媒体干预及用户信任的网络社区观点演化研究

郝宇辰，刘 臣

上海理工大学 管理学院，上海 200093

1 引言

近年来随着互联网的高速发展，以及移动智能终端的普及，网络生活已经逐步成为人们日常生活中的一部分。风格类别各不相同的网络社区平台应运而生，不仅涉及到知识学习、信息共享、兴趣爱好等方面，而且子类别丰富细致，使得志趣相投的人能够通过网络集聚在一起。大量用户活跃在网络社区当中，在网络空间中进行观点交流。在网络社区中，用户之间可以通过点赞、评论、提问等多种形式进行观点交互、信息分享，从而影响彼此的感知。网络用户在社区中进行交互过程的前提是彼此之间的信任，网络社区的人际信任对个体网络自我表露、知识共享、行为决策以及团队合作等网络行为都会起到一定的影响作用[1]。因此探索信任关系对于深入理解网络社区发展与变化，创建高可信度的网络社区信任环境具有重要的理论与现实意义。

目前，对网络社区信任的研究主要有以下几方面：

（1）建模社区中信任建立的机制。赵玲等将信任划分为基于知识、基于社会特征、基于制度、基于个人特质四方面，分析了虚拟社区中信任的建立机制及消费者的购买决策过程，提出了社区成员信任模型框架[2]。赵卫宏等将虚拟品牌社区信任建模为一个由系统信任、制度信任和人际信任构成的二阶三维结构[3]。王粤等在信任模型研究的基础上提出了基于结构化P2P 网络环境的虚拟社区的信任模型构建方法[4]。邓卫华等深度挖掘信任理论，构建了由“初始传播”“扩散传播”“循环传播”三阶段构成的基于信任的网络社区口碑信息链式传播模型[5]。郑鹏等提出一种基于用户评分值的隐式信任计算方法，该方法同时考虑用户的交互经验以及相似性，并通过传播方法使不存在直接信任的用户获得间接信任[6]。王磊等从用户角度提取动态、静态两种局部信任，从信任网络的结构特征提取全局信任度，进而提出了一种多维信任计算方法[7]。吴航等则提出了包含专家模型、信任传播模型、皮尔逊系数模型的社交信任模型[8]。

（2）探究影响社区信任的因素。罗婷等认为认知信任的形成领先于情感信任的发展，并对情感信任的形成有正向影响[9]。罗昕等认为专业指导和社会资本等对社群信任造成影响，意见领袖的特质会影响虚拟社区的维系[10]。谢香英等认为社会现实情境通过长期作用于社会个体，使其形成稳定的信任观念，从而影响个体在网络空间的信任建构行为[11]。Wu等认为参与互动的满足感或社区归属感是成员信任虚拟社群的关键要素[12]。Ridings等认为能力、关怀、正直是影响人际信任的重要因素[13]。洪巍等的研究结果显示，对于网民对媒体信息的信任，基于制度的结构性保证的影响最大[14]。

（3）通过建立各种各样的群体观点演化模型，研究信任对群体观点收敛性的影响。裘江南等提出了基于信任与Deffaunt 的组合观点影响模型。该信任模型主要将社区中的信任分为认知信任和情感信任，通过调节参数结构，对应不同信任环境中信任的动态演化过程[15]。宋艳双等对HK模型进行扩展，仿真结果表明，随着有界信任参数的增加，不同网络结构类型下的平均观点簇数量均呈现出递减的趋势[16]。宗刚等结合信任机制对Cowan模型进行修正，提出了基于信任机制的复杂网络知识传播模型，实验发现节点之间的信任值越高，知识传播效率越高[17]。钟敏娟提出基于BA网络和有界信任交互的二阶段舆论演化动力学模型，结合信任概率建模普通网络成员的观点形成和在自身性格和周围环境（比如网络水军）双重因素共同作用下的观点变化[18]。

