丁樂蓉 李 陽(yáng)

(南京大學(xué)信息管理學(xué)院，江蘇 南京 210023)

重大傳染病疫情是在短時(shí)間內(nèi)發(fā)生、波及范圍廣泛、發(fā)病率遠(yuǎn)高于常年發(fā)病水平且出現(xiàn)大量感染者或死亡病例的傳染病事件。相較于一般的突發(fā)事件，重大傳染病疫情具有更強(qiáng)烈的突發(fā)性、緊急性、社會(huì)性、易傳播性，以及時(shí)間跨度更長(zhǎng)、傳播范圍更廣等災(zāi)難事件的典型特點(diǎn)[1]，一旦發(fā)生會(huì)比一般突發(fā)事件更加迅速地蔓延，輻射至更廣泛的區(qū)域，并且隨時(shí)可能引爆輿論話題，引發(fā)強(qiáng)烈的社會(huì)情緒。在重大傳染病疫情網(wǎng)絡(luò)輿情的傳播過程中，公眾關(guān)注焦點(diǎn)和社會(huì)情緒往往會(huì)在時(shí)間維度發(fā)生動(dòng)態(tài)變化，由于不同區(qū)域疫情嚴(yán)重程度不盡相同，民眾關(guān)注焦點(diǎn)與社會(huì)情緒也必然會(huì)在空間維度表現(xiàn)出分布差異性，地理學(xué)領(lǐng)域?qū)⑦@種在時(shí)間和空間維度表現(xiàn)出不同規(guī)律的特征稱為時(shí)空分異現(xiàn)象。如何掌握重大傳染病疫情情境下網(wǎng)絡(luò)輿情的公眾關(guān)注焦點(diǎn)與社會(huì)情緒的時(shí)空分異規(guī)律，識(shí)別不同時(shí)空區(qū)域的民眾訴求與情緒走向，并實(shí)施針對(duì)性的輿情話題管控和社會(huì)情緒引導(dǎo)，是輿情應(yīng)急管理與風(fēng)險(xiǎn)防控的關(guān)鍵議題。

全媒體時(shí)代社交媒體正在成為網(wǎng)絡(luò)輿情信息傳播的重要場(chǎng)所，也成為人們表達(dá)意見和抒發(fā)情感的主陣地，尤其在重大傳染病疫情情境下表現(xiàn)的更為明顯。人們?cè)谑录^程中的一切觀點(diǎn)、情緒都在社交媒體留下數(shù)據(jù)痕跡，這些數(shù)據(jù)承載了大量?jī)?nèi)容維度和情感維度的信息，成為抽取網(wǎng)民關(guān)注焦點(diǎn)與社會(huì)情緒等語(yǔ)義信息的重要來(lái)源。此外，社交媒體數(shù)據(jù)還包含時(shí)間維度和空間維度的信息，能夠揭示內(nèi)容與情感信息的動(dòng)態(tài)演化或分布差異等時(shí)空特征。因此，社交媒體時(shí)空數(shù)據(jù)是了解重大傳染病疫情情境下網(wǎng)絡(luò)輿情公眾關(guān)注焦點(diǎn)與社會(huì)情緒的時(shí)空分異規(guī)律等信息的重要來(lái)源。現(xiàn)有關(guān)于社交媒體時(shí)空數(shù)據(jù)的研究多基于時(shí)間或空間的單一維度，探討了突發(fā)事件網(wǎng)絡(luò)輿情的傳播規(guī)律。如何結(jié)合重大傳染病疫情情境特征，將社交媒體數(shù)據(jù)的時(shí)間、空間、內(nèi)容、情感等維度融合起來(lái)，從更加系統(tǒng)、更加精細(xì)化的角度，探索相關(guān)情境下網(wǎng)絡(luò)輿情中公眾關(guān)注焦點(diǎn)與社會(huì)情緒的演化規(guī)律和分布差異，以刻畫出公眾階段性行為特征和區(qū)域性行為差異，成為本文的關(guān)注焦點(diǎn)。鑒于此，本文以新冠肺炎疫情為例，獲取微博相關(guān)輿情數(shù)據(jù)并劃分時(shí)空區(qū)域，通過主題識(shí)別和情感計(jì)算刻畫公眾關(guān)注焦點(diǎn)和社會(huì)情緒的演化特征與分布格局，探究重大傳染病疫情情境下網(wǎng)絡(luò)輿情的普適性時(shí)空分異規(guī)律，定位此類輿情事件中不同時(shí)空區(qū)域民眾的群體需求與情緒動(dòng)因，為相關(guān)部門在重大傳染病疫情輿情的社會(huì)情緒引導(dǎo)與風(fēng)險(xiǎn)防控提供理論依據(jù)和實(shí)踐指導(dǎo)。

1 相關(guān)研究綜述與理論基礎(chǔ)

