后真相時代基于敵意媒體效應的觀點演化建模與仿真

張軒宇　陳曦　肖人彬

摘要： 后真相時代群體立場的對立加劇和媒體公信力的下降導致敵意媒體效應凸顯。為揭示敵意媒體效應對輿論形成的影響，探究輿論群體和大眾媒體之間的互動機制，提出一種考慮媒體敵意和意見領袖的觀點演化模型，并進行仿真實驗。仿真結果與分析表明，媒體的真實觀點、群體與媒體的交流概率、極端意見領袖的比例等因素都會調節群體的極化程度。結果從定量角度揭示了敵意媒體效應的存在會對輿論形成，尤其是群體極化的加劇造成重要影響。

關鍵詞： 后真相；觀點演化；敵意媒體效應；意見領袖；大眾媒體

中圖分類號： TP391.9文獻標識碼： A

Modeling and Simulation of Opinion Evolution Based on Hostile Media Effect in the Post-truth Era

ZHANG Xuanyu，CHEN Xi，XIAO Renbin

Abstract：In the post-truth era， the intensified antagonism between different groups and the decline of media credibility could lead to the prominent effect of hostile media effect. To reveal the influence of hostile media effect on the public opinion formation， we explore the interaction mechanism between opinion groups and mass media and propose an opinion dynamics model that considers media hostility and opinion leaders. We finally conduct simulation experiments on the model. The simulation results and analysis show that the real opinion of media， the probability of communication between groups and media， and the proportion of extreme opinion leaders can mediate the degree of group polarization. The results reveal quantitatively that the existence of hostile media effect has an important influence on the formation of public opinion， especially on the intensification of group polarization.

Key words： post-truth; opinion evolution; the hostile media effect; opinion leader; mass media

0 引言

隨著新媒體技術的發展，在線網絡社交平臺已然成為輿論傳播的新主場。人們不僅可以自由參與話題討論，還可以成為話題討論的發起人。然而，互聯網在賦予網絡民眾更大的話語自主權的同時，也讓輿論傳播變得更加復雜莫測。目前中國網絡輿論已具有后真相的某些特征，一方面，針對諸多議題的輿論在信息繭房、意見領袖的作用下變得越來越極化，不同群體的觀點越來越對立［1-2］。另一方面，新聞反轉事件頻發，侵蝕著大眾媒體的公信力［3］。群體立場的對立加劇與大眾媒體公信力的下降大大增加了公眾對媒體報道的偏見，進一步削弱了媒體在公眾中的影響力水平。敵意媒體效應在后真相時代凸顯，增大了輿論傳播的復雜性與不確定性。

敵意媒體效應是指“對某一問題有預先存在的強烈態度的個人傾向于認為，對某話題表面上中立公正的媒體報道其實是對自己一方有偏見的，而有利于對立方的觀點”［4］。自1985年學者Vallone進行了針對該效應的開創性研究［5］，后續研究便在西方政治領域展開。這些研究檢驗了效應在媒體受眾中的存在性［6］，探究了調節因素［7］以及導致的結果［8］等。國內學者針對敵意媒體效應的研究起步較晚，重點討論了其在中國輿情環境下的本土化適用情況［9-11］。然而，這些研究都以定性為主，缺乏針對該效應的定量化描述。另外，盡管已有學者對敵意媒體效應如何影響輿論，特別是如何導致個體的態度極化進行了推測和實證調查［4，12］，但是相關研究缺乏對輿論群體和大眾媒體之間互動機制的量化考察。

在過去幾十年里，從統計物理和計算機仿真視角出發，用定量方法探究人類社會的種種復雜現象成為了一種研究范式［13］。作為其中一個熱點研究領域，觀點演化研究關注的是微觀層面的個體觀點交互如何涌現出宏觀層面的公共輿論。經典的觀點演化模型根據個體觀點取值方式的不同分為離散模型和連續模型。離散模型如Voter模型［14］、Snajd模型［15］等假設個體觀點只有若干離散取值而適用于描述決策、投票、行動等情況。連續觀點演化模型如HK模型［16］、Deffuant模型［17］等則假設個體觀點是某個實數范圍內的連續值，這類模型由于能夠描述觀點的連續變化而受到了更廣泛的應用，如建模回聲室效應［18］、輿論反轉［19］等。觀點演化中的一個研究重點是媒體效果，目前已有大量研究考察了媒體對輿論形成的影響［20-21］；另一個研究重點則是個體偏見，眾多學者都對個體與個體之間的觀點交互偏見進行了建模，如偏頗吸收［22］、確認偏見［23］等。盡管針對媒體效果和個體偏見的研究有很多，但是涉及個體對媒體的偏見卻幾乎無人建模研究。

