魏靜　賈宇廣　朱恒民等

關(guān)鍵詞： 心理學(xué)； 認知失調(diào)； 動態(tài)網(wǎng)絡(luò)； 共同鄰居； 有界信任； 用戶觀點； 網(wǎng)絡(luò)輿情

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０５．０１０

〔中圖分類號〕Ｃ９１２ ６； Ｇ２０６ 〔文獻標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０５－０１０４－１０

新興媒體的繁榮發(fā)展為社會大眾提供了大量汲取資訊、發(fā)表意見的機會， 社會群眾可以借助網(wǎng)絡(luò)平臺針對不同事件發(fā)表自己的觀點意見。在輿論的發(fā)酵過程中， 各類營銷媒體［１］ 或意見領(lǐng)袖［２］ 都會對群體觀點的變化趨勢起到至關(guān)重要的作用， 這也導(dǎo)致監(jiān)管部門越發(fā)重視網(wǎng)絡(luò)社交平臺的輿論管控。但隨著人們教育程度的提升， 人的理性特征更加突出， 個體會客觀分析外界接收的信息， 并且更加注重內(nèi)心或所處環(huán)境的感受。從眾效應(yīng)、沉默的螺旋、自我歸類等社會心理學(xué)理論的提出， 都可以很好解釋受環(huán)境影響的微觀個體在信息處理、意見決策中的“反?！?行為。因此， 基于各類心理學(xué)理論所提出的觀點傳播模型和演化模型， 成為輿情研究的重要方向之一?？紤]人群的心理因素與人在輿情管理中的核心地位， 也成為輿情治理過程中不應(yīng)忽視的重要一環(huán)。

１研究現(xiàn)狀

對于觀點演化模型的研究， 可以根據(jù)觀點值的不同， 劃分為離散觀點演化模型和連續(xù)觀點演化模型。由于觀點的模糊特性， 連續(xù)觀點演化模型可以更好地體現(xiàn)觀點的變化情況， 所以在群體極化、意見動力學(xué)中被廣泛地應(yīng)用［３－５］ 。之后， 學(xué)者所提出的ＨＫ 模型［６］ 和Ｄｅｆｆｕａｎｔ 模型［７］ 等有界置信觀點演化模型進一步規(guī)范了觀點演化的條件， 這類模型認為個體只與觀點相差在一定范圍內(nèi)的個體進行觀點交互。這契合了現(xiàn)實中用戶傾向與觀點相似用戶交流的特點， 故成為國內(nèi)外學(xué)者研究的熱點。這類模型也被稱為有界置信的觀點演化模型。

目前， 大多數(shù)學(xué)者對觀點的演化基于模型的使用場景展開研究， 通過模型的具體應(yīng)用場景從而提出相應(yīng)的輿情管理策略。張偉等［８］ 通過粒子建模的方式， 考慮了不同個體觀點的交互的異質(zhì)性， 從而確立了一種新的觀點演化規(guī)則。張亞楠等［９］ 考慮到個體之間的人際關(guān)系， 研究認為關(guān)系度的大小決定了觀點演化的結(jié)果。Ｚｈａｏ Ｙ 等［１０］ 則建立了一個領(lǐng)袖追隨者意見動態(tài)模型， 并且驗證在噪聲環(huán)境中有無意見領(lǐng)袖會對最終觀點的聚集產(chǎn)生不同效果。張亮等［１１］ 從個體知識水平的角度完善了模型，研究了信息量、認知水平對觀點演化的影響作用。Ｌｉ Ｔ 等［１２］ 重點關(guān)注了社交媒體的作用， 并基于成本函數(shù)以及有界置信模型的原理構(gòu)建了模型， 分析得出媒體對輿情的促進作用。Ｃｈｅｎｇ Ｃ 等［１３］ 則從比較宏觀的角度， 依據(jù)群體所形成的意見氣候， 構(gòu)建了群體意見影響下的觀點演化規(guī)則， 研究得出網(wǎng)絡(luò)平臺中存在的社交機器人能夠影響網(wǎng)絡(luò)意見的形成。祁凱等［１４］ 則是在經(jīng)典ＷＤ 模型中加入了平臺影響力、話題類型等因素， 分別研究了有無推薦機制對觀點的影響， 研究證明了平臺影響力和智能推薦機制都會影響網(wǎng)絡(luò)群體觀點的收斂速率。此外，一些學(xué)者還將社會心理學(xué)的理論引入模型中， 為模型的改進提供了豐富的理論基礎(chǔ)。Ｃｈｅｎｇ Ｃ 等［１５］ 提出“群體壓力” 影響下的觀點演化模型， 從理論上證明， 一個群體中所有的個體都面臨群體壓力時， 可以在有限的時間內(nèi)達成共識。王寧等［１６］ 將自我歸類理論與模型結(jié)合， 通過仿真證明了有較強原型性的群體會影響觀點的聚合程度及聚合速率。

