周金元 張莎莎

(江蘇大學科技信息研究所 鎮(zhèn)江 212013)

國內(nèi)微博輿情研究的文獻計量分析

周金元 張莎莎

(江蘇大學科技信息研究所 鎮(zhèn)江 212013)

運用文獻計量學方法，從論文數(shù)量的年度分布、作者和學科、基金、關鍵詞、被引頻次、重點研究主題及研究進展六個方面對國內(nèi)微博輿情研究現(xiàn)狀進行分析。發(fā)現(xiàn)新聞學、管理學和計算機學科的作者較為關注微博輿情研究。從微博輿情的形成與傳播、微博輿情的監(jiān)測、微博輿情的引導三個方面總結(jié)微博輿情研究進展。

微博 輿情 文獻計量

微博(Microblog) 是一種非正式的迷你型博客，產(chǎn)生于Web2.0 時代，用戶可以通過多種方式即時發(fā)布140 字內(nèi)的文本信息以及圖片、視頻、音樂等內(nèi)容，信息的分享和傳播基于用戶間建立的關系，這種關系又構成了用戶間的社交網(wǎng)絡。輿情(Public Opinion)[1]即公眾輿論，是公眾對于各種社會現(xiàn)象、問題從信念、態(tài)度、意見和情緒等角度所作出的表達。

總體而言，國外對于微博輿情的研究更加注重應用，例如Go等提出一種對推特信息中體現(xiàn)的情感色彩進行自動分類的方法，這可以在商業(yè)領域中加以應用，這樣商家就可以獲取其產(chǎn)品的網(wǎng)絡評價的情感色彩[2]； Lee等通過提取微博地理標簽中的信息，來監(jiān)測區(qū)域性社會事件[3]；Tumasjan 等使用Linguistic Inquiry and Word Count (LIWC) 分析軟件，以德國大選為例，分析推特中的政治討論[4]；Stieglitz等研究了情感對微博信息傳播的作用，發(fā)現(xiàn)具有情感色彩的信息比中性信息更快、更多地被傳播出去[5]。

根據(jù)筆者的檢索，國內(nèi)關于微博研究始于2008 年，而國內(nèi)微博輿情的學術論文則最早見于2011年，國內(nèi)微博輿情研究尚缺乏文獻計量方面的文章，國內(nèi)微博輿情研究的主題和研究進展沒有全面直觀地被體現(xiàn)出來。因此，本文將從論文數(shù)量、作者及學科、基金、關鍵詞、被引頻次、主題及研究進展六個方面，系統(tǒng)地對國內(nèi)微博輿情研究文獻進行計量分析，在此基礎上展示微博輿情研究的基本情況、重點主題和研究進展。

1 數(shù)據(jù)來源和研究方法

本文所采用的數(shù)據(jù)來源于清華同方的“中國期刊全文數(shù)據(jù)庫”，檢索式確定為“篇名= 微博or微博客or Microblog”and“篇名= 輿情”，最終檢索到160篇論文。利用Citespace分析軟件的關鍵詞分析功能，將160篇文獻以Refworks的形式導入軟件，得到關鍵詞詞頻統(tǒng)計結(jié)果。主題分布主要基于關鍵詞詞頻統(tǒng)計結(jié)果得出，配合文獻閱讀和總結(jié)得到研究進展。對于論文的作者、學科、基金和被引頻次的分析，主要借助Excel軟件。

2 國內(nèi)微博輿情研究的文獻計量分析

2.1 論文數(shù)量的年度分布

國內(nèi)微博輿情研究按上述檢索式共檢索出160篇論文，其論文數(shù)量的年度分布見圖1。由圖1可見發(fā)文量呈現(xiàn)逐年快速增加的趨勢，從2010年的1篇增長到2013年的95篇，這說明微博輿情研究近期受到較多的關注。深入分析發(fā)文量增長的原因，主要由于：一是國內(nèi)微博用戶數(shù)量巨大，截止2012年12月底，新浪微博的注冊用戶已超過5億人，用戶利用微博這一平臺，對社會現(xiàn)象和個人生活，從價值觀、態(tài)度、意見和情緒的角度作出表達，這種表達包括發(fā)文、轉(zhuǎn)發(fā)和評論等，這是一種之前沒有的新的行為模式，引起了研究者的關注；二是公共領域突發(fā)事件的頻繁發(fā)生，促進了微博輿情的發(fā)酵，公眾通過微博“圍觀”和“評價”突發(fā)事件，在這一過程中，涌現(xiàn)出了一批影響微博輿情導向的意見領袖，微博輿情的傳播也呈現(xiàn)出一些規(guī)律，輿情也涉及多方面的利害關系，這就使得微博輿情研究具有較高的研究價值，在選題方面較有意義?？傮w來看，在4G時代到來的背景下，隨著微博功能的進一步豐富和微博用戶的繼續(xù)增加，微博輿情的影響力將繼續(xù)加強，未來該領域論文的發(fā)文量將呈現(xiàn)繼續(xù)增長的趨勢。

