張志霞 蘇丙康

西安建筑科技大學(xué)管理學(xué)院 西安 710055

引言

在以“云大物移智區(qū)加”為代表的“智能+”技術(shù)[1]廣泛普及和日趨成熟的今天，網(wǎng)絡(luò)輿情的發(fā)展進(jìn)入了全新時(shí)代，民眾可以借助互聯(lián)網(wǎng)跨時(shí)空地表達(dá)自己對(duì)輿情事件的觀點(diǎn)、態(tài)度和情感，這導(dǎo)致網(wǎng)絡(luò)輿情的疏導(dǎo)與治理面臨巨大難度與挑戰(zhàn)。習(xí)近平總書(shū)記曾指出，“要把網(wǎng)上輿論工作作為宣傳思想工作的重中之重來(lái)抓”[2]，當(dāng)前網(wǎng)絡(luò)輿論工作的順利開(kāi)展與國(guó)家安全和社會(huì)穩(wěn)定等多個(gè)層面的工作密切關(guān)聯(lián)。近年來(lái)，網(wǎng)絡(luò)輿情事件頻繁爆發(fā)，如果處理不當(dāng)，極有可能在民眾中間引起不良情緒和過(guò)激行為，從而不利于社會(huì)的和諧穩(wěn)定。因此，探究政府、媒體和網(wǎng)民多主體作用下突發(fā)輿情事件的網(wǎng)絡(luò)傳播機(jī)理，對(duì)于政府及相關(guān)部門(mén)合理引導(dǎo)網(wǎng)絡(luò)輿論走向，制定有效的控制策略具有重要意義。

就輿情主體而言，一方面，近年來(lái)很多學(xué)者開(kāi)始研究媒體作用下網(wǎng)絡(luò)輿情的傳播變化趨勢(shì)，如Crokidakis[3]考慮了大眾媒體對(duì)二維Sznajd輿論演化模型的影響，得出即使在初始狀態(tài)下有較小密度的個(gè)體持贊同觀點(diǎn)，最后也會(huì)形成統(tǒng)一的意見(jiàn)。She等[4]結(jié)合定性與定量的研究方法，探討了COVID-19疫情期間媒體報(bào)道的社會(huì)矛盾類型以及媒體輿論對(duì)新冠疫情期間青少年風(fēng)險(xiǎn)認(rèn)知的影響。此外，社交媒體形式的多樣化為網(wǎng)絡(luò)輿論的傳播提供了更多的可能性，Liu等[5]應(yīng)用生命周期理論、社交網(wǎng)絡(luò)分析和爬蟲(chóng)技術(shù)，對(duì)輿情演變過(guò)程進(jìn)行分析，更全面地了解網(wǎng)絡(luò)輿情本身及其在現(xiàn)實(shí)生活中的價(jià)值和意義。為了更加直觀展現(xiàn)網(wǎng)絡(luò)輿情傳播的特性，王家坤等[6]通過(guò)構(gòu)建基于復(fù)雜網(wǎng)絡(luò)理論和傳播動(dòng)力學(xué)等方法的雙層社交網(wǎng)絡(luò)輿情傳播模型，探索社交網(wǎng)絡(luò)媒體引導(dǎo)下的企業(yè)輿情傳播規(guī)律和控制策略。Luo[7]研究了新時(shí)代媒體背景下網(wǎng)絡(luò)輿論對(duì)于公眾情感的影響機(jī)理，尤其是大學(xué)生群體更容易受到負(fù)面輿論信息的誤導(dǎo)從而產(chǎn)生意見(jiàn)分化。李明德等[8]針對(duì)新媒體傳播模式具有的復(fù)雜性特征，提出當(dāng)下融合輿情治理與社會(huì)治理的科學(xué)治理機(jī)制。另一方面，政府監(jiān)管、政府決策的透明程度等因素也會(huì)影響網(wǎng)絡(luò)輿情的擴(kuò)散與風(fēng)險(xiǎn)[9]。蒲曉紅等[10]基于風(fēng)險(xiǎn)社會(huì)放大理論，分析政府信任、政府回應(yīng)在公眾輿情風(fēng)險(xiǎn)感知中所發(fā)揮的中介、調(diào)節(jié)作用。吳孝靈等[11]結(jié)合信息熵理論和動(dòng)力學(xué)方法構(gòu)建政府輿論引導(dǎo)的鄰避輿情演化模型，并以“廣東茂名PX事件”為案例進(jìn)行仿真研究。王治瑩等[12]通過(guò)建立強(qiáng)勢(shì)與弱勢(shì)輿情信息交互的傳播系統(tǒng)，設(shè)計(jì)不同干預(yù)情景分析了政府的干預(yù)作用。

