新冠肺炎疫情中的社交媒体和舆情应对研究

宁忠华

(华东政法大学政治学与公共管理学院 上海 201620)

(1611170890@qq.com)

新型冠状病毒肺炎(COVID-19) (简称新冠肺炎)疫情是当前国际性的重大公共卫生事件，随着疫情爆发，网络舆情也排浪式涌现，其中包括谣言的“信息流瀑”现象，由于“虚假真实效应”使得负面信息如病毒般扩散，不仅可能造成社会恐慌，危及政府形象，更有可能引发、加剧社会矛盾.作为“第四媒体”的PC互联网和作为“第五媒体”的以手机为代表的移动终端的发展加速了社交媒体的推广，网络空间“多层少点的金字塔结构逐渐演变成层少点多的扁平结构”[1]，在此结构中，民众对于社会事件的“发言自由”极易形成舆情.许多研究者认为，新的传播技术改变了社会信息的流动结构，舆论极化与新媒体紧密相关[2].因此对于社交媒体下的舆情应对与信息治理亟待深入研究，这也是新时代社会治理的题中应有之义.党中央、国务院高度重视并采取有效措施遏制疫情蔓延，及时发布疫情信息，加强舆论引导，坚决维护社会大局稳定[3].

舆情是“舆论情况”的简称，关于舆论的研究由来已久.早在18世纪60年代，法国思想家卢梭就提出“Public Opinion”，随后应用于管理学中，并解释为“公共舆论”.哈贝马斯则赋予了舆论政治功能性的含义，他认为舆论是私人对公共事务的关注和公开讨论，表现为社会秩序基础上一种共同的公开反思的结果，可视为现代社会政治正当性的来源[4].李普曼在《公众舆论》与《幻影公众》中对舆论的认识异于哈贝马斯，但俩人均认为舆论是民主产生的条件，民主的实现必须获得民众的大量同意[5].早期学者对舆论的界定较为抽象，在概念评判上缺乏可操作性，此后，勒庞在《乌合之众》中简化舆论的概念，将基于群体心理的“群体的意见”视为舆论的确切内涵[6].当前中国政治话语中使用的“舆论”，不同于西方的现代舆论，更像是一种社会管理的工具，但同时舆论本身又是管理的对象[7].舆论情况可以被“引导”，而且有“正确”和“不正确”之分.“不正确”的舆论即负面舆情，通常由谣言和非理性声音这2种负面信息引起.负面信息易孕育负面情绪，引发负面舆情甚至激化矛盾，爆发社会冲突事件.

国内对舆情的研究在2000年后逐渐增多，但对舆情的概念界定众说纷纭[8].随着互联网的不断普及，舆情信息传播逐渐成为研究热点，近年来主要集中在社交媒体下的网络舆情[9].关于舆情应对和信息治理的研究中，研究对象大多是自媒体平台用户的“意见领袖”或个别参与方[10]，关于政府主导下的权威媒体平台在舆情中的作用研究相对较少.在人人都是主播的自媒体时代，舆情的发生必然以社交媒体为媒介，多个主体同时传播.多元化传播主体的出现增加了网络环境的复杂性，更易滋生和传播负面信息，给舆情治理增加了难度.

多元化的传播主体使得治理方式也要相应变化，针对不同主体采取不同的治理措施.本文将以新冠肺炎疫情期间“双黄连”舆情事件为例，用社会网络分析(social network analysis, SNA)方法探讨新兴媒体下媒体及民众参与的关系网络，剖析媒体间信息传播行为和特征，进而研究民众、媒体与政府在网络舆情应对中的角色和作用，为我国加强网络内容建设和网络空间治理提供实证研究基础.

1 网络舆情治理的研究回顾

1.1 网络舆情的研究现状

20世纪40年代西方学者开始对舆情进行研究，最初代表性的“两级传播”理论作者Lazarsfeld[11](1948年)认为，信息是经过“意见领袖”层级传递给受众的.此前，美国学者Rogers[12](1944年)提出了“多级传播”理论，认为传播媒介的存在使舆情传播呈多级状态.他首次指出了传播媒介的重要性，公众舆论的产生不仅受到公众个体自身因素的影响，还与传播的媒体密切相关[13].网络社交媒体的普及和网民群体的形成和使得舆情的研究更多地从网络视角出发[14]，基于社交媒体下的网络舆情治理日益成为舆情信息研究中广受青睐的研究方向.

