微博網絡輿情研究綜述

王高飛 李潤之 李梅

摘?要：微博已成為公眾反映自身觀點的主流渠道，微博網絡輿情研究有利于對網絡輿情的管理與引導。本文運用文獻計量法與CiteSpace軟件，通過關鍵詞“微博”與“輿情”在中國知網數據庫中的檢索，對微博網絡輿情的發展趨勢、發文機構、發文期刊、基金贊助情況、發文下載量、被引頻次與研究熱點等方面進行系統分析。結果表明微博網絡輿情研究已經形成體系，研究方法較為豐富，未來以圖像、視頻為分析對象的微博網絡輿情研究將是該領域的重要研究方向之一。

關鍵詞：微博;網絡輿情;綜述;文獻計量

中圖分類號：G201?文獻標識碼：A??文章編號：1672-8122（2021）01-0024-06

一、引?言

黨的十九屆四中全會《決定》提出：“健全重大輿情和突發事件輿論引導機制”。倡導健全輿情引導，并將其上升到機制層面，表明我國對輿情的認識和重視程度進一步加強。在網絡輿情中，微博作為一個主要平臺發展十分迅速。新浪微博發布的2020年第二季度財報顯示，2020年6月的月活躍用戶數為5.23億，較上年同期凈增約3 700萬[1]。作為社交網絡巨頭，微博允許用戶公開性地發表原創內容，轉發、點贊、評論、搜索他人內容，這不僅進一步提高了信息的傳播速度，也使得微博成為公眾反映自身觀點的主要平臺。然而，隨著用戶量和信息量的增多，微博中容易出現諸如不良信息、謠言等不當言論，如果不及時管理會形成負面網絡輿情。我國自2011年至今，相關學者已經對微博網絡輿情進行了深入研究，相關文獻中蘊含了眾多有價值的信息。本研究對中國知網相關文獻進行檢索與分析梳理，以期為該領域的研究提供參考。

二、數據來源與研究方法

（一）數據來源

以中國知網數據庫作為檢索來源，跨庫選擇期刊、教育期刊、特色期刊、博士、碩士5庫進行專業檢索，檢索表達式語句為“TI=‘微博AND TI =‘輿情”，即檢索篇名包括“微博”“輿情”的文獻，發表時間選擇為從知網可選的最早時間1979年1月1日至2019年12月12日（檢索日），共得到自2011年至2019年的713篇文獻，去除重復投稿與期刊會議摘要，剩余700篇。

（二）研究方法

文獻計量法是一種定量分析方法，將文獻的各類外部特征作為研究對象，采用文獻學、統計學、數學相結合的方式描述與預測某一科學的發展方向與趨勢[2]。在文獻計量法的基礎上，運用CiteSpace、Excel、中國知網構建知識圖譜與可視化分析。Citespace，中文名為引文空間，由英籍華人陳超美開發，是將檢索文獻進行引文可視化分析的一款軟件[3，4]。

三、研究結果與分析

（一）微博網絡輿情發文量統計分析

筆者共分析2011年至2019年有效文獻700篇（如圖1所示），橫坐標代表發文年份，縱坐標代表發文數量。自2010年各品牌微博上線一年后，知網開始出現微博網絡輿情文章，此后隨著各微博平臺的競爭以及微博的整體市場份額不斷擴大，3年內發文數量也得到大幅增長，2014年發文量達到頂峰。隨后，受到微信、短視頻等其它自媒體平臺的影響，微博網絡輿情研究的發文數量逐漸減小，由2014年的121篇逐漸減少至2019年的62篇（截止到檢索日），總體呈現上升下降的趨勢。這一趨勢說明微博網絡輿情研究當前依然保持著較高的熱度，但利用微博進行網絡輿情研究的熱度卻有所降低，網絡輿情研究方式呈現多樣化的特點。

（二）微博網絡輿情發文機構統計分析

筆者共統計了30家發文數量在5篇以上的微博網絡輿情發文機構（如圖2所示）。從發文機構總體來看，均為高等院校，無一所科研院所。在高等院校中包含各級各類大學，分布較廣，且重點高校占比較高，尤以吉林大學的30篇發文數量最為明顯。說明高等院校有較高的意愿利用微博平臺進行網絡輿情研究。

（三）微博網絡輿情發文期刊統計分析

筆者通過相關文獻的期刊統計，得出期刊對于微博網絡輿情研究文獻的刊出量差異。700篇文獻中除去博士、碩士文獻庫外，剩余532篇均為期刊所屬文章。統計載文量前20的期刊發現，有11種期刊為核心期刊，占比55%，且單期刊載文量最高可達40篇;有8種為情報類期刊，9種為新聞傳播類期刊（如表1所示）。此外筆者分別對載文數量前10的核心期刊和非核心期刊載文量進行統計，發現核心期刊載文量普遍高于非核心期刊，其中《情報雜志》與《情報科學》載文量更是達到了64篇，占所檢索文獻的9%。而前10類非核心期刊，其載文量最多可達9篇，最少為4篇（如表2所示）。這說明核心期刊對于微博網絡輿情研究方向的文獻與非核心期刊相比更為重視，并已經形成以新聞傳播類和情報類為主體的期刊集合。

