基于SNA的涉民族因素网络舆情传播网络的结构特征分析——以昆明“3.1”暴恐事件为例

刘国佳 李玟玟 韩 玮工程师 陈 安研究员

(1.中国科学院大学，北京 100049；2.中国科学院大学 公共政策与管理学院，北京 100190；3.中国科学院科技战略咨询研究院，北京 100190；4.中国电子科技集团公司发展战略研究中心，北京 100041)

0 引言

近年来，在我国社会转型过程中，社会矛盾不断激化，涉及民族因素的社会矛盾尤为突出，与其相关的突发事件和热点事件成为社会各界关注的话题，从而也成为互联网上经常出现的热点舆情话题。例如2008年发生在西藏的“拉萨3.14事件”、2009年发生在新疆的“乌鲁木齐7.5事件”、2012年12月3日发生在湖南岳阳的“天价切糕事件”等。涉民族因素网络舆情事件的发生考验政府的社会治理水平。一方面，在涉民族因素网络舆情事件发生时，会引起社会各界的广泛关注，在一定程度上推动政府听取民意，维护民族团结；另一方面，由于舆情信息的不对称，涉民族因素网络舆情事件的发生容易滋生谣言，引起社会恐慌，影响民族关系的良性发展。因此，把握涉民族因素网络舆情的传播结构和趋势，增强应对能力，是具有实际价值的研究问题，也可以进一步为涉民族因素网络舆情的有效治理提供优化对策。

1 相关研究评述

1.1 关于涉民族因素网络舆情的研究

在学术研究上，目前学界已先后提出“边疆民族地区网络舆情”“涉民族因素网络舆情”“民族地区地方政府网络舆情”等多个概念，并从政治学、民族学、社会学、公共管理学等多学科角度进行分析，主要有以下几个方面：

第一，涉民族因素网络舆情概念演进的研究。梁春阳[1]认为少数民族地区网络舆情是具有特殊性和紧迫性的公共危机；与此观点类似，刘建华[2]同样认为边疆民族地区网络舆情危机属于公共危机的范畴；洪伟[3]认为网络民族舆情是指在互联网上对民族问题发表各种观点的网络舆论，是社会舆论的一种表现形式；张春华[4]从社会学角度出发，认为网络舆情中的民族因素具有被标签化、跨地域性、工具性、意识形态化等特点，使得涉民族因素的网络舆情具有敏感性和不确定性；张丽君等[5]对“网络民族主义”的范围进行重新思考和定义，对“互联网”和“民族”的细化进一步加深对涉民族因素网络舆情概念的理解。

第二，涉民族因素网络舆情对民族关系产生影响的研究。雷振扬等[6]认为网络舆论对民族关系具有推动作用，民族关系现状又对网络舆论有重要的导向作用；洪伟[3]认为网络民族舆情对民族关系具有现实影响；张劲松等[7]认为涉民族因素的网络舆情反应民族关系现状，对网络舆情进行情感分析是民族关系监测预警的重要部分。

第三，涉民族因素网络舆情特点及治理的研究。王国华、曾润喜、陈强等[8-10]以案例分析的方法总结涉民族因素网络舆情传播特点并提出治理策略；寇鸿顺等[11]提出应该采取不同策略对涉民族因素网络舆情进行分类管控；刘建华和陈果[12-14]分别从民族特性、社会怨恨情绪、危机管理范式等角度提出对边疆民族地区网络舆情治理的启示；陈建英和龙晔生等[15-16]认为应该从技术层面发力；严庆等[17]以群体极化视角揭示涉民族因素网络舆情传播的规律并提出治理策略。

1.2 关于社会网络分析在网络舆情中的应用研究

“社会网络”是由作为节点的社会行动者(Social Actor)及其间的关系构成的集合，社会网络分析(Social Network Analysis，SNA)是以图论和矩阵法等来表达社会关系属性的一套理论体系[18]。关于SNA在网络舆情中的应用研究主要集中在以下几个方面：

