汪 婧, 郭楚晴

(1.福州大學(xué) 經(jīng)濟與管理學(xué)院,福建 福州 350108; 2.福建省應(yīng)急管理研究中心,福建 福州 350108)

0 引言

隨著社會經(jīng)濟的不斷發(fā)展，社會風(fēng)險驟增，風(fēng)險信息也隨之增加，公眾容易產(chǎn)生不確定性等復(fù)雜的感知，而這些風(fēng)險感知通過社會公眾的心理反應(yīng)和交往活動不斷傳播從而推動了社會風(fēng)險擴大化。風(fēng)險信息擴散會影響公眾的風(fēng)險感知，而風(fēng)險感知是公眾在突發(fā)事件中影響公眾行為反應(yīng)并進行風(fēng)險傳播的關(guān)鍵因素。研究公眾風(fēng)險感知和風(fēng)險傳播相關(guān)問題能夠幫助有關(guān)部門掌握公眾風(fēng)險感知發(fā)展規(guī)律，調(diào)節(jié)公眾風(fēng)險感知水平，從而更有效地發(fā)揮應(yīng)急管理機制的作用。

以往關(guān)于風(fēng)險感知的研究多以“影響因素——風(fēng)險感知水平”為路徑，探討風(fēng)險信息[1]、媒介[2]、公眾個體屬性[3]、群體態(tài)度[4]、情緒[5]、態(tài)度[6]等因素對風(fēng)險感知的影響，具體的研究方法多以實證案例、統(tǒng)計分析為主[7～9]。

隨著研究的深入以及信息時代的到來，越來越多的學(xué)者開始考慮風(fēng)險信息對于風(fēng)險感知的影響，利用ABMS方法[10]、非線性模糊規(guī)劃模型[11]、BASS模型[12]等探討突發(fā)事件中風(fēng)險信息擴散對公眾風(fēng)險感知的影響。因為風(fēng)險信息傳播與疾病傳染具有極大的相似性，傳染病模型也被廣泛應(yīng)用。例如有學(xué)者基于傳染病模型構(gòu)建風(fēng)險傳播動力學(xué)模型[13]、知識擴散模型[14]，以及探究異質(zhì)企業(yè)知識傳播機理[15]等。如魏靜等通過改進的SIR模型，研究了考慮情緒的風(fēng)險信息傳播[16]。趙海峰等基于改進SIS模型，提出應(yīng)急信息傳播效率會影響公眾的風(fēng)險感知并導(dǎo)致恐慌情緒的傳播[17]。

以上研究為風(fēng)險感知和風(fēng)險傳播的研究奠定了理論基礎(chǔ)，但多數(shù)研究是從宏觀的角度探討和研究風(fēng)險感知的影響因素，忽略了微觀主體間的相互作用以及風(fēng)險感知對于風(fēng)險傳播行為的影響。也有學(xué)者開始考慮風(fēng)險信息和風(fēng)險感知之間的相互作用，研究風(fēng)險的傳播行為，提出公眾的風(fēng)險感知會通過提高其安全意識而減少風(fēng)險行為[18]。公眾較高的風(fēng)險感知會導(dǎo)致突發(fā)事件次生災(zāi)害發(fā)生[19]。但是對于兩者相互作用的深入研究仍較缺乏。

為此，本文從風(fēng)險感知和風(fēng)險傳播的相互作用角度出發(fā)，考慮突發(fā)事件中公眾由于風(fēng)險信息擴散導(dǎo)致的風(fēng)險感知變化，分析風(fēng)險感知與風(fēng)險傳播行為之間的路徑關(guān)系。引入改進SEIR模型，構(gòu)建基于微分方程的風(fēng)險傳播模型，結(jié)合仿真實驗和實證分析，進一步得出不同影響因素作用下風(fēng)險感知變化對風(fēng)險傳播過程的影響。以期為有關(guān)部門調(diào)節(jié)公眾風(fēng)險感知，制定管控風(fēng)險的相關(guān)措施提供理論依據(jù)。

1 考慮公眾風(fēng)險感知的風(fēng)險傳播行為

當(dāng)風(fēng)險感知一旦超出可承受范圍時，公眾會提高風(fēng)險信息敏感度和需求量，從而提高風(fēng)險傳播行為的活躍性，造成風(fēng)險擴大化現(xiàn)象。風(fēng)險感知水平不同，公眾的風(fēng)險傳播行為也會產(chǎn)生變化。因此，本文從媒體行為、群體風(fēng)險感知水平、個人風(fēng)險知識水平三個層面研究突發(fā)事件中公眾風(fēng)險感知的影響因素，進一步探討不同影響因素下公眾風(fēng)險傳播行為變化。

