基于舆情当事人信息质量及群众信任阈值的观点演化研究*

魏 静 贾宇广 朱恒民 洪小娟 黄卫东

(1.南京邮电大学 管理学院 南京 210003；2.江苏省高校哲学社会科学重点研究基地—信息产业融合创新与应急管理研究中心 南京 210003)

0 引 言

随着互联网的迅速发展，各种网络社交平台成为人们接受信息、发表意见的主要渠道之一，但根据中国互联网发展状况统计报告中的另一项数据显示，我国网民群体的本科率大约在9.4%左右，著名社交网络平台微博的相关调查报告也指出微博用户的本科率在4%左右[1]。这就意味着参与舆情传播的个体在众多网络舆情信息中对信息的认知深度、识别能力还存在缺陷，容易在媒体或意见领袖的发酵下形成观点的分化现象，产生无法确定的演化结果。如果政府等相关部门不采取相应的措施对舆情问题进行及时的监督和调控，便可能引发观点极化现象，致使社会群体分化、社会矛盾激化、负面影响不断等后果，甚至引发大面积社会冲突，严重危害国家和社会的信息安全。

1 文献综述

为了更加深入研究观点的演化机制，早期的学者使用离散的观点动力学方程来拟合观点变化的规律。早在2006年，Grabowski和Kosiński创造性的使用物理中分子间的随机相互作用来类比为人与人之间的交流过程，形成了著名的伊辛模型[2]。随着研究的深入，学者们先后提出了投票者模型[3]、Sznajd[4]模型等。由于这些模型都将观点的取值空间划分为独立的点，所以统称为离散观点演化模型。但是离散的观点演化模型无法准确描述出实际情况中观点模糊态度，故学者们基于观点发生改变的条件，提出了有界置信模型，其中最为经典的便是HK模型[5]、DW模型[6]。因为有界置信模型形象的揭示了观点的变化规律，吸引了国内外学者在其基础上进行丰富的改进，扩大并优化了模型的使用场景。

一些学者开始在原始模型中加入媒体、意见领袖或政府等现实元素，研究模型的交互规律。Li等构建了一个媒体影响下的意见动态数学模型，通过研究发现媒体的参与会加速观点的传播。且当媒体的干预时间达到一定值时，群体对媒体意见的支持比例迅速上升，这是一次最佳干预时间[7]。朱晓霞等根据不同置信度将个体分划为意见领袖和跟随者，基于线上无标度网络和线下小世界的网络拓扑结构，验证了意见领袖对观点的聚合发挥着重要作用及完全跟随者对意见领袖的观点传播发挥极大作用[8]。

此外，也有研究者从环境的角度对模型进行改进，从宏观上探究舆论环境对观点变化的影响。李根强等使用物理学中熵的概念，衡量了舆论环境对个体观点的影响，通过仿真实验得出，信任阈值和个体自信度对网络集群行为主体的观点演化都存在正向影响，且群体异质性会影响观点聚合时间[9]。Cheng等利用意见气候的概念，构建了环境影响函数，研究发现了网络平台中存在的社交机器人能够影响网络意见的形成[10]。除此之外，还有一些学者从噪音环境的角度出发[11-12]，对有界信任观点交互模型进行了扩展。

为了弥补仿真模型对社会规则的刻画过于简单片面的缺点，学者们开始结合心理学理论对演化模型进行完善。Fan等从社会判别论的角度，探讨了由社会网络和广播网络组成的封闭系统中的集体言论演化[13]。王宁等以自我归类理论为依据，提出新的演化模型，通过研究得出对立群体人数的不同比例会导致多数群体内观点趋于平均化,少数群体趋于极端化[14]。 还有学者在模型中加入“有限占有”理论[15]、群体压力理论[16]、认知失调理论[17]等，伴随心理学的加入增强了模型演化结果的信度和效度。

综上所述，目前对有界置信模型的研究大多数是基于现实，提取出影响观点形成的关键因素，再结合相关理论知识来建立相应的模型，最后通过计算机仿真实验来探究模型的合理性。但是，为了进一步探究现实因素如何具体影响观点的演变，达到精准监控舆论的目的，本研究在相关文献的基础上，分析出了舆论的具体影响因素，构建了舆情当事人观点信息质量和群众接受阈值影响下的演化模型，从信息质量、干预时间、干预频率方面对模型进行仿真实验，从而验证模型的有效性。

