突發公共衛生事件下網絡情緒為何極化？

摘 要：應對重大突發公共衛生事件不僅要加強疫情防控，更要穩定公眾情緒，尤其要防范網絡情緒極化誘發的次生災害。選取“知微事見”網絡平臺的30個典型案例，基于事件屬性、傳播屬性和政府回應三個分析維度，運用清晰集定性比較分析方法探求網絡情緒極化的發生條件及組合情況。研究發現，“非正式傳播渠道”“媒體報道的傾向性”是導致網絡情緒極化的必要條件，“意見領袖參與”是網絡情緒極化的充分條件，“政府回應質量”是網絡情緒極化的關鍵；網絡情緒演化存在“指向公權力-隱瞞思維”、“指向公眾-媒介主導”和“指向公眾-回應不力”三種極化邏輯與模式；突發公共衛生事件背景下，網絡事件屬性發揮基礎作用，其傳播屬性較于前者的作用更大，政府回應方式與事件的傳播屬性相結合影響回應的效果，從而影響網絡情緒的演進方向。

關鍵詞：突發公共衛生事件；網絡情緒；極化；定性比較分析

中圖分類號：C912-63 文獻標識碼：A 文章編號：1001-4225（2024）07-0042-11

收稿日期：2023-12-25

作者簡介：侯光輝，男，漢族，河南溫縣人，法學博士，汕頭大學法學院教授，廣東省新型特色智庫“公共安全與特區治理研究中心”主任。

傅百良，男，漢族，江西贛州人，汕頭大學法學院碩士研究生。

唐 也，女，漢族，湖南株洲人，管理學碩士。

基金項目：廣東省社科規劃項目重大理論專項“粵港澳大灣區網絡意識形態風險識別、評估與治理研究”（GD22ZDZMK01）；廣東省自然科學基金面上項目“基于‘主題—情感分析’的突發公共事件網絡輿情風險評估預警與應對研究”（2021A1515012642）；湖南省哲學社會科學基金基地項目“重大突發公共衛生事件與網絡輿情交互影響機理研究”（21JD019）

一、問題提出與文獻回顧

2019年年末新型冠狀病毒疫情（COVID-19新冠病毒感染疫情）爆發，構成新中國成立以來傳播速度最快、感染范圍最廣、防控難度最大的重大突發公共衛生事件。重大公共衛生事件的防控應對不僅是一場阻擊戰，也是一場輿情戰。加強輿情引導與治理，為公共衛生事件防控與恢復生產生活秩序創造良好的社會和政治氛圍，也是應急管理與社會治理的重要工作內容。

法國社會心理學家古斯塔夫·勒龐認為，即使是有教養的個體在群體中也會變成野蠻人[1]。網絡話語加持下，群體非理性心理更加顯著。與常態治理環境相比，新冠病毒感染疫情期間，群眾普遍存在擔憂情緒，較高比例的人存在恐懼、憤怒、悲傷和恐慌情緒[2]。疫情爆發使得網絡輿情場域呈現以下特點：其一，更新迭代的新冠肺炎病毒、強有力的防控措施等使人們通過網絡進行情感宣泄；其二，“后真相時代”下，大量“在場”公眾通過網絡發聲，引起疫情信息的碎片化和“失真化”[3]；其三，網絡情緒的引爆點低，在焦點事件誘發下快速發展成為輿論的“臺風眼”，甚至導致網絡群體的情緒極化。網絡情緒的極化是公共危機發生的力量源[4]，如果得不到有效疏導，會成為群體分化和社會動蕩的催化劑，導致公共衛生危機以外的“次生輿情危機”。對網絡情緒極化機理的澄清，有助于廓清網絡輿情演化過程，明確網絡輿情的應對策略，增強輿情引導與治理的效度。

