危機事件中網絡空間場域情境對輿情偏差的影響研究

陽長征

摘 要：[目的/意義]為了探索危機事件中網絡空間場域情境對輿情偏差的影響機制，對網絡空間中不同情境進行分類和定級，實現網絡輿情的差異化監控與治理，并從場域情境視角強化正面輿論的傳播效果。[方法/過程]以情景關聯、議題交互及結構異質為自變量，輿情偏差為因變量，認同聚斂與情感耦合為中介變量構建研究理論模型。通過問卷調查法對相關數據進行采集，采用結構方程模型方法，并借助AMOS22.0統計軟件對數據進行處理和分析。[結果/結論]其研究發現：1）網絡空間中，情景關聯、議題交互及結構異質分別通過認知聚斂及結構異質的中介作用，對輿情偏差產生顯著影響;情景關聯為正向影響，議題交互及結構異質為負向影響;2）其中，結構異質對輿情偏差的影響效應最大，其次為議題交互，最小為情景關聯;3）場域情境對輿情偏差的影響效應，在人口統計學上存在組間及組內顯著性差異。最后，對研究結果進行分析和討論，并指出了研究價值及未來展望。

關鍵詞：場域情境;輿情偏差;網絡空間;危機事件

Abstract：[Purpose/Significance]With the view to explore the influence mechanism of cyberspace field situation on opinion bias in crisis event，classify and grade differently characterized situation in the network，monitor and govern network opinion，and enhance the communication effect of positive opinion from the perspective of field situation.[Method/Process]With context relation，topic interaction and structure heterogeneity as independent variables，opinion bias as dependent variable，cognition convergence and emotion coupling as mediating variables，the paper constructed influence mechanism model of effect of cyberspace field situation on opinion bias in crisis event.[Method/Process]And the sample data was obtained through questionnaire survey.The data was analyzed using research methods SEM，and were processed through AMOS22.0.[Result/Conclusion]And it concluded that context relation，topic interaction and structure heterogeneity had significant effect on opinion bias through mediating variables cognition convergence and emotion coupling.Among these，the effect of structure heterogeneity was the most intensity，topic interaction more intensity，and context relation weakest intensity.Besides，there was differential effect of field situation on opinion bias between-and in-gender，age and education.And finally，the paper analyzed and discussed the research results，and indicated the theoretical and practical implication of the research conclusion.

Key words：field situation;opinion bias;cyberspace;crisis event

近年來，隨著信息技術的快速發展，以互聯網為代表的各種新媒體不斷涌現，互聯網基本覆蓋了我們的整個生活，正以驚人的速度滲透至人類社會生產和生活的各個角落，已成為了當下人們進行信息獲取及信息傳播的主要方式。第43次《中國互聯網絡發展狀況統計報告》顯示，截至2018年12月，我國網民規模達8.29億，互聯網普及率達到59.6%。網絡作為一種新型的信息傳播和人際交往工具，正改變著人們的生活、行為方式，并對社會的發展產生越來越重要的影響。在網絡環境下，隨著網絡問政持續推進，民生主題輿論已日益凸顯，各類民生熱點備受人們關注，如物價、住房、交通、教育、醫療、腐敗等問題，這些潛在的各種危機可隨時一觸即發，如長春毒疫苗、霧霾空氣污染等。加之，由于網絡信息傳播的低門檻，危機事件發生后大量的網民動輒在網絡中動員、集聚和發聲，對輿論的演變推波助瀾。同時，由于網絡意見領袖地位的凸顯，輿情在網絡空間中極易形成群體極化，嚴重影響了網絡生態的有序性。因此，網絡空間中，各類輿情的演化成為影響社會穩定與和諧發展的重要影響因素，并對社會關系和社會結構產生了全面沖擊，已給社會穩定及社會治理帶來了前所未有的沖擊和挑戰，成為互聯網時代全社會高度關注的社會問題。

然而，針對網絡輿論，場域理論強調，場域并非單一的物理環境，此外它還包括他人的行為以及與此關聯的諸多因素，場域中的主體每一個行動均會被所處的場域所影響（Koffka K[1]）。而作為場域中的具體環境，情境則是事物發生及個體行為產生的重要影響因素，它是一定時間內各種情形狀況的結合體。人則為情境的客體，在社會互動中為情境所驅使，宏觀環境只有經過具體情境才能對人的心理、行為和態度產生影響。此外，在不同情境下，個體對同一行為、同一刺激會產生不同的心理反應，從而導致不同的行為和態度（張廣斌等[2]）。因此，在網絡輿論中，輿論場域則為輿情形成的一個重要環境，該環境則需通過場域情境才能對受眾的心理及行為模式產生影響。

