打开文本图片集
随着现代社会各个领域的关联越来越复杂，社会系统的脆弱性也越来越大，导致近年来我国各类危机事件的频繁发生。危机事件往往具有时间紧迫、事态发展迅速等特点，若不及时有效的应对，后果严重。由于互联网上的信息形式多元、方式互动、传播迅速，因此，在危机事件的出现和进展过程中，网络信息的传播对事态走向和政府决策影响巨大。比如近年来的厦门PX事件、山西“黑砖窑”事件、杭州市飙车案等一系列事件都体现了网络信息传播的巨大力量。但是，由于互联网上信息生产者和传播者身份的隐蔽性，并且政府缺少有效的监督技术和方法，使得互联网上容易出现庸俗、灰色的言论。同时，网络谣言也有增多的倾向，容易造成群体的盲从与冲动。因此，如何更好的分析和掌握基于网络信息载体的危机事件传播规律，为政府对危机事件的监控和管理提供理论依据，已成为一个亟待解决的问题。
目前学术界对危机事件信息传播的研究，主要是运用心理学、社会学、管理学和计算机科学等领域的理论和方法来分析信息传播的主体特性、环境因素、过程、情感倾向、引导政策和热点主题挖掘等等，而对各种关系复杂、规模庞大的危机事件的网络信息传播群体和传播机制研究较少。由于互联网传播信息的快捷和方式多样，使得传播群体呈现出更为复杂化和动态化的特征，传统方法更难从互联网海量信息中发现潜藏的群体特征和行为规律，特别是在对危机事件的事态发展状况的预测和控制上捉襟见肘。这主要是，传统方法对3个重要问题研究不足：（1）如何从危机事件的网络传播特性出发，抽取网络信息的传播群体？（2）如何分析这些传播群体的结构和行为演变规律，并提出相应的组合干预措施？（3）如何发掘传播群体中的重要角色和持不同观点的派系，以对危机事件进行更好的引导和控制？
信息在人与人之间的流动性和舆情观点的形成容易受他人的影响，说明可以使用社会网络（Social Network）的方法来研究危机信息在互联网上的传播。因此，本文将提出一个基于社会网络的危机信息传播研究框架，将危机信息在网络上的传播群体作为主要研究对象，将危机信息传播的主体、传播渠道、传播行为和影响因素等要素有机整合到一个框架体系内来，预期在对危机信息传播的规律及控制方法上有实质性的突破，以寻求对上述3个问题的解答。同时，本研究框架将为政府科学、高效、有序地分析和管理危机信息提供决策参考，提高政府对危机事件的预测能力和应急处理能力。
近年来，不少学者从社会学[1-2]、政治学[3]、传播学、生态学[4]等角度对互联网上信息传播的引导和控制进行了研究；还有学者从互联网危机信息的采集[5-6]、内容分析[7-8]、舆情监控系统[9]等方面来研究信息传播的预测和监控技术。这些研究为危机事件的网络信息传播提供了有价值的理论成果，但是较少涉及到各种关系复杂、规模庞大的传播群体，使得难以有效监控和分析这些群体的信息传播行为，难以及时有效地从传播主体和传播途径上提出具体的危机应急处理方案。
社会网络的方法从危机信息的传播群体这个角度入手，通过对传播群体的特征、结构和行为机制的解析来研究危机信息的传播与控制，成为一个可能的突破口。首先，对危机信息传播的主体即网民所构成的群体进行社会网络建模，以数学形式描述群体关系，便于理解其内在机理并进行特征分析，也为不同传播渠道上的各类舆情传播动力学行为研究提供了基础平台；其次，利用社会网络分析方法（Social Network Analysis，SNA）对群体进行结构测度，可以研究群体的结构对群体功能或者群体内部个体的影响，并帮助角色挖掘和派系分析，探寻危机信息传播的关键人物和骨干网络；最后，在网络模型上的群体动态演变行为则反映了危机信息传播群体的演变过程，它从一定程度上揭示了危机信息传播的规律。因此，本文认为：以危机事件的网络信息传播群体为主要研究对象，运用社会网络的结构分析范式来对不同传播渠道上的危机信息传播网络和传播行为开展研究，可以很好的理解和解释危机信息传播规律。据此建立了基于社会网络的危机信息传播的研究框架（如图1所示）。
1.1危机事件的发展过程
