大數據環境下社會沖突的風險感知與預警

溫志強 李永俊

摘? 要： 社會轉型與大數據信息時代的社會背景下，不同領域的群體性矛盾問題相互交織、日顯復雜，公民利益信息傳播的爆發式、裂變式的特征進一步衍生了新型社會風險，影響了整體性社會安全。為防范群體性事件爆發及其衍生更多社會沖突風險，要利用好大數據時代的知識和技術優勢，從知技結合和整體安全治理兩個層面實現社會沖突風險感知與管控。為此，要加快實現政府、社會、市場等多元主體協同治理的聯動機制，構建全網數據共享、完善類別案例庫、探索知識預測研學、建立健全預測預警體系、營造清朗網絡環境、探尋群體性事件感知預測預警技術與方法，從而實現風險感知的精準預測與科學防范。

關鍵詞： 大數據環境;群體性事件;社會風險;風險預警

一、研究來源與價值

當前，我國正處于社會轉型的攻堅克難時期，勞資糾紛等群體性事件時有發生，不同領域的社會矛盾問題相互交織，日顯復雜，社會風險管理難度不斷加大。同時，隨著互聯網、物聯網、大數據技術的發展，社會公眾利益訴求表達更具有隨時性、便捷性、多樣性的特點，信息網絡的時效性與隱匿性促使信息傳播呈現出爆發式、裂變式的特征，人與人之間的關系網絡表現出“表面緊密，實質疏離”的趨勢，這進一步導致了整體性的社會安全風險。信息技術與大數據的發展衍生了新型社會風險，并使對社會安全存有威脅的各類不確定性風險因素的感知和預警防范難度加大。

反觀而言，大數據本身所具有的特性也使其成為社會風險管理的有效工具，也為社會風險管理模式轉變提供了良好契機。一方面，與大數據配套發展起來的各類技術提升了人們決策和預測的理性程度，這是進行科學的社會風險管理的基本保障;另一方面，在大數據環境下，“社會群體性事件不再是由政府一元主體的預防和管控，而是由政府、社會、市場等多元主體協同治理，進而向大數據環境下人員、組織、物資、技術、信息等全要素與全資源的整體治理轉變，實現社會風險‘智理”①。

依托大數據進行社會沖突風險的感知和預警，是有理論可循的。人工智能的發展與知識學習技術的進步開辟了“知技性”社會風險感知與預警的新路徑，整體性治理理論對大數據環境下社會沖突風險的“全面性”感知和預警具有重要指導意義。因此，在大數據環境下，社會風險管理的新趨勢與新挑戰亟須以此為支撐，重視知識與技能在社會風險感知中的重要作用，逐步探索大數據環境下社會風險管理的整體性體制機制，在技術、技能與知識的共享和制度、環境的共建中，推進社會群體性事件風險感知預測更加智能化、科學化，在“全體動員、全線出擊、全域參與”的社會綜合治理格局中實現社會風險的及時預測，為科學有效決策與應對提供強力支撐。

二、 大數據環境下社會沖突風險與管控挑戰

大數據是當前社會公共治理的有力工具，大數據思維與治理思維在運行邏輯上是同軌的，都是通過對象源頭的分析來探測事物發展的趨勢，開啟風險社會公共安全治理的新視角，有助于實現治理體系的現代化和提升治理能力。但海量的數據與互聯網絡的虛擬性、互動性、開放性等特點誘發各類社會沖突，給社會沖突風險管控帶來了新的挑戰。

1.大數據信息交互加大了虛擬社會沖突風險

大數據將社會治理帶入了新時代，大數據的發展為社會治理帶來諸多機遇的同時也帶來挑戰。大數據環境下社會沖突與風險不斷增多，也使不同類別的風險呈現各自特點，尤其互聯網的發展使我國網民不斷增多，網絡參與主體的素質參差不齊，網絡的虛擬性與隱蔽性加劇大數據環境下虛擬主體的社會風險;部門的條塊分割，數字鴻溝，部門協同機制不健全加劇了制度風險;網絡病毒、網絡黑客等技術風險加大了大數據環境下社會風險感知與預警的難度;虛假信息、網絡謠言和個人隱私暴露催生了道德風險;有限理性決策下的經驗風險在一定程度上為沖突爆發提供了契機。因此，大數據環境下對社會沖突與風險感知預警提出了新要求、新挑戰。

