馮雯璐 蘇健威 杜義華 齊寶森

(1.中國科學院計算機網絡信息中心 北京 100190；2.北京師范大學 北京 100875)

信息技術的迭代變革推動了新的網絡輿論生態(tài)結構的形成，促使網絡輿情呈現出新的特點。首先，輿情參與主體數量激增，泛化多元，在“重新部落化”的過程中產生的合作或沖突的網絡行為，以及非理性的“集體狂歡”作用下，造成了輿論偏差和群體極化，加速輿情發(fā)展。其次，作為客體的輿情信息復雜過載，容易在短時間呈裂變式幾何級數擴散傳播，產生信息級聯效應和次生輿情危機。信源不明，謠言相伴而生，加之算法協(xié)同過濾機制，使多元主體的信息表達呈現出“網絡社群巴爾干化”特征[1]，固化圈層傳播中的極化傾向，致使擬態(tài)空間輿論與事實存在差距，影響公眾的信息選擇與認知判斷。第三，網絡輿情的產生時間和演化過程具有突發(fā)性和動態(tài)性，信息擴散呈現跨媒介、多路徑特點，新媒體平臺成為主要輿論陣地。當特定輿論空間所聚集的用戶群體表現出不同網絡行為時，會導致主次輿論場變化，跨輿論場群體間的觀點博弈和協(xié)同傳播，又影響著網絡輿論信息流空間和網絡韌性，致使輿情快速蔓延至整個社會輿論場。

社會民生事件具有上述網絡輿情的普適特點，其話題信息主要涉及衣食住行、文化教育、倫理規(guī)范等，屬于對抗沖突較小的“弱議題”輿情事件。但因其貼近生活、關乎公共利益、高發(fā)生率而容易引起網民的廣泛關注，特別是引發(fā)面臨較大生活壓力的新興中產階級的群體性焦慮，而這些人又是網絡輿論表達的活躍者，因此，社會民生輿情表現出了更加明顯的網絡聚焦效應。我國正處于社會轉型期，社會矛盾問題依然突出，社會民生輿情已然成為一種常態(tài)化存在。故針對此類事件的輿情應對研究，對疏解社會情緒，防范社會風險具有重要意義。

1 文獻回顧與研究問題

網絡輿情是以互聯網為傳播媒介，以輿情事件刺激主體，形成對事件的認知、態(tài)度、情感和行為傾向的集合[2]。近年來，公共事件中的輿情極化現象頻發(fā)，對公共決策、政府運行機制和社會共識形成均起到制約作用。為了降低網絡輿情產生的負面效應，國內外學者加強了對網絡輿情演化規(guī)律、特征、影響因素等方面的研究，以期提出更為有效的，符合互聯網傳播邏輯的輿情引導方案。

1.1 網絡輿情演化規(guī)律及特征探索

目前國內外學者對網絡輿情演化進程及規(guī)律進行了大量研究，多基于輿情演進周期、輿情主體作用和演變過程中信息傳播特點等方面對其進行探索?，F有文獻通常將網絡輿情周期分為三至六個階段，如Burkholder等提出了經典的復雜災害下輿情演化的三階段模型[3]；An等研究了突發(fā)公共衛(wèi)生事件在微博和Twitter上的輿情話題演變模式及周期規(guī)律[4]。輿情主體研究方面，唐曉波等基于復雜網絡分析探索意見領袖與微博輿情熱點演變的關系[5]；易臣何等提出網絡輿情事件中網民情緒經歷的“個體情緒-群體情緒-鏈體情緒”的演化規(guī)律及其對政府形象的影響[6]。輿情信息傳播特點研究方面，Peters等基于系統(tǒng)動力學模型研究輿情擴散中的級聯效應及其效率問題[7]。

