張軒宇　陳曦　肖人彬

摘要： 后真相時代群體立場的對立加劇和媒體公信力的下降導(dǎo)致敵意媒體效應(yīng)凸顯。為揭示敵意媒體效應(yīng)對輿論形成的影響，探究輿論群體和大眾媒體之間的互動機制，提出一種考慮媒體敵意和意見領(lǐng)袖的觀點演化模型，并進行仿真實驗。仿真結(jié)果與分析表明，媒體的真實觀點、群體與媒體的交流概率、極端意見領(lǐng)袖的比例等因素都會調(diào)節(jié)群體的極化程度。結(jié)果從定量角度揭示了敵意媒體效應(yīng)的存在會對輿論形成，尤其是群體極化的加劇造成重要影響。

關(guān)鍵詞： 后真相；觀點演化；敵意媒體效應(yīng)；意見領(lǐng)袖；大眾媒體

中圖分類號： TP391.9文獻標(biāo)識碼： A

Modeling and Simulation of Opinion Evolution Based on Hostile Media Effect in the Post-truth Era

ZHANG Xuanyu，CHEN Xi，XIAO Renbin

Abstract：In the post-truth era， the intensified antagonism between different groups and the decline of media credibility could lead to the prominent effect of hostile media effect. To reveal the influence of hostile media effect on the public opinion formation， we explore the interaction mechanism between opinion groups and mass media and propose an opinion dynamics model that considers media hostility and opinion leaders. We finally conduct simulation experiments on the model. The simulation results and analysis show that the real opinion of media， the probability of communication between groups and media， and the proportion of extreme opinion leaders can mediate the degree of group polarization. The results reveal quantitatively that the existence of hostile media effect has an important influence on the formation of public opinion， especially on the intensification of group polarization.

Key words： post-truth; opinion evolution; the hostile media effect; opinion leader; mass media

0 引言

隨著新媒體技術(shù)的發(fā)展，在線網(wǎng)絡(luò)社交平臺已然成為輿論傳播的新主場。人們不僅可以自由參與話題討論，還可以成為話題討論的發(fā)起人。然而，互聯(lián)網(wǎng)在賦予網(wǎng)絡(luò)民眾更大的話語自主權(quán)的同時，也讓輿論傳播變得更加復(fù)雜莫測。目前中國網(wǎng)絡(luò)輿論已具有后真相的某些特征，一方面，針對諸多議題的輿論在信息繭房、意見領(lǐng)袖的作用下變得越來越極化，不同群體的觀點越來越對立［1-2］。另一方面，新聞反轉(zhuǎn)事件頻發(fā)，侵蝕著大眾媒體的公信力［3］。群體立場的對立加劇與大眾媒體公信力的下降大大增加了公眾對媒體報道的偏見，進一步削弱了媒體在公眾中的影響力水平。敵意媒體效應(yīng)在后真相時代凸顯，增大了輿論傳播的復(fù)雜性與不確定性。

敵意媒體效應(yīng)是指“對某一問題有預(yù)先存在的強烈態(tài)度的個人傾向于認(rèn)為，對某話題表面上中立公正的媒體報道其實是對自己一方有偏見的，而有利于對立方的觀點”［4］。自1985年學(xué)者Vallone進行了針對該效應(yīng)的開創(chuàng)性研究［5］，后續(xù)研究便在西方政治領(lǐng)域展開。這些研究檢驗了效應(yīng)在媒體受眾中的存在性［6］，探究了調(diào)節(jié)因素［7］以及導(dǎo)致的結(jié)果［8］等。國內(nèi)學(xué)者針對敵意媒體效應(yīng)的研究起步較晚，重點討論了其在中國輿情環(huán)境下的本土化適用情況［9-11］。然而，這些研究都以定性為主，缺乏針對該效應(yīng)的定量化描述。另外，盡管已有學(xué)者對敵意媒體效應(yīng)如何影響輿論，特別是如何導(dǎo)致個體的態(tài)度極化進行了推測和實證調(diào)查［4，12］，但是相關(guān)研究缺乏對輿論群體和大眾媒體之間互動機制的量化考察。

在過去幾十年里，從統(tǒng)計物理和計算機仿真視角出發(fā)，用定量方法探究人類社會的種種復(fù)雜現(xiàn)象成為了一種研究范式［13］。作為其中一個熱點研究領(lǐng)域，觀點演化研究關(guān)注的是微觀層面的個體觀點交互如何涌現(xiàn)出宏觀層面的公共輿論。經(jīng)典的觀點演化模型根據(jù)個體觀點取值方式的不同分為離散模型和連續(xù)模型。離散模型如Voter模型［14］、Snajd模型［15］等假設(shè)個體觀點只有若干離散取值而適用于描述決策、投票、行動等情況。連續(xù)觀點演化模型如HK模型［16］、Deffuant模型［17］等則假設(shè)個體觀點是某個實數(shù)范圍內(nèi)的連續(xù)值，這類模型由于能夠描述觀點的連續(xù)變化而受到了更廣泛的應(yīng)用，如建?；芈暿倚?yīng)［18］、輿論反轉(zhuǎn)［19］等。觀點演化中的一個研究重點是媒體效果，目前已有大量研究考察了媒體對輿論形成的影響［20-21］；另一個研究重點則是個體偏見，眾多學(xué)者都對個體與個體之間的觀點交互偏見進行了建模，如偏頗吸收［22］、確認(rèn)偏見［23］等。盡管針對媒體效果和個體偏見的研究有很多，但是涉及個體對媒體的偏見卻幾乎無人建模研究。

