作者：彭宗超 黄昊 吴洪涛 谢起慧
拆迁政策来源：《治理研究》 2020年第2期
彭宗超 黄昊 吴洪涛 谢起慧
收稿日期：2020-02-11
郑爽怀孕 作者简介：彭宗超，清华大学公共管理学院党委书记，清华大学应急管理研究基地/中国社会风险评估研究中心主任；黄昊，清华大学公共管理学院博士生；吴洪涛，清华大学应急管理研究基地博士后、助理研究员；谢起慧，中国矿业大学（北京）文法学院副教授。本文在清华大学应急管理研究基地/中国社会风险评估研究中心和北京智慧星光信息有限公司合作开展的新冠肺炎疫情大数据研究报告“新型冠状病毒感染的肺炎疫情应对‘五情’大数据分析报告”（作者：彭宗超、黄昊、李青龙、谢起慧、吴洪涛、赵冲）基础上，经过进一步拓展数据时段和深度分析基础上形成，感谢前期课题组相关师生！
基金项目：国家重点研发计划重点专项“国家安全风险管理关键技术研究与应用”(编号:2018YFC0806900)；国家自然科学基金重大项目“重大国家安全事件管理机制研究”(编号:71790611)；
国家社科基金重大项目“总体国家安全观研究”(编号:2018MZD018) 及北京智慧星光信息有限公司委托项目“中国社会风险大数据智能分析研究”。
摘要：以疫情为核心，以医疗卫生专业机构、政府和民众为多元应对主体，以媒体为信息桥梁的全方位、多层次应对，是信息时代突发不明原因及新发传染病公共卫生事件应急管理体系建设的关键所在。本文构建了疫情、医情、政情、民情和媒情为主的“五情”信息分析框架，通过2019年12月1日-2020年2月7日的网络大数据，分析新冠肺炎疫情前期防控过程中“五情”的演化、互动与走势情况。在该分析时间段内，疫情信息演化可分为潜伏期、首次爆发期、首次平台波动期、二次爆发期和二次平台波动期等五个阶段，其中在前“四情”数据量中，疫情信息和医情信息总体水平较高。医卫机构和政府对疫情的反应无明显差异，且均高于民众反应；媒体对疫情的关注随疫情信息走势持续保持相对高位，网络大数据对不明原因或新发传染病防控具有一定的监测预警功能。针对类似不明原因和新发传染病，政府应重视“五情”大数据分析的监测预警作用，建构以政府为主导的多元社会合作网络并尽早进一步加强有关应急管理的“一案三制”建设。
关键词：突发公共卫生事件；新冠肺炎；五情；大数据；应急管理
中图分类号：R184.6文献标志码：A文章编号：1007-9092（2020）02-0006-015
2019年12月，新型冠状病毒肺炎（简称“新冠肺炎”）疫情从湖北省武汉市发生，2020年1月迅速向
全国蔓延。由于疫情发展变化还具有不确定性，舆情也即社会舆论关注点具有多变性，我国医疗卫生系统、政府管理系统和社会民众力量是如何根据疫情和舆情发展不断调整自己的认知和行为的呢？特别是，对于从不明原因传染病到确定为新型冠状病毒肺炎后的早期阶段的应急防控往往具有更大的不确定性和难为人知的新特性，医疗卫生机构、政府、民众及媒体等在应急过程中彼此信息的演化和互动过程很值得关注和研究。因此，本文试图构建疫情、医情、政情、民情和媒情（以下简称“五情”）信息分析框架，利用互联网大数据，及时跟踪和聚焦分析此次新冠肺炎的疫情信息发展、医疗救治与卫生防控信息、政府系统应对信息、民众关注参与信息和媒体传播信息等各自演化和相互影响的过程与机理。
一、文献综述与理论框架
突发和危机事件的应急管理过程通常分为事前、事中和事后三个阶段。事前主要包括风险评估、监测预警、防范规避和应急准备等，事中包括应急决策、协调沟通和指挥处置等，事后包括恢复重建、事件调查和学习提升等。为有效减小危机事件造成的负面影响和损失，事前的监测预警显得尤为重要。我国现行应急预案和应急体制、机制、法制（简称“一案三制”）在突发事件应急管理实践中取得了良好效果。但在风险预警、危机沟通和应急决策等方面仍然存在不足。在危机监测和预警过程中，信息发挥着越来越重要的作用。传统的信息传递渠道和方式效率低下，不利于对灾害和危机及早预警和有效应对。因此，及时、全面和高效的信息获取、分析、反馈和沟通对于有效监测和提前预警，弥春节假期2023法定假日几天