第一，网络结构特征的研究。汪婧等[19]以江苏响水“3.21”爆炸事故为例，对其内部结构特征进行刻画；成俊会等[20]以“于欢案”为例，研究该事件不同传播阶段的网络结构特征；张云等[21]以“6.23国乒罢赛门”为例，揭示体育突发事件网络舆情的传播结构特征；张力元[22]对上海外滩踩踏事件进行社会网络分析，得出网络舆情中的位置角色特征和整体结构；赵金楼等[23]以“4.20四川雅安地震”为例，研究该事件微博舆情传播的网络结构特征。

第二，网络舆情监控、引导的研究。熊昊文[24]以“昆山震川路砍人事件”为例，从不同主体应该如何有效引导舆情提出建议；贾菲菲[25]以“魏则西事件”为切入点，对我国突发事件网络舆情的应对和引导策略进行分析；贾慧真[26]以2016年“武汉暴雨事件”为例，研究各主体在网络舆情治理中的角色、行为、影响，提出相关对策建议。

第三，网络关键点识别的研究。彭丽徽等[27]以新浪微博“8.12滨海爆炸”事件为例，运用SNA与模糊TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution )对网络舆情关键节点进行识别和分类；谭雪晗等[28]以4件重大事故灾难为例，提出以关键节点为中心的事故灾难舆情治理策略。

第四，网络舆情动态演变的研究。吴少华等[29]以天涯论坛“华南虎事件”为例，揭示网络动态演化的特征和规律；逯万辉[30]采用基于时间序列的SNA方法，以“山东非法疫苗案”为例，分析该事件的演变情况和舆情传播网络的关键节点。

1.3 研究评述

综合以上研究可以得出：一方面，学术界对涉民族因素网络舆情的研究，既有从舆情学本身以及新闻学、传播学等视角进行分析，也有社会学、心理学等诸多其他学科领域的研究成果，还有实践领域的政务微博管理、新闻发言人制度等方面的探索，这都为涉民族因素网络舆情治理的研究提供良多参考。但是较少有学者关注涉民族因素网络舆情治理的特殊性，对涉民族因素网络舆情的内在结构特征缺乏系统探索，案例研究也多属于简单的案例描述，没有采用相关的定量工具，无法从整体上了解涉民族因素网络舆情的全貌。

另一方面，关于SNA方法在网络舆情中的应用研究已经比较成熟，相关方法在对各类网络舆情事件进行研究的过程中扮演着重要角色，其不仅可以从静态上刻画网络舆情事件的内在结构、关键点识别，还可以从动态上探究网络舆情事件的发展和演变，对网络舆情的监管和引导也可以提供有益借鉴。然而，SNA方法在与民族因素相关的网络舆情中的应用研究却寥寥无几。以中国知网为例，通过相关关键词“民族舆情”“社会网络分析”“SNA”只检索到一篇论文，即“基于SNA的媒体结构特征研究——以边疆民族地区30件舆情事件为例”[31]，该篇文章运用SNA研究边疆民族地区的30件舆论事件，而“涉民族因素”与“边疆民族地区”这2个概念并不相同，该篇论文所构建的“事件—媒体”二模矩阵更加侧重于事件与媒体之间的关系结构。本文则以昆明“3.1”暴恐网络舆情事件整个过程为全貌，探究其内在网络结构特征，并从多主体视角为涉民族因素网络舆情健康发展提供优化对策。

2 昆明“3.1”暴恐事件网络舆情的社会网络分析

2.1 案例回顾与舆情传播过程

昆明“3.1”暴恐事件是指2014年3月1日发生在云南省昆明市昆明火车站的一起社会安全事件，此案共造成31人死亡、141人受伤。该起事件同时在网络上引发巨大的舆论关注，媒体、政府、微博红人、普通用户等分别在新浪微博平台发表事件相关的新闻、评论等信息。本文在百度指数官网中以关键词“昆明暴恐”进行检索，获取到昆明“3.1”暴恐事件的搜索指数变化图，如图1。

图1 昆明“3.1”暴恐事件百度搜索指数变化图Fig.1 Changes in Baidu search index of Kunming "3.1" violent and terrorist incident

