WSR理論視域下突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)形成機理研究

摘 要：［目的/意義］揭示突發(fā)事件中網(wǎng)絡輿情反轉(zhuǎn)形成機理，幫助政府有效應對突發(fā)災害，提升輿情治理效能。［方法/過程］聚焦自然災害和事故災難兩類突發(fā)事件，基于WSR（物理—事理—人理）理論，構(gòu)建突發(fā)事件輿情反轉(zhuǎn)形成模型，采用NCA與fsQCA方法對40個熱點案例進行了實證分析，并進一步運用PSM方法分析了不同組態(tài)對輿情反轉(zhuǎn)的影響作用。［結(jié)果/結(jié)論］研究發(fā)現(xiàn)，突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)的形成路徑可歸納為客體缺失型、意見領(lǐng)袖代表型、網(wǎng)民主導型3種類型，不同類型對輿情反轉(zhuǎn)的影響存在顯著的差異性。在自然災害事件中，輿情反轉(zhuǎn)多受事件本身影響力和網(wǎng)民關(guān)注度的影響；在事故災難事件中，則更容易受到權(quán)威主體和意見領(lǐng)袖的驅(qū)動。

關(guān)鍵詞：突發(fā)事件網(wǎng)絡輿情；輿情反轉(zhuǎn)；WSR；形成路徑；fsQCA

DOI：10.3969/j.issn.1008-0821.2025.09.010

〔中圖分類號〕G206.3；C912.63 〔文獻標識碼〕A 〔文章編號〕1008-0821（2025）09-0108-12

Research on the Formation Mechanism of Network Public Opinion

Reversal in Emergencies From the Perspective of WSR Theory

——A Qualitative Comparative Analysis Based on Two Types of Disaster Events

Lu Yanxia Luo Weijian*

（School of Management，Liaoning Normal University，Dalian 116021，China）

Abstract：［Purpose/Significance］The study aims to reveal the formation mechanisms of online public opinion reversal in emergencies，assisting governments in effectively responding to sudden disasters and enhancing governance efficiency in public opinion management.［Method/Process］Focusing on natural disasters and accident disasters，this paper constructed a public opinion reversal formation model based on the WSR （Wuli—Shili—Renli） theory.The study employed NCA and fsQCA to conduct empirical analyses on 40 high-profile cases，and further uses the PSM method to analyze the impact of different configurations on public opinion reversal.［Result/Conclusion］The study categorizes three distinct formation pathways for online public opinion reversal during emergencies：object absence pattern，opinion leader-led pattern，and public-driven pattern.These pathways exhibit significantly different influence patterns.Specifically，analysis demonstrates that natural disaster scenarios predominantly experience opinion reversal through inherent event severity coupled with sustained public engagement，whereas industrial accident contexts show greater vulnerability to interventions from institutional authorities and key opinion leaders.

Key words：emergencies network pibulic opinion;reversal of public opinion;WSR;formation paths;fsQCA

網(wǎng)絡輿情反映了公眾的情緒、態(tài)度及意見，關(guān)注輿情發(fā)展趨勢對深入理解公眾心理、實現(xiàn)有效的社會治理具有重要的現(xiàn)實意義。然而，隨著各類突發(fā)事件中輿情反轉(zhuǎn)現(xiàn)象頻現(xiàn)，政府應急管理面臨著巨大挑戰(zhàn)，政府的公信力可能被削弱［1］，進而誘發(fā)社會信任危機［2］。災害事件可分為自然災害和人為災害［3］。其中，人為災害又可細分為事故災難和社會安全事件［4］。事故災難因涉及工業(yè)生產(chǎn)、基礎(chǔ)設施等領(lǐng)域，具有系統(tǒng)性風險特征，其發(fā)生頻率和影響范圍天然高于惡意行為引發(fā)的社會安全事件。例如：天津港爆炸（165人死亡、798人受傷，經(jīng)濟損失超100億元）其傷亡規(guī)模、經(jīng)濟與環(huán)境破壞遠超昆明恐襲（31人死亡、141人受傷）。因此，本文聚焦發(fā)生頻率高且社會討論度高的自然災害和事故災難。由于這兩類事件致災主體不同，勢必導致不同事件下的信息傳播也具有極大差異性［5］。揭示其背后的形成機理和內(nèi)在規(guī)律，對有效提高災害輿情治理效能、維護網(wǎng)絡空間清朗環(huán)境至關(guān)重要。

2025年9月第45卷第9期現(xiàn)代情報Journal of Modern InformationSep.，2025Vol.45 No.9

2025年9月第45卷第9期WSR理論視域下突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)形成機理研究

www.xdqb.net

Sep.，2025Vol.45 No.9

國內(nèi)外對網(wǎng)絡輿情反轉(zhuǎn)的研究主要集中在輿情反轉(zhuǎn)內(nèi)涵、反轉(zhuǎn)預測和反轉(zhuǎn)機理。學者們最初關(guān)注輿情反轉(zhuǎn)的特點及對策［6］，隨著輿情反轉(zhuǎn)主題研究關(guān)注度上升，也延伸到對反轉(zhuǎn)熱度［7］、反轉(zhuǎn)強度［8］等方面。在輿情反轉(zhuǎn)預測方面，學者們采用GRU［9］、Transformer［10］、SVM［11］、貝葉斯網(wǎng)絡［12］等預測模型探討對輿情反轉(zhuǎn)的監(jiān)管。在輿情反轉(zhuǎn)機理方面，對輿情反轉(zhuǎn)［13］、“類反轉(zhuǎn)”［14］進行歸因，或深入探討網(wǎng)絡群體極化的影響［15］。綜合來看，輿情反轉(zhuǎn)形成機理的研究仍不夠深入：一是現(xiàn)有研究大多只使用fsQCA，在條件分析與穩(wěn)健性檢驗方面不足。二是現(xiàn)有輿情反轉(zhuǎn)研究大多未區(qū)分事件類別，但是在自然災害與事故災難兩類不同情境下，可能具有不同的輿情反轉(zhuǎn)形成機理，但現(xiàn)有研究卻鮮有關(guān)注其差異。因此，本研究擬解決以下問題：①在突發(fā)事件情境下，如何構(gòu)建網(wǎng)絡輿情反轉(zhuǎn)影響因素框架，以深入揭示反轉(zhuǎn)形成的復雜機理？②針對自然災害與事故災難兩類災害事件的網(wǎng)絡輿情反轉(zhuǎn)，是否有不同的作用機理與組合邏輯？

