Please wait a minute...
Advanced Search
数据分析与知识发现  2020, Vol. 4 Issue (2/3): 110-121    DOI: 10.11925/infotech.2096-3467.2019.0636
  专辑 本期目录 | 过刊浏览 | 高级检索 |
基于系统动力学的突发事件网络舆情传播研究:以“江苏响水爆炸事故”为例*
邓建高1,张璇1,傅柱1,2(),韦庆明1
1河海大学企业管理学院 常州 213022
2江苏科技大学经济管理学院 镇江 212003
Tracking Online Public Opinion Based on System Dynamics: Case Study of “Xiangshui Explosion Accident”
Deng Jiangao1,Zhang Xuan1,Fu Zhu1,2(),Wei Qingming1
1School of Enterprise Administration, Hohai University, Changzhou 213022, China
2School of Economic and Management, Jiangsu University of Science and Technology, Zhenjiang 212003, China
全文: PDF(1812 KB)   HTML ( 7
输出: BibTeX | EndNote (RIS)      
摘要 

【目的】 探究突发事件网络舆情的传播规律,为政府部门引导和调控网络舆情提供理论依据。【方法】 以“江苏响水爆炸事故”为例,引入突发事件类型的特有变量,基于系统动力学理论构建突发事件网络舆情传播的系统动力学模型,采用Vensim软件对所构建模型进行仿真与分析;同时,将政府相关变量作为控制变量,深入探讨政府行为对网络舆情传播态势的影响。【结果】 在仿真实验结果中,网民微博发帖量和网媒新闻发布量两个主要变量的MAPE值分别为18%和27%,表明所构建仿真模型具有可行性和有效性,能够可靠地拟合网络舆情的传播趋势。通过参数优化调整,分别设置“政府危机处理力度”和“官方新闻透明度”变量上下浮动20%、“政府响应时间”推迟一天,其结果表明政府行为及处理方式对舆情传播影响效果最为显著。【局限】 部分数据来自调查问卷和专家打分,其结果可能存在偏差。【结论】 突发事件的网络舆情传播规律一般是先迅速上升到峰值,然后缓慢下降;政府的响应时间、政府危机处理力度及官方新闻透明度对舆情热度的影响分别为正相关、负相关及负相关。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
邓建高
张璇
傅柱
韦庆明
关键词 突发事件网络舆情危化品水污染系统动力学    
Abstract

[Objective] This paper explores the dissemination laws of online public opinion during emergencies (OPOE), aiming to help governments guide and regulate such information.[Methods] First, we used “Xiangshui Explosion Accident in Jiangsu Province” as an example and introduced unique variables for this type of events. Then, we constructed a system dynamics model for OPOE. Third, we simulated and analyzed the proposed model with Vensim software. Finally, we adopted the government-related variables as control variables to discuss the impact of government behavior on online public opinion.[Results] For the simulation experiment, the MAPE values of the online posts and news were 18% and 27%. Thus, the simulation model is feasible and could effectively describe the developing trends of online public opinions. More importantly, the government reactions also posed significant effects to the dissemination of public opinions.[Limitations] Some of our data were from questionnaires and expert scoring, which might be biased.[Conclusions] The OPOE generally rises rapidly to the peak and then slowly declines. The government response time, level of reactions and transparency of official news posed positive, negative and negative effects to evolving of public opinions.

Key wordsEmergency    Online Public Opinion    Chemical Pollution    System Dynamics
收稿日期: 2019-06-10     
中图分类号:  G350  
基金资助:*本文系江苏省社会科学基金项目“农村青年网络社会心态及其对网络抗议行为的作用机理研究”(19ZZB003);国家自然科学基金青年项目“面向语义出版的科技文献资源描述框架研究”(71904043);国家重点研发计划项目的研究成果之一(2017YFB0803304)
通讯作者: 傅柱     E-mail: fuzhu886@163.com
引用本文:   
邓建高,张璇,傅柱,韦庆明. 基于系统动力学的突发事件网络舆情传播研究:以“江苏响水爆炸事故”为例*[J]. 数据分析与知识发现, 2020, 4(2/3): 110-121.
