基于信息生態理論的政法事件微博輿情傳播規律研究

楊蘭蓉　鄧如夢　郜潁潁

〔摘 要〕[目的/意義]在以政務微博為代表的新媒體技術不斷發展的背景下，政法事件微博輿情傳播成為政法機關面臨的新問題。對政法微博輿情傳播進行研究，有助于剖析微博輿情傳播的信息生態學規律。[方法/過程]基于信息生態理論構建政法微博輿情生態系統，以聊城于歡案政法事件為研究實例，將新浪微博輿情信息作為研究對象，對系統內的信息主體、信息環境、信息3個因子的傳播和演化過程進行分析。[結果/結論]研究結果表明，主體因子中用戶粉絲數和關注數均符合冪率分布且呈斷尾分布特征；信息因子特征量符合指數分布；環境因子特征量具有長尾分布特征，政法微博輿情傳播符合信息生態學的互生再生規律、動態平衡、協同進化規律。文章的研究對政法機關輿情監管部門把握微博輿情傳播規律及輿情控制具有一定的參考性作用。

〔關鍵詞〕微博輿情；政法事件；信息生態理論；傳播規律

DOI：10.3969/j.issn.1008-0821.2018.08.007

〔中圖分類號〕C912.6 〔文獻標識碼〕A 〔文章編號〕1008-0821（2018）08-0051-10

〔Abstract〕[Purpose/Significance]Under the background of the continuous development of new media technologies represented by government microblogs，the dissemination of public opinion information on the network of politics and law has become a new problem faced by the law enforcement agencies.Research on the public opinion dissemination of the Weibo laws and microblogs helps to analyze the laws of information ecology in the dissemination of microblogs.[Method/Process]Based on the theory of information ecology，the paper constructed the public opinion ecosystem of the political，legal，and micro-blog，takes Liaocheng Yuhuan case as an example，and used Sina Weibo public opinion information as the research object，and disseminated the information subject，information environment and information in the system.The evolutionary process was analyzed.[Result/Conclusion]The research results showed that in the person factor，the number of fans and the number of attentions of users were in line with the power rate distribution and were in the tail-distribution distribution characteristics；the information factor characteristic amount conformed to the exponential distribution；the environmental factor characteristic amount had the long-tail distribution characteristic.The public opinion propagation of law and law microblog was in line with the interactive ecology，dynamic balance，coevolution and effective limit law of information ecology.The research of the article had a certain reference function for the public opinion supervision department of the political and legal department to grasp the law of Weibos lyrical transmission and the control of public opinion.

〔Key words〕Weibo public opinion；legal cases；information ecology theory；spreading law

政務微博是新媒體技術發展的典型代表，對政府部門應對突發事件、引導輿情走向、辟除謠言及動員社會力量等方面有著重要的作用，是政府重要的信息平臺。政務微博作為一種新興的網絡媒體，與傳統媒體的信息傳播方式及傳播規律不同，輿情熱點事件一旦在微博上爆發后，政務微博的輿情引導與危機處理能力則成為社會的聚焦點，同時也是各級政法機關面臨的重點難題。目前我國正處于深化改革和社會轉型的關鍵時期，社會矛盾多發，重大涉法公共事件頻發，事件社會影響力及社會關注度越來越高，給政法機關工作帶來巨大的輿論壓力。因此，新媒體時代，政法機關如何認識新媒體輿情傳播規律、引導社會輿論、實現涉法公共事件順利解決具有重大的現實意義。

隨著Web2.0時代的到來，互聯網和社會媒體逐漸建立起一個全新的社會網絡生態系統[1-2]，利用信息生態學視角來適應和研究現代社會生態系統的變化顯得尤為重要[3]。目前，學者們對“微博輿情生態系統”的內涵與外延并沒有統一界定。從歸屬類別上看，“微博輿情生態系統”也是一種網絡輿情生態系統，或者說是網絡輿情生態系統的一種新研究趨勢。關于網絡輿情生態系統的定義，朱毅華等認為網絡輿情生態系統是在一定政治、法律、社會和技術環境下，信息人通過其活動形成的信息生態群落所構成的網狀體系[5]。孫振良等認為突發事件輿情信息生態鏈系統是由事件輿情信息、輿情信息主體節點及輿情信息生態環境三要素構成[4]。作為一個有機的、動態的生態系統，網絡輿情生態系統內存在復雜的機制來推動系統的協同演化，王建亞等認為網絡輿情生態系統的運行機制包括形成機制、循環機制和組織平衡機制等3種具體機制形式來維持系統平衡發展[6]。

