信息生態視角下突發事件網絡輿情的生成演化及過程追蹤分析

周福戰 何麗蓉

（大連理工大學公共管理學院，遼寧 大連 116024）

導語

各種基于互聯網的應用和產業隨著互聯網信息技術的高速發展而蓬勃興起，網絡空間成為人們活動的重要場所。中國互聯網絡信息中心發布的第51 次《中國互聯網絡發展狀況統計報告》顯示，截至2022 年12 月，我國網民規模達10.67 億。[1]互聯網的普及和網絡媒體的發展給人們的生活帶來了極大便利，加強了人與人之間的遠程溝通，人們可以通過微博、微信、論壇、新聞客戶端等發表自己的觀點、表達自己的訴求。但與此同時，其帶來的風險與挑戰也不可忽視。網絡系統安全、網絡信息安全、意識形態安全等網絡安全問題日益突出，特別是進入新發展階段，社會動蕩不安、突發事件時有發生，如2018 年的“長生生物問題疫苗事件”、2019 年的“江蘇響水爆炸事故”、2020 年新年伊始的大規模新型冠狀病毒感染等。伴隨著事件的發生，大量垃圾信息和謠言在網絡空間肆意傳播，對個人人身安全、社會秩序及國家政治穩定造成了嚴重影響，因此，網絡輿情治理成為凈化網絡空間的重要課題。

1.文獻回顧與理論闡述

1.1 文獻回顧

隨著互聯網信息技術的發展及突發事件的頻發，網絡輿情逐漸成為計算機科學、傳播學、管理學、情報學等領域有關學者的研究熱點。在國內外學者的大量研究和共同努力下，關于網絡輿情的研究形成了較為完備的理論體系，也取得了豐富的研究成果，主要有以下幾個方面。

一是網絡輿情的監測與預警研究，學者們主要是通過建立數學模型，搜集輿情數據進行實證分析，驗證模型對網絡輿情發展態勢預測的實用性和可行性。David A.Broniatowski 等建立感染檢測算法，用以區分相關推文和其他閑聊，并以每周的增量預測CDC 數據的方向。[2]Eleonora D’Andrea等采用詞包（bag-of-words）和支持向量機模型來跟蹤和監測有關疫苗接種決策的公眾意見。[3]國內學者程鐵軍基于數據分解的研究思路，利用自適應噪聲完備集成經驗模態分解、BP 神經網絡以及相關空間重構理論構建基于CEEMDAN-BP的輿情預測方法，并結合三起突發事件案例進行實證研究，表明該模型能夠有效分解出網絡輿情數據中的多種隨機性、周期性等影響因素，可有效預測突發事件網絡輿情的發展趨勢。[4]

二是網絡輿情的傳播與演化研究，相關學者大都通過建模仿真的方法對網絡輿情的演化周期和演化趨勢進行分析。Aidan Sudbury 借助傳染病模型分析謠言傳播規律。[5]Fiona Duggan 等從信息提供者與信息接收者兩個主題出發，構建了危機中有效信息的傳播模型，用于描述和評估事件期間信息的傳播情況。[6]張藝煒等基于共生理論視角，根據擴展的 Logistic 模型建立網絡輿情共生演化模型，通過新浪微博中管控合理和管控不當的兩例輿情數據進行仿真模擬，驗證網絡輿情生態系統二維共生模型的合理性，并總結出不同演化階段和管控條件下網民參與各單元間的共生關系及成因。[7]

三是網絡輿情的引導與治理研究。Anne Marie DiNardo 認為，互聯網是搜集信息和回應公眾關切的雙向溝通媒介，可以輔助政府等有關部門有效應對危機。[8]蘇妍嫄等基于公眾風險感知異質性與演變性雙重視角，構建網絡輿情傳播動力學模型，以“北京新發地疫情”為例進行實證分析，認為政府等有關部門的迅速行動有利于降低事件的影響力與公眾風險感知水平，從而實現網絡輿情的有效干預。[9]

