大數據背景下突發事件網絡輿情應對機制研究

袁 野，蘭月新，張 鵬，夏一雪，劉 媛

(武警學院，河北 廊坊 065000)

大數據背景下突發事件網絡輿情應對機制研究

袁 野，蘭月新，張 鵬，夏一雪，劉 媛

(武警學院，河北 廊坊 065000)

大數據背景下，網絡輿情主體特征呈現新變化。根據C4ISR系統構建了政府應對網絡輿情的聯動機制，將政府網絡輿情應對系統分為計算機系統、情報系統、監視系統、偵察系統、通信系統、指揮系統和控制系統，分析了各系統在輿情應對中應發揮的作用。提出突發事件發生前和發生后不同的網絡輿情應對策略，以期為政府改善網絡輿情管理體系提供理論支撐。

大數據；網絡輿情；C4ISR系統；應對機制

一、現狀分析

隨著互聯網的發展，我國迎來了大數據時代。據中國互聯網絡信息中心(CNNIC)報告顯示，截至2016年6月，中國網民規模達7.10億，互聯網普及率達到51.7%，同時，移動互聯網塑造的社會生活形態進一步加強[1]。隨著移動寬帶互聯網的普及，網絡上每天都會產生海量網絡輿情數據，單靠某一部門的力量難以實現對網絡輿情的引導和管控。以大數據觀念構建合理完善的網絡輿情應對機制，準確把握網絡輿情的內在特征及其在演化過程中的規律，對于新形勢下做好網絡輿情引導工作，維護網絡社會安全，具有重要的意義。

當前，國內外學者對網絡輿情的研究主要可歸納為以下五類。第一類：主要研究網絡輿情的基本問題，如輿情事件的分類，輿情的發生規律、傳播規律等，認為網絡輿情經歷潛伏、發展、高潮和消退四個時期，并將輿情事件分為自然災害類、社會管理類、社會道德類等[2-3]。第二類：從定量分析的角度，利用模糊綜合評價法、貝葉斯分析等，根據網絡輿情指標體系進行輿情預警機制的構建，其中涉及的指標大概分為內容的敏感性、網民的態度、回應的數據變化以及事態的擴散程度等[4-5]。第三類：從定性分析的角度，通過案例分析指出當前我國政府在應對網絡輿情事件時的不足之處，并為政府提高網絡輿情應對水平提出改進策略[6]。第四類：從某一類特別的網絡輿情事件入手，研究該類輿情事件的預警及應對，如暴恐事件網絡輿情風險預警研究、涉警輿情專題研究以及旅游、食品安全等方面的特殊類型研究[7-9]。第五類：立足于網絡輿情本身，研究網絡輿情對現實生活，如政治、教育、就業等方面的影響[10-11]。本文在大數據背景下，重新研究網絡輿情在新數據環境下的特征，并將軍事學理論C4ISR系統移植到政府應對網絡輿情的管理過程中，為政府應對網絡輿情提出更符合時代發展的應對機制。

二、大數據背景下網絡輿情主體特征

(一)大數據與網絡輿情

百度百科對大數據的定義是“所涉及的數據量規模巨大到無法通過人工在合理的時間內達到截取、管理、處理并整理成為人類所能解讀的信息”，且具備規模性(volume)、多樣性(variety)、高速性(velocity)和價值性(value)等特點[12]。

隨著互聯網的普及，網絡輿情的相關數據已形成一個獨特的大數據集合。首先，互聯網的普及使得每天都會產生大量的網民關注的熱點事件，網民對這些熱點事件發表個人觀點時產生海量數據；其次，網絡輿情信息數據的種類繁多，包括文字、音頻、圖片、數字、視頻等；再次，網絡輿情信息數據的價值密度低，需要網絡輿情分析人員在海量信息中去除噪聲，找出有用的信息。

(二)大數據背景下網絡輿情主體特征

網絡輿情的形成一般要經過突發事件發生、政府或網民發布信息、媒體傳播信息等環節，所以，除了政府外，網絡輿情主體包括事件、媒體和網民。移動客戶端的發展，使得大量突發事件被曝光且廣泛傳播，也使得網民的態度、觀點大量傳送至網絡。由此，網民對某一話題熱議產生的網絡輿情形成大數據，網絡輿情主體特征如圖1所示。

