阐述突发事件舆情传播社会网络结构测度与

论文导读：
摘要：运用社会网络分析策略（SNA）研究信息在突发事件网络舆情传播中的整体结构和结点在网络中的位置及相互关系，探究舆情网络传播结构对信息的传播路径、传播速度和传播范围的影响。以突发事件“11·16”校车事故为实证研究对象，生成“11·16”舆情传播网络拓扑图，基于邻接矩阵数据对信息传播网络进行了整体网络结构、内部子结构和个体位置结构测度，并根据研究结果提出网络舆情引导政策倡议。
关键词：突发事件；舆情传播；社会网络结构；测度
德国社会学家乌尔里希·贝克指出，由于人类对自然和社会生活干预范围和深度的不断扩大，当下全球已经进入风险社会。[1 ]伴随着生产力的迅猛增长，传统社会价值体系的转变，虚拟世界与现实世界的相互依存和渗透，各种自然灾害、事故灾害和社会安全事件等突发性危机事件已经成为当今世界各国普遍面对的理由，公共危机进一步常态化、多元化和系统化。近年来被称为“第四媒体”的网络媒体在各种突发事件上表现出了强大的影响力，广大网民以网络为平台，通过新闻跟贴、论坛发贴、微博转发等方式迅速形成的网络舆情经由网络传播产生发散和衍生效应，促使社会情绪合流、快速共振后形成突发事件的网络舆情危机。突发事件网络信息作为一种异化情境下的特殊信息形态存在于复杂互动的社会网络之中，行动者在网络结构中交换或分享信息，并发展相互关系。通过互动关系动态地影响着信息传播的路径、速度及变异性等。鉴于网络的结构特性直接关系到舆情演化中的个体间的相互关系，进而影响观点的统一、观点的极化以及观点的分散程度等舆情演化特征，本文试图对“11·16”校车事故突发事件信息传播网络的拓扑结构进行测度，分析该舆情网络的整体结构、内部子结构和个体结构，揭示舆情传播网络的结构特征与动力机制，本质地把握突发事件网络舆情演变规律，为更大范围和更复杂的突发事件网络舆情管理提供理论和实践参考。

一、 突发事件、网络舆情与社会网络分析

(一)突发事件与网络舆情

根据2007 年颁布的《中华人民共和国突发事件法》对突发事件概念进行的界定，“突发事件是指突然发生，造成或者可能造成严重社会危害，需要采取应急处置措施予以应对的自然灾害、事故灾难、公共卫生事件和社会安全事件。”[2 ] 信息的不确定性对突发性危机事件的约束性很强，政府及社会在不确定约束下被动陷入非常规状态，各方均要求迅速获取有价值信息，以便“在时间压力和不确定性高的条件下对其作出应急个体和群体决策”。在突发公共事件的不同阶段，信息通过不同的渠道传播与被传播，不同的信息传播主体在信息传播过程中担负各自的职能，具有不同的性质、特点和规律，对事件的进展发挥着不同作用。事发初期信息通常仅掌握在某狭小地区或少数个体之中，但经由多种渠道进行的事件信息传递和交流，使更多人或组织成为利益相关人。信息的传播扩散可以通过政府、传媒、文献信息机构等途径实现，电子通讯和网络技术的发展极大地扩展了传统信息传播渠道、方式和范围，成为事件信息传播的新途径。
基于信息形成的多种情绪、意愿、态度和意见交错的总和就是广义上的舆情概念。网络舆情是舆情的一种，是对舆情新特征的综合和强化，主要指以BBS论坛、博客、各种社交网站和虚拟社区等为平台而呈现出来的网民对社会上的人和事的看法。[3 ]网络对舆情传播有明显增强和扩散作用，突破了传统媒介“一对多”形式的信息束缚，实现了“多对多”的N级传播模式，从而具备了主导公众舆论和关注信息的能力。

