網絡輿論危機事件的蔓延擴散效應研究

王光輝，劉怡君

(1. 中國科學院科技政策與管理科學研究所, 北京 100190；2. 中國科學院大學, 北京 100190；3.中國科學院自然與社會交叉科學研究中心, 北京 100190)

網絡輿論危機事件的蔓延擴散效應研究

王光輝1, 2, 3，劉怡君1, 3

(1. 中國科學院科技政策與管理科學研究所, 北京 100190；2. 中國科學院大學, 北京 100190；3.中國科學院自然與社會交叉科學研究中心, 北京 100190)

隨著Web2.0時代的到來，網絡媒體已成為公共危機及其風險傳播的主要途徑，輿論危機的形成和演化也成為日益突出的社會風險問題。其中，網絡輿論的蔓延過程及其機理的研究是輿論危機研究的重點，并逐漸受到學者的關注和社會的重視。本文以輿論危機的蔓延機理為研究對象，通過收集和梳理近年來發生的20起網絡輿論危機事件，對輿論蔓延的基本內涵、表現形式和驅動因素等進行系統總結。隨后，以蔓延驅動因素的研究為指導，考慮蔓延的“內部影響因子”和“外部影響因子”等，構建輿論蔓延擴散的一般性模型，并對模型的極值點和拐點等進行剖析。最后，本文以“7·23甬溫動車事故”為例，對其網絡輿論的蔓延擴散模型進行擬合、回歸和分析。

公共危機；網絡輿論；蔓延機理；擴散模型；甬溫動車事故

1 引言

公共危機生命周期理論指出危機的發展是一個持續的過程，即隨著風險因素的變化，其發展過程可分為潛在期、突發期、蔓延期和恢復期等[1-2]。作為典型的公共危機事件，網絡輿論危機同樣存在孕育期、爆發期、蔓延期、處理期和休眠期等階段。其中，蔓延期是輿論事件熱度以及媒體和網民參與度均達到頂點的時期，是輿論危機演化的主要階段。近年來，輿論危機蔓延的探討已成為研究的重點，并逐漸引起學者的關注和重視。

目前，國內外學者已從不同學科視角對網絡輿論危機的蔓延規律展開研究。從傳播學的角度，學者或探討“微博”、“論壇”等在線網絡社區中的輿論擴散現象，如“蝴蝶效應”現象、“公共領域”現象[3-4]，或對輿論傳播和演化的規律及其內在原因進行分析[5-7]。從心理學的角度，國內外學者多以“社會負面情緒”作為輿論危機蔓延的內在驅動因素，采用“沉默螺旋”等心理模式，對輿論危機的擴散規律進行總結[8-11]。從社會學的角度，佘廉等[12-15]學者將網絡突發事件定義為公共安全危機，利用危機管理的相關理論對其蔓延規律進行總結。從系統學的角度，國內外學者則以系統動力學和復雜網絡系統為基礎，或構建網絡輿論擴散的動力學模型，對輿論蔓延的基本規律進行仿真分析[16-19]，或構建相應的無標度網絡、超網絡模型，并對其傳播和蔓延規律進行梳理[20-21]。

總之，國內外學者從各角度對輿論蔓延進行了分析，并給出相應學科視角輿論蔓延的規律及其影響因素，但這些研究更多側重輿論蔓延的某個視角。傳播學、心理學和社會學領域的研究多側重對網絡輿論蔓延規律的定性描述，系統學領域的研究雖引入定量模型，但其變量選取的主觀性較強，微觀仿真的宏觀表現往往缺乏現實依據。本文則在上述研究的基礎上，采用定性定量相結合的方式，通過對典型網絡輿論危機事件蔓延規律及其驅動因素的分析，構建網絡輿論危機蔓延的擴散模型，并以“7·23甬溫動車事故”為例進行實證分析。

