基于信息交互視角的突發(fā)公共事件輿情反轉(zhuǎn)治理路徑研究

叢靖怡，艾文華，胡廣偉

（1. 南京大學信息管理學院，南京 210023；2. 南京大學政務數(shù)據(jù)資源研究所，南京 210023）

1 引 言

近年來，公共突發(fā)事件下的輿情反轉(zhuǎn)接連不斷，逐漸成為網(wǎng)絡熱點事件演化的常態(tài)。從信息初始曝光到關鍵節(jié)點出現(xiàn)，再到輿情主體回應，反轉(zhuǎn)經(jīng)歷時間或長或短。即便這種螺旋式的發(fā)展不斷倒逼著事實真相，其所投射的社會深層問題依然不容忽視。隨著信息過載、“情緒先行一步”網(wǎng)絡環(huán)境的出現(xiàn)，輿情反轉(zhuǎn)事件的持續(xù)發(fā)酵導致政府、媒體平臺或個人發(fā)布的信息所產(chǎn)生的信任危機越發(fā)強烈，這對政府的輿情反轉(zhuǎn)治理提出了更高的要求。在有關公共突發(fā)事件的輿情反轉(zhuǎn)研究中，多數(shù)學者采用定性研究方法探索輿情反轉(zhuǎn)的起因及演化，為政府提供合理有效的治理意見。以往研究根據(jù)實際輿情事件情境，從實例分析角度論證了政府干預是輿情治理的核心手段。當輿論生態(tài)系統(tǒng)中存在多種話語體系的輿情信息時，明晰其傳播交互規(guī)律，依此制定恰當?shù)闹卫泶胧?，可極大限度地將輿情事件所造成的公共危機下降到可控范圍之內(nèi)。本文從信息交互的視角出發(fā)，借助經(jīng)典傳染病SEIR（suscep‐tible, exposed, infectious, recovered）模型，模擬輿情反轉(zhuǎn)演化過程，探究公共突發(fā)事件下輿情反轉(zhuǎn)的演化特征，從主動干預與被動干預的角度，提出政府應對輿情數(shù)字化治理的切實可行建議。

2 文獻述評

2.1 輿情反轉(zhuǎn)

輿情反轉(zhuǎn)概念內(nèi)涵可追溯至新聞傳播學研究中的新聞反轉(zhuǎn)，作為一種反向的群體極化、多方博弈演化的過程[1]，直接反映了公眾意見的對立、膠著和裂變[2-3]。與新聞反轉(zhuǎn)不同，輿情反轉(zhuǎn)是就公眾態(tài)度而言的，泛指公眾意見隨著焦點事件的發(fā)展階段變化而發(fā)生前后反轉(zhuǎn)的現(xiàn)象，帶有強傾向性和逆轉(zhuǎn)性的表達[4-5]。相較于新聞內(nèi)容失實基礎上發(fā)生的新聞反轉(zhuǎn)，輿情反轉(zhuǎn)的范圍更廣，一些并不是由媒體報道失實而引起的公眾態(tài)度反轉(zhuǎn)現(xiàn)象，也可稱之為輿情反轉(zhuǎn)現(xiàn)象[6]。網(wǎng)絡輿情反轉(zhuǎn)是社會輿情在互聯(lián)網(wǎng)空間的映射，集合了網(wǎng)絡、事件、網(wǎng)民、情感、傳播互動、影響力等六大要素[7]，具備傳播門檻低、傳播形式多樣化、傳播速度非線性增長、參與主體多元化、輿情信息模糊泛化以及事件突發(fā)極化等特征[8]。隨著微博、微信、網(wǎng)絡直播、短視頻等新媒體的興起和火熱，突發(fā)事件下的輿情反轉(zhuǎn)層出不窮，常常打破時空域限，形成網(wǎng)絡輿論生態(tài)失衡，破壞公共生存環(huán)境，甚至成為公共危機導火索，使政府和主流媒體陷入輿論漩渦。

2.2 輿情反轉(zhuǎn)產(chǎn)生要素

網(wǎng)絡輿情反轉(zhuǎn)是輿論現(xiàn)象在網(wǎng)絡空間里的延續(xù)和發(fā)酵，是民意或輿論在網(wǎng)絡空間尋求與建立的新式行動路徑[9]。在網(wǎng)絡輿論場話語體系下，囿于主流與大眾網(wǎng)絡輿論場話語體系的共識瓦解、個體理性與公共理性沖突，價值鴻溝擴張，輿論話語體系內(nèi)在穩(wěn)定性發(fā)生失衡。有關輿情反轉(zhuǎn)的成因可歸結(jié)為：①情感傾向是評判輿情反轉(zhuǎn)的核心[10]。在后真相時代非理性的傳播環(huán)境下，真相會讓位于情緒，情緒始終“先行一步”。在反轉(zhuǎn)輿情潛伏期，輿情內(nèi)容或者網(wǎng)民情感會呈現(xiàn)一種集中傾向的趨勢[7]。②輿情信息模糊性與偏向性加速催化輿情反轉(zhuǎn)[11]。突發(fā)公共事件中，信息的來源渠道復雜，公眾隱沒在信息交斥過載的環(huán)境下，加之輿論事件的失真，個體認知局限促使自身理性迅速降低，與社會公共理性產(chǎn)生沖突[12]。模糊性變化以及偏向性信息片段在新聞領域已成為輿情反轉(zhuǎn)的主要原因；報道新聞的媒體，其過度迎合受眾閱讀興趣的現(xiàn)象，也使過于夸張的表現(xiàn)躍然紙上[13-14]；通過網(wǎng)絡平臺進行傳播的新聞途徑，則加入了新的參與者，網(wǎng)絡紅人帶有自身意見的“二次傳播”改變著輿情走向，演化為反轉(zhuǎn)[6,15]；而平臺上多樣化的受眾，其自身的偏見和觀點又易導致糾偏反轉(zhuǎn)和“群體激憤”[5]。隨著輿情反轉(zhuǎn)在網(wǎng)絡平臺中的傳播愈演愈烈，呈現(xiàn)出多方觀點博弈、演化機理錯綜復雜等特點，脫離以往輿情傳播趨勢，涉及群體眾多，產(chǎn)生惡劣影響，對社會秩序平穩(wěn)運行和健康發(fā)展提出極大的挑戰(zhàn)。