WSR（ 物理—事理—人理）理論強調(diào)在解決復雜問題時，要系統(tǒng)性地考慮物理、事理和人理3個方面的復雜作用，在突發(fā)事件網(wǎng)絡輿情的復雜交互情

境下具有較強的適用性。因此，本文基于WSR理論，構(gòu)建基于客體—本體—主體的突發(fā)事件輿情反轉(zhuǎn)生成模型，并運用必要條件分析（Necessary Condition Analysis，NCA）、模糊集定性比較分析（fuzzy-set Qualitative Comparative Analysis，fsQCA）與傾向得分匹配（Propensity Score Matching，PSM）方法，對40個熱點災害輿情案例進行分析，以期深入揭示突發(fā)事件輿情反轉(zhuǎn)的形成機理。

1 文獻綜述

1.1 輿情反轉(zhuǎn)

輿情反轉(zhuǎn)起源于新聞領(lǐng)域，是一種群體意見極化的過程，也涉及多主體博弈［16］，但是目前學界對于輿情反轉(zhuǎn)現(xiàn)象的定義尚未完全統(tǒng)一，多數(shù)使用“輿情反轉(zhuǎn)、輿論反轉(zhuǎn)、反轉(zhuǎn)新聞”［17］概念。學者們多聚焦研究反轉(zhuǎn)預測和演化規(guī)律：Zhang W等［18］利用認知大數(shù)據(jù)分析方法，探討了政府信息發(fā)布策略對負面情緒傳染—演變的影響機制。Han R L等［19］構(gòu)建了GPT-AP-TextRank主題模型，揭示了不同社交媒體平臺在公共事件輿情演化中的作用。邊晶梅等［20］構(gòu)建了四方主體博弈模型，得到了不同條件下的輿情演化趨勢。李詩軒等［21］利用規(guī)則模板和BERTopic模型構(gòu)建事理圖譜，揭示支原體肺炎輿情的演化規(guī)律。在輿情反轉(zhuǎn)形成機理方面，張柳等［22］研究了突發(fā)事件輿情反轉(zhuǎn)的形成路徑，歸納出多元影響因素的組合效應。謝起慧等［23］發(fā)現(xiàn)，事件主體的敏感性、傳播主體的權(quán)威度和兩類主體的參與策略會對網(wǎng)絡輿情反轉(zhuǎn)造成影響。綜上所述，輿情反轉(zhuǎn)預測和形成機理方面已取得了一定進展，但現(xiàn)有研究未區(qū)分不同情境下的輿情反轉(zhuǎn)現(xiàn)象，故本文從兩類災害視角出發(fā)，深入探究突發(fā)事件輿情反轉(zhuǎn)的差異化形成機理。

1.2 WSR理論

WSR方法論于1994年首次提出［24］，被學界稱為“東方系統(tǒng)管理方法論”［25］，已經(jīng)廣泛應用在企業(yè)管理、環(huán)境安全、知識管理等領(lǐng)域，具體如表1所示。在網(wǎng)絡輿情方面，物理通常指系統(tǒng)中的客觀存在，輿情產(chǎn)生的技術(shù)和物質(zhì)基礎(chǔ)。事理指輿情事件本身發(fā)展的道理，主要涉及輿情事件的起源、演變過程、影響因素以及可能的發(fā)展趨勢。人理指做人的道理，通常是人的行為、需求和價值觀對輿情的影響。

近年來，WSR方法論已被運用到突發(fā)事件網(wǎng)絡輿情領(lǐng)域，如李明［32］基于WSR方法論，總結(jié)了元宇宙背景下網(wǎng)絡輿情的生發(fā)特征，周紅磊等［33］基于WSR方法論構(gòu)建了突發(fā)事件網(wǎng)絡輿情的風險治理機制。本研究將進一步運用WSR理論，系統(tǒng)探究自然災害、事故災難兩類突發(fā)事件中輿情反轉(zhuǎn)的形成機理，豐富與拓展WSR的應用領(lǐng)域。

2 研究框架

根據(jù)WSR方法論，物理（W）對應輿情事件的客體部分，決定了信息的初始傳播路徑和廣度，影響輿情的初步形成。事理（S）對應輿情事件的本體部分，決定了事件的內(nèi)在復雜性，影響輿情演化的深度和方向。人理（R）對應輿情事件的主體部分，決定了輿情事件演化情況，影響推動輿情反轉(zhuǎn)。這3個維度相互作用，共同決定了輿情事件的形成路徑和演變趨勢。因此，本文從“物理—客體”“事理—本體”“人理—主體”3個維度分析突發(fā)事件輿情反轉(zhuǎn)的影響因素，構(gòu)建突發(fā)事件輿情反轉(zhuǎn)影響因素框架，如圖1所示。

2.1 物理層面

1）首發(fā)平臺：是首發(fā)輿情信息的平臺，分為官方和非官方平臺［34］。從信息傳播視角出發(fā)，首發(fā)平臺對網(wǎng)絡公共輿論的形成起到定調(diào)作用，官方媒體若能迅速、精確且全面地報道事件，將極大程度地推動網(wǎng)絡輿論的理性構(gòu)建［35］。首發(fā)平臺權(quán)威性差異代表著該主體的影響力及可信任度，也會對突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)產(chǎn)生的結(jié)果產(chǎn)生較大影響。

2）網(wǎng)媒報道量：指網(wǎng)絡媒體針對事件進行追蹤報道的總量，是衡量網(wǎng)絡輿情發(fā)展的關(guān)鍵指標［36］。媒體平臺由于其快速傳播和低門檻特性，容易成為網(wǎng)絡輿情反轉(zhuǎn)的溫床［37］。而且當下各類網(wǎng)絡媒體為了搶占市場，往往在對事件沒有過多了解的情況下通過刻板印象進行報道，隨著事件的關(guān)注度不斷提高，很可能會造成網(wǎng)絡輿情反轉(zhuǎn)。

2.2 事理層面

1）事件影響力：指互聯(lián)網(wǎng)環(huán)境下，網(wǎng)民在一段時間內(nèi)，對其感興趣的內(nèi)容所持有的情緒、意愿、態(tài)度、意見的總和［38］。突發(fā)事件發(fā)生后，事件的影響力越大，網(wǎng)民的關(guān)注度和討論強度就會越高，生成的網(wǎng)絡輿情熱度也就越高［39］，反轉(zhuǎn)可能性也越大。

2）事件類型：突發(fā)事件通常分為自然災害、事故災難、公共衛(wèi)生事件和社會安全事件［40］。事件類型的差別決定了公眾對于不同事件的關(guān)注焦點和情感反應各有不同，進而影響其各自輿情的形成和發(fā)展路徑，最終導致各類事件輿情反轉(zhuǎn)的可能性和方式也各有不同。

