白云 李白楊 毛進(jìn) 李綱

（1.武漢大學(xué)信息管理學(xué)院，武漢，430072；2.南京大學(xué)數(shù)據(jù)智能與交叉創(chuàng)新實(shí)驗(yàn)室，南京，210033；3.南京大學(xué)數(shù)字經(jīng)濟(jì)與管理學(xué)院，蘇州，215011；4.武漢大學(xué)信息資源研究中心，武漢，430072）

1 輿論場觀點(diǎn)極化的概念與現(xiàn)象表征

輿論指公眾普遍持有的觀點(diǎn)、情緒和立場，是個人、群體關(guān)于自身需求和社會關(guān)系的認(rèn)知圖景及行動指南[1]。輿論場融合了新媒介場、心理場和社會場，既是公眾表達(dá)和交往的主要場所，也是輿論形成和變動的重要空間[2]。近年來，在線社交媒體的全面普及和數(shù)字公民的大規(guī)模增長從根本上改變了輿論場信息的生產(chǎn)、消費(fèi)和傳遞方式，這種信息“杠桿效應(yīng)”不可避免地會促使輿論場觀點(diǎn)極化現(xiàn)象的產(chǎn)生。當(dāng)前，輿論場觀點(diǎn)碰撞正在從新聞媒體向社交媒體轉(zhuǎn)移，無論是政治、經(jīng)濟(jì)、人文、體育乃至性別話題，都能見到由觀點(diǎn)極化而成的輿論熱點(diǎn)。此外，社交媒體機(jī)器人、虛假新聞與錯誤信息、推薦算法與選擇性曝光等的共同作用更是形成了充斥著所謂“過濾氣泡”與“回聲室”的更高程度極化環(huán)境[3]。輿論場觀點(diǎn)極化現(xiàn)象具有情緒化與非理性、去個性化與匿名性、突發(fā)性與演變迅速等顯著特征[4]，表現(xiàn)為社會或政治群體就某個議題難以達(dá)成共識，因而分裂為持有互斥觀點(diǎn)的兩個對立子群體，鮮少有人保持中立或處于中間地位，且這種情緒差異和觀點(diǎn)分歧會隨著時間的推移而加劇[5-6]。該現(xiàn)象塑造了網(wǎng)絡(luò)內(nèi)容的大眾認(rèn)知，也影響著個體態(tài)度的情緒表達(dá)[7]。觀點(diǎn)極化放大了現(xiàn)實(shí)社會的撕裂，進(jìn)而導(dǎo)致主流政治和社會問題中的意識形態(tài)隔離與對抗，對輿論場秩序造成嚴(yán)重影響[8]。針對該問題開展研究有助于發(fā)掘探究群體激進(jìn)化和極端主義的形成機(jī)制，引導(dǎo)有序公眾討論，減少社會摩擦，達(dá)成社會共識。

自20世紀(jì)60年代以來，輿論場的觀點(diǎn)極化一直是科學(xué)界和大眾媒體關(guān)注的重點(diǎn)問題，引申出大量的學(xué)術(shù)研究和廣泛的媒體討論。輿論場觀點(diǎn)極化問題是典型的交叉學(xué)科問題，涉及到計(jì)算機(jī)科學(xué)、新聞傳播學(xué)、社會學(xué)、政治學(xué)、信息管理和心理學(xué)等諸多領(lǐng)域[9]。在社會科學(xué)領(lǐng)域，極化通常指政治觀點(diǎn)或意識形態(tài)的極端分歧[10]，前者是將社會或政治群體分為兩個持有對立觀點(diǎn)子群體的過程[11]，后者是衡量子群體間意識形態(tài)距離的標(biāo)準(zhǔn)[12]。此外，極化也用于指代社會內(nèi)部的其他分歧，如經(jīng)濟(jì)和文化因素（如收入、種族、宗教等）等因素導(dǎo)致的群體對抗與社會分裂[13]。

21世紀(jì)伊始，凱斯·桑坦斯[14]通過研究發(fā)現(xiàn)，輿論極化現(xiàn)象在網(wǎng)絡(luò)中發(fā)生的比率是現(xiàn)實(shí)生活的兩倍。桑坦斯基于心理學(xué)和社會學(xué)基礎(chǔ)理論的一系列研究[14-15]，開創(chuàng)了從互聯(lián)網(wǎng)視角研究輿論極化現(xiàn)象的先河。此外，他提出的“信息繭房”（information cocoons）和“回聲室”（echo chamber）概念，也成為奠定輿論極化的理論基石。進(jìn)入社交媒體時代，隨著虛假新聞與錯誤信息的大規(guī)模盛行，輿論極化現(xiàn)象得到學(xué)術(shù)界的廣泛關(guān)注，由此衍生出包括在線辯論質(zhì)量[16]、虛假信息[17]、網(wǎng)絡(luò)對話交互結(jié)構(gòu)[18]、輿論動力學(xué)模型[10]等在內(nèi)的大量研究。由于輿論極化相關(guān)的學(xué)術(shù)文獻(xiàn)分散在心理學(xué)、社會學(xué)、傳播學(xué)和政治學(xué)等學(xué)科領(lǐng)域，且每個領(lǐng)域都有自己獨(dú)特的問題定義、術(shù)語、解釋模型和方法論。如何將各類跨學(xué)科理論進(jìn)行系統(tǒng)性關(guān)聯(lián)分析與綜合應(yīng)用，成為開展輿論極化研究首先要面臨的復(fù)雜難題?；诖吮尘?，本文旨在通過對相關(guān)文獻(xiàn)的梳理，歸納總結(jié)心理學(xué)、傳播學(xué)相關(guān)理論，結(jié)合輿論動力學(xué)相關(guān)經(jīng)典模型和指標(biāo)，構(gòu)建起從利用定性分析方法到定量分析方法進(jìn)行輿論場觀點(diǎn)極化研究的橋梁。將離散的理論、模型、方法和結(jié)論統(tǒng)一起來，形成從內(nèi)在機(jī)理探究到外在特征識別與量化，再到模型構(gòu)建與測算的輿論極化系統(tǒng)性研究路徑，并基于交叉學(xué)科視角為未來的輿論極化研究給出有效參考方案。

