■ 袁 媛 嚴(yán)宇橋

一、研究背景

新世紀(jì)以來(lái)處于社會(huì)轉(zhuǎn)型期的中國(guó)社會(huì)當(dāng)中,有關(guān)科學(xué)的爭(zhēng)議性事件層出不窮。從核電站和PX項(xiàng)目到霧霾治理問(wèn)題和轉(zhuǎn)基因食品安全問(wèn)題,這些事件引發(fā)了社會(huì)各界層出不窮的爭(zhēng)論,有些處理不當(dāng)?shù)氖录踔烈l(fā)了某些群體之間的割裂和敵對(duì)。作為輿情研究者和分析者,如何做好爭(zhēng)議性事件當(dāng)中的輿情預(yù)判、監(jiān)測(cè)、分析,并及時(shí)采用應(yīng)急預(yù)案加以干預(yù)和控制,從而達(dá)到建立良性溝通的輿論環(huán)境和避免出現(xiàn)惡性事件的目的,是對(duì)于此類(lèi)事件研究的重點(diǎn)。輿情管理需要一種能夠預(yù)測(cè)爭(zhēng)議事件輿論走向的方法,以此在輿情事件爆發(fā)之前加以干預(yù),避免因?yàn)樵摽萍紗?wèn)題引發(fā)更大的社會(huì)不良后果。風(fēng)險(xiǎn)傳播(Risk Communication),指的是一個(gè)為公眾提供減少焦慮和恐慌的信息以及有助于其應(yīng)對(duì)危機(jī)的建議的過(guò)程。有效的風(fēng)險(xiǎn)傳播能夠快速提高人們防范、應(yīng)對(duì)突發(fā)公共事件危害的意識(shí)和技能,消除無(wú)謂的恐慌情緒,保持社會(huì)穩(wěn)定。風(fēng)險(xiǎn)傳播采用的范式是建立在心理實(shí)驗(yàn)的實(shí)證數(shù)據(jù)和社會(huì)調(diào)查的量化分析基礎(chǔ)上的,也正基于此領(lǐng)域的這一屬性,對(duì)于一些已發(fā)生事件的測(cè)量和分析成果才有可能作為輿情預(yù)測(cè)的重要經(jīng)驗(yàn)參考,同時(shí)建立準(zhǔn)確的預(yù)測(cè)模型的設(shè)想也因此成為可能。

當(dāng)下,輿情研究已經(jīng)不單單局限于輿情的監(jiān)測(cè)以及事后分析,而是更多地將目光轉(zhuǎn)向輿論狀態(tài)的預(yù)測(cè)研究。社交媒體中的輿情預(yù)測(cè)主要是靠社會(huì)網(wǎng)絡(luò)分析通過(guò)數(shù)學(xué)建模的方法來(lái)進(jìn)行。信息科學(xué)領(lǐng)域的研究者們通過(guò)借鑒生物學(xué)當(dāng)中的傳染病傳播規(guī)律數(shù)理研究和社會(huì)學(xué)中的創(chuàng)新擴(kuò)散原理,提出了將過(guò)程模型和影響力模型結(jié)合起來(lái)的針對(duì)輿論的信息傳播模型。隨著網(wǎng)絡(luò)時(shí)代的不斷發(fā)展,信息傳播模型研究的載體逐漸轉(zhuǎn)移到網(wǎng)絡(luò)上,眾多傳播模型的提出幾乎都可歸結(jié)為影響力的問(wèn)題。作為心理學(xué)家,保羅·斯洛維奇的一系列研究則將風(fēng)險(xiǎn)感知這一抽象問(wèn)題具象化,將其從宏觀引向微觀。斯洛維奇的研究核心概念就是個(gè)人“風(fēng)險(xiǎn)的感知”,從不同維度測(cè)量個(gè)體對(duì)風(fēng)險(xiǎn)事件的感知,并以一系列實(shí)證測(cè)量來(lái)驗(yàn)證和改進(jìn)風(fēng)險(xiǎn)感知的因子分析和測(cè)量方案。斯洛維奇提出了風(fēng)險(xiǎn)感知測(cè)量的不同維度并根據(jù)這些維度設(shè)計(jì)了測(cè)量方法和量表,集中在《風(fēng)險(xiǎn)的感知》一書(shū)中。斯洛維奇最大的貢獻(xiàn)在于創(chuàng)立了風(fēng)險(xiǎn)感知的測(cè)量學(xué)派,將以往人文社會(huì)科學(xué)研究中難以度量的個(gè)人對(duì)于風(fēng)險(xiǎn)的感知進(jìn)行量化,使研究者能夠直觀地觀測(cè)到風(fēng)險(xiǎn)感知值的高低。