鑒于目前關(guān)于敵意媒體效應(yīng)及其影響的定量研究存在欠缺，以及觀點演化研究中缺乏對媒體偏見的描述，本文以觀點演化模型為定量研究工具，從受眾感知的媒體偏見出發(fā)，研究后真相時代背景下，受敵意媒體效應(yīng)影響的輿論形成過程。特別是針對網(wǎng)絡(luò)輿論的熱點議題如生育、教育減負(fù)等，在觀點改變過程中引入“群體認(rèn)同”以及“話題卷入”作為調(diào)節(jié)效應(yīng)強度的個體變量。另外，考慮到每個社會個體都嵌于特定的社交網(wǎng)絡(luò)之中以及意見領(lǐng)袖會對社會群體分化與凝聚產(chǎn)生的引導(dǎo)作用，本文還在觀點演化模型中加入了社交網(wǎng)絡(luò)以及意見領(lǐng)袖，從而能夠更全面地了解大眾媒體在網(wǎng)絡(luò)輿論形成中的作用與效果。

1 關(guān)于媒體敵意感知的分析

1.1 敵意媒體效應(yīng)

敵意媒體效應(yīng)在1985年由Vallone等學(xué)者［5］在觀察到黎以戰(zhàn)爭中不同派別對媒體報道的感知差異后總結(jié)提出。他們觀察到不管是親以色列者還是親巴勒斯坦者都認(rèn)為媒體對待自己的派別存在偏見［5］。值得注意的是，許多現(xiàn)實中的新聞報道從絕對意義上來看確實存在偏向性，但雙方感知到的偏向強度存在差異?；谶@一考慮，Gunther等［24］學(xué)者對敵意媒體效應(yīng)的概念進行了擴展，即“相對敵意媒體效應(yīng)”。

圖1描述了敵意媒體效應(yīng)的整個過程。當(dāng)對某個話題具有預(yù)先強烈態(tài)度的個體接觸到相關(guān)新聞報道時，（相對）敵意媒體效應(yīng)就有可能出現(xiàn)。對于這種偏見出現(xiàn)的原因，學(xué)者們提出了4種可能的心理學(xué)機制：1）選擇性回憶，即具有預(yù)先強烈態(tài)度的個體能夠回憶出更多的與自己立場相反的信息；2）選擇性分類，即個體從自己的角度出發(fā)，將更多的信息歸類為對自己立場不利的；3）不同的標(biāo)準(zhǔn)，個體從自己的立場出發(fā)對媒體報道采用不同的評價標(biāo)準(zhǔn)；4）對媒體偏見的預(yù)先信念，即個體利用對媒體的消極信念和態(tài)度來評價涉及特定問題的報道［4，25-26］。

值得注意的是，在相關(guān)研究中，不同場景下不同個體報告出來的媒體偏見強度并不相同。因此，調(diào)節(jié)敵意媒體效應(yīng)強度的因素也受到了學(xué)者們的深入研究［4］。證據(jù)表明，媒體觀點的影響范圍被視為個體感知媒體敵意的一個重要調(diào)節(jié)因素，當(dāng)受眾認(rèn)為信息會廣泛傳播并對他人產(chǎn)生影響時，敵意媒體效應(yīng)就會出現(xiàn)［27］。卷入是調(diào)節(jié)該效應(yīng)強度的又一因素，衡量個體對于輿論話題的參與程度，Hansen等［7］利用薈萃分析研究了卷入與敵意媒體效應(yīng)的相關(guān)關(guān)系，發(fā)現(xiàn)隨著個體越來越多地參與到話題中效應(yīng)量會顯著增加。除此之外，群體認(rèn)同也是該效應(yīng)的一個重要調(diào)節(jié)變量：群體認(rèn)同感強烈的個體對媒體敵意的感知更為顯著［28］。

從媒體偏見如何影響輿論開始，許多學(xué)者還探究了敵意媒體效應(yīng)導(dǎo)致的可能后果［4］。已有研究指出對媒體的敵意感知會推動個人采取糾正行動［8］，還會促使新聞報道中涉及爭議問題的沖突團體的成員采取一種極化的溝通風(fēng)格，如夸張和無禮等［29］。除此之外，感知到的媒體偏見還可能降低政治效能，減少公眾對大眾媒體甚至民主的信任［30］。

