后真相時代輿情監測的難點及策略研究

□安萌

后真相（Post-truth）一詞于 1992年在《Nation》上首次出現，2016年被評為英國年度熱詞。后真相是指，在信息傳播中訴諸情緒相較陳述客觀事實更容易影響民情和公意，真實讓位于情感、態度。從“小鳳雅”事件到重慶公交墜江事件，輿情的巨大波動反映出公眾面對輿論的不理性，后真相一詞的使用頻度成百倍增長，各種言論、偏見比比皆是，立場先于真相①，即媒體高呼的“后真相時代”到來。社交媒體的出現與信息環境的復雜化，使得受眾的既有選擇傾向愈發明顯，只愿意接受一定信息的同時，輸出信息也有偏向性，輿論環境也更加復雜。后真相導致各類社會事件真假難辨，越來越撲朔迷離，輿情難以控制，進而對輿情及其發展態勢的監測也提出了更高要求。

輿情監測，即實時關注輿論的動向，及時發現首要輿情，把握輿情轉變規律。隨著移動互聯網的普及，以微博、微信為代表的社交媒體興起，成為輿情擴散的主要陣地。面對復雜多樣且難以親身考證的網絡信息和事實傳播，大家更容易且更為傾向于依賴“部落化小圈層”以獲取資訊、傳播事實，輿情中的網民功能和角色“前移”。隨著信息活動速率的加快和數目的增多，傳統輿情監測模式存在著反應遲鈍、信息斷層、研判模式化、重形式輕分析和重圖表輕闡釋等問題，輿情動態監測進入平臺期和疲憊期。當我們將生活數字化和模型化后，會發現其實大家都非常相似，很容易產生人類行為極其容易被觀察、預測的錯覺，但這種可觀察是概括性、大范圍的，不具有普適意義。實際上，受制于人類大腦的不同，要想完全監測到人類情緒、態度的變化是很困難的。

因此，輿情管理思路也應該前置，從危機事件后的監管、化解情緒到事前監測預警，在事態惡化前及時發現并疏導，在當前的輿情傳播態勢中顯得尤為重要。輿情監測是輿情管理活動的首要環節，一旦發生負面議論時，迅速識別輿情風險線索，也可以為緊接著的形勢研判和準確回應占得先機。以下將具體論述后真相時代輿情監測活動當前的表現特征和面臨的挑戰，從而為輿情監測和輿情管理活動提出有益的思考。

一、后真相時代輿情監測活動的特征

（一）以敏感詞庫為主，關注輿情呈現情勢

敏感詞庫建設是對發生輿情事件的文本進行高頻詞統計分析，包括媒體、微博、微信平臺傳播主體的主動發聲和互動討論，對其中能夠引起民眾情緒波動的詞進行初步判斷，并將其提取出來以構建敏感詞庫，然后根據可能引起的不同情緒敏感度進行分級，一旦程度較重的詞出現，便及時開啟相應預案。關注輿情表面呈現的狀態，除敏感詞外，還有關鍵詞、排除詞和詞義本身的含義闡釋等都可以使輿情監測結果更為精確。如，聯想集團前些年因高通投票和改名事件一直被罵“賣國”，連帶著總裁楊元慶也被扣上“賣國賊”的帽子，因而，“楊元慶”“賣國”等都是聯想在監測輿情時的重點關注敏感詞，呈現出了有關聯想集團的網絡輿情狀況。

（二）多元數據庫抓取，負面輿情監測比重大

利用大數據可以為網絡輿情管理帶來技術優勢。經過深度挖掘，解構與重構海量信息，挖掘數據間的相關性，可以提供數據支持。輿情監測從最初簡單的收集數據發展到深入研究拓展的階段，加快“靜態收集”到“動態跟蹤”的轉變速率②，運用多元數據庫抓取信息，可為后續的輿情分析提供多個維度。輿情熱議的話題包括正面和負面，正面是一種積極向導，鼓勵傳播主體繼續；負面是一種嚴厲警示，提醒傳播主體及時改變方式方法。當前，各個傳播主體都更為關注負面輿情而忽視其他重要的維度。根據某著名輿情監測機構的用戶情況調查所知，每10個輿情監測客戶中會有9個特意強調負面輿情的匯總，要求工作人員每隔一定時間段定時推送有關自身的負面情況。

二、當下輿情監測面臨著一定挑戰

輿情管理相關議題研究以危機應對和結合社交媒體特征為多數，對網絡輿情的日常關注較少，空有輿情預警的意識，卻沒有輿情監測的實踐。當前輿情監測活動面臨的挑戰主要有以下幾方面。

（一）依賴爬蟲技術，價值研判時有誤差

技術發展推動著信息海量化、傳播主體多元化，信息處理也變得更為繁雜。目前，爬蟲技術是輿情動態信息抓取的主要工具之一，按照提前設定好的固定規則，自動識別并抓取媒體、微博、微信和各大門戶網站的海量信息。但擁有海量信息并不完全等同于足夠掌握輿情動態，輿情態勢的發展更多是大眾對事件的看法，并伴隨著情緒問題的推動。而通常的技術處理都是以一定關鍵詞為基準，借助對語言文字的分析去判斷人們對輿情事件的態度，屬于機械的、去情感化的活動，對復雜輿情的價值研判難以做到精準。再者，新興網絡用語眾多，有正面、負面、隨意吐槽等多種形式，如“盤他”“檸檬精”“嘴炮式戀愛”“光想青年”等一眾熱詞，要判斷其在一定場景下的屬性實屬不易。最為關鍵的一點是，用詞富于變化，網站會經常更新，一旦關鍵用詞或者網頁改版，爬蟲就會無所適從，不能很好地滿足輿情監測要求。

