情绪演化视角下网络舆情群体极化动力学机理研究_金冬雪.pdf

情绪演化视角下网络舆情群体极化动力学机理研究金冬雪1，夏一雪2，朱攀龙1（1.中国人民警察大学 研究生院，河北 廊坊 065000；2.中国人民警察大学 网络舆情治理研究中心，河北 廊坊 065000)摘要：【目的/意义】随着互联网的日益普及与新媒体技术的广泛应用，网络舆情群体极化现象日益加剧。研究网络舆情群体极化动力学机理，科学地把握网民情绪演化规律对塑造健康的舆论生态环境具有重要意义。【方法/过程】以网民情绪演化为主线，构建网络舆情群体极化系统动力学模型，从情绪唤醒、情绪干扰、情绪疏解三个维度并结合“女子实名举报前婆婆吃空饷”案例对网络舆情群体极化进行仿真研究。【结果/结论】通过仿真结果分析，网民的媒介素养、认知水平；媒介的议程设置、平台监管力度；政府的信息公开程度、回应速度等因素对群体极化的影响程度更为重要，并以此为群体极化的治理工作提供相应对策。【创新/局限】以情绪演化视角对网络舆情群体极化进行定性与定量的结构化系统性研究。局限在于数据的量化处理具有较强的主观性且系统因素的选取还需逐步完善。关键词：网络舆情；群体极化；网民情绪；系统动力学；舆情治理中图分类号：G206.3DOI：10.13833/j.issn.1007-7634.2023.03.007收稿日期：2022-04-22基金项目：国家社会科学基金项目“基于大数据的网络舆情全息建模与决策情报感知研究”（20BXW074）。作者简介：金冬雪（1997-），女，辽宁新民人，硕士研究生，主要从事网络舆情研究；夏一雪（1983-），女，山东日照人，博士，副教授，主要从事网络舆情研究，通讯作者：；朱攀龙（1997-），男，河南禹州人，硕士研究生，主要从事网络舆情研究。1 引言随着互联网的日益普及与新媒体技术的广泛应用，我国的网民结构与舆论环境发生了深刻的变化。特别是自媒体平台的大量涌现，使网络舆论空间逐渐呈现出更加多样性、开放性、匿名化的特征。在这样的网络空间内，公众的负面情绪、主观判断都可能被随时放大、迅速流转，甚至通过集体的无意识传播形成同一种声音，加剧网络空间的群体极化。群体极化是近年来互联网上出现的一种新现象，其程度的强弱在很大程度上受制于民众的情感因素【1】,群体极化作为网民情绪演化的不良结果之一，不仅给舆论生态环境带来了潜在的危机，也对社会的和谐稳定造成了严重的威胁。因此，研究网络舆情群体极化的演化机理，科学地把握网民情绪演化规律对塑造健康的网络舆论生态环境具有重要的意义。目前，国外的相关学者对网络舆情群体极化的研究主要集中于网络舆情群体极化的影响因素探究、网络舆情群体极化的仿真分析及群体极化现象在网络政治中的参与等方面。Asker,D等【2】认为网络媒体可以通过提高内容的情感强度，甚至在意识形态异质观点的用户中诱导群体极化；Das,R等【3】通过模拟仿真社交平台的意见演化规律，提出影响意见形成的两个最重要因素分别为拥有相同意见的群体和专家、意见领袖。Zhang，YF 等【4】基于元胞自动机原理对群体极化进行建模与仿真，得到邻近者、意见领袖能够加剧群体极化效应，只有很小的外部影响才能改变群体意见的演化方向。Chen,XH【5】在J-A模型的基础上对群体极化的演化过程进行实验仿真，以此探究初始观点和交互模式对群体极化的影响过程。Balcells,J 等【6】提出了与“回音室”效应相反的假设，认为群体极化往往高度集中在政治问题中并得出跨越政治界限的交流在辩论中更频繁，异质性对话往往比同质性对话内容更为充分的结论。Parsons,BM【7】在关于同伴群体社会压力和群体从众性的研究基础上，得出党派身份的凸显和网络同质性与群体极化密切相关，以此验证了社会身份在政治网络中的作用。而国内的学者关于网络舆情群体极化研究发展也十分迅速，研究重点主要集中于网络舆情群体极化的现状问题、成因影响、发展演化及预警引导方面。刘露【8】认为网络舆情群体极化现象还存在着网络暴力盛行、政府治理难度加大等问题。张蕾【9】认为网络群体化现象广泛存在且不断呈现出网络空间更加开放、公众参政议政维权意识不断增强等新特点；王栋梁【10】认为人的非理性存在是造成群体极化的重要因素。赵淼等【11】基于“复旦黄山门”案例，认为群体极化的形成原因主要分为社会事件、社会心理、社会文化三方面；王楠【12】从传播主体、传播载体、传播内容三个维度分析网络舆情群体极化的演变过程和传播路径，为防控网络舆情群体极化现象提出应对策略。