时间：2023-09-20 16:02:40
引言：易发表网凭借丰富的文秘实践，为您精心挑选了九篇社交媒体舆情分析范例。如需获取更多原创内容，可随时联系我们的客服老师。
中图分类号 G2 文献标识码 A 文章编号 2096-0360（2016）03-0006-02
1 课题缘起
2015年，一个Emoji表情符号（也称“笑cry”或“笑哭”）从一众强劲竞争者中脱颖而出，当选牛津字典博客评的年度高频热词。《牛津词典》对这一符号给出的解释是Face with Tears of Joy（喜极而泣的脸庞），并认为表情符号“具有可变性、迅速性，并蕴含了感情因素”，其使用的增长代表着“传统的字母式文稿正在努力达到21世纪交流的可视化、快速化要求”。
但是，也有学者认为表情符号的频繁使用会导致个体文字或语言能力的退化。虽然传统文字不具备可视化特征，但其语义丰富、语法结构严谨，通过不同词汇及标点符号的组合仍能表达丰富的情感思想，这样遣词造句的能力需要在日常交往中不断练习，而表情符号的使用则大大简化了这一过程。
2 使用表情符号的特征及功能
本文以问卷形式对个体的表情符号使用行为进行调研，由此总结出使用表情符号的三大特征及三大功能。
2.1 使用表情符号的三大特征
1）可变性。
表情符号的使用并非一成不变，“笑cry”表情使用频率在今年的爆发性增长及个体在使用表情符号中存在的“模仿行为”（41.2%被调查者是基于“模仿”行为而使用“笑cry”表情）说明表情符号的使用是随着社会交往行为而不断变化的。
2）从众性。
从受众心理学而言，个体普遍有追赶潮流的趋势，“笑cry”表情的悄然走红使受众在选择表情符号时产生了从众心理。
3）情景互通性。
表情符号的使用始于线上交往情景，但通过调研数据可知，75%的用户将这一线上交往用于引入了线下人际交往，两个情景的语言行为发生了互通。
2.2 使用表情符号的三大功能
1）情绪可视化。
表情符号的使用能够使情绪的表达更直接、生动、易懂，且不存在语种或文化程度差异等障碍。
2）降低误解。
文字信息无法体现表达者的情绪及态度，有时一句“好的”会使接收者误认为表达者语气生硬、态度冷淡甚至情绪不悦，但实际上表达者只是言简意赅地回复而已，并不带有任何负面情绪。此时，如果表达者能够在“好的”之后加一个微笑的Emoji表情，则能够完全消除类似误解。
3）拉近距离。
文字信息的交流往往给人机械、冰冷的感觉，使用表情符号能够使文本更生动、活泼，拉近交往双方的距离。
接下来，本文将结合上述特征及功能，从符号互动理论着手，对表情符号的传播模式及用户使用动因进行深入分析。
3 基于符号互动理论的传播模式分析
符号互动论由芝加哥学派学者米德创立，并由其学生布鲁默正式提出，主张从经验角度出发研究在日常自然社会中互动着的个体。该理论认为事物本身无法对个体行为产生影响，而是通过其“符号（象征意义）”影响个体社会行为，而该“符号（象征意义）”正是源于个体与他人的互动。
表情符号使用行为的传播模式正是基于此。个体A与个体B在通过社交媒体发生交往行为时，个体A的“主我”在冲动与理智的内在协调下选择使用“笑cry”表情，当个体B接受到这个表情符号后，首先会从双方的互动语境中对该符号产生与个体A一致的解义结果，其次个体A的这一使用行为在个体B的心智中形成了一个“风趣幽默且紧跟网络潮流”的“客我”形象（指个体A的“客我”形象）。对于个体A而言，如这一形象符合其心理期待，则将与“主我”统一为“自我”，并趋向于在社交媒体中更频繁地使用表情符号。而对于个体B而言，如个体A的“客我”形象使其产生积极的情感体验，则B出于从众心理产生模仿行为，亦将在其社交行为中使用“笑cry”表情。
4 基于心灵、自我、社会的使用动因分析
米德认为，人际符号互动的过程是基于心灵、自我和社会这三个不可分离的结构。究竟个体在社交行为中使用表情符号的内在动因为何？
首先，符号互动论认为“语言是心灵和自我形成的主要机制。人通过语言认识自我、他人和社会。”表情符号亦是一种语言体系，并非无意义的涂鸦。相对于其他语言而言，表情符号的优势在于简洁明了、打破国界及人种屏障、无需学习或揣摩、信息冗余度低等，是比手语更简单易学、比音乐更浅显易懂的通用语言。同时，“心灵是社会过程的内化”，表情符号的意义在人际交往互动中得到共识，个体学习之后以此进行内向互动并发展自我，再在下一次人际交往中外化这一学习结果，从而使个体在人际交往中获得更高的认同度。
其次，根据调研数据结果可知，表情符号的使用具有情绪可视化、降低误解、拉近距离三大功能，即使用表情符号能够增加交往对象对“客我”的亲近感，清晰表达“客我”的情绪，减少“客我”与“主我”之间的差异。根据米德的观点可知：行动由主我引起，受客我约束控制;前者是行动动力，后者是行动方向。如“主我”以增加“客我”亲和力、降低“客我”情绪表达偏差概率等为目的，则必然在行动中会增加对表情符号的使用。
最后，根据麦克卢汉“媒介即讯息”的观点，发生互动的媒介环境亦会影响双方身份意义的构建。与面对面的人际交往形式相比，基于网络的社交媒体交往能够削弱交往双方社会地位差异所带来的不平等，建立一个更倾向于平等的社交情景。试想一下，两个社会地位悬殊的个体在现实社会和网络平台发生交往时，会有何差异？在现实社会中，社会地位较低的人在交往过程中需时时注意自己的神情、语气、态度和措辞，且需保持注意力的高度集中以做出最恰当的即时反应。而在网络社交情景中，社会地位较低的人能够通过形象化的表情符号表达对交往对方的尊重、减少情绪表达的不确定性、拉近交往双方距离，从而产生正向、积极的交往
体验。
5 结论
波兹曼在《娱乐至死》中提出从印刷时代进入电视时代，电视改变了公众话语的内容和意义，其会话的表现形式是形象而不是语言。进入网络时代后，受众不仅仅接收图像信息，更在社交行为中主动使用图像信息，且该使用行为已打破线上及线下的社交环境壁垒，影响个体的语言使用行为。虽然“表情符号”的使用并不能代替文字语言表达复杂含义，但个体在交往中会倾向于使用口语化、表意性的网络语言代替内涵复杂的传统文字，霍兹曼所推崇的“书面化、思辨性”的印刷时代语言结构将渐行渐远。
《娱乐至死》中提出，“媒介的暗示隐蔽而有力。媒介的形式偏好某些特殊的内容，从而能最终控制文化。”表情符号的使用已不仅仅是对传统文稿的补充，更成为网络媒介影响社交语言结构的一把利器，其最终的威胁不是代替语言，而是控制我们的文化，使其变得浮躁、苍白。
参考文献
[1]张国良. 传播学原理[M].上海：复旦学出版社，2009.
[2]尼尔·波兹曼.娱乐至死[M].北京：中信出版集团，1985.
工作中存在的不足网络舆情监测工作是指网络信息工作的部门或人员在特定时期或者在特定的事件中对公众在互联网上发表的言论和意见进行监视、收集、分析、整理及预测的行为，这些言论被称为网络舆情。
当前的网络舆情监测工作平台主要是基于信息采集、整合技术和智能处理技术，通过对互联网海量信息的自动抓取、自动分类聚类、主题检测、专题聚焦，实现对用户的网络舆情监测，并由相关部门形成舆情工作报告、舆情信息简报等，为舆论引导提供可靠的分析依据。
进入大数据时代，网络舆论呈现的新特点，促使网络舆情监测工作暴露出诸多不足之处，这为网络舆情监测工作带来了诸多挑战。
网络舆论信息格局发生变化，舆情分析质量亟待提高。据人民网权威的《2016年中国互联网舆情分析报告》显示，在2016年，伴随着移动互联网应用不断向社会各层面渗透，网络舆论的格局发生了很大变化，如网民结构与社会人口结构趋同，网民产生代际更新导致网络流行议题和文化热点发生转换，微博、微信平台化，专业自媒体步入兴盛等。在这样的变局下，网络舆情监测工作面临着新的挑战。然而，有些部门的舆情信息收集工作仍然停留在报刊、门户网站、BBS、微博等开源信息的收集阶段，并未将新闻客户端、微信、直播等平台打通，难以保证舆情信息分析的全面性以及舆情热度指标的准确性。《2016年中国互联网舆情分析报告》还对近五年来参与当年最具网络关注度的20个舆情热点事件讨论的320万微博用户样本进行了分析，发现关注新闻事件和聚焦热点话题的网民发生了代际交替，在性别方面，女性的比例明显上升；在地域上，三、四线城市用户增长迅猛。受众层面发生的这些变化，也将在舆情监测工作中体现出来。然而在目前的舆情监测工作中，相关信息部门的舆情信息报送在内容上只是就事论事、停留在现象层面，对受众的成分、热点事件的社会背景以及事件背后所反映出来的社会问题没有进行细致深入的研究分析；在形式上，网络舆情监测工作的报送还停留在工作动态报告或者事件日志等形式的报送上。这样就造成了网络舆情信息的价值作用降低、服务能力减弱的问题。
热点事件话语体系不可控，舆情预警能力亟待增强。纵观近年来发生的热点公共突发事件，可以发现，在以大数据为基础的社交平台上，公众的话语体系呈现出了一些全新特征，如舆论主体的匿名性、参与渠道的多元化、生成议题的自发性、交流观点的无界性、汇集意见的实时性、发展趋势的不确定性等。这些特征与舆论话语体系在传统媒体的呈现完全不同，网络舆论热点事件话语体系的不可控性大大增强。
在社交媒体平台上，自媒体呈现出来的话语体系最为庞杂。许多舆情信息不仅包含结构化数据，还涉及大量非结构化数据，若对其准确性、真实性逐一核查，既耗费人力又耗费时间。就内容而言，较多负面、虚假舆情具有较强的隐蔽性，单纯以关键词或主题词进行搜索容易产生误判、遗漏。话语体系的不可控性增加了舆情监测工作的难度，这要求工作人员必须具备过硬的专业敏感性以及较强的网络操作技能。但是目前大多数舆情监测工作部门的信息工作人员缺乏专业化的训练，舆情信息工作水平参差不齐。就舆情监测平台系统来说，对于舆情信息的跟踪分析灵敏度较低，在有些热点事件的处理上没有按照公共突发事件的分类标准进行准确的分级，从而导致网络舆情信息的分析判断力体现不出其应有的情报价值，预警能力也随之削弱。
舆情监测的技术体系落后，人机不协调问题亟待解决。网络舆论的实时性及其发展的不确定性要求网络舆情监测必须迅速、及时，但很多单位部门的舆情监测平台的方法技术体系滞后，部分单位采用了网络监控系统、有害信息过滤系统等方式进行网络舆情监测，而有些单位为了节省舆情监测设备的成本，甚至将网络舆情监测工作依托于人工网页搜索及浏览的“人工盯梢”方式上，这成为监测工作的一大阻碍，监测工作出现疏忽错判也在所难免。排除资金、人力等客观因素，现阶段的网络舆情监测工作中技术方法体系的不足主要归因于“人机不协调”。机器与人工的协同分工模式不成熟、机器的辅助力量不够，导致人工智能技术在预测监测体系中分析情感、预测走势、检查效果等方面应用还稍显粗浅、机械，而在需要人工进行的高级维度分析、提出应对策略等层面，机器的应用又显得粗糙以及同质化。
