后真相时代基于敌意媒体效应的观点演化建模与仿真

张轩宇　陈曦　肖人彬

摘要： 后真相时代群体立场的对立加剧和媒体公信力的下降导致敌意媒体效应凸显。为揭示敌意媒体效应对舆论形成的影响，探究舆论群体和大众媒体之间的互动机制，提出一种考虑媒体敌意和意见领袖的观点演化模型，并进行仿真实验。仿真结果与分析表明，媒体的真实观点、群体与媒体的交流概率、极端意见领袖的比例等因素都会调节群体的极化程度。结果从定量角度揭示了敌意媒体效应的存在会对舆论形成，尤其是群体极化的加剧造成重要影响。

关键词： 后真相；观点演化；敌意媒体效应；意见领袖；大众媒体

中图分类号： TP391.9文献标识码： A

Modeling and Simulation of Opinion Evolution Based on Hostile Media Effect in the Post-truth Era

ZHANG Xuanyu，CHEN Xi，XIAO Renbin

Abstract：In the post-truth era， the intensified antagonism between different groups and the decline of media credibility could lead to the prominent effect of hostile media effect. To reveal the influence of hostile media effect on the public opinion formation， we explore the interaction mechanism between opinion groups and mass media and propose an opinion dynamics model that considers media hostility and opinion leaders. We finally conduct simulation experiments on the model. The simulation results and analysis show that the real opinion of media， the probability of communication between groups and media， and the proportion of extreme opinion leaders can mediate the degree of group polarization. The results reveal quantitatively that the existence of hostile media effect has an important influence on the formation of public opinion， especially on the intensification of group polarization.

Key words： post-truth; opinion evolution; the hostile media effect; opinion leader; mass media

0 引言

随着新媒体技术的发展，在线网络社交平台已然成为舆论传播的新主场。人们不仅可以自由参与话题讨论，还可以成为话题讨论的发起人。然而，互联网在赋予网络民众更大的话语自主权的同时，也让舆论传播变得更加复杂莫测。目前中国网络舆论已具有后真相的某些特征，一方面，针对诸多议题的舆论在信息茧房、意见领袖的作用下变得越来越极化，不同群体的观点越来越对立［1-2］。另一方面，新闻反转事件频发，侵蚀着大众媒体的公信力［3］。群体立场的对立加剧与大众媒体公信力的下降大大增加了公眾对媒体报道的偏见，进一步削弱了媒体在公众中的影响力水平。敌意媒体效应在后真相时代凸显，增大了舆论传播的复杂性与不确定性。

敌意媒体效应是指“对某一问题有预先存在的强烈态度的个人倾向于认为，对某话题表面上中立公正的媒体报道其实是对自己一方有偏见的，而有利于对立方的观点”［4］。自1985年学者Vallone进行了针对该效应的开创性研究［5］，后续研究便在西方政治领域展开。这些研究检验了效应在媒体受众中的存在性［6］，探究了调节因素［7］以及导致的结果［8］等。国内学者针对敌意媒体效应的研究起步较晚，重点讨论了其在中国舆情环境下的本土化适用情况［9-11］。然而，这些研究都以定性为主，缺乏针对该效应的定量化描述。另外，尽管已有学者对敌意媒体效应如何影响舆论，特别是如何导致个体的态度极化进行了推测和实证调查［4，12］，但是相关研究缺乏对舆论群体和大众媒体之间互动机制的量化考察。

在过去几十年里，从统计物理和计算机仿真视角出发，用定量方法探究人类社会的种种复杂现象成为了一种研究范式［13］。作为其中一个热点研究领域，观点演化研究关注的是微观层面的个体观点交互如何涌现出宏观层面的公共舆论。经典的观点演化模型根据个体观点取值方式的不同分为离散模型和连续模型。离散模型如Voter模型［14］、Snajd模型［15］等假设个体观点只有若干离散取值而适用于描述决策、投票、行动等情况。连续观点演化模型如HK模型［16］、Deffuant模型［17］等则假设个体观点是某个实数范围内的连续值，这类模型由于能够描述观点的连续变化而受到了更广泛的应用，如建模回声室效应［18］、舆论反转［19］等。观点演化中的一个研究重点是媒体效果，目前已有大量研究考察了媒体对舆论形成的影响［20-21］；另一个研究重点则是个体偏见，众多学者都对个体与个体之间的观点交互偏见进行了建模，如偏颇吸收［22］、确认偏见［23］等。尽管针对媒体效果和个体偏见的研究有很多，但是涉及个体对媒体的偏见却几乎无人建模研究。

