疫情期間社會(huì)媒體輿論影響下公眾情感變化與情感指數(shù)分布及對(duì)策分析

丁海昕 王沁 李志剛

摘 要 重大疫情背景下社會(huì)媒體輿論的正確引導(dǎo)，對(duì)社會(huì)穩(wěn)定具有重要意義。通過(guò)文本挖掘獲取微博數(shù)據(jù)并進(jìn)行相關(guān)的預(yù)處理，使用神經(jīng)網(wǎng)絡(luò)算法將輿論信息劃分為積極、中立、消極三個(gè)維度，引入SEIR模型和地理加權(quán)回歸模型對(duì)時(shí)間維度情感變化趨勢(shì)與情感指數(shù)空間分布狀況進(jìn)行了分析。根據(jù)SEIR模型可大致將疫情發(fā)生后的輿論擴(kuò)散時(shí)期劃分為0～20天增長(zhǎng)階段、20～40天爆發(fā)階段、40天后消退階段，并根據(jù)分析結(jié)論，提出社會(huì)媒體輿論引導(dǎo)的對(duì)策建議。

關(guān)鍵詞 社會(huì)媒體輿論；SEIR模型；地理加權(quán)回歸模型；情感變化趨勢(shì)；情感指數(shù)

中圖分類號(hào) G2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-0360（2021）21-0011-04

基金項(xiàng)目：四川省社會(huì)科學(xué)“十三五”規(guī)劃2020年度重大項(xiàng)目“重大疫情背景下社交媒體輿論傳播網(wǎng)絡(luò)特點(diǎn)與引導(dǎo)機(jī)制研究”（編號(hào)：SC20YJ002）；2020年國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（編號(hào)：202010616024）。

重大疫情發(fā)生時(shí)，從中央到地方的各級(jí)政府官方平臺(tái)實(shí)時(shí)更新數(shù)據(jù)，發(fā)布權(quán)威信息；各類新聞媒體密切跟蹤，全方位報(bào)道；各類自媒體時(shí)刻關(guān)注疫情信息，活躍在各大輿論場(chǎng)。疫情期間，輿論傳播隨著疫情發(fā)展的不同時(shí)間和不同空間而不斷演變。其中，輿論傳播的重要渠道之一就是微博，因?yàn)槠溆脩魯?shù)量巨大，信息交互頻繁、快速等特點(diǎn)，在短時(shí)間內(nèi)迅速形成了強(qiáng)大的“井噴式”網(wǎng)絡(luò)輿情，從而影響了事件的演化方向，并且對(duì)相關(guān)政府部門對(duì)事件的判斷和處理造成影響。因此，對(duì)微博網(wǎng)絡(luò)中的輿論傳播機(jī)制與對(duì)策的研究顯得格外重要，有助于各級(jí)黨政機(jī)關(guān)及時(shí)而準(zhǔn)確地掌握輿情動(dòng)態(tài)、回應(yīng)民眾關(guān)切，從而提高應(yīng)對(duì)能力。

目前，關(guān)于社會(huì)媒體輿論傳播機(jī)制的研究已經(jīng)引起了許多學(xué)者的關(guān)注，但是關(guān)注點(diǎn)大多集中在于輿論隨著時(shí)間變化的傳播機(jī)制，而忽略了社會(huì)媒體輿論傳播背后的地理位置信息，更少將時(shí)間信息與地理位置信息相結(jié)合對(duì)輿情進(jìn)行分析。林芹、郭東強(qiáng)[ 1 ]優(yōu)化SIS模型，在用戶心理特征的基礎(chǔ)上，通過(guò)仿真驗(yàn)證模型有效性，給出防控社交網(wǎng)絡(luò)輿情的方法。顧亦然和夏玲玲[ 2 ]通過(guò)SEIR模型提出一個(gè)具有潛伏期的網(wǎng)絡(luò)謠言傳播模型，并總結(jié)出一種網(wǎng)絡(luò)謠言抑制對(duì)策。鄭蕾和李生紅[ 3 ]使用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，并將微博網(wǎng)絡(luò)中的信息傳播機(jī)制與之結(jié)合，總結(jié)出了微博網(wǎng)絡(luò)信息傳播模型。

