突发公共卫生事件科研信息报道的网络舆情特征分析及应对策略

马续补 陈颖 秦春秀

摘  要：[目的/意义]新型冠状肺炎防治的科研信息报道是公众关注的重要话题，极易引发网络信息泛滥和社会公众恐慌。如何引导突发公共卫生事件科研信息报道网络舆情走向成为重要课题。[方法/过程]本文选取“双黄连事件”作为研究案例，在新浪微博上分别爬取原始话题和回应话题下的发帖、转发和评论等数据，通过统计分析法、情感分析法等方法讨论科研信息报道的社会热度和公众态度，分析官方媒体和权威专家的回应对事件舆情发展的影响。[结果/结论]研究结果发现，公众高度关注科研信息报道，并表现出较为极端的情绪;而官方媒体和专家的权威回应会影响到事件的话题热度，进而影响公众情感取向。官方媒体具有强大的传播力和影响力，成为公众获取科研信息的主要途径。在此基础上，构建了“官方媒体-权威专家-普通公众”三方协同的管控机制，以有效应对突发公共卫生事件科研信息报道所引发的网络舆情。

关键词：突发公共卫生事件;科研信息报道;网络舆情;情感分析;传播机制;新冠肺炎

DOI：10.3969/j.issn.1008-0821.2020.10.001

〔中图分类号〕G203  〔文献标识码〕A  〔文章编号〕1008-0821（2020）10-0003-08

Research on the Characteristics of Online Public Opinion for

Scientific Research Information Reporting in Public Health

Emergencies and Its Coping Strategies

Ma Xubu  Chen Ying  Qin Chunxiu*

（School of Economics and Management，Xidian University，Xian 710071，China）

Abstract：[Purpose/Significance]Scientific research information reporting on the prevention and treatment of 2019-nCoV is an important topic of public concern，which can easily lead to the network information flooding and the public panic.The way to guide network public opinion trend of scientific research information reporting in public health emergencies has become an important topic.[Method/Process]The paper selected“Shuanghuanglian Incident”as the research case and crawling relevant data on Sina Weibo.Through statistical analysis and sentiment analysis，it discussed the public opinion heat trend and emotional orientation of scientific research information reporting，and then considered the impact of the government response on the development of the public opinion.[Results/Conclusions]The results showed that the public paid close attention to the scientific research information reporting and expressed extreme attitudes，while the authoritative responses of the official media and experts would affect the topics heat and the publics emotional orientation.The official media has strong dissemination power and social influence，and has become the main way for the public to obtain scientific research information.Therefore，this paper constructed a collaborative control mechanism of“official media-authoritative experts-the public”to effectively respond to the network public opinion caused by scientific research information reporting.

Key words：public health emergencies;scientific research information;online public opinion;sentiment analysis;dissemination mechanism;COVID-19

2020年春节前夕爆发的新型冠状病毒肺炎疫情来势汹汹，严重影响了人类的社会生活。北京时间2020年1月31日，世界卫生组织宣布本次疫情已成为国际关注的突发公共卫生事件，使得中国成为疫情初期的焦点。由于互联网的普及和社交媒体的广泛应用，本次疫情引发了第一个真正意义上的社交媒体“信息疫情”，使其在物理空间和网络空间迅速传播，给政府部门应对疫情提出了更高的要求。因此，在井然开展疫情防控工作的同时，有效管控疫情信息传播和精准监测公众舆情走向也是非常重要的[1]。由于當前处于疫情的特殊时期，为了避免网络信息的不正常传播而引发社会恐慌，对于公众高度关注的话题，需要政府部门和相关媒体及时做好信息公开工作，加强信息筛选机制，确保信息的真实性、及时性和有效性。

“双黄连事件”是本次疫情中热度非常高的话题之一，在网络上引发社会各界对于科研信息报道和政府媒体责任的激烈讨论，形成了一个非常明显的网络舆论场，并引发了激烈的社会连锁反应。事件过程大体如下：1月31日深夜近23点，有媒体在网上发布了《上海药物所、武汉病毒所联合发现中成药双黄连口服液可抑制新型冠状病毒》一文，引发各大媒体纷纷转发传播，双黄连一炮而红，并引发社会的强烈反应。不仅各地药店和医院门口排起了长队，各大电商平台的双黄连及其相关产品迅速售罄。网络上，部分用户保持怀疑态度，部分用户表现出批判和不满情绪，部分用户认为该消息是“福音”，总之，公众情绪呈现出较为极端的态势。2月1日，各大主流媒体和科普平台做出了解释，即“抑制”并不等于预防，提醒广大市民切记乱服，会引发自身健康威胁。由于“双黄连事件”的参与者具有较高的社会公信力，承载了民众的严密关注和过分信任，导致本次事件成为了中国新闻史上的典型事件。

当前，针对本次突发公共卫生事件网络舆情的相关研究成果以定性研究为主，缺乏具体数据支撑。邢鹏飞等[2]借助扎根理论，探究了本次疫情中网络舆情的形成机制，并从掌握引导主动权、加强信息甄别管控、推进应急体系建设等角度提出了相应策略。刘余勤等[3]分析了本次疫情网络舆情特征，并从坚持系统思维、创新引导方式、把握处置时效、夯实管理基础等方面提出了相应的治理方式。覃伊蕾等[4]对新冠疫情事件的舆情进展划分4个演变阶段，并根据各阶段的演化特征提出治理措施，进而推动构建“和谐—共赢型”网络舆论空间。并且，关乎突发公共卫生事件科研信息报道的相关内容较为匮乏，可借鉴的理论成果较少，亟需填补研究漏洞，以提高相关部门应对此类事件的信息治理能力，并为未来开展相关研究提供一套系统的理论体系。

因此，本文借助新浪微博上的原始话题“#双黄连可抑制新型冠状病毒#”（以下简称“原始话题”）和回应话题“#双黄连对新型冠状病毒不具针对性#”（以下简称“回应话题”），在分析舆情传播特征的基础上，从舆情热度和公众情感的维度深入探究回应话题对原始话题的影响力，进而挖掘官方媒体和权威专家在科研信息报道舆情传播中的引导作用;从舆情传播的角度讨论原始话题和回应话题中官方媒体与普通公众之间的互动模式，进而提出了基于“官方媒体-权威专家-普通公众”三方协同的科研信息报道网络舆情应对机制。

1  “双黄连事件”研究框架和流程

11  “双黄连事件”网络舆情特征及应对策略研究框架

本文以“双黄连事件”为例，深入分析突发公共卫生事件科研信息报道的网络舆情特征及应对策略。首先，从新浪微博上获取原始话题和回应话题的相关数据，并进行数据清洗、数据预处理等操作得到可用于后续分析的有效数据。然后，从社会热度分析的角度探究科研信息报道引发的社会行为，剖析政府部门或相关专家的回应对原始话题关注的影响程度;从公众情感分析的角度讨论科研信息报道网络舆情走向，深入分析政府主流媒体的权威解答对原始话题下公众情绪变动的作用;从舆情传播分析的角度探讨科研信息报道中官方媒体的传播力和公信力以及公众获取信息的主要方式。最后，根据分析结果阐明官方媒体、权威专家和普通民众三方在科研信息报道网络舆情传播中所扮演的角色，为有效管控突发公共卫生事件科研信息报道网络舆情提供理论参考。本文研究框架如图1所示。

12  “双黄连事件”舆情数据收集与预处理

在数据准备阶段，针对“双黄连事件”的研究案例，设定原始话题“#双黄连可抑制新型冠状病毒#”、回应话题“#双黄连对新型冠状病毒不具针对性#”为研究话题，在新浪微博平台中进行检索并借助Python编程爬取话题下的相关數据，获取发帖、转发和评论3类用户行为数据，包括用户信息（用户昵称、关注数、粉丝数、互动情况）、时间信息（发帖时间、转发时间、评论时间）、内容信息（发帖内容、转发内容、评论内容）。其中，用户信息及其之间的互动关系可用于后续的网络传播机制的研究;时间信息可有助于进行后续的社会热度分析;内容信息结合时间信息可挖掘公众的情感变化趋势。

对所获得数据进行清洗，将与本话题完全无关的信息如广告、投票等去掉，得到可用于后续分析的有效数据。原始话题、回应话题的时间范围设置为2020年1月31日-2020年2月14日、2020年2月1日-2020年2月14日，获得的发帖、转发和评论等3类用户行为的数据量如表1所示。其中原始话题的行为总量为135 516条，回应话题为12 205条，前者近乎于后者的11倍，且发帖量、评论量、转发量均表现出类似的态势，反映了原始话题的社会影响力之大。

对所获得的数据按照分析内容的需要分别进行预处理操作。在社会热度分析模块，需要对所有数据按照时间维度进行切分，分别为按照日期的数据集划分和按照小时的数据集划分，进而全面展示舆情热度变化情况。在公众情感分析模块，需要将所有的原帖、转发、评论的内容转化成单个文本，并按照时间进行划分，形成逐日变化的文本集合和逐时变化的文本集合，进而绘制随时间变化的情感倾向。在舆情传播分析模块，需要将用户之间的转发关系提取出来，即“A//@B”（用户A转发用户B的内容）整理为“BA”两列，其中B对应的是源节点（Source），而A对应的是目标节点（Target），通过这种数据转换方式有利于刻画该话题下的网络传播模式。经过预处理后的数据可直接用于相应模块的分析过程。

13  “双黄连事件”舆情挖掘和舆情特征分析方法

131  社会热度分析和舆情热度特征研究

社会热度分析主要与网络用户的行为有关，分别为发帖行为、评论行为、转发行为，对不同类型的行为数据量进行归总得到热度变化曲线。根据用户认同态度与用户行为间的关系模型[5]，对所收集的各个话题下的用户发帖、评论和转发等行为分别设置60%、30%和10%的权重，以显示不同用户行为对舆情传播的不同效果，进而按照时间划分结果，转换成可以量化分析的网络舆情热度，深入研究用户不同网络交互行为映射下的网络舆情热度走向趋势，在此基础上剖析回应话题对原始话题关注度的影响方式。

132  公众情感分析和情感演变特征研究

公众情感分析与用户在网络平台上发表的态度有关，且贯穿于舆情生发演化始末[6]，对事件的发展起着至关重要的作用。本文选择基于情感词典的方法对文本数据进行情感倾向处理[7]，以挖掘多含义的舆情情感。首先，对按时间排列的文本进行分词处理，选择情感词典对文本内容进行分词标注、实体抽取、情感分析等多项操作。然后，根据单个文本中积极情绪值和消极情绪值的比较结果，将所有文本的情感倾向分为积极、消极和中性3大类，并进一步得到不同时间段的具体情感值。最后，利用情感值的时间序列变化趋势分析舆情传播各阶段公众情感演化规律，进而讨论官方媒体的权威解答在公众情绪变动方面的作用。

133  舆情传播分析和网络传播特征研究

舆情传播分析主要是从社会网络维度刻画事件的舆情传播网络结构，并借助中心性指标[8]对核心节点进行剖析，得到具有显著影响力的意见领袖。将预处理后的用户关系数据表导入到Gephi软件中，并利用OpenOrd算法绘制不同话题下的网络舆情用户转发行为的复杂网络，并调整边和节点的颜色和大小，以更加直观地反映出舆情传播网络的重要用户节点，进而分析原始话题和回应话题下科研信息报道的传播路径、传播速度和传播范围等，以识别出官方媒体的社会影响力和普通公众的信息获取方式。

2  “双黄连事件”网络舆情传播特征分析

21  “双黄连事件”的网絡舆情热度走向

将用户的行为数据按照时间排序并进行统计，分别按照逐日变化和逐时变化绘制原始话题和回应话题下的网络舆情热度趋势图，以全面、细致地呈现公众的关注程度，进而讨论回应话题对原始话题热度趋势的影响。

211  “双黄连事件”网络舆情热度走向——逐日变化

从原始话题和回应话题逐日变化的热度趋势（见图2）可以看出，①原始话题和回应话题的舆情热度维持时间为2～3天。在原始话题中，1月31日～2月2日，热度较高，且热度顶峰出现于2月1日，主要由于报道发布时间为晚上22∶54，有效时间较短。在回应话题中，2月1日～2月3日，话题的热度远远高于其他时间段，并于2月1日达到热度最高点。②原始话题和回应话题的热度均为越过潜伏期直接进入爆发期，传播周期均为爆发期和长尾期两阶段。符合舆情周期的一般规律，即75%的舆情都是越过潜伏期直接进入爆发期[9]。③在爆发期，时间跨度为3天左右，原始话题的热度占比为8737%，回应话题的热度占比高达9592%，为公众情绪表达的重要阶段。在长尾期，时间跨度较长，且话题的影响力处于饱和状态，公众的注意力消散[10]。④原始话题的热度变化趋势受到官方媒体正面回应的影响。在2月2日～2月3日，原始话题的热度呈现明显上升状态，与官方媒体于2月1日发布的权威回应有关。

212  “双黄连事件”网络舆情热度走向——逐时变化

通过逐时变化的舆情热度分析（见图3），可以更直观、细致地掌握原始话题和回应话题下公众的关注程度，进一步讨论舆情热度随时间变化的主要趋势。①原始话题和回应话题的热度维持时间主要集中于相关报道发布后的24小时，也是话题舆情发酵的关键阶段。在24小时内，原始话题的热度占该话题总热度的7947%，回应话题的热度占该话题总热度的9129%。科研信息报道的传播速度非常快，为了有效控制事件网络舆情发展，需要相关部门迅速捕捉网络动态，及时做出科学回应。

②原始话题和回应话题的网络热度具有明显的时间规律，即相比于深夜时段，公众的话题参与度在白天时间段处于较高的水平。在图3中，原始话题和回应话题均呈现出早上7点～11点为热度高峰时段，而深夜2点～5点的热度快速下降。深夜可认为是舆情发展过程中的“缓冲时期”，若加以科学利用，制定应对方案以达到快速控制舆情的目标。③政府媒体发布的回应报道会引发公众对原始话题的“记忆”，使得原始话题的热度走向发生变化。回应报道发布时间为2月1日17∶28，并在发布后的5个小时内，大致对应于图3中17∶28～22∶54的时间范围内，原始话题的热度下降趋势平缓，且与回应话题的变化趋势呈相对态势，即回应话题的热度下降，原始话题的热度上升;回应话题热度的局部最高点对应于原始话题的局部最低点。因此，权威的回应报道在一定程度上会影响原始话题的舆情热度变化趋势。

注：起始时间以原始话题的发布时间为基准。图3  原始话题和回应话题逐时变化的热度图

22  “双黄连事件”公众情感取向演变分析

基于情感词典的分析过程分别计算原始话题和回应话题下文本集的情感值，并按照时间序列绘制两个话题下积极情感值和消极情感值的变化趋势图，进而讨论政府媒体的权威回应在公众情感方面的作用机制。

221  “双黄连事件”公众情感演化——逐日变化

由前文逐日变化的热度分析结果可知，公众的情感态度主要集中于事件发生后的前2～3天，为了确保结果的有效性，避免由于文本量过少导致结果的不准确，设置原始话题的有效时间段为1月31日～2月9日共10天，回应话题的有效时间段为2月1日～2月10日共10天。其中，有效时间段内的文本量占比均为99%左右，即原始话题为9896%，回应话题为9951%，因此，可代表整个话题的情感变化趋势。

由图4所示的原始话题和回应话题的逐日变化情感取向中可以看出，①在原始话题和回应话题中，积极情绪和消极情绪的情感变化线均呈现相对态势，即消极情绪上升，积极情绪下降，且消极情绪值的最高点对应积极情绪值的最低点。反映出公众的情感态度比较激烈。②原始话题和回应话题的公众态度以负面情绪为主，无论是在爆发期还是长尾期。其中，爆发期的情绪变动较为稳定，而长尾期的情感波动较大，但总体趋势为公众的情绪在逐渐恢复，表现为消极情绪值下降和积极情绪值上升的态势。③回应话题的出现，导致原始话题的情感取向发生明显变化。2月1日～2月2日，原始话题中公众的消极情绪更为明显，表现为消极情绪值上升，积极情绪值下降。并且，2月1日～2月3日，回应话题的情感变化与原始话题相反，更为直观地体现了政府媒体的权威回应会影响到原始话题的情感变化。

222  “双黄连事件”公众情感演化——逐时变化

由前文逐时变化的热度分析结果可知，话题的热度维持时间主要集中于报道发布后的前24小时内，该段时间内的公众态度更具有代表性。避免由于文本量较少导致的结果偏差，获得更加有效的分析结果，在讨论原始话题和回应话题公众逐时情感演化时，均选择各话题下的前24个小时作为研究时间段。

从逐时变化情感取向的分析结果（见图5）可知，①与逐日变化的情感取向结果一致，原始话题和回应话题的消极情绪与积极情绪呈现相对的态势，且消极情绪处于公众态度的主导地位。但公众情感变化的粒度更为细致，情绪值呈现更为极端的态势，即相比于逐日变化的情感分析结果，逐时变化的消极情绪值与积极情绪值之间的差距更大。②原始报道发布的第1个小时内，消极情绪最低，积极情绪最高，反映了公众对科研成果报道抱有较高期待，但更多的是持观望态度。之后，公众的情绪变化激烈，尤其是消极情绪陡增，集中于对所报道科研信息的不满和批判。③政府发布的权威回应报道对原始报道的情绪变化具有明显的作用，即在图5所标注的影响区间（大致为第19～22小时）内，公众的情绪出现较大波动，即消极情感值上升，积极情绪值下降。

注：起始时间以原始话题的发布时间为基准。图5  原始话题和回应话题逐时变化的情感取向图

23  “双黄连事件”网络舆情传播机制探究

為了探究官方媒体在突发公共卫生事件科研信息报道方面的传播模式，选择原始话题和回应话题中关注度较高的官方媒体绘制网络传播路径。由于原始话题下人民日报的转发量占话题总转发量的5583%，其他所有官方媒体的转发总量不足5%;回应话题下央视新闻的转发量占话题总转发量的5127%，其他官方用户的转发总量不足4%。因此，人民日报和央视新闻在各自话题下的转发量均占据绝对优势。基于以上分析内容，本文采用社会网络分析法对人民日报和央视新闻下的转发路径进行描绘，并得到图6和图7的传播路径图。其中，人民日报节点下的参与用户近5万人次，为了更清晰地显示各节点，设置节点的度分布为2及以上。

在图6和图7所示的人民日报和央视新闻舆情传播网络的基础上，结合接近中心性和直接转发比的分析结果（见表2），可以分析得出：

1）从节点影响力来看，在图6和图7所展示的传播网络图中，人民日报和央视新闻在各自的话题下均具有举足轻重的作用，且图中并未出现其他明显的影响力节点。

2）从接近中心性来看，人民日报和央视新闻的中心性均远超其他用户节点，表明公众更倾向于从官方媒体获取科研报道信息。其中，人民日报的接近中心性为5136%，央视新闻为7312%，反映了在原始话题的传播过程中，虽然没有产生其他具有影响力的用户，但参与用户数量庞大，传播路径较长，传播范围较广;在回应话题的传播过程中，公众更倾向于从央视新闻获取有价值的科研信息，并与之建立联系。

3）从直接转发比来看，用户与官方媒体之间具有较为明显的直接转发关系。直接转发比即与某一节点具有直接转发关系的用户节点占该博文下所有转发用户的比例。结果显示，人民日报所发布帖子的直接转发比为7895%，央视新闻所发布帖子的直接转发比为8868%。因此，用户对官方媒体发文的准确性和可靠性持高度肯定态度，使其成为公众获取重要信息的主要途径。

综上，对于重大的新闻报道，官方媒体的影响力是非常明显的，具有强大的舆论引导作用[11-12]，且官方媒体是公众获取相关信息的重要途径[13-14]，与本文所研究的突发公共卫生事件中科研信息报道的研究结果一致。

3  结论与思考

本文以“双黄连事件”为具体案例，基于原始话题和回应话题的数据深入讨论突发公共卫生事件中科研信息报道的网络舆情特征，分别从社会热度走向、公众情感演变和舆情传播机制3个角度展开研究，并得到以下结论：

1）在社会热度方面，“双黄连事件”中原始话题和回应话题的热度均为2天左右;直接进入舆情爆发期，且存在明显的长尾期，符合网络舆情发展的普遍规律。并且，官方媒体和专家的权威回应会导致原始话题的热度变化，引发公众的再度关注。

2）在公众情感方面，原始话题和回应话题中均表现出了明显的消极情绪，集中于对官方媒体和科研机构的不满和批判。而政府部门和专家的正面解答在一定程度上会影响公众情感走向，甚至引发新一轮的网络舆情。

3）在舆情传播方面，官方媒体所发布的科研报道信息具有强大的影响力，体现了其具有较高的社会公信力和权威性，成为公众获取重要消息的主要途径。因此，官方媒体或权威专家在社交媒体上具有引导舆论走向的重要作用。

在突发公共卫生事件科研信息报道的网络舆情传播过程中，官方媒体、权威专家和普通公众均扮演着重要的角色。权威专家作为科研核心力量，所公开的研究进展具有明显的社会价值，也是科研信息报道的主要来源;官方媒体作为政府信息公开的首发平台，具有较高的社会公信力和权威性，是科研信息报道的主要传播媒介;普通公众作为科研信息报道的接收者，是网络舆情形成的主要群体[15]。原始话题中，由于官方媒体和科研机构的共同作用，增加了报道内容的真实性和可靠性，导致公众的信息甄别能力减弱，促使事件在网络上快速传播和发酵。回应话题中，在官方媒体和权威专家的正面回应下，再次引发了公众对于原始话题的关注，导致原始话题舆情发展产生明显波动。综上，在科研信息报道中，政府媒体和权威专家处于核心地位，具有较强的舆情引导作用;但普通公众是事件舆情的参与者，其地位也不容小觑。因此，为了有效应对突发公共卫生事件中科研信息报道网络舆情的社会影响，需要官方媒体、权威专家和普通公众三方协同应对，即专家团队应谨慎公布研究成果，避免引起社会骚动;官方媒体需严格核实信息来源，传播真实、准确的信息，以安抚民心;社会公众需要冷静甄别信息，切忌盲目从众，以免造成不必要的损失。

参考文献

[1]周昕，李瑞，黄微.多媒体网络舆情危机响应机理及风险分型研究[J].图书情报工作，2019，63（20）：6-16.

[2]邢鹏飞，李鑫鑫.重大疫情防控中网络舆情形成机制及引导策略研究——基于新冠肺炎疫情期间网络舆情文本的质性分析[J/OL].情报杂志.http：//kns.cnki.net/kcms/detail/61.1167.G3.20200422.1511.002.html.

[3]刘余勤，李振.重大疫情网络舆情的特征及其治理[J].思想理论教育，2020，（4）：103-107.

[4]覃伊蕾，王清泉.新媒体时代的突发公共卫生事件舆情演化特点及治理措施——以新冠肺炎疫情為例[J].新闻研究导刊，2020，11（7）：13-16.

[5]Fishbein M，Ajzen I.Belief，Attitude，Intention，and Behavior：An Introduction to Theory and Research[J].Contemporary Sociology，1977，6（2）.

[6]陈华明，孙艺嘉.情感线逻辑下的网络舆情生发演化机理与治理研究[J].西南民族大学学报：人文社科版，2020，41（5）：157-163.

[7]赵常煜，吴亚平，王继民.“一带一路”倡议下的Twitter文本主题挖掘和情感分析[J/OL].图书情报工作.https：//doi.org/10.13266/j.issn.0252-3116.2019.19.012.

[8]Freeman L C.A Set of Measures of Centrality Based on Betweenness[J].Sociometry，1977，40（1）：35-41.

[9]李彪.网络事件传播阶段及阈值研究——以2010年34个热点网络舆情事件为例[J].国际新闻界，2011，33（10）：22-27.

[10]连芷萱，兰月新，夏一雪，等.面向大数据的网络舆情多维动态分类与预测模型研究[J].情报杂志，2018，（5）：123-133.

[11]房亚玥.全媒体时代重大疫情舆情应对及舆情引导策略研究[J].公关世界，2020，（4）：19-23.

[12]李倩雯，李想.探析社交媒体环境下新闻信息产品传播的特征——以微博为例[J].传媒论坛，2020，3（6）：36-37.

[13]韩玮，陈樱花，陈安.基于KANO模型的突发公共卫生事件信息公开的公众需求研究[J].情报理论与实践，2020，43（5）：9-16.

[14]朱代琼，王国华.热点公共事件中网络社会情绪演进的影响因素研究——基于“高铁霸座”事件的探讨[J].情报杂志，2020，39（8）：94-100，116.

[15]曾润喜，陈创.网络舆情信息传播动力机制的比较研究[J].图书情报工作，2018，62（7）：12-20.

（责任编辑：郭沫含）