文 宏，鄭 虹

(華南理工大學(xué) 公共管理學(xué)院，廣東 廣州 510641)

一、問題提出

重大突發(fā)公共衛(wèi)生事件的暴發(fā)將政府治理由常態(tài)切換至危機狀態(tài)，危機狀態(tài)下公共政策的制定不僅關(guān)注危機如何化解的事務(wù)屬性問題，還具備圍繞人進行溝通管理活動的社會屬性[1]。在危機管理社會屬性的視角下，公共政策制定與公眾需求和感受之間的因果鏈條是一項值得關(guān)注的議題。通常，公共政策的制定是政府對公眾熱切關(guān)心話題的回應(yīng)，會刺激公眾對政策形成相應(yīng)的公眾情緒和反饋行為[2]；公眾的情緒反饋又會直接關(guān)系公眾對政策的接納程度和態(tài)度[3]，同時也影響政策的執(zhí)行效果和執(zhí)行難度[4]。這些因素表明，公共政策制定需要關(guān)注社會屬性的作用要素和邏輯[5]，這既是政策能否高效實施的關(guān)鍵因素，也是政策完善方向的重要參考，并對政策制定的精準(zhǔn)化和精細化具有重要的意義和價值。

這種現(xiàn)象在重大突發(fā)公共衛(wèi)生事件治理過程中更為凸顯。突發(fā)公共衛(wèi)生事件具有突發(fā)性、危害性、不確定性、多變性等特征，事件本身及其衍生的一系列連鎖反應(yīng)和信息輿情往往會引發(fā)公眾恐懼、焦慮、無助、抑郁等負面情緒[6]，而這些情緒比較突出、激烈，且容易通過社交網(wǎng)絡(luò)等平臺傳播匯聚，形成一定的社會情緒。因此，突發(fā)公共衛(wèi)生背景下的公共政策是政府為應(yīng)對事件危機和公眾需求而迅速提出的解決方案，往往面臨緊急度高、緊迫性強、輿情壓力大等挑戰(zhàn)。因此，這就要求政府在突發(fā)公共衛(wèi)生事件暴發(fā)之后迅速反應(yīng)，快速掌握事件信息、摸清公眾需求、制定應(yīng)急預(yù)案，并發(fā)布相應(yīng)的應(yīng)對措施，以指導(dǎo)公眾有效應(yīng)對突發(fā)公共衛(wèi)生事件，降低其可能帶來的危害和損傷。同時，政府政策措施能否精準(zhǔn)匹配公眾需求、解決公眾痛點問題，能否得到公眾的接受與認同[7]，能否調(diào)動公眾的積極性與主動性顯得尤為重要。

近年來，學(xué)界也逐漸開始關(guān)注社會治理中公眾對公共政策的主觀情緒反饋，現(xiàn)有研究主要從政策態(tài)度的形成途徑、影響因素、特定政策或特定群體的公眾態(tài)度分析，以及政策態(tài)度與政策行為關(guān)系等四個方面展開，并基本形成了較為成熟的研究體系。與此同時，隨著互聯(lián)網(wǎng)的發(fā)展，學(xué)界相關(guān)的研究內(nèi)容也逐漸向線上公眾政策態(tài)度表達聚集，并聚焦于特定危機事件探討在線公眾的情感反饋。這種研究方式突破了傳統(tǒng)線下研究過程中樣本覆蓋面小、代表性弱、樣本量少、工作量大等問題，實現(xiàn)了大樣本數(shù)據(jù)快速收集、分析和預(yù)測的效果，推動了相關(guān)領(lǐng)域研究的快速發(fā)展。然而，在特定突發(fā)公共衛(wèi)生事件議題中，往往存在著許多不同的事件和主題，這使得研究很難區(qū)分危機事件中的公眾情緒是對何種現(xiàn)象的反應(yīng)。學(xué)界有關(guān)突發(fā)公共衛(wèi)生情境下的公眾情緒研究，大部分聚焦于危機事件本身對公眾的情緒影響及其反饋特征，少有研究關(guān)注危機事件中政府公共政策對公眾情緒的作用。因此，本文力圖將突發(fā)公共衛(wèi)生事件情景下的公眾情緒反饋，更加聚焦于特定公共政策或特定危機階段，由此更有利于理解公眾在突發(fā)公共衛(wèi)生事件中的情緒反饋，并將其精準(zhǔn)應(yīng)用于公眾需求匹配以及應(yīng)急政策和應(yīng)急措施的指導(dǎo)中去，促進公共危機背景下治理體系和治理能力現(xiàn)代化建設(shè)。

2019年末，自全球新冠肺炎疫情多點暴發(fā)至今，各國政府不斷嘗試、積極應(yīng)對，通過政策制定等形式以保障公眾在疫情之下的生命安全。2020年初，從武漢“封城”到延遲開學(xué)、從復(fù)工復(fù)產(chǎn)到減稅降費，我國在保障公眾生命健康、保證經(jīng)濟持續(xù)發(fā)展上也因勢而謀、應(yīng)勢而動。全國各地在疫情期間出臺的各項政策中，“延遲開學(xué)”政策尤其具有出臺時間緊迫、連續(xù)性強的特征。該政策大多出臺于2020年春節(jié)假期之間，是對寒假后公眾是否正常學(xué)習(xí)生活的及時回應(yīng)；同時，從“延遲開學(xué)”、到“根據(jù)各地疫情實際情況安排高三學(xué)生有序開學(xué)”、再到“2020年高考推遲一個月開考”等，不同政策之間的內(nèi)容具有連續(xù)性，政策的出臺間隔也給予公眾足夠的討論和情緒表達空間和互動條件；此外，“延遲開學(xué)”政策的目標(biāo)對象具有特殊性。學(xué)校作為一個人口高度密度的地方，是重要的防疫陣地[8]，而學(xué)生作為社會和國家未來的象征，其健康成長一直備受社會各界和各個家庭的關(guān)注。根據(jù)教育部2020年全國教育事業(yè)發(fā)展統(tǒng)計公報數(shù)據(jù)顯示，2020年，我國共有各級各類學(xué)歷教育在校生2.89億人(1)中華人民共和國教育部，2020年全國教育事業(yè)發(fā)展統(tǒng)計公報。http:∥www.moe.gov.cn/jyb_sjzl/sjzl_fztjgb/202108/t20210827_555004.html。，這一龐大群體及其背后的家庭幾乎涵蓋了我國大部分的人口。因此，我國相關(guān)部門與這一群體利益相關(guān)的政策更能夠引起社會各界的關(guān)注和共鳴，也更容易激發(fā)公眾的表達欲望和討論熱情。

基于此，本研究將議題聚焦于疫情期間的“延遲開學(xué)”政策，借助大數(shù)據(jù)采集分析技術(shù)獲取社交媒體平臺上公眾對該政策的情緒表達和情感反饋信息，并對其可能的影響因素進行解釋分析；同時，希望通過一種聚焦的研究方式，能夠為突發(fā)公共衛(wèi)生情景下快速掌握公眾情緒、征求公眾意見提供一種可能性，力圖為危機情境下地方政府精準(zhǔn)釋放政策信號、因地制宜調(diào)整政策提供一份研究經(jīng)驗。

二、理論基礎(chǔ)與研究假設(shè)

(一)政策態(tài)度

公眾的政策態(tài)度是公眾對于公共政策的認知、情感及其相應(yīng)的行為表現(xiàn)[9]。公眾對政策的認知，是公眾基于自身既有經(jīng)驗對某一公共政策產(chǎn)生的理解、領(lǐng)悟和判斷；對政策的情感，是公眾對于某一特定政策產(chǎn)生的個人情緒、看法、評價、期望等，這種情緒復(fù)雜而多樣，既包括開心、欣喜、接納等積極情緒，也包括抗拒、厭惡、反感等消極情緒；公眾對政策的行為，是公眾對于某一特定政策所采取的行動，包括對政策實施的配合或阻撓等。三者息息相關(guān)、密不可分，其中政策認知是產(chǎn)生政策情感的基礎(chǔ)，政策情感是導(dǎo)致公眾具體實施行為的前提；反之，政策情感是對政策認知的表現(xiàn)，而政策行為也是政策情感的一種表達。政策情感作為公眾對某一公共政策的綜合情感表達，其積極性和消極性既可以直接關(guān)系公眾對政策的接納程度和認可程度[3]，同時也影響政策的執(zhí)行效果和執(zhí)行難度。通常而言，公眾會選擇認同個人更傾向和愿意接受的政策，也會更加配合相關(guān)政策的要求和執(zhí)行過程；相反，對于公眾不認可的政策，其落地過程往往會遭遇更多來自公眾的阻力和質(zhì)疑，使得政策難以實現(xiàn)其真正的意義。由此，個體相似情緒在社會層面上匯集，當(dāng)形成社會共同情緒和公共輿論時，甚至可以影響更多社會公眾的認知，直至干涉政策的調(diào)整和執(zhí)行。特別是在新時代背景下，公眾對于政策有更多的自我思考和情緒傳遞。

