王双燕

（中共中央党校（国家行政学院） 应急管理培训中心（中欧应急管理学院），北京 100091）

随着自媒体的飞速发展，社会公众在突发事件应急处置中的参与度及参与地位不容忽视，每个人都是信息的接收者和传播者，这样多元参与、复杂因素众多的研究特征引起学者们对突发事件舆情引导研究的关注。同样值得关注的是，在突发事件处置现场的场域内，需要受保护的公众之间也存在着多源信息的发布与接收。突发事件场内的社会公众形成的社会网络中，应急信息（如疏散信息）和负面信息随着人与人之间的传播产生流动，正负面信息的传播和流动直接影响场内公众保护及政府应急行动效率。

与场外线上或线下舆情传播略有不同，场内公众突发事件应急信息传播具有定向传播的特点，并且场内的公众受突发性和强压性特征的影响，会优先选择点对点、人对人的方式传播信息。对于政府应急决策者而言，需要在短期内高效促进场内社会公众间的应急信息传播，抑制负面信息扩散。而相同的是，2 种情景下的信息传播都会在社会网络中产生多源头信息对冲、多口径信息传播、多渠道信息干扰等现象。

政府在以往突发事件应对过程中，较关注场外舆情引导工作，特别是以传统新闻媒体为媒介的舆情引导，如昆明火车站“3·1”严重暴力恐怖案、吉林长春长生公司问题疫苗案件、“东方之星”号客轮翻沉事件等处置过程中，新闻发布和舆论引导是政府首要采取的应对措施之一，其在事件初期表达立场，起到安抚民心的作用。然而，对于区域性灾害事件来说，场内公众的应急信息发布同样需要积极关注和科学引导，这对于动员群众自发性的应急反应、避免恐慌导致的二次踩踏、事态扩大等都具有重要意义，如天津港“8·12”瑞海公司危险品仓库特别重大火灾爆炸事故发生时，周边近千名居民自发组织疏散，以及新冠疫情中全民参与抗疫等，公众所依赖的传播体系就是社会网络。在急迫需要开发多元信息发布渠道的当下，运用社会群体所形成的社会网络，运用社会网络中每1 个传播者扩散应急信息也是1个很好的选择。Lachlan 等[1]对重大气象灾害事件中Twitter的使用情况进行分析，发现社交媒体在危机沟通、信息搜索等方面发挥着关键作用；
Eunae等[2]通过实证检验发现，社交媒体内部危机信息的传播速度远高于外部对内发布的危机信息。

运用社会网络扩散应急信息之前，需要对其运行机理充分了解，因此本文旨在探究突发事件场内社会群体内正负面信息对冲的规律是如何进行演化以及其演化规律的主要影响因素。

在信息对冲规律研究方面，主要有博弈理论的应用建模和计算机建模2 种方法。博弈理论是通过公式化博弈双方之间的相互作用，通过分析博弈双方的实际行为和预测行为，探究博弈的最优策略，该理论的1 个大前提是参与博弈的主体都是理性的[3]。大部分博弈模型倾向于通过构建博弈主体在身份上的差异性，体现其博弈行为的差异性。也有学者通过主体在影响力、知识储备、声誉、传播概率等方面塑造参与主体的差异性，并剖析这些差异因素对信息传播的影响[4]。研究发现主体的影响力、知识储备[5]、偏好及倾向性行为[6]、网民认知能力及信息共享程度[7]会显著影响信息传播规律。

随着计算机技术的发展，更多学者倾向于通过计算机建模动态分析信息传播的演化规律，其中传染病模型尤其受到青睐[8]。与博弈模型相同的是，计算机模型在塑造动态信息传播情景时，倾向于刻画主体的差异性行为，但传统的传染病仓室模型不完全满足信息传播过程中多主体的差异性设置，因此部分学者通过引入Agent建模方法，体现主体间的异质性[9]。与博弈模型存在不同的是，计算机建模可以呈现出主体间更为复杂的交互行为，并且可以通过引入相关参数，呈现不同主体的选择行为和交互规律[10]。