圖1 大數據背景下網絡輿情主體特征

1．事件特征

大數據背景下，網絡輿情事件特征可以總結為“事件類型多、發布主體多、信息格式多、上網速度快”。首先，我國正處于社會轉型期，突發事件較多且曝光頻率高，事件發生后都會在網絡上產生規模或大或小的網絡輿情；其次，政府和網民都成為信息發布主體，并且后者發布的信息數量遠遠超出前者，改變了由政府作為信息發布主體的格局；再次，網絡技術的提升使得事件信息格式類型增多，由以文字為主的信息逐步變為“圖文并茂”，甚至是文字、圖片、視頻同時具備，通過網絡信息還原事件、預測事件進展成為可能；最后，隨著移動寬帶互聯網的普及，相關信息在事件發生后短時間內就可被上傳網絡，有時甚至是“同步直播”。

2．網民特征

我國網民的年齡、學歷、收入、職業等結構比較復雜(如表1所示)[1]，導致網民發表網絡言論視角眾多、參差不齊，甚至出現偏激言論。且網民心理多元化，獵奇探究、彰顯個性、渴求新知、減壓宣泄、追求平等、跟風從眾等成為影響網民輿情心理的主要因素[13]。

表1 我國網民結構

注：數據來源于中國互聯網絡信息中心發布的《第38次中國互聯網絡發展狀況統計報告》。

3．媒體特征

大數據背景下，龐大的媒體數量使得網絡輿情信息傳播渠道越來越多，依托手機的媒體平臺已經成為網絡輿情信息傳播的主要載體。國內絕大部分微博、網絡新聞、論壇、社交網站、視頻網站及其他網絡媒體的信息均可相互共享、轉發，網絡輿情信息量猛增。據統計，中國網民每天發布和轉發微博信息達2.5億條，如果加上評論及其他微博功能產生的信息，堪稱多維度海量數據。

綜合以上三點，大數據背景下網絡輿情主體特征可以總結為：源頭多、網民多、渠道多，單靠某個部門難以實現網絡輿情引導和管控，需要多個部門聯動協作。所以，建立有效、全面的聯動機制是大數據背景下政府管控網絡輿情的關鍵。

三、基于C4ISR的政府應對網絡輿情機制構建

C4ISR系統是指指揮(Command)、控制(Control)、通信(Communication)、計算機(Computer)、情報(Intelligence)、監視(Surveillance)、偵察(Reconnaissance)集成，之前一直被運用在軍事領域，它綜合運用各種信息技術，對軍隊和武器進行指揮與控制[14]。本文從管理學、情報學、數學、新聞傳播學等學科角度出發構建政府網絡輿情決策的C4ISR系統，以實現輿情管控一體化，提升政府工作效率。其主要內容如圖2所示。

圖2 政府應對網絡輿情的C4ISR系統內容

在政府應對網絡輿情的C4ISR模型中，主體系統有7個，分別為計算機系統、情報系統、監視系統、偵察系統、通信系統、指揮系統和控制系統。計算機系統主要根據輿情監測模型進行網絡輿情監測，以及輿情數據挖掘，是系統中的“大腦”，計算機是實現命令上傳下達自動化的技術基礎，也是整個系統運行的載體。情報系統主要用來實現輿情的分析與研判，如網絡輿情趨勢的預測、風險評估、網絡謠言的判別、網絡推手和意見領袖的識別等。監視系統和偵察系統通過監測微博、微信、論壇、博客等網絡平臺進行重點信息跟蹤、重點人言論獲取的工作，通過偵察進行網絡輿情信息抽樣反饋、實地調查，對輿情傾向性進行評估，進一步豐富情報系統數據庫。通信系統則是部門與部門間進行信息共享與交流、與媒體交流、與意見領袖交流、暢通輿情反饋機制的基礎。指揮系統是整個系統的“神經中樞”，它決定著信息的收集方式和收集范圍、傳遞途徑和終點，保障政府的高效指揮。控制系統是整個系統的“手腳”，通過控制系統發出命令，主要發揮突發事件處置、輿情引導、新聞發布會、辟謠、發布信息等作用。詳細內容如圖3所示。

