突发事件网络舆情传播的社会网络结构演变研究——以“山东非法疫苗案”为例

逯万辉

(中国社会科学院中国社会科学评价中心，北京100732)



经济与社会

突发事件网络舆情传播的社会网络结构演变研究
——以“山东非法疫苗案”为例

逯万辉

(中国社会科学院中国社会科学评价中心，北京100732)

伴随着互联网与信息技术的快速发展和普及，网络平台已成为网民发布信息、发表言论与观点、表达情绪的最直接渠道。面对突发事件，如何进行网络舆情监测与正确引导是维持社会稳定的一项重要工作。采用基于时间序列的社会网络分析方法，以“山东非法疫苗案”为例，通过对该突发事件发展过程中网络舆情传播的社会网络的密度、平均度、聚类系数等整体指标的计算，分析了该舆情传播网络的演变情况和舆情传播网络的关键节点。研究发现，随着突发事件的发展，舆情传播的社会网络结构也存在明显的时序性和阶段性特征，不同阶段的主要网络节点(网民)状态也不相同。基于此，可以为相关部门对突发事件网络舆情的监管与疏导提供参考。

突发事件；网络舆情；社会网络分析；网络结构演变

一、引 言

根据CNNIC2017年1月发布的第39次《中国互联网络发展状况统计报告》显示，截至2016年12月，我国互联网普及率为53.2%，网民规模达7.31亿人，网民中使用手机上网人群占比升至95.1%，手机网民规模达6.95亿人。*中国互联网络信息中心.第39次《中国互联网络发展状况统计报告》[EB/OL].(2017-01-22)[2017-01-31].http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201701/t20170122_66437.htm.伴随着网民数量的快速增长和网络普及率的不断提高，人人参与的网络化特征在互联网中得到了充分呈现，网民对于公众事件的参与度迅速提升，网络信息呈现爆炸性增长。

网络与信息技术的发展和普及，对当代政治、经济和社会生活的各方面都产生了巨大的重塑作用，其中影响最为深远的当属网络社会化媒体的应用及其带来的各项变革。正如麦克卢汉所说，“媒介是社会发展的基本动力，每一种新的媒介的产生，都开创了人类感知和认识世界的方式”[1]。不可置否，以互联网为代表的新媒体和自媒体的产生对新型传播方式和新型生活方式都有着开创性的意义[2]，其中以门户网站、博客、播客、论坛、微博、微信等为代表的新媒体、自媒体平台，不同于报纸、电视、广播等传统媒体，已经远远超出工具层面上的价值，呈现出多样化的综合特性。

在此背景下，网民通过相关的网络媒体，可以简便、自由、随时随地在网上发布各种消息，并发表个人的言论、情感、意见等等。通过互联网曝光一些热点事件，对加强政府的舆论监督起到了推动作用，但是，任何事件都具有两面性，不当的言论和信息也会对社会稳定产生重大影响，这就使网络舆情变得越来越复杂，因此，加强对网络舆情的研究就变得至关重要。在学术界，网络舆情与突发事件应急管理研究已作为一项新兴的交叉研究热点，吸引了包括传播学、社会学、管理学、数学和通信等在内的多学科学者的广泛关注[3]，通过研究网络环境下突发事件的传播与引导机制对健全社会治安体系、构建和谐社会具有重要意义。

二、相关理论

(一)网络舆情

“舆情”一词来源于“舆论”，是“舆论情况”的简称。目前，关于“舆论”，一种定义是：舆论是指在一定社会范围内消除个人意见差异，反映社会知觉和集合意识的、多数人的共同意见。也有的学者认为：舆论是在特定的时间和空间里，公众对特定的社会公共事务，公开表达的、基本一致的意见或态度。[4]徐慰增等人综合以上两方面的观点提出：舆论是社会中相当数量的人对于一个特定话题所表达的个人观点、态度和信念的集合体。[5]从“舆论”的本体出发，笔者认为：舆论就是众人的言论，是众人针对某事件或某话题发表的言论中所含有的观点和意见、表达的态度等，是观点、态度、信念等的集合体，是围绕客体事件的主体的主观意识的具体体现。因此也可以说，舆论是一种社会意识。

