基于信息交互视角的突发公共事件舆情反转治理路径研究

丛靖怡，艾文华，胡广伟

（1. 南京大学信息管理学院，南京 210023；2. 南京大学政务数据资源研究所，南京 210023）

1 引 言

近年来，公共突发事件下的舆情反转接连不断，逐渐成为网络热点事件演化的常态。从信息初始曝光到关键节点出现，再到舆情主体回应，反转经历时间或长或短。即便这种螺旋式的发展不断倒逼着事实真相，其所投射的社会深层问题依然不容忽视。随着信息过载、“情绪先行一步”网络环境的出现，舆情反转事件的持续发酵导致政府、媒体平台或个人发布的信息所产生的信任危机越发强烈，这对政府的舆情反转治理提出了更高的要求。在有关公共突发事件的舆情反转研究中，多数学者采用定性研究方法探索舆情反转的起因及演化，为政府提供合理有效的治理意见。以往研究根据实际舆情事件情境，从实例分析角度论证了政府干预是舆情治理的核心手段。当舆论生态系统中存在多种话语体系的舆情信息时，明晰其传播交互规律，依此制定恰当的治理措施，可极大限度地将舆情事件所造成的公共危机下降到可控范围之内。本文从信息交互的视角出发，借助经典传染病SEIR（suscep‐tible, exposed, infectious, recovered）模型，模拟舆情反转演化过程，探究公共突发事件下舆情反转的演化特征，从主动干预与被动干预的角度，提出政府应对舆情数字化治理的切实可行建议。

2 文献述评

2.1 舆情反转

舆情反转概念内涵可追溯至新闻传播学研究中的新闻反转，作为一种反向的群体极化、多方博弈演化的过程[1]，直接反映了公众意见的对立、胶着和裂变[2-3]。与新闻反转不同，舆情反转是就公众态度而言的，泛指公众意见随着焦点事件的发展阶段变化而发生前后反转的现象，带有强倾向性和逆转性的表达[4-5]。相较于新闻内容失实基础上发生的新闻反转，舆情反转的范围更广，一些并不是由媒体报道失实而引起的公众态度反转现象，也可称之为舆情反转现象[6]。网络舆情反转是社会舆情在互联网空间的映射，集合了网络、事件、网民、情感、传播互动、影响力等六大要素[7]，具备传播门槛低、传播形式多样化、传播速度非线性增长、参与主体多元化、舆情信息模糊泛化以及事件突发极化等特征[8]。随着微博、微信、网络直播、短视频等新媒体的兴起和火热，突发事件下的舆情反转层出不穷，常常打破时空域限，形成网络舆论生态失衡，破坏公共生存环境，甚至成为公共危机导火索，使政府和主流媒体陷入舆论漩涡。

2.2 舆情反转产生要素

网络舆情反转是舆论现象在网络空间里的延续和发酵，是民意或舆论在网络空间寻求与建立的新式行动路径[9]。在网络舆论场话语体系下，囿于主流与大众网络舆论场话语体系的共识瓦解、个体理性与公共理性冲突，价值鸿沟扩张，舆论话语体系内在稳定性发生失衡。有关舆情反转的成因可归结为：①情感倾向是评判舆情反转的核心[10]。在后真相时代非理性的传播环境下，真相会让位于情绪，情绪始终“先行一步”。在反转舆情潜伏期，舆情内容或者网民情感会呈现一种集中倾向的趋势[7]。②舆情信息模糊性与偏向性加速催化舆情反转[11]。突发公共事件中，信息的来源渠道复杂，公众隐没在信息交斥过载的环境下，加之舆论事件的失真，个体认知局限促使自身理性迅速降低，与社会公共理性产生冲突[12]。模糊性变化以及偏向性信息片段在新闻领域已成为舆情反转的主要原因；报道新闻的媒体，其过度迎合受众阅读兴趣的现象，也使过于夸张的表现跃然纸上[13-14]；通过网络平台进行传播的新闻途径，则加入了新的参与者，网络红人带有自身意见的“二次传播”改变着舆情走向，演化为反转[6,15]；而平台上多样化的受众，其自身的偏见和观点又易导致纠偏反转和“群体激愤”[5]。随着舆情反转在网络平台中的传播愈演愈烈，呈现出多方观点博弈、演化机理错综复杂等特点，脱离以往舆情传播趋势，涉及群体众多，产生恶劣影响，对社会秩序平稳运行和健康发展提出极大的挑战。

