信息生態視域下突發公共事件網絡輿情運行方式研究

牟冬梅 邵琦 楊鑫禹 彭浩 畢強

關鍵詞：突發公共事件;網絡輿情;運行方式;信息生態

新冠肺炎疫情的全球流行在各大社交媒體平臺上引起波動和輿論，我國突發公共事件的發生頻率增高[1]，這類事件由于其突發性的特點，會在短時間內引起大規模的討論和爆發，在輿情發生發展的過程中會導致信息被夸大甚至虛構，引起一定范圍的社會恐慌。同時，由于網民激增及信息爆炸等現象，給突發公共事件網絡輿情帶來了一系列迫切需要解決的信息生態問題。由于缺乏對輿情信息生態系統中不同生態因子的特征及其相互作用方式的了解，導致政府監管部門在輿情發生發展過程中難以快速建立有效的應對措施，導致信息生態環境惡性發展。

信息生態理論在情報學中的探索，是對情報生態活動全生命周期多要素耦合、多維度聯動、多主體參與的綜合集成管理。突發公共事件網絡輿情是一個完整的信息生態系統，其發生發展受到多種因素綜合的復雜影響，輿情信息生態系統內部各要素的運行規律不明會加大監管部門干預和引導的難度，容易引起公眾的二次恐慌。現階段更多的是針對事件的影響因素[2-3]和情感分析[4-5]進行網絡輿情的探討，無法反映輿情作為一個整體系統，其運行時內部各要素之間交互作用的規律和運行邏輯。部分學者從網絡輿情的傳播規律[6]、運行機制[7]及危機治理[8]等方面展開研究，也有在輿情主題內容[9]、主題信息[10]及主題情感[11]等方面取得研究進展。另一方面，信息生態理論逐步在網絡輿情中展開應用，QinQ等學者從信息生態學的角度出發探究影響網絡輿情熱度的主要因素[12]，NaghshinehN等研究社交媒體中的信息生態、信息流以及信息網[13]，馬捷等從構成要素的角度探究微博信息生態鏈[14]，王晰巍等[15]梳理出微博信息生態鏈的形成機理和生態因子。然而從信息生態視域出發進行輿情運行的相關研究還不夠豐富，盡管部分學者基于生命周期[16]等理論總結了輿情的運行特點[17]或運行機制[18]，但仍缺少對輿情發展運行過程中各生態因子間復雜運行方式及其特征的深入分析。學者們的相關研究更集中于對突發公共事件網絡輿情傳播的某一單一特征進行探索性分析，而面向網絡輿情信息生態系統的信息生態因子及因子間運行規律的綜合性研究相對薄弱，缺少對聚焦于突發公共事件網絡輿情內在的運行方式展開細粒度的分析，從而展開對突發公共事件輿情運行本質的深入剖析。

故從信息生態的視角出發，將突發公共事件網絡輿情看作一個完整的信息生態系統，將信息因子、信息人因子以及信息環境因子看作影響輿情系統運行的“零件”，討論輿情信息生態系統在運行過程中各生態因子的特征及因子間協同作用的規律，精準剖析輿情系統的運行方式及其本質，從而輔助監管部門及時采取有效措施，降低輿情惡性傳播的風險。研究擬解決以下兩個研究問題：①在理論層面，構建突發公共事件網絡輿情生態因子模型，梳理輿情因子的屬性特征、結構特征及其運行方式;②通過實證研究，發現網絡輿情系統運行過程中各因子的作用強度及作用方向，量化因子之間的相互作用關系。

