新冠肺炎疫情前期應急防控的“五情”大數據分析

彭宗超 黃昊 吳洪濤 謝起慧

編者按：2020年初，新冠肺炎疫情由武漢市爆發，迅即席卷全國，影響全球，世界衛生組織將這場疫情列為“國際關注的突發公共衛生事件”。在習近平總書記和黨中央的堅強領導下，全國人民正在進行一場聲勢浩大的疫情防控阻擊戰，體現出中國特色社會主義制度優勢和治理效能，贏得了來自國內外的高度肯定和贊賞。

習近平總書記指出：“這次抗擊新冠肺炎疫情，是對國家治理體系和治理能力的一次大考。要研究和加強疫情防控工作，從體制機制上創新和完善重大疫情防控舉措，健全國家公共衛生應急管理體系，提高應對突發重大公共衛生事件的能力水平。”認真學習、貫徹落實習近平總書記關于疫情防控的一系列重要講話精神，我們需要在源頭治理、應急管理、決策執行、資源配置、科技支撐、社會動員、上下協同等多個維度來觀察這場疫情對政府治理體系和能力的挑戰，總結經驗教訓，抓緊補短板、堵漏洞、強弱項，并做到吃一塹長一智，避免同類事件的繼續發生。

基于對上述問題的關懷，我們在疫情發生后就立即組織專家學者開展主題研討。把“論文寫在祖國大地上”，把研究成果應用到戰勝疫情中，無疑包括加強有效藥品和疫苗研發，注重科研攻關與臨床、防控實踐相結合。同時，它無疑也包括突發公共衛生事件治理研究，通過還原事件的公共治理過程，增進公共管理和社會科學知識，為以后的公共治理改革與創新提供經驗與教訓。考慮到當前防控疫情工作遠未結束，這些研究成果還可以在實際工作中發揮積極作用。

在這一主題研討中，彭宗超團隊構建了疫情、醫情、政情、民情和媒情為主的“五情”信息分析框架，通過網絡大數據分析疫情早期和前期防控過程中“五情”的演化、互動與走勢;齊曄團隊以對疫情的科學研究體系為研究對象，考辨了疫情早期的科學研究對于政府決策的影響;顧昕聚焦疫情的早期預警，提出政府與社會需要互動協同，行政機制與社群機制需要互補嵌入;高翔、郁建興考察了疫情防控中的三大公共治理機制：信息、決策與執行，指出當地政府公共治理中存在的問題，既表現在傳統行政體系的能力不足，更表現在對公共治理新場景的不適應;劉鵬從這場疫情應對中概括了中國風險決策機制的六大特征，提出建立科學與價值的制度化協商合作機制;和經緯團隊用新鮮的一手數據展示大學生群體在疫情中的心理認知和行為響應，并對公共衛生危機管理和高校學生管理提出了諸多建議;吳息鳳團隊揭示出這場疫情所凸顯的公共衛生學科作用，以及存在的問題和不足，并從中提出了改進之道。

本期七篇主題研討論文匯聚了諸多知名學者，可謂“七劍下天山”。我們深知，疫情還在肆虐，開展科學研究的資訊還不夠充分，疫情治理研究也需要更多學科科學家進行聯合攻關。但今事已急，我們把這一期主題研討當作一個開端，以體現我們的責任和擔當！

摘要：以疫情為核心，以醫療衛生專業機構、政府和民眾為多元應對主體，以媒體為信息橋梁的全方位、多層次應對，是信息時代突發不明原因及新發傳染病公共衛生事件應急管理體系建設的關鍵所在。本文構建了疫情、醫情、政情、民情和媒情為主的“五情”信息分析框架，通過2019年12月1日-2020年2月7日的網絡大數據，分析新冠肺炎疫情前期防控過程中“五情”的演化、互動與走勢情況。在該分析時間段內，疫情信息演化可分為潛伏期、首次爆發期、首次平臺波動期、二次爆發期和二次平臺波動期等五個階段，其中在前“四情”數據量中，疫情信息和醫情信息總體水平較高。醫衛機構和政府對疫情的反應無明顯差異，且均高于民眾反應;媒體對疫情的關注隨疫情信息走勢持續保持相對高位，網絡大數據對不明原因或新發傳染病防控具有一定的監測預警功能。針對類似不明原因和新發傳染病，政府應重視“五情”大數據分析的監測預警作用，建構以政府為主導的多元社會合作網絡并盡早進一步加強有關應急管理的“一案三制”建設。

關鍵詞：突發公共衛生事件;新冠肺炎;五情;大數據;應急管理

中圖分類號：R184.6文獻標志碼：A文章編號：1007-9092（2020）02-0006-015

2019年12月，新型冠狀病毒肺炎（簡稱“新冠肺炎”）疫情從湖北省武漢市發生，2020年1月迅速向全國蔓延。由于疫情發展變化還具有不確定性，輿情也即社會輿論關注點具有多變性，我國醫療衛生系統、政府管理系統和社會民眾力量是如何根據疫情和輿情發展不斷調整自己的認知和行為的呢？特別是，對于從不明原因傳染病到確定為新型冠狀病毒肺炎后的早期階段的應急防控往往具有更大的不確定性和難為人知的新特性，醫療衛生機構、政府、民眾及媒體等在應急過程中彼此信息的演化和互動過程很值得關注和研究。因此，本文試圖構建疫情、醫情、政情、民情和媒情（以下簡稱“五情”）信息分析框架，利用互聯網大數據，及時跟蹤和聚焦分析此次新冠肺炎的疫情信息發展、醫療救治與衛生防控信息、政府系統應對信息、民眾關注參與信息和媒體傳播信息等各自演化和相互影響的過程與機理。

