基于信息生态理论的政法事件微博舆情传播规律研究

杨兰蓉　邓如梦　郜颍颍

〔摘 要〕[目的/意义]在以政务微博为代表的新媒体技术不断发展的背景下，政法事件微博舆情传播成为政法机关面临的新问题。对政法微博舆情传播进行研究，有助于剖析微博舆情传播的信息生态学规律。[方法/过程]基于信息生态理论构建政法微博舆情生态系统，以聊城于欢案政法事件为研究实例，将新浪微博舆情信息作为研究对象，对系统内的信息主体、信息环境、信息3个因子的传播和演化过程进行分析。[结果/结论]研究结果表明，主体因子中用户粉丝数和关注数均符合幂率分布且呈断尾分布特征；信息因子特征量符合指数分布；环境因子特征量具有长尾分布特征，政法微博舆情传播符合信息生态学的互生再生规律、动态平衡、协同进化规律。文章的研究对政法机关舆情监管部门把握微博舆情传播规律及舆情控制具有一定的参考性作用。

〔关键词〕微博舆情；政法事件；信息生态理论；传播规律

DOI：10.3969/j.issn.1008-0821.2018.08.007

〔中图分类号〕C912.6 〔文献标识码〕A 〔文章编号〕1008-0821（2018）08-0051-10

〔Abstract〕[Purpose/Significance]Under the background of the continuous development of new media technologies represented by government microblogs，the dissemination of public opinion information on the network of politics and law has become a new problem faced by the law enforcement agencies.Research on the public opinion dissemination of the Weibo laws and microblogs helps to analyze the laws of information ecology in the dissemination of microblogs.[Method/Process]Based on the theory of information ecology，the paper constructed the public opinion ecosystem of the political，legal，and micro-blog，takes Liaocheng Yuhuan case as an example，and used Sina Weibo public opinion information as the research object，and disseminated the information subject，information environment and information in the system.The evolutionary process was analyzed.[Result/Conclusion]The research results showed that in the person factor，the number of fans and the number of attentions of users were in line with the power rate distribution and were in the tail-distribution distribution characteristics；the information factor characteristic amount conformed to the exponential distribution；the environmental factor characteristic amount had the long-tail distribution characteristic.The public opinion propagation of law and law microblog was in line with the interactive ecology，dynamic balance，coevolution and effective limit law of information ecology.The research of the article had a certain reference function for the public opinion supervision department of the political and legal department to grasp the law of Weibos lyrical transmission and the control of public opinion.

〔Key words〕Weibo public opinion；legal cases；information ecology theory；spreading law

政務微博是新媒体技术发展的典型代表，对政府部门应对突发事件、引导舆情走向、辟除谣言及动员社会力量等方面有着重要的作用，是政府重要的信息平台。政务微博作为一种新兴的网络媒体，与传统媒体的信息传播方式及传播规律不同，舆情热点事件一旦在微博上爆发后，政务微博的舆情引导与危机处理能力则成为社会的聚焦点，同时也是各级政法机关面临的重点难题。目前我国正处于深化改革和社会转型的关键时期，社会矛盾多发，重大涉法公共事件频发，事件社会影响力及社会关注度越来越高，给政法机关工作带来巨大的舆论压力。因此，新媒体时代，政法机关如何认识新媒体舆情传播规律、引导社会舆论、实现涉法公共事件顺利解决具有重大的现实意义。

随着Web2.0时代的到来，互联网和社会媒体逐渐建立起一个全新的社会网络生态系统[1-2]，利用信息生态学视角来适应和研究现代社会生态系统的变化显得尤为重要[3]。目前，学者们对“微博舆情生态系统”的内涵与外延并没有统一界定。从归属类别上看，“微博舆情生态系统”也是一种网络舆情生态系统，或者说是网络舆情生态系统的一种新研究趋势。关于网络舆情生态系统的定义，朱毅华等认为网络舆情生态系统是在一定政治、法律、社会和技术环境下，信息人通过其活动形成的信息生态群落所构成的网状体系[5]。孙振良等认为突发事件舆情信息生态链系统是由事件舆情信息、舆情信息主体节点及舆情信息生态环境三要素构成[4]。作为一个有机的、动态的生态系统，网络舆情生态系统内存在复杂的机制来推动系统的协同演化，王建亚等认为网络舆情生态系统的运行机制包括形成机制、循环机制和组织平衡机制等3种具体机制形式来维持系统平衡发展[6]。