2.3 舆情反转机理

对于网络舆情的演变，目前国内有较为成熟的研究成果，学者们从不同角度提出了三阶段[16]、四阶段[17]、五阶段甚至多阶段演变的划分方法。前人研究普遍认为舆情事件的发展具备生命周期特征，而对于舆情反转现象周期的探索，研究较少且未有统一的定论。多数学者采用数据监测的方式去追踪单个热点事件舆论的发生、发酵和演化的过程[18-19]。从案例分析角度可将网络舆情发展分为四个阶段：散播阶段、聚集阶段、热议阶段和流行阶段[20]；也可从新闻传播的视角出发，将案件分成舆情发展、反转、发酵和平息这四个阶段[21]；有研究以具体事件作为舆情反转案例分析，将舆情反转过程分为忽略事实的片面报道、消极回应的真相失真和事件还原，以及媒体跟进等三个阶段[22-23]。

以舆情反转高潮期为基础，信息处理程度为表征，学者们根据反转事件的基本特征提出了情感偏移机理、交互对抗机理和协同过滤机理[21]。舆情传播的平台多元化，以微信和微博为例，舆情反转的演化过程可归为社会转型时的精神危机、媒体业界新闻专业主义失守和双微传播信息失真机制等[24]。而从系统学视角出发，舆情反转传播可分为竞争机制和协同机制[25]。在舆情反转的典型案例中，舆情反转现象中会存在“参照点效应”，公众的认知会因参照点不同而产生差异[26]。在新媒体的语境下，自媒体的活跃程度对舆情的发展起到推动的作用[27]。以舆情反转的演化路径为参照，在不同时期，群众的情感偏移和竞争协同状态大有不用，敏感点和转折点随着群众偏见和新闻主义的失守而急剧增加[28]。传统舆情演化模型并未将反转路径中多方触发因素和情感认知转变考虑在内，因此，本文通过将舆论场中不同主体的博弈因素量化，构建舆情演化模型SEnInR 来进行舆情反转的机理研究。

3 研究设计

3.1 研究问题

在目前的舆情传播中，信息大多以网络媒体为媒介传播，被社会公众所熟知。目前网络信息发布平台（如新浪微博、今日头条等）具有实时性和交互性[29]，使网民在成为观点接收者的同时也成为观点发表者。基于网络平台信息传播的基础，网民之间通过信息交互相互影响，并作用于信息传播过程，影响舆情演化过程中的观点持有。在此过程中，网民观点变化可归为三类：其一，持有观点的发表者通过信息交互作用改变其观点；其二，潜在观点发表者受持有不同观点发表者的影响改变其观点；其三，持有观点的网民由于外在因素强化了原本观点。在公共突发事件的背景下，舆情反转多数发生在政府出具事实真相改变的调查公告之时，其内容与事件发生之初的公众观点有明显差异所致。因此，本文将舆情反转时间点统一设定为政府发布该舆情事件调查公告的时间点，且公告内容与舆情事件发酵时公众观点有明显不同，并将下文所提及的舆情反转事件均设定为在“公共突发事件背景下的舆情反转事件”。

基于上述观点变化状态及舆情反转定义，本文提出以两个层次的政府干预来作用于公共突发事件下舆情反转的观点演化，分别是主动干预和被动干预。主动干预，意为在民间与政府两大话语体系的对抗中，政府占据主动地位，通过干预行为对参与突发公共事件舆情的公众情感加以引导，达到“反转”公众情感的效果。主动干预包括政府调解公告发布时间及改变公告受众人数等方面，其中公告受众人数代表在公告发布后，由于曝光增加而新接触到该舆情事件的网民人数。被动干预，意为在舆情事件发生后，政府根据公众在事态发展中的情感变化采取的干预行为。通过实时监控群众当下的舆论状态，采取措施来减弱或缓解公众负面情感的趋势走向，属于危机应急处理。被动干预包括减弱网民反面信息交互以及增强网民正面信息交互等方面。减弱网民反面信息交互强度包括减少网民恶意评论或恶意引导等，而增强网民正面信息交互则包括正向引导网民评论或营造积极向上的社区氛围等措施。考虑到舆情事件及舆情反转的多样化，网民在不同时期会呈现不同的态度，因此将问题领域进行划分，如图1 所示。通过研究网民在不同舆情演化时期的态度变化来探究主动干预和被动干预的影响程度。