王世雄等【13】从网络群体成员的行为规则、交互过程、群体涌现等出发构建网络舆情群体极化的Multi-Agent系统,建立网络舆情群体极化模型并对网络舆情群体极化的形成机理进行系统的诠释；李萍【14】认情报科学20232023年第年第3 3期期（第第4141卷卷）理论研究-57为网络舆情群体极化容易产生众多危机，从网络舆情监测体系、舆论的引导体系、互联网管理体系等方面为防控网络舆情危机提供有效策略。史波【15】根据网络舆情群体极化形成和发展的各要素作用力进行相关动力机制模型构建，并运用生态学原理从生态环境、网络监管、意见领袖、种群进化角度为网络舆情群体极化提出了相应的调控策略。综上所述，国内外学者对网络舆情群体极化这一内容的研究成果已较为丰富，方法应用方面也采用了多种数据实验与物理仿真，具有较强的说服性。国内外研究成果在技术方法和应用领域中各有侧重。例如，国外应用多种技术方法探究网络舆情群体极化的演化过程，更多的应用于政治选择领域中。而国内更侧重于从实践角度展开研究，在分析当前的形势、问题基础上为后续不同领域的舆情治理工作提供决策支撑。但从研究主题和内容上看，国内外研究成果大多集中在群体极化的现状、影响、对策、演化过程等方面，仍然缺乏以网民情绪视角对网络舆情群体极化进行定性与定量的系统性结构化研究。系统动力学具有信息反馈和计算机模拟技术优势，对复杂问题具有较强的适用性【16】，目前在网络舆情领域产生了大量的研究成果，但将系统动力学与网络舆情群体极化相结合，探究群体极化的情绪演化趋势及各影响因素间的作用关系还相对缺乏。鉴于网民情绪演化趋势与网络舆情群体极化演化过程存在着一定的规律性，本文基于系统动力学研究方法并在相关研究【17-21】的基础上，以网民情绪演化为主线从情绪唤醒、情绪干扰、情绪疏解三个维度构建因果关系模型，定量分析各影响因素间的相互作用关系,动态模拟仿真网络舆情群体极化的演化过程，目的是系统性地探究影响网络舆情群体极化的关键性影响因素，为我国政府及相关舆情治理部门提供具有针对性地预警和引导措施，以打造健康、绿色的网络舆情生态环境，更好地促进社会和谐稳定发展。2 群体极化的演化机理群体极化的概念最早由美国教授凯斯 桑斯坦提出，指的是“团体成员一开始就有某些偏向，在商议后人们朝偏向的方向继续移动，最后形成极端的观点【22】。从理论上讲，将群体极化等同于群体极端是一种错误的倾向，经群体协商之后产生的群体极化现象既可以是积极的，又可以是消极的。正如尼古拉斯.克里斯塔斯基、詹姆斯.富勒指出：社会网络可以表现出一种智慧，它可以让个体更有智慧，或者成为对个体智慧的补充【23】。但不可否认的是，随着网络社会的逐渐发展，“群体极化”被越来越多的学者作为分析网络群体互动的负面影响所引用，如对群体性迷失、群体性盲从等现象的解释。法国心理学家古斯塔夫庞勒在 乌合之众 中指出：“群体只知道简单而极端的感情；提供给他们的各种意见、想法和信念他们或者全盘接受或者一概拒绝将其视为绝对真理或绝对谬论【24】”。可见，这样的非理性群体在经历群体协商之后更容易走向极端化。舆论本身是一种“社会合意”，它的产生是一个“问题出现-社会讨论-合意达成”的过程【25】。群体极化作为公共舆论的产物，在产生合意的过程中会不断强化影响力较大的观点，削弱影响力较小的观点，达成具有明显趋同性的“社会合意”之后，又会反作用于群体中的个体或群体之外的个体，最终使“社会合意”的范围不断扩大。克莱.舍基提出：“群体的互动有助于激发利他行为，在一个反馈循环中个人动机与社会动机可以相互放大【25】。”如图1所示，群体极化的形成是由“个体群体”，再由“群体个体”演化而来的。首先，舆论场中的众多个体因为信息的传递或情感的交流逐渐汇聚成小范围群体，这些小范围群体恰恰体现了网络社会“圈群化”的特征。其次，这些小范围群体不断进行内外互动形成更大范围群体，以强化群体性共识或群体性认知。最后，大范围群体的形成与发展又会反作用这些小范围群体及群体之外的众多个体。根据机械运动原理，图中的“个体”与“群体”就像机械运动过程中的两个齿轮，二者能够在群体的协商与互动下不断产生向前的驱动力，并在外界作用的影响下相互促进、循环发展，从而产生较之前更大的作用力。图1“个体-群体-个体”路径演化图Figure 1Individual-group-individual path evolution graph图2 群体极化演化流程图Figure 2 Flow chart of population polarization evolution网络群体极化现象产生于网络虚拟世界，是现实群体极化特征转移至虚拟世界进行的映射【26】。