受群体的影响，主体的差异性也包含非理性因素，其中最为典型的是个体的从众心理和偏好性行为[11]，另外有认知差异[12]、即刻主观感受[13]、态度多变性[14]等。此外，个体易受周边个体选择行为影响，并因为这种影响使得其呈现出多变的行为特征。

综上所述，当前相关研究大多倾向于剖析个体差异性因素对信息传播的影响，对信息对冲的微观分析尚存不足。因此，本文立足于突发事件下场内群体社会网络中的正负面信息传播对冲研究，基于多智能体建模方法（multi-agent modelling）构建包含理性及非理性影响因素的信息传播模型，呈现动态化信息传播过程，从微观角度剖析信息传播对冲规律及其主要致因因素，以期为突发事件下面向公众的危机事件传播策略制定和推演提供参考与借鉴。

基于多智能体建模方法，本文构建ASN信息传播模型，并提出以下基本假设：1）个体会按照其社会网络选择传播对象，并以点对点单线方式传播；
2）个体随机选择信息传播对象，1 次传播按照随机选择序列传播所有选择对象，每传播1 个对象至下1 个对象开始之间具有一定的时间间隔，所选择的对象数量小于其社会关系数量，且1 个个体仅能传播1 次应急信息及1 次负面信息；
3）在信息传播初始，同时出现应急信息及负面信息的初始传播者，模型假设正负面信息初始传播者数量服从Poisson 分布（总人数×10%），且在信息传播过程中不再有新的应急信息及负面信息的注入；
4）应急信息的信息值为正，负面信息的信息值为负，个体A在接收不同对象的信息后，会产生信息累积值，对冲性的信息接收后，会降低信息的累积值；
5）考虑到信息传播过程中可能存在的信息衰减[15]，假设个体A向个体B传播应急信息时，信息的信息值会产生衰减。模型为体现群体的行为异质性，个体做出行为受随机概率的影响，模型统一将随机概率设计为服从0-1 的正态分布。

ASN构建情景的具体描述如下：

1）信息传播载体。由社会群体的个体及其之间的社会关系构成的社会关系网络。

2）信息传播过程。初始时，社会群体中的所有个体皆为未被通知状态。当突发事件发生时，群体内的部分个体首先获得应急信息或负面信息，接收应急信息或负面信息的个体会根据接收信息的信息值及本身即刻的判断阈值来决策是否会相信所接收的信息。选择相信应急信息的个体可能做出以下行为：传播且响应、仅传播或仅响应；
选择相信负面信息的个体有可能会传播负面信息；
未响应个体在再次接收负面信息或应急信息后会进行再决策，其可能会因为周边响应数量增多产生从众，在从众前如果就近问询则为非盲目从众，否则为盲目从众。此外，随着个体接收同类信息次数增多，可能会因接收次数过多降低其信息判断阈值。

上述描述仅表示1 个个体的典型行为特征，同一时间节点上会出现不同个体的不同行为，且个体行为又会受到其他个体行为的影响，从而涌现出集群行为特征。

鉴于ASN模型中运用大量的随机分布和随机数，为确保模拟结果的可靠性，本文采用Monte Carlo（MC）方法设计模拟实验，并选取2 个真实的社会网络推演对冲信息传播过程，2 个真实网络边集及点集（规模）比分别为2 5571/1 005 和12 534/1 859。2 个网络的度分布皆为幂律分布，属于无标度网络，且均具有不同的集群结构。1 次MC实验包含10 次模拟，可输出每次传播模拟过程中随时间变化的以下参数：1）盲目从众人数；
2）非盲目从众人数；
3）再决策从众人数；
4）再决策从众影响增加的传播人数；
5）再决策影响增加的传播次数；
6）受通知次数影响增加的响应人数；
7）受通知次数影响增加的传播人数；
8）再决策人数；
9）响应人数。进行数据分析时，本文将每个时间节点上10 次模拟数据的均值作为最终分析数据。单次实验模拟时长为5 000 min，预实验表明传播可在5 000 min 内完全收敛，即不再有新增的被传播者。

