来源： 政治传播研究

众声喧哗、群体极化的网络舆论给治理者带来严峻挑战，而大数据资源和技术将驱动舆论研究方法的革新，进而影响舆论引导机制的转变，并促进政府将“民意”作为一种强大的治理工具。大数据思维及善治理念下的舆论引导应从“单向设置媒体议程”转向“主动回应公众议程”，从“表层信息控制”转向“潜在情绪引导”，从“运动式意见治理”转向“对话式凝聚共识”。大数据舆论研究应服务于社会心态调适、社会风险管理、公共决策协同等国家治理目标。

随着互联网、物联网、传感器、云计算等数字化存储传输技术的发展，人类已经进入数据化生存时代，社交媒体上的公共表达、网络搜索、消费记录等信息都被数字化记录和存储，构成海量、多样、变动、真实的大数据。哈佛大学教授加里·金认为，大数据是一场“革命”，它将改变社会各个领域的发展方式和进程，“无论学术界、商界还是政府，所有领域都将开始这种进程”。[1]如今，发展和应用大数据已经上升到国家战略层面，被赋予提升国家治理能力的重要使命。2012年3月，美国政府公布“大数据研发计划”，旨在提高和改进人们从海量、复杂的数据中获取知识的能力，发展收集、储存、保留、管理、分析和共享海量数据所需要的核心技术。2015年8月，我国国务院印发《促进大数据发展行动纲要》，提出未来5—10年大数据发展和应用于实现的目标，旨在建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制，推动政府管理理念和社会治理模式进步。

从新闻传播学的角度看，以论坛、微博、微信等社交媒体平台为代表的传播大数据，既催生了活跃的网络舆论场和网络舆论研究的新范式，也给国家治理带来了新的压力和挑战。舆论关系着社情民意和社会稳定，既是国家治理的重要对象，又是提升政府治理能力的有效手段，还是评价国家治理成效的关键指标。自2003年起，大量网络群体事件井喷式地涌现出来，互联网在民意表达和舆论形成中发挥了重要作用，[2]网络舆论“众声喧哗”、“群体极化”等特征，赋予了民众前所未有的公共表达空间，也成为倒逼政府信息公开和依法执政的重要动力。如何利用大数据资源和技术优化网络舆论的引导机制，提升和促进国家治理能力的现代化，是本文试图探讨的问题。

一   大数据驱动网络舆论研究方法的革新

自李普曼所著的舆论学奠基之作《公众舆论》问世后，“舆论”就成为政治学、传播学中的研究热点，而近十多年来在新的媒介环境、政治环境和社会环境等多重因素刺激下，网络舆论更是成为传播学、情报学、政治学、社会心理学、管理学等多学科的研究显学。网络舆论的复杂性、割裂性、变动性给研究者和治理者带来严峻挑战，而大数据资源及分析技术则将为网络舆论研究提供新的路径。

（一）数据采集与抽样方法的转变

1936年盖洛普采用定额抽样方法，仅抽选3000个调查样本就成功预测了民主党候选人罗斯福当选，此后，基于抽样方式的民意测验作为一种科学有效的调研方式被社会普遍接受和认可。民意测验内容也逐步从对候选人的评价扩展到公众对社会、政治、经济、环境等各类公共议题的态度和意见，成为科研机构和政府部门了解社会舆论的重要方式和手段。但这种通过问卷、电话访问获取数据的方法，也存在一些局限与弊端：一是成本高、耗时长、抽样难度大，在突发公共危机事件的舆情调研中具有不可避免的滞后性；二是数据来源于被调查对象的自我报告，数据真实性受到被调查者作答意愿、记忆程度、认知偏差等因素的影响；三是数据结构单一，从抽样调查的数据量以及解释的单一化层面上来说，都存在着缺陷。[3]

大数据给舆论监测和研究带来的重要变革之一是数据生产方式的改变，即人们“无意间”的网络行为成为了新的数据来源[4]——人们不是在被调查时表达观点和态度，而是在网络表达、交易等自然状态中呈现其观点和行为。这种自然状态下生成的数据为舆论研究提供了前所未有的便利，研究对象也从“抽样”转向“总体”，而不必受数据获取的时间和成本限制。无论是社交媒体上的表达行为，还是网络搜索行为，或者是新闻阅读行为等，都被以数字化的形式实时记录，为网络舆论研究提供了海量、多样、变动、真实的大数据。

需要注意的是，大数据中的“全样本”不能等同于人口普査中的“全样本”，因此对其代表性和可信度需要有客观认知。[5]网络传播大数据虽然不是传统意义上的全样本，但利用其进行研究仍具有多重意义。首先，不是所有研究都需要覆盖全体公众，网络舆论场的热点议题、传播规律、网民心态、网络舆论主体等研究问题主要针对网民，针对某一网络热点事件、某一网络媒体的全数据进行挖掘，也能在一定程度上呈现网络舆论的特征及生态。其次，伴随我国网络使用的普及率日益提高，依托网络人群进行分析可大体覆盖中青年主流群体。截至2015年6月，我国网民总数已达6.68亿人，互联网普及率为48.8%，如果需要了解青少年公众的网络社会心态，则通过大数据方法来做监测和研究比较富有代表性。再者，大数据的样本总体规模非常大，一定比例的个体信息噪音不会影响总体结果，只要对其数据抓取的渠道、来源及结构性特征有整体把握，加之通过数据抓取关键词的精准设置、算法优化、数据清洗及多维信息匹配等方式进行处理，可以大大提高数据的信度和效度。