為了更好地擬合用戶觀點在互聯(lián)網(wǎng)上的傳播現(xiàn)狀， 學(xué)者們開始將模型與復(fù)雜網(wǎng)絡(luò)結(jié)合， 豐富了觀點演化的理論研究。Ｚｈｕ Ｙ Ｙ 等［１７］ 證明了在ＢＡ 網(wǎng)絡(luò)中， 觀點的聚合程度取決于網(wǎng)絡(luò)規(guī)模的大小， 以及每個時步中增加的邊數(shù)。李根強等［１８］ 將復(fù)雜網(wǎng)絡(luò)上的權(quán)重定義為個體間的關(guān)系強度， 通過實驗證實了強關(guān)系更利于網(wǎng)絡(luò)社群輿情觀點的快速聚合。魏靜等［１９］ 構(gòu)建了基于動態(tài)權(quán)值及耦合網(wǎng)絡(luò)的觀點演化模型， 研究了不同情況下線上線下輿情的演化特征。通過對文獻的梳理發(fā)現(xiàn)， 目前對觀點演化的研究不論是基于單層網(wǎng)絡(luò)或是耦合網(wǎng)絡(luò)， 多數(shù)都是通過靜態(tài)網(wǎng)絡(luò)展開。為了更加準(zhǔn)確描述現(xiàn)實世界中觀點在網(wǎng)絡(luò)中的演化機理， 本文借助社會心理學(xué)中認知失調(diào)理論提出了網(wǎng)絡(luò)的動態(tài)變化機制。通過引入社會心理學(xué)理論對網(wǎng)絡(luò)結(jié)構(gòu)相似性進行刻畫， 并依據(jù)用戶親密度定義了差異化的接受度。這不僅加強了提出模型的合理性和有效性， 避免了模型改進過于生硬的缺點， 還體現(xiàn)了“物以類聚， 人以群分” 的群體自組織思想， 從定量的心理學(xué)的視角為政府等部門提供了輿情治理的新思路。

２模型構(gòu)建

２.２基于認知失調(diào)理論的動態(tài)網(wǎng)絡(luò)演化機制

認知失調(diào)理論是由社會心理學(xué)家利昂·費斯廷格在１９５７ 年首次提出的［２１］ 。認知失調(diào)理論的核心思想是， 當(dāng)個體發(fā)現(xiàn)自己的行為與先前的認知不相同時， 或前后認知發(fā)生矛盾時， 會產(chǎn)生不舒適感、不愉快的情緒， 然后會通過調(diào)整認知或行為來緩解壓力和緊張的情緒。利昂·費斯廷格將認知失調(diào)的表現(xiàn)總結(jié)歸納為４ 類： ①決策后的認知失調(diào)。當(dāng)一個人在兩個選項中需要選擇一個猶豫不決時， 他／她就會表現(xiàn)出決策后的認知失調(diào)； ②強制服從的認知失調(diào)。當(dāng)一個人受到外部權(quán)力的影響時， 他／ 她會采取與他／ 她的真實信念相反的行為； ③接觸新信息后的認知失調(diào)。一個人無論是有意還是無意地接觸到新信息， 都會先感知到新信息的危險； ④群體引起的認知失調(diào)。個人的理解和觀點被群體成員所反對時， 他／ 她也會呈現(xiàn)出不安、緊張的情緒。為了克服認知失調(diào)給人們帶來的消極情感， 利昂·費斯廷格也指出， 人們通常會采取兩種主要的方式來緩解壓力［２２］ ： ①增加認知。通過認可更多與現(xiàn)有觀念一致的信息， 來增加認知的一致性； ②減少沖突。忽視或否認與現(xiàn)有觀念相沖突的信息， 這也會導(dǎo)致認知失調(diào)的程度降低。