人工智能为网络舆情监测带来的三大变革
网络舆情监测要适应大数据时代人工智能的要求，就必须顺势而为，积极进行变革，主要包括网络舆情监测技术体系的变革、网络舆情监测研究范式的变革以及网络舆情监测管理思维的变革三个方面。
网络舆情监测技术体系的变革。将人工智能技术应用于网络舆情是为了更好地对舆情进行分析研判，通过直观、简明的方式描述网络舆情信息的产生，进一步推导信息传播主体的态度倾向性、情绪感染性以及初衷、意图等，从而预测网络舆情信息的发展趋势。
如果说在“小数据”环境下，网络舆情监测工作还可以依托于“人工盯梢”的方式来完成，那么在“大数据”环境下，当数据的量级达到了EB甚至ZB级别后，以人工监测来把握舆情脉络已成为不可能完成的任务。而那些隐含在网络舆情信息中的观点、态度及情绪的表达，更难以从泛滥成灾的信息碎片中被真正发掘出来。加之海量信息的不共享所带来的“信息盲区”，更使得舆情信息分析不够严谨，易偏离实际，而这些问题都需要依托搭建智能化的网络舆情监管平台来解决。在平台上可以通过三种人工智能技术实现数据分析与人工智能研判相结合，再借助如眼动仪、脑电仪等受众检验仪器对网络舆情信息进行综合化分析。三种主要的人工智能技术主要包括：一是Web挖掘技术，该技术把互联网与数据挖掘技术结合起来，对网络上结构化数据如文字言论，以及非结构化的数据如视音频、图像等信息进行采集，完成信息前期处理的第一步；二是语义识别技术，该技术是利用采集到的信息，通过对语句中的关键词进行词义推断处理以及句子语法结构的分析，从而将复杂信息简单化，这是对采集的信息数据做进一步识别推断的过程；三是TFDF信息聚类技术，该技术主要提升数据信息的分析和分类速度，使网络舆情监测工作的处理更加及时，反应更加灵敏，提高采取措施的时效性。
人工智能技术的介入将有利于对信息进行挖掘、采集、分类、整理，从而找寻出最核心的关键性数据。在此基础上，还可以运用人工神经网络预测模型，对网络舆情的性质、发展趋势进行正确描述，并提出相应的对策。
网络舆情监测研究范式的变革。人工智能和大数据对网络舆情监测工作及其研究产生了颇为深刻的影响，舆情监测的研究范式从多角度发生了转向。
第一，舆情监测工作视角的转向：从单一化到多元化。在社交媒体平台上，受众的角色首先发生了转向，由信息的被动接收者转变为信息的参与者和传播者。这一转向给网络舆情监测工作带来了新的挑战，当受众是单纯的信息接收方时，网络信息的可控性强，舆情监测工作形式单一，把关相对容易。而受众角色发生变化以后，网络信息传播的不可控性大大增加，信息传播速度加快，信息传播呈现多元化特征，把关难度增加，网络舆情监测工作也从单一转向多元化，还需要对信息进行疏导、研判处理。
第二，研究视角的转向：从内容研究转向“内容+关系”研究。传统的网络舆情信息研究最重视的是受众借助网络进行的话语表达，其研究视角主要集中在内容层面。随着人工智能技术的介入，这一单向视角将发生转变，潜藏在内容层面背后的网络受众心理、行为、动机、诉求等多方面因素都将被关注到。借助人工智能技术及大数据分析技术，网络舆情信息的研究视角将透过内容层面深入到关系层面，转向对网络受众社会心理描绘、社会关系呈现、社会话语表达等多维度的研究。
第三，研究重点的转向：由舆情监测转向舆情预测。当前的网络舆情监测工作主要通过对当下网络舆情的动态信息进行随机采样来收集、整理、分析，更多的是关注已经发生的事件在过去及当下的动向，对未来的发展预测难以兼顾。而借助人工神经网络预测模型，通过自然语言处理、模式识别及机器学习等人工智能技术，可以对网络舆情的性质、发展趋势进行正确描述，再结合大数据分析处理整群数据来实现预测功能。比如，著名的搜索引擎公司谷歌通过关注用户搜索中的“流感”关键词来预测实际流感发生的时间，往往可以提前两三个周对流感的爆发进行预报及预防。
网络舆情监测管理思维的变革。在以人工智能技术为支撑的网络舆情监测平台出现之前，相关舆情监测部门的管理者往往由一人或几人的小团队组成，在监测信息数据量级不大的情况下，这种小作坊式单打独斗、面面俱到的舆情监控管理思维可以基本满足需求。但是随着人工智能技术的发展及大数据时代的到来，这种小作坊式的舆情监测体系面临瓦解。当前，商业化运营的软件监测团队多达几百家，这些监测软件服务商通过开发相应的舆情监测软件为政府部门、企业主体以及科研院所提供服务，进行简单的舆情信息数据采集及分类处理工作。在数据开源的情况下，这些软件服务商的竞争逐渐由粗放型、低层次化向数据处理的优化、人机互动、机器算法的精进等层面转变。
在以上变化的基础上，舆情监测的管理思维也必须转向，组建一支人员分工明确、高度聚合集约的舆情分析团队势在必行。舆情管理的思维变革依托于人工智能监控系统改变团队的组织结构及管理方式，通过智能化的舆情监测系统代替低效的人工操作，其专业性要求颇高，而最佳处理模式就是专业化团队加人工智能技术。按照这样的管理思维，未来舆情监测团队的分工将更加明确，行业内部集约聚合程度将进一步提高，行业有机化程度也将逐步增强。
【关键词】网络舆情监测 现状 发展路径
网络舆情监测业的现状
舆情监测是指整合互联网信息采集技术及信息智能处理技术，通过对互联网海量信息自动抓取、自动分类聚类、主题检测、专题聚焦，满足用户的网络舆情监测和新闻专题追踪等信息需求，形成简报、报告、图表等分析结果，为客户全面掌握群众思想动态，做出正确舆论引导，提供分析依据。①针对网络舆情监测，目前有两种观点，一种观点重在强调网络舆情监测软件系统的作用，即网络舆情监测是通过对网络各类信息汇集、分类、整合、筛选等技术处理，再形成对网络热点、动态、网民意见等实时统计报表的软件工具。另一种观点认为网络舆情监测是全部网络舆情服务工作的最基础部分，它是高度人机合一的工作。舆论监测机构以第三方的身份进行观察，将事件各方视为平等媒介主体，通过搭建适当的沟通渠道消除误解、解决问题，同时提供客观、中立的意见，是客户的智囊和顾问。笔者认为，这两种观点都只是部分反映了网络舆情的现实，是不全面的。因此，本文所讨论的是建立在二者基础上的网络舆情监测及其相关产业。总的来说，国内的网络舆情监测服务机构大致可以分为四类：
第一类由软件公司和传统的市场调查公司联合成立的舆情监测软件企业，以方正电子、拓尔思、军犬为代表，它们的技术实力较为雄厚，抓取网络舆情数据能力较强。
第二类是依托人民网、新华网等主流媒体建立的舆情监测平台，即舆情监测行业的媒体派，如人民网舆情监测室、新华网“舆情在线”。这两个舆情监测系统主要针对社情民意进行监测，对时事热点和受众心理变化的敏感度较高。
第三类由高校或学术机构创办的舆情研究所。如中国传媒大学网络舆情（口碑）研究所、中国人民大学舆论研究所等。这类机构具有浓厚的学术传统，汇聚了新闻学、传播学专业的各类精英，善于捕捉网络舆情的变化，并将其归纳、梳理，总结规律并且上升到理论研究的高度。
第四类是由舆情监测软件机构和高校新闻与传播研究所合作成立的舆情实验室，如南京大学—谷尼网络舆情监测与分析实验室、清华—优讯舆情实验室。这一类机构将高校多学科团队的学术优势与先进互联网监控软件的技术优势、市场经验相结合，实现优势互补。
这些网络舆情的监测机构都有一套较为完整的网络舆情监测理论体系、工作方法、工作流程和应用技术，既可以对传统媒体的网络版，又可以对各大网站的新闻、新闻跟帖、网络论坛、微博、博客、网络时评等进行24小时监测，并进行专业的统计和分析，最终形成监测分析研究报告。但是，它们之间的不同之处亦很明显：
第一，服务的对象不同。舆情监控系统功能、工作流程大同小异，服务的对象不尽相同，有专攻一个领域的，有做全面监测的。如红麦舆情监测系统重点在做金融行业，已经形成了成熟的工作流程和方法；新华舆情在线主要是专为中央有关部门服务的。第二，宣传的重点不同。大多数机构强调自己的技术实力，只有部分舆情监测服务机构强调自己的智力和人才资源。如清华优讯，倡导是“中国目前唯一一家可以监测电视、报刊、网站、论坛、博客、微博的全媒体舆情监测服务商。”第三，对新产品开发的重视程度不同。以软件系统著称的技术派在其网站的主页上只有案例库汇集，缺少衍生品的开发，而依托主流媒体或者高校的舆情监测机构非常重视衍生品的开发。
我国舆情监测业存在的问题
从目前的情况来看，我国的舆情监测业存在的问题主要表现为以下几个方面：
舆情监测机构的专业人员严重缺乏。虽然有许多舆情监测机构在广告中都提出依靠软件系统能解决大部分问题，但是仍然需要舆情分析师结合软件数据，撰写人工分析结论。目前，国内的舆情分析师大多数由传统的新闻宣传工作者转型而来，但是离市场的需求还有相当大的人才缺口。据相关机构调查显示，我国专业舆情人才缺口现已超过120万。②
舆情服务机构的产业链不完善。国内的一些公司如大旗网、蓝色光标等，它们提供的服务比较简单，大都是企业发生危机后进行灭火工作。还有一些舆情监测公司更像是体检中心，不具备预警和危机应对功能，客户在得知自身问题后，也不能采取专业有效的措施去处理危机。从舆情监测的产业链上看，整个行业由舆情监测、分析、应对处理多个环节构成。从用户需求的情况来看，用户需要的是“高质量的监测平台+专业的舆情服务”，而不仅仅是一个监测软件。与此同时，传统媒体作为舆情产业链上的一环，作用虽然非常重要，但从目前来看，它们往往处于产业链的下游，自主性严重不足。
重视对客户的服务，忽视对民意的研究。目前一些网络监测机构只强调对政府和企业的服务，对网上舆论则采取“堵”的解决策略。甚至还有一些专门的“删帖公司”，甚至有一些舆情监测公司就在自己的网页上明确写着可以替客户“删除负面信息”，这种同时兼营网络删帖业务的舆情监测公司在行业内大概占到20%。③还有一些地方与部门不是着眼于研究民意、改进工作，而是想借助舆情监测和监测机构或主流媒体建立联系，以便帮助他们监控和处理负面信息。
舆情监测行业规范尚未建立。由于目前有关管理部门尚未出台严格的行业规范和标准，一些商业网站、广告公司、营销公司、公关公司等，也开始纷纷涉足网络舆情监测业务，不规范的业务运作使得“网络删帖”、“网络水军”等大量出现，严重影响了舆论监测行业的健康发展。截至2012年1月，经过工信部软件司认定登记颁证的“舆情”软件共有约68款，市场上还大量存在未经认证的同类软件。在舆情监测产业壮大的同时，呼吁推动舆情服务业透明化、规范化的呼声也越来越多。