總體而言，網絡輿情領域的研究已取得豐碩成果，但縱觀學者們的研究成果，多從網絡輿情的本質、治理對策等理論層面進行探討，實證層面的研究主要借助EGM 灰色預測模型、SIR 傳染病模型、概率論、流行病學理論等分析網絡輿情的傳播規律，但定性和定量相結合的分析方法使用較少，且未能進一步探究突發事件網絡輿情生成演化的因果機制。為了豐富現有研究，本文采用定性與定量相結合的研究方法——清晰集定性比較分析方法（csQCA），基于信息生態理論，構建網絡輿情生成演化的前因變量和結果變量，分析突發事件網絡輿情生成演化的影響因素，再運用過程追蹤法捕捉不同組態下突發事件網絡輿情生成演化的因果機制，最后提出凈化網絡輿情信息生態的治理啟示。

1.2 理論闡述

1978 年，美國學者F.W.Horton 率先提出信息生態的概念，他將生態學的觀點和理念引入信息學范疇，構建了信息生態理論，強調以系統性視角管理信息生態系統整體，認為信息社會中，信息人與信息環境之間是緊密聯系的，其中人、行為、價值與技術是其主要構成要素。此后，學者們開始對信息生態、信息生態系統、信息生態鏈等理論進行不斷完善和延伸。隨著網絡信息技術的發展，信息生態理論也被學者們引用至網絡信息空間，并取得豐碩的研究成果。魏明珠立足于信息生態視角，分析網絡輿情生態的三個維度——主體維度、客體維度及時空維度，利用社會網絡分析法、知識圖譜及網絡復雜性分析法構建網絡輿情生態的多維圖譜，并以“重慶萬州公交車墜江事件”為例，揭示網絡輿情生態的動態變化及演化規律[10]。楊小溪以信息生態理論為基礎，深入分析網絡輿情信息與信息環境的關系，構建網絡輿情預警指標體系，為相關管理部門提供預警參考。[11]田世海以信息生態理論為基礎，分析網絡輿情信息生態的構成要素及相互作用關系，并構建網絡輿情信息生態橫向衍生和縱向衍生模型來刻畫網絡輿情信息衍生過程，發現橫向衍生主要體現在同類事件、單一話題之間的融合關系，縱向衍生主要體現在單一事件、多個話題之間的繼承關系。[12]

相應地，網絡輿情信息生態主要包含信息、信息人、信息環境三個信息因子。信息表現為突發事件相關信息，包括網民、媒體、官方等圍繞突發事件表達的言論、觀點和看法等，具體形式有文字、圖片、音頻、視頻等。信息人是指在網絡空間發表言論、表達情緒、態度、立場等言論的人或者組織，主要包括網民、網媒、官媒。信息環境分為技術環境和社會環境。技術環境是指公眾獲取信息所需的技術條件，如互聯網、獲取信息的平臺、渠道等條件；社會環境包含的因素較多，本研究主要考慮突發事件發生近期的社會發展情況，是否有類似事件發生。然后基于信息生態視角，以信息、信息人、信息環境三個信息因子作為前因變量的理論基礎，提取具體指標，通過定性比較分析，探究各類網絡信息生態系統要素對網絡輿情生成演化的作用機理。

2.研究設計

2.1 研究方法

2.1.1 清晰集定性比較分析方法

定性比較分析方法（Qualitative Comparative Analysis，簡稱QCA）是由美國社會學家查爾斯·拉金（Charles Ragin）提出的。它是一種以案例研究為導向、基于布爾運算和集合論思想的研究方法，兼具定性與定量研究的優勢，既適合于小案例數的研究（10或者15 以下的案例），中等規模樣本（10 或者15 至50 案例數），也適合超100 案例數的大樣本案例的研究。QCA 能夠關注到變量影響的復雜性和多樣性，致力于解決“多重復雜并發因果”誘致的復雜社會議題[13]，具體可分為清晰集定性比較分析（csQCA）、模糊集定性比較分析（fsQCA）與多值集定性比較分析（mvQCA）。其中，csQCA 適用于原因和結果條件變量能夠清晰地被編碼為0 或1 的情況；mvQCA 適用于變量類別不只是0 或1，需要賦值為0、1、2、3 等多類別的情況；fsQCA 適用于前因和結果變量不能都清晰地被劃分為0 或1，還需要考慮處于0 ～1 間的狀態。