危机事件的持续时间是指从危机潜伏到危机结束所经历的时间。根据网络中危机信息的扩散模型分析，持续的时间越长，危机信息源就越多，越容易产生新的信息，引发群体的恐慌和盲从[10]。Steven Fink在1986年提出了危机信息传播的四段论模式：危机潜伏期、危机突发期、危机蔓延期和危机解决期[11]。
由于危机事件本身的发展存在一个过程，所以对于危机信息在互联网上的传播也存在阶段性，不同的危机期所传播的信息在数量和质量上有明显的不同。所以，需要将危机事件的发展过程引入到基于社会网络的危机信息传播框架上来，对各个危机阶段的信息源、信息类型、信息传播特点进行研究。
1.2传播主体
危机事件信息在互联网上的传播，主要涉及三类传播主体：
1.2.1普通网民
互联网环境下的各类新媒体和自媒体的出现，使得网民在危机事件的信息传播中，既是信息传播者也是信息接受者。受众从媒体途径知情信息与议题， 并积极给予自己的内容表达，将其体验内容与议题发送到媒体上，给予后续受众。可以发现这是一种“多对一，一对多”的关系，形成的传播系统比链式反应更迅猛[12]。
1.2.2把关人
“把关人”的概念是由美国社会心理学家、传播学四大先驱之一的库尔特·卢因率先提出的。他指出，在群体传播过程中存在着一些把关人（gate keeper），只有符合群体规范或把关人价值标准的信息内容才能进入传播的渠道。在危机事件的信息传播中，主要的把关人是政府、媒体和互联网服务运营商。政府作为把关人的主要作用是及时地发布权威、公正的信息，满足公众信息需求。因为，在公共危机中，公众最希望在第一时间获得有关信息，如果公众无法从政府渠道获取，各种流言就会通过多种渠道迅速传播。流言的传播具有快速性、失真性、放大性的特点，可能引发社会的普遍恐慌，加剧事态的恶化[13]。同时，政府还应对舆论进行引导和控制，制止谣言的传播扩散。媒体作为把关人的主要作用是通过环境守望、舆论缓释和社会反思来对公共危机信息进行监督[13]，对社会不良情绪进行减压。互联网服务运营商主要指互联网基础设施服务商（如中国电信）和软件服务商（如新浪、腾讯），他们在政府的监管和引导下，针对危机事件中出现的不良信息和非法用户，通过禁止发言、关闭评论、封锁帐号等行为，有效制止网络谣言。
1.2.3造谣者
在危机事件的传播中，还存在一些不法分子在互联网上散播谣言，加重危机事态，对社会带来重大的负面影响。如何识别出这些不法分子的重要人物（如谣言传播的始作俑者），或是群体（如网络水军），成为亟待解决的问题。
1.3传播渠道
危机事件的信息传播以大众传播为主，互联网上传播渠道主要有即时通讯工具（如QQ、MSN）、电子邮件、门户网站、网络论坛以及社交网络（如新浪微博、人人网）等等。这些传播渠道不仅有传统的网络媒体，更多的是新兴的自媒体，使得用户获取信息的方式多样化，能让用户自己快速的生成信息并在多个渠道上同时传播。所以，不仅需要对单一的传播渠道进行研究，还需要描述和表示危机事件信息传播过程中各种渠道之间的相互作用和影响。
1.4传播行为
危机事件信息扩散网络中，各个行为主体对于危机事件的认识和倾向的不同导致了他们不同的行为（如发布、评论、转发等），这些行为成为了这些主体具有与其它主体连接的驱动力。网络的形成依赖于众多主体的连接决策，危机中的公众是由于个人通过观察他人的行为来调整自身预期而产生一致的群体行为。目前有关危机事件信息传播网络的研究较少考虑主体的这种策略行为以及传播网络形成演化如何受主体策略行为的影响，因此难以解释危机事件的信息扩散和观点演化的内在驱动力，从而也无法根据宏观层次上网络结构的变化来提供对微观层次上主体行为的引导控制建议。所以，需要研究解决如何定量刻画主体传播行为的问题，并实现对主体策略行为和网络结构相互影响的整合。
1.5影响因素
根据传播说服理论，影响信息传播意愿和效果的因素可划分为三大类：来源特征、传播内容特征和接受者特征。危机事件信息传播也属于信息传播的一类，所以其影响因素也可以考虑分为如下三类：
1.5.1来源特征