我国舆情监测机构的发展路径
加强专业网络舆情分析师的培养。舆情监测软件和平台提高了效率，但人工分析仍是重点。在舆情分析师这个新职业群体中，虽然不乏搜索引擎专家、网络调查专家、统计高手、图表专家等“高技术”人才，但是分析师们所需要的不仅仅是技术。舆情分析师的五大基础技能包括挖掘与收集网络舆情信息、概括剖析网络言论、抽样统计网络舆情数据、撰写舆情分析报告、预测舆情走势。一名合格的网络舆情分析师，除了要有舆论学、传播学、统计学、公共管理学等学科的理论知识以外，还应具备很强的新闻敏感性、舆情分析研判和危机管理能力，熟悉网络舆情抽样、统计、分析工具和模型，对社会心理与网络语言文化有长期观察研究。作为独立的第三方，舆情分析师树立稳定的价值观至关重要。除此之外，还必须了解突发事件演变规律及舆情分析研判能力。
舆情监测机构与高等院校或科研所或新闻媒体结合，实现业务实践与理论研究、硬技术与软实力双赢。大数据时代舆情监测机构要想谋求很好的发展，必须走强强联合之路。具体来讲，就是高等院校或科研所或新闻媒体相结合，实现业务实践与理论研究、硬技术与软实力双赢，这在舆情监测业界已经有不少的成功案例。如2012年9月，红麦聚信（北京）软件技术有限公司与暨南大学成立“暨大—红麦舆情研究实验室”，以红麦舆情监测系统技术平台为基础，收集和处理网络、微博舆情信息数据，提供给实验室作为舆情研究的数据；实验室依据红麦软件提供的网络、数据，制作舆情深度分析报告。
整合资源，开发新产品，构建完整的网络舆情监测产业链。舆情监测机构要选择战略合作伙伴，有效地整合资源才能提供快准全的舆情、竞争情报等业务。如红麦软件与华声财讯成功携手，将技术、服务、业缘关系等优势完美结合。2012年8月，两家签署全面战略合作伙伴协议，携手进军在云计算、大数据背景下的业务情报市场。经过资源整合，促进彼此的发展。总的来说，当前舆情业从监测、处理分析到应对的整个产业链条上都已经有了足够多的竞争者。对于未来，谁能将整个链条打通并有效整合，谁将是未来的最大赢家。④
研究客户需求和网络民意，促进两个舆论场良性互动。研究客户需求，就是针对不同需求的客户，开发出几套特定的监测系统，进行舆情预警、危机指导、危机公关与修复、媒体沟通、法律维权等全方位的服务。研究网络民意，就是对网络上反映的问题在第一时间发现并及时处理，变堵为疏，而不是无视民意，任期发酵，让其成为“烂尾”新闻。
“大众麦克风时代”，民心可敬、民意可畏、民气可用，舆情监测机构要本着中央“三贴近”的要求，善于从群众利益角度，触摸民意脉搏，从基本事实的认定到价值判断，乃至话语方式，与网民坦诚交流；同时让党和政府的声音进入网络社区，推动互联网上官民的顺畅沟通和良性互动。
（作者单位：南阳师范学院新闻与传播学院；本文系河南省2013年软科学研究计划项目成果，项目编号：132400411125）
【注释】
①高忠业：“青岛入列首批国家舆情师培训计划”，《青岛财经日报》，2013年5月8日
②李光：“百亿市场前景催生网络舆情监测业”，《凤凰周刊》，2010年7月5日。
〔关键词〕社交媒体；信息可信度；评估；综述
〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2016）12-0164-06
〔Abstract〕Information credibility assessment research in social media not only contributes to the development and improvement of network information resource management theory，but also helps to improve the effectiveness of social media monitoring public opinion，social media search，social recommendation and so on.The paper firstly reviewed the researches at home and abroad about the social media information research，information credibility research，and social media information credibility assessment research，and then pointed out the problems existing in information credibility assessment research of domestic social media，and finally put forward the solution to it.
〔Key words〕social media；information；credibility；assessment；review
1 研究的意义
随着互联网技术和移动技术的突飞猛进，社交媒体盛行，人人可做信息的制造者，制造的信息极为丰富。然而，在这丰富信息的背后，隐藏着漫天飞舞的谣言、病毒般传播的虚假照片和视频，这给人们幸福的生活、社会的稳定带来了严重的隐患。为了遏制虚假不良信息传播，营造健康向上的网络环境，信息可信度评估就成了迫在眉睫的问题，社交媒体信息急需“鉴定师”和“测谎仪”。
社交媒体信息可信度评估研究既有较高的学术价值，也有较强的应用价值。具体来说，学术价值表现在研究社交媒体信息可信度评估并探讨虚假信息的生成机制、传播模式、治理措施，是对社交媒体环境下网络信息资源管理理论的丰富、发展与完善。应用价值表现在研究社交媒体信息可信度评估有助于社交媒体用户判断信息的可信性，营造诚信健康的互联网环境，也有助于提高社交媒体信息舆情监控、社交媒体信息引导、社交媒体搜索、社会化推荐等方面的效果。
2 社交媒体信息研究
社交媒体（Social Media）是通过Web2.0技术实现的一类支持用户自主创造和交换内容的媒体，如Twitter、Facebook、Youtube、LinkedIn、Wiki、微博、微信、QQ、论坛、人人网等。自1973年Lipkin、Szpakowski和Felsenstein 3人在美国加州伯克利市建立全球第一个公共电子公告牌系统 Community Memory后，BBS以及网络社区等早期的社交媒体开始映入人们的眼帘。《2015年全球社会化媒体、数字和移动业务数字统计趋势》报告表明：全球社交媒体活跃用户约占全球人口的29%。
2.1 国外研究
社交媒体的相关研究从20世纪80年代开始，在2005年左右开始进入快速发展阶段，发文量有逐年增加的趋势。在国际期刊中，发表社交媒体论文较多的要属《Computers in Human Behavior》。近两年，关于社交媒体的国际会议主要有ASONAM、SMP、MISNC、SMAP、SCSM。国外学者研究内容主要集中在以下4个方面：
2.1.1 社交媒体信息利用研究
社交媒体在商业领域、教育领域、公共管理领域等都有广泛的应用[1]。如在营销领域，利用社交媒体信息，可以获知消费者态度和行为[2]，可以获知客户交流和推荐对营销的影响[3-4]，可以获知社交媒体信息对营销管理功能的影响[5]。
2.1.2 社交媒体信息检索与信息推荐研究
侧重于社交媒体信息检索与信息推荐方法的研究。社交媒体信息的检索采用主题模型[6]、社会网络[7]、本体[8]等检索方法。比如，Hong和Davison（2010）使用标准主题模型进行社交媒体Twitter信息的检索。社交媒体信息的推荐采用内容推荐[9]、协同过滤[10]、时序推荐[11]、位置推荐[12]、社会化推荐[13]等方法。比如，Levandoski等（2012）提出位置感知推荐系统（LARS）[12]。
2.1.3 社交媒体信息传播研究
侧重于反映信息传播传播规律的社交媒体信息传播模型的构建以及通过模型的构建对实际问题进行预测等方面的研究。如Galuba等（2010）通过研究1 500万URL在不同Twitter用户之间的300小时传播，提出了基于内容流行度、用户影响力和传播速度的线性阈值模型[14]。Adar和Adamic（2005）通过研究信息在博客中传播的模式和动力学特性，提出用传染病模型来描绘信息传播的机理[15]。Asur和Huberman（2010）采用来自的聊天数据通过简单的线性回归模型预测电影票房的收入[16]。
2.1.4 社交媒体用户隐私研究
在探讨社交媒体用户隐私现存问题的基础上，提出了相应的隐私保护方法。如Viswanath等（2010）首先研究Sybil防御的缺陷，在其基础上探讨了替代Sybil防御的方法[17]。Conti等（2011）采用FaceVPSN解决社交媒体用户隐私问题[18]。
2.2 国内研究
国内学者的社交媒体研究最早可追溯至20世纪90年代末，但从2005年后起关于社交媒体的论文才逐渐表现出增长态势。国内研究内容主要集中在：
2.2.1 社交媒体信息传播研究
研究内容包括：①社交媒体信息传播模式研究。如韩佳等（2013）提出了基于改进SIR的在线社交网络信息传播模型[19]。姜景等（2015）构建表征谣言信息与辟谣信息传播机理的Lotka-Volterra竞争模型[20]。②社交媒体信息传播中存在的问题与对策研究。如阎俊（2015）探讨微博传播存在的问题及原因，并提出了加强微博内容管理、增强把关意识、提高微博用户的媒介素养等对策[21]。③社交媒体信息传播效果研究。如陈远和袁艳红（2012）以新浪微博作为数据来源，把信息覆盖人数、评论数、转发数作为微博信息传播效果的量化指标，从纵横向两个角度研究新浪微博信息传播过程造成的效应[22]。
2.2.2 社交媒体舆情分析与监测研究
如张J等（2014）以打砸日系车系列突发公共事件为实例，探讨其在新浪微博和新浪新闻平台上舆情传播的特征与规律[23]。张瑜等（2015）对新浪微博热门话题“北京单双号限行常态化”下的微博进行了数据采集，将舆情演化划分为潜伏、成长、爆发、衰退、波动、死亡6个阶段，并对各阶段进行情感分析，为舆情治理提供了支持[24]。唐涛（2014）在分析网络舆情五要素的基础上，探讨移动互联网舆情的新特征，指出面临的新挑战，并从信息分析、信息筛选、信息引导等方面提出对策[25]。
