网络舆情分众化差异化演变及其发展趋势研究

李燕凌　彭明珠　李诗悦

摘   要：文章采用文献分析方法，对网民分众化差异化现象及其形成原因进行分析，研究认为：信息需求多样性趋动网民分众化差异化的舆情传播，信息异化负面影响改变网民分众化差异化舆情传播方向，社会信任动摇阻滞正面舆情传播并导致网民分众化。通过疏理网民分众化差异化形成后的演化规律发现：分众化差异化网民舆情传播以及网络舆情传播过程中谣言的聚焦、扩散与消除演变，都符合系统动力学SEIR机理，因此，分众化差异化网民转化具有多种可能路径。文章提出政府要正确识别并保障网民的合理利益诉求，科学采用对网络舆情的干预措施，合理控制网络舆情传播监控成本及其代价，正确选择网络舆情传播的引导方式，充分利用分众化差异化规律来引导控制网络舆情。

关键词：网络舆情;分众化;差异化;演变规律;传播引导

中图分类号：G203   文献标识码：A   DOI：10.11968/tsyqb.1003-6938.2019029

Research on the Differentiation of Network Public Opinion and Its Development Trend

Abstract This paper analyzes the phenomenon of differentiation of netizens and its reason by using literature analysis methods. It is analyzed that the diversity of information needs drives the dissemination of public opinion of the netizens， and the negative impact of information alienation changes the direction of the dissemination of the differentiation of public opinion among netizens. Social trust blocks the dissemination of positive public opinion and causes netizens to divide. Analysis of the evolution law after the formation of differentiation of netizens showed： the focus， diffusion， and elimination of rumors in the process of the dissemination of Internet public opinion were all in line with the SEIR mechanism of the system dynamics. Therefore， Differentiating and differentiating Internet users transformation has many possible paths. It is proposed that the government should correctly identify and protect the reasonable interests of Internet users， scientifically adopt intervention measures for Internet public opinion， rationally control the monitoring costs and costs of Internet public opinion communication， and correctly select the guiding methods for Internet public opinion communication， and make full use of the law of differentiation to guide the control of network public opinion.

Key words network public opinion; decentralization; differentiation; evolution law; propagation guidance

加強网络舆情分众化差异化演变规律及其发展趋势研究，不断优化网络舆情传播引导策略，推动我国网络治理科学化、制度化、规范化建设，不仅是一个十分重要的理论课题，更是一个保障网络与情报信息安全、推进国家治理体系和治理能力现代化的重大现实问题。本文在综合归纳已有文献的基础上，通过对网络舆情传播中网民分众化差异化现象及其形成原因分析，探讨了网民分众化差异化形成后的演化规律，并根据网络舆情传播分众化差异化发展趋势，进一步研究了政府如何利用网络舆情分众化差异化规律控制引导网络舆情的措施、代价及方法等基本问题。

1   网民分众化差异化现象及其形成原因

网络舆情传播不仅可能放大源生事件的社会效应、扩大源生事件的社会风险，而且还可能加剧源生事件的复杂性，甚至引发新的公共风险事件[1]。随着互联网与大数据技术飞速进步，互联网作为一种新的交流方式的扩展，对传统媒体作为公众舆论的首要地位提出了潜在挑战[2]。互联网时代的公众舆论通常由大众媒体调解，充分表现出市场和民主原则之间冲突的特点，公共风险治理因不同利益相关者的多样性和交互网络而变得更加复杂[3]。“公众”的观点不再是通过审议产生的，而是通过与政治行动者发生冲突的通信系统构建的，他们寻求保持对信息传播的控制和充分满足自我信息需求[4]。因此，相对于传统媒体群体化、同质化传播而言，网络媒体表现出充分的分众化差异化传播特征。从传播技术而言，群体化、同质化传播对应于线性传播、单向传播为主的传统媒体技术阶段，分众化差异化传播对应于网状传播的网络媒介技术阶段。分众化差异化传播相对于群体化、同质化传播而言能更好地满足网民对信息的需求[5]。分众化差异化传播在促发网络舆论上更是发挥着议程设置、信息扩散、认同建构以及剧目展示等重要作用[6]。

1.1    信息需求多样性驱动网民分众化差异化的舆情传播

经济社会发展不平衡、不充分，这是网民总体出现诉求不一的客观要求，也是导致网络舆情传播过程中网民分众化差异化的根本原因。与传统媒体相比，网络媒体表现出的巨大技术优势，其宽广的传播平台能提供几乎无限量的多样态信息空间，搜索引擎、信息定制与推送等功能创新，更是使得网民信息需求多样性得到有效满足[7]。自媒体时代，每个人都是信息发布终端。当今突发事件网络舆情的传播路径，大多是由特定的无数个人首先发出信息，经过网络放大形成初步舆论，再由新闻媒体跟进报道后网民大量转发评论，引发社会民众热议并形成网络舆情[8]。但作为信息发布终端的每个人，选择发布或者不发布、出于何种动机发布信息，都是基于其自身的信息需求而做出的理性决策[9]。这种自我中心网络的结构反映了人们平衡他们对强烈情感紧张的关系和各种弱势关系需求的方式。以自我为中心的网络结构可以用“社会签名”来量化，这些社交签名描述了网民如何在他们的个人网络成员之间分配他们的沟通工作[10]。所有类型的“社会签名”都表現出持久的个体差异，个人在他们的个人网络中分配自身通信工作的方式各不相同，并且这种变化在不同时间和不同通信渠道中是持久的[11]。进一步使用在线新闻媒体评论量模式分析公众跟踪真实热点问题的数量变化，并对他们根据信息内容重要性区分发布或不发布信息来趋动网络舆情的实际反应，研究结果支持公众根据热点问题概念化来调整信息沟通计划，进而推动网络舆情传播[12]。

