李磊 支梅 李睿涵

摘 要：為預(yù)防新冠肺炎突發(fā)公共衛(wèi)生事件引發(fā)的網(wǎng)絡(luò)輿情產(chǎn)生負(fù)面影響，引導(dǎo)網(wǎng)絡(luò)輿情朝積極正面的方向發(fā)展。從新冠肺炎突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播的階段劃分、過程模擬及干預(yù)三方面展開研究，首先基于危機生命周期理論，將輿情傳播過程劃分為醞釀期、發(fā)展期、爆發(fā)期和衰減期4個階段。其次運用系統(tǒng)動力學(xué)，通過分析輿情傳播系統(tǒng)的影響因素及相互作用關(guān)系，應(yīng)用Vensim軟件構(gòu)建網(wǎng)絡(luò)輿情傳播動力學(xué)模型。最后分別增加和減少事件、網(wǎng)民、政府、媒體4個子系統(tǒng)內(nèi)主體變量的20%，仿真模擬其對網(wǎng)絡(luò)輿情熱度的影響。結(jié)果表明：事件影響力和媒體沉寂程度對網(wǎng)絡(luò)輿情熱度在傳播的各個階段均有影響，且網(wǎng)絡(luò)媒體沉寂程度較傳統(tǒng)媒體對其影響更為顯著;社交網(wǎng)站意見領(lǐng)袖作用和信息公開度對網(wǎng)絡(luò)輿情熱度的影響不顯著。本研究為政府采取差異化干預(yù)對策應(yīng)對新冠肺炎網(wǎng)絡(luò)輿情提供一定的理論支撐，提升了監(jiān)管部門對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情應(yīng)急管理的能力。關(guān)鍵詞：新冠肺炎;網(wǎng)絡(luò)輿情;系統(tǒng)動力學(xué);Vensim中圖分類號：X 921

文章編號：1672-9315（2022）01-0047-08?????????? ?文獻(xiàn)標(biāo)志碼：A

DOI：10.13800/j.cnki.xakjdxxb.2022.0107開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Dynamics of network public opinion communication

for COVID-19 public health emergency

LI Lei，ZHI Mei，LI Ruihan

（College of Safety Science and Engineering，Xi’an University of Science and Technology，Xi’an 710054，China）Abstract：In order to prevent the negative impact of the network public opinion caused by the COVID-19 public health emergency，the network public opinion should be guided to develop in a positive direction.The research is carried out from three aspects：the division of the communication stage，the simulation of the communication process and the intervention of the network public opinion of public health emergencies in COVID-19.Firstly，based on the crisis life cycle theory，the communication process of public opinion was divided into four stages：gestation period，development period，outbreak period and attenuation period.Secondly，the system dynamics method was used to build the dynamics model of network public opinion communication by analyzing the influencing factors and their interaction relationship of the public opinion communication system and by using the Vensim software.Finally，the increase of and decrease of 20% of the main variables in the four subsystems of events，netizens，government and media were made respectively，with their influence on the popularity of online public opinion simulated.The results show that the influence of events and the degree of media silence have an impact on the popularity of online public opinion in all stages of communication，and the degree of network media silence has a more significant impact on it than that from the traditional media.The role of opinion leaders and the degree of information disclosure of social networking sites have no significant influence on the heat of online public opinion.This study provides some theoretical support for the government to take differentiated intervention countermeasures to cope with the network public opinion of COVID-19，and improves the emergency management ability of the regulatory department to deal with the network public opinion of public health emergencies.Key words：COVID-19;network public opinion;system dynamics;Vensim