1.2 網絡輿情演化影響因素分析

相關研究眾多，其中模型分析和總結性研究較常見，多以闡釋性視角論述個體及組織在網絡輿情演化過程中的行為、作用和多因素間交互關系如何改變輿情狀態(tài)。Jain等改進Louvain算法識別社區(qū)網絡的社區(qū)結構，并基于Firefly算法確定社交網絡中的意見領袖來研究其在輿情發(fā)展中的作用[8]；Hegselmann等通過構造有界信任模型，分析群體觀點和規(guī)模對輿情發(fā)展的影響以及關聯關系[9]；Ma等在傳染病模型基礎上，增加了“雙向社會加強效應”的影響因素，研究不同條件下未知者對輿情演進的影響[10]；李靜等基于協(xié)同理論和多案例研究，分析不同參與主體在網絡輿論場中的互動關系如何改變輿情態(tài)勢[11]。

1.3 網絡輿情引導機制研究

當前關于輿情引導策略的相關研究較為零散，多集中于傳播學、社會學和情報學領域，重點關注互聯網為輿情引導工作帶來的挑戰(zhàn)以及應對這些危機的引導策略，但基于互聯網技術特征的智能化引導方式的研究較少且相對滯后。韓素梅等結合里杰斯特提出的危機公關3T原則，從“時、度、效”3個方面論述了新媒體輿情的引導法則[12]；夏一雪等研究了輿情大數據環(huán)境下網民情感引導模式，針對兩種類型的突發(fā)事件，提出了輿情引導“時度效”標準及對應策略[13]。Feng構建情感計算模型應用于網絡社交媒體熱點新聞挖掘和輿情引導分析，以有效提升引導效果[14]。

綜上所述，通過梳理相關研究成果發(fā)現，一方面，許多研究集中于對輿情演進規(guī)律、影響因素、網民情感、引導策略等方面進行雙變量關系分析，缺乏從集合組成要素的微觀層面將多者置于統(tǒng)一系統(tǒng)結構中，對其相互作用機制進行定量研究。另一方面，輿情演化影響因素研究中的變量選擇，常忽略相異性質因素組合在不同排序下導致輿情發(fā)展的多路徑可能。此外，盡管關于輿情引導機制的研究較多，但多停留在宏觀理論與政策研究層面，缺乏針對于具體應用場景、結合多案例分析，開展量化研究的“時度效”引導方案的提出?；诖?，本文嘗試將網絡輿情演化規(guī)律及影響因素、網民負面情感和輿情引導機制置于同一框架下，采用QCA定性研究與“時度效”建模仿真定量研究相結合的方法，針對社會民生事件場景，提出分眾化精準引導策略，從而在一定程度上拓寬網絡輿情研究思路，為應對社會民生輿情危機提供科學決策支持。

2 社會民生輿情演化影響因素分析

不同于重大突發(fā)事件潛伏期風險積聚時間長，出現征兆不明顯，迅速而猛烈地進入爆發(fā)期，易產生較大破壞力等輿情演化規(guī)律，社會民生輿情作為一般輿情事件，其危機誘因往往具有偶然性，但所反映的風險問題通常能夠體現較為深入的社會矛盾和利益沖突，容易在多輿情主體的交互作用下產生較為明顯和較長時間的網絡發(fā)酵過程，表現出蔓延期前置的特征。因此，綜合前人學者們提出的理論假設，本文將社會民生輿情演化周期劃分為潛伏期、蔓延期、爆發(fā)期、衰退期4個階段。潛伏期，事件在網絡上披露，信息傳播渠道集中，出現少量意見領袖。蔓延期，伴隨更多媒體和意見領袖關注和報道該議題，吸引更多網民參與到輿情事件的討論中，逐漸分裂為持不同觀點的子話題群體，并在個體和群體間意見沖突與交互的過程中，完成輿情信息的再生產與擴散，促使事件話題不斷發(fā)酵，輿情事態(tài)迅速擴大。爆發(fā)期，伴隨事實還原過程，大量媒體和意見領袖通過導向性議題設置，完成網民的情緒渲染和不同意見群體的持續(xù)博弈，輿情信息在短時間內爆炸式增長，不斷催生出新的輿情熱點，致使圍繞該事件的原生和次生輿情共同推動話題熱度達到峰值，部分事件會出現多個輿情高潮，進而形成一定的社會影響，促使相關主管部門介入，加速事件處置。此時，輿情網絡結構呈現多結構洞，多節(jié)點共鳴型傳播特點。衰退期，隨著事件所反饋的問題得到解決，輿情事態(tài)變小、變弱，不再升級擴大，輿情主體參與度降低，輿情網絡呈現同質化網絡緩解特征。