3.2 模型构建

3.2.1 信息交互视角下的分阶段舆情演化模型SFEnInR

近年来舆情反转事件频发，舆情反转所引发的二次发酵将更多网民席卷至舆情演化过程中，同时在网络平台中，网民对舆情事件不同观点的争议也愈演愈烈。使用经典的SIR（susceptible, infectious,recovered）模型来模拟舆情反转事件演化过程，无法将网民间信息交互和反转后二次发酵的属性体现出来，具有角色缺失的局限性。信息交互使网民观点变化不再局限于I/R（infectious to recovered），在此基础上模拟舆情演化的群体从众和社会加强效应，即增加潜在观点发表者在舆情反转后可能会成为观点发表者的演化过程。参照信息量在舆情反转前后的差异，加入由持有观点者转化而来的观望者F，补充信息交互下的网民状态多样化。依托于微博公开透明的信息获取机制，信息交互属性使观点发表者会在第一时间内进行观点发布且对持有不同观点的网民产生影响，潜在观点发表者也会受其他观点发表者的影响，继而转变为持有另一观点的潜在发表者、观望者或对舆情事件失去兴趣者。如图2 所示。

图1 问题域划分

图2 观点演化示意图

以网络信息平台为基础，网民间进行信息交互，以接收到不同观点的信息量及对其观点影响程度为判别依据[5]（如表1 所示），称为“有效交互”（符号为p），其实际意义为观点改变的概率。当网民有效交互达到判别标准时，则为强交互，反之，则为弱交互。在95%置信区间下，将阈值设定为0.005，即存在信息交互作用的舆情演化中，该群体以大于0.5%的比例进行观点转变[16]，该群体信息交互行为被称为强交互。

表1 有效信息交互指标[5]

定义flI(t)为观点l 发表群体的信息交互函数，用于解释观点l 发表群体对持有其他观点的网民群体所产生的影响，其影响为对持有其他观点的网民群体产生抑制和改变其观点持有的作用。对于观点l 发表群体，pIlk为其受观点k 发表群体的反向影响系数，pIkl为其影响观点k 发表群体的正向影响系数。因此，得到公式：

El为持有l 观点的潜在观点发表群体，El(t)（l = 1,2,…,n）为潜在观点l 发表群体人数。flE(t)为潜在观点l 发表群体的信息交互函数，用于观点l 发表群体对潜在观点l 发表群体的观点影响，其影响包括其他观点发表群体对潜在观点l 发表群体的观点抑制和改变其原有观点的作用。对于潜在观点l发表群体，pelk为其受观点k 发表群体的反向影响系数，pekl为其影响观点k 发表群体的正向影响系数。由此，得到公式：

本文将舆情反转演化过程分为三个阶段，即舆情发展期、舆情发酵期和舆情平息期，并以信息交互视角，结合舆情不同阶段的演化特征，分阶段建模。

1）第一阶段（舆情发展期）

在舆情发展期，即舆情事件发生初始，由于事件中的热点问题获得普遍关注，观点发表者和潜在观点发表者大量涌现。该阶段主要为网民观点的扩散，其试图在最短时间内引起更多注意力，并将观点进一步以裂变方式扩散。模型将扩散影响力作为主要特征，设置群体间观点传播和信息交互空间。该阶段舆情信息可能存在失真性，在此阶段出现由观点持有者转化为对事件持观望状态的关注者。具体表示为

2）第二阶段（舆情发酵期及舆情平息期）

在舆情反转公告发布后，进入舆情发酵期。在此阶段，该事件会再次获得流量关注，且事实信息得到了多方补充及悉数呈现；网民间信息交互越发强烈，观望者可能由此转变为观点发表者，进行所持观点输出。将信息量增加作为该阶段建模的主要特征，通过参数及观望群体演化路径调整，拟合发酵期中产生的情绪波动，随之过渡到舆情平息期。具体表示为

假设S(t)+E1(t)+…+En(t)+I1(t)+…+In(t)+F(t) + R( )t = N，即共有N 人参与到此次舆情传播过程中。其中，S 为接触事件者，代表了解舆情事件的网民总和，以概率γs向R（对该事件失去兴趣群体）转变或以概率α 向E（潜在观点发表群体）转变。E 代表已了解舆情事件并对该事件持有观点，当下并未发表观点的群体；该群体可能会对舆情事件失去兴趣，变成群体R，或经信息交互作用，变成观望群体F 和持有相同或不同观点的观点发表者。I 为观点发表群体，群体E 会以概率μ 向群体I 转化，群体I 则会对其他观点发表者通过信息交互作用以概率fI进行观点转换，也会对其他潜在观点发表群体通过信息交互作用，以概率fE进行观点转换。F 为对该舆情事件持观望态度的关注群体，由观点持有者经信息交互作用转为持有观望状态，在舆情反转公告发布后，会以概率μf转化为观点发表者或对该事件失去兴趣。R 则为对该事件失去兴趣的群体，由接触事件群体、观望群体、潜在观点发表群体或观点发表群体转化而来；考虑到互联网中信息更新迭代快，微博平台发布信息具有实时更新的属性，因此，对舆情事件失去兴趣的概率γs、γf、γe和γi会相应提升。N表示参与舆情事件传播演化的群体总数。

