熊思斯 滕 宇 胡 珀

(1. 華中師范大學(xué)計(jì)算機(jī)學(xué)院 武漢 430079;2.國(guó)家語言資源監(jiān)測(cè)與研究網(wǎng)絡(luò)媒體中心 武漢 430079)

0 引 言

隨著智媒時(shí)代的到來,數(shù)據(jù)民主化進(jìn)程日益加速,常見的問政方式逐漸從現(xiàn)場(chǎng)座談問政、廣播電視問政等傳統(tǒng)方式轉(zhuǎn)向政務(wù)新媒體問政。新媒體問政方式相比傳統(tǒng)方式具有平臺(tái)渠道多樣、互動(dòng)直接高效等優(yōu)點(diǎn),但同時(shí)也存在互動(dòng)延遲的缺點(diǎn)。政務(wù)新媒體為民眾提供了更多訴求表達(dá)機(jī)會(huì),逐漸成為民眾參與政治過程的重要途徑之一,對(duì)新型政民關(guān)系的建構(gòu)以及推進(jìn)政府治理能力的科學(xué)化、精準(zhǔn)化和高效化發(fā)揮著重要作用。

當(dāng)前,各級(jí)政府部門越來越重視政務(wù)新媒體建設(shè),使其成為搜集民眾訴求、解釋公共政策、解決各類問題的常用平臺(tái)。隨著政務(wù)新媒體的廣泛應(yīng)用及全國(guó)范圍內(nèi)網(wǎng)絡(luò)問政的普及,由政民互動(dòng)自然產(chǎn)生的數(shù)據(jù)給政府治理帶來了新的機(jī)遇和挑戰(zhàn)。一方面,政民互動(dòng)數(shù)據(jù)為從“網(wǎng)絡(luò)問政”到“網(wǎng)絡(luò)理政”轉(zhuǎn)型提供了豐富的資源和必要的基礎(chǔ)條件,而對(duì)資源的深度理解、挖掘與應(yīng)用將為提高政府的回應(yīng)能力,提升政府的治理效率,調(diào)節(jié)國(guó)家社會(huì)關(guān)系發(fā)揮積極的作用;另一方面,因回應(yīng)失語或回應(yīng)遲緩所引發(fā)的消極社會(huì)影響頻繁發(fā)生,由訴求匯聚所致的信息碎片化、內(nèi)容冗余化等現(xiàn)象也對(duì)廓清民眾期望與政務(wù)媒體績(jī)效間的關(guān)系提出了嚴(yán)峻的挑戰(zhàn)。而中部城市近年來發(fā)展迅速,武漢、鄭州、長(zhǎng)沙先后突破常住人口1 000萬大關(guān),成為我國(guó)城市規(guī)模劃分中的超大城市。人口的大量流入和產(chǎn)業(yè)的飛速發(fā)展使得超大城市的治理面臨更大的挑戰(zhàn)。

鑒于此,為了客觀了解我國(guó)政務(wù)新媒體在網(wǎng)絡(luò)社會(huì)治理中的角色及作用,本文以人民網(wǎng)留言板中武漢、南昌、長(zhǎng)沙、鄭州四個(gè)中部省會(huì)城市2022年全年的市民留言內(nèi)容和政府回復(fù)內(nèi)容為研究對(duì)象,基于自然語言處理技術(shù),對(duì)新媒體平臺(tái)的政民互動(dòng)內(nèi)容進(jìn)行多維度的語義分析研究,從議題語義、情感語義等角度揭示民眾與政府在互動(dòng)時(shí)的語言特征、內(nèi)容特征及行為特征,為新時(shí)代民眾參政議政、管理者執(zhí)政理政提供科學(xué)的參考依據(jù)。

