叢靖怡，艾文華，胡廣偉

（1. 南京大學(xué)信息管理學(xué)院，南京 210023；2. 南京大學(xué)政務(wù)數(shù)據(jù)資源研究所，南京 210023）

1 引 言

近年來(lái)，公共突發(fā)事件下的輿情反轉(zhuǎn)接連不斷，逐漸成為網(wǎng)絡(luò)熱點(diǎn)事件演化的常態(tài)。從信息初始曝光到關(guān)鍵節(jié)點(diǎn)出現(xiàn)，再到輿情主體回應(yīng)，反轉(zhuǎn)經(jīng)歷時(shí)間或長(zhǎng)或短。即便這種螺旋式的發(fā)展不斷倒逼著事實(shí)真相，其所投射的社會(huì)深層問(wèn)題依然不容忽視。隨著信息過(guò)載、“情緒先行一步”網(wǎng)絡(luò)環(huán)境的出現(xiàn)，輿情反轉(zhuǎn)事件的持續(xù)發(fā)酵導(dǎo)致政府、媒體平臺(tái)或個(gè)人發(fā)布的信息所產(chǎn)生的信任危機(jī)越發(fā)強(qiáng)烈，這對(duì)政府的輿情反轉(zhuǎn)治理提出了更高的要求。在有關(guān)公共突發(fā)事件的輿情反轉(zhuǎn)研究中，多數(shù)學(xué)者采用定性研究方法探索輿情反轉(zhuǎn)的起因及演化，為政府提供合理有效的治理意見(jiàn)。以往研究根據(jù)實(shí)際輿情事件情境，從實(shí)例分析角度論證了政府干預(yù)是輿情治理的核心手段。當(dāng)輿論生態(tài)系統(tǒng)中存在多種話語(yǔ)體系的輿情信息時(shí)，明晰其傳播交互規(guī)律，依此制定恰當(dāng)?shù)闹卫泶胧?，可極大限度地將輿情事件所造成的公共危機(jī)下降到可控范圍之內(nèi)。本文從信息交互的視角出發(fā)，借助經(jīng)典傳染病SEIR（suscep‐tible, exposed, infectious, recovered）模型，模擬輿情反轉(zhuǎn)演化過(guò)程，探究公共突發(fā)事件下輿情反轉(zhuǎn)的演化特征，從主動(dòng)干預(yù)與被動(dòng)干預(yù)的角度，提出政府應(yīng)對(duì)輿情數(shù)字化治理的切實(shí)可行建議。

2 文獻(xiàn)述評(píng)

2.1 輿情反轉(zhuǎn)

輿情反轉(zhuǎn)概念內(nèi)涵可追溯至新聞傳播學(xué)研究中的新聞反轉(zhuǎn)，作為一種反向的群體極化、多方博弈演化的過(guò)程[1]，直接反映了公眾意見(jiàn)的對(duì)立、膠著和裂變[2-3]。與新聞反轉(zhuǎn)不同，輿情反轉(zhuǎn)是就公眾態(tài)度而言的，泛指公眾意見(jiàn)隨著焦點(diǎn)事件的發(fā)展階段變化而發(fā)生前后反轉(zhuǎn)的現(xiàn)象，帶有強(qiáng)傾向性和逆轉(zhuǎn)性的表達(dá)[4-5]。相較于新聞內(nèi)容失實(shí)基礎(chǔ)上發(fā)生的新聞反轉(zhuǎn)，輿情反轉(zhuǎn)的范圍更廣，一些并不是由媒體報(bào)道失實(shí)而引起的公眾態(tài)度反轉(zhuǎn)現(xiàn)象，也可稱之為輿情反轉(zhuǎn)現(xiàn)象[6]。網(wǎng)絡(luò)輿情反轉(zhuǎn)是社會(huì)輿情在互聯(lián)網(wǎng)空間的映射，集合了網(wǎng)絡(luò)、事件、網(wǎng)民、情感、傳播互動(dòng)、影響力等六大要素[7]，具備傳播門(mén)檻低、傳播形式多樣化、傳播速度非線性增長(zhǎng)、參與主體多元化、輿情信息模糊泛化以及事件突發(fā)極化等特征[8]。隨著微博、微信、網(wǎng)絡(luò)直播、短視頻等新媒體的興起和火熱，突發(fā)事件下的輿情反轉(zhuǎn)層出不窮，常常打破時(shí)空域限，形成網(wǎng)絡(luò)輿論生態(tài)失衡，破壞公共生存環(huán)境，甚至成為公共危機(jī)導(dǎo)火索，使政府和主流媒體陷入輿論漩渦。

2.2 輿情反轉(zhuǎn)產(chǎn)生要素

網(wǎng)絡(luò)輿情反轉(zhuǎn)是輿論現(xiàn)象在網(wǎng)絡(luò)空間里的延續(xù)和發(fā)酵，是民意或輿論在網(wǎng)絡(luò)空間尋求與建立的新式行動(dòng)路徑[9]。在網(wǎng)絡(luò)輿論場(chǎng)話語(yǔ)體系下，囿于主流與大眾網(wǎng)絡(luò)輿論場(chǎng)話語(yǔ)體系的共識(shí)瓦解、個(gè)體理性與公共理性沖突，價(jià)值鴻溝擴(kuò)張，輿論話語(yǔ)體系內(nèi)在穩(wěn)定性發(fā)生失衡。有關(guān)輿情反轉(zhuǎn)的成因可歸結(jié)為：①情感傾向是評(píng)判輿情反轉(zhuǎn)的核心[10]。在后真相時(shí)代非理性的傳播環(huán)境下，真相會(huì)讓位于情緒，情緒始終“先行一步”。在反轉(zhuǎn)輿情潛伏期，輿情內(nèi)容或者網(wǎng)民情感會(huì)呈現(xiàn)一種集中傾向的趨勢(shì)[7]。②輿情信息模糊性與偏向性加速催化輿情反轉(zhuǎn)[11]。突發(fā)公共事件中，信息的來(lái)源渠道復(fù)雜，公眾隱沒(méi)在信息交斥過(guò)載的環(huán)境下，加之輿論事件的失真，個(gè)體認(rèn)知局限促使自身理性迅速降低，與社會(huì)公共理性產(chǎn)生沖突[12]。模糊性變化以及偏向性信息片段在新聞?lì)I(lǐng)域已成為輿情反轉(zhuǎn)的主要原因；報(bào)道新聞的媒體，其過(guò)度迎合受眾閱讀興趣的現(xiàn)象，也使過(guò)于夸張的表現(xiàn)躍然紙上[13-14]；通過(guò)網(wǎng)絡(luò)平臺(tái)進(jìn)行傳播的新聞途徑，則加入了新的參與者，網(wǎng)絡(luò)紅人帶有自身意見(jiàn)的“二次傳播”改變著輿情走向，演化為反轉(zhuǎn)[6,15]；而平臺(tái)上多樣化的受眾，其自身的偏見(jiàn)和觀點(diǎn)又易導(dǎo)致糾偏反轉(zhuǎn)和“群體激憤”[5]。隨著輿情反轉(zhuǎn)在網(wǎng)絡(luò)平臺(tái)中的傳播愈演愈烈，呈現(xiàn)出多方觀點(diǎn)博弈、演化機(jī)理錯(cuò)綜復(fù)雜等特點(diǎn)，脫離以往輿情傳播趨勢(shì)，涉及群體眾多，產(chǎn)生惡劣影響，對(duì)社會(huì)秩序平穩(wěn)運(yùn)行和健康發(fā)展提出極大的挑戰(zhàn)。

