牟冬梅 邵琦 杨鑫禹 彭浩 毕强
关键词:突发公共事件;网络舆情;运行方式;信息生态
新冠肺炎疫情的全球流行在各大社交媒体平台上引起波动和舆论,我国突发公共事件的发生频率增高[1],这类事件由于其突发性的特点,会在短时间内引起大规模的讨论和爆发,在舆情发生发展的过程中会导致信息被夸大甚至虚构,引起一定范围的社会恐慌。同时,由于网民激增及信息爆炸等现象,给突发公共事件网络舆情带来了一系列迫切需要解决的信息生态问题。由于缺乏对舆情信息生态系统中不同生态因子的特征及其相互作用方式的了解,导致政府监管部门在舆情发生发展过程中难以快速建立有效的应对措施,导致信息生态环境恶性发展。
信息生态理论在情报学中的探索,是对情报生态活动全生命周期多要素耦合、多维度联动、多主体参与的综合集成管理。突发公共事件网络舆情是一个完整的信息生态系统,其发生发展受到多种因素综合的复杂影响,舆情信息生态系统内部各要素的运行规律不明会加大监管部门干预和引导的难度,容易引起公众的二次恐慌。现阶段更多的是针对事件的影响因素[2-3]和情感分析[4-5]进行网络舆情的探讨,无法反映舆情作为一个整体系统,其运行时内部各要素之间交互作用的规律和运行逻辑。部分学者从网络舆情的传播规律[6]、运行机制[7]及危机治理[8]等方面展开研究,也有在舆情主题内容[9]、主题信息[10]及主题情感[11]等方面取得研究进展。另一方面,信息生态理论逐步在网络舆情中展开应用,QinQ等学者从信息生态学的角度出发探究影响网络舆情热度的主要因素[12],NaghshinehN等研究社交媒体中的信息生态、信息流以及信息网[13],马捷等从构成要素的角度探究微博信息生态链[14],王晰巍等[15]梳理出微博信息生态链的形成机理和生态因子。然而从信息生态视域出发进行舆情运行的相关研究还不够丰富,尽管部分学者基于生命周期[16]等理论总结了舆情的运行特点[17]或运行机制[18],但仍缺少对舆情发展运行过程中各生态因子间复杂运行方式及其特征的深入分析。学者们的相关研究更集中于对突发公共事件网络舆情传播的某一单一特征进行探索性分析,而面向网络舆情信息生态系统的信息生态因子及因子间运行规律的综合性研究相对薄弱,缺少对聚焦于突发公共事件网络舆情内在的运行方式展开细粒度的分析,从而展开对突发公共事件舆情运行本质的深入剖析。
故从信息生态的视角出发,将突发公共事件网络舆情看作一个完整的信息生态系统,将信息因子、信息人因子以及信息环境因子看作影响舆情系统运行的“零件”,讨论舆情信息生态系统在运行过程中各生态因子的特征及因子间协同作用的规律,精准剖析舆情系统的运行方式及其本质,从而辅助监管部门及时采取有效措施,降低舆情恶性传播的风险。研究拟解决以下两个研究问题:①在理论层面,构建突发公共事件网络舆情生态因子模型,梳理舆情因子的属性特征、结构特征及其运行方式;②通过实证研究,发现网络舆情系统运行过程中各因子的作用强度及作用方向,量化因子之间的相互作用关系。
1信息生态视域下突发公共事件网络舆情=系统生态因子特征分析