1 相關(guān)研究

現(xiàn)有研究從不同層面和不同視角圍繞政民互動(dòng)問題展開研究,旨在揭示政務(wù)新媒體環(huán)境下的民眾參與及政府回應(yīng)的典型特征。其中,民眾參與指民眾借助政務(wù)新媒體平臺(tái)表達(dá)意愿和訴求。政府回應(yīng)指在民眾參與的基礎(chǔ)上,政府部門就某議題做出回復(fù),進(jìn)行議程設(shè)置或解釋決策。聚焦民眾參與的研究包括:李莉等以某全國(guó)性網(wǎng)絡(luò)問政平臺(tái)民眾投訴信息為研究對(duì)象,采用量化研究方法分析了民眾參與議題的數(shù)量變化、分布差異及不同主體的訴求內(nèi)容,重點(diǎn)討論了關(guān)于反腐類議題的投訴行為和特征[1]。徐緒堪等構(gòu)建了基于BERT模型和Affinity Propagation算法的熱點(diǎn)追蹤框架,主要識(shí)別留言中的領(lǐng)域和各領(lǐng)域中的熱點(diǎn)話題[2]。胡吉明等基于Top2Vec主題聚類、TextRank抽取式摘要和結(jié)合覆蓋機(jī)制的Transformer生成式摘要,對(duì)政務(wù)微博互動(dòng)內(nèi)容進(jìn)行挖掘[3]。聚焦政府回應(yīng)展開研究的工作包括:常多粉等采集了人民網(wǎng)留言板近十年的環(huán)保話題留言內(nèi)容,運(yùn)用有監(jiān)督機(jī)器學(xué)習(xí)和統(tǒng)計(jì)分析,從政府層級(jí)和機(jī)構(gòu)類型維度分析了政府對(duì)環(huán)保議題回應(yīng)的話語模式[4]。邵鵬等根據(jù)框架理論,基于次生災(zāi)害防控的政務(wù)微博網(wǎng)絡(luò)話語進(jìn)行分析,討論了政府網(wǎng)絡(luò)話語框架及其傳播效果[5]。師碩等根據(jù)框架理論,采用案例分析法,對(duì)政務(wù)微博與政府網(wǎng)站文本進(jìn)行編碼與統(tǒng)計(jì),分析了政府網(wǎng)絡(luò)話語的特征[6]。

在傳統(tǒng)的政治動(dòng)員中,信息傳遞具有單向傳播性,而新媒體環(huán)境下的政民互動(dòng)則具有典型的雙向交互性。Hassid等認(rèn)為民政參與民政互動(dòng)既可能有利于媒體議程設(shè)置,也可能激化社會(huì)矛盾[7]。翁士洪等分析了網(wǎng)絡(luò)參與對(duì)政府決策的影響機(jī)制,并通過大量實(shí)證研究,提出四種網(wǎng)絡(luò)參與下的政府決策回應(yīng)模式[8]。孟天廣等采集了2010—2016年全國(guó)地市級(jí)政府發(fā)布的微博,統(tǒng)計(jì)分析了政務(wù)微博傳播的內(nèi)容及功能[9]。杜明曦等對(duì)美國(guó)北卡羅來納州政府部門在颶風(fēng)“佛羅倫斯”期間的2 121條推文與1 776條評(píng)論數(shù)據(jù)進(jìn)行了內(nèi)容分析,發(fā)現(xiàn)美國(guó)地方政府已具備運(yùn)用政務(wù)新媒體進(jìn)行對(duì)話的意識(shí),能及時(shí)預(yù)警并幫助民眾了解災(zāi)情[10]。Mossberger等從社交網(wǎng)絡(luò)和其他新媒體互動(dòng)工具的使用角度展開了調(diào)研,也得出了與之類似的結(jié)論[11]。更多研究開始探究民眾參與和政府回應(yīng)間的關(guān)聯(lián)性,代表性的工作有:許鑫等選取了1995—2015年間的300個(gè)網(wǎng)絡(luò)公共事件,通過案例分析方法研究了議題特征、民眾參與和政府回應(yīng)間的關(guān)聯(lián)性[12]。李鋒等以人民網(wǎng)留言板為研究平臺(tái),采集了2008—2014年間的發(fā)帖內(nèi)容,從身份認(rèn)同和政治價(jià)值取向等角度分析了民眾的表達(dá)模式與政府的回應(yīng)模式[13]。孫宗鋒等以青島市市長(zhǎng)信箱為實(shí)驗(yàn)平臺(tái),統(tǒng)計(jì)分析了民眾訴求與政府回應(yīng)的變化趨勢(shì)[14]。孟天廣等采用人工標(biāo)注的方法對(duì)留言議題進(jìn)行分類,通過統(tǒng)計(jì)分析研究民眾訴求的時(shí)間和空間特性,最后基于回歸分析考察了多個(gè)因素與政府回應(yīng)的影響模式[15]。李少溫等基于人民網(wǎng)留言板的60 797條數(shù)據(jù),使用LDA主題模型聚類,通過秩和檢驗(yàn)研究了民眾行為特征對(duì)政府回應(yīng)的影響[16]。張敏等基于政務(wù)話語框架和BERTopic模型對(duì)政務(wù)短視頻標(biāo)題進(jìn)行主題挖掘,并結(jié)合話題與用戶行為數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析[17]。張渝等采用問卷調(diào)查法,對(duì)政府回應(yīng)策略與公眾滿意度之間的關(guān)系展開定量分析[18]。

