基于SNA的网络舆论突发事件信息传播网络结构研究

杜蕾 郭荣丽

摘   要：在当前自媒体时代背景下，网络舆论类突发事件信息的快速变化与无界限传播增加了事件控制的难度，对传统政府信息管理提出了挑战。以“雷洋事件”为实证研究对象，运用社会网络分析对事件信息传播网络结构进行测度分析，研究结果表明，在网络舆论突发事件信息传播网络中，网络密度越大，节点间信息传播越迅速;网络聚类系數越大，网络中越易生成小团体集聚。此外，研究还发现，在网络舆论突发事件中的核心网络节点和具有结构洞特征的局部核心节点，在信息传播中更具优势。由此，提出构建政府与网络媒体、自媒体等异质结构节点相互依赖、权利共享的动态多元突发事件协同治理网络。

关键词：网络舆论突发事件;信息传播;网络结构;社会网络分析

中图分类号：C915      文献标志码：A      文章编号：1673-291X（2022）17-0144-03

一、引言与文献综述

在“互联网+”时代背景下，微信、微博、自媒体等新媒介快速普及，话语权下放，人人都可以成为信息发布、意见表达和社会动员的主体。近年来中国网络舆论类突发事件频发，呈现出逐年增加、复杂多变等特点。区别于其他类型的突发事件，网络舆论类突发事件更多由信息的传递和扩散而驱动发生。尤其在具有典型信息社会特征的大中型城市中，网络舆论突发事件的发展演化更加复杂与混沌，增加了事件治理的难度，对传统政府危机管理提出了挑战。

目前，网络舆论突发事件的研究主要聚焦于传播学、政治学和公共管理学等领域。传播学研究侧重采用案例研究对危机信息的传播机制和模式等展开探讨。突发事件信息传播是组织与公众在事前、事中和事后的对话，快速扩散的信息和意见深刻地影响事件的发展态势（Li et al.，2020）[1]。同时，诸多研究与政治学交叉，侧重从制度层面研究网络信息传播的政府责任及网络民主等。相关研究指出，网络信息对政治存在潜在影响，但其并不会引发政治变革（Moon et al.，2011）[2]。然而在当今网络时代，政治最大的威胁实质上不是来自于政府权力，而在于对信息的控制和操纵（Staudigl，2014）[3]。对此，学者通过对无标度网络中各节点的分析，给出政府最优干预策略（Haihong et al.，2019）[4]。我国学者更多从公共管理角度展开。例如，从舆情受众及传播视角探索政府如何介入和有效开展危机管理，通过构建网络舆情的分类标准及监测指标，进而预测发展趋势（任中杰，等，2019）[5]，搭建网络舆情分级危机预警机制，实现舆情化解。而鉴于突发事件中个体的连续型舆论和不同信任水平，需要从政府工作机制及部门设置视角推动网络舆情化解，构建以疏导代替围堵的治理机制（马永军，杜禹阳，2018）[6]。此外，有学者尝试以社会网络理论为基础，采用“弱-强”关系及“结构洞”等对网络舆情的“小世界”及“无尺度网络”进行研究（王伟，靖继鹏，2007）[7]。

综上，学者对网络舆论突发事件进行了不同视角的研究，初步建立了基础性的研究框架。但大多研究仍限于理论和实践问题的定性探讨，尚未对大规模网络数据进行深层次分析。

二、数据处理及网络可视化

（一）数据处理

本文选取“雷洋事件”作为典型案例，运用社会网络对隐含的分散数据进行获取，进而分析网络舆论突发事件信息传播网络结构特征。数据网络节点以“雷洋事件”中充当信息发布者、传播者的各大网络媒体和活跃自媒体获取。其中，对于自媒体节点，考虑信息传播速度和力量等因素，粉丝量和被关注量限制在10万级以上;网络关系取决于节点间的关注及转发等行为。最终，选取节点105个，节点间连接213。

（二）网络可视化

运用Ucinet软件生成“雷洋事件”信息传播网络图。①网络呈星型分散式，局部中心关键节点突出，形成多个舆论场，如“新浪网”、“财新网”等新闻网站;“百度贴吧”、“天涯论坛”等社交平台;微信、微博、博客等自媒体平台。这些局部中心节点是“雷洋事件”信息传播网络中的核心团体，介于核心节点与普通节点之间，在信息网络中发挥作用相似，形成多个核心度相近的中心。在此基础上，本文运用社会网络分析（SNA）对网络结构进行测度。

三、网络舆论突发事件信息传播网络结构测度与分析

本文基于社会网络模型，采用网络密度、网络中心线、网络凝聚力和结构洞进行可视化和实证测度。

（一）网络舆论突发事件信息传播的网络密度测度及分析

网络密度是对网络中各节点间紧密关系程度的测度指标，其反映了社会网络中各参与者信息交流的互动程度。数值越大表明信息交互效率越高，反之则表明网络中节点间的信息交流存在阻碍。运用Ucinet软件对网络密度进行测度结果现实“雷洋事件”信息传播网络密度为0.020 6，密度较小，信息传播整体网络中节点连接松散，存在交流不足。这表明传播网络主体的平均互动程度低。这降低了信息垄断和潜规则存在的可能性，在一定程度上有利于网民在舆论中“发声”。这与当前网络舆论突发事件信息传播主体众多，个体意见表达自由现状相契合。