信息生态概念于1997年由美国学者DavenportTH提出,将信息生态定义为“信息的整体管理”[19]。娄策群认为,信息生态系统是信息人和信息环境之间相互作用联系形成的具有信息流动、信息转化、信息共享等功能的有机整体[20]。在信息生态学理论背景下,整个信息生态系统包括信息因子、信息人因子以及信息环境因子,3个信息生态因子相互协调、共同作用,以保证系统的稳定性,而每个信息生态因子又因其地位以及特征的不同,对整个系统所产生的作用也不同。突发公共事件网络舆情本身也是一个完整的信息生态系统,基于信息生态视域,在舆情系统的运行过程中包含信息因子、信息人因子以及信息环境因子,3个生态因子之间相互联系,协同运行,从而保证舆情信息生态系统的完整性和稳定性。突发公共事件网络舆情作为舆情的单一子类具有更为广泛和严重的影响力,在系统中,由于突发公共事件的特殊性,突發公共事件网络舆情系统中的三大生态因子也具有突出性质与特征,结合信息流行的相关理论[21],分别梳理不同信息生态因子的性质与特征。
基于信息生态学理论,对突发公共事件网络舆情系统的生态因子进行理论分析,首要任务是对在网络舆情系统运行过程中的因子特征进行分析,即对独立的信息因子、信息人因子和信息环境因子进行研究,完成信息生态视角下突发公共事件网络舆情系统运行过程的生态因子特征的剖析和解读。
1.1信息因子特征分析
在突发公共事件网络舆情系统中,信息因子最重要的特点可以概括为简洁性、不可预期性、具体性、可信性、情绪性、叙事性6个方面,这6个特性在一定程度上会影响舆情系统的运行。微博是网络舆情信息传播的主要平台,以此为例阐述信息因子在舆情系统运行过程中的性质。①简洁性:简短的信息内容更容易被阅读及传播,如微博文本本身具有短文本的特征,其字数限制在140个字符内;②不可预期性:突发公共事件本身具有突发性和公共性,其网络舆情的讨论和运行过程也随之具有不可预期性;③具体性:明确具体的事件主题内容更容易被群众接受和传播,热点高频话题词在繁杂冗余的信息文本中更加能够凸显信息主题;④可信性:信息间清晰的语义关系对舆情信息的传播起到驱动性的作用;⑤情绪性:不同极性及程度的情感分数会赋予信息内容不同的讨论方向,从而影响舆情运行进程的波动;⑥叙事性:指舆情传播过程中话题的交互讨论程度,点赞、评论及转发等行为都充分体现了信息的叙事性。
在信息交互和传播的网络平台上,即使是相同用户的不同博文信息也会出现较大差异数量的转发量,说明网络舆情的运行过程会受到信息内容、信息主题以及情感倾向的综合影响。针对信息因子6个特性,由于突发公共事件网络舆情本身具有不可预期性,其信息内容传播的社交媒体平台又保证了信息文本的简洁性。情绪性和叙事性具体表现为舆情信息的点赞数、转发数、评论数、情感分数等,可以归纳概括为信息因子的属性特征;而舆情信息的主题关系及语义关联能够反映基于信息主题的具体性和基于信息关联的可信性,呈现为信息因子之间连接的结构特征。即通过信息内容中的点赞数、转发数、评论数、情感分数4个属性特征及主题关系、语义关联两个结构特征,能够综合判断信息因子在突发公共事件网络舆情系统运行过程中所发挥的作用。
1.2信息人因子特征分析
在信息活动中,普通网民作为社会主体的主要部分,在决策过程中会将仅来源于一小部分人的信息作为参考依据,即决定性的信息来源于社会中的少数群体,则这部分影响者是信息传递过程中的关键人物,同时这类群体之间没有显著的等级差异[22]。突发事件网络舆情系统运行过程中,信息人因子根据其功能不同,分为信息生产者、信息传递者和信息消费者。信息生产者在舆情事件运行过程中完成信息的初始发布任务,在一定范围内引起大量的关注和讨论,体现出明显的影响力;信息传递者,建立信息交互和流动的纽带和桥梁,当舆情信息的转发用户是关键的联络员后,可能会引起信息在扩散范围和传播速度上的大量提升;信息消费者,是舆情系统运行过程中的主要群体,在获取满足信息需求后的相关信息后,又在一定范围内促进信息的传递和扩散。
