舆情传播中的群体情绪感染建模.pdfVIP

舆情传播中的群体情绪感染建模1

舆情传播中的群体情绪感染建模

摘要

本研究旨在构建舆情传播中群体情绪感染的数学模型，通过多学科交叉研究方法，

结合心理学、社会学、计算机科学等领域的前沿理论，系统分析网络舆情中情绪传播的

内在机制。报告首先梳理了当前舆情传播研究的现状，指出现有研究在情绪量化、传播

动力学建模等方面的不足。随后，基于情绪感染理论、复杂网络理论和社会认知理论，

提出了一个多维度、多层次的群体情绪感染分析框架。在技术路线上，采用自然语言处

理、机器学习和复杂网络分析等方法，开发了能够实时监测和预测舆情情绪传播的算法

模型。通过实证研究，验证了模型在多个舆情事件中的有效性，并提出了相应的舆情管

理策略建议。本研究的创新点在于将情绪感染过程量化为可计算的数学模型，为网络舆

情治理提供了科学依据和技术支持。

关键词：舆情传播；群体情绪；情绪感染；建模；网络分析

引言与背景

1.1研究背景与意义

随着互联网技术的飞速发展和社交媒体的普及，网络舆情已成为影响社会稳定和

公共决策的重要因素。根据中国互联网络信息中心(CNNIC)发布的第49次《中国互

联网络发展状况统计报告》，截至2021年12月，我国网民规模达10.32亿，其中即时

通信、网络新闻、社交媒体的用户使用率分别为97.5%、73.5%和88.9%。这种高度互

联的网络环境为信息传播提供了便利，同时也加速了情绪的扩散和放大。

群体情绪感染作为舆情传播的核心机制之一，在突发事件、公共危机等情境下往往

起到关键作用。例如，在2020年初的COVID19疫情初期，恐慌情绪在社交媒体上的

快速传播导致了抢购口罩、药品等非理性行为；2021年河南暴雨期间，救援信息的传

播伴随着民众焦虑情绪的蔓延。这些案例表明，准确把握群体情绪感染规律对于舆情预

警和危机管理具有重要意义。

从学术研究角度看，现有舆情传播研究多关注信息本身的传播路径和影响力，对情

绪维度的探讨相对不足。传统的传播学理论如”两级传播”、“议程设置”等难以完全解释

数字时代情绪传播的复杂性。因此，构建专门针对群体情绪感染的数学模型，不仅具有

理论创新价值，也能为实践中的舆情治理提供科学依据。

1.2国内外研究现状

国外关于情绪感染的研究起步较早，心理学领域Hatfield等人(1994)提出的”情绪

感染理论”奠定了基础。近年来，随着计算社会科学的兴起，Ferrara和Yang(2015)利

舆情传播中的群体情绪感染建模2

用Twitter数据分析了情绪在社交网络中的传播模式；Kramer等人(2014)通过大规模

实验证明了情绪感染在社交平台上的存在性。然而，这些研究多基于西方文化背景和英

语社交媒体，其结论在中国的网络环境中适用性有待验证。

国内研究方面，中国社会科学院社会学研究所发布的《中国社会心态研究报告

(2021)》指出，网络情绪传播已成为影响社会心态的重要因素。清华大学新闻与传播

学院团队(2020)构建了基于微博的情绪传播模型，但主要关注单一情绪类型。中国科

学院自动化研究所(2021)开发了舆情情绪分析系统，但在动态建模方面仍有局限。

总体而言，现有研究存在以下不足：(1)情绪分类体系不统一，难以进行跨研究比

较；(2)多采用静态分析方法，缺乏对情绪传播动态过程的刻画；(3)模型可解释性不

足，难以揭示情绪感染的内在机制；(4)缺乏对中国网络文化特有现象(如表情包、弹

幕等)中情绪传播的研究。

1.3研究目标与内容

本研究的主要目标是构建一个能够准确描述和预测网络舆情中群体情绪感染过程

的数学模型。具体包括：

1.建立适用于中文社交媒体的情绪分类体系和量化方法；

2.揭示不同类型情绪在网络环境中的传播规律；

3.开发能够模拟情绪传播动态过程的计算模型；

4.验证模型在真实舆情事件中的预测能力；

5.提出基于模型分析的舆情管理策略建议。

研究内容将围绕以下几个核心问题展开：(1)如何科学测量和分类网络舆情中的情

绪表达？(2)哪些因素影响情绪感染的速度和范围？(3)情绪传播与信息传播之间存在怎

样