文/陳 林 王志丹 楊 光(．．．江蘇師范大學(xué),江蘇 徐州 6)

內(nèi)容提要：現(xiàn)代社會(huì)的發(fā)展推動(dòng)公共決策過程中民眾的參與,亦使得運(yùn)用大數(shù)據(jù)方法把握網(wǎng)絡(luò)民意成為新時(shí)代的重要課題。以《學(xué)前教育法草案》微博平臺(tái)的民意分析為例,運(yùn)用大數(shù)據(jù)手段以及社會(huì)網(wǎng)絡(luò)分析方法,從決策態(tài)度、表達(dá)方式、意見領(lǐng)袖等維度建立分析框架,剖析負(fù)性情感偏向的網(wǎng)絡(luò)民意聚合機(jī)制。研究發(fā)現(xiàn),議題公共性強(qiáng)、敏感度高是民意聚合的原因,而民眾負(fù)性情感偏向則是心理噪聲機(jī)理、沉默的螺旋效應(yīng)、極化機(jī)理綜合作用的結(jié)果?；诖?決策主體可以通過培養(yǎng)理性意見領(lǐng)袖、發(fā)揮主流媒體功效、提高網(wǎng)絡(luò)民眾素質(zhì)以及對(duì)話網(wǎng)絡(luò)民眾的策略,有效引導(dǎo)網(wǎng)絡(luò)民意走向。

一、引言

近年來(lái),網(wǎng)民規(guī)模呈現(xiàn)指數(shù)增長(zhǎng),第46次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示,截至2020年6月我國(guó)網(wǎng)民規(guī)模達(dá)9．40億。民眾通過互聯(lián)網(wǎng)參與政治生活的意識(shí)也日漸增強(qiáng),越來(lái)越多的民眾借助網(wǎng)絡(luò)平臺(tái)發(fā)表自己對(duì)政策的觀點(diǎn)態(tài)度與利益訴求。盡管網(wǎng)絡(luò)民意是廣泛的民意集合體,對(duì)公共決策過程具有參考價(jià)值,但由于網(wǎng)絡(luò)民意表達(dá)是網(wǎng)民在不自覺狀態(tài)下進(jìn)行的自在式評(píng)價(jià)活動(dòng),并非完全理性,有時(shí)會(huì)誤導(dǎo)公共決策偏離科學(xué)軌道[1]。鑒于此,有必要探明公共決策視域下有關(guān)網(wǎng)絡(luò)民意的兩個(gè)重要問題：第一,如何通過大數(shù)據(jù)把握民意的情感取向與主要觀點(diǎn)；第二,探明網(wǎng)絡(luò)民意的聚合機(jī)制,為引導(dǎo)民意走向提供對(duì)策與建議。

2020年9月7日,教育部網(wǎng)站發(fā)布《中華人民共和國(guó)學(xué)前教育法草案(征求意見稿)》(以下簡(jiǎn)稱《學(xué)前教育法草案》),第39條規(guī)定幼兒園不得教授小學(xué)階段的教育內(nèi)容。我國(guó)首次以立法的形式為幼兒園超前教育劃上紅線,既說(shuō)明國(guó)家對(duì)學(xué)前教育的重視,也充分暴露了學(xué)前教育存在的突出問題。同日,中國(guó)新聞網(wǎng)于新浪微博平臺(tái)上創(chuàng)立#幼兒園不得教授小學(xué)階段的教育內(nèi)容#話題,引發(fā)了網(wǎng)民熱議。截至目前,該話題已經(jīng)擁有5．5億的閱讀數(shù)以及3．5萬(wàn)的討論數(shù)。本文嘗試?yán)镁W(wǎng)絡(luò)爬蟲獲取學(xué)前教育法草案話題下的評(píng)論數(shù)據(jù),借助大數(shù)據(jù)技術(shù)了解網(wǎng)絡(luò)民眾的決策態(tài)度以及表達(dá)方式,運(yùn)用社會(huì)網(wǎng)絡(luò)分析法識(shí)別民眾的意見領(lǐng)袖以及代表觀點(diǎn),從情感態(tài)度、意見領(lǐng)袖和代表觀點(diǎn)三方面來(lái)把握網(wǎng)絡(luò)民意并探明民意聚合的機(jī)制,為大數(shù)據(jù)在公共決策過程中的運(yùn)用提供有益探索。

二、網(wǎng)絡(luò)民意與公共決策研究回顧

(一)網(wǎng)絡(luò)民意

國(guó)外學(xué)者韓念西認(rèn)為,民意是具有相當(dāng)數(shù)量的一群人針對(duì)重要議題表達(dá)其復(fù)雜偏好的綜合[2]。這一界定首先指出民意的主體是一定規(guī)模的社會(huì)民眾。國(guó)內(nèi)學(xué)者余致力進(jìn)一步辨析,認(rèn)為民意之“民”未必等同于全民,民意也不必然等同于多數(shù)民眾的意見[3]。其次,韓念西認(rèn)為民意的實(shí)質(zhì)是復(fù)雜偏好的綜合,這與當(dāng)前有關(guān)民意的主流觀點(diǎn)相似,即民意是情緒、態(tài)度、意見和干涉意愿的總和[4]。再者,此界定拋出民意客體這一要素,何志武認(rèn)為民意客體相較于輿論客體更具針對(duì)性,主要圍繞重要的社會(huì)議題與政府公共政策[5]。本研究認(rèn)為,民意是一個(gè)或一個(gè)以上社會(huì)民眾針對(duì)社會(huì)公共事務(wù)和政府決策所發(fā)表的情緒、態(tài)度、意見與干涉意愿的總和。

