社会化媒体在自然灾害中的运用——基于研究主题和研究方法两个层面的分析

宗乾进　沈洪洲

(1.华南师范大学经济与管理学院，广州，510006；　2.南京邮电大学管理学院，南京，210023)



社会化媒体在自然灾害中的运用
——基于研究主题和研究方法两个层面的分析

宗乾进1沈洪洲2

(1.华南师范大学经济与管理学院，广州，510006；2.南京邮电大学管理学院，南京，210023)

[摘要]采用文献研究法，从研究主题、研究方法两个层面对目前国外社会化媒体在自然灾害中的运用研究文献进行了分析，结果表明：(1)研究集中在9大领域，分别为社会化媒体用于灾害预防、灾害事件侦测与通知、信息传播的特征、谣言及不准确信息的侦测与控制、利用社会化媒体救灾、情感与社会联系、社会化媒体使用动机及行为特征、保持社会化媒体正常通信、社会化媒体与社区恢复力；(2)研究方法主要有内容分析法、文本挖掘、框架理论、社会网络分析、案例研究法、访谈法，以及描述性统计、回归分析、T检验、卡方检验等统计学方法。在研究结果基础上，指出当前研究存在的问题，以及未来值得关注的研究方向。

[关键词]社会化媒体社交网络微博自然灾害灾害救援信息传播

1引言

自然灾害不仅会带来巨大的经济损失，甚至还会带来人员伤亡，是世界各国都不得不面对的一个巨大挑战。联合国亚洲及太平洋经济社会委员会(U.N. Economic and Social Commission for Asia and the Pacific，UNESCAP)2013年发布的一项报告显示：亚太地区是世界上自然灾害最为频发的区域，过去的十年里，这一区域人群受自然灾害影响的概率是非洲的2倍、拉美及加勒比区域的6倍、北美及欧洲的30倍；过去的十年中，亚太地区受自然灾害影响的人口数量为250万，死亡人口近80万[1]。中国幅员辽阔，地理等环境因素复杂，自然灾害频发，一直是受自然灾害影响最为严重的国家之一。沿海地区的台风、洪灾(如2013年广东潮汕、浙江余姚等地的水灾)，以及近年来多发的大地震(2008年的汶川、2010年的玉树、2013年的雅安，2014年的鲁甸)等，带来了巨大的人员伤亡，给我国经济和社会带来了极其不利的影响。

近年来，在互联网技术与web2.0应用的推动下，社会化媒体得到了突飞猛进发展。以Facebook为代表的社交网络，以及以Twitter为代表的微博客等社会化媒体已经开始影响到社会的各个方面，如商业、政治、人们的生活与工作等。而在学术界，无论是新闻传播领域，还是信息管理领域，抑或是经济学、社会学领域等，社会化媒体已经吸引了众多学者的注意力。其中，社会化媒体在自然灾害中的运用研究也开始逐渐得到关注。将社会化媒体与自然灾害相结合来进行研究，无论是对灾害预防、救灾中的响应与协调，还是灾后重建，都具有非常重要的意义。本文对Web of Science、Elsevier等数据库，以及利用Google等搜索引擎进行广泛地文献收集，对当前国外将社会化媒体应用于自然灾害中的研究文献进行梳理、分析，从研究主题和研究方法两个层面展现国外研究进展，以期为我国学界、政府机构、非政府组织等提供理论与实践上的参考。本文对收集的文献(文献出版时间节点截至2014年下半年，数量200篇有余)进行初步分析：

从研究的发展阶段来看，目前研究还处于初步发展期，具体而言：这一领域的研究起步于2006年前后，关注的重点是个人博客与灾害(这可能是与当时web2.0刚刚兴起有关，当时博客是web2.0的最典型应用)。从2010年开始，特别自2011年起，这一领域的研究进入了高速发展期，文献数量急剧增多，无论是研究内容，还是研究方法的使用，都呈现出多样化的特点。这可能是与当时的社会情境有关，一方面，海地、日本分别于2010年、2011年发生了大地震，造成的社会影响巨大；另一方面，社会化媒体，如Facebook、Twitter等业已发展壮大。

从研究人员的背景来看：在学科背景方面，目前这一领域研究人员的学科背景以信息技术为主，其余则来自传播学、心理学、社会学等领域；从研究人员所在国家(机构所处的国家)分布来看，以美国、日本为主，其次为澳大利亚等国。尤其值得指出的是，日本学者在地震领域发表了大量的成果，这可能是跟日本是地震多发国有关。

2研究领域分析

2.1灾害预防

自然灾难的预防对于减少人员伤亡和经济财产损失有着极其重要的作用。美国、加拿大等国已经开始通过社会化媒体来向民众传播灾害预警信息[2]。基于社会化媒体的灾害预防研究，具体而言，主要集中在泥石流灾害预防和潜在受灾人群识别两个方面。

2.1.1泥石流灾害预防系统

由于暴雨而导致地表径流出现在斜坡上时，便有可能发生泥石流。其中，特定时间区间中的累积降雨量往往被作为一个重要的变量来构建泥石流预测模型。这也是泥石流灾害预防系统的重要理论假设[3]。Moriyama等人结合地理信息系统(Geographic Information System，GIS)和在线社交网络(基于Drupal)，开发了一个泥石流防灾信息系统[4]。在这个系统中，滑坡以及泥石流等，按照不同颜色显示在动态的灾害地图上，非常清晰地展现出当前泥石流发生的情况。系统中的用户可以根据这些动态的灾害发生状况，采取相应的措施来避险。2.1.2识别潜在受灾人群

识别潜在受灾人群，能够使灾难预警变得更加有针对性，减少人员伤亡。Pho等人基于Twitter提出了一个方案，用于识别和通知那些可能会受特定灾难影响的人群，并利用2011年新西兰基督城地震时的Twitter数据进行实验验证[5]。这一方案的设计思路可以简要概括如下：利用Twitter的应用程序接口(Application Programming Interface，API)来获取用户的状态信息(与灾难相关的关键词、地理信息和时间)，然后利用社会网络分析算法来对其粉丝(followers)以及粉丝的粉丝等，来识别和通知潜在的受灾者和社群。

