基于SEIR演化博弈模型的突發(fā)危機事件網絡輿情治理研究

祁凱 彭程 楊志 黎冰雪

基金項目：教育部人文社會科學研究青年基金項目“重大突發(fā)公共衛(wèi)生事件網絡社群情緒感染路徑及導控機制研究”（項目編號：21YJC630106）。

作者簡介：祁凱（1981-），女，教授，博士，碩士生導師，研究方向：網絡輿論引導與危機管理。楊志（1991-），男，博士研究生，研究方向：危機管理與技術創(chuàng)新。黎冰雪（1996-），女，碩士研究生，研究方向：網絡集群。

通訊作者：彭程（1995-），男，博士研究生，研究方向：危機管理與技術創(chuàng)新。

摘 要：[目的/意義]復雜網絡環(huán)境中，“網絡大V”與官方媒體的博弈行為增加了輿情演化的不確定性，也會導致不同的輿情治理效果。因此，實現(xiàn)網絡輿情高效治理成為政府部門亟待解決的難題。[方法/過程]本文在內外部因素影響下基于SEIR構建網絡輿情傳播模型，同時運用演化博弈理論構建“網絡大V”與官方媒體的演化博弈模型，并進一步引入政府部門懲罰機制和協(xié)調機制。在此基礎上，分析不同條件下的輿情傳播閾值與演化趨勢，以及博弈雙方策略選擇的演化路徑，最后結合多案例進行多情境模擬仿真實驗研究。[結果/結論]仿真實驗研究結果顯示：輿情傳播閾值大小能夠預示輿情的演化趨勢;輿情的傳播熱度能夠影響“網絡大V”與官方媒體的行為決策。政府部門通過合理介入能夠敦促“網絡大V”與官方媒體理性決策，并通過推動“政民”交流平臺的建設減少粉絲數量的差異，同時妥善處置突發(fā)危機事件，降低突發(fā)危機事件熱度，能夠使得輿情治理效果最佳，從而加速系統(tǒng)內網絡輿情的消亡。

關鍵詞：突發(fā)危機事件;SEIR演化博弈模型;網絡輿情治理

DOI：10.3969/j.issn.1008-0821.2022.04.011

〔中圖分類號〕G206 〔文獻標識碼〕A 〔文章編號〕1008-0821（2022）04-0120-14

Abstract：[Purpose/Significance]In the complex network environment，the game behavior between“Internet Big V”and official media increases the uncertainty of the evolution of public opinion，and also leads to different effects of public opinion governance.Therefore，it is an urgent problem for government departments to standardize the behavior strategies of both sides and realize efficient governance of online public opinion.[Method/Process]Based on SEIR under the influence of internal and external factors，using evolutionary game theory，a network public opinion communication model was built with an evolutionary game model of the official media，“Internet Big V”was built and further introduction of government departments to punish mechanism and coordination mechanism.On this basis，the threshold and evolution trend of the spread of public opinion under different conditions were analyzed，as well as the evolution path of the two sides of the game，and finally multiple cases were combined to conduct multi-situation simulation experiments.[Result/Conclusion]The simulation results showed that：the size of the threshold of public opinion propagation can predict the evolution trend of public opinion.The spread heat of open views can influence the behavioral decisions of“Internet Big V”and official media.Government departments through reasonable intervention can urge“Internet Big V”with the official media rational decisions，and promote the construction of“political people”communication platform to reduce the number of fans，and properly handle crisis emergency crisis emergency heat reduction， and achieve the best effect of public opinion governance，thus accelerating the demise of open network views the system.

Key words：emergency crisis;SEIR evolutionary game model;network public opinion management

隨著互聯(lián)網技術的發(fā)展，各種社交平臺不斷涌現(xiàn)，以互動、開放為標志的網絡空間已經成為輿情產生和發(fā)酵的重要載體和平臺，公眾對特定事件表達情感和立場，形成具有一定情感傾向的網絡輿情[1]。當突發(fā)危機事件形成社會熱點關注時，網絡輿情會對公眾的感知和行為產生一定的溢出效應，使社會矛盾凸顯并對社會大系統(tǒng)穩(wěn)定造成威脅[2]。根據中國社會科學研究所發(fā)布的2016—2020年《社會藍皮書》中“互聯(lián)網輿情報告”相關統(tǒng)計數據，突發(fā)公共危機事件在近5年來的重大網絡輿情事件中占比超過30%，一旦政府對網絡輿情治理失范，會進一步加劇沖突的爆發(fā)，使得公共秩序混亂，甚至引起更嚴重的社會恐慌情緒擴大危機損害[3-4]。而政府部門作為網絡輿情治理的主導力量，需要統(tǒng)籌“網絡大V”與官方媒體的角色分工，高效地治理突發(fā)危機事件網絡輿情，維護網絡社會以及現(xiàn)實社會的和諧穩(wěn)定。因此，在推進國家治理體系和治理能力現(xiàn)代化的新時期背景要求下，如何充分發(fā)揮引導主體的疏導作用，提升網絡輿情引導信息的傳播有效率，需要展開深入研究。本文積極探索由政府部門主導，“網絡大V”與官方媒體積極分工協(xié)作的高效輿情治理模式，為政府相關部門科學高效治理突發(fā)危機事件網絡輿情提供理論參考和決策支持。