Deng Jiangao,Zhang Xuan,Fu Zhu,Wei Qingming. Tracking Online Public Opinion Based on System Dynamics: Case Study of “Xiangshui Explosion Accident”. Data Analysis and Knowledge Discovery, DOI:10.11925/infotech.2096-3467.2019.0636.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2019.0636
图1  网络舆情形成与发展的过程[15]
图2  系统动力学的建模过程
图3  网民子系统的因果关系
图4  网媒子系统的因果关系
图5  政府子系统的因果关系
图6  总系统的因果关系
图7  总系统的存量流量
子系统 序号 变量名称 公式/值 备注
网民
子系统
1 网民微博发帖量 INTEG(微博发布增加量-微博发布减少量,160) 网民一天内在微博上的总发帖量,公式由系统自定义。
2 网民微博发布增加量 网民微博发帖量×EXP(-网民关注度) 有关事件的所有微博在一天内的增加量。
3 网民微博发布减少量 微博沉寂系数×网民微博发帖量 网民微博发帖量降低的速率和网民微博发帖量相乘即为微博发布减少量。
4 网民微博沉寂系数[20] 0.23 由于网民关注度下降、时间流逝等种种原因,使得水污染事件不再受到关注。沉寂系数是指网民微博发帖量降低的速率。
5 网民参与度[21] 100-34.8×EXP(-0.000 083 88×网民微博发帖量) 模型假设网民微博发帖量能够代表网民参与度,其中权重值参考文献[21]。
6 网络舆情热度[15] 0.5036×网民参与度+0.3067×网媒参与度-0.1897×网民对政府满意度 网络舆情热度受到这三个因素的直接作用,三个因素的权重由专家打分法得到,最终权重结果采用各个专家平均值。
7 网民关注度 水体污染程度×(0.10×政府关注度+0.40×网媒参与度+0.25×网络舆情热度-0.25×网民对政府满意度) 网民关注度受到这5个因素的直接作用,其中的权重值由专家打分法得到,最终权重结果采用各个专家平均值。
网媒
子系统
8 网媒新闻发布量 INTEG(网媒新闻增加量-网媒新闻减少量,8) 网络媒体一天内的新闻发布量,公式由系统自定义。
9 网媒新闻沉寂系数[20] 0.28 网媒新闻发布量降低的速率。由于网民关注度下降、时间流逝等种种原因,使得水污染事件不再受到关注。
10 网媒新闻增加量 网媒新闻发布量×EXP(-网民关注度) 事件相关所有网媒新闻在一天内的增加量。
11 网媒新闻减少量 网媒新闻发布量×网媒新闻沉寂系数 用网媒新闻发布量降低的速率和网络网媒新闻发布量相乘即为网媒新闻减少量。
12 网媒参与度[21] 100-95.3×EXP(-0.000 422×网媒新闻发布量) 模型假设网媒新闻发布量能够代表网媒参与度,其中权重值参考文献[21]。
政府
子系统
13 新闻发布量 INTEG(新闻发布增加量-新闻发布减少量,初始值为4) 政府及官方部门在一天内的新闻发布量,公式由系统自定义。
14 新闻发布增加量 新闻发布量×(0.2+EXP(-政府关注度)) 有关事件的所有官方新闻在一天内的增加量。
15 新闻发布减少量 新闻发布量×新闻沉寂系数 用新闻发布量降低的速率和新闻量相乘即为新闻发布减少量。
16 新闻沉寂系数[20] 0.30 新闻发布量降低的速率。由于网民关注度下降、时间流逝等种种原因,使得水污染事件不再受到关注。
17 政府关注度 网络舆情热度×水体污染程度 政府关注度与网络舆情热度和水污染程度都存在正相关关系。网络舆情热度越高,水污染程度越大,政府关注度自然会越高。
18 政府参与度 100-32.34×EXP(-0.000723×新闻
发布量)
模型假设政府新闻发布量能够代表政府参与度,其中权重值参考文献[21]。
19 官方新闻透明度 0.73 取自300位网民的问卷数据。打分取值范围在(0,1),用算术平方法计算最终分数。
20 事件处理满意程度 73.77 取自300位网民的问卷数据。打分取值范围在(0,100),用算术平方法计算最终分数。
21 政府响应时间 1 取自人民网所发布的新闻数据。事件发生至政府发声时间将近一天。
22 政府公信力 (事件处理满意程度-政府响应时间×5)×官方新闻透明度/2.5 政府公信力由这三个因素直接影响,经过反复调整得到的公式。
23 政府危机处理力度 71.25 取自300位网民的问卷数据。打分取值范围在(0,100),用算术平方法计算最终分数。
24 网民对政府满意度 0.360×政府公信力+0.851×政府危机处理力度+0.091×政府参与度 网民对政府满意度受到这三个因素的直接作用,其中权重值由专家打分法得到,最终权重结果采用各个专家平均值。
水体污染情况 25 Time 1 是时间变量,设置初值为第一天,仿真过程中可自由控制。
26 水体污染超标倍数 64.20 取自人民网所发布的新闻数据。
27 水体污染程度 水体污染超标倍数/3×EXP(-“<Time>”) 水体污染程度与事件刚发生时水体污染超标倍数有关,而且会随着时间的流逝慢慢降低。
表1  变量说明
事件 水体主要
污染物
水体污染
超标倍数
政府响应
