王芳 連芷萱
摘? ?要:謠言是一種待證實的信息。對不同真實度的網(wǎng)絡(luò)謠言與正面信息的交互規(guī)律進(jìn)行研究,可為高效辟謠提供科學(xué)依據(jù),以節(jié)約辟謠成本。分析公共危機(jī)事件下的網(wǎng)絡(luò)謠言發(fā)生機(jī)制,提出謠言真實度參數(shù)改進(jìn)謠言傳播公式,以百度新聞帖子數(shù)量的變化為依據(jù),構(gòu)建網(wǎng)絡(luò)謠言傳播規(guī)律的宏觀模型,并進(jìn)行仿真與實證分析。由實證結(jié)果可知,真實度高的謠言傳播范圍更廣,需要更有說服力、更具有情緒引導(dǎo)力的正面信息才可以有效遏制。因此,應(yīng)當(dāng)針對謠言的真實度進(jìn)行分級管理,以達(dá)到節(jié)約行政成本、精準(zhǔn)辟謠的效果。
關(guān)鍵詞:新冠肺炎;謠言;謠言真實度;公共危機(jī);正面信息;信息生態(tài)
Abstract Rumor is a kind of information to be confirmed. Before the rumor is falsified, the research on the interaction and confrontation between online rumor with different authenticity grade and the positive information can provide scientific basis for efficient and low-cost rumor refutation. Analyze the mechanism of the occurrence of online rumors in public crisis, improve the rumor spreading formula by proposing the rumor authenticity parameter, build a macro model of online rumor spreading based on the change of the number of news posts of Baidu, and carry out simulation analysis and empirical test. The results show that rumors with high authenticity grade spread wider and need positive information with more persuasive and emotional guidance to contain. Therefore, rumors should be refuted hierarchically according to their authenticity grade so as to save administrative costs and scotch them accurately.
Key words? COVID-19; rumor; rumor authenticity; public crisis; positive information; information ecology
1? ?引言
在公共危機(jī)事件中,謠言傳播容易引起民眾恐慌。如2019年底新冠肺炎事件中先后產(chǎn)生了“武漢有十萬感染者”“協(xié)和醫(yī)院患者出逃”“北京菜市場封門一周”等多個謠言,在不同程度上引起了民眾恐慌。在信息生態(tài)中謠言不是孤立存在的,當(dāng)謠言擴(kuò)散后,隨著事件明朗與真相的清晰,正面信息會逐漸化解謠言的負(fù)面影響。因此,謠言不是無休止擴(kuò)散,而是與正面信息的傳播共同變化,研究兩者之間的交互作用是探求謠言傳播規(guī)律的關(guān)鍵,也是謠言治理的關(guān)鍵所在。
國內(nèi)外學(xué)者基于系統(tǒng)動力學(xué)、社會網(wǎng)絡(luò)分析、信息生態(tài)學(xué)等視角,對謠言與正面信息的交互問題做了充分研究。在系統(tǒng)動力學(xué)方面,常規(guī)的研究方法是將謠言傳播看作不同群體之間能量交換的動力系統(tǒng),如張菊平等[1]將真實信息傳播者納入到謠言傳播的動力學(xué)系統(tǒng)進(jìn)行研究;董蘇雅拉圖和黃永暢[2]把人口動力學(xué)模型和傳播動力學(xué)模型相結(jié)合,根據(jù)網(wǎng)絡(luò)用戶的不同活躍度改進(jìn)了SIS模型;Wang和liu[3]將流體動力學(xué)模型遷移至謠言傳播的研究中,通過研究謠言傳播網(wǎng)絡(luò)各個節(jié)點(diǎn)的壓力值,來計算其傳播動力勢能;Zhu等[4]將PDE模型用于構(gòu)建謠言傳播的動力學(xué)模型,分析了謠言傳播的時間遲滯等問題。在社會網(wǎng)絡(luò)方面,在經(jīng)典的DK模型[5]和MT模型[6]基礎(chǔ)上,Zhao等[7]基于BBV網(wǎng)絡(luò)研究了網(wǎng)絡(luò)結(jié)構(gòu)要素對謠言的影響;王筱莉等[5]研究了多個非均勻網(wǎng)絡(luò)之間謠言與辟謠信息的傳播模型;馬寧和劉怡君[9]基于超網(wǎng)絡(luò)的多主體輿情演化模型,深度刻畫了人-信息-觀點(diǎn)之間微觀意見交互并涌現(xiàn)出宏觀網(wǎng)絡(luò)輿情的過程。