魯肖麟 邊燕杰

內(nèi)容提要 政府防控措施和網(wǎng)絡(luò)公眾參與分別是我國(guó)有效控制疫情蔓延的政策機(jī)制和社會(huì)機(jī)制。為了探討這兩種機(jī)制的綜合防疫效果，我們通過實(shí)證分析獲得三項(xiàng)研究發(fā)現(xiàn)。第一，政府文件分析表明，防疫期間各省級(jí)政府采取了6類應(yīng)對(duì)措施，顯著降低了每日新增病例。第二，線上大數(shù)據(jù)分析表明，疫情相關(guān)的網(wǎng)絡(luò)公眾參與越多，人們的防護(hù)意識(shí)就越強(qiáng)，新增感染病例也越少。第三，交互作用分析表明，政策機(jī)制和社會(huì)機(jī)制的疫情防控效果并不是線性疊加的，而是在有效減少新增病例的過程中存在相互調(diào)節(jié)的作用。

一、問題的提出

2019年底暴發(fā)的新冠疫情因其擴(kuò)散迅速、影響巨大，對(duì)各國(guó)政府的風(fēng)險(xiǎn)治理和應(yīng)急管理提出了嚴(yán)峻挑戰(zhàn)[1]楊菊華：《大流動(dòng)背景下的新冠肺炎疫情與治理反思》,《社會(huì)科學(xué)輯刊》2020年第1期。。此次疫情迅速傳播至世界各國(guó)，截至2021年9月5日，全球累計(jì)確診人數(shù)已超過2.2億，死亡人數(shù)超過457萬(wàn)[2]CSSE,"COVID-19 Data Repository by the Center for Systems Science and Engineering(CSSE)at Johns Hopkins University",2021,https://github.com/CSSEGISandData/COVID-19.，全人類面臨了又一次重大風(fēng)險(xiǎn)挑戰(zhàn)。然而，回顧我國(guó)疫情防控取得的巨大成效，我們可深切地體會(huì)到：一是政府政策機(jī)制充分發(fā)揮了治理效能。二是在居家隔離背景下，網(wǎng)絡(luò)公眾參與也在風(fēng)險(xiǎn)治理中發(fā)揮了傳遞信息、調(diào)整行為的積極作用?？梢钥隙ǖ卣f，政府防控措施和公眾參與是我國(guó)控制疫情蔓延的兩大要素，即風(fēng)險(xiǎn)治理的政策機(jī)制和社會(huì)機(jī)制的作用機(jī)理和相互關(guān)系是值得深入探討的。

從政策機(jī)制的角度來(lái)看，我國(guó)各級(jí)政府所實(shí)施的防控措施的有效性已經(jīng)得到大量研究的支持。但也有研究指出，如果依靠政府單方面的努力，很難實(shí)現(xiàn)復(fù)雜危機(jī)應(yīng)對(duì)的有效協(xié)調(diào)、風(fēng)險(xiǎn)信息的及時(shí)傳遞，因此需要社會(huì)機(jī)制的輔助力量作為補(bǔ)充。正如，疫情期間實(shí)行隔離措施，網(wǎng)絡(luò)公眾參與成為主要的公眾參與渠道，并發(fā)揮著一定的積極作用。它一方面提升人們對(duì)政府的信任與合法性感知，從而提高政府措施有效性；另一方面也通過互聯(lián)網(wǎng)平臺(tái)實(shí)現(xiàn)信息的迅速傳遞、普及相關(guān)知識(shí)、強(qiáng)化人際支持，對(duì)疫情防控起到積極作用。還有研究指出，網(wǎng)絡(luò)不實(shí)信息侵蝕公眾的政府信任，降低地方政府的公信力，從而阻礙政府措施的實(shí)施及其效果。

那么政府防控措施與網(wǎng)絡(luò)公眾參與是否形成了合力，是否實(shí)現(xiàn)了及時(shí)有效的疫情防控？為此本研究將基于全國(guó)31個(gè)省份的時(shí)序數(shù)據(jù)，使用文本分析、社交網(wǎng)絡(luò)大數(shù)據(jù)分析、空間面板數(shù)據(jù)分析等方法，探討其內(nèi)在機(jī)理，檢驗(yàn)相關(guān)假設(shè)。

二、理論分析與研究假設(shè)

（一）作為政策機(jī)制的防控措施

縱觀各國(guó)的做法，我們可看到，政府通過頒布政令、法律、條例等強(qiáng)制性措施來(lái)約束公眾行為，管理公共空間，維護(hù)社會(huì)秩序。但政府防控措施在行為約束力上也有強(qiáng)弱之分，其有效性不是常量，而是一個(gè)變量，這在這本次疫情防控中表現(xiàn)得尤為突出。例如，在疫情迅速傳播、特效藥和疫苗尚未問世的情況下，各國(guó)政府均按照傳染病專家的防疫建議頒布了流動(dòng)限制、居家隔離、保持社交距離、限制聚集、資源配置、風(fēng)險(xiǎn)溝通等措施[1]Cindy Cheng,Joan Barceló,Allison Spencer Hartnett,et.el,"COVID-19 Government Response Event Dataset(CoronaNet v.1.0)",Nature Human Behaviour,2020,4(7),pp.756-768;Amélie Desvars-Larrive,Elma Dervic,Nils Haug et el.,"A Structured Open Dataset of Government Interventions in Response to COVID-19",Scientific Data,2020,7(1),pp.1-9;Qulu Zheng,Forrest K.Jones,Sarah V.Leavitt,et el.,"HIT-COVID,a Global Database Tracking Public Health Interventions to COVID-19",Scientific Data,2020,7(1),pp.1-8.?？墒沁@些措施的有效性在國(guó)家之間存在顯著差異[2]Matteo Chinazzi,Jessica T.Davis,Marco Ajelli et el.,"The Effect of Travel Restrictions on the Spread of the 2019 Novel Coronavirus(COVID-19)Outbreak",Science,2020,368(6489),pp.395-400.，在極端個(gè)人主義盛行的國(guó)家，有些措施形同虛設(shè)[3]Carl Benedikt Frey,Chinchih Chen,and Giorgio Presidente,"Democracy,Culture,and Contagion:Political Regimes and Countries Responsiveness to Covid-19",Covid Economics,2020,18,pp.222-238.，導(dǎo)致新冠病例數(shù)持續(xù)升高，一段時(shí)期疫情泛濫成災(zāi)[4]Shenyang Guo,Ruopeng An,Timothy D.McBride et el.,"Mitigation Interventions in the United States:An Exploratory Investigation of Determinants and Impacts",Research on Social Work Practice,2021,31(1),pp.26-41.。

