工作人员查询 - 广告服务 - 标签
您的当前位置:主页 > 企业舆情 > 正文

突发舆情在网络舆情进程动态变化中集体行为分析

编辑:中国舆情网 时间:2018-06-18
导读:我国互联网络信息中心《第 32 次我国互联网络展开状况核算陈述》显示, 到 2013 年 6 月底, 我国网民规划到达 5.91 亿, 互联网普及率到达 44.1%。由此可见, 网络逐渐成为群众日子的重要组成部分, 网络化生存已成为这个年代的根本事实。在突发事情的发作、展开

 

      我国互联网络信息中心《第 32 次我国互联网络展开状况核算陈述》显示, 到 2013 年 6 月底, 我国网民规划到达 5.91 亿, 互联网普及率到达 44.1%。由此可见, 网络逐渐成为群众日子的重要组成部分, 网络化生存已成为这个年代的根本事实。在突发事情的发作、展开和变异进程中, 网络也同样发挥了强壮的影响力, 许多突发事情的发作展开都与网络舆情的敏锐介入严密相关。网民针对那些关系到切身利益或自己所关怀的问题, 会做出比在实际世界中更活跃、热烈的发言和评论。可以说网民是推进突发事情中网络舆情演化的主体。在网络舆情信息沟通进程中, 团体心思的存在使网民个别的舆情表达遭到集体影响而发作改变乃至歪曲。因而, 为了发现突发事情网络舆情演化内涵的规矩和机理 , 就需求以突发事情中的网民集体为中心, 关注网络舆情孕育、发作、展开、分散、改换、衰减的整个进程。

2  文献回顾

2.1  突发事情与网络舆情

      依据 2007 年经过的《中华人民共和国突发事情应对法》, 突发事情是指“俄然发作, 构成或者可能构成严峻社会危害, 需求采纳应急处置办法予以应对的自然灾害、事端灾祸、公共卫生事情和社会安全事情。”有关核算剖析显示, 简直一切突发事情都与网络有关, 其间 20%直接由网络报导而引爆网络言辞; 别的 80%由传统媒体先报导, 后经网络媒体转发引起网民关注, 成为网络热点, 构成网络言辞。经过网络媒体和网民集体的自动作为和随机举动, 实际中的本体事情会在网络演出化成与本体事情具有较大相异性的变体事情。别的, 不只突发事情会由于网络的效果而发作改变或调整, 因事情而衍生的相关报导、网民情绪、网络言语等突发事情网络舆情也会构成分散态势和井喷效应。而反过来, 事情衍生的网络舆情也会效果于事情的展开和政府的应对。
      突发事情网络舆情是网络舆情的一种特别办法,但现在没有构成一致的界说, 方付建提出突发事情网络舆情是指“突发事情发作后, 大众经过新闻报导、网民爆料等办法在网络上表达和传达的关于事情真相、进程、原因、影响以及事情政府处理、事情背面的社会品德、体系等问题的各种言辞”。我国关于突发事情网络舆情的研讨近几年才开端鼓起, 在清华同方数据库的“我国期刊论文全文数据库”中进行文献检索可以发现, 现在研讨的趋势从前期的舆情信息剖析、舆情信息监督、舆情预警办法研讨到舆情数据挖掘研讨, 进而展开到集体行为和心思研讨、舆情演化规矩研讨, 尤其是近年来引进杂乱体系、人工智能、虚拟实际、认知心思学的理论和办法进行建模和仿真研讨。 

