基于社會網絡的危機信息傳播研究框架

隨著現代社會各個領域的關聯越來越復雜，社會系統的脆弱性也越來越大，導致近年來我國各類危機事件的頻繁發生。危機事件往往具有時間緊迫、事態發展迅速等特點，若不及時有效的應對，后果嚴重。由于互聯網上的信息形式多元、方式互動、傳播迅速，因此，在危機事件的出現和進展過程中，網絡信息的傳播對事態走向和政府決策影響巨大。比如近年來的廈門PX事件、山西“黑磚窯”事件、杭州市飆車案等一系列事件都體現了網絡信息傳播的巨大力量。但是，由于互聯網上信息生產者和傳播者身份的隱蔽性，并且政府缺少有效的監督技術和方法，使得互聯網上容易出現庸俗、灰色的言論。同時，網絡謠言也有增多的傾向，容易造成群體的盲從與沖動。因此，如何更好的分析和掌握基于網絡信息載體的危機事件傳播規律，為政府對危機事件的監控和管理提供理論依據，已成為一個亟待解決的問題。

目前學術界對危機事件信息傳播的研究，主要是運用心理學、社會學、管理學和計算機科學等領域的理論和方法來分析信息傳播的主體特性、環境因素、過程、情感傾向、引導政策和熱點主題挖掘等等，而對各種關系復雜、規模龐大的危機事件的網絡信息傳播群體和傳播機制研究較少。由于互聯網傳播信息的快捷和方式多樣，使得傳播群體呈現出更為復雜化和動態化的特征，傳統方法更難從互聯網海量信息中發現潛藏的群體特征和行為規律，特別是在對危機事件的事態發展狀況的預測和控制上捉襟見肘。這主要是，傳統方法對3個重要問題研究不足：（1）如何從危機事件的網絡傳播特性出發，抽取網絡信息的傳播群體？（2）如何分析這些傳播群體的結構和行為演變規律，并提出相應的組合干預措施？（3）如何發掘傳播群體中的重要角色和持不同觀點的派系，以對危機事件進行更好的引導和控制？

信息在人與人之間的流動性和輿情觀點的形成容易受他人的影響，說明可以使用社會網絡（Social Network）的方法來研究危機信息在互聯網上的傳播。因此，本文將提出一個基于社會網絡的危機信息傳播研究框架，將危機信息在網絡上的傳播群體作為主要研究對象，將危機信息傳播的主體、傳播渠道、傳播行為和影響因素等要素有機整合到一個框架體系內來，預期在對危機信息傳播的規律及控制方法上有實質性的突破，以尋求對上述3個問題的解答。同時，本研究框架將為政府科學、高效、有序地分析和管理危機信息提供決策參考，提高政府對危機事件的預測能力和應急處理能力。

近年來，不少學者從社會學[1-2]、政治學[3]、傳播學、生態學[4]等角度對互聯網上信息傳播的引導和控制進行了研究；還有學者從互聯網危機信息的采集[5-6]、內容分析[7-8]、輿情監控系統[9]等方面來研究信息傳播的預測和監控技術。這些研究為危機事件的網絡信息傳播提供了有價值的理論成果，但是較少涉及到各種關系復雜、規模龐大的傳播群體，使得難以有效監控和分析這些群體的信息傳播行為，難以及時有效地從傳播主體和傳播途徑上提出具體的危機應急處理方案。

社會網絡的方法從危機信息的傳播群體這個角度入手，通過對傳播群體的特征、結構和行為機制的解析來研究危機信息的傳播與控制，成為一個可能的突破口。首先，對危機信息傳播的主體即網民所構成的群體進行社會網絡建模，以數學形式描述群體關系，便于理解其內在機理并進行特征分析，也為不同傳播渠道上的各類輿情傳播動力學行為研究提供了基礎平臺；其次，利用社會網絡分析方法（Social Network Analysis，SNA）對群體進行結構測度，可以研究群體的結構對群體功能或者群體內部個體的影響，并幫助角色挖掘和派系分析，探尋危機信息傳播的關鍵人物和骨干網絡；最后，在網絡模型上的群體動態演變行為則反映了危機信息傳播群體的演變過程，它從一定程度上揭示了危機信息傳播的規律。因此，本文認為：以危機事件的網絡信息傳播群體為主要研究對象，運用社會網絡的結構分析范式來對不同傳播渠道上的危機信息傳播網絡和傳播行為開展研究，可以很好的理解和解釋危機信息傳播規律。據此建立了基于社會網絡的危機信息傳播的研究框架（如圖1所示）。