目前，國外學者對突發(fā)危機事件網絡輿情的研究熱點集中于突發(fā)危機事件輿情信息傳播機制和突發(fā)危機事件網絡輿情治理與預警這兩個方面。對于危機事件信息傳播機制的研究主要有：Jacob M等提出突發(fā)危機事件應急管理的基礎是識別、掌握和挖掘突發(fā)危機事件傳播演化機制的能力[5]。Denphedtnong A等建立微博輿情信息傳播模型，收集大量的Twitter數據、轉發(fā)信息的數量、關注者的數量和評論數量之間的關系以及用戶進行分析，研究發(fā)現(xiàn)，輿論傳播參數受用戶影響[6]。Jin Y等通過創(chuàng)新改進危機信息模型發(fā)現(xiàn)，危機來源、危機信息的形式和來源對公眾接受危機信息和應對危機的情緒有著重要影響[7]。Mirbabaie M等研究了Twitter用戶在面對2017年曼徹斯特爆炸案時的趨同收斂行為，通過手動篩選數據與社會網絡分析確定了在危機傳播過程中3個最具影響力的收斂行為影響者[8]。對于突發(fā)危機事件網絡輿情模擬仿真與預警的研究主要有：Witbooi P J使用機器學習分類算法，微博屬性和文本節(jié)點排名研究了微博情況下的用戶節(jié)點轉發(fā)行為，并基于加權特征建立了公眾輿論預測模型[9]。Pearl J通過對貝葉斯網絡的運用來進行預警研究[10]。

而國內學者更多地關注突發(fā)危機事件的網絡輿情傳播機制及演化規(guī)律、突發(fā)危機事件網絡輿情引導機制與治理策略。其中，對于突發(fā)危機事件的網絡輿情傳播機制及演化規(guī)律：李勇建等[11]對輿情傳播機制中的社會公眾與政府部門兩方主體之間的博弈關系進行了研究;李詩悅等[12]通過動物疫情危機展示了網絡輿情的演變機理;部分學者[13-14]則基于經典的危機演化四階段論對突發(fā)危機事件的演化規(guī)律進行了論述;高虒源等[15]將研究目光投向了次生網絡輿情危機爆發(fā)的核心因素與內在邏輯分析，是對公共危機演化規(guī)律研究的有益補充。對于突發(fā)危機事件網絡輿情引導機制與治理策略的研究主要有：祁凱等通過引入中央政府懲罰機制來構建網絡媒體與地方政府雙方行為策略博弈模型，探究突發(fā)危機事件的有效治理策略[16]。也有以群體性突發(fā)事件[17]或“網絡大V”在輿情爆發(fā)階段傳播作用[18]等研究主題為切入點來探究導控治理策略的研究。而夏一雪等則從“時效度”一體化觀點關注突發(fā)危機事件中的負面情感引導，提出突發(fā)危機事件輿情治理策略[19]。

綜上，國內外學者主要針對突發(fā)危機事件網絡輿情的傳播機制及治理策略、風險預警等方面進行研究，為本文的研究奠定了堅實基礎。已有研究中發(fā)現(xiàn)，網民的情緒感染演化對網絡輿情傳播具有重要影響作用，因此將網民情緒感染狀態(tài)演化作為衡量突發(fā)事件輿情傳播狀態(tài)的指標之一。但情緒感染側重于體現(xiàn)網民的個體狀態(tài)變化，僅僅依靠引入情緒因素的傳染病模型對于突發(fā)事件輿情傳播進行研究是不夠的。實際上，網絡輿情的發(fā)展過程還是官方媒體、“網絡大V”、網民等多方參與主體之間相互影響的博弈結果，尤其是在突發(fā)危機事件中官方媒體的信息發(fā)布與輿情引導決策、“網絡大V”的引導方向選擇、網民的恐慌情緒與危機事件相關真假信息篩選更是一個行為決策博弈過程。鑒于此，本研究將博弈理論與SEIR模型相結合，對網絡輿情傳播進行研究，如圖1所示。同時考慮網民情緒感染因素，進而揭示突發(fā)危機事件網絡輿情演化擴散過程中的傳播特征與機理。在此基礎上，細致探究有無政府部門介入，“網絡大V”與官方媒體行為決策演化至穩(wěn)定狀態(tài)下的條件，以及雙方不同行為決策下網民行為情緒的轉換規(guī)律以及輿情的演化趨勢，并分析不同的信息傳播有效率對輿情治理效果的影響。最后，結合對多個案例實際情境的擬合推演分析，進一步驗證本文模型在實際輿情治理應用的普適性與有效性。

