事件與傳播：網絡暴力事件傳播力影響因素分析
——基于49例網絡暴力事件的定性比較分析(QCA)

丁漢青，韓 玥

(北京師范大學 新聞傳播學院， 北京 100091)

一、研究緣起

從早期“銅須門事件”再到新近發生的“劉學州事件”，網絡暴力事件頻發。與之相關的研究成果亦大量涌現。從現有研究成果看，目前學界對網絡暴力的界定尚未達成共識。姜方炳認為，網絡暴力是一種侵害當事人名譽權與隱私權的網絡失范行為，表現形式主要是言語辱罵、惡搞、泄露個人隱私等。[1]田圣斌等人將網絡暴力定義為一種軟暴力手段，施暴者通過造謠、泄露他人隱私形成網絡輿論壓力，使受害者飽受精神困擾甚至危及其人身安全。[2]彭蘭則從行為、主體、結果三個方面闡釋了網絡暴力的定義。[3]陳代波在進一步辨析網絡暴力概念時認為，由線上事件引發的線下惡性暴力和具有強烈人身攻擊性的網絡監督等亦屬網絡暴力的范疇。[4]基于以往研究成果，本文認為，網絡暴力是指集聚在網絡空間中的民眾，以道德名義侮辱、謾罵、嘲諷他人，形成強勢輿論，最終導致大規模群體極化的群體性失范行為。

隨著網絡與新媒體技術的進一步發展，網絡暴力的形式已從單純的語言暴力上升到人肉搜索甚至線下的各種惡性行為，點滴的“平庸之惡”[5]匯聚，暴露出網絡猙獰的一面。網絡暴力輕則泄露個人隱私，使當事人遭受電話與信息騷擾，重則對當事人造成極大的心理、生理傷害。到底是哪些因素促使網絡暴力事件在互聯網場域產生如此巨大的傳播力？

二、文獻綜述

近年來，學界對網絡暴力的研究日漸豐富，探究的領域包括網絡暴力的發展現狀、成因與形成機制以及治理路徑等。

關于網絡暴力的發展現狀及趨勢，李華君等人對30起網絡暴力事件進行內容分析后發現，網絡暴力事件存在區域分布不均衡、結構性暴力和事件性暴力并發、政治性熱點向娛樂性熱點轉變、同類事件的多米諾效應顯著等特點。[6]王天楠等人提出，中國網絡暴力問題在演進方式、針對對象、傳播方式、對立立場等方面都呈現出新特征。匿名性身份、不良群體心理以及缺乏精英正面引導等因素相互疊加，進一步增加了形成網絡暴力的風險。[7]

在網絡暴力的成因與形成機制方面，林凌著眼于網絡暴力的傳播過程，認為網絡傳播技術的革新分解了把關環節，把關人責任模糊是網絡暴力的重要成因。[8]朱麗認為網絡暴力的形成是多元的，網絡技術發展、網民情緒宣泄、傳統媒體的參與以及監管的不完善均是重要成因。[9]劉績宏等人則著眼于網絡暴力與謠言的聯動關系，發現刺激性的網絡謠言能夠使網民對相關主體形成消極道德判斷，進而使網民實施網絡暴力行為。[10]

而在治理路徑方面，徐才淇提出應當在刑法中加強對網絡暴力行為的規定、增加新的專項罪名或增加專門的單行刑法的規制。[11]陳代波認為應根據網絡暴力參與者的不同層次制定不同應對策略，團結多數網民的同時也不放過違法者。[12]

綜上所述可知，網絡暴力的相關研究目前主要集中在成因、傳播規律與應對之策上，較少關注高傳播力網絡暴力事件是如何形成的。但事實上網絡暴力事件的破壞性與其傳播力密不可分，基于此，本文試圖轉換視角，跳脫出表層成因與治理路徑的分析，探究高傳播力網絡暴力事件的形成機制。在本研究中，“傳播力”用“知微事見庫”中的影響指數(Event Influence Index，EII)來測量，該指數是代表某一事件在互聯網上傳播效果的權威指標。另外，既有網絡暴力研究多采用個案分析法，較少進行多案例研究。本文擬采用定性比較分析法(QCA)，結合定量定性研究方法各自優勢進行多案例研究，探究網絡暴力事件中事件本身、傳播過程與網絡暴力事件傳播力之間的關系。本研究擬回答以下三方面的問題。