2.3 輿情反轉(zhuǎn)機理

對于網(wǎng)絡輿情的演變，目前國內(nèi)有較為成熟的研究成果，學者們從不同角度提出了三階段[16]、四階段[17]、五階段甚至多階段演變的劃分方法。前人研究普遍認為輿情事件的發(fā)展具備生命周期特征，而對于輿情反轉(zhuǎn)現(xiàn)象周期的探索，研究較少且未有統(tǒng)一的定論。多數(shù)學者采用數(shù)據(jù)監(jiān)測的方式去追蹤單個熱點事件輿論的發(fā)生、發(fā)酵和演化的過程[18-19]。從案例分析角度可將網(wǎng)絡輿情發(fā)展分為四個階段：散播階段、聚集階段、熱議階段和流行階段[20]；也可從新聞傳播的視角出發(fā)，將案件分成輿情發(fā)展、反轉(zhuǎn)、發(fā)酵和平息這四個階段[21]；有研究以具體事件作為輿情反轉(zhuǎn)案例分析，將輿情反轉(zhuǎn)過程分為忽略事實的片面報道、消極回應的真相失真和事件還原，以及媒體跟進等三個階段[22-23]。

以輿情反轉(zhuǎn)高潮期為基礎，信息處理程度為表征，學者們根據(jù)反轉(zhuǎn)事件的基本特征提出了情感偏移機理、交互對抗機理和協(xié)同過濾機理[21]。輿情傳播的平臺多元化，以微信和微博為例，輿情反轉(zhuǎn)的演化過程可歸為社會轉(zhuǎn)型時的精神危機、媒體業(yè)界新聞專業(yè)主義失守和雙微傳播信息失真機制等[24]。而從系統(tǒng)學視角出發(fā)，輿情反轉(zhuǎn)傳播可分為競爭機制和協(xié)同機制[25]。在輿情反轉(zhuǎn)的典型案例中，輿情反轉(zhuǎn)現(xiàn)象中會存在“參照點效應”，公眾的認知會因參照點不同而產(chǎn)生差異[26]。在新媒體的語境下，自媒體的活躍程度對輿情的發(fā)展起到推動的作用[27]。以輿情反轉(zhuǎn)的演化路徑為參照，在不同時期，群眾的情感偏移和競爭協(xié)同狀態(tài)大有不用，敏感點和轉(zhuǎn)折點隨著群眾偏見和新聞主義的失守而急劇增加[28]。傳統(tǒng)輿情演化模型并未將反轉(zhuǎn)路徑中多方觸發(fā)因素和情感認知轉(zhuǎn)變考慮在內(nèi)，因此，本文通過將輿論場中不同主體的博弈因素量化，構(gòu)建輿情演化模型SEnInR 來進行輿情反轉(zhuǎn)的機理研究。

3 研究設計

3.1 研究問題

在目前的輿情傳播中，信息大多以網(wǎng)絡媒體為媒介傳播，被社會公眾所熟知。目前網(wǎng)絡信息發(fā)布平臺（如新浪微博、今日頭條等）具有實時性和交互性[29]，使網(wǎng)民在成為觀點接收者的同時也成為觀點發(fā)表者?；诰W(wǎng)絡平臺信息傳播的基礎，網(wǎng)民之間通過信息交互相互影響，并作用于信息傳播過程，影響輿情演化過程中的觀點持有。在此過程中，網(wǎng)民觀點變化可歸為三類：其一，持有觀點的發(fā)表者通過信息交互作用改變其觀點；其二，潛在觀點發(fā)表者受持有不同觀點發(fā)表者的影響改變其觀點；其三，持有觀點的網(wǎng)民由于外在因素強化了原本觀點。在公共突發(fā)事件的背景下，輿情反轉(zhuǎn)多數(shù)發(fā)生在政府出具事實真相改變的調(diào)查公告之時，其內(nèi)容與事件發(fā)生之初的公眾觀點有明顯差異所致。因此，本文將輿情反轉(zhuǎn)時間點統(tǒng)一設定為政府發(fā)布該輿情事件調(diào)查公告的時間點，且公告內(nèi)容與輿情事件發(fā)酵時公眾觀點有明顯不同，并將下文所提及的輿情反轉(zhuǎn)事件均設定為在“公共突發(fā)事件背景下的輿情反轉(zhuǎn)事件”。

基于上述觀點變化狀態(tài)及輿情反轉(zhuǎn)定義，本文提出以兩個層次的政府干預來作用于公共突發(fā)事件下輿情反轉(zhuǎn)的觀點演化，分別是主動干預和被動干預。主動干預，意為在民間與政府兩大話語體系的對抗中，政府占據(jù)主動地位，通過干預行為對參與突發(fā)公共事件輿情的公眾情感加以引導，達到“反轉(zhuǎn)”公眾情感的效果。主動干預包括政府調(diào)解公告發(fā)布時間及改變公告受眾人數(shù)等方面，其中公告受眾人數(shù)代表在公告發(fā)布后，由于曝光增加而新接觸到該輿情事件的網(wǎng)民人數(shù)。被動干預，意為在輿情事件發(fā)生后，政府根據(jù)公眾在事態(tài)發(fā)展中的情感變化采取的干預行為。通過實時監(jiān)控群眾當下的輿論狀態(tài)，采取措施來減弱或緩解公眾負面情感的趨勢走向，屬于危機應急處理。被動干預包括減弱網(wǎng)民反面信息交互以及增強網(wǎng)民正面信息交互等方面。減弱網(wǎng)民反面信息交互強度包括減少網(wǎng)民惡意評論或惡意引導等，而增強網(wǎng)民正面信息交互則包括正向引導網(wǎng)民評論或營造積極向上的社區(qū)氛圍等措施?？紤]到輿情事件及輿情反轉(zhuǎn)的多樣化，網(wǎng)民在不同時期會呈現(xiàn)不同的態(tài)度，因此將問題領域進行劃分，如圖1 所示。通過研究網(wǎng)民在不同輿情演化時期的態(tài)度變化來探究主動干預和被動干預的影響程度。

