企業(yè)負(fù)面新聞事件下社交媒體多類型信息競(jìng)爭演化研究

阮文翠 夏志杰 王家輝

摘要：研究企業(yè)負(fù)面新聞爆發(fā)后社交媒體平臺(tái)產(chǎn)生的多類型信息的競(jìng)爭傳播規(guī)律有助于企業(yè)負(fù)面新聞的應(yīng)對(duì)。企業(yè)負(fù)面新聞爆發(fā)后社交媒體平臺(tái)隨之產(chǎn)生虛假新聞、不確定性新聞信息及真實(shí)新聞信息。以生態(tài)學(xué)種群理論為基礎(chǔ)，引入生物種群競(jìng)爭Lotka-Volterra模型來刻畫三者之間的動(dòng)態(tài)競(jìng)爭過程，并進(jìn)行仿真和實(shí)證分析。不確定性新聞信息及真實(shí)新聞信息對(duì)虛假新聞的競(jìng)爭系數(shù)影響虛假新聞的生存狀態(tài)；三種新聞信息達(dá)到平衡狀態(tài)只與三者之間的競(jìng)爭系數(shù)有關(guān)；三種信息傳播的拐點(diǎn)受競(jìng)爭系數(shù)、信息擴(kuò)散率及信息初始值的影響。

關(guān)鍵詞：虛假新聞；競(jìng)爭傳播；Lotka-Volterra模型；灰色估計(jì)

中圖分類號(hào)：G206文獻(xiàn)標(biāo)識(shí)碼： ADOI：10.3969/j.issn.1003-8256.2020.04.010

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

基金項(xiàng)目：國家社會(huì)科學(xué)基金項(xiàng)目（14BTQ026）；國家自然科學(xué)基金青年項(xiàng)目（71503163）；上海工程技術(shù)大學(xué)研究生科研創(chuàng)新項(xiàng)目“基于情感分析的熱點(diǎn)話題微博意見領(lǐng)袖的識(shí)別”

0引言

Web2.0及社會(huì)化媒體的發(fā)展，使得社交媒體用戶在信息傳播過程中的主動(dòng)參與性與交互共享性大大增強(qiáng)[1]。用戶不再僅僅是信息接受者，更是信息創(chuàng)造者和傳播者[2]。由于用戶的廣泛性及媒介素養(yǎng)不均性，導(dǎo)致出現(xiàn)虛假新聞泛濫，多種信息競(jìng)爭傳播，事實(shí)真假難辨的局面[3]。部分企業(yè)也因此遭受惡意抹黑的負(fù)面新聞事件的重創(chuàng)。與此同時(shí)，多種信息伴隨著企業(yè)負(fù)面新聞事件在社交媒體中擴(kuò)散，若企業(yè)應(yīng)對(duì)不利，可能誘發(fā)次生危害[4]。如2018年“星巴克咖啡致癌”事件發(fā)生后，雖然星巴克在社交媒體平臺(tái)發(fā)布公告，但人們普遍質(zhì)疑，最終引發(fā)用戶對(duì)整個(gè)咖啡行業(yè)的攻擊。因此，研究企業(yè)負(fù)面新聞事件下多種信息間的傳播機(jī)制具有重要的現(xiàn)實(shí)意義。