除了以上各類風險，互聯網與大數據的開放性、互動性、隱匿性的特點還極易引發各領域因利益訴求的共鳴而引發的各類群體性事件，加劇了在風險社會下社會沖突感知預警的管理難度。在大數據環境下滋生了越來越多的沖突與風險，加強風險社會環境下風險與沖突的感知預警意義重大。

2.大數據環境下社會沖突風險管控面臨新的挑戰

（1）社會沖突風險管控各自為戰，推諉扯皮，預警效率打折扣

大數據已經開始深刻影響和改變著風險社會下社會沖突的感知與預警，給社會危機治理提供了新的技術手段。但是，大數據環境下社會沖突風險感知與預警依然存在著大數據應用與開發不足的問題。基于大數據的預測與決策會越來越科學智能，但有效的執行才是關鍵，“各自為戰”“扯皮推諉”只會導致群體性事件規模擴大、烈度增加，影響政府良好形象，降低社會公信力與預測工作的準確性，甚至對后續預測工作帶來長遠的消極影響。

（2）社會沖突風險管控數據壁壘、條塊分割、部門合作不順暢

在實際工作中，多元主體的利益調控等方面仍存在對社會風險預測與管控的認識誤區，無法適應當前時代發展的現實需要，特別是各部門組織之間因自身利益等因素的數據獨占，做不到信息資源共享，存在各自為政的現象，導致數據壁壘下的條塊分割和數據鴻溝。

（3）社會沖突風險管控技術不高，經驗不足，事前預警不及時

當前的突發事件應對往往是“事后應對”，“事前預警感知”不及時，經驗不足導致危機風險預警的效率低下。特別是在重大突發事件發生后，經驗決策的局限嚴重影響了大數據環境下社會沖突風險感知預警的科學性和及時性，危機應急技術的不完善難以為風險感知預警提供保障，加大了次生危害發生的概率。

以上社會沖突風險面臨新挑戰的背后反映的深層次問題，是大數據環境下亟須全面性與知技性社會沖突風險的感知與預警，充分將大數據的工具理性與全面預警、知識預警、技能預警有機統一，推進社會沖突風險實現智慧治理。

三、 大數據環境下社會沖突風險感知與預警的理論借鑒

在大數據環境下，知識技能和整體安全治理是實現社會沖突風險感知與管控的有力抓手，充分的知識儲備和完善的技術能力是大數據環境下社會沖突風險感知預警的前提基礎，只有充分掌握知識與技能才能在突發風險到來之前作出及時的感知與預警;整體性安全治理是實現總體國家安全的目的和目標，對推進國家治理能力和治理體系現代化具有重要意義。知技性與整體性社會沖突風險治理方面已有的理論成果對現實實踐具有重要指導意義，對此，我們要充分借鑒。

1.人工智能與知識學習技術在風險感知預警中的實踐價值

人工智能的發展充分實現了現代計算機技術與知識智慧的有機結合，為知識學習、分享和技能完善、普及提供了絕佳機會。人工智能研究方法是從邏輯推理模型轉向知識工程模型，使得人工智能從理論探索走向初步應用，人工智能建立了學習者與技術環境之間新的相互作用關系②。通過知識獲取、知識表示和推理解釋的過程來解決現實存在的問題，是人工智能與知識學習技術結合的充分體現。人類正在通過經驗知識提升自己的認知與學習能力，機器學習也是利用經驗來改善系統自身的性能。在大數據時代，依據自身知識，借助人工智能技術，通過對海量信息數據進行深度加工和科學利用，進而使得高效率地感知和預警社會風險成為可能。人工智能與知識學習技術的結合開辟了社會沖突風險感知與預警的新路徑。

2.整體性治理理論在社會沖突風險感知預警中的現實價值

在西方，整體性治理理論已經成為政府改革的新理念與實踐模式，具備科學性與可行性。整體性理論倡導以公民需求為治理導向，以信息技術為治理手段，突破單一中心的思維模式，實現各級政府、機構、部門的有機整合，實現由碎片化到整體性的治理理念③。整體性治理理論對大數據環境下社會沖突風險的全面性感知預警具有重要的理論指導意義。在我國突發事件時有發生、聯動性觸發強的背景下，原有的以政府主導的各部門分級應對突發事件的碎片化管理模式降低了社會風險感知和預警的效率，應急管理部的成立實現了多個政府部門協同合作，有利于減少部門之間相互協作的難度，提升應急管理的協同績效，也為全面性風險感知與預警模式建立和發展提供契機。只有充分借鑒整體性治理理論，實現各部門相互協調、充分合作，才能實現大數據環境下社會沖突風險的整體性感知與預警。

