突發事件輿情傳播的社會網絡結構測度與分析——基于“11·16校車事故”的實證研究

康 偉

(哈爾濱工程大學經濟管理學院，黑龍江哈爾濱150001)

德國社會學家烏爾里?！へ惪酥赋?，由于人類對自然和社會生活干預范圍和深度的不斷擴大，當下全球已經進入風險社會［1］。伴隨著生產力的迅猛增長，傳統社會價值體系的轉變，虛擬世界與現實世界的相互依存和滲透，各種自然災害、事故災害和社會安全事件等突發性危機事件已經成為當今世界各國普遍面臨的問題，公共危機進一步常態化、多元化和系統化。近年來被稱為“第四媒體”的網絡媒體在各種突發事件上表現出了強大的影響力，廣大網民以網絡為平臺，通過新聞跟貼、論壇發貼、微博轉發等方式迅速形成的網絡輿情經由網絡傳播產生發散和衍生效應，促使社會情緒合流、快速共振后形成突發事件的網絡輿情危機。突發事件網絡信息作為一種異化情境下的特殊信息形態存在于復雜互動的社會網絡之中，行動者在網絡結構中交換或分享信息，并發展相互關系。通過互動關系動態地影響著信息傳播的路徑、速度及變異性等。鑒于網絡的結構特性直接關系到輿情演化中的個體間的相互關系，進而影響觀點的統一、觀點的極化以及觀點的分散程度等輿情演化特征，本文試圖對“11·16”校車事故突發事件信息傳播網絡的拓撲結構進行測度，分析該輿情網絡的整體結構、內部子結構和個體結構，揭示輿情傳播網絡的結構特征與動力機制，從更本質角度把握突發事件網絡輿情演變規律，為更大范圍和更復雜的突發事件網絡輿情管理提供理論和實踐參考。

一、突發事件、網絡輿情與社會網絡分析

(一)突發事件與網絡輿情

根據2007年頒布的《中華人民共和國突發事件法》對突發事件概念進行的界定，“突發事件是指突然發生，造成或者可能造成嚴重社會危害，需要采取應急處置措施予以應對的自然災害、事故災難、公共衛生事件和社會安全事件?！毙畔⒌牟淮_定性對突發性危機事件的約束性很強，政府及社會在不確定約束下被動陷入非常規狀態，各方均要求迅速獲取有價值信息，以便“在時間壓力和不確定性高的條件下對其作出應急個體和群體決策”［2］。在突發公共事件的不同階段，信息通過不同的渠道傳播與被傳播，不同的信息傳播主體在信息傳播過程中擔負各自的職能，具有不同的性質、特點和規律，對事件的進展發揮著不同作用。事發初期信息通常僅掌握在某狹小范圍或少數個體手中，但經由多種渠道進行的事件信息傳遞和交流，使更多人或組織成為利益相關人。信息的傳播擴散可以通過政府、傳媒、文獻信息機構等途徑實現，電子通訊和網絡技術的發展極大地擴展了傳統信息傳播渠道、方式和范圍，成為事件信息傳播的新途徑。

基于信息形成的多種情緒、意愿、態度和意見交錯的總和就是廣義上的輿情概念。網絡輿情是輿情的一種，是對輿情新特征的綜合和強化，主要指以BBS論壇、博客、各種社交網站和虛擬社區等為平臺而呈現出來的網民對社會上的人和事的看法［3］。網絡對輿情傳播有明顯增強和擴散作用，它突破了傳統媒介“一對多”形式的信息束縛，實現了“多對多”的N級傳播模式，從而具備了主導公眾輿論和關注信息的能力。

(二)突發事件輿情傳播與社會網絡分析

突發事件網絡輿情是指通過新聞報道、網民發表言論等方式來呈現個人、群體及組織在網絡空間中發布傳播的基于突發事件的含有情緒、態度、意愿、觀點或行為傾向的信息。包括事件的認知、過程、原因以及相應處置、事件背后的社會道德、體制等問題的各種觀點和言論。與傳統輿論相比，網絡輿情的受眾和傳播主體更加分散，形成速度更快，內容更豐富，能夠更加直接快速地反應事件的宏觀輿情，但是互聯網在提供便捷傳播和獲取信息通道的同時，也增強了噪音信息的流動，它們對正常信息構成干擾，影響真實信息暢通地傳播。網絡上呈現的負面輿情會影響公民對突發事件的認知、判斷，甚至影響政府和當事人的態度與行為，數量大、爭議多、影響廣的網絡輿情，不僅影響突發事件的控制，還可能演變為后果嚴重的衍生群體性事件，危害國家的安全和社會的穩定。

