張鑫 田雪燦 劉鑫雅

摘? ?要：反復(fù)性輿情作為網(wǎng)絡(luò)社會中常態(tài)化存在，對其進行針對性研究和科學(xué)預(yù)測，有助于引導(dǎo)輿情健康發(fā)展，維護網(wǎng)絡(luò)社會穩(wěn)定。文章構(gòu)建了面向反復(fù)性事件的網(wǎng)絡(luò)輿情風(fēng)險評估指標(biāo)體系，采用德爾菲法和層次分析法對指標(biāo)體系進行了檢驗和權(quán)重測量。在此基礎(chǔ)上，以“垃圾分類”輿情事件為例，通過統(tǒng)計分析、主成分分析、文本情感分析等方法，剖析了輿情主體、輿情客體、關(guān)鍵傳播節(jié)點等不同指標(biāo)在輿情各階段所呈現(xiàn)的特征，重點比較了輿情反復(fù)階段與其它階段特征的異同。研究結(jié)果為反復(fù)性網(wǎng)絡(luò)輿情的有效識別、風(fēng)險評估及科學(xué)引導(dǎo)提供了參考依據(jù)。

關(guān)鍵詞：反復(fù)性事件;網(wǎng)絡(luò)輿情;風(fēng)險;評估指標(biāo)

Abstract Public opinion about recurrent events is the existence of normalization in the network society. The targeted research and scientific prediction will help to guide the orderly development of public opinion and maintain the stability of the network society. This study constructs a risk assessment index system of network public opinion for recurrent events， uses Delphi method and analytic hierarchy process to test and measure the weight of the index system. Based on this， taking the "Garbage Classification Event" as an example， this study analyzes the characteristics of indicators such as public opinion subject， public opinion object and key communication nodes in each stage of public opinion through statistical analysis， principal component analysis and text emotion analysis， and especially compares the similarities and differences between the recurrent stage and other stages. The results provide a reference for the effective identification， risk assessment and scientific guidance of recurrent public opinion.

Key words recurrent events; network public opinion; risk; evaluation index

隨著在線社區(qū)、微博、微信等社會化媒體的快速發(fā)展及移動終端的逐漸普及，網(wǎng)絡(luò)輿情也愈加復(fù)雜，其性質(zhì)類型多樣，持續(xù)時間不等，輿情演化及衍生風(fēng)險動態(tài)多變，需要對其進行及時跟蹤及風(fēng)險評估。從國內(nèi)外網(wǎng)絡(luò)輿情事件的發(fā)生周期來看，既有映射一次性重大社會事件的網(wǎng)絡(luò)輿情，也有呈現(xiàn)明顯反復(fù)性特征的網(wǎng)絡(luò)輿情。前者從事件發(fā)酵直至基本消亡，對社會的影響程度往往集中于特定時間段以內(nèi);而后者則多是一些長期受公眾關(guān)注的事件或話題，由于并沒有最終的結(jié)果或結(jié)論而長時間的處于亞沸點狀態(tài)，一旦有相關(guān)事件進展發(fā)生，若輿情應(yīng)對及治理不得當(dāng)則可能引發(fā)新的輿論熱潮，或存在不同程度的輿情風(fēng)險[1]。實際上，國內(nèi)外學(xué)者對從整體視角對網(wǎng)絡(luò)輿情危機的識別和評估研究相對成熟，一些重大輿情事件往往有跡可循且有較成熟的研究方法;但反復(fù)性網(wǎng)絡(luò)輿情的演化規(guī)律、特征屬性、風(fēng)險評估等，難以直接利用傳統(tǒng)的輿情研究成果。而如今，反復(fù)性輿情已逐漸成為網(wǎng)絡(luò)事件中常態(tài)化存在，其亦是相關(guān)部門需要科學(xué)應(yīng)對的重要問題之一。

1? ?相關(guān)研究綜述

1.1? ? 網(wǎng)絡(luò)輿情風(fēng)險發(fā)生與演化

目前研究者們通?；谏芷诶碚摚瑢⒕W(wǎng)絡(luò)輿情從發(fā)生到消亡的過程劃分為三到六個階段。一般在輿情發(fā)生初期，其風(fēng)險具有一定潛隱性，危險程度較低，但由于輿情傳播速度和路徑存在不同變數(shù)，在特定條件下其風(fēng)險可能進一步擴散，使得“輕量級”的輿情風(fēng)險逐漸演變成“重量級”風(fēng)險。何振和盧坤[2]探討了突發(fā)事件社會風(fēng)險形成期、擴散期、高漲期和消退期的風(fēng)險演化表現(xiàn)、特征與規(guī)律，并在此基礎(chǔ)上提出了基于不同階段的風(fēng)險防控對策。安璐等[3]通過構(gòu)建話題發(fā)現(xiàn)模型，識別原生輿情及其衍生輿情，利用ARIMA時間序列模型來擬合和預(yù)測衍生輿情的形成與演化。黃衛(wèi)東等[4]認(rèn)為輿情風(fēng)險程度受參與者的情感影響，其基于話題特征詞等構(gòu)建了情感詞表，并應(yīng)用How Net相似度算法計算情感詞對應(yīng)的情感傾向值，最后得出了網(wǎng)絡(luò)輿情參與者的情感演化規(guī)律。