結(jié)合認知失調(diào)理論發(fā)現(xiàn)， 在現(xiàn)代網(wǎng)絡(luò)社交中，用戶亦會采取相應(yīng)的機制來抑制認知失調(diào)的消極影響， 從而對社交網(wǎng)絡(luò)中的用戶關(guān)系進行改變。從上文克服認知失調(diào)的措施可以類比出動態(tài)網(wǎng)絡(luò)的演化規(guī)律：

１） 為了增加認知。個體往往會考慮與觀點相近的用戶建立更多的聯(lián)系， 從而獲取到更多的認同感。所以假設(shè)用戶之間存在一個“社交閾值” θ，且θ∈（０，０ ５）， 該參數(shù)可以用來衡量用戶對周圍矛盾意見的容忍程度。假設(shè)在ｔ 時刻， 若節(jié)點ｉ 與節(jié)點ｊ 之間不存在連接， 兩節(jié)點之間存在共同連接的節(jié)點， 且觀點差值小于閾值θ 時， 節(jié)點ｉ 與節(jié)點ｊ 會建立連接， 否則不建立連接。即：

２） 為了減少沖突。個體可能更加傾向與觀點差異過大的用戶斷開鏈接， 來減輕自身的不適感。假設(shè)在ｔ時刻， 節(jié)點ｉ 與節(jié)點ｊ 之間存在連接， 且其觀點差值大于社交閾值θ 時， 節(jié)點ｉ 與節(jié)點ｊ 會斷開連接， 否則保持連接。即：

２.３基于用戶結(jié)構(gòu)的觀點演化規(guī)則

傳統(tǒng)的ＷＤ模型中， 學(xué)者往往只從個體自身的角度出發(fā)， 通常規(guī)定個體對其他觀點的接受度是相對靜態(tài)的。但是隨著復(fù)雜網(wǎng)絡(luò)的引入， 節(jié)點不再是單獨存在的個體， 而是以關(guān)系網(wǎng)絡(luò)的形式存在， 所以需要考慮個體之間的關(guān)系狀況來優(yōu)化模型。李根強等［２３］ 通過為網(wǎng)絡(luò)賦予邊權(quán)， 來體現(xiàn)個體間關(guān)系強度。張亞楠等［２４］ 利用節(jié)點間的最短路徑， 定義了節(jié)點間的親密度， 從而衡量了個體間的關(guān)系強度。

為了深入研究網(wǎng)絡(luò)的結(jié)構(gòu)和節(jié)點關(guān)系對觀點接受度的差異化影響， 該小節(jié)將微博用戶張宇老師作為中心點（ｉｄ： 宇哥考研）， 使用Ｐｙｔｈｏｎ 爬取并清洗了２０２２ 年４ 月２５ 日前該用戶、其關(guān)注的用戶、其關(guān)注用戶關(guān)注的用戶。同時為了便于統(tǒng)計， 實驗只爬取用戶的關(guān)注列表， 規(guī)定當(dāng)某一用戶關(guān)注列表中存在另一用戶時， 則稱他們互為彼此的鄰居。結(jié)果統(tǒng)計出了２８３４名用戶和７ ４３８條關(guān)注關(guān)系， 并獲取了中心節(jié)點與其關(guān)注的４２ 名有效用戶之間的共同鄰居的數(shù)量。接著使用繪圖軟件Ｇｅｐｈｉ 繪制出他們之間的網(wǎng)絡(luò)關(guān)系圖， 如圖１ 所示。其中， 將共同鄰居的數(shù)量作為中心節(jié)點與其關(guān)注用戶之間的權(quán)重， 共同鄰居的數(shù)量越多， 中心節(jié)點與關(guān)注用戶邊的寬度越寬。