（二）网络舆论测置维度的多元化

从实证研究的角度看，大数据不仅方便了网络舆论的数据获取，更重要的是蕴含了与传播内容、传播心理、传播行为、传播关系等相关的多维度信息，为我们更大范围、更加全面地洞察“舆论景观”提供了新的机会。

学者陈力丹认为，舆论的表现是多样的。以言语形式的表达，构成显舆论；以情绪形式的表达，构成潜舆论；以规模行为的表达，构成行为舆论。在他看来，“潜舆论”不是一般的纯粹个人的情绪性意见，它预示着多数人的预存立场，并有可能进一步形成显舆论。[6]网络传播大数据，对监测和研究这三种舆论均有积极作用。

1.显舆论

英国《大不列颠百科全书》将舆论定义为“社会上值得注重的相当数量的人对一个特定问题表示的个人意见、态度和信念的汇集”，学者罗坤瑾综述前人有关“舆论”的各种定义后认为，“网络舆论是在互联网上传播的对某一焦点事态所表现出的多数人的有一定影响力的共同意见或言论”。[7]可见，学术界对舆论的界定主要包括“公开谈论的焦点议题”和“有影响力的意见表达”两个方面，可称之为“显舆论”。

互联网的兴起打破了传统媒体的话语垄断，对整个舆论生态的改变具有颠覆性意义，公众可以在网络舆论场中活跃表达，而不必被主流媒体所建构的舆论所代表，也不用过度考虑“意见气候”、进而退缩为“沉默的大多数”。更重要的是，网民所有的意见表达都可以被数字化记录、保存和提取，成为可供分析的舆论数据，如BBS、微博、微信、新闻跟帖等UGC平台上留下了数以亿计的“意见”数据，搜集、提取、分析、呈现这些数据便可研究舆论。具体来说，我们可以通过机器学习、语义分析、社会网络分析等手段，描述网络舆论场中的议题分布（热门词、关键词）与意见分布（支持/反对/中立），以及从历史角度追溯其议题与意见分布的变化。[8]

2.潜舆论

除“显舆论”外，“潜舆论”在网络舆论的生成和演变中也十分重要，一个热点新闻事件加上一种强烈的情绪表达，就可能成为点燃网络舆论的导火线，甚至会引发网络群体性事件或线下抗争行为。曼纽尔•卡斯特在《愤怒与希望：网络时代的社会运动》一书中提到，社会化媒体促使社会运动，不仅和个人经历相联系，在传播过程中也和情绪相关。[9]比如近年来躲猫猫（2009年）、宜黄拆迁（2010年）、“我爸是李刚”（2010年）、郭美美“红会炫富”（2011年）、“表哥”杨达才（2012年）、李天一案（2013年）等网络热点事件，戏谑、愤怒、怨恨等负面情绪激发了网友的普遍关注和批判行动。

在上述网络热点事件中，网络社交媒体不仅是观点的“集散地”，也是情绪的“发泄场”，网民通过文字、表情符号、恶搞图片等方式进行情绪性意见表达。运用网络情绪的分析工具，可以将这些非结构化的情绪型舆论转化为可以量化的结构化数据，以便准确测量某一热点事件或话题中的情绪倾向。国外的在线文本情感分析工具相对比较丰富，比如General Inquirer、Opinion Finder、GPOMS、Lingusitic Inquiry and Word Count(LIWC)等，但国内针对中文在线文本的情感分析则缺乏比较成熟的分析工具[10]。比较而言，由Pennebaker教授开发的多语言文本分析工具LIWC，有中文版本，是目前用来作为中文网络文本心理分析较为理想的工具。通过LIWC文本分析，可以比较快速地输出愤怒、焦虑、悲伤、积极情绪等分析指标，且可根据网络舆论分析的需要增加新的词汇。

情绪词语料库是所有在线文本情感分析工具的核心，研究时需要结合具体网络环境及语态更新词库，同时结合专业编码员人工分析进行可靠性检验，使机器分析更加智能、准确。如赖凯声、陈浩等学者在扩充微博情绪词库时，充分考虑了带有情绪色彩的中国网络流行词语，如“杯具”、“有木有”、“吐槽”等，剔除了如“汗”这类容易出现歧义的词汇。[11]此外，表情符号也可以转化成文本，一些研究者为此开发了国内第一个以表情符号为依据的微博情绪监测系统，其主要思想是利用表情符号将微博文本的情感倾向标注为4类：愤怒、厌恶、高兴、悲伤。[12]桂斌、杨小平等学者则利用表情符号将微博文本的情感倾向标注成两类：正向和负向。[13]所有这些努力，都为通过大数据来研究网络情绪及其基础上的“潜舆论”打下了坚实基础。