就輿情傳播模型而言，傳染病模型最初的提出是為了研究疾病傳播，學(xué)者們把改進(jìn)后的模型應(yīng)用于網(wǎng)絡(luò)輿情問(wèn)題的研究，既可以從微觀角度精準(zhǔn)描述輿情隨時(shí)間的變化過(guò)程，又可以從宏觀層面直觀反映輿情態(tài)勢(shì)。如魏靜等[13]將情緒感染理論融入SIR模型，構(gòu)建了考慮親密度及情感傾向的社交網(wǎng)絡(luò)輿情傳播模型，并基于無(wú)標(biāo)度網(wǎng)絡(luò)對(duì)輿情傳播影響因素進(jìn)行了分析。莊文英等[14]基于主題分析，構(gòu)建拓展多意見(jiàn)競(jìng)爭(zhēng)演化模型，多角度對(duì)網(wǎng)絡(luò)輿情演化的影響因素進(jìn)行研究。Xu等[15]開(kāi)發(fā)了基于SIR-I的動(dòng)態(tài)傳播模型，并以“攜程幼兒園虐童事件”為例有效地表征了反復(fù)出現(xiàn)類型網(wǎng)絡(luò)輿論的傳播過(guò)程。Wang等[16]通過(guò)引入附加用戶和離線率的概念，以及直接免疫易感、接觸、感染和難治性（DI-SCIR）建立了基于實(shí)時(shí)在線用戶的輿情傳播模型，結(jié)果證明了新模型能夠準(zhǔn)確地反映輿論的傳播規(guī)律。Xuan等[17]提出了一個(gè)結(jié)合個(gè)體意見(jiàn)動(dòng)力學(xué)的網(wǎng)絡(luò)連續(xù)時(shí)間SIS模型，通過(guò)分析系統(tǒng)模型的極限行為、系統(tǒng)的平衡點(diǎn)及其穩(wěn)定性，研究輿論動(dòng)態(tài)對(duì)該模型的影響。為了更好地體現(xiàn)輿情傳播過(guò)程中的意見(jiàn)討論，Jiang等[18]建立了分為敏感、積極、消極和恢復(fù)（SPNR）四種狀態(tài)的兩階段的謠言傳播模型，來(lái)分析微博上突發(fā)事件謠言的傳播和逆轉(zhuǎn)過(guò)程。Zhang等[19]提出將傳播節(jié)點(diǎn)分為支持、中立和反對(duì)三類的MI-SEIR模型，研究了媒體傳播和人際關(guān)系對(duì)輿情傳播的影響。張雷等[20]采用融合文本情感分析的改進(jìn)KNN算法對(duì)網(wǎng)絡(luò)輿情進(jìn)行嚴(yán)重性分級(jí)，基于精細(xì)劃分的SIR模型仿真模擬不同調(diào)控手段對(duì)輿情的整體影響。成全等[21]構(gòu)建了考慮用戶主題興趣度的SEIR改進(jìn)模型，并通過(guò)仿真驗(yàn)證了影響突發(fā)事件網(wǎng)絡(luò)輿情演化的關(guān)鍵因素。

綜上所述，國(guó)內(nèi)外學(xué)者通過(guò)研究媒體或政府單一主體作用下的網(wǎng)絡(luò)輿情傳播或演化機(jī)理，來(lái)實(shí)現(xiàn)對(duì)輿情信息的預(yù)警及管控。利用傳染病及其改進(jìn)模型，如SIR、SIS、MI-SEIR等，從生物效應(yīng)方面對(duì)網(wǎng)絡(luò)輿情信息的傳播過(guò)程進(jìn)行建模仿真。但網(wǎng)絡(luò)輿情的傳播并非是單個(gè)主體參與的過(guò)程，且現(xiàn)有研究中網(wǎng)絡(luò)輿情傳播模型的構(gòu)建未考慮多主體干預(yù)下傳播群體的意見(jiàn)分化及相互滲透，不足以全面刻畫(huà)網(wǎng)絡(luò)輿情的復(fù)雜涌現(xiàn)過(guò)程。因此本文在相關(guān)研究的基礎(chǔ)上，把媒體作用抽象為媒體強(qiáng)化度、媒體分歧度及媒體滲透率，政府作用抽象為政府作用因子，將信息傳播者分為支持者、中立者和反對(duì)者三類，建立基于多主體的SIsnoR傳播動(dòng)力學(xué)模型，并通過(guò)數(shù)值模擬實(shí)現(xiàn)了對(duì)網(wǎng)絡(luò)輿情信息的傳播過(guò)程、影響因素的建模與仿真，為“新互聯(lián)網(wǎng)+”時(shí)代網(wǎng)絡(luò)輿情的引導(dǎo)和治理提供有力依據(jù)。

