周劍鋒，許國威，李一夫

(1.武漢理工大學 安全科學與應急管理學院，湖北 武漢 430070；2.北京郵電大學 信息與通信工程學院，北京 100876)

據(jù)中國互聯(lián)網(wǎng)絡信息中心在2021年8月27日發(fā)布的第48次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》顯示，截至2021年6月，我國網(wǎng)民規(guī)模達10.11億，較2020年12月增長2 175萬，互聯(lián)網(wǎng)普及率達71.6%，其中，我國手機網(wǎng)民規(guī)模達10.07億，較2020年12月增長2 092萬，網(wǎng)民使用手機上網(wǎng)的比例達99.6%，與2020年12月基本持平[1]。隨著互聯(lián)網(wǎng)高速的發(fā)展和網(wǎng)民群體的不斷增長，網(wǎng)絡新媒體也迎來蓬勃的發(fā)展。新媒體時代是一個信息爆炸的時代，其給網(wǎng)民帶來及時、大量信息的同時也兼具了信息主觀化、碎片化的特征，比較考驗信息受眾的辨別能力。網(wǎng)絡輿情的傳播速度隨用戶數(shù)量的提升呈冪指數(shù)增長，這使得大量虛假信息甚至謠言在移動互聯(lián)網(wǎng)絡中迅速放大，并通過羊群效應形成移動互聯(lián)網(wǎng)絡輿情[2]。在有些信息源缺乏完整性和真實性的情況下，受眾往往容易被信息發(fā)布者的主觀意識所影響，形成輿論跟風現(xiàn)象，進而造成真相揭開后反轉(zhuǎn)的輿情事件。例如2016年一篇名為《羅一笑你給我站住》的文章刷爆朋友圈，作家羅爾“賣文”救助白血病女兒羅一笑，通過文章轉(zhuǎn)發(fā)共籌集善款267萬元，然而這一場愛心救助活動卻是父親羅爾的營銷炒作。2018年走失的樂清男孩引發(fā)全網(wǎng)關(guān)注，相關(guān)微博話題閱讀總量超過4億次，但牽動全網(wǎng)的走失案竟是一場蓄意策劃制造的虛假警情[3]。

目前學術(shù)界對網(wǎng)絡輿情反轉(zhuǎn)的概念尚未形成統(tǒng)一定論，有學者認為，網(wǎng)絡輿情反轉(zhuǎn)的本質(zhì)是虛假新聞信息的發(fā)布和傳播，是網(wǎng)絡輿情中信息不對稱的一種體現(xiàn)，反轉(zhuǎn)實際上是事實的反轉(zhuǎn)[4]。自媒體時代輿情反轉(zhuǎn)事件相較于一般的輿情事件具備更多的不確定性和破壞性。由于反轉(zhuǎn)事件的真相往往轉(zhuǎn)變多次，導致輿情的關(guān)注度出現(xiàn)多次爆發(fā)，其引發(fā)關(guān)注的時間也隨之延長。在信息難以辨識的情況下，網(wǎng)民極易被錯誤虛假的信息所裹挾，致使輿論環(huán)境陷入混亂之中。長此以往，導致網(wǎng)絡環(huán)境惡化，媒體缺少社會信任，政府缺失社會公信力甚至形成動亂。因此，面對當前輿論環(huán)境建設的嚴峻挑戰(zhàn)，對于輿情反轉(zhuǎn)的預測、監(jiān)控和治理具備重要意義。

在當前研究中，針對輿情反轉(zhuǎn)研究熱點和研究趨勢進行相關(guān)分析的文獻尚少，在此筆者開創(chuàng)式的采用文獻計量學的方法，在次領(lǐng)域?qū)ο嚓P(guān)文獻進行檢索和研究。主要研究方法是利用Citespace軟件對輿情反轉(zhuǎn)相關(guān)的文獻進行聚類分析并將其可視化呈現(xiàn)，探索輿情反轉(zhuǎn)領(lǐng)域近年來的發(fā)展狀況和前沿方向。通過對輿情反轉(zhuǎn)相關(guān)文獻的作者合作、機構(gòu)合作、共性關(guān)鍵詞等方面聚類分析，為輿情反轉(zhuǎn)領(lǐng)域的探索研究提出相關(guān)建議。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

