基于輿情當事人信息質(zhì)量及群眾信任閾值的觀點演化研究*

魏 靜 賈宇廣 朱恒民 洪小娟 黃衛(wèi)東

(1.南京郵電大學 管理學院 南京 210003；2.江蘇省高校哲學社會科學重點研究基地—信息產(chǎn)業(yè)融合創(chuàng)新與應急管理研究中心 南京 210003)

0 引 言

隨著互聯(lián)網(wǎng)的迅速發(fā)展，各種網(wǎng)絡社交平臺成為人們接受信息、發(fā)表意見的主要渠道之一，但根據(jù)中國互聯(lián)網(wǎng)發(fā)展狀況統(tǒng)計報告中的另一項數(shù)據(jù)顯示，我國網(wǎng)民群體的本科率大約在9.4%左右，著名社交網(wǎng)絡平臺微博的相關調(diào)查報告也指出微博用戶的本科率在4%左右[1]。這就意味著參與輿情傳播的個體在眾多網(wǎng)絡輿情信息中對信息的認知深度、識別能力還存在缺陷，容易在媒體或意見領袖的發(fā)酵下形成觀點的分化現(xiàn)象，產(chǎn)生無法確定的演化結(jié)果。如果政府等相關部門不采取相應的措施對輿情問題進行及時的監(jiān)督和調(diào)控，便可能引發(fā)觀點極化現(xiàn)象，致使社會群體分化、社會矛盾激化、負面影響不斷等后果，甚至引發(fā)大面積社會沖突，嚴重危害國家和社會的信息安全。

1 文獻綜述

為了更加深入研究觀點的演化機制，早期的學者使用離散的觀點動力學方程來擬合觀點變化的規(guī)律。早在2006年，Grabowski和Kosiński創(chuàng)造性的使用物理中分子間的隨機相互作用來類比為人與人之間的交流過程，形成了著名的伊辛模型[2]。隨著研究的深入，學者們先后提出了投票者模型[3]、Sznajd[4]模型等。由于這些模型都將觀點的取值空間劃分為獨立的點，所以統(tǒng)稱為離散觀點演化模型。但是離散的觀點演化模型無法準確描述出實際情況中觀點模糊態(tài)度，故學者們基于觀點發(fā)生改變的條件，提出了有界置信模型，其中最為經(jīng)典的便是HK模型[5]、DW模型[6]。因為有界置信模型形象的揭示了觀點的變化規(guī)律，吸引了國內(nèi)外學者在其基礎上進行豐富的改進，擴大并優(yōu)化了模型的使用場景。

一些學者開始在原始模型中加入媒體、意見領袖或政府等現(xiàn)實元素，研究模型的交互規(guī)律。Li等構(gòu)建了一個媒體影響下的意見動態(tài)數(shù)學模型，通過研究發(fā)現(xiàn)媒體的參與會加速觀點的傳播。且當媒體的干預時間達到一定值時，群體對媒體意見的支持比例迅速上升，這是一次最佳干預時間[7]。朱曉霞等根據(jù)不同置信度將個體分劃為意見領袖和跟隨者，基于線上無標度網(wǎng)絡和線下小世界的網(wǎng)絡拓撲結(jié)構(gòu)，驗證了意見領袖對觀點的聚合發(fā)揮著重要作用及完全跟隨者對意見領袖的觀點傳播發(fā)揮極大作用[8]。

此外，也有研究者從環(huán)境的角度對模型進行改進，從宏觀上探究輿論環(huán)境對觀點變化的影響。李根強等使用物理學中熵的概念，衡量了輿論環(huán)境對個體觀點的影響，通過仿真實驗得出，信任閾值和個體自信度對網(wǎng)絡集群行為主體的觀點演化都存在正向影響，且群體異質(zhì)性會影響觀點聚合時間[9]。Cheng等利用意見氣候的概念，構(gòu)建了環(huán)境影響函數(shù)，研究發(fā)現(xiàn)了網(wǎng)絡平臺中存在的社交機器人能夠影響網(wǎng)絡意見的形成[10]。除此之外，還有一些學者從噪音環(huán)境的角度出發(fā)[11-12]，對有界信任觀點交互模型進行了擴展。