在信息生態(tài)學(xué)方面,姜景和劉怡君[10]將信息生態(tài)學(xué)理論遷移至微博輿情研究,并進(jìn)行了生態(tài)學(xué)建模;袁丹燦等[11]對謠言傳播的意見領(lǐng)袖、網(wǎng)絡(luò)水軍、政府三者進(jìn)行生態(tài)學(xué)建模。生態(tài)學(xué)建模的另一主流研究方法是經(jīng)典SIR模型及其改進(jìn),如張志花等[12]在傳染病模型的基礎(chǔ)上添加了新主體謠言凈化者;王雨嘉和侯合銀[13]增加了觀望者和辟謠者的角色,并將移出者分為中立者、相信謠言者和得知真相者三類;顧秋陽[14]在經(jīng)典傳染病模型基礎(chǔ)上考慮了移動社交網(wǎng)絡(luò)對謠言傳播發(fā)布量增長上限的影響。
在謠言與正面信息交互問題上,已有多位學(xué)者從不同角度進(jìn)行了研究,基本都建立在謠言與正面信息完全對立的假設(shè)上。但是,兩者并非完全對立。Alport與Postman兩位心理學(xué)者將謠言定義為“缺乏具體資料以證實其確切性的、與當(dāng)時事件相關(guān)的命題[15]”??梢?,謠言的核心要義在于“未經(jīng)證實”的信息,經(jīng)過事實證明很有可能是真實情況,如“武漢發(fā)現(xiàn)SARS”“新型肺炎可以人傳人”等謠言事后被證明具有很高的真實度,并發(fā)揮了一定的社會預(yù)警作用。對高真實度謠言使用不當(dāng)?shù)谋僦{手段,不僅會浪費(fèi)辟謠的行政成本,也會傷害政府公信力。因此,當(dāng)謠言產(chǎn)生時,不能武斷地將謠言直接歸為非真實信息,而應(yīng)將謠言真實度因素考慮進(jìn)來,才能有的放矢地高效辟謠。
本文在研究公共危機(jī)事件中網(wǎng)絡(luò)謠言發(fā)生機(jī)制的基礎(chǔ)上,通過建立謠言與辟謠信息交互的信息生態(tài)模型分析真實度因素對謠言傳播的影響機(jī)理,試圖回答以下三個方面的問題:一是什么特征的謠言被證實的可能性高?二是真實度如何量化?三是不同真實度的謠言與正面信息的交互有何規(guī)律可循?在此基礎(chǔ)上,建議針對不同真實度謠言選定適當(dāng)?shù)谋僦{策略,最大程度節(jié)省社會資源并實現(xiàn)精準(zhǔn)辟謠。
2? ?文獻(xiàn)回顧
2.1? ? 公共危機(jī)謠言
公共危機(jī)謠言是公眾受到公共危機(jī)事件的刺激而產(chǎn)生的心理情感及情緒的適應(yīng)性反應(yīng)[16],此種謠言屬于危機(jī)信息的一種,具有一定的社會預(yù)警功能[17]。趙軍鋒和金太軍[18]認(rèn)為,公共危機(jī)謠言在內(nèi)容上、情緒傳播上具有很強(qiáng)的寄生性。因為公共危機(jī)謠言產(chǎn)生于特定的社會條件與心理狀態(tài),所以公共危機(jī)謠言的危害主要體現(xiàn)在恐慌的傳播上。在此方面,蘭月新等[19]分別就網(wǎng)民的正面情緒、負(fù)面情緒對中性情緒的交互影響進(jìn)行了研究;任中杰等[20]就812天津大爆炸對網(wǎng)民情緒進(jìn)行了情感畫像;魏晨等[21]結(jié)合心理量表對謠言的心理影響進(jìn)行量化評估。同時,Al Lily等[22]認(rèn)為一旦謠言影響公共輿論,盡管被辟謠,其影響也不可能完全消退?;诖?,本文的研究價值可以體現(xiàn)在兩個方面:一是分析公共危機(jī)中謠言的預(yù)警功能,二是揭示謠言對公眾情緒的影響。
首先,從內(nèi)容上來講,不同于政治丑聞、娛樂新聞類謠言,公共危機(jī)中產(chǎn)生的謠言很少完全憑空捏造,而是伴隨著公共危機(jī)事件在一定的社會情境中發(fā)生、演化、傳播。公共危機(jī)產(chǎn)生之初真相不明,民眾作為親身經(jīng)歷者會對危機(jī)本身有多種猜測。這種基于事實的猜測具有一定的可靠性,可以像發(fā)燒一樣為社會肌體進(jìn)行危機(jī)預(yù)警。其次,謠言的影響可從兩方面度量,第一是影響范圍,第二是公眾情緒。謠言之所以產(chǎn)生、傳遞,是因為它滿足了人們某種潛在的心理需要,所以有必要研究謠言對公眾情緒的影響。
2.2? ? 謠言傳播要素
謠言的傳播受到多方面因素的影響。吳建、馬超參考了多位學(xué)者的觀點(diǎn)[23-27],在Alport與Postman提出的經(jīng)典謠言模型[2]基礎(chǔ)上,將謠言的新聞性以及傳播過程中的管控力度考慮進(jìn)來,改進(jìn)了謠言傳播公式(見式1)[28]。
RUMOR=(UNCERTAINTY+IMPORTANCE+INCOLVEMENT+STIMULATE+NEWSVALUE)×MEDIA/RITIAL+TRANSPARENCY+CONTROL? ? ? ? ? ? ? ?(1)