2 網絡輿論危機蔓延機理的基本內涵

2.1 網絡輿論危機蔓延機理的概念

“蔓延”原指植物的生長狀態，《辭海》將其定義為像蔓草一樣延伸擴展的過程，即傳播、散布的意思[22]。網絡輿論危機蔓延的特征是網絡個體或群體圍繞著社會公共事件，進行持續大規模的網絡互動，使熱點事件經過傳播和擴散等連鎖反應，進入社會公共領域給政府和社會帶來更大范圍內難以估量的損失。鑒于網絡媒體傳播的快速性、廣泛性和互動性等特征，本文將網絡輿論危機蔓延機理定義為：社會公共事件受互聯網的作用和影響，經過網絡內部個體或群體的討論和交互，導致負面輿論的集中涌現及其快速傳播擴散的過程。

表1 網絡輿論危機事件的統計分析

數據來源：方正輿情智思系統

2.2 網絡輿論危機蔓延的宏觀表現

為把握輿論危機蔓延在時間維度上的宏觀表現，本節以2010年～2011年發生的網絡輿論危機事件為研究對象，對事件曝光時間、輿論蔓延前期、中期(高峰期)、后期以及結束時間的輿論關注量進行統計。如表1所示，開始時間為事件在網絡媒體曝光的時間點；蔓延前期是指輿論關注量突破50的時間點；蔓延中期是指關注量達到峰值的時間點；蔓延后期是指關注量跌至50的時間點；結束時間是指事件得到最終處理的時間點。

上述網絡輿論危機蔓延過程關注量的總體變化趨勢相對一致，其統計結果顯示16起網絡輿論危機的蔓延模式為單峰曲線，約占80%的比例。鑒于單峰蔓延模式的普遍性，為總結網絡輿論危機蔓延的宏觀表現，本文將20起網絡危機事件的輿論關注量加和平均，得出各階段輿論關注量的平均值，并將其繪制成趨勢圖(圖1)。根據危機的全生命周期假說，危機事件在經歷孕育期和爆發期后，積累的能量將在蔓延期完全釋放出來，即事件影響力達到最高峰，并持續影響社會穩定，直至進入處理期和休眠期。如圖1所示，網絡輿論危機關注量在蔓延期迅速擴散至最大值，即輿論危機的蔓延在宏觀上呈現擴散效應。

圖1 網絡輿論危機蔓延的宏觀表現

2.3 網絡輿論危機蔓延的微觀表現及其驅動因素

進一步分析蔓延擴散效應的內在機理，本節以“浙江錢云會事件”為例，通過“方正輿情智思系統”抓取該事件的網絡在線數據，即各時間點該事件在論壇上的回復關系。以圖1的蔓延擴散波形圖為基礎，利用Gephi軟件分別繪制輿論危機發展時期的在線回復關系網絡，并通過“波網聯合分析”，得到蔓延各階段的網絡意見領袖核心節點及其涌現形式。

圖2 網絡輿論危機蔓延的微觀表現

圖2分別表示輿論危機開始時期、蔓延前期、蔓延中期、蔓延后期和結束時期的在線回復關系網絡，具體的回復特征如下。

(1)開始時期，輿論關注度呈現緩慢上升趨勢，網民從各自視角對公共事務議題展開討論，但并未形成統一觀點，網絡回復關系相對較為簡單。

(2)蔓延前期，隨著傳統媒體的介入，輿論關注度持續上升，并以大V的形式出現相對較為集中的觀點，如“不給力”、“Ly776a”和“duanshaohui”等網絡大V通過較大的網絡“出度”推動網民參與話題討論。

(3)蔓延中期，輿論關注度達到最高值，特定的時空環境因素導致輿論話題的衍生，并產生新的大V及更為集中的觀點，如“劉逸明”、“周祿寶”和“中華1青年”將輿論議題由交通事故引到官民矛盾，導致更大范圍內的輿論蔓延。

(4)蔓延后期，隨著政府對網絡輿論的引導，事件輿論的關注度逐漸降低，相應的回復關系網絡也開始瓦解，只存在網絡大V“周祿寶”及其簡單的回復關系。

(5)結束時期，輿論關注度和網絡在線回復關系均回歸常態。

輿論危機的“波網聯合分析”顯示，輿論蔓延受公共事務議題、網絡大V、傳統媒體、輿論時空因素和政府干預等多種因素的驅動。這些因素不僅涉及網絡輿論的構成因素，還關系到輿論演化各階段的特征因素，即同時包含內驅動因素和外驅動因素。