来源特征的专业性、可靠性和客观性3个维度均影响危机信息的传播意愿和传播效果。在来源特征的研究中，谣言扩散理论认为来源可信度对受众的再传播和扩散谣言的行为意愿具有正向的影响[14]。来源的专业性是指信息发送方让信息接收方所感受到的能够提供正确信息与表现出专业行为的能力。客观性是指接受者对传播者的公开性、公正性和中立性（不带有主观偏向）的评价与感知[14]。
1.5.2传播内容特征
危机事件的信息传播内容特征主要是危机事件的类型、危机编码和解码、信息格式以及噪声。不同类型的危机事件，其对外传播的动力差异较大，比如公共性很强的危机事件容易被公众关注，并且易于迅速传播[15]。危机编码指危机处理组织对外公布危机信息所采用的方式、策略等内容。危机解码是公众对危机信息进行解读的过程。解码过程受到公众的背景信息的影响。危机编码和解码的好坏会直接影响危机事件的信息接受效果[15]。信息格式是指文字、图片、音频、视频等不同的类型，有着不同的传播速度和吸引度。噪声是妨碍危机信息传播并能够造成信息失真的干扰因素，它存在于危机传播中的任一环节。如不准确的沟通语言、难以辨认的字迹、不合实际的举止、小道消息、谣言等，这些都属于噪声。噪声能够降低危机信息传递的有效性，使得危机发送与危机接收之间产生较大的差异[15]。
1.5.3接收者特征
每个接收者受到个体特质（如职业、教育程度、年龄等）、心理因素（如危机恐惧感知、对政府媒体信任倾向、防备心态等）和社会环境等因素的制约，进而影响他们接受信息的效果。根据CNNIC的报告[16]，2011年6月，中国网民规模达到485亿，中国互联网已经走过高学历人群普及阶段，大专及以上学历人群网民普及率已经超过90%，互联网正在向高中、初中等学历人群扩散，低学历人群的网民不断增加。同时，低年龄层的网民数量也大幅增加。这使得在危机事件中，网民缺乏社会经验，考虑问题不成熟，更容易冲动，产生群体极化，互联网也容易出现庸俗、灰色的言论。
2.基于社会网络的危机信息传播的研究框架的分析步骤和主要内容本框架以危机事件的网络信息传播群体为主要研究对象，运用社会网络的结构分析范式来开展研究，最终目的是为了理解和解释危机信息传播网络以及构建基于这些网络结构之上的传播行为。因此，本框架的分析步骤是通过采用“结构一功能主义”的系统观点对传播网络进行整合分析：首先，对危机事件的发展过程、信息传播渠道和影响因素进行了分析，掌握危机信息传播的特征；其次，从结构角度来研究传播主体所形成的传播网络，剖析网络结构、关系和个体的要素组成及要素间作用机制；再次，从系统表征与功能作用入手，分析特定的传播网络结构下的传播行为。最后，利用实例数据和原型系统对理论进行检验。具体的分析步骤和主要内容如图2所示：图2如何建立基于社会网络的危机信息传播框架
2.1危机信息的传播特征和影响因素
危机信息传播具有信息来源广泛、信息流巨大、渠道多样、传播迅速等特点。首先，应与各级政府、组织和机构紧密合作，获取危机案例，并通过网络获取大量的各类危机事件的网络信息传播的具体案例，建立数据集和事例集。然后，利用真实危机事件的数据分析、时空分析和事件演化分析方法，剖析危机事件的发展过程及对应的关键要素、信息传播的渠道特征、路径规律等，为危机事件网络信息传播规律和控制模式奠定基础。最后，通过实证的方法研究危机信息传播的影响因素（来源特征、传播内容特征和接受者特征）。
2.2危机信息的传播主体研究
2.2.1危机信息传播的主体网络构建
危机事件在不同的生命阶段和传播渠道中，表现出各异的传播网络结构和特征。因此，需要研究危机事件网络信息传播中行为主体（网民）的特征、行为模式，以及主体间的关系搭建的内在驱动力。以此为基础，针对不同粒度级别的危机事件信息扩散网络进行抽取，并结合危机事件特殊的信息传播特征，研究传播网络的节点分布状况、链接关系，引入合适的参数，实现节点特征的形式化描述和链接关系表达式，提出支配网络化过程的算法，从而构建危机事件信息扩散的主体网络模型，作为下一步研究的基础。
