基于社交媒體輿情分析的突發公共衛生事件社區應急管理項目實施情況研究

肖超 施騫 林沛昕

突發公共衛生事件具有危害嚴重、難以預測、突然發生、蔓延迅速、影響廣泛、起因多樣等特點，極易引發不良連鎖反應，對人民生命財產安全、社會經濟和諧發展等構成嚴重威脅。為有效應對突發公共衛生事件，提升應急管理精細化水平，應重點關注社區這一應急管理最基礎的空間單元，充分發揮社區應急管理項目在應急管理體系中的關鍵作用。在新型冠狀病毒肺炎疫情期間，通過對社區應急管理項目關鍵措施的新浪微博的內容與評論的情感分析，可以對從公共視角出發的社區應急管理項目的實施情況進行評價。不同地區疫情的嚴重程度與疫情的發展階段均與公眾對社區應急管理項目實施情況的情感評價呈現相關性。為了有效提升社區應急管理項目的實施效果和公眾滿意度，結合疫情演化實際與社區異質化屬性，在未來實踐中采用智能化技術的優化措施值得被重視和推廣。

突發公共衛生事件; 社區應急管理項目; 情感分析; 時空演化

C939A011411

一、 引 言

突發公共衛生事件是指突然發生，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。 [1] 由于突發公共衛生事件具有危害嚴重、難以預測、突然發生、蔓延迅速、影響廣泛、起因多樣等特點，極易引發社會各行各業的不良連鎖反應，對人民生命財產安全、社會經濟和諧發展等構成嚴重威脅。 [23] 因此，及時啟動相應的應急管理項目，有效優化整合各類社會資源，實現不同職能管理部門之間的有效協作，才能確保將突發公共衛生事件造成的損失降到最低。突發公共衛生事件應急管理項目需要完整的系統網絡，任一環節出現問題都將擴大事件的危害。我國采用“國家—省—市—縣”四級組織體制作為縱向系統，以縣級疾病預防控制中心作為突發公共衛生事件應急網絡的“網底”。 [4] 然而發生突發公共衛生事件時，社區往往才是疫情防控最直接的場所，尤其在本次新冠病毒疫情中，武漢乃至全國許多社區在疫情防控中均發揮了關鍵作用。以往經驗與研究表明：政府在突發公共衛生事件來臨時獨自應對的壓力較大，應積極實施基層措施，與基層共同應對突發事件。例如，社區物業可以發揮基層組織動員和溝通作用，緩解生活保障物資的暫時性短缺，或通過醫療資源下沉，強化基層在醫療基礎環節的能力，實現社區分散診斷與醫院集中治療，避免人群在醫院盲目匯集造成交叉感染。 [5]

2020年2月7日，民政部印發的《致全國城鄉社區工作者的一封信》中指出“社區防控是疫情防控的基礎環節，是打贏疫情防控阻擊戰的決定因素”。隨著突發公共衛生事件應急管理水平的不斷提高，應急網絡的“網底”應不再僅是縣級行政單位，而應包括以社區為最基礎的空間單元，需要充分發揮社區應急管理項目在整個應急管理體系中的作用，有效防控突發公共衛生事件。然而，目前鮮有對社區級應急管理項目的深入研究。因此，本文采用社交媒體輿情分析的手段，從社區居民在應急管理期間真實需求的角度出發，將應急管理需求與社區應急項目規劃實施相結合，對突發公共衛生事件的社區應急管理項目進行系統研究，以期有效提升應急管理的效率與精細度，同時提升社區治理能力。

二、 文獻綜述

2003年非典型肺炎（SARS）疫情之后，突發公共衛生事件成為應急管理與公共管理的主要議題，針對公共衛生體系存在問題的系統分析與解決的研究相繼涌現。如：有關研究指出在SARS疫情期間存在應對機制不健全、政府投入不足、疾病控制體系應對能力差、農村衛生工作不到位等主要問題。 [67] 為了應對上述問題，現有研究聚焦突發公共衛生事件應急管理體系及其運行機制的建立與優化 [89] ，以及相關法律的完善、應急預警體系建設、疾控機構與衛生監督機構的應急能力評價等方面 [1011] 。另外，也有眾多學者提出要加強基層與社區應急管理，如：梁囡囡指出我國突發公共衛生事件管理中存在崗位繁雜與管理權限模糊化、忽視基層應急管理的問題，應積極引導基層社會大眾參與到突發公共衛生事件處理與監督中。 [12] 楊保軍提出要以“15分鐘生活圈”建設為契機，將社區拓展為疫情防控的基礎空間單元。 [5] 李宏偉等提出應急管理除了要以政府為主導，還要充分發揮社會組織的作用，及時向疫區群眾提供援助，增強對捐贈物資的有效管理，完善社會信任體系。 [13]