為了彌補仿真模型對社會規(guī)則的刻畫過于簡單片面的缺點，學者們開始結(jié)合心理學理論對演化模型進行完善。Fan等從社會判別論的角度，探討了由社會網(wǎng)絡和廣播網(wǎng)絡組成的封閉系統(tǒng)中的集體言論演化[13]。王寧等以自我歸類理論為依據(jù)，提出新的演化模型，通過研究得出對立群體人數(shù)的不同比例會導致多數(shù)群體內(nèi)觀點趨于平均化,少數(shù)群體趨于極端化[14]。 還有學者在模型中加入“有限占有”理論[15]、群體壓力理論[16]、認知失調(diào)理論[17]等，伴隨心理學的加入增強了模型演化結(jié)果的信度和效度。

綜上所述，目前對有界置信模型的研究大多數(shù)是基于現(xiàn)實，提取出影響觀點形成的關鍵因素，再結(jié)合相關理論知識來建立相應的模型，最后通過計算機仿真實驗來探究模型的合理性。但是，為了進一步探究現(xiàn)實因素如何具體影響觀點的演變，達到精準監(jiān)控輿論的目的，本研究在相關文獻的基礎上，分析出了輿論的具體影響因素，構(gòu)建了輿情當事人觀點信息質(zhì)量和群眾接受閾值影響下的演化模型，從信息質(zhì)量、干預時間、干預頻率方面對模型進行仿真實驗，從而驗證模型的有效性。

2 模型構(gòu)建

2.1經(jīng)典Deffuant模型Deffuant模型早在2004年就被提出，屬于有界置信模型范疇，用于研究意見的形成、演化、分裂和趨同。它從觀點的連續(xù)性角度構(gòu)建了交互模型，彌補了離散觀點演化模型單一從正負對觀點分類的缺點。

標準的Deffuant模型認為群體中包含N個個體，每個個體具有各自的觀點值xi(i=1,2,…,N),且xi∈[0,1]，觀點越接近0表示觀點越消極，反之觀點越積極。假設t時刻個體i和個體j相遇，若此時兩者觀點之間的距離小于等于一定的閾值時，即|xi(t)-xj(t)|≤ε，兩者進行觀點改變；若兩者觀點之間的距離超過該閾值時，即|xi(t)-xj(t)|>ε，兩者觀點保持不變。觀點演化規(guī)則如下：

當|xi(t)-xj(t)|≤ε時

當|xi(t)-xj(t)|>ε時

在標準的Deffuant模型中，參數(shù)μ表示為觀點差值的接受度，用來反映個體對自身觀點的妥協(xié)度。一般地，μ∈[0,0.5]。當μ接近0時，表示個體的妥協(xié)程度較低，不容易聽取他人意見；反之表示個體的妥協(xié)程度較高，更容易聽取他人意見[18]。

2.2參數(shù)設定經(jīng)典的Deffuant模型較離散型的觀點演化模型可以更好地擬合現(xiàn)實中個體的交互行為，從而便于群體極化現(xiàn)象的研究[19]。在網(wǎng)絡社交環(huán)境中，各種網(wǎng)絡輿論事件的頻繁發(fā)生，都吸引群眾的廣泛關注。其中關注度較高的輿情當事人所發(fā)布的意見，很大程度上會影響其跟隨者的意見。為了深入研究輿情當事人對群眾觀點的影響作用，本研究將從以下三個方面進行改進。

2.2.1 增加每一時步觀點交互者的數(shù)量 根據(jù)中國互聯(lián)網(wǎng)絡信息中心(CNNIC)2021年發(fā)布的第47次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》 ，截至2020年12月，我國網(wǎng)民規(guī)模達9.89億，較2020年3月提升5.9個百分點[20]。并且現(xiàn)有網(wǎng)絡社交平臺中，多數(shù)存在大數(shù)據(jù)推薦算法等機制，使符合用戶喜好或與用戶觀點相近的信息會主動涌現(xiàn)在用戶周圍，用戶可以被動式接觸到大量與自身觀點相近的言論，同時在群體壓力等心理效應的作用下進行觀點更新。結(jié)合網(wǎng)民數(shù)量驟增以及輿論信息指數(shù)增長的特點，在前人研究的基礎上[21]，每時步個體受周圍多個觀點相近個體的影響，改進了經(jīng)典模型中只與單一個體進行觀點交互的局限性。觀點演化規(guī)則如下：

當|xi(t)-xj(t)|≤ε時

(1)