對(duì)于微博輿情的仿真,目前的研究成果主要分為兩類(lèi):一是借助系統(tǒng)動(dòng)力學(xué)模型來(lái)仿真公眾風(fēng)險(xiǎn)感知對(duì)輿情熱度的影響;二是采用傳染病模型模擬風(fēng)險(xiǎn)感知的傳遞過(guò)程及其對(duì)社會(huì)危機(jī)的影響。此外,還有一些學(xué)者對(duì)風(fēng)險(xiǎn)感知的演變、影響因素及作用進(jìn)行探索。王煉和賈建民①?gòu)臅r(shí)間和空間兩個(gè)維度對(duì)地震爆發(fā)后公眾風(fēng)險(xiǎn)感知的演變規(guī)律進(jìn)行研究；李鋒②運(yùn)用Logit模型研究了“5·12”汶川地震中公眾風(fēng)險(xiǎn)感知演變的影響因素；成俊會(huì)和趙金樓③研究了風(fēng)險(xiǎn)感知對(duì)輿情傳播穩(wěn)態(tài)的影響。然而,趙文兵在《Web2.0環(huán)境下社交網(wǎng)絡(luò)信息傳播仿真研究》④中卻指出,傳染病模型并不適用于描述社交網(wǎng)絡(luò)下的信息傳播,并因此構(gòu)建了信息接受—瀏覽—分享模型。對(duì)于風(fēng)險(xiǎn)感知和傳播模型的結(jié)合,成俊會(huì)在《基于信息風(fēng)險(xiǎn)感知的社交網(wǎng)絡(luò)輿情傳播模型研究》當(dāng)中有所使用,但是成俊會(huì)的成果當(dāng)中對(duì)于“風(fēng)險(xiǎn)感知”的定義和范圍界定并不是心理學(xué)或者傳播學(xué)范疇中傳統(tǒng)意義的“風(fēng)險(xiǎn)感知”,即對(duì)于風(fēng)險(xiǎn)的潛在威脅性的認(rèn)識(shí),而是將其理解成了傳播錯(cuò)誤信息會(huì)導(dǎo)致違法犯罪的風(fēng)險(xiǎn),因此基于這種風(fēng)險(xiǎn)建立的模型雖然有其較強(qiáng)的可靠性和借鑒意義,但由于風(fēng)險(xiǎn)測(cè)量解釋的不同導(dǎo)致了其模型會(huì)與本研究出現(xiàn)截然不同的結(jié)果。盡管如此,成俊會(huì)將傳播概率的影響因素拆解為四部分:風(fēng)險(xiǎn)感知、傳播涉入度、輿情話(huà)題熱度和傳播好友數(shù)這四個(gè)維度,為本研究對(duì)其他變量進(jìn)行控制從而單獨(dú)就風(fēng)險(xiǎn)感知進(jìn)行建模提供了實(shí)證依據(jù)。對(duì)于微博的整體輿情傳播情況,賀幸在《微博影響力傳播模型的改進(jìn)與驗(yàn)證》⑤中將兩個(gè)模型也就是IC模型和LT模型進(jìn)行結(jié)合并改進(jìn),但微博影響力具體的測(cè)量值是基于1—2個(gè)樣本直接賦值計(jì)算,而來(lái)源參數(shù)并未給出實(shí)證依據(jù),模型的效度有待改進(jìn)。

上述研究均為本研究提供了理論基礎(chǔ)。情報(bào)學(xué)的建模方法提供了研究范式,但由于參數(shù)賦值缺乏實(shí)證計(jì)量而存在效度不足的問(wèn)題。盡管心理學(xué)的測(cè)量方案推廣到整個(gè)輿情領(lǐng)域的宏觀性研究較少,但目前的成果仍為本研究提供了傳播節(jié)點(diǎn)個(gè)體數(shù)值的計(jì)算方法。因此本文將基于傳播學(xué)相關(guān)理論、心理學(xué)實(shí)驗(yàn)、情報(bào)學(xué)已有模型,加以大數(shù)據(jù)基礎(chǔ)上的輿情微博信息挖掘,改進(jìn)并提出新的信息傳播模型并加以驗(yàn)證。

