标题 | 重大突发事件网络舆情分析及优化研究 |
范文 | 王宝森 廉书源 摘 要:综合搜索引擎数据分析和网络拓扑图分析,研究重大突发事件中各网络平台舆情形成及演化特征,并探究未来基于区块链技术的舆情平台建设方案。通过分析发现,官方平台在舆情传播中有着重要影响力,而非官方媒体影响力相对较小。未来,一方面应进一步加强官方平台建设,从而对舆情进行有效引导;另一方面对非官方平台影响力不足的问题也不能忽视,可以借助区块链技术进行优化,从而不断提高舆情传播引导力和真伪鉴别能力。 关键词:重大集体性突发事件;SNA;舆情传播;区块链 中图分类号:C913 ? ? ?文献标志码:A ? ? ?文章编号:1673-291X(2020)20-0175-04 引言 近些年来,重大突发事件给国家带来了巨大冲击,在这些事件中,谣言和虚假信息层出不穷,负面新闻如火上浇油。过去的经验教训说明,如果舆情传播工作做不好,将极有可能演化为“次生灾害”[1]。 本文以新冠疫情在引发的网络舆情传播为例,综合运用百度指数平台、Gephi等工具,研究舆情演化规律,力图回答目前亟待解答的几个问题:(1)重大突发事件的网络舆情传播特点及阶段规律;(2)重大突发事件中舆情传播的主导力量及意见领袖;(3)未来如何利用新兴技术对网络舆情传播进行进一步优化。 一、重大突发事件网络舆情传播分析 (一)搜索引擎数据分析 1.“新冠肺炎”舆情传播案例概述 新型冠状病毒肺炎(Novel Coronavirus Pneumonia),简称NCP,中文简称“新冠肺炎”。2019年12月份以来,在湖北省部分医院陆续发现一些不明原因的肺炎病例,现被证实是由新冠肺炎病毒感染引起的急性呼吸道传染病。疫情发生后,相关舆情信息传播迅速,新浪平台发布相关报道40余万篇,微博平台阅读次数4.7亿次,讨论次数10.9万次。 2.“新冠肺炎”网络舆情传播阶段及关键节点分析 针对目前许多研究将目光聚焦于某单一平台而不能代表全网舆情传播情况,本文将聚焦于搜索引擎数据,借助搜索指数、媒体指数和资讯指数三个指数进行分析,刻画出突发事件中网络舆情传播的阶段情况。 搜索指数将以搜索引擎搜索量为基础,选取关键词作为统计对象,计算关键词的搜索频次。资讯指数以搜索引擎分发内容为基础,将阅读、评论、点赞等行为的次数进行求和。媒体指数以互联网媒体报道中的关键词为基础进行统计。本文选取疫情常用的“肺炎”、“武汉肺炎”、“新冠肺炎”作为关键词,做出了基于百度搜索的三个指数,如图1、图2、图3。 结合该事件发展,可以清晰地理清此次网络舆情发展的三个阶段。 (1)舆情初始形成阶段(2019年12月31日—2020年1月20日) 2019年12月30日,8名网民在微信中传播“确诊7例SARS”等消息,使得网络舆情开始第一次聚焦,该日三大指数都出现了小波峰。但2020年1月1日,中央电视台以“武汉八人造谣”为题对该事件进行报道,在官媒的介入下,舆情未进一步爆发,后来近20天内一直维持在平稳的初始形成阶段。 (2)舆情大规模爆发阶段(2020年1月20日—2020年2月15日) 1月20日,中央电视台连线钟南山院士,并在节目中确认“新冠肺炎一定存在人传人现象”,引发巨大反响。从这日起,舆情出现爆发,进入舆情大规模爆发阶段,三个指数都出现了快速上升。 (3)舆情逐渐衰退阶段(2020年2月15日至今) 2月15日,中央电视台播发习近平总书记重要文章《在中共中央政治局常委会会议研究应对新型冠状肺炎疫情工作时的讲话》。习总书记强调,“总的来看,党中央对疫情形势的判断是准确的,各项工作部署是及時的,采取的举措也是有效的。”三个结论性判断对社会舆情产生积极影响,平复了近一个月以来的恐慌和焦虑。三大指数也反映了该现象,资讯指数开始下滑,搜索指数也下滑至平均值之下。总书记的讲话如同舆情传播过程中的“定海神针”,使舆情传播逐渐进入消减衰退阶段,广大人民群众的焦虑与恐慌逐渐得到了平息。 (二)“新冠肺炎”舆情传播网络结构分析 1.数据来源 同样以“新冠肺炎”事件为例,数据来自于5个新闻平台——新浪新闻、搜狐新闻、中国新闻网、凤凰新闻和阿里健康新闻,5个新闻平台累计日均活跃用户近4亿人次,是重要的新闻舆情传播平台。 本文将爬取的数据清洗筛选后,最终保留1 367条数据作为最终正式数据集,其中,搜狐新闻417条,凤凰网新闻181条,新浪新闻56条,中国新闻网613条,阿里健康新闻100条。 2.“新冠肺炎”舆情传播网络整体结构的性质 (1)“新冠肺炎”舆情传播网络整体结构的性质 在衡量舆情传播的网络结构整体性质时,常采用几个重要的拓扑参数作为指标。我们使用gephi软件,计算图密度和平均度两个指标来描述此次疫情的舆情传播。 