突发公共事件网络舆情反转强度生成机理研究*——基于多案例的fsQCA分析

李晚莲 蒋 化 曾 锋

(1.湖南农业大学公共管理与法学学院 长沙 410128;2.中共广东省委党校应急管理教研部 广州 510053)

突发公共事件由于其突发性和强破坏力，往往会引发复杂且变幻莫测的网络舆情。突发公共事件网络舆情反转一定程度上是对事件真相的还原，起着事实纠偏的作用。但高强度的网络舆情反转容易带动公众情绪的极性变化，易诱发公众的非理性情绪，因此需警惕具有显著危害性群体舆情的形成。同时，政府作为突发公共事件处置的重要主体，高强度的网络舆情反转有时会直接影响公众对政府的公信力评价和公众的社会信任感知。研究突发公共事件网络舆情反转强度生成机理，有助于帮助政府理清突发公共事件高强度和低强度反转的成因及两者生成之间的差异，从而对舆情反转强度有整体把控，最大程度减少网络舆情反转带来的损害，提升政府的舆情引导能力。

1 研究基础与问题提出

目前对于网络舆情反转的研究，主要集中在：一是对于反转成因及其影响因素的研究。从事件本身因素来看，有学者认为相互冲突的新闻，消息的传播影响了团体的意见[1]，也有学者认为事件性质、报道倾向、报道形式、首发平台,以及事件与网民相关度等因素会影响网络舆情反转过程[2]。从外部环境因素来看，公众惯性思维、信息碎片化、平台为博取流量虚构新闻导致了网络舆情反转[3]。对于网络舆情反转因素的研究是对舆情反转的初步认知；二是有关舆情反转的过程机理研究。例如Jiang等基于流行性传播构建了两阶段的SPNR模型来分析舆情反转过程[4]。张晓鹏将网络舆情反转分为暗流期、沸点期、波动期、消融期四个阶段[5]。将舆情反转过程细分有利于在舆情各个阶段掌握其特点从而采取针对性措施；三是对于舆情反转的预测研究，有学者构建了网络舆情反转G - GERT网络模型,通过多指标识别预测出舆情反转的关键节点[6]，王楠等人设计并改进了SMOTE算法，建立了基于神经网络集成学习的舆情逆转预测模型[7]，夏一雪等构建了基于微分方程的网络舆情反转机制模型[8]。反转预测模型一定程度上能够预测舆情反转的发生，在反转发生之前采取预防措施以减少反转带来的损害。还有学者将定性与定量相结合，采用定性比较分析(QCA)方法对网络舆情反转现象进行研究，主要是探究反转新闻的发生机制[9]、反转新闻的舆论生成机制[10]或反转成功与否的组合路径[11]。

由上述分析可知，在研究内容上，关于网络舆情反转的影响因素、反转舆情演变已经取得一定研究进展，但是鲜有对于网络舆情反转强度的研究、各种影响因素之间对于反转强度生成的影响差异和路径的研究成果。在方法选择上，多以观点陈述或单案例的定性研究，亦或以舆情反转预测模型构建辅以案例仿真的定量研究为主，以网络舆情反转机理为研究内容的定性与定量相结合方法大多是基于舆情反转的发生或不发生，少有对舆情反转强度高低的评价。在研究目的上，对于舆情反转的研究集中在减少这一现象的发生，但是舆情反转很多时候是对真相的澄清，应用辩证的眼光去看待，避免过强的反转引起负面影响。事实上，近年来发生的突发公共事件网络舆情反转现象，部分事件的反转强度较大，舆情热度呈指数式上升甚至在短时间内产生多个舆情高峰，网民情绪在反转前后波动较大。而部分事件的舆情反转强度相对较小，舆情热度变化比较平缓，网民的情绪波动较小，这些不同反转强度的舆情因何产生又如何产生？探究构建突发公共事件网络舆情反转强度影响因素测度的指标体系,进行关键影响因素的识别和生成机理研究，提出在突发公共事件网络舆情反转的首发阶段、发酵阶段、反转阶段能够采取的适当治理措施，为进一步完善突发公共事件网络舆情治理研究提供理论参考。