為了深入了解網絡環境下輿情偏差的影響，學術界針對網絡輿論及輿情的研究方興未艾，國內外學者一直從不同視角不斷地進行探索和研究。Chen X G等考慮到網絡輿情的不確定性和模糊性，引入信息熵的概念，提出了一種基于信息熵的網絡輿情相似性分析方法，能夠對網絡輿情的熱點和危機事件進行聚類和識別[3]。Dong Y等為了揭示在線和離線社交網絡之間大量代理之間的交互機制，提出了一個在線和離線社交網絡環境下的輿論動力學模型。并對模型進行了大量的模擬，得出了輿論動力學模型中形成共識的分析條件[4]。Chen X等為了解決網絡輿情趨勢預測問題，提出了基于協同過濾的網絡輿情趨勢預測方法，設計了網絡輿情趨勢預測的框架結構[5]。劉煥提出了網絡輿情偏差的影響因素模型，發現政府部門做好頂層設計、媒體加強自身治理、公眾不斷提高媒介素養可以有效削弱公共事件網絡輿情偏差和降低輿情偏差的負面影響[6]。周昕等將場內輿情觀點解構成受眾、情感立場、應事實體的三元組，并總結出一個輿情觀點的三體化呈現框架[7]。李紫薇等通過信息傳播模型把突發事件輿情話題演化過程分為突發期、蔓延期和消散期，使用Gephi繪制可視化云圖，并通過網絡結構分析網絡輿情話題演進規律[8]。夏一雪等定性分析大數據環境下網絡輿情信息異化機理，并在此基礎上通過數值仿真研究政府控制信息異化的分類問題[9]。高歌等結合系統動力學和傳播學的相關理論，分析了網絡輿情影響力，研究其形成機制和影響因素，并構建了網絡輿情演進的系統動力學模型[10]。喻國明闡述了在互聯網所構造的新輿情生態中，政府的角色已經不是無所不能的控制者和指揮者，而應將自身作為融入大生態系統中的一分子，從“管理組織”進化到“共建生態”的核心推動者，實現容納社會多元主體的共同管理[11]。

縱觀過去相關研究，總體而言，在研究內容上，過去研究主要集中于話題分析、輿情趨勢、影響因素、擴散模型、應對策略等方面。在研究方法上，則主要通過定性分析、動力學模型、社會仿真、復雜網絡等方法探討輿論研究問題及構建傳播模型。雖然這些研究已取得諸多成果，但仍存在可提升之處。一方面，就研究內容而言，過去研究關于網絡輿情或輿論的研究雖然較多，但對輿情偏差的研究很少，且從輿論場域情境視角對輿情偏差影響的相關研究依然缺乏，這給本研究理論框架的構建留下了研究空間。根據場域理論及信息使用情境理論，在網絡輿情演化過程中，輿論場域情境會對人們的心理及行為模式產生重要影響。尤其在當下，網絡技術的快速發展也使得用戶社會心理在很大程度上受到了信息環境的影響，存在較強的情境效應。因此，欲對輿情偏差影響機制得以全面、深入地認識，更需要基于場域情境視角對輿情偏差進行探索研究。另一方面，就研究方法而言，定性研究主要集中于問題的分析及對策提出;定量研究主要采用動力學、信息學、社會仿真進行研究，模型中涉及的變量多為學術性變量，得出的研究結論難以落實到具體實踐操作上，與現實應用的有效對接存在一定難度。因此，在此背景下，為了解決過去研究中存在的問題，本文將結合心理學、行為學及傳播學，對輿情偏差進行探索研究。本文將探索如下問題：1）網絡空間中場域情境對輿情偏差的影響路徑及作用機制如何？2）網絡空間中場域情境對輿情偏差的影響效應在不同性別、年齡及學歷用戶群體中是否存在差異？若存在，則差異性如何？

基于上述研究問題，本研究的結構安排如下：第一部分根據現實需求和文獻分析提出研究問題，第二部分基于相關理論基礎提出研究假設并構建研究理論模型，第三部分進行研究方案設計并收集樣本數據，第四部分進行數據處理并實現模型驗證及數據分析，第五部分對研究結果進行分析、總結和討論。

1 理論基礎與研究假設

場域理論強調，場域并非單一的物理環境，此外它還包括他人的行為以及與此關聯的諸多因素，場域中的主體每一個行動均會被所處的場域所影響。針對信息傳播中的場域，Fisher K E等提出了信息場理論，認為人們為了實現某種目的而聚集在一起的特定場所，該場所卻能營造出一種氛圍能夠促使人們自發地進行信息交流和信息分享等行為，其影響因素主要包括個體、場所及信息等三大因素。在信息場中，人們可以采用任何形式獲取信息，且信息的獲得將對個體的生理、認知、情感以及社會等方面產生積極影響[12]。

情境社會理論指出，人為情境的客體，在社會互動中為情境所驅使，而宏觀環境只有經過具體情境才能對人的心理、行為和態度產生影響。在不同情境下，個體對同一行為、同一刺激會產生不同的心理反應，從而導致不同的行為和態度。其中，情境主要包含行為主體、文化特質、特殊意義與人之間的關系、個人及群體的社會互動、特殊的時間、特殊場合和地點等六要素。因此，在網絡空間中，輿論場域則為輿情產生的一個重要環境，它需通過場域情境才能對受眾的心理及行為模式產生影響（王晴鋒[13]）。同時，根據情境的構成要素，可將網絡空間中的輿論場域情境因素歸納為情景關聯性、議題交互性及結構異質性三方面。