1.1危機事件的發展過程

危機事件的持續時間是指從危機潛伏到危機結束所經歷的時間。根據網絡中危機信息的擴散模型分析，持續的時間越長，危機信息源就越多，越容易產生新的信息，引發群體的恐慌和盲從[10]。Steven Fink在1986年提出了危機信息傳播的四段論模式：危機潛伏期、危機突發期、危機蔓延期和危機解決期[11]。

由于危機事件本身的發展存在一個過程，所以對于危機信息在互聯網上的傳播也存在階段性，不同的危機期所傳播的信息在數量和質量上有明顯的不同。所以，需要將危機事件的發展過程引入到基于社會網絡的危機信息傳播框架上來，對各個危機階段的信息源、信息類型、信息傳播特點進行研究。

1.2傳播主體

危機事件信息在互聯網上的傳播，主要涉及三類傳播主體：

1.2.1普通網民

互聯網環境下的各類新媒體和自媒體的出現，使得網民在危機事件的信息傳播中，既是信息傳播者也是信息接受者。受眾從媒體途徑知情信息與議題， 并積極給予自己的內容表達，將其體驗內容與議題發送到媒體上，給予后續受眾。可以發現這是一種“多對一，一對多”的關系，形成的傳播系統比鏈式反應更迅猛[12]。

1.2.2把關人

“把關人”的概念是由美國社會心理學家、傳播學四大先驅之一的庫爾特·盧因率先提出的。他指出，在群體傳播過程中存在著一些把關人（gate keeper），只有符合群體規范或把關人價值標準的信息內容才能進入傳播的渠道。在危機事件的信息傳播中，主要的把關人是政府、媒體和互聯網服務運營商。政府作為把關人的主要作用是及時地發布權威、公正的信息，滿足公眾信息需求。因為，在公共危機中，公眾最希望在第一時間獲得有關信息，如果公眾無法從政府渠道獲取，各種流言就會通過多種渠道迅速傳播。流言的傳播具有快速性、失真性、放大性的特點，可能引發社會的普遍恐慌，加劇事態的惡化[13]。同時，政府還應對輿論進行引導和控制，制止謠言的傳播擴散。媒體作為把關人的主要作用是通過環境守望、輿論緩釋和社會反思來對公共危機信息進行監督[13]，對社會不良情緒進行減壓。互聯網服務運營商主要指互聯網基礎設施服務商（如中國電信）和軟件服務商（如新浪、騰訊），他們在政府的監管和引導下，針對危機事件中出現的不良信息和非法用戶，通過禁止發言、關閉評論、封鎖帳號等行為，有效制止網絡謠言。

1.2.3造謠者

在危機事件的傳播中，還存在一些不法分子在互聯網上散播謠言，加重危機事態，對社會帶來重大的負面影響。如何識別出這些不法分子的重要人物（如謠言傳播的始作俑者），或是群體（如網絡水軍），成為亟待解決的問題。

1.3傳播渠道

危機事件的信息傳播以大眾傳播為主，互聯網上傳播渠道主要有即時通訊工具（如QQ、MSN）、電子郵件、門戶網站、網絡論壇以及社交網絡（如新浪微博、人人網）等等。這些傳播渠道不僅有傳統的網絡媒體，更多的是新興的自媒體，使得用戶獲取信息的方式多樣化，能讓用戶自己快速的生成信息并在多個渠道上同時傳播。所以，不僅需要對單一的傳播渠道進行研究，還需要描述和表示危機事件信息傳播過程中各種渠道之間的相互作用和影響。

1.4傳播行為

危機事件信息擴散網絡中，各個行為主體對于危機事件的認識和傾向的不同導致了他們不同的行為（如發布、評論、轉發等），這些行為成為了這些主體具有與其它主體連接的驅動力。網絡的形成依賴于眾多主體的連接決策，危機中的公眾是由于個人通過觀察他人的行為來調整自身預期而產生一致的群體行為。目前有關危機事件信息傳播網絡的研究較少考慮主體的這種策略行為以及傳播網絡形成演化如何受主體策略行為的影響，因此難以解釋危機事件的信息擴散和觀點演化的內在驅動力，從而也無法根據宏觀層次上網絡結構的變化來提供對微觀層次上主體行為的引導控制建議。所以，需要研究解決如何定量刻畫主體傳播行為的問題，并實現對主體策略行為和網絡結構相互影響的整合。