(1)內驅動因素

內驅動因素是輿論蔓延的內在根據，包括公共事務議題、傳統媒體、網絡大V。公共事務議題是指“涉腐”、“涉權”、“涉黑”等極易引發社會關注的焦點事件[23]。傳統媒體參與是網絡事件蔓延至公共領域成為公共議題的主要驅動因素[24]。網絡大V是指網絡積極分子或帶有不滿情緒的個體，通過發表過激言論，迎合廣大網民的心理并獲取關注。

(2)外驅動因素

外驅動因素是輿論形成和發展的外部條件，包括輿論時空因素和政府干預的缺失等。時空因素是指影響網絡輿論危機發生、發展、演化和終結的時空環境。政府干預的缺失會激化原有的社會矛盾[25]，造成輿論傳播速度的加快。

3 網絡輿論危機蔓延的擴散模型

結合輿論蔓延擴散的內外部驅動因素，本節借鑒創新擴散模型的基本形式，提出網絡輿論單峰蔓延的擴散模型，并對其極值點和拐點進行分析。

3.1 模型假設

模型的研究對象是輿論蔓延的擴散效應，為簡化建模過程，做如下假設：(1)假設輿論危機以公共危機事件為始點，網民間相互交互導致輿論的形成；(2)假設模型僅考慮原發性危機事件，不考慮多個事件的疊加和耦合；(3)假設輿論的潛在蔓及網民同時受到其他所有網民的影響；(4)假設每個網民發帖的社會影響力無顯著差異；(5)假設輿論蔓延遵循 “超網絡”的演化規律[26]，即同時受環境、心理和觀點等多維因素的影響。(6)假設模型僅考慮網絡輿論危機蔓延的主要模式，即單峰蔓延模式。

3.2 模型構建

基于假設五，環境維度通過時空環境等因素的作用，為蔓延提供外驅動力；心理維度通過大V等因素的作用，為蔓延提供內驅動力。由Rogers等[27]學者提出的創新擴散過程受創新、信息渠道、時機和社會系統等多種因素的共同作用，這些因素恰與網絡輿論的公共事務議題、網絡大V或傳統媒體、時空因素及網絡社會系統等內外驅動因素相對應。若定義已被蔓及網民數為N(t)，被蔓及網民的飽和數為m，則潛在被蔓及網民數為m-N(t)。借鑒創新擴散模型的基本形式[28-29]，考慮上述內外驅動因素，輿論蔓延擴散模型包括三部分：外部環境影響、內部已被蔓及網民對潛在被蔓及網民的影響以及潛在被蔓及網民間的相互影響。

外部環境影響是以危機事件作為輿論蔓延的始點(假設一)，通過持續改變輿論時空環境，引導網民逐漸參與相應輿論事件的討論。我們定義受外部影響潛在被蔓及網民的轉化率為a，該影響作用于潛在被蔓及網民m-N(t)，則外部影響所產生的輿論蔓延效果為a*[m-N(t)]。

內部影響以假設三為基礎，將“其他所有網民”分為已被蔓及和潛在被蔓及網民兩類。對于已被蔓及網民對潛在被蔓及網民的影響，由于假設“每個網民發帖的社會影響力無顯著差異”，則其在整個輿論蔓延系統的內部影響力可簡化為N(t)/m。我們定義這種內部影響力的轉化率為b，同樣作用于m-N(t)，則相應的蔓延效果為b*N(t)/m*[m-N(t)]。對于潛在被蔓及網民間的影響，則同樣存在上述規律。因此，綜合考慮模型假設及其邏輯分析過程，本文將輿論蔓延擴散模型表示如下。

(1)

(2)