1.2? ? 網(wǎng)絡(luò)輿情風(fēng)險評估

輿情風(fēng)險評估通常指圍繞特定領(lǐng)域或事件，利用數(shù)據(jù)技術(shù)進行相關(guān)輿情信息采集、挖掘與分析，在此基礎(chǔ)上利用科學(xué)方法進行態(tài)勢研判、危機評估與趨勢預(yù)測，并制定應(yīng)對措施或防范策略。目前，學(xué)者們利用多種方法或算法構(gòu)建了基于不同階段、不同情境的輿情風(fēng)險評估指標(biāo)體系或模型。其中，面向突發(fā)事件首發(fā)信息，蔣宇等[5]剖析了其包含的各項基本要素，構(gòu)建基于突發(fā)事件首發(fā)信息的風(fēng)險評估指標(biāo)體系，并對其未來輿情風(fēng)險進行定量評價。面向突發(fā)事件的整個生命周期，梁冠華和鞠玉梅[6]結(jié)合灰色統(tǒng)計法以及AHP分析法，構(gòu)建了網(wǎng)絡(luò)輿情演化周期各階段的風(fēng)險指標(biāo)體系，并分析計算了各個風(fēng)險指標(biāo)的權(quán)重系數(shù)。面向時空社會網(wǎng)絡(luò)，徐迪[7]探究了時空大數(shù)據(jù)源與海量輿情信息的匹配規(guī)律，尋求時空數(shù)據(jù)建模與輿情研判模型的整合方式，構(gòu)建了重大疫情類網(wǎng)絡(luò)輿情風(fēng)險研判的多維多態(tài)時空大數(shù)據(jù)分析框架。王靜茹等[8]構(gòu)建了涵蓋輿情主體、客體、本體、媒體和環(huán)境等一級指標(biāo)體系的多媒體網(wǎng)絡(luò)輿情危機指標(biāo)體系，并進行了具體事件的趨勢監(jiān)測研究。秦琴和湯書昆[9]將突發(fā)災(zāi)害理論和信息傳播理論運用于突發(fā)災(zāi)害網(wǎng)絡(luò)輿情風(fēng)險監(jiān)測研究中，構(gòu)建了包括災(zāi)害要素、信息特征、媒體傳播和受眾傾向等的輿情風(fēng)險監(jiān)測指標(biāo)體系。面向多媒體網(wǎng)絡(luò)輿情衰退期，黃微等[10]通過文獻調(diào)研法構(gòu)建了多媒體網(wǎng)絡(luò)輿情衰退期指標(biāo)體系，并利用BP神經(jīng)網(wǎng)絡(luò)對構(gòu)建的指標(biāo)體系進行了評估。除此以外，學(xué)者們還對運用模糊綜合評價法、AHP分析法、UML方法、專家調(diào)查法等多種方法和技術(shù)，對政府信息公開輿情[11]、外媒涉華輿情[12]、邊疆地區(qū)輿情[13]、重大公共衛(wèi)生輿情[14]等不同領(lǐng)域、情境的風(fēng)險評估展開具體探討。

從已有研究成果來看，網(wǎng)絡(luò)輿情風(fēng)險相關(guān)研究主要聚焦于基于整體生命周期的輿情風(fēng)險識別或預(yù)測，雖偶見面向首發(fā)信息、衍生輿情或衰退階段的風(fēng)險研究，但針對當(dāng)前社會環(huán)境下頻頻出現(xiàn)的反復(fù)性輿情的研究成果相對較少，對“反復(fù)性”作為輿情研究的理論邏輯起點的關(guān)注度有待提升。本研究將通過德爾菲法和層次分析法，對反復(fù)性的輿情風(fēng)險評估進行定性、定量相結(jié)合的研究，試圖解決以下兩個方面的問題：第一，構(gòu)建基于反復(fù)性網(wǎng)絡(luò)輿情的風(fēng)險評估指標(biāo)體系，并研判反復(fù)性輿情發(fā)生時哪些指標(biāo)對輿情風(fēng)險的影響權(quán)重更高？第二，結(jié)合對反復(fù)性輿情風(fēng)險評估影響較大的指標(biāo)要素，探究輿情的反復(fù)階段與爆發(fā)期相比有何顯著特征？

2? ?關(guān)鍵概念界定和研究方法

2.1? ? 關(guān)鍵概念界定

本文中，反復(fù)性網(wǎng)絡(luò)輿情指基于特定事件的網(wǎng)絡(luò)輿情在蔓延及爆發(fā)之后，由于事件并沒有最終結(jié)果或結(jié)論而長時間處于相對休眠狀態(tài)，一旦事件出現(xiàn)進展，當(dāng)觸碰多項因素或出現(xiàn)新的影響擴大化特征后則可能引發(fā)新的反復(fù)性輿情熱潮。

與突發(fā)事件網(wǎng)絡(luò)輿情、爆發(fā)階段網(wǎng)絡(luò)輿情或衍生性網(wǎng)絡(luò)輿情相比，反復(fù)性網(wǎng)絡(luò)輿情往往具有如下特點。

第一，輿情核心話題為“舊”話題。與突發(fā)事件或衍生性輿情核心話題較“新”的特征相比，反復(fù)性輿情往往是相對“舊”的話題再次出現(xiàn)并影響擴大化。一方面，其可能表征為例行官方議程輿情（如3·15晚會相關(guān)）、常見災(zāi)害氣候輿情（如洪澇災(zāi)害相關(guān)）或定期社會活動輿情（如春運相關(guān)），此類舊話題通常呈現(xiàn)“季節(jié)性”反復(fù)出現(xiàn)并且相對可預(yù)見[15]。另一方面，還有一些非“季節(jié)性”但由于其核心事件并未有最終結(jié)果、當(dāng)事件再次明顯發(fā)展而反復(fù)出現(xiàn)的舊話題，如新冠肺炎疫情。而后者隨著疫情的突發(fā)階段和爆發(fā)階段的時間推移，已不能僅用傳統(tǒng)的輿情研究邏輯起點來剖析，有必要從反復(fù)性的視角來對輿情發(fā)展的新規(guī)律、新特征予以揭示。

第二，網(wǎng)民的認(rèn)知狀態(tài)“相對理性”。有限理性理論認(rèn)為，人們在現(xiàn)實情況中所獲取的信息、知識與能力存在有限性，他們基于此所形成的方案或決策也是有限的，所以公眾往往難以做出效益最大化的決策[16]。而由于反復(fù)性輿情涉及的核心話題相對較“舊”，與突發(fā)事件相比，普通民眾此時通常對事件本身已有一定的信息攝入及認(rèn)知積累，其往往呈現(xiàn)相對理性的狀態(tài)。