當(dāng)前相關(guān)研究雖然已經(jīng)取得了豐碩成果,但仍存在以下不足:a.對(duì)民眾參與和政府回應(yīng)在語義層面的內(nèi)容理解尚不充分,缺乏從議題、情感等角度開展的深度定量分析研究;b.關(guān)于民眾參與和政府回應(yīng)在內(nèi)容和行為交互層面上的模式關(guān)聯(lián)仍缺乏系統(tǒng)研究及大規(guī)模的實(shí)證檢驗(yàn)。鑒于此,本研究采用基于預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型RoBERTa的零樣本分類,深度挖掘留言和回復(fù)內(nèi)容,結(jié)合話語框架理論從文本語義特征的角度來匹配不同的話語框架,揭示了政民互動(dòng)中的語言特征、內(nèi)容特征和行為特征,為政民互動(dòng)內(nèi)容分析和訴求回應(yīng)研究提供了一種新的視角。

2 研究過程與方法

2.1 數(shù)據(jù)采集與處理

在選擇數(shù)據(jù)來源時(shí),本文考慮以國(guó)家中部崛起戰(zhàn)略覆蓋的六座中部省會(huì)城市為初始研究對(duì)象。根據(jù)人口數(shù)據(jù)顯示武漢市城區(qū)常住人口已超1 000萬邁入超大城市行列。因此,在此時(shí)期研究武漢的政民互動(dòng)內(nèi)容具有典型意義和研究?jī)r(jià)值。為綜合考慮不同類型城市的覆蓋性和代表性,本文根據(jù)中國(guó)城市統(tǒng)計(jì)年鑒數(shù)據(jù),對(duì)六座城市各項(xiàng)數(shù)據(jù)進(jìn)行了聚類分析,得出的結(jié)果如圖1所示。

圖1 城市統(tǒng)計(jì)年鑒數(shù)據(jù)聚類

與國(guó)家統(tǒng)計(jì)局定義的城市規(guī)模接近,六座城市整體的數(shù)據(jù)也可劃分為三個(gè)類別,超大城市級(jí)的武漢,特大城市級(jí)的長(zhǎng)沙、鄭州和I型大城市級(jí)的南昌、合肥、太原。因此本文選取了具有代表性的武漢、南昌、長(zhǎng)沙、鄭州四座城市作為分析對(duì)象,研究其人民網(wǎng)留言板數(shù)據(jù)的互動(dòng)特征。本文的數(shù)據(jù)來源是人民網(wǎng)留言板,通過編寫網(wǎng)絡(luò)爬蟲采集了2022年全年武漢、南昌、長(zhǎng)沙、鄭州等四個(gè)中部省會(huì)城市的留言內(nèi)容。其中公眾留言共計(jì)36 391條,政府回復(fù)共計(jì)31 951條,占留言總數(shù)的87.8%。為了探究影響政府回應(yīng)的主要因素,我們分別采集了留言對(duì)象、留言類型、留言領(lǐng)域、留言內(nèi)容、留言標(biāo)題、留言時(shí)間、回復(fù)組織、回復(fù)內(nèi)容、回復(fù)時(shí)間等字段信息。

2.2 研究方法及選擇

基于36 391條留言文本數(shù)據(jù),本文采用自然語言處理技術(shù),先對(duì)文本進(jìn)行預(yù)處理和數(shù)據(jù)清洗,然后對(duì)文本進(jìn)行情感分析,挖掘其中包含的情感特征。從議題語義角度,使用Sentence-BERT詞嵌入并基于社區(qū)發(fā)現(xiàn)算法挖掘文本中隱含的議題語義。為了進(jìn)一步識(shí)別文本內(nèi)容相關(guān)的話語框架,本文從數(shù)據(jù)中抽取關(guān)鍵詞和最長(zhǎng)公共子序列,編碼每一類話語的標(biāo)簽,采用RoBERTa模型進(jìn)行零樣本分類,共從留言和回復(fù)數(shù)據(jù)中歸納出留言的四種典型話語框架及回復(fù)的三種典型處理類型及典型話語框架。