鉴于目前关于敌意媒体效应及其影响的定量研究存在欠缺，以及观点演化研究中缺乏对媒体偏见的描述，本文以观点演化模型为定量研究工具，从受众感知的媒体偏见出发，研究后真相时代背景下，受敌意媒体效应影响的舆论形成过程。特别是针对网络舆论的热点议题如生育、教育减负等，在观点改变过程中引入“群体认同”以及“话题卷入”作为调节效应强度的个体变量。另外，考虑到每个社会个体都嵌于特定的社交网络之中以及意见领袖会对社会群体分化与凝聚产生的引导作用，本文还在观点演化模型中加入了社交网络以及意见领袖，从而能够更全面地了解大众媒体在网络舆论形成中的作用与效果。

1 关于媒体敌意感知的分析

1.1 敌意媒体效应

敌意媒体效应在1985年由Vallone等学者［5］在观察到黎以战争中不同派别对媒体报道的感知差异后总结提出。他们观察到不管是亲以色列者还是亲巴勒斯坦者都认为媒体对待自己的派别存在偏见［5］。值得注意的是，许多现实中的新闻报道从绝对意义上来看确实存在偏向性，但双方感知到的偏向强度存在差异。基于这一考虑，Gunther等［24］学者对敌意媒体效应的概念进行了扩展，即“相对敌意媒体效应”。

图1描述了敌意媒体效应的整个过程。当对某个话题具有预先强烈态度的个体接触到相关新闻报道时，（相对）敌意媒体效应就有可能出现。对于这种偏见出现的原因，学者们提出了4种可能的心理学机制：1）选择性回忆，即具有预先强烈态度的个体能够回忆出更多的与自己立场相反的信息；2）选择性分类，即个体从自己的角度出发，将更多的信息归类为对自己立场不利的；3）不同的标准，个体从自己的立场出发对媒体报道采用不同的评价标准；4）对媒体偏见的预先信念，即个体利用对媒体的消极信念和态度来评价涉及特定问题的报道［4，25-26］。

值得注意的是，在相关研究中，不同场景下不同个体报告出来的媒体偏见强度并不相同。因此，调节敌意媒体效应强度的因素也受到了学者们的深入研究［4］。证据表明，媒体观点的影响范围被视为个体感知媒体敌意的一个重要调节因素，当受众认为信息会广泛传播并对他人产生影响时，敌意媒体效应就会出现［27］。卷入是调节该效应强度的又一因素，衡量个体对于舆论话题的参与程度，Hansen等［7］利用荟萃分析研究了卷入与敌意媒体效应的相关关系，发现随着个体越来越多地参与到话题中效应量会显著增加。除此之外，群体认同也是该效应的一个重要调节变量：群体认同感强烈的个体对媒体敌意的感知更为显著［28］。

从媒体偏见如何影响舆论开始，许多学者还探究了敌意媒体效应导致的可能后果［4］。已有研究指出对媒体的敌意感知会推动个人采取纠正行动［8］，还会促使新闻报道中涉及争议问题的冲突团体的成员采取一种极化的沟通风格，如夸张和无礼等［29］。除此之外，感知到的媒体偏见还可能降低政治效能，减少公众对大众媒体甚至民主的信任［30］。

1.2 意見领袖与媒体敌意

在二级传播理论中，“意见领袖”被定义为大众传播与受众之间的中间角色。进入新媒体时代后，他们改变传统传播话语权力图景，兼具信息源、信息桥、信息传播媒介等多种功能［31］。在现实生活中，意见领袖与普通大众相比往往具有更高的社会影响力和人际交往能力。意见领袖对意见群体的影响十分显著，可归结为凝聚和分化两个方面［32］：他们作为意见群体中的核心人物，能够推动网络意见圈群形成内部共识，然而由于这种圈群具有一定封闭性和排他性，意见领袖的存在间接导致了群体与群体之间的分化［33］。对于媒体敌意而言，有学者指出，意见领袖作为某行业的权威人士，往往具有高卷入群体的诸多特征［34］，因而能够感知到更多的媒体敌意。还有学者指出，在后真相时代，一些意见领袖能够利用信息中的敏感点煽动受众情绪，使他们形成自己的强烈立场，从而导致了他们对持中立态度媒体的偏见，这部分解释了大众媒体公信力下降的原因［10］。

