基于多案例數(shù)據(jù)的突發(fā)事件網(wǎng)絡(luò)輿情傳播組態(tài)路徑及其影響研究

摘 要： ［目的／ 意義］ 運(yùn)用組態(tài)思維厘清突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑， 有助于政府把握輿論走向， 制定更具針對性的應(yīng)對措施。［方法／ 過程］ 首先， 借鑒信息生態(tài)理論識(shí)別影響突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑的６ 種要素（事件類型、社會(huì)環(huán)境、政府、網(wǎng)民、網(wǎng)絡(luò)媒體和意見領(lǐng)袖）， 選?。矗?件突發(fā)事件案例作為研究樣本， 在時(shí)間序列上分階段收集數(shù)據(jù)； 其次， 通過多階段ｆｓＱＣＡ 分析， 探究要素及其組合作用于突發(fā)事件網(wǎng)絡(luò)輿情傳播的規(guī)律原理； 最后， 應(yīng)用ＰＳＭ 方法評估不同組態(tài)路徑對突發(fā)事件網(wǎng)絡(luò)輿情熱度提升的影響。［結(jié)果／ 結(jié)論］ 突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑受多種要素共同作用； 事件類型與社會(huì)環(huán)境是輿情起始因素， 網(wǎng)民與事件類型是爆發(fā)因素， 政府是平息因素； 高／ 非高熱度網(wǎng)絡(luò)輿情傳播路徑在起始期、爆發(fā)期與衰退期共形成１０ 種輿情類型， 且不同組態(tài)類型對突發(fā)事件網(wǎng)絡(luò)輿情熱度的影響存在顯著性差異。

關(guān)鍵詞： 突發(fā)事件； 網(wǎng)絡(luò)輿情； 傳播路徑； 信息生態(tài)； ｆｓＱＣＡ； ＰＳＭ

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０５．０１０

〔中圖分類號〕Ｃ９１２. ６３； Ｇ２０６； Ｄ６３０ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２５） ０５－００９９－１４

在互聯(lián)網(wǎng)快速發(fā)展背景下， 突發(fā)事件頻發(fā)導(dǎo)致網(wǎng)絡(luò)輿情擴(kuò)散性極強(qiáng)。受網(wǎng)絡(luò)上充斥著的大量不實(shí)信息、謠言和未經(jīng)證實(shí)的報(bào)道等不良因素影響， 網(wǎng)絡(luò)輿情變幻莫測， 輿情治理也變得相當(dāng)復(fù)雜， 揭示網(wǎng)絡(luò)輿情的多變性、復(fù)雜性及形成原理并提出優(yōu)化策略， 對于高效治理輿情、凈化網(wǎng)絡(luò)空間和維護(hù)社會(huì)穩(wěn)定具有重要意義。目前， 突發(fā)事件網(wǎng)絡(luò)輿情治理研究聚焦于運(yùn)用數(shù)字技術(shù)加強(qiáng)對網(wǎng)絡(luò)輿情的監(jiān)測、分析和研判［１－２］ 。網(wǎng)絡(luò)輿情是多元主體共同作用形成的復(fù)雜系統(tǒng)［３］ ， 不同發(fā)展階段具有不同的傳播特征［４］ ， 與數(shù)字技術(shù)相輔相成， 剖析輿情傳播特征，掌握輿情傳播規(guī)律， 是提高輿情治理能力的重要前提［５］ ， 深入了解輿情傳播影響因素和傳播路徑， 可以更精確地分析輿情傳播特征， 系統(tǒng)性地揭示輿情傳播規(guī)律， 進(jìn)而精確定位輿情問題根源， 制定針對性干預(yù)措施。然而， 網(wǎng)絡(luò)輿情的多元性、動(dòng)態(tài)性特征使得輿情傳播影響因素辨識(shí)變得相當(dāng)復(fù)雜， 不同發(fā)展階段輿情傳播路徑內(nèi)在機(jī)理也不清晰。

信息生態(tài)理論側(cè)重從系統(tǒng)整體視角關(guān)注信息的形成和演變過程［６］ ， 借鑒信息生態(tài)理論識(shí)別輿情傳播影響因素， 有助于系統(tǒng)洞察輿情在網(wǎng)絡(luò)上的初現(xiàn)、蔓延和消退過程。組態(tài)側(cè)重于揭示要素間相互作用對結(jié)果產(chǎn)生的影響［７］ ， 模糊集定性比較分析（ｆｓＱＣＡ）是從組態(tài)視角出發(fā)， 探究輿情傳播路徑的常用方法［８］ 。鑒于此， 本文從信息生態(tài)視角出發(fā)， 深入分析突發(fā)事件網(wǎng)絡(luò)輿情傳播影響因素， 利用ｆｓＱＣＡ 探究由多要素構(gòu)成的輿情系統(tǒng)的傳播路徑， 研究因素間聯(lián)合作用對輿情組態(tài)效應(yīng)的影響， 并應(yīng)用ＰＳＭ 方法評估不同傳播路徑對輿情熱度的影響效果， 為政府部門掌握輿情傳播規(guī)律， 制定突發(fā)事件網(wǎng)絡(luò)輿情監(jiān)測與治理方案提供決策支持。

１ 文獻(xiàn)回顧

１. １ 突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑相關(guān)研究

網(wǎng)絡(luò)輿情傳播路徑是指信息在互聯(lián)網(wǎng)上傳播的具體路徑和方式， 其傳播范圍、速度和形式受多個(gè)要素共同作用［９］ 。目前， 學(xué)者大多采用定性比較分析方法探究輿情傳播路徑［１０］ ， 并嘗試從不同角度識(shí)別輿情影響因素， 相關(guān)研究集中在３ 個(gè)方面： ①單個(gè)影響因素識(shí)別， 關(guān)注政府、網(wǎng)民、意見領(lǐng)袖、事件信息、情緒等單個(gè)影響因素對突發(fā)事件網(wǎng)絡(luò)輿情傳播的影響。如馮蘭萍等［１１］ 認(rèn)為， 政府干預(yù)對突發(fā)事件輿情群體負(fù)面情緒的轉(zhuǎn)移起控制作用。Ｗｕ Ｙ Ｍ等［１２］ 分析了網(wǎng)民在輿情反轉(zhuǎn)前輿論攻擊與反轉(zhuǎn)后補(bǔ)救策略的影響因素。江成等［１３］ 基于轉(zhuǎn)發(fā)關(guān)系網(wǎng)絡(luò)意見領(lǐng)袖識(shí)別模型探究不實(shí)信息傳播機(jī)理。也有學(xué)者從事件信息視角出發(fā)， 研究事件信息對輿情反轉(zhuǎn)的作用機(jī)理［１４］ 。祁凱等［１５］ 經(jīng)過仿真分析得出政務(wù)短視頻文案與評論的情感傾向會(huì)通過影響網(wǎng)民情緒進(jìn)而影響政務(wù)短視頻的傳播路徑。②多因素聯(lián)合驅(qū)動(dòng)，考察信息主體、事件、網(wǎng)民、情緒、媒體與政府等若干個(gè)因素組合對突發(fā)事件網(wǎng)絡(luò)輿情傳播的影響。如單曉紅等［１６］ 考察了信息主體與信息本體兩個(gè)因素組合對輿情衍生話題形成的影響， 認(rèn)為信息主體對衍生話題的形成占據(jù)主導(dǎo)作用。Ｇａｏ Ｓ 等［１７］ 綜合考慮了事件類型、信息傳遞者、信息屬性、受眾和信息反饋５ 個(gè)因素組合對二次輿情熱度的影響機(jī)制，得出事件類型、受眾、信息反饋是二次輿情生成的必要因素等結(jié)論。謝樂等［１８］ 探索了企業(yè)形象、威脅感知、情感環(huán)境、信息模糊性、企業(yè)回應(yīng)策略、事件形象６ 個(gè)因素組合對企業(yè)輿情負(fù)性偏向的驅(qū)動(dòng)機(jī)制。③理論或方法層面， 應(yīng)用動(dòng)機(jī)理論、Ｓ－Ｏ－Ｒ理論、ＵＴＡＵＴ 模型、網(wǎng)絡(luò)場域理論等構(gòu)建輿情傳播影響因素指標(biāo)。如， Ｙｅ Ｐ Ｈ 等［１９］ 運(yùn)用動(dòng)機(jī)理論構(gòu)建高校輿情傳播行為影響因素模型。李露琪等［２０］借鑒Ｓ－Ｏ－Ｒ 理論分析突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)虛假信息傳播行為影響因素。徐緒堪等［２１］ 參考ＵＴＡＵＴ模型構(gòu)建突發(fā)事件用戶轉(zhuǎn)發(fā)行為影響因素模型。王苗等［２２］ 依據(jù)網(wǎng)絡(luò)場域理論歸納基于信息認(rèn)知和情感滲透的旅游輿情傳播路徑特征。

