全媒體時代網(wǎng)絡輿情事件高熱度生成機理研究

張姝慧, 王宏偉, 蔡浩

(1.華北水利水電大學 管理與經濟學院，河南 鄭州 450046； 2.中國人民大學 公共管理學院, 北京 100872；3.中安信業(yè)(北京)投資有限公司, 北京 101200)

隨著互聯(lián)網(wǎng)的普及，全媒體時代的網(wǎng)絡輿論發(fā)展呈現(xiàn)出人人都有麥克風、人人皆記者的驚人態(tài)勢。在全媒體時代下，網(wǎng)絡空間不僅成為社會輿論和思想文化的匯聚點，也是群眾表達利益訴求的匯集地。

新冠肺炎疫情暴發(fā)后，板藍根可以預防新冠肺炎等民間謠言甚囂塵上，同時相關話題在網(wǎng)絡上不斷發(fā)酵，出現(xiàn)了很多轉發(fā)量極高的、具有驚人標題的新聞。這些現(xiàn)象說明了現(xiàn)實事件通過網(wǎng)絡傳播后會衍生出眾多發(fā)酵后的輿論，這些輿論如果不及時進行應對與處置可能會招致網(wǎng)民的質疑與批判，加劇民眾對于政府相關部門的不信任，從而損害政府的公信力。上述這些現(xiàn)象在國內外都會產生較大的負面影響，嚴重的可能會威脅到社會穩(wěn)定和國家安全，網(wǎng)絡輿情事件的治理面臨著復雜與嚴峻的挑戰(zhàn)。因此，對于網(wǎng)絡輿情事件的導控與治理已經引起了社會各界的廣泛關注，該領域的研究也成為管理學界的重大熱點問題。網(wǎng)絡輿情事件的高熱度傳播是網(wǎng)絡輿情危機暴發(fā)的前奏，國家在做好網(wǎng)絡輿情應急管理時面臨著巨大挑戰(zhàn)。厘清網(wǎng)絡輿情事件熱度的生成機理是防范與化解網(wǎng)絡輿情危機的基礎，因此，對于網(wǎng)絡輿情事件高熱度傳播的研究是必不可少的。

一、研究現(xiàn)狀

近年來，關于處置、管理與應對突發(fā)性網(wǎng)絡輿情事件的研究越來越多，輿情熱度分析的相關研究成為學界探討的一大熱點[1-2]。研究內容主要包括輿情事件熱度評價指標研究、熱度趨勢分析預測和熱度影響因素的探究。對于熱度評價指標的研究，大多針對不同類型或者不同領域的輿情事件熱度展開，如在兒童輿情事件、食品安全事件、政府企業(yè)負面事件等不同領域展開的網(wǎng)絡輿情事件熱度評價指標研究[3-5]。對于熱度趨勢分析預測的研究，主要是基于馬爾可夫鏈輿情熱度趨勢分析以及基于不同BP神經網(wǎng)絡模型的輿情熱度預測[6-11]，少數(shù)學者利用大數(shù)據(jù)技術來研究輿情熱度動態(tài)的預測模型[12]。對于網(wǎng)絡輿情熱度影響因素及其成因的研究，學者們主要集中于單個影響因素對于網(wǎng)絡輿情熱度結果的凈效應分析，如信息傳播平臺、事件公共度與事件敏感度、事件本身屬性與網(wǎng)民參與等因素對網(wǎng)絡輿情事件的影響[13-15]。這些關于影響因素的研究為本文提供了很好的基礎，但仍然有可拓展的空間。從研究方法角度出發(fā)，現(xiàn)有研究多是從單一的定量或定性的研究方法展開[16]，少數(shù)學者開始使用定性結合定量的研究方法，如定性比較分析法。