2.3 輿情反轉(zhuǎn)機(jī)理

對(duì)于網(wǎng)絡(luò)輿情的演變，目前國(guó)內(nèi)有較為成熟的研究成果，學(xué)者們從不同角度提出了三階段[16]、四階段[17]、五階段甚至多階段演變的劃分方法。前人研究普遍認(rèn)為輿情事件的發(fā)展具備生命周期特征，而對(duì)于輿情反轉(zhuǎn)現(xiàn)象周期的探索，研究較少且未有統(tǒng)一的定論。多數(shù)學(xué)者采用數(shù)據(jù)監(jiān)測(cè)的方式去追蹤單個(gè)熱點(diǎn)事件輿論的發(fā)生、發(fā)酵和演化的過(guò)程[18-19]。從案例分析角度可將網(wǎng)絡(luò)輿情發(fā)展分為四個(gè)階段：散播階段、聚集階段、熱議階段和流行階段[20]；也可從新聞傳播的視角出發(fā)，將案件分成輿情發(fā)展、反轉(zhuǎn)、發(fā)酵和平息這四個(gè)階段[21]；有研究以具體事件作為輿情反轉(zhuǎn)案例分析，將輿情反轉(zhuǎn)過(guò)程分為忽略事實(shí)的片面報(bào)道、消極回應(yīng)的真相失真和事件還原，以及媒體跟進(jìn)等三個(gè)階段[22-23]。

以輿情反轉(zhuǎn)高潮期為基礎(chǔ)，信息處理程度為表征，學(xué)者們根據(jù)反轉(zhuǎn)事件的基本特征提出了情感偏移機(jī)理、交互對(duì)抗機(jī)理和協(xié)同過(guò)濾機(jī)理[21]。輿情傳播的平臺(tái)多元化，以微信和微博為例，輿情反轉(zhuǎn)的演化過(guò)程可歸為社會(huì)轉(zhuǎn)型時(shí)的精神危機(jī)、媒體業(yè)界新聞專業(yè)主義失守和雙微傳播信息失真機(jī)制等[24]。而從系統(tǒng)學(xué)視角出發(fā)，輿情反轉(zhuǎn)傳播可分為競(jìng)爭(zhēng)機(jī)制和協(xié)同機(jī)制[25]。在輿情反轉(zhuǎn)的典型案例中，輿情反轉(zhuǎn)現(xiàn)象中會(huì)存在“參照點(diǎn)效應(yīng)”，公眾的認(rèn)知會(huì)因參照點(diǎn)不同而產(chǎn)生差異[26]。在新媒體的語(yǔ)境下，自媒體的活躍程度對(duì)輿情的發(fā)展起到推動(dòng)的作用[27]。以輿情反轉(zhuǎn)的演化路徑為參照，在不同時(shí)期，群眾的情感偏移和競(jìng)爭(zhēng)協(xié)同狀態(tài)大有不用，敏感點(diǎn)和轉(zhuǎn)折點(diǎn)隨著群眾偏見(jiàn)和新聞主義的失守而急劇增加[28]。傳統(tǒng)輿情演化模型并未將反轉(zhuǎn)路徑中多方觸發(fā)因素和情感認(rèn)知轉(zhuǎn)變考慮在內(nèi)，因此，本文通過(guò)將輿論場(chǎng)中不同主體的博弈因素量化，構(gòu)建輿情演化模型SEnInR 來(lái)進(jìn)行輿情反轉(zhuǎn)的機(jī)理研究。

3 研究設(shè)計(jì)

3.1 研究問(wèn)題

在目前的輿情傳播中，信息大多以網(wǎng)絡(luò)媒體為媒介傳播，被社會(huì)公眾所熟知。目前網(wǎng)絡(luò)信息發(fā)布平臺(tái)（如新浪微博、今日頭條等）具有實(shí)時(shí)性和交互性[29]，使網(wǎng)民在成為觀點(diǎn)接收者的同時(shí)也成為觀點(diǎn)發(fā)表者。基于網(wǎng)絡(luò)平臺(tái)信息傳播的基礎(chǔ)，網(wǎng)民之間通過(guò)信息交互相互影響，并作用于信息傳播過(guò)程，影響輿情演化過(guò)程中的觀點(diǎn)持有。在此過(guò)程中，網(wǎng)民觀點(diǎn)變化可歸為三類(lèi)：其一，持有觀點(diǎn)的發(fā)表者通過(guò)信息交互作用改變其觀點(diǎn)；其二，潛在觀點(diǎn)發(fā)表者受持有不同觀點(diǎn)發(fā)表者的影響改變其觀點(diǎn)；其三，持有觀點(diǎn)的網(wǎng)民由于外在因素強(qiáng)化了原本觀點(diǎn)。在公共突發(fā)事件的背景下，輿情反轉(zhuǎn)多數(shù)發(fā)生在政府出具事實(shí)真相改變的調(diào)查公告之時(shí)，其內(nèi)容與事件發(fā)生之初的公眾觀點(diǎn)有明顯差異所致。因此，本文將輿情反轉(zhuǎn)時(shí)間點(diǎn)統(tǒng)一設(shè)定為政府發(fā)布該輿情事件調(diào)查公告的時(shí)間點(diǎn)，且公告內(nèi)容與輿情事件發(fā)酵時(shí)公眾觀點(diǎn)有明顯不同，并將下文所提及的輿情反轉(zhuǎn)事件均設(shè)定為在“公共突發(fā)事件背景下的輿情反轉(zhuǎn)事件”。

基于上述觀點(diǎn)變化狀態(tài)及輿情反轉(zhuǎn)定義，本文提出以兩個(gè)層次的政府干預(yù)來(lái)作用于公共突發(fā)事件下輿情反轉(zhuǎn)的觀點(diǎn)演化，分別是主動(dòng)干預(yù)和被動(dòng)干預(yù)。主動(dòng)干預(yù)，意為在民間與政府兩大話語(yǔ)體系的對(duì)抗中，政府占據(jù)主動(dòng)地位，通過(guò)干預(yù)行為對(duì)參與突發(fā)公共事件輿情的公眾情感加以引導(dǎo)，達(dá)到“反轉(zhuǎn)”公眾情感的效果。主動(dòng)干預(yù)包括政府調(diào)解公告發(fā)布時(shí)間及改變公告受眾人數(shù)等方面，其中公告受眾人數(shù)代表在公告發(fā)布后，由于曝光增加而新接觸到該輿情事件的網(wǎng)民人數(shù)。被動(dòng)干預(yù)，意為在輿情事件發(fā)生后，政府根據(jù)公眾在事態(tài)發(fā)展中的情感變化采取的干預(yù)行為。通過(guò)實(shí)時(shí)監(jiān)控群眾當(dāng)下的輿論狀態(tài)，采取措施來(lái)減弱或緩解公眾負(fù)面情感的趨勢(shì)走向，屬于危機(jī)應(yīng)急處理。被動(dòng)干預(yù)包括減弱網(wǎng)民反面信息交互以及增強(qiáng)網(wǎng)民正面信息交互等方面。減弱網(wǎng)民反面信息交互強(qiáng)度包括減少網(wǎng)民惡意評(píng)論或惡意引導(dǎo)等，而增強(qiáng)網(wǎng)民正面信息交互則包括正向引導(dǎo)網(wǎng)民評(píng)論或營(yíng)造積極向上的社區(qū)氛圍等措施?？紤]到輿情事件及輿情反轉(zhuǎn)的多樣化，網(wǎng)民在不同時(shí)期會(huì)呈現(xiàn)不同的態(tài)度，因此將問(wèn)題領(lǐng)域進(jìn)行劃分，如圖1 所示。通過(guò)研究網(wǎng)民在不同輿情演化時(shí)期的態(tài)度變化來(lái)探究主動(dòng)干預(yù)和被動(dòng)干預(yù)的影響程度。