2.2灾害事件侦测及通知

侦测灾害事件能够提高态势感知(Situational Awareness，SA)以及对灾害的应急响应能力，进而减少灾害带来的不利影响。社会化媒体作为典型的用户生成内容的应用，蕴含着丰富的有关灾害的信息，成为侦测灾害事件的理想数据来源。Cameron等以Twitter为数据源，提出了一个突发检测算法来侦测灾害事件，供澳大利亚政府部门进行灾害管理[6]。Pohl等以Flickr和YouTube为数据源，利用基于自组织映射图(Self Organizing Map，SOM)的聚类算法来侦测灾害事件[7]。

最为值得指出的是，利用社会化媒体来侦测地震得到了大量的关注，特别是日本学者的关注。地震波的传输速率介于3—7千米/秒，远远低于电磁信号的传输速率，两者间的时间差是一段极其宝贵的时间。这也正是基于社会化媒体来进行地震侦测与通知的前提。从目前研究来看，绝大多数都是基于Twitter来展开的。这主要是因为Twitter作为一种微博客，天生具有实时性(real-time)的特点。目前这一领域研究的基本思路大多是[8]：将Twitter等社会化媒体用户看作为人体传感器(human sensor)[9]，或是社会化传感器(social sensor)；采用计算机算法对用户所发表的有关地震的tweet进行挖掘，从而侦测出地震，并采用E-mail等通知用户。并且很多研究都表明，基于Twitter的地震侦测与通知，要比官方的地震警报系统要快[10-12]。不过，基于社会化媒体的地震侦测方法，可能侦测不到两类地震[13]：一是人烟稀少地区的地震，这可能是因为没有用户发布地震相关的tweet；二是震级小的地震，这主要是因为人体难以察觉出微小晃动。不过，这两种地震即便无法侦测，也不会给人们带来严重的破坏。

2.3灾难情境下的社会化媒体中信息传播的特征

在灾难发生时及发生后，社会化媒体中信息产生、传播有何特征，得到了较为广泛的关注。本文将自然灾害情境下，社会化媒体中信息传播的特征归纳如下：

(1)灾难情境下，社会化媒体能够向公众提供更为广泛的信息传播与交流[14]；并且在灾害发生时(后)，正逐渐成为信息共享的关键[15-16]。

(2)尽管灾害信息起初会出现在社交网络的各个地方，但是很快就会形成一个有关灾害信息的核心社群[17]。

(3)灾害预警后，社会化媒体用户才开始传播与灾害相关的信息，而在此之前更多的是通过叙事的方式来传播一些个人信息(autobiographical information)[18]。

(4)灾害信息通常会第一时间出现在社会化媒体中，远比大众传媒(电视、报纸等)的报道时间要快[19-20]。

(5)灾难情境下，利用微博(社会化媒体)来进行信息传播仅需要极低的带宽，因而可能会成为灾难发生后用于通讯的上佳工具[19]。

(6)社会化媒体中，用户围绕灾害而生成的各种信息，主要可以分为5类：资讯相关的、观点相关的、行动相关的、情感相关的，以及状况更新(situation updates)[21]；同时，行动相关的信息和状况更新信息的转发率要高于其他三类信息的转发率；状况更新信息的转发传播速度最快，而情感相关的信息转发传播速度最慢[22]。

2.4谣言及不准确信息的侦测与控制

灾害发生后，社会化媒体中所传播的某些信息可能并不准确[23]，甚至是谣言。谣言借助社会化媒体广泛传播，会让灾后民众陷入焦虑与恐慌之中，对灾后的社会稳定和救灾工作造成不利影响。Hashimoto等提出了一个用于侦测社会化媒体中谣言信息的框架，并以社会化媒体平台中有关日本2011年3月11日大地震的信息为例进行了实验[24]。该谣言侦测框架概括起来说，主要包含如下的步骤：抓取信息、抽取主题、以时间序列为基准可视化主题结构、按照谣言基本特征提取出候选谣言、将候选谣言与可信媒体(电视、报纸等)中的相关信息做比对来识别谣言。此外，Singh等基于小世界网络原理，提出对社会网络中的某些节点进行“接种预防”的方式来对社会化媒体中的谣言传播进行控制[25]。

2.5社会化媒体用于救灾

自然灾害中，社会化媒体作为一个受民众欢迎的媒体，能够提供新的信息来源[26]，在线用户生成的某些信息对救灾工作也是非常有价值的[27]。Twitter等社会化媒体在自然灾害应急响应中的运用前景非常广阔[28]。如今，社会化媒体已成为一个快速、高效地用于传播自然灾害信息的途径[29]，为灾害应急响应提供有价值的信息[30]，能被用于动员资源[31]与协调人员[32]，让公众、政府等参与到灾害响应中[33-37]。具体而言，目前研究主要体现在如下几个方面。

2.5.1通过社会化媒体收集信息用作救灾决策

无论是在灾害管理的什么阶段，都需要及时、可靠的信息来支撑政府和非政府组织(Non-Governmental Organizations，NGO)的灾害应急响应工作[38]。社会化媒体(比如Twitter)为用户发布信息提供了便利条件，由此而产生海量信息(特别是一些紧急的有用信息)，而这些信息能用于灾害应急响应的各个阶段[39]及救灾决策的参考[40]。Vivacqua和Borges提出了一个基于集体性知识(collective knowledge)的灾害响应框架来用于决策，而该框架的基础信息源由用户通过短信和Twitter等社会化媒体来提供[41]。与这一框架类似，SECURITY2People(Secure IT-Based Disaster Management System to Protect and Rescue People)[42]、eStoryS[43]等应急响应系统，也是通过收集社会化媒体等渠道的信息来完成与辅助决策。而Muramoto等人设计的方案则更为系统，他们提出并实验了一个融合了GIS、Google Map等的社交网络应用，用于日本当地社区的海啸灾害控制[44]。