0 引 言

中國網(wǎng)民規(guī)模為9.40億，其中，網(wǎng)民使用手機上網(wǎng)的比例高達(dá)99.2%，通過手機上網(wǎng)已經(jīng)成為網(wǎng)民的主要上網(wǎng)方式[1]。在此背景下，網(wǎng)絡(luò)輿情已成為傳統(tǒng)社會輿論最重要的表現(xiàn)形式，對政治生活秩序和社會穩(wěn)定的影響與日俱增。新冠肺炎事件發(fā)生之初，網(wǎng)絡(luò)上出現(xiàn)了各種類型的虛假信息，網(wǎng)絡(luò)成為別有用心者制造各種恐怖語言、虛假信息、消極情緒的“自留地”。尤其在新冠肺炎事件席卷全球之際，開展對公共衛(wèi)生類網(wǎng)絡(luò)輿情傳播的研究顯得至關(guān)重要。學(xué)者們在突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播過程、傳播規(guī)律、模型構(gòu)建[2]等相關(guān)方面的研究正不斷完善。國內(nèi)學(xué)者將網(wǎng)絡(luò)輿情傳播過程劃分為不同的傳播階段，研究表明事件、網(wǎng)民在傳播過程中發(fā)揮著重要作用，且不同類型突發(fā)事件對應(yīng)不同的輿情傳播模式[3-7]。GASPAR等通過分析德國大腸桿菌食品污染事件的Twitter數(shù)據(jù)，表明不同類別、不同階段的危機應(yīng)對方式會有不同[8]。WONG和KIM等加入公眾輿論，研究其與媒體、國家政策三者之間的作用關(guān)系，以及對公眾行為產(chǎn)生影響及其影響路徑[9-10]。安璐等通過構(gòu)建“魏則西事件”的微博用戶轉(zhuǎn)發(fā)關(guān)系網(wǎng)絡(luò)，發(fā)現(xiàn)突發(fā)公共衛(wèi)生事件中普通群眾更易受意見領(lǐng)袖影響[11]。當(dāng)前對于新冠肺炎事件的研究主要集中在臨床醫(yī)學(xué)[12]、公眾的情感[13]、情緒[14]及心理分析[15]等方面。也有部分學(xué)者，在政府、輿情治理等方面提出了自己的獨到見解。例如馬海群等采用系統(tǒng)動力學(xué)構(gòu)建二維模型，探究政府?dāng)?shù)據(jù)開放與安全問題的因果關(guān)系[16]。單一地探究事件的傳播特征還遠(yuǎn)遠(yuǎn)不夠，對事故系統(tǒng)體系的動力學(xué)特征進行深入探究可彌補目前研究機理存在的不足[17]。為開展跨學(xué)科、跨機構(gòu)、跨國的交叉融合[18]，學(xué)者應(yīng)用系統(tǒng)動力學(xué)的方法，構(gòu)建突發(fā)性公共危機事件[19]、危化品水污染事件[20]、亞布力事件[21]等不同類型突發(fā)事件網(wǎng)絡(luò)輿情的傳播模型。此外ZANETTE將復(fù)雜網(wǎng)絡(luò)理論和SIR模型相結(jié)合，構(gòu)建小世界范圍內(nèi)的輿情傳播模型[22]。綜上，眾多學(xué)者對網(wǎng)絡(luò)輿情的傳播模式進行了大量深入研究，取得了豐碩成果。但針對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播研究，在影響因素分析、系統(tǒng)模擬及干預(yù)等系統(tǒng)的研究略顯不足。因此，本研究通過對網(wǎng)絡(luò)輿情傳播總系統(tǒng)影響因素的分析，從事件、網(wǎng)民、媒體和政府4個方面展開對新冠肺炎網(wǎng)絡(luò)輿情傳播規(guī)律的研究，以期為突發(fā)公共衛(wèi)生事件的輿情應(yīng)對提供理論支撐。

1 基本理論方法

1.1 系統(tǒng)動力學(xué)系統(tǒng)動力學(xué)主張“系統(tǒng)的結(jié)構(gòu)決定系統(tǒng)的行為”

[23]，以分析因果回路中變量關(guān)系為基本內(nèi)容，揭示各變量之間正、負(fù)反饋關(guān)系及相互作用，適用于解決周期性和長期性的問題。對于結(jié)構(gòu)復(fù)雜的網(wǎng)絡(luò)輿情系統(tǒng)而言，其信息傳播是一個往復(fù)循環(huán)的周期過程，需借助模型和計算機模擬技術(shù)加以分析。從定量的角度出發(fā)，應(yīng)用計算機技術(shù)對模型進行仿真是最優(yōu)選擇。目前常用的網(wǎng)絡(luò)輿情傳播模型有SIR傳染病模型、線性閾值模型等。其中SIR傳染病模型主要針對信息傳播行為進行預(yù)測和控制，線性閾值模型主要應(yīng)用于信息傳播領(lǐng)域。兩者均將網(wǎng)絡(luò)輿情傳播過程以點與線形式呈現(xiàn)，但僅僅反映了傳播過程中各傳播節(jié)點間的內(nèi)部相互作用關(guān)系，忽略了各節(jié)點之間在社會地位、影響力等方面的差異性以及環(huán)境等外部因素在整個輿論場內(nèi)的作用。因此，在探究突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情系統(tǒng)各變量之間的相互作用關(guān)系以及隨時間變化特性時，應(yīng)用系統(tǒng)動力學(xué)模型來解決網(wǎng)絡(luò)輿情系統(tǒng)內(nèi)部問題較為合理。1.2 網(wǎng)絡(luò)輿情傳播階段劃分突發(fā)事件網(wǎng)絡(luò)輿情一般都要經(jīng)歷從發(fā)生到發(fā)展，再到衰退直至消亡的演變?；谖C生命周期理論，將新冠肺炎突發(fā)公共衛(wèi)生事件下的網(wǎng)絡(luò)輿情傳播過程劃分為4個階段。