社會網絡分析(Social Network Analysis簡稱為SNA)是適應研究社會結構和社會關系需要而發展起來的一種分析方法。社會網絡指的是由多個結點(一組社會行動者)和各結點之間的連線(行動者之間的關系)組成的集合。通常被用于描述和測量行動者之間的關系或通過這些關系流動的各種有形或無形的東西，比如信息、資源等。在社會學中，社會結構是在各不相同的層次上使用的。它既可用以說明微觀的社會互動關系模式，也可說明宏觀的社會關系模式［4］。在突發事件信息的傳遞與交流中，存在大量不確定影響因素，各種以信息為媒介的觸發、耦合、并發、轉化關系的存在，將突發事件的組織與個體之間建立了聯系，若用連線表示這些結點之間的接觸或相互作用模式，就可描述出不同的網絡結構，形成具有特定拓撲特性的突發事件輿情傳播網絡。若結點數量龐大，且結點間相互連線呈復雜構型，則這樣的社會網絡就可稱為復雜社會網絡。無論是人們之間傳統的信息交換方式還是當前逐漸成為主流的互聯網方式，輿情運行的網絡都呈現出復雜社會網絡的某些特征。因此，從社會網絡分析方法和復雜網絡的視角看，突發事件輿情的傳播與擴散是傳播主體與客體基于現實網絡和虛擬網絡復雜互動的過程，是一種社會信息流，在其發生、發展、演化和控制中通過多結點多層次構成的復雜社會網絡進行傳播、擴散和認同的過程。定性分析與定量測度輿情傳播演化過程中的網絡結構及參數特征也是目前社會學、管理學和傳播學等多領域的研究熱點。

二、突發事件輿情傳播的社會網絡結構測度及參數分析

(一)突發事件輿情傳播的社會網絡結構框架及測度流程

以懷特、格蘭諾維特、林南等為代表的網絡結構理論把人與人、組織與組織之間的紐帶關系看成一種客觀存在的社會結構，分析這些紐帶關系對人或組織的影響。該觀點認為，任何個體(人或組織)與其他個體之間的關系都會對個體的行為產生影響［5］。社會網絡分析的關鍵在于把復雜多樣的關系形態表征為一定的網絡構型，然后基于這些構型及其變動，闡述其對個體行動和社會結構的意義。SNA不僅能夠測量行動者個體及他們所處的網絡成員之間的錯綜復雜的關系和連結，而且通過借助計算機軟件工具對行動者個體和群組成員之間的互動模式能進行可視化建模，使研究者更關注輿情網絡中參與者的關系和關系圖式，更加直觀清晰理解把握結點行為、新的社會應用和來自新結構的成果［6-7］。

網絡結構觀認為，相關聯的行動者之間的關系具有特別的重要性。人在社會環境中的相互作用可以表達為基于關系的一種模式或規則，由于網絡的一些技術性特征，使得傳統的社會關系模式很難適用于網絡社會，因此，從網絡的位置和關系的角度將結構進行量化分析是SNA的重點。從可計算的角度研究社會實體的關系連結以及這些連結關系的模式、結構和功能也是SNA的優勢。通常有兩種方法可以從數學角度描述社會網絡:社群圖(sociogram)和社群矩陣(social matrix)。社群圖法常常應用于研究結構對等性和塊模型。社群矩陣法可用于分析角色及其關系。社群圖是由點(代表行動者)和線(代表行動者之間的關系)連成的，它表示群體成員之間的關系構成。輿情網絡成員之間的信息傳播有入有出，因此，在本研究中相互鏈接關系的表達需要采用有向圖。社群矩陣法則用來研究兩種以上關系的“疊加”。如果行和列都代表來自于一個行動者集合的“社會行動者”，那么矩陣中的要素代表的就是各個行動者之間的“關系”，這種網絡是 1-模網絡［8］。本研究中所涉及的也是1-模網絡。