网络群体极化现象的不良影响主要表现为网民的情绪、态度、行为等越来越呈现极端化的发展趋势，进而产生如网络暴力等群体性行为并延伸至现实社会中。新媒体时代，信息传播的便捷性与群体互动的实时性实现了高度融合，从舆情的生态系统来看，网络舆情的产生具有一定的社会动员能力。首先，当一个事件或议题产生后，不同网民会根据事件或议题的性质、敏感程度迅速做出反应，尤其是涉及自身利益的网民，能够在网络空间环境中产生更具感染力、更具说服力的信息传递与情感Information ScienceInformation ScienceVol.41,No.3 2023-58交流。其次，根据班杜拉的社会认知理论可知，人在社会学习中的认知、环境、行为三者彼此联结、相互决定，所以网民的情感认知也会自觉或无意识地受到舆论环境中群体互动及媒介参与的引导，使网民的情绪态度与行为表达更容易在圈群化、标签化、隐匿化的舆论环境下变得趋同。最后，网民的情感情绪在个体与环境因素的交互影响下发生极化，并在发展过程中不断作用于新的个体形成“滚雪球效应”。上述分析可知，群体极化的演化通常是以网民情绪为主线且经历“情绪唤醒情绪干扰情绪极化”三阶段流程，如图 2所示。3 群体极化的影响要素分析群体极化演化系统是一个非线性且受多重因素相互作用的复杂系统，在借助系统动力学进行模型构建时，不仅要充分考虑群体极化发展过程中的重要影响因子，还要保证系统动力模型中存量与流量的核心地位。因此，本研究按照上述群体极化的演化流程，以网民情绪为主线将情绪唤醒、情绪干扰作为群体极化动力学模型中的存量系统，将情绪疏解作为群体极化动力学模型中的流量系统，以满足该模型系统的控制与反馈过程。3 3.1 1 情绪唤醒子系统情绪唤醒子系统网民情绪演化通常是造成群体极化最直接的作用方式。而情绪主要是以个体的愿望和需要为中心的一种心理活动，是人对客观事物的态度体验及相应的行为反应。具体而言，网民情绪传播的起点是网民在某种刺激之下所产生的心理活动，进而对客观事物作出相应的评价与行为反应【27】。情绪唤醒作为引发网络舆情群体极化的初始阶段，主要与两种因素紧密相关，一是个体情绪激化程度，属于网民心理层面；二是信息传播影响力，属于客观事物层面。从个体情绪激化程度来看，个体情绪激化很大程度上取决于个体对事件的认知，尤其当个体与该事件具有较大的利益关系或具有较为明显的标签偏见时，个体情绪激化的程度会大幅增加。从信息传播影响力来看，话题敏感程度与事件严重程度具有直接联系，能够在信息传播过程中影响着整个事件的关注度与网民的讨论频率。新媒体时代，公众对信息的选择与获取已受到用户转发、评论等行为的强烈影响，并在一定程度上决定了个体的情绪态度及行为方式。因此，事件的搜索热度也是衡量信息传播影响力的重要因素，不仅能在一定程度上唤醒网民的情绪表达，更能加剧网民的群体极化倾向。以上分析可知，个体情绪激化程度与信息传播影响力是唤醒网民情绪的关键，情绪唤醒作用量与群体极化是一个反复循环的过程，能在集体的无意识传播下相互放大对方的社会效应。相反，网民的认知水平、媒介素养与收入作为衡量网民理性程度的关键变量，能够减缓网民的情绪激化程度，弱化群体极化的负面影响。综上分析得到情绪唤醒因果回路图，如图 3所示。图3 情绪唤醒子系统Figure 3 Emotional arousal subsystem3 3.2 2 情绪干扰子系统情绪干扰子系统网民情绪作为一种社会化情绪，是网民在网络互动和传播途径中逐渐形成的相对稳定的情绪体验,具有个性化与社会化的统一【28】。网络空间的自由性与虚拟性不仅是满足网民情绪宣泄的重要途径之一，也是网民情绪在群体互动作用下产生干扰的特殊场域。马歇尔.麦克卢汉强调：“媒介即讯息”。在他看来，媒介不是简单的沟通渠道，而是人类思维方式改变的诱因【25】。因此，本研究将网民情绪干扰因素按照来源具体划分为两种，一是群体互动下的干扰，属于网络互动层面；二是媒介参与下的引导，属于传播途径层面。从群体互动的角度来看，主要包括由心理需求或情感共鸣引发的“从众心理”、具有号召力、影响力的“意见领袖”引导以及舆论传播过程中大量产生的“虚假言论”，这些因素都会直接或间接地对公众的认知方式造成不同程度的干扰，使公众的情绪、态度在群体互动的作用下逐渐发生转变。