2 輿論場觀點(diǎn)極化形成的內(nèi)在機(jī)理

輿論場觀點(diǎn)極化現(xiàn)象是個體偏見、群體偏見和系統(tǒng)性偏見疊加作用的結(jié)果[18]。偏見的具體表現(xiàn)形式包括行為（歧視）、態(tài)度（成見）和認(rèn)知（刻板印象）[19]。不同層面的偏見相互依存，以復(fù)雜的方式相互作用（圖1）：相似的偏見個體自發(fā)相互接近并逐漸遠(yuǎn)離外部競爭群體，由此聚集成的偏見群體在系統(tǒng)性偏見的催化下陷入“極化循環(huán)”。在偏見的作用過程中，分歧逐漸由個人層面?zhèn)鲗?dǎo)并放大至群體層面，繼而誘發(fā)輿論場系統(tǒng)層面的極端對立。

圖1 輿論場觀點(diǎn)極化形成機(jī)制Fig.1 Formation Mechanism of Public Opinion Polarization

2.1 個體偏見

在輿論場的信息產(chǎn)生與傳播過程中，個體行為總是圍繞著建立社交關(guān)系（關(guān)注、交友、分享等）和消費(fèi)資訊內(nèi)容（瀏覽新聞、推文等）展開。個體在選擇交往對象和消費(fèi)內(nèi)容時，往往存在一定程度的社交選擇偏見和內(nèi)容選擇偏見，這些偏見共同構(gòu)成了個體層面的偏見。

（1）社交選擇偏見

在建立社交關(guān)系時，個體常?；谕|(zhì)性選擇交往對象，即個人傾向于選擇與自己的性別、年齡、種族、黨派、宗教、觀點(diǎn)等相似的個體交往和聯(lián)系[20]。在這種機(jī)制的作用下，帶有偏見的個體極易自發(fā)聚集成同質(zhì)化群體，最終產(chǎn)生極化效應(yīng)[21]。社交媒體背景下，用戶往往選擇與自己觀點(diǎn)相似的人建立聯(lián)系，以敵意對待持有不同意見的個體，從而導(dǎo)致回聲室效應(yīng)的存在。例如，Barberá[22]通過研究2012年美國總統(tǒng)競選期間的在線行為，發(fā)現(xiàn)Twitter上的公開交流主要發(fā)生在觀點(diǎn)相似的用戶之間，并且意識形態(tài)右傾的用戶會自發(fā)聚集成一個主導(dǎo)公共對話的活躍群體，驗(yàn)證了社交選擇偏見的存在。

（2）內(nèi)容選擇偏見

認(rèn)知失調(diào)理論指出，當(dāng)個體暴露于與其信仰或決定一致的信息時會產(chǎn)生積極情緒，反之則產(chǎn)生消極情緒。因此，個體在內(nèi)容選擇上存在兩種本能：一方面，個體的選擇性接觸（也稱選擇性曝光）心理使個人傾向選擇與自己持有或表達(dá)的觀點(diǎn)相符的媒體渠道和消費(fèi)內(nèi)容[23]；另一方面，個體有強(qiáng)烈的觀點(diǎn)自證需求，不僅有意識地尋找支持或有利于證實(shí)自己觀點(diǎn)的各種證據(jù)，為了自證甚至?xí)藶榕で伦C據(jù)，這種心理被稱為確認(rèn)偏見[24]。在選擇性曝光和確認(rèn)偏見的共同作用下，個體產(chǎn)生媒體渠道及消費(fèi)內(nèi)容的選擇偏見和同化，加強(qiáng)了極化傾向。例如，Cinelli等[25]通過比較分析不同社交媒體平臺的爭議主題內(nèi)容，發(fā)現(xiàn)持有互斥觀點(diǎn)的用戶會分別圍繞共享內(nèi)容聚集成不同的極化群體，驗(yàn)證了在社交媒體用戶中普遍存在的內(nèi)容選擇偏見。

2.2 群體偏見

偏見先于理性認(rèn)知塑造了個人對其內(nèi)部群體（如同一黨派）和特定外部群體（如對立黨派）的行為和評價[14]。因此，由身份相似的個體聚集而成的群體天然傾向于持有偏袒內(nèi)群體（in-group favoritism）和貶抑外群體（out-group derogation）的偏見。群體偏見創(chuàng)造并保護(hù)了超然的群體地位，成就了群體成員的社會認(rèn)同與自我滿足[26]。

（1）群體身份

群體源于社會身份同質(zhì)化個體的集合。社會身份理論認(rèn)為，個人將自己與社會身份（性別、階級、種族、宗教等）聯(lián)系起來，個體傾向于自我同化為群體身份的原型并增強(qiáng)與其他組內(nèi)成員的相似性[27]。當(dāng)個體認(rèn)為個人身份無法被識別的情況下（如在群體或在線網(wǎng)絡(luò)中），會從事看似沖動、離經(jīng)叛道、有時甚至是暴力的行為，這種現(xiàn)象被稱為去個性化（deindividualization）[28]。群體中的個體在去個性化的影響下思考和行為方式愈發(fā)極端，導(dǎo)致群體做出比其成員的初始傾向更極端的決策。關(guān)于大規(guī)模極化的多個研究[13,29]發(fā)現(xiàn)，群體歸屬（如對某個政黨的熱衷）在個人身份發(fā)展中起著關(guān)鍵作用，即使是最“隨機(jī)”或“最小”的群體歸屬也可以推動態(tài)度形成與個體行為，個體的行為，尤其是政治行為，受其社會或群體身份決定所支配。

（2）群內(nèi)偏袒與群際貶抑

群內(nèi)偏袒和群際貶抑是一種心理趨勢，是個人強(qiáng)烈傾向于與群體內(nèi)成員正向交互、與群體外成員消極互動的模式，體現(xiàn)在對他人的評價、資源的分配以及許多其他方面[30]。群內(nèi)偏袒和群際貶抑是群體偏見的重要組成部分。在其作用下，人們賦予同一群體中的個體以特權(quán)、忽視或傷害其它群體中的個體，由此創(chuàng)造出基于群體的不平等局面[31]。群體偏見早已在心理學(xué)研究中得到廣泛驗(yàn)證，例如Tajfel等[32]的開創(chuàng)性研究驗(yàn)證了群內(nèi)偏袒的作用：當(dāng)參與者被隨機(jī)分成任意組時，他們更有可能支持和幫助本組的成員，而非其他組的成員。尤其是，在黨派認(rèn)同和政治認(rèn)同一致的驅(qū)動下，以黨派偏見、激進(jìn)主義和憤怒程度增加為特征的群際貶抑會致使社會極化現(xiàn)象不斷加劇[33]。

