基于SNA的突发事件微博舆情的传播网络分析

韩孟洁

（山东畜牧兽医职业学院 潍坊 261061）

微博舆情是用户在微博里的舆论反映。随着民意的大量汇聚，微博舆情不断地深化发展，使得舆论不断扩大影响，进而能够改变社会的舆论形态。微博现逐渐成为广大民众关心热点、表达观点等的舆论平台，如果未能进行积极有效地引导和控制，将会对社会的舆论和道德走向产生不利影响。因此，对突发事件的微博舆情传播影响因素进行研究显得尤为重要，不仅可以对微博相关功能的设计提供参考，也可以有效地进行舆论控制，促进社会的健康稳定发展。

一、研究内容与研究方法

本篇论文选取“江歌案”的一审这一突发事件的后续处理，对其进行微博舆情的传播分析。运用社会网络分析法（SNA）对300 个用户之间的转发关系进行节点与节点关系的研究，并通过综合分析关键节点等研究微博舆情传播的特点以及影响因素，为舆情监管和控制提供方向。

社会网络分析法是研究一组行动者关系的研究方法[1]。一组行动者之间所展现出的关系及其模式以及对应的数据便是进行网络分析的重点，而在这种关系的基础上会反映出一定的可量化分析的社会结构，便是网络分析的出发点。因此，若想运用社会网络分析法，关系和关系的模式则是必不可少的。社会网络分析法的要点在于可视化分析（通过Unicet 等软件工具实现）与对人、社会、政治、经济的关系测量。

二、微博舆情的形成与传播过程

微博舆情是围绕民众所关心和感兴趣的事件或现象所形成的[2]。微博中，信息量庞大，民众关注的话题繁多。每个热点话题都有一定的生命周期，具有阶段性，一般包括诞生、成长、成熟和衰退的过程。

“江歌案”发生于2016 年11 月，江歌母亲在2018 年10 月宣布将启动对刘鑫的诉讼，在等待开庭审理期间，事件关注度不高，舆情发展尚处于诞生期，对于此案件的一审于2022 年1 月10 日在山东省青岛市城阳区人民法院宣判，城阳区法院的微博详细描述了这一事件的一审宣判结果，将该事件推上了新浪热搜榜，产生了巨大的影响力，使该事件进入生长期，传播速度加快，参与的用户显著增多，当事人苦夏莲-咖啡、网络红人Legal诗睿等，媒体封面新闻、凤凰网等陆续发布了许多关于“江歌案”一审的微博，并吸引了众多的用户进行转发、评论等，将此事件舆情推向了成熟期的峰值，影响力达到最大值。从2022 年2 月16 日起，“江歌案”二审择期宣判，微博提及数量开始回落，进入衰退期，热度被其他社会热点所代替，关注度减少，传播速度变慢，影响力渐渐衰退。

三、微博舆情传播网络分析

（一）微博舆情传播数据获取与处理

由于新浪微博提供的开放API 隐私设置较高，无法通过爬虫技术等从新浪微博上直接爬取数据，故本篇论文只能采用人工搜集的方法。从将“江歌案”一审送上热搜榜的“城阳区法院”开始，对转发关系手工搜集了300 条数据以及转发时用户的评论，将300 条数据以0-1 矩阵的形式输入进Excel表格中，本文不研究自己转发自己的情况，将统计好的0-1 矩阵数据导入Ucinet 软件中进行网络拓扑图、网络密度、小团体、点度中心性等各项数据分析。

（二）微博舆情传播网络拓扑图

本文在初始节点的基础上，运用滚雪球的方式进行其他节点的选取，信息主要通过转发来传播，在新浪微博中转发会自动生成“@”符号，于是节点便是这些参与@的用户，结合随机抽样的原则进行节点选取。选取的300 个节点中包括1 个当事人用户、2 个法律用户、4 个媒体、2个名人用户、23 个网络红人用户。本文采用有向网络结构图，一个方块表示一个关键节点，一个箭头表示一个转发数，A 转发的B 的微博，便是A 指向B 的箭头，根据各节点之间的关系构成了关系矩阵，其可视化结果如下图：