2.2.3 社交媒体营销研究
如唐兴通（2012）的著作《社会化媒体营销大趋势：策略与方法》系统总结了社交媒体营销，并对众多社交媒体工具在实际工作中的应用提供了具体的建议[26]。张淼（2014）提出了企业完善社交媒体营销策略的“9+3”模式[27]。刘晓燕和郑维雄（2015）采用社会网络分析方法研究企业微博营销传播的效果[28]。
3 信息可信度研究
3.1 国外研究
信息可信度（Information Credibility）是指人们对信息可相信程度的认识。它由值得信赖（Trustworthiness）和专业性（Expertise）两个关键要素组成[29]。信息可信度比较系统的研究始于20世纪50年代的传播领域。Hovland和同事的工作具有里程碑的意义[30]。信息可信度最初关注的是传播者的可信度。国外对传统媒体信息可信度的研究主要是从信源可信度、内容可信度、渠道可信度三方面展开的。随着互联网的出现，网络信息可信度的评估被提上了议事日程。研究情况可归纳如下：
3.1.1 网络信息可信度评估的理论模型
主要有Fogg（2003）的P-I理论模型、Wathen和Burkell（2002）的评判模型、Sundar（2008）的MAIN Model、Hilligoss和Rieh（2008）的统一模型、Metzger（2007）的双处理模型以及Lucassen等（2013）的3S模型（修订版）。以上理论模型是由情境、用户特征、操作性、处理过程这些侧面的若干部分构建而成的。
3.1.2 网络信息可信度研究内容
主要有对网络新闻的可信度研究、对搜索引擎结果的可信度研究以及对维基百科内容的可信度研究。比如，Nagura等（2006）通过比较关于同一主题不同网页的相似度来计算每个网页的可信度[31]。Yamamoto和Tanaka（2011）利用用户可信度评判模型对网页搜索结果进行重新排序，以便从Web搜索结果的列表中用户可以更高效的找到可信的网页[32]。Adler等（2008）以文章长度、版本数量和基于贡献数量的作者声誉建立模型，计算出维基百科文章的可信度[33]。
3.1.3 网络信息可信度研究方法
主要采用定量研究法。比如，Olteanu等（2013）在调查网页的各种特征（文本内容、链接结构、网页设计等）的基础上，经过统计分析方法筛选出关键的特征，采用监督学习算法来推断网页内容的可信度[34]。与网络信息可信度有关的典型系统有日本的WISDOM和Honto？Search。
3.1.4 影响力较大的项目和国际会议
影响力较大的项目有互联网可信度研究（The Web Credibility Research）项目，影响力较大的国际会议有WICOW（Workshop on Information Credibility on the Web）。
3.2 国内研究
1993年的《鉴别虚假信息五法》是国内发表的早期论文。2004年至今，相关研究进入快速发展期。相对于国外较多研究评估算法和评估系统，国内研究重点在于定性分析上，大多采用问卷调查及专家访谈法等进行人工评估。国内研究内容主要有：
3.2.1 侧重于信息可信度影响因素研究
比如，龚思兰等（2013）针对评论信息的文本内容、长度、情感倾向、时效性、者、商家活动等特征，通过问卷调查方式对大学生消费群体进行在线商品评论信息可信度影响因素实证分析[35]。蒋洪梅（2013）运用理论分析辅以实证研究的方法，从宏观的社会系统、中观的政策法规、微观的媒介与受众3个视角分析网络新闻信息可信度的影响因素[36]。
3.2.2 侧重于信息可信度指标体系的构建
比如，胡红亮（2013）按照信息源、信息加工、信息传播和信息应用等方面采用德尔菲专家调查法建立了学术著作可信度的基本评价模型[37]。潘勇和孔栋（2007）基于第三方认证机构的视角，构建了电子商务网站的信用评价指标体系及评价因素集，并建立灰色关联信用评估模型[38]。当然，也有少量基于机器学习的信息可信度自动化评估实验研究，比如，马伟瑜（2011）提出一种采用改进的PageRank算法评估网页信息可信度的方法[39]。
4 社交媒体信息可信度评估研究
4.1 国外研究
国外相关研究较早。社交媒体信息可信度的相关研究随着BBS的出现随之展开，最早可追溯到20世纪80年代。目前可以说，研究处于繁荣期。国外研究情况可归纳如下：
4.1.1 社交媒体信息可信度评估研究内容
研究内容主要包括：①不实信息的判断识别。如Qazvinian等（2011）提取Twitter信息的文本特征、网络特征和微博元素特征，构建贝叶斯分类器甄别谣言[40]。Zhao等（2015）通过研究查询帖以便及早识别社交媒体谣言[41]。②话题新闻的可信度评估。如Castillo等（2011）选取了有关用户特征、文本特征、主题特征、信息传播特征，采用J48决策树评估Twitter中话题新闻的可信度[42]。
4.1.2 社交媒体信息可信度评估方法
评估方法主要有监督学习[43]，统计分析[44]，与可信信息来源的相似性比较[45-46]，社交网络的链接结构分析与主题模型的利用[47]等。它们主要采用自动评估，具体来说：①选取的特征：选取的特征主要是用户特征、文本特征、信息传播特征。比如，西班牙的Castillo和智利的Mendoza、Poblete（2011）选取用户特征（如注册时间、粉丝量、好友量），文本特征（如是否包含#标签、是否包含问号、Tweet中包含的URL数量、是否转发），主题特征（如带#标签Tweet的比例、Tweet数量、Tweet的平均长度、Tweet的平均情感分值、积极情绪或消极情绪的比例），以及信息传播特征（如传播树的深度），采用J48决策树评估Twitter信息的可信度[42]。②评估的方法：大多通过构建SVM分类器、Bayesian分类器、Decision Tree分类器等方法，并对结果进行分类，以达到评估社交媒体信息可信度的目的。上例Castillo等采用J48决策树构建分类器，并对结果进行分类，从而评估Twitter信息的可信度[42]。当然，也有通过对结果进行排序的实例，从而达到评估社交媒体信息可信度的目的。比如，Gupta和Kumaraguru（2012）采用Rank-SVM与PRF相结合的方法，按照可信度得分对Twitter信息进行排序[43]。
4.1.3 有较大影响的在研项目与系统
由欧盟资助七国科研人员联合攻关的PHEME项目研究的重点是社交媒体信息的真实性，该项目在国际上有较大影响。Jacob Ratkiewicz等（2011）开发出可实时追踪Twitter上政治谣言的Truthy系统[48]。Gupta等（2014）、Lorek等（2015）分别开发出一款可自动评估推文可信度的工具TweetCred、TwitterBOT[49-50]。
4.2 国内研究
2007年《博客信息“可信度不亚于纽约时报”？》拉开了国内探讨社交媒体信息可信度评估的序幕。目前研究还处于发展的初期。社交媒体信息可信度评估研究主要有：
4.2.1 社交媒体信息可信度影响因素研究
如刘雪艳和闫强（2013）探讨政府微博中的热点事件信息可信度的影响因素[51]。丁科芝（2015）从信息传播者、渠道、信息内容和用户基本信任观念4个方面构建社交网络可信度影响因素模型[52]。薛传业等（2015）从信息来源可信度、信息传播渠道可信度、信息内容可信度以及信息评论反馈多维度探讨了突发事件中社交媒体信息可信度的影响因素[53]。
4.2.2 构建社交媒体信息可信度指标体系研究
它大多采用问卷调查及专家访谈法进行人工评估。屈文建和谢冬（2013）从站点层次、版块层次、主题层次、内容层次4方面，采用模糊综合信用评估模型对网络学术论坛信息可信度进行评估[54]。莫祖英等（2013）从微博信息量、信息内容质量、信息来源质量和信息利用情况等方面进行问卷调查，采用层次分析法构建微博信息质量评估模型[55]。当然国内也有少量自动化评估的例子。比如，贺刚等（2013）引入关键词分布特征和时间差等新特征，基于SVM算法来预测新浪微博信息是否为谣言[56]。程亮等（2013）提出基于BP神经网络模型及改进其激发函数，同时引入冲量项，对微博话题在传播过程中演变为谣言进行检测[57]。路同强（2015）采用半监督学习算法检测微博谣言，但不足之处在于未考虑信息的深层特征[58]。
4.3 存在的问题
对比国内外研究情况，可发现国内研究存在如下问题：
4.3.1 研究内容
关于社交媒体信息可信度研究，国内外目前以微博研究较多。与国外丰富的研究内容相比，国内在该领域的研究还主要集中于对影响因素以及特征的探讨上。
4.3.2 研究方法
国外定量研究较多，很多涉及自动化评估，而国内定性研究较多，大多采用问卷调查法、专家访谈法等进行人工评估。
总之，现有研究大多是针对Twitter等英文社交媒体，其研究成果大多不能直接应用于中文社交媒体。尽管也有少量研究是面向中文社交媒体的，但研究成果零散，还缺乏系统性。另外，在特征选择上，选择范围面较窄，考虑社交媒体深层的隐含特征较少。
5 结 语
为了解决中文社交媒体的可信度评估问题，在吸收前人研究的基础上[59-63]，很有必要对中文社交媒体信息可信度进行系统研究，特别是在参考国外信息可信度评估系统的基础上，很有必要研制开发中文社交媒体信息可信度评估系统，实现中文社交媒体信息可信度的自动评估。在进行中文社交媒体信息可信度评估中，应注意下列问题：
1）评估要在对信息资源分类的基础上，对不同的类别采用不同的评估指标体系，以提高评估工作的科学性和合理性。
2）评估既要重视定性评估，也要重视定量评估，尤其是自动化评估。特别是在大数据环境下，应针对评估的实际需求，制定科学的评估方案，选择恰当的评估方法，构建适合评估工作需要的自动化评估系统。
3）评估指标、评估模型的选取以及参数的训练，既要考虑研究结果的精确度，又要考虑系统的运算时间。
4）评估模型构建后，不仅要进行实验室评估，还应进行实际效果评估。
参考文献
[1]Ngai，E.W.T.，Moon，K.K.，Lam，S.S.，Chin，E.S.K.and Tao，S.S.C..Social media models，technologies，and applications[J].Industrial Management and Data Systems，2015，115（5）：769-802.
