【word】 基于网民观点能量的群体极化分析

【word】 基于网民观点能量的群体极化分析 基于网民观点能量的群体极化分析 田园囝囝目2011年第10期 基于网民观点能量的群体极化分析 ?勒中坚蔡淑琴周萍 网络舆情演化中的群体极化是个复杂系统,本文运用复杂系统动态行为研究工具——元胞自动机原理, 分析网民个体观点的相互作用和影响,提出网民个体观点的元胞能量概念,构建个体元胞观点能量的测度 指标和效能转换模型;根据观点能量级别的不同,将网民分成从众网民,普通网民,领袖网民和潜水网民四种 类型,同时对这四种不同能量级别的个体元胞影响下的网络舆情群体极化现象展开定性分析,并分别提出 相应的策略建议. 【关键词]网络舆情;群体极化;元胞观点能量;效能转换 [中图分类号]TP391[文献标识码]A【文章编号】1004—518X(2011)10—0236—04 勒中坚(1948一),男,华中科技大学管理学院博士,江西财经大学信息管理学院教授,博士生导师,主要 研究方向为电子商务与电子政务,信息管理和网络舆情管理;(江西南昌330013)蔡淑琴(1955一),女,华 中科技大学管理学院教授,博士生导师,主要研究方向为电子商务,信息管理和商务智能;(湖北武汉 430074)周萍(1967一),女,江西财经大学信息管理学院副教授,主要研究方向为电子商务,信息管理和复 杂系统.(江西南昌330013) 本文为国家社科基金项目”面向网络舆情危机预警的观点柔性挖掘方法研究”(项目编号:09BTQ034)和 江西省重点科技成果推广 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 项目”突发事件网络舆情信息处理和预警系统开发与推广”(项目编号: 2010CcB01700)的阶段性成果. 一 ,引言 网络舆情演化过程中的群体极化,是互联网近年出 现的一种新现象.网民在网络上围绕某个主 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ,一开始 就存在某种偏向,经兴趣爱好相同的人群组成的网络社 区虚拟团体商议之后,会拥有很强的群体认同感,并朝 着认同的方向继续偏移,最后形成极端的群体意见,即 形成群体极化现象.…这种新现象已经引起国内外管理 界与学术界的高度关注和重视…[5_. 网络舆情中的群体极化是一个复杂系统,本文运用 典型的复杂系统动态行为研究工具元胞自动机CA原理 (cellularautomata)】,分析网民个体观点的相互影响和 作用,提出网民个体观点的元胞能量概念,构建个体元 236 胞观点能量的测度指标和效能转换模型,并由此进行网 民群体的分类.最后按所分不同观点能量级别的四类网 民个体,分析个体元胞作用影响下的群体极化现象并提 出相应策略. 二,基于元胞特征的网民观点能量 (一)网络舆情群体极化的元胞自动机特性 1.元胞:网络舆情演化中的元胞即网民个体. 2.元胞空间:指网民元胞分布在网络舆情时空中的 欧氏离散有限空间,二维元胞空间表现为二维平面网 格.坐标为(i,j)的元胞,其t时刻的观点倾向性状态s (i,j,t),表现为1赞成,0中立或一1反对. 3.元胞邻居:网民元胞周围的邻居元胞,因其社会 基于网民观点能量的群体极化分析 地位,影响力及其参与事件的行为特性而决定它们彼此 间的相互影响关系.若按半径为1的冯?诺依曼型邻居 结构,网民只与他的上,下,左,右四个邻居关联,如图1 所示. 图1VonNeumann型元胞邻居 4.演化规则:网络舆情事件极化系统中,元胞的观 点状态受邻居影响的演化转换规则fc,使舆情事件沿着 网民个体观点能量大小变化的方向极化.