本文设计6 种信息传播情景，即信息传播过程中包含负面信息对冲、从众行为及通知累积次数的影响（RFI）；
仅包含负面信息对冲及通知累积次数的影响（RI）；
仅包含负面信息对冲（R）；
仅包含从众行为及通知累积次数的影响（FI）；
仅包含通知累积次数的影响（I）；
不包含负面信息对冲、从众行为及通知累积次数的影响（None）。在2 种网络中分别运行以上6 种信息传播情景，通过控制变量的方法观察信息对冲规律及最终响应人数的影响因素。

规模1005 的社会网络的实验数据如图1～4 所示。由图1可知，6 种情景下的最终响应人数降序为RI＞RFI＞I＞R＞FI＞None，由此可得出：

图1 规模1005 网络中随时间变化的响应人数Fig.1 Number of r esponders changing over time in 1005 scale network

1）RI＞RFI以及I＞FI表明从众在有“受通知次数影响”因素时，对应急信息传播具有抑制作用，会抑制响应人数增加。这是因为从众人数的增加会导致群体内接收、判断、传播信息的人数减少，信息无法得到进一步地扩散，必然会使得最终响应人数降低。

RFI＞FI＞None表明，相对于无任何影响因素而言，从众行为对响应人数增加有一定的促进作用。由图2中RFI数据可知，负面信息对冲影响下，盲目从众行为个体数量大幅度降低，这是因为负面信息扩散加速群体内的信息流动，更少的个体获取不到信息。反之，没有负面信息对冲时，如图2中FI数据，群体内较多个体无法获取信息，从众反而促使这部分个体响应，从而提升响应人数的增加。

图2 规模1005 网络中随时间变化的从众人数及再决策从众后传播人数Fig.2 Number of conformity personnel and re-decision personnel affected by conformity changing over time in 1005 scale networ k

2）RI＞RFI＞I＞R＞None表明负面信息的对冲对增加响应人数具有积极作用，尤其是有“受通知次数影响”的因素存在时效果更明显。图3表明，负面信息对冲明显增加受通知次数影响的响应人数与传播人数，这是因为负面信息的对冲传播使得人群内的信息量加大，更多的个体，尤其是接收应急信息值不足的个体，会因为再次接收信息作出再决策行为。如图4所示，负面信息对冲能够促进再决策人数的增加以及再决策行为影响的传播次数，尤其是在“受通知次数影响”因素存在时。更多人传播信息意味着应急信息的加速扩散，从而提升响应人数。

图3 规模1005 网络中受通知次数影响的响应人数及传播人数Fig.3 Numbers of responders and disseminator affected by informed times in 1005 scale network

图4 规模1005 网络中再决策人数及受其影响增加的传播次数Fig.4 Number of re-decision personnel and increased dissemination times affected by r e-decision in 1005 scale network

如图1所示，不同情景下随时间变化的坡起阶段（时间段约为4～10 min），响应人数从大到小排序为None=FI＞I＞R＞RI=RFI，由此可得出：

1）负面信息的对冲会在前期传播中抑制响应人数的增加。这是因为在前期传播阶段，“受通知次数影响”因素对应急信息传播的促进作用还并未凸显，反而负面信息的对冲使得更多个体处于犹豫或相信负面信息的状态，这些个体需要接收更多的应急信息才能作出正确反应，从而在一定时期内降低响应人数的增加速度，即传播数量不足，传播质量又被抑制。

2）FI＞I及RI=RFI表明在无负面信息对冲时，从众行为在前期传播中对响应人数的增加有一定促进作用。当没有负面信息对冲时，个体更容易在未知状态下做出盲目从众行为，图2所得结论“负面信息对冲会明显降低从众数量”佐证了这一观点。

规模1859 的社会网络的实验数据如图5～8 所示。由图5可知，6 种情景响应人数降序为RI＞I＞None＞FI=R＞RFI，可得：

图5 规模1859 网络中随时间变化的响应人数Fig.5 Number of r esponders changing over time in 1859 scale network