傳播行為包括獲取行為，還包括篩選、共享等多種行為。本文引入SEIR模型對公眾風(fēng)險傳播過程進行建模分析，在突發(fā)事件風(fēng)險傳播過程中，存在未知者通過各種渠道尋求或者被動獲得外部信源，即所謂信息尋求行為；存在潛伏者根據(jù)自己的觀感和判斷對信息進行篩選和過濾，即所謂的信息篩選行為；存在傳播者感知到風(fēng)險并對風(fēng)險信息進行傳播和共享行為，從而影響他人的風(fēng)險感知，即所謂的信息傳播行為；存在免疫者不再相信風(fēng)險信息有效性，即信息免疫行為。

圖1 研究框架

基于此，本文建構(gòu)風(fēng)險信息、風(fēng)險感知和傳播行為研究框架如圖1所示，通過探究三者之間的路徑關(guān)系，研究不同影響因素作用下公眾風(fēng)險感知的變化與風(fēng)險傳播行為變化。

2 基于SEIR的突發(fā)事件風(fēng)險傳播模型構(gòu)建

突發(fā)事件風(fēng)險傳播過程具有傳染病傳播過程的特征，存在一定的風(fēng)險源和傳染介質(zhì)，可以利用SEIR模型分析和模擬突發(fā)事件風(fēng)險傳播過程?；谝陨戏治?，本文通過改進SEIR模型構(gòu)建風(fēng)險傳播模型，如圖2所示，將系統(tǒng)人群分為：未知者S、潛伏者E、傳播者I、免疫者R。

圖2 突發(fā)事件風(fēng)險傳播模型

其中：a.當(dāng)未知者S與潛伏者E接觸時，會以概率μ轉(zhuǎn)為潛伏者，另一部分未知者S與傳播者I接觸時則會以概率α被感染為傳播者；b.存在風(fēng)險閾值θ，當(dāng)潛伏者的風(fēng)險感知水平超過風(fēng)險閾值θ就會進行風(fēng)險傳播，成為傳播者；c.潛伏者會以移入率β轉(zhuǎn)變?yōu)閭鞑フ?；d.傳播者會因為官方辟謠等原因降低風(fēng)險感知水平以概率變?yōu)槊庖哒?；e.單位時間內(nèi)進入系統(tǒng)內(nèi)的人數(shù)為d1N，免疫人群退出系統(tǒng)的數(shù)量為d2R。

2.1 參數(shù)設(shè)置

構(gòu)建帶有潛伏期的風(fēng)險傳播SEIR模型，本文提出以下假設(shè)：

(1)總節(jié)點數(shù)N不變，假設(shè)為1，將系統(tǒng)人群分為未知者S，潛伏者E、傳播者I和免疫者R，時刻t這四類人具有S(t)+E(t)+I(t)+R(t)=1。為了保持系統(tǒng)總節(jié)點數(shù)N不變，假定單位時間內(nèi)進入系統(tǒng)的人群和退出系統(tǒng)的人群數(shù)量相等，則有d1N=d2R。

(3)假設(shè)存在風(fēng)險閾值θ，潛伏者所具有的風(fēng)險感知達到一定程度時，即超過風(fēng)險閾值時就會成為風(fēng)險的傳播者。根據(jù)情緒感染理論，考慮到公眾所受相反的情感信息刺激達到一定程度時會改變情感態(tài)度，因此潛伏者的風(fēng)險感知水平會受到群體風(fēng)險感知水平ε的影響。

在以上假設(shè)的基礎(chǔ)上，構(gòu)建突發(fā)事件風(fēng)險傳播模型，其微分方程(1)如下:

(1)

2.2 模型的平衡點及穩(wěn)定性分析

由S+E+I+R=1可得風(fēng)險傳播模型的微分方程(2)如下:

(2)

(1)平衡點分析

(2)穩(wěn)定性分析

對風(fēng)險消除平衡點P0進行Jacobian矩陣計算，通過計算求得3個特征根為:

由于α,β,γ,d的取值范圍都是(0,1]，因此，計算可知，所有特征根都為負，由此表明風(fēng)險傳播消除平衡點是全局漸進穩(wěn)定的。

同理可知，通過Jacobian矩陣計算可知，P*點上所有特征根都為負，由此表明突發(fā)事件風(fēng)險傳播過程中風(fēng)險傳播正平衡點(S*,E*,I*,R*)是全局漸進穩(wěn)定的。因此通過風(fēng)險傳播模型的平衡點和穩(wěn)定性分析可以看出，當(dāng)公眾的風(fēng)險感知超過了其風(fēng)險閾值θ時將出現(xiàn)風(fēng)險傳播行為，并且對系統(tǒng)中的其他人群造成一定的影響。

3 仿真驗證和實證分析

3.1 參數(shù)設(shè)計

為了使底層網(wǎng)絡(luò)更貼近突發(fā)事件的實際情況，本文通過將BA無標度網(wǎng)絡(luò)和WS小世界網(wǎng)絡(luò)的傳播者節(jié)點仿真變化與實際情況的變化趨勢對比分析，來選擇更適合的仿真底層網(wǎng)絡(luò)，如圖3所示。

圖3 WS、BA仿真網(wǎng)絡(luò)和真實數(shù)據(jù)對比

本文真實數(shù)據(jù)以搶購雙黃連事件為例，以“搶購雙黃連”為關(guān)鍵字，在新浪微博門戶網(wǎng)頁爬取了2020年1月30日至2020年2月29日的實時微博。仿真表明，結(jié)論不會因為網(wǎng)絡(luò)中總節(jié)點的設(shè)計不同產(chǎn)生影響。因此，本文在仿真過程中將網(wǎng)絡(luò)總節(jié)點數(shù)設(shè)為N=1000，初始節(jié)點數(shù)m0=5，每引入一個節(jié)點生成最小邊數(shù)m=3。結(jié)合相關(guān)文獻，將初始參數(shù)值設(shè)置如下α=0.6、β=0.6、μ=0.2、γ=0.1，各參數(shù)本質(zhì)都為概率，因此取值范圍都為0到1之間。圖3可見，BA無標度網(wǎng)絡(luò)更貼近于真實數(shù)據(jù)的變化趨勢，因此本文選取BA無標度網(wǎng)絡(luò)作為仿真底層網(wǎng)絡(luò)。

3.2 仿真結(jié)果分析

3.2.1 媒體報道力度的影響分析

圖4和圖5為不同媒體報道因素q及感染概率α取不同值對未知者人數(shù)、傳播者人數(shù)的作用。該節(jié)感染概率α分別取0.2、0.4、0.6、0.9，媒體報道力度分別取0.1、0.3、0.5、0.7、0.9。

當(dāng)感染概率α=0.3時，在事件前期，媒體報道力度水平越高，未知者節(jié)點密度下降的速度越快。事件中后期，媒體報道力度水平越低，未知者節(jié)點密度下降的速度越快。此時，媒體報道水平對于傳播者節(jié)點密度峰值的影響并沒有出現(xiàn)相似的變化。

圖4 未知者節(jié)點密度變化曲線

圖5 傳播者節(jié)點密度變化曲線

當(dāng)感染概率α<0.3時，媒體報道力度高時的未知者節(jié)點密度相較于在媒體報道力度低時減少的速度更緩慢，并且未知者節(jié)點密度開始下降的時間更晚；傳播者節(jié)點密度峰值更低，時間更晚。當(dāng)感染概率α>0.3時，媒體報道力度q越高，未知者節(jié)點密度減少的速度更快且開始減少的時間更早，有更多的未知者節(jié)點狀態(tài)發(fā)生轉(zhuǎn)變；同時傳播者節(jié)點密度峰值更高。在媒體報道水平q相同的情況下，感染概率越高，未知者節(jié)點密度減少的更慢，未知者節(jié)點密度開始減少的時間更晚。當(dāng)感染概率較低時，媒體報道力度越低，易引起公眾對于這一存在的感染事實產(chǎn)生猜測，公眾的風(fēng)險感知程度會更高。而當(dāng)感染概率較高時，媒體報道力度越高，公眾的風(fēng)險感知水平越高。