社區作為疫情防控鏈條的最基本單元，不僅是疫情聯防聯控的第一道防線，更是疫情防控的最后一道承壓閥門，是外防病例輸入、內防病例擴散最有效的防線。在基層防控能力建設方面，徐磊青提出社區阻擊戰有加強社區建設、發動志愿者行動、構建社區防疫合作關系、有效利用社區資源四個方面的作用。 [14] 唐文波指出基層社區的防控能力建設應著重考慮“責”“嚴”“實”“準”四個方面。 [15] 在社區防疫措施方面，李多靈等將社區防疫工作分為外部防控與內部防控兩類：外部防控措施有入口登記、體溫測量、建設消毒通道、外來人員管理與發放出入通行證等;內部防控措施包括社區內消毒、物資采購、口罩發放、防疫宣傳等。 [16] 任江媛從摸底排查、防疫宣傳、物資采購與數字化技術等角度對如何化社區治理優勢為社區防疫效能進行了系統分析。 [17] 在社區智慧防疫技術方面，梁浩等指出：綠色數字人居技術在社區防疫中具有較強的風險預測能力與管控能力、能減少人力資源與人員接觸、提高管理的即時性與效率等優勢。 [18]

除上述綠色信息技術外，媒體也是應急管理風險溝通的重要途徑，各種社交平臺例如美國的Twitter和中國的新浪微博已成為公眾獲取和發布突發公共衛生事件在內的各種重大事件相關信息與觀點的重要渠道。因此，探究如何有效利用社交媒體進行風險溝通與輿情分析對于解決突發公共衛生事件具有重大意義。近年來，學者們采用機器學習與大數據的手段進行社交媒體網絡輿情分析，為突發事件應急管理提供決策支持，主要用到的分析方法有文本情感分析、可視化分析、主題建模、主題演化和時序分析等 [1920] 。在新冠疫情中，新浪微博熱搜榜信息被用來分析公眾對于COVID-19相關事件的關注情況 [21] ;微博轉發關系被用來構建突發公共衛生事件利益相關者的社會網絡情感網絡圖譜等 [22] 。

國內外學者在突發公共衛生事件應急管理研究上已取得了豐富的成果，但仍有待提升。例如，在研究對象方面，目前仍缺少關于如何開展社區應急管理項目的系統研究。關于應急管理現存問題，現有研究少有從民眾訴求這個視角進行研究，忽視了應急風險溝通的雙向性，限制了基層應急管理項目的有效實施。因此，本研究通過收集與分析新冠疫情期間新浪微博發布的有關社區應急管理項目措施與實施成效的看法，對社區應急管理項目進行實證分析。研究采用基于樸素貝葉斯分類與情感詞典的情感分析模型，探究公眾對突發公共衛生事件社區應急管理項目的關注度與情感態度傾向，并對社區應急管理項目進行時空比較研究;從民眾需求的角度出發，探討我國目前突發公共衛生事件社區應急管理項目規劃與實施中的不足，為未來社區應急項目的開展提供策略支持。

三、 微博數據采集與情感分析模型

（一）微博輿情數據采集與文本預處理

本研究的原始數據采集自中國最大社交媒體平臺之一的新浪微博，單條微博可采集的屬性主要包括內容屬性、評論屬性、用戶屬性和關注度屬性，其中用戶屬性分為認證用戶與非認證用戶兩類。認證用戶發布的微博多為新聞，新聞微博多為態度中立、沒有強烈感情色彩的文本，此類微博下的評論是公眾對該條新聞的看法態度，因此本研究在分析新聞微博內容的關鍵詞并提取主要信息的同時，還對評論內容進行情感態度分析。而非認證用戶則通過發布原創微博表達對某個特定話題的情感態度與個人觀點，本研究對此類微博提取其內容的核心關鍵詞，并對文本進行情感分析，同時提取其發布時間，然后結合各個疫情事件節點及政策、規定發布的時間節點，分析輿情演化時序。基于上述分析，本研究針對不同微博用戶屬性提取不同的微博輿情屬性，見表1。