目前，網(wǎng)絡輿情事件高熱度傳播變得日漸頻繁，而對其內在的熱度傳播機制研究仍處于起步階段，具體表現(xiàn)為數(shù)量較少、研究方法單一、案例研究多是基于某單一理論的單一案例分析等。在此基礎上無法總結出解釋網(wǎng)絡輿情事件高熱度傳播發(fā)生的內在機理，沒有形成系統(tǒng)性的研究成果。此外，對網(wǎng)絡輿情事件高熱度傳播在多種影響因素相互作用條件下的組態(tài)研究也鮮有人關注。由于網(wǎng)絡事件的傳播是多主體參與并且傳播環(huán)境復雜多變，凈效應的研究結果具有一定的局限性。因此，對網(wǎng)絡輿情事件熱度的生成機理亟須更為深入的探究。從組態(tài)視角來研究網(wǎng)絡輿情熱度不僅能體現(xiàn)網(wǎng)絡輿情高熱度傳播的復雜性，還可以比較分析不同的組合路徑產生的不同結果。

二、研究設計及其框架

(一)建立案例庫

2020年初，突如其來的新冠肺炎疫情對我國社會的各方面帶來了嚴重的影響，居家防疫成為防控疫情的重要手段之一。在此期間網(wǎng)絡成為更密集的信息收發(fā)地，民眾更加依賴與關注網(wǎng)絡，網(wǎng)絡輿情事件的高熱度傳播現(xiàn)象突顯?；诖?，本研究通過知微軟件事件庫以及相關媒體報道收集確定了新冠肺炎疫情發(fā)生后(2020年1月—2020年6月)的30個網(wǎng)絡輿情案例作為研究樣本(見表1)。為了減少高熱度傳播的輿情事件樣本的偏差性，本研究對每個案例都從不同的渠道獲取了相應的資料作為補充。主要收集的數(shù)據(jù)來源于知微事件庫，事件信息包括事件概況、傳播趨勢、重要渠道、輿論聚合等。在事件庫中就新冠肺炎疫情后的相關高熱度事件進行搜索歸納，結合相關媒體報道對搜索的事件進行補充，共提煉出30個包含文教衛(wèi)生、國際等不同事件屬性的樣本案例。本文的研究方法采用的是定性比較分析方法，旨在研究網(wǎng)絡輿情事件高熱度傳播生成機理與組合路徑。不同于凈效應的條件變量X對于結果變量Y的影響，重點突出在組態(tài)視角下形成網(wǎng)絡輿情高熱度傳播的路徑方式。

表1 2020年1月—2020年6月30個輿情案例

(二)研究方法與研究框架

20世紀80年代，Ragin出版的《比較方法：在定性和定量策略之外》中提出了定性比較分析方法。該方法早期主要應用于政策研究，2010年之后才開始在中國逐漸應用于管理學、經濟學等人文社科領域。定性比較分析方法的思想依據(jù)是布爾代數(shù)的集合論，已經被廣泛運用于人文社科的媒介研究中，其探究的是多個條件變量的組合導致結果變量的產生。毛湛文指出該方法在新聞傳播學領域的研究優(yōu)勢有兩點，一是比單一案例研究和多案例舉例更具有科學性與創(chuàng)新突破性；二是因為新聞傳播的復雜現(xiàn)象不是單一原因造成的，符合定性比較分析方法對案例研究的基本要求[17]。

該方法處理的數(shù)據(jù)集主要包括清晰集、多值集、模糊集以及時序集等。其中，清晰集的數(shù)據(jù)處理方式很容易忽略數(shù)據(jù)之間的差別，而模糊集在這一方面就可以做到精準地區(qū)分數(shù)據(jù)之間的差異，從而達到很好的數(shù)據(jù)處理效果。因此，本文構建的數(shù)據(jù)集合為模糊集，即條件變量的隸屬分數(shù)不再是0或1，而是根據(jù)相關的實踐基礎以及理論基礎設置的不同的隸屬函數(shù)閾值。對于沒有外部經驗的條件變量的隸屬函數(shù)閾值設置，采取軟件賦予相應的模糊隸屬函數(shù)。定性比較分析方法中對于結果的判斷包括條件變量的充分一致性、必要一致性和組態(tài)條件的覆蓋率。當單個條件變量充分一致性大于0.8時，說明有80%以上的案例滿足充分一致性條件，則該條件變量可以被認為是結果變量的充分條件。當單個條件的必要一致性大于0.9時，說明該條件變量是結果變量的必要條件。當組態(tài)條件的覆蓋率越大時，說明該組態(tài)條件所能解釋的結果變量的力度越大，則能被該組態(tài)條件解釋的案例也就越多。

