社交网络分析视阈下做好网络舆情管理的策略

王毅

摘 要：借助社交网络分析工具，对在线社交媒体在网络舆情事件中的影响力进行量化刻画，并寻找社交网络分析中相关联的指标。基于成都A校食堂问题事件的微博转发数据，通过构建分层线性模型进行实证分析，研究这些指标与网络舆情事件影响力的相关性。在分析结果基础上，提出政府在当前在线社交媒体盛行的背景下有效应对网络舆情管理的对策建议。

关键词：網络舆情;微博;社交网络分析;分层线性模型

一、引言

在线社交媒体，如微信、微博等，正改变着人们传统的沟通方式，管理着人们的社交生活，将网络与现实世界紧密联系在一起。当前，在线社交媒体用户数量已经十分庞大，以微博为例，据《2018年度微博用户发展报告》指出，到2018年第四季度为止，微博月活跃用户数已达4.62亿人，自2016年以来连续三年增长超过7000万人。在如此庞大的用户基数背景下，在线社交媒体在网络舆情中扮演的角色非常重要，在网络舆情发展过程中发挥着主导作用。因此，通过情报分析手段找出在线社交媒体的网络舆情传播特征和规律，能够进一步提高政府对网络舆情的管理能力。本文以社交网络分析相关的概念衡量网络舆情事件影响力，研究影响网络舆情事件传播的主要因素，从而提出做好网络舆情管理的策略。

二、社交网络分析概述

社交网络分析是一种以关系为基本研究对象的研究方法，它依靠数学中的图论作为理论基础，将社会网络中的成员抽象为节点，用节点间的连线表示成员之间的关系，对这些社会实体之间的连接关系以及连接关系的模式、结构和功能进行深入分析，直观地展示一个社会网络的结构，并对网络中实体间的关系以量化方式测度它们之间的关系。本文以新浪微博为分析的数据基础，微博中的信息来源主要来自用户“发帖”、“跟帖”等行为，将这些信息行为抽象成用户之间的关系，即可将一个舆情事件为主题的“发帖”、“跟帖”、“转发”等关系的集合映射为一张抽象的社会网络。

图论中，图可分为无向图和有向图两种，网络舆情的发展过程从情报学角度看，是知识向外界进行的一种有向传递的过程，因此本文采用有向图来构建基于微博的网络舆情传播分析网络。有向图中，各成员与外界的联系程度分为出度中心度和入度中心度（刘军，2009）。节点出度中心度定义为与该节点连接的发出有向边的数目，而节点入度中心度定义为该节点连接的接入有向边的数目。如图1所示， 节点b的出度中心度为1，入度中心度为2。这两个概念应用到微博中，用户的出度中心度可以用“发帖”、“转载”、“引用”等生产内容的行为构成，入度中心度可以用其他用户“跟帖”的行为构成。

三、分析模型

1.计算模型。在社交网络分析视角下，本文采用分层线性模型中最基本的2层线性模型以网络舆情事件影响力为因变量，研究与各自变量之间的关系。

2.基于社交网络分析的网络舆情事件影响力（因变量）衡量。网络舆情事件发展演变过程实质上可看作是信息结合个人观点的传播过程，用网民关注变化阶段角度去划分可分为：潜伏期、爆发期、蔓延期、反复期、缓解期、长尾期（喻国明，李彪，2017）。在传播学看来，这六个阶段经历了舆情最初发酵的观点从大众媒介流向“意见领袖”，再流向不太活跃的人群，即信息先影响社会群体中的“意见领袖”，然后通过“意见领袖”将各自加工后的信息传递给他人（Weimann，1994）。在社交网络分析中，有向图每个节点的出度中心度均可用作衡量该节点所代表的社会成员向外部寻求联系的程度大小，反映在微博上，节点出度中心度越高该用户的活跃度越高，而活跃度高的用户能获得更高的关注度，具体体现在该用户联系人数量大且更容易获取他人跟帖互动（Huffaker，2010），使得其入度中心度也较高。因此，为衡量网络舆情事件在微博上的影响力大小，可借助社交网络分析中度数中心势的概念来表达。