鑒于目前關于敵意媒體效應及其影響的定量研究存在欠缺，以及觀點演化研究中缺乏對媒體偏見的描述，本文以觀點演化模型為定量研究工具，從受眾感知的媒體偏見出發，研究后真相時代背景下，受敵意媒體效應影響的輿論形成過程。特別是針對網絡輿論的熱點議題如生育、教育減負等，在觀點改變過程中引入“群體認同”以及“話題卷入”作為調節效應強度的個體變量。另外，考慮到每個社會個體都嵌于特定的社交網絡之中以及意見領袖會對社會群體分化與凝聚產生的引導作用，本文還在觀點演化模型中加入了社交網絡以及意見領袖，從而能夠更全面地了解大眾媒體在網絡輿論形成中的作用與效果。

1 關于媒體敵意感知的分析

1.1 敵意媒體效應

敵意媒體效應在1985年由Vallone等學者［5］在觀察到黎以戰爭中不同派別對媒體報道的感知差異后總結提出。他們觀察到不管是親以色列者還是親巴勒斯坦者都認為媒體對待自己的派別存在偏見［5］。值得注意的是，許多現實中的新聞報道從絕對意義上來看確實存在偏向性，但雙方感知到的偏向強度存在差異。基于這一考慮，Gunther等［24］學者對敵意媒體效應的概念進行了擴展，即“相對敵意媒體效應”。

圖1描述了敵意媒體效應的整個過程。當對某個話題具有預先強烈態度的個體接觸到相關新聞報道時，（相對）敵意媒體效應就有可能出現。對于這種偏見出現的原因，學者們提出了4種可能的心理學機制：1）選擇性回憶，即具有預先強烈態度的個體能夠回憶出更多的與自己立場相反的信息；2）選擇性分類，即個體從自己的角度出發，將更多的信息歸類為對自己立場不利的；3）不同的標準，個體從自己的立場出發對媒體報道采用不同的評價標準；4）對媒體偏見的預先信念，即個體利用對媒體的消極信念和態度來評價涉及特定問題的報道［4，25-26］。

值得注意的是，在相關研究中，不同場景下不同個體報告出來的媒體偏見強度并不相同。因此，調節敵意媒體效應強度的因素也受到了學者們的深入研究［4］。證據表明，媒體觀點的影響范圍被視為個體感知媒體敵意的一個重要調節因素，當受眾認為信息會廣泛傳播并對他人產生影響時，敵意媒體效應就會出現［27］。卷入是調節該效應強度的又一因素，衡量個體對于輿論話題的參與程度，Hansen等［7］利用薈萃分析研究了卷入與敵意媒體效應的相關關系，發現隨著個體越來越多地參與到話題中效應量會顯著增加。除此之外，群體認同也是該效應的一個重要調節變量：群體認同感強烈的個體對媒體敵意的感知更為顯著［28］。

從媒體偏見如何影響輿論開始，許多學者還探究了敵意媒體效應導致的可能后果［4］。已有研究指出對媒體的敵意感知會推動個人采取糾正行動［8］，還會促使新聞報道中涉及爭議問題的沖突團體的成員采取一種極化的溝通風格，如夸張和無禮等［29］。除此之外，感知到的媒體偏見還可能降低政治效能，減少公眾對大眾媒體甚至民主的信任［30］。

1.2 意見領袖與媒體敵意

在二級傳播理論中，“意見領袖”被定義為大眾傳播與受眾之間的中間角色。進入新媒體時代后，他們改變傳統傳播話語權力圖景，兼具信息源、信息橋、信息傳播媒介等多種功能［31］。在現實生活中，意見領袖與普通大眾相比往往具有更高的社會影響力和人際交往能力。意見領袖對意見群體的影響十分顯著，可歸結為凝聚和分化兩個方面［32］：他們作為意見群體中的核心人物，能夠推動網絡意見圈群形成內部共識，然而由于這種圈群具有一定封閉性和排他性，意見領袖的存在間接導致了群體與群體之間的分化［33］。對于媒體敵意而言，有學者指出，意見領袖作為某行業的權威人士，往往具有高卷入群體的諸多特征［34］，因而能夠感知到更多的媒體敵意。還有學者指出，在后真相時代，一些意見領袖能夠利用信息中的敏感點煽動受眾情緒，使他們形成自己的強烈立場，從而導致了他們對持中立態度媒體的偏見，這部分解釋了大眾媒體公信力下降的原因［10］。

