□李彪　郑满宁
　　【本文提要】 随着社交媒体时代来临，整个社会舆论生态出现了全新的变化，如两个舆论场之间力量对比变化、“双低”群体众声喧哗、微博微信双平台交织传播等。本文在此基础上将目前的舆情研究总结为“学”为末、“术”为主和“策”为上的现状，并分析了舆情研究目前的困境，进而提出了舆情研究出现的转向和趋势，如从信息传播到情绪传播研究、从信息流到社会关系网研究、舆情研究向社会运动研究的偏向。
　　【关键词】 舆论生态　大数据　社会情绪　社会动员　社会运动　
　　【中图分类号】 G206
　　
　　自2003年孙志刚案，民众开始借助网络平台进行社会话语表达，网络舆情便成为新闻传播学研究的主要议题之一，随着社交媒体时代来临，网络舆情研究出现了新问题和新变化，在这样一个历史方位和发展节点上，网络舆情的研究现状和发展趋势值得研究者进行总结和反思。
　　
一、社交媒体时代的舆论生态新变化
　　（一）两个舆论场力量对比发生变化
　　新华通讯社原总编辑南振中最早提出了两个社会舆论场的概念。①他认为在当下中国客观存在两个舆论场：一个是“主流媒体舆论场”；一个是依托于口口相传特别是互联网的“民间舆论场”。在社交媒体时代，这两个舆论场不仅没有消弭，并且呈现出泾渭分明的局面。如果说在前社交媒体时代，民间舆论场更多地作为主流媒体舆论场的补充而边缘化存在，而到了社交媒体时代，两者的张力越来越大，主流媒体舆论场的主导地位不仅被民间舆论场逐步蚕食，而且其影响空间也不断被挤压。主流媒体的代表——《人民日报》也使用“给力”之类的网络话语，这在一定程度上凸显了主流媒体舆论场开始放下身段，尝试与民间舆论场域构建最大的话语合意空间。
　　（二）年轻人和“双低”人群众声喧哗
　　根据中国互联网络信息中心（CNNIC）发布的第32次《中国互联网络发展状况统计报告》显示，截至2013年6月底，我国网民规模达到5.91亿，青少年网民约占54%，高中以下学历约占79.8%，月收入2000元以下约占53.4%。 如果对网民群体的整体进行平均计算的话，可以得出中国网民的平均年龄为29.5岁、平均月收入2906.5元、平均学历为大专学历、以学生为主要人群的结论。这类人群在网络话语表达特征上呈现出如下特点：网民话语表达和社会参与需求强烈、政治上较激进；具有正义感和使命感，从“清议”到“起而做”；观点重于事实本身，“有主张，少论据”；言论感性化、情绪化；群体极化效应明显，群体感染性强；兴趣周期较短，很容易被新事件吸引。基于以上的话语表达特征，网民群体的话语表达显得有点“闹腾”或众声喧哗是可以理解的。
　　但需要说明的是，对具备以上社会人口统计学特征的网民群体而言，应该警惕网络中民粹主义对社会舆论绑架的极端现象。从社会统计学的角度来看，网络舆情并不代表真正的社会民意，而在现实的社会管理视域中，网络舆情是社会舆论场中最有影响力和扩散力的舆论表达，其管理行为偶尔会被这类群体的话语表达所“绑架”甚至“胁迫”，社会管理者应该有基本的价值判断和行为逻辑，在满足民众最大利益诉求的基础上需要保持一定的管理自主性。
　　（三）微博微信双平台交织传播
　　微信产品的推出无疑对中国社会舆论生态产生了巨大冲击，如果说微博是城镇居民的专有媒介产品，那么微信依托QQ软件的强大用户群体和相对私密性，迅速成为中国各阶层、社会群体共同的媒介产品，为社会舆论生态的多元性和复杂性提供了基本的技术基础。微博和微信成为中国社会主要的两大信息源，并扮演着社会舆论场域的意见制造者和社会动员力量。
　　微信更多的是一种圈群传播，基于一个一个的私密朋友圈和微信群。从个人需求的层次上看，圈群成员不断制造着话题和谈资的同时也生产着社会信任和情感依赖；从社会信息传播来看，圈群不断制造着社会信息和社会意见，并向整个社会话语场域不断输送，扮演着社会信息后台的角色。与之相比，微博则日趋扮演着社会信息前台的角色，即微信制造话题，通过微博这个信息前端展现，如最近出现的一系列事件都是在微信中不断传播发酵，再由网络搬运工将之传播至微博中，引发传统媒体跟进，进而弥散到整个社会话语场域。因此，从这个角度来说，微博与微信交互传播、交互补充，两者的分工也日趋明确化——微博为社会制造新闻和话题，而微信则为个体制造信任和情感支持，个体在微信中寻找到久违的社会信任和情感依赖。这种信息传播格局将在很长一段时间内存在。
