大數據、網絡輿論與國家治理

張志　曹艷輝

摘要：眾聲喧嘩、群體極化的網絡輿論給治理者帶來嚴峻挑戰，而大數據資源和技術將驅動輿論研究方法的革新，進而影響輿論引導機制的轉變，并促進政府將“民意”作為一種強大的治理工具。大數據思維及善治理念下的輿論引導應從“單向設置媒體議程”轉向“主動回應公眾議程”，從“表層信息控制”轉向“潛在情緒引導”，從“運動式意見治理”轉向“對話式凝聚共識”。大數據輿論研究應服務于社會心態調適、社會風險管理、公共決策協同等國家治理目標。

關鍵詞：大數據；輿論引導；國家治理

中圖分類號：D621.5；D035

文獻標識碼：A

文章編號：0257-5833（2016）08.0003—10

作者簡介：張志安，中山大學傳播與設計學院院長、教授；曹艷輝，中山大學行政管理專業博士研究生

（廣東

廣州510006）

隨著互聯網、物聯網、傳感器、云計算等數字化存儲傳輸技術的發展，人類已經進入數據化生存時代，社交媒體上的公共表達、網絡搜索、消費記錄等信息都被數字化記錄和存儲，構成海量、多樣、變動、真實的大數據。哈佛大學教授加里·金認為，大數據是一場“革命”，它將改變社會各個領域的發展方式和進程，“無論學術界、商界還是政府，所有領域都將開始這種進程”。如今，發展和應用大數據已經上升到國家戰略層面，被賦予提升國家治理能力的重要使命。2012年3月，美國政府公布“大數據研發計劃”，旨在提高和改進人們從海量、復雜的數據中獲取知識的能力，發展收集、儲存、保留、管理、分析和共享海量數據所需要的核心技術。2015年8月，我國國務院印發《促進大數據發展行動綱要》，提出未來5—10年大數據發展和應用應實現的目標，旨在建立“用數據說話、用數據決策、用數據管理、用數據創新”的管理機制，推動政府管理理念和社會治理模式進步。

從新聞傳播學的角度看，以論壇、微博、微信等社交媒體平臺為代表的傳播大數據，既催生了活躍的網絡輿論場和網絡輿論研究的新范式，也給國家治理帶來了新的壓力和挑戰。輿論關系著社情民意和社會穩定，既是國家治理的重要對象，又是提升政府治理能力的有效手段，還是評價國家治理成效的關鍵指標。自2003年起，大量網絡群體事件井噴式地涌現出來，互聯網在民意表達和輿論形成中發揮了重要作用，網絡輿論“眾聲喧嘩”、“群體極化”等特征，賦予了民眾前所未有的公共表達空間，也成為倒逼政府信息公開和依法執政的重要動力。如何利用大數據資源和技術優化網絡輿論的引導機制，提升和促進國家治理能力的現代化，是本文試圖探討的問題。

一、大數據驅動網絡輿論研究方法的革新

自李普曼所著的輿論學奠基之作《公眾輿論》問世后，“輿論”就成為政治學、傳播學中的研究熱點，而近十多年來在新的媒介環境、政治環境和社會環境等多重因素刺激下，網絡輿論更是成為傳播學、情報學、政治學、社會心理學、管理學等多學科的研究顯學。網絡輿論的復雜性、割裂性、變動性給研究者和治理者帶來嚴峻挑戰，而大數據資源及分析技術則將為網絡輿論研究提供新的路徑。

（一）數據采集與抽樣方法的轉變

1936年蓋洛普采用定額抽樣方法，僅抽選3000個調查樣本就成功預測了民主黨候選人羅斯福當選，此后，基于抽樣方式的民意測驗作為一種科學有效的調研方式被社會普遍接受和認可。民意測驗內容也逐步從對候選人的評價擴展到公眾對社會、政治、經濟、環境等各類公共議題的態度和意見，成為科研機構和政府部門了解社會輿論的重要方式和手段。但這種通過問卷、電話訪問獲取數據的方法，也存在一些局限與弊端：一是成本高、耗時長、抽樣難度大，在突發公共危機事件的輿情調研中具有不可避免的滯后性；二是數據來源于被調查對象的自我報告，數據真實性受到被調查者作答意愿、記憶程度、認知偏差等因素的影響；三是數據結構單一，從抽樣調查的數據量以及解釋的單一化層面上來說，都存在著缺陷。