1.1 社交媒體時(shí)空數(shù)據(jù)相關(guān)研究

社交媒體時(shí)空數(shù)據(jù)被國(guó)內(nèi)外學(xué)者廣泛應(yīng)用于用戶畫像分析、突發(fā)事件輿情分析等方面：①用戶畫像分析：如Gorrab A等[2]利用Twitter時(shí)空數(shù)據(jù)分析用戶關(guān)注者、主題等信息的相似性，通過聚類分析實(shí)現(xiàn)了用戶興趣推薦。王新越等[3]以攜程網(wǎng)和馬蜂窩網(wǎng)中青島市網(wǎng)絡(luò)游記數(shù)據(jù)為基礎(chǔ)，分析青島市游客流的來(lái)源地區(qū)分布和季節(jié)性差異；②突發(fā)事件輿情分析：如Zhang T等[4]以臺(tái)風(fēng)“海燕”事件為例，利用微博時(shí)空數(shù)據(jù)探討公眾情緒的演化特征與分布規(guī)律，王艷東等[5]利用“北京暴雨”事件的微博數(shù)據(jù)建立了應(yīng)急主題分類模型，來(lái)分析突發(fā)事件的異常區(qū)域及其分布規(guī)律。張琛等[6]以新冠疫情微博評(píng)論數(shù)據(jù)為基礎(chǔ)，分析用戶情感在時(shí)間和空間上的演化特征。

1.2 網(wǎng)絡(luò)輿情主題分析相關(guān)研究

關(guān)于網(wǎng)絡(luò)輿情主題分析的研究，學(xué)者們常以兩個(gè)維度劃分主題，探討不同類別主題的時(shí)空演化特征：①內(nèi)容維度：根據(jù)主題內(nèi)容進(jìn)行主題分類，探究不同類主題的信息數(shù)量、熱度等特征，如李綱等[7]將災(zāi)難事件中群體話題分為社會(huì)環(huán)境、建設(shè)環(huán)境、物理環(huán)境和非態(tài)勢(shì)感知4類主題，探討各類主題信息數(shù)量隨時(shí)間的演化特點(diǎn)；②用戶維度：以用戶特性為依據(jù)劃分不同用戶群體關(guān)注的主題及其演化特征，如黃仕靖等[8]根據(jù)性別、地區(qū)、受教育程度、職業(yè)情況等因素劃分用戶群體，探究不同群體在新冠疫情輿情中關(guān)注主題的差異及其演化特征。An L等[9]根據(jù)用戶使用語(yǔ)言和所屬國(guó)家，探討了突發(fā)公共衛(wèi)生事件中微博用戶和Twitter用戶關(guān)注主題的差異及其在時(shí)間上的演變規(guī)律。

1.3 網(wǎng)絡(luò)輿情情感分析相關(guān)研究

關(guān)于網(wǎng)絡(luò)輿情情感分析的研究，可從時(shí)間、空間、內(nèi)容等角度對(duì)相關(guān)研究進(jìn)行概括：①時(shí)間維度：學(xué)者們通常利用輿情周期劃分時(shí)間階段再開展情感演化分析，如曹天陽(yáng)等[10]利用大連理工大學(xué)情感詞典對(duì)新冠疫情輿情數(shù)據(jù)實(shí)現(xiàn)情感分類，探究各類情感在輿情各階段的演化特征。Zhong Z[11]利用SnowNLP對(duì)百度貼吧文本數(shù)據(jù)進(jìn)行情感計(jì)算，對(duì)文本正負(fù)向情感的時(shí)間演化特征進(jìn)行分析；②空間維度：學(xué)者多基于行政區(qū)進(jìn)行空間區(qū)域劃分再開展情感分析，如何婕君等[12]對(duì)特定輿情反轉(zhuǎn)事件劃分生命周期，以行政區(qū)劃分空間區(qū)域，從時(shí)間和空間兩個(gè)角度刻畫了輿情反轉(zhuǎn)事件的情感演化特征。張琛等[13]以輿情事件發(fā)展階段和省級(jí)行政區(qū)劃分輿情數(shù)據(jù)的時(shí)空區(qū)域，發(fā)現(xiàn)不同時(shí)空區(qū)域用戶情感特征存在一定差異；③內(nèi)容維度：Garcia K等[14]利用Twitter數(shù)據(jù)對(duì)美國(guó)和巴西網(wǎng)民熱點(diǎn)話題內(nèi)容及其情感進(jìn)行計(jì)算和分析，探究不同主題內(nèi)容及其情感的原因。

上述研究可以發(fā)現(xiàn)：一方面，無(wú)論是輿情主題分析還是情感分析，現(xiàn)有涉及空間維度的研究較少，且多數(shù)以行政區(qū)作為空間劃分依據(jù)，少有從地理距離角度探究輿情主題與情感空間分布差異的研究；另一方面，也較少有研究同時(shí)綜合時(shí)間、空間、主題和情感4個(gè)維度探討輿情的演化與分布特征。對(duì)重大傳染病疫情網(wǎng)絡(luò)輿情來(lái)說(shuō)，距疫情中心不同地理距離的區(qū)域有不同程度的感染風(fēng)險(xiǎn)，因此地理距離是探究重大傳染病疫情情境下輿情主題與情感演化不可忽視的重要因素。本文以特定時(shí)期的南京新冠肺炎疫情事件為例，以距疫情暴發(fā)地南京的地理距離劃分空間區(qū)域，綜合時(shí)間、空間、主題、情感維度，探究重大傳染病疫情情境下輿情主題與情感的演化與分布特征。