為客觀地描述輿情反轉(zhuǎn)研究的要點和研究前沿，筆者以Web of Science數(shù)據(jù)庫為數(shù)據(jù)來源，在該數(shù)據(jù)庫進行檢索。文獻檢索條件為“主題：(reversal of public opinion)OR主題(public opinion reverse)OR主題(public opinion reversal)OR主題(reversal of public sentiment)”。限定文獻年限為2011-2021年，數(shù)據(jù)庫為“Web of Science核心合集”，由于目前該研究方向處于上升階段，所命中的相關(guān)文獻大多集中在幾個領(lǐng)域內(nèi)且存在普遍學科交叉的現(xiàn)象，故經(jīng)綜合考慮，剔除少量不相關(guān)研究領(lǐng)域后留下“social sciences”，“technology”，“arts humanities”三個具有較高代表性，文獻量較多且主題內(nèi)容與網(wǎng)絡輿情相關(guān)性較強的三個主要領(lǐng)域，為保證數(shù)據(jù)的精確性和完整性，經(jīng)過人工進一步篩查，共命中351個檢索結(jié)果。

1.2 研究工具和方法

文獻計量法是以學術(shù)文獻為研究對象，從定量的角度分析文獻規(guī)律，展現(xiàn)學科研究熱點與發(fā)展趨勢的一種研究方法[5]。其常用的分析軟件包括BibExcel、Citespace、Citeexplorer、VOSviewer和Gephi等。其中，Citespace因其簡單的操作方式、簡潔的控制面板、標準化的切片功能及效果較好的可視化輸出結(jié)果成為目前學界主流研究工具。

CiteSpace是美國著名華裔學者陳超美應用Java語言開發(fā)的一個可視化軟件，它主要基于共引分析理論和尋徑網(wǎng)絡算法等。作為一種可視化分析軟件，CiteSpace能夠繪制共詞聚類圖譜和時區(qū)視圖，優(yōu)點在于它能夠通過對前沿術(shù)語進行算法運算，動態(tài)識別共引聚類和研究熱點[6]。

筆者選擇CiteSpace作為輿情反轉(zhuǎn)研究的主要分析軟件，主要研究過程是：在Citespace中導入SCI文獻數(shù)據(jù)，首先對文獻樣本進行去重(remove duplicates)操作，然后將其導出，選擇時間切片(time slicing)為2011.1-2021.12，之后依次對作者(author)、機構(gòu)(institution)、關(guān)鍵詞(keyword)、共被引文獻(reference)、共被引作者(cited author)進行聚類并可視化，對計算結(jié)果進行分析，探索輿情反轉(zhuǎn)領(lǐng)域的研究前沿熱點和發(fā)展現(xiàn)狀等。

在研究過程中很重要的一個方法是聚類分析。聚類分析是一種以關(guān)鍵詞之間的共現(xiàn)強度為基礎，利用聚類的統(tǒng)計學方法，將眾多分析對象之間錯綜復雜的共詞網(wǎng)狀關(guān)系簡化為數(shù)目相對較少的若干類群之間的關(guān)系，并直觀地表示出來的聚類的過程[7]。

2 輿情反轉(zhuǎn)領(lǐng)域研究概況分析

2.1 文獻年代分布

文獻的發(fā)文量年度趨勢的變化是分析該研究領(lǐng)域研究進展和狀況的重要參考指標，如圖1所示。近10年來網(wǎng)絡輿情反轉(zhuǎn)研究的發(fā)文量在整體上呈現(xiàn)上升趨勢。數(shù)據(jù)顯示，在2015年以前，該研究領(lǐng)域內(nèi)的發(fā)文量較為穩(wěn)定，數(shù)量都維持在26篇左右，可以看出2011—2014年是一個平穩(wěn)發(fā)展的階段。在2015年，發(fā)文量迎來小幅上升之后于2016年迅速回落，并觸底十年來最低點，2016年度發(fā)文量僅占據(jù)總發(fā)文量的5.41%。2017—2021年年均發(fā)文量要明顯多于2014年之前：其中2017年度發(fā)文37篇，占總發(fā)文量的10.54%；2019年發(fā)文30篇，占總發(fā)文量的13.67%；2019年發(fā)文45篇，占總發(fā)文量的12.82%。數(shù)據(jù)統(tǒng)計表明，受網(wǎng)絡及自媒體發(fā)展的影響，輿情反轉(zhuǎn)研究領(lǐng)域邁入了一個新的發(fā)展階段。

圖1 網(wǎng)絡輿情反轉(zhuǎn)研究發(fā)文量年代分布(2011-2021)