鉴于多观点主体之间具有一定的相似性，以信息交互视角下两种观点的舆情演化模型SFE2I2R 进行仿真实验，得到分阶段演化模型。

（1）第一阶段（舆情发展期）：

（2）第二阶段（舆情发酵期及舆情平息期）：

根据上述讨论，假设S(t)+E1(t)+E2(t)+I1( t )+I2( t )+ F(t) + R( t )= N，即参与舆情演化的人数守恒。信息交互由信息交互函数fI(l)和fE(l)发挥作用，参数值越大，表示信息交互影响的程度越高。舆情演化模型SFE2I2R 的主要参数如表2 所示。

3.2.2 演化模式分析

本文将舆情反转演化过程分为三个阶段，即舆情发展期、舆情发酵期和舆情平息期。在一般舆情事件的演化过程中，持有观点的群体会随着信息的快速迭代，演变为失去兴趣群体。以舆情反转公告发布为划分依据，该类事件由于反差性较大和争议性较强，会再度引发热议，也会促使原网络平台上的潜在观点发表者和观望该舆情事件的关注者向观点发表者发生转变，此时过渡到舆情发酵期。研究表明，当官方舆论与之观点相同时，会增加其表达观点的欲望[30]。本文首先以两类观点，即正面观点和反面观点的信息交互视角下的演化模型SFE2I2R为例，得到模型在一次舆情反转情景下的演化路径，如图3 所示。

表2 演化实验参数说明

当舆情事件发生时，事件接触群体S 以概率γs转变为对该事件失去兴趣群体R，或分别以概率α1、α2转化为潜在观点发表群体E1、E2。群体E1、E2随后产生四种状态的演变，或分别以概率(μe1)′、(μe2)′加入观点发表群体I1、I2，或以概率σe1、σe2转化为对该事件观望群体F，或以概率γe1、γe2转化为对事件失去兴趣群体R，或通过信息交互作用使其观点发生改变，但由于客观因素或个体差异，继续维持潜在观点发表者的身份。舆情继续演化时，观点发表者I1、I2会分别以概率γi1、γi2失去兴趣加入群体R，或以概率σ1i、σ2i转化为对该事件观望群体F，或在网络平台中继续发表观点，并分别以概率(pi21)′和(pi12)′将持有不同观点的观点发表者转变为与自己观点一致群体，以概率(pe21)′和(pe12)′去影响潜在观点发表群体，使其转变观点。在舆情反转发生前，该阶段属于舆情发展期。之后进入舆情发酵期，由于舆情事件的相关信息量的补充，群体中持观望状态的群体F 和潜在观点发表群体E1、E2分别以概率μf、(μe1)″、(μe2)″转化为观点发表群体I1、I2进行观点输出。信息交互作用则依据网民的不同态度分别调整为概率随着网民对该舆情事件的关注度减少，转为舆情平息期，观点发表群体I1、I2以概率(γi1)″和(γi2)″转化为对该舆情事件失去兴趣群体。

图3 SFE2I2R舆情演化路径

多数舆情反转事件中，政府公告借助于有关部门官方账号或平台对舆情事件进行解释说明，依其权威性对网民观点产生影响。据此在舆情反转后的信息交互过程中，会出现不同程度的观点倾向性，且对不同观点的倾向性影响并不相同。事实表明，多数网民会倾向于政府或官方阐述的观点。在整个舆情演化的过程中，存在舆情反转后潜在观点发表群体和持观望态度的关注者群体仍不发表观点的情况，但由于不在信息交互的作用范围内，因此本实验不加以考虑。