2.2  突发事情网络舆情演化建模和仿真研讨

      社会学和社会心思学家前期对集体行为的定性研讨为进一步探究突发事情网络舆情演化机理供给了许多有价值的思维和办法, 其间以社会网络和社会动力学为东西对网络舆情演化建立了更深化的定量剖析模型和办法。国外关于网络舆情演化的建模与仿真研讨首要以物理学视角的粒子交互效果作为思路, 构建依据 Agent 的仿真模型(Agent-Based Modeling, ABM), 然后解说言辞演化进程和现象。其间, 运用较为广泛的有 Sznajd 模型、有限信赖模型 ( 如 Krause-Hegselmann, KH 模型)、洽谈模型(Deffuant 模型)。之后, 许多研讨者进行了扩展性研讨, 构成了大量上述模型的变形模型。
      现在国内学者专门进行突发事情网络舆情演化建模和仿真的研讨相对较少, 有学者以详细事情为目标, 运用定量型办法剖析网络舆情演化“集体极化”效应, 结合元胞自动机和依据 Agent 的模型提出依据网格 Agent 的集体性事情人群集合模型。我国人民解放军国防大学的研讨团队测验选用虚拟实际、社会物理学、人工智能等范畴的办法对网络舆情传达模型、集体行为模型规划进行理论和办法的研讨。哈尔滨工程大学经济办理学院危机办理研讨所的研讨团队以有限信赖模型为根底, 运用杂乱体系多主体建模办法, 研讨危机信息言辞演化规矩。
      上述已有研讨奠定了本论文的知道根底, 特别是哈尔滨工程大学杜蓉教授的相关研讨为本论文的仿真模型构建供给了学习。相关的大量研讨首要从网络舆情演化的阶段和进程、特征与类型、效果要素等理论方面打开研讨, 但以静态描绘为主, 对动态性和演化性调查较少, 尤其是缺少结合大规划实在数据猜测网络舆情演化规矩的仿真研讨。本文面向突发事情网络舆情办理的实际需求, 立足于主导突发事情网络舆情演化的网民集体, 依据人群仿真理论, 结合线上线下数据进行多维度剖析, 体系地揭示网民集体行为的展开规矩和影响要素, 解说突发事情网络舆情演化的内涵机理。

3 依据 Agent 的网民集体行为仿真模型构建

      本文运用 ABM 办法, 构建依据 Agent 的网民集体行为原型体系, 即概念模型。研讨在政府介入状况下, 在网络突发事情舆情演化进程中网民的集体行为规矩。

3.1 概念模型规划

      本文构建的概念模型设置三种主体: 网民、舆情信息、政府, 如图 1 所示。概念模型依照影响力大小将网民分为三类, 不同影响力的网民在交互进程中对其他网民的影响有所区别, 图 1 中的箭头为舆情信息传达的方向。
      由于网络舆情演化进程比较杂乱, 在建模时并不能将一切要素都考虑周全, 遭到必定约束。因而在本文的模型中, 笔者提出以下 4 个模型假定。
      (1) 本模型将网络媒体、定见首领等都看作网民, 与政府对网民的影响方式有所区别。
      (2) 一切网民都可以发布、传达信息, 网民对突发事情的情绪分为“拥护” “中立” “对立”三种; 政府可发布驳斥流言信息, 政府的情绪分驳斥流言和掩盖真相两种趋势。
      (3) 网民的情绪会遭到其他网民的影响或接纳政府发布的信息而改动。从众性越高的网民越简略在交互中改动自己的状况; 影响力越高的网民越简略影响与其交互的其他网民, 使其改动状况。
      (4) 网民总数、政府的信息揭露速度作为外部条件是已知的, 且网民主体每一时段仅与一个参加主体进行交互。假定每个网民的从众性、影响力, 政府的公信力、信息揭露速度, 舆情信息的重要性都不随时刻改动。
3.2  主体分类及特点描绘

