何林林,張子晴
1.河南省新鄉市新鄉工程學院;2.河北美術學院
隨著以“云傳播”“大數據”“人工智能”為代表的智能技術的發展,移動智能終端廣泛普及,互聯網不斷拉近人們之間的距離,形成了麥克盧漢口中的“地球村”,這個改變人們時空觀念的地球村,給人們帶來了樂趣與便利,也記錄著越來越多的數據,網絡輿情也隨著網絡信息的發展進入了全新時期。
新形勢和新發展下,互聯網信息容量和超鏈接技術空前發展,一起簡單的事件可能引起網絡媒體成千上萬的報道。除了強大的報道規模外,在報道的內容方面,由于網絡媒體沒有采編權,其形成的報道往往是通過從其他傳統媒體、網站、貼吧、微博、微信等平臺中挑選出具有強大吸引力、噱頭的消息轉載而來。網絡媒體特別是自媒體平臺傳播多元,他們常常憑借自己的價值判斷,根據自己的道德標準暢所欲言,信息內容混亂復雜。部分媒體在轉載的過程中,專門挑選沖突性強、傾向性明顯的評論為消息源,采用夸張、片面的報道手段,煽情的報道文風,對案件單向度地宣傳。從事件發展的時間來看,網絡輿情的發展具有“散播—集聚—熱議—流行”四個階段和“爆發、升華、延續”三個關口,簡而言之可以稱之為“四段三關”。
借助互聯網技術,用戶能夠及時傳播信息、接受信息、再次傳播信息如此循環往復。一句話、一張圖、一段視頻都可以通過互聯網迅速傳播,從點到線再到面不斷擴張,傳播到世界的各個角落,讓越來越多的人知曉。這一階段的傳播可謂是點上傳播,在沒有策劃和組織的情況下,無規律地分布在網絡空間。在容納有海量信息的網絡空間中,不能稱之為輿論,其影響力是非常有限的,有時甚至被忽視。具體表現為輿論起點分散、信源分散和傳播主體分散。起點分散是指誘發輿論的信息出現在影響力較小的媒介,分散在網絡的角落;信源分散,某一輿情信息的來源并不是集中分布,而是散落在各個網頁、論壇、微博等,分布在不同的媒介。主體分散,網絡媒體本身沒有采編權,為吸引眼球,制造輿論熱點,往往轉載一些沖擊性較強的消息,而轉載主要依賴于網絡新媒體,換句話說,消息的來源主要來自于包羅萬象的網絡。
集聚指原本處于散播狀態的輿情信息,在某些傳播因子的作用下,在網絡媒體的高頻率和大數量的挖掘和渲染之下,引發公眾的持續關注,形成網絡集聚。網民的評論、留言也同步快速增長,形成網民意見參與集聚,多方信息的集聚建構了一個多元的輿論格局。
一是以“微博、微信、社區”等為代表的自媒體,使網民能夠通過評論、轉發等功能直接表達自己的意見,掌握話語權,形成民間輿論場,直接反應公眾的意志;二是以宣傳黨和政府的方針政策,弘揚主旋律,溝通黨和人民的聯系,引導正確的輿論導向為己任的主流媒體輿論場,即“官方輿論場”,其不僅包括傳統的黨報、國家電視臺、國家通訊社等,還主要包括傳統媒體在互聯網上打造的平臺,比如,人民網、中國法制網、人民日報官方微博等;三是以“四大門戶”網站為代表的商業網站,在媒體實踐中逐步形成媒體輿論場。其作為一種特殊的輿論場,沒有自己獨有的輿論觀點,一方面為了追求商業利益,迎合受眾的需求,反映受眾的態度,另一方面,作為黨和政府的喉舌,反映官方的意見方針。這個階段是把握網絡輿情發展走勢的主要階段,網絡輿論責任主體可以在這個階段尋求官方輿論與民間輿論的重合點,正確引導,轉危為機、化危為安。
