社交網絡分析視閾下做好網絡輿情管理的策略

王毅

摘 要：借助社交網絡分析工具，對在線社交媒體在網絡輿情事件中的影響力進行量化刻畫，并尋找社交網絡分析中相關聯的指標。基于成都A校食堂問題事件的微博轉發數據，通過構建分層線性模型進行實證分析，研究這些指標與網絡輿情事件影響力的相關性。在分析結果基礎上，提出政府在當前在線社交媒體盛行的背景下有效應對網絡輿情管理的對策建議。

關鍵詞：網絡輿情;微博;社交網絡分析;分層線性模型

一、引言

在線社交媒體，如微信、微博等，正改變著人們傳統的溝通方式，管理著人們的社交生活，將網絡與現實世界緊密聯系在一起。當前，在線社交媒體用戶數量已經十分龐大，以微博為例，據《2018年度微博用戶發展報告》指出，到2018年第四季度為止，微博月活躍用戶數已達4.62億人，自2016年以來連續三年增長超過7000萬人。在如此龐大的用戶基數背景下，在線社交媒體在網絡輿情中扮演的角色非常重要，在網絡輿情發展過程中發揮著主導作用。因此，通過情報分析手段找出在線社交媒體的網絡輿情傳播特征和規律，能夠進一步提高政府對網絡輿情的管理能力。本文以社交網絡分析相關的概念衡量網絡輿情事件影響力，研究影響網絡輿情事件傳播的主要因素，從而提出做好網絡輿情管理的策略。

二、社交網絡分析概述

社交網絡分析是一種以關系為基本研究對象的研究方法，它依靠數學中的圖論作為理論基礎，將社會網絡中的成員抽象為節點，用節點間的連線表示成員之間的關系，對這些社會實體之間的連接關系以及連接關系的模式、結構和功能進行深入分析，直觀地展示一個社會網絡的結構，并對網絡中實體間的關系以量化方式測度它們之間的關系。本文以新浪微博為分析的數據基礎，微博中的信息來源主要來自用戶“發帖”、“跟帖”等行為，將這些信息行為抽象成用戶之間的關系，即可將一個輿情事件為主題的“發帖”、“跟帖”、“轉發”等關系的集合映射為一張抽象的社會網絡。

圖論中，圖可分為無向圖和有向圖兩種，網絡輿情的發展過程從情報學角度看，是知識向外界進行的一種有向傳遞的過程，因此本文采用有向圖來構建基于微博的網絡輿情傳播分析網絡。有向圖中，各成員與外界的聯系程度分為出度中心度和入度中心度（劉軍，2009）。節點出度中心度定義為與該節點連接的發出有向邊的數目，而節點入度中心度定義為該節點連接的接入有向邊的數目。如圖1所示， 節點b的出度中心度為1，入度中心度為2。這兩個概念應用到微博中，用戶的出度中心度可以用“發帖”、“轉載”、“引用”等生產內容的行為構成，入度中心度可以用其他用戶“跟帖”的行為構成。

三、分析模型

1.計算模型。在社交網絡分析視角下，本文采用分層線性模型中最基本的2層線性模型以網絡輿情事件影響力為因變量，研究與各自變量之間的關系。

2.基于社交網絡分析的網絡輿情事件影響力（因變量）衡量。網絡輿情事件發展演變過程實質上可看作是信息結合個人觀點的傳播過程，用網民關注變化階段角度去劃分可分為：潛伏期、爆發期、蔓延期、反復期、緩解期、長尾期（喻國明，李彪，2017）。在傳播學看來，這六個階段經歷了輿情最初發酵的觀點從大眾媒介流向“意見領袖”，再流向不太活躍的人群，即信息先影響社會群體中的“意見領袖”，然后通過“意見領袖”將各自加工后的信息傳遞給他人（Weimann，1994）。在社交網絡分析中，有向圖每個節點的出度中心度均可用作衡量該節點所代表的社會成員向外部尋求聯系的程度大小，反映在微博上，節點出度中心度越高該用戶的活躍度越高，而活躍度高的用戶能獲得更高的關注度，具體體現在該用戶聯系人數量大且更容易獲取他人跟帖互動（Huffaker，2010），使得其入度中心度也較高。因此，為衡量網絡輿情事件在微博上的影響力大小，可借助社交網絡分析中度數中心勢的概念來表達。

