國內(nèi)外突發(fā)事件網(wǎng)絡(luò)輿情研究現(xiàn)狀

中圖分類號：G206；G353.1 文獻標識碼：A 文章編號：1672-8122（2025）08-0110-04

突發(fā)事件是指突然發(fā)生，造成或可能造成嚴重社會危害的事件。此類事件一旦發(fā)生便會迅速在網(wǎng)絡(luò)蔓延，形成網(wǎng)絡(luò)輿情。全媒體時代，摻雜情緒波動和意見碰撞的輿情事件，容易影響社會穩(wěn)定。為營造清朗的網(wǎng)絡(luò)空間環(huán)境，加強突發(fā)事件網(wǎng)絡(luò)輿情的研判尤為重要和迫切。

近年來，國內(nèi)外學(xué)者針對突發(fā)事件網(wǎng)絡(luò)輿情開展了廣泛研究，涉及傳播規(guī)律、演化過程、預(yù)警機制、輿情治理等核心議題。盡管已取得顯著進展，達成了理論上的初步共識，但細致分析，不難發(fā)現(xiàn)系統(tǒng)性與綜合性研究仍有欠缺。從研究對象來看，突發(fā)事件主要包括自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會安全事件，不同的研究對象，其研究內(nèi)容也有所差異。從研究方法來看，學(xué)者主要采用模型、實證等方法，或基于不同的理論視角進行分析，在指標設(shè)定、研究思路及研究結(jié)果方面均有不同。研究主題也呈現(xiàn)階段性特征。同時，不同國家在應(yīng)對此類輿情事件時，有著各具特色的做法和策略，能夠為我們提供寶貴的經(jīng)驗與學(xué)習(xí)資源。基于此，本文系統(tǒng)梳理國內(nèi)外突發(fā)事件網(wǎng)絡(luò)輿情的研究熱點、發(fā)展趨勢及學(xué)術(shù)前沿的最新動態(tài)，聚焦各國在輿情監(jiān)測、預(yù)警、應(yīng)對及治理等方面的創(chuàng)新研究，提出要密切關(guān)注大數(shù)據(jù)、人工智能等新技術(shù)在輿情分析中的應(yīng)用進展，以及社交媒體、網(wǎng)絡(luò)社群等新型傳播平臺對輿情傳播的影響，把握輿情研究的最新動態(tài)，旨在為輿情管理優(yōu)化提供有益啟示。

一、數(shù)據(jù)來源與研究過程

本文以CNKI為中文數(shù)據(jù)源，檢索時間為2024年1月28日。為提高數(shù)據(jù)質(zhì)量，來源類別選擇SCI、北大核心、CSSCI。檢索主題為突發(fā)事件網(wǎng)絡(luò)輿情和突發(fā)公共事件網(wǎng)絡(luò)輿情。人工篩除報紙、書評、新聞報道等低相關(guān)性文獻及重復(fù)文獻，得到490條文獻記錄，確定時間跨度為2009—2023年。在WebofSci-ence中選擇核心合集，采用高級檢索模式，以“TS Σ=Σ Networkpublicopiniononemergencies”為檢索式，選擇期刊論文，人工閱讀標題并篩選，對文獻進行除重、清洗，最終得到125篇有效文獻，時間跨度為1994—2023年。

二、突發(fā)事件網(wǎng)絡(luò)輿情研究時空可視化

（一）國內(nèi)外研究時間分布

由表1可知，國內(nèi)外年發(fā)文量整體呈跳躍式、階段性增長。國外于1994年率先研究，同年，中美科技合作推動中國接人Internet，為我國開展輿情研究奠定了基礎(chǔ)。此階段，國內(nèi)研究處于萌芽時期，主要關(guān)注理論層面，如信息的傳播機制、用戶行為模式等。2010年左右，年發(fā)文量呈現(xiàn)波動性上升，輿情研究不斷深人，研究范圍擴展到輿情傳播、網(wǎng)民情緒演變、輿論引導(dǎo)等多個方面。2013年后，國內(nèi)外年發(fā)文量迅速增加并達到峰值，由于全球范圍內(nèi)瀕發(fā)公共衛(wèi)生、自然災(zāi)害等突發(fā)事件，該領(lǐng)域發(fā)文數(shù)量激增，研究成果與輿論熱點相互交織，共同推動的結(jié)果。