本文嘗試從輿情演化動力學視角來分析社會民生輿情呈現上述周期演化規(guī)律的主要影響因素[15]，為fsQCA的變量選擇提供依據。其中，輿情事件的敏感性和危害性是輿情演進的內源動力；網絡傳播推動力和引導主體的控制力是輿情演進的外源動力，前者會受到網民、意見領袖和媒體的影響，后者會受到響應情況、信息公開程度、主體公信力、具體引導策略等方面的影響，參見圖1。

圖1 網絡輿情演化動力圖

2.1 研究方法

為更好地揭示社會民生輿情演化過程中多元變量的共同作用，本文選用模糊集定性比較分析方法，該方法建立于模糊集理論的基礎上，保留了核心的集合理論原則，能夠處理集合間的部分隸屬問題，同時擁有定性和定量的屬性，能夠避免對核心變量的粗糙分類，對變量提供更細粒度的測量。

2.2 案例選擇

本研究采取立意抽樣方式，以人民網發(fā)布的《中國互聯網輿情分析報告》為基礎案例庫，選取2016-2021年間的36例符合條件的典型社會民生事件作為研究樣本(參見表1)。樣本案例涉及三類社會民生問題，主要為生命安全問題，如刑事類案件、公共事故、藥物及食品安全等；其次為社會倫理問題，如網絡暴力、基因編輯、網絡詐捐等；第三類為社會公平問題，如高考公平、學術造假、顧客維權等。這些反復出現的輿情熱點話題，能夠反映公眾的社會心理以及所對應的社會矛盾和問題。

表1 研究案例

續(xù)表1 研究案例

2.3 變量設置與賦值

網絡輿情事件的演化和傳播機理較為復雜，本文從上述輿情演進動力學視角出發(fā)，結合前人研究的理論假設，嘗試從輿情事件、網民情感和傳播屬性3個層面，探究社會民生輿情演化的影響因素。本文對變量的隸屬分數賦值采用了四值處理(1、0.67、0.33、0)。解釋變量與結果變量設置如下(變量賦值參見表2)。

表2 變量賦值匯總

2.3.1事件層面解釋變量

a.事件性質。事件層面的解釋變量是輿情事件比較研究中常用的條件變量[16]。不同事件話題會呈現出多樣態(tài)演進特征，其中高敏感性、強危害性事件更容易激起網民的討論與問責。本文將出現個體死亡或群體嚴重傷害的案例編碼為1，無則編碼為0。

b.涉事主體響應類型。社會民生事件中，涉事方可以為個人、團體或政府，其對事件的響應速度及態(tài)度決定了輿情發(fā)展進程。本文參照楊立華等的編碼方法[17]，將涉事主體采取積極響應措施編碼為1，未及時采取積極措施編碼為0。

c.引導主體公信力。輿情發(fā)展存在多元引導主體和多元意見傾向，輿情引導主體的公信力越強，越會強化引導意見的可信度和勸服力，起到正向干預作用[18]，本文將有權威媒體機構或政府部門介入的案例編碼為1，無則編碼為0。

2.3.2情感層面解釋變量

a.共情心理。孫菲指出強大的情感共鳴會形成“封閉的社交網絡”，促成輿情極化情緒的形成[19]。當與涉事方具有相似特征，或從屬于同類社會屬性群體時，更易引發(fā)群體同理情緒。本文將反映社會現象或涉及社會多數群體的案例編碼為1，涉及少數群體編碼為0。

b.公眾訴求。公眾通常會對其認為重要的、出乎意料的、負面事件產生“追責”訴求[20]，當訴求沒有得到滿足時，會加速輿情惡化。曾祥敏等認為公眾輿論表達的情緒化和代表的實際訴求會影響輿論走向[21]，本文參照其對公眾訴求的類型劃分，將人身安全、經濟利益等具體訴求編碼為1，將非具體的情感訴求編碼為0。