1.1 情景關聯與情感認知

情景是指主體所處狀態以及周圍環境變化的所有信息的集合，是用以對事物、實體以及用戶等所處的狀態、發展趨勢及環境特征的相關信息進行描述，且環境中的每一主體均對應著一組相應的情景信息。對于個體的心理、認知和情感并非獨立存在，它們的形成過程及所處狀態總是受情景和環境連續作用的結果。人們的視域中總存在著復雜而豐富的場景和情景結構，一旦某事物發生了變化，從而也會對其它相關事物產生重要影響（Dey A K[14]）。用戶在信息閱讀過程中會在腦海中形成淺層表征、基礎表征及情景表征3種理解形式。其中，情景表征是用戶為了對文本信息形成全局性和連貫性的認識，并根據自身經歷及背景知識對信息情景進行整合，它是人們對信息加工和情感幻想的最高層次。在信息接收時，受眾會受到該場域內相關情景的影響，從而促使某種認知或情感的形成（Kintsch W等[15]）。

針對網絡空間輿論場，當情景與危機事件的話題關聯度越大時，情景則會具有較強的主題提示作用，使得輿論主題更集中于特定話題，使用戶的群體性思維易于集中于同一方向，從而在特定主體上形成共同認識。同時，用戶情感體驗也更聚焦于特定事物上，從而使用戶群體的情感易于形成聚合并產生增力效應。基于此，可以提出如下假設：

H1a：網絡空間中，情景關聯對用戶認知聚斂存在顯著正向影響。

H2a：網絡空間中，情景關聯對用戶情感耦合存在顯著正向影響。

1.2 議題交互與情感認知

議程設置理論指出，媒介雖然難以改變受眾對某一事件或意見的具體看法，但可以通過信息的結構設置及議題的安排來有效地左右受眾關注特定信息點。網絡議程設置認為，受眾在認知過程中是根據要素間的關系特征來構建事件或屬性的網絡關聯圖景，主要聚焦于大眾議程和媒介議程中的事件或屬性之間的關聯，最核心的邏輯是關聯性。影響公眾的不是單個的議題或者屬性，而是一系列議題所組成的認知網絡。新聞媒體不僅告訴受眾想什么或者怎么想，同時還決定了我們如何將不同的信息碎片聯系起來，從而構建出對于社會現實的認知和判斷（Vu H T等[16]）。由此可見，議題的交互屬性則會對傳播效果產生重要影響。

通過議程設置，傳播媒介賦予各種議題不同程度的顯著度，從而影響公眾關注的焦點及對社會環境的認知結構，以及影響人們對相關事物及其重要性的判斷。議程設置主要通過認知、態度和行動3個層面對受眾傳播效果產生影響，其中認知層面上的效果則是議程設置的重要著眼點，而態度層面的效果則包含對受眾情感方面的影響（McCombs M E等[17]）。針對網絡空間，當場域議題與危機事件的議題交互性越強時，互動的議題則會分散用戶對危機輿論的集中性，使得輿論難以集中于特定的話題之上，用戶的思維更易形成在不同輿論主題上的游離狀態，從而用戶群體的認知則難以聚斂。同時，用戶的情感體驗也難以聚焦于特定事物上，難以形成用戶群體的情感聚合并產生增力效應。基于此，可以提出如下假設：

H2a：網絡空間中，議題交互對用戶認知聚斂存在顯著負向影響。

H2b：網絡空間中，議題交互對用戶情感耦合存在顯著負向影響。

1.3 結構異質與情感認知

關系強度理論指出，弱關系是指人們由于交流和接觸較少、聯系較弱的人際關聯狀態。由于弱關系分布范圍較廣，因此相對于強關系更能充當跨越社會界限，從而獲得新的信息和其他資源的橋梁，可將其他群體的重要信息帶給不屬于該群體的個體成員，進而創造出更多的社會流動機會（Granovetter M S[18]）。個體間一旦建立起強關系，便意味著群體內部相似性較高，其朋友圈子的重疊程度較大，群體內部個體所了解的事物的相似程度就較大。因此，通過強關系所產生的訊息通常存在重復性，易于形成封閉的系統。同時，強關系網絡內的成員由于具有相似的態度、高度的互動頻率，則會強化原本認知和態度，從而降低了與其它觀點和態度的融合。

然而，人們在獲取信息和形成認知的過程中其認知結構并非線性，而是接近于網絡結構。在這個結構中不同節點相互連接共同構成了認知的圖譜。在網絡空間中，用戶結構同質化較高，他們所獲取的信息主要是經過篩選與過濾后的相同論調，難以獲取不一致的信息（Burke M等[19]）。而單一化的信息接收自然會強化他們自己原有的觀點，進而在情感上易于走向聯動聚合。相反，在網絡輿論中，場域用戶結構異質化程度較高時，用戶間的關聯程度越低，互動的頻率也較低，從而難以形成群體聚合性認知，在情感上也難以形成聚合聯動效應。基于此，可以提出如下假設：