在生態系統的影響因素及構建模型方面，王琳琳認為公共事件本身、網民、媒體、政府和網絡輿情生態環境等因素都會對突發公共危機事件的網絡輿情生態產生影響[7]。姜景等為了分析系統中主體和環境、資源之間的互動關系，構建了一個包括環境因子、主體因子和信息因子三要素的網絡輿論生態系統[8]。Finin Tim等建立了一個基于博客圈的包括信息流、影響力和信任度3個維度的模型，試圖利用該模型研究網絡中各類主體（包括個人、群體、觀點、信仰、廣告、甚至騙局等）的相互作用[4]。趙丹等基于信息生態理論對新媒體環境下微博輿情傳播態勢進行研究，構建了包括信息、信息主體、信息環境和信息技術4個生態因子微博輿情傳播態勢模型，同時以新浪微埃博拉熱點話題為研究對象，對模型進行實證分析[10]。宋拓從多個信息流轉的物理過程中提煉出微博信息生態鏈結構模型，在此鏈條中信息人之間存在著協同、促進、激勵、反饋等相互作用關系[11]。從現有學者對微博輿情生態系統的研究來看，研究內容主要涉及微博輿情生態系統的構建和運行機制、影響因素分析等方面，對政法事件輿情信息傳播規律的研究較少，且研究多為理論研究，缺乏具體案例的實證分析研究。

1 政法微博輿情生態系統模型構建

信息生態因子是指“信息環境中對人類的生存、發展及社會組織的行為、發展、流動和分布以及社會進化與發展有著直接或間接影響的各種要素”[12]。學者們對信息生態因子的概念達成了共識，但是在信息生態因子的構成上存在分歧。國佳認為信息生態因子由信息、信息人和信息環境三大要素構成[13]。也有學者認為信息生態因子由信息、信息人、信息技術和信息環境組成[14]。可見，分歧點在于信息生態因子是三因子還是四因子組成，即信息技術是屬于信息環境因子還是單列成一個因子。信息環境和信息技術都處于不斷的變化過程，信息技術的變化涉及范圍非常廣且相對較復雜。

考慮到微博輿情生態系統中信息技術這一因子的載體難以衡量和實體化，所以本文認為信息生態因子由信息、主體和環境3個基本要素構成。①信息。信息是微博輿情系統中的客體，是微博用戶與用戶之間在適應和改造微博世界過程中相互交換和傳遞的所有內容、表情和符號。②主體。微博用戶是微博輿情生態系統的主體，是需要并消費信息的個體、群體或組織。③環境。環境因子是某特征生物群體或生物群體周圍一切的全部環境要素的總和，包括空間中直接或間接影響該生物體或生物群生存和繁殖的各種因素，具體到微博輿情生態系統中，主要指影響信息主體信息消費及生產行為的一切因素，包括信息技術、信息制度和信息時空等方面，其主要側重衡量系統環境的內在機理和演化規律，如圖1所示。

2 研究方法

2.1 數據源選擇

新浪微博是一個由新浪網推出，提供微型博客服務類的社交網站。用戶可以通過WEB、WAP等各種客戶端組建個人社區，以140字左右的文字更新信息，并實現即時分享，是中國網民的主流社交平臺。2017年微博用戶發展報告中數據顯示，截至2017年9月，微博月活躍用戶共3.76億，與2016年同期相比增長27%，其中移動端占比達92%；日活躍用戶達到1.65億，較去年同期增長25%[15]。因此本文選擇新浪微博作為數據來源。

“聊城于歡案”自2017年2月17日一審以來，逐漸進入公眾視野，尤其在2017年3月24日山東省高級人民法院立案受理以來，在媒體平臺引起了各界熱議和全球網民的高度關注。基于此，本文選擇“聊城于歡案”微博話題作為信息采集源，以“于歡案”作為關鍵詞在新浪微博首頁進行高級檢索，搜索結果頁面顯示的微博則是研究所用數據。