3.2.2 群體風(fēng)險感知水平的影響分析

突發(fā)事件發(fā)生時，感染概率高會導(dǎo)致當(dāng)前群體風(fēng)險感知水平較高。此外，初始傳播節(jié)點數(shù)量大說明當(dāng)前群體風(fēng)險感知水平較高。圖6和圖7展示了當(dāng)初始傳播節(jié)點分別為P=1和P=100時，感染概率不同的情況即群體風(fēng)險感知水平不同時對四類節(jié)點數(shù)的作用曲線圖。

圖6 p=1時群體風(fēng)險感知度不同時各節(jié)點密度

圖7 p=100時群體風(fēng)險感知度不同時各節(jié)點密度

圖8 μ=0.2個人風(fēng)險知識水平不同下各節(jié)點密度

圖9 μ=0.5個人風(fēng)險知識水平不同下各節(jié)點密度

圖10 μ=0.9個人風(fēng)險知識水平不同下各節(jié)點密度

該節(jié)感染概率α分別取0.1、0.4、0.6、0.9；初始傳播節(jié)點數(shù)p分別設(shè)置為1、100。如圖所示，在突發(fā)事件中，當(dāng)初始傳播節(jié)點較大或感染概率較高時，群體風(fēng)險感知水平高，公眾所能承受的風(fēng)險閾值更容易被突破，風(fēng)險傳播者數(shù)量增加，增加了對潛伏類人群的喚醒數(shù)量，潛伏者到傳播者的轉(zhuǎn)化過程所需時間更少，導(dǎo)致突發(fā)事件次生事件的爆發(fā)所需時間更少。因為在突發(fā)事件爆發(fā)的過程中，由于信息的不全面，人們對感知到的風(fēng)險所能帶來的結(jié)果是難以估計的，自身風(fēng)險感知水平低的公眾也更容易將周圍群體的集體風(fēng)險感知水平作為行動決策的依據(jù)，產(chǎn)生從眾效應(yīng)。

3.2.3 個人風(fēng)險知識水平的影響分析

圖8～10是感染為潛伏者的概率不同時，個人所具備的風(fēng)險知識水平不同時對四種節(jié)點數(shù)的作用曲線圖。該節(jié)感染為潛伏者的概率分別取0.2、0.5、0.9，個人風(fēng)險知識水平ω分別取0.1、0.3、0.6、0.9。

如圖所示，在感染概率一定的情況下，當(dāng)個人風(fēng)險知識水平ω較低時，未知者與免疫者交匯和平衡時間更早，潛伏者節(jié)點到傳播者節(jié)點的轉(zhuǎn)化過程所需時間更少，傳播者節(jié)點密度峰值與潛伏者節(jié)點密度峰值相比更高。而當(dāng)個人風(fēng)險知識水平ω較高時，潛伏者節(jié)點密度峰值與傳播者節(jié)點密度峰值相比更高，有更少的潛伏者節(jié)點狀態(tài)發(fā)生改變，導(dǎo)致突發(fā)事件次生事件的爆發(fā)的可能性降低。因為當(dāng)個人風(fēng)險知識水平較低時，難以對海量的風(fēng)險信息進行正確的判斷，個人感知到突發(fā)事件的風(fēng)險閾值就隨之降低，容易在突發(fā)事件中產(chǎn)生恐慌和焦慮，個人風(fēng)險閾值更容易突破從而導(dǎo)致風(fēng)險在公眾之間傳播。而當(dāng)個人風(fēng)險知識水平較高時，容易對突發(fā)事件有更高的風(fēng)險感知，因此潛伏類人群數(shù)量更多，但是與此同時風(fēng)險知識水平高的個體自身風(fēng)險傳播閾值更高，不容易成為風(fēng)險傳播者。

3.3 實證分析

為了驗證風(fēng)險傳播模型的合理性，本文以2020年1月31日“搶購雙黃連”事件為例進行實證分析。選取轉(zhuǎn)發(fā)時間為2020年1月31日23時至2月1日12時的微博共計17235條，如圖11所示。通過人工判定的方式將源博文的轉(zhuǎn)發(fā)鏈數(shù)據(jù)進行編碼處理，基于微博語料分析判斷轉(zhuǎn)發(fā)者的態(tài)度和風(fēng)險感知水平。相信輿論的公眾會擔(dān)心購買不到雙黃連而使風(fēng)險感知水平劇增，不相信的公眾會保持相對低的風(fēng)險感知水平。基于此，本文將搜集到的微博語料主要分為“相信”(風(fēng)險感知水平高)和“不相信”(風(fēng)險感知水平低)兩大類。