2.3 系統(tǒng)性偏見

系統(tǒng)性偏見指在輿論場系統(tǒng)層面的程序和實(shí)踐中，存在導(dǎo)致某些社會群體或議程獲得優(yōu)勢而其他社會群體或議程處于劣勢的偏見[34]，主要包括算法偏見和媒體偏見。這種偏見不受個體或群體控制，推動個體陷入同質(zhì)化信息和觀點(diǎn)的漩渦，促使群體滑入極端化情緒與立場的深淵。

（1）算法偏見

算法偏見產(chǎn)生于社會制度潛在的意識形態(tài)，是一種涉及技術(shù)和人類行為者的社會技術(shù)結(jié)構(gòu)，通過搜索引擎、推薦系統(tǒng)和社交媒體作用于用戶的信息消費(fèi)和社交聯(lián)系過程[35-37]。出于商業(yè)盈利的目的，平臺往往借助算法從信息池中選擇用戶偏好信息并進(jìn)行內(nèi)容分發(fā)以提升個性化在線體驗(yàn)。另外，由于信息共享與社交功能的深度綁定，往往使得觀點(diǎn)與立場相似的個體容易聚集成“偏見共同體”。在此背景下，算法逐漸脫離“中性化”初衷[38]，成為個體訪問信息同質(zhì)性和不同群體視角分化的催化劑、個體和群體既有價值觀與立場固化乃至極化的加速器[39]。推薦算法通?；诮Y(jié)構(gòu)相似性對用戶進(jìn)行推薦，因此，用戶在閱讀社交媒體或搜索引擎推薦的內(nèi)容后極化程度往往會加重[40-41]。Santos等[42]認(rèn)為，優(yōu)先與結(jié)構(gòu)相似的節(jié)點(diǎn)建立鏈接使用戶更難訪問不同的觀點(diǎn)，極易導(dǎo)致網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的坍塌及孤立極化社區(qū)的形成。

（2）媒體偏見

媒體偏見是新聞生產(chǎn)者出于意識形態(tài)或商業(yè)激勵目的，偏倚某種立場/觀點(diǎn)而形成的偏見[43]。在“后真相”時代的輿論生態(tài)中，新聞與事實(shí)間的紐帶正在斷裂[8]。媒體新聞分發(fā)的主要目標(biāo)不再是傳遞事實(shí)，而是加強(qiáng)用戶參與度并擴(kuò)大其影響力。相比于主流媒體科學(xué)、權(quán)威的解釋性新聞，充滿情緒性、煽動性的自媒體推文擁有更強(qiáng)的傳播力、更高的討論度。社交媒體平臺充斥著大量的裹挾情緒的觀點(diǎn)與立場、強(qiáng)化偏見的對話論據(jù)，無疑助長了同質(zhì)化信息和極化群體的無序擴(kuò)散[44]。研究表明，媒體偏見極有可能影響到現(xiàn)實(shí)世界的公眾行為，例如，Dellavigna和Kaplan[45]發(fā)現(xiàn)，?？怂剐侣劸哂悬h派性和偏見，可能會影響參議院的選票份額和選民投票率，且有可能說服了3%至8%的受眾投票給共和黨人。

3 輿論場觀點(diǎn)極化現(xiàn)象的識別與量化

從概念上講，觀點(diǎn)極化現(xiàn)象主要表現(xiàn)為群體層面的分歧，而群體源于相似個體的集合，大量無序個體聚集成的松散集合難以被稱為極化群體。因此，觀點(diǎn)極化研究的首要任務(wù)在于如何發(fā)掘個體之間的隱含聯(lián)系以解決群體/子群體劃分的問題。根據(jù)具體的研究目的，可以利用內(nèi)生和外源屬性分別進(jìn)行差異性群體劃分[10,46]，從不同角度探究極化現(xiàn)象。其中，內(nèi)生劃分通過信念（觀點(diǎn)、態(tài)度）分布直方圖將群體識別為明顯峰谷并將單峰分布、雙峰分布和多峰分布區(qū)分開來。外源劃分則是根據(jù)地域、種族、性別、教育程度、關(guān)聯(lián)互動模式和其它外源屬性將群體區(qū)分為國家、政黨、社會團(tuán)體和個人。在完成群體劃分的基礎(chǔ)上，可以從意見內(nèi)容和網(wǎng)絡(luò)結(jié)構(gòu)兩方面入手，識別和量化群體分歧并探究輿論場極化現(xiàn)象（表1）。

表1 輿論極化識別與量化指標(biāo)Table 1 Public Opinion Polarization Identification and Quantitative Indicators

3.1 內(nèi)容特征

早期的極化研究主要關(guān)注政治領(lǐng)域，一般利用唱名投票、共同贊助記錄或政治獻(xiàn)金等行為產(chǎn)生的有限內(nèi)容數(shù)據(jù)探究極化問題。隨著信息技術(shù)的不斷進(jìn)步，大規(guī)模社交媒體用戶數(shù)據(jù)提供了利用海量數(shù)據(jù)挖掘群體觀點(diǎn)的可能性。一般來說，通過分析社交媒體用戶消費(fèi)、創(chuàng)作和分享內(nèi)容的分布特征，能夠挖掘觀點(diǎn)的意識形態(tài)多樣性，有效識別、刻畫回聲室效應(yīng)。例如，Majova等[47]發(fā)現(xiàn)爭議主題中常見帶有偏見的消極內(nèi)容，認(rèn)為情緒、立場和爭議間存在顯著的相關(guān)性。Flaxman等[48]對比了用戶在新聞網(wǎng)站和社交媒體上消費(fèi)信息的內(nèi)容差異性，發(fā)現(xiàn)個人直接瀏覽內(nèi)容的極性與其意識形態(tài)極化趨勢密切相關(guān)。Bakshy等[49]通過對比Facebook用戶的新聞分享、信息獲取和內(nèi)容消費(fèi)差異，發(fā)現(xiàn)社交媒體雖然會促進(jìn)同質(zhì)化群體的產(chǎn)生，但也有助于跨意識形態(tài)新聞和觀點(diǎn)的曝光?？傮w來說，極化內(nèi)容特征識別方法主要是基于文本語言學(xué)特征和詞匯特征進(jìn)行情緒分析或立場檢測（觀點(diǎn)挖掘），識別劃分群體的主題、引發(fā)情緒分歧的事件，衡量和追蹤群體圍繞特定主題、事件的情緒分歧或意見轉(zhuǎn)移趨勢[50]。

