基于系统动力学的大学生线上下舆情联动研究_李宗伟.pdf

基金项目:国家社科基金(18BGL093);上海市浦江人才计划资助(2019PJC096)收稿日期:20210401修回日期:20210911第 40 卷第 2 期计算机仿真2023 年 2 月文章编号:10069348(2023)02029706基于系统动力学的大学生线上下舆情联动研究李宗伟，王泽凯，夏伟伟(上海应用技术大学，上海 201418)摘要:随着移动互联网的快速发展，网络媒体成为造成舆论风险的重要传播途径。当今大学生在面临高校出台的不合理政策时，出现了通过在线下线上制造舆论压力从而迫使学校解决问题的新态势，此类事件的频频发生极易对高校稳定造成不良影响。现基于系统动力学，确定了学生、高校、网媒的主体和主要影响因素，采用 Vensim 软件构建了新形势下大学生网络舆情演化模型。利用“合肥工业大学学生喊楼”事件验证了模型的有效性，并对学生负面情绪累积、网络舆论热度等进行了仿真研究。最后给高校为避免学生群体事件的爆发、应对舆论演化事件提出了两点建议。关键词:网络舆情;负面情绪;系统动力学中图分类号:TP391.9文献标识码:Besearch on Online and Offline Public Opinion Linkageof College Students Based on System DynamicsLI Zongwei，WANG Zekai，XIA Weiwei(Shanghai Institute of Technology，Shanghai 201418，China)ABSTACT:With the rapid development of the mobile Internet，online media is known as an important means ofspreading public opinion risks When college students are facing unreasonable policies in colleges and universities，they have used offline and online methods to create public opinion pressure to force schools to solve problems Thefrequent occurrence of such incidents can easily cause adverse effects on the stability of colleges and universitiesBased on system dynamics，this paper determines determined the main body and main influencing factors of students，universities，and Internet media，and uses used Vensim software to construct a model of the evolution of collegestudents online public opinion under the new situation The Hefei University of Technology students shouting at thebuilding incident verified the effectiveness of the model，and simulated the accumulation of student negative emo-tions and the popularity of online public opinion Finally，two suggestions are were put forward to universities to avoidthe outbreak of student group incidentsKEYWODS:Internet public opinion;Negative emotion;System dynamics1引言随着自媒体的兴起，微博、知乎、豆瓣等网站成了人们重要的发声渠道和交流平台，自媒体的发展也导致了原本单一、偶发的事件很容易迅速演化成网络集群行为。当今高校大学生在面临学校不合理政策时，出现了通过同时利用线上线下进行舆论造势的方法来倒逼学校解决问题的新态势。以去年新冠疫情期间高校普遍实行的封闭管理政策为例，由于学生和教职工出校政策不一致、校内食堂趁机涨价、学生生活如洗澡取快递等诸多不便、社交需求不被满足、本校封闭管理同其它高校开放的对比，这一系列影响因素造成了学生的不满情绪不断积累并爆发了“喊楼”事件。学生们高喊“解封、放假”的口号，并上传了部分视频到微博、知乎等网站上。同时学生们借助 QQ、微信群传播、微博上的二次发酵扩大事件影响力，利用舆论压力迫使学校提出解决方案。自媒体、营销号、意见领袖等群体等也进行跟进，借此提高个人关注度。而高校为避免事态失控，首先通过辅导员告知学生删除不当言论并禁止参与讨论，其次做出了部分妥协满足学生需求。至此学生的部分权益等到了实现，高校维护了舆论稳定，事件告一段落并逐渐被人们遗忘。新形势下这类网络舆792情事件还具有了一定的“传染性”，当某高校的学生通过这类行为取得成效后，其他高校学生也争相效仿。因此研究这类线上线下舆情联动事件的发展演化过程对从源头上杜绝此类事件的发生以及快速平息事件影响力具有重要的意义。针对线上线下舆情演化，近年来国内学者有已有不少研究成果。叶琼元等以线上线下互动量和趋同量作为耦合度衡量的指标，并最终以耦合度为标准分析线上线下联系的演化过程1。迟钰雪等基于超网络理论，以舆情在现实空间和虚拟空间的信息传播和观点交互为研究对象，构建了基于超网络的线上线下舆情演化模型2。