2 研究方法与设计

2.1 研究方法

模糊集定性比较分析是基于布尔代数，将定量与定性相结合，可解决复杂因果关系中整体视角的多种合理组态的研究方法[12]。较为常见的有清晰集、模糊集、多值集3种操作方法，目前清晰集和模糊集运用得比较广泛。从组态视角分析突发公共事件网络舆情反转强度是如何生成的，收集15个突发公共事件网络舆情反转案例，结合现有研究观点，选取7个具有代表性的前因变量，研究突发公共事件网络舆情反转强度生成的组态和路径。

2.2 变量选取

PPRR理论是危机管理应用比较广的理论，该理论将危机管理分为危机前预防(prevention)、危机前准备(preparation)、危机爆发反应(response)和危机结束恢复(recover)4个阶段[13]。网络舆情反转的发展也相应经历以下四个阶段：首发阶段、发酵阶段、反转阶段与平息阶段[14]。本研究将围绕首发阶段预防、发酵阶段准备和反转阶段反应来进行分析。同时，近年来社会燃烧理论被广泛应用于舆情传播研究中[15]，如彭国超将“社会燃烧理论”运用于舆情反转研究[16]。社会燃烧理论是我国学者牛文元院士在研究社会危机中所提出的社会物理学理论。他认为自然界中的燃烧现象，既有物理过程也有化学过程，燃烧需要具备的3个基本条件，也就是燃烧物质、助燃剂、点火温度(导火索)缺一不可。网络舆情的反转可以看作是一次“物理燃烧”过程，而反转强度则是燃烧物质、点火温度、助燃剂所促成的火势大小现象。结合燃烧理论与PPRR理论，本研究认为首发阶段为舆情反转埋下种子，其中事件热度和首发平台为燃烧物质，为舆情反转奠定基础；政府干预、网媒报道量、公众关注度为助燃剂，发酵阶段涉及到政府、媒体、网民三方利益主体，他们之间交互行动的热烈程度为舆情反转储备蓄力；反转阶段中反转时差、反转归因为点火温度，直接触发舆情反转并影响反转舆情峰值的高低。燃烧物质、助燃剂和点火温度三者之间的相互作用共同决定了反转强度大小，由此构建了突发公共事件网络舆情反转强度的影响因素分析框架，如图1所示。

图1 突发公共事件网络舆情反转强度分析框架

2.2.1条件变量选取

a.事件热度。事件热度作为衡量突发公共事件网络舆情反转的重要指标,其高涨程度随着事件发展态势的演变而变化,反映舆情系统内部各构成要素间的协调与平衡[17]，事件的热度越高，舆论场的占比越高，公众、政府、媒体的关注度就越高，舆情高强度反转的可能性越大。本研究选取“知微事见”中的事件影响力指数(将事件在自媒体和网络媒体中的累积传播效应相加，归一化为0～100之间的指数)来衡量事件热度[18]，采用四分均值锚点法分别赋值为0、0.33、0.67、1。

b.首发平台。首发平台为信源的第一发布平台，分为权威平台和非权威平台，权威平台主要是政府官方媒体及主流权威媒体平台，拥有更加专业化的能力，而非权威平台主要是网络媒体和自媒体平台，在互联网的快速发展和社交平台受众不断增长的背景下，非权威平台新闻的自由发布增加了信息的不确定性[19]。在信息快速传播的时代，信源核查和媒体转载具有随意性，部分媒体为抢占首发、获得“流量”，有可能在信源还未核查清楚的情况下便发布新闻报道，“把关人”的缺失为舆情反转提供了契机，重视新闻速度忽视新闻质量，为舆情反转埋下了隐患。首发平台权威性差异会对网络舆情的反转强度形成较大影响。因此本研究将事件的首发平台为非权威主体赋值为1，为权威主体赋值为0。

c.政府干预。政府是突发公共事件网络舆情治理的主导力量和关键角色。Tinggui Chen等认为外部干预信息的强度影响舆情逆转的方向和程度[20]。政府作为突发公共事件信息披露的关键主体，政府对于事件的信息披露会直接影响与信息接收者的交互程度,因此政府需要维持公众的持续关注并有效满足公众的信息需求,进而影响网络舆论走向及事件信息传播的方向[21]。在反转过程中，政府是否直接参与突发公共事件网络舆情反转过程也会影响舆情反转强度，公众对官方信息的信任度相较于其他传播渠道更高。政府直接参与事件反转调查和真相公布，往往会带来更强烈的冲击感，更加地直击人心，引起高强度的网络舆情反转。如若事件反转信息经由除政府等权威平台之外的非权威主体发布，信息的可信度会遭受到公众的质疑，对反转事实的接受意愿较低，反转强度相对较弱。因此本研究将政府直接参与事件反转赋值为1，政府未直接参与事件反转赋值为0。