例如Sunstein[15](2003年)在网络舆情治理方面认为，网络分极化易引发社会分裂，网络管理十分必要，政府管理言论应以民主的商议为原则，结合大众媒体的力量消除极化、合理管控.美国学者Fiss[16](2011年)指出言论自由的多面性，深入探究了公众、媒体和政府之间的博弈关系.西方一些学者认为应对网络舆情，把握信息源头并进行可控性引导要比通过法律手段进行强制性控制更事半功倍[17].国外关于网络舆情的研究较多关注网络舆论对社会的发展，围绕如何在舆情下保障公民言论自由权和义务的统一进行研究[18].

中国语境中的网络舆情治理是一套搜集网络民意和干预网络表达的机制，其核心是要在控制社会风险和激发网络活力之间保持平衡[19].国内关于网络舆情治理的研究始于2000年后，在2005年提出“网络突发事件应急治理”概念[20]，这是我国学者首次将“治理”一词应用到网络舆情事件，这为进一步的研究奠定了基石[21].中国的网络舆情治理体系偏重对网络信息媒介和网络信息内容，特别是新闻媒体和新闻内容的管控，以媒体和信息的可控性为指向，具有鲜明的“管制平抑”特征[22].在网络舆情应对方面，国内大部分研究则指向政府，如学者邵春英[23]( 2014年)认为国内网络舆情引导机制不健全，地方政府在舆情引导方面存在拖延、虚情、缺位等现象.谭雪晗、涂艳(2016年)等人[24]分析舆情网络特性，在舆情扩散、公众情绪和意见领袖方面给予建议，实现网络治理.也有学者认为新闻媒体应在网络舆情治理中充当“弄潮儿”“引航员”“平衡木”和“东南风”的角色[25]，在舆情的酝酿期、爆发期和恢复期实行不同的信任修复策略[26].近年，国内舆情研究学者更倾向于以特定网络舆情事件为研究对象，以小见大地提出很多建设性的思路，如涉医事件[27]、食品安全事件[28]的舆情网络研究.

综上，目前国内外学者对于网络舆情的研究日趋全面，以多学科视角研究舆情的不同发展阶段，并对多个主体扮演的不同角色进行研究.但由于国情不同，西方网络舆情的相关研究成果并不适用于我国情况，尤其在舆情治理方面应批判性地接受和参考.国内研究较为宏观，对于权威媒体的信息治理，协同治理格局下各个主体在其中的联系与作用较少关注.

1.2 网络舆情研究的实证方法

随着舆情研究的兴起，众多研究方法也被运用于解释舆论传播，试图揭示其传播方式及规律，预测以及控制舆论走势.在国外，因信息传播和扩散方式与传染病类似，传染病模型被广泛应用于传播研究,如SIR模型[29].数学模型被学者用于舆论传播研究，具代表性的如D-K模型，是西方学者Daley和Kendall运用随机过程方法把受众分为3类，并假定其中2类人之间角色转换的概率满足一定数学分布[30]，而后也有学者运用数学模型继续研究，如Zanette[31]首先在小世界网络上建立负面信息传播模型，得出舆论传播临界值等的结论.Moreno等人[32]在无标度网络上建立传播模型，并把由计算机仿真和随机分析法得出的结论进行了比较.近年，有西方学者基于成熟的社交媒体而展开研究，如Sobkowicz等人[33]提出基于社交媒体内容分析的意见形成框架；Doran等人[34]运用贝叶斯模型对舆情网络中的用户行为进行可视化分析；Li等人[35]提出社交纽带渠道(STC)模型，利用传播渠道对用户间的信息传播过程进行描述.国内学者也提出元胞自动机模型，该模型利用个体之间的局部交互再现了舆情信息的传播过程[36]，基于元胞自动机对于舆情干预机制进行了研究与分析[37]，融入博弈论理论分析舆情过程中不同参与主体之间利益关系以及对于舆论传播的影响[38-39].也有研究以施拉姆大众信息传播模式为基础，采用扎根理论和模糊-层次分析法确定指标要素及权重，通过直觉模糊推理算法和模糊综合评判法进行舆情监测预警评估[40].我国学者李刚则利用阻滞增长模型对舆情发展进行预判分析，并采取模糊评价法与回归分析法对应急治理下的舆情解决进行评价，并为相关部门提供合理建议[41].