結合研究內容，本文提出的分析方法主要包括三部分，即突發事件輿情傳播整體網絡測度、凝聚子群分析和個體網絡特征分析。突發事件網絡輿情傳播模型的構建可以使用關系矩陣和SNA的網絡結構圖。模型的建立流程如下:準備數據及網絡結點的確定→網絡關系的確定與合成→數據的搜集和處理→網絡模型的建立與輸出→整體結構、內部子結構與個體結構測度。如圖1所示。

圖1 社會網絡結構測度流程圖

(二)輿情傳播網絡結構測度參數分析

社會網絡分析(SNA)提供了很多用于結構測度的參數，按用途大致可以分為網絡整體結構測度、子群測度、位置角色測度三類。其中網絡密度、點度中心性和行動者間距離是反映網絡整體結構特征的指標，凝聚子群分析是反映內部子結構分析的指標，結構對等性分析和結構洞分析則是指網絡中的位置與角色分析。

在整體結構測度中通常要先計算網絡的整體密度。密度指一個圖中各個結點之間聯絡的緊密程度，表示網絡成員之間連接的緊密程度和信息傳播的互動程度，Mayhew和Levinger(1976)利用隨機選擇模型分析指出，網絡圖最大密度值是0.5［9］。在總體的網絡結構狀態測度基礎上，往往還需要獲取網絡中核心結點的信息，觀察核心結點的數量及與其他結點的連接程度，并對其重要性進行度量，該測度是針對整個結點所構成的社會網絡，即社會中心網(sociocentric network)［10］。本文重點測度了點度中心度和點度中心勢兩個指標。前者指一個行動者與很多其他行動者之間的直接聯系多，就表明該行動者處于中心地位，從而擁有較大的權力。它用來描述圖中任何一個點在網絡中占據的核心性。在有向圖中分為結點的點入度和點出度。點度中心勢指的是一個圖的中心度，它表明的不是點的相對重要性而是圖的總體整合度或者一致性。如果說點度中心度側重的是行動者之間的直接聯系測度，那么考察行動者之間的間接聯系的指標則是指行動者間距離。

在社會網絡結構分析中，對某些關系密切的內部子群的研究特別重要。因為，凝聚子群不僅影響著群體內部成員之間的關系，而且還影響著網絡的有效運行和發展。一般認為，凝聚子群是指社會網絡中的一小群人關系特別緊密，以至于結合成了一個內部次級團體，在輿情網中，指行動者之間具有相對較強、直接、緊密、經常或者積極的交流傳遞信息的關系集合。本文采用了k-核分析，即通過分析子圖中任何一點都至少與子圖中的k個點直接相連來識別輿情網中存在的小團體數量。同一子群中的成員更傾向于分享信息，他們的認知與行為更可能趨于一致，而不同子群的重疊則可能有利于網絡傳遞信息。

個體存在于網絡中，因其位置不同使得其角色意義不同，社會網絡中對角色和位置分析是通過結構對等性的概念來探討個體行動者是如何嵌入網絡之中的，如果在一種網絡關系中，兩個行動者相互替代之后不會改變整個網絡的結構，就可以說這兩個行動者是對等的，即結構對等。本文主要是通過歐式距離法分析結點與結點之間的相似度從而測度結構對等性。相似性即是社會網絡學研究中的結構同型。它通過度量結點與結點之間的相似性關系，從而對網絡中的結點進行分類，形成同型的網絡結構社區。

“歐氏距離法”是將行動者i與其他行動者之間的關系稱作行動者i的“截面”，而每個截面看作是代表n維空間中的一個點，然后計算這些點之間的距離，在有向關系網絡對應的鄰接矩陣中，其中有向網絡計算公式如下:

式中Sd(i，j)的取值范圍為其中Sd(i，j)越接近于0，則表明兩個結點相似性越高。應用歐氏距離法分析結構對等性時，結構對等的行動者之間的距離為0［11］。

描述個體位置和角色意義的另外一個概念是結構洞，指“社會網絡中的某個或某些個體和有些個體發生直接聯系，但與其他個體不發生直接聯系或關系間斷的現象，從網絡整體看好像網絡結構中出現了洞穴”。本文主要就結構洞指數和中間中心性進行了測量。結構洞指數是將控制其他網絡成員從整個輿情網絡中獲取信息的能力進行量化。結構洞指數重點測度有效規模、效率、約束性和等級度，其中約束性測量最重要，指該行動者在自己的網絡中擁有的利用結構洞的能力，以行動者對其他行動者的依賴值為評價標準，數值越大，約束性越強。數值越小，行動者越能跨越結構洞接觸非冗余信息源［12］。中間中心性指數測量的是行動者對資源控制的程度。其含義是，在網絡中中間中心性最高的結點與其他結點的中間中心性的差距［13］。該結點與其他結點的差距越大，則網絡的中間中心勢越高，表示該網絡中的結點可能分為多個小團體，并且過于依賴某一個結點傳遞關系，該結點在網絡中處于重要地位。

在輿情網絡中，占據“結構洞”的輿情形成者限制了洞兩端的行動者的信息傳播、獲取行為，決定了輿情是否折射或流動?？缭捷^多結構洞的結點較之跨越較少結構洞的結點能夠更多的接觸到非冗余信息源，易于積累更多的社會資本。但實際上，與其他結點的聯系越多也越易受關系限制，這種關系是強聯系。在輿情傳播中弱聯系比同質化的強聯系更適合傳遞信息。

三、實證研究

(一)“11·16校車事故”輿情概述

2011年11月16日上午，甘肅省慶陽市正寧縣一輛貨車與榆林子鎮幼兒園超載校車相撞，造成21人遇難，43名兒童受傷。新華、人民、搜狐、網易等新聞類網站都在第一時間發表了相關新聞。當日下午甘肅省衛生廳公布了第一條相關微博，隨后甘肅省政府新聞辦、慶陽市衛生局等政務微博也陸續發布了信息。微博的轉發數據龐大，且具有較強影響力和傳播力，僅新浪微博上與“校車車禍”相關的微博當天就達到96萬多條。事件的關注者多為政府官員、教育和醫療行業人員、媒體人等，傳統意見領袖關注較少。

11月17日慶陽市委召開新聞發布會，網上輿情熱度大幅上升，18日輿情達到峰值后下降。到11月22日，校車事故共引發相關報道13795篇，網民跟帖評論1，785，428條，涉及網站560家。該事件涉及論壇主帖2153個，回復10873條，博客文章2108篇。從網民關注度和網絡關注度來看，本事件關注數量和強度較大，但主事件持續時間不長，大眾媒體在輿論形成過程中依然扮演“信息源”和“推動者”的角色。該事件暴露出一些地區存在車輛違法嚴重超載、非法擅自改裝車輛和有關部門安全監管不到位、教育投入不足等長期存在的突出問題。事發后，當地政府緊急組織搶救、偵辦案件、及時行政問責、發布新聞和微博，一定程度上挽回了負面影響。甘肅政府部門和官員能夠運用微博工具，以積極開放的心態傾聽網民的意見和建議，成為本次事件輿情應對的亮點。

(二)數據來源與處理

校車事故的網絡輿情主要通過公共網絡平臺和個人信息發布平臺進行了信息傳播交流。因此，本文選取公共輿情平臺中的20個網站為結點，包括以人民網、網易新聞、搜狐新聞、騰訊新聞等為主的新聞網;以天涯社區、貓撲社區、鳳凰論壇為主的論壇和社區類;以土豆視頻、酷六視頻、鳳凰視頻為主的音視頻網。選取個人輿情平臺的32個博客主和微博主作為結點，主要是以新浪微博、騰訊微博、人民微博為主的微博客和以新浪博客、網易博客、鳳凰博報為主的博客。通過結點之間的關注、轉發和評論等進行數據聯系。本文采用有向網絡結構圖。輿情傳播網絡的“互動關系矩陣”中，成員A轉發、關注了成員B的信息，則代表A與B的聯系為1，反之，成員B沒有關注、轉發和評論成員A時，則B與A的聯系為0。通過在社會網絡結構中的數據信息查詢，整理排列出52×52互動關系矩陣，并生成輿情傳播網絡關系圖，見圖2。

