网络舆情治理：理论路径与范式转换（下） 来源：《秘书》杂志及微信号“mishuzazhi” 作者： 赵萍丽 徐泱泱 二、网络舆情治理的五大理论路径 （四）技术治理路径 技术治理路径强调依托信息技术对网络舆情进行监测、 预警、研判和应对。该治理路径以满足公众诉求和增进社会 和谐稳定为核心价值导向，以提高网络舆情治理成效为目标， 注重网络舆情治理的技术支持与保障、网络舆情风险治理的 学者从动员和情绪两个维度构建“九宫格”网络舆情治 理象限，发现最理想的治理效果是“动员适度”“情绪恰当”， 在实践中应当把握好“过”与“不及”两种管制尺度。 三、结论与展望：网络舆情治理的 范式转换 网络舆情治理是学界研究的热点议题。全媒体时代背景 下，信息无处不在、无所不及、无人不用，媒体格局的根本 性变化和社会利益诉求的日益多元化使舆论生态治理面临 新的机遇和挑战，这为网络舆情治理研究提供了深厚的现实 上述路径本质上以解决问题为根本导向，聚焦治理实践 的运行机制与实施效果，指向网络舆情治理的操作逻辑。随 着经济社会的发展，这五大路径在治理理念、治理主体、治 理方式等方面都发生了颠覆性变化，呈现为网络舆情治理的 范式转换（见表 1）。在治理理念层面，网络舆情治理目标逐步从应急维稳转 向高效回应。传统的网络舆情治理遵循法治思维下的应急维 稳思路，注重网络舆情的短期遏制，忽视长期治理。不论是 法治治理路径还是市场治理路径，均依赖现有法律法规或组

当前舆情处置中的四种不良范式 来源：微信公众号“舆情観察” 众所周知，能够称得上“范式”，大概率是某一领域内 被广泛接受的“思维框架”或“行动指南”，决定了人们如 何看待、研究和解决特定领域的问题。而不良范式，非但不 能准确地反映实际情况，而且依据其做出的决策，看似在解 决问题，实则因未能触及核心矛盾，往往导致问题反复或衍 生新的麻烦。 揆之舆情，不良范式生动揭示了各级各地社会管理者在 头疼医脸——逻辑错位的“靶向错误”。“头疼医脸”， 指在问题解决中找错了干预对象，把精力投入到与核心矛盾 无关的领域，甚至对“非问题”进行干预，不仅是对舆情本 质的严重背离，也是最伤公信力的不良处置范式。这种思维 误区的核心是因果关系错位，部分社会管理者有意或无意将 “无关因素”当作“关键变量”，本质是对问题的认知存在根本性偏差。“头疼医脸”的危害，在于用错误的逻辑消耗 资源，不仅无法解决问题，还可能因干预方向错误而激化矛 用衍生关联议题转换讨论维度。舆论场复杂多元，法律、立 场、利益、道德、情感等因素会导致议题分化，从原议题中 拆解出一个次要关联点，进而实现议题性质的隐性转换。 是否考虑一下“头疼医臀”？从“头疼医头”到“头疼 医脚”，这些不良范式的共同问题，要么违背“实事求是” 的原则，要么忽视“公众视角”的关切，实际上是没有穿透 表象找到问题的根本原因，而是被症状、情绪或惯性裹挟， 陷入了“表层应对”“表演式应对”的陷阱。这也警示我们：

---在技术底层，独立的 AI 工作负载通过特定计算模式 使人工智能应用能够模拟人类的认知特征，包括理解、决策、 解决问题、创造性思维与自主行动。这些能力本质上对应着人类 学习、思考与得出结论的思维范式。  对于支持研发流程不同的阶段，英伟达（Nvidia）提供 了三种 AI 工作负载类型： ---交互式工作空间（Workspaces），用于数据探索与 模型实验。 ---训 策略。随着持续学习，AI 能够 逐步建立问题与解决方案的对应关系，不断优化其决策建议。这 使网络系统逐步具备自我修复能力，从而减少对人工干预的需求。 ---增强型安全防护：通过突破传统监控工具的分析范式， 显著强化网络安全防御体系。AI 驱动的安全系统能够从上百万 条日志记录与流量数据中精准定位恶意软件或入侵迹象，其检测 速度远超静态规则，且误报率大幅降低。AI 系统通过持续学习 建立行为 训练或推理任务的数据中心环境。现代 AI 的 工作负载（例如训练 GPT-5 等深度学习模型）具有高度分布式 特征，需要在成千上万个 GPU 或专用 AI 加速器上并行运行。 这种分布式的计算范式对连接这些计算节点的网络提出了独特 且严苛的要求。这一新兴网络架构的核心需求包括（但不限于）： ---高吞吐量与低延迟：AI 集群必须在计算节点间实现海量 数据的极速传输。以神经网络（neural

护边界”的错误， 体现出对舆情核心问题的精准把握与法律意识的提升。复旦 张江药企回应“仿制药上市遭拒”时，并未推诿监管压力，而 是以“尊重审评、完善评估体系”展现理性与专业，成为医药 企业典范式回应。宠物医院“狗狗消声术”争议中，负责人及 时删除视频、说明情境与业务范围，回应内容直指误解根源， 止损有效。四川旺苍“产科整合”回应则逻辑严密，兼顾民意 与政策平衡，充分展示基层管理层的理性与专业。港大深圳