3.2 模型構(gòu)建

3.2.1 信息交互視角下的分階段輿情演化模型SFEnInR

近年來(lái)輿情反轉(zhuǎn)事件頻發(fā)，輿情反轉(zhuǎn)所引發(fā)的二次發(fā)酵將更多網(wǎng)民席卷至輿情演化過(guò)程中，同時(shí)在網(wǎng)絡(luò)平臺(tái)中，網(wǎng)民對(duì)輿情事件不同觀點(diǎn)的爭(zhēng)議也愈演愈烈。使用經(jīng)典的SIR（susceptible, infectious,recovered）模型來(lái)模擬輿情反轉(zhuǎn)事件演化過(guò)程，無(wú)法將網(wǎng)民間信息交互和反轉(zhuǎn)后二次發(fā)酵的屬性體現(xiàn)出來(lái)，具有角色缺失的局限性。信息交互使網(wǎng)民觀點(diǎn)變化不再局限于I/R（infectious to recovered），在此基礎(chǔ)上模擬輿情演化的群體從眾和社會(huì)加強(qiáng)效應(yīng)，即增加潛在觀點(diǎn)發(fā)表者在輿情反轉(zhuǎn)后可能會(huì)成為觀點(diǎn)發(fā)表者的演化過(guò)程。參照信息量在輿情反轉(zhuǎn)前后的差異，加入由持有觀點(diǎn)者轉(zhuǎn)化而來(lái)的觀望者F，補(bǔ)充信息交互下的網(wǎng)民狀態(tài)多樣化。依托于微博公開(kāi)透明的信息獲取機(jī)制，信息交互屬性使觀點(diǎn)發(fā)表者會(huì)在第一時(shí)間內(nèi)進(jìn)行觀點(diǎn)發(fā)布且對(duì)持有不同觀點(diǎn)的網(wǎng)民產(chǎn)生影響，潛在觀點(diǎn)發(fā)表者也會(huì)受其他觀點(diǎn)發(fā)表者的影響，繼而轉(zhuǎn)變?yōu)槌钟辛硪挥^點(diǎn)的潛在發(fā)表者、觀望者或?qū)浨槭录ヅd趣者。如圖2 所示。

圖1 問(wèn)題域劃分

圖2 觀點(diǎn)演化示意圖

以網(wǎng)絡(luò)信息平臺(tái)為基礎(chǔ)，網(wǎng)民間進(jìn)行信息交互，以接收到不同觀點(diǎn)的信息量及對(duì)其觀點(diǎn)影響程度為判別依據(jù)[5]（如表1 所示），稱為“有效交互”（符號(hào)為p），其實(shí)際意義為觀點(diǎn)改變的概率。當(dāng)網(wǎng)民有效交互達(dá)到判別標(biāo)準(zhǔn)時(shí)，則為強(qiáng)交互，反之，則為弱交互。在95%置信區(qū)間下，將閾值設(shè)定為0.005，即存在信息交互作用的輿情演化中，該群體以大于0.5%的比例進(jìn)行觀點(diǎn)轉(zhuǎn)變[16]，該群體信息交互行為被稱為強(qiáng)交互。

表1 有效信息交互指標(biāo)[5]

定義flI(t)為觀點(diǎn)l 發(fā)表群體的信息交互函數(shù)，用于解釋觀點(diǎn)l 發(fā)表群體對(duì)持有其他觀點(diǎn)的網(wǎng)民群體所產(chǎn)生的影響，其影響為對(duì)持有其他觀點(diǎn)的網(wǎng)民群體產(chǎn)生抑制和改變其觀點(diǎn)持有的作用。對(duì)于觀點(diǎn)l 發(fā)表群體，pIlk為其受觀點(diǎn)k 發(fā)表群體的反向影響系數(shù)，pIkl為其影響觀點(diǎn)k 發(fā)表群體的正向影響系數(shù)。因此，得到公式：

El為持有l(wèi) 觀點(diǎn)的潛在觀點(diǎn)發(fā)表群體，El(t)（l = 1,2,…,n）為潛在觀點(diǎn)l 發(fā)表群體人數(shù)。flE(t)為潛在觀點(diǎn)l 發(fā)表群體的信息交互函數(shù)，用于觀點(diǎn)l 發(fā)表群體對(duì)潛在觀點(diǎn)l 發(fā)表群體的觀點(diǎn)影響，其影響包括其他觀點(diǎn)發(fā)表群體對(duì)潛在觀點(diǎn)l 發(fā)表群體的觀點(diǎn)抑制和改變其原有觀點(diǎn)的作用。對(duì)于潛在觀點(diǎn)l發(fā)表群體，pelk為其受觀點(diǎn)k 發(fā)表群體的反向影響系數(shù)，pekl為其影響觀點(diǎn)k 發(fā)表群體的正向影響系數(shù)。由此，得到公式：

本文將輿情反轉(zhuǎn)演化過(guò)程分為三個(gè)階段，即輿情發(fā)展期、輿情發(fā)酵期和輿情平息期，并以信息交互視角，結(jié)合輿情不同階段的演化特征，分階段建模。

1）第一階段（輿情發(fā)展期）

在輿情發(fā)展期，即輿情事件發(fā)生初始，由于事件中的熱點(diǎn)問(wèn)題獲得普遍關(guān)注，觀點(diǎn)發(fā)表者和潛在觀點(diǎn)發(fā)表者大量涌現(xiàn)。該階段主要為網(wǎng)民觀點(diǎn)的擴(kuò)散，其試圖在最短時(shí)間內(nèi)引起更多注意力，并將觀點(diǎn)進(jìn)一步以裂變方式擴(kuò)散。模型將擴(kuò)散影響力作為主要特征，設(shè)置群體間觀點(diǎn)傳播和信息交互空間。該階段輿情信息可能存在失真性，在此階段出現(xiàn)由觀點(diǎn)持有者轉(zhuǎn)化為對(duì)事件持觀望狀態(tài)的關(guān)注者。具體表示為

2）第二階段（輿情發(fā)酵期及輿情平息期）

在輿情反轉(zhuǎn)公告發(fā)布后，進(jìn)入輿情發(fā)酵期。在此階段，該事件會(huì)再次獲得流量關(guān)注，且事實(shí)信息得到了多方補(bǔ)充及悉數(shù)呈現(xiàn)；網(wǎng)民間信息交互越發(fā)強(qiáng)烈，觀望者可能由此轉(zhuǎn)變?yōu)橛^點(diǎn)發(fā)表者，進(jìn)行所持觀點(diǎn)輸出。將信息量增加作為該階段建模的主要特征，通過(guò)參數(shù)及觀望群體演化路徑調(diào)整，擬合發(fā)酵期中產(chǎn)生的情緒波動(dòng)，隨之過(guò)渡到輿情平息期。具體表示為

假設(shè)S(t)+E1(t)+…+En(t)+I1(t)+…+In(t)+F(t) + R( )t = N，即共有N 人參與到此次輿情傳播過(guò)程中。其中，S 為接觸事件者，代表了解輿情事件的網(wǎng)民總和，以概率γs向R（對(duì)該事件失去興趣群體）轉(zhuǎn)變或以概率α 向E（潛在觀點(diǎn)發(fā)表群體）轉(zhuǎn)變。E 代表已了解輿情事件并對(duì)該事件持有觀點(diǎn)，當(dāng)下并未發(fā)表觀點(diǎn)的群體；該群體可能會(huì)對(duì)輿情事件失去興趣，變成群體R，或經(jīng)信息交互作用，變成觀望群體F 和持有相同或不同觀點(diǎn)的觀點(diǎn)發(fā)表者。I 為觀點(diǎn)發(fā)表群體，群體E 會(huì)以概率μ 向群體I 轉(zhuǎn)化，群體I 則會(huì)對(duì)其他觀點(diǎn)發(fā)表者通過(guò)信息交互作用以概率fI進(jìn)行觀點(diǎn)轉(zhuǎn)換，也會(huì)對(duì)其他潛在觀點(diǎn)發(fā)表群體通過(guò)信息交互作用，以概率fE進(jìn)行觀點(diǎn)轉(zhuǎn)換。F 為對(duì)該輿情事件持觀望態(tài)度的關(guān)注群體，由觀點(diǎn)持有者經(jīng)信息交互作用轉(zhuǎn)為持有觀望狀態(tài)，在輿情反轉(zhuǎn)公告發(fā)布后，會(huì)以概率μf轉(zhuǎn)化為觀點(diǎn)發(fā)表者或?qū)υ撌录ヅd趣。R 則為對(duì)該事件失去興趣的群體，由接觸事件群體、觀望群體、潛在觀點(diǎn)發(fā)表群體或觀點(diǎn)發(fā)表群體轉(zhuǎn)化而來(lái)；考慮到互聯(lián)網(wǎng)中信息更新迭代快，微博平臺(tái)發(fā)布信息具有實(shí)時(shí)更新的屬性，因此，對(duì)輿情事件失去興趣的概率γs、γf、γe和γi會(huì)相應(yīng)提升。N表示參與輿情事件傳播演化的群體總數(shù)。

