汪 洋，唐 圓

(武漢大學 土木建筑工程學院，湖北 武漢 430072)

隨著中國城市化進程的穩(wěn)步推進，對重大工程建設的需求與日俱增，而鄰避類工程因其潛在的負外部影響常引發(fā)公眾擔憂和抵制，極易激化矛盾、引發(fā)社會沖突。以PX為代表的化工類鄰避設施導致的社會沖突幾乎伴隨整個工業(yè)化過程，自2007年廈門PX事件起，已有8個城市在PX項目落地時遭到當地市民的反對而取消[1]。與此同時，由于社交媒體的發(fā)展使反PX項目的集體行動突破了原有物理空間的限制，謠言信息伴隨著各種情緒在網絡上發(fā)酵蔓延[2]，其廣泛傳播影響了公眾對工程項目的正確認識，進而導致此類事件發(fā)展走向惡化，而通過社交媒體的辟謠行動可幫助公眾填補對項目的認知鴻溝，有助于用戶形成更加客觀的社會風險感知。

社交媒體技術具有容量大、交互性特點，相比傳統(tǒng)媒體更易導致不實信息的傳播。在危機發(fā)展早期，大量不確定信息充斥網絡空間，若對此類不實信息應對不當，可能會造成比沖突事件更嚴重的危害[3]。例如，福島核電站事故后，關于日韓政府的謠言導致日本漁業(yè)產品在韓國的銷售直線下降[4]。流行病期間，有關安全性的謠言導致疫苗被拒絕或延遲接種的現象時有發(fā)生[5]。鑒于謠言的危害性，不少學者依托社交媒體平臺分析謠言的應對機制。針對公共衛(wèi)生事件，姚艾昕等[6]通過微博和百度等官方辟謠平臺獲取新型冠狀疫情流行事件中已被證實的謠言，結合馬斯洛需求層次理論，對各階段謠言主題分布特征進行描述以探究原因。王建華等[7]研究了微博和微信等多平臺謠言傳播的時間特征，強調社會化協同治理的重要性。在災害事件研究方面，周高琴[8]基于扎根理論對多起恐慌性謠言的文本屬性進行分析，考察其網絡傳播的主要影響因素。WANG等[9]研究自然災害和人為災害的在線謠言傳播，運用內容分析方法將推特用戶對謠言的反應進行分類。

網絡謠言治理除通過國家現行法律法規(guī)對用戶行為進行約束外，社交媒體用戶通過發(fā)布和傳播反謠言信息的辟謠機制亦發(fā)揮了巨大作用[10]，不少學者從信息傳播效果、辟謠主體角色和辟謠效果等方面進行了探討。在信息傳播效果領域，宗乾進等[11]利用社會網絡分析方法依據官方媒體用戶的辟謠信息轉發(fā)情況，揭示了辟謠信息的擴散機理；滕婕等[12]借鑒SEIR模型劃分群體成員信息狀態(tài)，引入個體的異質性，采用異質元胞自動機構建辟謠信息擴散模型。在辟謠主體參與領域，馬寧等[13]構建了評價辟謠信息綜合影響力的指標體系，從信息發(fā)布者的屬性、影響力及信息傳播者的影響力3個方面衡量用戶的影響；賈若男等[14]通過構建主體關系網絡識別辟謠過程中各類用戶扮演的關鍵角色，分析辟謠信息在各主體間的擴散模式。在辟謠效果評價領域，李宗敏等[15]根據微博互動數和情感傾向建立辟謠效果指數，應用自然語言處理提取辟謠微博的文本特征，探究辟謠效果與微博內容的聯系；熊炎[16]分析了辟謠信息的構成要素，分析信息來源、內容屬性和情感屬性等方面因素，從理論上闡明了辟謠的正確方式。

在已有研究基礎上，基于多主體視角收集茂名PX事件中的微博數據，運用曲線擬合和內容分析等方法，探究社交媒體用戶的辟謠行為效果。為政府相關部門引導社交媒體用戶參與辟謠行為，強化鄰避沖突期間的網絡治理策略提供依據。

1 數據來源與研究方法

1.1 案例選取與數據收集

2014年3月30日上午，廣東省茂名市部分民眾因當地擬建PX項目而表達反對意見，該事件迅速在網絡空間引發(fā)激烈討論。筆者選取新浪微博這一國內主流社交媒體平臺，利用網絡爬蟲工具GooSeeker，選取關鍵詞“PX項目”和“茂名PX項目”從新浪微博平臺提取2014年3月27日—2014年4月27日所有原創(chuàng)微博和轉發(fā)微博，并進行人工數據清洗，共獲得原創(chuàng)微博5 658條。數據清洗過程包含剔除與事件無關的博文和進行轉發(fā)微博的分類，其中轉發(fā)并評論的歸類于原創(chuàng)微博，僅轉發(fā)不評論的博文刪除以避免重復計數。為分析辟謠效果，對相關微博的互動數據進行處理。