大數據給輿論監測和研究帶來的重要變革之一是數據生產方式的改變，即人們“無意間”的網絡行為成為了新的數據來源——人們不是在被調查時表達觀點和態度，而是在網絡表達、交易等自然狀態中呈現其觀點和行為。這種自然狀態下生成的數據為輿論研究提供了前所未有的便利，研究對象也從“抽樣”轉向“總體”，而不必受數據獲取的時間和成本限制。無論是社交媒體上的表達行為，還是網絡搜索行為，或者是新聞閱讀行為等，都被以數字化的形式實時記錄，為網絡輿論研究提供了海量、多樣、變動、真實的大數據。

需要注意的是，大數據中的“全樣本”不能等同于人口普查中的“全樣本”，因此對其代表性和可信度需要有客觀認知。網絡傳播大數據雖然不是傳統意義上的全樣本，但利用其進行研究仍具有多重意義。首先，不是所有研究都需要覆蓋全體公眾，網絡輿論場的熱點議題、傳播規律、網民心態、網絡輿論主體等研究問題主要針對網民，針對某一網絡熱點事件、某一網絡媒體的全數據進行挖掘，也能在一定程度上呈現網絡輿論的特征及生態。其次，伴隨我國網絡使用的普及率日益提高，依托網絡人群進行分析可大體覆蓋中青年主流群體。截至2015年6月，我國網民總數已達6.68億人，互聯網普及率為48.8%，如果需要了解青少年公眾的網絡社會心態，則通過大數據方法來做監測和研究比較富有代表性。再者，大數據的樣本總體規模非常大，一定比例的個體信息噪音不會影響總體結果，只要對其數據抓取的渠道、來源及結構性特征有整體把握，加之通過數據抓取關鍵詞的精準設置、算法優化、數據清洗及多維信息匹配等方式進行處理，可以大大提高數據的信度和效度。

（二）網絡輿論測量維度的多元化

從實證研究的角度看，大數據不僅方便了網絡輿論的數據獲取，更重要的是蘊含了與傳播內容、傳播心理、傳播行為、傳播關系等相關的多維度信息，為我們更大范圍、更加全面地洞察“輿論景觀”提供了新的機會。

學者陳力丹認為，輿論的表現是多樣的。以言語形式的表達，構成顯輿論；以情緒形式的表達，構成潛輿論；以規模行為的表達，構成行為輿論。在他看來，“潛輿論”不是一般的純粹個人的情緒性意見，它預示著多數人的預存立場，并有可能進一步形成顯輿論。網絡傳播大數據，對監測和研究這三種輿論均有積極作用。

1.顯輿論

英國《大不列顛百科全書》將輿論定義為“社會上值得注重的相當數量的人對一個特定問題表示的個人意見、態度和信念的匯集”，學者羅坤瑾綜述前人有關“輿論”的各種定義后認為，“網絡輿論是在互聯網上傳播的對某一焦點事態所表現出的多數人的有一定影響力的共同意見或言論”?？梢?，學術界對輿論的界定主要包括“公開談論的焦點議題”和“有影響力的意見表達”兩個方面，可稱之為“顯輿論”。

互聯網的興起打破了傳統媒體的話語壟斷，對整個輿論生態的改變具有顛覆性意義，公眾可以在網絡輿論場中活躍表達，而不必被主流媒體所建構的輿論所代表，也不用過度考慮“意見氣候”、進而退縮為“沉默的大多數”。更重要的是，網民所有的意見表達都可以被數字化記錄、保存和提取，成為可供分析的輿論數據，如BBS、微博、微信、新聞跟帖等UGC平臺上留下了數以億計的“意見”數據，搜集、提取、分析、呈現這些數據便可研究輿論。具體來說，我們可以通過機器學習、語義分析、社會網絡分析等手段，描述網絡輿論場中的議題分布（熱門詞、關鍵詞）與意見分布（支持/反對/中立），以及從歷史角度追溯其議題與意見分布的變化。

2.潛輿論

除“顯輿論”外，“潛輿論”在網絡輿論的生成和演變中也十分重要，一個熱點新聞事件加上一種強烈的情緒表達，就可能成為點燃網絡輿論的導火線，甚至會引發網絡群體性事件或線下抗爭行為。曼紐爾·卡斯特在《憤怒與希望：網絡時代的社會運動》一書中提到，社會化媒體促使社會運動，不僅和個人經歷相聯系，在傳播過程中也和情緒相關。比如近年來躲貓貓（2009年）、宜黃拆遷（2010年）、我爸是李剛（2010年）、郭美美“紅會炫富”