其中，n表示t時刻與個體i觀點相近的個體數(shù)量。

2.2.2 定義個體對輿情當事人觀點的接受度 互聯(lián)網(wǎng)的普及與在線社交平臺的發(fā)展，使得以文字、音頻以及視頻為載體的觀點交互方式成為主流。其中，文字仍是主要的傳達大眾觀點的方式之一。由于網(wǎng)絡輿情的頻發(fā)，加之社交媒體的發(fā)酵作用，輿情事件的當事人往往會迅速獲得較高的關注度，其對輿情事件的意見和回應，更會對網(wǎng)民的意見產(chǎn)生直接影響。根據(jù)前人的研究也證實了當事人回應內(nèi)容越偏激且論據(jù)不足均無助于平抑網(wǎng)民的負面消極情緒，相反，誠懇態(tài)度反倒一定程度上獲得了民眾的理解[22]，基于此本文將輿情當事人觀點的信息質(zhì)量進項量化，并設置為參數(shù)Q，且Q∈(0,1)。當Q趨近于1時，表示輿情當事人的信息質(zhì)量越高，即態(tài)度較為誠懇、論據(jù)更為充分；當Q趨近于0時，則表示輿情當事人的信息質(zhì)量越低，即語氣較為敷衍、論據(jù)更為匱乏。

同時基于網(wǎng)民性格特征、教育程度的差異，以及對信息的接受能力不同，對輿情當事人觀點信息會產(chǎn)生不同的理解，故引入個體的信任閾值ri，且ri∈(0,1)當Q

(2)

其中，κ為常數(shù)，t1為輿情當事人發(fā)出觀點的時刻。

考慮到群體中大部個體對于信息的接受能力往往處于相近的水平，只有少部分擁有偏高或者偏低的接受能力。故設置信任閾值ri在0-1內(nèi)服從正態(tài)分布可以更好擬合現(xiàn)實情況。同時在實際中，個體的信任閾值ri不應是一個恒定的常數(shù)，它會隨著時間以及個體的文化程度等因素的改變而改變。但由于其具有較大的隨機性,在大樣本情況下會被均化,故建模過程中不納入考慮。

2.2.3 引入時間衰減函數(shù) 在宏觀角度上，任何輿論事件都伴有潛伏期、熱議期以及衰退期。特別是在衰退期，輿情的影響力和擴散力都會逐漸減小[23]。在微觀角度上，與普通個體的觀點相比，輿情當事人的觀點是經(jīng)過深度思考而形成，因此其觀點具有相對穩(wěn)定性，在短期內(nèi)不易改變。作為一種外部信息的表現(xiàn)形式，輿情當事人觀點的影響作用亦不是恒定的[24]。所以當輿情當事人發(fā)聲后，個體的接受度會隨時間的流逝而降低，因此本研究結(jié)合牛頓冷卻定律來體現(xiàn)個體對當事人觀點接受度隨時間的衰減效果，即：

λi(t)=λi(t1)*e-α(t-t1)

(3)

其中，α為衰減系數(shù)。

2.3模型構(gòu)建綜上所述，改進后的觀點演化模型可用于設計如下兩個階段的觀點交互中：

第一階段，當輿情當事人未發(fā)聲時，群眾的觀點根據(jù)公式(1)進行改變。

第二階段，當輿情當事人發(fā)聲后，結(jié)合公式(1)、(2)、(3)，群眾的觀點按照如下公式進改變：

λi(t)*[O(t)-xi(t)]

(4)

其中，O(t)表示觀點當事人的觀點。此外借鑒前人的研究，用[-1,1]的觀點分布代替標準模型中的[0,1]分布[25]。

3 仿真實驗

首先設置一個節(jié)點數(shù)N=100且擁有一定無標度性的網(wǎng)絡，并且在之后仿真過程中使用同一個網(wǎng)絡，同時設置固定分布的個體觀點值和信任閾值，以此來保證實驗的可比性。輿情當事人的觀點固然會影響群體輿論的發(fā)展，但是其觀點的信息質(zhì)量將決定接受度，所以仿真實驗將輿情當事人觀點根據(jù)觀點值絕對值的大小劃分為中立觀點和極端觀點。當觀點的絕對值越趨向于0時，其觀點越中立；當觀點的絕對值越趨向于1時，其觀點越極端。并研究不同觀點類型下，觀點當事人信息質(zhì)量不同、介入輿論時間不同，以及回應頻率對群眾觀點變化的影響。

