基于SNA的網絡輿論突發事件信息傳播網絡結構研究

杜蕾 郭榮麗

摘? ?要：在當前自媒體時代背景下，網絡輿論類突發事件信息的快速變化與無界限傳播增加了事件控制的難度，對傳統政府信息管理提出了挑戰。以“雷洋事件”為實證研究對象，運用社會網絡分析對事件信息傳播網絡結構進行測度分析，研究結果表明，在網絡輿論突發事件信息傳播網絡中，網絡密度越大，節點間信息傳播越迅速;網絡聚類系數越大，網絡中越易生成小團體集聚。此外，研究還發現，在網絡輿論突發事件中的核心網絡節點和具有結構洞特征的局部核心節點，在信息傳播中更具優勢。由此，提出構建政府與網絡媒體、自媒體等異質結構節點相互依賴、權利共享的動態多元突發事件協同治理網絡。

關鍵詞：網絡輿論突發事件;信息傳播;網絡結構;社會網絡分析

中圖分類號：C915? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2022）17-0144-03

一、引言與文獻綜述

在“互聯網+”時代背景下，微信、微博、自媒體等新媒介快速普及，話語權下放，人人都可以成為信息發布、意見表達和社會動員的主體。近年來中國網絡輿論類突發事件頻發，呈現出逐年增加、復雜多變等特點。區別于其他類型的突發事件，網絡輿論類突發事件更多由信息的傳遞和擴散而驅動發生。尤其在具有典型信息社會特征的大中型城市中，網絡輿論突發事件的發展演化更加復雜與混沌，增加了事件治理的難度，對傳統政府危機管理提出了挑戰。

目前，網絡輿論突發事件的研究主要聚焦于傳播學、政治學和公共管理學等領域。傳播學研究側重采用案例研究對危機信息的傳播機制和模式等展開探討。突發事件信息傳播是組織與公眾在事前、事中和事后的對話，快速擴散的信息和意見深刻地影響事件的發展態勢（Li et al.，2020）[1]。同時，諸多研究與政治學交叉，側重從制度層面研究網絡信息傳播的政府責任及網絡民主等。相關研究指出，網絡信息對政治存在潛在影響，但其并不會引發政治變革（Moon et al.，2011）[2]。然而在當今網絡時代，政治最大的威脅實質上不是來自于政府權力，而在于對信息的控制和操縱（Staudigl，2014）[3]。對此，學者通過對無標度網絡中各節點的分析，給出政府最優干預策略（Haihong et al.，2019）[4]。我國學者更多從公共管理角度展開。例如，從輿情受眾及傳播視角探索政府如何介入和有效開展危機管理，通過構建網絡輿情的分類標準及監測指標，進而預測發展趨勢（任中杰，等，2019）[5]，搭建網絡輿情分級危機預警機制，實現輿情化解。而鑒于突發事件中個體的連續型輿論和不同信任水平，需要從政府工作機制及部門設置視角推動網絡輿情化解，構建以疏導代替圍堵的治理機制（馬永軍，杜禹陽，2018）[6]。此外，有學者嘗試以社會網絡理論為基礎，采用“弱-強”關系及“結構洞”等對網絡輿情的“小世界”及“無尺度網絡”進行研究（王偉，靖繼鵬，2007）[7]。

綜上，學者對網絡輿論突發事件進行了不同視角的研究，初步建立了基礎性的研究框架。但大多研究仍限于理論和實踐問題的定性探討，尚未對大規模網絡數據進行深層次分析。

二、數據處理及網絡可視化

（一）數據處理

本文選取“雷洋事件”作為典型案例，運用社會網絡對隱含的分散數據進行獲取，進而分析網絡輿論突發事件信息傳播網絡結構特征。數據網絡節點以“雷洋事件”中充當信息發布者、傳播者的各大網絡媒體和活躍自媒體獲取。其中，對于自媒體節點，考慮信息傳播速度和力量等因素，粉絲量和被關注量限制在10萬級以上;網絡關系取決于節點間的關注及轉發等行為。最終，選取節點105個，節點間連接213。

（二）網絡可視化

運用Ucinet軟件生成“雷洋事件”信息傳播網絡圖。①網絡呈星型分散式，局部中心關鍵節點突出，形成多個輿論場，如“新浪網”、“財新網”等新聞網站;“百度貼吧”、“天涯論壇”等社交平臺;微信、微博、博客等自媒體平臺。這些局部中心節點是“雷洋事件”信息傳播網絡中的核心團體，介于核心節點與普通節點之間，在信息網絡中發揮作用相似，形成多個核心度相近的中心。在此基礎上，本文運用社會網絡分析（SNA）對網絡結構進行測度。

三、網絡輿論突發事件信息傳播網絡結構測度與分析

本文基于社會網絡模型，采用網絡密度、網絡中心線、網絡凝聚力和結構洞進行可視化和實證測度。

（一）網絡輿論突發事件信息傳播的網絡密度測度及分析

網絡密度是對網絡中各節點間緊密關系程度的測度指標，其反映了社會網絡中各參與者信息交流的互動程度。數值越大表明信息交互效率越高，反之則表明網絡中節點間的信息交流存在阻礙。運用Ucinet軟件對網絡密度進行測度結果現實“雷洋事件”信息傳播網絡密度為0.020 6，密度較小，信息傳播整體網絡中節點連接松散，存在交流不足。這表明傳播網絡主體的平均互動程度低。這降低了信息壟斷和潛規則存在的可能性，在一定程度上有利于網民在輿論中“發聲”。這與當前網絡輿論突發事件信息傳播主體眾多，個體意見表達自由現狀相契合。