d.网媒报道量。网媒报道量指网络媒体对事件的追踪报道总量，网络媒体通过对突发公共事件的报道，提升了网民和政府的关注度，是网络舆情发展的催化剂[22]。现代信息技术的发展大幅提升了媒体参与意愿，媒体行为是重要的议程设置源和舆情信息源，新闻报道量、媒体参与量是推动网络舆情发展的重要动力[23]。因此网络媒体的参与度越高，事件的社会辐射面越广，网络舆情反转的强度越高。本研究采用知微事件中的重要渠道的报道数量来衡量网媒报道量，采用四分均值锚点法分别赋值0、0.33、0.67、1。

e.公众关注度。突发公共事件的频繁发生促使公民波及自身风险意识和焦虑感的形成[24]。公众的积极参与促使信息的快速传播和充分聚合，公众参与度高不仅能促进信息传播效果,甚至能影响政府决策[25]。如果事件持续得到公众的广泛关注，可以更快揭晓真相[19]。大量网民的围观容易形成强大的舆论场，倒逼真相推出进程，这时如若真相与公民的初始意见大相径庭易引起高强度的网络舆情反转。舆情传播速度越快表明网民的参与意愿愈加强烈。因此本研究选取知微事见中事件持续期间的传播速度来衡量公众关注度这一变量，采用四分均值锚点法分别赋值为0、0.33、0.67、1。

f.反转时差。突发公共事件网络舆情反转的核心特征在于事件的戏剧性转变，反转时差越小，越能反映其“戏剧张力”与反转强度[9]。事件反转时差指事件初始信息发布与反转信息发布之间的时间差，受事件特殊性影响，各事件的反转时差长短不一，有在长达一年以上发生反转的，有在事件发生一小时内就发生反转的。事件的反转时差影响公众的关注度、讨论度和舆情反转的强度，一方面，事件在越短的时间内进行反转，群众的意见愈加趋于快速聚合，与初始意见造成的强烈反差导致大幅度的舆情反转。另一方面，公众对事件的记忆力和热情度有限，反转信息发布得越晚，公众的视线可能会被其他信息所覆盖，当事件反转信息发布之后，公众的声量或会出现明显降低。本研究认为反转时差越短，更容易引发突发公共事件网络舆情的高强度反转。以7天为界，反转时差大于7天赋值为0，反转时差小于等于7天赋值为1[26]。

g.反转归因。反转归因即突发公共事件网络舆情反转的直接诱因，有学者提出舆情发生反转的情况有两种，一种是事实得到澄清的真相解构型，另一种是恶意编造散布虚假信息，最后真相被迫挖出而导致的舆情反转。黄远等根据信源虚假、以偏概全、主观臆想、意见碰撞四种反转原因将网络舆情反转事件分为单中心反转、双中心反转、螺旋式反转、次生舆情反转四种类型[27]，不同的反转成因导致的舆情反转强度和反转效果不同。往往蓄意散布不实消息或报道失实会让公众有被戏谑的感觉，引发高负面情绪值，从而导致更高强度的网络舆情反转。主观臆想或意见碰撞是公众由于主观臆断或冠以事件当事人“标签化”先入为主，最后被事件真相“打脸”而引起的网络舆情反转；或在进行意见碰撞的过程中，一方意见倒向另一方引发的舆情反转。在反转后公众自觉有失偏颇从而引发对事件更深层次的思考。因此本研究将反转成因为蓄意策划、报道失实赋值为1，反转成因为主观臆测、意见碰撞赋值为0，条件变量赋值规则如表1所示。

表1 变量赋值表

2.2.2结果变量选取

本研究选取了3个指标来衡量突发公共事件网络舆情反转强度，分别为舆情热度差、反转次数、公众情绪变化差异。舆情热度差代表首发舆情热度值与反转舆情热度值之间的差值，差值越大，代表舆情反转的强度越大。反转次数代表在舆情演变过程中由于事件演变曲折引发的多次网络舆情反转，舆情反转次数越多代表舆情反转强度越大，舆情波动得越剧烈。公众情绪变化差异是指网民情绪在反转前后的转变，反转信息发布之后易引起大规模的群体性不满和愤怒情感，公众的负面情绪占比越大，舆情反转的强度越大。