當前對于突發公共衛生事件下網絡情緒的研究主要集中在以下幾個方面：（1）網絡社會情緒的呈現。這類研究多采取定量的方法，對不同平臺的語料文本進行情感分析，通過建模的方式生成新冠病毒感染疫情期間網絡情緒的基本狀況和發展態勢。如劉忠寶[5]等通過定量建模的方式以疫情期間的微博及其評論為對象建立網民情緒畫像，研究發現不同主題中，網民負面情緒分布差異較大；劉瓊[6]等對bilibili網站中新冠肺炎議題相關視頻的彈幕進行情感分析，并得出疫情引起負面情緒指向一定時期的防疫不力的情形。（2）網絡情緒的影響因素。該研究主要運用定性的方法，通過多個案例提取相關變量進行探索性研究。如許云斐[7]運用扎根理論的方法提取事件特性、宏觀環境、網絡媒體特征等7個因素進行理論構建；朱代瓊、王國華[8]等在定性比較分析的基礎上得出利益訴求、事件類型、規則失守、安全危機、利益抗爭主要影響著網民社會情緒的變化。（3）網絡輿情與政府回應。該類研究側重于分析網絡輿情與政府行為之間的關系。唐雪梅[9]等發現政府輿情回應的策略會影響公眾的情緒，進而影響政府形象的修復；劉紅波[10]則發現輿情對政府話語權有重要影響。

總的來說，對于重大突發公共衛生事件下網絡情緒的研究呈現以下特點：（1）定量居多，定性與定量結合較少；（2）對單個影響因素分析的居多，對網絡情緒演化的整體生成機制與演化路徑的分析較少；（3）以政府為主體的分析居多，社會、媒體與政府三者之間的互動關系分析較少。鑒此，本文采用定量與定性相結合的定性比較分析法，通過綜合分析不同輿論主體之間的復雜互動過程，討論新媒體時代下網絡情緒極化生成的內在機制，重點關注如下問題：重大突發公共衛生事件背景下網絡情緒極化事件有哪些共性特征？哪些因素與路徑導致了網民群體的情緒極化？如何做好網絡情緒極化的“事前”預防和“事中”應急處置？

二、清晰集定性比較分析方法的

選擇與應用

網絡輿情是諸多因素互相影響從而形成的一組彼此關聯、要素疊加的社會有機現象。輿情極化是多因素并發組合的結果，傳統的定量分析方法雖然可以解釋現象發生的線性因果關系以及不同變量的顯著程度，但難以闡明其觸發網絡情緒極化的不同組合或作用路徑[11]。定性比較分析（Qualitative comparative analysis， QCA）是一種定性與定量相結合的研究方法，它是基于研究案例的特征，并結合布爾代數和集合論，更趨向于關注因果關系的多樣性。作為一種面向案例的技術，QCA將每個案例都視為一系列屬性構成的復雜組合，通過對這些組合的對比分析，找到不同條件或條件組合對案例的解釋程度[12]，用邏輯余項及布爾最小化得出最精簡的解釋。QCA的類型有四種：清晰集、模糊集、多值集與時序性。現有研究使用較多的是清晰集與模糊集兩種，這兩者之間的區別在于清晰集只有是或否兩個選項，即非黑即白、非0即1，模糊集可以根據案例情況取0-1之間的任意數值。雖然模糊集可以考慮到條件變量的多種情況，但是也由于這一特點導致數值的選取相比清晰集存在較大的主觀性。因此，結合具體案例，采用清晰集定性比較分析的方法，盡可能客觀地找出影響疫情期間網絡情緒極化的組合條件。

（一）選取典型案例

QCA對樣本規模要求不高，主要運用于二分變量組成的中小規模樣本的研究[13]。本研究通過主題抽樣的方式選取自2020年初至2022年初共2年以來，“知微事見”平臺上30個熱點事件，該平臺已被蔡雯[14]、張志安[15]等學者廣泛使用，因此具有較高的可信度。案例選擇將遵循以下規則：（1）所選案例具有較大的影響力和代表性，在該平臺上事件影響力指數①不低于60分；（2）案例具有足夠的相似性和可比性；（3）在達到可比性的基礎上盡可能多樣且異質；（4）案例具有全面的支撐材料，案例的相關信息具有可達性。本研究整理了疫情發生以來共127個熱點事件，經過三角鑒定法反復對比分析，并整理出案例相關的文本資料，最終形成30個網絡輿論事件作為本研究的案例庫，如表1所示。

（二）分析框架與變量設定

李良榮等從“事件屬性”和“傳播屬性”兩個維度對網絡群體性事件的爆發機理進行分析[16]。“事件屬性”指事件本身的構成要素，包括事件類型、事件發展、發生頻率等；“傳播屬性”指該事件在網絡傳播過程中的渠道、參與主體、傳播方式等。作為輿情治理的主體，政府的回應方式在網絡情緒極化過程中起到重要作用。因此，本研究從事件屬性、傳播屬性、政府回應三個維度提取7個條件變量和1個結果變量構建分析框架，如圖1所示。

