突發事件輿情影響力評價及主要驅動因素識別研究
——基于事件分類維度分析

賀 苗 ， 樊艷翔

（1.西北工業大學 馬克思主義學院，陜西 西安 710129；2.西北工業大學 公共政策與管理學院，陜西 西安 710129）

突發事件及其衍生事件，深刻影響著社會經濟發展、國民身心健康、社會穩定和意識形態安全[1]。處理好突發事件，對保障民生、維護人民切身利益、維護社會長治久安、促進經濟社會繁榮皆有著深刻的意義，也是貫徹落實人民至上理念的必然要求。然而，近年來，各地突發事件有所增多，維護公共安全的任務也變得更加繁重，可謂形勢嚴峻。突發事件的爆發，給不同類型群體的利益造成了不同程度的負面影響，有些突發事件甚至引發了較為嚴重的社會負面情緒，造成了較為嚴重的后果，進而滋生了意識形態風險，在一定程度上增加了解決公共安全問題的難度。由此可見，規避突發事件所產生的負面影響，對維護公共安全乃至國家安全具有很強的現實意義，是不可耽誤、不可推遲的緊迫性任務。

近年來，政府部門高度重視對突發事件的處理，而處理這類事件離不開三個方面的工作：一是需要積極應對因突發事件負面輿情造成的破壞；二是需要深入剖析輿情事件背后所隱藏的社會問題；三是對已經存在、發生的問題能夠及時解決，這也是關鍵所在。要處理好這些問題，就需要對突發事件輿情進行有效的識別、規范、控制、引導和治理。輿情是民眾情緒的集中表達，具有傳播速度快、數據量龐大、虛實難辨等特征[2]，這也使得輿情治理的難度往往較大。但突發事件輿情傳播也具有一定的規律，同類型事件之間亦存在一定的相似性，因此，找出這些事件輿情發展背后所隱藏的內在規律和發展共性，往往能為處理突發事件提供方向性指引。鑒于此，筆者擬重點解決如下問題：一是研究突發事件傳播的共性規律；二是對不同類型突發事件的影響力進行分類評價，以便更加準確地研判事件的輕重緩急；三是探究識別影響突發事件的影響力的因素，進而更加有效地查找原因，以期能為政府部門制定決策提供有效的研判依據。

一、文獻綜述

當前，雖有一定的關于突發事件輿情傳播的研究成果，但并不是很豐富，主要集中在以下三個方面。

一是對突發事件背景下輿情的形成與演化、引導與治理等的研究。張桂蓉等基于安全信息學與輿情理論，利用事故樹分析方法研究安全輿情演化過程，指出可依據輿情的結構重要度確定輿情改進的重點和優化順序[3]；王平和謝耘耕分析了突發公共事件網絡輿情的形成及其演變機制[4]63-69。同時，近年來，關于突發事件微博輿情演化分析的成果也開始不斷涌現。例如：馬瑩雪和趙吉昌以臺風和暴雨數據為例，分析了自然災害發生期間微博平臺的輿情特征及其演變[5]；曹樹金和岳文玉對突發公共衛生事件的微博輿情主題進行了挖掘與演化分析[6]；安璐和吳林嘗試提出了一種融合主題與情感特征的突發事件微博輿情演化分析方法，以探討突發事件微博輿情演化特征[7]；曾子明和萬品玉對突發事件的微博情感進行了分析[8]；楊娟娟等對突發事件中政務微博網絡輿情傳播規律進行了研究[9]11-15。

二是案例分析，即通過某一經典案例來探究突發事件輿情的傳播。袁媛以剛果埃博拉病毒為例，對面向公共安全風險防控的疫情網絡輿情預警進行了研究[10]；王晰巍等以自然災害“7 · 20 河南暴雨”為例，構建了重大突發事件網絡輿情UGC（user-generated content，用戶生成內容）的事理圖譜[11]13-23；朱恒民等以新冠疫情為例，研究了網絡輿情話題的漂移路徑[12]；李翠敏以“長生疫苗事件”為例，剖析了公共突發事件網絡輿情的協同疏解[13]；張武橋和黃永林以“成都女司機變道被暴打”事件為例，分析了個人極端暴力事件的網絡輿情傳播[14]85-90。綜上可知，經典案例分析法在網絡輿情研究分析過程中是一種較為普及的研究方法，所涉及的領域也較為廣泛。