備注：n(t)表示受輿論內外驅動因素的影響，t時刻新關注輿論危機的網民數。

m表示輿論蔓延涉及的最大飽和人數，參數取值介于0和“論壇網民總人數”之間。

a表示輿論環境等蔓延的外部影響因子，即外部環境對潛在蔓及網民的影響轉化率，參數取值介于[0, 1]之間。

b表示輿論心理等蔓延的內部影響因子，即內部已被蔓及網民對潛在被蔓及網民的影響轉化率，參數取值介于[0, 1]之間。

c表示輿論潛在被蔓及網民間的相互影響因子，即內部潛在被蔓及網民間的相互影響轉化率，參數取值同樣介于[0, 1]之間。

假設公共危機發生之前，該輿論的累積關注量N(0)=0。因此，可將公式(2)變形，并求解微分方程：

(3)

公式(3)兩端積分，并求解上述齊次微分方程得：

(4)

如公式(4)所示，累積關注輿論危機的網民數N(t)，同時受輿論蔓延最大飽和人數m、 外部影響因子a、 內部影響因子b和蔓延時間t等因素的影響。其中，N(t)與最大飽和人數m通常成正比例關系，且與時間t的函數關系呈現S型曲線的關系。

3.3 模型極值點分析

輿論危機監控者和管理者通常比較關心輿論蔓延的規模，而輿論蔓延時間和規模即是對輿論蔓延擴散模型N(t)極值點的分析。由于可導函數在某點取得極值的充分必要條件是導數為零且該點兩側導數異號。因此，對N(t)求一階導數，并整理可得n(t)如下：

(5)

如公式(5)所示，根據S型曲線的基本趨勢，連續函數N(t)的極值點存在。當n(t)>0時，N(t)為增函數，網絡輿論呈現蔓延趨勢；當n(t)=0時，N(t)取得最大值，網絡輿論達到蔓延頂點；當n(t)<0時，N(t)為減函數，網絡輿論呈現衰減趨勢。由于a、b、m均為時間t的非負函數，則若n(t)=0，可得a=c，即當某時刻輿論的外部影響因子和輿論潛在蔓及網民間的相互影響因子相等時，輿論蔓延的擴散趨勢可能達到最大值。

3.4 模型拐點分析

輿論蔓延極值點體現蔓延的整體規模，但該蔓延對于社會的沖擊力，多以蔓延擴散的速度表示。根據S型曲線的基本趨勢，輿論蔓延擴散的最大速度多出現在模型的拐點位置。由于拐點存在的必要條件是函數在定義域范圍內二階可導，且其二階導數為0。因此，對N(t)求二階導數并令其為0，可求得拐點時刻以及相應的N(t)和n(t)，簡要的求解結果如下：

N(t)′′=0

(6)

(7)

(8)

(9)

由于函數N(t)符合S型曲線的基本形式，若將公式(7)和(9)標注在輿論蔓延擴散模型的S型曲線上，輿論蔓延擴散的拐點是時刻t*，對應的輿論累積關注量為N(t*)。在拐點t*時刻，輿論蔓延擴散的速度最快，具體達到n(t*)表示的數值，該速度對于社會穩定的沖擊力最大，是輿論監管和控制的關鍵環節。

4 案例分析——“7·23甬溫動車事故”

4.1 事故背景

2011年7月23日，北京開往福州的D301次列車與杭州開往福州南的D3115次列車發生追尾事故，造成40人死亡、近200人受傷。公眾和媒體高度關注政府的事故處置進展，紛紛通過微博、論壇等形式參與事故討論，相關輿論在網絡空間迅速蔓延擴散。例如，7月24日，網民紛紛質疑政府掩埋車體是為了掩蓋事故真相；7月25日，網民開始質疑事故救援及高鐵技術；8月5日，隨著政府的介入，輿論蔓延擴散速度降至正常水平[30]。

4.2 甬溫動車事故網絡輿論的擴散模型

在案例事故輿論的蔓延過程中，微博輿論構成其網絡輿論的主流。因此，本文將微博作為事故輿論的主要研究平臺，以“溫州+動車”為關鍵詞，對7月22日至8月15日的日微博原創量進行檢索和整理，得到事故微博輿論的每日增加量和累積增加量，如表2所示。

表2 甬溫動車事故微博輿論的蔓延量統計

表3 模型的總結和參數估計

Dependent Variable: n(t)

The independent variable is N(t).

