•青年论坛•
—
—以新冠肺炎疫情为例
赵雪芹，蔡铃，王青青
(湖北大学历史文化学院，湖北武汉430062)
摘要：本文通过爬取新浪微博中的新冠肺炎舆情数据，探究重大突发公共卫生事件中网络舆情传播主体、传播内容和传播周期规律，以期为我国构建重大突发公共卫生事件舆情应急机制提供重要参考和决策依据。研究发现，在重大突发公共卫生事件中舆情传播主体路径表现为“官方媒体引爆一知名人物加速扩散一线下网民分区传播”；传播内容呈现关联性且转变迅速；舆情传播具有周期性且易二次爆发。因此，在面临重大突发公共卫生事件时，政府应当动员官方媒体积极抢占话语权，采用技术手段监控舆论方向，设置舆情平台及时响应舆情，避免二次爆发。
英雄联盟皮肤特效关键词：重大突发公共卫生事件；网络舆情；传播机制；意见领袖
中图分类号：G206文献标识码：A文章编号：1004-1680(2020)06-0001-09
0引言
社交媒体时代，社交平台舆情爆发现象层出不穷，尤其在重大突发公共卫生事件下，网民情绪更加敏感丰富，舆情传播机制更加复杂，对我国政府舆情管理能力提出了新的更高的要求。因此，为提高我国重大突发公共卫生事件舆情管理能力，在社交平台对此类重大突发公共卫生事件开展舆情传播机制研究是不可或缺的：一方面，突发公共卫生事件的公共性致使政府需要倾听人民众的心声，在数据时代下，网络舆论传播态势明显，舆情承载着一定程度的众需求，对舆情传播机制进行研究有助于政府开展公共卫生科普工作和预防控制工作。另一方面，突发公共卫生事件信息涵盖着大量医学专业知识，在不熟悉的领域中用户信息甄别能力下降，且由于与公众生活密切相关，使得用户信息交流意愿愈来愈强，造成谣言产生机率更高，舆情讨论热度更强的舆情传播现象。梳理这种复杂的舆情传播机制，有助于响应国家构建网络舆情引导体系和提升现代化治理能力的发展诉求。
基于此，本文以新冠肺炎疫情背景下新浪微博数据为研究对象，探究社交媒体背景下重大突发公共卫生事件的网络舆情传播规律，并对舆情传播主体特征、传播内容特征以及其传播阶段划分予以总结分析，形成针对我国重大突发公共卫生事件的网络舆情传播机制及引导体系。
1重大突发公共卫生事件的网络舆情传播机制研究现状
国务院颁布的《突发公共卫生事件应急条例》明确指出，突发公共卫生事件是指突然发生，造成或者可能造成社会公众健康严重损害的重大传染病疫情、体性不明原因疾病、重大食物和职业中毒以及
收稿日期:2020-07-10
基金项目：国家社会科学基金青年项目“基于数字网络的知识关联服务研究”(项目编号：14CTQO42)
作者简介：赵雪芹(1983-)，女，博士，教授，硕士生导师，研究方向为信息服务、用户行为等。E-mail：****************
引文格式：赵雪芹，蔡锥，王青青.重大突发公共卫生事件的网络舆情传播机制研究及反思—
—以新冠肺炎疫情为例[J].晋图学刊,2020(6)：1-8,34.
