圍繞在線問診的輿論焦點與網絡情緒研究
——基于微博輿情的分析

高芳芳,林心婕

(浙江大學傳媒與國際文化學院，浙江杭州310000)

根據中國互聯網絡信息中心發布的《第47次中國互聯網絡發展狀況統計報告》，截至2020年12月，我國在線醫療用戶規模達到2.15億，占網民整體的21.7%。[1]受2020年新冠肺炎疫情的影響，在線醫療的優勢得以凸顯，整個行業迎來重要發展機遇。在線醫療，也被稱為互聯網醫療，是利用互聯網為用戶提供的健康服務。[2]近年來，在線醫療用戶滲透率不斷提升，使用人群從青年群體擴展到全年齡段，問診地域逐漸從一、二線城市向三、四線城市擴展，且問診病種呈多樣化趨勢。[1]伴隨著對在線醫療獲取及疫情后對在線問診服務的迫切需求，人們究竟是如何看待在線問診的？圍繞在線問診，公眾輿論呈現出何種特點？最關注哪些主題？存在何種情感傾向？針對這些問題的回答具有非常強的現實和傳播學意義。要回答這些問題，傳統的公共輿論研究往往借助問卷調查和深度訪談等研究方法，但這些方法本身存在一定的局限性。近年來飛速發展的大數據和輿情分析所具備的時效性、經濟性及在網絡情緒等抽象特征測量上的優勢恰好可以彌補傳統的問卷調查和深度訪談的不足。我們可以利用爬蟲獲取網絡上公眾針對在線問診發表的看法，通過LDA主題模型和情感分析等辨別出有關在線問診的網絡輿論的關注焦點和網絡情緒。這也是新聞傳播學中網絡輿情分析的一種。[3]

微博是中國當下較為流行的社交媒體網站之一。[4]截至2018年底，新浪微博擁有用戶3.410億，約24.6%的中國人是微博用戶。[5]用戶可以通過微博閱讀和傳播信息、交流看法、實現社交連接。微博熱搜榜上的話題，通常代表了微博用戶在特定時段集中搜索及關注的行為，并在單個話題下有同一話題的博文和評論轉發。而微博輿論被認為是網民借助微博平臺對近期發生的、被廣泛關注的某一議題的共同意見，是具有某種公共性的社會心理的聚集。[6]因此，本研究試圖基于微博熱搜有關在線問診話題的大數據分析，聚焦在線問診，從輿情角度考察微博用戶圍繞在線問診的關注主題和網絡情緒，并進一步分析不同類型的微博用戶之間可能存在的差異，從而在學術上為健康傳播領域的輿情分析添磚加瓦，在實踐上為專業醫療機構、政府及相關部門在醫療這一關乎民生國情的重要問題上的輿情應對和情緒引導工作提供參考。

一、文獻回顧

互聯網為用戶提供了更多就醫機會，節省了問診的時間和成本，并減少了就醫過程的不便。[7]研究發現，在線醫療具有匿名性、便利性、潛在的交互性和社會支持等優點。[8][9]大多數研究者都認為社交媒體和新興的移動應用程序能夠為在線醫療發展帶來新的機遇，能夠更好地滿足患者的健康信息需求，并為醫患溝通提供更多可能。[10][11][12]但在線醫療也存在一些問題和隱憂，如用戶個人信息安全、用戶信任度不夠等。[13]我國目前針對在線醫療這一新興行業的研究主要集中在用戶行為、信息安全、隱私問題和知識增長等方面，[2]但針對公眾對在線醫療的看法，特別是公眾輿論中的在線問診的研究十分有限。國外學者采用文本挖掘的方式通過LDA主題分析考察了“好大夫在線”平臺中用戶的評論，發現用戶最常關注的主題包括找醫生的經歷、醫生專業技能、醫生對病人的態度和對疾病癥狀的描述。[14]通過對比“好大夫在線”和美國RateMDs平臺上的評論，學者們發現中國患者更關心掛號問題，而美國患者的評論則多涉及醫務工作者、等待時間和保險問題等。[15]那么，我國公眾(以微博網民為例)究竟是如何看待正在高速發展中的在線問診的？針對在線問診，微博網民有何看法？關注的焦點有哪些？針對在線問診的公眾輿論(以微博輿論為例)呈現出何種特點？依循著這一思路，本研究提出如下第一個研究問題：

