中圖分類號(hào)：G202 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.11968/tsyqb.1003-6938.2025019

Research on the Effectiveness of Online Information Relief in Uncertain Environments

AbstractExploring theevaluation methods and influencing factors of the effectiveness ofonline informationrelief in uncertainenvironments hasimportanttheoreticalandpractical significance forgovernments，relevantinstitutions，and media toimprove thequalityof informationrelief.Aiming attheuncertain environment caused bypublic events，based on the social supporttheory，this study divides theonline informationof therainstorm event in Hebei Provinceinto two dimensions： social supportdemandand social support supply.Basedon the definitionof information relief，the social supportsupply informationisregardedasrelief information.Basedontheuncertaintyreduction theory，weconstructanevaluationsystem for theefectivenessofonline informationrelieffromthe passive，active and interactive dimensions of uncertainty reductionstrategies.Then，basedonthe heuristicsystem model，aregresionpredictionmodelanda SHAPmodelareconstructedtorevealtheimportantfactorsafectingtheeffectivenessofonlineinformationrelief.Itisfound that significant differences existin the effctivenessof informationrelief across diffrent lifecyclesand theme types.The overall scores forthe effectiveness of informationrelief during theoutbreak and spread periods wererelativelyhigh， while the situational information during the incubationperiod，rescue information during the outbreak perid，recommendationinformationforthespreadperiod，andemotionalinformationduringtherecoveryperiodscorehigherforteeffectiveness ofrelief intheirrespective stages.The influence and timeliness ofpublishers have significant positive influence ontheeffectiveness ofinformationrelief，while theemotionof information is negativelycorrelatedwith the effectiveness of information relief.

Keywords information relief; effectiveness;uncertain environment

不確定環(huán)境是指在諸如自然災(zāi)害、全球性流行疾病或社會(huì)兩極分化等危機(jī)情境下，由于關(guān)鍵環(huán)境信息的缺失或?qū)ξ磥?lái)方向的未知而形成的一種狀態(tài)[。這些危機(jī)事件的發(fā)生不僅打亂了原有的社會(huì)秩序，還顛覆或動(dòng)搖了人們長(zhǎng)久以來(lái)依賴的確定性認(rèn)知框架，使國(guó)家和社會(huì)治理面臨嚴(yán)峻挑戰(zhàn)

近年來(lái)，社交媒體成為公眾獲取信息的主要渠道。根據(jù)第53次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，截至2023年12月，我國(guó)網(wǎng)民規(guī)模達(dá)10.92億人，互聯(lián)網(wǎng)普及率達(dá) 77.5%^[2] 。隨著社交媒體平臺(tái)功能的完善和用戶規(guī)模的增長(zhǎng)，其在危機(jī)事件社會(huì)恢復(fù)中的價(jià)值已得到廣泛驗(yàn)證[3]。在不確定性環(huán)境下，公眾亟須通過(guò)社交媒體獲取危機(jī)事件的相關(guān)信息，以便尋求及時(shí)有效的解決辦法，減輕事件不確定性帶來(lái)的負(fù)面影響[4]。同時(shí)，社交媒體也可以利用自身優(yōu)勢(shì)提供信息救濟(jì)，通過(guò)緩解公眾認(rèn)知不確定性的網(wǎng)絡(luò)信息來(lái)增強(qiáng)群體安全感，為公眾構(gòu)建更具韌性的社區(qū)[5]，增強(qiáng)相關(guān)部門和組織應(yīng)對(duì)危機(jī)的能力。在此背景下，社交媒體如何通過(guò)信息救濟(jì)有效緩解事件與公眾感知的不確定性，避免由于信息失衡導(dǎo)致公眾認(rèn)知不確定性進(jìn)一步擴(kuò)大，成為亟待研究的重要課題。

本文以新浪微博為數(shù)據(jù)來(lái)源，以河北暴雨事件為具體研究案例，探究不確定環(huán)境下網(wǎng)絡(luò)信息救濟(jì)有效性的評(píng)估方法，分析事件不同階段信息救濟(jì)有效性的差異，揭示信息救濟(jì)有效性的影響因素。研究對(duì)于社交媒體、政府和相關(guān)應(yīng)急管理機(jī)構(gòu)在不確定環(huán)境中制定和優(yōu)化網(wǎng)絡(luò)救濟(jì)策略、提高信息救濟(jì)質(zhì)量具有重要的理論和實(shí)踐意義。

1相關(guān)研究

1.1 信息救濟(jì)概述

目前，國(guó)內(nèi)外學(xué)者還沒(méi)有形成信息救濟(jì)的統(tǒng)一定義。社會(huì)學(xué)中的“救濟(jì)”主要強(qiáng)調(diào)為維護(hù)社會(huì)公平正義而對(duì)弱勢(shì)群體采取適當(dāng)?shù)谋Ｗo(hù)性調(diào)整措施。信息救濟(jì)的概念主要源于法律和政策研究，本文認(rèn)為信息救濟(jì)是通過(guò)提供、披露或傳播信息來(lái)解決或緩解特定問(wèn)題或爭(zhēng)端的一種手段，主要用于消費(fèi)者保護(hù)、數(shù)據(jù)隱私、市場(chǎng)競(jìng)爭(zhēng)等領(lǐng)域，旨在通過(guò)透明度和知情權(quán)的增強(qiáng)，促使各方能夠基于更充分的信息做出更明智的決策，從而削弱信息不對(duì)稱帶來(lái)的種種負(fù)面影響。盡管信息救濟(jì)已經(jīng)在法律與政策層面得以研究，但信息救濟(jì)的概念在不同情境中可能具有不同的含義，尚未形成統(tǒng)一的定義?；诖耍疚脑诂F(xiàn)有研究基礎(chǔ)上，對(duì)信息救濟(jì)進(jìn)行界定，即通過(guò)及時(shí)有效的數(shù)據(jù)、信息的公開(kāi)和溝通渠道，幫助公眾有效應(yīng)對(duì)因信息匱乏、傳播不暢而加劇的不確定性。這種不確定性通常發(fā)生在突發(fā)事件所引發(fā)的不確定環(huán)境中。在此背景下，信息救濟(jì)作為一種重要的危機(jī)治理手段，能夠有效緩解公眾的不確定感，從而促進(jìn)社會(huì)的穩(wěn)定與恢復(fù)。救濟(jì)過(guò)程中傳遞的具體信息內(nèi)容即為救濟(jì)信息，是信息救濟(jì)的載體。