由于甬溫動車事故發生于2011年7月23日，本文將7月22日的日擴散量n(0)和累積蔓延量N(0)均定義為0，依此選取25天的微博輿論日擴散量數據，并由日擴散量數據得到累積蔓延量數據。若將單位時間dt定義為一天，則公式(3)可做如下變形：

(3)

(10)

公式(10)的自變量N(t)表示輿論累積蔓延量，因變量n(t)表示輿論日擴散量。本文以表2的數據為基礎，利用SPSS軟件，對公式(10)進行一元二次回歸分析，具體結果如下：

如表3所示，在案例事故輿論蔓延擴散模型的回歸分析中，擬合優度R方為0.879，說明自變量和因變量形成的散點與回歸曲線的接近程度較高，回歸結果較為理想。此外，回歸關系的顯著性系數Sig.為0.00<0.05，表明自變量和因變量之間具有顯著的二次關系，即回歸結果具有統計學意義。因此，可以將案例事故網絡輿論蔓延擴散的模型定義如下。

n(t)=-3.27×10-7N2(t)+0.657N(t)+51950

(11)

4.3 甬溫動車事故網絡輿論擴散模型的趨勢分析

對于公式(11)，圖3的擬合曲線表示輿論日擴散量n(t)隨累積蔓延量N(t)的增加和時間的延續，呈現先增大后減小的趨勢， N(t)則隨時間t的持續呈現S型曲線的變化規律。輿論蔓延擴散速度最快的時刻出現在S型曲線的拐點位置，此時是輿論監管和控制的關鍵時期。

對于甬溫動車事故的網絡輿論危機，圖3-a的虛線表示，當累積蔓延量N(t)為100萬人時，輿論日擴散量n(t)最大，達到38.2萬人次。圖3-b虛線所在的時間點是S型曲線斜率絕對值的最大點，即表示事故輿論擴散速度在第3天(7月25日)與第4天(7月26日)間達到最大值。這是因為事故發生后的第三天，網絡輿論的關注點已由最初的事故災難轉化為對中國高鐵技術的質疑和對鐵道部掩埋車體的聲討等，這種轉化引發更大范圍的網民參與。因此，甬溫動車事故發生后，網絡輿論監管部門應在輿論累積蔓延量N(t)達到100萬人次或事發后的第3天，對網絡輿論采取相應的治理措施。結合輿論蔓延擴散模型的假設和分析，輿論蔓延的治理措施包括干預策略和引導策略。干預策略主要作用于環境等外部影響因素，如通過對輿論蔓延時空因素的報道，增加事故透明度，減少參數a的取值，以減少其對輿論蔓延擴散的外部驅動。引導策略主要作用于心理等內部影響因子，如通過對潛在蔓及網民心理的疏

圖3 輿論的日擴散量和累積蔓延量的關系

導，增加參數c的取值，減少參數b的取值，以減少其對輿論蔓延擴散的內部驅動。

4.4 甬溫動車事故網絡輿論擴散模型的因子分析

網絡輿論擴散模型綜合考慮到網絡大V、時空環境等內外部影響因素的共同作用。因此，分析案例事故的輿論蔓延規律和特征，還需對相應的內外影響因子及其關聯關系進行分析。本節以表3的參數估計結果為基礎，建立如下關于模型參數的方程組：

(12)

求解方程組(12)，可得各系數的具體數值如下：

(13)

方程組(13)給出案例事故輿論蔓延擴散模型的系數值及其相互關系。其中，m=2.085*106表示參與該事故“微博輿論”擴散的最大飽和網民數預計為208.5萬人。此外，a=0.025+c和b=0.682-c則表示參數a和b都與參數c相關，a與c呈現正相關關系，b與c呈現負相關關系。但由于參數c的界定較為困難，實際案例主要考慮參數a和b的負相關關系。

(1)當a>b時，即外部影響因子大于其內部影響因子，輿論蔓延的主要動力更多源于輿論議題的影響。該狀態主要存在于輿論危機蔓延的前期，此時輿論監管者應側重對輿論環境的干預。對于案例事故，該時期應增加事故處置的公開性和透明度。