社会网络分析法是近年来对网络舆情进行研究的热门方法.如汪维富等人[42](2010年)利用社会网络分析法研究博客社区内的好友关系，得到用户关联度高以及存在明显社区意见领袖等结果；陈静[43](2017年)通过社会网络分析法发现知乎网络的去中心化结构和较高的连通性能将意见领袖的核心地位弱化，最大程度避免群体极化；姜楠[44](2017年)利用社会网络分析法通过对食品安全事件的网络分析，重点研究了媒体在信息传播中的作用；曾润喜等人[45](2018年)利用社会网络分析法对“涉民族类”网络舆情事件进行分析，研究得出了信息在多个媒体平台的传播方式以及媒体平台的不同角色.本文使用UCINET软件，运用社会网络分析法，在已有网络舆情的研究基础上，从媒体、网民和政府之间的传播关系出发，构建传播网络，研究传播网络的网络位置与网络结构，分析传播特征并提出舆情应对建议与信息治理方案.

2 案例选取与社会网络构建

北京时间2020年1月31日22时34分，人民日报官方发布微博称：从中国科学院上海药物研究所获悉，该研究所和武汉病毒研究所联合研究初步发现，中成药双黄连口服液可抑制新型冠状病毒.此消息瞬时登顶微博热搜，并引起全国范围内哄抢双黄连口服液，多地双黄连口服液被抢购一空.网络谣言四起，随舆情而来的社会问题在各地涌现：民众不顾及疫情防控措施而出现大规模聚集抢购现象；商家进行投机行为、哄抬物价“发国难财”；民众极端情绪被引发，疫情背景下人心惶惶；更甚有“阴谋论”等消极、负面的失真信息被大肆传播.第2天上午，人民日报再次发文称：该发现仍是初步研究，该药已在上海公共卫生临床中心、华中科技大学附属同济医院开展临床研究，对病人如何有效还要作大量的实验.此案例不仅具有重大的影响力，同时也是政府、媒体和民众在重大舆情事件时表现的缩影，还是我们进行舆情应对、完善信息治理的参考.通过研究此案例，可以清楚地看清复杂网络环境下多主体媒体的角色和作用，并针对问题“对症下药”，这对于新时代社会治理具有重要意义.

1) 舆情案例“双黄连事件”发展的总体趋势

为了研究“双黄连事件”网络舆情发展的整体趋势，本文收集百度指数和知微事见平台的相关信息，其中包括可视化的数据，在平台输入关键词“双黄连口服液”和“新型冠状病毒”，生成百度搜索指数趋势图和舆情发展趋势图(如图1、图2所示).该事件信息于2020年1月31日传播扩散形成舆情，2月2日舆情逐渐衰退，事件热度退去，2月5日后舆情基本消失.此案例舆情从形成到衰退持续时间为6天10小时，时间虽然短暂，但影响巨大，根据知微事见统计数据，该事件影响力指数为70.4，高于89%的事件，高于91%的社会类事件，且信息通过多渠道进行大范围扩散(“知微事见”平台统计传播渠道为639个).

图1 “双黄连事件”百度指数整体趋势图

图2 双黄连事件整体趋势图(来自知微事见)

2) 案例数据获取

“双黄连事件”舆情在多个网络平台叠加式倍速传播，根据“知微事见”趋势图(如图2所示)可发现该事件在微博平台的发展趋势与全网的发展趋势基本一致，说明在此次舆情事件中微博数据具有足够的解释力与代表性.作为更为成熟且技术全面的平台，新浪微博数据公开且易获取，因此本文选取新浪微博作为数据分析平台.