1.2不確定環(huán)境下網(wǎng)絡(luò)信息救濟(jì)有效性評(píng)價(jià)研究

目前，關(guān)于網(wǎng)絡(luò)信息救濟(jì)有效性的評(píng)價(jià)研究仍較為匱乏。有研究表明，信息救濟(jì)的有效性不僅取決于信息的質(zhì)量和傳播效率，還與信息的內(nèi)容、公眾對(duì)信息的需求和接受程度等密切相關(guān)。陳積銀等提出在應(yīng)對(duì)非傳統(tǒng)安全事件時(shí)，社交媒體應(yīng)該成為信息救濟(jì)的先鋒力量，迅速響應(yīng)并率先發(fā)布相關(guān)信息，回應(yīng)公眾急迫的信息需求，起到預(yù)警和引導(dǎo)公眾輿論的作用。喻國(guó)明和耿曉夢(mèng)指出，信息救濟(jì)的內(nèi)容體系應(yīng)當(dāng)蘊(yùn)含公共價(jià)值屬性，不僅包括訴諸理性、以事實(shí)為基礎(chǔ)的資訊信息，也應(yīng)包含訴諸情感聯(lián)系、增進(jìn)社會(huì)團(tuán)結(jié)的內(nèi)容[8]

當(dāng)前的網(wǎng)絡(luò)信息救濟(jì)有效性評(píng)價(jià)研究在理論構(gòu)建與案例解讀方面取得了一定進(jìn)展，但視角多局限于傳播學(xué)理論探討與案例分析，缺乏指標(biāo)量化與實(shí)證研究?；谶@一現(xiàn)狀，本文旨在通過(guò)引入量化指標(biāo)與實(shí)驗(yàn)設(shè)計(jì)，深化對(duì)信息救濟(jì)效果的實(shí)證評(píng)估，以期在不確定環(huán)境下為網(wǎng)絡(luò)信息救濟(jì)效能評(píng)估提供更為堅(jiān)實(shí)的方法支撐與實(shí)踐指導(dǎo)。此外，在現(xiàn)有研究的基礎(chǔ)上發(fā)現(xiàn)，網(wǎng)絡(luò)信息救濟(jì)作為一種緩解事件與公眾感知不確定性的危機(jī)治理手段，其有效性與公眾密不可分，本質(zhì)上是幫助公眾在危機(jī)中緩解不確定性，衡量方式可以從公眾通過(guò)社交媒體緩解不確定性有效性的角度進(jìn)行探討。

1.3網(wǎng)絡(luò)信息救濟(jì)有效性影響因素研究

雖然關(guān)于網(wǎng)絡(luò)信息救濟(jì)有效性的影響因素分析的研究較少，但是一些學(xué)者研究了應(yīng)急信息的傳播效果、政府的網(wǎng)絡(luò)輿情導(dǎo)控能力等問(wèn)題，其影響因素通常從信息源、信息內(nèi)容等方面分析。從信息源角度，研究關(guān)注的影響因素通常有信源權(quán)威性、影響力[，衡量指標(biāo)包括網(wǎng)絡(luò)用戶的賬號(hào)認(rèn)證等級(jí)、認(rèn)證類型、粉絲數(shù)量等。此外，信息發(fā)布的及時(shí)性[]也是關(guān)鍵因素。從信息內(nèi)容角度，關(guān)注的影響因素除信息情感[12]、信息主題[13]外，還有信息豐富度[14]、文本信息量[15]等。在研究方法上，當(dāng)前研究多采用理論模型構(gòu)建和實(shí)證分析相結(jié)合的方式，通?；陔p過(guò)程理論、信息生態(tài)理論等理論，采用fsQCA或機(jī)器學(xué)習(xí)方法來(lái)分析，這些方法能夠有效揭示不同因素的復(fù)雜影響關(guān)系，為網(wǎng)絡(luò)信息救濟(jì)有效性的研究提供了方法支撐。

目前關(guān)于網(wǎng)絡(luò)信息救濟(jì)有效性影響因素的研究仍存在不足。大多數(shù)研究集中在信息服務(wù)質(zhì)量、信息公開(kāi)滿意度等方面，鮮有研究從網(wǎng)絡(luò)信息減少事件和公眾感知不確定性作用的角度，探究其發(fā)揮救濟(jì)能力的重要影響因素。

本文通過(guò)梳理信息救濟(jì)的概念、網(wǎng)絡(luò)信息救濟(jì)有效性的評(píng)價(jià)方式及其影響因素，發(fā)現(xiàn)現(xiàn)有研究存在以下不足：第一，缺乏對(duì)信息救濟(jì)的統(tǒng)一定義；第二，關(guān)于網(wǎng)絡(luò)信息救濟(jì)有效性的評(píng)價(jià)研究仍處于起步階段，現(xiàn)有研究多集中于定性分析，缺乏系統(tǒng)的量化指標(biāo)和實(shí)證研究，且較少?gòu)墓娨暯浅霭l(fā)，探討信息救濟(jì)在危機(jī)中緩解不確定性的具體機(jī)制；第三，在影響因素方面，現(xiàn)有研究多集中在信息服務(wù)質(zhì)量和信息公開(kāi)滿意度等方面，缺乏網(wǎng)絡(luò)信息救濟(jì)有效性的影響因素探究?；诖?，本文對(duì)信息救濟(jì)進(jìn)行定義，基于不確定性縮減理論，從公眾在社交媒體上采取的被動(dòng)、主動(dòng)和互動(dòng)三種策略的有效性角度來(lái)衡量事件不同階段的網(wǎng)絡(luò)信息救濟(jì)有效性，并基于啟發(fā)-系統(tǒng)模型，從啟發(fā)性和系統(tǒng)性兩個(gè)維度識(shí)別救濟(jì)有效性影響因素，構(gòu)建回歸預(yù)測(cè)模型，通過(guò)SHAP解釋框架，揭示影響網(wǎng)絡(luò)信息救濟(jì)有效性的重要因素，以補(bǔ)充相關(guān)研究的不足。

2研究理論與方法

2.1 理論基礎(chǔ)