當事件不斷在網絡上發酵,事件的熱度持續不減時,此時無論是傳統媒體還是網絡媒體都共同關注著事件的動態走向。此階段由于有受眾設置議事,網民的參與度也大大提升,社會關注度不減,在經歷一段時間的熱議之后,尤其是一些網絡媒體巧借熱點,制造話題,以此來吸引受眾眼球,借助受眾注意力資源來提升自身的傳播影響力,事件的影響力與媒體影響力有機結合起來,使得熱點加劇傳播,關注度持續不減。有時在個別不良媒體的推動下,甚至出現夸大其詞的現象。如此一來,社會輿論在媒介尤其是網絡媒介的強力推動下,相關輿情形成聚焦,吸引更多的專業人士加入進來,進行輿論分析,熱度不減,輿論壓力也越來越大。無論是輿情事件的主體還是管理者都在處理問題上感到壓力倍增,因為在輿論高壓下,受眾的關注能否有所回應,民眾本身的利益沖突和社會沖突是否得到解決,都會成為網絡輿情的爆發的引擎,稍不留神都會引起民眾的憤怒,影響和破壞社會秩序,甚至危及社會穩定。
流行一般涉及許多方面,不管是產品、意識、還是行為,都可能像“病毒”一樣入侵到受眾的心里,形成所謂的“流行”。網絡傳播的過程中,通過人們的口口相傳和社會影響去擴散思想、觀點,讓其達到流行。借助網民的關注、分享,甚至模仿,以此來擴大社會影響力。值得注意的是,網絡傳播過程中的流行階段并不是必有階段,其主要涉及那些特別具有代表性的輿論事件,尤其是可能引發受眾情緒波動的事件,我們需要通過受眾的情緒波動增加受眾分享的欲望,比如“躲貓貓”事件,將事件中的人物、情節符號化、標簽化,形成社會諷刺,改變受眾的認知模型。
在如今的大數據時代中,網絡輿論引導也是主流新聞媒體的重要陣地,如何在互聯網巨大的信息數據流中,準確并及時采集到有用的輿情信息,針對網絡輿情的特殊事件和觀點進行分析與應對,顯得尤為重要,也成為了巨大的挑戰。
利用大數據技術抓取海量原始數據后,需要對其進行聚類、去重、過濾、轉換、建立索引等初步處理,數據挖掘技術是關鍵。針對互聯網上傳播的熱點事件、焦點言論和觀點,通過在各傳播渠道中的數據抓取并進行輿情分析,對重點事件做一些定制化策略和靈活的邏輯配置。如果僅依靠人力,無論從信息的感知上還是輿情的發現上,都有些過于被動,在海量的數據面前顯然難以達到需求。因此借助大數據技術就具有一定的可行性。從目前市場上已有的輿情平臺來看(如凡聞系統)已經為各類政府部門和媒體提供了有效的幫助。這些系統可以通過預先設定的程序,24 h全天候的自動抓取網絡上的輿情信息,對敏感詞進行分類歸納,進行實時預警,最后根據設定好的規則和要求自動生成分析報告。
1.利用大數據精準定位引導群體
大數據技術可以實現個體畫像,根據個體的社會屬性、行為軌跡和情感變化等信息而描繪出的一個標簽化的用戶形象。簡單地說,就是通過個體的行為、搜索記錄、瀏覽記錄痕跡定義個人畫像。大數據時代,輿情管理部門可以以手機號碼實名認證的移動通信大數據為基礎,利用大數據技術平臺對收集來的人口社會數據進行挖掘,通過網民的搜索習慣等了解網民的興趣愛好、情感生活等,進行人群的細分,實現大數據下的“個體畫像”。這樣不僅能夠獲取全網相應的人口統計特征和行為信息,甚至可以利用大數據技術中基于文本的情感分析方法和技術挖掘網民心理特征。
2.利用大數據對網絡議題精準傳播