當(dāng)前，有關(guān)企業(yè)負(fù)面新聞事件下多種信息的研究主要包括定性研究[5-7]及建模仿真[7-11]。定性研究方面，Pal等[8]將企業(yè)負(fù)面新聞事件爆發(fā)后產(chǎn)生的信息分為虛假新聞信息、真實(shí)新聞信息及不確定性新聞信息三類，并研究三種信息的內(nèi)容特征。Banerjee等[9]建立情感極性分類模型，將企業(yè)負(fù)面新聞事件下的信息分為正面、負(fù)面、中立三類。建模仿真方面，國內(nèi)外學(xué)者分別構(gòu)建了D-K模型[10]、Bass模型[11]、傳染病模型[12]及元胞自動(dòng)機(jī)模型[13]對(duì)負(fù)面新聞事件中的多種信息傳播規(guī)律進(jìn)行研究。部分學(xué)者考慮到信息在傳播過程中的競(jìng)爭作用，故采用Lotka-Volterra（LV）模型來刻畫多種信息之間的競(jìng)爭傳播過程。鐘琪[14]建立了危機(jī)情境下真實(shí)信息與虛假信息競(jìng)爭傳播的LV模型，劉詠梅[15]建立了突發(fā)事件輿論場(chǎng)中謠言和反謠言競(jìng)爭傳播的LV模型，張亮等[16]建立了食品安全網(wǎng)絡(luò)輿論中正面和反面觀點(diǎn)競(jìng)爭傳播的LV模型。盡管企業(yè)負(fù)面新聞事件下多信息競(jìng)爭傳播建模研究取得一定進(jìn)展，但還存在以下不足：只考慮多種信息中虛假新聞信息與真實(shí)新聞信息的競(jìng)爭傳播，忽視了不確定性新聞的作用。不確定性新聞信息產(chǎn)生于模糊的、復(fù)雜的、不可預(yù)測(cè)的或概率性的情境中，表達(dá)了對(duì)事件的質(zhì)疑及了解真相的訴求，用戶為了解真相積極參與信息搜索及意見發(fā)表。不確定信息是群體溝通和“感知”過程的一部分，因此可以通過不確定性新聞了解在線集體感知，預(yù)測(cè)新聞?wù)鎸?shí)性[17]。

基于此，本文在定性研究企業(yè)負(fù)面新聞爆發(fā)后產(chǎn)生的信息特征和分類的基礎(chǔ)上，構(gòu)建信息競(jìng)爭演化的LV模型進(jìn)行模擬仿真，從定量的視角分析影響三種信息演化的關(guān)鍵因素。以新浪微博中“星巴克致癌”事件為樣本數(shù)據(jù)進(jìn)行實(shí)證分析，為企業(yè)應(yīng)對(duì)負(fù)面新聞?shì)浨樘岢鱿鄳?yīng)對(duì)策。

1企業(yè)負(fù)面新聞事件下的三種信息相互競(jìng)爭模型

1.1理論模型

生物學(xué)中Lotka-Volterra模型最初被用來刻畫生物種群間的動(dòng)態(tài)競(jìng)爭情形。由于社會(huì)經(jīng)濟(jì)活動(dòng)與生物種群間的動(dòng)態(tài)發(fā)展類似，故該模型逐漸被引入社會(huì)經(jīng)濟(jì)管理相關(guān)領(lǐng)域中。社交媒體平臺(tái)是一個(gè)開放自由的場(chǎng)所，任何用戶都可以發(fā)表自己的觀點(diǎn)、內(nèi)容。針對(duì)任意事件，社交媒體用戶都能采取轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊等方式表達(dá)自己對(duì)該事件的態(tài)度和觀點(diǎn)。由于社交媒體平臺(tái)的易用性和便利性，某一事件爆發(fā)后總會(huì)引發(fā)不同觀點(diǎn)的輿論，且隨著信息的傳播擴(kuò)散，多種代表不同觀點(diǎn)的輿論總是會(huì)形成相互競(jìng)爭或者相互補(bǔ)充的關(guān)系。社交媒體平臺(tái)類似于一個(gè)生態(tài)系統(tǒng)，支持同一種觀點(diǎn)的信息可以看作是一個(gè)信息種群。信息種群的數(shù)量受到以下幾種因素的影響：信息自身傳播的潛力、其他觀點(diǎn)信息的競(jìng)爭力以及這種信息所能影響的受眾最大值。因此，我們可以引入Lotka-Volterra模型來刻畫企業(yè)負(fù)面新聞爆發(fā)后，社交媒體平臺(tái)產(chǎn)生的三種新聞信息競(jìng)爭傳播演化規(guī)律。企業(yè)負(fù)面新聞爆發(fā)后社交媒體平臺(tái)產(chǎn)生的信息種群：（1）虛假新聞種群：由虛假新聞構(gòu)成，這些虛假新聞是由網(wǎng)絡(luò)推手或者企業(yè)競(jìng)爭對(duì)手等用戶捏造的、與事實(shí)不符、通常是聳人聽聞的信息；（2）不確定性新聞信息種群：由不確定性新聞信息構(gòu)成，部分企業(yè)追隨者或利益相關(guān)者發(fā)布的，既不贊同也不否定負(fù)面新聞事件，對(duì)負(fù)面新聞事件表示質(zhì)疑，包含了解真相的訴求；（3）真實(shí)新聞種群：由真實(shí)新聞信息構(gòu)成，由企業(yè)官方或權(quán)威人士發(fā)布的，揭露真相、駁斥虛假新聞的信息，真實(shí)新聞的發(fā)布能夠減少用戶對(duì)虛假新聞的信任。三種新聞種群之間相互競(jìng)爭，共同構(gòu)成企業(yè)負(fù)面新聞?shì)浨樯鷳B(tài)系統(tǒng)。基于此，建立生態(tài)概念模型如圖1。

