|
|
|
| Cross-Social-Media Public Opinion Risk Perception: Construction and Implementation of a Theoretical Framework |
| Wang Dan1, Liu Fukang1, Lu Wei1,2 |
1.School of Information Management, Wuhan University, Wuhan 430072
2.Information Retrieval and Knowledge Mining Laboratory, Wuhan University, Wuhan 430072 |
|
|
|
|
Abstract The shifting and moving among social media platforms allow Internet users to obtain complex and diversified information, accelerate the efficiency of public opinion communication, and accelerate the generation and evolution of public opinion risks. Timely capture and prediction of online public opinion risks are crucial for maintaining network security. Currently, the perception objects of public opinion risk mainly focus on a single social media platform, and there is room to expand the construction and implementation of a theoretical framework for cross-social-media public opinion risk perception. Therefore, by analyzing the communication characteristics of cross-social-media public opinion risk, this study systematically develops a cross-social-media public opinion risk perception framework that includes three stages: identification of abnormal public opinion on a single media platform, research and evaluation of cross-social-media public opinion risk, and prediction of cross-social-media public opinion risk. Through the construction of a multistage index system and data correlation mining, the identification, research, and prediction of cross-social-media public opinion risks are realized. The findings can broaden the research perspective of public opinion risk perception, enrich the theoretical system of public opinion risk, and strengthen the synergy of social media to enable public opinion risk governance, which will be conducive for improving the level of public opinion risk prevention and control.
|
|
Received: 05 September 2023
|
|
|
|
1 The changing world of digital in 2023[R/OL]. (2023-01-26) [2023-07-15]. https://wearesocial.com/uk/blog/2023/01/the-changing-world-of-digital-in-2023/.
2 Gershon I. Breaking up is hard to do: media switching and media ideologies[J]. Journal of Linguistic Anthropology, 2010, 20(2): 389-405.
3 Madianou M. Smartphones as polymedia[J]. Journal of Computer-Mediated Communication, 2014, 19(3): 667-680.
4 Kim M, Newth D, Christen P. Modeling dynamics of diffusion across heterogeneous social networks: news diffusion in social media[J]. Entropy, 2013, 15(10): 4215-4242.
5 Yan M, Deng Z Y, Sang J T, et al. User-oriented social analysis across social media sites[C]// Proceedings of the 17th International Conference on Image Analysis and Processing. Heidelberg: Springer, 2013: 482-490.
6 Wang Z B, Zhou C Y, Sun J W, et al. Key technology research on user identity resolution across multi-social media[C]// Proceedings of the 2015 International Conference on Cloud Computing and Big Data. Piscataway: IEEE, 2015: 358-361.
7 付博, 刘挺. 基于跨社交媒体检索的微博消费对象识别[J]. 计算机科学与探索, 2015, 9(10): 1247-1255.
8 熊回香, 杨滋荣, 蒋武轩. 跨媒体知识图谱构建中多模态数据语义相关性研究[J]. 情报理论与实践, 2019, 42(2): 13-18, 24.
9 安宁, 安璐. 跨平台网络舆情知识图谱构建及对比分析[J]. 情报科学, 2022, 40(3): 159-165.
10 王益成, 张梅, 李会. 跨平台用户信息过滤气泡强度比较研究[J]. 情报资料工作, 2023, 44(3): 88-97.
11 成全, 刘彬彬. 用户跨平台学术信息搜索行为影响因素研究: 注意力控制与自我效能的调节作用[J]. 情报科学, 2022, 40(2): 82-90.
12 阮光册, 夏磊, 周萌葳. 跨媒体智能视角下的知识服务探析[J]. 情报理论与实践, 2021, 44(7): 79-85.
13 黄星, 刘樑. 突发事件网络舆情风险评价方法及应用[J]. 情报科学, 2018, 36(4): 3-9.
14 王治莹, 梁敬, 刘小弟. 突发事件情境中公众的风险感知研究综述[J]. 情报杂志, 2018, 37(10): 161-166.
