輿情，即一定時期和范圍內公眾對于社會現實的情緒、態(tài)度和意見交錯的總和。為了準確感知社會的各種變化，許多機構都希望能夠透過輿情觸達公眾對社會的直觀印象。而隨著我國互聯網發(fā)展水平的迅速提升，公共輿論場空前膨脹，社會公共事件的信息量也不再局限于微博熱搜“轉評贊”等基礎數據，其背后蘊藏的深層意義、社會情緒也需要得到解讀。

01

“轉評贊”的出現與數據模型的整合

隨著短視頻、直播、音頻分享等新模式不斷涌現，其間產生的閱讀量、點贊數、轉發(fā)量、評論數等基礎信息，以及背后反映出的網民結構、網絡使用習慣等深層數據，都成為構成輿情大數據的重要部分。

所謂“轉評贊”，即信息的轉發(fā)量、評論量、點贊量，這是目前業(yè)界常用于衡量輿情事件熱度的基礎指標。比如，學者朱晨雨就對新聞公眾號中各類輿論引導意圖文章的閱讀量、點贊量進行分類匯總，并得出“多數新聞公眾號會堅持正確的輿論導向，其受眾認可度也更高”結論。①這樣的描述性統計有助于得出宏觀認識，衡量總體輿論方向。

隨著業(yè)界專家學者對輿情大數據不斷挖掘，輿情分析也逐漸開始融合由多維度數據整合而成的數據模型。比如通過構建“面板模型”對輿情演進階段進行推斷。在西安交通大學學者陽長征的“面板模型”研究中，研究者綜合年齡因素、情感擴散、輿論偏差等指標就被用以構建“面板模型”，該研究認為，不同年齡階段的用戶受到的輿論影響程度也會不同。②在輿情研究中使用面板模型不僅實現了數據的全方位分析和比較，而且有助于制定針對性的輿論引導策略。

02

瞬息萬變的互聯網讓輿情呈現新變化

在大數據時代，冗余繁雜的互聯網數據顛覆了人們對于輿情的傳統認知。據半月談記者今年2月調查發(fā)現，一些主管部門因畏懼輿情出現而遇事先對輿情制造方“滅火”“減壓”，這種心理和機制上的“軟肋”一定程度上加重了輿情處置“按鬧分配”的可能性。同時也說明，輿情不再是僅需依靠“轉評贊”就可知悉全貌的數字游戲，一些互聯網場域衍生的新特征需要我們進一步挖掘。

比如，在“讀圖時代”，輿情挖掘也需順時而變。在2021年末，寧夏一男子因不滿小區(qū)疫情管控而在微信百人群中配發(fā)一張狗穿警服的表情包公然侮辱警察形象，一度引發(fā)輿論高度關注。可以說，作為年輕群體網絡交流密碼，小小表情包也潛藏著輿情風險點。

同時，自視頻彈幕誕生以來，人身攻擊、信息污染等問題也常困擾著平臺治理工作者。去年10月，身患抑郁癥的網紅博主“羅小貓貓子”在一場直播中自殺身亡，而在此期間，不少網民曾在直播彈幕中留言慫恿她自殺。諸如此類的“網暴”言論不僅對視頻發(fā)布者造成了巨大傷害，更讓視頻網站成為新型網絡暴力的陣地。

03

未來，輿情數據挖掘還可以怎么做?

事實上，輿情數據早已突破了公眾對它的傳統定義，輿論引導工作也應結合輿情數據特性有所創(chuàng)新。未來，可通過擴充輿情數據、創(chuàng)新分析方法來形成更有科學性、針對性的輿情處置引導方案。

一方面，持續(xù)擴充輿情數據，構建立體輿情矩陣。全媒體時代，輿情數據越來越多元復雜，當公眾的社會行為逐漸轉為線上的文字、圖片、音頻、視頻、地理數據，輿情研究的重要任務就已從單純的輿情走勢感知邁向了對信息內容更為精確的研判。例如，得益于大數據技術的普及和人工智能技術的應用，輿情事件關涉的傳播行為數據也成為了業(yè)界關注的研究熱點。在看似不起眼的一次次點擊瀏覽、發(fā)帖回帖、分享好友的網絡行為中，許多研究團隊已經可以對其反映社會心態(tài)進行分析和挖掘，對潛在的輿情因素進行預知預判。

另一方面，創(chuàng)新分析方法，走向輿情多維度識別。如果說統計分析是輿情研究的基礎，能夠通過橫向切面和縱向發(fā)展的描述，簡單勾勒輿情全貌，那么面向大數據的研究方法就是輿情研究的關鍵。面對網絡信息，建立在語義特征和情緒特征基礎上的文本分析、情感分析等多種研究方法已成為未來實現輿情全過程管理的關鍵要素。

人人都有麥克風，人人都是自媒體，以互聯網為代表的技術革命重構了個體互動交往的過程和社會生活場景。在數字化生存成為常態(tài)的背景下，輿論場的活躍程度已經超過了以往任何一個時代，新聞輿論工作面臨著新的挑戰(zhàn)。善用輿情數據，構建立體輿情矩陣，走向輿情多維度識別，無疑將成為觸達民意的應有之義和必然選擇。

①朱晨雨，《社交媒體輿論引導意圖對受眾認可度的影響研究 ——以新聞類微信公眾號為例》，中國高校人文社會科學信息網，2020年04月02日。

②陽長征，《網絡空間中情感擴散、信息級聯與輿論偏差的內生影響效應研究——基于2015—2020年突發(fā)事件面板數據動態(tài)分析》，《情報學報》，2021年05月24日。

作者：人民網輿情數據中心 劉丹丹 林子蕊

編輯：閆圣發(fā) | 責編：李婭琦 夏玥