基于QCA的事故災難事件輿情引導效果生成條件與路徑研究

［摘 要］ 以2011—2022年間50起事故災難事件為研究對象，運用模糊集定性比較法，從輿情引導主體、輿情引導載體、輿情引導客體、輿情引體屬性等4個維度，探究事故災難事件輿情引導效果生成條件與路徑。研究發現：參與平臺數量、政府介入最高層級以及事故災難事件發生地級別是事故災難事件輿情引導效果生成最為重要的作用條件；事故災難事件輿情引導效果生成路徑分別為政府-媒介協作路徑、媒介-網民互動路徑、政府-媒體-網民互動協作路徑。在事故災難事件輿情引導中，必須高度重視多平臺的共同參與以及較高層級的政府介入，同時必須加強政府、媒體與網民的互動協作，特別是加強政府與媒體以及媒體與網民的互動協作。

［關鍵詞］ 事故災難事件；輿情引導效果；模糊集定性比較分析

［中圖分類號］" G206．3"" ［文獻標識碼］ Ａ"" ［文章編號］ 1008-1763（2025）02-0130-08

Research on the Conditions and Pathways for Generating

Public Opinion Guidance Effects in Accident

and" Disaster Events Based on QCA

Abstract：This study examines fifty accident and disaster events from 2011 to 2022， employing the fuzzy-set qualitative comparative analysis （fsQCA） method to explore the conditions and pathways for generating effective public opinion guidance in accident and disaster events. The analysis is structured around four dimensions： the subject of public opinion guidance， the medium of public opinion guidance， the object of public opinion guidance， and the attributes of public opinion-inducing entities. The findings reveal that the number of participating platforms， the highest level of government intervention， and the administrative level of the accident and disaster location are the most critical factors influencing the effectiveness of public opinion guidance. Furthermore， the pathways for generating effective public opinion guidance are categorized into three types： government-media collaboration， media-netizen interaction， and tripartite collaboration among the government， media， and netizens. In guiding public opinion during accident and disaster events， it is crucial to emphasize the coordinated participation of multiple platforms and high-level government involvement. Simultaneously， it is imperative to strengthen collaboration among the government， media， and netizens， particularly between the government and media， as well as between media and netizens.

Key words： accident and disaster events；public opinion guidance effects；fuzzy-set qualitative comparative analysis

一 引 言

近年來事故災難事件頻發，不僅嚴重威脅公共生命財產安全，而且也在一定程度上影響了社會穩定，給政府管理帶來嚴峻挑戰。實際上，隨著公眾關注度的不斷提升，突發事故災難事件已成為引發網絡輿情的重要原因，輿情影響逐漸呈現出跨越空間界限、突破行政邊界的特征，進而形成“跨界危機”（transboundary crises）[1]。自黨的十八大以來，習近平總書記多次針對重大突發事件的輿情引導作出重要指示，特別強調“要加強輿論引導，加強有關政策措施宣傳解讀工作，堅決維護社會大局穩定”[2]。因此，探究與把握突發事故災難事件的輿情引導效果生成條件與路徑，提升輿情引導效果，已成為亟須解決的問題。

二 研究方法

目前關于事故災難事件輿情引導的研究更多地聚焦于宏觀層面，事故災難事件輿情引導內部要素如何影響輿情引導效果成果不多，事故災難事件輿情引導效果生成機制等研究更是寥寥。在當前為數不多的相關研究中，學者主要運用社會網絡分析、BP神經網絡等研究方法，從輿情關鍵用戶識別[3]、輿情熱度評價[4]等維度進行探究。這些研究盡管取得了一定的成果，但仍顯不足：一是目前對于事故災難事件輿情引導的研究，并非聚焦于分析輿情引導過程本身，而更多的是分析輿情引導結果，因而其準確性與規范性有待進一步考察；二是目前更多是基于量化分析方法進行研究，較少運用定性研究方法來分析，因而難以深入剖析事故災難事件輿情引導的內在機理與運行規律。