2.5.2受灾人群的地理位置识别

当前很多社会媒体应用，特别是微博客，都为移动终端用户提供了“添加地理位置信息(geolocation information)”的功能，使得用户发布的信息中能够包含地理位置。将社会化媒体应用于灾害情境中，其所面临的一个关键挑战便是从用户生成的内容中抽取出清晰的、准确的地理位置信息[45]。当自然灾害发生时(后)，若能快速识别出受灾人群的地理位置，势必能够极大程度地提高对灾害的应急响应，减少人员伤亡。Lingad等的研究表明，现有的命名实体识别工具(Named Entity Recognition，NER)，如Stanford NER、OpenNLP、Yahoo! PlaceMaker、TwitterNLP，在识别灾害相关tweet中的地理位置信息方面都具有很大的潜力[46]。McNamara和Rohner基于Twitter中含有地理位置信息的tweet，提出了一个识别用户位置的方法，以期在发生灾害时能够洞悉受灾用户的位置以及他们将要去的地方[47]。然而，并非所有社会化媒体用户都会去使用“添加地理位置信息”这一功能，这就导致某些用户生成内容中并不包含地理位置信息。因此，如何识别出此类用户生成内容中的地理位置信息是一大难题所在。Ikawa等提出了一个基于文本语境的位置推测方案，并进行了实验，其基本做法是：以Twitter用户的历史tweet为训练集，建立用户的位置信息与tweet中关键词间的联系，进而推测用户新发布tweet时的位置信息[48]。

2.5.3社区识别及其特征

当灾害发生时，社会化媒体中的用户社区识别，对于及时地发现用户热点话题、兴趣以及关注点是非常重要的[49]。Enoki等将Twitter平台中包含有灾害相关关键词的tweet为数据源(时间跨度为：2011/03/16—2011/04/03)，以用户为节点、用户间的交互(评论、转发)为边，采用线性时间图算法(linear-time graph algorithm)抽取出了203个社区；在这些社区中，某些社区有着其独有的热点话题；同时，实验结果表明，他们的方法在社区识别的准确率方面要优于单纯的文本相似性和Twitter用户follow关系相似性[49]。Gupta等则以艾琳飓风、弗吉尼亚地震等相关的tweet为数据源，在综合内容相似性(Twitter用户发布的tweet内容)、链接相似性和元数据相似性(Twitter用户Profile上的地理信息)基础上，采用谱聚类技术来识别用户社区[50]。他们的研究发现，社区中点度中心度(degree centrality)高的用户能够代表整个社区的主题和意见，平均准确率为81%。

2.5.4受灾人群求助信息识别

自然灾害发生后，受灾人群通过社会化媒体来发布求助信息；与此同时，政府以及救援机构等也会通过社会化媒体来发布他们正在或是即将采取的行动信息(应助信息)。然而，双方的求助信息、应助信息往往会湮没在社会化媒体的海量信息中，导致双方间的信息交换无法顺利完成。Varga等以2011年东日本地震相关的tweet为数据源，提出一个用于识别、匹配受灾人群求助信息与政府等救援机构应助信息的系统，提升双方之间信息交换的成功率[51]。

此外，自然灾害往往会破坏生产、交通等基础设施，从而导致各种物资资料的供应往往会出现短缺。如果能识别出当前受灾人群最急需的物资资源，以及洞悉随时间推移和灾情演化下的物资资源需求的动态变化，无疑能够大大提高受灾人群的存活概率。Murakami和Nasukawa以2011年东日本地震为例，利用IBM的内容分析工具对Twitter中包含有地震、核工厂等关键词的tweet进行了分析，尝试发现受灾人群的物资资料需求及其变化趋势[52]。他们的研究发现，水、电池、大米、汽油、厕纸、纳豆以及酸奶酪成为灾民最为急需的物资；而随着时间的推移，一些非必需的物资(香烟、冰淇淋)需求开始上升，这可能是因为灾民在灾情缓解后想提高一下生活质量；与之对应的，水和矿泉水等必需品需求上升，则是因为担心水会受到核污染。

2.5.5寻找失联人员

由于自然灾害的突发性特点，在造成人员伤亡的同时，也会让一些民众陷入困境，使得他们与家人(朋友)失去联系。寻找这些失联人员，不仅是这些人员家属(朋友)的急切愿望，也是降低灾害人员伤亡的重要途径。社会化媒体在灾后传播人员安全信息方面起到了重要作用[53]，为灾后寻找失联人员提供了一个新渠道。Macias[54]分析了网络上关于卡特里娜飓风的博客日志，发现在特里娜飓风袭击新奥尔良后的极短时间里便出现了大量的寻人信息；这些寻人信息中包含有人员姓名、与之相关的个人信息，并且请求知情者与博主联系。与上述这种独立、分散的灾后寻人有所不同，Stiegler等设计了一个联合灾后寻人系统F3(Family and Friends Finder)[55]。F3系统集成了来自政府、非政府组织的结构化数据，以及社会化媒体(Facebook、Twitter)的非结构化数据，为用户提供一个统一的检索界面。这项研究同时还以昆士兰2011年2月的亚西飓风灾害为例，对系统进行测评，结果显示它比Google搜索更有效。

2.5.6捐赠

捐赠对于救灾工作的顺利开展，无疑有着显著的促进作用。自然灾害发生后，通过社会化媒体来呼吁捐赠和传播捐赠信息，在2009年的菲律宾热带风暴凯萨娜[56]、2010年的智利地震[57]、海地地震[58]等灾害中都已经得到了实际应用和研究。一些研究表明，灾害的社会化媒体报道(social media coverage)与捐款额度呈现出正相关关系[59-60]。此外，Imran等发现，灾害发生后，社会化媒体中的捐赠信息类型主要8种：金钱、血液、志愿者工作(voluntary work)、食品、设备、住所、折扣以及其他[61]。值得一提的是志愿者工作，很多志愿者灾后通过Twitter连接在一起，并且在他们的虚拟人际网络中流通信息[62]。并且，与线下的志愿者团体相比，基于线上社会化媒体的志愿者虚拟团体更容易形成和合作[63]。

2.6情感与社会联系

社会化媒体不仅是灾害应急管理的工具，也是一个供参与者进行情感交流的场所[64]。Wilensky的研究显示，2011年东日本地震后，Youtube网站上的评论(诸如“我们一起坚持”、“让我们一起重建”等)反映出人们试图寻找精神和情绪上的慰藉，以及重建他们的价值观念和身份认同[65]。社会化媒体也能够反映出灾害期间的公众情绪(如焦虑)[66]，特别地，女性更有可能在社会化媒体中表达对灾害的关心[67]。

