突發公共事件中的用戶負面情感關鍵影響因素識別

胡媛　唐慧娟　馬麗微等

關鍵詞： 突發公共事件； 負面情感； 關鍵影響因素； 扎根理論； ＤＥＭＡＴＥＬ 方法

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０７．００９

〔中圖分類號〕Ｇ２０６ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） ０７－００９６－１３

近年來， 新冠肺炎疫情、重慶山火等突發公共事件頻發， 對公眾的正常生產、生活造成較大影響，并以極強的延展力和滲透力引發廣泛關注， 在網絡上掀起了較大的輿論風波。突發事件的背后反映了具體的社會民生問題和公眾訴求， 是“風險強度”空前加劇與“風險環境” 空前擴張的現代風險社會的一種表征。智媒時代， 微博、微信、抖音等社交媒體平臺具有極強的包容性和自由度， 為突發公共事件的輿論發酵提供新的空間， 使得公眾可以脫離原本所屬的社會關系發表言論、表達多種情緒與態度， 且更容易受到網絡輿論的情緒影響。突發事件相關信息的傳播往往伴隨著強烈的情緒傳播， 如果在信息傳播中存在負面情感， 那么負面情感可能會不斷累積。雖然適當的負面情感可以幫助公眾緩解緊張和焦慮， 但如果疏導和排解不及時， 極易引發違規和過激行為， 影響社會穩定。引發負面情感的能量越劇烈， 越會釋放更大的能量場， 當負面情感能量積累到一定程度時就會觸發社會群體行為［１］ 。倘若無法及時、有效地引導突發公共事件中用戶的負面情感， 極易導致極端的社會群體行為。可見負面情感是突發公共事件危機產生的“擴音器” 和“催化劑”， 極易演化成危及社會安穩的“導火索”， 其演化的關鍵影響因素和引導調節策略亟需探究和制定。因此， 為迅速、準確地應對用戶負面情感， 營造積極的網絡環境， 本文基于突發公共事件中負面情感引導的重要性， 結合情感相關理論， 以突發公共事件為情境， 以用戶負面情感為研究對象， 挖掘用戶內在與外在環境中的負面情感關鍵影響因素，以期為突發事件中的用戶治理提供指導。

１ 研究基礎

１.１ 文獻綜述與研究問題

近年來， 越來越多的學者關注突發公共事件中用戶的負面情感， 經綜合梳理發現， 國內外學者對突發公共事件用戶負面情感的研究主要集中在用戶情感分類［２－５］ 、特征識別［６－７］ 、傳播［１０－１２］ 、演化［１３－１６］以及影響因素等方面。在情感分類研究中， 不同學者從不同學科、視角并運用不同方法構建情感分類標準。從內容分類來看， Ｐｏｒｉａ Ｓ 等［２］ 建構的多類別情感分析框架識別了中性、憤怒、悲傷、喜悅這４ 種主要的情感類型； 范濤等［３］ 提出網民負面情感包括憤怒、厭惡、恐懼和悲傷４ 種負面情感。從粗細粒度來看， 陳可嘉等［４］ 從粗粒度上將情感分為積極、中立、消極３ 種； 崔彥琛等［５］ 基于突發事件領域情感詞典從細粒度上將情感分為７ 大類和２１小類。在情感特征識別中， “計算機媒體溝通模型（ＣＭＣ）”［６］ “去個性化社會認同模型（ＳＩＤＥ）”［７］ 以及復雜網絡等被廣泛運用于用戶類型研究。不同用戶類型所展現出來的負面情感傾向性表達概率各有差異， 在微博、論壇等社交媒體上， 活躍用戶［８］ 、匿名用戶［９］ 更傾向于表達負面情感。在負面情感傳播方面， 研究者會關注負面情感的動態傳播， 研究負面情感傳播特征與機理識別［１０］ 、傳播模型構建［１１］ 和情緒表達［１２］ ， 研究發現， 負面情緒和網絡平臺更易放大突發公共事件的負面影響。在負面情感演化方面， 學者們從政府［１３］ 、媒介［１４］ 、時空［１５］ 、情景［１６］ 等單個或多個角度展開研究， 總體上負面情緒呈逐漸降低趨勢， 但也會不間斷反彈， 降低負面情緒才能減輕對社會的影響。在用戶負面情感影響因素的研究中， 學者們對不同群體進行實證分析，對突發公共事件中不同人群、宏微觀層面、政府措施、社會現狀等相關因素進行探索［１７－１８］ ， 以期從根源減少負面情感。