3.行为舆论

胥琳佳认为，大数据研究的最大贡献就在于，把一切都归入了一个可量化的时代，而其中最根本的就是人的行为、人的喜好会通过浏览、链接和记录展现出来，人的选择和决策过程也能通过不同的浏览路径和沟通路径得以展示。[14]网络大数据记录了网民的搜索、阅读、转发、点赞、评论、分享、回复、跟帖、顶、踩、灌水、拍砖、撒花、举报等网络行为，有规模的网络行为同样应纳入网络舆论研究范畴，可用于评估网络舆论的关注热点、扩散程度及态度倾向等。

例如高频次的搜索量、阅读量，意味着某一话题、事件、人物或观点能够引发网民的好奇心，吸引网民的注意力；评论、跟帖、回复通常意味着某个议题与网民的自身利益具有高度相关性，能引发深入思考和意见表达；点赞、顶、踩、拍砖、撒花、灌水直观呈现出网民的态度倾向；而转发、分享的数量及时间节点可以评估舆论的扩散态势，常作为公共危机事件网络舆情监测的重要指标。

监测和研究上述网络行为，不仅可以预测和评估某一热点事件/议题的舆论态势，也可以更大范围地呈现网络舆情的基本面向。例如，百度作为国内第一大搜索引擎运营商，从后台数据库中可以提取出每一个搜索词的对应搜索量，每天高达40亿次。中国人民大学舆论研究所认为，百度Topl000搜索热词反映社会关注的基本面，而上升最快的Topl000搜索热词则反映新出现的新闻事件的社会关注度，运用这两类Topl000搜索热词可以大体刻画出中国社会的“舆情地图”。[15]

4.舆论主体的关系网络

网络舆论场是融合了新媒介场、心理场、社会场的复杂场域，[16]除了新媒介场域的信息表达、心理场域的动力机制外，社会场域的关系研究也同样应该纳入网络舆论研究范畴。原因主要有两点：一是网络舆论场是一个“众声喧哗”、意见分歧的舆论场，不同的利益相关者在这个场域中进行话语争夺，所以必须区分不同舆论主体的利益诉求和不同利益群体的关系网络；二是网络意见领袖不仅是信息扩散的中介者，还是态度行为的影响者，“是否有网络意见领袖的关注，会导致公共议题发展的差异”，[17]直接影响舆论的走势。

如何才能有效识别网络传播中的利益群体和意见领袖呢？2009年，Lazer等人在《科学》杂志上发表文章，正式提出“计算社会科学”的概念，强调了大规模的数据收集、数据分析以及网络科学视角在社会科学研究中的重要性。[18]以网络关系为重点研究对象的计算社会科学，为网络舆论主体关系研究提供了知识论和方法论的支持。在舆论研究中运用复杂社会网络分析方法，可将传播主体视为节点，根据转发关系、评论关系、粉丝关系、地理关系、情感关系等建立连线，通过度（Degree）、度中心性（Degree Centrality）、中介中心性（Between Centrality）、紧密中心性（Closeness Centrality）等指标确定“意见领袖”，还可根据网络结构直观区分不同的子群体。常用的复杂社会关系网络分析工具有Ucinet、Gephi、Pejak等，其中Gephi、Pajek的数据处理能力达到百万级。目前，已有一些利用大数据进行社会网络分析的研究。比如通过机器学习技术，利用推送行为、网络结构、语义内容，来预测用户的政治倾向和种族特点；根据Twitter用户的粉丝关系和政治立场进行社会网络分析，研究发现民主党人的关系网络具有更高的政治同质性，即具有相同的政治立场。[19]

（三）大数据分析提升舆论预测能力

近些年来，大数据在预测性研究中颇有建树，这也是社会各界推崇拥抱大数据的主要动因。经典的案例有Google公司通过用户搜索记录能够比美国疾控中心更早预测流感；一系列研究证明Facebook、Twitter、微博上的情绪变化能够提前预测股市变化；零售连锁超市Target通过女性购买行为准确预测怀孕情况，等等。有研究者甚至认为，“93%的人类行为是可以预测的，当我们将生活数字化、公式化以及模型化的时候，我们会发现其实大家都非常相似”。[20]

大数据在预测性研究中的优势，主要来源于三个方面：一是丰富多样、实时更新的数据类型，避免了传统数据采集的滞后性，能为预测性建模提供更多变量；二是建立在相关关系分析基础上的预测方式，颠覆了人类传统的思维方式，降低了基于因果关系判断的时间精力成本，提升了基于直觉判断的准确性；三是大数据分析技术的创新，提高了人们对海量非结构化数据处理的能力和速度，“大数据运动和复杂网络分析、自动化数据分类和挖掘、数据集可视化、语义分析、观点挖掘、自然语言处理、计算机辅助内容分析等研究方法紧密关联”。[21]