2.2 數據采集與處理

采用Python網絡爬蟲方式采集獲取用戶數據，數據采集過程如下：①登錄新浪微博，采用高級搜索方式查詢相應微博信息，得到相應URL地址。②查詢該條微博的所有轉發和評論信息并獲取相對應的地址；③獲取有關字段信息內容并保存到EXCEL數據庫中。獲取數據字段包括用戶ID、用戶名、用戶性別、用戶年齡、地區、教育程度、微博內容、時間、轉發、評論及點贊數量等。同時重復以上1、2、3的步驟，爬取了四個官方微博（“山東公安”、“山東高法”、“山東省人民檢察院”、“最高人民檢察院”）下關于事件微博的評論。數據選取時間段為2017年3月35日至2017年6月25日。從“于歡案”關鍵詞出發共獲取9393條完整數據、部分用戶屬性數據及全部微博信息內容統計數據，官方微博下評論共收集到17 339條評論信息。在數據處理及分析階段，使用騰訊文智中文語義平臺、Access、Excel、Spss等軟件整理數據，進行數據規范化處理及去重及數據統計分析及繪圖。

3 數據結果

3.1 主體因子統計分析

3.1.1 主體屬性

從用戶屬性的特征量統計結果來看，參與輿情用戶性別以男性為主，占67.24%，且男性用戶分布較為規律，曲線擬合后符合指數分布（y=e5.18-5.178x，R2=0.894），而女性用戶人數呈現無規則分布，反映了男性網民在話題傳播過程中較為冷靜和理性。

從話題參與用戶年齡分布來看，35～50歲是輿情傳播的核心力量，25～50歲年齡的網民占61%，青年人及中年人在輿情傳播中有更為明顯的傳播優勢。從所有話題參與者的標注學歷中可以看出，大學學歷者占據“絕對優勢”，說明該輿情參與對學識具有一定的要求。話題參與用戶主要分布在北京、山東、廣東及江蘇等地區，北上廣蘇等經濟發達地區占比高達34.02%，說明經濟發達地區微博用戶更傾向于使用互聯網或者移動工具端進行輿情表達。

從粉絲數及關注數的特征統計結果來看，用戶的粉絲數遠遠高于關注數（用戶關注數均值643，粉絲數均值41 637），從圖2可以看出，用戶粉絲數符合冪律分布，粉絲數高于2 000以后呈現斷尾分布特征。而用戶關注數符合分段冪律分布，即關注數在10～150和150～1 500之間符合冪律分布，關注數高于1 500后呈現斷尾分布，而說明微博用戶更多的通過關注他人的行為來獲得更多的輿情信息。

3.1.2 主體信息行為

用戶參與輿情的信息環境特征量按照均值從高到低排序依次為點贊、轉發、評論，點贊行為是用戶情感傾向表達的主要方式，轉發行為是用戶進行輿情傳播的主要方式，而評論行為則相對較少，說明輿情傳播時用戶的信息細化水平較低。用戶輿情傳播行為特征量分布見圖3，3種行為分布曲線都符合指數分布，但轉發分布曲線擬合度最高，說明微博用戶是以自我為中心來進行輿情轉發的行為，這種行為傾向是微博輿情傳播典型的規律。同時，從各曲線分布特征可以看出，3種輿情傳播行為均具有長尾分布特征，參考人類動力學理論，微博用戶輿情行為分布具有長尾分布特征可能是由網民習慣、興趣驅動這兩個潛在原因所引起[16]。

3.2 信息因子統計分析

3.2.1 信息內容形式

從話題參與用戶發布的信息特征量結果來看，用戶參與輿情發布的信息以圖片或混合新媒體形式為主，圖片視頻表情等信息形式占據“半壁江山”，傳統媒體信息形式

占37.83%，單一的圖片及視頻信息形式比重較小，說明用戶在參與話題時更傾向于使用圖片或視頻等多種信息形式進行信息消費和生產。

輿情用戶信息形式分布曲線如圖4所示，可見視頻、圖片及表情信息形式分布均符合指數分布。說明用戶的信息內容形式具有明顯的突發性質，同時幾乎不具備記憶性。某用戶在進行信息情感的表達時更多地依據用戶的愛好和習慣，并不受現有信息形式的影響。

3.2.2 信息內容

從信息內容熱點詞TOP20統計表上可以看出（見表1），詞頻數超過400以上的詞為“問題”、“孝子”、“最強”、“背后團隊”，且這些詞都是涉及輿情事件過程及性質的詞匯。整體排名前20的詞匯也包括一些網友的多數情感性評論，如黑暗、公正、過重、害怕等詞匯。

3.3 環境因子統計分析

3.3.1 信息技術

用戶參與輿情所使用的工具端匯總表如表2所示，用戶使用傳統工具端進行輿情傳播的比例為21.17%，移動端占比78.83%，說明用戶參與輿情時使用的主要工具為移動端。在具體的移動工具端上，用戶主要使用iPhone、Android、iPhone系列產品作為信息工具，占比40%。非移動端主要通過weibo.com和360安全瀏覽器，但由于本文以新浪微博輿情事件為例，所以“weibo.com”排名第一的參考價值不大，傳統工具端輿情信息傳播以“360安全瀏覽器”為主。

