公共安全视域下的舆情热点及发展趋势可视化分析

严锴 李红霞

摘要：舆情是公众对自己关心或与自身利益紧密相关的各种公共事务所持有的多种情绪、态度和意见交错的总和，其关注深层次矛盾和问题的特点，导致舆情对于公共安全事件的发生存在一定作用。掌握全球范围内舆情领域的研究现状和发展趋势，是把握舆情传播规律及演变特征，进行科学分析，提出舆情管控管用措施的基础性工程，对于降低公共安全事件发生概率，防止事件升级具有重要意义。利用CITE SPACE信息可视化软件，对Web of Science数据库中1992-2018年期间收录的国外舆情研究文献进行了可视化知识图谱分析，研究了该领域主要研究机构、国家、作者等方面的国外舆情研究的时空分布情况，通过对关键词、研究聚类等可视化分析，阐释了该领域当下研究热点，预测了未来发展趋势。结果表明：舆情领域主要研究力量集中在美国，以美国高校为甚，研究作者之间缺乏相互合作的关系，舆论内容主要与政治、气候、环境、群众与政府关系相关，同时发现卫生健康、酒精控制政策是目前舆论领域新兴的研究热点，具有引导未来发展趋势可能性。

关键词：公共安全;舆情;CITE SPACE;可视化图谱;聚类分析;发展趋势

中图分类号：G 206

文献标志码：A

文章编号：1672 - 9315 （2019）06 -1082 - 08

DOI：10. 13800/j.cnki.xakjdxxb. 2019. 0622 开放科学（资源服务）标识码（OSID）：

收稿日期：2019 -05 - 30

责任编辑：杨泉林

基金项目：国家自然科学基金（51874237）

第一作者：严锴（1987 -），男，陕西西安人，博士研究生，E-mail：67639006@ qq.com

通信作者：李红霞（1965 -），女，河北遵化人，教授，博士生导师，E-mail：4061445196@ qq，com

0 引言

舆情（Public Opinion）是群众思想的集中表达，具有数量大、传播快、信息量大、虚实难辨等特征。同时它又是各种事件刺激而产生的所有认知、态度和行为倾向的集合，表现为社会的情绪。随着社会、经济、网络的迅速发展，舆情的传播与演变形式也越来越多样化。研究舆情发展规律和演变特性，可以及时掌握当下民众关注的热点问题，从而主动做出预测，提出措施开展预警，引导和控制舆情向健康正面的方向发展。因此加强对舆情发展规律与管控策略研究很有必要。

曲洪圆通过对比传统媒体，从舆情传播起点、传播范式、传播结构等方面对智媒时代的舆情传播嬗变进行了分析，初步还原了当前舆情传播的模式[1];蒋海彬利用文献研究法分析了高校网络意识形态舆情系统内在要素的作用机制[2];姚广宜研究得到情感因素成为舆情发声与传播的重要驱动力量[3];王国华利用知识图谱分析方法研究了近十年国外舆情的研究热点和发展趋势[4];聂黎生将KPCA -粒子群随机森林算法用于舆情趋势预测[5];罗洪云等运用知识图谱分析方法研究了大数据环境下我国网络舆情研究现状及相关特征[6];刘思彤对我国民族地区舆情研究相关文献进行分析，研究了该领域的研究热点与趋势[7];张思龙等运用科学知识图谱分析了大数据时代网络舆情研究的前沿演进和发展趋势[8]。本研究借助CITE SPACE软件，对全球舆情相关研究文献进行了分析，全面、系统地了解了目前全球各国学者、机构对舆情的研究进展，通过对关键词及文献聚类分析找到研究热点，并对未来发展趋势做出预测，为我国舆情的研究管理提供可靠依据。

1 数据来源分析

为了从世界范围内对舆情发展做整体研究，同时与国内舆情研究情况进行对比，首先利用“中国知网（ CNKI）”以舆情为关键词进行检索，发现国内对于舆情的研究最早出现于1978年，但是在1978年之后便无相关文献发表，直到1992年之后才开始有了稳定发表。因此，利用Web of Science（WOS）数据库对1992-2018年期间以“Public 0一pinion（舆情）”为主题的文献进行高级检索，文献类型为“文章（ Article）”，得到有效文献1946篇，这样的文献获取方式去除了书籍、會议记录等形式的文献资料，保证了研究数据的代表性与权威性。对CNKI数据库及WOS数据库中提取的文献进行出版年限对比，结果如图1所示。

从图1可以看出，世界范围内对舆情的高水平文章发表量一直处于稳定缓慢的增长状态，1 946篇文章被引频次共达34 034次，除去自引后被引频次仍达32 200次之多;而国内对于舆情的研究自2007年后开始呈现指数型增长，说明我国加大了对于舆情研究的重视程度，同时国内对于舆情的研究热度也越来越高。

2 知识图谱可视化分析

分析工具-CITE SPACE是一款多元、分时、动态的引文可视化分析软件，旨在实现理论现状的解释和领域未来前景预测2大功能。通过CITESPACE软件内置除重功能，对检索数据进行预处理后导入，选择相关节点类型，优化设置各项参数，得到相关分析图谱以及节点信息内容，以此为基础进行深入分析。

2.1 国家和机构分析

利用Cite Space V生成机构与国家合作关系网络图，将网络节点设置为“机构”和“国家”，其他各系数保持默认，对1992-2018年的文献以1年为一个时间切片进行分析，可以得出该研究内容在不同国家及研究机构的分布情况，如图2所示。其中国家名称全部为大写，机构名称仅首字母大写。在该图谱的网络结构中，共有208个节点，525条连线，节点越大，代表该组织机构或国家的发表文献数量越多，对应频次越高。具有紫色外圈的节点具有较高的中介中心性，通常是连接2个不同领域的关键枢纽，也称为转折点。

从图2可以看出，世界范围内各国对舆情的研究主要集中于美国、英国、加拿大、中国等国家.各国之间研究网络较为密集，交叉合作较多，且从节点位置以及连线之间交叉程度来看，大多数国家的研究都建立在美国的研究基础之上，仅就本次研究数据来看，美国在舆情研究领域处于绝对领先地位。

全球舆情研究机构发文频次及年份见表1，其中对Univ Michigan和Michigan State Univ 2个节点进行了合并。从研究机构的分布情况分析，高校是舆情研究的重要力量，在舆情研究贡献最大的机构前十名中有9名为美国高校，其中密歇根大学最早开始研究且发文频次最多、中介中心度最高，说明该校研究在整个研究领域中具有一定的重要性，起到了连接其他节点的作用。从整体看来，我国只有香港大学排名较为靠前，位列35位，接下来是清华大学，位于54位，结合前文发文量的研究，说明在舆情研究领域，我国高水平文章仍然较少，研究与其他国家相比仍有一定差距。

2.2 作者特征分析

通过对文献作者发文数量进行分析，可以得到该研究领域中的领军人物，从而再研究这些起到先导作用的学者所著文章，分析得到的数据将更具权威性与前沿性。利用CITE SPACE V将网络节点设置为作者，在功能与设置区的selectioncriteria处修改TOPⅣ，设Ⅳ取5.时间为1992-2018，切片设置为1，该选择的意义是为提取时间切片内频次出现排名前5名的作者，计算结果如图3所示。

经计算后得到节点98个，连线56条，说明本次计算共检索出符合条件的作者98人，合作关系56次。通过分析认为作者间合作不多，其中有相互合作关系的主要围绕Busemeyer M R，Hoffman LH，Murphy J等，同时通过检索发现上述学者发表文献数量较多，因此可以认为是在合作中起到了主导作用。其他作者之间连线稀少，分布松散，缺乏大量密集性关联。根据软件分析结果得到作者首次发文的时间、文献数量及所属机构见表2.

从表2可知，在98位作者之中，大多数人发文时间较早，近年来并无大量高水平研究文章发表，但整体发文量一直缓慢上升，说明目前的研究大多仍基于前人的研究基础，缺乏一定的创新性。从作者所属机构及国家来看，与前文分析结论相同，主要集中于美国高校，而且在學校内部存在一定的合作研究，这样小范围学者之间的合作虽然有利于高质量研究成果的产生，但不利于对舆情研究的持续发展。因此，我国对于舆情研究应建立在国家体制、社会环境等各方面持续发展的前提下，开展跨学科、跨机构、跨国的交叉融合研究。

2.3 关键词分析

关键词是对于文章内容的高度浓缩与概括的核心词，通过对关键词检索分析，不但可以得出舆情领域中的研究热点，还能挖掘得到近些年研究的新兴内容。同时关键词出现的频率与研究热度成正比，出现频率越高，说明预期相关研究热度越高。通过将CIrIE SPACE网络节点设置为关键词，3组阈值分别设定为（2.2.20）、（2.3.20）、（1.3.20）对有效文献进行分析，得到计算结果如图4所示。

经统计，图4中共出现节点303个，连线1 642条，说明在1992年-2018年内按照设置数据共检索出关键词303个，出现频次200次以上的关键词仅有1个“Attitude”，出现频次100 - 200次的关键词有4个，主要是“Support”“Policy”“Politics”“U—nited states”。具体关键词及出现频次整理见表3.

从图4和表3中可以看出，“Attitude”为最重要的节点，位于整个图谱中心位置，可以认为其是舆情领域研究的核心，也就说明各国对于舆情研究重点是围绕“群众态度”这个方面展开。出现频次位列第二、三的关键词为“Support（支持）”和“Policy（政策）”，该关键词表明舆情一定程度上与政策相关。同时，出现频次较高的关键词还有“Politics（政治）”、“United States（美国）”、“Per-ception（认知）”、“Impact（冲突）”、“Preference（偏好）”，这些高频关键词也在一定程度上反应了世界范围内，各国对于舆情研究的重点，主要是对认知冲突或偏好进行研究以预测舆情发展进而进行控制。同时在图谱边缘处出现的小节点，如“Health care（卫生保健）”、“Alcohol policy（酒精政策）”、“Social media（社会媒体）”则表现为目前较为前沿的研究内容。因此，我国在今后的研究中也应紧跟趋势，开展相关研究，但是在研究过程中要注意结合我国国情，不能盲目跟风。

3 研究热点及发展趋势

为研究全球舆情的研究热点及未来发展趋势，利用Cite Space V对近3a全球舆情领域中的文献进行参考文献聚类分析，时间跨度设置为2015 -2018年，时间切片为1 a，节点类型选择为cited reference，阈值为top 50.为简化计算网络，突出重要的结构特征，运用Pathfinder运算方法对每个切片网络进行修剪（ Pruning Sliced networks），对运算得出的文献共被引知识图谱进行关键词聚类分析（Label clusters with indexing terms），利用对数似然率（ Log-Iikely ratio，LLR）算法对聚类进行分析，并利用特征向量中心法标记节点大小（ nodesides= eigenvector centrality），得到的文献共被引网络聚类知识图谱如图5所示。

本次计算共得到159个聚类，其中系统自动过滤内容节点小于10的聚类，图中所示为系统过滤后剩余19个较大聚类，聚类内容节点越多，聚类编号越小。聚类颜色代表其所属年份，颜色越冷年份越早，越暖则越近。从图5可以看出，随着时间的推移，各聚类之间基本处于首尾相连的状态，这说明对于舆情的研究在不同的年代聚焦的重点不同，这是与其他研究领域所不同的。由于篇幅限制，文中选择有一定代表性的聚类进行分析，由于前3个聚类分别具有不同颜色，其平均年份恰好基本相距10 a，因此针对前3个聚类分析具有一定的参考价值。相关内容整理见表4，其中平均年份为该聚类下所有关键词出现的平均年份。通过对聚类标签分析总结，可以得出一定的研究前沿发展趋势。

3.1 聚类#o：presidential popularity effects（总统的受欢迎程度影响）

该聚类下共有节点52个，说明该聚类中包含文章52篇，其中大多数与国家政治、政策研究相关。中心度较高的文章分别来自ZALLER J，HOL-STl OR等人。

ZALLER J讨论了人们是如何形成政治偏好的，他试图展示新闻和政治辩论如何在大量人群中传播，个人如何根据自己的政治价值观和其他倾向来评估这些信息，以及他们如何将自己的反应转化为对大规模调查和选举投票决定的态度报告。虽然这本书在许多情况下涉及政治偏好的形成，但它仍然保持了高度的概括性。其目的是将尽可能多的公众意见纳入一个有凝聚力的理论体系[9]。HOLSTI O R使用了一些公众对国际事务的态度和偏好数据，来解决这些关键问题，其结论是，虽然美国公众对外交事务的许多方面并不了解，但他们的意见通常是对现实世界事件的稳定、合理的反应，并不缺乏结构性，往往可以对外交政策产生重大的影响[1O]。HERBST S通过对19世纪中叶至今美国舆情史的探索，揭示了数字如何同时发挥工具和符号的作用，既传达中立的信息，又创造基本的权威。他探讨了公众意见的量化如何影响当代政治和民主进程，并提出了一些有关美国政治运作的困难但基本的问题[11]。INCLE-HART R利用从1970年到1988年收集的26个国家的大量时间序列调查数据，分析了在成年人口中，年轻一代取代年长一代产生的文化变化。这些变化具有深远的政治影响，它们似乎正在改变社会的经济增长率和所追求的经济发展方式[12]。ERIKSON R在分析了20世纪30年代至今的美国国家政策后指出，公众舆论在决定公共政策方面的重要性是一个引起广泛辩论的主因[13]。无论讨论的焦点是地方、国家或国家事务，普通公民的意见的影响往往是假定的，很少得到证明。其他因素，如利益集团游说、政党政治、发展或环境制约，被认为对政策形成有更大的影响。这一结论肯定了国家制度的稳定性并适用于民主理论的核心问题。

该聚类表明，尽管个体间观点不同，但是群众整体的观点具有一致的方向，它代表了大多数人的共同观点，该观点会逐渐演变为某种方面的舆情，进而对国家事务造成一定的影响。

3.2 聚类#1，climate change（气候变迁）

该聚类下共有节点45个，说明该聚类中包含文章45篇，其中大多数与气候、环境对公众舆论的影响相关。其中中心度较高的文章来自MC-CRIGHT A M.EGAN P J，BRULLE R J等人。

MCCRIGHT A M通过分析2001年至2010年间10个具有全国代表性的民意调查数据，研究了美国公众对气候变化的两极分化观点[14]。他发现，自由主义者和民主党人更有可能表达对全球变暖的个人关注。EGAN P J使用观察数据法调查了人们如何将个人经历转化为政治态度这一问题，在达项研究中，他确定天气模式会影响群众对于全球变暖的观点，进而影响与全球变暖的舆情发展[15]。BRULLE R J对2002年1月至2010年12月期间影响美国公众对气候变化的关注因素进行了实证分析[16]。时间序列分析表明，经济因素对公众对气候变化的关注程度影响最大。虽然媒体报道也有重要影响，但这种报道本身在很大程度上取决于经济因素。极端天气对总体公众舆论走向没有影响，向公众发布有关气候变化的科学信息对舆情影响微乎其微。SCRUGGS L评估了近30年关于全球变暖和环境的公众舆论数据，并表明对气候变化的信念下降很可能是由大萧条造成的经济不安全感所驱动[17]。来自欧洲国家的数据进一步支持了改变公众舆论的经济解释。这种模式与近40 a来关于环境政策的公众舆论走向一致。

该聚类表明，舆情与气候变化密切相关，另外经济因素会影响与天气相关的舆情，虽然新闻报道也会影响舆情发展，但是仍旧受经济因素影响。

3.3 聚类#2：public opinion surveys（民意调查）

该聚类下共有节点44个，说明该聚类中包含文章44篇，其中大多数研究与舆情和政府之间关系相关。其中中心度较高的文章来自ERIKSON RS，JACOBS L R.MONROE A D等人。

ERIKSON RS从宏观政治层面为美国政治提供了第一个系统层面的综合模型。该模型关注舆情、政府活动和政策之间的相互作用，以及公民和政府的联合行为如何随着时间的推移相互影响，将对经济结果、总统批准、党派、选举和政府决策等问题的理解整合到一个单一模型中[18]。JA-COBS LR认为，反应能力的下降、舆情操纵的激增以及激烈的党派冲突已经降低了政府治理过程的有效性和公众对其的信心，他建议公众应表现出更加强烈、持续的舆情偏好[19]。MONROE AD将1980年至1993年期间500多个问题的舆情与实际政策结果进行了比较。其中55%的案例中，政策结果与舆情偏好表现出一致，较1960年至1979年期间的比例63%有所下降[20]。与早些时候的分析类似，政策与舆情不一致的一个关键原因似乎是公众对美国政治进程变化的固有偏见，这种倾向随着时间的推移而加剧。WLEZIEN C认为公共政策中舆情的表现偏好是大多数民主概念的基础[21]，公众会根据决策者的实际行动来调整自己对政策的观点。尽管它具有明显的重要性，但很少有研究能够系统地解决这种对偏好政策的反馈。BURSTEIN P考虑了舆情对公共政策的影响[22]：①它有多大的影响;②随着问题显著性的增加，影响会增加多少;③利益集团、社会运动组织、政党和精英可以在多大程度上否定舆情的影响;④政府对舆情的回应是否随时间而变化。主要调查结果包括：舆情的影响是巨大的;问题越显著舆情的影响越大;即使考虑到政治组织的活动，舆情的影响仍然很强烈;响应性似乎没有随着时间的推移发生显着变化。

该聚类中的文章大多利用模型对舆情与政府的关系进行了研究，結果表明，日益激烈的党派冲突降低了公众对于政府的信心，社会舆情与政府政策会相互影响，政府对舆情的响应并不会随时间推移而发生改变。

4 结论

1）自1992年以来，国外舆情研究文献发表量呈现逐年缓慢增长趋势，但始终未能突破每年150篇。我国舆情研究自2007年后开始呈现指数型增长，随着国家对意识形态工作的越发重视、对公共事件防控力度的进一步加大，国内对于舆情研究的热度也越来越高。

2）从分析结果来看，作者间合作较少，且研究成果针对性强，缺乏广泛的适用性。从国家机构方面来看，美国在舆情研究领域占有绝对的主导地位，但其研究仍以机构间的小范围合作为主，导致研究结果存在一定片面性。我国学者应致力于高水平研究成果的写作和发表，注重政府、高校及行业机构间的交流合作，进一步提高研究质量。

3）从关键词以及聚类分析结果中可以看出，当前舆情的研究内容主要以社会舆情为主，聚焦在气候变化、环境变换对公众的影响及公众舆论对于政治事务的影响方面。但是从边缘新兴关键词来看，应加强对卫生健康、酒精政策、新闻媒体等方面舆情诱发、回应、发酵、干预、态势、监管的研究，增强研究前瞻性，下好舆情研究的“先手棋”。

4）根据我国国情和互联网技术发展现状，我国学者在研究中不能完全仿照他国舆情的研究形式和研究热点，应在吸收借鉴已有研究经验的基础上，推动舆情研究从以实地调研为主的现实研究，向以微博、微信、推特为代表的自媒体研究转变，聚焦我国实际和可能造成公共安全事件的热点问题，提升舆情研究的针对性、实效性，扩大中国特色舆情研究成果在国际范围内的影响力。

参考文献（ References）：

[1]曲洪圆.智媒时代的舆情传播机制嬗变[J].新媒体研究，2019（14）：19 -20.

QU Hong-yuan. The evolution of public opinion commu-nication mechanism in the age of intelligent media[J].New Media Research ，2019（ 14）：19 - 20.

[2]蒋海彬，王颖，刘娜，高校网络意识形态舆情结构及作用机制研究[J].辽宁工业大学学报（社会科学版），2019，21（5）：1 -3.

JIANG Hai-bin， WANG Ying， LIU Na. Research on thestructure and function mechanism of network ideologicalpublic opinion in universities[J].Journal of Liaoning U—niversity of Technology（ Social Science Edition）， 2019，21（5）：1 -3.

[3]姚广宜，周咏怡，情感驱动下的舆情传播——以“成都七中实验学校食品安全事件”为例[J].新闻春秋，2019（4）：62 -65.

YAO Guang-yi，ZHOU Yong-yi. Communication of pub-lic opinion driven by emotion： take food safety event inchengdu No.7 middle school as an example[J].Journalof Journalism Evolution ，2019（ 4）： 62 - 65.

[4] 王国华，石国良.近十年国外舆情研究知识图谱分析[J].情报科学，2019 ，37（8）：152 -157 ，162.

WANG Cuo-hua， SHI Cuo-liang. Knowledge map analy-sis of public opinion research abroad in recent ten years[J]. Information Science ，2019 ，37（8）：152 - 157 ，162.

[5] 聂黎生，基于KPCA -粒子群随机森林算法的舆情趋势预测研究[J].现代电子技术，2019 ，42（ 15）：79 - 82.

NIE Li-sheng. Research on trend prediction of public o— pinion based on KPCA and particle swarm random forestalgorithm[J].Modern Electronics Technique， 2019， 42 （15）：79 - 82.

[6] 罗洪云，林向义，邵强，等，大数据环境下我国网络舆情研究知识图谱分析[J].情报探索，2019（7）：128 - 134.

LUO Hong-yun， LIN Xiang-yi， SHAO Qiang， et al.Knowledge mapping analysis of study on internet publicopinion in the era of big data in China[J].InformationResearch，2019（7）：128 - 134.

[7] 刘思彤，知识图谱视角下我国民族地区舆情研究演化与热点分析[J].广西民族研究，2019（3）：33 -41.

LIU Si-tong. Perspective of knowledge mapping on stud-ies of the evolution of public opinion and hotspot analy-sis in ethnic minority areas of China[J].Guangxi EthnicStudies，2019（3）：33 -41.

[8] 张思龙，王兰成，婁国哲，等，大数据时代网络舆情研究的前沿演进和发展趋势[J].中华医学图书情报杂志，2019 ，28 （1）：50 - 55.

ZHANC Si-long， WANG Lan-cheng， LOU Guo-zhe， eta1. Frontier evolution and development trend in studieson network public opinions in big data era[J].ChineseJournal of Medical Library and Information Science，2019 ，28（1）：50 -55.

[9]

Zaller JR.The nature and origins of mass opinion[M].Cambridge： Cambridge University Press， 1992.

[10] Holsti o R.Public opinion and American foreign policy[M]. Michigan： University of Michigan Press ，2004.

[11] Herbst S.Numbered voices： How opinion polling hasshaped American politics[M].Chicago： University of Chicago Press ， 1995.

[12] Inglehart R. Culture shift in advanced industrial society[ M ] . Princeton ： Princeton University Press ， 2018.

[13]

Erikson R S ， Wright G C ， Mclver J P. Statehouse democ- racy ： Public opinion and policy in the American states [ M ] . Cambridge ： Cambridge University Press ， 1993 .

[14]

McCright A M ， Dunlap R E. The politicization of climatechange and polarization in the American public ' s viewsof global warming， 2001-2010 [ J ] . The SociologicalQuarterly ，2011 ，52 （ 2） ： 155 - 194.

[15] Egan P J， Mullin M. Turning personal experience intopolitical aUitudes ：The effect of local weather on Ameri-cans ' perceptions about gobal warming[ J ] . The Journal of Politics ，2012 ，74 （ 3） ：796 - 809.

[16]

Brulle R J ， Carmichael J ， Jenkins J C. Shifting public o-pinion on climate change： an empirical assessment offactors inlluencing concern over climate change in theus ， 2002-2010 [ J ] . Climatic change ， 2012 ， 114 （ 2） ：169 - 188.

[17] Scruggs L， Benegal S. Declining public concern aboutclimate change： Can we blame the great recession？[ J ] . Clobal Environmental Change ，2012 ， 22 （ 2） ：505 - 515.

[18] Erikson R S， MacKuen M B， Stimson J A. The macropolity [ M ] . Cambridge ： Cambridge University Press，2002.

[ 19] Jacobs L R， Shapiro R Y. Politicians don ' t pander ： Po-litical manipulation and the loss of democratic respon- siveness [ M ] . Chicago ： University of Chicago Press，2000.

[20] Monroe A D. Public opinion and public policy，1980-1993 [ J] . Public Opinion Quarterly ， 1998 ， 62 （ I ） ： 6 - 28.

[21] Wlezien C. Dynamics of representation： The case of USspending on defence [ J] . British Journal of Political Sci- ence，1996 ，26（1） ：81 - 103.

[22] Burstein P. The impact of public opinion on public poli-cy： A review and an agenda [ Jl. Political ResearchQuarterly ，2003 ，56 （ 1） ：29 - 40.