事實上，網絡輿情構成不僅存在主體與客體，更包含本體、載體與引體，其中主體指發起輿情活動的人；客體是輿情所針對的具有活動能力的對象；本體是輿情的基本內容；載體是輿情活動的承載平臺；引體則是引發輿情活動的事件[5]。換言之，事故災難事件輿情的生成與演化不僅根源于網民情緒，而且也受到政府、媒體等社會管理者以及事件自身的影響。更為重要的是，媒介技術的普及推高了事故災難輿情的影響，這不僅凸顯媒介物的重要性，更顯示媒介技術等因素對事故災難事件輿情引導效果生成的重要作用。無論事故災難事件屬性還是事故災難事件輿情引導行為特征，都將影響輿情引導效果，這些影響因素相互協作，共同形成事故災難事件輿情引導效果的生成機制。因此，剖析事故災難事件輿情引導的內在機理與運行機制，必須探究網民、政府、媒介、事件屬性等多種輿情構成因素的綜合作用。值得注意的是，從輿情引導層面來探討網絡輿情構成要素，客體與主體的屬性將會發生改變。具體而言，作為網絡輿情客體的政府在輿情引導過程中實則充當著引導主體的角色，作為網絡輿情主體的網民則在輿情引導過程中扮演著引導客體的角色，而作為輿情本體的輿情基本內容將作為輿情引導效果的重要評估標準。因此，本文綜合考慮事故災難事件輿情構成要素劃分以及輿情引導行為特征，將作用與影響事故災難事件輿情引導效果的因素劃分為輿情引體屬性、輿情引導客體、輿情引導主體以及輿情引導載體等，并依據4種對應關系，即“媒介—輿情引導載體”“政府—輿情引導主體”“網民—輿情引導客體”“事件屬性—輿情引體屬性”，對事故災難事件輿情引導效果生成規律進行探討。

（一）方法選擇

1987年，查爾斯·拉金（Charles C. Ragin）首次提出了定性比較分析法（qualitative comparative analysis，簡稱QCA）。QCA是一種以中小案例研究為導向的理論集合研究方法[6]，它以集合論思維與布爾代數運算邏輯作為基礎，著眼于分析復雜社會現象的多種原因組合以及影響方式。QCA整合了定量研究與定性研究的優點，為研究成因復雜的問題提供了高效工具。由于事故災難事件在輿情引導過程中受多重因素的影響，僅分析單一影響因素難以全面、準確地呈現輿情引導效果的生成規律。QCA具備分析各變量作用程度、變量組合作用路徑等特點，不僅能單獨分析各個影響因素的作用效果，而且更能探究影響因素之間的協同效應與相互作用規律，從而為探究輿情引導效果生成條件與路徑提供更為可靠的研究方法。

在具體方法選取上，本文對比了清晰集csQCA、多值集mvQCA、時序性tQCA與模糊集fsQCA四種方法。由于本文解釋變量與結果變量間并沒有明確的二元劃分界定，同時多個解釋變量趨于同時發生，沒有明顯的出現順序，部分解釋變量還需分位數校準難以進行二分法賦值，因此，本文最終選取模糊集fsQCA作為研究方法。在模糊集fsQCA方法中，將通過一致性（Consistency）與覆蓋率（Coverage）兩個指標來衡量自變量的必要程度與解釋力度。其中，一致性代表該自變量在多大程度上適用于解釋所有分析案例，即該自變量在多大程度上為因變量的唯一解釋變量。其運算公式為：Consistency（Xi≤Yi）=∑[min（Xi，Yi） ]/∑（Xi）；如果一致性數值大于0.9，則表明該解釋變量是結果變量的必要條件。覆蓋率用以衡量評估變量或組態對結果變量的解釋力度，其測算值代表變量或組態所能覆蓋的分析案例的比重。其運算公式為：Coverage（Xi≤Yi）=∑[min（Xi，Yi ）]/∑（Yi）。

（二）案例選取

通常來說，突發事件可劃分為自然災害、事故災難、突發公共衛生事件、突發社會安全事件以及經濟危機5種[7]。作為突發事件重要類型，事故災難事件主要由人的生產與生活活動所引發，與公眾生活密切相關，一旦事件發生將造成大量的人員傷亡與經濟損失，不僅阻礙經濟發展，更影響公共生命安全。因此，事故災難事件往往受到公眾密切關注，一旦發生極易引發輿情，并對事件的處理與應對造成影響。近年來，事故災難事件中的房屋建筑坍塌事故頻發，而房屋建筑坍塌事故具有偶發性與高度危害性，其破壞程度與輿情危機尤為顯著，因此以房屋建筑坍塌事件作為探討事故災難事件輿情引導效果生成條件與路徑的案例更具代表性與說服力。