2 基于敌意媒体效应的观点演化模型

本节建立基于敌意媒体效应的观点演化模型。首先对个体交互所依赖的社交网络以及相关度量指标进行了形式化描述，并对个体属性如观点、社会认同、卷入程度等变量加以定义。其次，根据观点是否带有偏向性，对敌意媒体观点以及相对敌意媒体观点进行了建模。再次，根据社会判断理论建立了个体与个体之间的观点交互规则和个体与敌意媒体之间的观点交互规则。最后，对意见领袖的识别方式进行了说明并建模了意见领袖对普通群体的作用形式。

2.1 交互网络与个体属性

由于真实的观点演化过程需要在社交网络中进行，因此需要对个体交互网络进行描述。设G=（V，E）表示一个无向网络，其中节点集V表示社会交互个体的集合，连边集E∈V×V表示个体之间社会关系的集合。N=|V|表示网络规模，也即参与观点演化的总个体数。〈k〉=2|E|V表示网络的平均节点度，衡量每个个体平均与多少其他个体具有联系。

在本文中，每个社会交互个体i都有连续型观点变量xi∈［-1，1］，观点变量的范围边界表示对话题的两种截然不同的态度，如+1表示完全支持，-1表示完全反对，0表示完全中立。本文假设观点变量为正数则个体被划分为支持派，观点变量为负数则个体被划分为反对派。定义每个个体的社会认同感θi∈［0，1］，衡量自己在多大程度上属于支持派或反对派，定义为

（1）

其中，xneut为中立的观点变量，在本文中为0，xextr为极端的观点变量，在本文中为±1。研究表明，对于以对社会问题的态度划分的群体，态度强度可以用来衡量社会认同强度［35］，公式（1）本质上定义了个体观点的强度，因此在本文语境中用来描述社会认同强度是合理的。另外考虑到个体在话题中的卷入程度会影响其对大众媒体敌意的感知，本文还假设每个个体i具有一个［0，1］上连续取值的卷入变量δi，衡量话题在多大程度上与自己相关。

2.2 媒体敌意感知建模

首先需要对媒体观点进行描述。设媒体观点值为xm，媒体能够影响的个体范围为所有个体。考虑到敌意媒体效应描述的是个体对客观均衡的媒体观点的偏见，并且受到话题卷入和社会认同的调节，构建与媒体真实观点存在差异的敌意媒体观点x*m为

（2）

其中，xm在敌意媒体效应情形下表示客观均衡的媒体观点，在本文中设置为0。δi表示个体i的话题卷入度。θi表示社会认同程度，可由式（1）计算而来。sign函数为符号函数，signxi标识了个体观点的倾向性。在相对敌意媒体效应情形下，媒体观点不再是客观均衡的，而具有明显偏向性，并且观点对立双方都承认媒体观点具有对某一方的偏向，这导致了与敌意媒体效应中双方认为媒体观点具有不同方向偏向性完全不同的景象。因而构建相对敌意媒体观点x*m为

2.4 意见领袖建模

新媒体时代的意见领袖通常是一些具有大量粉丝追随者的自媒体，微博大V等，但与大众媒体相比他们的影响力以及影响范围仍相对较小。本文依据复杂网络节点重要性度量指标中的度中心性识别意见领袖［36］，在群体中设置度中心性最高的若干个体为意见领袖，其比例定义为q，同时区分不同派别如支持派、反对派意见领袖，在群体中的比例分别为q+和q-，其他个体为普通个体。极端意见领袖的观点通常不易发生动摇且较为极端，因此设置支持派意见领袖观点为+1，反对派意见领袖观点为-1，并且均不会发生改变。意见领袖在群体中通常发挥着引导与分化的作用［32］，因而假设普通个体会无条件受到相同派别意见领袖观点的吸引，以及对立派别意见领袖观点的排斥。

