許成斌 夏志杰

摘要：[目的/意義]企業(yè)危機(jī)事件頻發(fā)導(dǎo)致高熱度網(wǎng)絡(luò)輿情不斷涌現(xiàn)，這給企業(yè)處理突發(fā)危機(jī)輿情的能力帶來重大挑戰(zhàn)，因此如何把握危機(jī)輿情熱度生成規(guī)律成為企業(yè)危機(jī)管理中亟待處理的問題。[方法/過程]選擇企業(yè)危機(jī)輿情作為研究對(duì)象，基于拉斯韋爾5W傳播要素理論，運(yùn)用模糊集定性比較分析（fsQCA）方法，基于組態(tài)視角探索5W傳播要素相互作用對(duì)于輿情熱度生成的多條路徑，通過綜合考慮分析傳播要素之間的協(xié)同驅(qū)動(dòng)關(guān)系及作用，試圖厘清企業(yè)危機(jī)事件中網(wǎng)絡(luò)輿情熱度生成的路徑及內(nèi)在機(jī)理。[結(jié)果/結(jié)論]研究發(fā)現(xiàn)：傳播效率中的峰值傳播速度以及信息人中的領(lǐng)袖媒體占比是企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度生成的關(guān)鍵條件，在高熱度生成結(jié)果中，高峰值傳播速度以及高領(lǐng)袖媒體占比發(fā)揮核心驅(qū)動(dòng)作用；在低熱度生成結(jié)果中，低領(lǐng)袖媒體占比發(fā)揮核心驅(qū)動(dòng)作用。各個(gè)傳播要素以多條協(xié)同路徑共同作用于企業(yè)危機(jī)事件輿情熱度生成結(jié)果。

關(guān)鍵詞：企業(yè)危機(jī)事件；網(wǎng)絡(luò)輿情；拉斯韋爾5W；fsQCA

分類號(hào)：G206

引用格式：許成斌， 夏志杰. 企業(yè)危機(jī)事件中網(wǎng)絡(luò)輿情熱度生成影響因素研究——基于60個(gè)企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情案例的fsQCA分析[J/OL]. 知識(shí)管理論壇， 2024， 9（2）： 195-207 [引用日期]. http：//www.kmf.ac.cn/p/387/. （Citation： Xu Chengbin， Xia Zhijie. Research on the Influencing Factors of Online Public Opinion Heat Generation in Corporate Crisis Events： Based on fsQCA Analysis of 60 Online Public Opinion Cases in Corporate Crisis Events[J/OL]. Knowledge Management Forum， 2024， 9（2）： 195-207 [cite date]. http：//www.kmf.ac.cn/p/387/.）

1? 引言/Introduction

在當(dāng)今數(shù)字智能時(shí)代，社交機(jī)器人、ChatGPT以及深度偽造等智能技術(shù)的加入，使得網(wǎng)絡(luò)輿情的傳播發(fā)生了新的變化，網(wǎng)絡(luò)輿情治理也因此變得更為復(fù)雜。企業(yè)危機(jī)事件是指對(duì)企業(yè)生產(chǎn)經(jīng)營(yíng)、業(yè)務(wù)發(fā)展、乃至立身之所具有潛在的重大威脅的事件[1]，其與常規(guī)危機(jī)事件相比所引發(fā)的網(wǎng)絡(luò)輿情傳播速度更快，留給企業(yè)反應(yīng)的時(shí)間較短[2]。危機(jī)事件信息在社交媒體平臺(tái)上迅速擴(kuò)散并衍生，形成以涉事企業(yè)為矛頭指向的危機(jī)網(wǎng)絡(luò)輿情[3]。隨著近年來國(guó)內(nèi)高熱度企業(yè)危機(jī)事件輿情頻發(fā)，有關(guān)企業(yè)危機(jī)輿情的研究也越來越受學(xué)者關(guān)注。

當(dāng)前關(guān)于危機(jī)輿情傳播領(lǐng)域的研究主要包括主體行為、影響因素、傳播機(jī)制以及生成機(jī)理4個(gè)方面：①主體行為領(lǐng)域，何奇龍等[4]通過隨機(jī)演化博弈理論，重點(diǎn)研究網(wǎng)民圈群式分布結(jié)構(gòu)對(duì)突發(fā)危機(jī)事件負(fù)面網(wǎng)絡(luò)輿情演化規(guī)律的影響，主要對(duì)公眾的傳播行為進(jìn)行研究；孫瑞英[5]在主體數(shù)量上進(jìn)行拓展研究，分析網(wǎng)絡(luò)輿情傳播利益主體之間的策略互動(dòng)關(guān)系。②影響因素領(lǐng)域，胡吉明等[6]結(jié)合信息生態(tài)理論建構(gòu)影響因素模型，從眾多影響因素之間識(shí)別了突發(fā)公共事件網(wǎng)絡(luò)輿情中的9個(gè)關(guān)鍵影響因素。③通過傳播主體行為以及傳播的影響因素研究，馮佳昊等[7]對(duì)輿情傳播機(jī)制進(jìn)行研究，通過仿真實(shí)驗(yàn)探究相關(guān)因素對(duì)突發(fā)公共衛(wèi)生事件輿情傳播的影響機(jī)制；李艷微等[8]通過對(duì)我國(guó)話語輿情傳播的生成因素、特征分析以及演化過程，具體提出三大機(jī)制：風(fēng)險(xiǎn)預(yù)判機(jī)制、輿情化解機(jī)制和安全監(jiān)督機(jī)制。④隨著傳統(tǒng)傳播研究的深入，有學(xué)者開始嘗試從源頭解決問題，即進(jìn)行輿情信息生成機(jī)理研究，楊波等[9]基于信息生態(tài)組態(tài)的視角探討要素驅(qū)動(dòng)輿情傳播態(tài)勢(shì)生成的聯(lián)合效應(yīng)與因果機(jī)制，張亞明等結(jié)合實(shí)際，圍繞網(wǎng)絡(luò)輿情反轉(zhuǎn)現(xiàn)象，嘗試總結(jié)網(wǎng)絡(luò)輿情反轉(zhuǎn)的生成機(jī)理[10]。

上述研究通過多個(gè)維度由淺入深的分析，推動(dòng)了學(xué)界對(duì)網(wǎng)絡(luò)輿情傳播領(lǐng)域研究的深入，但是仍有可繼續(xù)拓展的空間：①對(duì)于從整體視角下的多因素協(xié)同驅(qū)動(dòng)效應(yīng)分析較為欠缺；? ? ②學(xué)界中對(duì)于涉及企業(yè)的危機(jī)輿情研究較少，絕大部分是選擇突發(fā)事件網(wǎng)絡(luò)輿情為研究對(duì)象。基于此，筆者選擇企業(yè)危機(jī)輿情作為研究對(duì)象，以拉斯韋爾的5W傳播要素理論作為分析框架，使用模糊集定性比較分析方法從整體視角，基于組態(tài)分析理論探索5W傳播要素相互作用對(duì)輿情熱度生成的多條路徑，通過綜合考慮分析傳播要素之間的協(xié)同驅(qū)動(dòng)關(guān)系及作用，試圖厘清企業(yè)危機(jī)事件中網(wǎng)絡(luò)輿情熱度生成的路徑及內(nèi)在機(jī)理。