1 問題描述與基本假設

在突發(fā)危機事件發(fā)生后，事件報道具有情感導向的觀點信息在網絡空間迅速擴散傳播，導致網民出現(xiàn)情緒感染并產生網絡輿情惡性演化的風險。基于互動性、信息權威性以及群體數量這3個劃分指標將引導信息的發(fā)布主體主要分為官方媒體與“網絡大V”[20]。在網絡輿情傳播過程中，輿情引導主體基于不同利益目的在公共輿論場中產生博弈行為，借助自身所擁有的話語空間表達觀點，對普通網民的情緒進行引導，網民受到“網絡大V”與官方媒體行為決策、信息傳播有效率以及輿情傳播熱度的影響出現(xiàn)行為情緒轉換。現(xiàn)實情境下，官方媒體是政府部門的宣傳平臺，以宣傳黨和政府的執(zhí)政理念、方向和政策為主要任務[21]，能夠在危機事件發(fā)生后給予權威的信息披露，但受到其功能性的影響，導致其與粉絲的互動較少;“網絡大V”則是對在不同網絡社群群體或整個網絡社群中具有較大影響力人的統(tǒng)稱，并且頻繁的互動交流以及網民的“草根”性能夠不斷提升其引導力，但其傳播的部分信息存在著歪曲、編造現(xiàn)象。“網絡大V”與官方媒體因受到“有限理性”與“經濟人”的思維限制會產生復雜的策略調整過程。本研究通過上述問題的總結梳理，假設條件如下：

假設1：基于Freeman R E[22]對利益相關者理論的闡述可以發(fā)現(xiàn)，“網絡大V”與官方媒體作為輿情引導的主要力量，會根據自身收益驅動選擇符合帕累托最優(yōu)的行為決策，而政府部門則是作為統(tǒng)籌協(xié)調雙方策略選擇符合系統(tǒng)穩(wěn)定條件的關鍵因素。

假設2：基于Gruhl D等[23]的研究基礎，本研究將時刻系統(tǒng)內的網民劃分為：易感染類網民S（t）、潛伏期網民E（t）、已感染網民I（t）、治愈網民R（t），各類網民基于“網絡大V”與官方媒體的行為決策而出現(xiàn)行為情緒的轉變，同時輿情信息的傳播熱度以及信息的傳播有效率也會影響網民行為情緒轉變。

假設3：部分利益主體不能夠直接選擇有利于系統(tǒng)達到理想穩(wěn)定狀態(tài)的行為決策，會在自身選擇錯誤的行為決策[24]而遭受損失后，通過不斷反思、糾正自身的行為而及時調整決策[25]，并且會基于“短視”假設[26]，將彼此決策選擇產生的損益情況作為自己及時調整后續(xù)行為決策的調整依據。

假設4：利益主體的一些行為決策損益，難以利用客觀準確的數值實現(xiàn)量化，例如：社會收益或非物質性處罰等。因此，基于Tversky A等[27]提出前景理論研究可以量化博弈主體所產生的一些感知收益。其中感知損益的計算公式為：

當Δθ≥0時，為利益主體在實施行為決策時的非量化感知收益，反之為感知損失;τ、為邊際遞減程度，其值域范圍為0≤τ、≤1;π是各利益主體對損失規(guī)避程度系數，其值域為π<0。

同時“網絡大V”與官方媒體發(fā)布的觀點信息能夠引導網民的情緒，通過刻畫傳染病模型中民眾網民行為情緒轉換，如圖2所示。一定比例A的網民（A≈1）會基于傳播熱度而進行圍觀，并且引導信息的有效傳播率會受到粉絲數量以及信息權威程度的影響，官方媒體與“網絡大V”的決策選擇也會起到不同程度的促進作用，則網民S（t）因官媒的消極報道轉換為網民E（t）的概率為y2+d;網民S（t）因官媒的積極應對轉換為網民R（t）的概率為y1+（1-d）;網民E（t）因“網絡大V”的惡意煽動轉換為網民I（t）的概率為x2+（1-m）;網民I（t）因“網絡大V”的正面引導轉換為網民R（t）的概率為x1+m;網民I（t）因自身調整出現(xiàn)概率Φ的治愈。