RQ1：促成網絡暴力事件高傳播力的必要或充分條件是什么？

RQ2：在網絡暴力事件的發酵與傳播過程中，何種事件屬性與傳播組合會影響事件傳播力的大小？

RQ3：上述因素影響網絡暴力事件傳播力的作用機理和社會深層原因是什么？在預防與治理高傳播力網絡暴力事件方面有何對策？

三、研究方法

本文采用定性比較分析法，摘選2017—2020年的典型網絡暴力事件共計49例作為研究樣本，提煉出9個與網絡暴力事件相關的影響因子作為條件變量，將事件傳播力作為結果變量，深入探討網絡暴力事件不同的事件屬性與傳播條件組合作用于事件傳播力的相關機制。

(一) 案例選擇

本文以知微事見、百度、新浪微博為檢索平臺，篩選2017—2020年間相關網絡暴力事件，最終采用立意抽樣的方式摘選重慶萬州公交墜江事故、樂清滴滴順風車事件、茍晶被頂替上學事件等49個典型案例進入研究案例庫。

選擇案例的依據主要有四個。一是符合網絡暴力的操作性定義。結合以往研究成果，本文對網絡暴力的操作性定義如下：網民明確做出針對當事者的侮辱、謾罵、惡搞、人肉搜索、攻擊乃至線下騷擾等群體性行為，對當事人構成直接或間接傷害，且參與動機具有樸素正義性與惡意的制裁性。二是具有一定的典型性。本研究將選取輿論熱度、討論度話題度較高，具有代表性的網絡暴力事件作為樣本。三是案例資料可獲取、可核查。四是案例間需具有可比性，即保證案例總體的充分同質性與案例總體內的最大異質性。[13]

(二) 變量選擇說明

本文基于集體行動理論以及網絡群體性事件等相關文獻，確定了9個條件變量以及網絡暴力事件傳播力1個結果變量。

1.條件變量設定

(1)事件指向(direction)

網絡事件爆發通常都具有明顯的指向性，是事件導向研究的基本變量之一，曾祥敏等人在研究新媒體語境下的新聞反轉時認為，不同的事件指向會對輿情走向產生影響。[14]在網絡暴力事件中，網絡暴力的特性是多數人對少數人的輿論壓制：事件因個人、群體或組織的行為引發爭議而被推到輿論的風口浪尖，長期的社會怨恨和被剝奪感在作為導火索的觸發性事件下爆發，誕生出網絡暴力事件指向。根據對案例的梳理，本研究的事件指向基本可分為政府/官員、企業/機構、個人/群體三大類別。

(2)公眾訴求(goal)

情感、心理等因素在以往集體行動研究中通常被視為重要變量，網絡群體性事件爆發的重要客觀原因之一，是事件背后所反映出的公眾共同的利益訴求，其在網絡集體行動中發揮著重要作用。[15]網絡暴力事件中的公眾訴求主要分為情感方面的訴求、經濟利益方面的訴求以及人身安全方面的訴求三類，經濟利益訴求和人身安全訴求在本研究中合并為利益訴求。

(3)被指向人的態度(attitude)

在網絡群體性事件中，被指向人回應態度通常影響著網民的情感與后續輿論的走向。王楠等人在采用QCA方法探究網絡輿情對高校形象的影響時發現，若輿情在發酵及傳播過程中未得到回應，會對高校自身形象產生負面影響，增強事件影響力和破壞性。[16]在本研究中，被指向人態度可分為沉默/不予回應、回應態度消極或積極三類，其中態度消極的具體行為指回應搪塞、推卸責任或是回應態度惡劣等，而回應態度積極則表現為針對性解答質疑、態度認真、言辭誠懇等。