一、?文獻綜述與理論框架

突發和危機事件的應急管理過程通常分為事前、事中和事后三個階段。事前主要包括風險評估、監測預警、防范規避和應急準備等，事中包括應急決策、協調溝通和指揮處置等，事后包括恢復重建、事件調查和學習提升等。為有效減小危機事件造成的負面影響和損失，事前的監測預警顯得尤為重要。我國現行應急預案和應急體制、機制、法制（簡稱“一案三制”）在突發事件應急管理實踐中取得了良好效果童星：《論風險災害危機管理的跨學科研究》，《學海》，2016年第2期。。但在風險預警、危機溝通和應急決策等方面仍然存在不足童星、丁翔：《風險災害危機管理與研究中的大數據分析》，《學海》，2018年第2期。。在危機監測和預警過程中，信息發揮著越來越重要的作用。傳統的信息傳遞渠道和方式效率低下，不利于對災害和危機及早預警和有效應對邵東珂、吳進進、彭宗超：《應急管理領域的大數據研究：西方研究進展與啟示》，《國外社會科學》，2015年第6期。。因此，及時、全面和高效的信息獲取、分析、反饋和溝通對于有效監測和提前預警，彌補現有應急管理體系的不足具有重要意義。

隨著互聯網的普及和社交媒體、自媒體的推廣，全球進入了大數據（Big?Data）時代。一般認為，大數據具有4V的特征：體量龐大（Volume）、種類繁多（Variety）、價值豐富（Value）和響應快速（Velocity）。大數據的幾大特征特別是后兩個：價值豐富和響應快速等特點正好能夠彌補傳統應急管理體系的不足。目前，國內外已逐步將大數據應用在應急管理的實踐與研究中。

大數據應用于應急管理的情景之一是通過社交媒體對災害情況進行傳播，并有效彌補政府信息的不足。美國政府早期面對森林大火主要是依靠報紙、電視等傳統媒體傳播災害信息。后來，人們通過整理網友在互聯網上的發帖和交流內容制作的災害地圖對政府信息進行了有效補充。這種自發式的危機溝通模式對于森林大火的位置匯報、疏散和避難起到了積極作用Goodchild?M.F.，?Glennon?J.A..?Crowdsourcing?Geographic?Information?for?Disaster?Response：A?Research?Frontier.?International?Journal?of?Digital?Earth，?2010，?3（3）.。Sutton等人構建了預測模型，通過對沃爾多峽谷大火案例中政府推特信息的傳播進行了研究，明確了在災害中信息的發布內容、形式等與轉發行為的關系Jeannette?S.，?Britta?J.，?Charles?G..?Warning?Tweets：Serial?Transmission?of?Warning?Messages?During?a?Disaster?Event.?Information?Communication?&?Society，?2014，?17（6）.。在波爾多洪水的災害案例中，通過對來自52個賬戶的5100條推特信息的研究發現，即使是簡短的推特信息，在危機情景中也能對民眾的自我保護起到積極作用Sutton?J.，?League?C.，?Sellnow?T..?Terse?Messaging?and?Public?Health?in?the?Midst?of?Natural?Disasters：The?Case?of?the?Boulder?Floods.?Health?Communication，?2015，?30（2）.。Qu等人在2008年汶川地震發生后，通過對天涯論壇發帖內容的分析研究了重大災害發生后的民眾應急反應和民眾參與情況。研究發現，在補充信息和意見角色等方面，網絡論壇更加迅速和有效Qu?Y.，?Wu?P.F.，?Wang?X..?Online?Community?Response?to?Major?Disaster：A?Study?of?Tianya?Forum?in?the?2008?Sichuan?Earthquake.?IEEE，?2009.。

通過大數據技術也可以監測危機情況，追蹤社會關注。在突發公共衛生事件中，大數據監測和追蹤能夠起到預警作用。美國疾控中心和谷歌公司的研究人員利用2003年到2008年美國實際流感病例數據和谷歌搜索數據，對美國九大地區流感病例進行了相關性檢驗Ginsberg?J.，?Mohebbi?M.H.，?Patel?R.S.，?et?al..?Detecting?Influenza?Epidemics?Using?Search?Engine?Query?Data.?Nature，?2009，?457（7232）.。研究人員通過篩選關鍵詞建立模型，并對樣本數據進行匹配，最終針對42個驗證樣本點的相關系數高達97%。谷歌數據最終成功提前1-2周預測了美國季節性流感走勢情況。同樣，在2009年美國爆發甲型H1N1流感期間，Signorini等人通過推特信息追蹤疫情情況和公眾關注Signorini?A.，?Segre?A.M.，?Polgreen?P.M..?The?Use?of?Twitter?to?Track?Levels?of?Disease?Activity?and?Public?Concern?in?the?U.S.?During?the?Influenza?A?H1N1?Pandemic.?PLoS?ONE，?2011，?6（5）.。研究結果表明，通過社交媒體測量的流感病例與實際匯報的病例情況接近。通過社交媒體或搜索引擎大數據的分析對傳染性疾病進行提前預警的研究是當前熱點，這類研究充分發揮了大數據響應速度快的優勢，為應急管理的事前監測和準備提供了參考?Woo?H.，?Cho?Y.，?Shim?E.，?et?al..?Estimating?Influenza?Outbreaks?Using?Both?Search?Engine?Query?Data?and?Social?Media?Data?in?South?Korea.?Journal?of?Medical?Internet?Research，?2016，?18（7）.?Guo?P.，?Zhang?J.，?Wang?L.，?et?al..?Monitoring?Seasonal?Influenza?Epidemics?by?Using?Internet?Search?Data?with?an?Ensemble?Penalized?Regression?Model.?Scientific?Reports，?2017，?7（1）.?Lali?M.I.U.，?Mustafa?R.U.，?Saleem?K.，?et?al..?Finding?Healthcare?Issues?with?Search?Engine?Queries?and?Social?Network?Data.?International?Journal?on?Semantic?Web?and?Information?Systems，?2017，?13（1）.。

