“融媒体”时代突发危机事件微博负面舆情规律预测建模及引导策略分析

【目的/意义】随着社交媒体的普及和影响力的扩大,突发危机事件往往会在微博等平台引发大量讨论和传播。在极短时间内突发危机事件可能会对事件主体的形象和声誉造成不可逆转的影响,研究突发危机事件微博负面舆情引导策略能够帮助舆情管理部门有效引导网民负面舆情,提高突发危机事件的应变能力和管理水平。【方法/过程】根据突发危机事件舆情特点建立灰色微分方程,采集突发危机事件历史数据;通过白化微分方程构建舆情规律预测模型,确定突发危机事件爆发临界点;利用残差检验法验证舆情规律预测模型预测结果。【结果/结论】实证分析结果表明,信息公开时间越早,负面舆情越容易得到控制;信息准确度越高,负面舆情传播规模越小;信息完整度越高,负面舆情影响范围越小。【创新/局限】文章提出及时公开信息提升政府公信力、强化信息准确度引导公众理性评判、确保信息完整度提高负面情绪引导效能的策略,以期帮助舆情管理部门更好地控制和化解负面舆情。在后续策略落实中舆情管理部门需要与其他相关部门密切合作,根据舆情规律预测结果及时调整和优化策略。

教育网络舆情的传播特征、演化规律与对策

在“人机物”三元融合的万物智能互联的时代背景下,教育网络舆情更高频率地生发,更快速化地扩散,更具有破坏性的影响。教育网络舆情受社会转型、教育改革、媒体更迭等多重因素的影响,呈现出周期性、关涉性、反复性的传播特征,具有涨落、序变、冲突、衰变的演化规律,对教育网络舆情的潜伏、爆发、扩散、反复、长尾阶段采取舆情实时监测、占领舆论阵地、优化引导布局、开展评估反思、构建舆情处置模式,化解和防范教育网络舆情,助力教育高质量发展。

高校网络舆情事件应对策略探思

信息化时代,互联网高度嵌入高校这个“小社会”,成为大学生群体精神生产的重要场所和意义传播的主要园地。近年来,高校网络舆情事件频繁发生,高校应对网络舆情风险的压力日益严峻,给和谐稳定的校园生态带来了巨大的挑战。文章从参与群体、发展过程以及传播内容的性质三方面分析了高校网络舆情事件的特征,并对其成因进行分析。从而提出强化教育引导,涵养大学生网络文明素养;打造多元沟通反馈渠道,切实解决学生利益诉求;遵循舆情发展规律,构建立体有机的网络舆情处理系统等针对性和操作性较强的应对策略,以期提高高校对网络舆情的应对能力。

舆情变动规律初论

舆情是指在一定的社会空间内,围绕中介性社会事项的发生、发展和变化,作为主体的民众对作为客体的国家管理者产生和持有的社会政治态度。因此,它的基本内容可以理解为民众在社会政治方面的群体心理活动。在本质上,舆情则是民众与政府之间利益关系的一种复杂体现。舆情的产生、变化和结束有其自身的规律性。从它的产生看,它是国家管理者“生产”或“管理”的中介性社会事项,包括各类政策、法规、制度、措施以及领袖形象和社会问题等诸多的复杂内容刺激的直接结果;从它的变化和结束看,舆情是随着刺激它产生的各类社会事项的变化和结束的情况而变动的。但是,舆情作为政治性很强的群体心理活动,它的变化和结束又有着自身复杂多变的规则和轨迹:舆情的主要持有者或主体本身的基本构成和政治素质,都会对他们的群体心理活动的具体情形产生影响;民众对过去的一个社会事项曾持有的社会政治态度,会部分地“残留”在他们对一个新的社会事项的心理反应之中。掌握舆情变动规律,对“建立社会舆情汇集和分析机制,畅通社情民意反映渠道”具有重要意义。

网络舆情演进规律中的PETRI建模分析

通过引入PETRI网分析方法，针对网络舆情事件演进的各种因素，首先对网络舆情演进规律进行分析探讨，将舆情作为一种流的形式进行剖析，提出“舆情流”概念及其控制模型，在此基础上，动态引入网络集群节点间的关联度变量，研究基于关联网络的集群组织间舆情流动的一般规律，提出可以调控网络集群与其他舆论节点间联系的“舆情关联度过程模型”，并从新闻学和心理学现象研究中相互借鉴验证，进而证实模型提出与建立的合理性．该模型可以通过舆情演进归纳指导相关系统设计与舆情导控，为相关行业提供智能支持．

公共安全事件网络舆情传播演化规律的定性比较分析

新媒体的传播往往导致公共安全事件形成舆情危机,给转型期的中国安全治理带来挑战。以"蝴蝶效应"的演化模型和生成机制作为基础,将集聚、反馈、互动、协同作为条件变量,通过真值表建构、单变量必要性分析、清晰集定性比较分析,发现了导致公共安全事件舆情升温的三条组合路径:网络媒体发声*政府部门回应;网民爆料*传统纸媒与网络媒体协同发声*网上论坛讨论转帖<80%*政府部门未反馈;官媒首发*传统纸媒与网络媒体协同发声*网上论坛讨论转帖>80%*政府部门未反馈。危机管理者应通过重视多渠道议程整合、重视传统媒体与新媒体的传播价值、重视反馈的时效性等建议,以改善舆情应对效果。

