自媒體環境下首都網絡輿論話語空間生產與引導*
——基于2019—2021年微博熱搜的共詞分析和案例研究

曾祥敏 楊麗萍

如今,自媒體成為公眾的重要信息來源,是公眾意見和態度的風向標。自媒體環境下,厘清首都網絡輿論的呈現結構并提出針對性的引導策略,具有理論價值和現實意義。本文基于2019年4月到2021年7月間,新浪微博平臺上與北京相關的熱搜數據,試圖以高頻詞勾畫出首都網絡輿論的“熱力圖”；針對相關研究問題,借助共詞分析、聚類分析、多維尺度分析等多元統計方法,探索首都網絡輿論的話語空間生產模式,并通過案例分析對首都輿論引導提出一些思考和建議。

一、文獻綜述

自媒體環境下,網絡輿論生成具有特殊性和普遍性特征。既有文獻對網絡輿論的話語空間、熱搜演變為輿情的發生邏輯和首都輿論引導分別做了單項分析；又有以熱搜為切入點、用多元方法分析首都輿論的話語空間生產,其能夠為首都輿論引導研究提供新的視角。

(一)網絡輿論與話語空間生產

網絡輿論,簡言之是公眾在互聯網上公開發表的言論。基于本土語境,國內學者從不同維度探討了網絡輿論的生成方式和原因。陳龍認為“借題發揮”是一種中國特色的網絡輿論話語生成方式,需要經歷新聞基模轉型、話語勾連、事件定性三個階段,其眼前目標是尋找情緒發泄出口,終極目標是尋求權力轉化。①黃永林等認為利益相關、價值共振、情感共鳴是網絡輿論生成的根本原因,并提出輿論的生成公式:p=(b+v+e)·t,即網絡輿論是利益、價值觀、情感三者之和與傳播方式的乘積。②韓立新等認為網絡輿論生成存在“蝴蝶效應”的特殊機制,其特征是情緒性、非線性和不確定性。③焦德武認為政務新媒體引發輿情是綜合因素共同作用的結果,包括內容議題、對公眾的情緒觸動和當下的社會背景。④

網絡輿論話語的背后是多主體間的社會關系。梵·迪克(Dijk J.V.)將社會互動視為話語更為根本的定義。⑤從文本層面,網絡輿論話語反映出輿論客體之間的關系,網絡輿論話語的動態建構即社會關系重組的過程。基于列斐伏爾(Henri Lefebvre)的空間生產理論,將網絡輿論場視為一種空間形態,網絡輿論話語建構則是各種社會關系重組的實踐,即網絡輿論話語空間生產自身的過程。

綜述發現,輿論研究在向社會學、政治學、傳播學、心理學等多學科領域延伸,而基于質化、量化的多元方法引進,為輿論研究提供了更加豐富的視角。例如,曾祥敏等通過對典型新聞反轉事件的定性比較分析(QCA),發現新聞事件的信息反轉、輿論逆轉與新聞來源及形式密切相關,而輿論爆發與網友質疑、公眾情感訴求高度關聯。⑥姚樂野等對新冠疫情相關微博進行社會網絡分析,發現央級媒體在微博輿情傳播網絡中占據核心節點,具有信息來源豐富、反應速度快、影響范圍廣的特點。⑦李明德等挖掘了2014—2017年新浪微博平臺上“霧霾”相關微博,發現了霧霾輿情的科學性報道不足,未來發展趨勢偏緩,議題呈現多元碎片化特征。⑧

(二)熱搜研究

從社會學的角度來看,網絡輿情并非純粹的信息流動,而是始于網民的參與圍觀。⑨熱搜作為一定程度上自媒體輿論的反映,其演變為輿情的邏輯便是引起網絡圍觀(參見圖1)。“熱搜”即“熱門搜索”,是網絡平臺依據用戶的搜索行為形成的熱門內容,往往具有時新性、話題性、互動性等特點。在國內,微博、百度、抖音、快手、B站、知乎等用戶活躍度較高的網絡平臺,都具備較成熟的“熱搜”功能,其中微博熱搜最具代表性。根據微博管理條例,帶有話題的內容發布后,平臺通過對3小時內“閱讀次數”“討論次數”“原創人數”三個指標進行加權計算,形成實時的話題熱度排行榜,熱度排名前50的話題進入公眾視野,即所謂的“上熱搜”。用戶依據平臺熱度榜單搜索特定話題,并獲得相關信息,使得熱搜具有一定的議程設置作用。用戶圍觀、參與討論的同時也在繼續為話題熱度增值,甚至“××新聞沖上熱搜”的轉化,使一些熱點新聞發酵為輿情事件。網絡輿論生成與用戶媒介使用之間呈現出了相互促動、漸為一體的特征。此外,熱搜詞、熱搜話題常被視為網絡輿論和輿情研究的樣本數據,甚至成為主流媒體輿論影響力的參考指標之一。