現有研究雖為本文研究奠定了堅實的基礎， 更多關注情感分類識別和傳播， 尤其注重從技術角度構建模型； 影響因素研究大多基于單案例或從單一角度分析， 較少從整體視角挖掘突發事件中用戶負面情感的關鍵影響因素識別， 缺乏普適性和完整性［１８］ 。因此， 基于目前充足的情感分類研究， 進一步探究情感細粒度分析、情感轉化和情感影響因素有助于理論發展和實踐參考。負面情感的細粒度分析能夠對用戶情感進行更細致的區分， 更準確地認識和把控用戶情感； 情感轉化是情感治理的核心思路， 探究各細分類別的用戶情感之間如何轉化，能夠推進用戶情感治理， 維護社會情緒穩定； 影響因素是追本溯源， 探究負面情感的關鍵影響因素和致因機理， 以此入手從根源引導和治理負面情感。

綜上， 本文把用戶負面情感作為一個整體對象加以研究， 以便從全局和整體視角構建全面的用戶負面情感影響因素理論框架， 進而探索其中的關鍵影響因素， 解析相互作用關系和組合路徑， 為我國突發公共事件應急管理與用戶情感引導提供治理依據。據此， 本文主要解決兩個問題： ①以突發事件中的用戶負面情感為研究對象， 構建用戶負面情感影響因素的理論框架； ②挖掘關鍵影響因素， 揭示相互關系與作用機理， 并在此基礎上提出對策建議。

１.２ 研究理論與方法

１.２.１ 理論基礎

情緒認知理論是心理學領域的理論， 集成者是Ｌａｚａｒｕｓ Ｒ Ｓ［１９］ ， 他率先提出認知評價在情緒產生機制中的重要性， 認為情緒是通過認知評價決定和完成的對意義的反應。該理論主張情緒產生于人對環境刺激產生的認知和評價， 并提出用戶情緒產生和演化的３ 個方面的影響因素， 即環境事件發展、自身生理狀況以及評價的認知過程［１９］ 。整合危機圖式（Ｉｎｔｅｇｒａｔｅｄ Ｃｒｉｓｉｓ Ｍａｐｐｉｎｇ， 簡稱ＩＣＭ）是一種基于情緒視角的危機傳播理論， 關注公眾的危機情緒是如何通過認知過程形成， 認為用戶在危機中會根據應對和組織參與的程度產生不同的負面情緒。Ｊｉｎ Ｙ 等［２０］ 據此凝練出危機傳播中最主要的４ 類負面情緒： 憤怒、焦慮、悲傷和恐懼。劉念等［２１］ 修訂中國語言環境中的ＩＣＭ 理論模型， 認為憤怒、厭惡、悲傷與恐懼才是危機事件中的主要負面情緒。這些負面情感會影響公眾對危機溝通策略的偏好，以及對組織所采取策略的接受程度。

文章研究過程中使用的扎根理論是僅靠研究者進行理論凝練的， 結論易產生主觀偏差。因此， 本文以某些經典理論為輔助指導， 結合情感分類綜述，將憤怒、焦慮、厭惡、悲傷和恐懼作為主要負面情緒， 即以經典理論和前文綜述為扎根理論編碼的理論支持。

１.２.２ 方法基礎

扎根理論是一種“自下而上” 的質性研究方法， 基于廣泛的數據來源， 深入分析研究對象、探索研究核心［２２］ 。它可在已有理論與文獻的指導下，借助個人知識及經驗對初始數據和相關概念進行連續分析比較， 構建概念間的聯系， 從而創建理論模型。該過程涵蓋了開放性編碼、主軸編碼及選擇性編碼等步驟［２３］ 。本研究將扎根理論與情緒認知理論結合進行編碼分析， 不僅可以減小經驗不足帶來的誤差， 也能提升各維度因素分析的準確性。