2 基于敵意媒體效應的觀點演化模型

本節建立基于敵意媒體效應的觀點演化模型。首先對個體交互所依賴的社交網絡以及相關度量指標進行了形式化描述，并對個體屬性如觀點、社會認同、卷入程度等變量加以定義。其次，根據觀點是否帶有偏向性，對敵意媒體觀點以及相對敵意媒體觀點進行了建模。再次，根據社會判斷理論建立了個體與個體之間的觀點交互規則和個體與敵意媒體之間的觀點交互規則。最后，對意見領袖的識別方式進行了說明并建模了意見領袖對普通群體的作用形式。

2.1 交互網絡與個體屬性

由于真實的觀點演化過程需要在社交網絡中進行，因此需要對個體交互網絡進行描述。設G=（V，E）表示一個無向網絡，其中節點集V表示社會交互個體的集合，連邊集E∈V×V表示個體之間社會關系的集合。N=|V|表示網絡規模，也即參與觀點演化的總個體數。〈k〉=2|E|V表示網絡的平均節點度，衡量每個個體平均與多少其他個體具有聯系。

在本文中，每個社會交互個體i都有連續型觀點變量xi∈［-1，1］，觀點變量的范圍邊界表示對話題的兩種截然不同的態度，如+1表示完全支持，-1表示完全反對，0表示完全中立。本文假設觀點變量為正數則個體被劃分為支持派，觀點變量為負數則個體被劃分為反對派。定義每個個體的社會認同感θi∈［0，1］，衡量自己在多大程度上屬于支持派或反對派，定義為

（1）

其中，xneut為中立的觀點變量，在本文中為0，xextr為極端的觀點變量，在本文中為±1。研究表明，對于以對社會問題的態度劃分的群體，態度強度可以用來衡量社會認同強度［35］，公式（1）本質上定義了個體觀點的強度，因此在本文語境中用來描述社會認同強度是合理的。另外考慮到個體在話題中的卷入程度會影響其對大眾媒體敵意的感知，本文還假設每個個體i具有一個［0，1］上連續取值的卷入變量δi，衡量話題在多大程度上與自己相關。

2.2 媒體敵意感知建模

首先需要對媒體觀點進行描述。設媒體觀點值為xm，媒體能夠影響的個體范圍為所有個體。考慮到敵意媒體效應描述的是個體對客觀均衡的媒體觀點的偏見，并且受到話題卷入和社會認同的調節，構建與媒體真實觀點存在差異的敵意媒體觀點x*m為

（2）

其中，xm在敵意媒體效應情形下表示客觀均衡的媒體觀點，在本文中設置為0。δi表示個體i的話題卷入度。θi表示社會認同程度，可由式（1）計算而來。sign函數為符號函數，signxi標識了個體觀點的傾向性。在相對敵意媒體效應情形下，媒體觀點不再是客觀均衡的，而具有明顯偏向性，并且觀點對立雙方都承認媒體觀點具有對某一方的偏向，這導致了與敵意媒體效應中雙方認為媒體觀點具有不同方向偏向性完全不同的景象。因而構建相對敵意媒體觀點x*m為

2.4 意見領袖建模

新媒體時代的意見領袖通常是一些具有大量粉絲追隨者的自媒體，微博大V等，但與大眾媒體相比他們的影響力以及影響范圍仍相對較小。本文依據復雜網絡節點重要性度量指標中的度中心性識別意見領袖［36］，在群體中設置度中心性最高的若干個體為意見領袖，其比例定義為q，同時區分不同派別如支持派、反對派意見領袖，在群體中的比例分別為q+和q-，其他個體為普通個體。極端意見領袖的觀點通常不易發生動搖且較為極端，因此設置支持派意見領袖觀點為+1，反對派意見領袖觀點為-1，并且均不會發生改變。意見領袖在群體中通常發揮著引導與分化的作用［32］，因而假設普通個體會無條件受到相同派別意見領袖觀點的吸引，以及對立派別意見領袖觀點的排斥。