1.2 意見領(lǐng)袖與媒體敵意

在二級傳播理論中，“意見領(lǐng)袖”被定義為大眾傳播與受眾之間的中間角色。進入新媒體時代后，他們改變傳統(tǒng)傳播話語權(quán)力圖景，兼具信息源、信息橋、信息傳播媒介等多種功能［31］。在現(xiàn)實生活中，意見領(lǐng)袖與普通大眾相比往往具有更高的社會影響力和人際交往能力。意見領(lǐng)袖對意見群體的影響十分顯著，可歸結(jié)為凝聚和分化兩個方面［32］：他們作為意見群體中的核心人物，能夠推動網(wǎng)絡(luò)意見圈群形成內(nèi)部共識，然而由于這種圈群具有一定封閉性和排他性，意見領(lǐng)袖的存在間接導(dǎo)致了群體與群體之間的分化［33］。對于媒體敵意而言，有學(xué)者指出，意見領(lǐng)袖作為某行業(yè)的權(quán)威人士，往往具有高卷入群體的諸多特征［34］，因而能夠感知到更多的媒體敵意。還有學(xué)者指出，在后真相時代，一些意見領(lǐng)袖能夠利用信息中的敏感點煽動受眾情緒，使他們形成自己的強烈立場，從而導(dǎo)致了他們對持中立態(tài)度媒體的偏見，這部分解釋了大眾媒體公信力下降的原因［10］。

2 基于敵意媒體效應(yīng)的觀點演化模型

本節(jié)建立基于敵意媒體效應(yīng)的觀點演化模型。首先對個體交互所依賴的社交網(wǎng)絡(luò)以及相關(guān)度量指標(biāo)進行了形式化描述，并對個體屬性如觀點、社會認(rèn)同、卷入程度等變量加以定義。其次，根據(jù)觀點是否帶有偏向性，對敵意媒體觀點以及相對敵意媒體觀點進行了建模。再次，根據(jù)社會判斷理論建立了個體與個體之間的觀點交互規(guī)則和個體與敵意媒體之間的觀點交互規(guī)則。最后，對意見領(lǐng)袖的識別方式進行了說明并建模了意見領(lǐng)袖對普通群體的作用形式。

2.1 交互網(wǎng)絡(luò)與個體屬性

由于真實的觀點演化過程需要在社交網(wǎng)絡(luò)中進行，因此需要對個體交互網(wǎng)絡(luò)進行描述。設(shè)G=（V，E）表示一個無向網(wǎng)絡(luò)，其中節(jié)點集V表示社會交互個體的集合，連邊集E∈V×V表示個體之間社會關(guān)系的集合。N=|V|表示網(wǎng)絡(luò)規(guī)模，也即參與觀點演化的總個體數(shù)?！磌〉=2|E|V表示網(wǎng)絡(luò)的平均節(jié)點度，衡量每個個體平均與多少其他個體具有聯(lián)系。

在本文中，每個社會交互個體i都有連續(xù)型觀點變量xi∈［-1，1］，觀點變量的范圍邊界表示對話題的兩種截然不同的態(tài)度，如+1表示完全支持，-1表示完全反對，0表示完全中立。本文假設(shè)觀點變量為正數(shù)則個體被劃分為支持派，觀點變量為負(fù)數(shù)則個體被劃分為反對派。定義每個個體的社會認(rèn)同感θi∈［0，1］，衡量自己在多大程度上屬于支持派或反對派，定義為

（1）

其中，xneut為中立的觀點變量，在本文中為0，xextr為極端的觀點變量，在本文中為±1。研究表明，對于以對社會問題的態(tài)度劃分的群體，態(tài)度強度可以用來衡量社會認(rèn)同強度［35］，公式（1）本質(zhì)上定義了個體觀點的強度，因此在本文語境中用來描述社會認(rèn)同強度是合理的。另外考慮到個體在話題中的卷入程度會影響其對大眾媒體敵意的感知，本文還假設(shè)每個個體i具有一個［0，1］上連續(xù)取值的卷入變量δi，衡量話題在多大程度上與自己相關(guān)。

2.2 媒體敵意感知建模

首先需要對媒體觀點進行描述。設(shè)媒體觀點值為xm，媒體能夠影響的個體范圍為所有個體?？紤]到敵意媒體效應(yīng)描述的是個體對客觀均衡的媒體觀點的偏見，并且受到話題卷入和社會認(rèn)同的調(diào)節(jié)，構(gòu)建與媒體真實觀點存在差異的敵意媒體觀點x*m為

（2）

其中，xm在敵意媒體效應(yīng)情形下表示客觀均衡的媒體觀點，在本文中設(shè)置為0。δi表示個體i的話題卷入度。θi表示社會認(rèn)同程度，可由式（1）計算而來。sign函數(shù)為符號函數(shù)，signxi標(biāo)識了個體觀點的傾向性。在相對敵意媒體效應(yīng)情形下，媒體觀點不再是客觀均衡的，而具有明顯偏向性，并且觀點對立雙方都承認(rèn)媒體觀點具有對某一方的偏向，這導(dǎo)致了與敵意媒體效應(yīng)中雙方認(rèn)為媒體觀點具有不同方向偏向性完全不同的景象。因而構(gòu)建相對敵意媒體觀點x*m為