1. 從事件屬性維度分析網絡情緒極化的內在條件

“有限注意力”視角下的議題屬性與疊加效應。有限注意力理論認為，人不是絕對理性而是有限理性的，無法獲得全部的信息來選擇最佳的方案，相反，只能獲得有限的信息進行滿意的選擇。由于人的注意力有限，在網絡話語下，議題屬性的不同影響人們的注意力分布和態度的變化，社會議題持續存在與發酵[17]，成為網絡情緒極化的基礎并影響公共危機的防控。本文聚焦事件類型與疊加效應兩個層面衡量事件屬性。首先，事件的指向是網絡情緒極化的基礎，已有研究表明與指向公眾的事件相比，指向公權力的事件更容易爆發網絡群體性事件。在本文所選案例中，如果事件指向的是公權力則賦值為1，指向公眾則賦值為0；其次，單起焦點事件與其他類似事件的融合、疊加會強化聚焦能力，尤其當網絡媒體對同類型的焦點事件反復爆料時，會產生刺激疊加[4]，影響網絡社會情緒。因此，如果在疫情爆發后同類事件發生兩次及以上則賦值為1，首次發生則賦值為0。

2. 從傳播屬性維度分析網絡情緒極化的外在作用

從“議程設置”視角看，網絡事件的傳播渠道、報道的傾向性與網絡意見領袖的作用，是影響網絡輿情發展的重要因素。“議程設置理論”是傳播學理論中的經典，李普曼曾言：“新聞媒介影響我們頭腦中的圖像”[18]。麥庫姆斯和肖指出媒介議程影響公眾議程[19]，即對當前問題的討論會從媒介流向公眾，這是公共輿論形成的關鍵一步，也是影響公民情緒的重要原因。在媒介議程流向公眾議程過程中，注意力發揮中介作用。通過議題屬性的設置、意見領袖的參與以及新聞傳播渠道的設置可以影響人們的注意力，成為影響網絡情緒的重要力量。首先，意見領袖的參與及其觀點的表達可以激發公眾的情緒，捕捉公眾的注意力且擴大公眾轉發相關新聞報道的意愿，在本研究中，若事件發生后有意見領袖的發聲則賦值為1，反之則賦值為0；其次，新聞在報道一個話題時的主導角度會影響該話題在公眾中的受關注度，媒體情緒和群體情緒呈現同頻共振的現狀。“帶有傾向性”的報道比“客觀中立”的內容更易引起網絡群體的關注，媒體偏見成為導致輿論極化的重要原因[20]，因此在案例中若媒體對相關事件的報道具有明顯的傾向性則賦值為1，若媒體報道中立且基于客觀事實則賦值為0；再次，傳播過程中傳播媒介的不同會影響事件的傳播機制，本文將新聞傳播渠道根據其權威性的特征分為正式傳播渠道和非正式傳播渠道。相較于正式傳播渠道而言，非正式傳播渠道更加利于謠言、小道消息等非事實消息的傳播。因此，在案例中若相關新聞主要通過民營機構媒體或自媒體傳播則賦值為1，若主要通過《人民日報》《新華社》《央視新聞》《人民網》等央媒傳播則賦值為0。

3. 事件屬性的延伸：“危機溝通”視角下的政府回應方式

在突發危機事件中，政府的信息溝通與回應方式發揮關鍵作用。政府輿情回應的策略會影響公眾的情緒，進而影響政府形象的修復[9]。危機信息溝通即指在突發公共危機下，政府采用各種方法發布危機事件相關信息與民眾進行信息互動，實現政府和公眾對危機信息的共享，促進危機事件的解決[21]，從而抑制民眾的負面情緒、實現社會穩定。危機溝通理論強調突發危機事件中政府危機信息發布的“三T”原則，即主動性（tell you own tale）、全面性（tell it all）和及時性（tell it fast）[22]，高主動性和高透明的政府回應，能夠明顯降低普通群眾的負面情緒感受[4]。政府只有主動、全面且及時地做到信息公開來回應民眾獲取信息、了解事件、解決問題的需求，才能維護社會穩定，避免網絡情緒的極化。因此，在案例中，若政府在事件發生后的24小時內未給予回應則賦值為1，反之則賦值為0；若政府信息公開時存在隱瞞行為、信息公開不全面則賦值為1，反之則賦值為0。