二、研究目標(biāo)

本研究的目標(biāo)為:通過(guò)風(fēng)險(xiǎn)感知的定量心理測(cè)量,得出在不同風(fēng)險(xiǎn)感知程度情況下單個(gè)用戶(hù)在社交媒體當(dāng)中的傳播選擇(傳播還是不傳播及其閾值、傳播的量、傳播的概率等),并以該行為結(jié)果作為參數(shù)值,進(jìn)行建模。該模型用以描述某個(gè)爭(zhēng)議性科技事件的社交媒體傳播過(guò)程,在理想狀態(tài)下(對(duì)于輿情并不加以控制的情況下)經(jīng)過(guò)一段時(shí)間的發(fā)展后,對(duì)于此事件參與傳播過(guò)程的人群的數(shù)量。

因此理想狀態(tài)下,當(dāng)知道一個(gè)風(fēng)險(xiǎn)性科技事件信息、初始傳播情況和受眾風(fēng)險(xiǎn)感知時(shí),可以通過(guò)測(cè)量受眾的風(fēng)險(xiǎn)感知值的高低來(lái)觀測(cè)最終有多少人成為傳播者,以此來(lái)幫助相關(guān)機(jī)構(gòu)制定輿情控制方案。在確定模型之后,將該模型代入相關(guān)爭(zhēng)議性科技事件,用實(shí)際數(shù)據(jù)與模型預(yù)測(cè)數(shù)據(jù)進(jìn)行檢驗(yàn)。

三、心理測(cè)量:事件風(fēng)險(xiǎn)感知和用戶(hù)傳播行為之間的關(guān)系

(一)前測(cè)實(shí)驗(yàn):事件風(fēng)險(xiǎn)值

在做出正式的測(cè)量值之前,根據(jù)受眾對(duì)于風(fēng)險(xiǎn)感知的不同維度,設(shè)計(jì)在不同風(fēng)險(xiǎn)層面下受眾風(fēng)險(xiǎn)值不同的新聞事件,并測(cè)量出事件的風(fēng)險(xiǎn)值H,以此作為測(cè)量受眾傳播行為選擇的參考變量之一。在此模型中,對(duì)于事件的風(fēng)險(xiǎn)感知被分為了“恐懼風(fēng)險(xiǎn)維度”和“未知風(fēng)險(xiǎn)維度”,此外除了此模型,還涉及到時(shí)間維度和情感維度。考慮到本實(shí)驗(yàn)屬于用來(lái)篩選事件和自變量的前測(cè)實(shí)驗(yàn),需要對(duì)被試的人口學(xué)變量和學(xué)科背景進(jìn)行控制。因此本實(shí)驗(yàn)選擇15名被試,年齡為20—24歲,均為北京師范大學(xué)本科高年級(jí)或研究生一年級(jí)學(xué)生,且未參加過(guò)新聞學(xué)、心理學(xué)、情報(bào)學(xué)相關(guān)專(zhuān)業(yè)課程。

15名被試到達(dá)之后,依次進(jìn)入實(shí)驗(yàn)室,編號(hào)為1—64的64個(gè)事件打亂順序后逐個(gè)顯現(xiàn),每個(gè)事件的閱讀時(shí)間為15秒,閱讀完一個(gè)事件之后被試立即填寫(xiě)量表題,每個(gè)事件的量表填寫(xiě)限時(shí)30秒。試題測(cè)量維度如表1。

其中a,c變量與事件風(fēng)險(xiǎn)值呈負(fù)相關(guān),因此測(cè)試數(shù)據(jù)需進(jìn)行反向計(jì)分,即被試所給分值越高,則分值越低。前測(cè)實(shí)驗(yàn)中H的計(jì)算采用直接加和求平均法,即:

(二)實(shí)驗(yàn)流程

本實(shí)驗(yàn)采取單因素被試內(nèi)實(shí)驗(yàn)設(shè)計(jì),自變量為被試在面對(duì)不同事件的風(fēng)險(xiǎn)感知情況,因變量為被試對(duì)風(fēng)險(xiǎn)事件的轉(zhuǎn)發(fā)意愿,其中,在總實(shí)驗(yàn)數(shù)據(jù)中控制事件的轉(zhuǎn)發(fā)和點(diǎn)贊次數(shù)等事件傳播情況的干擾,從而測(cè)量個(gè)體在不同風(fēng)險(xiǎn)感知情況下,對(duì)風(fēng)險(xiǎn)事件的傳播意愿。保羅·斯洛維奇在對(duì)風(fēng)險(xiǎn)事件的研究過(guò)程中,采用量表方法對(duì)個(gè)體的風(fēng)險(xiǎn)感知情況進(jìn)行測(cè)量。在1998年,謝曉非根據(jù)該測(cè)量成果基于中國(guó)實(shí)際情況制定了《一般社會(huì)情境中風(fēng)險(xiǎn)認(rèn)知研究問(wèn)卷》,研究選取了前人風(fēng)險(xiǎn)感知量表中的五個(gè)維度進(jìn)行測(cè)量,通過(guò)李克特7級(jí)量表要求被試對(duì)不同事件的風(fēng)險(xiǎn)感知情況進(jìn)行評(píng)分,從而得到不同事件下不同被試的風(fēng)險(xiǎn)感知情況,并將傳播意愿和刺激的次數(shù)作為參照量。量表設(shè)計(jì)如下(見(jiàn)表2):

表2 實(shí)驗(yàn)二量表設(shè)計(jì)

本實(shí)驗(yàn)選取95個(gè)被試,年齡分布為18—28歲,學(xué)歷為大學(xué)本科。

(三)數(shù)據(jù)結(jié)果

除事件風(fēng)險(xiǎn)值H外,實(shí)驗(yàn)結(jié)果輸出以下變量(數(shù)據(jù))見(jiàn)表3:

表3 實(shí)驗(yàn)二輸出變量

1.事件風(fēng)險(xiǎn)分值與被試傳播意愿

首先,直接測(cè)試H與P的相關(guān)性,顯著性計(jì)算如下(見(jiàn)表4):

表4 事件風(fēng)險(xiǎn)分值與被試傳播意愿相關(guān)性檢驗(yàn)

皮爾遜相關(guān)系數(shù)為0.367,雙尾顯著性p值為0.023。從結(jié)果看事件風(fēng)險(xiǎn)分值H與被試的傳播意愿P沒(méi)有明顯的相關(guān),因此引入被試的風(fēng)險(xiǎn)感知狀況F,進(jìn)一步計(jì)算回歸并分析。

2.探究被試風(fēng)險(xiǎn)感知與傳播意愿的相關(guān)關(guān)系

由于傳播狀態(tài)的直接表現(xiàn)為傳播或不傳播,因此因變量傳播意愿P劃分為兩類(lèi),即0或1。對(duì)應(yīng)至問(wèn)卷中的七級(jí)量表,轉(zhuǎn)化為以4進(jìn)行分類(lèi),大于等于4則傳播、小于4則不傳播兩種。

對(duì)樣本f與p檢驗(yàn)相關(guān)性并使用logistics曲線(xiàn)擬合,結(jié)果如圖1。

圖1 傳播意愿與被試風(fēng)險(xiǎn)感知狀況的擬合結(jié)果

結(jié)果可以看出,以被試為觀測(cè)點(diǎn),在99.9%的置信水平上f與p相關(guān),相關(guān)性較強(qiáng)。具體而言,兩者呈logistics曲線(xiàn)相關(guān),擬合曲線(xiàn)為:

該關(guān)系對(duì)下一部分傳播模型構(gòu)建十分重要。

(四)實(shí)驗(yàn)結(jié)論

由以上三個(gè)方案可知,建立有相關(guān)性的傳播模型需要以被試為觀測(cè)點(diǎn)進(jìn)行擬合,即個(gè)人的轉(zhuǎn)發(fā)意愿不只取決于事件本身的風(fēng)險(xiǎn)值,更重要的是被試個(gè)體對(duì)于事件的風(fēng)險(xiǎn)感知。以此實(shí)驗(yàn)結(jié)果,建立模型進(jìn)行計(jì)算。

四、傳播模型設(shè)計(jì)與計(jì)算

(一)假設(shè)條件

為了簡(jiǎn)化模型,使模型更為清晰可實(shí)現(xiàn),提出以下假設(shè)條件:1.傳播過(guò)程中用戶(hù)關(guān)系、用戶(hù)總數(shù)量、用戶(hù)特征不變,是靜態(tài)網(wǎng)絡(luò)；2.各影響因素之間相互獨(dú)立。