具體而言，本文通過梳理國泰安數據庫“2000—2022年安全生產事故事件表”、《中國新媒體發展報告（2016-2021）》《中國社會輿情與危機管理報告（2011-2017）》《中國社會輿情年度報告（2011-2017）》以及知微事見等數據庫，并結合百度新聞高級搜索與知網報刊搜索相關數據，選定2011—2022年期間發生的347起房屋建筑坍塌事故作為研究案例。通過檢索知微事見等輿情分析平臺以及運用Python進行數據爬取，本文獲得了所有事件的相關資料，隨后剔除了不滿足研究需要的樣本案例，最終得到50起樣本案例。剔除的樣本案例之所以不滿足研究需要，一是因為部分案例年份相隔較遠，相關輿情信息在互聯網上被刪除或失效，因而輿情信息或不完整，或數據量相對較少；二是因為部分案例所造成的破壞規模與產生的社會影響相對較小，未在網絡引發熱議，事件關注度不高，輿情熱度較低，輿情演變周期不明顯或相對較短。

（三）變量賦值

由于部分變量難以直接賦值，需通過分位數校準再進行賦值，因此，本文選用了“四值賦值法”與“分位數校準法”等多種賦值方案。所有變量的賦值標準如下：

1．因變量

本文結合鄧衛華等提出的“政府回應效果”及其層次劃分[8]，將公眾情緒的正向轉變程度作為輿情引導效果的表征指標，用Y表示。由于傳統大眾傳播時代信息傳播平臺主要分為微信公眾號、微博、報紙、廣播電視、新聞網站與論壇等6類[9]，因此考察公眾情緒的轉變主要聚焦于上述6類平臺。但由于報紙與廣播電視并沒有具體的公眾留言評論數據，同時本文所選取的部分事件由于年份較早，其在微信公眾號、新聞網站以及論壇的公眾留言評論數據較少或已被刪除，因此本文主要聚焦于分析微博這一媒介平臺的公眾評論數據。本文將事件演變過程中微博文本的公眾情感轉變狀況作為輿情引導效果量化的度量標準。以往研究更多的是以微博評論作為公眾情感的數據來源，而在本文中，由于需要分析事故災難事件輿情演變中的整體情感變化，如果采用微博評論將產生時間不適配、評論集中于部分帖文等問題，導致結果存在一定局限，特別是難以呈現所有要素的輿情引導整體效果。因此，為了確保結果變量賦值的精確性，本文將通過統計事故災難事件相關微博話題的帖文來測算公眾積極、中性、負面情緒的占比及變化，并以此為基礎，從4個維度對公眾情感變化進行度量。這4個維度分別為：初期演變趨勢、負面情緒首次最小占比時間差、整體波動幅度以及負面情緒極差。其中，第一個維度表征輿情引導的及時性，通過情感趨勢圖中事件初期負面情緒變化進行打分，若呈下降趨勢則得1分，反之不得分；第二個維度呈現事件初期輿情引導的效率，并以所有事件第一次出現最小負面情緒占比的平均時間差為度量標準，低于平均值得1分，反之不得分；第三個維度反映輿情引導的穩定性，并以所有事件負面情緒平均波動次數為測算標準，低于平均值得1分，反之不得分；第四個維度體現輿情引導的效果，計算所有事件負面輿情平均極差，高于平均值得1分，反之不得分。最終統計4個維度得分并進行賦值，其中4分賦值為1，3分賦值為0.67，2分賦值為0.33，1分與0分賦值為0。

2．自變量

正如上述，本文的解釋變量為事故災難事件輿情引導的4個影響因素，即輿情引導主體、輿情引導載體、輿情引導客體以及輿情引體屬性。這4個影響因素的指標構成、內涵及賦值方式如下：

一是輿情引導主體。通常輿情引導是指政府對輿情的控制與引導，政府作為輿情引導主體，直接決定輿情引導效果。本文采用政府信息發布及時性、政府介入層級與官方信息發布類型3個指標來測度輿情引導主體，這3個指標分別用X1、X2、X3表示。具體來說，將政府主動發布事件信息、通報等作為其信息發布及時性（X1）的評估指標。本文通過分析50起案例的信息發布時間差發現：在72％的案例中，政府于9小時內發布了事件信息，因此本文以9小時作為分界點，并且將發布時間在0-3小時之內賦值為1，3—6小時賦值為0.67，6—9小時賦值為0.33，大于9小時賦值為0。同時將介入事件的最高層級政府單位作為政府介入層級（X2）評估標準，其中國家部委賦值為1，省級政府單位賦值為0.67，市級政府單位賦值為0.33，縣級及以下政府單位賦值為0。將官方信息發布類型（X3）劃分為舉辦新聞發布會、接受媒體采訪、官方網站發布信息、社交媒體發聲4種，其中同時使用4種信息發布方式賦值為1，使用3種方式賦值為0.67，使用2種方式賦值為0.33，僅使用1種方式或未使用賦值為0。

