)系和因果效應(yīng)。基于此,基于動態(tài)的視角,本文探究信息粒度、公眾行為與輿論聚合的內(nèi)生關(guān)系,對各變量間的因果關(guān)系和脈沖響應(yīng)進行分析,明確信息粒度、公眾行為與輿論聚合之間存在的兩兩變量因果效應(yīng),基于整體的視角,研究信息粒度和公眾行為的條件變量組合對輿論聚合的影響,探析信息粒度、公眾行為與輿論聚合之間存在的內(nèi)在邏輯,并歸納出理論模型,以期為網(wǎng)絡(luò)輿論事件的引導(dǎo)和治理提供建議。

2 研究設(shè)計

2.1 研究思路

在以上文獻梳理的基礎(chǔ)上,本文的主要研究內(nèi)容分為三部分,信息粒度、公眾行為對輿論聚合的內(nèi)生影響與組態(tài)效應(yīng)的研究思路如圖1所示。

圖1 本文的研究思路圖

第一,指標(biāo)體系建立?；诰W(wǎng)絡(luò)輿論研究的現(xiàn)實背景和文獻背景,歸納總結(jié)信息粒度和公眾行為對輿論聚合的影響?；谛畔①|(zhì)量理論提取信息粒度的測度指標(biāo),包括信息粒度的質(zhì)與量兩個維度,用信息權(quán)威性測度信息粒度的質(zhì),用信息覆蓋度和信息報道率測度信息粒度的量,因此,信息粒度主要包括信息權(quán)威性、信息覆蓋度和信息報道率三個指標(biāo)?；诠娗榫忱碚撎崛」娦袨榈臏y度指標(biāo),公眾情境理論用問題認(rèn)知、涉入度、受限認(rèn)知三個自變量來區(qū)分不同的公眾類型,在本文中,用公眾關(guān)注度測度公眾對輿論信息的認(rèn)知,用公眾活躍度測度公眾對輿論信息的受限認(rèn)知,用公眾參與期測度公眾在輿論傳播中的涉入度,因此,公眾行為主要包括公眾關(guān)注度、公眾活躍度和公眾參與期三個指標(biāo)。由此搭建了信息粒度、公眾行為對輿論聚合影響的指標(biāo)體系。

第二,案例與數(shù)據(jù)獲取。本文獲取案例和數(shù)據(jù)的主要渠道包括新浪微博平臺、知微事見平臺、清博指數(shù)平臺、螞蟻輿情平臺等,本文的數(shù)據(jù)類型包括文本數(shù)據(jù)和數(shù)值數(shù)據(jù),主要運用八爪魚采集器和后羿采集器采集數(shù)據(jù),采集了該事件所有時間內(nèi)的數(shù)據(jù),結(jié)合本文選取的研究時間周期,對采集數(shù)據(jù)進行處理,文本數(shù)據(jù)的處理是指把文本資料轉(zhuǎn)化為研究需要的數(shù)值數(shù)據(jù),數(shù)值數(shù)據(jù)的處理主要包括異常數(shù)據(jù)處理、冗余數(shù)據(jù)處理和缺失數(shù)據(jù)處理。

第三,理論模型構(gòu)建。首先,檢驗兩兩變量的因果關(guān)系,從因果關(guān)系檢驗和脈沖響應(yīng)分析兩個方面,探究信息粒度、公眾行為對輿論聚合的內(nèi)生影響。在以上分析的基礎(chǔ)上,檢驗組合變量因果關(guān)系,從必要條件分析、組態(tài)效應(yīng)分析和穩(wěn)定性檢驗三個方面,展開信息粒度、公眾行為對輿論聚合的組態(tài)效應(yīng)研究。

