基于Cooc的网络谣言研究知识图谱分析

2023-08-17刘岩芳黄燚红

传播与版权 2023年15期

刘岩芳　黄燚红

［摘要］近年来，网络谣言成为学术界关注的重点，网络谣言的相关研究成果丰硕，文章基于相关文献分析我国网络谣言研究现状与热点。具体研究方法为：文章采用文献计量分析法和统计分析法，运用Cooc（CO-occurrrence）软件和SPSS软件对2003—2023年中国知网中网络谣言的相关文献展开研究。研究发现：2003—2023年，网络谣言研究的年发文量总体呈平稳增长态势；研究机构和发文作者的合作度与合作率较低，合作范围亟待扩大；网络谣言研究潜在热点主要集中在无标度网络与谣言传播研究、网络辟谣研究、谣言识别研究、谣言治理研究、高校舆论引导研究五个方面。

［关键词］网络谣言；知识图谱；共词聚类；研究热点

西方有关谣言的学术研究要早于中国。20世纪40年代，美国学者奥尔波特、波斯特曼开始研究谣言对军队士气的影响。20世纪80年代以来，有关谣言的研究进入增长阶段，研究视角呈现多元化。我国学者于20世纪80年代开始对谣言进行研究，直到2002年非典疫情暴发，谣言的相关研究进入高速增长阶段，研究成果逐渐丰富。分析诸多学者对谣言的界定，笔者发现谣言具备两个要素，即未经官方证实和在非正式话语空间广泛流传。网络谣言作为谣言的一种特殊形式，具有谣言的一般特征—未经官方证实、非官方的。互联网上的谣言传播不受地域限制，传播范围更广、影响力更大，且网络谣言具有即时性、隐蔽性、交互性等特征。

中国互联网信息中心（CNNIC）发布的第51次《中国互联网络发展状况统计报告》显示，截至2022年12月，我国网民人数达到10.67亿，互联网普及率达75.6%［1］。互联网的不断发展丰富了人们的日常生活，大众可以通过社交平台发表言论，但由于网络的匿名性、把关人角色的模糊性给谣言的滋生提供了土壤。网络谣言传播呈现放射状和旋涡状的特征，导致各类谣言层出不穷，政府公信力下降，严重影响了社会稳定，因此网络谣言成为学术界关注的重点［2］。

通过文献梳理，笔者发现中国知网上首篇有关网络谣言的研究发布于2003年，为使研究更具全面性与科学性，本研究以从中国知网获取的2003—2023年发布的网络谣言相关文献为样本来源，旨在了解我国有关网络谣言的研究现状与热点，为后续的研究提供参考。

一、数据来源和研究方法

（一）数据来源

为全面分析中国网络谣言的研究现状与热点，文章以中国知网CNKI数据库为数据来源，选择“高级检索”类型，以“网络谣言”为主题检索词，检索条件为“精确”，检索时间为2023年4月20日。同时，为了保证数据的权威性，检索只限于2003—2023年的核心期刊、CSSCI、CSCD等期刊文献，共检索到文献832篇，利用Cooc软件对文献进行去重、清洗后共得到有效文献783篇［3］。

（二）研究方法

文章采用文献计量分析法和统计分析法，运用Cooc软件对数据进行预处理，从发文量、发文作者、研究机构、关键词四个指标进行计量分析［3］，再构建关键词相异矩阵，运用SPSS软件对高频关键词进行系统聚类分析。

二、网络谣言研究现状分析

（一）文献年发文量分析

发文量的变化能够反映网络谣言的研究进程，进而揭示其发展的总体趋势。笔者通过对2003—2023年网络谣言研究领域的783篇文献分析得出，2003—2010年的发文量缓慢增长，这与当时的网络环境有关，2004年虽然个人电脑开始普及，但是网络还未成为谣言传播的主要载体；2010—2014年网络谣言研究发文量快速增长，且在2014年發文量达到最高，为99篇，这主要源于QQ、微博等社交媒体的普及。2015—2023年网络谣言研究发文量呈现先下降再增长的趋势，这说明2015年到2018年有关网络谣言的研究热度有所下降，2019—2021年的发文量快速上升，受到新冠疫情的影响，网络谣言研究再次受到学者的关注；2022年网络谣言研究发文量有所降低，由此可推测，随着新冠疫情影响逐渐降低，网络谣言的相关研究处于平缓增加的状态。

