江長斌，李汾縈，張瑤源，王周陽，任天宇

(1.武漢理工大學(xué) 管理學(xué)院，湖北 武漢 430070；2.武漢大學(xué) 經(jīng)濟與管理學(xué)院，湖北 武漢 430072)

近年來，各類突發(fā)事件通過網(wǎng)絡(luò)迅速傳播，集聚了公眾的注意力，也引發(fā)了輿論熱議，如新冠肺炎疫情、8·12天津港爆炸、重慶公交車墜江事件和3·21響水化工廠爆炸等。突發(fā)公共事件不僅嚴(yán)重威脅公眾的生命安全，造成巨大的經(jīng)濟損失，與之相關(guān)的輿情事件通過網(wǎng)絡(luò)空間迅速傳播，引發(fā)社會恐慌，擾亂社會秩序。在網(wǎng)絡(luò)輿情的傳播過程中，由于原生輿情的處理不當(dāng)?shù)仍?，還會產(chǎn)生一系列的次生議題，誘發(fā)次生輿情，進(jìn)一步激化社會矛盾。次生輿情一般與原生輿情息息相關(guān)，由其直接誘發(fā)，但是更加復(fù)雜，且一個輿情事件可能催生多起次生輿情，給網(wǎng)絡(luò)輿情的監(jiān)管帶來巨大壓力。如在新冠肺炎疫情期間，“紅十字會物資調(diào)配”和“物資攔截”等多起次生輿情事件的爆發(fā)都促使輿情治理環(huán)境進(jìn)一步復(fù)雜化。

輿情治理能力是政府治理能力的重要組成部分。在網(wǎng)絡(luò)輿情傳播過程中，次生輿情的產(chǎn)生往往會改變輿情事件的演化強度或趨勢，為輿情管理機構(gòu)的輿情管控工作帶來困難。研究次生輿情對原生輿情傳播過程的影響對提升輿情治理能力有重要作用，但目前鮮有研究者關(guān)注次生輿情與原生輿情的交織傳播過程。因此，筆者將全面分析不同情況下次生輿情對輿情傳播過程的影響，探索政府干預(yù)行為在輿情傳播過程中的實際效果，幫助輿情管理機構(gòu)準(zhǔn)確把握次生輿情影響下的網(wǎng)絡(luò)輿情傳播規(guī)律，提升輿情治理能力。

1 文獻(xiàn)綜述

公眾受事件刺激后在網(wǎng)絡(luò)上公開表達(dá)自己對事件的認(rèn)知、態(tài)度、情緒和意見，他們的觀點逐漸統(tǒng)一形成網(wǎng)絡(luò)輿情并在社交網(wǎng)絡(luò)空間傳播擴散[1]。FRAHM等[2]提出了識別社交網(wǎng)絡(luò)上網(wǎng)絡(luò)輿情形成的Ising-PageRank模型，實驗發(fā)現(xiàn)即使意見領(lǐng)袖占比很小，其仍能顯著影響輿情觀點的形成。NUORTIMO等[3]指出社會媒體對輿情的影響正逐漸增強，放大了網(wǎng)絡(luò)輿情的社會影響。方付建[4]認(rèn)為網(wǎng)絡(luò)輿情誘發(fā)的種種后果會給各類群體造成不可忽略的影響，一旦輿情事件處理不當(dāng)，這種影響的負(fù)面效應(yīng)將給社會的正常秩序帶來巨大的挑戰(zhàn)。周義棋等[5]認(rèn)為網(wǎng)絡(luò)輿情分析有助于掌握民眾情感動態(tài)，在熱點事件中，官方微博積極引導(dǎo)有助于民眾輿論正向發(fā)展。

目前學(xué)術(shù)界對次生輿情的定義尚未統(tǒng)一，與原生輿情概念相對應(yīng)，次生輿情大體上是指在原生輿情基礎(chǔ)上由某一因素觸發(fā)生成的新輿情信息，與原生輿情交織傳播。趙靜嫻[6]認(rèn)為廣義的次生輿情是分正負(fù)的，狹義的次生輿情都是負(fù)面的。周慶安等[7]認(rèn)為當(dāng)前政府部門或企業(yè)組織經(jīng)常會面臨原生輿情處理不當(dāng)而產(chǎn)生的次生輿情危機，這些次生危機往往具有自身獨特性，處理不當(dāng)將會給組織聲譽帶來沖擊。羅萍[8]分析了次生輿情的3種效應(yīng)及其可能產(chǎn)生的后果。劉勇等[9]指出重大公共危機中次生輿情的生成已成為常態(tài)，其中多數(shù)為負(fù)面輿情。陳婷等[10]針對網(wǎng)絡(luò)輿情的衍生效應(yīng)，構(gòu)建了基于時序信息的話題演化模型從而對衍生輿情實時追蹤。劉文強[11]基于系統(tǒng)動力學(xué)模型和模糊三角數(shù)提出了移動社交網(wǎng)絡(luò)次生輿情的預(yù)警方法，將輿情預(yù)警程度劃分為5個等級。安璐等[12]基于熱點主題提出了突發(fā)事件次生衍生事件的判定規(guī)則，實現(xiàn)了從輿情事件傳播過程中的多個輿論焦點里探測次生衍生事件。鄭智斌等[13]指出次生輿情可能強化或改變輿情演化方向，具有后發(fā)性、圍合性、關(guān)聯(lián)性、偶然性、敏感性和話題性等特征。鄭萬軍[14]從3方面提出了減少突發(fā)危機事件中網(wǎng)絡(luò)謠言等次生危害的路徑。