1信息生態視域下突發公共事件網絡輿情=系統生態因子特征分析

信息生態概念于1997年由美國學者DavenportTH提出，將信息生態定義為“信息的整體管理”[19]。婁策群認為，信息生態系統是信息人和信息環境之間相互作用聯系形成的具有信息流動、信息轉化、信息共享等功能的有機整體[20]。在信息生態學理論背景下，整個信息生態系統包括信息因子、信息人因子以及信息環境因子，3個信息生態因子相互協調、共同作用，以保證系統的穩定性，而每個信息生態因子又因其地位以及特征的不同，對整個系統所產生的作用也不同。突發公共事件網絡輿情本身也是一個完整的信息生態系統，基于信息生態視域，在輿情系統的運行過程中包含信息因子、信息人因子以及信息環境因子，3個生態因子之間相互聯系，協同運行，從而保證輿情信息生態系統的完整性和穩定性。突發公共事件網絡輿情作為輿情的單一子類具有更為廣泛和嚴重的影響力，在系統中，由于突發公共事件的特殊性，突發公共事件網絡輿情系統中的三大生態因子也具有突出性質與特征，結合信息流行的相關理論[21]，分別梳理不同信息生態因子的性質與特征。

基于信息生態學理論，對突發公共事件網絡輿情系統的生態因子進行理論分析，首要任務是對在網絡輿情系統運行過程中的因子特征進行分析，即對獨立的信息因子、信息人因子和信息環境因子進行研究，完成信息生態視角下突發公共事件網絡輿情系統運行過程的生態因子特征的剖析和解讀。

1.1信息因子特征分析

在突發公共事件網絡輿情系統中，信息因子最重要的特點可以概括為簡潔性、不可預期性、具體性、可信性、情緒性、敘事性6個方面，這6個特性在一定程度上會影響輿情系統的運行。微博是網絡輿情信息傳播的主要平臺，以此為例闡述信息因子在輿情系統運行過程中的性質。①簡潔性：簡短的信息內容更容易被閱讀及傳播，如微博文本本身具有短文本的特征，其字數限制在140個字符內;②不可預期性：突發公共事件本身具有突發性和公共性，其網絡輿情的討論和運行過程也隨之具有不可預期性;③具體性：明確具體的事件主題內容更容易被群眾接受和傳播，熱點高頻話題詞在繁雜冗余的信息文本中更加能夠凸顯信息主題;④可信性：信息間清晰的語義關系對輿情信息的傳播起到驅動性的作用;⑤情緒性：不同極性及程度的情感分數會賦予信息內容不同的討論方向，從而影響輿情運行進程的波動;⑥敘事性：指輿情傳播過程中話題的交互討論程度，點贊、評論及轉發等行為都充分體現了信息的敘事性。

在信息交互和傳播的網絡平臺上，即使是相同用戶的不同博文信息也會出現較大差異數量的轉發量，說明網絡輿情的運行過程會受到信息內容、信息主題以及情感傾向的綜合影響。針對信息因子6個特性，由于突發公共事件網絡輿情本身具有不可預期性，其信息內容傳播的社交媒體平臺又保證了信息文本的簡潔性。情緒性和敘事性具體表現為輿情信息的點贊數、轉發數、評論數、情感分數等，可以歸納概括為信息因子的屬性特征;而輿情信息的主題關系及語義關聯能夠反映基于信息主題的具體性和基于信息關聯的可信性，呈現為信息因子之間連接的結構特征。即通過信息內容中的點贊數、轉發數、評論數、情感分數4個屬性特征及主題關系、語義關聯兩個結構特征，能夠綜合判斷信息因子在突發公共事件網絡輿情系統運行過程中所發揮的作用。

1.2信息人因子特征分析

在信息活動中，普通網民作為社會主體的主要部分，在決策過程中會將僅來源于一小部分人的信息作為參考依據，即決定性的信息來源于社會中的少數群體，則這部分影響者是信息傳遞過程中的關鍵人物，同時這類群體之間沒有顯著的等級差異[22]。突發事件網絡輿情系統運行過程中，信息人因子根據其功能不同，分為信息生產者、信息傳遞者和信息消費者。信息生產者在輿情事件運行過程中完成信息的初始發布任務，在一定范圍內引起大量的關注和討論，體現出明顯的影響力;信息傳遞者，建立信息交互和流動的紐帶和橋梁，當輿情信息的轉發用戶是關鍵的聯絡員后，可能會引起信息在擴散范圍和傳播速度上的大量提升;信息消費者，是輿情系統運行過程中的主要群體，在獲取滿足信息需求后的相關信息后，又在一定范圍內促進信息的傳遞和擴散。