（二）机构共现分析

文章利用Cooc软件对网络谣言研究机构间的合作情况进行分析得出，2003—2023年在网络谣言研究领域发文总量大于6篇的研究机构共有16个，其中发文总量排名前5的研究机构为中国人民警察大学、重庆大学新闻学院、中国人民大学新闻学院、吉林大学大数据管理研究中心、华中科技大学公共管理学院，所发表的文献主要刊登在《青年记者》《人民论坛》《情报杂志》《图书情报工作》等期刊上；其他研究机构的发文总量较少，且研究主力是各大高校。

在发文机构合作方面，机构合作率为0.37，合作度为1.05，其中1个机构单独发表文章数为492篇，2个机构合作的文章有220篇，3个机构合作的文章有55篇，4个机构合作的文章有13篇，5个机构合作的文章有2篇，6个机构合作的文章有1篇。这说明网络谣言研究机构间合作仍待加强。

对网络谣言研究领域21年来发文总量在6篇以上的主要机构进行共现分析，可以得出：这些研究机构间主要形成了4个合作网络，分别是以中国人民警察大学为中心的重庆大学新闻学院和华中科技大学公共管理学院形成的合作网络；由吉林大学大数据管理研究中心的吉林大学网络空间治理研究中心和吉林大学管理学院形成的合作网络；由中国人民大学新闻学院和中国人民大学新闻与社会发展研究中心形成的网络；由南京大学信息管理学院和南京邮电大学管理学院形成的合作网络。从这些合作网络来看，研究机构间的合作主要为同省市机构间的合作。

（三）作者共现分析

笔者利用Cooc软件对2003—2023年发文作者进行频次统计并构建作者共现矩阵，以便分析网络谣言领域各作者的发文量及合作情况［3］。通过分析相关数据可知，2003—2023年发文量大于4篇的作者有22个，其中发文量较高的是中国人民警察大学的兰月新和吉林大学的王晰巍，其余作者的发文量都低于4篇且差距甚小。

在作者合作方面，网络谣言研究作者的合作率为0.54，合作度为1.48，这说明网络谣言研究作者间合作有待加强。目前，进行网络谣言研究的学者形成了两大合作网络，一是以兰月新、张鹏、李昊青、夏一雪、曾润喜为主形成的合作网络；二是以王晰巍、李玥琪、邱程程为主形成的合作网络。但发文作者间的合作主要局限于同一研究机构或同一研究领域，跨机构和跨领域的情况少见。总的来看，网络谣言研究领域发文作者间的合作并未形成广泛的联系，合作有待加强。

三、网络谣言研究热点分析

关键词是文献内容的高度概括和凝练，是文献的核心和精髓，通过对关键词进行分析我们可以大致判断网络谣言的研究热点与前沿。

（一）网络谣言研究的关键词共现分析

笔者利用Cooc软件对网络谣言研究领域的关键词进行合并、去重后，共得到1766个关键词，其中，关键词出现的频次越高，表明学者对这内容的关注度越高［3］。图1为2003—2023年网络谣言研究领域的高频关键词共现图，其中，节点的大小表明该词出现在所统计文献中的概率，节点间连线表明该关键词和其他词常共同出现在一篇文献中。由图1可知，关键词“网络谣言”“谣言传播”“谣言”“网络舆情”“谣言治理”“突发事件”在所有文献中出现的频率最高，构成了网络谣言的基础研究领域。