2.2 研究方法

向量自回歸模型(Vector Autoregressive Model,簡稱VAR模型)是一種計量經(jīng)濟模型,是把多元時間序列中每一個內(nèi)生變量作為所有內(nèi)生變量的滯后值的函數(shù)而構(gòu)建模型,從而實現(xiàn)了一個內(nèi)生變量對其他變量的干擾性分析[35]。在構(gòu)建VAR模型時,需要首先進行Granger 因果關(guān)系檢驗,以確保本文研究的科學(xué)性和準(zhǔn)確性,在此基礎(chǔ)上,探究各內(nèi)生變量之間的脈沖響應(yīng)分析[36]。模糊集定性比較分析(Fuzzy-Set Qualitative Comparative Analysis,簡稱fsQCA)是用于探究導(dǎo)致結(jié)果變量發(fā)生的多重并發(fā)的因果路徑,用于分析不同變量組合對結(jié)果變量的影響,對于驗證組合變量的因果關(guān)系具有顯著的效果[37]。fsQCA在本文中的適用性主要體現(xiàn)在以下3個方面,第一,影響輿論聚合的各因素是相互作用的,并不是獨立存在的,僅考慮單個變量對輿論聚合的影響,很難滿足復(fù)雜實踐的需求,fsQCA是探究組合變量對結(jié)果變量的影響機制,正好符合這一研究需求。第二,在實踐中導(dǎo)致輿情聚合產(chǎn)生的路徑不是唯一的,受網(wǎng)絡(luò)輿論事件類型、公眾偏好、媒體報道等因素的影響,可能會產(chǎn)生諸多導(dǎo)致輿論聚合產(chǎn)生的路徑,而fsQCA正是探究多重并發(fā)因果關(guān)系的模型,有助于剖析輿論聚合的多重并發(fā)路徑。第三,本文選取了28個案例,尚未達到傳統(tǒng)統(tǒng)計研究的樣本量,而fsQCA對于樣本量的要求較低,同時適用于小樣本、中樣本、大樣本的數(shù)據(jù)[38]。

本文采用VAR和fsQCA相融合的方法,把信息粒度、公眾行為與輿論聚合納入同一個系統(tǒng)中,探究它們之間的內(nèi)生關(guān)系,研究單個變量與結(jié)果變量之間的因果關(guān)系和內(nèi)生效應(yīng),在確定信息粒度、公眾行為與輿論聚合之間存在因果關(guān)系的基礎(chǔ)上,進一步探究信息權(quán)威性、信息覆蓋度、信息報道率、公眾關(guān)注度、公眾活躍度、公眾參與期六個條件變量對輿論聚合的組合影響效應(yīng),進而分析影響輿論聚合的內(nèi)在邏輯和理論模式。本文構(gòu)建的VAR和fsQCA模型,在傳統(tǒng)的fsQCA模型運用前驗證了各條件變量與結(jié)果變量之間的因果關(guān)系,為探究組合變量與結(jié)果變量的因果關(guān)系打下基礎(chǔ),從而為政府輿論調(diào)控和疏導(dǎo)提供建議。

2.3 案例選取

本文從新浪微博平臺、知微事見平臺、清博指數(shù)平臺、螞蟻輿情平臺上選取了28個視頻平臺負面事件,主要依據(jù)以下兩個原則,第一,案例主要選取與視頻平臺有關(guān)的負面輿論事件,涉及的視頻平臺有愛奇藝、抖音、快手、B站、虎牙、斗魚等,研究同類型輿論事件得出的結(jié)論更具有說服力;第二,本文選取的輿論事件要具有明顯的傳播周期和影響力,在篩選案例時,為了保證數(shù)據(jù)的一致性,去掉傳播周期較長或較短的案例,從而使研究結(jié)論具有一定的可信度。表1給出了部分案例的基本信息。

表1 部分案例的基本信息

2.4 數(shù)據(jù)收集

本文的數(shù)據(jù)主要采用八爪魚采集器和后羿采集器從新浪微博、知微事見、清博指數(shù)、螞蟻輿情等平臺獲得,為了滿足研究需求,本文根據(jù)28個視頻平臺負面事件,一共采集了2866條數(shù)據(jù),選取的研究時間周期為事件發(fā)生的24小時內(nèi),去掉不符合要求的數(shù)據(jù),最終獲得的有效數(shù)據(jù)是2 034條。本文獲取了兩個數(shù)據(jù)集,數(shù)據(jù)集1主要包含以下變量:標(biāo)題、標(biāo)題鏈接、發(fā)布內(nèi)容、發(fā)布時間、轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)、關(guān)注數(shù)、粉絲數(shù)、微博數(shù)等,數(shù)據(jù)集2主要包含以下變量:輿論影響力指數(shù)、整體輿論場占比、媒體參與情況、輿論熱度峰值、輿論持續(xù)時間、全部報道渠道數(shù)量、媒體報道觀點等。

