公共决策视域下网民情感分析与民意引导研究——基于《学前教育法草案》微博的大数据分析

文/陈 林 王志丹 杨 光(．．．江苏师范大学,江苏 徐州 6)

内容提要：现代社会的发展推动公共决策过程中民众的参与,亦使得运用大数据方法把握网络民意成为新时代的重要课题。以《学前教育法草案》微博平台的民意分析为例,运用大数据手段以及社会网络分析方法,从决策态度、表达方式、意见领袖等维度建立分析框架,剖析负性情感偏向的网络民意聚合机制。研究发现,议题公共性强、敏感度高是民意聚合的原因,而民众负性情感偏向则是心理噪声机理、沉默的螺旋效应、极化机理综合作用的结果。基于此,决策主体可以通过培养理性意见领袖、发挥主流媒体功效、提高网络民众素质以及对话网络民众的策略,有效引导网络民意走向。

一、引言

近年来,网民规模呈现指数增长,第46次《中国互联网络发展状况统计报告》显示,截至2020年6月我国网民规模达9．40亿。民众通过互联网参与政治生活的意识也日渐增强,越来越多的民众借助网络平台发表自己对政策的观点态度与利益诉求。尽管网络民意是广泛的民意集合体,对公共决策过程具有参考价值,但由于网络民意表达是网民在不自觉状态下进行的自在式评价活动,并非完全理性,有时会误导公共决策偏离科学轨道[1]。鉴于此,有必要探明公共决策视域下有关网络民意的两个重要问题：第一,如何通过大数据把握民意的情感取向与主要观点；第二,探明网络民意的聚合机制,为引导民意走向提供对策与建议。

2020年9月7日,教育部网站发布《中华人民共和国学前教育法草案(征求意见稿)》(以下简称《学前教育法草案》),第39条规定幼儿园不得教授小学阶段的教育内容。我国首次以立法的形式为幼儿园超前教育划上红线,既说明国家对学前教育的重视,也充分暴露了学前教育存在的突出问题。同日,中国新闻网于新浪微博平台上创立#幼儿园不得教授小学阶段的教育内容#话题,引发了网民热议。截至目前,该话题已经拥有5．5亿的阅读数以及3．5万的讨论数。本文尝试利用网络爬虫获取学前教育法草案话题下的评论数据,借助大数据技术了解网络民众的决策态度以及表达方式,运用社会网络分析法识别民众的意见领袖以及代表观点,从情感态度、意见领袖和代表观点三方面来把握网络民意并探明民意聚合的机制,为大数据在公共决策过程中的运用提供有益探索。

二、网络民意与公共决策研究回顾

(一)网络民意

国外学者韩念西认为,民意是具有相当数量的一群人针对重要议题表达其复杂偏好的综合[2]。这一界定首先指出民意的主体是一定规模的社会民众。国内学者余致力进一步辨析,认为民意之“民”未必等同于全民,民意也不必然等同于多数民众的意见[3]。其次,韩念西认为民意的实质是复杂偏好的综合,这与当前有关民意的主流观点相似,即民意是情绪、态度、意见和干涉意愿的总和[4]。再者,此界定抛出民意客体这一要素,何志武认为民意客体相较于舆论客体更具针对性,主要围绕重要的社会议题与政府公共政策[5]。本研究认为,民意是一个或一个以上社会民众针对社会公共事务和政府决策所发表的情绪、态度、意见与干涉意愿的总和。

民意作为一种意识形态,通过特定的载体支撑外化为人们感知的表现形式。互联网,以其开放性和便利性给予民意新的物质载体与表达通道[6],网络民意成为民意的网络呈现方式。参照民意的定义,网络民意可定义为一个或一个以上社会民众,借助于互联网平台,针对社会公共事务和政府决策所发表的情绪、态度、意见与干涉意愿的总和。凭借互联网“所有人对所有人”的传播优势,社会民众突破以往精英主导的局限,对政治议题畅所欲言[7]。无须借助高成本渠道资源或是他者的力量,具有相同诉求的大众可以在网络空间迅速结盟。