（二）网络舆论突发事件信息传播的网络聚类系数测度及分析

聚类系数是用于衡量网络节点凝聚程度的指标，测度结果如表1。

从表1可知，在“雷洋事件”信息传播网络中，平均聚类系数为0.106，节点聚类系数较小，节点松散，邻接边较少，被其他参与节点连接的概率较小。互联网时代的信息传播呈现出信息源“碎片化”的特征，“雷洋事件”聚类测度结果验证了这点。各节点Coef值均大于0，表明“@人民网信息”、“@人民日报”、“搜狐新闻”、“@法制晚报”和“@公安部刑侦局”与其他节点间的联系密切，彼此间信息传播频繁。结合前文网络图可以发现，该类节点出现“抱团”现象，对信息接收处理呈现趋同，极易形成“茧缚”效应，出现信息垄断可能，阻碍多元信息扩散。此外，前五个节点的nPairs值均大于1，且对“搜狐新闻”、“@法制晚报”和“@公安部刑侦局”而言，Coef与nPairs呈负相关关系，表明存在多个第三方关系，即邻接点增多，信息传播的对象和路径有很大的可选择空间。

（三）网络舆论突发事件信息傳播的网络中心性测度及分析

点度中心性是中心性的测度指标之一，其主要用于衡量网络中节点所处的位置及其影响力。数值越大表明节点信息来源和信息传播者越多，存在影响范围较广的核心节点及局部中心节点。这表明网络信息可通过多个局部中心节点影响到整个信息网络从而缩短传播时间。点度中心性结果如表2。

由表2可知，在“雷洋事件”中，论坛、微博、微信公众号等发挥独特作用。但点度中心性（12.26%）相对较小，表明结构较松散，突出的中心节点较少，但存在多个局部中心节点，如“知乎”、“腾讯新闻”、“人民日报评论”等。“腾讯新闻”、“新浪新闻”扮演着信息源头，“@人民日报”等扮演着信息传递员，而“知乎”则是网民的舆论阵地。信息源头、传播途径及平台的多样化拉近了网民与舆论事件真相的距离，“信息鸿沟”逐渐被填平。尽管新型网络互动模式下“噪音”增大，但更彰显了新媒体环境下媒介对公众话语权、知情权的影响。

（四）网络舆论突发事件信息传播的网络结构洞测度及分析

结构洞是用于衡量网络节点间冗余关系的指标，处于结构洞位置的节点通常具有更多的信息资源，具有信息控制优势。本文应用有效规模、效率、等级及限制度等指标对结构洞进行测度，结果如表3。

从表3可知，“知乎”的有效规模值最大（14.60），在信息网络结构中居于核心位置，表明其拥有较强的信息接收与控制能力，可以影响网络中的其他节点。“知乎”是“雷洋事件”的信息源，其对大部分信息资源的传递和流动起到决定性作用，影响着网络信息走向。网络中节点效率值均接近为1，表明有效规模和实际规模无差别。从限制度分析，各节点间的约束性不尽相同，最大值为（88.9%），表明“@人民网信息监测室”有88.9%的信息传播需要通过其他节点来完成。各节点等级度均小于20%，说明节点的限制较少，可以充分发挥有效作用，这与网络密度显示结果相一致。

四、研究结论与政策启示

网络舆论突发事件网络信息的生成与传播是一个依托社会网络的动态过程。本文运用社会网络模型对“雷洋事件”信息传播网络结构进行测度及分析，得出如下结论。第一，在网络舆论突发事件信息传播网络中，整体网络联系的紧密程度与信息传播速度相关。网络密度值越大，表明节点间信息交互越频繁，信息传播效率越高。第二，在网络舆论突发事件信息传播网络中，聚类系数较大的节点拥有较大信息影响力，其在现实事件中更多扮演着“意见领袖”的角色。对此，政府应该积极选择和培养网络意见领袖，引导网民理性“发声”，通过对关键节点的管理控制网络舆论。第三，信息传播网络中的各节点呈现位置不平等现状，位置优势是其影响力的决定因素。信息网络中存在多个核心节点和具有结构洞特征的局部核心节点，信息通过该类节点扩散速度最快。因此，应发挥结构洞节点效应，加强官方媒体、社会媒体及强影响力的自媒体间的合作关系，形成多元化的信息传播渠道，实现网络信息的有效引导与控制。

参考文献：

[1]   Li， S. Temporal and Spatial Evolution of Online Public Sentiment on Emergencies[J].Information Processing & Management，2020， （2）：102177.

[2]   Moon， I. C. Analyzing Social Media in Escalating Crisis Situations[J].Proceedings of 2011 IEEE International Conference on Intelligence and Security Informatics， 2011，（6）：71-76.

[3]   Staudigl， T. H. Evolution of Social Networks[J]. European Journal of Operational Research， 2014，（3）：583-596.

[4]   Haihong， E. Theme and Sentiment Analysis Model of Public Opinion Dissemination Based on Generative Adversarial Network[J].Chaos，Solitons & Fractals，2019，（121）：160-167.

[5]   任中杰，张鹏，兰月新，张琦，夏一雪，崔彦琛.面向突发事件的网络用户画像情感分析——以天津“8·12”事故为例[J].情报杂志，2019，（11）：126-133.

[6]   马永军，杜禹阳.基于复杂网络Deffuant模型的舆情演化规律研究[J].情报杂志，2018，（6）：91-95，159.

[7]   王伟，继鹏.公共危机信息传播的社会网络机制研究[J].情报科学，2007，（7）：979-982.

[责任编辑   兴   华]