(1)以人工編碼形式篩選謠言與辟謠博文。根據已有文獻，謠言被定義為與官方聲明相矛盾或不完全基于事實的信息[3]，辟謠則指直接駁斥謠言和質疑謠言真實性的信息[17]。在保證編碼者充分理解此定義的基礎上，兩名編碼者獨立參與編碼的過程如下：①通過定性研究方法逐一審查所有博文，篩選出疑似符合謠言和辟謠定義的博文；②檢驗編碼準確性，經比較與官方聲明不一致的微博被確認為謠言，引用官方依據或者有助于降低謠言影響的可靠信息被確認為辟謠博文；③檢驗編碼間的可靠性，根據Cohen’s Kappa系數值檢驗編碼者信度達0.92，說明編碼結果一致可靠，編碼者間的分歧通過討論解決。完成上述步驟后，共標記謠言博文334條，辟謠博文1 013條。

(2)抓取相關博文的互動數據。分別獲取謠言和辟謠博文下的評論和轉發(fā)情況，謠言數據庫中含有相關互動數據的微博共75條，對評論和轉發(fā)內容一致的博文進行去重處理后，得到評論和轉發(fā)數據共210條。由于數據量的差異，針對辟謠博文互動數據，筆者選取了評論數排名前50的辟謠博文進行分析，共得到16 391條評論,如圖 1所示?？芍⒉┰u論數排名前50的兩項互動數據均接近90%，依據帕累托法則，可較好反映評論整體情況，屬于重點關注對象。

圖1 微博中辟謠信息轉評情況

1.2 分析方法

采用內容分析法，通過演繹方式標注社交媒體用戶及其采用的辟謠策略。根據已有研究，將用戶劃分為普通個人、精英、自媒體、組織、官方媒體和政府6類主體[18]。結合情境危機溝通理論，辟謠策略被劃分為反駁、否認、攻擊謠言來源、行動指南、諷刺和疑問6類[19]。其解釋如下：①反駁指直接提供事實證據駁斥謠言，以及引用科學證據或權威報道來幫助科普；②否認指不加證明的表達自己對于謠言的不信任；③攻擊謠言來源指對生產和傳播謠言的人進行詆毀攻擊，警告或者直接采取行動(如訴訟)去攻擊造謠者；④行動指南指在證實謠言錯誤的基礎上，通過呼吁大眾回歸理性來遏制謠言的傳播；⑤諷刺指通過隱含的嘲笑對于他人支持和相信謠言的行為和信仰進行貶低；⑥疑問指對謠言的真實性產生質詢。

辟謠策略的編碼分類須保證所有辟謠博文均能被一致認定歸類，經過下述3個步驟反復迭代以獲取辟謠策略的分布：①根據已有研究獲得辟謠策略分類標準和定義，對每條辟謠博文進行分類；②對于上一輪迭代無法歸類的博文進行相似性檢驗，采用邏輯分組的方式歸納到新類別中；③檢查該新類別與之前已存在的類別是否重合，若無重合則確認為新類別。辟謠策略編碼過程與謠言和辟謠博文篩選類似，須向編碼者充分解釋，并核查編碼信度。

采用量化分析方法，通過獲取各類用戶的發(fā)文數量，通過曲線擬合識別辟謠信息隨時間發(fā)展趨勢，在博文評論的情感分析基礎上，判斷各類用戶辟謠效果。通過MATLAB軟件中的曲線擬合工具箱(Curve-fitting Tool)實現曲線擬合，通過調整后R2值對比函數擬合效果，高斯函數被用來模擬用戶發(fā)文數量變化，如公式(1)所示。

(1)

式中：n為曲線的峰值數量；qi為第i輪傳播周期高峰信息量；tmaxi和ci分別為出現高峰信息量的時間和第i個峰值的斜率。

通過文本挖掘工具完成文本情感分析并人工復核完成對評論情感的量化處理。Rostcm6軟件常被用來進行內容分析[20]，用以進行文本分詞和情緒打分等情感極性判斷，而情緒匹配由軟件已建立的詞庫進行賦值[21]。此外，補充了鄰避事件所需的專有名詞并導入詞典，以保證分詞準確性，再進行人工檢查確認情緒標注的準確性，避免因同一詞匯在不同語境下的表達可能呈現不同情感傾向給情緒判定帶來誤差。利用該軟件的“情感分析”板塊完成情緒標注后，采用手工檢查方式將謠言的轉評情況及前50條辟謠的評論情況劃分為支持、中立、反對3類，以量化評論中對辟謠博文的情緒態(tài)度。將3種評論立場分別賦值為1，0.5，0，計算出評論用戶對每條辟謠博文的支持程度，并將同類別用戶所發(fā)布辟謠博文被支持情況的平均值作為其辟謠效果。