RQ1：圍繞在線問診，微博輿論主要聚焦于哪些主題？

情感在塑造公共意見和引發公共討論中起著重要的作用。網絡媒體傳播所呈現出的情感化轉向，[16]隨著受眾在社交媒體平臺上的活躍度和議題參與度的增強，使得人們通過社交媒體平臺所顯現出的情感更為突出且強烈。而網絡輿情的產生與發展很大程度上遵循的是情感邏輯而非理性邏輯，網民的參與動機往往是道德的對錯和情感的共鳴。[17]此背景下，公眾的認知和情感受到社交媒體的中介化作用形成了所謂“媒介化情感”。[18]同時，情緒、情感被認為是輿情演化的關鍵因素，民眾之間的情緒傳染能夠驅動輿論的進一步發展。[19]具體到在線問診問題，微博用戶與此相關的觀點和態度可以通過情感化的表達影響他人的信息接收、態度傳遞和情緒傳染。既有研究表明，社交媒體網絡上的文本內容和用戶鏈接能夠幫助研究者大規模地檢視個體態度和社會情緒。[20]情感分析也稱為觀點挖掘或主觀性分析，主要是通過提取非結構化文本中的觀點、情感和主觀性來識別用戶針對特定主題表達的是正面還是負面的觀點。[21]現有研究表明，網絡醫療平臺上的負面評論可能在一定程度上影響患者和醫生的行為，[8]如醫生和服務平臺會根據患者的評論而改善服務質量。[22]在社交媒體平臺如微博上，網民對在線醫療所表現出來的情感傾向也具有一定的社會影響。研究發現，微博網民的情感表達占據了微博發言內容中的很大比例，導致微博評論中的情態信息即文本中所體現出的情感信息過于豐富，使微博評論偏于感性，思辨能力較弱。[23]但這也為我們研究針對在線問診的網絡情緒提供了抓手，因此本研究提出如下第二個研究問題：

RQ2: 微博輿論針對在線問診表現出何種網絡情緒？是趨向正面還是負面？

微博傳播的文本碎片化、信源多樣化、速度快捷等特點給網絡輿論場的研究帶來了更多可能。[24]研究表明，地域因素和用戶類型能夠影響網民的發言。[25]研究還發現，在網絡輿論中，當涉及醫療問題時，發言者通常容易結合社會生活中的負面實例，產生極端的對立情緒，且不同的身份決定了發言者的發言立場和態度，并根據身份差異形成“聯盟”[26]或“闡釋社群”[27]。在新浪微博中，有部分用戶被顯示為經過身份驗證的用戶，即帶“V”用戶。雖然是否帶“V”只是新浪微博的一種收費用戶管理機制，帶“V”用戶也并不必然是意見領袖，但在實際操作中，認證用戶往往會因其實名認證而與普通用戶有所區別，其影響力也往往比普通用戶要大。[28]這些更具輿論影響力的實名認證用戶在各類輿論的傳播中發揮著至關重要的作用，包括在有關醫療主題的網絡輿論中。[29]他們往往會是話題的主要發起者和傳播者，在微博討論中擁有更高的關注度和影響力。既有研究發現，帶“V”的實名認證使得微博用戶將真實身份體現在網絡空間中，因此需要對自己的言論負責，保證自己的微博發言能夠運行在理性軌道內。[23]但部分學者則提出不同意見，認為微博中的意見表達、所處立場與是否實名、是否加“V”關聯度較低。[30]既有與微博相關的研究大多只是通過論述和簡單計數來解釋實名認證與用戶發言之間的關系，而有關實名制的研究則更注重實名制對網絡暴力[31]、網絡謠言[32]等問題的影響。本研究試圖基于實證數據，考察在圍繞在線問診的微博輿論中，實名認證用戶與非實名認證用戶在關注重點和網絡情緒上存在的差異，從而為輿情應對和情緒引導提供更進一步拓展。據此，文章提出以下研究問題：