1）輿情醞釀期。事件雖處于剛發(fā)生的狀態(tài)，但引起網(wǎng)絡(luò)輿情的因素已經(jīng)存在，只是尚未積累足夠大的力量引爆輿情。2）輿情發(fā)展期。這一階段新聞媒體逐漸對事件進行報道，引發(fā)部分網(wǎng)民的關(guān)注、表達(dá)自己的觀點，通過轉(zhuǎn)發(fā)相關(guān)報道，引起更多網(wǎng)民對事件的關(guān)注。在網(wǎng)民交流意見的過程中，某些觀點被認(rèn)同并逐漸凸顯，而某些觀點不被認(rèn)同逐漸沉浸，凸顯主流意見引導(dǎo)輿情的發(fā)展方向。3）輿情爆發(fā)期。在意見領(lǐng)袖的作用下，網(wǎng)絡(luò)輿情已經(jīng)成型，主導(dǎo)網(wǎng)絡(luò)意見的主流已經(jīng)形成，傳播范圍和影響力不斷擴大并達(dá)到峰值，輿情脈絡(luò)逐漸清晰。4）輿情衰減期。隨著政府與媒體對事件真相的揭露、事件的有效解決或網(wǎng)絡(luò)輿情新熱點的出現(xiàn)，媒體的報道率、網(wǎng)民討論度逐漸降低，輿情熱度維持在一個較低水平。但某些網(wǎng)絡(luò)輿情的消失只是階段性的隱匿，新的導(dǎo)火索出現(xiàn)后，事件將迅速引起網(wǎng)民的“二次關(guān)注”并不斷擴大其影響范圍，將事件再次推向另一個高潮，如此往復(fù)循環(huán)。

2 新冠肺炎網(wǎng)絡(luò)輿情傳播模型構(gòu)建

2.1 影響因素分析突發(fā)事件網(wǎng)絡(luò)輿情傳播系統(tǒng)是一個復(fù)雜多變的動態(tài)系統(tǒng)

[24]，其傳播過程受多種因素共同作用。構(gòu)建模型時，將媒體形式進一步細(xì)化為傳統(tǒng)媒體和網(wǎng)絡(luò)媒體2種，媒體、微博的沉寂量和增加量對其發(fā)布數(shù)量的影響也考慮其中。同時，用事件信息的點擊量、評論量、轉(zhuǎn)發(fā)量3個指標(biāo)衡量網(wǎng)絡(luò)輿情傳播速度;用事件危害程度、事件輿論共識度、事件敏感性3個指標(biāo)判斷事件影響力的大小;網(wǎng)民參與度、民眾滿意度、媒體活躍度3個變量隨時間的變化直接作用于網(wǎng)絡(luò)輿情熱度。其中，網(wǎng)民微博數(shù)量是衡量網(wǎng)民參與度的重要參數(shù)，網(wǎng)民關(guān)注度又直接作用于網(wǎng)民參與度。政府新聞發(fā)布數(shù)量是衡量政府對事件關(guān)注程度的重要指標(biāo)，民眾對政府的滿意程度取決于其輿情與危機處理能力，二者與民眾滿意度、信息公開度共同作用于政府公信力。因此，將新冠肺炎突發(fā)公共衛(wèi)生事件背景下的網(wǎng)絡(luò)輿情傳播系統(tǒng)劃分為事件、網(wǎng)民、媒體、政府4個子系統(tǒng)。各子系統(tǒng)影響因素，見表1。

2.2 模型構(gòu)建

2.2.1 邊界確定與基本假設(shè)根據(jù)上述對新冠肺炎突發(fā)事件背景下的網(wǎng)絡(luò)輿情傳播系統(tǒng)的分析，提出以下假設(shè)。

1）假設(shè)突發(fā)事件網(wǎng)絡(luò)輿情發(fā)生時，被看作孤立個體;如果某個突發(fā)事件受多個事件影響時，將其看作一個事件處理。2）假設(shè)政府不會過分干預(yù)網(wǎng)絡(luò)輿情傳播過程，干涉網(wǎng)民的言論自由和媒體的報道，阻礙網(wǎng)絡(luò)輿情的產(chǎn)生。3）假設(shè)突發(fā)事件網(wǎng)絡(luò)輿情形成過程中，網(wǎng)絡(luò)是通暢的，不會出現(xiàn)大規(guī)模斷網(wǎng)、網(wǎng)絡(luò)癱瘓等現(xiàn)象。