為分析用戶不同工具端在輿情傳播的分布情況，通過對比圖5（a）、圖5（b）發現，用戶的傳統工具端使用行為同一棟工具端類似，都符合冪律分布，曲線形狀也較為相似，說明用戶的輿情傳播行為在兩種工具端存在相似性。

3.3.2 信息制度

信息制度是信息環境因子中較為重要的因素。微博輿情生態系統如生物界一樣，會存在信息泛濫或主體過渡消費等行為造成系統內的生態失衡，信息制度就是國家在宏觀層面上對信息環境外在的“干預”或“矯正”手段。為適應現代新媒體技術的迅速發展，自互聯網信息管理服務管理辦法與2000年通過實施后，國家先后出臺了一系列更加精細的政策法規，如《互聯網用戶公眾賬號信息服務管理規定》、《互聯網群組信息服務管理規定》及《微博客信息服務管理規定》等制度。

4 討論與分析

輿情信息數量隨時間演化如圖6所示，輿情信息數量變化呈“W式”特征。從2017年3月25日到2017年4月18日（即1～25天）為輿情信息傳播的前期（突發期），與其他輿情前期信息數量較少不同，該輿情在前期就已經在微博平臺上爆發，隨后信息數量達到峰值，平均每天信息數量在300條左右。2017年4月18日到2017年5月31日（即26～71天）為輿情信息傳播的中期（蔓延期），二審開庭及法院現場直播庭審等舉措使得事件的熱度開始回升，但與輿情前期相比，微博用戶發布信息、轉發和評論等行為相對較少。2017年6月1日到2017年6月25日（即72～93天）為輿情信息傳播的后期（消散期），此時信息數量開始大幅度下降，在二審審判結果宣布當日（2017年6月23日），輿情信息數量出現“小高峰”后輿情開始擴散消退。

4.1 主體因子——互生再生、協同進化

4.1.1 主體屬性

如圖7（a）所示，在輿情初期階段，用戶性別以男性為主，但是隨著輿情的發展，男性用戶比例總體呈下降趨勢，女性用戶比例呈上升的趨勢，比率整體向50%接近。說明在微博輿情的傳播過程中，隨著案件事實越來越公開和透明，男性用戶和女性用戶都變得更為理性，同時也說明微博信息主體同生態界類似存在著互生、再生規律，具有相同性別、微博生態特性的用戶相互依存、相互制約并形成微博信息生態群落，異性用戶也存在著相互吸引、相互依存的關系。

從用戶年齡時間序列變化曲線可以看出，如圖7（b）所示，隨著事件的推移，參與輿情的網民平均年齡逐漸增大。輿情傳播初期，年輕網民是話題參與的“主力軍”，隨著輿情的發展，高齡網民也開始參與輿情的意見表達。一方面可能是因為高齡網民在摸索微博客戶端或WAP的使用花費了時間；另一方面，年輕網民在積極參與輿情傳播的過程中帶動并影響了高齡網民的輿情參與行為，使得高齡網民的信息素養和面對現狀的能力不斷提升，這揭示了微博輿情傳播過程中用戶之間存在的相互適應與補償的協同進化規律。

從輿情傳播各階段用戶地域分布比率時間變化曲線來看，如圖7（c）所示，山東作為輿情事件的發生地，是推動輿情發展的用戶所屬核心地域，北京作為我國的政治文化中心，在參與輿情用戶的所屬地域中占比也較大。隨著輿情地不斷發展，輿情地域輻射范圍逐漸增大，其他省份和海外用戶比率慢慢增加并成為主要地域，說明輿情覆蓋地域慢慢擴散和增加，而這種地域的分散和覆蓋范圍的增大現象恰好反應了輿情參與新用戶（生物）再生，同時也反映出不同地域用戶的協同進化和促進機制，可見輿情傳播符合生態理論中的再生、協同進化規律。

4.1.2 主體信息行為

從點贊、評論、轉發數量隨時間變化曲線圖可以看出，見圖8（a）所示，在輿情發展的全過程，點贊數量占比最多，而轉發和評論數量占比相對較小。點贊、轉發、評論增長率時間變化曲線圖可以看出，見圖8（b）、8（c）、8（d）所示，點贊和評論增長率呈現相似的波動規律，即在輿情中期某個時間段，都會出現波動性較大的增長，而轉發數量的增長率在輿情后期出現整體的增長趨勢。