一方面，公眾在現(xiàn)代社會中的政治參與意識不斷增強，對公共政策的態(tài)度也從被動接受逐漸向主動了解轉(zhuǎn)變，更愿意主動關(guān)心時事和了解政策，也更愿意與他人分享自己對政策的理解和感受，表達自己對公共政策的情緒和態(tài)度；另一方面，在科技不斷進步的時代，互聯(lián)網(wǎng)也給公眾提供了更多的情緒表達途徑和意見表達平臺，公眾能夠隨時隨地與全球公眾交流互動；與此同時，互聯(lián)網(wǎng)平臺也促進了公眾情緒在社會層面的匯聚，助于形成網(wǎng)絡(luò)輿論并引起更多公眾的關(guān)注和評論。不僅僅如此，政府更積極通過各種途徑傾聽民聲、了解民情、征集民意、匯聚民智，了解公眾對于政策的情緒反饋，以更好地為政策出臺和政策調(diào)整做好基礎(chǔ)，同時也更好服務(wù)公眾需求和社會發(fā)展，促進共建共治共享社會治理新格局的實現(xiàn)。因此，在新時代背景下，我們?nèi)绾斡行б龑?dǎo)公眾正確理解公共政策，開展精準(zhǔn)的情緒干預(yù)是至關(guān)重要的。

近年來，學(xué)界對于政策態(tài)度的研究也逐漸成熟，相比于前期從心理學(xué)和政治心理學(xué)領(lǐng)域出發(fā)探究政策態(tài)度的形成途徑，現(xiàn)有更多研究從多個維度探究影響公眾政策態(tài)度的相關(guān)因素，大部分學(xué)者從個體、政策與環(huán)境三個維度開展分析。有學(xué)者認為，公眾的性別、年齡、經(jīng)濟收入水平、所處區(qū)域等個體特征[10]會影響其對于政策的認知和情感表達，進而影響其對政策的態(tài)度；同時，有學(xué)者認為，政策態(tài)度的最主要影響因素來自于政策本身，政策的合理性和可行性[11]是影響公眾對其態(tài)度的關(guān)鍵因素；也有學(xué)者認為，個體外在環(huán)境如網(wǎng)絡(luò)熱點、意見領(lǐng)袖意見[12]等會左右公眾自身對政策的認知和判斷，從而影響政策態(tài)度；此外，還有學(xué)者從特定政策或特定群體公眾出發(fā)，分析特定條件下公眾政策態(tài)度的形成和演變，并探究公眾政策態(tài)度對其實際行為的影響[13]。

(二)社會情緒治理

社會情緒是在一定空間和時間范圍內(nèi)，一定數(shù)量社會個體對某件事情或某個社會現(xiàn)象所共同產(chǎn)生的相似情緒體驗的集合體[14]。通常而言，社會情緒來自社會群體中每個個體在現(xiàn)實環(huán)境中的滿足程度，在人際互動中，如果大部分個體的社會需求得到滿足，則會產(chǎn)生較為積極的社會情緒；反之則可能產(chǎn)生較為消極的社會情緒。基于此，許多學(xué)者對社會情緒開展了深入的研究，主要研究維度包括兩個方面。一是對社會情緒進行了不同維度的歸類和基本情緒的探尋；二是對社會情緒產(chǎn)生因素及其作用探究。學(xué)界相關(guān)研究發(fā)現(xiàn)，社會情感氛圍作為社會群體中客觀存在的情感基調(diào)，既是社會情緒的基礎(chǔ)，同時也是對公共政策的反饋[15]，而積極的社會氛圍能夠有效助推發(fā)展。不僅如此，學(xué)界既有研究表明，社會情感氛圍還能有效預(yù)測集體的行為和選擇，從而實現(xiàn)危機預(yù)警的功能。

在此基礎(chǔ)上，許多學(xué)者對社會情緒的治理策略開展了深入的討論。其中社會情緒建模是學(xué)界常用的分析方法，通過該模型，有學(xué)者將社會情緒穩(wěn)定性分為外部、內(nèi)部和傳播三個子系統(tǒng)。外部系統(tǒng)主要指社會、經(jīng)濟、政策等外部環(huán)境及其可能帶來的影響；內(nèi)部系統(tǒng)則指，認知、經(jīng)驗、情緒等個體自身因素；傳播是連接內(nèi)外部系統(tǒng)的一座橋梁，不同傳播方式可能會導(dǎo)致不同的作用效果進而產(chǎn)生不同的社會情緒。這三個系統(tǒng)的有機結(jié)合可以為分析和預(yù)測典型情境突發(fā)事件下的社會情緒動力和穩(wěn)定性趨勢提供借鑒[16]。在這三個維度中，外部系統(tǒng)是多數(shù)學(xué)者研究的切入點，有學(xué)者認為，通過改變社會情感氛圍的方式，能夠營造和諧溫馨的積極社會氛圍，并借助這種情緒渲染調(diào)節(jié)公眾的負面情緒、引起社會群體的積極情緒共鳴、增強公眾的社會信任感和安全感，從而達到化解公眾沖突、緩和社會矛盾等目的[17]?；诖?，有部分學(xué)者進一步深入探討了社會工作在社會情緒治理過程中的重要作用，認為社會工作通過信息溝通和開展理性疏導(dǎo)的方式，為社會群體凝聚共識、增強信心、消減負面情緒提供了前提和基礎(chǔ)；同時，也以實際行動引導(dǎo)人們采取溫和理性的方式去分析問題，舒緩情緒，將消極、悲觀的負面情緒轉(zhuǎn)化為積極、樂觀的正面情緒，從而提高社會的支持水平[18]。

本研究在梳理社會情緒治理相關(guān)研究發(fā)現(xiàn)，近年來，學(xué)界對于社會情緒的關(guān)注點逐漸聚焦到互聯(lián)網(wǎng)上，網(wǎng)絡(luò)輿情作為社會情緒的聚集和表現(xiàn)形式，已經(jīng)成為現(xiàn)代社會治理的重要內(nèi)容?，F(xiàn)有研究發(fā)現(xiàn)，網(wǎng)絡(luò)的作用已經(jīng)由最初的普通公眾抒發(fā)情緒、表達意見的平臺，逐漸發(fā)展為大眾“利益求解的渠道”[19]。在這樣的趨勢下，網(wǎng)友若擁有相同情緒和觀點的“志同道合”，則會更容易聽到相同的聲音和感受到相似的情緒，從而不斷強化自己對相關(guān)信息的獲取和交流，甚至出現(xiàn)“群體情緒極化”[20]的傾向，并形成相應(yīng)的社會輿論。特別是在當(dāng)下，能源結(jié)構(gòu)調(diào)整、社會轉(zhuǎn)型升級的背景下，快節(jié)奏的都市生活和愈發(fā)激烈的社會競爭使得公眾處于高壓的工作和生活環(huán)境，缺少自我放松和自我調(diào)節(jié)的時間精力，容易引發(fā)公眾迷茫、失望、惶恐等負面情緒的產(chǎn)生。這些負面的、消極的情緒在現(xiàn)實的社會規(guī)則中，往往因個體的社會角色需求而被壓抑且不能表達，所以公眾亟需通過其他渠道，以卸掉自身的社會角色、宣泄內(nèi)心的情感，而網(wǎng)絡(luò)的虛擬性和自由性恰好滿足了公眾自我表達的需求。因此，網(wǎng)絡(luò)生態(tài)戾氣凸顯、“鍵盤俠”層出不窮、負面情緒鋪天蓋地，正義名義下的民族主義、同情弱勢群體的心理、仇富仇官心理，等等，往往成為網(wǎng)絡(luò)群體情緒極化現(xiàn)象的引爆點。部分“別有用心”的力量借助網(wǎng)民這一心理特點，也在網(wǎng)絡(luò)輿情上大做文章，特別是在三農(nóng)、教育、扶貧、鄉(xiāng)村振興、共同富裕、疫情、房價、腐敗等重要話題、敏感話題上，公眾雖然看似人人具有平等的話語權(quán)，能夠共同形成社會“公共輿論”，但實際上，某些“網(wǎng)絡(luò)推手”往往趁機利用和操控公眾的“非理性”特征和信息的不對稱特征，制造“多數(shù)人的暴力”現(xiàn)象產(chǎn)生。因此，有學(xué)者探討了社會情緒對政府形象的影響[21]，同時，也有學(xué)者認為，政府應(yīng)當(dāng)關(guān)注、理解并接納公眾的情緒感受，除了理性解決現(xiàn)實問題之外，也應(yīng)當(dāng)更多考慮公眾的情感需要[22]，避免群體情緒極化的產(chǎn)生。