隨著社交媒體的迅速發展，對于公共安全事件的應急管理從線下逐漸轉變為線上和線下雙重治理。網絡輿情是社會心態的集中體現，針對網絡輿情的監測和疏導對于互聯網時代的應急管理尤為重要。大數據在網絡輿情和民眾情緒的監測中能夠發揮重要的作用。Thelwall等人通過對包括地震、海嘯等危機事件在內的30個事件相關的近3500萬條推特信息進行情緒分析發現，事件的熱度與網絡情緒的負面程度強烈相關Thelwall?M.，?Buckley?K.，?Paltoglou?G..?Sentiment?in?Twitter?Events.?Journal?of?the?American?Society?for?Information?Science?and?Technology，?2011，?62（2）.。對于突發公共事件的網絡輿情監測，構建指標體系能夠為輿情的全面和客觀分析提供科學依據?談國新、方一：《突發公共事件網絡輿情監測指標體系研究》，《華中師范大學學報（人文社會科學版）》，2010年第3期。，而通過社會網絡分析則能夠明確輿情傳播的網絡結構特征趙金樓、成俊會：《基于SNA的突發事件微博輿情傳播網絡結構分析——以“4.20四川雅安地震”為例》，《管理評論》，2015年第1期。。在對“8·12天津港爆炸事故”中的網絡輿情傳播分析中，研究者構建了主體、信息、心理和觀點四種要素的輿情傳播模型劉怡君、陳思佳、黃遠、馬寧、王光輝、牛文元：《重大生產安全事故的網絡輿情傳播分析及其政策建議——以“8·12天津港爆炸事故”為例》，《管理評論》，2016年第3期。。康偉通過社會網絡對“11·16校車事故”的網絡輿情進行了分析，發現網絡中存在凝聚子群，呈現多中心多主體結構特征，“結構洞”在信息傳播過程中有重要作用康偉：《突發事件輿情傳播的社會網絡結構測度與分析——基于“11·16校車事故”的實證研究》，《中國軟科學》，2012年第7期。。

由此可見，在互聯網時代，通過大數據對危機事件進行分析、監測和追蹤，能夠彌補官方信息的不足、監測網絡情緒、追蹤社會關注焦點，也能夠對傳統“一案三制”的應急管理體系進行有效補充。在此次新冠肺炎疫情發生后，醫療及公共衛生機構、政府部門、社會民眾和大眾媒體均有不同反應與行動。由于疫情變化迅速，通過互聯網大數據能夠及時有效捕捉各主體在疫情防控各階段的關注情況。

疫情發展是此次突發公共衛生事件的核心，有關新型冠狀病毒的傳染和蔓延情況是疫情的關鍵。針對疫情發生和發展，醫療機構的臨床救治和疾控機構的公共衛生干預是及時有效遏制疫情蔓延的兩大重要專業舉措。新型冠狀病毒具有人傳人能力，而且具有較高的傳染性，除了需要專業醫療救治和疾控部門的消毒隔離外，還需要大規模的社會干預跟進。面對此次突發危機事件，政府作為公共服務的提供者、公共政策的制定者、公共事務的管理者和公共權力的行使者薛瀾、張強：《SARS事件與中國危機管理體系建設》，《清華大學學報（哲學社會科學版）》，2003年第4期。，是此次疫情危機的核心應對主體，其應急管理措施的及時性、系統性和有效性關系到此次疫情防控的成敗。作為另一重要參與主體的社會力量民眾，在此次疫情中也扮演著重要角色。民眾對疫情的感知和應對是疫情防控和化解危機的社會基礎。同時，作為信息傳遞的橋梁和風險溝通的平臺，媒體也在此次疫情的防控中發揮著不可替代的作用。曾潤喜曾把網絡輿情定義為由于各種事件的刺激而產生的、通過互聯網傳播的、人們對于該事件的所有認知、態度、情感和行為傾向的集合曾潤喜：《網絡輿情管控工作機制研究》，《圖書情報工作》，2009年第18期。。網絡空間的不同主體對疫情的認知和態度均屬于網絡輿情的范疇。據此，本文擬以疫情、醫情、政情、民情和媒情等網絡輿情信息為對象建構“五情”信息分析框架，如圖1所示，并基于互聯網大數據，分析此次突發公共衛生事件中“五情”的演化、互動和走勢。

圖1突發公共衛生事件“五情”信息分析

框架的推演與建構

面對此次新冠肺炎疫情危機，醫療衛生機構和疾控部門是專業應急處置的直接主體，是理論上最早介入的專業機構，對疫情的判斷和應對具有及時性和有效性。醫情信息是對疫情信息的最直接反應因素。政府作為公共事務的管理和公共權力的行使主體，是應對和化解多元次生和衍生危機的核心主體。特別是我國政府具有其他國家不可比擬的強大社會動員能力，對于疫情防控和醫療救治具有全面的領導和推動作用，在此次疫情中具有不可替代的核心地位，因此政情信息數據能反映政府發揮作用的情況。社會主體主要有社會組織、企業和民眾等，這里我們重點看民眾。民眾是此次危機的“受災體”，也是化解危機的多元參與主體之一，是應急管理體系中的基礎和關鍵，也是政府和醫衛機構疫情防控的主要服務對象。民情信息一方面能反映民眾的疫情風險感知和知識情況，另一方面也能反映他們采取的防護和防疫參與行為狀況。醫情、政情和民情之間的良好互動是應急管理成功與否的關鍵，三者的網絡信息大數據也能反映三個主體的相互關系狀況。媒體是不同主體之間信息溝通的橋梁，也對不同主體的行為起到監督作用，是此次危機管理體系中的關鍵主體之一，媒情信息量能反映傳統媒體和新媒體等的作用發揮狀況。