在微博輿情生態系統中，作為系統賴以生存發展的各種環境資源，例如微博用戶、信息數據及微博平臺儲存環境等在時間、數量、空間等方面具有一定的限度并不能無限使用，所以微博輿情生態系統就存在一個閾值。在輿情傳播初期，系統內容量大，評論、轉發、點贊數迅速增長至一定的限度，便會接近輿情生態系統的閾值，此時各特征量增長率整體變小。從輿情發展時間上看，微博輿情生態系統也存在時間上的閾值，也即網民的點贊、評論和轉發行為會在一定的時間接近于0，“于歡案”的輿情發展在93天后接近于0，宣告該輿情步入消亡階段。可見微博輿情的傳播符合有效極限規律。

4.2 信息因子——轉化再生、動態平衡

4.2.1 信息內容形式

從輿情信息的內容形式數量比率上來看，如圖9（a）所示，在輿情發展的前期及中期，圖片信息占比均最多，表情信息占比最少。在輿情發展后期，圖片和視頻信息波動較大，這可能與輿情發展后期關于“于歡案”的監控視頻或審判直播視頻大量流出有關。而表情信息占比相對較小，且全程波動不大。從單一信息形式的增長率變化圖可以看出，見圖9（b）、9（c）、9（d）所示，圖片和視頻增長率波動情況存在類似規律，表情信息的增長率曲線顯然不同。

從生態學理論出發，微博用戶受自我興趣驅動發布代表自我意見的圖片、表情或者視頻，或者綜合其他用戶的信息（物質）來進行輿情信息的生產（生產新物質），這種輿情信息的生產過程反映了微博輿情生態系統中存在物質轉化和再生規律。同時，輿情信息的輸入和輸出也符合生態學中的動態平衡規律。從圖片、視頻、表情信息增長率曲線圖中可以看出，當某一信息內容形式出現相應的增長或下降趨勢時，另外兩種信息內容形式則會出現相反的趨勢。即當用戶在微博生態系統中增加了某一形式的物質，必然會在系統內排放出其他的物質，這種規律就是輿情信息的動態平衡性規律。

4.2.2 信息內容

從信息內容的熱點詞匯時間序列變化圖上可以看出，輿情發生前期，熱點詞匯主要是“問題”和“孝子”，網友的熱點評論主要集中在對輿情事件過程的“定性”上。隨著輿情的不斷發展，網友的評論開始變化，評論涉及對輿情強烈正負情緒的表達上，如“黑暗”、“公正”、“過重”等詞匯。從生態學理論出發，用戶基于最初所接受的信息生產代表自我意見的評論（物質），隨著輿情的不斷發展，微博用戶從微博平臺上吸收和消化的信息越來越多，并重復進行著不同輿情信息的生產和再消費行為。這種信息的生產過程也反映了微博輿情生態系統中存在的物質再生規律。

4.3 環境因子——相互依存、動態平衡

4.3.1 信息技術

在輿情傳播過程中，用戶使用不同的工具端隨時間變化如圖11所示，從每日用戶使用客戶端圖來看，移動端和傳統工具短的變化曲線極為類似，但是兩者的峰值點時間不同，移動端峰值點在22點，比傳統工具端延遲了2小時。說明工具端的使用更多的出于微博用戶的社交、娛樂需求，用戶普遍利用碎片時間使用移動工具端參與輿情。

從生態理論出發，移動工具端和傳統工具端存在著相互依存的關系，這種依存關系產生具有一定的時滯性。圖11反映了傳統工具端對移動工具端的滯后影響，例如，輿情用戶在上班時利用臺式電腦工具關注輿情，而在上班外的休息時間則會使用移動工具端參與輿情，即用戶往往是在不同時間交叉使用移動工具端和傳統工具端，兩種工具互為補充。

4.3.2 信息制度

從信息制度的時間變化圖來看，國家的互聯網信息制度一直處于不斷變化和調整的過程。在2000-2011年之間，法規數量較少，主要涉及宏觀層面上的網絡信息傳播及服務等內容，發展至2016年時，法規內容更為細化，涉及到公眾信息服務、個人信息保護和信息服務市場的規范等內容。從2016年發展至今，法規更貼合實際需求，涉及當前使用范圍較廣的應用程序信息傳播、直播服務和微博客信息服務等內容。