[2]Gamboa，A.M.and Gonalves，H.M..Customer loyalty through social networks：lessons from Zara on Facebook[J].Business Horizons，2014，57（6）：709-717.
[3]Jin，S-A.A.and Phua，J.Following celebrities tweets about brands：the impact of Twitter-based electronic word-of-mouth on consumers source credibility perception，buying intention，and social identification with celebrities[J].Journal of Advertising，2014，43（2）：181-195.
[4]Colliander，J.and Dahlén，M.Following the fashionable friend：the power of social media[J].Journal of Advertising Research，2011，51（1）：313-320.
[5]Moncrief，W.C.，Marshall，G.W.and Rudd，J.M..Social media and related technology：drivers of change in managing the contemporary sales force[J].Business Horizons，2015，58（1）：45-55.
[6]Hong，Liangjie and Davison，B.D..Empirical study of topic modeling in twitter[C]∥Proceedings of the First Workshop on Social Media Analytics（SOMA10）.ACM，New York，NY，USA，2010：80-88.
[7]Kleinberg，J.M..Authoritative sources in a hyperlinked environment[J].Journal of the ACM，1999，46（5）：604-632.
[8]Tobar，C.M.，Germer，A.S.，Adan-Coello，J.M.，and De Freitas，R.L..Information retrieval in Wikis using an ontology[J].Computational Science and Engineering，2009：826-831.
[9]Kim，Y.and Shim，K.TWILITE：A recommendation system for Twitter using a probabilistic model based on latent Dirichlet allocation[J].Information Systems，2014：59-77.
[10]Ramesh，A.，Anusha J.，Clarence，J.M.T..A novel，generalized recommender system for social media using the collaborative-filtering technique[J].ACM SIGSOFT Software Engineering Notes，2014：1-4.
[11]Zimdars，A.，Chickering，D.M.，and Meek，C.Using Temporal Data for Making Recommendations[C]∥Proceedings of the Seventeenth conference on Uncertainty in artificial intelligence（UAI01），Jack Breese and Daphne Koller（Eds.）.Morgan Kaufmann Publishers Inc.，San Francisco，CA，USA，2001：580-588.
[12]Levandoski，J.J.，Sarwat，M.，Eldawy，A.and Mokbel，M.F..LARS：A Location-Aware Recommender System[C]∥IEEE 28th International Conference on Data Engineering，Washington，DC，2012：450-461.
[13]Jamali，M.and Ester，M.Trust Walker：a random walk model for combining trust-based and item-based recommendation[C]∥Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining（KDD09）.ACM，New York，NY，USA，2009：397-406.
[14]Galuba W，Aberer K，Chakraborty D，Despotovic Z，Kellerer W.Outtweeting the twitterers-predicting information cascades in microblogs[C]∥Proceedings of the 3rd Workshop on Online Social Networks，USENIX Association，Boston，MA，USA，2010：1-9.
[15]Adar，E.and Adamic，L.A..Tracking Information Epidemics in Blogspace[C]∥Proceedings of the 2005 IEEE/WIC/ACM International Conference on Web Intelligence（WI05）.IEEE Computer Society，Washington，DC，USA，2005：207-214.
[16]Asur，S and Huberman，B.A..Predicting the Future with Social Media[C]∥2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology（WI-IAT），Toronto，2010：492-499.
[17]Viswanath，B.，Post，A.，Gummadi，K.P.，and Mislove，A.An analysis of social network-based Sybil defenses[J].Acm Sigcomm Computer Communication Review，2010，40（4）：363-374.
[18]Conti，M.，Hasani，A.，and Crispo，B.Virtual Private Social Networks[C]∥Proceedings of the 1st ACM Conference on Data and Application Security and Privacy（ACM SIGSAC CODASPY 2011），San Antonio，TX，USA，2011：39-50.
[19]韩佳，肖如良，胡耀，等.在线社交网络中信息传播模式的特征分析[J].计算机应用，2013，（1）：105-107，111.
[20]姜景，李丁，刘怡君.基于竞争模型的微博谣言信息与辟谣信息传播机理研究[J].数学的实践与认识，2015，（1）：182-191.
[21]阎俊.微博传播的问题与对策研究[D].锦州：渤海大学，2015：1-38.
[22]陈远，袁艳红.微博信息传播效果实证研究[J].信息资源管理学报，2012，（3）：28-34.
[23]张，孙霄凌，朱庆华.突发公共事件舆情传播特征与规律研究――以新浪微博和新浪新闻平台为例[J].情报杂志，2014，（4）：90-95.
[24]张瑜，李兵，刘晨.面向主题的微博热门话题舆情监测研究――以“北京单双号限行常态化”舆情分析为例[J].中文信息学报，2015，（5）：143-151，159.
[25]唐涛.移动互联网舆情新特征、新挑战与对策[J].情报杂志，2014，（3）：113-117.
[26]唐兴通.社会化媒体营销大趋势：策略与方法（第2版）[M].北京：清华大学出版社，2012：1-235.
[27]张淼.社会化媒体在市场营销中的应用研究[D].北京：首都经济贸易大学，2014：1-47.
[28]刘晓燕，郑维雄.企业社会化媒体营销传播的效果分析――以微博扩散网络为例[J].新闻与传播研究，2015，（2）：89-102，128.
[29]Fogg，B.J.，and Tseng，H.The elements of computer credibility[C]∥Proceedings of the SIGCHI conference on Human Factors in Computing Systems，Pittsburgh，Pennsylvania，USA，1999：80-87.
[30]Rieh，S and Danielson，D.Credibility：A Multidisciplinary Framework[J].Annual Review of Information Science and Technology，2007：307-364.
[31]Nagura，R.，Seki，Y.，Kando，N and Aono，M.A method of rating the credibility of news documents on the web[C]∥Proceedings of the 29th annual international ACM SIGIR conference on Research and development in information retrieval（SIGIR06）.ACM，New York，NY，USA，2006：683-684.
[48]Ratkiewicz，J.，Conover，M.，Meiss，M.，Gonalves，B.，Patil，S.，Flammini，A.and Menczer，F.Truthy：mapping the spread of astroturf in microblog streams[C]∥Proceedings of the 20th international conference companion on World wide web（WWW11）.ACM，New York，NY，USA，2011：249-252.
[49]Gupta，A.，Kumaraguru，P.，Castillo，C.，and Meier，P.TweetCred：Real-Time Credibility Assessment of Content on Twitter[C]∥Social Informatics.Springer International Publishing，2014：228-243.
[50]Krzysztof，L.，Jacek，S.W.，Michal，J.L.，and Amit，G.Automated Credibility Assessment on Twitter[J].Computer Science，2015，（2）：157-168.
[51]刘雪艳，闫强.政府微博中的热点事件信息可信度研究[J].北京邮电大学学报：社会科学版，2013，（2）：6-12.
[52]丁科芝.社交网络信息可信度研究[D].武汉：华中师范大学，2015：1-61.
[53]薛传业，夏志杰，张志花，等.突发事件中社交媒体信息可信度研究[J].现代情报，2015，（4）：12-16.
[54]屈文建，谢冬.网络学术论坛信息可信度的灰度分析[J].图书情报知识，2013，（2）：112-118.
[55]莫祖英，马费成，罗毅.微博信息质量评价模型构建研究[J].信息资源管理学报，2013，（2）：12-18.
[56]贺刚，吕学强，李卓，等.微博谣言识别研究[J].图书情报工作，2013，（23）：114-120.
[57]程亮，邱云飞，孙鲁.微博谣言检测方法研究[J].计算机应用与软件，2013，（2）：226-228，262.
[58]路同强，石冰，闫中敏，等.一种用于微博谣言检测的半监督学习算法[J].计算机应用研究，2016，（3）：744-748.
[59]Ginsca，A.L.，Popescu，A.，and Lupu，M.Credibility in Information Retrieval[J].Foundations and Trends in Information Retrieval，2015：355-475.
[60]Lazar，J.Meiselwitz，G.and Feng，J.Understanding Web Credibility：A Synthesis of the Research Literature[M].Now Publishers Inc，2007：1-80.
[61]Zafarani，R.Abbasi，M.A.，and Liu，H.社会媒体挖掘[M].北京：人民邮电出版社，2015：1-240.
最近一个十分火爆的议题便是Facebook申请上市，预估市值虽然很高但也没有高出大家惊叹的地步，主要是因为大家都觉得它似乎应该也值那么多钱，1000亿美元的估值宣告的不仅是Facebook成为市值最高的公司之一，也在宣告大数据爆炸时代已经到来!
事实上，facebook已经跟营销息息相关，许多企业在上面建立了主页，建构了自己的粉丝团与赞(I Like)活动网页，成都某外贸网站副总说，“我们有1／3以上的业务都通过Facebook推广；公司产品通过Facebook的人际圈子口碑相传，可信度与转化率都更高。”而针对海外市场进行网络营销的四海商舟已经为李宁、帅康、爱慕等中国企业经营其Facebook主页，进行品牌营销；在许多网络媒体与品牌企业的眼中，Facebook的价值不仅是带来大量营收，也带来了新的市场，改变了做生意的模式；因此社交媒体舆情数据分析的第三方软件与独立咨询公司层出不穷，此前Nielsen就购并了一家专门做Facebook数据分析咨询的公司，这正说明了许多大企业客户有了把外部社交网络数据纳入销售决策与预测之中。
什么是大数据?根据IDC的预测，大量新数据无时不刻不在涌现，它们以每年50％的速度在增长，或者说每两年就要翻一番多，并不仅仅是数据的洪流越来越大，而且全新的支流也会越来越多，而社交网络仅仅是其中的一部分，我们所说的大数据包含了微博评论／论坛／SNS社区／物联网／舆情监测乃至于LBS商圈流量与气候互动因素；事实上，日本7-11就开发了一套系统，将POS机、物品分捡装置、便利店记录器的数据与天气预报资讯等结合，预测未来畅销货品与供货的及时性；这个例子说明了大数据爆炸虽然带来了新机会，但更多是需要企业改变现有营销数据搜集与预测习惯，更多的是改变决策习惯乃至4p相关的决策准则；但目前在国内，我们只看到越来越多舆情监测公司的出现，企业需求也是纷涌不断，这些公司都有了良好价值如CIC被奥美集团并购，但这些公司并未提供大数据整合，充其量也只是提供了新型社交媒体尤其是微博的舆情监测与数据分析!