第三，輿情場域多維度動態(tài)演化。布爾迪厄?qū)鲇蚨x為“位置間客觀關(guān)系的一個網(wǎng)絡(luò)或一個形構(gòu)，這些位置是經(jīng)過客觀限定的”，即社會個體所參與社會活動的空間[17]。在若干反復(fù)性輿情發(fā)生過程中，其雖然核心話題一致，但所映射的物理區(qū)域、空間情境以及客觀性質(zhì)均呈現(xiàn)動態(tài)演化趨勢。如隨著各地“垃圾分類”政策的發(fā)布，其相關(guān)輿情涉及區(qū)域不斷變化，所體現(xiàn)的諸如政治、社會等不同領(lǐng)域輿情性質(zhì)或也隨之變化。

2.2? ? 研究方法

本研究綜合運用德爾菲法（Delphi）和層次分析法（Analytic Hierarchy Process）檢驗反復(fù)性事件網(wǎng)絡(luò)輿情風(fēng)險評估的要素指標(biāo)。德爾菲法亦可稱為專家調(diào)查法，是一種采用函詢方式進行多次領(lǐng)域?qū)＜夷涿涣鞣答伒恼{(diào)查方法[18]。層次分析法是一種定性、定量相結(jié)合的多目標(biāo)決策分析方法，較適用于解決評估體系中指標(biāo)要素較多、內(nèi)在關(guān)系較復(fù)雜、不易采取量化的問題[19]。

通過查閱國內(nèi)外相關(guān)文獻，本研究系統(tǒng)梳理總結(jié)了多類網(wǎng)絡(luò)輿情風(fēng)險的評估指標(biāo)，并基于輿情的反復(fù)性特征及專家預(yù)訪談結(jié)果，構(gòu)建面向反復(fù)性事件的網(wǎng)絡(luò)輿情風(fēng)險評估指標(biāo)體系。然后，基于構(gòu)建的評估層次結(jié)構(gòu)模型，根據(jù)李克特量表制作專家調(diào)查問卷，并依據(jù)問卷回收所得數(shù)據(jù)建立成對比較判斷矩陣，然后運用層次分析法專業(yè)分析工具計算模型中各項要素的權(quán)重值并檢驗一致性，只有滿足一致性的數(shù)據(jù)才被采納;最后，以微博環(huán)境下“垃圾分類”事件為例，利用統(tǒng)計分析法、內(nèi)容分析法、文本情感分析等方法對反復(fù)性輿情風(fēng)險的主要指標(biāo)進行了實證分析，以期為網(wǎng)絡(luò)輿情的研究提供新的理論支撐，在實踐層面為輿情監(jiān)管部門對反復(fù)性社會事件輿情的治理提供借鑒。

3? ?反復(fù)性網(wǎng)絡(luò)輿情風(fēng)險評估體系與指標(biāo)權(quán)重

3.1? ? 評估指標(biāo)體系構(gòu)建

本研究的評估客體為具有反復(fù)性特征的重要事件網(wǎng)絡(luò)輿情。構(gòu)建層次結(jié)構(gòu)體系的目的在于對該類網(wǎng)絡(luò)輿情的風(fēng)險程度從多個方面進行綜合性評估，從而幫助相關(guān)部門及時識別輿情態(tài)勢、做出科學(xué)應(yīng)對。通過解構(gòu)評價目標(biāo)及具體表征的關(guān)鍵信息，本研究認(rèn)為反復(fù)性視角下網(wǎng)絡(luò)輿情風(fēng)險評估層次體系可設(shè)置為4個一級指標(biāo)、11個二級指標(biāo)和36個三級指標(biāo)，具體如下。

（1）“輿情主體”一級指標(biāo)。網(wǎng)絡(luò)輿情的反復(fù)過程中，輿情主體通過在社區(qū)中的多種參與行為及情感態(tài)度的表達傳播，對網(wǎng)絡(luò)輿情的反復(fù)性演化起著重要影響作用。結(jié)合已有研究及反復(fù)性輿情表征，將“輿情主體”下設(shè)參與用戶情況、主體客觀表述、以及主體主觀情感3個二級指標(biāo)。其中，用戶情況指輿情事件中內(nèi)容信息發(fā)布者以及傳播者的基本情況;客觀表述指發(fā)布或傳播內(nèi)容的詳略程度、可視化程度等，包括文字內(nèi)容、圖片內(nèi)容、視頻內(nèi)容以及其他鏈接等;主觀情感指事件參與者、發(fā)布者以及傳播者發(fā)布的內(nèi)容所體現(xiàn)出的態(tài)度、情感等。

（2）“輿情客體”一級指標(biāo)。在網(wǎng)絡(luò)輿情的反復(fù)階段，輿情事件本身可能呈現(xiàn)新的特征、反映不同的事件性質(zhì)，或進一步演化發(fā)展，這些客體表征則是輿情本體表達的集中體現(xiàn)。本研究將“輿情客體”下設(shè)事件性質(zhì)、事件規(guī)模和事件發(fā)展3個二級指標(biāo)。其中事件性質(zhì)主要指事件所屬的領(lǐng)域，包括政治安全領(lǐng)域、生態(tài)安全領(lǐng)域、社會安全領(lǐng)域、經(jīng)濟安全領(lǐng)域、文化安全領(lǐng)域[20];事件規(guī)模指整個事件引發(fā)、涉及的數(shù)據(jù)量，是事件影響大小以及覆蓋范圍的體現(xiàn);事件發(fā)展則指事件本身隨著時間的變化以及事件主體情感的演變趨勢。

（3）“傳播媒介”一級指標(biāo)。在網(wǎng)絡(luò)輿情發(fā)展的過程中，媒體傳播特征和社會網(wǎng)絡(luò)交互類型等因素會一定程度影響著輿情演變走勢，或觸發(fā)網(wǎng)絡(luò)輿情呈現(xiàn)反復(fù)性。本研究將“傳播媒介”下設(shè)關(guān)鍵節(jié)點、傳播速度、傳播路徑及輿情環(huán)境3個二級指標(biāo)。關(guān)鍵節(jié)點指在事件傳播過程中，各主體所體現(xiàn)的傳播角色，包括政府、主流媒體、微博大V以及普通大眾;傳播速度指事件規(guī)模的擴散率以及影響范圍的擴大速度;傳播路徑指事件的傳播模式以及傳播方式。