2 模型构建

2.1经典Deffuant模型Deffuant模型早在2004年就被提出，属于有界置信模型范畴，用于研究意见的形成、演化、分裂和趋同。它从观点的连续性角度构建了交互模型，弥补了离散观点演化模型单一从正负对观点分类的缺点。

标准的Deffuant模型认为群体中包含N个个体，每个个体具有各自的观点值xi(i=1,2,…,N),且xi∈[0,1]，观点越接近0表示观点越消极，反之观点越积极。假设t时刻个体i和个体j相遇，若此时两者观点之间的距离小于等于一定的阈值时，即|xi(t)-xj(t)|≤ε，两者进行观点改变；若两者观点之间的距离超过该阈值时，即|xi(t)-xj(t)|>ε，两者观点保持不变。观点演化规则如下：

当|xi(t)-xj(t)|≤ε时

当|xi(t)-xj(t)|>ε时

在标准的Deffuant模型中，参数μ表示为观点差值的接受度，用来反映个体对自身观点的妥协度。一般地，μ∈[0,0.5]。当μ接近0时，表示个体的妥协程度较低，不容易听取他人意见；反之表示个体的妥协程度较高，更容易听取他人意见[18]。

2.2参数设定经典的Deffuant模型较离散型的观点演化模型可以更好地拟合现实中个体的交互行为，从而便于群体极化现象的研究[19]。在网络社交环境中，各种网络舆论事件的频繁发生，都吸引群众的广泛关注。其中关注度较高的舆情当事人所发布的意见，很大程度上会影响其跟随者的意见。为了深入研究舆情当事人对群众观点的影响作用，本研究将从以下三个方面进行改进。

2.2.1 增加每一时步观点交互者的数量 根据中国互联网络信息中心(CNNIC)2021年发布的第47次《中国互联网络发展状况统计报告》 ，截至2020年12月，我国网民规模达9.89亿，较2020年3月提升5.9个百分点[20]。并且现有网络社交平台中，多数存在大数据推荐算法等机制，使符合用户喜好或与用户观点相近的信息会主动涌现在用户周围，用户可以被动式接触到大量与自身观点相近的言论，同时在群体压力等心理效应的作用下进行观点更新。结合网民数量骤增以及舆论信息指数增长的特点，在前人研究的基础上[21]，每时步个体受周围多个观点相近个体的影响，改进了经典模型中只与单一个体进行观点交互的局限性。观点演化规则如下：

当|xi(t)-xj(t)|≤ε时

(1)

其中，n表示t时刻与个体i观点相近的个体数量。

2.2.2 定义个体对舆情当事人观点的接受度 互联网的普及与在线社交平台的发展，使得以文字、音频以及视频为载体的观点交互方式成为主流。其中，文字仍是主要的传达大众观点的方式之一。由于网络舆情的频发，加之社交媒体的发酵作用，舆情事件的当事人往往会迅速获得较高的关注度，其对舆情事件的意见和回应，更会对网民的意见产生直接影响。根据前人的研究也证实了当事人回应内容越偏激且论据不足均无助于平抑网民的负面消极情绪，相反，诚恳态度反倒一定程度上获得了民众的理解[22]，基于此本文将舆情当事人观点的信息质量进项量化，并设置为参数Q，且Q∈(0,1)。当Q趋近于1时，表示舆情当事人的信息质量越高，即态度较为诚恳、论据更为充分；当Q趋近于0时，则表示舆情当事人的信息质量越低，即语气较为敷衍、论据更为匮乏。

同时基于网民性格特征、教育程度的差异，以及对信息的接受能力不同，对舆情当事人观点信息会产生不同的理解，故引入个体的信任阈值ri，且ri∈(0,1)当Q

(2)

其中，κ为常数，t1为舆情当事人发出观点的时刻。

考虑到群体中大部个体对于信息的接受能力往往处于相近的水平，只有少部分拥有偏高或者偏低的接受能力。故设置信任阈值ri在0-1内服从正态分布可以更好拟合现实情况。同时在实际中，个体的信任阈值ri不应是一个恒定的常数，它会随着时间以及个体的文化程度等因素的改变而改变。但由于其具有较大的随机性,在大样本情况下会被均化,故建模过程中不纳入考虑。