四、以大數據為依托開展社會沖突風險知技性感知

在風險社會，通過不斷學習來改革組織自身，學習的結果不僅導致知識、信念、行為的變化，還增強組織的成長和創新能力，只有通過不斷地知識與技能的學習才能及時鏟除發展中的阻礙。需要通過知識技能的全過程學習來突破有限理性決策的阻礙;持續的互動溝通打破部門的條塊分割，實現部門組織的信息共享;持續的技術與知識學習提高團體成員整體搭配能力，形成良性的互相依賴、互相促進，增強組織的凝聚力，提高沖突風險的預測預警、應對各類風險的能力，從而實現大數據環境下知技性社會沖突風險感知與預警。

1.構建預測知識研學模式，提升預測技巧，完成基礎技能儲備

在案例庫的基礎上，可以初步構建有效的預測知識研學模式，通過開展內部學習培訓，提升預測團隊的預測技巧，初步完成預測技能的儲備工作，能夠對社會群體性事件進行基本的判定和預測。

（1）開展機器學習訓練，初步實現智能分析預測

利用主體人群、涉及地區、訴求意愿、目標指向、沖突性質、影響因素、情緒變化、圍觀人群、發展趨勢、相互關聯度等各類因子，構建群體性事件風險感知預測數據模型，設計相應的數據指標。在海量數據互聯互通的前提下，不斷對機器進行訓練，初步實現智能判斷和預測，快速做出事態分析和走勢研判。依托大數據支持，可以更敏銳地發現事件苗頭，及時采取事前控制措施，實現群體性事件的精準預測、干預評估和動態調整。

（2）知識共享同步進行，提升基本預測素養

科技知識和信息技術是政府應急管理和應急決策的重要工具和手段。學習預測相關知識和預測成功案例有助于推進快速、高效的預測工作。在群體性事件風險感知預測活動中，讓每一位參與其中的工作人員都擁有基本的理論知識和行動技巧，就理應同步開展實習共享和技能培訓。積極開展專題講座、應急管理培訓課程以提升應急管理人員的專業理論能力與知識共享技巧。通過技能培訓、課程學習加強對突發群體性事件的應對經驗與方法的掌握，提升預警預測素養，降低群體性事件發生概率，實現社會風險感知與應對。

（3）鼓勵開展預測研究，為實踐提供理論指導

組織相關實操專家和業界學者，開展社會群體性事件的預測研究工作，并及時將研究成果進行分享和轉化。制定相應的政策，鼓勵更多力量參與到群體性事件研學中來。當前，針對群體性事件風險預測管理領域的大數據技術應用，國外研究重點主要集中在群體性事件網絡信息風險的管理，更關注危機信息傳播以及網民通過網絡尋求援助而引發的群體性事件;注重分析網絡社交平臺中風險與危機的動態與演化過程;關注依托大數據技術進行網絡輿情信息的傳播途徑、變化趨勢等監控與分析。在我國基于大數據技術的群體性事件研究主要集中在監測監控、預測預警機制、決策應對機制以及網絡輿情引發的研究。

顯而易見，在已有的研究中越來越關注大數據技術在群體事件中的預警預測與風險感知，這些研究無疑為一線實踐、技術開發、預測方法提供有力的指引，甚至能夠在研究探索中尋找更優的預測手段。

（4）技術手段日益重要，技能儲備成為必然要求

技術預警是大數據時代群體性事件預警的重要工具。基于互聯網的信息收集技術、數據分析技術、趨勢研判技術、情報追蹤技術、案例搜索技術、決策輔助技術等是群體性事件預警的基本技術。技術學習與共享對于順利預警群體性事件十分關鍵，自覺接受常態化培訓，掌握相關技術，是未來進行群體性事件預測工作的基本要求。

2.構建分級別類型案例庫，輔助研判決策，促進預警科學智能

無論是機器學習和訓練，還是預測團隊的構建，都需要在案例庫合理建構的基礎上開展群體性事件風險感知預測的工作。互聯網大數據環境和技術可以利用技術數據，對群體性事件開展信息篩選、精準預警和趨勢研判。當然只依賴數據顯然不夠，還需要一雙能夠看透這些數據背后信息的“眼睛”，而這才是預測最重要的環節。當數據都已提示群體性事件風險走勢時，相應的響應機制必須快速跟上，而在此前，需要明了“數據”背后的風險層級。