1 研究基礎(chǔ)

本文輿情信息傳播擬采用疾病傳播模型為載體，同時(shí)受到媒體引導(dǎo)和政府干預(yù)作用，包括新聞消息的發(fā)布、管控策略的實(shí)施等手段，以實(shí)現(xiàn)網(wǎng)絡(luò)輿論向著樂(lè)觀積極面發(fā)展，促使消極言論快速平息。

1.1 SIR模型

SIR模型把群體中的網(wǎng)民分為易感者（Susceptible）、感染者（Infective）和免疫者（Removed），如圖1所示。設(shè)S(t)、I(t)、R(t)分別為t時(shí)刻易感者、感染者以及免疫者在群體中所占的比例，則滿足S(t)+I(t)+R(t)=1。其中，易感者以λ的概率變?yōu)楦腥菊?，感染者以γ的概率變?yōu)槊庖哒摺?/p>

圖1 SIR模型

基于SIR模型，本文以易感者代表未接收到信息的網(wǎng)民；感染者代表通過(guò)復(fù)制、轉(zhuǎn)發(fā)、共享等方式參與信息傳播的網(wǎng)民；免疫者代表對(duì)信息產(chǎn)生免疫不再參與傳播的網(wǎng)民。

1.2 媒體引導(dǎo)

移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展的時(shí)代，傳播渠道的多樣化和便捷性使得網(wǎng)民可以隨時(shí)隨地獲得媒體信息并參與輿情傳播。然而隨著網(wǎng)民理智性和質(zhì)疑能力的提升，媒體對(duì)輿情事件的報(bào)道和觀點(diǎn)傾向并不完全被網(wǎng)民信服。因此在媒體引導(dǎo)下，輿論傳播呈現(xiàn)如下特征：

（1）消息傳播力度增強(qiáng)。各種媒體平臺(tái)能夠在極短時(shí)間內(nèi)迅速將新聞推送至網(wǎng)民視野中，即使是原本對(duì)與輿情信息不感興趣的人群也會(huì)被吸引，參與輿情傳播，使輿論話題關(guān)注度極大提升。

（2）激發(fā)了廣泛的討論。網(wǎng)絡(luò)中出現(xiàn)不同的聲音和觀點(diǎn)，相互碰撞引起論戰(zhàn)和調(diào)性分化。

（3）傳播態(tài)度相互滲透。針對(duì)某一輿情事件，網(wǎng)民通過(guò)媒體進(jìn)行意見(jiàn)交換，當(dāng)一種觀點(diǎn)在論戰(zhàn)中戰(zhàn)勝另一種觀點(diǎn)，則網(wǎng)民傳播態(tài)度獲得滲透機(jī)會(huì)，從而改變自己最初的想法。

1.3 政府干預(yù)

重大突發(fā)事件導(dǎo)致的輿情危機(jī)爆發(fā)后，由于此類輿情信息具有一定的敏感性，易受民眾關(guān)注，并且極易引發(fā)次生事件，在此情境下，政府干預(yù)行為顯得尤為重要。當(dāng)網(wǎng)絡(luò)輿情產(chǎn)生時(shí)，為合理把控輿論走向，政府對(duì)于正面輿情一般通過(guò)媒體進(jìn)行正向引導(dǎo)，本文不考慮此種情況。而對(duì)于負(fù)面輿情政府會(huì)采取發(fā)布官方消息，及時(shí)辟謠澄清事實(shí)等措施提高輿情透明度，以削弱負(fù)面話題熱度，對(duì)輿情的發(fā)展起到一定的限制作用。因此，政府干預(yù)作用主要體現(xiàn)在抑制易感者向感染者轉(zhuǎn)化、促進(jìn)感染者向免疫者轉(zhuǎn)化。