圖2 校車事故網絡輿情傳播結構圖

(三)整體結構測度

1.密度

密度的測量旨在匯總各個線的總分布及其與完備圖的差距。固定規模的結點之間連線越多，圖的密度越大［14］。表1是用Pajek軟件對校車事故輿情傳播網絡密度的測度結果。

表1 校車事故網絡輿情密度測度

從表1看出，輿情傳播網絡的密度為0.229，在整體網絡結構圖中結點之間聯系較為緊密，主要表現為網絡結構圖中大部分結點之間存在直接聯系。因此，該結構對輿情傳播主題的關注度較為集中，有助于輿情的快速傳播擴散。

2.點度中心性

在有向圖中，點入度是指直接指向該點的點數的總和;點出度指該點所直接指向的其他點的總數［15］。表2是校車事故網絡輿情點度中心性測度的部分結果。

表2 校車事故網絡輿情點度中心性測度(部分)

測度結果顯示，不同成員表現出不同的點入度和點出度。根據點度中心度的數量不同，成員在社群中所擁有的權力和地位也不同。校車事故中點入度的最大值為35，是12號“頭條新聞”，說明了其他結點對12號的關注量高，其信息傳播等行為具有很大的影響力;點出度最大值為29，是15號結點“土豆網”，說明了土豆網的信息來源較廣，能夠接收到更多校車事故的信息。1號“財新網”、2號“財經網”等成員的點入度和點出度的排名也比較靠前，說明他們在輿情傳播網絡結構中較為活躍，與其他成員互動性強，傳播的信息易于獲得關注。

3.行動者間距離

在社群圖中，將給定的兩個行動者之間存在的長度最短的那條途徑稱為“測地線”(geodesic)［16］。如果兩個點之間存在多條最短途徑，則這兩個點之間就存在多條測地線。也就是說，兩點之間的距離指的是連接這兩點的最短途徑的長度［17］。

圖3 校車事故網絡輿情距離測度(部分)

圖3顯示，該輿情網絡結構圖中結點的距離最大值為5，最小值為1，大部分的結點之間的距離為1和2。在信息的傳播過程中，最短距離越小，信息通過的結點就越少，傳播速度則越快。整個網絡的平均距離為2.065，因此，測度結果說明在校車事故輿情網絡中，信息傳播速度較快。

(四)凝聚子群分析

凝聚子群分析是利用一些算法找出“凝聚子群”，以確定組成整個網絡中小的團體，也稱為“小團體分析”［18］。k-核是建立在點度數基礎上的，一個k-核就是滿足下列條件的一個凝聚子集，即在這樣的子群中，每個點都至少與除了k個點之外的其他點直接相連(鄰接)。表3是校車事故網絡輿情的k-核分析測度結果。

表3 校車事故網絡輿情k-核分析測度

測度結果顯示，校車事故k-核的最大值為14，結點數共有25個，占全部結點50%，說明在該輿情網絡圖中存在聯系緊密的“凝聚子群”，且該子群在整個輿情網絡中占據了核心位置，掌握了大量的信息來源和占據了傳播途徑的關鍵點位置。

(五)個體位置結構分析

1.結構對等性測度

結構對等性的測度即指“網絡位置的對等性”。主要考察的是行動者在多大程度上相似。圖4和圖5是用歐幾里得距離法對校車事故的結構對等性進行測量的結果。

由圖4和圖5可以看出，該圖為對稱矩陣，除了對角線位置上的數值為0(行動者與自身是完全對等的)外，最小數據是2.449，為45號“網易新聞”和42號“雅虎論壇”，即這兩個結點在結構上對等的。其他結點對結點之間的距離各不相同，成員之間的結構對等性程度也不相同，因而影響力也不同。輿情網絡成員之間的相似性指數并不相同。相互替代后不會改變對整個網絡的影響力，在不改變影響力的前提下，結構對等性指數越高，互相替代的可能性也就越大，如16號和23號之間的結構對等性指數為5.477，其影響力也相當。

圖4 校車事故網絡輿情歐氏距離矩陣測度(部分)

圖5 校車事故網絡輿情歐氏距離聚類分析(部分)