本研究通過理論梳理可以發(fā)現(xiàn)，深入研究社會情緒治理對于更好發(fā)揮當(dāng)下輿情治理作用至關(guān)重要，但是學(xué)界現(xiàn)有研究大多數(shù)聚焦于常規(guī)熱點事件下的公眾情緒治理研究，對于突發(fā)公共衛(wèi)生事件等危機情境下的研究還相對較少。本研究認為，危機情境下公眾的情緒更敏感也更沖動，處理好危機情境下公眾的情緒需求是風(fēng)險社會中不可回避的治理問題，基于社會情緒需求的危機處理也更能夠彰顯以人為本的治理理念和政府現(xiàn)代化治理的能力。

(三)理論假設(shè)

情緒地理是輿情治理中的重要研究內(nèi)容，最初起源于教育學(xué)領(lǐng)域，探究的三個主要對象為——人、情緒與空間，主要聚焦于分析三者之間的關(guān)系及其相互影響作用。隨著研究的深入，情緒地理逐漸被引入社會治理相關(guān)研究領(lǐng)域，主要的研究內(nèi)容包括以下幾個方面。一是對不同空間場所下個體情緒差異的研究，主要聚焦于不同場所特征差異及其背后的情感寓意；二是探究不同空間場所對個體的情緒差異影響；三是情緒地理的可測量和可視化研究。隨著現(xiàn)代化信息技術(shù)的發(fā)展，學(xué)者所研究的“場域”逐漸由現(xiàn)實空間向互聯(lián)網(wǎng)虛擬空間聚焦。社交媒體平臺打破了傳統(tǒng)個體交往的空間屏障和地域隔閡，使得不同個體之間能夠瞬時開展“屏對屏”交流。這種信息的快速傳播特性使得個體在社交媒體平臺上所展現(xiàn)的情緒和經(jīng)歷更容易被發(fā)現(xiàn)和看見，也更容易獲得具有相似經(jīng)歷個體的關(guān)注、共鳴和互動，進而形成一個小的情緒共享圈，并以滾雪球效應(yīng)或串聯(lián)效應(yīng)的形式傳遞出去[23]，形成社會認同。許多學(xué)者針對互聯(lián)網(wǎng)這一虛擬空間上公眾情緒的特征，也對其傳播方式和治理路徑展開了深入探討，并且借助大數(shù)據(jù)分析軟件等工具，對包括“推特”在內(nèi)的社交媒體平臺用戶信息數(shù)據(jù)進行追蹤和語義分析，并將結(jié)果運用于政策關(guān)注、社會運動等現(xiàn)代化治理問題實踐中[24,25]。

目前，聚焦到危機情景下的區(qū)域情緒差異研究，大部分學(xué)者主要關(guān)注地理位置對危機情境下公眾的情緒影響，認為不同地區(qū)公眾對突發(fā)公共衛(wèi)生事件的情緒反應(yīng)各不相同[26]。學(xué)界現(xiàn)有主流觀點認為，這種區(qū)別主要來自于公眾所在區(qū)域與突發(fā)公共衛(wèi)生事件發(fā)生地之間的物理距離以及公眾受突發(fā)公共衛(wèi)生事件影響程度的大小[27]?；诖?，有學(xué)者通過不同地區(qū)的公眾情緒進行統(tǒng)計和劃分，比較不同地區(qū)之間公眾情緒狀態(tài)的差異[28]。此外，也有部分學(xué)者將公眾的地域信息與網(wǎng)絡(luò)行為相聯(lián)系，認為突發(fā)公共衛(wèi)生情境下社交媒體用戶發(fā)布的貼子數(shù)量與該用戶到最近權(quán)威醫(yī)院之間的物理距離存在明顯的相關(guān)關(guān)系[29]。無論是現(xiàn)實公眾情緒，還是網(wǎng)絡(luò)公眾情緒，學(xué)界現(xiàn)有研究均指向此研究結(jié)論——公眾離危機源頭越近時，就越有可能受到危機的影響，其風(fēng)險感知水平也會越高[30]，因此就越有可能對旨在保護他們的政策產(chǎn)生支持、擁護等積極情緒[31]，反之亦然。然而，本研究通過文獻梳理發(fā)現(xiàn)，學(xué)界現(xiàn)有關(guān)于突發(fā)公共衛(wèi)生情境下公眾情緒的地域差異研究，大多數(shù)聚焦于危機事件本身對不同地域公眾的情緒影響及其反饋特征差異，少有研究關(guān)注危機事件中政府公共政策對不同地域公眾情緒的作用。然而在特定突發(fā)公共衛(wèi)生事件議題中，往往存在著許多不同的事件和主題，這使得研究很難區(qū)分危機事件中的公眾情緒是對何種現(xiàn)象的反應(yīng)。因此，本研究依據(jù)現(xiàn)有研究結(jié)論及現(xiàn)實實踐經(jīng)驗，將危機情境下公眾的情緒差異聚焦到“延遲開學(xué)”政策中，并提出假設(shè)。

H1：公眾對突發(fā)公共衛(wèi)生事件下公共政策的情緒反饋具有地域差異。

H1a：受疫情影響嚴(yán)重的區(qū)域公眾對“延遲開學(xué)”政策的積極情緒更高。

H1b：受疫情影響較輕的區(qū)域公眾對“延遲開學(xué)”政策的消極情緒更高。

三、研究設(shè)計

(一)樣本選擇

新浪微博是一個基于用戶關(guān)系的社交媒體平臺，平臺用戶可以通過各種移動終端進行信息即時共享和傳播。本研究選擇以新浪微博作為數(shù)據(jù)收集平臺的原因，主要分為幾點。一是該平臺擁有較成熟的運營技術(shù)和較廣泛的用戶量。自2009年開放內(nèi)測起，新浪微博已經(jīng)陪伴中國公眾走過10多個年頭，成為公眾日常表達自我、獲取資訊、互動交流的一個重要平臺。截至2019年底，新浪微博月活躍用戶達5.16億(2)新浪科技，微博月活躍用戶達5.16億競爭壁壘依舊穩(wěn)固。https:∥baijiahao.baidu.com/s?id=16596019 19021773231&wfr=spider&for=pc。，成為本研究提供數(shù)據(jù)量的保障。二是該平臺能夠?qū)崟r匯聚當(dāng)下社會熱點事件。無論是娛樂圈吃瓜、還是社會熱點事件評論，新浪微博熱搜榜的排名，往往體現(xiàn)了當(dāng)下社會公眾的關(guān)注焦點，這一通道既是公眾迅速了解社會熱點的一個途徑，也是他們參與相關(guān)熱點事件評論、表達的一個窗口。通過這樣一種形式，相應(yīng)熱點事件能夠迅速在平臺發(fā)酵并形成相關(guān)的討論氛圍，有利于本研究更全面獲取公眾對于“延遲開學(xué)”政策的情緒態(tài)度和反饋信息。三是該平臺不同用戶間具有信息交流共享的開放性。區(qū)別于微信、QQ等社交軟件的熟人圈層，新浪微博平臺為用戶提供了一個無阻隔的社交溝通渠道，平臺間用戶的對話和交流基于彼此共同關(guān)注的事件展開，不受是否互為好友或是否互相關(guān)注等限制，使得話題的聚焦性更強，信息交流更迅速。