2.4 意見領(lǐng)袖建模

新媒體時代的意見領(lǐng)袖通常是一些具有大量粉絲追隨者的自媒體，微博大V等，但與大眾媒體相比他們的影響力以及影響范圍仍相對較小。本文依據(jù)復(fù)雜網(wǎng)絡(luò)節(jié)點重要性度量指標(biāo)中的度中心性識別意見領(lǐng)袖［36］，在群體中設(shè)置度中心性最高的若干個體為意見領(lǐng)袖，其比例定義為q，同時區(qū)分不同派別如支持派、反對派意見領(lǐng)袖，在群體中的比例分別為q+和q-，其他個體為普通個體。極端意見領(lǐng)袖的觀點通常不易發(fā)生動搖且較為極端，因此設(shè)置支持派意見領(lǐng)袖觀點為+1，反對派意見領(lǐng)袖觀點為-1，并且均不會發(fā)生改變。意見領(lǐng)袖在群體中通常發(fā)揮著引導(dǎo)與分化的作用［32］，因而假設(shè)普通個體會無條件受到相同派別意見領(lǐng)袖觀點的吸引，以及對立派別意見領(lǐng)袖觀點的排斥。

3 仿真實驗與分析

現(xiàn)實世界的社交網(wǎng)絡(luò)通常符合無標(biāo)度、小世界等復(fù)雜網(wǎng)絡(luò)特性［36］，本文選取無標(biāo)度網(wǎng)絡(luò)作為個體之間交流的底層網(wǎng)絡(luò)。網(wǎng)絡(luò)總規(guī)模N設(shè)置為1 000，網(wǎng)絡(luò)的連邊總數(shù)設(shè)置為29 535，因而平均節(jié)點度〈k〉=59.07。本文假設(shè)個體的初始觀點服從［-1，1］上的均勻分布。對于信任閾值和排斥閾值的選取問題，盡管社會心理學(xué)有研究中對個體的信任區(qū)間和排斥區(qū)間進行了量化，但這些研究并不具有拓展性和一般性?？紤]到觀點吸引通常發(fā)生在個體間態(tài)度差異較小的時候，觀點排斥發(fā)生在個體態(tài)度差異較大的時候，因此充分考慮個體的異質(zhì)性后，設(shè)置本文的信任閾值在［0.4，-0.8］上均勻分布，排斥閾值在［1，-1.4］上均勻分布。由于卷入程度在概念定義上具有一定的復(fù)雜性，并且在量化方面存在困難［4］，現(xiàn)實缺乏對卷入變量的統(tǒng)計數(shù)據(jù)。本文設(shè)置該變量為［0，1］上的均勻分布。眾多基于信任閾值和排斥閾值的觀點演化研究表明，同質(zhì)化的收斂系數(shù)主要決定了觀點演化速率，而對觀點演化的趨勢影響不大。為消除收斂系數(shù)對實驗的影響，本文僅僅根據(jù)文獻［37］中的設(shè)置方式，將收斂系數(shù)μ設(shè)置為0.1。

3.1 仿真流程

設(shè)置實驗仿真的總時長為T=1 000 000個離散時刻。仿真流程如圖2所示，在初始時刻，初始化網(wǎng)絡(luò)參數(shù)如節(jié)點數(shù)、連邊數(shù)等、個體參數(shù)如初始觀點、信任閾值等，根據(jù)2.4節(jié)的規(guī)則隨機設(shè)置意見領(lǐng)袖。在以后的每一個離散時刻，隨機選擇網(wǎng)絡(luò)中的一個非意見領(lǐng)袖個體，記為i，根據(jù)與媒體交流頻率p判斷是否與媒體進行交流。若個體i選擇與媒體交流，首先需要根據(jù)媒體觀點值計算個體感知到的敵意媒體觀點，若媒體觀點是客觀均衡的（xm=0），則個體感知到的敵意媒體觀點按照式（2）進行計算；若媒體觀點是有偏向性的，則個體感知到的敵意媒體觀點按照式（3）進行計算，而后個體i根據(jù)式（5）改變觀點。若個體i選擇不與媒體交流，則與其有連接的其他任一個體j進行觀點交互，若j為普通個體則按照式（4）更新觀點，若j為意見領(lǐng)袖則根據(jù)2.4節(jié)中的規(guī)則更新觀點。為了消除仿真實驗的偶然性，所有仿真結(jié)果均取50次運行結(jié)果的平均值。

3.2 仿真實驗結(jié)果與分析

本節(jié)基于第2節(jié)建立的觀點演化模型對后真相時代敵意媒體效應(yīng)的影響進行了探究。為了衡量媒體的引導(dǎo)效果，本文引入群體觀點與媒體觀點的平均觀點差異指標(biāo)（后文都以平均觀點差異指標(biāo)代替），定義為

（6）

其中，xi為個體i的最終觀點，xm為媒體真實觀點，N為總個體數(shù)。另外，本文還定義個體最終觀點值xi>0.95的個體為觀點極端個體，通過觀察極端個體的數(shù)量探究敵意媒體效應(yīng)對群體觀點極化的影響。

3.2.1 敵意媒體效應(yīng)的影響

本節(jié)討論在沒有意見領(lǐng)袖參與時，敵意媒體效應(yīng)在不同的個體與媒體交流概率下對群體觀點演化的影響。設(shè)置意見領(lǐng)袖比例q=0，媒體觀點xm=0，個體與媒體交流的概率以0.1的間隔從0.1增加到0.9，敵意媒體觀點按照式（2）進行計算。實驗結(jié)果如圖3所示。