按 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 化自信 度多数规则,相互作用后t+1时刻的元胞个体状态s(i, i,t+1)将取5元胞组(包括4邻居)中3个以上的t时刻 多数态度,若达不到5中取3的多数,则该元胞维持他原 有的自信状态不变.[7J S(i,j,t+1)=fcA(S(i,j,t),S(i一1,j,t),S(i+1,j, t),S(i,j一1,t),S(i,j+1,t))(1) (二)网络舆情事件中网民个体的元胞观点能量 1.个体元胞观点能量的概念 “能量”的概念最初来源于物理学,是对物质运动的 度量,反映的是物质运动和转换的能力.在欧氏空间运 动的物体,具有对其他物体作功的能力,即具有物理能 量;在网络舆情空间活动的网民个体,通过自身观点意 见的表述,具有对其他网民和网民群体产生作用和影响 的能力,即具有舆情观点能量. 舆情是多数人对共同关心的事物表达的群体意见, 舆情对社会存在的反映和作用迅速而直接.舆情与整个 社会发展的客观需要相一致时,就具备正向社会功能, 反之则具备负向社会功能.当其负向功能集聚起足够能 量并释放到一定程度时,舆情就会成为影响社会稳定和 国家安全的现实威胁.不断集聚直至爆发性释放,社会 系统会因此而突变,失衡甚至垮塌. 本文借鉴物理学中”能量”的概念,将网民的活跃 度,网民对网络事件的参与度以及网民在网络事件参与 中的社区影响力的总和,称为网民个体的舆情观点能 量,简称为”个体观点能量”.由于网络舆情空间和网民 群体空间中,网民个体及其观点是基本的结构单元,按 元胞自动机理论的分析方法,也就是基本的元胞.因此, 本文将这种观点能量定义为”个体元胞观点能量”,并从 能量角度研究网民个体观点及群体行为对舆情事件群 体极化的促使作用. 2.个体元胞观点能量的测度指标ECO 元胞观点能量指标ECO(Enegy—Cell—Opinion),反 映某个网民个体观点在某时刻所处的一种能量状态.它 由网民个体活跃度,网民个体参与度,网民个体影响度 三个指标组成.物理学将”能量”通俗地界定为”物体作 功的本领”,元胞观点能量的这三个参数所体现的,则是 作为元胞的个体网民在网络舆情时空中所具备的对其 他网民施加影响和作用的能力. (1)网民个体活跃度A(Active),以网民个体表态发 帖的频繁程度来体现.若网民i对该舆情主题表态发帖 总数为ci,事件时间跨度?t,则: Ai=Ci/?t(2) (2)网民个体参与度P(Pa~ake),以网民个体i表态 发帖总数C在全体网民发帖总数C.中所占比例来衡量 他对该舆情事件的参与度: P=C/C.(3) (3)网民个体影响度E(Effect),将网民i的跟帖人回 帖总数c1,看帖人浏览总次数c2和自己的发帖总数 c3;,加权求和,计算其网帖反应数在主题讨论中占所有 网民网帖的反应总数的比例,作为网民个体i的影响度 Ei: Ei=(仅l?C1i+Ot2?C2+0【3?C3)/(C0+C2)(4) 其中C.,C分别为该主题讨论中全体网民的发帖总 数和全体看帖人的浏览总次数. 由上面的公式(2),(3),(4),我们得到网民个体i的 元胞观点能量ECOi的计算公式: ECOi=(ka?Ai+kp?Pi+ke?Ei)/(Ai+Pi+ Ei)(5) 式中的ka,kp,ke分别为网民个体活跃度A,网民个 体参与度P,网民个体影响度E的元胞能量贡献度(权 重). 3.网络舆情能量EPO的测度参数 网络舆情能量EPO(Enegy—Public—Opinion)的整 体测度参数,由流通强度CI(Circulationintensity),主题 热度TH(TopicHeat),舆情状态ST(State),舆情趋势TD (Tide)四大部分组成,分别刻画网络舆情能量的流通传 播属性,影响强度属性,状态静态属性,趋势动态属性. 