4. 結果變量：網絡情緒是否極化

以是否造成網絡情緒極化作為解釋結果進行編碼，是則編碼為1，否則編碼為0。判定網絡情緒是否極化主要有兩個標準，一是網民在互聯網上的表達是否有明顯的兩極分化；二是相關事件的網絡評價與網民的態度表達是否出現嚴重的情緒激化。借鑒申金霞等[23]對于網絡群體極化的判斷依據：第一，明顯激烈話語所占百分比測量情緒是否激化并升溫。情緒激化百分比=態度強烈言論量/總言論量×100%。第二，用相反意見差的占比來測量異質化程度。以上變量的賦值如表2所示。

三、結果分析

（一）必要條件監測

在案例篩選和變量賦值之后，通過fs/QCA3.0軟件構建真值表并對每個條件因素與被解釋結果的一致性做出檢測，即必要條件監測。

QCA認定，當一致性大于0.9時，該條件成為事件發生的必要條件，而當一致性大于0.8時，該條件則是事件發生的充分條件[24]。如表3所示，傳播渠道和媒體報道傾向性的一致性超過0.9，表明這兩者是網絡情緒極化的必要條件，而意見領袖這一變量的一致性超過0.8，說明意見領袖的參與是網絡情緒極化的充分條件，其余條件的一致性均未超過0.8。這表明：網絡情緒極化需要多元因素的共同作用，事件屬性、傳播屬性和政府回應三個維度中的眾多因素必須通過一定形式的組合才會導致網絡情緒的極化。另外，政府回應的主動性和及時性以及透明度的一致性雖然低于0.8，但是這兩個變量的覆蓋率均在0.85左右，說明這兩個條件在所有路徑中覆蓋了約85%的案例。定性比較分析并非追求單個變量的作用，還需要對前因條件的不同組合進行分析，考察觸發網絡情緒極化的多重組合路徑。

（二）充分條件的路徑組合

本文的分析結果采用復雜解（Complex Solution）從而排除與事實矛盾的路徑組合。如表4所示，各個路徑的一致性和整體解的一致性（Solution Consistency）均為1，說明每條路徑都是觸發網絡情緒極化的充分條件。在覆蓋率方面，復雜解的總體覆蓋率（Solution Coverage）為0.764706，說明約有76%的案例能被條件因素的組合路徑所解釋。

（三）模型歸納與因果分析

在6條組合路徑中，P3的唯一覆蓋率最高，達到了約0.35，說明這條路徑對網絡情緒極化的因果機制具有非常強的解釋力。另外P1的凈覆蓋率也達到了0.117647，且與剩下四條路徑的凈覆蓋率之和約為0.35，表明有約70%的案例能夠且僅能被這6條路徑所解釋。依據案例之間的相似性、條件產生的相似性，提煉其中的組合因素，對造成網絡情緒極化的6條路徑歸納為三種模式（如表5）：“指向公眾-媒介主導”模式（M1）、“指向公權力-回應不力”模式（M2）、“指向公眾-回應不力”模式（M3）。從導致網絡情緒極化的模型來看，是從案例的事件屬性出發，以媒介和政府的行動為組合條件，從而形成網絡情緒極化的結果。模型中的相同條件成為“基礎條件”，差異性條件則豐富了模型的框架，增加了模型的韌性和解釋力[25]。

1. “指向公眾-媒介主導”模式（M1）

模型1包含了路徑1和路徑6，基本的表達式經過布爾簡化后為：模型1=指向公眾*～正式傳播渠道*有意見領袖*媒體偏見*政府回應不及時*隱瞞思維+指向公眾*～疊加效應*～正式渠道*意見領袖*媒體偏見*及時主動回應*回應透明=指向公眾*～正式渠道*有意見領袖*媒體偏見（政府回應不及時*隱瞞思維＋*～疊加效應*及時主動回應*回應透明）