3.3 模型参数估计

为使本文提出的研究模型及仿真结果更贴近实际，实验参数设定采用真实舆情反转案例数据进行初步估计。数据取自2019 年4 月15 日—2020 年4 月15 日的“西安奔驰女司机维权”舆情事件在新浪微博的相关信息。数据采样间隔24 h，采样点103 篇相关报道，实验记录共12256 条微博数据，获取微博数据包括相关文章报道的内容、转发量、评论用户人数、评论用户ID、用户评论量、用户评论内容、点赞数、发布时间、话题热度指数、话题讨论数、话题阅读数等。计算舆情反转前后接触事件者向潜在观点发表者、潜在观点发表者向观点发表者，以及观点持有者向舆情观望者转化的概率，并根据中国互联网络信息中心中的话题更替率来对失去兴趣的概率进行估算，完成实验基础数据估计，如表3 所示。信息交互参数pi和pe则依据有效信息交互的元素构成，以获取微博的量化数据和评论内容的情感分析为基础，通过因子分析法来确定相关的参数设定，如表4 所示。通过收集统计2019—2021 年这3 年典型突发公共事件舆情数据可知，事件平均参与的有效人数在10000 人左右，因此将初始值设为N = 10000，即设定此舆情系统中起初有10000 名网民参与其中。

表3 实验反转公告发布时间相关参数估计取值

表4 实验网民态度相关参数估计取值

4 实验研究

在紧跟时事热点及最新报道新闻的平台中，微博以其高覆盖率的受众群体和实时更新的新闻动态，成为国内当前最为广泛的应用社交平台之一。不同于传统媒体媒介，微博作为传播时事热点的资讯平台，在相关媒体信息发布后，为群众提供平台进行互动和讨论，并将评论公开透明，使网民之间以舆情事件为中心进行信息交互成为可能。以微博平台为例，本文分别以主动和被动干预层次对信息交互视角下的演化模型SFE2I2R 进行分析仿真。在最终舆情演化的结果中，网民最终状态都为对该舆情事件失去兴趣，但由持有不同观点的阶段过渡到这一状态，所表达的现实意义差异巨大，当有越多持有正面观点的网民过渡到最终状态，证明政府干预越有效。因此，本文以持有不同观点的网民比例去衡量政府干预的有效性，分析政府干预类型及强度对舆情演化的影响，探究干预灵敏度，使实验有的放矢，为政府的相关舆情处理提供合理化建议，从而进行有针对性的舆情引导。

本次实验操作系统为macOS Big Sur，数据库采用MySQLVer 14.14，爬虫工具包为BeautifulSoup，分词工具为jieba，情感分析工具为SnowNLP，仿真及可视化利用Matlab R2010 b，并借助相关工具包开展实验。

4.1 路径一：网民态度由消极转向积极时，政府干预措施的影响分析

在舆情事件中，政府权威公告发布后，网民态度由消极向积极转变是较为常见的现象。在舆情事件发展初期，网民情绪常以偏激情绪为主导，容易引起社会恐慌和消极情绪。而当政府部门对舆情事件进行调查后，清晰合理地还原事实真相，稳定社会情绪，网民态度出现良好转变态势，舆情事件得以完善解决。因此，在该路径下，本文设定整个舆情周期由开始到消亡持续365 天，将政府发布公告的时间点作为舆情反转时间点，探究政府不同干预对不同观点的网民比例所产生的影响。在舆情发展期，由于网民持有消极态度，转化为持有反面观点的潜在观点发表者概率较大（a′1= 0.002，a′2= 0.008）。另外，由于证据缺失、事实不全，向观点发表者转化的概率较小（(μe1)′ =(μe2)′ = 0.01）且转化为观望者概率较大。在舆情反转公告发布后，进入舆情发酵期，事件细节不断有官方或自媒体补全，网民和观望者向观点发表者转化的概率增加且网民呈现积极态度，转化为正面观点持有者的概率也随之增加（a″1= 0.008，a″2= 0.002）。最后，随着舆情热度逐渐减少至平息，网民对舆情事件失去兴趣的概率逐渐增加

在主动干预实验中，网民在舆情发展期呈现消极态度，因网民间信息交互作用，转化为反面观点持有者 概 率 较 大。以舆情反转公告发布为转折点，网民态度转变为积极趋势，此时向正面观点持有 者 转 变 概 率 较 大实验结果表明，网民态度由消极向积极转变过程中，公告时间点会对不同观点的网民比例产生相对较大的影响，如图4a 所示。随着舆情反转点的推迟，持有正面观点的网民会从较高的比例快速下降并逐渐平缓。相较于舆情反转时间点，增加政府公告受众人数这一干预措施对持有不同观点的网民比例产生了较为平缓的影响趋势，如图4b 所示。在被动干预实验中，将舆情反转时间点设为30 天（day=30），并分别减弱网民反面信息交互强度以及增强正面信息交互强度来进行仿真实验。当网民反面信息交互发生由强至弱的改变时，持有不同意见的网民比例受到的影响程度较小，如图4c 所示。当网民正面信息交互由弱交互增强为强交互时，发表观点的网民比例受到明显影响，但对潜在观点发表者群体影响相对较小，如图4d 所示。在文献[31]的案例中，舆情发展期负面信息量急剧上升，此时出现为涉事医院澄清真相的意见领袖，积极与网民交互答疑，逐渐得到认可并被大量转发，在舆情传播后期的影响力超过了起初的“多数意见”。相比之下，文献[32]的案例中王某某父母在舆情疯狂传播阶段未进行充分解释，导致在不良媒体肆意传播下，即使后期借助官方媒体进行发声，多数人仍持有消极观点。