2.2.2危机信息传播的重要角色挖掘
实施对网络关键节点的有效引导，可以更好的控制危机事件的信息传播。SNA首次出现于20世纪30年代末，它用于描述和测量行动者之间的关系或通过这些关系流动的各种有形或无形的东西，如信息、资源等[17]。因此，作为分析信息交换的一种方法和系列化的技术手段[18]，SNA可以适用于互联网信息传播的研究。SNA对网络结构的分析主要分为基于代数模型的定量分析和图论的图形分析[18]。SNA已有的基于个体分析的主要指标有：程度、中心度、结构空洞等，它们反映了整个网络的规模、聚合程度和有效性；已有的基于整体分析的主要指标有：网络密度、网络中心度、网内亲近度、网外亲近度等，它们反映了整个网络的规模、聚合程度和有效性。因此，需要针对危机事件的特征，使用SNA方法和UCINET软件，设计一套动态的综合测度算法来测度危机事件信息扩散网络中节点（集）的重要性，并据此来对危机信息扩散网络中的重要角色进行分类及其特征研究，探寻危机事件信息传播的发起人、意见领袖、把关人等关键人物。
2.2.3危机信息传播的派系分析
随着危机事件在网络上的传播，持相近观点的人容易聚集成一个个群体，并不断发展成独立的派系。这些派系极大的左右着网络主流观点，影响危机事件的事态发展，特别是“网络水军”和敌对组织更需要我们进行识别和控制。SNA已有对小群体（clique）、同位群（block）、社会圈（social circle）以及网络中识别群结构的算法的分析方法，比如层次聚类算法（hieratical clustering algorithm）和谱分析（spectral analysis）方法以及基于边的介数的方法等[19-20]。因此，需要在SNA方法的基础上，研究网络的聚集系数和分层结构特征，提出基于分层聚类的危机事件信息传播网络的群识别算法，进行信息传播的骨干社团挖掘。还可以研究网络不同群规模分布下的群体压力、群体极化、群体互动，以及其对个体态度和观点的塑造和演变。
2.3危机信息的传播渠道研究
2.3.1危机信息的传播渠道整合
危机信息传播渠道不再是单一的网络，而是多种网络的结合。但目前的研究局限在单一信息传播渠道（如博客、电子邮件、网络论、P2P系统等）上，并不能很好地反映危机事件本身传播的特征规律。因此需要考虑危机信息传播途径的多平台、异构性等特点，引入合适的参数，来描述和表示危机信息传播过程中各类传播渠道之间的相互作用和影响。
2.3.2危机信息传播的关键路径控制
危机信息传播有多种扩散渠道和扩散路径，需要根据SNA的方法和信息流特征，对实际网络信息进行数据分析和仿真实验，分析信息扩散的路径规律，建立一套有效的探寻危机信息传播的关键路径的算法，从而有效地阻断、截流危机事件的网络谣言，对网络信息进行正确的疏通引导，提高政府的网络信息控制能力。
2.4危机信息的传播行为研究
综合复杂网络模型和传播模型对危机事件的信息在互联网上的扩散过程进行网络动力学建模，建立危机事件的信息扩散模型，并将危机信息传播的重要实际特征如主体行为机制、信息扩散过程中的时延情况、多路径扩散的冲突情况等纳入到信息扩散模型中来。用计算机仿真的方法，研究信息扩散过程中的重要参数（初始节点分布、活跃节点比例、传播率、危机程度等），把握信息扩散控制的关键所在。此外，建立网络结构和主体行为机制的动态耦合模型，着重考察信息扩散主体的态度倾向、下级传播节点选择策略和实时动态反应这些微观行为机制对危机事件信息扩散网络结构和扩散行为的影响，以优化危机事件预警的信息发布模式和增强危机信息传播的引导控制能力。
3.总结
本文综合运用社会网络理论、传播理论和信息行为学等理论和方法，将危机事件信息传播的主体、传播渠道、传播行为等要素有机整合到一个框架体系内来，预期在对危机事件的信息处理、实时监控、应急决策上有实质性的突破，具有重要的理论意义。同时，该框架对危机事件的网络信息扩散与控制的研究既可以把握灾情、人群心理情绪等方面的变化，又可以对人群心理和行为的演化产生巨大的作用力，对于向人群传递事件真实情况、避免恐慌具有重要的意义。因此，本框架提出为政府科学、高效、有序地分析和管理互联网信息提供决策参考，提高政府对危机事件的预测能力和应急处理能力，具有重要的实际应用价值。