民意作為一種意識(shí)形態(tài),通過特定的載體支撐外化為人們感知的表現(xiàn)形式?；ヂ?lián)網(wǎng),以其開放性和便利性給予民意新的物質(zhì)載體與表達(dá)通道[6],網(wǎng)絡(luò)民意成為民意的網(wǎng)絡(luò)呈現(xiàn)方式。參照民意的定義,網(wǎng)絡(luò)民意可定義為一個(gè)或一個(gè)以上社會(huì)民眾,借助于互聯(lián)網(wǎng)平臺(tái),針對(duì)社會(huì)公共事務(wù)和政府決策所發(fā)表的情緒、態(tài)度、意見與干涉意愿的總和。憑借互聯(lián)網(wǎng)“所有人對(duì)所有人”的傳播優(yōu)勢(shì),社會(huì)民眾突破以往精英主導(dǎo)的局限,對(duì)政治議題暢所欲言[7]。無(wú)須借助高成本渠道資源或是他者的力量,具有相同訴求的大眾可以在網(wǎng)絡(luò)空間迅速結(jié)盟。

(二)公共決策

公共決策,指國(guó)家、行政管理機(jī)構(gòu)和社會(huì)團(tuán)體所進(jìn)行的決策,如公共福利、國(guó)家安全、國(guó)際關(guān)系等[8]。相較于一般決策,公共性是公共決策的突出特征,即公共決策總是從公共利益出發(fā),解決公共事務(wù)中出現(xiàn)的問題。該特點(diǎn)對(duì)于公共決策長(zhǎng)期性、多樣性、權(quán)威性等特點(diǎn)具有本源意義[9]。

由于公共決策的復(fù)雜特征,因此相較其他決策,公共決策需要滿足更高的要求。一般而言,公共決策質(zhì)量的衡量依據(jù)有二,其一,以是非標(biāo)準(zhǔn)為尺度判斷決策是否合理；其二,以價(jià)值標(biāo)準(zhǔn)為尺度權(quán)衡決策優(yōu)劣。成功的公共決策應(yīng)當(dāng)以最小化的決策投入獲取最大化的公共利益,實(shí)現(xiàn)目標(biāo)合理、方案可行[10]。為此,公共決策的民主化、科學(xué)化不可或缺。周光輝認(rèn)為,當(dāng)前社會(huì)結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)發(fā)生深刻變遷,要擺脫已形成的利益格局對(duì)公共決策的裹挾與影響,必須將決策民主化作為有效路徑[11]。在公共決策過程中兼聽各方聲音,留意各方交鋒博弈,有利于降低主觀臆斷與“拍腦袋”帶來(lái)的決策失誤概率,做出更客觀全面的判斷。同時(shí),決策的民主化與公民的決策配合度息息相關(guān),對(duì)于一些諸如衣食住行等對(duì)民眾接受度要求高的決策問題,發(fā)動(dòng)民眾進(jìn)行決策態(tài)度的表達(dá)尤為重要。

(三)網(wǎng)絡(luò)民意與決策民主化

作為目前最為廣泛的民意集合體,網(wǎng)絡(luò)民意聚集著多樣化的利益訴求,是進(jìn)行公共決策過程中極具價(jià)值的“民間智庫(kù)”,公共決策過程重視網(wǎng)絡(luò)民意是提升決策民主化的內(nèi)在要求。在公共決策過程中,以下三種信息是必要的：有關(guān)公眾對(duì)決策偏好的信息,有關(guān)決策在其作用范圍內(nèi)運(yùn)轉(zhuǎn)態(tài)勢(shì)的信息,有關(guān)決策解決方案的技術(shù)信息[12]。獲取這三點(diǎn)信息使得聽取民意成為必須。

雖然網(wǎng)絡(luò)民意天然地具有被決策者聆聽的“必要特質(zhì)”,但其中摻雜眾多非理性因素。一是因?yàn)槿缃裥畔⑼|(zhì)化嚴(yán)重,網(wǎng)絡(luò)民意易受到媒體報(bào)道和用戶行為策略干擾[13]；二是因?yàn)槊癖娍偸菐е延杏^念,“先入為主”地發(fā)表對(duì)議題的看法[14]；三是網(wǎng)絡(luò)民意有被外在力量建構(gòu)或者操縱的可能,存在淪為利益集團(tuán)影響決策議程設(shè)置的靶子、嬗變?yōu)檎喂ぞ叩娘L(fēng)險(xiǎn)[15]。因此,聽取網(wǎng)絡(luò)民意并不意味著決策主體要將所有權(quán)利讓渡于民,而應(yīng)當(dāng)為民眾參與決策的過程做出合理安排,使雙方形成平等的互動(dòng)。決策主體尤其應(yīng)當(dāng)注意在政策質(zhì)量的規(guī)定方面、問題結(jié)構(gòu)的界定方面提供權(quán)威解釋。

(四)大數(shù)據(jù)技術(shù)在決策科學(xué)化中的應(yīng)用

決策科學(xué)化是防止決策出現(xiàn)失誤、降低決策成本與減少副作用的必然選擇。一般而言,公共決策科學(xué)化要求決策過程有效利用現(xiàn)代科技手段,廣泛收集信息[16]。信息是公共決策制定與調(diào)整的命脈,其質(zhì)量是決策能否實(shí)現(xiàn)科學(xué)化的關(guān)鍵因素[17]。換句話說(shuō),沒有用以決策的信息,決策便是無(wú)源之水、無(wú)本之木。在公共決策過程信息收集階段,對(duì)民意的把握至關(guān)重要[18]。但是,傳統(tǒng)的公共決策由于難以發(fā)現(xiàn)并充分利用公共服務(wù)需求方的信息而偶發(fā)決策失靈現(xiàn)象[19]。隨著信息技術(shù)的發(fā)展,這種情況正在被改變。大數(shù)據(jù)技術(shù)的應(yīng)用使得信息收集變得輕而易舉,通過對(duì)信息的編碼與解讀,決策主體能夠快速了解社會(huì)群體的偏好與認(rèn)知。

公共政策學(xué)者庫(kù)克指出,數(shù)據(jù)驅(qū)動(dòng)的公共決策使得決策以事實(shí)為基礎(chǔ),從而顯著提升公共決策的有效性,塑造出開放而負(fù)責(zé)的政府形象[20]。當(dāng)前,大數(shù)據(jù)提升決策透明度、提高決策效果已成為共識(shí)[21]。英國(guó)、瑞士、新加坡等國(guó)已實(shí)行在政府決策過程中使用網(wǎng)絡(luò)進(jìn)行文本挖掘、情感挖掘以及趨勢(shì)研判等提高決策效率的方法[22]。2015年國(guó)務(wù)院印發(fā)《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》,其中明確提出“要實(shí)現(xiàn)基于數(shù)據(jù)的科學(xué)決策,逐步實(shí)現(xiàn)政府治理能力現(xiàn)代化。”因此,如何在公共決策過程中利用大數(shù)據(jù)手段已成為新時(shí)代重要的實(shí)踐性問題。