本文結(jié)合時(shí)間與空間對(duì)群眾情感趨勢(shì)變化以及社會(huì)媒體輿論傳播進(jìn)行雙維度分析，探索輿論發(fā)展導(dǎo)向、群眾情感波動(dòng)以及疫情出現(xiàn)后不同時(shí)空點(diǎn)的相關(guān)性，歸納群眾情感波動(dòng)與時(shí)空變化的規(guī)律。解決網(wǎng)絡(luò)中發(fā)表的關(guān)于探究重大疫情輿論導(dǎo)向的文章多數(shù)未深入探討輿論現(xiàn)象外表下推動(dòng)輿論變化的環(huán)境因素，即時(shí)空因素所帶來(lái)的影響的問(wèn)題。

1 研究思路與模型構(gòu)建

1.1 總體研究思路（圖1）

首先，文本挖掘獲取微博數(shù)據(jù)并進(jìn)行相關(guān)的預(yù)處理，通過(guò)神經(jīng)網(wǎng)絡(luò)算法將文本劃分為積極、中立、消極三個(gè)維度。

其次，引入SEIR模型進(jìn)行情感趨勢(shì)分析，通過(guò)GWR（地理加權(quán)回歸）模型進(jìn)行情感空間分布預(yù)測(cè)。

再者，將整個(gè)輿論擴(kuò)散時(shí)期劃分為增長(zhǎng)、爆發(fā)、消退三個(gè)階段，通過(guò)社會(huì)網(wǎng)絡(luò)建立疫情期間微博輿論的傳播機(jī)制。

最后，將微博意見(jiàn)領(lǐng)袖類（如新聞、大V等）詞云劃分為消極事實(shí)、積極事實(shí)和謠言，試判斷這三類對(duì)每個(gè)階段導(dǎo)向的影響，以此來(lái)提出相對(duì)應(yīng)的對(duì)策干預(yù)。

1.2 基于SEIR模型的情感趨勢(shì)分析

1.2.1 SEIR模型構(gòu)建

這里感染指由于輿論影響發(fā)生情緒轉(zhuǎn)變，康復(fù)指遺忘微博輿論。

首先根據(jù)SEIR傳統(tǒng)模型，將人群分為S（易感者：易受情緒影響）、E（潛伏者：被情緒潛在影響）、I（感染者：由于輿論影響發(fā)生情緒轉(zhuǎn)變），R（康復(fù)者：遺忘情緒）。

這里S為全國(guó)網(wǎng)絡(luò)人數(shù)、E為疫情話題討論人員（中性）、I為情緒指數(shù)有變化（消極/積極）、R為積極/消極—中性，由于情緒數(shù)據(jù)具有個(gè)人化的特點(diǎn)，較難準(zhǔn)確測(cè)定，這里以整體指數(shù)為準(zhǔn)，即所討論人員情緒變化皆由整體微博評(píng)論的情感指數(shù)來(lái)作為定量指標(biāo)。

1.2.2 疫情期間情感指數(shù)趨勢(shì)

這里以疫情期間2019.12—2020.03數(shù)據(jù)為例，進(jìn)行情感分析，得到結(jié)果如圖3所示。

發(fā)現(xiàn)處于消極情緒的人居多，處于積極情緒的人較少，證明在疫情開(kāi)始期間人們都處于消極恐慌的輿情信息中。

基于情感頻率代入SEIR模型中進(jìn)行輿情影響人數(shù)預(yù)測(cè)，見(jiàn)圖4。其中參數(shù)設(shè)定見(jiàn)表1。

根據(jù)SEIR的研究結(jié)果，我們可以大致將疫情發(fā)生后的輿論擴(kuò)散時(shí)期劃分為：0～20天為增長(zhǎng)階段，20～40天為爆發(fā)階段，40天后為消退階段。

增長(zhǎng)階段易感者在人數(shù)上占有巨大主導(dǎo)性，人數(shù)有壓倒性的占比，在增長(zhǎng)階段中期，即疫情發(fā)生后10天左右才有下降的趨勢(shì)，且下降速率十分快。潛伏者和傳染者在增長(zhǎng)階段中期開(kāi)始產(chǎn)生，且潛伏者增長(zhǎng)速率明顯大于傳染者，且二者在此階段峰值潛伏者越為傳染者的4～5倍，可見(jiàn)在輿論情感傳播的情緒轉(zhuǎn)化過(guò)程中潛伏者對(duì)應(yīng)的被情緒潛在影響因素的影響效果遠(yuǎn)大于感染者對(duì)應(yīng)的輿論影響因素。此階段康復(fù)者幾乎沒(méi)有出現(xiàn)，僅在18天左右有萌芽趨勢(shì)。