（二）网络谣言研究的关键词聚类

1.构建相异矩阵

笔者利用Cooc软件对网络谣言研究的38个高频关键词进行统计，构建38×38的关键词共现矩阵，再将其转为相似矩阵，相似矩阵的数值越趋近于1，表明两个关键词之间的相似度越高，反之亦然。为进一步减小误差，笔者再将相似矩阵转化为相异矩阵，限于篇幅问题，笔者只列出前10位关键词的相异矩阵表，如表1所示。

2.基于SPSS转件的聚类分析

笔者将得到的38×38的高频关键词相异矩阵导入SPSS软件中，选择菜单栏的“分析”→“分类”→“系统聚类”，聚类方法选用“瓦尔德法”，最终得到网络谣言研究领域高频关键词聚类分析树状图。笔者将高频关键词最终聚为五类：无标度网络与谣言传播、网络辟谣研究、谣言识别研究、谣言治理研究、高校舆论引导研究。

（1）无标度网络与谣言传播研究

该研究热点涉及的关键词为谣言传播、无标度网络、社交网络等。无标度网络是网络科学中的核心概念，最早由美国学者Barabási和Albert提出，其认为网络节点的度分布服从幂律分布，即大多数节点只有少数节点连接，但却有少数节点存在多数连接［4-5］。无标度网络通常被证实为线上用户之间的社会网络的主要特征，能引发“羊群效应”，促进谣言的传播。刘亚州等提出一种新的SI2R传播模型来研究无标度网络中节点亲密度对谣言传播的影响，研究表明，节点平均亲密度对谣言传播范围具有正效应［6］。吕心怡等在经典的IESR模型基础上，提出一种基于权威性、从众性、好友亲密度的ACI-IESR谣言传播模型，研究表明，这三种因素都能扩大谣言的传播范围［7］。

（2）网络辟谣研究

该研究热点涉及的关键词为辟谣、辟谣效果、突发公共卫生事件、谣言、对策等。网络辟谣指通过发布权威、科学的信息驳斥错误的谣言信息［8］，以降低网络谣言带来的负面影响。我国学者的网络辟谣研究主要集中在辟谣信息主体、辟谣效果、辟谣影响因素等方面。易明等基于流行三要素理论研究影响辟谣信息传播效果的因素［9］。贾若男等以新冠疫情期间的“双黄连事件”为例构建主体—内容二维网络，分析关键辟谣信息主体类型、辟谣信息内容特征和有效辟谣策略［10］。谢新洲等将SOR（刺激—有机体—反应）模式和理性行为理论相结合，分析社交媒体用户删除谣言信息和分享辟谣信息两种谣言修正行为的影响路径［11］。

（3）谣言识别研究

该研究热点涉及的关键词为微博、自媒体、虚假信息、网络舆情、谣言检测等。谣言识别研究主要包括模型与方法选取、特征提取两个方面，特征提取主要涉及用户特征、内容特征、传播特征；识别方法有以支持向量机、决策树、随机森林为主的机器学习方法和以卷积神经网络、循环神经网络为主的深度学习法。冯兰萍等在用户特征、内容特征、传播特征基础上，引入用户历史特征，构建基于卷积神经网络与深度神经网络的多特征融合谣言识别模型，显著提高了谣言识别的准确率［12］。孙冉等将神经网络模型与机器学习算法相结合来提取用户特征、微博文本特征、传播特征和时间特征，并结合MAIN理论模模型，构建融合文本语义特征的谣言识别模型［13］。

（4）谣言治理研究

该研究热点涉及的关键词为网络谣言、谣言治理、突发事件、网络治理、言论自由、法律规制、社会治理等。与网络辟谣的短期应急式思维相比，网络谣言治理目标更加多元，不仅要驳斥谣言，维护社会稳定，还要提高政府公信力，增进公共利益与公共价值。目前，网络谣言治理研究主要围绕行政治理和协同治理两方面展开。王建华等以多中心治理理论为基础，构建了由微观治理主体和有序宏观网络环境形成的社会化协同治理体系［14］。姚福生从依法行政视角出发，对2021年以来149个关于网络谣言行政处罚的案件进行分析，提出坚持主观归责、规范自由裁量权、落实网络平台责任等治理优化建议［15］。

