“高鐵掌摑事件”的輿情傳播與演化

【內容提要】當下網絡輿情頻發，輿情的傳播與演化環境復雜，做好輿情回應工作已成為政府治理能力提升的內在要求。以“高鐵掌摑事件”為例，通過網絡爬蟲獲取相關的新浪微博文本語料，采用社會網絡分析和LDA 主題模型，從用戶維度、內容維度兩個方面對輿情事件的傳播過程和演化規律進行分析。研究發現，網絡低成本的發聲門檻大大提升了網民的輿情參與效率，網絡媒體、意見領袖在輿情的傳播和疏解過程中發揮了重要作用；網絡謠言的滋生與傳播極易引發網民負向極端情緒，阻礙輿情消解，甚至引發次生輿情。“高鐵掌摑事件”的輿情傳播與演變啟示我們，一方面應充分發揮網絡媒體和意見領袖在輿情治理中的正向作用，另一方面政府應把握輿情演變規律，提高輿情回應實效，避免次生輿情的發生。

【關鍵詞】信息生態 高鐵掌摑事件 網絡輿情 輿情傳播

網絡輿情是指以網絡媒介為載體，以某一網絡事件為核心，在一定時間段內廣大網民的意見、態度和情緒的表達，具有突發性、直接性、復雜性和互動性的特點。[1]隨著互聯網技術的發展，傳播方式不斷變革，傳播格局與輿論生態也發生了變化，網絡輿情的頻繁發生既是新媒體時代風險社會與網絡社會重合期的“常態”，也是法治社會公眾知情意識、參與意識和監督意識不斷增強的重要體現。復雜的時代背景以及各種疊加因素對輿情的監測、疏導與治理提出了更高的要求。對于網絡輿情傳播演化特征及治理策略的研究，不僅事關網絡空間治理，更是事關社會信任體系建設和政府公信力建設。但是，面對現實需求，在理論上，迄今為止，我國對于網絡輿情的研究，尤其是輿情傳播及演化特征的考察仍舊略顯不足。

2023 年5 月2 日以來，“高鐵掌摑事件”一經爆出即引起全網關注，多次占據微博熱搜。本研究試圖從信息生態理論視角切入，采用社會網絡分析和LDA 主題模型對新浪微博有關“高鐵掌摑事件”的文本內容進行分析，探究該網絡輿情的傳播及演化特征。希望通過這一研究進一步廓清網絡輿情的傳播規律，深化各界對突發網絡輿情的認知，進而幫助政府完善網絡輿情的回應與治理機制。

一、信息生態理論

信息生態最初是生態學范疇的概念，用來研究生物物種之間的信息交流行為以及物種與外部環境的關系，如生物體如何通過提供、獲取和使用信息來管理其生活決策，從而在尋找食物、選擇棲息地、避免捕食者、繁殖成功等策略上進行最優決策。[2]隨著信息時代的到來和信息科學的發展，鑒于信息與自然資源較為類似的性質，信息生態理論被引入信息學范疇，即利用生態學的觀點對信息生態中的各要素進行合理配置，實現信息生態系統中人、信息、環境、技術等因素的和諧共生。在國外早期的信息生態研究中，Horton 從微觀視角切入，基于生態學知識討論了組織中信息的流動與映射問題；[3]近年，隨著網絡的發展，國外學者將信息生態理論的研究延伸到電子商務、電子政務和社交網絡等多個領域，積極探討信息各要素之間的相互作用，推動了信息生態理論的持續發展。

近些年信息生態理論被逐漸引入國內，在中國知網進行主題詞檢索發現，2008年以后國內學者對于信息生態理論的研究發展迅速，“信息生態位”“信息生態系統”“信息生態鏈”“網絡信息生態”等主題詞頻繁出現在管理學、社會學以及圖書館與情報學等學科期刊中。例如，曹海軍等人探究了信息生態學視角下的短視頻內容生成邏輯與優化路徑；[4]紀雪梅等人基于信息生態理論，從用戶、話題、平臺、環境4個維度，構建在線健康社區用戶情感交互意愿的影響因素模型；[5]魏飛菲以信息生態理論為基礎，確定了網絡信息生態環境的影響因素，并對我國的網絡信息生態環境進行了評價；[6]楊雨嬌等人則較為全面地回顧了信息生態理論在信息系統研究領域的應用，并展望了信息生態理論的未來應用領域。[7]