2.3.3傳播層面解釋變量

a.意見領袖。意見領袖在引導群體意見、形成輿論合力、改變輿情走向等方面具有顯著作用[22]，本文沿用彭祝斌等對意見領袖的識別條件[23]，統(tǒng)計了案例相關熱點微博話題下的意見領袖數量，將10個以上意見領袖參與的事件編碼為1，6～10個編碼為0.67，1～5個編碼為0.33，無則編碼為0。

b.媒體力量。媒體通過報道加速輿情信息傳播，影響網民對事件的觀點建構和輿情進程[24]。本文對事件相關熱點微博話題下的媒體賬號進行統(tǒng)計，將10家以上媒體參與的事件編碼為1，6～10家編碼為0.67，1～5家編碼為0.33，無則編碼為0。雖然媒體賬號在微博中發(fā)揮意見領袖的作用，但在本文編碼過程中，將兩者進行了獨立編碼。

2.3.4結果變量：輿情熱度變量

本文使用“輿情熱度變量”作為結果變量，沿用劉宸玎的編碼方法[25]，將微博話題討論量作為輿情熱度的原始定量數據來源，通過檢索事件元關鍵詞，統(tǒng)計相關話題的討論量總數(以“萬”為單位，保留2位小數)，對所有案例進行排序、分段。排序1～10的賦值為1，11～20的賦值為0.67，以此類推。

2.4 結果分析

2.4.1單變量必要性分析

將所有條件變量輸入fsQCA3.0軟件中，以輿情熱度作為結果變量，進行單變量必要性分析，見表3。

表3 單變量必要性分析結果

其中，一致性和覆蓋率指標的算法如下：

(1)

(2)

由表3可知，共3個變量通過了必要一致性檢驗(一致性得分超過0.9)。分別是變量：共情心理(0.90)、媒體力量(0.97)、意見領袖(0.97)，說明上述三個變量均為結果變量“輿情熱度”的必要條件，即高輿情熱度時，“共情心理”“媒體力量”“意見領袖”均起到顯著作用[26]。

2.4.2模糊集比較分析

將賦值后真值表輸入fsQCA3.0軟件中，設置頻數閾值為1，前因集作為結果集子集的一致性閾值為0.775，進行標準化分析。本文使用標準化分析提供的中間解作為最終結果。

如表4所示，標準化分析提供了導致高輿情熱度的3種條件組合路徑，按照凈覆蓋率降序將其分別編碼為S1、S2、S3。

表4 標準化分析結果

S1表明，當事件的共情潛力較強，涉事方消極響應，引導主體公信力較強，公眾有較強的情感訴求時，在媒體和意見領袖的推動下，輿情更易爆發(fā)。隸屬于該條件組合的具體案例包括杭州女子被造謠出軌快遞員事件、江歌事件、章瑩穎失蹤事件、杭州女子失蹤案、鮑毓明涉嫌性侵養(yǎng)女等。

S2表明，當事件的危害性、敏感性不強，共情潛力較強，涉事方消極響應，引導主體公信力較強時，在媒體和意見領袖的推動下，輿情熱度迅速攀升。隸屬于該條件組合的具體案例包括鮑毓明涉嫌性侵養(yǎng)女事件、杭州女子被造謠出軌快遞員事件、陜西奔馳女車主維權事件等。

S3表明，當事件的危害性、敏感性不強，共情潛力較強，涉事方積極響應，引導主體公信力較強，公眾有較強的情感訴求時，媒體報道不多，但意見領袖發(fā)揮較大助推作用時，輿情熱度迅速攀升。隸屬于該條件組合的具體案例為羅一笑事件。

值得強調的是，單變量必要性分析中出現的3個結果必要條件(共情心理強、媒體數量多、意見領袖數量多)在所選擇的輿情案例中幾乎均有體現，故這3個變量在社會民生輿情引導中更具參考意義。