考慮到突發事件網絡輿情是由多種因素共同作用的結果，結果變量與條件變量之間不是簡單的線性關系，不能簡單通過控制其他條件變量來分析某一條件變量對結果變量的影響，且網絡輿情演化的結果變量及其條件變量比較適合作為二分變量進行處理，故采用模糊集定性比較分析方法考察影響突發事件網絡輿情生成演化的必要條件及各因素組合方式。

2.1.2 過程追蹤法

過程追蹤法致力于闡釋社會發展中各種因果機制，而因果機制主要指的是一套通過某些組件的相互作用而產生某種結果的復雜系統[14]，分為理論檢驗型過程追蹤、理論構建型過程追蹤、解釋結果型過程追蹤，可以分別應用于分析中，也可以相互嵌套混合應用于分析設計中。本文將過程追蹤法與csQCA 相結合，在定性比較分析的基礎上，采用解釋結果型過程追蹤，對各組態下的代表性案例進行深入考察，進一步分析網絡輿情信息生態系統中不同信息因子組合對網絡輿情演化的影響，進而推斷其因果機制。

2.2 案例選取

csQCA 作為一種案例導向的研究方法，對案例的選擇具有一定的要求，其遵循理論抽樣而非隨機抽樣的原則。本研究秉持全面性、多樣性、典型性和代表性的原則，通過知微事見、蟻坊軟件、新浪微博、百度等輿情監測平臺或搜索引擎進行案例的搜索，然后通過篩選，最終選取了2018—2022 年間發生的40 個突發事件網絡輿情案例（參見表1）。

表1 突發事件網絡輿情案例（2018 年—2022 年）

2.3 變量設置與賦值

目前確定研究變量的方法主要有5 種：基于研究問題和情景的問題導向法、基于研究要素的研究框架法、根據不同理論或解釋視角的理論視角法、基于已有研究成果的文獻歸納法以及從研究現象中獲取可信條件的現象總結法。[16]本文綜合運用問題導向法、理論視角法、文獻歸納法、現象總結法，確定信息、信息人、信息環境作為解釋變量，將網絡輿情熱度作為結果變量，并綜合考慮所選案例樣本的實際情況，對各變量進行賦值（參見表2）。

表2 變量設置與賦值

信息包含2 個變量：信息敏感度較高和信息敏感度較低，根據突發事件的影響力指數判斷信息敏感度的高低，事件影響力指數大于等于65 的賦值為1，事件影響力指數小于65 的賦值為0。信息人包括網民、網媒與政府官方，信息人是網絡輿情傳播的參與者，對輿情的傳播與演化具有重要影響。根據樣本案例的統計，在傳播事件相關信息時，網民參與度高于100的賦值為1，低于100 的賦值為0；網媒報道數高于100 的賦值為1，低于100 的賦值為0；官方發文量高于30 的賦值為1，低于30 的賦值為0。信息環境主要包括技術硬環境和社會軟環境。技術硬環境主要考慮互聯網普及率及參與報道的重要媒體數量，互聯網普及率越高、報道的媒體越多，公眾獲取事件相關信息越容易，2018 年至2022 年的互聯網普及率均達到較高水平，分別為59.6%、61.2%、70.4%、73.0%和75.6%，故以參與報道的重要媒體數作為賦值的參考，重要媒體數高于40 家的賦值為1，低于40 家的賦值為0；社會軟環境主要考慮突發事件發生的近一年內是否有類似事件發生，有類似事件發生的賦值為1，沒有類似事件發生的賦值為0。

3.結果分析

3.1 單變量必要性分析

在清晰集定性比較分析中，首先要進行單個前因變量的必要性分析，通過一致性指標找出能夠導致結果發生的必要條件和影響結果發生的充分條件。若某一前因變量的一致性大于或等于0.9，則說明該前因變量可作為結果變量的必要條件；若某一前因變量的一致性大于或等于0.8，則認為該前因變量可作為結果變量的充分條件。覆蓋率是用于衡量前因變量或前因變量組合對結果變量的解釋力度的指標，覆蓋率越接近1，說明前因變量或前因變量組合對結果變量的解釋力度越大。