SUDBURY[15]首次將傳染病SIR模型用于研究謠言傳播，為輿情傳播研究提供了新的思路。之后許多學(xué)者通過改進(jìn)傳染病模型對輿情的傳播規(guī)律和影響因素進(jìn)行了研究，相較于其他模型，傳染病模型不僅能夠很好地展現(xiàn)輿情傳播的規(guī)律，還能夠有效幫助分析各種輿情控制策略的效果[16]。JIANG等[17]基于傳染病模型構(gòu)建了SPNR模型，驗證了政府公布事件真相的時間對謠言傳播有重要影響。林曉靜等[18]考慮新網(wǎng)民的加入，提出了具有飽和接觸率的SEIR模型，研究了動態(tài)社交網(wǎng)絡(luò)中的輿情傳播擴散過程。ZHANG等[19]將傳播節(jié)點分成了支持、中立和反對，構(gòu)建MI-SEIR模型分析了媒體與人際關(guān)系對輿情傳播的影響。成全等[20]在傳統(tǒng)SEIR模型中加入用戶主題興趣作為輿情傳播演化的影響因素，通過仿真實驗發(fā)現(xiàn)傳播用戶數(shù)量、類別和輿情參與用戶的主題興趣度、主題關(guān)注焦點有顯著關(guān)系。陳莫凡等[21]結(jié)合傳染病模型和博弈的優(yōu)勢，構(gòu)建了基于SEIQR的演化博弈模型，分析了專家、政府和網(wǎng)媒等因素對社交網(wǎng)絡(luò)上輿情傳播的影響。

總體而言，目前針對次生輿情對原生輿情傳播過程影響的研究尚有不足，故筆者考慮兩種輿情信息同時存在于社交網(wǎng)絡(luò)，探討次生輿情影響下的輿情傳播過程和政府干預(yù)行為的作用，并提出相關(guān)治理建議。

2 模型構(gòu)建

在用于網(wǎng)絡(luò)輿情傳播研究的多種傳染病模型中，SEIR模型通過節(jié)點的易感、潛伏、感染、免疫4種狀態(tài)較全面的反應(yīng)了網(wǎng)絡(luò)輿情的傳播特性。以微博社交網(wǎng)絡(luò)為例，輿情事件在微博上發(fā)酵之后，網(wǎng)友可以選擇點贊、評論和轉(zhuǎn)發(fā)等多種參與方式，其中只有轉(zhuǎn)發(fā)行為可以直接擴散輿情信息。第一時間選擇點贊和評論的網(wǎng)友可能在觀望一段時間之后轉(zhuǎn)發(fā)信息，也可能因為對輿情事件不感興趣而不轉(zhuǎn)發(fā)。可以發(fā)現(xiàn)，在這個過程中存在4種狀態(tài)的網(wǎng)友：①還沒有接觸到輿情信息的網(wǎng)友，②選擇點贊和評論的網(wǎng)友，③選擇轉(zhuǎn)發(fā)輿情信息的網(wǎng)友，④對輿情事件失去興趣的網(wǎng)友。這4種狀態(tài)與傳染病SEIR模型中網(wǎng)絡(luò)節(jié)點的4種狀態(tài)大致相似，因此可以選擇以SEIR模型為基礎(chǔ)來構(gòu)建輿情傳播模型。