图4 网民态度由消极转向积极时，政府舆情干预措施影响

4.2 路径二：网民态度由积极转向消极时，政府干预措施的影响分析

随着官方公告发布，网友态度也有可能由积极向消极转变，这类情景在舆情传播中虽不常见，但在官方调查公告与初期网民观点相差过大，或公告发布的过程或内容中存在短时间内网民无法接受的情况时，该种情景仍具有研究价值。在该路径下，舆情发展初期，持有积极态度的网民有较大概率向潜在正面观点发表者转化（a′1= 0.008，a′2= 0.002）；舆情发酵期，持有消极态度的网民向潜在负面观点发表者转化的概率增加（a″1= 0.002，a″2= 0.008）。其他基础参数设置一致。

在主动干预实验中，根据网民所呈现的态度将信 息 交 互 参 数 分 别 设 置 为进 行 仿 真实验。由实验结果可知，在网民由积极到消极的态度转变中，随着舆情反转时间点的推迟，持有正面观点的网民比例快速增大，并在舆情发展后期呈现较高的网民比例，如图5a 所示。在文献[33]的案例中，由于证据链不全，官方错过发布公告的最佳时机，该舆情事件在几近平息后才进行反转，持消极态度的网民比例并无较大改善。另外，在增加公告受众人数这一干预中，不同类型的网民比例呈现变化平缓的影响效果，如图5b 所示。在被动干预实验中，减弱网民反面信息交互强度对潜在观点发表者和反面观点发表者会产生相对明显的影响，但持有正面观点网民比例呈缓慢上升的趋势，如图5c所示。另外，增强网民正面信息交互强度会呈现出更为明显的积极效果，不过相较于观点发表者，对潜在观点发表者的影响较小，如图5d 所示。

图5 网民态度由积极转向消极时，政府舆情干预措施影响

4.3 路径三：网民态度持续消极时，政府干预措施的影响分析

部分舆情传播中，网民态度有可能呈现持续消极趋势，网民偏激情绪固化。该情景下，相关部门发布公告并不能有效影响网民态度。在文献[34]的案例中，男司机的消极回应令真相再次失真，公众对该事件的质疑指责仍持续升高，网民负面情绪持续扩大。在该路径下，网民情绪持续低落，陷入恶性循环，因此在舆情发展期和舆情发酵期，对潜在观 点 发 表 者 分 别 设 置a′1= 0.002、a′2= 0.006、a″1=0.002、a″2= 0.008，来拟合现实状态。

在主动干预中，舆情反转前后，网民的信息交互由于态度消极，设置为向反面观点转化率较高的情况进 行 仿 真 实验。由结果可知，改变舆情反转时间点和增加受众人数干预并未产生明显作用效果，不同类型的网民比例仍保持基本一致。在舆情发展初期，舆情反转时间点会大幅提高网民比例的变化速率，随后减弱，如图6a 所示。而增加受众人数这一干预会使影响速率随着人数增加呈递减趋势，如图6b 所示。在文献[35]的案例中，在公众情绪总体呈消极状态下，患者家属接受采访并否认医院说法，提高了该舆情事件的二次曝光程度，但后续采访中仅有1/10 左右的群众相信家属的说法。同样地，通过减弱网民反面信息交互强度所产生的作用效果也不明显，且持有正面观点的网民所占比例较低，如图6c 所示。另外，通过增强网民正面交互强度，观点发表网民比例呈逐渐上升趋势，如图6d 所示。在文献[36]的案例中，事件发生之初，部分博主采用删评等方式以减少其博文下的骂战，但公众情绪仍持续呈负面倾向，并无明显的抑制作用。

