網絡輿情分眾化差異化演變及其發展趨勢研究

李燕凌　彭明珠　李詩悅

摘 ? 要：文章采用文獻分析方法，對網民分眾化差異化現象及其形成原因進行分析，研究認為：信息需求多樣性趨動網民分眾化差異化的輿情傳播，信息異化負面影響改變網民分眾化差異化輿情傳播方向，社會信任動搖阻滯正面輿情傳播并導致網民分眾化。通過疏理網民分眾化差異化形成后的演化規律發現：分眾化差異化網民輿情傳播以及網絡輿情傳播過程中謠言的聚焦、擴散與消除演變，都符合系統動力學SEIR機理，因此，分眾化差異化網民轉化具有多種可能路徑。文章提出政府要正確識別并保障網民的合理利益訴求，科學采用對網絡輿情的干預措施，合理控制網絡輿情傳播監控成本及其代價，正確選擇網絡輿情傳播的引導方式，充分利用分眾化差異化規律來引導控制網絡輿情。

關鍵詞：網絡輿情;分眾化;差異化;演變規律;傳播引導

中圖分類號：G203 ? 文獻標識碼：A ? DOI：10.11968/tsyqb.1003-6938.2019029

Research on the Differentiation of Network Public Opinion and Its Development Trend

Abstract This paper analyzes the phenomenon of differentiation of netizens and its reason by using literature analysis methods. It is analyzed that the diversity of information needs drives the dissemination of public opinion of the netizens， and the negative impact of information alienation changes the direction of the dissemination of the differentiation of public opinion among netizens. Social trust blocks the dissemination of positive public opinion and causes netizens to divide. Analysis of the evolution law after the formation of differentiation of netizens showed： the focus， diffusion， and elimination of rumors in the process of the dissemination of Internet public opinion were all in line with the SEIR mechanism of the system dynamics. Therefore， Differentiating and differentiating Internet users transformation has many possible paths. It is proposed that the government should correctly identify and protect the reasonable interests of Internet users， scientifically adopt intervention measures for Internet public opinion， rationally control the monitoring costs and costs of Internet public opinion communication， and correctly select the guiding methods for Internet public opinion communication， and make full use of the law of differentiation to guide the control of network public opinion.

Key words network public opinion; decentralization; differentiation; evolution law; propagation guidance

加強網絡輿情分眾化差異化演變規律及其發展趨勢研究，不斷優化網絡輿情傳播引導策略，推動我國網絡治理科學化、制度化、規范化建設，不僅是一個十分重要的理論課題，更是一個保障網絡與情報信息安全、推進國家治理體系和治理能力現代化的重大現實問題。本文在綜合歸納已有文獻的基礎上，通過對網絡輿情傳播中網民分眾化差異化現象及其形成原因分析，探討了網民分眾化差異化形成后的演化規律，并根據網絡輿情傳播分眾化差異化發展趨勢，進一步研究了政府如何利用網絡輿情分眾化差異化規律控制引導網絡輿情的措施、代價及方法等基本問題。

1 ? 網民分眾化差異化現象及其形成原因

網絡輿情傳播不僅可能放大源生事件的社會效應、擴大源生事件的社會風險，而且還可能加劇源生事件的復雜性，甚至引發新的公共風險事件[1]。隨著互聯網與大數據技術飛速進步，互聯網作為一種新的交流方式的擴展，對傳統媒體作為公眾輿論的首要地位提出了潛在挑戰[2]?；ヂ摼W時代的公眾輿論通常由大眾媒體調解，充分表現出市場和民主原則之間沖突的特點，公共風險治理因不同利益相關者的多樣性和交互網絡而變得更加復雜[3]?！肮姟钡挠^點不再是通過審議產生的，而是通過與政治行動者發生沖突的通信系統構建的，他們尋求保持對信息傳播的控制和充分滿足自我信息需求[4]。因此，相對于傳統媒體群體化、同質化傳播而言，網絡媒體表現出充分的分眾化差異化傳播特征。從傳播技術而言，群體化、同質化傳播對應于線性傳播、單向傳播為主的傳統媒體技術階段，分眾化差異化傳播對應于網狀傳播的網絡媒介技術階段。分眾化差異化傳播相對于群體化、同質化傳播而言能更好地滿足網民對信息的需求[5]。分眾化差異化傳播在促發網絡輿論上更是發揮著議程設置、信息擴散、認同建構以及劇目展示等重要作用[6]。

1.1 ? ?信息需求多樣性驅動網民分眾化差異化的輿情傳播

經濟社會發展不平衡、不充分，這是網民總體出現訴求不一的客觀要求，也是導致網絡輿情傳播過程中網民分眾化差異化的根本原因。與傳統媒體相比，網絡媒體表現出的巨大技術優勢，其寬廣的傳播平臺能提供幾乎無限量的多樣態信息空間，搜索引擎、信息定制與推送等功能創新，更是使得網民信息需求多樣性得到有效滿足[7]。自媒體時代，每個人都是信息發布終端。當今突發事件網絡輿情的傳播路徑，大多是由特定的無數個人首先發出信息，經過網絡放大形成初步輿論，再由新聞媒體跟進報道后網民大量轉發評論，引發社會民眾熱議并形成網絡輿情[8]。但作為信息發布終端的每個人，選擇發布或者不發布、出于何種動機發布信息，都是基于其自身的信息需求而做出的理性決策[9]。這種自我中心網絡的結構反映了人們平衡他們對強烈情感緊張的關系和各種弱勢關系需求的方式。以自我為中心的網絡結構可以用“社會簽名”來量化，這些社交簽名描述了網民如何在他們的個人網絡成員之間分配他們的溝通工作[10]。所有類型的“社會簽名”都表現出持久的個體差異，個人在他們的個人網絡中分配自身通信工作的方式各不相同，并且這種變化在不同時間和不同通信渠道中是持久的[11]。進一步使用在線新聞媒體評論量模式分析公眾跟蹤真實熱點問題的數量變化，并對他們根據信息內容重要性區分發布或不發布信息來趨動網絡輿情的實際反應，研究結果支持公眾根據熱點問題概念化來調整信息溝通計劃，進而推動網絡輿情傳播[12]。