本文拟采用层次分析法来确定衡量网络舆情反转指标的权重，主要步骤如下：

a.建立层次结构模型。层次结构模型主要是通过确定研究的总节点，然后根据总节点分析出与其相联系的支节点从而确定影响总节点的因素，构建出层次分明的模型，如图所示：选取舆情反转强度指数(A1)为决策目标，舆情热度差(B1)、情绪变化(B2)、反转次数(B3)为中间层要素，15个案例为15个备选方案。

b.构造判断矩阵。本研究采用由萨蒂教授提出的1～9分等级标度法，对同一层次的各个指标按照1、3、5、7、9分进行两两打分。学者将案例进行两两比较选出保证数据的权威性，本研究邀请到突发公共事件网络舆情、危机管理方向的学者10名，其中包括4位专家教授、6位博士。

c.计算重要性排序。根据判断矩阵，求出最大特征根对应的特征向量w，即：

Pw=λmaxTW

(1)

所求的特征向量经归一化就是各评价因素的重要性排序，即权重分配。

d.一致性检验。为初步判断权重分配的合理性，还需对判断矩阵进行一致性检验。检验公式如下：

(2)

式中，CR为判断矩阵的随机一致性比率；CI为判断矩阵的一般一致性指标，它由以下式子得出：

(3)

RI为判断矩阵的平均随机一致性指标，1～9阶的判断矩阵RI值参见表2：

表2 RI值表

当判断矩阵P的CR<0.1时，或CI=0时，认为P具有满意的一致性，否则需调整P中的相关元素，来使其具有一致性。

e.指标权重的确定。根据指标对15个案例进行两两比较进行打分，得出每个案例的权重，3个指标的一致性结果均小于0.1，满足研究所需。将权重排序得到下方的权重表，如表3所示，得到的舆情反转强度指数层次结构模型如图2所示。

表3 案例信息表

图2 舆情反转强度指数层次结构模型

2.2.3案例来源

本研究所采用的案例均来自于观察网、凤凰网、搜狐网、蚁坊软件等门户网站上2015—2020的年度反转新闻事件汇总版块。选取了共15件符合突发公共事件标准(如事故灾难事件、社会安全事件、公共卫生事件、自然灾害事件)的舆情反转案例形成本次研究的案例库。案例信息表如表3所示。

2.2.4数据校准

模糊集定性比较分析在数据分析前需进行数据校准，即设定3个定性的锚点，包括完全隶属点，交叉点和完全不隶属点，将所有案例数据标准化转换至 0～1 之间，以判定赋值后案例的取向。按照以往研究的经验，完全隶属点，完全不隶属点取自样本数据的上下四分位点[28]，事件热度、网媒报道量、公众关注度采用四分均值锚点法，利用均值锚点将变量分成了四部分[18]。大于完全隶属的数值赋值为1，完全隶属-交叉点之间的数值赋值为0.67，交叉点-完全不隶属之间的数值赋值为0.33，小于完全不隶属的数值赋值为0。需要特殊解释的是舆情反转强度采取的是中位数锚点法，大于交叉点的数值赋值为1，小于交叉点的数值赋值为0。数据校准规则如表4所示。

表4 数据校准规则

3 数据分析与实证结果

3.1 单因素必要性分析

本研究在进行组态分析前对影响网络舆情反转强度的条件变量进行必要性检验，一致性(consistency)和覆盖率(coverage)是定性比较分析中的两项关键指标。单变量的一致性高于0.9，可以认为此条件变量是促进结果变量产生的必要条件。一致性检验结果如表5所示，一致性检验数据显示“首发平台”的一致性为1.0，为“高强度舆情反转”的必要条件，换言之，当突发公共事件网络舆情首发于非权威平台，更容易发生高强度舆情反转。其他条件变量一致性都小于0.9，皆不足以对“高强度舆情反转”或“低强度舆情反转”进行完全解释，同时也验证了舆情反转强度生成的多维特性。基于此，本研究将从组态视角对结果变量的多维度并发因果关系进行解读。