決策試行與評價實驗方法（Ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ Ｔｒｉ?ａｌ ａｎｄ Ｅｖａｌｕａｔｉｏｎ Ｌａｂｏｒａｔｏｒｙ， 簡稱ＤＥＭＡＴＥＬ）是Ｇａ?ｂｕｓ Ａ 和Ｆｏｎｔｅｌａ Ｅ 提出的， 該方法可以有效建立各要素之間的邏輯關系和相關關系［２４］ ， 計算識別出系統內各因素的主次。ＤＥＭＡＴＥＬ 方法已被廣泛運用于復雜系統影響因素研究中［２５］ 。為解決ＤＥＭＡ?ＴＥＬ 法中專家評判模糊問題， 本文運用模糊集理論中的三角模糊數對專家主觀評分結果進行量化。模糊集理論在描述不確定性因素方面具有一定的優勢，利用模糊數來量化如“很高” “良好” 等模糊性語言， 再轉化為精確數值， 避免專家主觀判斷和評分產生的差異性［２６］ 。

因此， 本文使用扎根理論挖掘全面的影響因素，構建了較為全面的影響因素理論框架， 并采用融合模糊集理論的ＤＥＭＡＴＥＬ 方法， 識別出影響因素理論框架中的關鍵影響因素及其邏輯關系。

２突發公共事件中用戶負面情感影響因素理論框架構建

本文以知微事見平臺發布的事件影響力指數排行榜為據， 根據突發公共事件的定義［２７］ ， 依次選擇事故災難、社會安全、自然災害與公共衛生事件中影響力最高的事件， 同時基于事件影響力指數（ＥＩＩ）進行篩選， 最終選擇東航客機墜毀事件、唐山打人事件、四川蘆山地震事件、土坑酸菜事件為事件樣本。根據此４ 類事件在微博、知乎平臺設置事件關鍵詞搜索熱門話題， 進行網絡爬取， 最終收集到１８ ４２３條數據， 經初步處理后得到９ ４２８條有效評論， 預留５００ 條評論用于理論飽和度檢驗。

２.１ 開放式編碼

開放式編碼是對原始文本數據資料打散、編碼、標簽、概念化和范疇化的過程。對網絡爬取出的有效評論進行逐句編碼分析， 形成初始概念， 剔除重復頻次＜３ 的初始概念（除個別較為有代表性的概念）， 最終共篩選出１９１ 個初始概念， 歸納為３５ 個初始范疇， 如表１ 所示。

２.２ 主軸編碼

主軸編碼在開放式編碼的基礎上， 基于量化評論后的數據， 歸納和合并各個獨立范疇， 剔除由單一、較少概念組成的范疇， 挖掘范疇之間的潛在聯系， 凝練出主范疇， 最終形成１１ 個主范疇， 并歸納到環境、生理、認知３ 個維度中， 如表２ 所示。

２.３ 選擇性編碼

選擇性編碼就是在主軸式編碼的基礎上， 對概念與概念、概念與范疇、范疇與范疇之間的關系進一步地分析， 挖掘出核心范疇， 呈現出主范疇與其他范疇之間的關系行為和關系結構。本研究對主范疇連續比較分析， 揭示范疇典型關系結構， 如表３所示。此外， 隨機預留的５００條原始數據用于飽和度檢驗， 編碼結果表明， 未產生新的范疇和典型關系， 因此判定理論框架已達到飽和狀態。

２.４ 影響因素理論框架

除扎根理論編碼所得的影響因素之外， 結合文獻回顧進行影響因素的補充對于理論建構是有必要的。在突發公共事件中， 個人的健康狀況對情緒的產生顯得格外重要， 可將用戶的健康狀況歸為生理維度的主范疇。在認知維度上， Ｌｕ Ｄ 等［２８］ 發現，群體認同對用戶的消極情緒有顯著的正向影響。另外， 朱代瓊等［２９］ 、Ｓｕｎ Ｘ Ｘ 等［３０］ 認為， 風險感知是影響用戶情緒的重要因素。綜上所述， 本研究構建了突發公共事件中的用戶負面情感影響因素理論框架模型， 如圖１ 所示， 并凝練出１４ 個突發公共事件中用戶負面情感的影響因素。