為了探究信息人對突發公共事件網絡輿情系統運行的影響效用，首先從結構特征來看，必須找到網絡輿情傳播網絡的關鍵節點，發現信息的發布—轉發關系中的關鍵人物，錨定信息人網絡結構中的核心節點及中介節點，從而明確在輿情運行過程中發揮驅動作用的關鍵人物;其次，判斷某一用戶是否為輿情信息運行的關鍵人物，從屬性特征來看，由于突發公共事件的公共性質，導致輿情傳播過程中不同類別的用戶屬性可能具有不同的公信力，另外可以根據輿情運行的網絡平臺中的各個指標為參考，以微博平臺為例，包括用戶屬性（注冊類別）、活躍度（發博頻率）、粉絲數（主動影響）、關注數（被動影響）等均能綜合反映信息人在輿情傳播過程中的作用強度。綜上，在突發公共事件網絡輿情的運行過程中，信息人因子通過用戶屬性、活躍度、粉絲數和關注數4個屬性特征以及核心節點和中介節點兩個結構特征，決定了其是否能成為關鍵人物，從而影響輿情系統的運行。

1.3信息環境因子特征分析

公眾往往會忽視信息傳遞過程中信息環境的重要性，而局限于從事物的內在特征進行分析和解讀，其實人作為群體性生物，信息行為是受到環境影響的。另外，網民個人在獨處環境下對事件的判斷，與在群體環境下做出的判斷通常是不同的。在突發公共事件網絡輿情信息系統的運行過程中，一些環境因素比較突出，而且在輿情信息發布后，其發展并不是一蹴而就，而是綜合輿情傳播環境中的閱讀量、點擊量、搜索次數、發文量等多種影響因素，對網絡輿情整體的運行起到驅動作用，輿情討論的整體熱點和氛圍能夠引導輿情的話題熱度和討論方向，從而對輿情系統運行情況產生影響。

針對突發公共事件網絡輿情運行環境的分析，可以以綜合指數分析平臺所公布的搜索指數為參照判斷輿情熱度，對輿情運行的平臺環境進行較為客觀、綜合、全面的評價，根據輿情熱度的波動發現輿情系統運行過程中的環境威力，結合信息環境中的信息技術影響，歸納信息環境因子的屬性特征包括技術支持和輿情熱度，即突發公共事件網絡輿情信息的運行，不僅僅受到作為主體的信息人生態因子及作為客體的信息生態因子的影響，其背后復雜的信息環境生態因子同樣會影響輿情的運行，即信息環境通過技術支持和輿情熱度的綜合影響驅動輿情系統的運行。

1.4突發公共事件網絡輿情系統生態因子模型

在信息生態視角下，突發公共事件網絡輿情處在信息生態系統中，在輿情系統的運行過程中，信息因子、信息人因子以及信息環境因子也因為其性質和結構的不同，對整個輿情系統的運行情況產生的作用也不同。通過對突發公共事件網絡輿情系統的生態因子特征研究，深入剖析不同因子的屬性特征和結構特征，發現各個因子在輿情系統運行過程中是通過屬性特征以及同種因子之間的結構特征發揮作用，構建突發公共事件網絡輿情系統生態因子模型，如圖1所示。

2信息生態視域下突發公共事件網絡輿情系統運行方式假設

突發公共事件網絡輿情是一個完整的信息生態系統，生態因子是在輿情系統內部不斷起到交互作用從而保障系統穩定的“零件”，從宏觀的系統性視角探究輿情系統運行方式，需要深入挖掘生態因子之間相互聯系、作用的規律和原理[23]。因此，研究認為，對突發公共事件網絡輿情運行方式進行研究，即在突發公共事件網絡輿情系統運行的過程中對不同信息生態因子間運行邏輯進行研究，包括對輿情生態系統中各個生態因子的特征以及因子之間協同作用的方式分析。研究以突發公共事件網絡輿情系統作為研究對象，以其運行方式作為研究落腳點，基于信息生態學中的信息生態因子相關理論，展開對輿情系統運行過程中生態因子及其特征、因子間交互作用方式的理論探討與分析，從理論分析層面進行突發公共事件網絡輿情系統運行方式的細粒度剖析，假設生態因子間相互聯系的邏輯關系，并建立生態因子及其屬性特征間的作用方程式。