1.2 ? ?信息異化負面影響改變網民分眾化差異化輿情傳播方向

信息異化是指信息在生產、傳播和利用過程中，由于受到各種因素的干擾導致信息生產與信息消費之間矛盾，使主體喪失了控制信息的能力和原有的內涵，并為信息所奴役和支配[13]。與傳統傳播渠道不同，Web4.0的發展讓每個人都擁有了成為信息來源的可能，而這一切正是導致信息異化的緣由[14]。信息異化的直接表現之一是將普通網民變成了網絡信息的“奴隸”，即隨著大量信息的產生，人們迷失在信息漩渦里，逐漸失去對信息的辨別能力，從而淪為信息的盲從者。因此，信息異化對突發事件網民群體行為決策及網民分眾化差異化具有重要的負面影響。從根本上講，網絡謠言也是信息異化的一種重要表現。而“信息謠言”則是導致產生網絡輿情危機的核心原因[15]?；ヂ摼W上多元傳播主體基于自身利益訴求和價值觀，制造、接受、傳播信息并推動形成網絡輿情。受網絡傳播主體利益訴求和價值觀影響導致信息傳播背離客觀事實真相時，就會產生網絡謠言[16]。突發事件網絡輿情中的謠言傳播速度極快，形式極為多樣化，一定程度上會影響官方媒體的決策與信息傳播，以致改變輿情傳播方向[17]。相關研究利用Matlab模擬仿真官方媒體對謠言傳播的抑制作用進行研究，發現官方媒體在謠言傳播過程中雖有積極影響但卻作用有限，分眾化差異化網民受謠言負面影響而改變輿情傳播方向的效果仍然較為明顯。雖然，通過構建次近鄰社會影響級聯模型，采用大型博客數據觀察網絡集聚特性對網絡輿情演化的影響后發現，初始狀態中官媒主流觀點的影響的確被有效放大了[18]。但是，在對謠言傳播機制和社會網絡的拓撲性質進行研究，并采用描繪謠言傳播的能量模型進行仿真實驗后發現，在網絡媒體環境下謠言經常被真實信息所“包裹”從而更易被“攜帶”傳播，初始階段的謠言對網民的負面影響非常顯著。

1.3 ? ?社會信任動搖阻滯正面輿情傳播并導致網民分眾化

除了謠言成為突發事件網絡輿情傳播過程中網民分眾化的重要影響因素之外，社會信任則是另一個推動網民分眾化進程的重要影響因素。信任是突發事件中政府與網民群體之間、分眾化網民群體各方之間實現合作的基礎。近年來，由于世界各國政府的信任度有所降低，在突發事件網絡輿情傳播過程中，政府迫切需要更穩定和持續的工具來與公民溝通。在此背景下，許多政府機構正試圖利用社交媒體工具與公眾溝通，更好地贏取公民的信任。但是，分眾化網民社會信任動搖卻阻滯了正面輿情傳播。隨著互聯網的普及，人類社會已進入自媒體時代。這一方面有利于平衡輿論監督與司法回應機制建設，網民可獲得更多政府的社會信任指數信息;而另一方面，網絡虛假新聞也增加了政府的壓力，不利于政府公信力的建立和增強。自媒體網絡輿論傳播過程中的相似指數增長過程，受到許多外部能力約束的影響，從而使得正面輿情傳播產生延遲效應[19]。從社會網絡中網民之間的輿情傳播特點來看，網民群體人數與共識形成速度之間存在明顯的線性關系，有研究證實了社會信任在網民分眾化過程中具有阻滯正面輿情傳播的消極影響[20]。從目前我國網絡輿情現狀來看，正是由于突發事件網絡輿情傳播中的社會信任遭受破壞，導致了突發事件風險變化，加快了網民群體的分眾化，從而影響了政府與網民的行為決策并破壞了網絡輿論生態，進而阻滯正面輿情傳播。

2 ? 網民分眾化差異化形成后的網絡輿情傳播演化規律

2.1 ? ?分眾化差異化網民輿情傳播的動力機制

1927年，Kermack and McKendrick在研究倫敦的黑死病時提出了系統動力學中傳染病SIR倉室模型，后來又提出傳染病動力學中的閾值理論并建立SIS模型，對研究系統動力學具有奠基性貢獻。由于傳染病在人群中的擴散機理與網絡輿情信息在網民中的傳播機理有很多相似之處，因此，傳染病模型也被廣泛用來研究網絡輿情的傳播演化規律[21]。在網絡輿情傳播中，媒體是網絡信息的傳播中介，網民不僅是重要的社會群體決策主體，而且網民是受復雜社會因素影響和自身利益趨動分化為分眾化差異化的傳播群體，在一定條件下網民群體之間會相互影響并實現轉化，從而影響網絡輿情傳播，并成為影響政府管控輿情決策的重要局中人。由于政府、媒體和網民都是具有有限理性的博弈主體，在網絡輿情傳播過程中，不同網絡輿情主體通過博弈形成交互機理，這種基于信息需求多樣性趨動的網民分眾化差異化輿情傳播，符合系統動力學機理[15]。

