欢迎访问一起赢论文辅导网
本站动态
联系我们

手机:15327302358
邮箱:peter.lyz@163.com

Q Q:
910330594  
微信paperwinner
工作时间:9:00-24:00

经济管理论文
当前位置:首页 > 经济管理论文
负面舆情、政府回应与话语权重构
来源:一起赢论文网     日期:2022-02-20     浏览数:301     【 字体:

 130 2021 年第 5 期  总第 431 期中国行政管理CHINESE   PUBLIC   ADMINISTRATION 公共安全一、问题的提出与文献回顾作为一种特殊的权力,话语权正被纳入公共权力的讨论之中。全媒体时代实现了信息即时共享,呈现裂变式传播。这在某种程度上打破了原有的话语权力体系结构——既往精英、政府和传统媒体所拥有的话语权被分散;公共知识分子快速崛起,成为平民意见领袖;与此同时,公众参与逐步增强,形成了不轻易受意见领袖左右的、庞大的、由独立行为个体组成的公众群体。由此,网络社交平台形成了由政府、传统媒体、意见领袖、公众等四方相互影响的话语权体系结构。新型话语权体系稀释了政府既有的话语权力,尤其是网络“负面舆情”对政府网络话语权产生较大影响,给政府治理带来了新的挑战,因此,当前亟需从引导和重构话语权出发对全媒体时代“负面舆情”风险及应对展开研究。学术界对于“网络话语权”的研究主要从三个方面展开,一是尝试对网络话语权本身进行解构,分析网络话语权的阶层、结构、格局等;二是尝试对网络话语权的结构、层次等各个方面进行重塑,提出一个行之有效的话语权体系;三是对网络话语权的归属进行探讨。米歇尔·福柯(Michel Foucault)在《话语的秩序》中最早指出了“话语即权力”,[1]当前我们的话语观深受福柯的影响。英国社会语言学家诺曼·费尔克劳(Norman Fairclough)从社会学的角度认为话语权力“隐含在日常社会实践中”,它在“生活的各个领域的每一个层次”都占主导地位。[2]而随着网络社会的发展,对于话语权的研究也逐渐扩展至互联网领域。著名的社会学和传播学者曼纽尔·卡斯特(Manuel Castells)在其“网络社会”理论中如此阐释话语权:有权力者在诠释和定义社会时更具资源和力量优势,他们通过诠释社会现象这一话语功能来维护自身的利益。[3]除了在理论上尝试对话语权进行重构外,也有学者尝试通过具体的实例对话语、权力和新闻媒体进行关联性研究。[4]随着互联网生态的进一步发展,学界对网络舆情*   基金项目:国家留学基金资助项目“新媒体社会中的公民政治参与和政府回应研究”(编号:201906155004 );广州市哲学社会科学“十三五”规划2018 年度课题“大数据背景下广州政府数据开放共享动力机制研究”(编号:2018GZYB11);中央高校基本科研业务费专项资金资助重点项目“‘互联网+’条件下政府服务方式创新研究”(编号:XZD18 )  作者:刘红波,华南理工大学公共管理学院副教授,广州  510641 ;高新珉,中山大学政治与公共事务管理学院研究生,广州  510275DOI10.19735/j.issn.1006-0863.2021.05.17负面舆情、政府回应与话语权重构*——基于1711个社交媒体案例的分析刘红波 高新珉[摘 要]  进入全媒体时代,话语权的争夺也从线下的公共领域转移到了线上的社交平台。原有的话语权力体系结构被打破,精英、政府和传统媒体的话语权被分散,同时公共知识分子和公众群体则呈现话语权的涨势。探寻公众网络参与行为对政府网络话语权的影响过程,有助于把控“负面舆情”风险。本文以1711 个微博舆情事件为研究样本,通过事件数据量化研究及对典型案例的文本情感分析发现,公众对政府事件具有潜在的负面偏好;负面舆情事件的传播存在明显的“破窗效应”;公众对政府回应的关注度随着时间推移而下降。此外,网络公众参与行为体现出的评论对象扩大化、舆论主观臆断性、群体感染和言论认同聚集效应等都对政府网络话语权产生一定程度的负面影响。要实现以政府为主导的多元话语权体系,应当重视网络话语权的重构。[关键词]  公众参与;网络话语权;舆情;政府回应[中图分类号] D035   [文献标识码] A    [文章编号] 1006-0863 202105-0130-08131 2021 年第 5 期  总第 431 期公共安全 中国行政管理CHINESE   PUBLIC   ADMINISTRATION的研究也愈发丰富。在研究主题上,开展了诸如网络舆情如何影响政府信任[5]、网络舆情治理路径[6]、网络舆情演变机理[7]、网络舆情的舆论引导[8]、网络舆情的动因和传播特性等[9][10]多方面的研究;在研究方法上,呈现出定性研究与定量研究并存,研究方法多样化局面;既有对网络舆情的描述性研究,也有使用大数据分析或案例分析对政府舆情回应机理展开实证研究等。