沈乾等提出了多层同步网络模型的概念，并定量分析了线上网络与线下网络之间在舆情传播过程中的相互影响3。王世雄等从多层网络视角入手，以线上线上互动网络为基本结构，结合共识理论、冲突理论和社会判断理论，抽取了两层网络互动机制和社会个体之间的交互规则，建立了社会共识涌现模型及其算法4。李勇等以“成都女司机被打”事件为例，对线上线下表达数据进行数理统计和时间序列分析，比较了情感的线上线下情感传播差异，并从传播环境、传播方式、表达约束、网络结构和用户行为等方面对线上线下情感传播影响因素进行了分析5。朱恒民等通过 Price 有向无标度网络和 WS 小世界网络完成了线上线下互动的耦合网络模型的构建6。于凯等构建了线上线下的双层耦合网络模型，并结合传播学和社会心理学理论，提出了层间对称和非对称的促进抑制舆情传播机制7。姚翠友基于微博用户属性和行为分析，综合考虑微博舆情演化的主要推动因素及其关联关系，应用元胞自动机方法，构建了社会事件的微博舆情演化模型8。从以上研究成果可以看出，目前针对线上线下舆情仿真所使用的模型主要包括多层耦合网络模型、STS 模型、元胞自动机等，从系统动力学视角开展研究还比较少。此外以上研究领域也局限在无外力推动情况下舆情在线上和线下相互影响的过程，但是对于当前“大学生喊楼”这种首先在线下爆发群体性事件，然后人为在线上扩大影响力的主观操纵下线上线下舆情发展的新态势却暂无研究。综上所述，本文将基于系统动力学的视角，构建线上线下舆情联动这一新形势下大学生网络舆情演化模型。2系统动力学建模2.1系统动力学建模可行性分析系统动力学(system dynamics，SD)是系统科学理论与计算机仿真紧密结合、研究系统反馈结构与行为的一门科学，是系统科学与管理科学的一个重要分支9。本文研究的网络舆情演化系统是一个非线性的系统，系统内部各影响因素之间没有直接的线性关系。网络舆情演化系统具有反馈环节，内部各影响因素相互影响。由于系统动力学在研究复杂的非线性系统方面具有巨大的优势，因此运用系统动力学建模解决网络舆情演化的问题是合适可行的。2.2模型边界本文以学校、学生、网媒、行为事件为主体，主要研究在线上线下舆情演化下各主体之间的相互作用。以及当产生网络集群事件时，如何同学生进行沟通和引导，避免过激行为发生，造成不良的社会影响。本模型暂不考虑其它主体的影响。2.3建模步骤本文所构建的新形势下大学生线上线下舆情联动模型主要分为学生、学校、媒体三个模块。首先物价上涨、生活不便等诸多因素导致了学生负面情绪积累，因此爆发了大学生线下集群行为。同时在线上，学生们利用多种社交平台将线下爆发的集群事件进行发酵扩散，抬高舆情热度。嗅觉敏锐的媒体也会跟进报道，进一步扩大了事件影响力。舆情压力之下，学校的处理能力开始提高。一方面学校逐步满足学生的要求，提高学生的满意度，降低不满情绪。另一方面要求学生删除网上不当言论并禁止参与讨论，这降低了网络舆情热度，缓解了学校的舆论压力。具体模型框架如图 1 所示。图 1模型框架图2.4因果回路图根据模型框架图和系统边界构建模型因果回路图如图 2所示。从图 2 可以看出，主要包括 2 个回路图，一个正反馈环和一个负反馈环。图 2网络舆情因果回路图2.4.1媒体子系统网络舆情热情升高(或者降低)学生关注度升高(或892图 3媒体子系统因果回路图者降低)新闻浏览量升高(或者降低)新闻总数升高(或者降低)学生参与度(或者降低)网络舆情热度升高(或者降低)2.4.2学校处理子系统图 4学校处理子系统因果回路图网络舆情热度升高(或者降低)学生处理能力升高(或者降低)学生满意度升高(或者降低)负面情绪降低(或者升高)大学生线下集群行为降低(或者升高)网略舆情热度降低(或者升高)图 5网略舆情流量存量图2.5存量流量图2.5.1主要变量关系1)网络舆情热度=0.2*学生参与度+0.2*网媒作用力+0.6*大学生线下集体行为构造思路:权重值由人民网舆情频道中计算网略舆情热度的方法可得2)学生关注度=0.4*网络舆情热度3)新闻浏览量=2.9818*104*学生关注度构造思路:通过收集微博、知乎等平台上关于“大学生喊楼”事件的相关数据，利用 MATLAB 软件进行拟合得到4)新闻增加量=新闻浏览量*转发率5)新闻减少量=新闻沉寂系数*新闻总数+学校处理能力6)学生参与度=505.18*EXP(7.64(10)*新闻总数)张一文等在基于系统动力学研究网略舆情演化方面与本文情景类似，此处直接参考张一文的研究成果10。7)网媒作用力=网媒影响率*网媒报道频率/1000构造思路:网媒报道频率用表函数来表示，数据是通过对微博 10 万粉丝以上的官方或自媒体账号所发布的信息频次进行记录。8)负面情绪增加量=0.5*教职工待遇不一致+0.1*其余高校对比+0.1*物价上涨+0.1*生活不便+0.1*社交需求不被满足构造思路:通过爬取知乎上“如何评价合肥工业大学占用十一假期举办运动会并上课，这一安排是否合理?”以及“西安外国语大学因长期封校致物价上涨，学生集体喊楼，校方称将简化学生外出报备程序等，反映了什么问题?”问题下共 992 个回答，分析统计学生累计提到的问题频次，得到系数。9)负面情绪减少量=时间系数*负面情绪积累*学生满意度10)学生满意度=学校处理能力*0.4构造思路:通过同当事学生进行访谈，得到对学校政策满意系数。11)学校处理能力变化量=网络舆情热度*(响应速度+学校公信力)/10003模型的仿真研究3.1案例概述图 6合肥工业大学“喊楼”事件发展始末3.2模型参数估计3.2.1常量参数参数取值通过采访当事学生群体、爬取微博知乎上数据992以及查阅相关文献资料确定，见表 1。表 1模型的常量参数参数取值新闻沉寂系数0.3转发率0.25网媒影响率36.43学校公信力23响应速度34社交需求不被满足50生活不便50教职工待遇不一致100物价上涨50其余高校对比503.2.2表函数网媒报道频率数据是通过对微博 10 万粉丝以上的官方或