社會(huì)支持理論（SocialSupport Theory）最早見(jiàn)于20世紀(jì)70年代。精神病學(xué)領(lǐng)域?qū)W者CobbS將社會(huì)支持定義為一種使個(gè)體確信自己被關(guān)懷、尊重，并作為某一社群不可或缺的一員的信息[1]。此后，該術(shù)語(yǔ)被學(xué)者不斷發(fā)展，逐漸拓展為一套理論體系，滲透至社會(huì)學(xué)、心理學(xué)、管理學(xué)以及信息科學(xué)等多個(gè)研究領(lǐng)域[17]。在網(wǎng)絡(luò)環(huán)境下，新的社會(huì)支持形式被稱為\"在線社會(huì)支持”[18]，以信息支持和情感支持為主[19]，包含需求型和供給型[20]。信息支持是影響個(gè)人行為決策的建議與指導(dǎo)性信息[21]。情感支持則體現(xiàn)為關(guān)懷、關(guān)注以及鼓勵(lì)等情感的表達(dá)[22]，這種支持可以給予人們心靈慰藉，有效緩解壓力與焦慮，為個(gè)體提供情感的避風(fēng)港。需求型是表達(dá)信息和情感需求的內(nèi)容，而供給型是提供信息和情感支持的內(nèi)容，本文認(rèn)為它們都是信息救濟(jì)的內(nèi)容。過(guò)往研究往往以問(wèn)答平臺(tái)的用戶問(wèn)題或直接以微博發(fā)布的博文作為需求信息。然而，微博這類平臺(tái)作為廣泛使用的社交媒體，用戶通過(guò)發(fā)布微博的形式表達(dá)自己的需求和傳遞信息與情感支持，在一定程度上同時(shí)包含了需求信息和供給信息。鑒于此，本文參考社會(huì)支持理論，結(jié)合社會(huì)支持需求與救濟(jì)的互動(dòng)結(jié)構(gòu)，對(duì)微博平臺(tái)事件相關(guān)博文進(jìn)行分類。

不確定性縮減理論（UncertaintyReductionThe-ory）由Berger和Calabrese于1975年提出23，最早應(yīng)用在人際交往的動(dòng)態(tài)過(guò)程中。該理論的核心觀點(diǎn)是，個(gè)體在初次交往情境中，往往將降低不確定性視為首要任務(wù)，進(jìn)而驅(qū)動(dòng)他們積極尋求關(guān)于交往對(duì)象的各類信息，旨在提升互動(dòng)行為的可預(yù)見(jiàn)性，從而有效削減不確定性。信息的數(shù)量并不足以直接作為減少不確定性的指標(biāo)，關(guān)鍵在于信息接收者是否認(rèn)為這些信息能夠指導(dǎo)其作出決策，即信息的實(shí)用性才是減少不確定性的核心因素。不確定性縮減理論提出，減少不確定性的主要策略包括被動(dòng)、主動(dòng)和互動(dòng)三種。被動(dòng)策略是通過(guò)觀察獲取有關(guān)他人信息的方式，主動(dòng)策略是積極尋求、主動(dòng)搜索和詢問(wèn)與目標(biāo)相關(guān)的信息，互動(dòng)策略是通過(guò)與目標(biāo)直接對(duì)話的形式來(lái)獲取信息從而減少不確定性。

已有研究表明，不確定性縮減理論適用于危機(jī)情境，因?yàn)樵谔接懝娒鎸?duì)突發(fā)事件的情境時(shí)，尋求事件相關(guān)信息同樣成為降低不確定性的關(guān)鍵[2]，并且不確定性縮減的三種策略已被證明有效。鑒于此，本文選取突發(fā)事件情境下社交媒體救濟(jì)信息的內(nèi)容作為分析樣本，依據(jù)不確定性縮減理論框架，從被動(dòng)、主動(dòng)、互動(dòng)策略的有效性角度出發(fā)，深入評(píng)估信息救濟(jì)在減少公眾在突發(fā)事件不確定性方面的效能。這一研究路徑不僅豐富了不確定性縮減理論的應(yīng)用場(chǎng)景，也為理解社交媒體在危機(jī)溝通中的角色與效果提供新的視角。

啟發(fā)-系統(tǒng)模型（Heuristic-Systematic Model，HSM）于1980年由心理學(xué)家ChaikenS提出[5]，能夠解釋用戶在接受和處理具有說(shuō)服力的信息時(shí)的思維和行為。該模型認(rèn)為，人們通過(guò)啟發(fā)式和系統(tǒng)式兩種平行方式加工信息。啟發(fā)式指主體根據(jù)外部線索進(jìn)行淺層分析，不是通過(guò)信息本身來(lái)判斷，自身投入的時(shí)間和精力很少。系統(tǒng)式是指主體在全方位地思考信息內(nèi)容后來(lái)作出判斷，這些線索包括信息本身的內(nèi)容特征，如信息內(nèi)容、信息量、易讀性等。

綜上，本文基于社會(huì)支持理論，挖掘不確定環(huán)境下社交媒體救濟(jì)信息與用戶需求，基于不確定性縮減理論探究社交媒體信息救濟(jì)有效性的評(píng)價(jià)方法，基于啟發(fā)-系統(tǒng)模型探究信息救濟(jì)有效性的影響因素。

2.2基于社會(huì)支持理論的供給和需求信息挖掘

從社會(huì)支持理論出發(fā)，參照Cheng等和肖亞龍等關(guān)于災(zāi)害事件社交媒體信息分類描述[26.20]，結(jié)合微博的傳播和具體事件特點(diǎn)，本文將河北暴雨微博信息分為態(tài)勢(shì)信息、救援信息、建議信息、情緒信息和離題信息。態(tài)勢(shì)信息、救援信息、建議信息構(gòu)成信息支持范疇，情緒信息屬于情感支持，離題信息為與事件無(wú)直接關(guān)聯(lián)的信息，如廣告營(yíng)銷等。從動(dòng)態(tài)需求和供給維度上看，態(tài)勢(shì)信息、救援信息、建議信息、情緒信息均有“需求型”和“供給型”之分，“供給型”信息作為實(shí)施救濟(jì)的信息內(nèi)容，即為救濟(jì)信息（具體分類、描述及示例見(jiàn)表1）。

2.3社交媒體信息救濟(jì)有效性度量

本文基于不確定性縮減理論，構(gòu)建被動(dòng)策略、主動(dòng)策略、互動(dòng)策略三個(gè)維度上單條微博的信息救濟(jì)有效性評(píng)價(jià)指標(biāo)，如等式（1）所示：

（1）在被動(dòng)策略上，公眾通過(guò)瀏覽社交媒體來(lái)了解事件信息。社交平臺(tái)上，信息的廣泛傳播在很大程度上決定了用戶接觸到該信息的可能性，影響信息救濟(jì)的有效性。傳播效果通常用轉(zhuǎn)發(fā)數(shù)來(lái)衡量，因此本文采用轉(zhuǎn)發(fā)數(shù)repost來(lái)反映單條微博被動(dòng)策略的有效性。