在生态系统的影响因素及构建模型方面，王琳琳认为公共事件本身、网民、媒体、政府和网络舆情生态环境等因素都会对突发公共危机事件的网络舆情生态产生影响[7]。姜景等为了分析系统中主体和环境、资源之间的互动关系，构建了一个包括环境因子、主体因子和信息因子三要素的网络舆论生态系统[8]。Finin Tim等建立了一个基于博客圈的包括信息流、影响力和信任度3个维度的模型，试图利用该模型研究网络中各类主体（包括个人、群体、观点、信仰、广告、甚至骗局等）的相互作用[4]。赵丹等基于信息生态理论对新媒体环境下微博舆情传播态势进行研究，构建了包括信息、信息主体、信息环境和信息技术4个生态因子微博舆情传播态势模型，同时以新浪微埃博拉热点话题为研究对象，对模型进行实证分析[10]。宋拓从多个信息流转的物理过程中提炼出微博信息生态链结构模型，在此链条中信息人之间存在着协同、促进、激励、反馈等相互作用关系[11]。从现有学者对微博舆情生态系统的研究来看，研究内容主要涉及微博舆情生态系统的构建和运行机制、影响因素分析等方面，对政法事件舆情信息传播规律的研究较少，且研究多为理论研究，缺乏具体案例的实证分析研究。

1 政法微博舆情生态系统模型构建

信息生态因子是指“信息环境中对人类的生存、发展及社会组织的行为、发展、流动和分布以及社会进化与发展有着直接或间接影响的各种要素”[12]。学者们对信息生态因子的概念达成了共识，但是在信息生态因子的构成上存在分歧。国佳认为信息生态因子由信息、信息人和信息环境三大要素构成[13]。也有学者认为信息生态因子由信息、信息人、信息技术和信息环境组成[14]。可见，分歧点在于信息生态因子是三因子还是四因子组成，即信息技术是属于信息环境因子还是单列成一个因子。信息环境和信息技术都处于不断的变化过程，信息技术的变化涉及范围非常广且相对较复杂。

考虑到微博舆情生态系统中信息技术这一因子的载体难以衡量和实体化，所以本文认为信息生态因子由信息、主体和环境3个基本要素构成。①信息。信息是微博舆情系统中的客体，是微博用户与用户之间在适应和改造微博世界过程中相互交换和传递的所有内容、表情和符号。②主体。微博用户是微博舆情生态系统的主体，是需要并消费信息的个体、群体或组织。③环境。环境因子是某特征生物群体或生物群体周围一切的全部环境要素的总和，包括空间中直接或间接影响该生物体或生物群生存和繁殖的各种因素，具体到微博舆情生态系统中，主要指影响信息主体信息消费及生产行为的一切因素，包括信息技术、信息制度和信息时空等方面，其主要侧重衡量系统环境的内在机理和演化规律，如图1所示。

2 研究方法

2.1 数据源选择

新浪微博是一个由新浪网推出，提供微型博客服务类的社交网站。用户可以通过WEB、WAP等各种客户端组建个人社区，以140字左右的文字更新信息，并实现即时分享，是中国网民的主流社交平台。2017年微博用户发展报告中数据显示，截至2017年9月，微博月活跃用户共3.76亿，与2016年同期相比增长27%，其中移动端占比达92%；日活跃用户达到1.65亿，较去年同期增长25%[15]。因此本文选择新浪微博作为数据来源。

“聊城于欢案”自2017年2月17日一审以来，逐渐进入公众视野，尤其在2017年3月24日山东省高级人民法院立案受理以来，在媒体平台引起了各界热议和全球网民的高度关注。基于此，本文选择“聊城于欢案”微博话题作为信息采集源，以“于欢案”作为关键词在新浪微博首页进行高级检索，搜索结果页面显示的微博则是研究所用数据。