（4）“輿情環(huán)境”一級指標(biāo)。除在社區(qū)中參與信息生成和情感表達的網(wǎng)民外，還存在多數(shù)呈現(xiàn)“圍觀”的潛水者及嘗試“干預(yù)”的相關(guān)部門，他們共同組成了網(wǎng)絡(luò)輿情的外圍拓展及映射環(huán)境。本研究將“輿情環(huán)境”下設(shè)輿情映射和外界干預(yù)2個二級指標(biāo)，其中，輿情映射指網(wǎng)絡(luò)環(huán)境中關(guān)注輿情但非直接參與的主體對事件的搜索熱度;外界干預(yù)指外界環(huán)境（主要是政府）對事件的干預(yù)手段、干預(yù)模式以及干預(yù)頻度。

基于此，本研究構(gòu)建了反復(fù)性視角下網(wǎng)絡(luò)輿情風(fēng)險評估指標(biāo)體系中的三級指標(biāo)，為了盡可能遵循全面性、系統(tǒng)性和可操作性的原則。在后續(xù)專家意見征詢過程中，發(fā)現(xiàn)部分指標(biāo)存在難獲取、冗余等問題，后結(jié)合研究實際以及反復(fù)性輿情特征，對部分指標(biāo)進行了調(diào)整，最終形成網(wǎng)絡(luò)輿情風(fēng)險指標(biāo)體系并進行解釋說明（見表1）。

3.2? ?評估指標(biāo)一致性及權(quán)重分析

基于本文所構(gòu)建的層次模型，本研究制作了層次分析法專家調(diào)查問卷。同時，為實現(xiàn)對本文所構(gòu)建的模型和指標(biāo)進行檢驗，鑒于綜合評價法原理，以“非常重要、比較重要、一般、比較不重要、非常不重要”5個等級作為指標(biāo)打分依據(jù)，設(shè)計了指標(biāo)評價專家問卷。專家調(diào)查問卷均采取線上方式發(fā)放與回收。根據(jù)層次分析法和德爾菲法的基本原理，問卷調(diào)查所選取的專家樣本應(yīng)不少于10人，以保證較為理想的精準(zhǔn)度。為保證獲取數(shù)據(jù)的可信度和權(quán)威性，本次調(diào)查選取了領(lǐng)域?qū)＜覍W(xué)者、實踐界從業(yè)人員，組成了專家評估小組（N=21），其中博士18人，碩士3人。

本文采用薩蒂提出的層次分析法對指標(biāo)體系的各級指標(biāo)進行權(quán)重計算?；舅悸窞椋菏紫龋_立總目標(biāo)和關(guān)鍵影響因子，并將關(guān)鍵影響因子按隸屬關(guān)系支配分解，形成一套有序遞階結(jié)構(gòu)。其中，目標(biāo)層即所確立的風(fēng)險評估總目標(biāo)（A），準(zhǔn)則層即輿情主體、輿情客體、傳播媒介、輿情環(huán)境，基于此對上述指標(biāo)進行分析。方案層包含子指標(biāo)1和子指標(biāo)2，其中子指標(biāo)2由子指標(biāo)1進一步細(xì)化分類所得。然后，在此結(jié)構(gòu)中建立判斷矩陣將影響因子進行兩兩比較，同時計算出判斷矩陣的最大特征值和正交化特征向量。接著，利用層次分析法進行各個指標(biāo)權(quán)重的計算與排序，最終得出關(guān)鍵因素指標(biāo)，并將預(yù)測結(jié)果帶入事例中進行驗證，判斷預(yù)測是否準(zhǔn)確。

具體而言，首先將專家評分轉(zhuǎn)化為判斷矩陣;然后運用matlab進行特征值（λ）求解和一致性檢驗。CR<0.1時則可以認(rèn)為判斷矩陣的一致性可以接受;否則需要對判斷矩陣進行修正。

接著，運用matlab進行特征值法計算權(quán)值。通過構(gòu)建一系列判斷矩陣，自頂向下逐層分析量化，對一級指標(biāo)、二級指標(biāo)和三級指標(biāo)進行一致性檢驗。通過與德爾菲法相結(jié)合，最終各級指標(biāo)一致性檢驗通過，并得出各個指標(biāo)在整體中的權(quán)重（一級指標(biāo)一致性檢驗結(jié)果見表3）;二級指標(biāo)在同層級風(fēng)險評估體系中的權(quán)重（見圖1）;三級指標(biāo)在同層級風(fēng)險評估體系中的權(quán)重（見表4）。

通過一級指標(biāo)權(quán)重結(jié)果可以看出，在反復(fù)性輿情風(fēng)險評估體系中，“輿情客體”所占權(quán)重最高，一定程度上揭示了在這一階段對風(fēng)險影響最大的依然是輿情事件本身，包括輿情的性質(zhì)、規(guī)模及事件發(fā)展等因素。除此以外，參與網(wǎng)民的數(shù)量以及其在平臺的客觀表述和主觀情感等輿情主體方面，對輿情風(fēng)險影響也較為重要。同時，輿情的傳播媒介和環(huán)境也對反復(fù)性輿情的風(fēng)險評估起到一定作用。

從圖1可以看出，二級指標(biāo)中，輿情事件在網(wǎng)絡(luò)空間出現(xiàn)的內(nèi)容數(shù)量規(guī)模、參與網(wǎng)民的主觀情感以及事件的發(fā)展動態(tài)對反復(fù)性網(wǎng)絡(luò)輿情風(fēng)險的影響程度較大。其次為輿情傳播中的關(guān)鍵節(jié)點、參與網(wǎng)民的客觀表述、輿情事件的基本性質(zhì)以及外界的干預(yù)手段和強度，這些也是決定反復(fù)性網(wǎng)絡(luò)輿情風(fēng)險等級高低的重要因素。