基于以上原因，本研究以新浪微博平臺作為數(shù)據(jù)采集的端口，以“延遲開學(xué)”詞組(“延遲開學(xué)”“推遲開學(xué)”“開學(xué)延遲”等)作為關(guān)鍵詞數(shù)據(jù)搜索，對2020年1月1日至2020年4月7日之間發(fā)布的微博貼子進行收集，同時對其發(fā)布用戶的地理位置信息、關(guān)注量、粉絲量等相關(guān)信息進行采集。通過該方法，本研究共獲得18 475個不同貼子及其相關(guān)發(fā)貼人信息，并將所有數(shù)據(jù)存儲到同一個數(shù)據(jù)集中進行數(shù)據(jù)編碼與賦值。

(二)分析方法

情感分析是一種用于預(yù)測文本極性和主觀性的方法[32]。就社交媒體而言，是捕捉人們對事件、產(chǎn)品、話題和角色的情感反應(yīng)的常用手段[33]，是識別公眾網(wǎng)絡(luò)情緒信息的重要方式，同時也是衡量網(wǎng)絡(luò)輿情的主要途徑[34]。我們借助情感分析工具，能夠快速理解公眾的心理狀態(tài)，同時強化對網(wǎng)絡(luò)輿情的識別、監(jiān)控以及對潛在網(wǎng)絡(luò)輿情危機的預(yù)警和處理[35]。因此，學(xué)界聚焦于網(wǎng)絡(luò)主題詞研究及其情緒分析工具的開發(fā)，其中的大多數(shù)研究將文本內(nèi)容按照情緒極性分為正面和負面兩種類型；也有部分研究將其分為積極、中性和消極三個層次；同時，還有少部分研究從非常積極到非常消極將其分為五個級別。這些研究的分類過程大多數(shù)應(yīng)用了三種分析方式：一是機器學(xué)習(xí)方法，即使用訓(xùn)練算法來識別人工編碼的極坐標(biāo)文本，通過給定文本與手動編碼文本之間的相似性來預(yù)測目標(biāo)文本的情緒；二是基于詞典的方法，其本質(zhì)上是一種有監(jiān)督的分類方法[32]，先是形成一組詞匯極性參考，然后通過在給定文本中搜索相同的詞匯來對情感進行分類；三是語言分析，即使用上下文和語法結(jié)構(gòu)來預(yù)測給定文本的情緒[36]。在實踐中，這些方法通常被混合和改進以用于實現(xiàn)更準(zhǔn)確的文本情感分類。在此基礎(chǔ)上，一些學(xué)者開發(fā)了一系列情感分析工具。其中語言學(xué)研究與字?jǐn)?shù)統(tǒng)計(Linguistic Inquiry and Word Count，簡稱LIWC)作為一種基于頻率的未加權(quán)詞匯工具[37]，綜合應(yīng)用了這三種分析方法的優(yōu)點，可以通過計算機程序自動識別并計算文本中表達積極和消極情緒的單詞[38]，成為目前被應(yīng)用最廣泛的情感分析方法之一，在社交媒體上的應(yīng)用已相當(dāng)成熟。為了進一步對獲取的文本情緒值進行分析，本研究應(yīng)用LIWC對每個文本樣本中積極詞匯和消極詞匯進行提取和賦值，并結(jié)合人工檢驗確保賦值的正確；同時，結(jié)合Logit回歸分析對變量之間的影響關(guān)系進行顯著性檢驗分析。

(三)變量賦值

本研究在數(shù)據(jù)分析前對后續(xù)研究中的各項相關(guān)參數(shù)進行梳理和編碼，具體包括情緒編碼和地域編碼。

情緒編碼分為文本情緒人工編碼、文本情緒機器編碼和提取賦值三個步驟。為了明確所收集文本中公眾對于“延遲開學(xué)”政策的情緒態(tài)度，本研究將文本進行情緒編碼，并將其歸類為“積極”“消極”與“其他”。其中，“其他”類別為無法確定情緒傾向或內(nèi)容無關(guān)文本。首先，本研究隨機抽取1 000個數(shù)據(jù)樣本作為訓(xùn)練集，用于后續(xù)編碼訓(xùn)練。其次，從訓(xùn)練集中隨機抽取100個數(shù)據(jù)樣本，邀請三位志愿者獨立開展情緒編碼工作，該階段三位志愿者的編碼內(nèi)部一致性信度系數(shù)為0.78。此后，為了提高數(shù)據(jù)集的一致性，我們進行了一輪討論，并在討論后對訓(xùn)練集中剩余的900個數(shù)據(jù)樣本開展獨立編碼，該階段編碼內(nèi)部一致性信度系數(shù)為0.87。在人工編碼之后，本研究訓(xùn)練了四個監(jiān)督學(xué)習(xí)分類器，并將所有數(shù)據(jù)樣本與第二輪編碼貼子分類為訓(xùn)練集(80%作為訓(xùn)練集，20%作為測試集)，開展機器編碼。最終結(jié)果顯示，支持向量機(SVM)樸素貝葉斯分類器在所有分類器中性能最好，內(nèi)部一致性信度系數(shù)為0.89。在此基礎(chǔ)上，本研究應(yīng)用LIWC工具提取所有樣本中每個貼子的積極情緒和消極情緒詞匯量，并對每個文本樣本中的積極情緒值和消極情緒值進行整體情緒值計算，具體計算公式見式(1)。

(1)

文本地域類別編碼。本研究對所收集文本數(shù)據(jù)所對應(yīng)的用戶進行地域信息編碼，根據(jù)我國34個省級行政區(qū)設(shè)置，對用戶所處的地理位置進行序列編碼。同時，根據(jù)國家統(tǒng)計局對我國34個省級行政區(qū)的劃分，本研究將數(shù)據(jù)文本所屬用戶所在區(qū)域進行歸類并賦值，其中，東部=1；中部=2；西部=3。

四、數(shù)據(jù)分析

(一)總體樣本描述

本研究所用研究數(shù)據(jù)分為三個部分。第一部分是公眾對“延遲開學(xué)”政策的情緒反饋數(shù)據(jù)，該部分通過微博平臺共收集18 475個與“延遲開學(xué)”主題相關(guān)的貼子及其相關(guān)發(fā)貼人信息，并對所收集數(shù)據(jù)根據(jù)發(fā)貼時間、用戶的情緒值及其所屬地域進行歸類賦值；第二部分是疫情通報數(shù)據(jù)，該部分通過國家衛(wèi)生健康委員會、湖北省衛(wèi)生健康委員會等相關(guān)官方平臺，共收集全國和湖北省98組每日新增確診病例和每日新增死亡病例通報數(shù)據(jù)；第三部分是“延遲開學(xué)”政策文本數(shù)據(jù)，該部分通過教育部官網(wǎng)、地方政府官網(wǎng)等政府公開途徑收集。

(二)“延遲開學(xué)”政策與微博用戶情緒的時間線梳理

圖1展示了2020年1月1日至2020年4月7日之間，新浪微博平臺上與“延遲開學(xué)”話題相關(guān)的貼子數(shù)量的變化情況。總體而言，新浪微博用戶在該時間段對這一話題的關(guān)注程度較高，且在此期間，公眾的關(guān)注度出現(xiàn)了幾次較為明顯的波動。這一關(guān)注度變化除了與“延遲開學(xué)”政策相關(guān)以外，也可能與當(dāng)時全國的疫情走勢相關(guān)。因此，本研究同時整理了國家衛(wèi)生健康委員會發(fā)布的疫情每日通報信息(詳見圖2)，同時，根據(jù)時間線對于國內(nèi)的疫情變化情況、“延遲開學(xué)”政策的出臺和調(diào)整情況，以及新浪微博用戶發(fā)貼數(shù)量變化情況進行簡單的比較和梳理。

圖1 2020年1月1日至4月7日新浪微博平臺“延遲開學(xué)”話題相關(guān)貼子數(shù)

圖2 2020年1月1日至4月7日中國疫情情況 數(shù)據(jù)來源：中華人民共和國國家衛(wèi)生健康委員會，http:∥www.nhc.gov.cn/，湖北省衛(wèi)生健康委員會，http:∥wjw.hubei.gov.cn/bmdt/ztzl/fkxxgzbdgrfyyq/。