1马千壹
其他严重影响公众健康的事件"。2019年12月31日，武汉市卫健委开始通报新型冠状病毒的疫情⑵。2020年1月20日，国家卫健委正式将新型冠状肺炎纳入乙类传染病，并采取的预防、控制措施⑶。新冠肺炎显然成了我国近年来典
型的一起重大突发公共卫生事件。在数据时代，网络社交媒体已成为人们获取资讯、宣泄情绪的重要途径，突发公共卫生事件的特殊性更使得网络舆情热度不断升温，对政府进行舆情管理的能力提出了更高要求。
哈罗德•拉斯威尔(Harold Lasswell)在“5W”模型"中认为：传播主体、传播对象、传播媒介、传
播内容和传播效果是任何传播活动必须包含的因素，复杂的传播过程可划分为传播主体-传播内容一•■传播媒介一＞•传播对象一＞•传播效果五个阶段。基于此，在我国舆情传播研究中，学者们通过生成传播主客体关系图以观察传播趋势®。、分类聚类传播内容并提取传播特征、划分传播阶段以观察传播效果［9」。：等方式来研究网络舆情传播规律。在以往研究中，诸多学者以公共事件、突发事件为例，结合技术接受模型(Techhology Acceptance Model)将舆情信息发布量和信息内容作为传播特征研究的重要指标，对社交媒体中舆情传播机制开展了多方位探索。如张坍等⑴基于微博数量、信息来源和信息内容对2012年打砸日系车系列突发公共事件相关的网络舆情传播规律进行了分析，总结出突发事件初期微博舆情传播特征；赵丹等『⑵以信息主体之间的转发关系为研究对象，剖析了区块链环境下的舆情网络结构；李丽华等⑴对推特(Twitter)±的2017年多起暴恐事件报道的新闻数据进行爬取后，以传播主体和传播阶段为研究视角归纳了突发公共事件中网络舆论传播机制。然而，现有舆情研究中针对重大卫生事件的舆情传播研究较少，已有重大突发公共卫生事件舆情传播研究大部分仅基于单一的研究视角，或者依靠理论或浅显的数据分析研究舆情引导体系，如文凤麒『14在学位论文中通
过划分媒体不同阶段的报道内容变化探究媒体对舆论的引导作用；李月琳等小通过分析疫情通报、健康科普和防疫动态等不同类型的疫情信息来源渠道和信息内容特征为防疫部门未来选择信息公开的内容、类型和渠道提供参考依据。
总体来看，针对我国现有研究中重大突发公共卫生事件在社交媒体舆情的传播主体、传播内容和传播阶段特征研究不足、未形成完备的网络重大突发公共卫生事件舆情传播理论机制等情况，为完善我国重大突发公共卫生事件下网络舆情传播机制，针对形成一套我国重大突发公共卫生事件的网络舆情传播引导体系，本文将在前人研究的基础上，从重大突发公共卫生事件舆情传播的三个要素—
—传播主体、传播内容和传播阶段特征出发，利用python 的爬虫技术爬取数据、R语言处理微博内容以及Ge-phi生成的可视化拓扑图，对国内网络舆情传播规律展开研究。旨在总结出重大突发公共卫生事件下国内网络舆情传播机制，探寻政府舆情防控措施中存在的优缺点，以此得到关于我国重大突发公共卫生事件舆情引导体系构建和完善的启示，为我国重大突发公共卫生事件舆情应急机制建设提供发展建议。
2重大突发公共卫生事件的网络舆情传播机制研究设计
2.1方法流程
首先，本文采用关键词搜索的方法，围绕“新冠肺炎”主题，键入多个关键词如：“新冠肺炎”“病毒传播”“方舱医院”“共同抗疫”等多个热度较高的微博话题，分别对微博数据进行多次爬取，爬取时间为2020年1月20日至2020年3月21日，爬取到的数据使用Excel(2017版)、Access(2016版)A Tableau (10.1版)等工具进行筛选查排序，并使用R(for Windows4.0.0版)通过安装jiebaR(0.42.1版)分词包进行词频分析。其次，利用Gephi(0.9.2版)对舆情网络和内容分别进行可视化呈现并分析意见领袖特征和传播内容特征。最后，通过对8万多条数据进行挖掘，对重大突发公共卫生事件发生后相关用户量及发帖量随时间变化的过程进行分析，总结舆情不同阶段的表现形式及对事件走向的影响，探析重大突发公共卫生事件中网络舆情传播机制及其引导体系的构建与完善。