从媒介参与的角度来看，主要包括“媒介的议程设置”“媒介关注度”与“算法推送”三方面的影响。在浅阅读化的网络社会环境中，人们更习惯于在短时间内对接触到的信息做出迅速反映，导致公众对信息的思辨、批判能力逐渐退化。根据施拉姆提出的“选择的或然率=报偿的保证/费力的程度公式可知，网民在“媒介参与”的环境下更容易激发获取与思考信息的惰性，从而加剧了“信息茧房”与“容积效应”的形成。相反，网络平台监管力度能够在一定程度减轻网民情绪的干扰力度，从而弱化由群体互动和媒介参与所引发的群体极化。综上分析得出情绪干扰子系统，如图4所示。图4 情绪干扰子系统Figure 4 Emotional disturbance subsystem3 3.3 3 情绪疏解子系统情绪疏解子系统情绪疏解作为削减群体极化的重要影响因素，主要来源金冬雪,夏一雪,朱攀龙.情绪演化视角下网络舆情群体极化动力学机理研究J.情报科学,2023,41(3):57-65.-59于政府对网民情绪的调节与引导。网络舆情具有迅速反映现实的特征，当公共危机事件爆发时，网络舆情更容易出现极端化、非理性、主观强烈的“民意反映”，且常常伴随着大量的虚假言论充斥着整个舆论场。此时，政府的迅速处理可以有效缓解个体情绪的激化程度，直接对群体极化起减缓作用。在危机事件处置过程中，政府的处理主要包括信息的公开程度、政府的回应速度以及政府的报道频率。其中，信息的公开程度是减轻群体极化的关键，能够在高度还原事件的真实过程中有效阻碍虚假言论的流通，使公众保持客观理性的思维方式，从源头制止群体极化现象的发生；政府的回应速度与政府的报道频率不仅能够反映出政府对网络舆情危机事件的重视程度，也能反映出政府管理部门的处事态度与责任意识，是衡量一个管理部门能否肩负舆情管理重任的关键指标，也是调节舆论负面情绪与极端话语最直接的渠道。此外，政府的满意度也是疏解网民情绪、减轻群体极化程度的重要变量。政府满意度的提高不仅能够增加政府的公信力与权威力，还能使政府在事件的处置过程中得到公众更多的支持。政府作为公共危机事件中公众利益的维护者，在信息传递与舆论交互的过程中其情绪引导力和满意度都可以有效减缓网民的负面情绪，降低群体极化的危害程度。综上分析得出情绪疏解子系统，如图5所示。图5 情绪疏解子系统Figure 5 Emotional dissolution subsystem4 群体极化系统流量图分析4 4.1 1 系统存量流量图的构建系统存量流量图的构建存量流量图能够反映系统中各状态变量、水平变量与辅助变量间相互作用的组织方式和反馈结构，是剖析网络舆情群体极化中各因素之间的作用关系及演化规律的研究方法之一。基于本文确定好的系统边界问题与各子系统内外的因果联系，构建群体极化程度存量流量图，如图6所示。群体极化在演化的过程中以网民情感为主线经历情绪唤醒、情绪干扰与情绪疏解三阶段的综合作用。因此，图中将群体极化程度设置为系统中的存量变量，将情绪唤醒、情绪干扰、情绪疏解设置为系统中的速率变量。同时，速率变量也受到一系列的常量与辅助变量相互影响，最终构成整个群体极化演化系统模型。4 4.2 2 变量方程式的确立变量方程式的确立模型中变量之间的函数关系如下：（1）网民理性程度=信息公开程度*（媒介素养+收入+认知水平）说明：信息公开程度、媒介素养、收入、认知水平与网民的理性程度呈正相关关系。图6 群体极化系统存量流量图Figure 6 Stock flow diagram of population polarization system（2）个体情绪激化程度=（标签偏见+涉利程度）*从众心理/网民理性程度说明：标签偏见、涉利程度、从众心理与个体情绪激化程度呈正相关关系，网民理性程度与个体情绪激化程度呈负相关关系。（3）信息传播影响力=事件搜索热度*话题敏感度说明：事件搜索热度与话题敏感度与信息传播影响力呈正相关关系。（4）情绪唤醒作用量=个体情绪激化程度*信息传播影响力+群体极化程度说明：个体情绪激化程度、信息传播影响力、群体极化程度与情绪唤醒作用量呈正相关关系。（5）从众心理=（心理需求+情感共鸣）*网民讨论频率说明：心理需求、情感共鸣、网民讨论频率与从众心理呈正相关关系（6）虚假信息量=网民讨论频率/信息公开程度说明：网民讨论频率与虚假信息量呈正相关关系，信息公开程度与虚假信息量呈负相关关系。（7）媒介功能影响力=（议程设置+算法推送）*媒介关注度说明：议程设置、算法推送、媒介关注度与媒介功能影响力呈正相关关系。