圖1 國內(nèi)微博輿情研究發(fā)文量年度分布

2.2 論文的作者和學科分析

表1 國內(nèi)微博輿情研究的核心作者

表2 國內(nèi)微博輿情研究的學科分布

2.3 論文的基金分布

160篇論文中獲基金支持的共有53篇，占文獻總數(shù)的33%。為分析基金投放的重點研究領域，本文對各基金中的項目名稱進行了匯總分析，發(fā)現(xiàn)基金主要向兩個研究領域投放，一是突發(fā)事件微博輿情研究，包括其演變規(guī)律、監(jiān)測手段和引導策略；二是針對中國高校大學生的微博輿情研究。這說明我國相關部門已經(jīng)注意到微博在突發(fā)事件的輿情演變中發(fā)揮的重大作用，以及微博對于我國高校學生思想的巨大影響。最后，從基金層次來看，獲省級以上(包括省級)基金支持的論文共有32篇，說明國內(nèi)微博輿情研究的基金層次較高，國內(nèi)微博輿情研究論文的高級別基金分布見表3。

表3 高級別基金分布

2.4 關鍵詞及詞頻統(tǒng)計

關鍵詞是論文的文獻檢索標識，是表達論文主題概念的自然語言詞匯，在很大程度上反映了論文的主要研究內(nèi)容[7]，通過分析某研究領域的關鍵詞的詞頻，可以描述該研究領域的研究狀況，進而揭示該領域的熱點和發(fā)展趨勢。對于關鍵詞的分析，本文將檢索到的160篇文獻以Refworks的形式導出，利用Citespace的關鍵詞分析功能，得到關鍵詞詞頻統(tǒng)計結(jié)果，然后除去一些非實質(zhì)性詞語，如“挑戰(zhàn)”等，對剩下的關鍵詞進行近義詞匯總，如將“輿情”、“微博輿情”和“網(wǎng)絡輿情”統(tǒng)一計入“微博輿情”，將“應對對策”歸納到“輿情應對”中，最后按詞頻從高到低進行排列，見表4。

表4 國內(nèi)微博輿情研究主要關鍵詞及詞頻

2.5 論文的被引頻次分析

文獻的被引頻次是評價被引文獻的學術價值和應用價值的有效手段。論文《微博網(wǎng)絡輿情中的意見領袖識別及分析》被引次數(shù)最多，為47 次，一方面該論文的選題有很高的研究價值，因為微博意見領袖基于其特殊的社會地位、有影響力的身份和龐大的粉絲數(shù)量，在某一事件的輿情傳播中，可以迅速加速輿情的發(fā)酵，影響輿論的導向；另一方面該篇論文的內(nèi)容深刻、到位，從用戶影響力和用戶活躍度兩個角度構建了微博意見領袖指標體系，值得借鑒，必然吸引其他研究人員進行引用。被引頻次為9次以上的論文，見表5。從這些論文的題名來看，微博輿情指標體系、傳播與演變規(guī)律和對策方面的文獻，被引頻次頗高，這也與微博輿情主要研究方向一致。

表5 國內(nèi)微博輿情研究高被引論文

2.6 重點研究主題及研究進展

本文基于關鍵詞詞頻分析得到微博輿情研究的重點研究主題，從表4可以看出，國內(nèi)微博輿情研究的主題呈現(xiàn)出集中性的特點，結(jié)合進一步的文獻閱讀，重點研究主題可以被總結(jié)為：微博輿情的形成與傳播、微博輿情的監(jiān)測、微博輿情的引導。研究主要服務于政府的社會管理和高校大學生的思想政治教育；研究涉及的個體包括意見領袖、微博用戶、粉絲和網(wǎng)民；研究涉及的機構包括高校、政府；研究的案例主要是社會突發(fā)事件和公共領域事件；研究者較為關注微博輿情的演變及傳播規(guī)律，提出了一些微博輿情監(jiān)測的指標，給出了多種微博輿情引導的方案。