237 江西社会科学2011.10 其中多处涉及到的流通量统计,是通过互联网不同的数 据源通道形成的报道数,帖子数,博文数等相关信息的 总量统计,一般通过WEB页面数来计算. (三)网民个体观点元胞能量的转换 舆情系统的本质特征是不断进行的舆情能量的流 动,次生事件的循环和舆情信息的不问断传递.个体的 舆情观点能量是舆情系统赖以衍生和发展的基础,是舆 情系统最基本的功能过程之一. 图2和公式(6)表述的是个体元胞观点能量ECOi 向网络舆情整体能量EPO的效能转换过程,它从能量角 度揭示了网络舆情事件中群体极化的形成机制. 群体 极化 隐性个体显性个休 观点能量观点能量 图2个体观点能量向网络舆情能量的转换 如图2所示,网民个体作为公众事件的直接参与 者,间接参与者或旁观关注者,面对公众事件都有自己 的观点和态度,他们已经潜在地具备隐性的个体观点能 量.当他们自觉或不自觉地参与到网络平台的交流和碰 撞中来,也就是参与到网络事件中来,他们隐性的个体 观点能量就开始通过网络媒介和网络平台的行为表达 而彰显出来,成为显性的个体观点能量;当他们参与的 网络事件逐步向舆情事件过度,转化和发展的时候,这 些分散的显性化的个体元胞观点能,fs为扩张函数 (Spread),为膨胀函数(Expansion),分别对应图2所示 238 效能转换过程中的舆情能量聚集转换,舆情能量扩张转 换和舆情能量暴涨转换. 三,元胞能量不同级别网民影响下的群体极化 (一)基于不同级别元胞观点能量的网民个体分类 用元胞自动机表示开放的网络舆情空间,根据个体 元胞观点能量的计算,可将网民分为四类:从众网民,普 通网民,领袖网民,潜水网民(详见表1). 这四种网民的出现与经典传播学的”沉默螺旋理 论”相吻合.根据”沉默螺旋理论”,个人因害怕被群体和 社会孤立,在表达意见前会预先估计民意的气候,当意 识到自己的意见与大多数人相同时,便会在公众场合公 开自己的观点,反之则会隐藏观点,这一趋势呈现螺旋 上升的过程.I9I由于”害怕孤立”,于是出现从众网民;由 于”会公开自己的观点”,于是出现了普通网民和领袖网 民;由于”会隐藏观点”,于是出现了沉默的潜水网民. 表1不同级别元胞观点能量Ec的网民个体分类 从众普通领袖潜水网民网民 网民网民网民(只看帖不发帖) 低能一般高能随机性节点,即支持,反 对或中立的观点倾向性,并统计出支持度D(t)和反对度 Da(t),即S(i,j,t)=1或S(i,j,t)=一1的网民元胞数占 评价网民元胞总数的比例. 当D(t)?80%,或Dd(t)?80%,即为”一致性评 价”,此时网络观点出现单极聚化.如果是负面的一致性 评价,政府部门应酌情疏导,使一致性负面评价分解为 两极分化,多级裂化甚至零极退化. 当D.(t)+Dd(t)?80%,且lD(t)一Dd(t)l<8,即参 与表态支持或反对的普通网民比例超过80%,且支持和 反对者数量相差不大时,普通网民观点出现了正反”两 极分化”.政府部门应弱化该种状态,使其分解为多级裂 化或零极退化. 当”两极分化”现象在网络舆情事件中朝”多维度舆 情”发展时,就形成了多组正,反两极的观点极化组合. 接接观 直间旁 _____________________ft___-_l 一会众事件一 基于网民观点能量的群体极化分析 这种”多极裂化”现象减小了群体极化规模,分散了舆情 压力,缓解了舆情危机. 2.领袖网民高能节点作用下的群体极化 领袖网民作为高能节点,具有很强的元胞影响力, 在网络舆情群体极化的元胞空间中,通过元胞自动机的 演化传导机制,领袖网民节点将他的观点倾向性状态S (i,j,t)从高能节点处迅速蔓延传导到周围邻域节点,从 而快速形成簇团化的群体极化. 领袖网民参与事件表态的积极性和投入舆情引导 的概率大小,同他的期望走势与实际走势之间的偏差激 励呈正相关性.偏差越大激励越大,领袖网民”强化”其 舆论趋势的概率就越大,网民追随的概率也越大. 