时间
2019年3月21日 苯胺类 64.2倍 1天
表2  江苏响水爆炸事故的相关数据
变量名称 问题个数 最终得分 评分范围
网民自身情况 3个 / /
官方信息透明度 2个 0.73 (0,1)
危机处理力度 3个 71.25 (0,100)
事件处理满意程度 2个 75.77 (0,100)
表3  问卷中的变量与问题
变量

天数
1 2 3 4 5 6 7 8 9 10 11 12
网民微博发帖量 3 870 1712 726 766 841 520 719 227 142 68 78 123
网媒新闻发布量 85 101 38 23 25 8 13 2 2 3 2 1
表4  江苏响水爆炸事故的网络舆情统计数据(单位:条)
图8  网民微博发帖量
图9  网媒新闻发布量
图10  网民关注度
图11  网络舆情热度
图12  网民微博发帖量的检验
图13  网媒新闻发布量的检验
变量 MAPE值 结论
网民微博发帖量 18% 良好预测
网媒新闻发布量 27% 可行预测
表5  仿真结果检验的MAPE值
图14  处理力度的改变对舆情传播的影响
图15  官方新闻透明度改变对舆情传播的影响
图16  政府响应时间改变对舆情传播的影响
[1] 孙国峰, 余平平 . 互联网时代下中国公共政策的议程设置——基于多源流模型的分析[J]. 电子科技大学学报:社科版, 2019,21(2):40-46.
( Sun Guofeng, Yu Pingping . Policy Agenda-Setting of the Internet Age in China——Analysis Based on the Multiple Streams Model[J]. Journal of University of Electronic Science and Technology of China: Social Sciences Edition, 2019,21(2):40-46.)
[2] 齐佳音, 屈启兴, 张一文 , 等. 基于系统动力学的政府突发性公共危机事件网络舆情管理决策研究[C]// 2013中国信息经济学会学术年会暨博士生论坛, 广州. 2013: 1-20.
( Qi Jiayin, Qu Qixing, Zhang Yiwen , et al. Research on Management Strategies of Internet Public Opinion from Unexpected Public Crisis Events Based on the System Dynamics Model[C]// Proceedings of the 2013 China Information Economy Society Academic Annual Meeting and Doctoral Officer Forum, Guangzhou. 2013: 1-20.)
[3] 张一文, 齐佳音, 方滨兴 , 等. 非常规突发事件网络舆情热度评价指标体系构建[J]. 情报杂志, 2010,29(11):71-75, 117.
( Zhang Yiwen, Qi Jiayin, Fang Binxing , et al. Research on the Index System of Public Opinion on Internet for Abnormal Emergency[J]. Journal of Intelligence, 2010,29(11):71-75, 117.)
[4] 强韶华, 吴鹏 . 现代图书情报技术[J].现代图书情报技术, 2014(6):71-78.
( Qiang Shaohua, Wu Peng . The Research of Crowd Simulation in the Evolution Process of Web Public Opinion of Unexpected Event[J]. New Technology of Library and Information Service, 2014(6):71-78.)
[5] Cha M, Haddadi H, Benevenuto F , et al. Measuring User Influence in Twitter: The Million Follower Fallacy [C]// Proceedings of the 4th International Conference on Weblogs and Social Media, Washington, DC, USA. California: AAAI, 2010: 10-17.
[6] 王国华, 张剑, 毕帅辉 . 突发事件网络舆情演变中意见领袖研究——以药家鑫事件为例[J]. 情报杂志, 2011,30(12):1-5.
( Wang Guohua, Zhang Jian, Bi Shuaihui . Study on Opinion Leaders of Emergencies in Network Opinion Evolution: A Case Study of Yao Jiaxin Event[J]. Journal of Intelligence, 2011,30(12):1-5.)