二、?“五情”總體走勢分析

互聯網上每天產生海量數據，如何從海量數據中挖掘與此次疫情相關的數據是本研究的重點和難點。首先通過檢索“肺炎”或“冠狀病毒”或“鐘南山”，確定初步語料范圍在建立與新冠肺炎疫情相關的基礎數據庫時，需要盡量準確地將與疫情相關的內容劃定為樣本總體。通過隨機抽取網絡數據，并通過自動分詞統計，關鍵詞“肺炎”“冠狀病毒”在較長時間段內處于網絡熱詞的前五位，且“肺炎”和“冠狀病毒”能夠直接體現本次疫情。關鍵詞“鐘南山”作為專家主體，是從行為主體上對樣本總體進行了補充，是醫療衛生機構應對和政府應急管理的措施的體現。經過多次測試，取三個關鍵詞的并集能夠較好地覆蓋此次疫情的樣本。，并從不同數據源中每日抽取相同比例的數據。所有數據中，網絡媒體和論壇約占15%，微博約占70%，微信約占10%，博客、報刊、視頻、APP和其他約占5%。我們獲取了2019年12月1日-2020年2月7日（分析時間段）149，938，123條有關肺炎應對的網絡信息，并據此分析了“五情”的演化與走勢。對于疫情、醫情、政情和民情，我們使用基礎數據庫中與之相關的關鍵詞詞頻進行表征，而對于媒情，則通過上述網絡數據的每日數量進行刻畫。

對于疫情、醫情、政情和民情，我們通過在基礎數據庫中檢索對應的關鍵詞，并對關鍵詞詞頻進行加權平均后作為對應的態勢指標。關于疫情、醫情、政情和民情關鍵詞的確定標準，具體參見表1。

通過初步篩選關鍵詞后，在基礎數據庫中檢索上述關鍵詞，并統計每個關鍵詞的詞頻和每個關鍵詞在當日出現的相對比例相對比例=該關鍵詞詞頻/本類所有關鍵詞詞頻，關鍵詞出現的相對比例能夠反映該關鍵詞所代表的情勢的相對權重和網絡總體關注程度。。然后對每個關鍵詞的每日相對比例在所在歸類中進行平均后得到該類每個關鍵詞在分析時間段內的平均比例計算分析時間段內每類所有關鍵詞的每個關鍵詞每日相對比例再進行本類平均，綜合考慮了每個關鍵詞在不同時間內的出現概率，避免出現因某個關鍵詞某日出現頻率過高而發生對其他關鍵詞的“掩蓋”現象。。將每個關鍵詞的平均比例進行排序，篩選出累計比例超過99%的關鍵詞作為最終入選表征的關鍵詞。表2是疫情、醫情、政情和民情最終確定的關鍵詞詞表中出現頻率最高的10位。

最后，根據上述關鍵詞詞表計算每日出現的平均詞頻用來表征疫情、醫情、政情和民情態勢。

對于媒情，則以與新冠肺炎相關的文章、微博等的總發布量作為衡量指標。

圖2是“五情”信息總體走勢圖。圖中橫坐標為日期，縱坐標為頻數。“五情”信息總體頻數由每個情態信息單項指標加總媒情的信息發布總數量與“四情”的關鍵詞詞頻量級相同。在初步分析中，通過直接加總得到總體指數，主要分析“五情”的整體走勢情況。而成，即：

“五情”總體指數對于疫情、醫情、政情和民情之間重復的關鍵詞只計一次。=疫情全體關鍵詞（56個）詞頻+醫情全體關鍵詞（52個）詞頻+政情全體關鍵詞（54個）詞頻+民情全體關鍵詞（73個）詞頻+新冠肺炎相關文章、微博等的總發布數量

為了便于觀察分析，圖2中縱軸采用對數坐標（后同）。根據“五情”總體信息走勢情況，我們將目前的“五情”信息總體走勢分為五個階段：潛伏期（12月30日前）、首次爆發期（12月30日-1月1日）、平臺波動期（1月2日-1月16日）、二次爆發期（1月17日-1月23日）和平臺波動期（1月23日后）。

圖2“五情”總體走勢與階段劃分

從圖2中可以看出，新冠肺炎疫情爆發以來，經歷了兩次爆發期。第一次爆發期在12月31日前后。這主要是源于12月30日武漢市衛健委發布關于做好不明原因肺炎防控的緊急通知和12月31日武漢市衛健委官方回應了不明原因肺炎的有關情況，并確診了27例病例湖北省衛生健康委員會：《武漢市衛健委關于當前我市肺炎疫情的情況通報》，湖北省衛生健康委員會，2019年12月31日，http：//wjw.hubei.gov.cn/fbjd/dtyw/201912/t20191231_1822343.shtml。。在1月1日-1月14日的平臺波動期，1月9日國家衛健委宣布武漢市不明原因肺炎為新型冠狀病毒感染的肺炎，“五情”信息曾出現一次峰值。在第二次爆發期的1月20日前后，此時肺炎疫情日益嚴重，針對新冠肺炎疫情的阻擊戰開始全面打響。習近平總書記于1月7日和20日對疫情作出重要指示，強調要把人民群眾生命安全和身體健康放在第一位，堅決遏制疫情蔓延勢頭新華社：《習近平對新型冠狀病毒感染的肺炎疫情作出重要指示》，中華人民共和國中央人民政府，2020年1月20日，http：//www.gov.cn/xinwen/2020-01/20/content_5471057.htm。。隨即李克強總理也做出專門批示加強防控，國務院啟動聯防聯控機制。同日國家衛健委把該疾病列為乙類傳染病實行甲類控制。1月23日，按照武漢市疫情防控指揮部通告，武漢全市城市公交、地鐵、輪渡、長途客運暫停運營，機場、火車站離漢通道暫時關閉蕭輝、丁剛、高昱：《武漢凌晨宣布交通封城，部分市民游客選擇連夜出城》，財新網，2020年1月23日，http：//www.caixin.com/2020-01-23/101507541.html。。連續采取的重要措施，使得“五情”信息量整體再次爆發。在兩次爆發期前后則是潛伏期和兩次平臺波動期，“五情”走勢均相對平穩，也有不同程度的波動。