RQ3：在圍繞在線問診的微博輿論中，實名認證與非實名認證的微博用戶在關注焦點和網絡情緒上是否存在差異？存在何種差異？

二、研究方法

(一)數據收集

傳統的受眾研究通常采用問卷調查和深度訪談來完成，但針對網絡輿論，尤其是在輿論爆發的熱點時刻，大數據分析可以迅速收集和分析海量數據，進而得出具有一定代表性的結論。以在線醫療為例，學者們通過內容分析、文本挖掘等方式對用戶參與在線醫療社區后留下的文本進行分析，來挖掘發布者的情感色彩及表達的主題等。[14]本研究采用類似的研究路徑，通過抓取微博數據并對其進行分析，從而得出圍繞在線問診的輿論焦點和網絡情緒。2019年12月6日，《人民日報》官方賬號在新浪微博上發了一條反映網上就醫虛假信息的帖子，瞬間將“網上看病能信嗎”和“網上問診解答竟是復制粘貼”這兩個話題送上了當日熱搜榜，獲得了3萬余條轉贊和評論，一度引發公眾對在線醫療特別是在線問診的關注。這是一個典型的既具有話題討論度又具有社會關注度的熱門議題，同時能夠代表網民對在線問診的看法，通過對熱搜榜上這兩個話題下相關微博的分析可以較好地獲取熱點數據。因此，本研究試圖在新浪微博搜索“網上看病能信嗎”和“網上問診解答竟是復制粘貼”這兩個話題，并提取兩個熱搜話題下的所有微博正文、評論、轉發內容等文本信息和發言者賬號情況(是否認證賬號)的數據。為了能同時保證數據的全面性和及時性，研究人員于2019年12月12日使用爬蟲軟件在新浪微博上進行數據抓取。在進行了簡單的數據清洗后獲得有效微博發言3077條。其中，帶“V”用戶即認證微博用戶發言584條，占18.9%；非帶“V”用戶即非認證微博用戶發言2493條，占81.1%。從微博抓取原始數據后，對數據進行初步過濾，刪除無意義詞和語法功能性單詞后，采用Python的Jieba分詞包對文本數據進行分詞處理，采用哈工大停用詞表去停用詞，并加入人工收集的詞表作為拓展詞庫，以此作為后續主題分析所用的語料。

(二)數據分析

為了回答本研究提出的三個研究問題，研究者們在前述的數據采集和數據預處理的基礎上進行了文本建模，構建了符合LDA主題建模格式的文本詞頻矩陣。接著，計算不同參數設置下的困惑度，選擇最優主題詞和合適的模型參數，對文檔詞頻矩陣進行LDA主題建模，得到各個主題的概率和各個主題之下的“主題—詞語”矩陣以及相應的可視化結果。然后根據各個分主題下的特征詞判斷該主題的內容，并依據主題內容合并相似主題，最終得到微博用戶對在線問診的看法的子維度。文檔主題生成模型(Latent Dirichlet Allocation，LDA)是一種典型的非監督分類法，它通過機器學習統計詞頻的方式，形成主題單詞構成和評論主題構成的多層概率分布，進而實現分類。網絡話題主題挖掘的關鍵在于從海量網絡文本中動態地獲取話題與主題，并在此基礎上歸納出話題參與者的主要觀點。其中，LDA模型對像微博文本這樣的短文本的適應性較強，常被用于針對大規模評論數據集的主題挖掘和情感分析。[33]本研究使用開源的gensim工具實現LDA主題模型的訓練。由于LDA主題模型抽取的特征詞不能像人工那樣完整解讀整句的意義，能夠挖掘的結論僅限于在集中詞項聚類下表達的主題的意義，[34]因此本研究還將輔以文本分析對研究發現進行補充解釋，通過人工篩選出最具代表性的微博文本，結合中國獨特的社會文化背景，對熱點主題進行劃分和解讀。