我國(guó)疫情期間政府防控措施的有效性被大量研究所證實(shí)[5]Jayson S.Jia,Xin Lu,Yun Yuan,Ge Xu,Jianmin Jia,and Nicholas A.Christakis,"Population Flow Drives Spatio-Temporal Distribution of COVID-19 in China",Nature,2020,582(7812),pp.389-394;Tian,Huaiyu,et al.,"An Investigation of Transmission Control Measures during the First 50 Days of the COVID-19 Epidemic in China",Science,2020,368(6491),pp.638-642.?；诘貓D定位大數(shù)據(jù)的研究發(fā)現(xiàn)，我國(guó)實(shí)施疫情防控措施后，人口流動(dòng)與確診率之間的相關(guān)度大大降低[6]陳云松、陳步偉、句國(guó)棟等：《突發(fā)重大疫情下城市系統(tǒng)風(fēng)險(xiǎn)量化評(píng)估方法》，《西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》2020年第4期；李建軍、何山：《人口流動(dòng)、信息傳播效率與疫情防控——基于新型冠狀肺炎（COVID-19）的證據(jù)》，《中央財(cái)經(jīng)大學(xué)學(xué)報(bào)》2020年第5期。。武漢“封城”措施將其他城市新冠疫情的暴發(fā)時(shí)間推遲了2~3天，在疫情初期的50天內(nèi)較早采取防控措施的城市，以及跨省流動(dòng)得到控制的省份，確診率較低[7]Angran Li,Zhen Liu,Mengsha Luo,Yan Wang,"Human Mobility Restrictions and Inter-Provincial Migration During the COVID-19 Crisis in China",Chinese Sociological Review,2021,53(1),pp.87-113.。這些研究不但對(duì)于防控措施的強(qiáng)弱程度缺乏明確的量化指標(biāo)，而且并未考察措施強(qiáng)度的提高對(duì)減少感染病例的效果，即相關(guān)研究結(jié)果存在較大的不確定性。為此，本研究將基于省際數(shù)據(jù)來(lái)檢驗(yàn)各類措施強(qiáng)度的增加在減少新增病例中的作用。

假設(shè)一（政策機(jī)制假設(shè)）：各省級(jí)政府采取的各類防控措施強(qiáng)度越大，越能有效地控制疫情的發(fā)展。

（二）作為社會(huì)機(jī)制的網(wǎng)絡(luò)公眾參與

1.社會(huì)機(jī)制的必要性與必然性。雖然我國(guó)疫情防控的成效卓著，但疫情初期地方政府的風(fēng)險(xiǎn)治理也曾暴露出一些不足。一方面，由于從常規(guī)議程到危機(jī)議程的轉(zhuǎn)換存在一定的滯后，疫情信息的傳遞和披露依靠科層化的單一途徑導(dǎo)致信息阻隔和危機(jī)警示不及時(shí)等問題。[1]王寧：《危機(jī)治理與議程轉(zhuǎn)換》，《社會(huì)發(fā)展研究》2020年第2期；Edward Gu,Lantian Li,"Crippled Community Governance and Suppressed Scientific/Professional Communities:A Critical Assessment of Failed Early Warning for the COVID-19 Outbreak in China",Journal of Chinese Governance,2020,5(2),pp.160-177.另一方面，公眾的風(fēng)險(xiǎn)感知不足、防護(hù)意識(shí)不強(qiáng)加速了病毒的傳播。這也是由于疫情初期官方渠道的防疫宣傳速度和覆蓋范圍有限，難以趕超疫情的發(fā)展速度。諸如2020年春節(jié)前夕武漢市百步亭社區(qū)舉行的“萬(wàn)家宴”活動(dòng)，2月和3月多地出現(xiàn)的因走親訪友、聚餐和打麻將等活動(dòng)導(dǎo)致的家庭聚集性病例疫情，都與風(fēng)險(xiǎn)認(rèn)知和防護(hù)意識(shí)不足有關(guān)[2]佘宗明：《武漢萬(wàn)家宴：他們的淡定讓人沒法淡定》，http://www.bjnews.com.cn/opinion/2020/01/21/677335.html。。當(dāng)疫情風(fēng)險(xiǎn)突然暴發(fā)，公眾自身的危機(jī)意識(shí)、危機(jī)協(xié)防能力和危機(jī)應(yīng)對(duì)水平極大地影響政府風(fēng)險(xiǎn)治理效果時(shí)，人們發(fā)現(xiàn)必須最大可能地吸納各種社會(huì)力量共同應(yīng)對(duì)危機(jī)?；蛘哒f，作為社會(huì)機(jī)制的公眾參與，理應(yīng)被納入風(fēng)險(xiǎn)治理共同體，在疫情治理中理應(yīng)發(fā)揮積極的輔助作用。

互聯(lián)網(wǎng)拓展了公眾參與的地理邊界和知識(shí)邊界，普通公眾得到了數(shù)字技術(shù)的賦權(quán)，初具規(guī)模的網(wǎng)絡(luò)公共空間使得網(wǎng)絡(luò)公眾參與逐漸成為成本低、可及性高的公眾參與方式[3]Bruce Bimber,"The Study of Information Technology and Civic Engagement",Political Communication,2000,17(4),pp.329-333.。調(diào)查發(fā)現(xiàn)，疫情期間依賴微博和微信獲取信息的人，更有可能通過電話、網(wǎng)絡(luò)或者當(dāng)面發(fā)起關(guān)于疫情的討論，網(wǎng)絡(luò)公眾參與更容易轉(zhuǎn)化為現(xiàn)實(shí)的人際傳播活動(dòng)[4]閆巖、溫婧：《新冠疫情早期的媒介使用、風(fēng)險(xiǎn)感知與個(gè)體行為》，《新聞界》2020年第6期。，實(shí)現(xiàn)了疫情的網(wǎng)絡(luò)參與越廣泛，人們應(yīng)對(duì)疫情的信息、知識(shí)也就越豐富，越能激發(fā)及時(shí)的自我防護(hù)行為，從而減少了感染。