二是輿情引導載體。當前輿情引導更多的是通過全媒體矩陣進行。本文將參與輿情引導的媒介平臺類型及權威媒體報道個數作為評估輿情引導載體的指標，參與輿情引導的媒介平臺類型及權威媒體報道個數分別用X4、X5表示。正如前述，在傳統大眾傳播時代，信息傳播平臺主要劃分為微信公眾號、微博、報紙、廣播電視、新聞網站、論壇6類。在事故災難事件輿情引導過程中，政府部門同樣會在官網通報事件信息及處理情況，因此政府官網同樣可視為輿情引導的重要載體。據此，本文將主要考察微信公眾號、微博、報紙、廣播電視、新聞網站、論壇以及政府官網7種媒介平臺。因此上述7種媒介平臺均參與事件報道賦值為1，5-6個平臺發聲賦值為0.67，3-4個平臺發聲賦值為0.33，僅有2個及以下平臺發聲則賦值為0。中央級媒體作為權威媒體平臺，其介入程度在很大程度上決定輿情引導效果。本文以18家中央級媒體參與事件報道數量作為判斷指標，其中，15家媒體及以上進行報道賦值為1，10-14家媒體進行報道賦值為0.67，5-9家媒體進行報道賦值為0.33，4家媒體及以下報道賦值為0。

三是輿情引導客體。通常來說，輿情引導客體為受眾，在互聯網時代即為網民，網民分為普通網民與意見領袖。直接度量網民參與數量有一定難度，因此本文將網民互動度與意見領袖發文量作為輿情引導客體數量測度指標，網民互動度與意見領袖發文量分別用X6、X7表示。其中網民互動度（X6）測度普通網民數量，而意見領袖發文量（X7）測度意見領袖數量。通常網民互動度是指網民對事故災難事件的反應與參與度，本文將微博帖文的點贊量、評論量、轉發量作為網民互動度的計算標準，并在已有研究的基礎上[10]，綜合考慮3個指標所代表的不同互動程度，將網民互動度計算公式確定為：點贊數×1+轉發數×2+評論數×3。意見領袖發文量是影響事故災難事件輿情走向的重要手段。本文參考已有研究成果[9]，將粉絲量大于10萬且年發文量大于300的認證微博用戶視為意見領袖，并將其發文量作為評估指標，通過爬取相關數據進行分位數校準并賦值。

四是輿情引體屬性。本文通過事件危害級別與事件發生地級別兩個指標對輿情引體屬性進行測度，事件危害級別與事件發生地級別分別用X8、X9表示。事實上，事故災難事件輿情引導效果，不僅受媒體、網民等因素影響，而且也受事故災難事件敏感度[11]、事件類型[12]等因素影響，而事故災難事件敏感度及類型可以歸結為事件危害級別（X8）。本文依據《國家突發公共事件總體應急預案》將特別重大的事故災難事件賦值為1，重大事故災難事件賦值為0.67，較大事故災難事件賦值為0.33，一般事故災難事件賦值為0。此外，事故災難事件發生地級別（X9）在一定程度上反映政府處置應對輿情的能力，它不僅是事件屬性的重要維度，更是輿情引導效果生成的重要影響因素。本文以2022年第一財經公布的《城市商業魅力排行榜》為標準，將一線城市與新一線城市賦值為1，二線城市賦值為0.67，三線城市賦值為0.33，四線及以下城市賦值為0。