3 仿真實驗與分析

現實世界的社交網絡通常符合無標度、小世界等復雜網絡特性［36］，本文選取無標度網絡作為個體之間交流的底層網絡。網絡總規模N設置為1 000，網絡的連邊總數設置為29 535，因而平均節點度〈k〉=59.07。本文假設個體的初始觀點服從［-1，1］上的均勻分布。對于信任閾值和排斥閾值的選取問題，盡管社會心理學有研究中對個體的信任區間和排斥區間進行了量化，但這些研究并不具有拓展性和一般性。考慮到觀點吸引通常發生在個體間態度差異較小的時候，觀點排斥發生在個體態度差異較大的時候，因此充分考慮個體的異質性后，設置本文的信任閾值在［0.4，-0.8］上均勻分布，排斥閾值在［1，-1.4］上均勻分布。由于卷入程度在概念定義上具有一定的復雜性，并且在量化方面存在困難［4］，現實缺乏對卷入變量的統計數據。本文設置該變量為［0，1］上的均勻分布。眾多基于信任閾值和排斥閾值的觀點演化研究表明，同質化的收斂系數主要決定了觀點演化速率，而對觀點演化的趨勢影響不大。為消除收斂系數對實驗的影響，本文僅僅根據文獻［37］中的設置方式，將收斂系數μ設置為0.1。

3.1 仿真流程

設置實驗仿真的總時長為T=1 000 000個離散時刻。仿真流程如圖2所示，在初始時刻，初始化網絡參數如節點數、連邊數等、個體參數如初始觀點、信任閾值等，根據2.4節的規則隨機設置意見領袖。在以后的每一個離散時刻，隨機選擇網絡中的一個非意見領袖個體，記為i，根據與媒體交流頻率p判斷是否與媒體進行交流。若個體i選擇與媒體交流，首先需要根據媒體觀點值計算個體感知到的敵意媒體觀點，若媒體觀點是客觀均衡的（xm=0），則個體感知到的敵意媒體觀點按照式（2）進行計算；若媒體觀點是有偏向性的，則個體感知到的敵意媒體觀點按照式（3）進行計算，而后個體i根據式（5）改變觀點。若個體i選擇不與媒體交流，則與其有連接的其他任一個體j進行觀點交互，若j為普通個體則按照式（4）更新觀點，若j為意見領袖則根據2.4節中的規則更新觀點。為了消除仿真實驗的偶然性，所有仿真結果均取50次運行結果的平均值。

3.2 仿真實驗結果與分析

本節基于第2節建立的觀點演化模型對后真相時代敵意媒體效應的影響進行了探究。為了衡量媒體的引導效果，本文引入群體觀點與媒體觀點的平均觀點差異指標（后文都以平均觀點差異指標代替），定義為

（6）

其中，xi為個體i的最終觀點，xm為媒體真實觀點，N為總個體數。另外，本文還定義個體最終觀點值xi>0.95的個體為觀點極端個體，通過觀察極端個體的數量探究敵意媒體效應對群體觀點極化的影響。

3.2.1 敵意媒體效應的影響

本節討論在沒有意見領袖參與時，敵意媒體效應在不同的個體與媒體交流概率下對群體觀點演化的影響。設置意見領袖比例q=0，媒體觀點xm=0，個體與媒體交流的概率以0.1的間隔從0.1增加到0.9，敵意媒體觀點按照式（2）進行計算。實驗結果如圖3所示。

如圖3a，3b所示，存在媒體時，隨著與媒體交流頻率的增加，無論是否存在媒體敵意，都可以觀察到最終極端個體數和平均觀點差異的總體下降趨勢，并且總小于無媒體引導時的情況。而與不存在媒體敵意的情況相比，對媒體敵意的感知導致了更多極端個體，以及更大的平均觀點差異，并且這種媒體敵意感知的負面效應呈現出先增大后減小的趨勢。這是因為當個體存在對媒體的敵意時，個體觀點與感知到的媒體觀點的差異會大大增加，當差異超越了排斥閾值便會造成排斥效應，導致個體向更極端的觀點偏離，從而產生了更大程度的群體極化，這一結論也通過圖3c，3d得到進一步證實。圖3c，3d在兩種與媒體的交流概率下（圖3c中p=0.2，圖3d中p=0.7）對比了有無媒體敵意時的最終觀點分布。