　　（四）网络舆论生态格局力量对比变化
　　2013年社会舆论生态最大的变化是整个舆论场域中最为活跃的网络意见大V社会活跃度下降，整个社会舆论表达的积极性在不断下降。8月份全国宣传思想工作会议的召开、“七条底线”的提出、打击网络谣言专项行动的开展一定程度上有利于整个网络环境的净化和改善，但也一定程度上促使网络意见大V的社会表达意愿不断下降，活跃度不断下行。主要可以从以下三个指标看出。
　　一是新浪微博Alexa②数据流量不断下降。尤其是2013年8月以来，最高的流量甚至还低于往年的最低水平，在世界网站流量排名中下降一位。网站的整体蹦失率③上升了20%，每个用户每天流量页面的数量则下降了37.2%，每个用户在微博网站停留的时间则下降了40%。
　　二是微博舆情监测数据量大幅下降。中国人民大学舆论研究所的数据监测结果显示，2013年8月以来，相关微博舆情监测数据量与去年同比下降了17.8%。一定程度上也凸显出目前新浪微博的整体关注度和活跃度在不断下降。
　　三是政务微博的整体活跃度超过了网络意见大V。中国人民大学舆论研究所的数据监测结果显示，2013年10月24日，政务微博账号发布微博（含原创与转发）的总数首次超过了网络加V个人用户，这是一个标志和拐点，一定程度上标志着微博话语舆论场域中力量的对比变化：政务微博至少在数量上超过网络意见大V，开始占据整个微博话语场域的主导地位。
　　
二、社交媒体时代社会舆情研究的现状分析
　　经过了web1.0时代的网络舆情监测的发展，进入社交媒体时代后，社会舆情的整体研究呈现出多元化的趋势，但从整体现状尤其是价值取向上看，可以概括出基本特征如下：“学”为末，“术”为主，“策”为上。
　　“学”为末。目前对网络舆情学科的归属不明晰，研究的学术理论体系和公认的学科研究范式尚没有形成，学术界对网络舆情是否代表真正的民意还存在较大的分歧，在研究的议题上也存在多元化、分散化和多学科各自为政的局面，而另一个方面，网络舆情研究的相关著作不断问世，但探讨的问题多是基于实用主义的角度展开，学术性有待提升。
　　“术”为主。目前的网络舆情更多的是对于“术”的关注，“大数据”概念的走红吸引了很多社会资本和学术力量进入网络舆情监测领域，各种舆情监测的手段也开始“高歌猛进”，以技术手段解决非结构化数据的抓取问题，如关注网络舆情数据抓取技术、网络信息文本分析等，计算机学科中的仿真建模、社会学中的社会网络分析（SNA）等都被引入到社会舆情研究中来，并试图研究分析网络舆情的现状和趋势，研究手段层出不穷。
　　“策”为上。目前的舆情研究主要集中于对策和策略研究，主要是为政府或企业舆情应对而进行的研究，一方面与目前政府为了维稳和缓解民情压力，将舆情作为“政治采风”手段有关；另一方面则是风险社会来临，政府和企业的声誉成为一种易碎品，均希望通过舆情信息采集做到未雨绸缪。
　　以上这种研究格局一定程度上凸显了社会舆情研究的浮躁性和不确定性，这种急功近利的学术大跃进式的研究现状表明：未来的学科走势尚不明朗。
　　
三、社交媒体时代的舆情监测及困境
　　目前社交媒体时代的网络舆情监测的基本原理依然延续web1.0时代的舆情监测逻辑，即首先经过相关的样本库建构，将欲监测的网页进行模板配型，作为监测数据源，通过网络爬虫程序进行数据抓取并下载到本地服务器，在本地服务器进行数据的消重和聚合，进而实现新闻信息文本的智能化呈现。在社交媒体时代，数据源只是变成了微博上的账号，将微博账号进行样本库配型，在整个数据抓取和处理的原理上没有太大的变化和创新。
　　在舆情监测过程中，存在一些难以回避的程序性缺陷和问题。主要问题如下。