三、研究方法

(一)數(shù)據(jù)預(yù)處理

本研究利用Python對(duì)微博平臺(tái)#幼兒園不得教授小學(xué)階段的教育內(nèi)容#話題下的一級(jí)評(píng)論進(jìn)行抓取,共獲得11565條原始數(shù)據(jù)。由于原始數(shù)據(jù)中包含大量噪聲,因此在進(jìn)行數(shù)據(jù)分析前先對(duì)其進(jìn)行預(yù)處理,預(yù)處理包括數(shù)據(jù)清洗、分詞以及關(guān)鍵詞提取三步。

首先,以每條評(píng)論為單位對(duì)原始數(shù)據(jù)進(jìn)行清洗。數(shù)據(jù)清洗包括剔除不必要的內(nèi)容以及調(diào)整數(shù)據(jù)內(nèi)容的結(jié)構(gòu)。清洗規(guī)則以及處理方案如表1所示,清洗完成后得到10679條文本數(shù)據(jù)。第二步,利用 Python3．7．1中的第三方模塊Jieba實(shí)現(xiàn)中文分詞。結(jié)合“百度停用詞表”、“哈工大停用詞表”以及學(xué)前教育領(lǐng)域的專業(yè)名詞對(duì)模塊自帶的停用詞表進(jìn)行擴(kuò)充,刪除分詞過程中的停用詞以獲取更精確、更有意義的文檔詞表。第三步,使用TextRank算法提取評(píng)論文本中的關(guān)鍵詞。

表1 數(shù)據(jù)清洗規(guī)則

(二)數(shù)據(jù)分析

1．探明決策態(tài)度。文本情感分析(Sentiment Analysis)是指處理帶有情感色彩的主觀性文本的過程,常用于微博、用戶論壇、微信等語(yǔ)境之中,其目標(biāo)可以是只進(jìn)行褒貶兩個(gè)維度的劃分,也可以是多類分類。本文選用機(jī)器學(xué)習(xí)方法中的支持向量機(jī)(SVM)對(duì)#幼兒園不得教授小學(xué)教育內(nèi)容#話題下的博文評(píng)論進(jìn)行情感分析,分為支持和不支持兩類。其主要內(nèi)容是,明確支持草案第39條內(nèi)容和明確反對(duì)草案中第39條內(nèi)容。利用SVM實(shí)現(xiàn)情感極性分類的流程如下。首先,由兩名編碼人員分別判斷4000條評(píng)論的情感極性,正向記為1,負(fù)向記為0。使用SPSS對(duì)兩名編碼人員的情感標(biāo)注結(jié)果做相關(guān)性分析,以驗(yàn)證首次情感標(biāo)注的有效性。第二步,從已標(biāo)注好情感的4000條評(píng)論中選取正向情感評(píng)論300條,負(fù)向情感評(píng)論300條作為樣本。抽取樣本中80%的數(shù)據(jù)作為模型的訓(xùn)練集。第三步,利用 Python平臺(tái)下的Sklearn算法模塊實(shí)現(xiàn)SVM模型的訓(xùn)練,利用F1值、準(zhǔn)確率、召回率作為模型評(píng)估指標(biāo)。第四步,運(yùn)用訓(xùn)練好的分類器對(duì)剩下的6679條評(píng)論進(jìn)行情感極性標(biāo)注。

2．分析情感表達(dá)。表達(dá)方式是網(wǎng)絡(luò)民眾在微博平臺(tái)上進(jìn)行評(píng)論時(shí)使用的特定語(yǔ)言方法與手段,可以分為理性思考型與情緒表達(dá)型。兩者的劃分依據(jù)為,如果評(píng)論者以數(shù)據(jù)事實(shí)、邏輯推理、客觀陳述等方式進(jìn)行表達(dá),則可以將其界定為理性思考型,如：經(jīng)濟(jì)基礎(chǔ)決定上層建筑,教育作為上層建筑之一亦是如此。國(guó)家可以采用地方規(guī)定但不要用立法形式,根據(jù)各地實(shí)際情況,教學(xué)需求來(lái)制定；如果評(píng)論者注重情感表達(dá),評(píng)論語(yǔ)句含有大量的形容詞、副詞、表達(dá)語(yǔ)氣的標(biāo)點(diǎn)符號(hào),或者使用語(yǔ)氣強(qiáng)烈的反問、設(shè)問等修辭手法,蘊(yùn)含較強(qiáng)的嘲諷情緒,則將其界定為情緒表達(dá)型,如：知道了,別發(fā)通知了,不就報(bào)班嗎,懂了懂了,報(bào)吧報(bào)吧!

本文使用支持向量機(jī)(SVM)對(duì)民眾的表達(dá)方式進(jìn)行二分類處理。首先由兩名編碼人員分別對(duì)隨機(jī)抽取的2000條評(píng)論進(jìn)行標(biāo)注,理性表達(dá)型記為1,情緒表達(dá)型記為0。利用相關(guān)性分析驗(yàn)證標(biāo)注結(jié)果的有效性。其次,從1500條評(píng)論中選取理性表達(dá)型評(píng)論300條,情緒表達(dá)型評(píng)論300條作為樣本,將其中80%的數(shù)據(jù)作為訓(xùn)練集。第三步利用Python平臺(tái)下的Sklearn算法模塊實(shí)現(xiàn)SVM模型的訓(xùn)練,利用F1值、準(zhǔn)確率、召回率作為模型評(píng)估指標(biāo)。第四步,運(yùn)用訓(xùn)練好的分類器對(duì)剩下的8679條評(píng)論進(jìn)行表達(dá)方式標(biāo)注。