2 基于SIsnoR的網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型構(gòu)建

基于以上分析，在完全虛擬的網(wǎng)絡(luò)情境下，網(wǎng)絡(luò)輿情初始生成階段呈現(xiàn)出不明朗、不確定等特征，網(wǎng)民針對(duì)突發(fā)事件能夠公開(kāi)、自由地表達(dá)、轉(zhuǎn)發(fā)，使得網(wǎng)絡(luò)成為不同意見(jiàn)表達(dá)的集散地，各種論調(diào)層出不窮，多元聲音呈現(xiàn)出碎片化狀態(tài)[14]，傳統(tǒng)SIR模型雖然可以在一定程度上模擬網(wǎng)絡(luò)輿情信息的傳播發(fā)展過(guò)程，但是在受到媒體引導(dǎo)和政府干預(yù)時(shí)，SIR模型未考慮網(wǎng)民傳播狀態(tài)的分化及傳播意見(jiàn)的相互滲透，不足以揭示輿情的真實(shí)傳播狀態(tài)。另外，隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)輿情的參與者不斷出現(xiàn)新的類別，雙主體或是多主體參與輿情才更加符合真實(shí)傳播情景。由此，本文結(jié)合輿情實(shí)際傳播過(guò)程，同時(shí)考慮政府、媒體與網(wǎng)民多主體作用，構(gòu)建新型SIsnoR傳播動(dòng)力學(xué)模型對(duì)網(wǎng)絡(luò)輿情的傳播機(jī)理進(jìn)行研究，并結(jié)合實(shí)際案例進(jìn)行數(shù)值仿真驗(yàn)證模型的科學(xué)有效性。

2.1 模型假設(shè)

網(wǎng)絡(luò)輿情通過(guò)互聯(lián)網(wǎng)平臺(tái)進(jìn)行傳播、蔓延和衍生，信息的傳播渠道、傳播方式等復(fù)雜多變，為了能夠清晰認(rèn)識(shí)其傳播機(jī)理，本著重點(diǎn)突出的原則，提出以下假設(shè)：

（1）由于移動(dòng)互聯(lián)時(shí)代信息爆發(fā)迅速，因此本文構(gòu)建模型不考慮網(wǎng)民中的潛伏者狀態(tài)。

（2）本文所設(shè)定的網(wǎng)絡(luò)媒體是指除官媒之外，在微博、微信或抖音等網(wǎng)絡(luò)平臺(tái)上發(fā)布新聞的新聞媒體或自媒體。而政府一般是具有很高的權(quán)威性的政府組織。

（3）在仿真實(shí)驗(yàn)中，模型中涉及到的參數(shù)取值在給定的約束范圍內(nèi)可以通過(guò)調(diào)參達(dá)到預(yù)期效果。

2.2 主體描述

不同主體對(duì)于網(wǎng)絡(luò)輿情傳播的干預(yù)具有較大差異性，因此將媒體作用表示為強(qiáng)化度、分歧度和滲透率，將政府作用表示為政府作用因子，將群體中的網(wǎng)民分為未知者、傳播者和免疫者。具體定義描述如下：

定義1 強(qiáng)化度ε。輿情話題產(chǎn)生后，媒體對(duì)網(wǎng)絡(luò)輿情信息進(jìn)行渲染，提升網(wǎng)民對(duì)話題的認(rèn)知度并參與輿情的傳播，表現(xiàn)為使群體中的未知者向傳播者轉(zhuǎn)化的幾率增加。

定義2 分歧度η。當(dāng)媒體觀點(diǎn)與原有觀點(diǎn)發(fā)生碰撞時(shí)，會(huì)導(dǎo)致傳播過(guò)程中激烈的爭(zhēng)論，從而產(chǎn)生意見(jiàn)分歧，出現(xiàn)不同調(diào)性的傳播群體分化，改變傳播態(tài)勢(shì)。

定義3 滲透率γ。對(duì)輿情話題持有不同的態(tài)度的網(wǎng)民之間會(huì)存在信息交互，此過(guò)程在媒體作用下各種聲音在輿情交換平臺(tái)獲得滲透機(jī)會(huì)，原本處于傳播支持者Is、中立者In或反對(duì)者Io狀態(tài)的個(gè)體相互接觸改變自身態(tài)度從而發(fā)生狀態(tài)轉(zhuǎn)移，因此滲透率表示了不同類型用戶間的互動(dòng)關(guān)系。這里假設(shè)支持者和反對(duì)者通過(guò)中立者互相轉(zhuǎn)化，相應(yīng)的滲透率分別為γsn，γns，γno，γon。