社会化媒体在自然灾害中扮演着一种亲社会角色(prosocial role)，成为人们获得社会资本的基础[68]。Casacchia等发现，2009年意大利中部城市拉奎拉地震发生后，当地民众通过Facebook来提升自己的虚拟人际关系，处理先前失去的社会联系[69]。Ben-Ezra等在2011年东日本地震引起的福岛核事故之后，分别采用面对面和通过Facebook这两种方式来收集人们的心理健康相关数据[70]。他们的研究表明，相比面对面受谈者而言，Facebook受访者有着较高的感知社会支持(perceived social support)，这可能是因为他们在灾害发生期间使用在线社交网络，而使得他们感知到足够的支持。

2.7用户使用社会化媒体的动机及行为特征

将社会化媒体应用于自然灾害中的一个重要前提是——海量用户的参与。因此，在灾害情境中，洞悉用户使用社会化媒体的动机以及他们的行为特征，有助于设计出合适的机制来吸引更多的用户参与，加快信息传播速度和范围，提升救灾效率。Maxwell研究了EF-4级龙卷风灾害期间用户使用Twitter的4种动机：社会化(交际)、娱乐、状态搜寻、信息[71]。她的研究表明，社会化、娱乐、信息这3种动机所带来的用户Twitter使用数量，大体相当；而状态搜寻动机并没有带来同样多的Twitter使用。Zhu等分析了Twitter用户转发行为的3个影响因素(内容、用户社会网络、时间衰减)，并以此构建了一个细粒度的用于预测tweet(灾害相关的tweet)转发的逻辑回归模型[72]。Muralidharan等采用框架理论(framing theory)分析了非盈利组织和媒介组织在2010年海地地震期间使用社会化媒体的差异之处，结果表明，两者均能有效地利用社会化媒体来进行信息传播和信息披露，但是都未能发挥出社会化媒体天生具有的双向传播(two-way communication)特质[73]。Chae等人对自然灾害事件中社会化媒体用户的行为进行了可视化分析，他们发现在社会化媒体中，公众对灾害的响应伴随不同灾害类型而有所不同[74]。

此外，社会网络分析(Social Network Analysis，SNA)被较多地应用于识别社会化媒体中的关键行动者(key actors)、积极参与者，进而研究他们在灾害信息传播中的行为特征[75]。Tyshchuk和Wallace以2011年东日本地震为例，利用社会网络分析法研究了社会化媒体中关键行动者(个人/机构)的作用，发现关键行动者在可行信息(actionable information)的传播中扮演着重要角色[76]。

2.8灾害中保持社会化媒体正常通信

正如上文所言，社会化媒体能够被应用于自然灾害的预防、救援等多个方面。而这些都是基于社会化媒体能够正常提供通信功能这一前提。社会化媒体的通信离不开有线、无线等基础设施。而自然灾害，特别是地震、洪水、飓风等会对这些基础设施造成极强的破坏，使得社会化媒体的正常通信功能受到影响。Carta及其硕士导师Hossmann、Legendre团队对这一领域进行了研究[77-78]。他们研究的切入点在于：智能手机可以不依赖于现有网络基础设施，而借助蓝牙、wifi热点等进行无线通信，这为灾害情境下的数据交换提供了可能。他们设计了一个基于机会通信(opportunistic communications)的安卓应用Twimight。Twimight是一个Twitter客户端，具备两种模式：正常模式、灾难模式。正常模式与其他客户端并无大的区别，即用户通过手机客户端直接向Twitter发布tweet。灾难模式下(基础网络设施不可用时)，程序会通过蓝牙将受灾用户发布的tweet与其他手机进行数据交换，进而通过一种“病毒式”传播的方式将受灾用户的tweet传播出去。同时，程序也会自动侦测网络环境，一旦有可用的网络，便会将受灾用户的tweet以正常模式发布到Twitter中。Twimight应用可以在Google Play中下载。

2.9社会化媒体与社区恢复力

Resilience(恢复力)一词源自拉丁文中的resilio，意为跳回(jump back)、反弹(bounce back)。社区恢复力(community resilience)是测量社区对自然灾害的预备、响应、抵抗和恢复的能力，具有较高恢复力的社区在灾害中会遭受较少的损失，并能较快地从灾害中得以恢复[79]。然而当灾害发生时，社区恢复力中的某些弱点会被放大[80]。而相关信息的及时沟通机制，比如通过Facebook等社会化媒体，是构建社区恢复力的重要组成部分[81]。Dufty基于“澳大利亚国家灾害恢复力战略”，开发了一个社会层面的灾害恢复力构建战略框架[82]，该框架从降低灾害风险、应急管理、社区发展三个方面来阐述社会化媒体如何帮助构建社区灾害恢复力(community disaster resilience)。降低灾害风险方面，其目标是最小化剩余风险(minimisation of residual risk)，具体包括：通知具有灾害风险的他人、讨论和规划最小化风险的方法、协调和管理任务、指导事后学习以提高恢复力；应急管理方面，其目标是通过共同责任(shared responsibility)来让社区安全，具体包括：通过众包来提供应急情报(emergency intelligence)、帮助人们做好灾害准备工作、传播警告信息、协调社区响应与恢复、指导事后学习以提高恢复力；社区发展方面，其目标是形成社会资本(在应对灾害方面)，具体包括：增加与提升社会网络(以及领导力和支持系统)、灾害中(后)为人们提供支持、指导事后学习以提高恢复力。

3运用的研究方法分析

社会化媒体作为一个新兴媒体，在自然灾害中的运用研究尚处于起步期。对目前研究中所使用的研究方法进行归纳总结，对后续研究者而言，具有很好的借鉴和参考意义。本文对当前研究中主要使用的研究方法进行归纳、总结如下：

(1)内容分析法。广泛运用于新闻传播、信息管理等领域的内容分析法，在社会化媒体时代仍然得到了广泛使用。目前内容分析法主要被用于探寻灾害情境下社会化媒体中信息传播的特征[21]、用户使用社会化媒体行为[73]等。

(2)文本挖掘。信息科学领域中的文本挖掘方法(如朴素贝叶斯分类器、支持向量机、决策树等)在本领域中得到了非常广泛地使用。自然灾害期间，社会化媒体中会在极短时间内涌现出由用户生成的海量内容，而仅依靠人工手段难以处理这些海量内容。文本挖掘方法被广泛用于灾害事件侦测及通知[7]、谣言及不准确信息的侦测[24]、受灾人群的地理位置识别[48]、社区识别[49]、受灾人群求助信息识别[51]等多个方面。同时，文本挖掘的方法也被用于统计分析、可视化分析的数据预处理中。