2? 理論基礎(chǔ)及分析框架/Theoretical foundation and analytical framework

2.1? 理論基礎(chǔ)：拉斯韋爾5W傳播要素理論

拉斯韋爾5W傳播理論的核心概念主要包括5個(gè)：①所涉主體，指與事件直接相關(guān)的擔(dān)責(zé)主體或者組織[9]，在企業(yè)危機(jī)事件輿情研究中主要指涉事企業(yè)。②事件本體。網(wǎng)絡(luò)信息因其自身特性（包括即時(shí)化、個(gè)體化、碎片化），容易導(dǎo)致所承載信息主體失真，而對(duì)事件的重要性、危害性進(jìn)行橫向縱向擴(kuò)大化或片面化傳播會(huì)更易造成風(fēng)險(xiǎn)傳播放大和公眾的感知偏差[11]，本文主要指事件風(fēng)險(xiǎn)程度。③媒介或者環(huán)境，指事件信息傳播所需的媒介。網(wǎng)絡(luò)輿情作為一個(gè)復(fù)雜的動(dòng)態(tài)網(wǎng)絡(luò)系統(tǒng)[12]，輿情信息傳播的環(huán)境主要指其所處的網(wǎng)絡(luò)空間和社會(huì)空間，主要包含由網(wǎng)絡(luò)媒介環(huán)境和傳播媒介環(huán)境組成的技術(shù)硬環(huán)境，以及社會(huì)結(jié)構(gòu)壓力組成的社會(huì)軟環(huán)境[13]。而本文主要考慮技術(shù)硬環(huán)境，表現(xiàn)為平臺(tái)輿論占比。④受眾，即公眾，是事件信息主要的傳達(dá)者。公眾參與網(wǎng)絡(luò)輿情治理是國(guó)家治理現(xiàn)代化的題中應(yīng)有之義，大數(shù)據(jù)應(yīng)用的普及也促進(jìn)了公眾網(wǎng)絡(luò)輿情治理的進(jìn)程[14]。⑤傳播效果。這是傳播過程的最終環(huán)節(jié)，要考慮效果對(duì)熱度的反饋機(jī)制，即其對(duì)企業(yè)危機(jī)輿情熱度生成的影響作用。

2.2? 分析框架：企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度生成機(jī)理框架

首先從系統(tǒng)層面出發(fā)，通過拉斯韋爾5W傳播要素理論構(gòu)建分析框架，條件變量包括：涉事企業(yè)、受眾、傳播媒介、事件內(nèi)容以及傳播效果；結(jié)果變量是企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度高低，其主要關(guān)注危機(jī)輿情高熱度生成和低熱度生成的不同路徑及其因果機(jī)制；最后基于組態(tài)理論分析不同組態(tài)路徑的各傳播要素之間的協(xié)同驅(qū)動(dòng)關(guān)系，重點(diǎn)考察各個(gè)傳播要素是如何通過組態(tài)效應(yīng)聯(lián)合驅(qū)動(dòng)輿情傳播（高/低）熱度的生成，試圖總結(jié)出網(wǎng)絡(luò)輿情熱度這一動(dòng)態(tài)對(duì)象的生成演化規(guī)律。綜上，筆者構(gòu)建了企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度生成機(jī)理框架，如圖1所示：

3? 研究設(shè)計(jì)/Research design

3.1? 研究方法

定性比較分析（qualitative comparative analysis， QCA）是由美國(guó)學(xué)者拉金[15]首次提出，該分析方法關(guān)注不同組態(tài)路徑與結(jié)果之間的復(fù)雜因果機(jī)制。QCA基于整體性視角，認(rèn)為局部存在于整體之中，二者互相依存，并不是彼此孤立的，單個(gè)或局部要素的變動(dòng)會(huì)改變整體結(jié)果的情況，因此不同要素條件組態(tài)的復(fù)雜性導(dǎo)致了因果機(jī)制的復(fù)雜性，并以“集合論”分析原因條件構(gòu)成的組態(tài)對(duì)于結(jié)果的影響。筆者選擇模糊集定性比較分析方法（focused stepwise quantitative case analysis， fsQCA）方法，主要出于以下考慮：首先，目前關(guān)于企業(yè)危機(jī)網(wǎng)絡(luò)輿情熱度生成影響因素的研究，對(duì)于從整體視角下的多因素協(xié)同驅(qū)動(dòng)效應(yīng)分析較為欠缺，而fsQCA方法基于整體論的組態(tài)視角，能夠較好地解決本文研究問題；其次，fsQCA方法可以對(duì)同一結(jié)果下的不同偏差情況進(jìn)行非排他性的解釋[3]。

對(duì)于本文的研究問題，QCA方法可以促進(jìn)企業(yè)危機(jī)網(wǎng)絡(luò)輿情各利益相關(guān)者厘清企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度生成的復(fù)雜因果機(jī)制。同時(shí)，QCA方法兼具定性與定量分析的優(yōu)勢(shì)，通過跨案例的比較分析，能夠在一定程度上彌補(bǔ)案例研究存在的結(jié)論普適性問題[3]。最后，將目前QCA變體分析方法依據(jù)集合形式進(jìn)行分類：清晰集定性比較（csQCA）、多值集定性比較（mvQCA）、模糊集定性比較（fsQCA）。csQCA是由拉金和德拉斯[16]在1987年設(shè)計(jì)的QCA的第一個(gè)變體，是一種將一個(gè)變量轉(zhuǎn)換為0和1的二分法[17]。mvQCA可以看作是csQCA的擴(kuò)展，它將變量視為多值變量，不僅僅是以往單純的二分變量。而fsQCA則是根據(jù)自身數(shù)據(jù)需求將變量取值范圍劃定在0和1之間的部分隸屬度分?jǐn)?shù)，這解決了csQCA的二分法限制。fsQCA主要有以下優(yōu)點(diǎn)：①fsQCA在數(shù)據(jù)分析時(shí)使用模糊集可以減少信息丟失[18]；②fsQCA可用于小樣本和大樣本；③最重要的一點(diǎn)，fsQCA是從整體的角度分析變量之間的因果關(guān)系。鑒于本文的數(shù)據(jù)類型主要為連續(xù)型，因此選擇fsQCA方法來進(jìn)行研究。

3.2? 案例選擇

案例篩選原則具體如下：①數(shù)據(jù)可得性高，是指所選取樣本案例相關(guān)數(shù)據(jù)容易通過一定渠道獲得，對(duì)于條件和結(jié)果變量數(shù)據(jù)的獲取提供良好支撐；②確保樣本案例多樣化，也即所選取的樣本案例包含所有的條件和結(jié)果，避免有變量未涉及到，以此確保最終研究結(jié)果路徑的普遍性以及可解釋度；③廣泛傳播性，是指所選取的樣本案例具有一定的熱度和影響力，即曾出現(xiàn)在微博熱搜榜等。