定義5：網(wǎng)民狀態(tài)。由于現(xiàn)實(shí)世界中的網(wǎng)民會(huì)受到各種外界因素的影響參與網(wǎng)絡(luò)輿情的傳播過(guò)程，因此可分為未知者(S)、支持者(Is)、中立者(In)、反對(duì)者(Io)和免疫者(R)5種狀態(tài)，并且伴隨輿情的演化過(guò)程在媒體與政府的干預(yù)作用下發(fā)生自身狀態(tài)的轉(zhuǎn)變。

2.3 SIsnoR模型結(jié)構(gòu)

用S(t)、Is(t)、In(t)、Io(t)、R(t)分 別 表 示t時(shí)刻5種狀態(tài)網(wǎng)民數(shù)量占群體總數(shù)的比例，M代表網(wǎng)絡(luò)媒體，黃色箭頭表示媒體作用，G代表政府，黑色虛線箭頭表示政府作用。αi(i=1,2,3,4,5,6,7)代表各類狀態(tài)之間的轉(zhuǎn)化概率，其表示含義如表1所示。繼而構(gòu)建多主體作用下的 SIsnoR 網(wǎng)絡(luò)輿情傳播模型如圖 2 所示。

表1 SIsnoR模型參數(shù)含義

圖2 SIsnoR模型

2.4 SIsnoR動(dòng)力學(xué)模型

考慮到網(wǎng)絡(luò)輿情的真實(shí)傳播情景，以αi(i=1,2,3,4,5,6,7)代表政府、媒體及網(wǎng)民多主體下的轉(zhuǎn)化概率，α” i(i=1,2,3,4,5,6,7)為初始狀態(tài)網(wǎng)絡(luò)輿情傳播概率。為政府作用因子，當(dāng)(i=1,3,4)時(shí)，政府作用體現(xiàn)為減小未知狀態(tài)個(gè)體向傳播狀態(tài)個(gè)體的轉(zhuǎn)化概率，符號(hào)為負(fù)；當(dāng)(i=2,5,6,7)時(shí)，政府作用體現(xiàn)為增大傳播狀態(tài)個(gè)體向免疫狀態(tài)個(gè)體的轉(zhuǎn)化概率，αi符號(hào)為正；以表示受政府作用的轉(zhuǎn)化概率。媒體作用則通過(guò)網(wǎng)絡(luò)媒體強(qiáng)化度、分歧度和滲透率對(duì)未知者、傳播者和免疫者之間的轉(zhuǎn)化概率產(chǎn)生干預(yù)，考慮到傳播概率的實(shí)際意義，其中ε∈(0,0.5)，η∈(0,1)，α*i∈[0,1]，且0≤α1+α2≤1，0≤α3+α4+α5≤1，(i=1,2,3,4,5,6,7)。多主體作用下得到具體人群轉(zhuǎn)移概率表達(dá)式為：

在式（1）的基礎(chǔ)上，構(gòu)建 SIsnoR 模型對(duì)應(yīng)的動(dòng)力學(xué)方程，見(jiàn)式（2），動(dòng)力學(xué)方程中S=S(t)、Is=Is(t)、In=In(t)、Io=Io(t)、R=R(t)均為連續(xù)可微函數(shù)。

3 案例研究

2021年9月中旬以來(lái)，全國(guó)多個(gè)省份實(shí)施限電，而東北出現(xiàn)的罕見(jiàn)居民用電被拉閘現(xiàn)象，引起了社會(huì)廣泛關(guān)注，“限電輿情”連續(xù)多天出現(xiàn)在輿情監(jiān)控平臺(tái)的話題熱度排行榜，此外實(shí)行能源消耗總量和強(qiáng)度“雙控”行動(dòng)，是基于國(guó)家十四五能耗雙控政策背景下的重要舉措，同時(shí)與人們生產(chǎn)生活迫切相關(guān)。因此，本文選取該事件為典型案例，對(duì)模型進(jìn)行實(shí)證研究。

3.1 模型驗(yàn)證

本文主要揭示多主體作用下的網(wǎng)絡(luò)輿情傳播機(jī)理，關(guān)注網(wǎng)絡(luò)輿情熱度的走向。以“陜西重點(diǎn)輿情信息研究中心”和“知微事見(jiàn)”輿情分析平臺(tái)中的相關(guān)輿情信息熱度為測(cè)試對(duì)象，在該輿情事件發(fā)展進(jìn)程中，處于傳播者的群體產(chǎn)生了正面、中性和負(fù)面三種調(diào)性分化，如圖3所示。

