Advanced Search

数据分析与知识发现, 2020, 4(2/3): 110-121 doi: 10.11925/infotech.2096-3467.2019.0636

专辑

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 Zhu,,1,2, 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

通讯作者: 傅柱,ORCID:0000-0003-2250-7542,E-mail:fuzhu886@163.com

收稿日期: 2019-06-10   修回日期: 2019-08-10   网络出版日期: 2020-02-25

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

Received: 2019-06-10   Revised: 2019-08-10   Online: 2020-02-25

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。

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.

Keywords: Emergency ; Online Public Opinion ; Chemical Pollution ; System Dynamics

PDF (1812KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

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*. 数据分析与知识发现[J], 2020, 4(2/3): 110-121 doi:10.11925/infotech.2096-3467.2019.0636

Deng Jiangao. Tracking Online Public Opinion Based on System Dynamics: Case Study of “Xiangshui Explosion Accident”. Data Analysis and Knowledge Discovery[J], 2020, 4(2/3): 110-121 doi:10.11925/infotech.2096-3467.2019.0636

1 引 言

近年,我国各类突发事件频频发生,对人们的健康及生活品质造成严重威胁。其中,水污染问题因其直接威胁到公众的人身安全,引起人民大众和政府的广泛关注,如2016年4月兰州的自来水苯超标污染事件,2018年11月28日张家口化工厂特大爆炸事故引起的水污染事件等。在当代社会,互联网作为新兴大众主流媒体,成为人们讨论社会热门事件的主要平台[1]。网络具有快捷性、延展性、互动性、及时性等特点,这使得网络舆论变得越来越扑朔迷离。网络传播过于自由,严重缺乏有关部门的把控,同时网民自律意识严重不足,网络中不利于社会健康发展的行为越来越多,网络环境时常处在无人管制、无人监控状态[2]。网络舆论产生时,因其匿名化和草根化的特点,使其更加复杂。当突发事件网络舆情爆发时,其在一定程度上对社会稳定产生了破坏作用。对于政府部门而言,必须提高有关部门对突发性危机事件的反应能力,防止舆论继续走向不利于社会稳定的方向。当舆论还处在低谷时也应具有防范意识,正确地对事件发展走向进行预测。本文主要通过构建网络事件变化的系统动力学模型,分析突发事件网络舆情的传播规律,为政府部门应对和监管突发事件网络舆情提供理论依据。

2 相关研究

2.1 突发事件网络舆情传播研究

近年来,有关网络舆情的相关理论及应用成为国内外学者研究的热点领域。张一文等[3]利用指标体系评价法研究突发事件网络舆情传播的发展规律并解释了舆情上下浮动的根本原因和内在机理。强韶华等[4]在研究中引入人群仿真理论预测网络舆情演变的路径,并提出网络舆情监控和信息公开策略方案。Cha等[5]认为在Twitter上受到关注最多的人不一定是最具有影响力的人,一些意见领袖发布的信息的可靠性和共鸣性决定了舆情的影响力及传播趋势。王国华等[6]研究发现突发事件的网络舆情发展过程受到意见领袖的影响显著,根据生命周期理论半定量地对意见领袖的介入时点及行为方式进行分析,从事件本身、网络媒体以及网民三个角度探究意见领袖的影响。王晰巍等[7]以手机新浪网等为数据源,基于复杂网络理论对移动环境下网络舆情信息传播模式进行研究。Broniatowski等[8]建立感染检测算法,用以预测检验疾病控制预防中心(Centers for Disease Control and Prevention, CDC)发布信息对Twitter用户的影响程度,结果表明此类信息的发布并不会改变用户讨论量。杜洪涛等[9]基于生命周期理论,将突发事件网络舆情演化过程划分为形成、高潮和消散三个阶段,同时将突发事件分为自然性和非自然性突发事件,并认为两者对应不同的舆情传播模式。赵蓉英等[10]运用社会网络分析法对突发事件网络舆情传播的关键节点进行挖掘和识别并解释传播演变的规律。张云等[11]在SNA视域下对体育突发事件网络舆情传播趋势进行研究,研究结果表明其生命周期历经“形成-爆发-扩散-衰退”4个阶段。徐崴威[12]根据生命周期的理论,将突发事件的网络舆论分为5个阶段:形成阶段、发展阶段、高峰阶段、反复阶段和衰减阶段,并提出事件的主体和网民在每个阶段都发挥着重要作用。吴佳芮[13]提出道德因素在突发事件网络舆情的发展过程中起着重要作用,并建议应加强道德引导以控制舆情的发展。