通過圖１ 可以發(fā)現(xiàn)， 張宇老師（ｉｄ： 宇哥考研）的關(guān)注用戶可以分為兩類： 微博自動關(guān)注的官方賬號（ｉｄ： 微博會員小秘書、微博會員、微博錢包等）和用戶自主關(guān)注的其他用戶（ｉｄ： 考研數(shù)學(xué)高昆輪、考研政治王吉、考研政治石磊等）。由于官方賬號不能夠反映用戶的意志， 故剔除這些賬號。展示與張宇老師（ｉｄ： 宇哥考研）相連且共同鄰居最多和最少的前５ 名用戶?？紤]到網(wǎng)絡(luò)中用戶關(guān)系強度不便于可視化和定量化， 但是可以通過“橙Ｖ” 賬號等認證用戶所處機構(gòu)或身份信息來表現(xiàn)其與中心用戶的親密關(guān)系， 結(jié)果如表１ 所示。

對比表１（ａ）和（ｂ）可知， 隨著張宇老師（ｉｄ：宇哥考研）關(guān)注的用戶與其自身共同鄰居數(shù)量的增加， 可以發(fā)現(xiàn)用戶信息詞條與“張宇” 的相關(guān)性有顯著提升， 其中高昆輪老師（ｉｄ： 考研數(shù)學(xué)高昆輪）更是在身份信息中體現(xiàn)了與“宇哥考研” 這一用戶的強關(guān)聯(lián)性。這可以很好地被理解， 作為啟航教育的首席講師， 他必然與來自自有團隊、同一教培機構(gòu)或者合作機構(gòu)的用戶有著相對較高的親密度。同時考慮到線上用戶網(wǎng)絡(luò)與線下好友網(wǎng)絡(luò)呈耦合趨勢， 用戶之間存在線下好友關(guān)系時， 也更容易發(fā)展成為線上好友關(guān)系。此時， 若用戶之間存在的共同好友數(shù)量越多， 越能體現(xiàn)兩者之間關(guān)系更加緊密。同時在從眾效應(yīng)或“沉默的螺旋” 等心理學(xué)效應(yīng)的影響下， 個體會傾向聽取大多數(shù)周圍用戶的觀點。

由于微博用戶與其“關(guān)注對象” 進行觀點交互的同時， 一般會遵循同質(zhì)性原則建立新的連接［２５］ 。為了確保用戶交互行為的發(fā)生基于同質(zhì)性原則， ＷＤ模型的應(yīng)用保證了發(fā)生意見交互的個體其觀點相似性， 同時基于認知失調(diào)的動態(tài)網(wǎng)絡(luò)機制保證了用戶結(jié)構(gòu)的相似性； 而基于共同鄰居數(shù)量的親密度又實現(xiàn)了差異化的鄰居觀點接受度。故根據(jù)變化的網(wǎng)絡(luò)結(jié)構(gòu)和用戶關(guān)系構(gòu)建了如下觀點演化規(guī)則， 并使用定量研究的方式分析了認知失調(diào)對群體觀點的影響。

假設(shè)在ｔ 時刻， 網(wǎng)絡(luò)中的節(jié)點ｉ 有ｍ 個鄰接的節(jié)點ｊ（ｊ ＝ １，２，…，ｍ）， Ｌ（ｉ，ｑ）表示ｔ 時刻與節(jié)點ｉ鄰接的節(jié)點的集合， Ｌ（ｊ，ｋ）表示ｔ 時刻與節(jié)點ｊ 鄰接的節(jié)點的集合， Ｃ（ｉ，ｊ）表示ｔ 時刻節(jié)點ｉ 與節(jié)點ｊ共同連接的節(jié)點的合集， 即Ｃ（ｉ，ｊ）＝ Ｌ（ｉ，ｑ）∩Ｌ（ｊ，ｋ）。

３仿真實驗

結(jié)合無標(biāo)度網(wǎng)絡(luò)的拓撲規(guī)則， 本節(jié)實驗設(shè)置初始的網(wǎng)絡(luò)節(jié)點數(shù)為５０， 以隨機連接的方式生成了一個連邊數(shù)量為６３０ 的初始隨機網(wǎng)絡(luò)。在該網(wǎng)絡(luò)的基礎(chǔ)上， 不斷加入新的節(jié)點， 并規(guī)定每引入一個新的節(jié)點， 該節(jié)點會生成５ 條連邊與已有節(jié)點以一定概率相連接。且此連接概率與已有節(jié)點的連邊數(shù)成正比。最終， 實驗生成了一個節(jié)點數(shù)為１００， 且平均度值為８ ８ 的初始無標(biāo)度網(wǎng)絡(luò)， 并將其作為初始的觀點分布環(huán)境。在之后仿真過程中使用同一個網(wǎng)絡(luò)， 并假設(shè)個體的初始觀點始終在區(qū)間［０，１］內(nèi)均勻分布， 以此來保證實驗的可比性。

通過多次的預(yù)實驗發(fā)現(xiàn)， 當(dāng)設(shè)置觀點閾值ε ＝０.３， 接受度μ ＝０.１， 社交閾值θ ＝０.４ 時， 基于認知失調(diào)的動態(tài)網(wǎng)絡(luò)的觀點演化模型最終可以生成唯一的意見簇， 如圖３（Ａ）所示。所以為了便于統(tǒng)計和對比分析各組實驗間的觀點演化情況， 本節(jié)實驗規(guī)定以上參數(shù)取值為默認參數(shù)取值， 并分別從網(wǎng)絡(luò)環(huán)境、社交閾值以及頑固系數(shù)３ 個方面來進行仿真研究。

３.１認知失調(diào)對觀點演化的促進作用

首先， 在這組實驗中設(shè)置了默認的參數(shù)取值，然后依據(jù)式（６） 對個體觀點進行更新。分別對比了動態(tài)網(wǎng)絡(luò)和靜態(tài)網(wǎng)絡(luò)環(huán)境中， 節(jié)點標(biāo)號及其觀點均勻線性分布在初始網(wǎng)絡(luò)（以下簡稱為“觀點均勻分布情況”）和節(jié)點標(biāo)號及其觀點非均勻線性分布在初始網(wǎng)絡(luò)（以下簡稱為“觀點隨機分布情況”）的觀點演化情況， 結(jié)果如圖３和圖４所示。

由圖３ 可知， 相同時刻下動態(tài)網(wǎng)絡(luò)中的群體觀點比靜態(tài)網(wǎng)絡(luò)中的群體觀點更加集中。當(dāng)Ｔ ＝ ９０時， 動態(tài)網(wǎng)絡(luò)中已經(jīng)形成了一條穩(wěn)定的意見簇， 而當(dāng)Ｔ ＝２ ４００左右時， 在靜態(tài)網(wǎng)絡(luò)中的消極觀點（觀點值小于０ ５）和積極觀點（觀點值大于０ ５）均達到平衡狀態(tài)， 且有多條積極意見簇被形成。觀點在靜態(tài)網(wǎng)絡(luò)和動態(tài)網(wǎng)絡(luò)中的收斂差異體現(xiàn)了認知失調(diào)效應(yīng)對觀點收斂發(fā)揮著明顯的促進作用。個體在社交中為了避免認知失調(diào)帶來的負面影響， 如與大眾意見相悖時所受到輿論壓力， 會主動調(diào)整自己所處的原始社交團體， 以確保自己受到的消極情緒最小化， 從而加快個體向意見相似個體靠攏， 致使群體觀點迅速形成。同時， 基于“共友數(shù)量” 的演化規(guī)則， 會放大團體中親密個體之間的觀點信任基數(shù)， 即共友數(shù)量越多， 個體關(guān)系越親密。在這一因素的影響下， 也促使個體觀點加速分化， 逐漸形成穩(wěn)定一致的意見簇。