1.2數(shù)據(jù)模型

以企業(yè)負(fù)面信息爆發(fā)后社交媒體平臺(tái)上出現(xiàn)的虛假新聞、真實(shí)新聞及不確定性新聞信息為研究對(duì)象，涉及的符號(hào)定義如下：

x1（t）、x2（t）、x3（t）：企業(yè)負(fù)面新聞爆發(fā)后社交媒體平臺(tái)中的虛假新聞、不確定性新聞信息及真實(shí)新聞隨著時(shí)間t變化的數(shù)量；r1、r2、r3：虛假新聞、不確定性新聞信息、真實(shí)新聞信息固有增長率（即不考慮外界因素，信息內(nèi)容自身特征主導(dǎo)的增長）；K1、K2、K3：虛假新聞、不確定性新聞信息、真實(shí)新聞信息可以爭取到的用戶信任數(shù)量的最大限額；α12、α13：不確定性新聞信息、真實(shí)新聞對(duì)虛假新聞的競(jìng)爭系數(shù)；α21、α23：虛假新聞、真實(shí)新聞對(duì)不確定性新聞信息的競(jìng)爭系數(shù)。α31、α32：虛假新聞、不確定性新聞信息對(duì)真實(shí)新聞的競(jìng)爭系數(shù)。

根據(jù)Lotka-Volterra模型生態(tài)原理，企業(yè)負(fù)面新聞爆發(fā)后產(chǎn)生的虛假新聞在擴(kuò)散的過程中，受到自身的發(fā)展的限制，還受到同一輿論場(chǎng)中不確定性新聞信息的競(jìng)爭作用及真實(shí)新聞種群的捕食作用。因此虛假新聞的logistic增長方程為：

同理，不確定性新聞信息受到自身增長阻滯作用及虛假新聞和真實(shí)新聞的抑制作用，其logistic增長方程為：

2三種信息競(jìng)爭傳播模型仿真與分析

為了研究企業(yè)負(fù)面新聞爆發(fā)后三種信息的之間的競(jìng)爭關(guān)系，使用MATLAB軟件對(duì)企業(yè)負(fù)面新聞爆發(fā)后三種信息競(jìng)爭傳播情況進(jìn)行仿真。

2.1基于穩(wěn)定條件的三種信息競(jìng)爭結(jié)果分析

假設(shè)虛假新聞、不確定性新聞信息、真實(shí)新聞的信任者最大限度K分別為：K1= 1000，K2= 1200，K3= 1500。種群增長率分別為：r1= 1，r2= 1，r3= 1。競(jìng)爭周期t = 100。

由仿真結(jié)果可知（圖2），虛假新聞、不確定性新聞信息、真實(shí)新聞在輿論場(chǎng)中競(jìng)爭傳播的平衡狀態(tài)受三種新聞之間的抑制系數(shù)α的影響。按最終競(jìng)爭結(jié)果將平衡點(diǎn)分為三類：對(duì)企業(yè)不利狀態(tài)、對(duì)企業(yè)最優(yōu)狀態(tài)、對(duì)企業(yè)次優(yōu)狀態(tài)。