三 研究結果

本文運用模糊集fsQCA探討事故災難事件輿情引導效果生成規律，將分別從單變量與組合變量兩個方面展開。

（一）單變量作用結果

運用fsQCA3.0軟件，本文獲取了事故災難事件輿情引導效果生成的9個解釋變量一致性與覆蓋率的數值（如表1所示）。由表1可以看出，9個解釋變量的一致性數值處在0.537-0.985之間，其中變量X4（參與平臺數量）的一致性數值最高，為0.985；變量X8（事件危害級別）的一致性數值最低，為0.537，大部分解釋變量的一致性數值在0.6-0.8之間。一致性在0.9以上，表明自變量為因變量產生的必要條件，自變量能闡述因變量90%的形成原因。在本文獲取的事故災難事件輿情引導效果的一致性數值中，變量X4（參與平臺數量）結果為0.985，因此，這一自變量是事故災難事件輿情引導效果這一因變量產生的必要條件；而其他自變量的一致性數值均小于0.9，因此，其他自變量為事故災難事件輿情引導效果產生的非必要條件。

由表1可以看出，9個自變量的覆蓋率數值處在0.537-0.777之間，其中數值最大的自變量為X8，數值最低的自變量為X4。而作為必要條件的自變量X4，其覆蓋率為0.537，表明這一自變量能解釋53.7%案例的輿情引導效果產生機理，其解釋力符合作為必要條件的基本要求。因此，單變量覆蓋率數值進一步表明，參與平臺數量為事故災難事件輿情引導效果生成的必要條件。按照fsQCA方法原理，自變量X4為必要條件并不意味其他8個自變量對事故災難事件輿情引導效果生成不產生影響，只是表明X4這一變量可單獨產生影響，而其他8個變量作為單一變量將不產生影響，至少將不產生顯著影響，但其他8個變量以及作為必要條件的單個變量均可能形成某種組合綜合產生影響。正因為如此，本文在單變量作用效果研究的基礎上，進一步分析9個變量對事故災難事件輿情引導效果生成的綜合作用。

（二）組合變量作用結果

QCA的組合變量作用共有復雜解、中間解、簡單解3種分析方案。在QCA組合變量中，若解釋變量在中間解與簡單解中均出現，則意味著這一解釋變量為核心變量；若解釋變量僅在中間解中出現，則表明其為邊緣變量[13]。總體來看，運用QCA組合變量考察核心條件將有助于深入了解結果變量生成的關鍵所在，因此，本文通過結合中間解與簡單解結果，從而得出組合變量中核心變量的分析結果。

本文將變量真值表代入fsQCA3.0軟件中進行運算，得到了9個解釋變量分別為A1、A2、A3、A4、A5、A6的6種組合（如表2所示）。由表2可見，這6種組合的一致性數值分別為1、1、0.934、0.978、0.949、0.955，均大于0.9，表示這6種組合分別能解釋因變量產生機理的100%、100%、93.4%、97.8%、94.9%、95.5%，由此表明這6種組合成為事故災難事件輿情引導效果產生的必要條件，也表明這6種組合成為事故災難事件輿情引導效果產生形成的6種路徑。更進一步分析，6種組合的總體一致性（solution consistency）為0.955，表示本文得出的生成路徑組合能闡述輿情引導效果95%的形成原因。除此之外，其總體覆蓋率（solution coverage）數值為0.558，表明生成路徑能覆蓋并解釋約56%的案例，說明其整體解釋力較強。

由表2可以看出，A1組合有4個作用變量，其中3個為核心變量，1個為邊緣變量；A2組合有5個作用變量，其中3個為核心變量，2個為邊緣變量；A3組合有4個作用變量，均為核心變量；A4組合有4個作用變量，其中2個為核心變量，2個為邊緣變量；A5組合有6個作用變量，其中4個為核心變量，2個為邊緣變量；A6組合有8個作用變量，其中3個為核心變量，5個為邊緣變量。總體來看，A1、A3、A4組合的作用變量最少，為4個變量，A6組合的作用變量最多，為8個變量。同時可以看出，在A1、A2、A3這3種組合中，X6、X7這2個變量即輿情引導客體考察維度不是其作用變量；在A4組合中，X1、X2、X3這3個變量即輿情引導主體考察維度不是其作用變量。另外還可以看出，變量X4在6種組合中均為核心變量，進一步說明變量X4對應的參與輿情引導的平臺數量是輿情引導效果生成的必要條件；另外，變量X2（政府介入層級）、X9（事件發生地級別）作為作用變量，分別在5種組合中發揮作用；而X5（權威媒體報道個數）、X7（意見領袖發文量）作為作用變量，僅在2種組合中發揮作用，而且是邊緣變量。

四 結果分析

正如上述，QCA不僅能進行單變量作用分析，而且也能進行綜合變量作用分析。而這兩種分析結果一方面呈現事故災難事件輿情引導效果生成條件，另一方面呈現組合變量相互協調及相互作用路徑，由此共同建構事故災難事件輿情引導效果生成的內在規律。