选取2020-01-31—2020-02-05作为时间段，在新浪微博“高级搜索”功能中键入“双黄连口服液”“新冠肺炎病毒”关键词，搜索发布相关的微博用户，统计微博用户的微博ID、日期、转发量、评论量、点赞量和粉丝数等信息.在统计结果中选取转发量或评论量或点赞数或被引用数较多的用户，剔除微博引用“关键词”而内容与舆情无关的“蹭热度”用户，最终选取157个微博账号作为研究对象.

这157个微博账号包含权威的传统媒体(纸质媒体、电视媒体和广播媒体)，其中具代表性的纸质媒体如“人民日报”“新华视点”“新京报”；电视媒体如“央视新闻”“CCTV4”；广播媒体如“中央人民广播电台”等.新媒体下的新浪产品媒体，如“头条新闻”“新浪财经”和“新浪视频”等；新媒体下的综合门户网站微博或企业微博；综合门户网站微博如“网易财经”“猫扑”；具代表性的企业用户如“丁香园”“丁香医生”“360公司”；新媒体下的个体网民微博用户，此次舆情事件中具代表性的用户如“我是涂磊”“莫白兔大人”“中医肖相如”等.政府门户媒体包括中央和地方，其中具代表性的中央媒体如“人民网”“央视网”“中国新闻网”；地方政府门户媒体如“河北日报”“云南发布”“游仙公安”等.构建“关系矩阵”模型.矩阵是一种框架，行和列表示要素，行和列的数量则表示矩阵的整体规模.在矩阵中行和列的要素分别表示事件中的“社会行动者”，行列交叉的地方表示的是各个行动者之间存在的关联.正方形矩阵中行和列代表相同的行动者，矩阵中每一格的数值用二进制来表示，因此，通过矩阵关系模型可以观察到参与者之间的联系[46].

将微博用户作为社会行动者，以用户间的互动关系来构建互动关系矩阵，互动关系包含转发、引用，行代表原创者，列代表转发、引用者.若微博用户A转发或引用用户B，则用数字“1”表示A和B之间的互动关系.若用户B没有转发或引用，则用数字“0”来表示.基于此方法，在EXCEL中构建出所选157个微博用户的关系矩阵，并将其导入UCINET软件，矩阵中部分数据如图3所示.

图3 “双黄连事件”舆情关系矩阵

3 研究结果分析

3.1 舆情网络的整体结构分析——网络密度

网络密度是指行动者之间实际联结的数目与它们之间可能存在的最大的联结数目的比值，比值越高网络的联结密度就越大[47].在本文中网络密度用来表示微博用户之间联系的紧密程度.

图4 “双黄连事件”舆情网络社群结构图

将关系矩阵导入UCINET软件生成了社会网络可视化关系图(如图4所示).图4中节点表示行动者，节点名称是行动者的新浪微博ID，有向线段表示2个行动者之间的信息流动.由A发出箭头指向B，则表示A转发、引用B的内容.如图4所示，处于中心位置的几个节点其微博内容被很多用户转发、引用，这些点是网络的核心节点.核心节点周围线条比较密集，信息在舆论场中的传播便是围绕它们展开；无有向线段的点即为孤立的点，表明与其他行动者之间无直接的信息交互.

通过测度本社交网络的网络密度值为0.003，密度值较小，表明该网络中的微博用户之间交流、互动不密切，整体而言关系较稀疏.造成该现象的原因主要是样本数量较大，具较大影响力的用户少；边缘节点的弱互动行为拉低了网络密度，存在很多孤立节点与其他行动者之间的零互动现象.反映出在“双黄连事件”舆情网络中，微博用户整体上的信息转发或引用来源较为单一，存在较大影响力的用户如“人民日报”“新华视点”“国是直通车”，但这样的核心节点较少；大部分的微博用户只与个别用户间存在转发、引用关系，部分微博用户则既没有引用或转发其他用户发布的信息也没有被其他用户转发或引用其发布的内容.