模型1的基礎條件組合為事件指向公眾、非正式渠道、意見領袖和媒體偏見，根據條件發生的特征和屬性，將該模式命名為“指向公眾-媒介主導”模式，該模式覆蓋了約18%的案例。疫情背景下，公眾的風險感知、被剝奪感以及對安全的需求因為新冠病毒感染疫情的猛烈來襲而被催化，并引發公眾的焦慮、不公、憤怒等情緒感知，又因在新媒體時代，復雜的公眾情緒借助媒介的力量得到傳播和放大。在媒介傳播過程中，信息通過非官媒平臺進行互動，意見領袖成為信息傳輸的連接點，通過觀點的輸出對整個事件進行意義的建構和屬性的界定，媒體傾向性的報道增強了對網民的社會情緒的塑形力量，導致群體心理的產生和情緒的極化。見圖2。

該模式的關鍵是指向公眾的事件發生后引起網民的共鳴，通過媒介的進一步渲染后加深網民的情緒，催化網絡情緒的極化。2020年2月6日晚，作為疫情初期備受關注的李文亮醫生，其去世的消息起初通過多家媒體在微博、微信等平臺傳播，雖然沒有得到官方認證，但該詞條已經掛在微博的首位，備受廣大網民的關注，直到7日凌晨，經官媒證實，李文亮醫生已經去世。當天晚上，參與該事件報道的官方媒體高達137家，微信和微博等自媒體更是多達270余家，一眾明星等意見領袖紛紛站出來表達哀悼。而在李文亮最后一條確診的微博上評論量達到了100萬以上，在該條微博下，網民抒發了難過、不舍甚至憤怒的負面情緒。

2. “指向公權力-隱瞞思維”模式（M2）

模型2（M2）包含了路徑3和路徑5，其表達式為：模型2＝指向公權力*疊加效應*～正式渠道*意見領袖*媒體偏見*隱瞞思維+指向公權力*～疊加效應*～意見領袖*媒體偏見*政府回應不及時*隱瞞思維＝指向公權力*媒體偏見*隱瞞思維（疊加效應*～正式渠道*意見領袖+～疊加效應*～意見領袖*政府回應不及時）

模型2的基礎組合條件為指向公權力、媒體偏見和隱瞞思維，本研究將其命名為“指向公權力-隱瞞思維”模式。該模式覆蓋了約40%的案例，可見指向公權力的事件在疫情期間更容易導致網絡情緒的極化。當指向公權力的事件在網絡空間傳播開來，它可能成為輿論“觸點”，會有很多網民站出來“借題發揮”，書寫帶有導向性的事件的“內幕”和“真相”，借某個具體事件的外殼，表達民粹化的思想觀念，將事件最終導向仇官、仇政策、仇體制的話語表達[26]。這些帶有偏見的話語表達以自媒體等非正式途徑為載體，在普通網友之間形成擴散式傳播。若這時政府在面對輿情的時候，應對能力不足、回應過慢且存在隱瞞思維，會進一步激化網民情緒并使其借機泄憤、鬧大，導致網絡輿論走進“怨恨批判”陷阱與死胡同。在本次疫情中，公眾更在乎的是事件的真相有沒有被完整且真實的表達，若政府在回應中存在隱瞞思維，對相關事件不能提供及時的、充足的、需要的信息解釋，這會增加人們在疫情下的焦慮與憤怒的情緒，以及對政府懷疑和不信任的態度，結果往往是導致了“碎片化”“失真化”信息的傳播，加劇了網絡情緒的極端化。指向公權力的案例包含了政府防疫能力不足（案例2、29、30）、規則失守（案例16）、行為失范（案例5、25）。見圖3。

2022年1月4日，有網友發文稱一孕婦在1日晚上8點多由于核酸問題無法入院，在門口等待兩小時大出血并造成懷胎8個月的嬰兒流產，相關視頻在網絡上傳播，觸目驚心。這條新聞引發了巨大的輿論海嘯，網友紛紛憤怒地指責涉事醫院的機械化管理，希望有關方面“一定要嚴肅處理！”。直到1月6日，當地衛健委就孕婦流產責任事故道歉，并對相關責任人進行處罰。但這一回應結果并沒有獲得網民的認可，網民質疑相關通告沒有描述清楚事實的經過、板子打向一線人員、沒有進行深度的追責，存在隱瞞思維的政府回應不僅沒有使輿論降溫使網民情緒穩定，反而使網絡情緒達到高潮并產生極化。