表5 一致性检验结果表

3.2 条件组态分析

本研究以舆情反转周期为切入点，指出不同时期各条件变量将共同作用于舆情反转过程，进而影响舆情反转强度生成。相较于一般回归分析，定性比较分析设定导致不同结果产生的路径并非线性关系，即不能由“高强度舆情反转”的组态结果反推“低强度舆情反转”组态结果，故本研究分别将其作为结果变量导入FS/QCA软件进行分析。FS/QCA软件的标准化分析呈现出3种导致结果变量发生的解，即复杂解、中间解和简单解，其中复杂解拒绝“逻辑余项”，组合路径较多，简单解接受“逻辑余项”，组合路径较为简单，中间解考虑接受有意义的“逻辑余项”，组合路径刚好介于两者之间，分析结论的客观性较强，是大多数研究者的选择。故本文选择以中间解对变量的组态路径进行讨论。

a.结果变量=高强度舆情反转。

将“高强度舆情反转”视作结果变量共显示5条组态路径，组态结果如表6所示。总覆盖率达0.6263，说明这5条路径能够覆盖62%以上的案例，总一致性为0.9382，高于0.8的可接受阈值。路径2的原始覆盖率最高达0.2500，说明此路径具有25%的解释力。同时该路径以最理想的条件变量链式组合作用于“高强度舆情反转”。总体来看，可以分为以下3类。

累积蓄力型：对应路径1和路径3，该类路径以“首发平台”“～反转时差”和“反转成因”的组合形式为核心变量。典型案例有鲍毓明性侵养女事件、英国集装箱藏尸事件。该类型路径表明，在事件信息首发于非权威平台，舆情积累时间长，存在被动“归因”情感与其他因素组合情景下，易导致高强度舆情反转。该类型案例在反转生成前存在着明显的舆情蓄力状态，虽反转时差较长，但是公众关注度并未减弱，在真相推出之后，公众自觉情感被消费，引发了高情绪落差值，造成网络舆情的高强度反转。

高温冲击型：对应路径2，该类路径以“公民关注度”和“反转成因”组合形式为核心变量。对应的案例有重庆公交车坠江事件、杭州女子离奇失踪事件。该类型路径指明高强度舆情反转以高“关注”为前提，以被动“归因”为导向，与其他因素组合形成。此类事件事发初始便达到较高的舆情温度，引发公众的大量关注和讨论，然而“出乎意料”的事件真相给公众带来强烈冲击感，造成公众情绪极化，在原有的高舆情热度基础上，公众的声量再次拔高，从而引发高强度的舆情反转。

官方缺位型：对应路径4和路径5，该类路径以“～政府干预”和“反转时差”组合形式为核心变量。对应的案例为榆林产妇跳楼事件。该类型路径表现为，在政府未直接参与反转过程和反转真相的公布，反转时差短的情况下，真相不易全盘托出，事件发展跌宕起伏，短时间内产生多个舆情高峰。在突发公共事件中，官方主体的缺位容易导致媒体和网民两个角色占领舆论制高点，引发高强度的多次舆情反转。

表6 高强度舆情反转组态结果

b.结果变量=低强度舆情反转。

将“低强度舆情反转”视作结果变量共显示5条组态路径，组态结果如表7所示。总覆盖率达0.6686，说明5条路径的解释力高达66%，总一致性为1，同样高于0.8的可接受阈值。总体来看，可以分为以下两类：

表7 低强度舆情反转组态结果

标签弱化型：对应路径6、路径9和路径10，该类型以“政府干预”和“～反转成因”为核心变量，对应的案例有无锡高架桥侧翻事件、货拉拉女乘客跳车坠亡事件、贵州安顺公交车坠湖事件。该类型路径指明反转归因于主观臆想和对事件的“标签化”，政府直接参与反转过程和反转真相的公布。该类型路径主要指事发时公众会根据现有的一些碎片化信息或以往的固有标签，对事件先入为主发表定论，当政府主体直接干预事件的调查和反转信息的公布时，公众之前所主观臆想的“真相”被直接推翻，公众自觉有失偏颇，不再延续之前的看法，对事件和当事人的标签弱化，从而导致舆情反转的强度较低。

低温平缓型：对应路径7和路径8,该路径以“～事件热度”和“～反转时差”为核心变量。分别对应的僵尸肉事件和浏阳碧溪花炮厂爆炸事件。该类型组合路径表明，低热度事件在经历较长的舆情发酵后，与其他因素组合，反转真相冲击感较平缓的情况下容易导致低强度舆情反转。该类事件的舆情热度在事发初始呈低温状态，在经过较长的反转时差之后，真相给公众带来的冲击感较弱，舆情反转的强度相对较低。值得注意的是，该类型并未发现单一变量出现以核心变量存在。事实上，定性比较方法的出发点和解释重点是“构型”，核心条件仅是说明因果关系强于边缘条件，即使类型组合不存在核心条件，该类型组合路径也是导致低强度舆情反转发生的充分条件。