2.3 人理層面

1）意見領(lǐng)袖：指對大眾具有顯著引導力及影響力，能直接或間接塑造大眾觀點傾向的關(guān)鍵個體［41］。在當代社會中，微博在公共輿論方面日益占據(jù)核心的地位，已經(jīng)完全成為一個獨立的輿論場［42］。微博中的意見領(lǐng)袖更對輿論的產(chǎn)生和導向起重要作用。

2）權(quán)威主體：指那些在特定領(lǐng)域或社會議題中具有較高社會地位、專業(yè)知識或影響力的人物或機構(gòu)，其權(quán)威度和使用的干預策略是影響輿情反轉(zhuǎn)的重要因素［22］。已有研究指出，權(quán)威主體活躍度是造成網(wǎng)絡群體性事件爆發(fā)的關(guān)鍵成因［43］。權(quán)威主體在輿情事件中的及時介入和有效引導，為公眾提供準確信息，從而減少輿情反轉(zhuǎn)的可能性。

3）網(wǎng)民關(guān)注度：對于輿情事件，網(wǎng)民關(guān)注度是指網(wǎng)民在一定的時間段內(nèi)，對某一輿情事件的關(guān)注程度。通常通過網(wǎng)絡搜索量、社交媒體提及量、新聞閱讀量等指標來衡量［44］。突發(fā)事件的頻繁發(fā)生促使公民產(chǎn)生自身風險意識，有時甚至引發(fā)公眾焦慮［45］。如果大量網(wǎng)民對輿情事件高度關(guān)注，將有助于真相的快速揭露［46］。

4）用戶地域：表示個體對另一個體或群體親近、接納或難以相處的主觀感受程度［47］。輿情傳播既是輿情信息傳播的過程，也在一定程度上誘發(fā)了網(wǎng)民的心理距離［48］。網(wǎng)民所感受到的與輿情信息之間的心理距離會影響他們的傳播決策［49］，輿情傳播行為分析也證明了心理距離對網(wǎng)民的傳播意愿有顯著的影響［50］，事故發(fā)生地作為心理距離中重要的空間距離維度，往往更能誘發(fā)網(wǎng)民傳播意愿，進而影響輿情走向。

3 研究設計

3.1 研究方法

突發(fā)事件輿情發(fā)展過程是多因素交互的動態(tài)過程，采用fsQCA能夠很好地揭示各要素與輿情反轉(zhuǎn)間存在的非線性關(guān)聯(lián)，挖掘出多條導致輿情反轉(zhuǎn)的有效路徑。當結(jié)果發(fā)生時，某個條件總是存在，那么該條件就是結(jié)果的必要條件［51］。但對于單一變量充分條件的判斷fsQCA只能判定可以或者不可以，沒有辦法解釋程度，而NCA恰好可以彌補這一部分，使用PSM則能夠進一步分析組態(tài)路徑對輿情反轉(zhuǎn)的影響作用。因此，本研究收集40個突發(fā)事件案例，結(jié)合WSR理論選取前因條件，使用NCA、fsQCA與PSM結(jié)合的研究方法來解釋影響突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)機理。NCA用于檢驗8個前因變量是不是促成輿情反轉(zhuǎn)的必要條件，fsQCA用來闡釋各要素交互對輿情反轉(zhuǎn)產(chǎn)生的復雜作用機制［52］，PSM則進一步探究各組態(tài)路徑對輿情反轉(zhuǎn)的差異化影響作用。

3.2 案例選取

案例選取的標準：第一是事件的復雜性，即災害事件由不同的情景、結(jié)構(gòu)、要素等因素構(gòu)成，這些要素直接影響了災害治理的復雜性和難度。第二是事件的時效性，隨著互聯(lián)網(wǎng)時代的發(fā)展，不同時期影響力大的事件可能在現(xiàn)在醞釀出新的衍生輿情。本研究以知微事件為主要平臺，選取具有代表性的多樣化的媒體數(shù)據(jù)信息，如《人民日報》《光明日報》《中國日報》《中國青年報》《中國婦女報》等權(quán)威報紙，新華網(wǎng)、人民網(wǎng)、央視網(wǎng)等主流網(wǎng)絡媒體，中央人民廣播電臺、中國國際廣播電臺等專業(yè)電臺，蟻坊、新浪網(wǎng)、搜狐網(wǎng)等輿情相關(guān)門戶網(wǎng)站，以及微博、微信、知乎、抖音、快手、移動短視頻等媒體，進行比較分析以確保案例選取的合理性，選取2018—2025年影響力榜單上突發(fā)事件案例作為研究對象，具體如表2所示。

3.3 變量選取與數(shù)據(jù)校準

首先對國內(nèi)外關(guān)于突發(fā)事件輿情反轉(zhuǎn)影響因素的文獻進行梳理總結(jié)與歸納；其次對40個典型案例進行文本分析，經(jīng)反復總結(jié)、歸納，初步提煉出影響因素，邀請研究方向為輿情治理的3位碩士、博士研究生，對初步提取出的研究變量進行多輪整合、反復迭代與比較［53］，直至達成一致；最后提煉出8個影響因素。在fsQCA研究中，應先對數(shù)據(jù)進行校準才能進行數(shù)據(jù)分析，具體賦值規(guī)則如表3所示。

4 結(jié)果分析

4.1 單變量必要性分析

本文借助R軟件的NCA包中的上限技術(shù)，上限包絡分析和上限回歸分析，采用NCA方法判定必要條件需要滿足效應量（d＞0.1），且蒙特卡洛仿真置換檢驗顯著（p＜0.05）［54］，結(jié)果如表4所示。可以看出，8個前因變量均不是突發(fā)事件輿情反轉(zhuǎn)的必要條件。

表5進一步報告了瓶頸水平分析結(jié)果，即為實現(xiàn)在某一水平（%）的預期結(jié)果所需前因條件的最低水平（%）。在0～100的任何水平上均為NN（Not Necessary），表明不存在某個條件必須達到特定閾值才能推動結(jié)果發(fā)生。

進一步采用fsQCA檢驗必要非充分條件，單個條件的一致性和覆蓋率是衡量必要性的重要指標。當某一前因變量的一致性大于0.9時，認為該條件為結(jié)果產(chǎn)生的必要條件［55］。采用fsQCA4.0軟件對突發(fā)事件輿情反轉(zhuǎn)的形成要素做必要性檢驗，結(jié)果如表6所示。分析表明，所有前因變量一致性均未達到0.9，這一結(jié)果與NCA方法結(jié)果一致。所以不存在構(gòu)成突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)產(chǎn)生的必要條件，說明單一的前因變量不會引起突發(fā)事件輿情反轉(zhuǎn)，因此，有必要從組態(tài)分析的視角，進一步探討突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)的條件組合機制。