3.2 模型構(gòu)建

3.2.1 信息交互視角下的分階段輿情演化模型SFEnInR

近年來輿情反轉(zhuǎn)事件頻發(fā)，輿情反轉(zhuǎn)所引發(fā)的二次發(fā)酵將更多網(wǎng)民席卷至輿情演化過程中，同時在網(wǎng)絡平臺中，網(wǎng)民對輿情事件不同觀點的爭議也愈演愈烈。使用經(jīng)典的SIR（susceptible, infectious,recovered）模型來模擬輿情反轉(zhuǎn)事件演化過程，無法將網(wǎng)民間信息交互和反轉(zhuǎn)后二次發(fā)酵的屬性體現(xiàn)出來，具有角色缺失的局限性。信息交互使網(wǎng)民觀點變化不再局限于I/R（infectious to recovered），在此基礎上模擬輿情演化的群體從眾和社會加強效應，即增加潛在觀點發(fā)表者在輿情反轉(zhuǎn)后可能會成為觀點發(fā)表者的演化過程。參照信息量在輿情反轉(zhuǎn)前后的差異，加入由持有觀點者轉(zhuǎn)化而來的觀望者F，補充信息交互下的網(wǎng)民狀態(tài)多樣化。依托于微博公開透明的信息獲取機制，信息交互屬性使觀點發(fā)表者會在第一時間內(nèi)進行觀點發(fā)布且對持有不同觀點的網(wǎng)民產(chǎn)生影響，潛在觀點發(fā)表者也會受其他觀點發(fā)表者的影響，繼而轉(zhuǎn)變?yōu)槌钟辛硪挥^點的潛在發(fā)表者、觀望者或?qū)浨槭录ヅd趣者。如圖2 所示。

圖1 問題域劃分

圖2 觀點演化示意圖

以網(wǎng)絡信息平臺為基礎，網(wǎng)民間進行信息交互，以接收到不同觀點的信息量及對其觀點影響程度為判別依據(jù)[5]（如表1 所示），稱為“有效交互”（符號為p），其實際意義為觀點改變的概率。當網(wǎng)民有效交互達到判別標準時，則為強交互，反之，則為弱交互。在95%置信區(qū)間下，將閾值設定為0.005，即存在信息交互作用的輿情演化中，該群體以大于0.5%的比例進行觀點轉(zhuǎn)變[16]，該群體信息交互行為被稱為強交互。

表1 有效信息交互指標[5]

定義flI(t)為觀點l 發(fā)表群體的信息交互函數(shù)，用于解釋觀點l 發(fā)表群體對持有其他觀點的網(wǎng)民群體所產(chǎn)生的影響，其影響為對持有其他觀點的網(wǎng)民群體產(chǎn)生抑制和改變其觀點持有的作用。對于觀點l 發(fā)表群體，pIlk為其受觀點k 發(fā)表群體的反向影響系數(shù)，pIkl為其影響觀點k 發(fā)表群體的正向影響系數(shù)。因此，得到公式：

El為持有l(wèi) 觀點的潛在觀點發(fā)表群體，El(t)（l = 1,2,…,n）為潛在觀點l 發(fā)表群體人數(shù)。flE(t)為潛在觀點l 發(fā)表群體的信息交互函數(shù)，用于觀點l 發(fā)表群體對潛在觀點l 發(fā)表群體的觀點影響，其影響包括其他觀點發(fā)表群體對潛在觀點l 發(fā)表群體的觀點抑制和改變其原有觀點的作用。對于潛在觀點l發(fā)表群體，pelk為其受觀點k 發(fā)表群體的反向影響系數(shù)，pekl為其影響觀點k 發(fā)表群體的正向影響系數(shù)。由此，得到公式：

本文將輿情反轉(zhuǎn)演化過程分為三個階段，即輿情發(fā)展期、輿情發(fā)酵期和輿情平息期，并以信息交互視角，結(jié)合輿情不同階段的演化特征，分階段建模。

1）第一階段（輿情發(fā)展期）

在輿情發(fā)展期，即輿情事件發(fā)生初始，由于事件中的熱點問題獲得普遍關注，觀點發(fā)表者和潛在觀點發(fā)表者大量涌現(xiàn)。該階段主要為網(wǎng)民觀點的擴散，其試圖在最短時間內(nèi)引起更多注意力，并將觀點進一步以裂變方式擴散。模型將擴散影響力作為主要特征，設置群體間觀點傳播和信息交互空間。該階段輿情信息可能存在失真性，在此階段出現(xiàn)由觀點持有者轉(zhuǎn)化為對事件持觀望狀態(tài)的關注者。具體表示為

2）第二階段（輿情發(fā)酵期及輿情平息期）

在輿情反轉(zhuǎn)公告發(fā)布后，進入輿情發(fā)酵期。在此階段，該事件會再次獲得流量關注，且事實信息得到了多方補充及悉數(shù)呈現(xiàn)；網(wǎng)民間信息交互越發(fā)強烈，觀望者可能由此轉(zhuǎn)變?yōu)橛^點發(fā)表者，進行所持觀點輸出。將信息量增加作為該階段建模的主要特征，通過參數(shù)及觀望群體演化路徑調(diào)整，擬合發(fā)酵期中產(chǎn)生的情緒波動，隨之過渡到輿情平息期。具體表示為

假設S(t)+E1(t)+…+En(t)+I1(t)+…+In(t)+F(t) + R( )t = N，即共有N 人參與到此次輿情傳播過程中。其中，S 為接觸事件者，代表了解輿情事件的網(wǎng)民總和，以概率γs向R（對該事件失去興趣群體）轉(zhuǎn)變或以概率α 向E（潛在觀點發(fā)表群體）轉(zhuǎn)變。E 代表已了解輿情事件并對該事件持有觀點，當下并未發(fā)表觀點的群體；該群體可能會對輿情事件失去興趣，變成群體R，或經(jīng)信息交互作用，變成觀望群體F 和持有相同或不同觀點的觀點發(fā)表者。I 為觀點發(fā)表群體，群體E 會以概率μ 向群體I 轉(zhuǎn)化，群體I 則會對其他觀點發(fā)表者通過信息交互作用以概率fI進行觀點轉(zhuǎn)換，也會對其他潛在觀點發(fā)表群體通過信息交互作用，以概率fE進行觀點轉(zhuǎn)換。F 為對該輿情事件持觀望態(tài)度的關注群體，由觀點持有者經(jīng)信息交互作用轉(zhuǎn)為持有觀望狀態(tài)，在輿情反轉(zhuǎn)公告發(fā)布后，會以概率μf轉(zhuǎn)化為觀點發(fā)表者或?qū)υ撌录ヅd趣。R 則為對該事件失去興趣的群體，由接觸事件群體、觀望群體、潛在觀點發(fā)表群體或觀點發(fā)表群體轉(zhuǎn)化而來；考慮到互聯(lián)網(wǎng)中信息更新迭代快，微博平臺發(fā)布信息具有實時更新的屬性，因此，對輿情事件失去興趣的概率γs、γf、γe和γi會相應提升。N表示參與輿情事件傳播演化的群體總數(shù)。