也有少數學者將信息生態理論應用于輿情研究。例如，張海濤等人將網絡輿情生態定義為在特定時間和空間內，網絡輿情參與主體、網絡輿情信息在輿情事件評判的過程中因為相互影響和相互作用而形成的一個巨大的網絡信息生態系統；[8]張柳等人從信息生態視角出發，運用層次分析和模糊綜合評價法構建微博輿情生態性評價指標。[9]這些研究在一定程度上拓寬了信息生態理論的應用領域，具有一定的研究價值和借鑒意義。但是這些研究在內容上均是基于信息生態理論的核心要素進行靜態的輿情生態評價，未能關注動態的輿情信息傳播與演化。

為此，本研究試圖從信息生態理論視角切入，結合信息生態的關鍵要素從用戶維度（信息參與人）、內容維度（信息客觀內容）兩個方面，分別采用社會網絡分析、LDA 主題模型對“高鐵掌摑”輿情事件的傳播與演化進行動態分析，以期通過研究能夠進一步拓展信息生態理論的應用領域與理論內涵，為國內網絡輿情的治理提供策略參考。

二、“高鐵掌摑事件”回顧

2023 年5 月2 日晚，王女士在網絡上發布視頻講述自己當晚乘坐C6276 次列車運行至眉山東至成都東區間時，被后座家長帶的孩子多次撞椅背，嘗試制止卻被孩子家長辱罵并掌摑的經歷；事發后，王女士撥打110 報警，當晚11點，王女士被傳喚至江油市一派出所做筆錄。在此次警方調解過程中，孩子家長為了息事寧人，也意識到自己的問題要求和解；王女士本人完全接受警方的行政處罰，但是堅決不接受和解。5 月10 日，成都鐵路公安處正式回應此事，并發布警情通報了事件的詳細過程，認定雙方構成“互毆”，依據雙方在事件沖突中的表現開出行政處罰決定書，被打王女士罰款200 元，出手打人的女子被行政處罰500 元。但王女士對警方的處理結果不滿意，認為自己的行為是正當防衛，并表示要提行政復議。

本研究選取“高鐵掌摑事件”為分析案例，一方面由于該事件屬于近期發生的網絡輿論事件，輿論熱度高和影響力指數高，傳播范圍廣，可分析文本豐富；另一方面也是考慮該事件在輿情上存在一定的反轉，復雜性高，典型性強，具備一定的研究價值。

本文的研究文本主要來自新浪微博。以2023 年5 月2 日至5 月14 日為時間區段，編寫Python 爬蟲程序，爬取此時間段內新浪微博有關“高鐵掌摑事件”相關的文本數據，共獲取文本數據205612 條。數據屬性包括：微博內容、網址、地域、發布日期、賬號名、賬號類型、情感屬性、轉載量、轉載賬號等。在數據預處理方面，首先使用正則表達式進行數據清洗，將評論文本中的@ 、轉發評論、空白信息、用戶名、表情符號等剔除，只提取其中的文字評論內容。然后，對文本數據進行分詞、剔除停用詞、標注詞性和語義角色標注等任務，去掉文本中無實際意義的詞匯，如語氣詞等停用詞。最后，共獲得有效文本數據176794 條。