(2)當a=b時，即外部影響因子和內部影響因子對輿論危機蔓延擴散的作用效果相當。該狀態主要存在于輿論危機蔓延的中期，此時輿論監管者在加強輿論環境干預的同時，還應側重對網民心理的引導。對于案例事故，該時期應同時增加事故透明度和對網民心理的關注。

(3)當a

5 結語

網絡危機事件的風險源于輿論的蔓延與擴散，正確認識和評估輿論蔓延態勢，可為政府進行輿論監管提供決策依據。本文以網絡輿論危機的蔓延機理為研究對象，通過對蔓延表現形式和驅動因素的分析，提出輿論蔓延擴散的一般性模型，并以“7·23甬溫動車事故”為例，對模型進行實證分析。本文的主要貢獻包括如下兩個方面：(1)提出網絡輿論蔓延的內涵、表現和驅動因素；(2)以具體的案例為基礎，提出輿論蔓延擴散的一般性模型，可用于預測輿論事件的蔓延過程，也可為政府的輿論監管提供指導。

本文雖然對網絡輿論危機的蔓延擴散效應進行了較為系統的研究，但仍存在一定的不足，很多內容有待深入研究。在模型構建環節，本文主要考慮較為普遍的單峰蔓延模式，后續研究可進一步對多峰蔓延模式的建模方式進行探討。在實證分析環節，本文的建模過程綜合考慮了輿論蔓延擴散內外部影響因子，但案例研究對各影響因子隨時間變化趨勢的討論則相對較少，這雖然對模型的整體效果影響較小，但仍是未來進一步研究的突破點。

[1]FinkS.Crisismanagement:planningfortheinevitable[M].NewYork:AMACOM,1986.

[2]CrableRE,VibbertSL.Managingissuesandinfluencingpublicpolicy[J].PublicRelationsReview, 1985, 11(2): 3-16.

[3] 戴月華. 網絡輿論傳播中的“蝴蝶效應”：復雜性理論的傳播學啟示[J]. 浙江傳媒學院學報, 2012, 19(6): 37-41.

[4] 張大勇, 景東. 社區網絡輿論擴散與匯聚動因分析[J]. 當代傳播, 2012, (1): 80-84.

[5]GerardHB,OriveR.Thedynamicsofopinionformation[J].AdvancesinExperimentalSocialPsychology, 1987, 20: 171-202.

[6] 吳圖南. 網絡突發事件的傳播過程及干預對策研究[D]. 上海：復旦大學, 2009.

[7]SavignyH.Publicopinion,politicalcommunicationandtheInternet[J].Politics, 2002, 22(1):1-8.

[8] 趙中源. “弱勢”心理蔓延：社會管理創新需要面對的新課題[J]. 馬克思主義與現實, 2011, (5): 177-182.

[9]BollenJ,MaoHuina,PepeA.Modelingpublicmoodandemotion:Twittersentimentandsocio-economicphenomena[C].ProceedingsoftheFifthInternationalAAAIConferenceonWeblogsandSocialMedia,SanFransisco,August7-11,2011.

[10]HarrisRJ,SanbornFW.Acognitivepsychologyofmasscommunication[M].London:Routledge, 2013.

[11] 彭瀟影. 網絡媒體與“仇二代”社會心理蔓延的關聯[D]. 福州：福建師范大學, 2012.

[12] 葉金珠, 佘廉. 網絡突發事件蔓延機理研究[J]. 情報雜志, 2012, 31(3): 1-5.

[13] 佘廉, 葉金珠. 網絡突發事件蔓延及其危險性評估[J]. 工程研究——跨學科視野中的工程, 2011, 3(2): 157-163.

[14]WeinerD.Crisiscommunications:Managingcorporatereputationinthecourtofpublicopinion[J].IveyBusinessJournal, 2006, 21(4): 5-30.

[15] 李芳馨. 網絡突發事件及其蔓延機理研究[D]. 北京：北京郵電大學, 2013.

[16] 王光輝, 劉怡君. 基于系統動力學的輿論風險形成及干預策略[J]. 系統工程, 2014, 32(5): 82-91.

[17] 孫佰清, 董靖巍. 重大公共危機網絡輿情擴散監測和規律分析[J]. 哈爾濱工業大學學報(社會科學版), 2011, 13(1): 92-97.