定性比較分析方法對于條件變量的選取可以通過挖掘現(xiàn)有文獻與理論，而網(wǎng)絡輿情傳播作為傳播領域研究的一部分，從信息生成到傳播都遵循著傳播學的理論。傳播學的奠基人拉斯韋爾在其著作中提出了事件傳播經典的“5W”模式，這也是傳播學的奠基理論之一。該模式從傳播者(Who)、傳播內容(Says What)、傳播媒介(In Which Channel)、受眾(Whom)和傳播效果(With What Effect)等說明了傳播學的研究內容，對于傳播學研究的影響尤其深遠。隨著社會新媒體的發(fā)展，“5W”模式從宏觀對于傳播流程的解釋依然具有獨特的解釋力與價值。因此，本文結合全媒體時代下網(wǎng)絡媒體發(fā)展的特征，以“5W”經典模式為研究基礎對2020年新冠肺炎疫情下的30個案例進行中等樣本案例分析，從而探索網(wǎng)絡輿情事件高熱度傳播發(fā)生的機理。本文條件變量的構建是在傳播學“5W”的基礎上結合樣本案例特征，從信息源、事件類型、網(wǎng)絡媒體參與、重要媒體報道、情感反饋、干預措施六個方面對案例進行考察。這六個變量分別是從事件傳播者、事件傳播內容、事件傳播媒介以及事件發(fā)展的受眾四個方面提取獲得。信息源是確定事件傳播者；事件類型是對事件傳播內容的考察；網(wǎng)絡媒體參與和重要媒體報道是對傳播媒介的衡量；而情感反饋與干預措施則是將受眾分為網(wǎng)民大眾與政府兩個部分，研究框架如圖1所示。

圖1 研究框架圖

(三)變量測量與賦值

定性比較分析法對數(shù)據(jù)集合的賦值規(guī)則無明確標準，故本文基于已有研究對數(shù)據(jù)集合進行賦值。參與此項工作的研究人員共三名，為保證質性研究在數(shù)據(jù)賦值工作上的可靠性，三名研究人員將對賦值規(guī)則以及指標進行討論協(xié)商直至對數(shù)據(jù)賦值工作無異議。由于結果變量事件高熱度傳播(R)具有一定的特殊性，以往研究大都采用0-1賦值法或根據(jù)相關百度指數(shù)進行多值賦值法。這兩種方法都在一定程度上模糊了各案例之間的傳播熱度區(qū)別，從而導致變量信息丟失或者產生矛盾組態(tài)。為規(guī)避以上缺陷，對于結果變量本文采取百分位數(shù)95%、5%和均值作為完全隸屬閾值、完全不隸屬閾值和最大模糊點閾值。利用軟件fs/QCA的校準函數(shù)來對結果變量進行隸屬分數(shù)賦值，從而完成模糊集數(shù)據(jù)的校準。

信息源變量是以“5W”模式中事件傳播者為基礎，從事件源頭來考察事件被高熱度傳播的原因。傳播學的先驅霍夫蘭研究了信息源的傳播效果，他認為改進傳播效果的必經之路就是從傳播者出發(fā)。本文將案例事件中可以觀察或追溯確切事件信息源頭的案例事件的信息源變量賦值為1，將無法追溯到確切信息源頭或者信息源頭不確定的案例事件的信息源變量賦值為0。

事件類型變量來源于“5W”模式中的傳播內容，指事件的類型性質，如社會類、國際類等。由于本文案例選取的是新冠肺炎疫情衍生出的網(wǎng)絡輿情高熱度事件，因此，將事件的類型分為文教衛(wèi)生類與其他類，故采取二分法。其中文教衛(wèi)生類指事件的性質為文化、教育、衛(wèi)生類的公共事件，案例事件屬于此類型時將事件類型變量賦值為1，不屬于此類型時事件類型變量賦值為0。