参考文献
[1]毕宏音.舆情视野中的网民上网行为分析[J].广西社会科学，2007，（4）：157-160.
[2]张丽红.从网络舆情传播的角度谈文化安全[J].社科纵横，2007，（2）：129-131.
[3]徐晓日.网络舆情事件的应急处理研究[J].华北电力大学学报：社会科学版，2007，（1）：89-93.
[4]袁志秀.基于生态学的信息传播模式[J].情报杂志，2005，（3）：14-16.
[5]赵颖斯，刘云.BBS舆情系统的数据采集方法[J].电信快报，2008，（12）：22-24.
[6]Alberto HF，Laender，Berthier A，et al.A Brief Survey of Web Data Extraction Tools[C].ACM SIGMOD Record，2002，31（2）：84-93.
[7]黄晓斌，赵超.文本挖掘在网络舆情信息分析中的应用[J].情报科学，2009，（3）：74-79.
[8]曾依灵，许洪波.网络热点信息发现研究[J].通信学报，2007，28（12）：141-146.
[9]许鑫，章成志.互联网舆情分析及应用研究[J].情报科学，2008，26（8）：1194-1204.
[10]魏玖长，张岩，任轶群.危机事件新闻报道数量的时间演变模式研究[J].图书情报工作，2009，52（11）：57-74.
[11]Fink S.Crisis Management：Planning for the inevitable[M].New York：American Management Association，1986：34-36.
[12]顾明毅，周忍伟.网络舆情及社会性网络信息传播模式[J].新闻与传播研究，2009，16（5）：67-73.
[13]李春华，龙厚仲.公共危机信息传播模式及其运行[J].中国人民公安大学学报：社会科学版，2010，（5）：23-27.
[14]陈明亮，章晶晶.网络口碑再传播意愿影响因素的实证研究[J].浙江大学学报：人文社会科学版，2008，38（5）：127-135.
[15]魏玖长，赵定涛.危机信息的传播模式与影响因素研究[J].情报科学，2006，24（12）：1782-1785.
[16]CNNIC.2011年中国互联网网民调查报告[EB/OL].http：∥qing.weibo.com/tj/7b7f1c3833000c16.html，2012-01-17.
[17]Burt RS，Minor MJ.Applied Network Analysis：A Methodological Introduction[M].Beverly Hi11s：Sage，1983.
[18]Francesco Martino，Andrea Spoto.Social Network Analysis：A brief theoretical review and further perspectives in the study of Information Technology[J].PsychNology Journal，2006，4（1）：53-86.
[19]Newman M.Detecting community structure in networks[J].Eur.Phys.J.B，2004，（38）：321-330.
[20]Clauset A，Moore C，and Newman M.Hierarchical structure and the prediction of missing links in networks[J].Nature，2008，（453）：98-101.
（本文责任编辑：马卓）