表1國內(nèi)外年發(fā)文量統(tǒng)計

（二）國內(nèi)外作者分析

由表2可知，蘭月新、夏一雪、bertolaso等是國內(nèi)外發(fā)文量較多的學(xué)者。國內(nèi)合作強度具有明顯的斷層現(xiàn)象，國外則較為穩(wěn)定。國內(nèi)學(xué)者的產(chǎn)量較高，且合作強度更強。值得注意的是，部分學(xué)者發(fā)文量較高但合作網(wǎng)絡(luò)較弱，多數(shù)學(xué)者仍傾向于獨立研究。未來，持續(xù)加強國內(nèi)外學(xué)者之間的合作，構(gòu)建緊密的學(xué)術(shù)共同體將是推動科研創(chuàng)新的重要途徑。

表2國內(nèi)外作者發(fā)文量統(tǒng)計

（三）國內(nèi)外機構(gòu)合作分析

由圖1可知，不同機構(gòu)之間存在合作關(guān)系，如吉林大學(xué)和天津大學(xué)等。經(jīng)統(tǒng)計，吉林大學(xué)、武漢大學(xué)、華中科技大學(xué)分別發(fā)表了38、35、26篇文章，是排名前三的機構(gòu)，加州大學(xué)、卡羅萊納大學(xué)等是國外發(fā)文量較多的機構(gòu)。同時，部分機構(gòu)不存在直接合作關(guān)系，而是通過其他機構(gòu)間接聯(lián)系，如中國科學(xué)院大學(xué)與電子科技大學(xué)等。本文認為，可能是各高校實現(xiàn)優(yōu)勢互補、資源整合，共同推動上層建筑的融合發(fā)展。

圖1國內(nèi)外機構(gòu)合作圖譜

三、國內(nèi)外研究熱點及前沿分析

本文將國內(nèi)研究熱點主要分為突發(fā)事件網(wǎng)絡(luò)輿情傳播與演化、風(fēng)險識別與預(yù)警、引導(dǎo)與治理策略三大類；將國外研究熱點分為突發(fā)事件網(wǎng)絡(luò)輿情傳播與演化、輿情與應(yīng)急管理、輿情與社交媒體三大類。

（一）國內(nèi)研究熱點分析

1.突發(fā)事件網(wǎng)絡(luò)輿情傳播與演化研究

國內(nèi)學(xué)者主要關(guān)注輿情傳播規(guī)律、特點機制、模型和關(guān)鍵節(jié)點的識別等。2022年，張軍等人結(jié)合群體行為理論和收斂交叉映射算法，提出基于數(shù)據(jù)驅(qū)動的突發(fā)事件網(wǎng)絡(luò)輿情傳播建模方法[1]。2024年，王晰巍等人基于網(wǎng)絡(luò)結(jié)構(gòu)理論，證實了突發(fā)事件網(wǎng)絡(luò)輿情中存在回聲室效應(yīng)[2]。部分學(xué)者也側(cè)重于研究其演化機制、機理等。2022年，馬騰等人依據(jù)輿情生命周期，分析了突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情的演化特征，為輿情部門的精準管理提供建議[3]。2023 年，于凱等人通過構(gòu)建突發(fā)事件網(wǎng)絡(luò)輿情事理圖譜，揭示了輿情事件關(guān)系類型主要為因果、并列和順承關(guān)系[4]。這些研究對突發(fā)事件網(wǎng)絡(luò)輿情的治理提供了堅實的理論基礎(chǔ)，并被廣泛關(guān)注。

2.突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險識別與預(yù)警研究

在這一領(lǐng)域，學(xué)者主要關(guān)注輿情的風(fēng)險識別方法、風(fēng)險評價指標體系、預(yù)警指標體系等。2022年，李玥琪等人構(gòu)建了基于ISM-BN的突發(fā)事件社交媒體網(wǎng)絡(luò)輿情風(fēng)險識別及預(yù)警模型[5]。2023年，謝媛等人通過構(gòu)建風(fēng)險指標體系，并基于輿情主體、輿情信息、網(wǎng)民情感探究輿情演化規(guī)律，實現(xiàn)了輿情風(fēng)險感知[。研究者從早期的宏觀理論探討逐步轉(zhuǎn)向微觀實踐層面，為政府在應(yīng)對輿情事件中提供了精準有效的實施路徑。

3.突發(fā)事件網(wǎng)絡(luò)輿情引導(dǎo)與治理策略

關(guān)于輿情引導(dǎo)與治理，學(xué)者從不同角度提出了相應(yīng)對策。2020年，杜澤等人從循證治理視角，分析了輿情治理存在問題的成因，并提出了對策建議[7]2022年，溫海等人運用社會網(wǎng)絡(luò)分析法，提出政府平臺作為信息生產(chǎn)者與傳播者能夠引導(dǎo)輿論走向[8]。此類研究對于政府公共管理與社會治理具有重要意義。