情感分析方法大致可分為兩類:一類基于傳統(tǒng)情感詞典,另一類基于機(jī)器學(xué)習(xí)。近年來,隨著大規(guī)模預(yù)訓(xùn)練模型的發(fā)展,其對(duì)文本語義特征的挖掘性能獲得顯著提升?；诖?本研究采用基于預(yù)訓(xùn)練模型的情感分析方法,使用ERNIE模型提供的開源API進(jìn)行情感分析。

ERNIE是基于知識(shí)增強(qiáng)的多范式統(tǒng)一的預(yù)訓(xùn)練框架[19],其中,自回歸和自編碼網(wǎng)絡(luò)被融合在一起進(jìn)行預(yù)訓(xùn)練。該模式在語言理解、語言生成及零樣本學(xué)習(xí)等任務(wù)上均獲得了優(yōu)異表現(xiàn)。

RoBERTa模型是Facebook與華盛頓大學(xué)推出的具有良好性能的預(yù)訓(xùn)練模型[20]。鑒于該模型在挖掘文本語義上的顯著優(yōu)勢(shì),本研究采用零樣本學(xué)習(xí)場(chǎng)景下的RoBERTa模型,利用語義特征和句子相似度對(duì)話語框架進(jìn)行分析,其優(yōu)點(diǎn)在于針對(duì)不同數(shù)據(jù)無需重新擴(kuò)充詞典,泛化性能更好,而且基于語義向量的相似度分類模式也能更好地利用大規(guī)模預(yù)訓(xùn)練模型的內(nèi)在能力。

2.3 研究變量

為了從多個(gè)不同維度揭示政務(wù)新媒體互動(dòng)內(nèi)容的典型特征,我們對(duì)留言和回復(fù)內(nèi)容進(jìn)行基于自然語言處理的文本分析,從語言特征、內(nèi)容特征和行為特征等三個(gè)方面展開研究,并針對(duì)民眾留言和政府回復(fù)定義了如下研究變量。

①針對(duì)留言語言特征的變量:

V1:情感傾向。對(duì)留言進(jìn)行情感分析,提取出留言中包含的情感傾向,具體可分為負(fù)面、中性、正面三個(gè)大類。

V2:留言話語框架。已有研究將民眾訴求表達(dá)分為情感和理性兩類或無價(jià)值取向話語、賢能話語和民主話語三類[4]。本文從情感和法理角度將留言內(nèi)容的話語框架歸納為如下四類,包括抗?fàn)幙蚣?、弱者框架、個(gè)人權(quán)益框架、社會(huì)影響框架。其中,弱者框架表達(dá)自身弱勢(shì)困難處境,以求獲取領(lǐng)導(dǎo)關(guān)注,如“懇請(qǐng)?jiān)蹅內(nèi)嗣裾疄槲覀冏鲋鳌?抗?fàn)幙蚣鼙磉_(dá)對(duì)規(guī)則的失望不信任,發(fā)泄自身情緒以獲得關(guān)注,如“這到底歸誰管,什么時(shí)候管?”個(gè)人權(quán)益框架則指根據(jù)法律法規(guī)維護(hù)權(quán)益,如“該公司違反了《消費(fèi)者權(quán)益保護(hù)法》,訴求內(nèi)容是退賠費(fèi)用”;社會(huì)影響框架是以社會(huì)群體利益和影響來說服管理者,如“嚴(yán)重影響祖國(guó)花朵的健康成長(zhǎng)”。上述四種留言話語框架具體分類圖2所示。

圖2 留言話語框架類型

②針對(duì)留言內(nèi)容特征的變量:

V3:留言領(lǐng)域。主要指民眾留言涉及的議題領(lǐng)域,分為城建、環(huán)保、交通、教育、金融、就業(yè)、旅游、企業(yè)、三農(nóng)、體育、文娛、醫(yī)療、政務(wù)和治安等14個(gè)類別。

③針對(duì)留言行為特征的變量:

V4:留言類型。主要指民眾留言的訴求類型,分為建言、咨詢和投訴/求助三類。

④針對(duì)回復(fù)行為特征的變量:

U1:回復(fù)積極性。為同時(shí)覆蓋回復(fù)行為的速度和效率,本研究定義D為回復(fù)時(shí)間與留言時(shí)間之間的天數(shù)差值,單位為天,并依據(jù)D的范圍將回復(fù)積極性分為三類,具體定義如公式(1):