具體的考慮如下：①時(shí)效性和相關(guān)性，可以確保所選擇的案例具有時(shí)效性和相關(guān)性，能夠反映出近期的危機(jī)管理趨勢(shì)和實(shí)踐；②新冠疫情逐漸退去對(duì)企業(yè)危機(jī)管理的影響，探究在疫情退去之后一段時(shí)間內(nèi)的企業(yè)危機(jī)管理趨勢(shì)；③數(shù)據(jù)可得性和完整性，選擇近期的案例更容易獲取相關(guān)數(shù)據(jù)和資料，與較早發(fā)生的案例相比，這些案例的數(shù)據(jù)可能更加完整、詳實(shí)，有利于分析研究的開展；④確保所選案例為熱點(diǎn)事件，所選案例因其同時(shí)在微博、知微、百度等平臺(tái)都有熱搜、事件標(biāo)簽以及搜索指數(shù)，能夠反映在當(dāng)時(shí)屬于熱點(diǎn)事件。結(jié)合以上選取標(biāo)準(zhǔn)和具體考慮，筆者最終確定選取2022年5月至2023年3月共60起企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情組成樣本案例集（見表1），案例選取來源于知微危機(jī)匯平臺(tái)，其中數(shù)據(jù)來源包括微博話題數(shù)據(jù)、“知微事見”平臺(tái)傳播大數(shù)據(jù)以及百度指數(shù)。

3.3? 變量選擇與編碼

3.3.1? 條件和結(jié)果的測(cè)量

（1）條件的測(cè)量。

涉事企業(yè)。企業(yè)危機(jī)事件爆發(fā)后，對(duì)于企業(yè)來說如何維護(hù)與利益相關(guān)方的良好關(guān)系尤為重要，其關(guān)鍵在于在危機(jī)網(wǎng)絡(luò)輿情之前，能夠使用社交媒體讓自己的信息快速填充信息真空并保持和利益相關(guān)者的溝通[18]，即公開回應(yīng)，如召開新聞發(fā)布會(huì)、官網(wǎng)聲明以及官方微博聲明等線上回應(yīng)方式。具體地，本文使用知微事見中的“公開回應(yīng)次數(shù)”來衡量涉事企業(yè)。

事件內(nèi)容。事件自身的因素?zé)o疑會(huì)對(duì)企業(yè)危機(jī)網(wǎng)絡(luò)輿情熱度生成產(chǎn)生影響，包括事件風(fēng)險(xiǎn)程度、事件所屬行業(yè)、事件信息透明度等等，筆者選取“事件風(fēng)險(xiǎn)程度”作為表征事件內(nèi)容的變量，根據(jù)知微危機(jī)匯網(wǎng)站對(duì)風(fēng)險(xiǎn)程度的劃分，采用三分均值錨點(diǎn)法分別賦值為0.05、0.5、0.95。

受眾。公眾參與會(huì)促使輿情信息快速傳播和充分聚合，如果企業(yè)危機(jī)事件持續(xù)不斷獲得公眾廣泛關(guān)注，可以更快揭曉真相[19]。各大社媒平臺(tái)中巨量的事件輿情咨詢形成強(qiáng)大的群體智慧，會(huì)倒逼事件真相浮出水面，加速危機(jī)網(wǎng)絡(luò)輿情演化進(jìn)程。因此筆者選取“百度咨詢指數(shù)”（通過加權(quán)求和的方式，對(duì)事件在輿論場(chǎng)上的活躍程度進(jìn)行全面描述，由網(wǎng)民的閱讀、評(píng)論、轉(zhuǎn)發(fā)、點(diǎn)贊等行為的數(shù)量得出）來衡量受眾這一條件變量。

傳播媒介。當(dāng)前危機(jī)事件頻發(fā)，危機(jī)事件信息在多平臺(tái)同時(shí)傳播，其中新浪微博作為國(guó)內(nèi)最具影響力的社交媒體平臺(tái)之一，再加之其開放、互動(dòng)、連通以及去中心化等特征，使其成為輿論傳播的主要渠道[3]，因此選取“微博平臺(tái)輿論占比”作為一個(gè)數(shù)據(jù)指標(biāo)，因?yàn)轭I(lǐng)袖媒體在輿情傳播中具有重要的引導(dǎo)作用[20]，因此選取“領(lǐng)袖媒體占比”（事件在單位時(shí)間內(nèi)在自媒體和網(wǎng)絡(luò)媒體上的傳播效果）作為另一個(gè)數(shù)據(jù)指標(biāo)。具體的數(shù)據(jù)來源為知微危機(jī)匯平臺(tái)。

傳播效率。當(dāng)下各種新型智能技術(shù)（AIGC模型、深度偽造、社交機(jī)器人、智能推薦技術(shù)等）的出現(xiàn)和發(fā)展，使得傳播效率越來越高，因此選取轉(zhuǎn)評(píng)贊總量作為衡量傳播效率的一個(gè)指標(biāo)；考慮到傳播過程中的速度影響，因此選取“峰值傳播速度”作為另一個(gè)指標(biāo)，所謂峰值傳播速度即字面意思，是指某事件熱度上升期間轉(zhuǎn)發(fā)評(píng)論數(shù)最大的一小時(shí)，即峰值傳播速度，短時(shí)間內(nèi)峰值傳播速度越高則越不可控，因而引發(fā)公眾情感共鳴，推動(dòng)危機(jī)輿情熱度上漲[21]。

（2）結(jié)果的測(cè)量。危機(jī)輿情事件熱度。筆者選取輿情熱度指數(shù)作為結(jié)果變量來對(duì)企業(yè)危機(jī)輿情事件熱度生成機(jī)理的評(píng)估指標(biāo)，采用知微事見平臺(tái)中收錄的“事件熱度”（單位時(shí)間內(nèi)事件在自媒體和網(wǎng)絡(luò)媒體上的傳播效果）這一指標(biāo)來衡量。

3.3.2? 條件和結(jié)果的校準(zhǔn)

通過上述條件和結(jié)果變量的測(cè)量，下面需要對(duì)條件和結(jié)果變量進(jìn)行校準(zhǔn)，在使用QCA進(jìn)行分析時(shí)，需要為每個(gè)案例賦予集合隸屬分?jǐn)?shù)，筆者參考主流研究的校準(zhǔn)過程，采用QCA分析技術(shù)中的“三值模糊集校準(zhǔn)法”?！叭的：?zhǔn)法”依據(jù)案例在結(jié)果變量和條件變量上的隸屬度高低進(jìn)行[0.05-0.5-0.95]三分校準(zhǔn)，“0.95”表示完全隸屬，“0.05”表示完全不隸屬，“0.5”為交叉點(diǎn)表示條件變量在結(jié)果變量上沒有影響，“0.05-0.95”之間數(shù)值越高，表示案例在此變量的隸屬度越高。通過fsQCA4.1中的calibrate進(jìn)行校準(zhǔn)得出隸屬度值，通過設(shè)定這3個(gè)校準(zhǔn)錨點(diǎn)，可以對(duì)結(jié)果變量和條件變量進(jìn)行評(píng)估，確定每個(gè)案例在集合中的位置，深入探究因果復(fù)雜性，具體校準(zhǔn)錨點(diǎn)見表2。