3.1輿情當事人信息質(zhì)量與參與時間

3.1.1 輿情當事人持有觀點較為中立 因為輿情當事人的觀點較為中立，實驗取其觀點值O(t)=0。分別假設在信息質(zhì)量為Q等于0.2、0.4、0.8時，輿情當事人在不同時間點t1參與輿情演化。當t

圖1 輿情當事人觀點值O(t)=0且信息質(zhì)量Q=0.2

圖2 輿情當事人觀點值O(t)=0且信息質(zhì)量Q=0.4

圖3 輿情當事人觀點值O(t)=0且信息質(zhì)量Q=0.8

如圖2所示，當事人觀點的信息質(zhì)量較為一般(Q=0.4)時，此時可以明顯觀察到群體中信任個體數(shù)量和懷疑個體數(shù)量差距較小。對比輿情當事人在t1=5時和t1=15時、t1=25時參與輿情演化，當參與時間t1=5時，群眾的的觀點會在t=30左右時，達成社會一致。而當參與時間t1=15和t1=25時，信任個體和懷疑個體的觀點都會產(chǎn)生波動，并向輿情當事人觀點聚集。但是由于此時輿論環(huán)境的逐漸形成，輿情當事人的觀點的聚集效果會隨當事人參與時間的推移而被削弱，結(jié)果分化為兩條意見簇。這表明持有觀點中立且信息質(zhì)量較一般時，輿情當事人回應的時間越早，越有利于控制輿論的發(fā)展方向。

如圖3所示，當事人觀點的信息質(zhì)量較高(Q=0.8)時，此時群體中信任個體數(shù)量遠超過懷疑個體的數(shù)量。不論輿情當事人何時參與輿論事件，群眾的觀點最終都會與當事人觀點達成社會一致。其中懷疑個體觀點總會滯后于信任個體并逐漸趨近于0，體現(xiàn)了在群體壓力的作用下，少數(shù)的懷疑個體的觀點會與大眾觀點趨于一致。這表明持有觀點中立且信息質(zhì)量較高時，輿情當事人參與演化的時間對大眾觀點的聚合效果影響不大，但越早介入輿論演化，可以降低群體觀點極化現(xiàn)象對網(wǎng)絡公共安全造成的威脅。

縱向?qū)Ρ葓D1、圖2、圖3，在輿情當事人觀點值較為中立且介入時間相同的條件下，觀點的信息質(zhì)量越高，越有利于群眾觀點向當事人觀點靠近；同時，較高的信息質(zhì)量，可以獲取較多個體的信任，在其與輿情當事人的影響下，群眾觀點聚攏的速率呈逐漸增強的趨勢。這表明論據(jù)越充足、語氣越溫和的回應內(nèi)容，更加可以贏得群眾的信任，從而快速匯聚群眾觀點與當事人的觀點保持一致，使政府等部門達到理想的輿論調(diào)控效果。

3.1.2 輿情當事人持有觀點較為極端 當輿情當事人的觀點較為極端時，實驗取其觀點值O(t)=0.9。同樣假設在輿情當事人信息質(zhì)量Q等于0.2、0.4、0.8時，輿情當事人在不同時間點t1參與輿情演化，便于與當事人觀點中立情況形成對比。當t

圖4 輿情當事人觀點值O(t)=0.9且信息質(zhì)量Q=0.2

圖5 輿情當事人觀點值O(t)=0.9且信息質(zhì)量Q=0.4

圖6 輿情當事人觀點值O(t)=0.9且信息質(zhì)量Q=0.8

如圖4所示，當事人觀點的信息質(zhì)量較低(Q=0.2)時，在t1=5輿情當事人作出回應后，與當事人觀點相近的信任個體會在鄰居非信任個體的影響下逐漸向其靠近。而在其他情況下，信任個體都會受到輿情當事人的影響，在一定時間內(nèi)向當事人觀點方向移動；但由于群體中懷疑個體的占比較大，經(jīng)過有限時間的觀點交互，最終會形成較為分散的兩個意見簇。同時對比圖1，當信息質(zhì)量較低時，不論持有觀點是中立還是極端，輿情當事人無論何時為輿論事件發(fā)聲，對輿論的影響效果都不夠顯著。這表明在為輿情事件發(fā)聲時，回應信息質(zhì)量較低，會降低輿情當事人對群眾觀點的影響作用。