3.2.2 相對敵意媒體效應的影響

本節探究沒有意見領袖參與時，相對敵意媒體效應對觀點演化的影響，設置意見領袖比例為q=0，媒體真實觀點：xm=0.5，相對敵意媒體觀點按照式（3）計算。個體與媒體交流的概率仍以0.1的間隔從0.1增加到0.9，實驗結果如圖4所示。

如圖4a、4b所示，在有媒體存在的情況下，隨著與媒體交流概率的增加，仍能觀察到群體的最終極端個體數和平均觀點差異的下降趨勢。在圖4a中，當p<0.5時，與不存在媒體敵意的情形相比，相對敵意媒體效應導致了更多的極端個體，但當p>0.5時，兩種情況下這一指標逐漸持平。圖4b展示了平均觀點差異隨p的變化而變化的情況，與不存在媒體敵意的情形相比，在p=0.45前后，相對敵意媒體效應分別增大、減小了群體與媒體觀點的差異。這樣的結果可以通過圖4d得到說明。由圖4d可知，在相對敵意媒體不存在時，負向觀點會受到排斥作用而到達負向極端觀點-1附近，正向觀點也會受到負向觀點的排斥效應和媒體觀點的吸收效應從而最終分布在［0.5，-1］之間；當相對敵意媒體效應存在時，持正向觀點的群體由于感知到相對媒體敵意，因此媒體的吸引作用會導致他們的觀點整體左移而分布于媒體觀點附近。作為對比，圖4c展示了與媒體的交流概率p=0.7，是否存在相對敵意媒體效應這兩種情形下的最終觀點分布。

3.2.3 意見領袖存在時敵意媒體效應的影響

后真相時代意見領袖通過煽動受眾情緒，使之形成自己的強烈立場，導致了他們對大眾媒體更大的偏見。本節探究后真相時代的意見領袖和敵意媒體效應對輿論形成的影響，設置客觀均衡的媒體觀點xm=0，個體感知的敵意媒體觀點按照式（2）進行計算，與媒體交流概率p=0.5，實驗結果如圖5，6所示。

本節首先討論無意見領袖無媒體敵意，有意見領袖無媒體敵意，無意見領袖有媒體敵意，有意見領袖有媒體敵意4種情況下極端個體數和平均觀點差異隨媒體干預時機的變化而變化的結果。設置意見領袖比例q=0.1，其中支持、反對派意見領袖比例q+=0.05，q-=0.05。媒體干預時機是指媒體發表自己觀點的時間，也即媒體進行引導的時機，這里用仿真的離散時刻進行表示，只有大眾媒體發表觀點后，群體才會受到媒體觀點的影響。仿真結果如圖5所示。對比4種情況后可以發現，媒體干預時機的延后導致了最終極端個體數和平均觀點差異的總體上升趨勢，這說明若媒體干預輿論的時機太晚，一旦輿論產生嚴重的極化，媒體引導的效果將會很差。極端意見領袖以及敵意媒體效應的存在則會限制媒體報道的引導效果，導致更多的極端個體和更大的平均觀點差異。此外，當媒體干預時機較晚（>10*5 000步）時，極端意見領袖的存在反而略微減弱了最終群體觀點的極化程度。

圖6對比了存在個體對媒體的敵意感知時，不同意見領袖比例（支持、反對派意見領袖比例均相等）和與媒體交流概率對最終極端個體數以及平均觀點差異的影響。選取媒體干預時機為第5 000個離散時刻。由圖6可知，當群體與媒體交流的概率較小時（p=0.1，0.2），最終極端個體數和平均觀點差異并不會隨著意見領袖比例的增加產生太大變化，而總是維持在一個相對較高的水平。群體與媒體交流概率逐漸增大后（p>0.2），意見領袖比例的影響逐漸顯著：隨著比例的增加，兩個指標均出現了顯著的上升趨勢。圖6的總體效果可以概括為意見領袖的增加會削弱大眾媒體的引導效果。

3.2.4 意見領袖存在時相對敵意媒體效應的影響

本節進一步考察意見領袖和相對敵意媒體效應對輿論形成的影響，設置帶有偏向性的媒體觀點xm=0.5，個體感知的相對敵意媒體觀點按照公式（3）進行計算，與媒體交流概率p=0.5，意見領袖的比例仍設置為q=0.1，支持、反對派意見領袖比例仍設置為q+=0.05，q-=0.05。實驗結果如圖7，8所示。