（二）信息篩選復雜，輿情監測時效難以保證

在互聯網的推動下，網絡輿情瞬息萬變，如以“百度”為關鍵詞利用爬蟲技術抓取信息，新聞、貼吧、平媒等平臺日均信息量在1200條以上，微博平臺信息在2000條左右，無形中加大了信息篩選和監測的難度。輿情服務的需求方想要第一時間知曉輿情的產生與發展，首先需要的是快；其次要清楚了解自身情況，也需要準確信息，所以一般情況下通過軟件自動監測的信息仍需要經過人工判斷和篩選。軟件越智能，人工量越少，但眼下輿論場的橫縱向擴展引起的復雜數據處置實非人力所能及，在時間和效率上難以有效保障。

（三）監測指標體系龐雜，仍處于初步探索期

輿情監測指標體系研究有兩種路徑，一是力圖用多個不同維度指標衡量，追求全面；二是結合大數據思維，尋求少量指標進行研判。伴隨前者的是指標體系逐漸龐雜，量化和質化指標同在，而在數據抓取中卻無法全部實現，甚至有些指標體系會永遠以DEMO（Demonstration縮寫，意為展示）的形式存在③；后者充分利用大數據相關關系思維，但單一指標很難指導實踐。這一方面說明當前的輿情監測方式較復雜，另一方面也說明輿情監測活動仍屬于初步摸索階段。

三、輿情監測難點解決之路徑探析

后真相時代，公眾不是不清楚或不明白“后真相”不等于“真相”，而是更愿意相信他們在情感上相信的“事實”。輿情監測在其中就相當于人的“知覺層”，基于數據的匯集、存儲、分析與融合，它成為反映虛擬網絡環境情感與事實的主要途徑，也是智慧社會實踐的重要參考依據。對于如何推動輿情監測活動的深入，可參照以下方式。

（一）更新輿情監測軟件，強化基礎建設

輿情監測軟件要具備強大的自然語義分析引擎，利用機器學習反復修正，讓數據背后的意義直觀可見，實現情感的智能語義識別，準確判斷網民情緒等，并進一步升級分布式節點、主干網絡、云存儲、輿情協同、網評疏導和智慧輿情專家平臺等相關應用。從實踐來看，依靠互聯網搜索引擎、中文分詞功能、爬蟲技術、輿情統計分析（包括媒體分類、事件傳播、關鍵詞云等），要做到全網獲取信息，提供既快又準的監測結果，都需要硬件設施——即監測軟件的不斷完善升級。尤其是微博、微信和境外媒體庫等特殊平臺還需要專門的監測工具。隨著5G時代來臨，信息類型更為多樣化，為更全面地監測各類信息必須從輿情監測軟件入手，完善算法機制，做好了輿情管理的第一步。

（二）人才隊伍優勢互補，完善業務鏈條

輿情監測與分析人才是輿情監測活動的必需條件，且要能熟練運用有關軟件，如掌握專門監測微博的軟件——新浪輿情通的使用技巧，運用圖表分析，明確信息屬性，智能識別情感，進行定向監測，了解輿情關注并提供支持。人才梯隊搭建上，應在鼓勵博學多聞的同時，又強調專業精湛。譬如，人民網輿情研究中心從事輿情監測的業務員中有的精于數理統計，有的熱愛鉆研價值觀念相關領域，有的長于預測輿情走向；具體的人員構成上，既有省委宣傳部的輿情研究員，又有網信辦新聞評論員④。專業的統計分析師和輿情分析師合力，可以明確地感知和掌握網絡輿論場的主流意識、網民共識、政企應答等。

（三）注重綜合性監測，側重輿情發生發展過程

輿情監測活動和服務通過技術手段實時掌握輿情變化和矛盾轉變，主要目的就在于為制作輿情分析報告提供支持。為完成這個任務，輿情監測報告需完整體現事件產生和演變的不同階段，而實時獲取、自動化運維監控、全天候和全時段監測輿情聲量和走勢都必不可少，以便準確并及時發覺作用于公眾認識和情感的主導因素。同時，這類綜合性不但體現在對事實究竟如何產生、發展方面，并且應體現在對各不同種類概念的表達進程和影響的關注上，明確社會情緒問題機理，將過程性監測納入輿情活動中。

（四）強化準入機制，制定行業發展規范

新傳播生態決定了輿情監測業務在這個時代的必要性，因其自身的商業服務特性，強化輿情監測管理顯得極為迫切。尤其是當輿情監測報告得出的結論與相關單位名譽休戚相關，監測手段可能會成為新型敲詐工具時，更值得警戒。要促進輿情監測的良性發展，就需嚴格行業準入門檻，規范行業既定準則，時刻警戒輿情公關化，強化輿情管理職業的倫理教育，堅持輿情客觀原則，不圖私利，強調以社會效益為中心，促進輿情監測作為決策參考依據的質的提升。

四、結語

整體來看，后真相時代的輿情監測活動需緊跟學界和業界前沿，提高技術智能化、數字應用和分析能力，完善從業機構和人員自身建設，升級用于輿情監測的軟件體系。同時需要注意，輿論監測不該被當作一種直接的商業服務，而應認識到其是可以左右人們接觸信息和解讀信息行為的管控，因此需要對其進行恰當的管理，規避不當的行為。

注釋：

①田迎娣.后真相時代真相呈現的特征[J].新聞傳播,2018(22):13-16.

②尹亞輝.大數據時代網絡輿情傳播形態與引導戰略[J].新聞知識,2013(12):61-62.

③李彪.社交網絡時代輿情預警的挑戰、模式及趨勢研究[J].編輯之友,2018(11):46-50+61.

④臧海平.輿情監測和分析的難點及對策[J].青年記者,2019(19):17-18.