（二）國外研究熱點分析

1.突發(fā)事件網(wǎng)絡(luò)輿情的傳播與演化

國外學(xué)者主要關(guān)注輿情是如何形成、傳播和演變的，重視社交媒體、在線論壇等網(wǎng)絡(luò)平臺在輿情傳播中的信息流動和互動模式。2019年，學(xué)者Mamidi等人指出負面情緒多數(shù)主題都與輿情本體有關(guān)，官方人員應(yīng)注重傳播預(yù)防和治療信息，消除公眾的負面情緒[9]。2022年，學(xué)者Kobayashi等人使用LDA模型對日本Twitter上COVID-19疫苗相關(guān)討論的主題進行建模，監(jiān)測公眾輿論的演變與傳播[10]

2.突發(fā)事件網(wǎng)絡(luò)輿情和應(yīng)急管理

關(guān)于輿情應(yīng)急管理研究，國外學(xué)者主要側(cè)重輿情對突發(fā)事件的影響以及輿情監(jiān)測、評估與預(yù)警等方面。2021年，學(xué)者Rao等人指出，要基于FPGA和機器學(xué)習(xí)對突發(fā)事件網(wǎng)絡(luò)輿情進行監(jiān)測，從而有效實施管理[]。學(xué)者Nowlin等人指出社會投資對突發(fā)事件的應(yīng)急管理具有重要作用[12]。由于輿情往往與應(yīng)急管理具有直接關(guān)聯(lián)性，因此，此類問題成為重要的研究方向之一。

3.突發(fā)事件網(wǎng)絡(luò)輿情和社交媒體

這一領(lǐng)域，學(xué)者主要研究社交媒體在輿情中的作用。2021年，學(xué)者Chawla等人指出人們應(yīng)禁止在社交網(wǎng)絡(luò)上傳播錯誤信息[13]。2023年，學(xué)者Raskhod-chikov等人通過分析社交媒體驗證了社交網(wǎng)絡(luò)在緊急情況下的復(fù)原力[14]。這些研究不僅展現(xiàn)了社交媒體的正面作用，也啟示我們應(yīng)關(guān)注其在危機應(yīng)對中的潛力與局限性。

（三）國內(nèi)外研究前沿分析

由圖2、圖3可知，在國內(nèi)，突變強度最高、時間較長的關(guān)鍵詞集中在2020至2023年，而在國外，應(yīng)急管理、技術(shù)算法、情感分析等主題具有高關(guān)注度。algorithm從2014年到2020年引發(fā)了持續(xù)性研究熱潮，隨著 internetpublic opinion，news 的關(guān)注度逐步上升，尤其是在全球化影響下，社交媒體的輿論導(dǎo)向成為研究的熱點。

通過分析，國內(nèi)外研究前沿具有三個特點：首先，隨著信息化的深入和社交網(wǎng)絡(luò)的普及，情感分析、輿論等話題都成為了研究熱點，全球范圍內(nèi)網(wǎng)絡(luò)輿情研究顯示出同步性與廣泛性。其次，國內(nèi)研究更多集中在輿情傳播與監(jiān)督治理上；國外研究偏向技術(shù)和應(yīng)急管理的結(jié)合，特別是算法與社交網(wǎng)絡(luò)的影響，反映了應(yīng)急管理與技術(shù)進步帶來的學(xué)術(shù)需求。最后，國內(nèi)的研究焦點具有時效性，會在短期內(nèi)迅速增加；國外趨向于技術(shù)驅(qū)動的長期研究，特別是算法與媒體領(lǐng)域的持續(xù)研究。

四、結(jié)語

本文以CNKI和WebofScience核心合集數(shù)據(jù)庫為數(shù)據(jù)源，借助文獻計量軟件梳理國內(nèi)外突發(fā)事件網(wǎng)絡(luò)輿情的研究現(xiàn)狀、熱點和前沿，并對研究熱點和前沿展開了論述，主要觀點如下：

1.突發(fā)事件網(wǎng)絡(luò)輿情傳播與演化、風(fēng)險識別與預(yù)警、引導(dǎo)與治理策略等是當下研究熱點內(nèi)容。展望未來，在輿情傳播方面，數(shù)智時代面對海量的網(wǎng)絡(luò)信息、數(shù)據(jù)獲取平臺的廣泛性、信息失真等問題、網(wǎng)民情感分析等仍是未來的主要研究趨勢。在輿情演化研究上，只有結(jié)合實例，才能在動態(tài)復(fù)雜的環(huán)境下有針對性地進行治理研究。在輿情的風(fēng)險識別及預(yù)警方面，精準捕捉輿情風(fēng)險、預(yù)警指標的劃分實現(xiàn)規(guī)范統(tǒng)一可能是主流研究方向。在輿情引導(dǎo)與治理策略方面，學(xué)者主要從微觀視角上升到社會、國家視角，而在AIGC推動下，實現(xiàn)“跨”學(xué)科研究、融合前沿技術(shù)的深層研究迫在眉睫。