由于疫情、醫情、政情和民情信息量均通過關鍵詞詞頻計算得到，因此通過加權平均后可以比較疫情、醫情、政情和民情等信息的相對走勢情況，具體如圖3所示由于媒情是通過與此次疫情相關的報道的數量衡量，與疫情、醫情、政情和民情的標準不同，因此媒情與疫情、醫情、政情和民情之間不能比較相對數值的大小。。

圖3“五情”的相對走勢

從分類走勢上來看，疫情、醫情、政情、民情和媒情的信息走勢具有較高的一致性。在整個分析時間段，疫情信息始終領先和高于醫情、政情和民情等信息。在潛伏期以及兩次平臺波動期，“四情”之間的差距相對較大一些。從首次爆發期開始，醫情大多時段會領先于政情和民情，這表明專業的醫療機構和疾控部門對疫情會更早介入處置和應對。同時，政情從首次爆發期開始也一般會領先于民情，這表明政府部門在疫情初次爆發時已經開始介入肺炎疫情的防范和應對，而民眾當時的知曉和關注相對有限。在1月2日-1月14日之間的平臺波動期，疫情與其他“三情”均上升到中位水平，并保持平穩波動狀態，彼此之間數量差距增加，但疫情信息還是高于其他“三情”，這具有一定的預測或預警作用。政情與民情信息相對均偏低位或末尾，說明政府與民眾這一時段對此的重視度可能都有不足。這段時間政府與民眾重視不足，在前期（1月9日前）可能是因為肺炎疫情原因不明，在后期（1月9日之后）可能因為新型冠狀病毒仍未見明確人傳人或有限人傳人。2020年1月15日以后“四情”均持續上升，這具有一定的預警意義。特別是20日后，國家衛健委高級別專家組調查結果公布和中央政府把新型冠狀病毒感染的肺炎納入乙類傳染病和甲類防控，“五情”指數直線上升，在23日前后達到峰值，24日開始回落隨后進入第二個平臺波動期。在第二個平臺波動期的絕大部分時間內，政情超過了醫情，這表明26日中央決定在國務院聯防聯控機制基礎上在中央政治局常委會領導下專設新冠肺炎疫情防控領導小組，這大大提高了中央政府的介入力度，自然也使得此間政府信息量超過醫情數據量。媒情信息雖無法與其他“四情”進行數值的相對比較，但從媒情走勢來看，與疫情走勢具有較高一致性，因此可以看出媒體在分析時間段內對于疫情本身具有較高關注程度。

三、“五情”具體分類走勢

1.?疫情

圖4是根據大數據計算表征得到的疫情態勢信息量與實際新增確診病例模擬推算補充后的走勢對比圖。從圖中可以看出，在12月30日前疫情信息有波動但基本平穩，未見明顯疫情爆發情況。從12月30日-1月1日，兩天里疫情信息規模大幅上升，可能主要是因為12月31日武漢衛健委發布了不明原因肺炎27例。1月2日-1月16日，疫情信息總體變化不大，呈現相對平穩波動狀態，15日后再次出現爆發式增長，并于23日達到峰值，23日后再次平穩波動。疫情信息的整體走勢與實際疫情的整體走勢大體一致，并在首次爆發期后走勢稍領先實際疫情情況（提前約2-3天）。疫情信息的對數數值比實際每日確診疫情病例的對數數值高約2個量級。考慮到隱性感染者和輕癥未就醫確診的情況，網絡疫情數據走勢可能與實際感染疫情走勢有更高契合度。

圖4疫情與新增確診病例走勢實際每日新增病例數據來源于國家衛生健康委員會官方通報。1月20日前的新增確診病例數使用湖北省衛生健康委員會通報的數據，并根據傳染病模型估算得到。

疫情信息走勢是由關鍵詞的總體詞頻走勢得到，通過分析詞頻較高的關鍵詞的走勢能夠更加清晰地反映疫情信息的核心關注點。分析時間段內，出現頻率最高的五個關鍵詞依次為：流感、肺炎、疫情、感染、新型冠狀病毒。在分析時間段內上述排名前五位的關鍵詞詞頻走勢如圖5所示：

圖5疫情關鍵詞走勢

從對數坐標圖中可以清楚地看到，5個關鍵詞的總體走勢近似。在1月4日以前，尚未出現“新型冠狀病毒”的輿情信息。潛伏期內，網絡空間對于疫情的認識大多局限為“流感”。在首次爆發期后，“肺炎”的詞頻迅速上升了4個數量級，并躍升為首位。基于科學認識后，“流感”的排名逐步下滑，并一直處在低位。這說明新型肺炎疫情爆發初期更多會被人們誤斷為流感。1月5日，網絡空間首次出現“新型冠狀病毒”，并于1月9日國家公布發現新型冠狀病毒后出現首次爆發，并迅速上升至第二位，直到1月22日。在其后的二次平臺波動期，“流感”處于低位，“疫情”有后期上升到第一位的態勢，“肺炎”“新型冠狀病毒”?和“感染”繼續維持高位。