眾多學(xué)者為了探索網(wǎng)絡(luò)輿情在時(shí)間序列上的演化特征， 往往將生命周期理論應(yīng)用于網(wǎng)絡(luò)輿情研究中。如Ｌｉ Ｓ Ｙ 等［２３］ 將網(wǎng)絡(luò)輿情生命周期劃分為起始、爆發(fā)和衰退３ 個(gè)階段。Ｌｉｕ Ｚ Ｘ 等［２４］ 將網(wǎng)絡(luò)輿情生命周期劃分為潛伏、擴(kuò)散、控制和穩(wěn)定４ 個(gè)階段。王根生等［２５］ 將網(wǎng)絡(luò)輿情生命周期劃分為孕育、爆發(fā)、蔓延、轉(zhuǎn)折和休眠５ 個(gè)階段。曾潤喜等［２６］將網(wǎng)絡(luò)輿情生命周期劃分為潛伏、成長、蔓延、爆發(fā)、衰退和死亡６ 個(gè)階段。相比于更復(fù)雜的多階段模型， 三階段模型最具有簡潔性、實(shí)用性和通用性，且不過分關(guān)注具體細(xì)節(jié)和特定情境， 能夠適應(yīng)更多的樣本案例， 應(yīng)用于更多不同的輿情情境［２７］ 。加之本研究涉及的案例數(shù)量相對較多， 為最大化適應(yīng)輿情情境， 因而本文選擇應(yīng)用最為普遍的三階段生命周期模型作為理論基礎(chǔ)， 將突發(fā)事件網(wǎng)絡(luò)輿情劃分為起始、爆發(fā)、衰退３ 個(gè)階段展開討論。

１. ２ 信息生態(tài)視角下網(wǎng)絡(luò)輿情相關(guān)研究

信息生態(tài)（Ｉｎｆｏｒｍａｔｉｏｎ Ｅｃｏｌｏｇｙ） 這一概念最早由美國學(xué)者Ｈｏｒｔｏｎ Ｆ Ｗ［２８］ 提出， 他將信息生態(tài)定義為人、信息和環(huán)境３ 個(gè)部分構(gòu)成的系統(tǒng)。后來，信息生態(tài)定義逐漸被學(xué)者們豐富， Ｎａｒｄｉ Ｂ Ａ［２９］ 將信息生態(tài)系統(tǒng)中的信息細(xì)化為實(shí)踐、價(jià)值和技術(shù)。李美娣［３０］ 將信息生態(tài)系統(tǒng)定義為信息本體、生命體及其周圍環(huán)境相互聯(lián)系和作用的有機(jī)整體。馬捷等［３１］ 將信息生態(tài)系統(tǒng)中的人細(xì)化為信息生產(chǎn)者、組織者、傳播者、消費(fèi)者和分解者。由于輿情生發(fā)要素特征與信息生態(tài)系統(tǒng)特征十分吻合， 很多學(xué)者將信息生態(tài)理論引入網(wǎng)絡(luò)輿情研究中， 概括為以下兩個(gè)方面： ①網(wǎng)絡(luò)輿情系統(tǒng)構(gòu)成研究， 引入信息生態(tài)理論構(gòu)建突發(fā)事件網(wǎng)絡(luò)輿情系統(tǒng)或分析社交媒體輿情傳播網(wǎng)絡(luò)結(jié)構(gòu)等。如， 牟冬梅等［３２］ 基于信息生態(tài)理論梳理突發(fā)公共事件網(wǎng)絡(luò)輿情生態(tài)因子， 探究輿情系統(tǒng)運(yùn)行過程。Ｌｕｏ Ｈ 等［３３］ 在信息生態(tài)理論的基礎(chǔ)上構(gòu)建輿情信息傳播網(wǎng)絡(luò)結(jié)構(gòu)， 多維度考察情緒對輿情信息傳播的影響； ②網(wǎng)絡(luò)輿情傳播模式研究， 引入信息生態(tài)理論探究網(wǎng)絡(luò)輿情生成機(jī)理、演化方式及衍生機(jī)理等。如， 張亞明等［３４］ 在信息生態(tài)視角下建立輿情種群框架， 探究網(wǎng)絡(luò)輿情反轉(zhuǎn)生成機(jī)理。王晰巍等［３５］ 與朱毅華等［３６］ 從信息生態(tài)視角出發(fā)， 構(gòu)建網(wǎng)絡(luò)輿情演化生態(tài)模型， 揭示輿情系統(tǒng)演化過程。田世海等［３７］ 結(jié)合信息生態(tài)理論分析網(wǎng)絡(luò)輿情構(gòu)成要素及作用關(guān)系， 揭示輿情衍生規(guī)律。

信息生態(tài)理論重點(diǎn)強(qiáng)調(diào)信息之間的聯(lián)動(dòng)效應(yīng)和動(dòng)態(tài)變化， 為研究者提供了一個(gè)綜合性、多層面的框架， 致使研究者能夠全面理解信息生態(tài)系統(tǒng)中信息的產(chǎn)生、傳播、相互作用和影響等。本文引入信息生態(tài)模型， 將突發(fā)事件網(wǎng)絡(luò)輿情信息生態(tài)系統(tǒng)劃分為信息主體、信息環(huán)境和信息本體３ 個(gè)維度， 嘗試對若干突發(fā)事件樣本案例進(jìn)行實(shí)證分析， 探究輿情傳播影響因素的聯(lián)合驅(qū)動(dòng)作用于輿情傳播的內(nèi)在機(jī)制。

１. ３ 研究述評

綜上所述， 通過對突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑及信息生態(tài)視角下網(wǎng)絡(luò)輿情現(xiàn)有研究進(jìn)行分析， 在突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑影響因素識(shí)別及組態(tài)效應(yīng)研究上得到３ 點(diǎn)啟示： ①信息生態(tài)理論提供了一個(gè)全面綜合的框架， 用于分析和解釋網(wǎng)絡(luò)輿情的形成和演變過程， 使研究者能夠更全面地理解信息傳播的復(fù)雜網(wǎng)絡(luò)及多元因素在網(wǎng)絡(luò)輿情中的相互作用；②網(wǎng)絡(luò)輿情具有明顯的生命周期規(guī)律和階段特性，不同階段下影響因素對輿情傳播的作用關(guān)系不同；③突發(fā)事件在地理位置、輿情持續(xù)時(shí)間等特征上存在差異性， 不同影響因素聯(lián)合作用于輿情熱度的效果會(huì)受到突發(fā)事件特征的影響。鑒于此， 本文從信息生態(tài)視角出發(fā)， 構(gòu)建輿情傳播路徑影響因素模型，并在輿情生命周期不同階段， 融合ｆｓＱＣＡ 方法與ＰＳＭ方法探究突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑的形成機(jī)制、演化規(guī)律與作用效果， 為有效干預(yù)和管理輿情提供科學(xué)依據(jù)。

２ 研究設(shè)計(jì)

２. １ 研究方法

定性比較分析（Ｑｕａｌｉｔａｔｉｖｅ Ｃｏｍｐａｒａｔｉｖｅ Ａｎａｌｙｓｉｓ）是以布爾代數(shù)為基礎(chǔ)， 解釋要素間互動(dòng)關(guān)系作用于結(jié)果的復(fù)雜機(jī)制的方法［３８］ 。網(wǎng)絡(luò)輿情傳播是動(dòng)態(tài)、復(fù)雜的過程， 其內(nèi)在機(jī)理受多種條件變量共同影響，本文運(yùn)用ｆｓＱＣＡ 可以使用模糊評價(jià)描述難以用精確數(shù)值表示的主觀因素， 較清晰地分析輿情傳播路徑， 并比較和評估各個(gè)因素的重要性［３９］ 。

研究步驟如下： ①數(shù)據(jù)采集。根據(jù)案例選取標(biāo)準(zhǔn)選取案例樣本， 再在時(shí)間序列上切分案例， 并依據(jù)輿情傳播影響因素指標(biāo)分階段收集數(shù)據(jù)； ②數(shù)據(jù)賦值與校準(zhǔn)。將案例集中的條件變量和結(jié)果變量數(shù)據(jù)進(jìn)行校準(zhǔn)， 轉(zhuǎn)化為集合（０，１）上的隸屬度； ③單一條件必要性分析。利用ｆｓＱＣＡ 軟件檢驗(yàn)單一條件變量必要性； ④組態(tài)分析。構(gòu)建真值表， 并依據(jù)ｆｓＱＣＡ 軟件輸出結(jié)果進(jìn)行組態(tài)分析； ⑤平均處理效應(yīng)計(jì)算。應(yīng)用Ｓｔａｔａ 軟件評估突發(fā)事件特征對輿情傳播組態(tài)路徑的因果效應(yīng)。

２. ２ 變量確定

借鑒信息生態(tài)理論將突發(fā)事件網(wǎng)絡(luò)輿情信息生態(tài)系統(tǒng)劃分為信息主體、信息環(huán)境和信息本體３ 大類要素作為條件變量。其中， 信息主體包括政府、網(wǎng)絡(luò)媒體、網(wǎng)民以及意見領(lǐng)袖。信息環(huán)境即社會(huì)環(huán)境。信息本體即突發(fā)事件類型。將突發(fā)事件網(wǎng)絡(luò)輿情傳播態(tài)勢作為結(jié)果變量， 研究高熱度突發(fā)事件網(wǎng)絡(luò)輿情傳播態(tài)勢和非高熱度突發(fā)事件網(wǎng)絡(luò)輿情傳播態(tài)勢， 理論模型如圖１ 所示。突發(fā)事件網(wǎng)絡(luò)輿情信息生態(tài)系統(tǒng)條件與結(jié)果的測量如表１ 所示。