3．識(shí)別意見領(lǐng)袖。意見領(lǐng)袖是網(wǎng)絡(luò)社群中認(rèn)可度高、說(shuō)服力強(qiáng)的觀點(diǎn)領(lǐng)導(dǎo)者。作為網(wǎng)絡(luò)平臺(tái)上的一種顯性力量,意見領(lǐng)袖有其突出特征,比如獲得較高的點(diǎn)贊或者回復(fù)。圍繞意見領(lǐng)袖的觀點(diǎn),某條博文下經(jīng)常會(huì)形成自發(fā)的小群體,出現(xiàn)局部辯論或全局辯論的場(chǎng)景。博登多夫和凱撒發(fā)現(xiàn),意見領(lǐng)袖經(jīng)常處于網(wǎng)絡(luò)社區(qū)中心,與更多成員建立聯(lián)系[23]。本研究擬使用社會(huì)網(wǎng)絡(luò)分析法尋找微博平臺(tái)#幼兒園不得教授小學(xué)教育內(nèi)容#話題下的意見領(lǐng)袖并了解網(wǎng)絡(luò)民眾支持的代表觀點(diǎn)。

社會(huì)網(wǎng)絡(luò)分析法是一種分析描述網(wǎng)絡(luò)屬性的結(jié)構(gòu)、性質(zhì)、特征的方法,強(qiáng)調(diào)從關(guān)系或結(jié)構(gòu)的視角分析研究對(duì)象。利用社會(huì)網(wǎng)絡(luò)分析工具Gephi,選取“學(xué)前教育法草案征意見：幼兒園不得教授小學(xué)教育內(nèi)容”博文下1000條評(píng)論,將其中630名成員以001-630的數(shù)字簡(jiǎn)化標(biāo)記,每一個(gè)成員為一個(gè)節(jié)點(diǎn)。若成員兩兩之間存在互動(dòng),則用直線將兩點(diǎn)相連并且利用Gephi進(jìn)行可視化操作以及節(jié)點(diǎn)中心度統(tǒng)計(jì)。節(jié)點(diǎn)中心度包括程度中心度、中介中心度以及接近中心度,三個(gè)指標(biāo)存在信息重疊[24]?；诠?jié)點(diǎn)的中心度高低,可以有效識(shí)別該話題下的網(wǎng)絡(luò)意見領(lǐng)袖以及代表觀點(diǎn)。

(三)研究框架

本文提出如圖1所示的研究框架,總結(jié)從數(shù)據(jù)預(yù)處理到數(shù)據(jù)分析的過程和步驟。

圖1 研究框架

四、研究結(jié)果

(一)輿情熱詞

基于TextRank算法得到的首個(gè)高敏熱點(diǎn)詞是“小學(xué)”,該詞在萬(wàn)條數(shù)據(jù)評(píng)論中的權(quán)重達(dá)到峰值(峰值為1),說(shuō)明“小學(xué)”成為此次公共決策下輿論關(guān)注的焦點(diǎn)與中心(圖2)。

圖2 基于TextRank算法的關(guān)鍵詞提取結(jié)果

借助高頻詞形成的語(yǔ)義網(wǎng)絡(luò)(圖3),結(jié)果發(fā)現(xiàn)與“小學(xué)”緊密聯(lián)系的是“拼音”“作業(yè)”“教學(xué)”“基礎(chǔ)”等關(guān)鍵詞。在有關(guān)學(xué)前教育領(lǐng)域的改革決策下,民眾的目光卻不約而同地聚焦在小學(xué)階段的教學(xué)內(nèi)容、學(xué)習(xí)方式與學(xué)習(xí)強(qiáng)度上,諸如“幼兒園不讓教,但是一年級(jí)默認(rèn)啥都會(huì)。入學(xué)考試還要考加減法、考背詩(shī)、考認(rèn)字、考英語(yǔ)?！贝祟愒u(píng)論,體現(xiàn)出民眾對(duì)教育連貫性深深的擔(dān)憂與焦慮。輿論關(guān)注的另一焦點(diǎn)圍繞“機(jī)構(gòu)”“課外”“輔導(dǎo)班”等詞(圖3),討論的主題有二。其一,民眾表達(dá)出對(duì)學(xué)前教育領(lǐng)域此次改革效力的疑問,即政策對(duì)公辦幼兒園和對(duì)民辦早教機(jī)構(gòu)的制約力度是否相同,例如評(píng)論“所以這次改革私立的管嗎?”；另一方面,幼兒園辦園體制的市場(chǎng)導(dǎo)向下課外機(jī)構(gòu)已儼然成為了安放家長(zhǎng)焦慮的庇護(hù)所,該話題下有不少聲音表示擔(dān)憂,此次決策是否會(huì)推動(dòng)私立輔導(dǎo)機(jī)構(gòu)蓬勃生長(zhǎng)而導(dǎo)致教育異化更加嚴(yán)重,例如評(píng)論“幼兒園不教,外面培訓(xùn)班教啊,這就是變著法想讓我們報(bào)課外班?！?/p>

圖3 關(guān)鍵詞語(yǔ)義網(wǎng)絡(luò)

(二)網(wǎng)民情感分析

使用SPSS對(duì)兩次情感標(biāo)注的相關(guān)性分析的結(jié)果顯示P值小于0．05,說(shuō)明情感標(biāo)注結(jié)果較為準(zhǔn)確,受主觀性影響較小,具有訓(xùn)練SVM模型的價(jià)值。在確保情感標(biāo)注準(zhǔn)確性后,調(diào)用Sklearn算法模塊對(duì)SVM模型進(jìn)行訓(xùn)練,懲罰系數(shù)C值選擇0．1,模型評(píng)估指標(biāo)如下：準(zhǔn)確率、召回率、F1值均為0．83。使用模型得到的全部評(píng)論數(shù)據(jù)的情感傾向如表2所示,負(fù)向情感評(píng)論占比86．4%,正向評(píng)論占比僅為13．6%。