根據(jù)國家衛(wèi)生健康委員會每日疫情通報信息發(fā)現(xiàn)，自2020年1月中下旬開始，國內(nèi)每日疫情新增確診病例數(shù)量增速迅猛，從2020年1月20日的77例新增確診病例，增加到2020年1月27日的1 771例新增確診病例。在此背景下，春節(jié)假期之后是否開學(xué)、如何安排新學(xué)期學(xué)習(xí)計劃等，一系列的相關(guān)問題成為了公眾的重點關(guān)注，并且新浪微博平臺上關(guān)于“延遲開學(xué)”相關(guān)的話題熱度也逐漸顯現(xiàn)出來。自2020年1月17日開始，新浪微博平臺關(guān)于“延遲開學(xué)”相關(guān)話題的貼子數(shù)量迅速增長，并在2020年1月26日達到第一個高峰(765個)。2020年1月27日，教育部發(fā)文出臺“延遲開學(xué)”相關(guān)政策(3)中華人民共和國教育部，教育部關(guān)于2020年春季學(xué)期延期開學(xué)的通知。http:∥www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/202001/t20200127_416672.html。。在此后的20天里，我國疫情的每日新增確診病例都在增加，新浪微博平臺上關(guān)于“延遲開學(xué)”話題的熱度也一直保持在較高水平。2020年2月12日，國家相關(guān)部門對于確診病例的評判標(biāo)準(zhǔn)進行調(diào)整，使得當(dāng)天國內(nèi)疫情確診病例數(shù)量大幅增加，達到15 152例。這一數(shù)據(jù)的公布使得公眾更多地將注意力集中到疫情上，這可能是導(dǎo)致新浪微博平臺上對于“延遲開學(xué)”關(guān)注度下降的原因。此后，全國每日確診病例數(shù)量逐漸減少，2020年2月19日，全國新增確診病例降至1 000以下，而新浪微博平臺用戶對于“延遲開學(xué)”政策的關(guān)注度，隨著每日疫情新增確診病例數(shù)量的變化而有所波動，并在2020年2月22日達到低谷。2020年2月28日，教育部對于“延遲開學(xué)”政策作出調(diào)整(4)中華人民共和國教育部，中共教育部黨組關(guān)于統(tǒng)籌做好教育系統(tǒng)新冠肺炎疫情防控和教育改革發(fā)展工作的通知。http:∥www.gov.cn/xinwen/2020-02/29/content_5485057.htm。，從全面延遲開學(xué)轉(zhuǎn)為根據(jù)各地疫情實際情況安排高三學(xué)生有序開學(xué)。這一政策的調(diào)整再次引起了公眾的關(guān)注和熱議。2020年3月，我國疫情情況日趨向好，每日新增確診病例以境外輸入為主，本土新增確診病例數(shù)量保持在兩位數(shù)。我國對疫情的有效控制，使得公眾對于“延遲開學(xué)”政策的關(guān)注度重新增強，并在2020年3月26日達到第二個發(fā)貼高峰，高達814個。2020年3月31日，教育部出臺2020年高考推遲一個月開考的政策(5)中華人民共和國教育部，關(guān)于2020年全國高考時間安排的公告。http:∥www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/jyzt_2020n/2020_zt03/zydt/zydt_jyb/202003/t20200331_436662.html。，并再次在新浪微博平臺上引起熱烈關(guān)注。

本研究為了更好印證公眾對“延遲開學(xué)”政策的關(guān)注和反饋情況，同時在百度搜索引擎上獲取了相應(yīng)時間段關(guān)于“延遲開學(xué)”的百度搜索指數(shù)(詳見圖3)，并通過對比發(fā)現(xiàn)，新浪微博關(guān)于“延遲開學(xué)”話題的貼子數(shù)量，與百度指數(shù)中關(guān)于“延遲開學(xué)”話題的搜索量變化趨勢相似，從而也進一步驗證了公眾對“延遲開學(xué)”的關(guān)注程度及其變化趨勢。

圖3 2020年1月1日至4月7日中國“延遲開學(xué)”百度指數(shù)關(guān)鍵詞搜索趨勢算法說明：以網(wǎng)民在百度的搜索量為數(shù)據(jù)基礎(chǔ)，以關(guān)鍵詞為統(tǒng)計對象，科學(xué)分析并計算出各個關(guān)鍵詞在百度網(wǎng)頁搜索中搜索頻次的加權(quán)，根據(jù)數(shù)據(jù)來源的不同，搜索指數(shù)分為PC搜索指數(shù)和移動搜索指數(shù)。數(shù)據(jù)來源：百度指數(shù)。

本研究通過比較疫情情況、“延遲開學(xué)”政策發(fā)布時間線以及新浪微博用戶對該話題的發(fā)貼數(shù)量發(fā)現(xiàn)，公眾對于延遲開學(xué)事件的關(guān)注度與疫情的嚴(yán)重程度對“延遲開學(xué)”政策的出臺密切相關(guān)。在全國疫情情況較為嚴(yán)峻的情況下，公眾對于“延遲開學(xué)”相關(guān)話題的關(guān)注度較低，但當(dāng)全國疫情情況趨于穩(wěn)定向好時，公眾對于“延遲開學(xué)”的關(guān)注度較高；同時，通過時間線梳理還發(fā)現(xiàn)，在每次“延遲開學(xué)”政策出臺前夕，公眾對于“延遲開學(xué)”相關(guān)話題的討論都較為熱烈，政策的出臺往往在公眾關(guān)注度的最高點出現(xiàn)。因此，“延遲開學(xué)”政策可能是政府在考慮疫情現(xiàn)實因素和公眾情緒的基礎(chǔ)上，對于公眾擔(dān)憂和壓力的一種回應(yīng)方式。

(三)回歸分析結(jié)果

在數(shù)據(jù)預(yù)處理階段，本研究對所采集的新浪微博數(shù)據(jù)按照地域開展分類和賦值。在剔除地理位置缺漏信息項之后，本研究應(yīng)用Stata SE15軟件對剩余的13 132個數(shù)據(jù)根據(jù)自變量分類進行描述性統(tǒng)計分析，具體分析結(jié)果如表1所示。由數(shù)據(jù)可以發(fā)現(xiàn)，本研究所采集的數(shù)據(jù)覆蓋全國東、中、西部三個區(qū)域，其中東部地區(qū)用戶發(fā)貼量最多，共7 651個，占總發(fā)貼量的58.26%；中部地區(qū)用戶發(fā)貼量共3 045個，占23.19%；西部地區(qū)用戶發(fā)貼量最少，共2 436個。

表1 中國不同地區(qū)微博用戶對“延續(xù)開學(xué)”政策情緒反饋回歸分析的自變量描述性統(tǒng)計

關(guān)于公眾對“延遲開學(xué)”政策情緒值這一因變量，本研究根據(jù)LIWC方法的情感分類及其賦值公式對每個用戶所發(fā)布貼子的文本情緒進行初步賦值。由于本研究需要先探究地域因素是否影響公眾對“延遲開學(xué)”政策的情緒反饋，再根據(jù)結(jié)果進一步考慮是否探究地域因素的具體影響作用，因此，本研究根據(jù)整體情緒值的正負情況，將公眾對“延遲開學(xué)”政策的整體情緒反饋進行二分類賦值以簡化分析過程，二分類賦值結(jié)果為：1=積極情緒，0=消極情緒。

同時，學(xué)界既有研究表明，新浪微博等社交平臺上用戶的粉絲數(shù)量、關(guān)注用戶數(shù)量及其發(fā)貼數(shù)量，與該用戶貼子內(nèi)容的價值取向及其情緒動態(tài)相關(guān)[39-40]。因此，本研究將關(guān)注量、粉絲量和發(fā)貼量三個用戶特征指標(biāo)作為控制變量加入到Logit回歸分析中，具體分析結(jié)果如表2所示。