2.1 經(jīng)典SEIR模型

SEIR模型將整個網(wǎng)絡(luò)上的個體分為易感染者、潛伏者、感染者和免疫者4類。在該模型中，易感染狀態(tài)節(jié)點在接觸到感染節(jié)點之后不會直接成為感染者，而是先進(jìn)入潛伏狀態(tài)，概率為α，潛伏者不會直接感染他人。部分免疫力較強的人會在自身免疫系統(tǒng)的作用下恢復(fù)健康，成為免疫者，概率為γ；其他人會逐漸成為感染者，在網(wǎng)絡(luò)系統(tǒng)中傳播疫情，概率為β。隨著時間的推移，感染者或死亡，或在藥物的治療下康復(fù)成為免疫者R，移除傳染系統(tǒng)的概率為λ。SEIR模型的狀態(tài)轉(zhuǎn)移圖如圖1所示，模型的微分方程表達(dá)式如式(1)所示,其中S(t)+E(t)+I(t)+R(t)=1。

圖1 SEIR模型

(1)

2.2 考慮次生輿情影響的SEIR模型

2.2.1 模型基本假設(shè)

假設(shè)1模型所構(gòu)建網(wǎng)絡(luò)為靜態(tài)網(wǎng)絡(luò)，社交網(wǎng)絡(luò)中的網(wǎng)民數(shù)量在網(wǎng)絡(luò)形成后不變，單位時間內(nèi)同一傳播過程中網(wǎng)絡(luò)節(jié)點間的傳播概率相等。

假設(shè)2在現(xiàn)實生活中，次生輿情在傳播過程中大多會攜帶原生輿情信息，故網(wǎng)友在接觸到次生輿情信息時都會對原生輿情事件有所了解。因此假設(shè)所有接觸次生輿情信息的網(wǎng)友都知道原生輿情事件，傳播次生輿情即同時傳播兩則輿情信息。

2.2.2 模型構(gòu)建

目前，網(wǎng)絡(luò)輿情事件中次生輿情的爆發(fā)已經(jīng)成為常態(tài)，而傳統(tǒng)的SEIR模型只考慮了一種感染源，對于次生輿情影響下的輿情傳播過程具有局限性。因此，結(jié)合現(xiàn)實情況，對微博社交網(wǎng)絡(luò)環(huán)境下輿情信息傳播過程進(jìn)行分析，在經(jīng)典SEIR模型中加入次生輿情傳播相關(guān)的節(jié)點狀態(tài)，建立考慮次生輿情影響的輿情傳播模型。根據(jù)網(wǎng)民對待輿情信息的態(tài)度，筆者將網(wǎng)絡(luò)環(huán)境下的所有網(wǎng)絡(luò)節(jié)點分為7種狀態(tài)：未知節(jié)點(S)、原生輿情潛伏節(jié)點(E1)、次生輿情潛伏節(jié)點(E2)，原生輿情傳播節(jié)點(I1)，次生輿情傳播節(jié)點(I2)，原生輿情免疫節(jié)點(R1)和次生輿情免疫節(jié)點(R2)。原生輿情信息與次生輿情信息在社交網(wǎng)絡(luò)上交織傳播的過程如圖2所示，該輿情傳播模型的微分方程表達(dá)式如式(2)所示。

圖2 輿情傳播模型

(2)

未知節(jié)點S在接觸到原生輿情信息后，部分較為理智的網(wǎng)友不會直接轉(zhuǎn)發(fā)傳播輿情信息，成為原生輿情潛伏者節(jié)點E1，概率為α1；但部分容易輕信的網(wǎng)友選擇直接轉(zhuǎn)發(fā)輿情信息，成為原生輿情傳播節(jié)點I1，概率為α2。未知節(jié)點S在接觸次生輿情信息后，網(wǎng)友同時了解原生輿情信息和次生輿情信息，較為理智的網(wǎng)友不會直接轉(zhuǎn)發(fā)，成為次生輿情潛伏節(jié)點E2，概率為α3；雖然網(wǎng)友可以選擇只轉(zhuǎn)發(fā)次生輿情中包含的原生輿情信息或直接轉(zhuǎn)發(fā)次生輿情信息，但考慮到在不確定信息真?zhèn)蔚沫h(huán)境下直接轉(zhuǎn)發(fā)輿情信息的網(wǎng)友缺乏應(yīng)有的理智，故認(rèn)為其不會只轉(zhuǎn)發(fā)原生輿情成為I1，只可能成為次生輿情傳播節(jié)點I2，概率為α4。

E1節(jié)點在下一時間點進(jìn)行判斷，部分對輿情事件較為關(guān)心的網(wǎng)友會轉(zhuǎn)發(fā)輿情信息，成為I1狀態(tài)節(jié)點，概率為β1；其他網(wǎng)友在對輿情事件進(jìn)行分析判斷后選擇不傳播，成為原生輿情免疫者R1，概率為δ1。E2節(jié)點中同樣存在部分網(wǎng)友在分析輿情信息后決定不傳播，成為次生輿情免疫節(jié)點R2，概率為δ2；部分網(wǎng)友對次生輿情事件感興趣、愿意關(guān)注事件發(fā)展，會轉(zhuǎn)發(fā)次生輿情信息，成為I2狀態(tài)節(jié)點，概率為β2；但是次生輿情信息一般為網(wǎng)友的揣測甚至謠言，不存在較充足的證據(jù)，故對輿情事件感興趣且比較理智的網(wǎng)友可能選擇暫時避開次生輿情信息而只轉(zhuǎn)發(fā)原生輿情信息，成為I1狀態(tài)節(jié)點，概率為β3。

