基于Netlogo的高校輿情網絡信息傳播演化機制研究

錢欣

摘要：由于網絡輿論呈現噴涌式發展趨勢，且學生群體網絡意見表達的活躍性與自由性，高校輿情監管面臨一定的風險。文章基于高校輿情復雜網絡的特點，利用BA無標度網絡定義網絡結構，采用多Agent模型定義個體屬性，在HK輿情動力學模型基礎上，構建多Agent高校復雜網絡輿情演化動力學模型，并利用Netlogo軟件進行仿真模擬，分析高校學生群體在輔導員介入與未介入時的意見演化趨勢。同時，觀察在輔導員介入背景下，不同影響頻率、不同作用時間間隔、不同輔導員影響力以及不同輔導員人數比例下的輿論發展趨勢，旨在觀察輔導員在輿論演化中的引導作用，以期為高校網絡輿情管理與思想意識形態工作提供相關理論支持。文章通過模擬得出以下結論：輔導員介入與輔導員未介入時，其輿論趨勢存在明顯差異。同時，在輔導員介入的背景下，輔導員發揮作用間隔時間越短且頻率越高，與輔導員意見一致的人數上升越快；輔導員隊伍人數在學生人數1/100、1/200、1/300的情況下，學生意見變化趨勢不一致，其中輔導員人數在1/200、1/300的情況下，450時間步長后與輔導員意見一致的人數無明顯差異；輔導員影響力越大，與輔導員意見一致的人數上升越快。

關鍵詞：多Agent；Netlogo模擬；高校網絡輿情；輔導員；輿情引導

中圖分類號：G206；C912.63 文獻標志碼：A 文章編號：1674-8883（2023）04-0040-05

課題項目：本論文為2022年度天津市大中小思想政治工作專項課題“高校危機事件網絡信息傳播機制及輿情引導策略研究”成果，項目編號：JJSZY202204003

據第50次《中國互聯網絡發展狀況統計報告》顯示，截至 2022年6月，我國網民使用手機上網的比例達 99.6%[1]。伴隨著網絡媒介的繁榮發展和網民規模的持續增長，社會面網絡輿論呈現噴涌式發展趨勢，這在很大程度上給高校網絡輿情監管工作帶來一定的風險，同時也對高校應對輿情危機提出了更高的要求。

一、高校網絡輿情特點

（一）高校網絡輿情內容呈多樣化特征

高校網絡輿情內容豐富，涵蓋面廣，根據事件的性質大體可以劃分為社會穩定類、校園生活類、校園安全類、高校管理類等，也可分為正面、負面輿情等[2]。雖然高校網絡輿情內容復雜多樣，但因高校環境相對獨立與高校主體的相對固定，高校網絡輿情易爆點主要是大學生權益問題、學術腐敗問題、師德師風問題、學校安全管理問題等方面，使得高校輿情預案管理有章可循[3-4]。

（二）高校網絡輿情演變具有突發性與燃爆性特征

自媒體時代，高校突發事件容易引發社會網民的高度關注，各方主體會積極發表意見，傳播信息，甚至借此事件宣泄負面情緒等，迅速將突發事件演化成高校的網絡輿情，影響高校的和諧穩定，尤其是教育問題常成為社會關注的敏感點與輿情易爆點[5]。

同時，自媒體時代，網絡媒介的復雜性使得高校輿情面臨的形勢較為嚴峻，如果處理不當，會引發大規模的網絡輿情事件，引起社會的強烈反響，給高校管理帶來巨大的風險。

（三）高校網絡輿情主體活躍度高

高校輿情事件中的主體主要為高校、高校教師、高校學生[6]。當代大學生活躍度高，在高校的網絡輿情事件中會積極參與，在網絡輿論場中發表觀點，加速了高校網絡輿情事件的發酵與傳播。而高校學生群體的年齡、接受新事物的能力、文化素養水平以及思維的活躍程度決定了高校網絡輿情演化系統中主體意見傾向演變的特殊性規律[7]。研究高校網絡輿論場中的學生主體特征，能夠更加準確地掌握學生思想動態，培養學生理性思維，利用學生“意見領袖”隊伍，營造良好的校園輿論生態環境[8]。

（四）高校網絡輿情信息時空傳播迅捷

隨著5G技術和移動網絡終端技術的升級，媒體多元化的發展使得高校網絡輿情傳播不受時間與空間的限制，網絡的便捷性與隱匿性為大學生的互動交流、情感表達等創造了良好的空間[9]。同時高校學生群體因學校、專業、興趣愛好等因素的影響，群體聚集性較高[10]，這種高校輿情網絡拓撲結構促使高校網絡發展與演化更加便捷與迅速。

（五）高校網絡輿情展現較強的“群體極化”性

凱斯·桑斯坦提出了“群體極化”的概念，指出團體成員一開始就有某種傾向，在商議后人們朝偏向的方向繼續移動，最后形成極端的觀點[11-12]。這種現象主要表現為網絡暴力和輿情操控。大學生作為高校網絡輿情的主體，存在心智不太成熟、缺乏社會經驗、網絡辨別能力較弱等問題，在信息傳播過程中，意見傾向極易受到影響，容易誘發網絡“群體極化”行為[13]。

二、構建多Agent高校復雜網絡輿情演化動力學模型

本文基于高校輿情復雜網絡的特點，利用BA無標度網絡定義網絡結構，采用多Agent模型定義個體屬性，在Hegselmann-Krause輿情動力學模型基礎上，構建多Agent高校復雜網絡輿情演化動力學模型。