2.2 國家(地區(qū))及研究機構(gòu)分布

圖2為輿情反轉(zhuǎn)研究領(lǐng)域國家(地區(qū))分布及合作知識圖譜，不同的國家(地區(qū))合作發(fā)文量以年輪形式可視化呈現(xiàn)，根據(jù)年輪的大小可直觀看出發(fā)文量的數(shù)量對比。將節(jié)點閾值設定為7，共得到節(jié)點64個(Nodes=64)，連線121條(Links=121)，圖中圓形節(jié)點的大小代表了各國家(地區(qū))發(fā)文量的多少，節(jié)點的年輪越大，顏色越深代表該國家(地區(qū))文獻發(fā)表數(shù)量就越多；兩個國家(地區(qū))的節(jié)點之間連線越多，顏色越深就代表了在該領(lǐng)域內(nèi)雙方合作越為緊密。重點國家(地區(qū))發(fā)文數(shù)量及中心統(tǒng)計度情況如表1所示。

圖2 國家(地區(qū))合作網(wǎng)絡圖譜

表1 重點國家(地區(qū))發(fā)文數(shù)量及中心統(tǒng)計度表

如圖2所示，代表美國(USA)的節(jié)點最大，年輪顏色最深，其次則為英國(ENGLAND)、中國(CHINA)、德國(GERMANY)和加拿大(CANADA)。再根據(jù)表1可知，美國發(fā)文數(shù)量為132篇，中心度為0.48，兩項指標都占據(jù)了主要地位；排名第二位的英國發(fā)文量為24篇，與中國(23篇)持平，但是中心度達到了0.32，屬于重要節(jié)點之一。按發(fā)文數(shù)量排名前五的五個國家之間連線顏色較深，路徑形狀較為粗壯，節(jié)點之間聯(lián)系緊密，表明這五個國家是輿情反轉(zhuǎn)研究領(lǐng)域內(nèi)的主要核心研究地區(qū)，同時可以看出，發(fā)文量在7篇以上的國家無論是網(wǎng)絡發(fā)展速度還是科研的水平都處于世界領(lǐng)先地位，由此可知，輿情反轉(zhuǎn)的研究進展與國家的網(wǎng)絡及經(jīng)濟發(fā)展水平息息相關(guān)，對于網(wǎng)絡發(fā)達的國家，其面對的輿情問題更為嚴峻復雜，就催動了該國家相關(guān)領(lǐng)域發(fā)展的快速成長。我國雖然發(fā)文量居于第三位，但是中心度只有0.05，說明我國學者所發(fā)表的文章質(zhì)量還需要進一步提高。

3 輿情反轉(zhuǎn)領(lǐng)域的知識圖譜分析

3.1 關(guān)鍵詞共現(xiàn)分析

詞頻分析法是利用關(guān)鍵詞在某一研究領(lǐng)域文獻中出現(xiàn)的頻次數(shù)量來確定該領(lǐng)域研究熱點和前沿動態(tài)的文獻計量方法。關(guān)鍵詞是科學計量研究的重要指標[8]，可根據(jù)關(guān)鍵詞出現(xiàn)頻次高低來了解國外對某一研究領(lǐng)域的研究熱點[9]。Citespace軟件中設定閾值TopN=50，TopN%=10，得到節(jié)點319個(Nodes=319)，連線669條(Links=669)的關(guān)鍵詞共現(xiàn)網(wǎng)絡圖譜(圖3)。在圖3中，節(jié)點以年輪方式呈現(xiàn)，每一個不同的節(jié)點代表了一個不同的關(guān)鍵詞，節(jié)點年輪的大小就代表了該關(guān)鍵詞出現(xiàn)的頻次高低，在兩個節(jié)點之間的路徑粗細代表了兩個關(guān)鍵詞之間聯(lián)系的緊密程度。由圖3節(jié)點大小可以看出，形成了以“public opinion”(公眾輿論)為核心的一個熱點關(guān)鍵詞圖譜。除此之外，在熱點視圖中出現(xiàn)頻次較高的關(guān)鍵詞還有“attitude”(態(tài)度傾向)23次、“impact”(影響)18次、“model”(模型)17次，“politics”(政策)16次、“information”(信息)14次及“decision making”(決策)14次等，這些出現(xiàn)頻率高的關(guān)鍵詞在一定程度上就代表了10年間輿情反轉(zhuǎn)領(lǐng)域內(nèi)的研究熱點。