1.4 相關(guān)理論闡述

異質(zhì)性是指事物在某些特征上存在差異，主要包括：①時(shí)間異質(zhì)性：是指事物在時(shí)間維度上表現(xiàn)出差異性特征，在時(shí)間序列上產(chǎn)生時(shí)間性或周期性的變化。比如在信息傳播學(xué)中，時(shí)間異質(zhì)性用于描述節(jié)點(diǎn)用戶活躍時(shí)間存在差異的特點(diǎn)[15]；②空間異質(zhì)性：是指事物在空間維度表現(xiàn)出差異性特征，在空間格局上具有非均勻分布的特點(diǎn)。如計(jì)量經(jīng)濟(jì)學(xué)中的空間異質(zhì)性可以用來(lái)描述不同區(qū)域經(jīng)濟(jì)行為在空間上的差異性[16]；③時(shí)空異質(zhì)性：指事物的某些特征在時(shí)間維度和空間維度均具有差異性。如地理學(xué)領(lǐng)域常使用時(shí)空異質(zhì)性來(lái)描述某些地理特征的時(shí)間演化特征和空間差異特征[17]；④時(shí)空分異規(guī)律：描述事物在時(shí)空維度的差異性特點(diǎn)和規(guī)律，即演化規(guī)律和分布規(guī)律。多用于地理學(xué)、生態(tài)學(xué)、農(nóng)學(xué)等學(xué)科領(lǐng)域中描述地理因素、生物在不同空間的分布特征及其隨時(shí)間的變化規(guī)律。在網(wǎng)絡(luò)輿情相關(guān)研究中，有不少學(xué)者關(guān)注到輿情信息隨時(shí)間的演化特征或在不同空間區(qū)域的分布特征，如輿情熱度、網(wǎng)民參與度、話題熱度、話題類型、網(wǎng)民情感等因素的動(dòng)態(tài)演化規(guī)律和地緣分布規(guī)律，這些因素的演化特征可能在不同空間區(qū)域表現(xiàn)出不同趨勢(shì)，空間分布特征也可能在不同時(shí)段呈現(xiàn)動(dòng)態(tài)變化，這種在時(shí)間維和空間維呈現(xiàn)的規(guī)律性差異特征可以用網(wǎng)絡(luò)輿情時(shí)空分異規(guī)律來(lái)描述和概括。因此，以上相關(guān)理論能夠支持本文關(guān)于重大傳染病疫情網(wǎng)絡(luò)輿情時(shí)空分異規(guī)律的探索。

2 研究框架與方法

2.1 研究框架

本文以南京新冠疫情事件為例，探究重大傳染病疫情情境下網(wǎng)絡(luò)輿情的時(shí)空分異規(guī)律，總體研究框架如圖1所示，包括數(shù)據(jù)采集層、數(shù)據(jù)處理層、數(shù)據(jù)分析層3個(gè)部分。

第一部分通過Python爬蟲代碼采集微博平臺(tái)重大傳染病疫情事件博文數(shù)據(jù)；第二部分對(duì)博文數(shù)據(jù)進(jìn)行清洗去重等預(yù)處理工作，增加重大傳染病疫情輿情事件詞表，對(duì)文本數(shù)據(jù)進(jìn)行分詞處理，并劃分?jǐn)?shù)據(jù)時(shí)空區(qū)域；第三部分從時(shí)間、空間、時(shí)空維度進(jìn)行數(shù)據(jù)分析，利用Top2Vec模型識(shí)別不同時(shí)空區(qū)域的主題進(jìn)行主題分析，借助SnowNLP計(jì)算不同時(shí)空區(qū)域的情感值實(shí)現(xiàn)情感分析，通過主題、情感在時(shí)間、空間上的分析，總結(jié)重大傳染病疫情情境下網(wǎng)絡(luò)輿情的時(shí)空分異規(guī)律。

2.2 研究方法與步驟

2.2.1 數(shù)據(jù)獲取與處理

2021年7月在南京暴發(fā)的新冠肺炎疫情是自武漢新冠疫情暴發(fā)以來(lái)首次影響大、傳播范圍廣、情況較為嚴(yán)重的國(guó)內(nèi)疫情反彈，是典型的重大傳染病疫情事件。因此，本文以南京新冠肺炎疫情事件為例，探討重大傳染病疫情情境下網(wǎng)絡(luò)輿情主題與情感的時(shí)空分異規(guī)律。