基于各利益主體的博弈行為以及參數假設，可以得到“網絡大V”與官方媒體雙方主體間的博弈收益矩陣，如表1所示。

2 模型構建及分析

2.1 SEIR輿情傳播模型及分析

在突發(fā)危機事件網絡輿情演化的過程中，網民的行為情緒會根據內外部影響因素而出現(xiàn)一定概率的轉換，與疾病傳播過程中的感染現(xiàn)象具有相同特性，因此，本研究基于傳播動力學理論，構建SEIR網絡輿情傳播模型，進一步描述網民行為情緒狀態(tài)的轉換過程。根據圖1的網民行為情緒演化路徑得到微分方程：

通過觀察式（1）可以發(fā)現(xiàn)，前3個常微分方程中均不含變量R，因此僅考慮前3個常微分方程。此時，令前3個常微分方程左邊為0，可以求得SEIR輿情傳播模型的傳播閾值R0=Aε（x2+1-m）Φ（y1+1-d）。通過進一步分析可以發(fā)現(xiàn)，傳播閾值受到“網絡大V”與官方媒體行為決策、傳播熱度、粉絲數量差異度以及信息權威性差異度的主要影響，而不同的傳播閾值大小能夠預示網絡輿情的演化態(tài)勢。

2.2 “網絡大V”與官方媒體策略選擇的演化博弈模型及分析

在突發(fā)危機事件網絡輿情擴散的過程中，“網絡大V”與官方媒體會根據自身收益選擇利己的行為策略，并會隨時調整其策略選擇以達到自身損益的帕累托最優(yōu)，因此，本研究基于演化博弈理論，構建“網絡大V”與官方媒體行為策略的演化博弈模型，利用模型中的復制動態(tài)方程進一步描述雙方行為策略的演化規(guī)律。假設“網絡大V”選擇正面引導策略m1的期望收益為Mm1，選擇惡意煽動策略m2的期望收益為Mm2，平均期望收益為;官方媒體選擇積極應對策略j1的期望收益為Jj1，選擇消極報道策略j2的期望收益為Jj2，平均期望收益為。根據表1損益矩陣得到：

2.3 政府部門懲罰機制下的演化博弈模型及分析

“網絡大V”會選擇積極引導決策，而官方媒體會因較低的社會收益感知選擇消極報道決策，這也為突發(fā)危機事件網絡輿情的惡性演化增加了一定的風險。此時政府部門需要統(tǒng)籌協(xié)調，從而使得系統(tǒng)Ⅰ演化至較理想的穩(wěn)定狀態(tài)，假設政府部門對選擇惡意煽動的“網絡大V”給予封號與行政強制措施的處罰F，給予選擇消極報道的官方媒體扣除績效獎金G的處罰，得到“網絡大V”與官方媒體新的博弈收益矩陣，如表4所示。

3 情境模擬數值仿真實驗分析

通過對突發(fā)危機事件的實際發(fā)展過程模擬，分析在突發(fā)危機事件不同情境狀態(tài)下，利益主體行為決策選擇及網絡輿情演化規(guī)律，從而驗證SEIR演化博弈模型在突發(fā)危機事件網絡輿情治理的有效性和適用性。本研究選取“病死豬肉事件”“宜賓長寧地震事件”“長春長生問題疫苗事件”“紅黃藍虐童事件”作為情景模擬的實驗案例，并通過總結梳理上述案例的演化過程，抽象出突發(fā)危機事件網絡輿情的生命周期，如圖3所示。上述4個案例較為全面地涵括了突發(fā)危機事件的4種類型：食品安全、自然災害、公共衛(wèi)生、兒童安全，并且在發(fā)生后具有較強的影響力和輻射力，能夠更好地檢驗論證模型的普適性與可操作性;同時，上述4個案例中的突發(fā)危機事件網絡輿情完整地展示了其生命周期內的演化過程，并且在網絡輿情演化過程中，涵蓋了模型中利益主體的博弈沖突關系，具有較強的代表性。因此，在網絡中出現(xiàn)危機事件的輿情信息后，最先要采取應對措施的主體是官方媒體與“網絡大V”，雙方不同的行為決策會影響網民的行為情緒狀態(tài)，政府部門要進行統(tǒng)籌協(xié)調使得系統(tǒng)演化至理想的穩(wěn)定狀態(tài)。通過對上述4個案例事件中參與主體的行為參數賦值，精確模擬各主體在不同情境中行為決策的演化規(guī)律，進一步驗證模型在有效防治突發(fā)危機事件網絡輿情惡性演化的適用性。