[11][12]研究者们逐步意识到网络舆情中存在着独特的公众集群行为和情感化倾向,并使用情感分析工具和自然语言分析工具对网络舆情进行了深入分析。例如,借由对典型舆情事件的研究剖析情感与网络抗争动员的关系[13]以及公共舆论中负面情绪化表达的框架效应等。[14]针对负面舆情研究的关注点主要在于负面网络舆情监测[15]、网民群体负面情感建模[16]和负面舆情信息传播机制等方面。[17]梳理发现,网络舆情与政府话语权之间缺乏一条明确的研究路径和理论框架,有学者针对网络舆情与政府形象传播机制[18]及对网络舆情下的政府形象危机和应对[19]进行了阐述,但政府形象与政府话语权力之间的关系研究则产生了断裂。并且,当前研究也没有将网络舆情中的情感分析研究成果与政府形象和政府话语权力联系起来,构建起一个关于网络舆论与公众网络参与行为对政府话语权力影响的路径模型。本文认为,应从三个维度对“话语权”重新加以阐释:在权利维度中,话语权是社会个体所具有的表达个人意见的资格,这是话语影响力的基础;在权力维度中,话语权是通过对话语或舆论的引导、干预甚至操控,从而对社会公众生活、公众意识造成影响的能力;在权威维度中,话语权基本不具备强制性,依靠特定主体的话语魅力影响他人。并在此基础上,试图探讨公众网络参与行为对政府话语权的影响,尤其是考察隐藏在舆情事件下网络环境中所独有的参与行为。通过对网络舆情事件进行数据量化分析和文本情感分析,探讨网络空间中独特的公众参与行为,阐述其对政府网络话语权带来的挑战,并探究相应的解决方法和策略。二、研究方法与样本选择在各类网络平台中,微博是基于用户关系的社交媒体平台,能够实现信息的即时分享、传播互动。根据社会学家马克·格兰诺维特(Mark S. Granovetter)在《弱连带的优势》中所提出的“强关系”与“弱关系”的概念,[20]微博是当前国内最为庞大、最为活跃的“弱关系”网络社交平台之一,具备较高研究价值和典型性。因此,本文将 2018 3 月至 2019 3 月间微博中的舆情事件作为研究对象。在此期间,国内外新闻事件繁多,为能够精确选取研究对象,同时提高被研究对象事件的典型性,笔者首先在网络上对一些新闻网站进行搜索,并从多个不同的热点事件统计网站中爬取相关热点事件的数据。所使用的网站分别是“大事记资讯平台”(http//www.dsj365.cn/)、“百度搜索风云榜”(http//top.baidu.com/)和“微 热 点”(http//www.wrd.cn)。 为进一步确保热点事件选取的典型程度,将所得热点事件按关键词在微博平台上进行搜索,通过搜索结果判定其热度情况,进而对事件加以筛选,最终确定了 1711个热点事件作为研究的分析对象。根据“是否政府事件”以及“舆情事件的正负面影响”两个维度对所有事件样本进行划分(见表 1)。所谓负面舆情事件,是指该舆情事件释放出了消极的信息,并且对社会稳定与公众利益造成了影响或损害。而正面舆情事件则释放出正面的信息,并且增进、维护了公共利益,正面事件聚焦于那些宣扬正义、公平等社会价值的事件与现象。基于上述界定,样本被划分为负面事件、正面事件以及未表现倾向事件三类。例如,将“X 公司涉嫌虚假宣传”认定为负面事件,“X 公司虚假宣传被立案调查”认定为正面事件,而类似于“纪念周恩来诞辰 120 周年”的报道则被认定为未表现出明显倾向事件。在所有样本中,涉及公共权力部门的事件为 111 件,而其中又有 82 个事件样本与政府直接相关。对这 82 个事件进一步统计分析可以得出,负面事件为 38 件,正面事件为 23 件,未表现倾向事件为 21件。笔者对以上样本均进行了独立的编码和分析。表1 舆情事件的倾向性负面事件 正面事件 未表现倾向事件 合计政府事件38 23 21 8246.3% 28.1% 25.6% 100%非政府事件510 191 928 162931.3% 11 .7% 57% 100%合计548 214 949 171132% 12.5% 55.5% 100%三、研究结果与分析(一)公众对政府事件具有潜在的负面偏好结果表明,媒体与公众在舆情事件上存在着不同程度的偏好。与政府直接相关的舆情事件只占民众关注事件中很小的部分(4.8%)。针对非政府事件,公众并未显示出对负面事件(31.3%)的明显偏好。但在与政府直接相关的事件上,公众和媒体则表现出对负面事件(46.3%)、正面事件(28%)、未表明倾向事件(25.6%)由高至低的偏好顺序。根据上述数据,使用STATA 对其进行卡方检验。零假设与备择假设如下:H0:事件属性与事件倾向相互独立,不存在相关关系H1:事件属性与事件倾向之间不独立,存在相关关系检验结果表明,事件属性与事件倾向之间不独立,存在相关关系(卡方值为 35.9827p 值为 0.00,拒绝零假设)。当样本足够大时,卡方检验与似然比检验趋向一致。