随着大数据分析技术和舆情预测模型的成熟，大数据在网络舆情预警方面具有可观的前景。例如，美国麻省理工学院副教授Devavrat Shah和学生Stanislav Nikolov发明的新算法，在预测Twitter热门话题时准确率达95%以上，且平均比Twitter官方热门话题出来的时间要早90分钟，甚至有些热门话题能够提前5个小时预测出来。学者李彪也指出，未来舆情研究的视角将转向对社会话语表达、社会关系呈现、社会心理描绘、社会诉求预测等多方面、多向度的研究。[22]

二   大数据推动网络舆论调适机制的改变

壮大主流思想、塑造政治认同，是党和政府引导舆论的动力机制，也是服务于国家和社会发展的必要条件。过去，对舆论引导承担主要责任的主流媒体，往往通过正面报道、典型报道实现总体的信息控制，并以“产生积极强烈的社会反响”为主要评价机制。而在网络舆论场中，舆论引导的效果是由网络受众的关注、点击、表达和评价等行为直接决定的，而且其情绪、态度和舆论特征可以通过数据直观化、可视化地体现出来。由此，建立在传播大数据基础上的网络舆论研究，必然会推动现行的舆论引导机制发生改变，总体上，需要从传统的控制型机制转向新的调适型机制。

（一）从“单向设置媒体议程”转向“主动回应公众议程”

长期以来，党和政府是公共议题设置的主体，并借由主流媒体完成议题动员与框架定调，成为整合社会的重要力量。[23]大众传媒具有为公众设置“议事日程”的功能，媒体对议题显著性的安排会影响公众对社会公共议题重要性的判断。但互联网时代，传统主流媒体设置议程的作用正在面临制约和挑战。互联网犹如权力的平衡杆，一方面消减了官方媒体的话语特权，赋予民众活跃表达的机会；另一方面也催生了“微博大V”、微信自媒体、平台媒体（如今日头条）等新型意见领袖，赋予民众更大的信息选择权和话语权。针对网络催生的舆论场变化，新华社前总编辑南振中提出“官方舆论场”和“民间舆论场”的概念，更是让人们意识到议程设置主体的多元性和议题流动路径的复杂性。国内外一些基于大数据的研究也对此有所验证。如Russell Neuman等学者通过对2012年美国社交媒体和传统媒体中29个政治议题文本的时间序列进行分析，用大数据证明了数字化媒体时代议程设置是一个多元、复杂的互动过程，而非传统媒体与社交媒体之间的单向流动。[24]

议程设置主体的多元化催生了舆论引导的新格局，促进官方舆论场与民间舆论场的融合、官方议题与民间议题的一致是实现有效舆论引导的起点。如果不能比较精准、贴切地把握不同社会群体关注的议题差异，就无法建立共同对话的基础，无法围绕其关注的议题进行舆论引导，国内一些舆论研究机构正在运用大数据分析来把握公众普遍关注的议题。如复旦大学传播与国家治理研究中心对1800名网络用户近两年来的网络表达与网络行动进行了跟踪分析，研究表明，微博用户对教育、反腐、环保议题的关注度最高，最不满意的五大议题分别是教育、房价、反腐、医疗、环保。[25]中国人民大学舆论研究所根据百度搜索热词进行数据价值挖掘，发现社会民生、公共安全、卫生安全和环境生态安全是四年来中国社会舆论持续关注的基本问题。[26]

由上可见，大数据研究可以有效帮助政府把握和判断公众议程，实现从过去“单向设置媒体议程”向“主动回应公众议程”的转变。在多元主体设置议程的网络舆论场中，只有首先解决“官方议程”和“民间议程”的一致性问题，才有可能打通“官方舆论场”和“民间舆论场”，为消除两个舆论场之间的割裂提供基本的先决条件。

（二）从“表层信息控制”转向“潜在情绪引导”

目前的舆论研究，主要集中在对信息本身的传播机制研究，探讨信息的传播规律、传播节点和传播路径等，[27]以期通过信息公开、信息审査、观念引导等信息控制的方式来消除公共危机事件引发的负面舆论，防范网络群体事件的发生。然而，学者陈力丹认为，对于舆论引导来说，容易被忽视的潜舆论十分重要，如果在舆论处于潜舆论的时候进行引导，容易得到较好的效果；而引导显舆论的困难程度，则远大于潜舆论。[28]

为什么要更加重视针对受众的潜在情绪和心态进行引导？一方面，不同热点事件的舆论信息是瞬息万变的，而社会情绪和心态却是相对稳定的。“网络事件的产生和扩散，所依赖的是能够激发网民的嬉笑怒骂、喜怒哀乐等情感的表现形式和内容。网络事件的发生，是一个情感动员的过程。”[29]负面情绪是网络舆论的导火线，在舆论传播过程中往往伴随着固定类别的社会情绪。

研究表明，当前中国危机事件中，受众最常出现的七种负面情绪是愤怒、悲伤、焦虑、恐惧、不满、怨恨和不信任。[30]群体性负面情绪唤起的背后有着深层次的社会心态影响，如学者张玉亮从社会心理学角度指出，“严重的贫富分化，不仅给部分公众包括突发事件网络舆情主体带来了直接的经济社会影响，同时也给他们造成了相对剥夺感，使其形成巨大的心理落差，认为自身的利益被占据、被剥夺，进而加剧了其心理失衡的心态，这种心理失衡凸显为对社会的不满情绪，一旦这种情绪积累到一定的程度，必然要通过某种途径表达出来”。[31]