圖3 東北限電輿情熱度趨勢(shì)①數(shù)據(jù)來(lái)自https://ef.zhiweidata.com/，https://mp.weixin.qq.com/s/zqx6eslK16xYJFCLErVyXw

本文欲將這三種調(diào)性抽象為傳播支持者、傳播中立者和傳播反對(duì)者進(jìn)行建模仿真研究。為了比較模型的仿真結(jié)果，選取9月25日至9月30日平臺(tái)中每天產(chǎn)生的信息條數(shù)作為傳播者數(shù)量n，見(jiàn)表2，利用三次樣條插值法對(duì)I、Is、In、Io進(jìn)行插值，在原有數(shù)據(jù)基礎(chǔ)上，每2組實(shí)際數(shù)據(jù)間插值20組數(shù)據(jù)，共獲得100組數(shù)據(jù)作為案例數(shù)據(jù)。然后對(duì)傳統(tǒng)SIR模型和SIsnoR模型的相關(guān)參數(shù)進(jìn)行校準(zhǔn)實(shí)驗(yàn)，獲得模型的最優(yōu)參數(shù)值，其傳播者的動(dòng)力演化過(guò)程如圖4所示，與表2數(shù)據(jù)基本吻合。

表2 案例相關(guān)數(shù)據(jù)

圖4 案例驗(yàn)證

將模擬結(jié)果與圖3現(xiàn)實(shí)輿情熱度變化趨勢(shì)進(jìn)行比較，可驗(yàn)證本文模型模擬現(xiàn)實(shí)數(shù)據(jù)趨勢(shì)具有可靠性，且本文模型較傳統(tǒng)SIR模型可以更好地模擬案例中的輿情演化趨勢(shì)，因此利用Is、In、Io所得曲線擬合參數(shù)作為輿情控制仿真實(shí)驗(yàn)參數(shù)。此外，考慮到突發(fā)事件輿情產(chǎn)生初期，率先獲得輿情信息參與傳播的群體僅僅為少數(shù)消息靈通的網(wǎng)民，未接收到信息的網(wǎng)民仍然占據(jù)了總?cè)巳旱闹匾壤虼瞬环良僭O(shè)：初始階段網(wǎng)民中處于5類狀態(tài)的人群比例分別為S(t)=0.8、Is(t)=0.05、In(t)=0.1、Io(t)=0.05、R(t)=0，新網(wǎng)民輸入率 A = 0.000001，為保證模型仿真實(shí)驗(yàn)的可靠性與真實(shí)性，對(duì)每種類型仿真實(shí)驗(yàn)均操作100次，并取其平均值。

3.2 媒體作用下不同參數(shù)對(duì)輿情傳播的影響

以對(duì)比實(shí)驗(yàn)的方法研究媒體作用下不同參數(shù)對(duì)輿情傳播的影響差異，令i=1,2,3,4,5,6,7，（α1” ,α2” ,α3” ,α4” ,α5” ,α6” ,α7” ）=（0.8，0.2，0.6，0.2，0.1，0.15，0.25），設(shè)置三組情景，分別考察媒體強(qiáng)化度、分歧度和滲透率對(duì)網(wǎng)絡(luò)輿情傳播的影響情況。如表3所示。

表3 媒體作用下參數(shù)設(shè)置

情景一研究隨著時(shí)間的變化不同媒體強(qiáng)化度對(duì)輿情的影響程度，如圖5（b）所示，與對(duì)照組圖5（a）相比傳播支持者曲線發(fā)生明顯偏移，三類狀態(tài)的傳播者比例逐漸接近，網(wǎng)民觀點(diǎn)有趨同趨勢(shì)，網(wǎng)絡(luò)輿情話題討論熱度衰減。反觀此次東北限電輿情事件，自2021年9月24日00:39至9月24日11:18為止，為限電事件發(fā)生初期，各方媒體包括微博、微信、貼吧和短視頻等紛紛進(jìn)行相關(guān)信息發(fā)布，直接導(dǎo)致9月25日輿情話題熱度的迅速飆升，說(shuō)明媒體強(qiáng)化度在網(wǎng)絡(luò)輿情的傳播過(guò)程中起到正相關(guān)的影響作用。