4? 結(jié)果分析/ Results analysis

4.1? 單變量必要性分析

主流的QCA研究過程[23-25]首先是進(jìn)行單個(gè)條件的必要性分析，所以本文研究過程也需要先對(duì)單個(gè)條件變量的必要性進(jìn)行分析，用來檢驗(yàn)是否存在一個(gè)單一條件及其非集構(gòu)成企業(yè)

危機(jī)事件網(wǎng)絡(luò)輿情（高/低）熱度結(jié)果的必要條件。在fsQCA方法中，一致性衡量了一種共享程度，當(dāng)案例在某個(gè)條件變量上共享程度較高時(shí)，其測(cè)量值接近于1，反之則越低，具體來講，當(dāng)某個(gè)條件變量的一致性測(cè)量值大于0.9時(shí)，就可以說該條件是導(dǎo)致某一結(jié)果的必要條件。在本文中，使用fsQCA4.0軟件對(duì)每個(gè)單一條件變量進(jìn)行必要性分析，具體結(jié)果見表3。

根據(jù)表3的結(jié)果，可以看到所有條件變量及其非集變量的一致性水平都不高于0.9。這意味著單一條件變量不足以構(gòu)成企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度高低狀態(tài)的必要條件。因此可以認(rèn)為，企業(yè)危機(jī)事件的輿情表現(xiàn)復(fù)雜且系統(tǒng)性充分，傳播理論中的單一要素?zé)o法充分解釋整體傳播趨勢(shì)。這也暗示著單個(gè)傳播要素?zé)o法單獨(dú)決定其輿情熱度的高低狀態(tài)。

4.2? 組態(tài)充分性分析

相對(duì)于必要條件分析，組態(tài)分析側(cè)重于研究多個(gè)條件的組合，以確定其充分性，從而導(dǎo)致特定結(jié)果的產(chǎn)生。筆者參考借鑒了FISS[17]標(biāo)準(zhǔn)以及主流研究[23-25]，取組態(tài)充分一致性閾值為0.8，PRI一致性（consistency for prime implicants）閾值為0.75，案例頻數(shù)閾值根據(jù)樣本規(guī)模將其設(shè)置為1。在fsQCA的計(jì)算過程中，可以得到3種解，包括簡(jiǎn)約解（parsimonious solution）、中間解（intermediate solution）以及復(fù)雜解（complex solution）?？梢詮囊酝难芯恐械贸鐾瞥鼋Y(jié)論的具體過程：將中間解視為組態(tài)分析結(jié)果的標(biāo)準(zhǔn)路徑解，中間解也同時(shí)結(jié)合簡(jiǎn)約解的信息。在區(qū)分條件變量重要性上，將核心條件認(rèn)定為同時(shí)在中間解與簡(jiǎn)約解的條件變量，輔助邊緣條件認(rèn)定為只出現(xiàn)在中間解中的條件變量。筆者通過fsQCA4.0軟件進(jìn)行QCA分析，最終得出企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度（高/低）的兩類組態(tài)結(jié)果，其中，高熱度生成產(chǎn)生6條組態(tài)路徑（見表4），低熱度生成產(chǎn)生5條組態(tài)路徑（見表5）。

（1）高熱度企業(yè)危機(jī)輿情傳播態(tài)勢(shì)的組態(tài)分析。企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情高熱度生成的條件組合路徑共有6條（見表4），其整體覆蓋度（solution coverage）為0.648，整體一致性（solution consistency）為0.959。6條路徑表示企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情高熱度生成的路徑不一，存在多種情況，也說明這6條路徑能夠比較全面地覆蓋和分析企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情高熱度生成情況。根據(jù)各路徑的原始覆蓋率由高到低排序，發(fā)現(xiàn)路徑6、路徑1和路徑3是企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情高熱度生成的核心路徑，它們的原始覆蓋率分別為39%、38%和37%。下面主要對(duì)路徑1、3和6進(jìn)行詳細(xì)分析。

在路徑1中，峰值傳播速度與領(lǐng)袖媒體參與發(fā)揮核心作用。該組態(tài)表明，對(duì)于公眾關(guān)注程度低、微博輿論占比低，但涉事企業(yè)回應(yīng)積極的高風(fēng)險(xiǎn)危機(jī)事件來說，無論轉(zhuǎn)評(píng)贊總量高低，在領(lǐng)袖媒體主導(dǎo)下同時(shí)擁有較高的峰值傳播速度時(shí)，相應(yīng)的該危機(jī)事件網(wǎng)絡(luò)輿情熱度較高。該組態(tài)對(duì)應(yīng)的典型案例包括“搜狐員工遭內(nèi)部郵件詐騙事件”和“蔚來汽車墜樓兩名試車員身亡事件”。結(jié)合實(shí)際案例可解釋為：在主流媒體發(fā)揮意見領(lǐng)袖功能并廣泛參與的同時(shí)，新技術(shù)的應(yīng)用顯著提升了信息傳播效率，共同作用于事件風(fēng)險(xiǎn)較高的背景下，涉事企業(yè)迅速采取了積極的應(yīng)對(duì)措施。然而，由于企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情的橫向傳播范圍廣泛，導(dǎo)致單一輿論場(chǎng)中的公眾活躍度相對(duì)較低。盡管如此，由于傳播效率的提升，現(xiàn)有傳播平臺(tái)所受到的影響以及傳播上漲數(shù)值的累加，足以引發(fā)整體危機(jī)事件的高熱度生成。這一現(xiàn)象充分展示了主流媒體、新技術(shù)應(yīng)用以及事件風(fēng)險(xiǎn)等多重因素在危機(jī)事件輿情傳播中的共同作用。綜上，將該組態(tài)命名為“領(lǐng)袖主導(dǎo)的全平臺(tái)積極傳播型”。

在路徑3中，同樣由峰值傳播速度以及領(lǐng)袖媒體發(fā)揮核心作用。該組態(tài)表明，對(duì)于高風(fēng)險(xiǎn)企業(yè)危機(jī)事件，無論公眾關(guān)注程度高低，當(dāng)領(lǐng)袖媒體主導(dǎo)下的微博輿論場(chǎng)傳播效率高漲，涉事企業(yè)采用消極策略進(jìn)行回應(yīng)，會(huì)引發(fā)更大規(guī)模的公眾討論，這類特點(diǎn)的危機(jī)輿情會(huì)生成更高熱度的傳播趨勢(shì)。這一組態(tài)的典型案例有“波司登淘寶旗艦店被曝先提價(jià)再打折”。結(jié)合實(shí)際案例可以解釋為，在主流媒體高度關(guān)注及報(bào)道下，由于涉事企業(yè)回應(yīng)次數(shù)較少，再加之輿論場(chǎng)主要集中于微博平臺(tái)，又因?yàn)槭录L(fēng)險(xiǎn)程度較高以及相對(duì)高效的傳播效率，使得該企業(yè)危機(jī)事件輿情的傳播態(tài)勢(shì)熱度愈高。因此，將該組態(tài)命名為“領(lǐng)袖主導(dǎo)的單平臺(tái)輿情高熱型”。