（1）語言學(xué)特征。從語言學(xué)出發(fā)，將觀點(diǎn)極化問題視為確定觀點(diǎn)主體支持/反對客體、表達(dá)情感正/負(fù)極性的文本蘊(yùn)含任務(wù)，通過挖掘給定文本片段中的語言線索捕獲極化觀點(diǎn)和極化群體[51]。語言學(xué)特征又可以細(xì)分為語言特征和語義特征，前者利用文本語言相似度來合并相似個體并區(qū)分相異群體，計(jì)算文本中蘊(yùn)含的情感極性以衡量個體/群體的極化程度；后者則主要通過挖掘觀點(diǎn)的深層語義內(nèi)容來比較不同群體對某一觀點(diǎn)支持/反對的程度以及不同群體間的區(qū)隔程度。

（2）詞匯特征。由于持有相同立場的個體傾向于使用相似詞匯集合進(jìn)行觀點(diǎn)表達(dá)，特別是，某些特殊詞匯與群體身份和態(tài)度緊密相關(guān)，在很大程度上隱含了使用者的立場[52]。例如，反墮胎群體傾向于使用諸如“pro-life”之類的詞來表達(dá)其反對立場[53]。因此，個人/群體的詞匯選擇特征，也能夠用于刻畫群體觀點(diǎn)極化現(xiàn)象。群體常用詞匯主題分布的聯(lián)結(jié)度和群體常用詞匯占所有發(fā)表內(nèi)容的比例在一定程度上代表了群體觀點(diǎn)的內(nèi)聚程度，而群體常用詞匯與群體身份的關(guān)聯(lián)程度以及群體間常用詞匯的差異程度則表現(xiàn)了不同群體的觀點(diǎn)差異。

3.2 結(jié)構(gòu)特征

極化系統(tǒng)內(nèi)部存在著強(qiáng)烈的對立和沖突關(guān)系，往往呈現(xiàn)出群體割裂的標(biāo)志性網(wǎng)絡(luò)結(jié)構(gòu)和特殊的互動模式。極化網(wǎng)絡(luò)主要將群體視為關(guān)鍵行為者，在任何給定的特征分布中，一般表現(xiàn)為：少數(shù)規(guī)模顯著的群體聚集在互斥的點(diǎn)周圍，其中，小規(guī)模群體，尤其是孤立個體，往往被視為離群點(diǎn)，可以忽略不計(jì)。群體內(nèi)往往具有高度同質(zhì)化（homogeneity）的特點(diǎn)，而群體間則表現(xiàn)出高度異質(zhì)化（heterogeneity）特征[5]。另外，由于社會網(wǎng)絡(luò)結(jié)構(gòu)的很大一部分是受環(huán)境和節(jié)點(diǎn)的行為約束的，行為模式（如同質(zhì)性、社會影響力等）直接影響特定個體在網(wǎng)絡(luò)中建立聯(lián)系的可能性。因此，極化群體內(nèi)部的聯(lián)系往往更為頻繁和密集，而群體間則幾乎不存在互動情況?；诮Y(jié)構(gòu)特征的方法一般是利用聚類系數(shù)、模塊度等社區(qū)結(jié)構(gòu)算法來識別極化現(xiàn)象[42]。如Guerra等[12]基于對兩個（潛在）極化群體邊界的分析，提出了一種結(jié)合群體間同質(zhì)性和對抗性的模塊化優(yōu)化方法，可用于捕獲用戶交互結(jié)構(gòu)特點(diǎn)和社交網(wǎng)絡(luò)的意識形態(tài)多樣性。此外，信念分布特征主要包括信念多樣性指標(biāo)與群體差異性指標(biāo)，是在時間片內(nèi)捕獲的信念分布的屬性，可用于比較不同群體對不同議題（靜態(tài)）或單一議題隨時間變化（過程）的意見模式，也能夠從結(jié)構(gòu)層面反映極化現(xiàn)象。

（1）信念多樣性指標(biāo)。利用群體整體的信念分布特征度量極化，具體包括極差、離散程度、覆蓋率和區(qū)域度。其中，信念極差易于捕獲群體中的極端分子，但對于整體分布不敏感，是衡量信念分布最簡單的指標(biāo)。離散程度，一般用方差、標(biāo)準(zhǔn)差、變異系數(shù)和四分位距等表示，不受群體或子群體的概念約束，能夠有效反映信念的整體分布情況。極化社會或群體所持觀點(diǎn)通常是狹窄緊湊的信念集，占據(jù)狹窄的觀點(diǎn)空間。在此背景下，考慮引入覆蓋率的概念。覆蓋率代表了一個社會占據(jù)了多少信念范圍，而不考慮占據(jù)區(qū)域的模式，能夠有效捕捉到意見的多樣性。在給定一組約束的條件下，將平面區(qū)域單元分割成幾個相鄰空間，區(qū)域單元的數(shù)量就是區(qū)域度，該指標(biāo)不考慮區(qū)域差距，較為直觀，能夠與其它指標(biāo)結(jié)合使用以獲得對所討論現(xiàn)象更精確的描述。

（2）群體差異性指標(biāo)。利用子群體的信念分布特征度量極化，具體包括群體撕裂度、區(qū)分度、分歧度和群體規(guī)模。群體分離和子群體隔離較易造成極化現(xiàn)象，而群體撕裂度指標(biāo)則衡量了群體能夠分裂成子群體的程度，由于群體的不同劃分會產(chǎn)生不同程度的群落分裂，因此該指標(biāo)僅代表特定劃分下的群體極化水平而不是整體極化程度。群體區(qū)分度衡量子群體結(jié)構(gòu)特征的差異，包括兩方面：一方面，群體內(nèi)意見越分散越可能達(dá)成共識，越單一或一致越可能走向極化，而一致性將各子群體的離散程度匯總起來，可用于衡量群體整體的內(nèi)部凝聚力水平；另一方面，子群體可能是相似或相異的，子群體間區(qū)別越明顯，越有可能導(dǎo)致極化，獨(dú)特性代表了各子群體的區(qū)分程度，可用于衡量群體整體的內(nèi)部相異性水平。與區(qū)分度不同，分歧度是衡量群體特征信念距離的指標(biāo)，主要關(guān)注子群體間特征信念（如信念平均值）的差異。