      依据上述概念模型及模型假定, 各类主体的特点如表 1 所示:
      (1) 网民主体的特点描绘
      ①情绪(Attitude): 网民个别的情绪可以分为拥护、中立、对立三种。将 t 时刻网民 i 的情绪记为 Ai(t), 取值规模为[–1, 1]区间内的接连值。其间, Ai(t)∈[–1, – 0.33]标明网民持对立情绪, Ai(t)∈(– 0.33,0.33]标明网民持中立情绪,Ai(t)∈(0.33, 1]标明网民持拥护情绪。
      ②类型(Type): 本文中将一切网民分为三种类型, 分别为企业(Ti=1)、个人认证(Ti=2)及无认证(Ti=3)。企业即新浪微博中, 蓝色 V 认证中除去政府机构之外的用户; 个人认证指黄色 V 认证的用户; 无认证指没有获取认证的普通用户。本文未设置区别网络媒体和网民, 故以主体特点来作区别。
      ③从众性(Conformity): 不同的网民随别人改动定见的程度不同, 其差异可以体现在用户填写的微博转发理由中是否易于附和转发的原微博的定见。将网民 i 的从众性记为Fi, Fi 在[0,1] 区间取值。在[0,0.3]区间为“从众性低”, 此类网民不易随别人改动情绪, 一直坚持自己的观念; (0.3,0.7) 为“从众性中”, 标明遭到别人影响时此类网民情绪可能改动也可能不改动; (0.7,1]为“从众性高”, 此类网民简略听从别人定见后改动自己观念。
      ④影响力(Influence): 网民在交互进程中, 对其他网民的影响因人而异。将网民 i 的影响力记为 Ii, 在本模型中依照影响力大小分为“大”、“中”、“小”三类。依据仿实在验所选取的目标中, 企业机构、个人认证、无认证用户所占份额分别为 10%、20%、70%, 以此作为其影响力的依据, 然后关于 Ii 取值[0,0.7]时影响力为“小”; 取值(0.7,0.9]时为“中”; 取值(0.9,1)时为“大”。
      (2) 舆情信息主体的特点描绘
      ①重要性(Importance): 舆情信息的重要性指的是舆情信息所描绘事情对一切参加者的重要程度。本文中假定舆情信息对一切网民和政府机构的重要性都相同, 舆情信息越重要, 越简略被传达。用 P 标明舆情信息的重要性, P 值越大, 信息越重要, 在[0,1]间随机取值。
      ②含糊性(Ambiguity): 舆情信息的含糊性指的是舆情信息所描绘的内容距事情实在状况的差异程度。用 M(t)标明舆情信息的含糊性, 其初始值在[0,1]区间取值, 在试验进程中会跟着政府揭露信息的速度加速而削减。
      ③传达强度(Intensity of Spread): 舆情信息的传达强度可以描绘舆情信息传达的环境。将舆情信息传达强度记为 S(t), 标明舆情信息在网络中传达速度的快慢。由奥尔波特的流言传达强度公式 R = i·a(其间 R 代表流言传达强度, i 指重要性, a 指含糊程度), 本文设 S(t) = P ·M(t), 在[0,1]区间取值。
      (3) 政府机构主体的特点描绘
      ①状况(Tend to Refute): 政府应对舆情信息有驳斥流言、掩盖真相两种趋势。将政府机构的状况记为   Rk(t), 取值规模为[–1,1]。Rk(t)>0 时标明在 t 时刻政府 k 对舆情信息进行驳斥流言, Rk(t)=0 时标明在 t 时刻政府不驳斥流言, Rk(t)<0 标明政府企图掩盖真相, Rk(t)越接近于 1 标明政府驳斥流言的趋势越强。
      ②公信力(Credibility of Government): 政府的公信力指政府使网民信赖政府揭露信息的才能。政府公信力记为 C, 是与 t 无关的常数, 在[0,1]间取值, C 越接近于 1, 政府公信力越高 , 网民越简略受政府的影响。
      ③信息揭露速度(Rapidity of Information Publication): 政府应对网络突发事情会采纳必定办法, 其间对网络舆情的演化起到最直接效果的就是揭露关于突发事情的正确的引导信息。将政府揭露信息的速度记为 V, 是与 t 无关的常数, 在[0,1]区间取值, V 越接近于 1, 政府揭露信息速度越快。

3.3  主体之间交互规矩规划

      主体之间交互规矩指的是主体和主体之间相互发作影响的规矩, 本文将这些规矩用函数的办法来标明, 为其影响要素赋予不同的权重。
      (1) 网民主体之间的交互规矩
      由于微博的互动办法区别于传统媒体单向传达的方式, 是一种交际网络化的传达, 本文的模型将微博上的网络媒体、定见首领视作影响力高的网民, 设置在同一类主体中。界说 t 时刻网民 i 对网民 j 的影响函数为(网民 i 分为 1、2、3 三类, 分别代表影响力大、中和小的网民, 不同类型网民影响函数的权重纷歧, 首要参阅了笔者于 2011 年展开的网民心智模型问卷调查): 
      f1(i,j,t)=0.4Ii(t)+0.2Fj(t)+0.4S(t)
      f2(i,j,t)=0.3Ii(t)+0.3Fj(t)+0.4S(t)
      f3(i,j,t)=0.2Ii(t)+0.4Fj(t)+0.4S(t)
      其间, Ii(t)为传达者 i 的影响力, Fj(t)为网民 j 的从众性, S(t)为突发信息传达强度。
      (2) 网民主体和政府机构之间的交互规矩
      政府是否介入, 关于网络突发事情的停息起着至关重要的效果。政府信息揭露的速度越快越能有用下降舆情信息的含糊性, 而且在必定程度上下降网民的恐慌程度。政府公信力越强, 网民越信赖政府, 就越不简略被流言迷惑, 有助于从本源上阻止流言的分散。依据南京大学新闻传达学院对江苏网民抽样调查的成果, 界说政府机构对网民 i 的影响函数为: 
      f(K,i,t)=0.4Fi(t)+0.4C+0.2V
      其间, Fi(t)为网民 i 的从众性, C 为政府公信力, V 为政府揭露信息速度。