對比圖３（Ａ）和圖４（Ａ）可知， 在靜態(tài)網(wǎng)絡(luò)條件下， 觀點均勻分布情況的意見簇分布較觀點隨機分布情況的意見簇分布存在明顯向一端集中的趨勢。在觀點均勻分布情況中， 節(jié)點標(biāo)號、觀點順序、網(wǎng)絡(luò)順序都均勻線性一一對應(yīng)。在實驗初始設(shè)置中，相鄰節(jié)點被設(shè)定為具有相似觀點， 同時受到無標(biāo)度網(wǎng)絡(luò)生成的規(guī)則影響， 度較大的節(jié)點會集中在網(wǎng)絡(luò)的一端， 新引入的節(jié)點也會優(yōu)先與這一端相連。在靜態(tài)網(wǎng)絡(luò)的演化環(huán)境中， 這導(dǎo)致一端觀點的連通性始終較大， 其觀點容易快速被收斂成一條聚集性的意見簇， 而另一端節(jié)點連通性小， 從而會逐漸生成一條聚集和多條獨立的意見簇。在觀點隨機分布情況中， 節(jié)點標(biāo)號、觀點順序、網(wǎng)絡(luò)順序均為隨機對應(yīng)。這使得初始網(wǎng)絡(luò)與初始觀點分布的隨機性加強， 最終生成的意見簇分布也更加分散。

對比圖３（Ｂ）和圖４（Ｂ）可知， 在動態(tài)網(wǎng)絡(luò)條件下， 不論是觀點均勻分布情況還是觀點隨機分布情況， 最終觀點都會呈現(xiàn)出相似的演化趨勢， 匯聚成一條聚集性的意見簇。這是由于動態(tài)網(wǎng)絡(luò)機制， 觀點不會因初始網(wǎng)絡(luò)結(jié)構(gòu)而產(chǎn)生阻隔， 而形成獨立的意見簇。故在之后的實驗中， 為了方便計算與對比， 均在觀點均勻分布情況中進行。

３.２社交閾值對觀點演化的差異化影響

為了深入研究認知失調(diào)對觀點演化的作用機理， 本小節(jié)實驗使用默認的觀點閾值ε ＝０. ３， 接受度μ ＝０.１。計算出不同社交閾值θ 下的最終觀點標(biāo)準(zhǔn)差和最終意見簇的演化情況， 以及觀點標(biāo)準(zhǔn)差、節(jié)點平均度和度分布隨時間的變化趨勢， 結(jié)果如圖５ 和圖６ 所示。其中， 最終意見簇和最終觀點標(biāo)準(zhǔn)差是統(tǒng)計了當(dāng)群體中所有個體的觀點到達平衡狀態(tài)時（即所有個體的觀點不再改變時）的意見簇數(shù)量和觀點標(biāo)準(zhǔn)差。

由圖５（ａ）可知， 隨著社交閾值θ 的增加， 最終觀點標(biāo)準(zhǔn)差和意見簇反而減小。尤其， 當(dāng)θ ≥０.３ 時， 最終觀點標(biāo)準(zhǔn)差降低并維持為０， 且最終意見簇數(shù)量維持在１?？傮w上， 社交閾值的改變對觀點的形成與聚合都具有顯著影響。