补现有应急管理体系的不足具有重要意义。
那年花开月正圆结局是什么 随着互联网的普及和社交媒体、自媒体的推广，全球进入了大数据（ＢｉｇＤａｔａ）时代。一般认为，大数据具有４Ｖ的特征：体量庞大（Ｖｏｌｕｍｅ）、种类繁多（Ｖａｒｉｅｔｙ）、价值丰富（Ｖａｌｕｅ）和响应快速（Ｖｅｌｏｃｉｔｙ）。大数据的几大特征特别是后两个：价值丰富和响应快速等特点正好能够弥补传统应急管理体系的不足。目前，国内外已逐步将大数据应用在应急管理的实践与研究中。
大数据应用于应急管理的情景之一是通过社交媒体对灾害情况进行传播，并有效弥补政府信息的不足。美国政府早期面对森林大火主要是依靠报纸、电视等传统媒体传播灾害信息。后来，人们通过整理网友在互联网上的发帖和交流内容制作的灾害地图对政府信息进行了有效补充。这种自发式的危机沟通模式对于森林大火的位置汇报、疏散和避难起到了积极作用。Ｓｕｔｔｏｎ等人构建了预测模型，通过对沃尔多峡谷大火案例中政府推特信息的传播进行了研究，明确了在灾害中信息的发布内容、形式等与转发行为的关系。在波尔多洪水的灾害案例中，通过对来自５２个账户的５１００条推特信息的研究发现，即使是简短的推特信息，在危机情景中也能对民众的自我保护起到积极作用。Ｑｕ等人在２００８年汶川地震发生后，通过对天涯论坛发帖内容的分析研究了重大灾害发生后的民众应急反应和民众参与情况。研究发现，在补充信息和意见角等方面，网络论坛更加迅速和有效。
通过大数据技术也可以监测危机情况，追踪社会关注。在突发公共卫生事件中，大数据监测和追踪能够起到预警作用。美国疾控中心和谷歌公司的研究人员利用２００３年到２００８年美国实际流感病例数据和谷歌搜索数据，对美国九大地区流感病例进行了相关性检验。研究人员通过筛选关键词建立模型，并对样本数据进行匹配，最终针对４２个验证样本点的相关系数高达９７％。谷歌数据最终成功提前１－２周预测了美国季节性流感走势情况。同样，在２００９年美国爆发甲型Ｈ１Ｎ１流感期间，Ｓｉｇｎｏｒｉｎｉ等人通过推特信息追踪疫情情况和公众关注。研究结果表明，通过社交媒体测量的流感病例与实际汇报的病例情况接近。通过社交媒体或搜索引擎大数据的分析对传染性疾病进行提前预警的研究是当前热点，这类研究充分发挥了大数据响应速度快的优势，为应急管理的事前监测和准备提供了参考。
随着社交媒体的迅速发展，对于公共安全事件的应急管理从线下逐渐转变为线上和线下双重治理。网络舆情是社会心态的集中体现，针对网络舆情的监测和疏导对于互联网时代的应急管理尤为重要。大数据在网络舆情和民众情绪的监测中能够发挥重要的作用。Ｔｈｅｌｗａｌｌ等人通过对包括地震、海啸等危机事件在内的３０个事件相关的近３５００万条推特信息进行情绪分析发现，事件的热度与网络情绪的负面程度强烈相关。对于突发公共事件的网络舆情监测，构建指标体系能够为舆情的全面和客观分析提供科学依据，而通过社会网络分析则能够明确舆情传播的网络结构特征。在对“８·１２天津港爆炸事故”中的网络舆情传播分析中，研究者构建了主体、信息、心理和观点四种要素的舆
情传播模型。康伟通过社会网络对“１１·１６校车事故”的网络舆情进行了分析，发现网络中存在凝聚子，呈现多中心多主体结构特征，“结构洞”在信息传播过程中有重要作用。
由此可见，在互联网时代，通过大数据对危机事件进行分析、监测和追踪，能够弥补官方信息的不足、监测网络情绪、追踪社会关注焦点，也能够对传统“一案三制”的应急管理体系进行有效补充。在此次新冠肺炎疫情发生后，医疗及公共卫生机构、政府部门、社会民众和大众媒体均有不同反应与行动。由于疫情变化迅速，通过互联网大数据能够及时有效捕捉各主体在疫情防控各阶段的关注情况。