(二)傳播網(wǎng)絡(luò)構(gòu)建

首先構(gòu)建BA無(wú)標(biāo)度網(wǎng)絡(luò),該網(wǎng)絡(luò)以每個(gè)用戶(hù)作為節(jié)點(diǎn),每個(gè)用戶(hù)的粉絲數(shù)量作為節(jié)點(diǎn)的度,形成無(wú)向網(wǎng)。接著初始激活節(jié)點(diǎn),通過(guò)為節(jié)點(diǎn)賦予屬性s(t),來(lái)表示節(jié)點(diǎn)是否知在知曉后轉(zhuǎn)發(fā)該事件,即節(jié)點(diǎn)是否被激活。s(t)取值如下:

(三)用戶(hù)傳播意愿

由上述結(jié)論,我們使用概率模型表示用戶(hù)的傳播意愿:

其中H為事件的風(fēng)險(xiǎn)值；n(t)表示t時(shí)刻激活狀態(tài)的鄰居數(shù)量n(t),wi表示激活狀態(tài)鄰居i的影響力。由于實(shí)際情況中不同等級(jí)用戶(hù)的影響力有所差異,同一用戶(hù)其粉絲感知的影響力也有所差異,因此模型中節(jié)點(diǎn)的影響力用一個(gè)在常數(shù)附近波動(dòng)的隨機(jī)量表示,該常數(shù)的確定根據(jù)愿意轉(zhuǎn)發(fā)的傳播次數(shù)t與事件風(fēng)險(xiǎn)值H、傳播意愿閾值thr的關(guān)系確定,即：

wi=α±ζ,ζ?α

(四)傳播過(guò)程

傳播過(guò)程以構(gòu)建的概率模型為基礎(chǔ),使用獨(dú)立級(jí)聯(lián)模型(Independent Cascade Mode,IC模型)為思路。在傳播過(guò)程中的每一時(shí)刻,每個(gè)已激活的節(jié)點(diǎn)嘗試對(duì)其鄰居節(jié)點(diǎn)進(jìn)行激活,每個(gè)未激活節(jié)點(diǎn)根據(jù)概率模型計(jì)算出被激活的可能性,當(dāng)滿(mǎn)足P(i,t)>0.5,即被激活。也就是說(shuō),被激活的閾值為P=0.5。在t+1時(shí)刻,重復(fù)上述過(guò)程。完成傳播模擬后,計(jì)算每一時(shí)刻激活節(jié)點(diǎn)占總節(jié)點(diǎn)比例。

五、數(shù)據(jù)采集與仿真

(一)數(shù)據(jù)采集與分析:首例基因編輯嬰兒事件輿情狀況

首例基因編輯嬰兒事件是本研究進(jìn)行模型驗(yàn)證的實(shí)際數(shù)據(jù)樣本,因此首先需要對(duì)于該事件的整體輿情狀況有所把握。該事件的主要內(nèi)容是:

11月26日,來(lái)自中國(guó)深圳的科學(xué)家賀建奎在第二屆國(guó)際人類(lèi)基因組編輯峰會(huì)召開(kāi)前一天宣布,一對(duì)名為露露和娜娜的基因編輯嬰兒于11月在中國(guó)健康誕生。這對(duì)雙胞胎的一個(gè)基因經(jīng)過(guò)修改,使她們出生后即能天然抵抗艾滋病。這是世界首例免疫艾滋病的基因編輯嬰兒。

(人民網(wǎng)2018年11月26日?qǐng)?bào)道)

該事件由于涉及醫(yī)學(xué)風(fēng)險(xiǎn)、基因工程、人類(lèi)基因庫(kù)潛在威脅和巨大的倫理問(wèn)題,在短時(shí)間內(nèi)就引發(fā)規(guī)模較大的討論和爭(zhēng)議,并且在該事件爆發(fā)之后的36小時(shí)內(nèi)均處于發(fā)酵爆發(fā)狀態(tài),未有明顯的反轉(zhuǎn)傾向。本研究對(duì)于事件數(shù)據(jù)的選取選用新浪官方大數(shù)據(jù)輿情平臺(tái),對(duì)于該事件的信息做出采集和處理。微博信息數(shù)量變化如圖2。

圖2 11月26日—11月29日微博信息數(shù)量變化

由圖可見(jiàn),在此時(shí)間段內(nèi),微博整體的信息數(shù)量變化與新聞媒體報(bào)道變化情況基本吻合。在72小時(shí)內(nèi),總信息數(shù)量為1579096條。