本研究結合李多靈、徐磊青等人對社區防疫與應急管理項目措施的研究 [14][1617] ，將社區應急管理項目中的關鍵措施概括為封閉管理、體溫測量、入口登記、人員排查、清潔消毒、通行證發放、防疫宣傳、物資采購、口罩發放共九種，對每類措施均選取一到三種常見相關詞語進行搜索。將應急管理項目實施措施相關詞與“小區”和“社區”這兩種代表社區的詞語組合形成36組搜索關鍵詞組，以確保數據爬取結果的全面性。本研究的微博搜索時間跨度為2020年1月1日至2020年4月30日（共計120天），此為國內新冠疫情暴發的高峰期與防控的關鍵時期;以6小時作為單條URL時間跨度，共創建34560條URL鏈接用于爬取微博輿情信息;按照圖1流程對原始微博數據文本進行去除噪聲、中文分詞、去除停用詞等預處理，獲取規范且不含無用信息的文本進行后續分析。

（二）基于SnowNLP和情感詞典的情感分析模型構建與驗證

SnowNLP是一種通過樸素貝葉斯分類算法對文本進行“積極”與“消極”分類的情感分析方法。對于一個文本x，該模型在對其進行分詞后，篩選出x中包含的有義詞語 w1，w2，w3，……，wn， 預測模型的目標是將x分類至積極（p）或消極（n）兩類中的一類。依據樸素貝葉斯原理，這個二分類問題可以被簡化為一個簡單的概率比較的問題：

output=max{ P（p|w1，w2，w3，……，wn），

P（n|w1，w2，w3，……，wn ）}（1）

即辨別輸入文本屬于積極的概率和屬于消極的概率的大小關系，若屬于積極的概率更大，則預測判斷為積極，否則判斷為消極。

由于基于SnowNLP的情感分類模型僅將文本分為“積極”與“消極”兩類，并不能很好地判斷公眾在該文本中表達出某類情緒的原因有哪些。因此，在上文構建模型的基礎上，研究參考大連理工大學林鴻飛團隊整理的中文情感詞匯本體庫作為模型采用的情感詞典，將詞語分為“樂”“好”“怒”“哀”“懼”“惡”“驚”七大類 [23] 。本研究采用基于情感詞典的七分類模型計算每一條微博文本中七大情感分類的分值，以便對公眾對于社區應急管理項目實施情況的情感與判斷進行更細致的分析。對情感分類分值的計算邏輯為：

Score class i? =count （W∈class i ）*（-1） N （2）

其中，Score（class ?i ）為情感分類 i的分值，為i分類情感詞語在該文本中出現的次數;N為i 分類情感詞語前的否定詞數量。至此，可以得到每個文本中七大情感分類的分值，模型結果中分值最大的情感分類即為該微博文本所表達的主要情感。這一模型的結果能為后續社區應急管理項目的評價帶來更細節的數據支撐。

研究使用隨機篩選出的1000條評論數據作為測試數據集進行模型驗證，根據準確率（Accuracy）、召回率（Recall）、精確率（Precision）和F1分數來驗證采用情感分析模型的可靠性和有效性。SnowNLP情感分類模型的準確率、召回率、精確率和F1分數分別為0.86、0.90、0.78和0.84，表明在評論數據的情感屬于積極還是消極這個二分類問題上，SnowNLP算法模型的預測結果有著較好的表現。在1000條測試評論數據中，443條評論數據由于語句短、詞匯少且沒有明確語義被情感詞典算法判斷為“無法預測情感分類”。進一步關注剩余557條能給出情感細分結果的數據，測試結果表明410條數據的真實情感分類與情感詞典模型預測結果是一致的，準確率達到74%，借此驗證了使用此方法分析評論數據情感分類的有效性和可靠性。