（2011年）、“表哥”楊達才（2012年）、李天一案（2013年）等網絡熱點事件，戲謔、憤怒、怨恨等負面情緒激發了網友的普遍關注和批判行動。

在上述網絡熱點事件中，網絡社交媒體不僅是觀點的“集散地”，也是情緒的“發泄場”，網民通過文字、表情符號、惡搞圖片等方式進行情緒性意見表達。運用網絡情緒的分析工具，可以將這些非結構化的情緒型輿論轉化為可以量化的結構化數據，以便準確測量某一熱點事件或話題中的情緒傾向。國外的在線文本情感分析工具相對比較豐富，比如General Inquirer、OpinionFinder、GPOMS、Lingusitic Inquiry and Word Count（LIWC）等，但國內針對中文在線文本的情感分析則缺乏比較成熟的分析工具。比較而言，由Pennebaker教授開發的多語言文本分析工具LIWC，有中文版本，是目前用來作為中文網絡文本心理分析較為理想的工具。通過LIWC文本分析，可以比較快速地輸出憤怒、焦慮、悲傷、積極情緒等分析指標，且可根據網絡輿論分析的需要增加新的詞匯。

情緒詞語料庫是所有在線文本情感分析工具的核心，研究時需要結合具體網絡環境及語態更新詞庫，同時結合專業編碼員人工分析進行可靠性檢驗，使機器分析更加智能、準確。如賴凱聲、陳浩等學者在擴充微博情緒詞庫時，充分考慮了帶有情緒色彩的中國網絡流行詞語，如“杯具”、“有木有”、“吐槽”、“你妹”、“屌絲”等，剔除了如“汗”這類容易出現歧義的詞匯。此外，表情符號也可以轉化成文本，一些研究者為此開發了國內第一個以表隋符號為依據的微博情緒監測系統，其主要思想是利用表情符號將微博文本的情感傾向標注為4類：憤怒、厭惡、高興、悲傷。桂斌、楊小平等學者則利用表隋符號將微博文本的情感傾向標注成兩類：正向和負向。所有這些努力，都為通過大數據來研究網綹隋緒及其基礎上的“潛輿論”打下了堅實基礎。

3.行為輿論

胥琳佳認為，大數據研究的最大貢獻就在于，把一切都歸入了一個可量化的時代，而其中最根本的就是人的行為、人的喜好會通過瀏覽、鏈接和記錄展現出來，人的選擇和決策過程也能通過不同的瀏覽路徑和溝通路徑得以展示。網絡大數據記錄了網民的搜索、閱讀、轉發、點贊、評論、分享、回復、跟帖、頂、踩、灌水、拍磚、撒花、舉報等網絡行為，有規模的網絡行為同樣應納入網絡輿論研究范疇，可用于評估網絡輿論的關注熱點、擴散程度及態度傾向等。

例如高頻次的搜索量、閱讀量，意味著某一話題、事件、人物或觀點能夠引發網民的好奇心，吸引網民的注意力；評論、跟帖、回復通常意味著某個議題與網民的自身利益具有高度相關性，能引發深入思考和意見表達；點贊、頂、踩、拍磚、撒花、灌水直觀呈現出網民的態度傾向；而轉發、分享的數量及時間節點可以評估輿論的擴散態勢，常作為公共危機事件網絡輿情監測的重要指標。

監測和研究上述網絡行為，不僅可以預測和評估某一熱點事件/議題的輿論態勢，也可以更大范圍地呈現網絡輿隋的基本面向。例如，百度作為國內第一大搜索引擎運營商，從后臺數據庫中可以提取出每一個搜索詞的對應搜索量，每天高達40億次。中國人民大學輿論研究所認為，百度Topl000搜索熱詞反映社會關注的基本面，而上升最快的Topl000搜索熱詞則反映新出現的新聞事件的社會關注度，運用這兩類Topl000搜索熱詞可以大體刻畫出中國社會的“輿情地圖”。

4.輿論主體的關系網絡

網絡輿論場是融合了新媒介場、心理場、社會場的復雜場域，除了新媒介場域的信息表達、心理場域的動力機制外，社會場域的關系研究也同樣應該納入網絡輿論研究范疇。原因主要有兩點：一是網絡輿論場是一個“眾聲喧嘩”、意見分歧的輿論場，不同的利益相關者在這個場域中進行話語爭奪，所以必須區分不同輿論主體的利益訴求和不同利益群體的關系網絡；二是網絡意見領袖不僅是信息擴散的中介者，還是態度行為的影響者，“是否有網絡意見領袖的關注，會導致公共議題發展的差異”，直接影響輿論的走勢。