從上述關鍵詞的走勢可以看到，公眾對疫情的認識存在著發展與變化，前期由于知識和信息受限，也由于新冠肺炎前期與流感癥狀的相似性，使得公眾誤認為是“流感”。在12月31日官方回應核心關切，確認為“肺炎”之后，這次由于病毒感染導致的肺炎疫情才正式進入公眾視野。在不明原因傳染病爆發后的應急管理前期的風險評估和監測預警時，除需要關注與疫情事件直接相關的關鍵詞指標，也應關注前期與事件相似或派生的關鍵詞監測。這是事關能否實現不明原因傳染病防控從應急管理向風險管理和風險治理轉型的關鍵環節。突發公共衛生事件特別是不明原因傳染病防控應急管理體系的現代化與全面轉型確實離不開風險管理/治理的意識、理論、制度和方法的及早引入，風險管理應該是應急和危機管理必需的基礎工作之一彭宗超：《中國合和式風險治理的概念框架與主要設想》，《社會治理》，2015年第3期。。

2.醫情

圖6是醫情走勢圖。從圖中可以看出，醫情情況與疫情相對應，在12月30日前，醫情關注度不高;12月30日-1月1日醫情關注度迅速增長;1月2日-1月14日，醫情關注度整體平穩波動;1月17日-1月22日進入第二個上升期，并于25日前后達到分析時間段的峰值;1月22日后進入第二平臺波動期。通過醫情與疫情的五階段對比可以發現，醫情的整體走勢與疫情類似，爆發期基本重疊，潛伏期和平臺波動期走勢略有區別，醫情數據稍稍低于疫情數據。

圖6醫情走勢圖

根據前文分析，醫情主要包括醫療救治和公衛疾控兩方面，這從表征醫情的關鍵詞中也有所體現。通過計算得到分析時間段內排名出現頻率最高的五個關鍵詞依次為：防護、專家、治療、疫苗、報告。在分析時間段內上述排名前五位的關鍵詞詞頻走勢如圖7所示：

圖7醫情關鍵詞走勢

從醫情關鍵詞走勢來看，在潛伏期和首個平臺波動期，五個關鍵詞的走勢差異較大，在爆發期和第二個平臺波動期走勢相近。首次爆發時，“專家”迅速上升至首位，這凸顯了網絡對專業醫療救治的關注程度。在首個平臺波動期，“專家”再次出現兩次小高峰，并居于首位。在首個平臺波動期，“防護”出現了明顯的下降趨勢，這表明這一階段可能存在對醫療防護的懈怠。進入第二次爆發期，“防護”和“疫苗”提前爆發性增長，于1月14日前后迅速上升。“防護”上升至首位，這表明對公共衛生防護關注程度的迅速上升。在二次平臺波動期，落后的“疫苗”出現短期高峰，回落后又迅速增長。這也凸顯出對于主動防護新冠肺炎的關注程度。

上述五個關鍵詞中，“防護”、“專家”和“治療”屬于醫療救治，“專家”、“疫苗”和“報告”屬于公共衛生機構的疾病預防控制措施。從醫情整體的走勢來看，醫療救治總體領先于公衛疾控。對于突發公共衛生事件來說，對醫療救治的關注體現了對危機情景下的應急處置行為的關注。而公衛疾控在首次爆發期后也從原先的最低位逐步上升，這是醫療機構和民眾對疫情主動防護行為的關注，避免疫情的蔓延和擴散。兩者相輔相成，也是從應急逐步向預防的轉變。

3.政情

圖8是政情走勢情況。從圖中可以看出，在12月30日前，政情關注度不高;12月30日-1月1日政情關注度迅速增長，關注度提升了3個數量級;1月2日-1月14日，政情關注度整體平穩，略有下降;1月15日-1月22日進入第二個上升期;隨后，走勢進入二次平臺波動期。

從政情的總體走勢來看，政情的二次爆發期（1月14日）起點早于疫情和醫情的二次爆發期（1月17日）起點。這表明政府部門對于此次突發公共衛生事件的介入加快且持續關注度快速提高。

圖8政情走勢圖

政情主要包括公共衛生管理類和非公共衛生管理類政情。通過計算得到分析時間段內排名出現頻率最高的前五位關鍵詞依次為：預防、衛健委、大規模、通報、政府。在分析時間段內上述排名前五位的關鍵詞詞頻走勢如圖9所示：

圖9政情關鍵詞走勢

排名前五位的關鍵詞都屬于公共衛生管理類，這說明在分析時間段，對公共衛生管理類的政情關注程度相對較高。對于政情關鍵詞的走勢來說，在潛伏期，各關鍵詞走勢差異較大，這主要是在潛伏期政府各部門未明確發聲。進入首次爆發期和首次平臺波動期后，“衛健委”和“通報”居于前兩位。“衛健委”作為此次公共衛生事件的應急管理主體和國務院聯防聯控機制的牽頭單位頻繁曝光，而官方“通報”的出現頻率也逐漸升高。在二次爆發期和二次波動期，除“大規模”外，其余關鍵詞走勢基本一致，且差異較小。

盡管從分析時間段全體來看，公衛管理類的政情關注度高于非公衛管理類，但非公衛管理類的政情在特定時間段也曾出現過較高的關注。1月23日，武漢市采取“封城”措施，這屬于政府總體層面升級的公共衛生管理的措施。圖10是關鍵詞“封城”相對比例走勢。從圖中可以清楚地看到，在1月23日，“封城”的相對比例接近16%（當日排名第一），隨后便迅速下降，因此，在總體排名中并不靠前。對于非公衛類的政情，其輿情爆發具有短期性的特點，需要在特定的時間段給予關注。