表2 中國不同地區(qū)微博用戶對“延遲開學(xué)”政策情緒反饋的回歸分析結(jié)果

本研究從結(jié)果可以發(fā)現(xiàn)，新浪微博用戶的平臺關(guān)注量、粉絲量和發(fā)貼量都顯著影響其在平臺上對“延遲開學(xué)”政策的情緒表達，這與前人的研究結(jié)果相一致。此外，東、中、西部的地域差異也顯著影響公眾的情緒表達，這與假設(shè)H1的預(yù)設(shè)結(jié)果相一致。相比于東部地區(qū)，中部地區(qū)公眾對“延遲開學(xué)”政策的積極情緒反饋更顯著，回歸系數(shù)為0.097 8，其積極情緒反饋的概率比東部地區(qū)高10.3%(e0.0978-1=0.103，p<0.05)；西部地區(qū)公眾對“延遲開學(xué)”政策的積極情緒反饋也更顯著，回歸系數(shù)為0.144，其積極情緒反饋的概率比東部地區(qū)高15.5%(e0.144-1=0.155，p<0.05)。從整體情緒變化上看，區(qū)域差異顯著影響公眾對“延遲開學(xué)”政策的情緒反饋差異，且中、西部地區(qū)公眾對“延遲開學(xué)”政策的總體情緒相比于東部地區(qū)公眾而言相對較為積極。因此，本研究認為有必要對公眾主觀情緒反饋的區(qū)域差異再進行深入分析探討。

(四)文本分析結(jié)果

由Logit回歸分析結(jié)果可以發(fā)現(xiàn)，區(qū)域差異對公眾的情緒反饋有一定影響。因此，本節(jié)根據(jù)國家34個省級行政區(qū)的東中西部劃分，對收集的數(shù)據(jù)進行過濾與篩選并開展區(qū)域統(tǒng)計分析，從區(qū)域維度上對公眾的情緒反饋差異進行分析，在此基礎(chǔ)上，再根據(jù)34個省級行政區(qū)的具體特征由表及里、由淺入深開展情緒值差異分析。

1.東、中、西部地區(qū)微博用戶對“延遲開學(xué)”政策的情緒差異

東、中、西部地區(qū)微博用戶對“延遲開學(xué)”政策的積極情緒值、消極情緒值和整體情緒值分析，結(jié)果如表3所示。

表3 中國東、中、西部地區(qū)微博用戶情緒值統(tǒng)計分析

本研究由數(shù)據(jù)分析結(jié)果可以發(fā)現(xiàn)，全國公眾對“延遲開學(xué)”政策的總體情緒反饋都呈現(xiàn)較為消極的態(tài)度，這在疫情嚴(yán)重肆虐的2020年初，是一種較為正常的情緒反饋。從社會群體上看，“延遲開學(xué)”政策雖然是疫情防控過程中的一個應(yīng)對措施，但是政策的出臺實際上也是從官方的角度上證實了此次疫情的特殊性和嚴(yán)重性，因此公眾對此呈現(xiàn)消極的情緒也是情理之中。從學(xué)生群體上看，“延遲開學(xué)”政策的實施意味著學(xué)生難以享受學(xué)校的教學(xué)資源，難以保持原有的學(xué)習(xí)模式和學(xué)習(xí)狀態(tài)，對于大多數(shù)學(xué)生而言，“延遲開學(xué)”政策會打亂他們正常的學(xué)習(xí)計劃，影響他們的學(xué)習(xí)效率甚至是學(xué)習(xí)成績，特別是對于即將面臨考研、高考、中考等重要考試的學(xué)生而言，這更是艱難的挑戰(zhàn)。從教師群體上看，“延遲開學(xué)”政策的實施意味著教師需要將傳統(tǒng)的線下授課模式向線上轉(zhuǎn)移，改變原有的授課計劃、學(xué)習(xí)線上教學(xué)軟件的使用、引導(dǎo)學(xué)生適應(yīng)線上教學(xué)方式等，無形中增大了教師群體的教學(xué)壓力。從學(xué)校上看，教學(xué)模式從線下向線上的轉(zhuǎn)變對學(xué)校的師資力量、教學(xué)方法和教學(xué)設(shè)備也帶來了巨大的挑戰(zhàn)，特別是對于經(jīng)濟相對不發(fā)達和教育水平相對落后的地區(qū)而言，如何保證線上教學(xué)的正常開展成為學(xué)校的一大難題。從家庭關(guān)系上看，在長期的居家隔離中，家庭矛盾和家庭沖突也不斷激增，因此延遲開學(xué)給家長也帶來了巨大的壓力，特別是對于雙職工家庭而言，家長復(fù)工后孩子的照料成了巨大的問題。因此，無論是學(xué)生、學(xué)校還是家長，新學(xué)期的正常開學(xué)都是他們的共同期盼。

本研究從東、中、西部的比較分析結(jié)果還發(fā)現(xiàn)，東、中、西部地區(qū)之間公眾對“延遲開學(xué)”政策的情緒反饋雖有顯著差異，但是具體的情緒值相差較小。從三個地區(qū)公眾各自的情緒反饋上看，東部地區(qū)公眾對于“延遲開學(xué)”政策的積極情緒值(2.69)和消極情緒值(3.98)都最高，但東部地區(qū)整體上仍呈現(xiàn)較為消極的情緒，其整體情緒也最為消極(-0.32)，這可能與地區(qū)的經(jīng)濟發(fā)展水平相關(guān)。相比而言，東部地區(qū)的經(jīng)濟發(fā)展速度較快，區(qū)域網(wǎng)絡(luò)普及度較高，公眾對于國家政策的關(guān)注度和政治參與意識也較高，能夠更好理解國家政策的用意和目的，因此積極情緒值較高。但與此同時，由于東部地區(qū)的經(jīng)濟發(fā)展體量大、人員密度高等特征，疫情對該地區(qū)的影響也相比于其他地區(qū)更顯著，稍有不慎，則會引發(fā)更為嚴(yán)重的間接影響，而且“延遲開學(xué)”政策的出臺也意味著停工停產(chǎn)等相似措施，也極有可能同步推進。這對于地區(qū)經(jīng)濟、社會發(fā)展等多方面的影響也是顯而易見的，因此該地區(qū)公眾對于疫情的擔(dān)憂也更顯著，消極情緒值也更高。相比之下，中部地區(qū)和西部地區(qū)公眾的情緒反饋較不強烈。其中，中部地區(qū)公眾(2.64)對于“延遲開學(xué)”政策的積極情緒值比西部地區(qū)(2.58)稍高，而中部地區(qū)公眾(3.79)的消極情緒值比西部地區(qū)(3.86)稍低。這可能與區(qū)域的整體疫情情況相關(guān)聯(lián)，相比于中部地區(qū)，西部地區(qū)的整體疫情情況較為平緩，多個省級行政區(qū)僅有零星幾個感染病例，因此，西部地區(qū)公眾可能對疫情的風(fēng)險感知程度相對較低，對于“延遲開學(xué)”政策的必要性認知較為不足，所以對政策的消極情緒反饋也較明顯。相反，中部地區(qū)受疫情影響，對政策的出臺可能更為支持。

2.34個省級行政區(qū)微博用戶對“延遲開學(xué)”政策的情緒差異

為了進一步探究不同地區(qū)公眾對“延遲開學(xué)”政策的情緒反饋，本研究對新浪微博平臺上公眾的積極情緒值、消極情緒值、整體情緒值和貼子數(shù)量進行了梳理并根據(jù)地域進行分類，具體如表4所示。其中，數(shù)據(jù)剔除了平臺用戶位置未明確或不清楚的數(shù)據(jù)，同時，中國臺灣、中國香港特別行政區(qū)、中國澳門特別行政區(qū)等作為“延遲開學(xué)”政策非直接目標(biāo)群體，其數(shù)據(jù)也暫不列入統(tǒng)計分析范圍。

表4 中國34個省級行政區(qū)微博用戶情緒值和微博貼子數(shù)統(tǒng)計分析

本研究通過數(shù)據(jù)發(fā)現(xiàn)，在“延遲開學(xué)”這一話題的討論中，貴州(截至北京時間2020年4月7日24時，貴州累計報告本地確診病例146例，境外輸入病例1例，死亡病例2例)微博用戶表達的積極情緒詞匯數(shù)量的情緒平均值最高，即整體的積極情緒值最高，黑龍江(截至北京時間2020年4月7日24時，黑龍江累計報告本地確診病例482例，境外輸入確診病例30例)和福建(截至北京時間2020年4月7日24時，福建累計報告確診病例296例，境外輸入確診病例55例)的微博用戶在討論“延遲開學(xué)”政策時也表現(xiàn)出較高的積極情緒。從消極情緒上看，青海(截至北京時間2020年4月7日24:00，青海累計報告確診病例18例)微博用戶表達的消極情緒詞匯數(shù)量的情緒平均值最低，即整體的消極情緒值最低。同時，來自寧夏(截至北京時間2020年4月7日24時，寧夏累計報告確診病例75例，且已連續(xù)35天無新增確診病例)、貴州和廣西(截至北京時間2020年4月7日24時，廣西累計報告確診病例254例，死亡2例)的微博用戶對于“延遲開學(xué)”這一政策也較少表達負面情緒。此外，結(jié)合兩種情緒值可以發(fā)現(xiàn)，來自西藏(截至北京時間2020年4月7日24時，西藏累計報告確診病例1例)的微博用戶針對“延遲開學(xué)”話題表達的積極詞匯數(shù)量最少，而消極詞匯數(shù)量最多。