縱觀三級指標(biāo)權(quán)重測量結(jié)果，反復(fù)階段輿情風(fēng)險影響最大的三個具體指標(biāo)分別為，主動參與網(wǎng)民發(fā)布的原創(chuàng)內(nèi)容數(shù)量、在平臺主動搜索相關(guān)信息的“圍觀”網(wǎng)民情況，以及距相關(guān)事件發(fā)生節(jié)點的時間跨度。結(jié)合反復(fù)性輿情風(fēng)險評級較重要的二級指標(biāo)進行分析發(fā)現(xiàn)：①輿情信息的主動性發(fā)布比整體發(fā)布、跟隨發(fā)布更具風(fēng)險評級參考價值;②網(wǎng)民的情感變化、負(fù)面態(tài)度比積極態(tài)度、中立態(tài)度對風(fēng)險評級更重要;③作為關(guān)鍵節(jié)點的微博大V、主流媒體比政府、普通大眾對輿情風(fēng)險的影響強度更明顯;④輿情事件所屬社會領(lǐng)域、政治領(lǐng)域比所屬經(jīng)濟領(lǐng)域、生態(tài)領(lǐng)域和安全文化領(lǐng)域?qū)︼L(fēng)險級別的影響概率更高;⑤輿情信息中視頻比鏈接、圖片對輿情風(fēng)險評估權(quán)重更大;⑥傳播路徑中，多關(guān)鍵節(jié)點較單關(guān)鍵點及鏈?zhǔn)絺鞑ビ绊懥Ω蟆?/p>

4? ?指標(biāo)體系的實證檢驗

4.1? ? 案例選取及數(shù)據(jù)采集

本研究以微博平臺中“垃圾分類”事件及其對應(yīng)的網(wǎng)絡(luò)輿情為例，進行反復(fù)性視角下網(wǎng)絡(luò)輿情風(fēng)險指標(biāo)體系的檢驗與對比分析。之所以選取此案例，一方面由于“垃圾分類”輿情是近年來隨不同地域相關(guān)政策頒布而出現(xiàn)的典型反復(fù)性網(wǎng)絡(luò)輿情，具備該類輿情的主要特征及普適性研究價值;另一方面，自2019年7月1日上海開始實施《上海市生活垃圾管理條例》以來，眾多網(wǎng)友基于此展開討論并形成大量相關(guān)數(shù)據(jù)，對數(shù)據(jù)的有效采集和充分分析起到良好的支持作用。

本研究以“垃圾分類”為關(guān)鍵詞，利用八爪魚和Python采集了自2019年6月1日至2020年9月7日微博平臺的25余萬條數(shù)據(jù)，抓取的數(shù)據(jù)類型主要包括微博ID、發(fā)布時間、微博內(nèi)容、內(nèi)容類型、轉(zhuǎn)發(fā)-評論-點贊等微博平臺信息。經(jīng)過編程自動篩選與人工清洗，去除重復(fù)、無用及干擾數(shù)據(jù)，最終有近22萬條有效數(shù)據(jù)，以供研究進一步開展。

4.2? ? “垃圾分類”輿情的生命周期階段劃分

根據(jù)生命周期理論，網(wǎng)絡(luò)輿情事件的傳播演化存在明顯階段特征，已有研究多用平臺的相關(guān)發(fā)文數(shù)量作為關(guān)鍵指標(biāo)進行量化顯示。本文以生命周期理論為依據(jù)，結(jié)合“垃圾分類”相關(guān)輿情中微博發(fā)文數(shù)的變化情況以及本文前述反復(fù)性輿情的發(fā)現(xiàn)，將該事件的輿情演化過程劃分為4個大致階段：潛伏期（2019年6月1日-2019年6月16日）、爆發(fā)期（2019年6月17日-2019年7月15日）、反復(fù)期（2019年7月15日-2019年9月7日）、長尾期（2019年9月8日-2020年9月21日）。其中基于反復(fù)期的特征和數(shù)據(jù)規(guī)模，將反復(fù)期進一步分為：反復(fù)期1（2019年7月23日-7月25日）、反復(fù)期2（2019年8月3日-8月9日）和反復(fù)期3（2019年8月31日-9月7日）（具體階段劃分見圖2）。

4.3? ? “垃圾分類”輿情反復(fù)階段的主要指標(biāo)特征分析

如前所述，本研究在構(gòu)建反復(fù)性視角下網(wǎng)絡(luò)輿情風(fēng)險評估指標(biāo)體系的同時，還嘗試結(jié)合測量指標(biāo)的重要程度，進一步剖析輿情反復(fù)階段與其他生命周期階段相比，哪些指標(biāo)是既重要又有明顯差異性的，而哪些指標(biāo)雖然重要但在輿情各階段沒有明顯差別。以此來判別哪些指標(biāo)或因素可更有效預(yù)測或識別輿情的反復(fù)期。

（1）輿情主體方面

①基于網(wǎng)民規(guī)模的反復(fù)性輿情風(fēng)險評估。本研究通過統(tǒng)計分析整理“垃圾分類”輿情參與網(wǎng)民的數(shù)量，并測量了三個反復(fù)階段與爆發(fā)階段參與網(wǎng)民的規(guī)模。發(fā)現(xiàn)反復(fù)期與爆發(fā)期輿情整體用戶規(guī)模、主動發(fā)布用戶數(shù)量大體與對應(yīng)時間范圍的輿情信息規(guī)模呈正比;同時發(fā)現(xiàn)主動發(fā)布用戶占整體內(nèi)容發(fā)布用戶的較大比例，其對輿情的反復(fù)性發(fā)展有重大影響（見圖3）。換言之，盡管參與用戶的數(shù)量規(guī)?？勺鳛檩浨轱L(fēng)險評估的重要指標(biāo)，但反復(fù)性輿情測量中該指標(biāo)沒有明顯階段特征。