三是突發事件輿情的歸因分析。胡吉明和楊澤賢運用DEMATEL 方法，研究了突發事件網絡輿情熱度，并從主體、客體、本體、引體、載體五個維度對關鍵影響因素進行了識別[15]112-117；魏宇航和田園運用扎根理論，對高校突發事件網絡輿情傳播的影響因素進行了研究[16]；趙飛和廖永豐使用灰色預測模型、ARIMA 模型，研究了突發自然災害事件網絡輿情的傳播特征和影響因素[17]；申金霞等基于理論分析視角，探討了教育輿情影響因素及其應對之策[18]；廖海涵和王曰芬以新浪微博“8 · 12 天津爆炸”事件為例，探究了社交媒體輿情信息傳播效果的影響因素[19]；洪巍等使用多項Logistic 回歸模型，探討了食品安全網絡輿情中影響網民微博轉發行為的因素[20]；寇鴻順和馬洪偉研究了民族問題輿情的特點和影響因素[21]。綜上可知，學者們對不同類型的突發事件輿情傳播影響因素進行了不同方向的分析，盡管在進行歸因分析的過程中他們所使用的研究方法存在一定的差異，但案例選取是他們研究中共同的且必不可少的環節。

筆者的研究內容屬于上述的第三個方面。

二、相關概念

筆者綜合已有研究成果，對突發事件與輿情影響力進行了綜合概述，主要包括以下兩個概念。

一是突發事件?！吨腥A人民共和國突發事件法》第3 條對突發事件作出了界定：“本法所稱突發事件，是指突然發生，造成或者可能造成嚴重社會危害，需要采取應急處置措施予以應對的自然災害、事故災難、公共衛生事件和社會安全事件?！蓖话l事件往往直接或間接威脅人民群眾的生命財產安全，易導致人員傷亡、財產損失、社會秩序紊亂等嚴重后果，是需要采取緊急措施進行應對和處理的事件。突發事件通常具有突然性、不可預測性、規模大、影響范圍廣等特點[4]63-69[9]11-15[11]13-23[15]112-117[22]。常見的突發事件包括地震、火災、恐怖襲擊、傳染病暴發等。針對突發事件，需要有科學的應急預案和應急機制，且需要各級政府、社會組織、企業和個人共同參與，形成合力，最大限度地減少人員傷亡和財產損失。

二是輿情影響力。輿情影響力是指網民在一定時期和互聯網空間內，對自己關心的公共事務，尤其是社會熱點、焦點問題所持有的情緒、意愿、態度、意見的總和[4]63-69。輿情影響力多伴隨著社會事件的演化而產生，借助社交網絡進行傳播，是互聯網用戶的情感、態度、行為和認知的集合[23]。其中，重大突發事件的發生往往會給社會穩定帶來極大的威脅，并對人民群眾的生命健康和物質財富造成災害性的破壞[24]。突發事件網絡輿情的發展一般會經歷孕育、擴散、變換、衰減的發展階段，輿情影響力作為衡量其發展狀態的重要指標受到了諸多因素的影響[14]85-90。由此可知，輿情影響力是一個復雜系統的概念，對其進行評價需要考慮多方面的影響因素，這也在一定程度上印證了筆者綜合多種因素來評價突發事件輿情影響力的研究的可行性。

三、突發事件輿情傳播情況總概

（一）突發事件傳播總量表現

筆者基于綜合性、及時性、全面性、科學性等原則，選取了2022 年1—9 月發生的40 個典型突發事件，涉及類型包括：公眾安全類事件、疫情安全類事件、教育安全類事件、交通安全類事件、食品安全類事件、疾病安全類事件、自然安全類事件、消防安全類事件、軍事安全類事件、國際安全類事件、科技安全類事件。2022 年1—9 月40 個典型突發事件報道總量情況統計，如表1 所示。表1 中的數據由筆者根據輿情秘書、清博輿情、道丁短視頻等輿情監測平臺上的數據整理所得，隨機編碼，并根據各事件的報道總量按照降序排列。