3 結(jié)果分析

3.1 兩兩變量因果關(guān)系檢驗

3.1.1變量說明

本文運用VAR模型檢驗信息粒度、公眾行為與輿論聚合之間的兩兩變量因果關(guān)系,其中,信息粒度指該事件文本信息的內(nèi)容特征,用單位時間內(nèi)各條文本內(nèi)容的信息粒度之和來表示[5-6];公眾行為指該事件中公眾的參與行為,用單位時間內(nèi)公眾的轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)之和來表示[23-24];輿論聚合指該事件引起的輿論集聚程度,用單位時間內(nèi)該事件累積傳播效果來表示[39-40]。

3.1.2Granger因果關(guān)系檢驗

為了進一步識別模型中變量間的關(guān)系,分析信息粒度、公眾行為與輿論聚合之間是否存在顯著的Granger因果關(guān)系,以確定VAR模型構(gòu)建的合理性和科學(xué)性,表2給出了Granger 因果關(guān)系檢驗結(jié)果?？芍?在信息粒度、公眾行為與輿論聚合的因果關(guān)系檢驗結(jié)果中,各變量及兩兩變量聯(lián)合項的χ2檢驗對應(yīng)的p值均小于0.1,表明可以拒絕不存在因果關(guān)系的原假設(shè),即信息粒度、公眾行為與輿論聚合之間存在顯著的Granger因果關(guān)系。以內(nèi)生變量滯后二階構(gòu)建VAR模型,并驗證模型的穩(wěn)定性如圖2所示,所有根都落在單位圓內(nèi),由此可以判斷所構(gòu)建的模型是平穩(wěn)的。因此,本文構(gòu)建VAR模型探究信息粒度、公眾行為與輿論聚合之間的內(nèi)生影響機制是合理的,為下文脈沖響應(yīng)分析的開展奠定了理論基礎(chǔ)。

表2 Granger因果關(guān)系檢驗結(jié)果

圖2 模型穩(wěn)定性判定圖

3.1.3脈沖響應(yīng)分析

為了進一步探究輿論聚合、信息粒度、公眾行為之間的內(nèi)生影響關(guān)系和影響程度,本文利用脈沖響應(yīng)分析探究三個變量的相互影響機制,即輿論聚合、信息粒度、公眾行為既作為沖擊變量,又作為響應(yīng)變量,得到的分析結(jié)果如圖3所示。

圖3 脈沖響應(yīng)分析

由第一行脈沖響應(yīng)圖可知,當(dāng)輿論聚合受到輿論聚合、信息粒度、公眾行為的一個沖擊后,第一期沒有做出響應(yīng),從第二期開始做出響應(yīng)。輿論聚合自相關(guān)的影響效應(yīng)逐漸減弱,在第二至四期出現(xiàn)波動,在第十二期趨于零;信息粒度的影響效應(yīng)逐漸減弱,在第二至四期出現(xiàn)波動,在第十四期趨于零;公眾行為的影響效應(yīng)在第二至四期達到最大值,之后逐漸減弱,在第十八期趨于零。其中,輿論聚合自相關(guān)效應(yīng)和信息粒度的沖擊較大。

由第二行脈沖響應(yīng)圖可知,當(dāng)信息粒度受到輿論聚合、信息粒度、公眾行為的一個沖擊后,第一期沒有做出響應(yīng),從第二期開始做出響應(yīng)。輿論聚合的影響效應(yīng)在第三期達到最大值,之后逐漸減弱,在第十四期趨于零;信息粒度自相關(guān)的影響效應(yīng)逐漸減弱,在第二至四期出現(xiàn)波動,在第十六期趨于零;公眾行為的影響效應(yīng)在第三至四期達到最大值,之后逐漸減弱,在第二十期趨于零。其中,信息粒度自相關(guān)效應(yīng)的的沖擊較大。