（1）對(duì)企業(yè)不利狀態(tài)：平衡點(diǎn)P2、P3、P5，在平衡點(diǎn)P2由于企業(yè)未能及時(shí)發(fā)布澄清事實(shí)的真實(shí)新聞或發(fā)布的真實(shí)新聞內(nèi)容未能清晰揭露真相等原因，導(dǎo)致虛假新聞迅速擴(kuò)散，并穩(wěn)定在一定規(guī)模。不確定性新聞信息和真實(shí)新聞數(shù)量逐漸趨向于0，在這種情況下，虛假新聞在整個(gè)輿論場(chǎng)占優(yōu)，企業(yè)受到嚴(yán)重負(fù)面影響。在平衡點(diǎn)P3虛假新聞和真實(shí)新聞新聞逐漸減少并趨向于0，不確定性新聞信息還存在一定數(shù)量并達(dá)到穩(wěn)定狀態(tài)，用戶對(duì)企業(yè)負(fù)面新聞事件的真實(shí)性依舊無法判定。在平衡點(diǎn)P5不確定性新聞信息與虛假新聞迅速傳播并達(dá)到穩(wěn)定狀態(tài)，真實(shí)新聞不被用戶接受，數(shù)量趨向于0，企業(yè)應(yīng)對(duì)負(fù)面新聞事件的措施失敗。

（2）對(duì)企業(yè)最優(yōu)狀態(tài)：平衡點(diǎn)P4，企業(yè)應(yīng)對(duì)措施得當(dāng)，真實(shí)新聞?shì)^快傳播并達(dá)到穩(wěn)定狀態(tài)，虛假新聞與不確定性新聞信息逐漸減少并趨向于0。

（3）對(duì)企業(yè)次優(yōu)狀態(tài)：平衡點(diǎn)P6、P7、P8，在平衡點(diǎn)P6不確定性新聞信息趨向于0，虛假新聞和真實(shí)新聞?wù)純?yōu)并達(dá)到穩(wěn)定狀態(tài)，說明虛假新聞與真實(shí)新聞競(jìng)爭力很強(qiáng)，即將繼續(xù)處于競(jìng)爭狀態(tài)。在平衡點(diǎn)P7虛假新聞逐漸趨向于0，未證實(shí)的新聞信息與真實(shí)新聞競(jìng)爭力都較強(qiáng)，將處于持續(xù)競(jìng)爭狀態(tài)。在平衡點(diǎn)P8不確定性新聞信息、虛假新聞和真實(shí)新聞共存，這說明雖然真實(shí)新聞抑制虛假新聞傳播、對(duì)不確定性新聞信息有引導(dǎo)作用，但虛假新聞及不確定性新聞信息的生命力很強(qiáng)，導(dǎo)致信息一直處于競(jìng)爭狀態(tài)。在企業(yè)短時(shí)間內(nèi)無法有效應(yīng)對(duì)負(fù)面新聞的情況下，真實(shí)新聞與虛假新聞或不確定性新聞信息的持續(xù)競(jìng)爭是企業(yè)應(yīng)對(duì)負(fù)面新聞的次優(yōu)狀態(tài)。

2.2三種信息競(jìng)爭傳播平衡狀態(tài)與信息初始數(shù)量的關(guān)系

令α12= 0.3，α13= 0.5，α21= 0.7，α23= 0.4，α31= 0.6，α32= 0.8，r1= 0.4，r2= 0.6，r3= 0.9，并分別取x0= （20，10，30）及x0= （30，60，5），仿真結(jié)果如圖3所示：虛假新聞、不確定性新聞信息、真實(shí)新聞相互競(jìng)爭，最終的平衡狀態(tài)下，虛假新聞?wù)忌巷L(fēng)，真實(shí)新聞處于最劣勢(shì)，該平衡狀態(tài)與三種信息的初始值x0無關(guān)，但信息傳播的拐點(diǎn)與初始值相關(guān)，即：三種新聞信息最終的競(jìng)爭結(jié)果與信息的初始數(shù)量無關(guān)。負(fù)面新聞事件爆發(fā)后，社交媒體平臺(tái)中最先占據(jù)有利地位的信息，越早出現(xiàn)信息遞減的趨勢(shì)。