網(wǎng)絡媒體參與變量與重要媒體報道變量來源于“5W”模式中的傳播媒介。網(wǎng)絡媒體參與變量是指當該事件發(fā)生后，參與該事件報道的網(wǎng)絡媒體數(shù)據(jù)采集于知微事件庫中的事件網(wǎng)絡媒體參與數(shù)量。重要媒體報道變量是指事件發(fā)生后，央級媒體、財經類媒體以及科技類媒體參與事件的報道。數(shù)據(jù)采集于知微事件庫中的事件重要媒體參與報道數(shù)量。根據(jù)之前的研究，這兩個變量目前沒有統(tǒng)一的數(shù)據(jù)處理標準，并且樣本數(shù)據(jù)中的數(shù)據(jù)差別較小，不適用于二分法和多值法處理賦值。故本研究采取最大值、均值、最小值作為完全隸屬閾值、完全不隸屬閾值和最大模糊點閾值的錨點，利用軟件fs/QCA的校準函數(shù)對數(shù)據(jù)進行模糊隸屬分數(shù)賦值。

情感反饋變量是從“5W”模式中受眾引申而來。從大眾網(wǎng)民的角度出發(fā)觀察每一個案例的反饋情況。心理學的相關研究表明，信息傳播的情感會對事件傳播范圍以及傳播人群產生影響[18]，這一變量的參考依據(jù)為知微事件庫的事件輿論聚合。當大眾表現(xiàn)出的情感反饋為正面或者無明顯負面情感，則將情感變量賦值為1，當大眾表現(xiàn)出負面的情感反饋則賦值為0。干預措施變量則是從政府的角度出發(fā)，是指政府對于網(wǎng)絡傳播事件是否進行干預疏解并采取相關措施。當政府采取相關疏解措施時，將干預措施變量賦值為1，否則賦值為0。各變量類型以及具體賦值規(guī)則如表2所示。

表2 變量選擇與賦值

三、數(shù)據(jù)結果與發(fā)現(xiàn)

根據(jù)模糊集定性比較分析方法的研究步驟，研究人員對數(shù)據(jù)進行賦值與校準后，由軟件fs/QCA 3.0生成整體樣本數(shù)據(jù)的真值表。真值表是通過校準分析對目前整體案例進行分類整理與歸納后形成，共存在18種案例類型，見表3。

表3 整體樣本數(shù)據(jù)的真值表

(一)單一變量必要分析

完成真值表的構建后，對單一變量進行必要性分析。當必要一致性大于0.9時，說明結果是由該單一條件所導致的，可進一步結合覆蓋率來分析該條件變量的解釋力度。本文所指的覆蓋率均為原始覆蓋率，覆蓋率越大則解釋力度越大。具體分析結果如表4所示。

由表4可知，單一條件變量的一致性均小于0.9，說明本文所選取的單一變量均不是結果變量的必要條件，即這些條件變量都不能單一地促使結果發(fā)生。信息源變量、重要媒體報道變量以及情感反饋變量的一致性大于0.8，則說明這三個變量為結果變量的充分條件，即這三個條件變量或者三個條件變量的組合是導致結果變量出現(xiàn)的原因。其中，網(wǎng)絡媒體參與的原始覆蓋率為0.826 435，說明該條件變量或者包含該條件變量的組合變量可以解釋約82.64%的案例事件高熱度傳播的原因。以上結果表明，沒有單一條件可以導致結果變量產生，所以需要進一步進行條件組合的分析來探究輿情事件高熱度傳播的影響因素組合。

表4 單一變量必要性分析結果

(二)條件組合分析

在進行單一條件的必要性分析之后，對條件變量的組合路徑進行分析，利用軟件fs/QCA 3.0進行組合分析，結果產生簡單解、中間解以及復雜解三種不同的組合解。由于中簡解在考慮復雜程度以及合理性時是最優(yōu)的，所以本研究將中間解作為最終解。中間解的結果如表5所示，四條路徑解的整體一致性為0.901 592，大于0.9，具有較強的解釋力；解的整體覆蓋率為0.563 801，說明案例樣本中56.3%的案例可以被四條路徑解釋，結果中的四條路徑具有較高的覆蓋率。