此图的矩形方块表示节点，箭头由转发者指向被转发者,矩形方块越大，表示该节点被转发次数越多。从整体上看，当事人节点的传播能力极强，影响力最大，鉴于其是事件发生的主要参与者和相关者，是最有发言权的人，能让民众更接近事件具体经过；因“江歌案”一审时间的特殊性，媒体节点的传播能力也较强，其作用是不容小觑的；因为该事件涉及到刑事案件，所以法律用户在传播过程中起到了不可替代的作用；名人用户和网络红人因为知名度较大，所以粉丝量众多，外加个人的影响力，对此事件的传播也发挥了极大的作用，因此在网络传播中受到较多其他节点的关注；与之相比普通用户的传播能力和影响力则较弱，粉丝基本是自己的朋友，相对而言数量较少，对非粉丝用户的影响力微乎其微。

（三）微博舆情传播网络结构指标分析

1.网络密度

网络密度是用来衡量各个用户之间的紧密联系程度，取值范围一般在0 到1 之间，最终的数值越接近数字1，就表明用户之间的联系越紧密，也就代表着信息传播速度更快。

该事件的网络密度Density(matrix average)=0.0340，数值大小处于0.0000-0.5000 的区间，说明参与该事件微博转发传播的用户之间的联系没有太紧密，信息传递速度没有太快，这与该事件的长生命周期的特点是相符的，提出上诉后因有等待时间，直到城阳区法院将一审宣判结果公布后将此事件推上热搜，才引起广泛关注，大家的关注点也落到对法庭判决过程以及结果议论上，此过程有一定的时间性，持续时间较长，参与的用户众多，就会导致用户间的关系没有太紧密，一般高爆发、生命周期短的突发事件信息传递速度会较快，所以就注定该事件的信息传播速度不会高速。

2.小团体

小团体是指利用一些算法找出整体网络中的小团体结构，我们常用K-核来进行计算，K-核就是在一个小团体内部任意一个节点与其他节点至少保持K 条联系。“江歌案”一审微博舆情传播网络中存在着联系紧密的小团体结构。小团体结构中主要是当事人、媒体、名人和法律用户。对不同的K 值进行数量统计后发现，3 是该事件K-核的最大值，且K-核是3 的节点数量达到了25 个，占到了全部节点的8%，K-核是2 的节点数量达到了10 个，占到了全部节点的4%。可以说小团体中的节点处于整个传播网络图中的关键节点的位置，其掌握着大量的信息来源。在全部节点中，关系密切的节点数量只占少数，大部分节点想要成为关键节点的可能性基本微乎其微。

3.点度中心性

中心性主要分为点度中心性、中间中心性和接近中心性[3]。点度中心性分析侧重于交往活动，中间中心性分析侧重于对信息的控制，整体中心性分析侧重于信息传播的有效性和独立性，故在此主要进行点度中心性的分析，下表是运用Ucinet软件对“江歌案”一审的点度中心性测量的结果（部分）。

表1 “江歌案”一审微博舆情点度中心性测量结果（部分）

按照点入度由大到小的降序排列，点入度的数值越大，说明该节点被其他节点直接指向的数目越多，被他人传播的能力越强。点出度的数值越大，则说明该节点直接指向其他节点的数目越多，传播他人的能力越强。由上表可以看出，点入度最大的是苦咖啡-夏莲，高达67，被他人传播的能力最强，符合当事人的特点，更多的人喜欢从当事人处获取和传播更具有真实性的信息。法律用户因为具有较高的权威性，影响力广，像城阳区法院等点入度较大，是一审结果宣判的“发源地”，被他人传播的能力较强。媒体普遍拥有较大的点入度，不同媒体之间点入度的差异，主要在于媒体的知名度和影响力不同。相较而言，普通用户点度中心性较小。

结语

本篇论文通过统计分析“江歌案”一审这一突发事件的微博舆情传播的节点及节点之间的关系，对节点所构成的传播网络的结构和影响因素进行了测量分析，得到以下结论：微博舆情传播网络中节点的特点以及与其他节点的关系决定了其获取舆情信息和传播舆情信息的能力[4]。节点之间的关系显示出了舆情信息广泛的来源，节点的箭头指向则显示出节点传播舆情信息的能力，将所有节点的箭头数进行降序排列，传播网络全局或局部的关键节点的排序是比较靠前的，因此想要调整控制舆情传播的速度就可以通过有效控制这些关键节点来实现。

本文清楚地展现了真实的传播网络的结构特点和不同类型的用户在传播网络中所处的地位和发挥的作用，故本文在研究突发事件微博舆情传播方面有一定的借鉴意义。但本文仍有许多不足和需要改进的地方，如可以适当增加节点的数量，更加深入分析节点自身的特点和相互关系对舆情传播能力的影响等。