(1)

編碼-1、0、1分別代表7天之內(nèi)回復(fù)、7～15天回復(fù)和15天之后回復(fù)。

U2:回復(fù)處理類型。為了更深入地挖掘文本中隱含的行為特征,本研究通過深度學(xué)習(xí)技術(shù)對(duì)回復(fù)內(nèi)容進(jìn)行自動(dòng)分類,將回復(fù)處理類型具體劃分為三類:整改、協(xié)商和轉(zhuǎn)辦。其中,整改指回復(fù)組織與相關(guān)單位調(diào)查情況后做出整改,如“建設(shè)局工作人員現(xiàn)場(chǎng)核查并督促整改”;協(xié)商指回復(fù)組織為糾紛雙方搭建溝通平臺(tái),通過協(xié)商調(diào)解的方式解決糾紛,如“市場(chǎng)局第二市場(chǎng)監(jiān)督管理所立即聯(lián)系某公司,為您搭建友好溝通協(xié)商平臺(tái)”;轉(zhuǎn)辦指留言事項(xiàng)不屬于回復(fù)組織管轄區(qū)域或管轄范圍,需要留言群眾進(jìn)行轉(zhuǎn)辦,如“鄂州紅蓮湖不屬于我區(qū)管轄范圍,建議您向該地所屬管轄的相關(guān)部門進(jìn)行反饋”。上述回復(fù)處理類型具體如圖3所示。

圖3 回復(fù)處理類型

⑤針對(duì)回復(fù)語言特征的變量:

U3:回復(fù)話語框架。已有研究將政府回應(yīng)公眾訴求時(shí)采用的話語框架按情感色彩和法治程度兩個(gè)維度分為描述話語、共情話語、規(guī)則話語和混合話語四種類型[4],具體如表1所示。描述話語主要指對(duì)民眾訴求進(jìn)行事實(shí)層面的程式化回應(yīng),如“經(jīng)核實(shí),該處路口已有電子警察進(jìn)行執(zhí)法?！惫睬樵捳Z主要表達(dá)對(duì)民眾訴求的理解、關(guān)注和重視,如“您擔(dān)心環(huán)境污染問題的心情可以理解,請(qǐng)您放心?！币?guī)則話語主要指政府根據(jù)具體法律法規(guī)或政策文件進(jìn)行回應(yīng),如“按照《信訪工作條例》屬地管理規(guī)定,建議您向江夏區(qū)相關(guān)部門反映?！被旌显捳Z則指在回復(fù)過程中聯(lián)合使用了多種話語框架。由于政府混合話語的占比過高,導(dǎo)致實(shí)驗(yàn)數(shù)據(jù)區(qū)分度較低,因此本文不設(shè)混合話語這一分類,而根據(jù)回復(fù)話語框架的傾向分為共情話語、描述話語、規(guī)則話語三類。

表1 回復(fù)話語框架類型

3 研究結(jié)果

3.1 數(shù)據(jù)統(tǒng)計(jì)

本文采集了2022年全年中部省會(huì)城市(鄭州、武漢、長(zhǎng)沙、南昌)的留言-回復(fù)數(shù)據(jù),數(shù)據(jù)集基本統(tǒng)計(jì)如表2所示。

表2 留言-回復(fù)基本數(shù)據(jù)統(tǒng)計(jì)

3.2 語言特征分析

在挖掘政民互動(dòng)內(nèi)容的語言特征方面,本文對(duì)不同城市民眾留言和政府回復(fù)的語言特征進(jìn)行了分析。

3.2.1民眾留言語言特征

表3呈現(xiàn)了不同城市留言的情感傾向分布情況,其中負(fù)面情感留言占比均超過80%。

表3 留言情感分布

表4呈現(xiàn)了不同城市留言話語框架的分布情況,占比由高到低依次為弱者框架、社會(huì)影響框架、個(gè)人權(quán)益框架和抗?fàn)幙蚣?民眾留言的話語框架使用存在著顯著差異性。弱者框架話語占比在四個(gè)城市中均顯著更高,這反映出留言民眾更傾向于將自身視為弱勢(shì)群體,并希望通過強(qiáng)調(diào)弱勢(shì)地位來獲取社會(huì)關(guān)注和支持。弱者框架也有助于激發(fā)社會(huì)關(guān)注和支持,政府和社會(huì)各界則應(yīng)該重視弱勢(shì)群體的聲音和訴求,積極鼓勵(lì)和支持他們爭(zhēng)取合法權(quán)益,并采取具體措施來促進(jìn)社會(huì)的公正和平等。