疫情发展是此次突发公共卫生事件的核心，有关新型冠状病毒的传染和蔓延情况是疫情的关键。针对疫情发生和发展，医疗机构的临床救治和疾控机构的公共卫生干预是及时有效遏制疫情蔓延的两大重要专业举措。新型冠状病毒具有人传人能力，而且具有较高的传染性，除了需要专业医疗救治和疾控部门的消毒隔离外，还需要大规模的社会干预跟进。面对此次突发危机事件，政府作为公共服务的提供者、公共政策的制定者、公共事务的管理者和公共权力的行使者瑏瑠，是此次疫情危机的核心应对主体，其应急管理措施的及时性、系统性和有效性关系到此次疫情防控的成败。作为另一重要参与主体的社会力量民众，在此次疫情中也扮演着重要角。民众对疫情的感知和应对是疫情防控和化解危机的社会基础。同时，作为信息传递的桥梁和风险沟通的平台，媒体也在此次疫情的防控中发挥着不可替代的作用。曾润喜曾把网络舆情定义为由于各种事件的刺激而产生的、通过互联网传播的、人们对于该事件的所有认知、态度、情感和行为倾向的集合。网络空间的不同主体对疫情的认知和态
度均属于网络舆情的范畴。据此，本文拟以疫情、医情、政情、民情和媒情等网络舆情信息为对象建构“五情”信息分析框架，如图１所示，并基于互联网大数据，分析此次突发公共卫生事件中“五情”的演化、互动和走势。
面对此次新冠肺炎疫情危机，医疗卫生机构和疾控部门是专业应急处置的直接主体，是理论上最早介入的专业机构，对疫情的判断和应对具有及时性和有效性。医情信息是对疫情信息的最直接反应因素。政府作为公共事务的管理和公共权力的行使主体，是应对和化解多元次生和衍生危机的核心主体。特别是我国政府具有其他国家不可比拟的强大社会动员能力，对于疫情防控和医疗救治具有全面
的领导和推动作用，在此次疫情中具有不可替代的核心地位，因此政情信息数据能反映政府发挥作用的情况。社会主体主要有社会组织、企业和民众等，这里我们重点看民众。民众是此次危机的“受灾体”，也是化解危机的多元参与主体之一，是应急管理体系中的基础和关键，也是政府和医卫机构疫情防控的主要服务对象。民情信息一方面能反映民众的疫情风险感知和知识情况，另一方面也能反映他们采取的防护和防疫参与行为状况。医情、政情和民情之间的良好互动是应急管理成功与否的关键，三者的网络信息大数据也能反映三个主体的相互关系状况。媒体是不同主体之间信息沟通的桥梁，也对不同主体的行为起到监督作用，是此次危机管理体系中的关键主体之一，媒情信息量能反映传统媒体和新媒体等的作用发挥状况。
二、“五情”总体走势分析
互联网上每天产生海量数据，如何从海量数据中挖掘与此次疫情相关的数据是本研究的重点和难点。首先通过检索“肺炎”或“冠状病毒”或“钟南山”，确定初步语料范围，并从不同数据源中每日抽取相同比例的数据。所有数据中，网络媒体和论坛约占１５％，微博约占７０％，约占１０％，博客、报刊、视频、ＡＰＰ和其他约占５％。我们获取了２０１９年１２月１日－２０２０年２月７日（分析时间段）１４９，９３８，１２３条有关肺炎应对的网络信息，并据此分析了“五情”的演化与走势。对于疫情、医情、政情和民情，我们使用基础数据库中与之相关的关键词词频进行表征，而对于媒情，则通过上述网络数据的每日数量进行刻画。
对于疫情、医情、政情和民情，我们通过在基础数据库中检索对应的关键词，并对关键词词频进行加权平均后作为对应的态势指标。关于疫情、医情、政情和民情关键词的确定标准，具体参见表１。
通过初步筛选关键词后，在基础数据库中检索上述关键词，并统计每个关键词的词频和每个关键词在当日出现的相对比例。然后对每个关键词的每日相对比例在所在归类中进行平均后得到该类每个关键词在分析时间段内的平均比例。将每个关键词的平均比例进行排序，筛选出累计比例超过９９％的关键词作为最终入选表征的关键词。表２是疫情、医情、政情和民情最终确定的关键词词表中出现频率最高的１０位。
最后，根据上述关键词词表计算每日出现的平均词频用来表征疫情、医情、政情和民情态势。
对于媒情，则以与新冠肺炎相关的文章、微博等的总发布量作为衡量指标。
图２是“五情”信息总体走势图。图中横坐标为日期，纵坐标为频数。“五情”信息总体频数由每个情态信息单项指标加总而成，即：
医学影像技术就业前景 “五情”总体指数 ＝疫情全体关键词（５６个）词频＋医情全体关键词（５２个）词频＋政情全体关键词（５４个）词频＋民情全体关键词（７３个）词频＋新冠肺炎相关文章、微博等的总发布数量。
发布评论