上海我能调研咨询公司在本月收到几位客户咨询并开展了合作项目，企业客户以往做过微博的舆情监测，数据分析报告可说是比人高比Smart贵，但是在应用时往往发现这些数据有失真嫌疑，主要是中国互联网专业水军多，导致海量数据失准，因而他们希望能够找到其他营销数据结合在一起使用，并因此校正微博营销数据的偏差。我能调研为其设计了从日常营销数据，通路资讯／竞争者分析／市场调查U&A与微博舆情分析经统计模式校正的大数据整合模型，这个模型并不重要，重要的是基于大数据的营销流程再造，这才是大数据爆炸下的应有之题与重中之重!
此前不久在瑞士达沃斯举行的世界经济论坛上，大数据是框定的主题之一。该论坛的一份报告《大数据，大影响》，宣告了数据成为一种新型的经济资产，就像货币或者黄金一样；国内许多知名企业家都参与了该会，我不禁想，如果企业仅仅将这个主题当作未来的一个趋势，那这个企业将十分危险，因为这已经不是趋势，而是我们生活的现实，也许你不需如上世纪90年代像华尔街那样招聘天文学家和理论数学家设计晦涩难解的金融产品，或是如今天的IBM雇用了全球最多的数学博士来研究数据与各行业的应用(如石油勘探和医学之类的事情)；但企业家应该开始关心你的营销决策数据来源是哪些?数据如何被产生、收集、分析的?数据的量是否够?数据是否能够通过模型来建立参考常模与预测情境?这仅仅只需你办个座谈会，让你的营销／IT人员与市场调研或第三方数据咨询服务公司进行讨论，也许就能跨出很小但很关键的一步，从而让你在未来大数据风暴中越走越稳!
[关键词]舆情信息 增值 模式 研究
一、当前信息工作的主要难点
1.技术系统阈限。
新媒体时代，海量信息突破人脑筛选研判的极限，而诸多偶发性因素使社会舆情更加复杂多变，这就需要通过技术创新，完善相关信息的收集渠道和方法，提高舆情信息监测分析的工作效率。目前，信息技术已被广泛应用在舆情监测和研究领域。专业的舆情监测系统，能通过对网络各类信息汇集、分类、整合、筛选等技术处理，形成对网络热点、动态、网民意见等方面的实时跟踪统计。舆情分析师在此基础上对事件进行倾向性统计与关注度趋势分析，可以为决策者提供科学化的信息服务。
人工智能的舆情系统，能够对突发事件、涉及内容安全的敏感话题进行跨时空分析和预警，但由此也衍生出“技术万能”的工作惰性。实际上，舆情系统的智能化水平，在语义识别、情感辨析方面存在较大的“瓶颈”阈限，在应对各类舆情事件的场域变量和约束条件方面，难以适应市场环境和用户需求无界等因素。只有将专业人士的宝贵经验、逻辑推理规则与系统结合，才能更好的实现人机结合，建立一条从事实认定到价值判断直至应对处置的“全程高速公路”。
2.采集信源失真。
是否能够有效进行舆情研判，关键在于舆情信息的收集和监测。面对复杂严峻的舆情态势， 各级政府部门开始组建自己的舆情信息队伍，建立专门的抓取渠道，并设计出科学的搜集流程，形成通畅的、可靠的舆情汇集系统。但是，这类由政府部门自身成立的信息机构，主要收集汇编群众对本地区、本部门工作的反馈，侧重于“听民意”而不是“问民意”，甚至会“报喜不报忧”，僵化为对本部门、单位、系统的决策印证。
在信息采集的过程中，信源受采集主体主观因素的影响和客观条件的限制，会造成采集到的信息失真、过时、失效。主观因素有：决策者长官意志制约，信息采集者取舍不当或定向采集，查证信源不规范、文本核对不严谨等。客观条件主要指采集信息的方法误差，比如：抽样的偏差，计量的误差，调查问卷的设计不当，数据汇总失误等。凡此种种，都会制约舆情工作的分析深度和实用程度。
3.研判能力薄弱。
网络时代，媒体格局以及舆论生态的变化，显著改变着各级决策者对信息的需求。信息数据无限性和决策者关注能力有限性之间的矛盾，为舆情信息及衍生服务提供了很大的发展空间。在“一切皆可量化”的数据时代，决策者要想准确把握民意、避免误判，就必须通过第三方对舆情信息进行立体化、全局化、动态化研究，通过挖掘、分析舆情关联数据，对各种信息加以对照比较，从中提炼出与决策信息，为管理职能的正常履行提供必要的条件。
对舆情信息的把握和研判，对于舆情管理至关重要。因其专业化的要求越来越高，研判难度也越来越大。目前舆情报告主要不足在于：舆情信息研判一般化、同质化倾向较为严重，对舆情信息缺乏深度分析，对网络舆情的发展态势缺乏预见性，能影响领导决策的信息分析欠缺，服务地方党政部门的功能不足。在运用多种形式进行舆情分析等方面，我们的舆情服务浅尝辄止，不仅缺乏连续性、系统性，还缺乏针对性和实效性，与政府和社会的需求都有较大的差距。
4.工作机制滞后。
合理运行、高速运转的工作机制，是推动舆情信息工作科学合理运行的重要前提。面临舆情攻防新形势，需要相关职能部门根据决策机构的工作部署和形势发展需要，通报舆情信息需求要点，对舆情信息进行科学筛选、深度提炼、量化统计，共同探求规律性的东西，进一步理顺管理体制和工作机制，使舆情信息工作沿着为决策服务的方向有效运转。
舆情信息工作是一种群体劳动，这种劳动的组织形式又与工作机制的运行紧密连在一起。目前，舆情的引爆点和传播渠道正在从互联网转向移动互联网，舆情信息在新旧媒体之间出现了快速的跨界传播和强烈互动。舆情传播渠道之间的互动效应又导致本地舆情外溢、境外舆情倒灌，传统的内宣和外宣之间的界限逐渐模糊。舆情信息工作被舆情发展推着走，工作机制滞后导致对舆情信息双向互动、多频共振估计不足，给信息研判和利用带来相当难度。
二、信息增值开发的主要模式
1.广谱监测与重点筛选结合。
正确决策的出台，离不开信息工作的高度组织化与科学化，合理的信息构架将极大的丰富决策内容。由于传播技术的进步以及传播环境的日渐放开，信息呈现“爆炸”态势，但真正有价值的信息被大量垃圾信息所淹没，受众往往面对庞杂的信息茫然无措。信息环境的污染和信息垃圾的产生，不仅妨碍了决策效率，还会导致决策失误或是难以作出最佳决策。毫无疑问，不合理的信息架构会严重影响决策的时效性和科学性。
鉴于舆情信息工作有较强的目的性和指向性，从坚持广度和深度两方面，不断进行更大范围和更深层次的开发，可以使信息不断增值。具体到某项工作或事件中，应遵循“广谱监测，重点筛选”的点面结合原则。广谱监测，是指信息搜集部门要多渠道、全方位地搜集原始材料，在舆情信源上进行广谱覆盖，保证服务对象对信息的量的需求；重点筛选，是指信息部门搜集到原始信息后，在领会决策意图的基础上，通过更加灵敏高效的监测方式、工作机制对垃圾信息和冗余信息进行去重处理，确保信息精准高效。
2.静态反映与动态变化结合。
信息工作为决策服务。准确、全面、及时的信息报送，既是进行科W决策的基本前提，也是检验既定政策方案有效性的重要依据。“静态反映”是指舆情信息在事件演绎过程中留下的“痕迹”，其最基本的特征是具有“记忆性”；“动态变化”是信息不断发生改变的过程，其最大特点是前后状态不同。如果说“静态反映”特指信息状态具有“记忆性质”的话，那“动态变化”就指的是对信息状态的“加工”过程。信息状态所发生的各种改变，都是通过“动态变化”来实现的。
舆情信息利用效率的标志是信息利用后引发的决策效益，这决定了舆情信息工作是贯穿于用户解决问题过程的信息服务，是动态的全程服务，是面向增值的服务。具体到舆情信息增值开发的方向，从静态反映的层面看，要注重信息的整体分析，客观反映事物的本来面目，在筛选取样、研判分析环节要实事求是，尤其注意辨析舆论场里的“小众声音”，为决策者提供真实情况；从动态变化的层面看，要注重信息的系统综合，对信息的处理要注意反映事件作为过程而存在的动态变化，反映出不同时期不同条件下事件的不同变化，使之具有普遍意义和代表性，这样才能准确反映事件的基本情况。
3.一般分析与专业研判结合。
舆情信息是向决策者提供的具有一定研判深度的信息，它是舆情分析师对相关问题进行综合分析后得出的具有规律性的认识。一般分析与专业研判的区别在于，一般分析是确立服务对象和决策方向后，获取的具有专门指向性和一定深度的信息，但对舆情事态的呈现及演绎缺少深入挖掘和研究；专业研判通过分析问题产生的深层次原因及其未来的发展趋势，对当前存在问题或发展趋势提出的合理化建议。相比一般分析，专业研判重在整理、研究，需要付出更大的成本，因为这需要智力、时间和精力的综合付出，是加倍的脑力劳动。
舆情信息增值不要局限于信息本身，应在一般分析基础上，遵循“研究深入透彻，方案切实可行”的纵横交错原则进行二次乃至多次提炼。研究深入透彻，是指要认真研究决策动因，研究与之相对应的方方面面，然后进行综合分析，明了问题的实质，找寻问题解决的方案；方案切实可行，是指拟定的应对方案要与实际结合，既能促使原有问题的解决，又能不产生新的问题。有些舆情信息通过不断提炼加工，会出现多次增值，这就要求对各类舆情信息进行系列开发和连续开发，抓住对全局有较大影响的重要问题，在正负反馈的往复信息环流中服务领导决策。
4.均衡对等与有效反馈结合。
信息的不完善存在于决策设计、制定、执行、评估和反馈的各个阶段，由此导致的决策偏差主要体现在两个方面：一是在决策设计还不完善的时候，许多信息还没有收集和得以确认的时候，就需要立即决策，并付诸执行；二是决策者在决策过程中不能面面俱到，使决策在执行中出现偏差，难以达到决策初衷。“果断地拍正确的板”，这是决策的理想状态，但由于不可预知的因素的影响，这些决策在执行层面难以贯彻始终。这就要求决策者不仅要科学决策、慎重决策，还要研究决策执行过程中的影响因素，进行细致的比较分析，找出解决办法。
考虑到舆情信息对各类决策的“纠偏”意义，其升值开发应该遵循“均衡对等、有效反馈”的原则。各类信息中，总是已知因素多，未知因素少，即使是已知因素，也往往是简单的现象外现，并不反映事物的本质。决策者要想为准确预测未来发展趋势寻找信息依据，就必须保持舆情信息均衡，在政策设计中完善信息链，在政策执行中进行跟踪优化研究，通过有效反馈确保决策能够发挥更大的效用，取得最大的社会效益。