2.2.3 引入时间衰减函数 在宏观角度上，任何舆论事件都伴有潜伏期、热议期以及衰退期。特别是在衰退期，舆情的影响力和扩散力都会逐渐减小[23]。在微观角度上，与普通个体的观点相比，舆情当事人的观点是经过深度思考而形成，因此其观点具有相对稳定性，在短期内不易改变。作为一种外部信息的表现形式，舆情当事人观点的影响作用亦不是恒定的[24]。所以当舆情当事人发声后，个体的接受度会随时间的流逝而降低，因此本研究结合牛顿冷却定律来体现个体对当事人观点接受度随时间的衰减效果，即：

λi(t)=λi(t1)*e-α(t-t1)

(3)

其中，α为衰减系数。

2.3模型构建综上所述，改进后的观点演化模型可用于设计如下两个阶段的观点交互中：

第一阶段，当舆情当事人未发声时，群众的观点根据公式(1)进行改变。

第二阶段，当舆情当事人发声后，结合公式(1)、(2)、(3)，群众的观点按照如下公式进改变：

λi(t)*[O(t)-xi(t)]

(4)

其中，O(t)表示观点当事人的观点。此外借鉴前人的研究，用[-1,1]的观点分布代替标准模型中的[0,1]分布[25]。

3 仿真实验

首先设置一个节点数N=100且拥有一定无标度性的网络，并且在之后仿真过程中使用同一个网络，同时设置固定分布的个体观点值和信任阈值，以此来保证实验的可比性。舆情当事人的观点固然会影响群体舆论的发展，但是其观点的信息质量将决定接受度，所以仿真实验将舆情当事人观点根据观点值绝对值的大小划分为中立观点和极端观点。当观点的绝对值越趋向于0时，其观点越中立；当观点的绝对值越趋向于1时，其观点越极端。并研究不同观点类型下，观点当事人信息质量不同、介入舆论时间不同，以及回应频率对群众观点变化的影响。

3.1舆情当事人信息质量与参与时间

3.1.1 舆情当事人持有观点较为中立 因为舆情当事人的观点较为中立，实验取其观点值O(t)=0。分别假设在信息质量为Q等于0.2、0.4、0.8时，舆情当事人在不同时间点t1参与舆情演化。当t

图1 舆情当事人观点值O(t)=0且信息质量Q=0.2

图2 舆情当事人观点值O(t)=0且信息质量Q=0.4

图3 舆情当事人观点值O(t)=0且信息质量Q=0.8

如图2所示，当事人观点的信息质量较为一般(Q=0.4)时，此时可以明显观察到群体中信任个体数量和怀疑个体数量差距较小。对比舆情当事人在t1=5时和t1=15时、t1=25时参与舆情演化，当参与时间t1=5时，群众的的观点会在t=30左右时，达成社会一致。而当参与时间t1=15和t1=25时，信任个体和怀疑个体的观点都会产生波动，并向舆情当事人观点聚集。但是由于此时舆论环境的逐渐形成，舆情当事人的观点的聚集效果会随当事人参与时间的推移而被削弱，结果分化为两条意见簇。这表明持有观点中立且信息质量较一般时，舆情当事人回应的时间越早，越有利于控制舆论的发展方向。

如图3所示，当事人观点的信息质量较高(Q=0.8)时，此时群体中信任个体数量远超过怀疑个体的数量。不论舆情当事人何时参与舆论事件，群众的观点最终都会与当事人观点达成社会一致。其中怀疑个体观点总会滞后于信任个体并逐渐趋近于0，体现了在群体压力的作用下，少数的怀疑个体的观点会与大众观点趋于一致。这表明持有观点中立且信息质量较高时，舆情当事人参与演化的时间对大众观点的聚合效果影响不大，但越早介入舆论演化，可以降低群体观点极化现象对网络公共安全造成的威胁。