4.2 組態(tài)分析

在發(fā)現(xiàn)不存在導致突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)的必要條件后，依據(jù)變量賦值原則進行校準，并據(jù)此構(gòu)建真值表對突發(fā)事件輿情反轉(zhuǎn)進行組態(tài)分析。經(jīng)過軟件計算會得到3種解：復雜解、中間解、簡約解，其中，中間解能平衡復雜性和可靠性，故而是最佳選擇［56］。本文的組態(tài)路徑分析以中間解為主，簡單解為輔，按照fsQCA的一般規(guī)則，將案例閾值設置為1，一致性閾值設置為0.8，得到導致突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)的最終組態(tài)結(jié)果，共形成7種組態(tài)路徑，總一致性為0.934263，高于0.8的可接受閾值，如表7所示。

通過上述分析，可以將突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)組態(tài)路徑概括為3種構(gòu)型：客體缺失型、意見領(lǐng)袖代表型、網(wǎng)民主導型。

1）客體缺失型。在路徑一、路徑二中具有相同的核心條件“～首發(fā)平臺*～網(wǎng)媒報道量*意見領(lǐng)袖*～權(quán)威主體*～網(wǎng)民關(guān)注度”，所以具體闡釋具有典型案例的一條路徑。

路徑一（～首發(fā)平臺*～網(wǎng)媒報道量*～事件類型*意見領(lǐng)袖*～權(quán)威主體*～網(wǎng)民關(guān)注度*～用戶地域）：在非官方媒體的首發(fā)平臺下，網(wǎng)媒報道量少、網(wǎng)民關(guān)注度低且政府也不予曝光的情況下，由于缺乏輿情事件的討論往往會因為意見領(lǐng)袖帶領(lǐng)網(wǎng)民追尋真相導致輿情反轉(zhuǎn)。信息缺口理論表明［57］，個體或組織在決策或問題解決過程中，因所需信息與實際獲取信息之間存在差距，可能導致判斷偏差、行動受阻或風險放大。案例“湖南瀏陽煙花廠爆炸”就是該組態(tài)的典型案例，由于事件關(guān)注度不高，該廠選擇隱瞞情況先對外稱“1死1傷”，導致信息缺口，加劇了風險傳播的漣漪效應。隨著媒體深入調(diào)查和追問，當?shù)赜指姆Q“7死13傷”，瞬間引發(fā)公眾的強烈質(zhì)疑，專業(yè)人員的分析使輿情開始升溫，人們開始指責當?shù)卣畔⑼▓蟮牟粶蚀_性和不及時性。最后國家應急管理部門介入，確定最終傷亡情況為“13死13傷”，且查明存在瞞報、謊報行為后，輿情徹底爆發(fā)。地方政府認為事件關(guān)注度不高存在僥幸心理，瞞報真實情況為降低責任，最終隨著真相的披露造成了輿情反轉(zhuǎn)。

2）意見領(lǐng)袖代表型。在路徑三、路徑四中，“意見領(lǐng)袖”這一條件變量作為核心因果性條件。

路徑三（～首發(fā)平臺*～網(wǎng)媒報道量*～事件影響力*～事件類型*意見領(lǐng)袖*權(quán)威主體*～網(wǎng)民關(guān)注度*用戶地域）：在非權(quán)威媒體的首發(fā)平臺下，政府關(guān)注度低的低影響力事故災難事件，隨著網(wǎng)媒報道量提升，增加事件的曝光度和公眾的關(guān)注度，產(chǎn)生意見領(lǐng)袖，從而增加輿情反轉(zhuǎn)的可能性。這在一定程度上驗證了風險的社會放大效應［58］，即風險事件會被社會傳播過程放大，進而引發(fā)更大災難。意見領(lǐng)袖的介入會進一步加速輿情反轉(zhuǎn)，案例“貴州安順一公交車墜入水庫”就是該組態(tài)的典型案例，在事件初期，網(wǎng)傳公交車墜入水庫原因是司機女兒因高考失利投湖自殺，這一謠言迅速在網(wǎng)絡上擴散，意見領(lǐng)袖對教育制度等相關(guān)方面提出的觀點產(chǎn)生了激烈討論，對司機的同情與指責隨之而來，形成了強烈的輿論對峙。但真實情況是司機惡意報復社會，故意駕駛公交車沖入水庫。網(wǎng)民開始對司機本身進行譴責，并對社會健康、公共安全問題展開討論，引發(fā)突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)現(xiàn)象。

路徑四（～首發(fā)平臺*網(wǎng)媒報道量*事件影響力*～事件類型*意見領(lǐng)袖*～權(quán)威主體*網(wǎng)民關(guān)注度*用戶地域）：事件影響力大的事件，網(wǎng)媒報道量多，信息傳播速度快，網(wǎng)民關(guān)注度高的情況下，非權(quán)威首發(fā)平臺散播的不實輿情信息會發(fā)酵得更快并且更脆弱，易反轉(zhuǎn)或擴大影響，其中，意見領(lǐng)袖在事件中影響力被放大。“重慶萬州公交墜江事故”就是典型案例，事故初期，部分媒體為搶時效，草率報道事故緣由為“紅色轎車橋上逆行，迫使公交車緊急避讓沖出橋面”，指責“女司機”和網(wǎng)暴轎車司機為討論熱點。隨后，公交車后方車輛行車記錄儀公開錄像表明，轎車司機也是無辜受害人，事故原因是公交車突然穿越道路中心線，撞毀橋邊護欄后墜江。此時，輿論開始同情轎車司機，并將矛頭指向公交車司機。公交車黑匣子被打撈出水后，視頻中一名乘客與公交車司機之間發(fā)生激烈爭執(zhí)乃至打斗，直接造成了車輛失控墜江，這一真相的揭露使得輿論再次發(fā)生轉(zhuǎn)向。該案例是一些自媒體和網(wǎng)絡大V為追求流量和熱點，在未對信息進行嚴格核實的情況下，便對初期的不實信息進行傳播和渲染，進一步擴大了不實信息的影響力，最終引發(fā)輿情反轉(zhuǎn)。

3）網(wǎng)民主導型。在路徑五、路徑六、路徑七中具有相同的核心條件“事件類型*網(wǎng)民關(guān)注度*用戶地域”，所以具體闡釋具有典型案例的兩條路徑：