圖1 微博熱搜的生成機制

(三)首都網絡輿論研究

網絡輿論場已成為“信息傳播的集散地”“話語碰撞的大擂臺”“思想交鋒的主陣地”,發揮著信息傳播、觀點交流、價值傳導等多重功能。北京市的網絡環境建設和輿論引導能力關系到首都文化乃至首都安全,進而關系到全國的輿論氛圍乃至政治社會秩序。一方面,北京的首都屬性使其被賦予了中央的角色,在建黨100周年的現實背景下,構建良好的首都網絡輿論氛圍,具有重要的戰略意義。另一方面,2020年初新冠肺炎疫情突如其來,這場百年來全球范圍內發生的最嚴重的傳染病大流行對中國乃至世界格局產生了深刻的影響。在國內疫情防控趨于常態化的階段性背景下,分析首都網絡輿論有利于在充分考察現實的基礎上,提出輿論引導策略,針對性地進行輿論引導。

總體而言,人文社科領域聚焦首都網絡輿論的研究還不太充分。CNKI檢索顯示,近五年人文社科領域對首都的研究多見于教育學、歷史學、新聞傳播學和政治學。在新聞傳播學領域,北京相關研究總體有三種取向:其一,將北京視為研究對象的地域屬性,如北京高校學生的媒介使用、北京地區新聞從業者的職業選擇等；其二,以國際傳播、文化傳播的視角,研究首都的媒介形象；其三,基于北京的首都定位,將研究結論關照全國。

二、研究設計

本文以微博熱搜為切入點,將共詞分析、聚類分析、多維尺度分析等多元分析方法引入網絡輿論研究,試圖探討如下問題:自媒體環境中,關涉首都的輿論呈現出怎樣的總體態勢和結構性特征？當首都成為輿論客體時,有哪些關聯內容要素？首都輿論話語反映了怎樣的社會關系？以話語空間生產理論為視角,首都輿論話語空間生產具有何種結構特征乃至發展趨勢？在話語空間的生成和生產過程中,該如何實施有效引導？

(一)研究對象

由于微博熱搜榜的實時更新和不可追溯性,本文從商業數據庫“知微輿論場”調取了2019年4月1日至2021年7月31日期間的微博熱搜數據,共計2077條,數據內容包括熱搜名稱、最高排名、最高熱度、上榜時間、持續量、討論量和閱讀量等,經人工閱讀有效樣本數據為2077條。

選擇這個時間階段作為樣本采集的范圍主要考慮到兩個原因。一方面,首都發展與國家的關鍵節點同頻共振。近三年恰為中國發展的重大主題節點年份:2019年是新中國成立70周年，2020年我國全面建成小康社會，2021年是中國共產黨成立100周年和國家“十四五”開局之年,這些為首都輿論研究提供了重要的時代背景。另一方面,共詞分析法的原理是將詞匯視為語義單元,并依據詞匯的共現情況確定內容的主題關系。在研究中,高頻詞選擇的準確性、科學性是共詞分析、聚類分析的關鍵。為了綜合提取微博熱搜中的高頻詞,本文將2019年4月到2021年7月間的28個月作為研究的時間范圍,這是筆者可獲得的最廣泛且連續的數據范圍。

(二)研究方法

以問題和實際效果為導向,選擇量化和質化相結合的方法。量化路徑以數據為基礎,有利于減少主觀臆斷；質化則深入經驗和實踐,有利于對現實的邏輯結構進行闡釋。研究步驟(參見圖2)包括:第一步,對北京熱搜數量進行縱向歷時統計,并與上海、廣州熱搜進行比較,得到首都自媒體輿論的總體態勢和數量特征。第二步,通過分詞、詞頻與詞性統計,得到北京熱搜的高頻詞并構建共詞矩陣,構建邊列表導入Gephi 0.9.2中,制作可視化的共詞分析圖,呈現首都自媒體輿論內容主題特征,反映輿論話語背后的社會關系。第三步,通過SPSS 25.0構建相似矩陣進行聚類分析,探索首都自媒體輿論的話語空間生產模式,并針對相應案例,深入分析輿情引導策略。第四步,構建相異矩陣進行多維尺度分析,探索首都自媒體輿論的趨勢特征。