1.2    信息异化负面影响改变网民分众化差异化舆情传播方向

信息异化是指信息在生产、传播和利用过程中，由于受到各种因素的干扰导致信息生产与信息消费之间矛盾，使主体丧失了控制信息的能力和原有的内涵，并为信息所奴役和支配[13]。与传统传播渠道不同，Web4.0的发展让每个人都拥有了成为信息来源的可能，而这一切正是导致信息异化的缘由[14]。信息异化的直接表现之一是将普通网民变成了网络信息的“奴隶”，即随着大量信息的产生，人们迷失在信息漩涡里，逐渐失去对信息的辨别能力，从而沦为信息的盲从者。因此，信息异化对突发事件网民群体行为决策及网民分众化差异化具有重要的负面影响。从根本上讲，网络谣言也是信息异化的一种重要表现。而“信息谣言”则是导致产生网络舆情危机的核心原因[15]。互联网上多元传播主体基于自身利益诉求和价值观，制造、接受、传播信息并推动形成网络舆情。受网络传播主体利益诉求和价值观影响导致信息传播背离客观事实真相时，就会产生网络谣言[16]。突发事件网络舆情中的谣言传播速度极快，形式极为多样化，一定程度上会影响官方媒体的决策与信息传播，以致改变舆情传播方向[17]。相关研究利用Matlab模拟仿真官方媒体对谣言传播的抑制作用进行研究，发现官方媒体在谣言传播过程中虽有积极影响但却作用有限，分众化差异化网民受谣言负面影响而改变舆情传播方向的效果仍然较为明显。虽然，通过构建次近邻社会影响级联模型，采用大型博客数据观察网络集聚特性对网络舆情演化的影响后发现，初始状态中官媒主流观点的影响的确被有效放大了[18]。但是，在对谣言传播机制和社会网络的拓扑性质进行研究，并采用描绘谣言传播的能量模型进行仿真实验后发现，在网络媒体环境下谣言经常被真实信息所“包裹”从而更易被“携带”传播，初始阶段的谣言对网民的负面影响非常显著。

1.3    社会信任动摇阻滞正面舆情传播并导致网民分众化

除了谣言成为突发事件网络舆情传播过程中网民分众化的重要影响因素之外，社会信任则是另一个推动网民分众化进程的重要影响因素。信任是突发事件中政府与网民群体之间、分众化网民群体各方之间实现合作的基础。近年来，由于世界各国政府的信任度有所降低，在突发事件网络舆情传播过程中，政府迫切需要更稳定和持续的工具来与公民沟通。在此背景下，许多政府机构正试图利用社交媒体工具与公众沟通，更好地赢取公民的信任。但是，分众化网民社会信任动摇却阻滞了正面舆情传播。随着互联网的普及，人类社会已进入自媒体时代。这一方面有利于平衡舆论监督与司法回应机制建设，网民可获得更多政府的社会信任指数信息;而另一方面，网络虚假新闻也增加了政府的压力，不利于政府公信力的建立和增强。自媒体网络舆论传播过程中的相似指数增长过程，受到许多外部能力约束的影响，从而使得正面舆情传播产生延迟效应[19]。从社会网络中网民之间的舆情传播特点来看，网民群体人数与共识形成速度之间存在明显的线性关系，有研究证实了社会信任在网民分众化过程中具有阻滞正面舆情传播的消极影响[20]。从目前我国网络舆情现状来看，正是由于突发事件网络舆情传播中的社会信任遭受破坏，导致了突发事件风险变化，加快了网民群体的分众化，从而影响了政府与网民的行为决策并破坏了网络舆论生态，进而阻滞正面舆情传播。

2   网民分众化差异化形成后的网络舆情传播演化规律

2.1    分众化差异化网民舆情传播的动力机制

1927年，Kermack and McKendrick在研究伦敦的黑死病时提出了系统动力学中传染病SIR仓室模型，后来又提出传染病动力学中的阈值理论并建立SIS模型，对研究系统动力学具有奠基性贡献。由于传染病在人群中的扩散机理与网络舆情信息在网民中的传播机理有很多相似之处，因此，传染病模型也被广泛用来研究网络舆情的传播演化规律[21]。在网络舆情传播中，媒体是网络信息的传播中介，网民不仅是重要的社会群体决策主体，而且网民是受复杂社会因素影响和自身利益趋动分化为分众化差异化的传播群体，在一定条件下网民群体之间会相互影响并实现转化，从而影响网络舆情传播，并成为影响政府管控舆情决策的重要局中人。由于政府、媒体和网民都是具有有限理性的博弈主体，在网络舆情传播过程中，不同网络舆情主体通过博弈形成交互机理，这种基于信息需求多样性趋动的网民分众化差异化舆情传播，符合系统动力学机理[15]。

网民群体的分众化差异化变化带给舆情事件管理决策者的新挑战，使得在互联网环境下，网络信息传播、网络扩散机理、复杂条件下应急管理等日益成为网络舆情管理中的核心科学问题。网络舆情事件通过对网民产生影响并促进网民分众化差异化，然后，分众化差异化的网民情绪成为政府应急政策议题，从而实现分众化差异化网民对网络舆情传播的影响。网络信息通过分众化差异化网民传播来影响舆情事件的媒体议程和公众舆论，公共部门也在影响媒体议程方面发挥重要作用。网络舆情事件对网民群体决策的影响以及网民群体决策对网络舆情的影响，并非单向运行而是双向动态影响，分众化差异化网民个体决策与外部环境变量之间具有交互作用。基于互联网背景下网络舆情对政府决策的影响研究，往往针对不完全信息的现实决策问题，分析中不确定信息的表示方式有概率、权重、风险度量、模糊数、灰数、区间数以及场景规划等。在网络舆情事件网络舆情传播中，针对不完全信息的现实决策问题，分众化差异化网民群体中会存在观望者，也就是说，SIR传染病模型中存在分布式时滞的“潜伏者”（Exposed），原来的SIR传染病模型演变成有潜伏期的SEIR模型[22]。虽然，在网络舆情事件中分众化差异化网民人数符合总人群的长期随机行为，在网民总人群数量不变的情况下，不同状态的网民种群数量变化符合随机分布。但是，网络舆情事件在网络传播的迅捷性、互动性与广泛性等特征催化下，不稳定风险仍然会不断上升。在网民舆情传播、官方媒介和网络舆情事件演化的SEIR交互作用下，网民分众化差异化变得更为复杂，分众化差异化速度和演进趋势更加符合实际，其对网络舆情传播的影响呈现多方向力度非均衡分布，政府面临更多更复杂的恢复社会信任、监管引导网络舆情的新挑战[23]。

2.2    网络舆情传播中的谣言聚焦、扩散与消除

在网络舆情事件中，网民的自然选择应该有利于从不同来源收集信息的能力，包括网民个人可以快速获得可靠信息的社会互动。然而，由于客观上存在信息异化现象，因此，这种情况也可能收集的是有害信息，如对谣言的错误或误解的描述，这些谣言可能通过信息实现级联传播。法国蒙彼利埃大学社会信息学家Suire Alexandre和Van Baalen Minus[24]从生态学和进化原理研究谣言在网民人群层面的传播及其同化倾向，进而对网民分众化差异化趋势进行描述。研究结果表明，网民个体对同化信息的敏感性的进化很大程度上依赖于生态进化的反馈，特别是当有用的和有害的信息都在传播时，这种同化倾向更为明显，分众化差异化网民数量演变最终将趋于收敛。曾润喜和朱利平[25]以大量经典案例为对象，进行社交网络谣言传播能量模型案例分析后发现：网络舆情事件背景下的网络舆情传播大致会经历“发生→发展→高潮→衰败→破灭”五个阶段的演变过程。在政府干预下，面对网络谣言的态度，分众化差异化网民群体之间存在相互影响，其网络谣言传播也会遵循“发生→发展→高潮→衰败→破灭”的演变规律。在不同演变阶段之间，网民群体的变化也尤为不同：在网络谣言发生阶段，不知情网民成为网络舆情传播的主要易染人群，不知情网民对于网络舆情信息由未知状态逐渐转变为已知状态且对是否传播网络舆情信息存在一个犹豫状态过程，经过一段时间犹豫后网民可能选择相信网络舆情信息（中间可能存在谣言信息）并进行传播，也可能知晓这些网络舆情信息之后并无兴趣传播信息;在网络谣言发展阶段，受突发事件发展演进或从众心理影响，处于犹豫状态的网民更容易转化为谣言感染者，部分具有谣言免疫力的网民也重新选择转化为相信谣言;在网络谣言傳播高潮阶段，网络谣言舆情影响力最强、影响范围更大，网民中的恐慌情绪也最为严重，网络谣言传播人数达到最大;在网络谣言衰败阶段，由于政府官方媒体发布权威信息辟谣，网民传播网络谣言信息的兴趣大幅消退，并在破灭阶段彻底放弃传播网络谣言。理论分析和仿真结果表明，不同谣言接受度的节点可以减缓谣言的传播速度，使正传播阈值上升，有效遏制谣言的爆发，降低谣言的风险，从而使分众化差异化网民同化为不信谣言，最终使得网络舆情传播趋于收敛，形成一个完整的谣言聚焦、扩散与消除过程[26]。

2.3    分众化差异化网民相互转化的可能路径

在网民舆情传播的初期，网民在网上获取舆情后会先在线下进行确认和传播，这个线下确认和传播的过程即为网民群体分化的潜伏期。在网络舆情传播中客观上存在大量与事实不符的失真信息，即被定义为网络谣言的信息。网民群体基于自然选择信息的内生动力，同时具有谣言传播或同化的倾向。因此，网络舆情在分众化差异化网民群体中的传播符合传染病动力学SEIR过程。在网络舆情传播中，网民利益及其舆情反映备受关注。网民在网络舆情平台上接受信息、传播信息，他们既是社会舆论的主要制造者，又是网络平台上最直接、最重要、最关键的传播主体。美国哥伦比亚大学P.S. Dodds和D.J. Watts的社会和生物传染广义模型理论认为，网民个人对接触传染性实体（如谣言）的记忆、不同的暴露程度（如谣言数量的大小）以及网民个人易感性的异质性，都是促进网民群体从一种状态向另一种状态转化的致导因素。更精确地讲，网络舆情事件传播中的谣言其实就是一种错误信息，这种错误信息在网络舆情事件的管理和控制方面可能产生持久的影响。通常情况下，人们将网络上那些意见领袖向大众传递的错误信息（如采用在线社会影响和追随者数量及追随者比率等更高衡量标准）定义为网络谣言。但是，实际上在存在错误信息的情况下，这种错误信息的推特可能并不总是来自意见领袖。非意见领袖的网民也可能传播错误信息，即感染谣言“病”[27]。面对网络平台上同时存在的真实信息和谣言，有些网民听信谣言感染上谣言“病”，有些网民还会传播谣言“病”，也有网民经过甄别后拒绝谣言并具有谣言“病”免疫力，甚至有网民从相信谣言转变为拒绝谣言。分众化差异化网民转化的路径符合一个标准的传染病动力学SEIR过程。有研究采用复杂网络上传染性恢复模型对网络谣言的空间效应进行定量分析发现，谣言流行高峰期的时间和空间一致性都被非强迫模型很好地描述为参数的实际值。研究还发现，通过引入干扰群体对感染谣言进行筛选，除了降低网络舆情有效传播率外，空间相关性还通过增强随机波动产生另一种主要影响，即在有限空间结构种群中，非强迫模型的时间序列还提供了具有轻微不规则周期和真实振幅的周期性流行病的传播模式，表明随机模型和复杂的接触网络可能足以描述谣言的网络传播长期动态，即分众化差异化网民转化完全具有可能性，并呈现出系统动力学SEIR过程[28]。

3   如何利用分众化差异化规律引导舆情

分析网络舆情分众化差异化演变及其发展趋势的根本目的，在于充分利用其演变规律以制定网络舆情传播的最优控制策略。在网络舆情事件暴发后，分众化差异化网民群体都期望按照自身的目标控制事态演变。运用马尔科夫链刻画网络舆情事件的网络舆情传播与官方行为的交互关系，可以发现官媒在网络舆情事件最初的权威发布，对社会群体各方行为决策具有至关重要的影响力，这也是官方利用媒体控制事态的有力工具[29]。网络舆情与突发事件交叉影响，往往催化形成网络群体性事件。采取有效干预措施引导分众化差异化网民转化以及时把握舆情导向，将疏导网络舆情置顶于各项应急处置方案的首位，应当关注网络舆情主导权对抑制突发事件“恶化”所具有的控制作用。欧美国家长达20多年的经验和实证研究结果显示，在网络舆情传播过程中，集中化政府沟通管理和监控其影响的必要性不断增加。随着时间的推移，欧美国家政府以监控公众舆论为首要任务，越来越倾向于在中央政府一级增加与网民公众的沟通，并采取更制度化和集中化的形式，架构政府管控网络舆情的工具体系[30]。来自中国的经验显示，中国政府在面对日益严重的网络舆情事件时，在政府-媒体-公众的“三角形关系”框架下策略性地引导公众舆论，采取包括信息管理和媒体管理、政府与媒体合作并通过媒体报道影响公众态度、政府直接与公众沟通和个性化的思想工作等一系列网络舆情控制方式，引导分众化差异化网民实现转化[31]。

3.1   正确识别并保障网民的合理利益诉求

网络舆情实质上是以网络舆情信息作者为主体的投影信息，它体现了不同网络舆情作者的利益诉求。网络管控部门只有在深度研判网民分众化差异化诱因的前提下，进而感知网民诉求，把合理解决民众提出的各种问题放在首要位置，让网络舆情管控变成通过网络舆情信息感知民意民情，进而解决民诉，最后赢得民心的过程。中国国情决定了我国的网络舆情引导与管控，必须坚持 “权为民所用、情为民所系、利为民所谋”。准确掌握“民意”是实现网络舆情引导的基础。因此，必须正确识别并保障网民的合理利益诉求，通过网络及时了解人民群众的意见、意愿和心声，即尊重“民意”。

然而，在信息异化背景下，针对网络舆情能否真实客观地反映“民意”，实际上存在着不同看法。（1）“民意说”认为，网络舆论是人民群众参与政治生活的正常渠道，是反映民意的“晴雨表”。虽然，分众化差异化的网民表达出不同且丰富的观点和意见（包括积极、消极与中性观点），导致网络舆论难以集中网民的心声。但是，网络公共空间仍是汇集民意的地方，网民所发表的积极、消极与中性观点和意见，可以通过科学鉴别，帮助党和政府及时了解网民的不同心愿，从而把握网民的心之所向、愿之所往，有助于权力部门在决策中广纳善言，也有利于政府部门行政执法顺应民意;（2）“非民意说”强调网络舆情主体网民具有特殊性，因而认为网络舆论并非真正代表普通民意[32]。在言论自由的时代，由于网络的开放性，同时基于网民分众化差异化与信息异化特征，网民在网络信息传播时容易带着情绪色彩发表各方观点和意见，有的是为了迎合社会某些人群诉求的“民意”，而有的则是打着“民意”旗号、刻意推动网络舆论走势的谣言信息。因此，在这种情况下，网络舆论并不能真实地反映民意;（3）“综合說”折中地认为，虽然网络舆论中的民意真假难辨，难以就其民意属性给出确切答案，但也不可忽视包含重要信息的民意[33]。在信息异化之后，代表真实民意的网络信息失实、失真和过载，形成“谣言”，甚至成为某些利益集团获取利益的“利器”。但反映网民的“晴雨表”仍不可忽略，党和政府仍应采取有效措施应对。

政府应建设高效的公共服务体系，满足网民合理的政治和利益诉求[34]。在建设高校公共服务体系的过程中，政府要转变管理理念与方式，提高行政管理效率;要树立善治的治理理念，培育公众正确参政议政的意识;要加强民生建设，保障公众合理的利益诉求。

3.2    科学采用政府对网络舆情的干预措施

在网络舆情传播中，网络信息有两个基本属性，即诚实（根据真实性属性分为真假新闻）和态度（分为中性、积极和消极情绪）。在线社区系统中的主要代理包括公民、政府、媒体和意见领袖。网络舆情事件暴发后，事件可能造成严重损害的消息将立即引起广泛的公众恐慌。网民对网络意见的采纳打破了地域限制，反映了网民通过代理社区中的迁移来表达自己的网络情绪。发布任何虚假新闻来暂时掩盖事故，都将严重损害政府的声誉和社会信任，并在程度和持续时间上引发更大规模的公众恐慌。为了减轻公众的恐慌，政府应该快速发布有关风险化解措施的真实消息，若不及时发布危机信息，公众的恐慌就会失控。因此，政府对网络舆情采取有效干预措施是十分必要的。

政府是否对产生巨大舆论的网络舆情事件进行有效的政策干预和风险沟通，对事件的推进起着重要影响。有效的政策干预，关键往往在于是否进行了有效的风险沟通。在风险沟通中，使用受众最广泛的术语进行沟通往往能取得更好的成效。准确识别网络中最有效的传播者（如意见领袖）、优化可用资源并确保有效的网络信息传播，应当纳入政府对网络舆情事件的干预措施体系。最有效的传播者往往位于网络核心内，当同时存在多个有效传播者时，他们之间的距离成为决定扩散成败的关键参数。精准识别有效传播者并测度多个有效传播者之间的距离，将为政府优化设计有效的传播策略提供合理的途径[35]。

政府需要在增强自身能力、拓宽政策议程采纳渠道、提升公众有序政治参与能力、正确处理媒体与政府关系等方面加强治理。网络参与让公众的诉求能够更直接的表达，减少了公众议程进入政策议程的难度，但是如果政府不能合理对其进行掌控，则会影响政府的公信力以及社会的和谐稳定。从政府、公众以及公众议程进入政策议程路径三个角度分析，相对于公众议程对政策议程影响的现实困境来说，网络媒体更是公众民意表达和输入的重要平台，同时网络媒体在信息传播、权力监督等方面也逐渐显示出不可替代的积极作用，承担着政策议程“守门人”的重要角色[36]。

3.3    合理控制网络舆情传播监控成本代价

在网络舆情传播中，互联网的民主潜力引起较多争议，出现了两种相互矛盾的立场：乐观的立场希望公众的民主化符合哈贝马斯的论述模式，而持悲观态度的人则担心公共领域会被更小的公众虚拟部分分割开来。网络舆情具有传播行为的双重性、匿名化的自我性和利益驱动性。网络舆情传播中受众群体的行为趋向性与受众收益的影响密切相关，而受众收益又与受众行为、信息公开性、信息传播速度等直接相关。因此，为了网络舆情传播监控中的公民民主化进程不受损害，实施有效的网络舆情监控，首先就需要在引导网民理性、扩大信息公开、提升信息传播速度等方面加强成本投入[37]。可见，网络舆情传播监控成本至关重要。

在互联网技术支持下，互联网为网民提供了观点“避难所”。虽然个人在Twitter上的观点的同质化影响了多数群体的言论，但意见的同质化并不影响少数群体的言论。网民不会因为脱离共同价值观而受到惩戒，传统媒体舆论垄断地位日益减弱，网民政治参与和自主意识（或称国民性）不断增强，网络舆情传播中“少数”网民逆袭“大众”舆论的反沉默螺旋现象日益增多，这使得网络虚拟社会系统为现实的小世界组织提供了更大的可预测性和稳定性，进而使得网民意见的分组更加分散且更加易于直接加以管理。此外，非理智型受众群体、黑客、病毒、网络谣言等都可能导致网络风暴。舆论的反沉默螺旋和网络风暴现象，都为政府的网络舆情管控提供了新的理论依据和现实支持，同时也对政府舆情调控成本急骤增加提出了现实需求。已有研究表明，像谷歌和Facebook这样的数字中介机构被视为在线新闻领域的新权力掮客，它们控制着大量网民的访问，从对媒体多元化的影响到对民主话语、言论自由和对公众舆论形成的控制，甚至有可能压制和锁定个人信息。搜索和社交等中介机构也控制着对很大一部分在线新闻内容的访问。这些在线新闻领域的新权力掮客、搜索和社交等中介机构等对网络舆情的控制，已经引起学者和政策制定者的高度担忧，并给网络监管机构和政策制定者应对新闻传播和公众舆论的形成带来新挑战[38]。与传统的媒体权力管制下的大众媒体多元化相比，由此产生的舆论监管技术成本也将大大提高。

政府进行网络舆情传播监控将会产生许多社会成本，包括为消除错误和谣言而发布官方权威信息所产生的社会信用;为发布客观、公正、翔实的正面信息所耗费人力、物力调查、占用公共媒体的行政资源成本;为确保网络安全、维护良好的网络生态，采取封锁网页、屏蔽搜索引擎关键词等措施阻止负面信息在网上迅速传播所产生的资金及技术成本[39]。政府监控网络舆情还需要付出巨大的风险成本。由于时间仓促、行政偏好等原因，官方信息披露的效果存在不確定性。有时候政府发布的官方信息不够全面，或者政府主观上具有选择性，事后非但没有平息舆论，反倒起了不好的效果。有时甚至出现官方信息与事实存在较大偏差，被证实以后反而会降低政府公信力。除了上述社会成本和风险成本之外，网络舆情事件中政府管控网络舆情还必须支付民意成本。一般而言，舆论总是对政策的进程有重要的影响。互联网社交网站及其应用的快速发展，让网民有更多机会就网络舆情事件的有关政策发表意见。然而，虽然政府进行网络舆情监控的初衷往往是善意的，但是其结果有时很难实现善治的目标。因为，很多网民对网络舆情事件具有强烈的好奇心，他们迫切希望从网上获得相关信息以了解真相，并且希望通过营造舆论对政府的有关政策发表自己的见解，而不是希望信息被封锁、关键词被屏蔽。政府实行网络舆情管控手段后，很多网民会认为政府干预网络舆情侵袭了个人的自由领地，对政府的一些做法不仅不领情，还常常产生强烈的反感情绪，导致政府信誉严重受损、民意认同度大大降低[40]。从降低和减轻政府网络舆情传播监控成本及其代价考虑，有研究指出：网络舆情传播不能单纯依靠管制，还要采取组合决策。随着大数据应用更加广泛，充分利用大数据并行处理、智能计算等技术支持组合决策，提升网络舆情预测准确性和资源分配管理主动性，让网络舆情的分析与管理更加高效，应当成为网络舆情治理的重要任务[1]。

3.4    正确选择网络舆情传播的引导方式

政府根据分众化差异化网民的网络舆情反应理性选择网络舆情传播引导工具是十分必要的。为了有效遏制负面舆情传播从而引导舆情健康发展，政府应根据网络舆情事件不同的潜在风险级别，在事件不同的演化阶段，针对不同的分众化网民，分别选择强度不同的管制措施、采取不同类型的网络舆情传播引导策略，从而实现网络舆情传播的最优控制。政府引导网络舆情的工具包中主要包含官媒权威发布、信息和媒体管理、风险沟通、信息封锁、屏蔽关键词、大数据并行处理和智能计算技术支持等。在网络舆情事件中，权力的传播分为五种类型，包括网民、媒体、政党、意见领袖和政府，政府对舆情传播监控发挥主体作用。政府首先要从网络舆情事件中迅速获取网络舆情信息，然后从事件震源传播和传播规律两个方面进行深入研究，最后从信息发布和权力来源两方面做出舆情事件应对策略。在网络舆情传播中，政府可以针对不同归因责任的舆情事件，以“表明立场”为出发点，分别采取“否认型”“淡化型”“重塑型”和“支持型”等四种类型的舆情传播策略。“否认型”传播策略包括回击指控、提供理由或证据直接否认危机的存在、指明本组织以外的危机责任“替罪羊”。“淡化型”传播策略包括寻找完全出于无法掌控的意外借口、寻找没有或不可能造成严重损害的合理性。“重塑型”传播策略包括迅速宣布补偿、郑重道歉。“支持型”传播策略包括正面提醒、利益攸关方迎合、强调组织自身受害的共鸣感宣示等[41]。

大数据时代网络舆情事件具有网络信息多元裂变、公众心理复杂、公众观点多元、公众参与行为多样等表征，这对政府恢复社会信任、果断处置网络舆情事件带来了新的挑战与机遇。一方面，从网络聚类行为丰富的表现形式来看，在网络舆情传播过程中，不同阶段的网络聚类行为主要表现为“网络舆论”“人肉搜索”和“网络共识”等行为，在网络舆情事件演化进程的后期，“网络八卦”“网络共识”“网络fatwa”和“网络集会”等行为表现较为突出，并极易衍生成网络群体性事件，给政府对网络空间的综合管理带来诸多不良影响。及时发现网络集群行为的演化规律，选择合适的舆情引导方式，是政府在突发事件网络舆情发生之初就能采取及时有效措施的必要条件[42];另一方面，从网络舆情传播的引导主体来看，意见领袖在他们感兴趣的领域内所具有的知识，一定程度上被理所当然地得到认可。从观点扩散速度和采纳者数量角度来看，只有在观点的初始采纳者数量达到一定阈值时，意见领袖才会显著影响网民观点的扩散速度。因此，准确识别“知情意见领袖”“消息灵通的意见领袖”并与之巧妙处理关系，合理利用意见领袖在舆论聚集方面的作用，是政府引导或控制网络舆情的重要手段[43]。可见，政府加强网络舆情传播监控既要能有效节省公共资源，又要能提高政府监控引导舆情的效率，就必须从提高政府监管决策能力的横向向度和精准管控网络舆情周期的纵向向度两个方面进行决策优化。

网络舆情传播的引导方式不可能是单一的，采取动态规划和整数规划等组合优化方法可以捕获网络舆情传播监管中的不同关切，如分众化差异化网民的关联结果、多阶段目标的关联性以及衍生危机的预防目标等。近年来，一些学者开展对基于智能计算的网络舆情传播最优控制工具研究，如根据多属性权衡空间提出一种辨识鲁棒体系设计的定量概念设计方法，并提出组合鲁棒评估的多准则决策支持系统[44]，丰富了政府对网络舆情传播的引导方式。

参考文献：

[1]  杨善林，周斌，贾焰，等.网络舆情监测、分析与管理的现状与挑战[J].中国工程科学，2016，18（6）：17-22.

[2]  Heather Savigny.Public Opinion，Political Communication and the Internet[J].Politics，2014，22（1）：1-8.

[3]  Katherine T，Fox-Glassman，Elke U Weber.What makes risk acceptable？ Revisiting the 1978 psychological dimensions of perceptions of technological risks[J].Journal of Mathematical Psychology，2016，75（1）：157-169.

[4]  Tomohiro Fukuhara，Hidekazu Kubota，Masaki Chikama，et al.Application of the public opinion channel in risk communication[J].Sociotechnica，2009，17（1）：59-66.

[5]  Matthew G Nagler.Understanding the Internets Relevance to Media Ownership Policy：A Model of Too Many Choices[DB/OL].[2018-08-23].https：//mpra.ub.uni-muenchen.de/2180/1/MPRA_paper_2180.pdf.

[6]  叶战备.适应分众化、差异化传播趋势加快构建舆论引导新格局——网络传播的视角[J].江苏社会科学，2016，47（6）：1-9.

[7]  Anagnostopoulos C，Sekkas O，Hadjiefthymiades S.An adaptive epidemic information dissemination model for wireless sensor networks[J].Pervasive and Mobile Computing，2012，8（5）：751-763.

[8]  Shuai Xu，Yucheng Dong.Research of Information Disseminations  PublicRisk Management in We-media Era[C].Proceedings of the Seventh International Conference on Management Science and Engineering Management，2014：227-238.

[9]  Denis Rochat，Benoit Garbinato.Injecting power-awareness into epidemic information dissemination in sensor networks[J].Future Generation Computer Systems，2010，7（6）：868-876.

[10]  李旭晖，李媛媛，马费成.我国图情领域社会化标签研究主要问题分析[J].图书情报工作，2018，62（16）：120-131.

[11]  Sara Heydari，Sam G Roberts，Robin I M，et al.Multichannel social signatures and persistent features of ego networks[J].Applied Network Science，2018，3（1）：1-13.

[12]  Arunima Krishna，Kelly S Vibber.Victims or conspirators？ Understanding a hot-issue publics online reactions to a victim cluster crisis[J].Journal of Communication Management，2017，18（3）：303-318.

[13]  孫瑞英.信息异化问题的理性思考[J].情报科学，2007（3）：340-344.

[14]  张庆普，陈茫.Web 4.0时代的情报学创新探究[J].情报学报，2016，35（10）：1048-1061.

[15]  兰月新，王芳，张秋波，等.大数据背景下网络舆情主体交互机理与对策研究[J].图书与情报，2016（3）：28-37.

[16]  巴志超，李纲，毛进，等.微信群内部信息交流的网络结构、行为及其演化分析——基于会话分析视角[J].情报学报，2018，37（10）：1009-1021.

[17]  Benjamin Doerr，Anna Huber，Ariel Levavi.Strong robustness of randomized rumor spreading protocols[J].Discrete Applied Mathematics，2013，161（6）：778-793.

[18]  Leskovec J，Mcglohon M，Faloutsos C，et al.Cascading Behavior in Large Blog Graphs[J].SDM，2007，56（1）：3-9.

[19]  Min Jae P，Hyeri Choi，Suk Kyoung Kim，et al.Trust in governments social media service and citizens patronage behavior[J].Telematics and Informatics，2015，32（4）：629-641.

[20]  Shang Y.An agent based model for opinion dynamics with random confidence threshold[J].Communications in Nonlinear Science and Numerical Simulation，2014，19（10）：3766-3777.

[21]  Yongli Cai，Yun Kang，Malay Banerjee，et al.A stochastic SIRS epidemic model with infectious force under intervention strategies[J].Journal of Differential Equations，2015，259（12）：7463-7502.

[22]  M.De la Sen，S.Alonso-Quesada，A.Ibeas.On the stability of an SEIR epidemic model with distributed time-delay and a general class of feedback vaccination rules[J].Applied Mathematics and Computation，2015，270（1）：953-976.

[23]  张润莲，兰月新，王彩华，等.网络群体性事件演化博弈分析及对策研究[J].图书与情报，2016，37（4）：24-30.

[24]  Suire Alexandre，Van Baalen Minus.Rumour propagation and the eco-evolutionary dynamics of social information use.[J].Proceedings.Biological sciences，2018，285（1875）：1098-1115.

[25]  曾润喜，朱利平.基于政治信息视角的网络谣言风险发生机理与治理研究[J].图书与情报，2016，37（4）：1-7.

[26]  Massimo Ostilli，Eiko Yoneki，Ian X.Y.Leung，et al.Statistical mechanics of rumour spreading in network communities[J].Procedia Computer Science，2010，1（1）：2331-2339.

[27]  Natalie Pang，Joshua Ng.Misinformation in a riot：a two-step flow view[J].Online Information Review，2017，41（4）：438-453.

[28]  J Verdasca，M M Telo da Gama，A Nunes，et al.Recurrent epidemics in small world networks[J].Journal of Theoretical Biology，2005，233（4）：553-561.

[29]  Lebensztayn E，Rodriguez P M.A connection between a system of random walks and rumor transmission[J].Physica A：Statistical Mechanics and its Applications，2013，392（23）：5793-5800.

[30]  徐曉林，王子文.关于把握网络舆情主导权问题研究[J].管理世界，2010，27（4）：183-184.

[31]  董宇，安小米.政府信息服务评价体系的可持续性研究[J].图书情报工作，2018，62（20）：33-42.

[32]  张航.网络舆论不是民意的全部[N/OL].[2018-08-23].http：//cpc.people.com.cn/GB/64093/64099/9947365.html.

[33]  杨妍.自媒体时代政府如何应对微博传播中的“塔西佗陷阱”[J].中国行政管理，2012（5）：26-29.

[34]  张权，燕继荣.中国网络舆情治理的系统分析与善治路径[J].中国行政管理，2018（9）：21-29.

[35]  廖海涵，王曰芬，关鹏.微博舆情传播周期中不同传播者的主题挖掘与观点识别[J].图书情报工作，2018，62（19）：77-85.

[36]  刘怡君，陈思佳，黄远.重大生产安全事故的网络舆情传播分析及其政策建议——以“8.12天津港爆炸事故”為例[J].管理评论，2016，28（3）：221-229.

[37]  曾润喜，杜洪涛，王晨曦.互联网环境下公众议程与政策议程的关系及治理进路[J].管理世界，2016，43（10）：180-181.

[38]  Damian Tambini，Sharif Labo.Digital intermediaries in the UK：implications for news plurality[J].Info，2016，18（4）：33-58.

[39]  吕鹏，范博深，贾蕤槄.公共安全治理策略研究——以暴力事件的产生及其舆论传播为例[J].中国软科学，2017，64（3）：47-55.

[40]  Efthimios Tambouris，Hans Jochen Scholl，et al.Constructing a Methodology Toward Policy Analysts for Understanding Online Public Opinions：A Probabilistic Topic Modeling Approach[J].Innovation and the Public Sector，2015，22（3）：72-79.

[41]  史安斌.情境式危机传播理论与中国本土实践的检视：以四川大地震为例[J].传播与社会学刊（香港），2011，春季号：28-36.

[42]  Tang Zhi-Wei，Du Fei，Jiang Ping.An Empirical Study on Temporal Evolution Rule of Network Clustering Behavior[J].International Journal of Information Systems for Crisis Response and Management，2016，3（4）：56-70.

[43]  Sabine Trepte，Helmut Scherer.Opinion leaders——Do they know more than others about their area of interest？[J].Communications，2010，35（2）：119-140.

[44]  Lourenco J C，Morton A，CAB e Costa.PROBE—A multicriteria decision support system for portfolio robustness evaluation[J].Decision Support Systems，2012，54（1）：534-550.