（1）收集歷史事件案例，分門別類進行常態整理

什么是有效的預測措施，哪些措施是低成本且高效率的，這些可通過汲取過往案例來分享經驗與總結教訓。案例庫的建設是以大數據技術為依托，基于案例庫查找過往發生相同或類似案例進行推理，從中汲取經驗，總結教訓進而解決當前問題④。分析歷史事件案例爆發的原因與應對措施，能夠從中汲取經驗與總結教訓;收集歷史上群體性事件治理的案例或案例群，利于建立分領域、分類型、分級別的案例庫。通過案例庫相關案例檢索，能夠實現對事件爆發潛在因素、產生后果、應對措施的對比，提升相類似群體性事件風險應對的能力，為實現知識向力量的轉變、向實際效益的轉變提供平臺和渠道。

（2）分拆重點案例數據，建立智能決策模型系統

案例庫的構建是開展機器學習和訓練，進行智能預測的基礎。對重點案例進行分拆，設置相應的關鍵詞或者開展初步的語義分析，為技術預測提供高效的語料庫和關鍵詞庫。同時，基于案例庫標簽，建立數據決策過程性模型和智能決策系統，以輔助群體性事件個例的預測。

在設定關鍵條件和重要因子的基礎上展開數據運算、模型演繹、仿真推理和效果評估，實現海量數據下的臨機決策，量化決策模型，以求得當前個案的最佳預測策略，有效避免人工決策中的主觀經驗論斷，促進群體性事件預警的科學性。同時可以利用技術手段開展決策動態調適，實現決策動態跟蹤，提高智能預警決策的效率。

（3）構建案例技術系統，讓案例能夠初步“動起來”

科學智能化的預測系統，需要人工智能等前沿技術參與，在目前的技術儲備下，可以先初步構建案例檢索系統，基于關鍵詞匹配來快速準確地找到相似案例及案例群，分析已發生群體性事件的預警措施和實施效果，讓案例先“動起來”。

五、 在大數據框架下開展社會沖突風險整體性預警

目前，我國正處于社會轉型的重要時期、改革攻堅的關鍵期，世界多極化、經濟全球化深入發展，社會信息化、文化多樣化持續推進，各種風險層出不窮。如何在深刻變化的時代中洞悉風險，贏得主動，就需要以總體國家安全觀為指導，以戰略性、整體性思維開展社會沖突風險感知預警。

1.構建全線出擊聯動機制，做好頂層設計，理順參與各方關系

大數據環境下社會群體性事件涉及面十分廣泛，在經濟全球化不斷深入、信息化不斷發展、利益格局深刻調整的今天，社會風險感知管控工作已經涉及各個領域、各條戰線、各個環節，具有綜合性、立體性、全方位性的特征。在大數據環境下，必須牢固樹立社會群體性事件風險感知預測工作整體推進的理念，堅持做到全體動員、全線出擊，各條戰線、各個部門積極參與，密切配合，構建全方位、多層次、寬領域的風險感知預測工作網絡體系，形成推進社會風險感知預測與管控的強大合力。

（1）鼓勵網民理性表達，及時響應合理訴求

建立完善的民眾網絡參與制度，促進網絡表達的理性、規范。群體性事件本身及相關輿情消息構成閉環循環的信息源，社會公眾利益訴求與矛盾深化是引發群體性事件的助燃劑，群體性事件預警要關注的是民意信息與數據⑤。網絡空間的自由表達和參與在環境的影響下使非理性情緒迅速膨脹，群體性事件內部各要素與外部環境催化加劇群體性事件發生，民意表達與信息數據是群體性事件應急處置的前提，是應急管理決策的基礎。公眾基于利益訴求或情緒宣泄的網絡表達是網絡群體性事件發生的前提條件，網民通過點擊量、轉載、跟帖等方式表達訴求或宣泄情緒，利益訴求的表達與關注是緩解乃至消除群體性事件的關鍵。網絡訴求表達的渠道通暢，能實現有效溝通，宣泄不良情緒，也有助于問題得到解決，削弱群體性事件爆發的動能。