鑒于多觀點主體之間具有一定的相似性，以信息交互視角下兩種觀點的輿情演化模型SFE2I2R 進行仿真實驗，得到分階段演化模型。

（1）第一階段（輿情發(fā)展期）：

（2）第二階段（輿情發(fā)酵期及輿情平息期）：

根據(jù)上述討論，假設S(t)+E1(t)+E2(t)+I1( t )+I2( t )+ F(t) + R( t )= N，即參與輿情演化的人數(shù)守恒。信息交互由信息交互函數(shù)fI(l)和fE(l)發(fā)揮作用，參數(shù)值越大，表示信息交互影響的程度越高。輿情演化模型SFE2I2R 的主要參數(shù)如表2 所示。

3.2.2 演化模式分析

本文將輿情反轉(zhuǎn)演化過程分為三個階段，即輿情發(fā)展期、輿情發(fā)酵期和輿情平息期。在一般輿情事件的演化過程中，持有觀點的群體會隨著信息的快速迭代，演變?yōu)槭ヅd趣群體。以輿情反轉(zhuǎn)公告發(fā)布為劃分依據(jù)，該類事件由于反差性較大和爭議性較強，會再度引發(fā)熱議，也會促使原網(wǎng)絡平臺上的潛在觀點發(fā)表者和觀望該輿情事件的關注者向觀點發(fā)表者發(fā)生轉(zhuǎn)變，此時過渡到輿情發(fā)酵期。研究表明，當官方輿論與之觀點相同時，會增加其表達觀點的欲望[30]。本文首先以兩類觀點，即正面觀點和反面觀點的信息交互視角下的演化模型SFE2I2R為例，得到模型在一次輿情反轉(zhuǎn)情景下的演化路徑，如圖3 所示。

表2 演化實驗參數(shù)說明

當輿情事件發(fā)生時，事件接觸群體S 以概率γs轉(zhuǎn)變?yōu)閷υ撌录ヅd趣群體R，或分別以概率α1、α2轉(zhuǎn)化為潛在觀點發(fā)表群體E1、E2。群體E1、E2隨后產(chǎn)生四種狀態(tài)的演變，或分別以概率(μe1)′、(μe2)′加入觀點發(fā)表群體I1、I2，或以概率σe1、σe2轉(zhuǎn)化為對該事件觀望群體F，或以概率γe1、γe2轉(zhuǎn)化為對事件失去興趣群體R，或通過信息交互作用使其觀點發(fā)生改變，但由于客觀因素或個體差異，繼續(xù)維持潛在觀點發(fā)表者的身份。輿情繼續(xù)演化時，觀點發(fā)表者I1、I2會分別以概率γi1、γi2失去興趣加入群體R，或以概率σ1i、σ2i轉(zhuǎn)化為對該事件觀望群體F，或在網(wǎng)絡平臺中繼續(xù)發(fā)表觀點，并分別以概率(pi21)′和(pi12)′將持有不同觀點的觀點發(fā)表者轉(zhuǎn)變?yōu)榕c自己觀點一致群體，以概率(pe21)′和(pe12)′去影響潛在觀點發(fā)表群體，使其轉(zhuǎn)變觀點。在輿情反轉(zhuǎn)發(fā)生前，該階段屬于輿情發(fā)展期。之后進入輿情發(fā)酵期，由于輿情事件的相關信息量的補充，群體中持觀望狀態(tài)的群體F 和潛在觀點發(fā)表群體E1、E2分別以概率μf、(μe1)″、(μe2)″轉(zhuǎn)化為觀點發(fā)表群體I1、I2進行觀點輸出。信息交互作用則依據(jù)網(wǎng)民的不同態(tài)度分別調(diào)整為概率隨著網(wǎng)民對該輿情事件的關注度減少，轉(zhuǎn)為輿情平息期，觀點發(fā)表群體I1、I2以概率(γi1)″和(γi2)″轉(zhuǎn)化為對該輿情事件失去興趣群體。

圖3 SFE2I2R輿情演化路徑

多數(shù)輿情反轉(zhuǎn)事件中，政府公告借助于有關部門官方賬號或平臺對輿情事件進行解釋說明，依其權(quán)威性對網(wǎng)民觀點產(chǎn)生影響。據(jù)此在輿情反轉(zhuǎn)后的信息交互過程中，會出現(xiàn)不同程度的觀點傾向性，且對不同觀點的傾向性影響并不相同。事實表明，多數(shù)網(wǎng)民會傾向于政府或官方闡述的觀點。在整個輿情演化的過程中，存在輿情反轉(zhuǎn)后潛在觀點發(fā)表群體和持觀望態(tài)度的關注者群體仍不發(fā)表觀點的情況，但由于不在信息交互的作用范圍內(nèi)，因此本實驗不加以考慮。