　　一是舆情监测的效度和信度问题难以验证。目前的舆情监测最大的问题是无法论证自己的有效性，各家有各家的“黑盒子”，相对并不透明，手段和算法的不同势必造成监测结果的偏离，到底谁家更准确，难有定论。从宏观层面来讲，虽然社交媒体时代的舆情监测是建立在以前人工无法验证的大数据基础上，具有一定的进步性，但抓取的大数据不代表有效数据，基于大数据的分析并不一定能代表网络舆论的整体走势，整体走势依然还有“瞎子摸象”之虞。
　　二是数据源的多寡一定程度上决定了舆情监测的精准度。目前的舆情监测均是以样本库作为数据搜索源，而不是基于全网进行的舆情信息采集，实际上只是样本量较大的局部数据，可能存在数据源不全面而造成重要信息监测缺失，最终影响了数据监测结果。在个别地方新闻宣传部门，由于其数据源有限，基本上相关的网络管理部门养四五个人，每天用百度搜索、微博搜索等工具，以本县县名或关键词组进行基本的数据搜集就可以满足自身的舆情信息采集和抓取，一定程度上衬托出目前舆情监测行业的尴尬。
　　三是在消重聚合环节，计算机智能还暂时无法取代人工智能。目前舆情监测软件和服务最大的区别就在于后台的数据处理能力，虽然基于网络信息的更新速率和网络新词层出不穷，但计算机对信息的处理能力始终存在一定的滞后性和简单化，在高层次的信息处理如情感判别和影响力评估等方面，计算机还不能完全取代人工智能，计算机处理的数据和结果在实践中的有效性和可行性还有缺陷。
　　四是从监测的实效性上，舆情监测的速度始终要慢于事件自身的变化速率。舆情监测从字眼上可以看出，监测是对以往信息传播流的横断面的展现，而对于事件的未来走势和影响力难以有准确的预测，这恰恰是舆情监测最希望实现的目标。同时，事件在时刻变化，数据监测结果仅是对某一个时间横断面的数据呈现，从监测的实效性上看，舆情监测的速率始终慢于事件自身的发展和变化。
　　以上是从数据采集和监测原理的角度讨论目前舆情监测相关困境和问题，基于整个社会发展大背景来看，舆情监测目前还存在以下问题。
　　一是舆情监测在实践应用层面还存在诸多的盲区。具体来说，首先，舆情预警技术还有待提升。从目前的实践来看，没有任何一家舆情软件服务公司能够做到准确预警，即使一定概率的预警也没有出现。但同时预警也是一个伪命题，一旦危机信息被捕捉到，相关部门的介入一定程度上能够缓解事件的影响和危害，进而影响舆情预警的效力。其次，在对微博等社交媒体的监测中存在诸多盲区，目前对微博的数据监测还只能监测某一条具体微博的传播路径，但对于一个微博账号整体微博数据、某一地区所有用户的微博数据和某一个事件的所有微博数据的监测依然存在盲区。最后，对微信数据的监测，由于封闭性，在腾讯尚未将数据接口开放前，微信数据还是个黑匣子。
　　二是大数据时代来临为社会舆情监测带来了挑战和机遇。大数据对整个社会的影响不在于其数据和技术本身，而是彻底颠覆了传统数据时代的逻辑思维和行为逻辑，传统数据时代对因果关系的依赖转为更宽广层面的相关关系，社会预测成为可能，舆情研究可以借助这种思维，通过精巧的数据库支撑和数据挖掘，对社会发展趋势进行一定效度的预判，这是带给舆情研究的机遇。但同时，大数据时代数据量的增加和对技术繁杂程度的要求更高，舆情研究的门槛进一步提升，传统的中小作坊式的舆情分析运作模式将进一步被颠覆。
　　三是社交媒体时代来临带来了整个社会的关系革命。社交媒体时代不仅在技术上对社会成员的媒介接触偏好进行了重新型塑，对整个社会关系网也进行了重构，互动和关系成为社交媒体时代的关键词，传统社会科学研究中常用的随机抽样方法受到了一定程度的挑战，这种方法将个体从其所在的社会情境和社会关系网中剥离出来， 并且确保个体之间不存在互动与联系， 这种随机抽样方法亦被某些学者称为“绞肉机”（Meat Grinder）。④另外，常规的社会统计方法（如t-检验、方差分析、多元分析、结构方程等）处理的是属性数据（Attribute Data），⑤属性数据是有关个体自身方面的数据如性别、年龄、收入、态度、观点以及行为等，⑥是一个个孤立的“点”其观测值之间相互独立，满足一般线性模型使用的前提条件其统计处理是在个体水平上关于个体属性之间关系的推断研究。⑦随着社交媒体的不断发展，属性数据将逐步被关系数据所取代，关系成为整个社会勾连的纽带和核心资源，目前的舆情研究还是基于“点”传播的线性研究模式，对于“网”传播或者是关系传播的关注不够，随着关系数据逐步成为社会科学研究中的主导数据，舆情研究必将目前的信息传播转向对信息传播个体的特质和个体关系网的研究中来。