根據情緒認知理論， 認知評價要素在情緒的產生中處于核心位置， 對情緒起到直接影響作用。用戶負面情感受到環境維度、生理維度以及認知維度的影響。其中， 環境維度是指事件與社會環境中的刺激要素， 涵蓋事件本身、安全危機、社會體制、社會文化、政府公信力與網絡情境６ 個主范疇。在事件本身中， 事件的起因、產生的結果以及發生地點等都會引起用戶的關注。安全危機是指突發公共事件對健康、生命以及對社會環境產生的安全風險， 會激發用戶的負面情緒。政府公信力是政府獲得公眾信任度的辦事能力， 是引起用戶負面情緒的重要因素。另外， 社會體制與社會文化這種對社會群體施加廣泛影響的各種社會管理規范和生活現象對用戶的情緒產生與變化帶來了重要影響。生理維度主要是生理喚醒的刺激要素， 是情緒產生的必要因素之一， 涵蓋性別、健康狀況與感官刺激３ 個主范疇。性別因素產生的負面情緒尤為明顯， 女性群體的感性、情緒化特征使其更容易產生負面情緒［３１］ 。在感官刺激中， 用戶視覺上受到刺激產生負面情緒的比例大于聽覺刺激所產生的。健康狀況表示身心出現不適都會使用戶容易出現抑郁、焦慮甚至絕望等負面情緒。認知維度主要指對過去經驗的回憶和對當前情境的評估， 包括利益訴求、境遇經歷、主體共情、風險感知以及群體認同。用戶的利益需求無法得到保障會為其負面情緒產生變化提供動力源， 事件發生時會喚起用戶類似的境遇經歷， 產生負面情緒。在主體共情范疇上， 用戶常常將自己代入到事件中， 易產生憤怒、悲傷等負面情緒。另外， 風險感知表示用戶對風險特征以及嚴重性的主觀判斷， 對用戶認知產生作用后， 將顯著喚起負面情緒。群體認同表示用戶群體共同的目標與行為標準， 用戶認知評價會受到其他人對這一事件評價的影響， 充斥的大量負面情緒極易引起共鳴， 激發用戶的負面情緒。

３ 突發公共事件中用戶負面情感關鍵影響因素分析

３.１ 描述性統計

根據德爾菲專家調查法， 成立專家小組， 選擇的專家數量應大于５ 人， 有學者提出７ 人左右的群體規模產生的決策是最有效的［３２］ ， 因此本研究邀請７ 位相關領域的專家對各因素之間的影響強弱進行打分。本文遴選的調查對象包括： 網絡用戶行為領域專家３ 名、網絡輿情領域專家１ 名、應急信息管理領域專家３ 名， 具體如表４ 所示。

３.２ 模糊－ＤＥＭＡＴＥＬ分析

現有關于突發公共事件中用戶負面情感影響因素之間的關聯性分析不夠細致， 用戶的負面情感模型有待改進。ＤＥＭＡＴＥＬ 方法善于探索因素關聯和各強度的影響， 有助于系統分析數據、因素相關性和邏輯關聯。具體步驟如下：

第一， 通過量化專家的語言評估， 將影響力大小等級分為５ 個級別， 使用沒有影響、影響較低、影響低、影響高、影響很高來進行評價， 評價尺度分別用０～４ 表示。

第二， 建立直接影響矩陣。通過問卷調查就突發公共事件中用戶負面情感對遴選專家進行調研，并針對調研結果進行統計和分析， 將結果的語義變量轉化為對應的評分。將專家問卷評價結果轉化為ｎ×ｎ 矩陣， Ｙ ＝｛１，２，…，ｋ｝表示評分專家人數， 為降低專家主觀判斷對結果造成的影響， 需要對Ｙ個專家的評估結果取眾數［３３］ ， 由此可得到原始直接影響矩陣Ｚ_ｉｊ， 如表５ 所示。

第三， 矩陣的模糊化、去模糊化和規范化。基于原始直接影響矩陣， 根據模糊尺度［３４－３５］ 予以轉化，再通過重心法［３６］ 去模糊化， 最后對其進行標準化處理， 得到規范化清晰直接影響矩陣， 如式（１） 所示：

影響度表示該因素影響其他因素的程度， 被影響度表示該因素受到其他因素的影響程度， 值越大則影響程度越大。中心度和原因度分別表示該因素對用戶負面情感影響程度和該因素對其他因素的影響情況。該值大于０ 意味著對其他要素影響更多，即原因因素； 該值小于０ 意味著被其他要素影響更多， 即結果因素。圖２ 中， 原因度方面， 區域１ 和２ 代表高原因度， 區域３ 和４ 代表低原因度； 中心度方面， 區域１ 和４ 代表高中心度， 區域２ 和３ 代表低中心度。