2.2数据采集
根据新浪微博2019年第四季度财报显示，其月活跃用户数高达5.16亿。它已然成为我国人们日常生活获取资讯的重要来源之一。在社交媒体兴起的背景下，不少主流媒体也纷纷人驻新浪微博，使得新浪微博的内容更加丰富。新浪微博社交平台的高自由度、强大的用户基数和丰富的新闻信息使得其更容易引发网民的讨论热潮。因而，本文以新浪微博平台为研究对象，利用自然语言处理方法对其展
开相关研究。大规模地抓取关键词检索到的热门微 博网页数据，内容包括：微博内容、用户名称、点赞
数、评论数、转发数、发布时间以及认证信息等。由 于2020年1月20日以后，我国卫健委宣布对此次
疫情采用管理措施，全国各地陆续开始 启动突发公共卫生事件应急响应，微博舆情热度开
始大幅度上升，因此，本文数据收集时间自2020年
1月20日起截至2020年3月21日8时，以每日为 一小段，共计61小段。由于疫情期间用户产生的信
息量极大，为更好地体现舆情传播路径，仅选取关键 词检索下热门微博作为数据来源，共收集样本数据 量为81 902条。
3重大突发公共卫生事件的网络舆情传播机制研
究结果分析
3.1重大突发公共卫生事件舆情传播主体特征
在重大突发公共卫生事件舆情传播中，由于每
个网民对舆情走向的影响力和作用力不同，因而传 播学将能够为他人提供和传播信息且影响他人态度 或选择的个体称为意见领袖，并以意见领袖为中心
可以形成若干聚集体。微博意见领袖的影响力可以 通过评论数、转发数、点赞数和粉丝数等指标进行衡
量因而本文在进行意见领袖筛选时，以上述 指标为基础，赋予各指标相应的权重，并充分考虑不
同指标对意见领袖形成的差异化影响强度。在权重 的选取方面，本文参照了牟冬梅等人［⑼和李玉贞等 人〔砂的研究成果。二者的研究对象与研究事件性 质与本文相同，且其经过实验验证，证实了权重值的
选取具有合理性，最终的意见领袖的选取效果良好。
其公式将微博的转发量、评论量、点赞量以及粉丝量
分别表示为以及凡四个变量，每个变量
对应的权重表示为网、旳、旳以及叫，其中权重值 分别对应为：0. 25,0. 25,0. 125,0. 375，则用户影响 力/的计算公式如下。
I=A X x W t +A 2 x W 2 +A 3 x W 3 +A 4 x W A (1)
本文将用户文章转发超过一定数量N 的用户 称为意见领袖。数量N 随舆情热度而定，本文推定
"=3 000。在微博影响力较大的用户之中剔除微博
转发量小于3 000的用户，共216位用户作为此次疫
情下微博舆情的意见领袖，根据他们之间的信息传 播关系生成的可视化拓扑图，如图1所示。
字幕少女
孔维w
奇想大事件
罠尖小翅养麦chen
果壳士 gdgg 美的集团 愈兪闸
真理快递员李永乐老师 英囲8 P 「ck 王-博幽冥蓝YuuiFox.瓜农卢花农追风少年刘全有九思乱想
凤凰卫视罗羽喙生活周利 新浪科技 Sweet 猫饼 搞事的光sir
弘和医生0o 先生伊丽莎臼骨精啊秋田六千微博小秘书
方方如皋老猫 中国新闻周刊 知识分子 博卡靑年“6
Vista 瞇氏4“心小CP*命支揺
*猪侠_四分三十三* 韩庚
河隔全擾索叫员王樂
辭逍网
\
郑合息子
新浪娱乐X 不负公子•
于腸脳
■新浪减、\
天天向上
回形针PaperCI 帝倍阳
树下野卯
小臼的羁翦织
北孵知道丹交广阿泰
聚焦生活和B 卡98
/ 文天林医生/ 丁香1
球大佬爷
/ 蓝鲸财经记者工个
|培光白
凤su
贾青电视剧武汉燈一
\
\湖南消防