综上所述，在社区信任的研究方面已经取得了一些成果，但是也存在着一些局限性。首先，已有的研究虽然涉及到的信任类别较多，但比如制度信任、系统信任，这类信任主要针对网站规则制度设计，不能充分反映社区观点的演化情况。其次，已有研究中涉及最多的是成员间的人际信任，而忽视了社区信任是多维度的，社区信任还应包括成员与领袖之间的信任、社区成员对外部环境的信任。第三，关于社区信任的分析和建模主要应用于研究用户行为和对品牌的影响，缺乏针对于社区自身的、宏观上的对社区观点总体走势的探索，缺乏对多种因素复合情况的探索。

因此本文综合考虑了社区外部和内部的信任要素，从成员间信任、领袖信任、媒体信任三方面构建集成的观点演化模型，研究这三种不同维度的信任对于社区观点走势的影响。

2 网络社区的信任机制

基于对文献的分析，本文认为对社区观点产生影响的信任因素主要来自社区内部和社区外部两方面。社区内部的信任主要包括普通成员之间的信任程度和普通成员与领袖之间的信任程度。社区在网络环境中并不是孤立存在的，社区与外界的信息交互也是时时发生的。在与外界的交互当中最典型的就是媒体与社区的交互。无论是出于商业营销还是舆论引导等目的，若想对社区施加一定的影响，媒体都是主要的作用途径。因此社区成员对媒体的信任情况将会直接影响到媒体信息与社区观点的交互情况。故本文建立如图1的网络社区信任机制。在该机制中社区内外部信任共同参与社区观点的演化。

图1 网络社区信任机制

3 基于信任的社区观点交互模型

3.1 基于Deffaunt的观点交互基础模型构建

由于人们对待事物的看法并非简单的非黑即白，为客观全面地描述人们的观点变化进而产生了连续观点模型，其中的代表是DW（Deffuant-Weisbuch）模型和HK（Hegselmann-Krause）模型。此二者模型均属于有界信任模型，此类模型限定个体之间的观点差距在某个阈值范围内才会互相影响，且观点值为连续变化的，故更适合于描述观点随时间的走势与具体变化。

Hegselmann-Krause 因其算法时间复杂度较大而应用没有Deffuant模型广泛[19]，因此本文主要采用Deffaunt模型构建观点交互基础模型[20]。

首先，用观点值x(x∈[0,1])来描述个体所持观点。其次，由于个体在个人经历、性格心理、知识能力、社会地位等方面存在差异，使得不同的人对待自己所持观点会呈现出不同的“坚定程度”。因此引入参数观点坚定程度u(u∈[0,0.5])，u越大表示观点的坚定程度越大。除此之外该模型使用trust(trust∈[0,10])来描述个体之间的信任程度，其中0 代表完全不信任，10 代表完全信任。此模型取信任因子为常数，作为对某一群体或者社会整体人际间信任水平的衡量。具体模型如下：

假设两个交互个体i和j的观点和坚定程度分别为(xi,ui)和(xj,uj)，观点差，定义个体i对个体j的影响函数为：

个体j对个体i的影响函数为：

交互之后，观点和观点坚定程度分别进行调整：

3.2 社区人际网络建模

网络社区结构的模拟主要可参考的网络结构有无标度网络和小世界网络两种。近年来复杂网络的研究成果表明，人际关系网络既不是完全规则的也不是完全随机的，而是小世界网络[21-22]。杜海峰等对小世界网络与无标度网络模拟社区结构方面的研究表明，小世界网络相比于无标度网络具有显著的社区结构[23]。

小世界网络于1998年由Watts和Strogatz[24]借助“六度分离”的科学假设提出。他们以规则网络为基础，以概率P对规则网络中的每条边进行随机重连（剔除节点的自我连接和重边连接），这些随机重连的边在规则网络中既引入了随机性，又引入了长程连接。这些少量的、随机的长程连接使网络具有较低的平均距离，同时又保持了原有网络较高的集聚系数，这两种特性综合在一起被称为“小世界效应”。小世界网络结构与现实生活里的人际关系网络很相似，一般情况下，一个人的朋友大多是自己身边的人，主要集中在住所、学校和工作单位等地点周围，但也会有少数朋友住在外地甚至是国外等，这种关系就是WS模型中的长程连接。