2.3三種信息競(jìng)爭傳播平衡狀態(tài)與信息擴(kuò)散率的關(guān)系

令α12= 0.3，α13= 0.5，α21= 0.7，α23= 0.4，α31= 0.6，α32= 0.8，x0= （30，60，5）并分別令r1= 0.4，r2= 0.6，r3= 0.9及r1= 0.9，r2= 0.5，r3= 0.1，得到仿真結(jié)果如下圖4：虛假新聞、不確定性新聞信息、真實(shí)新聞互相競(jìng)爭的結(jié)果為虛假新聞?wù)純?yōu)，真實(shí)新聞處于最劣勢(shì)地位，平衡狀態(tài)與擴(kuò)散率r的大小無關(guān)，但是達(dá)到平衡狀態(tài)所需要的時(shí)間與擴(kuò)散率r的大小相關(guān)。即：三種新聞信息的傳播速度大小不影響整個(gè)輿情的最終狀態(tài)，但影響達(dá)到穩(wěn)定狀態(tài)所需要的時(shí)間。傳播速度越快，達(dá)到穩(wěn)定狀態(tài)的時(shí)間越短。

3實(shí)證分析

3.1案例背景

現(xiàn)以“星巴克致癌”事件為例，驗(yàn)證以上新聞信息競(jìng)爭傳播模型的合理性。“星巴克咖啡致癌”消息最早是2018年3月31號(hào)下午由自媒體“澳洲Mirror”發(fā)布，31號(hào)19∶00在微博平臺(tái)上開始擴(kuò)散，博文引發(fā)了很多自媒體的關(guān)注，開始紛紛跟進(jìn)“星巴克事件”，微博用戶也在熱烈的討論“咖啡是否致癌”。2018年4月1日下午開始，一些傳統(tǒng)的媒體開始介入。丁香醫(yī)生發(fā)文表示：適當(dāng)?shù)暮瓤Х葘?duì)身體無害；“人民日?qǐng)?bào)”微信公眾號(hào)推送標(biāo)題為《比起星巴克咖啡致癌，更可怕的是國外中文造謠媒體》一文，嚴(yán)厲點(diǎn)名批評(píng)“澳洲Mirror”的造謠行為，并為廣大讀者辟謠。星巴克官方也在微博上發(fā)聲明表示此消息為虛假新聞。2018年4月2日，虛假新聞逐漸滅絕，真實(shí)新聞?wù)純?yōu)勢(shì)地位，整個(gè)輿論場(chǎng)逐漸趨于穩(wěn)定狀態(tài)。

3.2數(shù)據(jù)收集

本文使用“八爪魚”爬蟲軟件，以“星巴克致癌”為檢索詞，檢索到1341條博文，在刪除了321條不相關(guān)的推文之后，剩余1020條博文被用作樣本數(shù)據(jù)。以每小時(shí)為單位，將樣本數(shù)據(jù)按照虛假新聞、不確定性新聞信息、真實(shí)新聞進(jìn)行分類，統(tǒng)計(jì)每小時(shí)虛假新聞、不確定性新聞信息、真實(shí)新聞的數(shù)量并繪制三種信息的擴(kuò)散圖如下圖5所示：

3.3參數(shù)估計(jì)與模型擬合

目前研究對(duì)Lotka—Volterra模型進(jìn)行參數(shù)估計(jì)主要集中在非線性最小二乘法及灰色估計(jì)法：熊熊等[18]利用非線性最小二乘法估算出韓國期貨市場(chǎng)KSE與KOSDAQ兩個(gè)股票的競(jìng)爭與合作系數(shù)。趙旭等[19]使用灰色估計(jì)法估計(jì)出新加坡港和巴生港之間的影響系數(shù)，并對(duì)港口競(jìng)爭趨勢(shì)進(jìn)行擬合和預(yù)測(cè)。灰色估計(jì)法的優(yōu)點(diǎn)是對(duì)數(shù)據(jù)要求較少，且算法較易實(shí)現(xiàn)，故實(shí)證部分使用灰色估計(jì)法對(duì)已建立的模型進(jìn)行參數(shù)估計(jì)。將（4）式轉(zhuǎn)化為（7）式：