另一方面，观念在短时间内是较难改变的，情绪的引导则有规律可循。“刻板印象”在网络舆论形成过程中具有重要作用，网民通常会根据涉事者身份来判断是非，而非关注于事实本身。热点事件只要贴上“官二代”、“富二代”、“城管执法”、“公权滥用”、“官员贪腐”、“违法拆迁”之类的标签，网民的意见表达就容易呈现群体极化的倾向。有研究发现，西方经典的风险传播理论在一定程度上容易忽视情绪在危机传播中的作用，因而并不完全适合中国的舆论引导，因此有必要构建一个基于公众情绪的舆论引导模型。[32]网络传播大数据可以为情绪监测和研究提供便利。如前文所述，国内外研究者已经开发了一系列针对Twitter、Facebook、微博等社交媒体在线文本的情感分析技术（Sentiment Analysis），通过自然语言处理（Natural Language Processing）、统计或机器学习（Machine Learning）等技术对文本的主观态度、情绪或观点进行语义定向（Semantic Orientation）或极性分析（Polarity Analysis），[33]可以快速判断海量在线文本中的各类情绪态度指标。

总之，“表层信息控制”只能在短时间内解决舆论场的安全、可控问题，却无法从长效、深层机制上解决舆论场的生态改善问题。而如果注重“潜在情绪引导”，既可以促使网民避免过于情绪化的思考和表达，还可以在把握和调适情绪的基础上实现更有效的舆论引导。为此，政府部门的舆论引导着力点，有必要在“表层信息控制”之外强化“潜在情绪引导”。

（三）从“运动式意见治理”转向“对话式凝聚共识”

我们必须意识到，传播技术革命在带来信息畅通的同时也服务于信息控制。在大数据时代，个人的网络行为无时无刻不处于被“监视”的状态，人们好比处在英国哲学家边沁提出的“圆形监狱”之中，只是许多被监视者尚未深刻认识到“窥视”的威慑力。通过多维度的网络大数据，舆论监管者不仅可以快速获知人们的意见表达，还可以知晓其在舆论场中的影响力，甚至可以精准识别私密的个人身份信息。从技术层面上看，信息封锁不切实际，人们总是可以找到各种媒介渠道传播信息，但当个人身份信息可以被准确识别时，言论控制就无所不能。

当前，政府对舆情监测技术的使用日趋娴熟，舆论控制手法更加精准多元且有效，尤其是采取了“运动式执法”后，尽管网络舆论场的总体态势趋于正面，但也伴随着公共表达的衰落，尤其是网络批评和监督的受限。不少媒体人、知识分子都感受到舆论监督空间有趋于逼仄的趋势，比如人民网舆情监测室秘书长祝华新用“舆论下沉，国进民退”八个字总结了2013年的网络舆情，“在打击‘大V’之后，舆论、情绪下沉到更为私密的网络空间，这对社会稳定更为不利，转型社会急需互联网化解、释放民意怨气”。

从短期效果看，“运动式意见治理”有利于减少网络舆论场的戾气，提高整体的表达理性，但从长期效果看，也容易导致一部分网络意见领袖的“自我审査”或普通网民中的“寒蝉效应”。公民有言论表达的自由，国家治理需要理性多元的对话空间，政府机构要有宽容民众质疑、批评的气度。知名评论人曹林在其微信公众号文章《官方融入微博须有挨骂准备和耐心》中指出，“谩骂并非都是恶意，很多时候只是一种寻求被关注、被倾听、被尊重的情绪”。

大数据舆论研究的目的并非为了精准限制“异见者”，而应服务于了解民意、回应民众关切，引导公众更加理性地参与公共事件讨论。因此，有必要以“对话式凝聚共识”来逐步取代“运动式意见治理”，鼓励、倡导和推动不同类型的网络群体，围绕公共议题展开持久讨论乃至激烈交锋，在理性对话中促进社会共识的形成。

三    大数据舆论研究给国家治理带来新的机遇

学者周志忍教授指出，“在西方国家的语境中，治理实际上就是多元主体之间的合作关系，但是在中国，由于我们国家公权和社会边界不清晰等结构性问题，中国的国家治理尤其需要强调政府与社会的平等，不能出现国家对社会居高临下的治理”。[34]作为国家治理的重要主体，政府不能将互联网舆论简单地看作是压力来源、风险因素或“麻烦制造者”，而是要利用大数据舆论分析工具和舆论调适思维，将“网络民意作为一种力量强大的治理工具，用来建立高效的沟通平台，解决老问题，促成新关系”。[35]具体来说，应通过大数据舆论研究来推动社会心态调适、提升社会风险管理、实现公共决策协同。