接下來，研究者們采用情感分析對采集到的微博文本進行了分析。情感分析(sentiment analysis)是文本分類的一個分支，指對帶有情感傾向的主觀性文本進行分析、處理、歸納和推理，識別出用戶的情感傾向(積極、消極、中性)，并輸出對應的置信度(0-1)。具體來說，本研究使用了Python中的SnowNLP工具包對收集到的微博文本進行情感分析，并統一采用情感分析的“積極”置信度，越接近1表示文本所顯示的態度越積極；越接近0則表示文本所顯示的態度越消極(見表1)。通過與情緒語料庫的比較后，如表1所示，研究者們將詞匯的情感值按以下標準進行劃分用于說明具體的態度：負面態度(情感值小于0.3)、中性態度(情感值介于0.3到0.8之間)、正面態度(情感值大于0.8)。

表1 微博文本情感值示例

三、研究發現

(一)圍繞在線問診的微博輿論焦點

為了回答RQ1，研究者通過LDA主題建模，在對主題模型運算結果進行視覺化轉換的過程中，利用多維尺度分析法(multi-dimensional scaling)使主題之間的距離反映在笛卡爾坐標系中，根據主題交疊程度與區分程度不斷調整模型中的超參數，在調整后根據主題邊界清晰和主題含義可闡釋原則確立了文本主題。[35]結果發現，如表2所示，在圍繞在線問診的微博輿論中，關注焦點集中于在線問診與信息監管、在線問診與死亡戲謔及在線問診的核心需求。

表2 圍繞在線問診的微博輿論的關注焦點

在在線問診與信息監管主題中，出現頻率最高的詞當屬“百度”。在中國，百度是使用率最高的中文搜索引擎，占中國搜索引擎市場的71.10%。[36]但由于“百度”搜索顯示的內容引入排名競價機制，搜索結果中出現在前列的網頁可以通過購買產生，給了不實信息以可乘之機。在線問診的用戶大多因為時間或者空間上的阻礙而選擇通過在線方式尋醫問藥，但由于缺乏有效的監管和競價廣告的存在，在線問診回答的有效性令人存疑。在熱搜話題的發言中，“百度看病，癌癥起步”被反復提及，將“百度”與惡性疾病關聯充分表明了網民認為通過百度獲取醫療診斷意見的不可靠性。因此，該主題中還包含著大量比如“不信”“亂象”“呵呵(表諷刺)”等關鍵詞，結合語料，這些都共同說明了微博輿論對在線問診在整體監管和有效性方面的擔憂。

在線問診與死亡戲謔主題則更多地帶有黑色幽默的色彩。在這一主題下對應的文本存在兩個明顯的特征：一是反諷。在日常生活中，通常與疾病、生死等問題有關的討論都會較為嚴肅。但在該主題中，類似于“墳頭”“棺材”這些口語化，甚至低俗化的表達在某種程度上可以被視為是用戶對混亂現狀的諷刺，表現出用戶對于在線問診的強烈質疑。二是情緒宣泄。對于現有的在線問診及相關平臺，部分用戶直接將其定性為“騙子”。雖無法通過現有文本進一步了解具體原因，但結合近些年媒體對在線問診相關負面事件的報道，微博輿論對此亂象有所譴責，并體現出對在線問診可能存在的負面印象。