在信息生態學理論中，信息生態系統包括信息因子、信息人因子和信息環境因子，研究基于信息生態學理論探究輿情系統運行過程中各生態因子之間相互影響的作用關系，依據本研究對各個生態因子屬性特征的分析，分別從信息因子、信息人因子以及信息環境因子3個層面探討突發公共事件網絡輿情系統的運行方式，剖析信息因子、信息人因子及信息環境因子在輿情系統運行過程中產生的影響力大小及方向。擬定突發公共事件網絡輿情系統運行方式假設方程如下：

首先，信息人因子是如何對輿情的運行產生影響，根據對生態因子的分析，可以確定信息人通過用戶屬性（注冊類別）、活躍度（發博頻率）、粉絲數（主動影響）、關注數（被動影響）4個屬性特征對輿情的運行方式產生了影響。繼而需要明確信息人的各個屬性在輿情系統運行過程中產生的影響力大小，采用定量分析的方式，基于輿情傳播過程中的不同屬性特征的相關數據，確定信息人因子中不同屬性的影響力大小。綜上，研究擬定信息人因子影響輿情系統運行方式的方程：

其中，Public代表信息人因子：Category代表博主類別、Follows代表關注數、Fans代表粉絲數、Activity代表博主活躍度，m、n、p、q代表系數。

2.2信息因子運行方式假設

首先，信息是如何對輿情的運行產生影響，根據對生態因子的分析，可以確定信息因子通過輿情信息的點贊數、轉發數、評論數、情感分數4個屬性特征對輿情系統的運行方式產生了影響。繼而需要明確信息因子的各個屬性在運行過程中產生的影響力大小，采用定量分析的方式，基于輿情傳播過程中的不同屬性特征的相關數據，確定信息因子中不同屬性的影響力大小。綜上，研究擬定信息因子影響輿情系統運行方式的方程：

2.3信息環境因子運行方式假設

首先，信息環境是如何對輿情的運行產生影響，根據對生態因子的分析，可以確定信息通過輿情信息環境的技術支持和輿情指數這兩個屬性特征對輿情系統的運行方式產生了影響。繼而需要明確信息環境的各個屬性在運行過程中產生的影響力大小，采用定量分析的方式，基于輿情傳播過程中的不同屬性特征的相關數據，確定信息環境因子中不同屬性的影響力大小。綜上，研究擬定信息環境因子影響輿情系統運行方式的方程：

其中，Environment代表信息環境因子：Equip?ment代表技術支持、Index代表輿情指數，s、t代表系數。

綜上，可以得到信息生態視角下的突發公共事件網絡輿情運行方式模型。如圖2所示，依據信息生態因子相關理論出發，探究信息因子、信息人因子以及信息環境因子3個生態因子的性質，挖掘其屬性特征以及結構特征，從而完成對生態因子特征的分析;探索信息人因子、信息因子及信息環境因子中不同屬性特征的耦合關系，再進一步挖掘3個生態因子之間協同作用過程中不同屬性特征之間的作用方式，以完成信息生態視角下輿情系統運行方式的解讀。

3信息生態視域下突發公共事件網絡輿情系統運行方式實證

研究針對信息生態視角下突發公共事件網絡輿情生態因子的分析，既包括從信息生態學理論出發完成理論分析，同時也包括相關實證研究，在一定程度上驗證理論模型的有效性和可行性，通過社會網絡分析和自然語言處理技術深入解析案例事件輿情系統的運行方式，將突發公共事件網絡輿情運行方式的理論分析落實到實處。