鑒于多觀點(diǎn)主體之間具有一定的相似性，以信息交互視角下兩種觀點(diǎn)的輿情演化模型SFE2I2R 進(jìn)行仿真實(shí)驗(yàn)，得到分階段演化模型。

（1）第一階段（輿情發(fā)展期）：

（2）第二階段（輿情發(fā)酵期及輿情平息期）：

根據(jù)上述討論，假設(shè)S(t)+E1(t)+E2(t)+I1( t )+I2( t )+ F(t) + R( t )= N，即參與輿情演化的人數(shù)守恒。信息交互由信息交互函數(shù)fI(l)和fE(l)發(fā)揮作用，參數(shù)值越大，表示信息交互影響的程度越高。輿情演化模型SFE2I2R 的主要參數(shù)如表2 所示。

3.2.2 演化模式分析

本文將輿情反轉(zhuǎn)演化過(guò)程分為三個(gè)階段，即輿情發(fā)展期、輿情發(fā)酵期和輿情平息期。在一般輿情事件的演化過(guò)程中，持有觀點(diǎn)的群體會(huì)隨著信息的快速迭代，演變?yōu)槭ヅd趣群體。以輿情反轉(zhuǎn)公告發(fā)布為劃分依據(jù)，該類(lèi)事件由于反差性較大和爭(zhēng)議性較強(qiáng)，會(huì)再度引發(fā)熱議，也會(huì)促使原網(wǎng)絡(luò)平臺(tái)上的潛在觀點(diǎn)發(fā)表者和觀望該輿情事件的關(guān)注者向觀點(diǎn)發(fā)表者發(fā)生轉(zhuǎn)變，此時(shí)過(guò)渡到輿情發(fā)酵期。研究表明，當(dāng)官方輿論與之觀點(diǎn)相同時(shí)，會(huì)增加其表達(dá)觀點(diǎn)的欲望[30]。本文首先以兩類(lèi)觀點(diǎn)，即正面觀點(diǎn)和反面觀點(diǎn)的信息交互視角下的演化模型SFE2I2R為例，得到模型在一次輿情反轉(zhuǎn)情景下的演化路徑，如圖3 所示。

表2 演化實(shí)驗(yàn)參數(shù)說(shuō)明

當(dāng)輿情事件發(fā)生時(shí)，事件接觸群體S 以概率γs轉(zhuǎn)變?yōu)閷?duì)該事件失去興趣群體R，或分別以概率α1、α2轉(zhuǎn)化為潛在觀點(diǎn)發(fā)表群體E1、E2。群體E1、E2隨后產(chǎn)生四種狀態(tài)的演變，或分別以概率(μe1)′、(μe2)′加入觀點(diǎn)發(fā)表群體I1、I2，或以概率σe1、σe2轉(zhuǎn)化為對(duì)該事件觀望群體F，或以概率γe1、γe2轉(zhuǎn)化為對(duì)事件失去興趣群體R，或通過(guò)信息交互作用使其觀點(diǎn)發(fā)生改變，但由于客觀因素或個(gè)體差異，繼續(xù)維持潛在觀點(diǎn)發(fā)表者的身份。輿情繼續(xù)演化時(shí)，觀點(diǎn)發(fā)表者I1、I2會(huì)分別以概率γi1、γi2失去興趣加入群體R，或以概率σ1i、σ2i轉(zhuǎn)化為對(duì)該事件觀望群體F，或在網(wǎng)絡(luò)平臺(tái)中繼續(xù)發(fā)表觀點(diǎn)，并分別以概率(pi21)′和(pi12)′將持有不同觀點(diǎn)的觀點(diǎn)發(fā)表者轉(zhuǎn)變?yōu)榕c自己觀點(diǎn)一致群體，以概率(pe21)′和(pe12)′去影響潛在觀點(diǎn)發(fā)表群體，使其轉(zhuǎn)變觀點(diǎn)。在輿情反轉(zhuǎn)發(fā)生前，該階段屬于輿情發(fā)展期。之后進(jìn)入輿情發(fā)酵期，由于輿情事件的相關(guān)信息量的補(bǔ)充，群體中持觀望狀態(tài)的群體F 和潛在觀點(diǎn)發(fā)表群體E1、E2分別以概率μf、(μe1)″、(μe2)″轉(zhuǎn)化為觀點(diǎn)發(fā)表群體I1、I2進(jìn)行觀點(diǎn)輸出。信息交互作用則依據(jù)網(wǎng)民的不同態(tài)度分別調(diào)整為概率隨著網(wǎng)民對(duì)該輿情事件的關(guān)注度減少，轉(zhuǎn)為輿情平息期，觀點(diǎn)發(fā)表群體I1、I2以概率(γi1)″和(γi2)″轉(zhuǎn)化為對(duì)該輿情事件失去興趣群體。

圖3 SFE2I2R輿情演化路徑

多數(shù)輿情反轉(zhuǎn)事件中，政府公告借助于有關(guān)部門(mén)官方賬號(hào)或平臺(tái)對(duì)輿情事件進(jìn)行解釋說(shuō)明，依其權(quán)威性對(duì)網(wǎng)民觀點(diǎn)產(chǎn)生影響。據(jù)此在輿情反轉(zhuǎn)后的信息交互過(guò)程中，會(huì)出現(xiàn)不同程度的觀點(diǎn)傾向性，且對(duì)不同觀點(diǎn)的傾向性影響并不相同。事實(shí)表明，多數(shù)網(wǎng)民會(huì)傾向于政府或官方闡述的觀點(diǎn)。在整個(gè)輿情演化的過(guò)程中，存在輿情反轉(zhuǎn)后潛在觀點(diǎn)發(fā)表群體和持觀望態(tài)度的關(guān)注者群體仍不發(fā)表觀點(diǎn)的情況，但由于不在信息交互的作用范圍內(nèi)，因此本實(shí)驗(yàn)不加以考慮。

3.3 模型參數(shù)估計(jì)