4.4 路径四：网民态度持续积极时，政府干预措施的影响分析

在舆情事件发展初期，网民采用较为理性积极的态度去看待舆情事件。在政府发布公告后，公告内容与初期网民预期事实不一致时，网民仍保持理解政府并尊重事实的态度去看待该舆情事件，舆情反转的公告内容会进一步将社会舆论引向较明朗的方向。该类情况已越发常见，如在文献[37]的案例中，网民在舆情事件发展初期即保留理性态度去评判，在警方出具详细调查公告后，网民呈现支持判决、引以为戒的情感趋势。

图6 网民态度持续消极时，政府舆情干预措施影响

在该路径下，实验基础设置不变，以网民积极应对的态度为基础，在舆情发展期和舆情发酵期，网友转化为正面观点持有者概率增加（a′1=0.006，a′2= 0.002，a″1= 0.008，a″2= 0.002），通 过 此情况来拟合现实状态。在主动干预中，网民在积极态度下的信息交互作用，使网民转化为正面观点持有者概率加大，将参数设置为0.01，来进行仿真实验。实验结果表明，在网民态度保持积极时，不同类型的网民比例相对固化，改变舆情反转时间点以及增加公告受众人数对其影响不大，如图7a 和图7b 所示。在舆情发展过程中，网民一直保持着较为高涨的积极状态，减弱网民反面信息交互作用并不明显，如图7c 所示。另外，增强网民正面信息交互，对观点发表者影响较大，且当正面信息交互处于弱交互阶段时，观点发表者影响处于高效变化区间，如图7d 所示。在文献[38]的案例中，网民持理性态度看待双方说法，安慰支持考生并肯定官媒和校方做法，网民持积极状态的人数居多且在反转后增加。同理，在文献[39]的案例中，该博文借助地域差异迅速带起话题，传播中不乏持理性态度的网友，要求证实事件真实性的呼声逐渐增加。

图7 网民态度持续积极时，政府舆情干预措施影响

5 讨论与建议

5.1 机制优化：把握回应时效性、准确性，健全舆情监测、研判和回应机制

舆情反转公告作为突发公共事件影响舆情生态的核心因素，切实推动了公共事件舆情走向，成为政府重新掌握舆论话语权的重要节点。由此可见，发布舆情反转公告是最有效的干预手段和措施之一。

首先，把握公告发布时机，打破消极从众心理。在公共突发事件中，其反面性主要来源于事实未及时公布，使虚假信息甚嚣尘上，不仅对当事人造成不可逆的伤害，还会造成社会信任丧失和舆论环境紊乱。如本文实验表明（见图4a、图5a），在网民对该舆情反转公告产生较大情绪波动时，将公告发布时机调整在舆情周期的0~18%期间，可有效影响网民观点演化，且越接近舆情事件发生的时间点越能起到良好治理的效果。前人研究发现，在舆情发展初期，政府媒体作为具有社会公信力的媒体平台及时发布相关的公告，能有效减少公众的猜测与揣测，在网络舆情的危机管理中起到至关重要的作用[40]。

其次，提高公告准确性，勿因“快”而使“准”让步，求“准”更胜于求“快”。在后真相时代，真相让位于情绪，自媒体社交平台作为公众话题的集中地，情绪化表达成为常态，易引起群体情绪极化现象。官方公告内容作为舆情事件定性及解释的正当、合法信源，是舆情治理的核心推动力。在此基础上，把握恰当的发布时机，更能适时打破消极的从众心理，匡正舆论走向。以官方平台为基准，发布对舆情事件合规准确的调查公告，有利于在时间维度中，快速平息舆情的恶性长尾期，给喧哗的舆论降温，引导舆论走向，有助于政府公信力的提高，避免落入“塔西佗陷阱”。

5.2 路径优化：提升回应信息到达率，科学有效调控网络生态治理路径

如今，频繁反转、多次曝光已是舆情反转事件常见的外在表征。扩大官方公告的受众群体是打破观点固化的一次努力，也是政府争夺舆论话语权的一种尝试。官方公告作为政府对舆情事件的正式发声，无疑是这场舆论风波的定心丸，让更多群众了解到事实真相以及政府态度，回归理性状态，这是重构话语体系的关键。

首先，扩大反转公告曝光，缓解公众心理冲突。如本文实验表明（见图6b、图7b），在网民处于情绪不稳定的状态下，扩大公告信息到达率为28%的政府干预是行之有效的措施。在舆情反转期，网民情绪及其所在舆论场会产生巨大波动，随之影响其行为路径。由专业权威信源为事件定性并给出专业合理的解答，正是网民所迫切需要的。在文献[41]的案例中，官方信息透明度和受众群众人数的增加，有效降低了公众质疑，将舆情风险概率减小，达到良好治理的效果。