Watts 和Strogatz 构造的小世界网络模型，简称为WS模型，其算法如下：

（1）初始为一个排成环形的包含N个节点的规则网络，每个节点的度为K，即每个顶点同它的K个邻居相连（每一侧有K/2 个连接）；

（2）以某个很小的概率P断开规则网络中的边，并随机选择新的端点重新连接，排除自环和重连边；

（3）重复（2），直到遍历所有的边。

3.3 动态信任因子建模

在基础模型中一般将信任因子设为常数，认为在演化过程中人与人之间的信任程度是不变的。这与实际生活不相符的地方在于，人与人之间总体上的信任程度虽然可以在短期内在一定范围内稳定，但是并不是毫无波动的，这个波动的过程很可能会对观点演化的最终结果产生影响。这种不确定的波动程度所造成的结果是不可预测、值得探究的。尤其是假如个体i的观点总是以较大幅度发生改变，那么这种摇摆不定的状态会影响到个体j对个体i的信任程度。反映在现实生活中则可以描述为人们对于那些摇摆不定、出尔反尔的人或行为是不信任的，换言之，如果一个人的观点是摇摆不定的，那么其他人对他的信任程度也会有所降低。

于是本文引入观点波动阈值σ(σ ＜ε)，以及观点大幅改变次数n,影响并改变trust的阈值δ，每次演化过程中个体i的原观点为xi，演化后的观点为xi′。又由于个体i在判断与其进行观点交互的个体j是否摇摆不定时，往往是通过个体j的“最近表现”来判断，因此设置在当前时间步前的某个时刻起到当前时间步为判断窗口window，统计在判断窗口内观点改变的次数n，n/window则表示观点改变的频率。

其次，做如下定义：

“个体i的观点xi波动程度较大”：演化后的观点xi′与原观点xi之间距离超过阈值σ，即 |xi′-xi|≥σ；反之则认为i波动程度较小。

“个体i的观点xi频繁大幅改变以至于影响其他个体对个体i的信任程度”：在判断窗口内，观点大幅改变的频率n/window超过阈值δ，即n/window ＞δ；反之则认为虽然个体i的观点xi有些许波动，但不足以影响其他个体对其信任程度。

本文将个体i对个体j的信任程度trustij表示为：

个体j对个体i的信任程度trustji表示为：

3.4 社区中的个体差异

由式（1）、（2）可知，与个体i进行交互的个体j的坚定程度能够直接影响个体i的观点xi，而个体i的坚定程度ui却并不参与观点xi的演化。这与现实情况也有所背离。在实际生活中，个体i的坚定程度直接决定了其观点的变化程度，即一个人越坚定其观点越不容易改变，这是显而易见的。

个体i的坚定程度ui应对f(j,i)产生阻碍作用，即ui越大f(j,i)越小，因此改进f(j,i)和f(i,j)为如下形式：

个体i对个体j的影响函数为：

个体j对个体i的影响函数为：

由于ui,uj∈[0,2/2]，因此只有在uj为0，以及个体j极其不坚定这种极端情况下，f(i,j)才会只由ui决定；而uj=2/2 时则表示个体j极其坚定，达到另一极端情况f(i,j)=0，即个体i对个体j不产生任何影响。

此外，由于个体坚定程度是综合一个人一生的种种经历而呈现出的个人特质，故而是不会在短期内改变的。社区观点的演化更多的是针对于某一特定问题，在较短的时间内完成，因此本文认为u不应随x发生改变。

3.5 社区中的意见领袖

除了探究社区成员之间的信任程度之外，本文旨在探究社区内领袖观点对于社区观点演化趋势的影响。

鉴于网络社区环境非常自由，如果成员对社区领袖持极其负面的态度，那么该成员很大概率上不会加入该社区，而大部分网络社区是根据成员们的兴趣或目标而自发聚集形成，由此可以印证社区中成员对领袖的整体认可度是较高的。

意见领袖是在团队中构成信息和影响的重要来源，并能左右多数人态度倾向的少数人。尽管不一定是团体正式领袖，但其往往消息灵通、精通时事，或足智多谋，在某方面有出色才干，或有一定的处理人际关系的能力而获得大家认可，从而成为群众或公众的意见领袖[25]。刘志明等从用户影响力和用户活跃度两个角度考虑，构建了微博意见领袖指标体系，并提取了识别意见领袖的决策规则[26]。

