突发事件网络舆情研究综述 来源： 新闻世界 作者：徐江 戴元溪等 导读 回顾 2009-2024 年研究突发事件网络舆情的文献，梳 理现有研究脉络，对现有的基础理论、研究方法和影响作 用进行系统总结。通过 CiteSpace 知识图谱软件进行分析， 运用可视图系统展现突发事件网络舆情研究的发文量年限 分布、研究热点关键词和研究热点时间变迁趋势。研究发 现，突发事件网络舆情的学科间的关联性有待加强、研究 2009 年至 2024 年国内学者对突发事件网络舆情研究的文 献资料，使用 CiteSpace 知识图谱软件作为工具进行可视图 的构建，系统分析过去不同领域和不同学者的研究内容和 成果，通过文献分析法对国内突发事件网络舆情的基础理 论、研究方法、影响作用三个方面的研究进展进行归纳和 总结，目的在于帮助学者更加了解突发事件网络舆情的研 究现状和发展趋势，为开展进一步的研究提供参考。 一、国内网络舆情研究文献统计概述 全文数据库。利用高级检索功能设置主题词为“网络舆情” AND“突发事件”OR 文献关键词为“网络舆情”AND“突 发事件”，来源类别为“中文核心”进行检索（检索时间 为 2009 年至 2024 年），最终检索出 536 篇中文文献。在 此基础上对已获取的文献进行进一步筛选和清洗，从样本 里剔除综述型和评述型文献、各年份期刊会议文献、与“网 络舆情”和“突发事件”无关的泛义词等，保证样本数据 的精确性和分析结果的准确性，最终得到

忧情绪在居民群体中蔓延，大量居民通过网络平台集体发声 反对，进而引发社会各界关注，此时，这一事件就可能转化 为舆情。​ 二、管控过严：堵塞沟通渠道​ 在部分地区，当民众借助网络反映诸如基础设施建设滞 后，如老旧小区多年未进行改造，水电设施老化严重影响生 活；教育医疗资源分配不均，偏远地区学校师资匮乏、教学 设施简陋，群众看病难、看病贵等民生问题时，一些相关部 门却采取了删帖、限制发言等简单粗暴的管控手段。这种做 等不当处理方式，导致群众对政府失去信任，进而引发群体 性抗议活动，严重影响了社会秩序与政府形象。政府失去了 通过网络这一便捷渠道了解民情、引导民情、疏导民情的绝 佳机会，无法依据民众的意见对政策进行调整优化，对工作 进行改进完善，这无疑不利于社会的长治久安与和谐发展。 三、放纵不管：引发舆情危机​ 互联网具有开放性和传播的快速性，这使得信息能够在 瞬间跨越地域界限，广泛扩散。若对网络上反映民声、民情、 群众在网络上表达的不满情绪未予重视，未及时进行沟通解 释与问题解决，导致负面情绪持续发酵，最终演变为大规模 的抗议活动，对社会和谐造成极大冲击。​ 四、平衡之策：实现有效管理​ （一）建立健全舆情监测与分析机制​ 政府应充分借助技术手段，构建起全方位、实时性的舆 情监测体系。利用大数据分析、人工智能算法等先进技术， 对网络上关于民声、民情、民生的海量信息进行实时抓取、 汇总与筛选。通过对信息传播路径、热度趋势、情感倾向等

其灵活多变的语言使用方式能够给人带来新奇有趣 的审美体验。一般分为三种类型：1.一般网络用语。主要以 象形、谐音、比喻、缩写等方式表达某种特定意义的语汇， 也包括人们在网络沟通中使用字母、数字等符号进行简化表 达的形式。2.网民自创、流传甚广的网络俏皮话。3.与社会 公共事件相关的网络流行语[1]。 我们探讨的“吃瓜群众”与之前流行的“打酱油”“俯卧撑” 同属于第三类，它们诞生于时事热点事件，并且被赋予了与 语在带来时尚新鲜感的同时，折射出了社会大众的内心感受。 一旦出现便会引起网民们的高度关注，并且极尽所能地在各 种交际环境中寻找甚至自创条件以实现流行语的成功使用。 这种高频的使用方式促使其不断进行扩散，飞速提高着自身 语言影响力。 “吃瓜群众”从某个网友回帖中的偶然出现，扩大到全网 爆炸式地频繁应用，2016 年《咬文嚼字》公布的十大流行语 也将该词收录其中，流行程度可见一斑。 “ 瓜群众”语义不断扩大化的情况下，应该根据不同语境下所指 代的对象进行相对应的翻译[3]。蒋媛春（2017）则从青少年 群体使用的情况入手，发现“吃瓜群众”在自称时为青少年营 造出“主观上不能”或“客观上不是”能够对事物有所担当的责 任人的语用效果，这是正处于成长阶段的青少年群体对于自 我的不确定性时所采取的言语保护措施[4]。这些研究之中虽 可窥视出“吃瓜群众”的一些具体使用情况，但对其进行完整 分析的研究还是较为单薄。

