Web 3.0時代輿論學研究國際發表的共現網絡分析*

□文│李明德 楊 琳

隨著信息共享空間（information commons）的不斷拓展，效用化、靈活化、集群化、智能化的信息服務無處不在，使置身其中的個體成為信息共享空間的信息節點，并且更加深入地卷入公共領域和社會生活，[1］持續在線的信息集聚成為該時代最突出的特點。它不但影響著人們的意識、歸因、分類、決策等社會認知過程，[2］還影響著人們共享的規范、道德判斷與價值體系，[3］改變了其社會參與方式。[4］共享空間讓公眾擁有了前所未有的話語權，激活了他們參與和討論熱點事件的主動性與自由度，重塑了當代輿論環境，形成了個體意識外化為群體意識的局面。[5］Web 3.0時代的到來，在給人們帶來參與自由的同時，我們還看到，即時意見發表的信息共享空間給輿論學理論和輿論學研究的思維也帶來了改變。因此，探索輿論學研究發表在Web 3.0時代的演進脈絡、熱點議題和未來研究走向方面意義重大，可為我國輿論學研究提供借鑒。

一、數據、樣本與方法

追溯互聯網發展的歷史，吉姆·亨德勒（Jim Hendler）將2008年確定為Web 3.0時代的發端，[6］本文以Web 3.0技術應用的時間為研究起點，選取2008—2017年Web of Science核心數據庫英文文獻作為研究對象，經過多次檢索策略實驗后，將檢索式確定為“篇名（title）：（public opinion）”，檢索時間為2018年6月，排除綜述、評論、報告等文獻，共得到文獻樣本1577篇，具有較高的查全率和查準率。

在具體的研究方法選擇上，為了呈現科學計量分析和知識單元共現，描述清晰的研究圖景，發掘Web 3.0時代輿論學研究的可視化知識網絡，本文借助歐萊·皮爾遜（Olle Person）開發的BibExcel軟件對樣本文獻進行計量學統計和聚類分析后，運用Pajake和VOSViewer等軟件進行可視化操作，描繪輿論學研究知識圖譜。

二、共現網絡分析

通過對參考文獻耦合網絡的分析，能夠幫助我們明確耦合文獻對被引文獻的知識共鳴和知識吸收，直接體現以被引文獻為知識基礎的研究前沿，展現Web 3.0時代輿論學研究的前沿議題。參考文獻耦合（bibliographic coupling）是指兩篇或多篇施引文獻共同引用1篇或多篇引證文獻所建立的耦合關系。耦合度是兩篇文章共引文獻數量的重復程度，共有的文獻數量越多，說明這兩篇文章的耦合度越強。[7］

1.前沿議題：涉及公眾、精英和國家意識形態安全等方面

本研究所選樣本在參考文獻耦合網絡中，共包含23635個節點，其中有16496個節點為孤立節點，刪除孤立節點后，對其余7139個節點進行網絡構建。為了清晰地呈現網絡圖，從整個圖譜中抽取共現頻次大于15的74篇文章作為分析對象，發現有4組強耦合文獻（見圖1）。

通過對這四組強耦合文獻的分析，我們發現，由于Web 3.0時代移動互聯網技術提升的現實語境，公眾輿論的傳播機制、散播速度和影響范圍，給國家意識形態安全和政局穩定帶來了挑戰。公眾不僅在民主、政策、法制建設、個人權利等方面容易形成一致性的意見，同時還將關注點拓展到國際輿情和國家形象方面。此外，精英偏好、黨派動機和政策態度在輿論形成、傳播、演化和引導過程中起著舉足輕重的作用。精英的黨派偏見、精英對政策內容的制定、精英對知情選民意見的影響、移動互聯網環境下精英極化現象、政黨的價值取向、黨派的政策信息等因素會直接影響公眾的投票心理、社會心態和政治立場，從而對輿論產生一定的影響。因此，對精英階層的價值立場引領、對普通公眾的宣教以及對國家意識形態安全的提升等議題在互聯網語境下更具有時代特色，成為輿論學研究的熱點和前沿議題。

圖1 輿論學研究參考文獻強耦合網絡圖

2.知識基礎：構建以不同對象為主體的偏向與偏好理論

若一組被引文獻共同被同一篇或同一組施引文獻引用，則被引用的文獻會構成共引關系。對共引關系網絡的分析（Co-citation analysis）能幫助我們了解知識基礎，構建知識體系。本文選取了共引次數在10次以上的高頻文獻作為分析對象，共形成44個節點，4個聚類（見圖2）。