事件的發(fā)端時(shí)間為11月26日早10:00前后,此后傳播信息數(shù)量迅速增長(zhǎng)。11月27日0:00—11月27日7:00之間的信息谷值區(qū)域?yàn)橐归g時(shí)間段,而從7:00之后又開(kāi)始按照之前的趨勢(shì)開(kāi)始上升,11月27日早8:00—10:00為峰值區(qū)域,而8:30—9:30期間這一小時(shí)內(nèi)微博信息數(shù)量達(dá)到最高峰值點(diǎn),共85694條。由于本研究的模型預(yù)測(cè)的是信息快速傳播直到峰值點(diǎn)的傳播激活傳播狀況,因此樣本時(shí)間段需要選取從發(fā)端到信息回落的時(shí)間區(qū)段?；谠撌录倳r(shí)間的總體統(tǒng)計(jì)結(jié)果,觀測(cè)事件從發(fā)端到快速傳播期的時(shí)間點(diǎn)需要選擇11月26日10點(diǎn)前后,因此截取11月26日09:55到11月27日09:55作為樣本時(shí)間段,也就是傳播熱度增長(zhǎng)期。

源頭微博為:“美聯(lián)社:南方科技大學(xué)研究人員賀建奎宣布完成全球首例基因編輯嬰兒”(2018年11月26日10時(shí)52分02秒)。在此事件段內(nèi),微博總數(shù)為884359條。最高峰值點(diǎn)時(shí),微博數(shù)量為85694條。該時(shí)段內(nèi),微博新增信息量變化情況如圖3所示。

圖3 樣本截取時(shí)間段內(nèi)微博信息增量情況

(二)仿真實(shí)驗(yàn)

根據(jù)全網(wǎng)微博數(shù)據(jù)可知,其網(wǎng)絡(luò)結(jié)構(gòu)符合BA無(wú)標(biāo)度網(wǎng)絡(luò)特性。對(duì)粉絲數(shù)量分布(即節(jié)點(diǎn)度分布)進(jìn)行擬合,發(fā)現(xiàn)分布符合帕累托分布,符合BA無(wú)標(biāo)度網(wǎng)絡(luò)特點(diǎn)。通過(guò)進(jìn)一步對(duì)該事件涉及的用戶(hù)進(jìn)行粉絲分布的擬合,同樣符合BA無(wú)標(biāo)度網(wǎng)絡(luò)特點(diǎn)。擬合結(jié)果為:

y=1503491x-x2.34

其中x為粉絲數(shù)量,y為該粉絲量對(duì)應(yīng)的人數(shù)。擬合優(yōu)度R2=92.4%。該事件中,涉及傳播的用戶(hù)共1775307人。考慮到計(jì)算機(jī)性能與運(yùn)算安全性等因素,以節(jié)點(diǎn)數(shù)10000,冪指數(shù)-2.34構(gòu)建BA無(wú)標(biāo)度網(wǎng)絡(luò)。構(gòu)建網(wǎng)絡(luò)后設(shè)置節(jié)點(diǎn)屬性,即節(jié)點(diǎn)影響力設(shè)置為一個(gè)在常數(shù)附近波動(dòng)的隨機(jī)量,傳播意愿閾值thr=20,計(jì)算得常數(shù)α=0.25。

該事件呈爆發(fā)式傳播的時(shí)間段約為2018年11月26日11:00—11月27日23:59。選擇26日11:00-11:59非轉(zhuǎn)發(fā)的原創(chuàng)用戶(hù),共12位,映射到構(gòu)建的網(wǎng)絡(luò)中,映射方法為將這些原創(chuàng)用戶(hù)粉絲數(shù)量在本次傳播網(wǎng)絡(luò)中的排名對(duì)應(yīng)至所構(gòu)建網(wǎng)絡(luò)節(jié)點(diǎn)度的相應(yīng)排名節(jié)點(diǎn)上。

(三)仿真結(jié)果

圖4所示為部分節(jié)點(diǎn)(度>10)的激活情況,激活節(jié)點(diǎn)為黑色,未被激活的節(jié)點(diǎn)顯示為灰色。前4次度>10節(jié)點(diǎn)的網(wǎng)絡(luò)傳播仿真情況如下。

經(jīng)過(guò)4次傳播后擴(kuò)散到較大的范圍,同時(shí),激活節(jié)點(diǎn)占總節(jié)點(diǎn)比例隨時(shí)間變化情況如圖5。