(二)突发事件舆情传播与社会网络分析

突发事件网络舆情是指通过新闻报道、网民发表言论等方式或呈现个人、群体及组织在网络空间中发布传播的基于突发事件的含有情绪、态度、意愿、观点或行为倾向的信息。包括事件的认知、过程、理由以及相应处置、事件背后的社会道德、体制等理由的各种观点和言论。与传统舆论相比，网络舆情的受众和传播主体更加分散，形成速度更快，内容更丰富，能够更加直接快速地反应事件的宏观舆情，但是互联网在提供便捷传播和获取信息通道的同时，也增强了噪音信息的流动，它们对正常信息构成干扰，影响真实信息畅通地传播。网络上呈现的负面舆情会影响公民对突发事件的认知、判断，甚至影响政府和当事人的态度与行为，数量大、争议多、影响广的网络舆情，不仅影响突发事件的制约，还可能演变为后果严重的衍生件，危害国家的安全和社会的稳定。
社会网络分析 （Social Network Analysis 简称为 SNA）是适应研究社会结构和社会关系需要而发展起来的一种分析策略。社会网络指的是由多个结点（一组社会行动者）和各结点之间的连线（行动者之间的关系）组成的集合。通常被用于描述和测量行动者之间的关系或通过这些关系流动的各种有形或无形的东西，比如信息、资源等。在社会学中，社会结构是在各不相同的层次上使用的。它既可用以说明微观的社会互动关系模式，也可说明宏观的社会关系模式 [4 ]。在突发事件信息的传递与交流中， 存在大量不确定影响因素，各种以信息为媒介的触发、耦合、并发、转化关系的存在，将突发事件的组织与个体之间建立了联系，若用连线表示这些结点之间的接触或相互作用模式，就可描述出不同的网络结构，形成具有特定拓扑特性的突发事件舆情传播网络。若结点数量庞大，且结点间相互连线呈复杂构型，则这样的社会网络就可称为复杂社会网络。无论是人们之间传统的信息交换方式还是当前逐渐成为主流的互联网方式，舆情运转的网络都呈现出复杂社会网络的某些特征。因此，从社会网络分析策略和复杂网络的视角看，突发事件舆情的传播与扩散是传播主体与客体基于现实网络和虚拟网络复杂互动的过程，是一种社会信息流，在其发生、发展、演化和制约中通过多结点多层次构成的复杂社会网络进行传播、扩散和认同的过程。定性分析与定量测度舆情传播演化过程中的网络结构及参数特征也是目前社会学、管理学和传播学等多领域的研究热点。
二、 突发事件舆情传播的社会网络结构测度及参数分析在舆情网络中，占据“结构洞”的舆情形成者限制了洞两端的行动者的信息传播、获取行为，决定了舆情是否折射或流动。跨越较多结构洞论文导读：。通过结点之间的关注、转发和评论等进行数据联系。本文采用有向网络结构图。舆情传播网络的“互动关系矩阵”中，成员A转发、关注了成员B的信息，则代表A与B的联系为1，反之，成员B没有关注、转发和评论成员A时，则B与A的联系为0。通过在社会网络结构中的数据信息查询，整理排列出52×52互动关系矩阵，并生成舆情传播网络关系图，见
的结点较之跨越较少结构洞的结点能够更多的接触到非冗余信息源，易于积累更多的社会资本。但实际上，与其他结点的联系越多也越易受关系限制，这种关系是强联系。在舆情传播中弱联系比同质化的强联系更适合传递信息。

三、 实证研究

(一)“11·16校车事故”舆情概述

2011年11月16日上午，甘肃省庆阳市正宁县一辆货车与榆林子镇幼儿园超载校车相撞，造成21人遇难，43名儿童受伤。新华、人民、搜狐、网易等新闻类网站都在第一时间发表了相关新闻。当日下午甘肃省卫生厅公布了第一条相关微博，随后甘肃省政府新闻办、庆阳市卫生局等政务微博也陆续发布了信息。微博的转发数据庞大，且具有较强影响力和传播力，仅新浪微博上与“校车车祸”相关的微博当天就达到96万多条。事件的关注者多为政府官员、教育和医疗行业人员、媒体人等，传统意见领袖关注较少。
11月17日庆阳市委召开新闻发布会，网上舆情热度大幅上升，18日舆情达到峰值后下降。到11月22日，校车事故共引发相关报道13 795篇，网民跟帖评论1 785 428条，涉及网站560家。该事件涉及论坛主帖2 153个，回复10 873条，博客文章2 108篇。从网民关注度和网络关注度来看，本事件关注数量和强度较大，但主事件持续时间不长，大众媒体在舆论形成过程中依然扮演“信息源”和“推动者”的角色。该事件暴露出一些地区存在车辆违法严重超载、非法擅自改装车辆和有关部门安全监管不到位、教育投入不足等长期存在的突出理由。事发后，当地紧急组织抢救、侦办案件、及时行政问责、发布新闻和微博，一定程度上挽回了负面影响。甘肃当地政府部门和官员能够运用微博工具，以积极开放的心态倾听网民的意见和倡议，成为本次事件舆情应对的亮点。