（一）调适网民社会心态，强化公众政治认同

近年来，社会心态的激荡变化引起了政府部门的高度重视。党的十八大报告提出，“要注重人文关怀和心理疏导，培育自尊自信、理性平和、积极向上的社会心态”。网络舆论既是社会心态的“晴雨表”，也是负面社会心态的“放大器”，反映了社会转型过程中不同网民群体的利益诉求和心理感受。网民关注的社会热点问题及网络舆论场中看似非理性的观念情绪表达、态度行为倾向背后，其实隐含了深层长久的社会心态问题。虚拟空间的自由表达和人们在现实社会中无处释放的焦虑压力心态成为网络社会政治认同问题凸显的现实原因。[36]因此，调适网民心态是培育积极社会心态、强化公众政治认同的重要途径。

首先，调适网民心态要深刻理解社会心态的特征与成因。已有研究表明，热点事件中的网络舆论折射出整个社会心态的发展变迁。如唐子茜等学者总结了网络舆论中呈现的四种社会心态特征：公平正义成为普遍诉求、社会信任度不断降低、消极社会心态蔓延、社会心态呈现阶层对立。[37]而赵建生等学者从涉警的公共舆论事件中，观察到网络参与群体存在“相对被剥夺感”、“质疑权威”、“泛道德化”等失衡心态，[38]网民社会心态的形成与社会发展变化息息相关。我国在社会改革转型过程中积累了许多严重的社会问题，由公权滥用、官员贪腐、贫富对立、暴力执法、食品安全、环境污染、医患矛盾等引发的网络热点事件频发，许多百姓对公权力及精英阶层有一种普遍的不信任甚至结构性的怨恨。由此可见，“诉求公平正义”、“相对被剥夺感”、“信任度不断降低”、“阶层对立”等网民普遍心态集中反映了当下社会的主要矛盾与现实心态。

其次，要区分网民社会心态和现实社会心态的差异性。互联网中的群体极化效应以及背后隐藏的权力利益会在一定程度上夸大部分网民相对偏激或极端的社会感受。如网络中弥漫着宣泄、恶搞、暴戾、窥私、仇视、盲从等不良社会心态，甚至呈现出“无官不贪，无商不奸，所有的专家学者都是利益集团的代言人，所有的明星背后都有潜规则”等极端不信任的网络舆论。[39]这些极端失衡的网民心态，会反向影响公众对社会现实的感知，尤其是仇官、仇富、暴戾等网络心态蔓延会威胁到政治认同与社会和谐。我们一方面要意识到极端心态的危害性；另一方面也不能把个别人群或个别事件中的极端言论看作是网民心态的全景或社会心态的副本，而要区分不同阶层、不同情境下网民社会心态的差异，才能在网民心态调适中有的放矢。

理性健康的网民心态有利于凝聚社会共识和增进政治认同，极端负面的社会心态则可能引发思想混乱和社会动乱，所以政府一般都不会对网络舆论中的负面心态不闻不问。大数据资源及技术为把握网民社会心态提供便利，而如何调适网民社会心态，既需要转变政府职能，规范政府行为，切实解决引起民众负面情绪和不信任思潮的社会问题，又需要创新舆论引导方式，通过回应不同群体的利益诉求、理性对话寻求共识、潜在情绪疏导等方式来消解极端心态的扩散。

（二）加强网络舆论预警，提升社会风险管理

中国正处于社会学家贝克所述的“风险社会”之中。互联网作为舆论的扩散器及情绪的宣泄地，加剧了社会的舆论风险，“网络群体性事件此起彼伏，群体极化现象严重，集体泄愤、网络暴力、民粹主义、泛政治化等行为对社会稳定构成一定的威胁”，给政府治理带来前所未有的挑战。[40]但网络舆论是一把“双刃剑”，给普通草根提供了前所未有的话语权，为社会运动提供了重要的动员资源。当互联网成为民众申诉维权的主要渠道，层出不穷的突发公共事件以网络社交媒体作为引爆点和扩散平台后，网络舆论预警就成为社会风险管理的重要手段和先决条件。

令人遗憾的是，目前的网络舆情监测产品主要侧重危机事件发生后的舆情追踪和分析，而在风险预警功能上总体偏弱。主要原因有三点：一是网络信息纷繁复杂，舆情爆发疾雷迅电，目前尚未有哪款舆情监测产品能对全网数据进行实时监测和快速处理；二是舆情监测主要以敏感词（关键词）和信息流（传播数量）作为主要的研判指标，舆情爆发期迅速增长的信息流固然能判别危机事件的舆论影响力，却也容易错过危机潜伏期预警时机；三是忽视舆情爆发的相关性研究，缺少对舆论传播规律和动力机制的深度了解，对高危人群的识别能力有待加强。

