導語：如何才能寫好一篇網(wǎng)絡輿情傳播機理，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：三維建模；網(wǎng)絡輿情傳播模擬；元胞自動機；網(wǎng)絡輿情傳播速度模型；計算機仿真

中圖分類號：TP393.02

網(wǎng)絡媒體是繼報紙、廣播、電視之后的“第四媒體”，網(wǎng)絡已成為反映社會輿情的主要載體之一，有關網(wǎng)絡輿情的研究日益受到重視。目前在社會網(wǎng)絡或因特網(wǎng)概率統(tǒng)計模型[1]、元胞自動機模型[2]和隱馬爾科夫模型[3]三個方面研究較深入。由于元胞自動機模型能十分方便地復制出復雜的現(xiàn)象或動態(tài)演變過程的吸引子、自組織和混沌現(xiàn)象，從而引起了科學家的興趣，在很多領域得到了很大的應用。本文在針對網(wǎng)絡輿情傳播過程的因素方面，提出一種面向三維元胞自動機的輿情傳播基本模型，將三維元胞自動機與網(wǎng)絡傳播輿情模型相結合，經(jīng)仿真證明，此算法運行高效，能夠在多種因素的約束下快速地模擬網(wǎng)絡輿情傳播趨勢。

1 網(wǎng)絡輿情傳播的三維元胞自動機模型

1.1 三維元胞自動機模型

3 結論

針對網(wǎng)絡輿情的傳播模型，本文基于元胞自動機理論對網(wǎng)絡輿情分析和仿真實驗。在提出的元胞自動機算法和模型下，對影響網(wǎng)絡輿情傳播趨勢因素進行了研究和分析。結果表明本文提出的模型很好的分析了網(wǎng)絡輿情傳播的影響因素，且該模型更接近于實際網(wǎng)絡輿情傳播情況。由此，利用三維元胞自動機研究網(wǎng)絡輿情傳播具有較好的合理性。

參考文獻：

[1]陸題佳.因特網(wǎng)中危機信息傳播規(guī)律及應對模式研究[D].合肥：中國科學技術大學，2010.

[2]曾顯葵.基于多數(shù)規(guī)則和協(xié)同規(guī)則的元胞自動機輿論傳播模型研究[D].桂林：廣西師范大學，2007.

[3]ZENG JIANPING，ZHANG SHIYONG，WU CHENGRONG，et al.Modelling topic propagation over the Internet[J].Mathematical and Computer Modelling of Dynamic Systems，2009，15（1）：83-93.

篇2

關鍵詞：金融輿情 金融機構 聲譽管理 聲譽風險 突發(fā)事件

一、引言

“眾口鑠金，積毀銷骨”；“人言可畏”；“金杯銀杯，不如老百姓的口碑”等成語和概念均說明了社會輿論的影響力。隨著社會經(jīng)濟的發(fā)展，輿論醞釀和傳播渠道早已超出了傳統(tǒng)街頭巷尾、田間地頭的范圍，伴隨人們社交范圍的擴展、網(wǎng)絡通訊技術的進步，輿論影響力正呈現(xiàn)日益增強的趨勢。甚至當一些突發(fā)性的風險事件發(fā)生時，通過輿論的傳播，會演變成需要著力控制的大的社會性風險。輿論成為民眾意見表達，一致性意見形成，社會力量匯聚的一種渠道。因此，輿情日益受到政府、企業(yè)和學術界的關注，如何使信息正確傳播、輿論的正確引導也成為各界關注的主題。作為以信用、信譽、聲譽為基礎的商業(yè)性金融機構，尤其是商業(yè)銀行這類存貸款金融機構，更容易受到輿情的影響。如商業(yè)銀行理財產(chǎn)品“投訴門”、證券業(yè)“忽悠門”、保險機構“高保低賠”等金融輿情事件，無不顯示了社會輿論對金融機構業(yè)務的意見。尤其在金融機構突發(fā)風險事件情況下，相關輿情會對金融機構造成較大的聲譽影響，甚至引發(fā)“擠兌”等更為嚴重的危機。因此，作為聲譽管理的一項重要內(nèi)容，金融機構應重視并建立起常態(tài)化的金融輿情監(jiān)測調(diào)查、分析研究與管理應對機制。

理論研究對輿情的關注在2006年以后開始增多，主要是由于網(wǎng)絡、手機等新型輿論傳播媒體的廣泛使用而引起，在理論與實證研究領域都尚未成熟，尤其對于金融輿情的理論研究幾乎為空白，通過中國知網(wǎng)文獻檢索系統(tǒng)使用金融輿情主題詞進行文獻檢索，只有12篇文獻，而且均為央行、監(jiān)管機構和商業(yè)金融機構近期的工作實踐總結，因此，基于商業(yè)性金融機構聲譽管理對金融輿情這一專業(yè)輿情領域進行系統(tǒng)研究具有重要的理論與管理實踐意義。

二、金融輿情影響金融機構聲譽的作用機理研究

商業(yè)銀行為代表的商業(yè)性金融機構以信用、信譽和聲譽作為其各項業(yè)務開展的基礎性條件，而輿情是影響金融機構聲譽的重要因素。對商業(yè)性金融機構而言，金融輿情可以分為金融機構評價輿情與金融機構事件輿情兩類，其影響金融機構的作用機理有所差異。

（一）金融機構評價輿情的聲譽作用機理

金融機構評價輿情即有關金融機構業(yè)務能力、經(jīng)營效率、服務質(zhì)量等的評價。主要包括基于專業(yè)評價的輿情和基于客戶體驗的輿情兩種。

1、基于專業(yè)評價的金融機構輿情。一些專業(yè)的評價、評估、評級機構以及媒體、專家學者等會定期、不定期地通過專業(yè)模型、數(shù)據(jù)調(diào)研、關聯(lián)者調(diào)研等方式形成對商業(yè)性金融機構的評價、評級。其結果會通過一定方式公布，隨后便會形成有關的輿情傳播。這種輿情會影響金融機構的聲譽，影響客戶、潛在客戶的交易選擇，從而對相關金融機構的業(yè)績產(chǎn)生影響。

2、基于客戶體驗的金融機構輿情。在金融機構客戶與金融機構的業(yè)務交往過程中，會不斷積累客戶在業(yè)務活動中的體驗信息，這些信息在輿論交流過程中會不斷匯聚成較為一致性的輿情趨勢，從而表現(xiàn)特定金融機構的聲譽特征。

（二）金融機構事件輿情的聲譽作用機理

在金融機構發(fā)生特定事件，尤其是突發(fā)風險事件的情況下，相關輿情的受關注程度會大大強化，并引發(fā)相關金融機構的聲譽危機，傳播速度會大大加快，傳播范圍大大擴展，如果沒有有效的金融輿情管理應對機制，及時有針對性地處理聲譽風險，甚至有引發(fā)“擠兌”的危機。

三、金融機構輿情監(jiān)測調(diào)查

（一）模式與主體

1、模式。獲得金融輿情的模式可以有被動的金融輿情監(jiān)測模式與主動的金融輿情調(diào)查模式兩種。

2主體。我們這里的金融輿情監(jiān)測調(diào)查與管理的主體指各類商業(yè)性金融機構，即主要包括各類商業(yè)銀行、證券公司、保險公司，以及信托投資公司、金融租賃公司、風險投資公司等?？梢杂山鹑跈C構各自根據(jù)業(yè)務范圍和特點建立自己的監(jiān)測調(diào)查系統(tǒng)，也可以由各金融機構共同建立共享的平臺機制。

（二）方式與工具

1、傳統(tǒng)金融輿情監(jiān)測調(diào)查方式、渠道和工具。包括：（1）傳統(tǒng)媒體信息渠道。如公共媒體的期刊、報紙、書籍，廣播、電視。（2）輿情調(diào)查。如采用問卷調(diào)查的方式了解公眾意見、手機信息傳播情況等。

2、新型方式。主要是公共互聯(lián)網(wǎng)渠道，通過專業(yè)的監(jiān)測調(diào)查軟件系統(tǒng)開展金融輿情的監(jiān)測調(diào)查工作。包括：（1）互聯(lián)網(wǎng)輿論平臺。通過微博、博客、BBS等信息內(nèi)容進行的輿情監(jiān)測；（2）互聯(lián)網(wǎng)調(diào)查。通過專業(yè)網(wǎng)站和軟件系統(tǒng)進行輿情調(diào)查。

四、金融輿情信息整理分析

對收集到的金融輿情信息可以從定性、定量兩種方法角度建立研究分析機制。

（一）定性分析

1、金融輿情主題分類整理。分析發(fā)現(xiàn)有關金融的輿論信息中所關注的主題，并進行分類整理。

2、金融輿情觀點歸納整理：基于各個主題會有不同觀點出現(xiàn)，將這些觀點進行歸納和分類整理。

（二）定量分析

1、統(tǒng)計方法。包括：（1）基礎數(shù)據(jù)統(tǒng)計。如各類主題、各類觀點數(shù)量等。（2）信息指標。如各類主題、各類觀點的占比等，以把握輿情方向、趨勢。

2、計量方法?；诨A數(shù)據(jù)運用計量分析輿情變化的影響因素分。如分析各類金融事件輿情變化影響因素；以及金融形勢趨勢輿情變化的影響因素等，以便引導輿情基于真實信息向有利于金融穩(wěn)定運行的方向發(fā)展。

五、基于聲譽管理的金融輿情監(jiān)測調(diào)查與分析研究結果運用

（一）業(yè)務類型調(diào)整與服務質(zhì)量信息交流反饋

使金融輿情監(jiān)測調(diào)查成為金融機構了解和把握客戶金融需求、業(yè)務需求，獲得服務質(zhì)量反饋，實施業(yè)務管理的一條重要信息交流渠道。在進行業(yè)務調(diào)整時，通過金融輿情信息預測業(yè)務實際效果和社會接受程度；在業(yè)務推出后，通過輿情信息了解業(yè)務效果好服務質(zhì)量，從另外一方面印證業(yè)務實際運行信息。

（二）金融創(chuàng)新活動的信息交流反饋

金融機構開展金融創(chuàng)新活動前，通過輿情信息了解民眾需求、預期；在之后把握其效果，以利于金融創(chuàng)新能夠真正符合客戶要求。

（三）突發(fā)風險性金融事件的應急處理

突發(fā)金融事件往往是通過輿論傳播而最終演化成為風險事件，甚至會通過輿論傳播影響金融機構信用和金融價值鏈的正常運行，從而誘發(fā)更大范圍的風險發(fā)生。因此，建立健全的應對與引導機制及早和及時發(fā)現(xiàn)危機發(fā)生、蔓延的苗頭，并采取有針對性的應急管理措施是控制、化解突發(fā)金融風險事件的一個關鍵點。在這方面需要建立商業(yè)金融機構之間、商業(yè)金融機構與金融管理機構之間的協(xié)調(diào)機制，以及相應的輿情引導機制。

另外，即便對于金融市場、機構的正面事件輿情，金融機構也要關注和引導適度傳播，以免被過度利用而引發(fā)一哄而上的泡沫性金融投資。

參考文獻：

[1]趙惠春、吳滋興、張職，《人民銀行輿情調(diào)查制度建設構想》，《福建金融》2007年第11期。

[2]肖桂華，《加強督促考核狠抓工作落實――人行麗江中支輿情監(jiān)測工作初見成效》，《時代金融》2009年第4期。

[3]閆利平、陶衛(wèi)江、韓曉虎、靳蘭，《政府網(wǎng)絡輿情監(jiān)測分析及預警》，《現(xiàn)代情報》2011年第4期。

篇3

〔關鍵詞〕社交媒體；信息可信度；評估；綜述

〔中圖分類號〕G203 〔文獻標識碼〕A 〔文章編號〕1008-0821（2016）12-0164-06

〔Abstract〕Information credibility assessment research in social media not only contributes to the development and improvement of network information resource management theory，but also helps to improve the effectiveness of social media monitoring public opinion，social media search，social recommendation and so on.The paper firstly reviewed the researches at home and abroad about the social media information research，information credibility research，and social media information credibility assessment research，and then pointed out the problems existing in information credibility assessment research of domestic social media，and finally put forward the solution to it.