度数中心势定义公式为：

该公式的含义是，先找出网络中节点最大中心度的值，再计算该值与其他节点中心度的差值，将这些差值累加起来后的总和去除以理论上各差值总和的最大可能值。度数中心势反映了图的中心趋势，即图的度数中心势越大该图向某点集中的趋势越明显，图中成员间的互动性越差，信息在成员间的传播越发不充分，从而信息的流动性差影响力有限，反之则影响力越大。因此，本文讨论的因变量为度数中心势的相反数，用来衡量网络舆情影响力大小。

3.自变量的选择。本文围绕网络舆情分析，从社交网络分析研究框架中选出4个指标作为模型的自变量，见表1。这4个指标中，出度中心度、中间中心度、互惠性是个体用户间微观层面的变量，网络密度是整个网络宏观层面的变量，将它们按微观和宏观两个层次展开分析。

四、实证分析

1.舆情事件回顾。本文研究对象为成都A校食堂安全问题事件。2019年3月12日起，网络爆出成都一学校食堂为学生提供霉变食物，多名家长到校维权被警方喷辣椒水并被采取强制措施。自媒体平台中，发霉食物图片和警民对峙视频广泛扩散，事件迅速发酵引发舆论风暴。对此，国家市场监管总局、四川省、成都市及事发地相关政府部门反映迅速，及时介入调查令舆情回缓。之后媒体持续关注事件背后利益链，第一批食品检测结果公布后事件热度持续。17日，成都市联合调查组召开新闻发布会，详细公布了调查情况、证据及视频材料，证实系有人蓄意造假，舆情反转再度引发舆论讨论。

2.数据分析。以新浪微博为平台收集该网络舆情事件相关数据，根据整个微博谣言转发关系构建含有428个节点的转发关系矩阵，形成该事件基于新浪微博的传播网络图。用HLM6.03 软件进行数据分析，计算结果如下。

五、结论与建议

从分析结果可以看出，在用户层次上出度中心度、中间中心度和互惠性与网络舆情影响力都具有正向关系。根据出度中心度、中间中心度的定义，这两个指标均可以刻画个别用户影响力大小，因此政府处理这类网络舆情事件时应注意发挥名人作用。而互惠性这个变量表达社交网络中成员间互动情况，其程度大小说明了成员之间“友情”深度。分析结果中互惠性与网络舆情影响力正相关，表明在社交媒体中虽然人与人之间的交往处于虚拟世界，但并不是简单的信息传递，而是带有相互支持，支持力度越大对舆论传播越有促进作用。政府应在日常网上沟通过程中，注意建立与网民的关系，加强互动，在网民中树立起良好形象，并注意加强与社会力量的合作，引入一些影响力较大的社会组织参与公共危机管理。目前，在新媒体快速发展的背景下，对网络舆情事件的处理，光靠政府一方发声、出力，力量是远远不够的，相较于政府来说，社会组织在自身身份、拥有资源上有自己独特的优势，利用它们的力量去引导舆情发展，既能有效缓解官民对立的矛盾，又可以提供一条新的话语渠道。

从整个网络层次分析看，网络密度与网络舆情影响力具有负向关系，说明网络密度越大，大家关注的点越集中，网络舆情事件的影响力越小。因此，政府在引导网络舆情事件过程中应注意及时权威发声，让声音集中起来消除民众心中的疑虑，防止事件迅速发酵，关注事件的民众越来越多，传播的范围更广，导致事件的影响力越来越大。同时，政府应注意加强对网络舆情的监测，建立一套有效的舆情预警机制，提前对有可能产生的网络舆情事件进行干预和引导。在成都市2019年政府工作报告中明确指出要持续推进网络理政，政府可将网络舆情管理与网络理政有效结合，通过网络理政平台提前发现潜在舆情风险，加强危机预警和研判，防范可能到来的网络舆情“黑天鹅”事件。

参考文献：

[1]刘 军.整体网分析讲义——UCINET软件实用指南[M].上海：格致出版社，2009

[2]喻国明，李 彪.社交网络时代的舆情管理[M].江苏：江苏人民出版社，2017

（作者单位：中共成都市委党校）