在路徑6中，同樣由峰值傳播速度以及領(lǐng)袖媒體發(fā)揮核心作用。該組態(tài)表明，對(duì)于高風(fēng)險(xiǎn)企業(yè)危機(jī)事件，當(dāng)領(lǐng)袖媒體主導(dǎo)下的主流媒體活躍且公眾高度關(guān)注時(shí)，此時(shí)事件信息傳播主要集中在微博平臺(tái)，并且傳播效率較高，此時(shí)無論涉事企業(yè)采取積極回應(yīng)還是消極回應(yīng)策略，最終都會(huì)導(dǎo)致這類危機(jī)輿情生成更高熱度的傳播態(tài)勢(shì)。這類組態(tài)的典型案例有“愛奇藝被曝限制投屏和HDMI連線播放”。結(jié)合實(shí)際案例可以解釋為：在主流媒體以及公眾高度關(guān)注及報(bào)道下，大量輿論主要集中于一個(gè)平臺(tái)進(jìn)行快速傳播，此時(shí)無論涉事企業(yè)態(tài)度如何，最終都會(huì)使得該事件輿情熱度愈來愈高。因此，將該組態(tài)命名為“領(lǐng)袖主導(dǎo)的多平臺(tái)高熱傳播型”。

（2）低熱度企業(yè)危機(jī)輿情傳播態(tài)勢(shì)的組態(tài)分析。企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情低熱度生成的條件組合路徑共有5條（見表5），其整體覆蓋度為0.533，整體一致性為0.967。5條路徑表示企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情低熱度生成的路徑不一，存在多種情況，也說明這5條路徑能夠比較全面地覆蓋和分析企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情低熱度生成情況。根據(jù)各路徑的原始覆蓋率由高到低排序，發(fā)現(xiàn)路徑2和路徑4是企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情低熱度生成的核心路徑，它們的原始覆蓋率分別為33.08%和32.84%。下面主要對(duì)路徑2和路徑4進(jìn)行詳細(xì)分析。

在路徑2中，“～領(lǐng)袖媒體占比”發(fā)揮核心作用。該組態(tài)表明，對(duì)于涉事企業(yè)積極回應(yīng)、微博輿論占比高，但轉(zhuǎn)評(píng)贊總量、百度咨詢指數(shù)以及峰值傳播速度都低的低風(fēng)險(xiǎn)危機(jī)事件來說，會(huì)抑制危機(jī)輿情熱度的生成，使得低熱度生成。該組態(tài)對(duì)應(yīng)的典型案例包括“古茗直播間系統(tǒng)自動(dòng)退單”。結(jié)合實(shí)際案例可以解釋為：對(duì)于風(fēng)險(xiǎn)程度較低的危機(jī)事件，具有意見領(lǐng)袖功能的主流媒體較低層次的參與，再加之涉事企業(yè)積極回應(yīng)，及時(shí)發(fā)布相關(guān)公關(guān)信息和處理結(jié)果，以及危機(jī)事件輿情信息較低程度的橫向傳播，使得主要輿論信息集中在微博平臺(tái)，便于對(duì)輿論進(jìn)行統(tǒng)一引導(dǎo)，由此轉(zhuǎn)評(píng)贊總量以及百度咨詢指數(shù)下降，從而抑制危機(jī)輿情高熱度的生成。綜上，將該組態(tài)命名為“低風(fēng)險(xiǎn)的單平臺(tái)低熱傳播型”。

在路徑4中，同樣是“～領(lǐng)袖媒體占比”發(fā)揮核心作用。該組態(tài)表明，對(duì)于涉事企業(yè)積極回應(yīng)，但微博輿論占比、轉(zhuǎn)評(píng)贊總量、百度咨詢指數(shù)以及峰值傳播速度都較低的高風(fēng)險(xiǎn)危機(jī)事件來說，以上這種情況會(huì)抑制危機(jī)輿情熱度的生成，進(jìn)而導(dǎo)致輿情低熱度。該組態(tài)對(duì)應(yīng)的典型案例包括“悅鮮活牛奶廣告用詞被質(zhì)疑不尊重女性”“高和汽車被曝銷售欺詐”以及“學(xué)習(xí)通疑似數(shù)據(jù)泄露”。結(jié)合實(shí)際案例可以解釋為：針對(duì)風(fēng)險(xiǎn)程度較高的危機(jī)事件，若主流媒體作為意見領(lǐng)袖的參與度較低或缺失，而涉事企業(yè)積極回應(yīng)，迅速通過線上發(fā)布會(huì)等方式發(fā)布相關(guān)信息，以回應(yīng)公眾疑慮，即使輿情信息在多個(gè)線上平臺(tái)間廣泛傳播，造成輿論信息的分散，從而增加了輿情引導(dǎo)的難度。這種情況下，轉(zhuǎn)評(píng)贊總量和百度咨詢指數(shù)的下降，會(huì)抑制高風(fēng)險(xiǎn)危機(jī)事件輿情高熱度的生成，最終產(chǎn)生低熱度現(xiàn)象。綜上，將該組態(tài)命名為“高風(fēng)險(xiǎn)的全平臺(tái)低熱傳播模型”。

5? 結(jié)論與啟示/ Conclusions and implications

5.1? 研究結(jié)論

在本研究中，筆者采用60個(gè)企業(yè)危機(jī)事件的網(wǎng)絡(luò)輿情案例數(shù)據(jù)集，以組態(tài)視角探索5W傳播要素和輿情熱度之間的相互影響和驅(qū)動(dòng)路徑。并揭示了在生成高或低熱度的情況下，所涉及的核心路徑以及不同組態(tài)背后的因果機(jī)制。最終，得出以下結(jié)論：①企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度生成的背后是多個(gè)傳播要素共同作用的結(jié)果，這些傳播要素之間以協(xié)同驅(qū)動(dòng)的方式助力最終危機(jī)輿情熱度的生成，或許不同傳播要素協(xié)同作用的路徑有所不同，但最終達(dá)成的結(jié)果具有一致性。②在企業(yè)危機(jī)事件輿情高熱度生成結(jié)果中，峰值傳播速度以及信息人中的領(lǐng)袖媒體占比發(fā)揮核心驅(qū)動(dòng)作用，各傳播要素在領(lǐng)袖媒體主導(dǎo)下以及保持高峰值傳播速度的基礎(chǔ)下，以多條組態(tài)路徑共同產(chǎn)生企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情高熱度這一共同結(jié)果。③在企業(yè)危機(jī)事件輿情低熱度生成結(jié)果中，只有信息人中的領(lǐng)袖媒體占比發(fā)揮核心的驅(qū)動(dòng)作用，各傳播要素才能在領(lǐng)袖媒體參與程度較低的基礎(chǔ)上協(xié)同驅(qū)動(dòng)企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情低熱度的生成。

