突發公共衛生事件中政務微博影響力分析

吳康斌 顧鋒

摘 要： 每一次突發性公共衛生事件，都會對社會經濟民生造成巨大影響。在應對突發性公共衛生事件時，確保信息暢通尤為重要，政務微博在此環節中發揮了重要作用。針對公共衛生事件爆發期間政務微博數據進行分析討論，構建了政務微博影響力評價體系，提出了政務微博在應對公共衛生事件時的工作建議。基于國內最大的微博平臺——新浪微博，以28個省級行政區新聞辦公廳微博賬號為研究對象，利用python爬取了相關數據，通過主成分分析法構建了政務微博影響力評價體系，由創造力指標、推動力指標、互動性指標和傳播力指標四個一級指標，二級指標則由關注數、粉絲數、原創微博數量等12個指標構成。針對主成分分析結果通過聚類分析法對28個政務微博影響力進行評價和比較。發現我國政務微博水平整體呈金字塔結構，發展存在不均衡不全面的問題，未來在應對公共事件時，要加強政務微博之間的信息互通以及和受眾之間的互動。

關鍵詞： 政務微博;主成分分析;聚類分析

中圖分類號： C 933; C 934

文獻標志碼： A

Analysis on the Influence of Government Microblogs inPublic Health Emergencies

WU Kangbin GU Feng

（Antai College of Economics and Management， Shanghai Jiao Tong University， Shanghai 200030， China）

Abstract： Every public health emergency will have a huge impact on the social economy and people′s livelihood. In response to emergencies of public health， it is particularly important to ensure the smooth flow of information， and government microblogs have played an important role in ensuring the accurate and timely disclosure of information. After analyzing and discussing government microblog data during the epidemic period， we build the influence evaluation model of government microblogs and make suggestions for government microblogs in response to public health emergencies. Based on Sina Weibo， the largest microblog platform in China， we studied 28 provincial government microblogs during the epidemic， used python to crawl relevant data， and constructed the influence evaluation model of government microblogs through principal component analysis. The influence evaluation model consists of four primary indicators： creativity indicator， motivation indicator， interactivity indicator and spreading indicator. The secondary indicators include the number of followers， the number of fans， the number of original microblogs and many others. 28 government microblogs are evaluated and compared through cluster analysis according to the results of principal component analysis. We find that most government microblogs have low influence and the current development of government microblog is uneven and incomplete. It is necessary to strengthen the information exchange between government microblogs and the interaction with users.

Key words： government microblog; principal components analysis; cluster analysis

我國《突發性公共事件條例》中將突發公共衛生事件定義為突然發生，造成或者可能造成社會公眾健康嚴重損害的重大傳染病疫情、群體性不明原因疾病、重大食物和職業中毒以及其他嚴重影響公眾健康的事件。在突發公共衛生事件中，信息不對稱容易造成民眾恐慌影響社會穩定，及時有效的衛生科普和輿論引導極為重要。當下，政務信息已經不滿足于傳統媒體單向傳遞形式。社交媒體技術作為一種提高公共服務質量的工具，被廣泛應用在政府工作中，政務微博就是典型代表。政務微博是指由黨政機構或者黨政機構官員開通的經過實名認證的發布政務信息、促進政府信息公開、加強官民交流、塑造新型政府、加強公共服務等內容的微博。我國現有微博平臺中以2006年正式上線的新浪微博為主要代表，至2020年3月日活用戶已達到5.5億，平臺用戶數量龐大傳播性高同時作為社交平臺又具備溝通性，許多組織入駐開設賬號以樹立組織形象提供更好的服務。 “湖南常德桃園縣人民政府官方微博”是我國第一個政務微博賬號。隨著我國政務公開工作的不斷推進，以及民眾政策參與意識的逐漸增強，政務微博已不再是星星之火。據《第45次中國互聯網絡發展統計報告》，截止2019年12月，經過新浪平臺認證的政務機構微博為13.9萬個，以各級政府機構、官員為主體注冊的政務微博，已成為政府傾聽民情、溝通民意、服務民生、提升社會管理水平的一種嘗試。在突發公共衛生事件抗擊戰中，無論是在國家衛健委的每日數據披露即各地動態數據的實時播報，還是在健康衛生知識的科普傳播，政務微博都發揮了重要作用。綜上，本文選定新浪微博平臺對政務微博展開討論。