由此说明,公众在对待政府事件上存在着与对待普通事件截然不同的倾向。并且与对待普通事件的态度相比,公众对政府事件存在着负面偏好。这也说明了政府作为新闻报道的客体,存在着“好事不出门,坏事行千里”的特点。但舆情事件倾向情况的频数分析对公众与媒体偏132 2021 年第 5 期  总第 431 期中国行政管理CHINESE   PUBLIC   ADMINISTRATION 公共安全好的论证仍然不够完善,需要通过热度分析对此结论进一步验证。为获取不同时间的热度情况,本文对 82个政府事件各自关注程度最高的微博进行数据抓取,获得其转发数、评论数与点赞数,并根据这三项数据指标构造热度值。为更简洁地呈现计算方式,笔者将热度值记为 R,将转发数记为 a,评论数记为 b,点赞数记为 c,并以此建立热度计算公式。研究采用层次分析 AHP 方法计算不同指标所对应的权重。萨蒂(T. L. Saaty)提出的层次分析法(AHP)是一种无形资产相对测量的理论标准,其方法是通过制定基本量表来表现决策者的偏好。[21]基于此,本文构建了关于转发数、评论数和点赞数三者之间的重要程度对比判断矩阵(见表 2)。表2 热度指标判断矩阵a b ca 1 3 5b 1/3 1 2c 1/5 1/2 1根据后续计算得到 abc 对应的权重 W1W2W3 的数值,即生成权重向量:W1=0.65  W2=0.23  W3=0.12并根据权重结果进行一致性检验,可得:C.I.=0.001848C.R.=0.0031。由于 C.R.<0.01,因此可以认为该判断矩阵通过一致性检验,判断矩阵具有满意的一致性。由此可得事件热度计算公式如下:R=a*0.65- b*0.23+ c*0.12在对 38 个负面事件的微博数据采集时,由于有 3个舆情事件①无法获得可信数据,因此对这些不符合检验要求的数据进行了剔除。而后,使用 STATA 对数据进行检验和计算分析(见表 3):表3 政府事件热度指标分析结果Variable Obs Mean Std.Dev Min Max负面事件 var1 35 1443.48 6319.976 2.38 37089.29正面事件 var2 23 292.0191 617.9287 3.29 2921.12结果表明,政府负面新闻的平均热度远高于政府正面新闻,且政府负面新闻的热度波动较大。关于政府正负面事件的热度分析,进一步佐证了公众参与时存在着对政府负面信息偏好的现象。(二)负面舆情事件传播中的“破窗效应”所谓“破窗效应”,是指若环境中的不良现象如果被放任存在,会诱使人们仿效,甚至变本加厉。就如同一幢具有少量破窗的房子,若破窗不被修缮,那么将会出现大量的破坏者砸碎更多的窗户。[22]在政府舆情事件的报道和传播过程中也存在着“破窗效应”,即当某一特定领域的负面事件被报道并成为新闻热点,而政府却没有对该领域负面状况进行及时纠正,那么媒体和公众将会持续地关注该领域内类似的新闻,使同一类型的负面新闻持续成为关注热点。本研究中,与公共部门有较大联系的三个领域内的舆情事件均呈现出较强的“破窗效应”(见表 4),即破窗事件发生后,同类事件的关注度急剧增加,产生了很明显的聚集情况。表4 破窗事件前后舆情变化情况破窗事件乘客与公交司机冲突事件学术不端事件滴滴出行负面事件10.28重庆公交坠江翟天临学术不端5.6 郑州空姐打车遇害破窗前 1 0 1破窗后 19 3 14破窗前月均事件数 0.125 0 0.33破窗后月均事件数 3.167 1.5 1.27政府负面事件的“破窗效应”易导致舆论的扩大化,进一步加深对政府话语权力和公信力的危害。正常情况下,同一类事件在较长的一段时间里,发生频率并不会有过于起伏的波动。但“破窗效应”的存在,会给公众一种错觉,即负面舆情事件发生后,该类事件越来越多。当政府出现某类负面新闻时,即使政府及时进行纠正与补救,并降低了发生该类负面新闻的频率,但只要这一类型的负面事件在“破窗效应”发生的期限内再度发生,就有比以往更高的成为舆情事件的概率,使公众产生政府没有重视原有的负面事件,没有纠正负面事件下所隐含的错误与疏漏的错觉,从而使公众产生了对政府严重的不信任感,进而影响政府公信力。政府话语权力也会随之被削弱。(三)政府回应与热度衰退样本中存在着同一事件的不同发展阶段都是一个单独的舆情事件的状况。例如,“山东省菏泽市取消限售”事件和“山东住建厅回应:菏泽取消限售事先不知情”事件,二者都是舆情事件。值得注意的是,很多需要政府做出回应的舆情事件,其后续结果并没有像最初的事件报道一样成为热点。对此,可以对那些持续成为热点的政府事件进行热度的变化分析,研究政府回应与热度变化之间的关系。在总样本中,共有 6 个舆情事件符合分析要求,对其不同时间段的热度变化情况进行分析(见表 5)。事件下方数据依次为“转发数 / 评论数 / 点赞数 / 热度值”。根据上述变化情况可以发现,除“干部醉驾免于刑责”一事外,大部分事件在被报道之初都处于热度最高的时期,此后随着时间的推移,后续的事件虽然仍是热点,但热度都有不同程度的下降。②分析发现,负面事件形成热点,使得政府处于舆论漩涡中心,导致政府不得不出面回应。而当政府进行了后续回应,无论该回应是澄清——“教育部回应高考答题卡无误”,或是承认错误——“干部醉驾免于刑责复查结果公布:判决过轻”,都出现了不同程度的热度下降的情况。这意① “2018年全国土地流拍1808块”事件、“烟草局3 名工作人员围殴快递员”事件和“武汉狱警醉驾撞伤5 人被免职”事件。②  事实上,“干部醉驾免于刑责”一事的数据真实性有待商榷,因为该事件第一阶段在微博上热度较低这一状况被认为存在着人为干扰,该事件的现场视频在今日头条平台上有着高达 19万条评论,而在微博上的热度却很低,这也从侧面解释了为什么搜集到的数据出现了这种极为反常的现象。133 2021 年第 5 期  总第 431 期公共安全 中国行政管理CHINESE   PUBLIC   ADMINISTRATION味着,存在着一定数量的人群,接收到了政府的负面信息,却没有进一步了解政府对该负面事件所做出的回应或补救。这种政府回应时效性与热度衰退之间存在的关系,使得政府话语权受到了一定程度的影响。切斯特·巴纳德的“权威接受”理论认为,权威的存在必须以下级接受为前提,即“一个命令是否有权威,这取决于接受命令的人,而不是决定于权威者或发出命令的人。”[23]因此作为一种权威的“话语权”也具备这一特点,话语权本身所具备的非强制性也使其必须建立在他人的认同之上。政府负面舆情事件对政府形象是一种损伤,对此政府需要做出相应的补救措施,如开展有效的风险沟通等,[24]来挽回其在公众心中的形象。而当补救措施无效或不为人所知时,政府形象不仅无从挽回,甚至会受到进一步破坏,继而削弱政府权威,使政府话语权受到严重打击。四、典型案例的文本情感分析为进一步研究政府网络话语权在微博平台上所面临的问题,笔者选取“福州小伙赵宇见义勇为反被拘留”这一微博舆情事件作为个案,并选取两条具有代表性的微博作为研究对象。第一条微博内容报导了赵宇被拘留的事实,第二条微博则报导了福州公安将赵宇释放的结果。在剔除了微博中的无效评论后,第一条微博筛选出 3613 条有效评论,第二条微博筛选出 1084条有效评论,而后对其加以文本情感分析。(一)评论对象的扩大化对两条微博的评论各自进行词频分析,可得词频较高的 300 个词汇。分析结果发现,具备实体的评论对象主要为:社会、福州、公安、警察、强奸犯、法律等。从评论对象上看,公众对事件的评论不完全停留在事件本身,而会产生发散性的评论。在本舆情事件中,作为主体的赵宇,讨论人数很少;更多的是对整个公安队伍的批评与抨击,以及对社会整体道德滑坡的忧思。政府机关和公务员队伍也成为了被批评和指摘的对象,呈现了评论对象扩大化的情况。除上述情况外,公众对政府还存在一种整体性认知的现象,这种将政府不同部门、不同层级视作一体,甚至将非政府部门如法院、检察院和人大等与政府一概而论的做法导致评论对象扩大化结果。在这种认知下,当政府出现负面事件时,公众容易产生“天下乌鸦一般黑”或“官官相护”的看法。由此,政府的一切回应、澄清行为,都被视作是不可信的。(二)评论内容的主观臆断性基于上述高频词的结果构造共词矩阵,并构建词频分析网络(见图 1、图 2),了解不同词频的词汇之间的相关关系,得出较高关联性的不同词汇组合。表6 第一条微博共词矩阵部分词频分布表组合 出现频数 组合 出现频数 组合 出现频数强奸- 见义勇为 89 中国- 法律 31 公安- 福州 24社会- 正义 18 调查- 清楚 26 调查- 警察 21据共词矩阵中的高频组合显示(见表 6),出现频数最高的组合是“强奸”与“见义勇为”,这也是整个案件的关键所在。但值得注意的是,在共词矩阵中与“调查”一词紧密相关的是“警察”与“清楚”。搜索和分析与这两个组合相关的评论可以发现,当公众评论提及“调查”一词时,既关注案件事实真相——因此“调查”“清楚”二词经常同时出现,同时公众也十分关注案件背后错综复杂的关系——当“调查”和“警察”二词同时出现时,表达的不是要求警方彻查事件的请求,而是要求对警察队伍进行彻查的表态。不仅如此,评论中出现了诸多对整个警察队伍的抨击,并且认为当地警察队伍与犯罪分子有所勾连。此种评论在内容上存在着极强的主观臆断性。这种主观臆断还体现在一个高频词汇——“舆论”上。“舆论”一词在第一条微博中出现 22 次,在第二条微博中出现了 70 次。虽然这个词的词频并非最高,但有一个现象值得关注,即在第一条微博中,公众提及“舆论”一词,往往都在表达一种希望借舆论的力量彻查真相的请求。而当案件结束,赵宇无罪释放时,公众提及“舆论”则是公众认为这是一场舆论对抗权威的胜利,是公众在表达着对公共权力的不满与否定,并且不止一位微博用户表达了如下的观点:“如果没有舆论,赵宇的结局会是现在这个样子吗。”这种主观臆断性的评论会加剧事件的负面程度,使得该事件向公众释放出更加激烈的负面信息,降低政府公信力。(三)公众负面言论的群体感染现象笔者对两条微博共计 4697 条评论样本进行了文表5 事件热度指标变化表舆情事件发展阶段(时间顺序由左至右)1制止强奸被拘14天(2019.02) 警方将案件移送起诉 警方回应:不予起诉470/706/715/553.68 334/135/237/276.59 69/79/65/70.822干部醉驾免于刑责爆料(2019.02) 法院回应:启动复查程序 复查结果:判决过轻253/123/120/207.14 7417/7955/8984/7728.78 466/621/408/494.693干部被爆16岁参加工作(2019.01) 相关部门回应:情况无误244/413/1600/445.29 179/204/1100 /258.274山东菏泽取消限售(2018.12) 山东省住建厅回应不知情35666/14201/71418/35019.29 10034/2351/36002/11383.075深圳男子见义勇为被罚2002018.11 ) 相关部门回应:处罚无误32/113/59/53.87 6/13/7/7.2764 家长高举高考答题卡掉包(2018.08) 教育部门回应:答题卡无误107/99/97/103.96 103/84/65/94.07134 2021 年第 5 期  总第 431 期中国行政管理CHINESE   PUBLIC   ADMINISTRATION 公共安全本情感分析(见表 7、表 8)。结果发现,样本中绝大多数是负面情绪评论,各自仅有 1.49% 0.92% 的评论带有中性情绪,约为 28.01% 21.40% 的评论带有积极和正面情绪。对整理出来的 1244 条正面情绪样本加以分析发现,这些所谓的带有积极情绪的评论实际上仍是对公权部门的批评与指责,大部分以一种揶揄、讽刺和挖苦的方式对政府部门进行批判。如“牛”“赞一个”“厉害啊”等评论,都被分析工具视作正面情感评论。由此,对所有样本进行浏览和整理可以发现,95% 以上的评论都是对相关主体的批评、暗讽、指责和嘲弄,以及对社会公正的呼唤。评论完全陷入到了一种纯粹负面情绪抒发的泥沼当中,这在某种程度上体现了网络社交环境中存在的群体感染现象。表7 第一条微博情感分布视图表正面情绪 中性情绪 负面情绪 评论总数汇总情况 28.01% 1.49% 70.50% 36131 第一条词频分析网络图图2 第二条词频分析网络图135 2021 年第 5 期  总第 431 期公共安全 中国行政管理CHINESE   PUBLIC   ADMINISTRATION8 第二条微博情感分布视图表正面情绪 中性情绪 负面情绪 评论总数汇总情况 21.40% 0.92% 77.68% 1084所谓群体感染现象,是指某种观念、情绪或行为在暗示机制的作用下以异常的速度在人群中蔓延开来的过程。一般对群体感染现象的讨论都局限于现实生活当中,但从本次研究的样本分析结果来看,在互联网社交平台中极有可能也存在着群体感染现象。网络上的群体感染现象的发生与现实生活有所不同。网络社交平台因为评论的匿名性、个人存在的虚拟性,导致用词、观点和情感抒发都会较现实生活当中更加激进,同时由于人与人之间情感的共鸣,因此在社交平台上群体感染的现象也时有发生。群体感染现象会导致话题的参与者、讨论者在谈论过程中偏离原有的主题,难以保持足够的理性,无法以一种辩证和客观的方式去看待问题。政府作为公权机关,需要保持严谨、客观、公正的态度,同时在抒发观点和意见的时候,受限于身份,必须在用词用语上有所约束,在情感表达上有所克制。这就导致了政府在号召力、情感表达张力上的先天不足,难以引起公众的共鸣。而网络上的其他主体,由于受到的约束和限制较少,更容易从群体感染现象中获益。加之作为公权部门的政府在各种事件上往往被视作一种强势形象,因为人们普遍对弱者的偏向心理,使政府更容易走向民众情感的对立面。这一系列现象的出现,既是导致政府话语权流失的原因,更是政府在把控网络话语权时所必须面对的难题。(四)公众言论认同在时间上的聚集现象微博评论的点赞数在一定意义上反映了该评论的认同程度,选取样本中点赞数超过 1 的评论,构建点赞数量即认同程度(自变量)和评论发表时间(因变量)之间的相关关系。当不同评论点赞数相同时,以随机的方式抽取其中一条评论作为样本。通过样本的选取,构建评论数据的相关关系。相关关系构建前,研究假定评论点赞数与评论发表时间应当呈现一种线性相关关系,故对其使用线性回归方程进行构建与拟合。结果表明,二者呈现负相关关系,这意味着点赞数越高的评论发表时间越早。但两条微博各自的 Prob>F 值为 0.1123 0.4199,意味着二者的线性关系并不明显。对二者的相关系数进行计算,发现变量 var1 点赞数和变量 var2 评论发表时间之间呈现一种低程度相关。随后对拟合程度结果进行检验发现,两个变量之间的线性拟合结果较差,二者存在相关关系但相关关系呈现非线性的特点。笔者进一步使用 STATA 构建二者的散点图(见图 3、图 4)。从图可见,高点赞数的评论在评论时间上出现了较强的聚集效应,高认同度的评论基本出现在前十分钟内。这种聚集效应的存在导致了线性相关关系呈现低相关的结果。在时间上,点赞数也呈现了一种认同断点的现象。这主要是由于微博的浏览者往往只会阅读热度最高或者最前列的部分评论,因此发表时间较晚、处在认同断点之后的评论几乎不会被阅读。言论认同在时间上的聚集现象容易导致变相的沉默螺旋效应。沉默螺旋效应会导致意见一方逐渐沉默,另一方意见愈发强势。微博评论的机制与现实中的讨论机制大不相同,使得言论认同在时间上呈现了一定程度的聚集效应。这种聚集效应会使得发表时间较早的言论容易获得更高的认同,观点相近的评论就会被越发大胆地发表和扩散,从而掌控舆论的风向。而与高认同度的观点相左且发表时间较晚的评论则陷入无人问津的泥潭中,被迫成为了沉默的一方。这种效应对政府而言是不利的。政府作为公权部门,具有严格的规章制度和工作流程。正是这些严格而规范的规章和流程,限制了政府回应的速度。因此,政府在对某些事件进行回应时,往往不及媒体、公众一般灵敏和迅速。这种在回应上的迟缓,在面对热度衰退和言论认同聚集效应时,使政府容易陷入不被认同的失势一方。失去了认同,也就失去了对舆论的掌控能力,自然也就失去了话语权。五、结论与政策启示网络环境中的公众参与和现实社会中的公众参与存在着较大的区别。在研究公众参与这一因素时,本文将公众参与这一宏观层次下降为公众参与行为层次,并将网络公众参与和现实公众参与进行区分,试图图3 第一条微博时间与点赞数散点图图4 第二条微博时间与点赞数散点图136 2021 年第 5 期  总第 431 期中国行政管理CHINESE   PUBLIC   ADMINISTRATION 公共安全从微观的角度考察网络公众参与中所体现的具体行为,分析隐藏在网络数据和文本之下的公众心理,以此探究网络舆情和公众参与以及在参与过程中各种行为是如何对政府网络话语权产生影响的。从研究中我们可以看见一条清晰的影响路径,即网络舆情在和公众参与行为的共同作用下,影响了政府形象,从而进一步对政府话语权造成了强有力的冲击。当前对政府形象的研究大多认为,政府形象是由政府本体、各种传播媒介以及公众的认知过程三个因素合力构建的:政府行为+公众对政府行为的评价→公众心目中的政府形象。[25]但从研究中可以看出,这种模型的构建缺失了对公众行为影响因素的思考。本研究发现,公众网络参与行为本身的独特性也对政府形象产生了较大影响,据此可以构建出关于网络负面舆情对政府话语权造成影响的路径模型(见图 5)。图5 网络负面舆情对政府网络话语权影响路径通过对 1711 个微博舆情事件展开的数据和文本分析发现,在公众参与的过程中,公众对政府负面事件有着明显的偏好,网络舆情中存在着负面事件的“破窗效应”以及对政府回应的关注度衰退等问题。除此之外,网络公众参与行为中体现出来的评论对象扩大化、舆论主观臆断性、群体感染和言论认同聚集效应等都对政府形象造成了一定程度的冲击,从而影响政府网络话语权。针对以上暴露出来的问题,为实现以政府为主导的多元话语权体系,应当重视网络话语权的重构。(一)着力实现由单一角色向多重角色的转变在网络社交平台上,政府大多扮演仲裁者、发布者的角色,该角色在网络上面临着话语权被消解的困境。面对负面舆情,政府如果依旧只扮演仲裁者或发布者角色,不仅会导致网络话语权的旁落,更丢失了民众的信任与支持。在与政府直接相关的负面事件中,政府更难以维持其仲裁者的身份。因此,在话语权的角力中,政府应当具备角色的多样性。首先,政府是“主持大局者”,要积极引导舆论风向,适时把控舆论走势,以疏导而非强制的方式主导话语权。政府在重构话语权的时候,应当重视自身在话语权体系中的主导地位,实现对网络舆论的有效引导。其次,政府是“平等协商者”,要加强与其他三个主体即意见领袖、传统媒体和公众之间的互动和讨论。在舆论的把控上政府虽然占主导地位,但在问题的提出上、观点的交锋上、争议的解决上,政府需要以平等的眼光去看待其他主体,以平等姿态去和其他主体进行讨论,才能在负面的舆论环境中扭转不利的局面。最后,政府是“积极合作者”,要对与自身观点和利益相一致的言论表示支持和赞同,通过加强对类似评论的支持来加强自身话语权势力,避免落入孤掌难鸣的境地之中。政府要改变网络互动大多为消极回应而非积极沟通的现状。在多中心化的网络环境下,政府为重塑其话语权,必须坚持交流互动的积极化,完善以自身为主导的话语权体系。