15 Kim K, Baek Y M, Kim N. Online news diffusion dynamics and public opinion formation: a case study of the controversy over judges’ personal opinion expression on SNS in Korea[J]. The Social Science Journal, 2015, 52(2): 205-216.
16 王林平, 高宇. 突发事件网络舆情风险演化规律及防控策略[J]. 吉首大学学报(社会科学版), 2022, 43(4): 96-107.
17 成俊会, 赵金楼. 基于信息风险感知的社交网络舆情传播模型研究[J]. 情报杂志, 2015, 34(1): 134-138.
18 陈培友, 侯甜甜. 基于ANP—灰色模糊的社交网络舆情风险预警研究——以“重庆公交坠江事件”为例[J]. 情报科学, 2019, 37(5): 115-120.
19 邹汶君, 兰月新, 夏一雪, 等. “一带一路” 沿线国家涉华舆情风险感知与对策研究[J]. 情报科学, 2021, 39(11): 60-68, 75.
20 张玉亮. 基于UML方法的突发事件网络舆情信息流风险评价指标体系构建研究[J]. 图书与情报, 2016(3): 1-10, 18.
21 黄敏. 政治的再媒介化: 政务微博的跨媒体传播初探[J]. 电子政务, 2017(9): 49-62.
22 Lee F L F. Contents and effects of newspaper coverage of talk radio in Hong Kong: a study of remediation through content adaptation[J]. Mass Communication and Society, 2013, 16(2): 222-244.
23 黄丹俞. 跨媒体阅读: 图书馆阅读推广的新趋势[J]. 图书与情报, 2012(5): 26-30.
24 段峰峰, 陈淼. 多元与智能: 跨媒体网络舆情数据的分析与处理[J]. 传媒观察, 2020(1): 33-38.
25 亨利·詹金斯, 赵斌, 马璐瑶. 跨媒体, 到底是跨什么?[J]. 北京电影学院学报, 2017(5): 31-34.
26 Tandoc E C, Lou C, Min V L H. Platform-swinging in a poly-social-media context: how and why users navigate multiple social media platforms[J]. Journal of Computer-Mediated Communication, 2019, 24(1): 21-35.
27 刘雅姝, 张海涛, 徐海玲, 等. 多维特征融合的网络舆情突发事件演化话题图谱研究[J]. 情报学报, 2019, 38(8): 798-806.
28 王苗苗, 李运伦, 张蕴慧. 基于德尔菲法的高血压病肝气郁结证问卷分析[J]. 湖南中医杂志, 2014, 30(4): 137-138.
29 许艺凡, 马冠生. 新媒体在健康传播中的作用及评估[J]. 中国健康教育, 2018, 34(1): 62-66.
30 孟博, 刘茂, 李清水, 等. 风险感知理论模型及影响因子分析[J]. 中国安全科学学报, 2010, 20(10): 59-66.
31 Slovic P. The perception of risk[M]. London: Routledge, 2000.
32 张思龙, 王兰成, 娄国哲. 基于情报感知的网络舆情研判与预警系统研究[J]. 情报理论与实践, 2020, 43(12): 149-155.
33 郭苏琳, 黄微, 李吉. 区块链技术在网络舆情风险管理体系的应用研究[J]. 图书情报工作, 2020, 64(9): 19-26.
34 兰月新, 张丽巍, 王华伟, 等. 面向风险监测的网络舆情异常感知与实证研究[J]. 现代情报, 2022, 42(3): 102-108.
35 李思思, 钟瑛. 突发公共卫生事件中武汉青年风险感知的“愤怒效应”——基于社交媒体使用的交互作用的考察[J]. 新闻与传播评论, 2022, 75(4): 74-86.
36 丁晓蔚. 网民情绪分析及相应舆情风险管理研究——基于大数据热点事件[J]. 当代传播, 2019(6): 51-54.