3 仿真实验与分析

现实世界的社交网络通常符合无标度、小世界等复杂网络特性［36］，本文选取无标度网络作为个体之间交流的底层网络。网络总规模N设置为1 000，网络的连边总数设置为29 535，因而平均节点度〈k〉=59.07。本文假设个体的初始观点服从［-1，1］上的均匀分布。对于信任阈值和排斥阈值的选取问题，尽管社会心理学有研究中对个体的信任区间和排斥区间进行了量化，但这些研究并不具有拓展性和一般性。考虑到观点吸引通常发生在个体间态度差异较小的时候，观点排斥发生在个体态度差异较大的时候，因此充分考虑个体的异质性后，设置本文的信任阈值在［0.4，-0.8］上均匀分布，排斥阈值在［1，-1.4］上均匀分布。由于卷入程度在概念定义上具有一定的复杂性，并且在量化方面存在困难［4］，现实缺乏对卷入变量的统计数据。本文设置该变量为［0，1］上的均匀分布。众多基于信任阈值和排斥阈值的观点演化研究表明，同质化的收敛系数主要决定了观点演化速率，而对观点演化的趋势影响不大。为消除收敛系数对实验的影响，本文仅仅根据文献［37］中的设置方式，将收敛系数μ设置为0.1。

3.1 仿真流程

设置实验仿真的总时長为T=1 000 000个离散时刻。仿真流程如图2所示，在初始时刻，初始化网络参数如节点数、连边数等、个体参数如初始观点、信任阈值等，根据2.4节的规则随机设置意见领袖。在以后的每一个离散时刻，随机选择网络中的一个非意见领袖个体，记为i，根据与媒体交流频率p判断是否与媒体进行交流。若个体i选择与媒体交流，首先需要根据媒体观点值计算个体感知到的敌意媒体观点，若媒体观点是客观均衡的（xm=0），则个体感知到的敌意媒体观点按照式（2）进行计算；若媒体观点是有偏向性的，则个体感知到的敌意媒体观点按照式（3）进行计算，而后个体i根据式（5）改变观点。若个体i选择不与媒体交流，则与其有连接的其他任一个体j进行观点交互，若j为普通个体则按照式（4）更新观点，若j为意见领袖则根据2.4节中的规则更新观点。为了消除仿真实验的偶然性，所有仿真结果均取50次运行结果的平均值。

3.2 仿真实验结果与分析

本节基于第2节建立的观点演化模型对后真相时代敌意媒体效应的影响进行了探究。为了衡量媒体的引导效果，本文引入群体观点与媒体观点的平均观点差异指标（后文都以平均观点差异指标代替），定义为

（6）

其中，xi为个体i的最终观点，xm为媒体真实观点，N为总个体数。另外，本文还定义个体最终观点值xi>0.95的个体为观点极端个体，通过观察极端个体的数量探究敌意媒体效应对群体观点极化的影响。

3.2.1 敌意媒体效应的影响

本节讨论在没有意见领袖参与时，敌意媒体效应在不同的个体与媒体交流概率下对群体观点演化的影响。设置意见领袖比例q=0，媒体观点xm=0，个体与媒体交流的概率以0.1的间隔从0.1增加到0.9，敌意媒体观点按照式（2）进行计算。实验结果如图3所示。

如图3a，3b所示，存在媒体时，随着与媒体交流频率的增加，无论是否存在媒体敌意，都可以观察到最终极端个体数和平均观点差异的总体下降趋势，并且总小于无媒体引导时的情况。而与不存在媒体敌意的情况相比，对媒体敌意的感知导致了更多极端个体，以及更大的平均观点差异，并且这种媒体敌意感知的负面效应呈现出先增大后减小的趋势。这是因为当个体存在对媒体的敌意时，个体观点与感知到的媒体观点的差异会大大增加，当差异超越了排斥阈值便会造成排斥效应，导致个体向更极端的观点偏离，从而产生了更大程度的群体极化，这一结论也通过图3c，3d得到进一步证实。图3c，3d在两种与媒体的交流概率下（图3c中p=0.2，图3d中p=0.7）对比了有无媒体敌意时的最终观点分布。