此時令增長比例A≈1、網民治愈概率Φ=0.1，各類網民初始狀態(tài)比例為0.2、0.14、0、0演化時間T=[0，30]，數值仿真結果如圖5所示。

基于圖4、圖5可以發(fā)現(xiàn)，當突發(fā)危機事件熱度較低時，官方媒體與“網絡大V”行為決策的演化趨勢會無限接近（1，0），“網絡大V”選擇正面引導、官方媒體選擇消極報道，系統(tǒng)內的網民會出現(xiàn)傳播輿情行為，但保持著較低的比例，此時的傳播閾值R0≈1.6>1。“網絡大V”會充分考慮其選擇惡意煽動決策的額外經濟收入是否可以彌補其編造煽動言論的成本，同時也會忌憚于官方媒體曝光宣傳而導致其遭受的形象損失;官方媒體會因“網絡大V”的正面引導以及輿情傳播熱度較低，導致自身不能夠高度重視網絡中輿情的發(fā)展態(tài)勢，同時也會降低對社會收益的感知程度;各類行為情緒的網民會基于雙方的行為決策與輿情傳播熱度以及信息傳播有效率，出現(xiàn)不同概率的行為情緒轉換，且系統(tǒng)內仍然保持著較低比例的傳播輿情信息的網民。這也表明了當輿情傳播熱度較低時，會首先影響到輿情主體行為決策的選擇，并且由于雙方未選擇最優(yōu)的行為決策，使得系統(tǒng)內的輿情傳播閾值R0>1，從而導致系統(tǒng)內存在輿情惡性演化的風險。

在“病死豬肉事件”“宜賓長寧地震事件”“長春長生問題疫苗事件”“紅黃藍虐童事件”4個事件輿情的形成階段，事件細節(jié)未詳盡，能夠傳播的輿情信息較少，網絡輿情傳播熱度較低。“網絡大V”會綜合自身損益選擇正面引導決策，官方媒體會因“網絡大V”的決策以及較低的傳播熱度而出現(xiàn)麻痹大意或錯誤判斷行為，例如在“長春長生問題疫苗事件”“紅黃藍虐童事件”與“病死豬肉事件”網絡輿情的形成階段，“網絡大V”率先利用各種博文譴責這種卑劣行徑，并迅速地掌握了輿情傳播的“話語權”，官方媒體的滯后發(fā)聲、報道力度不足等行為因素都將使得官方媒體逐漸錯過輿情引導的最佳時機;在“宜賓長寧地震事件”發(fā)生后，官方媒體雖然在第一時間進行報道，但其因初期較低的輿情傳播熱度而出現(xiàn)了對社會收益感知的錯誤判斷，也選擇了“消極報道”。“網絡大V”基于官方媒體決策的分析會逐漸改變其原有決策，此時“網絡大V”會因前期的率先發(fā)聲而掌握輿情傳播的主動性，盡管輿情的傳播熱度較低，但是經過“網絡大V”的惡意煽動，從而使得系統(tǒng)中具有負面情緒的網民開始增長并加速了輿情的惡性演化。而此時官方媒體會因其前期的錯誤決策而失去輿情引導過程中的“話語權”，并且會因自身損益的考慮而繼續(xù)選擇消極報道決策，最終導致網絡輿情持續(xù)惡性發(fā)酵。基于上述分析可以發(fā)現(xiàn)，較低輿情傳播熱度下的策略演化穩(wěn)定點是暫時性的，各利益主體基于“短視”假設會逐漸調整其策略，官方媒體雖然會逐漸提升對社會收益的感知度τ1，但其也會考慮“網絡大V”的行為決策而繼續(xù)選擇消極報道決策，系統(tǒng)在（1，0）處的穩(wěn)定條件會被破壞而逐漸演化至（0，0）處，系統(tǒng)內的輿情傳播閾值也逐漸增大（R0≈5.6）而使得傳播輿情的網民增加，如圖6所示，此時需要政府部門的統(tǒng)籌協(xié)調而使得系統(tǒng)內的利益主體進入新情境狀態(tài)的博弈。

情境2：此時突發(fā)危機事件的熱度為（ε=0.6），在政府部門的統(tǒng)籌協(xié)調下，官方媒體與“網絡大V”行為決策的演化以及網民的行為狀態(tài)演化。

此時令增長比例A≈1、網民治愈概率Φ=0.1，各類網民初始狀態(tài)比例為0.6、0.203、0.3、0.18，演化時間T=[0，30]，數值仿真結果如圖8所示。

通過比較圖6～圖8可以發(fā)現(xiàn)，隨著突發(fā)危機事件輿情傳播熱度的提升，“網絡大V”會基于帕累托最優(yōu)的考慮而改變原有的決策，此時的網民也會根據“網絡大V”的惡意煽動而逐漸出現(xiàn)傳播負面輿情的行為;官媒此時因前期的消極決策而失去了輿情傳播的“話語權”，雖然提高了對社會收益的感知程度，但其在引導惡性輿情傳播時會力不從心，最終做出保守的決策，即消極報道。政府部門面對負面輿情的持續(xù)傳播與發(fā)酵時會選擇介入，通過對“網絡大V”施行封號處理以及相應的行政處罰，給予“網絡大V”一定的震懾力;同時政府部門也會利用扣除績效獎金等方式，督促官方媒體選擇積極的應對策略。此時雙方行為決策的演

