食品安全風險預警：小變量撬動大數據

自述：陳娟

在國外基于跟新聞傳播或者跟傳播學的合作所展開的輿情監測已經成為一種常態。但國內做輿情監測，更多地僅在本專業內完成，只監測專業數字或者是專業術語，對受眾的心理就沒有很好地預測和感知。

大家都知道應該去抓取大數據，而問題是一定要注意小變量，也就是在抓取的時候需要使用的高頻詞。

自述：陳娟

華南理工大學新聞與傳播學院副院長

整理：南方周末記者 崔慧瑩

專家與民眾的認知落差

近些年來，我們的農副產品農藥殘留量逐年下降，食品檢驗的合格率也在上升，但為什么公眾都覺得食品越來越不安全？

這是風險知識落差模式造成的。

在專家眼中，風險是統計風險概率和死亡率估算出來的，比如今天食品安全率從95%提高到了98%，風險更低了。但在民眾心中，風險更多是來自心靈上的感受，與個人的生活息息相關，他們的評估標準包括對風險的熟悉程度、恐懼、是否自愿、個人的可控制性、公平、道德等諸多心理因素。

2016年，我在醫院做了兩個月調查，給20位志愿者每人發了一臺智能手機，讓他拍下自己對醫院的不滿，或者說會影響到與醫院溝通的問題。

結果發現，就診者的不滿和醫生所認為的不滿完全不同。醫生認為：“病人對我的醫術、治療方案或使用的藥物不滿。”但患者的不滿在于：“我今天停車特別不方便。電梯等很久，排隊時有人加塞兒。”

這個例子說明，專家眼中的風險認知和民眾眼中的風險認知是有極大差異的。而我們要監測的風險，并不是技術導向的專家眼中的風險，而是公眾認知上的落差和錯誤。

無論是媒體、監管部門還是公眾，最需要的就是將認知水平從參差不齊到相互融合。大數據監控的目的，就是為了彌合目前公眾的認知和科學家的認知與監管部門認知之間的落差。

健康教育任重道遠

我們時常看到，某個突發事件在網上一曝光，即迅速引爆全國輿論，把地區性、局部性和帶有某種偶然性的問題，變成全民圍觀的公共話題。

比如有很多媒體質疑“速生雞”投喂激素，但其實白羽雞的生長周期就是45天，是完全沒有問題的。

與其說今天要解決食品安全問題，還不如說我們要通過日常的健康教育，解決受眾對今天中國食品不信任的問題。

一些中國人接受到的健康教育一直是自上而下的傳統模式，就是我不斷地向你傳播信息，但至于有沒有擊中你、說服你，根本沒人在乎。

甚至可以說，就算人們在認知上發生了改變，想要他們改變行為也是非常艱巨的，更不要說我怎樣才能把內容傳播出去，讓他們獲得這種認知了。這是一條非常漫長的道路。

國民健康教育不可能一蹴而就，但在這之前，我們可以通過大數據做一些食品安全的預警和研判，以控制可能會發生的心理不安全感。

監測預警：降低80%輿情處理成本

這里要強調一下，我所認為的食品安全預警，更多強調的是溝通的風險和認知的風險。

以前總有政府部門請我去上課，要講輿情應對，我就說這課上不了。現在我們早進入了互聯網和自媒體的時代，根本沒法阻攔網民的議論。

而今天我們要討論的——基于大數據的網絡輿情在食品安全監測預警中的應用，不是危機爆發后的輿情應對，而是監測并預警。意思是，在事情沒有爆發之前先警示。美國有一系列的研究結果表明，相比事情出現之后再收拾爛攤子，預警可將輿情處理的成本降低80%。

國內也是一樣，一個地方哪怕出現一個很小的問題，但是這個問題特別尖銳，它就不能只在這個地區處理，而是會成一個全國性的公共輿論事件，我們希望做的就是通過預警，盡量降低這種輿情對整個社會產生的巨大影響。

說白了，我們有那么多食品安全事件，但是它的恐怖性或者嚴重性真的要到全國整治的地步嗎，每次全國整治我們要花多少錢？

在歐美等發達國家，健康教育已經做得非常成熟了，民眾并不會因為今天發生一起馬肉替代牛肉的事件，就覺得牛肉完全不能吃了，不會發生這種恐慌性的事件。在國內，雖然加強風險溝通已經成為監管部門的基本認知，但是由于信息公開的缺失，也常常出現越溝通問題越多、民眾越不滿意的局面。

怎樣提高應對輿情風險的能力并及時有效地進行信息公開呢？

我們認為，通過多數據源的網絡輿情分析，可以更全面、更準確地監測食品安全事件的形成和發展。

在輿情分析的基礎上，結合重要的相關現實數據，可以幫助早期預測、發現和評估食品安全事故發生的幾率和發展趨勢，為政府部門制定和調整公共衛生事件的防控政策提供重要參考。

“小變量”是 大數據分析關鍵

早在20世紀90年代，世衛組織為了加強全球流行性疾病的監測，就開發了一套軟件系統——“全球公共健康情報網”（以下簡稱GPHIN），它綜合利用了網絡搜索、數據挖掘、自動翻譯、自動化過濾等多項技術，發現和跟蹤重大公共衛生事件，實現基于國際互聯網的實時、早期預警。

它的二代系統在2004年發布，每天自動掃描網絡上超過10000個網站的20000多條信息，能夠識別包括簡、繁體中文在內的7種文字，已多次成功地預報了一些國家和地區的流行疾病。目前，聯合國和世界衛生組織獲得的大約75%的傳染性疾病情報都來自GPHIN。

這種早期預警是非常成功的，可以讓那些老弱病殘者提前打疫苗，不到人多或可能導致傳染的地方去。

國內也有類似的用于公共衛生的監測平臺，以廣東省公共衛生輿情監測平臺為例，它就可以對南方網等550個中英文傳統網頁、論壇、博客的內容以及搜索引擎的數據進行自動抓取，再由人工輔助進行預判。

當初做這個案例研判的時候，地方政府認為自己能夠發現熱點，通過趨勢分析圖和傳播鏈接分析圖解決事情的來龍去脈。結果2011-2012年，總共監測到傳染病疫情91起，食物中毒事件68起，其中僅有7起是由輿情平臺首先監測到的。

為什么國內平臺的監測效果遠遠不如國外系統？

首先，國外的傳統媒體報道比較科學嚴謹，對他們來說，信息的抓取更多來自社交媒體；而國內這些突發性公共事件問題的發生，大多來自社交媒體，只監測主流媒體是不夠的。

其次，在國外基于跟新聞傳播或者跟傳播學的合作所展開的輿情監測已經成為一種常態。但國內做輿情監測，更多地僅在本專業內完成，只監測專業數字或者是專業術語，對受眾的心理就沒有很好的預測和感知。

現在大家都知道應該去抓取大數據，而問題是一定要注意小變量，也就是在抓取時需使用的高頻詞。

對高頻詞的專業判斷，也成為新聞專業與計算機專業合作的基礎。計算機學院可以設計監測系統模型，而新聞學院更清楚地知道受眾心中的風險是什么，在不同的情況下，哪些詞匯是應該受到關注的。

在現在這樣一個信息爆炸的時代，無論是疾病防控還是食品安全，對相關輿情進行預警和研判，以控制可能會發生的公眾心理不安全，非常重要。