為使本文提出的研究模型及仿真結(jié)果更貼近實(shí)際，實(shí)驗(yàn)參數(shù)設(shè)定采用真實(shí)輿情反轉(zhuǎn)案例數(shù)據(jù)進(jìn)行初步估計(jì)。數(shù)據(jù)取自2019 年4 月15 日—2020 年4 月15 日的“西安奔馳女司機(jī)維權(quán)”輿情事件在新浪微博的相關(guān)信息。數(shù)據(jù)采樣間隔24 h，采樣點(diǎn)103 篇相關(guān)報(bào)道，實(shí)驗(yàn)記錄共12256 條微博數(shù)據(jù)，獲取微博數(shù)據(jù)包括相關(guān)文章報(bào)道的內(nèi)容、轉(zhuǎn)發(fā)量、評(píng)論用戶人數(shù)、評(píng)論用戶ID、用戶評(píng)論量、用戶評(píng)論內(nèi)容、點(diǎn)贊數(shù)、發(fā)布時(shí)間、話題熱度指數(shù)、話題討論數(shù)、話題閱讀數(shù)等。計(jì)算輿情反轉(zhuǎn)前后接觸事件者向潛在觀點(diǎn)發(fā)表者、潛在觀點(diǎn)發(fā)表者向觀點(diǎn)發(fā)表者，以及觀點(diǎn)持有者向輿情觀望者轉(zhuǎn)化的概率，并根據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心中的話題更替率來(lái)對(duì)失去興趣的概率進(jìn)行估算，完成實(shí)驗(yàn)基礎(chǔ)數(shù)據(jù)估計(jì)，如表3 所示。信息交互參數(shù)pi和pe則依據(jù)有效信息交互的元素構(gòu)成，以獲取微博的量化數(shù)據(jù)和評(píng)論內(nèi)容的情感分析為基礎(chǔ)，通過(guò)因子分析法來(lái)確定相關(guān)的參數(shù)設(shè)定，如表4 所示。通過(guò)收集統(tǒng)計(jì)2019—2021 年這3 年典型突發(fā)公共事件輿情數(shù)據(jù)可知，事件平均參與的有效人數(shù)在10000 人左右，因此將初始值設(shè)為N = 10000，即設(shè)定此輿情系統(tǒng)中起初有10000 名網(wǎng)民參與其中。

表3 實(shí)驗(yàn)反轉(zhuǎn)公告發(fā)布時(shí)間相關(guān)參數(shù)估計(jì)取值

表4 實(shí)驗(yàn)網(wǎng)民態(tài)度相關(guān)參數(shù)估計(jì)取值

4 實(shí)驗(yàn)研究

在緊跟時(shí)事熱點(diǎn)及最新報(bào)道新聞的平臺(tái)中，微博以其高覆蓋率的受眾群體和實(shí)時(shí)更新的新聞動(dòng)態(tài)，成為國(guó)內(nèi)當(dāng)前最為廣泛的應(yīng)用社交平臺(tái)之一。不同于傳統(tǒng)媒體媒介，微博作為傳播時(shí)事熱點(diǎn)的資訊平臺(tái)，在相關(guān)媒體信息發(fā)布后，為群眾提供平臺(tái)進(jìn)行互動(dòng)和討論，并將評(píng)論公開(kāi)透明，使網(wǎng)民之間以輿情事件為中心進(jìn)行信息交互成為可能。以微博平臺(tái)為例，本文分別以主動(dòng)和被動(dòng)干預(yù)層次對(duì)信息交互視角下的演化模型SFE2I2R 進(jìn)行分析仿真。在最終輿情演化的結(jié)果中，網(wǎng)民最終狀態(tài)都為對(duì)該輿情事件失去興趣，但由持有不同觀點(diǎn)的階段過(guò)渡到這一狀態(tài)，所表達(dá)的現(xiàn)實(shí)意義差異巨大，當(dāng)有越多持有正面觀點(diǎn)的網(wǎng)民過(guò)渡到最終狀態(tài)，證明政府干預(yù)越有效。因此，本文以持有不同觀點(diǎn)的網(wǎng)民比例去衡量政府干預(yù)的有效性，分析政府干預(yù)類(lèi)型及強(qiáng)度對(duì)輿情演化的影響，探究干預(yù)靈敏度，使實(shí)驗(yàn)有的放矢，為政府的相關(guān)輿情處理提供合理化建議，從而進(jìn)行有針對(duì)性的輿情引導(dǎo)。

本次實(shí)驗(yàn)操作系統(tǒng)為macOS Big Sur，數(shù)據(jù)庫(kù)采用MySQLVer 14.14，爬蟲(chóng)工具包為BeautifulSoup，分詞工具為jieba，情感分析工具為SnowNLP，仿真及可視化利用Matlab R2010 b，并借助相關(guān)工具包開(kāi)展實(shí)驗(yàn)。

4.1 路徑一：網(wǎng)民態(tài)度由消極轉(zhuǎn)向積極時(shí)，政府干預(yù)措施的影響分析

在輿情事件中，政府權(quán)威公告發(fā)布后，網(wǎng)民態(tài)度由消極向積極轉(zhuǎn)變是較為常見(jiàn)的現(xiàn)象。在輿情事件發(fā)展初期，網(wǎng)民情緒常以偏激情緒為主導(dǎo)，容易引起社會(huì)恐慌和消極情緒。而當(dāng)政府部門(mén)對(duì)輿情事件進(jìn)行調(diào)查后，清晰合理地還原事實(shí)真相，穩(wěn)定社會(huì)情緒，網(wǎng)民態(tài)度出現(xiàn)良好轉(zhuǎn)變態(tài)勢(shì)，輿情事件得以完善解決。因此，在該路徑下，本文設(shè)定整個(gè)輿情周期由開(kāi)始到消亡持續(xù)365 天，將政府發(fā)布公告的時(shí)間點(diǎn)作為輿情反轉(zhuǎn)時(shí)間點(diǎn)，探究政府不同干預(yù)對(duì)不同觀點(diǎn)的網(wǎng)民比例所產(chǎn)生的影響。在輿情發(fā)展期，由于網(wǎng)民持有消極態(tài)度，轉(zhuǎn)化為持有反面觀點(diǎn)的潛在觀點(diǎn)發(fā)表者概率較大（a′1= 0.002，a′2= 0.008）。另外，由于證據(jù)缺失、事實(shí)不全，向觀點(diǎn)發(fā)表者轉(zhuǎn)化的概率較?。?μe1)′ =(μe2)′ = 0.01）且轉(zhuǎn)化為觀望者概率較大。在輿情反轉(zhuǎn)公告發(fā)布后，進(jìn)入輿情發(fā)酵期，事件細(xì)節(jié)不斷有官方或自媒體補(bǔ)全，網(wǎng)民和觀望者向觀點(diǎn)發(fā)表者轉(zhuǎn)化的概率增加且網(wǎng)民呈現(xiàn)積極態(tài)度，轉(zhuǎn)化為正面觀點(diǎn)持有者的概率也隨之增加（a″1= 0.008，a″2= 0.002）。最后，隨著輿情熱度逐漸減少至平息，網(wǎng)民對(duì)輿情事件失去興趣的概率逐漸增加

在主動(dòng)干預(yù)實(shí)驗(yàn)中，網(wǎng)民在輿情發(fā)展期呈現(xiàn)消極態(tài)度，因網(wǎng)民間信息交互作用，轉(zhuǎn)化為反面觀點(diǎn)持有者 概 率 較 大。以輿情反轉(zhuǎn)公告發(fā)布為轉(zhuǎn)折點(diǎn)，網(wǎng)民態(tài)度轉(zhuǎn)變?yōu)榉e極趨勢(shì)，此時(shí)向正面觀點(diǎn)持有 者 轉(zhuǎn) 變 概 率 較 大實(shí)驗(yàn)結(jié)果表明，網(wǎng)民態(tài)度由消極向積極轉(zhuǎn)變過(guò)程中，公告時(shí)間點(diǎn)會(huì)對(duì)不同觀點(diǎn)的網(wǎng)民比例產(chǎn)生相對(duì)較大的影響，如圖4a 所示。隨著輿情反轉(zhuǎn)點(diǎn)的推遲，持有正面觀點(diǎn)的網(wǎng)民會(huì)從較高的比例快速下降并逐漸平緩。相較于輿情反轉(zhuǎn)時(shí)間點(diǎn)，增加政府公告受眾人數(shù)這一干預(yù)措施對(duì)持有不同觀點(diǎn)的網(wǎng)民比例產(chǎn)生了較為平緩的影響趨勢(shì)，如圖4b 所示。在被動(dòng)干預(yù)實(shí)驗(yàn)中，將輿情反轉(zhuǎn)時(shí)間點(diǎn)設(shè)為30 天（day=30），并分別減弱網(wǎng)民反面信息交互強(qiáng)度以及增強(qiáng)正面信息交互強(qiáng)度來(lái)進(jìn)行仿真實(shí)驗(yàn)。當(dāng)網(wǎng)民反面信息交互發(fā)生由強(qiáng)至弱的改變時(shí)，持有不同意見(jiàn)的網(wǎng)民比例受到的影響程度較小，如圖4c 所示。當(dāng)網(wǎng)民正面信息交互由弱交互增強(qiáng)為強(qiáng)交互時(shí)，發(fā)表觀點(diǎn)的網(wǎng)民比例受到明顯影響，但對(duì)潛在觀點(diǎn)發(fā)表者群體影響相對(duì)較小，如圖4d 所示。在文獻(xiàn)[31]的案例中，輿情發(fā)展期負(fù)面信息量急劇上升，此時(shí)出現(xiàn)為涉事醫(yī)院澄清真相的意見(jiàn)領(lǐng)袖，積極與網(wǎng)民交互答疑，逐漸得到認(rèn)可并被大量轉(zhuǎn)發(fā)，在輿情傳播后期的影響力超過(guò)了起初的“多數(shù)意見(jiàn)”。相比之下，文獻(xiàn)[32]的案例中王某某父母在輿情瘋狂傳播階段未進(jìn)行充分解釋，導(dǎo)致在不良媒體肆意傳播下，即使后期借助官方媒體進(jìn)行發(fā)聲，多數(shù)人仍持有消極觀點(diǎn)。