２.３ 案例篩選與階段劃分標(biāo)準(zhǔn)

案例篩選標(biāo)準(zhǔn)如下： ①案例集在社會(huì)上要具有一定影響力， 確保問題具有研究意義； ②案例集內(nèi)部要具有最大異質(zhì)性， 事件類型要多元化， 確保研究結(jié)論具有普適性； ③案例數(shù)據(jù)要具有完整性， 選取數(shù)據(jù)可得性較高的案例， 確保研究具有良好的數(shù)據(jù)支撐。

階段劃分標(biāo)準(zhǔn)如下： 參考網(wǎng)絡(luò)輿情生命周期理論， 將突發(fā)事件網(wǎng)絡(luò)輿情劃分為起始期、爆發(fā)期和衰退期。首先， 將知微事見平臺(tái)上界定的輿情事件起止時(shí)間點(diǎn)視作樣本案例的起止時(shí)間點(diǎn)； 其次， 將輿情事件話題在熱搜榜單上首次出現(xiàn)的時(shí)間點(diǎn)視作起始期和爆發(fā)期的臨界點(diǎn)； 最后， 選擇Ｇｏｍｐｅｒｔｚ 模型劃分輿情爆發(fā)期與衰退期［４０］ ， 計(jì)算方法如式（１）所示：

其中， Ｘ 為輿情信息傳播量， ｒ 為輿情傳播固有增長率， Ｍ 為增長上限， Ｘ０ 為初值。

３ 實(shí)證分析

３. １ 數(shù)據(jù)獲取與預(yù)處理

樣本案例選取自知微事見平臺(tái)影響力榜單， 摘選２０２０—２０２３ 年４ 年間事故災(zāi)難、社會(huì)安全、衛(wèi)生和自然災(zāi)害４ 種類型的突發(fā)事件各１０ 起。本文依據(jù)階段劃分標(biāo)準(zhǔn)劃分案例集， 然后依據(jù)樣本案例集階段劃分時(shí)間在起始期、爆發(fā)期和衰退期分階段收集數(shù)據(jù)。政府、網(wǎng)絡(luò)媒體、意見領(lǐng)袖、社會(huì)環(huán)境數(shù)據(jù)分別借鑒知微事見平臺(tái)中央級媒體參與數(shù)量、重要渠道報(bào)道數(shù)量、意見領(lǐng)袖粉絲數(shù)量與事件影響力指數(shù)， 數(shù)據(jù)來源平臺(tái)涵蓋微博、微信公眾號、百度、搜狐、網(wǎng)易等； 百度咨詢指數(shù)是由網(wǎng)民的閱讀、評論、轉(zhuǎn)發(fā)、點(diǎn)贊等行為的數(shù)量進(jìn)行加權(quán)求和得出，全面描述了網(wǎng)民在輿論場中對事件的活躍程度， 其數(shù)據(jù)借鑒百度指數(shù)平臺(tái)； 利用Ｐｙｔｈｏｎ 編寫程序在微博平臺(tái)采集突發(fā)事件小時(shí)平均信息傳播量， 最終采集到４０ 個(gè)案例的６６８ ３０６條信息， 其中， 起始階段１０ １７９條、爆發(fā)階段３８８ ７１７條、衰退階段２６９ ４１０條。突發(fā)事件網(wǎng)絡(luò)輿情傳播爆發(fā)期條件和結(jié)果變量數(shù)據(jù)如表２ 所示。

３. ２ 數(shù)據(jù)賦值與校準(zhǔn)

按照ｆｓＱＣＡ 分析要求， 在組態(tài)分析前要將樣本中的條件和結(jié)果變量進(jìn)行校準(zhǔn)， 轉(zhuǎn)化為集合（０，１）上的隸屬度。本文將完全隸屬點(diǎn)、完全不隸屬點(diǎn)取自樣本數(shù)據(jù)的上下四分位點(diǎn)［４２］ ， 并代入ｆｓＱＣＡ 軟件進(jìn)行數(shù)據(jù)校準(zhǔn)。突發(fā)事件網(wǎng)絡(luò)輿情傳播條件與結(jié)果變量的校準(zhǔn)結(jié)果如表３ 所示。

３. ３ 單一條件必要性分析

單個(gè)條件變量必要性由一致性指標(biāo)衡量。一致性代表著單個(gè)條件變量致力于結(jié)果變量形成的重要程度， 一致性越高， 表明這一條件變量致使突發(fā)事件網(wǎng)絡(luò)輿情傳播的概率越高， 計(jì)算方法如式（２）所示。若單個(gè)條件變量一致性高于０. ９， 則認(rèn)為此條件變量是促進(jìn)結(jié)果變量產(chǎn)生的必要條件［４３］ 。單一條件必要性分析結(jié)果如表４ 所示。

Ｃｏｎｓｉｓｔｅｎｃｙ（Ｙｉ≤Ｘｉ ）＝ Σｍｉｎ（Ｘｉ ，Ｙｉ ）／ΣＹｉ （２）

由表４ 可知， 單個(gè)條件變量一致性均未高于０. ９， 可見， 突發(fā)事件網(wǎng)絡(luò)輿情傳播條件變量中并未有促進(jìn)高熱度或非高熱度網(wǎng)絡(luò)輿情傳播態(tài)勢形成的必要條件， 表明在突發(fā)事件網(wǎng)絡(luò)輿情各個(gè)發(fā)展階段， 網(wǎng)絡(luò)輿情傳播態(tài)勢均未受到相關(guān)單個(gè)條件變量的制約， 同樣表明高熱度或非高熱度網(wǎng)絡(luò)輿情傳播態(tài)勢的形成是多個(gè)條件變量共同作用所致。

３. ４ 組態(tài)分析

組態(tài)分析致力于探討若干個(gè)條件因素構(gòu)成不同組態(tài)路徑引發(fā)某種結(jié)果產(chǎn)生的充分性， 同樣使用一致性水平衡量充分性。本文使用ｆｓＱＣＡ３. ０ 軟件進(jìn)行分析， 組態(tài)充分一致性閾值設(shè)置為０. ８， ＰＲＩ 一致性閾值設(shè)置為０. ７， 由于本研究樣本規(guī)模屬于中小型， 所以將案例頻數(shù)閾值設(shè)置為１［４４］ ， 進(jìn)而得到高熱度和非高熱度輿情傳播路徑組態(tài)結(jié)果， 結(jié)果共有復(fù)雜解、簡單解與中間解３ 種。定性比較分析理論認(rèn)為， 如果某條件同時(shí)出現(xiàn)在簡單解和中間解中，則定義為核心條件， 如果只出現(xiàn)在中間解中， 則定義為輔助條件［４５］ 。本文結(jié)合簡單解和中間解， 形成影響結(jié)果變量形成的條件變量組合。高熱度和非高熱度突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑如表５ 所示。

由表５ 可知， 高熱度輿情傳播路徑在起始期、爆發(fā)期與衰退期分別形成３ 種、２ 種、３ 種組態(tài)， 且所有組態(tài)原始覆蓋率均高于凈覆蓋率， 代表著有輿情傳播路徑重復(fù)覆蓋案例的現(xiàn)象［４６］ 。起始期、爆發(fā)期、衰退期３ 個(gè)階段的高熱度輿情傳播路徑總體解的一致性分別為０. ８５２、０. ８４６、０. ８９１， 均高于可接受的０. ８， ３ 個(gè)階段總體解的原始覆蓋率分別為０. ４６９、０. ３９２、０. ３８４， 分別覆蓋４６. ９％、３９. ２％和３８. ４％的案例， 原始覆蓋率越大表明該組態(tài)覆蓋案例數(shù)越多、解釋力度越強(qiáng)。非高熱度輿情傳播路徑在起始期、爆發(fā)期、衰退期分別形成４ 種、４ 種、２ 種組態(tài)。３ 個(gè)階段的非高熱度輿情傳播路徑總體解的一致性分別為０. ８５５、０. ８１７、０. ８３０， 均高于可接受的０. ８， ３ 個(gè)階段總體解的原始覆蓋率分別為０. ４７７、０. ５１５、０. ４３８。５ 種高熱度突發(fā)事件網(wǎng)絡(luò)輿情傳播組態(tài)動(dòng)因構(gòu)型如表６ 所示。

３. ４. １ 突發(fā)事件輿情起始階段

１） 高熱度輿情類型

熱度潛力型———路徑Ｆ１， 社會(huì)環(huán)境發(fā)揮核心作用， 動(dòng)因構(gòu)型為“網(wǎng)民?社會(huì)環(huán)境?事件類型”。Ｆ１ 原始覆蓋率最高， 為高熱度輿情起始階段核心路徑。熱度潛力型作用機(jī)理為： 該類型突發(fā)事件與網(wǎng)民生活較為貼近， 能夠引起網(wǎng)民關(guān)注興趣。網(wǎng)絡(luò)媒體最先對突發(fā)事件進(jìn)行報(bào)道， 由此進(jìn)入社會(huì)公眾視野， 但是政府、網(wǎng)民、意見領(lǐng)袖參與程度還不太高， 關(guān)于事件話題的討論還未廣泛形成， 伴隨著時(shí)間推移， 關(guān)注此類型事件的社會(huì)公眾越來越多， 輿情熱度也越來越高。