2.2 数据采集与处理

采用Python网络爬虫方式采集获取用户数据，数据采集过程如下：①登录新浪微博，采用高级搜索方式查询相应微博信息，得到相应URL地址。②查询该条微博的所有轉发和评论信息并获取相对应的地址；③获取有关字段信息内容并保存到EXCEL数据库中。获取数据字段包括用户ID、用户名、用户性别、用户年龄、地区、教育程度、微博内容、时间、转发、评论及点赞数量等。同时重复以上1、2、3的步骤，爬取了四个官方微博（“山东公安”、“山东高法”、“山东省人民检察院”、“最高人民检察院”）下关于事件微博的评论。数据选取时间段为2017年3月35日至2017年6月25日。从“于欢案”关键词出发共获取9393条完整数据、部分用户属性数据及全部微博信息内容统计数据，官方微博下评论共收集到17 339条评论信息。在数据处理及分析阶段，使用腾讯文智中文语义平台、Access、Excel、Spss等软件整理数据，进行数据规范化处理及去重及数据统计分析及绘图。

3 数据结果

3.1 主体因子统计分析

3.1.1 主体属性

从用户属性的特征量统计结果来看，参与舆情用户性别以男性为主，占67.24%，且男性用户分布较为规律，曲线拟合后符合指数分布（y=e5.18-5.178x，R2=0.894），而女性用户人数呈现无规则分布，反映了男性网民在话题传播过程中较为冷静和理性。

从话题参与用户年龄分布来看，35～50岁是舆情传播的核心力量，25～50岁年龄的网民占61%，青年人及中年人在舆情传播中有更为明显的传播优势。从所有话题参与者的标注学历中可以看出，大学学历者占据“绝对优势”，说明该舆情参与对学识具有一定的要求。话题参与用户主要分布在北京、山东、广东及江苏等地区，北上广苏等经济发达地区占比高达34.02%，说明经济发达地区微博用户更倾向于使用互联网或者移动工具端进行舆情表达。

从粉丝数及关注数的特征统计结果来看，用户的粉丝数远远高于关注数（用户关注数均值643，粉丝数均值41 637），从图2可以看出，用户粉丝数符合幂律分布，粉丝数高于2 000以后呈现断尾分布特征。而用户关注数符合分段幂律分布，即关注数在10～150和150～1 500之间符合幂律分布，关注数高于1 500后呈现断尾分布，而说明微博用户更多的通过关注他人的行为来获得更多的舆情信息。

3.1.2 主体信息行为

用户参与舆情的信息环境特征量按照均值从高到低排序依次为点赞、转发、评论，点赞行为是用户情感倾向表达的主要方式，转发行为是用户进行舆情传播的主要方式，而评论行为则相对较少，说明舆情传播时用户的信息细化水平较低。用户舆情传播行为特征量分布见图3，3种行为分布曲线都符合指数分布，但转发分布曲线拟合度最高，说明微博用户是以自我为中心来进行舆情转发的行为，这种行为倾向是微博舆情传播典型的规律。同时，从各曲线分布特征可以看出，3种舆情传播行为均具有长尾分布特征，参考人类动力学理论，微博用户舆情行为分布具有长尾分布特征可能是由网民习惯、兴趣驱动这两个潜在原因所引起[16]。

3.2 信息因子统计分析

3.2.1 信息内容形式

从话题参与用户发布的信息特征量结果来看，用户参与舆情发布的信息以图片或混合新媒体形式为主，图片视频表情等信息形式占据“半壁江山”，传统媒体信息形式

占37.83%，单一的图片及视频信息形式比重较小，说明用户在参与话题时更倾向于使用图片或视频等多种信息形式进行信息消费和生产。

舆情用户信息形式分布曲线如图4所示，可见视频、图片及表情信息形式分布均符合指数分布。说明用户的信息内容形式具有明显的突发性质，同时几乎不具备记忆性。某用户在进行信息情感的表达时更多地依据用户的爱好和习惯，并不受现有信息形式的影响。

3.2.2 信息内容

从信息内容热点词TOP20统计表上可以看出（见表1），词频数超过400以上的词为“问题”、“孝子”、“最强”、“背后团队”，且这些词都是涉及舆情事件过程及性质的词汇。整体排名前20的词汇也包括一些网友的多数情感性评论，如黑暗、公正、过重、害怕等词汇。

3.3 环境因子统计分析

3.3.1 信息技术

用户参与舆情所使用的工具端汇总表如表2所示，用户使用传统工具端进行舆情传播的比例为21.17%，移动端占比78.83%，说明用户参与舆情时使用的主要工具为移动端。在具体的移动工具端上，用户主要使用iPhone、Android、iPhone系列产品作为信息工具，占比40%。非移动端主要通过weibo.com和360安全浏览器，但由于本文以新浪微博舆情事件为例，所以“weibo.com”排名第一的参考价值不大，传统工具端舆情信息传播以“360安全浏览器”为主。