而在在線問診的核心需求主題下，輿論的關注焦點則更多地回歸到了在線問診的本質，即關心在線問診能否滿足用戶的需求通過在線問診能否獲得有效的醫療建議。“復制粘貼”作為這一主題下的關鍵詞頻頻出現，可能是因為部分在線醫療平臺曾被曝光存在雇傭非專業人員進行類似復制粘貼的回復，這一曾經的亂象在一定程度上影響了網民對在線問診服務的信任。用戶雖期待能通過在線問診獲取針對個人的健康建議，但在一些在線問診平臺出現的“復制粘貼”式回答的情況被媒體報道后，人們害怕通過網絡問診得到的答案最終淪為基于“萬能公式”的統一回復。

(二)針對在線問診的網絡情緒

為了回答RQ2，研究者采用情感分析(sentiment analysis)考察了微博輿論中針對在線問診所呈現出的網絡情緒。研究發現，在針對在線問診發表看法的微博用戶中，有44%的用戶對在線問診呈現負面情緒，31%呈現中性情緒，而呈現出正面情緒的僅占25%，這再度印證了LDA主題模型分析中微博輿論多聚焦有關在線問診的負面評價的情況。

在過往的研究中，研究者發現中性情緒在微博表達中占了很大的比例，“陳述性”(declarative)表達具有重要的地位。[37]但在本研究對在線問診話題的情感分析中卻發現負面的網絡情緒表達占了近半數，如“切記‘魏則西事件’”(情感值0.105)、“什么病一上百度查都是癌癥，都能被自己嚇死”(情感值0.00009)等。究其原因，一方面可能因為人們對之前的“魏則西事件”等惡性事件的記憶揮之不去，導致輿論對在線醫療和在線問診存在較大的疑慮；另一方面，可能因為網絡上有關醫學和疾病的信息不乏一些夸大或極端的成分，當人們缺乏專業的醫學知識時，容易受這些信息影響引發恐慌情緒，這也會在一定程度上影響用戶對在線問診的信任和意愿。與此同時，仍有一部分帶有中性情感的文本體現了微博輿論中對在線問診持客觀態度和中性網絡情緒的部分。例如，有發言表示“作參考即可，不要盲目相信！”(情感值0.524)以及“網上問診可以，但也僅僅是個參考”(情感值0.463)。由此可見，部分微博用戶對在線問診的態度較為客觀，認為在線問診可以提供對病情的部分參考但并不能完全替代線下面對面診療。而具有正面網絡情緒的文本則在客觀認知的基礎上肯定了在線問診，并對其未來發展提出了具體的建議，如有用戶表示，“還是要找到專業的問診APP吧，可以上丁香醫生、春雨醫生、阿里健康啊”(情感值0.933)。綜上可見，在有關在線問診的微博輿論中，相較于客觀中性或正面的網絡情緒，恐慌、疑慮等負面的網絡情緒仍占上風。如何克服公眾對在線問診的負面刻板印象，仍是需要重點關注的課題。

(三)實名認證和非實名認證的微博用戶在微博輿論中的差異

針對RQ3，研究者通過微博用戶賬戶是否通過官方認證，將其劃分為實名認證用戶與非實名認證用戶。在區分了用戶的賬戶類別后，如表3所示，實名認證用戶和非實名認證用戶在關注主題上存在較為明顯的差異。在認證用戶的關注主題中，話題1雖然也出現了高頻詞“百度”，但認證用戶更多地是在描述一種客觀的行為——使用搜索引擎獲得醫療建議。在話題2中，認證用戶的關注焦點集中在如何解決現有的圍繞在線問診的問題，個人情感色彩較弱，更多地強調加強審查監管、建立完善的在線問診平臺、尋求可靠信息源等，如“兩個字：能信，前提是：靠譜的醫生”。而話題3中出現了較多的“相信”“支持”等積極詞匯。由此看出，實名認證的微博用戶對在線問診的看法更為中性及正面。