②基于網(wǎng)民生成內(nèi)容的反復(fù)性輿情風(fēng)險評估。通過使用Python和Excel統(tǒng)計工具展開分析發(fā)現(xiàn)，文字是網(wǎng)民生成內(nèi)容最常見的形式，文字的長度與輿情各周期“冷熱”有較明顯的一致性關(guān)系。而在網(wǎng)民生成發(fā)布的其他類型內(nèi)容中，鏈接數(shù)量略高于視頻和圖片數(shù)量，且輿情的反復(fù)階段和爆發(fā)階段網(wǎng)民發(fā)布的非文字類型數(shù)量也相對較高。這意味著，盡管參與用戶的客觀表述雖然作為輿情風(fēng)險評估的重要指標(biāo)，但該指標(biāo)對反復(fù)性輿情測量同樣沒有明顯階段特征（見圖4、圖5）。

③基于網(wǎng)民情感的反復(fù)性輿情風(fēng)險評估。本部分根據(jù)情感字典對分詞后的文本進行情感計算，具體步驟如下：首先進行分詞及詞性標(biāo)注，詞和詞性構(gòu)成一個元組;然后進行句子切分，讀取停用詞表，去除停用詞;接著讀取情感詞典，獲取六種權(quán)值的詞，根據(jù)要求返回list，其中，程度副詞的權(quán)值從高到低分別是2、1.5、1.25、0.5、0.25、-1;進而，對情感得分進行最后處理，如[-1， 3]→[0， 4]。其中分?jǐn)?shù)越高，說明情感越趨向于積極性。

分析各階段網(wǎng)民的情感分值（見圖6），不難看出，一方面，在“垃圾分類”相關(guān)輿情中，正向情感始終居于上風(fēng)，盡管其分類政策可能給普通群眾日常生活帶來更多任務(wù)量，但從網(wǎng)民情感走向來看，可以認(rèn)為群眾對生態(tài)環(huán)保、污染治理等持更為正面的支持態(tài)度;另一方面，網(wǎng)民的情感分值在三個反復(fù)期均沒有呈現(xiàn)明顯的峰值，其或可解釋為在反復(fù)階段網(wǎng)民的認(rèn)知理性或情感穩(wěn)定程度較高。鑒于此，盡管網(wǎng)民的情感態(tài)度可作為衡量全生命周期網(wǎng)絡(luò)輿情風(fēng)險評估的重要指標(biāo)，但在反復(fù)階段該指標(biāo)的評價貢獻并不高于其它階段。

（2）輿情客體方面

①基于輿情規(guī)模的反復(fù)性輿情風(fēng)險評估。輿情規(guī)模作為衡量全生命周期的重要指標(biāo)，其作用不言而喻。然而除了網(wǎng)民主動發(fā)布的各類型內(nèi)容外，還有相當(dāng)規(guī)模的轉(zhuǎn)發(fā)、評論和點贊情況。分析網(wǎng)民在輿情各階段的跟隨走勢（見圖7），反映出輿情的爆發(fā)和反復(fù)期過程中，網(wǎng)民點贊和轉(zhuǎn)發(fā)情況較為突出，雖然并不與階段峰值到達的時間完全吻合，但也基本保持前后相近狀態(tài);同時，在長尾期由于個別傳播者的特殊性，網(wǎng)民點贊量仍可出現(xiàn)較高值。本研究還發(fā)現(xiàn)，反復(fù)期與爆發(fā)期的相關(guān)評論數(shù)據(jù)較少，且與基于反復(fù)期測量該指標(biāo)的效果并不明顯。這在一定程度上說明了網(wǎng)民的參與行為也較符合最小省力法則，即轉(zhuǎn)發(fā)和點贊相對時間短、較便捷，而評論則需要用戶占用更多時間。

②基于輿情性質(zhì)的反復(fù)性輿情風(fēng)險評估。本部分使用了主成分分析法，具體操作如下：首先，從輿情各階段隨機抽取出一萬條數(shù)據(jù)文本，進行分詞、去除停用詞等預(yù)處理后，利用Python進行詞頻統(tǒng)計并降序輸出，選取其中前300個高頻主題詞，進一步篩選得到有效的高頻主題詞74個。然后，隨機選取120個用戶及所發(fā)布的微博正文，將高頻主題詞出現(xiàn)一次記為數(shù)字1，出現(xiàn)兩次記為數(shù)字2，出現(xiàn)三次記為數(shù)字3，以此類推，將最終處理完畢的數(shù)據(jù)結(jié)果導(dǎo)入SPSS中進行相關(guān)性分析以及主成分分析，并且輸出載荷圖等其他的相關(guān)結(jié)果圖。本文共得到了10個以上的主成分，選取前5個主成分，根據(jù)各個高頻詞的貢獻率可知，研究案例涉及的輿情性質(zhì)主要有生態(tài)環(huán)境、社會生活、法律法規(guī)三個領(lǐng)域（部分截取的成分得分系數(shù)矩陣見表5）。

③基于輿情情感波動的反復(fù)性輿情風(fēng)險評估?；诒疚闹械那楦蟹种颠M一步算出積極情感、消極情感平均分以及平均分之比，并依據(jù)此算出積極、消極得分的方差以及方差之比。情感方差一定程度上反映了輿情情感強度的波動性與穩(wěn)定性情況（見圖8），在輿情爆發(fā)期積極、消極情感方差都較大，而反復(fù)階段積極、消極情感方差較小，甚至小于長尾期的情感方差。這揭示了即使輿情爆發(fā)期的情感波動是風(fēng)險評估的重要測量指標(biāo)，輿情的反復(fù)期該指標(biāo)盡管也是參考依據(jù)，但呈現(xiàn)測量效果相對不明顯。