如圖7所示，隨著媒體干預時機的延后，盡管4種情況（無意見領袖無媒體敵意，有意見領袖無媒體敵意，無意見領袖有媒體敵意，有意見領袖有媒體敵意）下，最終極端個體數量和平均觀點差異都增加了，但與圖5中展示的均衡媒體觀點的4種情況相比，變化幅度并不十分顯著。另外，當意見領袖和相對敵意媒體效應同時作用于觀點演化過程時，兩者對輿論極化的負面影響十分顯著，均導致了更多的最終極端個體和更大的平均觀點差異。圖8考察了在不同的與媒體交流概率下，相對敵意媒體效應存在時意見領袖比例的變化造成的媒體效果的變化情況。仿真結果顯示，盡管意見領袖比例的增加導致了最終極端個體數以及平均觀點差異的增加，但這種影響效果僅在p=0.5附近時較為顯著。總結而言，在相對敵意媒體效應的影響下，意見領袖的存在也會導致媒體引導效果的削弱。

4 結論

本文首先分析了敵意媒體效應的過程。其次，分別在媒體報道中立和帶有偏向性兩種情況下對敵意媒體觀點進行了建模，并建立了考慮媒體敵意和意見領袖的觀點演化模型。最后對所建立的觀點演化模型進行了仿真實驗，研究了后真相時代存在媒體偏見時，意見領袖和大眾媒體對輿論形成的影響作用。本文研究得到的結論可以概括為以下幾點：

1）敵意媒體效應對群體觀點極化的作用不僅受到媒體真實觀點偏向性的影響，還受到群體與媒體交流頻率的調節。具體表現為：當媒體報道表現得客觀均衡時，與不存在媒體敵意的情況相比，群體對媒體的敵意導致了更大程度的觀點極化，而隨著群體與媒體交流頻率的增加，這種負面影響的程度呈現出先增后減的趨勢；當媒體報道表現出具有一定偏向性時，與不存在媒體敵意的情況相比，群體與媒體交流的頻率決定了媒體效果的好壞。與媒體交流的頻率較小時（p<0.45），媒體敵意導致了更大程度的觀點極化，而與媒體交流的頻率較大時（p>0.45），群體觀點極化程度卻變小了。

2）后真相時代背景下，無論媒體報道是客觀均衡還是帶有偏向性，極端意見領袖通過不斷宣揚自己的極端觀點強化了公眾對媒體的偏見，導致了群體中更大程度的極化，但這種極化會受到媒體干預時機的調節。具體表現為：媒體干預時機的延后會導致最終更多的極端個體和更大的平均觀點差異；當媒體報道客觀均衡且媒體干預時機較晚（>10*5 000步）時，極端意見領袖的存在反而略微的減弱了最終群體觀點的極化程度；在具有偏向性的媒體報道的情況下群體極化程度對媒體干預時機的變化更加敏感。

3）當存在媒體敵意時，總體而言，隨著極端意見領袖數量的增加，無論是客觀均衡還是帶有一定偏向性的媒體報道都更難以說服群眾，群體觀點極化程度都呈現增強的趨勢。

以上研究和結論，定量地揭示了敵意媒體效應凸顯的后真相時代，意見領袖、大眾媒體對輿論形成的影響作用。盡管隨著新媒體技術的發展，大眾媒體，如電視、報紙等在我們的生活中作為信息源的占比在逐漸減小，但是目前來看它們仍是當今公眾獲取信息、開拓視野的重要渠道。后真相時代許多互聯網意見領袖為博取流量，常常會發表一些極端觀點迎合公眾想象，這導致了一部分極端群體的形成，對社會穩定造成威脅。而主流大眾媒體常常發揮著輿論引導的重要作用，以應對輿論中的非理性聲音，防止輿論向失控的方向發展。本研究有助于更深入地理解輿論形成中極端意見領袖和媒體偏見對媒體效果的負面影響作用，為相關領域學者提供關于媒體效果研究的新思路。

參考文獻：

［1］陳宇，張麗，王洛忠.網絡時代鄰避集群行為演化機理——基于信息繭房的分析［J］.中國行政管理，2021（10）：106-114.

CHEN Y， ZHANG L， WANG L Z. Mechanism for evolution of NIMBY behavior in the internet age： analysis based on information cocoon［J］. Chinese Public Administration， 2021（10）： 106-114.