（2）經常上網體察民情，實現線上線下聯動

要學會走網上群眾路線，經常上網察民情，認真開展“網絡問政”，接受群眾網絡監督。社會公眾利益訴求難以表達、不滿情緒難以宣泄等問題導致集體上訪等各種群體性事件的發生，關注民情利益訴求的表達是有效防范社會群體性事件的基礎。因此，要善于采用“網上網下、線上線下”綜合立體的工作方法，將有效的傳統工作方法與新的現代工作方法緊密結合，推動形成多元立體的工作方法體系。完善社會公眾參與表達機制，通過網上問政、市長信箱、信訪等表達渠道讓民眾、社區、企業等線下力量都參與利益表達，及時發現線下不良苗頭，實現群防群治。

（3）切實保障數據共享，完善多部門協作機制

海量數據收集、案例汲取經驗、知識技術運用是大數據背景下預警感知群體性事件的前提。在大數據時代應基于信息數據共享提升風險感知與防范，從源頭降低群體性事件發生的概率，為此需要建立健全大數據共享制度，依托數據共享打破信息壁壘，實現跨區域、跨行業、跨部門、跨數據的數據共享機制，實現數據協同。通過資源共享、多部門協作來實現群體性事件風險的全面感知，及時作出風險管控與應對。

（4）構建有力執行體系，保障決策穩妥落地

各方力量既要參與社會風險感知預測，更要積極配合構建有力執行體系，并且在執行過程中及時反饋信息，為動態科學決策提供有力的參考。因此，要構建有力執行體系，建立統一領導、各級負責、反應迅速、協同配合的聯動機制，開展全局性、系統性的風險應對與管控工作⑥。 實現應急決策穩妥落地，降低社會群體性事件給社會和諧穩定帶來的危害，打造社會和諧發展格局。

2.構建全網數據收集體系，打破領域壁壘，實現信息充分共享

在頂層設計構建完成后，基于大數據開展的群體性事件風險感知預測，最核心的工作無疑就是構建全網數據收集體系，徹底打破領域壁壘，實現數據信息共享。

（1）海量數據收集分析，預測才能更加精準有效

感知風險，盡早發現群體性事件苗頭，積極開展應對措施需要依托全面的信息數據分析，要依托大數據收集和處理技術，智能預警模式會對全網數據展開捕捉，實現海量數據的量化分析，讓數據來說話。掌握信息主動權是實現風險感知的內動力，全數據預警模式能有效避免傳統模式中樣本數據的時間滯后和樣本誤差，保證對群體性事件信息的及時把控，分析潛在風險，抓住有效的預警時機。

（2）監測實現全域覆蓋，全面把握感知社會態勢

運用互聯網大數據技術對社會各個領域的實時信息監測，無論是文本信息，還是圖片、視頻、音頻，從宏觀領域到微觀層面，從整體態勢到局部狀態，從群體形勢到事件個案，實現對互聯網數據的全面把握。充分依托物聯網、互聯網技術實現監測全域覆蓋，利用技術實現視頻信息的采集、編碼、存貯和實時傳輸。利用網絡監控加強人像聚集密度監測，通過提取圖像中的人員位置信息，采用核密度空間聚類算法，對人群聚集的空間和運動特征實現實時監測、預警，提升群體性事件風險感知預警準確率，全面把握社會動態⑦。

（3）及時實現數據共享，密切關注潛在風險因子

社會群體性事件種類繁多、數據量大，要想全面動態監測數據潛在風險因子，就要以數據共享為依托，加強對海量數據進行必要的處理，同時基于群體性事件預警的關鍵字、指標設計和統計算法對信息進行甄選，打通內部共享渠道和路徑，快速實現數據共通共享，構建數據模型，密切關注潛在風險因子。不同領域的相關組織機構緊密追蹤有可能促成群體性事件的熱點信息，加強社交網絡熱點熱詞的預測和研判，充分關注網絡跟帖和轉載熱點話題的來源、傳播速度、發展趨勢，實現傳統的被動風險管理向積極預警研判的轉變，提升社會群體性事件應對與管控的能力。

3.構建預警機制制度體系，及時感知風險，實現全方位預警

群體性事件的長效預警機制是實現全方位風險感知的保障，預警制度和預警機制體系的完善實現了風險預防關口前移，增強群體性事件應對的及時性與科學性。

（1）健全矛盾糾紛排查調解機制，降低事件發生風險

社會公眾利益沖突與矛盾糾紛是社會群體性事件產生的根源，社會利益調和與矛盾糾紛的排查是有效降低群體性事件發生的方式之一，因此建立健全矛盾排查調解機制，要充分發揮人民調解與司法調解的重要作用。要積極發揮基層社區、工會、社會糾紛調解機構的作用，對矛盾糾紛進行全方位排查并分類管理。建立矛盾調解排查臺賬，針對同類糾紛集中處理，健全矛盾糾紛調解機制，對利益群體間矛盾進行調解，減少因糾紛升級引發的社會群體性事件的發生，降低社會治理風險。