为分析用户不同工具端在舆情传播的分布情况，通过对比图5（a）、图5（b）发现，用户的传统工具端使用行为同一栋工具端类似，都符合幂律分布，曲线形状也较为相似，说明用户的舆情传播行为在两种工具端存在相似性。

3.3.2 信息制度

信息制度是信息环境因子中较为重要的因素。微博舆情生态系统如生物界一样，会存在信息泛滥或主体过渡消费等行为造成系统内的生态失衡，信息制度就是国家在宏观层面上对信息环境外在的“干预”或“矯正”手段。为适应现代新媒体技术的迅速发展，自互联网信息管理服务管理办法与2000年通过实施后，国家先后出台了一系列更加精细的政策法规，如《互联网用户公众账号信息服务管理规定》、《互联网群组信息服务管理规定》及《微博客信息服务管理规定》等制度。

4 讨论与分析

舆情信息数量随时间演化如图6所示，舆情信息数量变化呈“W式”特征。从2017年3月25日到2017年4月18日（即1～25天）为舆情信息传播的前期（突发期），与其他舆情前期信息数量较少不同，该舆情在前期就已经在微博平台上爆发，随后信息数量达到峰值，平均每天信息数量在300条左右。2017年4月18日到2017年5月31日（即26～71天）为舆情信息传播的中期（蔓延期），二审开庭及法院现场直播庭审等举措使得事件的热度开始回升，但与舆情前期相比，微博用户发布信息、转发和评论等行为相对较少。2017年6月1日到2017年6月25日（即72～93天）为舆情信息传播的后期（消散期），此时信息数量开始大幅度下降，在二审审判结果宣布当日（2017年6月23日），舆情信息数量出现“小高峰”后舆情开始扩散消退。

4.1 主体因子——互生再生、协同进化

4.1.1 主体属性

如图7（a）所示，在舆情初期阶段，用户性别以男性为主，但是随着舆情的发展，男性用户比例总体呈下降趋势，女性用户比例呈上升的趋势，比率整体向50%接近。说明在微博舆情的传播过程中，随着案件事实越来越公开和透明，男性用户和女性用户都变得更为理性，同时也说明微博信息主体同生态界类似存在着互生、再生规律，具有相同性别、微博生态特性的用户相互依存、相互制约并形成微博信息生态群落，异性用户也存在着相互吸引、相互依存的关系。

从用户年龄时间序列变化曲线可以看出，如图7（b）所示，随着事件的推移，参与舆情的网民平均年龄逐渐增大。舆情传播初期，年轻网民是话题参与的“主力军”，随着舆情的发展，高龄网民也开始参与舆情的意见表达。一方面可能是因为高龄网民在摸索微博客户端或WAP的使用花费了时间；另一方面，年轻网民在积极参与舆情传播的过程中带动并影响了高龄网民的舆情参与行为，使得高龄网民的信息素养和面对现状的能力不断提升，这揭示了微博舆情传播过程中用户之间存在的相互适应与补偿的协同进化规律。

从舆情传播各阶段用户地域分布比率时间变化曲线来看，如图7（c）所示，山东作为舆情事件的发生地，是推动舆情发展的用户所属核心地域，北京作为我国的政治文化中心，在参与舆情用户的所属地域中占比也较大。随着舆情地不断发展，舆情地域辐射范围逐渐增大，其他省份和海外用户比率慢慢增加并成为主要地域，说明舆情覆盖地域慢慢扩散和增加，而这种地域的分散和覆盖范围的增大现象恰好反应了舆情参与新用户（生物）再生，同时也反映出不同地域用户的协同进化和促进机制，可见舆情传播符合生态理论中的再生、协同进化规律。

4.1.2 主体信息行为

从点赞、评论、转发数量随时间变化曲线图可以看出，见图8（a）所示，在舆情发展的全过程，点赞数量占比最多，而转发和评论数量占比相对较小。点赞、转发、评论增长率时间变化曲线图可以看出，见图8（b）、8（c）、8（d）所示，点赞和评论增长率呈现相似的波动规律，即在舆情中期某个时间段，都会出现波动性较大的增长，而转发数量的增长率在舆情后期出现整体的增长趋势。