[18]NekoveeM,MorenoY,BianconiG,etal.Theoryofrumourspreadingincomplexsocialnetworks[J].PhysicaA, 2007, 374(1): 457-470.

[19]LiuDehai,WangWeiguo,LiHongyi.Evolutionarymechanismandinformationsupervisionofpublicopinionsininternetemergency[J].ProcediaComputerScience, 2013, 17: 973-980.

[20] 孫翎, 遲嘉昱. 基于倉室模型的危機蔓延建模與演化分析[J]. 管理學報, 2010, 7(12): 1878-1883.

[21]MaNing,LiuYijun.SuperedgeRankalgorithmanditsapplicationinidentifyingopinionleaderofonlinepublicopinionsupernetwork[J].ExpertSystemswithApplications, 2014, 41(4): 1357-1368.

[22]ChierichettiF,LattanziS,PanconesiA.Rumorspreadinginsocialnetworks[J].TheoreticalComputerScience, 2011, 412(24): 2602-2610.

[23]WindsorD.Publicaffairs,issuesmanagement,andpoliticalstrategy:Opportunities,obstacles,andcaveats[J].JournalofPublicAffairs, 2001, 1(4): 382-415.[24]GinnekenJV.Collectivebehaviorandpublicopinion:rapidshiftsinopinionandcommunication[M].Mahwah,NewJersey:LawrenceErlbaum, 2003.

[25]FeldmanS.Structureandconsistencyinpublicopinion:theroleofcorebeliefsandvalues[J].AmericanJournalofPoliticalScience, 1988, 32(2): 416-440.

[26] 劉怡君, 李倩倩, 馬寧,等. 基于超網絡的社會輿論形成及應用研究[J]. 中國科學院院刊, 2012, 27(5): 560-568.

[27]RogersEM，EverettM.Diffusionofinnovations[M].NewYork:TheFreePress, 1995.

[28]BassFM.Anewproductgrowthmodelforconsumerdurables[J].ManagementScience, 1969, 15(5): 215-227.

[29]StrangD，TumaNB.Spatialandtemporalheterogeneityindiffusion[J].TheAmericanJournalofSociology, 1993, 99(3): 614-639.

[30] 李淑蕙. “7·23”甬溫線動車重特大事故發生[Z]. 溫州年鑒, 2012.

StudyonSpreadMechanismandDiffusionEffectofNetworkPublicOpinionCrisis

WANG Guang-hui1,2,3, LIU Yi-jun1, 3

(1. Institute of Policy and Management, Chinese Academy of Sciences, Beijing 100190, China;2. University of Chinese Academy of Sciences, Beijing 100190, China;3. Center for Interdisciplinary Studies of Natural and Social Sciences, CAS, Beijing 100190, China)

Since the arrival of the Web2.0 era, network media become a key approach of public crisis and risk transmission. In this context, the formation and evolution of public opinion crisis is a serious problem nowadays, which attracts much more attention from the whole society. Therefore, spread mechanism of network public opinion crisis is choosed as the research object. After collecting and sorting 20 public opinion crisis incidents in recent years, the basic concepts, expression forms, driving factors, and specific patterns of public opinion spread are systematically summarized. Then, the spread and diffusion model of network public opinion is built, which completely considers the internal and external impact factors of spread mechanism. Besides, the extreme point and inflection point of the spread and diffusion model are also discussed. In the case study section, 723 Wenzhou Train Crash and its public opinion crisis are fitted and analyzed by using the public opinion spread and diffusion model.

public crisis; network public opinion; spread mechanism; diffusion model; Wenzhou Train Crash

2013-11-07；

2014-07-21

國家自然科學基金資助項目(91024010，91324009)；中科院創新團隊項目(KACX1-YW-1011，GH13041)；中國科學院科技政策與管理科學研究所重大研究任務項目(Y201201206)

王光輝(1987- ), 男(漢族), 山東招遠人，中國科學院科技政策與管理科學研究所助理研究員, 研究方向：輿論動力學.

1003-207(2015)07-0119-08

10.16381/j.cnki.issn1003-207x.2015.07.015

C931.1

A