一個占主導(dǎo)地位的意見群體加少數(shù)極端分子形成的社會一般比擁有幾個規(guī)模相當(dāng)?shù)母偁幾尤后w的社會極化程度低，特別是，如果不同的意見集群由相同規(guī)模的子群體持有，則群體會更容易極化。利用群體規(guī)模，如計(jì)算每個子群體大小與平均子群體大小的差異，能夠從全域視角衡量群體極化程度。

4 觀點(diǎn)極化的仿真與模型構(gòu)建機(jī)制

輿論極化現(xiàn)象深刻影響了社會運(yùn)動與變革，為描述、解釋和分析觀點(diǎn)演變過程，學(xué)術(shù)界使用了大量模型構(gòu)建和仿真測算探討輿論極化的原因、階段、規(guī)律和調(diào)節(jié)機(jī)制，逐步發(fā)展形成輿論動力學(xué)模型體系[1]。輿論動力學(xué)模型一般是基于主體的微觀模型，從個體的角度出發(fā)來刻畫觀點(diǎn)的演變[54]，旨在探討特定時間和社會背景下，初始無序的群體觀點(diǎn)分布如何通過大量具有內(nèi)在聯(lián)系的個體交互和外部信息干預(yù)最終形成有序分布。輿論場群體觀點(diǎn)形成機(jī)制大致如公式（1）所示，其中，個體的觀點(diǎn)xi（離散或連續(xù)、一維或多維）隨時間而變化，網(wǎng)絡(luò)G(V,E)中主體i的鄰居集合N(i)={j|(i,j)inE}，主體間的影響力權(quán)重建模為Wij，該權(quán)重隨時間或意見的變化而變化，一般是隨機(jī)分布的，傾向于保留主體已有觀點(diǎn)，主體間成對或成組進(jìn)行同步或異步交互并更新其觀點(diǎn)，導(dǎo)致群體觀點(diǎn)逐漸走向共識、極化或碎片化。

輿論動力學(xué)模型體系可以大致分為兩類：一類是用于小規(guī)模群體共識演化分析的意見交互與共識形成模型，此類模型忽略了極化現(xiàn)象產(chǎn)生的可能性，難以應(yīng)對龐大的群體規(guī)模與復(fù)雜的社會交互場景；另一類被統(tǒng)稱為觀點(diǎn)對抗與極化形成模型，關(guān)注的是極化現(xiàn)象的發(fā)展軌跡及內(nèi)部演變機(jī)制，也是目前使用最為廣泛的一類模型。

4.1 意見交互與共識形成

初期的輿論動力學(xué)模型基本都是離散意見模型，關(guān)注個體觀點(diǎn)與群體共識的形成路徑，按照個體觀點(diǎn)轉(zhuǎn)變機(jī)制可以大致歸類為選民模型（voter model）及其變式（q-voter model和majority-vote model等）。

4.1.1 個體觀點(diǎn)演變

1956年，F(xiàn)rench[55]引入基于主體的模型，假設(shè)群體中每個人的意見隨時間的推移而演變，個體根據(jù)鄰居的影響權(quán)重調(diào)整對其意見的參考程度從而形成個人觀點(diǎn)。該模型通過加權(quán)匯總的簡單離散數(shù)學(xué)模型對個體觀點(diǎn)的形成過程進(jìn)行描述，研究個體在社會網(wǎng)絡(luò)交互中如何應(yīng)用社會權(quán)力對他人施加影響，是輿論動力學(xué)的奠基模型。

4.1.2 群體共識

1974年，DeGroot[56]在French模型的基礎(chǔ)上提出DeGroot模型（又稱加權(quán)平均模型），其更新規(guī)則是異步加權(quán)平均形式，具有馬爾科夫性。假設(shè)在每個更新時刻，個體觀點(diǎn)更新為上一時刻個人觀點(diǎn)和當(dāng)前時刻鄰居觀點(diǎn)的加權(quán)平均，其中權(quán)重的設(shè)置依據(jù)為意見網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，由個體之間的相互影響來刻畫。該模型指出，平均化更新的規(guī)則會促成意見達(dá)成一致，導(dǎo)致每個話題下的群體觀點(diǎn)最終走向共識。

以上兩種模型被合稱為French-DeGroot模型，該模型奠定了輿論動力學(xué)的核心思想，即社會網(wǎng)絡(luò)中的所有個體意見在相互影響下經(jīng)動態(tài)調(diào)整達(dá)成一致、形成共識。在此基礎(chǔ)上，F(xiàn)riedkin-Johnsen[57]引入了“固執(zhí)”個體的概念，即個體對自己的初始觀點(diǎn)帶有固執(zhí)性，個體的觀點(diǎn)更新為其鄰居觀點(diǎn)和其初始觀點(diǎn)的加權(quán)平均。與DeGroot模型不同，該模型強(qiáng)調(diào)個體初始觀點(diǎn)的重要性，這一核心假設(shè)已在大量實(shí)驗(yàn)中得到廣泛驗(yàn)證。

4.2 觀點(diǎn)對抗與極化形成

初期的輿論動力學(xué)主要針對小規(guī)模群體進(jìn)行觀點(diǎn)演化分析，側(cè)重個體意見和群體共識的形成，模型較為簡單，忽略了群體共識之外極化現(xiàn)象產(chǎn)生的可能性。后續(xù)，學(xué)術(shù)界針對極化現(xiàn)象引入了三種經(jīng)典解釋性模型，其中蘊(yùn)含的核心機(jī)制可以囊括為偏見同化、結(jié)構(gòu)平衡和特征擴(kuò)散理論。