未来，大数据资源及技术的应用可从以下几个方面提升舆情监测产品的预警能力，促使社会风险管理从“危机应对”转向“风险防范”。一是建立大数据舆情库，使监测数据更全面、更实时，除了网络UGC数据，还可涵盖传感器采集数据、社会调研数据等。目前，国家已出台《促进大数据发展行动纲要》，上海、广州等地正在推进大数据统筹建设与开放，将为舆情库的建立提供更好的政策空间。二是不断升级完善“敏感词”库，增加舆情爆发的相关性指标监测，如网民的情绪态度、危机事件的类型、意见领袖的倾向、失业率、经济发展水平等，运用大数据相关性分析预测舆情事件爆发的概率和时间。三是识别意见领袖和高危人群，提高对网民风险感知状况的研判，增强对突发性公共危机事件发生概率的预测。这一点在未来的社会风险管理中会显得越来越重要，目前也已有一些相关研究成果，例如，通过海量社交媒体数据的分析，可以预测恐怖主义和骚乱活动等突发事件；[41]哈尔滨工业大学社会网络与数据挖掘联合实验室和数据挖掘公司“宏博知微”基于微博社交媒体数据，开发了抑郁倾向识别模型；中山大学大数据传播实验室利用微博大数据分析了上海踩踏事件发生前网民的风险感知，发现“场地调整信息未有效传达给受众”，这一事后研究提醒政府在公共政策调整时，可用大数据来研判公众认知和预测风险。

（三）吸纳多元主体民意，协同参与公共决策

大数据舆论研究还将推进公共决策过程的公开透明，提高国家治理效能。传统的国家治理以政府为主体，政府自上而下地收集各种社会信息，政治体系对信息进行分析处理后，向社会输出公共决策，接近权力的强势利益群体在公共决策制定中必然占据优势地位，弱势群体只是公共决策的被动接受者。[42]这种公共决策模式显然无法适应网络时代的民意诉求。随着网络舆论力量的崛起和公民权利意识的觉醒，因利益受损或不满公共决策的弱势群体不甘于做被动的接受者，转而通过制造焦点事件、发起社会运动来进行维权抗争。互联网成为社会抗争者彼此声援、申诉维权、话语争夺的主战场，大众传播媒介的报道介入更是增加了抗争者的谈判筹码，由此倒逼地方政府改变公共决策的机制和过程。哪怕是一些看似符合公共利益的项目，政府也会因当地居民抗议和社会舆论压力而被迫叫停，比如，番禺垃圾焚烧发电厂因业主反对而改址，PX项目先后在厦门、大连、宁波遭反对，江门民众聚众示威取消核燃料加工项目，等等。

政府在公共决策推进中的被动与难堪，是否应简单归咎于公众“不愿建在我家后院”的“邻避情结”？事实上，民意在公共决策制定过程中的缺失、民众对政策执行者的不信任也是加深公众反对或抵抗的重要原因。以广州番禺垃圾焚烧发电厂建设项目为例，为了解决“垃圾围城”的窘境，广州番禺区于1999-2002年进行系统规划工作，2009年发布选址通告，“对于要在自己家门前建立垃圾焚烧厂，直到即将动工时番禺公众才知晓，有关部门并没有将整个垃圾焚烧发电厂项目的论证、申请、招标告知该事件的直接利益相关方”。[43]公共决策中直接利益相关方知情权的缺失，一方面激起了民众的愤怒抵抗心理；另一方面也增强了抗争的合法性，增加了政府部门风险沟通的难度。

现代国家治理是全社会各种力量的协调共治，强调信息公开、决策透明，鼓励多元参与、协商对话。在公共决策中吸纳多元主体的民意，更有利于社会各方形成共识，化解社会矛盾，最终达至社会善治。而大数据舆论研究，一方面可以帮助政府更好地把握社情民意和社会心态；另一方面也会促进企业、社会组织、公民、媒体等多元主体更好地利用数据进行科学决策、理性参与。此外，“正在形成的整个社会的数据化与公共决策的智能化日益融为一体，基于互联网的大数据可以为公共政策议程提供新的问题来源，也为政策制定、政策执行和政策评价提供新的方法”。[44]

【注释】

[1]庆年：《跑在大数据时代的前列》，《复旦教育论坛》2013年第4期｡

[2] 彭兰：《中国网络媒体的第一个十年》，清华大学出版社2005年版，第122页｡

[3] 喻国明：《大数据方法与新闻传播创新：从理论定义到操作路线》，《江淮论坛》2014年第4期｡

[4] 胥琳佳：《大数据对于传播学研究内容和方法的影响——基于社交媒体和移动互联网的思考》，《中国出版》2013年第18期｡

[5] 苏林森､易伟芳：《大数据技术对传播研究方法的影响与挑战》，《现代传播》2014年第11期｡

[6] 陈力丹：《舆论学——舆论导向研究》，中国广播电视出版社1999年版，第15-16页｡

[7] 罗坤瑾：《从虚拟幻象到现实图景——网络舆论与公共领域的构建》，中国社会科学出版社2012年版，第16､38页｡

[8] 周葆华：《社会化媒体时代的舆论研究：概念､议题与创新》，《南京社会科学》2014年第1期｡

[9] 焦徳武：《微博舆论中的情绪及其影响》，《江淮论坛》2013年第3期｡

[10] 乐国安､董颖红､陈浩､赖凯声：《在线文本情感分析技术及应用》，《心理科学进展》2013年第10期｡

[12]J.C.Zhao,L.Dong,J.J.Wu and K.Xu,Moodlens:An Emotion-based Sentiment Analysis System for Chinese Tweets,Paper Presented at the Meeting of KDD,12,2012,Beijing,China.

