基于SNA的突發事件微博輿情的傳播網絡分析

韓孟潔

（山東畜牧獸醫職業學院 濰坊 261061）

微博輿情是用戶在微博里的輿論反映。隨著民意的大量匯聚，微博輿情不斷地深化發展，使得輿論不斷擴大影響，進而能夠改變社會的輿論形態。微博現逐漸成為廣大民眾關心熱點、表達觀點等的輿論平臺，如果未能進行積極有效地引導和控制，將會對社會的輿論和道德走向產生不利影響。因此，對突發事件的微博輿情傳播影響因素進行研究顯得尤為重要，不僅可以對微博相關功能的設計提供參考，也可以有效地進行輿論控制，促進社會的健康穩定發展。

一、研究內容與研究方法

本篇論文選取“江歌案”的一審這一突發事件的后續處理，對其進行微博輿情的傳播分析。運用社會網絡分析法（SNA）對300 個用戶之間的轉發關系進行節點與節點關系的研究，并通過綜合分析關鍵節點等研究微博輿情傳播的特點以及影響因素，為輿情監管和控制提供方向。

社會網絡分析法是研究一組行動者關系的研究方法[1]。一組行動者之間所展現出的關系及其模式以及對應的數據便是進行網絡分析的重點，而在這種關系的基礎上會反映出一定的可量化分析的社會結構，便是網絡分析的出發點。因此，若想運用社會網絡分析法，關系和關系的模式則是必不可少的。社會網絡分析法的要點在于可視化分析（通過Unicet 等軟件工具實現）與對人、社會、政治、經濟的關系測量。

二、微博輿情的形成與傳播過程

微博輿情是圍繞民眾所關心和感興趣的事件或現象所形成的[2]。微博中，信息量龐大，民眾關注的話題繁多。每個熱點話題都有一定的生命周期，具有階段性，一般包括誕生、成長、成熟和衰退的過程。

“江歌案”發生于2016 年11 月，江歌母親在2018 年10 月宣布將啟動對劉鑫的訴訟，在等待開庭審理期間，事件關注度不高，輿情發展尚處于誕生期，對于此案件的一審于2022 年1 月10 日在山東省青島市城陽區人民法院宣判，城陽區法院的微博詳細描述了這一事件的一審宣判結果，將該事件推上了新浪熱搜榜，產生了巨大的影響力，使該事件進入生長期，傳播速度加快，參與的用戶顯著增多，當事人苦夏蓮-咖啡、網絡紅人Legal詩睿等，媒體封面新聞、鳳凰網等陸續發布了許多關于“江歌案”一審的微博，并吸引了眾多的用戶進行轉發、評論等，將此事件輿情推向了成熟期的峰值，影響力達到最大值。從2022 年2 月16 日起，“江歌案”二審擇期宣判，微博提及數量開始回落，進入衰退期，熱度被其他社會熱點所代替，關注度減少，傳播速度變慢，影響力漸漸衰退。

三、微博輿情傳播網絡分析

（一）微博輿情傳播數據獲取與處理

由于新浪微博提供的開放API 隱私設置較高，無法通過爬蟲技術等從新浪微博上直接爬取數據，故本篇論文只能采用人工搜集的方法。從將“江歌案”一審送上熱搜榜的“城陽區法院”開始，對轉發關系手工搜集了300 條數據以及轉發時用戶的評論，將300 條數據以0-1 矩陣的形式輸入進Excel表格中，本文不研究自己轉發自己的情況，將統計好的0-1 矩陣數據導入Ucinet 軟件中進行網絡拓撲圖、網絡密度、小團體、點度中心性等各項數據分析。

（二）微博輿情傳播網絡拓撲圖

本文在初始節點的基礎上，運用滾雪球的方式進行其他節點的選取，信息主要通過轉發來傳播，在新浪微博中轉發會自動生成“@”符號，于是節點便是這些參與@的用戶，結合隨機抽樣的原則進行節點選取。選取的300 個節點中包括1 個當事人用戶、2 個法律用戶、4 個媒體、2個名人用戶、23 個網絡紅人用戶。本文采用有向網絡結構圖，一個方塊表示一個關鍵節點，一個箭頭表示一個轉發數，A 轉發的B 的微博，便是A 指向B 的箭頭，根據各節點之間的關系構成了關系矩陣，其可視化結果如下圖：