爆發(fā)階段易感者數(shù)量繼續(xù)急劇下降，并在本階段下降為0。潛伏者和傳染者數(shù)量在本階段上升至整個(gè)輿論擴(kuò)散時(shí)期的峰值，且潛伏者峰值人數(shù)為傳染者峰值人數(shù)的兩倍，傳染者人數(shù)達(dá)到峰值的時(shí)間比潛伏者人數(shù)到達(dá)峰值的時(shí)間延后5～8天。在達(dá)到峰值后，二者人數(shù)下降的斜率不同，且潛伏者人數(shù)下降斜率大于傳染者斜率下降速率。也正因斜率的差異性，雖然二者峰值差距較大，但二者曲線的微積分面積相差較小?？芍谡麄€(gè)輿論擴(kuò)散時(shí)期，潛伏者和傳染者所發(fā)揮的作用都不可小覷。本階段康復(fù)者人數(shù)開(kāi)始呈樂(lè)觀上升態(tài)勢(shì)，并在階段結(jié)束時(shí)達(dá)到約6×10⁴人。

消退階段傳染者和潛伏者人數(shù)持續(xù)下降，且傳染者人數(shù)下降速率依舊保持小于潛伏者下降的速率，最終潛伏者先于傳染者人數(shù)降為0?？祻?fù)者人數(shù)在傳染者和潛伏者人數(shù)都降為0后達(dá)到峰值，此時(shí)已經(jīng)距離疫情發(fā)生時(shí)間點(diǎn)過(guò)去約85～95天。

整個(gè)輿論擴(kuò)散時(shí)期大約持續(xù)了3個(gè)月左右，期間潛伏者的出現(xiàn)伴隨著易感者人數(shù)的減少，同時(shí)也伴隨康復(fù)者的增加。傳染者的出現(xiàn)加劇了康復(fù)者的出現(xiàn)速率，使康復(fù)者人數(shù)呈一定速度地上升?？梢?jiàn)輿論擴(kuò)散時(shí)期中，各要素的人數(shù)變化最復(fù)雜的階段為爆發(fā)階段，如果需要在爆發(fā)階段對(duì)輿情做出引導(dǎo)，還需要進(jìn)一步對(duì)易感者、潛伏者、傳染者、康復(fù)者四者之間的內(nèi)在聯(lián)系、影響關(guān)系進(jìn)行進(jìn)一步的研究。

1.3 基于GWR模型的地區(qū)情感指數(shù)分布

根據(jù)分析結(jié)果可以得出各個(gè)地區(qū)擬合效果都比較理想，通過(guò)GWR模型得出各個(gè)地區(qū)的平均情感指數(shù)并得出相應(yīng)地區(qū)的情感分析。其中山西省的情感指數(shù)最低，情感指數(shù)范圍在-2.5以下，代表其受疫情影響較小，情緒穩(wěn)定；貴州省情感指數(shù)范圍在-2.5到-1.5之間，群眾情感較穩(wěn)定；以陜西省、江蘇省、山東省為代表的地區(qū)情感指數(shù)范圍在-1.5到-0.5之間，群眾情感也普遍穩(wěn)定；以青海省、廣東省、吉林省為代表的地區(qū)情感指數(shù)在-0.5到0.5之間，群眾有小部分受到疫情影響，情緒有小幅度波動(dòng)；四川省的情感指數(shù)范圍在0.5到1.5之間，群眾中有部分情緒受疫情以及輿情感染；以云南省、河南省、安徽省為代表的地區(qū)情感指數(shù)范圍在1.5到2.5之間，受疫情以及輿情影響，情緒波動(dòng)較大。可以得出結(jié)論，距離武漢遠(yuǎn)的地區(qū)大部分群眾情感趨于穩(wěn)定，距離武漢近的地區(qū)的群眾情感波動(dòng)較為明顯。