三、舆情信息服务的发展趋势
1.行业调研，预测趋势。
随着中国进入经济新常态，企业将面临更多严峻挑战，市场信息显得尤为重要。信息服务可以在舆情和商情之间灵活切换，结合行业现状，为企业引进和提供最前沿的行业市场商情和企业管理资讯。一般而言，多数市场信息只是碎片化的反映微观活动。如果对同类信息进行筛选提炼，就能发现对行业趋势、宏观信息有一定影响的共性问题，从而使原有的信息大幅度增值。
行业调研属于类智库的信息服务，可以结合舆情服务的渠道优势，将政府统计部门、工商部门、行业协会、海关及其他合作机构作为重要信息渠道，通过定性调查、定量调查等相结合的方式，以政策、细分行业与市场、渠道、对标企业、用户等维度为研究对象，最终推导出更接近于市场真实情况的信息数据和研究成果，从而全面准确地评估行业动态和发展趋势，提出相应的决策建议和解决方案，直接服务于企业的细分市场战略。
2.舆情研判，服务决策。
科学决策需要适量、适时的信息支持。信息结构失衡会对决策公正性造成影响，不利于公共决策发挥最大成效。在海量的网络信息环境下，决策者面临的问题不是信息匮乏，而是信息过载和信息噪音。光怪陆离的舆论生态信息庞杂，往往会令决策者陷入茫然D挫的“无力感”。决策者一旦错判真实的公众意愿，极有可能作出偏离科学轨道的盲目决策，导致公共决策的非代表性。
网络舆情作为社情民意的集中反映，是各级政府平衡社会各方利益时的重要考量要素。在重大决策中，高质量的舆情信息服务可以帮助决策者辨识“微时代”网络空间的思维方式、社交方式、情绪色彩，避免舆论场产生理解偏差或是价值误判。舆情信息服务的质量贵在研判，在主动发现和捕捉初发性、苗头性信息的基础上，进行更大范围的类比分析和深入研究，分析得越深入参考价值越大，尽量多开发对超前决策有参考价值的倾向性信息，以更好地发挥参谋助手作用。
3.数据整合，推动变革。
在具体的舆情信息服务中，用户需求的“无界”与智能技术的“低能”经常构成冲突，用户对舆情数据的挖掘、整合有更高的期望和要求。信息的效用取决于信息的有用性，体现于信息的有效性。数据整合，不是技术与信息的物理结合，不是把智能技术仅仅作为舆情服务的工具，而是强调要利用智能技术完善丰富信息架构，优化服务模式，推动当前以舆情监测系统为中心的服务结构发生根本性变革，从而使舆情信息服务的智库作用真正落到实处。
舆情大数据的整合，在未来是整个舆情生态系统的变化，而不仅仅是技术的变革。信息有用，只是说明信息的潜在价值；信息效用，是指信息发挥作用，其价值得以实现的情况。作为政府和企业的资讯挖掘者和提供者，舆情服务机构需把握未来几年大数据在公共及企业管理领域发展的重要方向，充分整合政府和企业的数据资产，通过搭建关联领域的数据库、舆情基础数据库等，完善服务单位的决策流程和参考体系，构建并优化舆情信息增值开发的新模式。
4.战略规划，创新管理。
研究舆情信息的开发模式，不仅是社交媒体时代创新舆情管理的现实需要，也是构建舆情引导新格局的必然选择。在智库阶段，舆情大数据的搜集、分析和挖掘，不仅是以舆情服务为主体的数据呈现，还要把舆情信息工作放在整体中去考虑，放在战略层面加以考量研判，充分发挥信息的利用程度和利用效益，通过领导者决策转化为现实效能，如此才能体现信息服务的价值。
信息大爆炸正深刻改变人们的生活、工作和思维方式，也深刻影响社会舆情管理。站在规划的高度，需要社会管理者做好舆情信息增值开发的顶层设计，通过信息的析取、重组与研究来形成针对用户问题需要的价值信息开发；站在方法论的角度，需要舆情信息工作者注意到被反映事件、事物的综合因素，加强管理目标、管理模式、数据平台、支撑技术等方面的协同创新。
人民网舆情监测机构于2013年底的《2013年中国互联网舆情分析报告》显示：2013年众多网友从微博的公众意见平台，转向更为私人化的微信朋友圈。微信用户增长迅速，移动互联网开始成为社会舆论的新信源。
自2011年1月21日，微信针对iPhone用户的1.0测试版以来，仅仅过了3年时间，微信用户已经成为移动互联网第一大用户群。有资料显示，截至2013年11月微信注册用户量已经突破6亿，其中，海外用户超过1亿。成为亚洲地区最大用户群体的移动即时通信软件。
腾讯董事局主席马化腾在谈到微信诞生的意义时，认为微信是腾讯的一次颠覆性的自我革命，是唯一一个完全基于手机来开发的应用，“很多人说腾讯是最早拿到移动互联网门票的公司，指的就是微信，很多朋友都用了。微信的确是唯一一个在手机上开始做的，并且是以手机为主的，这在以前是不多见的。以前一般都是在传统互联网上做好，换掉屏幕，转到手机上，所以这个路径跟之前完全不一样”。“它充分利用手机和PC的区别，就是把人们用计算机的终端变成人随身的一个器官”，从而消除了在线、离线的概念。
谈到微信朋友圈的影响时，马化腾甚至认为微信是一个让腾讯微博的竞争对手新浪微博绝望的应用。腾讯的微博虽然活跃量跟新浪微博差不多，但是始终没办法突破，最麻烦的是新浪微博也没突破。所以就发现让新浪微博绝望的不是微博，是微信，特别是加了朋友圈之后。私密社交比公开社交有意思，很多话不喜欢公开讲，私下讲很好。
事实上，随着微信的普及，微信朋友圈和微信群用户数量快速增长。人们开始使用微信产品时对于陌生人加入朋友圈的戒备心理开始消减，微信的朋友圈已经具备了公众传播的媒体属性。从目前来看，微信的朋友圈人数还没设置上限，如果朋友圈人数达到一个相当大的数量，其大众传播加人际传播的属性与微博无异。只不过其粉丝数量和转发数量是隐藏的，信息的分享更加隐蔽而已。
微信目前的注册号分成两种，一种是针对普通用户的个人微信号，还有一种是针对个人和企业认证用户的公众号。普通个人用户通过朋友圈用户数量的增长可以使微信变成小众、甚至大众媒体，一些公众微信号的订阅和服务用户已经超过百万，其大众传播属性和影响力已经十分明显。
关键词：高校网络舆情； 微博； 传播； 中小型高校；重视中小型高校网络舆情；
本文为中国劳动关系学院院级科研项目（编号11zy073）之一1 高校网络高校网络舆情是舆情在高校网络传播的特殊形态，是指在校园网络空间内师生对社会及校园现象和问题的观点、态度和建议的集合，并且通过互联网表达和传播，影响力不仅仅局限于校园范围，一向为全社会所关注。高校网络舆情是中国教育体制改革转型期间兴起的新词汇，其主体是高校师生，尤其是青年大学生群体；其传播平台渠道十分广泛，涉及高校新闻网、高校BBS、贴吧、网络论坛、博客、社交网站、即时通讯工具（QQ、MSN）、公共电子信箱、微博、播客、维基、RSS聚合新闻、网上调查和签名、网络新闻及跟帖等多种形式；内容主要包括和师生自身利益相关的校园管理事务和学习工作情况、生活情感交流，以及对社会问题和国家大事的关注等。高校网络舆情传递着师生的情绪态度，表达着他们的观点立场，在网络空间里经过有规律的整合和冲突形成了特殊的舆论场。近年来高校网络舆情也受到学界的关注，就笔者目前搜集整理到的论文成果来看，主要论述了高校网络舆情的概念（以内涵为主，外延的研究有待加强）、产生原因和内容特点、传播规律和管理现象、引导和控制、以及技术架构问题。仔细研读后发现实证研究较少，而且还没有形成系统的研究体系，缺乏深刻的观点和实践经验，有待进一步的完善补缺。多数论文研究的客体是笼统的“高校”，基本没有对中小型高校网络舆情传播的研究成果，笔者就自己在中小型高校的工作经验来看认为有必要加强这方面的研究，进一步促进这类高校信息化的发展。中国的高等教育体系的构成包括北大清华这样的名校大校，也包括各类中小型高校，一流的教育事业需要各种规模类型的学校共生互补，满足各类型学生的需要。中国的区域发展水平是有差异的，高等教育的发展水平差距也很大，发展中小型高校正是目前高等教育多样化的要求。一般认为中小型高校是指在校生在15000人以下，学生和老师的人数少，地理面积较小，有着较强的地域和专业特色；例举北京地区具有高等教育招生资格的89所院校中，中小型高校约占一半多，[1]可见国家对发展中小型高校的重视和社会的需求程度。目前中小型高校网络舆情传播平台建设存在很多不足，其传播效果也受到了影响，需要有关部门吸取各方经验，加强校园网络舆情引导工作，根据自身情况采取合适的传播平台，在全媒体网络传播环境下提高自身的网络文化建设水平。
2 目前主流高校网络舆情传播平台分析
高校网络舆情传播平台主要有高校新闻网、高校BBS、百度贴吧、网络论坛、博客、社交网站、即时通讯工具（QQ、MSN）、微博，还有对高校来学生来说非主流的如电子邮件、维基、聚合新闻、网络新闻跟帖等其他舆情传播渠道，这些平台各有优劣，在目前的媒体融合时代应该是互补共生、相辅相成的关系，还未到互相取代的地步。
2.1 高校BBS