圖2 輿論學研究參考文獻共引網絡圖

其中被引次數排在前兩位的分別是約翰·R.扎勒（Zaller John R）的《群眾意見的本質和根源（The Nature and Origins of Mass Opinion）》（共被引109次）和本杰明·I.佩奇（Benjamin I.Page）的《理性公眾：美國人政策偏好的五十年趨勢（The Rational Public: Fifty Years of Trends in American’s Policy Preferences）》（共被引 46 次）。成為后續研究的知識和理論基礎。

約翰·R.扎勒（Zaller John R）從行為心理學研究視角出發，強調政治精英在建立大眾媒介政治話語中的重要作用。他認為偏好陳述包含四個維度：第一，個人對政治的關注具有很強的差異性，因此精英政治的信息來源會對他們產生引導性的影響；第二，公眾只有在了解政治事物的情況下才能對政治溝通做出批判性的反應；第三，公眾很少對具體問題持有一成不變的態度，相反，他們在面對問題時會即時構建偏好陳述（Preference statements）；第四，公眾會在各種原因中找到最為突出的原因來構建偏好陳述，并且在任何時候任何問題上，偏好陳述都會存在于公眾輿論中，并產生深遠的影響。[8］本杰明·I.佩奇（Benjamin I.Page）則根據1930—1990年間大量的輿論數據對美國公眾的政策偏好進行了全面調查，是針對美國公眾輿論極具權威性的研究。他認為，美國人的政治觀點雖然從個人的角度來看常常具有波動性，但由集體意見構成的公眾輿論卻具有一慣性，這反映了大多數美國人共有的穩定價值體系，他們構成了理性公眾（rational public），理性公眾的政治偏好影響著美國政治制度的運行，這種集體政治觀點具有很強的穩健性和持續性。[9］

陳述偏好理論和中間選民偏向理論向我們揭示了這樣一個規律，即公眾的偏好和偏向直接決定著公眾輿論的質量。因此，今后對公眾心理傾向、行為選擇和公眾輿論能力培養等問題在理論方面的深入與拓展，將會成為創新公眾輿論引導手段的理論支撐。

3.重要作者：獨著多于合作，且合作較為分散

對于重要作者的發文分析，由于單從作者的發文量上很難對作者的學術產出和學術水平進行衡量，因此我們對作者的H指數進行了統計分析。H指數（H Index）是一個混合量化指標，能夠有效量化作者的研究成果在該領域所處的地位，并準確反映該作者的學術成就，作者的H指數越高，說明他的學術影響力越大。[10］以作者H指數作為參照，我們發現，雖然10年間有3451位作者發表了學術成果，但是在這一領域確立穩定而持久研究主題的作者鳳毛麟角。此外，中國的發文總量雖然位居第二，但作者的H指數卻大大低于別國作者，說明我國學者在輿論學研究國際舞臺上的影響力還有待提高。

此外，為了能夠清晰地呈現重要作者的合作網絡，本文篩選了發文量在3篇以上的作者與2928條頻次統計數據進行共現分析，最終獲得6個聚類（見圖3）。其中與他人合作發文最多的學者是圖米·布享特夫（Bouchentouf Toumi），他與埃爾·哈桑·伊蒂斯科（Ettifouri ElHassane）和阿卜杜勒天迪爾·胡瓦提（Rhouati Abdelkader）共合作發文6篇，文章《從網絡發布的信息中獲取輿論：基于大數據的新方法》的引用次數最多，該文章向我們說明了調查法已不再是新媒體時代獲得輿論的最有效方法，取而代之的是大數據篩選的方式，并嘗試探索使用網絡挖掘的新方法幫助人們對公眾輿論持有迅速、明確和持久的認識。[11］

圖3 輿論學研究重要作者合作網絡圖

值得一提的是在所有共現關系中，有兩對共現關系來自于中國。其中殷復蓮和張貝貝的研究集中于計算機算法對輿論形成過程和輿論趨勢的預測，他們合作發表的論文《基于Logistic模型的輿論預警研究》和《基于神經網絡算法的輿情趨勢預測方法》以新浪微博為研究對象，通過對輿情擴散曲線的特征時間點進行計算，向我們展示了動態描述Web 3.0時代公眾輿論的傳播規律和預警模型，[12］并提出了一種基于列文伯格-馬夸爾特法（Levenberg-Marquardt）反向傳播神經網絡算法（LM-BP）預測網絡輿情趨勢，[13］以達到對公眾輿論實施實時監測預警的目標，具有極高的實用價值。李欲曉和徐敬宏參與合作發表的論文《非常規突發事件中網絡輿論主題演變研究——以“谷歌事件”為例》《非常規突發事件中網絡輿情的生成及管理》和《非常規突發事件中網絡輿論的政府溝通行為研究》對非常規事件中的網絡輿論及其治理問題進行了深入而系統的研究。他們通過對網絡輿論主題和網絡輿論演變趨勢進行分類文本分析后發現，信息的不對稱和網絡的復雜性會誤導網民，甚至會引發他們的不安全感。因此，有效的政府溝通行為不但會對網絡輿論形成積極的引導和消解作用，還能樹立良好的政府形象，增強國家的凝聚力。[14］

