安 璐，陳苗苗

（1. 武漢大學(xué)信息資源研究中心，武漢 430072；2. 武漢大學(xué)信息管理學(xué)院，武漢 430072）

1 引 言

政府信息發(fā)布一直是政府應(yīng)對突發(fā)事件、引導(dǎo)社會(huì)輿論的重要手段之一。2018 年《國務(wù)院辦公廳關(guān)于推進(jìn)政務(wù)新媒體健康有序發(fā)展的意見》中指出，“全面提升政務(wù)新媒體傳播力、引導(dǎo)力、影響力、公信力，打造一批優(yōu)質(zhì)精品賬號，建設(shè)更加權(quán)威的信息發(fā)布和解讀回應(yīng)平臺”[1]。在“互聯(lián)網(wǎng)+政務(wù)”創(chuàng)新政府治理和社會(huì)服務(wù)的新型戰(zhàn)略方針倡導(dǎo)下，政府信息發(fā)布環(huán)境被徹底改變，數(shù)字化新媒體成為傳統(tǒng)政府信息發(fā)布走出信息發(fā)布封閉困境、加快數(shù)字化轉(zhuǎn)型、提升社會(huì)治理能力的重要方式。據(jù)新浪網(wǎng)《2020 微博用戶發(fā)展報(bào)告》[2]顯示，經(jīng)過微博平臺認(rèn)證的政務(wù)微博已達(dá)177437 個(gè)，盡管政務(wù)微博總體應(yīng)對重大突發(fā)事件的各項(xiàng)指標(biāo)表現(xiàn)優(yōu)良，但橫向比較政務(wù)微博時(shí)，仍存在部分政務(wù)微博僵尸化、政務(wù)形象娛樂化等現(xiàn)象，各類政務(wù)微博數(shù)字化治理水平參差不齊。

在此背景下，學(xué)者們從認(rèn)知、情感和行為三個(gè)方面對政務(wù)微博傳播效果進(jìn)行了定性分析，提出關(guān)于完善政務(wù)微博信息發(fā)布的策略，但這些研究大多針對在突發(fā)事件中表現(xiàn)較為成熟的單個(gè)政務(wù)微博[3]，一些影響因素的指標(biāo)量化集中于外在特征，如@符號、語言風(fēng)格等，未能揭示政務(wù)微博信息發(fā)布有效性的關(guān)鍵因素與作用機(jī)制。此外，哪些政務(wù)微博是突發(fā)事件中的主力治理者無從得知。而了解突發(fā)事件情境下各政務(wù)微博的表現(xiàn)是政府輿情治理的源頭，對其表現(xiàn)的衡量將有助于明確政府?dāng)?shù)字化水平，便于有針對性地提升數(shù)字業(yè)務(wù)水平。總而言之，當(dāng)前數(shù)字化社交媒體數(shù)據(jù)沒有得到有效利用，未能開展政務(wù)微博信息發(fā)布的相對有效性評估，也沒有深入探究目前處于信息發(fā)布失效狀態(tài)的政務(wù)微博賬號如何在突發(fā)事件輿情治理中提升其信息發(fā)布效果。這些問題的解決可以幫助政務(wù)微博提升突發(fā)事件輿情治理信息發(fā)布有效性，揭示特定情境下政務(wù)微博與社會(huì)公眾的信息交流模式和特征，為深入研究面向突發(fā)事件應(yīng)急管理的政府信息溝通模式和輿情應(yīng)對提供情報(bào)服務(wù)方法和數(shù)據(jù)支撐，對創(chuàng)新社交媒體在政府?dāng)?shù)字化轉(zhuǎn)型的應(yīng)用與實(shí)踐上都具有重要的意義。

為此，本研究以2020 年南方汛情為例，研究如何充分利用社交媒體數(shù)據(jù)來測度突發(fā)事件情境下政務(wù)微博信息發(fā)布的有效性，挖掘影響政務(wù)微博信息發(fā)布有效性的關(guān)鍵因素，探究能夠促進(jìn)不同類型政務(wù)微博信息發(fā)布有效性的條件或信息發(fā)布組合，進(jìn)而揭示提升政務(wù)微博信息發(fā)布有效性的路徑。本研究的貢獻(xiàn)在于：①基于ABC（affect, behavior, cognition）態(tài)度模型理論，結(jié)合數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）模型提出評估突發(fā)事件情境下政務(wù)微博信息發(fā)布有效性的方法，識別突發(fā)事件輿情治理中的優(yōu)秀表現(xiàn)者，并測度政務(wù)微博的相對有效性；②基于勸服理論識別政務(wù)微博信息發(fā)布有效性的影響因素，揭示信源主體、信息內(nèi)容和勸服方法三個(gè)維度上的因素與政務(wù)微博信息發(fā)布有效性的關(guān)系；③利用SHapley Additive exPlanations（SHAP）分析影響因素，探索政務(wù)微博信息發(fā)布有效性的影響機(jī)制，確定在突發(fā)事件輿情治理中政務(wù)微博利用數(shù)字化社交媒體屬性來增強(qiáng)其信息發(fā)布有效性的方法。本研究相關(guān)發(fā)現(xiàn)有助于提升政務(wù)微博信息發(fā)布的有效性，可為突發(fā)事件應(yīng)急管理提供及時(shí)高效的溝通渠道，充分滿足公眾的信息獲取需求。

2 理論基礎(chǔ)與文獻(xiàn)回顧

2.1 相關(guān)理論基礎(chǔ)

新公共管理理論主張政府具有主觀能動(dòng)性，注重政府行為的有效性，強(qiáng)調(diào)以企業(yè)管理和市場導(dǎo)向方式激發(fā)政府治理效能[4]。其對本研究的主要借鑒意義是突發(fā)事件輿情治理源頭在于政府治理模式創(chuàng)新和治理能力提升，政府信息發(fā)布時(shí)既需要橫向比較各級政府治理效果，以促進(jìn)政府競爭機(jī)制，也需要縱向建立增強(qiáng)政府信息發(fā)布效能的機(jī)制，不斷提升政府治理能力。