因此， Ａ２ 安全危機、Ａ５ 政府公信力、Ｃ５ 群體認同３ 個因素分布在區域１， 表示他們在系統中的重要性高， 且對其他因素產生了重要影響。區域２ 中的Ａ６ 網絡情境、Ｂ２ 感官刺激、Ｂ３ 健康狀況對系統內其他因素產生了影響， 但他們的中心度低于平均值， 在系統中的重要性低。區域３ 僅有２ 個因素， 即Ｂ１ 性別與Ｃ３ 境遇經歷， 其中性別因素在整個系統中的重要程度最低。區域４ 包括Ａ１ 事件本身、Ａ３ 社會體制、Ａ４ 社會文化、Ｃ１ 主體共情、Ｃ２ 利益訴求、Ｃ４ 風險感知６ 個因素， 在系統中的重要性大且易受其他因素的影響。

３.３ 關鍵影響因素識別與計算

３.３.１ 原因類因素分析

原因類因素往往對整體具有主動影響。因此，本文著重探究原因類影響因素， 發現６ 個原因類影響因素中， 有３ 個屬于關鍵影響因素（Ａ２、Ａ５、Ｃ５）。

由圖２ 可知， 第二象限中的Ａ６ 網絡情境、Ｂ２感官刺激、Ｂ３ 健康狀況對系統內其他因素產生了影響， 但他們的中心度低于平均值， 在系統中的重要性低。“Ｂ２ 感官刺激” 的原因度最高， 但在反映重要程度的中心度指標上排名靠后， 對突發公共事件負面情感產生的影響不大， 因此不能作為關鍵因素。“Ｂ３ 健康狀況” 中心度為倒數第二， 影響度和被影響度均靠后， 表明該因素對其他因素影響較低又不易受到其他因素影響， 與其他因素的密切程度不高， 所以不能作為關鍵因素。“Ａ６ 網絡情境”的影響度排名靠前， 對系統內其他因素產生了影響，但其中心度低于平均值， 重要性低， 因此也不能作為關鍵因素。

圖２ 中， Ａ２ 安全危機、Ａ５ 政府公信力、Ｃ５ 群體認同３ 個因素分布在第一象限， 表示他們的原因度和中心度均較高， 在系統中的重要性高， 且對其他因素產生了重要影響。原因度排名第三的因素是“Ｃ５ 群體認同”， 其中心度排名很高， 這意味著在突發公共事件用戶負面情感的產生過程中， 相對于其他因素來說， “Ｃ５ 群體認同” 對負面情感起到很重要的作用。另外， 表７ 的數據顯示， “Ｃ５ 群體認同” 的影響度排名第一， 這表明該因素對其他因素有十分顯著的影響， 對其進行控制有利于減少負面情緒的產生。因此， 要對用戶負面情緒進行引導與控制， 應當重視群體認同作用， 可將其視為關鍵影響因素。“Ａ２ 安全危機” 的原因度排名很高，但在中心度指標上排名處于中間位置， 同時“Ａ２ 安全危機” 的影響度排名很高， 被影響度排名靠后，表明該因素對其他因素有很高的影響力， 但受到其他因素的影響很小， 其對突發公共事件中用戶負面情感產生起著很重要的輔助作用， 所以可作為一個關鍵影響因素。“Ａ５ 政府公信力” 的中心度和影響度排名并非很高， 處于中間位置， 但從影響度和被影響度得分來看， 該因素對其他因素有較高影響，同時政府公信力在用戶負面情緒的產生過程中發揮重要作用， 因而將其視為關鍵影響因素。

３.３.２ 結果類因素分析

通常認為， 結果類因素由于易受其他因素干擾而不作為關鍵影響因素。但是為了明確不同因素的特征， 仍有需要對該類因素進行分析。所以， 深入分析后發現８ 個結果類因素中有６ 個被認為是關鍵影響因素。