表1 2022 年1—9 月40 個典型突發事件報道總量情況統計

由表1 可知：特大自然災害類事件易引發大量的關注、傳播和報道，如四川瀘定6.8 級地震；與其他安全類事件相比，疫情安全類事件易引發高度的關注和報道，且往往持續時間較長，如貴陽花果園疫情和貴州畢節疫情；敏感的軍事安全類事件易觸發民眾的愛國情感，也易引發高度關注，如佩洛西竄訪中國臺灣地區事件；受害群體單一且嚴重性較低的公眾安全類事件的關注度一般相對較低，如5 歲女童遭狗咬毀容事件、河南某醫院院長當街抽打女子事件；非大型交通安全類事件不易引發高度關注，如小鵬汽車高架撞人致死事故和河南舞陽交通事故的報道量均相對較低；單一的非輿論敵對國家發生的國際安全類事件均難以引發較高報道，如中國公民在南非遭綁架后不幸罹難案件、中國使館通報柬埔寨沉船事故；消防安全類事件普遍易受到較多關注，且報道量總體相對較高，如北碚山火事件；刑事類公眾安全類事件易引發較多的報道，如唐山一燒烤店內多名男子毆打女生事件；與其他事件相比，教育安全類事件的報道量普遍相對較低，但與權利聲張或兩性關系相關的此類事件卻較易引發輿情蔓延，也易使公眾產生教育安全類事件頻發的錯覺，如知名藝考機構誘奸未成年人事件。

（二）突發事件傳播媒介特點

隨著新媒體技術的飛速發展和互聯網普及率的大幅提高，網絡新媒體已成為公眾表達輿情和傳遞聲音的重要窗口，而突發性公眾安全類事件輿情傳播在媒介選擇上往往表現為以網絡媒體為主的多樣性，包括微博、網媒、微信、論壇、貼吧、短視頻、網絡視頻、電視視頻、App、報刊等傳播媒介。其中，微博、微信、短視頻、網媒在突發事件輿情傳播過程中的影響較大。同時，傳統權威性媒體與新媒體融合后的全媒體矩陣傳播易加大輿情傳播速度，影響網民的立場傾向性，而在以微博、微信為代表的社交媒體環境下，輿情從萌發到高峰的反應時間越來越短，這又進一步促進了輿情事件演化周期的加速。

2022 年1—9 月40 個典型突發事件報道總量前10 位與后5 位的重要媒介傳播占比情況統計，如表2所示。由表2 可知，在選取的時間區間內發生的各類事件的傳播媒介中，微博占比最高，網媒、短視頻、微信占比次之（其中疫情安全類事件短視頻媒介占比相對較高），App 占比則進一步次之。上述媒體的總占比皆在90.00%以上，并且大部分在98.00%以上，由此也再次說明了突發事件輿情傳播中微博、網媒、短視頻、微信、App 具有主要的影響。此外，論壇和貼吧占比則都明顯很小。

表2 2022 年1—9 月40 個典型突發事件報道量前10 位與后5 位的重要媒介傳播占比情況統計

（三）突發事件微博傳播特點

2022 年1—9 月40 個典型突發事件報道總量前10位與后5 位的微博傳播分類型情況統計，如表3 所示。

表3 2022 年1—9 月40 個典型突發事件報道量前10 位與后5 位的微博傳播類型情況統計

由表3 可知，在突發性公共類安全事件微博輿情傳播過程中，轉發、轉評、評論三者總占比遠高于原發；轉發與轉評的占比大致相當，且均高于原發，而評論的占比較低，由此說明，在突發事件微博輿情傳播過程中，間接傳播量要高于原發傳播量。因此，在微博輿情傳播引導控制過程中，要格外注意微博間接傳播的擴散效應，通過合理控制轉發、轉評等措施，進而在一定程度上解決原發博文所涉及事件的輿情治理問題。