从图1可以看出，该话题的百度搜索指数从2014年3月1日晚上开始出现并迅速上升，在3月2日达到最高值30 000左右，从3月3日开始缓慢下降，到3月5日到达此次舆情事件百度搜索指数的平均值5 922，一直到3月15日舆情事件逐渐平息。可以发现该起舆情事件的发生周期较短。另外，该事件存在舆情的替换效应[32]，随着2014年3月8日马航事件的发生，昆明“3.1”暴恐事件的网络舆论逐渐被分化，直至慢慢消失。

2.2 数据来源与处理

本文以昆明“3.1”暴恐事件作为研究案例，选取新浪微博作为舆情数据源，采集时间段为2014年3月1日-15日，使用八爪鱼采集器，在新浪微博搜索框中输入“昆明暴恐”关键词来采集热点数据。针对采集到的节点数据，根据微博用户的名称和相关认证信息将微博用户分为6类，见表1。首先，对所获取的数据按照转发量进行排序，选取前10名微博用户作为初始节点，转发量从大到小分别为：央视新闻(196 320)、头条新闻(38 457)、人民日报(37 930)、上官曌(10 613)、人民网(4 833)、中国警方在线(4 257)、云南网(4 050)、昆明市长(3 929)、中国新闻网(2 492)、新京报(720)；其次，使用滚雪球随机抽样的方法，在与每个初始节点建立关系的节点中随机抽取10个节点，需要注意的是，将微博中的评论、转发行为视为节点间的信息交互而建立关系，此外，如果微博用户之间存在关注的行为，也视为两者之间存在关系，由此共得到100个二级节点；最后共滚出2批调查样本，得到110个节点。

表1 微博用户分类说明表Tab.1 The classification description table of Weibo users

续表

本文通过邻接关系矩阵来表达节点之间的关系，并采用无向二值网络拓扑图来呈现网络关系。例如，如果节点A与节点B之间存在转发、评论或关注的行为，则A与B之间的关联记为1，并存在一条关联边；如果节点A与节点B之间不存在转发、评论或关注的行为，则A与B之间的关联记为0，不存在关联边。最终得到110×110的行动者互动关系二值矩阵模型，将关系数据导入Ucinet6软件中进行可视化，生成昆明“3.1”暴恐事件舆情传播网络的拓扑图，如图2。

图2 昆明“3.1”暴恐事件舆情传播网络拓扑图Fig.2 The network topology of the public opinion dissemination of Kunming "3.1" violent and terrorist incident

图2是根据节点的度数中心度所生成的，节点越大，表示该节点的度数中心度越大，与其他节点之间的互动关系越频繁，也就越处于整个网络的核心位置。从图2可以看出，人民日报、央视新闻、头条新闻等节点的形状较大，在网络中处于核心位置，对网络舆论的发展态势起到更重要的作用。为更加细致地探究整个舆情传播网络的结构以及各个节点之间的关系，本文将参考SNA方法为网络结构特征分析提供的多类指标，主要从网络的整体结构、中心性、位置角色这3个角度进行细致的测量和分析，具体测量指标及解释，见表2。

表2 基于SNA的舆情传播结构特征测量指标Tab.2 The measurement index of public opinion dissemination structural characteristics based on SNA

2.3 网络整体结构分析

2.3.1 网络密度测度分析

网络密度是SNA中的一项测度指标，衡量整体网络中各节点之间的紧密程度和信息、资源的平均互动程度。网络密度的取值范围一般在0～1之间，在其他指标不变的情况下，各节点之间的关系越密切和频繁，网络密度的数值就越大。昆明“3.1”暴恐事件舆情传播网络是无向二值关系网，当网络中行动者的数量为n，那么网络中包含的关系数量在理论上的最大可能值是n(n-1)/2，实际关系数量为m，网络密度D[18]为：

D=2m/[n(n-1)]

(1)

利用Ucinet6软件可以计算出昆明“3.1”暴恐事件的舆情传播网络的整体网密度为0.072，在110个行动节点间建立866个连接关系。表明该事件的整体网络密度较低，说明样本用户间的转发、评论、关注等交互行为不够频繁，舆情信息交流不够紧密。究其原因可能在于：一是部分微博用户之间存在权限设置，限制用户之间的互动行为；二是非活跃用户作为传播中介时可能导致部分舆情信息被切断。需要指出的是，不够紧密的舆情传播网络可能会导致舆情信息传播不对称，从而滋生网络谣言，应更加注重舆情的监测。