3 負面情感引導時度效研究

從上述QCA的分析結果能夠看到，社會民生事件越具有共情潛力，越能夠引起公眾的情感訴求，輿情越快速爆發(fā)。由此可見，網民對公共輿情危機的影響日益凸顯。一方面，網民情感的網絡行為表達直接體現其差異化訴求，是網絡輿情演化的重要驅動因素。輿情發(fā)展過程中，網民情感經歷了認知判斷、情緒激發(fā)、情感碰撞、緩和平穩(wěn)4個階段。個人在接收到輿情信息時，進行“選擇性加工”并持觀望態(tài)度；伴隨事實認知深化進一步激發(fā)個體情緒，價值判斷固化；新的刺激因素促成反饋情緒，通過網絡表達傳播，并在情感碰撞后形成群體意見，進而在“集體記憶”和群體情緒裹挾下，引發(fā)鏈體反應，推動輿論極化；最后網民的話題關注度降低并轉移，輿情風險消退。另一方面，網民在輿情事件中參與角色的變化，催生出新的輿情引導困境。算法分發(fā)機制下的“信息繭房”加劇網民思維固化和非理性行為的衍生，侵蝕主流輿論引導力，易引發(fā)線下群體性事件；網民以其龐大基數深度參與輿情信息的“議程設置”，極大增加謠言數量和擴散性，帶來輿論場域的失焦。因此，為了有效應對社會民生輿情，就需要重視網民作用，依托輿情大數據的分析研判，更好地解決網民負面情感引導的“時度效”問題。

3.1 輿論引導“時度效”機制

近年來，“時度效”已經成為輿論引導的重要基礎和衡量標準。“時”強調時間維度上的引導時機選擇，既要將輿情事件置于一段歷史時間內進行全局考察，又要保證首次引導的時效性，把握關鍵引導時機。“度”強調方法維度上輿論引導的準確性和針對性，引導內容要真正觸達人心，引導節(jié)奏要適度而非過度。“效”強調影響維度上引導策略的有效性，保障時與度的優(yōu)化策略選擇。三者辯證統(tǒng)一，度和效受到時的制約，需要在特定時間實現；效是時與度的目標和出發(fā)點，時和度的把握，會影響引導效果，時與度的選擇，又需要效的衡量。在輿論引導實踐中，只有將三者視為有機整體，綜合考慮并予以實施，才能做到合時、適度、有效?；诖?，本文嘗試通過模型分析來研究網民負面情感引導的“時度效”關系。

3.2 負面情感引導模型

社會民生事件演化周期內的輿情信息量變化通常呈現“S型”曲線特征，因此，本文選取Logistic模型作為常態(tài)模型來研究此類輿情事件中網民負面情感的演化規(guī)律[13]。假設輿情事件發(fā)生后，t時間內網民負面情感信息量為N(t)，r為信息增長率，K為信息量上限，初值N(0)=N0，則所對應的負面情感常態(tài)模型為：

(3)

網民的負面情感會在引導主體實施引導措施α后，由常態(tài)模型轉變?yōu)橐龑Ｐ?。當引導系數α?0，+∞)時，引導主體實施了正向引導策略，且α的值越大，正向引導程度越強。假設引導系數α能直接作用于網民的負面情感，令引導模型的初值N(0)=N(t0)，t0為輿情事件實施引導措施的最佳時間節(jié)點，則負面情感引導模型為：

(4)

社會民生輿情演化過程中，潛伏期的風險積聚具有突發(fā)性和隱蔽性，少量輿情主體產生發(fā)表、轉載、評論等參與行為，尚未引起公眾情感共鳴。當輿情主體和輿情信息數量不斷增加，產生了一定規(guī)模的公眾意見和情緒表達時，共同的立場和訴求使負面觀點不斷聚集后，網民的負面情感自常態(tài)模型初值N0開始，進入蔓延期。伴隨輿情態(tài)勢發(fā)展，網民對于事件的負面情緒積累達到高峰，甚至產生群體性輿情極化現象，致使負面輿情信息數量迅速呈幾何級數激增，在t1后進入爆發(fā)期，直至輿情熱度逐漸衰退，網民情感趨于平穩(wěn)。因此，根據Logistic曲線特征，t1為Logistic方程“S型”曲線中的第一次重要拐點，通過計算函數拐點，可以得到網民負面情感演化的關鍵時間節(jié)點t1為：