如圖5所示，當事人觀點的信息質(zhì)量較為一般(Q=0.4)時，在輿情當事人加入后，與其觀點相差較大的信任個體會立即向當事人觀點方向移動，最終在與輿情當事人觀點相差較小的懷疑個體影響下，使觀點集中在0.65附近。而對于觀點相差較大的懷疑個體受到輿情當事人觀點的影響較小，不論當事人何時參與到輿論演化進程中，對其觀點的影響作用都不夠顯著，最終都會演化形成相差較遠的意見簇。對比圖2可知，在觀點信息質(zhì)量一般的情況下，輿情當事人極端觀點比中立觀點更容易使群眾的觀點產(chǎn)生分歧，這不利于相關部門對輿論的引導。

如圖6所示，當觀點的信息質(zhì)量較高(Q=0.8)時，群體中的信任個體占多數(shù)。在輿情當事人回應后，其觀點會迅速向當事人觀點方向收斂。但是當事人在t1=5時參與演化，最終連同懷疑個體會產(chǎn)生多條意見簇，觀點聚合效果弱于t1=15和t1=25時加入的效果。這表明輿情當事人持有觀點中立且信息質(zhì)量較高時，可以選擇在群眾自由進行觀點碰撞后再發(fā)表自身的觀點，避免因觀點收斂過快而導致的意見分化現(xiàn)象。同時對比圖3也可知中立的觀點相比于極端的觀點更加容易被大眾所接受。

縱向?qū)Ρ葓D4、圖5、圖6，隨著輿情當事人回應信息質(zhì)量的提升，在最終形成的穩(wěn)定觀點簇會越趨向于當事人觀點。但不會和輿情當事人觀點完全達成一致，這也體現(xiàn)了個體自身具有相對理智的特點，在聽取極端的觀點意見的同時，也會結(jié)合自身理性思考。啟示了政府等相關部門在持有極端觀點時，可以通過提升論據(jù)的豐富度以及態(tài)度的溫和程度，達到引導輿論發(fā)展的作用。

3.2輿情當事人參與頻率考慮到輿情當事人在一段時期內(nèi)可能會多次參與到輿論事件中，為了研究輿情當事人發(fā)聲頻率與群眾意見的影響作用，本研究選取了輿情當事人持有中立觀點(O(t)=0)不變時，對以下兩種情況進行仿真實驗：a.輿情當事人每次發(fā)聲時其觀點的信息質(zhì)量不發(fā)生改變。b.輿情當事人每次發(fā)聲時其觀點的信息質(zhì)量發(fā)生改變。

針對兩種不同情況，在仿真實驗中設置相同的初始輿論環(huán)境，其中初始回應信息質(zhì)量Q均為0.2。分別觀察輿情當事人發(fā)表1次、2次、3次和4次自身觀點后對群體觀點方差的影響，且設置每次信息質(zhì)量增加0.2，分別在不同參數(shù)設置下進行400次實驗，計算出每次實驗的觀點方差后再取均值，結(jié)果如圖7所示。

圖7 輿情當事人參與次數(shù)對群眾觀點方差影響

圖7結(jié)果表明，不論是否改變每次觀點的信息質(zhì)量，輿情當事人參與頻率都會對最終輿論存在正向影響，但是結(jié)果的改變不是線性的。在不改變信息質(zhì)量的情況下，參與兩次比參與一次最終群眾觀點方差縮小0.0241；參與三次比參與兩次最終群眾觀點方差縮小0.012，參與四次又較參與三次縮小0.009?？梢缘贸鲭S著當事人參與次數(shù)頻率的增加，群眾觀點聚合的效果會降低。但對比兩種不同的情況，若每次改變改變點的信息質(zhì)量，會加快群眾觀點的收斂速度，同時聚合的效果也會隨著頻率的增加而降低。這啟示了政府等相關部門在參與輿情、發(fā)表自身意見時，可結(jié)合自身實際情況選擇適當?shù)幕貞螖?shù)，并改善回應信息質(zhì)量，從而提高引導作用的邊際效益，減少公共資源的消耗。

4 模型驗證

為了驗證本研究中所提出的改進后的Deffuant模型是否能反映現(xiàn)實，具有科學性和合理性，本節(jié)選取了“浙江財經(jīng)大學東方學院轉(zhuǎn)設職業(yè)大學”事件為研究案例，通過對比分析仿真數(shù)據(jù)和真實數(shù)據(jù)對改進后的Deffuant模型進行檢驗。