社會(huì)積極心理學(xué)將人的心理狀態(tài)分為三個(gè)系統(tǒng)：認(rèn)知（cognition）、情感（affect）、行為（behavior），是心理學(xué)中最為重要的ABC 態(tài)度模型理論。該理論模型認(rèn)為個(gè)體態(tài)度的改變是由認(rèn)知、情感和行為三個(gè)要素構(gòu)成的，且認(rèn)知效果、情感效果和行為效果存在遞進(jìn)關(guān)系[5]。在突發(fā)事件情境下，政府信息發(fā)布效果與受眾態(tài)度不可分割。認(rèn)知效果是指受體在事件信息刺激下選擇性注意理解信息后的知識量增加或知識構(gòu)成的變化。Yin 等[6]發(fā)現(xiàn)在不確定信息環(huán)境下用戶會(huì)使用更多含有認(rèn)知表達(dá)的詞語。情感效果是對受體的深層反應(yīng)，體現(xiàn)出受體對信息內(nèi)容的興趣喜惡。行為效果是受體在接受信息后所引發(fā)的行動(dòng)變化[7]，在微博中通常體現(xiàn)為點(diǎn)贊、評論、轉(zhuǎn)發(fā)行為。此外，根據(jù)群體動(dòng)力理論[8]，個(gè)體內(nèi)在需要（person，P）和環(huán)境外力（environment，E）會(huì)決定一個(gè)人的行為（behavior，B）。社交媒體中用戶對信息的認(rèn)知、情感及行為會(huì)受到微博評論中高贊評論的影響，對于這類評論可賦予更高的權(quán)重。本研究借鑒ABC 態(tài)度模型理論，從認(rèn)知、情感、行為三個(gè)維度度量政務(wù)微博信息發(fā)布的效果，而效果是從受眾角度對某個(gè)政務(wù)微博條目的評價(jià)，政務(wù)微博信息發(fā)布有效性強(qiáng)調(diào)的是不同政務(wù)微博主體在突發(fā)事件期間通過信息發(fā)布改進(jìn)受眾對突發(fā)事件態(tài)度的能力。通過DEA 模型能很好地評價(jià)政府公共事業(yè)管理有效性[9]。鑒于此，本研究將用DEA 模型來評價(jià)政務(wù)微博信息發(fā)布的有效性。

1948 年，哈羅德·拉斯韋爾提出著名的“5W”信息交流模式，即誰（發(fā)送者），說了什么（信息），通過什么渠道（媒介），對誰（接受者），取得了什么效果（影響）；以此為基礎(chǔ)，美國著名實(shí)驗(yàn)心理學(xué)家卡爾·霍夫蘭提出勸服理論，總結(jié)出勸服的四個(gè)要素：信息溝通者、信息內(nèi)容、信息傳播媒介以及信息接受者[10]。其中，信息溝通者為信源，一般會(huì)從信源特征出發(fā)，構(gòu)建關(guān)于信源可信度、知名度或影響力等方面的指標(biāo)；信息內(nèi)容、信息傳播媒介均為信息傳播的方式，勸服理論認(rèn)為論據(jù)的說服力是建立在論據(jù)是否具備有效性和新穎性兩個(gè)特征基礎(chǔ)之上的，通?？紤]信息情感性、易讀性等方面的內(nèi)容；信息接受者為信宿，即勸服對象。事實(shí)上，政府信息發(fā)布是政府和公眾進(jìn)行共時(shí)信息交流的方式，也是在社交媒體環(huán)境下對特定信息交流內(nèi)容的呈現(xiàn)，其信息生產(chǎn)者、信息發(fā)布內(nèi)容、信息發(fā)布模式等決定了政府和公眾信息交流的效率，提升政府信息發(fā)布效能在一定程度上能提高信息交流效率，讓公眾在更加了解事件相關(guān)信息的同時(shí)增強(qiáng)公眾對政府的信任和支持。借鑒勸服理論，本研究從信源主體、信息內(nèi)容和勸服方法三個(gè)方面構(gòu)建了影響因素體系，其中，信源主體包括權(quán)威性、及時(shí)性、協(xié)調(diào)性三個(gè)二級指標(biāo)，信息內(nèi)容包括信息明確性、信息可讀性、信息情感性、信息相關(guān)性四個(gè)二級指標(biāo)，勸服方法包括發(fā)布形式和議題設(shè)置兩個(gè)二級指標(biāo)。

2.2 突發(fā)事件情境下政務(wù)微博相關(guān)研究

政務(wù)微博作為數(shù)字化管理手段搭建政府與公眾直接對話的渠道，開創(chuàng)了公眾參政議政的新形勢，在傳播政務(wù)信息、提高政府治理、加強(qiáng)民意溝通等多個(gè)方面具有重要的作用[11-12]。

在面對突發(fā)事件時(shí)，政務(wù)微博作為主要的公眾溝通者需要具有良好的溝通能力，才能促使正確的信息被廣泛傳播，進(jìn)而消除事件危機(jī)。但是一些政務(wù)微博在面對突發(fā)事件時(shí)往往表現(xiàn)出言語失序、輿論領(lǐng)袖意識薄弱、信息發(fā)布不及時(shí)等問題，造成政務(wù)微博公信力的下降[13]、網(wǎng)民負(fù)面情緒大肆渲染[14]、輿論異化[15]等嚴(yán)重情形，導(dǎo)致治理效果不佳。為了占據(jù)突發(fā)事件輿情中的主要話語地位，政務(wù)微博需要協(xié)同合作、共同治理，建立對應(yīng)的應(yīng)急預(yù)案及預(yù)警措施[16-17]，積極發(fā)揮公眾在突發(fā)事件中的傳播作用。

突發(fā)事件情境下的政務(wù)微博研究一直是情報(bào)學(xué)領(lǐng)域的研究熱點(diǎn)之一，現(xiàn)有研究對政務(wù)微博在引導(dǎo)輿情走向的作用、加強(qiáng)民意溝通的重要性等方面進(jìn)行了深入闡釋，同時(shí)，也對當(dāng)前政務(wù)微博面對突發(fā)事件所出現(xiàn)的各種問題進(jìn)行了深入分析并提出了相應(yīng)的意見，這些為本研究在政務(wù)微博信息發(fā)布有效性方面的研究奠定了基礎(chǔ)；但大多數(shù)政務(wù)微博研究主要通過案例分析來定性研究單個(gè)政務(wù)微博帳號，例如，分析具有影響力或活躍的賬戶，鮮少以具體量化的方式建立政務(wù)微博信息發(fā)布有效性的測量方法。

2.3 政府信息發(fā)布有效性的相關(guān)研究

政府信息發(fā)布是指政府部門根據(jù)法定程序規(guī)則以各種形式主動(dòng)向公眾傳播信息的行為。目前，專門針對政府信息發(fā)布有效性的研究并不多。張禮才等[18]認(rèn)為，政府信息發(fā)布有效性的影響因素包括時(shí)效性、主動(dòng)性、解釋力、情感力、渠道力。除此之外，從現(xiàn)有文獻(xiàn)可見，政府信息發(fā)布有效性同傳播效果是相關(guān)的，狹義傳播效果指傳播活動(dòng)實(shí)現(xiàn)傳播者意圖的程度，廣義傳播效果是信息傳播行為所引起的客觀結(jié)果[19]。因此，研究通常以點(diǎn)贊數(shù)量、轉(zhuǎn)發(fā)數(shù)量、閱讀數(shù)量、評論數(shù)量等指標(biāo)衡量信息傳播效果，考慮到點(diǎn)贊、分享等行為存在差異性，如評論中含有更多的認(rèn)知與態(tài)度，后又將傳播效果劃分為認(rèn)知類、情感類和行為類，以體現(xiàn)各指標(biāo)的層次性[20]。傳播效果衡量指標(biāo)劃分雖更為細(xì)致，但其具體的測量方式未發(fā)生變化，如陳遠(yuǎn)等[21]以信息覆蓋人數(shù)衡量微博信息傳播對受眾認(rèn)知的影響，以評論數(shù)體現(xiàn)受眾的情感和態(tài)度。政務(wù)微博傳播效果的衡量也多基于單個(gè)微博賬號的研究，如探究分析“北京發(fā)布”[22]、“上海發(fā)布”[3]在突發(fā)事件中的響應(yīng)效果、互動(dòng)效果等。對多個(gè)政務(wù)微博的研究集中在政務(wù)微博群的合作網(wǎng)絡(luò)分析上[23]，強(qiáng)調(diào)協(xié)同治理的重要性。