網民群體的分眾化差異化變化帶給輿情事件管理決策者的新挑戰，使得在互聯網環境下，網絡信息傳播、網絡擴散機理、復雜條件下應急管理等日益成為網絡輿情管理中的核心科學問題。網絡輿情事件通過對網民產生影響并促進網民分眾化差異化，然后，分眾化差異化的網民情緒成為政府應急政策議題，從而實現分眾化差異化網民對網絡輿情傳播的影響。網絡信息通過分眾化差異化網民傳播來影響輿情事件的媒體議程和公眾輿論，公共部門也在影響媒體議程方面發揮重要作用。網絡輿情事件對網民群體決策的影響以及網民群體決策對網絡輿情的影響，并非單向運行而是雙向動態影響，分眾化差異化網民個體決策與外部環境變量之間具有交互作用。基于互聯網背景下網絡輿情對政府決策的影響研究，往往針對不完全信息的現實決策問題，分析中不確定信息的表示方式有概率、權重、風險度量、模糊數、灰數、區間數以及場景規劃等。在網絡輿情事件網絡輿情傳播中，針對不完全信息的現實決策問題，分眾化差異化網民群體中會存在觀望者，也就是說，SIR傳染病模型中存在分布式時滯的“潛伏者”（Exposed），原來的SIR傳染病模型演變成有潛伏期的SEIR模型[22]。雖然，在網絡輿情事件中分眾化差異化網民人數符合總人群的長期隨機行為，在網民總人群數量不變的情況下，不同狀態的網民種群數量變化符合隨機分布。但是，網絡輿情事件在網絡傳播的迅捷性、互動性與廣泛性等特征催化下，不穩定風險仍然會不斷上升。在網民輿情傳播、官方媒介和網絡輿情事件演化的SEIR交互作用下，網民分眾化差異化變得更為復雜，分眾化差異化速度和演進趨勢更加符合實際，其對網絡輿情傳播的影響呈現多方向力度非均衡分布，政府面臨更多更復雜的恢復社會信任、監管引導網絡輿情的新挑戰[23]。

2.2 ? ?網絡輿情傳播中的謠言聚焦、擴散與消除

在網絡輿情事件中，網民的自然選擇應該有利于從不同來源收集信息的能力，包括網民個人可以快速獲得可靠信息的社會互動。然而，由于客觀上存在信息異化現象，因此，這種情況也可能收集的是有害信息，如對謠言的錯誤或誤解的描述，這些謠言可能通過信息實現級聯傳播。法國蒙彼利埃大學社會信息學家Suire Alexandre和Van Baalen Minus[24]從生態學和進化原理研究謠言在網民人群層面的傳播及其同化傾向，進而對網民分眾化差異化趨勢進行描述。研究結果表明，網民個體對同化信息的敏感性的進化很大程度上依賴于生態進化的反饋，特別是當有用的和有害的信息都在傳播時，這種同化傾向更為明顯，分眾化差異化網民數量演變最終將趨于收斂。曾潤喜和朱利平[25]以大量經典案例為對象，進行社交網絡謠言傳播能量模型案例分析后發現：網絡輿情事件背景下的網絡輿情傳播大致會經歷“發生→發展→高潮→衰敗→破滅”五個階段的演變過程。在政府干預下，面對網絡謠言的態度，分眾化差異化網民群體之間存在相互影響，其網絡謠言傳播也會遵循“發生→發展→高潮→衰敗→破滅”的演變規律。在不同演變階段之間，網民群體的變化也尤為不同：在網絡謠言發生階段，不知情網民成為網絡輿情傳播的主要易染人群，不知情網民對于網絡輿情信息由未知狀態逐漸轉變為已知狀態且對是否傳播網絡輿情信息存在一個猶豫狀態過程，經過一段時間猶豫后網民可能選擇相信網絡輿情信息（中間可能存在謠言信息）并進行傳播，也可能知曉這些網絡輿情信息之后并無興趣傳播信息;在網絡謠言發展階段，受突發事件發展演進或從眾心理影響，處于猶豫狀態的網民更容易轉化為謠言感染者，部分具有謠言免疫力的網民也重新選擇轉化為相信謠言;在網絡謠言傳播高潮階段，網絡謠言輿情影響力最強、影響范圍更大，網民中的恐慌情緒也最為嚴重，網絡謠言傳播人數達到最大;在網絡謠言衰敗階段，由于政府官方媒體發布權威信息辟謠，網民傳播網絡謠言信息的興趣大幅消退，并在破滅階段徹底放棄傳播網絡謠言。理論分析和仿真結果表明，不同謠言接受度的節點可以減緩謠言的傳播速度，使正傳播閾值上升，有效遏制謠言的爆發，降低謠言的風險，從而使分眾化差異化網民同化為不信謠言，最終使得網絡輿情傳播趨于收斂，形成一個完整的謠言聚焦、擴散與消除過程[26]。