如圖3a，3b所示，存在媒體時，隨著與媒體交流頻率的增加，無論是否存在媒體敵意，都可以觀察到最終極端個體數(shù)和平均觀點差異的總體下降趨勢，并且總小于無媒體引導(dǎo)時的情況。而與不存在媒體敵意的情況相比，對媒體敵意的感知導(dǎo)致了更多極端個體，以及更大的平均觀點差異，并且這種媒體敵意感知的負(fù)面效應(yīng)呈現(xiàn)出先增大后減小的趨勢。這是因為當(dāng)個體存在對媒體的敵意時，個體觀點與感知到的媒體觀點的差異會大大增加，當(dāng)差異超越了排斥閾值便會造成排斥效應(yīng)，導(dǎo)致個體向更極端的觀點偏離，從而產(chǎn)生了更大程度的群體極化，這一結(jié)論也通過圖3c，3d得到進一步證實。圖3c，3d在兩種與媒體的交流概率下（圖3c中p=0.2，圖3d中p=0.7）對比了有無媒體敵意時的最終觀點分布。

3.2.2 相對敵意媒體效應(yīng)的影響

本節(jié)探究沒有意見領(lǐng)袖參與時，相對敵意媒體效應(yīng)對觀點演化的影響，設(shè)置意見領(lǐng)袖比例為q=0，媒體真實觀點：xm=0.5，相對敵意媒體觀點按照式（3）計算。個體與媒體交流的概率仍以0.1的間隔從0.1增加到0.9，實驗結(jié)果如圖4所示。

如圖4a、4b所示，在有媒體存在的情況下，隨著與媒體交流概率的增加，仍能觀察到群體的最終極端個體數(shù)和平均觀點差異的下降趨勢。在圖4a中，當(dāng)p<0.5時，與不存在媒體敵意的情形相比，相對敵意媒體效應(yīng)導(dǎo)致了更多的極端個體，但當(dāng)p>0.5時，兩種情況下這一指標(biāo)逐漸持平。圖4b展示了平均觀點差異隨p的變化而變化的情況，與不存在媒體敵意的情形相比，在p=0.45前后，相對敵意媒體效應(yīng)分別增大、減小了群體與媒體觀點的差異。這樣的結(jié)果可以通過圖4d得到說明。由圖4d可知，在相對敵意媒體不存在時，負(fù)向觀點會受到排斥作用而到達負(fù)向極端觀點-1附近，正向觀點也會受到負(fù)向觀點的排斥效應(yīng)和媒體觀點的吸收效應(yīng)從而最終分布在［0.5，-1］之間；當(dāng)相對敵意媒體效應(yīng)存在時，持正向觀點的群體由于感知到相對媒體敵意，因此媒體的吸引作用會導(dǎo)致他們的觀點整體左移而分布于媒體觀點附近。作為對比，圖4c展示了與媒體的交流概率p=0.7，是否存在相對敵意媒體效應(yīng)這兩種情形下的最終觀點分布。

3.2.3 意見領(lǐng)袖存在時敵意媒體效應(yīng)的影響

后真相時代意見領(lǐng)袖通過煽動受眾情緒，使之形成自己的強烈立場，導(dǎo)致了他們對大眾媒體更大的偏見。本節(jié)探究后真相時代的意見領(lǐng)袖和敵意媒體效應(yīng)對輿論形成的影響，設(shè)置客觀均衡的媒體觀點xm=0，個體感知的敵意媒體觀點按照式（2）進行計算，與媒體交流概率p=0.5，實驗結(jié)果如圖5，6所示。

本節(jié)首先討論無意見領(lǐng)袖無媒體敵意，有意見領(lǐng)袖無媒體敵意，無意見領(lǐng)袖有媒體敵意，有意見領(lǐng)袖有媒體敵意4種情況下極端個體數(shù)和平均觀點差異隨媒體干預(yù)時機的變化而變化的結(jié)果。設(shè)置意見領(lǐng)袖比例q=0.1，其中支持、反對派意見領(lǐng)袖比例q+=0.05，q-=0.05。媒體干預(yù)時機是指媒體發(fā)表自己觀點的時間，也即媒體進行引導(dǎo)的時機，這里用仿真的離散時刻進行表示，只有大眾媒體發(fā)表觀點后，群體才會受到媒體觀點的影響。仿真結(jié)果如圖5所示。對比4種情況后可以發(fā)現(xiàn)，媒體干預(yù)時機的延后導(dǎo)致了最終極端個體數(shù)和平均觀點差異的總體上升趨勢，這說明若媒體干預(yù)輿論的時機太晚，一旦輿論產(chǎn)生嚴(yán)重的極化，媒體引導(dǎo)的效果將會很差。極端意見領(lǐng)袖以及敵意媒體效應(yīng)的存在則會限制媒體報道的引導(dǎo)效果，導(dǎo)致更多的極端個體和更大的平均觀點差異。此外，當(dāng)媒體干預(yù)時機較晚（>10*5 000步）時，極端意見領(lǐng)袖的存在反而略微減弱了最終群體觀點的極化程度。