第四象限包括Ａ１ 事件本身、Ａ３ 社會體制、Ａ４ 社會文化、Ｃ１ 主體共情、Ｃ２ 利益訴求、Ｃ４ 風險感知６ 個因素， 在系統中的重要性大且易受其他因素的影響。在結果類因素中“Ｃ１ 主體共情” “Ｃ２利益訴求” 在系統中的中心度排名分別為３、４， 表明兩者對用戶負面情感的產生較為重要。但是根據表７ 中的原因度和影響度排名可知， “Ｃ１ 主體共情” “Ｃ２ 利益訴求” 雖然較容易受到其他因素的影響， 但是也對其他因素有一定的影響。因此， 考慮到“Ｃ１ 主體共情” “Ｃ２ 利益訴求” 在突發公共事件中對用戶負面情感所起到的重要作用， 本文將其確定為關鍵影響因素。由“Ｃ４ 風險感知” 的中心度和影響度排名可知， 該因素容易受到其他因素的影響， 但是也存在一定的影響力， 而且感知風險是影響用戶負面情緒的重要因素， 有必要重點關注， 因此可認定為關鍵影響因素。“Ａ１ 事件本身”“Ａ４ 社會文化” “Ａ３ 社會體制” 這３ 個影響因素中心度和影響度排名適中， 若要從環境維度加以考慮，以事件本身、社會文化和社會體制為切入點進行考慮， 也較為合適， 而且需要保持關注， 因而也可將這３ 個因素視為關鍵影響因素。

第三象限僅有２ 個因素， 其中“Ｂ１ 性別” 因素中心度、原因度、影響度和被影響度是最低的分數， 表明其不但影響其他因素的能力較弱， 也容易受到其他因素的影響， 該因素在突發公共事件中對用戶負面情感產生有較低的影響， 不宜作為關鍵影響因素。“Ｃ３ 境遇經歷” 在整個系統中的影響度和被影響度分別排名第１２ 位和第９ 位， 表明影響其他因素的能力很弱且容易通過調整其他因素來改善，以調整用戶負面情感， 不會對整個系統產生關鍵影響。因此， 亦不被識別為關鍵影響因素。

４ 結論與建議

影響突發公共事件中用戶負面情感的因素具有因素多元化、關系復雜化的特點。在用戶負面情感的影響中， 有９ 個關鍵因素被識別并確認。這些關鍵因素包括３ 個原因類影響因素和６ 個結果類影響因素： 原因類影響因素包括Ａ２ 安全危機、Ａ５ 政府公信力、Ｃ５ 群體認同； 結果類影響因素包括Ａ１事件本身、Ａ３ 社會體制、Ａ４ 社會文化、Ｃ１ 主體共情、Ｃ２ 利益訴求、Ｃ４ 風險感知。

具體而言， 突發公共事件中用戶負面情感的來源是Ａ２ 安全危機， 用戶所有的負面情感往往來源于社會環境對個體生命健康和財產安全的影響。而對于安全危機和負面情感的發生， Ａ５ 政府公信力的能力是影響輿情處理和用戶情感調節的效率和質量的重要因素。此外， Ｃ５ 群體認同則進一步引導和推進負面情感在用戶之間的傳播。同時， Ａ１事件本身、Ａ３社會體制、Ａ４ 社會文化、Ｃ１主體共情、Ｃ２利益訴求和Ｃ４風險感知作為結果類影響因素， 需要保持關注。事件本身要素代表事件自身造成的影響， 事件發生時間、影響程度、是否與其他事件疊加發生都可能對用戶減輕負面情感產生重要影響。社會體制表示社會管理機構、規范的統一體， 當出現違背固有體制管理的情況時易滋生不滿情緒。社會文化代表各類群眾影響的社會現象、文化生活， 網絡媒體中是否產生網絡抗爭文化或事件是否違背了社會的期望都是用戶產生負面情感的關鍵因素。用戶自身的情緒共鳴能力（主體共情）、對個人安全和權利的訴求（利益訴求）、對事件風險的主觀判斷（風險感知）， 在突發公共事件中用戶負面情感的產生與爆發中發揮了重要作用。

綜上， 本文研究得出的９ 個關鍵影響因素有助于調節用戶負面情感。基于對突發公共事件中用戶負面情感影響因素的探索和分析， 本文為用戶負面情感的多元主體協同治理提出如下建議：