3.1數據獲取

突發公共事件網絡輿情頻頻爆發于以微博為代表的社交媒體平臺上，故研究選取微博平臺的相關數據作為數據源。根據前期相關研究顯示，2018年7月15日—8月13日經歷了國家藥品監督管理局發布某生物有限公司造假通告、國務院調查組公布調查進展及對某公司進行處罰及補種措施，體現了該事件較為完整的生命周期，為保證實驗數據的完整性和準確性，故研究以突發公共事件“XXX”為主題詞，采用網絡爬蟲工具集搜客Gooseeker，爬取新浪微博上相關主題的博文數據，采集2018年7月15日—9月30日共計34384條相關數據，包括搜索關鍵詞、博主ID、博主昵稱、博主類型、博文、博文網址、發布時間、發布終端、轉發評論及點贊數等數據。人工清洗原始數據，剔除與輿情事件不相關的博文、圖片、鏈接、視頻等數據。

根據生命周期理論將案例事件劃分為潛伏期、爆發期、蔓延期和衰退期[24]，以爆發期為例，選擇時間跨度為2018年7月15日—2018年7月24日共計10天的12244條博文數據，采用系統抽樣的方式進一步篩選數據，根據不同日期內當天累計博文發布的數量與總博文的占比比例，從該日期中隨機抽取相應比例數目的博文，使得進行系統抽樣篩選后的博文數據量達到2000條。在獲得的2000條博文數據的基礎上，進一步進行數據清洗與剔除工作，將與案例事件不相關的博文剔除，最終獲得運行方式分析的數據源，共計1794條博文數據。

3.2輿情系統運行方式驗證

從信息因子、信息人因子及信息環境因子3個方面分別擬定運行方式的假設方程，確定不同生態因子中各個屬性特征的作用方向及作用強度。研究以因子分析作為研究方法進行輿情運行方式的分析，判斷不同生態因子在輿情系統中運行方式的差異及各個維度內因子屬性之間的影響作用。

根據運行方式方程，研究探索了10個不同維度不同類型的生態因子屬性特征，包括輿情信息人的用戶屬性、活躍度、粉絲數、關注數，輿情信息的點贊數、轉發數、評論數、情感分數，輿情信息環境的技術支持和輿情指數，其中用戶屬性、活躍度、粉絲數、關注數、點贊數、轉發數、評論數能夠直接通過網絡爬蟲的方式獲取。研究的情感分數值借助武漢大學團隊開發的ROSTEA情感分析工具，針對每一用戶發布的博文文本數據判斷其對長生疫苗事件的情感傾向并計算情感分數值，積極情感分數值為正值，消極情感分數值為負值，中性情感分數值為零，其數值的絕對值大小代表不同情感傾向的程度;輿情指數則依靠百度指數這一輿情綜合指標進行量化;最后根據不同的客戶終端，即用戶所使用的不同技術功能的終端設備，包括安卓系統、IOS系統兩類，判斷輿情信息環境的技術支持特征。

研究通過因子分析的方式進行定量計算，首先將數據中的各個屬性值導入SPSS18.0中進行可行性檢驗，發現實驗結果中KMO檢驗值為0.655，通過可行性檢驗，可以通過因子分析的方法進行計算。P值小于0.01，具有統計學意義，Bartlett球形檢驗值小于0.01，說明采用因子分析方法的有效性。根據表1主因子總方法解釋表中的數據，獲取F1、F2、F3、F4共4個公因子，4個公因子分別能夠解釋總體信息的27.984%、19.59%、12.025%和10.382%，累計69.981%。4個公因子能夠在一定程度上代表總體信息，以此進行突發公共事件網絡輿情運行方式的定量分析。