〔Key words〕social media；information；credibility；assessment；review

1 研究的意義

隨著互聯(lián)網(wǎng)技術和移動技術的突飛猛進，社交媒體盛行，人人可做信息的制造者，制造的信息極為豐富。然而，在這豐富信息的背后，隱藏著漫天飛舞的謠言、病毒般傳播的虛假照片和視頻，這給人們幸福的生活、社會的穩(wěn)定帶來了嚴重的隱患。為了遏制虛假不良信息傳播，營造健康向上的網(wǎng)絡環(huán)境，信息可信度評估就成了迫在眉睫的問題，社交媒體信息急需“鑒定師”和“測謊儀”。

社交媒體信息可信度評估研究既有較高的學術價值，也有較強的應用價值。具體來說，學術價值表現(xiàn)在研究社交媒體信息可信度評估并探討虛假信息的生成機制、傳播模式、治理措施，是對社交媒體環(huán)境下網(wǎng)絡信息資源管理理論的豐富、發(fā)展與完善。應用價值表現(xiàn)在研究社交媒體信息可信度評估有助于社交媒體用戶判斷信息的可信性，營造誠信健康的互聯(lián)網(wǎng)環(huán)境，也有助于提高社交媒體信息輿情監(jiān)控、社交媒體信息引導、社交媒體搜索、社會化推薦等方面的效果。

2 社交媒體信息研究

社交媒體（Social Media）是通過Web2.0技術實現(xiàn)的一類支持用戶自主創(chuàng)造和交換內(nèi)容的媒體，如Twitter、Facebook、Youtube、LinkedIn、Wiki、微博、微信、QQ、論壇、人人網(wǎng)等。自1973年Lipkin、Szpakowski和Felsenstein 3人在美國加州伯克利市建立全球第一個公共電子公告牌系統(tǒng) Community Memory后，BBS以及網(wǎng)絡社區(qū)等早期的社交媒體開始映入人們的眼簾?！?015年全球社會化媒體、數(shù)字和移動業(yè)務數(shù)字統(tǒng)計趨勢》報告表明：全球社交媒體活躍用戶約占全球人口的29%。

2.1 國外研究

社交媒體的相關研究從20世紀80年代開始，在2005年左右開始進入快速發(fā)展階段，發(fā)文量有逐年增加的趨勢。在國際期刊中，發(fā)表社交媒體論文較多的要屬《Computers in Human Behavior》。近兩年，關于社交媒體的國際會議主要有ASONAM、SMP、MISNC、SMAP、SCSM。國外學者研究內(nèi)容主要集中在以下4個方面：

2.1.1 社交媒體信息利用研究

社交媒體在商業(yè)領域、教育領域、公共管理領域等都有廣泛的應用[1]。如在營銷領域，利用社交媒體信息，可以獲知消費者態(tài)度和行為[2]，可以獲知客戶交流和推薦對營銷的影響[3-4]，可以獲知社交媒體信息對營銷管理功能的影響[5]。

2.1.2 社交媒體信息檢索與信息推薦研究

側重于社交媒體信息檢索與信息推薦方法的研究。社交媒體信息的檢索采用主題模型[6]、社會網(wǎng)絡[7]、本體[8]等檢索方法。比如，Hong和Davison（2010）使用標準主題模型進行社交媒體Twitter信息的檢索。社交媒體信息的推薦采用內(nèi)容推薦[9]、協(xié)同過濾[10]、時序推薦[11]、位置推薦[12]、社會化推薦[13]等方法。比如，Levandoski等（2012）提出位置感知推薦系統(tǒng)（LARS）[12]。

2.1.3 社交媒體信息傳播研究

側重于反映信息傳播傳播規(guī)律的社交媒體信息傳播模型的構建以及通過模型的構建對實際問題進行預測等方面的研究。如Galuba等（2010）通過研究1 500萬URL在不同Twitter用戶之間的300小時傳播，提出了基于內(nèi)容流行度、用戶影響力和傳播速度的線性閾值模型[14]。Adar和Adamic（2005）通過研究信息在博客中傳播的模式和動力學特性，提出用傳染病模型來描繪信息傳播的機理[15]。Asur和Huberman（2010）采用來自的聊天數(shù)據(jù)通過簡單的線性回歸模型預測電影票房的收入[16]。

2.1.4 社交媒體用戶隱私研究

在探討社交媒體用戶隱私現(xiàn)存問題的基礎上，提出了相應的隱私保護方法。如Viswanath等（2010）首先研究Sybil防御的缺陷，在其基礎上探討了替代Sybil防御的方法[17]。Conti等（2011）采用FaceVPSN解決社交媒體用戶隱私問題[18]。

2.2 國內(nèi)研究

國內(nèi)學者的社交媒體研究最早可追溯至20世紀90年代末，但從2005年后起關于社交媒體的論文才逐漸表現(xiàn)出增長態(tài)勢。國內(nèi)研究內(nèi)容主要集中在：

2.2.1 社交媒體信息傳播研究

研究內(nèi)容包括：①社交媒體信息傳播模式研究。如韓佳等（2013）提出了基于改進SIR的在線社交網(wǎng)絡信息傳播模型[19]。姜景等（2015）構建表征謠言信息與辟謠信息傳播機理的Lotka-Volterra競爭模型[20]。②社交媒體信息傳播中存在的問題與對策研究。如閻?。?015）探討微博傳播存在的問題及原因，并提出了加強微博內(nèi)容管理、增強把關意識、提高微博用戶的媒介素養(yǎng)等對策[21]。③社交媒體信息傳播效果研究。如陳遠和袁艷紅（2012）以新浪微博作為數(shù)據(jù)來源，把信息覆蓋人數(shù)、評論數(shù)、轉發(fā)數(shù)作為微博信息傳播效果的量化指標，從縱橫向兩個角度研究新浪微博信息傳播過程造成的效應[22]。

2.2.2 社交媒體輿情分析與監(jiān)測研究

如張J等（2014）以打砸日系車系列突發(fā)公共事件為實例，探討其在新浪微博和新浪新聞平臺上輿情傳播的特征與規(guī)律[23]。張瑜等（2015）對新浪微博熱門話題“北京單雙號限行常態(tài)化”下的微博進行了數(shù)據(jù)采集，將輿情演化劃分為潛伏、成長、爆發(fā)、衰退、波動、死亡6個階段，并對各階段進行情感分析，為輿情治理提供了支持[24]。唐濤（2014）在分析網(wǎng)絡輿情五要素的基礎上，探討移動互聯(lián)網(wǎng)輿情的新特征，指出面臨的新挑戰(zhàn)，并從信息分析、信息篩選、信息引導等方面提出對策[25]。

2.2.3 社交媒體營銷研究

如唐興通（2012）的著作《社會化媒體營銷大趨勢：策略與方法》系統(tǒng)總結了社交媒體營銷，并對眾多社交媒體工具在實際工作中的應用提供了具體的建議[26]。張淼（2014）提出了企業(yè)完善社交媒體營銷策略的“9+3”模式[27]。劉曉燕和鄭維雄（2015）采用社會網(wǎng)絡分析方法研究企業(yè)微博營銷傳播的效果[28]。

3 信息可信度研究

3.1 國外研究

信息可信度（Information Credibility）是指人們對信息可相信程度的認識。它由值得信賴（Trustworthiness）和專業(yè)性（Expertise）兩個關鍵要素組成[29]。信息可信度比較系統(tǒng)的研究始于20世紀50年代的傳播領域。Hovland和同事的工作具有里程碑的意義[30]。信息可信度最初關注的是傳播者的可信度。國外對傳統(tǒng)媒體信息可信度的研究主要是從信源可信度、內(nèi)容可信度、渠道可信度三方面展開的。隨著互聯(lián)網(wǎng)的出現(xiàn)，網(wǎng)絡信息可信度的評估被提上了議事日程。研究情況可歸納如下：

3.1.1 網(wǎng)絡信息可信度評估的理論模型

主要有Fogg（2003）的P-I理論模型、Wathen和Burkell（2002）的評判模型、Sundar（2008）的MAIN Model、Hilligoss和Rieh（2008）的統(tǒng)一模型、Metzger（2007）的雙處理模型以及Lucassen等（2013）的3S模型（修訂版）。以上理論模型是由情境、用戶特征、操作性、處理過程這些側面的若干部分構建而成的。

3.1.2 網(wǎng)絡信息可信度研究內(nèi)容

主要有對網(wǎng)絡新聞的可信度研究、對搜索引擎結果的可信度研究以及對維基百科內(nèi)容的可信度研究。比如，Nagura等（2006）通過比較關于同一主題不同網(wǎng)頁的相似度來計算每個網(wǎng)頁的可信度[31]。Yamamoto和Tanaka（2011）利用用戶可信度評判模型對網(wǎng)頁搜索結果進行重新排序，以便從Web搜索結果的列表中用戶可以更高效的找到可信的網(wǎng)頁[32]。Adler等（2008）以文章長度、版本數(shù)量和基于貢獻數(shù)量的作者聲譽建立模型，計算出維基百科文章的可信度[33]。

3.1.3 網(wǎng)絡信息可信度研究方法

主要采用定量研究法。比如，Olteanu等（2013）在調(diào)查網(wǎng)頁的各種特征（文本內(nèi)容、鏈接結構、網(wǎng)頁設計等）的基礎上，經(jīng)過統(tǒng)計分析方法篩選出關鍵的特征，采用監(jiān)督學習算法來推斷網(wǎng)頁內(nèi)容的可信度[34]。與網(wǎng)絡信息可信度有關的典型系統(tǒng)有日本的WISDOM和Honto？Search。

3.1.4 影響力較大的項目和國際會議

影響力較大的項目有互聯(lián)網(wǎng)可信度研究（The Web Credibility Research）項目，影響力較大的國際會議有WICOW（Workshop on Information Credibility on the Web）。

3.2 國內(nèi)研究

1993年的《鑒別虛假信息五法》是國內(nèi)發(fā)表的早期論文。2004年至今，相關研究進入快速發(fā)展期。相對于國外較多研究評估算法和評估系統(tǒng)，國內(nèi)研究重點在于定性分析上，大多采用問卷調(diào)查及專家訪談法等進行人工評估。國內(nèi)研究內(nèi)容主要有：

3.2.1 側重于信息可信度影響因素研究

比如，龔思蘭等（2013）針對評論信息的文本內(nèi)容、長度、情感傾向、時效性、者、商家活動等特征，通過問卷調(diào)查方式對大學生消費群體進行在線商品評論信息可信度影響因素實證分析[35]。蔣洪梅（2013）運用理論分析輔以實證研究的方法，從宏觀的社會系統(tǒng)、中觀的政策法規(guī)、微觀的媒介與受眾3個視角分析網(wǎng)絡新聞信息可信度的影響因素[36]。

3.2.2 側重于信息可信度指標體系的構建

比如，胡紅亮（2013）按照信息源、信息加工、信息傳播和信息應用等方面采用德爾菲專家調(diào)查法建立了學術著作可信度的基本評價模型[37]。潘勇和孔棟（2007）基于第三方認證機構的視角，構建了電子商務網(wǎng)站的信用評價指標體系及評價因素集，并建立灰色關聯(lián)信用評估模型[38]。當然，也有少量基于機器學習的信息可信度自動化評估實驗研究，比如，馬偉瑜（2011）提出一種采用改進的PageRank算法評估網(wǎng)頁信息可信度的方法[39]。

4 社交媒體信息可信度評估研究

4.1 國外研究

國外相關研究較早。社交媒體信息可信度的相關研究隨著BBS的出現(xiàn)隨之展開，最早可追溯到20世紀80年代。目前可以說，研究處于繁榮期。國外研究情況可歸納如下：

4.1.1 社交媒體信息可信度評估研究內(nèi)容

研究內(nèi)容主要包括：①不實信息的判斷識別。如Qazvinian等（2011）提取Twitter信息的文本特征、網(wǎng)絡特征和微博元素特征，構建貝葉斯分類器甄別謠言[40]。Zhao等（2015）通過研究查詢帖以便及早識別社交媒體謠言[41]。②話題新聞的可信度評估。如Castillo等（2011）選取了有關用戶特征、文本特征、主題特征、信息傳播特征，采用J48決策樹評估Twitter中話題新聞的可信度[42]。

4.1.2 社交媒體信息可信度評估方法

評估方法主要有監(jiān)督學習[43]，統(tǒng)計分析[44]，與可信信息來源的相似性比較[45-46]，社交網(wǎng)絡的鏈接結構分析與主題模型的利用[47]等。它們主要采用自動評估，具體來說：①選取的特征：選取的特征主要是用戶特征、文本特征、信息傳播特征。比如，西班牙的Castillo和智利的Mendoza、Poblete（2011）選取用戶特征（如注冊時間、粉絲量、好友量），文本特征（如是否包含#標簽、是否包含問號、Tweet中包含的URL數(shù)量、是否轉發(fā)），主題特征（如帶#標簽Tweet的比例、Tweet數(shù)量、Tweet的平均長度、Tweet的平均情感分值、積極情緒或消極情緒的比例），以及信息傳播特征（如傳播樹的深度），采用J48決策樹評估Twitter信息的可信度[42]。②評估的方法：大多通過構建SVM分類器、Bayesian分類器、Decision Tree分類器等方法，并對結果進行分類，以達到評估社交媒體信息可信度的目的。上例Castillo等采用J48決策樹構建分類器，并對結果進行分類，從而評估Twitter信息的可信度[42]。當然，也有通過對結果進行排序的實例，從而達到評估社交媒體信息可信度的目的。比如，Gupta和Kumaraguru（2012）采用Rank-SVM與PRF相結合的方法，按照可信度得分對Twitter信息進行排序[43]。

4.1.3 有較大影響的在研項目與系統(tǒng)

由歐盟資助七國科研人員聯(lián)合攻關的PHEME項目研究的重點是社交媒體信息的真實性，該項目在國際上有較大影響。Jacob Ratkiewicz等（2011）開發(fā)出可實時追蹤Twitter上政治謠言的Truthy系統(tǒng)[48]。Gupta等（2014）、Lorek等（2015）分別開發(fā)出一款可自動評估推文可信度的工具TweetCred、TwitterBOT[49-50]。

4.2 國內(nèi)研究

2007年《博客信息“可信度不亞于紐約時報”？》拉開了國內(nèi)探討社交媒體信息可信度評估的序幕。目前研究還處于發(fā)展的初期。社交媒體信息可信度評估研究主要有：

4.2.1 社交媒體信息可信度影響因素研究

如劉雪艷和閆強（2013）探討政府微博中的熱點事件信息可信度的影響因素[51]。丁科芝（2015）從信息傳播者、渠道、信息內(nèi)容和用戶基本信任觀念4個方面構建社交網(wǎng)絡可信度影響因素模型[52]。薛傳業(yè)等（2015）從信息來源可信度、信息傳播渠道可信度、信息內(nèi)容可信度以及信息評論反饋多維度探討了突發(fā)事件中社交媒體信息可信度的影響因素[53]。

4.2.2 構建社交媒體信息可信度指標體系研究

它大多采用問卷調(diào)查及專家訪談法進行人工評估。屈文建和謝冬（2013）從站點層次、版塊層次、主題層次、內(nèi)容層次4方面，采用模糊綜合信用評估模型對網(wǎng)絡學術論壇信息可信度進行評估[54]。莫祖英等（2013）從微博信息量、信息內(nèi)容質(zhì)量、信息來源質(zhì)量和信息利用情況等方面進行問卷調(diào)查，采用層次分析法構建微博信息質(zhì)量評估模型[55]。當然國內(nèi)也有少量自動化評估的例子。比如，賀剛等（2013）引入關鍵詞分布特征和時間差等新特征，基于SVM算法來預測新浪微博信息是否為謠言[56]。程亮等（2013）提出基于BP神經(jīng)網(wǎng)絡模型及改進其激發(fā)函數(shù)，同時引入沖量項，對微博話題在傳播過程中演變?yōu)橹{言進行檢測[57]。路同強（2015）采用半監(jiān)督學習算法檢測微博謠言，但不足之處在于未考慮信息的深層特征[58]。