H3a：網絡空間中，結構異質對用戶認知聚斂存在顯著負向影響。

H3b：網絡空間中，結構異質對用戶情感耦合存在顯著負向影響。

1.4 情感認知與輿情偏差

輿情，是指在一定的社會空間內，圍繞中介性社會事件的發生、發展和變化，作為主體的民眾對作為客體的社會管理者、企業、個人及其他各類組織，在其政治、社會、道德等方面的取向產生和持有的社會態度。它是較多群眾關于社會各類現象、問題所表達的信念、態度、意見和情緒等方面的總和。在網絡環境下，輿情要素主要包含網絡、事件、網民、情感、互動、影響力等方面（王晰巍等[20]）。在網絡輿情的演化過程中，由于受到多種因素的影響，會導致某些網絡言論缺乏理性，表現出感性化和情緒化，甚至某些用戶、群體將互聯網作為情緒宣泄的場所，通過相互情緒感染，致使公眾的認知結構與客觀真實出現偏差。

在網絡輿論中，用戶的認知過程是人們接受外界輸入的信息，經過頭腦的加工處理，轉換成內在的心理活動，進而支配用戶行為的過程。當人們的認知聚斂（Convergence）時，用戶群體則專注于單一的事物，思維集中于同一方向。在眾多的現象、線索、信息中，以某個認知對象為中心，盡可能運用已有的經驗和知識，將各種信息進行重新組織，從不同的方面和角度，將思維集中指向該中心點，從而達到解決問題的目的（Webb M E等[21]）。群體認知聚斂的出現，一方面，部分受眾由于所獲取信息的不對稱，則會跟隨多數受眾的信息行為進行信息行為決策;另一方面，由于個體害怕與群體存在不同意見而被孤立，從而刻意保持與群體相一致的行為。從而，用戶個體則會出現與大多數用戶心理或行為保持一致的傾向，產生網絡輿論的從眾現象，導致用戶群體在認知上形成強大的聚合效應，使輿情走向偏差。基于此，可以提出如下假設：

H4：網絡輿論中，用戶認知聚斂對輿情偏差存在顯著正向影響。

情感是一種態度在生理上復雜而又穩定的生理評價，是個體對客觀事物是否滿足自己的需要而產生的態度體驗。它具有傾向性，可使個體情感在特定事物上存在正向或負向傾向。而耦合（Coupling Induction），則是指人們把群體中2個或2個以上的個體通過相互作用而彼此影響，從而聯合起來產生增力的現象。人際間耦合效應的出現，會使個體相互產生情感上的聯動，耦合程度越大，情感聯動作用就越大（趙熙[22]）。針對危機事件的網絡輿情，人們的輿論主要指向事件的負面影響而展開，輿論場域中聚集的主要為負面情緒，產生的情感耦合也主要呈現負面傾向。因此，當用戶間的情感耦合程度越大，群體的信息決策更易產生極端行為，傾向于冒險一端。同時，隨著群體成員持續地互動，群體情感則朝著極端方向繼續移動，形成群體極化，最終導致輿情偏差。基于此，可以提出如下假設：

H5：網絡輿論中，用戶情感耦合對輿情偏差存在顯著正向影響。

1.5 理論框架

該研究以網絡空間中的場域情景關聯、議題交互和結構異質為自變量，輿情偏差為因變量，認知聚斂及情感耦合為中介變量，構建理論模型來研究場域情境如何對用輿情偏差產生影響。其理論結構圖如圖1所示。

2 量表設計與數據收集

2.1 量表設計

該研究中所使用的量表及問卷的主要變量和題

項設計如下：

因變量：輿情偏差，是由于受主客觀因素的影響，致使公眾的認知及網絡輿論出現偏離客觀真實的現象。主要根據Broockman D E等的研究成果[23]，針對網絡空間，以事件為核心，從廣大網民情感、態度、意見、觀點的表達與客觀事實的偏差方面進行題項的設置，共設6個測項。

自變量：情景關聯，是指主體所處狀態以及周圍環境的所有信息與危機事件話題的相關程度。主要參考李楓林等的研究成果[24]，以信息用戶所處的狀態、發展趨勢及環境特征與事件話題的關聯性進行題項設置，共設3個題項。議題交互，是指網絡中危機事件輿論的話題內容、中心、主題與其它議題產生的交叉及互動的狀態和程度。主要參考張軍芳的研究成果[25]，以事件輿論的內容、中心、主題與其它議題產生交叉及互動的程度進行題項設置，共設3個測項。結構異質，是指場域中用戶群體在重要人口統計學變量及其它特征上的構成差異程度。主要參考高俊峰等的研究成果[26]，主要從輿論場域中的用戶職業、學歷、年齡等維度進行題項設置，共設3個測項。

中介變量：認知聚斂，是指用戶群體專注于單一的事物，思維集中于同一方向，在眾多的現象、線索、信息中，向著事物的同一維度進行思考。主要參考Cropley A等的研究成果[27]，從用戶對輿論事件的感覺、知覺、記憶、思維及想像等方面的相似程度進行題項設置，共設計4個題項。情感耦合，是指網絡用戶群體中個體情感通過相互作用而彼此影響，從而形成情感聯動并產生增力的現象。主要參考Fox J R E等的研究成果[28]，主要從用戶群體對危機事件的憤怒、悲傷、恐懼、厭惡等方面的情感聯合互動程度進行題項設置，共設3個題項。

以上變量的測量均采用李克特五點量表法，采用1～5之間的整數來表示對問題的同意程度。其中，1表示“非常不同意”，2表示“不同意”、3表示“不確定”、4表示“同意”、5表示“非常同意”。