(二)公共决策

公共决策,指国家、行政管理机构和社会团体所进行的决策,如公共福利、国家安全、国际关系等[8]。相较于一般决策,公共性是公共决策的突出特征,即公共决策总是从公共利益出发,解决公共事务中出现的问题。该特点对于公共决策长期性、多样性、权威性等特点具有本源意义[9]。

由于公共决策的复杂特征,因此相较其他决策,公共决策需要满足更高的要求。一般而言,公共决策质量的衡量依据有二,其一,以是非标准为尺度判断决策是否合理；其二,以价值标准为尺度权衡决策优劣。成功的公共决策应当以最小化的决策投入获取最大化的公共利益,实现目标合理、方案可行[10]。为此,公共决策的民主化、科学化不可或缺。周光辉认为,当前社会结构、经济结构发生深刻变迁,要摆脱已形成的利益格局对公共决策的裹挟与影响,必须将决策民主化作为有效路径[11]。在公共决策过程中兼听各方声音,留意各方交锋博弈,有利于降低主观臆断与“拍脑袋”带来的决策失误概率,做出更客观全面的判断。同时,决策的民主化与公民的决策配合度息息相关,对于一些诸如衣食住行等对民众接受度要求高的决策问题,发动民众进行决策态度的表达尤为重要。

(三)网络民意与决策民主化

作为目前最为广泛的民意集合体,网络民意聚集着多样化的利益诉求,是进行公共决策过程中极具价值的“民间智库”,公共决策过程重视网络民意是提升决策民主化的内在要求。在公共决策过程中,以下三种信息是必要的：有关公众对决策偏好的信息,有关决策在其作用范围内运转态势的信息,有关决策解决方案的技术信息[12]。获取这三点信息使得听取民意成为必须。

虽然网络民意天然地具有被决策者聆听的“必要特质”,但其中掺杂众多非理性因素。一是因为如今信息同质化严重,网络民意易受到媒体报道和用户行为策略干扰[13]；二是因为民众总是带着已有观念,“先入为主”地发表对议题的看法[14]；三是网络民意有被外在力量建构或者操纵的可能,存在沦为利益集团影响决策议程设置的靶子、嬗变为政治工具的风险[15]。因此,听取网络民意并不意味着决策主体要将所有权利让渡于民,而应当为民众参与决策的过程做出合理安排,使双方形成平等的互动。决策主体尤其应当注意在政策质量的规定方面、问题结构的界定方面提供权威解释。

(四)大数据技术在决策科学化中的应用

决策科学化是防止决策出现失误、降低决策成本与减少副作用的必然选择。一般而言,公共决策科学化要求决策过程有效利用现代科技手段,广泛收集信息[16]。信息是公共决策制定与调整的命脉,其质量是决策能否实现科学化的关键因素[17]。换句话说,没有用以决策的信息,决策便是无源之水、无本之木。在公共决策过程信息收集阶段,对民意的把握至关重要[18]。但是,传统的公共决策由于难以发现并充分利用公共服务需求方的信息而偶发决策失灵现象[19]。随着信息技术的发展,这种情况正在被改变。大数据技术的应用使得信息收集变得轻而易举,通过对信息的编码与解读,决策主体能够快速了解社会群体的偏好与认知。

公共政策学者库克指出,数据驱动的公共决策使得决策以事实为基础,从而显著提升公共决策的有效性,塑造出开放而负责的政府形象[20]。当前,大数据提升决策透明度、提高决策效果已成为共识[21]。英国、瑞士、新加坡等国已实行在政府决策过程中使用网络进行文本挖掘、情感挖掘以及趋势研判等提高决策效率的方法[22]。2015年国务院印发《促进大数据发展行动纲要》,其中明确提出“要实现基于数据的科学决策,逐步实现政府治理能力现代化。”因此,如何在公共决策过程中利用大数据手段已成为新时代重要的实践性问题。

三、研究方法

(一)数据预处理

本研究利用Python对微博平台#幼儿园不得教授小学阶段的教育内容#话题下的一级评论进行抓取,共获得11565条原始数据。由于原始数据中包含大量噪声,因此在进行数据分析前先对其进行预处理,预处理包括数据清洗、分词以及关键词提取三步。