(5)

輿情事件發(fā)生后，網民負面情感首先按照常態(tài)模型進行演化，在t0后開始實施引導模型，故實施引導措施的最佳時間節(jié)點t0的選擇非常關鍵。本文基于社會民生輿情演化周期規(guī)律，嘗試對演化過程中的首次最佳引導時間進行分析，而通過研究t1能夠為t0的選擇提供參考依據。t1在初值和上限確定時僅與信息增長率r有關，令輿情事件中r的取值范圍為[0，1.8]。當輿情開始時，網民負面情感信息在[0，t1]區(qū)間增量較少；t1時間后網民負面情感信息的增量值快速增加。因此，社會民生事件的最佳引導時間t0應在爆發(fā)期前，即t0∈[0，t1]。

3.3 時度效仿真分析

由于社會民生事件中網民負面情感初值N0和信息增長率r較大，負面情感信息量增長較快，致使t1的值較小，即輿情會在較短時間內從蔓延期進入爆發(fā)期。因此，最佳引導時間t0可能會出現在t1的右側。為了更好地研究此類輿情事件的引導“時度效”關系，本文選取t1前1個時間單位作為前置引導，t1后1個時間單位作為后置引導，對最佳引導時間t0進行研究。設置負面情感初值N0為50，信息增長率r為0.8，負面情感信息量上限K為5000，進行時度效仿真模型分析。基于上述參數設定，通過模型計算得到仿真數據表(參見表5)。

表5 仿真數據

經計算，前置引導時間為3.0977，后置引導時間為5.0977。令引導系數α分別為{0.5，1，1.5，2}，得到社會民生輿情事件“時度效”仿真分析結果，參見圖2、圖3。

圖2 社會民生輿情事件“時度效”仿真分析(前置引導)

圖3 社會民生輿情事件“時度效”仿真分析(后置引導)

從仿真分析結果可知，當引導主體采取正向引導措施時，網民負面情感大幅減少，并且隨著引導系數α的增加，負面情感信息量持續(xù)下降，降低程度分別為33.33%、50%、60%、66.67%。當α增加到1之后，負面情感信息量已降低至50%以下，引導效果顯著。

通過對比“前置引導時間”與“后置引導時間”的仿真分析結果能夠發(fā)現，在進入t1之前的蔓延期采取正向引導措施，網民負面情感值增長緩慢，而在進入t1之后的爆發(fā)期實施引導，網民負面情感值短時間內快速增加。因此，最佳引導時間節(jié)點選在“前置引導階段”能夠有效舒緩網民情緒，同時，處于蔓延期的輿情風險具有較大隨機演化特征，一些事件由于缺乏爭議性和沖突性，難以引發(fā)公眾情感共鳴，在此階段進行有效干預，能夠使輿情信息在大規(guī)模擴散之前快速消退。而引導時間節(jié)點選在“后置引導階段”可能會面臨較多不確定因素。例如，大量負面信息導致主輿論場內的信息數量不對等，引導效果甚微；輿情風險的反復性和不確定性，使得出現新誘因、反轉劇情或關聯性事件時，會產生多輪輿情周期現象；謠言泛濫導致真相難以識別，輿情影響擴大，產生漣漪效應，引發(fā)社會化和多元化輿情議題增加，上述情況都會促使網民負面情感加劇。故社會民生輿情的最佳引導時間節(jié)點應選取在“前置引導時間”的蔓延期。而一旦錯過了該時間段，考慮到輿論引導的必要性，可以選擇在爆發(fā)期采取較強程度的正向引導措施和隱性管控策略，最大程度弱化情緒極化與線上線下關聯風險。此外，由于前置與后置引導時間的負面信息變化量差異不大，最佳引導時間的選取并非最重要因素，應采取“先度后時”原則，重點確保引導策略實施的針對性、全面性和有效性。