2.非冗余信息的及時(shí)傳遞。走訪中我們看到，網(wǎng)絡(luò)公眾參與在疫情防控中的作用主要通過信息傳遞功能來(lái)體現(xiàn)的。調(diào)查顯示，疫情期間公眾對(duì)疫情信息的需求非常強(qiáng)烈，對(duì)媒介空前依賴，有29.3%的用戶每日關(guān)注疫情信息的時(shí)間超過3小時(shí)[5]賈哲敏、孟天廣：《信息為軸：新冠病毒疫情期間的媒介使用、信息需求及媒介信任度》，《電子政務(wù)》2020年第5期。。社會(huì)網(wǎng)絡(luò)和社會(huì)資本研究已經(jīng)論證了弱關(guān)系紐帶傳遞非冗余信息的作用（弱關(guān)系紐帶包括一般熟人、網(wǎng)友等拓展性的人際關(guān)系[6]Mark Granovetter,"The Strength of Weak Ties",American Journal of Sociology,1973,78(6),pp.1360-1380.）。這類紐帶由于能夠跨越群體邊界，連接大量地位、屬性不同的個(gè)體，因此具有提供異質(zhì)性信息的重要作用，也被稱為“外聯(lián)社會(huì)資本”[7]帕特南：《獨(dú)自打保齡》，劉波等譯，北京大學(xué)出版社2011年版，第22—23頁(yè)。。有研究顯示，弱關(guān)系社會(huì)網(wǎng)絡(luò)可以在風(fēng)險(xiǎn)災(zāi)害發(fā)生前后加快信息傳遞，而高效的信息傳遞正是災(zāi)害治理的重要組成部分[8]趙延?xùn)|：《培育應(yīng)對(duì)特大型城市風(fēng)險(xiǎn)挑戰(zhàn)的社會(huì)資本》，《探索與爭(zhēng)鳴》2015年第3期。。疫情期間多國(guó)大數(shù)據(jù)分析表明，資訊溝通越廣泛，人們的防疫抗疫行為就越有效[9]邊燕杰、魯肖麟：《防疫社會(huì)資本及其效用——基于七國(guó)線上大數(shù)據(jù)的實(shí)證分析》，《人文雜志》2020年第12期。。而在對(duì)國(guó)內(nèi)微信用戶的調(diào)查研究也發(fā)現(xiàn)，疫情期間人們的資訊來(lái)源異質(zhì)性越高，防疫效果就越好，越有利于人們保持身體健康和積極心態(tài)[1]Yanjie Bian,Xiaolei Miao,Xiaolin Lu,Xulei Ma,and Xiaoxian Guo,"The Emergence of a COVID-19 Related Social Capital:The Case of China",International Journal of Sociology,2020,50(5),pp.419-433.。也就是說，網(wǎng)絡(luò)公眾參與所傳遞的非冗余信息，不但有利于個(gè)體的自我防護(hù)，也會(huì)對(duì)其他群體產(chǎn)生積極作用。例如疫情暴發(fā)初期湖北部分患者未能得到及時(shí)救助，新浪微博用戶發(fā)起“肺炎患者求助超話”專題，與求助者積極互動(dòng)，幫助政府和醫(yī)療機(jī)構(gòu)對(duì)接需要救治的患者[2]王騏驥：《微博2020大考：流量繼續(xù)增長(zhǎng)，商業(yè)化面臨考驗(yàn)》，https://www.sohu.com/a/376682842_153054。。很快人民日?qǐng)?bào)就開通了“新冠肺炎患者求助通道”，直接向相關(guān)部門報(bào)送了累計(jì)4.2萬(wàn)條求助信息。

誠(chéng)然，經(jīng)由非正式渠道的網(wǎng)絡(luò)公眾參與，傳播的一些不實(shí)信息也會(huì)散布恐慌、引發(fā)混亂，但疫情期間，新浪官方微博號(hào)“微博辟謠”每天針對(duì)大量熱門謠言予以辟謠和清理整頓，不間斷地接受用戶的謠言舉報(bào)，并從2020年2月7日開始附加于“抗擊新型肺炎第一線”的超級(jí)話題推出“每日微博謠言重要信息匯總”。百度APP也在疫情期間推出“疫情辟謠”專版,還依托搜索大數(shù)據(jù)和AI技術(shù)，根據(jù)用戶的興趣關(guān)注來(lái)推薦相應(yīng)辟謠內(nèi)容，實(shí)現(xiàn)個(gè)性化的反向辟謠[3]《微博發(fā)布2020年第一季度財(cái)報(bào)》,https://baijiahao.baidu.com/s?id=1667113294758387867&wfr=spider&for=pc。。這些治理舉措抑制了網(wǎng)絡(luò)公眾參與的負(fù)面效應(yīng)。因此本研究認(rèn)為，圍繞疫情的網(wǎng)絡(luò)公眾參與有利于傳遞非冗余信息，總體上有助于疫情防控。

假設(shè)二（社會(huì)機(jī)制假設(shè)）：網(wǎng)絡(luò)公眾參與廣泛性的增強(qiáng)，有助于控制疫情的發(fā)展。

3.風(fēng)險(xiǎn)認(rèn)知的行為驅(qū)動(dòng)力。疫情相關(guān)信息的廣泛傳播不能直接起到控制疫情的作用，必須通過提升人們的防護(hù)意識(shí)、激發(fā)人們的防護(hù)行為才能達(dá)到現(xiàn)實(shí)的防疫效應(yīng)。在疫情隔離條件下，網(wǎng)絡(luò)社交平臺(tái)為時(shí)空脫域的交流互動(dòng)提供了可能[4]張釗：《流動(dòng)權(quán)力與復(fù)雜性：理解世界青年運(yùn)動(dòng)的一種潛在視角》，《中國(guó)青年研究》2013年第12期。，虛擬的缺場(chǎng)交往暫時(shí)替代了無(wú)法實(shí)現(xiàn)的在場(chǎng)交往。缺場(chǎng)空間的迅速擴(kuò)展,使得傳遞經(jīng)驗(yàn)對(duì)實(shí)地經(jīng)驗(yàn)起著導(dǎo)引和助燃的作用[5]劉少杰：《疫情心態(tài)網(wǎng)絡(luò)化的信息偏好與傳遞效應(yīng)》，《學(xué)術(shù)界》2020年第2期。。這些網(wǎng)絡(luò)溝通中的分享與感知，會(huì)進(jìn)而作用于人們的認(rèn)知與行為。相較于重視列舉事實(shí)和通報(bào)信息的硬新聞，網(wǎng)絡(luò)社交平臺(tái)上充滿情感的親歷者講述更容易激發(fā)公眾的情感共鳴，加深公眾對(duì)疫情苦難的認(rèn)知[6]周海燕：《親歷者口述：從個(gè)體敘事到社會(huì)行動(dòng)》，《探索與爭(zhēng)鳴》2020年第4期。。在風(fēng)險(xiǎn)應(yīng)對(duì)過程中，個(gè)體的感知能夠通過錨定注意力、驅(qū)動(dòng)行為、激活信息處理、激發(fā)道德認(rèn)知、促進(jìn)溝通等渠道，深刻地影響風(fēng)險(xiǎn)認(rèn)知，推動(dòng)個(gè)體做出風(fēng)險(xiǎn)應(yīng)對(duì)決策，進(jìn)而影響風(fēng)險(xiǎn)應(yīng)對(duì)行為[7]Sabine Roeser,"Emotional Reflection About Risks",International Librar y of Ethics Law&Technology,2009,5,pp.231-244,doi:10.1007/978-90-481-8647-1.。流行病學(xué)研究認(rèn)為，加深對(duì)疾病的認(rèn)識(shí)，能夠避免疾病的進(jìn)一步傳播[8]Stephan Kitchovitch,Pietro Liò,"Risk Perception and Disease Spread on Social Networks",Procedia Computer Science,2010,1(1),pp.2345-2354,doi:10.1016/j.procs.2010.04.264.。疾病動(dòng)力學(xué)與人類行為動(dòng)力學(xué)之間存在一個(gè)動(dòng)態(tài)反饋回路：疾病的發(fā)展影響人們對(duì)疾病風(fēng)險(xiǎn)的認(rèn)識(shí)，進(jìn)而引發(fā)人們的防護(hù)行為，而增距社交、個(gè)人防護(hù)等行為又反過來(lái)影響著疾病的傳播[9]Zhen Wang,Michael A.Andrews,Zhi Xi Wu,Lin Wang,and Chris T.Bauch,"Coupled Disease-Behavior Dynamics on Complex Networks:A Review",Physics of Life Reviews,2015,15,pp.1-29.。因而，網(wǎng)絡(luò)公眾參與以虛擬在場(chǎng)的人際互動(dòng)提升網(wǎng)民的風(fēng)險(xiǎn)認(rèn)知和防護(hù)意識(shí)，引發(fā)防護(hù)行為的調(diào)整和加強(qiáng)，對(duì)疫情防控可產(chǎn)生積極的輔助作用。