以网络舆情最近n个时段的平均走势M(t)作为领 袖网民的期望走势,并以此来引导当前舆情实际走势T (t)的演化. 当IT(t)一M(t)I>>0,即当前走势远离期望值 时,领袖网民受大偏差的激励,将积极通过营造”舆情环 境”来影响和制约舆情走势,甚至强制人们对”优势意 见”采取趋同行动,促成网络舆情极化. 网民领袖高能节点对舆情演变和群体极化的核心 影响作用,一定要引起政府部门的强烈关注,务必加强 与网民领袖及时而深入的沟通和交流,重视他们的意见 和建议,缓解他们可能的偏激观点. 3.从众网民低能节点作用下的群体极化 从众网民是低能节点,自身的影响力很低,通常只 是跟风随大流,所持态度不仅受其元胞邻居行为态度的 影响,还要受到整个舆情能量的影响. 在单极聚化的高舆情能量状态下,从众网民特别容 易跟风随众,依附在高聚集的群体意见上,加速群体极 化.如果从众网民的比例高达网民总数的80%,即同一 观点赞同或不赞同人数对舆情态势的导向作用占绝对 地位,就会很快形成”一致性评价”. 当”两极分化”表现出部分差异时,从众网民的跟风 会很容易加速这种不平衡,导致”两极分化”向”单极聚 化”偏移. 当”多级裂化”趋势出现时,从众网民逐渐表现为无 可适从,不知怎么跟风,对舆情的观点态度呈现多样化, 且各个数据的比例都很小,从而使群体极化开始向零极 退化转变或直接导致零极退化. 从众网民的大批量跟风所形成的舆情能量聚集,需 要政府部门通过尽量公开舆情信息,及时澄清事件真 相,快速引导群体事件的方式使之向正面舆情演变. 4.潜水网民随机性节点作用下的群体极化 潜水网民不在网上公开表态,他们通常只看帖不发 帖也不回帖,像潜水员一样很少浮出水面,让人不识其 庐山真面目.他们要么是真潜水,默默无闻,其元胞能量 EC接近或低于从众网民节点,处于低能状态;要么是半 潜水,网上仍不发帖,网下却可能表态影响旁人,其EC 接近或超过普通网民,处于中能状态;要么是假潜水,幕 后推波助澜,操纵舆情走向,策划群体极化,其EC接近 甚至超过领袖网民,处于高能状态. 四,结论 通过个体观点元胞能量的分析,建立了个体观点元 胞能量向网络舆情总体能量的效能转换模型.依据个体 观点元胞能量,将网民分为从众网民,普通网民,领袖网 民和潜水网民四类,通过元胞自动机空间的群体极化剖 析,对基于四类不同网民的网络舆情群体极化现象进行 定性分析,并为政府部门提出相应的策略建议.进一步 的研究将开展舆情能量定量分析和仿真实验分析. [参考文献】 [1】刘毅.网络舆情研究概论[M].天津:天津人民出 版社.2007. 【2]SunsteinCILTheLawofGroupPolarizatiorLJournalof PoliticalPhilosophy,2002,(2). [3]SiaC.TanBCY,WeiK.GroupPolarizationand Computer—MediatedC:EffectsofCommuni— cationCues,SocialPresenceandAnonymity.Information SystemsResearch,2002,(1). 【4】张桂霞.网络舆情主体的群体极化倾向分析【J]. 青岛科技大学(社会科学版),2005,(4). [5]史波.网络舆情群体极化的动力机制与调控策 略研究[JJ.情报杂志,2010,(7). 【6]王根生,勒中坚,陆旭等.迁移元胞自动机网络 舆情演化模型(M,2CA)【J].情报,2011,(6). [7]肖海林,邓敏艺,孔令江,刘幕仁.元胞自动机舆 论模型中人员移动对传播的影响[J】.系统工程, 2005,(3). 【8]赵强.论维护国家舆论安全【J】.求是/红旗文 稿,2009,(10). 【9]陈强,曾润喜,徐晓林.网络舆情反沉默螺旋研 究[J].情报杂志,2010,(8). 【责任编辑:高平】 239