（8）情绪干扰作用量=（意见领袖作用量+媒介功能影响力+虚假信息量）*从众心理/网络平台监管力度说明：意见领袖作用量、媒介功能影响力、虚假信息量、从众心理与情绪干扰作用量呈正相关关系，网络平台监管力度与情绪干扰作用量呈负相关关系。（9）政府情绪引导力=信息公开程度*（政府回应速度+政府报道频率）说明：信息公开程度、政府回应速度、报道频率与政府情JIN Dongxue,XIA Yixue,ZHU Panlong.The Mechanism of Network Public Opinion Group Polarization Dynamics from the Perspective of Emotional EvolutionJ.Information Science,2023,41(3):57-65.-60绪引导力呈正相关关系。（10）情绪疏解作用量=DELAY1I（政府情绪引导力*政府满意度,1,0）说明：基于政府管理特征，使用一阶延迟函数来反映群体极化因管理作用量增加而逐渐消减这一过程，延迟时间设置为1天，设置政府管理作用量初始值为0。（11）群体极化程度=INTEG（情绪唤醒作用量*+情绪干扰作用量*+情绪疏解作用量*，0）说明：群体极化程度是网民情绪唤醒、情绪干扰、情绪疏解共同作用的结果，对相应的因素权重预先假定分别为、，且+=1，通过舆情专家为各项因素进行赋值，并不断进行调试，最终确定各项因素的赋值结果，初始值一般设置为0。5 模拟仿真5 5.1 1 边界条件假设边界条件假设（1）网络舆情中导致群体极化的因素众多，本文以网民情感趋势主要选取与群体极化程度具有直接、紧密且重要的因素。（2）群体极化通常具有两方面作用，本文主要考虑各影响因素对群体极化的消极影响，如媒介的议程设置、意见领袖的引导。（3）不考虑次生舆情的发展与网民情绪的二次传播。（4）网络环境始终是开放的，在信息传播过程中不存在如政策、硬件设施等其他原因所造成的信息闭塞。5 5.2 2 事件回顾事件回顾2021 年 12 月 14 日，网友刘银月实名举报自己的前婆婆，中国农业发展银行太康县支行员工夏某华吃空饷，常年不上班却有工资，名下更是8套房产，9间商铺，4辆汽车，巨额财产来历不明。12月15日，中国农业发展银行河南省分行回应，夏某华吃空饷不实，但发现旷工。面对银行的否认，举报人又放出了一段录音，录音中银行保安称“夏某华天天都没来过”。由于该事件“吃空饷”话题敏感程度较高，且银行的简单回应并没有得到公众的认可，使得该事件被网民大量转发热议，引起了社会的强烈关注。整个事件伴随着网民情绪的大幅波动且经历了情绪迅速发酵、到达顶峰与缓慢下降三个阶段，群体极化程度应从0开始缓慢增长，后因政府的妥善管理而逐渐下降。5 5.3 3 模型参数估计模型参数估计（1）常量参数。本模型中，认知水平、媒介素养、收入、涉利程度、标签偏见、话题敏感度、心理需求、情感共鸣、意见领袖作用量、算法推送、议程设置、媒介关注度、网络平台监管力度、信息公开程度、政府回应速度、政府满意度涉及情绪唤醒、情绪干扰、情绪疏解的具体数据，将其设置为常量，取值范围为0-100。分值越大，作用力越强。本研究采用调查问卷的方法，共发放问卷100份，回收有效问卷89份，回收率为89%，符合分析的要求。整理后取各常量的平均值分别为：68、75、27、85、63、62、34、45、65、55、65、85、65、85、75、80。（2）表函数。在以网民情绪演化趋势为主线的群体极化系统中，对群体极化的影响主要体现在网民讨论频率、事件搜索热度、政府报道频率。本文选取“女子实名举报前婆婆吃空饷”事件一周内网民对该事件的转发、评论数据汇总成网民讨论频率，以“前婆婆吃空饷”为主题词搜索次数汇总成事件搜索热度，当地公安机关与国家卫健委等官方政务微博的报道数据汇总成政府报道频率。网民讨论频率=WITHLOOKUP(信息传播影响力Time,(0,0)-(8,2000),(0,0),(1,560),(2,1180),(3,670),(4,330),(5,185),(6,45),(7,20),(8,15)事件搜索热度=WITHLOOKUP(Time,(0,0)-(8,2000),(0,0),(1,960),(2,1568),(3,864),(4,500),(5,352),(6,250),(7,120),(8,56)政府报道频率=WITHLOOKUP(Time,(0,0)-(8,800),(0,0),(1,320),(2,560),(3,370),(4,250),(5,112),(6,30),(7,21),(8,9)5 5.4 4 系统仿真结果与分析系统仿真结果与分析5.4.1 系统基础仿真结果为了便于数据的仿真分析，在不影响仿真结果与灵敏性的基础上本研究已对各速率变量的数值进行了相应的缩小倍数与调整。