路徑六（～首發(fā)平臺*網(wǎng)媒報道量*事件影響力*事件類型*意見領(lǐng)袖*權(quán)威主體*網(wǎng)民關(guān)注度*用戶地域）：網(wǎng)民關(guān)注度高及當?shù)赜脩粲懻摱雀叩淖匀粸暮︻愂录捎谑装l(fā)媒體非權(quán)威，對網(wǎng)民誤導而導致輿情反轉(zhuǎn)。事件責任歸因會影響用戶認知評價和情緒狀態(tài)，這在一定程度上支持了裘江南等［5］的研究結(jié)論，即自然災害比事故災害的用戶表現(xiàn)更明顯。案例“河南遭遇特大暴雨”就是該組態(tài)的典型案例，因暴雨導致地鐵五號線被淹沒造成社會影響極大。其中，首發(fā)媒體為非權(quán)威媒體。當權(quán)威媒體介入時，大量報道有關(guān)乘客互助、消防員冒雨救援等場景。權(quán)威媒體的報道在網(wǎng)上傳播快速，但隨著幸存者和相關(guān)意見領(lǐng)袖發(fā)聲，以及司機不專業(yè)操作、地鐵運營方管理不當?shù)仁录毠?jié)逐漸披露，災難嚴重化原因公之于眾，引發(fā)公眾對管理責任和政府公信力的質(zhì)疑。輿論從最初的感動到憤怒，形成了輿情反轉(zhuǎn)。

路徑七（首發(fā)平臺*網(wǎng)媒報道量*事件影響力*事件類型*～意見領(lǐng)袖*～權(quán)威主體*網(wǎng)民關(guān)注度*用戶地域）：在首發(fā)平臺是權(quán)威平臺的自然災害類事件中，媒體報道量大和網(wǎng)民關(guān)注度高，但隨著事件發(fā)展沒產(chǎn)生意見領(lǐng)袖并且權(quán)威媒體也不介入引導輿情走向，放任媒體報道輿情發(fā)酵導致輿情反轉(zhuǎn)。議程設置理論認為［59］，媒體雖無法決定公眾“怎么想”，但能通過聚焦某些議題及其報道頻率，影響公眾“想什么”。本研究發(fā)現(xiàn)，網(wǎng)媒報道體現(xiàn)了一定的議程設置程序，網(wǎng)民報道量則可能是輿情反轉(zhuǎn)的重要因素。案例“四川宜賓突發(fā)山體滑坡”就是該組態(tài)典型案例，新華社發(fā)布了事件的基本信息，表明事件得以控制，有效降低損失并且報道了救援等情況，輿論情況向好。這時某些網(wǎng)民希望博取關(guān)注以吸取流量，聲稱自己是受災者，利用AI技術(shù)將2020年巴西泥石流、2024年中國臺灣基隆山體滑坡等情況“嫁接”到這次災難上，造謠稱“重慶特大事故，八家人全部被埋”，在短視頻平臺瘋狂傳播，引起網(wǎng)民高度關(guān)注，輿論開始懷疑政府隱瞞真實情況，即使辟謠，但大部分人仍質(zhì)疑政府不作為，產(chǎn)生輿情反轉(zhuǎn)。

4.3 穩(wěn)健性檢驗

由于fsQCA的賦值具有一定的主觀性，因此本文使用調(diào)整賦值標準［8］和剔除案例［60］方法進行穩(wěn)健性檢驗。第一種方法是將四分均值錨點法調(diào)整為“完全不隸屬”（0.05）、“完全隸屬”（0.95），其他步驟保持不變。第二種方法是從選取的40個案例中剔除10個，自然災害和事故災難兩類事件各剔除5個。然后重新用fsQCA4.0軟件對處理后的案例進行分析，發(fā)現(xiàn)組態(tài)路徑的類型并未發(fā)生實質(zhì)性的變化，這進一步驗證了本文所探討的突發(fā)事件輿情反轉(zhuǎn)條件變量的穩(wěn)健性較強，能夠更有效地闡釋突發(fā)事件輿情反轉(zhuǎn)的演化路徑。

4.4 突發(fā)事件輿情反轉(zhuǎn)的PSM分析

為了進一步檢驗不同前因組態(tài)路徑產(chǎn)生的不同類型突發(fā)事件輿情反轉(zhuǎn)的差異性影響，將事件類型與fsQCA研究得到的簡單解作為處理變量與協(xié)變量的標準，并利用PSM方法來分別考察不同前因核心變量和突發(fā)事件輿情反轉(zhuǎn)的關(guān)系，運用Logit模型對突發(fā)事件輿情反轉(zhuǎn)的傾向得分進行預測。

利用最近鄰匹配法來對ATT的值進行估計，同時，將核匹配和半徑匹配的估計結(jié)果也一并列示，以進一步驗證本文研究結(jié)果的穩(wěn)健性。考慮到因部分組態(tài)樣本量較少而可能帶來的小樣本偏誤，利用Bootstrap方法來估計ATT標準誤，從而協(xié)助研究結(jié)果的檢驗［61］。表8為不同類型突發(fā)事件輿情反轉(zhuǎn)的影響結(jié)果。可以看出，客體缺失型（ATT=-0.3364，p＜0.05），說明治理該組態(tài)的核心變量會減少突發(fā)事件輿情反轉(zhuǎn)情況。意見領(lǐng)袖代表型（ATT=-0.25，p＜0.05），也說明減少該組態(tài)的核心變量會抑制突發(fā)事件輿情反轉(zhuǎn)情況。網(wǎng)民主導型（ATT=-0.1318，p＜0.1），代表網(wǎng)民主導型突發(fā)輿情事件輿情反轉(zhuǎn)同樣受核心變量影響。

5 理論貢獻與實踐啟示

5.1 理論貢獻

本研究從WSR方法論切入，針對第一個研究問題，構(gòu)建了突發(fā)事件輿情反轉(zhuǎn)形成模型，揭示了多因素交互作用下輿情反轉(zhuǎn)的復雜因果關(guān)系。針對第二個研究問題，運用NCA、fsQCA與PSM方法闡釋兩類災害事件輿情反轉(zhuǎn)的生成機理，得到7條組合路徑，歸納為客體缺失型、意見領(lǐng)袖代表型、網(wǎng)民主導型3種類型。本文有兩方面的理論貢獻：