圖6對比了存在個體對媒體的敵意感知時，不同意見領(lǐng)袖比例（支持、反對派意見領(lǐng)袖比例均相等）和與媒體交流概率對最終極端個體數(shù)以及平均觀點差異的影響。選取媒體干預(yù)時機為第5 000個離散時刻。由圖6可知，當(dāng)群體與媒體交流的概率較小時（p=0.1，0.2），最終極端個體數(shù)和平均觀點差異并不會隨著意見領(lǐng)袖比例的增加產(chǎn)生太大變化，而總是維持在一個相對較高的水平。群體與媒體交流概率逐漸增大后（p>0.2），意見領(lǐng)袖比例的影響逐漸顯著：隨著比例的增加，兩個指標(biāo)均出現(xiàn)了顯著的上升趨勢。圖6的總體效果可以概括為意見領(lǐng)袖的增加會削弱大眾媒體的引導(dǎo)效果。

3.2.4 意見領(lǐng)袖存在時相對敵意媒體效應(yīng)的影響

本節(jié)進一步考察意見領(lǐng)袖和相對敵意媒體效應(yīng)對輿論形成的影響，設(shè)置帶有偏向性的媒體觀點xm=0.5，個體感知的相對敵意媒體觀點按照公式（3）進行計算，與媒體交流概率p=0.5，意見領(lǐng)袖的比例仍設(shè)置為q=0.1，支持、反對派意見領(lǐng)袖比例仍設(shè)置為q+=0.05，q-=0.05。實驗結(jié)果如圖7，8所示。

如圖7所示，隨著媒體干預(yù)時機的延后，盡管4種情況（無意見領(lǐng)袖無媒體敵意，有意見領(lǐng)袖無媒體敵意，無意見領(lǐng)袖有媒體敵意，有意見領(lǐng)袖有媒體敵意）下，最終極端個體數(shù)量和平均觀點差異都增加了，但與圖5中展示的均衡媒體觀點的4種情況相比，變化幅度并不十分顯著。另外，當(dāng)意見領(lǐng)袖和相對敵意媒體效應(yīng)同時作用于觀點演化過程時，兩者對輿論極化的負(fù)面影響十分顯著，均導(dǎo)致了更多的最終極端個體和更大的平均觀點差異。圖8考察了在不同的與媒體交流概率下，相對敵意媒體效應(yīng)存在時意見領(lǐng)袖比例的變化造成的媒體效果的變化情況。仿真結(jié)果顯示，盡管意見領(lǐng)袖比例的增加導(dǎo)致了最終極端個體數(shù)以及平均觀點差異的增加，但這種影響效果僅在p=0.5附近時較為顯著?？偨Y(jié)而言，在相對敵意媒體效應(yīng)的影響下，意見領(lǐng)袖的存在也會導(dǎo)致媒體引導(dǎo)效果的削弱。

4 結(jié)論

本文首先分析了敵意媒體效應(yīng)的過程。其次，分別在媒體報道中立和帶有偏向性兩種情況下對敵意媒體觀點進行了建模，并建立了考慮媒體敵意和意見領(lǐng)袖的觀點演化模型。最后對所建立的觀點演化模型進行了仿真實驗，研究了后真相時代存在媒體偏見時，意見領(lǐng)袖和大眾媒體對輿論形成的影響作用。本文研究得到的結(jié)論可以概括為以下幾點：

1）敵意媒體效應(yīng)對群體觀點極化的作用不僅受到媒體真實觀點偏向性的影響，還受到群體與媒體交流頻率的調(diào)節(jié)。具體表現(xiàn)為：當(dāng)媒體報道表現(xiàn)得客觀均衡時，與不存在媒體敵意的情況相比，群體對媒體的敵意導(dǎo)致了更大程度的觀點極化，而隨著群體與媒體交流頻率的增加，這種負(fù)面影響的程度呈現(xiàn)出先增后減的趨勢；當(dāng)媒體報道表現(xiàn)出具有一定偏向性時，與不存在媒體敵意的情況相比，群體與媒體交流的頻率決定了媒體效果的好壞。與媒體交流的頻率較小時（p<0.45），媒體敵意導(dǎo)致了更大程度的觀點極化，而與媒體交流的頻率較大時（p>0.45），群體觀點極化程度卻變小了。

2）后真相時代背景下，無論媒體報道是客觀均衡還是帶有偏向性，極端意見領(lǐng)袖通過不斷宣揚自己的極端觀點強化了公眾對媒體的偏見，導(dǎo)致了群體中更大程度的極化，但這種極化會受到媒體干預(yù)時機的調(diào)節(jié)。具體表現(xiàn)為：媒體干預(yù)時機的延后會導(dǎo)致最終更多的極端個體和更大的平均觀點差異；當(dāng)媒體報道客觀均衡且媒體干預(yù)時機較晚（>10*5 000步）時，極端意見領(lǐng)袖的存在反而略微的減弱了最終群體觀點的極化程度；在具有偏向性的媒體報道的情況下群體極化程度對媒體干預(yù)時機的變化更加敏感。

3）當(dāng)存在媒體敵意時，總體而言，隨著極端意見領(lǐng)袖數(shù)量的增加，無論是客觀均衡還是帶有一定偏向性的媒體報道都更難以說服群眾，群體觀點極化程度都呈現(xiàn)增強的趨勢。