(3)框架理论。社会化媒体在灾害情境下的运用研究中，框架理论(Framing Theory)也得到了一些学者的关注，如Muralidharan等采用框架理论分析了非盈利组织和媒介组织在2010年海地地震期间使用社会化媒体的差异之处[73]。

(4)社会网络分析。近些年来，社会网络分析在社会学研究中得到了较多关注。社会网络分析将研究对象视作为“行动者”(如社会化媒体用户、用户发布的话题等)，研究“行动者”之间的关系特征。而社会化媒体本身就是一个典型的线上社会网络应用。具体到本文主题，社会网络分析法被用于识别潜在受灾人群[5]、谣言的控制[25]、社区识别[49]、用户使用社会化媒体的行为特征[76]等。

(5)案例研究法。案例研究方法在社会学研究中亦被广泛采纳。具体本文的主题，很多学者将某一个特定自然灾害事件作为一个案例进行分析，如2010年的海地地震、2010年智利地震、2011年日本地震等。

(6)访谈法。访谈法，是一种定性的研究方法，或者更确切地说是社会学研究中一种非常重要的资料收集的方法。具体到本文主题，访谈法常被用作收集灾害亲历者及其利益相关者的情感、态度、心理健康状况[70]等。

(7)统计学方法。各类统计学方法是社会学研究中使用最为广泛的研究方法之一。在本文收集的相关文献中，描述性统计、回归分析等得到了较多地使用。

描述性统计方法多被用于分析信息传播特征、对比实验结果。另外，描述性统计也被广泛用于描述数据样本概况，从而为后续分析奠定基础等。

回归分析用于探索自变量与因变量间的关系。具体到本文主题，回归分析被用于研究自然灾害情境下，社会化媒体的报道与捐赠额度间的关系[59-60]。

此外，常用的一些统计检验方法也得到了较多的使用。如研究人员采用T检验、卡方检验来对比不同灾害亲历者群体的心理因素、创伤后应激障碍综合征(PTSD symptoms)[70]等。

4结语

通过对国外研究文献的梳理和分析，发现社会化媒体在自然灾害中的运用研究主要集中在9大领域：灾害预防、灾害事件侦测与通知、信息传播的特征、谣言及不准确信息的侦测与控制、利用社会化媒体救灾、情感与社会联系、用户使用动机及行为特征、保持社会化媒体正常通信、社会化媒体与社区恢复力。在研究方法上，得到较多使用的有：内容分析法、文本挖掘、框架理论、社会网络分析、案例研究法、访谈法和统计学方法(主要有描述性统计、回归分析、T检验、卡方检验等)。

自然灾害情境下，社会化媒体的功能体现在信息传播、资源动员、强化态势感知[83-84]等多个方面，为灾害应急响应、恢复[85]等提供帮助。然而，应该看到社会化媒体本身出现的时间毕竟很短，其在自然灾害中的应用研究尚处于起步期。从现有研究来看，某些问题并没有得到较好地解决，值得未来研究关注：

(1)基于Twitter(社会化媒体)的地震侦测是一个非常有价值的研究领域，但仍然需要进一步研究，一些问题目前并没有得到很好地解决[86]：一是tweet中地理信息的不准确与缺失问题；二是当前研究大多通过关键词来识别tweet中的地震信息，而有时tweet中可能并没有“地震”字样，如“你感觉到了吗？”；三是某些tweet中所含有的“地震信息”是噪音信息(如用户在转发某地震信息时，而其所在地并没有发生地震)；四是如果社会化媒体被人利用，有组织地大规模发布虚假地震信息，可能会带来严重的不利影响。

(2)与上文所提及的谣言有些类似，社会化媒体由于数据质量问题[87]，有时候并不能为救灾工作提供“正确的信息”(right information)，而“正确的信息”正是社会化媒体能够应用于自然灾害的根基所在。因此，如何甄别与剔除灾害情境下社会化媒体中的不准确信息是一个非常有价值的研究课题。

(3)信息过载问题。信息过载是指信息产生的速度已经超过了个人(机构)的信息处理能力。即便在没有发生自然灾害的常规环境下，社会化媒体用户也会面临信息过载问题[88]。一旦发生自然灾害，特别是发生重大自然灾害时，社会化媒体中的信息会呈现出爆炸式增长，进一步加剧信息过载问题。而救灾的主体——政府和救援组织同样面临着信息过载问题，如他们发布的信息会湮没在社会化媒体的信息海洋中[89]，这使得他们可能会感觉到缺乏对信息的控制，成为在灾害中使用社会化媒体的障碍[90]。因此，在灾害情境下，如何解决社会化媒体中的信息过载问题，值得进一步深入研究。

(4)研究成果的实际应用有待于进一步检验。当前研究大多以历史事件为数据源，通过建立相关模型、算法、仿真等来研究社会化媒体在自然灾害中的应用。研究成果在实际灾害中的实际应用效果需要进一步检验。

(5)社会化媒体在自然灾害预防、恢复、减灾中的应用研究较为薄弱。现有研究多集中在自然灾害的应急响应以及救灾环节中，而社会化媒体如何在灾害预防、恢复、减灾等环节中发挥杠杆作用，需要深入、系统地进行研究。

参考文献

[1]Building resilience to natural disasters and major economic crises[EB/OL]. [2014-08-06].http://www.unescap.org/idd/Pubs/ThemeStudy2013/ThemeStudy2013-full.pdf

[2]Durage S W, Wirasinghe S C, Ruwanpura J. Comparison of The Canadian and US tornado detection and warning systems[J]. Natural Hazards, 2013, 66(1): 117-137

[3]Hirano M, Hikida M, Moriyama T. Field observation and prediction of the hydrograph of volcanic debris flow[C]// Proceedings of the Fourth Congress of Asian and Pacific Regional Division of IAHR,Bankok, Thailand, 1984: 287-298

[4]Moriyama T, Nakayama H, Kon K, et al. Distribution of aerial hazard maps of debris flow on a social network service[J]. WIT Transactions on Engineering Sciences, 2008，60:33-40