其中,分子部分從事件角度講包括“不確定性”“重要性”“新聞價值”;從傳播者角度講包括“涉入感”和“刺激性”,同時經(jīng)由媒體放大。同時,謠言傳播與傳播者的“批判意識”、傳播環(huán)境的“透明度”及“管控力度”負(fù)相關(guān)。從公式1還可以看出“媒體”是謠言傳播的充要條件,不論是口口相傳還是網(wǎng)絡(luò)傳播,都脫離不了媒介的作用,所以控制傳播媒介,也是辟謠的關(guān)鍵點(diǎn)。
同時,在謠言的內(nèi)容研究方面,喻國明[29]對基于騰訊大數(shù)據(jù)篩選的六千余條網(wǎng)絡(luò)謠言進(jìn)行了內(nèi)容類別、敘事結(jié)構(gòu)、場景構(gòu)筑、標(biāo)題特征四方面的文本分析;施愛東[30]發(fā)現(xiàn)謠言內(nèi)容的周期性與社會活動的周期性、時間季節(jié)性、代際規(guī)律、相似的社會條件與社會心理狀態(tài)有關(guān);Pierri[31]研究了社交媒體上低可信度、惡作劇、陰謀論、標(biāo)題黨等各類謠言,并基于拓?fù)渚W(wǎng)絡(luò)的結(jié)構(gòu)特征對謠言進(jìn)行了分類;Al Lily等[22]從謠言的內(nèi)容、風(fēng)格等方面探究了謠言與公眾情緒的關(guān)系及其深層文化含義。
上述研究關(guān)注謠言內(nèi)容與傳播兩個方面。本文主要研究公共危機(jī)中在特定社會環(huán)境因素與公眾心理狀態(tài)條件下產(chǎn)生的特殊謠言。不同于借公共危機(jī)之名傳播的政治陰謀類謠言、以營利為目的的商業(yè)謠言和科普類謠言,本文研究的對象是由于普通民眾對事實的認(rèn)知錯判而產(chǎn)生的謠言,主要要素包括事件不確定性、傳播者涉入感、傳播媒介、內(nèi)容類別、敘事結(jié)構(gòu)、內(nèi)容周期性和公眾情緒因素。
2.3? ? 謠言真實度
目前計算謠言真實度(Authenticity Grade)的常規(guī)做法是從信源(如傳播者、傳播媒體)本身的信譽(yù)度入手,基于謠言案例庫對信息的傳播特征與文本內(nèi)容進(jìn)行比對,從而初步判別謠言的真實度。如王勤穎[32]運(yùn)用特征-模型識別方法從謠言的傳播、內(nèi)容、用戶三方面構(gòu)建謠言真實度判別體系;王飛雪和李芳[33]從不同性質(zhì)謠言的傳播概率推斷信息的真實度;Choi等[34]研究了6大網(wǎng)站中28萬條謠言,認(rèn)為經(jīng)常傳播謠言的人對謠言有放大作用,這種人被定義為“回音室”成員。之后,Pierri[35]從謠言傳播過程中的推送算法、回音室、人類偏見等角度評估推送信息的網(wǎng)站的可靠性,探究真實信息與謠言在拓?fù)渚W(wǎng)絡(luò)中的傳播特征,從而得出能夠識別信息真實度的分類方法。
上述大多數(shù)研究針對謠言的信源可靠性進(jìn)行研究,在識別惡意造謠、謠言機(jī)器人方面效果卓越。但是,本文研究的是普通民眾對未知情況進(jìn)行初步判斷時所產(chǎn)生的謠言,并非惡意造謠。這種謠言往往具有一定的真實基礎(chǔ),只是因為傳播者個體知識水平、認(rèn)知能力、信息占有量等方面的限制,有意或無意地放大、縮小、隱藏、演繹、篡改、添加部分實事,雖然易對人產(chǎn)生誤導(dǎo),但很有可能被證實為真,那么單純以信源可靠性來推斷信息真實度則會說服力不高。因此,本文對謠言真實度的定義不同于其他論文所定義的“可信度”“信譽(yù)度”“Reliability”,而是指謠言被證實為真的概率。
2.4? ? 信息生態(tài)學(xué)視角下公共危機(jī)謠言的真實度
信息生態(tài)學(xué)是研究信息主體與信息環(huán)境之間相互作用的一門學(xué)科,研究范圍包括個體、種群、系統(tǒng)三個層次。公共危機(jī)產(chǎn)生的謠言是依托特定的社會、心理條件產(chǎn)生的,不是孤立存在的,所以以信息生態(tài)學(xué)為視角研究謠言可以全面、系統(tǒng)地看問題[36]。在由官方、媒體和公眾三方輿論場建構(gòu)的網(wǎng)絡(luò)輿論生態(tài)系統(tǒng)中,謠言治理存在著結(jié)構(gòu)性問題,過度辟謠會造成行政成本增高,錯誤辟謠則會導(dǎo)致政府公信力下降,應(yīng)當(dāng)因質(zhì)因量在輿情生態(tài)系統(tǒng)中尋找最優(yōu)解決方案[37]。
本文認(rèn)為,公共危機(jī)發(fā)生后所產(chǎn)生的謠言信息和相應(yīng)的辟謠信息以及作為信息接受者的圍觀群眾是信息生態(tài)中的“資源”,是謠言所“捕食”的對象。同時,辟謠信息依托于謠言而存在,謠言群落是辟謠群落捕食的對象。將不同真實度的謠言傳播問題置于信息生態(tài)背景下,有助于系統(tǒng)、整體地把握謠言與辟謠信息間的互動規(guī)律,從而從生態(tài)平衡的視角尋找最優(yōu)辟謠策略。
3? ?研究思路
本文著重研究謠言真實度的界定、計算與影響(研究路線見圖1)。
步驟一,通過定性分析對謠言真實度進(jìn)行概念化,構(gòu)建謠言真實度評價指標(biāo)與評分體系。