圖4 網(wǎng)民態(tài)度由消極轉(zhuǎn)向積極時(shí)，政府輿情干預(yù)措施影響

4.2 路徑二：網(wǎng)民態(tài)度由積極轉(zhuǎn)向消極時(shí)，政府干預(yù)措施的影響分析

隨著官方公告發(fā)布，網(wǎng)友態(tài)度也有可能由積極向消極轉(zhuǎn)變，這類(lèi)情景在輿情傳播中雖不常見(jiàn)，但在官方調(diào)查公告與初期網(wǎng)民觀點(diǎn)相差過(guò)大，或公告發(fā)布的過(guò)程或內(nèi)容中存在短時(shí)間內(nèi)網(wǎng)民無(wú)法接受的情況時(shí)，該種情景仍具有研究?jī)r(jià)值。在該路徑下，輿情發(fā)展初期，持有積極態(tài)度的網(wǎng)民有較大概率向潛在正面觀點(diǎn)發(fā)表者轉(zhuǎn)化（a′1= 0.008，a′2= 0.002）；輿情發(fā)酵期，持有消極態(tài)度的網(wǎng)民向潛在負(fù)面觀點(diǎn)發(fā)表者轉(zhuǎn)化的概率增加（a″1= 0.002，a″2= 0.008）。其他基礎(chǔ)參數(shù)設(shè)置一致。

在主動(dòng)干預(yù)實(shí)驗(yàn)中，根據(jù)網(wǎng)民所呈現(xiàn)的態(tài)度將信 息 交 互 參 數(shù) 分 別 設(shè) 置 為進(jìn) 行 仿 真實(shí)驗(yàn)。由實(shí)驗(yàn)結(jié)果可知，在網(wǎng)民由積極到消極的態(tài)度轉(zhuǎn)變中，隨著輿情反轉(zhuǎn)時(shí)間點(diǎn)的推遲，持有正面觀點(diǎn)的網(wǎng)民比例快速增大，并在輿情發(fā)展后期呈現(xiàn)較高的網(wǎng)民比例，如圖5a 所示。在文獻(xiàn)[33]的案例中，由于證據(jù)鏈不全，官方錯(cuò)過(guò)發(fā)布公告的最佳時(shí)機(jī)，該輿情事件在幾近平息后才進(jìn)行反轉(zhuǎn)，持消極態(tài)度的網(wǎng)民比例并無(wú)較大改善。另外，在增加公告受眾人數(shù)這一干預(yù)中，不同類(lèi)型的網(wǎng)民比例呈現(xiàn)變化平緩的影響效果，如圖5b 所示。在被動(dòng)干預(yù)實(shí)驗(yàn)中，減弱網(wǎng)民反面信息交互強(qiáng)度對(duì)潛在觀點(diǎn)發(fā)表者和反面觀點(diǎn)發(fā)表者會(huì)產(chǎn)生相對(duì)明顯的影響，但持有正面觀點(diǎn)網(wǎng)民比例呈緩慢上升的趨勢(shì)，如圖5c所示。另外，增強(qiáng)網(wǎng)民正面信息交互強(qiáng)度會(huì)呈現(xiàn)出更為明顯的積極效果，不過(guò)相較于觀點(diǎn)發(fā)表者，對(duì)潛在觀點(diǎn)發(fā)表者的影響較小，如圖5d 所示。

圖5 網(wǎng)民態(tài)度由積極轉(zhuǎn)向消極時(shí)，政府輿情干預(yù)措施影響

4.3 路徑三：網(wǎng)民態(tài)度持續(xù)消極時(shí)，政府干預(yù)措施的影響分析

部分輿情傳播中，網(wǎng)民態(tài)度有可能呈現(xiàn)持續(xù)消極趨勢(shì)，網(wǎng)民偏激情緒固化。該情景下，相關(guān)部門(mén)發(fā)布公告并不能有效影響網(wǎng)民態(tài)度。在文獻(xiàn)[34]的案例中，男司機(jī)的消極回應(yīng)令真相再次失真，公眾對(duì)該事件的質(zhì)疑指責(zé)仍持續(xù)升高，網(wǎng)民負(fù)面情緒持續(xù)擴(kuò)大。在該路徑下，網(wǎng)民情緒持續(xù)低落，陷入惡性循環(huán)，因此在輿情發(fā)展期和輿情發(fā)酵期，對(duì)潛在觀 點(diǎn) 發(fā) 表 者 分 別 設(shè) 置a′1= 0.002、a′2= 0.006、a″1=0.002、a″2= 0.008，來(lái)擬合現(xiàn)實(shí)狀態(tài)。

在主動(dòng)干預(yù)中，輿情反轉(zhuǎn)前后，網(wǎng)民的信息交互由于態(tài)度消極，設(shè)置為向反面觀點(diǎn)轉(zhuǎn)化率較高的情況進(jìn) 行 仿 真 實(shí)驗(yàn)。由結(jié)果可知，改變輿情反轉(zhuǎn)時(shí)間點(diǎn)和增加受眾人數(shù)干預(yù)并未產(chǎn)生明顯作用效果，不同類(lèi)型的網(wǎng)民比例仍保持基本一致。在輿情發(fā)展初期，輿情反轉(zhuǎn)時(shí)間點(diǎn)會(huì)大幅提高網(wǎng)民比例的變化速率，隨后減弱，如圖6a 所示。而增加受眾人數(shù)這一干預(yù)會(huì)使影響速率隨著人數(shù)增加呈遞減趨勢(shì)，如圖6b 所示。在文獻(xiàn)[35]的案例中，在公眾情緒總體呈消極狀態(tài)下，患者家屬接受采訪并否認(rèn)醫(yī)院說(shuō)法，提高了該輿情事件的二次曝光程度，但后續(xù)采訪中僅有1/10 左右的群眾相信家屬的說(shuō)法。同樣地，通過(guò)減弱網(wǎng)民反面信息交互強(qiáng)度所產(chǎn)生的作用效果也不明顯，且持有正面觀點(diǎn)的網(wǎng)民所占比例較低，如圖6c 所示。另外，通過(guò)增強(qiáng)網(wǎng)民正面交互強(qiáng)度，觀點(diǎn)發(fā)表網(wǎng)民比例呈逐漸上升趨勢(shì)，如圖6d 所示。在文獻(xiàn)[36]的案例中，事件發(fā)生之初，部分博主采用刪評(píng)等方式以減少其博文下的罵戰(zhàn)，但公眾情緒仍持續(xù)呈負(fù)面傾向，并無(wú)明顯的抑制作用。