2 結果分析

2.1 辟謠者組成及行動時間模式

為識別不同辟謠者在辟謠行動中所扮演的角色，進行用戶標記和數據統(tǒng)計，原創(chuàng)辟謠微博中多元主體用戶的組成如圖2所示，普通個人和精英分別占比79%和7%，是辟謠行動的主力軍，其參與辟謠的主動性較強；其次是自媒體和新聞機構，分別占比5%和4%；組織參與占3%，政府比例最小，僅占2%，參與網絡辟謠自主性較低。

圖2 辟謠者多元構成

為進一步調查辟謠者的行為特征和網絡影響力，進行曲線擬合，4類主要辟謠者所發(fā)布博文的高斯模型擬合效果如表1所示，其Adj-R2均大于0.9，說明接受度較好。

表1 4類主要辟謠者所發(fā)布辟謠博文的高斯模型

4類主要辟謠者發(fā)布博文量(包含原創(chuàng)博文及其被轉發(fā)情況)的時間變化趨勢如圖3所示。從時間次序看，普通個人最先開始辟謠，接著媒體用戶(新聞機構和自媒體)參與到辟謠行動中，并帶動更多用戶參與。媒體用戶雖然發(fā)表的原創(chuàng)微博相較普通個人少，但其獲得的轉發(fā)更多，發(fā)布的信息在網絡上具有更大的曝光度。

圖3 信息曝光量隨時間的變化趨勢

同時，辟謠者的行動主要集中在事件的前期和中期，線下和線上的辟謠相互聯動和切換，使得各類用戶的辟謠行為伴隨事件熱點而改變。3月31日，PX事件第二天，官方報告了相關處理結果，促成媒體用戶發(fā)布辟謠信息的第一個高峰出現。3月30日—4月6日，PX詞條保衛(wèi)戰(zhàn)的爆發(fā)引起網絡熱議，精英類的網絡用戶，相比普通個人具有某領域的專業(yè)優(yōu)勢，或具有相對優(yōu)勢的社會地位和社交媒體影響力，其發(fā)布的辟謠信息在這個階段迎來了高度曝光，而自媒體(評論員、記者和新聞資訊平臺等)傾向于發(fā)表個人觀點或贏得關注的話語，也深度參與此階段的網絡辟謠。4月3日，相關部門舉辦了線下新聞發(fā)布會澄清項目的進展和相關信息，促使普通個人和精英的辟謠微博數迎來了高峰，而自媒體的辟謠微博數迎來拐點。新聞機構類用戶(如傳統(tǒng)官媒在微博上的官方賬號)傾向于發(fā)布官方新聞，由圖 3可知，其僅在事件的關鍵節(jié)點進行辟謠。

對比不同用戶的辟謠行為特征發(fā)現，普通個人對此次事件非常關注，伴隨著線下官方的辟謠，其在網絡辟謠過程中具有較快的反應速度。與此同時，當討論內容與自身專業(yè)領域相關時，精英的辟謠行動符合其職業(yè)特征，其參與網絡辟謠的傾向較強，所發(fā)布的信息獲得較大曝光[22]。而自媒體用戶則更多捕捉網絡辟謠話題變化，其發(fā)文具有較強影響力，可帶動更多用戶參與到辟謠行動中。此外，新聞機構的辟謠較為嚴謹，僅在官方報告后進行辟謠，體現了傳統(tǒng)媒體對信息真實性的高標準，其更傾向于考察信息的真實有效性，而非一味追求社交媒體中的信息傳播速度[23]。從時間線看，公眾都關注新奇事物，并會隨著事件發(fā)展轉移注意力，后期的辟謠關注度呈明顯下降趨勢。

2.2 謠言與辟謠信息的互動評估

微博的辟謠信息包括直接在謠言下進行反駁和發(fā)表原創(chuàng)辟謠微博兩類。針對第一類，通過對謠言的轉發(fā)和評論分析用戶態(tài)度。對謠言的評論中標記支持謠言共109條，反駁謠言56條，中立45條，而統(tǒng)計單條謠言微博下的情況，支持謠言數比反駁謠言數多35條，而反駁數僅比支持謠言數多12條?？傮w上看，對謠言內容表示支持的內容較多，在謠言微博下進行辟謠的內容較少，可見針對謠言直接辟謠效果并不理想。謠言博文用戶的態(tài)度分布和成員組成如圖4所示?？芍胀▊€人所發(fā)布涉及謠言的博文下對其謠言內容表示支持比例較多，精英所發(fā)布涉及謠言的微博文本下反駁的比例略多于支持，而自媒體下的評論支持謠言和反駁比例幾乎持平。同時，從與謠言微博互動的數據來看，對謠言微博進行評論轉發(fā)的用戶幾乎全為普通個人，而這類用戶同樣對謠言表示支持的更多。進一步統(tǒng)計直接駁斥謠言的用戶行為特征，策略分布如表2所示。結合圖4和表2可知，辟謠行為主體全為普通個人，辟謠行為中“諷刺”占比最高，“行動指南”次之，“反駁”使用較少。