圖5 激活節(jié)點(diǎn)占總節(jié)點(diǎn)比例與傳播次數(shù)的關(guān)系變化情況

從仿真結(jié)果可以看出,傳播數(shù)量在前期大致呈指數(shù)增長(zhǎng)后,傳播速度逐漸放緩。經(jīng)過(guò)36次傳播后,網(wǎng)絡(luò)覆蓋率達(dá)到96.45%。仿真曲線(xiàn)增長(zhǎng)趨勢(shì)與圖3描述的實(shí)際情況(去除夜間低活躍時(shí)段)的總體趨勢(shì)比較吻合,實(shí)際情況中的波動(dòng)可視為其他因素的擾動(dòng)。

(四)數(shù)據(jù)擬合總結(jié)

總體來(lái)說(shuō),仿真效果與實(shí)際情況吻合。但從效果上來(lái)看,仿真結(jié)果與實(shí)際情況仍然存在不可避免的偏差。造成這些偏差值的主要原因是:其一,初始傳播源在實(shí)驗(yàn)中的設(shè)定根據(jù)其粉絲數(shù)量映射到仿真網(wǎng)絡(luò)模型時(shí),應(yīng)從全網(wǎng)范圍進(jìn)行考量,但由于無(wú)法得知這一規(guī)模的數(shù)據(jù),因此使用了粗略的估計(jì)方法,這對(duì)傳播速率(特別是傳播開(kāi)始階段的速率)有所影響。其二,由于模型主要基于事件的風(fēng)險(xiǎn)值和用戶(hù)風(fēng)險(xiǎn)感知情況展開(kāi),囿于篇幅限制,對(duì)于用戶(hù)的傳播習(xí)慣和偏好、傳播主客體間的特征等其他影響因素暫時(shí)沒(méi)有加入進(jìn)去。這是模型本身需要改善之處。在心理實(shí)驗(yàn)中,被試觀測(cè)事件微博屬于理想狀態(tài),控制了被試的傳播涉入度、點(diǎn)贊、轉(zhuǎn)發(fā)數(shù)等其他變量,但實(shí)際微博傳播中變量比模擬狀態(tài)復(fù)雜,因此造成了一些程度上的偏差。其三,實(shí)際傳播時(shí),傳播延遲以及時(shí)刻測(cè)算也是十分重要的因素,而本實(shí)驗(yàn)將傳播按次數(shù)無(wú)差別演化,由此也會(huì)存在結(jié)果曲線(xiàn)視覺(jué)上的一些誤差。

六、研究結(jié)論與展望

要觀測(cè)事件的風(fēng)險(xiǎn)值對(duì)用戶(hù)的傳播意愿是否具有十分重要的影響,用戶(hù)對(duì)事件風(fēng)險(xiǎn)值的感知情況需要作為中間變量,串聯(lián)兩者,向后與傳播意愿存在logistic曲線(xiàn)關(guān)系,向前與事件風(fēng)險(xiǎn)值取對(duì)數(shù)后呈線(xiàn)性相關(guān)。除此外,傳播情況還與網(wǎng)絡(luò)結(jié)構(gòu)、接觸的傳播者影響力、傳播源等相關(guān),對(duì)于這一類(lèi)事件的傳播現(xiàn)象本文從風(fēng)險(xiǎn)感知的角度進(jìn)行切入建模,增加改進(jìn)了以后模型的風(fēng)險(xiǎn)感知維度。

在風(fēng)險(xiǎn)感知測(cè)量方面,得出了風(fēng)險(xiǎn)感知狀況與傳播意愿的關(guān)系。在模型方面,建立了在風(fēng)險(xiǎn)感知基礎(chǔ)上,其他傳播影響因素隨機(jī)擾動(dòng)的情況下?tīng)?zhēng)議性科技事件在微博上的信息傳播模型,且效果較好。在已知某一事件的風(fēng)險(xiǎn)值及傳播環(huán)境的條件下,該模型能夠較好地預(yù)測(cè)事件傳播情況,模擬實(shí)驗(yàn)的結(jié)果與實(shí)際傳播情況基本吻合,模型建立基本成立。在某些重大事件爆發(fā)時(shí),相關(guān)部門(mén)能夠及時(shí)利用改進(jìn)后的該模型進(jìn)行事件傳播預(yù)測(cè),并根據(jù)不同用戶(hù)的傳播意愿采取對(duì)應(yīng)措施。