四、 結合時空演化的社區應急管理項目關鍵措施實施效果研究

本研究結合上文構建的情感分析模型對九類社區應急管理項目措施的公眾感情態度進行統計分析，進而對各類社區應急管理項目的開展情況進行評價。本研究還通過結合微博輿情數據中的“時間屬性”與“地區屬性”對模型結果進行進一步的時空演化分析，以總結社區應急管理項目各類措施實施中存在的問題與提升策略。

（一）基于情感分析模型的描述性統計分析

應用SnowNLP情感分類模型，對九類社區應急管理項目關鍵措施相關新聞下的評論與個人原創微博進行情感分類，并將各類措施情感分數（剔除等于0.5的中性評論）按極端積極（大于0.9）、一般積極（大于0.5且小于等于0.9）、一般消極（大于等于0.1且小于0.5）和極端消極（小于0.1）分為四類，模型情感分類描述性統計結果和情感分數統計結果見表2與表3。

從統計結果可見，新聞下的評論文本情感分值分布結果更為分散，而個人發布原創微博通常是用戶個人對某一類事件有強烈情感或明顯態度傾向的主動發布，因此其情感分值呈現極端值集中，且在新冠疫情中個人微博情感態度更偏向消極。

公眾對“口罩發放”這一措施較少存在負面情緒，在疫情初期防疫物資短缺時，這一措施最直接地為居民提供了防護物資，因此公眾情感態度較為積極。此外，新聞評論內容數據顯示，公眾對“封閉管理”“入口登記”“通行證發放”以及“體溫測量”四類措施具有較強的負面情緒，且極端消極分值的個數大于極端積極分值。個人原創微博情感分析則顯示，除去“口罩發放”外的八種措施，用戶情感分析數據大多集中在極端值位置，且極端消極的頻率顯著大于極端積極的頻率。

基于情感詞典的七種情感分類，將“樂”“好”“驚”定義為積極情感，將“怒”“哀”“懼”“驚”定義為消極情緒。進而，研究采用情感詞典模型分析了新聞評論與原創微博中公眾對九類社區應急管理項目關鍵措施的情感類型細分，結果見表4。對于不同社區應急管理項目關鍵措施的積極情感主要表現為“好”，消極情感則主要表現為“惡”，在消極情緒中“怒”占比最少。根據前文，公眾對“封閉管理”“入口登記”“通行證發放”和“體溫測量”這四類措施的消極情緒居多， 因此結合情感詞典，本研究將對這四類措施的消極情緒進行重點分析。公眾對這四類措施的負面情緒均以 “厭惡”為主要特征情緒，這一情緒主要來自：小區封閉帶來的生活不便，如生活物資采購、快遞收發、停車位不足等問題;對于小區并未嚴格實行憑通行證出入或渴望出行自由而產生的厭惡情緒;以及對測體溫這類措施過于形式主義的負面情緒等。

結合上述兩個模型的分析結果可見，公眾對于新冠疫情暴發集中期應急管理項目所采取的各類措施普遍持消極態度，為了進一步分析消極情緒的產生原因與改進措施，研究進一步結合微博數據的地理和時間標簽，進行相關性與回歸分析，對公眾情感態度傾向進行時空演化并探討其原因，為社區應急管理項目的實施提供有針對性的提升建議。

（二）結合地理標簽的社區應急管理項目實施情況評價

新聞微博具有特定地理位置，在研究收集到的95004條個人數據中，獲得有效用戶地理信息共計76776條數據，結合每條數據的地理屬性與新冠疫情的分布地圖，對社區應急管理項目在全國各地區的情感分值與話題熱度分布進行地理統計分析。研究以疫情累計確診人數占該省人口比重來衡量各省新冠疫情的嚴重程度，以每個省份發布社區應急管理項目相關話題的原創微博數量作為該地區的話題熱度。將微博內容的情感打分結果與微博地區屬性結合，并以各省區市所有微博的情感均值作為該省情感分值，使用K-均值聚類算法對34個地區分別進行聚類分析，按照情感由消極到積極分成五類區域。結果顯示：消極區域為湖北、重慶、香港，較消極區域為湖南、山西、吉林、江蘇、廣東、海南、云南、澳門，中性區域為北京、上海、天津、山東、安徽、廣西、陜西、寧夏，較積極區域為河北、內蒙古、遼寧、河南、浙江、江西、貴州、西藏、臺灣，積極區域為黑龍江、甘肅、青海、新疆、福建、四川。運用方差分析和事后比較的方法對聚類分析結果進行顯著性檢驗，方差分析顯示 F 值為361.361，顯著性小于0.05，五類區域對社區應急管理項目的情感分值存在顯著差異，表5中事后比較結果也驗證了五類區域彼此間的顯著性差異。