2.6.1 微博輿情的形成與傳播 微博輿情的傳播是一種“單向鏈式+ 全方向裂變”的傳播，單向鏈式是指沿著一個微博用戶往外傳播是鏈式的，全方向360 度的無數(shù)條鏈式傳播就會形成一種裂變傳播的態(tài)勢。微博輿情傳播的基本規(guī)律是: 萌芽，形成，爆發(fā)，高潮，消退，消亡，其中必經(jīng)的過程只有“萌芽”與“消亡”，即事件發(fā)生并不一定會擴大化發(fā)展，微博輿情要發(fā)展到“爆發(fā)”和“高潮”需要兩大條件，一是人為因素的影響，包括謠言的惡意散播，意見領袖的關注等，這使得輿情快速發(fā)酵； 二是事件本身的一些屬性，最核心的就是事件主角的社會身份，例如“富二代”、“城管”，其對社會心理會形成一種沖擊，輿論迅速展開。該研究主題存在的問題是信息的提取難度較大，對計算機水平要求高，所以，雖然微博和論文都是文獻，即記錄有知識的載體[8]，但是微博平臺不像CNKI平臺那樣支持文獻內(nèi)容的導出，這就對非計算機學科的研究人員產(chǎn)生了限制，對此，韓運榮等從可視化的角度運用“北京大學PKUVIS 微博可視分析工具”較為形象地提出了微博輿情的一種基本底層結(jié)構和三種演化模式[9]，該分析工具與Citespace 的分析方式和結(jié)果展示方法較為相似。2.6.2 微博輿情的監(jiān)測 輿情主體的監(jiān)測指標主要包括身份、粉絲數(shù)、歷史被轉(zhuǎn)發(fā)數(shù)和歷史被評論數(shù)，客體事件的監(jiān)測指標主要包括敏感度和社會危害性，關于輿情傳播速度的監(jiān)測，高承實等提出可利用新浪微博現(xiàn)有的排名功能[10]，對于受眾的監(jiān)測，可以分析受眾地區(qū)分布，加之受眾情緒評估，重點對事件發(fā)生地區(qū)的穩(wěn)定度進行實時監(jiān)測，高承實等還認為應對微博輿情監(jiān)測進行等級分類。根據(jù)對相關文獻內(nèi)容的研究，發(fā)現(xiàn)作者提出的指標體系的指標設置相似度較高，加之微博輿情信息抽取的技術難題，相應的監(jiān)測方法很難獲得足夠數(shù)量的數(shù)據(jù)支持，本文認為，微博輿情監(jiān)測的基礎應該是用戶分類，例如高校輔導員重點監(jiān)測學生的個人微博，明星應注意自己粉絲的評論，媒體官方微博主要關注“大V”用戶，基本原則應是強調(diào)“利益相關”，縮小范圍，增加監(jiān)測的精準度，提高監(jiān)測頻率，達到最佳的監(jiān)測效果。

2.6.3 微博輿情的引導 微博輿情引導的關鍵，一是介入時機的判斷，二是應對措施的選擇。輿情產(chǎn)生萌芽后并不一定會爆發(fā)并形成高潮，而是需要條件催化的，在輿情發(fā)酵前把握住輿情發(fā)展方向，此時輿情引導的成本最小，當輿情發(fā)展到爆發(fā)的初始階段時，網(wǎng)民很容易受到煽動，此時輿情引導的成本很高。以“江蘇大學圖書館前考研大軍排隊百米” 為例，圖書館的管理者在微博上發(fā)現(xiàn)學生個人微博和主流媒體的官方微博開始廣泛關注和報道此事時，一方面要關注相關微博內(nèi)容的情感色彩，另一方面就要在事件的發(fā)展之初果斷采取措施，為此，江蘇大學圖書館首先將開館時間提前半小時，然后通過大屏幕告知學生圖書館可容納4 000人，消除學生找不到座位的擔憂，最后增加維持秩序的工作人員，排除了發(fā)生擁擠踩踏事故的隱患，成功控制了輿論的發(fā)展。此外，微博輿情的分類也非常重要，王國華等提出了針對不同類型網(wǎng)絡輿情的應對策略，例如當事件主體不涉及政府時，政府職能部門可暫不介入事件處置過程，當事件主體為政府時，政府要及時發(fā)聲，第一時間公布事件相關信息[11]。