由第三行脈沖響應(yīng)圖可知,當(dāng)公眾行為受到輿論聚合、信息粒度、公眾行為的一個沖擊后,第一期迅速做出響應(yīng)。輿論聚合的影響效應(yīng)在第三期達到最大值,之后逐漸減弱,在第十八期趨于零;信息粒度的影響效應(yīng)在第三期達到最大值,之后逐漸減弱,在第二十期趨于零;公眾行為自相關(guān)的影響效應(yīng)逐漸減弱,在第二十四期趨于零。其中,公眾行為自相關(guān)效應(yīng)的的沖擊較大。

3.2 組合變量因果關(guān)系檢驗

3.2.1變量與數(shù)據(jù)說明

本文采用fsQCA方法對輿論聚合的組合變量因果關(guān)系進行分析,以信息權(quán)威性、信息覆蓋度、信息報道率、公眾關(guān)注度、公眾活躍度、公眾參與期為條件變量,以輿論聚合為結(jié)果變量,各變量解釋與測度匯總?cè)绫?所示。

表3 變量解釋與測度匯總表

3.2.2必要性分析

各變量的校準(zhǔn)函數(shù)選取三點錨定方法,即完全隸屬(95%)、交叉點(50%)、完全不隸屬(5%),完全隸屬點用各變量的最大值來表示,交叉點用各變量的中值來表示,完全不隸屬點用各變量的最小值來表示。各變量的必要條件檢驗如表4所示,根據(jù)杜運周等[38]的研究可知,當(dāng)一致性水平大于0.9時,構(gòu)成結(jié)果變量的必要條件,由表4可知,一致性水平最高的前因變量是信息權(quán)威性(0.8790),小于0.9,各變量的一致性水平都小于0.9,即各變量不構(gòu)成高輿論聚合的必要條件。

表4 必要條件檢驗

3.2.3條件組態(tài)的充分性分析

本文運用fsQCA3.0軟件對信息粒度、公眾行為對輿論聚合的組態(tài)效應(yīng)進行研究,這里設(shè)置案例數(shù)為1,一致性閾值為0.80,組合變量因果關(guān)系檢驗分析如表5所示。為了進一步驗證組態(tài)分析結(jié)果的穩(wěn)健性,把原始一致性閾值提高到0.85和0.9,其他參數(shù)設(shè)置保持不變,得到各組態(tài)路徑的一致性、覆蓋度以及總體一致性、總體覆蓋度均沒有顯著變化,表明本文的研究結(jié)論通過穩(wěn)健性檢驗。

表5 組合變量因果關(guān)系檢驗分析

由表5可知,信息粒度、公眾行為對輿論聚合的組合變量因果關(guān)系分析結(jié)果包含了8種不同的條件組態(tài)。組態(tài)H1:～信息權(quán)威性*～信息覆蓋度*～信息報道率*公眾關(guān)注度*～公眾活躍度→高輿論聚合;組態(tài)H2:～信息權(quán)威性*～信息覆蓋度*～信息報道率*公眾活躍度*～公眾參與期→高輿論聚合;組態(tài)H3:～信息權(quán)威性*～信息覆蓋度*信息報道率*～公眾關(guān)注度*～公眾活躍度→高輿論聚合;組態(tài)H4:信息權(quán)威性*信息覆蓋度*公眾關(guān)注度*公眾活躍度*公眾參與期→高輿論聚合;組態(tài)H5:信息權(quán)威性*信息覆蓋度*信息報道率*公眾關(guān)注度*公眾活躍度→高輿論聚合;組態(tài)H6:信息權(quán)威性*信息覆蓋度*信息報道率*公眾活躍度*公眾參與期→高輿論聚合;組態(tài)H7:信息權(quán)威性*信息覆蓋度*～信息報道率*公眾關(guān)注度*～公眾活躍度*～公眾參與期→高輿論聚合;組態(tài)H8:信息權(quán)威性*信息覆蓋度*～信息報道率*～公眾關(guān)注度*公眾活躍度*～公眾參與期→高輿論聚合。