由圖４（Ｂ）和圖６ 可知， 若社交閾值θ 小于觀點閾值ε， 隨著時間的推移， 網(wǎng)絡(luò)節(jié)點的平均度值增速逐漸放緩； 部分節(jié)點的度值變化存在較大波動；此時觀點會以較快的速度達到穩(wěn)定狀態(tài)， 但最終的觀點標(biāo)準(zhǔn)差維持在較高水平。這表明在社交閾值較小的情況下， 個體感到更容易受到認知失調(diào)帶來的消極情緒。為了抵消這種負面情感， 部分個體會選擇改變原有的鏈接方式， 增強與觀點相似個體的連接， 這也就導(dǎo)致了一些相似的觀點會迅速集中， 并在較短時間內(nèi)形成穩(wěn)定的觀點集合， 但觀點在短時間內(nèi)的聚集會不利于社會共識的達成。

若社交閾值θ 小于觀點閾值ε， 隨著時間的推移， 網(wǎng)絡(luò)節(jié)點的平均度值會驟增至９９； 網(wǎng)絡(luò)中各節(jié)點度值會在一定時間內(nèi)迅速達到最大值； 此時，觀點隨時間的變化趨勢相似， 會在相近的時間內(nèi)趨于一致。這表明當(dāng)社交閾值較大時， 個體對于矛盾意見的容忍度則越高， 他們會通過增加連接的方式來增強對自身觀點的認可， 個體則建立鏈接的速度更快、范圍更廣， 最終意見更容易達成共識。

３.３頑固系數(shù)對觀點演化的差異化影響

在個體動態(tài)改變自身結(jié)構(gòu)的過程中， 并不是每個個體在每個時步都有意愿去改變自身所處的網(wǎng)絡(luò)結(jié)構(gòu)， 這是由于個體有一定的傾向來保持自身穩(wěn)定狀態(tài)而導(dǎo)致的。由于這部分個體抗拒改變行為的發(fā)生， 所以默認群體中所有個體都會受認知失調(diào)影響改變觀點則是過于理想化的情況。為了控制網(wǎng)絡(luò)中是否愿意改變自身連接個體的數(shù)量， 本小節(jié)實驗引入了頑固系數(shù)ｒ∈（０，１）， 用來衡量網(wǎng)絡(luò)中“頑固個體” 的比例， 即網(wǎng)絡(luò)中不愿意改變自身結(jié)構(gòu)的個體占比。該群體始終只會與最初的鄰居交換觀點， 而不會改變自身網(wǎng)絡(luò)結(jié)構(gòu)。故本實驗設(shè)置了默認的參數(shù)取值， 依次計算不同的頑固系數(shù)ｒ（ｒ＝０.２， ｒ ＝０.５ 和ｒ ＝０.８）下的群體觀點達到平衡狀態(tài)的演化趨勢、最終節(jié)點度分布以及網(wǎng)絡(luò)密度， 結(jié)果分別如圖７ 和圖８ 所示。其中， 實驗將網(wǎng)絡(luò)密度作為衡量網(wǎng)絡(luò)連通性的指標(biāo)。