(4)事件疊加(superposition)

在網絡社會中，高熱度的輿情事件不再單一出現，而是呈現出“批量生產”和“同類復制”的特點。[17]事件疊加效應能夠在其他因素的共同作用下對政策議程產生推動作用。[18]當前的網絡暴力事件中同樣存在同類事件多米諾效應，由此可推斷，當短時間內同類事件多次發生時，會造成事件熱度攀升、事件傳播力增加。

(5)首發媒體(media)與首發內容的傾向性(content)

根據資源動員理論，社會運動的發生率提升，主要是由于社會上可供其他社會運動活躍者利用的資源增加了。[19]媒體在社會動員中作為外部資源有相當大的影響力，媒體充滿戲劇化、情緒渲染的報道以及不同的情感動員策略能夠使事件“問題化”，提升事件的話題度。因此本研究將首發媒體與首發內容的傾向性作為條件變量。首發媒體分為傳統媒體、網絡媒體、社交媒體；首發內容傾向性分為中立客觀(呈現事件經過，總體來說中立客觀的報道)與帶有明顯傾向性(僅站在某一方角度進行事件闡述，其中帶有較多情感偏向表述)。

(6)算法助推(algorithm)

互聯網具有一種低成本、高速度的賦權能力，增強了新式集體行動的能力，也成為集體運動獲取資訊和宣傳動員的支配性手段和渠道。[20]“兩微一端”等社交媒體平臺正在迅捷方便地介入公共事務中，成為社會輿論的發動機和揚聲器。[21]而微博中的算法機制能夠對事件熱度進行實時排名，決定著事件的“可見性”，故本研究將微博熱搜歷史最高排名作為條件變量之一。

(7)公眾人物參與(opinion leaders)

拉扎斯菲爾德等人提出的“二級傳播”理論認為，大眾傳播并不是直接觸達受眾的，而是會通過意見領袖這一重要環節。[22]公眾人物/意見領袖的參與有助于事件進一步擴散，知名人物的參與往往被認為對輿論有導向作用。明星與微博意見領袖通常由于自身流量與關注度，能夠使得事件進一步擴大傳播力。

(8)是否存在謠言(rumor)

特納曾提出突生規范理論，即符號性事件以及傳播過程中產生的謠言對于群體共同心理與共同規范的形成有著關鍵作用，推動著集體行動的發生。[23]事實上，網絡中事件傳播過程通常呈現出情緒化的特征，網絡謠言則直接或間接成為一系列網絡群體性事件的導火索[24]，進一步激化矛盾，擴大事件傳播力，故本研究將是否存在謠言視為條件變量之一。

2.結果變量設定

本研究將網絡暴力事件的傳播力作為結果變量。該變量用“知微事見庫”中的傳播力指數來測定。事件傳播力指數是基于包括“兩微”在內的全網自媒體和網絡媒體傳播效果數據，通過歸一化運算得出，范圍在0～100之間，代表某一事件在互聯網上傳播效果的權威指標。本文參考網絡暴力事件庫事件傳播力指數平均數與“知微事見庫”中事件傳播力年榜上榜標準，確定事件傳播力指數75以上者為高傳播力網絡暴力事件。

(三) 變量賦值表

考慮到變量組合的復雜性，本文參考李良榮針對網絡群體性事件爆發機制研究的雙重QCA建模[25]，將條件變量分為“事件屬性”與“傳播屬性”兩部分，并根據研究目的以及案例的描述性統計結果，對變量進行二分賦值，變量賦值表如表1所示。

表1 變量編碼賦值表

四、清晰集定性比較分析及結果

本文針對網絡暴力事件傳播力影響因素的研究分為事件屬性與傳播屬性雙重分析，根據定性比較分析方法步驟對49例網絡暴力事件案例編碼賦值，然后使用fsQCA軟件將原始數據的不同條件組合合成真值表，并分別進行單變量必要性分析以及多變量條件組合分析。