圖2 研究步驟、方法和思路圖解

三、研究結果與個案分析

基于多元分析方法,研究結果在數量對比、熱詞呈現的總體態勢基礎上,得出首都網絡輿論話語空間生產的四種模式,并對此進行驗證和趨勢分析。

(一)數量比較:高關注、強波動的首都輿論

正如前文所述,在眾聲喧嘩的自媒體環境中,“上熱搜”越來越成為造就現象級事件的助推器,其背后則是網絡輿論廣泛關注的力量。在數量方面,2019年4月到2021年7月之間的28個月內,北京平均每月上熱搜約74次。最高值為218次,出現在2020年6月；最低值為18次,出現在2019年8月。與上海和廣州比較,北京平均每月“上熱搜”的次數約為上海的1.6倍、廣州的3.2倍；同時段,北京“上熱搜”的次數比上海、廣州更多,數量波動也更大。北京頻頻被推上輿論中心,其隱藏的輿情風險事件發生的概率也相應更大。在內容方面,“新增”“確診”“病例”等疫情相關詞匯是北上廣三個城市的重要共同話題。在上海熱搜的高頻詞(詞頻≥10)中,“迪士尼”“電影節”“車展”等商業文娛主題偏多；廣州熱搜的高頻詞內容較單一,且與疫情密切相關；北京熱搜涉及的話題則更加廣泛,內容也更為龐雜。

表1 北京、上海和廣州熱搜話題數量(2019.4—2021.7)

北京熱搜出現了四次較為顯著的波動,每次波動的持續時長在2個月左右。結合熱搜內容來看,這四次輿論波動與新冠肺炎疫情有相關性且時間較吻合:第一次波動出現在2020年2—3月,春節期間爆發的新冠肺炎疫情引起輿論廣泛討論；第二次波動出現在2020年6—7月,北京在本地確診清零的情況下出現了疫情反彈,教育系統對高考和學生返校進行了規劃部署；第三次波動出現在2020年12月—2021年1月,臨近兩節,北京順義新增少量本土病例,同時,北京首批新冠病毒疫苗開始推廣接種；第四次波動出現在2021年7月,東京奧運會觸發了網民對北京冬奧會的討論,同時,北京暴雨、北京再現本地確診也成為北京“上熱搜”的話題。這四次波動充分反映出重大突發衛生公共事件對首都輿論的影響速度之快、程度之顯著。

(二)熱詞全景:核心子群與多元“引爆點”

熱搜文本往往具有話題性且內容簡明扼要。經統計,2077條熱搜共有25843字,平均每條長度為12.4字,最長的熱搜為22字,最短的熱搜為4字,如“北京暴雨”“北京彩虹”,長度為14字的微博熱搜最多,有257條,如“北京動物園網紅大熊貓有點頭禿”。

利用基于Python的jieba分詞工具,對2077條熱搜進行分詞并統計詞頻和詞性。為了使信息提取更加充分,在分詞時選用全模式,例如“北京協和醫院”的處理結果為“北京/協和/醫院/北京協和醫院”,在統計時四個詞將分別被計入詞頻1次,這使得詞頻統計結果具有概括性的同時,保留了一定的指向性。經過人工篩選,得到詞頻大于等于20的47個高頻詞(參見表2)。其中,“北京”作為被精確檢索的主題詞,在熱搜中出現了2086次,為了使數量對比更加清晰,在后續的可視化呈現中剔除“北京”。

表2 “北京”熱搜的高頻詞統計

高頻詞反映出首都輿論的關鍵客體,其共現關系則代表輿論客體之間的關系。通過Excel構建共詞矩陣,剔除5個無共現關系的高頻詞后,生成邊列表數據,并將其導入Gephi 0.9.2,制作可視化的共詞分析圖(參見圖3)。共詞分析圖由41個節點和360條邊構成,節點表示高頻詞,邊表示高頻詞的共現情況,節點的大小和位置分布、邊的連接情況和粗細程度,具有特定的含義:節點越大,該關鍵詞在北京熱搜中出現的次數越多；邊表示關鍵詞間的關聯情況,邊越粗,兩端連接的高頻關鍵詞的共現次數越多。