對于社區應急管理項目話題關注度、情感分值與疫情嚴重情況進行相關性分析，結果見表6，可得兩條一般規律：疫情嚴重程度與情感分值呈負相關，疫情嚴重程度與話題熱度呈正相關。而不符合上述兩條一般規律的省區市則應成為研究社區應急管理項目實施情況需要重點考察的對象，具體分為以下四類：（1）疫情較為嚴重，但卻具有較高的情感分值，即社區防疫項目實施情況較好的地區，如浙江、黑龍江與臺灣等地。（2）疫情嚴重程度值低，但卻具備較低的情感分值，在社區應急管理項目實施上還有待改進提高，如山西、吉林、云南等地。（3）疫情較為嚴重，但其話題熱度較低的省份，民眾對社區層面的防控意識較為欠缺，如香港、澳門、海南、臺灣等地。但考慮到香港、臺灣、澳門等地的居民并不是以新浪微博平臺作為主要的社交平臺，因此可排除考慮。（4）疫情嚴重程度值低，但話題關注度高，民眾對社區應急管理項目較為關注，如廣東、江蘇、四川、河北等地。

（三）結合時間標簽的社區應急管理項目實施評價

針對研究選取的95004條個人原創微博與46656條新聞微博評論，以每周內所有微博的情感分數均值作為該周情感值，分析微博文本情感態度的時間演化趨勢，微博文本的情感分值變化與疫情持續時間的回歸分析見圖2。

結合線性回歸ANOVA分析，可見公眾對于社區應急管理項目的情感分值與疫情的持續時間呈顯著正相關，隨著疫情的持續，公眾情感分值總體呈現上升趨勢。結合公眾情感變化曲線的走勢與國內疫情確診人數的數據，公眾的情感分值變化分為三個階段。

（1）情感分值穩步上升階段：2020年1月20日至3月9日，該階段新聞下評論的情感分值由負面轉向正面;個人主動發布微博的情感分值在這一階段呈現出略微下降后快速上升的趨勢，并在3月9日達到最高值。該階段為國內疫情暴發期，現存確診與新增確診人數變化的拐點都出現在這一階段，即在該階段內國內疫情分別經過了嚴峻期與逐步恢復期，這為個人原創微博在疫情嚴峻期出現情感分值略微下降趨勢提供了解釋。

（2）情感分值波動階段：2020年3月9日至4月6日，該階段的微博數量只占本次研究數據集的17.3%，且微博話題數量相較上一階段明顯減少，因此情感分值易受到特殊事件與個別話題的影響。該階段情感分值發生波動，但總體仍呈上升趨勢，原因主要為境內疫情已大體穩定時，境外輸入病例讓公眾情緒出現焦急反復。

（3）情感分值穩定階段：2020年4月6日至4月30日，該階段民眾的情感態度保持基本穩定。該階段境外輸入病例基本得到控制，此外未出現其他影響民眾對社區防疫情感態度發生變化的重大事件，因此公眾情感態度基本平穩。

五、 突發公共衛生事件社區應急管理項目實施改善建議

（一）基于疫情不同發展階段的社區應急管理項目實施提升建議

從上一章分析結果可見公眾對社區應急管理項目的部分關鍵措施的情感態度在疫情發展各個階段呈現顯著不一致性。公眾對于“封閉管理”措施，在情感分值變化的三個階段分別經歷了“懼怕”到“厭惡”再到“懼怕”的過程，關鍵詞提取的分析結果顯示：在疫情發生期間，社區采取封閉管理過程中仍存在如居民生活物資短缺等問題。在疫情嚴峻期，由于公眾的“懼怕”情緒占主導，實施社區應急管理項目的同時也應考慮安撫居民的擔憂與懼怕情緒，如開通疫情心理守護電話，為居民提供心理疏導、情感支持、認知調整等服務。在封閉管理的全過程中，因封閉帶來的生活不便始終存在，因此還應將保證居民基本生活物資的供應作為工作重點，如在社區的超市內搭建生鮮便利服務站，或由社區工作人員統一進行物資采購并提供送菜上門等服務。此外，還應特別關照如老年人等不熟悉互聯網使用的人群，對其提供送餐送藥、提供生活用品等服務。