4 分眾化輿情引導路徑構建

基于上述以網民情感疏導為核心的輿情引導“時度效”機制研究，本文嘗試進一步探索構建區(qū)別于傳統(tǒng)剛性管控“一體化引導模式”的、以網民群體特征和實際需求為基礎的“分眾化引導模式”(參見圖4)，從引導時間、干預程度、效果評估等方面，優(yōu)化社會民生輿情引導策略。本文提到的引導主體包括政府機構、個人、企業(yè)等涉事方，實際輿情引導中可根據事件性質決定引導主體的界定。

圖4 分眾化引導模式

4.1 把握時：注重輿情引導時勢、時效、時機

“時”是社會民生輿情引導需要考慮的首要因素，這里所說的“時”，既代表時間、時機，也代表時局。首先，“第一時間發(fā)聲”對所有輿論引導工作而言都至關重要，盡管社會民生事件應采取“先度后時”的引導原則，但引導主體也需要在監(jiān)測和研判到輿情發(fā)展的苗頭時，以權威身份快速響應，主動發(fā)聲，搶奪公眾“第一眼”，力爭在輿情態(tài)勢升級之前，盡可能利用多種媒介渠道擴大正面闡釋聲量，贏得主動權和話語權，避免因真相缺位、謠言泛濫而陷入輿論工作的被動局面。其次，社會民生輿情的引導工作會經歷多層次引導，多渠道作用的周期，要充分把握每一階段的最佳引導時機。由仿真分析結果可知，不同于重大突發(fā)事件“黃金4小時”的輿情處置原則，社會民生事件的輿情響應周期較長，一些事件會伴隨謠言和次生輿情的衍生而在兩三天后達到高潮。因此，此類事件需要相對持續(xù)性的引導手段，密切關注輿情主題演變和網民情感訴求，在蔓延期和突發(fā)期，結合焦點問題和事件處置的關鍵節(jié)點，針對目標引導群體，實施針對性的引導策略。此外，社會民生事件往往與國家政策和民生大事休戚相關，需要在宏觀層面上結合時代背景，將輿情事件置于復雜多變的國際環(huán)境加以考慮，也要從我國正處于的關鍵發(fā)展時期加以衡量，分析輿情事件與同期社會熱點的關聯關系，多角度、多側面挖掘事件所反映的社會問題和主要矛盾，從而精準把握輿情引導的痛點，營造正向輿論，因勢而謀，總攬全局。

4.2 把控度：掌握輿情引導深度、廣度、強度

“度”強調把握好輿情引導的尺度和程度，即依托大數據、人工智能、區(qū)塊鏈等信息技術，在大量分析研判工作的基礎上，通過正向引導措施的實施，使引導內容直達人心。這就需要從內容層面保障引導信息的質量和水平，使其被公眾所接受；從傳播層面確保引導內容廣泛擴散，精準送達；從管控層面阻斷負向輿情信息對公眾的干擾，肅清輿論環(huán)境。首先，輿論引導要在尊重真實性、客觀性、準確性的新聞傳播規(guī)律的基礎上，實時公布事件處置進展，及時調整引導口徑，充分表達鮮明的觀點意圖。同時，為了更好地達到正面宣傳效果，需要在分析用戶數據的基礎上，合理配置內容議題、敘事框架、話語形式、表現方式等，提升引導內容的說服力，達到引起公眾情感共鳴，進而產生正向傳播行為的引導目的。其次，基于本文QCA的分析結果，要充分發(fā)揮傳統(tǒng)媒體的宣傳資源和新媒體平臺的技術優(yōu)勢，以及意見領袖的圈層影響力，構建全媒體時代的“聯合引導機制”，打造匯聚民意、高效觸達的交互傳播矩陣，強化主流輿論對公眾認知的影響。同時把握好不同社會民生事件的引導信息數量、推送頻次和引導時長，確保引導工作的適度性，避免過猶不及。再次，把握好輿情引導的對象范圍，對目標人群進行精準定位、觀點研判和特征分析，制定差異化引導方案，利用智能分發(fā)算法，實現引導內容的有效送達。最后，利用技術手段遏制謠言的滋生與傳播，提升輿情演化全過程的“內容把關”效率，同時加強“網絡水軍”和負面賬號的識別與管控，打擊輿情事件中的異常傳播行為，破壞負向群體傳播的同質性，有效降低輿情傳播峰值，加速輿情衰退。