[5]Pho H, Han S C, Kang B H. Emergency-Affected population identification and notification by using online social networks[C]// Proceedings of the 2011 International Conference on Advanced Software Engineering and Its Applications,Jeju Island, Korea, 2011: 541-550

[6]Cameron M A, Power R, Robinson B, et al. Emergency situation awareness from Twitter for crisis management[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 695-698[7]Pohl D, Bouchachia A, Hellwagner H. Automatic sub-event detection in emergency management using social media[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 683-686[8]Sakaki T, Okazaki M, Matsuo Y. Earthquake shakes Twitter users: Real-time event detection by social sensors[C]// Proceedings of the 19th International Conference on World Wide Web,Raleigh, North Carolina, USA, 2010: 851-860

[9]Yuan W W, Guan D H, Huh E N, et al. Harness human sensor networks for situational awareness in disaster reliefs: A survey[J]. Iete Technical Review, 2013, 30(3): 240-247

[10] Crooks A, Croitoru A, Stefanidis A, et al. #Earthquake: Twitter as a distributed sensor system[J]. Transactions in GIS, 2013, 17(1): 124-147

[11] Okazaki M, Matsuo Y. Semantic Twitter: Analyzing tweets for real-time event notification[C]// Proceedings of the 2008/2009 International Conference on Social software-Recent Trends and Developments in Social Software,Heidelberg, 2008: 63-74

[12] Sakaki T, Okazaki M, Matsuo Y. Tweet analysis for real-time event detection and earthquake reporting system development[J]. IEEE Transactions on Knowledge and Data Engineering, 2013, 25(4): 919-931

[13] Earle P S, Bowden D C, Guy M. Twitter earthquake detection: Earthquake monitoring in a social world[J]. Annals of Geophysics, 2011, 54(6): 708-715

[14] White C, Plotnick L, Kushma J, et al. An online social network for emergency management[J]. International Journal of Emergency Management, 2010, 6(3-1): 369-382

[15] Dabner N. “Breaking Ground” in the use of social media: A case study of a university earthquake response to inform educational design with Facebook[J]. Internet and Higher Education, 2012, 15(1): 69-78

[16] Martin D L, Allan J C, Newton J, et al. Using web-based and social networking technologies to disseminate coastal hazard mitigation information within the Pacific Northwest Component of the Integrated Ocean Observing System (IOOS)[C]// Oceans 2011,Waikoloa, HI, 2011:1-9

[17] Nagar S, Seth A, Joshi A. Characterization of social media response to natural disasters[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 671-674

[18] Starbird K, Palen L, Hughes A L, et al. Chatter on the Red: What hazards threat reveals about the social life of microblogged information[C]// Proceedings of the ACM conference on Computer Supported Cooperative Work,Savannah, Georgia, USA, 2010: 241-250

[19] Li J, Rao H R. Twitter as a rapid response news service: An exploration in the context of the 2008 China earthquake[J]. The Electronic Journal of Information Systems in Developing Countries, 2010, 42(4): 1-22

[20] Qu Y, Huang C, Zhang P, et al. Harnessing social media in response to major disasters[C]// The 2011 ACM Conference on Computer Supported Cooperative Work,New York, 2011: 1-4

[21] Qu Y, Wu P F, Wang X. Online community response to major disaster: A study of Tianya forum in the 2008 Sichuan earthquake[C]// 42nd Hawaii International Conference on System Sciences,Waikoloa, USA, 2009: 1-10

[22] Qu Y,Huang C,Zhang P,et al.Microblogging after a major disaster in China: A case study of the 2010 Yushu earthquake[C]//Proceedings of the ACM 2011 Conference on Computer Supported Cooperative Work,New York,2011:25-34[23] Chun Y, Hwang H, Kim C. A study on the extraction of damage locations using Twitter messages[C]// International Conferences, ASEA and DRBC 2012,Jeju Island, Korea, 2012: 218-224

[24] Hashimoto T, Kuboyama T, Shirota Y. Rumor analysis framework in social media[C]// 2011 IEEE Region 10 Conference Tencon 2011,Bali, 2011: 133-137

[25] Singh A, Singh Y N. Rumor spreading and inoculation of nodes in complex networks[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 675-678

[26] Yin J, Lampert A, Cameron M, et al. Using social media to enhance emergency situation awareness[J]. IEEE Intelligent Systems, 2012, 27(6): 52-59

[27] Imran M, Elbassuoni S, Castillo C, et al. Practical extraction of disaster-relevant information from social media[C]// Proceedings of the 22nd International Conference on World Wide Web companion,Rio de Janeiro, Brazil, 2013: 1021-1024

[28] Yates D, Paquette S. Emergency knowledge management and social media technologies: A case study of the 2010 Haitian earthquake[J]. International Journal of Information Management, 2011, 31(1): 6-13

[29] Kodrich K, Laituri M. Making a connection: Social media's key role in the Haiti earthquake[J]. Journal of Communication & Computer, 2011, 8(8): 624-627

[30] Terpstra T, Vries A, Stronkma R, et al. Towards a realtime Twitter analysis during crises for operational crisis managemen[C]// Proceedings of the 9th International ISCRAM Conference,Vancouver, Canada, 2012: 1-9

[31] Lai J. Utilizing Facebook application for disaster relief: Social network analysis of American Red Cross cause joiners[D]. Florida: University of South Florida, 2010:1-85

[32] Jung Y N, Joshi J B D. CPBAC: Property-based access control model for secure cooperation in online social networks[J]. Computers & Security, 2014, 41: 19-39

[33] Bird D, Ling M, Haynes K. Flooding Facebook -The use of social media during the Queensland and Victorian floods[J]. The Australian Journal of Emergency Management, 2012, 27(1): 27-33

[34] Kent J D, Capello H T. Spatial patterns and demographic indicators of effective social media content during the Horsethief Canyon fire of 2012[J]. Cartography and Geographic Information Science, 2013, 40(2): 78-89

[35] Peary B D M, Shaw R, Takeuchi Y. Utilization of social media in the East Japan earthquake and tsunami and its effectiveness[J]. Journal of Natural Disaster Science, 2012, 34(1): 3-18

[36] Tseng S F, Chen W C, Chi C L. Online social media in a disaster event: Network and public participation[C]// Digital Information and Communication Technology and Its Applications -International Conference, DICTAP 2011,Dijon, France, 2011: 256-264