第一，基于WSR方法論，構(gòu)建了“物理—客體、事理—本體、人理—主體”多因素相互作用的分析框架，通過組態(tài)分析歸納為3種組合構(gòu)型：①“網(wǎng)民主導型”表明，自然災害事件本身影響力使得網(wǎng)民關(guān)注度高，相關(guān)地區(qū)披露信息增多導致輿情反轉(zhuǎn)。②“意見領(lǐng)袖代表型”表明，當事件影響力和關(guān)注度較低，意見領(lǐng)袖出現(xiàn)引導輿論走向，引發(fā)公眾關(guān)注和討論，從而推動輿情反轉(zhuǎn)。③“客體缺失型路徑”表明，首發(fā)平臺非權(quán)威、網(wǎng)媒報道量低等客體條件缺失的情況下，意見領(lǐng)袖的積極引導或政府的及時介入且挖掘和傳播事件真相可能成為網(wǎng)絡輿情反轉(zhuǎn)的觸發(fā)因素，促使輿情發(fā)生反轉(zhuǎn)。

第二，從兩類突發(fā)事件出發(fā)，歸納了自然災害與事故災難類突發(fā)事件輿情反轉(zhuǎn)的路徑差異，為不同類型的突發(fā)事件情境下理解公眾反應及網(wǎng)絡行為提供了理論指導。自然災害類突發(fā)事件多受網(wǎng)民關(guān)注度、所在地用戶等因素的影響。自然災害發(fā)生迅速并且破壞力極強，往往傳播速度較快，但是由于信息渠道獲取有限，網(wǎng)民容易受到不實信息的影響，導致容易產(chǎn)生輿情反轉(zhuǎn)。而事故災難類突發(fā)事件更容易受到意見領(lǐng)袖引導和權(quán)威主體參與不足等因素的影響。事故災難通常涉及責任歸屬等問題，公眾的關(guān)注點往往集中在事故原因、責任認定等方面。如果網(wǎng)絡媒體報道量不斷增加，事件情況逐漸公之于眾，但此時政府并沒有及時有效地回應公眾，意見領(lǐng)袖出現(xiàn)引導輿論走向就可能導致輿情的反轉(zhuǎn)和升級。

5.2 實踐啟示

從物理、事理、人理3個方面，可得到具體研究啟示如下：

物理方面，在自然災害類事件中，官方平臺的信息及時發(fā)布能夠為公眾提供準確的災害信息和救援進展，引導公眾理性看待災害。在事故災難類事件中，非官方媒體可能會為了追求流量和關(guān)注度，發(fā)布未經(jīng)核實的信息，引發(fā)公眾的猜測和質(zhì)疑，增加了輿情反轉(zhuǎn)的風險。因此，應加強對首發(fā)平臺的規(guī)范和監(jiān)管，提高信息發(fā)布的準確性和權(quán)威性。同時，對非官方媒體的信息發(fā)布行為進行引導和監(jiān)督，要求其遵守法律法規(guī)和新聞倫理，確保信息的真實性和可靠性。例如：增設AI內(nèi)容審核工具，開發(fā)建立輿情監(jiān)測系統(tǒng)，自動審核信息碎片化、誤導性報道，識別AI生成的虛假“換頭、捏造等”信息內(nèi)容。對于網(wǎng)絡媒體來說，為了減少報道不準確或存在偏差以提高輿情反轉(zhuǎn)的可能性，應制定統(tǒng)一標準，建立媒體信用評級體系，使虛假信息發(fā)布次數(shù)與媒體信用掛鉤，明確懲罰機制次數(shù)超過標準即懲罰，嚴重者拉入黑名單。

事理方面，對政府來說，應結(jié)合自然災害與事故災難兩類突發(fā)事件的特點“因材施教”。事件初期，構(gòu)建有效的風險預警指標體系，或者與輿情監(jiān)控大數(shù)據(jù)平臺合作，實時監(jiān)測事件影響力、用戶關(guān)注度、意見領(lǐng)袖參與度等指標，設定閾值自動觸發(fā)預警，例如，當輿情事件網(wǎng)民負面情緒占比超過閾值，系統(tǒng)自動將事件相關(guān)信息反饋到應急預警部門。尤其是自然災害類事件，通過實時監(jiān)測和綜合分析等手段提前預測發(fā)展態(tài)勢和后果，及時發(fā)出預警信號，最大程度減少對民眾的危害。對于事故災難類事件，也要增強官方權(quán)威媒體發(fā)布信息的覆蓋度，及時、準確地向公眾通報事件的最新進展。事件發(fā)酵期，明確任務分配多部門聯(lián)合協(xié)作，需要及時公布，保證讓公眾在第一時間全程了解事件的處理過程和結(jié)果，避免因信息不透明導致公眾的猜測和質(zhì)疑，減少網(wǎng)絡輿情反轉(zhuǎn)的可能性。

人理方面，意見領(lǐng)袖極其重要，在自然災害類事件中通常可以傳播災害信息，引導公眾的情緒和行為，在事故災難類事件中通過發(fā)布調(diào)查結(jié)果、評論和分析，引導公眾對事故原因和責任進行討論，利用得當就是治理輿情的一把“利刃”，利用不當或不利則會增大輿情治理難度。政府可以聯(lián)合微博、抖音等主流媒體，秉持客觀、公正、理性的態(tài)度，積極傳播準確、權(quán)威的信息，引導公眾正確看待事件的意見領(lǐng)袖，賦予“權(quán)威發(fā)聲人”的勛章或者頭銜進行官方認證，為其扶持流量優(yōu)先推送。刺激意見領(lǐng)袖的責任擔當意識并加強對意見領(lǐng)袖的監(jiān)督和管理，避免為了追求關(guān)注度和流量而發(fā)布不實信息或片面觀點，煽動公眾情緒，惡意賺取流量的情況出現(xiàn)。網(wǎng)民方面，政府應設定公眾參與激勵機制，獎勵存在首位舉報謠言、及時提供正確情報和引導輿論正確走向等行為的民眾。通過學校教育、社區(qū)培訓、網(wǎng)絡宣傳等多種途徑，廣泛開展素養(yǎng)教育活動，使公眾認識到不是只有到現(xiàn)場為災情出力才是為災難類突發(fā)事件出力。培養(yǎng)公眾的責任意識，使公眾明白在突發(fā)事件中每個人都可以發(fā)揮積極作用，而不是只把自己擺在一個看客的角度。