2.3 ? ?分眾化差異化網民相互轉化的可能路徑

在網民輿情傳播的初期，網民在網上獲取輿情后會先在線下進行確認和傳播，這個線下確認和傳播的過程即為網民群體分化的潛伏期。在網絡輿情傳播中客觀上存在大量與事實不符的失真信息，即被定義為網絡謠言的信息。網民群體基于自然選擇信息的內生動力，同時具有謠言傳播或同化的傾向。因此，網絡輿情在分眾化差異化網民群體中的傳播符合傳染病動力學SEIR過程。在網絡輿情傳播中，網民利益及其輿情反映備受關注。網民在網絡輿情平臺上接受信息、傳播信息，他們既是社會輿論的主要制造者，又是網絡平臺上最直接、最重要、最關鍵的傳播主體。美國哥倫比亞大學P.S. Dodds和D.J. Watts的社會和生物傳染廣義模型理論認為，網民個人對接觸傳染性實體（如謠言）的記憶、不同的暴露程度（如謠言數量的大小）以及網民個人易感性的異質性，都是促進網民群體從一種狀態向另一種狀態轉化的致導因素。更精確地講，網絡輿情事件傳播中的謠言其實就是一種錯誤信息，這種錯誤信息在網絡輿情事件的管理和控制方面可能產生持久的影響。通常情況下，人們將網絡上那些意見領袖向大眾傳遞的錯誤信息（如采用在線社會影響和追隨者數量及追隨者比率等更高衡量標準）定義為網絡謠言。但是，實際上在存在錯誤信息的情況下，這種錯誤信息的推特可能并不總是來自意見領袖。非意見領袖的網民也可能傳播錯誤信息，即感染謠言“病”[27]。面對網絡平臺上同時存在的真實信息和謠言，有些網民聽信謠言感染上謠言“病”，有些網民還會傳播謠言“病”，也有網民經過甄別后拒絕謠言并具有謠言“病”免疫力，甚至有網民從相信謠言轉變為拒絕謠言。分眾化差異化網民轉化的路徑符合一個標準的傳染病動力學SEIR過程。有研究采用復雜網絡上傳染性恢復模型對網絡謠言的空間效應進行定量分析發現，謠言流行高峰期的時間和空間一致性都被非強迫模型很好地描述為參數的實際值。研究還發現，通過引入干擾群體對感染謠言進行篩選，除了降低網絡輿情有效傳播率外，空間相關性還通過增強隨機波動產生另一種主要影響，即在有限空間結構種群中，非強迫模型的時間序列還提供了具有輕微不規則周期和真實振幅的周期性流行病的傳播模式，表明隨機模型和復雜的接觸網絡可能足以描述謠言的網絡傳播長期動態，即分眾化差異化網民轉化完全具有可能性，并呈現出系統動力學SEIR過程[28]。

3 ? 如何利用分眾化差異化規律引導輿情

分析網絡輿情分眾化差異化演變及其發展趨勢的根本目的，在于充分利用其演變規律以制定網絡輿情傳播的最優控制策略。在網絡輿情事件暴發后，分眾化差異化網民群體都期望按照自身的目標控制事態演變。運用馬爾科夫鏈刻畫網絡輿情事件的網絡輿情傳播與官方行為的交互關系，可以發現官媒在網絡輿情事件最初的權威發布，對社會群體各方行為決策具有至關重要的影響力，這也是官方利用媒體控制事態的有力工具[29]。網絡輿情與突發事件交叉影響，往往催化形成網絡群體性事件。采取有效干預措施引導分眾化差異化網民轉化以及時把握輿情導向，將疏導網絡輿情置頂于各項應急處置方案的首位，應當關注網絡輿情主導權對抑制突發事件“惡化”所具有的控制作用。歐美國家長達20多年的經驗和實證研究結果顯示，在網絡輿情傳播過程中，集中化政府溝通管理和監控其影響的必要性不斷增加。隨著時間的推移，歐美國家政府以監控公眾輿論為首要任務，越來越傾向于在中央政府一級增加與網民公眾的溝通，并采取更制度化和集中化的形式，架構政府管控網絡輿情的工具體系[30]。來自中國的經驗顯示，中國政府在面對日益嚴重的網絡輿情事件時，在政府-媒體-公眾的“三角形關系”框架下策略性地引導公眾輿論，采取包括信息管理和媒體管理、政府與媒體合作并通過媒體報道影響公眾態度、政府直接與公眾溝通和個性化的思想工作等一系列網絡輿情控制方式，引導分眾化差異化網民實現轉化[31]。

3.1 ? 正確識別并保障網民的合理利益訴求

網絡輿情實質上是以網絡輿情信息作者為主體的投影信息，它體現了不同網絡輿情作者的利益訴求。網絡管控部門只有在深度研判網民分眾化差異化誘因的前提下，進而感知網民訴求，把合理解決民眾提出的各種問題放在首要位置，讓網絡輿情管控變成通過網絡輿情信息感知民意民情，進而解決民訴，最后贏得民心的過程。中國國情決定了我國的網絡輿情引導與管控，必須堅持 “權為民所用、情為民所系、利為民所謀”。準確掌握“民意”是實現網絡輿情引導的基礎。因此，必須正確識別并保障網民的合理利益訴求，通過網絡及時了解人民群眾的意見、意愿和心聲，即尊重“民意”。