本文在微博平臺(tái)以“南京肺炎”“南京疫情”等作為關(guān)鍵詞獲取2021年7月19日—2021年8月21日的微博數(shù)據(jù)，數(shù)據(jù)內(nèi)容包含微博用戶名、用戶ID、發(fā)文時(shí)間、博文內(nèi)容、用戶IP屬地等信息，經(jīng)過清洗、去重和篩選，獲得數(shù)據(jù)共72 219條。

圖1 研究框架圖

2.2.2 時(shí)空區(qū)域劃分

網(wǎng)民對(duì)重大傳染病疫情輿情事件的關(guān)注度能很好地反映重大傳染病疫情事件輿情的發(fā)展階段，本文結(jié)合南京新冠疫情微博數(shù)據(jù)量與關(guān)鍵事件節(jié)點(diǎn)來(lái)劃分輿情周期。如圖2所示，此次輿情事件相關(guān)話題最早在2021年7月19日受到關(guān)注，成為輿情事件起點(diǎn)；2021年7月20日南京市官方通報(bào)新增新冠感染者9名，引發(fā)網(wǎng)友廣泛討論，推動(dòng)輿情進(jìn)入爆發(fā)期；隨著2021年7月30日南京官方公布本輪疫情源頭，輿情到達(dá)拐點(diǎn)進(jìn)入平穩(wěn)期；2021年8月9日南京本輪疫情首次實(shí)現(xiàn)零新增，輿情逐漸平息進(jìn)入恢復(fù)期。因此，本文將南京新冠疫情輿情劃分為起始期、爆發(fā)期、平穩(wěn)期、恢復(fù)期4個(gè)階段進(jìn)行后續(xù)分析。

圖2 輿情周期劃分

由于重大傳染病疫情具有傳染性，距疫情暴發(fā)中心越近的區(qū)域，其民眾將受到越直接的健康威脅，因此，與疫情暴發(fā)中心的地理距離是影響疫情傳播、輿情態(tài)勢(shì)和公眾心理的重要因素。本研究按照與疫情暴發(fā)中心南京市的地理空間距離，將數(shù)據(jù)劃分為南京地區(qū)、江蘇其他地區(qū)、江蘇接壤省市(安徽省、上海市、山東省和浙江省)以及全國(guó)其他省市4個(gè)區(qū)域，如表1所示，來(lái)探究不同時(shí)空區(qū)域民眾關(guān)注主題與情感的時(shí)空分異規(guī)律。

表1 空間區(qū)域劃分

2.2.3 主題識(shí)別

目前，應(yīng)用最為廣泛的主題識(shí)別方法有LDA(Latent Dirichlet Allocation)、PLSA(Probabilistic Latent Semantic Analysis)等方法，這些方法在網(wǎng)絡(luò)輿情主題識(shí)別研究中有較廣泛的使用，但仍存在一些不足。比如，為了達(dá)到最佳效果往往需要設(shè)置最優(yōu)主題數(shù)、自定義停用詞表、詞干提取和詞元化等，同時(shí)相關(guān)方法依賴于文檔的詞袋，忽略了詞的語(yǔ)義與排序。Top2Vec的提出很好地解決了上述問題，Top2Vec是一種分布式主題向量模型，通過聯(lián)合文檔和詞的語(yǔ)義嵌入來(lái)尋找主題向量，在語(yǔ)義空間中發(fā)現(xiàn)的文檔密集區(qū)的數(shù)量為主題數(shù)量，文檔密集區(qū)中心點(diǎn)為主題向量。密集區(qū)是由非常相似的文檔組成的區(qū)域，而中心點(diǎn)或主題向量是最能代表該區(qū)域的平均文檔。通過語(yǔ)義嵌入，尋找與每個(gè)主題向量最接近的詞向量，來(lái)找到最能代表主題向量的詞。Top2Vec模型產(chǎn)生聯(lián)合嵌入的主題、文檔和詞向量，它們之間的距離代表了語(yǔ)義相似性。整個(gè)過程無(wú)需自定義停用詞表、詞干提取和詞元化，而且能夠自動(dòng)得出話題數(shù)量，這是Top2Vec相比于傳統(tǒng)主題識(shí)別方法的最大優(yōu)勢(shì)。此外，研究表明Top2Vec發(fā)現(xiàn)的話題比LDA和PLSA發(fā)現(xiàn)的話題具有更大的信息量，對(duì)所訓(xùn)練的語(yǔ)料庫(kù)來(lái)說(shuō)更具代表性[18]。因此，本文使用Top2Vec主題識(shí)別方法提取各個(gè)時(shí)空區(qū)域的主題來(lái)進(jìn)行后續(xù)的主題分析。