表2 決策態(tài)度分類結(jié)果

在#幼兒園不得教授小學(xué)教育內(nèi)容#話題下,評(píng)論者幾乎都是該事件直接或間接的利益相關(guān)者,密切關(guān)注著學(xué)前教育的改革動(dòng)向,表達(dá)自己的意見看法。當(dāng)個(gè)體的情感態(tài)度上升至群體層面,將形成相關(guān)改革的情感聯(lián)盟。遵循兒童身心發(fā)展規(guī)律的重要性,學(xué)前教育改革的急迫性,事關(guān)每個(gè)孩子、每個(gè)家庭,但結(jié)果卻顯示該話題下形成一股強(qiáng)勢(shì)的消極情感聯(lián)盟,民眾幾乎一邊倒地“不支持”。

使用SPSS對(duì)兩次表達(dá)方式標(biāo)注的相關(guān)性分析的結(jié)果顯示P值小于0．05,說(shuō)明編碼人員對(duì)于表達(dá)方式分類的標(biāo)注較為準(zhǔn)確,能夠?yàn)楹罄m(xù)訓(xùn)練SVM模型提供較好的數(shù)據(jù)支撐。調(diào)用Sklearn算法進(jìn)行SVM模型擬合,懲罰系數(shù)選擇0．1,最終模型評(píng)估指標(biāo)為：準(zhǔn)確率0．82,召回率0．81,F1 值 0．81。 使用模型得到的全部評(píng)論數(shù)據(jù)的表達(dá)方式分類情況如表3所示,情緒表達(dá)型占比71．4%,理性表達(dá)型占比28．5%。由結(jié)果可見,網(wǎng)民更傾向于直接表達(dá)對(duì)此次決策的態(tài)度,大部分言論表現(xiàn)出濃厚的情緒色彩,常出現(xiàn)“不同意”、“亂改”等詞語(yǔ),“!”、“?”等加強(qiáng)意見強(qiáng)度和表示對(duì)決策詰問的標(biāo)點(diǎn)符號(hào)。

表3 表達(dá)方式分類結(jié)果

聯(lián)系網(wǎng)絡(luò)民眾對(duì)于該決策的情感態(tài)度(表4),可以發(fā)現(xiàn)態(tài)度為不支持的群體中,情緒型表達(dá)方式高達(dá)75%,理性表達(dá)方式僅為24．9%；態(tài)度為支持的群體中,情緒表達(dá)型占比48．3%,理性表達(dá)型則為51．6%?？梢姂B(tài)度呈現(xiàn)不支持的民眾,其表達(dá)方式多為情緒表達(dá)型,而態(tài)度為支持的民眾情緒表達(dá)型的表達(dá)方式明顯減少,更多依靠客觀事實(shí)、邏輯推理進(jìn)行觀點(diǎn)表達(dá)。

表4 決策態(tài)度與表達(dá)方式交叉表

(三)意見領(lǐng)袖識(shí)別

使用Gephi生成的可視化社會(huì)網(wǎng)絡(luò)(圖4)共包含630個(gè)節(jié)點(diǎn)和790條邊。在傳播網(wǎng)絡(luò)的個(gè)體層面,可以用程度中心度、接近中心度以及中介中心度這三個(gè)中心度指標(biāo)進(jìn)行關(guān)鍵節(jié)點(diǎn)的識(shí)別,關(guān)鍵節(jié)點(diǎn)可以被認(rèn)為是關(guān)于該決策話題的具有較大影響力的網(wǎng)絡(luò)意見領(lǐng)袖。中介中心度的高低代表著節(jié)點(diǎn)對(duì)于該網(wǎng)絡(luò)中資源的控制程度強(qiáng)弱,其越大則信息控制能力越強(qiáng)。換句話說(shuō),中介中心度高就意味著此節(jié)點(diǎn)處于網(wǎng)絡(luò)的中心。由表5可知,中介中心度排名前5的分別是編號(hào)146、251、343、437和539。程度中心度是指在傳播網(wǎng)絡(luò)中,與該節(jié)點(diǎn)有直接聯(lián)系的節(jié)點(diǎn)數(shù),該指標(biāo)越高則說(shuō)明此節(jié)點(diǎn)所代表的用戶在傳播網(wǎng)絡(luò)中越活躍,影響到的用戶數(shù)量越多。編號(hào)146、437、343、251 和 539 程度中心度靠前。接近中心度意指節(jié)點(diǎn)與其所處網(wǎng)絡(luò)中的其他所有節(jié)點(diǎn)的最短路徑之和。若一個(gè)節(jié)點(diǎn)接近中心度越高,就說(shuō)明該節(jié)點(diǎn)與其他節(jié)點(diǎn)的距離越短,在網(wǎng)絡(luò)中的重要性越高。其中146、343、437、251 和 539 的接近中心度排在前列。

圖4 意見領(lǐng)袖社會(huì)網(wǎng)絡(luò)圖

結(jié)果顯示,小小-陌上花(編號(hào)146)用戶的三個(gè)指標(biāo)顯著高于其他用戶,在該社會(huì)網(wǎng)絡(luò)中起到關(guān)鍵節(jié)點(diǎn)的作用。其不僅吸引大量成員參與交流,還在很大程度上影響其他用戶觀點(diǎn),可以被認(rèn)為是該社會(huì)網(wǎng)絡(luò)中的意見領(lǐng)袖。對(duì)該意見領(lǐng)袖進(jìn)行微博身份查詢,發(fā)現(xiàn)該用戶粉絲數(shù)為80,發(fā)博數(shù)為316,博文內(nèi)容多與家庭親子互動(dòng)相關(guān)。其觀點(diǎn)為“幼兒園什么都不教,上小學(xué)進(jìn)度又太快,孩子根本不適應(yīng)。還是建議大班開始慢慢有些過渡的好,或者一年級(jí)剛開始進(jìn)度不要太快?！边@一觀點(diǎn)在該話題下獲得了三萬(wàn)四千多人的點(diǎn)贊,成為此次網(wǎng)絡(luò)民意的代表觀點(diǎn),表現(xiàn)出對(duì)條例內(nèi)容的質(zhì)疑以及相應(yīng)匹配措施落實(shí)的要求。