3.4  主体之间通讯规矩构建

      (1) 网民主体之间的通讯规矩 本文将舆情信息在微博上进行传达时的单一交互进程视作单向传达, 界说网民 i(传达者)与网民 j(接受者)之间的通讯规矩如下: 
      |Ai(t)–Aj(t)|≤ 0.5 时, 传达者与接受者之间不合较小, 接受者简略遭到传达者定见的影响, 简略改动观点, 其间阈值 0.5 的设置首要参阅了上述依据网民心智模型的问卷调查。t+1 时刻网民 j 的情绪搬运公式为: 
      Aj(t+1)=Aj(t)+[Ai(t) –Aj(t)]×f(i,j,t)
      |Ai(t)–Aj(t)|>0.5 时, 传达者与接受者之间不合较大, 由时刻 t 到时刻 t+1 之后, 网民 j 不改动自己的情绪, 即: 
      Aj(t+1)=Aj(t)                          
      (2) 网民主体、舆情信息和政府机构之间的通讯规矩
      网民 i 的情绪跟着政府驳斥流言发作改变, 网民情绪越趋近附和, 舆情信息传达强度越低, 政府间断驳斥流言的倾向越强。
t+1 时刻网民 i 的状况搬运方程式为: 

      Ai(t+1)=Ai(t)+Rk (t)×f(K,i,t) t+1 时刻政府 K 的状况搬运方程式为:  
      Rk(t+1)=Rk(t)–Ai(t)×S(t)
      跟着政府对网民影响的增大及政府揭露信息速度的进步, 舆情信息的含糊性将下降, 随之其传达强度减小。即由 M(t+1)=M(t)–V×f(K,i,t)得: 
      S(t+1)=S(t)–P×V×f(K,i,t)
      在无政府介入的状况下, 假定舆情信息传达强度为一固定值, 即: 
      S(t+1)=S(t) 

3.5  主体之间交互算法规划

      本文的建模仿真是依据仿真算法的不断履行来完成的。
      (1) 网民之间(与舆情信息)的交互算法
      本文规划的网民与舆情信息交互仿真算法包括三个方面: 网民主体、网络舆情信息主体的发作(即初始化进程)、网民主体与舆情信息交互进程中网民的特点值改变以及数据图的更新。详细仿真算法如图 2 所示:  
      
      (2) 网民、舆情信息、政府三者的交互算法 本文(1)    规划的网民、舆情信息及政府三者的交互仿
真算法包括三个方面: 网民主体、政府主体的初始化, 网民主体与政府交互进程中网民主体的特点值改变以及数据图的更新。详细仿真算法如图 3 所示:
 

4 网民集体行为仿实在验

      本文以 2013 年 3 月底“H7N9 后因板蓝根可防止H7N9 的流言而发作板蓝根抢购事情”作为试验情形, 核算了相应的数据, 并以上述模型为辅导编写了NetLogo 程序, 进行仿实在验。

4.1  仿真渠道挑选

      现在常用的多主体仿真渠道首要有: Swarm、RePast、NetLogo 等。NetLogo 是一个可编程的建模仿真环境, 尤其适用于随时刻改变而改变的杂乱体系的仿实在验。NetLogo 言语简略、灵敏, 且可视化程度高, 本文研讨的网民集体行为涉及网民和政府的状况随时刻的演化状况, 因而挑选NetLogo渠道进行仿真。

4.2 仿实在验假定

      (1) 影响力大的网民个别(定见首领)越多, 舆情演化所需的周期越短; 
      (2) 政府介入能使网络突发事情更快停息;  
      (3) 政府公信力越高, 对网络突发事情的操控越有用; 
      (4) 政府的信息揭露速度越快, 网络突发事情的停息速度越快。

4.3 仿真数据获取

      本文所采集的数据为 2013 年 4 月 2 日至 4 月 5 日之间新浪微博中包括“板蓝根”关键字而且与 H7N9 禽流感相关的一切微博(包括原创微博和转发微博), 共获得研讨所需相关微博发贴 8 216 条, 由于运用软件的限制, 确定研讨数量为 500 条, 按比率确定各仿真数据值。
      (1) 网民的初始化。
      ①网民个别的初始情绪(P-Attitude): 悉数微博中对事情的情绪为“拥护”、“中立”、“对立”的微博发贴数量分别为 2336 条、4 660 条、1 220 条。初始化时, 核算三种情绪的占比状况, 设置拥护者、中立者、对立者的数量, 并设置网民色彩分别为绿色(拥护)、黄色(中立)、赤色(对立)。
      ②网民个别的从众性(P-Conformity): 其是一个固定值, 分为[0,0.3]、(0.3,0.7]、(0.7,1]低、中、高三个等级, 依照每一个用户附和其转发原文的情绪的次数占该用户一切转发次数的份额, 核算出的人数比率分别为 22%、28%、
50%。