　　四是民众出现“审丑疲劳”。中国人民大学舆论研究所自2008年底进行社会舆情信息日常采集以来，对同类事件的相关数据进行时间序列的分析和呈现，发现网民对同类事件的关注度和反响度出现了一定程度下降的趋势，即出现了所谓的“审丑疲劳”。这在一定程度上说明社会民众对社会丑恶面的耐受程度在不断提升，思想上出现了麻木等；另一方面也对舆情监测和舆情研究造成了困难，舆情研究是基于舆情反馈的量级和规模进行相关的舆情研判，民众的沉默化一定程度上影响了舆情研判的客观性和可参考性。
　　五是政治监管的考量。从目前的舆情数据来看，网络舆情的话语表达与政治监管的力度之间存在紧密关系，从目前的政治考量来看，对网络话语监管的力度会逐步增强和收紧，一定程度上促使网络舆情表达进一步沉默化，这种趋势势必会影响舆情监测的数据规模和量级，进而影响社会舆情研判的有效性。
　　
四、社交媒体时代的舆情研究的发展趋势
　　基于以上的分析和探讨，可以看出随着社交媒体的方兴未艾，社会舆情研究具有以下若干发展趋势和做点。
　　一是从舆情软件开发到云平台搭建。在前社交媒体时代，舆情监测主要是基于单体的监测软件而展开的，将软件产品布置到客户的本地服务器中，并为客户进行监测源的配型，再将数据下载到客户本地服务器中，软件服务商为其提供后期的软件升级和支持服务。这种广泛存在的服务模式存在一定的弊端，由于服务器较为分散，数据采集和数据分析能力都比较零散，不利于展开大规模的数据处理和集约化输出。而随着社交媒体时代来临，传统的软件服务逐步被搭建云数据平台所替代，即由原来的软件服务商搭建数据平台，客户通过网页或客户端远程访问，并可以通过一定的权限定制关键词，进而实现舆情数据的抓取和直观化呈现数据结果。
　　二是大数据成为舆情研究关键技术的支撑和核心概念。大数据目前虽然还处在概念层面，但大数据带来了思维模式和信息处理结构的改变，未来的舆情研究在技术上无法回避大数据，在思维上更需要有大数据的思维，通过对传统零散的数据二次结构化从而发现新的数据价值，并在此基础上指导社会管理，这种观念转变才是大数据带来的真正价值。未来数据的结构化离不开数据的分类和聚合，因此大数据需要大量的数据库支撑，如果把大数据比作金沙，那么数据库就像筛子，筛子网眼的大小是决定金子纯度的重要尺度，因此中国人民大学舆论研究所近几年构建了一系列数据库，如舆情敏感词库，对舆情中经常出现的高频词进行唤醒度、愉悦度、回忆度等不同维度的测量，构建敏感词数据库；对微博中意见大V的不同ID进行测量，形成了微博活跃人群的影响力、传播力等数据库。
　　三是舆情研究从信息传播到情绪传导机制研究。目前的舆情研究还主要集中在对信息本身的传播机制研究，探讨信息的传播规模、传播节点和传播路径等，但信息是瞬息万变的，信息的传播机制也往往与信息内容本身有着密切关系，而信息内容是在时刻变动的，因此近期的舆情研究由原来的信息传播转移到社会情绪传导机制研究，社会情感是稳定的社会存在，在舆情传播过程中往往伴随着固定类别的社会情绪，这类情绪的传导机制是也是有章可循的。近期的社会舆情研究主要集中在社会认同、社会动员等“宏大叙事”，尤其研究认同中的社会情绪传导和社会真实建构等问题，相信未来的舆情研究重点转移到社会心理和社会情绪的研究中来，由原来的传播范式过渡到社会心理研究范式，尤其是随着微信在社会话语场域中扮演的角色越来越突出，微信作为一种圈群传播制造社会信任和情感支持，因此更需要研究圈群内部的社会信任产生机制和社会心理形成机制。