4.3 存在的問題

對比國內(nèi)外研究情況，可發(fā)現(xiàn)國內(nèi)研究存在如下問題：

4.3.1 研究內(nèi)容

關于社交媒體信息可信度研究，國內(nèi)外目前以微博研究較多。與國外豐富的研究內(nèi)容相比，國內(nèi)在該領域的研究還主要集中于對影響因素以及特征的探討上。

4.3.2 研究方法

國外定量研究較多，很多涉及自動化評估，而國內(nèi)定性研究較多，大多采用問卷調(diào)查法、專家訪談法等進行人工評估。

總之，現(xiàn)有研究大多是針對Twitter等英文社交媒體，其研究成果大多不能直接應用于中文社交媒體。盡管也有少量研究是面向中文社交媒體的，但研究成果零散，還缺乏系統(tǒng)性。另外，在特征選擇上，選擇范圍面較窄，考慮社交媒體深層的隱含特征較少。

5 結 語

為了解決中文社交媒體的可信度評估問題，在吸收前人研究的基礎上[59-63]，很有必要對中文社交媒體信息可信度進行系統(tǒng)研究，特別是在參考國外信息可信度評估系統(tǒng)的基礎上，很有必要研制開發(fā)中文社交媒體信息可信度評估系統(tǒng)，實現(xiàn)中文社交媒體信息可信度的自動評估。在進行中文社交媒體信息可信度評估中，應注意下列問題：

1）評估要在對信息資源分類的基礎上，對不同的類別采用不同的評估指標體系，以提高評估工作的科學性和合理性。

2）評估既要重視定性評估，也要重視定量評估，尤其是自動化評估。特別是在大數(shù)據(jù)環(huán)境下，應針對評估的實際需求，制定科學的評估方案，選擇恰當?shù)脑u估方法，構建適合評估工作需要的自動化評估系統(tǒng)。

3）評估指標、評估模型的選取以及參數(shù)的訓練，既要考慮研究結果的精確度，又要考慮系統(tǒng)的運算時間。

4）評估模型構建后，不僅要進行實驗室評估，還應進行實際效果評估。

參考文獻

[1]Ngai，E.W.T.，Moon，K.K.，Lam，S.S.，Chin，E.S.K.and Tao，S.S.C..Social media models，technologies，and applications[J].Industrial Management and Data Systems，2015，115（5）：769-802.

[2]Gamboa，A.M.and Gonalves，H.M..Customer loyalty through social networks：lessons from Zara on Facebook[J].Business Horizons，2014，57（6）：709-717.

[3]Jin，S-A.A.and Phua，J.Following celebrities tweets about brands：the impact of Twitter-based electronic word-of-mouth on consumers source credibility perception，buying intention，and social identification with celebrities[J].Journal of Advertising，2014，43（2）：181-195.

[4]Colliander，J.and Dahlén，M.Following the fashionable friend：the power of social media[J].Journal of Advertising Research，2011，51（1）：313-320.

[5]Moncrief，W.C.，Marshall，G.W.and Rudd，J.M..Social media and related technology：drivers of change in managing the contemporary sales force[J].Business Horizons，2015，58（1）：45-55.

[6]Hong，Liangjie and Davison，B.D..Empirical study of topic modeling in twitter[C]∥Proceedings of the First Workshop on Social Media Analytics（SOMA10）.ACM，New York，NY，USA，2010：80-88.

[7]Kleinberg，J.M..Authoritative sources in a hyperlinked environment[J].Journal of the ACM，1999，46（5）：604-632.

[8]Tobar，C.M.，Germer，A.S.，Adan-Coello，J.M.，and De Freitas，R.L..Information retrieval in Wikis using an ontology[J].Computational Science and Engineering，2009：826-831.

[9]Kim，Y.and Shim，K.TWILITE：A recommendation system for Twitter using a probabilistic model based on latent Dirichlet allocation[J].Information Systems，2014：59-77.

[10]Ramesh，A.，Anusha J.，Clarence，J.M.T..A novel，generalized recommender system for social media using the collaborative-filtering technique[J].ACM SIGSOFT Software Engineering Notes，2014：1-4.

[11]Zimdars，A.，Chickering，D.M.，and Meek，C.Using Temporal Data for Making Recommendations[C]∥Proceedings of the Seventeenth conference on Uncertainty in artificial intelligence（UAI01），Jack Breese and Daphne Koller（Eds.）.Morgan Kaufmann Publishers Inc.，San Francisco，CA，USA，2001：580-588.

[12]Levandoski，J.J.，Sarwat，M.，Eldawy，A.and Mokbel，M.F..LARS：A Location-Aware Recommender System[C]∥IEEE 28th International Conference on Data Engineering，Washington，DC，2012：450-461.

[13]Jamali，M.and Ester，M.Trust Walker：a random walk model for combining trust-based and item-based recommendation[C]∥Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining（KDD09）.ACM，New York，NY，USA，2009：397-406.

[14]Galuba W，Aberer K，Chakraborty D，Despotovic Z，Kellerer W.Outtweeting the twitterers-predicting information cascades in microblogs[C]∥Proceedings of the 3rd Workshop on Online Social Networks，USENIX Association，Boston，MA，USA，2010：1-9.

[15]Adar，E.and Adamic，L.A..Tracking Information Epidemics in Blogspace[C]∥Proceedings of the 2005 IEEE/WIC/ACM International Conference on Web Intelligence（WI05）.IEEE Computer Society，Washington，DC，USA，2005：207-214.

[16]Asur，S and Huberman，B.A..Predicting the Future with Social Media[C]∥2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology（WI-IAT），Toronto，2010：492-499.

[17]Viswanath，B.，Post，A.，Gummadi，K.P.，and Mislove，A.An analysis of social network-based Sybil defenses[J].Acm Sigcomm Computer Communication Review，2010，40（4）：363-374.

[18]Conti，M.，Hasani，A.，and Crispo，B.Virtual Private Social Networks[C]∥Proceedings of the 1st ACM Conference on Data and Application Security and Privacy（ACM SIGSAC CODASPY 2011），San Antonio，TX，USA，2011：39-50.

[19]韓佳，肖如良，胡耀，等.在線社交網(wǎng)絡中信息傳播模式的特征分析[J].計算機應用，2013，（1）：105-107，111.

[20]姜景，李丁，劉怡君.基于競爭模型的微博謠言信息與辟謠信息傳播機理研究[J].數(shù)學的實踐與認識，2015，（1）：182-191.

[21]閻俊.微博傳播的問題與對策研究[D].錦州：渤海大學，2015：1-38.

[22]陳遠，袁艷紅.微博信息傳播效果實證研究[J].信息資源管理學報，2012，（3）：28-34.

[23]張，孫霄凌，朱慶華.突發(fā)公共事件輿情傳播特征與規(guī)律研究――以新浪微博和新浪新聞平臺為例[J].情報雜志，2014，（4）：90-95.

[24]張瑜，李兵，劉晨.面向主題的微博熱門話題輿情監(jiān)測研究――以“北京單雙號限行常態(tài)化”輿情分析為例[J].中文信息學報，2015，（5）：143-151，159.

[25]唐濤.移動互聯(lián)網(wǎng)輿情新特征、新挑戰(zhàn)與對策[J].情報雜志，2014，（3）：113-117.

[26]唐興通.社會化媒體營銷大趨勢：策略與方法（第2版）[M].北京：清華大學出版社，2012：1-235.

[27]張淼.社會化媒體在市場營銷中的應用研究[D].北京：首都經(jīng)濟貿(mào)易大學，2014：1-47.

[28]劉曉燕，鄭維雄.企業(yè)社會化媒體營銷傳播的效果分析――以微博擴散網(wǎng)絡為例[J].新聞與傳播研究，2015，（2）：89-102，128.

[29]Fogg，B.J.，and Tseng，H.The elements of computer credibility[C]∥Proceedings of the SIGCHI conference on Human Factors in Computing Systems，Pittsburgh，Pennsylvania，USA，1999：80-87.

[30]Rieh，S and Danielson，D.Credibility：A Multidisciplinary Framework[J].Annual Review of Information Science and Technology，2007：307-364.

[31]Nagura，R.，Seki，Y.，Kando，N and Aono，M.A method of rating the credibility of news documents on the web[C]∥Proceedings of the 29th annual international ACM SIGIR conference on Research and development in information retrieval（SIGIR06）.ACM，New York，NY，USA，2006：683-684.

[48]Ratkiewicz，J.，Conover，M.，Meiss，M.，Gonalves，B.，Patil，S.，F(xiàn)lammini，A.and Menczer，F(xiàn).Truthy：mapping the spread of astroturf in microblog streams[C]∥Proceedings of the 20th international conference companion on World wide web（WWW11）.ACM，New York，NY，USA，2011：249-252.

[49]Gupta，A.，Kumaraguru，P.，Castillo，C.，and Meier，P.TweetCred：Real-Time Credibility Assessment of Content on Twitter[C]∥Social Informatics.Springer International Publishing，2014：228-243.

[50]Krzysztof，L.，Jacek，S.W.，Michal，J.L.，and Amit，G.Automated Credibility Assessment on Twitter[J].Computer Science，2015，（2）：157-168.

[51]劉雪艷，閆強.政府微博中的熱點事件信息可信度研究[J].北京郵電大學學報：社會科學版，2013，（2）：6-12.

[52]丁科芝.社交網(wǎng)絡信息可信度研究[D].武漢：華中師范大學，2015：1-61.

[53]薛傳業(yè)，夏志杰，張志花，等.突發(fā)事件中社交媒體信息可信度研究[J].現(xiàn)代情報，2015，（4）：12-16.

[54]屈文建，謝冬.網(wǎng)絡學術論壇信息可信度的灰度分析[J].圖書情報知識，2013，（2）：112-118.

[55]莫祖英，馬費成，羅毅.微博信息質(zhì)量評價模型構建研究[J].信息資源管理學報，2013，（2）：12-18.

[56]賀剛，呂學強，李卓，等.微博謠言識別研究[J].圖書情報工作，2013，（23）：114-120.

[57]程亮，邱云飛，孫魯.微博謠言檢測方法研究[J].計算機應用與軟件，2013，（2）：226-228，262.

[58]路同強，石冰，閆中敏，等.一種用于微博謠言檢測的半監(jiān)督學習算法[J].計算機應用研究，2016，（3）：744-748.

[59]Ginsca，A.L.，Popescu，A.，and Lupu，M.Credibility in Information Retrieval[J].Foundations and Trends in Information Retrieval，2015：355-475.

[60]Lazar，J.Meiselwitz，G.and Feng，J.Understanding Web Credibility：A Synthesis of the Research Literature[M].Now Publishers Inc，2007：1-80.

[61]Zafarani，R.Abbasi，M.A.，and Liu，H.社會媒體挖掘[M].北京：人民郵電出版社，2015：1-240.

篇4

【關鍵詞】網(wǎng)絡視頻；Lotka-Volterra模型；共生研究

【Abstract】Based on the symbiotic idea of population competition， observe the user of watch web-video， analysis the characters of the online-behavior between watching a web-video and comment on micro-blog by utility the Lotka-Volterra model. We make a conclusion of the characters of population increasing according to the web-video content.

【Key words】Web-video； Lotka-Volterra model； Symbiosis

0 引言

伴S智能手機的廣泛推廣，移動用戶的行為研究逐漸成為網(wǎng)絡行為研究的主要對象。中國互聯(lián)網(wǎng)絡信息中心（CNNIC）2016年1月的《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》顯示，截止到2015年12月，中國網(wǎng)民數(shù)量達到6.88億，手機網(wǎng)民數(shù)量達到6.2億，超過96%的網(wǎng)民采用移動上網(wǎng)的形式。網(wǎng)絡視頻用戶的規(guī)模達到5.04億，超過73%的網(wǎng)民為網(wǎng)絡視頻用戶，手機視頻用戶為4.05億，有58.9%的網(wǎng)民使用手機觀看網(wǎng)絡視頻[1]。網(wǎng)絡熱播視頻內(nèi)容因為用戶的參與數(shù)量眾多，其直接影響及衍生影響成為當前網(wǎng)絡行為研究的重要內(nèi)容。伴隨移動端視頻豐富度的提升，大量的手機用戶培育了碎片化時間內(nèi)欣賞熱播視頻的行為。與此同時，微信、微博等自媒體平臺的信息以口碑的形式進行指數(shù)級擴散，大量的移動端用戶參與到熱播視頻內(nèi)容的討論當中，并由此引發(fā)更多的移動用戶關注熱播視頻。

1 研究綜述

網(wǎng)絡技術的提升促進了我國移動互聯(lián)網(wǎng)產(chǎn)業(yè)的快速發(fā)展，移動互聯(lián)網(wǎng)產(chǎn)業(yè)的競爭經(jīng)歷了“互聯(lián)網(wǎng)絡移動化階段”、“網(wǎng)絡內(nèi)容增值服務階段”和“個性化用戶服務階段”三個階段[2]。圍繞移動用戶的個性化需求，構建移動服務內(nèi)容、軟硬件技術平臺、APP訪問端口、評價反饋機制等相協(xié)同的生態(tài)化模式成為主要的移動網(wǎng)絡產(chǎn)業(yè)形態(tài)。4G網(wǎng)絡技術的普及促進了移動網(wǎng)絡產(chǎn)業(yè)的快速發(fā)展，以手機視頻為主的移動內(nèi)容服務成為市場關注的熱點，用戶對于新產(chǎn)品的采納程度及內(nèi)容的偏好成為吸引用戶的重要因素[3]。用戶對于移動端的內(nèi)容偏好性選擇受到交際人群環(huán)境的影響[4]，移動端推送內(nèi)容的影響力受到感知娛樂性的正向影響并顯著地受影響于技術的兼容性[5]。李慧娟和李彥的研究從時空分區(qū)的視角提出移動網(wǎng)絡的虛擬社會存在人類社會的動態(tài)多變的群體特征[6]，移動網(wǎng)民的行為具備較高的例行性、長期性和固定性特征，重復性、模仿成為一種規(guī)律的表現(xiàn)[7]。黃微等從網(wǎng)絡輿情的研究視角提出依托大數(shù)據(jù)平臺及移動端設備的網(wǎng)絡視頻等信息的傳播，依托信息交互的多樣性，表現(xiàn)出復雜的多元性反饋特征[8]。由此可見，移動用戶的群體性特征、多樣性特征、復雜知識性特征對于網(wǎng)絡視頻內(nèi)容的反饋既有個體的差異性，也會表現(xiàn)出群體的趨同性。