［2］申金霞，萬旭婷.網絡圈層化背景下群體極化的特征及形成機制——基于“2·27事件”的微博評論分析［J］.現代傳播（中國傳媒大學學報），2021，43（8）：55-61.

SHEN J X， WAN X T. Characteristics and formation mechanism of group polarization in the context of network stratification： an analysis of weibo comments based on "2.27 event"［J］. Modern Communication， 2021， 43（8）： 55-61.

［3］錢亦蕉.后真相時代反轉現象剖析及主流媒體的應對［J］.青年記者，2020（13）：47-49.

QIAN Y J. Analysis of reversal phenomenon and response of mainstream media in post-truth era［J］. Youth Journalist， 2020（13）： 47-49.

［4］PERLOFF R M. A three-decade retrospective on the hostile media effect［J］. Mass Communication and Society， 2015， 18（6）： 701-729.

［5］VALLONE R P， ROSS L， LEPPER M R. The hostile media phenomenon： biased perception and perceptions of media bias in coverage of the Beirut massacre［J］. Journal of Personality andSocial Psychology， 1985， 49（3）： 577-585.

［6］ARPAN L M， RANEY A A. An experimental investigation of news source and the hostile media effect［J］. Journalism & Mass Communication Quarterly， 2003， 80（2）： 265-281.

［7］HANSEN G J， KIM H. Is the media biased against me？ a meta-analysis of the hostile media effect research［J］. Communication Research Reports， 2011， 28（2）： 169-179.

［8］BARNIDGE M， ROJAS H. Hostile media perceptions， presumed media influence， and political talk： expanding the corrective action hypothesis［J］. International Journal of Public Opinion Research， 2014， 26（2）： 135-156.

［9］劉杉，方明豪.敵意媒體效應的本土化解讀：適用與拓展［J］.文化學刊，2013（3）：139-144.

LIU S， FANG M H. Localization of hostile media effect： application and extension［J］. Culture Journal， 2013（3）： 139-144.

［10］ 余紅，李婳婳.敵意媒體效應的溯源、沿革和本土化［J］.新聞界，2018（7）：11-17.

YU H， LI H H. The origin， evolution and localization of hostile media effect［J］. Journalism and Mass Communication Monthly， 2018（7）： 11-17.

［11］ 郭穎.敵意媒介效果研究：問題與本土化適用［J］.理論月刊，2018（11）：156-161.

GUO Y. Research on the hostile media effect： issues and localization［J］. Theory Monthly， 2018（11）： 156-161.

［12］ CROKIDAKIS N. Effects of mass media on opinion spreading in the Sznajd sociophysics model［J］. Physica A： Statistical Mechanics and Its Applications， 2012， 391（4）： 1729-1734.

［13］ CASTELLANO C， FORTUNATO S， LORETO V. Statistical physics of social dynamics［J］. Reviews of Modern Physics， 2009， 81（2）： 591.

［14］ SUCHECKI K， EGULUZ V M， SAN MIGUEL M. Voter model dynamics in complex networks： role of dimensionality， disorder， and degree distribution［J］. Physical Review E， 2005， 72（3）： 036132.

［15］ SZNAJD-WERON K， SZNAJD J. Opinion evolution in closed community［J］. International Journal of Modern Physics C， 2000， 11（6）： 1157-1165.

［16］ HEGSELMANN R， KRAUSE U. Opinion dynamics and bounded confidence models， analysis， and simulation［J］. Journal of Artificial Societies and Social Simulation， 2002， 5（3）： 1-34.

［17］ WEISBUCH G， DEFFUANT G， AMBLARD F， et al. Meet， discuss， and segregate！［J］. Complexity， 2002， 7（3）： 55-63.

［18］ BAUMANN F， LORENZ-SPREEN P， SOKOLOV I M， et al. Modeling echo chambers and polarization dynamics in social networks［J］. Physical Review Letters， 2020， 124（4）： 048301.

［19］ XIAO R B， Yu T Y， Hou J D.Modeling and simulation of opinion natural reversal dynamics with opinion leader based on HK bounded confidence model［J］. Complexity， 2020， 2020： 7360302.

［20］ CHEN Z， LAN H. Dynamics of public opinion： diverse media and audiences choices［J］. Journal of Artificial Societies and Social Simulation， 2021， 24（2）： 8.