（5）高校舆论引导研究

该研究热点涉及的关键词为大学生、传播机制、网络舆论、群体性事件、舆论引导等。对舆论引导的定义，诸多学者主要从新闻传播视角、社会管理视角和系统论视角三个视角展开。高校舆论引导的目的是对大学生进行思政教育和正确价值引领，因此文章对舆论引导的定义从系统论视角出发，将舆论引导定义为：运用舆论影响人们的意识，引导人们的意向，从而控制人们的行为，使他们按照社会管理者指定的路线、方针、规章从事社会活动的传播行为。目前，高校舆论引导研究主要集中在大学生网络舆论引导和提升路径两方面。张进财在分析高校微信公众平台的特征和舆论引导优势后，提出构建高水平运行团队、打造协同发展新模式等高校輿论引导策略［16］。赵纪娜运用问卷调查和访谈座谈的方式对17—24岁的大学生新媒体使用和网络意见进行分析，提出营造网络舆论生态、加强网络素质培育、做好高校舆论危机应对等舆论引导路径［17］。

四、结语

文章利用Cooc软件和SPSS软件对2003—2023年关于网络谣言研究的783篇文献进行可视化分析，由此可知我国有关网络谣言的研究处于平稳增加的状态。在机构共现方面，我国网络谣言研究的主力军为各大高校的新闻学院和管理学院，且研究机构间的合作率和合作度较低。因此，我们要加强研究机构间的跨机构与跨学科合作，丰富网络谣言领域研究。在作者共现方面，发文量较多的两位学者是兰月新和王晰巍，其余作者发文量少于4篇且差异较小。同时，作者间的合作主要局限于同一研究机构或同一研究领域，合作范围有待扩大。通过对关键词的共现和聚类分析，文章总结出我国网络谣言研究热点主要集中在无标度网络与谣言传播研究、网络辟谣研究、谣言识别研究、谣言治理研究、高校舆论引导五个方面。今后，学者进行网络谣言研究时，可根据这些研究热点进行深化研究。

［参考文献］

［1］中国互联网络信息中心.第51次中国互联网络发展状况统计报告［EB/OL］.［2023-04-13］.https：//www.cnnic.net.cn/NMediaFile/2023/0322/MAIN16794576367190GBA2HA1KQ.pdf.

［2］王晰巍，李文乔，韦雅楠，等.社交媒体环境下网络谣言国内外研究动态及趋势［J］.情报资料工作，2020（02）：39-46.

［3］李艳，叶明确.基于Cooc的长三角一体化研究知识图谱分析［J］.技术经济与管理研究，2022（01）：116-121.

［4］汪小帆.无标度网络研究纷争：回顾与评述［J］.电子科技大学学报，2020（04）：499-510.

［5］储节旺，李佳轩.虚拟知识社区中用户的知识共享策略演变研究：基于无标度网络理论［J］.情报科学，2023（04）：26-34.

［6］刘亚州，王静，潘晓中，等.考虑节点亲密度的社交网络谣言传播研究［J］.计算机工程与应用，2018（14）：100-106.

［7］吕心怡，黄贤英.改进的社交网络谣言传播模型［J］.计算机工程与设计，2022（04）：986-994.

［8］王晰巍，朱泓飞，李玥琪，等.突发公共卫生事件下网络谣言辟谣效果评价和实证研究［J］.图书情报工作，2021（19）：36-43.

［9］易明，张雪，李梓奇.社交网络中辟谣信息传播效果的影响因素研究［J］.情报科学，2022（05）：3-10，18.

［10］贾若男，王晰巍，孙玉姣.社交媒体中突发公共卫生事件网络辟谣信息主体研究［J］.图书情报工作，2021（19）：16-25.

［11］谢新洲，胡宏超.社交媒体用户谣言修正行为及其影响路径研究：基于S-O-R模式与理性行为理论的拓展模型［J］.新闻与写作，2022（04）：57-69.