從信息生態理論來看，國家信息制度的精細化行為說明了微博輿情生態系統存在動態平衡性規律。系統內的主體的屬性及主體的信息行為的不斷變化，對信息環境的變化也提出了相應的要求，當微博平臺上參與輿情的用戶存在泄露、侵犯他人隱私、私自傳播輿情謠言等行為時，國家或相關部門便會在制度層面上對評論跟帖等行為進行規定限制以營造一個良好的輿情生態環境。

5 結論與展望

本文基于信息生態理論建立了政法微博輿情信息生態系統模型，以山東聊城于歡案為例，以所有發布關于于歡案信息的微博用戶及4個政務微博為研究對象，對“于歡案”輿情信息傳播的突發期、蔓延期和消散期的3個階段進行劃分，并分析了信息主體、信息、信息環境等3個因子的演化規律。

研究結果表明，政法事件微博輿情具有明顯的爆發性和階段性特征，系統內因子的變化也較為復雜。具體而言，信息主體的輿情傳播符合生態學的再生和協同進化規律，系統內主體是多元的，輿情相關部門要注重輿情主體的互動，加強系統內部主體的協調性，促進輿情系統的健康發展。信息因子的輿情傳播符合信息生態學中的物質轉化、動態平衡規律，系統內信息處于不斷再生互生的過程，整體的輿情態度會因輿情相關部門的舉動發生變化，所以要及時掌握系統內整體輿情態勢，對不利信息加以引導，維護政府權威形象。信息環境的動態演化過程也遵循著生態學中的動態平衡規律，輿情相關部門要及時注意輿情走向，及時對負面信息進行引導和管理，一旦負面信息沖破系統閾值將會造成整個輿情系統的破壞，只有通過外在力量加以干預和調節才能使其恢復正常。

本文的研究對政法機關如何更好地引導和控制微博輿情提供一定的指導和參考作用。但僅以“于歡案”這一話題來研究政法微博輿情傳播規律，可能會使分析結果和結論存在一定的局限性，后續將擴充政法輿情典型案例，結合數據挖掘技術，搜集更為全面和準確的數據進行更深層次的分析，以期得出的結論更有說服力和準確性。

參考文獻

[1]Rainie L.Networked Creators：How Users of Social Media Have Changed the Ecology of Information[C]//VALA Libraries 2010 Conference，Melbourne，2010.

[2]Danah boyd.Social Media Changing our Information Ecology[J].ITI Bloggers，2008，（22）：112-130.

[3]Eddy B，Hearn B，Luther J，et al.An Information Ecology Approach to Science-policy Integration in Adaptive Management of Social-ecological Systems[J].Ecology and Society，2014，19（3）.

[4]孫振良，宋紹成.突發事件輿情信息生態鏈系統的協同演化機理研究[J].情報科學，2017，35（5）：30-33.

[5]朱毅華，張超群，鄭德俊，等.基于信息生態學視角的網絡輿情管理研究[J].情報理論與實踐，2013，36（11）：90-95.

[6]王建亞，宇文姝麗.網絡輿情生態系統的構成及運行機制研究[J/OL].情報理論與實踐，2014，37（1）：55-58，16.

[7]王琳琳.基于系統動力學的突發公共事件網絡輿情傳播與政府應對研究[D].上海：華東師范大學，2016.

[8]姜景，劉怡君.基于信息生態學的微博輿論生態系統構建與機理研究[J].情報學報，2015，34（7）：675-682.

[9]Finin T，Joshi A，Kolari P，et al.The Information Ecology of Social Media and Online Communities[J].AI Magazine，2008，29（3）：77.

[10]趙丹，王晰巍，相甍甍，等.新媒體環境下的微博輿情傳播態勢模型構建研究——基于信息生態視角[J].情報雜志，2016，35（10）：173-180.

[11]宋拓.微博信息生態鏈解構及運行機制研究[D].長春：吉林大學，2015.

[12]蔣錄全.信息生態與社會可持續發展[M].北京：北京圖書館，2003：150-158

[13]國佳.信息生態系統下的企業信息協同模式研究[D].長春：吉林大學，2009.

[14]柯健，胡楊林嘯.我國信息生態研究綜述[J].情報科學，2016，34（10）：163-168

[15]新浪微博.2017微博用戶發展報告[EB/OL].http：//data.weibo.com/report/reportDetail？id=404.

[16]趙丹.基于信息生態理論的移動環境下微博輿情傳播研究[D].長春：吉林大學，2017.

（責任編輯：孫國雷）