（2）在主動(dòng)策略上，公眾通過(guò)主動(dòng)搜索的方式積極尋求與事件相關(guān)信息，以減少不確定性帶來(lái)的負(fù)面影響，因此可以通過(guò)事件當(dāng)前階段內(nèi)信息救濟(jì)是否準(zhǔn)確滿足了用戶需求，即用戶需求滿足程度來(lái)衡量。需求滿足程度從客觀和主觀兩個(gè)層面衡量?？陀^上，可以通過(guò)救濟(jì)信息與用戶需求的語(yǔ)義相似度計(jì)算。其中，用戶需求維度主要包括需求內(nèi)容和需求強(qiáng)度[27]，需求內(nèi)容體現(xiàn)在內(nèi)容主題，需求強(qiáng)度是公眾作為信息接收者對(duì)信息的需求程度。某條需求的需求強(qiáng)度越大，在一定程度上表明對(duì)該條需求的救濟(jì)程度越高。主觀滿意度通過(guò)點(diǎn)贊數(shù)來(lái)衡量。單條信息主動(dòng)策略有效性如公式（2）所示：

其中， n 表示事件某一階段 p 主題類別為 Ψ_t 的所有需求信息的數(shù)量， R_pt 表示階段 p 內(nèi)主題類別為χ_t 的救濟(jì)信息， D_pii 表示階段 p 內(nèi)主題類別為 χ_t 的第 i 條需求信息， 表示其語(yǔ)義相似度，使用BERT預(yù)訓(xùn)練語(yǔ)言模型計(jì)算， DS_pii 表示 D_pii 的需求強(qiáng)度，like為單條救濟(jì)信息的點(diǎn)贊數(shù)。 DS_pi 的計(jì)算方式參考文獻(xiàn)[28]如公式（3）所示：

其中， like_i 表示該條需求信息的點(diǎn)贊數(shù)，comment表示該條需求信息的評(píng)論數(shù)，repost表示該條需求信息的轉(zhuǎn)發(fā)數(shù)。

（3）在互動(dòng)策略上，公眾通過(guò)直接對(duì)話的形式來(lái)獲取信息減少不確定性。不同于人際交往，在突發(fā)事件中，公眾無(wú)法與目標(biāo)進(jìn)行直接互動(dòng)。在社交媒體上，評(píng)論是互動(dòng)化的行為，用戶通過(guò)在救濟(jì)信息下進(jìn)行評(píng)論以及給評(píng)論點(diǎn)贊的方式來(lái)參與互動(dòng)，獲取信息。本文認(rèn)為，某條微博下評(píng)論內(nèi)容的整體情感傾向能夠反映用戶在該條微博下互動(dòng)的滿意程度。同時(shí)，對(duì)評(píng)論點(diǎn)贊表達(dá)了對(duì)該評(píng)論的共鳴，并且能夠增加該評(píng)論的曝光度，使其被更多人關(guān)注并參與討論。因此本文通過(guò)評(píng)論文本的情感傾向值與點(diǎn)贊數(shù)來(lái)綜合衡量互動(dòng)策略有效性。此外，還需要結(jié)合互動(dòng)內(nèi)容與原微博文本的主題相關(guān)性綜合判斷。單條信息互動(dòng)策略有效性如公式（4）所示：

其中，comment（s）表示每條評(píng)論的情感傾向值，取值為0到1之間，comment（like）表示每條評(píng)論的點(diǎn)贊數(shù)。情感傾向通過(guò)python中的SnowNLP庫(kù)計(jì)算，情感傾向值的最終賦值需要考慮評(píng)論主題與原博主題的相似度。具體而言，若用戶的評(píng)論內(nèi)容與原博主題相關(guān)，意味著用戶是針對(duì)原博問(wèn)題展開(kāi)互動(dòng)，那么該評(píng)論的情感傾向值取其實(shí)際計(jì)算值；若用戶的評(píng)論內(nèi)容與原博主題不相關(guān)，即主題相似度小于0，其表達(dá)的情感態(tài)度不對(duì)該條微博的有效性造成影響，這種情況將該評(píng)論的情感傾向值與其點(diǎn)贊數(shù)的乘積置為0。

基于以上三個(gè)維度，通過(guò)熵值法為各指標(biāo)賦予權(quán)重，按照等式（1）計(jì)算微博信息救濟(jì)有效性。

2.4社交媒體信息救濟(jì)有效性影響因素分析

本文基于啟發(fā)-系統(tǒng)模型，從啟發(fā)性和系統(tǒng)性兩個(gè)維度選擇10個(gè)影響信息救濟(jì)有效性的潛在因素，構(gòu)建網(wǎng)絡(luò)信息救濟(jì)有效性影響因素模型（見(jiàn)表2）。

系統(tǒng)性包括信息量、信息情感性、信息豐富度、信息規(guī)范性、信息明確性、信息話題性、聯(lián)動(dòng)性。在突發(fā)情況下，信息量過(guò)多可能導(dǎo)致信息過(guò)載，使得關(guān)鍵信息難以被識(shí)別和提取，進(jìn)而影響救濟(jì)的準(zhǔn)確性。在社交媒體上發(fā)布具有情感性和豐富度高的信息往往更容易引起傳播，因此情感性和豐富度也納入考慮。對(duì)于信息豐富度，根據(jù)媒體豐富度理論，將純文本、文本 + 圖片、文本 + 視頻分別編碼為 1、2、3^[29] 考慮到微博可以同時(shí)發(fā)布圖片和視頻，將文本 + 圖片 + 視頻編碼為4。規(guī)范性和明確性均能提升公眾的接受程度和信任感，而話題性和聯(lián)動(dòng)性有助于擴(kuò)大救濟(jì)信息的傳播力和影響力。其中，信息情感性使用百度AI情感傾向分析接口獲取，確切詞比例使用TextMind計(jì)算。

啟發(fā)性包括發(fā)布者權(quán)威性、影響力和發(fā)布及時(shí)性。權(quán)威性發(fā)布者通常擁有較高公信力，其發(fā)布的信息更容易被公眾接受和信任，在信息救濟(jì)過(guò)程中，權(quán)威性發(fā)布者發(fā)布的信息往往能夠更有效地消除公眾的不確定性。影響力較大的發(fā)布者通常擁有廣泛的受眾群體和強(qiáng)大的傳播渠道，使其發(fā)布的信息能夠迅速傳播給更廣泛的用戶。及時(shí)發(fā)布信息能夠確保信息的時(shí)效性，使公眾盡快了解事件的最新進(jìn)展等，減少公眾不確定性，提高信息救濟(jì)的效果。