综上所述,国内外学者主要针对突发事件网络舆情的传播规律及影响因素进行研究,形成了较为丰富的研究成果。然而,这些研究仍存在一些不足之处,大部分学者较为笼统地从突发事件作用、网民作用等方面开展相关研究,未能根据突发事件类型的独有特征建立相应的网络舆情传播模型。因此,本文以“江苏响水爆炸事故为例”,引入突发事件类的特有变量(水体污染程度、水体超标倍数等),构建突发事件网络舆情传播的系统动力学模型,分别从网民、网络媒体及政府三个方面对整个网络舆情传播规律进行系统分析。

2.2 网络舆情形成机制概述

网络舆情,是指以互联网作为传播平台,以社会问题为主要议题的网络舆论。作为社会舆论的一种特殊表现形式,网络舆情反映了网民对现实生活中某些热点、焦点问题所持的有较强影响力、倾向性的言论和观点[14]

突发事件网络舆情形成与发展的一般流程如图1所示。当社会发生某一个事件后,无论是来源于现实或者网络,最开始都会在一定范围内产生讨论。对于一般性事件,一定范围内的网民只因个人喜好而进行讨论和传播,此时网络舆情热度只会停留在表面,网民的思想不会产生大面积交互,网络舆情危机也不会产生。但是,如果突发事件是涉及多数人利益或兴趣的社会问题,譬如化工厂爆炸、核电泄露、地震等,这些事件会引起多数人的高度关注。网民会对此类事件产生巨大的好奇与疑惑,从而在媒体上广泛寻求解答和讨论,政府相关部门若处理不及时或者处理不当,民众容易受到部分媒体的故意或错误引导,这将导致网络舆情暴涨,从而无限放大不安情绪,可能发生不理智行为或延伸出次生事件。相应地,如果政府部门能够及时利用政府公信力引导民众的关注度以及思维,民众就会对政府部门以及当前事件有一个客观的态度,舆论危机将会消弭在萌芽时期。

图1

图1   网络舆情形成与发展的过程[15]

Fig.1   Formation and Development of Online Public Opinion


2.3 系统动力学模型概述

19世纪50年代中期,美国学者Forrester[16]创立了系统动力学(System Dynamics,SD)。不同于其他学科,系统动力学主要致力于分析信息反馈,同时还研究解决系统交叉问题。系统动力学认为[17],系统的行为模式与特性主要取决于其内部的动态结构与反馈机制。因此,构建系统动力学模型之前,需要分析系统内部的动态结构及其反馈机制,找到系统内部要素的因果关系,绘制出因果图和存量流量图,其建模过程如图2所示。

图2

图2   系统动力学的建模过程

Fig.2   Modeling Process of System Dynamics


因果关系是系统动力学的基本工具之一,社会系统是一个以因果为基础的系统,因果关系图是一种定性描述系统中变量之间因果关系的图示模型,即用图的形式描述系统变量之间相互影响和相互作用的关系,是系统动力学建模的基础[18]。系统动力学的作用是将所想要进行研究的系统处理成符号,在计算机中处理并搭建模型,然后在计算机上对此进行仿真实验;在实验过程中,需要实时控制变量,并修改方案和措施,进而得到较为客观准确的实验结果。系统动力学主张“系统的结构决定系统行为”[19],强调整个系统中各个要素所形成的反馈结构,并根据反馈结构构造该系统的动态仿真模型,从而解释系统中各个主体存在的动态行为。相较于其他模型,系统动力学并不十分依赖数据,正如在本研究中,重点并不是对于之后所可能发生的污染进行预测,而是从已发生的事故中揭示规律,从而能够更好地了解舆情传播的趋势。

3 突发事件网络舆情传播的系统动力学建模

3.1 模型构建

本文以“江苏响水爆炸事故”为例,该实例属于化工厂爆炸导致的危化品水污染事件,涉及公众安全和利益,具有典型性和代表性。化工厂爆炸引起危化品水污染事件不仅给人民群众带来巨大损失,其带来的负面影响对社会稳定也是一个挑战。民众获悉到危化品水污染事件发生后,将会在短时间内对此次事件有着持续性关注和讨论,若政府部门未能及时对民众进行有效和正面引导,将会爆发网络舆情,产生社会稳定危机。