I1狀態(tài)節(jié)點表示當(dāng)前正處于對輿情事件較為關(guān)注的狀態(tài)，如果其接觸到次生輿情信息則可能轉(zhuǎn)發(fā)次生輿情，成為I2狀態(tài)節(jié)點，概率為θ1；部分了解事件真相或較為理智的網(wǎng)友會選擇暫時不傳播，成為R1狀態(tài)節(jié)點，概率為λ1；如果沒有接觸次生輿情則只會隨著時間的推移成為R1狀態(tài)節(jié)點。I2狀態(tài)節(jié)點隨著時間的推移會逐漸失去對輿情事件的興趣成為R2狀態(tài)節(jié)點，概率為λ2。

R1狀態(tài)節(jié)點之前只了解原生輿情信息，當(dāng)其接觸到次生輿情信息時，次生輿情可能會重新激起網(wǎng)友對輿情事件的關(guān)注，轉(zhuǎn)發(fā)次生輿情信息，成為I2狀態(tài)節(jié)點，概率為θ2；但同樣次生輿情的刺激可能不起效果，其忽略次生輿情信息成為R2狀態(tài)節(jié)點，概率為λ3。R2狀態(tài)為整個輿情傳播過程的最終狀態(tài)，任何節(jié)點進(jìn)入到該狀態(tài)后不再變化。

3 模型仿真

基于C++編程語言實現(xiàn)輿情在社交網(wǎng)絡(luò)上的傳播過程仿真，獲得仿真數(shù)據(jù)之后使用Matlab進(jìn)行圖形繪制。仿真社交網(wǎng)絡(luò)在有向無標(biāo)度網(wǎng)絡(luò)的基礎(chǔ)上，構(gòu)建了總結(jié)點數(shù)為5 000的網(wǎng)絡(luò)。仿真初始，隨機選擇0.1%的節(jié)點令其成為I1狀態(tài)，表示原生輿情信息進(jìn)入社交網(wǎng)絡(luò)。設(shè)置基礎(chǔ)參數(shù)組α1=α3=0.8，α2=α4=0.2，β1=0.8，β2=0.5，β3=0.3，δ1=δ2=0.2，θ=0.8，θ2=0.5，λ1=0.2，λ2=0.8，λ3=0.5，社交網(wǎng)絡(luò)節(jié)點nc=2。為提高實驗的準(zhǔn)確性，進(jìn)行100次模擬仿真對模型進(jìn)行驗證，并取算術(shù)平均值。

在仿真實驗過程中，由于次生輿情具備后發(fā)性的特點，故不能在仿真實驗初始階段設(shè)置初始的I2節(jié)點，而直接設(shè)定I2節(jié)點出現(xiàn)的時間步在程序設(shè)計上又存在一定難度。因此，考慮到初始仿真條件中不存在E1節(jié)點，設(shè)置當(dāng)E1數(shù)量達(dá)到一定值時，隨機選擇nc個節(jié)點成為I2狀態(tài)，表示次生輿情爆發(fā)，進(jìn)入輿論場影響原生輿情事件的傳播。通過調(diào)節(jié)I2狀態(tài)節(jié)點出現(xiàn)的條件，改變次生輿情出現(xiàn)的時間點，完成次生輿情在不同時間步出現(xiàn)對原生輿情傳播影響的對比實驗。

3.1 次生輿情影響下的輿情傳播仿真

3.1.1 次生輿情對輿情傳播的影響

輿情事件發(fā)生后會快速吸引廣大網(wǎng)友的關(guān)注，在聚光燈下事件真相的隱瞞或網(wǎng)友的猜測都有可能催生次生輿情，這些次生輿情會進(jìn)一步推動輿情傳播擴散，為輿情治理帶來新的挑戰(zhàn)。為了對比研究次生輿情的爆發(fā)對輿情事件傳播過程的影響，設(shè)置無次生輿情和有次生輿情爆發(fā)的對照實驗，實驗結(jié)果分別如圖3和圖4所示。對比圖3和圖4可知，輿情爆發(fā)初期各狀態(tài)節(jié)點曲線變化基本一致，但在t=3時間步之后，存在次生輿情的條件下，未知節(jié)點S數(shù)量下降得更快，而潛伏者E和傳播者I的數(shù)量也快速增長，輿情峰值顯著增大；在t=5時間步之后，無次生輿情影響條件下輿情免疫者R數(shù)量進(jìn)入快速增長階段，越來越多的節(jié)點對輿情失去興趣。由于次生輿情具有后發(fā)性，在輿情爆發(fā)初期，兩種條件下都是原生輿情事件在影響輿論走向，因此發(fā)展趨勢相似。隨后由于處置不當(dāng)?shù)仍?，次生輿情爆發(fā)進(jìn)入社交網(wǎng)絡(luò)，推動輿情到達(dá)更大的峰值，輿情持續(xù)時間更長。