为了探究信息人对突发公共事件网络舆情系统运行的影响效用,首先从结构特征来看,必须找到网络舆情传播网络的关键节点,发现信息的发布—转发关系中的关键人物,锚定信息人网络结构中的核心节点及中介节点,从而明确在舆情运行过程中发挥驱动作用的关键人物;其次,判断某一用户是否为舆情信息运行的关键人物,从属性特征来看,由于突发公共事件的公共性质,导致舆情传播过程中不同类别的用户属性可能具有不同的公信力,另外可以根据舆情运行的网络平台中的各个指标为参考,以微博平台为例,包括用户属性(注册类别)、活跃度(发博频率)、粉丝数(主动影响)、关注数(被动影响)等均能综合反映信息人在舆情传播过程中的作用强度。综上,在突发公共事件网络舆情的运行过程中,信息人因子通过用户属性、活跃度、粉丝数和关注数4个属性特征以及核心节点和中介节点两个结构特征,决定了其是否能成为关键人物,从而影响舆情系统的运行。
1.3信息环境因子特征分析
公众往往会忽视信息传递过程中信息环境的重要性,而局限于从事物的内在特征进行分析和解读,其实人作为群体性生物,信息行为是受到环境影响的。另外,网民个人在独处环境下对事件的判断,与在群体环境下做出的判断通常是不同的。在突发公共事件网络舆情信息系统的运行过程中,一些环境因素比较突出,而且在舆情信息发布后,其发展并不是一蹴而就,而是综合舆情传播环境中的阅读量、点击量、搜索次数、发文量等多种影响因素,对网络舆情整体的运行起到驱动作用,舆情讨论的整体热点和氛围能够引导舆情的话题热度和讨论方向,从而对舆情系统运行情况产生影响。
针对突发公共事件网络舆情运行环境的分析,可以以综合指数分析平台所公布的搜索指数为参照判断舆情热度,对舆情运行的平台环境进行较为客观、综合、全面的评价,根据舆情热度的波动发现舆情系统运行过程中的环境威力,结合信息环境中的信息技术影响,归纳信息环境因子的属性特征包括技术支持和舆情热度,即突发公共事件网络舆情信息的运行,不仅仅受到作为主体的信息人生态因子及作为客体的信息生态因子的影响,其背后复杂的信息环境生态因子同样会影响舆情的运行,即信息环境通过技术支持和舆情热度的综合影响驱动舆情系统的运行。
1.4突发公共事件网络舆情系统生态因子模型
在信息生态视角下,突发公共事件网络舆情处在信息生态系统中,在舆情系统的运行过程中,信息因子、信息人因子以及信息环境因子也因为其性质和结构的不同,对整个舆情系统的运行情况产生的作用也不同。通过对突发公共事件网络舆情系统的生态因子特征研究,深入剖析不同因子的属性特征和结构特征,发现各个因子在舆情系统运行过程中是通过属性特征以及同种因子之间的结构特征发挥作用,构建突发公共事件网络舆情系统生态因子模型,如图1所示。
2信息生态视域下突发公共事件网络舆情系統运行方式假设
突发公共事件网络舆情是一个完整的信息生态系统,生态因子是在舆情系统内部不断起到交互作用从而保障系统稳定的“零件”,从宏观的系统性视角探究舆情系统运行方式,需要深入挖掘生态因子之间相互联系、作用的规律和原理[23]。因此,研究认为,对突发公共事件网络舆情运行方式进行研究,即在突发公共事件网络舆情系统运行的过程中对不同信息生态因子间运行逻辑进行研究,包括对舆情生态系统中各个生态因子的特征以及因子之间协同作用的方式分析。研究以突发公共事件网络舆情系统作为研究对象,以其运行方式作为研究落脚点,基于信息生态学中的信息生态因子相关理论,展开对舆情系统运行过程中生态因子及其特征、因子间交互作用方式的理论探讨与分析,从理论分析层面进行突发公共事件网络舆情系统运行方式的细粒度剖析,假设生态因子间相互联系的逻辑关系,并建立生态因子及其属性特征间的作用方程式。