以上研究和結(jié)論，定量地揭示了敵意媒體效應(yīng)凸顯的后真相時代，意見領(lǐng)袖、大眾媒體對輿論形成的影響作用。盡管隨著新媒體技術(shù)的發(fā)展，大眾媒體，如電視、報紙等在我們的生活中作為信息源的占比在逐漸減小，但是目前來看它們?nèi)允钱?dāng)今公眾獲取信息、開拓視野的重要渠道。后真相時代許多互聯(lián)網(wǎng)意見領(lǐng)袖為博取流量，常常會發(fā)表一些極端觀點迎合公眾想象，這導(dǎo)致了一部分極端群體的形成，對社會穩(wěn)定造成威脅。而主流大眾媒體常常發(fā)揮著輿論引導(dǎo)的重要作用，以應(yīng)對輿論中的非理性聲音，防止輿論向失控的方向發(fā)展。本研究有助于更深入地理解輿論形成中極端意見領(lǐng)袖和媒體偏見對媒體效果的負(fù)面影響作用，為相關(guān)領(lǐng)域?qū)W者提供關(guān)于媒體效果研究的新思路。

參考文獻：

［1］陳宇，張麗，王洛忠.網(wǎng)絡(luò)時代鄰避集群行為演化機理——基于信息繭房的分析［J］.中國行政管理，2021（10）：106-114.

CHEN Y， ZHANG L， WANG L Z. Mechanism for evolution of NIMBY behavior in the internet age： analysis based on information cocoon［J］. Chinese Public Administration， 2021（10）： 106-114.

［2］申金霞，萬旭婷.網(wǎng)絡(luò)圈層化背景下群體極化的特征及形成機制——基于“2·27事件”的微博評論分析［J］.現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2021，43（8）：55-61.

SHEN J X， WAN X T. Characteristics and formation mechanism of group polarization in the context of network stratification： an analysis of weibo comments based on "2.27 event"［J］. Modern Communication， 2021， 43（8）： 55-61.

［3］錢亦蕉.后真相時代反轉(zhuǎn)現(xiàn)象剖析及主流媒體的應(yīng)對［J］.青年記者，2020（13）：47-49.

QIAN Y J. Analysis of reversal phenomenon and response of mainstream media in post-truth era［J］. Youth Journalist， 2020（13）： 47-49.

［4］PERLOFF R M. A three-decade retrospective on the hostile media effect［J］. Mass Communication and Society， 2015， 18（6）： 701-729.

［5］VALLONE R P， ROSS L， LEPPER M R. The hostile media phenomenon： biased perception and perceptions of media bias in coverage of the Beirut massacre［J］. Journal of Personality andSocial Psychology， 1985， 49（3）： 577-585.

［6］ARPAN L M， RANEY A A. An experimental investigation of news source and the hostile media effect［J］. Journalism & Mass Communication Quarterly， 2003， 80（2）： 265-281.

［7］HANSEN G J， KIM H. Is the media biased against me？ a meta-analysis of the hostile media effect research［J］. Communication Research Reports， 2011， 28（2）： 169-179.

［8］BARNIDGE M， ROJAS H. Hostile media perceptions， presumed media influence， and political talk： expanding the corrective action hypothesis［J］. International Journal of Public Opinion Research， 2014， 26（2）： 135-156.

［9］劉杉，方明豪.敵意媒體效應(yīng)的本土化解讀：適用與拓展［J］.文化學(xué)刊，2013（3）：139-144.

LIU S， FANG M H. Localization of hostile media effect： application and extension［J］. Culture Journal， 2013（3）： 139-144.

［10］ 余紅，李婳婳.敵意媒體效應(yīng)的溯源、沿革和本土化［J］.新聞界，2018（7）：11-17.

YU H， LI H H. The origin， evolution and localization of hostile media effect［J］. Journalism and Mass Communication Monthly， 2018（7）： 11-17.

［11］ 郭穎.敵意媒介效果研究：問題與本土化適用［J］.理論月刊，2018（11）：156-161.

GUO Y. Research on the hostile media effect： issues and localization［J］. Theory Monthly， 2018（11）： 156-161.

［12］ CROKIDAKIS N. Effects of mass media on opinion spreading in the Sznajd sociophysics model［J］. Physica A： Statistical Mechanics and Its Applications， 2012， 391（4）： 1729-1734.

［13］ CASTELLANO C， FORTUNATO S， LORETO V. Statistical physics of social dynamics［J］. Reviews of Modern Physics， 2009， 81（2）： 591.

［14］ SUCHECKI K， EGULUZ V M， SAN MIGUEL M. Voter model dynamics in complex networks： role of dimensionality， disorder， and degree distribution［J］. Physical Review E， 2005， 72（3）： 036132.

［15］ SZNAJD-WERON K， SZNAJD J. Opinion evolution in closed community［J］. International Journal of Modern Physics C， 2000， 11（6）： 1157-1165.

［16］ HEGSELMANN R， KRAUSE U. Opinion dynamics and bounded confidence models， analysis， and simulation［J］. Journal of Artificial Societies and Social Simulation， 2002， 5（3）： 1-34.

［17］ WEISBUCH G， DEFFUANT G， AMBLARD F， et al. Meet， discuss， and segregate?。跩］. Complexity， 2002， 7（3）： 55-63.