微博這一自媒體平臺因為其傳播的范圍廣、影響的群體眾多、具備較高的滲透性，逐步成為分析研究網(wǎng)民行為的主要途徑 [9]。對于網(wǎng)絡焦點事件和內(nèi)容，微博在傳遞信息的同時，能夠起到孕育熱點關注，引導、擴散多樣性點評，加速網(wǎng)絡受眾群體的關注程度，對于熱議內(nèi)容的傳播具有放大作用[10]。微博的信息傳播機制具有一定的規(guī)律，其傳播受到發(fā)生時間、涉及區(qū)域、使用媒介的類型、關注群體的特征影響，受信息獲得方式、便捷程度正向影響[11]。從微博的信息屬性、信息服務模式進行分析，結合微博的用戶活躍程度及盈利模式，發(fā)現(xiàn)內(nèi)容服務商、服務運營商、SNS網(wǎng)站、網(wǎng)民群體構建了內(nèi)容服務的網(wǎng)絡生態(tài)系統(tǒng)[12]。

本文在上述研究的基礎上，通過分析微博、移動視頻內(nèi)容及移動視頻平臺的相關數(shù)據(jù)，利用生物數(shù)學模型，探討網(wǎng)絡視頻與微博言論的共生性特征。

2 研究模型

2.1 共生增長理論模型

在達爾文的進化理論中，競爭和協(xié)同進化是物種發(fā)展的重要途徑，兩個或兩個以上的物種彼此之間具備競爭、依存的關系。在同一個生存環(huán)境下，一個物種的性狀發(fā)生了改變，另一個或更多物種的性狀有針對性的發(fā)生了改變，這種改變代表了物種對于生存環(huán)境的一種適應過程[13]。視頻播放平臺上放映的熱播內(nèi)容作為資源被網(wǎng)絡用戶觀看，網(wǎng)絡用戶就此熱播內(nèi)容通過微博平臺發(fā)表個人觀點。受到微博平臺的輿論傳播及視頻播放平臺的推送影響，大量的網(wǎng)民通過互聯(lián)網(wǎng)和口碑等形式了解了熱播內(nèi)容，出于好奇開始觀看熱播視頻內(nèi)容，并據(jù)此內(nèi)容發(fā)表個人觀點。網(wǎng)絡群體對于熱播內(nèi)容的觀看和對微博話題的關注呈指數(shù)型增長，因為熱播內(nèi)容的被關注程度較高，有更多網(wǎng)民參與到視頻的觀看，并參與話題討論。產(chǎn)生一種微博討論群體和視頻觀看群體的共生增長現(xiàn)象。

網(wǎng)民群體具備較高的同質(zhì)性，主要體現(xiàn)在年齡、性別、學歷、行業(yè)背景、興趣偏好等個體屬性，容易形成群體性眾發(fā)式行為。從網(wǎng)絡信息生態(tài)的視角去研究，發(fā)現(xiàn)每個個體都以信息節(jié)點的形式存在于網(wǎng)絡信息生態(tài)鏈中，大量信息主體（網(wǎng)絡節(jié)點）依托頻繁密集的信息交互形式與其他節(jié)點發(fā)生輻射狀信息的傳遞[14]。網(wǎng)民在個體信息傳遞的過程中，依托自身的社會網(wǎng)絡資源及信息的內(nèi)容特征擴大傳播范圍，增加相關內(nèi)容的傳播效果。

2.2 數(shù)據(jù)模型

本研究的對象《太陽的后裔》在中文網(wǎng)絡的播放依托愛奇藝視頻平家進行，新浪微博是用戶發(fā)表個人觀點的主要平臺?？梢詫岵ヒ曨l、愛奇藝視頻平臺和微博平臺看作是一個共生系統(tǒng)。在這個共生系統(tǒng)之中，熱播視頻就是一種資源，將愛奇藝視頻平臺上的觀看群體看作是一個生物群體，將微博平臺上發(fā)表評論的用戶看做另一個共生生物群體。這兩個群體有個體的交集，考慮本研究重在分析群體增長的共生性，這種交集的影響恰好反應這種內(nèi)生的共性，因此可以看做兩個群體。這兩個群體基于相同的資源形成共生的生態(tài)模式，Lotka-Volterra生態(tài)模型主要用于分析生物種群的競爭共存的生態(tài)特征，可以采用這一模型分析本研究內(nèi)容。假設在t時間，愛奇藝的視頻指數(shù)是Xa（t），微博指數(shù)是Xw（t），受到各種因素的影響，指數(shù)增長的限制分別為ka和kw，指數(shù)內(nèi)生增長率分別為ra和rw，愛奇藝的視頻指數(shù)對于微博指數(shù)的貢獻系數(shù)為δa，微博指數(shù)對愛奇藝視頻指數(shù)的貢獻系數(shù)為δw。愛奇藝視頻指數(shù)的增長模型可以描述為一個Logistic方程：

上述公式（4）和（5）中，bi0代表了種群單獨生存時的限定參數(shù)，bi1代表了當前種群與另一種群的相互影響限定參數(shù)，bi2代表了觀察參數(shù)，通過觀察bi2的符號變化判斷兩個種群之間的關系。

3 數(shù)據(jù)演算結果及分析

3.1 指數(shù)特征描述

本文研究的網(wǎng)絡熱播視頻選自韓國熱播電視劇《太陽的后裔》，是中國和韓國第一部同步播出的韓劇。這部熱播電視劇采用網(wǎng)絡平家播放的形式進行投放，該視頻每周播放2集，每集30分鐘。就時間長度而言，符合移動用戶的碎片化觀看時間。

通過對比表2的數(shù)據(jù)，微指數(shù)顯示微博的男女比例與愛奇藝視頻指數(shù)所顯示的觀看視頻男女比例一致，關注這部熱播電視劇的女性比例達到79%，參與到這部熱播劇話題互動的女性也達到了79%。愛奇藝指數(shù)表明收看該視頻最大的群體就是18-24和25-35歲的人群占總人群的76.6%，利用微博發(fā)表言論的群體是19-24和25-34歲的人群占總人群的70.29%。從視頻的關注程度到就此發(fā)表的網(wǎng)絡言論都是女性群體，這部熱播劇內(nèi)容的設置及目標群體主要是18-35歲之間的女性群體。就設備分布而言，利用移動端進行視頻的觀看的人群達到85%，用移動端發(fā)表評論的人群達到了79%，符合該視頻突出碎片化時間播放的初衷。愛奇藝指數(shù)與微博指數(shù)的熱議區(qū)域的前8個地區(qū)中，有5個地區(qū)重合，但是熱議區(qū)域的前3個區(qū)域只有1個重合，說明觀看的群體中有一部分將個人的觀后感進行分享并參與評論的互動，有一部分是先參與互動后進行的視頻觀看。愛奇藝指數(shù)同時提供了觀看人群的學歷水平，發(fā)現(xiàn)比較集中在本科和大專，與年齡分布相吻合。因為微博指數(shù)沒有提供學歷指數(shù)所以無從考證數(shù)據(jù)，參照愛奇藝的數(shù)據(jù)特征，參考年齡指數(shù)分布進行分析。

因為《太陽的后裔》共分8周播放16集，因此數(shù)據(jù)截取了8周的數(shù)據(jù)進行分析繪圖，表3和表4分別給出了這8周的數(shù)據(jù)分布。通過對比發(fā)現(xiàn)，這兩個指數(shù)圖表的分布有較大相似。伴隨熱播視頻的播放呈周期性上升的趨勢，在播放的周中會達到頂峰然后回落，在下一集播放前再形成一輪升勢，總體趨勢向上發(fā)展。第一周的播放指數(shù)明顯低于微指數(shù)，明顯在視頻播放前大家更多通過自媒體平臺對于這部韓劇的期待，大量的移動網(wǎng)民因為沒有購買會員（非會員需要延后1周收看），采用等待免費播放的方式來觀看視頻，造成該播放指數(shù)的平緩。因此從數(shù)據(jù)上看，表2中第一周的波峰不明顯。第二、三周的視頻播放指數(shù)大幅升高，說明因為大家通過對該視頻的了解在可以觀看的第一時間關注了該視頻的內(nèi)容，并在自媒體平臺上發(fā)表了相關評論，進而造成微博指數(shù)也有大幅度提升。第六、七兩周微博平臺的評論發(fā)生了下降，代表媒體評論的熱度下降，播放指數(shù)呈現(xiàn)W形態(tài)，沒有明顯的人群增加，表3的微博指數(shù)在此期間多了一個波峰，是因為該熱播視頻主創(chuàng)人員來中國大陸只做了一期綜藝節(jié)目，引起了人們的熱議，這個熱議沒有產(chǎn)生對該視頻的播放。最后一周播放的內(nèi)容是大結局，網(wǎng)民經(jīng)過在微博平臺的熱議，爆發(fā)式的觀看了大結局，產(chǎn)生了巨大的增幅。

3.2 模型數(shù)據(jù)分析

本研究采用Lotka-Volterra生態(tài)模型進行定量的證分析，涉及到兩個生態(tài)群體的數(shù)據(jù)。代表了指數(shù)的增長速度，通過每天指數(shù)的差額來表示指數(shù)的增長。借鑒已有研究成果，采用灰色估計方法對Lotka-Volterra生態(tài)模型進行參數(shù)估計[15]。利用一階微分方程組及灰色估計的建模方法可以得到Lotka-Volterra模型的時間序列關系式：

本研究所選用的數(shù)據(jù)來自于2016年2月22日至2016年4月17日期間的數(shù)據(jù)，按照日作為時間跨度，因此n=62。根據(jù)上述公式帶入愛奇藝視頻指數(shù)和微博指數(shù)，采用矩陣計算公式計算出A1、A2、Y1和Y2。

利用公式（8）和公式（9）計算出系數(shù)。

因此公式（4）和公式（5）表示為：

Lotka-Volterra生態(tài)模型的參數(shù)分析表明，在整個熱播視頻的播放周期內(nèi)，這兩個種群的增長不是一種協(xié)同成長的過程，是一種“被捕食-捕食”的過程體現(xiàn)。愛奇藝指數(shù)的增長速度超過了微博增長速度，反映出觀看熱播視頻人群的增長超過了微博熱議人群的增長速度。從視頻播放第一周的數(shù)據(jù)可以發(fā)現(xiàn)，愛奇藝的指數(shù)與微博的指數(shù)相似，而伴隨愛奇藝平臺視頻的播放，該熱播劇的播放指數(shù)增長程度明顯加快，超過微博平臺的數(shù)據(jù)增加程度。說明當網(wǎng)絡用戶逐步關注這部熱播劇時，會第一時間用移動端觀看該視頻，并有部分網(wǎng)民結合觀看的的內(nèi)容到微博平臺觀看體驗。用戶利用移動端的自媒體平臺傳播的體驗信息迅速影響其關聯(lián)的其他用戶，依靠群體擴散效應迅速增加熱播視頻的被關注程度，進而構成用戶群體數(shù)量的巨幅增加。

4 結論

本研究是從生物學的視角去研究針對網(wǎng)絡熱播視頻，其視頻播放平臺與網(wǎng)絡自媒體評論平臺之間的網(wǎng)民群體增長的關系，利用了種群生物競爭模型Lotka-Volterra生態(tài)模型對所提出的理論進行分析和驗證，并結合數(shù)據(jù)分析了兩個網(wǎng)民群體的增長特征。利用理論分析可以得到，移動網(wǎng)民觀看熱播視頻的群體性增長受到視頻的關注程度影響，利用自媒體平臺對熱播視頻進行評論，有助于提升熱播視頻的被關注程度，進而加速移動在線熱播視頻的擴散速度。通過模型進行數(shù)據(jù)分析發(fā)現(xiàn)，視頻播放平臺的用戶擴張速度迅速，伴隨自媒體平臺的熱議程度提升，極大加速了視頻關注群體的數(shù)量提升。

綜上所述，結合本研究發(fā)現(xiàn)網(wǎng)絡熱播視頻的關注群體的迅速增加受到移動設備的普及、特定時間點的需求、網(wǎng)民群體的特征等因素外，利用自媒體等移動端網(wǎng)絡信息的傳播來增加用戶對視頻的關注進而提升視頻的被關注程度，能夠迅速擴大熱播視頻的被關注。通過這一結果有助于相關視頻類產(chǎn)品的移動網(wǎng)絡的傳播。與此同時，網(wǎng)絡熱播視頻的播放周期與自媒體的熱議周期同步，說明網(wǎng)絡熱播視頻通常在播放的過程中會大量的吸引網(wǎng)民的關注，伴隨播放時間的推移，衍生關注程度會下降，采用持續(xù)跟蹤、提升自媒體曝光等方式有助于幫助熱播內(nèi)容衍生品的傳播。

【參考文獻】

[1]中國互聯(lián)網(wǎng)絡信息中心，第37次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告[R].2016.1.

[2]程德杰.淺析移動中國互聯(lián)網(wǎng)絡商業(yè)模式[J].移動通信，2012（5）：16-17.

[3]殷月紅，黎小平.移動數(shù)字內(nèi)容服務用戶采納行為理論模型及實證研究[J].情報科學，2014，32（10）：33-37.

[4]HSULU，Adoption of the mobile Internet：An empirical study of multimedia message service[J].International Journal of ManagementScience，2007，35（6）：715-726.

[5]Tan， Felix B， Chou， The relationship between mobile service quality， perceived technology compatibility， and users’perceived playfulness in the context of mobile information and entertainment services[J].International Journal of Human Computer Interaction，2008，24（7）：649-671.

[6]李慧娟，李.從線下到線上：移動互聯(lián)網(wǎng)的時空分區(qū)效應研究[J].國際新聞界， 2015，37（10）：18-36.