2 結(jié)論與對(duì)策

利用SEIR和GWR模型分析了疫情輿論影響的情感轉(zhuǎn)化趨勢(shì)和情感指數(shù)變化的空間特征，其研究結(jié)論如下。

1）疫情期間情感趨勢(shì)中，易感者、潛伏者、傳染者、康復(fù)者四者轉(zhuǎn)化最為復(fù)雜的階段是輿情爆發(fā)階段，即疫情輿情開(kāi)始變化后的第20～40天。此階段四者相互轉(zhuǎn)化關(guān)系強(qiáng)烈，在數(shù)量趨勢(shì)上有猛烈變化，是輿情引導(dǎo)的關(guān)鍵時(shí)期。此階段政府應(yīng)采取官方賬號(hào)引導(dǎo)、新聞發(fā)布等方式對(duì)輿情進(jìn)行正確引導(dǎo)，避免出現(xiàn)盲目鎮(zhèn)壓、錯(cuò)誤報(bào)道等現(xiàn)象，使民心散亂，引發(fā)疫情恐慌。并且和一般的網(wǎng)絡(luò)輿情不同，重大疫情網(wǎng)絡(luò)輿情往往會(huì)因?yàn)橐咔楸旧淼膰?yán)重性、疫情防控形勢(shì)的嚴(yán)峻性而增加網(wǎng)絡(luò)輿情傳播的“燃燒溫度”加劇了輿情治理的難度[4]。在治理過(guò)程中，必定會(huì)遇到人力、信息、物資、技術(shù)等各方面的約束，因此，針對(duì)特殊時(shí)期的輿情治理，需要打破固有的慣性思維，從刻板體系層級(jí)關(guān)系中跳脫，構(gòu)建更加高效、暢通的中央與地方、地方與地方之間的相互配合關(guān)系，不斷完善相關(guān)治理體系中的僵化性，增加系統(tǒng)靈活性，柔性對(duì)待每一次意外情況。

2）從情感分析看，疫情期間處于消極情緒的人居多，處于積極情緒的人較少，說(shuō)明在疫情開(kāi)始期間人民都處于消極恐慌的輿情信息中。在輿情爆發(fā)階段出現(xiàn)大規(guī)模消極思潮，政府相關(guān)部門應(yīng)直接通過(guò)網(wǎng)絡(luò)媒介發(fā)布信息，正確引導(dǎo)網(wǎng)民。對(duì)這段時(shí)機(jī)的把握要重視，一旦錯(cuò)失良機(jī)，消極思潮便有進(jìn)一步向深層次發(fā)展的危險(xiǎn)[5]。

3）將GWR模型中的地理情感波動(dòng)強(qiáng)度與SEIR模型中的情感轉(zhuǎn)化情況驗(yàn)證后發(fā)現(xiàn)，各個(gè)地區(qū)的擴(kuò)散趨勢(shì)模擬與真實(shí)情況擬合度較高，與輿情的生命周期模型趨勢(shì)基本一致[6]，在輿情擴(kuò)散趨勢(shì)預(yù)測(cè)上可以起到一定作用。重大疫情下輿論治理需要根據(jù)不同的地域采取不同的政策方針。在可以預(yù)測(cè)未來(lái)一定時(shí)間段內(nèi)輿情地理傳播趨勢(shì)的基礎(chǔ)上，可以對(duì)政策下達(dá)進(jìn)行預(yù)期擬合，這樣對(duì)輿情的變化態(tài)勢(shì)有預(yù)期的準(zhǔn)備，提高治理水平。

參考文獻(xiàn)

[1]林芹，郭東強(qiáng).優(yōu)化SIS模型的社交網(wǎng)絡(luò)輿情傳播研究[J].情報(bào)科學(xué)，2017，35（3）53-56.

[2]顧亦然，夏玲玲.在線社交網(wǎng)絡(luò)中謠言的傳播與抑制[J].物理學(xué)報(bào)，2012，61（23）：544-550.

[3]鄭蕾，李生紅.基于微博網(wǎng)絡(luò)的信息傳播模型[J].通信技術(shù)，2012，45（2）：39-41.

[4]胡峰.重大疫情網(wǎng)絡(luò)輿情演變機(jī)理及跨界治理研究：基于“四點(diǎn)四階段”演化模型[J].情報(bào)理論與實(shí)踐（ITA），2020，43（6）：23-55.

[5]潘芳，卞藝杰，潘郁.危機(jī)事件網(wǎng)絡(luò)輿情傳播模型及消極思潮應(yīng)急對(duì)策[J].圖書(shū)情報(bào)工作，2010，54（15）：40-43.

[6]任凱，郭黎黎，張燕.社交網(wǎng)絡(luò)輿情事件的生命周期模型研究[J].科技傳播，2019（23）：1-3.