2.結構洞測量

結構洞測量包括結構洞指數和中間中心性測量。從結構洞指數的測量中，能夠判別網絡中具有結構洞的程度，但是在結構約束值相同的情況下，無法判斷出哪個網絡結構位置更為有利;而中間中心性則能夠較為明確地計算個體的中間中心性指數，發現有優勢地位的個體。圖6和表4是運用Pajek軟件對校車事故網絡輿情結構洞指數測量和輿情中間中心性測度的部分結果。

圖6 校車事故網絡輿情結構洞指數測量結果(部分)

表4 校車事故網絡輿情中間中心性測度(部分)

從圖6中可以看出，結構洞在校車事故輿情網絡結構中的數量眾多。圖的上半部分表示任意兩點之間的約束性大小，測量結果顯示，行動者之間的約束性或者說是依賴性各不相同，最大值為行動者38號“連鵬”對46號“網易新聞”的約束性達到了25%，這就意味著在輿情傳播網絡中46號“網易新聞”有25%的信息傳播行為是通過38號“連鵬”來完成的。圖的下半部分顯示了每個行動者的有效規模、效率、在整體網絡中的總約束性以及等級度。由圖可見，不同行動者的四個指數各不相同。9號“新周刊”有效規模較大，為25.63，其下依次為12號“頭條新聞”、2號“財經網”，規模分別為24.60、22.00。有效規模越大也就越反映出該結點在輿情網絡結構圖中居于核心地位。因此，可見度、有效規模大的結構洞能夠對更多的輿情網絡成員產生控制力。三個結點受到約束性較小，其數值均小于0.15，說明了這些結點不易受其他成員的控制，較易獲取信息資源。結點的等級指數都較小，說明了結點的約束性相當。

在表4中，中間中心性最大值依次為24號“南都周刊”、38號“連鵬”、16號“揚子晚報”，說明了這些結點在整個輿情網絡結構圖中占據著有利的位置，對資源的占有程度最大，能在一定程度上控制輿情網絡中其他成員之間的交流及信息傳播和共享。

另外，結構約束性測量與中間中心性測量計算出的數值高度負相關，即中間中心性越大，結構約束系數越小，占據的結構洞越多。

四、結論與政策建議

研究表明，突發事件輿情傳播網絡呈現互動網絡狀結構，網絡中廣泛存在凝聚子群，即小團體現象，同一子群中的成員更傾向于分享信息。網絡整體密度與信息流通效率和關聯程度較高，同時也體現出多中心多主體結構特征?！敖Y構洞”的存在表明間接關系在信息傳播過程中發揮重要作用。

(一)構建多中心并行式網絡結構

鑒于突發事件輿情傳播網絡結構的復雜特征，打破傳統單一主體時序性、階段性的管理方式，以扁平化、彈性化的多中心網絡結構，替代政府組織中機械、僵化的層級，同時實現并行式網絡流程，可以提高管理系統對環境的感知能力和組織反應能力，從而保證了應對突發事件的快捷和有效。網絡維度強調考慮不同主體的共同利益和協作的重要性。經由網絡與信息技術的飛速發展而獲得的高技術支撐，可以打破傳統面對面的合作方式，極大地擴展了多元主體在時間和空間上以多種靈活方式相互配合的可能性，進而使彼此依賴、共享權力的動態組織網絡系統形成互動成為可能。同時，將原有組織網絡的層次納入突發事件的信息管理層次，使信息深度以及廣度滿足管理要求，即實現突發事件信息網絡的完備性和通達性，建立橫向評估體系，完善輿情信息的監測與協同應對。