5.3 結(jié)論與未來展望

本文基于WSR理論構(gòu)建了突發(fā)事件輿情反轉(zhuǎn)生成模型，利用NCA、fsQCA和PSM進行實證分析，得到了7條突發(fā)事件輿情反轉(zhuǎn)路徑，歸納為客體缺失型、意見領(lǐng)袖代表型和網(wǎng)民主導型3種類型。研究結(jié)果發(fā)現(xiàn)，在自然災害事件中，網(wǎng)絡輿情反轉(zhuǎn)多受事件本身影響力和網(wǎng)民關(guān)注度的影響；在事故災難事件中，則更容易受到權(quán)威主體和意見領(lǐng)袖的影響。研究結(jié)論為網(wǎng)絡輿情的監(jiān)管與治理策略制定提供了有價值的參考。然而，本研究仍存在一定局限性，本文僅針對兩類突發(fā)事件輿情反轉(zhuǎn)的部分影響因素進行分析，且樣本數(shù)量有限，影響了研究結(jié)論的覆蓋范圍，未來的研究可考慮進一步納入突發(fā)公共衛(wèi)生事件與社會安全事件，并適當增加案例樣本量，以有效提升研究結(jié)論的普適性，進一步完善和彌補本研究的不足。

參考文獻

［1］王楠，李海榮，譚舒孺.基于輿情事件演化分析及改進KE-SMOTE算法的輿情反轉(zhuǎn)預測研究［J］.數(shù)據(jù)分析與知識發(fā)現(xiàn)，2022，6（Z1）：396-407.

［2］黃遠，劉怡君.網(wǎng)絡輿論反轉(zhuǎn)效應研究［J］.管理評論，2016，28（8）：71-78.

［3］劉宏波，翟國方.基于社交媒體信息不同災害的社會響應特征比較研究［J］.災害學，2017，32（1）：187-193.

［4］Gupta S，Starr M K，F(xiàn)arahani R Z，et al.Disaster Management From a POM Perspective：Mapping a New Domain［J］.Production and Operations Management，2016，25（10）：1611-1637.

［5］裘江南，葛一迪.社交媒體情緒對信息行為的影響：基于兩類災害事件的比較研究［J］.管理科學，2020，33（1）：3-15.

［6］席海莎.淺析后真相時代下的輿情反轉(zhuǎn)［J］.新聞知識，2017（9）：22-25.

［7］彭國超，程曉.基于社會燃燒理論的反轉(zhuǎn)新聞輿情熱度生成機理研究［J］.情報科學，2023，41（1）：80-85，109.

［8］李晚蓮，蔣化，曾鋒.突發(fā)公共事件網(wǎng)絡輿情反轉(zhuǎn)強度生成機理研究——基于多案例的fsQCA分析［J］.情報雜志，2022，41（11）：129-136，54.

［9］張霽陽，張鵬，蘭月新，等.基于動態(tài)主題聚類的網(wǎng)絡輿情反轉(zhuǎn)識別模型構(gòu)建與實證研究［J］.情報理論與實踐，2023，46（10）：174-181，129.

［10］王楠，杜豪，譚舒孺，等.基于深度學習的事件特征提取與輿情反轉(zhuǎn)預測［J］.情報雜志，2025，44（3）：107-118.

［11］江長斌，鄒悅琦，王虎，等.基于SVM的自媒體輿情反轉(zhuǎn)預測研究［J］.情報科學，2021，39（4）：47-53，61.

［12］田世海，孫美琪，張家毓.基于貝葉斯網(wǎng)絡的自媒體輿情反轉(zhuǎn)預測［J］.情報理論與實踐，2019，42（2）：127-133.

［13］張寧.淺析后真相語境下的網(wǎng)絡輿情反轉(zhuǎn)成因——以“萬州公交車墜江事件”為例［J］.新聞研究導刊，2019，10（2）：60-61.

［14］畢宏音，田華.輿情“類反轉(zhuǎn)”現(xiàn)象分析與反思——以“萬州公交車墜江事件”為例［J］.情報雜志，2019，38（7）：103-110.

［15］王玉龍.輿情反轉(zhuǎn)：突發(fā)事件過程中網(wǎng)絡群體極化的角色研究——基于“天價魚事件”的分析［J］.電子政務，2016（5）：16-24.

［16］Jiang G Y，Li S P，Li M L.Dynamic Rumor Spreading of Public Opinion Reversal on Weibo Based on a Two-Stage SPNR Model［J］.Physica A：Statistical Mechanics and Its Applications，2020，558：125005.

［17］叢靖怡，艾文華，胡廣偉.基于信息交互視角的突發(fā)公共事件輿情反轉(zhuǎn)治理路徑研究［J］.情報學報，2022，41（6）：594-608.

［18］Zhang W，Wang M，Zhu Y C.Does Government Information Release Really Matter in Regulating Contagion-Evolution of Negative Emotion During Public Emergencies？From the Perspective of Cognitive Big Data Analytics［J］.International Journal of Information Management，2020，50：498-514.

［19］Han R，An L，Zhou W，et al.Research on the Roles of Multiple Social Media Platforms in the Evolution of Public Events［J/OL］.Aslib Journal of Information Management：1-20［2025-08-06］.https：//doi.org/10.1108/AJIM-07-2024-0539.

［20］邊晶梅，俞雙兒，周超，等.基于網(wǎng)絡輿情反轉(zhuǎn)的演化博弈分析［J］.情報雜志，2025，44（5）：112-121，129.

［21］李詩軒，沈愿，王璐，等.面向支原體肺炎網(wǎng)絡輿情的事理圖譜構(gòu)建與演化分析［J/OL］.情報科學：1-22［2025-05-26］.http：//kns.cnki.net/kcms/detail/22.1264.G2.20240624.1801.002.html.

［22］張柳，易思雨，王慧，等.共生理論視域下突發(fā)事件網(wǎng)絡輿情反轉(zhuǎn)形成路徑研究——基于fsQCA定性比較分析［J］.情報科學，2024，42（6）：74-82.

［23］謝起慧，席鵬瑩，蔡子慶.突發(fā)事件中多元主體如何生成輿情反轉(zhuǎn)：敏感性、權(quán)威度和參與策略［J］.系統(tǒng)管理學報，2025，34（2）：463-476.

［24］顧基發(fā)，唐錫晉，朱正祥.物理—事理—人理系統(tǒng)方法論綜述［J］.交通運輸系統(tǒng)工程與信息，2007，7（6）：51-60.

［25］毛紫君，趙國杰，王海峰，等.WSR方法論三條生成路徑發(fā)現(xiàn)與比較研究［J］.管理評論，2021，33（5）：44-56.

［26］楊敏，劉詠梅，謝笑.大學圖書館突發(fā)事件應急預防管理研究——基于WSR方法論［J］.圖書館工作與研究，2019（10）：11-17，48.

［27］Caro D.The Nexus of Transformational Leadership of Emergency Services Systems［J］.International Journal of Emergency Services，2016，5（1）：18-33.