网络舆情是对社会舆情的反映，也是舆情在互联网上的映射。伴随着网络新媒体的快速发展，面对突发的社会事件，人们从公众到网民、从单纯的媒体受众变成信息的传播者与接受者，其对社会事件的参与度逐渐提升，也使信息的影响范围迅速扩大。在网民与舆情的这种辩证关系中，针对社会突发事件，开展网络环境下的舆情研究，就显得非常迫切和重要。

(二)社会网络分析

社会网络分析(Social Network Analysis，简称SNA)方法起源于19世纪30年代古典社会学家埃米尔·涂尔干和格奥尔格·齐美尔等人关于社会结构的观点[6-7]，至70年代“新哈佛学派”出现后，才逐渐走向成熟。1978年，国际性社会网络分析组织(International Network for Social Network Analysis，简称INSNA)成立，这标志着社会网络分析范式的正式诞生。伴随着信息技术的进步和一系列软件工具的出现，该方法近20年来发展十分迅速，被广泛应用于社会学、心理学、政治学、经济学等学科，同时在物理、生物技术以及管理咨询、公共健康、犯罪等应用领域也有广泛应用。[8-9]

社会网络分析方法是将社会网络看成由节点以及节点之间的连接关系组成，把复杂多样的关系形态表征为一定的网络构型，然后基于这些构型及其变动，阐述其对个体行动和社会结构的意义。[10-11]SNA不仅能够测量行动者个体及他们所处的网络成员之间的错综复杂的关系和连结，还能通过借助计算机软件工具对行动者个体和群组成员之间的互动模式进行可视化建模，使研究者更关注舆情网络中参与者的关系和关系图式，更加直观清晰地理解把握结点行为、新的社会应用和来自新结构的成果，同时，SNA分析也能够从宏观层面测度整体网络的机构特性，如网络密度、网络平均度、网络聚类系数等等，并结合网络变化解释整体网络的结构状态。

三、网络舆情传播的社会网络结构演变

2016年3月19日晚，山东省食品药品监督管理局网站发布了济南市食品药品监督管理局在协助公安机关侦破庞某等非法经营疫苗案件中所掌握的107条上线线索和193条下线线索，在全社会引起了公众的高度重视。经查，问题疫苗涉及全国24个省份，影响面极广，群众恐慌心理严重。

本文以“山东非法疫苗案”为例，以百度贴吧为网络舆情传播实验平台，以发帖/回帖网络用户为节点和关系的社会网络，通过构建网络爬虫，从百度贴吧中抓取“2016山东非法疫苗案”的相关数据12 000余条，涉及网络用户9 000余人，展开突发事件网络舆情传播的社会网络结构演变的实验研究。

图1 “山东非法疫苗案”舆情传播网络中各节点的度分布

(一)舆情传播网络整体结构分析

目前主流的舆情社会网络研究都假定网络结构满足BA无标度网络。本文首先对百度贴吧中网络用户参与“山东非法疫苗案”舆情传播的整体网络结构进行度量，基于网络用户的发帖/回帖数据构建网络关系，对该舆情传播网络中各节点的度分布做统计(见图1)。

从图1可以看出，该舆情传播网络具有非常明确的无标度网络特征，即少部分节点拥有大部分的节点度，而大部分节点的度呈现出长尾效应。

进一步利用Ucinet软件构建该舆情传播网络中各节点用户的互动关系，即将舆情网络中的用户视为网络中的节点，用户之间的回复、互动关系视为网络中的边，构建该事件的舆情传播社会网络(见图2)。

经过对该事件的舆情网络的特征指标进行计算，可以得出：网络密度为0.1539，平均最短距离为2.651，建立在距离基础上的凝聚力为0.410，建立在距离基础上的分裂度为0.59。聚类系数为1.274，加权总图聚类系数为1.526。数据表明，该舆情传播网络满足小世界网络特性，且具有一定的连通度，说明该舆情信息在所采集的数据样本中具有较强的传播能力。

(二)舆情传播网络结构演变分析

由于舆情事件的发展总要历经一段时间，加入时间维度的舆情社会网络是指在依次历经舆情的形成、扩散、爆发和终结等演化范围(时间段)内，由网络用户的情绪、态度、意愿及观点的表达沟通所构成的舆情社会网络。本文在对“山东非法疫苗案”舆情事件网络传播整体分析的基础上，进一步采用基于时间序列的社会网络分析方法，对该舆情社会网络形成过程中的每天关系数据进行分割，形成每日数据的舆情社会网络，然后分别对不同阶段的舆情社会网络进行研究。

在舆情社会网络研究中，学者们常利用网络规模、度分布、聚类系数等社会网络的静态结构特征指标来分析网络中的个体结构位置或群体结构形态。基于这些社会网络度量指标，本文对该舆情事件在网络传播过程中的网民参与情况进行测度，并对每日舆情网络的变化趋势和规律进行分析，探索整体网络拓扑指标随该事件变化呈现的规律。

图2 “山东非法疫苗案”舆情传播社会网络

1.网络规模演化。2016年3月19日晚“山东非法疫苗案”爆发后，一石激起千层浪，针对该突发事件，网民在网络上展开了激烈讨论。图3是百度贴吧中关于该舆情事件参与人数随时间变化的曲线，其中横轴表示日期，纵轴表示参与讨论的人数。从曲线变化趋势来看，舆情参与人数存在明显的生命周期特征：从3月19日舆情爆发，到3月22日参与讨论的网民人数剧速增加,并出现第一次舆论高潮，随后舆情增长速度有所降低，于3月23日达到整个舆情事件的最大爆发，之后开始慢慢消退。这与整个事件的现实变化是一致的，在3月24日，公安部、国家卫生计生委、国家食品药品监督管理总局联合通报了“山东非法疫苗案”的调查处置进展情况，通过官方的舆论引导和权威信息发布，缓解了社会大众的心理恐慌，有效引导和疏通了网民的信息孤岛，对该突发事件起到降温和冷却的作用。

2.网络密度演化。网络密度主要是用于描述网络中节点交互传播的紧密程度。整体网络的密度越大，节点之间的交流互动就越频繁。图4中，上曲线表征该舆情事件每日参与用户彼此发帖、回帖互动交互的紧密程度，下曲线表征该舆情事件的网络密度的前后两日的delta值*delta值为前后两日的网络特征数值之差，以此表示该网络指标特征的变化情况。下同。变化。从曲线变化趋势来看，从3月19日舆情爆发到3月底舆情演化后期，网络密度一直保持平缓的变化趋势，但在4月份，这一话题又再次出现了较大的波动。从具体事件的发展来看，4月初针对该突发事件的调查结果逐渐开始向社会大众公布，相关的处罚及事件暴露出来的疫苗质量的监管和使用管理不到位、对非法经营行为的发现和查处不及时、一些干部不作为、监管和风险的应对机制不完善等突出问题开始成为公众关注的焦点。

图3 “山东非法疫苗案”舆情传播网络规模时序分布

图4 “山东非法疫苗案”舆情传播网络密度演化

3.网络平均度演化。网络平均度是指网络中所有节点的度数中心度的平均值，用于描述整体网络中各个节点相互连接的节点数目水平。整体网络的平均度越大，每个节点与周边转发交互的节点就越多，交流也越广泛。图5中，上曲线表示网络平台中参与该舆情事件讨论的每日网民的平均度变化，下曲线表示网络的平均度的前后两日的delta值变化。从曲线变化趋势来看，网络平均度处于不断波动的发展趋势：从3月29日舆情爆发到3月底该舆情事件逐渐进入尾声，网络平均度的数值波动较大，特别是在该舆情事件的热点时期，即3月22—24日期间，网络的平均度较高。这说明在这一时间段内网络平台上有较多用户进行了多次发帖、回帖，可能是针对某一话题或某一帖子引发的众多参与者的讨论，由此可以判断，有可能存在潜在意见领袖。因此，对这一类型突发事件的网络舆情的处理和监测中，应该及时识别网络舆情传播中的意见领袖，通过对网络意见领袖的正确引导来处理突发事件的网络舆情。

4.网络聚类系数演化。网络聚集系数用于描述网络集团化的程度，即识别网络中是否存在中心趋势。整体网络的聚类系数越大，网络的中心化趋势就越高，即舆情用户更倾向于小团体交互。图6中，上曲线表征该舆情事件每日网络聚类系数的变化，下曲线表征网络聚类系数的前后两日的delta值变化。从曲线变化趋势来看，从3月19日舆情爆发，到3月20日达到第一次网络聚类系数高值，随后进入平缓的波动状态，并维持在[0.6，1]之间，且这一时间段内网络聚类系数的波动较小。在3月27日后舆情发展进入平缓状态，参与舆情讨论的人数及交互频次锐减。在小批量节点交流传播时，网络聚类系数与网络密度一样，会呈现较大的波动现象。从图6中可以看出，在3月27日以后，针对该事件仍有一定的网络用户在持续地关注。

图5 “山东非法疫苗案”舆情传播网络平均度演化

图6 “山东非法疫苗案”舆情传播网络聚类系数演化

(三)舆情传播网络关键节点分析

节点是社会网络中一个非常重要的基本要素，对舆情社会网络中关键节点的识别是目前国内外舆情研究的热点之一。在舆情社会网络关键节点的研究中，学者们常利用节点出现频次、度数中心度及结构洞等社会网络的静态结构特征指标来分析网络中关键节点与其他节点在等级和优势方面的差异。在“山东非法疫苗”这一特定案例中，本文根据该突发事件的每日舆情网络的各项指标数据，基于生命周期理论进行不同阶段的关键节点特征分析，研究网络舆情传播演化中关键节点的作用。

图3中的曲线变化趋势表明，针对“山东非法疫苗案”这一突发事件，舆情的网络参与人数存在明显的生命周期特征，经历了快速增长期、成熟期和衰退期三个阶段，即从3月19日该事件爆发之后，到3月22日达到第一次舆论高潮，随后增长速度有所降缓，在3月24日达到整个舆情事件的峰值，之后开始慢慢消退。从突发事件应急体系研究与实践处理流程和要点来看，特别需要重点关注增长和成熟两个阶段的网络舆情状态，以进行应急机制处理，因此，本文将重点研究这两个阶段的关键节点特征。基于以上分析和判断，设定快速增长阶段为3月19—22日的舆情传播网络，成熟阶段为3月23—24日的舆情传播网络。

1.点度中心性与点度中心势分析。从上述舆情传播网络结构(见图2)和该网络的整体指标数据可以看出，该舆情传播围绕个别节点呈现发散态势。这说明在该舆情的传播网络中，围绕某些话题或者某些用户，存在较强的互动空间。通过计算这些节点的点度中心度指标可以看出，在快速增长阶段的舆情传播网络中，“听海观潮涌”“友爱88”“猪倌也是官”“bing_lv”等用户的中心度较大，说明其参与程度较高，表现出一定的意见领袖特征；而在成熟阶段的舆情传播网络中，“喜股886644”等表现突出(见表1)。

通过对比快速增长和成熟两个阶段的节点中心度，可以看出，在网络舆情事件发展的两个阶段，由不同的节点在网络中扮演着重要角色。换句话说，节点只在某一阶段中表现较为活跃，这种活跃并不具有连贯性，因此，不能对单个节点的演变情况进行分析。本部分侧重于研究不同阶段网络结构的变化和该阶段节点的表现情况，同时，通过对比快速增长和成熟两个阶段的网络中心度指标，可以看出，在舆情传播网络的成熟阶段，网络中心度远高于前一阶段，说明在成熟阶段围绕网络中的部分节点(意见领袖)，网民的参与热情达到了峰值。

表1 “山东非法疫苗案”舆情传播的快速增长阶段和成熟阶段的网络中心度(部分)

2.结构洞分析。结构洞是指两个节点之间的非重复关系，它相当于一个网络中的缓冲器。节点间存在结构洞的两个关系人对网络的贡献值是可以累加的。对结构洞进行测量，能够分析舆情传播网络中存在结构洞的程度。本文运用Ucinet软件对“山东非法疫苗案”的舆情传播网络结构洞进行测量。

从快速增长阶段结构洞的测量结果(见表2)，可以看出“山东非法疫苗案”舆情传播网络中存在较多数量的结构洞。以有效规模取值*有效规模的取值反映了节点在传播网络中的地位，即有效规模值越大，节点在传播网络中的地位就越核心。进行排序，前三位分别为节点“开起宝来吃串串”“黑色の情”“来侃大山”，有效规模值达20以上；而且这一阶段大多数节点的效率都在0.5以上，受到全局约束均在0.12左右，反映了这些节点不易受到其他节点的控制，更容易获取和传播舆情。

表2 “山东非法疫苗案”舆情传播快速增长阶段网络结构洞(部分)

从成熟阶段结构洞的测量结果(见表3)，可以看出“山东非法疫苗案”舆情传播网络中也存在较多数量的结构洞。以有效规模取值进行排序，前三位分别为节点“喜股886644” “ren398540882”“曙光在现明天”。相比于网络快速增长阶段，成熟阶段结构洞的有效规模更大，而效率和全局约束都低于快速增长阶段的节点。通过对上述两个阶段网络特征的对比，可以反映出该突发事件不同阶段舆情网络的相似特征。

表3 “山东非法疫苗案”舆情传播成熟阶段网络结构洞(部分)

四、结果与讨论

本文采用基于时间序列的社会网络分析方法，在对“山东非法疫苗案”突发事件的网络舆情总体发展分布研究的基础上，通过对时间维度上的舆情社会网络进行细分，依次对舆情的形成、扩散、爆发和终结等演化范围(时间段)内由网络用户所构成的舆情社会网络的特征结构进行剖析，对舆情社会网络形成过程中的每天关系数据进行分割，形成每日数据的舆情社会网络，并通过网络规模、网络密度、网络平均度、网络聚类系数的每日数据演变，对舆情的社会网络传播的结构和阶段进行模拟和划分，重点对舆情演变过程中的快速增长阶段和成熟阶段的网络结构和重要节点的网络属性进行了计算，对比研究这两个阶段的网络特征及其中的主要节点(网民)，对突发事件网络舆情的监测、引导及应急处理措施提供了参考。

通过对“山东非法疫苗”案例的分析和相关数据的计算和研究，可以得出以下结论：

第一，从舆情传播的网络规模变化来看，网络舆情的演变呈现出线上舆情演变与线下事件处理进程紧密结合的状态。线下事件处理与线上网民的舆论表达互为促进，因此，在突发事件网络舆情监测过程中，应当及时公开事件处理进展，通过识别网络意见领袖，发挥其正面作用，加强对网络舆情引导。

第二，从舆情传播的网络平均度曲线和网络规模曲线的演变来看，二者的变化趋势是一致的，因此，网络平均度可以看作是衡量网络舆情发展阶段的一个重要指标。

第三，从舆情传播的网络密度与网络聚类系数的演变来看，在事件的突发、快速增长和成熟阶段，呈现出相对稳定的状态，且其delta曲线的变化趋势与原曲线基本一致。这说明针对某一突发事件，其关注群体相对比较固定，因此，在舆情监测过程中，应重点响应这类人群的信息诉求，进行网络舆情疏导。

第四，通过对比舆情传播的快速成长阶段和成熟阶段的网络属性，可以发现成熟阶段网络的密度更大，这说明在成熟阶段网络用户的整体参与度和互动情况都较为频繁，传播距离更短、传播能力最强；成熟阶段的网民最为活跃，应在这一阶段进行重点监控和引导。

第五，通过对舆情传播的快速成长阶段和成熟阶段的重点节点的研究和对比分析，可以看出不同的节点在网络中扮演着重要角色，节点只是在某一阶段中表现较为活跃，这种活跃并不具有连贯性，因此，较难出现突发事件全过程的意见领袖。在意见领袖识别和舆情引导过程中，须根据突发事件的发展，结合具体触发点，在较细粒度上进行潜在意见领袖识别、事件预警和舆情监管，开展有效的网络舆情的追踪和检测，引导网络舆情和网民意识朝着健康的方向发展。

[1] 郭庆光.传播学教程[M].北京：中国人民大学出版社，2011：129.

[2] 韩丽.自媒体发展及其文化问题[D].长春：吉林大学，2011：85.

[3] 赵金楼，成俊会.基于SNA的突发事件微博舆情传播网络结构分析——以“4.20四川雅安地震”为例[J].管理评论，2015(1)：148-157.

[4] 李良荣.新闻学概论[M].上海：复旦大学出版社，2001：49.

[5] 徐慰增，何得乐，阿去克，等．不列颠百科全书(国际中文版)：14卷[M].北京：中国大百科全书出版社，2007：5-9.

[6] 林聚仁.社会网络分析：理论、方法与应用[M].北京：北京师范大学出版社，2009：78.

[7] BORGATTI S P，MEHRA A，BRASS D J，et al.Network Analysis in the Social Sciences[J].Science，2009(5916)：892-895.

[8] 王茂军，杨雪春.四川省制造产业关联网络的结构特征分析[J].地理学报，2011(2)：212-222.

[9] 潘峰华，赖志勇，葛岳静.社会网络分析方法在地缘政治领域的应用[J].经济地理，2013(7)：15-21.

[10] DUBOIS T，GOLBECK J，SRINIVASAN A.Network Clustering Approximation Algorithm Using One Pass Black Box Sampling[J].Computer Science，2011：28-35.

[11] NEWMAN M E J.The Structure of Scientific Collaboration Networks[J].The National Academy of Sciences of the United States of America，2011(2)：404-409.

[责任编辑：郭艳云]

Research on Social Network Structural Changesin Emergency of Online Public Opinion:Case of “Illegally Trading Vaccines in Shandong”

LU Wan-hui

(Chinese Evaluation Center for Humanities and Social Sciences, CASS, Beijing 100732, China)

With the rapid development of network and information technology and popularization, the network platform has become the most direct channel for the Internet users to publish information, comments and views, and express their emotions. It is a very important task for maintaining social stability to monitor and guide the online public opinion in the face of emergency. The structural change of emergency communication network and key nodes of network are analyzed based on the theory of the Social Network Analysis and Time series, taking a case of “Illegally Trading Vaccines in Shandong”, and through computing the density, the average degree, the clustering coefficient of whole network. The study shows that with the development of the emergency, the social network structure of the public opinion dissemination also has obvious timing and stage characteristics, and the main network nodes in different stages are different. Based on this, it can provide a reference for relevant departments to supervise and control the network public opinion.

emergency; network public opinion; social network analysis; structural changes

2017-02-23

国家社科基金青年项目(2011CTQ007)

逯万辉(1987—)，男，河南洛阳人，中国社会科学院中国社会科学评价中心助理研究员,中国科学院文献情报中心博士研究生。

G206

A

1674-3199(2017)03-0111-10