如何才能有效識別網絡傳播中的利益群體和意見領袖呢？2009年，Lazer等人在《科學》雜志上發表文章，正式提出“計算社會科學”的概念，強調了大規模的數據收集、數據分析以及網絡科學視角在社會科學研究中的重要性。以網絡關系為重點研究對象的計算社會科學，為網絡輿論主體關系研究提供了知識論和方法論的支持。在輿論研究中運用復雜社會網絡分析方法，可將傳播主體視為節點，根據轉發關系、評論關系、粉絲關系、地理關系、情感關系等建立連線，通過度（Degree）、度中心性（Degree Centrality）、中介中心性（Between Centrality）、緊密中心性（Closeness Centrality）等指標確定“意見領袖”，還可根據網絡結構直觀區分不同的子群體。常用的復雜社會關系網絡分析工具有Ucinet、Gephi、Pejak等，其中Gephi、Pajek的數據處理能力達到百萬級。目前，已有一些利用大數據進行社會網絡分析的研究。比如通過機器學習技術，利用推送行為、網絡結構、語義內容，來預測用戶的政治傾向和種族特點；根據Twitter用戶的粉絲關系和政治立場進行社會網絡分析，研究發現民主黨人的關系網絡具有更高的政治同質性，即具有相同的政治立場。

（三）大數據分析提升輿論預測能力

近些年來，大數據在預測性研究中頗有建樹，這也是社會各界推崇擁抱大數據的主要動因。經典的案例有Coogle公司通過用戶搜索記錄能夠比美國疾控中心更早預測流感；一系列研究證明Facebook、Twitter、微博上的情緒變化能夠提前預測股市變化；零售連鎖超市Target通過女性購買行為準確預測懷孕情況，等等。有研究者甚至認為，“93%的人類行為是可以預測的，當我們將生活數字化、公式化以及模型化的時候，我們會發現其實大家都非常相似”。

大數據在預測性研究中的優勢，主要來源于三個方面：一是豐富多樣、實時更新的數據類型，避免了傳統數據采集的滯后性，能為預測性建模提供更多變量；二是建立在相關關系分析基礎上的預測方式，顛覆了人類傳統的思維方式，降低了基于因果關系判斷的時間精力成本，提升了基于直覺判斷的準確性；三是大數據分析技術的創新，提高了人們對海量非結構化數據處理的能力和速度，“大數據運動和復雜網絡分析、自動化數據分類和挖掘、數據集可視化、語義分析/觀點挖掘、自然語言處理、計算機輔助內容分析等研究方法緊密關聯”。

隨著大數據分析技術和輿情預測模型的成熟，大數據在網絡輿情預警方面具有可觀的前景。例如，美國麻省理工學院副教授Devavrat Shah和學生Stanislav Nikolov發明的新算法，在預測Twitter熱門話題時準確率達95%以上，且平均比Twitter官方熱門話題出來的時間要早90分鐘，甚至有些熱門話題能夠提前5個小時預測出來。學者李彪也指出，未來輿情研究的視角將轉向對社會話語表達、社會關系呈現、社會心理描繪、社會訴求預測等多方面、多向度的研究⑤。

二、大數據推動網絡輿論調適機制的改變

壯大主流思想、塑造政治認同，是黨和政府引導輿論的動力機制，也是服務于國家和社會發展的必要條件。過去，對輿論引導承擔主要責任的主流媒體，往往通過正面報道、典型報道實現總體的信息控制，并以“產生積極強烈的社會反響”為主要評價機制。而在網絡輿論場中，輿論引導的效果是由網絡受眾的關注、點擊、表達和評價等行為直接決定的，而且其情緒、態度和輿論特征可以通過數據直觀化、可視化地體現出來。由此，建立在傳播大數據基礎上的網絡輿論研究，必然會推動現行的輿論引導機制發生改變，總體上，需要從傳統的控制型機制轉向新的調適型機制。

（一）從“單向設置媒體議程”轉向“主動回應公眾議程”

長期以來，黨和政府是公共議題設置的主體，并借由主流媒體完成議題動員與框架定調，成為整合社會的重要力量。大眾傳媒具有為公眾設置“議事日程”的功能，媒體對議題顯著性的安排會影響公眾對社會公共議題重要性的判斷。但互聯網時代，傳統主流媒體設置議程的作用正在面臨制約和挑戰?；ヂ摼W猶如權力的平衡桿，一方面消減了官方媒體的話語特權，賦予民眾活躍表達的機會；另一方面也催生了微博大V、微信自媒體、平臺媒體（如今日頭條）等新型意見領袖，賦予民眾更大的信息選擇權和話語權。針對網絡催生的輿論場變化，新華社前總編輯南振中提出“官方輿論場”和“民間輿論場”的概念，更是讓人們意識到議程設置主體的多元性和議題流動路徑的復雜性。國內外一些基于大數據的研究也對此有所驗證。如Russell Neuman等學者通過對2012年美國社交媒體和傳統媒體中29個政治議題文本的時間序列進行分析，用大數據證明了數字化媒體時代議程設置是一個多元、復雜的互動過程，而非傳統媒體與社交媒體之間的單向流動。

議程設置主體的多元化催生了輿論引導的新格局，促進官方輿論場與民間輿論場的融合、官方議題與民間議題的一致是實現有效輿論引導的起點。如果不能比較精準、貼切地把握不同社會群體關注的議題差異，就無法建立共同對話的基礎，無法圍繞其關注的議題進行輿論引導，國內一些輿論研究機構正在運用大數據分析來把握公眾普遍關注的議題。如復旦大學傳播與國家治理研究中心對1800名網絡用戶近兩年來的網絡表達與網絡行動進行了跟蹤分析，研究表明，微博用戶對教育、反腐、環保議題的關注度最高，最不滿意的五大議題分別是教育、房價、反腐、醫療、環保。中國人民大學輿論研究所根據百度搜索熱詞進行數據價值挖掘，發現社會民生、公共安全、衛生安全和環境生態安全是四年來中國社會輿論持續關注的基本問題。

由上可見，大數據研究可以有效幫助政府把握和判斷公眾議程，實現從過去“單向設置媒體議程”向“主動回應公眾議程”的轉變。在多元主體設置議程的網絡輿論場中，只有首先解決“官方議程”和“民間議程”的一致性問題，才有可能打通“官方輿論場”和“民間輿論場”，為消除兩個輿論場之間的割裂提供基本的先決條件。

（二）從“表層信息控制”轉向“潛在情緒引導”

目前的輿論研究，主要集中在對信息本身的傳播機制研究，探討信息的傳播規律、傳播節點和傳播路徑等，以期通過信息公開、信息審查、觀念引導等信息控制的方式來消除公共危機事件引發的負面輿論，防范網絡群體事件的發生。然而，學者陳力丹認為，對于輿論引導來說，容易被忽視的潛輿論十分重要，如果在輿論處于潛輿論的時候進行引導，容易得到較好的效果；而引導顯輿論的困難程度，則遠大于潛輿論。

為什么要更加重視針對受眾的潛在情緒和心態進行引導？一方面，不同熱點事件的輿論信息是瞬息萬變的，而社會情緒和心態卻是相對穩定的?！熬W絡事件的產生和擴散，所依賴的是能夠激發網民的嬉笑怒罵、喜怒哀樂等情感的表現形式和內容。網絡事件的發生，是一個情感動員的過程?！必撁媲榫w是網絡輿論的導火線，在輿論傳播過程中往往伴隨著固定類別的社會情緒。研究表明，當前中國危機事件中，受眾最常出現的七種負面情緒是憤怒、悲傷、焦慮、恐懼、不滿、怨恨和不信任。群體性負面情緒喚起的背后有著深層次的社會心態影響，如學者張玉亮從社會心理學角度指出，“嚴重的貧富分化，不僅給部分公眾包括突發事件網絡輿情主體帶來了直接的經濟社會影響，同時也給他們造成了相對剝奪感，使其形成巨大的心理落差，認為自身的利益被占據、被剝奪，進而加劇了其心理失衡的心態，這種心理失衡凸顯為對社會的不滿情緒，一旦這種情緒積累到一定的程度，必然要通過某種途徑表達出來”。