（3）輿情關(guān)鍵節(jié)點方面

本研究對所有采集的交互數(shù)據(jù)進行加權(quán)計算：轉(zhuǎn)發(fā)量*0.5+評論量*0.3+點贊量*0.2=最終得分。接著，通過最終得分進行降序處理，取出得分為100分以上的關(guān)鍵節(jié)點，再進行降序排序，選取前500名，作為整個周期的關(guān)鍵節(jié)點;然后，選取出對應(yīng)時間階段的關(guān)鍵節(jié)點以及關(guān)鍵節(jié)點的得分，把爆發(fā)期、反復(fù)期1，反復(fù)期2，反復(fù)期3，長尾期對應(yīng)的關(guān)鍵節(jié)點提取出來;如關(guān)鍵節(jié)點關(guān)注另一個關(guān)鍵節(jié)點則可判定為二者之間有單向聯(lián)系，記為1，無單向聯(lián)系記為0。利用Python，登錄微博進行比對，并且將最后的1 0矩陣輸出到Excel表中。最后利用ucinet和newdraw進行社交網(wǎng)絡(luò)可視化分析以及中心度分析，輸出結(jié)果（見圖9）。

進一步分析發(fā)現(xiàn)，就數(shù)量而言，全周期的關(guān)鍵節(jié)點最多，而爆發(fā)期和反復(fù)期3的關(guān)鍵節(jié)點次之;就密集程度而言，全周期最為密集，反復(fù)期3和爆發(fā)期的較為密集;就具體的關(guān)鍵節(jié)點而言，在全周期內(nèi)，最主要的幾個關(guān)鍵節(jié)點主要為主流媒體、政府和大V;在爆發(fā)期內(nèi)，最主要的幾個關(guān)鍵節(jié)點是：政府和主流媒體;而在反復(fù)期內(nèi)，最主要的關(guān)鍵節(jié)點則為主流媒體和大V，尤其在案例反復(fù)期3可以發(fā)現(xiàn)，這一時期雖然關(guān)鍵節(jié)點數(shù)量較多，但是主要為大V群體。這可以反映出雖然話題討論較多，但隨著反復(fù)次數(shù)增多，政府干預(yù)越來越少，網(wǎng)絡(luò)大V的傳播關(guān)鍵節(jié)點地位愈加凸顯。

5? ?結(jié)論及建議

本研究構(gòu)建面向反復(fù)性事件的網(wǎng)絡(luò)輿情風(fēng)險評估指標(biāo)體系，綜合運用德爾菲法和層次分析法對指標(biāo)體系進行了驗證和權(quán)重分解，識別出影響反復(fù)性輿情風(fēng)險發(fā)生的主要指標(biāo)類型和具體指標(biāo)。在此基礎(chǔ)上，基于所采集的與“垃圾分類”反復(fù)性輿情事件相關(guān)的22余萬條有效微博條目作為研究對象，通過統(tǒng)計分析、主成分分析、文本情感分析，實現(xiàn)了輿情反復(fù)階段與其它階段的主要指標(biāo)測量比較，識別出對反復(fù)性輿情風(fēng)險評估起著相對重要作用的指標(biāo)要素。主要得出以下結(jié)論及建議：

（1）構(gòu)建聯(lián)動的反復(fù)性事件輿情風(fēng)險監(jiān)測體系。風(fēng)險監(jiān)測體系是長效輿情引導(dǎo)控制的基礎(chǔ)，在輿情經(jīng)過熱議而處于相對冷卻的狀態(tài)時，仍需對其建立反復(fù)性評價反饋機制，并隨時評估再次引發(fā)危機的可能。具體工作可基于兩方面開展：其一是將反復(fù)性輿情主要測量指標(biāo)及指標(biāo)體系的量化評估結(jié)果聯(lián)動至整體輿情預(yù)警體系，以便于相關(guān)部門及時進行統(tǒng)籌研判和處理;其二是將輿情的全過程數(shù)據(jù)納入案例庫，不斷完善反復(fù)性輿情風(fēng)險評估體系，以為后續(xù)其它類似事件提供可借鑒的思路和建議。

（2）加強輿情事件性質(zhì)的識別和引導(dǎo)。盡管反復(fù)性輿情的核心話題或議題相對不變，但是話題背后的事件性質(zhì)或隨網(wǎng)民的輿論發(fā)展而發(fā)生變遷?；诒狙芯堪l(fā)現(xiàn)，輿情風(fēng)險的相關(guān)事件性質(zhì)權(quán)重從大到小依次為社會安全、政治安全、經(jīng)濟安全、生態(tài)安全和文化安全，結(jié)合輿情反復(fù)階段用戶發(fā)布主動內(nèi)容參與性強、評論回復(fù)等交互性弱及多傳播關(guān)鍵節(jié)點的特征，相關(guān)部門可以在輿情爆發(fā)后重點關(guān)注關(guān)鍵傳播節(jié)點，引導(dǎo)其輿情發(fā)布內(nèi)容成分及事件性質(zhì)等風(fēng)險層級弱化，盡量避免不良后續(xù)輿情的產(chǎn)生。

（3）重視輿情發(fā)展過程中網(wǎng)民的情感態(tài)度。輿情的反復(fù)階段，網(wǎng)民的認(rèn)知相對理性、情感波動較爆發(fā)期相對穩(wěn)定;同時也可存在情緒的內(nèi)隱和累積，當(dāng)意外事件進一步刺激而導(dǎo)致情感臨界點的突破，這一情感維度正是反復(fù)性網(wǎng)絡(luò)輿情分析和監(jiān)測的重點和關(guān)鍵。基于此，有必要對反復(fù)性輿情發(fā)生過程中網(wǎng)民顯性與隱性情感特征進行識別研判，通過揭示諸如網(wǎng)絡(luò)輿情中的情感類型、情感狀態(tài)、情感強度、情感焦點、情感指向、情感喚起等要素，剖析隱性情感發(fā)展態(tài)勢及在網(wǎng)絡(luò)社會中的顯性轉(zhuǎn)化動因、規(guī)律，進而綜合形成各個輿情發(fā)展階段危機程度和預(yù)警級別。