（一）事故災難事件輿情引導效果生成條件

事故災難事件輿情引導效果生成機制既包括單變量作用機制，也包括多變量綜合作用機制，其中單變量作用機制是基礎，而多變量綜合作用機制是關鍵。

1.參與輿情引導的平臺數量為事故災難事件輿情引導效果生成的必要條件

在單變量作用結果中，參與輿情引導平臺數量（X4）為必要條件，而在組合變量作用結果中，參與輿情引導平臺數量（X4）在6種組合中均為核心變量。兩種分析結果不僅體現了X4在事故災難事件輿情引導效果生成中起著非常重要的作用，而且更表明了X4為事故災難事件輿情引導效果生成的必要條件。由此可見，在事故災難事件輿情引導中，參與輿情引導的平臺越多，其輿情引導效果越好。這既是媒介技術發展在輿情引導實踐中的體現，也是媒介技術發展在輿情引導中產生的必然結果。在本文的案例中，有33起案例均通過7種媒介平臺進行輿情引導，其中有22起案例取得了較好的輿情引導效果，由此更進一步反映多平臺參與輿情引導的重要性。可以說，全平臺共同參與事故災難事件輿情引導，是新時代媒介技術發展與進步的必然要求。

2.政府介入層級是事故災難事件輿情引導效果生成的核心條件

在單變量作用結果中，除參與輿情引導平臺數量的一致性數值最高（0.985）之外，政府介入層級的一致性數值次之，為0.817，而且在組合變量作用結果中，政府介入層級這一變量出現在5種組合中，并且在其中2種組合中為核心變量。由此可以看出，政府介入層級是事故災難事件輿情引導效果生成的核心條件，而且是僅次于參與輿情引導平臺數量的核心條件。在本文的案例中，有37起案例有較高層級政府介入，其中有62%的案例取得了較為理想的輿情引導效果。由此更進一步說明政府介入層級在事故災難事件輿情引導效果生成的重要作用。對于事故災難事件輿情引導來說，所介入的政府層級越高，表明政府重視程度越高，政府投入的精力、資源越多，信息管控力度越強，由此產生的必然結果是事件處理推進速度越快，信息公開程度也就越大，因而輿情引導效果越好。應該說政府介入的層級在當前事故災難事件輿情引導效果生成中的重要性愈發顯現。從理論上說，獲得理想的事故災難事件輿情引導效果，需要更高層級政府的介入。

3.事故災難事件發生地級別是事故災難事件輿情引導效果生成的重要條件

在單變量作用結果中，事故災難事件發生地級別的一致性數值排在第三位，為0.749，僅次于參與輿情引導平臺數量以及政府介入層級，而且在組合變量作用結果中，事故災難事件發生地級別這一變量出現在5種組合中，并且在其中2種組合中為核心變量。由此可以看出，事故災難事件發生地級別為事故災難事件輿情引導效果生成的重要條件。而在本文案例中，有34起案例發生地級別屬于二線及以上城市，其中約50%的案例均取得了較好的輿情引導效果。由此更進一步說明事故災難事件發生地的級別對輿情引導效果生成的重要作用。通常來說，事故災難事件發生地級別越高，其政府輿情管控能力越強，信息透明度越高，輿情引導效果越好。應該說，事故災難事件輿情發生地級別是其經濟發展水平與人口素質的標志，一般而言，發生地級別越高，其經濟發展水平越高，人們的整體素質也相應越高，輿情引導與調控也相對容易，因而輿情引導效果也就越好。