將系數(shù)還原回原方程組的系數(shù)可知：

（1）r1< r2< r3，說明在“星巴克致癌”事件的整個(gè)輿情演化過程中，真實(shí)新聞的增長率最高，不確定性新聞信息次之，虛假新聞的增長率最低，真實(shí)新聞得到了微博用戶的信任，有效的抑制了虛假新聞的傳播。

（2）α12< 0，α21< 0，說明“星巴克致癌”事件的輿情中，虛假新聞對(duì)不確定性新聞信息有負(fù)向作用，不確定性新聞信息對(duì)虛假新聞?dòng)胸?fù)向作用，兩者之間為競(jìng)爭關(guān)系。α13< 0，α31< 0，虛假新聞與真實(shí)新聞互為負(fù)向作用，真實(shí)新聞與虛假新聞?dòng)兄ハ喔?jìng)爭的關(guān)系。α23< 0，α32< 0真實(shí)新聞與不確定性新聞信息互為負(fù)向作用，兩者為競(jìng)爭關(guān)系。

在該案例中，企業(yè)官方與權(quán)威人士發(fā)布真實(shí)新聞?shì)^為及時(shí)，真實(shí)新聞得到較多社交媒體用戶的信任和轉(zhuǎn)發(fā)，且真實(shí)新聞來源的可靠性較高，擴(kuò)散速度大于虛假新聞及不確定性新聞信息，因此在較短時(shí)間內(nèi)抑制了虛假新聞及不確定性新聞信息的負(fù)面作用。

4結(jié)果及建議

本文根據(jù)企業(yè)遭受負(fù)面新聞攻擊后輿論場(chǎng)的虛假新聞、不確定性新聞信息、真實(shí)新聞傳播的生物種群特征，建立企業(yè)負(fù)面新聞爆發(fā)后的三種信息種群競(jìng)爭模型，并采用從微博案例中爬取的數(shù)據(jù)對(duì)該模型進(jìn)行了較好的擬合。研究結(jié)果表明：不確定性新聞信息及真實(shí)新聞信息對(duì)虛假新聞的競(jìng)爭系數(shù)α影響虛假新聞的生存狀態(tài)；三種新聞信息的傳播速度r的大小不影響整個(gè)輿情的最終狀態(tài)，但影響達(dá)到穩(wěn)定狀態(tài)所需要的時(shí)間。傳播速度越快，達(dá)到穩(wěn)定狀態(tài)的時(shí)間越短；三種新聞信息最終的競(jìng)爭結(jié)果與信息的初始數(shù)量x0無關(guān)。負(fù)面新聞事件爆發(fā)后，社交媒體平臺(tái)中最先占據(jù)有利地位的信息，越早出現(xiàn)信息遞減的趨勢(shì)。

根據(jù)研究結(jié)果，本文提出以下建議：

（1）提升真實(shí)新聞對(duì)虛假新聞及不確定性新聞信息的競(jìng)爭系數(shù)，即增大競(jìng)爭模型中的α13、α23。從真實(shí)新聞的內(nèi)容入手，提升信息內(nèi)容中證據(jù)的完整性和真實(shí)性，可采取在信息中添加附加信息如：圖片、視頻、定位、鏈接及認(rèn)證信息等措施以增加信息的可信度[20]。另一方面也可以改善真實(shí)新聞的發(fā)布方式，直接反駁虛假新聞容易造成“逆火效應(yīng)”，因此采取真相陳述而非否定式陳述的方式發(fā)布真實(shí)信息，提升用戶對(duì)真實(shí)新聞的信任度，增強(qiáng)真實(shí)新聞的競(jìng)爭系數(shù)。

（2）提升真實(shí)新聞的擴(kuò)散率，即增大競(jìng)爭模型中的r3。重視意見領(lǐng)袖及權(quán)威人士在企業(yè)負(fù)面新聞爆發(fā)后的作用。社交媒體中的意見領(lǐng)袖及權(quán)威人士在輿情信息擴(kuò)散的過程中可以引導(dǎo)輿情的走向，因此，借助意見領(lǐng)袖及權(quán)威人士的影響力，企業(yè)要與意見領(lǐng)袖及時(shí)溝通和交流，鼓勵(lì)意見領(lǐng)袖及權(quán)威人士對(duì)真實(shí)信息進(jìn)行轉(zhuǎn)發(fā)及擴(kuò)散，從而提升真實(shí)新聞的擴(kuò)散率，在最短的時(shí)間達(dá)到穩(wěn)定狀態(tài)。