2.3.2 小世界测度分析

崔弗斯和米尔葛伦通过小群体实验，得到一个著名论断：“世界上任何人之间都通过大约6步就可以建立联系”，因此，整个世界是小世界[18]。小世界分析是指如果网络中任何2个节点可以在不超过6个中介之间进行联系，则说明整个网络具有小世界效应。它反映节点之间信息和资源交换的互动程度和速度，通常用聚类系数和途径长度均值来衡量。

利用Ucinet6软件计算出昆明“3.1”暴恐事件舆情传播网络的聚类系数。其中根据局部密度计算出来该事件聚类系数为0.841，根据传递性计算出来该事件聚类系数为0.215。

利用Ucinet6软件计算出昆明“3.1”暴恐事件舆情传播网络途径长度均值。可以得出，距离是2的情况出现了8 430次，占总数的70.3%，这说明绝大多数节点之间的距离是2。途径长度均值为2.2，表明节点间通过2-3个中介点即可进行信息交互，数值小于6，意味着该网络具有小世界现象，网络中信息流动速度较快、转移率较高。

2.4 中心性分析

中心性能够对行动者在网络中的权力进行量化分析，权力既反映核心行动者对边缘行动者的控制力和影响力，又反映边缘行动者对核心行动者的依附度。

2.4.1 度数中心度测度分析

(绝对)度数中心度是指与某个网络节点直接相连的其他节点的数目，表示行动者的信息接收或传播能力。如果某点具有最高度数，则称该点居于网络中心，拥有权力，测量度数中心度是根据与该点直接相连的点数，并不考虑间接相连的点[18]。利用Ucinet6软件测得该事件的度数中心度，并选取前20名网络节点，见表3。

表3 度数中心度前20名Tab.3 The top 20 of the degree centrality

从表3可以看出，“人民日报”度数中心度的值最大，意味着该节点与其他节点之间建立的联系最多，关系最为紧密，处于网络中心位置，对其他节点影响最大。从用户类型角度看，前6名均为媒体用户，说明媒体用户处于网络核心位置；此外前20名还包括5个政府单位用户，表明其作为权威平台信息交互能力也比较强，并具有较高的影响力。值得注意的是排在第10名的为在事件发生初期亲历现场的普通用户，表明在涉民族因素网络舆情发生过程中，普通民众也逐渐出现在大众视野，得到一定程度的关注，但总体来说，前20里只有2名普通用户和1名微博红人用户，其他类型的普通民众和微博红人发挥的作用仍然有限。

2.4.2 中间中心度测度分析

如果很多人要想建立联系必须要经过某个人，则可以认为此人居于重要地位，因为“处于这种位置的个人可以通过控制或者曲解信息的传递而影响群体”，衡量这种“重要地位”的测量指标就是中间中心度[18]。中间中心度的数值越大，节点对舆情信息的控制能力越强，也就具有更大的权力和影响力。通过Ucinet6软件测得该事件的中间中心度，并选取前20名节点，见表4。

表4 中间中心度前20名Tab.4 The top 20 of the betweenness centrality

根据表4可知，“人民日报”的中间中心度最高，“头条新闻”“央视新闻”“人民网”等网络节点紧随其后，表明这些媒体用户在涉民族因素网络舆情领域具有一定话语权，对信息资源的掌控能力更强，在整个舆情传播网络中最能起到“桥”的作用，可以通过自身来改变舆情传播态势。需要注意的是，在110个节点中中间中心度为0的达68个，这部分节点普通用户占据多数，表明普通用户不仅处在网络边缘位置，而且在舆情传播过程中基本不具备桥梁作用，难以影响其他行动者。在对信息资源的控制力方面，普通民众较其他主体弱势很多。

2.4.3 接近中心度测度分析

除上述介绍的度数中心度、中间中心度之外，还有一些刻画点的权力的指标。一个点越是与其他点接近，该点在传递信息方面就更加容易，因而可能居于网络的中心，这就是“接近中心性”思想[18]。如果一个节点与网络中其他节点最短距离的总和数值较小，那么这个点在信息接收、发布等方面比较有优势，也更有可能处于网络的中心位置，有更强的权力和声望。通过Ucinet6软件测得该事件的中间中心度，并选取前20名节点，见表5。