本研究考慮到公眾的情緒通常復(fù)雜而多樣，將積極情緒和消極情緒綜合考量更能反映公眾對“延遲開學(xué)”政策的整體情緒傾向，進一步計算了34個省份用戶的綜合情緒值。我國除了貴州(整體情緒值為0.070 0)以外，整體上呈現(xiàn)出較為消極的趨勢。其中，西藏的微博用戶對“延遲開學(xué)”政策的整體情緒最為消極(-0.600)，其次是內(nèi)蒙古(-0.460 0)，綜合來看，較為明顯消極情緒的區(qū)域均屬于受疫情影響較輕的地區(qū)。這些地區(qū)的公眾可能對于盡快恢復(fù)正常的學(xué)習(xí)、工作生活抱有較高的期待，因此對“延遲開學(xué)”這一暫停日常學(xué)習(xí)活動的政策存在一定的不理解，對該政策的消極情緒也較高。這也是符合假設(shè)H1b的預(yù)設(shè)情況。

在整體數(shù)據(jù)中，本研究針對唯一整體情緒值呈正值的貴州、消極情緒值最為明顯的西藏以及受疫情影響最為嚴(yán)重的湖北三個特殊省級行政區(qū)，展開進一步的探討和解釋。

在本次采集的樣本中，貴州是34個省級行政區(qū)中唯一一個公眾對“延遲開學(xué)”政策整體情緒值呈現(xiàn)正值的省級行政區(qū)，從數(shù)據(jù)分析結(jié)果上發(fā)現(xiàn)，其中有部分用戶雖然對該政策持消極態(tài)度(平均消極情緒值=3.390)，但更多的用戶持積極態(tài)度(平均積極情緒值=3.64)；同時，根據(jù)貴州省衛(wèi)生健康委員會發(fā)布的疫情信息，截至北京時間2020年4月7日24時，貴州累計報告本地確診病例146例，境外輸入病例1例，死亡2例。因此，從疫情數(shù)據(jù)上看，貴州雖然遭受疫情沖擊不太嚴(yán)重，但其城市運行也并非不受疫情的影響。

本研究除了疫情本身的影響之外，嘗試從地理位置和教育資源兩方面對這一現(xiàn)象進行分析。從地理位置上看，貴州素有“八山一水一分田”之說，全省覆蓋高原、山地、丘陵、盆地等多種特殊地形，唯獨平原稀缺；受地形地貌的影響，常年遭受自然災(zāi)害的侵?jǐn)_，當(dāng)?shù)毓妼?zāi)害的風(fēng)險感知較高，對災(zāi)害可能造成后果的嚴(yán)重性評估也較高。因此，在疫情發(fā)生后，貴州寧愿選擇更加謹(jǐn)慎的延遲開學(xué)措施，而不愿因為開學(xué)等活動影響疫情防控。不僅如此，從每年高考的參加人數(shù)和錄取分?jǐn)?shù)可以發(fā)現(xiàn)，貴州教育資源水平在全國范圍內(nèi)相對較低，而“延遲開學(xué)”政策的實施倒逼全省乃至全國線上教學(xué)的發(fā)展，這也意味著，當(dāng)?shù)貙W(xué)生能夠享受到更多的教學(xué)資源和更高層次的教學(xué)水平。因此，從地理位置和教學(xué)資源兩個角度上分析，貴州公眾對于“延遲開學(xué)”政策所產(chǎn)生的積極情緒是可以理解的。

與貴州相反的是，西藏公眾對于“延遲開學(xué)”政策表達出較為明顯的消極情緒，這可能是因為疫情對當(dāng)?shù)氐挠绊戄^小。根據(jù)西藏衛(wèi)生健康委員會公布的疫情信息，截至2020年4月7日，西藏只有1例確診病例。因此，與全國其他地區(qū)相比，西藏的疫情防控壓力相對較小，當(dāng)?shù)毓姷陌踩幸蚕鄬^高，這可能也是當(dāng)?shù)毓娬J為“延遲開學(xué)”政策必要性不高的原因。此外，西藏公眾對“延遲開學(xué)”政策呈現(xiàn)出的消極情緒，也可能與西藏新浪微博用戶對該話題關(guān)注度不高有關(guān)。本研究數(shù)據(jù)僅采集到17個來自西藏地區(qū)關(guān)于“延遲開學(xué)”政策的數(shù)據(jù)，其數(shù)量遠低于其他省級行政區(qū)。因此，這些用戶能否代表整個地區(qū)公眾的整體態(tài)度也是值得深入探討的。

此外，湖北也是值得本研究重點關(guān)注的一個省份。作為2020年深受疫情影響的地區(qū)，湖北承受了全國大部分的抗擊疫情重任。在數(shù)據(jù)采集時間段內(nèi)，全國絕大多數(shù)確診病例和死亡病例均來自湖北省。一般來說，在這樣一個遭受疫情嚴(yán)重影響的地區(qū)，公眾出于自身安全考慮，應(yīng)該對“延遲開學(xué)”政策持積極態(tài)度。然而，本研究通過新浪微博用戶反饋發(fā)現(xiàn)，當(dāng)?shù)毓妼Α把舆t開學(xué)”這一話題并沒有明顯的情緒傾向，其積極情緒值和消極情緒值均在全國34個省級行政區(qū)數(shù)值的中位值。這一現(xiàn)象與假設(shè)H1a不相符，但可能與當(dāng)?shù)毓妼σ咔榈膿?dān)憂和戰(zhàn)勝疫情的信心有關(guān)。

武漢作為2020年初全國受疫情影響最嚴(yán)重的地區(qū)，一方面，當(dāng)?shù)毓妼τ凇把舆t開學(xué)”政策的積極情緒并未顯著，這可能與當(dāng)?shù)氐囊咔樾蝿萦嘘P(guān)。因為在疫情形勢較為嚴(yán)重的地區(qū)，公眾的生命健康安全受到嚴(yán)重威脅，對于與疫情直接相關(guān)的信息關(guān)注度較高。根據(jù)馬斯洛需求層次理論，生命健康需求是人類最底層的需求，當(dāng)疫情嚴(yán)重影響公眾生命健康時，教育、工作等較高層次的需求會暫被忽略。因此，在受疫情影響較為嚴(yán)重的地區(qū)，公眾可能更傾向于關(guān)注與疫情直接相關(guān)的信息，比如，疫情走向、疫情治療方法、新增病例流調(diào)軌跡，等等。與此同時，社會正常的開學(xué)和開工，是疫情形態(tài)轉(zhuǎn)好的象征，“延遲開學(xué)”政策對于當(dāng)?shù)毓娍赡苡谐跽弑旧淼奶厥夂x；“延遲開學(xué)”政策在春節(jié)期間的出臺，意味著全國范圍內(nèi)的疫情仍處于較為嚴(yán)重的形態(tài)，這對于深受疫情影響的地區(qū)而言，意味著當(dāng)?shù)毓娍赡苄枰惺芨嗟纳{。因此，這可能是當(dāng)?shù)毓妼Α把舆t開學(xué)”政策積極情緒不高的原因，另一方面，湖北公眾對“延遲開學(xué)”政策的消極情緒也并沒有十分顯著，這可能與疫情的嚴(yán)重態(tài)勢和國家前期的抗擊疫情投入有關(guān)。從理性上看，“延遲開學(xué)”政策的出臺，確實能夠有效減少公眾的人員流動和接觸，從而有效降低病毒感染的風(fēng)險，對于疫情較為嚴(yán)重的地區(qū)而言，有效遏制病毒的擴散和傳染是極為重要的政策。因此，公眾對該政策仍是持理解的態(tài)度，消極情緒并沒有十分顯著。不僅如此，自疫情發(fā)生以來，來自全國數(shù)以萬計的醫(yī)療隊伍、部隊官兵迅速馳援湖北，當(dāng)?shù)財?shù)以萬計的基層工作人員和社區(qū)志愿者夜以繼日英勇奮戰(zhàn)，“火神山”“雷神山”兩座方艙醫(yī)院迅速建成，在政府的正確指揮下和全民的共同努力下，湖北的疫情迅速得到了控制并逐步好轉(zhuǎn)。因此，這些舉措也極大振奮了湖北公眾對于抗擊疫情的信心，使得他們對國家的政策保持足夠的信任。這也表明，對于受疫情影響嚴(yán)重的地區(qū)而言，公眾雖然仍處于焦慮恐慌的狀態(tài)，特別是“延遲開學(xué)”政策的出臺，使得他們更加意識到疫情的嚴(yán)重性和危害性，對于自身的健康和安全也極為擔(dān)憂，但同時，當(dāng)?shù)毓娨怖斫庠撜呤怯行Ф糁埔咔閭鞑サ闹匾e措，相信政府的力量，相信政策出臺有其必要性和重要性，所以公眾呈現(xiàn)出一個既非十分積極，而非十分消極的態(tài)度。