3.2.2 相对敌意媒体效应的影响

本节探究没有意见领袖参与时，相对敌意媒体效应对观点演化的影响，设置意见领袖比例为q=0，媒体真实观点：xm=0.5，相对敌意媒体观点按照式（3）计算。个体与媒体交流的概率仍以0.1的间隔从0.1增加到0.9，实验结果如图4所示。

如图4a、4b所示，在有媒体存在的情况下，随着与媒体交流概率的增加，仍能观察到群体的最终极端个体数和平均观点差异的下降趋势。在图4a中，当p<0.5时，与不存在媒体敌意的情形相比，相对敌意媒体效应导致了更多的极端个体，但当p>0.5时，两种情况下这一指标逐渐持平。图4b展示了平均观点差异随p的变化而变化的情况，与不存在媒体敌意的情形相比，在p=0.45前后，相对敌意媒体效应分别增大、减小了群体与媒体观点的差异。这样的结果可以通过图4d得到说明。由图4d可知，在相对敌意媒体不存在时，负向观点会受到排斥作用而到达负向极端观点-1附近，正向观点也会受到负向观点的排斥效应和媒体观点的吸收效应从而最终分布在［0.5，-1］之间；当相对敌意媒体效应存在时，持正向观点的群体由于感知到相对媒体敌意，因此媒体的吸引作用会导致他们的观点整体左移而分布于媒体观点附近。作为对比，图4c展示了与媒体的交流概率p=0.7，是否存在相对敌意媒体效应这两种情形下的最终观点分布。

3.2.3 意见领袖存在时敌意媒体效应的影响

后真相时代意见领袖通过煽动受众情绪，使之形成自己的强烈立场，导致了他们对大众媒体更大的偏见。本节探究后真相时代的意见领袖和敌意媒体效应对舆论形成的影响，设置客观均衡的媒体观点xm=0，个体感知的敌意媒体观点按照式（2）进行计算，与媒体交流概率p=0.5，实验结果如图5，6所示。

本节首先讨论无意见领袖无媒体敌意，有意见领袖无媒体敌意，无意见领袖有媒体敌意，有意见领袖有媒体敌意4种情况下极端个体数和平均观点差异随媒体干预时机的变化而变化的结果。设置意见领袖比例q=0.1，其中支持、反对派意见领袖比例q+=0.05，q-=0.05。媒体干预时机是指媒体发表自己观点的时间，也即媒体进行引导的时机，这里用仿真的离散时刻进行表示，只有大众媒体发表观点后，群体才会受到媒体观点的影响。仿真结果如图5所示。对比4种情况后可以发现，媒体干预时机的延后导致了最终极端个体数和平均观点差异的总体上升趋势，这说明若媒体干预舆论的时机太晚，一旦舆论产生严重的极化，媒体引导的效果将会很差。极端意见领袖以及敌意媒体效应的存在则会限制媒体报道的引导效果，导致更多的极端个体和更大的平均观点差异。此外，当媒体干预时机较晚（>10*5 000步）时，极端意见领袖的存在反而略微减弱了最终群体观点的极化程度。

图6对比了存在个体对媒体的敌意感知时，不同意见领袖比例（支持、反对派意见领袖比例均相等）和与媒体交流概率对最终极端个体数以及平均观点差异的影响。选取媒体干预时机为第5 000个离散时刻。由图6可知，当群体与媒体交流的概率较小时（p=0.1，0.2），最终极端个体数和平均观点差异并不会随着意见领袖比例的增加产生太大变化，而总是维持在一个相对较高的水平。群体与媒体交流概率逐渐增大后（p>0.2），意见领袖比例的影响逐渐显著：随着比例的增加，两个指标均出现了显著的上升趋势。图6的总体效果可以概括为意见领袖的增加会削弱大众媒体的引导效果。

3.2.4 意见领袖存在时相对敌意媒体效应的影响

本节进一步考察意见领袖和相对敌意媒体效应对舆论形成的影响，设置带有偏向性的媒体观点xm=0.5，个体感知的相对敌意媒体观点按照公式（3）进行计算，与媒体交流概率p=0.5，意见领袖的比例仍设置为q=0.1，支持、反对派意见领袖比例仍设置为q+=0.05，q-=0.05。实验结果如图7，8所示。