步驟二,利用python爬蟲、NLPIR自然語言處理軟件等,構(gòu)建輿情-謠言案例庫。首先,隨機(jī)選取網(wǎng)絡(luò)熱點(diǎn)輿情組成輿情-謠言案例庫,計算真實度下各觀測變量的相關(guān)性。其次,根據(jù)官方公布的辟謠信息對謠言信息特征進(jìn)行打分。為了保證真實度計算的準(zhǔn)確性,當(dāng)輿情更新時,該案例庫也隨之更新。最后,通過Logistic模型計算各指標(biāo)的相關(guān)性系數(shù),得到真實度計算公式。
步驟三,利用微分方程對謠言、正面信息之間的關(guān)系進(jìn)行信息生態(tài)建模。分別建立謠言-正面信息生態(tài)系統(tǒng)和謠言傳播過程中負(fù)面-正面情緒生態(tài)系統(tǒng),通過數(shù)值仿真得到有關(guān)謠言真實度的影響路徑假設(shè)。
步驟四,采集謠言案例,數(shù)據(jù)標(biāo)準(zhǔn)化后進(jìn)行真實度計算,并將案例大致分為高、中、低三個層級。針對不同層級的數(shù)據(jù)進(jìn)行趨勢擬合,檢驗步驟三所提出的假設(shè)。
4? ?公共危機(jī)謠言真實度計算
4.1? ? 構(gòu)建謠言真實度評價指標(biāo)體系
當(dāng)前針對謠言真實度的指標(biāo)主要是從謠言內(nèi)容特征、謠言傳播特征兩方面構(gòu)建的,具體指標(biāo)體系包括研究視角、潛變量、觀測變量、數(shù)據(jù)來源、評分五個層次,共得到7個觀測變量(見表1)。首先假定觀測變量之間權(quán)重一致,再通過對案例庫案例進(jìn)行Logistic回歸分析,計算各個指標(biāo)的相關(guān)系數(shù),再以該系數(shù)作為觀測變量權(quán)重。其中,各個指標(biāo)含義如下:
F11:事件不確定性,用于評價信息的精確程度。一條信息中所包含的實體詞涵射的意義范圍不同,從而表意的精確性不同。如在2019年底爆發(fā)的新冠肺炎疫情危機(jī)中,醫(yī)生李文亮曾于12月底發(fā)布消息“華南海鮮市場發(fā)現(xiàn)7例SARS”[40],此條信息的地點(diǎn)、時間、數(shù)目和事件名稱都比較精確。相比之下,2019年夏天在中醫(yī)學(xué)術(shù)論壇上有學(xué)者提出的類似信息則比較模糊,根據(jù)五運(yùn)六氣學(xué)說推斷“冬至左右將發(fā)生瘟疫”[41],無論時間“冬至左右”還是發(fā)生的事件名稱“瘟疫”都不夠準(zhǔn)確。
F12:根據(jù)喻國明的研究,謠言中科學(xué)常識類占47%、社會時政類占27%、明星八卦類占15%,其余累計占11%[28]。在公共危機(jī)中,科學(xué)常識謠言一般表現(xiàn)在“特效藥”上,如“洗熱水澡能防新冠肺炎”“雙黃連能治療新冠肺炎”、印度甚至流傳“牛尿能治療新冠肺炎”等;社會時政類可具體分為預(yù)測類、物資短缺類、陰謀論類等,如“武漢肺炎患者將達(dá)到十萬”“北京菜市場關(guān)門一周”“中國經(jīng)濟(jì)將因為新冠肺炎癱瘓”等;公共危機(jī)中明星八卦類謠言多體現(xiàn)在不良行為的揭示上,如“志愿者私分救援物資”以及某明星“一毛不拔”等。據(jù)此,本文將公共危機(jī)謠言類別大致分為科學(xué)類、社會類、不良行為類。
F13:喻國明還提出謠言的程式化“六段論”常模:一是“標(biāo)題黨”式的題目;二是敘事度較高,通常引用“經(jīng)美國研究”“權(quán)威部門”“公安局緊急通知”;三是以第一人稱敘述;四是列舉生活案例;五是引用權(quán)威期刊如《柳葉刀》;六是為了增加擴(kuò)散程度,結(jié)尾道德綁架,如“不轉(zhuǎn)不是中國人”[28]。
F14:施愛東[30]將同一類公共危機(jī)中爆發(fā)的相似謠言稱為“流感謠言”,它不是原發(fā)性的,而是一種繼發(fā)性、感染性、不定期發(fā)作的謠言,一般需要受到相似的自然條件或社會心理才借題發(fā)揮,如地震、瘟疫、水旱災(zāi)害等自然災(zāi)害,或者戰(zhàn)爭、空難、核泄漏、踩踏事故等突發(fā)性社會事件??v觀國內(nèi)外歷次自然災(zāi)害,都不約而同發(fā)生了關(guān)于物資短缺的謠言,如“日本核泄漏將影響我國食鹽供應(yīng)”,新冠肺炎“北京菜市場關(guān)門一周”等。
F15:學(xué)者阿卜杜勒阿里[31]討論了謠言對公眾情緒的影響,并假設(shè)謠言中極端的情緒對正常輿論影響巨大。常見的情緒測量方法有情感極性測量。因為謠言可能表達(dá)“恐懼”(如某地多人感染),也可能表達(dá)“愿望”(如特效藥出現(xiàn)),所以本文僅對情緒的極性進(jìn)行評分。
F21:謠言的產(chǎn)生有可能是認(rèn)知錯誤或誤聽誤信,也有可能是基于某種目的惡意造謠,如旨在打擊政敵的謠言“柬埔寨洪森感染新冠肺炎”和具有某種經(jīng)濟(jì)目的的謠言“中醫(yī)藥板塊將炸板”。因此十分有必要探究謠言的源信息是否來自親身經(jīng)歷。
F22:考察傳播媒介可靠性的主要原因是某些謠言的傳播存在“回音室”節(jié)點(diǎn)。一般可靠性高的媒介會對事件認(rèn)真核實,而可靠性低的媒介則可能為了提高流量等目的傳播未經(jīng)核實的信息。
4.2? ?輿情-謠言案例庫構(gòu)建方法