表4 留言話語框架分布

3.2.2政府回復(fù)語言特征

表5呈現(xiàn)了不同城市政府回復(fù)話語框架的分布情況,其中描述話語和共情話語在不同城市中占比較高,規(guī)則話語相對(duì)較低,這體現(xiàn)了政府在選擇回復(fù)時(shí)所使用的語言傾向,一方面傾向于使用描述話語塑造政府客觀、統(tǒng)一形象,另一方面適當(dāng)使用共情話語來幫助政府部門拉近與民眾間的溝通距離,提升民眾的滿意度。其中,兩者占比的差異性也反映出政府對(duì)民眾訴求的態(tài)度和方式。使用共情話語的政府部門體現(xiàn)了對(duì)民眾的感受和需求的重視,通過情感連接增強(qiáng)了民眾的信任和支持,而使用描述話語的政府部門體現(xiàn)了對(duì)事實(shí)和邏輯的重視,通過理性的表述傳達(dá)了事件處理結(jié)果。建議政府為留言板增設(shè)回訪和滿意度的機(jī)制,為研究政民互動(dòng)提供更立體的數(shù)據(jù),從而得到有雙向數(shù)據(jù)支持的訴求回應(yīng)模式,采取適當(dāng)回應(yīng)策略,提升民眾滿意度。

表5 回復(fù)話語框架分布

3.3 內(nèi)容特征分析

表6呈現(xiàn)了不同城市留言領(lǐng)域的分布情況,通過統(tǒng)計(jì)分析可以發(fā)現(xiàn):各個(gè)城市排名前5的熱門領(lǐng)域均為城建、交通、教育、就業(yè)和企業(yè),僅在鄭州市數(shù)據(jù)中,環(huán)保取代了企業(yè)成為熱門議題。這與城市統(tǒng)計(jì)年鑒數(shù)據(jù)相吻合,鄭州全年的工業(yè)顆粒物、二氧化硫、氮氧化物排放量和細(xì)顆粒物平均濃度等多項(xiàng)數(shù)據(jù)均處于前列。值得注意的是:長(zhǎng)沙城建領(lǐng)域留言相對(duì)較少,就業(yè)領(lǐng)域留言較多,其原因在于長(zhǎng)沙城建用地面積顯著低于其他三市,2022年長(zhǎng)沙人口增量位居全國(guó)第一,增長(zhǎng)的常住人口帶來的就業(yè)壓力導(dǎo)致就業(yè)領(lǐng)域議題更受關(guān)注。通過計(jì)算教育領(lǐng)域留言比例與城市年鑒教育有關(guān)數(shù)據(jù)的皮爾遜相關(guān)系數(shù)得到表7,其中雙一流高校和教育支出與留言比例呈現(xiàn)較強(qiáng)的相關(guān)性。民眾留言內(nèi)容特征的各項(xiàng)領(lǐng)域內(nèi)容與城市統(tǒng)計(jì)年鑒相應(yīng)數(shù)據(jù)存在關(guān)聯(lián)性,能夠客觀反映各城市不同領(lǐng)域存在的問題。

表6 留言領(lǐng)域分布

表7 教育領(lǐng)域留言比例與城市數(shù)據(jù)皮爾遜相關(guān)性

盡管政府留言板預(yù)設(shè)了14種留言領(lǐng)域類別,但現(xiàn)有方法對(duì)民眾留言的分類準(zhǔn)確度并不理想,且無法反映具體議題的使用頻度。因此,本研究基于sentence-BERT模型[21]對(duì)基于語義相似度聚類后的各類進(jìn)行命名實(shí)體識(shí)別,從中獲取每個(gè)類中出現(xiàn)頻率最高的實(shí)體,使用TSNE降維后的聚類結(jié)果如圖4所示,根據(jù)聚類各簇最長(zhǎng)公共子序列和三元組,最終歸納出熱門留言領(lǐng)域的典型議題如表8所示。