系统动力学的作用在于根据系统特点建立模型,探究系统内部结构之间的动态联系,以此解析系统内的因果关系,进而对实例事情进行计算机模拟和仿真。基于系统动力学的优势,选择构建系统动力学模型对危化品水污染事件中网络舆论的传播规律进行研究。经过查阅文献和实际调查,在整个舆情传播过程中,网民、网络媒体和政府三个主体彼此相互影响。网络媒体在此次舆情危机中的影响是巨大的,对网民观点及行为具有推波助澜的作用。在网络媒体报道,网民对事件关注度提升的同时,政府的作用则是对事件进行处理并引导公众从而减轻网络舆情热度。

本文从三个角度分析模拟整个危化品水污染事件网络系统,即网民、网络媒体和政府[12]。构建的系统动力学模型包括三个子系统,分别为网民子系统、网媒子系统和政府子系统。具体如下:

(1) 因果关系图

①网民子系统。危化品泄露往往会引起严重的水污染问题,所以引起大众关注。而微博作为我国最大的社交平台之一,网民微博发帖量自然会增多,发帖量增多,即意味着网民参与度上升,从而网络舆情热度也会提高。随着时间推移,网络舆情不断扩散,网民关注力度也会不断增加,如此循环往复。因此,网民子系统是一个正反馈回路:水体污染程度→网民关注度→网民微博发帖量→网民参与度→网络舆情热度→网民关注度。网民子系统的因果关系图如图3所示。

图3

图3   网民子系统的因果关系

Fig.3   Causality of Netizen Subsystem


②网媒子系统。在信息时代,网络媒体是舆情的载体,网络媒体的新闻报道在一定程度上也会影响着舆情的发展趋势。而网民对事件的关注度增加也会趋使网络媒体发布更多新闻,网媒参与度会相应提高,从而网络舆情热度也会不断增加。因此,网媒子系统是一个正反馈回路:水体污染程度→网民关注度→网媒新闻发布量→网媒参与度→网络舆情热度→网民关注度。网媒子系统的因果关系图如图4所示。

图4

图4   网媒子系统的因果关系

Fig.4   Causality of Network Media Subsystem


③政府子系统。政府关注度是政府对民生、对社会的关注程度,水体污染程度越大,政府关注度越高。政府会召开新闻发布会,新闻发布量会增多,这代表着政府参与度也增加,有利于提高网民对政府满意度,从而促进网络舆情热度的削减。政府子系统是一个负反馈回路:水体污染程度→政府关注度→新闻发布量→政府参与度→网民对政府满意度→网络舆情热度→政府关注度。政府子系统的因果关系图如图5所示。

图5

图5   政府子系统的因果关系

Fig.5   Causality of Government Subsystem


④总系统因果关系图。整个系统由三个子系统组成,其中两个正反馈系统,一个负反馈系统。总系统的因果关系图如图6所示。

图6

图6   总系统的因果关系

Fig.6   Causality of Overall System


(2) 存量流量图

根据因果关系图,经过反复分析调整,可绘制出存量流量图,如图7所示。系统动力学存量流量图模型由网络媒体、网民和政府三个子系统构成,共计有27个变量。

图7

图7   总系统的存量流量

Fig.7   Stock Flow of Overall System


3.2 变量分析

本文构建的系统动力学模型变量包括3个状态变量、6个速率变量和18个其他变量,各个变量模拟公式的详细说明如表1所示。

表1   变量说明

Table 1  Variable Description

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25Time1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。

新窗口打开| 下载CSV


4 实证研究

以“江苏响水爆炸事故”为例,开展危化品水污染突发事件的网络舆情传播模型仿真实验。通过问卷调查、数据爬取等方式采集并预处理突发事件相关数据;基于所构建的系统动力学模型,利用Vensim软件(①https://vensim.com/vensim-software/.)将预处理后的数据进行模型仿真,采用平均绝对百分比误差(MAPE)检验法对仿真结果进行检验;选取与政府有关的三个主要变量作为控制变量,研究政府行为对突发事件网络舆情传播趋势的影响。