[7] 王晰巍, 赵丹, 魏骏巍 , 等. 移动环境下网络舆情信息传播模式及实证研究——以埃博拉话题为例[J]. 情报学报, 2015,34(7):683-692.
( Wang Xiwei, Zhao Dan, Wei Junwei , et al. Empirical Research on Modeling of Online Public Opinion Propagation in a Mobile Environment: An Example Focusing on the Topic of “Ebola”[J]. Journal of the China Society for Scientific and Technical Information, 2015,34(7):683-692.)
[8] Broniatowski D A, Paul M J, Dredze M . National and Local Influenza Surveillance Through Twitter: An Analysis of the 2012-2013 Influenza Epidemic[J]. PLoS ONE, 2013,8(12):e83672.
[9] 杜洪涛, 王君泽, 李婕 . 基于多案例的突发事件网络舆情演化模式研究[J]. 情报学报, 2017,36(10):1038-1049.
( Du Hongtao, Wang Junze, Li Jie . Research on Evolution Model for Online Public Opinion of Emergent Events Based on Multiple Cases[J]. Journal of the China Society for Scientific and Technical Information, 2017,36(10):1038-1049.)
[10] 赵蓉英, 王旭 . 突发事件网络舆情关键节点识别及导控对策研究——以“大贤村遭洪灾事件”为例[J]. 现代情报, 2018,38(1):19-24,30.
( Zhao Rongying, Wang Xu . Research on Identifying Key Nodes and Guiding and Controlling Strategies of Network Public Opinion in Emergency——A Case Study of Being Suffered by Flooding in Da Xian Village[J]. Journal of Modern Information, 2018,38(1):19-24,30.)
[11] 张云, 刘玲 . 西南民族大学学报:人文社会科学版[J].西南民族大学学报:人文社会科学版, 2018(8):141-146.
( Zhang Yun, Liu Ling . Formation and Structural Analysis of Network Public Opinions on Sports Emergencies from the Perspective of SNA[J]. Journal of Southwest Minzu University: Humanities and Social Science, 2018(8):141-146.)
[12] 徐崴威 . 突发事件网络舆情演变与对策研究——以马航客机失联事件为例[J]. 中国管理信息化, 2017,20(16):203-204.
( Xu Weiwei . Research on the Evolution of Online Public Opinions and Countermeasures of Emergencies——A Case Study of the Malaysia Airlines Passenger Plane Missing[J]. China Management Informationization, 2017,20(16):203-204.)
[13] 吴佳芮 . 新西部[J].新西部, 2019(9):102-105.
( Wu Jiarui . Research on the Double Effect and Moral Guidance of Network Public Opinion in Emergencies[J]. New West, 2019(9):102-105.)
[14] 郭晓科, 孙静惟 . 健康传播视角下的突发公共卫生事件管理——基本理论、常用方法和效果评估[J]. 中国健康教育, 2010,26(1):20-25.
( Guo Xiaoke, Sun Jingwei . Management for Public Health Emergencies from the Perspective of Health Communication: Basic Theories, Common Methods and Effectiveness Evaluation[J]. Chinese Journal of Health Education, 2010,26(1):20-25.)
[15] 狄国强, 曾华艺, 勒中坚 , 等. 网络舆情事件的系统动力学模型与仿真[J]. 情报杂志, 2012,31(8):12-20.
( Di Guoqiang, Zeng Huayi, Le Zhongjian , et al. System Dynamics Modeling and Simulation of Internet Public Opinions Events[J]. Journal of Intelligence, 2012,31(8):12-20.)
[16] Forrester J W . Industrial Dynamics: A Major Breakthrough for Decision Makers[J]. Harvard Business Review, 1958,36(4):37-66.
[17] 郑路, 勒中坚 . 中国软科学[J].中国软科学, 201l(8):178-184.
( Zheng Lu, Le Zhongjian . Research on System Dynamics Model for Government Public Information Resources Allocation System[J]. China Soft Science, 2011(8):178-184.)
[18] 周亚楠, 尉天骄 . 广播电视大学学报:哲学社会科学版[J].广播电视大学学报:哲学社会科学版, 2010(4):73-77.
( Zhou Ya’nan, Wei Tianjiao . Investigation into the Formation Mechanism on Network of Public Opinion Filed Events: Give an Example by the Discussin on Prosperity Forum About “5·7 Drag Racing Case in Hangzhou”[J]. Journal of Radio & TV University: Philosophy & Social Sciences, 2010(4):73-77.)