3.3 模型參數(shù)估計

為使本文提出的研究模型及仿真結(jié)果更貼近實際，實驗參數(shù)設定采用真實輿情反轉(zhuǎn)案例數(shù)據(jù)進行初步估計。數(shù)據(jù)取自2019 年4 月15 日—2020 年4 月15 日的“西安奔馳女司機維權(quán)”輿情事件在新浪微博的相關信息。數(shù)據(jù)采樣間隔24 h，采樣點103 篇相關報道，實驗記錄共12256 條微博數(shù)據(jù)，獲取微博數(shù)據(jù)包括相關文章報道的內(nèi)容、轉(zhuǎn)發(fā)量、評論用戶人數(shù)、評論用戶ID、用戶評論量、用戶評論內(nèi)容、點贊數(shù)、發(fā)布時間、話題熱度指數(shù)、話題討論數(shù)、話題閱讀數(shù)等。計算輿情反轉(zhuǎn)前后接觸事件者向潛在觀點發(fā)表者、潛在觀點發(fā)表者向觀點發(fā)表者，以及觀點持有者向輿情觀望者轉(zhuǎn)化的概率，并根據(jù)中國互聯(lián)網(wǎng)絡信息中心中的話題更替率來對失去興趣的概率進行估算，完成實驗基礎數(shù)據(jù)估計，如表3 所示。信息交互參數(shù)pi和pe則依據(jù)有效信息交互的元素構(gòu)成，以獲取微博的量化數(shù)據(jù)和評論內(nèi)容的情感分析為基礎，通過因子分析法來確定相關的參數(shù)設定，如表4 所示。通過收集統(tǒng)計2019—2021 年這3 年典型突發(fā)公共事件輿情數(shù)據(jù)可知，事件平均參與的有效人數(shù)在10000 人左右，因此將初始值設為N = 10000，即設定此輿情系統(tǒng)中起初有10000 名網(wǎng)民參與其中。

表3 實驗反轉(zhuǎn)公告發(fā)布時間相關參數(shù)估計取值

表4 實驗網(wǎng)民態(tài)度相關參數(shù)估計取值

4 實驗研究

在緊跟時事熱點及最新報道新聞的平臺中，微博以其高覆蓋率的受眾群體和實時更新的新聞動態(tài)，成為國內(nèi)當前最為廣泛的應用社交平臺之一。不同于傳統(tǒng)媒體媒介，微博作為傳播時事熱點的資訊平臺，在相關媒體信息發(fā)布后，為群眾提供平臺進行互動和討論，并將評論公開透明，使網(wǎng)民之間以輿情事件為中心進行信息交互成為可能。以微博平臺為例，本文分別以主動和被動干預層次對信息交互視角下的演化模型SFE2I2R 進行分析仿真。在最終輿情演化的結(jié)果中，網(wǎng)民最終狀態(tài)都為對該輿情事件失去興趣，但由持有不同觀點的階段過渡到這一狀態(tài)，所表達的現(xiàn)實意義差異巨大，當有越多持有正面觀點的網(wǎng)民過渡到最終狀態(tài)，證明政府干預越有效。因此，本文以持有不同觀點的網(wǎng)民比例去衡量政府干預的有效性，分析政府干預類型及強度對輿情演化的影響，探究干預靈敏度，使實驗有的放矢，為政府的相關輿情處理提供合理化建議，從而進行有針對性的輿情引導。

本次實驗操作系統(tǒng)為macOS Big Sur，數(shù)據(jù)庫采用MySQLVer 14.14，爬蟲工具包為BeautifulSoup，分詞工具為jieba，情感分析工具為SnowNLP，仿真及可視化利用Matlab R2010 b，并借助相關工具包開展實驗。

4.1 路徑一：網(wǎng)民態(tài)度由消極轉(zhuǎn)向積極時，政府干預措施的影響分析

在輿情事件中，政府權(quán)威公告發(fā)布后，網(wǎng)民態(tài)度由消極向積極轉(zhuǎn)變是較為常見的現(xiàn)象。在輿情事件發(fā)展初期，網(wǎng)民情緒常以偏激情緒為主導，容易引起社會恐慌和消極情緒。而當政府部門對輿情事件進行調(diào)查后，清晰合理地還原事實真相，穩(wěn)定社會情緒，網(wǎng)民態(tài)度出現(xiàn)良好轉(zhuǎn)變態(tài)勢，輿情事件得以完善解決。因此，在該路徑下，本文設定整個輿情周期由開始到消亡持續(xù)365 天，將政府發(fā)布公告的時間點作為輿情反轉(zhuǎn)時間點，探究政府不同干預對不同觀點的網(wǎng)民比例所產(chǎn)生的影響。在輿情發(fā)展期，由于網(wǎng)民持有消極態(tài)度，轉(zhuǎn)化為持有反面觀點的潛在觀點發(fā)表者概率較大（a′1= 0.002，a′2= 0.008）。另外，由于證據(jù)缺失、事實不全，向觀點發(fā)表者轉(zhuǎn)化的概率較?。?μe1)′ =(μe2)′ = 0.01）且轉(zhuǎn)化為觀望者概率較大。在輿情反轉(zhuǎn)公告發(fā)布后，進入輿情發(fā)酵期，事件細節(jié)不斷有官方或自媒體補全，網(wǎng)民和觀望者向觀點發(fā)表者轉(zhuǎn)化的概率增加且網(wǎng)民呈現(xiàn)積極態(tài)度，轉(zhuǎn)化為正面觀點持有者的概率也隨之增加（a″1= 0.008，a″2= 0.002）。最后，隨著輿情熱度逐漸減少至平息，網(wǎng)民對輿情事件失去興趣的概率逐漸增加