（4）發(fā)揮輿情傳播關(guān)鍵節(jié)點的多維價值。本研究進一步驗證了輿情的整個生命周期中，關(guān)鍵節(jié)點發(fā)布的內(nèi)容類型與傳播路徑存在的明顯差異。作為輿情風(fēng)險評估的重要指標(biāo)，需要在不同階段對關(guān)鍵節(jié)點進行科學(xué)把握和高效引導(dǎo)，諸如相關(guān)治理機構(gòu)在輿情爆發(fā)期可主要考慮依托多關(guān)鍵節(jié)點影響力和快速擴散能力，對網(wǎng)民進行及時、權(quán)威、針對性、結(jié)構(gòu)化地信息輸出;而在輿情的反復(fù)期，重點強化多類型關(guān)鍵節(jié)點協(xié)同信息內(nèi)容生成和傳播，尤其關(guān)注平臺大V的正向傳播作用，以防止“輿情搭載”、“次生輿情”等新情況。

上述研究發(fā)現(xiàn)有助于為政府和相關(guān)部門的整個生命周期輿情治理、尤其是反復(fù)階段輿情治理提供數(shù)據(jù)與方法支持，識別潛在的反復(fù)風(fēng)險，提高科學(xué)應(yīng)對決策。后續(xù)我們將繼續(xù)擴大研究樣本，進一步檢驗和改進反復(fù)性輿情識別指標(biāo)及方法的準(zhǔn)確性和適用性。

參考文獻：

[1]? 張瑜，李兵，劉晨玥.面向主題的微博熱門話題輿情監(jiān)測研究——以“北京單雙號限行常態(tài)化”輿情分析為例[J].中文信息學(xué)報，2015，29（5）：143-151，159.

[2]? 何振，盧坤.突發(fā)事件社會輿情風(fēng)險生成演化及防控研究[J].湘潭大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2020，44（2）：22-26.

[3]? 安璐，代園園，周亦文.公共安全事件衍生輿情形成與演化研究——基于話題與時間序列分析[J].公安學(xué)研究，2020，3（1）：14-31，123.

[4]? 黃衛(wèi)東，林萍，董怡，等.基于話題特征詞的網(wǎng)絡(luò)輿情參與者情感演化分析[J].情報雜志，2015，34（11）：117-122，144.

[5]? 蔣宇，蘭月新，劉冰月，等.面向輿情預(yù)測的突發(fā)事件首發(fā)信息風(fēng)險評估研究[J].圖書與情報，2016（3）：19-27.

[6]? 梁冠華，鞠玉梅.基于輿情演化生命周期的突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險評估分析[J].情報科學(xué)，2018，36（10）：48-53.

[7]? 徐迪.基于時空大數(shù)據(jù)的重大疫情類突發(fā)事件網(wǎng)絡(luò)輿情研判體系研究[J].現(xiàn)代情報，2020，40（4）：23-30，81.

[8]? 王靜茹，金鑫，黃微.多媒體網(wǎng)絡(luò)輿情危機監(jiān)測指標(biāo)體系構(gòu)建研究[J].情報資料工作，2017（6）：25-32.

[9]? 秦琴，湯書昆.突發(fā)自然災(zāi)害網(wǎng)絡(luò)輿情風(fēng)險監(jiān)測指標(biāo)體系研究[J/OL].電子科技大學(xué)學(xué)報（社科版）：1-9[2020-10-14].https：//doi.org/10.14071/j.1008-8105（2019）-3023.

[10]? 黃微，徐燁，劉熠，等.多媒體網(wǎng)絡(luò)輿情衰退期形成的評估指標(biāo)體系構(gòu)建研究[J].情報理論與實踐，2020，43（1）：76-81.

[11]? 薛新波，周中林.政府信息公開的輿情風(fēng)險評估指標(biāo)體系構(gòu)建及其策略研究[J].西南科技大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2018，35（3）：69-75，79.

[12]? 扈翔.外媒涉華輿情風(fēng)險評估指標(biāo)體系的構(gòu)建[J].青年記者，2017（23）：7-8.

[13]? 談依箴，劉茉，李洋，等.邊疆地區(qū)網(wǎng)絡(luò)輿情風(fēng)險評估研究[J].中國公共安全（學(xué)術(shù)版），2017（4）：107-113.

[14]? 郭寶盛，季紅穎.重大疫情中網(wǎng)絡(luò)輿情危機演變及治理策略[J].情報科學(xué)，2020，38（6）：103-109，138.

[15]? 閆旭鳳.季節(jié)性輿情的成因及治理對策[J].青年記者，2018（17）：10-11.

[16]? 李拉亞.理性疏忽、粘性信息和粘性預(yù)期理論評介[J].經(jīng)濟學(xué)動態(tài)，2011（2）：117-124.

[17]? 龐正，周恒.場域抑或主體：網(wǎng)絡(luò)社群的理論定位[J].社會科學(xué)戰(zhàn)線，2017（12）：184-191.

[18]? 曾照云，程曉康.德爾菲法應(yīng)用研究中存在的問題分析——基于38種CSSCI（2014-2015）來源期刊[J].圖書情報工作，2016，60（16）：116-120.

[19]? 薛翔，趙宇翔，陳英奇，等.基于層次分析法的公眾科學(xué)項目游戲化設(shè)計的評價指標(biāo)體系構(gòu)建[J].圖書與情報，2019（3）：50-60.

[20]? 曾潤喜，羅俊杰，朱美玲.網(wǎng)絡(luò)社會安全風(fēng)險評估指標(biāo)體系研究[J].電子政務(wù)，2019（3）：36-45.

作者簡介：張鑫（1985-），女，河北大學(xué)管理學(xué)院講師，南開大學(xué)商學(xué)院博士后，研究方向：網(wǎng)絡(luò)社會治理;田雪燦（2000-），女，河北大學(xué)管理學(xué)院本科生，研究方向：輿情挖掘、情感分析;劉鑫雅（2000-），女，河北大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院本科生，研究方向：大數(shù)據(jù)資源智能化管理及應(yīng)用。