根據清晰集定性比較分析方法，本文以信息影響力、網民參與度、網媒報道數、政府新聞發布量、技術環境、社會環境作為解釋變量，以網絡輿情熱度為結果變量建立真值表計算一致性和覆蓋度，所得結果如表3 所示，信息敏感度、網民參與度、技術環境的一致性大于0.9，視為結果變量的必要條件，其對應的覆蓋率分別為84.85%、87.50%與84.85%；網媒報道量的一致性為0.827586，說明其對于結果變量的解釋力較強，可視為結果變量的充分條件；官方發文量的一致性為0.714286，小于0.8，說明其對結果的發生具有一定的影響；社會軟環境的一致性為0.413793，說明其對于結果變量的解釋力較弱。鑒于官方發文量與社會軟環境無法解釋結果變量的發生條件及突發事件網絡輿情的復雜性，因此必須通過組合視角進一步探究條件組態對結果變量的影響。

表3 解釋變量的必要性檢驗

3.2 條件組合分析

條件組合分析主要是分析不同前因變量形成的組合對結果變量的影響。通過運行QCA，得到復雜解、簡約解和中間解三種組合方案。本研究將一致性閾值設置為0.8，將案例頻數值設置為1，得出簡約解如表4 所示，復雜解與中間解相同，如表5 所示。一般而言，在復雜解和簡約解中求得平衡的中間解要優于復雜解和簡約解[18]，因此，本研究選擇中間解作為分析結果。

表4 條件組合結果分析（簡約解）

表5 條件組合結果分析（中間解、復雜解）

表5 顯示，中間解得到4 種條件組合，且4 種組合的一致性都在0.9 以上，表明這3 種條件組合具有較強的解釋力，且總覆蓋率達到0.896552，表明這4條件組合能夠解釋絕大部分的案例。

（1）組合1：X1*X2*X3*X5，即“信息敏感度*網民參與度*網媒報道量*技術環境”

其內涵在于，信息敏感度、網民參與度、網媒報道量、技術環境是突發事件網絡輿情生成及演化的重要條件。一旦影響范圍較大的突發事件發生，就會引發網民的關注和參與，網媒也會大肆報道突發事件相關信息，在信息技術高度普及的情況下，網絡輿情很快就會升溫，演化成高熱度的網絡輿情。

東航客機MU5735 墜機事件是該組態下的代表性案例。2022 年3 月21 日，東航客機MU5735 于廣西梧州藤縣墜毀，機上132 人全部遇難。事故發生后引發輿論高度聚焦，東航MU5735 事故相關話題迅速占領微博輿論熱點榜首，網民的參與度、網媒的報道量達到峰值，186 家重要媒體參與事件相關報道，傳播速度到達每小時7440 條。3 月23 日16 時30 分左右，搜尋到駕駛艙話音記錄器，輿情傳播出現第二個高峰。3 月25 日上午，中國民航報發布報道稱找到第二個東航失事客機的黑匣子，但隨即刪除。隨后，新華社發文稱還未找到第二部黑匣子，救援現場正在抓緊搜尋，信息發布應以指揮部新聞發布會發布消息為準，由此又引發廣大網友對于事件信息真實性的熱議。3 月26日，官方發文確認航班上人員已全部遇難，輿論瞬間演變成第三個高峰。3 月27 日上午9 時20 分許，第二個黑匣子已找到。事件持續期間，“墜機處燃起熊熊大火”“墜機原因為東航壓縮飛機維修費用”“東航失事原因鎖定副駕駛”等謠言也在網絡上快速傳播，導致熱搜不斷，輿情熱度高漲不下。

（2）組合2：X1*X2*～X4*X5*～X6，即“信息敏感度*網民參與度*～官方新聞發布量*技術環境*～社會軟環境”

其內涵在于，有高影響力的突發事件發生，網民就會廣泛參與到突發事件相關信息的傳播當中，無論政府官方是否大量發文，也不管近期是否有類似事件發生，只要在信息技術環境良好的情況下，就會引發高熱度的網絡輿情。

