基于社会网络分析的移动舆情传播模式及监管策略研究

李菲　柯平　高海涛　张琦　宋佳

[摘要][目的/意义]研究在互联网环境下舆情信息传播路径及传播规律，使社会网络分析法在今后的舆情信息研究中能够更好地被应用，使其理论和方法更加完善，也能对移动环境下舆情传播监管对策具有一定的借鉴意义。[方法/过程]在对研究对象界定的基础上，利用社会网络分析法（Gephi软件）结合新浪微博“大学生理财”的话题所采集的基础数据，对移动网络环境下舆情传播特征、过程、规律进行实证研究，参考研究结论提出具体监管对策。[结果/结论]验证了社会网络分析方法对于移动环境下网络舆情信息传播研究的有效性和实用性，说明了移动环境下网络舆情信息传播的大致特点，并且为今后进行此项研究提供了新的思路，为实践层面监管网络舆情信息传播提供了借鉴模式。

[关键词]网络舆情；舆情传播；社会网络分析法

随着信息社会的快速发展，互联网和智能手机走进千家万户，移动新媒体成为传播网络舆情的新平台。据cNMc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，中国网民规模达7.31亿，其中手机网民规模达6.95亿，占比达95.1%。截至2016年9月，微博月活跃人数已达到2.97亿，较2015年同期相比增长34%；日活跃用户达到1.32亿，较去年同期增长32%。直播、视频相关业务在移动互联网的快速发展迅速引爆全行业。微博作为社交媒体的平台性作用不断凸显，话题类型涉及众多行业领域且影响力不断扩大，在大众用户都比较关注的热点问题上，更是具有绝对的影响能力，因此也对新形势下网络舆情的传播监管提出了新的要求。

目前，领域内现有研究成果主要集中于舆情传播的模型构建、突发事件/敏感事件、政府主体视域的舆情传播研究。例如，兰月新、王国华、曾润喜、张鹏等人组成的研究团队，更多关注于突发，敏感问题的舆情研究；陈福集学者更多的将研究应用对象定位于政府，将算法与舆情研究结合；齐佳音学者主要基于微博对企业网络舆情、突发事件舆情进行研究；朱恒民学者将计算机算法应用于网络舆情研究；黄微学者关注于网络舆情的演化机理；张玉亮学者关注于突发事件舆情研究；曹树金学者关注于网络舆情的标引算法等。但对于“潜在”舆情关注较少，对于传播受众较多、发酵力明显的舆情研究过少，对于新媒体环境下舆情的监管方法研究较少。高校网络舆情与一般网络舆情相比，受舆情传播者为“网络原生居民”影响，舆情传播呈现出“传播速度快、参与者众多、社会发酵能力明显、内容多元与分散”等特点，较易形成大规模网络舆情传播的“核心社区”，因此是监管难度比较大、监管重要性明显的舆情信息。本文采用社会网络分析法，以新浪微博上“大学生理财”舆情案例进行实证研究，分析网络舆情的传播特征、传播过程、传播规律，为网络舆情传播监管提供相应路径。

1相关理论

1.1网络舆情

舆情这个概念随着互联网的不断发展，越来越多的得到广大民众的重视。据现有的文字记载，“舆情”一词最早使用在中国唐朝，出自《全唐诗》中诗人李中所作《献乔侍郎》一诗：“格论思名士，舆情渴直臣。”《辞源》将“舆情”解释成“民众的意愿”，而在《新华字典》中，同样将“舆情”解释成“老百姓的情感和社会情绪”。网络舆情指的是在互联网上流行的对社会问题表达不同看法的舆论观点，是公众的社会舆论通过网络信息渠道进行互相传播、互相影响的表现形态。网络舆情传播的信息也往往是社会生活中的某些热门话题、焦点问题，是具有较强影响力的言论和看法。

1.2社会网络分析

依据中国知网中《当代西方社会发展理论新词典》所给出的定义，社会网络分析法是一种研究社会结构与社会关系的方法，其发展基础是社会计量法。

社会网络是由“点”与“线”所构成的直观图形，点代表了社会学分析的基础单位（如个人、群体或社区等），点的特征受基础单位特征定义；点之间的连线，表达出点之间实际存在的某种关系。社会网络中的点通常划分为三类：有直接关系的点、孤立点（不与任何点发生关系）、间接关系点。社会网络分析法常用图示的过程，实现对社会网络概貌的直观展现，并利用图形进行其间的关系分析，统计相关分析和因素分析等，也常被引入社会网络的分析。

2实证数据采集及清洗

本文通过编程方式接入新浪微博开放平台，获取“大学生理财”热点话题原始数据，在数据清洗后利用社会网络分析法（Gephi软件）等工具进行相关图标绘制及分析，完成实证研究过程。实证流程如下：1）选择数据源。数据源应具备两方面的特质，一是具有大量的信息用户，只有在数据量保障的基础上才能有效地研究出信息用户的舆情传播行为；二是传播的信息应具备一定的舆情发酵能力，才能够有效保障实证结论具有借鉴性。因此，研究选择中国网民使用频率最高的新浪微博平台，结合受众关注点较高的“大学生理财”话题作为数据源。2）采集数据。在以JAVA编程接入新浪微博开放平台后，遍历所有转发、评论节点获取“大学生理财”等相应字段的信息数据，作为后续研究的基础数据。3）数据清洗及分析。针对获取的原始数据，通过中文分词操作实现数据清洗，形成要素数据库、精简数据库，通过使用社会网络分析软件（Gephi）进行绘图及进行具体关系分析。

2.1选择数据源阶段

按照研究设定的数据源选择标准，基于新浪微博所获取的“大学生理财”信息数据量，利用微指数工具绘制出指数图，如图1所示。通过图形可以显示出该话题信息量非常大，而且人们比较关注，完全符合研究设定的选择标准。本文选择有关大学生理财的五大热点话题，分别是大学生理财意识、大学生理财安全、大学生理财方式、大学生理财效果、大学生理财监管。以相应热点话题关键字进行搜索，在2012年1月1日至2017年1月1日时间段范圍内，共有发布“大学生理财”话题的原创微博地址数1647，通过浏览其内容，判断其与本文主题具有密切相关度并具有广泛的代表性；在1647条原创微博地址基础上，进一步采集转发和评论该话题的微博信息用户数据量，共计13564条。通过图1时间分布趋势，还可以分析出信息的发酵程度及趋势。endprint

2.2采集数据阶段

截至2017年1月1日，共获得13564条“大学生理财”新浪微博相关数据。在新浪微博“大学生理财”话题相关数据采集的过程为：划定时间跨度，在本时间跨度内查询“大学生理财”微博信息；查询相关微博的对应的评论和转发的地址并记录；重复上述相关步骤，并将相关的有用的信息保存到ACCESS数据库中。

2.3数据清洗及分析阶段

使用Excel、Uhraedit等软件实现对数据的规范化处理及清洗过程。根据微博地址码进行了数据项去重复操作、日期格式规范化描述操作、无效数据值及缺失值的特殊处理操作、数据表的拆分或合并等操作，并最终形成大学生理财意识、大学生理财安全、大学生理财方式、大学生理财效果、大学生理财监管五个子话题的汇总表。利用社会网络分析Gephi软件进行基础数据分析，绘图过程中结合“Yifannu”流程布局、结合“ForceAtlas 2”进行聚焦。得出五个子话题构成的“大学生理财”网络舆情数据量，如表1所示。

3实证数据结果与分析

3.1数据结果

本文选择“大学生理财”中的五大热点话题：大学生理财意识、大学生理财安全、大学生理财方式、大学生理财效果、大学生理财监管为信息源，获取了13564条“大学生理财”微博数据，从2016年01月01日开始，大学生理财话题被越来越多的人群所关注，广大网民在新浪微博上进行了激烈的探讨，形成了一个完整的网络舆情传播路径。本文以四川共青团官方微博发出的一篇“半数以上大学生爱理财财商却低到让人心疼”选为信息源，将节点选定为进行了此篇微博转发和评论的信息用户，将这些节点与节点间的关系，利用Gephi软件绘制出该话题的新浪微博的舆情传播云图。

3.2结果分析

1）通过舆情传播平均路径长度寻找主体传播媒介。由该话题传播云图可知，在新浪微博平台上，参與该话题的信息用户众多、信息用户分布范围比较广且用户与用户之间的联系相对紧密。这种传播特质，使得“大学生理财”话题的信息评论和相互转载呈现发酵状态，在互联网的环境中产生了比较巨大影响力。从网络舆情信息传播总体特征来看，使用Gephi软件用来统计的许多数据指标显示“移动端网络直径为10，非移动端为4”，对比说明了移动端的舆情传播范围更加广泛，具有更大的影响力。移动端的平均路径长度大于传统网络媒体端平均路径长度，说明了移动端的网络舆情传播速度更快，传播效率更高，即更多的信息用户选择使用移动端工具参与“大学生理财”话题的网络舆情传播，以上数据也证明了现在网络信息舆情传播已进入了一个崭新的时代。

2）通过点度中心性计算寻找舆情传播核心。“点度中心”是通过计算每个节点的出度和入度值，衡量节点在网络中的地位。当节点的入度大，表示该节点具有较大的传播影响力；当节点的出度大，表示该节点在网络传播中呈现出比较活跃的状态。在本实证话题的网络信息传播过程中，“四川共青团”微博号的度值最高达到2271，其中连入度为2259、连出度为32，可以判断出该用户为“大学生理财”话题传播过程中起核心作用的引导性关键中心点。其他“大学生理财”舆情传播节点（前20名）的点度对比值如表2所示。

4移动媒体环境下网络舆情传播监管对策

信息传播是由信源、信道、信息、噪音、信宿等要素共同构成。通过对“大学生理财”新浪微博舆情传播平均路径长度云图的分析，可以得出传播媒介的主体渠道为移动端新媒体网络（信道）；通过对该案例的点度中心性计算，能够有效寻找出引导舆情传播的核心用户（信源、信息及“噪音”制造者）及关注核心用户区域（信宿）。通过对以上内容的有效监控，就能够直接实现对舆情传播的有效监管。

4.1关注“重点传播媒介”——加强对传播信息及信道的有效控制

根据“大学生理财”舆情传播实证案例结论，移动端和非移动端的舆情信息传播过程中存在显著差异性，移动端用户占比较大，在网络舆情传播过程中起主导作用，网络舆情传播已经进入了移动新媒体传播主体时代。在移动新媒体传播过程中，舆情传播必须要依靠硬件终端来完成，可以说硬件终端是舆情传播的起点。因此，在新媒体硬件终端中植入相应的监管软件或舆情敏感词库，将有效实现对舆情传播人口的管理。

4.2关注“核心社区”——加强对信源与信宿的有效管理

社会网络分析方法正是基于人群的社会属性现状而产生，人群往往因为具有相似的特质而聚集在一起形成“人群社区”，不同的人群社区又因为人群特征的不同而拥有不同的特质。本文研究了舆情传播能力最强大的“核心社区”之一，高校大学生群体。高校大学生因其与网络的成长相伴，因此具备了“网络原生居民”的特殊属性，对信息技术具有一定的操控能力、对网络具有较强的归属感、对信息交互具有天然的热衷度。因此高校大学生往往成为网络舆情传播的“核心社区”，是舆情信息传播的重要主导力量之一。因此，在网络舆情传播监管过程中，应加强对高校大学生等“核心社区”的有效关注，从“人群社区”源头及群体内部进行舆情传播的监管。

4.3关注“关键用户节点”——加强对“噪音”制造者的有效引导

通过“大学生理财”舆情传播实证案例结论表2（舆情传播节点TOP20的点度对比值）数据可以清晰得出，网络舆情的传播受“关键用户节点”传播影响力明显，也可以表述为“关键用户节点”具有能够实现对网络舆情传播的直接推进或限制的能力，是网络舆情传播的发酵中枢。因此，有效识别出网络舆情传播过程中的关键用户节点，并对该类活跃节点实现有效的引导或控制，即可以实现对网络舆情传播整体的有效控制。本文通过点度中心性的方法，实现了对实证案例关键用户节点的有效识别。

5结语

本文在对研究对象网络舆情进行理论定义后，对社会网络分析法的操作过程进行了初步介绍，在用编程方式接入新浪微博开放平台，获取关于大学生理财意识、大学生理财安全、大学生理财方式、大学生理财效果、大学生理财监管五个子话题构成的“大学生理财”话题为基础数据，进行数据清洗及绘图统计。研究在理论层面上分析出了新媒体环境下网络舆情传播特征、演进过程和传播规律，一定程度上扩宽了社会网络分析法在网络舆情研究中的应用；在指导监管应用方面，以网络舆情传播过程中的“核心社区”、“关键用户节点”和“传播媒介”等角度入手，提出了网络舆情传播监管的对策，具有一定的实践参考价值。endprint