將表2中的影響因素作為自變量，信息救濟(jì)有效性評(píng)估值作為因變量，采用支持向量回歸模型（SupportVectorRegression，SVR）隨機(jī)森林回歸模型（RandomForestRegression，RFR）極限樹回歸模型（Extra TreeRegression，ETR）ExtremeGradientBoost-ing回歸模型（XGBRegression，XGBR）和LightGradi-ent Boosting Machine回歸模型（LGBMRegression，LGBMR）進(jìn)行預(yù)測(cè)，選取均方誤差（MSE）、平均絕對(duì)誤差（MAE）和相關(guān)系數(shù) （R²） 評(píng)估效果最佳的模型輸入SHAP（SHapleyAdditive exPlanations）。SHAP是一種用于解釋機(jī)器學(xué)習(xí)模型預(yù)測(cè)結(jié)果的方法，它基于合作博弈論中的Shapleyvalue，能夠解釋機(jī)器學(xué)習(xí)模型中不同特征對(duì)模型預(yù)測(cè)結(jié)果的貢獻(xiàn)程度。

3實(shí)驗(yàn)及結(jié)果分析

3.1 數(shù)據(jù)收集和預(yù)處理

本文選取2023年河北暴雨事件作為案例，并以新浪微博平臺(tái)作為數(shù)據(jù)來(lái)源。根據(jù)河北暴雨事件的發(fā)展過(guò)程，將數(shù)據(jù)收集時(shí)間選取為2023年7月29日至2023年8月12日。為了盡可能獲取所有相關(guān)數(shù)據(jù)，將“河北暴雨”“涿州暴雨”\"涿州 + 雨\"“強(qiáng)降雨\"作為事件關(guān)鍵詞，獲取相關(guān)微博的內(nèi)容、發(fā)布時(shí)間、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、點(diǎn)贊數(shù)、評(píng)論的內(nèi)容及其點(diǎn)贊數(shù)，以及相應(yīng)用戶信息，去除重復(fù)數(shù)據(jù)和特殊字符后，最終獲得126，307條數(shù)據(jù)。

3.2 生命周期劃分

百度指數(shù)呈現(xiàn)了用戶在互聯(lián)網(wǎng)上對(duì)事件的關(guān)注程度和持續(xù)變化狀況。根據(jù)河北暴雨事件在百度指數(shù)收錄關(guān)鍵詞“河北暴雨\"的數(shù)據(jù)變化，以及對(duì)獲取到的微博數(shù)據(jù)的統(tǒng)計(jì)，將該事件的生命周期劃分如下：8月1日8時(shí)前為潛伏期，該時(shí)期河北地區(qū)出現(xiàn)零星降雨天氣，但強(qiáng)度不大，范圍較小，微博上對(duì)該事件關(guān)注度還不高。8月1日8時(shí)至8月3日10時(shí)為爆發(fā)期，該時(shí)期暴雨強(qiáng)度變大，災(zāi)害造成的影響迅速顯現(xiàn)，微博上有關(guān)暴雨的討論迅速升溫，成為熱門話題。8月3日11時(shí)至8月7日14時(shí)為蔓延期，該時(shí)期暴雨事件的影響范圍逐漸擴(kuò)散，討論熱度較先前有所下降。8月7日15時(shí)至8月12日23時(shí)是恢復(fù)期，該時(shí)期生活秩序逐漸恢復(fù)正常，討論逐漸平息。

3.3 微博信息分類

本文采用文心ERNIE3.0進(jìn)行模型訓(xùn)練，按照2.1節(jié)分類描述區(qū)分出微博平臺(tái)用戶的實(shí)際需求和救濟(jì)內(nèi)容。該模型是百度研發(fā)的基于知識(shí)增強(qiáng)的多范式統(tǒng)一預(yù)訓(xùn)練框架，通過(guò)融合大規(guī)模文本數(shù)據(jù)與結(jié)構(gòu)化知識(shí)圖譜來(lái)提升模型的語(yǔ)義理解能力，在理解任務(wù)、生成任務(wù)、零樣本學(xué)習(xí)任務(wù)中均取得優(yōu)秀的表現(xiàn)。

首先進(jìn)行數(shù)據(jù)準(zhǔn)備。從收集到的數(shù)據(jù)中選擇2000條，依據(jù)表1的分類標(biāo)準(zhǔn)進(jìn)行人工標(biāo)注，為每條數(shù)據(jù)賦予標(biāo)簽，如“需求-態(tài)勢(shì)信息\"等，并保證每個(gè)標(biāo)簽的已標(biāo)注文本大于150條，取 80% 為訓(xùn)練集，剩下 20% 為測(cè)試集，導(dǎo)人并創(chuàng)建數(shù)據(jù)集。然后在模型訓(xùn)練配置上選擇高精度算法，模型篩選指標(biāo)選擇兼顧精確率與召回率。最終訓(xùn)練集準(zhǔn)確率為 92.9% ，F(xiàn)1值為 91.3% ，精確率為 91.4% ，召回率為 93.4% ，測(cè)試集準(zhǔn)確率為 83.5% ，具有良好的效果。最后獲取ER-NIE3.0微調(diào)后的模型接口，調(diào)用模型接口對(duì)獲取到的河北暴雨事件微博信息進(jìn)行分類。由于一條微博可能表達(dá)多種含義，同時(shí)屬于多種類別，通常學(xué)者會(huì)將分布概率最高的類目標(biāo)簽作為該對(duì)象的類別。本文訓(xùn)練的模型對(duì)每條信息的分類數(shù)量默認(rèn)為6個(gè)，即概率最大的前6個(gè)類別，并展示屬于各類別的概率，因此也使用同樣策略，選取概率最高的作為微博信息類別。最終保留104，851條救濟(jì)信息和20，912條需求信息，刪除了離題信息544條。

3.4網(wǎng)絡(luò)信息救濟(jì)有效性分析

根據(jù)網(wǎng)絡(luò)信息救濟(jì)有效性評(píng)價(jià)指標(biāo)構(gòu)建和公式（2）-（4）的計(jì)算方法，獲取各救濟(jì)信息的指標(biāo)值，通過(guò)熵值法獲得權(quán)重，將指標(biāo)數(shù)值與權(quán)重系數(shù)代入公式（1），計(jì)算每條救濟(jì)類微博的信息救濟(jì)有效性綜合得分。為便于分析，將數(shù)據(jù)歸一化到[0，1]區(qū)間，再映射到[0，100]區(qū)間（實(shí)驗(yàn)結(jié)果前4名見(jiàn)表3）。