表3 微博輿論中實名認證與非實名認證用戶關注主題比較

相較之下，非實名認證用戶的發言則更多的帶有個人情感色彩，更經常使用一些口語化和煽動性的表達。在非實名認證用戶的發言形成的3個主題中，話題1強調了對在線問診的否定。大量的“不敢”“嚇死”等負面詞匯體現了非實名認證用戶對在線問診的恐慌和負面情緒宣泄。結合文本分析可以發現，該群體認為在線問診存在著誤診、夸大其詞、無法對癥等弊端。個人經歷和身邊人的經歷構成了非實名認證用戶發言的主要的信息來源。這也呼應了過往研究發現在醫患關系的民間話語(論壇、微博等網絡上的公眾表達)中，超過半數(54%)的網友在談到醫患關系時，側重以情感宣泄的方式表達對官方的質疑，具有突出個人遭遇、代入式情感呼應的特點。[38]話題2涉及了“魏則西”這樣的關鍵詞。魏則西事件作為搜索引擎作惡的證明，其對中國公眾有關互聯網醫療看法的負面影響一直延續至今。也正是魏則西事件在人們記憶中的縈繞導致微博用戶至今仍對在線醫療平臺的專業性存在一定的不信任和負面情緒。在話題3中，除“百度”外的多款專業醫療APP被提及。這部分微博用戶在警惕“莆田系醫院”和“廣告”的同時，提倡用專業的APP來進行診斷。應該說，隨著新的醫療APP積極拓展健康模塊功能，開展線上線下的聯動，并試圖超越傳統的搜索網站模式，微博輿論也開始關注更多元的在線問診的可能。

進一步對是否實名認證與網絡情緒(正面、負面、中性)進行卡方檢驗后發現，實名認證用戶和非實名認證用戶在網絡情緒上存在顯著差異(χ2=61.507，p<0.001)。實名認證用戶的發言中所體現出的負面情緒(30%)顯著低于非實名認證用戶(47%)；而實名認證用戶發言中所體現出的正面情緒(35%)則顯著高于非實名認證用戶(23%)。這說明在微博輿論中，實名認證用戶在針對在線問診發表看法時，更多地使用中性或正面的詞匯，情緒更趨客觀正面；而非實名認證用戶在討論在線問診時，則更有可能使用具有否定意味的詞，情緒更偏負面。

四、討論與總結

本研究基于微博熱搜話題榜上與在線問診相關的3077條輿情數據，通過LDA主題模型和情感分析考察了圍繞在線問診的輿論焦點和網絡情緒。結合對微博文本和社會現實環境的考量，形成了以下三點研究發現：

第一，圍繞在線問診的微博輿論主要聚焦于在線問診與信息監管、在線問診與死亡戲謔、在線問診的核心需求。通過分析微博輿情數據可以看出，過往的一些負面事件如“百度”和“魏則西”等仍被網民迅速關聯，公眾對在線問診的不信任感難以消除。一些用戶通過反諷、夸張和死亡戲謔的發言策略使得有關在線問診的負面情緒在微博上蔓延開來，這種負面網絡情緒的積聚可能進一步導致人們對互聯網健康平臺和在線問診的不信任。

第二，在有關在線問診的微博輿論中，相較于客觀中性或正面的網絡情緒，恐慌、疑慮等負面網絡情緒仍占上風。在在線問診尚未得到全面規范的監管且在線問診平臺本身質量參差不齊的情況下，少數惡性事件導致人們對有關在線問診的負面情緒猶存。如果不能將負面情緒轉變為推動監管和規范建立的有效集體行動力量，社交媒體平臺上的此種情感表達可能導致更為惡劣的后果。