本文研究建立在以往情報(bào)學(xué)領(lǐng)域?qū)τ诰W(wǎng)絡(luò)輿情和微博傳播模型設(shè)計(jì)的原理上,建立了在爭(zhēng)議性科技事件的基礎(chǔ)之上的模型,較好地在這一類(lèi)型的事件上增加了以實(shí)際用戶(hù)實(shí)驗(yàn)為基礎(chǔ)的模型參數(shù),而該模型的獨(dú)特意義也主要體現(xiàn)在前期實(shí)驗(yàn)設(shè)計(jì)的參數(shù)上,即風(fēng)險(xiǎn)感知不只是對(duì)特定危險(xiǎn)量的屬性的感知,還是對(duì)特定危險(xiǎn)質(zhì)的屬性的感知,如意愿性、可控性、潛在性等。由于這類(lèi)事件的風(fēng)險(xiǎn)感知可以根據(jù)斯洛維奇的理論劃分為兩個(gè)維度(恐懼程度和未知程度)并根據(jù)級(jí)別進(jìn)行測(cè)量,而科技事件的未知程度則可以根據(jù)網(wǎng)民的相關(guān)知識(shí)和學(xué)歷程度進(jìn)行較為準(zhǔn)確的預(yù)估,因此本模型對(duì)比其他通用性網(wǎng)絡(luò)輿情相對(duì)更加精確。在學(xué)科角度,本研究具有心理學(xué)、情報(bào)學(xué)、傳播學(xué)三門(mén)學(xué)科交叉的優(yōu)勢(shì),能夠從不同學(xué)科、不同層面對(duì)于該問(wèn)題進(jìn)行深入分析與探究,也初步解決了問(wèn)題并驗(yàn)證了研究目標(biāo)當(dāng)中的假設(shè)。

同時(shí),在本文實(shí)驗(yàn)原理的基礎(chǔ)上,加入傳播主客體特征,以及更多的能夠評(píng)價(jià)其他風(fēng)險(xiǎn)性事件中用戶(hù)感知程度的數(shù)據(jù)之后,使用統(tǒng)計(jì)學(xué)習(xí)的方法增加原始數(shù)據(jù)量,就能夠?qū)⑹录M(jìn)一步分類(lèi)整合,對(duì)更多事件進(jìn)行預(yù)測(cè)。下一步通過(guò)對(duì)于多個(gè)較為精確的單類(lèi)事件的模型進(jìn)行整合和優(yōu)化,也將會(huì)整體提升通用型風(fēng)險(xiǎn)性事件模型的預(yù)測(cè)準(zhǔn)確性。

本文局限之處在于,由于模型主要基于事件的風(fēng)險(xiǎn)值和用戶(hù)風(fēng)險(xiǎn)感知情況展開(kāi),對(duì)于用戶(hù)的傳播習(xí)慣和偏好、傳播主客體間特征等其他影響因素暫時(shí)沒(méi)有考慮,因此所設(shè)立的模型只是一個(gè)初步的原型,在預(yù)測(cè)精準(zhǔn)度方面還有待提高,在進(jìn)一步改進(jìn)測(cè)量方案和模擬手段后,模型的實(shí)際應(yīng)用效果將會(huì)大大提高。

注釋:

① 王煉、賈建民:《突發(fā)性災(zāi)害事件風(fēng)險(xiǎn)感知的動(dòng)態(tài)特征——來(lái)自網(wǎng)絡(luò)搜索的證據(jù)》,《管理評(píng)論》,2014年第5期,第169頁(yè)。

② 李鋒:《旅游危機(jī)后潛在旅游者的旅游從眾度變化過(guò)程研究——以四川“5.12”地震為例》,《旅游論壇》,2010年第1期,第16頁(yè)。

③ 成俊會(huì)、趙金樓:《基于信息風(fēng)險(xiǎn)感知的社交網(wǎng)絡(luò)輿情傳播模型研究》,《情報(bào)雜志》,2015年第1期,第134頁(yè)。

④ 趙文兵:《Web 2.0環(huán)境下在線(xiàn)社交網(wǎng)絡(luò)信息傳播仿真研究》,南京大學(xué)碩士學(xué)位論文,2013年,第65頁(yè)。

⑤ 賀幸:《微博影響力傳播模型的改進(jìn)與驗(yàn)證》,中國(guó)科學(xué)技術(shù)大學(xué)碩士學(xué)位論文,2014年,第19頁(yè)。