2.2.4 情感計(jì)算

基于SnowNLP的文本情感分析是網(wǎng)絡(luò)輿情情感分析中的常用方法，SnowNLP的情感計(jì)算以樸素貝葉斯分類算法為基礎(chǔ)，在很多研究中已經(jīng)被證明效果顯著。為此，本文使用SnowNLP對(duì)不同時(shí)空區(qū)域數(shù)據(jù)進(jìn)行情感計(jì)算。SnowNLP算法假設(shè)文本特征詞之間相互獨(dú)立，并預(yù)測(cè)一個(gè)詞語(yǔ)屬于各個(gè)類別的后驗(yàn)概率值，最終將詞語(yǔ)歸入可能性最大的類別中。由于樸素貝葉斯分類會(huì)受到分類任務(wù)的影響，需要進(jìn)行提前訓(xùn)練，本文根據(jù)已標(biāo)注的正負(fù)傾向情感數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，完成訓(xùn)練的模型可以對(duì)數(shù)據(jù)的情感傾向類別進(jìn)行判斷，將屬于情感類別的概率作為其情感值，實(shí)現(xiàn)情感計(jì)算。由于情感值區(qū)間為[0,1]，為了方便比較，本文將情感值區(qū)間轉(zhuǎn)換為[-0.5,0.5]，情感值越接近-0.5表示該文本情感越消極，越接近0.5表示該文本情感越積極，以此刻畫重大傳染病疫情網(wǎng)絡(luò)輿情中民眾情感的演化規(guī)律。

3 研究結(jié)果

3.1 主題的時(shí)空分異情況

利用Top2Vec方法對(duì)各時(shí)空區(qū)域的微博主題進(jìn)行提取，得到不同時(shí)空區(qū)域的特征話題?？紤]到Top2Vec主題建模方法得到的主題中存在大量小眾主題，為減少小眾主題的影響，本文根據(jù)主題向量的余弦相似度識(shí)別相似主題并進(jìn)行主題合并，更新原有的主題展示，通過人工篩選和話題概括得到各時(shí)空區(qū)域特征話題。由于篇幅原因，每個(gè)時(shí)空區(qū)域選取兩個(gè)特征話題進(jìn)行展示，如表2所示。這些主題基本可以凝練為以下3種信息：對(duì)個(gè)人生活情況和自我情緒的表達(dá)、對(duì)疫情信息及其衍生話題的關(guān)注、對(duì)社會(huì)問題和制度的思考，因此，本文結(jié)合網(wǎng)絡(luò)輿情情感維度模型中情感焦點(diǎn)的概念[19](情感焦點(diǎn)指民眾在輿情活動(dòng)中對(duì)自己、他人和社會(huì)的聚焦與關(guān)注)，將網(wǎng)民關(guān)注的主題焦點(diǎn)概括指向自我、指向他人和指向社會(huì)3個(gè)層面：①指向自我：是指民眾發(fā)布信息的焦點(diǎn)在于自身，包括自身情緒的宣泄、自我需求的表達(dá)、個(gè)人生活的展示等內(nèi)容；②指向他人：是指話題信息的關(guān)注焦點(diǎn)指向外界事物，即對(duì)自身之外的人或事的關(guān)注與評(píng)價(jià)；③指向社會(huì)：是指由輿情事件引發(fā)的社會(huì)性話題，此類話題發(fā)布者往往具有較強(qiáng)的使命感或社會(huì)事物參與積極性，話題輻射范圍廣，沖擊力強(qiáng)，極易引起社會(huì)廣泛關(guān)注和情緒共鳴。

表2 不同時(shí)空區(qū)域民眾特征話題(部分)

表2(續(xù))

表2(續(xù))

3.1.1 主題的時(shí)間演化情況

表3展示了民眾熱點(diǎn)話題的主題焦點(diǎn)隨時(shí)間的演化情況。可以發(fā)現(xiàn)，在重大傳染病疫情輿情起始階段，民眾主題焦點(diǎn)以指向自我為主，熱點(diǎn)話題包括“表達(dá)個(gè)人情緒”“個(gè)人行程/生活受影響”等，也有部分熱點(diǎn)話題焦點(diǎn)為指向他人和指向社會(huì)，包括“關(guān)注疫情并祈禱平安”“對(duì)抗疫工作者表達(dá)感恩”等。在輿情爆發(fā)階段，除指向自我層面的熱點(diǎn)話題之外，也有一些指向他人層面的熱點(diǎn)話題，如“關(guān)注疫情并祈禱平安”“關(guān)注‘德爾塔’疫情信息”“關(guān)注疫苗信息”等，以及少部分指向社會(huì)的熱點(diǎn)話題，如“對(duì)抗疫工作者表達(dá)感恩”“關(guān)注社會(huì)工作管理問題”。在平穩(wěn)期，民眾主題的焦點(diǎn)以指向他人和指向社會(huì)層面為主，如“關(guān)注疫情衍生話題(如毛老太妨礙疫情防控)”，以及“社會(huì)工作管理問題”等指向社會(huì)層面的信息。在疫情輿情恢復(fù)期，民眾主題焦點(diǎn)以指向社會(huì)層面為主，包括“關(guān)注社會(huì)工作管理問題”“社會(huì)感人事跡”“對(duì)中醫(yī)的肯定”以及“對(duì)防疫工作的肯定”等?？傮w而言，隨著時(shí)間推移，民眾關(guān)注焦點(diǎn)呈現(xiàn)“指向自我→指向他人→指向社會(huì)”的趨勢(shì)。