4.權威媒體報道個數與意見領袖發文量并不是事故災難事件輿情引導效果生成的重要條件

盡管在單變量作用結果中，權威媒體報道個數與意見領袖發文量的一致性數值均不低，分別為0.705、0.690，僅次于參與平臺數量、政府介入層級、事件發生地級別，但在組合變量作用結果中，權威媒體報道個數與意見領袖發文量均僅出現在2種組合中，而且均為這2種組合的邊緣變量，由此可以看出，權威報道個數與意見領袖發文量并不是事故災難事件輿情引導效果生成的重要因素。本文所選取的案例也證實了這一結論，譬如在“周口居民樓倒塌事故”“武漢新洲區私房垮塌事故”等案例中，權威媒體關注度相對較低，但在網絡媒體與政府的努力下，仍取得了較好的輿情引導效果。由此說明，在事故災難事件輿情引導中，權威媒體的輿情引導能力并非完全不可替代。特別是隨著傳播權力的扁平化，社交媒體在輿情引導中的重要性愈加凸顯。在本文所選取的“南京中山醫院坍塌”案例中，意見領袖發文量相對較少，盡管如此，網民的良性互動仍較為成功地引導了輿情。應該說，當前網民在事故災難事件輿情引導中正發揮著越來越重要的作用：一方面，與生俱來的網民“共情”特征，使那些蘊含情感并能喚起同情的帖文將眾多網民鏈接起來，從而促進輿情正向演變；另一方面，網民的頻繁互動能促進輿情信息有效傳遞與網民之間的相互溝通，進而在一定程度上識別虛假信息并打破謠言傳播。

（二）事故災難事件輿情引導效果生成路徑

對于事故災難事件輿情引導效果生成機制來說，單變量作用機制是基礎，而組合變量作用機制是關鍵，單變量作用機制必須通過組合變量作用機制才能發生作用，同時其輿情引導效果也才能顯現。因此，事故災難事件輿情引導效果生成機制更主要的是呈現為組合變量作用機制。由表2可見，事故災難事件輿情引導效果生成的組合變量作用機制又具化為6種組合模式，而這6種組合模式因為參與變量的不同而被劃分為3種不同類型，這3種不同類型的組合模式正是組合變量作用機制特征的體現。

1.政府-媒介協作路徑

由表2可見，在A1、A2、A3這3種組合模式中，影響輿情效果生成的變量均為輿情引導主體、輿情引導載體、輿情引體屬性等3個維度的變量，而作為輿情引導客體的受眾屬性變量未能對其產生作用與影響。由此可見，輿情引導效果的生成與網民等受眾屬性無關，與作為輿情引導主體的政府以及作為輿情引導載體的媒體有關，當然也與事件屬性有關。這3種組合模式不僅凸顯了政府與媒介在其中所發揮的作用，而且更展現了兩者之間的協調作用，因此這3種組合模式稱之為政府-媒介協作路徑。進一步分析發現，在這3種組合模式中，參與平臺數量、政府介入層級、官方信息發布類型等3個變量在輿情引導效果生成中產生重要作用。因此，事故災難事件輿情的引導，不僅需要多個媒介平臺力量的整合，而且也需要更高層級政府的介入，并且更需要多種類型的信息發布形式。應該說政府-媒介協作路徑的內在運行邏輯呈現為：事故災難事件發生后，盡管網民、意見領袖等輿情主體參與度相對較低，但較高層級政府及時介入，并整合多方媒介平臺與資源，從而及時發布輿情相關信息，能有效推動事故災難事件輿情的處置，提高事故災難事件輿情信息的傳播效率，進而成功引導輿情。

2.媒介-網民互動路徑

由表2可見，在A4組合模式中，影響輿情效果生成的變量為輿情引導載體、輿情引導客體及輿情引體屬性等3個維度的變量，而作為輿情引導主體的政府屬性變量未能對其產生作用與影響。換言之，在A4組合模式中，除事件屬性變量外，發揮作用的變量是作為輿情引導載體的媒介以及作為輿情引導客體的網民。在一定程度上，A4組合模式的輿情引導是媒介與網民互動作用的結果，因此，A4組合模式的運行機制稱之為媒介-網民互動路徑。其內在運行邏輯呈現為：事故災難事件發生后，盡管政府未能及時介入，然而網民與意見領袖依托平臺充分互動，使得相關信息得以及時傳播，由此能有效疏導輿情。進一步分析發現，參與平臺數量以及網民互動度是A4組合模式的核心變量，在輿情引導效果生成中產生了重要作用。由此可見，在媒介-網民互動路徑中，網民高度互動能達到理想的輿情引導效果。

3.政府-媒介-網民互動協作路徑

由表2可見，在A5、A6組合模式中，影響輿情效果生成的變量為輿情引導主體、輿情引導載體、輿情引導客體以及輿情引體屬性等4個維度的變量。換言之，A5、A6組合模式是所有維度變量共同作用的結果，特別是政府、媒介、網民三者共同參與、互動協作的結果。因此，A5、A6組合模式稱之為政府-媒介-網民互動協作路徑。其內在運行邏輯呈現為：事故災難事件發生后，較高層級的政府及時介入并發布事件信息，同時整合多方媒介平臺力量，而且積極與網民互動，從而澄清輿論、打破謠言，以此能有效引導輿情。進一步分析發現，信息發布及時性、政府介入層級、參與平臺數量、網民互動度、事件發生地級別等5個變量在A5、A6組合模式中均發揮了重要作用。由此更進一步說明，政府-媒介-網民互動協作路徑需要多方力量共同參與，才能更好地引導輿情，從而實現較為理想的輿情引導效果。