4.3 把穩(wěn)效：確保輿情引導全面、精準、有效

想要獲得良好的社會民生輿情引導效果，主要取決于是否在遵循網絡信息傳播規(guī)律的基礎上，實現了引導主體消解輿情、改變目標引導對象態(tài)度和行為的意圖。因此，可以從網絡傳播效果情況和網民反饋情況兩個方面構建基于大數據的引導效果評估體系，并開展初始、過程、最終效果評估的動態(tài)化、分階段的測量工作，進而為輿情引導“時”與“度”的策略選擇與調整提供依據。首先，傳播效果評估方面，一方面，可以通過輿情信息全量數據采集與分析，判定輿情周期是否加速演化。另一方面，可以從傳播力、影響力、說服力的角度，對跨輿論場引導內容的傳播指數綜合測量，來衡量引導策略的全面性和有效性。其中，引導內容的傳播范圍越廣(由跨媒體平臺數量及信息總數衡量)、持續(xù)時間越長(由引導內容持續(xù)傳播時間衡量)、傳播速度越快(由傳播信息量和引導持續(xù)時間衡量)，其融合傳播力就越強；引導內容的綜合閱讀量、點贊量、轉發(fā)量、評論量越大，網民的參與程度就越高，其對公眾產生的影響力就越大；傳播主體公信力越強，主要輿論場中正面發(fā)文及評論占比遠高于負面信息時，引導內容對媒體和網民的說服力就越好。其次，網民反饋評估方面，結合心理學的相關研究，通過探索網民線上行為與線下情緒、認知、行動具體指標的關聯關系，構建網民情緒態(tài)度識別模型，結合問卷調查方式，進而對引導措施實施后的目標引導對象進行態(tài)度轉變率測量，來判斷網民的負面情感是否緩解，是否產生了理性化的事實認知，并推動了有益行為的轉變，是否最終促成社會共識的形成，加速社會矛盾的解決，從而科學評估引導策略對公眾作用的精準性和有效性。

5 結論與討論

本文探索了社會民生事件的輿情演化特征、影響因素，以及基于網民負面情感分析與“時度效”研究的分眾化引導機制，得出以下結論：a.社會民生事件作為反映民情的重要窗口，更具網絡聚焦效應，容易將社會問題放大，引發(fā)網民的不滿情緒和群體極化現象，處置失當會對政府機構和涉事方的公信力帶來沖擊。b.社會民生輿情演進存在較為明顯的周期規(guī)律，與重大突發(fā)事件相比，蔓延期前置，有較長時間且相對明顯的網絡發(fā)酵過程。通過定性比較研究發(fā)現，能否引起公眾共情心理，滿足公眾情感訴求，媒體報道與意見領袖的傳播作用是影響輿情發(fā)展的重要因素，為引導策略的研究提供了依據。c.針對網民負面情感的“時度效”仿真分析，能夠幫助測量引導時間、引導程度和預期效果，同時表明，較強程度的正向引導措施，能夠有效疏解網民的負面情緒，但應采取“先度后時”原則，充分把握蔓延期的最佳引導階段。d.基于上述研究構建的分眾化引導路徑，考慮到了引導群體特征和差異化訴求，從時、度、效3個維度提出的較為系統(tǒng)的輿情引導方案，符合智能化輿情治理特征，能夠為新時期的輿論引導工作提供參考。

本文通過QCA定性比較分析得到的條件組合路徑并不能描述所有社會民生輿情的生成軌跡，在未來的研究中，將進一步利用輿情大數據研究不同類型公共事件的輿情傳播機理和演進規(guī)律，提升研究的精準度，并制定更為詳盡的時、度、效多級量化指標，探索實踐層面更具操作性和指導性的輿情引導方案。