首先,以每条评论为单位对原始数据进行清洗。数据清洗包括剔除不必要的内容以及调整数据内容的结构。清洗规则以及处理方案如表1所示,清洗完成后得到10679条文本数据。第二步,利用 Python3．7．1中的第三方模块Jieba实现中文分词。结合“百度停用词表”、“哈工大停用词表”以及学前教育领域的专业名词对模块自带的停用词表进行扩充,删除分词过程中的停用词以获取更精确、更有意义的文档词表。第三步,使用TextRank算法提取评论文本中的关键词。

表1 数据清洗规则

(二)数据分析

1．探明决策态度。文本情感分析(Sentiment Analysis)是指处理带有情感色彩的主观性文本的过程,常用于微博、用户论坛、微信等语境之中,其目标可以是只进行褒贬两个维度的划分,也可以是多类分类。本文选用机器学习方法中的支持向量机(SVM)对#幼儿园不得教授小学教育内容#话题下的博文评论进行情感分析,分为支持和不支持两类。其主要内容是,明确支持草案第39条内容和明确反对草案中第39条内容。利用SVM实现情感极性分类的流程如下。首先,由两名编码人员分别判断4000条评论的情感极性,正向记为1,负向记为0。使用SPSS对两名编码人员的情感标注结果做相关性分析,以验证首次情感标注的有效性。第二步,从已标注好情感的4000条评论中选取正向情感评论300条,负向情感评论300条作为样本。抽取样本中80%的数据作为模型的训练集。第三步,利用 Python平台下的Sklearn算法模块实现SVM模型的训练,利用F1值、准确率、召回率作为模型评估指标。第四步,运用训练好的分类器对剩下的6679条评论进行情感极性标注。

2．分析情感表达。表达方式是网络民众在微博平台上进行评论时使用的特定语言方法与手段,可以分为理性思考型与情绪表达型。两者的划分依据为,如果评论者以数据事实、逻辑推理、客观陈述等方式进行表达,则可以将其界定为理性思考型,如：经济基础决定上层建筑,教育作为上层建筑之一亦是如此。国家可以采用地方规定但不要用立法形式,根据各地实际情况,教学需求来制定；如果评论者注重情感表达,评论语句含有大量的形容词、副词、表达语气的标点符号,或者使用语气强烈的反问、设问等修辞手法,蕴含较强的嘲讽情绪,则将其界定为情绪表达型,如：知道了,别发通知了,不就报班吗,懂了懂了,报吧报吧!

本文使用支持向量机(SVM)对民众的表达方式进行二分类处理。首先由两名编码人员分别对随机抽取的2000条评论进行标注,理性表达型记为1,情绪表达型记为0。利用相关性分析验证标注结果的有效性。其次,从1500条评论中选取理性表达型评论300条,情绪表达型评论300条作为样本,将其中80%的数据作为训练集。第三步利用Python平台下的Sklearn算法模块实现SVM模型的训练,利用F1值、准确率、召回率作为模型评估指标。第四步,运用训练好的分类器对剩下的8679条评论进行表达方式标注。

3．识别意见领袖。意见领袖是网络社群中认可度高、说服力强的观点领导者。作为网络平台上的一种显性力量,意见领袖有其突出特征,比如获得较高的点赞或者回复。围绕意见领袖的观点,某条博文下经常会形成自发的小群体,出现局部辩论或全局辩论的场景。博登多夫和凯撒发现,意见领袖经常处于网络社区中心,与更多成员建立联系[23]。本研究拟使用社会网络分析法寻找微博平台#幼儿园不得教授小学教育内容#话题下的意见领袖并了解网络民众支持的代表观点。

社会网络分析法是一种分析描述网络属性的结构、性质、特征的方法,强调从关系或结构的视角分析研究对象。利用社会网络分析工具Gephi,选取“学前教育法草案征意见：幼儿园不得教授小学教育内容”博文下1000条评论,将其中630名成员以001-630的数字简化标记,每一个成员为一个节点。若成员两两之间存在互动,则用直线将两点相连并且利用Gephi进行可视化操作以及节点中心度统计。节点中心度包括程度中心度、中介中心度以及接近中心度,三个指标存在信息重叠[24]。基于节点的中心度高低,可以有效识别该话题下的网络意见领袖以及代表观点。