(一)事件屬性

在事件屬性分析中，選取“事件指向”“公眾訴求”“被指向人的態度”“事件疊加”作為條件變量；“事件傳播力”作為結果變量，構建事件屬性的真值表并得出相關數據結果。

1.事件屬性單變量必要性分析

根據QCA方法理論，在單因素必要性分析中，若一致性指標大于0.8，視該條件變量為結果變量的充分條件，此變量的產生可以導致所研究的結果；若一致性指標大于0.9時，則可證明該條件變量是構成研究結果變量的必要條件，其中的覆蓋率指標(coverage)則是代表該條件變量組合能夠解釋發生結果中多少比例的案例。

在事件屬性的單變量必要性分析中，筆者將“事件指向”“公眾訴求”“被指向人回應態度”“事件疊加”正反共8個條件變量導入fsQCA3.0軟件進行分析，分析結果如表2所示。根據表2運算結果，事件屬性所包含的4個條件變量的一致性指標均未達到0.9以上，說明這4個條件變量均未構成高傳播力網絡暴力事件的必要條件。

表2 事件屬性單變量必要性分析

在事件屬性的所有變量中，“事件指向”“事件疊加”兩個變量的一致性指標較高，分別達到0.79與0.76，較為接近0.8；覆蓋率分別達到0.64與0.72，能夠對64%與72%的事件有解釋力。由此可見，“事件指向”與“事件疊加”兩個條件變量雖無法作為高傳播力網絡暴力事件的充分條件，但當網絡暴力事件指向個人或是特定群體時，更易產生較大傳播力；事件疊加效應(即在該網絡暴力事件發生前一年內有過同類社會焦點事件時)也會對事件的高傳播力有推動作用。

綜上可知，網絡暴力事件的高傳播力并不受單個事件屬性變量影響，而是多重事件屬性、多個變量共同作用促成的，因此有必要進一步開展條件組合分析來探究網絡暴力事件傳播力的影響機制。

2.事件屬性條件組合分析

導入事件屬性真值表后，采用fsQCA3.0進行標準分析，所得事件屬性優化解組合路徑如表3所示。

表3 事件屬性優化解組合路徑表

由表3可知，事件屬性變量整體覆蓋度為0.65，能夠解釋65%的案例，5條路徑結果經過布爾最小化運算原則處理后，可以總結出以下三種路徑類型。

類型1：情緒訴求*被指向人回應態度沉默/消極*事件疊加

該路徑類型原始覆蓋度為35%，是事件屬性中最典型的條件構型。 “河南一女子醉駕瑪莎拉蒂致兩死”為該路徑典型案例。在此類網絡暴力事件中，網絡暴力行為體現的是公眾力求維護道德與社會公平正義的情緒訴求，此種情緒訴求在疊加效應下進一步強化，當事人的沉默與消極應對態度會進一步激發公眾的憤怒情緒，擴大網絡暴力事件的傳播力。

類型2：利益訴求*事件疊加(指向政府官員/企業機構+被指向人回應態度積極)

該類型路徑由路徑2與路徑4整合所得，原始覆蓋率為23.5%。該路徑顯示，當反應公眾利益訴求的事件存在疊加效應時，容易導致高傳播力網絡暴力事件。“長生生物疫苗造假事件”為該路徑代表性案例。

類型3：事件指向個人/群體*利益訴求*無事件疊加效應

大多數反映利益訴求的網絡暴力事件通常是指向政府/企業機構，亦有部分指向個人或群體。這類事件在反映公眾的利益訴求且并無事件疊加效應的情況下，仍存在導致高傳播力網絡暴力的路徑。“肖戰粉絲舉報AO3等網站引熱議事件”為代表性案例。