1.5影響因素

根據傳播說服理論，影響信息傳播意愿和效果的因素可劃分為三大類：來源特征、傳播內容特征和接受者特征。危機事件信息傳播也屬于信息傳播的一類，所以其影響因素也可以考慮分為如下三類：

1.5.1來源特征

來源特征的專業性、可靠性和客觀性3個維度均影響危機信息的傳播意愿和傳播效果。在來源特征的研究中，謠言擴散理論認為來源可信度對受眾的再傳播和擴散謠言的行為意愿具有正向的影響[14]。來源的專業性是指信息發送方讓信息接收方所感受到的能夠提供正確信息與表現出專業行為的能力。客觀性是指接受者對傳播者的公開性、公正性和中立性（不帶有主觀偏向）的評價與感知[14]。

1.5.2傳播內容特征

危機事件的信息傳播內容特征主要是危機事件的類型、危機編碼和解碼、信息格式以及噪聲。不同類型的危機事件，其對外傳播的動力差異較大，比如公共性很強的危機事件容易被公眾關注，并且易于迅速傳播[15]。危機編碼指危機處理組織對外公布危機信息所采用的方式、策略等內容。危機解碼是公眾對危機信息進行解讀的過程。解碼過程受到公眾的背景信息的影響。危機編碼和解碼的好壞會直接影響危機事件的信息接受效果[15]。信息格式是指文字、圖片、音頻、視頻等不同的類型，有著不同的傳播速度和吸引度。噪聲是妨礙危機信息傳播并能夠造成信息失真的干擾因素，它存在于危機傳播中的任一環節。如不準確的溝通語言、難以辨認的字跡、不合實際的舉止、小道消息、謠言等，這些都屬于噪聲。噪聲能夠降低危機信息傳遞的有效性，使得危機發送與危機接收之間產生較大的差異[15]。

1.5.3接收者特征

每個接收者受到個體特質（如職業、教育程度、年齡等）、心理因素（如危機恐懼感知、對政府媒體信任傾向、防備心態等）和社會環境等因素的制約，進而影響他們接受信息的效果。根據CNNIC的報告[16]，2011年6月，中國網民規模達到485億，中國互聯網已經走過高學歷人群普及階段，大專及以上學歷人群網民普及率已經超過90%，互聯網正在向高中、初中等學歷人群擴散，低學歷人群的網民不斷增加。同時，低年齡層的網民數量也大幅增加。這使得在危機事件中，網民缺乏社會經驗，考慮問題不成熟，更容易沖動，產生群體極化，互聯網也容易出現庸俗、灰色的言論。

2.基于社會網絡的危機信息傳播的研究框架的分析步驟和主要內容本框架以危機事件的網絡信息傳播群體為主要研究對象，運用社會網絡的結構分析范式來開展研究，最終目的是為了理解和解釋危機信息傳播網絡以及構建基于這些網絡結構之上的傳播行為。因此，本框架的分析步驟是通過采用“結構一功能主義”的系統觀點對傳播網絡進行整合分析：首先，對危機事件的發展過程、信息傳播渠道和影響因素進行了分析，掌握危機信息傳播的特征；其次，從結構角度來研究傳播主體所形成的傳播網絡，剖析網絡結構、關系和個體的要素組成及要素間作用機制；再次，從系統表征與功能作用入手，分析特定的傳播網絡結構下的傳播行為。最后，利用實例數據和原型系統對理論進行檢驗。具體的分析步驟和主要內容如圖2所示：圖2如何建立基于社會網絡的危機信息傳播框架

2.1危機信息的傳播特征和影響因素

危機信息傳播具有信息來源廣泛、信息流巨大、渠道多樣、傳播迅速等特點。首先，應與各級政府、組織和機構緊密合作，獲取危機案例，并通過網絡獲取大量的各類危機事件的網絡信息傳播的具體案例，建立數據集和事例集。然后，利用真實危機事件的數據分析、時空分析和事件演化分析方法，剖析危機事件的發展過程及對應的關鍵要素、信息傳播的渠道特征、路徑規律等，為危機事件網絡信息傳播規律和控制模式奠定基礎。最后，通過實證的方法研究危機信息傳播的影響因素（來源特征、傳播內容特征和接受者特征）。