表3 基于時(shí)間的主題焦點(diǎn)演化過程

3.1.2 主題的空間分布情況

表4展示了民眾熱點(diǎn)話題的主題焦點(diǎn)在空間上的分布情況?？梢园l(fā)現(xiàn)，南京市民眾主題焦點(diǎn)以指向自我為主，熱點(diǎn)話題包括“表達(dá)個(gè)人情緒”“個(gè)人行程/生活受影響”，也有少部分熱點(diǎn)話題焦點(diǎn)為指向他人和指向社會(huì)，如“關(guān)注疫情衍生話題(如毛老太妨礙疫情防控)”等指向他人層面的信息，“對(duì)抗疫工作者表達(dá)感恩”等指向社會(huì)層面的信息。江蘇省其他地區(qū)，除了指向自我層面的熱點(diǎn)話題外，也出現(xiàn)不少指向他人層面的熱點(diǎn)話題，如“關(guān)注疫情并祈禱平安”“關(guān)注‘德爾塔’疫情信息”“關(guān)注疫情衍生話題(如毛老太妨礙疫情防控)”“關(guān)注疫情相關(guān)信息(如高速路口通行信息)”等，還有部分指向社會(huì)的熱點(diǎn)話題，如“關(guān)注社會(huì)工作管理問題”。在江蘇省接壤省市，民眾主題焦點(diǎn)除了指向自

表4 基于空間的主題焦點(diǎn)演化過程

我和指向他人層面之外，還有指向社會(huì)層面的熱點(diǎn)話題，如“關(guān)注社會(huì)工作管理問題”“社會(huì)感人事跡”等。在全國(guó)其他省市，民眾關(guān)注的主題焦點(diǎn)以指向他人和指向社會(huì)為主，尤其是指向社會(huì)層面的熱點(diǎn)話題，如“關(guān)注社會(huì)工作管理問題”“對(duì)我國(guó)疫情防控工作的肯定”“對(duì)中醫(yī)的肯定”等信息?？傊?，隨著與疫情中心距離的增加，民眾關(guān)注焦點(diǎn)呈現(xiàn)“指向自我→指向他人→指向社會(huì)”的趨勢(shì)。

3.1.3 主題的時(shí)空分異規(guī)律

可以發(fā)現(xiàn)，在不同輿情階段中，不同地區(qū)熱點(diǎn)話題的主題焦點(diǎn)上也表現(xiàn)出一定傾向性。在起始期，南京市民眾熱點(diǎn)話題的焦點(diǎn)以指向自我層面為主，表達(dá)個(gè)人情緒以及行程或生活受到影響等個(gè)人感受，其他地區(qū)主題焦點(diǎn)除了表達(dá)個(gè)人情緒等指向自我層面的熱點(diǎn)話題外，還包括“關(guān)注疫情并祈禱平安”等指向他人層面的熱點(diǎn)話題。在爆發(fā)期，南京市與江蘇省其他地區(qū)民眾以指向自我的熱點(diǎn)話題為主，江蘇省接壤省市和全國(guó)其他地區(qū)的民眾以指向他人和指向社會(huì)層面的熱點(diǎn)話題為主。在平穩(wěn)期，南京市有部分指向自我層面的熱點(diǎn)話題，其他3個(gè)地區(qū)關(guān)注焦點(diǎn)均為指向他人和指向社會(huì)層面。在恢復(fù)期，隨著與疫情中心距離的增加，民眾越來(lái)越傾向于對(duì)指向社會(huì)層面熱點(diǎn)話題的關(guān)注，如江蘇省其他地區(qū)“關(guān)注社會(huì)工作管理問題”、江蘇接壤省市對(duì)“社會(huì)感人事跡”的關(guān)注、全國(guó)其他省市“對(duì)防疫工作的肯定”和“對(duì)中醫(yī)的肯定”等信息。

總之，在重大傳染病疫情輿情中，民眾的關(guān)注焦點(diǎn)在時(shí)空上符合隨時(shí)間推移或距離增加，民眾關(guān)注話題呈現(xiàn)“指向自我→指向他人→指向社會(huì)”的趨勢(shì)。

3.2 情感的時(shí)空分異情況

3.2.1 情感的時(shí)間演進(jìn)情況

圖3展示了民眾情感值隨時(shí)間的演進(jìn)情況?？梢园l(fā)現(xiàn)，在重大傳染病疫情情境下，民眾情感值在時(shí)間上總體呈遞增趨勢(shì)，這表明民眾情感隨時(shí)間推移越來(lái)越趨向積極。這可以用未知恐懼心理進(jìn)行解釋。在疫情起始期，民眾對(duì)疫情信息掌握較少，存在一定程度的未知恐懼心理，基于前文的表2可以發(fā)現(xiàn)，網(wǎng)民在輿情起始期、爆發(fā)期，有較多表達(dá)擔(dān)憂、害怕、焦慮等情緒的話題，隨著時(shí)間推移，民眾掌握了越來(lái)越多的信息，對(duì)疫情及其風(fēng)險(xiǎn)有了更清晰的認(rèn)知，未知恐懼心理逐漸被克服。此外，隨著時(shí)間推移，疫情態(tài)勢(shì)逐漸明朗，在科學(xué)合理的防疫措施下，疫情形勢(shì)逐漸平穩(wěn)，因此民眾情感也逐漸趨向積極。