（3）在虛假新聞爆發(fā)的第一時(shí)間源源不斷地發(fā)布揭露真相的真實(shí)新聞，即增大模型中真實(shí)新聞的x0，使真實(shí)新聞在最短時(shí)間內(nèi)獲得用戶的信任并達(dá)到穩(wěn)定狀態(tài)。虛假新聞爆發(fā)后，回應(yīng)迅速、反應(yīng)及時(shí)是危機(jī)管理的首要原則[21]，在負(fù)面危機(jī)事件溝通處理上，企業(yè)作為危機(jī)主體必須做到快速說明，及時(shí)并且高頻率地發(fā)布真實(shí)信息。

（4）重視社交媒體用戶群體智慧的力量，群體因其異質(zhì)性，具有批判性思維等特點(diǎn)[22]，能在企業(yè)負(fù)面新聞爆發(fā)之后對(duì)虛假新聞提出不同的觀點(diǎn)，并互相學(xué)習(xí)以形成較為理性的判斷。群體的質(zhì)疑、反駁及舉證產(chǎn)生更多的真實(shí)信息，對(duì)企業(yè)負(fù)面新聞爆發(fā)后的虛假新聞?dòng)幸欢ǖ囊种谱饔茫玫匕l(fā)揮群體智慧的作用，對(duì)模型中參數(shù)α13、α12、r2、r3、x0都具有正向影響。

5結(jié)語

文章在生物種群競(jìng)爭理論和Lotka-Volterra模型基礎(chǔ)上，分析企業(yè)負(fù)面新聞爆發(fā)后虛假新聞、不確定性新聞信息、真實(shí)新聞信息的競(jìng)爭傳播機(jī)理，構(gòu)建三種信息競(jìng)爭傳播模型，分析競(jìng)爭平衡點(diǎn)及影響因素，并利用MATLAB對(duì)模型進(jìn)行模擬仿真，得出了一些有意義的結(jié)論。根據(jù)這些結(jié)論提出了應(yīng)對(duì)企業(yè)負(fù)面新聞傳播的策略。文章將不確定性新聞信息作用引入競(jìng)爭模型彌補(bǔ)了只考慮虛假新聞與真實(shí)新聞競(jìng)爭傳播的缺陷，但也存在一定的局限：并未考慮三種信息的外部環(huán)境因素，實(shí)證分析選取的例子較少，且數(shù)據(jù)量較小，模型在未來的大數(shù)據(jù)樣本環(huán)境下還需要進(jìn)一步的檢驗(yàn)和改進(jìn)。

參考文獻(xiàn)：

[1]托馬斯J，約翰遜，芭芭拉K凱.互聯(lián)網(wǎng)與傳統(tǒng)媒介信息可信度的比較[J].國際新聞界， 1999（5）：56-59.

[2]蔣盛益，陳東沂，龐觀松，等.微博信息可信度分析研究綜述[J].圖書情報(bào)工作， 2013，57（12）：136-142.

[3]謝冬.網(wǎng)絡(luò)學(xué)術(shù)信息可信度分析[D].南昌：南昌大學(xué)， 2014.

[4]王治瑩，王偉康.突發(fā)事件下多種信息交互傳播的動(dòng)力機(jī)制與調(diào)控策略[J].中國安全生產(chǎn)科學(xué)技術(shù)， 2018，14（2）：12-19.

[5]徐琴峰.淺析大數(shù)據(jù)時(shí)代上市公司負(fù)面輿情的應(yīng)對(duì)策略[J].納稅， 2017（31）：133.

[6]陳憲宇.社會(huì)化媒體時(shí)代企業(yè)危機(jī)的應(yīng)對(duì)策略[J].企業(yè)改革與管理， 2014（1）：4-9.

[7]馬詩雨，楊越，呂廷杰，等.企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情應(yīng)對(duì)研究——以"海底撈老鼠門"為例[J].現(xiàn)代商業(yè)，2018（19）：98-102.

