張 省,周 燕
鄭州輕工業大學經濟與管理學院,河南鄭州,450000
北京時間2020年1月31日凌晨3點30分,世界衛生組織總干事譚德塞(Tedros Adhanom Ghebreyesus)在世界衛生組織總部瑞士日內瓦宣布新型冠狀病毒的暴發為全球公共衛生突發事件。與突發公共衛生事件相伴而生的輿情態勢演變和應急處置影響深遠,而社交媒體催生的網絡輿情將境內外輿論場變得更加錯綜復雜[1]。從眾心理引發的情緒失控、言論偏激等非理性行為甚至可誘發“線上喧囂”向“線下集聚”演變,從而引發嚴重的社會危機[2]。因此,探究重大突發公共衛生事件發生后的網絡輿情傳播機制,對于政府制定應急方案和干預措施具有重要的理論和現實意義。
當前學術界主要從“詮釋學”、“治理學”與“心理學”三個維度探討突發公共衛生事件網絡輿情傳播機制。詮釋學重在闡明互聯網場域中突發公共衛生事件網絡輿情的傳播要素與演化特點,如Kyungmo等認為新聞和觀點之間的界限在內容和形式上變得模糊,而疫情新聞在互聯網上的傳播過程與在線輿論形成過程交織在一起[3];李詩悅和李晚蓮將動物疫情危機網絡輿情歸因于政府、媒體、網民及網絡環境等因素的綜合作用,網絡輿情聚集擴散經歷發展、變異階段,最后在失焦與迭代的作用下消解[4]。馬穎等指出網絡輿情按照利益主體分類,其演變生命周期的不同階段存在形成機理、發展機理、作用機理及中介機理四大演變機理[5]。
治理學從多角度探索互聯網情境下突發公共衛生事件中網民集體行為的治理方式。趙序茅等基于大數據運用傳染病SEIRS模型擬合武漢和北京新冠肺炎確診病例得出真實傳播系數,指出輿情是抗擊疫情的第二戰場,應加強輿論引導和監督[6];Chongwoo等發現網媒對突發事件的報道能提高政府的社會治理效率,政府應通過官方媒體及時回應事件并表明態度來提高網民對政府的信任度[7];杜澤和張曉杰基于循證治理視域,從決策者能力、科學證據、公眾價值三個維度分析突發公共衛生事件網絡輿情治理存在問題的成因,并提出相應對策建議[8]。
心理學則基于個體心理層面和群體心理引導層面,研究如何在人際博弈與社會博弈情況下將網絡輿情向正確的主流方向引導[9]。Mollema等發現社會化媒體數據可以反映疾病流行期間公眾的行為模式,建議開發自動編碼系統捕捉突發公共衛生事件中的公眾行為特征[10]。王義保等針對新冠肺炎疫情引入認知心理學SOR理論,構建“疫情事件刺激—公眾應急心理—公眾應急行為”模型,得出事件刺激對公眾應急感知意識、認知意識、信任意識具有顯著正向影響[11]。董洪哲在理性情緒療法ABC模型的基礎上構建了ABCDE公共危機事件網絡輿情治理模型,指出理性情緒療法能為政府和媒體提供輿論治理方案[12]。
從突發公共衛生事件網絡輿情文獻回顧可以看出,學者們逐漸從公共衛生視角向新聞傳播視角和更為深層次的社會心理視角轉變。由于突發公共衛生事件海量的輿情話題數據在不同形式的社會化媒體上不斷涌現,使得采用社會網絡分析、統計分析、文本挖掘等方法來研究其傳播演化規律變得極其困難,本研究分析了突發公共衛生事件網絡輿情的形成與發展過程,構建了疫情網絡輿情演化的系統動力學模型,通過新型冠狀病毒肺炎雙黃連事件仿真檢驗了模型的有效性和實用性,并得出了政府管控的政策建議。
本研究的研究對象是新型冠狀病毒肺炎(Corona Virus Disease 2019,COVID-19)疫情(下文簡稱“疫情”)。疫情網絡輿情形成與發展的一般過程圖如圖1所示。在重大疫情中,當與疫情相關的某一事件發生后,網絡熱點或者議題被觸發,輿情開始點線面、多渠道、多路徑、全通道“病毒式”傳播擴散。如果網絡回應和網上意見充分溝通互動,使網絡輿情信息鏈趨于完整和閉合,輿情信息就失去了引發網民普遍關注的要素和條件,網絡輿情也就僅處于原生輿情階段[13]。但若是敏感緊急且涉及社會公眾利益的突發事件,網民會在線上線下持續熱議。此時一旦傳統媒體以新聞調查、新聞評論、網絡輿情反饋等方式跟進,而網媒再將傳統媒體的報道和評論加以轉載并再跟帖評論,輿情傳播就會進入次生輿情階段。政府部門應及時、主動地通過網絡發言和網絡評論回應輿情訴求,將相關輿情控制在合理范圍,盡量避免上升到次生輿情階段[14]。