5.2? 理論啟示

筆者采用組態(tài)視角結(jié)合拉斯韋爾5W傳播要素理論，研究了企業(yè)危機(jī)輿情傳播熱度生成的復(fù)雜機(jī)制。與以往的研究不同，本文側(cè)重于多要素以及組態(tài)分析，從組態(tài)理論的視角出發(fā)揭示了企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度生成路徑及其背后的因果機(jī)制，填補(bǔ)了以往的研究空白。此外，鑒于傳統(tǒng)信息生態(tài)理論在傳播效率方面的不足，筆者基于拉斯韋爾的5W傳播要素理論構(gòu)建了企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度生成的框架。通過模糊集定性比較分析，發(fā)現(xiàn)了企業(yè)危機(jī)輿情傳播熱度生成的重要組態(tài)驅(qū)動(dòng)路徑，為未來關(guān)于企業(yè)網(wǎng)絡(luò)輿情傳播的研究提供了新的角度。最重要的是，鑒于企業(yè)危機(jī)事件具有其特殊性，與一般危機(jī)事件有一些不同之處，本文的研究結(jié)果也為未來在企業(yè)危機(jī)事件輿情傳播領(lǐng)域的研究提供了新的思路。

5.3? 管理啟示

一是傳播媒介是企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度生成的關(guān)鍵條件。從條件組態(tài)路徑中可以看出，領(lǐng)袖媒體參與在輿情高熱度生成以及降低輿情熱度方面均起到核心作用。因此對(duì)于領(lǐng)袖媒體，換句話來說對(duì)于意見領(lǐng)袖，首先企業(yè)運(yùn)維以及公關(guān)部門要加強(qiáng)同意見領(lǐng)袖的合作聯(lián)系，應(yīng)該將注意力從大規(guī)模的民間輿論，轉(zhuǎn)向領(lǐng)袖媒體（意見領(lǐng)袖）的關(guān)鍵輿論，積極與意見領(lǐng)袖們溝通合作，借助意見領(lǐng)袖之手了解公眾利益訴求以及其他需要，通過意見領(lǐng)袖之音回應(yīng)危機(jī)輿情中的重要節(jié)點(diǎn)事件，以此來減少高熱度、情緒煽動(dòng)、高風(fēng)險(xiǎn)的危機(jī)輿情規(guī)模的進(jìn)一步擴(kuò)大。其次作為管理者要未雨綢繆，謀危機(jī)之未起，積極培育和轉(zhuǎn)化專業(yè)的企業(yè)危機(jī)意見領(lǐng)袖，加強(qiáng)同社交平臺(tái)中的應(yīng)急管理、危機(jī)管理專家學(xué)者的聯(lián)系[26]，充分發(fā)揮專業(yè)意見領(lǐng)袖的作用。

二是傳播效率亦是企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度生成的關(guān)鍵條件。從實(shí)證結(jié)果中可以看出，峰值傳播速度或者說傳播效率高，則相應(yīng)輿情熱度就高，由此看出傳播效率之于輿情高熱度生成的高度一致性。對(duì)于企業(yè)部署危機(jī)管理及應(yīng)急管理相關(guān)工作時(shí)，傳播效率即峰值傳播速度意味著企業(yè)應(yīng)用社交媒體程度，也即企業(yè)應(yīng)用新型技術(shù)程度或者從某一方面來說意味著企業(yè)信息數(shù)字化程度。那么如何平息高熱度危機(jī)輿情，就變成如何抑制傳播速度的問題，企業(yè)可以通過社交媒體進(jìn)行信息遮蔽行為，對(duì)一些負(fù)面極端的信息采取付費(fèi)刪帖等具體措施，然而這些措施在合法性和合規(guī)性方面存在疑問。因此，企業(yè)需要尋找更加合理且合法的方式來應(yīng)對(duì)。例如企業(yè)可以通過社交媒體等平臺(tái)，積極發(fā)布正面信息，包括企業(yè)文化、社會(huì)責(zé)任、產(chǎn)品優(yōu)勢(shì)等，以平衡負(fù)面信息的影響，提升公眾對(duì)企業(yè)的正面認(rèn)知?；诮M態(tài)分析進(jìn)行分類，面對(duì)公眾熱情類型時(shí)，涉事企業(yè)要積極地面對(duì)和尋求解決危機(jī)事件的方法，對(duì)于應(yīng)該承擔(dān)的社會(huì)責(zé)任予以接受，以此塑造并改善線上企業(yè)形象，并提升企業(yè)公信力，爭(zhēng)取將危機(jī)程度下降，也即“大事化小，小事化無”。對(duì)于風(fēng)險(xiǎn)程度較低的企業(yè)危機(jī)事件，企業(yè)管理者更應(yīng)該注重公眾的情感宣泄總體水平以及針對(duì)危機(jī)事件所持相關(guān)利益訴求，并及時(shí)對(duì)公眾反應(yīng)和平臺(tái)反饋?zhàn)龀龌貞?yīng)，針對(duì)反饋的類型采取不同的應(yīng)對(duì)措施，以此來降低危機(jī)事件對(duì)公眾情緒的影響，企業(yè)要積極采取熱情型回應(yīng)機(jī)制。除此之外還應(yīng)該實(shí)時(shí)監(jiān)測(cè)一些惡意散布極端情緒、不良信息的行為，未雨綢繆，防微杜漸，通過及時(shí)有效的預(yù)防措施進(jìn)一步消減企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情的負(fù)面?zhèn)鞑?duì)公眾、企業(yè)乃至社會(huì)造成的不良影響。

三是重視群體智慧的邊緣作用。在這里，群體智慧是指企業(yè)相關(guān)管理者可以通過用戶生成內(nèi)容（user-generated content， UGC）與專業(yè)生成內(nèi)容（professional generated content/professionally-produced content， PGC/PPC）的互相補(bǔ)充、舉證、質(zhì)疑、糾錯(cuò)等的結(jié)構(gòu)性關(guān)系，包括組態(tài)分析中使用的代表受眾的百度咨詢指數(shù)，其得出過程也源自于輿情受眾的諸多行為，可以算作是另一種形式的群體智慧。企業(yè)在危機(jī)管理以及應(yīng)急管理時(shí)，需要注意時(shí)刻掌握受眾輿論情緒，確保在可控范圍之內(nèi)；通過大數(shù)據(jù)技術(shù)、內(nèi)容提取技術(shù)、深度學(xué)習(xí)技術(shù)等新興技術(shù)對(duì)危機(jī)輿情過程中的大量輿論進(jìn)行分析，根據(jù)輿論反饋改進(jìn)公司管理措施，以此降低危機(jī)輿情高熱度的生成概率。

5.4? 研究創(chuàng)新性與展望

本文的研究創(chuàng)新體現(xiàn)在兩個(gè)方面：①采用了新的研究視角。當(dāng)前的相關(guān)研究主要集中在單獨(dú)研究每個(gè)要素對(duì)結(jié)果的影響，這樣雖然可以追求精確性，但卻忽略了整體性的考慮。雖然有一些研究嘗試從整體的角度去考慮各個(gè)要素之間的相互作用，但這些研究通常只限于定性分析，缺乏深入的定量分析。而本文采用系統(tǒng)整體的研究視角，在原有定性分析的基礎(chǔ)上添加融合了定量分析，通過組態(tài)分析理論深入研究探討5W傳播要素彼此之間的作用關(guān)系以及協(xié)同對(duì)輿情熱度生成的作用，從而更全面地解釋危機(jī)輿情熱度生成現(xiàn)象。②運(yùn)用了新的理論方法。通過拉斯韋爾5W傳播要素理論，構(gòu)建了分析框架與理論模型，并對(duì)企業(yè)危機(jī)輿情熱度生成結(jié)果進(jìn)行分析，是對(duì)fsQCA方法的一次創(chuàng)新性拓展。最后，研究對(duì)象的創(chuàng)新，選擇企業(yè)危機(jī)事件這一研究對(duì)象，探究企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情熱度生成機(jī)理，其與一般危機(jī)事件存在一些不同，有助于豐富危機(jī)輿情研究。