如表2所示，將2011-2021年間所統(tǒng)計相關(guān)文獻中的關(guān)鍵詞按出現(xiàn)的頻次高低及中心度由高到低按順序排列而成。“public opinion”(公眾輿論)作為主題詞成為了最高頻的關(guān)鍵詞，緊隨其后的是“attitude”(態(tài)度)，而該關(guān)鍵詞的中心度也達到了0.23，由此可以看出，十年來熱度最高的關(guān)鍵詞就是“attitude”(態(tài)度)，輿情反轉(zhuǎn)領(lǐng)域的研究與此息息相關(guān)。有學者認為，受眾在獲得特定信息后對事件作出的相反論定，通常情況下輿論反轉(zhuǎn)會發(fā)生在事件發(fā)生后的不同階段，而受眾在各個階段表現(xiàn)出來的觀點也存在著巨大差異，輿論反轉(zhuǎn)往往借助于特定的媒介載體進行傳播[10]。對于輿情反轉(zhuǎn)事件的研究，在一定程度上即為對信息受眾觀點和態(tài)度轉(zhuǎn)變的研究，針對信息受眾態(tài)度的轉(zhuǎn)變過程，有大量學者進行了研究。如夏一雪等[11]在建模的過程中考慮了微博用戶言論轉(zhuǎn)變的價值性和話題性，分析了用戶在事件發(fā)酵中的重要性，證明了其所擁有的影響力。

出現(xiàn)頻次排在第三位的關(guān)鍵詞是“impact”(影響)，其中心度為0.23，是該研究領(lǐng)域內(nèi)較為重要的研究熱點之一。在輿情反轉(zhuǎn)領(lǐng)域內(nèi)，熱點詞“impact”(影響)不僅代表了事件本身的影響，也包含了事件傳播中參與人的影響力。對于出現(xiàn)反轉(zhuǎn)或者可能出現(xiàn)反轉(zhuǎn)的事件來說，往往意味著事件影響逐步擴大并多次達到關(guān)注高潮，而且本身就屬于能造成巨大社會影響的一類事件，所以對于輿情反轉(zhuǎn)的研究要額外的關(guān)注事件影響力的動態(tài)。而在事件的傳播過程中，可以稱為網(wǎng)民態(tài)度風向標的一類人叫作“意見領(lǐng)袖”。新媒體時代，社會輿論傳播呈現(xiàn)出新的形態(tài)，輿論管理呈現(xiàn)出前所未有的復雜狀況，網(wǎng)絡媒體中的“意見領(lǐng)袖”、“把關(guān)人”發(fā)揮著網(wǎng)絡輿論監(jiān)督、輿論引導的巨大作用。大眾信息傳播所必經(jīng)的渠道中，“意見領(lǐng)袖”居于核心位置，即“大眾傳播—意見領(lǐng)袖—一般受眾”[12]。無論是國內(nèi)還是國外，意見領(lǐng)袖們的言論都會給事件的傳播和發(fā)展帶來巨大的影響，也會對網(wǎng)民對于該事件的態(tài)度產(chǎn)生直接的影響。因此，面向事件及參與人影響的研究也逐漸成為了主要熱點之一。

在表2中，按中心度排序來看，相對重要的關(guān)鍵詞還有“decision making”(決策)與“information”(信息)，其中心度分別為0.28和0.21。信息與決策密不可分，因此兩個熱點詞可歸為一類分析。信息的權(quán)威性、充分性和多樣性對于決策的作出至關(guān)重要，而決策作為信息的反饋，從側(cè)面也反映出了信息的真實性和完整性。在事件的傳播過程中，輿論的發(fā)展方向也取決于信息的來源和傳播，有學者認為，信息的不完全、信息獲取的不平等和不真實是導致輿情發(fā)生逆轉(zhuǎn)的主要原因之一。

3.2 關(guān)鍵詞聚類分析

為了進一步研究網(wǎng)絡輿情反轉(zhuǎn)相關(guān)的研究熱點及關(guān)系，考察關(guān)鍵詞的歸類與集合，使用Citespace軟件自帶的LLR算法對文獻關(guān)鍵詞進行聚類，經(jīng)過多次對閾值合理的調(diào)整與試驗，得到Modularity Q=0.595 5>0.5,表明聚類結(jié)果具有很高的可信度，Weighted Mean Sihouette S=0.863 8>0.5，說明聚類是合理的[13]。通過對關(guān)鍵詞聚類信息的進一步探索，整理出前10位最大的聚類群組和其包含的主要關(guān)鍵詞，代表了2011-2021年間網(wǎng)絡輿情反轉(zhuǎn)的主要研究領(lǐng)域，輿情反轉(zhuǎn)研究的文獻共詞聚類標簽視圖如圖4所示，聚類標簽信息表如表3所示。