五 結 語

本文運用fsQCA方法探討了房屋建筑坍塌類事故災難事件輿情引導效果的生成條件與路徑，不僅揭示了輿情效果生成的單變量作用效果，而且也揭示了輿情效果生成的組合變量作用效果。研究發現，參與平臺數量、政府介入層級以及事故災難事件發生地級別為事故災難事件輿情引導效果生成條件；而事故災難事件輿情引導路徑包括政府-媒介協作路徑、媒介-網民互動路徑、政府-媒體-網民互動協作路徑等3種不同類型。在事故災難事件輿情引導中，首先，必須高度重視多平臺的共同參與，建構多元引導平臺，特別是建構一個囊括所有信息平臺的傳播矩陣。其次，必須高度重視政府介入層級，較高層級的政府介入為事故災難事件輿情引導及其效果生成提供了前提與基礎。最后，必須加強政府、媒體與網民的互動協作，特別是必須加強政府與媒體以及媒體與網民的互動協作，由此加強與應對事故災難事件輿情引導，提高輿情引導效果。

盡管本文選取50起典型事故災難事件案例作為分析樣本，但樣本容量仍相對有限，而且部分案例年代較為久遠，其數據收集難以全面與準確，因而數據分析可能有一定誤差。但本文第一次運用fsQCA方法系統分析事故災難事件輿情引導效果生成條件與路徑，并揭示了其輿情引導內在的基本邏輯運行軌跡，不僅提供了研究方法上的借鑒與啟示，而且也為更好地引導事故災難事件輿情演繹與發展提供了理論指導。

［參 考 文 獻］

［1］ Mumme S P.Scarcity and power in US-Mexico transboundary water governance：has the architecture changed since NAFTA？[J].Globalizations，2016（6）：702-718.

[2] 習近平.習近平對新型冠狀病毒感染的肺炎疫情作出重要指示強調：要把人民群眾生命安全和身體健康放在第一位 堅決遏制疫情蔓延勢頭[N].人民日報，2020-01-21（1）.

[3] 譚雪晗，涂艷，馬哲坤.基于SNA的事故災難輿情關鍵用戶識別及治理[J].情報學報，2017（3）：297-306.

[4] 楊茂青.基于改進BP神經網絡的事故災難類輿情熱度評價研究[J].圖書情報導刊，2022（4）：59-66.

[5] 高承實，陳越，榮星，等.網絡輿情幾個基本問題的探討[J].情報雜志，2011（11）：52-56.

[6] 毛湛文.定性比較分析（QCA）與新聞傳播學研究[J].國際新聞界，2016（4）：6-25.

[7] 薛瀾，鐘開斌.突發公共事件分類、分級與分期：應急體制的管理基礎[J].中國行政管理，2005（2）：102-107.

[8] 鄧衛華，呂佩.反轉或緩解？突發事件政府回應有效性研究——基于在線文本情感分析[J].中國行政管理，2021（2）：123-130.

[9] 彭祝斌，范岳鋆，朱晨雨.歐洲焦點事件在華傳播熱度的影響因素及作用機制——基于30起案例的模糊集定性比較分析[J].新聞與傳播研究，2021（2）：106-125+128.

[10]楊鳳嬌，邱犇.全球治理語境下中國日報扶貧減貧議題建構研究——基于推特平臺@China Daily的實證分析[J].現代傳播（中國傳媒大學學報），2021（3）：62-69.

[11]袁國平，許曉兵.基于系統動力學的關于突發事件后網絡輿情熱度研究[J].情報科學，2015（10）：52-56.

[12]蘭月新，鄧新元.突發事件網絡輿情演進規律模型研究[J].情報雜志，2011（8）：47-50.

[13]Ragin C C，Fiss P C.Net effects analysis versus configurational analysis：an empirical demonstration[C]//Ragin C C.Redesigning social inquiry：fuzzy sets and beyond.Chicago：University of Chicago Press，2008：190-212.