這些研究專注于政務(wù)微博群體或個(gè)體的傳播效果，結(jié)合定性及定量兩種方式對政務(wù)微博產(chǎn)生的影響效果進(jìn)行分析，并提出了對應(yīng)的管理建議，但是較少研究政務(wù)微博信息發(fā)布有效性。傳播效果雖然劃分為認(rèn)知、情感和行為三個(gè)維度，但各維度的量化以點(diǎn)贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)、閱讀數(shù)量為主，量化結(jié)果最終體現(xiàn)的是微博傳播能力，而非本研究所提出的政務(wù)微博信息發(fā)布有效性，其傳播效果在本研究評估政務(wù)微博信息發(fā)布有效性上體現(xiàn)在行為維度上。此外，從現(xiàn)有文獻(xiàn)中可以窺見政府信息發(fā)布有效性和受眾是密不可分的，應(yīng)避免受眾由于對突發(fā)事件的不知情而產(chǎn)生恐慌心理[14,24]，因此，本研究從受眾的角度研究政務(wù)微博信息發(fā)布有效性。

2.4 政務(wù)微博信息發(fā)布有效性的關(guān)鍵影響因素分析

政府微博信息發(fā)布有效性的關(guān)鍵影響因素分析主要從兩個(gè)方面進(jìn)行。第一是用戶方面的研究。學(xué)者們使用中心性度量等方法探究用戶在復(fù)雜網(wǎng)絡(luò)中的影響力、權(quán)威性[25]，相關(guān)指標(biāo)常有粉絲數(shù)、被轉(zhuǎn)發(fā)次數(shù)、被提及次數(shù)等[26]。通常公信力[27]和信息發(fā)布及時(shí)性[28]是輿情治理關(guān)注的重點(diǎn)。第二是政務(wù)微博內(nèi)容特征相關(guān)的研究。在政務(wù)微博語言風(fēng)格上，有研究結(jié)果表明真誠親切的語言能增強(qiáng)民眾對政府的好感[29]。在形式上，政務(wù)微博應(yīng)豐富媒體形式，多利用圖片、音樂、視頻等形式[30]，更容易吸引網(wǎng)民互動(dòng)和正面評論，進(jìn)而促進(jìn)轉(zhuǎn)發(fā)、評論行為。感知有用性和易用性正向顯著影響公眾使用政府網(wǎng)站的行為態(tài)度[31]。在具體構(gòu)建政務(wù)微博有效性影響因素的綜合指標(biāo)上，Tang 等[32]探究了媒介因素、公眾因素、政府因素三個(gè)方面與傳播效果的相關(guān)性，Hu等[33]從規(guī)模、注意力程度、活動(dòng)程度和內(nèi)容有效性來衡量政務(wù)微博的影響力，但相當(dāng)一部分因素的衡量量化困難。

目前政務(wù)微博傳播影響因素集中在對政務(wù)微博發(fā)布者特征及微博內(nèi)容等外在或顯性特征的揭示，很多指標(biāo)的構(gòu)建是基于計(jì)數(shù)衡量或者是否存在，并且大多基于單條微博的傳播效果，缺乏對政務(wù)微博主體賬號在突發(fā)事件情境下的信息發(fā)布有效性影響因素的分析，而且內(nèi)在特征如議題設(shè)置、情感和主題滿足情況與顯性特征及發(fā)布者特征的協(xié)調(diào)關(guān)系研究不足。

綜上所述，相關(guān)理論為本研究提供了理論指導(dǎo)，具體表現(xiàn)在：①本研究以新公共管理理論為基礎(chǔ)，確定了橫向比較政務(wù)微博信息發(fā)布的有效性及縱向建立增強(qiáng)信息發(fā)布有效性的機(jī)制的研究思路；②基于ABC 態(tài)度模型理論，構(gòu)建政務(wù)微博信息發(fā)布效果評估指標(biāo)，依據(jù)群體動(dòng)力理論細(xì)化政務(wù)微博信息發(fā)布有效性評估指標(biāo)的計(jì)算方法；③以勸服理論為指導(dǎo)，識別影響政務(wù)微博信息發(fā)布有效性的因素，并構(gòu)建政務(wù)微博信息發(fā)布有效性影響機(jī)制。

目前關(guān)于突發(fā)事件情境下政務(wù)微博信息發(fā)布有效性的研究存在以下不足：①對突發(fā)事件情境下政務(wù)微博有效性評估的研究較少，大多數(shù)研究傾向于對政務(wù)微博群體或個(gè)體傳播效果的衡量；②政務(wù)微博的評估常使用定性方法，對少數(shù)幾個(gè)政務(wù)微博賬號傳播效果進(jìn)行評估，對社交媒體數(shù)據(jù)的利用不足以及評估范疇具有局限性；③在傳播效果指標(biāo)量化方面，大多數(shù)研究忽視認(rèn)知效果的衡量或是簡單地使用點(diǎn)贊、閱讀量作為認(rèn)知效果衡量，量化方式不夠細(xì)化；④在影響因素構(gòu)建方面，部分因素量化困難。此外，影響因素集中于外在或顯性特征，但內(nèi)在與隱性特征亦需要考慮。

3 研究方法

3.1 數(shù)據(jù)收集與預(yù)處理

本研究以2020 年南方汛情事件為例。首先以“南方汛情”為關(guān)鍵詞獲取2020 年6 月1 日至9 月30日的原創(chuàng)微博65150 條。以此為基礎(chǔ)，獲取29106條微博用戶信息。鑒于新浪微博提供政務(wù)微博篩選字段，當(dāng)該字段為1 時(shí)，說明該微博賬號為認(rèn)證的政務(wù)微博賬號，繼而篩選出政務(wù)微博賬號4251 個(gè)，并篩選出網(wǎng)民發(fā)布的原創(chuàng)微博數(shù)據(jù)44122 條。然后通過“汛情”“洪澇”“內(nèi)澇”等關(guān)鍵詞獲取每個(gè)政務(wù)微博賬號與汛情相關(guān)的微博數(shù)據(jù)累計(jì)60322 條，并采集微博評論數(shù)據(jù)累計(jì)153346 條，最終獲取原創(chuàng)微博數(shù)據(jù)、用戶數(shù)據(jù)、政務(wù)微博數(shù)據(jù)、評論數(shù)據(jù)共計(jì)307924 條。