亠
I 报央］
：域B
youyou
訥商
；治癥快报
东方网娱乐
芒果螟乐
膨报迹亚文
交通事欢阳小邢警
青年18方都市报
中国消防 未来网
互联屈大佬 金應955^^丄［、卑
科工力量 槐蹙0
/速达现场
/ 王9lkkw
央观影音
奏耐天津头卜
［都热门捜:
i 明先；
：
头条榜
Fig. 1 Topology of communication subject
图1传播主体拓扑图
结合图1，对图中意见领袖的文本内容进行归 官方媒体承担领袖角，个人用户边缘化。从
纳推理分析，可以总结出传播主体在突发公共卫生 图1中的区域A 来看，“新冠肺炎”舆情的传播途径
事件的舆情传播中的表现特点。
主要依靠国内著名新闻媒体，如“人民日报” “央视
wa,1 工桶曲
3
新闻”“环球网”等。不仅如此，从拓扑图中传播主 体之间线条的粗细也可以看出，以这些官方媒体为 中心，信息传播次数较多，往外，则信息传播次数逐 渐减少。造成这一现象的主要原因可能是，自媒体
或个人用户缺乏对突发公共卫生事件进行跟踪报 道，而官方媒体拥有较多的信息渠道和人员技术，能 前往一线收集最新信息传递给众，从而满足众
的持续性信息需求。
明星助力参与话题互动，提升话题热度。在区
域B 中，以“中国电影报道”“电影频道融媒体中心” 为发起者的官方媒体带动明星用户，令明星用户积
极响应国家号召参与舆情话题，推广官方媒体设置 的标签或话题，使得信息内容讨论热度大幅提高，引 发网民的广泛参与。
意见领袖搭建求助信息框架，共情效应迅速扩 散。总地来看，除了官方媒体外，其中有一部分意见
领袖们汇总并发布疫情求助信息，这些信息得到了
许多网友的转发评论。从其微博内容来看，他们善
于搭建情感框架，发布信息时多使用故事性叙述并
结合大量具有渲染力的词语表达情绪，情感倾向鲜 明，易引起网友共鸣；从突发公共卫生事件的角度
来
看，疫情之下，人们关怀求助者是最基本的感情体 现，人们参与传播信息的积极性大幅提升，甚至除了
在网络上表达情感外，还会自发募捐帮助求助者。 这些意见领袖搭建的求助信息框架所产生的信息量 以及对众产生的情感影响，对此次舆情的建构有
着重大的意义。
3.2重大突发公共卫生事件舆情传播内容特征
为直观了解“新冠肺炎”主题下网络舆情传播
内容，本文利用自然语言工具分词处理1月20日至
3月21日之间以“新冠肺炎”为主题的微博数据，并
构建了关键词表柱状图，如图2所示。
50000次45000次4()000 次35000次3()000次 養25()00次 無2()000次
15()00 次1()000 次500次 0次-
IIIIIU iiiuuullluu
瞬飜：蠶魏鏑娜齡糾獗齡緒魁牆翹勰紹辭
Fig. 2 r requency chart of public opinion keywords
图2舆情关键词频次图
III
冠医防病山疫
人
姿疫山吹院控例
员
情
湖南高中秋千门事件
病地毒
图
帮好友助力 泄露个人信息吗关键词
值得关注的是，“武汉”“疫情”在舆情关键词中 高居不下，对于这一现象，有两个方面解释：一方面, 武汉是我国第一个开始封城的城市；另一方面，武汉
的疫情状况也远远重于其他城市。“患者”“医院” 和“钟南山”三词的出现频率依次紧随“武汉”“疫
情”之后。疫情之下，人们最关心的话题当之无愧 是“患者”，如“患者症状如何” “患者人数有多少”
等诸如此类的问题，在舆情讨论中频频出现。与
“患者”相关的“医院”出现频次高居前列，除了患者
带动下出现的“蝴蝶效应”外，疫情前期医院物资不 足，检测缓慢等原因也提升了 “医院”这个词的热
度。“钟南山”是这次重大公共卫生事件贯穿始终 的关键人物，他联合一众专家积极向公众科普疫情 信息，大幅度地抚平了人们焦急害怕的心情，使我国