社交媒体提供了关注 (收听 ) 、转发、评论、回复、 私信、对话、邮件分享等互动功能，微博还可以通过“@” 提醒和转发来实现各种形式互动。社交媒体的信息传播，就 像被吹开的蒲公英，向不同的方向进行扩散，最后信息会去 适应用户的需求，落到最合适的土地上。在社交媒体出现之 前，无论是传统媒体还是门户网站，信息传播都是单向且一 步即止的。社交媒体的关系链打通了人际传播的快捷渠道， 只需要一 吹开的蒲公英，向不同的方向扩散，用户也会根据自己的兴 趣对其选择性接受。 随着社交媒体影响越来越大，每个用户都可以成为信息 源头。信息从一个用户账号发出后，多个其他用户账号转发， 以其他用户账号为中心再次进行转发，然后四散扩散。根据扩散速度会分为第一圈层、第二圈层和第三圈层等。这种蒲 公英式放射状传播模式，能有效利用转发优势扩大信息覆盖， 加速信息传播速度和广度。当社交媒体用户转发积累到某个 点的时候（一般来说 公英式传播力。 2010 年，美国一次基于人口统计学方法的调查指出，F acebook、LinkedIn 和 twitter 的用户平均社会关系数目分别为 648、786 和 838。在社交媒体进行信息传播，利用用户自身关系链的影响会辐射到更多受众。这其中，微博类社交媒体 的弱关系链将蒲公英效应发挥到极致。微博的关系链较为开 放，信息依托关系链传播，而不会被关系链封闭住，用户很 容易找到

人”。 站在他们的角度，倾听他们的声音，真诚回应他们的关切。 如一所小学被曝光食堂食品安全问题，家长和公众对此表示担忧。学校尊重家长和学生对意见，立即停止了食堂的运营，并邀请第三方 食品安全机构进行检测。 同时，学校通过家长会和学校网站公布了检测结果，并解释了采取的 改进措施。 通过沟通，学校有效地缓解了家长的担忧，并强化了对食品安全的重 视。 四要行动迅速，做“闪电侠” 互联网时代，信息跑得比兔子还快。 间研判分析，尽快拿出方案，及时应对，尽早控制住舆情扩散，力争 将负面影响降到最小。 拖延只会让问题像滚雪球一样越滚越大。 如一名教师在课堂上的不当行为被学生录像并上传到网络，引起了公 众的愤怒。 学校立即对涉事教师进行了停职处理，并启动了内部调查。 学校通过新闻发布会向公众说明了事件的严重性，并承诺将采取严厉 的纪律措施。 学校的迅速和坚决行动得到了公众的认可，减少了对学校的负面影响。 五要稳定预期，做“定 得不到稳定的预期，舆情就容易升级。 要做好统筹协调，明确固定的信息发布人、发布时间和发布渠道，统 一数据和来源，对同一问题的解释说明应保持连贯性和一致性。 如果有变化，应公开坦诚说明原因。 对于需要时间进行调查研究、不能尽快给出结论的问题，如果只是简 单地说正在调查，公众不知道等待的时间长短，感受到不确定性，自 然很难满意。 应明确相关工作的时间节点，有序发布阶段性信息，稳定公众预期。 如有所学校

市对人工智能时代 “为谁培养人”“培养什么人”的政策诠释。 2．以人为本为所有人赋能 《蓝皮书》引用联合国教科文组织、教育部和北京市等有关 人智能赋能教育的指导文件，对“以人为本”的应用原则进行了本 地化的解读，主张对人工智能的评判、选择和应用应以服务于人 的能力建设为目的；以保护人的能动性、尊重人的基本权益、倡 导语言文化多样性为前提；追求人工智能应用过程的包容性原则， 尤其强调 并 汇聚教育教学流程中的行为轨迹与发展数据，生成基于大数据的 学生立体智能画像。同时借助可视化的智能动态数据，可进行发 展性的诊断分析和针对性服务，实现更客观、全面和及时地评价。 围绕以“智”助评的实践环节，当前应用场景较为有限，有部分 学校在尝试使用人工智能技术来辅助进行“五育融合”学生画像、 综合素质评价、学生评估等方面探索，试图通过技术将“人的全 面发展”转化为可测量、可干预的数字化路径，尝试逐渐破解现 智能技术为其精准匹配合适的教育资源（如教学视频、课程课件、 习题、教学图片、教材教法的论文、课例等）。其核心技术是利 用协同过滤、深度神经网络、强化学习和大模型等算法，首先对 教师备课的显性需求与隐性行为进行多维建模以形成教师备课 需求特征，并解析教育资源属性（如知识点、解题技巧、难度标 签）构建资源内容特征；然后，基于教师需求特征，设计与资源 内容特征语义匹配机制以及多目标优化策略，对候选教育资源进

ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （五） ] 不过，这并非是解决问题的良策。如果网上大部分文本都是 AI 生成的，而用合成数据训练的大模型会发生什么？ 大模型开发需要更多数据进行训练，而由 AI 生成的合成数 据很快进入了训练新模型的数据集，并随着每一代模型而不 断积累。越来越多证据显示，人工智能生成的文本，即使被 引入训练数据集的量很少，最终也会对训练中的模型产生 是有关豺兔的一堆胡言乱语。[3]英国牛津大学机器学习研 究员伊利亚·舒迈洛夫及其同事称这种现象为“模型崩溃”。 萨卡尔及其在西班牙马德里和英国爱丁堡的同事，用一种名 为扩散模型的 AI 图像生成器进行了类似实验：第一个模型 可以生成可识别的花朵或鸟类，但到了第三个模型，所生成 的图片就变得模糊不清了。研究人员不得不寻找没有被污染 的训练数据。随着 AI 生成的内容充斥互联网，它正在破坏 未来大模型训练的数据。 未来大模型训练的数据。 如今，人工智能已经强势侵入人类的互联网，极大地改 变了网上文本和图像的生成和传播系统。牛津大学、剑桥大 学、帝国理工大学、多伦多大学研究人员发现，使用 AI 合 成数据训练 AI，在进行 9 次迭代后，模型开始出现诡异乱码进而直接崩溃，相关研究论文登上 Nature 封面。[4]研究人 员发现，如果大模型在数据训练中不加区别地使用 AI 生成 的内容，模型就会出现不可逆转的缺陷——原始内容分布的

（一）互联网海量信息持续高速增长，增加了预判和控 制的难度 互联网上的信息量十分巨大且在以极快的速度增长，我们难以将互联网信息作为一个整体来分析和理解，网络空间 内的某些信息似乎“有生命”，可以像病毒一样进行自我复制， 自我营销。互联网理论家耶夫根尼·莫洛佐夫（Evgeng Morozov）警告说：“在互联网环境下，信息的快速传播激发 了民众参与政治活动的热情。但是由于个体差异，很多人只 能浅层 险性小，但是规模更大且非常难以控制，这种“公民不服从” 行动更具危险性和颠覆性。部分学者认为，Telecomix 和 Anonymous 等组织进行的黑客活动是“公民不服从”的一种表 现形式。面对“基于互联网的公民不服从行为”，美国政府通 过多种手段进行反击，比如起诉 Anonymous 核心成员杰瑞 米·哈蒙德（Jeremy Hammond）和巴雷特·布朗（Barrett Brown）, 基于互联网的公众合作可将一些曾经隶属于国家的垄 断权力下放给公众，例如 Ushahidi 平台使地图绘制和大数据 相关工作“民主化”。通常情况下，这些平台的管理团队都远 离灾难发生地，但利用事件亲历者提供的一手信息进行地图 绘制和信息收集工作并从中受益，而处于灾难中的数据提供 者很可能永远不会从他们所报告的事件中受益。因此，像 Ushahidi 这样的数字地图和类似的创新平台是一个“破坏性 创新者”，它推

了新时代的文 化生态、传播景观。 对比分析：社交媒介内容生态特点 （一）传播模式：全民参与，建构交互关系 传统媒介传播通常采用单向的线性传播模式，信息由传 播者传递给接收者，再通过特定渠道进行反馈，但反馈的即 时性较弱，机会也较少。这种传播模式常见于从上到下、从 专业到非专业的权威（专业）传播中，虽然具备一定的广泛 性和权威性，但缺乏互动，受众的参与感不强。 社交媒介的传播强调全 （二）受众角色：参与内容生产和分发 传统传播中，受众是“想象中的受众”，是模糊的、不 确定的大众概念，其内容创造力和传播力也被限制。而在社 交媒介中，受众则从“想象受众”变为“量化受众”。他们 按自己的表达欲和资源储备进行内容呈现，较少受到他人的 限制。 在内容分发过程中，一方面在算法推荐环境下，受众及 其行为被标签化和量化以改善算法体验，从而使得算法收集、 分发的内容更贴合人的需求；另一方面，意见领袖等具有一 尤其当迷因戳中受众痛点，极易引发集体共鸣。迷因状态下， 现实中的种种情绪、心理等，会在虚拟的社交媒介中进行话 语场的叠加，以大众狂欢的形式表达集体宣泄，增加舆论引 导难度。 社交媒介内容生态中热搜的量化分析 以上分析显示，社交媒介中的内容生态多元且复杂，对 舆论生成和引导带来了深刻影响。为进一步揭示内容生态特 质，本文将进行量化分析。（一）样本选取 本次研究选取了 2024 年 10 月 1 日到 10

及时与产生危机的消费者进行良好沟通。哪怕责任不在企业，都要留有余地，以 免引起消费者误解，要体现企业的大度。 敢于接受，完善自我 网络危机的发生如果企业能处理得恰到好处，往往这种企业危机会变成企业 的生机。在进行企业危机处理后，企业可以借势做好善后事宜，如恢复消费者、 社会、政府对企业的信任。借着前期社会关注较高的危机机会，企业完全可以加 大在当地主流媒体进行品牌形象和企业形象的宣传，让更多的人知道并了解企业