媒體渲染型———路徑Ｆ２ａ、Ｆ２ｂ， 網(wǎng)絡(luò)媒體與事件類型發(fā)揮核心作用， 網(wǎng)民與意見領(lǐng)袖作為核心條件缺失。媒體渲染型作用機(jī)理為： 對于網(wǎng)絡(luò)媒體而言， 報(bào)道這一類型的突發(fā)事件可以獲得更高的點(diǎn)擊量和流量， 進(jìn)而帶來更多的收益。事件熱度經(jīng)網(wǎng)絡(luò)媒體宣傳開始上升， 大多數(shù)網(wǎng)民與意見領(lǐng)袖并無此類突發(fā)事件的第一手材料， 他們所獲取的信息大多來自網(wǎng)絡(luò)媒體的報(bào)道， 事件信息由網(wǎng)絡(luò)媒體報(bào)道進(jìn)入公眾視野。

２） 非高熱度輿情類型

緩慢發(fā)展型———路徑Ａ１ａ、Ａ１ｂ、Ａ１ｃ， 輿情傳播各影響因素作為核心條件缺失。Ａ１ｂ 原始覆蓋率最高， 為非高熱度起始階段核心路徑。緩慢發(fā)展型作用機(jī)理為： 事件在網(wǎng)絡(luò)上開始發(fā)酵， 但對社會(huì)造成的影響還不大， 輿情傳播主體對這一類型突發(fā)事件關(guān)注較少， 關(guān)于突發(fā)事件相關(guān)的談?wù)撆c話題較少，輿情整個(gè)形成速度較緩慢， 整個(gè)形成過程熱度同樣不高。

介入低溫型———路徑Ａ２， 動(dòng)因構(gòu)型為“政府?網(wǎng)絡(luò)媒體?～網(wǎng)民?～意見領(lǐng)袖?社會(huì)環(huán)境?～事件類型”， 政府、網(wǎng)絡(luò)媒體、社會(huì)環(huán)境作為邊緣條件存在， 網(wǎng)民與意見領(lǐng)袖作為邊緣條件缺失。介入低溫型作用機(jī)理為： 該類型的突發(fā)事件對社會(huì)造成的影響較小， 網(wǎng)民與意見領(lǐng)袖不太活躍， 但是政府參與到了話題討論中， 也正是由于政府官方信息的介入， 讓社會(huì)公眾了解了事件的前因后果， 致使該類型的突發(fā)事件未在網(wǎng)民中引起過多的話題討論， 也是輿情形成速度緩慢的主要原因。

３. ４. ２ 突發(fā)事件輿情爆發(fā)階段

１） 高熱度輿情類型

權(quán)威主導(dǎo)型———路徑Ｓ１， 動(dòng)因構(gòu)型為“政府?～網(wǎng)絡(luò)媒體?～網(wǎng)民?～意見領(lǐng)袖?～社會(huì)環(huán)境?～事件類型”， 政府作為邊緣條件存在， 其余要素作為邊緣條件缺失。權(quán)威主導(dǎo)型作用機(jī)理為： 事件信息首先是由政府通過官方渠道報(bào)道給社會(huì)公眾， 從而引起媒體、網(wǎng)民、意見領(lǐng)袖等信息主體的廣泛關(guān)注， 致使話題討論量進(jìn)入爆發(fā)階段， 形成高熱度輿情傳播態(tài)勢， 但由于官方信息的權(quán)威屬性導(dǎo)致這一話題并未在互聯(lián)網(wǎng)上形成具有危害性的輿論場， 輿情正逐步朝著正確方向發(fā)展。

網(wǎng)民狂熱型———路徑Ｓ２， 動(dòng)因構(gòu)型為“ ～ 政府?～網(wǎng)絡(luò)媒體?網(wǎng)民?～意見領(lǐng)袖?～社會(huì)環(huán)境?事件類型”， 事件類型與網(wǎng)民起核心作用， 網(wǎng)絡(luò)媒體作為核心條件缺席， 政府、意見領(lǐng)袖與社會(huì)環(huán)境作為邊緣條件缺席。Ｓ２ 原始覆蓋率最高， 為高熱度輿情爆發(fā)階段核心路徑。網(wǎng)民狂熱型作用機(jī)理為：突發(fā)事件同樣與民生相關(guān)性較高， 網(wǎng)民對此類型突發(fā)事件有較深感觸。與“熱度潛力型” 不同的是，該類型突發(fā)事件已經(jīng)引起了社會(huì)公眾的廣泛參與，關(guān)于事件話題討論已廣泛傳播， 網(wǎng)民紛紛在互聯(lián)網(wǎng)上表達(dá)自身的思考、情緒、看法等， 并吸引更多的網(wǎng)民參與其中， 形成高熱度輿情傳播態(tài)勢。

２） 非高熱度輿情類型

領(lǐng)袖引導(dǎo)型———路徑Ｅ１ａ、Ｅ１ｂ， 意見領(lǐng)袖、事件類型占據(jù)主導(dǎo)地位， 網(wǎng)媒起輔助作用， 網(wǎng)民作為核心條件缺席。Ｅ１ｂ 原始覆蓋率最高， 為非高熱度輿情爆發(fā)階段核心路徑。領(lǐng)袖引導(dǎo)型作用機(jī)理為：由于意見領(lǐng)袖在網(wǎng)民中具有較高的影響力， 其對突發(fā)事件進(jìn)行詳細(xì)介紹并發(fā)表了自身看法后， 吸引了社會(huì)公眾對事件的關(guān)注， 使得該事件在互聯(lián)網(wǎng)上具有一定熱度， 也正是由于意見領(lǐng)袖的發(fā)言， 促使網(wǎng)民加深了對事件的理解， 從而并未在互聯(lián)網(wǎng)上發(fā)表過多言論。

標(biāo)簽冷漠型———路徑Ｅ２、Ｅ３。事件類型起輔助作用， Ｅ２ 中政府、網(wǎng)絡(luò)媒體、網(wǎng)民、社會(huì)環(huán)境作為邊緣條件缺席， 意見領(lǐng)袖作為核心條件缺失，Ｅ３ 中政府、網(wǎng)絡(luò)媒體、網(wǎng)民、社會(huì)環(huán)境作為邊緣條件存在， 意見領(lǐng)袖作為邊緣條件缺失。標(biāo)簽冷漠型作用機(jī)理為： 社會(huì)公眾對社會(huì)上頻發(fā)的這一類突發(fā)事件早已習(xí)以為常， 關(guān)注程度不高， 但源于與此類事件接觸較多、對其較為熟悉， 均注意到了此類突發(fā)事件， 致使該類突發(fā)事件仍具有一定熱度。

３. ４. ３ 突發(fā)事件輿情衰退階段

１） 高熱度輿情類型

廣泛影響型———路徑Ｒ１ａ、Ｒ１ｂ、Ｒ１ｃ， 共用社會(huì)環(huán)境這一核心因素， 網(wǎng)絡(luò)媒體、意見領(lǐng)袖與事件類型起補(bǔ)充作用。Ｒ１ｃ 原始覆蓋率最高， 為高熱度輿情衰退階段核心路徑。廣泛影響型作用機(jī)理為：當(dāng)突發(fā)事件對社會(huì)造成的影響較大時(shí)， 引起了網(wǎng)絡(luò)媒體、意見領(lǐng)袖的爭相報(bào)道， 網(wǎng)民也在很大程度上了解了事件全貌， 但是由于此類事件對民眾日常生活未造成影響， 事件雖熱度較高， 但持續(xù)時(shí)間較短。

２） 非高熱度輿情類型

輿情平息型———路徑Ｄ１、Ｄ２， 輿情信息主體很少參與到突發(fā)事件話題討論中， 事件類型占據(jù)主要作用。Ｄ１ 原始覆蓋率最高， 為非高熱度輿情衰退階段核心路徑。輿情平息型作用機(jī)理為： 隨著時(shí)間的推移， 輿情信息主體漸漸減少了對突發(fā)事件的關(guān)注， 且在輿情熱度衰退階段， 該類型突發(fā)事件網(wǎng)絡(luò)輿情并未發(fā)生任何反轉(zhuǎn)， 事件熱度逐漸下降， 輿情漸漸得到平息。

４ 組態(tài)構(gòu)型對突發(fā)事件網(wǎng)絡(luò)輿情熱度的影響分析

４. １ 高熱度突發(fā)事件網(wǎng)絡(luò)輿情組態(tài)傾向得分計(jì)算

本研究將受高熱度輿情組態(tài)動(dòng)因影響的突發(fā)事件案例作為實(shí)驗(yàn)組， 將未受高熱度輿情組態(tài)動(dòng)因影響的突發(fā)事件案例作為對照組， 運(yùn)用ＰＳＭ 方法開展反事實(shí)分析， 以提高輿情傳播路徑結(jié)果的可信度和準(zhǔn)確性。以輿情熱度是否受信息主體、信息環(huán)境和信息本體不同組合的影響為結(jié)果變量， 以突發(fā)事件特征為自變量， 采用Ｌｏｇｉｔ 回歸模型計(jì)算高熱度突發(fā)事件網(wǎng)絡(luò)輿情組態(tài)傾向得分ＰＳｉ ， 計(jì)算方法如式（３） 所示。突發(fā)事件特征包括： ①突發(fā)事件發(fā)生地， 將突發(fā)事件發(fā)生地劃分為中國的東、中、西部以及國外， 用啞變量表示； ②突發(fā)事件網(wǎng)絡(luò)輿情持續(xù)時(shí)間， 根據(jù)知微事見所記錄的突發(fā)事件網(wǎng)絡(luò)輿情起始與結(jié)束時(shí)間差值測量。傾向得分結(jié)果如表７所示。