化趨勢會無限趨近于（1，1），“網絡大V”選擇正面引導、官方媒體選擇積極應對，系統(tǒng)內的感染狀態(tài)網民會在雙方改變策略前出現(xiàn)一定比例的上升，而隨著“網絡大V”與官方媒體改變原有決策后出現(xiàn)回落，但此時的輿情傳播閾值R0≈2.142>1，說明了系統(tǒng)內傳播輿情信息的網民依舊存在，輿情仍有惡性演化的風險，并且官媒與“網絡大V”未形成有效配合，他們之間的粉絲數量的差異度仍然較高，也使得系統(tǒng)內官媒的引導信息傳播效率降低，最終影響了引導效果。

隨著輿情傳播熱度的提升，官媒也會提升對社會收益的感知程度τ1，并且開始重視網絡中的一些負面輿情信息。在“長春長生問題疫苗事件”中，“網絡大V”利用問題疫苗流向與死者賠償款等輿情信息編撰煽動言論，雖然官媒努力進行辟謠與闡述真相，但前期的錯誤決策行為令其失去了輿情引導的“話語權”，最終在面對“網絡大V”惡意煽動、網民負面情緒高漲時，其引導行為效果甚微，進而做出保守的消極報道決策。面對網絡社會中肆虐的惡性輿情，政府部門應高度重視并迅速介入，通過制定一系列處罰措施形成對雙方主體的震懾。政府部門在網絡輿情持續(xù)惡性演化時通過不同程度地介入，采取嚴懲輿情煽動者的措施并建立懲罰機制激勵官方媒體，有效地阻滯了輿情的惡性演化，也使得感染狀態(tài)網民出現(xiàn)回落。但“網絡大V”與官方媒體之間仍然存在較大的粉絲數量差異，并且盡管“網絡大V”通過與官媒保持高度一致進行輿情引導，但其發(fā)布的信息仍然不及官媒的權威，最終影響引導效果。在“紅黃藍虐童事件”網絡輿情的衰退階段，官媒不能夠與網民形成及時性的互動而使得網民的“心聲”以及迫切需求得不到回復，影響官媒的粉絲數量并與“網絡大V”的粉絲基礎形成的差異度，最終未形成有效的引導，一部分感染狀態(tài)的網民還在持續(xù)傳播負面輿情。基于上述分析可以發(fā)現(xiàn)，政府部門通過有效的介入能夠促使博弈雙方選擇較優(yōu)的行為決策，使系統(tǒng)演化至較為理想的狀態(tài)。但需要說明的是，此時系統(tǒng)內部的處于感染狀態(tài)網民并未得到真正意義上的消亡，政府部門需要進一步對官媒進行決策上的優(yōu)化，即通過制定相關決策推動“政民”的有效交流溝通，進一步完善官媒的建設并充分發(fā)揮官媒交流平臺的作用，使得系統(tǒng)內官媒的粉絲數量得到提升而減少與“網絡大V”之間的粉絲差異度，即d=0.3，并且政府部門也需要及時、妥善地處理突發(fā)危機事件，給予公眾較高的公信力而降低事件輿情的傳播熱度，如圖9所示，此時的傳播閾值R0≈0.222<1，表明了系統(tǒng)內的輿情也得到了有效引導，最終整個系統(tǒng)演化最理想的穩(wěn)定狀態(tài)。

4 結 語

本研究以突發(fā)危機事件網絡輿情治理為研究視角，將SEIR模型與演化博弈論方法結合，構建了有無政府部門合理介入下的輿情傳播與演化博弈模型，探究無政府部門介入與有政府部門介入條件下，雙方主體行為決策的博弈演化過程以及網民行為狀態(tài)的演化過程。通過分析發(fā)現(xiàn)，政府部門的合理介入，能夠促進官方媒體與“網絡大V”的協(xié)調合作，充分發(fā)揮其引導效果進而阻滯網民傳播負面輿情的行為，最終使得系統(tǒng)演化至最理想的穩(wěn)定狀態(tài)。通過選取“長春長生問題疫苗事件”“病死豬肉事件”“紅黃藍虐童事件”與“宜賓長寧地震事件”作為研究樣本，并基于參數賦值模擬不同情境下仿真推演，最終通過不同情境下推演結果得到以下結論：