图密度(Graphdensity)作为判断图中节点连接情况的指标,图密度的结果越大,说明图中节点的连接越紧密。在包含n个节点数的有向拓扑图中,以L表示有向图中的连接边数,则舆情传播网络整体图密度的计算公式如公式(1) 平均度(Average Degree)是计算节点连接边数的指标,该指标越大,说明该传播网络中每个节点的连接边数越多。在包含n个节点数的有向图中,以∑D表示图中所有点的度数之和,则舆情传播网络整体平均度的计算公式如公式(2) 表1是运用Gephi软件对“新冠肺炎”舆情传播网络的图密度和平均度的测量结果。 由表1可知,“新冠肺炎”舆情传播网络平均度为1.159,图密度为0.004。本研究采取以点窥面的思路,对此次舆情传播进行分析,反映整体实际传播网络中各节点独立性较强、交互引用并不多的特点。 (2)节点度数 在网络结构中,度反映节点与其他节点联系的情况,值越高,表示联系越密切,分析舆情传播时可以理解为该节点对整个舆情传播中的地位和影响力越大。 表2是各节点度的测量结果,为分析节点性质,根据节点的所属关系将节点分为官方媒体和非官方媒体两类。官方媒体根据是否由中央管理分为中央媒体(中央管理)和地方媒体(地方管理),非官方媒体根据是否由网络公司管理分为网络媒体(公司管理)和自媒体(个人管理)。 从表2可以看出,在此次网络舆情传播中,中央媒体和地方媒体是主要的传播节点,网络媒体和自媒体在舆情传播中的地位和影响力不足。 (三)网络舆情传播的特点 综合对“新冠疫情”事件的分析,可以发现重大集体性突发事件舆情传播的三个特点。 首先,以中央电视台为代表的官方媒体有着重要影响力。辟谣报道使舆情没有爆发而是进入初始形成阶段;连线专家又引起关注,舆情进入爆发阶段;新闻播报又平复了社会恐慌,舆情进入平稳衰退阶段。 其次,起意见领袖作用的是国家领导人和权威专家学者。普通事件的意见领袖常常为一些自媒体和明星用户[2],但是在重大事件中可发现,产生重要影响的是以习近平总书记为代表的党和国家领导人以及以钟南山院士为代表的权威专家学者。 最后,非官方媒体则由于实力的不足和真伪辨识难度较大,在舆情传播体系中影响力较低。 二、区块链技术对舆情传播的优化 (一)区块链信息平台建设的原因 依据上文研究,本文认为,因为目前国家对“虚假信息”的判别尚有缺陷,导致非官方媒体信任程度较低,进而影响了整体舆情传播网络优化。对此,可以利用区块链等技术建立信息平台,在提高信息可信度的情况下激发信息传播者的热情。 (二)区块链信息平台建设方案 参考国内外经验,本文对下一步区块链信息平台的建设提出建设方案。 1.进行信息平台的代币设计和规则制定 发行专属区块链代币如图5所示,分为激励池和推广池两个代币池,进行文章创作奖励和推广奖励。 2.进行信息平台的信息溯源模型设计 基于传统的PROV数据模型建立区块链数据溯源模型,并设计溯源管理合约,通过智能合约将信息存储在区块链上。每一个信息对象M可设为实体,使用哈希函数(hash function)得出哈希值H(M),创建其“数字指纹”。发布者A作为信息的创建者,对信息M进行数字签名操作。除A之外,其他参与者B对该信息的操作也记录在链中,从而使得每条信息記录都包含前一版本的哈希值H(M)、时间戳和带有创建者A数字签名的哈希值[3]。 未来,代币设计可以使平台保持活力,而溯源模型设计可以快速锁定信息创建人A,并结合公安等系统数据对信息的可信性进行研判。 三、结论 一方面,目前重大突发事件中,官方媒体有着重要影响,国家领导人和权威专家发挥着意见领袖的作用;非官方媒体在舆情传播中由于权威性不足等原因处于弱势地位,未来要不断推动各类舆情节点在舆情传播中都发挥重要作用。 另一方面,我国网络舆情传播复杂,除了主流意识形态传播平台的发展,还需要早日建成具有一定影响力的区块链式信息平台、进一步激发广大舆情个体的积极性主动性,并增强对虚假信息的判别能力,推动我国舆情传播的不断优化。 参考文献: [1] ?赵金楼,成俊会.基于SNA的突发事件微博舆情传播网络结构分析——以“4.20四川雅安地震”为例[J].管理评论,2015,27(1):148-157. [2] ?王平,谢耘耕.突发公共事件中微博意见领袖的实证研究——以“温州动车事故”为例[J].现代传播(中国传媒大学学报),2012,34(3):82-88. [3] ?张国英,毛燕琴.一种基于区块链的去中心化数据溯源方法[J].南京邮电大学学报:自然科学版,2019,39(2):91-98. |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。