在微博舆情生态系统中，作为系统赖以生存发展的各种环境资源，例如微博用户、信息数据及微博平台储存环境等在时间、数量、空间等方面具有一定的限度并不能无限使用，所以微博舆情生态系统就存在一个阈值。在舆情传播初期，系统内容量大，评论、转发、点赞数迅速增长至一定的限度，便会接近舆情生态系统的阈值，此时各特征量增长率整体变小。从舆情发展时间上看，微博舆情生态系统也存在时间上的阈值，也即网民的点赞、评论和转发行为会在一定的时间接近于0，“于欢案”的舆情发展在93天后接近于0，宣告该舆情步入消亡阶段。可见微博舆情的传播符合有效极限规律。

4.2 信息因子——转化再生、动态平衡

4.2.1 信息内容形式

从舆情信息的内容形式数量比率上来看，如图9（a）所示，在舆情发展的前期及中期，图片信息占比均最多，表情信息占比最少。在舆情发展后期，图片和视频信息波动较大，这可能与舆情发展后期关于“于欢案”的监控视频或审判直播视频大量流出有关。而表情信息占比相对较小，且全程波动不大。从单一信息形式的增长率变化图可以看出，见图9（b）、9（c）、9（d）所示，图片和视频增长率波动情况存在类似规律，表情信息的增长率曲线显然不同。

从生态学理论出发，微博用户受自我兴趣驱动发布代表自我意见的图片、表情或者视频，或者综合其他用户的信息（物质）来进行舆情信息的生产（生产新物质），这种舆情信息的生产过程反映了微博舆情生态系统中存在物质转化和再生规律。同时，舆情信息的输入和输出也符合生态学中的动态平衡规律。从图片、视频、表情信息增长率曲线图中可以看出，当某一信息内容形式出现相应的增长或下降趋势时，另外两种信息内容形式则会出现相反的趋势。即当用户在微博生态系统中增加了某一形式的物质，必然会在系统内排放出其他的物质，这种规律就是舆情信息的动态平衡性规律。

4.2.2 信息内容

从信息内容的热点词汇时间序列变化图上可以看出，舆情发生前期，热点词汇主要是“问题”和“孝子”，网友的热点评论主要集中在对舆情事件过程的“定性”上。随着舆情的不断发展，网友的评论开始变化，评论涉及对舆情强烈正负情绪的表达上，如“黑暗”、“公正”、“过重”等词汇。从生态学理论出发，用户基于最初所接受的信息生产代表自我意见的评论（物质），随着舆情的不断发展，微博用户从微博平台上吸收和消化的信息越来越多，并重复进行着不同舆情信息的生产和再消费行为。这种信息的生产过程也反映了微博舆情生态系统中存在的物质再生规律。

4.3 环境因子——相互依存、动态平衡

4.3.1 信息技术

在舆情传播过程中，用户使用不同的工具端随时间变化如图11所示，从每日用户使用客户端图来看，移动端和传统工具短的变化曲线极为类似，但是两者的峰值点时间不同，移动端峰值点在22点，比传统工具端延迟了2小时。说明工具端的使用更多的出于微博用户的社交、娱乐需求，用户普遍利用碎片时间使用移动工具端参与舆情。

从生态理论出发，移动工具端和傳统工具端存在着相互依存的关系，这种依存关系产生具有一定的时滞性。图11反映了传统工具端对移动工具端的滞后影响，例如，舆情用户在上班时利用台式电脑工具关注舆情，而在上班外的休息时间则会使用移动工具端参与舆情，即用户往往是在不同时间交叉使用移动工具端和传统工具端，两种工具互为补充。

4.3.2 信息制度

从信息制度的时间变化图来看，国家的互联网信息制度一直处于不断变化和调整的过程。在2000-2011年之间，法规数量较少，主要涉及宏观层面上的网络信息传播及服务等内容，发展至2016年时，法规内容更为细化，涉及到公众信息服务、个人信息保护和信息服务市场的规范等内容。从2016年发展至今，法规更贴合实际需求，涉及当前使用范围较广的应用程序信息传播、直播服务和微博客信息服务等内容。