本文提到的“领袖”也并非指职位或权力上的领导者，而是指社区的意见领袖。他们在社区的人际关系网络中处于领袖位置，即与社区内其他个体建立的社交联系较多，并且其他人对其有较高的信任度。换言之，本文提及的“领袖”并不指拥有权力的人，而更接近于德高望重、被人信任、被人尊敬的人。

本文选取社交网络中与其他个体连接最多的个体作为“领袖”，代表该个体具有良好的社交能力，在社区中能够与更多的个体产生社交关系。同时将与该节点相连接的其他点对该点的trust值设置在较高的水平，代表社区成员对领袖的信任。将“领袖”的观点值设置为固定值，以此来观察社区总体观点相对于领袖观点的走势。

3.6 改进的Deffaunt的观点交互模型

综合以上内容，网络社区观点演化模型本质上是以小世界网络为基础的观点交互模型，其具体交互计算如下：

4 媒体干预下的社区观点演化模型

4.1 媒体在社区的作用

上述模型只探讨了自然情况下的社区观点演化情况，主要涉及到的因素有成员间的信任以及领袖信任。但是网络社区中除了内部的信任，还存在对外部的信任。

网络社区平台为了保持用户规模通常都是免费的，于是广告等商业推广类的业务也成为这类平台的主要盈利方式。这类媒体出于维护企业形象、商品营销等需求也会对社区观点的演化进行有针对性的干预。研究表明信任会影响用户的接受或使用意愿[27-28]。社区成员是否信任外部媒体、社区对媒体的干预会产生怎样的反应，对于这些问题的探究将有助于商业、新闻等行业指导实践。

4.2 媒体影响下的观点演化

为了探究媒体对社区观点走向的影响，本文引入媒体观点xm，则个体i与媒体的观点差为d=|xm-xi|。

媒体观点往往通过新闻、广播、电视、网络等各种渠道向个体生活环境的各个方面渗透，势必会发挥一定的作用，使得人们对品牌、产品、新闻事件等的看法发生一定的变化，但这种影响作用不是线性增长的，而是有限度的。本文将媒体作用程度表示为tanhe,e∈[0,3]，其中变量e表示媒体干预程度，函数图像如图2。从图中可以看出，在定义域内随着媒体干预程度的增加，媒体作用程度随之增加，但增加的速度逐渐递减，最终达到峰值。由图可见，这基本符合现实生活中媒体的作用过程。

图2 tanh x 图像

除媒体施加的干预外，每个人对媒体信息的敏感程度不同，故本文将个体对媒体信息的敏感程度设置为um∈[0,0.005]。由3.1 节可知，个体之间的相互交互需要在观点差d ＜ε的情况下才会发生，反映在现实生活中则意味着两个人只有观点差距不大时才会发生交互，才会相互影响；反之，若观点差距过大则不会发生交互，即“话不投机半句多”。但媒体干预的渗透性和侵略性使得无论媒体观点与个体观点差距多大都会作用于个体，这样的强迫性使得媒体作用并不一定按照媒体预期的方向进行，即用户可能产生逆反心理。

用户逆反心理也成为一个新的研究领域。受众的逆反心理是指受众由于受某种原有立场、思维定势的影响，而产生与传播者的传播意图相反的一种心理倾向[29]。网络舆论逆反心理通常表现为网民对已有政府信息所得出的结论、判断，进行反方向思维，产生怀疑和动摇进而否定的态度[30]。逆反心理分为超限逆反和评定逆反。超限逆反是指同样的刺激物通过机械的反复或者高强度的刺激，使用户产生的一种逆向态度；评定逆反则源于受众立场与外界立场距离的较大差异。受众习惯把和自己较近的立场理解为相距更近的立场，和自己较远的立场理解为相距更远的立场。受众立场与传媒立场的差距过大将引起评定逆反[31]。

故本文设置观点逆反阈值β(ε ＜β ＜1) ，当观点差d≤ε时，个体观点受媒体方向影响；当观点差d＞β时，则发生逆反现象，产生逆媒体方向影响。因此，单次演化过程中个体对媒体的态度分为um和-um，符号表示顺媒体方向和逆媒体方向，绝对值为对媒体信息的敏感程度。

与此同时，个体受媒体影响程度还会受到个体心中对媒体固有印象的影响。因此本文引入个体对媒体固有印象程度a(a∈[-0.005,0.005])。当个体与媒体观点差距较大时，对媒体产生负面态度，如果对媒体有正面的固有印象，则会消减对媒体的负面态度。反之亦然。因此，个体对媒体的综合影响可表示为±um+a。

媒体干预效果表示为如下函数：

4.3 模型参数设置

本文选取N=1 000 来模拟规模为1 000 人的社区或社群。根据Robin Dunbar 在20 世纪90 年代提出的“150定律”[32-33]，即“人类智力将允许人类拥有稳定社交网络的人数是148人，四舍五入大约是150人”，故本文取K=150 。杜海峰等[18]研究认为，当 0.01 ≤P≤ 0.10 时，WS 模型的社区结构最为清晰，故本文取P=0.10。窗口长度取30，最大迭代次数为100个时间步。

4.4 模型演化规则设计

基于3.6 节提出的改进社区观点演化模型，演化规则设计如下：

（1）构造个体规模为N的网络，每个节点的度为K，个体观点x，观点的坚定程度u，对每个连接的节点设置信任因子trust。

（2）以某一很小的概率P(0 ＜P≤1)断开规则网络中的边，并随机选择新的端点重新连接，排除自环和重连边，从而形成小世界网络。

（3）将整个网络看作一张图，基于广度优先搜索算法（Breadth First Search，BFS）做出部分改进，使其能够遍历图中每一条边，对每一条边上的两个节点进行交互计算（交互计算的具体公式见式（8）），完整地遍历图中的每一条边记为一个时间步。

（4）重复（2）、（3），直至达到最大时间步。

5 仿真实验与结果分析

5.1 不同信任程度对于观点演化趋势的影响

自然状况下，μ∈[0,2/2],trust∈[0,10],舆论的结果趋于观点中间值，如图3。横轴表示演化时间步；纵轴表示观点值；每一条曲线代表社区中的一个个体其观点的演化轨迹；实验中模拟的个体数目较多，故采用不同颜色加以区分。图4 至图18 图例同此图。可以看出在一定时间内，通过人们之间自然的观点交互，最终人们将得出一致的观点，而且观点值趋于中间值。

图3 自然状况下社区观点演化情况

对于高信任社区，即社区内个体之间信任程度普遍较高的情况，本文设置trust∈[7,10]；反之对于低信任社区本文设置trust∈[0,3]。演化结果如图4、图5。观点演化趋势趋于中间值，对比可以看出在高信任程度社区中，众多个体观点达成一致的时间更短。

图4 高信任情况下社区观点演化情况

图5 低信任情况下社区观点演化情况

对于高开放程度社区，即社区内个人观点坚定程度低，乐于接受他人观点，本文设置μ∈[0,2/2×0.3]；反之对于低开放程度社区，即社区内个体坚定程度高，不易接受他人观点，本文设置μ∈[ 2/2×0.7,2/2]。演化结果如图6、图7。观点演化趋势趋于中间值，对比可以看出高开放程度社区观点达成一致的时间更短，而且最终稳定态的观点也更加一致。

图6 高开放程度社区观点演化情况

图7 低开放程度社区观点演化情况

通过对比以上实验可以看出，社区内个体之间的信任程度、个体观点坚定程度并不会影响观点演化的趋势，只会影响演化的速度。信任程度越高的社区达到稳定态的速度越快；观点开放程度越高的社区达到稳定态的速度越快。

5.2 领袖观点对于观点演化趋势的影响

本文选取社交网络中与其他个体连接最多的个体作为“领袖”，即选取小世界网络中度最大的节点代表“领袖”。同时将与该节点相连接的其他点对该点的信任值设置在较高的水平。并将“领袖”的观点值设置为固定值，实验过程中设置“领袖”节点观点值为0.9，表明领袖观点与社区自然演化结果0.5 有较大偏差，以此来观察社区总体观点相对于领袖观点的走势。与领袖节点相连的节点对该点的信任值trust∈[8,10]，表示其他个体对领袖的信任程度较高。结果如图8，纵轴值为0.9处的横线表示领袖观点，由于设置领袖观点为定值，故为一条横线。从图中可以看出，在演化的初期，社区总体的观点走势相较于图1并未产生较大的变化，而随着时间的推移、迭代次数的增加，最终观点的总体走势是逐步向领袖观点靠拢的。其现实意义在于说明领袖对于社区的作用要通过较长的时间才能发挥出来。虽然领袖观点并不能快速地改变社区观点的总体走势，但是如果领袖能够保持周围人对自己有较高的信任度，在时间足够长的情况下，是可以引领社区观点的。

图8 领袖观点为0.9时社区观点演化情况

5.3 媒体干预对于观点演化趋势的影响

5.3.1 逆反阈值β 对媒体干预效果的影响

设置媒体观点为0.9，保持其他参数不变，更改β值分别为0.5、0.7、0.9，对比结果如图9、图10、图11。可以看出当β值较大，即逆反情况发生的范围较小时，更多的成员观点逐步向媒体观点靠近。也表明避免用户逆反心理是提升媒体作用效果的有效途径。

图9 β 取0.5时社区观点演化情况

图10 β 取0.7取时社区观点演化情况

图11 β 取0.9时社区观点演化情况

5.3.2 媒体干预程度对媒体干预效果的影响

保持β=0.7，分别取e=0.01,0.6，2，表示低中高三种干预程度，则 tanhx分别为0.009 9、0.537 0、0.964 0，表示低中高三种媒体的作用效果。

如图12，若媒体干预程度过低，则不会对社区观点走势造成影响。这种情况下出于商业等目的在媒体上的投入基本上被浪费。如图13（a）、（b）、（c），若采用中等干预程度，社区观点在初期不会朝媒体方向演化，但时间稍长后总体走势是趋于媒体观点的。与此同时，也会出现逆反现象，使得部分成员观点趋于负媒体方向的极端。如图14，当媒体干预程度较高时，趋于稳定态的速度加快，但是逆反现象也更加明显。对比可以说明，根据不同的目的，媒体应采用不同的干预程度，若要追求见效快，可采用较强程度的干预；若要追求受众广，则应该采用适中程度的干预，并给予一定的时间。

图12 e=0.01,tanh e=0.009 9 时社区观点演化情况

图13 （a） e=0.6,tanh(e)=0.537 0 时社区观点演化情况1（趋近且统一于媒体观点）

图13 （b） e=0.6,tanh e=0.537 0 时社区观点演化情况2（逐渐趋近并近似统一于媒体观点）

图13 （c） e=0.6,tanh e=0.537 0 时社区观点演化情况3（趋近但不统一于媒体观点，稳定在媒体观点附近）

图14 e=2,tanh e=0.964 0 时社区观点演化情况

5.3.3 个体对媒体信息的敏感程度um 对媒体干预效果的影响

保持β=0.7,e=0.6,a∈[-0.005,0.005],其他参数不变。um取0.001，表示单次演化过程中个体对媒体态度的作用弱于个体对媒体的固有印象的作用，由图15（a）、（b）、（c）可以看出，社区观点趋于媒体观点的速度较慢，并且有时不会完全收敛于媒体观点，而是稳定在媒体观点附近。um取0.01，表示单次演化过程中个体对媒体态度的作用强于个体对媒体的固有印象的作用。由图16可以看出社区观点趋近于媒体观点的速度较快。

图15 （a） um=0.001 时社区观点演化情况1（部分逐渐趋近并近似统一于媒体观点）

图15 （c） um=0.001 时社区观点演化情况3（部分趋近但不统一于媒体观点，稳定在媒体观点附近）

图15 （b） um=0.001 时社区观点演化情况2（大部分逐渐趋近并近似统一于媒体观点）

图16 um=0.01 时社区观点演化情况

5.3.4 个体对媒体固有印象程度a 对媒体干预效果的影响

保持其他参数不变，设置a∈[0,0.005]，表示个体对媒体都采取正面态度。结果如图17，可以看出当社区成员对媒体持正面印象时，社区成员向媒体观点趋近的速度较快。而当a∈[-0.005,0]时，表示个体对媒体都采取负面态度，由图18（a）、（b）、（c）可以看出，社区成员对媒体负面印象较多时，逆反现象更加明显，仅有少部分与媒体观点较为接近的点会趋向于媒体观点，并且有时不会完全收敛于媒体观点，而是稳定在媒体观点附近。

图17 a ∈[0,0.005]时社区观点演化情况

6 结论与启示

本文综合考虑了社区外部和内部的信任要素，从成员间信任、领袖信任、媒体信任三方面构建集成的观点演化模型，研究这三种不同维度的信任对于社区观点走势的影响。

社区初始观点均匀分布，在自然状况下，社区观点会随着时间逐步趋近于中间值。在这个过程中，成员之间的信任程度以及成员的观点开放程度会对演化趋于稳定态的速率造成影响，成员互信程度越高，成员观点开放程度越高，则演化至稳定态的速度越快。

网络社区组织若想长期发展，需要尽量减少成员分歧，尽量在多数核心问题上保持观点一致。通过实验可以看出，增进成员之间的互信程度以及成员观点开放程度将有助于社区观点统一。因此，网络社区应当提倡一些有利于友好交流、促进互信的活动，以及一些有利于开阔视野、提升成员开放性的活动。

图18 （a） a ∈[-0.005,0]时社区观点演化情况1（少部分观点稳定在媒体观点附近）

图18 （b） a ∈[-0.005,0]时社区观点演化情况2（少部分观点稳定于自然观点（即中间值）与媒体观点之间）

图18 （c） a ∈[-0.005,0]时社区观点演化情况3（少部分观点趋近于媒体观点）

本文通过实验探究了领袖意见对于社区观点的影响，结果显示如果社区组织中存在意见领袖，该领袖能够维持丰富的社交联系并保持他人对自己较高的信任程度，那么尽管演化初期社区观点走势不变，但在时间足够长的情况下，社区观点最终将会趋向于领袖观点。

意见领袖对于社区的作用在于长期影响而不在于当下，因此社区领袖如果想对社区做出引导，不可操之过急，而应在坚定自己观点的同时注重保持他人对自己的信任。同时，由于意见领袖对社区会产生长期影响，领袖更应谨慎发表观点，避免对社区造成长期的不良影响。

最后本文还探究了媒体干预对于社区观点走势的影响。首先媒体干预程度过低的情况下，社区观点走势不会发生改变。随着干预程度的增大，社区观点向媒体观点趋近的速度加快，但同时逆反现象也更加明显。而逆反现象发生的阈值是影响趋向于媒体观点的成员比例的关键因素，逆反阈值越小，发生逆反的比例越高。同时，对媒体的固有印象也会对社区观点走势产生重要的影响，如果社区成员普遍对媒体持正面印象，则会加速社区观点向媒体观点的演化；如果社区成员普遍对媒体持负面印象，逆反现象更加明显，仅有少部分与媒体观点较为接近的点会趋向于媒体观点，并且有时不会完全收敛于媒体观点，而是稳定在媒体观点附近。

由此可见，提升社区成员对媒体的固有印象，减少逆反情况的发生，将有助于社区观点向媒体观点趋近。媒体观点与成员观点差距较大时易引发逆反现象，因此媒体在施加干预时不宜“一步到位”，以避免引发社区内大范围的逆反现象；相反，应考虑社区成员的接纳程度，逐步修改媒体观点直至达到最终目标。

本文仍然存在一定的局限性。虽然实验表明逆反阈值将直接影响到社区中发生逆反现象的范围，但是未能探明影响逆反阈值的因素，无法建立起逆反阈值与现实实践的关系。逆反阈值的影响因素以及抑制逆反现象的方法有待进一步的探究。