2.2 數據收集

本研究使用的數據來自2018年6月進行的“危機事件中網絡空間場域情境對輿情偏差的影響研究”的網絡問卷調查。為了提高調查信息的質量和信度，在問卷中插入了一些過濾性問題的題項，主要在調查問卷中設置了受訪者是否曾經關注過危機事件在網絡中的傳播及輿論行為，通過對回收的問卷在此題項上的篩選，選擇在該題項上回答為“是”的用戶作為最終樣本，以確定曾關注過危機事件網絡傳播及輿論行為的用戶數據作為本研究樣本。為了確保調查時問卷的信度和效度，在進行正式調查之前，先在廣西南寧市內隨機發放了問卷150份進行預調查，其中回收了124份，剔除回收中不合格的問卷18份，最后有效回收率為70.67%。對此進行信度和效度分析，其統計結果顯示，預調查問卷的KMO值為0.81，Bartletts球形檢驗的p值均小于0.01，累積方差解釋度為79.04%，Cronbachs α值均大于0.70。而在進行CITC分析中，其中Q11的CITC指數為0.36，其余項均大于0.50，因此需要刪除問卷中的Q11題項，其余題項均保留。刪除Q11題項后，再次對分量表及總體量表進行信度分析，結果顯示原來Q11題項所屬構念的分量表Cronbachs α值存在顯著提升，而其余各分量表Cronbachs α值均大于0.70，總體量表Cronbachs α值也大于0.70，表明刪除題項Q11后的問卷結構優度得以提高，說明該題項的刪除具有合理性。

正式調查時，主要采用網絡問卷調查系統、QQ、微信以及其它各種網絡通訊工具相結合。同時，為了提高調查結果的準確性及問卷的回收率，則在每次調查前，預先告知參與本調查的每位受訪者在本次調查完成后將獲得一定額度的報酬，主要通過手機話費充值、微信紅包、Q幣、支付寶以及其它在線支付等方式完成支付。本研究數據收集過程歷時3個月，發放問卷1 500份，回收問卷數為1 058份，剔除其中不合格問卷83份，則有效問卷共975份，問卷有效率為65%。其中，有效樣本數據的人口統計變量分布特征如表1所示。

由表1的人口統計變量分布特征可見，該樣本數據涵蓋了不同性別、年齡、學歷和職業的用戶群體，且各統計學變量的樣本分布不存在極端或奇異情況，該樣本數據可用于研究分析。

3 數據分析與假設檢驗

3.1 信度與效度分析

量表信度。對問卷各題項內部一致性進行檢驗，對問卷數據處理，其結果如表2所示，其中，情景關聯、議題交互、結構異質、認知聚斂、情感耦合、輿情誤差各分量表的Cronbachs α分別為0.90、0.89、0.91、0.86、0.94、0.92，整個問卷的總Cronbachs α為0.89，所有α值均大于0.70的標準，說明該問卷各分量表和整體問卷設計信度較佳。

結構效度。對量表中的各變量進行探索性因子分析，其結果如表2所示，當共提取6個因子來表達該量表的所有題型時，所能解釋的累積方差為81.07%。同時，測項Q17的因子負荷為0.43，其余題項在對應的維度上的因子負荷均大于0.50標準值，因此需要刪除題項Q17，其余項均保留。該結果表明說明量表在整體設計上的結構效度良好。

內斂及判別效度。對收集的數據進行驗證性因子分析（CFA），其結果如表2所示，各測量題項與所度量的潛在變量間的標準負荷系數均大于0.70，其對應的t值均大于1.96（p=0.05）的臨界值。同時各變量AVE值均大于0.50，復合信度（CR）均大于0.70，表明觀測變量能有效反映對應潛變量的特質，各組觀測指標間均存在較好的一致性，說明數據的收斂性良好。對所有潛變量進行相關系數及AVE平方根計算（參見表3），所有潛變量的AVE值的平方根值均大于對應的相關系數的絕對值，表明各潛變量間的判別效度較佳。

3.2 路徑分析及假設檢驗

3.2.1 直接效應

由于情景關聯、議題交互及結構異質對輿情偏差路徑模型的成立，須以情景關聯、議題交互及結構異質對輿情偏差具有顯著性影響為分析基礎。因此，在對情景關聯、議題交互及結構異質對輿情偏差路徑模型分析前，需對潛在外生變量與潛在內生變量間因果關系的顯著性進行回歸分析。

圖4擬合結果顯示，回歸方程的F檢驗值19.08達到0.01顯著水平，說明回歸模型的解釋變量聯合效應對被解釋變量具有顯著影響，表明模型的設置合理。同時，調整R2值為0.85，大于0.70的解釋水平，說明情景關聯、議題交互及結構異質可以解釋輿情偏差85%的變異值，即變量的選取和組合與實際相符。且各回歸系數的t檢驗值在0.01水平下均顯著，表明情景關聯、議題交互及結構異質對輿情偏差具有顯著影響。