2.2.2 因果回路通過分析新冠肺炎突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿

情傳播系統(tǒng)的影響因素，得出因果回路，如圖1所示。

從圖1可知，共4個正反饋回路，2個負(fù)反饋

回路。隨著事件影響力不斷擴大，引起政府、網(wǎng)民、媒體等對事件的關(guān)注，需不斷擴大投入事件的人力、物力和財力以對事件進行控制。隨著輿情的有效控制，網(wǎng)絡(luò)輿情熱度就會逐步下降，政府在公眾心中的公信力將不斷提升;同時，隨著網(wǎng)絡(luò)輿情傳播速度不斷加快，引發(fā)媒體報道率、網(wǎng)民轉(zhuǎn)評率不斷攀升，進一步加速了網(wǎng)絡(luò)輿情的傳播，提升事件作用力，形成不斷往復(fù)循環(huán)的閉合回路。

2.2.3 存量流量在構(gòu)建新冠肺炎突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播動力學(xué)模型時，將網(wǎng)民關(guān)注度等7個變量定義為存量，用以表征網(wǎng)絡(luò)輿情的傳播狀態(tài)，其他變量定義為流量。根據(jù)因果回路繪制出系統(tǒng)存量流量，如圖2所示。

2.3 主要關(guān)系方程說明依據(jù)新冠肺炎突發(fā)公共衛(wèi)生事件構(gòu)建網(wǎng)絡(luò)輿情傳播模型以天為單位，F(xiàn)INAL TIME（模擬的最后時間）=15;INITIAL TIME（模擬的初始時間）=0;TIME STEP（模擬的時間步長）=0.5。

1）政府輿情處理能力=0.529*官媒作用力+0.358*政府關(guān)注度+0.298。構(gòu)造思路：通過問卷調(diào)查收集官媒作用力、政府關(guān)注度，利用SPSS軟件分析官媒作用力與政府關(guān)注度的比重權(quán)值。

2）網(wǎng)絡(luò)新聞增加量=DELAY1（事件影響力，0.35）*網(wǎng)絡(luò)新聞數(shù)量*0.3。構(gòu)造思路：網(wǎng)絡(luò)新聞增加量指一天時間內(nèi)所有網(wǎng)絡(luò)媒體新聞發(fā)布的增加量，受事件影響力和網(wǎng)絡(luò)新聞數(shù)量直接影響。3）網(wǎng)絡(luò)新聞沉寂量=網(wǎng)絡(luò)新聞沉寂系數(shù)*網(wǎng)絡(luò)新聞數(shù)量。構(gòu)造思路：網(wǎng)絡(luò)新聞沉寂量為其沉寂系數(shù)與新聞數(shù)量的乘積，網(wǎng)絡(luò)新聞沉寂系數(shù)取0.28[25]。4）政府公信力增加量=（民眾滿意度+政府輿情處理能力+政府危機處理能力）*信息公開度/2。構(gòu)造思路：政府公信力增加量受民眾滿意度、輿情處理能力、危機處理能力和信息公開度影響;信息公開度通過調(diào)查問卷分析數(shù)據(jù)得到，取值范圍在（0，100）。

3 實證研究

3.1 模型基礎(chǔ)性檢驗2019年12月31日，湖北省武漢市持續(xù)開展流感及相關(guān)疾病監(jiān)測，發(fā)現(xiàn)多起病毒性肺炎病例，均診斷為新型冠狀病毒感染的肺炎病例。新冠肺炎突發(fā)公共衛(wèi)生事件發(fā)生初期，網(wǎng)絡(luò)上便出現(xiàn)“武漢某醫(yī)院走廊有尸體無人處理”、“出現(xiàn)超級傳播者”等謠言，隨著疫情的發(fā)展又出現(xiàn)“喝酒可消滅病毒”、“雙黃連可預(yù)防新冠肺炎”等種類繁多、不同“殺傷性”的網(wǎng)絡(luò)輿情熱點話題。通過對新冠肺炎突發(fā)公共衛(wèi)生事件在2020年1月23日至2020年2月6日相關(guān)數(shù)據(jù)收集，應(yīng)用Vensim軟件抽取“網(wǎng)絡(luò)輿情熱度”影響因素對模型進行基礎(chǔ)仿真，得出基礎(chǔ)仿真，如圖3所示。

從圖3可知，當(dāng)新冠肺炎突發(fā)公共衛(wèi)生事件經(jīng)網(wǎng)民傳播促成網(wǎng)絡(luò)熱點事件時，隨著事件影響力和網(wǎng)民關(guān)注度的增加發(fā)展為網(wǎng)絡(luò)輿情事件。網(wǎng)絡(luò)輿