2.2危機信息的傳播主體研究

2.2.1危機信息傳播的主體網絡構建

危機事件在不同的生命階段和傳播渠道中，表現出各異的傳播網絡結構和特征。因此，需要研究危機事件網絡信息傳播中行為主體（網民）的特征、行為模式，以及主體間的關系搭建的內在驅動力。以此為基礎，針對不同粒度級別的危機事件信息擴散網絡進行抽取，并結合危機事件特殊的信息傳播特征，研究傳播網絡的節點分布狀況、鏈接關系，引入合適的參數，實現節點特征的形式化描述和鏈接關系表達式，提出支配網絡化過程的算法，從而構建危機事件信息擴散的主體網絡模型，作為下一步研究的基礎。

2.2.2危機信息傳播的重要角色挖掘

實施對網絡關鍵節點的有效引導，可以更好的控制危機事件的信息傳播。SNA首次出現于20世紀30年代末，它用于描述和測量行動者之間的關系或通過這些關系流動的各種有形或無形的東西，如信息、資源等[17]。因此，作為分析信息交換的一種方法和系列化的技術手段[18]，SNA可以適用于互聯網信息傳播的研究。SNA對網絡結構的分析主要分為基于代數模型的定量分析和圖論的圖形分析[18]。SNA已有的基于個體分析的主要指標有：程度、中心度、結構空洞等，它們反映了整個網絡的規模、聚合程度和有效性；已有的基于整體分析的主要指標有：網絡密度、網絡中心度、網內親近度、網外親近度等，它們反映了整個網絡的規模、聚合程度和有效性。因此，需要針對危機事件的特征，使用SNA方法和UCINET軟件，設計一套動態的綜合測度算法來測度危機事件信息擴散網絡中節點（集）的重要性，并據此來對危機信息擴散網絡中的重要角色進行分類及其特征研究，探尋危機事件信息傳播的發起人、意見領袖、把關人等關鍵人物。

2.2.3危機信息傳播的派系分析

隨著危機事件在網絡上的傳播，持相近觀點的人容易聚集成一個個群體，并不斷發展成獨立的派系。這些派系極大的左右著網絡主流觀點，影響危機事件的事態發展，特別是“網絡水軍”和敵對組織更需要我們進行識別和控制。SNA已有對小群體（clique）、同位群（block）、社會圈（social circle）以及網絡中識別群結構的算法的分析方法，比如層次聚類算法（hieratical clustering algorithm）和譜分析（spectral analysis）方法以及基于邊的介數的方法等[19-20]。因此，需要在SNA方法的基礎上，研究網絡的聚集系數和分層結構特征，提出基于分層聚類的危機事件信息傳播網絡的群識別算法，進行信息傳播的骨干社團挖掘。還可以研究網絡不同群規模分布下的群體壓力、群體極化、群體互動，以及其對個體態度和觀點的塑造和演變。

2.3危機信息的傳播渠道研究

2.3.1危機信息的傳播渠道整合

危機信息傳播渠道不再是單一的網絡，而是多種網絡的結合。但目前的研究局限在單一信息傳播渠道（如博客、電子郵件、網絡論、P2P系統等）上，并不能很好地反映危機事件本身傳播的特征規律。因此需要考慮危機信息傳播途徑的多平臺、異構性等特點，引入合適的參數，來描述和表示危機信息傳播過程中各類傳播渠道之間的相互作用和影響。

2.3.2危機信息傳播的關鍵路徑控制

危機信息傳播有多種擴散渠道和擴散路徑，需要根據SNA的方法和信息流特征，對實際網絡信息進行數據分析和仿真實驗，分析信息擴散的路徑規律，建立一套有效的探尋危機信息傳播的關鍵路徑的算法，從而有效地阻斷、截流危機事件的網絡謠言，對網絡信息進行正確的疏通引導，提高政府的網絡信息控制能力。