首先,通過爬蟲得到當(dāng)天最熱新聞帖子列表,針對官方辟謠事件列表(如新浪微博官微發(fā)布的辟謠列表),對新聞帖子是否為謠言進(jìn)行0、1賦值,形成樣品案。然后,依據(jù)真實度評價指標(biāo)對每個案例的特征值進(jìn)行評分,并儲存格式表(見表2),作為Logistic回歸分析的計算輸入量。設(shè)有n個案例,Ln為案例n是否是謠言的判別值,非謠言為0,謠言為1。Xn1-Xn7為案例n的特征打分。
4.3? ? 真實度計算方法
采用SPSS25版本進(jìn)行l(wèi)ogistic回歸計算。將所有案例的特征值輸入系統(tǒng),以L(n)為因變量,以X(n)為協(xié)變量,采用多項logistic分析方法;然后,在logistic分析之后,得到輸出結(jié)果為F11-F22的Exp(β)F(m)值。Exp(β)F(m)表示F(m)內(nèi)該類別是相應(yīng)參考類別所具有某種傾向性的倍數(shù);最后,剔除無意義變量,將剩余特征的回歸系數(shù)代入式(2)中,求得七個特征的權(quán)重,并確定真實度的計算方法。
在計算得到謠言真實度計算方法后,采用五級量表對需要打分的新案例進(jìn)行真實度數(shù)值轉(zhuǎn)化(見式3),并將轉(zhuǎn)化結(jié)果進(jìn)行編碼(見表3)。
5? ?公共危機(jī)謠言真實度信息生態(tài)模型構(gòu)建
5.1? ?模型機(jī)理分析
將謠言置于公共危機(jī)事件的網(wǎng)絡(luò)生態(tài)環(huán)境中,借鑒捕食關(guān)系的信息生態(tài)模型,構(gòu)建不同真實度等級的謠言傳播模型,研究謠言真實度對謠言傳播上限、公眾情緒正負(fù)轉(zhuǎn)化以及平息謠言所需要的辟謠力度的影響,通過建模仿真得到謠言應(yīng)對最得當(dāng)?shù)牧Χ扰c響應(yīng)速度,為政府辟謠和治理網(wǎng)絡(luò)謠言提供理論依據(jù)(見圖2)。
首先,謠言真實度會影響謠言群落的擴(kuò)張規(guī)模。隨著網(wǎng)絡(luò)空間治理力度的加大,惡意虛構(gòu)謠言的情況得到了有效改善。但能夠廣泛流傳的謠言往往不是空穴來風(fēng),而是基于一定的實際情況加以夸張、改編,或者是還未得到驗證的真實情況,因為“人們更愿意傳播自認(rèn)為真實的信息”[42]。高真實度的謠言本身就具有一定的合理性,能夠在較大程度上滿足公眾的信息需求和心理安慰需求。因此,一個高真實度的謠言往往能得到較高程度的真實性驗證,與網(wǎng)民形成共鳴,隨之引爆輿情。
其次,謠言真實度會影響辟謠難度。Einwller[43]認(rèn)為辟謠的有效性在于將謠言的真實部分與主觀臆斷部分區(qū)別開來逐個擊破。但是,高真實度的謠言真假混雜,合理推斷與主觀臆斷不能很好區(qū)分,從而增加了辟謠難度。
最后,謠言真實度會影響甚至引導(dǎo)公眾情緒,尤其是謠言帶來的不確定感在傳播恐慌方面危害巨大。辟謠就是通過消除未知來控制恐慌傳播,辟謠的情緒引導(dǎo)力與開始辟謠的時間和引導(dǎo)力度有關(guān)[44],但是公眾在廣泛傳播的謠言中因沉默的螺旋更愿意相信自認(rèn)為“真”的謠言[45],因此謠言真實度會影響辟謠的情緒引導(dǎo)力度。
5.2? ? 模型構(gòu)建
在公共危機(jī)發(fā)生并產(chǎn)生謠言后,政府通過權(quán)威媒體發(fā)布正面信息,并由網(wǎng)民繼續(xù)傳播。處于信息傳播中的網(wǎng)民可以分為謠言傳播者和辟謠者兩個部分,不同網(wǎng)民群體發(fā)布的信息數(shù)量變化可以反映謠言的傳播程度與辟謠力度。網(wǎng)絡(luò)輿情中正負(fù)面情緒信息數(shù)量的變化可以反映網(wǎng)民的情緒轉(zhuǎn)化,為揭示謠言的負(fù)面影響,本文主要研究負(fù)面情緒的變化?;诖?,提出以下限定條件。
第一,在圍觀者充足的前提下,如果不及時辟謠,謠言會以一個常數(shù)為增長率無線增長,網(wǎng)絡(luò)謠言真實度與謠言傳播速度正相關(guān)。
第二,假定圍觀者思辨力較高,當(dāng)?shù)玫秸鎸嵭畔⒑蟊悴粫嘈胖{言,所以辟謠者可以“捕食”謠言傳播者,但是高真實度的謠言難以被“捕食”,謠言真實度與辟謠難度負(fù)相關(guān)。
第三,假定負(fù)面情緒隨著謠言數(shù)量的增長而增長。
第四,假定正面信息發(fā)布及時,公眾情緒單純的由負(fù)轉(zhuǎn)正,謠言真實度會影響公眾情緒轉(zhuǎn)化速度與情緒引導(dǎo)力度。
經(jīng)過本文分析,謠言在傳播中形成了捕食關(guān)系、競爭關(guān)系兩個信息生態(tài)系統(tǒng)(見圖3)。分別針對兩個生態(tài)系統(tǒng)進(jìn)行仿真,并基于仿真結(jié)果提出假設(shè)。
首先,圖3左側(cè)是謠言與正面信息構(gòu)成基本的捕食關(guān)系。假設(shè)x、y表示謠言信息和正面信息的發(fā)布累加量,x(t)、y(t)為謠言信息和正面信息在時間t時刻的累加量。謠言傳播的正常速度為λ。當(dāng)沒有辟謠者時,謠言傳播速度滿足■=λx。正面信息的自然消耗率是μ,辟謠不起作用時正面信息傳播速度滿足■=-μy。當(dāng)兩個種群相互影響時,設(shè)置謠言被捕食損耗率參數(shù)b和有效辟謠率參數(shù)c,得到基本謠言傳播模型(見式4):