圖3 情感值隨時(shí)間的演進(jìn)情況

3.2.2 情感的空間分布情況

圖4展示了民眾情感值在空間上的分布情況，可以發(fā)現(xiàn)，隨著與疫情中心南京市距離的增加，民眾情感值總體呈遞增趨勢(shì)，這在一定程度反映出民眾情感在空間上具有“漣漪效應(yīng)”的特點(diǎn)?！皾i漪效應(yīng)”是指越接近災(zāi)難事件的中心區(qū)域，人們對(duì)災(zāi)難事件的風(fēng)險(xiǎn)認(rèn)知和負(fù)性情緒越高[20]。災(zāi)難事件的發(fā)生好比將一塊石頭投入湖水中，被石頭砸中的一點(diǎn)波動(dòng)最大，隨著與中心點(diǎn)距離的增加，波動(dòng)逐漸降低，形成一圈圈“漣漪”。

圖4 情感值在空間的分布情況

這一現(xiàn)象可以通過稟賦效應(yīng)來(lái)理解，稟賦效應(yīng)是指事件本身的性質(zhì)或內(nèi)容對(duì)民眾當(dāng)前心理狀態(tài)產(chǎn)生的直接影響[20]。當(dāng)重大傳染病疫情發(fā)生后，疫情中心地民眾與病毒有最直接的接觸風(fēng)險(xiǎn)，生命健康受到最直接的威脅，生活也首當(dāng)其沖受到最大的影響，強(qiáng)烈的稟賦效應(yīng)使疫情中心市民眾擁有較高的自我卷入，因此負(fù)性情緒較強(qiáng)烈，情感值最低。基于前文的表2特征話題可以發(fā)現(xiàn)，南京市民眾有較多表達(dá)害怕、焦慮等情緒，行程或生活受到影響的話題。隨著與疫情中心距離的增加，人們與病毒的直接接觸風(fēng)險(xiǎn)逐漸變小，感染風(fēng)險(xiǎn)相對(duì)減小，因此民眾負(fù)性情感逐漸減少，情感值逐漸增加。

3.2.3 情感的時(shí)空分異規(guī)律

圖5展示了不同時(shí)期不同區(qū)域民眾情感值的分布情況?？梢园l(fā)現(xiàn)，在時(shí)間上，隨著時(shí)間推移，除江蘇省其他地區(qū)外，其余各區(qū)域民眾情感值基本符合逐漸遞增的積極趨勢(shì)；在空間上，在起始期與爆發(fā)期，民眾情感值基本符合“漣漪效應(yīng)”的特點(diǎn)，在平穩(wěn)期，江蘇省其他地區(qū)民眾情感值最低，在恢復(fù)期，各地區(qū)民眾情感值均保持較高的水平，整體相差較小。

圖5 情感值的時(shí)空分布情況

需要指出的是，江蘇省其他地區(qū)情感值的演變具有一定的特殊性和復(fù)雜性。江蘇省其他地區(qū)在此次重大傳染病疫情中是除南京市以外距離疫情暴發(fā)中心最近的區(qū)域，屬于重大傳染病疫情的邊緣帶地區(qū)，相比于江蘇省接壤省市和全國(guó)其他省市等重大傳染病疫情外圍地區(qū)，邊緣帶地區(qū)受到疫情外溢影響的可能性最大。在疫情未波及自身時(shí)，邊緣帶地區(qū)民眾處于旁觀者視角，當(dāng)疫情外溢波及自身時(shí)，邊緣帶地區(qū)民眾處于當(dāng)事人視角。比如在南京疫情平穩(wěn)期時(shí)，疫情發(fā)生外溢，蔓延至江蘇省其他地區(qū)，此時(shí)對(duì)于江蘇省其他地區(qū)民眾來(lái)說(shuō)，相當(dāng)于處于疫情嚴(yán)重的爆發(fā)期，疫情感染風(fēng)險(xiǎn)驟增，民眾生活受到了直接影響，該地區(qū)民眾處于當(dāng)事人視角，強(qiáng)烈的稟賦效應(yīng)使該地區(qū)民眾會(huì)產(chǎn)生焦慮、恐懼等強(qiáng)烈的負(fù)性情緒。此外，基于前文表2可以發(fā)現(xiàn)，平穩(wěn)期“毛老太妨礙疫情防控”這一衍生話題引發(fā)大量討論，該事件本身具有較強(qiáng)烈的負(fù)面性質(zhì)，且江蘇省其他地區(qū)是該事件中受影響的涉事地區(qū)，這也可能是導(dǎo)致江蘇省其他地區(qū)民眾在平穩(wěn)期情感值較低的原因。因此可以看出，在本次事件網(wǎng)絡(luò)輿情時(shí)空演化中，邊緣帶地區(qū)情感具有一定的特殊性和復(fù)雜性。