從以上共現關系中可以看出：首先，重要作者的合作網絡比較分散。獨著作者的數量遠遠大于合作作者的數量，說明在輿論學研究方面，重要作者之間的合作關系并不是非常緊密。其次，國外作者的研究多集中于政治學和管理學領域，而我國的輿論學研究多集中于新聞學、傳播學和計算機算法等領域。最后，國外輿論學研究多采用定量分析的方法，且多看中研究的實際意義和應用價值，這與我國以定性分析為主的研究有所不同。此外，來自中國的合作作者，雖然共現關系緊密，且研究主題相對聚焦，但由于他們在所合作的文章中并不是第一作者，因此并沒有在輿論學研究上形成很高的國際影響力。

三、結論與討論

通過上述分析，我們認為Web 3.0時代的輿論學研究呈現以下特點。

1.時代特色突出，議題廣泛多元

輿論學研究正在引起政治學、社會學、管理學、心理學、教育學、國際關系學、計算機科學、醫學、倫理學、法學等領域的學者的普遍關注，具有顯著的跨學科特征。研究問題從不同視角勾勒出輿論學研究的主要議題，不僅僅集中在互聯網語境下公眾輿論與政治偏向、選舉制度、國家福利、民意調查、公共政策、意識形態、意見動態、媒體效應、信任、民族認同、網絡極化、社會心態、風險認知、國家形象等宏觀層面上，還聚焦于公眾輿論與態度、行為、認知、意見、信念、情緒、偏好、傾向性等微觀層面，眾多議題在各個學科之間的交會通融體現了輿論學多學科交叉研究的新范式。

2.研究方法多樣，知識單元豐富

不論是科學主義取向，還是人本主義取向，Web 3.0時代的輿論學研究方法不斷趨于成熟和多元。日益豐富的輿論學研究逐漸形成以定量分析為主流的科學研究方法體系，社會網絡分析、問卷調查分析、大數據分析、網絡挖掘技術、信息提取技術、文本挖掘技術、情緒分析、內容分析、比較研究、實驗研究等科學研究方法向我們展示了輿論學研究方法的科學化和理性化，翔實的研究數據更具有權威性和說服力。此外，扎實的理論、知識單元以及共引文獻中知識單元的游離和重組在促成新知識不斷創生的同時，極大地豐富了理論基礎、拓展了研究范式。

3.科學主義主導，人本主義凸顯

Web 3.0時代的到來，加速了移動互聯網在社會層面的嵌入。輿論及其相關概念，以及互聯網語境下輿論的生成路徑、演化規律、衍變趨勢和治理框架等方面的研究，構成了新時代輿論學研究的主要內容。學者們通過闡釋網絡輿論的生命周期及發展過程，針對網絡輿論演變的規律建立相應的網絡監測模型，從而探究有效的輿論控制和引導機制。復雜網絡、信息提取、網絡挖掘、輿論評估、輿論引導、議程設置、網絡監督、網絡治理等關鍵詞反映了輿論學研究的本體論聚焦。與此同時，人機交往的廣泛性和深入性，使越來越多的現代人感受到社會變遷帶來的壓力和不適。法蘭克福學派和批判學派早在20世紀中葉就試圖通過張揚人的批判意識進行社會觀照。在人機交互不斷深入的Web 3.0時代，網絡安全、遷居移民、公民生活、種族和性別觀念、民主度、人民意志氣候變化等關鍵詞構成了輿論學研究的人本主義意向聚類網絡，輿論學研究人本主義的研究向度更加凸顯。

4.機構合作緊密，高校特色突出

機構之間的合作以國家內部合作為主，美國各研究機構之間的合作關系最緊密，英國緊隨其后，中國和澳大利亞次之，國家間研究機構的合作較少；高水平研究型大學之間的合作更為緊密，獲得基金資助的力度較大，是理論研究的重要場所。出現了一批具有學術影響力的研究者；形成了對某一問題持久而深入的探索；推動了機構間學術成果的廣泛交流；提升了輿論學研究的理論價值和實踐價值。