[19] 张一文, 齐佳音, 方滨兴 , 等. 基于贝叶斯网络建模的非常规危机事件网络舆情预警研究[J]. 图书情报工作, 2012,56(2):76-81.
( Zhang Yiwen, Qi Jiayin, Fang Binxing , et al. Online Public Opinion Risk Warning Based on Bayesian Network Modeling[J]. Library and Information Service, 2012,56(2):76-81.)
[20] 张一文, 齐佳音, 马君 , 等. 网络舆情与非常规突发事件作用机制——基于系统动力学建模分析[J]. 情报杂志, 2010,29(9):1-6.
( Zhang Yiwen, Qi Jiayin, Ma Jun , et al. Research on the Mechanism of Public Opinion on Internet for Abnormal Emergency Based on the System Dynamics Modeling[J]. Journal of Intelligence, 2010,29(9):1-6.)
[21] 余乐安, 李玲, 武佳倩 , 等. 基于系统动力学的危化品水污染突发事件中网络舆情危机应急策略研究[J]. 系统工程理论与实践, 2015,35(10):2687-2697.
( Yu Lean, Li Ling, Wu Jiaqian , et al. Emergency Policy Exploration for Network Public Opinion Crisis in Water Pollution Accident by Hazardous Chemical Leakage Based on Systematic Dynamics[J]. Systems Engineering-Theory & Practice, 2015,35(10):2687-2697.)
[1] 梁艳平,安璐,刘静. 同类突发公共卫生事件微博话题共振研究*[J]. 数据分析与知识发现, 2020, 4(2/3): 122-133.
[2] 丁晟春,俞沣洋,李真. 网络舆情潜在热点主题识别研究*[J]. 数据分析与知识发现, 2020, 4(2/3): 29-38.
[3] 梅妍霜,朱恒民,魏静. 媒体协同对网络舆情扩散的作用机制研究*[J]. 数据分析与知识发现, 2019, 3(2): 65-71.
[4] 胡哲,查先进,严亚兰. 突发事件情境下在线健康社区用户交互行为研究 *[J]. 数据分析与知识发现, 2019, 3(12): 10-20.
[5] 李纲,陈思菁,毛进,谷岩松. 自然灾害事件微博热点话题的时空对比分析 *[J]. 数据分析与知识发现, 2019, 3(11): 1-15.
[6] 贾隆嘉,张邦佐. 高校网络舆情安全中主题分类方法研究*——以新浪微博数据为例[J]. 数据分析与知识发现, 2018, 2(7): 55-62.
[7] 王璟琦,李锐,吴华意. 基于空间自相关的网络舆情话题演化时空规律分析*[J]. 数据分析与知识发现, 2018, 2(2): 64-73.
[8] 李真,丁晟春,王楠. 网络舆情观点主题识别研究*[J]. 数据分析与知识发现, 2017, 1(8): 18-30.
[9] 王晰巍,张柳,李师萌,王楠阿雪. 新媒体环境下社会公益网络舆情传播研究* ——以新浪微博“画出生命线”话题为例[J]. 数据分析与知识发现, 2017, 1(6): 93-101.
[10] 丁晟春,龚思兰,李红梅. 基于突发主题词和凝聚式层次聚类的微博突发事件检测研究*[J]. 现代图书情报技术, 2016, 32(7-8): 12-20.
[11] 吴鹏,金贝贝,强韶华. 基于BDI-Agent模型的突发事件网络舆情应急响应建模研究*[J]. 现代图书情报技术, 2016, 32(7-8): 32-41.
[12] 杨小平,马奇凤,余力,莫雨婷,吴佳楠,张悦. 评论簇在网络舆论中的情感倾向代表性研究*[J]. 现代图书情报技术, 2016, 32(7-8): 51-59.
[13] 罗政,李玉纳. 企业价值链协同知识创新影响因素的系统动力学建模与仿真[J]. 现代图书情报技术, 2016, 32(5): 80-90.
[14] 黄炜,余辉,李岳峰. 国内网络反恐研究的现状、问题和展望*[J]. 现代图书情报技术, 2016, 32(11): 1-10.
[15] 吴鹏, 杨爽, 张晶晶, 高庆宁. 突发事件网络舆情中网民群体行为演化的Agent建模与仿真研究[J]. 现代图书情报技术, 2015, 31(7-8): 65-72.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn