國內外突發事件網絡輿情研究現狀

中圖分類號：G206；G353.1 文獻標識碼：A 文章編號：1672-8122（2025）08-0110-04

突發事件是指突然發生，造成或可能造成嚴重社會危害的事件。此類事件一旦發生便會迅速在網絡蔓延，形成網絡輿情。全媒體時代，摻雜情緒波動和意見碰撞的輿情事件，容易影響社會穩定。為營造清朗的網絡空間環境，加強突發事件網絡輿情的研判尤為重要和迫切。

近年來，國內外學者針對突發事件網絡輿情開展了廣泛研究，涉及傳播規律、演化過程、預警機制、輿情治理等核心議題。盡管已取得顯著進展，達成了理論上的初步共識，但細致分析，不難發現系統性與綜合性研究仍有欠缺。從研究對象來看，突發事件主要包括自然災害、事故災難、公共衛生事件和社會安全事件，不同的研究對象，其研究內容也有所差異。從研究方法來看，學者主要采用模型、實證等方法，或基于不同的理論視角進行分析，在指標設定、研究思路及研究結果方面均有不同。研究主題也呈現階段性特征。同時，不同國家在應對此類輿情事件時，有著各具特色的做法和策略，能夠為我們提供寶貴的經驗與學習資源。基于此，本文系統梳理國內外突發事件網絡輿情的研究熱點、發展趨勢及學術前沿的最新動態，聚焦各國在輿情監測、預警、應對及治理等方面的創新研究，提出要密切關注大數據、人工智能等新技術在輿情分析中的應用進展，以及社交媒體、網絡社群等新型傳播平臺對輿情傳播的影響，把握輿情研究的最新動態，旨在為輿情管理優化提供有益啟示。

一、數據來源與研究過程

本文以CNKI為中文數據源，檢索時間為2024年1月28日。為提高數據質量，來源類別選擇SCI、北大核心、CSSCI。檢索主題為突發事件網絡輿情和突發公共事件網絡輿情。人工篩除報紙、書評、新聞報道等低相關性文獻及重復文獻，得到490條文獻記錄，確定時間跨度為2009—2023年。在WebofSci-ence中選擇核心合集，采用高級檢索模式，以“TS Σ=Σ Networkpublicopiniononemergencies”為檢索式，選擇期刊論文，人工閱讀標題并篩選，對文獻進行除重、清洗，最終得到125篇有效文獻，時間跨度為1994—2023年。

二、突發事件網絡輿情研究時空可視化

（一）國內外研究時間分布

由表1可知，國內外年發文量整體呈跳躍式、階段性增長。國外于1994年率先研究，同年，中美科技合作推動中國接人Internet，為我國開展輿情研究奠定了基礎。此階段，國內研究處于萌芽時期，主要關注理論層面，如信息的傳播機制、用戶行為模式等。2010年左右，年發文量呈現波動性上升，輿情研究不斷深人，研究范圍擴展到輿情傳播、網民情緒演變、輿論引導等多個方面。2013年后，國內外年發文量迅速增加并達到峰值，由于全球范圍內瀕發公共衛生、自然災害等突發事件，該領域發文數量激增，研究成果與輿論熱點相互交織，共同推動的結果。

表1國內外年發文量統計

（二）國內外作者分析

由表2可知，蘭月新、夏一雪、bertolaso等是國內外發文量較多的學者。國內合作強度具有明顯的斷層現象，國外則較為穩定。國內學者的產量較高，且合作強度更強。值得注意的是，部分學者發文量較高但合作網絡較弱，多數學者仍傾向于獨立研究。未來，持續加強國內外學者之間的合作，構建緊密的學術共同體將是推動科研創新的重要途徑。

表2國內外作者發文量統計

（三）國內外機構合作分析

由圖1可知，不同機構之間存在合作關系，如吉林大學和天津大學等。經統計，吉林大學、武漢大學、華中科技大學分別發表了38、35、26篇文章，是排名前三的機構，加州大學、卡羅萊納大學等是國外發文量較多的機構。同時，部分機構不存在直接合作關系，而是通過其他機構間接聯系，如中國科學院大學與電子科技大學等。本文認為，可能是各高校實現優勢互補、資源整合，共同推動上層建筑的融合發展。

圖1國內外機構合作圖譜

三、國內外研究熱點及前沿分析

本文將國內研究熱點主要分為突發事件網絡輿情傳播與演化、風險識別與預警、引導與治理策略三大類；將國外研究熱點分為突發事件網絡輿情傳播與演化、輿情與應急管理、輿情與社交媒體三大類。