4.4 路徑四：網(wǎng)民態(tài)度持續(xù)積極時(shí)，政府干預(yù)措施的影響分析

在輿情事件發(fā)展初期，網(wǎng)民采用較為理性積極的態(tài)度去看待輿情事件。在政府發(fā)布公告后，公告內(nèi)容與初期網(wǎng)民預(yù)期事實(shí)不一致時(shí)，網(wǎng)民仍保持理解政府并尊重事實(shí)的態(tài)度去看待該輿情事件，輿情反轉(zhuǎn)的公告內(nèi)容會(huì)進(jìn)一步將社會(huì)輿論引向較明朗的方向。該類(lèi)情況已越發(fā)常見(jiàn)，如在文獻(xiàn)[37]的案例中，網(wǎng)民在輿情事件發(fā)展初期即保留理性態(tài)度去評(píng)判，在警方出具詳細(xì)調(diào)查公告后，網(wǎng)民呈現(xiàn)支持判決、引以為戒的情感趨勢(shì)。

圖6 網(wǎng)民態(tài)度持續(xù)消極時(shí)，政府輿情干預(yù)措施影響

在該路徑下，實(shí)驗(yàn)基礎(chǔ)設(shè)置不變，以網(wǎng)民積極應(yīng)對(duì)的態(tài)度為基礎(chǔ)，在輿情發(fā)展期和輿情發(fā)酵期，網(wǎng)友轉(zhuǎn)化為正面觀點(diǎn)持有者概率增加（a′1=0.006，a′2= 0.002，a″1= 0.008，a″2= 0.002），通 過(guò) 此情況來(lái)擬合現(xiàn)實(shí)狀態(tài)。在主動(dòng)干預(yù)中，網(wǎng)民在積極態(tài)度下的信息交互作用，使網(wǎng)民轉(zhuǎn)化為正面觀點(diǎn)持有者概率加大，將參數(shù)設(shè)置為0.01，來(lái)進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，在網(wǎng)民態(tài)度保持積極時(shí)，不同類(lèi)型的網(wǎng)民比例相對(duì)固化，改變輿情反轉(zhuǎn)時(shí)間點(diǎn)以及增加公告受眾人數(shù)對(duì)其影響不大，如圖7a 和圖7b 所示。在輿情發(fā)展過(guò)程中，網(wǎng)民一直保持著較為高漲的積極狀態(tài)，減弱網(wǎng)民反面信息交互作用并不明顯，如圖7c 所示。另外，增強(qiáng)網(wǎng)民正面信息交互，對(duì)觀點(diǎn)發(fā)表者影響較大，且當(dāng)正面信息交互處于弱交互階段時(shí)，觀點(diǎn)發(fā)表者影響處于高效變化區(qū)間，如圖7d 所示。在文獻(xiàn)[38]的案例中，網(wǎng)民持理性態(tài)度看待雙方說(shuō)法，安慰支持考生并肯定官媒和校方做法，網(wǎng)民持積極狀態(tài)的人數(shù)居多且在反轉(zhuǎn)后增加。同理，在文獻(xiàn)[39]的案例中，該博文借助地域差異迅速帶起話題，傳播中不乏持理性態(tài)度的網(wǎng)友，要求證實(shí)事件真實(shí)性的呼聲逐漸增加。

圖7 網(wǎng)民態(tài)度持續(xù)積極時(shí)，政府輿情干預(yù)措施影響

5 討論與建議

5.1 機(jī)制優(yōu)化：把握回應(yīng)時(shí)效性、準(zhǔn)確性，健全輿情監(jiān)測(cè)、研判和回應(yīng)機(jī)制

輿情反轉(zhuǎn)公告作為突發(fā)公共事件影響輿情生態(tài)的核心因素，切實(shí)推動(dòng)了公共事件輿情走向，成為政府重新掌握輿論話語(yǔ)權(quán)的重要節(jié)點(diǎn)。由此可見(jiàn)，發(fā)布輿情反轉(zhuǎn)公告是最有效的干預(yù)手段和措施之一。

首先，把握公告發(fā)布時(shí)機(jī)，打破消極從眾心理。在公共突發(fā)事件中，其反面性主要來(lái)源于事實(shí)未及時(shí)公布，使虛假信息甚囂塵上，不僅對(duì)當(dāng)事人造成不可逆的傷害，還會(huì)造成社會(huì)信任喪失和輿論環(huán)境紊亂。如本文實(shí)驗(yàn)表明（見(jiàn)圖4a、圖5a），在網(wǎng)民對(duì)該輿情反轉(zhuǎn)公告產(chǎn)生較大情緒波動(dòng)時(shí)，將公告發(fā)布時(shí)機(jī)調(diào)整在輿情周期的0~18%期間，可有效影響網(wǎng)民觀點(diǎn)演化，且越接近輿情事件發(fā)生的時(shí)間點(diǎn)越能起到良好治理的效果。前人研究發(fā)現(xiàn)，在輿情發(fā)展初期，政府媒體作為具有社會(huì)公信力的媒體平臺(tái)及時(shí)發(fā)布相關(guān)的公告，能有效減少公眾的猜測(cè)與揣測(cè)，在網(wǎng)絡(luò)輿情的危機(jī)管理中起到至關(guān)重要的作用[40]。

其次，提高公告準(zhǔn)確性，勿因“快”而使“準(zhǔn)”讓步，求“準(zhǔn)”更勝于求“快”。在后真相時(shí)代，真相讓位于情緒，自媒體社交平臺(tái)作為公眾話題的集中地，情緒化表達(dá)成為常態(tài)，易引起群體情緒極化現(xiàn)象。官方公告內(nèi)容作為輿情事件定性及解釋的正當(dāng)、合法信源，是輿情治理的核心推動(dòng)力。在此基礎(chǔ)上，把握恰當(dāng)?shù)陌l(fā)布時(shí)機(jī)，更能適時(shí)打破消極的從眾心理，匡正輿論走向。以官方平臺(tái)為基準(zhǔn)，發(fā)布對(duì)輿情事件合規(guī)準(zhǔn)確的調(diào)查公告，有利于在時(shí)間維度中，快速平息輿情的惡性長(zhǎng)尾期，給喧嘩的輿論降溫，引導(dǎo)輿論走向，有助于政府公信力的提高，避免落入“塔西佗陷阱”。

5.2 路徑優(yōu)化：提升回應(yīng)信息到達(dá)率，科學(xué)有效調(diào)控網(wǎng)絡(luò)生態(tài)治理路徑

如今，頻繁反轉(zhuǎn)、多次曝光已是輿情反轉(zhuǎn)事件常見(jiàn)的外在表征。擴(kuò)大官方公告的受眾群體是打破觀點(diǎn)固化的一次努力，也是政府爭(zhēng)奪輿論話語(yǔ)權(quán)的一種嘗試。官方公告作為政府對(duì)輿情事件的正式發(fā)聲，無(wú)疑是這場(chǎng)輿論風(fēng)波的定心丸，讓更多群眾了解到事實(shí)真相以及政府態(tài)度，回歸理性狀態(tài)，這是重構(gòu)話語(yǔ)體系的關(guān)鍵。

首先，擴(kuò)大反轉(zhuǎn)公告曝光，緩解公眾心理沖突。如本文實(shí)驗(yàn)表明（見(jiàn)圖6b、圖7b），在網(wǎng)民處于情緒不穩(wěn)定的狀態(tài)下，擴(kuò)大公告信息到達(dá)率為28%的政府干預(yù)是行之有效的措施。在輿情反轉(zhuǎn)期，網(wǎng)民情緒及其所在輿論場(chǎng)會(huì)產(chǎn)生巨大波動(dòng)，隨之影響其行為路徑。由專業(yè)權(quán)威信源為事件定性并給出專業(yè)合理的解答，正是網(wǎng)民所迫切需要的。在文獻(xiàn)[41]的案例中，官方信息透明度和受眾群眾人數(shù)的增加，有效降低了公眾質(zhì)疑，將輿情風(fēng)險(xiǎn)概率減小，達(dá)到良好治理的效果。