針對政務(wù)微博條目，由于采取精確搜索模式，所有政務(wù)微博條目均與汛情相關(guān)，預(yù)處理環(huán)節(jié)主要?jiǎng)h除無意義詞語，使用結(jié)巴分詞對文本內(nèi)容進(jìn)行處理，去除文本內(nèi)容中所含有的“@”“轉(zhuǎn)發(fā)微博”、停用詞等無意義詞，再進(jìn)行相關(guān)主題或特征分析；針對評論數(shù)據(jù)，刪除轉(zhuǎn)發(fā)微博、空白值、純數(shù)值、“你好，你感興趣的超話已開通”、純@、純帶話題#等無意義的評論，最終獲取139560 條評論。

3.2 政務(wù)微博信息有效性評估

始于新公共管理理論，基于ABC 態(tài)度模型理論，本研究首先構(gòu)建認(rèn)知維度、情感維度和行為維度三個(gè)維度上的單個(gè)微博賬號效果評價(jià)指標(biāo)。

在認(rèn)知維度上，信息接受者認(rèn)知與信息接受者表達(dá)方式不可分割。本研究使用由中國科學(xué)院計(jì)算網(wǎng)絡(luò)心理實(shí)驗(yàn)室開發(fā)的適用于中文環(huán)境的漢語心理文本分析工具TextMind 分析受眾認(rèn)知[34]，其詞庫體系 與C-LIWC （Chinese linguistic inquiry and word count）一致。對于政務(wù)微博條目下的每一條評論，加和與認(rèn)知相關(guān)的特征項(xiàng)：認(rèn)知?dú)v程詞、洞察詞、因果詞、差距詞、相對詞，得到第i條評論的認(rèn)知程度Cognitivei，則該條政務(wù)微博條目的認(rèn)知值為

其中，n表示該條政務(wù)微博評論總數(shù)；likei為第i條評論的點(diǎn)贊數(shù)。根據(jù)群體動(dòng)力學(xué)理論，對高贊評論賦予一定的權(quán)重，即高贊數(shù)與評論下點(diǎn)贊數(shù)總和之比，同時(shí)為了防止出現(xiàn)分母為0 的情況，使用分母加1 進(jìn)行平滑處理。

在情感維度上，政務(wù)微博條目下評論情感能夠反映網(wǎng)民整體的情感訴求。為此，本研究構(gòu)建了情感傾向分析模型。首先，使用百度AI 情感傾向分析獲取部分微博評論的情感分類（積極或消極）和置信度，篩選置信度大于0.9 的微博評論作為訓(xùn)練樣本。由于訓(xùn)練樣本較小，相較于word2vec，F(xiàn)ast-Text 融入了n-gram 模型，能更好地獲取語義信息[35]，也更適用于文本傾向性分析和分類問題，故使用FastText 訓(xùn)練微博詞向量。繼而基于Bi-LSTM（bi-directional long short-term memory） -Attention 對文本情感進(jìn)行分類，該模型主要由輸入層、嵌入層、Bi-LSTM 層、Attention 層和輸出層組成。輸入層輸入每個(gè)句子中的中文分詞；嵌入層將每個(gè)句子映射成固定長度的向量；Bi-LSTM 層正向輸出和逆向輸出后，得到該句子的向量集合H：{h1,h2,…,hi}，hi為第i個(gè)詞的向量；使用Attention 機(jī)制加權(quán)計(jì)算可以得到用于分類的向量h*；最后，針對句子S，用于分類的公式[36]為

其中，y為分類類別；W、b為分類器參數(shù)。得到每個(gè)評論的情感分類后，該條政務(wù)微博條目的受眾情感傾向計(jì)算公式為

即評論中積極情感的總數(shù)量與積極情感數(shù)量和消極情感數(shù)量之比。

在行為維度上，所使用的指標(biāo)為轉(zhuǎn)發(fā)、評論和點(diǎn)贊。轉(zhuǎn)發(fā)越多，信息傳播就越廣；評論為深層次的政治參與；點(diǎn)贊代表認(rèn)同。對于單條政務(wù)微博條目，使用轉(zhuǎn)發(fā)數(shù)量（Re）、評論數(shù)量（Com）和點(diǎn)贊數(shù)量（Thu）表示其行為維度上的評價(jià)指標(biāo)。

基于以上三個(gè)維度，單個(gè)政務(wù)微博主體的信息發(fā)布效果值為

其中，m為該段時(shí)間內(nèi)該政務(wù)微博賬號信息發(fā)布的總微博數(shù)量；Cvalue為認(rèn)知值；Stendency為情感傾向值。

最后，本研究使用數(shù)據(jù)包絡(luò)分析（DEA）方法評估政務(wù)微博信息發(fā)布有效性，DEA 模型可以評價(jià)多個(gè)輸入、輸出對象的相對有效性，其通過計(jì)算每個(gè)決策單元（decision making units，DMU）與前沿面的距離得出每個(gè)生產(chǎn)決策單元的效率水平，常用的一種是Banker、Charnes 和Cooper 于1984 年提出的條件較為寬松的BCC 模型[37]，該模型更接近真實(shí)情況，其表達(dá)公式為

表示在m個(gè)輸入和q個(gè)輸出下的n個(gè)決策單元的相對效率。其中，xij表示輸入指標(biāo)，在本研究中，決策變量為政務(wù)微博賬號，在該情況下沒有輸入指標(biāo)，為解決這個(gè)問題，每個(gè)輸入添加虛擬變量1；yrj表示輸出指標(biāo)，即認(rèn)知、情感、轉(zhuǎn)發(fā)、評論、點(diǎn)贊；θ為決策變量的效率值。

3.3 政務(wù)微博信息有效性影響因素構(gòu)建

根據(jù)勸服理論，本研究從信源主體、信息內(nèi)容和勸服方法三個(gè)方面構(gòu)建了政務(wù)微博信息發(fā)布有效性影響因素指標(biāo)體系，如表1 所示。信源主體包含信源主體權(quán)威性、突發(fā)事件情境下信息發(fā)布及時(shí)性以及政務(wù)微博和其他微博賬號主體的協(xié)調(diào)性[25-27]。權(quán)威性意味著信源主體是否值得被信任，常用粉絲數(shù)、粉絲數(shù)與關(guān)注數(shù)的比值來衡量，除此之外，本研究還考慮行政級別和行業(yè)類別；及時(shí)性和協(xié)調(diào)性衡量政府治理的時(shí)效性和合作能力。信息內(nèi)容包含信息明確性、信息可讀性、信息情感性和信息相關(guān)性。信息內(nèi)容的明確性是指信息內(nèi)容所傳達(dá)的內(nèi)容是否清晰明確；信息可讀性是從形式上刻畫信息對于用戶而言是否簡單易懂，一般越簡短的用語越能引發(fā)共鳴[38]；信息情感性的研究表明，含有情感性的信息更能引發(fā)傳播[39]；信息內(nèi)容相關(guān)性衡量政務(wù)微博信息發(fā)布主題與網(wǎng)民關(guān)注的匹配度。勸服方法包括形式和內(nèi)容（議題設(shè)置）兩個(gè)方面，前者常包含有文字、圖片、視頻等[22]，后者則更多傳達(dá)政府所設(shè)置的議題。