情熱度根據(jù)時間的推移在不斷發(fā)展，達(dá)到峰值停留一段時間后逐步下降。模型在系統(tǒng)仿真模擬的過程中存在變量假設(shè)，不可能達(dá)到與真實值完

全一致，但從圖3可以看出，其趨勢與真實情況基本一致。因此，所建立的新冠肺炎突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播動力學(xué)模型設(shè)計合理，可用于對事件的傳播過程進行模擬。

3.2 仿真模擬

應(yīng)用Vensim軟件對新冠肺炎突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情的傳播，通過調(diào)整事件影響力、社交網(wǎng)站意見領(lǐng)袖作用、信息公開度和媒體沉寂程度4個方面不同參數(shù)數(shù)值進行仿真模擬，以探究其對網(wǎng)絡(luò)輿情熱度發(fā)展趨勢的影響，仿真模擬結(jié)果，如圖4所示。

3.3 結(jié)果與分析

3.3.1 事件影響力作用分析事件影響力是指當(dāng)事件爆發(fā)形成網(wǎng)絡(luò)輿情之后，該事件以網(wǎng)絡(luò)媒體和傳統(tǒng)媒體的形式傳播，網(wǎng)民、媒體和政府等對事件的關(guān)注程度以及在傳播過程中對現(xiàn)實生活的影響程度，是事件危害程度、事件敏感性、輿論共識度共同作用的結(jié)果。其對網(wǎng)絡(luò)輿情熱度的發(fā)展趨勢作用，如圖4（a）所示。其中，初始狀態(tài)為current，圖中對應(yīng)綠色曲線;對事件危害程度、敏感性、輿論共識度分別減小和增加20%，對應(yīng)藍(lán)色曲線、紅色曲線。從圖4（a）可得，事件危害程度、事件敏感性、事件輿論共識度對網(wǎng)絡(luò)輿情熱度在突發(fā)事件醞釀期的影響較小，發(fā)展期、爆發(fā)期和衰減期的影響較大。因此，事件危害程度、事件敏感性、事件輿論共識度的改變對網(wǎng)絡(luò)輿情熱度在不同時期均有不同程度的影響。

3.3.2 社交網(wǎng)站意見領(lǐng)袖作用分析意見領(lǐng)袖是指活躍在人際傳播網(wǎng)絡(luò)中，經(jīng)常為他人提供信息、觀點或建議，且在社會上具有一定知名度和影響力的人士，其對網(wǎng)絡(luò)輿情熱度的發(fā)展趨勢作用，如圖4（b）所示。其中，初始狀態(tài)為current，對應(yīng)綠色曲線;社交網(wǎng)站意見領(lǐng)袖作用值分別減弱和增強20%，對應(yīng)藍(lán)色曲線、紅色曲線。從圖4（b）可得，由于網(wǎng)絡(luò)輿情熱度受網(wǎng)民參與度的直接影響，網(wǎng)民關(guān)注度在一定程度上影響網(wǎng)民參與度，間接作用于網(wǎng)絡(luò)輿情熱度。因此，社交網(wǎng)站意見領(lǐng)袖對其發(fā)展影響不顯著。

3.3.3 信息公開度影響分析政府信息公開度是指政府機構(gòu)為履行職責(zé)，通過多種方式將事件信息在符合法律的前提下向公眾公開的程度，其對網(wǎng)絡(luò)輿情熱度的發(fā)展趨勢作用，如圖4（c）所示。其中，初始狀態(tài)為current，圖中對應(yīng)綠色曲線;政府信息公開度值分別減小和增加20%，對應(yīng)藍(lán)色曲線、紅色曲線。從圖4（c）可得，政府信息公開程度對網(wǎng)絡(luò)輿情熱度的影響與社交網(wǎng)站意見領(lǐng)袖作用相似，信息公開度直接影響政府公信力，政府公信力間接影響網(wǎng)民參與度，從而進一步影響網(wǎng)絡(luò)輿情熱度。因此，信息公開度的改變對網(wǎng)絡(luò)輿情熱度的發(fā)展趨勢影響不顯著。