１） 改善用戶能力， 加強預期防控

負面情感引導關鍵在于改善用戶情緒， 包括用戶改善和預期防控兩方面。一是用戶改善， 即正面情感能量的日常宣傳和用戶信息素養的提升。日常宣傳是形成政府引導媒體、媒體帶動用戶的正向情緒感染力， 激發用戶自組織情感動員。如事前的日常正面宣傳， 通過傳統媒體和新媒體進行事實傳播、謠言治理和輿論引導， 傳播具有正能量的新聞和信息， 引導用戶部分負面情感逐漸向積極情感轉化；事中及時召開新聞發布會解答疑問、動員、安撫等，引導用戶負面情緒的同時挖掘感人畫面、宣揚真善美的正面態度， 積極的“共同體” 情感能夠喚醒用戶的歸屬感； 事后及時公布事件全程發展。通過日常的正面宣傳和積極情感的傳播， 讓用戶能夠產生樂觀的情緒、樹立正確的價值觀（如愛國、誠信、友善等）。堅持正面宣傳為主， 不等于不需要輿論監督。習總書記強調： 輿論監督和正面宣傳是統一的， 而不是對立的［３８］ 。在宣傳中既要直面突發公共事件， 也要深入分析、傳遞積極心態、引導心理預期， 進而推進治理工作的進展［３９］ 。通過提升民眾的識別信息真假、分析信息危害、推斷事件發展的能力， 使得民眾能夠避免對網絡信息不正確地認識， 采取合理的信息行為和個人行動。同時， 構建積極的社會氛圍、提升民眾的樂觀心態和信息素養，能夠有效抵抗公共事件負面影響， 減少負面情緒傳播和惡化， 為政府治理突發公共事件提供助力和良好環境。二是預期防控， 即針對可能出現的負面情感風險和問題， 采取積極的措施， 降低風險。利用情感細粒度模型和情感轉化邏輯對公共事件進行情緒和觀點分析， 以便及時了解用戶態度傾向， 預測行動趨勢。其一是建立不同類型公共事件的情感細粒度模型， 更準確地預測用戶可能會出現的不同情感。情感細粒度模型可從分級分類角度進行細粒度預測。分級即將用戶負面情感根據情感的輕重程度分為３ 個層次， 一級、二級、三級， 級別越高， 負面情感程度越深； 分類即將用戶負面情感進行類別劃分， 如憤怒、懷疑、恐懼、焦慮、沮喪、痛苦等。通過層次和種類的區分， 基于不同負面情感群體的人數和分布， 對治理的不同方案和輕重緩急進行判斷和選定。其二是關注“情感轉化” 的邏輯。無論是哪一階段， 治理的目的和邏輯都是情感轉化，將整體情感向正面轉化， 即基于情感細粒度模型和算法發現不同層次不同類別的群體。將其從層次上進行情感轉化， 從三級轉到二級， 從二級轉到一級， 將用戶負面情感的濃烈程度慢慢降低； 將其從種類上進行情感轉化， 從懷疑轉化為信任， 從擔憂轉化為放心， 或逐步改變， 從憤怒的極端情感轉化為冷靜的懷疑， 然后再轉為信任。

２） 提升政府能力， 加強指導和部門協調

政府能力與突發公共事件中用戶負面情感的解決息息相關。提升政府能力有助于用戶負面情感的有效解決和政府公信力的提升。第一， 提升政府能力， 加強組織能力、預防能力、應急能力和保障能力。組織能力即堅持黨政的統一領導和指揮， 制定應急制度和措施， 避免多頭指揮； 預防能力即建立健全突發事件預測機制、預警系統和情感細粒度模型， 實時追蹤預測情感變化； 應急能力是提升突發公共事件的解決能力， 如疫情需要醫療能力， 食品安全需要檢驗和監管能力； 保障能力是在公共事件期間的物資保障， 保證居民的生活和生命不受影響，保障事件治理有充足的資源支持。通過政府四方面的提升， 加強用戶的信心， 提升政府公信力和治理能力。第二， 全流程分階段細粒度關注用戶情感變化與需求， 階段化實施策略精準引導情感轉化。不同情感狀態可以反映不同公眾情感需求， 政府應根據不同的情感狀態來剖析其背后的情感需求。突發公共事件爆發初期， 用戶的情感狀態大多為不安、焦慮、恐懼等， 其背后是對和諧感、安全感等良性情感的需求， 需要關注公眾行為背后所隱藏的差異化情感狀態， 進行個性化的情感回應和情感資源供給。通過與社交平臺協作獲取初期數據進行細粒度情感分析， 預測各種不同情感群體的數量、分布和訴求， 把握輿情發展態勢， 提高風險感知能力。與官媒、主流媒體、意見領袖、相關領域權威人士／部門（如疫情對應醫療領域、食品安全對應質監局或市監局）保持同步， 基于初期數據的預測， 主動對不同負面情感群體進行有差別的回應（如質疑類群體進行解釋說明， 恐懼類群體進行安撫開導等），對各類正面情感用戶進行肯定和激發（如點贊轉發正面熱點事件， 拍攝采訪正面典型人物或案例）， 推動負面情感群體性正向轉化。當突發公共事件進入爆發期， 用戶的憤怒、沮喪等負面情緒會占據主導地位。此時， 政府的研判能力和溝通能力極為重要，應保持數據同步更新， 實時追蹤不同情感群體的發展趨勢， 準確評估突發公共事件發展方向和網民負面情緒集中點。對依然沒有情感轉變的各類負面群體和經過情感轉化變成負面情感的群體進行重點關注， 對這些群體進行情感的細粒度劃分， 針對不同情感和訴求進行著重解決（如對不信任群體公布社會各界努力的證據和成效）； 對突發事件中的正面事件進行報道和宣傳， 傳播正能量。隨著突發公共事件發展成熟， 為防止輿情二次爆發， 政府和媒體、各單位、各社區對內部人員進行引導宣傳， 降低用戶的各種猜忌和過度恐慌， 增強公眾對政府的信任和支持。突發公共事件發展的后期， 政府仍需要對事件進行監控， 了解網民關注下降程度、負面情緒消退程度等， 防止負面情緒反彈或復燃， 同時相關領域權威人士／ 部門進行治理成果和結果陳述， 官媒、主流媒體等進行報道和證明， 穩定用戶對事件依然存在的疑問心理和負面情緒， 有效化解安全危機。總體而言， 政府應做好掌舵， 把控好情感轉化方向， 防止正面情感的負向轉化， 促進負面情感的正向轉化。