[7]夏玉珍，姜利標.社會學中的時空概念與類型范疇：評吉登斯的時空概念與類型[J].黑龍江社會科學，2010（3）：130-135.

[8]黃微，李瑞，孟佳林.大數(shù)據(jù)環(huán)境下多媒體網(wǎng)絡輿情傳播要素及運行機理研究[J].圖書情報工作，2015，59（21）：38-44，62.

[9]楊娟娟，楊蘭蓉，曾潤喜，等.公共安全事件中政務微博網(wǎng)絡輿情傳播規(guī)律研究：――基于“上?！钡膶嵶C[J].情報雜志，2013，32（9）：11-15.

[10]李彪.網(wǎng)絡輿情的傳播機制研究-以央視新臺址大火為例[J].國際新聞界，2009（5）：95-99.

[11]曾潤喜，徐曉林.網(wǎng)絡輿情的傳播規(guī)律與網(wǎng)民行為：一個實證研究[J].中國行政管理，2010（11）：18-22.

[12]武琳，陳文嘉.微博客網(wǎng)站的比較及發(fā)展策略[J].情報理論與實踐，2011，34（1）：86-88.

[13]張凌志，何金生.基于生物進化模式下的知識進化機理研究[J].情報雜志，2011，2（30）：105-109.

篇5

一、風波乍起與“沉默的螺旋”是否相關？

杭州市某數(shù)碼市場一位網(wǎng)名“漁翁”的員工，于今年3月15日上午10時左右，在自家電腦上敲下一段不到60個字的“消息”，發(fā)在了幾個QQ群上?！跋ⅰ痹娜缦拢?/p>

“據(jù)有價值信息，日本核電站爆炸對山東海域有影響，并不斷地污染，請轉告周邊的家人朋友儲備些鹽、干海帶，暫一年內(nèi)不要吃海產(chǎn)品。”

這條“消息”不脛而走，直至演化為兩天后全國范圍內(nèi)的輻射恐慌和“搶鹽”風波，發(fā)生了蝴蝶效應。無獨有偶，一周后韓國也淪為“鹽荒子孫”。這起事件耐人尋味，值得深思。

從心理層面講，有一種理論叫做“沉默的螺旋”似乎能予部分解釋。該理論源于德國傳播學家伊麗莎白?諾依曼的實證觀察，在上世紀70年代她提出了一個頗具影響力的社會公眾意見形成假說：“沉默的螺旋”理論。其主旨可歸結為以下兩點：

一是從眾心理行為假設。個人意見的形成是一個社會心理過程。人們力圖從周圍環(huán)境中尋求支持，避免陷入孤立狀態(tài)。“跟風從眾”是人的某種“社會天性”。

二是正反饋機制。人們在表達自己想法和觀點時，如果看到自己贊同的觀點，并且受到廣泛歡迎，就會積極參與進來，這類觀點就會越發(fā)大膽地發(fā)表和擴散，集結成強勢論調(diào)、形成“意見氣候”；而當發(fā)覺某一觀點較少有人理會，即使自己贊同它，也會保持沉默或作違心之舉。此時，意見一方的沉默造成另一方意見的增勢，如此循環(huán)往復，便形成一方的聲音越來越強大，另一方越來越沉默下去的螺旋發(fā)展過程，此即正反饋?？刂普摳嬖V我們：系統(tǒng)的正反饋是一種催化、發(fā)散機制，導致系統(tǒng)失控。

據(jù)此，再看看當時陷入“搶鹽”風波的人們，既緣于心理恐慌，也受到盲從誘導、“跟風從眾”“社會天性”的驅(qū)使。但仔細分析，在風波發(fā)生前，人們籠罩在震后核輻射恐慌的氛圍之中，社會群體根本沒有出現(xiàn)“搶鹽”或“不搶鹽”的態(tài)度分野，因而也就根本不存在所謂“沉默的螺旋”那種心理勢能的積累與選項過程，換言之，“搶鹽”風波有點無厘頭，此前并無任何征兆表明它在社會群體中是一個“非此即彼”可供選擇、站隊歸宗的價值取向，更不是一個由公共態(tài)度肯定或否定選項所激蕩引發(fā)的行為。

然而，無厘頭的事件既然發(fā)生了，那就探究其背后的動力機制與成因。筆者認為“搶鹽”風波驟起是輿情“動量”向“沖量”迅猛轉化、而累積動量被無序釋放所致。

二、累積輿情動量向沖量轉化是一種內(nèi)在必然

“動量”原本是物理學中度量運動的一個工具，主要用來揭示系統(tǒng)的運動狀態(tài)和成因。因為任何運動絕不會是無緣無故的，動量發(fā)生改變要么因吸收沖量而增加，要么因釋放沖量而減少。輿情動量也是如此。

輿情動量既可基于信息量來定義，也可基于受眾量來觀測。若從信息量出發(fā)，輿情動量可定義為消息的信息量與受眾覆蓋速率的乘積；若從受眾量出發(fā)，輿情動量可定義為所溝通的受眾量與信息傳播速度的乘積；而輿情沖量是動量的改變過程，被定義為信息的影響力與其傳播時程的累積。

具體地講，輿論動量與事件信息量、與受眾量、與信息傳播速度以及受眾覆蓋速率四個因素均成正比。定性講來，動量與沖量的相互轉化是系統(tǒng)行為的一種內(nèi)在必然。

再結合 “搶鹽”個案來探討輿論動量是如何集成并通過上述因素產(chǎn)生社會影響的。

首先需要強調(diào)的是： “搶鹽”風波事前已積累了相當?shù)摹拜浾搫恿俊薄Ｒ驗槿毡?月11日大地震舉世矚目，我國媒體從發(fā)生之日起，就不間斷地播發(fā)了大量相關新聞，家喻戶曉。距“搶鹽”事件始作俑者發(fā)第一貼3月15日已經(jīng)累積5天時間的背景信息量。

大家知道，網(wǎng)絡電子時代均可實現(xiàn)“實時”傳播，各種信息的傳播速度可達到媒體信息的最大荷載，只要信道容量許可，寬帶網(wǎng)終端平均傳輸率多在100bit/s以上。由于是史無前例的大地震，5天時間內(nèi)其信息量、受眾量早累積到無以計數(shù)，受眾覆蓋速率亦毫無疑義地達到極大值，這些均在情理之中。

所以，無論是基于信息量來測量“輿論動量”（=信息量×受眾覆蓋速率），抑或基于受眾量來估計“輿論動量”（=受眾量×信息傳播速度），我們均有足夠的根據(jù)判斷：“搶鹽”事件爆發(fā)前早已累積了龐大的輿論動量，那則60字的“消息”不過是壓死駱駝的最后一根稻草而已。

其次，“搶鹽”風波之所以舉國搖動，還與那則“消息”的貼近性相關。貼近性既是消息接受的心理機制，也是一種利益驅(qū)動機制、是受眾行為的原動力。

鹽是百姓居家過日子的必需品，謠傳的“消息”與百姓生活攸關，有極強的貼近性。根據(jù)《人民網(wǎng)》輿情監(jiān)測室分析，此次謠言的主要傳播途徑為口耳相傳和固定電話、手機短信傳播，其傳播群體主要是家庭主婦與老年人。他們限于社會認知的局限和獲取信息途徑的缺乏，成為“囤鹽”的主力軍。

官方分析也證實：造成食鹽搶購的原因，一方面是日本地震海嘯造成核泄漏，民間盛傳含碘食物可以預防核輻射，造成部分民眾盲目搶購囤積碘鹽；另一方面，民眾擔心海水受到污染，以后買不到?jīng)]有污染的食鹽了，所以搶購囤積，加之少數(shù)不法商家趁機提價牟利、推波助瀾也加劇了不理性的瘋搶勢頭。

三、“對沖機制”對輿論動量的消解

“搶鹽”風波既已驟起，何以驟落呢？這得益于輿情引導正確使用了“對沖機制”，正所謂“作用力等于反作用力”，解鈴還須系鈴人。我們從辟謠所動員的社會資源和媒體力量的前后對比來看，為消解既成的輿論動量的沖擊，國家上下聯(lián)動，打了一場干凈利落、十分漂亮的反擊戰(zhàn)。

我們知道，從那位叫“漁翁”的網(wǎng)民3月15日發(fā)貼，到16日北京、廣東、浙江、江蘇、湖北等地發(fā)生搶購食鹽的現(xiàn)象，其信息傳播時程只不過區(qū)區(qū)20小時。

如果將官方組織的“辟謠”視作原“消息”的反作用力來觀測，也可粗略推斷原“消息”負面輿論的影響力有多大。

例如：3月17日13時49分，中國鹽業(yè)總公司開通新浪微博，一天之內(nèi)了50條博文，其中一個帖子在新浪等微博網(wǎng)站上一共被轉發(fā)和評論了11.5萬次。

又如，CCTV動用緊急視頻，3月16日、17日反復播報辟謠內(nèi)容以平息事態(tài)，姑且不說其他各大媒體和地方媒體的立體化跟進、強勢介入所形成的正面辟謠聲勢。

動量守恒原理告訴我們：動量的減少必借助沖量來釋放，故負面消息需通過正面辟謠來平息以正視聽?！皳岥}”風波能驟起快落，得到有效控制，主要是黨和政府利用傳媒機器采取果斷應對措施，有針對性地權威信息、正確引導輿論的結果。其高效率、高強度、高密度的正面信息所形成的“對沖機制”快速消解了先前累積的負面輿情動量，扭轉了輿情動量的方向。

綜觀“搶鹽”風波，還與媒體對日本地震過度報道有關，因累積了“輿論動量”，物極必反產(chǎn)生“報道泡沫”，膨化為“搶鹽”風波。鬧出一場：“日本地震、鄰國心震，別人受傷、我們喊痛”的集體無意識悲劇。

篇6

所謂思想政治教育機制，是指為了實現(xiàn)人們所期望的思想政治教育目標，追求思想政治教育各要素的構成方式、作用方式及由此產(chǎn)生的思想政治教育活動的整體的運行方式和有效調(diào)節(jié)方式的綜合[1]。思想政治教育涉及的領域?qū)挿骸⑷藛T眾多、矛盾復雜，所以要滿足社會實踐的需要，促進其功能的有效發(fā)揮，就必須科學地運行其機制。本文對思想政治教育的輿情匯集與分析機制、監(jiān)測機制與對話機制、教育與激勵機制、協(xié)調(diào)機制與保障機制進行研究，以便使他們在社會實踐中科學地運行。

1.輿情匯集與分析機制

輿情就是處在一定社會環(huán)境中的社會成員對一定社會問題、社會現(xiàn)象的看法、意見或觀點等。一定的輿情往往具有反映現(xiàn)實及群眾心理動向的重要作用，是化解社會矛盾的有效參照。然而，目前的社會輿情和分析機制仍然不夠完善。輿情是社會動向的晴雨表和顯示器，它在一定程度上反映國家的形象和社會的精神面貌，是思想政治教育理應重視的內(nèi)容，是解決社會實際問題、提高人們思想素質(zhì)的參照，也是其功能可以有所發(fā)揮的有效陣地。

輿情匯集機制就是要為群眾提供合適的申訴和宣泄情緒的途徑，加強與群眾的交流和溝通，敢于讓群眾表達自己的意見和不滿，要善于傾聽群眾的意見，了解群眾的所思所想，從而把握人民群眾的思想動向及帶傾向性的社會動態(tài)。而輿情分析機制指的是，對匯集而來的社會輿情進行系統(tǒng)、科學的分析、整理，從而為進一步采取相應的措施做鋪墊。一方面，一定的輿情是人們的心理情緒、愿望心聲、矛盾聚焦的綜合表象。思想政治教育能夠從社會輿情中及時發(fā)現(xiàn)問題、預測社會問題，做到未雨綢繆、有備無患。另一方面，對于匯集、分析出來的人們比較關注的社會問題或突發(fā)事件，要有效利用報紙、電視、互聯(lián)網(wǎng)等媒體手段給予正確的引導，掌握主動權。首先，要始終堅持運用的基本立場、觀點和方法，進行科學、有效的分析，根據(jù)各種不同的情況，采取相應的宣傳方式，幫助人們抵制各種錯誤思潮和腐朽思想，同時也要堅持正確的輿論導向，依靠社會主義核心價值體系的震懾力和影響力，引領多元社會思潮、凈化社會風氣；其次，要在緊要關頭和重大問題上，堅定立場，牢牢把握輿論話語權，有效引導社會輿論健康理性的發(fā)展，從而給廣大人民群眾以積極和正面的引導，預防社會問題，為社會創(chuàng)設良好的輿論環(huán)境，避免社會震蕩，促進社會和諧。

2.監(jiān)測機制與對話機制

首先，監(jiān)測機制是指在實施思想政治教育的過程中，利用網(wǎng)絡等信息手段，把握社會各群體、個人的現(xiàn)實處境、情緒動態(tài)和政治信仰等，為其功能的發(fā)揮提供制定相應對策的依據(jù)。一個社會共同的價值觀、政治認同感是維持社會穩(wěn)定的關鍵。思想政治教育的監(jiān)測機制，必須在社會主義價值觀的指導下運行，如實地反映群眾的意見和建議，在緊要關頭安撫群眾、解決矛盾、傳播社會正氣。監(jiān)測機制一方面能夠為社會管理提供相關的信息數(shù)據(jù)，有利于它的順利進行，另一方面還能夠降低社會矛盾及突發(fā)事件所帶來的負面效應和消極影響。先進的信息技術、各種傳媒、各學科的綜合知識等在思想政治教育過程中的充分使用，對社會成員的思想認識和行為趨勢進行分析并得出相對準確的數(shù)據(jù)，然后根據(jù)得出的數(shù)據(jù)提前制定相應的應對措施和方法，從而提高對社會矛盾、突發(fā)事件的反應能力。此外，還要加強調(diào)查和研究，緊密跟蹤受到極大關注的社會熱點和重點問題，盡量使各種矛盾能夠被消解在搖籃里，節(jié)約社會管理的成本。