表3 聚類標簽信息表(2011-2021)

在10個聚類中，由于最后兩個聚類包含文獻節(jié)點不足10篇，故不納入研究范圍。經(jīng)過深入分析聚類之間的共性，再對高頻次和高中心度關(guān)鍵詞進行整合統(tǒng)計，可將輿情反轉(zhuǎn)領(lǐng)域研究熱點大致分為3個大類，在該領(lǐng)域的當前研究中具有很高的代表性和延展性。

(1)以民眾為中心的輿情反轉(zhuǎn)事件分析

大類Ⅰ包含聚類#0 educative effect, #1 online public opinion,#5 weight rank reversal三個聚類，其中共現(xiàn)詞有：citizenry，vote，reversal event，decision making。信息受眾作為輿情傳播的主體部分，也是最大的數(shù)據(jù)樣本來源，學界一般是將其作為一個整體去研究。無論是網(wǎng)絡意見領(lǐng)袖還是普通網(wǎng)民，信息受眾的決策往往能夠在極大程度上影響輿論的發(fā)展方向和速度，所以在事件中對于民眾行為的分析是整個輿情反轉(zhuǎn)事件分析的基礎部分。

(2)新媒體影響下的輿論反轉(zhuǎn)變化特征研究

從聚類#2 thematic analysis和聚類#3 longitudinal study的關(guān)鍵節(jié)點分析可得，兩個聚類共現(xiàn)詞包括了：media tone，reverse logistics，policy，behavior，大類Ⅱ的研究重點是以媒體在事件傳播中的行為和影響為主。一般情況下，網(wǎng)絡輿情反轉(zhuǎn)事件傳播的起始不一定來自于媒體，但是媒體往往是傳播過程中由慢到快，影響力由弱至強的關(guān)鍵節(jié)點，可以說網(wǎng)絡媒體起到了事件“擴音器”的作用。互聯(lián)網(wǎng)時代由于媒體素質(zhì)的良莠不齊，在信息來源未確認，信息并不完整的情況下，事件經(jīng)過媒體的大肆宣傳而迅速發(fā)酵，在網(wǎng)絡上形成輿論風暴，造成不好的影響，形成反轉(zhuǎn)現(xiàn)象，對于事件蓋棺定論的多數(shù)是官方媒體的功勞。因此，從媒體的角度出發(fā)，研究輿情反轉(zhuǎn)事件中的這關(guān)鍵一環(huán)意義重大。

(3)特定領(lǐng)域內(nèi)的輿情反轉(zhuǎn)事件探索

聚類#4 public perception，#7 duditor conservation和聚類#6 specialized psychiatric inpatient unit分別探究了商業(yè)領(lǐng)域及醫(yī)療領(lǐng)域的輿情反轉(zhuǎn)案例。對于醫(yī)療領(lǐng)域來說，有關(guān)輿情反轉(zhuǎn)的研究出現(xiàn)較早，文獻平均年份為2012年，屬于起步較早的研究領(lǐng)域；對于商業(yè)領(lǐng)域來說，研究文獻平均年份在2016年，出現(xiàn)較晚但是文獻數(shù)量眾多，研究內(nèi)容也涉及到了商業(yè)政策、商業(yè)法律及股市等，屬于新興的熱點研究方向。對于特定領(lǐng)域的輿情反轉(zhuǎn)研究更加具備專業(yè)性和針對性，有助于對具體案例進行更加專業(yè)的分析和深入的探索。

3.3 研究前沿分析

CiteSpaceⅣ軟件中的膨脹詞探測(burst detection)技術(shù)和算法，通過探究主題詞詞頻的時間分布，將其中頻次變化率高的詞(burst term)從大量的詞中探測出來，依靠詞頻的變化趨勢可以預測今后體育仲裁研究的發(fā)展趨勢[14]?；诖?，筆者對關(guān)鍵詞進行了突變檢測，得到突變詞表4，表4中羅列了突變強度最高的前8個關(guān)鍵詞，研究主題的活躍度與關(guān)鍵詞的突變強度呈正相關(guān)。