三、基于用戶維度的輿情信源分析

（一）輿情走勢：持續14 天的輿情風暴

輿情走勢可以揭示公眾對特定議題的關注程度和討論熱度。根據“知微事見”的統計，“高鐵掌摑事件”的輿論影響力指數要高于97%的同類社會輿情事件。在事件持續期間，平均傳播速度為7 條/每小時，峰值傳播速度為454 條/每小時，整個輿情的持續時間為14 天。輿情的整體走勢如圖1 所示。起初，事件在5 月2 日爆出后未受到關注，直至5 月7 日，手機新浪官方微博以“高鐵上被掌摑女孩堅決不和解”“女子高鐵勸阻小孩踢椅背反被扇耳光”為話題報道該事件后，迎來第一個搜索高峰，傳播指數為370，當天約有346 個微博賬號發布364 條與該事件相關的信息；5 月8 日，被打王女士發聲“若哭一哭就能和解，那打人都不用承擔后果了”，該時段有頭條新聞、新浪視頻、半月談、《深圳晚報》等230 個微博賬號發布240 條相關信息；隨著輿情的發酵，5月9 日，司法部就“高鐵掌摑事件”發聲，該時段內共有69 個微博賬號發布73 條相關信息；5 月10 日，成都警方通報“高鐵掌摑事件”，認為雙方均違法，信息一經發出，便迅速登上微博熱搜，短短兩三個小時，新浪微博相關話題閱讀量就達到了近十億，該時段《每日經濟新聞》、《新聞晨報》、封面新聞等307 個微博賬號發布334 條相關信息，成為此次輿情事件的最高峰；5 月11 日，成都警方公布了事件車廂畫面，網友針對公布的車廂畫面是否經過剪輯、事件雙方是互毆還是正當防衛、東北大哥是否拉偏架等問題持續討論發酵；5月12 日為輿情事件的最后一個小搜索高峰，高鐵被掌摑女生回應還手的原因，東北大哥稱不想再管吵架事件，此后輿情事件熱度下降，輿情進入衰退期。

（二）網絡媒體成為輿情信息的主要擴散地

作為社會輿論的引導者和公共事件的推動者，網絡媒體在輿論的傳播中扮演著重要角色。[10]在媒體參與方面，用網媒平臺數據匹配知微重要媒體列表得到中央級媒體、財經類媒體、科技類媒體的參與情況，發現參與“高鐵掌摑事件”的媒體共有120 余家，主要包含中央級媒體、財經類媒體和科技類媒體。本文選取72 個主要參與媒體和5 個關鍵節點事件，構建了一個72*5 的數據矩陣，然后根據數據矩陣對主要媒體參與關鍵節點事件進行了社會網絡分析。分析發現，“女子曝高鐵上被熊孩子媽媽掌摑”“警方通報雙方均違法”和“高鐵被打女孩申請行政復議”“高鐵車廂畫面公布”這幾個關鍵事件的入度較高，說明這幾個節點事件的受關注程度高。而“被打女孩回應還手原因”這一關鍵事件的入度較低，說明媒體對于這一關鍵事件的報道和關注較少。

在出度方面，半島新聞、光明網、《南方周末》、中國普法微信公眾號、中國新聞網等媒體的出度較高，說明這幾個媒體對于整個輿情事件的關注度高，與此事件相關的報道數量較多，成為消息擴散的主要來源地。

整體上看，網絡媒體是輿情信息的主要發布渠道，通過新聞網站、社交媒體、微博等平臺，網絡媒體可以實時發布輿情相關的新聞、評論、報道和分析，特別是通過社交媒體的轉發、分享和評論功能，輿情信息可以在短時間內迅速擴散，并引起廣泛關注，公眾可以在網絡媒體上表達自己對輿情事件的看法和態度，形成輿論場域。

（三）意見領袖推動輿情的傳播與演化

除各大媒體外，網絡輿論的具體形成過程中，意見領袖也起著重要的中介、節點作用，意見領袖在信息的發布、信息的傳播擴散、引發討論、形成主流強勢意見以及對媒體的解讀與反解讀之中起著重要的作用。

在“高鐵掌摑事件”中，網絡意見領袖的頻頻發聲也推動著事件的發展與演變。

通過數據抓取發現，參與此事件的粉絲超千萬的意見領袖有8 個，微博賬號分別為“吃瓜群眾CJ”“青青蟲的微博”“文科班校花醬”“劉春”“鞍鋼郭明義”“胡錫進”“天空菌”“法職_龐九林律師”，其中“法職_龐九林律師”在此事件中共發聲8 次，此外，粉絲超過百萬的意見領袖有80 余個。粉絲在10 萬至100 萬之間的微博意見領袖有200 多個。類似“法職_龐九林律師”等意見領袖作為輿情事件的關鍵參與者，在網絡上通過自媒體、社交媒體等平臺傳播信息和觀點，營造輿論氛圍，帶動輿情的發展方向，對輿情事件的傳播和發展起到推波助瀾的作用，在一定程度上推動了“高鐵掌摑事件”輿情的傳播與演化。