圖3 北京熱搜的共詞分析圖(2019.4—2021.7)

共詞分析圖的核心子群由“疫情”“新增”“輸入”“通報”“境外”“密接”“確診”“病例”等關鍵詞構成,“風險”與“地區”、“核酸”與“檢測”等也構成聯系較為緊密的子群。這反映出新冠疫情作為傳播速度快、感染范圍廣、防控難度大的一次重大突發公共衛生事件,已成為近三年首都網絡輿論關注的突出重點,而“地鐵”與“新型”“肺炎”的強共現性,反映出地鐵相較于其他公共場所更具有現實風險性和輿論話題性。此外,“高考”與“時間”的共現性較強，“高校”與“中小學”節點處于較中心的位置,這反映出教育話題是首都網絡輿論的重要“引爆點”。“要求”“通報”“發布”等動詞則反映出首都輿論主題的政策取向,即政策發布是容易引起自媒體關注的輿論焦點。“冬奧”與“奧運”則反映出首都輿論的文化關注點。綜上可見,除疫情之外,教育、政策、文化等話題是北京自媒體輿情的多元“引爆點”。值得注意的是,“回應”是為數不多的出現在核心子群中的非疫情相關詞,結合熱搜內容發現其對應的主語往往是“民航局”“北京海關”等官方機構,這反映出官方機構對公眾核心關注的回應和解釋是較常出現的姿態。

(三)聚類歸納:自媒體輿論的四種話語生產模式

聚類分析(cluster analysis)是在共詞分析中常用的一種統計方法。基于特定批量的文本,聚類分析依據變量之間的相似性,利用數理模型進行類別歸納。其采用無監督的學習方式,即在沒有先驗知識的情況下進行分類,一定程度上減少了人工分類的主觀性。

首都輿論背后承載著復雜多元的社會關系。本文利用聚類的數理模型將這些社會關系表達成高頻詞相似矩陣,并以可視化的樹狀圖展現聚合的類別情況。由于聚合的類別內部具有基于共現情況的相似性,那么從話語空間生產的理論視角來闡釋,這些類別則反映出首都輿論的話語空間生產模式,進而有利于歸納和提煉輿論熱點生成的規律。

操作層面,將北京熱搜高頻詞形成的共詞矩陣導入SPSS 25.0,在系統聚類中選擇組內連接方法,通過Ochiia系數生成相似矩陣,并導出聚類分析的樹狀圖(參見圖4)。可見,基于熱搜的首都網絡輿論呈現出四類話語生成模式,且不同模式涉及的主體、面向和體量不盡相同。結合熱搜條目的具體內容,將四類話語模式概括為信息告知模式、積極行動模式、重點工作推進模式和風險應對模式。

圖4 首都輿論的高頻關鍵詞的樹狀圖

1.信息告知模式

此類話語模式下,自媒體輿論內容圍繞一般通報類信息展開。“中小學”“高校”“時間”等詞反映出疫情大背景下,教育系統對學生返校、離校的時間安排和規劃管理,保障首都教育系統的穩定運行。例如“2020年北京高考時間變為4天”“北京高校9月前返校可能性很小”“北京大中小學3月初開學不實”這些教育規劃相關的話題熱度高且常居熱搜榜排名前三。一方面，這反映出首都決策對全國的指導意義和參照作用,因而產生了全國范圍的影響力；另一方面,由于北京教育系統的利益關涉群體龐大,且相較而言,北京因教育相關話題上熱搜的比例要明顯高于上海和廣州,因而教育在北京的關注度更高。

利用微博平臺的話題搜索功能,可以發現信息告知類話題往往由主流媒體擔任主持人,這反映了在剛需信息上,權威的主流媒體是輿論引導的重要渠道。據新浪微博管理規定,熱搜話題的主持人實行申請審核制,會綜合考慮首發性、匹配度和貢獻率,并且“對于社會熱點事件類話題,權威媒體優先,首發報道者優先”。因此,微博話題主持人一定程度上反映出了賬號主體對該話題的議程設置能力。