從表3可知，排名前四的微博條目均在河北暴雨事件爆發(fā)的關(guān)鍵階段被發(fā)布，且內(nèi)容均聚焦于救援類信息的傳遞，說(shuō)明在事件爆發(fā)期內(nèi)，公眾迫切需要通過(guò)被動(dòng)、主動(dòng)以及互動(dòng)方式全面獲取關(guān)于救援行動(dòng)的最新進(jìn)展、救援力量的部署情況等關(guān)鍵信息。因此在突發(fā)事件的爆發(fā)期，及時(shí)發(fā)布的救援類信息，能夠最大限度地緩解公眾不確定性，有效引導(dǎo)公眾行為，提升救濟(jì)有效性。

對(duì)河北暴雨事件四個(gè)階段的各個(gè)主題類型信息救濟(jì)有效性排名前 10% 的微博，分別計(jì)算其救濟(jì)有效性平均值進(jìn)行分析并繪制分布圖（見(jiàn)圖1）。

通過(guò)ANOVA方差分析檢驗(yàn)，河北暴雨事件中微博信息救濟(jì)的有效性在不同階段呈現(xiàn)出顯著的差異 （P-value=0.047lt;0.05） 。爆發(fā)期和蔓延期作為事件最為緊急和關(guān)鍵的時(shí)期，信息救濟(jì)有效性得分整體相對(duì)較高，這主要?dú)w因于這兩個(gè)階段公眾對(duì)即時(shí)信息的高度關(guān)注和信息需求的緊迫性。在爆發(fā)期，救援信息救濟(jì)的有效性最高。大量救援組織、志愿者和公眾通過(guò)微博發(fā)布和轉(zhuǎn)發(fā)救援信息，迅速形成了救援力量，為受災(zāi)群眾提供了及時(shí)的幫助，高得分反映了救援信息在該階段促進(jìn)救援資源調(diào)配、滿足救援需求等方面的顯著作用。進(jìn)入蔓延期，建議信息救濟(jì)的有效性最高，這說(shuō)明隨著災(zāi)情的持續(xù)和影響的擴(kuò)大，公眾對(duì)于具有明確指向性、可操作性的建議類信息產(chǎn)生了更為強(qiáng)烈的需求，相較于其他類型的信息，建議類信息能夠直接為民眾提供應(yīng)對(duì)災(zāi)情的具體行動(dòng)指南，如安全避險(xiǎn)的方法、物資合理調(diào)配的策略以及臨時(shí)生活安置的要點(diǎn)等，從而有效地助力公眾增強(qiáng)自我保護(hù)能力，提升了信息救濟(jì)在災(zāi)害應(yīng)對(duì)過(guò)程中的實(shí)際效果與積極作用。

相比之下，潛伏期和恢復(fù)期的信息救濟(jì)有效性得分整體較低。在潛伏期，態(tài)勢(shì)信息救濟(jì)的有效性相對(duì)較高，說(shuō)明事件預(yù)警信息的發(fā)布較為有效，但受限于暴雨災(zāi)情尚未全面爆發(fā)，公眾的緊迫感相對(duì)較低。因此，信息在這一階段雖然同樣具有價(jià)值，但其救濟(jì)有效性的體現(xiàn)可能不如爆發(fā)期和蔓延期直觀和顯著。而在恢復(fù)期，信息救濟(jì)有效性可能更多地體現(xiàn)在長(zhǎng)期的社會(huì)影響和公眾心理調(diào)適上，情緒信息救濟(jì)有效性為該階段最高，說(shuō)明公眾更需要心理援助與情感支持，此時(shí)發(fā)布如祈福、鼓勵(lì)、支持等情感信息對(duì)救濟(jì)更為有效。但相較于蔓延期，公眾的注意力已經(jīng)逐漸轉(zhuǎn)移，事件也進(jìn)入了收尾階段，因此信息救濟(jì)有效性整體效果相對(duì)較弱。

實(shí)驗(yàn)結(jié)果表明，在突發(fā)事件的爆發(fā)期和蔓延期，及時(shí)發(fā)布救援類和建議類信息對(duì)緩解公眾不確定感，提供明確的行動(dòng)指南，提升信息救濟(jì)的有效性至關(guān)重要。因此，應(yīng)急管理部門和信息發(fā)布者應(yīng)優(yōu)先在這些階段發(fā)布關(guān)鍵信息，確保公眾能夠及時(shí)獲取最新的救援進(jìn)展和應(yīng)對(duì)建議。而在潛伏期，公眾更關(guān)注態(tài)勢(shì)信息，如預(yù)警和防范措施；在恢復(fù)期，公眾則更需要情感支持和心理援助。因此信息發(fā)布者需根據(jù)事件的發(fā)展階段，調(diào)整信息內(nèi)容的側(cè)重點(diǎn)，以滿足公眾在不同階段的實(shí)際需求。

3.5網(wǎng)絡(luò)信息救濟(jì)有效性影響因素分析

為探究網(wǎng)絡(luò)信息救濟(jì)有效性的影響因素，本文對(duì)2.3節(jié)中提到的5個(gè)機(jī)器學(xué)習(xí)模型進(jìn)行對(duì)比實(shí)驗(yàn)，構(gòu)建信息救濟(jì)有效性回歸預(yù)測(cè)模型。具體而言，將準(zhǔn)備好的實(shí)驗(yàn)數(shù)據(jù)輸入5個(gè)回歸預(yù)測(cè)模型，按照8：2劃分訓(xùn)練集和測(cè)試集，并得出各模型表現(xiàn)結(jié)果（見(jiàn)表4）。其中，MSE和MAE均用來(lái)衡量預(yù)測(cè)誤差，值越小，模型預(yù)測(cè)結(jié)果越準(zhǔn)確。 R² 是衡量預(yù)測(cè)值與實(shí)際觀測(cè)值之間擬合程度的統(tǒng)計(jì)量，值越接近1表示模型的擬合效果越好。綜合比較可以看出LGBMR模型效果最好，因此選擇LGBMR模型對(duì)信息救濟(jì)有效性進(jìn)行預(yù)測(cè)。