4.1 舆情数据采集

(1)关于江苏响水发生爆炸事故的事件类型特征数据,主要来源于人民网官方报道(②http://js.people.com.cn/n2/2019/0327/c360303-32784431.html.),如表2所示。采集到的事件特征数据作为模型中“水体污染超标倍数”和“政府响应时间”两个变量的初始值。

表2   江苏响水爆炸事故的相关数据

Table 2  Relevant Data of the Xiangshui Explosion Accident

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

新窗口打开| 下载CSV


(2)网民对政府处理此次事件的意见数据主要来源于调查问卷。由于本研究选用的实例事件发生于江苏省盐城市,因此本次问卷的调查对象主要是盐城市网民。问卷一共包含10个问题,除了针对网民自身情况的问题,其余问题均采用李克特5级量表进行度量。该调查共回收300份问卷,其中210份有效问卷。表3展示了问卷中包含的变量及相应问题数量。

表3   问卷中的变量与问题

Table 3  Variables and Questions in Questionnaire

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)

新窗口打开| 下载CSV


其中官方信息透明度、危机处理力度和事件处理满意程度的最终得分分别作为模型中相应变量的初始值。

(3)用以检验模型仿真结果的网络舆情数据,主要是利用八爪鱼网络爬虫软件(①https://www.bazhuayu.com/.)采集不同网络新闻媒体的舆情传播数据,其部分统计数据如表4所示。

表4   江苏响水爆炸事故的网络舆情统计数据(单位:条)

Table 4  Online Public Opinion Statistics in Xiangshui Explosion Accident

变量

天数
123456789101112
网民微博发帖量3 87017127267668415207192271426878123
网媒新闻发布量8510138232581322321

新窗口打开| 下载CSV


4.2 仿真结果分析

选择“网民微博发帖量”、“网媒新闻发布量”、“网民关注度”及“网络舆情热度”4个主要变量的仿真结果进行对比分析,如图8-图11所示。网民微博发帖量主要呈现先上升后下降的趋势。第一天的发帖量达到顶峰值,在一天内网民微博发帖量迅速增多,事件发生前3天发帖量都较高,第2天开始缓慢下降。网媒新闻发布量的发展趋势与网民微博发帖量基本一致。

图8

图8   网民微博发帖量

Fig.8   Netizen Weibo Posts


图9

图9   网媒新闻发布量

Fig.9   Online News Releases


图10

图10   网民关注度

Fig.10   Netizen Attention


图11

图11   网络舆情热度

Fig.11   Internet Public Sentiment


网民关注度和网络舆情热度也同样呈现先上升后下降的趋势。在一天内网民关注度迅速提高,舆情热度在第1天、第2天达到高潮,事件发生的第1天到第5天网民关注度和舆情热度一直处于较高水平,5天后缓慢下降,在第11天舆情热度基本退散。4个变量趋势大体一致,呈现正相关关系,直观来看,这与现实情况基本符合。

4.3 仿真结果检验

为检验舆情传播模型仿真结果的真实性和可靠性,选取“网民微博发帖量”和“网媒新闻发布量”两个主要变量进行检验和分析,对变量的真实值和预测值进行统计和对比,其结果如图12图13所示。

图12

图12   网民微博发帖量的检验

Fig.12   Netizen Weibo Post Volume Test


图13

图13   网媒新闻发布量的检验

Fig.13   Network News Release Volume Test


为进一步量化仿真结果与实际结果之间的差异,使用平均绝对百分比误差(MAPE)检验法对仿真结果的可靠性进行验证,计算方法如公式(1)所示[19]

MAPE=1ni=1nxi-yi|xi

其中,n表示预测值/真实值个数,x表示实际数值,y表示仿真数值。当MAPE≤10%时称为高精度预测;当10%<MAPE≤20%时称为良好预测;当20%<MAPE≤50%时称为可行预测;当MAPE>50%时称为错误预测[19]。本次仿真结果的MAPE检验如表5所示。