表8 聚類熱點(diǎn)議題-實(shí)體表

圖4 留言實(shí)體信息聚類結(jié)果三維圖

通過分析內(nèi)容特征,可以總結(jié)出以下幾點(diǎn)建議:第一,政府部門應(yīng)當(dāng)從議題中捕捉關(guān)鍵實(shí)體,迅速定位到關(guān)鍵問題并歸因;第二,對(duì)于熱點(diǎn)議題和高頻出現(xiàn)的實(shí)體,政府部門可將相似留言合并處理以合理規(guī)劃優(yōu)先級(jí)、提升辦事效率;第三,現(xiàn)有留言領(lǐng)域的分類易混淆,如共享單車議題的留言往往也會(huì)同時(shí)出現(xiàn)在城建、交通和企業(yè)等領(lǐng)域,說明現(xiàn)有領(lǐng)域劃分對(duì)民眾而言較難辨別,領(lǐng)域設(shè)置不清晰、相互存在交叉不僅影響民眾問政,更影響政府辦事效率。在熱門留言領(lǐng)域下設(shè)置子議題、留言板提示各領(lǐng)域留言的詳細(xì)劃分范圍說明或使用自然語言處理手段挖掘內(nèi)容中隱含的議題語義是提升政民溝通效率的可行方式。

3.4 行為特征分析

表9呈現(xiàn)了不同城市民眾留言行為特征的分布情況,武漢和長(zhǎng)沙呈現(xiàn)出更相似的分布特征,投訴/求助比例明顯較高。本文對(duì)投訴/求助類型留言占比和城市統(tǒng)計(jì)年鑒數(shù)據(jù)進(jìn)行了相關(guān)性分析,結(jié)果如表10所示,投訴/求助類留言占比與人均地區(qū)生產(chǎn)總值之間存在強(qiáng)正相關(guān)性。根據(jù)城市統(tǒng)計(jì)年鑒數(shù)據(jù),武漢與長(zhǎng)沙人均地區(qū)生產(chǎn)總值在研究對(duì)象中分列前二,隨著城市的較快發(fā)展,產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)活力帶來的糾紛和沖突更多,這也為政府部門的管理者提出了更高的要求,人均地區(qū)生產(chǎn)總值較高的城市需要側(cè)重對(duì)于民眾投訴/求助類的處理。

表9 留言類型分布

表10 皮爾遜相關(guān)系數(shù)

表11呈現(xiàn)了不同城市政府回復(fù)行為特征的分布情況,政府回復(fù)行為在時(shí)效上呈現(xiàn)出占比由高到低的典型趨勢(shì),依次為15天后回復(fù)、7～15天內(nèi)回復(fù)和7天內(nèi)回復(fù)。觀察發(fā)現(xiàn),鄭州政府留言量龐大且回復(fù)積極性較其他城市明顯較高,其原因在于鄭州政府將人民網(wǎng)留言板平臺(tái)鏈接納入了鄭州市人民政府官網(wǎng)的互動(dòng)交流板塊,而長(zhǎng)沙、南昌兩座城市則沒有,武漢政府官網(wǎng)對(duì)人民網(wǎng)留言板平臺(tái)進(jìn)行了宣傳推廣,同時(shí)也提供了長(zhǎng)江網(wǎng)城市留言板平臺(tái)作為另一選擇。由此可見:政府部門一方面應(yīng)當(dāng)考慮各政務(wù)新媒體平臺(tái)的職能和特色,更好覆蓋民眾需求;另一方面應(yīng)當(dāng)處理好多平臺(tái)間的分工合作,根據(jù)平臺(tái)民眾訴求量適當(dāng)分配資源。

表11 回復(fù)積極性分布

表12呈現(xiàn)了不同城市政府回復(fù)行為特征在處理類型上的分布情況,不同城市政府回復(fù)處理類型均以整改為主,武漢政府回復(fù)處理類型中協(xié)商比例較高,反映了武漢民眾留言中涉及第三方單位的議題較多,這意味著政府搭建平臺(tái)調(diào)解糾紛的能力將面臨更多考驗(yàn),武漢政府在長(zhǎng)江網(wǎng)武漢城市留言板中已經(jīng)推出了面向法檢及其他單位直接留言的渠道,為暢通政民互動(dòng)渠道,減少溝通成本做出了積極嘗試。南昌政府的回復(fù)處理中轉(zhuǎn)辦比例較高,建議政府考慮打通部門壁壘,提升政民溝通效率,或者廓清責(zé)任歸屬,在網(wǎng)站中設(shè)置留言地區(qū)、部門劃分提示以引導(dǎo)民眾正確留言。