(三)研究框架

本文提出如图1所示的研究框架,总结从数据预处理到数据分析的过程和步骤。

图1 研究框架

四、研究结果

(一)舆情热词

基于TextRank算法得到的首个高敏热点词是“小学”,该词在万条数据评论中的权重达到峰值(峰值为1),说明“小学”成为此次公共决策下舆论关注的焦点与中心(图2)。

图2 基于TextRank算法的关键词提取结果

借助高频词形成的语义网络(图3),结果发现与“小学”紧密联系的是“拼音”“作业”“教学”“基础”等关键词。在有关学前教育领域的改革决策下,民众的目光却不约而同地聚焦在小学阶段的教学内容、学习方式与学习强度上,诸如“幼儿园不让教,但是一年级默认啥都会。入学考试还要考加减法、考背诗、考认字、考英语。”此类评论,体现出民众对教育连贯性深深的担忧与焦虑。舆论关注的另一焦点围绕“机构”“课外”“辅导班”等词(图3),讨论的主题有二。其一,民众表达出对学前教育领域此次改革效力的疑问,即政策对公办幼儿园和对民办早教机构的制约力度是否相同,例如评论“所以这次改革私立的管吗?”；另一方面,幼儿园办园体制的市场导向下课外机构已俨然成为了安放家长焦虑的庇护所,该话题下有不少声音表示担忧,此次决策是否会推动私立辅导机构蓬勃生长而导致教育异化更加严重,例如评论“幼儿园不教,外面培训班教啊,这就是变着法想让我们报课外班。”

图3 关键词语义网络

(二)网民情感分析

使用SPSS对两次情感标注的相关性分析的结果显示P值小于0．05,说明情感标注结果较为准确,受主观性影响较小,具有训练SVM模型的价值。在确保情感标注准确性后,调用Sklearn算法模块对SVM模型进行训练,惩罚系数C值选择0．1,模型评估指标如下：准确率、召回率、F1值均为0．83。使用模型得到的全部评论数据的情感倾向如表2所示,负向情感评论占比86．4%,正向评论占比仅为13．6%。

表2 决策态度分类结果

在#幼儿园不得教授小学教育内容#话题下,评论者几乎都是该事件直接或间接的利益相关者,密切关注着学前教育的改革动向,表达自己的意见看法。当个体的情感态度上升至群体层面,将形成相关改革的情感联盟。遵循儿童身心发展规律的重要性,学前教育改革的急迫性,事关每个孩子、每个家庭,但结果却显示该话题下形成一股强势的消极情感联盟,民众几乎一边倒地“不支持”。

使用SPSS对两次表达方式标注的相关性分析的结果显示P值小于0．05,说明编码人员对于表达方式分类的标注较为准确,能够为后续训练SVM模型提供较好的数据支撑。调用Sklearn算法进行SVM模型拟合,惩罚系数选择0．1,最终模型评估指标为：准确率0．82,召回率0．81,F1 值 0．81。 使用模型得到的全部评论数据的表达方式分类情况如表3所示,情绪表达型占比71．4%,理性表达型占比28．5%。由结果可见,网民更倾向于直接表达对此次决策的态度,大部分言论表现出浓厚的情绪色彩,常出现“不同意”、“乱改”等词语,“!”、“?”等加强意见强度和表示对决策诘问的标点符号。

表3 表达方式分类结果

联系网络民众对于该决策的情感态度(表4),可以发现态度为不支持的群体中,情绪型表达方式高达75%,理性表达方式仅为24．9%；态度为支持的群体中,情绪表达型占比48．3%,理性表达型则为51．6%。可见态度呈现不支持的民众,其表达方式多为情绪表达型,而态度为支持的民众情绪表达型的表达方式明显减少,更多依靠客观事实、逻辑推理进行观点表达。