局限性與不足主要表現(xiàn)為：首先，未分析時(shí)間變量的影響機(jī)制。網(wǎng)絡(luò)輿情的演變是一個(gè)動(dòng)態(tài)過程，不同時(shí)間段內(nèi)的影響機(jī)制可能存在差異。本文只考慮了危機(jī)輿情傳播的整體過程中的要素影響機(jī)制，而未考慮時(shí)間因素。因此，未來的研究可以進(jìn)一步探討不同階段的傳播要素作用機(jī)制。其次，研究中選取了60個(gè)案例，符合以往對(duì)中小樣本的要求。然而，這一樣本規(guī)模可能限制了研究結(jié)論的普適性。未來的研究可以考慮收集更多不同類型的案例，以進(jìn)行更大規(guī)模的分類研究，從而提高結(jié)論的普適性。

參考文獻(xiàn)/References：

[1] 王滿倉(cāng)， 佘鏡懷， 王偉. 現(xiàn)代企業(yè)危機(jī)管理理論綜述[J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)， 2004（3）： 80-83. （WANG M C， SHE J H， WANG W. A review of modern enterprise crisis management theories[J]. Economics news， 2004（3）： 80-83.）

[2] 閻海燕， 詹凌云， 陳明明， 等. 基于系統(tǒng)動(dòng)力學(xué)的企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情傳播與應(yīng)對(duì)研究[J]. 系統(tǒng)科學(xué)學(xué)報(bào)， 2021， 29（1）： 92-97. （YANG H Y， ZHAN L Y， CHEN M M， et al. A study of online public opinion dissemination and response to corporate crisis events based on system dynamics[J]. Journal of systems science， 2021， 29（1）： 92-97.）

[3] 謝樂， 楊波， 楊美芳， 等. 企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情負(fù)性偏向驅(qū)動(dòng)機(jī)制研究——基于40個(gè)案例的兩階段fsQCA分析[J]. 管理評(píng)論， 2023， 35（7）： 339-352. （XIE L， YANG B， YANG M F， et al. Research on the diving mechanism of negative bias of online public opinion in corporate crisis events—a two-stage fsQCA analysis based on 40 cases[J]. Management commentary， 2023， 35（7）： 339-352.）

[4] 何奇龍， 羅興， 王先甲. 突發(fā)危機(jī)事件負(fù)面網(wǎng)絡(luò)輿情化解的隨機(jī)演化博弈分析[J]. 經(jīng)濟(jì)與管理， 2023， 37（2）： 20-29. （HE Q L， LUO X， WANG X J. Stochastic evolutionary game analysis of negative online public opinion resolution in unexpected crisis events[J]. Economy and management， 2023， 37（2）： 20-29.）

[5] 孫瑞英. 網(wǎng)絡(luò)輿情治理的協(xié)調(diào)性懲罰自組織演化機(jī)制研究[J]. 現(xiàn)代情報(bào)， 2020， 40（5）： 122-129， 168. （SUN R Y. Research on the self-organized evolution mechanism of coordinative punishment for online public opinion governance[J]. Modern intelligence， 2020， 40（5）： 122-129， 168.）

[6] 胡吉明， 楊澤賢. 突發(fā)公共事件網(wǎng)絡(luò)輿情熱度關(guān)鍵影響因素識(shí)別研究[J]. 情報(bào)雜志， 2022， 41（5）： 112-117， 182. （HU J M， YANG Z X. A study on the identification of key influencing factors on the heat of online public opinion of public emergencies[J]. Journal of intelligence， 2022， 41（5）： 112-117， 182.）

[7] 馮佳昊， 韓瑋， 陳安. 基于BDI-Agent模型的突發(fā)公共衛(wèi)生事件公眾應(yīng)急信息傳播機(jī)制建模研究[J]. 現(xiàn)代情報(bào)， 2022， 42（10）： 110-122. （FENG J H， HAN W， CHEN A. Modeling research on public emergency information dissemination mechanism for public health emergencies based on BDI-Agent model[J]. Modern intelligence， 2022， 42（10）： 110-122.）

[8] 李艷微， 包磊. 基于融媒體技術(shù)的中國(guó)話語輿情傳播引導(dǎo)機(jī)制研究[J]. 情報(bào)科學(xué)， 2022， 40（11）： 40-48， 109. （LI Y W， BAO L. Research on the dissemination and guidance mechanism of Chinese discourse and public opinion based on integrated media technology[J]. Intelligence science， 2022， 40（11）： 40-48， 109.）

[9] 楊波， 謝樂. 企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情傳播態(tài)勢(shì)生成機(jī)理研究——基于信息生態(tài)的多階段fsQCA分析[J]. 管理評(píng)論， 2022， 34（7）： 339-352. （YANG B， XIE L. Research on the mechanism of generating online public opinion communication posture in corporate crisis events--a multi-stage fsQCA analysis based on information ecology[J]. Management review， 2022， 34（7）： 339-352.）

[10] 張亞明， 高祎晴， 宋雯婕等.信息生態(tài)視域下網(wǎng)絡(luò)輿情反轉(zhuǎn)生成機(jī)理研究——基于40個(gè)案例的模糊集定性比較分析[J]. 情報(bào)科學(xué)， 2023， 41（3）： 66-73. （ZHANG Y M， GAO Y Q， SONG W J， et al. Research on the generation mechanism of online public opinion reversal under the view of information ecology--a qualitative comparative analysis of fuzzy sets based on 40 cases[J]. Intelligence science， 2023， 41（3）： 66-73.）

[11] 胡象明， 劉騰.突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情影響力生成機(jī)理及風(fēng)險(xiǎn)規(guī)避[J]. 山東社會(huì)科學(xué)， 2023（2）： 96-107. （HU X M， LIU T. Generation mechanism and risk avoidance of network public opinion influence on public health emergencies[J]. Shandong social science， 2023（2）： 96-107.）

[12] MENG L ， QI K ， HAN C ， et al. A multi-agent model for simulation of public crisis information dissemination[J]. International journal of wireless & mobile computing， 2016， 11（1）： 33-41.

[13] 孫倬， 趙紅， 王宗水. 網(wǎng)絡(luò)輿情研究進(jìn)展及其主題關(guān)聯(lián)關(guān)系路徑分析[J]. 圖書情報(bào)工作， 2021， 65（7）： 143-154. （SUN Z， ZHAO H， WANG Z S. Progress of network public opinion research and its path analysis of thematic correlation relationship[J]. Library and intelligence work， 2021， 65（7）： 143-154.）

[14] 張世昌. 大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)輿情治理中公眾參與的困境與完善[J]. 新疆社會(huì)科學(xué)， 2023（1）： 128-136， 146. （ZHANG S C. Dilemma and improvement of public participation in online public opinion governance in the era of big data[J]. Xinjiang social science， 2023（1）： 128-136， 146.）

[15] RAGIN C. C. Redesigning social inquiry： fuzzy sets and beyond[J]. Social forces， 2010， 88（4）： 1936-1938.