1 微博平臺及用戶行為分析

通過對微博平臺進行分析，將該平臺的主要功能歸納如下：發布、轉發、評論、點贊、@、參與或發起話題。發布功能主要有兩種形式，一是原創內容發布，二是轉發其他賬號內容，在轉發的過程中可以對原微博內容進行補充或者評價以表達自己的觀點;轉發功能是指將其他用戶發表的內容轉發至個人主頁動態，其實也是另一種形式的發布;評論功能是指對平臺上的動態內容或者評論進行回復;點贊功能是指對平臺上的動態或者動態下的評論點贊;@功能是指在發布或者評論時提及其他用戶且該用戶會收到提醒;參與或發起話題是指在微博平臺上參與某一熱點話題討論，具體操作是通過發布內容時帶入話題標簽。

通過對多個政務微博賬號深入分析，我們將政務微博中用戶行為分為賬號主體行為和其他用戶行為。賬號主體行為主要有關注、原創微博發布、轉發微博、@其他用戶、參與話題。而其他用戶行為主要有對政務微博進行關注、對其發布的內容進行評論、轉發、點贊。從統計數據上看原創微博和轉發微博獲得的評論量、轉發量、點贊量存在明顯差距，原創微博獲得的評論量、轉發量、點贊量明顯更高。因而，本文后續討論中分別對原創微博、轉發微博的轉發、評論、點贊情況做討論。

2 實證分析

2.1 數據來源

此次新冠肺炎疫情持續時間長，最早爆發于湖北武漢后蔓延至各地區，為防止進一步擴散武漢宣布封城，隨后全國各省也紛紛啟動一級衛生響應。在政府、醫療和群眾等各方人員奮戰后武漢終于解除封閉，也意味著取得了階段性勝利。據此，本文以2020年1月23日至2020年4月8日為研究時段，值得注意的是，政務微博工作和城市網絡環境密切相關，在對具體政務微博進行評價時應當考慮到其所處的客觀條件，部分政務微博由于所處地區的特殊性其政務微博工作相對特殊不納入本文討論范圍，最終確定了28個省級行政區新聞辦公廳微博賬號作為研究對象。通過python爬取了關注數、粉絲數量、微博數量、原創微博數量、評論量、轉發量、點贊數、原創微博評論量、原創微博轉發量、原創微博點贊數、話題數和@數的相關數據。

2.2 主成分分析

在開展主成分分析之前，運用KMO 檢驗和Bartlett球形檢驗對樣本進行實用性及指標相關性檢驗。結果顯示，KMO指=0.607>0.6在可接受范圍內，Bartlett球形檢驗卡方近似值為324.382，顯著性水平P值=0.000<0.05。綜上所述，表明變量之間相關性顯著，可以進行主成分分析。

進一步計算各個主成分的貢獻率和累積貢獻率如表1所示。按照初始特征值大于1提取了主成分，其方差百分比分別為40.477%、22.344%、13.568%和9.384%，其總方差解釋累計為85.774%。即提取出的四個主成分基本可以全面反映原始數據信息，碎石圖也對此進行了印證。

對提取的四個主成分做進一步分析，從表2成分矩陣看，在第一主成分上，各指標均有一定載荷量，其中原創微博評論量、原創微博轉發量、原創點贊數、關注數、@數以及原創微博數量載荷量較高。原創微博是賬號主體一種創造性行為，@本身大多出現于原創微博內容中，而原創微博的轉發、評論、點贊則是用戶對于原創性內容的回應。所以將第一主成分命名為創造力指標;在第二主成分上，轉發微博數量、轉發微博評論量、轉發微博轉發量以及轉發微博點贊數有較大的載荷量，同時話題數也有一定的載荷量。以上指標主要是話題參與和轉發微博相關指標，主要反映了該賬號對于微博話題以及非原創性內容的推動放大傳播作用，所以第二主成分命名為推動力指標;第三主成分在粉絲數、轉發微博數量、原創微博點贊數、原創微博評論量、原創微博轉發量、轉發微博點贊數、轉發微博轉發量、轉發微博評論量上有較高載荷。其中轉發微博數量反映的是該政務微博賬號與其他賬號之間的互動行為，而關注成為粉絲、轉發、點贊、評論均是用戶行為，主要反映了該賬號粉絲的活躍度。綜上將第三主成分命名為互動性指標;第四主成分在轉發微博數量、原創微博轉發量以及轉發微博轉發量有較大載荷。這三項指標都圍繞著微博平臺的轉發行為，而轉發行為的根本目的則是讓內容在平臺更廣泛地傳播，所以將其命名為傳播力指標。