不同于現(xiàn)有研究中基于絕對數(shù)量的指標(biāo)量化方法，本研究使用比值的形式去研究指標(biāo)對政務(wù)微博信息發(fā)布有效性的影響，并且嘗試量化信息明確性、信息相關(guān)性等指標(biāo)。

針對每個(gè)類別，計(jì)算方式如下。

（1）信源主體。①政務(wù)微博的行政級別衡量，根據(jù)2020 年11 月中國行政區(qū)域劃分（最新版）[40]，本研究對獲取的4251 個(gè)政務(wù)微博進(jìn)行人工標(biāo)記編號；②政務(wù)微博粉絲數(shù)和粉絲數(shù)與關(guān)注數(shù)的比值由獲取到的政務(wù)微博粉絲數(shù)和關(guān)注數(shù)分別計(jì)算，計(jì)算描述如表1 所示；③政務(wù)微博行業(yè)類別根據(jù)獲取到的行業(yè)類別分類，進(jìn)行編號劃分，對于343 個(gè)未獲取到行業(yè)類別的政務(wù)微博，根據(jù)其描述情況進(jìn)行人工編號；④信息發(fā)布及時(shí)性和協(xié)調(diào)性計(jì)算描述如表1 所示。

（2）信息內(nèi)容。①關(guān)于信息明確性。確切詞的衡量使用TextMind 中確切詞的特征，表明文本中含有確切詞的比例，某個(gè)政務(wù)微博賬號所使用的確切詞比例為該政務(wù)微博所有微博條目確切詞值之和的均值，并擴(kuò)大至100 倍。#使用情況為政務(wù)微博主動(dòng)設(shè)置的話題，提取每條政務(wù)微博#話題使用總數(shù)與政務(wù)微博信息發(fā)布條數(shù)之比作為該政務(wù)微博#使用情況值。

關(guān)于主題模糊度的衡量。本研究首先使用word2vec 中的skip-gram 算法對分詞后的文本實(shí)現(xiàn)詞向量模型的表示；然后使用k-means 算法實(shí)現(xiàn)主題聚類，得到主題類別集合{t1,t2,…,tr}；對于每一條政務(wù)微博，使用TF-IDF 算法確定文本關(guān)鍵詞集合{k1,k2,…,kr}，r為聚類簇?cái)?shù)；最后利用每個(gè)關(guān)鍵詞所在類別，確定每條微博潛在主題個(gè)數(shù)。主題模糊度計(jì)算公式為

其中，N()為集合中元素的個(gè)數(shù)；n為某個(gè)政務(wù)微博賬號在突發(fā)事件期間發(fā)布的總微博數(shù)量。

②關(guān)于信息可讀性和信息情感性。具體描述如表1 所示。對于每條微博的情感傾向，由于大多政務(wù)微博所使用的語言都偏向于積極，中性語言極少，無法通過神經(jīng)網(wǎng)絡(luò)算法直接訓(xùn)練，百度AI 情感分析效果相對較好，故使用百度AI 情感傾向分析確定政務(wù)微博每條信息發(fā)布的積極、中性和消極的情感類別。

③關(guān)于主題相關(guān)性。為了更好地測量單個(gè)政務(wù)微博賬號在突發(fā)事件期間所發(fā)布的主題內(nèi)容，本文首先聚合同一政務(wù)微博用戶賬號的所有微博條目內(nèi)容，并使用TF-IDF 確定主題關(guān)鍵詞，依據(jù)word2vec詞向量構(gòu)建該政務(wù)微博賬號關(guān)鍵詞文本向量P。對于網(wǎng)民所關(guān)注的主題內(nèi)容，選擇“word2vec+kmeans”的方式獲取，并利用LDA（latent Dirichlet allocation）模型獲取每一簇聚類文檔關(guān)鍵詞，其關(guān)鍵詞文本向量集合形式為{U1,U2,...,Ut}，t為聚類簇?cái)?shù)。然后，使用余弦相似性計(jì)算某個(gè)政務(wù)微博賬號所發(fā)布的信息同網(wǎng)民關(guān)注的每個(gè)主題的相似性，即

主題相關(guān)性為主題相似性大于0.7 的主題個(gè)數(shù)同所有主題個(gè)數(shù)的比值，即

（3）勸服方法。具體描述如表1 所示。其中，議題設(shè)置獲取方法與上文一致，對所有政務(wù)微博條目使用“word2vec+k-means+LDA”方法獲取每一簇的主題關(guān)鍵詞，依據(jù)關(guān)鍵詞確定每個(gè)主題所屬類別，并對每條政務(wù)微博條目進(jìn)行歸類。

3.4 特征重要性排序與影響機(jī)制構(gòu)建

以表1 所示的影響因素指標(biāo)體系為對象。對于分類變量，如行政級別、行業(yè)類別，進(jìn)行了獨(dú)熱編碼處理。使用DEA 得到的有效性評估值作為因變量，信源主體、信息內(nèi)容和勸服方法作為自變量，建立回歸預(yù)測模型，使用的模型包括線性回歸模型（LinearRegression）、支持向量回歸模型（support vector regression，SVR）、隨機(jī)森林回歸模型（RandomForestRegressor）、梯度提升回歸模型（Gradient-BoostingRegressor）、極限樹回歸模型（ExtraTreeRegressor）、extreme gradient boosting 回歸模型（XGBRegressor）、light gradient boosting machine 回 歸 模型（LGBMRegressor）。然后使用MAE（mean absolute error，平均絕對誤差）、MSE（mean square error，均方誤差）、R2評估回歸模型性能好壞，找到相對最佳模型輸入SHAP[41]中，該模型基于博弈論理論衡量某個(gè)變量的重要性，為每個(gè)特征變量賦予特定預(yù)測值，有助于解釋預(yù)測結(jié)果[42]。通過繪制特征重要性，可以挖掘重要影響因素；通過繪制特征SHAP 值與該數(shù)據(jù)集中所有樣本特征值的關(guān)系圖和交互作用圖，可依據(jù)其走勢構(gòu)建對應(yīng)的影響機(jī)制。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 政務(wù)微博信息發(fā)布有效性結(jié)果

根據(jù)政務(wù)微博信息發(fā)布有效性評價(jià)指標(biāo)構(gòu)建和計(jì)算方法，在認(rèn)知維度上，使用TextMind 對139560條評論提取認(rèn)知維度特征項(xiàng)并加和處理，繼而依據(jù)公式(1)得到每個(gè)政務(wù)微博條目的認(rèn)知值；在情感維度上，利用百度AI 情感傾向分析提取置信度大于0.9 的積極評論、消極評論各約1 萬條，打亂數(shù)據(jù)集合后，按8∶2 劃分訓(xùn)練集和測試集，并構(gòu)建情感傾向分析模型，其在測試集上準(zhǔn)確率達(dá)到93.88%，然后使用訓(xùn)練好的模型預(yù)測評論的情感傾向，利用公式(3)計(jì)算每條政務(wù)微博條目的受眾情感傾向。最后，對于每個(gè)政務(wù)微博賬號，都有如公式(4)所示的集合。