(一)網絡輿情監視、偵察系統

凡事預則立，不預則廢。在大數據時代，這個“預”指的就是監測、預測這個過程，其中預測是核心內容。傳統網絡輿論引導工作的起點是對已發生的網絡輿情進行監測，這種方式在時間維度上顯露出滯后性。大數據技術的應用，就是通過對網絡輿情的數據進行數據挖掘和數據分析，從而把握輿情應對的關鍵時間點，在該關鍵點出現前，提前采取應對策略，實現對網絡突發輿情的預測、預防。

1．監視偵察的范圍

圖3 大數據背景下網絡輿情應對系統指標

網絡輿情監測獲得信息和數據的真實可靠性、全面性、準確性是網絡輿情預測的基礎和前提。傳統網絡輿情監測工作主要采取“以人工檢索為主，軟件搜索為輔”的模式，監測結果受到輿情檢測員知識水平和價值判斷的影響，有可能存在著重要信息丟失的情況，從而降低了輿情預測的準確性，是輿情預警過程中的重要隱患之一。傳統輿情監測方式采集的輿情信息僅為樣本信息，這就導致有價值的輿情信息大量流失，使得輿情分析和預測出現偏差。目前，大部分網絡媒體都具備“一鍵共享”功能，即將某條信息快速共享至其他網絡媒體，擴大監測范圍將會及時發現熱點輿情。通過運用大數據技術，突破傳統輿情監測技術瓶頸，可以全面監測網絡媒體(如網絡新聞、微博、微信、博客、社交網絡、論壇、視頻網站等)，并且隨著移動寬帶互聯網的普及，微博、微信、視頻網站逐漸成為監測重點。

2．監視偵察的指標

輿情傳播程度通常可以通過監測輿情相關數據量的變化進行判斷。與信息發布者有關的監測指標包括信息發布量、信息的內容與格式，與網民相關的指標包括瀏覽量、轉發量、評論量、情感傾向以及網民的個人信息(如IP地址、網名)等。我們不應僅僅關注于網民在幾點幾分發表了什么言論，而要關注在某一時間范圍內，網民的關注內容、人群類型、關注方式的變化等數據。將這些指標進行量化處理，將感性的網民情緒變化、評論變化、社會網絡等信息轉化為標準數據，通過數據模型計算，進行輿情走向預測。

(二)網絡輿情情報分析、預測系統

1．網絡輿情情報分析

大數據背景下，網絡輿情數據的來源更加復雜多樣。通過對網絡輿情案例的分析總結，發現在進行網絡輿情分析時，有以下幾個關鍵性的要素：敏感度、擴散度、傾向度和偏離度。如娛樂性質的網絡輿情就不如涉警輿情的敏感度強，但其擴散度可能更廣。傾向度和偏離度是判斷輿情走向和發展趨勢的重要依據。通過應用大數據技術，有助于突破傳統網絡輿情監測技術瓶頸，深度挖掘數據間的潛在聯系，盡可能全面地對輿情走向進行分析。

2．網絡輿情情報預測

輿情預測包括趨勢預測、互動預測、輿情評估、輿情預警等四個方面。對趨勢的研判是大數據時代輿情分析的目標。輿情情報預測，要求我們用情報分析的思維，把握輿情發展趨勢，無事先防，事前部署。互動預測則要求我們關注不同網絡平臺間的互動、網民與信息發布平臺的互動、網上與網下的互動以及網民間的互動。大數據的一個重要特征是數據的混雜性，因此我們不僅要接收多樣化的數據，還要善于利用多樣化的數據，將不同領域數據關聯起來進行分析，利用有效數據，剔除信息噪音。如更多關注網民對某一話題的互動討論以及與某一輿情相關聯的其他衍生數據，包括微博數據、微信數據等，拓展輿情監測視角，為預測輿情走向贏得時間和空間。輿情評估即根據選取的網絡輿情安全評估指標對輿情的擴散程度進行評估，并結合評價模型以及數據挖掘方法為輿情預警打下基礎。輿情預警的及時性與有效性依賴于輿情監測工作，根據輿情發生發展的規律，在不同的輿情傳播階段進行對應的輿情預警并制定對策。