表4 决策态度与表达方式交叉表

(三)意见领袖识别

使用Gephi生成的可视化社会网络(图4)共包含630个节点和790条边。在传播网络的个体层面,可以用程度中心度、接近中心度以及中介中心度这三个中心度指标进行关键节点的识别,关键节点可以被认为是关于该决策话题的具有较大影响力的网络意见领袖。中介中心度的高低代表着节点对于该网络中资源的控制程度强弱,其越大则信息控制能力越强。换句话说,中介中心度高就意味着此节点处于网络的中心。由表5可知,中介中心度排名前5的分别是编号146、251、343、437和539。程度中心度是指在传播网络中,与该节点有直接联系的节点数,该指标越高则说明此节点所代表的用户在传播网络中越活跃,影响到的用户数量越多。编号146、437、343、251 和 539 程度中心度靠前。接近中心度意指节点与其所处网络中的其他所有节点的最短路径之和。若一个节点接近中心度越高,就说明该节点与其他节点的距离越短,在网络中的重要性越高。其中146、343、437、251 和 539 的接近中心度排在前列。

图4 意见领袖社会网络图

结果显示,小小-陌上花(编号146)用户的三个指标显著高于其他用户,在该社会网络中起到关键节点的作用。其不仅吸引大量成员参与交流,还在很大程度上影响其他用户观点,可以被认为是该社会网络中的意见领袖。对该意见领袖进行微博身份查询,发现该用户粉丝数为80,发博数为316,博文内容多与家庭亲子互动相关。其观点为“幼儿园什么都不教,上小学进度又太快,孩子根本不适应。还是建议大班开始慢慢有些过渡的好,或者一年级刚开始进度不要太快。”这一观点在该话题下获得了三万四千多人的点赞,成为此次网络民意的代表观点,表现出对条例内容的质疑以及相应匹配措施落实的要求。

五、讨论

(一)网络民意形成的机制探索

《学前教育法草案》第39条在网络平台上引发了大量网民的关注与讨论。从决策态度、表达方式、代表观点三方面的综合结果来看,网络评论中有部分理性建言,但在确保决策方向正确的前提下,网络民意的“一边倒”态势值得深思。本部分拟从网络民意的聚合机制以及负性情感偏向的形成机制两方面入手,探讨该决策下负向网络民意的形成,以减少舆论的盲目性和随意性,助力公共决策的推行和公共管理工作的开展。

1．网络民意的聚合机制。网络平台上民意客体的热度影响因素对社会民众的刺激量变积累达到一定的质变临界值,会使民众产生应激反应,触发民众的传播意愿[25]。其中,网络平台上民意客体的热度影响因素包括议题的公共性与敏感性[26]。第一,当议题的公共性越高,影响范围越广,触发量变积累的可能性就越大。学前教育是基础教育的重要组成部分,是我国学校教育和终身教育的奠基阶段,其公共性程度不言而喻。有学者认为,如果将幼儿园、小学、中学以及大学这四级教育按公共性质进行划分,那么学前教育应当是各级中社会受益面最广、公共性最强的一项社会公共事业[27]。学前教育领域决策过程涉及的群体十分广泛,微博话题评论者几乎都是该事件直接或间接的利益相关者,密切地关注着该领域的改革动向,表达着自己的意见看法。

议题的敏感性在触发因素中最具影响力,与网络民意的强度有直接关系。在学前教育领域中,公办园民办园的教育资源问题、各地区的教育机会问题具有敏感性[28]。不少网友借助微博平台,质疑该决策对私立幼儿园的制约程度。在我国学前教育改革的过程中,由于缺乏配套的经费支撑,政府将学前教育简单地推向了市场。私立幼儿园应运而生且飞速成长。当前,学前教育界虽然存在多主体办园的多元化特色,但却呈现出杂乱无章的景象,引发民众担忧。同时,地区教育质量不平衡的问题在决策过程中也触及民众的敏感神经。有网友表示,我国幅员辽阔,区域、城乡存在发展不平衡不充分现象,欠发达地区存在教育规模发展不尽如人意、教师素质水平不高、教育经费投入不足等问题。如果按照“一刀切”的方式去纠正幼儿园超前教育的做法,实质上是对幼儿教师提出更高的要求,教师需要具备极高的素质。但十分明确的是,当前欠发达地区教师的专业素养和综合素质还不足以实现禁止超前教育工作背后的初衷。

2．负性情感偏向的形成机制。当前民众对禁止超前教育这一条例形成负向情感联盟是多方因素综合的结果。本文将从心理噪声、沉默螺旋效应和极化机理三个方面讨论网络平台上民众负向情感偏向形成的机制。