雖然信息告知的緊急程度較低,但其內容事關首都民眾的切身利益,因此往往能成為輿論熱點。例如,2020年7月14日,北京疫情防控新聞發布會提出學生在暑假期間需每天向學校報送健康監測數據。隨后,“北京學生暑假需每日上報健康狀況”話題被推上熱搜,其中較熱門的話題微博由北京日報、人民日報、環球網等主流媒體賬號發布。從時間順序看,該話題的“走紅”經歷了兩個階段:首先,主流媒體在互聯網主戰場廣泛傳播,推動政策飛入尋常百姓家；其次,自媒體用戶加入,意見領袖和個人賬號帶話題發布微博、參與討論,表達觀點、態度乃至情緒。分析該話題下的原創微博,發現其引發自媒體輿論主要有三方面原因:(1)京外高校學生的參照性差距；(2)日常經驗與情緒喚醒；(3)對政策通知的價值評判差異。熱搜話題可能會喚起相關群體的日常經驗和情緒,使隱性的負面情緒轉化為顯性的負面輿論。在此條熱搜話題下,一些個體言論反映出部分政策在具體實施過程中,發生了一定程度的偏離,如“我都畢業半個月了還在打卡”“寒假的時候一天報三個,還是不同的軟件”。這也反映出在疫情防控常態化的形勢下,增強政府和教育系統數字治理能力,是一項重要的現實命題。

綜上,在信息告知話語模式下,負面輿情更容易在第二階段生成,在首都輿論熱點偏向教育話題的情形下,要尤其重視高校輿論監測和引導,及時回應輿論關切。此外,輿論引導應當具備優勢視角而非問題視角,對于負面輿論不應當粗暴地一刪了之。自媒體一定程度上是社會的減壓閥,借助網絡輿論能夠洞察社會心理,“對不了解情況的要及時宣介,對模糊認識要及時廓清,對怨氣怨言要及時化解,對錯誤看法要及時引導和糾正”,讓網絡輿論成為民意的晴雨表和社會的黏合劑,這是讓自媒體熱點成為價值熱點而非輿情熱點的方法。

2.積極行動模式

此類話語模式下,自媒體輿論內容以緊急通報類信息為主,“啟動”“通報”等高頻詞展現出首都作為積極行動者的形象。疫情背景下,積極行動主要包括兩方面:(1)醫療系統在疫情暴發時的快速反應與積極響應,在樹狀圖中表現為“肺炎”“醫院”“啟動”等高頻詞聚集；(2)行政管理系統對境外輸入和公共場所疫情的及時通報,在樹狀圖中表現為“境外”“新增”“通報”“小區”“地鐵”等高頻詞的聚集。本文統計范圍內,熱度最高的話題為“北京警方通報吳某凡”,從通報發布到成為熱搜榜第一,經歷了不到30分鐘。據知微數據庫和微博平臺的統計數據,該話題在榜時長達16.4小時,討論持續兩個月左右,閱讀量為29.8億,討論次數為58.2萬,原創人數5.5萬,足見“頂流”明星的話題性及其對自媒體輿論的影響力。

分析該話題的熱度趨勢,發現該話題在經歷警方通報時的熱度暴漲后,出現了輿論次高峰。2021年7月22日晚上8點,北京朝陽公安的政務微博賬號“平安北京朝陽”通報了吳某凡和都某竹的調查情況。10分鐘后,該話題成為微博熱搜,接著該話題熱度暴漲，成為微博熱搜榜首話題并維持了30分鐘,此后,該話題熱度出現斷崖式下跌,但熱度值依然保持在七位數(高于北京熱搜的平均熱度值)。當晚約11點,話題熱度出現了次高峰。追溯該時段的微博,發現許多微博個人用戶對一些媒體“轉移焦點”式的報道表達異議。如騰訊視頻等商業媒體的通知摘要“都某竹為提升網絡知名度……”,北京日報發布的微博話題“靠炒作走紅并非正道”,法治日報的評論文章《法律是一切蠅營狗茍的“照妖鏡”》等成為了微博用戶“截屏舉證”的素材和廣泛討論的對象。

