网络舆情群体极化相关研究述评*

吴诗贤，张必兰

(1．重庆工商大学计算机科学与信息工程学院，重庆400067;2．重庆工商大学图书馆，重庆400067)

引言

在新媒体生态大环境下，社会舆情通过不同的渠道发酵、呈现、投射，进而演化成不同的结果，而互联网，作为新媒体的主要力量，是社会舆情的一个主要投射渠道，形成自我特性明显的网络舆情。据CNNIC测算，截至2014年6月，我国网民规模达6．32亿，互联网普及率为46．9%［1］，BBS、QQ群、MSN、Face book、微博等成为网民舆情表达的主要阵地。在网民的酝酿发酵下，舆情极易在网络中存在极化趋势，积极向上的观点被群体极化有利于社会正能量形成、促进文明进步，但非理性的观点被群体极化后，就有可能导致现实社会群体极端事件的发生，甚至威胁到社会的稳定和国家的安全。因此，近几年的中国互联网舆情分析报告多次强调要格外重视网络舆情中的群体极化现象并对其进行良好的引导和控制。网络舆情群体极化相关研究已经引起了学界的广泛关注。基于文献研究，本文对网络舆情群体极化的研究状况进行了回顾和分析，以进一步明确研究方向、拓展思路。

一、网络舆情群体极化研究概况

归纳起来，网络舆情群体极化的研究主要集中在以下几个方面:

(一)网络舆情群体极化内涵研究

群体极化概念的萌芽可追溯到社会心理学家詹姆斯·斯托纳在50多年前发现的群体讨论时的一种风险转移现象:在群体中进行讨论时，偏激观点往往会得到更多人的附和，使群体的整体观点靠向更偏激的方向。在此基础上，法国心理学家塞奇·莫斯科维奇在其著作《群氓的时代》里对群体极化现象的发生机理进行了详细的论述，认为群体极化的产生源于个体在群体中往往会形成一种窒息自我的本能，乐于屈从于集体意志。［2］

现实社会的“群体极化”现象在迅猛发展的网络空间中是否存在呢?答案是肯定的。芝加哥大学法学教授凯斯·桑斯坦在总结多个国家的实证研究的基础上概括了在网络传播环境下的群体极化现象:“网络团体成员一开始即有某些偏向，在商议后，人们朝偏向的方向继续移动，最后形成极端的观点。”［3］

网络舆情群体极化现象与现实社会中的舆情群体极化现象有共同之处，但在网络舆情群体极化过程中呈现出“言论偏激化”“群内同质化、群际异质化”“虚实互动性”“时变性”等新特点。网络空间的虚拟性、匿名性让网民言论的自我约束力大大降低，网络舆情群体极化过程往往伴随着更加激烈的攻击(可能是网民相互攻击，这往往形成两极极化，也可能网民对现实生活中的某个对象或现象的攻击，这往往形成单极极化)，这与现实社会中群体极化往往由“沉默的螺旋”导致有很大的不同;相对于现实社会，网民们可以更加容易地在网络空间中朝着自己的既存偏好方向移动，以“群内同质化、群际异质化”的特点聚集;［4］网络舆情虚实互动性非常强，现实生活中的群体性事件在网络空间中发酵、极化后，往往反过来又加速现实社会事件的极化。［5］张志平通过交叉分析时间变量同网络舆情群体极化现象间的关系发现“群体极化现象会随着时间变化而发生显著变化”［6］。

(二)网络舆情群体极化影响与价值判断研究

学者们从不同角度分析了群体极化现象的社会影响。［7-10］一些学者深入分析了网络群体极化现象的破坏作用，指出网络舆情群体极化极易引发媒介审判、网络真实民意扭曲、政府形象贬损、社会公信力下降等问题，威胁到网络的健康发展乃至现实社会秩序的稳定。一些学者在指出非理性网络舆情群体极化负面破坏力极大的同时，也指出某些事件的常态极化具有一些积极作用，网络群体的积极意见得到极化后能够更快地反映到现实社会中，推动舆论监督，促进法制社会进步，达到“多数人在多元社会中受益”的效果。

(三)网络群体极化成因研究

在对网络舆论群体极化现象背后的根源探讨方面，学者们主要基于社会学、心理学、传播学等角度，从社会环境、网络空间特点和信息传播规律几个方面进行分析研究。如，相喜伟等认为社会心理失衡、伦理道德滑坡、网络空间的匿名性与自由性、多元性与广泛性以及信息传播中沉默螺旋的消解是网络舆情群体极化的重要成因［11］;刘超认为，网络群体极化现象是社会情绪宣泄的结果［12］;陈宏斌认为，网络空间的匿名性等特点非常容易激起人们引人关注的心里倾向，使人类性格中极端的一面更易呈现，形成群体极化现象。［13］