37 夏一雪. 基于舆情大数据的社会安全事件情报感知与应用研究[J]. 现代情报, 2019, 39(11): 121-127.
38 隋岩, 张丽萍. 从“蚂蚁效应” 看互联网群体传播的双重效果[J]. 新闻记者, 2015(2): 72-77.
39 孙国强, 石文萍. 大学校园微信用户非理性集群行为生成路径研究——基于清晰集的定性比较分析[J]. 情报科学, 2017, 35(5): 150-156.
40 吴鹏, 王夏婷, 金贝贝. 基于BDI-Agent模型的网民集群行为建模研究[J]. 情报理论与实践, 2019, 42(4): 136-144.
41 青平, 张莹, 涂铭, 等. 网络意见领袖动员方式对网络集群行为参与的影响研究——基于产品伤害危机背景下的实验研究[J]. 管理世界, 2016(7): 109-120.
42 王树徽, 闫旭, 黄庆明. 跨媒体分析与推理技术研究综述[J]. 计算机科学, 2021, 48(3): 79-86.
43 王秉, 史志勇, 周佳胜. 安全情报视域下的安全态势感知与塑造模型[J]. 情报理论与实践, 2023, 46(1): 1-6.
44 张明杰, 肖奇荣, 朱烨行. 基于XGBoost模型的融合多特征微博信息传播预测方法[J]. 科学技术与工程, 2023, 23(10): 4279-4285.
45 高烨, 李松, 郭海玲, 等. 基于LTTB-KSC算法的网络舆情事件热度高峰研究[J]. 情报杂志, 2023, 42(1): 198-207.
46 Yu N, Liu K, Ma K. Analysis of public opinion heat trend in universities on the basis of Markov chain[C]// Proceedings of the 2018 IEEE 15th International Conference on e-Business Engineering. Piscataway: IEEE, 2018: 218-222.
47 彭思琪, 周安民, 廖珊, 等. 基于图注意力网络的舆情演变预测研究[J]. 四川大学学报(自然科学版), 2022, 59(1): 109-116.
48 谭旭, 庄穆妮, 毛太田, 等. 基于LDA-ARMA混合模型的大规模网络舆情情感演化分析[J]. 情报杂志, 2020, 39(10): 121-129.
49 王亚民, 宁静, 马续补. 基于社会化媒体的公共政策舆情预测研究[J]. 情报理论与实践, 2019, 42(1): 87-93.
50 戴元初. 二八定律与舆情危机管理的重心选择[J]. 青年记者, 2011(7): 63-64.
51 2018热词|舆论专题(下)[EB/OL]. (2018-11-14) [2023-07-15]. https://www.sohu.com/a/275535676_736480.
52 Castells M. Communication power[M]. Oxford: Oxford University Press, 2009: 37.
53 刘建明. 当代新闻学原理[M]. 北京: 清华大学出版社, 2003: 37.
54 李明德, 高如. 媒体微信公众号传播力评价研究——基于20个陕西媒体微信公众号的考察[J]. 情报杂志, 2015, 34(7): 141-147.
55 沈正赋. 新媒体时代主流媒体影响力和公信力的建构与提升路径研究[J]. 中国编辑, 2018(11): 40-45.
56 冯锐, 李闻. 社交媒体影响力评价指标体系的构建[J]. 现代传播(中国传媒大学学报), 2017, 39(3): 63-69.
57 郑丽勇, 郑丹妮, 赵纯. 媒介影响力评价指标体系研究[J]. 新闻大学, 2010(1): 121-126.
58 郑丽勇. 媒介影响力乘法指数及其效度分析[J]. 当代传播, 2010(6): 20-23.
59 谢康, 姜国庆, 郭杭鑫, 等. 基于改进GM(1,n)的动态网络舆情预警模型[J]. 计算机应用, 2023, 43(1): 299-305.
60 安璐, 易兴悦, 孙冉. 恐怖事件情境下微博影响力的预测及演化[J]. 图书情报知识, 2019(4): 52-61, 81. |
|
|
|