新聞評論是主流媒體發揮輿論引導功能的重要途徑之一,而主流媒體關于“北京警方通報吳某凡事件”的評論效果,反映出特殊情況下輿情的穩定性。法治日報以客觀的法律視角評判,指出“行為放縱者、惡意炒作者、欺詐行騙者,勢必無一例外,終要受到法律的嚴懲”,指出對三類涉事主體應當依法懲治,這與網民對弱勢方的同情與支持意見相左。部分自媒體將其解讀為媒體受到資本操縱,這在一定程度上損害了媒體信譽。后真相時代,“情緒先于事實”可能表現為在關鍵事實缺位的情況下,公眾非理性情緒的爆發；從另一方面而言,也可能表現為在重大倫理事件面前,公眾對自身價值認同的恒定保護,反映出社會心態的相對穩定性。類似的事件還有鮑某某性侵案,鮑某某在事件被曝光后多次發聲辯白,并未扭轉社會的負面情緒,在重大社會倫理問題面前,新聞反轉很難引起輿情反轉。“北京警方通報吳某凡”事件則更加表明了自媒體話語空間對弱勢群體的強勢保護以及社會公眾對主流媒體的“正義”期待。同時,公眾對“不完美受害人”的認同,表明自媒體話語空間對“正義”的理解逐漸超脫了非黑即白的簡單價值判斷。

綜上,與信息告知模式不同,在積極行動話語模式下,首都政府部門的權威通報往往是公眾討論的起點,而主流媒體的評論解讀是輿論引導的關鍵力量,也是引發次生輿情的重點環節。因此,在此類話語模式下,主流媒體應當擔負起明辨是非、激濁揚清的職責使命,在基本的價值判斷上堅定立場,以快反意識和專業能力對政府決策進行有效解讀,同時也要從同理心角度,對公眾情緒進行有效引導。

3.重點工作推進模式

此類話語模式下,自媒體輿論更加聚焦北京的重點工作,如“順義”“疫情”“防控”“發布”“冬奧”等高頻詞是首都嚴防疫情反彈和保障冬奧會的體現。總體而言,統計的所有北京熱搜中,冬奧相關話題持續時間較長,但熱度和排名維持在較低的狀態。結合與冬奧會相關熱搜話題的具體內容,發現在北京籌備冬奧會的過程中,志愿者踴躍報名、場館建設有序推進、疫情防控嚴格部署、受到了國際贊揚等事件在自媒體輿論話語空間充分展現,描繪出積極正面的首都形象。

通過對冬奧相關話題的熱度排序和分析,發現展現首都形象的公共話題內容與自媒體話語空間的聲量之間具有一定聯系:(1)與用戶文化喜好貼切的話題具有更持續的影響力。如“北京冬奧會吉祥物冰墩墩”話題排名最高,累計在榜的時間最長。一方面,冰墩墩以熊貓為原型,形象憨厚可愛；另一方面，冰墩墩系列文創產品和城市地標景觀,激發起用戶社交傳播與分享的欲望,因而賦予了話題新的活力。(2)節點時刻的儀式性話語具有較好的傳播效果。#北京申冬奧成功六周年#的話題熱度最高,此外,#北京冬奧會倒計時500天# #北京冬奧會倒計時一周年# #北京冬奧倒計時1000天#的熱度排名分別為第4位、第6位和第7位,但這些話題下存在內容同質化的現象。(3)需要用戶參與的話題討論量更大。正如前文所述,話題一旦成為熱搜,圍觀行為會帶動話題熱度增值和社會參與。志愿者招募的啟動時間、志愿者報名的人數、殘奧會志愿者的招募通知,往往能引起網友的積極熱議并激勵原創內容生產。(4)開放式的話題有利于構建更加多元的討論空間,延伸話題的觸及度,增強討論的深刻性和穿透力。例如#北京冬奧會將用二氧化碳制冰#話題促進了多元內容生產,包括聚焦式的新聞短片和科學紀錄片,在構建首都低碳環保形象的同時,傳達了科技向善的理念,促進了降低碳排放的知識傳播。這表明在首都城市形象的公共話語建構上,應該秉持更加開放和共享的姿態,為公眾提供積極參與的路徑。

綜上,首都推進重點工作的舉措以文字、圖片、視頻等多模態形式呈現在自媒體輿論話語空間,也在客觀上塑造著首都在自媒體上的形象。在雙向互動的傳播機制下,熱搜話題的傳播數據可以作為用戶反饋,成為提升首都形象的參考依據。此外,首都形象的塑造需要建立立體化的傳播機制,不僅用文字宣推的方式進行呈現式報道,還要通過文化產品創新、用戶參與創新、闡釋角度創新等方式,持續激活優質話題的生命力,構建現代化、國際化的首都形象。