通過最大方差法進行正交旋轉處理，將原始因子載荷矩陣轉換為旋轉因子載荷矩陣，如表2所示。

3.3輿情系統運行方式分析

通過因子載荷矩陣可以得到原始變量的線性關系，載荷值小于0.4考慮刪除，綜合判斷處理歸納為哪個因子，并重新對各個因子進行命名。旋轉后的成分矩陣因素解釋更為顯著，故根據旋轉后的成分矩陣可知，因子Likes點贊數、Forwards轉發數、Comments評論數在第一個主因子F1的載荷系數大于0.4且數值較高，主要反映輿情運行過程的信息內容的特征情況，可解釋為信息因子，故將主因子F1歸納為信息因子Information;因子Activity博主活躍度、Category博主類別、Equipment技術支持以及粉絲數Fans在第二個主因子F2的載荷系數大于0.4且數值較高，主要反映輿情運行過程中博主的相關情況，可解釋為信息人因子，故將主因子F2歸納為信息人因子Public;因子Index輿情指數、Emotion情感分數在第三個主因子F3的載荷系數大于0.4且數值較高，主要反映輿情運行過程中整體環境的討論熱度以及情緒發展的相關趨勢，可解釋為信息環境因子，故將主因子F3歸納為信息環境因子Environment;因子Follows關注數在第四個主因子F4的載荷系數大于0.4且數值較高，主要反映輿情運行過程中博主的關注人數，分析輿情信息傳播過程中信息的傳播方向主要為博主對其下游粉絲的影響及傳播，而對其上游關注者的傳播及影響力相對較小，故實驗結果中博主關注數為單獨一組。相關研究顯示，在研究粉絲數和關注數對信息人的影響程度時，對信息人產生決定性影響的是粉絲數，其標準化回歸系數是關注數的13倍，經過綜合判斷發現，關注數可能對輿情運行過程沒有顯著影響，故刪除因子F4。

實驗結果：各個變量在不同主因子的分布情況與原假設不同，信息因子中包括點贊數、評論數和轉發數，缺少了情感分數變量，而將其歸納為環境因子中，分析可能的原因是輿情博文中的情感值判斷，不僅會影響博文信息內容本身的運行和發展，更多的是在輿情運行過程中對整個傳播環境的情感趨勢影響;信息人因子中包括博主類別、粉絲數和活躍度，缺少了關注數的同時增加了技術支持變量，分析可能的原因是對于信息人因子，即微博博主來說，傳播的影響力主要產生在關注博主的粉絲，而很難對其上游的關注者產生影響，并且發布博文的終端設備由于是歸屬于博主本人的發布設備，故由于發布設備不同而產生的不同影響也歸屬于信息人因子;環境因子中包括輿情指數，缺少了技術支持并且增加了情感分數，如上述分析，技術支持更多歸屬于信息人因子，而情感分數則傾向于對整體環境的情感趨勢影響。

經過調整后，以表2為依據，根據因子載荷矩陣中不同變量歸屬的不同主因子及其載荷系數，分別得到信息因子、信息人因子以及信息環境因子的綜合計算方程：

由此可以分析得出，在突發公共事件網絡輿情的運行過程中，信息因子、信息人因子以及信息環境因子之間相互作用，其具體的運行方式中信息因子對輿情的作用程度最高，約占50%，可見輿情運行傳播過程的本質仍然是信息內容本身的擴散，

而信息人因子對輿情的影響也相對較高，約占1/3，作為輿情傳播的主體也占據重要地位，而信息環境因子對輿情的傳播運行也產生了一定的輔助作用，不同屬性特征對整體的影響權重有所不同，博文信息的轉發、評論和點贊數對輿情的運行仍是主要的變量，博主活躍度和技術支持對輿情的運行影響是負相關作用。

3.4研究結果

因為運行方式研究是對輿情系統運行過程中整體運行邏輯的剖析，即對輿情系統的運行特征及運行方式的綜合探討，故本研究以信息生態相關理論為指導，從生態因子、生態因子的特征以及系統運行方式3方面完成對突發公共事件網絡輿情系統運行方式的深入分析和探討。

1）基于信息生態因子相關理論，厘清突發公共事件網絡輿情生態因子及其特征。信息生態系統包括信息因子、信息人因子以及信息環境因子，能夠對輿情系統運行產生影響作用的屬性特征和結構特征，即信息因子及其點贊數、轉發數、評論數、情感分數4個屬性特征，主題關系、語義關聯兩個結構特征;信息人因子及其用戶屬性、活躍度、粉絲數、關注數4個屬性特征，核心節點、中介節點兩個結構特征;信息環境因子及其技術支持和輿情指數兩個屬性特征。