圖5 媒體作用下不同參數(shù)對(duì)輿情傳播的影響

情景二在情景一的基礎(chǔ)上研究媒體分歧度的干預(yù)效應(yīng)，仿真結(jié)果如圖5（c）所示，一定條件下提升分歧度，傳播中立者比例明顯增加，而傳播支持者比例呈現(xiàn)降低趨勢(shì)。結(jié)合案例中9月25日和26日的媒體發(fā)布：“這是什么情況？吉林也要限電嗎？”“為何能耗雙控突然趨嚴(yán)？”“國(guó)家電網(wǎng)客服回復(fù)：可能會(huì)持續(xù)，無(wú)法給出期限”，網(wǎng)絡(luò)中各種質(zhì)疑聲音的出現(xiàn)，促使網(wǎng)民傳播意見(jiàn)發(fā)生正面、中立以及負(fù)面的調(diào)性分化。媒體分歧度的介入使得輿情話題討論聲音逐漸加劇，人們的觀點(diǎn)開(kāi)始發(fā)生分歧，在一定程度上導(dǎo)致輿論話題產(chǎn)生了不同意見(jiàn)群體的分化，從而改變了傳播的態(tài)勢(shì)。

情景三增加了由中立者向支持者、反對(duì)者向中立者傳播的滲透率值，即由情景二的反對(duì)傳播優(yōu)先策略轉(zhuǎn)變?yōu)橹С謧鞑?yōu)先策略，通過(guò)圖5（d）可以看出，傳播中立者比例減少的同時(shí)傳播支持者曲線峰值明顯升高。對(duì)應(yīng)案例中9月27日下午，國(guó)家電網(wǎng)公司表示，針對(duì)當(dāng)前供電形勢(shì)，將綜合施策，多策并舉，全力以赴打好電力保供攻堅(jiān)戰(zhàn)，保障基本民生用電需求。原本對(duì)于限電事件持有懷疑恐慌的網(wǎng)民逐漸穩(wěn)定了心態(tài)，傳播態(tài)度向積極的一面轉(zhuǎn)化。輿情傳播群體在各類媒體報(bào)道事件中改變傳播態(tài)度，相互滲透。由此可知輿情傳播過(guò)程中持有不同傳播態(tài)度的人群受到網(wǎng)絡(luò)媒體滲透率的作用發(fā)生了意見(jiàn)交換，從而實(shí)現(xiàn)了自身傳播狀態(tài)的改變。

3.3 政府作用因子對(duì)傳播過(guò)程的影響

網(wǎng)絡(luò)輿情爆發(fā)時(shí)，政府的介入可以降低網(wǎng)絡(luò)輿論肆意傳播可能帶來(lái)的各種風(fēng)險(xiǎn)。SIsnoR傳播模型把政府作用抽象為對(duì)參與輿情傳播的各類網(wǎng)民狀態(tài)的影響因子。使用控制變量法，設(shè)置對(duì)照 組=（0.1，0.2，0.1，0.2），ε=0.4，η=0.1，實(shí)驗(yàn)組政府作用因子分別為0.1和0.2，分別得到兩種情形下五類人群比例的變化如圖6所示。

圖6 政府作用因子的影響

通過(guò)對(duì)比圖6（a）、（b）可以看出，當(dāng)增大政府作用因子時(shí)，群體中傳播者比例出現(xiàn)一定程度的降低，同時(shí)三類傳播者消亡速度增加?；仡櫚咐?，9月27日，遼寧、吉林、黑龍江有關(guān)部門(mén)先后就當(dāng)前供電形勢(shì)作出回應(yīng)，對(duì)拉閘限電原因進(jìn)行解釋，并且將全力保障基本民生用電需求，最大可能避免出現(xiàn)拉閘限電情況；電力系統(tǒng)將做好預(yù)警預(yù)報(bào)，確需停電限電，要提前告知居民做好準(zhǔn)備；隨后各類傳播者比例明顯下降，熱度逐漸降低。說(shuō)明政府作用的具體表現(xiàn)為抑制未知者轉(zhuǎn)化為傳播者，加速傳播者向免疫者的聚集，因此在輿情產(chǎn)生的初級(jí)階段，政府部門(mén)應(yīng)該優(yōu)先發(fā)布權(quán)威消息，以減少網(wǎng)絡(luò)輿情話題的擴(kuò)散，尤其是網(wǎng)絡(luò)謠言等不利信息的肆意傳播。此外，在輿情爆發(fā)后，適當(dāng)?shù)卦黾诱深A(yù)亦可使輿論熱度迅速平息。