2.突發(fā)事件網(wǎng)絡(luò)輿情領(lǐng)域研究前沿，未來可能主要集中在事理圖譜分析、信息傳播、算法、網(wǎng)民情感分析等研究領(lǐng)域。網(wǎng)民情感是該領(lǐng)域研究的重要方向之一，但仍有網(wǎng)民情緒分析存在誤差、無法動態(tài)處理海量數(shù)據(jù)信息、缺乏持續(xù)監(jiān)測和分析等問題。同時，盡管已有部分研究將事理圖譜應(yīng)用于輿情分析領(lǐng)域，但仍然存在諸如如何準確識別和抽取文本中的事件和關(guān)系、如何構(gòu)建高質(zhì)量圖譜、輿情分析的準確性和效率等挑戰(zhàn)。展望未來，隨著自然語言處理技術(shù)的不斷發(fā)展和完善，事理圖譜將與深度學(xué)習(xí)等其他技術(shù)相結(jié)合，形成更加智能化、精細化的輿情分析系統(tǒng)。

參考文獻：

[1]張軍，王學(xué)金，李鵬，等.基于CCM的突發(fā)事件網(wǎng) 絡(luò)輿情傳播建模方法研究[J].情報理論與實踐， 2022，45（6） ：188-198.

[2]王晰巍，莊蕙滎，姜奕冰，等.重大突發(fā)事件下網(wǎng)絡(luò) 實踐，2024，47（1）：101-109.

[3]馬騰，殷躍，趙樹寬，等.多維數(shù)據(jù)融合的突發(fā)公共 衛(wèi)生事件網(wǎng)絡(luò)輿情演化特征研究[J].情報理論與 實踐，2022，45（12）：170-177.

[4]于凱，楊富義.基于事理圖譜的突發(fā)事件網(wǎng)絡(luò)輿情 演化模型構(gòu)建[J].上海理工大學(xué)學(xué)報，2023，45 （1） ：27-35.

[5]李玥琪，王晰巍，王楠阿雪，等.突發(fā)事件下社交媒 體網(wǎng)絡(luò)輿情風(fēng)險識別及預(yù)警模型研究[J].情報學(xué) 報，2022，41（10）：1085-1099.

[6]謝媛，李本乾.新媒體環(huán)境下突發(fā)環(huán)境事件網(wǎng)絡(luò)輿 情風(fēng)險信息感知模型［J].現(xiàn)代情報，2023，43 （6） ：158-165.

[7］杜澤，張曉杰.循證治理視域下突發(fā)公共衛(wèi)生事件 的網(wǎng)絡(luò)輿情治理研究[J].情報理論與實踐，2020， 43（5） ：17-23.

[8］溫海滌，邱振博.新媒體時代突發(fā)公共危機事件網(wǎng) 絡(luò)輿情治理能力研究［J].情報科學(xué)，2022，40 （8）： 38-43+49

[9]Mamidi R，Miller M，Banerjee T，et al. Identifying key topics bearing negative sentiment on Twitter：insights concerning the 2015-2016 Zika epidemic[J]. JMIR public health and surveillance，2019，5（2）.

[10]Kobayashi R，Takedomi Y，Nakayama Y，et al.Evolution of public opinion on COVID-19 vaccination in Japan： large-scale Twitter data analysis[J]. Journal of Medical Internet Research，2022，24（12） .

[11]Rao A S，Krishna BV，Saravanan D，et al.Supervision calamity of public opinion actions based on field programmable gate array and machine learning [J].International Journal of Nonlinear Analysis and Applications，2021，12（2） ：1187-1198.

[12]Nowlin M C，Wehde W.Social capital and hurricane warning response[J]. International Journal of Disaster Risk Reduction，2021，65.

[13]Chawla Y，Radziwon A， Scaringella L， et al. Predictors and outcomes of individual knowledge on earlystage pandemic ： Social media， information credibility， public opinion，andbehaviour in a large-scale global study[J]. Information Processingamp;Management，2021， 58（6）： 102720.

[14]Raskhodchikov A N，Pilgun M. COVID-19 and Public Health：Analysis of Opinions inSocial Media [J].International Journal of Environmental Research and Public Health，2023，20（2） ：971.

[責(zé)任編輯：李慕荷]