从信息生态理论来看，国家信息制度的精细化行为说明了微博舆情生态系统存在动态平衡性规律。系统内的主体的属性及主体的信息行为的不断变化，对信息环境的变化也提出了相应的要求，当微博平台上参与舆情的用户存在泄露、侵犯他人隐私、私自传播舆情谣言等行为时，国家或相关部门便会在制度层面上对评论跟帖等行为进行规定限制以营造一个良好的舆情生态环境。

5 结论与展望

本文基于信息生态理论建立了政法微博舆情信息生态系统模型，以山东聊城于欢案为例，以所有发布关于于欢案信息的微博用户及4个政务微博为研究对象，对“于欢案”舆情信息传播的突发期、蔓延期和消散期的3个阶段进行划分，并分析了信息主体、信息、信息环境等3个因子的演化规律。

研究结果表明，政法事件微博舆情具有明显的爆发性和阶段性特征，系统内因子的变化也较为复杂。具体而言，信息主体的舆情传播符合生态学的再生和协同进化规律，系统内主体是多元的，舆情相关部门要注重舆情主体的互动，加强系统内部主体的协调性，促进舆情系统的健康发展。信息因子的舆情传播符合信息生态学中的物质转化、动态平衡规律，系统内信息处于不断再生互生的过程，整体的舆情态度会因舆情相关部门的举动发生变化，所以要及时掌握系统内整体舆情态势，对不利信息加以引导，维护政府权威形象。信息环境的动态演化过程也遵循着生态学中的动态平衡规律，舆情相关部门要及时注意舆情走向，及时对负面信息进行引导和管理，一旦负面信息冲破系统阈值将会造成整个舆情系统的破坏，只有通过外在力量加以干预和调节才能使其恢复正常。

本文的研究对政法机关如何更好地引导和控制微博舆情提供一定的指导和参考作用。但仅以“于欢案”这一话题来研究政法微博舆情传播规律，可能会使分析结果和结论存在一定的局限性，后续将扩充政法舆情典型案例，结合数据挖掘技术，搜集更为全面和准确的数据进行更深层次的分析，以期得出的结论更有说服力和准确性。

参考文献

[1]Rainie L.Networked Creators：How Users of Social Media Have Changed the Ecology of Information[C]//VALA Libraries 2010 Conference，Melbourne，2010.

[2]Danah boyd.Social Media Changing our Information Ecology[J].ITI Bloggers，2008，（22）：112-130.

[3]Eddy B，Hearn B，Luther J，et al.An Information Ecology Approach to Science-policy Integration in Adaptive Management of Social-ecological Systems[J].Ecology and Society，2014，19（3）.

[4]孙振良，宋绍成.突发事件舆情信息生态链系统的协同演化机理研究[J].情报科学，2017，35（5）：30-33.

[5]朱毅华，张超群，郑德俊，等.基于信息生态学视角的网络舆情管理研究[J].情报理论与实践，2013，36（11）：90-95.

[6]王建亚，宇文姝丽.网络舆情生态系统的构成及运行机制研究[J/OL].情报理论与实践，2014，37（1）：55-58，16.

[7]王琳琳.基于系统动力学的突发公共事件网络舆情传播与政府应对研究[D].上海：华东师范大学，2016.

[8]姜景，刘怡君.基于信息生态学的微博舆论生态系统构建与机理研究[J].情报学报，2015，34（7）：675-682.

[9]Finin T，Joshi A，Kolari P，et al.The Information Ecology of Social Media and Online Communities[J].AI Magazine，2008，29（3）：77.

[10]趙丹，王晰巍，相甍甍，等.新媒体环境下的微博舆情传播态势模型构建研究——基于信息生态视角[J].情报杂志，2016，35（10）：173-180.

[11]宋拓.微博信息生态链解构及运行机制研究[D].长春：吉林大学，2015.

[12]蒋录全.信息生态与社会可持续发展[M].北京：北京图书馆，2003：150-158

[13]国佳.信息生态系统下的企业信息协同模式研究[D].长春：吉林大学，2009.

[14]柯健，胡杨林啸.我国信息生态研究综述[J].情报科学，2016，34（10）：163-168

[15]新浪微博.2017微博用户发展报告[EB/OL].http：//data.weibo.com/report/reportDetail？id=404.

[16]赵丹.基于信息生态理论的移动环境下微博舆情传播研究[D].长春：吉林大学，2017.

（责任编辑：孙国雷）