（四）突發事件輿情傳播總體特點

綜上所述，筆者將突發事件輿情傳播的總體特點大致概括為以下四個方面。

一是突發事件輿情傳播點多、線雜、面廣，信息量龐大，互動性、即時性、自主性傳播特點突出。尤其是輿情傳播互動性易延長輿論傳播時間，而多平臺發酵、輿論質疑聲對推動事件熱度走高影響顯著，網民態度傾向性則易使輿情傳播速度進一步加快。

二是觸及民生利益領域相關網絡輿情一般持續時間長，且傳播范圍廣。網絡受眾與事件主體指向更加明確、具體，且網絡受眾的利益選擇性特征更加明顯，網絡發聲會進一步消除傳統媒體所具有的隱蔽性、匿名性、虛擬性等特征，類似輿情再度出現則易加劇網民的抵觸情緒，且負面性容易增強。

三是政府部門對相關輿情的處理不當，極易助推輿情高漲發酵態勢。如果同類社會問題不斷重現，類似輿情極易頻繁產生長尾效應再度爆發，導致公眾對政府的不信任度加強，引發意識形態風險。

四是相較于原發，轉發、評論對輿情的發散傳播影響更大，效果更加顯著，對輿情發酵起著推波助瀾的作用，且負面輿情事件若不及時解決易再度激發網民的負面情緒，甚至致使網民產生極端觀點，衍生其他類別的輿情。

四、突發事件輿情影響力評價

（一）突發事件輿情影響力效應分析

通過上文的分析可以發現，反映輿情傳播影響力效應的因素很多，通過梳理和實踐應用發現，從合理性角度和邏輯關聯性入手，可以大致概括為以下9 類效應。

1.輿情規模效應

輿情規模是指輿情事件在社會輿論中引起的關注度和討論規模，輿情規模在一定程度上能夠說明輿情影響力的覆蓋面[25-26]。其中，輿情報道相關總量能夠體現輿情傳播的規模效應，相關報道量越多，越能夠體現輿情的傳播力度和影響力度。

2.時間持續效應

輿情事件的時間持續效應是指輿情事件在發生之后對相關方面產生的長期影響。輿情事件通常會在短時間內引起廣泛關注和討論，雖然隨著時間的推移，公眾對該事件的關注度會逐漸降低，但是事件本身所產生的影響卻可能會長期存在，表現為被網絡受眾提醒“互聯網是有記憶的”。相關研究成果指出，時間持續效應是輿情影響力的重要影響因素[27-28]。對于不同類型的事件，時間趨勢所帶來的持續性效應所持續的時間也不同，持續時間的長短通常能夠反映輿情事件的延續發展情況。

3.情感導向效應

輿情情感導向效應是指在輿情事件中，公眾的情緒狀態對事件及其后果的影響。輿情事件在公眾中產生情緒反應，這些情緒反應可能會使事件進一步擴大和異化，甚至影響事件的解決方案。有研究表明，公眾的情感情緒深刻影響著輿情傳播的力度和方向[29]。

4.傳播層級效應

傳播層級就是信息轉發級數[30]。輿情傳播層級效應是指輿情事件在傳播過程中，會經過多個傳播層級，每個層級的傳播速度和影響力不同，從而影響輿情事件的傳播效應和后果[31]。有研究指出，輿情傳播網絡的復雜性所衍生的加速輿情傳播的問題，一般而言，傳播層級越多越復雜，信息可信度越低，越容易以所謂“小道消息”的形式加劇輿情的傳播，促使輿情發酵甚至歪曲事實，輿情傳播層級是衡量輿情影響力的重要體現[32]121-131。

5.微博助力效應

微博助力效應是指在輿情事件中，微博作為當前影響力最強的社交媒體平臺，通過在該平臺上的傳播、互動對輿情事件的發展和影響產生重要的作用。微博助力效應來源于其所帶來的擴散效應，包括直接效應和間接效應，直接效應體現為微博原發情況對輿情影響力的作用，間接效應在于微博轉發、評論、轉評所帶來的加速效應。相關研究還表明，微博提供的“熱搜、話題、熱點流”三大應用功能使無任何關聯的用戶進行信息交互，從而加快了輿情傳播速度，擴大了輿情影響力[33]。