ＰＳｉ ＝Ｐｒ ［Ｄｉ ＝１｜Ｘｉ ］ ＝Ｅ［Ｄｉ ＝０｜Ｘｉ ］ （３）

其中， Ｄｉ ＝ １ 表示ｉ 案例受高熱度輿情組態(tài)動(dòng)因影響； Ｄｉ ＝０ 表示ｉ 案例未受高熱度輿情組態(tài)動(dòng)因影響； Ｘｉ 表示可觀測的控制變量。

４. ２ 樣本匹配效果

本研究應(yīng)用核匹配方法對不同類型的高熱度網(wǎng)絡(luò)輿情組態(tài)傾向得分進(jìn)行樣本匹配。以網(wǎng)民狂熱型組態(tài)類型為例， 匹配后網(wǎng)民狂熱型組態(tài)類型各變量平衡性檢驗(yàn)結(jié)果如表８ 所示。由表８ 可得， 匹配后兩個(gè)變量的Ｔ 值降低， Ｐ 值變?yōu)椴伙@著， 表明匹配后實(shí)驗(yàn)組案例與對照組案例在變量上無明顯差異，可見， 本研究的傾向得分匹配通過了平衡性檢驗(yàn)。匹配前后網(wǎng)民狂熱型組態(tài)類型（實(shí)驗(yàn)組）與對照組的核密度函數(shù)對比如圖２（ａ）和圖２（ｂ）所示， 匹配后實(shí)驗(yàn)組和對照組的核密度曲線更加趨于一致， 且兩個(gè)變量的偏差均得到了改善， ＬＲ－Ｃｈｉ２ 值從９. １９降至０. １９， ｐ 值從０. ０１０ 增加至０. ９０８， 說明傾向得分匹配的結(jié)果較為理想， 意味著實(shí)驗(yàn)組與對照組之間的唯一區(qū)別在于： 前者為受高熱度輿情組態(tài)動(dòng)因影響， 后者為未受高熱度輿情組態(tài)動(dòng)因影響。

４. ３ 不同組態(tài)對輿情熱度的影響分析

本文通過核匹配方法進(jìn)行平均效應(yīng)值（ＡＴＴ）估計(jì)， 計(jì)算方法如式（４） 所示。不同輿情組態(tài)對突發(fā)事件網(wǎng)絡(luò)輿情熱度影響的ＰＳＭ 分析結(jié)果如表９所示。

ＴＡＴＴ ＝Ｅ［Ｙ１ｉ －Ｙ０ｉ ］ ＝Ｅ［Ｙ１ｉ ｜Ｔｉ ＝１］－Ｅ［Ｙ０ｉ ｜Ｔｉ ＝０］（４）

其中， Ｙ１ｉ表示受高熱度輿情組態(tài)動(dòng)因影響， Ｙ０ｉ表示未受高熱度輿情組態(tài)動(dòng)因影響。

如表９ 所示， 匹配后， 熱度潛力型與廣泛影響型Ｔ 值分別為２. １、２. ６８， 大于臨界值１. ９６， 表明這兩種組態(tài)構(gòu)型的突發(fā)事件網(wǎng)絡(luò)輿情熱度顯著高于對照組， 媒體渲染型、權(quán)威主導(dǎo)型與網(wǎng)民狂熱型Ｔ值絕對值小于１. ９６， 表明這３ 種組態(tài)構(gòu)型的突發(fā)事件輿情熱度與對照組差異并不明顯。在輿情起始期的熱度潛力型組態(tài)構(gòu)型中， 突發(fā)事件類型、社會(huì)環(huán)境與網(wǎng)民在輿情熱度提升中發(fā)揮主要作用， 突發(fā)事件類型會(huì)影響輿情的發(fā)展軌跡， 社會(huì)環(huán)境扮演著塑造輿論方向的重要角色， 網(wǎng)民在信息傳播和輿情發(fā)展中擔(dān)任主要力量。因此， 當(dāng)突發(fā)事件與網(wǎng)民生活貼近度越高時(shí)， 突發(fā)事件在社會(huì)中的共鳴度和傳播速度就越高， 輿情就越容易發(fā)生并進(jìn)入爆發(fā)狀態(tài)。在輿情衰退期的廣泛影響型組態(tài)構(gòu)型中， 網(wǎng)絡(luò)媒體、意見領(lǐng)袖與社會(huì)環(huán)境在輿情熱度提升中發(fā)揮主要作用， 網(wǎng)絡(luò)媒體作為信息的主要傳播渠道， 其通過報(bào)道、評論和分析引導(dǎo)公眾對事件的關(guān)注和態(tài)度，意見領(lǐng)袖的言論和行為往往能夠在網(wǎng)絡(luò)上引起軒然大波， 在輿論引導(dǎo)和社會(huì)影響力方面發(fā)揮著重要作用， 在這個(gè)階段， 網(wǎng)絡(luò)媒體與意見領(lǐng)袖在政府及網(wǎng)民溝通中擔(dān)任起橋梁的角色， 協(xié)助政府向網(wǎng)民傳播事件真實(shí)情況， 并向政府傳達(dá)網(wǎng)民疑問， 直至輿情熱度漸漸降低進(jìn)入平息狀態(tài)。

５ 討論與分析

５. １ 研究結(jié)論

本文對４０ 起突發(fā)事件案例進(jìn)行多階段ｆｓＱＣＡ分析， 探究了突發(fā)事件網(wǎng)絡(luò)輿情傳播６ 種影響因素對輿情傳播路徑的作用機(jī)理， 并結(jié)合ＰＳＭ 方法評估傳播路徑作用于輿情熱度的效果， 理論創(chuàng)新性體現(xiàn)在３ 個(gè)方面： ①突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑影響因素指標(biāo)構(gòu)建。信息生態(tài)理論是用于理解信息傳播和交流的理論框架， 網(wǎng)絡(luò)輿情是由政府、網(wǎng)民、網(wǎng)絡(luò)媒體等多元因素構(gòu)成的復(fù)雜系統(tǒng)， 本文參考信息生態(tài)理論選取突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑影響因素，有助于全面分析輿情傳播的多樣性和復(fù)雜性。②在網(wǎng)絡(luò)輿情生命周期基礎(chǔ)上開展多階段ｆｓＱＣＡ 分析。網(wǎng)絡(luò)輿情具有明顯的階段性和周期規(guī)律， 若忽視網(wǎng)絡(luò)輿情系統(tǒng)的動(dòng)態(tài)性， 將難以針對輿情具體進(jìn)程實(shí)施精準(zhǔn)治理方案， 會(huì)降低輿情治理效率。本文將突發(fā)事件網(wǎng)絡(luò)輿情劃分為起始期、爆發(fā)期與衰退期，分階段探究突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑影響因素作用于輿情傳播態(tài)勢的差異化驅(qū)動(dòng)機(jī)制， 為治理突發(fā)事件網(wǎng)絡(luò)輿情提供了新的理論思路。③應(yīng)用ＰＳＭ方法評估突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑作用效果。突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑對輿情熱度提升是否具有作用效果需要運(yùn)用更客觀的方法進(jìn)行驗(yàn)證， 本文融合ｆｓＱＣＡ 與ＰＳＭ 方法， 通過定性與定量相結(jié)合的方式分析了不同傳播路徑下的突發(fā)事件網(wǎng)絡(luò)輿情熱度。

研究發(fā)現(xiàn)， 政府、網(wǎng)絡(luò)媒體、網(wǎng)民、意見領(lǐng)袖、事件類型與社會(huì)環(huán)境是突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑影響因素。突發(fā)事件網(wǎng)絡(luò)輿情傳播路徑受政府、網(wǎng)民、事件類型等多種因素共同影響。各個(gè)影響因素在網(wǎng)絡(luò)輿情起始期、爆發(fā)期和衰退期相互作用， 共形成１０ 種輿情類型， ５ 種高熱度突發(fā)事件網(wǎng)絡(luò)輿情組態(tài)類型對網(wǎng)絡(luò)輿情熱度影響具有顯著差異性。結(jié)論如下：

１） 在輿情起始階段， 由路徑Ｆ１、Ｆ２ａ、Ｆ２ｂ、Ａ１ａ、Ａ１ｂ、Ａ１ｃ、Ａ２ 可知， 各個(gè)輿情主體要素均不太活躍， 較少地參與到突發(fā)事件話題討論中， 可供相關(guān)部門監(jiān)測到的輿情信息較少， 輿情監(jiān)測較為困難。然而， 由高熱度輿情核心路徑Ｆ１ 可知， 事件類型與社會(huì)環(huán)境是輿情生成與傳播主要因素， 表現(xiàn)為突發(fā)事件與網(wǎng)民生活越貼近、對社會(huì)造成的影響越大， 輿情形成速度就越快， 熱度就會(huì)越高。另外，參與到話題討論中的輿情主體要素越多， 輿情形成速度與熱度同樣會(huì)越快、越高。