(二)傳播屬性

本研究在分析傳播屬性時，選取“首發媒體”“首發內容傾向性”“算法助推”“公眾人物參與”“是否存在謠言”作為條件變量，結果變量仍為“事件傳播力”。

1.傳播屬性單變量必要性分析

將傳播屬性5個條件變量共計10個正反變量輸入fsQCA3.0軟件進行單變量必要性分析(necessary conditions)，得到表4。

表4 傳播屬性單變量必要性分析

據表4可知，單一變量一致性指標中并沒有超過0.9的指標，說明網絡暴力事件高傳播力是多因素共同作用的結果，5個與傳播屬性相關的條件變量均不足以成為其發生的必要條件。除此之外，“首發內容傾向性”與“算法助推”兩個條件變量一致性指標大于0.8，說明這兩個條件變量足以構成導致結果變量的充分條件。

其中，“首發內容的傾向性”變量一致性指標為0.85，覆蓋率為0.697，說明有近70%的案例受此因素影響，解釋力較強。且媒體首發內容越是具有明顯傾向性，越容易導致網絡暴力事件的高傳播力。“算法助推”的一致性指標為0.85，覆蓋率為0.71，說明可以解釋71%的案例，是導致高傳播力網絡暴力事件的充分條件之一。

除此以外，“公眾人物參與”的一致性指標為0.71，覆蓋率75%，其雖不足以成為網絡暴力事件高傳播力的充分條件，但可以認為公眾人物或意見領袖在網絡暴力事件中的發聲對網絡暴力事件傳播力有較大影響。“首發媒體”與“是否存在謠言”兩個變量一致性不高，說明這兩個變量對于結果變量有一定影響，但都不足以成為結果發生的充分條件，還需要進一步通過變量條件組合分析進行解釋。

2.傳播屬性條件組合分析

將傳播屬性的5個條件變量輸入fsQCA3.0軟件進行條件組合分析，條件組合分析結果如表5所示。

表5 傳播屬性優化解組合路徑表

傳播屬性變量整體覆蓋度較高為0.71，能解釋71%以上的案例，數據解釋力較強，高于事件屬性，說明決定網絡暴力事件高傳播力的更多是事件的傳播過程而不是事件本身的屬性。傳播屬性具有以下三種影響機制類型。

類型1：首發內容具有明顯傾向性*算法助推*公眾人物參與*存在謠言

該路徑對40%的案例具有解釋力，在實際統計中共有14個案例屬于該類型。在微博熱搜的算法機制推動下，事件進入公共輿論場，各路媒體具有明顯傾向性的首發內容通常先入為主，輿論一邊倒的情況愈演愈烈，公眾人物的參與加劇事件的二次傳播，在此過程中謠言也會在事件平息之前進一步掀起輿論聲浪，放大了網絡暴力事件的傳播力。“北京紅黃藍幼兒園虐童事件” “北京民航總醫院患者家屬殺醫事件”等均屬此類案例。

類型2：算法助推*存在謠言*網絡媒體/傳統媒體(公眾人物參與+首發內容具有明顯傾向性)

該類型路徑由路徑2與路徑3合并、簡化后得到，表達式原始覆蓋率為28.5%，可解釋28.5%的高傳播力網絡暴力事件。雖然網絡暴力事件的信源多來自社交媒體中的自媒體或是網民自發爆料，但首發媒體是傳統媒體或是網絡媒體的事件在結合算法助推、公眾人物參與以及謠言等因素后，也同樣能夠構成高傳播力網絡暴力事件的典型路徑。

“江歌案” “樂清滴滴順風車事件”等屬此類事件。隨著當下互聯網用戶的身份轉變，媒體與個人的邊界感在逐漸減弱，但相較自媒體與個人所發布的信息，傳統媒體與網絡媒體專業性與可信度更高，在事件傳播過程中，能夠提供更多事實信息，進一步引發網友對事實真相、道德責任的討論，同時在算法機制、公眾人物參與、謠言等因素的加持下，網絡暴力事件的持續關注熱度傳播力也變得更加顯著。