(三)網絡輿情通信、指揮和控制系統

網絡輿情應對的最終決策通過通信、指揮和控制系統實現。通信系統主要負責政府與外界的信息交流，包括信息的發布、反饋等內容。近幾年網絡輿情事件應對失敗的案例表明，政府在應對網絡輿情事件時，只有確保通信系統的準確、快速反應才能最大程度地降低輿情無限發酵的可能性。例如，在“雷洋事件”中，由于政府通信內容的紕漏，一度引發網民針對警方通報進行各方面質疑，對事件的處置與平息產生了較大影響。指揮系統主要負責與相關部門和媒體的聯絡和協作，構成輿情應對的聯動機制。例如，在“哈爾濱天價魚事件”中，警方、旅游局和省長聯合對此事件發聲，最終使事件平息。控制系統要求政府實現對各信息發布平臺的整體把握，通過控制信息傳播的路徑、信息發布的內容以及實際工作中的應對措施，實現對輿情發展態勢的整體控制。

四、網絡輿情應對策略

根據以上建立的網絡輿情應對機制，本文為政府應對網絡輿情提出如下對策。政府應對網絡輿情對策可以分為事前以防御為主的對策和事后以應急為主的對策。

(一)事前防御策略

防御機制，即在突發事件發生前，針對可能出現的網絡輿情采取防御性措施。此時，主要依賴指揮系統、計算機系統以及通信系統。從政府內部來看：首先，應對政府的網絡輿情應對能力進行評估，根據評估結果加強相應能力建設，為應對網絡輿情打下堅實的基礎。其次，監測網絡輿情整體發展態勢，在突破異常臨界點時及時作出防御性預警。從政府外部看：進行事前防御需要實現人的聯動和部門間的聯動。人的聯動主要體現在以下幾個方面：第一，建立輿情處置人員培訓機制。提高輿情管理人員的輿情敏感度和輿情應對素質，在配備輿情監測軟件后，確保輿情監測人員能夠熟練運用軟件進行輿情監測。第二，擴展外圍監測人員，設立輿情監測中心。如開展網絡輿情分析師培訓班，加強與各大輿情監測平臺的合作，加強網絡輿情理論學習，分享輿情應對經驗，增加輿情應對模擬演練等。部門聯動表現在：第一，與不同的網絡平臺構建合作關系，規制網絡大V的言論，加強與意見領袖的溝通交流，通過把握輿情傳播關鍵節點，發揮事前防御作用。第二，在學校定期開展有關網絡輿情的講座，讓青年學生更理性地了解和認識網絡輿情，提高對網絡輿情進行是非辨別的能力。第三，在社會面做好網絡輿情宣傳工作。借助互聯網、電視、報刊、雜志等渠道對網絡輿情發展狀況進行剖析，點評輿情環境的優點和不足，對民眾發表網絡言論進行合理地引導，普及相關法律知識，提高社會對網絡輿情影響力的認知。

(二)事后應急策略

應急機制，即突發事件發生后，針對網絡輿情的發展變化情況開展的應對、補救措施。此時，發揮主要作用的是控制系統、情報系統、偵察系統以及監視系統。實現對網絡輿情的控制要依靠輿情引導機制、信息公開機制，并采取辟謠策略。發布信息的準確性、時效性和權威性都對網絡輿情的發展趨勢產生很大影響。同時，對于已經產生的網絡謠言，要及時進行辟謠，防止其朝著錯誤的方向發酵。近幾年，網絡輿情發生戲劇化反轉的現象越來越多，政府要加強對網絡輿情反轉現象的研究，分析應對失敗案例，對不足之處及時改正。政府要加強與媒體的事后溝通，增強互信，禁止媒體對涉及政府的信息進行片面、斷章取義的報道，根據法律規范媒體言論。對良性的網絡輿情及時進行引導，避免由于輿論壓力過大而對政府機關的正常運行造成影響。網絡輿情趨勢預測、風險預測以及網絡推手的識別等工作依賴于情報系統的有效運行，通過監視系統和偵察系統，對網民輿論的傾向性進行判斷，把握網絡輿情的發展方向，了解網絡輿情該從哪些方面進行疏通。在輿情大致平息后，繼續進行輿情跟蹤分析，以確保不反復。