２） 在輿情爆發(fā)階段， 由高熱度輿情核心路徑Ｓ２ 可知， 網(wǎng)民與事件類型是輿情傳播主要因素， 而且單個(gè)信息主體的存在就可以致使突發(fā)事件話題討論量進(jìn)入爆發(fā)增長階段， 但每個(gè)信息主體在輿情傳播路徑中發(fā)揮的作用不同。由路徑Ｓ１、Ｓ２ 可知， 根據(jù)突發(fā)事件類型的不同， 政府部門參與與否都有可能引發(fā)輿情進(jìn)入爆發(fā)階段； 對于網(wǎng)民而言， 龐大的網(wǎng)民數(shù)量為高熱度輿情傳播創(chuàng)造了條件， 網(wǎng)民越活躍， 網(wǎng)絡(luò)輿情形成速度越快， 熱度越高。由路徑Ｅ１ａ、Ｅ１ｂ 可知， 網(wǎng)絡(luò)媒體與意見領(lǐng)袖對于輿情傳播路徑的形成多是輔助條件， 網(wǎng)絡(luò)媒體促使更多的政府機(jī)構(gòu)與網(wǎng)民參與到話題討論中， 加快輿情的廣泛傳播，意見領(lǐng)袖則是更容易激發(fā)網(wǎng)民對輿情事件話題的關(guān)注興趣， 致使輿情向更高熱度方向發(fā)展。

３） 在輿情衰退階段， 由高熱度輿情核心路徑Ｒ１ｃ 可知， 政府是輿情平息主要因素， 政府介入有助于輿情熱度漸漸進(jìn)入平息狀態(tài)。由路徑Ｒ１ａ、Ｒ１ｂ可知， 當(dāng)各個(gè)輿情信息主體要素均不太活躍時(shí)， 事件熱度便會(huì)逐漸下降， 輿情熱度也會(huì)逐漸平息， 但是有輿情信息主體要素再次參與到事件討論中， 即形成類似輿情爆發(fā)期狀態(tài)的組態(tài)路徑， 有極大可能再次生成高熱度網(wǎng)絡(luò)輿情， 造成二次輿情危害。

５. ２ 管理啟示

事件類型與社會(huì)環(huán)境是輿情起始關(guān)鍵因素， 網(wǎng)民與事件類型是輿情爆發(fā)關(guān)鍵因素， 而政府是輿情平息關(guān)鍵因素， 可見， 政府在突發(fā)事件網(wǎng)絡(luò)輿情引導(dǎo)與監(jiān)管中擔(dān)當(dāng)著至關(guān)重要的作用。因此， 本文從政府層面提出如下輿情引導(dǎo)與治理的相關(guān)建議：

５. ２. １ 構(gòu)建權(quán)威信息平臺(tái)

政府是輿情平息關(guān)鍵力量， 相對于網(wǎng)絡(luò)媒體、意見領(lǐng)袖及網(wǎng)民而言， 政府具有更高的效率與便利收集信息的優(yōu)勢。政府應(yīng)當(dāng)組建輿情監(jiān)測小組， 構(gòu)建權(quán)威信息平臺(tái)收集輿論相關(guān)信息， 如輿情起因、輿論走向、網(wǎng)民情緒、政府官方報(bào)道、話題起止時(shí)間、話題熱度、涉事人報(bào)道與意見領(lǐng)袖發(fā)言等， 結(jié)合輿情傳播路徑規(guī)律原理， 精確地判斷網(wǎng)絡(luò)輿情所處的具體發(fā)展階段和組態(tài)路徑。

５. ２. ２ 掌握群眾信息需求

高效掌握群眾所需、平息群眾討論事件熱度是緩解輿情問題的有力方法。對此， 政府可以利用先進(jìn)技術(shù)與方法， 將得到的突發(fā)事件網(wǎng)絡(luò)輿情信息加以分析， 針對輿情不同組態(tài)類型， 在輿情不同發(fā)展階段， 采取相應(yīng)的防范措施滿足群眾所需。在輿情起始期， 突發(fā)事件與民眾生活越貼近， 對社會(huì)造成的影響越惡劣， 其輿情形成速度越快， 熱度越高，因此， 政府應(yīng)當(dāng)在輿情起始階段監(jiān)測網(wǎng)民的閱讀、評論、轉(zhuǎn)發(fā)、點(diǎn)贊等行為， 及時(shí)發(fā)現(xiàn)輿情信息， 識(shí)別網(wǎng)民的關(guān)注點(diǎn)與情緒狀態(tài)； 在爆發(fā)期， 全面分析了解社會(huì)公眾“心聲”， 探究其原因， 針對公眾關(guān)注的熱點(diǎn)問題和情緒點(diǎn)， 將事件信息真實(shí)完整地通過公眾熟知的平臺(tái)發(fā)布出去， 科學(xué)并積極地疏導(dǎo)網(wǎng)民情緒； 在衰退期， 不能對輿情放松警惕， 應(yīng)當(dāng)時(shí)刻把握輿論動(dòng)向， 捕捉輿情熱點(diǎn)和網(wǎng)民情緒動(dòng)向，統(tǒng)計(jì)不同時(shí)期內(nèi)網(wǎng)民的關(guān)注點(diǎn)與情緒分布狀況， 防止輿情由于消極情緒、碎片信息、謠言等原因出現(xiàn)復(fù)燃現(xiàn)象。

５. ２. ３ 發(fā)揮媒體傳播作用

網(wǎng)絡(luò)媒體和意見領(lǐng)袖在輿情傳播過程中起到輔助作用， 能夠影響輿情熱度的升高或降低。如果缺乏引導(dǎo)， 網(wǎng)絡(luò)媒體和意見領(lǐng)袖會(huì)在一定程度上導(dǎo)致輿情熱度向著不穩(wěn)定的方向發(fā)展。因此， 政府應(yīng)在網(wǎng)絡(luò)媒體和意見領(lǐng)袖之間發(fā)揮引導(dǎo)作用， 協(xié)同它們搭建政府與網(wǎng)民交流的紐帶平臺(tái)。通過這一平臺(tái)，網(wǎng)絡(luò)媒體和意見領(lǐng)袖可以以更通俗易懂的語言傳達(dá)政府關(guān)于突發(fā)事件的通告， 政府也可以通過媒體和意見領(lǐng)袖的評論文章、專題報(bào)道等， 引導(dǎo)公眾理性看待事件， 防止情緒過度波動(dòng)。同時(shí)， 該平臺(tái)還能高效收集社會(huì)公眾的具體想法， 幫助政府機(jī)構(gòu)更有效地引導(dǎo)和治理輿情。

６ 結(jié) 語

明晰網(wǎng)絡(luò)輿情傳播機(jī)理對高效治理網(wǎng)絡(luò)輿情意義重大。本文基于信息生態(tài)理論構(gòu)建了突發(fā)事件網(wǎng)絡(luò)輿情傳播影響因素指標(biāo)， 選取了４０ 件突發(fā)事件，在時(shí)間序列上開展多階段ｆｓＱＣＡ 分析， 深入挖掘了各個(gè)輿情傳播影響因素在輿情不同發(fā)展階段作用于輿情傳播的內(nèi)在機(jī)理， 并選取ＰＳＭ 方法驗(yàn)證輿情組態(tài)類型的作用效果， 進(jìn)而為政府部門掌握輿情傳播規(guī)律原理， 在突發(fā)事件網(wǎng)絡(luò)輿情不同發(fā)展階段制定高效防范措施， 有效降低網(wǎng)絡(luò)輿情給社會(huì)造成的危害提供一定參考。網(wǎng)絡(luò)輿情會(huì)隨著互聯(lián)網(wǎng)的更新迭代迅速發(fā)生變化， 未來將根據(jù)案例實(shí)際豐富完善網(wǎng)絡(luò)輿情傳播影響因素指標(biāo)， 并擴(kuò)大突發(fā)事件案例的選取， 盡量覆蓋所有類型的突發(fā)事件進(jìn)行實(shí)證分析。

參考文獻(xiàn)

［１］ 謝媛， 李本乾． 新媒體環(huán)境下突發(fā)環(huán)境事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)信息感知模型［Ｊ］． 現(xiàn)代情報(bào)， ２０２３， ４３ （６）： １５８－１６５．

［２］ 龔艷． 面向公共衛(wèi)生安全網(wǎng)絡(luò)輿情預(yù)警的弱關(guān)聯(lián)挖掘方法研究［Ｊ］． 情報(bào)科學(xué)， ２０２２， ４０ （６）： １９－２４．

［３］ 王明珠， 劉怡君， 郭林江． 基于演化博弈的網(wǎng)絡(luò)輿情“時(shí)、度、效” 治理研究［Ｊ］． 管理評論， ２０２３， ３５ （８）： ３１５－３２６．

［４］ 周歡， 張培穎， 黃曉怡， 等． 事件系統(tǒng)視角下網(wǎng)絡(luò)輿情態(tài)勢感知研究［Ｊ］． 情報(bào)雜志， ２０２４， ４３ （２）： １３５－１４２， １１７．

［５］ 賈盼斗， 尹春華． 區(qū)塊鏈社交網(wǎng)絡(luò)信息傳播特征及規(guī)律研究［Ｊ］． 情報(bào)科學(xué)， ２０２１， ３９ （１）： ３５－４０， ４７．