(四)网络舆论群体极化动力机制研究

一部分学者在一般网络舆情演化模型基础上，针对舆论群体极化的特点，通过建立群体极化的动力模型分析网络群体极化的形成机理。如，王根生利用其建立的动力模型分析了不同的舆情热度、事件透明度、网民理性度等对网络群体极化的动力机制;［14，15］史波利用建立的动力机制模型分析了事件驱动、网络过滤、群体协同、议程设置、网络监管和网民素养等舆情极化动力要素相互联系、相互作用的机理。［16］

(五)网络舆情群体极化调控与引导研究

针对网络舆情群体极化的负面影响，学者们从不同角度提出了一些调控与引导措施，包括健全法律法规、提高政务信息透明度来营造良好的网络舆论外部生态环境，加强网民教育以提升网民素养，促进监管在网络中的“消融”作用，积极培养理性意见领袖以强化正面引导等应对政策措施。［10，11，16］

(六)网络舆情群体极化分析的支撑技术研究

网络舆情群体极化研究的关键支撑理论与技术概括起来包括复杂网络演化理论、信息采集技术、数据挖掘、文本理解、模拟仿真等，这些技术对网络舆情群体极化分析的支撑主要体现在网络舆情演化、网络舆情观点挖掘和意见领袖发现等方面。

1．网络舆情演化

网络舆情演化模型的研究中，国内一些学者基于原始无标度模型及其修正模型进行舆情网络演化模型建模与仿真，也有学者基于复杂系统动态行为学中的元胞自动机原理构建迁移元胞自动机网络演化模型。［17-20］国外也有许多学者进行了网络舆情演化的相关研究，如波兰学者Sobkowicz基于系统动力学的观点构建了互联网中舆论演化的模型，仿真结果表明“争论是系统观点极化的决定性因素”［21］。

2．舆情观点挖掘

观点挖掘是网络舆情群体极化研究最重要的技术支撑之一，是当前科研人员研究的一个热点，同时也是一个难点。观点一般可划分为粗粒度(观点为正、反、中立三种离散值)、中粒度(观点为从反到正的连续值)、细粒度(对事物具体的描述性看法和态度)三种粒度。观点挖掘技术大致可分为单粒度观点挖掘技术［22-27］和多粒度观点挖掘技术［28-29］。另外，一些基于舆情观点挖掘算法实现的语料库和观点识别系统(MPQA、WSAM、Sentifier，等)为舆情网络的建立和群体极化分析提供了基本的工具基础。

3．意见领袖发现

意见领袖是网络舆情传播中的关键影响角色之一，往往成为网络舆情极化的推手。因此，网络意见领袖的识别算法是网络舆情极化分析的一个重要基础，也是近年来的一个研究热点。目前学界主要采用统计测量方法、数据挖掘方法、社会网络分析方法等进行网络意见领袖的识别，关键技术在于意见领袖筛选特征指标的构建和指标统计量的抽取。［30-33］

二、网络舆情群体极化研究现状评析

众多学者分别从不同视角对网络舆情群体极化相关问题展开的研究，逐渐建立起了网络舆情群体极化问题的研究体系，一些学者定性探讨了网络舆情群体极化现象的表现、根源、动力机制，阐述了网络舆情对社会现象的监督作用，给出了一些政策对策建议等调控措施，研究成果为相关部门更好地应对社会危机事件起到了积极的作用。部分网络舆情群体极化理论、分析技术等研究成果已应用到一些舆情系统中。同时，网络舆情极化研究也面临着一系列的挑战，还有很多方面值得深入研究。

1．目前，网络舆情群体极化研究集中在对极化的表现形式、危害以及演化规律等问题的定性阐述上，在此基础上提出的网络舆情群体极化对策和建议往往过于宏观和抽象，不太利于指导实践。

2．随着通讯技术的迅猛发展和各种智能掌上终端的普及，社会事件的网络群体极化演化速度有越来越快的趋势，这对面向网络舆情群体极化快速反应的研究提出了更高的要求，网络舆情群体极化快速评估、应对体系的研究还需进一步深入。

3．在支撑技术层面上，虽然对网络环境下舆情观点挖掘、意见领袖发现及其影响力评价方面已取得了不少成果，但是具体社会事件网络舆情中的意见领袖快速发现以及他们和普通网民的观点在具体事件舆情极化过程中的相互作用的定量分析或仿真实验研究尚不多见。

三、基于场概念的网络舆情群体极化研究的思考

基于以上分析，我们认为未来研究中一个值得关注的方向是:从定量化角度出发研究舆情群体极化现象，找出网络舆情群体极化的可测度量，进一步建立整体网络舆情群体极化度的量化计算和极化趋势预测方法。我们的研究思路是在网络舆情观点挖掘的基础上，引入物理学中关于势场的思想和数据场方法，建立观点势场概念体系，把舆情网络看作一个包含若干节点的物理系统，其每个节点具有一定观点势能，所有的节点观点势能构成一个虚拟作用场，网络舆情群体极化就是场内的所有节点观点势能相互作用的一种结果。