圖3 無次生輿情影響下的輿情傳播過程

圖4 次生輿情影響下的輿情傳播過程

圖5 不同時間產(chǎn)生I2節(jié)點條件下的輿情傳播過程

(1)次生輿情出現(xiàn)時間節(jié)點對輿情傳播的影響。原生輿情事件在傳播演化過程中的所有時間節(jié)點都有可能誘發(fā)次生輿情，輿情初期誘發(fā)的次生輿情可能會伴隨著原生輿情一起推動輿情擴散，吸引更高的關(guān)注度，輿情后期誘發(fā)的次生輿情可能會重新吸引網(wǎng)友對輿情事件的關(guān)注，致使輿情反復(fù)。為了對比次生輿情出現(xiàn)時間對輿情傳播過程的影響，將仿真過程中的I2狀態(tài)節(jié)點產(chǎn)生機制由E1>0更改為R1>5，根據(jù)輿情演化規(guī)則，在輿情傳播一個時間步之后，只有初始狀態(tài)下的5個I1節(jié)點可能成為R1狀態(tài)，因此更換演化機制將使得I2節(jié)點在輿情演化2個時間步之后產(chǎn)生，此時的輿情傳播過程如圖5所示。由圖5可知，與t=1條件下的輿情傳播過程相比，在t=2時刻出現(xiàn)次生輿情信息條件下，輿情的峰值更小，但輿情峰值到達(dá)的時間相差較小，隨著時間的推移，次生輿情爆發(fā)較晚的情況下輿情關(guān)注度反而較高。這是由于在次生輿情爆發(fā)較早的情況下，雖然原生輿情和次生輿情交織傳播致使輿情達(dá)到更大峰值，造成巨大的影響，但是在輿情發(fā)酵較長時間之后爆發(fā)次生輿情會導(dǎo)致輿情事件又一次呈現(xiàn)在廣大網(wǎng)友面前，部分已經(jīng)遺忘事件的網(wǎng)友再一次傳播輿情信息，整體表現(xiàn)為輿情事件在網(wǎng)絡(luò)上獲得較長時間的關(guān)注，消退更加緩慢。在現(xiàn)實生活中，存在部分在原生輿情消退期爆發(fā)的次生輿情，這些輿情致使網(wǎng)民沉寂的情緒再一次爆發(fā)，推動輿情到達(dá)二次高潮。因此，在輿情事件處理過程中，要顧及全面，解決所有可能存在的隱患，避免在輿情后期爆發(fā)次生輿情，致使輿情事件反復(fù)，造成社會秩序的長期混亂。

(2)次生輿情數(shù)量對輿情傳播的影響。在現(xiàn)實生活中，一個原生輿情事件在發(fā)酵過程中可能會出現(xiàn)多個次生輿情，這些次生輿情共同影響著原生輿情事件的傳播。為探究次生輿情數(shù)量對輿情傳播過程的影響，改變次生輿情初始節(jié)點數(shù)量nc進(jìn)行對比實驗。由于不同次生輿情事件具備類似的特點，并且在傳播過程中都圍繞原生輿情進(jìn)行擴散，故在實驗中將不同次生輿情事件傳播節(jié)點都?xì)w類于I2，通過設(shè)置不同數(shù)量的初始I2節(jié)點表示原生事件誘發(fā)次生輿情事件數(shù)量的不同。不同次生輿情數(shù)量下的輿情傳播過程如圖6所示，可知當(dāng)次生輿情數(shù)量逐漸增加時，輿情峰值也隨之增加；當(dāng)次生輿情數(shù)量從1增加到2時，輿情峰值的增長更加明顯；但隨著次生輿情數(shù)量的進(jìn)一步增長，即從2增加到3時，輿情峰值并未出現(xiàn)顯著增長。這種情況在實際輿情傳播過程的體現(xiàn)則是次生輿情數(shù)量的增長會使得輿情事件消息覆蓋面更廣，推動輿情峰值上升，但是當(dāng)次生輿情數(shù)量達(dá)到一定值時，輿情信息已經(jīng)以最快的速度覆蓋了社交網(wǎng)絡(luò)的絕大部分節(jié)點，這時次生輿情數(shù)量的持續(xù)增長難以促使輿情峰值繼續(xù)上升。