使用SHAP對(duì)訓(xùn)練好的LGBMR模型進(jìn)行解釋，繪制全局特征重要性排序圖和全局特征概要圖（見(jiàn)圖2）。圖2（a）是全局特征重要性排序圖，展示了每個(gè)特征在所有預(yù)測(cè)中的平均絕對(duì)SHAP值，通過(guò)條形的長(zhǎng)度可以直觀看出各個(gè)特征對(duì)信息救濟(jì)有效性影響大小，長(zhǎng)度越長(zhǎng)，特征的影響程度越大。圖2（b）是全局特征概要圖，展示所有樣本在所有特征上的SHAP值分布，y軸是樣本點(diǎn)所屬的特征， x 軸是SHAP值，點(diǎn)的顏色深淺表示了特征值的大小，其中淺色表示較高的特征值，深色表示較低的特征值，不同方向表示了影響的正負(fù)。

分析圖2可知，發(fā)布者影響力對(duì)信息救濟(jì)有效性有顯著正向影響，這表明粉絲量越多的信息發(fā)布者所發(fā)布的信息更容易被公眾信任，當(dāng)他們發(fā)布與信息救濟(jì)相關(guān)的內(nèi)容時(shí)，能夠迅速擴(kuò)散，使更多公眾能夠接收到其發(fā)布的信息，信息救濟(jì)效果更好。發(fā)布及時(shí)性與信息救濟(jì)有效性呈顯著正相關(guān)，這表明及時(shí)發(fā)布信息能夠讓公眾迅速獲取所需信息，作出反應(yīng)，從而對(duì)信息救濟(jì)有效性產(chǎn)生積極作用。信息量、信息話題性、聯(lián)動(dòng)性、信息明確性、信息規(guī)范性、信息豐富度均在一定程度上與信息救濟(jì)有效性呈正相關(guān)，這表明信息量充足、帶有熱門話題、促進(jìn)聯(lián)動(dòng)與協(xié)作、使用統(tǒng)一的標(biāo)題格式和具有明確性以及帶有圖片和視頻的信息均能提升信息救濟(jì)有效性。信息情感性與信息救濟(jì)有效性呈負(fù)相關(guān)，這可能因?yàn)?，在不確定環(huán)境中發(fā)布的信息對(duì)危機(jī)事件表達(dá)出悲痛同情之感，可在一定程度上有效引發(fā)網(wǎng)民的共鳴，促進(jìn)與公眾之間的深度連接與互動(dòng)交流，提升對(duì)公眾的支持力度，從而提升救濟(jì)有效性。

實(shí)驗(yàn)結(jié)果揭示，發(fā)布者的影響力、信息發(fā)布的及時(shí)性、信息內(nèi)容的豐富性和規(guī)范性等因素均對(duì)信息救濟(jì)的有效性產(chǎn)生了正向影響。因此在實(shí)際操作中，政府機(jī)構(gòu)、專業(yè)媒體和相關(guān)組織應(yīng)積極利用其高影響力，優(yōu)先在事件的關(guān)鍵階段發(fā)布及時(shí)且內(nèi)容豐富的信息，同時(shí)應(yīng)確保信息的準(zhǔn)確性和完整性，使用統(tǒng)一的標(biāo)題格式，避免模糊和誤導(dǎo)性內(nèi)容，以增強(qiáng)公眾的信任感，減少公眾的不確定感。此外，適當(dāng)結(jié)合情感元素可以增強(qiáng)公眾的心理支持和情感共鳴，但需避免過(guò)度的情感化，以免引起公眾的反感和不信任。通過(guò)這些措施，可以有效提升網(wǎng)絡(luò)信息救濟(jì)的有效性，為公眾提供更有力的支持和指導(dǎo)，在不確定環(huán)境中增強(qiáng)公眾的應(yīng)對(duì)能力和心理韌性。

4結(jié)語(yǔ)

本文針對(duì)突發(fā)事件造成的不確定環(huán)境，基于社會(huì)支持理論將河北暴雨事件網(wǎng)絡(luò)信息分為除離題信息外的社會(huì)支持需求和社會(huì)支持供給兩個(gè)維度，每個(gè)維度均細(xì)分為態(tài)勢(shì)信息、救援信息、建議信息、情緒信息四個(gè)類別?；趯?duì)信息救濟(jì)的定義，將社會(huì)支持供給信息視作救濟(jì)型信息，以不確定性縮減理論為基礎(chǔ)，從減少不確定性策略的被動(dòng)、主動(dòng)、互動(dòng)三個(gè)維度構(gòu)建了網(wǎng)絡(luò)信息救濟(jì)有效性評(píng)估體系，然后基于啟發(fā)-系統(tǒng)模型，從啟發(fā)性和系統(tǒng)性兩個(gè)維度識(shí)別救濟(jì)有效性影響因素，構(gòu)建回歸預(yù)測(cè)模型和SHAP模型揭示了影響網(wǎng)絡(luò)信息救濟(jì)有效性的重要因素，并提出提升信息救濟(jì)有效性的針對(duì)性建議。

在理論方面，將信息救濟(jì)概念用于不確定環(huán)境下網(wǎng)絡(luò)信息的研究中，拓展了信息救濟(jì)的研究范疇，為危機(jī)響應(yīng)和管理的理論研究提供了新的視角。其次，基于不確定性縮減理論，從減少不確定性策略的被動(dòng)、主動(dòng)、互動(dòng)三個(gè)維度構(gòu)建了網(wǎng)絡(luò)信息救濟(jì)有效性評(píng)估體系。這一評(píng)估體系不僅為網(wǎng)絡(luò)信息救濟(jì)的有效性提供了量化標(biāo)準(zhǔn)，也為后續(xù)研究提供了可借鑒的評(píng)估框架。在實(shí)踐方面，將啟發(fā)-系統(tǒng)模型引入網(wǎng)絡(luò)信息救濟(jì)有效性影響因素的識(shí)別中，從啟發(fā)性和系統(tǒng)性兩個(gè)維度選取影響因素，構(gòu)建回歸預(yù)測(cè)模型，揭示了影響網(wǎng)絡(luò)信息救濟(jì)有效性的重要因素，為政府、相關(guān)機(jī)構(gòu)和媒體在危機(jī)事件中制定和優(yōu)化網(wǎng)絡(luò)信息救濟(jì)策略、提高信息救濟(jì)有效性提供了科學(xué)依據(jù)。未來(lái)研究將結(jié)合多平臺(tái)的多類型事件綜合分析，并進(jìn)一步完善對(duì)影響因素的考察，從而更深入地理解網(wǎng)絡(luò)信息救濟(jì)有效性的影響機(jī)制。

致謝：感謝圖書情報(bào)國(guó)家級(jí)實(shí)驗(yàn)教學(xué)示范中心為本研究提供實(shí)驗(yàn)支持！

參考文獻(xiàn)：

[1]陳美華，周群，王延飛.不確定環(huán)境下韌性社會(huì)的情報(bào)賦能研究[J].情報(bào)科學(xué)，2024，42（7）：61-69.