研究發現，在突發公共事件網絡輿情的發展運行過程中，不同生態因子對輿情系統運行產生影響的特征不同，即著力點不同。信息因子根據輿情信息內容的流行程度發揮作用，在輿情的監管過程中可以通過點贊等數據綜合判斷信息內容的流行程度;而信息人因子則主要強調用戶的影響力大小，并通過信息人網絡中的關鍵節點及中介節點發現輿情運行過程中的主要信息人;信息環境因子的屬性特征則包含技術環境和話題熱度環境，綜合影響輿情傳播的效率。通過剖析輿情的生態因子及其特征，能夠有效指導現實社會中輿情管控的方向和要點，提升輿情監管效率。

2）擬定不同生態因子協同作用的運行方式方程。結合生態因子的屬性特征，分別擬定以信息人因子、信息因子、信息環境因子為因變量的運行方式方程。在信息生態視域下，從3個生態因子出發，擬定不同維度下輿情系統運行方式的方程式，總結不同屬性特征影響三大因子的方式，展開對輿情整體運行方式的細粒度剖析，為其他突發公共事件網絡輿情實例分析提供研究切入點，從而有效量化不同屬性特征的作用強度和方向，輔助輿情回顧性分析，為同類事件的監管提供參考和預警

3）通過因子分析方法，定量分析生態因子之間協同作用的運行方式。計算突發公共事件網絡輿情系統運行過程中生態因子及其屬性特征發揮作用的權重系數，確定擬定的以信息人因子、信息因子、信息環境因子為因變量的運行方式方程，發現信息因子的作用強度約占50%，而信息人因子約占1/3，可見輿情系統運行過程的本質仍然是信息內容本身的擴散，不同屬性特征的權重有所不同，博文信息的轉發數、評論數和點贊數在輿情的運行過程中仍占主要作用，博主活躍度和技術支持發揮是負相關作用，故綜合所有屬性特征指出輿情系統運行方式的定量關系為：

通過實證分析進一步發現，突發公共事件網絡輿情由于其突發性和公共性的性質，信息的傳播效率較高，公眾對輿情的討論較為熱烈，文本信息的點贊、轉發等數據成為影響輿情運行發展的主要特征。而對于用戶來說，官方機構媒體相對于個人用戶即便活躍度不高，但仍能起到推進作用，成為影響輿情運行發展的重要特征，且積極的情感傾向更能夠帶動輿情的運行，完成從定量視角對輿情系統運行方式的剖析。

4結語

本研究從突發公共事件網絡輿情的本質出發，在已有研究的基礎上，試圖從信息生態的角度，利用定性與定量相結合的方法梳理輿情運行過程中各個生態因子的特征以及其在輿情系統運行過程中的作用方式，厘清突發公共事件網絡輿情運行規律，從根本上解釋突發公共事件網絡輿情系統的運行規律，為政府決策提供理論支持，為突發公共事件網絡輿情監管提供參考，使信息生態環境向有利于人類的方向發展。

一方面，突發公共事件網絡輿情運行的生態因子包括信息因子、信息人因子、信息環境因子。基于信息生態因子相關理論，闡明信息人因子、信息因子和信息環境因子在突發公共事件網絡輿情系統運行過程中的作用規律，歸納出輿情生態因子的屬性特征和結構特征。另一方面，突發公共事件網絡輿情運行方式的研究是綜合考量各個生態因子之間協同作用的運行方式，并對信息因子、信息人因子和信息環境因子中細粒度的屬性特征進行融合，發現不同類型的屬性特征相互影響狀態下如何協同發揮各自的作用，并量化其作用強度以及作用方向，最終確定突發公共事件網絡輿情系統具體的運行方式。輔助監管部門控制、疏導、管理和分析突發公共事件網絡輿情運行態勢，把握突發公共事件網絡輿情運行的原理和規律。本研究僅以微博作為主要的突發公共事件網絡輿情的運行平臺，研究具有一定的局限性，擬在未來的研究中納入更加廣泛的數據源，降低實證研究的誤差。

3434500338242