假設(shè)三（中間機(jī)制假設(shè)）：網(wǎng)絡(luò)公眾參與廣泛性的增強(qiáng)，通過提升網(wǎng)民的防護(hù)意識(shí)，控制疫情的發(fā)展。

（三）政策機(jī)制與社會(huì)機(jī)制的互動(dòng)：網(wǎng)絡(luò)參與還是網(wǎng)絡(luò)擾政？

在現(xiàn)實(shí)的風(fēng)險(xiǎn)治理中，網(wǎng)絡(luò)公眾參與和政府防控措施之間存在持續(xù)的互動(dòng)。有研究認(rèn)為，政府防控措施和網(wǎng)絡(luò)公眾參與之間存在相互增強(qiáng)的作用。第一，風(fēng)險(xiǎn)治理的責(zé)任分擔(dān)，能夠增強(qiáng)公眾對(duì)政府的信任，從而提升風(fēng)險(xiǎn)干預(yù)的有效性[1]Charles Dupras,Bryn Williams-Jones,"The Expert and the Lay Public:Reflections on Influenza A(H1N1)and the Risk Society",American Journal of Public Health,2012,102(4),pp.591-595.。廣泛的公眾參與能夠提升人們對(duì)政府合法性的感知，影響地方政府對(duì)公眾的凝聚力，最終帶來(lái)政府措施有效性的差異[2]Xueguang Zhou,Hong Lian,"Modes of Governance in the Chinese Bureaucracy:A'Control Rights'Theory",The China Journal,2020,84,pp.51-75.。在疫情風(fēng)險(xiǎn)應(yīng)對(duì)中，網(wǎng)絡(luò)公眾參與作為網(wǎng)民與政府雙向互動(dòng)的過程，能增加政府防控措施的曝光度和普及面，提高人們對(duì)政府防控措施的配合度，達(dá)到更好的防控效果。第二，政府可以借助互聯(lián)網(wǎng)平臺(tái)傾聽民意、回應(yīng)需求。政府相關(guān)部門能從廣泛的公眾參與和輿情反饋中實(shí)時(shí)了解防控措施執(zhí)行中的局部問題，及時(shí)響應(yīng)需求、調(diào)整舉措，提升治理效能[3]郝龍：《互聯(lián)網(wǎng)會(huì)是挽救“公眾參與衰落”的有效力量嗎？——20世紀(jì)90年代以來(lái)的爭(zhēng)議與分歧》，《電子政務(wù)》2020年第6期。?！熬W(wǎng)絡(luò)曝光—網(wǎng)友熱評(píng)—媒體跟進(jìn)—政府處理”正成為地方政府處理公共問題和社會(huì)事件的常見路徑[4]顧麗梅：《網(wǎng)絡(luò)參與與政府治理創(chuàng)新之思考》，《中國(guó)行政管理》2010年第7期。。

然而，一些研究也指出，網(wǎng)絡(luò)公眾參與可能對(duì)政策實(shí)施帶來(lái)負(fù)面影響。如自我國(guó)新媒體普及、網(wǎng)絡(luò)參與興起后，非正式的網(wǎng)絡(luò)公眾參與中缺乏規(guī)范、非理性表達(dá)、不實(shí)信息泛濫等問題突出[5]周恩毅、胡金榮：《網(wǎng)絡(luò)公民參與：政策網(wǎng)絡(luò)理論的分析框架》，《中國(guó)行政管理》2014年第11期。。而在非正式參與中，負(fù)面信息和流言往往比正面信息更容易受到關(guān)注，成為網(wǎng)民情感表達(dá)的渠道[6]Travis Grosser,Vergini Lopez-Kidwell,Giuseppe Labianca,"A Social Network Analysis of Positive and Negative Gossip in Organizational Life",Group&Organization Management,2010,35(2),pp.177-212.。非正式的負(fù)面信息通過迅速、廣泛的傳播放大了防控措施實(shí)施中存在的局部問題，還可能帶來(lái)不同程度的誤解與不滿，或通過虛假信息削弱人們對(duì)政府的信任，制約政府疫情防控措施的實(shí)施及其效果。因此，考察政府防控措施和網(wǎng)絡(luò)公眾參與之間的互動(dòng)關(guān)系及其性質(zhì)，顯得尤為重要。

假設(shè)四（調(diào)節(jié)作用假設(shè)）：網(wǎng)絡(luò)公眾參與對(duì)政府防控措施的防疫效果具有調(diào)節(jié)作用。

三、數(shù)據(jù)與變量

（一）每日新增確診數(shù)

因本研究關(guān)注政策機(jī)制和社會(huì)機(jī)制的疫情防控效果，所以我們特將每日新增確診數(shù)作為被解釋變量（數(shù)據(jù)來(lái)自中國(guó)疾控中心）。在回歸模型分析中，我們將該變量轉(zhuǎn)換為對(duì)數(shù)形式，以使樣本更趨向正態(tài)分布，提高模型的解釋力，而且影響系數(shù)可以解釋為百分比增量，它既符合研究假設(shè)的要求，又方便讀者理解。