根據(jù)表5與表6分析結果，網(wǎng)絡輿情事件高熱度傳播的原因組合路徑有四種，其中*為邏輯與，～為邏輯非。

表5 中間解運行結果

表6 原因組合結果分析

原因組合路徑1：信息源變量*事件類型變量*～網(wǎng)絡媒體參與變量*情感反饋變量*干預措施變量(A*B*～C*E*F)。該原因組合路徑是指一件有確切信息源的文教衛(wèi)生事件在經過較低的網(wǎng)絡媒體參與報道后，對于該事件大眾的情感反饋為正向積極或者無明顯負面情感的反饋時，政府采取了相關的疏解措施后該網(wǎng)絡輿情事件呈現(xiàn)的是高熱度傳播。該組合路徑解的一致性為0.905 263，具有較強的解釋力；原始覆蓋率為0.155 656，即該組合路徑可以解釋樣本案例中大約15.5%的案例；唯一覆蓋率為0.126 697，即樣本案例中大約有12.6%的案例僅能被該路徑解釋，樣本案例中符合該路徑的案例有案例19(北京確診外賣員平均每天接50單)、案例29(百事食品北京分廠共發(fā)現(xiàn)8例確診病事件)。

原因組合路徑2：信息源變量*網(wǎng)絡媒體參與變量*重要媒體報道變量*情感反饋變量*干預措施變量(A*C*D*E*F)。該原因組合路徑是指一件有確切信息源的事件在經過較高的網(wǎng)絡媒體參與和重要媒體報道后，該事件的大眾反饋是正向積極的情感或者無明顯的負面情感反饋。對此政府做出了相關疏解措施后該網(wǎng)絡輿情事件呈現(xiàn)出高熱度傳播。該組合路徑解的一致性為0.897 561，具有較強的解釋力；原始覆蓋率為0.333 032，即該組合路徑可以解釋樣本案例中大約33.3%的案例；唯一覆蓋率為0.304 072，即樣本案例中有大約30.4%的案例僅能被該組合路徑解釋，樣本案例中符合該路徑的案例有案例13(北京深圳等多地出現(xiàn)境外輸入性病例事件)、案例27(2020年6月北京再度出現(xiàn)新冠肺炎病例事件)等。

原因組合路徑3：～信息源變量*～事件類型變量*～網(wǎng)絡媒體參與變量*重要媒體報道變量*情感反饋變量*～干預措施變量(～A*～B*～C*D*E*～F)。該原因組合路徑是指一件沒有確切的信息源且不屬于文教衛(wèi)生類的事件在經過較低的網(wǎng)絡媒體參與但是有較高比重的重要媒體報道后，大眾對該輿情事件的反饋為正向積極的情感或者無明顯的負面情感，該網(wǎng)絡輿情事件呈現(xiàn)出高熱度傳播。在此過程中，政府并沒有進行任何的疏解干預。該組合路徑解的一致性為0.984 375，具有較強的解釋力；原始覆蓋率為0.057 136，即樣本案例中大約5.7%的案例可以被該路徑解釋；唯一覆蓋率為0.057 136，即樣這5.7%的案例只能被組合路徑3解釋，樣本案例中符合該路徑的有案例21(英國首相新冠肺炎檢測呈陽性事件)。

原因組合路徑4：信息源變量*～事件類型變量*～網(wǎng)絡媒體參與變量*重要媒體報道變量*～情感反饋變量*干預措施變量(A*～B*～C*D*～E*F)。該原因組合路徑是指一件有確切的信息源且不屬于文教衛(wèi)生類事件在經過較低的網(wǎng)絡媒體參與但是有較高比重的重要媒體報道后，大眾對該輿情事件的反饋為負面情感反饋。政府對此進行了疏解干預措施后該網(wǎng)絡輿情事件呈現(xiàn)出高熱度傳播。該組合路徑解的一致性為0.881 356，具有較強的解釋力，原始覆蓋率為0.047 059，即樣本案例中大約4.7%的案例可以被該路徑解釋；唯一覆蓋率為0.047 059，即這4.7%的案例只能被組合路徑3解釋，樣本案例中符合該路徑的有案例7(李文亮醫(yī)生因新冠肺炎去世事件)。

(三)穩(wěn)健性檢驗

定性比較分析法中，為了避免研究結果的隨機性與敏感性,一般有兩種途徑：一是通過更換案例數(shù)據(jù)，二是通過更換校準的標準。本研究通過更換校準過程中的模糊隸屬分數(shù)的閾值標準后，發(fā)現(xiàn)現(xiàn)有結果與穩(wěn)健性檢驗的結果基本一致，即本研究數(shù)據(jù)分析的結果具有穩(wěn)健性。