類型3：社交媒體*內容具有明顯傾向性*無算法助推*無公眾人物參與*無謠言

該類型路徑的原始覆蓋率為11.42%。此路徑表明，在無算法助推、無公眾人物參與以及無謠言發生的情況下，社交媒體網友自發爆料或是自媒體首發、首發內容存在明顯傾向性同樣能夠構成高傳播力網絡暴力事件。

“官員請吃穿山甲事件”“翟欣欣逼死程序員事件”等屬此類型。該類事件共同點為當事人或是事件目擊者在社交媒體上直接發布圖片、視頻等事件相關信息，同時發布內容具有強烈的情緒傾向和明確的訴求，通常是對事件當事人行為的揭露與指責，具有很強的情緒感染性，能夠引起大量的關注度，從而導致大規模網絡輿論暴力以及人肉搜索行為。

五、結論與啟示

我們基于對49例典型網絡暴力事件的定性比較分析，可得出以下三點結論。

第一，兩種屬性單變量必要性分析結果顯示，無變量足以達到必要條件標準。這說明高傳播力網絡暴力事件的形成并非單一屬性所決定。從兩種屬性的數據對比來看，事件的“傳播屬性”較 “事件屬性”對網絡暴力事件的高傳播力具有更關鍵的作用、更強的解釋力。在焦點事件發生后，由于信息過載與信息的碎片化，事件真相通常以階段化形式呈現，因此在事件傳播過程中會出現事實扭曲、事件矛盾被惡意夸大的現象，再加上算法技術的助推、各方媒體的參與、公眾人物及意見領袖的二次擴散，最終導致傳播范圍廣泛、傳播力巨大的網絡暴力事件。因此，雖然通常來說事件自身屬性(如涉及相關敏感話題、事件指向的群體特殊等等)能夠聚焦人們的目光，但是最終決定事件傳播力大小的最重要因素仍然是事件的傳播過程，媒介的基礎設施作用由此可見一斑。

第二，在事件屬性中，導致高傳播力網絡暴力事件的最顯著條件組合是：情緒訴求*被指向人回應態度沉默/消極*事件疊加。情感視角一直以來都是西方社會運動與集體行動研究的重要視角，社會怨恨、相對剝奪感的產生等心理因素是導致集體行動行為的重要條件變量。當相同類型矛盾反復發生且積怨與不安情緒得不到解決時，群體便有可能采取集體行動以消解這種“被剝奪感”，從而導致網絡暴力事件的發生。此外，事件疊加效應亦會助推網絡暴力事件的爆發力與傳播力：短時間內關聯性事件的系列化發生不僅會帶來輿情疊加效應，同時也會帶來群體的情緒疊加效應,再加上謠言在群體運動中的催化作用，最終導致高傳播力網絡暴力事件。

第三，在傳播屬性中，“算法助推”及“首發內容傾向性”構成高傳播力網絡暴力事件的充分條件。條件組合分析中最顯著的條件組合案例為：算法助推*首發內容具有明顯傾向性*有公眾人物參與*存在謠言。首先，互聯網算法機制的助推之所以能夠成為構成高傳播力網絡暴力事件的充分條件之一，是因為在作為“公共領域”的微博平臺中，算法技術能夠對上升的搜索熱點事件進行實時監測并以數據排名的方式呈現在公眾面前，熱搜排名帶來大量關注度與話題度，進而提升了網絡輿論的爆發頻率和強度，這也是大多數網絡暴力事件的發酵和微博熱搜排名息息相關的重要原因。

其次，在事件傳播過程中，首發內容具有先入為主的特性，對輿論風向的重要作用不言而喻。網絡暴力事件的發酵地多為社交媒體平臺，首發媒體大部分是社交媒體上的自媒體，也有網友自發爆料，因此內容的真實性與客觀性并無可靠保障，發出的事件相關內容通常會存在著強烈的情緒偏向和主觀判斷，導致矛盾放大。而部分公眾人物作為傳播過程中的意見領袖，其在互聯網中強大的粉絲基礎與名人效應通常使事件得到二次傳播，事件的傳播力進一步擴大，最終釀成聲勢浩大的網絡群體暴力行為。