五、結(jié)論與討論

(一)結(jié)果討論

基于研究假設(shè)的驗證情況，本研究結(jié)合數(shù)據(jù)分析過程及其現(xiàn)實意義，探究不同地區(qū)公眾對“延遲開學(xué)”政策的情緒差異，對假設(shè)呈現(xiàn)的可能性進行闡釋，并將其從“延遲開學(xué)”政策向突發(fā)公共衛(wèi)生事件中的應(yīng)急政策進行延伸，希望通過尋求合理的解釋能夠為突發(fā)公共衛(wèi)生事件中的政策出臺提供實踐經(jīng)驗和科學(xué)分析，最終得出兩個方面的結(jié)論。

1.重大突發(fā)公共衛(wèi)生事件背景下的公共政策制定，是政府基于事件危機評判后對公眾作出的回應(yīng)

本研究認為，政府政策出臺的目的本就為了幫助公眾解決急難愁盼的問題，而傾聽民聲、回應(yīng)民意本就應(yīng)當(dāng)是政府政策制定的先行之舉；通過比較疫情變化情況、新浪微博發(fā)貼數(shù)量和“延遲開學(xué)”政策發(fā)布情況，發(fā)現(xiàn)新浪微博平臺上社交媒體用戶的關(guān)注度與疫情情況和政策發(fā)布密切相關(guān)。在疫情緊張時，公眾對于“延遲開學(xué)”這一話題的關(guān)注度相對較低；但當(dāng)疫情穩(wěn)定時，公眾對此的關(guān)注度則明顯增高，尤其在“延遲開學(xué)”政策出臺和調(diào)整前夕，平臺用戶對于“延遲開學(xué)”這一話題都開展了較為激烈的討論，話題熱度往往達到階段峰值。這表明，公共政策的制定具有社會屬性的面向，政府通過政策出臺以回應(yīng)公眾熱切關(guān)心話題，不僅可以指引公眾正確開展突發(fā)公共衛(wèi)生事件中的應(yīng)對舉措，幫助大部分公眾解決當(dāng)下難題，還可以通過公眾的反饋及時快速調(diào)整政策以達到最佳的執(zhí)行效果；同時，通過應(yīng)急政策出臺的形式，還應(yīng)向公眾傳遞出政府對其生命健康的尊重和重視，緩解公眾對于突發(fā)公共衛(wèi)生事件的擔(dān)憂和壓力，避免社會輿情的滋生和傳播。

2.在重大突發(fā)公共衛(wèi)生事件中，政府基于公眾總體需求的政策制定，會在不同地區(qū)出現(xiàn)公眾情緒反饋上的差異

本研究從數(shù)據(jù)和現(xiàn)實實踐中發(fā)現(xiàn)，公眾對于應(yīng)急政策的情緒反饋在地區(qū)之間具有一定差異，可能是受公眾所處區(qū)域突發(fā)事件危害程度的影響。在突發(fā)公共衛(wèi)生事件暴發(fā)的中心區(qū)域，公眾往往更關(guān)注與事件直接相關(guān)和與生命健康直接相關(guān)的政策和信息，而對于受突發(fā)公共衛(wèi)生事件影響比較不嚴(yán)重的區(qū)域，公眾對于相關(guān)應(yīng)急政策的關(guān)注度可能更高，并且其關(guān)注度因所處區(qū)域的經(jīng)濟發(fā)展水平、教育資源水平、地理位置等其他因素的影響，即在突發(fā)公共衛(wèi)生事件影響的外圍區(qū)域，公眾對于應(yīng)急政策的情緒反饋往往是公眾基于其所處現(xiàn)狀權(quán)衡政策利弊之后的情緒表達。

(二)政策建議與未來展望

基于數(shù)據(jù)分析及現(xiàn)實討論，本研究嘗試從公眾情緒回應(yīng)和區(qū)域具體分析兩個維度，結(jié)合現(xiàn)有研究成果及其相關(guān)學(xué)理分析，探尋可能有效提升突發(fā)公共衛(wèi)生事件背景下公共政策出臺科學(xué)性和執(zhí)行高效性的因素，并為突發(fā)公共衛(wèi)生事件背景下公共政策出臺提供參考建議。

1.主動關(guān)注公眾情緒性反饋，以人為本提升政策配合積極性

公眾的情緒反饋是公眾對于社會現(xiàn)實情境的感受和體會，也是其表達個人需求和期盼的方式和途徑。在突發(fā)公共衛(wèi)生事件背景下，政府往往面臨著千頭萬緒的應(yīng)急工作，借助公眾的眼睛發(fā)現(xiàn)社會風(fēng)險、尋求治理痛點、快速開展應(yīng)急預(yù)案不失為有效之舉。不僅如此，通過關(guān)注公眾在危機情境下的情緒反饋，還可以幫助政府厘清何為公眾所需、何為公眾所急、何為公眾所盼等問題，從而確保政府的應(yīng)急政策更具人性化和精準(zhǔn)化。因此，越是在危機關(guān)頭，政府越應(yīng)當(dāng)主動關(guān)注公眾的情緒表達和情緒需求。具體而言，政府可以通過暢通線上線下民意征集平臺、組建現(xiàn)代化信息服務(wù)隊伍、主動公開危機相關(guān)信息、盡快盡早回應(yīng)公眾情緒等方式釋放政策信號，尋求公眾理解與配合。

2.打破區(qū)域一統(tǒng)化政策模式，因地制宜提升靶向治理精準(zhǔn)度

我國幅員遼闊，經(jīng)濟發(fā)展差異大、文化蘊意內(nèi)涵豐富，不同地區(qū)之間都各具特色、各有千秋，具體受到突發(fā)公共衛(wèi)生事件的影響也千差萬別。因此地方政府在遵循國家統(tǒng)一應(yīng)急方案的基礎(chǔ)上，也可以結(jié)合地方實際情況，因地制宜調(diào)整政策目標(biāo)，既不過分嚴(yán)苛，也不松懈怠慢，使政策能夠真真正正適配當(dāng)?shù)貞?yīng)急需求、造福地方公眾。具體而言，地方政策調(diào)試過程中可以考慮突發(fā)公共衛(wèi)生事件整體的危害性與地區(qū)現(xiàn)實影響程度、地區(qū)政策執(zhí)行條件與公眾日常生活需求之間的平衡關(guān)系，根據(jù)城市特征和公眾需求開展精細化管理和服務(wù)工作，以實現(xiàn)精準(zhǔn)化和人性化治理。

總體而言，本研究基于疫情期間公眾對“延遲開學(xué)”政策的情緒反饋及其影響因素開展研究，為探索突發(fā)公共衛(wèi)生事件下公眾的情緒影響因素提供了一種研究方法。但是更加具體的影響因素還需要結(jié)合更多危機事件響應(yīng)政策和公眾情緒數(shù)據(jù)進行多維度論證，包括但不限于結(jié)合線上和線下的公眾情緒分析，細化地域經(jīng)濟發(fā)展水平、疫情防控政策等。此外，本研究僅從客觀因素上探究了不同地區(qū)公眾對于“延遲開學(xué)”政策的情緒反饋差異，但具體的影響機理尚未明確，這也是后續(xù)研究值得繼續(xù)探討的焦點。