（一）復雜網絡的特點與構建

在高校輿情網絡中，每一個學生與老師都可以作為網絡系統的一個節點（Agent），學生之間或者學生與老師之間的網絡關系即為邊，視為復雜網絡中的度，Agent之間的親密程度視為邊的權重。復雜網絡要在拓撲結構中體現現實高校的人際網絡現象。

一是存在“意見領袖”現象。高校網絡中有各種學生群體，群體中存在“意見領袖”，如學生黨員、學生會干部、班干部等。“意見領袖”在一定范圍內有較大影響力，體現在復雜網絡拓撲結構中為節點的度較大，且與之相連的所有邊的權重較之普通節點之間的權重高。因此，該節點均勻分布在高校輿情的網絡結構中。

二是呈現“族群”現象。高校網絡拓撲結構中節點的平均聚類系數較大，高校學生群體都有各自的社交圈，如相同班級、專業、興趣、社團等，會更容易有社交關系。

三是人際關系的親密程度。高校網絡輿情演化中的人際關系不完全等同，為加權網絡。權重越大表示兩人關系親密，意見相互影響程度越大；權重越小表示關系疏遠，造成的意見影響程度也較小[14]。

四是人際關系有限性。高校輿情網絡中的節點的度是有限的，即現實中個體的人際關系是有限的，不可能與網絡中的所有人存在人際關系。

基于以上特點，本文對BA無標度網絡進行改進，具體構建規則如下。

第一，構建一個原始節點為N0的網絡，并將網絡分為N0個子網絡，每過一個單位時長t增加一個新的節點，并隨即分配任意子網絡。

第二，在某個特定子網內，當節點i的度ki低于給定的閾值kimax（網絡節點的限定值）時，新加入的節點j鏈接到節點i的概率與該點的度ki成正比：

第三，基于三角構成法增加網絡的聚類系數，網絡中新加入的節點b與節點a相連，接著以一定的概率選擇節點a的其他一個相連節點c進行連接。

第四，將所有節點的邊利用“二八”法則進行賦權，即20%的邊的權重賦值為0.8，80%的邊的權重賦值0.2。

（二）構建Agent模型

高校網絡輿情的演化會受到人際關系、互聯網、網絡媒體的影響。在輿論的發展和演化過程中，個體的意見傾向容易受到人際關系的影響。本文為分析高校網絡輿情的演化規律與學校引導所產生的影響，重點將高校學生個體進行Agent建模，將高校教師（本文指從事網絡思想政治工作者，如輔導員）視為獨立于Agent系統之外，并利用意見傾向（Opinion）、影響力（Influence）、從眾性（Conformity）、信任度（Trust）四個屬性構建Agent模型。

1.意見傾向

在現實生活中，人們的意見傾向并不是穩定的，會因為人際關系和官方媒體等因素的影響，經過一段時間后，逐漸形成固定的意見傾向。本文采取連續區間[0，1]來表現個體意見，其中[0，0.33]表示反對，[0.33，0.67]表示中立，[0.67，1]表示支持。Agenti的意見傾向為Oi。

2.影響力

在學生群體中，意見領袖具有一定的號召力與影響力，在高校網絡輿情演化過程中，對其他學生的影響較大。Agent的影響力通過節點的度來表示，影響力的強弱與該節點度的大小成正比。節點i的影響力為Ii，Ii=ki/kmax，其中ki為節點i的度，kmax為整個輿情網絡中節點度的最大值。Ii的取值范圍為[0，1]，數值越偏向1則影響他人的能力越大，反之則能力越小。

3.從眾性

學生個體Agent的從眾性具有差異性，會因個體本身的性格特點、知識儲備、心理狀況、對信息的掌握程度等多方面因素而不同。節點i的從眾性用Ci表示，取值范圍為[0，1]，越接近1表示越容易受他人意見的影響，反之則不易受他人的意見影響。

4.信任度

個體之間的信任程度取決于雙方之間的信任度，T的取值范圍為[0，1]，數值越偏向1信任度越高，反之則信任度越低。

（三）構建高校網絡輿情演化動力學模型

根據以上Agent的屬性，在HK模型基礎上構建了以下輿情演化動力學模型：

該模型表示為Agenti在t+1時刻的意見值是Agenti在t時刻經過一個單位時間后，根據相鄰節點的意見進行了修正。Oi（t）表示Agenti在t時刻的意見傾向，aij表示輿情網絡模型中的鄰接矩陣。當相鄰的節點i與節點j意見傾向值之差在閾值ε內，節點之間的意見交互受節點之間的影響力、從眾性與信任度的影響。如果個體間的意見值差異超過閾值，兩個Agent之間就沒有交流的基礎，不會改變自身的意見值。

三、基于Netlogo高校網絡輿情演化仿真模擬

本文通過Netlogo平臺，對高校網絡輿情演化進行仿真模擬。其中本文各類Agent屬性、參數及其含義如下表所示。

通過調整部分屬性參數，觀察在各種不同因素的組合下高校的輿情演化趨向。

（一）輔導員不參與學生意見交互情況

設置學生總數為600人，極端意見持有者比重各占10%，kmax設置為33，意見交互值設置為0.34。初始網絡如圖1（a）所示，深黑色圓點代表為持有反對意見的學生，深灰色圓點代表持有中立意見的學生，淡灰色表示持有支持意見的學生，在500 時間步長下，網絡中的意見分布圖如圖1（b）所示。

通過Netlogo軟件模擬可以觀察到，在隨機生成的初始網絡意見分布中，支持者、反對者、中立者人數平均，但隨著時間的推移與個體之間的意見交互的增加，中立者意見逐漸增多。表明在沒有輔導員介入的情況下，中立者意見較之反對者與支持者比例有明顯差異。