通过对专家为、所赋值的仿真模型分析，最终确定了图 7为网络舆情群体极化的仿真结果。此时，=0.25，=0.3，=0.45，结果基本符合现实情况。从系统仿真结果图来看，群体极化的演化经过一个“缓存释放”的过程，与网民情绪演化趋势相符共分为3个阶段，分别是0-1天网民对该事件发表了自己的看法，形成了初步的小范围群体，该阶段网民情绪与极化程度具有明显的上升趋势；1-3天网民随着从众心理的影响、各大媒体的参与与意见领袖的引导不断强化自身的观点等因素，使极化程度迅速上升并达到峰值；最后在政府的管理作用下，网民情绪与群体极化程度逐渐消退至趋于0。图7 群体极化仿真基础结果图Figure 7Basic results of population polarizationsimulation基于上述仿真结果，本文采用“百度指数”与“清博舆情”监测系统对“女子实名举报前婆婆吃空饷”中网民的讨论趋势与情感走势进行分析与验证，如图8、图9所示。图中话题金冬雪,夏一雪,朱攀龙.情绪演化视角下网络舆情群体极化动力学机理研究J.情报科学,2023,41(3):57-65.-61走势恰好符合群体极化的仿真结果，说明群体极化程度与该事件的发展趋势具有一致性。从图中的情感类别来看，该话题由三种不同情绪组成，分别为负面情绪、正面情绪与中性情绪，其中负面情绪占比99.73%，正面情绪占比0.03%，中性情绪占比0.24%，说明网民的负面情绪在该事件中占据了主要部分，且负向情绪占比越大,越容易引起网络群体极化【29】。从图中的情感趋势来看，网民的负面情感也经历了一个先上升后下降的发展过程，与上述的话题走势、群体极化趋势图都具有同样的演化规律。由此可以看出，该模型中网民群体极化程度的趋势与真实情况基本一致（注：话题走势以微博走势为主，情感属性仅考虑负面情绪因素）。图8 网民讨论趋势图Figure 8 Netizens discussion trend chart5.4.2 系统变量仿真结果（1）情绪唤醒子系统在群体极化的演化过程中，网民的情绪唤醒更多体现为网络用户对某个事件或话题的情绪表达与情绪宣泄。如图10，当媒介素养增加20%,为曲线1；涉利程度增加20%，为曲线2；认知水平增加20%，为曲线3；话题敏感度增加20%，为曲线4；曲线5表示为初始状态（注：收入因素影响效果较小，图中不予展示）。通过结果显示，话题敏感度与涉利程度是影响群体极化程度最重要的两个正向变量，而媒介素养、认知水平是影响群体极化程度最重要的两个负向变量。首先，话题敏感度属于信息源头的影响因素，话题越敏感，公众参与讨论的强度就越大。当话题敏感度增加时，围绕话题本身会呈现出大量多元、异化、聚合的形态与特征，如网民讨论的话题范围逐渐扩大、网络谣言的数量逐渐增多或话题的价值取向逐渐趋同等，这些因素的相互作用都会加剧群体极化的激烈程度。其次，涉利程度主要是衡量舆情主体与该事件的利益关系及影响程度，当引发群体极化的事件与普通公众利益诉求相契合时，个人情绪就越容易产生强烈的激化。此时，舆情的传播方向就会按照网民的涉利程度朝着既定的方向发展，形成一个相对稳定的“传播域”，加速了群体极化的预期性。最后，媒介素养与认知水平通常是衡量网民在舆情中对事物分析与判断的标准，一个具有较高认知水平且媒介素养良好的网民在舆论场中能够精准的找到自己的定位，使自己发表的意见更偏向于“理性”。因此，媒介素养与认知水平的提高会大大削弱“群体极化”的程度。（2）情绪干扰子系统网络传播的最大特点莫过于及时快速的反馈与互动【30】。根据社会心理学家海德的平衡理论、纽科姆的对称理论及奥斯古德的调和理论可知，处于网络中心的网民情绪更容易受到“他者关系”与“群体氛围”的相互干扰。