[37] Tyshchuk Y, Wallace W. The use of social media by local government in response to an extreme event: Del Norte County, Ca response to the 2011 Japan tsunami[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 802-811

[38] Gao H, Wang X, Barbier G, et al. Promoting coordination for disaster relief: From crowdsourcing to coordination[C]// Proceedings of the 4th International Conference on Social Computing, Behavioral-cultural Modeling and Prediction,College Park, MD, USA, 2011: 197-204

[39] Hughes A L, Palen L, Sutton J, et al. “Site-Seeing” in disaster: An examination of on-line social convergence[C]// Proceedings of the 5th International ISCRAM Conference,Washington DC, USA, 2008: 1-10

[40] Maceachren A M, Robinson A C, Jaiswal A, et al. Geo-Twitter analytics: Application in crisis management[C]// 25th International Cartographic Conference,Paris, France, 2011: 1-8

[41] Vivacqua A S, Borges M R S. Taking advantage of collective knowledge in emergency response systems[J]. Journal of Network and Computer Applications, 2012, 35(1): 189-198

[42] Raskob W, Gers E, Drewer P M Z, et al. SECURITY2People-Functionality of the final demonstrator[C]// 7th Security Research Conference,Bonn, Germany, 2012: 81-84

[43] Malizia A, Bellucci A, Diaz P, et al. eStorys: A visual storyboard system supporting back-channel communication for emergencies[J]. Journal of Visual Languages and Computing, 2011, 22(2): 150-169

[44] Muramoto T, Nakayama K, Kobayashi Y, et al. Resident participating Gis-based tsunami disaster control systems for local communities[C]// 2006 International Symposium on Communications and Information Technologies,Bangkok, Thailand, 2006: 751-756

[45] Mcclendon S, Robinson A C. Leveraging geospatially-oriented social media communications in disaster response[C]// Proceedings of the 9th International ISCRAM Conference,Vancouver, Canada, 2012: 2-11

[46] Lingad J, Karimi S, Yin J. Location extraction from disaster-related microblogs[C]// Proceedings of the 22nd International Conference on World Wide Web companion,Rio de Janeiro, Brazil, 2013: 1017-1020

[47] Mcnamara L, Rohner C. Mining conversations of geographically changing users[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 667-670

[48] Ikawa Y, Enoki M, Tatsubori M. Location inference using microblog messages[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 687-690

[49] Enoki M, Ikawa Y, Rudy R. User community reconstruction using sampled microblogging data[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 657-660

[50] Gupta A, Joshi A, Kumaraguru P. Identifying and characterizing user communities on Twitter during crisis events[C]// Proceedings of the 2012 Workshop on Data-Driven User Behavioral Modelling and Mining from Social Media,Hawaii, USA, 2012: 23-26

[51] Varga I, Sano M, Torisawa K, et al. Aid is out there: Looking for help from tweets during a large scale disaster[C]// The 51st Annual Meeting of the Association for Computational Linguistics,Sofia, Bulgaria, 2013: 1619-1629

[52] Murakami A, Nasukawa T. Tweeting about the tsunami?: Mining Twitter for information on the Tohoku earthquake and tsunami[C]// Proceedings of the 21st International Conference Companion on World Wide Web,New York, 2012: 709-710

[53] Neubig G, Matsubayashi Y, Hagiwara M. Safety information mining — What can NLP do in a disaster[C]// Proceedings of the 5th International Joint Conference on Natural Language Processing,Chiang Mai, Thailand, 2011: 965-973

[54] Macias W, Hilyard K, Freimuth V. Blog functions as risk and crisis communication during Hurricane Katrina[J]. Journal of Computer-Mediated Communication, 2009, 15(1): 1-31

[55] Stiegler R,Tilley S,Parveen T.Finding family and friends in the aftermath of a disaster using federated queries on social networks and websites[C]//13th IEEE International Symposium on Web Systems Evolution,Williamsburg,VI,2011:21-26[56] Morales X Y Z G. Networks to the rescue: Tweeting relief and aid during Typhoon Ondoy[D]. Washington, DC: Georgetown University, 2010: 1-69

[57] Callahan C M. Responding to crises on Facebook: A case study of the Iranian election protests and the 2010 Chilean earthquake[D]. Minnesota: University of Minnesota, 2011: 1-87

[58] Slagh C L. Managing chaos, 140 characters at a time: How the usage of social media in the 2010 Haiti crisis enhanced disaster relief[D]. Washington, DC: Georgetown University, 2010:1-77

[59] Lobb A, Mock N, Hutchinson P L. Traditional and social media coverage and charitable giving following the 2010 earthquake in Haiti[J]. Prehosp Disaster Med, 2012, 27(4): 319-324

[60] Martin J A. Closing gaps in international knowledge and participation: News attention, online expression, and the 2010 Haiti earthquake[J]. Mass Communication and Society, 2013, 16(3): 417-440

[61] Imran M, Elbassuoni S, Castillo C, et al. Extracting information nuggets from disaster-related messages in social media[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 1-10

[62] Starbird K. Digital volunteerism: Examining connected crowd work during mass disruption events[C]// 2012 Conference on Computer Supported Cooperative Work,Seattle, Washington, USA, 2012: 116-123

[63] Reuter C, Heger O, Pipek V. Combining real and virtual volunteers through social media[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 780-790

[64] Shaw F, Burgess J, Crawford K, et al. Sharing news, making sense, saying thanks -Patterns of talk on Twitter during the Queensland floods[J]. Australian Journal of Communication, 2013, 40(1): 23-39

[65] Wilensky H. Disaster symbols and cultural responses[C]// 2012 Conference on Computer Supported Cooperative Work,Seattle, Washington, USA, 2012:67-73

[66] Mandel B, Culotta A, Boulahanis J, et al. A demographic analysis of online sentiment during Hurricane Irene[C]// Proceedings of the Second Workshop on Language in Social Media,Montreal, Canada, 2012: 27-36

[67] Doan S, Vo B H, Collier N. An analysis of twitter messages in the 2011 Tohoku earthquake[C]// 4th International Conference, eHealth 2011,Málaga, Spain, 2011: 1-9

[68] Kaigo M. Social media usage during disasters and social capital: Twitter and the Great East Japan earthquake[J]. Keio Communication Review, 2012, (34): 19-35