在如此重大的突发公共卫生安全事件下网络舆情并
未体现出过多负面情绪。
仅仅依靠图2所示的32个关键词统计仅能大 致了解此次突发公共卫生事件下舆情传播内容的小 部分关注热点，但无法总览我国舆情传播内容主题
范围，因此我们将分词后的词语依据词频高低调节
字体大小，选取前200个高频词，通过词云图可视化 展现出来，如图3所示。
舆情传播内容存在关联现象。舆情内容之间的
关联与网络环境密不可分，网络空间中一些拥有共 同主体、主题和情绪的事件被挖掘出来，成为社会共 同的关注点并引发“聚焦效应"[2，'o 在重大突发公 共卫生事件中，随着疫情的扩大，众关注地由武汉 转至全中国，从最初的武汉加油成了全国人民共同
飯闻发他武汉加油医三吧邸部 ,…
皿断毒貲 最新疫情地图 貧
抗击疫鵠
张曼玉个人资料人民臼抿
彗
■■■■■■■ M^ga-- -
I |< ■■■■
确诊病例j “ oh EISIV u W
•「if " * 耳至丄士egg 止' 亠 MMaBMawawag UG F^ L »
：：淪
.医生湖
北”
火神山医院
'書勰 I m faT"
鑑宸寒
”防护 “-累计人数
嚥禅鷹厂;1勰蠢皿
Fig. 3 Cloud picture of public opinion information words
图3舆情信息词云图
携手抗击疫情，使得疫情地图、各地确诊病例成为舆
情信息的焦点；积极响应国家疫情防控措施的医护 人员以钟南山院士为代表，提出了建设方舱医院、戴 口罩等一系列有效防疫措施，使“钟南山”“方舱医
院”和“火神山医院”等关键词在舆情内容中脱颖而 出。在此次疫情之下，众关注的舆情传播内容存
在诸多关联现象，皆由于大家面对生命都存在敬畏之
心，病毒的肆虐使得全国人民成为了一个命运共同 体，聚焦效应使得舆情传播内容更容易存在关联性。
舆情传播主题转变迅速。舆情的迅速转变可以 用“社会合意”现象和诺依曼“沉默螺旋”理论来解 释S 〕：在社会合意现象下，网民往往在官媒信息中
选择感兴趣的话题，经过讨论后，产生更多新的信息
需求，推动官方发布新消息，致使舆情传播主题转变 迅速；相反，在“沉默螺旋”中大多数人往往通过意
见领袖的意见来决定舆情的主题，当人们感觉意见 领袖的意见属于“社会不合意”时，该意见就不会被
广泛传播。此次事件中，人们的信息关注点从武汉 疫情的防控到基础设施的建设再到对医护工作的赞
扬，传播主题迭代更替迅速。这是因为：重要信息基
本依靠官方媒体的报道，而在“社会合意”现象的控
制下，网民往往热烈追逐感兴趣的话题，人们对事件 讨论的高度参与产生了更多的新的信息需求，对官
方媒体信息更新速度提出了更高的要求，致使同一 时间发布的大量官方信息中的其他主题信息更容易
被淹没，使得此次疫情下舆情传播主题转变迅速。
3500 条
3000条
些2000条
应1500条
1000 条500条
0条
2500条1A20U 1 月 27U 2 月 311 2月 10口 2 月 17LJ 2 月 24口 3 月 2口 3 月 9口 3 刀 16口
口期
Fig. 4 Cycle chart of public opinion communication
图4舆情传播周期图
舆情传播内容积极。在分词后生成的词云图 中，不同于普通突发公共事件中的大量负面社会情 绪，在此次舆情中并未出现任何消极词语，反而有 “武汉加油”“希望”等词出现在词云图中，这说明网
友们面对疫情状况下情感指数较高，心态良好。此 外，我们关注到人们传播的内容大多数为关心抗疫 战况、为工作人员加油、疫情传播状况等，这表征着 此次疫情敲醒了众对于生命价值的敬畏之情的警
钟，唤醒了人民对救死扶伤医生崇高职业道德的敬
佩情绪，是中国苦难社会记忆的唤醒与重构，这
发布评论