四川雅安發生山洪泥石流是該組態下的典型案例。2021 年9 月26 日，四川雅安市天全縣喇叭河鎮龍頭溝處因局部暴雨發生山洪災害，導致62 人被困，現場部分公共設施如道路、通信設備等遭到破壞。2021年9 月26 日19 時，救援指揮部公布消息，找到10 名失聯人員，其中2 人輕傷，1 人未受傷，7 人遇難，7人失聯。災情發生后，58 家重要媒體參與事件相關情況報道，信息獲取較容易。網民也大量發帖或轉發相關信息，致使輿情熱度在當日達到最高，平均每小時233 條。

（3） 組 合3： ～X1*X2*X3* ～X4* ～X5* ～X6，即“～信息敏感度*網民參與度*網媒報道量*～官方發文量*～技術環境*”～社會環境”

其內涵在于，無論信息敏感度高低、政府官方發文量多少、信息環境如何，只要網民參與度高、網媒大肆報道，就會導致高熱度的網絡輿情。

長春一餐廳起火致17 人死亡是該組態下的代表案例。2022 年9 月28 日12 時40 分，長春市高新區宜居路宏宇小油餅百姓餐廳發生火災，消防人員立即趕往現場，迅速開展撲救和現場救援。省市也立即成立現場救援指揮部，組織救援、救治、調查等工作。9月28 日15 時，現場搜救結束，事故造成17 人死亡、3 人受傷。雖然該事故波及范圍不大，但發生后，仍有大量網民和網媒參與相關信息的傳播，對火災原因及傷亡情況表示質疑和關心，峰值傳播速度達到每小時445 條。

（4）組合4：X1*～X2*～X3*X4*X5*～X6，即“信息敏感度*～網民參與度*～網媒報道量*官方發文量*技術環境*～社會環境”

其內涵在于，高影響力突發事件發生，在網民參與度低、網媒報道量少、近期無類似事件發生且信息技術環境良好的情況下，政府官方大量發文通報事件相關情況，就不會引發高熱度網絡輿情。

上海金山區廠房火災導致8 人遇難是該組態下的代表性案例。2021 年4 月23 日，位于上海金山區林盛路171 弄116 號的勝瑞電子科技（上海）有限公司發生火災，導致8 人遇難。事故發生后，57 家重要媒體參與事故相關信息報道，《人民日報》、人民網、新華網持續報道跟進事故處理情況，讓公眾清楚地看到事故情況，消除公眾疑慮，故沒有導致輿情高漲。

3.3 穩健性檢驗

清晰集定性比較分析穩定性檢驗的方法通常有四種，包括調高一致性閾值、增加和剔除案例、新增前因條件和提高PRI 一致性。本研究采用調高一致性閾值的方法進行穩健性檢驗，保持其他條件不變，將一致性閾值由0.8 調至0.9 所得結果如表6 所示，所得結果與一致性閾值為0.8 時所得結果無差異，表明前述分析結果具有穩健性。

表6 穩健性檢驗（中間解、復雜解）

4.研究結論與啟示

本文基于信息生態視角，從信息、信息人、信息環境三個維度提煉出信息敏感度、網民參與度、網媒報道量、政府官方發文量、技術環境、社會環境六個解釋變量，通過對2018 年至2022 年間發生的40 個突發事件網絡輿情案例進行清晰集定性比較分析，旨在發現網絡輿情生態中各信息因子及組合對突發事件網絡輿情生成演化的影響，在此基礎上，再對不同組態條件下的代表性案例進行過程追蹤分析，深入考察其因果機制。從單變量必要性分析來看，信息敏感度、網民參與度、技術硬環境是影響突發事件網絡輿情生成演化的必要條件，網媒報道量對突發事件網絡輿情生成演化具有重要影響。從條件組合分析來看，得到四種有效組合：“信息敏感度*網民參與度*～官方新聞發布量*技術硬環境*～社會軟環境”“信息敏感度*網民參與度*～官方新聞發布量*技術硬環境*～社會軟環境”“～信息敏感度*網民參與度*網媒報道量*～官方發文量*～技術硬環境*”～社會軟環境”“信息敏感度*～網民參與度*～網媒報道量*官方發文量*技術硬環境*～社會軟環境”。通過對各組態下的代表性案例進行深入考察，發現信息敏感度的高低對網絡輿情熱度演化趨勢具有重要影響，事件信息越敏感，越容易引起網民對事件真相的求知欲和網媒的關注，進而引發高熱度輿情；在突發事件相關信息傳播過程中，容易出現不實信息，混淆公眾視聽，引發網民揣測，導致輿情愈演愈烈；重要媒體參與事件信息傳播使公眾獲得信息更容易。綜合以上分析，可得出凈化網絡輿情信息生態的啟示。