表5 接近中心度前20名Tab.5 The top 20 of the closeness centrality

从表5可知，“人民日报”的接近中心度最小，意味着该节点与其他节点之间的距离相对较小，在获取信息方面更容易，同时其发布信息的过程对其他节点的依赖度较低，舆情信息交流能力较强。从用户类型看，媒体、政府单位的接近中心度较小，在舆情传播中处于优势地位。值得注意的是，在接近中心度前20名中有4名普通用户，表明部分普通民众对涉民族因素网络舆情信息的关注度较高，对信息的接收和传递能力也有所提升。

2.5 位置角色分析

在涉及民族因素网络舆情形成与发展的过程中，存在普遍的群体极化效应[33]，而负向群体极化效应不利于舆情发展。进行舆情网络内部的位置角色分析，有助于探索行动者之间的关系结构，找出舆情小群体和意见领袖。

2.5.1 核心—边缘结构测度分析

核心—边缘结构是指在网络中存在的核心用户关系密切、边缘用户关系松散的一种网络结构。在涉民族因素网络舆情网络结构测度中，核心—边缘结构可以明确哪些行动者处于“核心”“边缘”地位，并且找到他们之间的关系。位于核心区的用户之间关系紧密，形成网络内部小群体；位于边缘区的用户之间关系松散，但是他们与核心区的用户之间存在联系。通过Ucinet6软件对该事件舆情传播网络进行核心—边缘分析，见表6。

表6 昆明“3.1”暴恐事件舆情传播网络核心-边缘结构Tab.6 The core-periphery structure of the public opinion disseminationnetwork of Kunming "3.1" violent and terrorist incident

从表6可知，Core群体为核心行动者，主要以媒体和政府单位用户为主体，包括一个普通用户“上官曌”和一个微博红人用户“陕西任战鹏”。行动者之间联系紧密，处于网络的核心位置；Periphery群体为边缘行动者，主要以普通用户为主体，子群内联系很少，一些节点间甚至无联系。核心行动者内部间的联系最为亲密，也就是说媒体和媒体、政府单位用户和政府单位用户、媒体和政府单位用户之间联系紧密，组成舆论信息交流的小团体，但是其与大部分普通用户之间建立联系的意愿较低，大部分普通民众处于信息闭塞和信息不对称的状态中。只有当普通用户(上官曌)和微博红人用户(陕西任战鹏)受到其他用户的大量关注，依靠自己的舆论影响力处于网络中心位置后(两者的度数中心度、中间中心度、接近中心度均位于前20名)，其才有可能进入核心行动者群体中。

2.5.2 结构洞测度分析

美国学者伯特[34]认为，结构洞是用来表示2个关系人之间的非冗余关系。常用有效规模(Effsize)和限制度(Constrain)来测度。有效规模是指网络节点间存有的非冗余关系的数量，其值越大，网络节点越处于核心区域，结构洞存在的概率就越高；限制度是指网络节点间存有的阻碍数值，其值越小，该行动者越不易受控制，更易获得资源，具有更多的结构洞。通过结构洞分析可以找到舆情网络中执掌“控制权力”和“信息中枢”的行动者，即主导舆情的意见领袖。运用Ucinet6软件对该事件舆情传播网络进行结构洞测量，见表7。

表7 结构洞测量结果Tab.7 Structural hole measurement results

续表

从表7可以看出，“人民日报”的有效规模值最大，并且限制度值最小，表明在涉民族因素网络舆情中，该节点最不易受控制且掌握更多的信息资源。从用户类型看，媒体和政府单位用户总体上呈现出高有效规模与低限制度，表明该部分节点处于信息中枢，拥有较强的舆情引导能力；大部分普通用户和微博红人呈现出低有效规模和高限制度，表示他们易受其他行动者支配，不仅拥有较弱的舆情引导能力，甚至难以拥有自主性。

3 建议

(1)优化涉民族因素网络舆情信息的传播环境。由于整体网络具有高度连通性，且网络中存在明显的小世界效应，网络节点间的平均距离较短，因此网络行动者之间信息和资源的交换速度较快。为此，管理者应积极营造良好的舆情环境，避免负面舆论群体极化现象的产生。