［６］ 王建亞， 宇文姝麗． 網(wǎng)絡(luò)輿情生態(tài)系統(tǒng)的構(gòu)成及運(yùn)行機(jī)制研究［Ｊ］． 情報(bào)理論與實(shí)踐， ２０１４， ３７ （１）： ５５－５８， １６．

［７］ Ｍｉｌｌｅｒ Ｄ． Ｃｏｎｆｉｇｕｒａｔｉｏｎｓ Ｒｅｖｉｓｉｔｅｄ ［Ｊ］． Ｓｔｒａｔｅｇｉｃ Ｍａｎａｇｅｍｅｎｔ Ｊｏｕｒ?ｎａｌ， １９９６， １７ （７）： ５０５－５１２．

［８］ 單曉紅， 齊家藝， 曹羽， 等． 上市公司網(wǎng)絡(luò)輿情危機(jī)形成路徑研究［Ｊ］． 情報(bào)理論與實(shí)踐， ２０２３， ４６ （９）： １６７－１７４．

［９］ 李梅， 王佳楠． 反轉(zhuǎn)新聞高熱度傳播路徑及“競爭性真相” 的呈現(xiàn)———基于３０ 例反轉(zhuǎn)新聞的清晰集定性比較分析（ＱＣＡ） ［Ｊ］． 當(dāng)代傳播， ２０２３ （２）： ２３－２８．

［１０］ 陳迎欣， 蘇澤偉， 周蕾． 災(zāi)害救助信息網(wǎng)絡(luò)傳播的關(guān)鍵因素及有效路徑［Ｊ］． 情報(bào)雜志， ２０２２， ４１ （５）： １０６－１１１．

［１１］ 馮蘭萍， 嚴(yán)雪， 程鐵軍． 基于政府干預(yù)和主流情緒的突發(fā)事件網(wǎng)絡(luò)輿情群體負(fù)面情緒演化研究［Ｊ］． 情報(bào)雜志， ２０２１， ４０（６）： １４３－１５５．

［１２］ Ｗｕ Ｙ Ｍ， Ｒｅｎ Ｗ， Ｚｈａｎｇ Ｙ． Ａｔｔａｃｋｓ ａｎｄ Ｒｅｍｅｄｉｅｓ ｉｎ Ｏｎｌｉｎｅ ＰｕｂｌｉｃＯｐｉｎｉｏｎ Ｒｅｖｅｒｓａｌ Ｅｖｅｎｔｓ ［Ｊ］． Ｐｒａｇｍａｔｉｃｓ ａｎｄ Ｓｏｃｉｅｔｙ， ２０２４， １５（３）： ４４８－４７０．

［１３］ 江成， 申潔， 朱建明． “回音室” 效應(yīng)下社會(huì)化媒體不實(shí)信息傳播的意見領(lǐng)袖群組識(shí)別與分析研究［Ｊ］． 管理評論， ２０２４，３６ （３）： １３２－１４５．

［１４］ Ｚｈｕ Ｈ， Ｈｕ Ｂ． Ｉｍｐａｃｔ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ｏｎ Ｐｕｂｌｉｃ Ｏｐｉｎｉｏｎ Ｒｅｖｅｒｓａｌ－Ａｎ Ａｇｅｎｔ Ｂａｓｅｄ Ｍｏｄｅｌ ［ Ｊ］． Ｐｈｙｓｉｃａ Ａ－Ｓｔａｔｉｓｔｉｃａｌ Ｍｅｃｈａｎｉｃｓ ａｎｄＩｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ， ２０１８， ５１２： ５７８－５８７．

［１５］ 祁凱， 李昕． 基于Ｓ３ＥＩＲ 模型的政務(wù)短視頻網(wǎng)民情緒感染路徑研究［Ｊ］． 情報(bào)理論與實(shí)踐， ２０２２， ４５ （１０）： １６４－１６８， １２４．

［１６］ 單曉紅， 崔鳳艷， 劉曉燕， 等． 組態(tài)視角下網(wǎng)絡(luò)輿情衍生話題形成路徑研究———基于微博數(shù)據(jù)的模糊集定性比較分析［Ｊ］．情報(bào)理論與實(shí)踐， ２０２２， ４５ （４）： １６２－１６９．

［１７］ Ｇａｏ Ｓ， Ｚｈａｎｇ Ｙ， Ｌｉｕ Ｗ Ｈ． Ｈｏｗ Ｄｏｅｓ Ｒｉｓｋ－Ｉｎｆｏｒｍａｔｉｏｎ Ｃｏｍ?ｍｕｎｉｃａｔｉｏｎ Ａｆｆｅｃｔ ｔｈｅ Ｒｅｂｏｕｎｄ ｏｆ Ｏｎｌｉｎｅ Ｐｕｂｌｉｃ Ｏｐｉｎｉｏｎ ｏｆ ＰｕｂｌｉｃＥｍｅｒｇｅｎｃｉｅｓ ｉｎ Ｃｈｉｎａ？ ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ ＥｎｖｉｒｏｎｍｅｎｔａｌＲｅｓｅａｒｃｈ ａｎｄ Ｐｕｂｌｉｃ Ｈｅａｌｔｈ， ２０２１， １８ （１５）： ７７６０．

［１８］ 謝樂， 楊波， 楊美芳， 等． 企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情負(fù)性偏向驅(qū)動(dòng)機(jī)制研究———基于４０ 個(gè)案例的兩階段ｆｓＱＣＡ 分析［Ｊ］． 管理評論， ２０２３， ３５ （７）： ３３９－３５２．

［１９］ Ｙｅ Ｐ Ｈ， Ｌｉｕ Ｌ Ｑ． Ｆａｃｔｏｒｓ Ｉｎｆｌｕｅｎｃｉｎｇ Ｃｏｌｌｅｇｅ Ｓｔｕｄｅｎｔｓ Ｂｅｈａｖｉｏｕｒｓｏｆ Ｓｐｒｅａｄｉｎｇ Ｉｎｔｅｒｎｅｔ Ｐｕｂｌｉｃ Ｏｐｉｎｉｏｎｓ ｏｎ Ｅｍｅｒｇｅｎｃｉｅｓ ｉｎ Ｕｎｉｖｅｒｓｉｔｉｅｓ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ Ｄｉｓｃｏｖｅｒｙ ａｎｄ Ｄｅｌｉｖｅｒｙ， ２０２２， ５０ （１）： ７５－８６．

［２０］ 李露琪， 侯麗， 鄧勝利． 突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)虛假信息傳播行為影響因素研究———以新冠疫情期間微博虛假信息為例［Ｊ］． 圖書情報(bào)工作， ２０２２， ６６ （９）： ４－１３．

［２１］ 徐緒堪， 藍(lán)姚瑤， 王曉嬌． 面向突發(fā)事件的微博用戶轉(zhuǎn)發(fā)行為影響因素研究［Ｊ］． 情報(bào)科學(xué)， ２０２２， ４０ （５）： １１－１８．

［２２］ 王苗， 張冰超． 社交媒體情境下旅游輿情傳播路徑研究———基于信息認(rèn)知與情感滲透的耦合視角［Ｊ］． 財(cái)經(jīng)問題研究， ２０２０（７）： ９４－１０１．

［２３］ Ｌｉ Ｓ Ｙ， Ｌｉｕ Ｚ Ｘ， Ｌｉ Ｙ Ｌ． Ｔｅｍｐｏｒａｌ ａｎｄ Ｓｐａｔｉａｌ Ｅｖｏｌｕｔｉｏｎ ｏｆ Ｏｎ?ｌｉｎｅ Ｐｕｂｌｉｃ Ｓｅｎｔｉｍｅｎｔ ｏｎ Ｅｍｅｒｇｅｎｃｉｅｓ ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ＆ Ｍａｎａｇｅｍｅｎｔ， ２０２０， ５７ （２）： １０２１７７．

［２４］ Ｌｉｕ Ｚ Ｘ， Ｗｕ Ｘ Ｗ． Ｓｔｒｕｃｔｕｒａｌ Ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ Ｅｖｏｌｕｔｉｏｎ Ｍｅｃｈａｎｉｓｍｏｆ Ｏｎｌｉｎｅ Ｐｕｂｌｉｃ Ｏｐｉｎｉｏｎ ａｎｄ ｉｔｓ Ｄｅｖｅｌｏｐｍｅｎｔ Ｓｔａｇｅｓ Ｂａｓｅｄ ｏｎ Ｍａ?ｃｈｉｎｅ Ｌｅａｒｎｉｎｇ ａｎｄ Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋ Ａｎａｌｙｓｉｓ ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒ?ｎａｌ ｏｆ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｓｙｓｔｅｍｓ， ２０２３， １６ （１）： ９９．

［２５］ 王根生， 胡冬冬． 基于生命周期理論的自媒體環(huán)境下醫(yī)療突發(fā)事件輿情演化研究［Ｊ］． 內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），２０１８， ２０ （６）： ８３－９０．

［２６］ 曾潤喜， 王晨曦， 陳強(qiáng)． 網(wǎng)絡(luò)輿情傳播階段與模型比較研究［Ｊ］． 情報(bào)雜志， ２０１４， ３３ （５）： １１９－１２４．