圖1 疫情網絡輿情的形成與發展過程
1.2.1 因果關系圖。在疫情網絡輿情演化過程中,各主體從自身利益最大化角度出發不斷調整策略,形成一個利益博弈場,涉及事件子系統、網媒子系統、網民子系統、政府子系統等四個子系統。
第一,事件子系統。重大疫情傳播力對事件作用力有重要影響,而事件作用力的大小是事件作用量的體現,直接關系到網絡輿情風險的大小。傳播者作用力和事件傳播速度會影響事件傳播力,事件敏感度和事件緊急度會影響網民判斷干擾,從而影響傳播意愿,而與政府相關程度和與企業相關程度會直接影響事件作用力,同時間接影響到網絡輿情風險的大小。事件子系統包括兩個正反饋回路。見圖2。

圖2 輿情事件子系統的因果關系
第二,網媒子系統。網媒對疫情的傳播與演化有重要的助推作用。網媒參與度、網媒關注度、意見領袖關注度及網媒權威度對網絡輿情風險有增強作用,而政府輿情感知度在網媒子系統中的管控對網絡輿情風險有削弱作用。網媒子系統包括兩個正反饋回路和一個負反饋回路。見圖3。

圖3 網媒子系統的因果關系
第三,網民子系統。網絡輿情風險的大小主要體現為網民參與度和關注度的高低,網絡輿情熱度對網民參與度有增強作用,網絡輿情傳播速度對網民關注度有增強作用。網民參與度的影響因素有網絡平臺用戶量、意見領袖作用和傳播意愿,網絡輿情傳播速度的影響因素有點擊量、發布量與評論量。網民子系統包括兩個正反饋回路。見圖4。

圖4 網民子系統的因果關系
第四,政府子系統。政府在處理疫情輿情事件中起著降低網絡輿情風險、消散民眾的焦慮與不滿、監督網媒健康發展的作用[15]。政府公信力與管控度對較低網絡輿情風險有重要影響,而政府回應速度、信息公開度及網民滿意度對政府公信力有增強作用,網媒監管度一定程度上能加強政府管控度。政府子系統包括三個負反饋回路。見圖5。

圖5 政府子系統的因果關系
1.2.2 存量流量圖。系統存量流量圖是指在一個系統中反映各個狀態變量、水平存量及輔助變量的相互作用形式且具有反饋性質的動態反饋圖。確定好輿情事件模型邊界與四個子系統的因果關系的基礎上,構建疫情網絡輿情系統存量流量圖。見圖6。

圖6 總系統的存量流量
將網絡輿情風險作為水平變量,將事件、網媒、網民、政府等主體的作用量作為4個速率變量,外加受速率變量影響的34個輔助變量與常量來完善整個疫情輿情演化系統模型的構建。
結合相關研究與實際情況,對疫情輿情模型做出以下4點假設:
H1在同一時間內存在的兩個與疫情相關的輿情事件之間不會有交互作用,疫情輿情中的各輿情事件是相互獨立的;
H2探討單個網民情緒及行為過程十分復雜且意義不大,模型只考慮網民總體情緒的共性問題;
H3將網民動機納為主要變量參數,其他如所屬利益集團的政治動機、借環境事件輿情炒作等動機則不在本研究探討之內;
H4網媒和網民在報道或轉發輿情時除了政府在事件發酵過程中的攔截外,不存在其他任何阻礙網絡輿情傳播的因素。
在COVID-19發展過程中,相關網絡輿情事件持續的時間大約為三天。因此,文章中的模型以小時為單位,INITIAL TIME =0,FINAL TIME =72,時間間隔設置為1小時。表1列出了總系統存量流量圖中各因素的方程公式,各變量之間正負相關關系參見各子系統的因果關系圖。