公眾對于“通行證發放”措施的主導情感態度經歷了從“懼怕”到“哀傷”再到“厭惡”的過程。在疫情嚴峻期，公眾的“懼怕”特征情緒主要來自對社區應急管理項目實施監管不力、把控不到位的擔憂。此時各社區管理主體應嚴格遵循相關規定，制定應急管理項目策略并嚴格把控實施過程，對存在出行需求的人員，如醫療、交通等行業的從業人員，在確保其符合要求后應及時發放通行證。在疫情恢復期，居民都已復工，對于居民的通行證發放與審核應在保證嚴格的前提下靈活變通。在疫情平穩期，公眾的“厭惡”情緒成為主導情緒，尤其是在疫情低風險區域，這種情緒主要來自該措施造成的日常生活不便。對此，在疫情穩定階段也應及時調整應急管理項目的實施策略，如在疫情低風險地區可考慮對出入通行證的審核進行適當放寬。

（二）針對社區異質性的應急管理項目實施提升建議

社區因其空間屬性及社會屬性的不同而存在異質性，不同特性的公眾在同一時間階段、對于同一應急管理措施可能具有完全不同的態度。例如，有用戶反映小區采用橫幅等傳統宣傳模式過于老舊，應充分利用微信公眾號進行推送;但同時也有住戶反映，小區完全不張貼橫幅或告示，使得家中老人難以及時了解疫情發展情況，忽視疫情防控的重要性。為應對此類現象，不同類型的社區在應急管理項目實施上也應有不同的工作重心。年齡結構、戶籍結構、人口密度是影響社區應急管理項目實施的主要因素，應根據社區異質性合理規劃有限人力物力，實現社區應急管理項目實施效率的最大化。

老年群體免疫力差且常伴慢性基礎疾病，在社區應急管理項目實施中應被視作重點關注對象。同時，老年群體的信息來源渠道主要為時效性較低的傳統媒體，難以及時獲得有關疫情的最新消息，在疫情發展初期，他們警惕性較低，且難以通過互聯網手段在封閉管理期間獲取生活和防疫物資。老年群體中又常存在獨居老人和生活難以自理的群體，在疫情期間需要獲得特殊照顧。因此，老齡化社區應將應急管理項目實施重心放在老年群體的需求上。在醫療資源上，可考慮引導醫療資源向社區醫療服務機構流動;在防疫宣傳方面，社區工作人員可同時使用普通話與方言進行宣傳，重點注意向老年群體普及防疫知識;在物資提供上，社區應對獲取物資存在困難的群體提供特殊幫助，如登記存在慢性疾病的老年群體的健康情況與用藥需求，保障其醫療物資;在疏導慰問方面，應保障老年群體的心態健康，在疫情嚴峻期間應注意緩解老年人群體的緊張情緒。此外，對于獨居或生活不能自理的老人，可考慮動員居委會、物業公司、志愿者組織等實行上門幫扶。而對于非老齡化社區，可考慮將服務更多地轉向采用線上及數字化手段，將節省的人力分配在老年群體身上或是調配至老齡化社區以保障應急管理項目的順利實施。

新冠疫情發生在春節期間，伴隨著春運與返工大潮，以外來常住人口為主的社區應將應急管理項目實施重心放在社區大面積排查與流動居民的信息登記上。對于接受返鄉返城人員的社區，更需要對住戶的歷史行程、接觸者、健康狀況等信息進行收集，以便后續的重點監測。對于兩類人群混住的社區，應對不同風險類型的住戶進行精細化管理，對高風險人群進行重點管控的同時也應呼吁居民不應排斥高風險人群。疫情期間，社區應注重防止人員聚集，對于高密度社區，應提高對公共區域的消毒頻率并管控公用設備的使用人數，如可通過使用電梯攝像頭智能識別乘坐人數，若超出限制人數則自動跳層，實現“人防”與“智控”的有效聯動。對于低密度社區，物業人員可將重心放在生活物資的采購、發放、防疫知識宣傳等方面，有效利用有限的人力資源。

