官方媒体参与下不同风险感知群体竞争模型及其演化规律*

王治莹，杨学亮，梁 敬

(安徽工业大学 管理科学与工程学院，安徽 马鞍山 243032)

0 引言

风险感知属于心理学范畴，指个体对存在于外界的各种客观风险的感受和认识，并强调个体由直观判断和主观感受获得的经验对认知的影响[1]。突发事件发生后，由于其本身的风险性，短时间内即可提升部分消息灵通群体的风险感知，加之信息不对称、谣言传播和官方媒体报道，又会影响大规模不知情群体的行为表现，从而影响公众风险感知的整体水平，存在诱发次生/衍生事件的可能[2]。例如，2011年日本福岛核泄漏事故发生后，正是事故的核辐射风险、“碘盐可预防核辐射”谣言、信息不对称和官方媒体报道等因素，迅速导致了不同风险感知群体间的情绪蔓延，引发了过高的风险感知水平，并造成了我国公众疯抢碘盐。随着媒体技术发展，其对公众行为的影响愈发显著[3]。由此可见，从不同风险感知群体在情绪感染下竞争增长角度，研究公众风险感知演化规律和辨识官方媒体参与作用，对突发事件的应急秩序维护和应急预案实施具有重要的理论和现实意义。

当前，突发事件下公众风险感知研究集中在3个方面。一是风险感知的概念和影响因素。学者们较为认同的风险感知概念是公众对所受威胁的事件或风险的认知行为，并与多种影响因素有关[4]。影响因素包括情绪、个体特征(年龄、性别、职业和知识结构)、媒体、政府、文化和风险信息等，其中事件本身风险性、政府发声、媒体报道及个体情绪的影响研究更为普遍[5]。二是风险感知的建模。马颖等[6]以传染病模型为基础，提出了食品突发事件中公众风险感知传染的SEIRS模型；钟慧玲等[7]考虑到环境风险感知对舆情热度的影响，构建了“邻避”冲突事件网络舆情演化的系统动力学模型；王旭坪等[8]运用前景理论构建了不同决策主体的风险感知函数，并应用于应急物资调配之中。三是风险感知对公众响应行为和突发事件演化的影响。Dash等[9]分析了公众的风险感知与其风险防范的正相关关系；Sudo等[10]提出公众的风险感知与其风险承担负相关；成俊会和赵金楼[11]通过构建社交网络舆情传播模型，得出风险感知虽然对舆情传播规模影响不大，但是对传播达到稳态的时间影响显著；Nordfjrn等[12]提出风险感知有助于提高公众的安全意识，并减少其风险行为。

上述研究可为公众风险感知的影响因素识别和模型构建提供参考，但也可发现，当前研究较少考虑到不同风险感知群体在情绪感染下的竞争增长，缺乏该视角下用于分析公众风险感知演化规律和官方媒体参与作用的定量模型。正如以上案例，不同风险感知群体的竞争增长和官方媒体的参与对公众风险感知的演化具有重要作用。Lotka-Volterra模型作为生态学领域中描述多个竞争资源的种群间增长的建模方法，近年来应用于研究辟谣和谣言、两种网络消息及不同网民情绪的竞争关系[13-14]。为此，本文在考虑到官方媒体参与作用、不同风险感知群体及其竞争关系的基础上，通过扩展Lotka-Volterra模型构建不同风险感知群体相互竞争模型；通过推导模型的平衡点及其稳定性条件，分析模型的演化规律；最后，借助数值仿真考查官方媒体的参与对模型演化的影响，以期为社会风险治理提供指导。

1 问题描述与模型构建

突发事件发生后，公众往往会出于自身利益、社会责任感和好奇心理等因素产生一定强度的风险感知，并造成不同的行为表现，如免疫、潜伏、传播和易感[6]。此外，信息的匮乏或传递的不对称性可能会使部分公众产生较低的风险感知[11]。鉴于此，依据风险感知高低将公众空间划分为3类群体，即：高度、中度和低度风险感知群体。其中，高度风险感知群体特指与突发事件具有直接利益关系或对事件危害极度敏感的部分公众，如灾区和易恐慌人群等；中度风险感知群体特指与突发事件具有间接利益关系或对事件危害具有较高敏感性的部分公众，如因近邻灾区而具有潜在受灾可能的人群等；低度风险感知群体特指与突发事件无直接或间接利益关系，或对事件危害保持较高理性水平的部分公众，如远离灾区的人群和受过良好灾害教育的人群等。

在此基础上，考虑上述3类群体由于在风险感知强度上的差异，使得各自的人数增长构成相互竞争关系，即相互竞争公众空间，任意1类群体的人数增长受其他2类群体抑制。进一步，考虑官方媒体的参与对相互竞争关系具有扰动作用，假设其不存在机会主义，即能够客观真实地报道突发事件的各类信息。考虑到信息的不对称性、突发事件演化的不确定性和公众的趋利避害心理，假设官方媒体参与行为能够加剧相互竞争强度，具体逻辑关系如图1所示。

图1 官方媒体参与作用下不同群体间的相互竞争Fig.1 Competition between different groups under the participation of official media

根据Lotka-Volterra模型的建模思路，假设高度、中度和低度风险感知群体的人数分别为x1(t)，x2(t)和x3(t)，增长上限分别为k1，k2和k3，增长率分别为r1，r2和r3，相互竞争系数分别为α，β和γ；官方媒体的参与对群体间竞争的扰动系数分别为λ，τ和θ。基于此，对于高度风险感知群体，若不考虑其与中度和低度风险感知群体的竞争，则其人数增长满足logistic模型[15]，即：

(1)

在考虑相互竞争关系下，高度风险感知群体的增长空间受到中度和低度风险感知群体增长的抑制，从而其增长模型由式(1)改进为式(2)，即：

(2)

进一步，考虑到官方媒体参与对3类群体相互竞争的扰动作用，将式(2)改进为式(3)，即：

(3)

同理，可得中度风险感知群体的人数增长模型：

(4)

低度风险感知群体的人数增长模型：

(5)

根据式(3)～(5)，结合初值条件可得官方媒体参与下群体间的相互竞争模型：

(6)

2 模型的平衡点与稳定性分析

基于此，根据文献[14]和[16]，可得上述平衡点的稳定性条件，如表1所示。需要说明的是，由于平衡点p0(0,0,0)无稳定性条件，即其为不稳定点，表示模型的初始演化状态或演化过程中的临时状态，将其记为不稳定情景。此外，为方便探讨，借鉴文献[14]将模型的演化结果(稳态点)按照结果中的群体种类数划分为极端情景、失衡情景和共存情景。

3 官方媒体参与作用的仿真分析

通过数值仿真进一步明晰模型的演化过程和考查官方媒体参与作用对模型演化的影响。

表1 平衡点、稳定性及情景分类Table 1 Equilibrium point, stability and classification of scenarios

3.1 官方媒体参与对模型演化至各情景过程的影响

3.1.1 极端情景

该情景下的演化结果中只存在1类风险感知群体。限于篇幅，以p3(0,0,1)为例进行仿真，假设x10=x20=x30=1，其他参数：k1=1 000，k2=1 000，k3=1 000，r1=1，r2=1，r3=1.3，α=1，β=1.2，γ=1.4，λ=0.6，τ=0.6，θ=0.6。基于此，可给出不考虑和考虑官方媒体参与下的模型演化过程，分别如图2和图3所示。可见，虽然不考虑和考虑官方媒体参与下的模型演化结果相同，但是在官方媒体参与下，模型演化至稳态点的时间缩短，演化过程中高度和中度风险感知群体人数的峰值也减小。因此，在低度风险感知群体与其他群体的竞争系数较大(γ>β>α)情况下(如突发事件信息透明度很高和事实证据确凿)，官方媒体参与有助于将公众空间的风险感知维持在较低水平。

图2 极端情景中不考虑官方媒体参与作用的模型演化Fig.2 Model evolution without considering the participation of official media in extreme scenarios

图3 极端情景中考虑官方媒体参与作用的模型演化Fig.3 Model evolution considering the participation of official media in extreme scenarios

3.1.2 失衡情景

该情景下演化结果中存在2类风险感知群体。以p5(k1/(1+γ+θ),0,k3/(1+γ+θ))为例进行仿真，假设x10=x20=x30=1，其他参数：k1=1 200，k2=1 000，k3=1 000，r1=1，r2=1，r3=1.3，α=1.8，β=1.4，γ=0.6，λ=0.3，τ=0.3，θ=0.3。基于此，可给出不考虑和考虑官方媒体参与下的模型演化过程，如图4和图5所示。可见，虽然不考虑和考虑官方媒体参与下的模型演化趋势一致，但是在官方媒体参与下，演化结果中高度和低度风险感知群体的人数均明显降低。此外，在官方媒体参与下，模型演化至稳态点的时间延长。因此，在高度和中度风险感知群体的竞争系数较大且高度和低度风险感知群体的竞争系数较小(γ<β<α)情况下(如突发事件信息不对称程度很高)，官方媒体参与可降低公众空间的风险感知和为决策者抢得导控时间。

图4 失衡情景中不考虑官方媒体参与作用的模型演化Fig.4 Model evolution without considering the participation of official media in unbalanced scenarios

图5 失衡情景中考虑官方媒体参与作用的模型演化Fig.5 Model evolution considering the participation of official media in unbalanced scenarios

3.1.3 共存情景

图6 共存情景中不考虑官方媒体参与作用的模型演化Fig.6 Model evolution without considering the participation of official media in coexistence scenarios

图7 共存情景中考虑官方媒体参与作用的模型演化Fig.7 Model evolution considering the participation of official media in coexistence scenarios

该情景下演化结果中高度、中度和低度风险感知群体同时存在。现对模型演化至p7(Δ1k1/Δ,Δ2k2/Δ,Δ3k3/Δ)的过程进行仿真，假设x10=x20=x30=1，其他参数：k1=1 000，k2=1 000，k3=1 000，r1=1，r2=1，r3=1.3，α=0.5，β=0.4，γ=0.3，λ=0.3，τ=0.3，θ=0.3。基于此，可给出不考虑和考虑官方媒体参与作用下的模型演化过程，分别如图6和图7所示。可见，虽然不考虑和考虑官方媒体参与下的模型最终演化趋势一致，但是在官方媒体参与下，模型演化至稳态点的时间延长，且稳态点中3类群体的人数均明显降低。因此，在3类群体的相互竞争系数较小且相差不大(α=0.5，β=0.4，γ=0.3)情况下(如突发事件信息的透明度较高但又存在公众关注的疑点)，官方媒体参与有助于解答公众的部分关切和降低其风险感知，并为决策者的进一步导控抢得时间。

3.2 官方媒体参与对模型演化结果情景转变的影响

图8 不考虑官方媒体参与作用的模型演化Fig.8 Model evolution without considering the participation of official media

图9 考虑官方媒体参与作用的模型演化Fig.9 Model evolution considering the participation of official media

假设x10=x20=x30=1，其他参数：k1=1 000，k2=1 000，k3=1 000，r1=1，r2=1，r3=1.3，α=0.9，β=0.9，γ=1.4，λ=0.3，τ=0.3，θ=0.3。由此可得不考虑和考虑官方媒体参与下的模型演化过程，如图8和图9所示。可见，在不考虑官方媒体参与下，模型演化结果中存在中度和低度风险感知群体，而在考虑官方媒体参与下，模型演化结果中只存在低度风险感知群体，即由失衡情景转变为极端情景。此外，可发现在官方媒体参与下，高度和中度风险感知群体人数的峰值减小，而低度风险感知群体人数的峰值增大。因此，在高度和低度风险感知群体的竞争系数较大而其他群体间竞争系数相当且较小(γ>β=α)情况下(突发事件信息的透明度很高但存在刻意放大自身风险感知的公众)，官方媒体参与可显著改变公众空间风险感知的稳态结果。

4 结论

1)通过扩展Lotka-Volterra模型，建立了官方媒体参与下的不同风险感知群体相互竞争模型，并得到了模型演化的3种结果情景，即：极端情景、失衡情景和共存情景。

2)由于公众过高的风险感知易诱发次生/衍生事件，因此给出模型演化的结果情景及其所对应的平衡点和稳定性条件，可为公众风险感知演化规律的识别和决策者的导控机制设计提供指导。

3)官方媒体参与可显著改变模型演化的速度和结果。通过仿真发现，其不仅可改变模型演化至稳态点的时间及模型演化中不同风险感知群体人数的峰值和稳态值，还可改变模型演化的结果情景。

4)如何引入影响公众认知的行为因素(如公众的损失规避和从众行为)，并在考虑到不同社会网络结构(如小世界、无标度和随机网络)基础上，分析公众风险感知的演化规律，值得进一步研究。