其次，建立對話機制，通過面對面的交流對話，了解社會成員的心理動向和內(nèi)在訴求，積極利用思想政治教育社會管理功能中的溝通和導向功能，增強化解社會矛盾的意識和能力。其一，與人民群眾交流的渠道需要思想政治教育去拓展，引領他們合理、合法地表達自己的欲望及需求，不僅如此還要及時、公正、公平地回應他們的要求；其二，對于人民群眾的內(nèi)部矛盾，思想政治教育要盡量以春風化雨的方式給予解決。

在進行監(jiān)測機制和對話機制的過程中，要堅持靈活性和原則性、藝術性和規(guī)范性相結合的原則，立足于發(fā)現(xiàn)問題、分析問題、解決問題，用理性和智慧引導社會成員的價值觀，積極推進思想政治教育功能的發(fā)揮，促進社會問題的源頭治理，推進社會管理、社會建設的有序發(fā)展。

3.教育與激勵機制

思想政治教育的教育和激勵機制就是指，依據(jù)一定的目標，以社會生活中的具體事件為情境，在解決現(xiàn)實問題的同時，激發(fā)和鼓勵受教育者，使他們沉睡的自我意識得以蘇醒，從而推動他們積極主動地改造自身、改造社會[2]。思想政治教育的溝通和對話的方法可以為其所用，真實地了解社會成員的生活需要、實際能力，在此基礎上激發(fā)他們的能動性和自覺性，以社會主義的優(yōu)越性引導他們自覺地把社會整體的發(fā)展方向作為自我發(fā)展的方向。但是，在具體的實施過程中，絕不能無視社會成員參差不齊的階段性特征和層次性。這是因為每個個體的知識結構、心理素質(zhì)、家庭背景、外在社會環(huán)境等都存在很大的差異性，思想政治教育要增強自身的能動性和實踐性，就必須在教育和激勵目標上突出各自的獨特性，使先進性和廣泛性因社會成員的實際情況而有所區(qū)別，積極地致力于實現(xiàn)預先設定的教育和激勵目標。只有通過教育和激勵機制提高社會成員的思想修養(yǎng)、政治品質(zhì)、實踐能力，才能夠使社會成員認識到思想政治教育和社會管理是與自己的日常生活、自身的發(fā)展密切相關的，從而促使他們能動地參與社會管理，充分發(fā)揮自身的聰明才智，同時積極地接受思想政治教育，改造自我，努力將自我價值的實現(xiàn)與社會價值保持一致，使思想政治教育功能得到有效的發(fā)揮。

4.協(xié)調(diào)機制與保障機制

篇7

關鍵詞：公共危機　信息管理　危機信息　危機管理

中圖分類號：　D630.8　文獻標識碼：　A　文章編號：　1003-6938（2012）06－0081-10

公共危機信息管理（Public　Crisis　Information　Management，　PCIM）是公共危機管理與信息管理交叉而成的一個新的學科前沿領域，主要研究公共危機管理中的信息問題和信息管理問題。由于信息滲透于公共危機管理的各方面和全過程，是公共危機管理體系的基礎和核心，因此，PCIM的研究對促進公共危機管理的理論完善和實踐發(fā)展具有基礎性意義。從目前研究現(xiàn)狀來看，國內(nèi)外PCIM研究成果眾多且增長迅速，但總體來看研究顯得比較分散，問題域（problem　domain）設置比較隨意，使公共危機管理研究的深入在信息維度上存在明顯的不足和缺陷。

為了從總體上認識和把握公共危機信息管理，本文提出了PCIM的EPFMS理論分析框架，認為PCIM領域有以下5個核心問題域或研究范疇，即PCIM要素論（Element）、PCIM過程論（Process）、PCIM功能論（Function）、PCIM方法論（Methodology）和PCIM系統(tǒng)論（System），每個問題域或研究范疇都有其核心科學問題和研究側重點，它們共同構成PCIM的EPFMS理論分析框架（見表1）。

1　PCIM要素論

要素論主要研究PCIM的構成要素以及要素之間的關系，通過揭示各要素的基本內(nèi)涵和理論問題，分析常態(tài)和危機狀態(tài)下各要素之間的聯(lián)系方式和作用機制，建立關于PCIM結構要素的基本認識和知識。

從廣義的角度，可把PCIM的構成要素概括為主體要素（包括政府、媒介、公眾、企業(yè)、NGO等）、客體要素（信息）及環(huán)境要素（政策法規(guī)、經(jīng)濟、技術、文化等）（見圖1）。

PCIM主體要素有政府、媒介、公眾、企業(yè)、NGO等。根據(jù)公共治理理論，有效的公共危機管理應該是政府、企業(yè)組織、NGO、公眾等多元主體共同參與的過程。他們是公共危機管理的利益相關者（Stakeholders），在危機管理過程中有不同的地位、作用、利益需求以及表達渠道與方式，需要探尋不同主體間的信息協(xié)調(diào)機制，尤其是不同主體信息平臺的良性互動和不同主體間良性信息關系的構建等問題。根據(jù)公共危機中利益相關者的相關度、影響力和緊急性三個屬性，可以將利益相關者劃分為三類，即核[圖1　公共危機信息管理的構成要素]　[環(huán)境

（教育、人文）][環(huán)境

（法律、政策）][媒體][環(huán)境

（技術）][環(huán)境

（經(jīng)濟）][公眾][政府][信息][][接受][反饋][使用][使用][傳播]　[企業(yè)][NGO]

心的利益相關者、邊緣的利益相關者和潛在的利益相關者。一般來說，政府、受害的社會組織和公眾、危機誘發(fā)者是核心的利益相關者，媒體、NGO、公共服務部門是邊緣的利益相關者，危機旁觀者是潛在的利益相關者［1］。N.　Bharosa從社區(qū)（宏觀）、組織（中觀）、個人（微觀）三個層面分析了災害響應過程中影響信息共享和協(xié)作的因素，發(fā)現(xiàn)救災工作者更愿意獲取對他們有用的信息而不是向其他人提供信息。要實現(xiàn)信息共享，理解每一個人及其他組織的工作過程和信息系統(tǒng)的性能是非常重要的，并據(jù)此提出了對信息系統(tǒng)設計者及政策制定者的六條建議［2］。

信息是PCIM的客體要素，是PCIM要素論研究的核心內(nèi)容。危機信息的概念有廣義和狹義之分，狹義的危機信息是危機潛伏、爆發(fā)、持續(xù)、解決等一系列過程中與危機管理相關的各種信息，廣義的危機信息除了信息要素之外，還包括危機管理過程中與信息相關的人員、技術、設備、資金等，即危機信息資源［3］。信息要素的研究首先需要分析公共危機的信息需求，研究危機信息及其傳播特點；其次對相關信息進行分類分級，建立信息目錄體系，按目錄層級和輕重緩急收集和分析信息；再次從信息主體和客體間的相互作用研究信息的傳遞、共享和使用問題，主要圍繞信息機構如何組織信息資源、政府機構如何信息、媒介組織如何傳播信息、社會公眾如何接受和選擇信息這幾條主線展開。

環(huán)境要素是PCIM主體要素和客體要素之間相互作用的通道和橋梁，主要包括與PCIM相關的政策法規(guī)、產(chǎn)業(yè)經(jīng)濟條件、信息技術、減災防災文化等。環(huán)境要素是PCIM的支持要素和保障要素，良好的環(huán)境是PCIM主客體有效作用、信息順暢傳遞和發(fā)揮作用的有力保障。

PCIM要素論要研究的主要內(nèi)容有：（1）PCIM構成要素及其相關理論問題；（2）PCIM主體間的信息關系及相互作用問題，如政府和媒體、政府和公眾、媒體和公眾、政府和企業(yè)、政府和NGO等之間的信息傳遞與信息溝通；（3）PCIM主體、客體與環(huán)境之間的相互作用及信息關系問題，如信息流程、信息共享、信息反饋、信息架構（Information　Architecture）以及信息倫理、信息政策、信息成本控制等。

2　PCIM過程論

美國危機和緊急情況管理手冊（Handbook　of　Crisis　and　Emergency　Management）提出了公共危機管理的四階段模型，即減除（Mitigation）、預防（Preparedness）、反應（Response）和恢復（Recovery）［4］?！皽p除”是指減少影響人類生命、財產(chǎn)的自然或人力危險要素，如實施建筑標準、推行災害保險、頒布安全法規(guī)等；“準備”是指發(fā)展應對各種突發(fā)事件的能力，如制訂應急計劃、建立預警系統(tǒng)、成立應急運行中心、進行災害救援培訓與演練等；“響應”是指災害發(fā)生的事前、事中與事后采取行動以挽救生命、減少損失，如激活應急計劃、啟動應急系統(tǒng)、提供應急醫(yī)療援助、組織疏散與搜救等；“恢復”既指按照最低運行標準將重要生存支持系統(tǒng)復原的短期行為，也指推動社會生活恢復常態(tài)的長期活動，如清理廢墟、控制污染、提供災害失業(yè)救助、提供臨時住房等。PCIM過程論就是從公共危機管理的四個階段出發(fā)，研究每一階段的信息保障和信息管理問題（見圖2）。

從管理學的PDCA（計劃、執(zhí)行、檢查、糾正）活動角度看，PCIM不僅僅是在公共危機的全流程管理中提供有效的信息，它應以“決策和執(zhí)行”為軸心，在危機信息管理活動中不斷重復PDCA管理功能，不斷改進，形成螺旋式的公共危機信息管理循環(huán)。公共危機管理的每個階段都有PDCA循環(huán)，后一階段的PDCA循環(huán)以前一階段為基礎，是對前一階段的修正和改進。例如，響應階段的PDCA以準備階段的PDCA為前提和基礎。

公共危機管理的四個階段都涉及信息的收集、處理、存儲、傳播和使用，但各個階段的信息管理內(nèi)容是有所側重和不同的。“減除”階段主要內(nèi)容有：風險信息收集、風險地圖繪制、危機預測、風險評估等；“準備”階段主要內(nèi)容有：信息監(jiān)測、信息分析、預案研發(fā)、預警系統(tǒng)等；“響應”階段內(nèi)容有：信息公開、信息傳播、信息資源配置、決策信息支持等；“恢復”階段主要內(nèi)容有：災害評估、危機善后、災后重建等。

從公共危機管理的發(fā)展趨勢來看，其重心已從災后應對轉向災前準備，進而轉向風險管理，即由被動響應變?yōu)橹鲃臃烙?，由主動防御變?yōu)轱L險消除。與此相對應，PCIM的研究重點也將逐步轉向風險信息管理和災前信息準備，信息備災將作為一個重要概念提出并逐步上升為PCIM的一個重大研究領域。

3　PCIM功能論

功能論主要研究PCIM在公共危機管理中的功能和作用，探析PCIM最基本、最普遍的功能及其作用機理與方式。一方面，這些最基本、最普遍的功能可以概括各種具體的PCIM的工作目標，另一方面，這些最基本、最普遍的功能又是相互不能替代和兼容的，它們表征了PCIM的基本價值和作用。

在經(jīng)典文獻中，阿利森和澤利科在《決策的本質(zhì)——解析古巴導彈危機》（Essence　of　Decision：　Explaining　the　Cuban　Missile　Crisis）中闡述了危機與決策的關系以及決策模式，將危機管理看成是決策論的一個分支加以研究，強調(diào)了信息在危機決策中的作用。米特洛夫和皮爾森在其著作《危機管理》（Crisis　Management）中指出，搜集、分析和傳播信息是危機管理的直接任務［5］。奧托·萊爾賓格爾在《危機主管：直面風險與不確定性》一文中，從信息角度分析了危機管理者的職能和素質(zhì)［6］。羅納德·伯克和卡里·庫珀在《持續(xù)性危機溝通：規(guī)劃、管理和響應》一書中分析了危機管理中的信息需求問題，提出了持續(xù)性的危機管理方法，探討了信號尋求、危機預防、危機準備、危機識別、危機遏阻、危機恢復等相關問題［7］。

通過歸納、比較、綜合各種不同層次、不同類型的公共危機信息管理所提出的工作任務，結合公共危機管理對PCIM工作的需求，將PCIM的功能劃分為基礎功能和核心功能兩大部分?；A功能包括對危機信息的收集、處理（組織）、存儲、傳播和使用；核心功能包括利用危機信息進行預測、預警、決策、執(zhí)行（指揮、調(diào)度）和評估?；A功能是一般信息管理所共有的功能，核心功能是在基礎功能的基礎上，PCIM支持公共危機管理的最基本、最普遍的功能。PCIM的基礎功能和核心功能都貫穿于整個公共危機管理活動中，基礎功能是前提和基礎，核心功能是本質(zhì)和中心；任何一個核心功能的實現(xiàn)都離不開基礎功能，同樣基礎功能要想體現(xiàn)其價值和作用，又要通過核心功能來實現(xiàn)（見圖3）。

[圖3　公共危機信息管理功能論]

3.1　PCIM基礎功能

（1）信息收集：實時、準確、全面地監(jiān)測和收集與公共危機相關的各種數(shù)據(jù)和信息，強調(diào)對危機征兆信息的捕捉，重視遙感、遙測、GIS、GPS等信息技術的使用以及信息的實時動態(tài)更新。隨著社交媒體的興起，社交媒體正成為公共危機信息監(jiān)測與收集的重要渠道［8］。

（2）信息處理：對危機信息進行選擇、組織和加工整理，是把無序的信息流轉化為有序信息流和支持危機決策的知識。在當前大數(shù)據(jù)環(huán)境下，對海量實時危機信息流的處理和挖掘分析在技術上已成為可能，正成為社會計算（Social　Computing）、計算社會科學（Computational　Social　Science）、商務智能（Business　Intelligence）等學科的研究熱點［9］。

（3）信息存儲：是將已加工處理的危機信息存儲到介質(zhì)中，以方便公共危機利益相關者使用和傳播。云存儲和云計算是海量實時危機信息存儲的一個基本趨勢。

（4）信息傳播：將經(jīng)過處理的危機信息提供給用戶，以滿足用戶信息需求的過程。信息公開是PCIM的一個核心原則。新媒體在危機信息傳播中的作用日益受到關注［10-12］的同時，公共危機中虛假信息和偽信息的傳播問題也成為研究熱點［13-14］。