［21］ FAN K， PEDRYCZ W. Evolution of public opinions in closed societies influenced by broadcast media［J］. Physica A： Statistical Mechanics and Its Applications， 2017， 472： 53-66.

［22］ DANDEKAR P， GOEL A， LEE D T. Biased assimilation， homophily， and the dynamics of polarization［J］. Proceedings of the National Academy of Sciences， 2013， 110（15）： 5791-5796.

［23］ NISHI R， MASUDA N. Collective opinion formation model under Bayesian updating andconfirmation bias［J］. Physical Review E， 2013， 87（6）： 062123.

［24］ GUNTHER A C， MILLER N， LIEBHART J L. Assimilation and contrast in a test of the hostile media effect［J］. Communication Research， 2009， 36（6）： 747-764.

［25］ GINER-SOROLLA R， CHAIKEN S. The causes of hostile media judgments［J］. Journal of Experimental Social Psychology， 1994， 30（2）： 165-180.

［26］ SCHMITT K M， GUNTHER A C， LIEBHART J L.Why partisans see mass media as biased［J］. Communication Research， 2004， 31（6）： 623-641.

［27］ GUNTHER A C， SCHMITT K. Mapping boundaries of the hostile media effect［J］. Journal of Communication， 2004， 54（1）： 55-70.

［28］ REID S A. A self-categorization explanation for the hostile media effect［J］. Journal of Communication， 2012， 62（3）： 381-399.

［29］ POST S. Polarizing communication as media effects on antagonists. understanding communication in conflicts in digital media societies［J］. Communication Theory， 2019， 29（2）： 213-235.

［30］ TSFATI Y， COHEN J. Democratic consequences of hostile media perceptions： the case of Gaza settlers［J］. Harvard International Journal of Press/Politics， 2005， 10（4）： 28-51.

［31］ 李彪.微博意見領袖群體“肖像素描”——以40個微博事件中的意見領袖為例［J］.新聞記者，2012（9）：19-25.

LI B. Microblog opinion leader group “Portrait Sketch”： taking opinion leaders in 40 microblog events as examples［J］. Shanghai Journalism Review， 2012（9）： 19-25.

［32］ 王東，劉雪琳.轉基因論戰中的偏見同化與敵意感知：意見領袖對派別成員的影響［J］.國際新聞界，2021，43（2）：47-60.

WANG D， LIU X L. Biased assimilation and hostile media effect in the controversy of GM food： the influences of opinion leader［J］. Chinese Journal of Journalism & Communication， 2021， 43（2）： 47-60.

［33］ 蔡騏，曹慧丹.網絡傳播中意見領袖的行為機制［J］.現代傳播（中國傳媒大學學報），2014，36（12）：112-116.

CAI Q， CAO H D. Behavior mechanism of opinion leaders in network communication［J］. Modern Communication， 2014， 36（12）： 112-116.

［34］ 孫冉冉，曾妮，黃玉嫥.新媒體時代敵意媒體理論的修正與發展［J］.今傳媒，2020，28（9）：38-43.

SUN R R， ZENG N， HUANG Y Z. Revision and development of hostile media theory in new media era［J］. Today's Massmedia， 2020，28（9）： 38-43.

［35］ HARTMANN T， TANIS M. Examining the hostile media effect as an intergroup phenomenon： the role of ingroup identification and status［J］. Journal of Communication， 2013， 63（3）： 535-555.

［36］ 劉琪，肖人彬.觀點動力學視角下基于意見領袖的網絡輿情反轉研究［J］.復雜系統與復雜性科學，2019，16（1）：1-13.

LIU Q， XIAO R B. An opinion dynamics approach to public opinion reversion with the guidance of opinion leaders［J］. Complex Systems and Complexity Science， 2019，16（1）： 1-13.

［37］ JAGER W， AMBLARD F. Uniformity， bipolarization and pluriformity captured as generic stylized behavior with an agent-based simulation model of attitude change［J］. Computational & Mathematical Organization Theory， 2005， 10（4）： 295-303.

（責任編輯 李 進）

收稿日期： 2021-12-02；修回日期：2022-03-05

基金項目： 國家自然科學基金（71974063）

第一作者： 張軒宇（1996-），男，湖北襄陽人，碩士研究生，主要研究方向為輿論形成、觀點動力學。

通信作者： 肖人彬（1965-），男，湖北武漢人，博士，教授，主要研究方向為復雜系統、群智能。