基于随机共振模型的网络舆情共振现象研究

摘要

随着信息技术的快速发展，互联网环境下的舆情问题被广泛研究，学者们从不同视角取得了丰硕的研究成果，其中主要包括网络舆情定义、成因、特征、演变以及舆情预警、预测等方面内容。但就目前已有的研究成果来看，学者对于网络舆情的讨论通常都是将其视为单一事件在单一轨迹上的发展过程，对于原生舆情事件在不同因素影响下出现的后继衍生舆情事件及多个舆情事件之间的关联关系研究较少。网民因某些涉事主体、情绪或议题相似的多个事件而产生的情绪会彼此感染，当相同或相似的情绪大量积累后，便会发生舆情共振现象。从现实生活中发生的事件来看，网络舆情共振现象对社会造成的二次影响很可能比原来单一的网络舆情事件造成的社会危害更大、破坏力更强，造成1+1＞2的后继效应，因此加强网络共振现象研究，对监督社会情绪表达和网络舆论具有重要的作用。虽然目前学者已经展开了对于舆情共振现象的定性研究，但对于从微观层面分析舆情共振规律的研究仍少之又少。
　　基于此，本文重点研究了网络舆情原生事件与次生事件的共振现象，关注舆情共振过程中区域文化、人群特征、政府及网络媒体介入等因素对舆情共振的影响。网络舆情共振与物理共振十分相似，在网络舆情中，各类信息分子不停地做无规则的运动，受到舆情事件（如同花粉颗粒）不断地随机撞击，使得舆情事件的话题随机地向各个方向“游走”，而随机共振理论是朗之万在研究布朗运动时，建立的以微分方程为数学模型的理论基础;网络舆情的发展趋势通常为“起始-上涨-高潮-消退”，类似于随机共振理论所描述的双稳态系统的两个势阱与一个势垒。
　　因此，本文以物理学中随机共振模型为理论基础，建立舆情共振方程，分析引发因素对舆情共振的影响，依托仿真实验探索舆情共振规律。仿真结果表明，不同区域不同议题网络舆情共振的结果不同，并且意见领袖、执法部门、当事人、媒体的态度将会影响能否共振，以及共振的振幅。在理论研究的基础上，本文采集了2013年乙肝疫苗事件及2016年山东疫苗事件在新浪微博上的真实数据，对数据进行处理、测算，据此对案例进行分析，观察本文推算结果是否与舆情事件在现实生活演变过程中出现的共振效应相契合，以此来验证本文构建的网络舆情共振模型的合理性、实用性。结果显示，本文提出的网络舆情共振模型基本能够描述现实社会中发生的网络舆情共振现象规律。