各組態(tài)的一致性和總體一致性大于0.8,表明本文得出的研究結(jié)果具有顯著的可解釋性,滿足研究的需求。結(jié)合簡約解和中間解的分析結(jié)果,信息報道率、公眾關(guān)注度、公眾活躍度為核心條件,信息權(quán)威性、信息覆蓋度、公眾參與期為邊緣條件。

3.2.4理論模式歸納分析

根據(jù)以上組態(tài)分析結(jié)果,返回案例進一步探究影響輿論聚合的內(nèi)在機制,從8種組態(tài)路徑中歸納總結(jié)出公眾行為驅(qū)動型、信息粒度驅(qū)動型、信息-公眾驅(qū)動型三種理論模式。

a.公眾行為驅(qū)動模式。該模式包含的組態(tài)路徑為H1、H2、H7、H8。在該模式下,公眾關(guān)注度和公眾活躍度作為核心條件,發(fā)揮著重要的驅(qū)動作用,基于公眾情境理論對該理論模式進行解析,有關(guān)視頻平臺負面事件的輿論,公眾行為更多是問題導(dǎo)向,該結(jié)論符合“好事不出門,壞事傳千里”的常識認(rèn)知,隨著信息技術(shù)的發(fā)展,公眾參與輿論傳播的受限認(rèn)知逐漸減少,公眾在輿論聚合中的活躍度逐漸提高,互聯(lián)網(wǎng)的普及打破了信息傳播時間和地域的限制,極大提高了公眾的參與感和話語權(quán)。在視頻平臺負面事件中,公眾作為輿論傳播的主體,公眾對于輿論話題的轉(zhuǎn)發(fā)、評論、收藏、點贊等行為都是影響輿論聚合的重要因素,婁巖等[41]的研究驗證了公眾關(guān)注度對輿論主題聚合的影響,胡吉明等[42]的研究驗證了公眾活躍度對輿論熱度的顯著影響。組態(tài)H1覆蓋的案例有抖音火山版被判賠償騰訊800萬元、B站被部分品牌方“拉黑”;組態(tài)H2覆蓋的案例有愛奇藝遭美國證監(jiān)會調(diào)查、騰訊抖音被強制執(zhí)行;組態(tài)H7覆蓋的案例有B站面試官回應(yīng)涉招聘爭議;組態(tài)H8覆蓋的案例有抖音快手宣揚過度消費被罰20萬。返回以上案例中,以上輿論話題引起了公眾的廣泛關(guān)注,并且公眾積極參與其中,公眾行為在以上事件輿論聚合中發(fā)揮著關(guān)鍵的作用。

b.信息粒度驅(qū)動模式。該模式包含的組態(tài)路徑為H3。在該模式下,信息報道率作為核心條件,是輿論事件聚合的驅(qū)動因素,基于信息質(zhì)量理論對該理論模式進行解析,在互聯(lián)網(wǎng)時代,信息傳播打破了時間和地域的限制,“信息量”成為信息傳播的重要影響因素,當(dāng)網(wǎng)絡(luò)輿論事件進入公眾視線的初期,信息量變起著關(guān)鍵的作用,在“信息量”的驅(qū)動下,能夠使輿論事件得以快速傳播。在視頻平臺負面輿情事件的傳播中,較高的信息報道頻率對輿論聚合具有顯著影響,媒體高強度的報道頻率會使得輿論的受眾范圍大面積的增加,從而加速了輿論聚合的速度和程度,李靜等[43]提出提高信息的曝光頻率能夠有效地影響網(wǎng)絡(luò)輿情的熱度,文鴻瑩[44]提出要加強對媒體機構(gòu)發(fā)帖數(shù)量和質(zhì)量的監(jiān)控,從而降低負面輿論對社會的影響,這從另一方面驗證了信息報道率對輿論聚合的影響作用。組態(tài)H3覆蓋的案例有斗魚虎牙合并案被審查、快手原副總裁一審獲刑七年。返回以上案例中,以上輿論話題的主要來源是媒體機構(gòu),由于涉及到刑事法律,媒體機構(gòu)對此類事件的報道頻率明顯增加,由此加速了輿論事件的聚合程度。