（2）健全社會公眾表達參與機制，拓展民意訴求表達渠道

群體性事件的發生源于社會環境與利益訴求表達渠道阻滯的相互影響，矛盾積累越多越大，就極易形成群體性事件，只有社會公眾利益訴求充分表達才能實現利益矛盾的調和。因此，健全社會公眾表達參與機制，拓展訴求表達渠道是提升社會風險預警感知的關鍵。要建立良好的互動機制，通過信訪、社會聽證會、網上問政、網上監督投訴平臺、群眾熱線等加強社會公眾參與表達。

（3）健全法治教育宣傳機制，增強群眾法律觀念

社會群體性事件常常伴有缺乏法律觀念的問題，往往非理性情感膨脹或是法不責眾易引發盲目從眾。因此，要健全法治宣傳教育機制，拓展宣傳形式與渠道，提升群眾法律觀念。通過法律講座、報紙、廣播、專題片等方式加強法律知識的普及，通過小品、歌舞、朗誦等大眾喜聞樂見的形式增強法律教育影響力。扎實推進法治宣傳進校園、進社區、進企業、進家庭，提升全面法治觀念意識，減少非理性群體性事件的發生。

4.構建風清氣正網絡環境，管控不良示范，積極紓解負面情緒

當今世界，互聯網為代表的信息技術的發展，拓展了人類交流生活的空間，引領了社會變革，優化了國家治理新方式，極大地提高了人類認識世界、改造世界的能力⑧。然而，任何事物都有兩面性，互聯網也概莫能外。對于社會群體性事件而言，互聯網在群體性事件產生、發展的過程中無疑起到了推波助瀾的作用。網絡空間作為億萬民眾共同的精神家園，必須是健康有序、風清氣正的，否則，就可能帶來更多的社會治理危機。

（1）提防網絡刻意煽動，適當管控不良信息刺激

信息流動過程中產生的噪音無疑給網絡秩序的維護帶來巨大干擾，特別是別有用心者的“煽風點火”，有時為了形成破壞力甚至不惜造謠誹謗。這些負面信息最容易在風險集中區域產生，并借助互聯網迅速放大和傳播。群體性事件作為社會風險集聚、社會矛盾聚集的重要表現形式，以此為中心極易產生有意識或者無意識的干擾性信息，并在人們的自我保護心理之下迅速傳播。這些信息對人們的事實判斷、情緒反映和行動選擇產生影響，引發群體性事件發生。因此，治理群體性事件刻意煽動、網絡謠言、不良信心等問題需要重視互聯網領域的社會團體力量⑨。習近平同志指出，“互聯網的治理必須從單向管理轉向雙向互動，從線下轉向線上線下融合，從單純的政府監管向更加注重社會協同治理轉變”⑩。逐步改變刪帖等傳統管理方式，實現政府與網絡社會團體合作治理，發揮政府和網絡社團各自優勢，形成官方輿論場和民間輿論場，逐步實現政府、團體、個人、線上線下的聯合辟謠態勢。

（2）凈化網絡生態環境，規避負面信息不良引導

加強互聯網信息規約，凈化網絡生態環境，減少網絡謠言和煽動性信息對社會民眾的負面刺激，規避負面信息的不良引導和示范，搭建一個理性表達、中立判斷、客觀評析、正面引導的信任型網絡空間環境，及時紓解消極負面情緒，逐步壓縮不良信息的生存空間。同時做好宣傳思想工作，實現“強信心、聚民心、暖人心、筑同心”，解決民眾亟待解決的實際問題，且在解決問題的過程中，努力解決好思想問題，讓網絡空間的正能量充沛起來。政府部門不僅要辦好事，還要守正創新，用好宣傳手段，貼近群眾、凝聚民心。使網民既不被負能量誤導，又獲得正能量引領，自然不會輕易受到錯誤言論的煽動和蠱惑，這樣，群體性事件的動員力和破壞力自然會消解，社會風險也就能得到有效管控。