四、基于內容維度的輿情主題分析

（一）高頻關鍵詞揭示輿情焦點

為充分顯示輿情內容，本研究采用TF-IDF 方法對“高鐵掌摑事件”的熱門微博內容及評論內容提取關鍵詞，剔除關聯詞、副詞、連詞等無實際意義的詞語之后，按照詞頻降序排列選出詞頻大于200 的關鍵詞，如表1 所示。

高頻關鍵詞通常反映了輿情事件中受到廣泛關注和討論的核心內容和焦點問題，通過分析高頻關鍵詞可以把握輿情事件的熱點話題和關注重點。在“高鐵掌摑事件”中頻繁出現的“高鐵”“互毆”“孩子”“正當防衛”“違法”“處罰”“動手”“毆打”等高頻詞匯體現了公眾對此事件的核心關切問題，也正是這些扎眼的詞匯使得輿情不斷發酵。通過分析高頻關鍵詞，輿情管理者可以及時了解輿情事件中受到關注的核心議題，有針對性地進行輿情引導和危機公關，制定有效的輿情回應策略，可見通過提取輿情內容的熱點詞匯，對于回應公眾關切問題、加強輿論引導和穩定輿情具有一定的實際意義。

（二）多樣化主題反應輿情演變的復雜性

本文利用開源的Python 工具包Gensim 對語料進行主題模型推理，通過多次實驗和參數分析發現，設置主題個數K為4 時可獲取最優主題分布；對于超參數α設置為1/4，β設置為0.01，進而挖掘出“高鐵掌摑事件”的4 個文本主題，見表2。

將上述4 個主題模型輸入LDA 隱含主題模型進行分析后發現，4 個主題相互之間呈現出較高的離散程度，說明模型的擬合效果較好。其中，4 個主題分別覆蓋的文本信息為18.0%、42.1%、29.4%，10.5%。綜合來看，在“高鐵掌摑事件”的整個輿情生命周期中，公眾對于輿情事件的關注熱點具有動態性和階段性的特點。結合關鍵詞詞頻和主題提煉，可將此事件的輿情發展劃分成三個階段：

第一個階段，在輿情產生期，事件剛爆發，警方還未對事件詳情做出回應，此時公眾獲取的信息主要來自被打女孩在網絡上的陳述，公眾的關注點聚焦于女孩是否被體制內的楊女士夫婦欺壓，而受到不公正對待。這一階段的主要關鍵詞匯為“掌摑”“毆打”“拒絕和解”等，提煉出的主題則為“Topic1：體制內夫婦毆打女孩”。此階段，眾網友并不了解事件的詳細經過，選擇相信女孩的說辭。

第二個階段，在輿情傳播發展期，警方通過回應事件細節介入，此時的輿論開始圍繞事件要素細節展開，如事件雙方相互動手的前因后果及各種細節等。與此同時，在討論事件細節的過程中，警方的回應行為和回應內容成為新的輿情焦點，例如，不少網民對警方的調查結果存在疑問，如何界定互毆與正當防衛？公布的車廂內視頻畫面是否經過剪輯？“互毆”“正當防衛”“視頻”“剪輯”等關鍵詞開始頻繁出現，推動輿情的發酵。此時，“Topic2：互毆與正當防衛之間的界限”成為這一階段的關鍵主題。此階段，眾多網絡意見領袖參與到事件中，多種輿情意見集中表達，也在一定程度造成了謠言蔓延，進一步加劇了輿情擴展。