1）突發(fā)危機事件網絡輿情傳播閾值是否大于1能夠預示系統(tǒng)內感染狀態(tài)網民的演化趨勢，并且輿情的傳播熱度、“網絡大V”與官方媒體的策略選擇比例以及系統(tǒng)內的信息傳播有效率會對傳播閾值產生重要的影響。盡管突發(fā)危機事件網絡輿情的傳播熱度較低，但“網絡大V”與官方媒體未選擇較優(yōu)的行為決策，信息傳播有效率在輿情初始傳播階段較高，此時輿情傳播閾值會大于1，會增加輿情惡性演化的風險。基于此，官方媒體應當重視輿情的隱性發(fā)展以及提高對社會收益的感知，通過采取積極應對的措施進而牢牢掌握住“話語權”，并積極與部分“網絡大V”展開輿情引導的合作，有效地阻滯網絡輿情的惡性發(fā)酵。

2）“網絡大V”與官方媒體在突發(fā)危機事件網絡輿情引導的過程中，其行為決策的選擇會受限于網絡輿情的傳播熱度。當網絡輿情傳播熱度較低時，系統(tǒng)內部會出現(xiàn)短暫的穩(wěn)定平衡，但經過突發(fā)危機事件自身的演化發(fā)展，其產生的輿情信息是不斷增加的，從而會導致輿情傳播熱度的迅速提升，并且官方媒體的消極報道策略也會增加“網絡大V”選擇惡意煽動決策的驅動力。“網絡大V”通過前期的正面引導策略率先發(fā)聲，贏得了網絡輿情傳播的主導權，當其選擇惡意煽動的策略后，大量處于潛伏狀態(tài)的網民會選擇傳播負面輿情而加速網絡輿情的演化，同時官方媒體會隨著輿情傳播熱度的提升而提高自身對社會收益的認知，但因自身失去了輿情引導的“話語權”，就會使得其引導行為無明顯效用，因此，官方媒體會基于自身損益的帕累托最優(yōu)而繼續(xù)選擇消極報道，最終系統(tǒng)會演化至新的穩(wěn)定平衡點（0，0），此時就需要政府部門的合理介入，促使各方朝著良性態(tài)勢演化。

3）政府部門的合理介入、統(tǒng)籌，能夠有效促使雙方博弈主體的行為決策朝著優(yōu)化趨勢演化，并且也能夠避免引導信息傳播有效率的降低，同時政府部門積極妥善地處置突發(fā)危機事件，能有效疏導民眾恐慌情緒以及緩和社會矛盾，從而降低輿情傳播熱度，最終使系統(tǒng)內的輿情得到高效科學治理。“網絡大V”與官方媒體作為有限理性的“經濟人”，會基于自身損益的考慮而選擇利己的帕累托最優(yōu)決策，所以需要政府部門的統(tǒng)籌協(xié)調，通過建立對應的懲罰機制對相關利益主體形成一定的震懾，例如對惡意煽動的“網絡大V”進行封號以及執(zhí)行相關治安管理處罰，甚至是刑事訴訟;而對官方媒體，政府部門可以建立績效評價機制來驅動官媒選擇積極應對策略。同時，政府部門需要進一步對官媒進行決策上的優(yōu)化，即通過制定相關決策推動“政民”的有效交流溝通，進一步完善官媒的建設并充分發(fā)揮官媒交流平臺的作用，使得系統(tǒng)內官媒的粉絲數量得到提升而減少與“網絡大V”之間的粉絲差異度。最后，政府部門采取有效的措施應對突發(fā)危機事件，樹立“作為”的政府形象，使得民眾心中的恐慌等負面情緒得到消除，從而降低突發(fā)危機事件的熱度，加速輿情的消亡。

需要說明的是，本研究重點探討了影響官方媒體與“網絡大V”決策選擇以及網民行為狀態(tài)變化的影響因素，從而得到有效治理網絡輿情的結論建議，通過選取多個突發(fā)危機事件典型案例作為研究樣本，并模擬仿真推演進一步驗證了政府部門的合理介入，既能夠有效敦促雙方博弈主體選擇優(yōu)化決策，又能夠高效引導網絡輿情，最終使得系統(tǒng)處于良性的穩(wěn)定狀態(tài)。但是仍然存在以下局限：首先，本文提出突發(fā)危機事件網絡輿情的傳播熱度能夠影響輿情的傳播閾值以及主體的行為決策，但未涉及針對信息傳播熱度的監(jiān)測與預警;其次，本文提出政府部門需要協(xié)調“網絡大V”與官方媒體的引導力度，但如何均衡雙方發(fā)表引導信息的比例以達到高效的網絡輿情引導，還需要進一步深入研究。

參考文獻

[1]張勤.網絡輿情的生態(tài)治理與政府信任重塑[J].中國行政管理，2014，（4）：40-44.