表1 變量說明

表1(續)
2020年1月31日晚間,據新華視點報道,中國科學院上海藥物所獲悉和武漢病毒所聯合研究初步發現,中成藥雙黃連口服液可抑制新型冠狀病毒。這個疫情信息一出,15分鐘之后全網電商雙黃連口服液全部斷貨,有些地區百姓不顧疫情徹夜在藥店門口排隊購買雙黃連,甚至出現了雙黃蓮蓉月餅脫銷的鬧劇。2月1日眾多專家和《人民日報》出面澄清,指出抑制作用不等于治療,也不等于預防,經過快速權威的科普與正名,“雙黃連熱”在三天不到的時間里偃旗息鼓。
該模型中涉及到的常量參數均由河南日報社2名高級編輯、鄭州大學新聞與傳播學院3名教授和鄭州輕工業大學經濟與管理學院3名教授對“雙黃連事件”進行分析與打分獲取。各常量的分值控制在0-10之間,先對每一個變量分別進行打分,然后通過加權平均法得到每個變量最終的參數值,以保證各常量取值的準確性及有效性。見表2。

表2 模型中的參數設定
由于COVID-19影響重大,加上隨著時間的發展網民的基數愈大,因此假設模型中網絡平臺用戶量為10億人。本文主要利用神箭手云爬蟲軟件從微信、微博、知乎、頭條等網站獲取“雙黃連事件”的點擊、評論及發布量等數據。見表3。

表3 雙黃連事件的部分網絡輿情統計數據
網民、網媒及政府對雙黃連事件的關注具體體現在政府作用率和傳播者作用力上,對疫情網絡輿情風險的大小有重要影響。政府作用率和傳播者作用力的表函數如下。
政府作用率=WITH LOOKUP(Time,([(0,0)-(72,0)],(0,0.460526),(5,0.697368), (10,0.77193),(15,0.701754),(20,0.592105),(30,0.513158),(40,0.578947),(50,0.473684),(60,0.403509),(70,0.236842),(72,0.088596)))
傳播者作用力=WITH LOOKUP(Time,([(0,0)-(72,5)],(0,3.7),(5,5),(10,4.8), (15,4.2),(20,4.5),(30,3.6),(40,2.2),(50,0.9),(60,1.1),(70,0.3),(72,0.2)))
2.2.1 事件子系統。在事件子系統中,事件敏感度、事件緊急度、事件傳播速度、傳播者作用力、與政府相關程度、與企業相關程度及傳播意愿都對網絡輿情風險有影響。通過仿真可知,各因素對網絡輿情風險都有增強作用,但事件敏感度、事件緊急度和傳播意愿對網絡輿情風險的影響較大,如圖7所示,在初始值(曲線1)的基礎上,將事件緊急度、事件敏感度與傳播意愿分別上調20%,對應曲線2、3、4。事件敏感度和事件緊急度對網絡輿情風險的增強作用最大,遠高于其他變量。這說明民眾對疫苗、死亡率、傳染率等醫療醫藥輿情很敏感。

圖7 事件子系統作用分析
2.2.2 網媒子系統。在網媒子系統中,網媒監管度、網絡輿情傳播速度、網民關注度、網絡輿情熱度及事件傳播力都對網絡輿情風險有影響。其中,較為重要的因素是網絡輿情熱度和網媒監管度。如圖8所示,在初始值(曲線2)的基礎上,將網絡輿情熱度和網媒監管度分別上調20%,對應曲線1和3。網絡輿情熱度對網絡輿情風險有增強作用,而網媒監管度對網絡輿情風險有減弱作用。這表明網絡平臺上的輿情討論熱度下蘊藏著輿情風險,而隨著網民質疑,政府及時管控,加強對網媒的監管,縮短了輿情的生命周期,從而有利于降低網絡輿情風險。