（5）信息使用：利益相關者利用信息或信息服務進行公共危機管理的過程。信息使用是PCIM的目的和歸宿，是PCIM基礎功能和核心功能聯(lián)系的橋梁和紐帶。

信息收集、信息處理、信息存儲、信息傳播和信息使用構成信息的生命周期（Information　Life　Cycle），是一個不斷循環(huán)往復的過程。

3.2　PCIM核心功能

（1）預測與預警：貫穿于危機生命周期全過程。在危機爆發(fā)前需要對其進行監(jiān)測和預測，找到潛在的危機并盡可能的消除。在危機發(fā)生伊始，要對所發(fā)生的危機做出恰當?shù)念A警，引導和指揮公眾應對危機。在危機爆發(fā)后，也需要根據(jù)危機的不斷變化和特有性征調(diào)整計劃和方案，達到以少量代價解決危機的目的。危機預控職能是有效避免危機的關鍵職能，主要處于危機爆發(fā)前的潛伏期、生成期和期中。利用無線傳感網(wǎng)絡、空間視頻系統(tǒng)及人工智能（移動機器人）等可以有效地收集地理數(shù)據(jù)和環(huán)境狀態(tài)數(shù)據(jù)［15-18］，并通過預測模型得出哪些地區(qū)會受到威脅，及時做出預警。利用從急救中心及突發(fā)事件舉報中心獲得的數(shù)據(jù)，可以分析危機事件發(fā)生的頻率及時空分布［19-20］。

（2）決策：支持危機決策是PCIM的核心功能，危機信息的收集、組織、分析、解讀均以決策目標為中心。賈尼斯在《決策與危機管理中的領導》（Crucial　Decision：　Leadership　in　Policymaking　and　Crisis　Management）一書中，在總結各類決策模式的基礎上，提出了危機決策流程的約束模型和四大步驟，闡述了信息搜集在問題確認、信息資源利用、分析和方案形成以及評估和選擇中的作用［21］。Roberto　G.aldunate等人研究并提出了一種分布式協(xié)同決策模型，主要用于大規(guī)模減災中的決策制定［22］。De　Maio等研究了一種基于語義網(wǎng)絡來協(xié)調(diào)異質(zhì)數(shù)據(jù)和柔性計算的方法，用來處理不確定性因素和模擬植入在應急計劃中的因果推理，來支持應急決策和資源調(diào)度［23］。GIS可通過獲取數(shù)據(jù)、存儲數(shù)據(jù)、處理數(shù)據(jù)、分析數(shù)據(jù)以及可視化數(shù)據(jù)，為危機管理者提供了決策支持［24］。除決策系統(tǒng)設計之外，決策信息的傳達及決策中領導績效的測量也受到了關注［25-26］。

決策功能貫穿于整個危機管理活動中，事前的決策主要是以常規(guī)決策和程序化決策為主，決策的問題一般都具有良好的結構，可以廣泛征求意見，充分發(fā)揚和體現(xiàn)民主決策。協(xié)商民主（Deliberative　Democracy）、基于地理信息的協(xié)商（GeoDeliberation）等作為重要研究主題，在公共危機管理領域正引起廣泛的關注［27-28］。危機一旦發(fā)生，危機的決策目標就會隨著危機事態(tài)的演變而變化，人們需要不斷地做出調(diào)整和修正，危機決策變?yōu)榉浅绦蚧瘺Q策。這時決策的第一目標是控制危機的蔓延和事態(tài)的進一步惡化，決策者通常以經(jīng)驗和靈感決策為主，由于情況緊急，往往將權威決策者的決定作為最后的決策結果。

決策過程中要解決的主要信息問題有：①準確定義危機決策問題；②針對可能出現(xiàn)的各種危機情境，應用專家知識和經(jīng)驗編制危機應急預案和應對計劃；③根據(jù)出現(xiàn)的異常問題，判別危機情境，借助于DSS、知識庫、預案仿真等技術得到處理危機的初步方案。

（3）執(zhí)行。高效的執(zhí)行是危機決策發(fā)揮作用的有利保證。執(zhí)行階段主要的問題有人員設備和其他資源的調(diào)度，災害現(xiàn)場的實時反饋，突況的靈活應對等。在執(zhí)行的過程中協(xié)作是至關重要的，大規(guī)模的危機事件響應是一個綜合協(xié)作的過程，需要相鄰區(qū)域的多部門主動參與和有效協(xié)作［29］。對公眾參與來說，開放地理信息系統(tǒng)（volunteered　geographic　information）［30］、移動地理信息系統(tǒng)［31］等是有效工具，一方面會提供重要的信息交互，另一方面也會提高應急處置的效率。

（4）評估。不僅指對危機后的評價，還包括對危機前的風險評估以及危機中“可減緩性”、“可挽救性”與“可恢復性”的評價，其中尤其要注重危機前的風險評價，因為它具有“可消除性”［32］。美國聯(lián)邦應急管理署（FEMA）了一系列與風險有關的文件，其中包括風險地圖、評估和規(guī)劃（RiskMAP）的項目管理、戰(zhàn)略、技術服務和用戶數(shù)據(jù)服務等［33］。日本學者Ana　Maria　Cruz　和Norio　Okada研究了城市由自然災害引發(fā)的技術災難（Natech）［34］，并提出了針對此類災難進行風險評估的一套方法論。德國的備災評估項目中建立了比較成熟的備災指標和框架，可進行多種與災難相關的評估［35］（Center　for　Hazards　Research　and　Policy　Development　University　of　Louisville，2006）。在火山、地震、泥石流、海嘯等自然災害風險評估與災害影響評估中，交互式繪圖信息系統(tǒng)、地理空間信息技術、遙感遙測等技術得到了廣泛應用［36-39］。

4　PCIM方法論

著名學者拉普拉斯說過：認識研究方法比發(fā)明、發(fā)現(xiàn)本身更重要。如果我們把發(fā)明和發(fā)現(xiàn)比喻為“黃金”，那么研究方法就是“煉金術”［49］。方法論是對方法的理論說明與邏輯抽象，是具體的、個別的方法的體系化與理論化，因此相對于方法而言，方法論具有理論性、系統(tǒng)性和統(tǒng)一性等特征。

信息管理方法研究在危機管理領域雖然取得了一定的發(fā)展，但還沒有形成系統(tǒng)的成果。公共危機信息管理有其自身的特點，所運用的方法要側重于應用性與可操作性，必須與實際情況相適應，這就決定了PCIM的方法體系與傳統(tǒng)的信息管理方法有所不同。

對PCIM方法體系的建構來說，一方面，方法是實現(xiàn)PCIM各項具體工作目標或任務的工具，因此，方法的結構應該從總體上保證PCIM各種功能的實現(xiàn)，即符合功能—結構的對應原則。另一方面，由于PCIM方法的來源是多方面的，方法的類別和數(shù)量是眾多的，方法的性質(zhì)是多元的，固此，應構建一個盡可能全面的、有機的方法框架，既明確反映各種具體方法的“位置”、反映方法之間的聯(lián)系和區(qū)別，又是可以擴充和發(fā)展的，可為新方法的并入提供余地。

根據(jù)公共危機管理的四階段模型，從支持公共危機管理流程的主要功能出發(fā)，建構了與主要功能相對應的PCIM方法體系（見圖4）［41］。

PCIM方法體系由需求分析方法、信息采集方法、危機預測方法、危機監(jiān)測方法、環(huán)境分析方法、深度研究方法、應急決斷方法、執(zhí)行控制方法和綜合評價方法9大類方法構成，每一類方法又包括各種具體方法，本文只列舉了部分常用或重要方法。

公共危機發(fā)生之前是信息管理的準備階段，所需要做的是需求分析、信息采集與危機預測。需求分析方法保證了需求分析階段所劃定的信息需求范圍的合理性，信息采集方法保證了所采集信息的質(zhì)量與數(shù)量，而危機預測方法則直接關系到危機預報的準確性。

公共危機過程中的信息管理過程就是危機決策的過程，對應于危機決策的5個步驟，信息管理也執(zhí)行危機監(jiān)測、環(huán)境分析、深度研究、應急決斷與執(zhí)行控制5個功能。這個過程直接關系到公共危機管理的效果，對各類方法的應用也最為廣泛。

公共危機后信息管理的作用是對危機管理的效果進行評價并進行及時反饋，此時的方法也主要是各類評價方法。

5　PCIM系統(tǒng)論

PCIM系統(tǒng)論主要研究支持公共危機管理的各種應用信息系統(tǒng)、信息架構和信息技術。美國紐約大學商學院勞頓教授認為：信息系統(tǒng)不只是一個技術系統(tǒng)，而且還是一個管理系統(tǒng)和組織系統(tǒng)，是一個社會系統(tǒng)。危機管理信息系統(tǒng)是基于不同層次、不同功能和技術的多維整合（見圖5）［42］。

從技術維的角度，各種公共危機管理應用信息系統(tǒng)和信息平臺的建設需要廣泛采用各種信息技術。除計算機硬件、軟件、存儲技術、通訊和網(wǎng)絡技術等最基本的技術之外，還需要利用遙感技術（RS）、GPS技術和分布式數(shù)據(jù)庫技術，有效地集成分散的信息資源；采用網(wǎng)格技術、GMS（Geo-code　Mapping　System）技術、數(shù)據(jù)倉庫（DM）等，建立完整、動態(tài)的危機管理綜合數(shù)據(jù)庫；采用GIS技術、信息可視化技術、XML技術和決策模型，建立相互關聯(lián)的決策支持子系統(tǒng)；采用地理空間信息技術，建立協(xié)作式危機管理系統(tǒng)［43-44］；采用網(wǎng)絡輿情監(jiān)測技術，實現(xiàn)對網(wǎng)絡群體性突發(fā)事件危機信息傳播動態(tài)的實時監(jiān)測［45］；采用仿真技術，實現(xiàn)對危機事件的發(fā)生、演化機理分析，加深人們對危機治理的理解和認知［46-47］。

在經(jīng)典文獻中，1984年，沙特朗（R.　L.　Chartrand）等人在名為《用于應急管理的信息技術》（Information　Technology　for　Emergency　Management：Report）的研究報告中，著重研究了應急通信系統(tǒng)、與自然災害有關的信息存儲與檢索系統(tǒng)，以及其它信息技術在減災和危機管理等方面的應用問題［48］。科林（Nick　Collin）討論了危機信息管理中對信息和技術管理重構的重要性［49］。1999年，美國國家研究理事會（National　Research　Council，　NRC）編著的《用于危機管理的信息技術研究》（Information　Technology　Research　for　Crisis　Management）詳細介紹了各種可用于危機管理的信息技術的特點、作用等，并強調(diào)要通過信息技術的運用來應對各種危機［50］。在危機管理實踐中，全球著名的ESI公司開發(fā)了基于Web的應急信息管理系統(tǒng)——Web　EOC系統(tǒng)，已得到了廣泛利用，可以使組織在沒有建立緊急事件處理中心的情況下也能很好地預防和應對危機［51］。

從層次維的角度，地方危機管理信息系統(tǒng)支持地方政府的公共危機管理，各應用信息系統(tǒng)一般由政府專門部門建設，一般系統(tǒng)可操作性強，但可集成、可擴展性差。國家危機管理信息系統(tǒng)支持國家層面的公共危機管理，是地方危機管理信息系統(tǒng)的集成，建設中主要解決不同系統(tǒng)間的數(shù)據(jù)融合、共享和擴展問題。全球戰(zhàn)略與區(qū)域應對信息管理系統(tǒng)支持國際層面的公共危機管理，在“全球風險社會”背景下，是支持跨國危機管理和全球危機管理的信息基礎設施。在上述三個層次的危機信息系統(tǒng)中，國家危機管理信息系統(tǒng)居于核心地位。以美國國家突發(fā)事件管理系統(tǒng)（National　Incident　Management　System，　NIMS）為例，美國國土安全部成立后，NIMS將美國已有的最佳經(jīng)驗整合為一個統(tǒng)一的適用于各級政府和職能部門應對各種災難的國家突發(fā)事件管理方案，使聯(lián)邦、州、各級地方府與私人團體能夠有效、高效、協(xié)調(diào)一致地對國內(nèi)突發(fā)事件作出準備、反應以及從突發(fā)事件中恢復［52］。在實用系統(tǒng)層面，Sahana作為一個開放的災害管理信息系統(tǒng)，能有效地促進政府、公眾、企業(yè)及非政府組織之間的協(xié)作，協(xié)作主體可以跨越組織界限共享數(shù)據(jù)，共同響應災害［53］。

從功能維的角度，公共危機管理信息系統(tǒng)按照功能可以劃分為安全信息采集系統(tǒng)、動態(tài)數(shù)據(jù)監(jiān)測系統(tǒng)、危機預測預警系統(tǒng)、應急預案系統(tǒng)、應急演練系統(tǒng)、應急仿真系統(tǒng)、應急決策系統(tǒng)、應急指揮系統(tǒng)、應急資源配置與調(diào)度系統(tǒng)、環(huán)境污染評測系統(tǒng)、災害綜合理賠系統(tǒng)、財產(chǎn)損害評估系統(tǒng)、醫(yī)療救助系統(tǒng)等。這些應用信息系統(tǒng)通過統(tǒng)一的應急信息平臺進行集成，支持公共危機管理各項功能的實現(xiàn)。

6　結語

EPFMS分析框架是在公共危機管理與信息管理雙重視域的交叉結合中基于問題域及其關系建構起來的PCIM研究框架，說明PCIM既有其背景學科——公共危機管理與信息管理——的知識支撐，又有其不同于背景學科的獨特的知識元素和學科氣質(zhì)。

EPFMS分析框架的PCIM要素論主要研究PCIM的構成要素以及要素之間的關系，建立關于PCIM結構要素的基本認識和知識；PCIM過程論基于公共危機管理的典型生命周期過程，研究每一階段的信息保障和信息管理問題；PCIM功能論主要研究PCIM在公共危機管理中的功能和作用，探析PCIM最基本、最普遍的功能及其作用機理與方式；PCIM方法論研究PCIM的方法來源、方法原理、方法應用以及方法體系的建構問題；PCIM系統(tǒng)論主要研究支持公共危機管理的各種應用信息系統(tǒng)、信息架構和信息技術。每個研究范疇都有其核心科學問題和研究側重點，它們共同構成公共危機信息管理的EPFMS理論分析框架。為了便于對EPFMS分析框架有更加明確的認識，將其主要研究內(nèi)容以及未來研究方向等總結如下表（見表2）。

[EPFMS

框架＼&研究

時間＼&研究的

成熟度＼&研究的核心問題＼&未來發(fā)展

方向＼&要素論＼&稍晚＼&不成熟＼&公共危機信息管理的主體、客體、環(huán)境，以及主體和客體間的信息傳遞、作用機制等。＼&由要素內(nèi)容轉向要素關系研究＼&過程論＼&較早＼&欠成熟＼&以決策為軸心研究公共危機信息的螺旋式周期管理＼&由災害應對轉向信息備災和風險管理＼&功能論＼&較早＼&較成熟＼&以決策功能為核心研究公共危機信息收集、處理、存儲、傳播和使用中的問題，支持危機預測預警、決策、評估。＼&智能化決策，突發(fā)事件的動態(tài)仿真與計算實驗＼&方法論＼&稍晚＼&不成熟＼&危機信息的收集方法、組織方法、決策方法、評估方法以及改進＼&新方法的引入，獨有方法的建構＼&系統(tǒng)論＼&早＼&較成熟＼&支持信息系統(tǒng)建設的關鍵技術，如GIS、網(wǎng)格技術、衛(wèi)星遙感、可視化技術等。不同信息系統(tǒng)的集成和融合問題，如數(shù)據(jù)共享、數(shù)據(jù)兼容＼&綜合危機信息管理系統(tǒng)＼&][表2　EPFMS的主要研究內(nèi)容和方向]

參考文獻：

［1］沙勇忠，　劉紅芹.公共危機的利益相關者分析模型［J］.科學·經(jīng)濟·社會，　2009，?。?）：　58-61.