將標(biāo)準(zhǔn)化后的數(shù)據(jù)矩陣輸入BCC 模型中，即公式(5)[37]，5 個(gè)輸出分別為認(rèn)知、情感、轉(zhuǎn)發(fā)、評論、點(diǎn)贊，1 個(gè)輸入為虛擬變量1。政務(wù)微博信息發(fā)布有效性排名前20 位的結(jié)果如表2 所示，其中DMU 列顯示政務(wù)微博帳號的ID。從表2 可以看到，在本次南方汛情事件下，“中國天氣”“中國消防”“應(yīng)急管理部”“天津南開消防”以及“鼓樓微訊”都表現(xiàn)出了不錯(cuò)的信息發(fā)布能力，其政府治理能力相對較強(qiáng)。

表2 政務(wù)微博信息發(fā)布有效性結(jié)果（前20位）

4.2 模型構(gòu)建

本研究將數(shù)據(jù)集合以8∶2 分為訓(xùn)練集和測試集，回歸模型在訓(xùn)練集和測試集的表現(xiàn)如表3 所示。其中，MAE、MSE 都是用來評估觀測值和真實(shí)值之間的誤差的，值越小，說明誤差越小，R2指擬合優(yōu)度，回歸模型對數(shù)據(jù)擬合程度越好，R2就越大。綜合各項(xiàng)回歸模型評估指標(biāo)可知，LGBMRegressor 回歸模型表現(xiàn)最好。后續(xù)實(shí)驗(yàn)將基于LGBMRegressor 展開。

表3 回歸模型在訓(xùn)練集和測試集上的表現(xiàn)

4.3 影響因素分析

在確定主題個(gè)數(shù)的時(shí)候，為了找到最好的k值，計(jì)算在不同k值下每個(gè)點(diǎn)到指定中心點(diǎn)的距離的平方之和，將有一個(gè)k值，在該值之后，其失真減少將會(huì)是最少的。首先確定政務(wù)微博信息發(fā)布主題和網(wǎng)民關(guān)注主題最好的k值在20～30，通過嘗試，最終確定政務(wù)微博發(fā)布主題和網(wǎng)民關(guān)注主題個(gè)數(shù)為25個(gè)。政務(wù)微博議題設(shè)置分類情況如表4 所示。

③本文中的所有譯文樣本都是2015級英語專業(yè)學(xué)生的漢譯英三次作業(yè)抽樣，應(yīng)交份數(shù)為177份，實(shí)交171份，實(shí)交分?jǐn)?shù)均為全批。

表4 政務(wù)微博信息發(fā)布議題設(shè)置情況

如圖1 所示，圖1a 是對每個(gè)特征的Shapley 絕對值取平均值得到的全局特征重要性排序。從圖1a 可以看到，特征重要性排名前10 位中，政務(wù)微博的粉絲數(shù)、粉絲數(shù)與關(guān)注數(shù)的比值、首發(fā)時(shí)間間隔、行業(yè)類別_10（檢察院），勸服方法中議題設(shè)置的救援善后類、情緒表達(dá)類及事實(shí)類、發(fā)布形式的中性情感微博占比，信息內(nèi)容中的#使用情況、51～100微博字?jǐn)?shù)占比等都是很重要的特征。為了弄清楚這些特征如何影響政務(wù)微博信息發(fā)布有效性，圖1b繪制了每個(gè)樣本每個(gè)特征的SHAP 值散點(diǎn)圖。在圖中每個(gè)點(diǎn)的含義包括三個(gè)方面：縱坐標(biāo)表示該點(diǎn)屬于哪個(gè)特征；顏色表示該點(diǎn)在該特征下的數(shù)值大小，顏色越偏紅表明數(shù)值越大，顏色越偏藍(lán)表明數(shù)值越?。粰M坐標(biāo)表示某個(gè)特征是降低預(yù)測值還是提高預(yù)測值。根據(jù)圖1 特征重要性排序和各特征對信息發(fā)布有效性的影響，我們可以得到以下結(jié)論。

圖1 基于SHAP值的特征影響概述圖（彩圖請見https://qbxb.istic.ac.cn/CN/volumn/home.shtml）粉絲數(shù)/關(guān)注數(shù)表示粉絲數(shù)與關(guān)注數(shù)的比值。

①粉絲數(shù)與政務(wù)微博信息發(fā)布有效性呈正相關(guān)，表明政務(wù)微博粉絲數(shù)量越多，政務(wù)微博所發(fā)布的信息越能夠影響受眾認(rèn)知、情感和行為，其所發(fā)布的信息越有效。②首發(fā)時(shí)間間隔與政務(wù)微博信息發(fā)布有效性呈負(fù)相關(guān)，這意味著在面對突發(fā)事件時(shí)，政務(wù)微博必須在第一時(shí)間內(nèi)做出反應(yīng)措施，以引導(dǎo)輿情方向。③救援善后類、事實(shí)類與政務(wù)微博信息發(fā)布有效性呈正相關(guān)，表明面臨災(zāi)害類型的突發(fā)事件，政府所設(shè)置的與救援善后類和事實(shí)類議題相關(guān)的微博條目越多，越能促進(jìn)政府信息發(fā)布的有效性。④行業(yè)類別_10（檢察院）、行業(yè)類別_1（應(yīng)急）與政務(wù)微博信息發(fā)布有效性呈正相關(guān)，意味著當(dāng)政務(wù)微博所屬行業(yè)類別為檢察院、應(yīng)急的時(shí)候，其所發(fā)布的信息將會(huì)更有效，且檢察院的有效性高于應(yīng)急行業(yè)。這在本研究中是一個(gè)有趣的發(fā)現(xiàn)，因?yàn)樵跒?zāi)害事件中，傳統(tǒng)認(rèn)知認(rèn)為應(yīng)急類別的政府信息發(fā)布應(yīng)更有效，而事實(shí)上檢察院在參與治理自然災(zāi)害、保障社會(huì)穩(wěn)定方面具有權(quán)威地位。⑤中性情感微博占比和情緒表達(dá)類大體上與政務(wù)微博信息發(fā)布有效性呈負(fù)相關(guān)，即當(dāng)政務(wù)微博信息發(fā)布所表達(dá)的情感越偏向于中性，其所設(shè)置的議題類別越接近情緒表達(dá)類時(shí)，反而會(huì)引起政務(wù)微博信息發(fā)布的失效。⑥#使用情況大體上與政務(wù)微博信息發(fā)布有效性呈正比，其表明當(dāng)政務(wù)微博在文本中設(shè)置越多的#話題，越能促進(jìn)政務(wù)微博信息發(fā)布的有效性，這可能是因?yàn)楫?dāng)政務(wù)微博設(shè)置越多的#話題，越能讓政務(wù)微博的信息被更多的人看到。⑦在微博字?jǐn)?shù)上，政務(wù)微博所發(fā)布的0～50 微博字?jǐn)?shù)的條目占比越少，越能促進(jìn)信息發(fā)布的有效性，其他分類的字?jǐn)?shù)所產(chǎn)生的影響具有不確定性。⑧政務(wù)微博發(fā)布越多的原創(chuàng)微博類型的微博，越能夠促進(jìn)政務(wù)微博信息發(fā)布的有效性。⑨行政級別_0（國家級）與政務(wù)微博信息發(fā)布有效性呈正相關(guān)，意味著越高級別的政務(wù)微博賬號，其權(quán)威性越高，網(wǎng)民對該賬號越信任，進(jìn)而能促進(jìn)其信息對民眾的影響。⑩主題相關(guān)性與政務(wù)微博信息發(fā)布有效性基本上呈正相關(guān)，即當(dāng)政務(wù)微博所發(fā)布的主題內(nèi)容越貼近網(wǎng)民所關(guān)注的主題，那么其所發(fā)布的信息將越有效，因?yàn)檫@樣的主題更受網(wǎng)民關(guān)注。?確切詞比例和應(yīng)對指南類在一定程度上與政務(wù)微博信息發(fā)布有效性呈正相關(guān)。