（二）政府防控措施

政府防控措施是本研究的主要解釋變量，用于檢驗(yàn)假設(shè)一。盡管與疫情相關(guān)的政府文件并不能完全等同于防控措施的實(shí)施行為，但確實(shí)是防控措施內(nèi)容最為集中和正式的體現(xiàn)。為此本研究收集了疫情暴發(fā)后3個(gè)月內(nèi)，即2020年1月22日~4月20日除港澳臺(tái)地區(qū)外的31個(gè)省級(jí)行政區(qū)政府、黨委、新冠疫情防控指揮部（領(lǐng)導(dǎo)小組）發(fā)布的關(guān)于疫情防控措施的文件和正式通告。這些文件來(lái)自各省級(jí)政府官方網(wǎng)站的政務(wù)公開欄目或疫情防控專區(qū)。由于各省份疫情防控指揮部或領(lǐng)導(dǎo)小組是各省份啟動(dòng)一級(jí)響應(yīng)時(shí)成立的臨時(shí)組織，往往由黨委、政府負(fù)責(zé)人牽頭，其發(fā)文集中體現(xiàn)了各省份的疫情防控措施，在疫情防控措施的規(guī)定性上具有與省級(jí)政府相近的行政效力，所以本文將各省份新冠疫情防控指揮部（領(lǐng)導(dǎo)小組）發(fā)文也納入分析。并分別對(duì)收集到的全部592篇政策文本進(jìn)行質(zhì)性解讀和人工編碼標(biāo)注，進(jìn)而對(duì)不一致的標(biāo)注進(jìn)行討論并統(tǒng)一。最終每個(gè)省份均抽取出6大類、31種具體措施（見表1）。

我們借鑒了國(guó)內(nèi)外政府防控措施研究的分類方式，結(jié)合我國(guó)重大公共衛(wèi)生事件應(yīng)急響應(yīng)的設(shè)置，最終采用二級(jí)分類結(jié)構(gòu)。因在我國(guó)的應(yīng)急響應(yīng)管理中，基層黨組織和行政組織的動(dòng)員力量非常重要，且在國(guó)家和各省級(jí)政府發(fā)布的大量相關(guān)文件中都強(qiáng)調(diào)組織力量與政治保障，故基于本土現(xiàn)實(shí)我們加入第6類措施——組織資源配置。根據(jù)編碼表中的6個(gè)大類和31種具體措施，先按照文件頒布日期，標(biāo)記出各省份在每一天所實(shí)施的具體措施。再按照大類將當(dāng)天的具體措施數(shù)量加總，作為該大類措施在當(dāng)天實(shí)施強(qiáng)度的測(cè)量。由于每一大類中的措施種類數(shù)量不同，因此再對(duì)措施強(qiáng)度進(jìn)行加權(quán)計(jì)算以去除每一大類中措施數(shù)量差異的影響[1]本文還嘗試了第二種加權(quán)方案來(lái)進(jìn)行穩(wěn)健性檢驗(yàn)。按照文件頒布日期，得到各省在每一天所實(shí)施的具體措施數(shù)量時(shí)，對(duì)同日文件中出現(xiàn)多次的具體措施進(jìn)行累加計(jì)算（在第一種方法中同日同種措施多次出現(xiàn)只計(jì)一次），從而該措施被重復(fù)提及的次數(shù)可以反映該措施的強(qiáng)度，后續(xù)處理同方案一。使用第二種方案得到的數(shù)據(jù)分析最終結(jié)果與第一種方案大致相同。。最終每個(gè)省得到6個(gè)時(shí)間序列，分別是6大類措施的強(qiáng)度變化，作為解釋變量。

（三）疫情微博

這是網(wǎng)絡(luò)公眾參與變量的數(shù)據(jù)來(lái)源，通過各省份微博用戶每日發(fā)布的疫情相關(guān)微博數(shù)量來(lái)進(jìn)行測(cè)量，用于檢驗(yàn)假設(shè)二。在我國(guó)，以微博為代表的網(wǎng)絡(luò)社交平臺(tái)，具備公開性、即時(shí)性、易訪問性，還具有聯(lián)系地理距離或社會(huì)距離較遠(yuǎn)人群的可能性[1]Morag A.Gray,"Review:Chris Mann&Fiona Stewart(2000).Internet Communication and Qualitative Research:A Handbook for Researching Online",Qualitative Social Research,2001,2(1),http://nbn-resolving.de/urn:nbn:de:0114-fqs010120.。據(jù)新浪財(cái)報(bào)數(shù)據(jù)顯示，微博2020年第一季度月活用戶量超過5.16億，日活用戶量超過2.22億[2]《微博發(fā)布2020年第一季度財(cái)報(bào)》，https://baijiahao.baidu.com/s?id=1667113294758387867&wfr=spider&for=pc。。2020年春節(jié)微博信息曝光量比2019年同期增長(zhǎng)一倍，疫情發(fā)生以來(lái)，平均每天超過2億網(wǎng)友通過新浪微博關(guān)注最新疫情、獲取防治服務(wù)、參與公益捐助，截至3月底，微博的疫情話題閱讀量高達(dá)7545億?？梢娢⒉┦且咔槠陂g國(guó)內(nèi)使用范圍最廣、流量最大的網(wǎng)絡(luò)公眾參與平臺(tái)。本研究將涉及2800多萬(wàn)名用戶發(fā)布的1.4億條微博，在這些微博的發(fā)布用戶中，有87%為普通個(gè)人用戶，約5%為認(rèn)證用戶，其余為少量的政務(wù)微博賬號(hào)和其他賬號(hào)。故有較大的數(shù)據(jù)量和較廣的覆蓋面，并在一定程度上緩解了微博樣本代表性的問題。

（四）防護(hù)意識(shí)