在大數據下,除了傳統媒體之外,社交媒體和自媒體也加入輿論傳播的主流陣地,在網絡這種民間輿論場的參與下,由政府發聲形成的官方輿論場的影響力以及傳播效果逐漸“弱化”,由正規渠道傳播的權威性的聲音與公眾的失之交臂,公眾只是看到網絡輿情的表面信息,而并沒有深入了解輿論的本質。大數據作為網絡輿情分析的主要手段,能夠根據網民的瀏覽習慣和使用偏好,實現信息推送的精準化和分發高效化,并且了解到用戶的呼聲以及對輿情渴望得到的回應,當重大突發性事件、公共事件發生時,政府應該通過大數據對輿情的分析,有針對性地選擇媒體進行網絡輿情回應,掌握話語權,搶占網絡輿論陣地,回應民眾訴求,加快網絡輿情平息。
3.利用大數據把握輿情引導重要節點
大數據時代數據的重要性被提高到了前所未有的位置。網絡輿情引導機制可以依托社會網絡分析方法,完整全面地記錄網民的話語內容和表達方式,捕捉其復雜的社會關系,從而準確抓住網絡輿情傳播的節點和關鍵環節,進而精準定位,強化網絡輿情引導效果。同時還可以減少成本,縮短輿情引導反應時間。通常來說,這些節點主要由傳統媒體在社交媒體中的官方平臺,如“大V”、意見領袖、微信公眾號、知名博主等擁有高粉絲的個體構成,而這些“大V”有責任對輿論進行引導,向著積極向上的方向發展。而大數據完善下的網絡輿情引導機制可以找到這些傳播的節點,利用其在網絡虛擬領域的影響力和口碑,引領微時代輿論,進而影響和反饋到現實社會公共空間。
網絡輿情監控需要多方合力,不僅需要用好,完善輿論監督機制和人才隊伍,以正確積極的輿論引導人,還需要以法律的形式對網絡輿情進行規范。
完善輿論監督機制和人才隊伍對于網絡輿情的引導,要注意把握好時度效,首先需要注重“度”的把握, 要建立配套的信息公開系統。在進行輿情引導過程中,需要通過正面引導與側面引導,運用網絡媒介實現政務與民眾之間的交流與溝通,更多的是增加政府對輿情事件的關注與參與,增加公眾對于信息的更深入的了解,政府應該加強輿論引導能力,增加受眾對之的信任,提升政府的公信力,從根本上提升社會治理手段。另外,要建立專業的輿情引導隊伍,隊伍的培養需要將網絡輿情的正確引導放在首位。還要對輿情有正確的鑒別能力,促進社會治理的有序進行。
對網絡輿情信息進行科學有效的監管不僅涉及技術上的操作,同時更要注意法律至上,良法為治,利用法律手段來開展監管工作。大數據時代網絡輿情信息法治化監管,必須明確其法律邊界,本著科學的管理思想和依法治國的理念,堅持科學立法,完善執法程序,創新執法體制。政府及其他監管主體在法軌道內,依法采用多元方式對各類網絡服務運營商、大數據服務機構和媒體以及網民的網絡行為或活動等進行監督、引導及規范管理,對違法信息內容和行為依法律和法定程序進行處理,在監管方式及采取措施上要具體問題具體分析,全面推進政務公開和行政權力的制約監督法律機制,增強全民法治觀念。
網絡輿情管理主要以數據的深度挖掘和融合應用為主要特征,在具體的策略上可充分利用數據檢索技術對數據進行信息整合,將復雜的數據轉變成為可利用的決策信息,以便在第一時間找到事件的信息源頭,幫助有關部門重組完整事件,并提出針對性的預防措施,建立囊括全中國信息流量的大型數據庫,加強數據資源整合能力,可利用“數據庫+大數據”優化完善國內各方面的監管、監測機制,提高各類輿情信息的監測靈敏度。