圖8 網媒子系統作用分析
2.2.3 網民子系統。在網民子系統中,網絡輿情傳播速度(發布量、點擊量與評論量)、意見領袖關注度、網絡平臺用戶量、傳播意愿、網民判斷干擾及網絡平臺影響力都對網絡輿情風險有影響。其中,較為重要的因素是網絡輿情傳播速度和網民判斷干擾。如圖9所示,在初始值(曲線3)的基礎上,將網民判斷干擾和網絡輿情傳播速度分別上調20%,對應曲線1和2。網民判斷干擾在網民作用子系統中擴大網絡輿情風險的效果最為明顯。這反映了在重大疫情中縱使很微小的謠言都能迅速擴散,影響網民情緒,造成民眾恐慌。

圖9 網媒子系統作用分析圖
2.2.4 政府子系統。在政府子系統中,網絡新聞發布量、信息公開程度、政府回應速度、政府作用率、事件作用力、網絡輿情熱度、網媒監管度都對網絡輿情風險有影響。其中,對網絡輿情風險影響較為重要的是政府回應速度和信息公開程度。如圖10所示,在初始值(曲線3)的基礎上,將政府回應速度和信息公開程度分別上調20%,對應曲線1和2。

圖10 政府子系統作用分析圖
政府回應速度和信息公開程度對降低網絡輿情風險的作用很大,遠遠大于其他變量的影響,充分說明了政府公信力對網絡輿情傳播的決定性作用。
本研究構建了突發公共衛生事件網絡輿情傳播的系統動力學模型,并以新型冠狀病毒肺炎雙黃連事件進行仿真分析,研究得出三點結論。
第一,政府的公信力是影響突發公共衛生事件網絡輿情發展的關鍵因素。突發公共衛生事件發生后,政府對事件的處理能力、信息的公開程度以及回應速度與態度等,經網媒收縮或放大并形成針對政府公信力的網絡輿情,雙黃連搶購、武漢病毒所質疑、武漢紅十字會救災不力等事件從不同側面反映了政府公信力對疫情網絡輿情傳播的關鍵作用。
第二,受衛生類疫情的專業性、成因未明等制約,突發公共衛生事件在暴發初期往往充滿不確定性,事件發展的過程中輿情主體、輿論熱點不斷變化,往往伴隨著多次“反轉”,互聯網發展大大縮短了輿情的生命周期,因此,突發公共衛生事件爆發初期是政府輿情干預的最佳時期。
第三,社交媒體對于疫情網絡輿情的產生、發展及消解起到重要的導向作用??梢哉f,突發公共衛生事件網絡輿情治理本質上就是社交媒體的治理。疫情發生后,社交媒體和社交直播經由網絡意見領袖的積極發聲,形成了廣泛輿論的“二級傳播”模式,極大地點燃了輿情熱度。
根據研究結論,在突發公共衛生事件網絡輿情治理措施實施上得出三點建議。
第一,明確疫情輿情科學傳播、健康傳播、危機傳播中科技界和學術界的主體作用。應鼓勵科研機構、科技工作者尤其是公共衛生領域的專家學者利用內容媒體(如傳統媒體)、關系媒體(如兩微一端)、服務媒體(如網絡工具)的網絡綜合傳播平臺,用數據、病例形成對輿論場的知識型引領,并嘗試實施信息分級制度,以降低民眾甄別信息的困難度。
第二,政府對網絡謠言的處理要科學適度。根據造謠者動機劃分,疫情期間的謠言大致可分為誤解性謠言、牢騷性謠言和攻擊性謠言三類。對前兩類政府的工作是及時辟謠,不僅不必追究查處傳播鏈,還應將其視為民意窗口加以研判;而對于攻擊性謠言,不能依靠輿論場的自我凈化功能,而是要嚴厲批駁,視輿情負面傳播的影響力和破壞程度依法制裁,維護傳播領域公序良俗。
第三,盡早設立官方權威平臺,統一發布疫情信息。疫情發生后媒體最重要的工作是搶發新聞、爭取獨家報道,而忽略了向民眾傳播真實、有價值的疫情信息,出現了“自媒體高于社交媒體,社交媒體高于官方媒體”的怪現象,因此統一口徑,統一平臺,統一報道勢在必行。