（四）微博網絡輿情發文基金項目統計分析

統計結果發現，微博網絡輿情532篇期刊檢索文獻中共203篇受到基金資助，占比29%;包括國家自然科學基金74項，國家社科基金50項，省級基金46項，以及其它各類基金項目（如圖3所示）。在國家級基金項目中，自然科學基金遙遙領先，這說明有關微博網絡輿情的文獻不只是從人文社科的角度出發，還從自然科學的角度對微博網絡輿情進行了研究。在省級基金項目中，江蘇省以18項3類領先于其它省，說明江蘇省對于微博網絡輿情較為關注。

（五）微博網絡輿情發文下載量與被引頻次統計分析

發表論文的下載量可反映出文獻對下載讀者的參考價值與影響程度。表3統計了下載量在前10的文獻，總下載次數為篇均下載次數，共5 589.4次，其中來源于《系統工程》的“微博網絡輿情中的意見領袖識別及分析”的下載量最高。除去“新浪微博的網絡輿情分析研究——模型、設計與實驗”與“基于微博社交網絡的輿情分析模型及實現”兩篇碩士論文外，其余來源均為期刊。可見，與碩士論文相比，讀者認為期刊更具有借鑒價值。在論文主題方面，有4篇文章進行了以傳播為主的微博網絡輿情過程研究，有3篇文章進行了微博網絡輿情的主體研究，有2篇文章對微博網絡輿情整體進行建模研究，剩余1篇進行了構造微博網絡輿情監測指標的研究。

發表論文的被引頻次體現了文獻在學術方面與實用方面的價值。表4統計了被引量在前10的文獻，總篇均被引次數為125.3次。與下載次數統計相同的是，“微博網絡輿情中的意見領袖識別及分析”再次居于榜首，足以說明該篇論文的價值。與論文下載量類似，在論文主題方面，有7篇文章進行了以傳播為主的微博網絡輿情過程研究，有2篇文章進行了微博網絡輿情的主體研究，1篇文章進行了構造微博網絡輿情監測指標的研究。

（六）微博網絡輿情知識圖譜構建

關鍵詞是論文文獻檢索的主要標志，其往往代表了一篇論文文獻的主旨所在，可在一定程度上反映文獻的主要研究內容與研究方法。筆者將700篇文獻以Refworks文獻導出格式導出，并通過Citespace軟件自帶功能將數據進行轉化并錄入軟件中，時間切片選為2011～2019年，節點類型選為關鍵詞，形成了以“微博”和“網絡輿情”為中心關鍵詞的知識圖譜（如圖4所示）。

科學知識圖譜兼具“圖”和“譜”的雙重特點與性質：既具有“圖”的直觀可視化，又具有“譜”的邏輯關系[5]。由圖4可見，除去“微博”與“網絡輿情”兩個關鍵詞外，頻次較高的關鍵詞包括“微博輿情”“政務微博”“社會網絡分析”“意見領袖”“突發事件”“高校”“新媒體”“大學生”等。這些關鍵詞與當今網絡輿情研究方向相一致，符合網絡輿情發展方向。

（七）微博網絡輿情時間線分析

時間線（Timeline），是CiteSpace中的一種可視化方式。這種可視化方式可以根據時間對關鍵詞進行統計與聚類（如圖5所示），從左到右表示關鍵詞時間由遠至近，自上到下表示聚類按大小遞減。筆者通過對微博網絡輿情相關文獻關鍵詞進行時間線分析后，發現對于微博網絡輿情的關鍵詞聚類共可分為9項4類，分別為文本聚類研究、引導機制與策略應對研究、微博話題研究、網絡結構研究。從時間線來看，微博網絡輿情研究自2011年以來逐漸發展成熟，采用更多的方法與角度進行研究，如聚類算法、Kmeans算法、超網絡分析等方法和情感分析等角度，呈現研究多元化的趨勢。

四、結論與展望

筆者在中國知網檢索“微博”“輿情”兩個關鍵詞得到2011～2019年700篇微博網絡輿情檢索文獻，運用文獻計量法，通過檢索文獻的發文數量、發文機構、發文期刊、發文基金、發文下載量與被引頻次、關鍵詞進行了可視化分析，并構建了關鍵詞知識圖譜。研究提示了該領域的主要成果、發展趨勢及未來研究方向。