3.3.4 媒體沉寂程度影響分析媒體沉寂是指媒體受時間限制或政治等因素影響而無法發(fā)聲的現(xiàn)象，在探究媒體沉浸程度作用基礎(chǔ)上，進一步探究網(wǎng)絡(luò)媒體和傳播媒體2類媒體形態(tài)對網(wǎng)絡(luò)輿情熱度不同的作用機制，其對網(wǎng)絡(luò)輿情熱度的發(fā)展趨勢作用，如圖4（d）所示。其中，初始狀態(tài)為current，如黑色曲線所示;網(wǎng)絡(luò)、傳統(tǒng)媒體沉寂系數(shù)值同時增加20%，圖中分別對應(yīng)藍(lán)色曲線、紅色曲線;媒體沉寂系數(shù)分別減少和增加20%，圖中對應(yīng)綠色曲線、灰色曲線。從圖4（d）可得，綠、灰、黑三色曲線反映出媒體沉寂系數(shù)的改變對網(wǎng)絡(luò)輿情熱度在不同時期有不同程度的影響，尤其是在事件衰退時期，且媒體沉寂系數(shù)越小，網(wǎng)絡(luò)輿情熱度越大;藍(lán)、紅、黑三色曲線反映出網(wǎng)絡(luò)媒體沉寂系數(shù)的改變對其發(fā)展趨勢的影響程度更顯著。

3.4 干預(yù)措施政府對事件的干預(yù)多數(shù)處于被動狀態(tài)，對此應(yīng)“主動出擊”，將被動轉(zhuǎn)為主動，在事件尚未轉(zhuǎn)化為輿情事件或輿情尚未朝負(fù)面方向發(fā)展前進行干預(yù)。因此，為抑制新冠肺炎突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情的進一步擴散，根據(jù)仿真模擬分析結(jié)果為政府在輿情傳播的不同階段進行差異化干預(yù)提出以下幾點建議。

1）醞釀期應(yīng)注重收集輿情信息，降低事件影響力。在事件尚未轉(zhuǎn)化為輿情事件前，政府可通過組建網(wǎng)絡(luò)信息篩查組、輿情判斷組等專業(yè)團隊預(yù)判輿情的發(fā)展方向;建立輿情數(shù)據(jù)庫，從中獲取相似事件的處理經(jīng)驗;基于微博平臺建立官方賬號，及時通過此賬號發(fā)布事件相關(guān)信息。因為相比于普通網(wǎng)民發(fā)布的信息，公眾更愿意相信可信度較高的官方信息。2）發(fā)展期應(yīng)注重與意見領(lǐng)袖結(jié)合，提高政府公信力。政府可使用微博官方賬號與社交網(wǎng)站意見領(lǐng)袖結(jié)合，官方賬號實時發(fā)布疫情相關(guān)有效信息，意見領(lǐng)袖則對網(wǎng)民進行積極正面的引導(dǎo)與控制，避免事件影響力的進一步擴大。3）爆發(fā)期應(yīng)與意見領(lǐng)袖、媒體多方面共同作用。政府可持續(xù)與意見領(lǐng)袖相結(jié)合，共同引導(dǎo)輿論向積極正面的方向發(fā)展;政府與媒體結(jié)合召開新聞發(fā)布會，應(yīng)用網(wǎng)絡(luò)媒體集中在網(wǎng)民參與度高、微博數(shù)量活躍的時間段發(fā)布相關(guān)信息;在發(fā)布輿情信息前應(yīng)做好相關(guān)影響力評估，確保觀點能被大多數(shù)網(wǎng)民所接受，以維護媒體作用力及政府公信力。4）衰減期應(yīng)避免大量媒體沉寂并總結(jié)經(jīng)驗。衰減期是政府最容易放松警惕的時期，此時媒體，尤其是網(wǎng)絡(luò)媒體應(yīng)與政府結(jié)合加強持續(xù)有關(guān)疫情信息的報道，避免因外部因素引起網(wǎng)絡(luò)輿情的二次爆發(fā);做好新冠肺炎輿情處理信息的總結(jié)工作，將輿情處理的詳細(xì)過程上傳至輿情數(shù)據(jù)庫，為日后相似事件輿情處理提供參考依據(jù)。

4 結(jié) 論

1）應(yīng)用Vensim軟件構(gòu)建網(wǎng)絡(luò)輿情傳播動力學(xué)模型是可行的。通過對網(wǎng)絡(luò)輿情傳播系統(tǒng)影響因素分析，將其劃分為事件、網(wǎng)民、政府、媒體4個子系統(tǒng)，應(yīng)用新冠肺炎真實數(shù)據(jù)對所構(gòu)建的網(wǎng)絡(luò)輿情傳播動力學(xué)模型進行檢驗，結(jié)果表明其趨勢與真實情況基本一致。2）不同影響因素對網(wǎng)絡(luò)輿情熱度在輿情傳播各個階段的影響程度各異。通過增加和減少各子系統(tǒng)內(nèi)主體變量數(shù)值的20%，探究其對網(wǎng)絡(luò)輿情熱度的影響。得出事件影響力、媒體沉寂程度對網(wǎng)絡(luò)輿情熱度在各個階段均有影響，其中網(wǎng)絡(luò)媒體沉寂程度比傳統(tǒng)媒體沉寂程度對其影響更顯著;社交網(wǎng)站意見領(lǐng)袖作用、信息公開度間接影響網(wǎng)絡(luò)輿情熱度，對其影響不明顯。3）依據(jù)仿真模擬結(jié)果為政府對輿情干預(yù)的不同階段提出差異化的建議。醞釀期注重收集輿情信息，降低事件影響力;發(fā)展期與意見領(lǐng)袖相結(jié)合，提高政府公信力;爆發(fā)期將意見領(lǐng)袖、媒體和自身相結(jié)合;衰減期應(yīng)避免媒體沉寂并總結(jié)經(jīng)驗。