6.融媒體擴散效應

輿情融媒體擴散效應是指在輿情事件中，諸如微信、短視頻等各類媒體平臺之間相互銜接、相互引導、相互影響，共同擴大了輿情事件的影響力和傳播效應。融媒體時代下突發事件的傳播形式往往表現為多媒體融合傳播，甚至線上線下交互同頻共振，融媒體對輿情影響力的作用也變得越來越重要[34]。

7.短視頻傳播效應

輿情短視頻傳播效應是指在輿情事件中，短視頻因視覺、語言、音樂等多種元素的加成，對輿情事件的傳播和影響產生積極作用，從而擴大輿情事件的影響范圍和深度[35]。當前，輿情傳播主力短視頻平臺包括抖音、快手、今日頭條、新浪微博視頻等，而隨著短視頻用戶數量的不斷增加，受眾群體的多樣性特征日益凸顯，極易產生鏈式傳播。短視頻的日益擴張和應用在給公眾的溝通交流帶來便利的同時，也使得短視頻平臺產生的負面網絡輿情甚囂塵上，給網絡輿情導控工作帶來了新的挑戰[36]。

8.政府推動效應

網絡輿情的快速發展使得政府與公民之間有了更多溝通的機會和途徑，政府如何進行輿情治理事關輿情的演變態勢[37]。如果事件得到政府的關注或者政府部門在輿情傳播的過程中起重要推動作用，對輿情的發酵也會產生一定的作用。主要原因在于，政府具有權威性、導向性和服務性，政府部門的表達也容易使公眾跟隨傳播，進而加大擴散效應。

9.權威發酵效應

輿情權威發酵效應是指在輿情事件中，當權威人士或機構發表對事件的評論和觀點時，這些評論和觀點往往易在公眾中產生所謂“事件定性”的認知影響，從而成為影響輿情事件發展的關鍵性因素。有研究指出，媒介權威性尤其是“網絡大V”等的表態極大地影響了輿情傳播狀況，進而對輿情影響力產生了影響[32]121-131。

在上述9 類效應中，輿情規模效應和時間持續效應對其他效應的決定性作用十分突出，是其他效應衍生的基礎依據。情感導向效應、傳播層級效應與媒體平臺帶來的微博助力效應、融媒體擴散效應和短視頻傳播效應相互制約。而微博助力效應、融媒體擴散效應、短視頻傳播效應三者之間則呈現明顯的主次關系和層遞關系，尤其在內容生成方面，微博堪稱“大本營”。政府推動效應和權威發酵效應反向影響其他效應的增強或減弱。各類效應部分或共同作用于輿論場，形成同頻聲量，推動輿情演化。

（二）評價指標構建

根據上文的理論機制分析，筆者構建突發事件輿情影響力評價指標體系，如表4 所示。

表4 突發事件輿情影響力評價指標體系

（三）研究方法與步驟

筆者采用多準則妥協解排優法（即VIKOR 法）進行研究。該方法被廣泛應用于綜合評價分析[38-41]，可以對綜合性評價對象進行排序?；具^程如下：首先，計算評價對象中的最優解和最差解；其次，比較各評價對象與最優解和最差解之間的距離大小以確定評價對象的排序，進而獲得待評價對象的優劣級別。

1.步驟1：數據標準化

為了避免數據量綱差異所帶來的計算誤差，首先需要對數據進行無量綱處理。

首先，建立原始評價矩陣。假設現有n個評價指標，存在m個待評價方案。原始矩陣A為

式中：aij為第i個方案關于第j個指標的觀察值。其中，i=1，2，…，m；j=1，2，…，n。

其次，對原始矩陣A進行歸一化處理。根據正向指標計算公式（即式（2））和負向指標計算公式（即式（3））對數據進行歸一化處理，可以得到歸一化矩陣Z=（zij）mn（即式（4）和式（5））。公式為