（三）結合智慧化技術的應急管理項目實施提升建議

由于部分應急管理項目措施實施過程中會對公眾造成不便，公眾會產生消極情緒，尤其是在后疫情時代，對某些措施的消極情緒會更明顯。因此，在社區應急管理項目的實施過程中應重點考慮實施過程中盡可能減少對公眾正常生產生活的影響。在新冠疫情防控中，許多社區都采用社區防疫二維碼、出入口控制系統、紅外測溫設備、非接觸式電梯控制技術等智慧技術推動應急管理項目的實施，這既提升了社區疫情防控水平，同時又實現了應急管理措施的便捷化和無感化，有效緩解了公眾的消極情緒。結合云計算、物聯網、人工智能等手段的防控措施既能高效實現對重點監測人員的信息采集，然后通過對接街道、縣級疾控中心等上級有關部門的疫情防控平臺實現數據互通，降低社區工作人員上門排查而交叉感染病毒的風險，同時也能解決社區工作人員數量不足、人力物力資源匱乏的問題。針對外部防控管理，對出入口管理、測溫等社區應急管理措施可采取數字化手段進行優化，如采用非接觸式門禁設備、實現無感測溫等，有效應對居民對防控措施的“厭惡”與“懼怕”情緒。在內部防控環節，可使用自主移動消毒機器人等對病毒存在可能性高的區域如垃圾桶、電梯等進行消毒，既提高消毒效率，又保障社區工作人員的安全;通過智能化手段檢測電梯的使用頻率，在人力物力資源有限的情況下，可通過分析電梯使用情況有序安排電梯消毒工作頻次，提高資源使用效率等。

六、 結論與啟示

本研究使用爬蟲技術抓取新浪微博上與社區應急管理項目九類關鍵措施相關的新聞評論與個人原創微博輿情數據，構建了基于SnowNLP的情感打分模型與基于情感詞典的情感七分類模型，基于措施類型與時空因素，對突發公共衛生事件社區應急管理項目的實施效果進行系統分析，討論不同時空演化下公眾對社區應急管理項目實施的關注度與情感態度的不同，結合疫情數據與關鍵詞提取技術分析社區應急管理項目實施中存在的問題，并分別從疫情演化、社區異質性和智慧化技術三個角度對社區應急管理項目的實施提出有針對性的提升建議。

但受限于微博數據的特點和有限時間內數據獲取的局限性，研究仍存在諸多不足之處，可在后續研究中加以改進。由于數據集來自新浪微博，輿情分析的對象主要為微博平臺的使用者，因此忽視了對新浪微博使用頻率低、甚至不使用的老年人等群體。此外由于香港特別行政區、臺灣等地區的主流社交媒體并不是新浪微博，因此對于這些地區民眾的情感態度數據有所缺失。本研究所采用的情感七分類模型還不能有效地識別出新浪微博平臺上的網絡用語及諷刺語氣，因此模型結果中存在大量的“無感情偏向”文本。在今后的研究中，可以考慮預先提取一部分與話題相關的微博文本進行訓練，使得情感分析的結果更適用于社交媒體平臺;同時，對于數據不可得的人群或地區可以考慮采用問卷調研的方式進行補足，保證數據集的完整性。

[1]中華人民共和國國務院. 突發公共衛生事件應急條例[Z]. 20110108.

[2] 李望晨， 王園園， 張利平. 我國衛生應急工作特點及其體系建設研究進展[J]. 中華衛生應急電子雜志， 2016， 2（6）： 370374.

[3] 孟軍. 關于加強衛生應急管理工作的思路和對策[J]. 天津人大， 2017， 10： 3940.

[4] 趙琦. 基層突發公共衛生事件應急體系應對能力評估工具的開發、應用與評估模型的探索性研究[D].上海： 復旦大學， 2009.

[5] 楊保軍. 突發公共衛生事件引發的規劃思考——應對2020新型冠狀病毒肺炎突發事件筆談會[J/OL]. 城市規劃， 20200213.

[6] 蘇華， 安志杰. 對發展我國公共衛生體制的深層次反思[J]. 中國公共衛生管理， 2003， 4： 291293.