3.2 网络中心度分析

行动者在社会网络中位置的差异决定了拥有信息和资源的差距.网络中心度用以描述网络中节点所处的中心位置，而中心性位置则代表了正式或非正式的高社会地位、权力和影响他人的能力.其中，中心性位置可以用社会网络分析变量中的点度中心度、接近中心度和中间中心度等来衡量.

1) 点度中心度分析

点度中心度是指与某行动者直接相连接的点的个数及其标准化形式，包括绝对中心度和相对中心度.一个行动者与其他行动者联系得越多则此行动者越重要.通过社会网络分析方法对“双黄连事件”舆情网络点度中心度进行测度，其部分结果如图5所示：

图5 “双黄连事件”舆情网络点度中心度

Degree为绝对点度中心度，NrmDegree为相对点度中心度.如图5所示，“新华视点”“人民日报”“国是直通车”这几位微博用户的点度中心度值较高，说明在此次舆情事件中这几位用户发布的有关信息被转发或引用的程度较高，其所掌控及发出信息的能力较强，被信任程度高，是此网络的核心节点.同时，可观察到部分节点点度中心度值为0，表明这些用户与其他用户没有转发或引用关系.

网络中点度中心度的值过高或者过低都不利于信息的传播，若某一节点的点度中心度过高，此节点为消息的主要来源地，这便会导致消息的片面性.“双黄连事件”舆情初始带来的社会问题便是源于媒体用户对于单一来源信息的不同解读和传播扩散.

2) 接近中心度分析

接近中心度是指一个行动者与网络中其他行动者的接近程度[48].如果一个点与网络中所有其他点的“距离”都很短，则该点具有较高的接近中心度.利用社会网络分析对“双黄连事件”舆情网络的接近中心性进行测度，其部分结果如图6所示：

图6 “双黄连事件”舆情网络接近中心度

图6接近中心度的结果是根据指标值从大到小排列的，在图中越靠前的用户其接近中心度越高，表明其处于网络核心.如“新华视点”，该点离其他点的距离之和为15 933，是该网络中距离之和的最小值，表明其发布信息传递到其他点较容易；而“新华视点”从他处获取信息较难，其距离之和为24 492.结果发现，“新华视点”“人民日报”作为权威的传统纸质媒体，其发布信息更容易被其他用户所获得和相信.而即使有大批粉丝和网民关注的新兴自媒体用户和个体网民、企业用户，在此舆情事件中其传递信息到其他点也相对较难.

3) 中间中心度分析

中间中心度是用来测量行动者对资源的控制程度.(引用)中间中心度在本文中，体现的是微博用户控制网络信息能力的大小.通过某节点的线路越多则该点的中间中心度越高.该点起到“中介”和“桥梁”作用，因而位于网络的中心.利用社会网络分析对“双黄连事件”舆情网络进行中间中心度测度，其部分结果如图7所示：

图7 “双黄连事件”舆情网络中间中心度

图7中的结果是按照中间中心性的大小排列的，从图中可以看出，“人民日报”“头条新闻”“新京报”这几个传统媒体微博用户的中间中心度较高，这些用户在网络中处于核心地位，对信息的控制能力较强；而个体网民微博用户和地方性媒体对信息的控制能力相对较弱.

综合网络中心度分析结果显示，传统媒体下的纸质媒体“人民日报”“新华视点”“国是直通车”“新京报”等在“双黄连事件”舆情网络中扮演了重要的角色，具有较高的影响力；新媒体下的个体企业微博用户，如“丁香医生”以及新浪产品“头条新闻”也在此次舆情信息的传播中发挥了一定的作用，具有一定的影响力.在“双黄连事件”舆情伊始，微博用户更多地转载、引用、吸收和借鉴权威媒体的信息，对权威性较低的媒体、个体网民或企业用户的相关信息不予理睬或持半信半疑的态度，形成了“唯权威论”的现象.

3.3 凝聚子群分析

派系指社群中一部分行动者由于关系紧密而形成的小团体，也称凝聚子群.凝聚子群分析用来描述该舆情网络中形成的小团体.