圖10非公衛類關鍵詞“封城”相對比例走勢

4.民情

圖11是民情走勢圖。從圖中可以看出，在12月30日前，民情關注度不高;12月30日-1月1日民情關注度迅速增長;1月2日-1月14日，民情關注度整體平穩，波動下降;1月15日-1月22日進入第二個上升期，并于22日達到峰值;1月23日后，民情進入第二個波動期并持續保持高位。

從民情走勢圖中可以看出，在1月初首個平臺波動期，民眾關注度波動下降較為明顯，這表明在有限信息條件下，民眾對此次疫情的懈怠情緒。然而，在第二個爆發期，民情上升了4個數量級并持續高位，這表明民眾對疫情的持續關注態勢。

圖11民情走勢圖

民情主要包括風險感知、風險知識和應急行為三個維度，這三個維度在關鍵詞中均有體現。通過計算得到分析時間段內出現頻率最高的五個關鍵詞依次為：口罩、爆發、疫苗、嚴重、人傳人。其中，“爆發”和“嚴重”屬于風險感知，“人傳人”屬于風險知識，“口罩”和“疫苗”屬于應急行為。在分析時間段內上述排名前五位的關鍵詞詞頻走勢如圖12所示：

圖12民情關鍵詞走勢

從民情的關鍵詞總體走勢來看，各關鍵詞均呈現在首次平臺波動期下降，在二次爆發期迅速上升的態勢。12月30日，首次爆發期后，“嚴重”和“爆發”迅速上升，民眾此時的風險感知較高。12月31日首次出現大規模“人傳人”的表述，并居于首位。在第二次上升期，“人傳人”再次迅速上升，并在短期內居于首位。由此可見民眾對新型冠狀病毒的傳染性的高度關注。二次上升期后，“口罩”上升到首位，并明顯高于其他關鍵詞，這表明民眾的自我防護意識增強，應急準備行為提高。

結合風險感知、風險知識和應急行為來看，在潛伏期內，由于并未發生明確很大的疫情，此時民眾主要聚焦的是風險知識和風險感知。進入首次爆發期后，官方的回應迅速提升了民眾的風險知識，風險感知也隨之提高。二次爆發期后，隨著疫情的發展，民眾的自我防護意識增加，應急行為持續走高并長期居于首位，這既說明公民防護意識和行為都較平常有很大提升，同時風險防護行為增強后，公民的焦慮感和恐慌情緒也可能同步增加。

5.媒情

媒情的態勢主要根據網絡媒體、論壇、微博、微信、博客、報刊、視頻、APP和其他媒體涉及到此次新冠肺炎疫情的報道的文章、微博等的發布總數來刻畫。從媒情來源可以看到，媒體中既包括傳統媒體（如，報刊）也包括自媒體（如，微博、博客），既有即時通訊類平臺（如，論壇、微博）也有非即時通訊類平臺（如，網絡媒體、博客、報刊、視頻）。通過對全媒體的報道數量進行描述統計，可以展示此次疫情中全網媒體的關注情況。媒情走勢圖如圖13所示：

圖13媒情走勢圖

從圖13中可以看出，媒體關注度在12月24日有一個短暫的高峰期，說明潛伏期的有關不明原因肺炎疫情已經得到媒體的關注，此后又有下降，而后又從12月30日開始出現第一次爆發性增長，經歷了1月2日-1月16日的平穩波動后以后迎來第二次增長，并在1月23日達到峰值。隨后處于高位波動，并緩慢上升的狀態。對比媒情與前述“四情”，我們發現媒情在前期具有一定的滯后性，個別時段（如12月22日-12月29日期間）也有非正常地突增或突降，在疫情爆發信息披露后，疫情報道持續升高，且始終保持高位并平穩上升。

四、“五情”的相關性分析

從前文“五情”的整體走勢看，“五情”的走勢具有較高的一致性，可以對“五情”之間進行相關性分析來進行驗證。具體如表3所示：

從表3中可以看到，在1%的顯著性條件下，“五情”之間具有較高的相關性，相關性系數均大于0.9，其中疫情與媒情之間的相關性系數最高，醫情與政情的相關性系數最低。這表明“五情”走勢之間都具有較高的一致性，與圖4的初步判斷吻合。

此外，可以通過線性回歸初步判斷不同情態信息之間是否具有顯著性差異。疫情是此次突發公共衛生事件的主要原因，將疫情作為自變量，將其他情態信息作為因變量進行回歸，并對不同回歸模型中的兩組系數的差異進行顯著性檢驗，可以判斷不同情態信息對疫情反應的差異性。醫情、政情、民情、媒情與疫情的回歸結果如表4所示，不同情態信息間的系數差異性的顯著情況如表5所示。

從表4中可以看到，不同情態信息與疫情之間具有高度相關性，這與表3的結果一致。從表5中可以看出，醫情和政情對疫情的回歸系數不具有顯著性差異，這表明醫衛機構和政府對此次突發公共衛生事件反應情況具有較大相似性。其余組之間的回歸系數均具有顯著性差異，這表明有關不同主體對疫情信息反應的顯著差別。從表4的回歸系數看，醫情和政情的回歸系數大于民情由于媒情的統計方式與其他不同，因此不做比較。，這表明了醫衛機構和政府對疫情的反應顯著高于民眾。