在信息生态学理论中,信息生态系统包括信息因子、信息人因子和信息环境因子,研究基于信息生态学理论探究舆情系统运行过程中各生态因子之间相互影响的作用关系,依据本研究对各个生态因子属性特征的分析,分别从信息因子、信息人因子以及信息环境因子3个层面探讨突发公共事件网络舆情系统的运行方式,剖析信息因子、信息人因子及信息环境因子在舆情系统运行过程中产生的影响力大小及方向。拟定突发公共事件网络舆情系统运行方式假设方程如下:
首先,信息人因子是如何对舆情的运行产生影响,根据对生态因子的分析,可以确定信息人通过用户属性(注册类别)、活跃度(发博频率)、粉丝数(主动影响)、关注数(被动影响)4个属性特征对舆情的运行方式产生了影响。继而需要明确信息人的各个属性在舆情系统运行过程中产生的影响力大小,采用定量分析的方式,基于舆情传播过程中的不同属性特征的相关数据,确定信息人因子中不同属性的影响力大小。综上,研究拟定信息人因子影响舆情系统运行方式的方程:
其中,Public代表信息人因子:Category代表博主类别、Follows代表关注数、Fans代表粉丝数、Activity代表博主活跃度,m、n、p、q代表系数。
2.2信息因子运行方式假设
首先,信息是如何对舆情的运行产生影响,根据对生态因子的分析,可以确定信息因子通过舆情信息的点赞数、转发数、评论数、情感分数4个属性特征对舆情系统的运行方式产生了影响。继而需要明确信息因子的各个属性在运行过程中产生的影响力大小,采用定量分析的方式,基于舆情传播过程中的不同属性特征的相关数据,确定信息因子中不同属性的影响力大小。综上,研究拟定信息因子影响舆情系统运行方式的方程:
2.3信息环境因子运行方式假设
首先,信息环境是如何对舆情的运行产生影响,根据对生态因子的分析,可以确定信息通过舆情信息环境的技术支持和舆情指数这两个属性特征对舆情系统的运行方式产生了影响。继而需要明确信息环境的各个属性在运行过程中产生的影响力大小,采用定量分析的方式,基于舆情传播过程中的不同属性特征的相关数据,确定信息环境因子中不同属性的影响力大小。综上,研究拟定信息环境因子影响舆情系统运行方式的方程:
其中,Environment代表信息环境因子:Equip⁃ment代表技术支持、Index代表舆情指数,s、t代表系数。
综上,可以得到信息生态视角下的突发公共事件网络舆情运行方式模型。如图2所示,依据信息生态因子相关理论出发,探究信息因子、信息人因子以及信息环境因子3个生态因子的性质,挖掘其属性特征以及结构特征,从而完成对生态因子特征的分析;探索信息人因子、信息因子及信息环境因子中不同属性特征的耦合关系,再进一步挖掘3个生态因子之间协同作用过程中不同属性特征之间的作用方式,以完成信息生态视角下舆情系统运行方式的解读。
3信息生态视域下突发公共事件网络舆情系统运行方式实证
研究针对信息生态视角下突发公共事件网络舆情生态因子的分析,既包括从信息生态学理论出发完成理论分析,同时也包括相关实证研究,在一定程度上验证理论模型的有效性和可行性,通过社会网络分析和自然语言处理技术深入解析案例事件舆情系统的运行方式,将突发公共事件网络舆情运行方式的理论分析落实到实处。
3.1数据获取
