|
|
|
| Research on the Governance Path of the Public Opinion Reversal of Emergency: Based on Information Interaction Perspective |
| Cong Jingyi1,2, Ai Wenhua1,2, Hu Guangwei1,2 |
1.School of Information Management, Nanjing University, Nanjing 210023
2.Institute of Government Data Resources, Nanjing University, Nanjing 210023 |
|
|
|
|
Abstract The reversal of public opinion in public emergencies brings great challenges to social stability and government credibility. With the support of social media, information interaction has become an important factor affecting public opinion and sentiment trends. Research on the effectiveness of public opinion reversal governance from the perspective of information interaction provides an important decision-making reference for the public opinion governance and control in the event of public emergencies. By constructing an evolution modelSFEnInRfrom the perspective of information interaction, this study simulates the competitive evolution of an unknown event population S, an opinion presenter Ii with opinion i, a potential opinion presenter Ei with opinion i, followers F holding a wait-and-see attitude, and an individual R with no interest in the event on the social network. Then, it analyzes the characteristics of the system evolution under different attitude scenarios, solution strategies, and measures. The results show that the timing of announcements can effectively affect the evolution of netizens’ opinions. Improving information transparency and objective reporting can accelerate the return of netizens to a rational state. The public opinion system can actively guide netizens and reduce the spread of extreme and radicalized public opinions.
|
|
Received: 16 August 2021
|
|
|
|
1 Jiang G Y, Li S P, Li M L. Dynamic rumor spreading of public opinion reversal on Weibo based on a two-stage SPNR model[J]. Physica A: Statistical Mechanics and Its Applications, 2020, 558: 125005.
2 Chen T G, Wang Y L, Yang J J, et al. Modeling public opinion reversal process with the considerations of external intervention information and individual internal characteristics[J]. Healthcare, 2020, 8(2): 160.
3 韩运荣. 舆论反转的成因及治理——通过新闻反转的对比分析[J]. 人民论坛, 2019(30): 116-118.
4 田俊静, 兰月新, 夏一雪, 等. 基于决策树方法的网络舆情反转识别与实证研究[J]. 情报杂志, 2019, 38(8): 121-125, 171.
5 汪明艳, 余丽彬, 朱译冰. 舆论反转中群体极化效应的影响因素研究[J]. 情报杂志, 2018, 37(9): 106-112, 119.
6 王楠, 李海荣, 谭舒孺. 基于改进SMOTE算法与集成学习的舆情反转预测研究[J]. 数据分析与知识发现, 2021, 5(4): 37-48.
7 夏一雪, 兰月新, 刘茉, 等. 大数据环境下网络舆情反转机理与预测研究[J]. 情报杂志, 2018, 37(8): 92-96, 207.
8 南塬飞雪. 热点事件的舆情反转现象研究[D]. 南京: 南京大学, 2019.
9 汪明艳, 朱德米, 张鹏翥, 等. 不实信息引发的社会热点事件网络舆论反转演变仿真及治理研究[J]. 中国软科学, 2019(6): 59-66.
10 江长斌, 邹悦琦, 王虎, 等. 基于SVM的自媒体舆情反转预测研究[J]. 情报科学, 2021, 39(4): 47-53, 61.
11 黄传超, 胡斌, 闫钰炜, 等. 网络暴力下突发事件中观点决策与舆情反转[J]. 管理工程学报, 2019, 33(1): 252-258.
12 Zhu H, Hu B. Impact of information on public opinion reversal—an agent based model[J]. Physica A: Statistical Mechanics and Its Applications, 2018, 512: 578-587.
13 张兆曙. 网络舆论的“反转”何以可能?——基于发生结构的视角[J]. 学海, 2018(4): 150-157.
14 孟祥薇. 自媒体时代舆情反转现象研究[D]. 长春: 吉林大学, 2017.
15 马宁, 刘怡君. 舆论领袖传播影响力的阶段式建模分析[J]. 中国管理科学, 2020, 28(3): 52-58.
16 王晰巍, 贾若男, 刘婷艳, 等. 新冠肺炎疫情事件信息传播主体特征分析方法及模型——以“钻石公主号邮轮”事件为例[J]. 情报学报, 2021, 40(3): 245-255.
17 兰月新, 曾润喜. 突发事件网络舆情传播规律与预警阶段研究[J]. 情报杂志, 2013, 32(5): 16-19.
18 刘雪琳. 后真相时代下的舆情反转现象探究[J]. 传播力研究, 2018, 2(11): 9-10.