從表3成分得分系數矩陣可以得到政務微博影響力計算公式：

MI=0.405I1+0.223I2+0.136I3+0.094I4（1）

I1=0.155X1+0.141X2+0.139X3+0.011X4+0.167X5+0.112X6+0.164X7+0.078X8+0.161X9+0.122X10+0.089X11+0.143X12（2）

I2=-0.139X1-0.113X2+0.094X3+0.233X4-0.155X5+0.217X6-0.151X7+0.284X8-0.171X9+0.220X10+0.081X11+0.137X12（3）

I3=-0.121X1+0.134X2-0.341X3+0.248X4+0.178X5+0.172X6+0.093X7+0.172X8+0.171X9+0.125X10-0.439X11-0.257X12（4）

I4=0.028X1-0.177X2+0.156X3+0.515 X4+0.063X5-0.446X6+0.238X7+0.331X8+0.080X9-0.434X10+0.026X11+0.036X12（5）

計算結果如表4所示。

從創造力指標得分和排名可知，前五名分別是上海發布、天津發布、四川發布、云南發布和北京發布。具體來看，這五個政務微博原創微博數量均較高，也獲得了較多的網友回應。其中天津發布原創微博數量高達4000余條，并且靈活使用@功能直遞信息，而上海發布的原創微博則獲得了較高的評論和轉發。總體來看，這五個政務微博的原創微博在數量上和群眾回應上均都有較好的表現。

從推動力指標分析，排名前五的分別是天津發布、遼寧發布、四川發布、陜西發布和浙江發布。這五個政務微博的推動力較大，對于轉發微博內容有較好的放大傳播效力。其中遼寧發布轉發微博數量最多達到了1300余條，而四川發布轉發微博則獲得了較高的評論和點贊。目前，政務微博賬號之間轉發互動行為主要是出現在同一城市或者同一領域相關政務微博。政務微博賬號的推動力越大，越有助于政務信息傳播從而更好地服務群眾。

從互動性指標得分和排名來看，前五名分別是上海發布、遼寧發布、山東發布、精彩河南和四川發布。這五個政務微博均有較高的互動性，粉絲基數高也是其微博內容獲得較高轉發、點贊以及評論的原因之一。互動行為一方面有助于增加用戶粘性，另一方面有助于形象樹立。

從傳播力指標分析，前五名是上海發布、重慶發布、遼寧發布、云南發布、湖南發布。這五個政務微博的轉發行為較高，表現在賬號用戶主動轉發以及被動轉發即其他用戶轉發。轉發行為有助于提高政務信息在平臺上的曝光度，讓更多群眾了解獲悉相關信息。

從綜合得分排名分析，28個政務微博的影響力存在顯著差距。天津發布、遼寧發布、四川發布、上海發布、陜西發布依次位居前五，綜合發展良好。但是這五個政務微博在各主成分上的排名也出現了極端現象，例如上海發布在創造力指標排名第一但是推動力指標排名28。可見政務微博發展尚不全面，往往出現顧此失彼的情況。綜合排名靠后的政務微博分別是河北省人民政府、福建發布、海南發布、黔辦之聲和寧夏政務發布。這五個政務微博微博數量少且與其他用戶互動少，轉發評論點贊情況均不理想。在日后的政務微博工作中，需要增加賬號活躍度，以及加強微博用戶粘性，從而提升影響力。

2.3 聚類分析

為深入對比研究政務微博影響力水平之間的差異，本文根據主成分分析提取的四個主成分，即創造力指標、推動力指標、互動性指標和傳播力指標作為自變量對28個政務微博進行系統聚類分析。將聚類類別范圍設定為4～9，得到結果如表5所示。

如表中所示，4 clusters、5 clusters和6 clusters均有一類聚類數樣本量過大，超過總樣數的一半。對比7 clusters和8 clusters的結果，有五個樣本發生了變化，說明7 clusters的分類沒有足夠體現差異性。對比8 clusters和9 clusters，僅有一個樣本聚類發生了變化，且在9 clusters中有五個類別僅有一個樣本，分類過于分散。綜合分析，本文最終選定8 clusters的結果進行分析討論。

值得關注的是，系統分類結果中2、3、7和8類樣本數量均為1，分別是天津發布、上海發布、遼寧發布和四川發布。具體分析這四個政務微博發現它們綜合排名位列前四，之所以單獨成類是因其在各主成分表現出了極大的反差。在某個主成分排名第一絕對領先在另一個主成分則排名靠后，這導致最終系統分類過程中與其他樣本距離過大。比如天津發布推動力指標排名第一，創造力指標排名第二，而互動性指標和傳播力指標只有23、24名。這一方面體現了這四個政務微博在某些指標和綜合評價上的突出表現，同時也反映了不均衡發展的問題。因而，本文將這四個政務微博歸為絕對領先類。