纵向对比图1、图2、图3，在舆情当事人观点值较为中立且介入时间相同的条件下，观点的信息质量越高，越有利于群众观点向当事人观点靠近；同时，较高的信息质量，可以获取较多个体的信任，在其与舆情当事人的影响下，群众观点聚拢的速率呈逐渐增强的趋势。这表明论据越充足、语气越温和的回应内容，更加可以赢得群众的信任，从而快速汇聚群众观点与当事人的观点保持一致，使政府等部门达到理想的舆论调控效果。

3.1.2 舆情当事人持有观点较为极端 当舆情当事人的观点较为极端时，实验取其观点值O(t)=0.9。同样假设在舆情当事人信息质量Q等于0.2、0.4、0.8时，舆情当事人在不同时间点t1参与舆情演化，便于与当事人观点中立情况形成对比。当t

图4 舆情当事人观点值O(t)=0.9且信息质量Q=0.2

图5 舆情当事人观点值O(t)=0.9且信息质量Q=0.4

图6 舆情当事人观点值O(t)=0.9且信息质量Q=0.8

如图4所示，当事人观点的信息质量较低(Q=0.2)时，在t1=5舆情当事人作出回应后，与当事人观点相近的信任个体会在邻居非信任个体的影响下逐渐向其靠近。而在其他情况下，信任个体都会受到舆情当事人的影响，在一定时间内向当事人观点方向移动；但由于群体中怀疑个体的占比较大，经过有限时间的观点交互，最终会形成较为分散的两个意见簇。同时对比图1，当信息质量较低时，不论持有观点是中立还是极端，舆情当事人无论何时为舆论事件发声，对舆论的影响效果都不够显著。这表明在为舆情事件发声时，回应信息质量较低，会降低舆情当事人对群众观点的影响作用。

如图5所示，当事人观点的信息质量较为一般(Q=0.4)时，在舆情当事人加入后，与其观点相差较大的信任个体会立即向当事人观点方向移动，最终在与舆情当事人观点相差较小的怀疑个体影响下，使观点集中在0.65附近。而对于观点相差较大的怀疑个体受到舆情当事人观点的影响较小，不论当事人何时参与到舆论演化进程中，对其观点的影响作用都不够显著，最终都会演化形成相差较远的意见簇。对比图2可知，在观点信息质量一般的情况下，舆情当事人极端观点比中立观点更容易使群众的观点产生分歧，这不利于相关部门对舆论的引导。

如图6所示，当观点的信息质量较高(Q=0.8)时，群体中的信任个体占多数。在舆情当事人回应后，其观点会迅速向当事人观点方向收敛。但是当事人在t1=5时参与演化，最终连同怀疑个体会产生多条意见簇，观点聚合效果弱于t1=15和t1=25时加入的效果。这表明舆情当事人持有观点中立且信息质量较高时，可以选择在群众自由进行观点碰撞后再发表自身的观点，避免因观点收敛过快而导致的意见分化现象。同时对比图3也可知中立的观点相比于极端的观点更加容易被大众所接受。

纵向对比图4、图5、图6，随着舆情当事人回应信息质量的提升，在最终形成的稳定观点簇会越趋向于当事人观点。但不会和舆情当事人观点完全达成一致，这也体现了个体自身具有相对理智的特点，在听取极端的观点意见的同时，也会结合自身理性思考。启示了政府等相关部门在持有极端观点时，可以通过提升论据的丰富度以及态度的温和程度，达到引导舆论发展的作用。

3.2舆情当事人参与频率考虑到舆情当事人在一段时期内可能会多次参与到舆论事件中，为了研究舆情当事人发声频率与群众意见的影响作用，本研究选取了舆情当事人持有中立观点(O(t)=0)不变时，对以下两种情况进行仿真实验：a.舆情当事人每次发声时其观点的信息质量不发生改变。b.舆情当事人每次发声时其观点的信息质量发生改变。

针对两种不同情况，在仿真实验中设置相同的初始舆论环境，其中初始回应信息质量Q均为0.2。分别观察舆情当事人发表1次、2次、3次和4次自身观点后对群体观点方差的影响，且设置每次信息质量增加0.2，分别在不同参数设置下进行400次实验，计算出每次实验的观点方差后再取均值，结果如图7所示。