另一方面，觀念在短時間內是較難改變的，情緒的引導則有規律可循?！翱贪逵∠蟆痹诰W絡輿論形成過程中具有重要作用，網民通常會根據涉事者身份來判斷是非，而非關注于事實本身。熱點事件只要貼上“官二代”、“富二代”、“城管執法”、“公權濫用”、“官員貪腐”、“違法拆遷”之類的標簽，網民的意見表達就容易呈現群體極化的傾向。有研究發現，西方經典的風險傳播理論在一定程度上容易忽視了情緒在危機傳播中的作用，因而并不完全適合中國的輿論引導，因此有必要構建一個基于公眾情緒的輿論引導模型。網絡傳播大數據可以為情緒監測和研究提供便利。如前文所述，國內外研究者已經開發了一系列針對Twitter、Facebook、微博等社交媒體在線文本的情感分析技術（Sentiment Analysis），通過自然語言處理（Natural Language Processing）、統計或機器學習（Machine Learning）等技術對文本的主觀態度、情緒或觀點進行語義定向（Semantic Orientation）或極性分析（Polarity Analysis），可以快速判斷海量在線文本中的各類情緒態度指標。

總之，“表層信息控制”只能在短時間內解決輿論場的安全、可控問題，卻無法從長效、深層機制上解決輿論場的生態改善問題。而如果注重“潛在情緒引導”，既可以促使網民避免過于情緒化的思考和表達，還可以在把握和調適情緒的基礎上實現更有效的輿論引導。為此，政府部門的輿論引導著力點，有必要在“表層信息控制”之外強化“潛在情緒引導”。

（三）從“運動式意見治理”轉向“對話式凝聚共識”

我們必須意識到，傳播技術革命在帶來信息暢通的同時也服務于信息控制。在大數據時代，個人的網絡行為無時無刻不處于被“監視”的狀態，人們好比處在英國哲學家邊沁提出的“圓形監獄”之中，只是許多被監視者尚未深刻認識到“窺視”的威懾力。通過多維度的網絡大數據，輿論監管者不僅可以快速獲知人們的意見表達，還可以知曉其在輿論場中的影響力，甚至可以精準識別私密的個人身份信息。從技術層面上看，信息封鎖不切實際，人們總是可以找到各種媒介渠道傳播信息，但當個人身份信息可以被準確識別時，言論控制就無所不能。

當前，政府對輿情監測技術的使用日趨嫻熟，輿論控制手法更加精準多元且有效，尤其是采取了“運動式執法”后，盡管網絡輿論場的總體態勢趨于正面，但也伴隨著公共表達的衰落，尤其是網絡批評和監督的受限。不少媒體人、知識分子都感受到輿論監督空間有趨于逼仄的趨勢，比如人民網輿情監測室秘書長祝華新用“輿論下沉，國進民退”八個字總結了2013年的網絡輿情，“在打擊‘大V之后，輿論、情緒下沉到更為私密的網絡空間，這對社會穩定更為不利，轉型社會急需互聯網化解、釋放民意怨氣”。

從短期效果看，“運動式意見治理”有利于減少網絡輿論場的戾氣，提高整體的表達理性，但從長期效果看，也容易導致一部分網絡意見領袖的“自我審查”或普通網民中的“寒蟬效應”。公民有言論表達的自由，國家治理需要理性多元的對話空間，政府機構要有寬容民眾質疑、批評的氣度。知名評論人曹林在其微信公眾號文章《官方融入微博須有挨罵準備和耐心》中指出，“謾罵并非都是惡意，很多時候只是一種尋求被關注、被傾聽、被尊重的情緒”。

大數據輿論研究的目的并非為了精準限制“異見者”，而應服務于了解民意、回應民眾關切，引導公眾更加理性地參與公共事件討論。因此，有必要以“對話式凝聚共識”來逐步取代“運動式意見治理”，鼓勵、倡導和推動不同類型的網絡群體，圍繞公共議題展開持久討論乃至激烈交鋒，在理性對話中促進社會共識的形成。

三、大數據輿論研究給國家治理帶來新的機遇

學者周志忍教授指出，“在西方國家的語境中，治理實際上就是多元主體之間的合作關系，但是在中國，由于我們國家公權和社會邊界不清晰等結構性問題，中國的國家治理尤其需要強調政府與社會的平等，不能出現國家對社會居高臨下的治理”。作為國家治理的重要主體，政府不能將互聯網輿論簡單地看作是壓力來源、風險因素或“麻煩制造者”，而是要利用大數據輿論分析工具和輿論調適思維，將“網絡民意作為一種力量強大的治理工具，用來建立高效的溝通平臺，解決老問題，促成新關系”。具體來說，應通過大數據輿論研究來推動社會心態調適、提升社會風險管理、實現公共決策協同。