如图11Figure 10 Analysis of emotional arousal subsystemFigure 11 Analysis of emotional disturbance subsystem图10 情绪唤醒子系统分析图图11 情绪干扰子系统分析图图9 网民情感属性图Figure 9 Emotional Attributes of NetizensJIN Dongxue,XIA Yixue,ZHU Panlong.The Mechanism of Network Public Opinion Group Polarization Dynamics from the Perspective of Emotional EvolutionJ.Information Science,2023,41(3):57-65.-62所示，当网络平台监管力度增加20%，为曲线1；议程设置增加20%，为曲线2；情感共鸣增加20%，为曲线3；意见领袖作用量增加20%，为曲线4；曲线5为初始状态。通过结果显示，议程设置、情感共鸣是影响群体极化程度最重要的两个正向变量，网络平台监管力度是影响群体极化程度的最重要负向变量。首先，议程设置作为大众传播媒介影响社会的重要方式，能够通过安排相关的议题来有效地左右人们关注哪些事实和意见及他们谈论的先后顺序【31】，但在传播过程中也使同类受众的信息选择形成了高度的聚合，造成了一定程度的信息闭塞。此时，“回音室”“信息茧房”等现象大幅增加，加剧了网络舆情群体极化的风险传播。其次，网络环境下的网民情绪体验、情绪分享是一种基于刺激驱动下的自动化过程，且情感共鸣往往是在网民无意识的前提下进行的。同时，新媒体舆论场的“圈群化”传播特点也催生了网民的情感共鸣，使网民的情绪范畴逐渐“趋同”，加剧群体范围内的情绪极化。最后，网络平台监管部门作为舆论生态环境中的“降噪器”，对公众紧张、焦虑等负面情绪具有调节、疏散作用。因此，充分发挥网络平台的监管力度可以大大减轻群体极化的危害程度。（3）情绪疏解子系统政府作用于网络舆情演化的每个阶段，是网络舆情事件能否得到妥善处理和及时消退的关键因素【21】。在群体极化系统中，政府作为重要的流出变量，不仅能够直接调节网民的情绪，而且对信息传播的引导与媒介环境的管控都发挥着至关重要。如图12所示，当政府回应速度增加20%，为曲线1；信息公开程度增加20%，为曲线2；政府满意度增加20%，为曲线3；曲线4为初始状态。图12 情绪疏解子系统分析图Figure 12 Analysis of emotional dissolution subsystem通过结果显示，政府的回应速度、信息的公开程度与政府满意度分别提高20%时，群体极化的严重程度会随之大幅降低，三者都是影响群体极化程度的重要负向变量，能够从根本上减轻群体极化的危害程度。首先，政府的回应速度对群体极化的影响作用最为明显，其原因是政府的及时回应为公众提供了更可靠、更权威的信息资源，能够有效提高公众对各种信息的鉴别能力，达到对事件的理性认知，在一定程度上避免了社会不良情绪的扩散。其次，信息的公开程度能够在信息本体及媒介环境中真实还原事件的整个过程，对舆论场中的不满情绪、虚假言论从事件源头、传播过程中有效制止。最后，政府作为公众心中的权威机构，能否妥善处置舆情事件，化解网民的不良情绪离不开广大群众的支持。政府满意度作为群众衡量政府行使社会职能的风向标，在疏解群体极化中发挥了显著的作用，良好的政府形象不仅能使广大群众避免陷入“塔西佗陷阱”，更能从根本上提高政府的管理效能，推动网络舆情治理良序发展。6 结论与展望本文基于系统动力学方法，采用Vensim PLE软件从网民的情绪唤醒、情绪干扰、情绪疏解三方面对网络舆情群体极化的演化过程进行仿真模拟研究。通过对模型中各阶段的群体极化影响要素分析与总结，从网民、媒介环境、政府角度分别提炼出围绕 current 子系统趋势线中的重要疏解因素，为减轻群体极化程度提供相应对策。（1）提升网民媒介素养，合理控制自身情绪。网络舆情群体极化离不开个体情绪的激化与“个体群体”之间的相互影响、循环作用。因此，削减网民情绪作用量要广泛提高网民群体的认知水平和媒介素养。要拓宽网民的媒介文化知识视野，培养全媒体环境下网民对信息的思辨能力与发表言论的责任意识，合理控制自身的不良情绪，在喧嚣的舆论场中时刻保持清醒的头脑、紧张的意识与严肃的态度，始终坚持个性化、多样化的思维方式。同时，身为意见领袖的网民群体要充分发挥自身的带头人作用，以客观的立场缓解网民群体紧张、不满、焦虑的情绪氛围，树立“理性化”的舆情风向标，避免因网民自身的情绪蔓延引发更大范围地群体性舆情危机。（2）科学设置媒介议程，强化网络监管防控。科学合理的议程设置能够有效发挥媒介的影响力与引导力。党的十九大报告提出，“高度重视传播手段建设和创新，提高新闻舆论传播力、引导力、影响力、公信力【32】。