　　四是舆情研究从信息流到社会关系网研究。和上面的分析相一致，社交媒体时代关系数据取代属性数据，成为社会行为逻辑的关键因素，因此社会关系网的研究是未来舆情研究的关键所在，如果把舆情信息比作高速公路上的汽车，那么社会关系网则是高速公路网，如果对高速公路网研究得比较透彻，那么不论其上面跑何种汽车都可以准确抓住其传播节点和关键环节。因为未来的舆情研究将逐步转向社会关系网的研究，既包括社会个体关系网，考察不同类别群体的社会关系网的规模和传通效率，也包括整个社会形成的“整体网”，研究整个社会关系网的柔性和容忍度等。这样的基础研究才具有学术价值和长效性。
　　五是舆情研究上升到新媒体与社会运动的研究层面。舆情研究目前主要集中在信息科学和传播学研究，但随着对舆情研究的逐步深化，和上面的第三点相对应，应该将舆情研究更多地放在宏观的视角研究，即新媒体与社会运动的层面，舆情传播的影响不在于本身的信息传播，而在于对社会心理和社会行为造成的影响，这恰恰是社会运动研究的问题，在社会运动这种“宏大叙事”的话语体系中，舆情研究的空间和适用性会更大。
　　六是舆情预警成为社交媒体时代舆情研究的主要命题。如果说前社交时代的核心命题是舆情监测，那么社交时代舆情研究的主要命题则是预警，只有做到预警，舆情研究才能真正脱离目前的“花拳绣腿”式的研究落地到实践中来。中国人民大学舆论研究所近三年来致力于相关舆情的基础研究工作，如经过对40个微博舆情事件的监测数据统计显示，一个社会性公共事件的微博从微博场域“溢出”到社会话语场域的临界阈值是该条微博转发次数超过1万次或者其评论次数超过3000条，满足其中任何一个条件都可以；⑧通过对百度相关关键词网页的边际时间递增数率、不同网站或微博账号的影响力指数数据库、敏感词库等形成综合预警指数等，这些探测性研究已经具备了一定的实际效用。
　　七是舆情研究的理论突破问题。随着舆情研究的进一步深化，目前舆情研究中的议题和概念基本上是舶来品的现实将被改变，如目前的舆情研究主要是基于社会物理学中的相关概念，如耗散结构、自组织等，随着对舆情研究的逐步深入和完善，将会形成舆情研究自己的话语体系和理论体系，在核心理论上将会不断突破，舆情研究将和舆论学研究一样成为一门独立的学科。
　　当然，社会舆情研究还包括其他一些趋势，如未来随着微信数据的不断放开，微信中的舆情研究将会大行其道，微博与微信双平台的信息传导机制将在未来一段时间内成为整个社会话语场域中信息流入的主导机制等。■
　　
注释：
①南振中：《把密切联系群众作为改进新闻报道的着力点》，《中国记者》2003年第3期
②数据截取时间为2013年11月1日
③蹦失率（Bounce Rate，又可译为跳失率），是指用户浏览第一个页面就离开的访问次数占该入口总访问次数的比例，数值越小代表网站越可能受欢迎客户更愿意访问更多的页面，反之数值越大说明越不受欢迎
④Freeman, L. C. (2004). The development of social network analysis, ΣP Empirical Press VancouverBC Canada.
⑤Wasserman, S.& FaustK. (1994). Social networks analysis: Methods and application. Cambridge University Press
⑥Scott, J. (2000). Social Network Analysis. London: Sage Publications
⑦刘军：《关系：一种新的分析单位》，《社会》2005年第5期
⑧李彪：《微博意见领袖群体“肖像素描”——以40个微博事件中的意见领袖为例》，《新闻记者》2012年第9期
　　
　　作者李彪系中国人民大学新闻学院讲师、中国人民大学新闻与社会发展研究中心研究员；郑满宁系中国人民大学新闻学院博士生。本文系北京社科基金青年项目"北京市突发公共事件在自媒体中的传播和线下动员机制研究"，项目号：13ZHC021的阶段性成果。