在主動干預實驗中，網(wǎng)民在輿情發(fā)展期呈現(xiàn)消極態(tài)度，因網(wǎng)民間信息交互作用，轉(zhuǎn)化為反面觀點持有者 概 率 較 大。以輿情反轉(zhuǎn)公告發(fā)布為轉(zhuǎn)折點，網(wǎng)民態(tài)度轉(zhuǎn)變?yōu)榉e極趨勢，此時向正面觀點持有 者 轉(zhuǎn) 變 概 率 較 大實驗結(jié)果表明，網(wǎng)民態(tài)度由消極向積極轉(zhuǎn)變過程中，公告時間點會對不同觀點的網(wǎng)民比例產(chǎn)生相對較大的影響，如圖4a 所示。隨著輿情反轉(zhuǎn)點的推遲，持有正面觀點的網(wǎng)民會從較高的比例快速下降并逐漸平緩。相較于輿情反轉(zhuǎn)時間點，增加政府公告受眾人數(shù)這一干預措施對持有不同觀點的網(wǎng)民比例產(chǎn)生了較為平緩的影響趨勢，如圖4b 所示。在被動干預實驗中，將輿情反轉(zhuǎn)時間點設為30 天（day=30），并分別減弱網(wǎng)民反面信息交互強度以及增強正面信息交互強度來進行仿真實驗。當網(wǎng)民反面信息交互發(fā)生由強至弱的改變時，持有不同意見的網(wǎng)民比例受到的影響程度較小，如圖4c 所示。當網(wǎng)民正面信息交互由弱交互增強為強交互時，發(fā)表觀點的網(wǎng)民比例受到明顯影響，但對潛在觀點發(fā)表者群體影響相對較小，如圖4d 所示。在文獻[31]的案例中，輿情發(fā)展期負面信息量急劇上升，此時出現(xiàn)為涉事醫(yī)院澄清真相的意見領袖，積極與網(wǎng)民交互答疑，逐漸得到認可并被大量轉(zhuǎn)發(fā)，在輿情傳播后期的影響力超過了起初的“多數(shù)意見”。相比之下，文獻[32]的案例中王某某父母在輿情瘋狂傳播階段未進行充分解釋，導致在不良媒體肆意傳播下，即使后期借助官方媒體進行發(fā)聲，多數(shù)人仍持有消極觀點。

圖4 網(wǎng)民態(tài)度由消極轉(zhuǎn)向積極時，政府輿情干預措施影響

4.2 路徑二：網(wǎng)民態(tài)度由積極轉(zhuǎn)向消極時，政府干預措施的影響分析

隨著官方公告發(fā)布，網(wǎng)友態(tài)度也有可能由積極向消極轉(zhuǎn)變，這類情景在輿情傳播中雖不常見，但在官方調(diào)查公告與初期網(wǎng)民觀點相差過大，或公告發(fā)布的過程或內(nèi)容中存在短時間內(nèi)網(wǎng)民無法接受的情況時，該種情景仍具有研究價值。在該路徑下，輿情發(fā)展初期，持有積極態(tài)度的網(wǎng)民有較大概率向潛在正面觀點發(fā)表者轉(zhuǎn)化（a′1= 0.008，a′2= 0.002）；輿情發(fā)酵期，持有消極態(tài)度的網(wǎng)民向潛在負面觀點發(fā)表者轉(zhuǎn)化的概率增加（a″1= 0.002，a″2= 0.008）。其他基礎參數(shù)設置一致。

在主動干預實驗中，根據(jù)網(wǎng)民所呈現(xiàn)的態(tài)度將信 息 交 互 參 數(shù) 分 別 設 置 為進 行 仿 真實驗。由實驗結(jié)果可知，在網(wǎng)民由積極到消極的態(tài)度轉(zhuǎn)變中，隨著輿情反轉(zhuǎn)時間點的推遲，持有正面觀點的網(wǎng)民比例快速增大，并在輿情發(fā)展后期呈現(xiàn)較高的網(wǎng)民比例，如圖5a 所示。在文獻[33]的案例中，由于證據(jù)鏈不全，官方錯過發(fā)布公告的最佳時機，該輿情事件在幾近平息后才進行反轉(zhuǎn)，持消極態(tài)度的網(wǎng)民比例并無較大改善。另外，在增加公告受眾人數(shù)這一干預中，不同類型的網(wǎng)民比例呈現(xiàn)變化平緩的影響效果，如圖5b 所示。在被動干預實驗中，減弱網(wǎng)民反面信息交互強度對潛在觀點發(fā)表者和反面觀點發(fā)表者會產(chǎn)生相對明顯的影響，但持有正面觀點網(wǎng)民比例呈緩慢上升的趨勢，如圖5c所示。另外，增強網(wǎng)民正面信息交互強度會呈現(xiàn)出更為明顯的積極效果，不過相較于觀點發(fā)表者，對潛在觀點發(fā)表者的影響較小，如圖5d 所示。

圖5 網(wǎng)民態(tài)度由積極轉(zhuǎn)向消極時，政府輿情干預措施影響

4.3 路徑三：網(wǎng)民態(tài)度持續(xù)消極時，政府干預措施的影響分析

部分輿情傳播中，網(wǎng)民態(tài)度有可能呈現(xiàn)持續(xù)消極趨勢，網(wǎng)民偏激情緒固化。該情景下，相關部門發(fā)布公告并不能有效影響網(wǎng)民態(tài)度。在文獻[34]的案例中，男司機的消極回應令真相再次失真，公眾對該事件的質(zhì)疑指責仍持續(xù)升高，網(wǎng)民負面情緒持續(xù)擴大。在該路徑下，網(wǎng)民情緒持續(xù)低落，陷入惡性循環(huán)，因此在輿情發(fā)展期和輿情發(fā)酵期，對潛在觀 點 發(fā) 表 者 分 別 設 置a′1= 0.002、a′2= 0.006、a″1=0.002、a″2= 0.008，來擬合現(xiàn)實狀態(tài)。

在主動干預中，輿情反轉(zhuǎn)前后，網(wǎng)民的信息交互由于態(tài)度消極，設置為向反面觀點轉(zhuǎn)化率較高的情況進 行 仿 真 實驗。由結(jié)果可知，改變輿情反轉(zhuǎn)時間點和增加受眾人數(shù)干預并未產(chǎn)生明顯作用效果，不同類型的網(wǎng)民比例仍保持基本一致。在輿情發(fā)展初期，輿情反轉(zhuǎn)時間點會大幅提高網(wǎng)民比例的變化速率，隨后減弱，如圖6a 所示。而增加受眾人數(shù)這一干預會使影響速率隨著人數(shù)增加呈遞減趨勢，如圖6b 所示。在文獻[35]的案例中，在公眾情緒總體呈消極狀態(tài)下，患者家屬接受采訪并否認醫(yī)院說法，提高了該輿情事件的二次曝光程度，但后續(xù)采訪中僅有1/10 左右的群眾相信家屬的說法。同樣地，通過減弱網(wǎng)民反面信息交互強度所產(chǎn)生的作用效果也不明顯，且持有正面觀點的網(wǎng)民所占比例較低，如圖6c 所示。另外，通過增強網(wǎng)民正面交互強度，觀點發(fā)表網(wǎng)民比例呈逐漸上升趨勢，如圖6d 所示。在文獻[36]的案例中，事件發(fā)生之初，部分博主采用刪評等方式以減少其博文下的罵戰(zhàn)，但公眾情緒仍持續(xù)呈負面傾向，并無明顯的抑制作用。