第二類是綜合優秀類，有北京發布和陜西發布，在創造力指標、推動力指標、互動性指標和傳播力指標上排名分別是5、12、18、26和6、4、17、25，綜合排名位5和7。這說明這兩個政務微博在四個指標上盡管存在一定差距但是沒有極端現象，憑借較高的創造力和推動力得分獲得了較高的綜合排名。

第三類是綜合良好類，有重慶發布、湖北發布和云南發布，在四個主成分排名分別是8、27、15、5和17、6、21、3以及4、25、22、4。在綜合排名上分別位列9、10、6。可以看出在推動力指標或互動性指標上排名均相對靠后，但在其他指標上表現優勢明顯，總體上表現較好。

第四類是綜合中等類，有山西發布、微博江蘇、江西發布、甘肅發布和新疆發布。這一類政務微博在互動性上排名靠后，其他指標上排名雖無領先但整體靠前。建議這幾個政務微博工作加強互動，提升用戶粘性。

第五類是綜合落后類，這一類數量較多聚集了14個樣本，分別是河北省人民政府、吉林發布、黑龍江發布、浙江發布、安徽發布、福建發布、山東發布、精彩河南、這里是湖南、廣東發布、海南發布微博、黔辦之聲、青海發布和寧夏政務發布。這一類政務微博的各主成分排名以及綜合排名均不太理想，創造力指標和推動力指標排名落后顯著。這14個政務微博需要在工作中做進全面調整，以提升綜合水平。

3 結論

本文將原創性內容與轉發性內容進行了分開討論，在此基礎上提取了創造力指標、推動力指標、互動力指標和傳播力指標。在此次公共衛生事件中，政務微博影響力整體上呈現金字塔結構，底層數量較大有14個政務微博占總體50%，頂層和中層數量較少。總體來看，發展相對落后的14個政務微博需要對以往工作進行總結問題思考對策，比如個別政務微博存在發布不積極、信息過少等問題，同時也需要借鑒和學習優秀政務微博的長處。而處于頂層的政務微博發展存在不全面的問題，各指標得分排名反差大，未來工作中要大力補足短板，提高整體水平。未來在應對突發公共衛生事件時，政務微博要注意加強政務微博之間的信息互通，加大信息的曝光度，同時要加強與受眾之間的互動，可以通過投票、提問等方式引導其參與互動以提高用戶粘性。

政務微博本質是政務服務，公眾滿意度也是衡量其工作績效的重要指標，由于條件所限，本文未能就此展開討論。同時受限于數據獲取，未將私信數量、閱讀量、賬號主體發出評論數量等非公開數據指標納入討論，政務微博與受眾的互動也局限于被動互動行為。未來可以嘗試與政務微博合作開展研究，將非公開數據納入變量進行研究討論。

參考文獻：

[1] 新華網. 突發公共衛生事件應急條例[J]. 河北省人民政府公報（3期）：1-3.

[2] OLIVEIRA G H M ， WELCH E W . Social media use in local government： linkage of technology， task， and organizational context[J]. Government Information Quarterly， 2013， 30（4）：397-405.

[3] 陳靜， 袁勤儉. 國內外政務微博研究述評[J]. 情報科學， 2014， 32（6）：156-161.

[4] 白建磊， 張夢霞. 國內外政務微博研究的回顧與展望[J]. 圖書情報知識， 2017， 000（003）：95-107.

[5] 趙阿敏， 曹桂全. 政務微博影響力評價與比較實證研究——基于因子分析和聚類分析[J]. 情報雜志， 2014（3）.

[6] 劉清， 彭賡， 呂本富. 基于主成分分析法的微博影響力評估方法及實證分析——以"新浪微博"為例[J]. 數學的實踐與認識， 2014（4）：49-56.

[7] MAGRO M J . A review of social media use in e-government[J]. Administrative Sciences， 2012， 2（2）：148-161.

[8] 王亞民， 寧靜， 馬續補. 基于社會化媒體的公共政策輿情預測研究[J]. 情報理論與實踐， 2019， 41（3）：87-93.

[9] 陳明. 政府應對突發事件輿論引導研究[D]. 華中科技大學.