19 吴大伟, 胡小飞, 艾文华. 突发公共卫生事件高低热度谣言传播组态路径研究——基于模糊集定性比较分析[J]. 情报科学, 2021, 39(7): 38-44, 62.
20 韩旭. 探析网络“舆论反转”现象出现的成因及对策——以“狗嘴下救女童系谎言”事件为例[J]. 西部学刊(新闻与传播), 2016(4): 24-28.
21 黄微, 赵昕, 赵江元. 舆情传播高涨期阶段的反转事件产生机理分析[J]. 情报理论与实践, 2019, 42(12): 60-66.
22 谭宏民, 赵欣茹. 探析新闻反转剧中网络舆情的发展态势及成因——以“成都女司机被打”事件为例[J]. 新闻传播, 2015(15): 25-27, 29.
23 王国华, 闵晨, 钟声扬, 等. 议程设置理论视域下热点事件网民舆论“反转”现象研究——基于“成都女司机变道遭殴打”事件的内容分析[J]. 情报杂志, 2015, 34(9): 111-117.
24 刘旭彤. 双微传播舆情反转现象形成机理及对策研究[D]. 济南: 山东大学, 2017.
25 孙翠平. 网络舆情反转的传播及演化研究[D]. 广州: 华南理工大学, 2018.
26 张华. 网络舆情反转现象中的“参照点效应”——基于对“大学生掏鸟窝获刑十年半”微博舆情的研究[J]. 新闻界, 2016(7): 28-32.
27 田世海, 孙美琪, 张家毓. 基于贝叶斯网络的自媒体舆情反转预测[J]. 情报理论与实践, 2019, 42(2): 127-133.
28 袁野, 兰月新, 张鹏, 等. 基于系统聚类的反转网络舆情分类及预测研究[J]. 情报科学, 2017, 35(9): 54-60.
29 魏静, 黄阳江豪, 林萍, 等. 基于改进SIR模型的微博网络舆情传播研究[J]. 情报科学, 2019, 37(6): 16-22.
30 史若天. 从突发事件网络舆情的流变过程浅析网民心理特征——以“5·3成都女司机被打”事件为例[J]. 新媒体研究, 2016, 2(12): 16-17, 36.
31 陈思. 网络舆情反转现象探析——以山东“纱布门”事件为例[J]. 东南传播, 2017(4): 63-65.
32 刘敏. 舆情反转事件中微博语言暴力的生成机制及其治理——以“河南眼癌女童事件”为例[J]. 新媒体研究, 2019, 5(9): 1-4.
33 曾子明, 万品玉. 融合演化特征的公共安全事件微博情感分析[J]. 情报科学, 2018, 36(12): 3-8, 51.
34 李勇, 蔡梦思, 邹凯, 等. 社交网络用户线上线下情感传播差异及影响因素分析——以“成都女司机被打”事件为例[J]. 情报杂志, 2016, 35(6): 80-85.
35 王芳芳. 网络舆论后真相现象生成机制及内在逻辑——以陕西榆林产妇跳楼案为例[J]. 青年与社会, 2019(9): 215-216.
36 许丽君. 突发事件中网络舆情的传播特征及应对措施——以“重庆公交坠江事件”为例[J]. 新闻世界, 2019(11): 33-37.
37 朱一丹, 候一凡. 新媒体时代对反转新闻现象的反思——以“名校大学生偷外卖事件”为例[J]. 新媒体研究, 2020, 6(18): 90-92.
38 钟庆涛. 基于5W模式浅析反转新闻的传播机制——以“清华女考生遭歧视事件”为例[J]. 视听, 2019(9): 189-190.
39 李洁. 浅析网络时代的“反转新闻”的缘由——以“上海女逃离江西农村”为例[J]. 传播与版权, 2018(6): 21-24.
40 谢娟, 李文文, 沈鸿权, 等. 信息爆炸和信息不确定语境下的可信度判据研究——以COVID-19疫情为例[J]. 情报学报, 2021, 40(7): 714-724.
41 文宏. 网络群体性事件中舆情导向与政府回应的逻辑互动——基于“雪乡”事件大数据的情感分析[J]. 政治学研究, 2019(1): 77-90, 127.
42 计永超, 刘莲莲. 新闻舆论引导力: 理论渊源、现实依据与提升路径[J]. 新闻与传播研究, 2016, 23(9): 15-26, 126. |
|
|
|