注釋：

①夏一雪，蘭月新：《大數據環境下群體性事件輿情信息風險管理研究》，《電子政務》2016年第11期。

②梁迎麗，梁英豪：《人工智能時代的智慧學習：原理、進展與趨勢》，《中國電化教育》2019年第2期。

③ 豐云，蔡嵐：《國內整體性治理的現狀、反思與展望》，《領導科學》2015年第6期。

④ 張雙獅，蘭月新，劉冰月，夏一雪，張鵬：《基于案例推理的群體性事件智能決策支持WEB系統研究》，《情報雜志》2017年第4期。

⑤劉英杰：《突發性群體事件中網絡輿情危機治理路徑研究》，《法制與經濟》2018年第2期。

⑥王傳雄：《新時期有效預防和處置群體性事件的思考》，《前進》2018年第5期。

⑦邵荃，唐志星，孫海燕，周航：《基于視頻圖像分析的旅客群體性事件預警方法》，《解放軍理工大學學報（自然科學版）》2013年第5期。

⑧程晨：《網絡空間不是“法外之地” 依法加強網絡空間治理——習近平網絡空間治理法治化思想初探》，《社會治理法治前沿年刊》2016年。

⑨歐陽果華：《治理網絡謠言：政府與網絡社團的合作模式探析》，《中國行政管理》2018年第4期。

⑩習近平：《加快推進網絡信息技術自主創新 朝著建設網絡強國目標不懈努力》，《中國信息安全》2016年第10期。

參考文獻：

[1]夏一雪，蘭月新.大數據環境下群體性事件輿情信息風險管理研究[J].電子政務，2016，（11）：31-39.

[2]劉英杰.突發性群體事件中網絡輿情危機治理路徑研究[J].法制與經濟，2018，（02）：167-168+171.

[3]王傳雄.新時期有效預防和處置群體性事件的思考[J].前進，2018，（05）：41-42.

[4]梁迎麗，梁英豪.人工智能時代的智慧學習：原理、進展與趨勢[J].中國電化教育，2019，（02）：16-21.

[5]溫志強，郝雅立.大數據環境下群體性事件的智能預警[J].上海行政學院學報，2018，19（02）：80-87.

[6] 豐云，蔡嵐.國內整體性治理的現狀、反思與展望[J].領導科學，2015，（6） ： 27.

[7]彼得·圣吉.第五項修煉[M].三聯書店，1999.

[8]邵荃，唐志星，孫海燕，周航.基于視頻圖像分析的旅客群體性事件預警方法[J].解放軍理工大學學報（自然科學版），2013，14（05）：501-506.

[9]張雙獅，蘭月新，劉冰月，夏一雪，張鵬.基于案例推理的群體性事件智能決策支持WEB系統研究[J].情報雜志，2017，36（04）：106-111+145.

[10]程晨.網絡空間不是“法外之地” 依法加強網絡空間治理——習近平網絡空間治理法治化思想初探[J].社會治理法治前沿年刊，2016：113-124.

[11]歐陽果華.治理網絡謠言：政府與網絡社團的合作模式探析[J].中國行政管理，2018，（04）：84-90.

[12]習近平.加快推進網絡信息技術自主創新 朝著建設網絡強國目標不懈努力[J].中國信息安全，2016，（10）：23.

[13]張愛軍，劉姝紅.大數據與風險社會的三維預警[J].自然辯證法研究，2017，33（05）：98-102.

Risk Perception and Early Warning of Social Conflicts

in Big Data Environment

Wen Zhiqiang / Li Yongjun

Abstract： Under the dual social background of social transformation and big data information era， the group contradictions in different fields are intertwined and complicated， the explosive and fissile characteristics of citizen interest information dissemination further derivate new social risks and affect overall social security. In order to reduce the risks of social conflicts caused by the outbreak of mass incidents， we must make good use of the knowledge and technological advantages of the era of big data， to realize the risk perception and control of social conflicts from the two aspects of knowledge-skills and overall security governance. To this end， we must accelerate the linkage mechanism for the coordinated management of multi-agents such as government， society， and market， build data sharing across the entire network， improve the category case database， explore knowledge forecasting research， establish a sound forecasting and early warning system， create a clear network environment， and explore community. Event-aware prediction and early warning techniques and methods to achieve accurate prediction and scientific prevention of risk perception.

Key words： Big Data Environment; Group Events; Social Risk; Risk Warning