圖6 不同次生輿情數(shù)量下的輿情傳播過程

圖7 α3=0.8、α4=0.3時的輿情傳播過程

3.1.2 轉(zhuǎn)發(fā)傳播率對輿情傳播的影響

(1)直接轉(zhuǎn)發(fā)率對輿情傳播的影響。在輿情信息進(jìn)入社交網(wǎng)絡(luò)時，如果大量網(wǎng)友在接觸輿情的第一時間轉(zhuǎn)發(fā)，極易將輿情事件推上熱搜，在更短的時間內(nèi)達(dá)到更大的輿情高峰。為了分析網(wǎng)友在接觸輿情時直接轉(zhuǎn)發(fā)輿情信息的概率對輿情傳播過程的影響，調(diào)節(jié)參數(shù)α3和α4進(jìn)行對比實驗，得到α3=0.8、α4=0.3時的輿情傳播過程，如圖7所示。對比圖7和圖4可知，在更多的網(wǎng)友接觸次生輿情并直接傳播輿情的條件下，輿情傳播者數(shù)量快速增長，在更短的時間達(dá)到高峰，同時由于網(wǎng)絡(luò)中傳播者數(shù)量的激增，導(dǎo)致輿情信息迅速擴散，整個網(wǎng)絡(luò)中的未知者數(shù)量快速降低，潛伏者數(shù)量也提前達(dá)到峰值，但是輿情直接傳播率的增長并沒有使得輿情的峰值更大。這是因為現(xiàn)實中的網(wǎng)絡(luò)足夠龐大，任何輿情事件在微博上發(fā)酵，都難以實現(xiàn)遍及所有的微博用戶，輿情傳播者數(shù)量可以持續(xù)增長；而實驗中網(wǎng)絡(luò)節(jié)點數(shù)量有限，節(jié)點狀態(tài)從未知者變成傳播者之后會逐漸成為輿情免疫者，不再傳播輿情，當(dāng)未知者數(shù)量逐漸降低甚至不再有未知者時，潛伏者和傳播者就失去了狀態(tài)轉(zhuǎn)移的來源，沒有更多節(jié)點進(jìn)入輿情傳播者狀態(tài)推動輿情達(dá)到更高峰值。

(2)次生輿情傳播率對輿情傳播的影響。在輿情傳播過程中，公眾的揣測、報復(fù)性抹黑和媒體的刻意誘導(dǎo)都是次生輿情爆發(fā)的重要原因，當(dāng)廣大網(wǎng)友面對這些未經(jīng)證實的負(fù)面消息時，雖然部分網(wǎng)友或是由于從眾心理，或是對涉事主體存在偏見，亦或是缺乏應(yīng)有的理智而傳播次生輿情，但是依舊有部分網(wǎng)友會對次生輿情信息提出質(zhì)疑，即使對輿情事件比較關(guān)注，也會選擇只轉(zhuǎn)發(fā)次生輿情中包含的原生輿情信息。為研究網(wǎng)友在接觸次生輿情后轉(zhuǎn)發(fā)次生輿情的概率對輿情傳播過程的影響，調(diào)節(jié)參數(shù)β2和β3進(jìn)行對比實驗，β2=0.4、β3=0.4得到時的輿情傳播過程，如圖8所示。對比圖8和圖4可知，兩種條件下的輿情傳播過程基本相似，但當(dāng)網(wǎng)友接觸次生輿情信息后選擇傳播次生輿情信息的概率的增大時，更多的網(wǎng)友會在接觸到次生輿情信息后直接轉(zhuǎn)發(fā)，推動輿情快速發(fā)展，達(dá)到更大的峰值。因此，在輿情發(fā)酵過程中，輿情管理部門需要時刻關(guān)注輿論的走向，當(dāng)次生輿情出現(xiàn)時，要第一時間做出針對性的解釋，并呼吁廣大媒體幫助宣傳事情真相，減少次生輿情信息的傳播。同時可以通過宣傳科普等方式增強網(wǎng)友的信息甄別能力，在次生輿情出現(xiàn)時保持理性，降低次生輿情傳播概率。