媒介为满足舆论场中信息平衡的需求，防止虚假言论与不良情绪渗透，不仅要在正面舆论面前充分发挥主流媒体的引领作用，不断提升自身的宣传手段以更加客观、审慎的议程设置来指引网民群体，也要在负面舆论面前高度重视主流媒体的引流作用，避免网民复杂、紧张的情绪引发群体性失序。同时，要加强对网络媒体的监管与防控，严格规范媒介环境秩序，保持各类信息输出平衡，并建立网络舆情群体极化危机预警机制，避免因媒介环境的监管不力使群体程度进一步加剧。（3）严格管理信息流通，增强信息务实透明。引发网络舆情群体极化的突发事件本身就具有较强的传播性与影响力，尤其是在自媒体平台、社交平台上传播极为迅速且部分媒体为了抢占先机，吸引流量经常会篡改新闻内容、增加虚假言论、谎报真实数据以先入为主的方式诱导公众的认知。因此，在信息传播的过程中为避免群体极化危机的发生，政府部门要进行传播前、传播中、传播后的全方位管控。做到传播前重监测、传播中重引导、传播后重透明。将事件的真实发生过程与政府的处置过程还原给广大网民，提高信息的金冬雪,夏一雪,朱攀龙.情绪演化视角下网络舆情群体极化动力学机理研究J.情报科学,2023,41(3):57-65.-63公开程度，最大程度降低网民因信息闭塞、虚假言论所引发的社会恐慌。（4）加快政府回应速度，增强自身形象建设。网络舆情群体极化的减缓离不开政府工作的支持。目前，政务新媒体作为移动互联网时代党和政府联系群众、服务群众、凝聚群众的重要渠道，是加快转变政府职能、建设服务型政府的重要手段【33】。因此，要分发挥政务新媒体的传播优势，积极把握舆情回应的最佳黄金时间，站在网络民众的主观立场上向民众及时公布事件发展情况与处置对策【34】，建立网上网下协同处理的工作机制，巩固拓展为网民纾解疑惑、澄清辟谣的主流阵地。同时，加大政府形象宣传力度，为公众营造具有高度责任感、超强执行力的值得依靠、信赖的政府形象。这样，网络舆情群体极化的负面影响才能通过政府的疏导力量减轻化解。本文基于系统动力学的研究方法，以情绪唤醒、情绪干扰、情绪疏解三方面对网络舆情群体极化演化过程进行分析，并基于各子系统间的因果关系探究各要素间的相互作用与影响。通过仿真结果表明，网络舆情的治理工作要重点从网民的媒介素养、认知水平；媒介的议程设置、网络监管力度与政府的管理效能等方面展开。本文的不足之处在于数据的量化处理具有较强的主观性且案例的选取较为单一，不能对群体极化的影响要素进行精准分析。此外，网络舆情群体极化受多重因素相互影响且随着信息技术的发展而逐渐改变，对各子系统及相关影响因素还需逐渐完善。参考文献1 叶淑兰.南海问题的公众舆论及其对决策影响的分析J.国际新闻界,2014,36(12):31-44.2 Asker D,Dinas E.Thinking fast and furious emotionalintensity and opinion polarization in online mediaJ.Public Opinion Quarterly,2019,83(3):487-509.3 Das R,Kamruzzaman J,Karmakar G.Modelling majority and expert influences on opinion formation in online social networksJ.World wide web-internet andweb information systems,2018,21(3):663-685.4 Zhang YF,Xiao RB.Modeling and Simulation of Polarization in Internet Group Opinions Based on Cellular AutomataJ.Discrete dynamics in nature and society,2015,15(9):1-15.5 Chen XH.Modelling public opinion polarisation processconsidering the influence of initial viewpoint and interaction modeJ.International Journal of Computingscience and mathematics.2020,12(1):82-91.6 Balcells