其次，鼓励多元化平台回应，信息渠道多方覆盖。目前学术界暂没有对扩大受众群体进行明确的指标特征论述，多数体现在多元化的发布平台、高频率的发布公告以及卓越的公告影响力等。多元化的发布平台是指公告在不过多占用社会资源的情况下，在与其相关的权威媒体平台尽数发布，扩大不同类型的受众普及率。高频率的发布公告是指媒体平台作为事实核实者，本着客观、公平的态度进行舆情事件的阶段报告，将事实公开透明化。公告影响力则集中在公告内容的深度和广度，对舆情进行实时监测分析，有效掌握公众的关注点和质疑点，做出准确、真实的回应。因此，在舆情事件发生后，政府应及时跟踪舆情事件影响的人数，采取弹性控制手段，测算信息到达率的合理区间，以提高舆情被关注度，并保持合理调控成本。

5.3 结构优化：推动多元主体理性互动，构建动态平衡的舆情生态结构

在突发公共事件舆情生态体系中，舆情主体多元化、结构复杂，以化名身份在开放社交平台中阐述的观点与话语，所承载的内容表达有可能是短视、狭隘和极端的。该类话语要素作用于民间舆论场，可能加速公众负面情绪极化，进而影响系统中主体自身的舆情生态位和整个舆情生态系统的平衡。因此，推动多元主体理性互动、构建动态平衡的舆情生态结构显得尤为必要。

首先，积极恰当的正向引导，控制激进舆论的扩散。依托于网民信息交互，政府干预可以分为两个方面，一方面，政府部门通过监测舆情发展路径，通过减弱网民反面信息交互强度，对网民的负面情绪起到消解作用；另一方面，政府通过收集网民在社交平台中的提问或质疑，切中问题要点痛点，做出有深度和广度的回答，安抚情绪，正向引导思维走向来缓解突发事件的恶性影响。如本文实验表明（见图6c、图6d、图7c 和图7d），增强网民正面交互强度比减弱网民反面交互行为更为有效，且达到强交互时可高效改变网民比例。事实上，在现有研究所关注的突发事件中，政府干预大多集中在正向引导群众方面。有学者据以往研究分析，政府在舆情反转中进行积极恰当的引导，有助于控制极端化和激进化的舆论扩散[42]。

其次，政府回应需切中“要点”和“痛点”，准确回应民生诉求。政府干预依托有效信息交互的特征指标，即评论频率和评论深广度，探寻它们与政府干预程度之间的关联，从而实现精准化回应。政府官媒在评论区评论频率是指在网民负面评论下的正式回应频率，既能作为政府在信息交互过程中的量化表征，又能体现出政府在突发事件下的回应态度和积极性。尽管回应数量并不能代表回应质量，但研究证实，回应次数多的突发事件一般应对效果也较好[41]。另外，政府回应的内容是政府在积极应对突发事件的质化表征，体现了政府是否充分听取民众呼声并切实满足民众需求。然而，政府回应不能准确切中群众的要点和痛点，是当下政府采取信息交互手段的干预措施中存在的主要问题。因此，保证实时舆情动态跟踪，通过可调控的引导手段，“稳”“准”“狠”地阻断网民消极情绪的蔓延。

6 结论与展望

近年来，公共领域中频频出现的舆情反转事件，不仅意味着“后真相”时代的来临，也向政府舆情治理的重点方向发出了信号。本文通过改进舆情演化模型SFEnInR，结合信息交互视角，模拟舆情反转演化路径，为政府舆情治理提供决策支持。在舆情反转的演化中，权威公告的发布时机是推动发展过程的触发性因子，适时把握发布时机，实现网民情感的扭“负”为正，已成为舆情治理的重要手段之一。偏差性和隐蔽性是突发公共事件两个显著特征，坚持事件信息透明化，媒体报道客观化，可有效避免事态激化和政府公信力下降。网民交互可视化给舆情研判提供了更多的选择，应确保实时监控，动态治理，贯通舆论体系，避免群体极化和消极舆论的爆发。另外，在信息交互方面，网民情感偏向处于时序波动变化状态，能够反映舆情事件生态的平衡性变化，有助于窥察网民与政府间的双重博弈。因此，后续研究可根据不同类型舆情事件的传播特征重构，或将网民情感偏向作为随时间变化的连续型函数，使模型更贴近现实特征。