一些重要因素，如粉絲數(shù)、首發(fā)時(shí)間間隔、行政級別_0（國家級）等因素也成為影響信息傳播的關(guān)鍵因素，原因可能在于本研究提出的信息發(fā)布有效性包含了衡量信息傳播的特征，即轉(zhuǎn)發(fā)、點(diǎn)贊和評論，但是本研究亦發(fā)現(xiàn)了其他影響政務(wù)微博信息發(fā)布有效性的關(guān)鍵因素，如議題設(shè)置類別為救援善后類、事實(shí)類及情緒表達(dá)類，中性情感微博占比、#使用情況、不同微博字?jǐn)?shù)占比、不同發(fā)布形式占比、確切詞比例等，除此之外，還對關(guān)鍵因素對政務(wù)微博信息發(fā)布有效性的影響方向進(jìn)行了分析。

4.4 政務(wù)微博信息發(fā)布有效性影響機(jī)制分析

本研究繪制了所有影響因素同議題設(shè)置的交互圖，部分示例如圖2 所示，其中右邊的顏色條表示不同顏色對應(yīng)的該主題的議題設(shè)置特征值。從圖2可知，粉絲數(shù)越多，政務(wù)微博信息發(fā)布有效性越高，對于粉絲數(shù)量少的政務(wù)微博而言，多發(fā)布救援善后類議題的微博條目，能夠提升其信息發(fā)布的有效性。粉絲數(shù)除以關(guān)注數(shù)的值超過20000 時(shí)（即粉絲數(shù)較多但關(guān)注數(shù)過少），會(huì)對政務(wù)微博信息發(fā)布有效性產(chǎn)生負(fù)面影響，這意味著對于一小部分的政務(wù)微博而言，如果政務(wù)微博關(guān)注其他微博帳號的數(shù)量過少或者粉絲過多反而會(huì)影響政務(wù)微博的信息發(fā)布有效性，其中粉絲過多可能是存在過多的僵尸粉[43]。但對于大部分的政務(wù)微博而言，粉絲數(shù)與關(guān)注數(shù)的比值對其信息發(fā)布有效性的正影響和負(fù)影響基本持平。關(guān)于首發(fā)時(shí)間間隔，可以看到首發(fā)時(shí)間間隔在150 小時(shí)以內(nèi)（一周內(nèi)）都有效，但最好是在24 小時(shí)內(nèi)回應(yīng)，過長的間隔將不會(huì)再對政務(wù)微博信息發(fā)布產(chǎn)生有效的影響，尤其是救援善后類議題和應(yīng)對指南類議題更需要在災(zāi)害事件發(fā)生時(shí)立刻得到設(shè)置。

圖2 粉絲數(shù)、粉絲數(shù)與關(guān)注數(shù)的比值、首發(fā)時(shí)間間隔與政府信息發(fā)布有效性的關(guān)系（彩圖請見https://qbxb.istic.ac.cn/CN/volumn/home.shtml）粉絲數(shù)/關(guān)注數(shù)表示粉絲數(shù)與關(guān)注數(shù)的比值。

本研究累計(jì)繪制了264 張圖，不再一一展示，依據(jù)圖形走勢，總結(jié)影響機(jī)制如表5 所示，可以看到在災(zāi)害事件中，救援善后類議題的設(shè)置是十分重要的?；诒? 提出關(guān)于提升政務(wù)微博信息發(fā)布有效性的以下結(jié)論。

表5 政務(wù)微博信息發(fā)布有效性影響機(jī)制

（1）政務(wù)微博信息發(fā)布有效性與行政級別呈正相關(guān)，行政級別越高，其所發(fā)布的信息越有效。對于所屬行政級別為地市級、區(qū)縣級的政務(wù)微博主體，多發(fā)與情緒表達(dá)類和應(yīng)對指南類的微博能提升其信息發(fā)布有效性，省級政務(wù)微博主體應(yīng)關(guān)注救援善后類和應(yīng)對指南類的議題，國家級的政務(wù)微博主體應(yīng)著重于救援善后類議題和事實(shí)類議題的表達(dá)。

（3）在本次南方汛情事件中，不同行業(yè)的政務(wù)微博主體都參與了輿情治理應(yīng)對，但相當(dāng)一部分行業(yè)沒有對輿情治理產(chǎn)生任何效果，起主要作用的行業(yè)包括氣象、應(yīng)急、公安、教育、檢察院、法院、市政及其他行業(yè)。不同行業(yè)應(yīng)關(guān)注不同議題的設(shè)置，如氣象和市政應(yīng)提升應(yīng)對指南類議題的比例，應(yīng)急行業(yè)應(yīng)關(guān)注救援善后類議題的設(shè)置，公安應(yīng)注重情緒表達(dá)類和應(yīng)對指南類的議題設(shè)置，檢察院應(yīng)注重救援善后類和事實(shí)類議題的表達(dá)，教育類應(yīng)注重事實(shí)類和應(yīng)對指南類議題等。

（4）首發(fā)時(shí)間間隔是提升信息發(fā)布有效性的關(guān)鍵，在災(zāi)害事件中，救援善后類和應(yīng)對指南類議題應(yīng)在第一時(shí)間內(nèi)向公眾傳達(dá)。盡管一周內(nèi)回應(yīng)事件都能促進(jìn)信息發(fā)布的有效性，但24 小時(shí)內(nèi)回復(fù)往往是最有效的，更長時(shí)間的回復(fù)會(huì)降低信息發(fā)布的效率。

（5）在信息明確性上，確切詞比例在0.4～0.7、#話題設(shè)置在1.5～3 才能促進(jìn)信息發(fā)布的有效性，過少的#話題設(shè)置或過多的#話題設(shè)置都不會(huì)帶來有效的信息發(fā)布，救援善后類議題尤其需要設(shè)置相關(guān)的話題以更好地引發(fā)用戶的關(guān)注。