［2］N.　Bharosa，　J.　Lee.　Challenges　and　Obstacles　in　Sharing　and　Coordinating　Information　During　Multi-Agency　Disaster　Response：　Propositions　From　Field　Exercises［J］.　Information　Systems　Frontiers，　2010，　12（1）：　49-65.

［3］　F.　W.　Horton，　D.　A.　Marchand.　Information　Management　in　Public　Administration［M］，　Arlington，　Va.　：　Information　Resources　Press，　1982.

［4］［澳］羅伯特·希斯.　王成，　宋炳輝，　金瑛，　譯.　危機管理［M］.　北京：中信出版社，　2001：　30-31.

［5］Mitroff　，　Pearson.　Crisis　Management［M］.　San　Francisco：　Jossey-Bass　Publishers，　1993.

［6］Otto　Lerbinger.　the　Crisis　Manager：　Facing　Risk　And　Responsibility［M］.　New　Jersey：　Lawrence　Erlubaum　Associates，　1997.

［7］Ronald　J　Burke，　Cary　L　Cooper.　the　Organization　in　Crisis?。篋ownsizing，　Restructuring　and　Privatization［M］.　Malden，　Ma：　Blackwell　Publishers，　2000.

［8］Austin，　Lucinda，　Liu，　Brooke　Fisher，　Jin，　Yan.　How　Audiences　Seek　Out　Crisis　Information：　Exploring　the　Social-Mediated　Crisis　Communication　Model［J］.　Journal　of　Applied　Communication　Research，　2012，　40（2）：　188-207.

［9］Dearstyne，　Bruce　W.　Big　Data's　Management　Revolution［J］.　Harvard　Business　Review.　2012，　90（12）：16-17.

［10］Wei　Jiuchang.　Estimating　The　Diffusion　Models　of　Crisis　Information　in　Micro　Blog［J］.　Journal　of　Informetrics，　2012，　6（4）：　600-610.

［11］Allan　Jonathan.　Using　Social　Networking，　Mobile　Apps　to　Distribute　Tsunami　Hazard　Information［J］.　Sea　Technology，　2012，　53（4）：　61-64.

［12］Song　Xiaolong.　Influencing　Factors　of　Emergency　Information　Spreading　in　Online　Social　Networks：　a　Simulation　Approach［J］.　Journal　of　Homeland　Security　and　Emergency　Management，　2012，　9（1），　1515/1547-7355.

［13］沙勇忠，史忠賢.　公共危機偽信息傳播影響因素仿真研究［J］.　圖書情報工作，2012，56（5）：36-41，　111.

［14］Nostro　Concetta，　Amato　Alessandro，　Cultrera　Giovanna.　Turning　the　Rumor　of　The　May　11，　2011，　Earthquake　Prediction　in　Rome，　Italy，　Into　An　Information　Day　on　Earthquake　Hazard［J］，　Annals　Of　Geophysics，　2012，　55（3）：　413-420.

［15］Curtis　Andrew，　Mills　Jacqueline　W.　Spatial　Video　Data　Collection　in　a　Post-Disaster　Landscape：　the　Tuscaloosa　Tornado　of　April　27th　2011［J］.　Applied　Geography，　2012，　32（2）：　393-400.

［16］Munaretto　Daniele.　Resilient　Data　Gathering　and　Communication　Algorithms　For　Emergency　Scenarios［J］.　Telecommunication　Systems，　2012，　48（3）：　317-327.

［17］F.　A　Matsuno.　Mobile　Robot　For　Collecting　Disaster　Information　And　A　Snake　Robot　For　Searching［J］.　Advanced　Robotics，　2002，　16（6）：　517-520.

［18］Schumann　Guy，　Hostache　Renaud.　High-Resolution　3-D　Flood　Information　From　Radar　Imagery　For　Flood　Hazard　Management［J］.　Ieee　Transactions　On　Geoscience　And　Remote　Sensing，　2012，　45（6）：　1715-1725.

［19］Barrientos　Francisco.　Interpretable　Knowledge　Extraction　From　Emergency　Call　Data　Based　On　Fuzzy　Unsupervised　Decision　Tree［J］.　Knowledge-Based　Systems，　2012，　25（1）：77-87.

［20］Jasso　Hector.　Using　9-1-1　Call　Data　And　The　Space-Time　Permutation　Scan　Statistic　For　Emergency　Event　Detection［J］.　Government　Information　Quarterly，　2009，　26（2）：　265-274.

［21］Janis　Irving　L.　Crucial　Decision：　Leadership　In　Policymaking　And　Crisis　Management［M］.　New　York：　Freepress，　1989.

［22］Roberto　G.　Aldunate，　Feniosky　Pena-Mora，　Genee.　Robinson.　Collaborative　Distributed　Decision　Making　For　Large　Scale　Disaster　Relief　Operations：　Drawing　Analogies　From　Robust　Natural　Systems［M］.Wiley　Periodicals，　Inc.　2005.

［23］Kruke　Bjorn　Ivar，　Olsen　Odd.　Einarknowledge　Creation　and　Reliable　Decision-Making　In　Complex　Emergencies［J］.　Disasters，　2012，　36（2）：　212-232.

［24］A.　E.　Gunes.　Modified　Crgs?。∕-Crgs）　Using　Gis　in　Emergency　Management　Operations［J］．Journal　of　Urban　Planning　and　Development-Asce，2000，（68）：6-149.

［25］De　Maio，　G　Fenza.　Knowledge-Based　Framework　For　Emergency　Dss［J］.　Knowledge-Based　Systems，　2011，　24（8）：　1372-1379.

［26］Constance　Noonan　Hadley.　Measuring　The　Efficacy　Of　Leaders　To　Assess　Information　And　Make　Decisions　In　A　Crisis：　The　C-Lead　Scale［J］，　Leadership　Quarterly，　2011，　22（4）：　633-648.

［27］Sieber　R.　Public　participation　geographic　information　systems-a　literature　review　and　framework［J］.　Annals　of　the　Association　of　American　Geographers，　2006，96（3）：　491-507.

［28］Hartz-Karp　J.　A　Case　Study　in　DeliberativeDemocracy-　Dialogue　with　the　City［EB/OL］.［2012-12-25］.http：///resources/Dialogue%20with%20the%20City%20Case%20Study%20published.pdf.

［29］Aedo　Ignacio，　Diaz　Paloma，　Carroll　John　M.　End-User　Oriented　Strategies　To　Facilitate　Multi-Organizational　Adoption　Of　Emergency　Management　Information　Systems［J］.Information　Processing　&　Management，2011，　46（1）：11-21.

［30］Dchild　Michael　F，　Glennon　J　Alan.　Crowdsourcing　Geographic　Information　For　Disaster　Response：A　Research　Frontier［J］.International　Journal　of　Digital　Earth，　2011，　3（3）：　231-241.

［31］Erharuyi　N，　Fairbairn　D.　Mobile　Geographic　Information　Handling　Technologies　To　Support　Disaster　Management［J］.　Geography，　2003，（88）：312-318.

［32］陳安.　現(xiàn)代應急管理理論與方法［M］.北京：科學出版社.2009.

［33］Federal　Emergency　Management　Agency　Risk　Mapping，　Assessment，　And　Planning?。≧iskmap）　Draft　Statement　Of　Objectives（Program　Management）［EB/OL］.［2009-06-04］.Http：//　Fema.　Gov/Pdf/Plan/Program_Management_Draft_Soo_02202008.Pdf.

［34］Ana　Maria　Cruz，　Norio　Okada.　Methodology　For　Preliminary　Assessment　of　Natech　Risk　In　Urban　Areas［J］.Nat　Hazards，　2008，（46）：199-220.

［35］Center　For　Hazards　Research　And　Policy　Development　University　Of　Louisville.　Indicator　Issues　And　Proposed　Framework　For　A　Disaster　Preparedness　Index?。―pi）　Draft　Report　To　The：　Fritz　Institute.　Disaster　Preparedness　Assessment　Project［EB/OL］．［2009-07-08］.　Http：///PdFs/White　Paper/Davesimpson%20indicatorsrepor.Pdf.

［36］Saksa　Martin，　Minar　Jozef.　Assessing　The　Natural　Hazard　Of　Gully　Erosion　Through　A　Geoecological　Information　System?。℅eis）：　A　Case　Study　From　The　Western　Carpathians［J］.　Geografie，　2012，　117（2）：　152-169.

［37］Kunz　Melanie，　Gret-Regamey　Adrienne，　Hurni　Lorenz.　Visualization　Of　Uncertainty　In　Natural　Hazards　Assessments　Using　An　Interactive　Cartographic　Information　System［J］.　Natural　Hazards，　2011，　59（3）：　1735-1751.

［38］Kussul，　Sokolov.　Zyelyk，　Ya.　I..　Disaster　Risk　Assessment　Based　On　Heterogeneous　Geospatial　Information［J］.　Journal　Of　Automation　And　Information　Sciences，　2010，　42（12）：　32-45

［39］Barnes　Christopher　F，　Fritz　Hermann，　Yoo　Jeseon.　Hurricane　Disaster　Assessments　With　Image-Driven，　Data　Mining　In　High-Resolution　Satellite　Imagery［J］.　Ieee　Transactions　On　Geoscience　And　Remote　Sensing，　2007，　45（6）：　1631-1640.

［40］吳生林.巴普洛夫選集［M］.北京：科學出版社，1955：49.

［41］程立斌，林春應.軍事情報研究方法體系探析［J］.　情報雜志，　2007，（2）：89-91.

［42］Laudon　Kenneth　C，　Laudon　Jane　P.　Management　Information　Systems：　Organization　And　Technology　In　The　Networked　Enterprise［M］.London：Prentice—Hall　Inc.，1999.

［43］A.　M.　Maceachren，　G.　Cai，　M.　Mcneese，　R.　Sharma，　S.　Fuhrmann.　Geocollaborative　Crisis　Management：　Designing　Technologies　To　Meet　Real-World　Needs［EB/OL］.［2012-12-28［.http：///10.1145/115

0000/1146624/p71-maceachren.pdf？ip=219.246.184.83

&acc=ACTIVE%20SERVICE&CFID=162474839&CFT

OKEN=80491407&__acm__=1356662450_b2b6864570

21deb54e161bc7e8e7c1f3.

［44］Gguoray　Cai，　A.　M.　Maceachren.　Map-Mediated　Geocollaborative　Crisis　Management，　Intelligence　And　Security　Informatics［C］，Berlin：Springer　Berlin　Heideberg，　2005：429-435.

［45］O.　Oh，　M.　Agrawal.　Information　Control　An　Terrorism：　Tracking　The　Mumbai　Terrorist　Attack　Through　Twitter［J］．Inormation　Systems　Frontiers，　2010（13）：33-43.

［46］Kim　Sung-Duk.　Lee　Ho-Jin，　Park　Jae-Sung.　Simulation　Of　Seawater　Intrusion　Range　In　Coastal　Aquifer　Using　The　Femwater　Model　For　Disaster　Information［J］.　Marine　Georesources　&　Geotechnology，　2012，　30（3）：　210-221.

［47］L.　K.　Comfort，　K.　Ko.　Coordination　In　Rapidly　Evolving　Disaster　Response　Systems：　The　Role　Of　Information［J］．American　Behavioral　Scientist，2004（48）：295-313　.

［48］張建宇.對企業(yè)危機信息管理的思考［J］.現(xiàn)代企業(yè)，　2003，（11）：　14-15.

［49］Nick　Collin.　Information　Management　In　Crisis?。篏etting　Value　For　Money　From　It　Investments　By　Rethinking　The　Management　Of　Information　And　Technology［J］.Computer　Audit　Update，　1995，（2）：　6-11.

［50］David　Mendon？a.　National　Research　Council　.Information　Technology　Research　For　Crisis　Management［M］.National　Academy　Press，　1999.

［51］基于web的應急信息管理系統(tǒng)——Web　Eoc系統(tǒng)［EB／OL］.［2009-06-08］.Http：//Esi911.　Com/Esi/Products/Webeoc.Shtml.

［52］盧一郡，　賈紅軒.　美國突發(fā)事件管理系統(tǒng)簡介［J］.　中國急救發(fā)素與災害醫(yī)學雜志，　2007，　2（6）：　367-380.