表4 2011-2021年輿情反轉(zhuǎn)研究領(lǐng)域突現(xiàn)詞表

從表中我們可以清楚的看到10年間的研究前沿動態(tài)和發(fā)展歷程。從2011年起到2014年為研究發(fā)展的第一階段，此時的研究主要以定性分析的形式發(fā)展，在此期間，突變詞出現(xiàn)頻率遠勝后來的年份，以“政治”“媒體”“交流”等為主，輿情反轉(zhuǎn)作為一種較為前沿的研究理念，這個時期的主要研究方向集中在對政策的研判和對網(wǎng)絡媒體的探索。從2014年開始，輿情反轉(zhuǎn)領(lǐng)域的研究呈現(xiàn)多點開花的狀態(tài)，新興的研究方向包含了“系統(tǒng)理論”“風險”及“信息與決策”等。首先是在互聯(lián)網(wǎng)發(fā)展的大勢下網(wǎng)民也隨之增多，學者漸漸認識到輿情的反轉(zhuǎn)更多受到了來自信息受眾的影響，因此開展對普通網(wǎng)民的研究十分必要。其次，從研究方法上也產(chǎn)生巨大的轉(zhuǎn)變，在此之前的研究以定性分析為主，主要是偏向于心理學和新聞學兩個學科板塊；之后的研究更多的是采取定量分析的方法，引入數(shù)學模型和系統(tǒng)理論，充分利用計算機技術(shù)的發(fā)展，文獻來源更偏向于信息與技術(shù)板塊，說明了在這一時期研究熱點正在朝著另外的方向蓬勃發(fā)展。

4 結(jié)論

筆者運用文獻計量學方法，利用CiteSpace軟件對Web of Science核心集數(shù)據(jù)庫中2011-2021年間網(wǎng)絡輿情反轉(zhuǎn)領(lǐng)域相關(guān)的文獻進行可視化分析，研究得出結(jié)論如下：

(1)有關(guān)輿情反轉(zhuǎn)的研究對輿情的預測、治理和控制具有重要意義，該領(lǐng)域的研究成果在2016-2017年有明顯的增長，進入了發(fā)展的新階段，受到了學界更高的關(guān)注；但總體來說，現(xiàn)今國外高水平相關(guān)研究文獻數(shù)量依舊偏少，有待更多學者進行相關(guān)研究和探索。

(2)參與網(wǎng)絡輿情反轉(zhuǎn)研究的國家和地區(qū)較多，其中影響力較大的經(jīng)濟發(fā)展都較為迅速，這些國家和地區(qū)網(wǎng)絡發(fā)達，輿情環(huán)境發(fā)展迅猛，因此催生出大量輿情相關(guān)的研究成果?，F(xiàn)階段進行輿情反轉(zhuǎn)領(lǐng)域的研究機構(gòu)分布廣泛，以各大學及其下屬研究機構(gòu)為主體，各單位之間研究方向和內(nèi)容大相徑庭，彼此之間合作較少。在未來有待加強合作，形成研究共識。

(3)知識圖譜表明，研究主題詞為“public opinion”“attitude”“impact”“model”等。關(guān)鍵詞共現(xiàn)圖譜呈現(xiàn)多極化分布，其結(jié)構(gòu)凌亂，研究方向百花齊放但是研究深度不夠，在未來研究者們在各自的研究領(lǐng)域內(nèi)需深耕以提升研究縱深。針對輿情反轉(zhuǎn)領(lǐng)域內(nèi)的研究，圖譜表明現(xiàn)有研究成果可以歸結(jié)在民眾、媒體及特定領(lǐng)域三個方面，分別對應了輿情傳播過程中的基礎部分、傳播途徑和事件本身，從三個角度出發(fā)都可以對輿情反轉(zhuǎn)進行深刻的探索和剖析。

(4)結(jié)合關(guān)鍵詞突顯圖表可以看出10年間輿情反轉(zhuǎn)領(lǐng)域的前沿發(fā)展和動態(tài)。隨著技術(shù)的發(fā)展，相關(guān)研究方法大體上從定性分析逐步轉(zhuǎn)變?yōu)槎糠治觥Ｑ芯繌摹罢巍薄懊襟w”“交流”等主題，到“系統(tǒng)理論”“數(shù)據(jù)挖掘”“信息與決策”等主題，體現(xiàn)了輿情反轉(zhuǎn)領(lǐng)域的研究正向信息化、系統(tǒng)化方向發(fā)展。在未來，學者們需將研究與大數(shù)據(jù)技術(shù)結(jié)合，引入更為精確的數(shù)學模型和系統(tǒng)理論，合理利用計算機和信息技術(shù)的技術(shù)支撐，開拓更多的研究方向與主題，提升研究廣度并加深研究深度。