參考文獻(xiàn)（References）：

[1]

中國互聯(lián)網(wǎng)絡(luò)中心.第46次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[R].北京：中國互聯(lián)網(wǎng)絡(luò)中心，2020.China Internet Network Information Center.

The 46th China statistical report on internet development[R].Beijing：CNNIC，2020.

[2]ZHANG Y，CHEN N C，DU W Y，et al.A New geo-propagation model of event evolution chain based on public opinion and epidemic coupling[J].International Journal of Environmental Research and Public Health，2020，17（24）：9235.

[3]杜洪濤，王君澤，李婕.基于多案例的突發(fā)事件網(wǎng)絡(luò)輿情演化模式研究[J].情報學(xué)報，2017，36（10）：1038-1049.DU Hongtao，WANG Junze，LI Jie.Research on evolution model for online public opinion of emergent events based on multiple cases[J].Journal of the China Society for Scientific and Technical Information，2017，36（10）：1038-1049.

[4]徐崴威.突發(fā)事件網(wǎng)絡(luò)輿情演變與對策研究——以馬航客機失聯(lián)事件為例[J].中國管理信息化，2017，20（16）：203-204.

XU Weiwei.Research on the evolution and countermeasures of network public opinion in emergencies：A case study of Malaysia Airlines passenger plane loss of contact[J].China Management Informationization，2017，20（16）：203-204.

[5]王心瑤，郝艷華，吳群紅，等.社交媒體環(huán)境下H7N9事件網(wǎng)絡(luò)輿情演變與比較分析[J].中國公共衛(wèi)生，2018，34（9）：1232-1236.

WANG Xinyao，HAO Yanhua，WU Qunhong，et al.Evolution trajectory of network public opinion about H7N9 epidemic under social media environment：A comparative analysis[J].Chinese Journal of Public Health，2018，34（9）：1232-1236.

[6]周曉英.新冠肺炎疫情防控中的應(yīng)急信息管理問題與對策研究[J].圖書與情報，2020，40（

1）：51-57.ZHOU Xiaoying.Studies on problems and countermeasures of emergency information management in prevention and control of COVID-19[J].Library & Information，2020，40（

1）：51-57.

[7]王曰芬，王一山.傳播階段中不同傳播者的輿情主題發(fā)現(xiàn)與對比分析[J].現(xiàn)代情報，2018，38（9）：28-35，144.

WANG Yuefen，WANG Yishan.Topic discovery and comparative analysis of the public opinion from different disseminator in the communication stages[J].Journal of Modern Information，2018，38（9）：28-35，144.

[8]GASPAR R，PEDRO C，PANAGIOTOPOULOS，P，et al.Beyond positive or negative：Qualitative sentiment analysis of social media reactions to unexpected stressful events[J].Computers in Human Behavior，2016，56（3）：179-191.

[9]WONG K C.The making of the USA PATRIOT Act II：Public sentiments，legislative climate，political gamesmanship，media patriotism[J].International Journal of the Sociology of Law，2006，34（2）：105-140.

[10]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.

[11]安璐，歐孟花.突發(fā)公共衛(wèi)生事件利益相關(guān)者的社會網(wǎng)絡(luò)情感圖譜研究[J].圖書情報工作，2017，61（20）：120-130.

AN Lu，OU Menghua.Social network sentiment map of the stakeholders in public health emergencies[J].Library and Information Service，2017，61（20）：120-130.

[12]AYANIAN S，REYES J，LYNN L，et al.The association between biomarkers and clinical outcomes in novel coronavirus pneumonia in a US cohort[J].Biomarkers in Medicine，2020，14（12）：1091-1097.

[13]陳興蜀，常天祐，王海舟，等.基于微博數(shù)據(jù)的“新冠肺炎疫情”輿情演化時空分析[J].四川大學(xué)學(xué)報（自然科學(xué)版），2020，57（2）：409-416.