第一,心理噪声意指网络民意主体思维定势以及偏见成见等影响网络民意聚合的因素。该议题下社会民众的心理噪声主要表现为民众对学前教育认识不清。随着我国经济的发展,虽然《幼儿园教育指导纲要》明确指出,幼儿园的职能是保教并重,但民众对于幼儿园的期盼与要求逐步从“保育”转向“教育”,从“教育”转向“高质量的教育”,仅提供看护、托幼服务的幼儿园已经逐步淡出民众的视野。当幼儿园“保教并重”的职能弱化,多数家长将幼儿园当作基础教育的一部分以供下一学段衡量检验,幼儿园超前教育就自然而然成为十分正常甚至正确的事情。对于学前教育阶段如此的解读是造成众多网络民众对《学前教育法草案》第39条持负向态度的重要原因。

第二,“沉默的螺旋”假说认为人们在表达自己的观点时如果遇到自己赞成的且广受欢迎的观点,就会积极参与进来,而对于少数人持有的观点,即使自己赞成,也会有很大可能选择保持沉默。这将引起“优势意见大声疾呼”以及“劣势意见沉默不语”,这种螺旋式的扩张过程推动社会生活中具有压倒性优势的“多数意见”——舆论的诞生。舆论的力量来源于人的社会本质,来源于个人对被孤立的恐惧,来源于个人对和谐人际关系的寻求[29]。从上文对意见领袖的探究结果来看,民意的代表观点表现出对该条例内容的质疑与对配套改革措施施行的要求。当民众看到类似观点热度很高且受到追捧,就会积极参与讨论使其向更大范围扩散,形成压倒性优势。与此相反,为了避免被数量众多的“主流意见”持有者群起而攻之,对该条例表示支持的网络民众选择了沉默。

第三,桑斯坦指出在群体中进行决策时,民众往往会比个人决策时更倾向于冒险或保守,向极端倾斜从而背离最佳决策。与他人进行逻辑论战或面临挑衅时,部分成员的论点阐述会变得具有防御性甚至走向极端[30]。有类似的观点认为,经由讨论所形成的群体态度会比讨论之前的个人态度的平均值更趋向极端[31]。随着信息技术的发展,科诺弗等认为互联网加剧了“群体极化”现象,大数据环境下的多媒体通道使得信息的传播速度和效果得到极大的增强,更容易迎合社会民众在网络讨论参与过程中的偏好,同时,相较于传统媒体,社交平台上的观点聚合态势很难得到控制,网络民意客体细微的变化也会在蝴蝶效应的作用下引发难以预测的网络民意主体的观点演化[32]。借助网络平台的自由发声,民众为了突出自己的决策感受而采用情绪化的表达方式,以强势的观点内容对其他进入讨论场域的围观者造成压迫感,以致网络平台中的其他声音日渐式微以致退缩。正如桑斯坦所指出的,“真实世界的互动通常迫使我们处理不同的东西,虚拟世界却偏向同质性,地缘的社群将被取代,转变成依利益或兴趣来结合的社群。[33]”

(二)网络民意的治理策略

网络民意对于公共决策而言具有双刃剑的性质,决策过程中的民意收集、评估功能有利于公共决策的公正性与透明度的提高,但不可否认的是,网络民意在其聚合过程中不可避免地会出现偏差。因此,政府应当通过培养理性意见领袖、发挥主流媒体功效、提高网络民众素质等策略,减少信息输入的环节误差,保障政策的落地推行。

1．培育理性意见领袖。民意疏导的目的就是为了将非理性的舆情引导到正确的轨道上,其实质是引导网络民众改变态度的过程[34]。在web2．0时代,越来越多的学者发现网络意见领袖在民意疏导过程中的重要性,认为该群体在舆情传播过程中起着过滤或者中介的作用[35]。当网络平台上出现海量信息时,民众往往感到无所适从,此时他们会对具有更强流动性与号召力的意见领袖产生强烈依赖感。网络意见领袖通过发表自身看法引导社群成员的认知与行为,形成“媒体——意见领袖——社会民众”的传播途径[36]。为了营造理性的网络环境,政府一方面应当培养体制内的意见领袖[37],例如让政协委员、人大代表等开通微博解读决策,征求民意,以极具亲和力的话语表达方式就政策问题与民众展开讨论；另一方面,应当培养议题主持人、评论员、微博大咖等主流意见领袖,与他们建立积极的双向互动交流,借助网络社交平台反复讨论,厘清决策细节,成为推动改革的传声筒。例如,在此突发的公共卫生事件当中,钟南山、张文宏等意见领袖以其专业的知识与水平,积极向大众宣传抗疫主流思想,对民众存在的疑虑给予解答,成为了政府与民众之间信息交流的纽带。