c.信息-公眾驅(qū)動模式。該模式包含的組態(tài)路徑為H4、H5、H6。在該模式下,信息粒度和公眾行為對輿論聚合起著共同驅(qū)動的作用,基于信息生態(tài)理論對該理論模式進行解析,信息和信息人作為信息生態(tài)系統(tǒng)中的重要組成要素,信息因子以文字、圖片、視頻等形式傳遞輿論事件信息,主體因子通過評論、轉(zhuǎn)發(fā)、點贊等行為參與信息生態(tài)系統(tǒng)中輿論事件的傳播與演化,信息-公眾雙因子驅(qū)動是網(wǎng)絡(luò)輿論信息生態(tài)系統(tǒng)形成的關(guān)鍵。隨著媒體機構(gòu)報道信息粒度和公眾參與輿論傳播行為的提高,輿論聚合程度會顯著提升,楊洋洋等[23]認(rèn)為高信息源敏感度和高網(wǎng)民參與度是高事件熱度產(chǎn)生的充分條件,驗證了信息特征和公眾行為對輿論聚合的重要作用,李晚蓮等[45]通過實證分析發(fā)現(xiàn)信息權(quán)威性、信息報道率、公眾關(guān)注度等是輿論反轉(zhuǎn)聚合的主要因素,再次驗證了該模式對輿論聚合的作用。組態(tài)H4覆蓋的案例有抖音快手等105款A(yù)pp被通報、愛奇藝回應(yīng)被責(zé)令停錄青你3、愛奇藝《慶余年》超前點播被判違法;組態(tài)H5覆蓋的案例有市場監(jiān)管總局禁止虎牙斗魚合并、愛奇藝否認(rèn)造假指控 、北京互聯(lián)網(wǎng)法院一審認(rèn)定抖音、微信讀書侵害用戶個人信息、B站服務(wù)器機房故障造成無法訪問、市場監(jiān)管總局處罰阿里騰訊B站;組態(tài)H6覆蓋的案例有抖音起訴騰訊涉嫌壟斷、優(yōu)酷、愛奇藝因違法違規(guī)被處罰、網(wǎng)曝B站員工過年加班猝死。返回以上案例中,在信息-公眾驅(qū)動模式下,此類輿論一般涉及的信息范圍或者受眾較小,輿論聚合需要信息粒度和公眾行為的共同驅(qū)動,如愛奇藝回應(yīng)被責(zé)令停錄青你3、愛奇藝《慶余年》超前點播被判違法,只涉及到了某一部電視劇的信息;市場監(jiān)管總局處罰阿里騰訊B站、優(yōu)酷、愛奇藝因違法違規(guī)被處罰等,這類信息經(jīng)濟類的媒體機構(gòu)關(guān)注較多。

4 結(jié)論與討論

4.1 研究結(jié)論

隨著信息化時代的發(fā)展,公眾獲取信息的渠道更多樣化、方式更便捷化、形式更多元化,特別是負面輿論事件,能夠引起公眾的關(guān)注和共鳴,面對復(fù)雜的網(wǎng)絡(luò)環(huán)境,探討影響輿論聚合的關(guān)鍵要素,既有助于輿論信息的高效傳播,又能夠為政府輿論調(diào)控提供政策建議。基于此,本文采用VAR和fsQCA相融合的方法,選取28個視頻平臺負面事件作為研究對象,首先,運用VAR模型驗證了信息粒度、公眾行為與輿論聚合之間的兩兩變量因果關(guān)系,在此基礎(chǔ)上,運用fsQCA方法探究了信息權(quán)威性、信息覆蓋度、信息報道率、公眾關(guān)注度、公眾活躍度、公眾參與期6個前因條件組合對輿論聚合的影響機制,主要得出如下結(jié)論。