3.2.2 路徑分析

對理論模型使用AMOS進行估計，其輸出的p（χ2）值為0.000，小于0.05的顯著水平，拒絕原假設，表明理論模型與觀察數據無法適配，需要對初始模型進行修正，根據輸出結果中的修正指標（MI），需要在觀察變量Q9與Q16的誤差項間建立共變關系，從而至少可以減少卡方值21.05。在對模型進行修正后，其相應的各擬合度指標分別為：p（χ2）為0.34，同時χ2/df、NFI值、GFI值、AGFI值、CN值、RMSE值均達到模型可適配標準，且修正指標輸出結果中未有任何需要修正的參數，這表明修正后的模型為可接受模型，標準路徑系數參見圖2。

根據標準路徑系數圖2可知，所有路徑系數值絕對值均介于0～1之間，且除假設H2b對應的t檢驗未達到0.05顯著水平外，其余各假設對應的t檢驗均達到0.05的顯著水平。根據各標準路徑系數的正負性及系數的t檢驗，表明除假設H2b未獲得支持外，其余7個假設均獲得實證支持。同時，根據各路徑系數大小，情景關聯、議題交互及結構異質對認知聚斂（路徑系數分別為0.36、-0.78、-0.65）較之于對情感耦合（路徑系數分別為0.32、系數不顯著則為0、-0.47）產生較大影響。情感耦合較之于認知聚斂對輿情偏差產生較大影響（路徑系數分別為0.76、0.71）。

3.2.3 中介效應

根據Zhao X等提出的中介效應分析程序[29]，結合Hayes等提出的Bootstrap方法進行中介效應檢驗[30]。以輿情偏差為因變量，以情景關聯、議題交互及結構異質為自變量，以認知聚斂及情感耦合為中介變量進行模型的結構設置。選用Process程序中的模型1，進行1 000次重復樣本抽取，并以95%為顯著性置信區間進行中介效應檢驗。其檢驗結果如表5所示。

表5計算結果中，如果置信區間的下限（LLCI）和上限（ULCI）之間不包含0值，則說明中介效應顯著;否則，則說明中介效應不顯著。表5計算結果顯示，在所檢驗的中介路徑中，除了路徑“議題交互→情感耦合→輿情偏差”95%的置信水平上限與下限之間包含0值外，其余路徑95%的置信水平上限與下限之間均不包含0值，即表明除了路徑“議題交互→情感耦合→輿情偏差”中介效應不顯著外，其余路徑的中介效應均顯著。

根據中介效應估計結果，情景關聯、議題交互、結構異質通過認知聚斂及情感耦合兩個中介變量對輿情偏差產生影響的總效用分別為：-0.1298、-0.1354、-0.1619。其中，情景關聯通過認知聚斂中介變量（中介效應系數為-0.0657）較之于通過情感耦合中介變量（中介效應系數為-0.0643）對輿情偏差產生較大影響;議題交互通過認知聚斂中介變量（中介效應系數為-0.1354）較之于通過情感耦合中介變量（中介效應不顯著，其系數為0.000）對輿情偏差產生較大影響;結構異質通過認知聚斂中介變量（中介效應系數為-0.0862）較之于通過情感耦合中介變量（中介效應系數為-0.0757）對輿情偏差產生較大影響。

3.2.4 檢驗結果

根據上述檢驗結果，其假設檢驗結果匯總如表6所示。

3.3 群組分析

信息環境使用理論指出，用戶的不同職業和社會角色會對人們的信息行為產生重要影響，這些因素在某種程度上培育了用戶信息行為的不同特征。因此，要對用戶社會認同群組間差異有更深入地了解，需在上述理論框架驗證的基礎上對不同性別、年齡及學歷的用戶群組差異作進一步地比較和分析。

在進行群組模型估計時，性別組除RMR值（0.16）、年齡GFI值（0.81）未達適配標準外，其余各適配度指標均達到標準值，這表明性別、年齡及學歷的群組數據整體上能較好地與理論模型相適配。各標準路徑系數均介于0～1范圍內，且各對應系數的t檢驗均達到0.05的顯著水平，這表明假設的理論模型在性別和年齡群組上均具有跨組效度。其分析結果如表7所示。

由圖7可知，對于性別群組，各路徑效應的大小順序依次均為：男性、女性。對于年齡段群組，各路徑效應的大小順序依次均為：“30歲以下”、“30～50歲”、“50歲及以上”。對于學歷群組，各路徑效應的大小順序依次均為：“小學及以下”、“初中～高中”、“大學及以上”。

4 結論與討論

4.1 結 論

通過研究假設的提出及理論模型的構建，采用問卷調查法收集用戶在網絡輿論中的心理及行為數據，探索了網絡空間中場域情境對輿情偏差的影響。其中，量表設計及所獲數據均具有較佳的信度和效度，在此基礎上，通過結構方程模型對預設的理論模型進行了實證檢驗和數據分析，得出如下研究結論：

首先，網絡輿論中，情景關聯、議題交互及結構異質分別通過認知聚斂及情感耦合的中介作用，對輿情偏差產生顯著影響。其中，情景關聯產生正向影響，議題交互及結構異質產生負向影響。情景關聯對認知聚斂及情感耦合具有顯著正向影響，議題交互及結構異質對認知聚斂存在顯著負向影響，結構異質對情感耦合存在顯著負向影響，而議題交互對情感耦合的影響效應不顯著。