第三個階段，在輿情消退期，警方已經就事件進行了詳細的回應，并且對公眾的關切問題進行了重點說明，此時的話題內容聚焦事件的整個過程，并從多個角度對事件進行反思。其中，熊孩子的教育問題成為一個關注點較高的話題。例如有網友留言“一般而言，每一個熊孩子背后，都站著低素質的父母”。也有不少網友結合當下的三孩政策探討女性的生育問題。還有部分網友關心的是在頻繁出現擾亂列車秩序的治安問題下，如何保障列車和乘客的安全。整體上看，“Topic3：熊孩子背后的家庭教育問題”和“Topic4：高鐵乘客安全保障問題”成為這一階段的重要主題。

五、探索科學有效的輿情引導策略

本文分別從用戶維度和內容維度分析了“高鐵掌摑事件”的傳播過程與演化特點。結合理論研究與實證研究，主要發現如下：

一方面，通過信源分析發現，社交媒體已經成為網絡輿情傳播的主場，其低成本的發聲門檻大大提升了網民的輿情參與效率。在“高鐵掌摑事件”中，參與相關報道的媒體多達120 家，包括央視新聞、新華網、人民網等官方媒體，進一步加劇了公眾對于熱點事件的討論。其中，一些自媒體在未核實事實之前，便跟風轉載報道發出評論，加劇了輿情的發酵和治理難度。而在事件澄清后，媒體的權威和公信力遭到了一定程度的削減。此外，網絡輿論的具體形成過程中，意見領袖起著重要的中介、節點作用。意見領袖在信息的發布、信息的傳播擴散、引發討論、形成主流強勢意見以及對媒體的解讀與反解讀之中起著重要的作用。在“高鐵掌摑事件”中，最具代表性的意見領袖是“法職_龐九林律師”和“羅翔”，這些意見領袖在輿情事件的傳播過程中扮演了中介角色，起到了不容忽視的作用。

另一方面，通過主題分析發現，一個輿情事件產生的輿情討論主題是多樣的。“高鐵掌摑事件”中，根據輿情的發展階段，可提煉出四個主題，不同用戶參與輿情討論的主題也存在差異。此外，官方回應極容易導致次生輿情，成為進一步加劇輿情的“催化劑”。“高鐵掌摑事件”中，雖然警方已經就事件的詳細情況進行了通報說明，并公布了車廂內視頻，但不少網友質疑警方通過剪輯視頻，隱瞞真相，袒護一方。負面次生輿情容易削弱公眾對主流媒體的認同，造成偏激的網絡心態，導致負能量宣泄。有些次生輿情的發展會偏離事實真相，導致輿情進一步發酵，從而滋生各類網絡亂象、網絡謠言等，并導致大量網絡消極情緒的產生，進而模糊輿情事件焦點，損害社會公共權益。

通過上述對“高鐵掌摑事件”輿情傳播與演化的分析，本研究認為實現科學有效的輿情引導和輿情回應，可以從以下幾個方面進行完善和強化：

一是媒體應積極履行責任，發揮傳遞社會主流價值觀和鞏固主流思想輿論的作用。首先，在輿情治理中，網絡媒體應搭建好政府與公眾溝通的橋梁，尊重事實，理性發聲，引導公眾理性客觀的參與輿情事件，協助政府緩解公眾情緒和輿情引導。其次，意見領袖應進一步提升媒介素養，在對輿情信息進行二次傳播的時候，切勿宣傳錯誤的價值觀念，造成社會價值觀的混亂，阻礙輿情治理，應充分發揮意見領袖的正向引導作用，對全社會給予正確的輿論導向，在探尋真相的同時促進建設更為和諧理性的網絡輿論環境。

