為識別重大突發(fā)事件中多種輿情信息的交互傳播規(guī)律和更有針對性地制定干預(yù)決策,提出了一種交互傳播干預(yù)模型。該模型融入了多種輿情信息不平等競爭的特點,擴展了現(xiàn)有的單一輿情信息傳播干預(yù)模型,并可從交互傳播整體視角分析干預(yù)措施的作用。案例分析與仿真結(jié)果表明:該模型可較好地模擬多種輿情信息交互傳播的演化趨勢;雖然強勢輿情信息比弱勢輿情信息的潛在危害大,但是干預(yù)決策仍需綜合關(guān)注強勢和弱勢輿情信息及其間的交互關(guān)系。

【文章頁數(shù)】：11 頁

【部分圖文】：

圖1不同群體間的狀態(tài)轉(zhuǎn)移關(guān)系Fig.1Transitionrelationshipsamongdifferenttypesofmasses

?息交互傳播過程中，群體狀態(tài)可進一步細分為：未知態(tài)(未聽說過強勢與弱勢輿情信息)、傳播態(tài)1(相信且傳播弱勢輿情信息)、傳播態(tài)2(相信且傳播強勢輿情信息)、免疫態(tài)1(對弱勢輿情信息失去傳播興趣)和免疫態(tài)2(對強勢輿情信息失去傳播興趣)。強勢與弱勢輿情信息交互傳播的實質(zhì)是獲取民眾的關(guān)....

圖2交互傳播系統(tǒng)的運轉(zhuǎn)流程Fig.2Operationprocessofinteractivedisseminationsystem

傳播者2)以一定遺忘概率轉(zhuǎn)化為免疫者1(免疫者2)；傳播者1(傳播者2)與免疫者1(免疫者2)接觸后，以一定概率轉(zhuǎn)化為免疫者1(免疫者2)；此外，由于強勢比弱勢輿情信息更具吸引力，因此傳播者1與傳播者2接觸時，以一定概率轉(zhuǎn)變?yōu)閭鞑フ?，而免疫者1與傳播者2接觸后，以一定概率轉(zhuǎn)變?yōu)?...

圖3案例與不干預(yù)措施下的傳播者數(shù)量演化Fig.3Evolutionofdisseminatorsofcasesandnomeasures

)相比，干預(yù)措施1可以降低傳播者1(弱勢輿情信息的傳播者)的數(shù)量峰值，但對傳播者2(強勢輿情信息的傳播者)的數(shù)量演化無明顯影響；干預(yù)措施2和3雖然可以明顯降低傳播者2的數(shù)量峰值及延遲其達到峰值的時間，但是會提升傳播者1的數(shù)量峰值。這說明當輿論生態(tài)系統(tǒng)中存在強勢與弱勢輿情信息時，雖....

圖4案例與干預(yù)措施1下的傳播者數(shù)量演化Fig.4Evolutionofdisseminatorsofcasesandmeasure1

渴樸咔樾畔⒌拇?フ?)的數(shù)量演化無明顯影響；干預(yù)措施2和3雖然可以明顯降低傳播者2的數(shù)量峰值及延遲其達到峰值的時間，但是會提升傳播者1的數(shù)量峰值。這說明當輿論生態(tài)系統(tǒng)中存在強勢與弱勢輿情信息時，雖然前者的潛在危害更大，但是后者也不容忽視。因此，干預(yù)決策的制定不能僅針對強勢輿情信息....

本文編號：3952190