四、結論與討論

本研究通過模糊集定性比較分析法對重大突發(fā)公共事件新冠肺炎疫情后的30例網(wǎng)絡輿情事件進行比較分析。研究結果顯示，在信息源、事件類型、網(wǎng)絡媒體參與、重要媒體報道、情感反饋以及干預措施六個因素的影響下，網(wǎng)絡輿情事件高熱度傳播的發(fā)生有四條原因組合路徑。對于不同的原因組合路徑，路徑中的核心條件起重要影響作用，根據(jù)網(wǎng)絡輿情事件熱度生成機理提出以下監(jiān)督與引導網(wǎng)絡輿情事件發(fā)展的結論與啟示。

第一，政府部門提高對網(wǎng)絡輿情事件高熱度傳播發(fā)生的多原因路徑的關注。本文的研究結果表明網(wǎng)絡輿情事件高熱度傳播不止一條原因組合，各原因組合路徑之間可以相互替代來推動網(wǎng)絡輿情事件高熱度傳播的發(fā)生，并且每條原因組合之間可以相互轉化。如組合路徑1與組合路徑2中，在信息源、情感反饋以及干預措施一致的案例中，重要媒體報道與事件類型在網(wǎng)絡輿情事件發(fā)生時可以相互替代以推動網(wǎng)絡輿情事件高熱度傳播的發(fā)生。因此，需要政府相關部門通過不同的干預措施實時關注網(wǎng)絡輿情事件的發(fā)展，針對不同的網(wǎng)絡輿情事件進行信息的公開與回應，同時利用大數(shù)據(jù)技術對網(wǎng)絡輿情事件進行事態(tài)跟蹤，建立實時預警系統(tǒng)。

第二，政府與網(wǎng)絡媒體平臺建立網(wǎng)絡輿情事件類型庫。對于不同類型的事件，核心條件結合不同的邊緣條件形成的原因組合路徑導致網(wǎng)絡輿情事件高熱度傳播。如案例23(武漢恢復正常通行)為非文教衛(wèi)生事件，與核心條件信息源、情感反饋與干預措施一起發(fā)揮作用使得事件呈現(xiàn)高熱度傳播。而在案例29(百事食品北京分廠發(fā)現(xiàn)8例確診病例)事件中，重要媒體報道作為邊緣條件與網(wǎng)絡媒體參與、情感反饋等核心條件共同發(fā)揮作用推動事件高熱度傳播。兩個案例中的邊緣條件結合不同的核心條件都促成了事件的高熱度傳播。因此，需要對事件類型進行預控，通過對事件類型的關注與分類，可以更加迅速地收集輿情事件信息來進行輿情研判，減少輿情事件熱度波動與擴散的時間。

第三，網(wǎng)絡媒體與平臺加強事件信息源頭的把控。信息源與網(wǎng)絡媒體均是原因組合路徑中的核心條件，網(wǎng)絡媒體平臺要進行相關信息的篩選，確保網(wǎng)絡輿情事件信息的真實性與有效性。尤其是重要媒體在參與報道時，應該更加慎重地進行該網(wǎng)絡輿情事件的審查。對于有負面影響的網(wǎng)絡輿情事件，須對該類事件形成相關的審核體系，避免事件后續(xù)傳播發(fā)酵導致次生型網(wǎng)絡公共事件的發(fā)生。同時，情感反饋作為核心變量，也會給網(wǎng)絡輿情事件的傳播范圍帶來影響。大眾對輿情事件的情感反饋也應該更多地被媒體以及政府相關部門所關注。

本研究的數(shù)據(jù)均搜集于網(wǎng)站公布的二手資料，故存在一定的偏差性，案例的選擇也存在主觀選擇的偏差性。在研究方法方面關注的是多案例之間的比較分析，所以無法做到對所有案例進行觀察分析。研究的視角是從傳播學理論出發(fā)，只延伸到一級的六個變量，未來的研究可以繼續(xù)結合實際參與主體進一步構建多維度和多層級的研究模型，進而深化對網(wǎng)絡輿情事件危機化解的理解。