3. “指向公眾-回應不力”模式（M3）

模型3（M3）包含了路徑2和路徑4，其表達式為：模型3＝指向公眾*疊加效應*意見領袖*媒體偏見*政府回應不及時*隱瞞思維+指向公眾*～疊加效應*～正式渠道*～意見領袖*～媒體偏見*政府回應不及時*隱瞞思維＝指向公眾*政府回應不及時*隱瞞思維（疊加效應*意見領袖*媒體偏見+～疊加效應*～正式渠道*～意見領袖*～媒體偏見）

模型3的基礎組合條件為指向公眾、政府回應不及時、隱瞞思維，本研究將其命名為“指向公眾-回應不力”模式，該模式覆蓋了約12%的案例，該類指向公眾的事件主要由性別議題以及個人利益與公共利益之間的沖突兩類事件構成。一方面，兩性議題和公私沖突呈現觀點兩極對立；另一方面，政府回應呈現“喪事喜報”的邏輯以及回應的不及時和隱瞞思維引發公眾不滿、厭惡的情緒。見圖4。

在“甘肅援鄂護士出征前集體剃發引爭議”中，有網友指出女性醫護人員集體剃光頭是形式主義、嘩眾取寵，并有女性網友質疑為什么沒有男性醫護人員剃光頭？在質疑聲中，央視新聞、人民日報仍然轉發了關于歌頌女性醫護人員集體剃光頭的新聞與視頻，沒有正面回應部分網友的質疑，導致網絡輿論形成了兩極分化。一部分公眾認為剃光頭是正常現象，更加體現了醫護人員的奉獻精神，另一部分網友則指出沒有必要歌頌損害女性利益的新聞。

四、結論與討論

（一）結論

本文通過“知微事見”平臺選取30個網絡熱點事件進行清晰集定性比較分析，揭示出網絡情緒極化事件的多重組合原因。研究發現：（1）從單個變量來看，“非正式傳播渠道”“媒體報道的傾向性”是導致網絡情緒極化的必要條件，分別約占極化案例的67%、76%；民辦媒體與自媒體廣泛傳播，具有明顯傾向性的報道更容易誘發網絡情緒極化。“意見領袖的參與”是網絡情緒極化的充分條件，約占所有極化案例的83%。“政府回應的及時性與主動性”和“政府回應的透明度”雖不構成必要或充分條件，但在所有極化案例中約占85%；這表明，不能及時回應、回應效果不良的政府應對，是輿情情緒極化的重要因素。（2）從路徑組合來看，“指向公權力-隱瞞思維”模式、“指向公眾-媒介主導”模式和“指向公眾-回應不力”模式是導致公共衛生事件背景下網絡情緒極化的三種重要邏輯模式；輿情事件越涉及政府公權力，越在非正式媒體渠道廣泛傳播，越存在被動無效的政府回饋，越由意見領袖推波助瀾，網絡情緒越易極化爆發。（3）從不同屬性來看，突發公共衛生事件作用下，焦點事件屬性發揮基礎作用，其傳播屬性相較于事件屬性而言發揮重要推動作用，政府回應方式與事件的傳播屬性相結合影響回應的效果，是推動網絡情緒演進的關鍵動力。

（二）討論

網絡情緒是網絡輿情事件產生的溫床，網絡情緒極化是導致線上輿情演化成線下危機事件的助推劑。區別于從網絡技術和社會心理角度解釋網絡情緒極化的說法，新冠病毒感染疫情期間的網絡情緒極化的成因有其特殊性，是多種因素沖突、多元主體互動的結果。這使得疫情背景下以往被民眾忽略的“小事件”反而會導致公眾情緒的極端化，而有些事件原本可能引起民眾激烈的“大事件”卻被擱置。