3.3 稳健性检验

借鉴相关研究成果,通过调整数据校准分位点,进行稳健性检验。主要是将均值锚点四分法，调整为“完全不隶属”(0.05)、“完全隶属”(0.95),其它步骤保持不变。通过进一步分析，发现组态路径和核心条件并未发生实质性变化，说明本研究结论具备一定的稳健性。

4 结论与启示

为探究突发公共事件网络舆情反转强度生成的条件组态，本研究以近几年多起典型的突发公共网络舆情反转事件为样本，通过选取网络舆情反转3个阶段中的7个条件变量，采取定性比较分析方法，对导致“高强度舆情反转”和“低强度舆情反转”的多元路径进行探讨，得出如下结论。

第一，网络舆情反转强度生成是一个多元共生互动的过程。从研究结果来看，舆情反转的强度大小更倾向于是多元组态影响的结果，在单变量必要性检验时发现除“首发平台”变量能单独致使“高强度舆情反转”，其他变量都无法单独影响“舆情反转强度”。每一个单一要素对结果的影响路径都会受到其他要素的影响。可见，在后真相时代，社会结构性矛盾之间的多元组态链式关系已然成为突发公共事件发生后网络舆情反转及其强度变化的导火索。

第二，舆情累积、真相反差、官方缺位容易促成突发公共事件网络舆情反转强度的增大，而标签弱化和真相弱冲击会使舆情反转强度降低。分析核心条件结果，各个要素之间通过相互交叠、互动而形成不同的组合路径。研究结果显示舆情反转高低强度生成共10条路径归纳为5种组合类型，由于现实网络语境的不同，使得网络舆情反转强度生成的效果和路径存在差异。累积蓄力型、高温冲击型和官方缺位型组态路径会导致“高强度舆情反转”，标签弱化型和低温平缓型组态路径会造成“低强度舆情反转”。值得注意的是“低强度舆情反转”组态路径并非“高强度舆情反转”组态路径的反向推导，相同条件变量的同一表达在不同情景下可能遵循着差异化的内在逻辑，并带来截然不同的效果，进一步说明舆情反转强度生成在实践中具有较大的复杂性。

第三，网络舆情反转的强度变化时点集中指向反转期。反转期成为整个网络舆情反转过程的核心阶段, 反转并非一种静态的存量，而是动态的流量。从结果路径来看，每一类型的各个路径中都包含“反转时差”变量或者“反转成因”变量，而这两个变量都指向反转时期，可见相较于首发时期和发酵时期，对反转阶段时间节点的识别以及归因的引导成为识别网络舆情反转强度的关键。

基于此，笔者认为突发公共事件网络舆情反转治理应从以下3个方面着手。其一是不可忽视首发平台的核心影响作用。在信息传播技术快速发展的时代，部分非权威网络媒体、自媒体等平台的信息传播素养参差不齐，故政府应严格把关主流媒体的新闻质量，提升网络媒体、自媒体的必要准入门槛，加强培养媒体行业的普遍责任感，提升媒体的公信力和职业素养，“清流如许，唯有源头活水”，需从首发平台这个信息源头上减少舆情发生反转的可能性。其二是应及时识别舆情反转类型，结合具体情景选择调整应对模式。例如在累积蓄力型的网络舆情反转情景下，网民对事件真相表现为明显的诉求，调查耗时越长，公众的负面情绪随事态发展逐渐累积，后期舆情反转的强度往往较大，因此相关部门应加快事件调查速度，调查期间应适当公开调查进度，稳定公众的情绪，引导公众理性讨论。在高温冲击型的网络舆情反转情景下，公众往往在事发伊始就表现为明显的“高热情关注”，相关部门应及时采取“降热”措施，及时公开透明地披露事件信息，避免舆情愈演愈烈，注重对公民价值观的正确引导，增强公众的人文关怀意识。其三是把控反转时间节点和信息节点。政府要建立舆情数据库，引入新型技术手段对舆情的发展进行预测，同时将官方组织的通报、公告、当事人或知情人关键信息的爆料作为舆情反转的关键信息进行监测与核实，以便政府在网络舆情即将进入反转期时把握舆情引导的主动权和话语权，传递积极正确的价值观，提升政府的公信力。