如图7所示，随着媒体干预时机的延后，尽管4种情况（无意见领袖无媒体敌意，有意见领袖无媒体敌意，无意见领袖有媒体敌意，有意见领袖有媒体敌意）下，最终极端个体数量和平均观点差异都增加了，但与图5中展示的均衡媒体观点的4种情况相比，变化幅度并不十分显著。另外，当意见领袖和相对敌意媒体效应同时作用于观点演化过程时，两者对舆论极化的负面影响十分显著，均导致了更多的最终极端个体和更大的平均观点差异。图8考察了在不同的与媒体交流概率下，相对敌意媒体效应存在时意见领袖比例的变化造成的媒体效果的变化情况。仿真结果显示，尽管意见领袖比例的增加导致了最终极端个体数以及平均观点差异的增加，但这种影响效果仅在p=0.5附近时较为显著。总结而言，在相对敌意媒体效应的影响下，意见领袖的存在也会导致媒体引导效果的削弱。

4 结论

本文首先分析了敌意媒体效应的过程。其次，分别在媒体报道中立和带有偏向性两种情况下对敌意媒体观点进行了建模，并建立了考虑媒体敌意和意见领袖的观点演化模型。最后对所建立的观点演化模型进行了仿真实验，研究了后真相时代存在媒体偏见时，意见领袖和大众媒体对舆论形成的影响作用。本文研究得到的结论可以概括为以下几点：

1）敌意媒体效应对群体观点极化的作用不仅受到媒体真实观点偏向性的影响，还受到群体与媒体交流频率的调节。具体表现为：当媒体报道表现得客观均衡时，与不存在媒体敌意的情况相比，群体对媒体的敌意导致了更大程度的观点极化，而随着群体与媒体交流频率的增加，这种负面影响的程度呈现出先增后减的趋势；當媒体报道表现出具有一定偏向性时，与不存在媒体敌意的情况相比，群体与媒体交流的频率决定了媒体效果的好坏。与媒体交流的频率较小时（p<0.45），媒体敌意导致了更大程度的观点极化，而与媒体交流的频率较大时（p>0.45），群体观点极化程度却变小了。

2）后真相时代背景下，无论媒体报道是客观均衡还是带有偏向性，极端意见领袖通过不断宣扬自己的极端观点强化了公众对媒体的偏见，导致了群体中更大程度的极化，但这种极化会受到媒体干预时机的调节。具体表现为：媒体干预时机的延后会导致最终更多的极端个体和更大的平均观点差异；当媒体报道客观均衡且媒体干预时机较晚（>10*5 000步）时，极端意见领袖的存在反而略微的减弱了最终群体观点的极化程度；在具有偏向性的媒体报道的情况下群体极化程度对媒体干预时机的变化更加敏感。

3）当存在媒体敌意时，总体而言，随着极端意见领袖数量的增加，无论是客观均衡还是带有一定偏向性的媒体报道都更难以说服群众，群体观点极化程度都呈现增强的趋势。

以上研究和结论，定量地揭示了敌意媒体效应凸显的后真相时代，意见领袖、大众媒体对舆论形成的影响作用。尽管随着新媒体技术的发展，大众媒体，如电视、报纸等在我们的生活中作为信息源的占比在逐渐减小，但是目前来看它们仍是当今公众获取信息、开拓视野的重要渠道。后真相时代许多互联网意见领袖为博取流量，常常会发表一些极端观点迎合公众想象，这导致了一部分极端群体的形成，对社会稳定造成威胁。而主流大众媒体常常发挥着舆论引导的重要作用，以应对舆论中的非理性声音，防止舆论向失控的方向发展。本研究有助于更深入地理解舆论形成中极端意见领袖和媒体偏见对媒体效果的负面影响作用，为相关领域学者提供关于媒体效果研究的新思路。

参考文献：

［1］陈宇，张丽，王洛忠.网络时代邻避集群行为演化机理——基于信息茧房的分析［J］.中国行政管理，2021（10）：106-114.

CHEN Y， ZHANG L， WANG L Z. Mechanism for evolution of NIMBY behavior in the internet age： analysis based on information cocoon［J］. Chinese Public Administration， 2021（10）： 106-114.

［2］申金霞，萬旭婷.网络圈层化背景下群体极化的特征及形成机制——基于“2·27事件”的微博评论分析［J］.现代传播（中国传媒大学学报），2021，43（8）：55-61.