可見，在源博文發(fā)表初期多數(shù)人持有相信的態(tài)度，導(dǎo)致有更多的未知者S和潛伏者E轉(zhuǎn)變?yōu)閭鞑フ逫，從而產(chǎn)生了搶購雙黃連的不理性行為。而隨著2月1日早上相關(guān)辟謠微博的發(fā)表，公眾的風(fēng)險感知水平降低，更多的傳播者I轉(zhuǎn)變?yōu)榱嗣庖哒逺，搶購事件的整體過程符合本文風(fēng)險傳播模型的結(jié)構(gòu)特征，因此在一定程度上可以有效證明模型的有效性和合理性。

圖11 源博文轉(zhuǎn)發(fā)態(tài)度隨時間變化圖

為了更好地驗證模型的仿真結(jié)果，本文使用Gephi軟件對通過微博實現(xiàn)的風(fēng)險傳播網(wǎng)絡(luò)進行可視化呈現(xiàn)。如圖12(a)所示，以兩種類型節(jié)點進行分割，其中粉色節(jié)點表示相信的人群即風(fēng)險感知水平高，綠色節(jié)點表示風(fēng)險感知水平低的人。在源博文發(fā)表五分鐘后，風(fēng)險感知水平高的節(jié)點占比為68.83%，風(fēng)險感知水平低的節(jié)點占比為31.17%，環(huán)繞在中心節(jié)點周圍的一級轉(zhuǎn)發(fā)節(jié)點大多數(shù)呈現(xiàn)風(fēng)險感知水平高的狀態(tài)。而當(dāng)源博文發(fā)表一小時后，媒體報道量迅速增加，公眾的風(fēng)險感知水平也隨之增加。圖12(b)中隨著時間增加，發(fā)現(xiàn)在傳播網(wǎng)絡(luò)中出現(xiàn)更多的扇形結(jié)構(gòu)和鏈狀結(jié)構(gòu)，在傳播中具有影響力的傳播節(jié)點增加，同時風(fēng)險感知水平高的節(jié)點占比提高為82.07%，風(fēng)險感知水平低的節(jié)點占比為17.93%。因此，驗證了仿真實驗中媒體報道力度對公眾的風(fēng)險感知水平具有一定的影響的結(jié)論。

由圖12可見，當(dāng)傳播網(wǎng)絡(luò)整體的風(fēng)險感知水平提高，個體的風(fēng)險感知水平也不斷提高。此時，風(fēng)險感知水平高的節(jié)點占比從68.83%提高到了82.07%。

另在源博文發(fā)表一小時后的二級轉(zhuǎn)發(fā)的扇形結(jié)構(gòu)中，風(fēng)險感知水平呈現(xiàn)群體化差異，如圖13(a)所示，扇形結(jié)構(gòu)中的大多數(shù)個體的風(fēng)險感知水平與扇形結(jié)構(gòu)群體的風(fēng)險感知水平一致，因此，驗證了仿真實驗中群體風(fēng)險感知水平會對個體的風(fēng)險感知水平產(chǎn)生一定影響。同時，在圖13(b)中，可以發(fā)現(xiàn)辟謠4小時后的風(fēng)險傳播網(wǎng)絡(luò)整體呈現(xiàn)風(fēng)險感知水平低的狀態(tài)，辟謠的同時也提高了公眾的風(fēng)險知識水平，大多數(shù)人不再相信謠言并且停止了搶購雙黃連行為。因此，驗證了當(dāng)個體的風(fēng)險知識水平提高，能夠有效提高風(fēng)險傳播閾值，從而減少風(fēng)險傳播行為。

圖12 發(fā)表五分鐘后傳播網(wǎng)絡(luò)節(jié)點分布

圖13 辟謠前后傳播網(wǎng)絡(luò)節(jié)點結(jié)構(gòu)對比圖

3.4 結(jié)果分析

本文的仿真結(jié)果和實證分析不僅表明模型能夠合理的描述突發(fā)事件公眾風(fēng)險傳播的動態(tài)過程還得到了以下結(jié)果：

(1)通過以上模型的分析，可以看出存在風(fēng)險傳播閾值θ，當(dāng)潛伏者所具有的風(fēng)險感知達到一定程度時，即超過風(fēng)險閾值時就會成為風(fēng)險傳播者。因此突發(fā)事件的風(fēng)險防控可通過把控風(fēng)險傳播者風(fēng)險閾值來提高風(fēng)險控制效性。