（一）網絡輿情研究方式的多樣性趨勢

通過可視化分析發現，對微博網絡輿情的研究在2014年達到頂峰后便逐年下降，與近年來網絡輿情較高的熱度相反。造成這種結果的原因是多種自媒體平臺的興起，導致輿情研究對象多樣化，相關研究分散到各種新媒體平臺如微信、短視頻等。在發文機構統計中，高校仍是微博網絡輿情研究的主體，科研院所較少利用微博進行網絡輿情研究。而微博作為傳播速度快、用戶基數大、熱點顯示直觀、內容易挖掘的中國頭號社區軟件和處于世界前列的社交軟件，用來進行網絡輿情研究是較為合適的平臺。因此，對于網絡輿情研究領域的學者來說，通過微博進行網絡輿情研究是亟待加強的重點，特別是微博中大量的圖片與視頻仍處于待開發狀態。所以當前的微博網絡輿情并未研究透徹，仍存在較大的可研究空間。

（二）微博網絡輿情研究已初步形成體系

從微博網絡輿情發文期刊來看，發現整體發文集中于新聞傳播類和情報類期刊中，核心期刊的載文數量可觀，非核心期刊的種類較多，這說明關于微博網絡輿情研究的文章質量較高，形成了以新聞傳播類和情報類為主體的研究體系。從關鍵詞來看，頻次較高的關鍵詞如“政務微博”“社會網絡分析”“意見領袖”“突發事件”“高校”“新媒體”，已經指明了微博網絡輿情的發展方向，構建成一個初具規模的知識圖譜。

（三）今后微博網絡輿情研究的關注點

1.更多細分微博主體的深度研究

在構建知識圖譜的過程中，頻次較高的關鍵詞包括“政務微博”“新媒體”“大學生”“意見領袖”等，分別對應著政府、網絡媒體、大學生、意見領袖等微博主體。這些主體無論是在數量上還是在影響力上，均在微博中發揮了巨大的輿情引導作用。微博主體的研究更為細化，也更加深入、具有針對性。

2.采用創新方法的微博網絡輿情研究

通過統計700篇文獻發現，主流研究方法包括以下3種微博網絡輿情的分析方式：情感分析、社會網絡分析、輿情監測分析等。情感分析是對帶有主觀意識的文本內容進行推理、分析和歸納總結的過程[6]。社會網絡分析是把社會系統中各部分之間的關系以網絡的形式表達出來并進行分析[7]。輿情監測分析是通過對網絡信息的監測實現網絡輿情分析。三種分析方式既相互獨立又互有聯系，并均對微博網絡輿情進行了不同角度的研究。隨著機器視覺、人工智能理論方法的推廣，今后的研究方法將會得到進一步創新，特別是對微博中圖片與視頻的研究方法的創新。

3.圖像與視頻的微博網絡輿情研究

上述國內的微博網絡輿情研究仍是對微博中的文字進行分析與挖掘，缺少對微博中圖片與視頻的輿情分析。與文字相比，圖像與視頻作為承載信息量更大的載體，能夠傳播更多的網絡輿情，同時，網絡輿情的監管難度也更大。例如，微博信息中存在大量的虛假圖像與視頻會嚴重影響網絡輿論，而造假手段更是多樣，可分為拍攝角度誤導、圖像與視頻合成與刪減等主要造假方式[8]。我國相對國外相關研究，圖像與視頻的網絡輿情研究文獻很少，尚有較大研究空間。隨著研究的深入，圖像與視頻的輿情研究必將成為微博網絡輿情研究中的重點方向之一。

參考文獻：

[1]新浪財經.微博發布2020年第二季度財報[EB/OL].https：//finance.sina.com.cn/stock/c/2020-09-28/doc-iivhvpwy9362473.shtml？source=cj&source=hfquote&q=$（key），2020-09-28.

[2]朱亮，孟憲學.文獻計量法與內容分析法比較研究[J].圖書館工作與研究，2013（6）：64-66.

[3]Chen C.CiteSpace II： Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology， 2006， 57（3）：359-377.

[4]Chaomei Chen. Searching for intellectual turning points： Progressive knowledge domain visualization[J]. Proc Natl Acad Sci U S A， 2004， 101（suppl）：5303-5310.

[5]陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能[J].科學學研究，2015，33（2）：242-253.

[6]Vasileios Hatzivassiloglou， Kathleen R.McKeown. Predicting the Semantic Orientation of Adjectives[C].In： Proceedings of the 35th Annual Meeting of the Association for Computational Linguistics and Eighth Conference of the European Chapter of the Association for Computational Linguistics， Stroudsburg，PA_USA_ 1997： 174-181.

[7]湯匯道.社會網絡分析法述評[J].學術界，2009（3）：205-208.

[8]Junliu Zhong，Yanfen Gan，Janson Young，Lian Huang.Research on Network Digital Image Information Public Opinion Incident Prevention[P].Proceedings of the 2016 International Conference on Management Science and Innovative Education，2016.

[責任編輯：艾涓]