其次，鼓勵(lì)多元化平臺(tái)回應(yīng)，信息渠道多方覆蓋。目前學(xué)術(shù)界暫沒(méi)有對(duì)擴(kuò)大受眾群體進(jìn)行明確的指標(biāo)特征論述，多數(shù)體現(xiàn)在多元化的發(fā)布平臺(tái)、高頻率的發(fā)布公告以及卓越的公告影響力等。多元化的發(fā)布平臺(tái)是指公告在不過(guò)多占用社會(huì)資源的情況下，在與其相關(guān)的權(quán)威媒體平臺(tái)盡數(shù)發(fā)布，擴(kuò)大不同類(lèi)型的受眾普及率。高頻率的發(fā)布公告是指媒體平臺(tái)作為事實(shí)核實(shí)者，本著客觀、公平的態(tài)度進(jìn)行輿情事件的階段報(bào)告，將事實(shí)公開(kāi)透明化。公告影響力則集中在公告內(nèi)容的深度和廣度，對(duì)輿情進(jìn)行實(shí)時(shí)監(jiān)測(cè)分析，有效掌握公眾的關(guān)注點(diǎn)和質(zhì)疑點(diǎn)，做出準(zhǔn)確、真實(shí)的回應(yīng)。因此，在輿情事件發(fā)生后，政府應(yīng)及時(shí)跟蹤輿情事件影響的人數(shù)，采取彈性控制手段，測(cè)算信息到達(dá)率的合理區(qū)間，以提高輿情被關(guān)注度，并保持合理調(diào)控成本。

5.3 結(jié)構(gòu)優(yōu)化：推動(dòng)多元主體理性互動(dòng)，構(gòu)建動(dòng)態(tài)平衡的輿情生態(tài)結(jié)構(gòu)

在突發(fā)公共事件輿情生態(tài)體系中，輿情主體多元化、結(jié)構(gòu)復(fù)雜，以化名身份在開(kāi)放社交平臺(tái)中闡述的觀點(diǎn)與話語(yǔ)，所承載的內(nèi)容表達(dá)有可能是短視、狹隘和極端的。該類(lèi)話語(yǔ)要素作用于民間輿論場(chǎng)，可能加速公眾負(fù)面情緒極化，進(jìn)而影響系統(tǒng)中主體自身的輿情生態(tài)位和整個(gè)輿情生態(tài)系統(tǒng)的平衡。因此，推動(dòng)多元主體理性互動(dòng)、構(gòu)建動(dòng)態(tài)平衡的輿情生態(tài)結(jié)構(gòu)顯得尤為必要。

首先，積極恰當(dāng)?shù)恼蛞龑?dǎo)，控制激進(jìn)輿論的擴(kuò)散。依托于網(wǎng)民信息交互，政府干預(yù)可以分為兩個(gè)方面，一方面，政府部門(mén)通過(guò)監(jiān)測(cè)輿情發(fā)展路徑，通過(guò)減弱網(wǎng)民反面信息交互強(qiáng)度，對(duì)網(wǎng)民的負(fù)面情緒起到消解作用；另一方面，政府通過(guò)收集網(wǎng)民在社交平臺(tái)中的提問(wèn)或質(zhì)疑，切中問(wèn)題要點(diǎn)痛點(diǎn)，做出有深度和廣度的回答，安撫情緒，正向引導(dǎo)思維走向來(lái)緩解突發(fā)事件的惡性影響。如本文實(shí)驗(yàn)表明（見(jiàn)圖6c、圖6d、圖7c 和圖7d），增強(qiáng)網(wǎng)民正面交互強(qiáng)度比減弱網(wǎng)民反面交互行為更為有效，且達(dá)到強(qiáng)交互時(shí)可高效改變網(wǎng)民比例。事實(shí)上，在現(xiàn)有研究所關(guān)注的突發(fā)事件中，政府干預(yù)大多集中在正向引導(dǎo)群眾方面。有學(xué)者據(jù)以往研究分析，政府在輿情反轉(zhuǎn)中進(jìn)行積極恰當(dāng)?shù)囊龑?dǎo)，有助于控制極端化和激進(jìn)化的輿論擴(kuò)散[42]。

其次，政府回應(yīng)需切中“要點(diǎn)”和“痛點(diǎn)”，準(zhǔn)確回應(yīng)民生訴求。政府干預(yù)依托有效信息交互的特征指標(biāo)，即評(píng)論頻率和評(píng)論深廣度，探尋它們與政府干預(yù)程度之間的關(guān)聯(lián)，從而實(shí)現(xiàn)精準(zhǔn)化回應(yīng)。政府官媒在評(píng)論區(qū)評(píng)論頻率是指在網(wǎng)民負(fù)面評(píng)論下的正式回應(yīng)頻率，既能作為政府在信息交互過(guò)程中的量化表征，又能體現(xiàn)出政府在突發(fā)事件下的回應(yīng)態(tài)度和積極性。盡管回應(yīng)數(shù)量并不能代表回應(yīng)質(zhì)量，但研究證實(shí)，回應(yīng)次數(shù)多的突發(fā)事件一般應(yīng)對(duì)效果也較好[41]。另外，政府回應(yīng)的內(nèi)容是政府在積極應(yīng)對(duì)突發(fā)事件的質(zhì)化表征，體現(xiàn)了政府是否充分聽(tīng)取民眾呼聲并切實(shí)滿足民眾需求。然而，政府回應(yīng)不能準(zhǔn)確切中群眾的要點(diǎn)和痛點(diǎn)，是當(dāng)下政府采取信息交互手段的干預(yù)措施中存在的主要問(wèn)題。因此，保證實(shí)時(shí)輿情動(dòng)態(tài)跟蹤，通過(guò)可調(diào)控的引導(dǎo)手段，“穩(wěn)”“準(zhǔn)”“狠”地阻斷網(wǎng)民消極情緒的蔓延。

6 結(jié)論與展望

近年來(lái)，公共領(lǐng)域中頻頻出現(xiàn)的輿情反轉(zhuǎn)事件，不僅意味著“后真相”時(shí)代的來(lái)臨，也向政府輿情治理的重點(diǎn)方向發(fā)出了信號(hào)。本文通過(guò)改進(jìn)輿情演化模型SFEnInR，結(jié)合信息交互視角，模擬輿情反轉(zhuǎn)演化路徑，為政府輿情治理提供決策支持。在輿情反轉(zhuǎn)的演化中，權(quán)威公告的發(fā)布時(shí)機(jī)是推動(dòng)發(fā)展過(guò)程的觸發(fā)性因子，適時(shí)把握發(fā)布時(shí)機(jī)，實(shí)現(xiàn)網(wǎng)民情感的扭“負(fù)”為正，已成為輿情治理的重要手段之一。偏差性和隱蔽性是突發(fā)公共事件兩個(gè)顯著特征，堅(jiān)持事件信息透明化，媒體報(bào)道客觀化，可有效避免事態(tài)激化和政府公信力下降。網(wǎng)民交互可視化給輿情研判提供了更多的選擇，應(yīng)確保實(shí)時(shí)監(jiān)控，動(dòng)態(tài)治理，貫通輿論體系，避免群體極化和消極輿論的爆發(fā)。另外，在信息交互方面，網(wǎng)民情感偏向處于時(shí)序波動(dòng)變化狀態(tài)，能夠反映輿情事件生態(tài)的平衡性變化，有助于窺察網(wǎng)民與政府間的雙重博弈。因此，后續(xù)研究可根據(jù)不同類(lèi)型輿情事件的傳播特征重構(gòu)，或?qū)⒕W(wǎng)民情感偏向作為隨時(shí)間變化的連續(xù)型函數(shù)，使模型更貼近現(xiàn)實(shí)特征。