重大公共卫生突发事件背景下舆情传播的研究回溯与控制机制的构建

□ 李 楠 杨 阳

(1.中国科学院 文献情报中心; 2.中国科学院 自然科学史研究所;3.中国科学院大学 经济与管理学院, 北京 100190)

一、引 言

重大公共卫生突发事件的爆发往往会伴随着海量信息的侵入、传播、堵塞与失真[1]。2020年1月武汉新型冠状病毒“COVID-19”全面爆发,成为全球重大的公共卫生突发事件,随即中国对“COVID-19”的应对措施成为全球关注的焦点。利用Goo Seeker网络信息抓取工具对2020年1月网络新闻客户端、自媒体、社交工具、论坛进行分析,以“新型冠状病毒”为主题的报道多达720万条信息;同时发现,“COVID-19”疫情确诊人数增速与“COVID-19”网络信息传播速度形成了一定的耦合,如图1所示。

图1 “COVID-19”疫情确诊与网络信息增速趋势

在重大公共卫生突发事件的防控中,民众成为政府公共事务治理的主要目标,共同的利益诉求为舆情产生提供了基本条件。但从历史经验上看,公共卫生响应等级较高的疫情防治工作往往在信息专业性信息发布与信息密集需求间会产生鸿沟,鸿沟越大民众的负面情绪就越高,负面舆情产生的机率就越大,导致政府控制疫情的难度就上升[2]。因此,在重大公共卫生突发事件背景下,有效控制负面舆情的产生环境和传播路径不仅有利于防疫工作的有序开展,更有利于政府治理能力现代化的建设。

二、舆情传播研究的总体现状

为更加快速、清晰地了解“舆情传播”的研究现状,本研究以主题词“舆情传播”为检索条件,通过对CSSCI数据库进行检索,同时,剔除报刊新闻、行业杂志等非学术性来源数据,最终发现有975篇符合检索要求的研究文献。利用Citespace5.6R文献计量软件分别对研究热点、作者与机构合作网络进行分析,如图2所示。

图2 “舆情传播”文献计量分析

从文献分析结果上看,“舆情传播”研究热点可分为五类。第一类基于信息传播与复杂网络构建的“舆情传播”的类型,包括社会舆情、网络舆情、高校舆情等;第二类是针对突发事件的“舆情传播”机制研究,包括模型、演化、规律、模式等热点主题;第三类是“舆情传播”的载体,包括社交媒体、新媒体、自媒体等多种类型;第四类是“舆情传播”的分析方法,包括社会网络分析、仿真(系统动力学)、指标体系建设等常见研究范式;第五类是“舆情传播”的管理措施,主要包括监控与引导两种方式。从作者与机构合作网络上看,兰月新、陈福集、黄微、王晰巍、曾润喜为“舆情传播”研究最活跃的5位学者,吉林大学管理学院、中国人民武装警察部队学院、华中科技大学公共管理学院、南京邮电大学管理学院、福州大学经济与管理学院是“舆情传播”研究最活跃的5个机构。

三、舆情传播的控制方法

目前,流行病学中的SI、SIS、SIR三大传播模型是研究负面“舆情传播”的常见方法,它借助系统动力学的仿真程序来观察舆情的传播规律与趋势成为当下最流行的研究范式[3]。SI模型是在混合网络中建立的一种“舆情传播”模型,它假定网络中的个体传播率为一个恒定常数,正常者人群(S)总是会被受舆情影响群体(I)所诱导,随着时间(T)的推移,网络中S态的个体数量减少而I态的个体数量将达到饱和,对解释网络“舆情传播”的全过程具有一定的启示作用[4]。SIS与SIR模型较SI模型而言增加了免疫和治愈两个现实因素,二者之间的最大不同就是从受舆情影响群体(I)恢复正常后的状态不一样;SIS模型是一种线性的网络传播结构,在这个结构中受舆情影响群体(I)总会受到一个恒定概率恢复正常;SIR模型处在一种非线性的复杂网络传播结构中,由受舆情影响群体(I)到舆情恢复群体(R)的传播节点，将受到多组外在控制变量的影响,同时会产生一个随机波动的恢复概率;从仿真效果上看,SIR模型比SIS模型更贴近“舆情传播”的实际场景[5]。此外,在SIR模型的基础上,还出现了一种基于“小世界”传播理论的改造模型(SHKR模型);SHKR模型将传统的S变量与I变量进行了合并,把二者视为舆情易传播的人群,同时引入未接触舆情群体(H)、舆情免疫群体(R)以及受舆情影响但不传播群体(K)三组变量,且三组变量都与S变量的节点进行关联,这说明“舆情传播”不仅受到传播机制的影响,更受到网络拓扑性质的制约,这为舆情管理从事后治理向事前引导转变开启了一扇窗[6]。