2.4危機信息的傳播行為研究

綜合復雜網絡模型和傳播模型對危機事件的信息在互聯網上的擴散過程進行網絡動力學建模，建立危機事件的信息擴散模型，并將危機信息傳播的重要實際特征如主體行為機制、信息擴散過程中的時延情況、多路徑擴散的沖突情況等納入到信息擴散模型中來。用計算機仿真的方法，研究信息擴散過程中的重要參數（初始節點分布、活躍節點比例、傳播率、危機程度等），把握信息擴散控制的關鍵所在。此外，建立網絡結構和主體行為機制的動態耦合模型，著重考察信息擴散主體的態度傾向、下級傳播節點選擇策略和實時動態反應這些微觀行為機制對危機事件信息擴散網絡結構和擴散行為的影響，以優化危機事件預警的信息發布模式和增強危機信息傳播的引導控制能力。

3.總結

本文綜合運用社會網絡理論、傳播理論和信息行為學等理論和方法，將危機事件信息傳播的主體、傳播渠道、傳播行為等要素有機整合到一個框架體系內來，預期在對危機事件的信息處理、實時監控、應急決策上有實質性的突破，具有重要的理論意義。同時，該框架對危機事件的網絡信息擴散與控制的研究既可以把握災情、人群心理情緒等方面的變化，又可以對人群心理和行為的演化產生巨大的作用力，對于向人群傳遞事件真實情況、避免恐慌具有重要的意義。因此，本框架提出為政府科學、高效、有序地分析和管理互聯網信息提供決策參考，提高政府對危機事件的預測能力和應急處理能力，具有重要的實際應用價值。

參考文獻

[1]畢宏音.輿情視野中的網民上網行為分析[J].廣西社會科學，2007，（4）：157-160.

[2]張麗紅.從網絡輿情傳播的角度談文化安全[J].社科縱橫，2007，（2）：129-131.

[3]徐曉日.網絡輿情事件的應急處理研究[J].華北電力大學學報：社會科學版，2007，（1）：89-93.

[4]袁志秀.基于生態學的信息傳播模式[J].情報雜志，2005，（3）：14-16.

[5]趙穎斯，劉云.BBS輿情系統的數據采集方法[J].電信快報，2008，（12）：22-24.

[6]Alberto HF，Laender，Berthier A，et al.A Brief Survey of Web Data Extraction Tools[C].ACM SIGMOD Record，2002，31（2）：84-93.

[7]黃曉斌，趙超.文本挖掘在網絡輿情信息分析中的應用[J].情報科學，2009，（3）：74-79.

[8]曾依靈，許洪波.網絡熱點信息發現研究[J].通信學報，2007，28（12）：141-146.

[9]許鑫，章成志.互聯網輿情分析及應用研究[J].情報科學，2008，26（8）：1194-1204.

[10]魏玖長，張巖，任軼群.危機事件新聞報道數量的時間演變模式研究[J].圖書情報工作，2009，52（11）：57-74.

[11]Fink S.Crisis Management：Planning for the inevitable[M].New York：American Management Association，1986：34-36.

[12]顧明毅，周忍偉.網絡輿情及社會性網絡信息傳播模式[J].新聞與傳播研究，2009，16（5）：67-73.

[13]李春華，龍厚仲.公共危機信息傳播模式及其運行[J].中國人民公安大學學報：社會科學版，2010，（5）：23-27.

[14]陳明亮，章晶晶.網絡口碑再傳播意愿影響因素的實證研究[J].浙江大學學報：人文社會科學版，2008，38（5）：127-135.

[15]魏玖長，趙定濤.危機信息的傳播模式與影響因素研究[J].情報科學，2006，24（12）：1782-1785.

[16]CNNIC.2011年中國互聯網網民調查報告[EB/OL].http：∥qing.weibo.com/tj/7b7f1c3833000c16.html，2012-01-17.

[17]Burt RS，Minor MJ.Applied Network Analysis：A Methodological Introduction[M].Beverly Hi11s：Sage，1983.

[18]Francesco Martino，Andrea Spoto.Social Network Analysis：A brief theoretical review and further perspectives in the study of Information Technology[J].PsychNology Journal，2006，4（1）：53-86.

[19]Newman M.Detecting community structure in networks[J].Eur.Phys.J.B，2004，（38）：321-330.

[20]Clauset A，Moore C，and Newman M.Hierarchical structure and the prediction of missing links in networks[J].Nature，2008，（453）：98-101.

（本文責任編輯：馬卓）