五、結束語

進行網絡輿論引導的前提，是做好網絡輿情的預測，而大數據技術為網絡輿情的預測提供了定量分析的支撐和保證，也為深入的定性分析打下基礎。本文將軍事領域的C4ISR系統融入政府網絡輿情的管理與控制，適應于目前復雜的網絡環境，可以極大地提升網絡輿情應對能力，維護政府公信力。

[1] 中國互聯網絡信息中心.第38次中國互聯網絡發展狀況統計報告[EB/OL].(2016-08-03)[2016-11-10].http：//tc.people.com.cn/n1/2016/0803/c183008-28606650.html.

[2] 蘭月新，曾潤喜.突發事件網絡輿情傳播規律與預警階段研究[J].情報雜志，2013,32(5)：16-19.

[3] 蘭月新，鄧新元.突發事件網絡輿情演進規律模型研究[J].情報雜志，2011,30(8)：47-50.

[4] 王鐵套，王國營，陳越.基于模糊綜合評價法的網絡輿情預警模型[J].情報雜志，2012,31(6)：47-51.

[5] 張一文，齊佳音，方濱興，等.基于貝葉斯網絡建模的非常規危機事件網絡輿情預警研究[J].圖書情報工作，2012,52(2)：76-81.

[6] 戴維民，劉軼.我國網絡輿情信息工作現狀及對策思考[J].圖書情報工作，2014,58(1)：24-29.

[7] 瞿志凱，張秋波，蘭月新，等.暴恐事件網絡輿情風險預警研究[J].情報雜志，2016,35(6)：40-46.

[8] 陳光明.涉警網絡輿情應對探討[J].公安研究，2011(6)：55-59.

[9] 任立肖，張亮.食品安全突發事件網絡輿情的分析模型——基于利益相關者的視角[J].圖書館學研究，2014(1)：65-70.

[10] DALTON R J.Citizen politics： public opinion and political parties in advanced industrial democracies[M/OL].http://books.google.com，2013.

[11] WATTS D J，DODDS P S.Influentials， networks， and public opinion formation[J].Journal of Consumer Research，2007，46(7)：235-249.

[12] 百度百科：大數據[EB/OL].[2016-11-17].http：//baike.baidu.com.

[13] 畢宏音.網民心理特征分析[J].社科縱橫，2006，21(9)：38-39.

[14] 鄧小妮.基于模型檢驗與仿真的C4ISR系統需求驗證方法研究[D].長沙：國防科學技術大學，2008.

(責任編輯 劉彥超)

Research on Internet Public Opinion Coping Mechanism with the Help of Big Data

YUAN Ye, LAN Yuexin, ZHANG Peng, XIA Yixue, LIU Yuan

(TheArmedPoliceAcademy,Langfang,HebeiProvince065000,China)

With the emergence of big data, the subject of internet public opinion has shown some new characteristics. Based on C4ISR systems, an interacting mechanism has been set up to cope with internet public opinion. This coping mechanism of the government consists of a computer system, an intelligence system, a surveillance system, a reconnaissance system, a communication system, a command system and a control system. This paper analyzes different system’s role in the management of internet public opinion, and proposes different strategies to deal with public opinion before and after the occurrence of emergencies, so as to provide theoretical support for the government to improve the management system of internet public opinion.

big data; internet public opinion; C4ISR system; coping mechanism

2016-11-25

國家社科基金青年項目“公共安全視角下網絡輿情風險建模與對策研究”(15CXW015)；河北省社科基金年度項目“面向突發事件的情報分析與決策支持研究”(HB15TQ002)；河北省統計科學研究計劃重點項目“大數據環境下網絡輿情數據分析與決策支持研究”(2016HZ09)

袁野(1993— )，女，河南鄭州人，在讀碩士研究生；蘭月新(1981— )，男，河北灤平人，講師；張鵬(1981— )，男，內蒙古包頭人，講師；夏一雪(1983— )，女，山東莒縣人，講師；劉媛(1966— )，女，河北廊坊人，副研究館員。

G202

A

1008-2077(2017)01-0014-05