五、討論

(一)網(wǎng)絡(luò)民意形成的機(jī)制探索

《學(xué)前教育法草案》第39條在網(wǎng)絡(luò)平臺(tái)上引發(fā)了大量網(wǎng)民的關(guān)注與討論。從決策態(tài)度、表達(dá)方式、代表觀點(diǎn)三方面的綜合結(jié)果來(lái)看,網(wǎng)絡(luò)評(píng)論中有部分理性建言,但在確保決策方向正確的前提下,網(wǎng)絡(luò)民意的“一邊倒”態(tài)勢(shì)值得深思。本部分?jǐn)M從網(wǎng)絡(luò)民意的聚合機(jī)制以及負(fù)性情感偏向的形成機(jī)制兩方面入手,探討該決策下負(fù)向網(wǎng)絡(luò)民意的形成,以減少輿論的盲目性和隨意性,助力公共決策的推行和公共管理工作的開展。

1．網(wǎng)絡(luò)民意的聚合機(jī)制。網(wǎng)絡(luò)平臺(tái)上民意客體的熱度影響因素對(duì)社會(huì)民眾的刺激量變積累達(dá)到一定的質(zhì)變臨界值,會(huì)使民眾產(chǎn)生應(yīng)激反應(yīng),觸發(fā)民眾的傳播意愿[25]。其中,網(wǎng)絡(luò)平臺(tái)上民意客體的熱度影響因素包括議題的公共性與敏感性[26]。第一,當(dāng)議題的公共性越高,影響范圍越廣,觸發(fā)量變積累的可能性就越大。學(xué)前教育是基礎(chǔ)教育的重要組成部分,是我國(guó)學(xué)校教育和終身教育的奠基階段,其公共性程度不言而喻。有學(xué)者認(rèn)為,如果將幼兒園、小學(xué)、中學(xué)以及大學(xué)這四級(jí)教育按公共性質(zhì)進(jìn)行劃分,那么學(xué)前教育應(yīng)當(dāng)是各級(jí)中社會(huì)受益面最廣、公共性最強(qiáng)的一項(xiàng)社會(huì)公共事業(yè)[27]。學(xué)前教育領(lǐng)域決策過程涉及的群體十分廣泛,微博話題評(píng)論者幾乎都是該事件直接或間接的利益相關(guān)者,密切地關(guān)注著該領(lǐng)域的改革動(dòng)向,表達(dá)著自己的意見看法。

議題的敏感性在觸發(fā)因素中最具影響力,與網(wǎng)絡(luò)民意的強(qiáng)度有直接關(guān)系。在學(xué)前教育領(lǐng)域中,公辦園民辦園的教育資源問題、各地區(qū)的教育機(jī)會(huì)問題具有敏感性[28]。不少網(wǎng)友借助微博平臺(tái),質(zhì)疑該決策對(duì)私立幼兒園的制約程度。在我國(guó)學(xué)前教育改革的過程中,由于缺乏配套的經(jīng)費(fèi)支撐,政府將學(xué)前教育簡(jiǎn)單地推向了市場(chǎng)。私立幼兒園應(yīng)運(yùn)而生且飛速成長(zhǎng)。當(dāng)前,學(xué)前教育界雖然存在多主體辦園的多元化特色,但卻呈現(xiàn)出雜亂無(wú)章的景象,引發(fā)民眾擔(dān)憂。同時(shí),地區(qū)教育質(zhì)量不平衡的問題在決策過程中也觸及民眾的敏感神經(jīng)。有網(wǎng)友表示,我國(guó)幅員遼闊,區(qū)域、城鄉(xiāng)存在發(fā)展不平衡不充分現(xiàn)象,欠發(fā)達(dá)地區(qū)存在教育規(guī)模發(fā)展不盡如人意、教師素質(zhì)水平不高、教育經(jīng)費(fèi)投入不足等問題。如果按照“一刀切”的方式去糾正幼兒園超前教育的做法,實(shí)質(zhì)上是對(duì)幼兒教師提出更高的要求,教師需要具備極高的素質(zhì)。但十分明確的是,當(dāng)前欠發(fā)達(dá)地區(qū)教師的專業(yè)素養(yǎng)和綜合素質(zhì)還不足以實(shí)現(xiàn)禁止超前教育工作背后的初衷。

2．負(fù)性情感偏向的形成機(jī)制。當(dāng)前民眾對(duì)禁止超前教育這一條例形成負(fù)向情感聯(lián)盟是多方因素綜合的結(jié)果。本文將從心理噪聲、沉默螺旋效應(yīng)和極化機(jī)理三個(gè)方面討論網(wǎng)絡(luò)平臺(tái)上民眾負(fù)向情感偏向形成的機(jī)制。

第一,心理噪聲意指網(wǎng)絡(luò)民意主體思維定勢(shì)以及偏見成見等影響網(wǎng)絡(luò)民意聚合的因素。該議題下社會(huì)民眾的心理噪聲主要表現(xiàn)為民眾對(duì)學(xué)前教育認(rèn)識(shí)不清。隨著我國(guó)經(jīng)濟(jì)的發(fā)展,雖然《幼兒園教育指導(dǎo)綱要》明確指出,幼兒園的職能是保教并重,但民眾對(duì)于幼兒園的期盼與要求逐步從“保育”轉(zhuǎn)向“教育”,從“教育”轉(zhuǎn)向“高質(zhì)量的教育”,僅提供看護(hù)、托幼服務(wù)的幼兒園已經(jīng)逐步淡出民眾的視野。當(dāng)幼兒園“保教并重”的職能弱化,多數(shù)家長(zhǎng)將幼兒園當(dāng)作基礎(chǔ)教育的一部分以供下一學(xué)段衡量檢驗(yàn),幼兒園超前教育就自然而然成為十分正常甚至正確的事情。對(duì)于學(xué)前教育階段如此的解讀是造成眾多網(wǎng)絡(luò)民眾對(duì)《學(xué)前教育法草案》第39條持負(fù)向態(tài)度的重要原因。