［28］Ji B Y，Liu Y M，Jin Z Y.An Evaluation of the Design and Construction of Energy Management Platform for Public Buildings Based on WSR System Approach［J］.Kybernetes，2018，47（8）：1549-1568.

［29］Li G，Liu J G，Wang X M，et al.Analysis of Influencing Factors of Change of Manufacturing Energy Intensity in China Based on WSR System Methodology and VAR Model［J］.EURASIA Journal of Mathematics，Science and Technology Education，2017，13（12）：5189.

［30］蔣甲丁，肖瀟，張玲玲.知識生態(tài)視角下基于WSR的大型工程項目知識共享影響因素及實證研究［J］.管理評論，2021，33（10）：171-184.

［31］唐智鵬，華國偉，鄭大昭.基于WSR方法論的企業(yè)研發(fā)費用管理研究［J］.管理評論，2020，32（7）：315-325，336.

［32］李明.元宇宙視域下網(wǎng)絡輿情的生發(fā)機理與治理路徑——一個WSR理論分析框架［J］.情報雜志，2023，42（6）：154-161.

［33］周紅磊，張海濤，張春龍，等.WSR系統(tǒng)方法論視角下突發(fā)事件網(wǎng)絡輿情的風險治理機制研究［J］.情報理論與實踐，2022，45（12）：22-30.

［34］袁野，蘭月新，張鵬，等.基于系統(tǒng)聚類的反轉(zhuǎn)網(wǎng)絡輿情分類及預測研究［J］.情報科學，2017，35（9）：54-60.

［35］王戈，張祖成.“蹭流量”下網(wǎng)絡公共輿論形成機制研究［J］.情報雜志，2023，42（8）：116-122，128.

［36］王燕鵬，韓濤，趙亞娟，等.人工智能領(lǐng)域關(guān)鍵技術(shù)挖掘分析［J］.世界科技研究與發(fā)展，2019，41（4）：368-379.

［37］徐金玉.自媒體環(huán)境下“輿情反轉(zhuǎn)”的成因分析［J］.新聞研究導刊，2015，6（16）：283.

［38］王平，謝耘耕.突發(fā)公共事件網(wǎng)絡輿情的形成及演變機制研究［J］.現(xiàn)代傳播（中國傳媒大學學報），2013，35（3）：63-69.

［39］李明，侯甜甜.行動者網(wǎng)絡視角下重大突發(fā)事件網(wǎng)絡輿情導控研究——基于SD與fsQCA混合方法的分析［J］.信息資源管理學報，2024，14（5）：104-115.

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

［41］郭奕，徐亮，熊雪軍.社交網(wǎng)絡中意見領(lǐng)袖挖掘方法綜述［J］.計算機科學與探索，2021，15（11）：2077-2092.

［42］王佳敏，吳鵬，陳芬，等.突發(fā)事件中意見領(lǐng)袖的識別和影響力實證研究［J］.情報學報，2016，35（2）：169-176.

［43］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，2021，28（2）：106-125，128.

［44］蘭月新，劉冰月，張鵬，等.基于輿情大數(shù)據(jù)的網(wǎng)民關(guān)注度轉(zhuǎn)移模型研究［J］.現(xiàn)代情報，2018，38（10）：10-15.

［45］許學國，桂美增.基于機器學習的新能源汽車核心技術(shù)識別及布局研究［J］.科技管理研究，2021，41（9）：96-106.

［46］鄭思佳，汪雪鋒，劉玉琴，等.關(guān)鍵核心技術(shù)競爭態(tài)勢評估研究［J］.科研管理，2021，42（10）：1-10.

［47］陳德洪.藝術(shù)美學［M］.重慶：重慶大學出版社，2015.

［48］Tang Y N，Liu J M，Chen W.Exchange，Adopt，Evolve：Modeling the Spreading of Opinions Through Cognition and Interaction in a Social Network［J］.Information Sciences，2021，551：1-22.

［49］Lu Y X，Qiu J N.Influence of Cognitive and Emotional Frames on Weibo Users Information Dissemination Behavior in Natural Disaster Emergencies：The Moderating Effect of Psychological Distance［J］.Library amp; Information Science Research，2024，46（2）：101298.

［50］張曉君，黃微，宋先智.基于心理距離的網(wǎng)絡輿情傳播傾向性研究［J］.情報資料工作，2017（6）：19-24.

［51］蔡文君，申靜.創(chuàng)新驅(qū)動的智庫知識服務全球?qū)I(yè)化發(fā)展研究——基于40個案例的模糊集定性比較分析（fsQCA）［J］.情報科學，2023，41（5）：81-90.

［52］馬鴻佳，王亞婧，蘇中鋒.數(shù)字化轉(zhuǎn)型背景下中小制造企業(yè)如何編排資源利用數(shù)字機會——基于資源編排理論的fsQCA研究［J］.南開管理評論，2024，27（4）：90-100，208.

［53］劉思慧，李文，俞榮建，等.商業(yè)模式創(chuàng)新和數(shù)字賦能對數(shù)字化轉(zhuǎn)型的驅(qū)動機制研究——基于TJ-QCA的案例分析［J］.管理評論，2023，35（8）：342-352.

［54］Dul J，Laan E，Kuik R.A Statistical Significance Test for Necessary Condition Analysis［J］.Organizational Research Methods，2020，23（2）：385-395.

［55］Ragin C C.Redesigning Social Inquiry：Fuzzy Sets and Beyond［M］.Chicago：University of Chicago Press，2010.

［56］Yao Y B，Zhang R S，Yang F，et al.Link Prediction via Layer Relevance of Multiplex Networks［J］.International Journal of Modern Physics C，2017，28（8）：1750101.

［57］Loewenstein G.The Psychology of Curiosity：A Review and Reinterpretation［J］.Psychological Bulletin，1994，116（1）：75-98.

［58］Kasperson R E，Renn O，Slovic P，et al.The Social Amplification of Risk：A Conceptual Framework［J］.Risk Analysis，1988，8（2）：177-187.

［59］McCombs M，Llamas J P，Lopez-Escobar E，et al.Candidate Images in Spanish Elections：Second-Level Agenda-Setting Effects［J］.Journalism amp; Mass Communication Quarterly，1997，74（4）：703-717.

［60］張明，杜運周.組織與管理研究中QCA方法的應用：定位、策略和方向［J］.管理學報，2019，16（9）：1312-1323.

［61］孫冰，張延豐，田勝男.“跌倒”后是否還會“爬起來”：不同前因組態(tài)的創(chuàng)新失敗對企業(yè)再創(chuàng)新行為的影響［J］.管理評論，2025，37（1）：87-99.

（責任編輯：李匯淼）