[2]中國(guó)互聯(lián)網(wǎng)信息中心（CNNIC）.第53次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[EB/OL].[2025-02-22].htps：/www.cnnic.net.cn/n4/2024/0322/c88-10964.html.

[3]葉光輝，曾杰妍，胡婧嵐.用戶應(yīng)急信息搜尋行為研究評(píng)述[J].圖書情報(bào)知識(shí)，2019（4）：71-81.

[4］張雪峰，黃葉琳.突發(fā)公共事件回應(yīng)的公眾認(rèn)可度研究——基于在線文本透明度與同理心情感分析[J].科技情報(bào)研究，2024，6（4）：66-80.

[5]YuanF，LiM，LiuR，etalSocialmediaforehancedunderstandingofdisasterresilienceduring HurricaneFloreneJternationalJournal ofInformationManagement，2O21，57：102289.

[6]方印，李杰.大數(shù)據(jù)視野下公眾環(huán)境信息救濟(jì)權(quán)初探[J].學(xué)術(shù)探索，2021（1）：69-77.

[7]陳積銀，宋春妮，崔怡珂.信息救濟(jì)、情緒安撫與公眾參與：社交媒體在非傳統(tǒng)安全事件中的社會(huì)治理[J].全球傳媒學(xué)刊，2022，9（2）：21-36.

[8」喻國(guó)明，耿曉夢(mèng).信息救濟(jì)與共同體重塑：非傳統(tǒng)安全態(tài)勢(shì)下的傳播范式——試論“第四維度\"影響下的傳播樣態(tài)[J].學(xué)術(shù)界，2020（10）：75-83.

[9］周磊，黃麒，魏玖長(zhǎng).基于組態(tài)視角的突發(fā)事件應(yīng)急信息傳播效果研究——以\"安徽疾控\"為例[J].公共管理與政策評(píng)

[10]張寶生，祁曉婷.基于危機(jī)過(guò)程管理視角的地方政府網(wǎng)絡(luò)輿情導(dǎo)控能力評(píng)價(jià)研究[J].現(xiàn)代情報(bào)，2018，38（10）：24-31，56.

[11]袁維海.突發(fā)事件管理中的政府信息公開(kāi)[J].中國(guó)行政管理，2011（1）：66-69.

[12]鐘偉軍.公共輿論危機(jī)中的地方政府微博回應(yīng)與網(wǎng)絡(luò)溝通——基于深圳\"5.26飆車事件\"的個(gè)案分析[J].公共管理學(xué)報(bào)，2013，10（1）：31-42，139.

[13］趙曉航.基于情感分析與主題分析的\"后微博\"時(shí)代突發(fā)事件政府信息公開(kāi)研究——以新浪微博\"天津爆炸\"話題為例[J].圖書情報(bào)工作，2016，60（20）：104-111.

[14]Daft RL，Lengel RH，TevinoLK.Messge equivocality，mediaselection，ndmanagerperformance：Implicationsforfora-tionsystems[J].MISQuarterly，1987：355-366.

[15]Song C，F(xiàn)ujishiro H.Toward theautomaticdetectionofrescue-request twets：Analyzing the featuresofdata verified bythepress[C]//2019 International Conference on Informationand Communication Technologies for Disaster Management （ICT-DM）.IEEE，2019：1-4.

[16] Cobb S.Social support as a moderator of life stress[J].Psychosomatic Medicine，1976，38（5）：300-314.

[17］張一涵，李凱，沈洪洲，等.社會(huì)支持理論及其在信息系統(tǒng)研究領(lǐng)域的應(yīng)用與展望[J].現(xiàn)代情報(bào)，2023，43（5）：135-145.

[18]SeoM，SunS，MerollAJ，etal.WillingnesstohelpfollowingtheSichuanarthquake：modelingtheeffctsofmediainvolve-ment，stress，trust，and relational resources[J].Communication Research，2012，39（1）：3-25.

[19]Zhou C，Xiu H，Wang Y，etal.Characterizing thediseminationofmisinformationonsocial media in healthemergencies：Anempirical study based on COVID-19[J].Information Processing amp; Management，2021，58（4）：102554.

[20]肖亞龍，馮皓，朱承璋，等.基于社會(huì)網(wǎng)絡(luò)分析的重大自然災(zāi)害事件線上社會(huì)支持尋求與供給研究[J].情報(bào)雜志，2023，42（3）：190-198.

[21]Chun JW，LeMJ.Whendoes individuals'wilingnessto speakoutincreaseon social media？Perceivedsocialsupportandperceived power control[J].Computers in Human Behavior，2017，74：120-129.

[22]Lin TC，HsuJSC，Cheng HL，etal.Exploring therelationshipbetweenreceivingandoferingonline social support：Adualsocial support model[J].Informationamp; Management，2015，52（3）：371-383.

[23]BergerCR，CalabreseRJSomeexplorationsiniitialinteractionandbeyond：Towardadevelopmental teoryofinterpersonalcommunication[J].Human Communication Research，1974，1（2）：99-112.

[24]SonJ，LeeJrsnKR，etalUderstaningtecertaintyofisastertwtsnditsftonetweetingThestiveof uncertaintyreductiontheoryandinformationentropyJ].JournaloftheAsociationforInformation ScienceandTechnolo-gy，2020，71（10）：1145-1161.

[25]Chaiken S.Heuristic Versus Systematic Information Procesingand theuseofSourceVersus MessageCues in Persuasion[J].Journal of Personality and Social Psychology，1980，39（5）：752-766.

[26]Cheng X，Han G，Zhao Y，etalEvaluating social media response tourban flooddisaster：Case studyonaneast Asiancity[J].Sustainability，2019，11（19）：5330.

[27]常紅，田野，沙淑欣.圖書館信息推送服務(wù)用戶接受研究[J].圖書館論壇，2014，34（11）：106-111.

[28］劉澤，單軫，邵波.后疫情時(shí)代公眾信息需求與公共圖書館信息服務(wù)策略研究[J].情報(bào)科學(xué)，2023，41（7）：179-188.

[29]Chen Q，Min C，Zhang W，etal.Unpacking the black box： How to promote citizen engagement through government social me-dia during the COVID-19 crisis[J].Computers in Human Behavior，2022，110：106380.

作者簡(jiǎn)介：安璐，、大學(xué)信息管理學(xué)院、教授；唐辭，大學(xué)信息管理學(xué)院碩士研究生。