3 總結(jié)及展望

本文從論文數(shù)量的年度分布、作者和學科、基金、關鍵詞、被引頻次、主題及研究進展六個方面，對國內(nèi)微博輿情研究進行了全面、系統(tǒng)分析，彌補了該研究領域缺乏文獻分析論文的不足。本文的不足之處在于，可用于分析的文獻數(shù)量較少，分析涵蓋的期間較短，還不能做到文獻數(shù)量大、研究期間長和分析面面俱到。但是隨著微博活躍用戶數(shù)量的不斷增長，以及4G帶來的積極影響，微博輿情的影響力將會更大是毋庸置疑的，相應的研究論文的數(shù)量和研究內(nèi)容的深度都會增加，本文的不足將會得到彌補。展望未來，有兩個值得關注的問題，一是非計算機學科的研究者如何提取微博中的目標信息；二是如何加強學科間的合作，為微博輿情研究帶來新的思想和方法。

[1] Savigny H. Public opinion,political communication and the Internet[J]．Politics,2002,22(1) : 1-8.

[2] Go A,Bhayani R,Huang L. Twitter sentiment classification using distant supervision[R]. CS224N Project Report, Stanford, 2009: 1-12.

[3] Lee R,Wakamiya S,Sumiya K． Discovery of unusual regional docial activities using geo- tagged microblogs[J]．World Wide Web,2011,14(4): 321- 349.

[4] Tumasjan A,Sprenger T O, Sandner P G, et al. Predicting elections with Twitter: What 140 characters reveal about political sentiment[J]. ICWSM, 2010,10: 178-185.

[5] Stieglitz S,Dang - Xuan L． Emotions and information diffusion in social media-sentiment of microblogs and sharing behavior[J]． Journal of Management Information Systems,2013,29(4) : 217- 248.

[6] 榮先乾,覃 桃． 社會網(wǎng)絡分析方法在圖情領域合著關系的實證研究[J]． 圖書館界, 2010(1) : 1- 5.

[7] 尹相旭,張更平,李曉菲． 基于關鍵詞統(tǒng)計的情報學研究現(xiàn)狀分析[J]． 情報雜志,2009,28(11) : 1-4.

[8] 傅廣榮, 趙 嵐, 曾 勤. “文獻”析義[J]. 情報雜志,2003(2):46-47.

[9] 韓運榮,高順杰． 微博輿論傳播模式探究[J]． 現(xiàn)代傳播(中國傳媒大學學報),2012(7): 35-39.

[10] 高承實,榮 星,陳 越．微博輿情監(jiān)測指標體系研究[J]. 情報雜志， 2011,30(9): 66-70.

[11] 王國華,馮 偉,王雅蕾．基于網(wǎng)絡輿情分類的輿情應對研究[J]．情報雜志,2013,32(5): 1-4.

(責任編校 田麗麗)

ABibliometricAnalysisoftheResearchofthePublicOpinionsonMicrobloginChina

Zhou Jinyuan, Zhang Shasha

Institute of Science and Technology of Jiangsu University, Zhenjiang 212013, China

Employing the bibliometric method, this paper analyzes the research of the public opinions on microblog from six aspects including the annual distribution of articles, authors, disciplines, research grants, keywords, citation frequency, key research topics and research progress and finds that the authors mainly come from the disciplines of journalism, management and computer science. It also gives an account of the research progress concerning the formation and spread of the public opinions on microblog, the monitoring and the guidance of the opinions.

microblog; public opinion; bibliometrics

G350

周金元，男，1965年生，研究館員，江蘇大學圖書館副館長，碩士生導師，研究方向為競爭情報、情報經(jīng)濟學,發(fā)表論文20篇，出版著作3部;張莎莎，女，1986年生，2011級情報學碩士研究生，研究方向為競爭情報，發(fā)表論文2篇。