4.2.1 偏見同化

在實(shí)際生活中，個體往往樂于接受支持性意見，而更審慎地對待相反意見，最終導(dǎo)致個人意見在與相似意見反復(fù)互動的過程中不斷得到加強(qiáng)，這種認(rèn)知現(xiàn)象被稱為偏見同化（biased assimilation）。Hegselmann和Krause[58]在偏見同化理論的基礎(chǔ)上，提出連續(xù)意見動力學(xué)中最經(jīng)典的模型—有限置信度模型（bounded confidence dynamics），這里的置信度可被理解為個體對自身意見的堅(jiān)持程度（見公式（2）、（3））。該模型引入同質(zhì)性交互機(jī)制，將主體i在t時刻的意見表示為一定范圍內(nèi)的連續(xù)實(shí)數(shù)值xi，只有當(dāng)主體i和鄰居j在t時刻的意見差異|xi-xj|小于置信度ε時，主體才會在t+1時刻交互意見并更新意見。鄰居對主體i的影響權(quán)重被統(tǒng)一置為|I(i,x(t))|-1，其中，I(i,x(t))代表所有與主體i在t時刻的意見差異小于置信度ε的鄰居集合，|I(i,x(t))|表示該集合的數(shù)量。不同的置信度往往會導(dǎo)致群體走向不同的結(jié)果，ε足夠大時，群體將趨于形成共識，ε取值較小時，群體則會趨于極化。簡單地說，這種機(jī)制增加了群內(nèi)相似性與群間相異性，極易導(dǎo)致社會分裂成不同的極化群體。

Deffuant等[59]在相關(guān)一致性（relative agreement）模型中引入了更多額外機(jī)制：主體間隨機(jī)配對進(jìn)行交互并更新意見和置信度。主體間置信度重疊范圍越大則相互影響越大。該模型探究了觀點(diǎn)極化的產(chǎn)生機(jī)制，還證明了包含少數(shù)高置信度極端分子的群體最終也可能達(dá)到極化狀態(tài)[60]。

偏見同化類模型是社會物理學(xué)中研究最多的模型之一，適用于全連接交互網(wǎng)絡(luò)及具有有限交互范圍的復(fù)雜社交網(wǎng)絡(luò)[61]。有限置信度模型和相關(guān)一致性模型將觀點(diǎn)視作分布在給定范圍內(nèi)的連續(xù)值，意見更新過程受到個體意見的置信度以及交互主體意見一致性的限制，這種核心機(jī)制為極化形成及其影響提供了簡單、直觀的解釋。

4.2.2 結(jié)構(gòu)平衡

結(jié)構(gòu)平衡（structural balance）模型，又稱網(wǎng)絡(luò)平衡模型，主要基于復(fù)雜網(wǎng)絡(luò)理論，認(rèn)為社會網(wǎng)絡(luò)中的朋友和敵人關(guān)系在觀點(diǎn)維度上進(jìn)一步加深，由此催生了極化現(xiàn)象。結(jié)構(gòu)平衡理論最早由社會心理學(xué)家Heider[62]于1946年提出，被稱為強(qiáng)平衡理論。該理論假設(shè)網(wǎng)絡(luò)基于四種規(guī)則進(jìn)行交互[63]：朋友的朋友是朋友、朋友的敵人是敵人、敵人的朋友是敵人、敵人的敵人是朋友。群體的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)要么朝著具有穩(wěn)定性傾向的平衡網(wǎng)絡(luò)發(fā)展，要么朝著極易坍塌和重組為兩個子群體的不平衡（極化）網(wǎng)絡(luò)發(fā)展。其后，Newcomb[64]將平衡理論由小群體擴(kuò)展到社會群體，并使用符號學(xué)一詞將其與平衡理論區(qū)分開來，認(rèn)為個體試圖相互影響以實(shí)現(xiàn)群體網(wǎng)絡(luò)對稱性（平衡或均衡狀態(tài)）。為形象化展示結(jié)構(gòu)平衡理論，本文借助三元組交互關(guān)系符號圖[65]描述平衡/極化網(wǎng)絡(luò)特征（圖2），其中“+”表示盟友/朋友/支持者關(guān)系，“-”表示敵人/對手/反對者關(guān)系。

圖2 結(jié)構(gòu)平衡與不平衡（極化）網(wǎng)絡(luò)Fig.2 Structural Balanced and Unbalanced（polarized）Networks

Cartwright和Harary[66]將強(qiáng)平衡理論和圖論結(jié)合并進(jìn)行了推廣，提出了著名的結(jié)構(gòu)平衡推論：如果一個符號網(wǎng)絡(luò)是平衡的，那么這個網(wǎng)絡(luò)就可以分為兩個子網(wǎng)絡(luò)，其中每個子網(wǎng)絡(luò)內(nèi)部的連接都是正連接，子網(wǎng)絡(luò)間的連接均為負(fù)連接。在Heider等人的奠基工作后，有關(guān)網(wǎng)絡(luò)平衡的發(fā)展主要是通過構(gòu)建數(shù)學(xué)模型來模擬政黨網(wǎng)絡(luò)、大型在線社交網(wǎng)絡(luò)和社會合作演化網(wǎng)絡(luò)的動態(tài)表現(xiàn)，如網(wǎng)絡(luò)連接的時序變化[67-69]，網(wǎng)絡(luò)主體間的友好/競爭關(guān)系演化[70-71]等。為了將結(jié)構(gòu)平衡用于觀點(diǎn)極化模型，需要假設(shè)主體對某個主題持有特定觀點(diǎn)，并將觀念相同的個體視作朋友，觀念相反的個體視為敵人。當(dāng)所有持有不同意見的人相互反對時，網(wǎng)絡(luò)就會保持平衡，此時群體便達(dá)到了穩(wěn)定的極化狀態(tài)[72]。