a.由Granger因果關(guān)系檢驗和脈沖響應(yīng)分析的結(jié)果可知,信息粒度、公眾行為與輿論聚合之間存在顯著的Granger因果關(guān)系,表明信息粒度、公眾行為與輿論聚合之間存在顯著的兩兩變量因果關(guān)系,通過脈沖響應(yīng)分析得出信息粒度、公眾行為與輿論聚合之間的相互影響機制,該研究結(jié)論對組合變量因果關(guān)系的分析奠定了基礎(chǔ),只有前因變量與結(jié)果變量之間存在因果關(guān)系的基礎(chǔ)上,再分析組合變量對結(jié)果變量的影響機制才具有意義和價值。

b.由fsQCA分析結(jié)果可知,信息粒度、公眾行為對輿論聚合的組合變量因果關(guān)系分析結(jié)果包含了8種不同的條件組態(tài),信息報道率、公眾關(guān)注度、公眾活躍度為核心條件,信息權(quán)威性、信息覆蓋度、公眾參與期為邊緣條件。表明信息報道率、公眾關(guān)注度、公眾活躍度對輿論聚合的作用力比較強,而信息權(quán)威性、信息覆蓋度、公眾參與期對輿論聚合的作用力較弱,核心條件是政府輿論調(diào)控需要重點監(jiān)測的指標(biāo)。

c.提煉歸納了導(dǎo)致高輿論聚合的三種理論模式,即公眾行為驅(qū)動型、信息粒度驅(qū)動型、信息-公眾驅(qū)動型。公眾行為驅(qū)動型主要體現(xiàn)在組態(tài)H1、H2、H7、H8,覆蓋的案例有6個,在該模式下,公眾關(guān)注度和公眾活躍度是驅(qū)動高輿論聚合產(chǎn)生的核心條件;信息粒度驅(qū)動型主要體現(xiàn)在組態(tài)H3,覆蓋的案例有2個,在該模式下,信息報道率是驅(qū)動高輿論聚合產(chǎn)生的核心條件;信息-公眾驅(qū)動型主要體現(xiàn)在組態(tài)H4、H5、H6,覆蓋的案例有12個,在該模式下,信息粒度和公眾行為對輿論聚合起著共同驅(qū)動的作用。

4.2 政策啟示

通過對信息粒度、公眾行為對輿論聚合的內(nèi)生影響與組態(tài)效應(yīng)研究,雖然本文以視頻平臺負面事件為研究材料,但是構(gòu)建的理論模型可以推廣至各類型網(wǎng)絡(luò)輿論事件的分析,從而為政府輿論調(diào)整提供政策建議,提高輿論治理的準(zhǔn)確性和科學(xué)性?；谝陨涎芯拷Y(jié)論,提出如下政策建議。

a.構(gòu)建多元化的網(wǎng)絡(luò)輿論應(yīng)急預(yù)案,提升輿論聚合的應(yīng)變能力。導(dǎo)致高輿論聚合的路徑并不是唯一的,面對復(fù)雜多變的實踐環(huán)境,標(biāo)準(zhǔn)化的網(wǎng)絡(luò)輿論應(yīng)急預(yù)案已經(jīng)不能滿足實踐的需求,需要構(gòu)建靈活化、多元化、系統(tǒng)化的網(wǎng)絡(luò)輿論應(yīng)急預(yù)案,以提高政府網(wǎng)絡(luò)輿論的應(yīng)變能力。可以從以下兩個方面入手,第一,應(yīng)急預(yù)案的制定,需要與自身的實際情況相結(jié)合,不管是企業(yè)、政府,還是社會組織,需要充分發(fā)揮自身的優(yōu)勢,了解受眾的特征和需求,制定具有針對性和精準(zhǔn)化的網(wǎng)絡(luò)輿論應(yīng)急預(yù)案。第二,應(yīng)急預(yù)案的實施,組織是影響應(yīng)急預(yù)案的實施效果的關(guān)鍵因素,需要提高組織的協(xié)調(diào)性和靈活性,當(dāng)負面輿論事件發(fā)生時,相關(guān)組織需要具有較高的協(xié)調(diào)性,快速地做出反應(yīng),采取措施,也需要有較高的靈活性,應(yīng)對多變的社會環(huán)境。

