10月27日，由蜜度信息联合微博政务新媒体研学中心主办的“新媒体大数据在线课堂第八期分享会”如期举行。本期课堂邀请南京大学新闻传播学院副教授王成军老师，以《计算社会科学视角下的网络舆情：案例、数据和方案》为主题进行分享，以下为本期课堂笔记：
一、计算中心
大航海时代使得欧洲迅速转变为全球的计算中心，开启了此后的全球贸易和殖民，深刻地影响了整个世界的版图。进行大航海的过程从历史学角度被称作为地理大发现，又名探索时代或发现时代，本质上是计算中心的一种形式，将全世界各个角落的信息汇总到一个地方，这个地方就被称之为“计算中心”。计算中心一旦获取了全球化的知识、信息，那么它就具有了某种能力，可以对当地的很多人产生影响。
“计算中心”的概念是拉图尔在1987年的《科学在行动》(Science in Action)一书中提出，它的逻辑非常普遍，现在建立的各种各样的实验室、政府文档系统、视频监控、汽车导航及互联网等都是将散落的地方知识联系起来，汇总到计算中心，经过进一步的分析和挖掘得到一个全球化的分析。
计算社会科学试图从重要的社会问题出发，如重大的舆情事件，系统收集大规模的数据，采用计算机算法进行更精确化的测量，建立一些模型，帮助我们对舆情进行分类、研判，进而帮助我们了解舆情的进展、预测舆情的演变、了解舆情的基本机制，甚至了解舆情背后的因果关系。
二、舆论学的两个基本模型
1.芝加哥学派的公共讨论模型
l 舆论演化
l 解决社会问题，例如城市化过程中出现的问题
l 主张符号互动，具体问题具体分析（忽视了结构性问题）
l 以讨论的方式进行，激发更多的想法
l 分为不同的阶段：问题阶段(problem phase)、建议阶段(proposal phase)、对策阶段(policy phase)、执行阶段(program phase)、评估阶段(appraisal phase)
2.民意调查产业的草根模型
l 一人一票
l 问卷调查
l 独立回答
3.大数据和智能媒体时代的舆情模型
l 大数据时代到来，促使芝加哥学派的公共讨论模型“复活”。如今，当我们在了解舆情的时候，通常会抓取一大批数据来进行分析，似乎很少会去做问卷调查等。
4.数据和方法
值得注意的是，过于依赖大数据存在认知维度单一的风险。我们应该把大数据当成一个桥梁，当我们在理解网络舆情的时候，使用计算将定性、定量更好地衔接起来。
三、网络舆情的类型
1.社会问题
l 就业问题
l 教育资源
l 医患冲突
2.伦理道德
3.经济、财产和利益纠纷
l 住房问题（如房价）
l 拆迁问题
l 物价问题
l 环境保护
4.自然灾害
l 地震，例如汶川地震
l 水灾，例如郑州大水
l 流行病
五、网络舆情热点的总体特征
1.社交媒体促使舆情事件的周期缩短
舆情形成高潮一般在24小时之内，通过微信、论坛酝酿的舆情也不超过72小时，特别是危机类事件，可以说是从一开始就进入爆发期。
2.潜在利益相关问题是舆情热点的集中议题
社会民生领域中的房价、医疗、教育、交通、环境等一直是民众最急切的关注所在，因为关乎每个公民的切身权益。
3.机构和个人成舆情事件主体
六、舆情回应与应对的注意事项
1.及时性
l 回应速度
l 回应态度
l 回应次数
2.透明性
l 信息公布
l 新闻发布会
3.准确性
l 专业程度
l 媒介素养
4.协调性
l 信息共享
l 部门联动
5.权威性
l 回应层级
l 事态引导
6.应急处理方案包括“一案三制”
l 构建网络舆情应急预案体系, 包括总体应急预案、分项应急预案、活动应急预案等;
l 构建网络舆情应急管理体制和机制, 建立领导机构和专家咨询队伍;
l 构建网络舆情应急管理法制框架体系, 努力使网络舆情突发事件的应急处置逐步制度化和法制化。
七、结构性叙事
1.源自社会结构性的问题
l 不同于随机性的“特殊因素解释”
l 构成一种或多种“结构-机制解释”
l 广泛地存在于众多舆情事件当中
l 可以对社会现实产生持久的影响
2.结构性叙事的构成元素
l 容易理解，口口相传
l 与听众利益直接或间接相关
l 可以充当社交货币
l 传播速度极快
l 常常涉及道德判断
l 常常涉及身份认同
3.自媒体与虚假信息
l 为什么舆情翻转越来越多？
l 欺骗的均衡
只要存在通过欺骗获取超额利润（如关注量、转发量）就会存在相应的内容供给，直到造假的利润消失。
l 监管的力度有限
l 事实核查速度慢
l 假新闻更新奇，传播速度更快
助教小贴士：
结合本期在线课堂内容，索骥产品总监沈沁瀚进行了题为《短视频时代下的舆情特色与应对重点》的分享。沈沁瀚从多个案例入手，讲解短视频时代下的舆情特点、处理难点及应对策略。在分享过程中，沈沁瀚利用索骥视频检测系统的多个分析功能讲解实用场景，如视频识别、图表可视化、处理技术等。借助索骥视频检测系统，能帮助相关部门、企业和品牌解决视频数据监测、鉴别难的问题。
数据说明：本文由蜜度撰写制作，部分引用外部公开数据与资料。旗下产品-新浪舆情通，政企舆情大数据服务平台，致力于为客户提供全网舆情监测、舆情预警、行业分析、定制报告等全方位的舆情服务。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）