［1］中国互联网信息中心．第34次中国互联网络发展状况统计报告［EB/OL］．http://www．cnnic．net．cn/hlwfzyj/hlwxzbg/hlwtjbg/201407/P020140721507223212132．pdf，2014-08-22．

［2］塞奇·莫斯科维奇．群氓的时代［M］．李继红，薛丹云，许列民，译．南京:江苏人民出版社，2003．

［3］凯斯·桑斯坦．网络共和国:网络社会中的民主问题［M］．黄维明，译．上海:上海人民出版社，2003．

［4］郭光华．论网络舆论主体的“群体极化”倾向［J］．湖南师范大学社会科学学报，2004(6):110-113．

［5］曾润喜，徐晓林．网络舆情对群体性突发事件的影响与作用［J］．情报杂志，2010(12):1-4．

［6］张志平，张晓鹏．网络群体极化现象及其影响因素分析—以天涯论坛为例［J］．东南传播，2011(7):50-52．

［7］柳春，陈柳，唐津平．泛网络传播时代群体极化现象浅析［J］．大众科技，2011(7):287-289．

［8］焦德武．试论网络传播中的群体极化现象［J］．安徽理工大学学报(社会科学版)，2010(3):105-108．

［9］郭光华．论网络舆论主体的群体极化倾向［J］．湖南师范大学社会科学学报，2004(6):110-113．

［10］杜梅，论网络群体极化的影响与理性应对［D］．山东师范大学，2014．

［11］相喜伟，王秋菊．网络舆论传播中群体极化的成因与对策［J］．新闻界，2009(5):94-95．

［12］刘超．简述网络群体极化现象［J］．社会科学学科研究，2011(6):226-227．

［13］陈宏斌．网络群体性事件特征起因和化解之道［J］．公安研究，2011(1):16-19．

［14］王根生．网络舆情群体极化动力模型与仿真分析［J］．情报杂志，2012(03):20-24．

［15］王根生．面向群体极化的网络舆情演化研究［D］．江西:江西财经大学，2011．

［16］史波．网络舆情群体极化的动力机制与调控策略研究［J］．情报杂志，2010(07):50-53．

［17］张立，刘云．网络舆论传播的无标度特性及其衰减模型的研究［J］．北京交通大学学报，2008(2):67-70．

［18］饶浩，杨春，陶少华．基于中间节点效应的无标度网络演化模型研究［J］．计算机应用，2009(5):1230-1232．

［19］李青，朱恒民．基于BA网络的互联网舆情观点演化模型研究［J］．情报杂志，2012(03):6-9．

［20］刘金荣．危机沟通视角下微博舆情演变路径研究［J］．情报杂志，2012(07):17-24．

［21］Bkowicz P．Sobkowicz A．Dynamics of Hate Based Networks［J］．The European Physical Journal B，2010(4):633－643．

［22］唐慧丰，谭松波，程学旗．基于监督学习的中文情感分类技术比较研究［J］．中文信息学报，2007(6):88-94．

［23］徐琳宏，林鸿飞，杨志豪．基于语义理解的文本倾向性识别机制［J］．中文信息学报，2007(01):96-100．

［24］Vasileios Hatzivassiloglou，WKathleen R．McKeown．Predicting the semantic orientation of adjectives［A］．In:Proceedings of the 35th Annual Meeting of the Association for Computational Linguistics and the 8th Conference of the European Chapter of the ACL［C］．1997:174-181．

［25］任红娟，张志强．基于文献计量视角的观点挖掘发展研究——情报学未来潜在研究领域解析［J］．图书情报知识，2010(2):55-63．

［26］余传明．从产品评论中挖掘观点:原理与算法分析［J］．情报理论与实践，2009(7):124-128．

［27］ESULIA SEBASTIANIF．SentiWordNet:a publicly available lexical resource for opinion mining［C］．Proc of LREC．Genoa:European Language Resources Association，2006:417-422．

［28］丁菊玲，勒中坚，王根生，周萍．一种面向网络舆情危机预警的观点柔性挖掘模型［J］．情报杂志，2009(10):152-154．

［29］赵煜，蔡皖东．一种面向观点挖掘的多粒度话题情感联合模型［J］．西安电子科技大学学报，2011(3):181-187．

［30］樊兴华等．影响力扩散概率模型及其用于意见领袖发现研究［J］．计算机学报，2013(2):360-367．

［31］肖宇，等．网络社区中的意见领袖特征分析［J］．计算机工程与科学，2011(1):150-156．

［32］唐相艳，等．意见领袖筛选方法研究［J］．情报探索，2013(7):6-10．

［33］申艳光，李金伟．基于多元属性的社团挖掘在意见领袖发现中的应用［J］．微电子学与计算机，2014(7):129-132．