图7 舆情当事人参与次数对群众观点方差影响

图7结果表明，不论是否改变每次观点的信息质量，舆情当事人参与频率都会对最终舆论存在正向影响，但是结果的改变不是线性的。在不改变信息质量的情况下，参与两次比参与一次最终群众观点方差缩小0.0241；参与三次比参与两次最终群众观点方差缩小0.012，参与四次又较参与三次缩小0.009。可以得出随着当事人参与次数频率的增加，群众观点聚合的效果会降低。但对比两种不同的情况，若每次改变改变点的信息质量，会加快群众观点的收敛速度，同时聚合的效果也会随着频率的增加而降低。这启示了政府等相关部门在参与舆情、发表自身意见时，可结合自身实际情况选择适当的回应次数，并改善回应信息质量，从而提高引导作用的边际效益，减少公共资源的消耗。

4 模型验证

为了验证本研究中所提出的改进后的Deffuant模型是否能反映现实，具有科学性和合理性，本节选取了“浙江财经大学东方学院转设职业大学”事件为研究案例，通过对比分析仿真数据和真实数据对改进后的Deffuant模型进行检验。

早在2021年5月26日，在微博平台上已经有用户提出“浙江财经大学东方学院是不是要和经贸合并成职业大学了”的言论；从6月4日到6月6日前，网络上关于“浙江财经大学东方学院转设为职业本科”话题的讨论度激增；在6月6日上午8点21分，浙江财经大学的官方微博正式发布了“浙江财经大学不会转设合并为职业大学”的公告；从公告公布至6月16日，微博平台上对于此话题的讨论度逐渐衰退。纵观此话题的发展历程与本研究中观点的演化规律相似，故选取该案例作为数据源。

首先，爬取了“浙江财经大学东方学院转设”话题中422条数据，时间跨度为2021年5月26日至6月29日。经过对数据的清洗和预处理后共得到367条微博数据，使用PYTHON中的Snownlp库对清洗后的数据进行情感打分。由于受到现实因素的限制，不可能对所有用户的观点进行实时记录，因此本研究通过Excel计算出每一时步方差来反映群体观点的分布和演化情况；并根据事件特征对参数进行设置，对改进后的模型进行仿真，对比相同时步下经典Deffuant模型、改进后的Deffuant模型以及真实数据中观点方差的演化结果，结果如图8所示。

图8 群体观点演化对比图

如图8所示，案例方差数据和本模型的模拟演化方差数据较为接近,都在T=35时方差均趋向于0，而案例方差数据与传统DW模型演化方差数据和趋势差别较大，反映了在添加因素后，有效地提高了模型的准确性。由于微博用户以学生和年轻人为主，故在浙江财经大学发布公告前，网络舆论环境会更偏向于学生的意见表达和利益维护，与理想化的仿真数据相比，初始话题的观点会相对集中；而在舆情当事人发表了高质量的观点后，方差也随时间的流逝而减小。总体上改进后模型的演化趋势与现实数据类似，说明了改进后的模型在一定程度上可以反映现实。

5 研究结论

本文提出了一个群体舆论演化模型，将舆情当事人观点的信息质量建模为一个变量，并嵌入到经典的有界置信模型中。通过计算机对比实验探讨了舆情当事人观点的信息质量不同、参与时间不同、回应频率不同对群众观点演化的影响。

实验表明：第一，不论舆情当事人持有何种观点，其信息质量都会影响舆论的发展状况。其中支撑度越高、态度越温和的观点，越容易影响公众的舆论走向。第二，针对不同情况，舆情当事人应选择不同的时间点介入舆论演化，从而达到最好的引导效果。若舆情当事人持有观点中立且信息质量较为一般时，要尽早介入舆论的演化，控制舆论走向；若舆情当事人持有观点极端且信息质量较高时，可选择在大众观点进行一定碰撞后再进行发声，有利于提升舆论引导效果。第三，舆情当事人观点发布频率对最终舆论存在正向影响。随着频率的增加，群众观点的汇聚效果会逐渐减弱；但随着信息质量的增加，会提升观点的聚合效果。

为了更准确的研究舆情当事人观点信息质量的影响机理，未来可以对该模型从以下方面进行改进：一是可以从更多的维度对信息质量进行衡量，以深入探讨信息对公众舆论演变的影响；二是可以收集更多的实证数据来优化仿真模型。