其次，網絡輿論中，結構異質對輿情偏差的影響效應最大，其次為議題交互，最小為情景關聯。情景關聯、議題交互及結構異質通過認知聚斂中介變量，較之于通過情感耦合中介變量對輿情偏差產生較大影響。其中，情感耦合較之于認知聚斂對輿情偏差產生較大的正向影響。表明在輿情演化過程中，情感因素較之于認知因素對輿情偏差產生更大地影響。

再次，場域情境對輿情偏差的影響效應，在人口統計學上存在顯著性差異。在性別上，各路徑系數男性大于女性;在年齡上，各路徑系數大小順序依次為：30歲以下最大、30～50歲較大、50歲以上最小;在學歷上，各路徑系數大小順序依次為：小學及以下最大、初中～高中較大、大學及以上最小。

4.2 討 論

針對所有研究假設，其中H2b未獲支持，即場域情境中議題交互對用戶情感耦合的影響不顯著。同時，議題交互對用戶認知聚斂的影響顯著，且影響效應較大。出現該情況可能的原因在于，在屬性議程設置中，議題的構建是媒體、公眾和政府三方相互競合的結果，并力圖通過社會組織中介消除不同個體與社群之間的分歧，以實現社會整合的目的（Ragas M W等[31]）。網絡議程設置理論指出，影響公眾的不是單一議題或者屬性，而是由一系列議題所組成的認知網絡。通過議程設置，新聞媒體不僅可以告訴我們想什么或者怎么想，還決定了如何將不同的信息碎片聯系起來，從而構建出對社會現實的認知和判斷。因此，在網絡環境下，輿論影響因素不再是單一的議題或屬性，而是包含了議題與屬性在內的一系列要素交互形成的認知網絡（Guo L等[32]）。議程設置雖然能通過認知、態度和行動3個層面對受眾傳播效果產生影響，但其中對用戶認知層面的影響則是議程設置展現的主要功能和作用。因此，在議程設置中，議題的交互設置，雖然能對受眾態度層面的情感成分產生一定影響，但對情感的影響并非議題屬性功能的主要方面。相對于情感的耦合作用，議題交互對受眾認知的影響效應則表現得更大、更顯著。

在用戶群組分析中，情景關聯、議題交互及結構異質對輿情偏差的影響效應存在人口統計學變量的差異性，產生該情況的主要原因可能是由于不同群體的社會特征及社會角色的差異性所導致。一般性信息行為理論指出，用戶的不同職業和社會角色會對人們的信息行為產生重要影響，這些因素在某種程度上培育了用戶信息行為的不同特征。同時，用戶在獲取信息和利用信息中，存在多種中介變量對信息行為及動力機制產生重要影響，其中主要包括心理特征、人口統計特征、社會角色等（Khoo C S G[33]）。針對本研究結論，在性別上，兩性除了受到生理差異的影響外，更大程度上受到社會文化性別差異的影響。由于男性與女性在社會地位、社會角色上的差異，以及社會對不同性別也具有不同的角色期待和評價，在總體上表現出了一系列行為規范、性別分層等方面的差異特征。因此，群體在性別上的生理差異經由社會規范以及社會制度力量的作用，以及歷代積淀的性別文化潛移默化的影響，從而形成了男女兩性在信息加工模式和信息行為上的差異性（Oakley A[34]）。其次，在用戶年齡方面，年齡的大小通常與一個人的生理發育和智力發展密切相關，也代表著他們社會閱歷的豐富程度，體現了他們在思維成熟度的差異。同時，也受到社會規范、社會文化以及風俗習慣的影響，不同年齡階段的群體則扮演著不同的社會角色，承擔著不同的社會責任，從而對不同年齡段個體的信息思維模式、認知方式以及行為特征產生重要影響。最后，在用戶文化程度方面，由于教育學習是人們通過后天努力來改變和重塑自己思維和認知方式的重要途徑，學歷的高低反映了一個人在社會中接受教育程度的差異，高學歷者通過對更多科學知識的學習和更多正式的訓練從而提高自己對事物的認知和態度，相對于低學歷者他們對事物有著更審慎、更科學的思考和認知，從而使得不同學歷的個體在對事物的認知、態度以及行為上通常具有不同程度的差異性（Carret等[35]）。

關于網絡空間中場域情境通過認知聚斂與情感耦合的中介作用對輿情偏差產生顯著影響，雖然過去尚未有與該研究結論完全一致的研究文獻，但該研究結論與過去相關研究的推演結果相吻合。邢彥輝（2012）針對場域的影響效應，指出構成輿論場主要有三要素，即“同一空間的人群密度與交往頻率”、“輿論場的開放度”和“輿論場的渲染物和渲染氣氛”。同一空間的個體相鄰密度與交往頻率越高、空間的開放度越大、空間的感染力越強，則該空間中的輿論場域的影響效應則越大。在場力作用下，經過多方的交流、協調、組合、揚棄，輿情則比在一般環境下形成的速度更快，并呈現加速蔓延的趨勢[36]。而關于情境對輿情偏差的影響，信息使用環境理論指出，信息使用環境可促使用戶形成信息需求，并驅動他們積極地進行信息搜索、查詢及利用等行為。信息在用戶間的流動、傳遞和利用均受到信息使用環境的影響，用戶以此可對信息的有用性及價值大小進行判斷。信息用戶能夠感知所處環境的變化，并對此進行評估及做出實時反應，并不斷調整自身行為以保持與信息資源的互動和協同（Browne G J等[37]）。因此，在信息情境作用下，用戶個體的心理及行為會受到影響，用戶群體則會傾向于產生互動和協同行為，從而導致對事件輿情的演化過程產生重要作用。