網絡情緒與社會現實存在同構關系。從社會問題出發，焦點事件的發生使網絡情緒遵循“刺激—反應”的邏輯，刺激的來源基于焦點事件的不同屬性。從網民自身角度看，對風險的感知、對安全的需求以及被剝奪感是刺激輿情情緒的重要因素。風險感知是情緒產生背后的重要力量，公眾對風險的感知水平高意味著對風險的可預期性和可預見性高，公眾情緒失控的可能性就會降低。風險感知后公眾會產生對安全的需求，尤其是在新冠病毒感染疫情期間，不斷攀升的感染數字、基于人物經歷的新聞報道令公眾對安全的需求上升，危及公眾安全的事件成為刺激網民不安、焦慮等負面情緒的導火索。此時與疫情相關的公共問題均成為網絡社群關注的重點，被剝奪感以及心理失衡便導致網絡社群成為表達網絡情緒的行動單元[27]。從公共角度主要包括政府的規則失守、行為失范以及防疫能力的不足。表現為使用公權力的疫情治理主體，在疫情防控中違反規則、濫用職權、以權謀私的不當行為，以及由于政府防疫能力和水平不足導致的疫情嚴重程度增加、感染范圍擴大以及公民利益受損等，從而刺激網民憤怒、怨恨、對立等情緒的產生。因此，政府應提前識別和預防可能產生網絡情緒極化的事件。當發生指向公權力的事件時，政府應及時采取新聞發布會、公共平臺上發布通知等多種形式提前做好輿論預警；當發生指向公眾的事件時，政府需對癥下藥，精準的識別公眾的需求，實現供需平衡，避免由于社會情緒不穩定導致群體極化的可能。

作為網絡情緒重要的牽引力量，媒介渲染與政府應對使網絡情緒沿著“反應-極化”的可能發展。媒體情緒與網絡情緒極化呈現明顯的共振現象。“流量為王”的時代下，追熱點成為媒體偏見和媒介傳播的動力，虛假的、夸張的信息通過非正式渠道傳播和擴散。意見領袖為了占領輿論的高地，通過不同的方式獲得網民的認同與共情，包括感性的情感號召激起網民憤怒、對立的負面情緒以及理性的敘事引起網民的被剝奪感[28]。值得注意的是，媒介傳播屬性在發揮決定作用的同時，通常與指向公眾的事件相結合形成網絡情緒極化的路徑。一方面，指向公權力的事件較為敏感且黨媒作為政府的發言人對社交媒體輿論場具有顯著影響[29]；另一方面，指向公眾的事件更易激起網民的共情，使媒體與網民形成情感共同體，從而產生群體情緒的極化。作為社會治理的主體，政府需要意識到媒介傳播正在影響與改變政治實踐，并對社會關注度與資源分配發揮重要作用。政府與媒體之間對網民情緒的作用應相向而行，而非如拔河般背道而馳。這就要求政府加強對媒介的監管和友好互動，尊重并利用媒介自身的邏輯，善于借助意見領袖的力量，傳達包含正能量與真實的觀點，使媒介成為緩解網絡情緒、化解社會風險的制度資源。

新冠病毒感染疫情不僅是一場重大公共衛生疫情，也是一場“信息疫情”，政府媒體作為公眾的第一信息來源和最信任的媒體，政府回應的主動性和高透明度以及對疫情信息的高度公開程度可以通過“信息-信任-信心”的路徑[30]影響人們的情緒體驗，起到緩解民眾情緒、實現輿論中和①的效果，是影響網絡情緒的關鍵因素。因此，在政府回應中，尤其注意不要存在隱瞞思維，盡可能將事實的真相完整的、真實的呈現在人們的視野中，避免人們對事件進行不必要的“加工”和裁剪，防止極端情緒借助虛假信息的演化與傳播。

本文仍存在許多不足。首先，由于定性比較方法在于找出多變量條件組合的關系，因此基于多案例的分析不能像基于單案例的深描一般，無法刻畫具體細節，只能對變量之間的因果關系做一般化解讀；其次，本文只是籠統地從事件特征、傳播屬性與政府回應方面等外部因素著手，討論網絡輿情極化的外在動力機制，而未對情緒極化的網絡群體進行“群體畫像”和內在情感情緒演化分析，當然也未區分不同類別群體情緒極化的可能發生路徑。

［1］古斯塔夫·勒龐：烏合之眾[M].北京：中央編譯出版社，2004.

［2］王俊秀，高文珺，陳滿琪，應小萍，譚旭運，劉曉柳.新冠病毒感染疫情下的社會心態調查報告——基于2020年1月24日—25日的調查數據分析[J].國家治理，2020（Z1）：55-64.

［3］賈哲敏，孟天廣.信息為軸：新冠病毒疫情期間的媒介使用、信息需求及媒介信任度[J].電子政務，2020（5）：14-27.

［4］朱代瓊，王國華.熱點公共事件中網絡社會情緒演進的影響因素研究——基于“高鐵霸座”事件的探討[J].情報雜志，2020，39（8）：94-100.