SI、SIS、SIR三个主要研究模型为确定舆情的传播源头及传播范围提供了理论支撑,但本质与流行病学的治理模式一样,属于事后防控模式;即通过寻找和切断舆情信息源、通过正面回应舆情信息的完整过程对受舆情影响群体(I)进行信息疏导与隔离,从而减缓他们的负面情绪和传播意愿[7]。但从舆情控制的治理效果上看,事后治理面临成本高与负面舆情二次传播的新风险。同时,SI、SIS、SIR三个也存在一定的局限性。首先,在现实世界中,舆情传播率不可能是一个恒定不变的常数,受舆情影响人群的增长趋势也不会是完整的线性结构。其次,受舆情影响人群并非与流行病学中受病毒感染人群状态一致,流行病学中的免疫与恢复针对人群具有普适性,且免疫与恢复概率较为稳定;受舆情影响人群由于受教育程度不一样,其客观判断舆情事件的能力就不一样,且做出的选择也会受到情绪这种主观因素影响,导致其免疫与恢复机制在复杂网络中处在随机动态的变化过程中[8]。最后,国内有关信息传播机制受网络拓扑性质影响的高质量研究极为稀缺,这不利于探索外在控制变量在“舆情传播”过程中的干预作用。因此,建立合理的“舆情传播”控制机制将成为未来解决重大公共卫生突发事件负面舆情产生的有效途径。

四、舆情传播研究的理论模型

舆情反映了公众追求普适性社会问题的态度,是一种自下而上的突发性社会行为,一般贯穿政府、媒介与公众三个主体,其议题内容具有一定的合理性。在重大公共卫生突发事件背景下,社会“共同意见”的产生往往受到(公众)情绪因素、(媒体)需求因素、(政府)行动因素的影响[9]。情绪因素是舆情产生的根基,但在公共卫生突发事件爆发的背景下,公众因行动受限内心极易产生被剥夺感,从而进一步引发担心疫情持续扩散的焦虑情绪;而在焦虑情绪的作用下,几乎社会所有人都成为了负面舆情的易传播群体[10]。需求因素是舆情产生的土壤,而公共卫生重大突发事件的一个显著特征就是信息不对称,这让热衷还原焦点事件全过程的媒体极易产生被排斥感,从而进一步引发媒体收集不同渠道、不同种类事件信息的焦躁情绪;在焦躁情绪的作用下,没有极易失去信息“把关人”的责任,有可能成为负面舆情的意见领袖[11]。行动因素是舆情产生的环境,在重大公共卫生突发事件中,政府作为治理与管控主体被全社会寄予很高的期待,这是对政府治理水平与治理能力现代化极大的考验;在这种寄托压力以及事件应急效果不确定的双重作用下,政府往往会产生紧张的情绪,从而进一步影响政府决策与行动的效率[12]。从情绪因素、需求因素、行动因素的关系路径上看,公众期待政府提供强有力的安全保障,同时对媒体有寻求真相的强烈需求;媒体对政府有调查与采集事件全过程信息的需求,同时对公众有发布调查信息的迫切意愿;政府对公众有采取应急管理措施消愁其焦虑情绪的责任,同时对媒体有采取引导监督手段防止其焦躁情绪引发负面舆情的义务。相关内容如图3所示。

图3 “舆情传播”的理论模型

五、舆情传播的成因及其影响因素

从“舆情传播”的理论模型上看,“舆情传播”的成因及影响因素源于政府、媒体、公众相互碰撞后所产生的三组鸿沟。一组是政府应急水平低下与公众对政府高期待产生的鸿沟,政府应急水平越低公众对政府的信任度就越低,社会负面情绪就越浓,这是负面“舆情传播”的主要矛盾[13];二是公众判断能力与海量信息输入产生的鸿沟,公众判断能力越弱负面信息对公众的影响就越强,负面信息传播的意愿就越高,这是负面“舆情传播”的动力[14];三是政府信息管控与媒体信息需求产生的鸿沟,政府信息管控力度越大媒体对立情绪就严重,信息报道的成见就越深,这是负面“舆情传播”的次要矛盾[15]。同时,在数字经济高速发展的今天,数字技术成为了“舆情传播”的推动力,它基于“小世界”理论的交互特征为公众提供了信息供给、选择与输出的平台,即使在高密度的信息流冲击的环境下,大数据和人工智能技术也总能根据偏好精准锁定目标公众,加上不同类型媒体间竞争与融合产生的信息变现等商业模式的诱导,信息的传播已经从一元线性模糊滞后，转向多元非线性精准快捷的发展趋势。此外,在重大公共卫生突发事件爆发时,除上述主要因素外,还有一些影响负面舆情形成的次要因素。本文对现有CSSCI数据库有关舆情影响因素的研究文献梳理后,按照主要因素与次要因素与政府、公众、媒体的关系,将其分为内部因素与外部因素;按照情绪与能力两个类别将其进一步分为主观因素和客观因素;并针对不同类型“舆情传播”影响因素给出了相应的应对措施[16]。相关内容如表1所示。

表1 “舆情传播”转化与控制变量

六、舆情传播的控制机制

建立针对“舆情传播”影响因素的控制机制是解决政府负面舆情压力的有效途径,而事前控制较事后控制的优势在于控制成本低、控制形式多样、可随时调整控制强度且亦可进行模式化操作。但即使如此,找到“舆情传播”的影响因素和控制因素并不意味着负面信息在向舆情转化的过程中就能很好地被治理,还需要考虑二者的强度。因此,为更好了解重大公共卫生突发事件负面潜在的舆情信息转化与治理的博弈关系,本文进行一步建立了“舆情传播”的控制机制,如图4所示。

图4 “舆情传播”的控制机制

“舆情传播”控制机制源于SEIR模型,这是一种网络动力学模型,在流行病学调查中加入了潜伏者(E)变量,这对进一步认清病毒传染机制起到了至关重要的作用。将SEIR模型引入到传播学的领域,将可以更好地还原意见领袖如何引导公众成为舆情传播者的过程。由于本文力求找到负面“舆情传播”的(事前)控制机制,所以在技术路径中剔除了恢复者(R)变量,即不考虑舆情信息时效性、官方对舆情信息解释或辟谣等事后控制方式对负面舆情影响,最终形成了以易被舆情诱导人群(S)、接触舆情者(E)以及传播舆情者(I)为核心的三组因变量,并引入影响SEI三组因变量变化的两组自变量(转化变量与治理变量)。

基于此,“舆情传播”控制机制的三组因变量和两组自变量的逻辑关系可以解释为:(1)负面舆情接触者(E)通过随机接触易受诱导人群(S)来影响他们相信舆情信息,当易被舆情诱导人群(S)对舆情信息认同时会转化为新的负面舆情接触者(E);(2)负面舆情接触者(E)受转化变量和治理变量的博弈影响会选择是否向社会扩散信息,当选择扩散时负面舆情接触者(E)会转化为传播舆情者(I);(3)如舆情接触者(E)遭受外在控制变量干预且在舆情接触者(E)未消失的情况下,传播舆情者(I)将具有与舆情接触者(E)等同的转化力,同时影响易被舆情诱导人群(S)直接加入传播舆情者(I)的阵营;(4)当传播舆情者(I)达到一定规模形成传播舆情群体时则宣告当前负面“舆情传播”控制机制失败,反之则成功;(5)转化变量由表1中的转化因素组成,其中内在因素刺激S到E的转化进程,外在因素刺激S到I的转化进程,而内在因素与外在因素共同刺激E到I的转化过程;(6)治理变量由表1中的控制因素组成,其中内在因素制约S到E的转化进程,外在因素制约S到I的转化进程,而内在因素与外在因素共同制约E到I的转化过程。

七、结论与展望

从“舆情传播”的理论模型上看,负面舆情缘起于封闭的信息网络、碎片化的信息内容以及不稳定的信息获取渠道。因此,建立公开、透明、共享的信息传播网络与自由、安全、稳定的信息获取渠道是满足公众、媒体“疫情”期间高强度信息需求的有效途径,它既可以让媒体监督政府“疫情”防控工作的进展,又可以唤醒公众自觉响应政府应急管理制度的号召,还可以增强政府、媒体、公众的彼此信任,最终消除三方的鸿沟与负面情绪。

从“舆情传播”控制机制上看,易受舆情诱导群体(S)规模的大小关系着负面舆情信息传播的动能。因此,加强重大公共卫生事件防治工作的科学普及力度,及时向全体公众宣传健康的疫情防控理念,让他们熟悉疫情的致病机理、明确疫情的科学防控过程、了解政府疫情防控行动的方案与时间,这是让公众产生对疫情谣言信息自我免疫的重要工作,也是快速降低易受舆情诱导人群(S)数量的便利捷径。

在“舆情传播”控制机制的基础上,未来可以运用系统动力学仿真模型对“舆情传播”的治理方案的有效性进行系统评估,重点测试不同控制强度对遏制负面舆情发生的几率,在方法上做到有效评估负面舆情信息的传播效率及影响力,在机制上建立与公共卫生响应等级相匹配的公共卫生负面舆情响应等级体系,在行动上充分发挥负面舆情信息“把关人”与“引导者”双重角色,这将成为“新时代”政府治理水平与治理能力现代化的重要体现。□