(2)建立核心行动者与边缘行动者之间良好的互动关系。通过核心—边缘分析可以看出，边缘行动者与核心行动者之间存在联系，他们掌握舆情信息资源，然而这种联系是单一、匮乏的，容易导致信息不对称的情况出现，加大监管难度，且边缘行动者的不良聚集行为很难被察觉和管理。因此，管理者应加强涉民族因素网络舆情的预警和监管工作，建立核心行动者与边缘行动者之间良好的互动关系，预防边缘行动者的不良聚集效应。

(3)重视普通用户中的事件亲历者在涉民族因素舆情网络中的正向引导作用。通过SNA得出，拥有良好舆论话语能力的普通用户中的事件亲历者容易处于舆情网络的核心位置，掌握信息资源，影响舆论导向。为促进涉民族因素网络舆情的良好发展，应充分重视此类主体，在第一时间对此类主体进行监管和引导。

(4)重视主流媒体在涉民族因素网络舆情中的“脱敏作用”。通过SNA可以看出，主流媒体用户是舆论场中的意见领袖，掌握丰富的信息资源，影响其他行动者的舆情传播行为，具有较高话语权。因此，主流媒体应该及时、准确发布舆情信息，引导舆情走向，避免发布不实信息。在舆情网络中发挥主导作用，及时关注涉民族因素网络舆情事件，引导公众积极讨论、发表观点。树立客观公正的媒体形象，真正占据舆情网络的中心位置，为事件“脱敏”贡献力量。

4 结论

对涉民族因素网络舆情的传播网络结构进行分析有助于把握此类舆情的传播特征和趋势，为舆情的正确引导和有效应对提供参考，本文以昆明“3.1”暴恐事件为例进行社会网络分析，得出以下结论：

(1)该涉民族因素网络舆情事件的舆情传播网络连接程度高，动态交互低。此网络中的110个节点组成866对连接数，用户间具有高度的连通度，且关系较复杂。节点间具有小世界效应，途径长度均值为2.2，用户间的信息和资源交换速度较快。但是网络整体密度偏低，用户间的动态交互频率低、关联不够亲密，行动者之间难以达成统一的观点。

(2)涉民族因素网络舆情事件的舆情传播网络中出现两极分化现象。媒体用户和政府单位用户在网络中始终处于核心位置，对于舆情信息的传播和控制处于主导地位。以上2类用户本身拥有丰富资源，可进一步强化其在舆情网络中的权力和地位。而大部分普通用户自身资源匮乏，处于网络的边缘位置，进一步弱化其在舆情中的话语权。

(3)在涉民族因素网络舆情事件的舆情传播网络中，从民族因素相关突发事件导致的网络舆情事件，普通用户中的事件亲历者也会受到较高关注，特别当该普通用户具有较高的舆论话语能力，更加容易导致其处于舆情网络的核心位置。同时，普通用户中的事件亲历者也同媒体用户和政府单位用户一样，拥有较高的舆论话语权。因此，此类主体也成为网络舆情监控、治理的重要部分。

(4)涉民族因素网络舆情与常规网络舆情的区别表现在：话题中常常包括一些涉及民族、宗教、涉外、历史事件的敏感话语，起因通常是现实中的相关突发事件。在此类突发事件发生后，由于主流媒体(人民日报等)具有较高的权威性和公信力，它们的介入客观上具有某种“脱敏”效应，能够将该事件“公之于众”，激发公众的讨论热情，也使事件的敏感度下降。

本文基于SNA对涉民族因素网络舆情典型案例进行结构特征分析，通过案例详细剖析此类舆情的传播网络结构特征，将民族因素与网络舆情相结合，将民族舆情与SNA方法相结合，拓展了涉民族因素网络舆情的研究范围，补充了研究方法。此外，本文也存在一定局限性，例如单一案例研究可能无法充分体现涉民族因素网络舆情的结构特征全貌，SNA不能从本质上体现此类舆情的内在机理。未来还应该对涉民族因素网络舆情进行多案例比较研究、内在机理分析，以及相应的治理机制探索。