[11] 赖凯声､陈浩､钱卫宁､周傲英：《微博情绪与中国股市：基于协整分析》，《系统科学与数学》2014年第5期｡

[13] 桂斌､杨小平､张中夏､肖文韬：《基于微博表情符号的情感词典构建研究》，《北京理工大学学报》2014年第5期｡

[14] 胥琳佳：《大数据对于传播学研究内容和方法的影响——基于社交媒体和移动互联网的思考》，《中国出版》2013年第18期｡

[15] 喻国明：《构建社会舆情总体判断的大数据方法——以百度海量搜索数据的处理为例》，《新闻与写作》2013年第7期｡

[16] 余秀才：《网络舆论场的构成及其研究方法探析——试述西方学者的“场”论对中国网络舆论场研究带来的启示》，《现代传播》2010年第5期｡

[17] 曾繁旭､黄广生：《网络意见领袖社区的构成､联动及其政策影响：以微博为例》，《开放时代》2012年第4期｡

[18]D.Lazar,A.S.Pentland,L.Adamic,S.Aral,A.L.Barabasi,D.D.Brewer,N.A.Christakis,N.Contractor,J.H.Fowler,M.P.Gutman,T.Jebara,G.King,M.Macy and M.Van Alstyne,Computational Social Science,Science,323,5915,2009.

[19]C.Elanor,R.Alessandro and A.Adam,Echo Chamber or Public Sphere? Predicting Political Orientation and Measuring Political Homophily in Twitter Using Big Data,Journal of Communication,64,2014｡

[20] 【美】艾伯特•拉斯洛•巴拉巴西：《爆发：大数据时代预见未来的新思维》，马慧译，中国人民大学出版社2012年版，第2页｡

[21]Malcolm R.Parks,Big Data in Communication Research:Its Contents and Discontents,Journal of Communication,64,2014.

[22] 李彪：《大数据视域下社会舆情研究的新境界》，《编辑之友》2013年第6期｡

[23] 周葆华：《社会化媒体时代的舆论研究：概念、议题与创新》，《南京社会科学》2014年第1期｡

[22]W.Russell Neuman,Lauren Guggenheim,S.Mo Jia and Soo Young Bae,The Dynamics of Public Attention:Agenda-Setting Theory Meets Big Data,Journal of Communication,64,2014.该研究采集了1亿活跃Twitter用户、1.6亿活跃博客用户、30万论坛用户的社交媒体数据和在线报刊、广播电视上的传统媒体数据，平均每个议题获得13362条社交媒体评讼和4573篇传统媒体报道｡

[25] 复旦发展研究院传播与国家治理研究中心：《中国网络社会心态报告(2014)》｡

[26] 喻国明：《大数据方法与新闻传播创新：从理论定义到操作路线》，《江淮论坛》2014年第4期｡

[27] 李彪、郑满宁：《社交媒体时代的网络舆情——生态变化及舆情研究现状、趋势》，《新闻记者》2014年第1期｡

[28] 陈力丹：《舆论学——舆论导向研究》，中国广播电视出版社1999年版，第15-16页｡

[29] 杨国斌：《悲情与戏谑：网络事件中的情感动员》，《传播与社会研究》2009年第9期｡

[30] [32] 张结海、吴瑛：《重大事件舆论引导的中国路径——一种基于公众情绪色谱的模型构建》，《现代传播》2014年第8期｡

[31] 张玉亮：《突发事件网络舆情的生成原因与导控策略——基于网络舆情主体心理的分析视阈》，《情报杂志》2012年第4期｡

[33] 乐国安、董颖红、陈浩、赖凯声：《在线文本情感分析技术及应用》，《心理科学进展》2013年第10期｡

[34] 雷雨若：《“国家治理协同创新中心成立大会暨国家治理与全面深化改革”研讨会综述》，《中国行政管理》2014年第2期｡

[35] 李良荣、方师师：《互联网与国家治理：对中国互联网20年发展的再思考》，《新闻记者》2014年第4期｡

[36] 陶蕴芳：《网络社会中群体政治认同机制的发生与引导》，《中州学刊》2012年第1期｡

[37] 唐子茜、曹勇：《网络社会心态的特征及调适对策》，《北京交通大学学报》2015年第1期｡

[38] 赵建生、邹智勇、周树华：《网络负面社会心态和传播效应对涉警公共危机事件处置工作的影响及其解决对策》，《公安研究》2010年第1期｡

[39] 徐家林：《网络政治舆论的极端情绪化与民众的政治认同》，《马克思主义与现实》2011年第3期｡

[40] [41]唐皇凤、陶建武：《大数据时代的中国国家治理能力建设》，《探索与争鸣》2014年第10期｡

[42] 王向民：《大数据时代的国家治理转型》，《探索与争鸣》2014年第10期｡

[43] 崔晶晶：《论社会力量对地方法治的推动作用——以广州番禺垃圾焚烧厂选址事件为例》，《新闻爱好者》2012年第24期｡

[44] 黄璜：《互联网+、国家治理与公共政策》，《电子政务》2015年第7期｡