(2)媒體報道水平q在突發(fā)事件的不同階段對公眾的風(fēng)險感知水平產(chǎn)生了差異性影響。我們發(fā)現(xiàn)，當(dāng)感染概率不同時，媒體報道力度對于未知者節(jié)點以及傳播者節(jié)點的影響存在一定差異。當(dāng)感染概率較高時，媒體報道力度越大，公眾的風(fēng)險感知水平越高；而當(dāng)感染概率較低時，情況就正好相反。

(3)群體風(fēng)險感知水平會對個人自身的風(fēng)險感知水平產(chǎn)生一定影響，從而影響個體的對于風(fēng)險信息的理解并可能導(dǎo)致出現(xiàn)風(fēng)險傳播行為。在突發(fā)事件發(fā)生初期有關(guān)部門在處理突發(fā)事件的過程中，有關(guān)部門需要建立完備的信息公開機制，多渠道及時公開信息，減少初始傳播節(jié)點數(shù)，從而降低群體風(fēng)險感知水平。

(4)個人風(fēng)險知識水平ω對于自身風(fēng)險感知水平有著重要的影響。通過提高個人風(fēng)險知識水平，可以有效提高風(fēng)險閾值，有效降低風(fēng)險擴散率。有關(guān)部門要在突發(fā)事件發(fā)生的過程中要發(fā)揮主導(dǎo)作用，保證信息渠道暢通，通過官方渠道、紙媒和電視傳媒發(fā)布相關(guān)的風(fēng)險防控知識，讓不同層面的民眾都能充分了解疫情。

4 結(jié)論

本文通過構(gòu)建風(fēng)險信息、風(fēng)險感知與風(fēng)險傳播行為之間的路徑關(guān)系，將突發(fā)事件風(fēng)險傳播系統(tǒng)中的人群分為未知者、潛伏者、傳播者、免疫者四類，并且在考慮風(fēng)險感知的基礎(chǔ)上，將傳染病理論引入風(fēng)險傳播研究，構(gòu)建了突發(fā)事件下的風(fēng)險傳播模型。同時，綜合考慮了不同影響因素作用下公眾風(fēng)險感知與風(fēng)險傳播行為變化，通過仿真實驗進一步得出相關(guān)結(jié)果和啟示，并且通過案例數(shù)據(jù)實證分析證明了模型結(jié)論的有效性和合理性得到了以下結(jié)論：

(1)存在一定的風(fēng)險閾值影響公眾的風(fēng)險傳播行為，因此要通過有效控制使公眾的風(fēng)險感知水平低于風(fēng)險閾值。同時通過風(fēng)險閾值的有效測量可以較好地完善公共危機預(yù)警機制，對實現(xiàn)社會風(fēng)險治理現(xiàn)代化提供一定支持。

(2)當(dāng)前在突發(fā)事件應(yīng)急信息治理中存在協(xié)同聯(lián)動乏力、輿論引導(dǎo)失誤等問題。本文分析了風(fēng)險信息源與信息治理客體之間的關(guān)聯(lián)和互動關(guān)系，研究結(jié)論有利于完善應(yīng)急信息綜合治理與媒體管理。

(3)本文從群體和個體兩個層面研究公眾風(fēng)險感知和風(fēng)險傳播行為并得到了相關(guān)結(jié)論，為今后在突發(fā)事件中調(diào)節(jié)和引導(dǎo)公眾風(fēng)險感知水平做了一定的準備。

本文構(gòu)建的風(fēng)險傳播模型能夠在一定程度上可視化展現(xiàn)公眾在突發(fā)事件中風(fēng)險傳播的過程及影響因素，但模型仿真參數(shù)設(shè)置存在一定的局限性，而由于互聯(lián)網(wǎng)時代的快速發(fā)展，突發(fā)事件風(fēng)險傳播的社交網(wǎng)絡(luò)會呈現(xiàn)出不同于以往簡單的網(wǎng)絡(luò)結(jié)構(gòu)，因此關(guān)于耦合復(fù)雜網(wǎng)絡(luò)的風(fēng)險傳播機制將在未來研究中進一步完善。