早在2021年5月26日，在微博平臺上已經(jīng)有用戶提出“浙江財經(jīng)大學東方學院是不是要和經(jīng)貿(mào)合并成職業(yè)大學了”的言論；從6月4日到6月6日前，網(wǎng)絡上關于“浙江財經(jīng)大學東方學院轉(zhuǎn)設為職業(yè)本科”話題的討論度激增；在6月6日上午8點21分，浙江財經(jīng)大學的官方微博正式發(fā)布了“浙江財經(jīng)大學不會轉(zhuǎn)設合并為職業(yè)大學”的公告；從公告公布至6月16日，微博平臺上對于此話題的討論度逐漸衰退?？v觀此話題的發(fā)展歷程與本研究中觀點的演化規(guī)律相似，故選取該案例作為數(shù)據(jù)源。

首先，爬取了“浙江財經(jīng)大學東方學院轉(zhuǎn)設”話題中422條數(shù)據(jù)，時間跨度為2021年5月26日至6月29日。經(jīng)過對數(shù)據(jù)的清洗和預處理后共得到367條微博數(shù)據(jù)，使用PYTHON中的Snownlp庫對清洗后的數(shù)據(jù)進行情感打分。由于受到現(xiàn)實因素的限制，不可能對所有用戶的觀點進行實時記錄，因此本研究通過Excel計算出每一時步方差來反映群體觀點的分布和演化情況；并根據(jù)事件特征對參數(shù)進行設置，對改進后的模型進行仿真，對比相同時步下經(jīng)典Deffuant模型、改進后的Deffuant模型以及真實數(shù)據(jù)中觀點方差的演化結(jié)果，結(jié)果如圖8所示。

圖8 群體觀點演化對比圖

如圖8所示，案例方差數(shù)據(jù)和本模型的模擬演化方差數(shù)據(jù)較為接近,都在T=35時方差均趨向于0，而案例方差數(shù)據(jù)與傳統(tǒng)DW模型演化方差數(shù)據(jù)和趨勢差別較大，反映了在添加因素后，有效地提高了模型的準確性。由于微博用戶以學生和年輕人為主，故在浙江財經(jīng)大學發(fā)布公告前，網(wǎng)絡輿論環(huán)境會更偏向于學生的意見表達和利益維護，與理想化的仿真數(shù)據(jù)相比，初始話題的觀點會相對集中；而在輿情當事人發(fā)表了高質(zhì)量的觀點后，方差也隨時間的流逝而減小?？傮w上改進后模型的演化趨勢與現(xiàn)實數(shù)據(jù)類似，說明了改進后的模型在一定程度上可以反映現(xiàn)實。

5 研究結(jié)論

本文提出了一個群體輿論演化模型，將輿情當事人觀點的信息質(zhì)量建模為一個變量，并嵌入到經(jīng)典的有界置信模型中。通過計算機對比實驗探討了輿情當事人觀點的信息質(zhì)量不同、參與時間不同、回應頻率不同對群眾觀點演化的影響。

實驗表明：第一，不論輿情當事人持有何種觀點，其信息質(zhì)量都會影響輿論的發(fā)展狀況。其中支撐度越高、態(tài)度越溫和的觀點，越容易影響公眾的輿論走向。第二，針對不同情況，輿情當事人應選擇不同的時間點介入輿論演化，從而達到最好的引導效果。若輿情當事人持有觀點中立且信息質(zhì)量較為一般時，要盡早介入輿論的演化，控制輿論走向；若輿情當事人持有觀點極端且信息質(zhì)量較高時，可選擇在大眾觀點進行一定碰撞后再進行發(fā)聲，有利于提升輿論引導效果。第三，輿情當事人觀點發(fā)布頻率對最終輿論存在正向影響。隨著頻率的增加，群眾觀點的匯聚效果會逐漸減弱；但隨著信息質(zhì)量的增加，會提升觀點的聚合效果。

為了更準確的研究輿情當事人觀點信息質(zhì)量的影響機理，未來可以對該模型從以下方面進行改進：一是可以從更多的維度對信息質(zhì)量進行衡量，以深入探討信息對公眾輿論演變的影響；二是可以收集更多的實證數(shù)據(jù)來優(yōu)化仿真模型。