4.2.3 特征擴(kuò)散

偏見同化模型與結(jié)構(gòu)平衡模型主要考察了個體內(nèi)生因素在極化形成過程中的重要作用，除了意見相似外，外源性特征相似也同樣能夠賦予個體對于其它個體或群體的認(rèn)同感。1997年，Axelrod[73]利用基于地域特征的模仿機(jī)制研究原住民群體內(nèi)部的文化趨同以及與其它群體的漸進(jìn)差異化和文化隔離，他將這種差異性稱為“極化”。該模型本是一種文化傳播模型，認(rèn)為人類在從思想到政治、行為和社會規(guī)范的廣泛問題和活動中相互影響。該模型假設(shè)個體只與具有相同文化特征的個體學(xué)習(xí)，共有的文化特征越多，學(xué)習(xí)程度就越大，直到他們都具有相同的文化。原始的Axelrod文化模型及其引申研究僅關(guān)注“同質(zhì)性”對個體行為的影響[74]。針對意識形態(tài)極化問題，Axelrod等[75]又提出了吸引力-排斥模型（ARM），排斥指“差異性”（或稱負(fù)面影響），即個體傾向于放大與持不同意見的其他人的差異[76]。該模型假設(shè)個體僅根據(jù)與其他個體的互動來調(diào)整自身在意識形態(tài)空間中的位置，并且交互的可能性以及意見變化的幅度和方向都受意識形態(tài)距離的影響。

從廣義上講，文化可以指人們相互影響的事物，這種概念能夠從社會科學(xué)遷移到計(jì)算科學(xué)[77]?；贏xelrod模型的多項(xiàng)實(shí)證研究表明[78-79]，僅僅依靠共享的身份特征就能夠?qū)⒋罅總€體聚集成極化群體。除了文化上共有的特征數(shù)量外，群體被同質(zhì)化文化所主導(dǎo)的程度也與種群的極化水平呈正相關(guān)關(guān)系[80-81]。Axelrod模型及其變式強(qiáng)調(diào)個體的多維連續(xù)特征，得出了除了有利于收斂的內(nèi)生特征外，外源性特征也可推動種群走向極化的一般結(jié)果。該類模型的動力學(xué)機(jī)制、宏觀涌現(xiàn)過程與極化有較大的相似性，常被用于大型網(wǎng)絡(luò)群體的極化研究，包括政策宣傳效果、網(wǎng)絡(luò)結(jié)構(gòu)演化與文化互動的影響、文化主體流動性、大眾媒體對社會的影響等[82]。

5 觀點(diǎn)極化的治理與緩解策略

輿論場觀點(diǎn)極化現(xiàn)象是一種普遍現(xiàn)象，即社會溝通過程中存在廣泛的群體分裂與對立情況。根深蒂固的政治、宗教、經(jīng)濟(jì)和其它社會分裂催生了仇恨、不平等和不信任的公眾情緒，在社交媒體、物理隔離和外部沖擊的共同作用下，社會極化的進(jìn)程不斷得到加深[83]。本文認(rèn)為，觀點(diǎn)極化的應(yīng)對主要可以分別從三個方面入手（圖3）。

圖3 輿論場觀點(diǎn)極化現(xiàn)象應(yīng)對策略Fig.3 Counter Measures of Public Opinion Polarization

5.1 極化現(xiàn)象發(fā)現(xiàn)與干預(yù)

在理想狀態(tài)下，可以通過移除或修改極化的產(chǎn)生條件來阻斷極化的自增強(qiáng)過程，但當(dāng)社會處于高度極化狀態(tài)時，除重大系統(tǒng)性沖擊（如流行病、經(jīng)濟(jì)危機(jī)、戰(zhàn)爭或氣候?yàn)?zāi)難等）外的其他手段可能很難扭轉(zhuǎn)這一局面。換句話說，極化系統(tǒng)存在一個范圍狹長的邊界：擺脫極化狀態(tài)比進(jìn)入極化狀態(tài)難度大得多[84]。因此，找到合適的時間或極化過程中的狀態(tài)轉(zhuǎn)變點(diǎn)（包括臨界點(diǎn)和過渡點(diǎn)），在系統(tǒng)達(dá)到極化邊界前盡早進(jìn)行干預(yù)是使措施能夠行之有效的關(guān)鍵。

群體歸屬感（群體認(rèn)同）強(qiáng)調(diào)群體的共同特征，如文化、宗教、語言、思想觀念、價值觀等，在形成社會共識方面發(fā)揮著關(guān)鍵作用。它通過提供一套共同的信仰和規(guī)范來指導(dǎo)群體行為，鼓勵群體成員相互理解、信任和協(xié)作。此外，群體認(rèn)同能夠彌合個人與群體之間的差異，建立理解和相互尊重的橋梁，從而創(chuàng)造出更具包容性、更和諧的社會氛圍。從實(shí)際情況來說，喚起群體成員的共同特征，如發(fā)揚(yáng)社會歸屬感和民族認(rèn)同感能夠從根源上促進(jìn)群體達(dá)成共識。

鼓勵多樣化社會鏈接也能夠削弱“回聲室”的影響，增強(qiáng)不同群體間的聯(lián)系程度，促進(jìn)社會的信息流動并減緩極化網(wǎng)絡(luò)形成的進(jìn)程[42,85]。通過這種方式，群體間的對話將從簡單的分歧轉(zhuǎn)向更深入的思考，群體成員之間將更愿意聆聽彼此的觀點(diǎn)并正視不同群體成員之間存在的認(rèn)知差異，從而緩解極端思想對群體的影響，促進(jìn)社會的和諧與發(fā)展。

5.2 重塑數(shù)字公共空間

作為大眾信息和通信的即時來源，社交媒體平臺不僅沒有建立平等和諧的對話環(huán)境，反而制造、擴(kuò)大了觀點(diǎn)分歧，成為公眾極化的策源地。公眾更多地放棄傳統(tǒng)媒體平臺，轉(zhuǎn)移到如微信、QQ的私人空間瀏覽、討論信息，這使其更易受到虛假新聞的影響[86]。近年來，微信群、朋友圈早已成為虛假信息和錯誤信息的滋生地。新興技術(shù)，特別是互聯(lián)網(wǎng)和社交媒體，帶來了信息的開放性和流動性，推動了公共溝通和社會創(chuàng)新與發(fā)展。但隨著數(shù)字技術(shù)政治化、武器化，以及社交機(jī)器人和水軍的崛起，在根植于社會身份的各種類型偏見的不斷作用下，被情感裹挾的個體自我選擇和群體認(rèn)同無限推動了同質(zhì)化社會網(wǎng)絡(luò)的進(jìn)程。