(二)简化回应流程,提高回应效率首先,建立网络舆情监控预警与快速反应机制,防范于未然,在网络舆论失控时以及时有效的手段阻止危机蔓延。其次,建立健全应对负面舆情和突发公共事件相关的回应制度、问责制度等,制定在一定时限内公布切实可信信息的相关规定,确保政府回应的时效性。第三,确立相关的法律制度,明确政府、传统媒体、意见领袖和公众相互之间的权利义务关系。最后,建立并完善对网络环境下各类主体的监管机构。同时,信息公开是政府应对突发公共事件的有力武器之一。通过信息公开,政府能够有效地增进与民众的沟通,及时遏制谣言的传播与发散,及时回应媒体与大众的质疑并澄清事实。这不仅是对广大公民知情权的尊重与保障,更是政府积极应对网络舆情、重塑话语权体系的重要手段。(三)掌握话语权的同时更切实保障民众的话语权利作为整体的公众虽然是有力的舆论群体,但作为独立个体的公众则在话语权体系中处于弱势地位。在重构话语权体系时,应避免在话语权争夺中挤占民众的话语空间,侵犯公众基本的话语权利。政府在加强自身话语权主导地位时,应当尊重和保障公众的话语权利,积极回应隐藏在网络言论和网络舆情背后的公众利益诉求,从而形成政府与社会网络话语权体系和谐共生的良好局面,构建以政府为主导的多元合作的网络话语权体系。[参考文献][1Michel Foucault.  The Archeology of Knowledge and the Discourse on Language. New York Pantheon Books1972.2Norman Fairclough.  Discourse and Social Change. CambridgePolity Press 1993. p 63.3Manuel Castells.  Communication Power. Oxford Oxford University Press2009. p 15.4Wesley Tourangeau. Power discourseand news mediaExamining Canadas GM alfalfa protests.  Geo-foru m201891):117-126.5] 张勤. 网络舆情的生态治理与政府信任重塑[J.中国行政管理,20144.6] 张权,燕继荣. 中国网络舆情治理的系统分析与善137 2021 年第 5 期  总第 431 期公共安全 中国行政管理CHINESE   PUBLIC   ADMINISTRATION治路径[J. 中国行政管理,20189.7] 李诗悦,李晚莲. 公共危机网络舆情演变机理:路径及动因——以动物疫情危机为例[J. 中国行政管理,20192.8] 姜胜洪,殷俊. 负面新闻报道中的舆论引导——“山东招远‘5·28’故意杀人案”引发的网络舆论生态透析[J. 新闻与写作,20148.9] 曾润喜,徐晓林. 网络舆情的传播规律与网民行为:一个实证研究[J. 中国行政管理,201011 .10] 余秀才. 突发事件中微博舆论的传播特征与问题——以成都男司机暴打女司机事件为例[J.现代传播(中国传媒大学学报),20164.11 ] 文宏. 网络群体性事件中舆情导向与政府回应的逻辑互动——基于“雪乡”事件大数据的情感分析[J. 政治学研究,20191.12] 刘红波,林彬. 共担还是转嫁:部门间舆情回应失效与风险归责[J. 华南理工大学学报(社会科学版 ),20191.13] 谢金林. 情感与网络抗争动员——基于湖北“石首事件”的个案分析[J. 公共管理学报,20121.14] 党明辉. 公共舆论中负面情绪化表达的框架效应——基于在线新闻跟帖评论的计算机辅助内容分析[J. 新闻与传播研究,20174.15] 孙飞显,程世辉,倪天林,靳晓婷 . 基于新浪微博的负面网络舆情监测研究——针对政府的负面网络舆情研究系列之一[J. 情报杂志,20154.16] 吴鹏,强韶华,高庆宁. 基于SOAR 模型的网民群体负面情感建模研究[J. 中国管理科学,2018 3.17] 尹珏力,陈会英,王家坤. 在线社交网络中的负面舆情信息传播机制及演化博弈分析[J. 情报科学,20204.18] 贾瑞雪,李卫东. 基于社交网络演化的政府形象认知传播机制——以上海“12·31”外滩拥挤踩踏事件为个案[J. 公共管理学报,20182.19] 李华君. 网络舆情危机中政府形象修复的影响维度与路径选择[J. 现代传播(中国传媒大学学报 ),20135.20Mark S. Granovetter. The Strength of Weak Ties. American Journal of Sociology 19736 .  1360-1380.21ZDU Durmu ş o ğ lu. Assessment of techno-entre-preneurship projects by using Analytical Hierarchy Process AHP .  