（6）在信息可讀性上，為提升信息發(fā)布效率，0～50 微博字?jǐn)?shù)占比設(shè)置應(yīng)小于0.2，51～100 的微博字?jǐn)?shù)占比應(yīng)小于0.4，201 及以上的微博字?jǐn)?shù)占比應(yīng)在0.3～0.4。政務(wù)微博賬號作為官方賬號，適當(dāng)?shù)拈L文本微博不會(huì)導(dǎo)致用戶的閱讀疲勞，反而能顯示官方賬號的權(quán)威性。所發(fā)布的151～200 的字?jǐn)?shù)微博條目占比應(yīng)小于0.2，此時(shí)最好發(fā)應(yīng)對指南類的微博。

（7）在信息情感性上，不提倡政務(wù)微博發(fā)中性情感類的微博條目，適當(dāng)?shù)那楦袃A向能拉近網(wǎng)民同政務(wù)微博的距離。事實(shí)上，消極類型的政務(wù)微博條目能更好地提升政務(wù)微博信息發(fā)布效率，這可能是因?yàn)檎?wù)微博所傳達(dá)的內(nèi)容會(huì)表達(dá)對災(zāi)害所造成的損失的悲痛，既讓網(wǎng)民了解到損失情況又能更好地引起網(wǎng)民的共鳴。在救援善后類的議題中，積極情感微博和消極情感微博的占比設(shè)置應(yīng)更加遵守規(guī)定，即積極情感占比應(yīng)小于0.3，消極情感占比應(yīng)在0.5～0.75。

（8）在信息相關(guān)性上，政務(wù)微博信息發(fā)布主題與網(wǎng)民關(guān)注主題的相關(guān)性越高越好，網(wǎng)民關(guān)注的主題通常集中在救援善后類、事實(shí)類和應(yīng)對指南類。為消除民眾對災(zāi)害事件的恐慌，政務(wù)微博信息發(fā)布也應(yīng)多關(guān)注這類話題。

（9）在發(fā)布形式上，建議政務(wù)微博信息發(fā)布以原創(chuàng)性微博為主，文字+視頻類型的微博占比應(yīng)在0.4～0.8，文字+圖片類型的微博占比應(yīng)在0.2～0.6，豐富的信息發(fā)布形式能顯著提升政務(wù)微博信息發(fā)布有效性。

（10）在議題設(shè)置上，不同于其他類型的突發(fā)事件，自然災(zāi)害類突發(fā)事件尤其關(guān)注救援善后類的議題，此類議題將會(huì)極大地提升政務(wù)微博信息發(fā)布的有效性；而情緒表達(dá)類占比應(yīng)小于0.2，過多的宣傳會(huì)引起網(wǎng)民的反感。事實(shí)類議題占比大于0.5、應(yīng)對指南類微博占比在0.2～0.35 時(shí)才能促進(jìn)政務(wù)微博信息有效性，但這兩類議題占比都不應(yīng)小于0.2，合理的議題設(shè)置能讓用戶快速了解災(zāi)害情況，進(jìn)而提升信息發(fā)布效果。

5 總結(jié)與展望

本研究從新公共管理理論出發(fā)，以ABC 態(tài)度模型理論為理論基礎(chǔ)，構(gòu)建了基于認(rèn)知、情感、行為三個(gè)維度的政務(wù)微博信息發(fā)布有效性評估體系，通過BCC 模型識別出自然災(zāi)害事件下信息發(fā)布有效的政務(wù)微博主體，然后以勸服理論為基礎(chǔ)，從信源主體、信息內(nèi)容和勸服方法的維度識別影響因素，建立了多個(gè)回歸預(yù)測模型，通過實(shí)驗(yàn)發(fā)現(xiàn)LGBMRegressor 回歸模型性能最佳，并利用SHAP 模型對其進(jìn)行解釋，分析了影響政務(wù)微博信息發(fā)布有效性的主要因素，構(gòu)建了突發(fā)事件情境下政務(wù)微博信息發(fā)布有效性的影響機(jī)制。本研究的創(chuàng)新點(diǎn)在于：第一，基于ABC 態(tài)度模型理論提出政務(wù)微博信息發(fā)布有效性的評估方法，不同于先前研究多對一個(gè)賬號進(jìn)行單一傳播效果的分析，本研究提出的信息發(fā)布有效性的測量方法不僅包括信息傳播特征，還包括受眾對信息內(nèi)容的情感支持和心理認(rèn)知情況，并在突發(fā)事件背景下對大量政務(wù)微博賬號進(jìn)行相對有效性的衡量，有助于更好地揭示突發(fā)事件背景下各政務(wù)微博賬號在信息發(fā)布有效性上的表現(xiàn)；第二，在勸服理論指導(dǎo)下，識別出政務(wù)微博信息發(fā)布有效性的影響因素，并揭示了這些因素對信息發(fā)布有效性的重要性與影響。除了探索各指標(biāo)的重要性外，本研究進(jìn)一步檢驗(yàn)了各指標(biāo)與議題設(shè)置的交互是如何影響政務(wù)微博信息發(fā)布的有效性的，對應(yīng)地提出了更加細(xì)化的信息發(fā)布有效性增強(qiáng)辦法，即影響因素在哪些取值范圍下或者與議題設(shè)置如何交互能使政務(wù)微博信息發(fā)布更加有效。

本研究結(jié)果表明，盡管一些客觀因素是無法改變的，如行政級別，但不同級別的政府可以通過發(fā)布不同的議題來增強(qiáng)信息發(fā)布有效性；一些與災(zāi)害事件治理無關(guān)行業(yè)的政務(wù)微博賬號的信息發(fā)布往往是傾向于無效的，建議這類微博賬號有針對性地發(fā)布信息，而不是為了參與話題而參與話題，反而容易造成信息失效和粉絲的不信任等。此外，在災(zāi)害治理期間，各類因素所占比例應(yīng)該有所設(shè)置，如此才能加強(qiáng)政務(wù)微博信息發(fā)布的有效性等。

本研究加深和擴(kuò)展了信息交流研究中政務(wù)微博信息發(fā)布與網(wǎng)民之間的關(guān)系研究，研究結(jié)論在一定程度上有助于政府?dāng)?shù)字化轉(zhuǎn)型和數(shù)字內(nèi)容建設(shè)，改進(jìn)政府信息交流服務(wù)策略，保障特定情境下政府和公眾信息交流的效率，優(yōu)化社交媒體環(huán)境下信息交流機(jī)制和運(yùn)作方式，提升政府?dāng)?shù)字資源共享和服務(wù)的效能。但由于本研究僅基于所收集的自然災(zāi)害類的數(shù)據(jù)展開，相關(guān)結(jié)論對其他類型事件如社會(huì)安全、公共衛(wèi)生、事故災(zāi)難等可能存在不適應(yīng)性；情感分析和主題分類的準(zhǔn)確性可能會(huì)影響到結(jié)果的精度；此外，本研究從ABC 態(tài)度模型出發(fā)提出政府信息發(fā)布有效性的定義和衡量辦法尚未考慮到政府信息發(fā)布對用戶在決策過程中消除不確定程度的作用。在未來的研究中，我們將探索更多影響因素以及更廣泛的突發(fā)事件類型，并從用戶利用信息的角度衡量政府信息發(fā)布對用戶決策的影響。