CHEN Xingshu，CHANG Tianyou，WANG Haizhou，et al.Spatial and temporal analysis on public opinion evolution of epidemic situation about novel coronavirus pneumonia based on micro-bolg data[J].Journal of Sichuan University（Natural Science Edition），2020，57（2）：409-416.

[14]GEORGIA P，MARIA P，CHRYSANTHI L.Coping with the invisible enemy：The role of emotion regulation and awareness in quality of life during the COVID-19 pandemic[J].Journal of Contextual Behavioral Science，2021，19（10）：17-27.

[15]康紅蕾，翁賽崢.新冠肺炎流行期開展分級分類心理危機干預(yù)的思考[J].疾病預(yù)防控制通報，2020，35（5）：81-84，94.

KANG Honglei，WENG Saizheng.Thought about intervention in classified psychological crisis during COVID-19 pandemic period[J].Bulletin of Disease Control & Prevention（China），2020，35（5）：81-84，94.

[16]馬海群，張濤，李鐘雋.新冠疫情下政府?dāng)?shù)據(jù)開放與安全的系統(tǒng)動力學(xué)研究[J].現(xiàn)代情報，2020，40（7）：3-13.

MA Haiqun，ZHANG Tao，LI Zhongjun.Research on system dynamics of government data opening and security in the new crown epidemic[J].Journal of Modern Information，2020，40（7）：3-13.

[17]袁大祥，嚴(yán)四海.事故的突變論[J].中國安全科學(xué)學(xué)報，2003，13（3）：8-10，1.

YUAN Daxiang，YAN Sihai.Catastrophe of accident[J].China Safety Science Journal，2003，13（3）：8-10，1.

[18]嚴(yán)鍇，李紅霞.公共安全視域下的輿情熱點及發(fā)展趨勢可視化分析[J].西安科技大學(xué)學(xué)報，2019，39（6）：1082-1089.YAN Kai，LI Hongxia.Visual analysis of public opinion hotspots and development trends from the perspective of public security[J].Journal of Xi’an University of Science and Technology，2019，39（6）：1082-1089.

[19]張一文.突發(fā)性公共危機事件與網(wǎng)絡(luò)輿情作用機制研究[D].北京：北京郵電大學(xué)，2012.

ZHANG Yiwen.Research on the mechanism of public opinion on internet for unexpected emergency[D].Beijing：Beijing University of Posts and Telecommunications，2012.

[20]余樂安，李玲，武佳倩，等.基于系統(tǒng)動力學(xué)的?；匪廴就话l(fā)事件中網(wǎng)絡(luò)輿情危機應(yīng)急策略研究[J].系統(tǒng)工程理論與實踐，2015，35（10）：2687-2697.

YU Lean，LI Ling，WU Jiaqian，et al.Emergency public exploration for network public opinion crisis in water pollution accident by hazardous chemicals leakage based on systematic dynamics[J].Systems Engineering Theory & Practice，2015，35（10）：2687-2697.

[21]王高飛，李明，李梅.基于系統(tǒng)動力學(xué)的移動社交網(wǎng)絡(luò)輿情應(yīng)對策略研究[J].情報科學(xué)，2016，34（10）：38-42.

WANG Gaofei，LI Ming，LI Mei.Research on the coping strategies of mobile social networks public opinion based on system dynamics[J].Information Science，2016，34（10）：38-42.

[22]ZANETTE D H.Dynamics of rumor propagation on small-world networks[J].Physical review.E，2002，65（4-

1）：041908.

[23]聶峰英，張旸.移動社交網(wǎng)絡(luò)輿情預(yù)警模型構(gòu)建[J].大學(xué)圖書情報學(xué)刊，2015，33（6）：118-122.

NIE Fengying，ZHANG Yang.Construction of the mobile social network and the fore-warning model of public opinions[J].Journal of Academic Library and Information Science，2015，33（6）：118-122.

[24]楊帆.基于系統(tǒng)動力學(xué)的網(wǎng)絡(luò)輿情傳播研究[D].北京：北京交通大學(xué)，2015.

YANG Fan.Research on the spread of network public opinion based on system dynamics[D].Beijing：Beijing Jiaotong University，2015.

[25]宋健，張明廣，王雪棟，等.化工園區(qū)突發(fā)事件情景下的群體行為模擬演化研究[J].中國安全生產(chǎn)科學(xué)技術(shù)，2018，14（2）：70-76.

SONG Jian，ZHANG Mingguang，WANG Xuedong，et al.Study on simulation evolution of group behavior under emergency scenario in chemical industry park[J].Journal of Safety Science and Technology，2018，14（2）：70-76.

2564501186367