式中：aij為第i行第j歸一化數值，其中，amax和amin分別為第j個指標的最大值和最小值。

2.步驟2：熵權法確定指標權重

熵權法是較為客觀的確定指標權重的常用方法，基于上文數據歸一化處理后的結果作如下處理。

首先，采用熵權法確定指標權重，公式為

式中：Pij為i地區第j項指標的權重值；Yij為i地區第j項指標權重的觀測值。

其次，計算第j項指標的熵值ej，公式為

再次，計算第j項指標的信息效用值dj，公式為

最后，給指標賦權，求得各個指標權重Wj。其中，j=1，2，…，n；n 為指標數量。公式為

3.步驟3：VIKOR 法計算輿情影響力

首先，計算各個輿情事件的群體效用值Si和個體遺憾值Ri，公式為

其次，依據各個事件的群體效用值Si和個體遺憾值Ri計算各個輿情事件的影響力評價值Qi，Qi的值越小表明輿情事件影響力越大，公式為

式中：風險偏好系數取λ=[0,1]，參考已有文獻，筆者取λ=0.5。

最后，根據Qi值的大小進行排序。

（四）突發事件輿情影響力綜合評價

根據上文計算，可得到突發事件影響力評價等級排序情況，如表5 所示。

表5 突發事件影響力評價等級排序

由表5 可知，影響力最高的事件為軍事安全類事件，即佩洛西竄訪中國臺灣地區事件，該事件影響力最高的主要原因在于其涉及國家安全、政治安全等主權原則問題，易激發人民群眾的愛國情感并產生共鳴，故存在較高的影響力；排名第二的是自然安全類事件，如四川瀘定6.8 級地震，這在一定程度上說明了大型自然災害類事件容易形成較高的輿情影響力；影響力排名前十且出現次數最高的是疫情安全類事件和疾病安全類事件，如高溫天氣引發多地確診熱射病事件，這也提醒政府部門要格外重視疫情類、衛生類突發事件的治理。因此，整體而言，自然安全類事件影響力總體相對較大，教育安全類事件影響力總體相對較??；對于公眾安全類事件，受害群體廣泛、情節嚴重的影響力度較大；消防安全類與交通安全類事件影響力具有一定的相似性。

五、突發事件輿情影響力的主要驅動因素識別

（一）研究方法與步驟

在使用VIKOR 法對突發事件輿情影響力的驅動因素進行影響力評價基礎上，筆者采用因子分析法，對這些驅動因素貢獻度進行進一步探究。因子分析法經常用于對各領域影響因素的識別[42-44]。

首先，對表4 中各輿情事件的指標數據進行標準化處理，其后進行Bartlett 檢驗和KMO 檢驗，以驗證因子分析的適用性。其中，對于KMO 值是否適合做因子分析，具體情況如下：0.9 以上非常合適，[0.7～0.9）為適合，[0.6～0.7）為尚可，[0.5～0.6）為差，0.5 以下應該放棄。對于Bartlett 檢驗，若顯著性p＜0.05 拒絕原假設，則說明可以做因子分析，若p≥0.05 不拒絕原假設，則說明這些變量可能會獨立提供一些信息，不適合做因子分析。

其次，運用主成分因子分析法篩選出影響突發事件輿情影響力變化的主成分因子，以特征值大于1作為選擇標準，可以根據方差解釋表進行判斷。

最后，對因子結構進行最大方差正交旋轉，得到旋轉后的因子載荷矩陣。最終可以得到驅動突發事件輿情影響力的數學模型。

（二）數據結果與分析

1.KMO 檢驗和Bartlett 檢驗

KMO 檢驗和Bartlett 檢驗結果，如表6 所示。由表6 可知，KMO 檢驗的結果顯示，KMO 的值為0.606，同時，Bartlett 檢驗的結果顯示，p值且在1%水平上呈現顯著性，拒絕原假設，由此說明，各變量之間具有相關性，因子分析有效，程度尚可，因此可進行因子分析。