表5   仿真结果检验的MAPE值

Table 5  MAPE Value of Simulation Results

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

新窗口打开| 下载CSV


表5中可看出,网民微博发帖量和网媒新闻发布量的仿真结果MAPE值都处于10%-30%之间,说明本次仿真结果具有较好的可靠性,也说明所构建模型具有可行性和有效性。

4.4 政策控制仿真

在上述仿真实验的基础上,进一步从政府角度出发,通过再次仿真实验研究政府行为对网民行为及舆情传播规律的影响。选取“政府危机处理力度”、“官方新闻透明度”和“政府响应时间”这三个变量作为控制变量。经过反复试验发现,“政府危机处理力度”和“官方新闻透明度”两个控制变量的数值在上下浮动20%、“政府响应时间”推迟一天时,对被观测变量的改变程度最为明显,因此将控制变量按照该设置开展本次仿真实验。

(1) 政府危机处理力度增加/减小20%

处理力度的改变对舆情传播的影响如图14所示。

图14

图14   处理力度的改变对舆情传播的影响

Fig.14   Impact of Changes in Processing Intensity on Public Opinion


图14(a)所示,网民微博发帖量的峰值和发帖速率随着政府危机处理力度的增加而降低(负相关),当政府危机处理力度增加20%时,网民微博发帖量达到最低的峰值和发帖速率;反之,当政府危机处理力度减少20%时,网民微博发帖量达到最高的峰值和发帖速率。如图14(b)和图14(c)所示,网民关注度和网络舆情热度同样随着政府危机处理力度的增加而降低(负相关),当政府危机处理力度增加20%时,网民关注度和网络舆情热度的下降时间点最早、下降速率最快;反之,当政府危机处理力度减少20%时,网民关注度和网络舆情热度的下降时间点最晚、下降速率最慢。

根据上述仿真结果可知,对于水污染类型的突发事件,因事件突发性和危害性较大,其网络舆情传播速度较快范围较广,民众对于此类事件网络舆情的参与度和积极性较高,政府应该适当加大对此类事件的重视程度和处理力度,加快网络舆情危机的消解速度,民众对于政府的认可度将会大幅提高,也可以有效解决谣言问题和阻止不理智行为的发生。

(2) 官方新闻透明度增加/减少20%

图15(a)所示,网民微博发帖量的峰值和发帖速率随着官方新闻透明度的增加而降低(负相关),当官方新闻透明度增加20%时,网民微博发帖量达到最低的峰值和发帖速率;反之,当官方新闻透明度减少20%时,网民微博发帖量达到最高的峰值和发帖速率。如图15(b)和图15(c)所示,网民关注度和网络舆情热度同样随着官方新闻透明度的增加而降低(负相关),当官方新闻透明度增加20%时,网民关注度和网络舆情热度的下降时间点最早、下降速率最快;反之,当官方新闻透明度减少20%时,网民关注度和网络舆情热度的下降时间点最晚、下降速率最慢。

图15

图15   官方新闻透明度改变对舆情传播的影响

Fig.15   Impact of Changes in Official News Transparency on Public Opinion


根据上述仿真结果可知,对于水污染类型的突发事件,在网络舆情处理和调控过程中,提高官方新闻透明度对于消解此类突发事件的网络舆情危机具有重要促进作用。若降低官方新闻透明度,民众对官方新闻的信任度随之下降,其求知欲和恐慌情绪将大幅提高,导致网民微博发帖的数量和速率快速提升,民众对此次事件的关注度和舆情热度居高不下,恐慌情绪和舆论危机进一步扩大。反之,若提高官方新闻透明度,民众的求知欲和恐慌情绪将得到一定程度的缓解,事件关注度和舆情热度也会随之下降,舆情危机时间会显著减少,这样舆情危机就可以保持在一个可控范围内。以上研究表明,如果在此类事件网络舆情萌芽时期,政府就将信息做到公平公开、透明为民,社会危害性和影响力相比会有大幅度下降。

(3) 政府响应时间延迟一天

图16(a)所示,网民微博发帖量的峰值、发帖速率、高峰时段都随着政府响应时间的延迟而大幅提升(正相关),当政府响应时间延迟一天时,网民微博发帖量达到最高的峰值、发帖速率、高峰时段。如图16(b)和图16(c)所示,网民关注度和网络舆情热度的峰值、高峰时段、持续时间也都随着政府响应时间的延迟而大幅提升(正相关),当政府响应时间延迟一天时,网民关注度和网络舆情热度达到最高的峰值、高峰时段和持续时间。