［5］劉忠寶，秦權，趙文娟.微博環境下新冠病毒感染疫情事件對網民情緒的影響分析[J].情報雜志，2021，40（2）：138-145.

［6］劉瓊，馬文婷，范一欣.短視頻平臺突發公共事件的網絡情緒呈現及輿情治理——以Bilibili網站“新冠疫情”議題為例[J].電子政務，2021（6）：52-65.

［7］許云斐，周德良.突發公共衛生事件網絡輿論風險影響因素研究[J].甘肅社會科學，2021（4）：44-51.

［8］朱代瓊，王國華.突發事件中網民社會情緒產生的影響因素及機理——基于三元交互決定論的多個案定性比較分析（QCA）[J].情報雜志，2020，39（3）：95-104.

［9］唐雪梅，袁熳，朱利麗.政務輿情回應策略對政府形象修復的影響——情緒認知視角的有調節中介模型[J].公共行政評論，2021，14（1）：114-131.

［10］劉紅波，高新珉.負面輿情、政府回應與話語權重構——基于1711個社交媒體案例的分析[J].中國行政管理，2021（5）：130-137.

［11］唐睿，唐世平.歷史遺產與原蘇東國家的民主轉型——基于26個國家的模糊集與多值QCA的雙重檢測[J].世界經濟與政治，2013（2）：39-57.

［12］伯努瓦·里豪克斯，查爾斯·拉金.QCA設計原理與應用——超越定性與定量研究的新方法[M].北京：機械工業出版社，2017：5.

［13］李蔚，何海兵.定性比較分析方法的研究邏輯及其應用[J].上海行政學院學報，2015，16（5）：92-100.

［14］蔡雯，凌昱.從“新冠肺炎”熱點傳播看新聞邊界的顛覆與重構[J].新聞與傳播研究，2020，27（7）：5-20.

［15］曹洵，張志安.社交媒體意見群體的特征、變化和影響力研究[J].新聞界，2017（7）：24-30.

［16］李良榮，鄭雯，張盛.網絡群體性事件爆發機理：“傳播屬性”與“事件屬性”雙重建模研究——基于195個案例的定性比較分析（QCA）[J].現代傳播（中國傳媒大學學報），2013，35（2）：25-34.

［17］嚴勵，邱理.社會議題的存在與延續——網絡話語內涵的媒介性與社會性[J].新聞愛好者，2020（1）：43-46.

［18］傅蓉.議程設置的起源、理論框架與應用[J].現代傳播，2002（6）：131-133.

［19］張洪忠.大眾傳播學的議程設置理論與框架理論關系探討[J].西南民族學院學報（哲學社會科學版），2001（10）：88-91.

［20］BALDASSARRI D and P BEARMAN. Dynamics of Political Polarization[J]. American Sociological Review， 2007vol. 72： 784-811.

［21］陳虹，沈申奕.新媒體環境下的危機信息溝通機制研究[J].現代傳播（中國傳媒大學學報），2011（3）：121-125.

［22］魏娜，楊燦，王曉珍.重大突發公共危機事件中政府信息發布對公眾心理的影響——基于COVID-19疫情的數據分析[J].江蘇社會科學，2020（3）：10-22.

［23］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.

［24］RAGINC. Redesigning Social Inquiry： Fuzzy Setand Beyond[M]. Chicago： University of Chicago Press， 2008.

［25］韓志明，李春生.什么樣的“鬧大”成功了？——基于40個案例的定性比較分析[J].甘肅行政學院學報，2020（1）：46-57.

［26］陳龍.“借題發揮”：一種中國特色的網絡輿論話語生成模式[J].新聞與傳播研究，2019，26（12）：67-83.

［27］孫立明.對網絡情緒及情緒極化問題的思考[J].中央社會主義學院學報，2016（1）：104-109.

［28］青平等.網絡意見領袖動員方式對網絡集群行為參與的影響研究——基于產品傷害危機背景下的實驗研究[J].管理世界，2016（7）：109-120.

［29］韓曉寧，郭瑋琪，巴亞嶺.疫情議題多元話語主體多層次議程設置效果研究[J].當代傳播，2021（2）：41-47.

［30］王俊秀，周迎楠，劉曉柳.信息、信任與信心：風險共同體的建構機制[J].社會學研究，2020，35（4）：25-45.

（責任編輯：張曉）