      ③网民个别的影响力(P-Influence): 其也是固定值, 分为[0,0.7]、(0.7,0.9]、(0.9,1]小、中、大三个等级, 依照核算的每一个用户被转发数区间的份额, 人数份额分别为
60%、29%、11%。

      ④网民类型(P-Type): 企业、个人认证、无认证三种的数量, 所占份额分别为 10%、20%、70%。
      (2) 舆情信息初始化: 传达强度 S(t)取 0.5。
      (3) 政府驳斥流言的状况(G-Refute): 选用发布驳斥流言信息以及不发布驳斥流言信息的发贴数量占政府总发贴量的份额, 作为政府 Rk(t)的初始值(驳斥流言发贴数量>不驳斥流言发贴数量, Rk(t)>0, 核算出份额赋值, 同理不驳斥流言发贴数量>驳斥流言发贴数量, Rk(t)<0)得 Rk(0)= – 0.46, 作为Rk(t)初值运用。

4.4 仿实在验成果

      (1) 网民与舆情信息交互即无政府介入的状况如图 4 所示。图中纵坐标标明网民的数量, 横坐标标明时刻的流转, 绿色(①)、黄色(②)、赤色(③)分别标明持拥护、中立、对立情绪网民数量的改变。可以看到, 跟着交互的进行, 中立者越来越多, 而附和者和对立者都是越来越少, 且中立者显着占了最大比重。这是由于本文的模型中, 只有政府可发布正确的引导信息; 在没有政府介入的状况下, 网民不知道何为正确的信息, 而网民直接相互影响, 就会使情绪极点的人越来越少, 而且终究都趋于中立状况。
      (2) 网民、舆情信息及政府三者之间的交互, 由图 5 可以看到, 与无政府状况下比较, 有政府介入的状况下, 到达较安稳的状况需求耗费的时刻明显较少, 验证了 4.2 节中的试验假定(2)。
      由图 5(a)和图 5(b)曲线的对照可以看出, 定见首领数量的增多有利于更早到达安稳状况, 验证了 4.2 节中的试验假定(1)。
比较图 5(b)、图 5(c)和图 5(d), 可以发现政府公信力越大、揭露信息速度越高, 更有助于消除对立定见, 验证了 4.2 节中的试验假定(3)和试验假定(4)。一起可以看出, 提高信息揭露速度发作的影响不如提高公信力发作的影响大。

5 结  论

      本文针对突发事情网络舆情的演化, 以网民集体作为研讨目标, 构建 Agent 仿真模型, 经过一系列的核算机仿实在验, 研讨了影响网络舆情演化的一些首要要素: 定见首领、政府是否介入以及介入的及时性、政府的公信力、政府的信息揭露速度。定见首领的参加、政府的及时介入及其公信力和揭露信息的速度关于突发事情网络舆情的停息有着活跃的效果, 否则会引发网络舆情的进一步分散。
      本次仿实在验的定论可以较好地阐明许多社会中存在的实在状况。在遇到网络突发事情时, 政府应及时发现突发事情发作的征兆, 及时揭露信息, 并与定见首领进行有用的沟通, 凭借他们的力气去停息网络突发事情。试验还证实, 在其他要素不变的状况下, 提高政府的公信力, 体系也能更快到达安稳。政府的公信力不是一朝一夕就能提高的, 政府应刻画公正、公正、揭露、处处为民的形象, 比起定见首领, 网民更简略信赖有公信力的政府发布的信息。

 

责任编辑:admin
中央机构 | 人大机构 | 国家主席 | 国务院 | 政协机构 | 民主党派 | 群众团体 | 驻外机构
Copyright © 2010-2018 中国舆情网 版权所有---中国舆情网简介
网络文化经营许可证 互联网新闻信息服务许可证 互联网出版许可证 电信业务经营许可证
违法和不良信息举报电话 投稿信箱:tougao@yuqingz.com
网站地图 | XML地图
手机版 | 电脑版
Top