1) 成分分析

本文舆情网络具有向性，因此采用“强成分”分析法，描述该网络成分分布情况以及各个节点所处位置.利用UCINET软件进行成分分析，结果显示共87个成分.其中，成分1包含了43.3%的节点，共68个节点集中于成分1.该成分分析结果表明整个舆情网络的成分特征不具备明显结构特征.

在成分1中囊括了大量政府主导下的权威媒体，包括传统纸质媒体如“人民日报”“新华视点”“中国新闻周刊”“每日经济新闻”；权威电视媒体如“央视新闻”“江苏新闻”.这些节点既包括传统媒体也包括新媒体，既包括央视媒体也包括地方媒体，但均是具有公信力的平台，具有权威性与可信赖性.可见，这些节点是“双黄连事件”舆情传播过程中的核心团体，在该网络中居于重要位置.

2) 派系分析

派系是指包含3个或3个以上行动者的最大完备子图，在该图中各个行动者之间都存在1条能够将彼此直接连接起来的线，且该子图不被任何其他派系所包含[49].利用UCINET软件进行派系分析，将派系最小值设置为3，得到如图8所示结果：

8个派系1新华视点人民日报河北日报2新华视点人民日报头条新闻3新华视点人民日报莫白兔大人4新华视点人民日报新京报我们视频5新华视点人民日报云南发布6新华视点新京报中国新闻周刊7新华视点新京报头条新闻8新华视点中国新闻周刊中国妇女报

图8 “双黄连事件”舆情网络派系分析

从图8可以看出，10个节点分布在8个派系中，157个节点中另外147个是孤立的，不从属任何派系，互惠程度弱.同时，运用E-I指数衡量本舆情网络的派系情况是否严重，结果显示E-I指数为0.229，数值位于[0,1]区间，也表明该网络中无严重的派系林立情况.而在这8个派系中存在群体间共享成员，如“新华视点”“人民日报”“新京报”“中国新闻周刊”“头条新闻”，这几个行动者均为“传统纸质媒体”，该结果说明这些传统媒体在派系间的信息交流中发挥了重要的桥梁作用.

4 研究结论

本文使用社会网络分析方法，通过对“双黄连事件”的舆情分析，将行动者分为以下几类：权威的传统媒体；权威的政务媒体包括中央和地方2个层面；新媒体下的综合门户网站微博或企业微博；新媒体下的个体网民微博用户.研究发现，虽然事件发生初期“失真信息”指数增长般扩散；中期哄抢药品等社会问题大规模出现，同时，网络社群中部分行动者进行“辟谣信息”的传播；但后期官方准确信息的发布终止了“闹剧”.虽然舆情事件发展过程中的方向存在不一致性，但是从通过分析结果来看并无明显的“小团体”，整个舆情事件多类型行动者具有行为的一致性.这表明整个社群网络大的趋势是一致的，行为具有内在一致性，但在与“失真信息”交锋的过程中，各个主体间各自为营，缺乏合作，不能形成具有影响力的合力.

多类型媒体影响力不一，传统媒体一枝独“秀”.研究结果显示，传统媒体尤其是传统纸质媒体在此次舆情事件中扮演了重要的角色，即是舆情爆发的信息来源又是随之而来的社会问题的“漩涡中心”，还是辟谣和舆情应对的前线媒体.作为权威媒体，传统媒体在此次舆情事件中控制着整个舆情的走向，引导舆论由负面发展转向正面发展，体现了其权威性和专业性.“第四媒体”和“第五媒体”的发展逐步成熟，民众的视线更多地聚焦于新媒体，传统媒体较少获得当代网民青睐，尤其是纸质媒体更是受到一定冲击.因此，当传统纸质媒体与互联网结合后，纸质媒体抓住契机，追求“更早”“更吸引眼球”的报道风格，以求在信息时代搏得一席之地.但苛求网络信息资源的同时也易产生负面舆情.“双黄连事件”引起的社会问题便是由于纸质媒体“欲速则不达”的报道行为所导致.