[2]曹海軍，李明.大數據時代中國網絡輿情的治理反思與路徑拓展——基于“技術治理路徑”嵌入視角[J].行政論壇，2019，26（5）：65-73.

[3]文宏.網絡群體性事件中輿情導向與政府回應的邏輯互動——基于“雪鄉(xiāng)”事件大數據的情感分析[J].政治學研究，2019，（1）：77-90，127-128.

[4]王琳琳，齊南南，艾鋒.大數據時代網絡輿情治理模式研究[J].中國電子科學研究院學報，2018，13（5）：502-505.

[5]Jacob M，Hellstrm T.Policy Understanding of Science，Public Trust and the BSE-CJD Crisis[J].Journal of Hazardous Materials，2000，78（1-3）：303-317.

[6]Denphedtnong A，Chinviriyasit S，Chinviriyasit W.On the Dynamics of SEIRS Epidemic Model with Transport-related Infection[J].Mathematical Biosciences，2013，245（2）：188-205.

[7]Jin Y，Liu B F，Austin L L.Examining the Role of Social Media in Effective Crisis Management：The Effects of Crisis Origin，Information Form，and Source on Publics Crisis Responses[J].Communication Research，2014，41（1）：74-94.

[8]Mirbabaie M，Bunker D，Deubel A，et al.Examining Convergence Behaviour During Crisis Situations in Social Media-a Case Study on the Manchester Bombing 2017[C]//International Working Conference on Transfer and Diffusion of IT.Springer，Cham，2018：60-75.

[9]Witbooi P J.Stability of an SEIR Epidemic Model with Independent Stochastic Perturbations[J].Physica A：Statistical Mechanics and Its Applications，2013，392（20）：4928-4936.

[10]Pearl J.Probabilistic Reasoning in Intelligent Systems：Networks of Plausible Inference[M].Elsevier，1988.

[11]李勇建，王治瑩.突發(fā)事件中輿情傳播機制與演化博弈分析[J].中國管理科學，2014，22（11）：87-96.

[12]李詩悅，李晚蓮.公共危機網絡輿情演變機理：路徑及動因——以動物疫情危機為例[J].中國行政管理，2019，（2）：116-121.

[13]于鵬，邱燕妮.全媒體時代公共危機輿情傳播路徑與演化機理研究[J].中國行政管理，2019，（8）：94-98.

[14]宋寧，劉嬋君.過程與要素視角下的突發(fā)事件網絡輿情演化規(guī)律研究綜述[J].圖書情報工作，2016，60（15）：140-147.

[15]高虒源，張桂蓉，孫喜斌，等.公共危機次生型網絡輿情危機產生的內在邏輯——基于40個案例的模糊集定性比較分析[J].公共行政評論，2019，12（4）：101-123，192.

[16]祁凱，楊志.突發(fā)危機事件網絡輿情治理的多情景演化博弈分析[J].中國管理科學，2020，28（3）：59-70.

[17]宋民雪，劉德海.群體性突發(fā)事件化解機制的隨機演化博弈模型[J].中國管理科學，2020，28（4）：142-152.

[18]馬寧，劉怡君.輿論領袖傳播影響力的階段式建模分析[J].中國管理科學，2020，28（3）：52-58.

[19]夏一雪，王娟，何巍，等.基于輿情大數據的突發(fā)事件負面情感引導“時度效”研究[J].圖書與情報，2019，（5）：120-126.

[20]王法碩，丁海恩.官方媒體使用如何影響制度自信？——愛國主義的中介作用與政治知識的調節(jié)作用[J].東北大學學報：社會科學版，2020，22（3）：47-55.

[21]孫忠良.議微博時代官方媒體的角色定位[J].電子政務，2014，（8）：88-92.

[22]Freeman R E.Strategic Management：A StakeholderApproach[M].Cambridge University Press，2010：16-19.

[23]Gruhl D，Guha R，Liben-Nowell D，et al.Information Diffusion Through Blogspace[J].International Conference on World Wide Web，2004，6（2）：491-501.

[24]李維安，王世權.利益相關者治理理論研究脈絡及其進展探析[J].外國經濟與管理，2007，（4）：10-17.

[25]黃凱南.演化博弈與演化經濟學[J].經濟研究，2009，44（2）：132-145.

[26]劉德海，韓呈軍，尹麗娟.城市拆遷群體性事件演化機理的多情景演化博弈分析[J].運籌與管理，2016，25（1）：76-84.

[27]Tversky A，Kahneman D.Prospect Theory：An Analysis of Decision Under Risk[J].Econometrica，1979，47（2）：263-291.

[28]Friedman D.Evolutionary Games in Economics[J].Econometrical，1991，59（3）：637-666.

（責任編輯：郭沫含）