3.4 多主體作用下不同參數(shù)對(duì)傳播過(guò)程的影響

表4 多主體作用下參數(shù)設(shè)置

圖7 多主體作用下不同參數(shù)的影響

由圖7可知，與2.2小節(jié)未施加政府作用相比，多主體作用下對(duì)照組和三種情景下傳播支持者、中立者和反對(duì)者比例均有所降低，這與案例“東北限電輿情”發(fā)展趨勢(shì)相吻合，說(shuō)明多主體作用下網(wǎng)絡(luò)輿情的傳播相比單一主體會(huì)受到一定程度的抑制，從而弱化輿情話題的影響。

同時(shí)對(duì)比圖7（a）、（b）可得，多主體作用下媒體強(qiáng)化度隨著時(shí)間的變化對(duì)輿情的影響具有差異性，減小強(qiáng)化度的取值，群體中的傳播支持者、中立者和反對(duì)者曲線發(fā)生偏移且傳播支持者比例呈現(xiàn)下降趨勢(shì)，說(shuō)明多主體下媒體強(qiáng)化度對(duì)于輿情傳播具有正相關(guān)的作用；保持其它參數(shù)不變，改變分歧度的值，仿真結(jié)果如圖7（b）、（c）所示，一定條件下提升分歧度，傳播支持者曲線峰值減小，反對(duì)者峰值增大，表明媒體分歧度參數(shù)的介入使網(wǎng)民的觀點(diǎn)發(fā)生分化，從而改變了傳播的態(tài)勢(shì)；最后由圖7（c）、（d）可以看出，增加傳播中立者向支持者、反對(duì)向中立者傳播的滲透率值，即由反對(duì)傳播優(yōu)先策略轉(zhuǎn)變?yōu)橹С謧鞑?yōu)先策略時(shí)，傳播中立者和傳播反對(duì)者比例相對(duì)減少，傳播支持者比例增加，說(shuō)明多主體作用下網(wǎng)絡(luò)媒體滲透率主要通過(guò)對(duì)三類傳播者人群之間意見(jiàn)的轉(zhuǎn)化來(lái)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)輿情傳播的干預(yù)。

4 結(jié)論

本文參考經(jīng)典SIR模型，基于現(xiàn)實(shí)輿論環(huán)境中的傳播調(diào)性分化，構(gòu)建了由政府、媒體和網(wǎng)民多主體作用下的SIsnoR模型，并結(jié)合東北限電輿情案例，利用Matlab數(shù)值仿真直觀呈現(xiàn)了網(wǎng)絡(luò)輿情傳播的整體趨勢(shì)，得出以下重要結(jié)論：

（1）相比于單一主體作用，政府、媒體和網(wǎng)民多主體作用下可有效降低傳播支持者和傳播反對(duì)者比例，使免疫人群數(shù)量快速達(dá)到穩(wěn)定狀態(tài)，傳播得到控制，網(wǎng)絡(luò)輿情治理效果顯著。為政府部門(mén)及媒體共同引導(dǎo)網(wǎng)絡(luò)輿論良性發(fā)展提供了一定的決策依據(jù)。

（2）網(wǎng)絡(luò)輿情傳播與媒體強(qiáng)化度和政府作用因子分別存在正相關(guān)和負(fù)相關(guān)關(guān)系，因此在輿情治理中應(yīng)當(dāng)針對(duì)不同輿情信息，通過(guò)政府和媒體的干預(yù)手段正向或者負(fù)向地對(duì)于輿情進(jìn)行合理疏導(dǎo)，及時(shí)遏制負(fù)面信息的肆意蔓延。

（3）媒體分歧度使輿論話題產(chǎn)生不同意見(jiàn)群體的分化，而滲透率主要通過(guò)干預(yù)三類傳播者之間的相互轉(zhuǎn)化來(lái)影響輿情的傳播。因此網(wǎng)絡(luò)媒體在輿情產(chǎn)生初期應(yīng)避免對(duì)網(wǎng)絡(luò)輿論的盲目報(bào)道，加強(qiáng)對(duì)于輿情信息全面性與真實(shí)性的掌控，從而把握傳播者人群比例，削弱網(wǎng)絡(luò)輿情滋生的負(fù)面效應(yīng)。

本文研究結(jié)論在互聯(lián)網(wǎng)環(huán)境下為政府和有關(guān)部門(mén)有效利用網(wǎng)絡(luò)平臺(tái)進(jìn)行輿論疏導(dǎo)、管控和治理提供了理論依據(jù)。然而考慮到現(xiàn)實(shí)中網(wǎng)絡(luò)環(huán)境的復(fù)雜性，輿情傳播主體的進(jìn)一步細(xì)化和拓展是接下來(lái)的研究重點(diǎn)。