重建數(shù)字公共空間首先要加強(qiáng)算法治理，包括增強(qiáng)算法的透明性、可解釋性以及模型的審查機(jī)制，以及強(qiáng)化算法主體的安全責(zé)任，削弱算法歧視和偏見，構(gòu)建起更加準(zhǔn)確可信、公平公正的算法決策系統(tǒng)。其次，應(yīng)約束媒體不良行為，如虛假宣傳、不當(dāng)信息操縱等，引導(dǎo)媒體客觀公正合法地報道評論，讓媒體在政治、經(jīng)濟(jì)、社會、文化等方面發(fā)揮積極作用，為公眾提供一個良好的數(shù)字信息消費(fèi)環(huán)境。此外，還應(yīng)推動公眾回歸公共平臺，接納持有一系列不同但合理觀點(diǎn)的個體存在，鼓勵個人與差異性的個體建立聯(lián)系，接觸相反的觀點(diǎn)或閱讀分享不同的信息[87]，從而達(dá)到引導(dǎo)技術(shù)向善并減弱極化的目的。

5.3 加強(qiáng)監(jiān)管與制度建設(shè)

在數(shù)字時代，技術(shù)影響涵蓋了與隱私、信息素養(yǎng)和訪問、網(wǎng)絡(luò)安全、知識產(chǎn)權(quán)、數(shù)字鴻溝和兩極分化有關(guān)的問題。新興的科技公司和社交媒體平臺用戶數(shù)據(jù)的收集和使用缺乏透明性，內(nèi)容審核不受公共監(jiān)管，早已成為擴(kuò)大分歧和制造對立的催化劑。

治理輿論場極化現(xiàn)象，需以制度和監(jiān)管手段為著力點(diǎn)，創(chuàng)建社會與公眾合作，政府與行業(yè)協(xié)同、平臺與用戶共建的良好規(guī)范。公眾層面可以通過發(fā)表文章、視頻等形式，積極參與輿論場的監(jiān)管和建設(shè)，及時發(fā)現(xiàn)和反饋有害信息；在社會層面，應(yīng)結(jié)合媒體及平臺開展全方位的數(shù)字教育，加強(qiáng)輿論場的自我規(guī)范并進(jìn)行有效的輿論引導(dǎo)。政府和行業(yè)應(yīng)該加強(qiáng)溝通和協(xié)調(diào)，建立健全規(guī)范的監(jiān)管機(jī)制，及時制定法規(guī)和監(jiān)督細(xì)則以增強(qiáng)技術(shù)基礎(chǔ)設(shè)施的系統(tǒng)穩(wěn)健性并營造健康的輿論環(huán)境，具體措施包括：引入企業(yè)問責(zé)制，鼓勵大型科技公司承擔(dān)社會責(zé)任；制定行業(yè)道德規(guī)范準(zhǔn)則，為產(chǎn)品開發(fā)和平臺決策提供參考；政府建立數(shù)字部門，利用自身數(shù)字能力彌合數(shù)字鴻溝。此外，社交媒體平臺及用戶也可以攜手推動輿論場的良性發(fā)展，促進(jìn)行業(yè)自律。平臺可以采取技術(shù)手段如智能審核、系統(tǒng)審核等技術(shù)實(shí)現(xiàn)對有害信息的識別和攔截；用戶也可以發(fā)揮平臺監(jiān)督作用，及時舉報不良信息，主動承擔(dān)維護(hù)輿論場秩序的責(zé)任。

6 總結(jié)與展望

輿論場觀點(diǎn)極化現(xiàn)象具有觀點(diǎn)極端性、廣泛參與性、演化極速性、結(jié)構(gòu)復(fù)雜性等多個特點(diǎn)，極易雙向辯論發(fā)展為兩極化觀點(diǎn)互相攻擊，存在信息失序、輿情失控的風(fēng)險。本文主要探析了輿論場極化現(xiàn)象形成機(jī)制，從內(nèi)容特征和結(jié)構(gòu)特征兩方面識別和度量極化；研析輿論動力學(xué)模型，從偏見同化、結(jié)構(gòu)平衡和特征擴(kuò)散角度探究極化現(xiàn)象的演化路徑并提出了相應(yīng)的治理措施與緩解策略。

目前，輿論場極化現(xiàn)象相關(guān)研究主要集中于極化現(xiàn)象的概念與表征、形成機(jī)制、識別與量化、模型構(gòu)建以及極化的應(yīng)對等方面，未來的研究可以考慮從以下幾個方面開展：

（1）觀點(diǎn)極化衡量方法。當(dāng)前的觀點(diǎn)極化度量方法通常側(cè)重于間接使用態(tài)度分布的離散性或雙峰性代表觀點(diǎn)對立現(xiàn)象。實(shí)際上，在大多數(shù)情況下，態(tài)度難以準(zhǔn)確反映個人/群體的觀點(diǎn)和立場。因此，亟需引入自動化識別對立觀點(diǎn)和立場的直接方案。

（2）社交媒體平臺輿論場觀點(diǎn)極化現(xiàn)象演化機(jī)制研究。目前，國內(nèi)對于輿論場觀點(diǎn)極化現(xiàn)象的研究還處于理論發(fā)展階段，需針對特定議題（如新冠疫情、災(zāi)難事件、政府治理等）和群體（如粉絲群體、普通用戶、社交機(jī)器人等）進(jìn)行大量實(shí)證研究。另外，隨著互聯(lián)網(wǎng)和社交媒體的發(fā)展，需引入新的理論和方法以適應(yīng)龐大的群體規(guī)模與復(fù)雜的內(nèi)部交互。

（3）輿論場極化現(xiàn)象擴(kuò)散效應(yīng)。由于個體/群體的行為受其觀點(diǎn)支配，因此，不斷惡化的輿論場觀點(diǎn)極化現(xiàn)象早已不再局限于意識形態(tài)領(lǐng)域，而是上升到社會現(xiàn)實(shí)領(lǐng)域，催生其它形式的行為對立。針對擴(kuò)散效應(yīng)的研究包括但不限于：群體增長、主題泛化、領(lǐng)域蔓延、影響加劇等。

作者貢獻(xiàn)說明

白云：提出研究思路，論文寫作;

李白楊：設(shè)計(jì)研究框架，論文修改；

毛進(jìn)：提出理論觀點(diǎn)，論文修改;

李綱：設(shè)計(jì)研究框架，論文最終版本修訂。