本研究結論，在理論上，可為今后人們在網絡場域對輿情影響方面的進一步探索及理論構建提供一定的參考和借鑒，也可為網絡環境下的輿情演化理論、輿論場理論及信息情境理論的進一步深化和發展添磚加瓦。在實踐上，相關部門或機構可根據網絡空間中場域情境對輿情偏差的影響機制，從場域的情景關聯性調整、議題多元交互設置及結構異質化構建，提出相應的輿論引導方案及輿情應對策略。通過該研究結論的現實應用，一方面，積極影響用戶在場域中形成正確的認知和態度，促使在正確的輿論方向上產生群體認知聚斂及情感耦合，最終對輿情起到較好的疏通和引導作用。另一方面，針對輿情偏差的影響因素，阻斷偏差出現的情境條件，預防受眾群體在錯誤的輿論方向上形成負面認知聚斂及情感耦合，最終實現輿情演化過程中正本清源的輿論治理。

本研究雖然已盡量做到使研究設計完善，但由于客觀條件限制，仍存在一定局限性。在數據采集上，雖已盡量完善抽樣設計及數據采集的各個流程和細節，也已最大可能地擴展數據獲取的范圍，但因數據采集需要耗費大量的人力和物力，然后由于課題組人力、物力的限制，使得本研究仍存在有待提升之處。在網絡抽樣調查過程中，受訪者存在擔心調查者可能是出于某種惡意或探測自己隱私而致使受訪率低。因此，在后續的相關研究中，可以考慮在現實人群中進行抽樣調查，以提高問卷的回收率和合格率。

參考文獻

[1]Koffka K.Principles of Gestalt Psychology[M].Routledge，2013：128-131.

[2]張廣斌.情境與情境理解方式研究：多學科視角[J].山東師范大學學報：人文社會科學版，2008，53（5）：50-55.

[3]Chen X G，Duan S，Wang L D.Research on Clustering Analysis of Internet Public Opinion[J].Cluster Computing，2018.

[4]Dong Y，Ding Z，Chiclana F，et al.Dynamics of Public Opinions in an Online and Offline Social Network[J].IEEE Transactions on Big Data，2017：1-1.

[5]Chen X，Xia M，Cheng J，et al.Trend Prediction of Internet Public Opinion Based on Collaborative Filtering[C]//2016 12th International Conference on Natural Computation and 13th Fuzzy Systems and Knowledge Discovery（ICNC-FSKD）.IEEE，2016.

[6]劉煥.公共事件網絡輿情偏差及影響因素研究述評[J].情報雜志，2018，37（11）：96-102.

[7]周昕，高俊峰，潘逸塵.網絡輿情場內信息受眾觀點的“三體”可視化框架構建[J].情報科學，2018，36（11）：126-131，176.

[8]李紫薇，邢云菲.新媒體環境下突發事件網絡輿情話題演進規律研究——以新浪微博“九寨溝地震”話題為例[J].情報科學，2017，35（12）：39-44，167.

[9]夏一雪，蘭月新，趙玉敏.大數據背景下網絡輿情信息異化控制模型研究[J].現代情報，2018，38（2）：3-11.

[10]高歌，張藝煒，丁宇，等.基于系統動力學的網絡輿情演進機理及影響力研究[J].情報理論與實踐，2016，39（12）：39-45.

[11]喻國明.網絡輿情治理的基本邏輯與規制構建[J].探索與爭鳴，2016，（10）：9-12.

[12]Fisher K E，Julien H.Information Behavior[J].Annual Review of Information Science and Technology，2009，43（1）：1-73.

[13]王晴鋒.戈夫曼與情境社會學：一種研究取向的闡釋性論證[J].社會科學研究，2018，（3）：122-128.

[14]Dey A K.Understanding and Using Context[J].Personal and Ubiquitous Computing，2001，5（1）：4-7.

[15]Kintsch W，Van Dijk T A.Toward a Model of Text Comprehension and Production[J].Psychological Review，1978，85（5）：363.

[16]Vu H T，Guo L，McCombs M E.Exploring“the World Outside and the Pictures in Our Heads”A Network Agenda-setting Study[J].Journalism & Mass Communication Quarterly，2014，91（4）：669-686.

[17]McCombs M E，Shaw D L，Weaver D H.New Directions in Agenda-setting Theory and Research[J].Mass Communication and Society，2014，17（6）：781-802.

[18]Granovetter M S.The Strength of Weak Ties[J].American Journal of Sociology，1973，78（6）：1360-1380.

[19]Burke M，Kraut R E.The Relationship Between Facebook Use and Well-being Depends on Communication Type and Tie Strength[J].Journal of Computer-Mediated Communication，2016，21（4）：265-281.

[20]王晰巍，邢云菲，張柳，等.社交媒體環境下的網絡輿情國內外發展動態及趨勢研究[J].情報資料工作，2017，38（4）：6-14.