圖8 β2=0.4、β3=0.4時的輿情傳播過程

3.2 政府干預(yù)下的輿情傳播過程仿真

3.2.1 干預(yù)原生輿情行為的作用

在現(xiàn)實情況中，政府的干預(yù)行為會降低網(wǎng)友對事件的關(guān)注度，減少網(wǎng)友在微博社交平臺上轉(zhuǎn)發(fā)或發(fā)布輿情相關(guān)博文的可能性，加速網(wǎng)絡(luò)輿情的消退，這在仿真實驗中直接表現(xiàn)為政府干預(yù)行為會改變輿情傳播過程中網(wǎng)絡(luò)節(jié)點在各個狀態(tài)之間的轉(zhuǎn)化概率[22]。

(1)有無干預(yù)原生輿情行為對比實驗。在網(wǎng)絡(luò)輿情爆發(fā)后，政府可以隨時在輿情傳播過程中采取應(yīng)對措施，如召開新聞發(fā)布會公布事件信息，解答公眾疑問，滿足其信息需求，從而抑制網(wǎng)絡(luò)輿情傳播。雖然原生輿情干預(yù)行為沒有直接影響到次生輿情的傳播，但原生輿情因政府干預(yù)在社交網(wǎng)絡(luò)上的擴散受到抑制時，次生輿情的關(guān)注度也會隨之降低。因此，次生輿情在傳播過程中會受到原生輿情干預(yù)行為的影響，在實驗中體現(xiàn)為受到原生輿情干預(yù)行為時，α2、α4、β1、β2、β3、θ1、θ2等參數(shù)減小，α1、α3、δ1、δ2、λ1、λ2、λ3等參數(shù)增大。由于次生輿情的關(guān)注點與原生輿情存在一定差異，且原生輿情的干預(yù)策略對次生輿情具有影響但相對較小，因此假設(shè)政府對網(wǎng)絡(luò)輿情進(jìn)行控制引導(dǎo)時，原生輿情受到的干預(yù)系數(shù)為0.1，而次生輿情受到的干預(yù)系數(shù)為0.05。即α1=0.9，α2=0.1，α3=0.85，α4=0.15，β1=0.7，β2=0.475，β3=0.275，δ1=0.3，δ2=0.25，θ1=0.75，θ2=0.45，λ1=0.25，λ2=0.85，λ3=0.55，nc=2。原生輿情干預(yù)行為下的輿情傳播過程如圖9所示。對比圖9和圖4可知，政府在輿情事件爆發(fā)后采取緊急措施能夠有效抑制輿情的傳播。輿情峰值不但會推遲到來，給輿情管理部門更多的反應(yīng)時間，而且最終的輿情峰值會顯著減小。此外，政府干預(yù)原生輿情的環(huán)境下，輿情散播速度也更慢，潛伏者數(shù)量的增長速度和未知者數(shù)量的下降速度都有一定的減緩。因此在網(wǎng)絡(luò)輿情爆發(fā)之后，輿情管理部門可以在第一時間召開新聞發(fā)布會，公布事件詳細(xì)信息，滿足公眾的信息需求，以抑制網(wǎng)絡(luò)輿情傳播。

圖9 原生輿情干預(yù)行為下的輿情傳播過程

(2)不同時間點干預(yù)原生輿情對比實驗。政府針對原生輿情的干預(yù)行為能夠有效抑制輿情傳播，但當(dāng)輿情發(fā)酵到一定階段后，政府干預(yù)行為的作用到底如何尚未可知。一方面，在現(xiàn)實情況下，政府并不會按照固定的時間實施干預(yù)，更多是根據(jù)輿情發(fā)展形勢來判斷是否需要采取措施，而不同時間節(jié)點的輿情傳播者數(shù)量是輿情事件發(fā)展態(tài)勢的主要判斷指標(biāo)；另一方面，在仿真實驗中難以實現(xiàn)在固定輿情傳播時間后人為調(diào)整輿情傳播參數(shù)。為了對比不同時間政府干預(yù)原生輿情行為的效用，在觀察原生輿情傳播節(jié)點I1數(shù)量變化規(guī)律后設(shè)置如下機制：輿情傳播初期，各傳播參數(shù)采用基礎(chǔ)參數(shù)組的數(shù)值；在原生輿情傳播一段時間后，原生輿情傳播節(jié)點數(shù)量I1>500時，政府干預(yù)啟動，各參數(shù)發(fā)生變化，此時的輿情傳播過程如圖10所示。對比圖4、圖9和圖10可知，在政府對原生輿情及時做出干預(yù)行為的條件下，可以有效抑制輿情傳播速度，未知者的數(shù)量下降更加緩慢，輿情峰值更低。而如果政府在輿情信息傳播一段時間之后再采取干預(yù)行為，雖然也能夠在一定程度上抑制輿情傳播，但效果相對較差。