4.風險應對模式

此類別下的高頻詞較為龐雜,主要指向核酸檢測結果、入境人員要求、國際航班取消等話題。“風險”即危險事件發生與其產生的可能性后果。結合熱搜的具體條目,發現“入境”“取消”“回應”等高頻詞共現時,許多話題帶有一定的風險性,包括具有風險預防性質的話題,如“北京不再受理入境人員居家隔離申請”“北京大興機場取消航班38架次”等話題；還有一些具有風險回應性質的話題,如“北京衛健委回應暴力傷醫事件”“北京地震局回應門頭溝地震”等話題。

在風險應對話語模式下,無論是風險預防還是風險回應,話題本身就聚集了較高的社會關注。疫情防控期間,新增確診、風險地區、核酸檢測等方方面面牽動著輿論起伏。在疫情之外的風險事件中,首都作為事發地或應對主體,應當基于事件和語境的特殊性,審慎采用傳播方式和話語修辭。2020年1月20日,北京朝陽醫院發生一起暴力傷醫事件,致眼科醫生陶某受傷。北京市衛健委雖當日及時發布通告,但在此前浙江、江西等地接連發生幾起暴力傷醫事件的情境下,輿論反應仍然較為激烈。結合通告文本分析發現,該通告用較短的篇幅介紹事件情況,對公眾關注的核心問題回應不夠充分,用較多篇幅和固定修辭回應情緒較強烈的社會輿論,顯得缺少人文關懷。在政府的危機情況通報文本中,管理舉措展示話語模式是最典型的話語生產結構。在多起暴力傷醫事件發生的背景下,除了強調加強安保力量、排查糾紛矛盾等管理舉措,更應重視依法追責和懲治措施的實質落實。

公眾的情感訴求是輿情爆發的關鍵條件。雖然古話道“言多必失”,然而在風險傳播中,特定時空、特殊場景都會影響傳播效果,信息發布主體應當充分重視公眾的情感訴求,回應公眾關切、增強人文關懷,嚴肅審慎地回應群眾關注的核心問題,避免引發次生輿情。

(四)趨勢預測:疫情防控的基礎主題與新增病例的風險警示

為了進一步驗證聚類分析的結果,更直觀形象地對首都輿論話語模式進行類別劃分,尤其著重發現首都自媒體輿論的主題發展趨勢,本文進一步采用多維尺度分析方法。

多維尺度分析是一種將研究對象具象化為點,并放置在低維空間中進行定位、分析和歸類的方法。相較于聚類分析,由多維尺度分析生成的戰略坐標圖更加直觀,承載的信息更加豐富。一方面,多維尺度分析保留了對象間的原始關系,能呈現對象間的相對位置,兩個點的距離越近表示差異越小。研究者根據點的聚集情況劃分主題類團,能動性更強,可以對聚類分析結果進行矯正參考。另一方面,由多維尺度分析生成的戰略坐標圖具有特定的含義,基于各個主題在戰略坐標圖中的位置,能夠分析主題發展、演化的趨勢。

在戰略坐標圖(參見圖5)中,X軸表示向心度,即主題間的聯系強度,可理解為主題的核心程度；Y軸表示密度,即一個主題內部的聯系強度,可以理解為主題的成熟度。第一象限代表了成熟度高的核心主題,第二象限代表了成熟度高的周邊主題,第三象限則代表了新主題或將要消失的主題,第四象限代表了成熟度低的基礎主題,由于該象限內的主題與其他主題聯系緊密,只不過該主題內部發展不成熟,因而第四象限往往代表了可能成為核心的趨勢主題。

圖5 戰略坐標圖的四個象限及含義

在操作層面,將高頻關鍵詞的相異矩陣導入SPSS 25.0,選擇多維標度(ALSCAL)功能,將標度模型設為歐氏距離,測量級別為有序,結果顯示Stress=0.27,RSQ=0.69(>0.6),說明其擬合效果較好,由此得到高頻關鍵詞的戰略坐標圖(參見圖6)。