［２７］ 溫志韜， 夏一雪． 基于演化建模的突發(fā)事件網(wǎng)絡(luò)輿情態(tài)勢感知分析［Ｊ］． 情報(bào)雜志， ２０２２， ４１ （９）： ７１－７８．

［２８］ Ｈｏｒｔｏｎ Ｆ Ｗ． Ｉｎｆｏｒｍａｔｉｏｎ Ｅｃｏｌｏｇｙ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｓｙｓｔｅｍｓ Ｍａｎ?ａｇｅｍｅｎｔ， １９７８， ２９ （９）： ３２－３６．

［２９］ Ｎａｒｄｉ Ｂ Ａ． Ｉｎｆｏｒｍａｔｉｏｎ Ｅｃｏｌｏｇｉｅｓ： Ｈｉｇｈｌｉｇｈｔｓ ｏｆ ｔｈｅ Ｋｅｙｎｏｔｅ Ａｄ?ｄｒｅｓｓ ［Ｊ］． Ｒｅｆｅｒｅｎｃｅ ＆ Ｕｓｅｒ Ｓｅｒｖｉｃｅｓ Ｑｕａｒｔｅｒｌｙ， １９９８， ３８ （１）：４９－５０．

［３０］ 李美娣． 信息生態(tài)系統(tǒng)的剖析［Ｊ］． 情報(bào)雜志， １９９８， １７ （４）：３－５．

［３１］ 馬捷， 靖繼鵬， 張向先． 信息生態(tài)系統(tǒng)的信息組織模式研究［Ｊ］． 圖書情報(bào)工作， ２０１０， ５４ （１０）： １５－１９．

［３２］ 牟冬梅， 邵琦， 楊鑫禹， 等． 信息生態(tài)視域下突發(fā)公共事件網(wǎng)絡(luò)輿情運(yùn)行方式研究［Ｊ］． 現(xiàn)代情報(bào)， ２０２２， ４２ （３）： ２２－３０．

［３３］ Ｌｕｏ Ｈ， Ｍｅｎｇ Ｘ， Ｚｈａｏ Ｙ Ｆ， ｅｔ ａｌ． Ｅｘｐｌｏｒｉｎｇ ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｓｅｎ?ｔｉｍｅｎｔ ｏｎ Ｍｕｌｔｉ－Ｄｉｍｅｎｓｉｏｎａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｄｉｓｓｅｍｉｎａｔｉｏｎ Ｕｓｉｎｇ ＣＯＶ?ＩＤ－１９ Ｄａｔａ ｉｎ Ｃｈｉｎａ ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｈｕｍａｎ Ｂｅｈａｖｉｏｒ， ２０２３，１４４： １０７７３３．

［３４］ 張亞明， 高祎晴， 宋雯婕， 等． 信息生態(tài)視域下網(wǎng)絡(luò)輿情反轉(zhuǎn)生成機(jī)理研究———基于４０ 個(gè)案例的模糊集定性比較分析［Ｊ］． 情報(bào)科學(xué)， ２０２３， ４１ （３）： ６６－７３．

［３５］ 王晰巍， 趙丹， 李嘉興， 等． 新媒體環(huán)境下網(wǎng)絡(luò)輿情演化模型及仿真研究———基于信息生態(tài)視角［Ｊ］． 情報(bào)學(xué)報(bào)， ２０１６， ３５（１０）： １０１１－１０２１．

［３６］ 朱毅華， 張超群， 鄭德俊， 等． 基于信息生態(tài)學(xué)視角的網(wǎng)絡(luò)輿情管理研究［Ｊ］． 情報(bào)理論與實(shí)踐， ２０１３， ３６ （１１）： ９０－９５．

［３７］ 田世海， 張家毓， 孫美琪． 基于改進(jìn)ＳＩＲ 的網(wǎng)絡(luò)輿情信息生態(tài)群落衍生研究［Ｊ］． 情報(bào)科學(xué)， ２０２０， ３８ （１）： ３－９， １６．

［３８］ 馬鴻佳， 王亞婧， 蘇中鋒． 數(shù)字化轉(zhuǎn)型背景下中小制造企業(yè)如何編排資源利用數(shù)字機(jī)會(huì)———基于資源編排理論的ｆｓＱＣＡ研究［Ｊ］． 南開管理評論， ２０２４， ２７ （４）： ９０－１００， ２０８．

［３９］ 呂鯤， 施涵一， 靖繼鵬． 突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情熱點(diǎn)話題形成組態(tài)路徑研究———基于微博熱搜數(shù)據(jù)的模糊集定性比較分析［Ｊ］． 情報(bào)理論與實(shí)踐， ２０２２， ４５ （９）： １４８－１５６．

［４０］ 焦威， 夏一雪． 突發(fā)事件網(wǎng)絡(luò)輿情信息擴(kuò)散差異性度量與實(shí)證研究［Ｊ］． 現(xiàn)代情報(bào)， ２０２４， ４４ （７）： １０９－１２４．

［４１］ 夏一雪． 網(wǎng)絡(luò)話題傳播規(guī)律建模與預(yù)測問題研究［ Ｊ］． 現(xiàn)代情報(bào)， ２０１９， ３９ （４）： ３－１２．

［４２］ Ｆｉｓｓ Ｐ Ｃ． Ｂｕｉｌｄｉｎｇ Ｂｅｔｔｅｒ Ｃａｕｓａｌ Ｔｈｅｏｒｉｅｓ： Ａ Ｆｕｚｚｙ Ｓｅｔ Ａｐｐｒｏａｃｈｔｏ Ｔｙｐｏｌｏｇｉｅｓ ｉｎ Ｏｒｇａｎｉｚａｔｉｏｎ Ｒｅｓｅａｒｃｈ ［ Ｊ］． Ａｃａｄｅｍｙ ｏｆ Ｍａｎａｇｅ?ｍｅｎｔ Ｊｏｕｒｎａｌ， ２０１１， ５４ （２）： ３９３－４２０．

［４３］ Ｓｃｈｎｅｉｄｅｒ Ｃ Ｑ， Ｒｏｈｌｆｉｎｇ Ｉ． Ｃａｓｅ Ｓｔｕｄｉｅｓ Ｎｅｓｔｅｄ ｉｎ Ｆｕｚｚｙ－Ｓｅｔ ＱＣＡｏｎ Ｓｕｆｆｉｃｉｅｎｃｙ： Ｆｏｒｍａｌｉｚｉｎｇ Ｃａｓｅ Ｓｅｌｅｃｔｉｏｎ ａｎｄ Ｃａｕｓａｌ Ｉｎｆｅｒｅｎｃｅ ［Ｊ］．Ｓｏｃｉｏｌｏｇｉｃａｌ Ｍｅｔｈｏｄｓ ＆ Ｒｅｓｅａｒｃｈ， ２０１６， ４５ （３）： ５２６－５６８．

［４４］ 杜運(yùn)周， 賈良定． 組態(tài)視角與定性比較分析（ ＱＣＡ）： 管理學(xué)研究的一條新道路［Ｊ］． 管理世界， ２０１７ （６）： １５５－１６７．

［４５］ 黃鐘儀， 鄧翔， 許亞楠， 等． 激勵(lì)與監(jiān)督： 高新技術(shù)企業(yè)與非高新技術(shù)企業(yè)的創(chuàng)新治理為何不同———基于創(chuàng)業(yè)板上市企業(yè)的定性比較分析（ＱＣＡ） ［Ｊ／ ＯＬ］． 南開管理評論： １－３０ ［２０２４－０５－０７］． ｈｔｔｐ：／ ／ ｋｎｓ． ｃｎｋｉ． ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／１２．１２８８． ｆ．２０２３０２２１．１１４１．００４．ｈｔｍｌ．

［４６］ 王國華， 武晗． 從壓力回應(yīng)到構(gòu)建共識(shí)： 焦點(diǎn)事件的政策議程觸發(fā)機(jī)制研究———基于５４ 個(gè)焦點(diǎn)事件的定性比較分析［Ｊ］．公共管理學(xué)報(bào)， ２０１９， １６ （４）： ３６－４７， １７０．

（責(zé)任編輯： 王 維）

基金項(xiàng)目： 國家自然科學(xué)基金青年項(xiàng)目“突發(fā)事件下應(yīng)急物資社會(huì)籌集中人因風(fēng)險(xiǎn)的識(shí)別與治理研究” （ 項(xiàng)目編號： ７２１０１２３９）； 國家社會(huì)科學(xué)基金青年項(xiàng)目“數(shù)據(jù)畫像賦能的突發(fā)事件網(wǎng)絡(luò)輿情共景式治理模式研究” （項(xiàng)目編號： ２３ＣＴＱ０１５）； 鄭州大學(xué)人文社會(huì)科學(xué)優(yōu)秀青年科研團(tuán)隊(duì)資助項(xiàng)目“政府開放數(shù)據(jù)隱私風(fēng)險(xiǎn)治理效能評估研究” （項(xiàng)目編號： ２０２３－ＱＮＴＤ－０７）； 河南省社會(huì)科學(xué)界聯(lián)合會(huì)調(diào)研課題“ 智能算法賦能河南網(wǎng)絡(luò)輿情演化與治理研究” （項(xiàng)目編號： ＳＫＬ－２０２４－１５０８）。