（一）調適網民社會心態，強化公眾政治認同

近年來，社會心態的激蕩變化引起了政府部門的高度重視。黨的十八大報告提出，“要注重人文關懷和心理疏導，培育自尊自信、理性平和、積極向上的社會心態”。網絡輿論既是社會心態的“晴雨表”，也是負面社會心態的“放大器”，反映了社會轉型過程中不同網民群體的利益訴求和心理感受。網民關注的社會熱點問題及網絡輿論場中看似非理性的觀念情緒表達、態度行為傾向背后，其實隱含了深層長久的社會心態問題。虛擬空間的自由表達和人們在現實社會中無處釋放的焦慮壓力心態成為網絡社會政治認同問題凸顯的現實原因。因此，調適網民心態是培育積極社會心態、強化公眾政治認同的重要途徑。

首先，調適網民心態要深刻理解社會心態的特征與成因。已有研究表明，熱點事件中的網絡輿論折射出整個社會心態的發展變遷。如唐子茜等學者總結了網絡輿論中呈現的四種社會心態特征：公平正義成為普遍訴求、社會信任度不斷降低、消極社會心態蔓延、社會心態呈現階層對立。而趙建生等學者從涉警的公共輿論事件中，觀察到網絡參與群體存在“相對被剝奪感”、“質疑權威”、“泛道德化”等失衡心態，網民社會心態的形成與社會發展變化息息相關。我國在社會改革轉型過程中積累了許多嚴重的社會問題，由公權濫用、官員貪腐、貧富對立、暴力執法、食品安全、環境污染、醫患矛盾等引發的網絡熱點事件頻發，許多百姓對公權力及精英階層有一種普遍的不信任甚至結構性的怨恨。由此可見，“訴求公平正義”、“相對被剝奪感”、“信任度不斷降低”、“階層對立”等網民普遍心態集中反映了當下社會的主要矛盾與現實心態。

其次，要區分網民社會心態和現實社會心態的差異性?；ヂ摼W中的群體極化效應以及背后隱藏的權力利益會在一定程度上夸大部分網民相對偏激或極端的社會感受。如網絡中彌漫著宣泄、惡搞、暴戾、窺私、仇視、盲從等不良社會心態，甚至呈現出“無官不貪，無商不奸，所有的專家學者都是利益集團的代言人，所有的明星背后都有潛規則”等極端不信任的網絡輿論⑥。這些極端失衡的網民心態，會反向影響公眾對社會現實的感知，尤其是仇官、仇富、暴戾等網絡心態蔓延會威脅到政治認同與社會和諧。我們一方面要意識到極端心態的危害性；另一方面也不能把個別人群或個別事件中的極端言論看作是網民心態的全景或社會心態的副本，而要區分不同階層、不同情境下網民社會心態的差異，才能在網民心態調適中有的放矢。

理性健康的網民心態有利于凝聚社會共識和增進政治認同，極端負面的社會心態則可能引發思想混亂和社會動亂，所以政府一般都不會對網絡輿論中的負面心態不聞不問。大數據資源及技術為把握網民社會心態提供便利，而如何調適網民社會心態，既需要轉變政府職能，規范政府行為，切實解決引起民眾負面情緒和不信任思潮的社會問題，又需要創新輿論引導方式，通過回應不同群體的利益訴求、理性對話尋求共識、潛在情緒疏導等方式來消解極端心態的擴散。

（二）加強網絡輿論預警，提升社會風險管理

中國正處于社會學家貝克所述的“風險社會”之中?；ヂ摼W作為輿論的擴散器及情緒的宣泄地，加劇了社會的輿論風險，“網絡群體性事件此起彼伏，群體極化現象嚴重，集體泄憤、網絡暴力、民粹主義、泛政治化等行為對社會穩定構成一定的威脅”，給政府治理帶來前所未有的挑戰①。但網絡輿論是一把“雙刃劍”，給普通草根提供了前所未有的話語權，為社會運動提供了重要的動員資源。當互聯網成為民眾申訴維權的主要渠道，層出不窮的突發公共事件以網絡社交媒體作為引爆點和擴散平臺后，網絡輿論預警就成為社會風險管理的重要手段和先決條件。

令人遺憾的是，目前的網絡輿情監測產品主要側重危機事件發生后的輿情追蹤和分析，而在風險預警功能上總體偏弱。主要原因有三點：一是網絡信息紛繁復雜，輿情爆發疾雷迅電，目前尚未有哪款輿情監測產品能對全網數據進行實時監測和快速處理；二是輿情監測主要以敏感詞（關鍵詞）和信息流（傳播數量）作為主要的研判指標，輿情爆發期迅速增長的信息流固然能判別危機事件的輿論影響力，卻也容易錯過危機潛伏期預警時機；三是忽視輿情爆發的相關性研究，缺少對輿論傳播規律和動力機制的深度了解，對高危人群的識別能力有待加強。