由圖７ 和圖８ 可知， 頑固個體數(shù)量的改變對群體觀點的分布和網(wǎng)絡(luò)結(jié)構(gòu)的變化都具有顯著的影響。當(dāng)頑固系數(shù)ｒ＝０.２ 時， 網(wǎng)絡(luò)密度會隨時間的推移而迅速提高； 節(jié)點的最終度分布較為分散， 但度值為９８ 的節(jié)點占總節(jié)點數(shù)的８０％； 群體觀點匯聚成為１ 條集中意見簇和１ 條獨立意見簇。這表明當(dāng)群體中的頑固個體較少時， 網(wǎng)絡(luò)的連通性較強。非頑固個體會為了抗衡認知失調(diào)而迅速集中， 部分頑固個體觀點會因相鄰非頑固個體的影響向主流觀點匯聚。較為分散的度分布也導(dǎo)致極少數(shù)頑固個體的度較小， 從而形成了個別獨立的意見簇。當(dāng)頑固系數(shù)ｒ ＝０.５ 時， 網(wǎng)絡(luò)密度隨時間而提高的趨勢有所減弱。這表明， 當(dāng)群體中頑固個體達到半數(shù)時， 網(wǎng)絡(luò)的連通性會受到一定程度的影響， 從而產(chǎn)生了越來越多的獨立意見簇。隨著頑固系數(shù)ｒ 提升至０.８，網(wǎng)絡(luò)密度一直處于較低值； 節(jié)點的最終度分布較為聚攏， 最終節(jié)點度的最大占比僅為２０％； 群體觀點由兩條集中的意見簇和多條獨立意見簇組成。這表明， 伴隨著群體中頑固個體較多時， 網(wǎng)絡(luò)的連通性普遍維持在相對較弱的水平。但是節(jié)點最終度分布較為集中， 這體現(xiàn)了頑固個體之間、頑固個體與非頑固個體之間的碰撞與吸引會分化出多條集中的意見簇。對比圖３（Ａ） 可知， 隨著頑固系數(shù)的增加， 網(wǎng)絡(luò)的靜態(tài)屬性越強， 所形成的對立意見簇會越來越顯著。

這為相關(guān)部門提供了啟示： 在處理輿情的傳播和演化問題時， 應(yīng)對群體中用戶的成分進行預(yù)判斷來優(yōu)化治理方案。對于頑固個體較少的群體可以減少管理措施， 避免公共資源的浪費； 而對于頑固個體較多的群體應(yīng)加強監(jiān)管， 防止群體極化的形成。

４結(jié)論

本研究通過改進連續(xù)的有界信任模型來完善觀點演化的規(guī)則， 為輿情治理與監(jiān)測提供理論支持。首先， 依據(jù)社會心理學(xué)中的認知失調(diào)理論， 構(gòu)建了個體在觀點交互過程中所依附的動態(tài)網(wǎng)絡(luò)環(huán)境， 呈現(xiàn)了隨用戶心理狀態(tài)變化而變化的網(wǎng)絡(luò)關(guān)系結(jié)構(gòu)；其次， 通過實例引入了個體之間“共友數(shù)量” 這一因素， 并使用這一因素來衡量用戶間的親密度，從而定義具有差異化的觀點接受度； 最后， 通過仿真實驗從多個維度驗證了模型的有效性與合理性，對比討論了在認知失調(diào)環(huán)境中觀點演化的不同狀態(tài)趨勢。

實驗表明： 第一， 相較于靜態(tài)網(wǎng)絡(luò)， 基于認知失調(diào)建立的動態(tài)網(wǎng)絡(luò)對群眾觀點的收斂具有顯著影響， 更符合群體之間存在的意見分化和意見聚集現(xiàn)象。第二， 為了深入研究認知失調(diào)對觀點的影響，實驗中提取出了個體之間的社交閾值， 發(fā)現(xiàn)較大的社交閾值更有利于群眾觀點達成共識。第三， 針對動態(tài)網(wǎng)絡(luò)中不同的用戶組成， 最終輿情的發(fā)展結(jié)果會存在差異， 所以輿情監(jiān)控機構(gòu)應(yīng)選擇不同的治理策略才能達到理想的輿情治理效果。

盡管本文的研究內(nèi)容是基于仿真實驗而展開，但仍然可以為輿情的引導(dǎo)管理工作提供相應(yīng)的理論支撐。但是本文的研究仍然存在一些局限： 第一，本文的研究范圍始終在固定群體范圍內(nèi)展開， 無法實現(xiàn)個體在不同群體間的觀點模擬。第二， 本文的研究主體是依據(jù)微觀個體認知失調(diào)心理學(xué)效應(yīng)而展開， 沒有添加媒體、意見領(lǐng)袖等復(fù)雜的現(xiàn)實因素，后續(xù)的討論可以添加更多復(fù)雜情況來完善模型研究。