[8]PAL A， ALTON Y C， GOH D H. Does KFC sell rat？ Analysis of tweets in the wake of a rumor outbreak[J]. Aslib Journal of Information Management， 2017， 69（6）： 660-673.

[9]BANERJEE， SNEHASISH， CHUAAYK. Theorizing the textual differences between authentic and fictitious reviews Validation across positive， negative and moderate polarities[J]. Internet Research， 2017， 27（2）： 321-337.

[10] CHENG J J， YUN， BO S， et al. An epidemic model of rumor diffusion in online social networks[J]. The European Physical Journal. B， 2013， 86（1）： 1-7.

[11]王穎暉，劉西林.基于Bass模型的競(jìng)爭產(chǎn)品市場(chǎng)擴(kuò)散研究[J].西安電子科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2006，16（4）：11-15.

[12]王長峰，莊文英，于長鉞.基于改進(jìn)SIR模型的群體意見競(jìng)爭演化研究[J].情報(bào)雜志， 2017， 36（10）：97-103， 136.

[13]方薇，何留進(jìn)，孫凱，等.采用元胞自動(dòng)機(jī)的網(wǎng)絡(luò)輿情傳播模型研究[J].計(jì)算機(jī)應(yīng)用， 2010，30（3）：751-755.

[14]鐘琪，戚巍，張樂. Lotka-Volterra系統(tǒng)下的社會(huì)型危機(jī)信息擴(kuò)散模型[J].系統(tǒng)工程理論與實(shí)踐， 2012， 32（1）：104-110.

[15]劉詠梅，彭琳，趙振軍.基于Lotka-Volterra的微博謠言事件演進(jìn)分析[J].情報(bào)雜志， 2013，32（11）：110-116.

[16]張亮，任立肖，姚偉.食品安全網(wǎng)絡(luò)輿論競(jìng)爭傳播分析[J].食品研究與開發(fā)， 2014，35（18）：189-191， 192.

[17]霍良安.突發(fā)事件發(fā)生后不實(shí)信息的傳播問題研究[D].上海：上海交通大學(xué)， 2012.

[18]熊熊，張維，李帥，等.基于Lotka-Volterra模型的股指期貨市場(chǎng)競(jìng)爭分析[J].系統(tǒng)工程學(xué)報(bào)， 2009， 24（5）：581-588.

[19]趙旭，高蘇紅，周巧琳，等. 21世紀(jì)海上絲綢之路沿線港口體系演化研究——基于Logistics、Lotka-Volterra模型[J].運(yùn)籌與管理， 2018， 27（8）：172-181.

[20]鄧勝利，付少雄.社交媒體附加信息對(duì)用戶信任與分享健康類謠言的影響分析[J].情報(bào)科學(xué)， 2018，36（3）：51-57.

[21] REGESTER M， LARKIN J. Risk Issues and Crisis Management[M]. London： Kogan Page Publishers， 2002：36

[22]葛濤.群體智慧抑制社交媒體不實(shí)信息傳播的機(jī)理研究[D].上海：上海工程技術(shù)大學(xué)， 2016.

Research on the Evolution of Multi-Type Information Competition in Social Media Under Negative News Events of Enterprises

RUAN Wencui，XIA Zhijie，WANG Jiahui（ School of Administration， Shanghai University of Engineering Science， Shanghai 201620， China ）

Abstract： To discuss the rules of competition and dissemination of multiple types of information generated by social media platform after the outbreak of negative news will help enterprises cope with negative news. After the outbreak of negative news， social media platforms produce false news， uncertain news information and real news information. Based on the ecological population theory， the Lotka-Volterra model of biological population competition was introduced to describe the dynamic competition process among the three groups， and the simulation and empirical analysis were carried out. Uncertain news information and the competition coefficient of real news information on false news affect the existence of false news； The balance of the three kinds of news and information is only related to the competition coefficient among them. The inflection points of three kinds of information propagation are affected by competition coefficient， information diffusion rate and initial value of information.

Keywords： fake news；competition to spread；Lotka-Volterra model；Gray estimate