SHEN J X， WAN X T. Characteristics and formation mechanism of group polarization in the context of network stratification： an analysis of weibo comments based on "2.27 event"［J］. Modern Communication， 2021， 43（8）： 55-61.

［3］钱亦蕉.后真相时代反转现象剖析及主流媒体的应对［J］.青年记者，2020（13）：47-49.

QIAN Y J. Analysis of reversal phenomenon and response of mainstream media in post-truth era［J］. Youth Journalist， 2020（13）： 47-49.

［4］PERLOFF R M. A three-decade retrospective on the hostile media effect［J］. Mass Communication and Society， 2015， 18（6）： 701-729.

［5］VALLONE R P， ROSS L， LEPPER M R. The hostile media phenomenon： biased perception and perceptions of media bias in coverage of the Beirut massacre［J］. Journal of Personality andSocial Psychology， 1985， 49（3）： 577-585.

［6］ARPAN L M， RANEY A A. An experimental investigation of news source and the hostile media effect［J］. Journalism & Mass Communication Quarterly， 2003， 80（2）： 265-281.

［7］HANSEN G J， KIM H. Is the media biased against me？ a meta-analysis of the hostile media effect research［J］. Communication Research Reports， 2011， 28（2）： 169-179.

［8］BARNIDGE M， ROJAS H. Hostile media perceptions， presumed media influence， and political talk： expanding the corrective action hypothesis［J］. International Journal of Public Opinion Research， 2014， 26（2）： 135-156.

［9］刘杉，方明豪.敌意媒体效应的本土化解读：适用与拓展［J］.文化学刊，2013（3）：139-144.

LIU S， FANG M H. Localization of hostile media effect： application and extension［J］. Culture Journal， 2013（3）： 139-144.

［10］ 余红，李婳婳.敌意媒体效应的溯源、沿革和本土化［J］.新闻界，2018（7）：11-17.

YU H， LI H H. The origin， evolution and localization of hostile media effect［J］. Journalism and Mass Communication Monthly， 2018（7）： 11-17.

［11］ 郭穎.敌意媒介效果研究：问题与本土化适用［J］.理论月刊，2018（11）：156-161.

GUO Y. Research on the hostile media effect： issues and localization［J］. Theory Monthly， 2018（11）： 156-161.

［12］ CROKIDAKIS N. Effects of mass media on opinion spreading in the Sznajd sociophysics model［J］. Physica A： Statistical Mechanics and Its Applications， 2012， 391（4）： 1729-1734.

［13］ CASTELLANO C， FORTUNATO S， LORETO V. Statistical physics of social dynamics［J］. Reviews of Modern Physics， 2009， 81（2）： 591.

［14］ SUCHECKI K， EGULUZ V M， SAN MIGUEL M. Voter model dynamics in complex networks： role of dimensionality， disorder， and degree distribution［J］. Physical Review E， 2005， 72（3）： 036132.

［15］ SZNAJD-WERON K， SZNAJD J. Opinion evolution in closed community［J］. International Journal of Modern Physics C， 2000， 11（6）： 1157-1165.

［16］ HEGSELMANN R， KRAUSE U. Opinion dynamics and bounded confidence models， analysis， and simulation［J］. Journal of Artificial Societies and Social Simulation， 2002， 5（3）： 1-34.

［17］ WEISBUCH G， DEFFUANT G， AMBLARD F， et al. Meet， discuss， and segregate！［J］. Complexity， 2002， 7（3）： 55-63.

［18］ BAUMANN F， LORENZ-SPREEN P， SOKOLOV I M， et al. Modeling echo chambers and polarization dynamics in social networks［J］. Physical Review Letters， 2020， 124（4）： 048301.

［19］ XIAO R B， Yu T Y， Hou J D.Modeling and simulation of opinion natural reversal dynamics with opinion leader based on HK bounded confidence model［J］. Complexity， 2020， 2020： 7360302.

［20］ CHEN Z， LAN H. Dynamics of public opinion： diverse media and audiences choices［J］. Journal of Artificial Societies and Social Simulation， 2021， 24（2）： 8.

［21］ FAN K， PEDRYCZ W. Evolution of public opinions in closed societies influenced by broadcast media［J］. Physica A： Statistical Mechanics and Its Applications， 2017， 472： 53-66.