此圖的矩形方塊表示節點，箭頭由轉發者指向被轉發者,矩形方塊越大，表示該節點被轉發次數越多。從整體上看，當事人節點的傳播能力極強，影響力最大，鑒于其是事件發生的主要參與者和相關者，是最有發言權的人，能讓民眾更接近事件具體經過；因“江歌案”一審時間的特殊性，媒體節點的傳播能力也較強，其作用是不容小覷的；因為該事件涉及到刑事案件，所以法律用戶在傳播過程中起到了不可替代的作用；名人用戶和網絡紅人因為知名度較大，所以粉絲量眾多，外加個人的影響力，對此事件的傳播也發揮了極大的作用，因此在網絡傳播中受到較多其他節點的關注；與之相比普通用戶的傳播能力和影響力則較弱，粉絲基本是自己的朋友，相對而言數量較少，對非粉絲用戶的影響力微乎其微。

（三）微博輿情傳播網絡結構指標分析

1.網絡密度

網絡密度是用來衡量各個用戶之間的緊密聯系程度，取值范圍一般在0 到1 之間，最終的數值越接近數字1，就表明用戶之間的聯系越緊密，也就代表著信息傳播速度更快。

該事件的網絡密度Density(matrix average)=0.0340，數值大小處于0.0000-0.5000 的區間，說明參與該事件微博轉發傳播的用戶之間的聯系沒有太緊密，信息傳遞速度沒有太快，這與該事件的長生命周期的特點是相符的，提出上訴后因有等待時間，直到城陽區法院將一審宣判結果公布后將此事件推上熱搜，才引起廣泛關注，大家的關注點也落到對法庭判決過程以及結果議論上，此過程有一定的時間性，持續時間較長，參與的用戶眾多，就會導致用戶間的關系沒有太緊密，一般高爆發、生命周期短的突發事件信息傳遞速度會較快，所以就注定該事件的信息傳播速度不會高速。

2.小團體

小團體是指利用一些算法找出整體網絡中的小團體結構，我們常用K-核來進行計算，K-核就是在一個小團體內部任意一個節點與其他節點至少保持K 條聯系。“江歌案”一審微博輿情傳播網絡中存在著聯系緊密的小團體結構。小團體結構中主要是當事人、媒體、名人和法律用戶。對不同的K 值進行數量統計后發現，3 是該事件K-核的最大值，且K-核是3 的節點數量達到了25 個，占到了全部節點的8%，K-核是2 的節點數量達到了10 個，占到了全部節點的4%。可以說小團體中的節點處于整個傳播網絡圖中的關鍵節點的位置，其掌握著大量的信息來源。在全部節點中，關系密切的節點數量只占少數，大部分節點想要成為關鍵節點的可能性基本微乎其微。

3.點度中心性

中心性主要分為點度中心性、中間中心性和接近中心性[3]。點度中心性分析側重于交往活動，中間中心性分析側重于對信息的控制，整體中心性分析側重于信息傳播的有效性和獨立性，故在此主要進行點度中心性的分析，下表是運用Ucinet軟件對“江歌案”一審的點度中心性測量的結果（部分）。

表1 “江歌案”一審微博輿情點度中心性測量結果（部分）

按照點入度由大到小的降序排列，點入度的數值越大，說明該節點被其他節點直接指向的數目越多，被他人傳播的能力越強。點出度的數值越大，則說明該節點直接指向其他節點的數目越多，傳播他人的能力越強。由上表可以看出，點入度最大的是苦咖啡-夏蓮，高達67，被他人傳播的能力最強，符合當事人的特點，更多的人喜歡從當事人處獲取和傳播更具有真實性的信息。法律用戶因為具有較高的權威性，影響力廣，像城陽區法院等點入度較大，是一審結果宣判的“發源地”，被他人傳播的能力較強。媒體普遍擁有較大的點入度，不同媒體之間點入度的差異，主要在于媒體的知名度和影響力不同。相較而言，普通用戶點度中心性較小。

結語

本篇論文通過統計分析“江歌案”一審這一突發事件的微博輿情傳播的節點及節點之間的關系，對節點所構成的傳播網絡的結構和影響因素進行了測量分析，得到以下結論：微博輿情傳播網絡中節點的特點以及與其他節點的關系決定了其獲取輿情信息和傳播輿情信息的能力[4]。節點之間的關系顯示出了輿情信息廣泛的來源，節點的箭頭指向則顯示出節點傳播輿情信息的能力，將所有節點的箭頭數進行降序排列，傳播網絡全局或局部的關鍵節點的排序是比較靠前的，因此想要調整控制輿情傳播的速度就可以通過有效控制這些關鍵節點來實現。

本文清楚地展現了真實的傳播網絡的結構特點和不同類型的用戶在傳播網絡中所處的地位和發揮的作用，故本文在研究突發事件微博輿情傳播方面有一定的借鑒意義。但本文仍有許多不足和需要改進的地方，如可以適當增加節點的數量，更加深入分析節點自身的特點和相互關系對輿情傳播能力的影響等。