第二,“沉默的螺旋”假說(shuō)認(rèn)為人們?cè)诒磉_(dá)自己的觀點(diǎn)時(shí)如果遇到自己贊成的且廣受歡迎的觀點(diǎn),就會(huì)積極參與進(jìn)來(lái),而對(duì)于少數(shù)人持有的觀點(diǎn),即使自己贊成,也會(huì)有很大可能選擇保持沉默。這將引起“優(yōu)勢(shì)意見大聲疾呼”以及“劣勢(shì)意見沉默不語(yǔ)”,這種螺旋式的擴(kuò)張過程推動(dòng)社會(huì)生活中具有壓倒性優(yōu)勢(shì)的“多數(shù)意見”——輿論的誕生。輿論的力量來(lái)源于人的社會(huì)本質(zhì),來(lái)源于個(gè)人對(duì)被孤立的恐懼,來(lái)源于個(gè)人對(duì)和諧人際關(guān)系的尋求[29]。從上文對(duì)意見領(lǐng)袖的探究結(jié)果來(lái)看,民意的代表觀點(diǎn)表現(xiàn)出對(duì)該條例內(nèi)容的質(zhì)疑與對(duì)配套改革措施施行的要求。當(dāng)民眾看到類似觀點(diǎn)熱度很高且受到追捧,就會(huì)積極參與討論使其向更大范圍擴(kuò)散,形成壓倒性優(yōu)勢(shì)。與此相反,為了避免被數(shù)量眾多的“主流意見”持有者群起而攻之,對(duì)該條例表示支持的網(wǎng)絡(luò)民眾選擇了沉默。

第三,桑斯坦指出在群體中進(jìn)行決策時(shí),民眾往往會(huì)比個(gè)人決策時(shí)更傾向于冒險(xiǎn)或保守,向極端傾斜從而背離最佳決策。與他人進(jìn)行邏輯論戰(zhàn)或面臨挑釁時(shí),部分成員的論點(diǎn)闡述會(huì)變得具有防御性甚至走向極端[30]。有類似的觀點(diǎn)認(rèn)為,經(jīng)由討論所形成的群體態(tài)度會(huì)比討論之前的個(gè)人態(tài)度的平均值更趨向極端[31]。隨著信息技術(shù)的發(fā)展,科諾弗等認(rèn)為互聯(lián)網(wǎng)加劇了“群體極化”現(xiàn)象,大數(shù)據(jù)環(huán)境下的多媒體通道使得信息的傳播速度和效果得到極大的增強(qiáng),更容易迎合社會(huì)民眾在網(wǎng)絡(luò)討論參與過程中的偏好,同時(shí),相較于傳統(tǒng)媒體,社交平臺(tái)上的觀點(diǎn)聚合態(tài)勢(shì)很難得到控制,網(wǎng)絡(luò)民意客體細(xì)微的變化也會(huì)在蝴蝶效應(yīng)的作用下引發(fā)難以預(yù)測(cè)的網(wǎng)絡(luò)民意主體的觀點(diǎn)演化[32]。借助網(wǎng)絡(luò)平臺(tái)的自由發(fā)聲,民眾為了突出自己的決策感受而采用情緒化的表達(dá)方式,以強(qiáng)勢(shì)的觀點(diǎn)內(nèi)容對(duì)其他進(jìn)入討論場(chǎng)域的圍觀者造成壓迫感,以致網(wǎng)絡(luò)平臺(tái)中的其他聲音日漸式微以致退縮。正如桑斯坦所指出的,“真實(shí)世界的互動(dòng)通常迫使我們處理不同的東西,虛擬世界卻偏向同質(zhì)性,地緣的社群將被取代,轉(zhuǎn)變成依利益或興趣來(lái)結(jié)合的社群。[33]”

(二)網(wǎng)絡(luò)民意的治理策略

網(wǎng)絡(luò)民意對(duì)于公共決策而言具有雙刃劍的性質(zhì),決策過程中的民意收集、評(píng)估功能有利于公共決策的公正性與透明度的提高,但不可否認(rèn)的是,網(wǎng)絡(luò)民意在其聚合過程中不可避免地會(huì)出現(xiàn)偏差。因此,政府應(yīng)當(dāng)通過培養(yǎng)理性意見領(lǐng)袖、發(fā)揮主流媒體功效、提高網(wǎng)絡(luò)民眾素質(zhì)等策略,減少信息輸入的環(huán)節(jié)誤差,保障政策的落地推行。

1．培育理性意見領(lǐng)袖。民意疏導(dǎo)的目的就是為了將非理性的輿情引導(dǎo)到正確的軌道上,其實(shí)質(zhì)是引導(dǎo)網(wǎng)絡(luò)民眾改變態(tài)度的過程[34]。在web2．0時(shí)代,越來(lái)越多的學(xué)者發(fā)現(xiàn)網(wǎng)絡(luò)意見領(lǐng)袖在民意疏導(dǎo)過程中的重要性,認(rèn)為該群體在輿情傳播過程中起著過濾或者中介的作用[35]。當(dāng)網(wǎng)絡(luò)平臺(tái)上出現(xiàn)海量信息時(shí),民眾往往感到無(wú)所適從,此時(shí)他們會(huì)對(duì)具有更強(qiáng)流動(dòng)性與號(hào)召力的意見領(lǐng)袖產(chǎn)生強(qiáng)烈依賴感。網(wǎng)絡(luò)意見領(lǐng)袖通過發(fā)表自身看法引導(dǎo)社群成員的認(rèn)知與行為,形成“媒體——意見領(lǐng)袖——社會(huì)民眾”的傳播途徑[36]。為了營(yíng)造理性的網(wǎng)絡(luò)環(huán)境,政府一方面應(yīng)當(dāng)培養(yǎng)體制內(nèi)的意見領(lǐng)袖[37],例如讓政協(xié)委員、人大代表等開通微博解讀決策,征求民意,以極具親和力的話語(yǔ)表達(dá)方式就政策問題與民眾展開討論；另一方面,應(yīng)當(dāng)培養(yǎng)議題主持人、評(píng)論員、微博大咖等主流意見領(lǐng)袖,與他們建立積極的雙向互動(dòng)交流,借助網(wǎng)絡(luò)社交平臺(tái)反復(fù)討論,厘清決策細(xì)節(jié),成為推動(dòng)改革的傳聲筒。例如,在此突發(fā)的公共衛(wèi)生事件當(dāng)中,鐘南山、張文宏等意見領(lǐng)袖以其專業(yè)的知識(shí)與水平,積極向大眾宣傳抗疫主流思想,對(duì)民眾存在的疑慮給予解答,成為了政府與民眾之間信息交流的紐帶。