4.4 路徑四：網(wǎng)民態(tài)度持續(xù)積極時，政府干預措施的影響分析

在輿情事件發(fā)展初期，網(wǎng)民采用較為理性積極的態(tài)度去看待輿情事件。在政府發(fā)布公告后，公告內(nèi)容與初期網(wǎng)民預期事實不一致時，網(wǎng)民仍保持理解政府并尊重事實的態(tài)度去看待該輿情事件，輿情反轉(zhuǎn)的公告內(nèi)容會進一步將社會輿論引向較明朗的方向。該類情況已越發(fā)常見，如在文獻[37]的案例中，網(wǎng)民在輿情事件發(fā)展初期即保留理性態(tài)度去評判，在警方出具詳細調(diào)查公告后，網(wǎng)民呈現(xiàn)支持判決、引以為戒的情感趨勢。

圖6 網(wǎng)民態(tài)度持續(xù)消極時，政府輿情干預措施影響

在該路徑下，實驗基礎設置不變，以網(wǎng)民積極應對的態(tài)度為基礎，在輿情發(fā)展期和輿情發(fā)酵期，網(wǎng)友轉(zhuǎn)化為正面觀點持有者概率增加（a′1=0.006，a′2= 0.002，a″1= 0.008，a″2= 0.002），通 過 此情況來擬合現(xiàn)實狀態(tài)。在主動干預中，網(wǎng)民在積極態(tài)度下的信息交互作用，使網(wǎng)民轉(zhuǎn)化為正面觀點持有者概率加大，將參數(shù)設置為0.01，來進行仿真實驗。實驗結(jié)果表明，在網(wǎng)民態(tài)度保持積極時，不同類型的網(wǎng)民比例相對固化，改變輿情反轉(zhuǎn)時間點以及增加公告受眾人數(shù)對其影響不大，如圖7a 和圖7b 所示。在輿情發(fā)展過程中，網(wǎng)民一直保持著較為高漲的積極狀態(tài)，減弱網(wǎng)民反面信息交互作用并不明顯，如圖7c 所示。另外，增強網(wǎng)民正面信息交互，對觀點發(fā)表者影響較大，且當正面信息交互處于弱交互階段時，觀點發(fā)表者影響處于高效變化區(qū)間，如圖7d 所示。在文獻[38]的案例中，網(wǎng)民持理性態(tài)度看待雙方說法，安慰支持考生并肯定官媒和校方做法，網(wǎng)民持積極狀態(tài)的人數(shù)居多且在反轉(zhuǎn)后增加。同理，在文獻[39]的案例中，該博文借助地域差異迅速帶起話題，傳播中不乏持理性態(tài)度的網(wǎng)友，要求證實事件真實性的呼聲逐漸增加。

圖7 網(wǎng)民態(tài)度持續(xù)積極時，政府輿情干預措施影響

5 討論與建議

5.1 機制優(yōu)化：把握回應時效性、準確性，健全輿情監(jiān)測、研判和回應機制

輿情反轉(zhuǎn)公告作為突發(fā)公共事件影響輿情生態(tài)的核心因素，切實推動了公共事件輿情走向，成為政府重新掌握輿論話語權(quán)的重要節(jié)點。由此可見，發(fā)布輿情反轉(zhuǎn)公告是最有效的干預手段和措施之一。

首先，把握公告發(fā)布時機，打破消極從眾心理。在公共突發(fā)事件中，其反面性主要來源于事實未及時公布，使虛假信息甚囂塵上，不僅對當事人造成不可逆的傷害，還會造成社會信任喪失和輿論環(huán)境紊亂。如本文實驗表明（見圖4a、圖5a），在網(wǎng)民對該輿情反轉(zhuǎn)公告產(chǎn)生較大情緒波動時，將公告發(fā)布時機調(diào)整在輿情周期的0~18%期間，可有效影響網(wǎng)民觀點演化，且越接近輿情事件發(fā)生的時間點越能起到良好治理的效果。前人研究發(fā)現(xiàn)，在輿情發(fā)展初期，政府媒體作為具有社會公信力的媒體平臺及時發(fā)布相關的公告，能有效減少公眾的猜測與揣測，在網(wǎng)絡輿情的危機管理中起到至關重要的作用[40]。

其次，提高公告準確性，勿因“快”而使“準”讓步，求“準”更勝于求“快”。在后真相時代，真相讓位于情緒，自媒體社交平臺作為公眾話題的集中地，情緒化表達成為常態(tài)，易引起群體情緒極化現(xiàn)象。官方公告內(nèi)容作為輿情事件定性及解釋的正當、合法信源，是輿情治理的核心推動力。在此基礎上，把握恰當?shù)陌l(fā)布時機，更能適時打破消極的從眾心理，匡正輿論走向。以官方平臺為基準，發(fā)布對輿情事件合規(guī)準確的調(diào)查公告，有利于在時間維度中，快速平息輿情的惡性長尾期，給喧嘩的輿論降溫，引導輿論走向，有助于政府公信力的提高，避免落入“塔西佗陷阱”。

5.2 路徑優(yōu)化：提升回應信息到達率，科學有效調(diào)控網(wǎng)絡生態(tài)治理路徑

如今，頻繁反轉(zhuǎn)、多次曝光已是輿情反轉(zhuǎn)事件常見的外在表征。擴大官方公告的受眾群體是打破觀點固化的一次努力，也是政府爭奪輿論話語權(quán)的一種嘗試。官方公告作為政府對輿情事件的正式發(fā)聲，無疑是這場輿論風波的定心丸，讓更多群眾了解到事實真相以及政府態(tài)度，回歸理性狀態(tài)，這是重構(gòu)話語體系的關鍵。