4 結(jié)論對(duì)策與展望

本文以特定的重大傳染病疫情事件為例，從主題與情感兩個(gè)角度探討重大傳染病疫情情境下具有普適性的網(wǎng)絡(luò)輿情的時(shí)空分異規(guī)律，得出以下結(jié)論：

1)主題方面，不同時(shí)空區(qū)域民眾關(guān)注焦點(diǎn)具有不同的傾向。在時(shí)間上，起始期民眾的關(guān)注焦點(diǎn)傾向于“指向自我”層面，隨時(shí)間推移呈現(xiàn)“指向自我→指向他人→指向社會(huì)”的趨勢(shì)。在空間上，疫情中心地區(qū)民眾的關(guān)注焦點(diǎn)傾向于“指向自我”層面，隨著地理距離的增加呈現(xiàn)“指向自我→指向他人→指向社會(huì)”的趨勢(shì)。

2)情感方面，在時(shí)間上，隨著時(shí)間推移，民眾情感值逐漸遞增，民眾情感總體呈現(xiàn)積極態(tài)勢(shì)。在空間上，民眾情感基本符合“漣漪效應(yīng)”，即隨著與疫情中心距離的增加，民眾情感總體呈遞增趨勢(shì)。此外，邊緣帶地區(qū)的情感演化具有一定的特殊性和復(fù)雜性。

基于本文的研究發(fā)現(xiàn)，本文就重大傳染病疫情相關(guān)領(lǐng)域的輿情管控等提出以下建議：①?gòu)拿癖婈P(guān)注焦點(diǎn)的時(shí)間演化特征來(lái)看：相關(guān)部門在輿情初期應(yīng)關(guān)注民眾自我層面的需求，如心理健康和生活需求，輿情中期時(shí)應(yīng)警惕輿情負(fù)面衍生話題的不良影響，輿情后期時(shí)應(yīng)重視社會(huì)層面的群體意見和社會(huì)訴求，防止因民意未妥善處理引發(fā)的社會(huì)情緒和社會(huì)風(fēng)險(xiǎn)；②從民眾關(guān)注焦點(diǎn)的空間分布特征來(lái)看：相關(guān)部門應(yīng)重視疫情中心地區(qū)民眾自我層面的需求，監(jiān)測(cè)其他地區(qū)負(fù)面衍生話題的發(fā)酵情況，以及民眾關(guān)注熱點(diǎn)和群體訴求；③從民眾情感的時(shí)間演化特征來(lái)看：相關(guān)部門應(yīng)加強(qiáng)對(duì)輿情初期社會(huì)情緒的引導(dǎo)和疏散，及時(shí)科普疫情信息，減緩個(gè)體未知恐懼心理引發(fā)的負(fù)面情緒；④從民眾情感空間“漣漪效應(yīng)”來(lái)看：相關(guān)部門應(yīng)針對(duì)不同區(qū)域?qū)嵭蟹謱哟蔚妮浨楣芸夭呗?，比如重點(diǎn)關(guān)注疫情中心地區(qū)的社會(huì)情緒，及時(shí)安撫疫情中心地區(qū)民眾的恐懼、焦慮心理，同時(shí)也要關(guān)注邊緣帶地區(qū)民眾情緒特征，防止疫情外溢及其負(fù)面衍生事件造成邊緣帶地區(qū)民眾的負(fù)面社會(huì)情緒。

本文利用社交媒體時(shí)空數(shù)據(jù)，結(jié)合時(shí)間、空間、主題、情感維度探討了不同時(shí)空區(qū)域民眾主題與情感的演化特征和分布差異，總結(jié)了重大傳染病疫情情境下網(wǎng)絡(luò)輿情的時(shí)空分異規(guī)律，對(duì)政府在重大傳染病疫情事件網(wǎng)絡(luò)輿情中的群體意見挖掘、社會(huì)情緒引導(dǎo)和風(fēng)險(xiǎn)防控方面具有一定參考價(jià)值。本文僅以南京疫情為例對(duì)重大傳染病疫情情境下網(wǎng)絡(luò)輿情的時(shí)空分異規(guī)律進(jìn)行總結(jié)，可能存在一定不足與局限性，未來(lái)可以選擇多個(gè)重大傳染病疫情輿情事件進(jìn)行進(jìn)一步探討與總結(jié)。隨著微博“IP透明時(shí)代”的到來(lái)，用戶IP屬地的公示為社交媒體數(shù)據(jù)賦予了更精確的時(shí)空屬性，也是未來(lái)研究重大傳染病疫情網(wǎng)絡(luò)輿情時(shí)空規(guī)律的重要方向。