（一）國內研究熱點分析

1.突發事件網絡輿情傳播與演化研究

國內學者主要關注輿情傳播規律、特點機制、模型和關鍵節點的識別等。2022年，張軍等人結合群體行為理論和收斂交叉映射算法，提出基于數據驅動的突發事件網絡輿情傳播建模方法[1]。2024年，王晰巍等人基于網絡結構理論，證實了突發事件網絡輿情中存在回聲室效應[2]。部分學者也側重于研究其演化機制、機理等。2022年，馬騰等人依據輿情生命周期，分析了突發公共衛生事件網絡輿情的演化特征，為輿情部門的精準管理提供建議[3]。2023 年，于凱等人通過構建突發事件網絡輿情事理圖譜，揭示了輿情事件關系類型主要為因果、并列和順承關系[4]。這些研究對突發事件網絡輿情的治理提供了堅實的理論基礎，并被廣泛關注。

2.突發事件網絡輿情風險識別與預警研究

在這一領域，學者主要關注輿情的風險識別方法、風險評價指標體系、預警指標體系等。2022年，李玥琪等人構建了基于ISM-BN的突發事件社交媒體網絡輿情風險識別及預警模型[5]。2023年，謝媛等人通過構建風險指標體系，并基于輿情主體、輿情信息、網民情感探究輿情演化規律，實現了輿情風險感知[。研究者從早期的宏觀理論探討逐步轉向微觀實踐層面，為政府在應對輿情事件中提供了精準有效的實施路徑。

3.突發事件網絡輿情引導與治理策略

關于輿情引導與治理，學者從不同角度提出了相應對策。2020年，杜澤等人從循證治理視角，分析了輿情治理存在問題的成因，并提出了對策建議[7]2022年，溫海等人運用社會網絡分析法，提出政府平臺作為信息生產者與傳播者能夠引導輿論走向[8]。此類研究對于政府公共管理與社會治理具有重要意義。

（二）國外研究熱點分析

1.突發事件網絡輿情的傳播與演化

國外學者主要關注輿情是如何形成、傳播和演變的，重視社交媒體、在線論壇等網絡平臺在輿情傳播中的信息流動和互動模式。2019年，學者Mamidi等人指出負面情緒多數主題都與輿情本體有關，官方人員應注重傳播預防和治療信息，消除公眾的負面情緒[9]。2022年，學者Kobayashi等人使用LDA模型對日本Twitter上COVID-19疫苗相關討論的主題進行建模，監測公眾輿論的演變與傳播[10]

2.突發事件網絡輿情和應急管理

關于輿情應急管理研究，國外學者主要側重輿情對突發事件的影響以及輿情監測、評估與預警等方面。2021年，學者Rao等人指出，要基于FPGA和機器學習對突發事件網絡輿情進行監測，從而有效實施管理[]。學者Nowlin等人指出社會投資對突發事件的應急管理具有重要作用[12]。由于輿情往往與應急管理具有直接關聯性，因此，此類問題成為重要的研究方向之一。

3.突發事件網絡輿情和社交媒體

這一領域，學者主要研究社交媒體在輿情中的作用。2021年，學者Chawla等人指出人們應禁止在社交網絡上傳播錯誤信息[13]。2023年，學者Raskhod-chikov等人通過分析社交媒體驗證了社交網絡在緊急情況下的復原力[14]。這些研究不僅展現了社交媒體的正面作用，也啟示我們應關注其在危機應對中的潛力與局限性。

（三）國內外研究前沿分析

由圖2、圖3可知，在國內，突變強度最高、時間較長的關鍵詞集中在2020至2023年，而在國外，應急管理、技術算法、情感分析等主題具有高關注度。algorithm從2014年到2020年引發了持續性研究熱潮，隨著 internetpublic opinion，news 的關注度逐步上升，尤其是在全球化影響下，社交媒體的輿論導向成為研究的熱點。

通過分析，國內外研究前沿具有三個特點：首先，隨著信息化的深入和社交網絡的普及，情感分析、輿論等話題都成為了研究熱點，全球范圍內網絡輿情研究顯示出同步性與廣泛性。其次，國內研究更多集中在輿情傳播與監督治理上；國外研究偏向技術和應急管理的結合，特別是算法與社交網絡的影響，反映了應急管理與技術進步帶來的學術需求。最后，國內的研究焦點具有時效性，會在短期內迅速增加；國外趨向于技術驅動的長期研究，特別是算法與媒體領域的持續研究。