5.聚類網絡清晰，研究方向明確

移動互聯網通聯世界的能力，促進了全球一體化或地球村的形成。隨著Web 3.0技術的推廣，國際間的交往、合作、競爭與對抗，逐漸打破了時間和空間的邊界與障礙，甚至實現了實時信號傳輸。即使發生在地球另一端的美國大選，我們也可以通過使用互聯網對其整個過程了如指掌。因此，國家形象和國際傳播的研究成果在近10年的輿論學研究中呈上升趨勢。對外政策、政治溝通等關鍵詞網絡聚類，向我們描繪了輿論學研究的國際視野，關于國際輿情和國家形象傳播等方面的研究已成為近年來輿論學研究的重要內容。未來的輿論學研究，其研究議題將與移動互聯網發生更為密切的關系，互聯網語境下公眾輿論與政治偏好、民主政策、社會價值體系、國家意識形態安全、司法決策和理性公眾等方面的研究議題，將成為未來輿論學研究的幾個重要方向。

四、結語

通過對所選樣本的分析，勾勒出近10年來輿論學研究發表的概況與特征。然而，本文也存在一定的局限性。首先，僅使用在學術研究中認可度較高的Web of Science核心數據庫中的英文文獻作為數據來源進行采集，并不能涵蓋所有數據。其次，在數據清洗、去重、補全的過程中可能會存在誤差。最后，文獻計量學方法的本質是對知識網絡、合作關系和學科體系進行描述，無法對文章內容進行深入探討。因此，筆者下一步是考慮在未來的研究中進一步拓展數據來源，如增加對Scopus和Google Scholar等數據庫的樣本采集。同時，結合定性分析的方法對輿論學領域重要研究成果進行更深入系統的分析，以形成對文獻計量學方法的補充。

注釋：

[1］李明德，楊琳等.新媒體時代網絡輿論理性表達的影響因素、社會價值和實現路徑分析[J］.情報雜志，2017(9)：146-152

[2］Nisbett R E，Miyamoto Y. The influence of culture: Holistic versus analytic perception[J］. Trends in Cognitive Sciences，2005(9)：467-473

[3］喻豐，彭凱平，鄭先雋.大數據背景下的心理學：中國心理學的學科體系重構及特征[J］.科學通報，2015（5）：520-533

[4］李明德，楊琳，劉嬋君.網絡輿論理性表達及其養成[J］.西安交通大學學報（社會科學版），2018（5）：129-135

[5］Spencer-Rodgers J，Boucher H & Mori S. The dialectical self-concept: contradiction，change，and holism in East Asian cultures[J］. Personality and Social Psychology Review，2009(35)：29-44

[6］劉瓊，任樹懷.論Web 3.0下的信息共享空間[J］.圖書館，2011（2）：83-85

[7］Small H.Co-citation in the scientific literature: A new measure of the relationship between two documents.Journal of the Society for Information Display，1973(4)：265-269

[8］Zaller John R. The Nature and Origins of Mass Opinion[M］. Cambridge University Press，1992：28

[9］Benjamin I. Page. The Rational Public：Fifty years of Trends in American’s Policy Preferences[M］. University of Chicago Press，1992：32

[10］李杰.科學計量與知識網絡分析——基于BibExcel等軟件的實踐[M］.北京：首都經濟貿易大學出版社，2017：86

[11］Bouchentouf Toumi，Rhouati Abdelkader，Ettifouri ElHassane & Ghaouth Belkasmi Mohammed. Get the Public Opinion from Content Published on the Web/CSM: New Approach Based on Big Data[J］.Cloud Tech，2016(2)：24-26

[12］Yin Fulian，Zhang Beibei，Su Ge & Zhang Ruizhe. Research on the Public Opinion Pre-warning Based on the Logistic Model[J］. International Conference on Software Engineering and Service Science，2017(8)：24-26

[13］Yin Fulian，Zhang Beibei，Huang Bochen & Zhang Lulin. An Public Opinion Trend Prediction Method Based on Neural Network Algorithm[J］.International Conference on Computational Intelligence and Applications，2017(9)：8-11

[14］Zhang Chunxia，Li Yuxiao & Xu Jinghong. The Study on Governmental Communication Behavior in Internet Public Opinion under Unconventional Emergency[J］.International Symposium on Emergency Management，2010(23)：192-196