（二）網絡輿論突發事件信息傳播的網絡聚類系數測度及分析

聚類系數是用于衡量網絡節點凝聚程度的指標，測度結果如表1。

從表1可知，在“雷洋事件”信息傳播網絡中，平均聚類系數為0.106，節點聚類系數較小，節點松散，鄰接邊較少，被其他參與節點連接的概率較小。互聯網時代的信息傳播呈現出信息源“碎片化”的特征，“雷洋事件”聚類測度結果驗證了這點。各節點Coef值均大于0，表明“@人民網信息”、“@人民日報”、“搜狐新聞”、“@法制晚報”和“@公安部刑偵局”與其他節點間的聯系密切，彼此間信息傳播頻繁。結合前文網絡圖可以發現，該類節點出現“抱團”現象，對信息接收處理呈現趨同，極易形成“繭縛”效應，出現信息壟斷可能，阻礙多元信息擴散。此外，前五個節點的nPairs值均大于1，且對“搜狐新聞”、“@法制晚報”和“@公安部刑偵局”而言，Coef與nPairs呈負相關關系，表明存在多個第三方關系，即鄰接點增多，信息傳播的對象和路徑有很大的可選擇空間。

（三）網絡輿論突發事件信息傳播的網絡中心性測度及分析

點度中心性是中心性的測度指標之一，其主要用于衡量網絡中節點所處的位置及其影響力。數值越大表明節點信息來源和信息傳播者越多，存在影響范圍較廣的核心節點及局部中心節點。這表明網絡信息可通過多個局部中心節點影響到整個信息網絡從而縮短傳播時間。點度中心性結果如表2。

由表2可知，在“雷洋事件”中，論壇、微博、微信公眾號等發揮獨特作用。但點度中心性（12.26%）相對較小，表明結構較松散，突出的中心節點較少，但存在多個局部中心節點，如“知乎”、“騰訊新聞”、“人民日報評論”等?！膀v訊新聞”、“新浪新聞”扮演著信息源頭，“@人民日報”等扮演著信息傳遞員，而“知乎”則是網民的輿論陣地。信息源頭、傳播途徑及平臺的多樣化拉近了網民與輿論事件真相的距離，“信息鴻溝”逐漸被填平。盡管新型網絡互動模式下“噪音”增大，但更彰顯了新媒體環境下媒介對公眾話語權、知情權的影響。

（四）網絡輿論突發事件信息傳播的網絡結構洞測度及分析

結構洞是用于衡量網絡節點間冗余關系的指標，處于結構洞位置的節點通常具有更多的信息資源，具有信息控制優勢。本文應用有效規模、效率、等級及限制度等指標對結構洞進行測度，結果如表3。

從表3可知，“知乎”的有效規模值最大（14.60），在信息網絡結構中居于核心位置，表明其擁有較強的信息接收與控制能力，可以影響網絡中的其他節點?！爸酢笔恰袄籽笫录钡男畔⒃?，其對大部分信息資源的傳遞和流動起到決定性作用，影響著網絡信息走向。網絡中節點效率值均接近為1，表明有效規模和實際規模無差別。從限制度分析，各節點間的約束性不盡相同，最大值為（88.9%），表明“@人民網信息監測室”有88.9%的信息傳播需要通過其他節點來完成。各節點等級度均小于20%，說明節點的限制較少，可以充分發揮有效作用，這與網絡密度顯示結果相一致。

四、研究結論與政策啟示

網絡輿論突發事件網絡信息的生成與傳播是一個依托社會網絡的動態過程。本文運用社會網絡模型對“雷洋事件”信息傳播網絡結構進行測度及分析，得出如下結論。第一，在網絡輿論突發事件信息傳播網絡中，整體網絡聯系的緊密程度與信息傳播速度相關。網絡密度值越大，表明節點間信息交互越頻繁，信息傳播效率越高。第二，在網絡輿論突發事件信息傳播網絡中，聚類系數較大的節點擁有較大信息影響力，其在現實事件中更多扮演著“意見領袖”的角色。對此，政府應該積極選擇和培養網絡意見領袖，引導網民理性“發聲”，通過對關鍵節點的管理控制網絡輿論。第三，信息傳播網絡中的各節點呈現位置不平等現狀，位置優勢是其影響力的決定因素。信息網絡中存在多個核心節點和具有結構洞特征的局部核心節點，信息通過該類節點擴散速度最快。因此，應發揮結構洞節點效應，加強官方媒體、社會媒體及強影響力的自媒體間的合作關系，形成多元化的信息傳播渠道，實現網絡信息的有效引導與控制。

參考文獻：

[1]? ?Li， S. Temporal and Spatial Evolution of Online Public Sentiment on Emergencies[J].Information Processing & Management，2020， （2）：102177.

[2]? ?Moon， I. C. Analyzing Social Media in Escalating Crisis Situations[J].Proceedings of 2011 IEEE International Conference on Intelligence and Security Informatics， 2011，（6）：71-76.

[3]? ?Staudigl， T. H. Evolution of Social Networks[J]. European Journal of Operational Research， 2014，（3）：583-596.

[4]? ?Haihong， E. Theme and Sentiment Analysis Model of Public Opinion Dissemination Based on Generative Adversarial Network[J].Chaos，Solitons & Fractals，2019，（121）：160-167.

[5]? ?任中杰，張鵬，蘭月新，張琦，夏一雪，崔彥琛.面向突發事件的網絡用戶畫像情感分析——以天津“8·12”事故為例[J].情報雜志，2019，（11）：126-133.

[6]? ?馬永軍，杜禹陽.基于復雜網絡Deffuant模型的輿情演化規律研究[J].情報雜志，2018，（6）：91-95，159.

[7]? ?王偉，繼鵬.公共危機信息傳播的社會網絡機制研究[J].情報科學，2007，（7）：979-982.

[責任編輯? ?興? ?華]