３） 營造社會文化， 完善雙向情感溝通機制

突發公共事件中的用戶情感治理并非單向的治理， 而是雙向的溝通和有效地反饋。因此， 應完善雙向溝通機制， 整理用戶意見， 及時反饋引導， 通過互動來解決源頭的負面情感， 傳遞積極的思想情感， 營造良好的社會文化和氛圍。比如， 政府通過線上多媒體（傳統與新興媒體）溝通、線下意見收集（公共調查、網格化渠道）， 給予公眾情感關心，彌合信息不對稱所帶來的認知差異； 通過線上線下的積極聯動， 建立客觀的事件評價矩陣和精準地放、管、服防控機制， 與公眾建立良好的信任關系， 獲取公眾對事件的真實反映和利益訴求， 如新聞發布會、社交媒體互動等； 根據對用戶數據的整理和分析， 針對不同情感粒度和訴求的群體進行回復和方案制定（如對悲觀類群體提供行動和成效， 增強信心， 對焦慮類群體進行疏導和注意力轉移）， 促進不同負面群體能夠向正面轉變； 通過主流媒體和意見領袖等及時、廣泛地傳達政府的精神意見和處理措施， 解決用戶的需求， 疏解用戶的負面情緒， 引導輿論的正向發展， 推進社會氛圍的良性情感轉變。此外， 政府的應急措施需要及時迅速， 避免安全危機受到群體認同的加速推動， 一旦負面群體認同的傳播效應產生， 用戶的風險感應和負面情緒將迅速發展， 形成負面社會情緒和不良的氛圍。應急措施需要軟硬兼施， “軟” 措施是積極采取宣傳科普等柔性手段樹立正確的價值觀和教育廣大用戶，傳播積極、樂觀、信任的價值觀， 營造不信謠、不傳謠、不造謠的社會文化， 提高公眾對突發公共事件的認知和理解， 保持理智， 規范自身言行舉止。“硬” 措施是加大對網絡謠言的整治力度， 對虛假、惡意評論及恐慌情緒制造者進行嚴格管控， 避免恐慌、擔憂和焦慮等情緒的蔓延。對于用戶的負面情緒需區別對待， 比如恐懼情感、憤怒情感及悲傷情感等會產生不同后果， 切忌盲目采取刪帖的單一管理方式， 關注用戶不同利益訴求， 采取不同應對措施， 因地制宜化解負面情緒危機， 幫助用戶負面情感向積極情感方向轉化。

本文針對公共突發事件中的用戶負面情感關鍵影響因素進行了整體性探討和分析， 尚未考慮不同粒度負面情感， 以及情感間轉化的關鍵因素， 后續會繼續對其展開進一步的研究與探索。