然而，在信息異化背景下，針對網絡輿情能否真實客觀地反映“民意”，實際上存在著不同看法。（1）“民意說”認為，網絡輿論是人民群眾參與政治生活的正常渠道，是反映民意的“晴雨表”。雖然，分眾化差異化的網民表達出不同且豐富的觀點和意見（包括積極、消極與中性觀點），導致網絡輿論難以集中網民的心聲。但是，網絡公共空間仍是匯集民意的地方，網民所發表的積極、消極與中性觀點和意見，可以通過科學鑒別，幫助黨和政府及時了解網民的不同心愿，從而把握網民的心之所向、愿之所往，有助于權力部門在決策中廣納善言，也有利于政府部門行政執法順應民意;（2）“非民意說”強調網絡輿情主體網民具有特殊性，因而認為網絡輿論并非真正代表普通民意[32]。在言論自由的時代，由于網絡的開放性，同時基于網民分眾化差異化與信息異化特征，網民在網絡信息傳播時容易帶著情緒色彩發表各方觀點和意見，有的是為了迎合社會某些人群訴求的“民意”，而有的則是打著“民意”旗號、刻意推動網絡輿論走勢的謠言信息。因此，在這種情況下，網絡輿論并不能真實地反映民意;（3）“綜合說”折中地認為，雖然網絡輿論中的民意真假難辨，難以就其民意屬性給出確切答案，但也不可忽視包含重要信息的民意[33]。在信息異化之后，代表真實民意的網絡信息失實、失真和過載，形成“謠言”，甚至成為某些利益集團獲取利益的“利器”。但反映網民的“晴雨表”仍不可忽略，黨和政府仍應采取有效措施應對。

政府應建設高效的公共服務體系，滿足網民合理的政治和利益訴求[34]。在建設高校公共服務體系的過程中，政府要轉變管理理念與方式，提高行政管理效率;要樹立善治的治理理念，培育公眾正確參政議政的意識;要加強民生建設，保障公眾合理的利益訴求。

3.2 ? ?科學采用政府對網絡輿情的干預措施

在網絡輿情傳播中，網絡信息有兩個基本屬性，即誠實（根據真實性屬性分為真假新聞）和態度（分為中性、積極和消極情緒）。在線社區系統中的主要代理包括公民、政府、媒體和意見領袖。網絡輿情事件暴發后，事件可能造成嚴重損害的消息將立即引起廣泛的公眾恐慌。網民對網絡意見的采納打破了地域限制，反映了網民通過代理社區中的遷移來表達自己的網絡情緒。發布任何虛假新聞來暫時掩蓋事故，都將嚴重損害政府的聲譽和社會信任，并在程度和持續時間上引發更大規模的公眾恐慌。為了減輕公眾的恐慌，政府應該快速發布有關風險化解措施的真實消息，若不及時發布危機信息，公眾的恐慌就會失控。因此，政府對網絡輿情采取有效干預措施是十分必要的。

政府是否對產生巨大輿論的網絡輿情事件進行有效的政策干預和風險溝通，對事件的推進起著重要影響。有效的政策干預，關鍵往往在于是否進行了有效的風險溝通。在風險溝通中，使用受眾最廣泛的術語進行溝通往往能取得更好的成效。準確識別網絡中最有效的傳播者（如意見領袖）、優化可用資源并確保有效的網絡信息傳播，應當納入政府對網絡輿情事件的干預措施體系。最有效的傳播者往往位于網絡核心內，當同時存在多個有效傳播者時，他們之間的距離成為決定擴散成敗的關鍵參數。精準識別有效傳播者并測度多個有效傳播者之間的距離，將為政府優化設計有效的傳播策略提供合理的途徑[35]。

政府需要在增強自身能力、拓寬政策議程采納渠道、提升公眾有序政治參與能力、正確處理媒體與政府關系等方面加強治理。網絡參與讓公眾的訴求能夠更直接的表達，減少了公眾議程進入政策議程的難度，但是如果政府不能合理對其進行掌控，則會影響政府的公信力以及社會的和諧穩定。從政府、公眾以及公眾議程進入政策議程路徑三個角度分析，相對于公眾議程對政策議程影響的現實困境來說，網絡媒體更是公眾民意表達和輸入的重要平臺，同時網絡媒體在信息傳播、權力監督等方面也逐漸顯示出不可替代的積極作用，承擔著政策議程“守門人”的重要角色[36]。

3.3 ? ?合理控制網絡輿情傳播監控成本代價

在網絡輿情傳播中，互聯網的民主潛力引起較多爭議，出現了兩種相互矛盾的立場：樂觀的立場希望公眾的民主化符合哈貝馬斯的論述模式，而持悲觀態度的人則擔心公共領域會被更小的公眾虛擬部分分割開來。網絡輿情具有傳播行為的雙重性、匿名化的自我性和利益驅動性。網絡輿情傳播中受眾群體的行為趨向性與受眾收益的影響密切相關，而受眾收益又與受眾行為、信息公開性、信息傳播速度等直接相關。因此，為了網絡輿情傳播監控中的公民民主化進程不受損害，實施有效的網絡輿情監控，首先就需要在引導網民理性、擴大信息公開、提升信息傳播速度等方面加強成本投入[37]?？梢?，網絡輿情傳播監控成本至關重要。

在互聯網技術支持下，互聯網為網民提供了觀點“避難所”。雖然個人在Twitter上的觀點的同質化影響了多數群體的言論，但意見的同質化并不影響少數群體的言論。網民不會因為脫離共同價值觀而受到懲戒，傳統媒體輿論壟斷地位日益減弱，網民政治參與和自主意識（或稱國民性）不斷增強，網絡輿情傳播中“少數”網民逆襲“大眾”輿論的反沉默螺旋現象日益增多，這使得網絡虛擬社會系統為現實的小世界組織提供了更大的可預測性和穩定性，進而使得網民意見的分組更加分散且更加易于直接加以管理。此外，非理智型受眾群體、黑客、病毒、網絡謠言等都可能導致網絡風暴。輿論的反沉默螺旋和網絡風暴現象，都為政府的網絡輿情管控提供了新的理論依據和現實支持，同時也對政府輿情調控成本急驟增加提出了現實需求。已有研究表明，像谷歌和Facebook這樣的數字中介機構被視為在線新聞領域的新權力掮客，它們控制著大量網民的訪問，從對媒體多元化的影響到對民主話語、言論自由和對公眾輿論形成的控制，甚至有可能壓制和鎖定個人信息。搜索和社交等中介機構也控制著對很大一部分在線新聞內容的訪問。這些在線新聞領域的新權力掮客、搜索和社交等中介機構等對網絡輿情的控制，已經引起學者和政策制定者的高度擔憂，并給網絡監管機構和政策制定者應對新聞傳播和公眾輿論的形成帶來新挑戰[38]。與傳統的媒體權力管制下的大眾媒體多元化相比，由此產生的輿論監管技術成本也將大大提高。

政府進行網絡輿情傳播監控將會產生許多社會成本，包括為消除錯誤和謠言而發布官方權威信息所產生的社會信用;為發布客觀、公正、翔實的正面信息所耗費人力、物力調查、占用公共媒體的行政資源成本;為確保網絡安全、維護良好的網絡生態，采取封鎖網頁、屏蔽搜索引擎關鍵詞等措施阻止負面信息在網上迅速傳播所產生的資金及技術成本[39]。政府監控網絡輿情還需要付出巨大的風險成本。由于時間倉促、行政偏好等原因，官方信息披露的效果存在不確定性。有時候政府發布的官方信息不夠全面，或者政府主觀上具有選擇性，事后非但沒有平息輿論，反倒起了不好的效果。有時甚至出現官方信息與事實存在較大偏差，被證實以后反而會降低政府公信力。除了上述社會成本和風險成本之外，網絡輿情事件中政府管控網絡輿情還必須支付民意成本。一般而言，輿論總是對政策的進程有重要的影響。互聯網社交網站及其應用的快速發展，讓網民有更多機會就網絡輿情事件的有關政策發表意見。然而，雖然政府進行網絡輿情監控的初衷往往是善意的，但是其結果有時很難實現善治的目標。因為，很多網民對網絡輿情事件具有強烈的好奇心，他們迫切希望從網上獲得相關信息以了解真相，并且希望通過營造輿論對政府的有關政策發表自己的見解，而不是希望信息被封鎖、關鍵詞被屏蔽。政府實行網絡輿情管控手段后，很多網民會認為政府干預網絡輿情侵襲了個人的自由領地，對政府的一些做法不僅不領情，還常常產生強烈的反感情緒，導致政府信譽嚴重受損、民意認同度大大降低[40]。從降低和減輕政府網絡輿情傳播監控成本及其代價考慮，有研究指出：網絡輿情傳播不能單純依靠管制，還要采取組合決策。隨著大數據應用更加廣泛，充分利用大數據并行處理、智能計算等技術支持組合決策，提升網絡輿情預測準確性和資源分配管理主動性，讓網絡輿情的分析與管理更加高效，應當成為網絡輿情治理的重要任務[1]。

3.4 ? ?正確選擇網絡輿情傳播的引導方式

政府根據分眾化差異化網民的網絡輿情反應理性選擇網絡輿情傳播引導工具是十分必要的。為了有效遏制負面輿情傳播從而引導輿情健康發展，政府應根據網絡輿情事件不同的潛在風險級別，在事件不同的演化階段，針對不同的分眾化網民，分別選擇強度不同的管制措施、采取不同類型的網絡輿情傳播引導策略，從而實現網絡輿情傳播的最優控制。政府引導網絡輿情的工具包中主要包含官媒權威發布、信息和媒體管理、風險溝通、信息封鎖、屏蔽關鍵詞、大數據并行處理和智能計算技術支持等。在網絡輿情事件中，權力的傳播分為五種類型，包括網民、媒體、政黨、意見領袖和政府，政府對輿情傳播監控發揮主體作用。政府首先要從網絡輿情事件中迅速獲取網絡輿情信息，然后從事件震源傳播和傳播規律兩個方面進行深入研究，最后從信息發布和權力來源兩方面做出輿情事件應對策略。在網絡輿情傳播中，政府可以針對不同歸因責任的輿情事件，以“表明立場”為出發點，分別采取“否認型”“淡化型”“重塑型”和“支持型”等四種類型的輿情傳播策略。“否認型”傳播策略包括回擊指控、提供理由或證據直接否認危機的存在、指明本組織以外的危機責任“替罪羊”。“淡化型”傳播策略包括尋找完全出于無法掌控的意外借口、尋找沒有或不可能造成嚴重損害的合理性。“重塑型”傳播策略包括迅速宣布補償、鄭重道歉。“支持型”傳播策略包括正面提醒、利益攸關方迎合、強調組織自身受害的共鳴感宣示等[41]。

大數據時代網絡輿情事件具有網絡信息多元裂變、公眾心理復雜、公眾觀點多元、公眾參與行為多樣等表征，這對政府恢復社會信任、果斷處置網絡輿情事件帶來了新的挑戰與機遇。一方面，從網絡聚類行為豐富的表現形式來看，在網絡輿情傳播過程中，不同階段的網絡聚類行為主要表現為“網絡輿論”“人肉搜索”和“網絡共識”等行為，在網絡輿情事件演化進程的后期，“網絡八卦”“網絡共識”“網絡fatwa”和“網絡集會”等行為表現較為突出，并極易衍生成網絡群體性事件，給政府對網絡空間的綜合管理帶來諸多不良影響。及時發現網絡集群行為的演化規律，選擇合適的輿情引導方式，是政府在突發事件網絡輿情發生之初就能采取及時有效措施的必要條件[42];另一方面，從網絡輿情傳播的引導主體來看，意見領袖在他們感興趣的領域內所具有的知識，一定程度上被理所當然地得到認可。從觀點擴散速度和采納者數量角度來看，只有在觀點的初始采納者數量達到一定閾值時，意見領袖才會顯著影響網民觀點的擴散速度。因此，準確識別“知情意見領袖”“消息靈通的意見領袖”并與之巧妙處理關系，合理利用意見領袖在輿論聚集方面的作用，是政府引導或控制網絡輿情的重要手段[43]。可見，政府加強網絡輿情傳播監控既要能有效節省公共資源，又要能提高政府監控引導輿情的效率，就必須從提高政府監管決策能力的橫向向度和精準管控網絡輿情周期的縱向向度兩個方面進行決策優化。

網絡輿情傳播的引導方式不可能是單一的，采取動態規劃和整數規劃等組合優化方法可以捕獲網絡輿情傳播監管中的不同關切，如分眾化差異化網民的關聯結果、多階段目標的關聯性以及衍生危機的預防目標等。近年來，一些學者開展對基于智能計算的網絡輿情傳播最優控制工具研究，如根據多屬性權衡空間提出一種辨識魯棒體系設計的定量概念設計方法，并提出組合魯棒評估的多準則決策支持系統[44]，豐富了政府對網絡輿情傳播的引導方式。

參考文獻：

[1] ?楊善林，周斌，賈焰，等.網絡輿情監測、分析與管理的現狀與挑戰[J].中國工程科學，2016，18（6）：17-22.

[2] ?Heather Savigny.Public Opinion，Political Communication and the Internet[J].Politics，2014，22（1）：1-8.

[3] ?Katherine T，Fox-Glassman，Elke U Weber.What makes risk acceptable？ Revisiting the 1978 psychological dimensions of perceptions of technological risks[J].Journal of Mathematical Psychology，2016，75（1）：157-169.

[4] ?Tomohiro Fukuhara，Hidekazu Kubota，Masaki Chikama，et al.Application of the public opinion channel in risk communication[J].Sociotechnica，2009，17（1）：59-66.

[5] ?Matthew G Nagler.Understanding the Internets Relevance to Media Ownership Policy：A Model of Too Many Choices[DB/OL].[2018-08-23].https：//mpra.ub.uni-muenchen.de/2180/1/MPRA_paper_2180.pdf.

[6] ?葉戰備.適應分眾化、差異化傳播趨勢加快構建輿論引導新格局——網絡傳播的視角[J].江蘇社會科學，2016，47（6）：1-9.

[7] ?Anagnostopoulos C，Sekkas O，Hadjiefthymiades S.An adaptive epidemic information dissemination model for wireless sensor networks[J].Pervasive and Mobile Computing，2012，8（5）：751-763.

[8] ?Shuai Xu，Yucheng Dong.Research of Information Disseminations ?PublicRisk Management in We-media Era[C].Proceedings of the Seventh International Conference on Management Science and Engineering Management，2014：227-238.

[9] ?Denis Rochat，Benoit Garbinato.Injecting power-awareness into epidemic information dissemination in sensor networks[J].Future Generation Computer Systems，2010，7（6）：868-876.

[10] ?李旭暉，李媛媛，馬費成.我國圖情領域社會化標簽研究主要問題分析[J].圖書情報工作，2018，62（16）：120-131.

[11] ?Sara Heydari，Sam G Roberts，Robin I M，et al.Multichannel social signatures and persistent features of ego networks[J].Applied Network Science，2018，3（1）：1-13.

[12] ?Arunima Krishna，Kelly S Vibber.Victims or conspirators？ Understanding a hot-issue publics online reactions to a victim cluster crisis[J].Journal of Communication Management，2017，18（3）：303-318.

[13] ?孫瑞英.信息異化問題的理性思考[J].情報科學，2007（3）：340-344.

[14] ?張慶普，陳茫.Web 4.0時代的情報學創新探究[J].情報學報，2016，35（10）：1048-1061.

[15] ?蘭月新，王芳，張秋波，等.大數據背景下網絡輿情主體交互機理與對策研究[J].圖書與情報，2016（3）：28-37.

[16] ?巴志超，李綱，毛進，等.微信群內部信息交流的網絡結構、行為及其演化分析——基于會話分析視角[J].情報學報，2018，37（10）：1009-1021.

[17] ?Benjamin Doerr，Anna Huber，Ariel Levavi.Strong robustness of randomized rumor spreading protocols[J].Discrete Applied Mathematics，2013，161（6）：778-793.

[18] ?Leskovec J，Mcglohon M，Faloutsos C，et al.Cascading Behavior in Large Blog Graphs[J].SDM，2007，56（1）：3-9.

[19] ?Min Jae P，Hyeri Choi，Suk Kyoung Kim，et al.Trust in governments social media service and citizens patronage behavior[J].Telematics and Informatics，2015，32（4）：629-641.

[20] ?Shang Y.An agent based model for opinion dynamics with random confidence threshold[J].Communications in Nonlinear Science and Numerical Simulation，2014，19（10）：3766-3777.

[21] ?Yongli Cai，Yun Kang，Malay Banerjee，et al.A stochastic SIRS epidemic model with infectious force under intervention strategies[J].Journal of Differential Equations，2015，259（12）：7463-7502.

[22] ?M.De la Sen，S.Alonso-Quesada，A.Ibeas.On the stability of an SEIR epidemic model with distributed time-delay and a general class of feedback vaccination rules[J].Applied Mathematics and Computation，2015，270（1）：953-976.

[23] ?張潤蓮，蘭月新，王彩華，等.網絡群體性事件演化博弈分析及對策研究[J].圖書與情報，2016，37（4）：24-30.

[24] ?Suire Alexandre，Van Baalen Minus.Rumour propagation and the eco-evolutionary dynamics of social information use.[J].Proceedings.Biological sciences，2018，285（1875）：1098-1115.

[25] ?曾潤喜，朱利平.基于政治信息視角的網絡謠言風險發生機理與治理研究[J].圖書與情報，2016，37（4）：1-7.

[26] ?Massimo Ostilli，Eiko Yoneki，Ian X.Y.Leung，et al.Statistical mechanics of rumour spreading in network communities[J].Procedia Computer Science，2010，1（1）：2331-2339.

[27] ?Natalie Pang，Joshua Ng.Misinformation in a riot：a two-step flow view[J].Online Information Review，2017，41（4）：438-453.

[28] ?J Verdasca，M M Telo da Gama，A Nunes，et al.Recurrent epidemics in small world networks[J].Journal of Theoretical Biology，2005，233（4）：553-561.

[29] ?Lebensztayn E，Rodriguez P M.A connection between a system of random walks and rumor transmission[J].Physica A：Statistical Mechanics and its Applications，2013，392（23）：5793-5800.

[30] ?徐曉林，王子文.關于把握網絡輿情主導權問題研究[J].管理世界，2010，27（4）：183-184.

[31] ?董宇，安小米.政府信息服務評價體系的可持續性研究[J].圖書情報工作，2018，62（20）：33-42.

[32] ?張航.網絡輿論不是民意的全部[N/OL].[2018-08-23].http：//cpc.people.com.cn/GB/64093/64099/9947365.html.

[33] ?楊妍.自媒體時代政府如何應對微博傳播中的“塔西佗陷阱”[J].中國行政管理，2012（5）：26-29.

[34] ?張權，燕繼榮.中國網絡輿情治理的系統分析與善治路徑[J].中國行政管理，2018（9）：21-29.

[35] ?廖海涵，王曰芬，關鵬.微博輿情傳播周期中不同傳播者的主題挖掘與觀點識別[J].圖書情報工作，2018，62（19）：77-85.

[36] ?劉怡君，陳思佳，黃遠.重大生產安全事故的網絡輿情傳播分析及其政策建議——以“8.12天津港爆炸事故”為例[J].管理評論，2016，28（3）：221-229.

[37] ?曾潤喜，杜洪濤，王晨曦.互聯網環境下公眾議程與政策議程的關系及治理進路[J].管理世界，2016，43（10）：180-181.

[38] ?Damian Tambini，Sharif Labo.Digital intermediaries in the UK：implications for news plurality[J].Info，2016，18（4）：33-58.

[39] ?呂鵬，范博深，賈蕤槄.公共安全治理策略研究——以暴力事件的產生及其輿論傳播為例[J].中國軟科學，2017，64（3）：47-55.

[40] ?Efthimios Tambouris，Hans Jochen Scholl，et al.Constructing a Methodology Toward Policy Analysts for Understanding Online Public Opinions：A Probabilistic Topic Modeling Approach[J].Innovation and the Public Sector，2015，22（3）：72-79.

[41] ?史安斌.情境式危機傳播理論與中國本土實踐的檢視：以四川大地震為例[J].傳播與社會學刊（香港），2011，春季號：28-36.

[42] ?Tang Zhi-Wei，Du Fei，Jiang Ping.An Empirical Study on Temporal Evolution Rule of Network Clustering Behavior[J].International Journal of Information Systems for Crisis Response and Management，2016，3（4）：56-70.

[43] ?Sabine Trepte，Helmut Scherer.Opinion leaders——Do they know more than others about their area of interest？[J].Communications，2010，35（2）：119-140.

[44] ?Lourenco J C，Morton A，CAB e Costa.PROBE—A multicriteria decision support system for portfolio robustness evaluation[J].Decision Support Systems，2012，54（1）：534-550.