假設(shè)謠言真實度參數(shù)為h,通過本文分析可知h與謠言傳播速度λ成正比,與謠言損耗率b成反比。謠言真實度通過增加辟謠難度影響正面信息損耗率μ,與正面信息損耗率成正比,同時謠言與正面信息真假難分導(dǎo)致有效辟謠率下降,即與有效辟謠率c成反比。綜上,得到改進(jìn)的謠言傳播模型(見式5):
其次,圖3中,謠言造成的負(fù)面情緒與正面情緒形成了競爭關(guān)系,依據(jù)前人研究,本文采用logistic模型來描述負(fù)面情緒的變化[44](見式6):
假設(shè)z(t)為負(fù)面情緒在時間t的累加量,負(fù)面情緒隨謠言增長,所以負(fù)面情緒傳播速度滿足z'=λ。另一方面,假設(shè)謠言一開始便已開始引導(dǎo)情緒,輿情引導(dǎo)系數(shù)為α,負(fù)面情緒的傳播上限為K,則得到負(fù)面信息的基本模型(見式7):
5.3? ? 針對生態(tài)系統(tǒng)1的假設(shè)與仿真
5.3.1? ?平衡性與穩(wěn)定性分析
首先,為研究公共危機(jī)中謠言與正面信息的發(fā)展趨勢,即t→∞時,x(t),y(t)的趨向,需要研究模型平衡點(diǎn)及其穩(wěn)定性(見式9)。令
通過本文對P的分析,為了方便表達(dá),本文設(shè)b、λ、μ一定且為正常數(shù),由輿情本身特性決定;c一定且為正常數(shù),可以通過調(diào)整辟謠策略進(jìn)行調(diào)整,而、μ'的最小化則是辟謠調(diào)整目標(biāo)。
5.3.2? ?基于仿真結(jié)果提出假設(shè)
首先,針對不同真實度的謠言進(jìn)行仿真(見表4),設(shè)定模型初值,將數(shù)據(jù)代入MATLAB進(jìn)行仿真(見圖4),可知當(dāng)謠言真實度增高時,正面信息和謠言信息發(fā)布量的上限均隨之增高。具體觀察圖4(a),若想在謠言初期,即謠言累加量較低時控制謠言,則需要發(fā)布大量的正面信息,使正面信息過飽和才可控制真實度較高的謠言;觀察圖4(b),若現(xiàn)實情況不明朗難以發(fā)布有效的正面信息,真實度高的信息傳播范圍更廣,需要及時調(diào)整辟謠策略。據(jù)此,針對仿真結(jié)果提出假設(shè):
H1:當(dāng)謠言真實度數(shù)值h越大,平衡點(diǎn)中數(shù)值越大。即,如果謠言真實度越高,謠言傳播上限越高,傳播范圍也更廣,需要更多的正面信息才可以取得良好辟謠效果。
其次,針對不同真實度謠言與不同有效辟謠率進(jìn)行仿真(見表5),設(shè)定模型初值,將數(shù)據(jù)代入MATLAB進(jìn)行仿真可知(見圖5),當(dāng)有效辟謠率增高時,辟謠信息發(fā)布量和謠言信息發(fā)布量的上限均隨之下降,同時謠言信息發(fā)布量上限下降幅度較大。所以,提高有效辟謠率可以有效控制謠言,控制效果較好。據(jù)此,針對仿真結(jié)果提出如下假設(shè):
H2:當(dāng)謠言真實度h、謠言增長率λ、辟謠消耗率μ、謠言損耗率b一定,有效辟謠率c越大,則x(t)收斂越迅速。所以,在謠言初期發(fā)布大量辟謠信息或者提高辟謠說服力以提高參數(shù)c,可以有效控制謠言。
5.4? ? 針對生態(tài)系統(tǒng)2的假設(shè)與仿真
根據(jù)前人研究,α與負(fù)面情緒上限K負(fù)相關(guān)①。假設(shè)當(dāng)α不變,那么受真實度影響的引導(dǎo)力度應(yīng)當(dāng)隨著h增大而減小,所以當(dāng)謠言真實度增高,負(fù)面情緒也應(yīng)當(dāng)隨之增高。本文將公共危機(jī)分為一般公共危機(jī)和重大公共危機(jī)兩類(見表6),設(shè)定模型初值,將數(shù)據(jù)代入MATLAB進(jìn)行仿真(見圖6)。圖6(a)為一般性公共危機(jī)的負(fù)面情緒仿真圖,圖6(b)為重大公共危機(jī)負(fù)面情緒仿真圖,可知當(dāng)謠言真實度增高時,正面信息的引導(dǎo)力度便隨之下降,所以負(fù)面影響增大。基于仿真結(jié)果,本文提出假設(shè):
H2:當(dāng)謠言真實度h數(shù)值越大,K數(shù)值越大。即,如果謠言真實度增高導(dǎo)致正面信息的情緒引導(dǎo)力下降,負(fù)面情緒上限也隨之增高。
綜上,當(dāng)公共衛(wèi)生事件發(fā)生時,政府在治理謠言的過程中,需要提前預(yù)估這些參數(shù),做到“心里有數(shù)”,在辟謠時才能張弛有度、有的放矢。
6? ?公共危機(jī)中謠言傳播模型實證分析
6.1? ? 謠言真實度特征系數(shù)計算
本文利用PYTHON編程對2019年12月15日到2020年2月25日的新浪微博進(jìn)行爬取,以新冠肺炎為檢索對象,共收集相關(guān)信息10845條,為了計算的準(zhǔn)確性,利用NLPIR軟件對信息去重并二次篩選,最后隨機(jī)選取相關(guān)信息50條。本文對謠言的判別以新浪官微公布的辟謠信息列表為準(zhǔn),對新冠肺炎信息中屬于謠言的打標(biāo)為1,非謠言打標(biāo)為0,其次按照真實度評價打分體系進(jìn)行打分(結(jié)果見附錄1)。