图16

图16   政府响应时间改变对舆情传播的影响

Fig.16   Impact of Changing Government Response Time on Spread of Public Opinion


由仿真结果可知,对于水污染类型的突发事件,政府响应时间越短,网络舆情的热度和范围越小、持续时间越短,政府响应时间对网络舆情的控制起着重要作用。实际上,政府部门的应急响应时效对于突发事件处置来说一直是重要的衡量指标,政府部门应注意同时提升突发事件的网络舆情(线上)和实际处理(线下)两方面的应急能力。

综上所述,政府在引导和控制舆情发展方面具有重要作用。突发事件发生以后,若政府能够及时并恰当处理该事件,其网络舆情危机消解速度将显著提高。政府处理力度越大、信息越透明、响应时间越短,都将促使网络舆情热度和持续时间显著降低。

5 结 语

本文基于系统动力学理论,结合国内外现有研究成果,构建了水污染类型突发事件网络舆情传播的系统仿真模型,分别从网民、网媒、政府三个方面对整个网络舆情传播系统进行分析和讨论。围绕“江苏响水爆炸事故”的网络舆情传播过程,结合Vensim仿真软件进行实证分析,进一步从政府角度出发进行二次仿真实验,探讨政府行为及处理方式对网络舆情传播的影响。本研究能够为水污染类型突发事件网络舆情传播研究提供参考和借鉴。

在实证过程中的数据采集阶段,部分数据来自调查问卷和专家打分,有较大的主观性和随机性,可能对实证结果有一定影响。因此,未来可以改进模型变量赋值方法来提高仿真模型的准确性。此外,众多其他影响因素在当前网络舆情传播过程中有着不可忽视的影响,例如意见领袖在网络舆情传播过程中的作用等,这些其实都应该被加入模型的研究范围,不断将这些客观与主观因素进行完善是未来研究的重点。

作者贡献声明:

邓建高:选题设计,论文修改;

张璇:数据采集,论文起草;

傅柱:研究思路、研究方案设计;

韦庆明:系统动力学建模与仿真。

利益冲突声明:

所有作者声明不存在利益冲突关系。

支撑数据:

支撑数据由作者自存储,E-mail: 1540668659@qq.com。

[1] 邓建高,张璇,傅柱,韦庆明.NetizenOpinion.xls. 网民对政府处理“江苏响水爆炸事故”的意见数据.

[2] 邓建高,张璇,傅柱,韦庆明.EventSpread.xls. 江苏响水爆炸事故的网络舆情统计数据.

参考文献

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

齐佳音, 屈启兴, 张一文 , .

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

张一文, 齐佳音, 方滨兴 , .

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

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.

[本文引用: 1]

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

王晰巍, 赵丹, 魏骏巍 , .

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

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.

[本文引用: 1]

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

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.

[本文引用: 2]

( 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.)

[本文引用: 2]

吴佳芮 .

新西部

[J].新西部, 2019(9):102-105.

[本文引用: 1]

( Wu Jiarui .

Research on the Double Effect and Moral Guidance of Network Public Opinion in Emergencies

[J]. New West, 2019(9):102-105.)

[本文引用: 1]

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

狄国强, 曾华艺, 勒中坚 , .

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.

[本文引用: 2]

( 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.)

[本文引用: 2]

Forrester J W .

Industrial Dynamics: A Major Breakthrough for Decision Makers

[J]. Harvard Business Review, 1958,36(4):37-66.

[本文引用: 1]

郑路, 勒中坚 .

中国软科学

[J].中国软科学, 201l(8):178-184.

[本文引用: 1]

( Zheng Lu, Le Zhongjian .

Research on System Dynamics Model for Government Public Information Resources Allocation System

[J]. China Soft Science, 2011(8):178-184.)

[本文引用: 1]

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.

[本文引用: 1]

( 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.)

[本文引用: 1]

张一文, 齐佳音, 方滨兴 , .

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.

[本文引用: 3]

( 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.)

[本文引用: 3]

张一文, 齐佳音, 马君 , .

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.

[本文引用: 3]

( 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.)

[本文引用: 3]

余乐安, 李玲, 武佳倩 , .

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.

[本文引用: 5]

( 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.)

[本文引用: 5]

/

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