政府门户微博在此次舆情中作为领导者统筹全局，完全具有党和政府“传声筒”的作用，既是解决社会问题的安全网，又是治愈民众“群体极化”的稳定剂，还是引导舆情正向发展的助推器.但是在此次舆情事件中，中央媒体与地方媒体发挥的作用却天差地别，根据分析结果显示，中央媒体如“中国新闻网”以及具有政府性质的央视纸质媒体、电视、广播均在舆情网络中作用巨大，而地方政府媒体鲜有表现，甚至采取“不作为”的态度.一是因为大部分地方政府媒体平台发展不成熟，缺乏影响力；二是地方政府信息滞后，信息发布不具有时效性.这就导致地方政府媒体在舆情网络事件中作用微乎其微，不能分担中央政府媒体的压力，失去其媒体的作用，形同虚设.这也暴露出我国政府媒体在舆情事件中的协调问题.

新兴媒体在此次舆情事件中具有重要位置，其作用重大，表现夺目.研究结果表明，以“头条新闻”为代表的新兴媒体在舆情网络中具较大影响力.新兴媒体具有敏捷的反应能力，能及时捕捉信息并加以传播，是非政府、非传统权威媒体中表现最好的行动者，新兴媒体已在网络大事件中逐步彰显其影响力和可信赖性.虽然新兴媒体近年“异军突起”在网络事件中占一席之地，但也仅限于个别新兴媒体.如在此次“双黄连事件”舆情中表现亮眼的“头条新闻”，其作为新浪旗下的媒体平台，能够及时获得新浪微博相关大数据，这也是其发挥出色的一个原因.新媒体下的个别企业用户如“丁香园”“丁香医生”也在与舆情发展中的 “谣言”交锋而颇具影响，这也缘于其企业领域的专业性.而反观大部分新兴媒体，还不能达到一定的影响力和权威性，在此次舆情中作用甚微.部分新兴媒体并不能在网络舆情中发挥出其公众性和社会性的一面，甚至不能展现出其专业性，以哗众取宠的利己表现博取关注度.

网民群体意识失焦，个体网民“意见领袖”舆论引导力杯水车薪.本次“双黄连事件”伊始，网民对于信息的偏颇吸收导致失真信息恶性传播，在新冠肺炎疫情的背景下群体极化，进而引发一系列行为带来很多社会问题.根据研究结果显示，个体网民在此次舆情事件中并无很大的影响力，其中个体网民中的“意见领袖”如“我是涂磊”“高晓松”虽为舆情控制出力，呼吁网民理性.但放到整体网络来看其作用甚微，并不能影响舆情的发展方向.一方面是因为个体网民中的“意见领袖”在此次舆情事件中鲜有发声，难以形成影响舆情积极发展的“小团体”；另一方面是网民的个体差异导致对于信息的判断、处理方式有差别.由于“沉默的螺旋”效应，经大众媒体强调提示的意见由于具有公开性和传播的广泛性，容易被当作“多数”或“优势”意见所认知.环境认知所带来的“压力”和“安全感”，会引起人们接触中“劣势意见的沉默”和“优势意见的大声疾呼”的螺旋式扩展过程，导致社会生活中占压倒优势的“多数意见”—舆论的诞生[50].个体网民在“迷信权威”的同时丧失客观判断意识，陷入“人云亦云”“随波逐流”的“集体无意识”行为中.

在疫情背景下民众情绪易波动，在某些信息面前易心理失衡而导致群体极化，更进一步导致严重的社会不稳定事件，因此对于网络信息的治理更为重要.本文认为应在政府的引导下，逐步形成传统媒体、政府媒体、新兴媒体及网民参与的多主体协同治理格局.主动占领正面网络舆论战场，及时发布正确信息[51].信息传统媒体应在政府的引导下加强其专业性和严谨性，越是权威越是要让民众听懂；地方政府媒体应迎头赶上，做到信息公开化与透明化，避免落入“塔西佗陷阱”；引导新兴媒体发展，鼓励其重视社会利益；提升公民网络素养，引导公民参与网络治理.