(二) 数据来源与处理

校车事故的网络舆情主要通过公共网络平台和发布平台进行了信息传播交流。因此，本文选取公共舆情平台中的20个网站为结点，包括以人民网、网易新闻、搜狐新闻、腾讯新闻等为主的新闻网；以天涯社区、猫扑社区、凤凰论坛为主的论坛和社区类；以土豆视频、酷六视频、凤凰视频为主的音视频网。选取个人舆情平台的32个博客主和微博主作为结点，主要是以新浪微博、腾讯微博、人民微博为主的微博客和以新浪博客、网易博客、凤凰博报为主的博客。通过结点之间的关注、转发和评论等进行数据联系。本文采用有向网络结构图。舆情传播网络的“互动关系矩阵”中，成员A转发、关注了成员B的信息，则代表A与B的联系为1，反之，成员B没有关注、转发和评论成员A时，则B与A的联系为0。通过在社会网络结构中的数据信息查询，整理排列出52×52 互动关系矩阵，并生成舆情传播网络关系图，见下图。

(三)整体结构测度

1.密度
密度的测量旨在汇总各个线的总分布及其与完备图的差距。固定规模的结点之间连线越多，图的密度越大[14 ]。“11.16”事件舆情传播网络的密度为0.2289，在整体网络结构图中结点之间联系及较为紧密，主要表现为网络结构图中大部分结点之间存在直接联系。因此，该结构对舆情传播主题的关注度较为集中，有助于舆情的快速传播扩散。

2.点度中心性

在有向图中，一个点的点入度指的是直接指向该点的点数的总和；点出度指该点所直接指向的其他点的总数 [15 ]。
“11.16”事件测度结果显示，不同成员表现出不同的点入度和点出度。根据点度中心度的数量不同，成员在社群中所拥有的权力和地位也不同。事故中点入度的最大值为35，是12号“头条新闻”，说明了其他结点对12号的关注量高，其信息传播等行为具有很大的影响力；点出度最大值为29，是15号结点“土豆网”，说明了“土豆网的信息来源较广，能够接收到更多校车事故的信息。1号“财新网”、2号“财经网”等成员的点入度和点出度的排名也比较靠前，说明他们在舆情传播网络结构中较为活跃，与其他成员互动性强，传播的信息易于获得关注。

3.行动者间距离

在社群图中，将给定的两个行动者之间存在的长度最短的那条途径称为“测地线”（geodesic） [16 ]。如果两个点之间存在多条最短途径，则这两个点之间就存在多条测地线。也就是说，两点之间的距离指的是连接这两点的最短途径的长度 [17 ]。
“11.16”事件测度结果显示，该舆情网络结构图中结点的距离最大值为5，最小值为1，大部分的结点之间的距离为1和2。在信息的传播过程中，最短距离越小，信息通过的结点就越少，传播速度则越快。整个网络的平均距离为

2.065，因此可以说明在整个舆情网络中，舆情信息传播速度较快。

(四)凝聚子群分析

凝聚子群分析是利用一些算法找出“凝聚子群”，以确定组成整个网络中小的团体，也称为“小团体分析” [18 ]。k- 核是建立在点度数基础上的，一个k- 核就是满足下列条件的一个凝聚子集，即在这样的子群中，每个点都至少与除了k 个点之外的其他点直接相连（邻接）。
“11.16”事件测度结果显示，校车事故k-丛的最大值为14，结点数共有25个，占全部结点1/2，说明了在该舆情网络图中存在联系紧密的“凝聚子群”，且该子群在整个舆情网络中占据了核心位置，掌握了大量的信息来源和占据了传播途径的关键点位置。

(五)个体位置结构分析

1.结构对等性测度

结构对等性的测度即指“网络位置的对等性”。主要考察的是行动者在多大程度上相似。“11.16”事件图为对称矩阵，除了对角线位置上的数值为 0（行动者与自身是完全对等的）外，最小数据是2.449，为45号“网易新闻”和42号“雅虎论坛”，即这两个结点在结构上对等的。其他结点点对结点之间的距离各不相同，成员之间的结构对等性程度也不相同，因而影响力也不同。舆情网络成员之间的相似性指数并不相同。相互替代后不会转变对整个网络的影响力，在不转变影响力的前提下，结构对等性指数越高，互相替代的可能性也就越大，如16号和23号之间的结构对等性指数为5.477，其影响力也相当。