1）从众行为抑制响应人数的增加。该结论与规模1005 网络中结论相当，不同的是，此处从众行为相对于无任何影响因素情景时也具有抑制作用。这说明，该网络在短期内的信息传播速度较快，传播范围内应急信息流量较大，传播范围内没有太多未被通知个体需要通过从众进行响应或者从众带动响应的效果不明显。值得注意的是，由于信息存在衰减特征，且从众仅发生在个体周边有响应人员的情况下，网络中必然存在始终无法传播到的对象，此时传播范围仅指信息传播可达范围内。图9为2 种网络中未被通知个体数量对比情况，其中1859-R为参照基准线。如图9所示，规模1859 的网络在前期传播阶段未通知个体数量降低速度较快，即应急信息传播速度较快，这种情况与网络本身的结构特征有关。规模1859 网络中从众进行响应的占比更低，且图6中受负面信息对冲影响降低的个体从众更少，说明网络中因信息匮乏而从众的个体数量不多，这表明无任何影响因素下，传播范围内网络的应急信息流量还是较充沛的。

图7表明从众对“受通知次数影响”因素的积极作用是抑制的，图8表明从众对再决策人数的增加及其影响下传播人数的增加也起抑制作用。这2 个结论与上文一致。综上，规模1859 的网络中从众抑制响应人数增加。

图7 规模1859 网络中受通知次数影响的响应人数及传播人数Fig.7 Numbers of responders and disseminator affected by informed times in 1859 scale network

图8 规模1859 网络中再决策人数及受其影响增加的传播次数Fig.8 Number of re-decision per sonnel and incr eased dissemination times affected by re-decision in 1859 scale network

图9 2 种网络中未被通知个体数量对比情况Fig.9 Compar ison on number of uninformed individuals in two networks

2）负面信息对冲仅在有“受通知次数影响”因素存在时能够促进响应人数的增加，否则起抑制作用。规模1005 网络中，负面信息对冲本身对响应人数的增加还有些许促进作用，但在1859 网络中，该促进作用仅能在“受通知次数影响”因素存在时得以彰显。究其原因，也与1859 网络中传播范围内应急信息流量较大有关。虽然负面信息对冲能够促进群体内的个体进行再决策行为（图8结果），但由于网络中信息流量较大，再决策个体可能是已经接收并相信了应急信息的个体，负面信息对冲拉低个体接收信息的累积值，在没有“受通知次数影响”因素存在时，容易影响个体的正确判断。在有“受通知次数影响”因素存在时，再决策个体即使接收应急信息值不足，不断地重复判断，可能因接受次数降低阈值，从而加大响应人数。图7也表明负面信息对冲对受通知次数影响增加的响应及传播人数具有促进作用。

由图5可知，坡起阶段（6～12 min）时，响应人数排序情况为I=None＞FI＞RI＞R＞RFI，可以看出，前期传播阶段，从众行为和负面信息对冲对响应人数的增加具有抑制作用，从FI＞RI可以看出，从众抑制作用更弱一些。

相较于规模1005 网络，从众对响应仅有抑制作用。经上文分析，传播范围内该网络中应急信息传播流量是比较大的，个体进行盲目及非盲目从众占比较低，更多的个体还是通过接收信息进行着理性判断，前期阶段不需要从众增加响应效率，显然更多的从众行为会抑制传播和响应。

1）应急信息扩散速度较低的群体内且无“受通知次数影响”时，从众可促进响应。但在应急信息扩散速度较快或有“受通知次数影响”时，从众会抑制响应。

2）有“受通知次数影响”时，负面信息对冲能够明显促进响应人数增加。

3）前期传播阶段，负面信息对冲会抑制响应。在应急信息传播速度较快的网络中，从众对响应的抑制作用较为明显。

猜你喜欢对冲负面次数机场航站楼年雷击次数计算智能建筑电气技术(2022年2期)2022-02-062020年，我国汽车召回次数同比减少10.8%，召回数量同比增长3.9%商用汽车(2021年4期)2021-10-13一类无界算子的二次数值域和谱数学物理学报(2020年6期)2021-01-14建议在直销业推行负面清单管理模式知识经济·中国直销(2018年10期)2018-11-06负面清单之后的电改能源(2018年8期)2018-09-21远离负面情绪知识经济·中国直销(2018年6期)2018-06-29正面的人和负面的人知识窗(2017年12期)2018-01-02依据“次数”求概率中学生数理化·中考版(2017年12期)2017-04-18大骨瓣开颅减压术在对冲性颅脑损伤治疗中的应用观察中国卫生标准管理(2015年18期)2016-01-20