由此可見，謠言微博下雖有普通個人通過評論去積極反駁，但糾正謠言并非易事，較多的謠言微博，特別是普通個人所發(fā)布的，獲得了更多支持和信任。這是由于社交媒體的弱連接性，普通個人的互動更多基于共同興趣和話題，因此會導致對于博主發(fā)布內容更多的信任[2]。與此同時，對比3類用戶所發(fā)布謠言博文下用戶的態(tài)度分布，普通個人在解讀與之身份不同的精英和自媒體用戶所發(fā)布的涉及謠言的博文中，可以看到其對于謠言仍舊有辨別能力，反駁謠言的數量與相信謠言數持平甚至略高，陌生網絡下的評論態(tài)度似乎更理性客觀。此外，普通個人常采用“諷刺”策略，即通過嘲笑他人糾正謠言，并不能達到理想的辟謠目的；而“反駁”和“行動指南”這兩類辟謠策略是通過提供可靠證據來糾正謠言，表現出良好的控制和減輕謠言的效果[24]。但在事件中，由個人用戶所發(fā)出的“行動指南”未獲得普遍信任，而“反駁”策略使用的較少，導致糾正謠言時缺乏足夠證據，加之不適當“諷刺”產生了逆火效應[25]，第一類辟謠方式并未取得理想效果。

第二類辟謠方式是通過發(fā)表原創(chuàng)微博來打擊謠言，通過對原創(chuàng)辟謠微博下的評論態(tài)度劃分，各類主體的辟謠受支持程度如表3所示。熱評中普通個人和精英占比較低，但辟謠效果最佳，其評論支持度分別達93%和84%。同時，雖然新聞機構和自媒體占比較高，其博文受支持的程度卻較低。此外，組織所發(fā)布的辟謠博文也呈現較多的支持立場，說明其說服力較強。

表3 第二類辟謠者的人員組成及所發(fā)布辟謠微博受支持程度

由此可見，普通個人和精英在社交媒體上的對話模式更易被接受?；魻柲Ｊ秸J為制碼者(辟謠者)與解碼者(評論者)的對等關系會影響受眾的理解程度，普通個人的語言習慣與評論者類似，而精英成長于普通用戶群體之中，但更具號召力，溝通對話成功率較大。其次，組織在此類辟謠行動中占比較少，但其作用效果僅次于個人和精英。有學者指出層級適當者是信度較高的辟謠來源之一，可靠信源對于用戶判斷信息真實與否舉足輕重，這可以解釋該類用戶辟謠的支持度較高的原因。總體上，政府的謠言治理集中在線下，體現了其在網絡謠言治理的改善空間。

3 結論

以茂名PX事件為例，通過曲線擬合和內容分析的方法探究鄰避事件中社交媒體用戶辟謠行為特征及效果，得到以下結論：

(1)普通個人和精英是辟謠行動的主要參與者，其發(fā)布原創(chuàng)辟謠微博的積極性較高，自媒體和新聞機構則在其中扮演意見領袖，其辟謠微博的影響力更強。而政府賬號在治理網絡謠言上的秉持謹慎態(tài)度，其主動發(fā)布微博來參與網絡辟謠行為的傾向較低。

(2)辟謠者的參與主要集中在事件的前中期，用戶的辟謠興趣會隨事件的發(fā)展逐漸下降，而線下和線上的辟謠是相互聯動和切換的，這使得各類用戶的辟謠行為伴隨事件熱點而發(fā)生改變。

(3)謠言博文評論區(qū)只有普通個人積極的糾正謠言，且未取得良好效果。此外，該類用戶較多采取“諷刺”和“行動指南”策略進行辟謠，說明不適當的糾正，或缺乏足夠證據的駁斥，都可能產生逆火效應。

(4)主動發(fā)布原創(chuàng)微博辟謠的人群中，普通個人和精英的支持度最高，組織其次，新聞機構和自媒體雖影響力最強，但支持度較低，政府及相關人員需要加強對個人和精英的言論引導，提供可靠的信息，并及時有效發(fā)布準確的信息。