b.優(yōu)化輿論傳播的監(jiān)管機制,提高信息粒度的質(zhì)量水平。由于網(wǎng)絡(luò)的匿名性、快速性、虛擬性等特征,使得信息發(fā)布者受到的約束較少,帶來了信息失真、信息冗余等一系列的問題,因此,需要制定完善的輿論傳播監(jiān)管機制,凈化網(wǎng)絡(luò)環(huán)境。可以從以下兩個方面入手,第一,加強社交平臺信息審核力度,社交平臺的審核能夠有效地提高信息粒度的質(zhì)量,社交平臺要充分利用現(xiàn)代化的技術(shù)手段,提高信息審核的速度和精度。第二,完善輿論傳播相關(guān)法律法規(guī),法律法規(guī)是約束輿論傳播者的有效手段,目前我國有關(guān)網(wǎng)絡(luò)輿論傳播的法律法規(guī)還不健全,在個人隱私保護、大數(shù)據(jù)信息治理、網(wǎng)絡(luò)謠言傳播等方面都需要加強。

c.加強對公眾訴求的關(guān)注,構(gòu)建人民滿意的網(wǎng)絡(luò)環(huán)境。公眾作為網(wǎng)絡(luò)輿論傳播的主要參與者,對輿論聚合起著至關(guān)重要的作用,公眾訴求會直接影響輿論傳播的趨勢和方向,甚至衍生出一系列的次生輿情,因此,及時關(guān)注公眾訴求,滿足公眾的知情權(quán),有效疏導(dǎo)公眾情緒,是網(wǎng)絡(luò)輿論調(diào)控的關(guān)鍵。可以從以下兩個方面入手,第一,注重輿論回應(yīng)的方式、態(tài)度和內(nèi)容,對于網(wǎng)絡(luò)輿論事件,公眾具有敏銳的洞察力,相關(guān)部門在回應(yīng)輿論事件時,需要在第一時間做出正面回應(yīng),就事論事,積極承擔(dān)相關(guān)責(zé)任,不要出現(xiàn)相互推諉的現(xiàn)象。第二,充分發(fā)揮大數(shù)據(jù)技術(shù)手段,及時疏解公眾情緒,搭建網(wǎng)絡(luò)輿論監(jiān)測系統(tǒng),利用大數(shù)據(jù)技術(shù)監(jiān)測輿論的發(fā)展趨勢和公眾情緒,并及時采取針對性的措施加以解決,提高網(wǎng)絡(luò)輿論調(diào)控的精度和速度。

4.3 理論貢獻

本文的理論貢獻體現(xiàn)在兩個方面,第一,創(chuàng)新研究方法,完善理論體系。把VAR模型和fsQCA方法相融合,首先驗證了信息粒度、公眾行為與輿論聚合之間的兩兩變量因果關(guān)系,在存在因果關(guān)系的基礎(chǔ)上,對輿論聚合的組合變量因果關(guān)系進行分析,本文構(gòu)建的模型可以進一步擴展到其他研究領(lǐng)域,豐富了fsQCA方法的研究體系。第二,提煉理論模式,指導(dǎo)案例實踐。本文根據(jù)研究結(jié)論歸納提煉了三種輿論聚合驅(qū)動模式,即公眾行為驅(qū)動模式、信息粒度驅(qū)動模式和信息-公眾驅(qū)動模式,并返回每一種模式覆蓋的案例進行分析,進一步指導(dǎo)輿論聚合調(diào)控策略的實施。

4.4 不足與展望

本文對信息粒度、公眾行為對輿論聚合的內(nèi)生影響與組態(tài)效應(yīng)展開研究,以期對政府輿論聚合調(diào)控提供政策建議,但是,本文研究也存在一定的局限性,第一,受數(shù)據(jù)采集、案例篩選、數(shù)據(jù)處理等因素的影響,本文選取了28個視頻平臺負面事件作為研究對象,研究樣本和類型都不夠豐富,在后續(xù)研究中,將會繼續(xù)豐富研究樣本和類型,展開更加全面的研究。第二,在組合變量因果關(guān)系驗證分析中,未考慮到時間因素的影響,在后續(xù)研究中將會把整個輿論周期分為不同的階段,研究動態(tài)的組合變量因果關(guān)系,進一步豐富研究內(nèi)容。