［22］ DANDEKAR P， GOEL A， LEE D T. Biased assimilation， homophily， and the dynamics of polarization［J］. Proceedings of the National Academy of Sciences， 2013， 110（15）： 5791-5796.

［23］ NISHI R， MASUDA N. Collective opinion formation model under Bayesian updating andconfirmation bias［J］. Physical Review E， 2013， 87（6）： 062123.

［24］ GUNTHER A C， MILLER N， LIEBHART J L. Assimilation and contrast in a test of the hostile media effect［J］. Communication Research， 2009， 36（6）： 747-764.

［25］ GINER-SOROLLA R， CHAIKEN S. The causes of hostile media judgments［J］. Journal of Experimental Social Psychology， 1994， 30（2）： 165-180.

［26］ SCHMITT K M， GUNTHER A C， LIEBHART J L.Why partisans see mass media as biased［J］. Communication Research， 2004， 31（6）： 623-641.

［27］ GUNTHER A C， SCHMITT K. Mapping boundaries of the hostile media effect［J］. Journal of Communication， 2004， 54（1）： 55-70.

［28］ REID S A. A self-categorization explanation for the hostile media effect［J］. Journal of Communication， 2012， 62（3）： 381-399.

［29］ POST S. Polarizing communication as media effects on antagonists. understanding communication in conflicts in digital media societies［J］. Communication Theory， 2019， 29（2）： 213-235.

［30］ TSFATI Y， COHEN J. Democratic consequences of hostile media perceptions： the case of Gaza settlers［J］. Harvard International Journal of Press/Politics， 2005， 10（4）： 28-51.

［31］ 李彪.微博意見领袖群体“肖像素描”——以40个微博事件中的意见领袖为例［J］.新闻记者，2012（9）：19-25.

LI B. Microblog opinion leader group “Portrait Sketch”： taking opinion leaders in 40 microblog events as examples［J］. Shanghai Journalism Review， 2012（9）： 19-25.

［32］ 王东，刘雪琳.转基因论战中的偏见同化与敌意感知：意见领袖对派别成员的影响［J］.国际新闻界，2021，43（2）：47-60.

WANG D， LIU X L. Biased assimilation and hostile media effect in the controversy of GM food： the influences of opinion leader［J］. Chinese Journal of Journalism & Communication， 2021， 43（2）： 47-60.

［33］ 蔡骐，曹慧丹.网络传播中意见领袖的行为机制［J］.现代传播（中国传媒大学学报），2014，36（12）：112-116.

CAI Q， CAO H D. Behavior mechanism of opinion leaders in network communication［J］. Modern Communication， 2014， 36（12）： 112-116.

［34］ 孙冉冉，曾妮，黄玉嫥.新媒体时代敌意媒体理论的修正与发展［J］.今传媒，2020，28（9）：38-43.

SUN R R， ZENG N， HUANG Y Z. Revision and development of hostile media theory in new media era［J］. Today's Massmedia， 2020，28（9）： 38-43.

［35］ HARTMANN T， TANIS M. Examining the hostile media effect as an intergroup phenomenon： the role of ingroup identification and status［J］. Journal of Communication， 2013， 63（3）： 535-555.

［36］ 刘琪，肖人彬.观点动力学视角下基于意见领袖的网络舆情反转研究［J］.复杂系统与复杂性科学，2019，16（1）：1-13.

LIU Q， XIAO R B. An opinion dynamics approach to public opinion reversion with the guidance of opinion leaders［J］. Complex Systems and Complexity Science， 2019，16（1）： 1-13.

［37］ JAGER W， AMBLARD F. Uniformity， bipolarization and pluriformity captured as generic stylized behavior with an agent-based simulation model of attitude change［J］. Computational & Mathematical Organization Theory， 2005， 10（4）： 295-303.

（责任编辑 李 进）

收稿日期： 2021-12-02；修回日期：2022-03-05

基金项目： 国家自然科学基金（71974063）

第一作者： 张轩宇（1996-），男，湖北襄阳人，硕士研究生，主要研究方向为舆论形成、观点动力学。

通信作者： 肖人彬（1965-），男，湖北武汉人，博士，教授，主要研究方向为复杂系统、群智能。