(二)關注網絡的弱聯系結構

突發性公共事件爆發后，當持有某一態度或觀點的信源占據優勢時，網民將會快速靠攏，形成顯著的羊群“集聚效應”。在突發事件信息傳播中，主要體現在人們信息交換共享以及互助等形式的活動之后所引發的群體行為，這種群體行為屬于非常規狀態下由不確定性恐慌心理引致的臨時自發活動，并形成臨時的非正式弱關系。事件類型對傳播中產生的弱信任關系具有較強的影響作用。事件的破壞力越大，這種弱信任關系就越容易產生。公眾在收到事件信息后，主動或下意識地傳遞給網絡中的各結點。由于信息不對稱，多數人對謠言和辟謠信息都保持寧信其有的心理和行為?；谏鐣W絡的輿情網絡分析方法中不僅關注信息的內容，更重要的是關注信息之間的相互關系。在進行網絡輿情的管理和控制時，可通過擇時選擇關鍵位置引入輿情引導者的方法，在相對較短的時間內改變或引導從眾者的觀點，將起到較好的輿情導向作用，同時將網絡輿情建設成一個透明的即時互動平臺，支持廣大受眾對于公共事件的理性探索，保持理性化的多樣性，以提高公信力。

(三)增強核心網絡效應

在輿情傳播網絡中決定演變的主要因素是整個網絡結構對信息傳播約束程度以及核心網絡對其他結點的影響力水平。從完善網絡結構的角度出發，首先應該關注核心網絡的建設，因為核心網絡和核心結點代表了輿情網絡的主要特征和主流方向。在一個輿情網絡中核心結點往往是多個，建立核心結點之間的緊密合作關系，形成核心網絡效應有助于輿情的有效引導和控制。傳統媒體在公信力、權威性、可靠性及一次性傳播效率方面具有優勢，但是存在傳播時間特定化、傳播工具固定化和缺乏立體反饋的劣勢，而網絡輿情的即時性、互動性、豐富性和滾雪球優勢突出。利用多種方式雙向打通傳播渠道，形成跨媒體核心網絡，增強其連通性可以更好地掌控輿情發展態勢，營造積極的社會輿論環境。

［1］烏爾里希·貝克，何聞博，譯.風險社會［M］.南京:譯林出版社，2004.

［2］Denis S，Dominic E.Crisis Management:Systems and Structures for Prevention and Recovery［M］.Oxford:Routledge，2006，1.

［3］談國新，方一.突發公共事件網絡輿情監測指標體系研究［J］.華中師范大學學報:人文社會科學版，2010(3):66-70.

［4］林聚任.論社會網絡分析的結構觀［J］.山東大學學報，2008(5):147-153.

［5］Scott J.Social Network Analysis:A Handbook［M］.London:Sage Publications，2000:36-37.

［6］Jintao Tang，Ting Wang.Efficient Social Network Approximate Analysis on Biosphere Based on Network Structure Characteristics，SNA-KDD'09［C］.The 3rd Workshop on Social Network Mining and Analysis，2009.

［7］Newman M E J.The Structure of Scientific Collaboration Networks［J］.The National Academy of Sciences of the United States of America，2011，98(2):404-409.

［8］邱均平，王菲菲.基于博客社區好友鏈接的知識交流狀況分析——以科學網博客為例［J］.圖書情報知識，2011(6):25-33.

［9］Mayhew B H，Levinger R L.Size and the Density of Interaction in Human Aggregates［J］.American Journal of Sociology，1976，82(1):86-110.

［10］Barnes J A.Graph Theory in Network Analysis［J］.Social Networks，1983，5(2):235-244.

［11］林聚仁.社會網絡分析:理論、方法與應用［M］.北京:北京師范大學出版社，2009:160.

［12］謝英香，馮 銳.結構洞:虛擬學習社區信息獲取行為研究［J］.軟件導刊，2010(8):19-21.

［13］成 億，朱慶華.社會網絡分析方法在IT博客中的實證研究［J］.中國科技資源導刊，2010(11):35-41.

［14］Matthew O J.Social and Economic Networks［M］.New Jersey:Princeton University Press，2008:55.

［15］Michael G，McGrath.Centrality and Power among Website Users:A Social Network Analysis Application ［J］.IEEE Computer Science，2009，51(1):24-35.

［16］Paul S A，Seok W K.Social Capital Prospects for a New Concept［J］.Academy of Management Review，2002(1):26.

［17］Tracy C R，Joy K P.Centrality and learning:Social Network Analysis of an Online Class［J］.Communication Education，2005，10(2):56-60.

［18］Ma W，Zeng A P.The Connectivity Structure，Giant Strong Component and Centrality of Metabolic Networks［J］.Bioinformatics，2003，19(11):1423-1430.