圖6 高頻詞的戰略坐標圖

從戰略坐標圖可見,類團之間的區隔較為明顯,可以較明確地將高頻詞劃歸為四類,類團內點的分布相對分散,且多分布在第二、三、四象限。結合戰略坐標圖的屬性分別對四個類團主題進行分析:(1)主題1和2的高頻詞幾乎都是疫情相關詞匯,兩個主題與積極行動模式下的高頻詞較為對應,分布在第四象限,反映出疫情防控是北京輿論的基礎主題。有所不同的是,主題1的主體位于第一象限,主題2的主體分布在第四象限,兩者相對比得出以“新增確診病例”為主題的風險話語,比以“核酸檢測”“醫院”“密接”為主題的事實描述話語更為成熟,這反映出主題1中的“新增”“境外”“輸入”等易引發情緒的風險話語,具有發展為首都輿論的核心話語的趨勢,在自媒體輿論場上應當重點關照。(2)主題3的主體分布在第三象限,與聚類分析的信息告知模式和重點工作推進模式較為匹配,反映出基于疫情防控的信息告知和重點工作推進具有較強的獨立性,即自媒體輿論中該類型的話語指向性明確。(3)主題4內部的“大興”“國際”“機場”“航班”等詞聯系緊密、共現性強,因為“大興國際機場航班”作為專有名詞在北京熱搜中經常同時出現,也與邏輯常識相符。總體來看,戰略坐標圖中第一象限的類團主題較空缺,反映出在以微博為代表的自媒體輿論場上,首都輿論缺乏較為核心的話語主題。

四、結語

基于對近三年北京熱搜的共詞分析,發現新冠肺炎疫情對首都自媒體輿論影響的顯著性。盡管關于教育、文體、氣象的消息偶爾“沖上熱搜”,但“首都”更常與“疫情”相捆綁,出現在自媒體輿論場上。

從話語空間生成的角度來看,信息告知模式、積極行動模式、重點工作推進模式和風險應對模式,共同構成了首都輿論的四種話語生產模式。這四種話語模式也反映出自媒體輿論場上的首都形象,即疫情大背景下,各職能部門采取措施積極防控、合理規劃、有序推進,總體而言首都形象是積極嚴肅的。研究也發現,在以北京熱搜為代表的自媒體輿論中,彰顯首都友善活力的良性互動話語和展現首都深厚文化底蘊的人文話語,相對較缺乏。未來,主流媒體還需要深入探索提升議程設置能力,充分利用首都的政治、文化、科技和國際交往的資源優勢,以讀者喜聞樂見的方式發揮信息傳遞、價值傳導、輿論引領的功能,打造爆款產品,豐富首都形象,打造城市品牌,構建彰顯首都深厚文化底蘊的首善之區。

此外,本文在研究設計和方法運用上,存在一些不足。一方面,近三年的北京熱搜中疫情話語較突出,而脫貧攻堅、鄉村振興、建黨100周年等主題未反映在北京熱搜中,這可能是由于主流媒體在設置話題時,未將“北京”與主流輿論熱點捆綁發布。另一方面,在聚類分析和多維尺度分析的結果中,出現了少量難以解釋的異常點,這可能與使用軟件的算法模型相關,未來可以嘗試更為先進的聚類工具。

注釋:

① 陳龍:《“借題發揮”:一種中國特色的網絡輿論話語生成模式》,《新聞與傳播研究》,2019年第12期,第76頁。

② 黃永林、喻發勝、王曉紅:《中國社會轉型期網絡輿論的生成原因》,《華中師范大學學報》(人文社會科學版),2010年第3期,第49頁。

③ 韓立新、霍江河:《“蝴蝶效應”與網絡輿論生成機制》,《當代傳播》,2008年第6期,第64頁。

④ 焦德武:《政務新媒體、公共信息傳播與輿論生成研究》,《新聞界》,2018年第2期,第60頁。

⑤ Van Dijk,Teun A.ed.DiscourseStudies:AMultidisciplinaryIntroduction.Sage.2011.p.3.

⑦ 姚樂野、吳茜、李明:《新冠肺炎疫情微博輿情傳播的網絡結構分析》,《圖書情報工作》,2020年第15期,第129頁。

⑧ 李明德、張玥、張琢悅等:《2014—2017年霧霾網絡輿情現狀特征及發展態勢研究——以新浪微博的內容與數據為例》,《情報雜志》,2018年第12期,第112頁。

⑨ 張春華:《網絡輿情:社會學的闡釋》,社會科學文獻出版社2012年版,第32頁。