度數中心勢定義公式為：

該公式的含義是，先找出網絡中節點最大中心度的值，再計算該值與其他節點中心度的差值，將這些差值累加起來后的總和去除以理論上各差值總和的最大可能值。度數中心勢反映了圖的中心趨勢，即圖的度數中心勢越大該圖向某點集中的趨勢越明顯，圖中成員間的互動性越差，信息在成員間的傳播越發不充分，從而信息的流動性差影響力有限，反之則影響力越大。因此，本文討論的因變量為度數中心勢的相反數，用來衡量網絡輿情影響力大小。

3.自變量的選擇。本文圍繞網絡輿情分析，從社交網絡分析研究框架中選出4個指標作為模型的自變量，見表1。這4個指標中，出度中心度、中間中心度、互惠性是個體用戶間微觀層面的變量，網絡密度是整個網絡宏觀層面的變量，將它們按微觀和宏觀兩個層次展開分析。

四、實證分析

1.輿情事件回顧。本文研究對象為成都A校食堂安全問題事件。2019年3月12日起，網絡爆出成都一學校食堂為學生提供霉變食物，多名家長到校維權被警方噴辣椒水并被采取強制措施。自媒體平臺中，發霉食物圖片和警民對峙視頻廣泛擴散，事件迅速發酵引發輿論風暴。對此，國家市場監管總局、四川省、成都市及事發地相關政府部門反映迅速，及時介入調查令輿情回緩。之后媒體持續關注事件背后利益鏈，第一批食品檢測結果公布后事件熱度持續。17日，成都市聯合調查組召開新聞發布會，詳細公布了調查情況、證據及視頻材料，證實系有人蓄意造假，輿情反轉再度引發輿論討論。

2.數據分析。以新浪微博為平臺收集該網絡輿情事件相關數據，根據整個微博謠言轉發關系構建含有428個節點的轉發關系矩陣，形成該事件基于新浪微博的傳播網絡圖。用HLM6.03 軟件進行數據分析，計算結果如下。

五、結論與建議

從分析結果可以看出，在用戶層次上出度中心度、中間中心度和互惠性與網絡輿情影響力都具有正向關系。根據出度中心度、中間中心度的定義，這兩個指標均可以刻畫個別用戶影響力大小，因此政府處理這類網絡輿情事件時應注意發揮名人作用。而互惠性這個變量表達社交網絡中成員間互動情況，其程度大小說明了成員之間“友情”深度。分析結果中互惠性與網絡輿情影響力正相關，表明在社交媒體中雖然人與人之間的交往處于虛擬世界，但并不是簡單的信息傳遞，而是帶有相互支持，支持力度越大對輿論傳播越有促進作用。政府應在日常網上溝通過程中，注意建立與網民的關系，加強互動，在網民中樹立起良好形象，并注意加強與社會力量的合作，引入一些影響力較大的社會組織參與公共危機管理。目前，在新媒體快速發展的背景下，對網絡輿情事件的處理，光靠政府一方發聲、出力，力量是遠遠不夠的，相較于政府來說，社會組織在自身身份、擁有資源上有自己獨特的優勢，利用它們的力量去引導輿情發展，既能有效緩解官民對立的矛盾，又可以提供一條新的話語渠道。

從整個網絡層次分析看，網絡密度與網絡輿情影響力具有負向關系，說明網絡密度越大，大家關注的點越集中，網絡輿情事件的影響力越小。因此，政府在引導網絡輿情事件過程中應注意及時權威發聲，讓聲音集中起來消除民眾心中的疑慮，防止事件迅速發酵，關注事件的民眾越來越多，傳播的范圍更廣，導致事件的影響力越來越大。同時，政府應注意加強對網絡輿情的監測，建立一套有效的輿情預警機制，提前對有可能產生的網絡輿情事件進行干預和引導。在成都市2019年政府工作報告中明確指出要持續推進網絡理政，政府可將網絡輿情管理與網絡理政有效結合，通過網絡理政平臺提前發現潛在輿情風險，加強危機預警和研判，防范可能到來的網絡輿情“黑天鵝”事件。

參考文獻：

[1]劉 軍.整體網分析講義——UCINET軟件實用指南[M].上海：格致出版社，2009

[2]喻國明，李 彪.社交網絡時代的輿情管理[M].江蘇：江蘇人民出版社，2017

（作者單位：中共成都市委黨校）