四、結語

本文以CNKI和WebofScience核心合集數據庫為數據源，借助文獻計量軟件梳理國內外突發事件網絡輿情的研究現狀、熱點和前沿，并對研究熱點和前沿展開了論述，主要觀點如下：

1.突發事件網絡輿情傳播與演化、風險識別與預警、引導與治理策略等是當下研究熱點內容。展望未來，在輿情傳播方面，數智時代面對海量的網絡信息、數據獲取平臺的廣泛性、信息失真等問題、網民情感分析等仍是未來的主要研究趨勢。在輿情演化研究上，只有結合實例，才能在動態復雜的環境下有針對性地進行治理研究。在輿情的風險識別及預警方面，精準捕捉輿情風險、預警指標的劃分實現規范統一可能是主流研究方向。在輿情引導與治理策略方面，學者主要從微觀視角上升到社會、國家視角，而在AIGC推動下，實現“跨”學科研究、融合前沿技術的深層研究迫在眉睫。

2.突發事件網絡輿情領域研究前沿，未來可能主要集中在事理圖譜分析、信息傳播、算法、網民情感分析等研究領域。網民情感是該領域研究的重要方向之一，但仍有網民情緒分析存在誤差、無法動態處理海量數據信息、缺乏持續監測和分析等問題。同時，盡管已有部分研究將事理圖譜應用于輿情分析領域，但仍然存在諸如如何準確識別和抽取文本中的事件和關系、如何構建高質量圖譜、輿情分析的準確性和效率等挑戰。展望未來，隨著自然語言處理技術的不斷發展和完善，事理圖譜將與深度學習等其他技術相結合，形成更加智能化、精細化的輿情分析系統。

參考文獻：

[1]張軍，王學金，李鵬，等.基于CCM的突發事件網 絡輿情傳播建模方法研究[J].情報理論與實踐， 2022，45（6） ：188-198.

[2]王晰巍，莊蕙滎，姜奕冰，等.重大突發事件下網絡 實踐，2024，47（1）：101-109.

[3]馬騰，殷躍，趙樹寬，等.多維數據融合的突發公共 衛生事件網絡輿情演化特征研究[J].情報理論與 實踐，2022，45（12）：170-177.

[4]于凱，楊富義.基于事理圖譜的突發事件網絡輿情 演化模型構建[J].上海理工大學學報，2023，45 （1） ：27-35.

[5]李玥琪，王晰巍，王楠阿雪，等.突發事件下社交媒 體網絡輿情風險識別及預警模型研究[J].情報學 報，2022，41（10）：1085-1099.

[6]謝媛，李本乾.新媒體環境下突發環境事件網絡輿 情風險信息感知模型［J].現代情報，2023，43 （6） ：158-165.

[7］杜澤，張曉杰.循證治理視域下突發公共衛生事件 的網絡輿情治理研究[J].情報理論與實踐，2020， 43（5） ：17-23.

[8］溫海滌，邱振博.新媒體時代突發公共危機事件網 絡輿情治理能力研究［J].情報科學，2022，40 （8）： 38-43+49

[9]Mamidi R，Miller M，Banerjee T，et al. Identifying key topics bearing negative sentiment on Twitter：insights concerning the 2015-2016 Zika epidemic[J]. JMIR public health and surveillance，2019，5（2）.

[10]Kobayashi R，Takedomi Y，Nakayama Y，et al.Evolution of public opinion on COVID-19 vaccination in Japan： large-scale Twitter data analysis[J]. Journal of Medical Internet Research，2022，24（12） .

[11]Rao A S，Krishna BV，Saravanan D，et al.Supervision calamity of public opinion actions based on field programmable gate array and machine learning [J].International Journal of Nonlinear Analysis and Applications，2021，12（2） ：1187-1198.

[12]Nowlin M C，Wehde W.Social capital and hurricane warning response[J]. International Journal of Disaster Risk Reduction，2021，65.

[13]Chawla Y，Radziwon A， Scaringella L， et al. Predictors and outcomes of individual knowledge on earlystage pandemic ： Social media， information credibility， public opinion，andbehaviour in a large-scale global study[J]. Information Processingamp;Management，2021， 58（6）： 102720.

[14]Raskhodchikov A N，Pilgun M. COVID-19 and Public Health：Analysis of Opinions inSocial Media [J].International Journal of Environmental Research and Public Health，2023，20（2） ：971.

[責任編輯：李慕荷]