這是模型分析的中介變量，用于檢驗(yàn)假設(shè)三。我們通過網(wǎng)民對(duì)防護(hù)措施相關(guān)詞條的每日百度搜索指數(shù)，來(lái)標(biāo)示防護(hù)意識(shí)的強(qiáng)度（百度指數(shù)提供了各省份對(duì)不同關(guān)鍵詞的搜索熱度指數(shù)）。例如，我們用“口罩”“洗手”等防護(hù)措施的關(guān)鍵詞搜索熱度來(lái)測(cè)量防護(hù)意識(shí)的變化[3]確定防護(hù)意識(shí)相關(guān)搜索關(guān)鍵詞后，編寫python爬蟲腳本，爬取百度指數(shù)官方網(wǎng)站提供的相關(guān)關(guān)鍵詞分省份每日搜索指數(shù)。。該測(cè)量的效度可以從以下兩方面得到支持：第一，百度指數(shù)提供了搜索詞的相關(guān)檢索詞，疫情期間用戶在搜索“口罩”的同時(shí)，還搜索了其他關(guān)鍵詞，如“N95口罩、口罩的正確戴法、口罩正反面如何區(qū)分、3M、醫(yī)用N95口罩多久換一次”等，而在“洗手”的相關(guān)檢索詞后還有“七步洗手法、消毒、戴口罩、洗手液”等[4]限于篇幅，相關(guān)詞搜索結(jié)果在文中未予展示。?？梢妼?duì)這些關(guān)鍵詞的搜索主要是為了獲取防護(hù)資源、掌握正確防護(hù)方法，在一定程度上反映防護(hù)意識(shí)。第二，流行病學(xué)專家為普通人提供的防護(hù)建議主要包括居家隔離、佩戴口罩、正確洗手。居家隔離相對(duì)容易操作，同時(shí)也有政府的管理措施來(lái)加以落實(shí)；而正確佩戴口罩和勤洗手則更多需要個(gè)人尋求信息和資源來(lái)實(shí)施。

（五）控制變量

由于各省份社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r是疫情防控該措施制定的基礎(chǔ)和實(shí)施效果的重要影響因素，因此在考察政策效果時(shí)，需要控制與疫情防控相關(guān)的省份宏觀發(fā)展指標(biāo)，主要包括人均收入、人口、公共財(cái)政預(yù)算等。在涉及疫情微博和防護(hù)意識(shí)的模型中，還控制了各省份網(wǎng)民數(shù)量。前期疫情發(fā)展情況對(duì)措施執(zhí)行效果和公共參與效果也有較大影響，因此在模型中也控制了各省份前期累計(jì)確診數(shù)的對(duì)數(shù)。

（六）描述性統(tǒng)計(jì)結(jié)果

表2給出了核心變量的描述性統(tǒng)計(jì)結(jié)果。由于因變量新增確診數(shù)是一個(gè)計(jì)數(shù)變量，標(biāo)準(zhǔn)差遠(yuǎn)大于均值，說明離散程度較高，取對(duì)數(shù)后標(biāo)準(zhǔn)差與均值接近；因此自變量中各類措施強(qiáng)度變量由政府文件中提取，當(dāng)日文件若未曾提及某一大類措施，則當(dāng)日該類措施強(qiáng)度取值為0，當(dāng)日提及次數(shù)越多則措施強(qiáng)度越高。標(biāo)準(zhǔn)差反映各類防控措施強(qiáng)度在不同時(shí)點(diǎn)和省份間的變異情況。為了便于交互作用分析，我們將6類措施強(qiáng)度降維得到一個(gè)“防控措施因子”綜合變量，其因子分標(biāo)準(zhǔn)化后取值為1~10。此外，中介變量部分，疫情微博數(shù)量是計(jì)數(shù)變量，所以取對(duì)數(shù)?！翱谡帧焙汀跋词帧钡陌俣人阉髦笖?shù)是由百度搜索引擎提供的指標(biāo)，取值越大則搜索頻次越高，其標(biāo)準(zhǔn)差可反映這些關(guān)鍵詞搜索熱度的總體變異情況。防護(hù)意識(shí)為上述二者的標(biāo)準(zhǔn)分均值。

表2 核心變量描述性統(tǒng)計(jì)

圖1—圖3分別呈現(xiàn)了因變量新增確診數(shù)與兩個(gè)核心自變量隨時(shí)間的變化趨勢(shì)。橫軸均為疫情持續(xù)的天數(shù)，縱軸分別為新增確診對(duì)數(shù)、防控措施因子分、疫情微博（千條）。每幅圖中31條曲線分別代表31個(gè)省份?？梢钥闯鲎砸咔楸┌l(fā)后，尤其是疫情暴發(fā)初期，政府防控措施強(qiáng)度和疫情微博數(shù)量迅速升高，新增確診數(shù)則明顯下降。

四、實(shí)證分析結(jié)果

（一）政府疫情防控措施的效應(yīng)分析

首先考察政府防控措施的疫情防控效果。由于相鄰省份在遺漏變量或隨機(jī)擾動(dòng)項(xiàng)上可能存在空間相關(guān)性，因此我們采用了空間誤差面板模型（SEM），納入省份鄰接空間權(quán)重矩陣，以控制誤差項(xiàng)的空間相關(guān)。面板數(shù)據(jù)涵蓋2020年1月22日至4月20日31個(gè)省級(jí)行政區(qū)，模型以新增確診病例數(shù)的對(duì)數(shù)為因變量，各省份防控措施為自變量，在隨機(jī)效應(yīng)模型中控制了省份宏觀發(fā)展指標(biāo)。

由于防控措施與確診數(shù)之間可能存在雙向因果和遺漏變量的內(nèi)生性問題，因此我們采用了不同方法來(lái)改善模型。首先，所有模型都使用自變量的7天滯后項(xiàng)（下標(biāo)t-7），即用7天前的變量測(cè)量值來(lái)解釋當(dāng)期的因變量變化[1]將解釋變量的滯后期先后定為8天、9天作為穩(wěn)健性檢驗(yàn)，得到相同結(jié)果。因篇幅所限，不同滯后期的結(jié)果表格未放進(jìn)正文，感興趣者可向作者索要。，從而避免雙向因果問題。第二，所有模型控制了因變量的滯后項(xiàng)，控制可能存在的未被觀察到的省份之間的差異和歷史性因素。第三，借助面板數(shù)據(jù)拓展格蘭杰因果檢驗(yàn)來(lái)幫助判斷因果關(guān)系的方向。經(jīng)過檢驗(yàn)，6類防疫措施均有助于解釋7天后的新增確診數(shù)（p＜0.01，拒絕無(wú)因果關(guān)系的虛無(wú)假設(shè)），而反向因果關(guān)系亦不存在（p＞0.05）。第四，使用省份固定效應(yīng)模型，來(lái)控制所有不隨時(shí)間變化、未被觀測(cè)到的省份之間的差異（表3模型1—7）。

表3 政府措施的疫情防控效果

表3顯示，空間誤差自回歸系數(shù)Lambda顯著，說明控制空間誤差相關(guān)是必要的。在單一措施效果的分析中（模型1—6），每一類措施都能夠顯著降低新增確診數(shù)。為此，模型7和8將防控措施因子作為綜合因變量，系數(shù)顯著為負(fù)，即各省份實(shí)施的防控措施強(qiáng)度越大，新增確診數(shù)就越低。固定效應(yīng)模型7和隨機(jī)效應(yīng)模型8的結(jié)果非常一致，說明防控措施的效果總體上非常穩(wěn)健，說明各省級(jí)政府實(shí)施的防控措施均能有效減少新增確診數(shù)，支持假設(shè)一。