第三，在微博輿論中，實名認證用戶和非實名認證用戶在討論在線問診時的關注主題和情感傾向存在顯著差異。其中，實名認證用戶可能考慮到公開的身份，出于對自身發表言論的責任感，更愿意以一種較為積極和中性的態度去面對在線問診問題。相比，非實名認證用戶的發言更偏情緒化，在轉發、討論的過程中帶入了更多的個人情感，評論更個人化、口語化。同時，非實名認證用戶通過反復陳述自身以及身邊人的“受騙經歷”，著重情感的宣泄，夸張和譏諷成為主要特點，[38]而往往也是此類情緒化發言更容易在微博平臺上蔓延。如某非實名認證用戶的發言“本來是感冒，百度看病有可能給你看成癌癥晚期”獲得了3732個贊，此類夸張性描寫極易引發關注。相較之下，實名認證用戶更多的從中觀和宏觀層面提出建議，如在在線問診問題上希望政府介入加強監管、呼吁提升人們對互聯網醫療和在線問診的信任、提高用戶自身的辨別能力等。但在微博用戶群體中，實名認證用戶所占比重小，因此整個微博輿論場的情感表達仍偏感性，思辨能力較弱。

基于以上結論，研究針對在線問診的網絡輿情應對及情緒引導提出以下建議。

第一，重視負面網絡情緒，積極引導公眾。出于對高流量和高關注度的追求，社交媒體中情感傳播的邏輯本就與憤怒、悲情、戲謔等情緒緊密相關，[39]即使在討論在線問診這樣的健康話題時，情感表達的發言范式在我國社交媒體上仍占據主流之勢。而以往互聯網平臺對商業利益的追逐和有效監管的暫時性缺位使得人們對將互聯網作為健康信息和健康服務的來源仍心存疑慮和恐懼，負面的網絡情緒在短期內難以消除。因此，需要醫療、宣傳、政府、互聯網等各相關主體共同努力，重視網絡輿情中公眾的負面情緒，了解問題癥結所在，聯動協作，相互配合，逐步消除“魏則西”等負面互聯網醫療事件的影響，重新樹立公眾信心。

第二，推動有效監管，加強專業力量。微博輿論針對在線問診雖然存在不少負面的看法，但也不乏積極的一面。事實上，不少微博用戶在指出在線問診可能存在弊端的同時，也已敏銳地觀察到在線問診平臺的發展潛力，認為規范的在線問診能進一步提升我國醫療服務的水平和質量。目前，國內專業的醫療問診類網站的發展與完善遠遠無法滿足廣大患者求診的核心需求，行業規范的缺失和相關管理的不到位已然成為我國在線問診和互聯網醫療發展中的阻礙，加強在線問診平臺的專業認證和監管勢在必行。

第三，培育專業“大V”，將專業的聲音引入公共輿論場。本研究發現，實名制的確能讓“微博評論運行在理性軌道之內”，[23]使得用戶在發言中更注重客觀和規范。未來可以鼓勵和培養更多具有醫學背景的專業“大V”進駐微博輿論場，通過發表專業意見，用專業和理性對輿論進行正向的引導。與此同時，雖然本研究發現非實名認證用戶發言多負面情緒的宣泄，具有夸張和譏諷的特點，但不可否認微博等社交媒體所構造的輿論場是目前民意表達的重要通道。因此，建議在重視專業“大V”提出專業意見、提升正面情緒的同時，及時關注輿論走向，疏導公眾的負面情緒，進一步營造有利于在線醫療發展的輿論環境。

本研究的主要局限性在于：首先，本文僅針對特定熱點話題下新浪微博中的公開發言進行分析，未將用戶轉發情況和時間變量納入考量范疇。未來的研究可將考察的時間范圍擴大，并結合社會環境的變化，相信可以得出更進一步的結論。其次，通過對微博輿論的大數據分析雖能幫助本研究初步探視社交媒體用戶對在線醫療的關注焦點和情感傾向，但若要進一步分析其背后的原因則還需其他研究手段的配合。最后，研究僅關注了實名認證用戶與非實名認證用戶在微博輿論場中的差異，未來的研究可以關注其他原因帶來的差異。