突发公共事件网络舆情频频爆发于以微博为代表的社交媒体平台上,故研究选取微博平台的相关数据作为数据源。根据前期相关研究显示,2018年7月15日—8月13日经历了国家药品监督管理局发布某生物有限公司造假通告、国务院调查组公布调查进展及对某公司进行处罚及补种措施,体现了该事件较为完整的生命周期,为保证实验数据的完整性和准确性,故研究以突发公共事件“XXX”为主题词,采用网络爬虫工具集搜客Gooseeker,爬取新浪微博上相关主题的博文数据,采集2018年7月15日—9月30日共计34384条相关数据,包括搜索关键词、博主ID、博主昵称、博主类型、博文、博文网址、发布时间、发布终端、转发评论及点赞数等数据。人工清洗原始数据,剔除与舆情事件不相关的博文、图片、链接、视频等数据。
根据生命周期理论将案例事件划分为潜伏期、爆发期、蔓延期和衰退期[24],以爆发期为例,选择时间跨度为2018年7月15日—2018年7月24日共计10天的12244条博文数据,采用系统抽样的方式进一步筛选数据,根据不同日期内当天累计博文发布的数量与总博文的占比比例,从该日期中随机抽取相应比例数目的博文,使得进行系统抽样筛选后的博文数据量达到2000条。在获得的2000条博文数据的基础上,进一步进行数据清洗与剔除工作,将与案例事件不相关的博文剔除,最终获得运行方式分析的数据源,共计1794条博文数据。
3.2舆情系统运行方式验证
从信息因子、信息人因子及信息环境因子3个方面分别拟定运行方式的假设方程,确定不同生态因子中各个属性特征的作用方向及作用强度。研究以因子分析作为研究方法进行舆情运行方式的分析,判断不同生态因子在舆情系统中运行方式的差异及各个维度内因子属性之间的影响作用。
根据运行方式方程,研究探索了10个不同维度不同类型的生态因子属性特征,包括舆情信息人的用户属性、活跃度、粉丝数、关注数,舆情信息的点赞数、转发数、评论数、情感分数,舆情信息环境的技术支持和舆情指数,其中用户属性、活跃度、粉丝数、关注数、点赞数、转发数、评论数能够直接通过网络爬虫的方式获取。研究的情感分数值借助武汉大学团队开发的ROSTEA情感分析工具,针对每一用户发布的博文文本数据判断其对长生疫苗事件的情感倾向并计算情感分数值,积极情感分数值为正值,消极情感分数值为负值,中性情感分数值为零,其数值的绝对值大小代表不同情感倾向的程度;舆情指数则依靠百度指数这一舆情综合指标进行量化;最后根据不同的客户终端,即用户所使用的不同技术功能的终端设备,包括安卓系统、IOS系统两类,判断舆情信息环境的技术支持特征。
研究通过因子分析的方式进行定量计算,首先将数据中的各个属性值导入SPSS18.0中进行可行性检验,发现实验结果中KMO检验值为0.655,通过可行性检验,可以通过因子分析的方法进行计算。P值小于0.01,具有统计学意义,Bartlett球形检验值小于0.01,说明采用因子分析方法的有效性。根据表1主因子总方法解释表中的数据,获取F1、F2、F3、F4共4个公因子,4个公因子分别能够解释总体信息的27.984%、19.59%、12.025%和10.382%,累计69.981%。4个公因子能够在一定程度上代表总体信息,以此进行突发公共事件网络舆情运行方式的定量分析。
通过最大方差法进行正交旋转处理,将原始因子载荷矩阵转换为旋转因子载荷矩阵,如表2所示。
3.3舆情系统运行方式分析