（二）網(wǎng)絡(luò)公眾參與的疫情防控效果

表4是通過空間誤差面板模型來(lái)分析疫情微博影響的數(shù)據(jù)結(jié)果。因?yàn)槭褂昧耸》莨潭ㄐ?yīng)控制不隨時(shí)間而變的省份差異，故無(wú)須再加入省份宏觀控制變量。自變量均為4天滯后項(xiàng)，并且使用Bootstrap法[1]Kristopher J.Preacher,Andrew F.Hayes,"Asymptotic and Resampling Strategies for Assessing and Comparing Indirect Effects in Multiple Mediator Models",Behavior Research Methods,2008,40(3),pp.879-891.檢驗(yàn)防護(hù)意識(shí)的中介作用，經(jīng)過1000次重復(fù)抽樣，證明中介效應(yīng)的統(tǒng)計(jì)顯著性。

表4 疫情微博和防護(hù)意識(shí)對(duì)疫情發(fā)展的影響

模型1顯示，疫情微博交流頻率越高，新增確診數(shù)越低（-0.479），表明網(wǎng)絡(luò)公眾參與有助于疫情防控。模型2和模型3顯示，這種積極作用是通過提升網(wǎng)民的防護(hù)意識(shí)、進(jìn)而降低新增病例數(shù)而產(chǎn)生的。Bootstrap中介檢驗(yàn)結(jié)果顯示，防護(hù)意識(shí)的中介效應(yīng)在95%的置信度上顯著存在（置信區(qū)間不包括0），中介效應(yīng)的解釋比例為13.27%（見表5）。比較模型1和模型3發(fā)現(xiàn)，加入防護(hù)意識(shí)這一中介變量后，疫情微博的系數(shù)絕對(duì)值變小，但仍然顯著，說明疫情微博和防護(hù)意識(shí)均有相對(duì)獨(dú)立的疫情防控作用，而疫情微博的作用部分地通過防護(hù)意識(shí)而得到發(fā)揮。這也意味著除了提升防護(hù)意識(shí)，疫情微博還會(huì)通過其他的可能路徑降低新增確診數(shù)，例如減少出行、習(xí)得防護(hù)知識(shí)、增加對(duì)防控措施的理解和配合等。綜上，疫情微博交流能夠通過提升人們的防護(hù)意識(shí)，對(duì)疫情防控起到積極作用，支持假設(shè)二和假設(shè)三。

表5 中介效應(yīng)檢驗(yàn)結(jié)果

（三）政府措施與公眾參與的綜合疫情防控效果

為了簡(jiǎn)化分析，這里使用防控措施因子變量，并將其與疫情微博共同納入模型，再構(gòu)建交互項(xiàng)。用固定效應(yīng)空間誤差面板模型分析二者對(duì)疫情發(fā)展的共同影響。所有解釋變量均為3天滯后項(xiàng)[1]作為穩(wěn)健性檢驗(yàn)，先后將解釋變量的4天、5天滯后項(xiàng)放進(jìn)模型，結(jié)果相同，限于篇幅不予展示。。

表6的模型1和模型2顯示，政府措施和疫情微博同時(shí)發(fā)揮防疫作用，分別顯著降低每日新增病例數(shù)；而模型3顯示，政府措施和疫情微博同時(shí)發(fā)揮獨(dú)立影響，共同降低新增確診數(shù)，效果穩(wěn)定顯著。模型4顯示，疫情微博和政府防控措施的交互項(xiàng)系數(shù)和顯著度較小，但是顯著為正，與主效應(yīng)系數(shù)的方向相反。這意味著，在疫情得到迅速有效控制、新增病例穩(wěn)定下降的背景下（如圖1），政府防控措施與疫情微博產(chǎn)生了相互調(diào)節(jié)的作用，隨時(shí)間推移，微量減弱對(duì)方的影響程度，符合疫情防控的總體趨勢(shì)。模型3和模型4證明，政策機(jī)制和社會(huì)機(jī)制之間存在互動(dòng)，共同效果大大超過單一機(jī)制，支持假設(shè)四。

表6 政府措施和疫情微博對(duì)疫情發(fā)展的共同作用

五、結(jié)論與討論

根據(jù)實(shí)證分析可以得出三個(gè)方面結(jié)論。第一，我國(guó)各省級(jí)政府采取了積極有力、具有針對(duì)性的疫情防控措施，各類措施有效減少了新增病例數(shù)，對(duì)控制疫情起到了顯著的作用。第二，網(wǎng)絡(luò)公眾參與可提升公眾的防護(hù)意識(shí)，有助于減少感染病例，控制疫情的蔓延。第三，政策機(jī)制和社會(huì)機(jī)制的疫情防控效果并不是線性的，而是在新增病例銳減的前提下，相互調(diào)整對(duì)方的影響程度。本研究總的結(jié)論是，在疫情風(fēng)險(xiǎn)治理中，政府防控措施作為政策機(jī)制，其作用是主導(dǎo)性的，而網(wǎng)絡(luò)公眾參與作為社會(huì)機(jī)制，其作用是輔助性的，它們是我國(guó)在短期內(nèi)有效防控疫情的雙重動(dòng)力。

本研究基于政策機(jī)制的主導(dǎo)作用和社會(huì)機(jī)制的輔助作用，探討了二者在風(fēng)險(xiǎn)治理中的互動(dòng)與合力，旨在尋找符合中國(guó)本土文化制度特征的風(fēng)險(xiǎn)治理共同體建構(gòu)路徑，是一項(xiàng)基于中國(guó)主體話語(yǔ)解決本土現(xiàn)實(shí)問題、探索中國(guó)風(fēng)險(xiǎn)治理模式的嘗試。作為公眾參與和公共衛(wèi)生風(fēng)險(xiǎn)的交叉研究領(lǐng)域中為數(shù)不多的量化實(shí)證研究，研究結(jié)合線上社交媒體大數(shù)據(jù)、搜索引擎大數(shù)據(jù)、疫情數(shù)據(jù)、宏觀社會(huì)經(jīng)濟(jì)指標(biāo)，實(shí)現(xiàn)了具有一定時(shí)間跨度和空間覆蓋面、多來(lái)源的數(shù)據(jù)資料的融合運(yùn)用。在信息社會(huì)和疫情的特殊背景下，對(duì)網(wǎng)絡(luò)公眾參與進(jìn)行社交媒體平臺(tái)的測(cè)量，也是指標(biāo)層面的拓展和創(chuàng)新。當(dāng)然，在實(shí)證研究的若干方面仍有待加強(qiáng)。其一，本研究根據(jù)官方政策文本細(xì)化出6大類措施，對(duì)防控措施強(qiáng)度進(jìn)行了近似的測(cè)量。雖然在措施強(qiáng)度計(jì)算中嘗試了不同的加權(quán)方案以佐證結(jié)果的顯著性，但仍需進(jìn)一步優(yōu)化測(cè)量指標(biāo)和檢驗(yàn)測(cè)量效度。其二，在政策評(píng)估研究中需要考慮內(nèi)生性問題。盡管在現(xiàn)有數(shù)據(jù)條件下本文使用了省份固定效應(yīng)模型、納入解釋變量滯后項(xiàng)、格蘭杰因果檢驗(yàn)等方法來(lái)加以改善，但可能仍然難以完全避免因果層面的糾纏。后續(xù)研究中應(yīng)設(shè)法調(diào)整數(shù)據(jù)結(jié)構(gòu)，從而能夠使用雙重差分法、工具變量等準(zhǔn)實(shí)驗(yàn)方法來(lái)解決內(nèi)生性問題。其三，網(wǎng)絡(luò)公眾參與對(duì)政府防控措施的效果具有削弱作用，但這種作用的具體內(nèi)在機(jī)制本文限于篇幅只進(jìn)行了理論探討。未來(lái)可進(jìn)一步納入各省份政務(wù)微博數(shù)據(jù)、微博辟謠數(shù)據(jù)等，對(duì)其進(jìn)行實(shí)證分析和檢驗(yàn)。