本文將案例庫特征值輸入SPSS中進(jìn)行Logistic回歸分析,剔除無效特征F12、F15、F21、F22,得到各個特征的回歸系數(shù)(見表7),最后得到真實度計算公式,如式11。式11中,表示第n個案例的真實度打分結(jié)果,表示該案例中特征F11-F22的特征打分。
6.2? ? 謠言真實度影響實證分析
本文通過PYTHON編程對2019年12月15日到2020年2月2日的百度新聞進(jìn)行抓取,以“武漢新冠肺炎”中的相關(guān)輿情對假設(shè)H1、H2、H3進(jìn)行實證檢驗。
6.2.1? ?數(shù)據(jù)來源
本文以國內(nèi)最大的搜索引擎百度為數(shù)據(jù)來源,選擇2019年底爆發(fā)的新冠肺炎的相關(guān)輿情為研究對象,編寫爬蟲程序,對2019年12月15日至2020年2月2日內(nèi)的相關(guān)輿情進(jìn)行統(tǒng)計,爬蟲字段為“發(fā)布時間”“標(biāo)題”“發(fā)布媒體”“內(nèi)容”“鏈接”。共采集相關(guān)信息2457條,數(shù)據(jù)清洗整理后,本文選擇三組不同真實度的謠言信息,與兩組不同說服力的正面信息作為分析樣本。
6.2.2? ?數(shù)據(jù)采集
經(jīng)過數(shù)據(jù)爬取,本文收集了低真實度謠言“武漢有十萬感染者”有效信息53條、中等真實度謠言“武漢發(fā)現(xiàn)SARS”有效信息175條、高真實度謠言“武漢肺炎人傳人”有效信息198條。以謠言的傳播天數(shù)為時間單位,統(tǒng)計各個謠言每天的新聞帖子累加量。同時,本文將此三個案例的426條新聞輸入NLPIR軟件,針對每條新聞的情感測評進(jìn)行打分,統(tǒng)計三個案例每天發(fā)布的新聞帖子負(fù)面情緒累加值,形成三組時間序列數(shù)據(jù),整理結(jié)果如表8所示。
謠言“武漢發(fā)現(xiàn)SARS”于2019年12月15日貼在網(wǎng)上,隨之得到官方辟謠未證明武漢肺炎為SARS,并發(fā)布辟謠信息“武漢出現(xiàn)不明肺炎”,最后于2020年1月15號將武漢肺炎確診為“新型冠狀肺炎”并發(fā)布較為有力的辟謠信息。因此,在辟謠信息方面,以“武漢發(fā)現(xiàn)SARS”“武漢發(fā)現(xiàn)不明肺炎”與“武漢肺炎確診為新型冠狀肺炎”為對象進(jìn)行實證分析。抓取2019年12月15日-2020年2月2日之間,“武漢發(fā)現(xiàn)SARS”的有效信息175條、低說服力辟謠信息“武漢發(fā)現(xiàn)不明肺炎”有效信息297條,高說服力辟謠信息“武漢肺炎確診為新冠肺炎”的有效信息361條,并對數(shù)據(jù)進(jìn)行累加處理(見表8)。
6.2.3? ?實證分析結(jié)果
(1)針對假設(shè)H1的實證分析。本文將“武漢有十萬感染者”“武漢發(fā)現(xiàn)SARS”和 “武漢肺炎人傳人”進(jìn)行實證分析(見表9)。首先將三組案例對照本文4.1的指標(biāo)體系將所述的真實度評價指標(biāo)進(jìn)行打分,得出打分結(jié)果(見表10);然后根據(jù)6.1節(jié)得出的真實度系數(shù)進(jìn)行計算,同時運(yùn)用五級量表進(jìn)行打分,得出計算結(jié)果(見表11)。可知,“武漢有十萬感染者”真實度最低;“武漢發(fā)現(xiàn)SARS”真實度中等;“武漢肺炎人傳人”真實度最高。
其次,通過對各個謠言發(fā)展的趨勢線擬合來估算謠言的傳播上限,得出擬合結(jié)果(見圖7)。通過擬合得知“武漢有十萬感染者”上限為55條,擬合R2值為0.9954;“武漢發(fā)現(xiàn)SARS”上限為178條,擬合R2值為0.9768;“武漢肺炎人傳人”上限為202條,擬合R2值為0.9489。最后,通過比較三個謠言的傳播上限,可知,高真實度的謠言傳播量上限高于低真實度謠言,假設(shè)H1得到驗證。
(2)針對假設(shè)H2的實證分析。結(jié)合表10中關(guān)于謠言“武漢發(fā)現(xiàn)SARS”以及與其相關(guān)的兩組辟謠信息的相關(guān)數(shù)據(jù),對三組數(shù)據(jù)累加量特征進(jìn)行初步觀察,并進(jìn)行擬合,得到“武漢發(fā)現(xiàn)SARS”的擬合圖(見圖8),對三組信息的擬合表達(dá)式求二階導(dǎo)數(shù),以得到三組信息的累加量增長拐點(diǎn)(計算結(jié)果見圖9),得到比較結(jié)果(見圖10)。計算可得,“武漢發(fā)現(xiàn)SARS”在17日左右進(jìn)入增長后期,即增長率開始降低,與“武漢發(fā)現(xiàn)不明肺炎”的爆發(fā)期吻合;“武漢發(fā)現(xiàn)SARS”在30日左右進(jìn)入消退期,與“新冠肺炎確診”發(fā)布時間吻合。“武漢發(fā)現(xiàn)不明肺炎”的二階導(dǎo)數(shù)與“武漢發(fā)現(xiàn)SARS”負(fù)相關(guān),即當(dāng)此辟謠信息大量發(fā)布時,謠言增速變緩?!靶鹿诜窝住钡亩A導(dǎo)數(shù)與謠言、“武漢發(fā)現(xiàn)不明肺炎”皆負(fù)相關(guān),即當(dāng)此辟謠信息大量發(fā)布時,謠言快速消退,同時低說服力的辟謠信息也開始消退。