表6 KMO 檢驗和Bartlett 檢驗結果

2.確定主成分因子個數

方差解釋，如表7 所示。由表7 可知，在主成分5時，總方差解釋的特征根低于1.0，根據特征根大于1的選擇標準，由此可以確定主成分因子為4 個。

表7 方差解釋

3.驅動因素提取

各主成分下因子貢獻率匯總情況，如表8 所示。由表8 可知，從主成分1 來看，微博間接效應與對突發事件影響力的貢獻率最大且存在正相關關系。從主成分2 來看，正面信息貢獻率最大且與其存在明顯的正相關關系。從主成分3 來看，中央級與省部級媒體參與度之和均與其呈高度相關關系，故可認為該成分下，權威發酵效應起著重要正向推動作用。從主成分4 來看，傳播信息層級與其存在正相關關系且比值最大。綜上可知，在諸多造成突發事件輿情傳播的驅動力效應中的關鍵驅動因素有：微博傳播間接效應、情感導向效應、權威發酵效應、傳播層級效應。

表8 各主成分下因子貢獻率匯總表

六、研究結論與對策建議

（一）突發事件總體傳播態勢研究結論和建議

從突發事件總體傳播態勢研究來看，此類事件多以負面輿情占據輿論傳播場域；傳播媒介多樣化，傳播時點多、線雜、面廣，信息海量，且互動性、即時性、自主性傳播特點突出；觸及民生利益領域但不涉及敏感信息的相關公眾安全類輿情，一般持續時間長，且傳播范圍廣；當政府部門對相關輿情處理不當時，極易助推輿情高漲并呈現發酵態勢；同類型輿情頻發往往反映的是較深層次的社會問題，如處理不當容易誘發類似輿情再度爆發。

鑒于此，筆者提出如下建議：一是應加強海量信息的篩選甄別，去除無效信息和由“水軍”產生的大量重復性信息，提取有價值的信息，防范負面導向型信息擴散；二是應及時識別輿情傳播的意識形態風險性，遏制對意識形態安全產生負面影響的信息疊加其他問題傳播，對明顯污蔑、造謠和煽動對立的信息堅決予以刪除和撤銷；三是政府部門應增強擔當意識，主動引導正確、積極、健康的輿論導向，對相關事件進行及時回應處理，并采取線下改進措施，努力促進公眾對輿情的態度向積極健康的方面轉變。

（二）突發事件輿情影響力評價研究結論和建議

從突發事件輿情影響力評價來看，涉及國家安全、政治安全、主權問題等根本原則的軍事安全類、國際安全類事件存在較高的輿情影響力；疫情安全類、公眾安全類和大型自然安全類事件，由于受害群體廣泛、情節較為嚴重，所以輿情影響力也往往較大；教育安全類事件的輿情影響力總體一般，消防安全類和交通安全類事件的輿情影響力則低于上述其他類型的事件。

鑒于此，筆者提出如下建議：一是應分類提煉不同類別突發事件的輿情傳播規律，尤其注意在分析同種類型的突發事件輿情相似傳播特點基礎上的差異，有的放矢、去粗取精，在把握規律的基礎上，結合實際，開展輿情走向分析和應對；二是應重視輿情背后的現實問題的解決，注重挖掘突發事件輿情不斷發酵的背后種種社會問題的根源；三是應防止不同類型的輿情負面效應疊加社會問題，引發線上線下同頻共振，逆向產生社會治理堵點瘀點，制約社會治理水平的提高。

（三）突發事件輿情影響力關鍵驅動因素研究結論和建議

從突發事件輿情影響力關鍵驅動因素來看，在筆者提煉梳理的9 類效應中，微博傳播間接效應、情感導向效應、權威發酵效應、傳播層級效應是突發事件影響力的關鍵驅動因素。

鑒于此，筆者提出如下建議：一是應綜合考量不同驅動效應因素，不能完全依賴技術而摒棄專家經驗判斷，需要在大量客觀數據的基礎上對不同類型的突發事件的屬性進行具體問題具體分析，凸顯監督機制效能；二是應加強高技術輿情預警系統與人工研判監督機制相結合，改善現有輿情的治理監測技術與輿情的傳播技術和發展水平所呈現的不協調不平衡狀態；三是應加強既能開展智能化信息技術應用又有豐富研判經驗的人才培育，提升輿情科學治理水平。