4.1 建立預警機制、提高預警能力

事件信息的敏感度對網絡輿情的演化趨勢具有較大影響，而事件的發生往往不受人為因素的控制，因此為了降低網絡輿情帶來的危害，政府部門應當提高對敏感性話題的關注度，并建立輿情預警機制。一是加強風險防控意識，提高對敏感性話題和危害重大事件的關注，善于發現事件的苗頭、及時捕捉危機跡象，盡可能將敏感話題抑制在萌芽狀態。二是使用互聯網技術輔助監測。通過使用主題詞的監測和相關情感的趨向監測等大數據技術，對網絡社交平臺上的輿論信息內容、媒體報道和網民的評論等動態信息進行實時監控，挖掘隱蔽信息、感知輿情危機，然后做好相應的應急措施。三是建立敏感詞信息庫。針對近年發生的突發事件，對其演化規律、回應方案及效果作出評價和分析，以此建立健全敏感詞信息庫、案例庫和大數據信息預測模型。同時，對網絡輿情危機進行預警級別劃分，針對不同級別作出研判和預警方案，以便于吸取處置經驗，及時化解危機。

4.2 加強網絡法治化建設，營造良好網絡環境

一是規范網民言行。自媒體時代，公眾的表達自由權得到極大發揮，信息發布門檻降低，人人都能在網絡空間發布消息。但在輿情事件發生時，部分網民感性代替理性，在不知實情的情況下，過度解讀輿情信息、扭曲事實、隨意發表觀點，造成虛假信息在網絡上大肆傳播，嚴重的甚至會引發社會恐慌。因此，政府要加強法治建設，提升網民法律意識。網絡空間不是非法之地，只有在法律的約束下，網民才能實現真正的言論自由。對于制造、散布謠言，故意擾亂公共秩序行為追究個人法律責任，令網絡用戶形成法律理念，促使其發表觀點時，減少情緒化參與，不盲從、不跟風，不傳播虛假信息。二是加強網絡媒體管控。部分網絡媒體為吸引眼球，用“標題黨”博取關注，發布虛假信息，擾亂網絡生態環境，導致網絡輿情向著負面發展，給輿情治理工作造成極大困擾。對此，政府需出臺關于監管網絡媒體行業的細則規范，加大對網絡媒體的約束力，實現高質量信息內容供給，對嚴重違規的網絡媒體可對其進行相應的罰款，以營造和諧的網絡氛圍。三是強化網絡社交平臺監管。有的網絡平臺缺乏主體責任意識，對用戶信息管理不到位，甚至是默許謠言在網上傳播，使網絡輿情難以控制。對此，政府有必要完善相關法律法規細則，促使網絡社交平臺加強“實名制”監督力度，并對用戶發布的信息做審核，篩選虛假、造謠信息，阻斷傳播。

4.3 暢通多元溝通渠道，加大信息公開程度

突發公共事件發生后，網民出于對事件真相的好奇或對自身利益、公共利益的關心，會大肆傳播事件相關信息，部分媒體為了吸引眼球、博得關注，不惜違反網絡空間管理法規條例，散播虛假信息，而部分缺乏分辨真假能力的網民就會跟著轉發，結果導致以訛傳訛，輿情熱度愈發難以平息。事件發生后，政府官方應當第一時間向社會公眾通報事件相關信息，引導公眾理性思考，避免謠言、小道消息等的泛濫。同時，還應開辟新的回應渠道，比如在微博、抖音、知乎等App 上開通官方媒體賬號，公布應急處置工作開展情況，例如，傷員救治、家屬安撫、社會穩控工作等相關情況，對突發事件進行全方位、全過程的關注和引導，使公眾全面了解事實情況。