通過以上分析可知,謠言“武漢發(fā)現(xiàn)SARS”在低說服力的辟謠信息發(fā)布時,其增長率便開始下降,直到辟謠信息“新冠狀肺炎”發(fā)布才得到有效遏制,由此可知,高說服力的辟謠信息辟謠效果顯著強(qiáng)于低說服力的辟謠信息,辟謠效果取決于辟謠質(zhì)量而非數(shù)量,假設(shè)H2得到驗證。
(3)針對假設(shè)H3的實證分析。結(jié)合表8中關(guān)于三組謠言負(fù)面情緒的相關(guān)數(shù)據(jù),對三組數(shù)據(jù)累加值進(jìn)行擬合,得到擬合結(jié)果(見圖11)。圖11(a)中,“武漢有十萬感染者”負(fù)面情緒上限達(dá)到59,擬合R2=0.9884;(b)中”武漢發(fā)現(xiàn)SARS”負(fù)面情緒上限達(dá)到334,擬合R2=0.9232;(c)中“武漢肺炎人傳人”負(fù)面情緒達(dá)到1194,擬合R2=0.9425。通過以上分析可知,謠言真實度越高,對公眾情緒的渲染越大,假設(shè)H3正確。
6.3? ?研究結(jié)論
本文從理論方面構(gòu)建謠言、辟謠交互模型,討論了謠言真實度對謠言發(fā)布量增長上限、有效辟謠率與公眾情緒的影響;在實踐方面,以百度新聞帖子為數(shù)據(jù)來源,充分分析了在武漢肺炎疫情中的多條謠言信息與正面信息之間的交互作用。研究結(jié)果表明,第一,謠言真實度與謠言相關(guān)信息數(shù)量增長的上限正相關(guān),高真實度的謠言傳播更廣;第二,提高有效辟謠率可以有效遏制謠言,高說服力的正面信息即使發(fā)布量較少也可以取得較好效果;第三,謠言真實度對公眾情緒有影響,真實度越高情緒影響范圍越大。
本文綜合運(yùn)用模擬仿真和實證研究方法,對不同真實度的網(wǎng)絡(luò)謠言與正面信息的交互規(guī)律進(jìn)行了研究,有助于揭示謠言傳播機(jī)理及網(wǎng)民同謠言傳播的內(nèi)在關(guān)系,是進(jìn)一步深入研究謠言傳播模式的基礎(chǔ),對從實踐角度加強(qiáng)新媒體環(huán)境下的網(wǎng)絡(luò)輿情管理具有一定意義。
本研究也存在一定的局限性,主要有以下兩點(diǎn):
一是在理論模型構(gòu)建方面:在謠言、辟謠交互模型構(gòu)建中,以謠言傳播方、辟謠方為研究主體,未將普通圍觀者、政府、營利者等其他次相關(guān)的主體納入研究范圍,傳播與辟謠兩方的關(guān)系也以捕食關(guān)系為主,沒有考慮謠言、辟謠之間的共生、競爭等關(guān)系。構(gòu)建全面的網(wǎng)絡(luò)信息生態(tài),應(yīng)當(dāng)盡可能的全面平衡,此點(diǎn)還需要進(jìn)一步研究。
二是在實證研究方面,由于武漢疫情的網(wǎng)絡(luò)輿論受到刪帖影響,本文收集的樣本量較少,如1月1日之前的輿情信息多存在空白、斷層,導(dǎo)致僅以數(shù)據(jù)較為全面、案例較為典型的五組數(shù)據(jù)作為分析。在后續(xù)研究中,還需收集更多案例,增強(qiáng)實證可信度。
同時,本文僅從宏觀上討論了謠言真實度對謠言傳播信息數(shù)量上限的影響,但是不同種類謠言的真實度評價、影響路徑、所反映的社會心理需求等問題還需要進(jìn)一步細(xì)化研究。
7? ? 謠言真實度分級管理建議
謠言的發(fā)展動因是社會沖突,社會沖突的解決需要一個動態(tài)交互的過程,在此過程中如果社會不允許或壓制謠言,一旦謠言積累爆發(fā),其程度勢必會更加嚴(yán)重,將對社會結(jié)構(gòu)產(chǎn)生破壞作用[17]。所以,在網(wǎng)絡(luò)信息生態(tài)中,信息多樣化是保持生態(tài)平衡的關(guān)鍵,謠言作為一種負(fù)面信息對于整個生態(tài)來說具有一定的正面作用。
在此次新冠病毒肺炎疫情中,我國政府在謠言控制方面舉措有力,各級部門及時通報疫情消息,各大媒體都開通了辟謠專線,如“假口罩流入市場”“雙黃連可預(yù)防新冠肺炎”“協(xié)和醫(yī)院患者逃跑”等謠言都得到了及時辟謠,有力的控制了恐慌蔓延。但是,也暴露出過渡辟謠導(dǎo)致行政成本增高、影響公信力等問題,如“武漢八人造謠被拘”等 。在2019年12月疫情之初,網(wǎng)上便有“武漢發(fā)現(xiàn)SARS”和“武漢肺炎人傳人”等信息預(yù)警,不加求證便立刻刪帖、封號甚至訓(xùn)誡,失去了謠言預(yù)警的社會功能,就像人體強(qiáng)行割除了扁桃體,一旦病毒感染便會深入脾肺。
所以,即要發(fā)揮謠言的正面預(yù)警功能,又不能聽之任之。因此,應(yīng)對謠言真實度進(jìn)行分級管理,采取分級分類治理的對策。對于低真實度的謠言,及時辟謠即可不攻自破,不需要大規(guī)模篩查刪帖,節(jié)約行政成本;對于中等真實度的謠言,要及時提醒相關(guān)部門加緊核查,發(fā)布真實準(zhǔn)確的信息,防止信息擴(kuò)散泛濫引起恐慌;對于高真實度的謠言,一定問清查明,聽取各方意見,及時發(fā)布高說服力的正面信息。