2．發(fā)揮主流媒體功效。主流媒體一般具有品牌力、權(quán)威性[38],來(lái)自主流媒體的權(quán)威聲音和深度報(bào)道具有較高關(guān)注度。在有關(guān)熱點(diǎn)事件的報(bào)道中,雖然主流媒體的報(bào)道速度較網(wǎng)絡(luò)媒體與自媒體稍慢一些,但勝在更客觀、更理性、更深度。當(dāng)熱點(diǎn)話題經(jīng)過社交媒體“人云亦云”的多級(jí)傳播后,主流媒體就成為輿論場(chǎng)地的核心,其深度理性的報(bào)道就成為引導(dǎo)民意走向的關(guān)鍵[39]。2016年我國(guó)“媒體公信力調(diào)查”的結(jié)果顯示,電視仍是公信力最強(qiáng)的媒體。因此,政府對(duì)新政策的宣傳不應(yīng)忽視主流媒體的正向作用,將主流媒體作為政府政策制定過程中的重要話語(yǔ)平臺(tái)來(lái)打破沉默的螺旋效應(yīng)。主流媒體應(yīng)當(dāng)正確評(píng)估網(wǎng)絡(luò)輿情的發(fā)展并冷靜處理民眾情緒,認(rèn)識(shí)網(wǎng)絡(luò)社會(huì)的發(fā)展特點(diǎn),用有效的論證以及導(dǎo)向性的言論來(lái)刺激沉默一方的潛在信息需求并產(chǎn)生相應(yīng)的信息行為,避免觀點(diǎn)向一方傾斜。在公共決策過程中,如果主流媒體能夠及時(shí)檢視網(wǎng)絡(luò)民眾的言論方向,與網(wǎng)絡(luò)媒體進(jìn)行適時(shí)的互動(dòng)交流,以權(quán)威發(fā)布主導(dǎo)網(wǎng)絡(luò)議題,就能及時(shí)凝聚人心、把握話語(yǔ)權(quán)。

3．提高網(wǎng)絡(luò)民眾素質(zhì)。在網(wǎng)絡(luò)民意聚合的過程,民眾的素質(zhì)高低與信息傳播過程中情勢(shì)的走向息息相關(guān),民眾的素質(zhì)越高,就越能制約民意聚合過程中極化現(xiàn)象的發(fā)生與負(fù)面影響的傳播[40]。同時(shí),網(wǎng)絡(luò)具有虛擬性、匿名性等特點(diǎn),基于共享互惠原則建立起來(lái)的虛擬網(wǎng)絡(luò)社會(huì)很難實(shí)現(xiàn)直面的道德輿論抨擊,網(wǎng)絡(luò)個(gè)體的道德自律成為正常的倫理關(guān)系得以維系的重要保障。鑒于此,在公共決策過程中要想實(shí)現(xiàn)網(wǎng)絡(luò)民意的價(jià)值最大化,保障民眾在決策參與過程中的實(shí)效性,一方面必須提高網(wǎng)絡(luò)民眾的參與素質(zhì)。較高的素質(zhì)使民眾在參與公共決策過程中更加理性與謹(jǐn)慎,這能夠有效緩解極化現(xiàn)象,營(yíng)造良好的網(wǎng)絡(luò)民眾建言環(huán)境；另一方面,必須提高網(wǎng)絡(luò)民眾的媒介素養(yǎng)。媒介素養(yǎng)不僅包括獲取媒介信息必要的技能技巧,還包括在與媒介接觸過程中選擇、解讀、評(píng)價(jià)信息的能力[41],精神層面的升華才能使網(wǎng)民與媒介的關(guān)系從被動(dòng)變?yōu)橹鲃?dòng)。在參與公共決策的過程中,只有網(wǎng)絡(luò)民眾在輿論場(chǎng)的聚合過程中能夠?qū)Σ煌^點(diǎn)進(jìn)行合理分析,才有可能降低極端思潮出現(xiàn)的概率,減輕極化現(xiàn)象帶來(lái)的負(fù)面效應(yīng)。

4．對(duì)話網(wǎng)絡(luò)民眾。黨的十九大報(bào)告指出“建設(shè)人民滿意的服務(wù)型政府”,這一要求表示政府的工作思想由權(quán)威本位轉(zhuǎn)向公民本位,將這種理念應(yīng)用于網(wǎng)絡(luò)民意與公共決策的現(xiàn)實(shí)互動(dòng)中,即表現(xiàn)為公民主導(dǎo)應(yīng)是日后我國(guó)公共決策的發(fā)展方向。但是,公民主導(dǎo)絕不意味著當(dāng)決策處于廣泛質(zhì)疑聲中時(shí),政府將所有權(quán)利讓渡于民,一味地順從民意而不爭(zhēng)取民意,對(duì)政策的科學(xué)性不予以充分的解釋與回應(yīng)而直接草率地停止決策。如果采取這種方式,其實(shí)質(zhì)是讓決策成為民意的奴仆,這同樣是對(duì)民眾不負(fù)責(zé)任的做法。對(duì)于政府而言,面對(duì)民眾的負(fù)性情感表達(dá),首先應(yīng)當(dāng)給予民意釋放以足夠的時(shí)間與空間。任何在民意尚未發(fā)泄充分的情況下進(jìn)行宣傳與輿論引導(dǎo)的做法都只會(huì)引起新一輪的質(zhì)疑。經(jīng)過時(shí)間沉淀后,政府應(yīng)當(dāng)積極地與民眾保持對(duì)話的態(tài)度,以平民化的視角去解釋剖析決策的科學(xué)性與合理性,在互動(dòng)中達(dá)成平衡,推動(dòng)公共決策的落地。例如,PX項(xiàng)目在漳州的成功實(shí)行就能充分證明政府解釋決策、對(duì)話民眾的重要性。立足于傳播訴求與傳播效果的一致性,在新時(shí)代背景下決策主體應(yīng)當(dāng)善用雙向互動(dòng)與坦誠(chéng)交流的邏輯理性,以實(shí)現(xiàn)以人為本的價(jià)值內(nèi)核。