首先，擴大反轉(zhuǎn)公告曝光，緩解公眾心理沖突。如本文實驗表明（見圖6b、圖7b），在網(wǎng)民處于情緒不穩(wěn)定的狀態(tài)下，擴大公告信息到達率為28%的政府干預是行之有效的措施。在輿情反轉(zhuǎn)期，網(wǎng)民情緒及其所在輿論場會產(chǎn)生巨大波動，隨之影響其行為路徑。由專業(yè)權(quán)威信源為事件定性并給出專業(yè)合理的解答，正是網(wǎng)民所迫切需要的。在文獻[41]的案例中，官方信息透明度和受眾群眾人數(shù)的增加，有效降低了公眾質(zhì)疑，將輿情風險概率減小，達到良好治理的效果。

其次，鼓勵多元化平臺回應，信息渠道多方覆蓋。目前學術(shù)界暫沒有對擴大受眾群體進行明確的指標特征論述，多數(shù)體現(xiàn)在多元化的發(fā)布平臺、高頻率的發(fā)布公告以及卓越的公告影響力等。多元化的發(fā)布平臺是指公告在不過多占用社會資源的情況下，在與其相關的權(quán)威媒體平臺盡數(shù)發(fā)布，擴大不同類型的受眾普及率。高頻率的發(fā)布公告是指媒體平臺作為事實核實者，本著客觀、公平的態(tài)度進行輿情事件的階段報告，將事實公開透明化。公告影響力則集中在公告內(nèi)容的深度和廣度，對輿情進行實時監(jiān)測分析，有效掌握公眾的關注點和質(zhì)疑點，做出準確、真實的回應。因此，在輿情事件發(fā)生后，政府應及時跟蹤輿情事件影響的人數(shù)，采取彈性控制手段，測算信息到達率的合理區(qū)間，以提高輿情被關注度，并保持合理調(diào)控成本。

5.3 結(jié)構(gòu)優(yōu)化：推動多元主體理性互動，構(gòu)建動態(tài)平衡的輿情生態(tài)結(jié)構(gòu)

在突發(fā)公共事件輿情生態(tài)體系中，輿情主體多元化、結(jié)構(gòu)復雜，以化名身份在開放社交平臺中闡述的觀點與話語，所承載的內(nèi)容表達有可能是短視、狹隘和極端的。該類話語要素作用于民間輿論場，可能加速公眾負面情緒極化，進而影響系統(tǒng)中主體自身的輿情生態(tài)位和整個輿情生態(tài)系統(tǒng)的平衡。因此，推動多元主體理性互動、構(gòu)建動態(tài)平衡的輿情生態(tài)結(jié)構(gòu)顯得尤為必要。

首先，積極恰當?shù)恼蛞龑?，控制激進輿論的擴散。依托于網(wǎng)民信息交互，政府干預可以分為兩個方面，一方面，政府部門通過監(jiān)測輿情發(fā)展路徑，通過減弱網(wǎng)民反面信息交互強度，對網(wǎng)民的負面情緒起到消解作用；另一方面，政府通過收集網(wǎng)民在社交平臺中的提問或質(zhì)疑，切中問題要點痛點，做出有深度和廣度的回答，安撫情緒，正向引導思維走向來緩解突發(fā)事件的惡性影響。如本文實驗表明（見圖6c、圖6d、圖7c 和圖7d），增強網(wǎng)民正面交互強度比減弱網(wǎng)民反面交互行為更為有效，且達到強交互時可高效改變網(wǎng)民比例。事實上，在現(xiàn)有研究所關注的突發(fā)事件中，政府干預大多集中在正向引導群眾方面。有學者據(jù)以往研究分析，政府在輿情反轉(zhuǎn)中進行積極恰當?shù)囊龑В兄诳刂茦O端化和激進化的輿論擴散[42]。

其次，政府回應需切中“要點”和“痛點”，準確回應民生訴求。政府干預依托有效信息交互的特征指標，即評論頻率和評論深廣度，探尋它們與政府干預程度之間的關聯(lián)，從而實現(xiàn)精準化回應。政府官媒在評論區(qū)評論頻率是指在網(wǎng)民負面評論下的正式回應頻率，既能作為政府在信息交互過程中的量化表征，又能體現(xiàn)出政府在突發(fā)事件下的回應態(tài)度和積極性。盡管回應數(shù)量并不能代表回應質(zhì)量，但研究證實，回應次數(shù)多的突發(fā)事件一般應對效果也較好[41]。另外，政府回應的內(nèi)容是政府在積極應對突發(fā)事件的質(zhì)化表征，體現(xiàn)了政府是否充分聽取民眾呼聲并切實滿足民眾需求。然而，政府回應不能準確切中群眾的要點和痛點，是當下政府采取信息交互手段的干預措施中存在的主要問題。因此，保證實時輿情動態(tài)跟蹤，通過可調(diào)控的引導手段，“穩(wěn)”“準”“狠”地阻斷網(wǎng)民消極情緒的蔓延。

6 結(jié)論與展望

近年來，公共領域中頻頻出現(xiàn)的輿情反轉(zhuǎn)事件，不僅意味著“后真相”時代的來臨，也向政府輿情治理的重點方向發(fā)出了信號。本文通過改進輿情演化模型SFEnInR，結(jié)合信息交互視角，模擬輿情反轉(zhuǎn)演化路徑，為政府輿情治理提供決策支持。在輿情反轉(zhuǎn)的演化中，權(quán)威公告的發(fā)布時機是推動發(fā)展過程的觸發(fā)性因子，適時把握發(fā)布時機，實現(xiàn)網(wǎng)民情感的扭“負”為正，已成為輿情治理的重要手段之一。偏差性和隱蔽性是突發(fā)公共事件兩個顯著特征，堅持事件信息透明化，媒體報道客觀化，可有效避免事態(tài)激化和政府公信力下降。網(wǎng)民交互可視化給輿情研判提供了更多的選擇，應確保實時監(jiān)控，動態(tài)治理，貫通輿論體系，避免群體極化和消極輿論的爆發(fā)。另外，在信息交互方面，網(wǎng)民情感偏向處于時序波動變化狀態(tài)，能夠反映輿情事件生態(tài)的平衡性變化，有助于窺察網(wǎng)民與政府間的雙重博弈。因此，后續(xù)研究可根據(jù)不同類型輿情事件的傳播特征重構(gòu)，或?qū)⒕W(wǎng)民情感偏向作為隨時間變化的連續(xù)型函數(shù)，使模型更貼近現(xiàn)實特征。