少数民族地区网络舆情危机的特殊规律分析

网络舆情危机的一般规律在不同的主客观条件下,具体的偏重点及其表现形式是不同的。在我国少数民族地区,网络舆情危机的特殊规律主要表现为:民族或宗教因素是引起网络舆情危机产生的最主要"热源因子";网络舆情危机形成中的"群体极化""协同过滤"现象相对明显;网络舆情传播的"首因效应""民粹效应"尤为突出;网络舆情动员呈现出"线上动员与线下行动有机结合"的特征;网络舆情危机的发展极易受到境外政治组织的影响。

网络舆情演变规律与政府政策应对

新媒体时代的网络舆情具有新的特点和规律。其新特点包括指向公权力、临时性、暴力性和极端化,其规律表现为主要以"爆米花模式"生成式,且会经历酝酿、扩散、爆发和消退四个阶段。政府要有效治理网络舆情,必须把握其特点与规律,在思想上尊重网络传播规律、更新治理思维;在机制上组织协同治理、建设治理闭环;在技术上利用大数据科技、科学精准施策。

融媒体时代高校网络舆情演化规律及舆情治理研究

在融媒体时代,信息的发布、传播、共享方式发生着巨大的变化。个人和群体、公众和媒体间的互动越发便捷、频繁,随之而来的是网络舆情演化规律的变化和舆情治理的方式方法更新。近年来,有关高校的舆情在网络上时有爆发,给学校、学生、家庭、社会都造成了负面影响。作为高校,应从多个方面提高自身的信息管理水平,加强舆情治理能力,才能保证教育教学秩序的正常和稳定,促进学科和学校的长足发展。

高校网络舆情形成和发展过程中的几个重要现象

高校网络舆情的变动规律是非常复杂的,在不同的过程中,舆情的状态和变动规律是不同的。在高校网络舆情的变动规律中,我们通过观察会发现经常存在一些重复出现而且具有稳定性的现象,如舆论领袖和网络愤青的存在、传播过程中的从众效应和沉默的螺旋效应的存在,这些现象影响网络舆情的进一步形成和发展。

基于复杂因子的网络舆情推演研究

近几年中国重大负面事件频发，而且随着互联网、新媒体的发展和应用，网民参与扩散和讨论舆情事件的热情更高，网络舆情研究也成为国内学者研究的重点之一。网络舆情如何产生、发展和演变、影响因素有哪些等，是网络舆情研究的重点问题。为研究以上问题，本文通过文本分析、聚类分析2008～2012年发生在中国的320个重大网络舆情事件，假设出23个影响网络舆情演变的舆情因子，5个反映舆情发展结果情况的效果因子，通过结构方程模型构建因子模型——网络舆情推演模型；最后在此基础上选取10件热点事件进行实证推演，结果支持了假设的合理性。在以后的研究中需要不断优化网络舆情影响因子框架，并强化推演模型的准确性。

协同治理视域下重大公共卫生事件网络舆情治理机制研究

重大公共卫生事件网络舆情治理是重要的社会治理问题,如何增强社会的网络舆情治理能力是重要的现实议题。面对重大公共卫生事件网络舆情演进规律的复杂性与特殊性,文章坚持问题导向,系统检视治理过程中存在的不足;提出协同治理理念,从观念维度、组织维度、实践维度探索重大公共卫生事件网络舆情协同治理机制,破解碎片化治理困局,以期对重大公共卫生事件网络舆情治理提供借鉴。

信息异化视角下重大负面教育舆情的演化路径与疏导策略

当前,教育舆情已经成为公共舆情的重要构件,是教育改革和发展的重要推动力。本文以信息异化理论为基点,以具有典型性的重大教育舆情事件为例,探索教育舆情的演化规律。本研究发现作为一种信息异化过程,重大教育舆情在扩散过程中一般经历了三方面的异化,即环境异化、主体异化与客体异化。本研究通过研判教育舆情的演化规律,进而探寻教育舆情的疏导路径,以期推进安徽省教育舆情的应急处置效能的提高。

食品药品突发事件舆情演化规律及治理机制

近年来,我国食品药品突发事件频发,随之而来的社会舆情风险也已经成为食品药品突发事件风险治理的重点,准确把握舆情生成演化规律是政府从根本上化解其舆情风险的重要途径。通过解读突变效应、雪球效应、长尾效应以及“替代转移”和“舆情关联”规律,深入探究食品药品突发事件社会舆情的形成、发展、消减以及转移等各个阶段的特点,在此基础上,就能有针对性地提出舆情监测预警、回应引导、协同治理以及应急处置等舆情治理机制,以期实现政府应急管理体系和管理能力现代化。

当前舆情研究面临的主要任务

在中国改革开放和社会结构转型过程中,民众的社会政治态度呈现出多元、多样、多变的特点,这使得舆情研究的紧迫性日益凸现。作为社会科学界的一支新生力量,当前舆情研究面临着若干主要任务,包括完善舆情基础理论、建立舆情思想史和主流舆情史研究分支、推动舆情信息工作机制系统化以及形成具有中国特色马克思主义舆情研究。

基于复杂因子的舆情推演研究

本文首先通过对案例的观察总结了中国负面事件网络舆情推演的基本规律,在此基础上确定舆情推演因子;其次,根据推演流程构建各因子相互之间的因果关系并建立模型,运用统计学理论对舆情推演模型进行检验和调整,得到各因子在整个事件发展中的相对重要关系和重要系数。最后,选取10个典型案例进行舆情效果因子预测实验,以期验证并不断完善预测体系。