二是政府應把握輿情演變規律，進一步完善網絡輿情的收集、研判和回應機制。首先，在初次輿情回應時重視“首因效應”。在輿情初始階段，政府所塑造的“第一印象效應”，將對輿情參與者的態度和立場產生重大影響，且后續信息的調節作用將受到“首因效應”的影響。[11]因此，政府首次回應時應在表明對事件基本立場的同時，展現出真誠的應對態度或提供多方位有效素材，以此把握事件應對的輿論主動權。其次，把握輿情節點，積極回應公眾關切，避免信息失衡。公眾對輿情信息的不對稱極易造成認知壁壘，致使輿情不斷發酵，對此，政府應積極主動介入輿情，及時公布輿情事件的調查結果，抓住回應重點，對于公眾的關切問題給予詳細說明，避免出現貽誤時機造成政府回應不及時、不誠懇等頑疾。最后，政府還應重視網絡謠言的破解，建立網絡辟謠機制，做好網民情緒的引導。網絡社交媒體的發展為網絡謠言的傳播提供了方便。一些媒體和意見領袖出于不良目的，制造網絡謠言并雇傭網絡水軍進行推波助瀾，加劇公眾的負面情緒，加劇了輿情的不良影響。對此，政府應不斷改善輿情處理的策略，加強網絡謠言管控，利用政府網站、公眾號、權威媒體等方式發布新聞澄清謠言，正面回應質疑，在最短的時間內終止謠言的蔓延，樹立政務部門良好的形象。

三是要防止次生政務輿情的發生。在一些重大突發輿情事件中，官方的一些不當舉止極容易成為新的輿論關注點，從而引發次生政務輿情。政務輿情與普通網絡輿情相比有其特殊性，主要體現在，公眾對于政務輿情的敏感度更高，更容易激發公眾的負面情緒，而負面情緒的積聚可能引發比普通輿情更嚴重的公共危機事件，致使政府輿情控制乏力，嚴重損害政府的形象及公眾對政府的公信力。因此，對于次生政務輿情，政府要做到早發現、早處置，建立多層次輿情監測機制，及時全面的公布輿情最新調查情況，抑制次生輿情的進一步發酵。

【本文系教育部人文社會科學青年基金項目“平臺權力擴張背景下算法推薦對網絡輿情的影響及治理策略研究”（項目編號：22YJCZH241），北京市教委社科一般項目“后疫情時代首都大學生新媒體參與與政治信任研究”（項目編號：SM202211232004）的階段性成果】

注釋：

①事件輿情影響力指數是基于全網的自媒體和網絡媒體數據，用來刻畫單一事件在互聯網上的傳播效果的權威指標。具體計算方式是根據事件在自媒體（以微博、微信為主）和網絡媒體上的傳播效果進行加和，加和后的事件影響力再通過歸一化運算得到范圍在0 -100 之間的事件影響力指數。微博渠道影響力計算由微博賬號粉絲數、微博賬號H 因子（H-index）兩個指標決定。

參考文獻：

[1]張佳慧. 中國政府網絡輿情治理政策研究：態勢與走向[J]. 情報雜志，2015（05）：123-127.

[2]Giraldeau L A.The ecology of information use[J].Behavioural ecology：an evolutionary approach，1997，4：42-68.

[3] Horton F W.Information Ecology[J].Journal of Systems Management，1978，29：32-36.

[4]曹海軍，侯甜甜. 信息生態視角下政務短視頻的內生邏輯與優化路徑[J]. 情報雜志，2021（02）：189-194.

[5]紀雪梅，李長榮. 信息生態視角下在線健康社區用戶情感交互意愿的影響因素研究[J]. 現代情報，2022（01）：97-107.

[6]魏飛菲. 網絡信息生態環境評價理論方法與優化對策研究[J]. 情報科學，2021（10）：146-151.

[7]楊雨嬌，袁勤儉. 信息生態理論其在信息系統研究領域的應用及展望[J]. 現代情報，2022，42（05）：140-148.

[8]張海濤，魏明珠，劉偉利. 信息生態視角下網絡輿情生態及文化引領機制研究[J]. 情報科學，2021（06）：3-9.

[9]張柳，王晰巍，李玥琪，黃博. 信息生態視角下微博輿情生態性評價指標及實證研究[J]. 情報理論與實踐，2022（03）：35-41.

[10]金玉萍，劉建狀. 新型主流媒體輿論引導力提升的理念革新——網絡生態系統視域下[J]. 中國編輯，2021（12）：27-32.

[11]文宏. 網絡群體性事件中輿情導向與政府回應的邏輯互動——基于“雪鄉”事件大數據的情感分析[J]. 政治學研究，2019（01）：77-90.

作者簡介：張麗，北京信息科技大學講師，博士；王琪，北京信息科技大學講師，博士

編輯：白潔