[16] ROIG-TIERNO N， GONZALEZ-CRUZ T F， LLOPIS-MARTINEZ J. An overview of qualitative comparative analysis： a bibliometric analysis[J]. Journal of innovation & knowledge， 2017， 2（1）： 15-23.

[17] CHIARA C， CORTESE D， MOSCA F， et al. Paradoxes and strategies in social enterprises dual logics enactment： a csQCA between Italy and the United Kingdom[J]. Journal of business research， 2020， 115（1）： 334-347.

[18] FISS P C. A set-theoretic approach to organizational configurations[J]. Academy of management review， 2007， 32（4）， 1180-1198.

[19] 吳芃， 陳依旋， 盧珊， 等.企業(yè)負(fù)面事件社交媒體回應(yīng)策略及其市場(chǎng)反應(yīng)：來自新浪微博的證據(jù)[J]. 東南大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）， 2022， 24（4）： 82-100， 147-148. （WU P， CHEN Y C， LU S， et al. Social media response strategies to negative corporate events and their market reactions： evidence from Sina Weibo[J]. Journal of Southeast University （Philosophy and Social Science Edition）， 2022， 24（4）： 82-100， 147-148.）

[20] 鄭思佳， 汪雪鋒， 劉玉琴， 等. 關(guān)鍵核心技術(shù)競(jìng)爭(zhēng)態(tài)勢(shì)評(píng)估研究[J]. 科研管理， 2021， 42（10）： 1-10. （ZHENG S J， WANG X F， LIU Y Q， et al. Research on the assessment of competitive situation of key core technologies[J]. Research management， 2021， 42（10）： 1-10.）

[21] 李磊， 支梅， 李睿涵. 新冠肺炎突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)[J]. 西安科技大學(xué)學(xué)報(bào)， 2022， 42（1）： 47-54. （LI L， ZHI M， LI R H. Dynamics of online public opinion dissemination of the new coronary pneumonia public health emergencies[J]. Journal of Xi'an University of Science and Technology， 2022， 42（1）： 47-54.）

[22] 朱珺彤， 單曉紅. 突發(fā)事件網(wǎng)絡(luò)輿情危機(jī)的生成機(jī)理研究——基于21個(gè)突發(fā)事件網(wǎng)絡(luò)輿情案例的fsQCA分析[J]. 情報(bào)探索， 2022（3）： 40-48. （ZHU J T， SHAN X H. A study on the generation mechanism of critical incident online public opinion crisis--an fsQCA analysis based on 21 critical incident online public opinion cases[J]. Intelligence exploration， 2022（3）： 40-48.）

[23] 杜運(yùn)周， 劉秋辰， 陳凱薇， 等.營(yíng)商環(huán)境生態(tài)、全要素生產(chǎn)率與城市高質(zhì)量發(fā)展的多元模式——基于復(fù)雜系統(tǒng)觀的組態(tài)分析[J]. 管理世界， 2022， 38（9）： 127-145. （DU Y Z， LIU Q C， CHEN K W， et al. Multiple models of business environment ecology， total factor productivity and urban high-quality development - a group analysis based on the complex system view[J]. Management world， 2022， 38（9）： 127-145.）

[24] 杜運(yùn)周， 劉秋辰， 程建青.什么樣的營(yíng)商環(huán)境生態(tài)產(chǎn)生城市高創(chuàng)業(yè)活躍度？——基于制度組態(tài)的分析[J]. 管理世界， 2020， 36（9）： 141-155. （DU Y Z， LIU Q C， CHENG J Q. What kind of business environment ecology generates high entrepreneurial activity in cities？ --an analysis based on institutional grouping[J]. Management world， 2020， 36（9）： 141-155.）

[25] 杜運(yùn)周， 賈良定. 組態(tài)視角與定性比較分析 （QCA）： 管理學(xué)研究的一條新道路[J]. 管理世界， 2017， 28（6）： 155-167. （DU Y Z， JIA L D. Group perspective and qualitative comparative analysis （QCA）： a new path for management research[J]. Management world， 2017， 28（6）： 155-167.）

[26] 李晚蓮， 高光涵.突發(fā)公共事件網(wǎng)絡(luò)輿情熱度生成機(jī)理研究——基于48個(gè)案例的模糊集定性比較分析（fsQCA）[J]. 情報(bào)雜志， 2020， 39（7）： 94-100. （LI W L， GAO G H. Research on the mechanism of generating online public opinion heat in public emergencies--fuzzy set qualitative comparative analysis （fsQCA） based on 48 cases[J]. Journal of intelligence， 2020， 39（7）： 94-100.）

作者貢獻(xiàn)說明/Author contributions：

許成斌：確定論文主題，進(jìn)行數(shù)據(jù)收集與論文撰寫；

夏志杰：指導(dǎo)研究思路，修改論文。

Research on the Influencing Factors of Online Public Opinion Heat Generation in Corporate Crisis Events：Based on fsQCA Analysis of 60 Online Public Opinion Cases in Corporate Crisis Events

Xu Chengbin? Xia Zhijie

School of Management， Shanghai University of Engineering Science， Shanghai 201620

Abstract： [Purpose/Significance] The frequent occurrence of corporate crisis events has led to the emergence of high-heat online public opinion， which has brought significant challenges to the ability of corporations to deal with sudden crisis public opinion， so how to grasp the law of generating heat of crisis public opinion has become an urgent issue to be dealt with in corporate crisis management. [Methodology/Process] Selecting corporate crisis public opinion as the research object， based on Lasswells 5W communication element theory， using fuzzy set qualitative comparative analysis （fsQCA） method， exploring the multiple paths of the interaction of the 5W communication elements for the generation of public opinion heat based on the grouping perspective， and analyzing the synergistic driving relationship and the role of the communication elements， we attempted to clarify the paths of the generation of online public opinion heat in corporate crisis events by considering the synergistic driving relationship and the role of the communication elements. and the inner mechanism. [Result/Conclusion] The study found that the peak communication speed in communication efficiency and the leader media share among informants are the key conditions for generating online public opinion heat of corporate crisis events. In the high heat generation results， the peak communication speed and the high leader media share play a core driving role; in the low heat generation results， the low leader media share plays a core driving role. Various communication elements work together in multiple synergistic paths to generate the public opinion heat of corporate crisis events.

Keywords： corporate crisis events? ? online public opinion? ? Laswell 5W? ? FsQCA

Fund project（s）： This work is supported by National Social Science Fund of China titled “Research on Intelligent Governance Mechanism and Operation Strategy of Internet Rumors Supported by Big Data” （Grant No. 21BGL243）， and Shanghai Philosophy and Social Science Planning Grant Program “Study on the Characteristics of Pseudo-Health Information Dissemination and Multi-subject Collaborative Intervention in the Era of Big Data” （Grant No. 2020BGL005）.

Author（s）： Xu Chengbin， master candidate; Xia Zhijie， professor， PhD， doctoral supervisor， corresponding author， E-mail： xia_zhijie@163.com.

Received： 2023-08-01? ? Published： 2024-04-24