圖10 I1>500實施干預(yù)下的輿情傳播過程

3.2.2 干預(yù)次生輿情行為的作用

(1)有無干預(yù)次生輿情行為對比實驗。在輿情事件爆發(fā)后，面對網(wǎng)絡(luò)輿情在傳播過程中誘發(fā)的次生輿情，政府可以通過解答網(wǎng)友關(guān)注的問題或辟謠等方式消減民眾的揣測，抑制次生輿情的傳播。由于次生輿情更多是代表民眾在網(wǎng)絡(luò)輿情事件中集中關(guān)注的一小部分，因此干預(yù)措施更具針對性，效果也會更好，但這些次生輿情被抑制之后，并不能顯著影響原生輿情的傳播。故認(rèn)為政府針對次生輿情采取措施比針對原生輿情采取措施的實行效果更好，但是只對次生輿情有效，假設(shè)其干預(yù)系數(shù)為0.15。即α1=0.8，α2=0.2，α3=0.95，α4=0.05，β1=0.8，β2=0.5，β3=0.15，δ1=0.2，δ2=0.35，θ1=0.65，θ2=0.35，λ1=0.35，λ2=0.95，λ3=0.65，nc=2。次生輿情干預(yù)行為下的輿情傳播過程如圖11所示。對比圖4、圖9和圖11可知，針對次生輿情的干預(yù)行為能夠有效降低輿情峰值，但不能推遲輿情峰值到來的時間，且潛伏者數(shù)量的增長速度和未知者數(shù)量的下降速度也變化不大。這是因為在網(wǎng)絡(luò)輿情爆發(fā)后，原生輿情一直是輿情傳播過程中的主要信息，同時針對原生輿情采取的干預(yù)行為更早產(chǎn)生效果，遂導(dǎo)致次生輿情干預(yù)行為效果相對較差。

圖11 次生輿情干預(yù)行為下的輿情傳播過程

(2)不同時間點干預(yù)次生輿情對比實驗。次生輿情爆發(fā)后，政府在不同時間節(jié)點發(fā)布權(quán)威信息，以削弱輿情傳播，但是所起到的作用不盡相同。為了對比不同時間政府干預(yù)次生輿情的行為所產(chǎn)生的效果，觀察I2節(jié)點數(shù)量變化規(guī)律后，設(shè)置如下傳播機制：輿情傳播初期，各傳播參數(shù)采用基礎(chǔ)參數(shù)組的數(shù)值；當(dāng)輿情發(fā)展到一定時間，次生輿情傳播節(jié)點數(shù)量I2>100時，政府干預(yù)次生輿情傳播，各參數(shù)發(fā)生變化，此時的輿情傳播過程如圖12所示。對比圖11和圖12可知，在I2>100時政府實施干預(yù)，未知者數(shù)量下降更為緩慢，而潛伏者數(shù)量和輿情傳播者數(shù)量增長更加迅速，輿情達(dá)到的峰值更高。顯然，如果政府能夠時刻關(guān)注輿情走向，在次生輿情出現(xiàn)初期，及時采取有效措施抑制次生輿情的擴散和傳播，可以更加有效降低輿情事件的影響。

圖12 I2>100時實施干預(yù)下的輿情傳播過程

4 結(jié)論

(1)次生輿情影響下的輿情傳播仿真結(jié)果表明，次生輿情能夠推動輿情更快達(dá)到更高峰值并延長輿情持續(xù)時間，且次生輿情數(shù)量增加時，輿情峰值也會增長；在輿情傳播后期次生輿情的爆發(fā)甚至?xí)?dǎo)致輿情反復(fù)，影響輿情治理效果。如果網(wǎng)友在接觸輿情初期能先持觀望態(tài)度，則輿情峰值會顯著降低。

(2)政府干預(yù)下的輿情傳播仿真結(jié)果表明，政府及時對輿情傳播采取有效干預(yù)措施，能夠降低輿情影響，延緩輿情高峰到來，為輿情管理部門爭取更多時間，從而提升輿情治理能力與把控能力。

(3)基于傳統(tǒng)SEIR建立考慮次生輿情影響的網(wǎng)絡(luò)輿情傳播模型，模擬了次生輿情影響下的網(wǎng)絡(luò)輿情傳播過程，較為全面地描述了輿情傳播中所有參與網(wǎng)民的可能狀態(tài)變化。但模型仿真僅考慮一次次生輿情的影響，但現(xiàn)實中多個次生輿情很可能是相繼爆發(fā)的，它們的性質(zhì)及對原生輿情的影響也不盡相同。且模型假設(shè)單位時間內(nèi)網(wǎng)絡(luò)節(jié)點間傳播概率均等，這與實際情況并不一致，個體間的親密度、輿情接收次數(shù)等均會影響傳播概率，未來可以針對這些問題深入研究，并增加實例分析驗證仿真結(jié)果，不斷完善模型。