未來，大數據資源及技術的應用可從以下幾個方面提升輿情監測產品的預警能力，促使社會風險管理從“危機應對”轉向“風險防范”。一是建立大數據輿情庫，使監測數據更全面、更實時，除了網絡uGc數據，還可涵蓋傳感器采集數據、社會調研數據等。目前，國家已出臺《促進大數據發展行動綱要》，上海、廣州等地正在推進大數據統籌建設與開放，將為輿情庫的建立提供更好的政策空間。二是不斷升級完善“敏感詞”庫，增加輿情爆發的相關性指標監測，如網民的情緒態度、危機事件的類型、意見領袖的傾向、失業率、經濟發展水平等，運用大數據相關性分析預測輿情事件爆發的概率和時間。三是識別意見領袖和高危人群，提高對網民風險感知狀況的研判，增強對突發性公共危機事件發生概率的預測。這一點在未來的社會風險管理中會顯得越來越重要，目前也已有一些相關研究成果，例如，通過海量社交媒體數據的分析，可以預測恐怖主義和騷亂活動等突發事件；哈爾濱工業大學社會網絡與數據挖掘聯合實驗室和數據挖掘公司“宏博知微”基于微博社交媒體數據，開發了抑郁傾向識別模型；中山大學大數據傳播實驗室利用微博大數據分析了上海踩踏事件發生前網民的風險感知，發現“場地調整信息未有效傳達給受眾”，這一事后研究提醒政府在公共政策調整時，可用大數據來研判公眾認知和預測風險。

（三）吸納多元主體民意，協同參與公共決策

大數據輿論研究還將推進公共決策過程的公開透明，提高國家治理效能。傳統的國家治理以政府為主體，政府自上而下地收集各種社會信息，政治體系對信息進行分析處理后，向社會輸出公共決策，接近權力的強勢利益群體在公共決策制定中必然占據優勢地位，弱勢群體只是公共決策的被動接受者。

這種公共決策模式顯然無法適應網絡時代的民意訴求。隨著網絡輿論力量的崛起和公民權利意識的覺醒，因利益受損或不滿公共決策的弱勢群體不甘于做被動的接受者，轉而通過制造焦點事件、發起社會運動來進行維權抗爭?；ヂ摼W成為社會抗爭者彼此聲援、申訴維權、話語爭奪的主戰場，大眾傳播媒介的報道介入更是增加了抗爭者的談判籌碼，由此倒逼地方政府改變公共決策的機制和過程，必須要減少暗箱操作、轉向透明公開。哪怕是一些看似符合公共利益的項目，政府也會因當地居民抗議和社會輿論壓力而被迫叫停，比如，番禺垃圾焚燒發電廠因業主反對而改址，PX項目先后在廈門、大連、寧波遭反對，江門民眾聚眾示威取消核燃料加工項目，等等。

政府在公共決策推進中的被動與難堪，是否應簡單歸咎于公眾“不愿建在我家后院”的“鄰避情結”？事實上，民意在公共決策制定過程中的缺失、民眾對政策執行者的不信任也是加深公眾反對或抵抗的重要原因。以廣州番禺垃圾焚燒發電廠建設項目為例，為了解決“垃圾圍城”的窘境，廣州番禺區于1999-2002年進行系統規劃工作，2009年發布選址通告，“對于要在自己家門前建立垃圾焚燒廠，直到即將動工時番禺公眾才知曉，有關部門并沒有將整個垃圾焚燒發電廠項目的論證、申請、招標告知該事件的直接利益相關方”。公共決策中直接利益相關方知情權的缺失，一方面激起了民眾的憤怒抵抗心理；另一方面也增強了抗爭的合法性，增加了政府部門風險溝通的難度。

現代國家治理是全社會各種力量的協調共治，強調信息公開、決策透明，鼓勵多元參與、協商對話。在公共決策中吸納多元主體的民意，更有利于社會各方形成共識，化解社會矛盾，最終達至社會善治。而大數據輿論研究，一方面可以幫助政府更好地把握社情民意和社會心態；另一方面也會促進企業、社會組織、公民、媒體等多元主體更好地利用數據進行科學決策、理性參與。此外，“正在形成的整個社會的數據化與公共決策的智能化日益融為一體，基于互聯網的大數據可以為公共政策議程提供新的問題來源，也為政策制定、政策執行和政策評價提供新的方法”。