2．发挥主流媒体功效。主流媒体一般具有品牌力、权威性[38],来自主流媒体的权威声音和深度报道具有较高关注度。在有关热点事件的报道中,虽然主流媒体的报道速度较网络媒体与自媒体稍慢一些,但胜在更客观、更理性、更深度。当热点话题经过社交媒体“人云亦云”的多级传播后,主流媒体就成为舆论场地的核心,其深度理性的报道就成为引导民意走向的关键[39]。2016年我国“媒体公信力调查”的结果显示,电视仍是公信力最强的媒体。因此,政府对新政策的宣传不应忽视主流媒体的正向作用,将主流媒体作为政府政策制定过程中的重要话语平台来打破沉默的螺旋效应。主流媒体应当正确评估网络舆情的发展并冷静处理民众情绪,认识网络社会的发展特点,用有效的论证以及导向性的言论来刺激沉默一方的潜在信息需求并产生相应的信息行为,避免观点向一方倾斜。在公共决策过程中,如果主流媒体能够及时检视网络民众的言论方向,与网络媒体进行适时的互动交流,以权威发布主导网络议题,就能及时凝聚人心、把握话语权。

3．提高网络民众素质。在网络民意聚合的过程,民众的素质高低与信息传播过程中情势的走向息息相关,民众的素质越高,就越能制约民意聚合过程中极化现象的发生与负面影响的传播[40]。同时,网络具有虚拟性、匿名性等特点,基于共享互惠原则建立起来的虚拟网络社会很难实现直面的道德舆论抨击,网络个体的道德自律成为正常的伦理关系得以维系的重要保障。鉴于此,在公共决策过程中要想实现网络民意的价值最大化,保障民众在决策参与过程中的实效性,一方面必须提高网络民众的参与素质。较高的素质使民众在参与公共决策过程中更加理性与谨慎,这能够有效缓解极化现象,营造良好的网络民众建言环境；另一方面,必须提高网络民众的媒介素养。媒介素养不仅包括获取媒介信息必要的技能技巧,还包括在与媒介接触过程中选择、解读、评价信息的能力[41],精神层面的升华才能使网民与媒介的关系从被动变为主动。在参与公共决策的过程中,只有网络民众在舆论场的聚合过程中能够对不同观点进行合理分析,才有可能降低极端思潮出现的概率,减轻极化现象带来的负面效应。

4．对话网络民众。党的十九大报告指出“建设人民满意的服务型政府”,这一要求表示政府的工作思想由权威本位转向公民本位,将这种理念应用于网络民意与公共决策的现实互动中,即表现为公民主导应是日后我国公共决策的发展方向。但是,公民主导绝不意味着当决策处于广泛质疑声中时,政府将所有权利让渡于民,一味地顺从民意而不争取民意,对政策的科学性不予以充分的解释与回应而直接草率地停止决策。如果采取这种方式,其实质是让决策成为民意的奴仆,这同样是对民众不负责任的做法。对于政府而言,面对民众的负性情感表达,首先应当给予民意释放以足够的时间与空间。任何在民意尚未发泄充分的情况下进行宣传与舆论引导的做法都只会引起新一轮的质疑。经过时间沉淀后,政府应当积极地与民众保持对话的态度,以平民化的视角去解释剖析决策的科学性与合理性,在互动中达成平衡,推动公共决策的落地。例如,PX项目在漳州的成功实行就能充分证明政府解释决策、对话民众的重要性。立足于传播诉求与传播效果的一致性,在新时代背景下决策主体应当善用双向互动与坦诚交流的逻辑理性,以实现以人为本的价值内核。