通过因子载荷矩阵可以得到原始变量的线性关系,载荷值小于0.4考虑删除,综合判断处理归纳为哪个因子,并重新对各个因子进行命名。旋转后的成分矩阵因素解释更为显著,故根据旋转后的成分矩阵可知,因子Likes点赞数、Forwards转发数、Comments评论数在第一个主因子F1的载荷系数大于0.4且数值较高,主要反映舆情运行过程的信息内容的特征情况,可解释为信息因子,故将主因子F1归纳为信息因子Information;因子Activity博主活跃度、Category博主类别、Equipment技术支持以及粉丝数Fans在第二个主因子F2的载荷系数大于0.4且数值较高,主要反映舆情运行过程中博主的相关情况,可解释为信息人因子,故将主因子F2归纳为信息人因子Public;因子Index舆情指数、Emotion情感分数在第三个主因子F3的载荷系数大于0.4且数值较高,主要反映舆情运行过程中整体环境的讨论热度以及情绪发展的相关趋势,可解释为信息环境因子,故将主因子F3归纳为信息环境因子Environment;因子Follows关注数在第四个主因子F4的载荷系数大于0.4且数值较高,主要反映舆情运行过程中博主的关注人数,分析舆情信息传播过程中信息的传播方向主要为博主对其下游粉丝的影响及传播,而对其上游关注者的传播及影响力相对较小,故实验结果中博主关注数为单独一组。相关研究显示,在研究粉丝数和关注数对信息人的影响程度时,对信息人产生决定性影响的是粉丝数,其标准化回归系数是关注数的13倍,经过综合判断發现,关注数可能对舆情运行过程没有显著影响,故删除因子F4。
实验结果:各个变量在不同主因子的分布情况与原假设不同,信息因子中包括点赞数、评论数和转发数,缺少了情感分数变量,而将其归纳为环境因子中,分析可能的原因是舆情博文中的情感值判断,不仅会影响博文信息内容本身的运行和发展,更多的是在舆情运行过程中对整个传播环境的情感趋势影响;信息人因子中包括博主类别、粉丝数和活跃度,缺少了关注数的同时增加了技术支持变量,分析可能的原因是对于信息人因子,即微博博主来说,传播的影响力主要产生在关注博主的粉丝,而很难对其上游的关注者产生影响,并且发布博文的终端设备由于是归属于博主本人的发布设备,故由于发布设备不同而产生的不同影响也归属于信息人因子;环境因子中包括舆情指数,缺少了技术支持并且增加了情感分数,如上述分析,技术支持更多归属于信息人因子,而情感分数则倾向于对整体环境的情感趋势影响。
经过调整后,以表2为依据,根据因子载荷矩阵中不同变量归属的不同主因子及其载荷系数,分别得到信息因子、信息人因子以及信息环境因子的综合计算方程:
由此可以分析得出,在突发公共事件网络舆情的运行过程中,信息因子、信息人因子以及信息环境因子之间相互作用,其具体的运行方式中信息因子对舆情的作用程度最高,约占50%,可见舆情运行传播过程的本质仍然是信息内容本身的扩散,
而信息人因子对舆情的影响也相对较高,约占1/3,作为舆情传播的主体也占据重要地位,而信息环境因子对舆情的传播运行也产生了一定的辅助作用,不同属性特征对整体的影响权重有所不同,博文信息的转发、评论和点赞数对舆情的运行仍是主要的变量,博主活跃度和技术支持对舆情的运行影响是负相关作用。
3.4研究结果
因为运行方式研究是对舆情系统运行过程中整体运行逻辑的剖析,即对舆情系统的运行特征及运行方式的综合探讨,故本研究以信息生态相关理论为指导,从生态因子、生态因子的特征以及系统运行方式3方面完成对突发公共事件网络舆情系统运行方式的深入分析和探讨。
1)基于信息生态因子相关理论,厘清突发公共事件网络舆情生态因子及其特征。信息生态系统包括信息因子、信息人因子以及信息环境因子,能够对舆情系统运行产生影响作用的属性特征和结构特征,即信息因子及其点赞数、转发数、评论数、情感分数4个属性特征,主题关系、语义关联两个结构特征;信息人因子及其用户属性、活跃度、粉丝数、关注数4个属性特征,核心节点、中介节点两个结构特征;信息环境因子及其技术支持和舆情指数两个属性特征。