表12 回復(fù)處理類型分布

3.5 關(guān)聯(lián)分析

本研究還利用卡方檢驗(yàn)和列聯(lián)表分析方法探究了不同特征間的潛在關(guān)聯(lián)性,具體如表13所示。

表13 卡方檢驗(yàn)p值結(jié)果

卡方檢驗(yàn)的結(jié)果顯示,民眾留言的內(nèi)容特征對(duì)政府回應(yīng)的影響最大,留言的語言特征對(duì)政府行為特征并無明顯影響。不同的議題領(lǐng)域往往需要政府采取不同的行動(dòng),從而在一定程度上會(huì)影響政府的處理方式和處理效率。具體而言,對(duì)教育、醫(yī)療、文娛等留言議題領(lǐng)域,政府部門往往采取協(xié)商的處理方式,三農(nóng)、治安等政府直轄的議題則通常采取整改為主的方式。由此可見,當(dāng)前政府回應(yīng)行為主要關(guān)注留言的內(nèi)容特征,相對(duì)較少關(guān)注留言的語言特征和行為特征。因此,系統(tǒng)研究政民互動(dòng)內(nèi)容的話語框架等語言特征,為網(wǎng)絡(luò)問政渠道完善行為特征的測(cè)度——如民眾滿意度、點(diǎn)贊數(shù)等,揭示這些特征并針對(duì)不同語言特征和行為特征采取不同的回應(yīng)方式,將為政府部門提升回應(yīng)能力,提高治理效率提供依據(jù)和抓手。

4 結(jié)論與建議

隨著政府的數(shù)字化轉(zhuǎn)型,數(shù)字政府已成為提高國(guó)家治理能力現(xiàn)代化的重要途徑,如何有效獲取并利用大量政民互動(dòng)數(shù)據(jù)逐漸成為當(dāng)前治理生態(tài)優(yōu)化與創(chuàng)新的核心驅(qū)動(dòng)力。本文基于2022年人民網(wǎng)留言板中36 391條政民互動(dòng)內(nèi)容數(shù)據(jù)進(jìn)行了分析,綜合運(yùn)用定量分析法和基于數(shù)據(jù)驅(qū)動(dòng)的自然語言處理方法,結(jié)合政府回應(yīng)話語框架類型學(xué)研究基礎(chǔ),從語言使用、議題語義和情感語義的角度綜合揭示了政民互動(dòng)內(nèi)容的語言特征、內(nèi)容特征和行為特征及其關(guān)聯(lián)性,并得出相應(yīng)觀察或建議:a.民眾留言在語言特征上表現(xiàn)為負(fù)面情感和弱者框架類型占比較多,投訴/求助類留言占比與人均地區(qū)生產(chǎn)總值之間存在強(qiáng)正相關(guān)性,在內(nèi)容特征上,城建領(lǐng)域的留言數(shù)量占大多數(shù),各領(lǐng)域留言頻次與城市統(tǒng)計(jì)年鑒相關(guān)數(shù)據(jù)存在關(guān)聯(lián),其中的熱點(diǎn)議題有拆遷、小區(qū)、建房等,在行為特征上的表現(xiàn)為投訴/求助類行為較多;b.政府回復(fù)在語言特征上傾向于使用共情話語和陳述話語,從行為特征角度,整改在各類處理類型中占較高;c.政府回復(fù)的行為特征與民眾留言的內(nèi)容特征存在著潛在關(guān)聯(lián)性,其中政府行為的處理類型受民眾留言的內(nèi)容特征影響最大。

本研究將為地方政府科學(xué)開展新媒體問政提供依據(jù)和支持。第一,建議政府部門采取扁平化的網(wǎng)絡(luò)問政模式,提供更多面向相關(guān)單位的留言途徑,暢通政民互動(dòng)渠道,減少溝通成本,提升民眾參政的體驗(yàn)感。第二,建議政府部門在處理留言時(shí)捕捉熱點(diǎn)議題,在留言板平臺(tái)熱門留言領(lǐng)域下設(shè)置子議題或提示各領(lǐng)域留言的詳細(xì)劃分范圍說明,便于民眾操作,減少跨區(qū)域/部門辦理和重復(fù)辦理。第三,建議政府為留言板增設(shè)點(diǎn)贊、回訪和滿意度的機(jī)制,為研究政民互動(dòng)提供更立體的數(shù)據(jù),從而得到有雙向數(shù)據(jù)支持的訴求回應(yīng)模式,采取適當(dāng)回應(yīng)策略,提升民眾問政滿意度。