[7] 邢濟春， 張峰林. SARS危機過后對公共衛生體系建設的思考[J]. 中國公共衛生管理， 2003， 6： 486487.

[8] 凌玉， 陳發欽. 我國突發公共衛生事件應急管理存在的問題和對策[J]. 中國公共衛生管理， 2012， 28（2）： 189191.

[9] 唐承沛. 中小城市突發公共事件應急管理體系與方法[D]. 上海： 同濟大學， 2007.

[10] 吳丹， 胡東達， 孫梅， 等. 我國CDC突發公共衛生事件應急處置能力與現狀分析[J]. 中國衛生政策研究， 2014， 7（7）： 3037.

[11] 趙飛， 傅承主， 矯涌本， 等. 國內外突發公共衛生事件應急指揮系統建設研究[J]. 中國衛生信息管理雜志， 2012， 9（2）： 2529， 61.

[12] 梁囡囡. 突發公共衛生事件管理存在的問題及對策建議[J]. 世界最新醫學信息文摘， 2018， 18（97）： 295296.

[13] 李宏偉， 夏彥愷. 構建突發公共衛生事件應急管理體系[N]. 學習時報. 20200217（2）.

[14] 徐磊青. 社區營造：打贏新冠肺炎防疫戰的最后一公里[J]. 城鄉建設， 2020， 8： 2021.

[15] 唐文波. 筑牢疫情防控第一道防線[N]. 中國建設報， 20200401（7）.

[16] 李多靈， 趙甜， 王盛. 新冠肺炎疫情下的社區防疫[J]. 上海房地， 2020， 4： 2125.

[17] 任江媛. 化社區治理優勢為社區防疫效能[N]. 中國社會報， 20200427（7）.

[18] 梁浩， 孔鵬， 許昂. 綠色數字人居技術助力社區防疫的探索與實踐[J]. 建設科技， 2020， 6： 3841.

[19] CHEW C， EYSENBACH G. Pandemics in the age of twitter： content analysis of tweets during the 2009 H1N1 outbreak[J]. Plos One， 2010， 5（11）： e14118.

[20] HANX H， WANG J L， ZHANG M， et al. Using social media to mine and analyze public opinion related to COVID-19 in China[J]. International Journal of Environmental Research and Public Health， 2020， 17（8）： 2788.

[21] ZHAO Y X， CHENG S X， YU X Y， et al. Chinese publics attention to the COVID-19 epidemic on social media： observational descriptive study[J]. Journal of Medical Internet Research， 2020， 22（5）： e18825.

[22] 安璐， 歐孟花. 突發公共衛生事件利益相關者的社會網絡情感圖譜研究[J]. 圖書情報工作， 2017， 61（20）： 120130.

[23] 任巨偉， 楊亮， 吳曉芳， 等. 基于情感常識的微博事件公眾情感趨勢預測[J]. 中文信息學報， 2017， 31（2）： 169178.

An Analysis of Community Emergency Projects Implementation

for Public Health Emergencies based on Social Media Public Sentiment

XIAO Chao1， SHI Qian1， LIN Peixin2

1. School of Economics and Management， Tongji University， Shanghai 200092， China;

2. Thayer School of Engineering，Dartmouth College， Hanover 03755， USA

Public health emergencies are characterized by serious hazards， unpredictability， sudden occurrence， rapid spread， wide impact and diverse causes. It would trigger adverse chain reactions， posing a serious threat to the safety of peoples lives and property， and to the harmonious development of the society and economy. To effectively respond to public health emergencies and improve refinement level of emergency management， communities as the most basic spatial units of emergency management should be given great attention. The key role of community emergency projects in emergency management system should also be fully utilized. The sentiment analysis of Sina Weibo content and comments related to the community emergency projects during the COVID-19 pandemic provides evaluations of community emergency projects implementation from a public perspective. The severity of the pandemic in different regions and the development stages of the pandemic both show correlations with the public emotional evaluation of the community emergency projects implementation. To improve the implementation effectiveness and public satisfaction of community emergency projects， optimization measures using intelligent technologies in combination with the actual pandemic evolution and community heterogeneity deserve attention and promotion in future practice.

public health emergencies; community emergency projects; sentiment analysis; spatio-temporal evolution