研究发现,在突发公共事件网络舆情的发展运行过程中,不同生态因子对舆情系统运行产生影响的特征不同,即着力点不同。信息因子根据舆情信息内容的流行程度发挥作用,在舆情的监管过程中可以通过点赞等数据综合判断信息内容的流行程度;而信息人因子则主要强调用户的影响力大小,并通过信息人网络中的关键节点及中介节点发现舆情运行过程中的主要信息人;信息环境因子的属性特征则包含技术环境和话题热度环境,综合影响舆情传播的效率。通过剖析舆情的生态因子及其特征,能够有效指导现实社会中舆情管控的方向和要点,提升舆情监管效率。
2)拟定不同生态因子协同作用的运行方式方程。结合生态因子的属性特征,分别拟定以信息人因子、信息因子、信息环境因子为因变量的运行方式方程。在信息生态视域下,从3个生态因子出发,拟定不同维度下舆情系统运行方式的方程式,总结不同属性特征影响三大因子的方式,展开对舆情整体运行方式的细粒度剖析,为其他突发公共事件网络舆情实例分析提供研究切入点,从而有效量化不同属性特征的作用强度和方向,辅助舆情回顾性分析,为同类事件的监管提供参考和预警
3)通过因子分析方法,定量分析生态因子之间协同作用的运行方式。计算突发公共事件网络舆情系统运行过程中生态因子及其属性特征发挥作用的权重系数,确定拟定的以信息人因子、信息因子、信息环境因子为因变量的运行方式方程,发现信息因子的作用强度约占50%,而信息人因子约占1/3,可见舆情系统运行过程的本质仍然是信息内容本身的扩散,不同属性特征的权重有所不同,博文信息的转发数、评论数和点赞数在舆情的运行过程中仍占主要作用,博主活跃度和技术支持发挥是负相关作用,故综合所有属性特征指出舆情系统运行方式的定量关系为:
通过实证分析进一步发现,突发公共事件网络舆情由于其突发性和公共性的性质,信息的传播效率较高,公众对舆情的讨论较为热烈,文本信息的点赞、转发等数据成为影响舆情运行发展的主要特征。而对于用户来说,官方机构媒体相对于个人用户即便活跃度不高,但仍能起到推进作用,成为影响舆情运行发展的重要特征,且积极的情感倾向更能够带动舆情的运行,完成从定量视角对舆情系统运行方式的剖析。
4结语
本研究从突发公共事件网络舆情的本质出发,在已有研究的基础上,试图从信息生态的角度,利用定性与定量相结合的方法梳理舆情运行过程中各个生态因子的特征以及其在舆情系统运行过程中的作用方式,厘清突发公共事件网络舆情运行规律,从根本上解释突发公共事件网络舆情系统的运行规律,为政府决策提供理论支持,为突发公共事件网络舆情监管提供参考,使信息生态环境向有利于人类的方向发展。
一方面,突发公共事件网络舆情运行的生态因子包括信息因子、信息人因子、信息环境因子。基于信息生态因子相关理论,阐明信息人因子、信息因子和信息环境因子在突发公共事件网络舆情系统运行过程中的作用规律,归纳出舆情生态因子的属性特征和结构特征。另一方面,突发公共事件网络舆情运行方式的研究是综合考量各个生态因子之间协同作用的运行方式,并对信息因子、信息人因子和信息环境因子中细粒度的属性特征进行融合,发现不同类型的属性特征相互影响状态下如何协同发挥各自的作用,并量化其作用强度以及作用方向,最终确定突发公共事件网络舆情系统具体的运行方式。辅助监管部门控制、疏导、管理和分析突发公共事件网络舆情运行态势,把握突发公共事件网络舆情运行的原理和规律。本研究仅以微博作为主要的突发公共事件网络舆情的运行平台,研究具有一定的局限性,拟在未来的研究中納入更加广泛的数据源,降低实证研究的误差。
3434500338242