[69] Casacchia M, Pollice R, Roncone R. The narrative epidemiology of L'aquila 2009 earthquake[J]. Epidemiology and Psychiatric Sciences, 2012, 21(1): 13-21

[70] Ben-Ezra M, Palgi Y, Aviel O, et al. Face it: Collecting mental health and disaster related data using Facebook Vs. personal interview: The case of the 2011 Fukushima nuclear disaster[J]. Psychiatry Research, 2013, 208(1): 91-93

[71] Maxwell E M. Motivations to tweet: A uses and gratifications perspective of Twitter use during a natural disaster[D]. Uscaloosa, Alabama: The University of Alabama, 2012:1-85

[72] Zhu J, Xiong F, Piao D, et al. Statistically modeling the effectiveness of disaster information in social media[C]// Proceedings of the 2011 IEEE Global Humanitarian Technology Conference,Washington DC, USA, 2011: 431-436

[73] Muralidharan S, Rasmussen L, Patterson D, et al. Hope for Haiti: An analysis of Facebook and Twitter usage during the earthquake relief efforts[J]. Public Relations Review, 2011, 37(2): 175-177

[74] Chae J, Thom D, Jang Y, et al. Public behavior response analysis in disaster events utilizing visual analytics of microblog data[J]. Computers & Graphics-Uk, 2014(38): 51-60

[75] Cheong F, Cheong C. Social media data mining: A social network analysis of tweets during the 2010-2011 Australian floods[C]// 15th Pacific Asia Conference on Information Systems (PACIS),Brisbane, Australia, 2011: 1-16

[76] Tyshchuk Y, Wallace W A. Actionable information during extreme events-Case study: Warnings and 2011 Tohoku earthquake[C]// IEEE International Conference on Social Computing and 2012 ASE/IEEE International Conference on Privacy, Security, Risk and Trust,Amsterdam, Netherlands, 2012: 338-347

[77] Carta P. Implementation of a disaster mode to maintain Twitter communications in times of network outages[D]. Zurich: Swiss Federal Institute of Technology in Zurich, 2011:1-77

[78] Hossmann T, Legendre F, Carta P, et al. Twitter in disaster mode: Opportunistic communication and distribution of sensor data in emergencies[C]// Proceedings of the 3rd Extreme Conference on Communication: The Amazon Expedition,Manaus, Brazil, 2011: 1-6

[79] Patton R M, Steed C A, Stahl C G. Visualizing community resilience metrics from Twitter data[C]// Seventh International AAAI Conference on Weblogs and Social Media,Cambridge, Massachusetts, 2013: 6-9

[80] Patton R M, Steed C A, Stahl C G, et al. Observing community resiliency in social media[C]// 13th International Conference on Computational Science and Applications,Ho Chi Minh City, Vietnam, 2013: 491-501

[81] Nicholls S. The resilient community and communication practice[J]. The Australian Journal of Emergency Management, 2012, 27(1): 46-51

[82] Dufty N. Using social media to build community disaster resilience[J]. The Australian Journal of Emergency Management, 2012, 27(1): 40-45

[83] Merrick D F, Duffy T. Utilizing community volunteered information to enhance disaster situational awareness[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 858-862

[84] Vieweg S, Hughes A L, Starbird K, et al. Microblogging during two natural hazards events: What Twitter may contribute to situational awareness[C]// Proceedings of the SIGCHI Conference on Human Factors in Computing Systems,Atlanta, Georgia, USA, 2010: 1079-1088

[85] Liu S, Palen L, Sutton J, et al. In search of the bigger picture: The emergent role of on-line photo sharing in times of disaster[C]// Proceedings of the Information Systems for Crisis Response and Management Conference (ISCRAM 2008),Washington DC, USA, 2008: 1-10

[86] Earle P S, Guy M, Buckmaster R, et al. OMG earthquake! Can Twitter improve earthquake response?[J]. Seismological Research Letters, 2010, 81(2): 246-251

[87] Tapia A H, Moore K A. Beyond the trustworthy tweet: A deeper understanding of microblogged data use by disaster response and humanitarian relief organizations[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 770-779

[88] Hiltz S R,Plotnick L.Dealing with information overload when using social media for emergency management: Emerging solutions[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden,Germany,2013:823-827[89] Helsloot I, Groenendaal J. Twitter: An underutilized potential during sudden crises?[J]. Journal of Contingencies and Crisis Management, 2013, 21(3): 178-183

[90] Beneito-Montagut R, Anson S, Shaw D, et al. Governmental social media use for emergency communication[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 828-833

Leveraging Social Media in Natural Disaster: A Literature Research from Perspectives of Research Fields and Methods

Zong Qianjin1Shen Hongzhou2

(1.School of Economics and Management, South China Normal University, Guangzhou 510006;2.School of Management, Nanjing University of Posts and Telecommunications, Nanjing 210023)

[Abstract]This study provides an overview of leveraging social media in natural disaster from perspectives of research fields and methods. The main findings are as follows: (1) the research fields are natural disaster prevention, detection & notification of natural disaster events, characteristics of information dissemination, detection & control of rumor and inaccurate information, natural disaster relief, emotion & social tie, motivation & behavior characteristics, maintaining social media communications during natural disaster, and community resilience; (2) content analysis, text mining, framing theory, social network analysis, case study, interview, and statistical methods are widely used. Based on the results, this paper points out the limitations of the researches, and proposes the future research work for researchers.

[Key words]Social mediaSocial networking serviceMicro-bloggingNatural disasterDisaster reliefInformation distribution

[基金项目]国家自然科学基金项目“基于社会化媒体的突发事件应急管理众包模式研究”(71403134)；教育部人文社会科学研究青年基金项目“突发事件下社会化媒体用户参与应急管理的激励策略及众包模式研究”(14YJCZH122)；江苏高校哲学社会科学研究基金资助项目“突发事件下社会化媒体用户参与应急管理的激励机制研究”(2014SJB009)。

[作者简介]宗乾进，男，讲师，博士，研究方向为社交媒体、信息系统，Email：zongqj@m.scnu.edu.cn；沈洪洲，男，讲师，博士，研究方向为社交媒体、应急管理。

[中图分类号]G203

[文献标识码]A

[文章编号]2095-2171(2016)02-0029-12

DOI:10.13365/j.jirm.2016.02.029

(收稿日期：2015-10-18)