［18］ BAUMANN F， LORENZ-SPREEN P， SOKOLOV I M， et al. Modeling echo chambers and polarization dynamics in social networks［J］. Physical Review Letters， 2020， 124（4）： 048301.

［19］ XIAO R B， Yu T Y， Hou J D.Modeling and simulation of opinion natural reversal dynamics with opinion leader based on HK bounded confidence model［J］. Complexity， 2020， 2020： 7360302.

［20］ CHEN Z， LAN H. Dynamics of public opinion： diverse media and audiences choices［J］. Journal of Artificial Societies and Social Simulation， 2021， 24（2）： 8.

［21］ FAN K， PEDRYCZ W. Evolution of public opinions in closed societies influenced by broadcast media［J］. Physica A： Statistical Mechanics and Its Applications， 2017， 472： 53-66.

［22］ DANDEKAR P， GOEL A， LEE D T. Biased assimilation， homophily， and the dynamics of polarization［J］. Proceedings of the National Academy of Sciences， 2013， 110（15）： 5791-5796.

［23］ NISHI R， MASUDA N. Collective opinion formation model under Bayesian updating andconfirmation bias［J］. Physical Review E， 2013， 87（6）： 062123.

［24］ GUNTHER A C， MILLER N， LIEBHART J L. Assimilation and contrast in a test of the hostile media effect［J］. Communication Research， 2009， 36（6）： 747-764.

［25］ GINER-SOROLLA R， CHAIKEN S. The causes of hostile media judgments［J］. Journal of Experimental Social Psychology， 1994， 30（2）： 165-180.

［26］ SCHMITT K M， GUNTHER A C， LIEBHART J L.Why partisans see mass media as biased［J］. Communication Research， 2004， 31（6）： 623-641.

［27］ GUNTHER A C， SCHMITT K. Mapping boundaries of the hostile media effect［J］. Journal of Communication， 2004， 54（1）： 55-70.

［28］ REID S A. A self-categorization explanation for the hostile media effect［J］. Journal of Communication， 2012， 62（3）： 381-399.

［29］ POST S. Polarizing communication as media effects on antagonists. understanding communication in conflicts in digital media societies［J］. Communication Theory， 2019， 29（2）： 213-235.

［30］ TSFATI Y， COHEN J. Democratic consequences of hostile media perceptions： the case of Gaza settlers［J］. Harvard International Journal of Press/Politics， 2005， 10（4）： 28-51.

［31］ 李彪.微博意見領(lǐng)袖群體“肖像素描”——以40個微博事件中的意見領(lǐng)袖為例［J］.新聞記者，2012（9）：19-25.

LI B. Microblog opinion leader group “Portrait Sketch”： taking opinion leaders in 40 microblog events as examples［J］. Shanghai Journalism Review， 2012（9）： 19-25.

［32］ 王東，劉雪琳.轉(zhuǎn)基因論戰(zhàn)中的偏見同化與敵意感知：意見領(lǐng)袖對派別成員的影響［J］.國際新聞界，2021，43（2）：47-60.

WANG D， LIU X L. Biased assimilation and hostile media effect in the controversy of GM food： the influences of opinion leader［J］. Chinese Journal of Journalism & Communication， 2021， 43（2）： 47-60.

［33］ 蔡騏，曹慧丹.網(wǎng)絡(luò)傳播中意見領(lǐng)袖的行為機制［J］.現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2014，36（12）：112-116.

CAI Q， CAO H D. Behavior mechanism of opinion leaders in network communication［J］. Modern Communication， 2014， 36（12）： 112-116.

［34］ 孫冉冉，曾妮，黃玉嫥.新媒體時代敵意媒體理論的修正與發(fā)展［J］.今傳媒，2020，28（9）：38-43.

SUN R R， ZENG N， HUANG Y Z. Revision and development of hostile media theory in new media era［J］. Today's Massmedia， 2020，28（9）： 38-43.

［35］ HARTMANN T， TANIS M. Examining the hostile media effect as an intergroup phenomenon： the role of ingroup identification and status［J］. Journal of Communication， 2013， 63（3）： 535-555.

［36］ 劉琪，肖人彬.觀點動力學(xué)視角下基于意見領(lǐng)袖的網(wǎng)絡(luò)輿情反轉(zhuǎn)研究［J］.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2019，16（1）：1-13.

LIU Q， XIAO R B. An opinion dynamics approach to public opinion reversion with the guidance of opinion leaders［J］. Complex Systems and Complexity Science， 2019，16（1）： 1-13.

［37］ JAGER W， AMBLARD F. Uniformity， bipolarization and pluriformity captured as generic stylized behavior with an agent-based simulation model of attitude change［J］. Computational & Mathematical Organization Theory， 2005， 10（4）： 295-303.

（責(zé)任編輯 李 進）

收稿日期： 2021-12-02；修回日期：2022-03-05

基金項目： 國家自然科學(xué)基金（71974063）

第一作者： 張軒宇（1996-），男，湖北襄陽人，碩士研究生，主要研究方向為輿論形成、觀點動力學(xué)。

通信作者： 肖人彬（1965-），男，湖北武漢人，博士，教授，主要研究方向為復(fù)雜系統(tǒng)、群智能。