Technology in Society201854. 41-46.22] 姚瑞平,刘祖云. 公权力腐败:理论解释与治理对策[J. 南京社会科学,20144.23]  [美]巴纳德. 经理人员的职能[M. 孙耀君等译 . 北京:中国社会科学出版社,1997.129.24] 刘红波,王郅强. 城市治理转型中的市民参与和政府回应——基于广州市150 个政府热线沟通案例的文本分析[J. 新视野,20182.25] 刘小燕. 政府形象传播的本质内涵[J. 国际新闻界,20036).(责任编辑 郑 捷)Negative Public OpinionGovernment Responseand the Reconstruction of the Discourse Power——Based on Analysis of 1711 Social Media CasesLiu Hongbo Gao XinminAbstractIn the all-media agethe competition for the discourse power has shifted from the offline public sphere to the online social media platform. The original structure of discourse power has been broken. The discourse power of the elitegovernmentand traditional mass media is being dispersedwhile the public intellectuals and the public groups show the rising trend of discourse power. It is important to explore the influence of public participation on the discourse power of governmentwhich helps to control the risk of negative public opinions. In this paperwe sample 1711 public opinion events published on Weibo China version of Twitterto quantitatively analyze the text emotion of typical cases. We found that the public has obvious preferences for negative events about governments. There is a broken window effectin the propagation of negative events and public attention to government response declines over time. In additionthe expansion of comment objectsthe subjectivity of public opinionthe group infection and congregation effect of discourse identity negatively affect the discourse power of the government. In order to realize the government-led multi-discourse power systemwe should pay attention to the reconstruction of internet discourse power.Keywordspublic participationnetwork discourse powerpublic opiniongovernment responseAuthorsLiu Hongbo is Associate Professor at School of Public AdministrationSouth China University of Technology. Guangzhou 510641Gao Xinmin is Postgraduate at School of GovernmentSun Yat-sen University. Guangzhou 510275

[返回]
上一篇:全球系统性金融风险跨市场传染效应分析
下一篇:基于实时信息流的中国宏观经济不确定性测度