除此以外，在傳播屬性的分析結果給出的5條條件組合路徑中，有4條路徑組合均提及“是否存在謠言”這一重要變量，謠言作為一種社會輿論現象，是互聯網中最有效的情緒動員器，因此，總體來說，“算法助推”“首發內容傾向性”“是否存在謠言”三個條件變量對網絡暴力事件的高傳播力均具有重要催化作用，它們與“公眾人物參與”變量共同構成高傳播力網絡暴力事件的最顯著路徑。

綜上所述，兩種屬性中的眾多條件變量均不足以單獨導致高傳播力網絡暴力事件的發生，此類事件的發生具有復雜性，仍需厘清多元復雜因素中的核心癥結進行有針對性的治理，本研究認為應從如下三方面著手。

第一,監管部門針對特殊事件群建立輿情預警與重點監測機制。在事件屬性覆蓋率較高的前兩個原因組合中，“事件疊加”效應作為關鍵變量反復出現，無論是在情緒還是利益訴求事件中，短時間內系列化焦點事件的出現都會帶來輿情疊加效應，擴大事件傳播力。例如，“樂清滴滴順風車事件”前有“空姐乘坐滴滴遇害案”；“網曝成都七中實驗學校食堂食物發霉”前有“上海中芯國際學校被曝食材變質”；“網友曝光五星酒店衛生亂象”前有“全季酒店被曝毛巾擦馬桶”……此類頻繁發生的社會公共事件需列入重點監測領域，監管部門應及時關注相關事件發展動態與輿論導向，當網絡輿論有極端化傾向時應采取相應的應對措施，及時給予疏導與干預，防止部分非理性或極端化言論演變為大規模網絡暴力行為。除此以外，因信息不對稱，網絡暴力事件常與謠言相伴。而謠言具有強大的情感動員功能，能夠加速群眾共同憤怒的形成。因此，調查事實真相、及時辟謠也是阻止輿論中極端憤怒情緒蔓延的有效途徑，如在謠言傳播初期就及時核查并公布事實真相，澄清虛假信息等。

第二，社交媒體平臺積極承擔社會責任，完善算法價值導向。“算法助推”作為充分條件之一，對高傳播力網絡暴力事件的產生起著重要作用。算法規則遵從的是“數據至上”的工具理性。[26]算法技術對社交媒體信息的把關，表面上雖具有透明性、公平性，但卻因疏漏了重要的價值判斷與價值導向功能，從而失去了對信息真實性和價值屬性的把控。為此，平臺應進一步完善算法規則，建立人工與技術的協同把關機制，及時過濾熱搜中并未得到核實的虛假信息、具有煽動性的信息，降低其“可見性”，避免群體極化與網絡暴力的發生。

第三，媒體堅守專業主義規范。在網絡暴力事件傳播過程中，具有鮮明傾向性的首發媒體報道能夠先入為主，在一定程度上左右輿情走向以及事件傳播力。這就要求媒體要堅守專業主義規范，嚴格貫徹事實核查制度，對自身發布的信息負責，用客觀真實的報道與理性判斷避免高傳播力網絡暴力事件的出現。另外，新聞專業主義也應內化為每個參與新聞傳播過程的個人都需遵守的交往信條與基本精神。[27]無論是有強大粉絲基礎的公眾人物、微博大V，還是作為普通用戶的個體，都應該重視自身的媒介素養，正確行使輿論監督的權利，拒絕以暴制暴。

總體看來，網絡暴力事件的高傳播力是“事件屬性”與“傳播屬性”條件變量經由各種組合方式，共同作用的結果。網絡暴力現象還需監管部門、平臺、媒體、公眾等相關方相互配合，形成多中心協同治理模式，做好事件爆發前的預判、事件爆發中的緊急應對以及事件發生后的破壞性規避，更加精準地實現由內向外的治理。