疫情對(duì)政府的風(fēng)險(xiǎn)治理能力提出了嚴(yán)峻的挑戰(zhàn)，同時(shí)也帶來(lái)了構(gòu)建風(fēng)險(xiǎn)治理共同體的現(xiàn)實(shí)契機(jī)[1]王俊秀、周迎楠、劉曉柳：《信息、信任與信心：風(fēng)險(xiǎn)共同體的建構(gòu)機(jī)制》，《社會(huì)學(xué)研究》2020年第4期。。一方面，風(fēng)險(xiǎn)治理共同體建構(gòu)的核心動(dòng)力來(lái)自政府的治理創(chuàng)新，表現(xiàn)為我國(guó)社會(huì)治理已經(jīng)從政府單一治理模式向政府、社會(huì)與公民等主體參與的多元治理模式轉(zhuǎn)換。另一方面，風(fēng)險(xiǎn)治理共同體建構(gòu)的資源也來(lái)自公眾參與意愿和參與能力的不斷提升。以數(shù)字平臺(tái)為媒介的網(wǎng)絡(luò)公眾參與不斷增加，已成為不可逆轉(zhuǎn)的趨勢(shì)。在新冠肺炎帶來(lái)的公共健康危機(jī)中，廣大網(wǎng)民的積極參與說明風(fēng)險(xiǎn)治理共同體的建設(shè)正在成為民眾的自發(fā)需要[2]朱健剛：《疫情催生韌性的社會(huì)治理共同體》，《探索與爭(zhēng)鳴》2020年第4期。。頂層的制度設(shè)計(jì)和社會(huì)公眾的參與意愿構(gòu)成的雙重動(dòng)力，為建立責(zé)任共擔(dān)、互信協(xié)作的風(fēng)險(xiǎn)治理共同體提供了可能性。總之，新冠疫情風(fēng)險(xiǎn)的考驗(yàn)，在一定程度上推動(dòng)了這種可能性成為現(xiàn)實(shí)。

在社交網(wǎng)絡(luò)日益融入人們生活的信息時(shí)代，探討如何最大限度地發(fā)揮網(wǎng)絡(luò)公眾參與在風(fēng)險(xiǎn)治理共同體中的積極作用，同時(shí)抑制其消極作用，具有重要的現(xiàn)實(shí)意義。政策制定者應(yīng)爭(zhēng)取在鼓勵(lì)網(wǎng)絡(luò)公眾參與的同時(shí)，避免托克維爾的“多數(shù)人的暴政”和勒龐的所謂“烏合之眾疊加的愚蠢”[3]成伯清：《新媒體之新空間：從大眾到公眾》，《探索與爭(zhēng)鳴》2016年第11期。。在實(shí)踐層面，第一，需要政府部門與平臺(tái)方進(jìn)一步展開深入合作，加強(qiáng)對(duì)不實(shí)和極端信息的平臺(tái)治理。目前世界各國(guó)對(duì)網(wǎng)絡(luò)虛假信息的解決方案主要包括兩大類：對(duì)個(gè)人的賦能和基于平臺(tái)的算法治理[4]David M.J.Lazer,Matthew A.Baum,Yochai Benkler,et el.,"The Science of Fake News",Science,2018,359(6380),pp.1094-1096.。政府應(yīng)利用政務(wù)微博等多種渠道及時(shí)滿足公眾對(duì)重大公共事件的信息需求，從而減少流言傳播的空間。同時(shí)要推動(dòng)社交媒體平臺(tái)改進(jìn)推薦算法，增強(qiáng)用戶信息來(lái)源的異質(zhì)性，增強(qiáng)網(wǎng)民的謠言辨識(shí)能力，提升網(wǎng)民的信息素養(yǎng)。第二，政府相關(guān)部門要更加重視面向公眾的風(fēng)險(xiǎn)溝通，利用融媒體、電子政務(wù)等多種平臺(tái)提升信息公開的質(zhì)量、速度與透明度。面對(duì)風(fēng)險(xiǎn)及時(shí)啟動(dòng)危機(jī)議程、傳遞重要信息，迅速提升公眾的風(fēng)險(xiǎn)認(rèn)知。第三，積極響應(yīng)網(wǎng)絡(luò)平臺(tái)上匯聚的公眾需求，面對(duì)輿情熱點(diǎn)及時(shí)回應(yīng)，消除公眾疑慮，維護(hù)政治信任和政府公信力。第四，完善網(wǎng)絡(luò)公眾參與的制度建設(shè)，推動(dòng)有序參與。提供議程設(shè)置，允許和鼓勵(lì)圍繞風(fēng)險(xiǎn)治理的理性表達(dá)和有序溝通，讓社交媒體平臺(tái)成為政府與公眾之間積極互動(dòng)、凝聚共識(shí)的公共空間?？傊?，政府防控措施和網(wǎng)絡(luò)公眾參與，是我國(guó)有效控制疫情蔓延的政策機(jī)制和社會(huì)機(jī)制，二者在疫情風(fēng)險(xiǎn)治理中發(fā)揮著復(fù)雜的交互作用。在未來(lái)的風(fēng)險(xiǎn)治理研究中，可以繼續(xù)探索兩種機(jī)制的具體互動(dòng)過程及其帶來(lái)的社會(huì)影響。