四、?結論與政策建議

本文主要從不明原因傳染病及新發傳染病應急管理的信息演化角度分析了不同主體對此次新冠肺炎疫情防控的信息演化、走勢和關注焦點變化。在分析時間段（2019年12月1日-2020年2月7日）內，我們對與新冠肺炎相關的疫情、醫情、政情、民情和媒情等“五情”信息的總體走勢、分類走勢和關鍵詞走勢進行了大數據分析，本文的主要發現與結論如下：

第一，根據網絡大數據，新冠肺炎疫情前期防控過程中“五情”信息整體走勢可以劃分為五個階段：潛伏期（12月30日前）、首次爆發期（12月30日-1月1日）、一次平臺波動期（1月2日-1月14日）、二次爆發期（1月15日-1月23日）和二次平臺波動期（1月24日后）。

第二，“五情”之間的走勢總體同步，但在疫情不同階段，他們的信息量有不同的變化。在潛伏期、首次爆發期和一次平臺期，“五情”之間的信息同步性很強。疫情早期醫衛機構和政府對疫情的反應無顯著差異，但均高于民眾，這說明這一階段醫衛機構和政府具有信息優勢，對于突發公共衛生事件具有較高的敏感性。在1月中下旬的疫情信息二次爆發期，媒體信息持續上升，民情信息也持續走高，民眾的防護行為和應急措施信息也普遍升高。這表明在全面抗疫階段，民眾的應急準備行為激增，既是合理的應激反應，但也有過度恐慌的問題出現。

第三，“五情”大數據分析可以為不明原因傳染病或新發傳染病的早期和爆發前期防控提供一定的預警支持。早期網絡大數據監測預警難度很大，但是通過與該類疫情相關媒體數據的走高和突高（如2019年12月24日前后的媒情數據）也可以較早捕捉有關疫情風險的蛛絲馬跡，可以窺見流感或類流感的肺炎疫情的潛在可能。另外，1月10日-1月14日之間的“五情”信息雖有下降但并未回落低位，可以提示此間不能放松警惕。1月15日以后網絡大數據就開始走高，也是一個預警征兆，可以提醒政府和相關部門要加大重視力度，及早防控。同理，1月24日之后進入二次平臺波動期，依然未見信息回落低位，這也預示有關防控工作仍然不能放松。

通過對“五情”的描述性和相關性分析，我們提出如下政策建議：

首先，高度重視不明原因傳染病及新發傳染病早期的大數據風險監測。要充分發揮大數據在此類不明原因和新發不確定風險很高的傳染病防控應急管理中的監測預警作用。醫衛機構、政府、民眾和媒體的關注點會隨著疫情事件的變化而不斷發生轉變。應該充分利用大數據響應速度快的特點，在此類突發公共衛生事件中及時監測不同主體的核心關切，并有針對性地進行風險預測、輿論疏導和應急防控。

其次，在繼續發揮政府主導的應急管理體制優勢的同時，更要注重充分發揮專業機構和社會民眾及媒體有序參與應急管理的作用。政府主導的應急管理體系具有動員能力強、執行力高等優點。醫衛專業機構具有科學的判斷、救治和防控能力。媒體具有很好的信息溝通交流與監督功能。民眾既是一線直接的風險威脅客體，也是社會基礎性的防控主體。因此，推動政府與多元社會主體建立高效協作網絡，其中要特別重視發揮媒體的信息溝通作用，特別要重視盡早通過媒體宣教及溝通讓民眾更早更充分地了解疫情信息，做好自我防護，這些對更及時有效防范和應對各種突發事件，特別是不明原因傳染病及新發傳染病的不確定性風險具有非常重要的意義。

再次，建議國家在加強現有突發公共衛生事件應急管理建設時，要特別重視不明原因和新發傳染病疫情早期監測和最壞情景下“一案三制”等應急制度的進一步修訂完善工作。根據本次疫情防控經驗盡快修訂傳染病防治法、國家突發公共衛生事件應急預案，特別是國家不明原因傳染病應急預案，并制定出臺傳染病大流行應急預案等，來著力解決此類突發公共衛生事件早期監測難、前期爆發后始發地防控難和縱橫向協同難等諸多問題。比如在新發傳染病病毒分離、認定和病例診斷上放權給科研基礎條件達標的省份甚至地級市衛生部門，一旦認定為新發傳染病后在傳染性和致病嚴重性無法快速認定條件下，允許有關始發地快速啟動盡可能高的疫情防控舉措，國家認定后也應立即啟動高級別的疫情應急防控預案以防全國性擴散。同時還應高度重視傳染病一旦大流行最壞情況下應急管理“一案三制”的完善和峰值需求資源的協同配置準備。

（責任編輯：嚴國萍）

收稿日期：2020-02-11

作者簡介：彭宗超，清華大學公共管理學院黨委書記，清華大學應急管理研究基地/中國社會風險評估研究中心主任;黃昊，清華大學公共管理學院博士生;吳洪濤，清華大學應急管理研究基地博士后、助理研究員;謝起慧，中國礦業大學（北京）文法學院副教授。本文在清華大學應急管理研究基地/中國社會風險評估研究中心和北京智慧星光信息有限公司合作開展的新冠肺炎疫情大數據研究報告“新型冠狀病毒感染的肺炎疫情應對‘五情大數據分析報告”（作者：彭宗超、黃昊、李青龍、謝起慧、吳洪濤、趙沖）基礎上，經過進一步拓展數據時段和深度分析基礎上形成，感謝前期課題組相關師生！

基金項目：國家重點研發計劃重點專項“國家安全風險管理關鍵技術研究與應用”（編號：2018YFC0806900）;國家自然科學基金重大項目“重大國家安全事件管理機制研究”（編號：71790611）;國家社科基金重大項目“總體國家安全觀研究”（編號：2018MZD018）?及北京智慧星光信息有限公司委托項目“中國社會風險大數據智能分析研究”。