这是最广为人知的网络舆情传播平台，历史较长影响较大的如北大未名站和水木清华站，最高在线人数曾经突破了两万人，一直以来是其校内师生发表言论和交流思想的主要场地，即使最近几年受到了新媒体的冲击，仍然是其校内重要的信息平台和互动媒介。高校BBS内容来源的显著特点是以校园原创为主，转载自其它网站的内容较少。BBS也被人称为高校网络舆情的“晴雨表”，交互性强，信息传播量大，传播迅速且范围广，超文本多样化传播。但是有很多中小型高校并没有投入力量建设运营校园BBS，一些学校在运行了一段时间以后又关闭了BBS，主要原因在于BBS是简易性注册使用，匿名性发帖，使用者发言的门槛较低，造成言论监管的难度加大；BBS的发言贴十分集中，如有负面事件的渲染则“滚雪球”效应波及校内外，增加了管理人员的工作难度；另外开办一个机制完善、技术成熟、运行顺畅的BBS需要的成本对中小型高校来说是一笔不小的开支，例举北大未名BBS[2]，它最初架设在IBM捐赠的S/390大型机上，价值约800万美元，后来架设在64位×86的服务器上，软件也是北大投入人员进行改进的，站务委员会成员设有总监、常任站务、技术站务、发展站务、美工站务与账户管理员等职位，且北大校长兼任站长（用户名PKU），委员会有16个分区且都有任命区务人员管理各讨论区，每个讨论区有一到三位版主直接对区务负责，未名站还设立了仲裁委员会专门处理管理纠纷，未名站同时开放了近千个讨论版面，分布在各分区之下，北大官方还利用未名站的软件硬件设施建立了校长信箱版块，来沟通校内管理各项事务。经过十多年发展，北大未名现在是北大校方正式批准开放的官方BBS，和清华大学的水木清华站一样在高校网络舆情传播事业中备受瞩目，代表了中国高校的网络社群文化。而对于资金人力有限的中小型高校来说，设立专门的建设资金和部门来组建一个成熟的有效的BBS，成本高昂且阻力重重。一些中小型高校开办了校内BBS之后因为管理运营不善，并未收到良好的网络舆情引导传播效果，最后渐渐沉寂成了“死站”，不得不关闭；更多的学校是因为担心BBS发言本身的简便性和隐匿性造成“言多必失”，开办BBS之后可能会有不利的负面言论影响学校形象，故而干脆将网络舆情传播的途径推给社会网站，如贴吧和社交网等；一些学校建立的官方BBS公布的是校方的新闻，办成了另一个校园网，这样学生的参与度很低；也有一些大学生自己开办的BBS，以学生用户为主，而学校和教师很少参与；因此如何把信息交流和参与人群统一到一个平台是高校需要考虑的问题。
2.2 SNS社交网站
Web2.0时代新媒体的发展给高校网络生活带来了变革，继BBS之后，社交网站（SNS）成为高校学生聚集的又一个网络舆情集中地。社交网站基本有交友类SNS、商务类SNS、以及校园类SNS，其中校园类以人人网（原名校内网）为代表。根据笔者对中国劳动关系学院学生的调查 ，绝大多数班级同学都选择在人人网上注册交流信息。人人网2005年建立时（当时还是校内网）要求拥有特定大学、IP地址以及校园电子邮箱的用户才可以注册成为会员，这种办法一定程度上保证了用户的网络社交的安全性，用户顺利通过注册以后可以撰写日志、上传共享、签名留言，有相当一部分用户在人人网上上传了自己的真实照片，还可以运用RSS订阅机制运营个人的社交网络。人人网融合了网络校友录、博客、QQ空间等多种网络社交平台，其开放性比起BBS相对封闭的环境，对于吸引用户培养使用习惯更有效果。这类SNS网站最特色之处在于以用户为中心，以关系为纽带形成网状结构传播信息，这和传统的博客类和BBS网站以内容为中心组织版块传播信息是不同的，以用户为中心的设计思路促使了用户对网络内容的贡献。SNS添加了各类有趣的应用程序，如“开心农场”、“偷菜”、“抢车位”等，给用户提供了多元的互动体验，也赢得了青年大学生的青睐。有分析认为SNS网络整合了传统网络类型信息来源、休闲娱乐、真实身份的社会交往和网络自我价值的实现功能，参与者由于使用的是自己的真实信息，和传统的聊天室和BBS隐匿发言方式不同，促进个人努力地在社交网上去展现自己美好的一面，增强了之间的交互性和活跃程度，建设了一个更加真实稳定的人际关系网络。当然SNS网站并不是一个完美的高校网络舆情传播平台，最根本原因在于商业网站缺乏学校的有效监管和引导，信息缺乏权威性和指导性；虽然用户数量较多，但是就单个学校而言往往比不上校园局域网内的绝对用户数量；而学校内部网站的信息是公开集中的、成体系的，对学校的教育教学、思想引导、文化建设、价值观传递说，校园官方网站的作用是不可替代的。因此即使社交网站发展的如火如荼，中小型高校可以吸收其以用户为中心的设计理念和优秀的技术成果，加快自己的校园网络交流平台的建设，提高功能性和易用性，优化用户服务，而不是彻底将这些工作推向社交网站，自身进步才会有竞争力，依赖于外力都不会长久。
2.3 贴吧
百度贴吧在高校学生中也颇为风行，特别是一些没有开办BBS的高校学生尤为追捧。笔者对中国劳动关系学院在百度的贴吧3进行了调研，在线人数和发帖人数都很可观（有主题7777个，贴子143169篇），用户一般来自本校的各个院系、专业以及年级。但是贴吧没有统一的发言动机和有效组织，发言跟帖多数是无意识的跟风，主题和回应者都比较随意散漫，随意灌水的不在少数，有些帖子并没有实际意义，有价值的信息较少。大多数以各高校名称命名的贴吧多是学生自发建立，所在高校并没有管理与审核的权限，老师们也很少光顾。吧民可以随意信息，由于缺乏把关人的监管，一些人在贴吧散布不良信息，渲染负面情绪，影响学生的身心健康，不利于高校环境的稳定。贴吧是完全属于学生的公共领域，几乎脱离了学校的监管，并非合适的校园网络舆情传播平台，是在没有相关的表达渠道之下的无奈选择，并非长久良计。
2.4 微博
目前微博是最受关注的网络舆情传播平台，微博是微型博客的简称，聚合了媒体、社交、应用平台，满足了用户对海量即时信息以及网络社交和个性化应用的需求。2011年12月人民网舆情监测室的《2011年中国互联网舆情分析报告》指出，2011年的网络贴文数量大大高于往年，而且事件热度在很大程度上取决于微博发帖数量；根据IRI统计[3]，微博已超过论坛，由去年的第三大舆情源头上升为第二大舆情源头，中国发生的几乎所有热点事件，都会在微博得到有效传播，舆情在经过微博传播后，一般会发生变异、放大，微博引领舆论的特征日益明显；微博用户数量的增加、网民登录网站方式的改变、移动互联网的发展，使中国舆论场的重心迅速向微博转移；微博具有“自媒体“的特征，人人都可以借助微博随时随地用电脑或者移动终端发消息，每个人都参与分享和交流，使信息流通更自由。2010年被称为“中国微博元年”，据不完全统计[4]，微博用户将近7500万人；腾讯微博宣布其用户数超过2亿，新浪微博宣布其用户数超过1.4亿；据2011年5月28日于北京召开的首届中国微博大会的信息，中国微博用户已达2.3亿人；这些庞大的数字提示着我们网络舆情传播格局新的变化，也对高校引导校园网络舆情提出了更高的要求。
微博具备成为高校网络舆情传播主要载体的客观和主观条件。高校学生电脑和手机普及率相当高，各校都比较重视校园网的铺设，上网条件便利，高校学生使用手机上网越来越多，发微博的人数也在增加；高校学生的求知欲和好奇心都很强，对网络舆情本身就有着浓厚的兴趣，容易引起他们的关注和评论，部分学生也保留着对社会和国家事务的思考，利用微博发表评论引起他人的围观关注，进而形成舆情。微博最核心的功能是信息的和获取，虽然网络上BBS、论坛、博客等都可以实现这一功能，但是微博是最便捷、交互性最强、成本最低的平台。微博者没有时间、空间、格式的限制，只要有终端（手机、电脑、IPAD等等）都可以随意上传内容，这点非常符合现代人的快捷的生活节奏、碎片式的情感表达方式、渴望交流却又止步于生活压力的现状，所以受到广泛追捧。即使是不喜欢发帖的微博使用者而言，在别人的言论里总会找到自己关注的信息，而且微博认证鼓励实名，在一定程度上保证了信息的准确性，微博人如果被认可，也会成为其他人锁定的信息提供者。微博是借助即时信息建构的信息系统，传统的传播平台没有这种渠道价值，微博平台既能提供即时信息，接收者又可以在信息中选择对自己有价值的部分。当前微博一般有字数限制，140字左右虽然不能进行深度剖析，但是微博有上传图片的功能，也可以把长成图片上传至微博，或者在微博上贴出原网址链接，实现两个平合传播。字数的限制是因为微博很多时候是在移动终端（如手机）上使用的，这就对字数有了规定，未来是否会取消这个限制完全有可能，微博就成为了一个定制的社区首页，超越了传统的SNS、博客、论坛的功能。
SNS网的核心功能是对人际网络的维护，以人际关系为核心；微博则一方面延展了网络人际关系，用户间的好友关系在使用微博前已经存在并得以在微博平台里继续，并且微博提供给了好友即时信息互动的功能；另一方面微博是以信息价值为核心的，微博主和粉丝之间是以信息为连接纽带的，双 方的互动形成了一个个以微博主为中心的不是很紧密的网络，形成或大或小的圈子。微博使用者最关注的是博主的信息，或者是其的信息对自己有价值，或者微博主本身身份吸引了自己的关注，双方的互动都以信息为中心，并非传统意义上的纯粹以人际关系为中心。这一点也颇为适合高校官方运用引导校园舆情，因为只有的信息对学生有价值，才会赢得大家的关注和参与热情，而不是因循守旧的照搬通知条文来运营微博，必须了解学生的信息需求，确定什么是对他们有价值的，才能赢得长久的生命力，如何有效引导监管高校学生的微博是需要高校管理者去思考的。
2.5 其它平台
高校学生还经常使用的网络舆情传播平台还包括高校新闻网、网络论坛、博客、即时通讯工具（QQ、MSN）、电子邮件、播客、微博、维基、RSS聚合新闻、网上调查和签名、网络新闻及跟帖等，本文不再一一赘述。在Web2．0时代，中小型高校要与时俱进地认识到网络舆情对学生的正面影响，这是学生们表达感情意见的平台，更是高校管理者了解学生的窗口。网络舆情得到正确引导，可以提高学生的社会适应能力，高校环境是个既封闭又开放的小社会，学生刚刚脱离家庭进入高校心理上难免会有一些不适应，网络舆情传播平台可以帮助他们早些克服交往障碍，培养他们的沟通能力，从网络到现实全方位地培养学生的健全人格；校园网络舆情中最引人关注的还是和学生自身利益相关的事情，校方应该及时在微博上公布相关信息并和学生进行互动，这样既消除了学生的疑问，也可以增进情感的交流，创建和谐的校园环境；学生也可以通过微博即时向校方反映情况、提出建议，校方及时地发现问题、解决问题，形成一个良性循环，促进学校的整体建设。
3 以微博为契机促进中小型高校网络舆情的良性传播
中小型高校普遍意识到了校园新闻网的建设，这是目前官方新闻的主要平台，也被看做是对学生进行网络思想政治教育的主要阵地，对外界也起到了一个对外宣传的窗口作用；但是只是抓校园新闻网的建设是不够的，目前大多数中小型高校的校园网都只是简单学校新闻，缺乏深入的报道，也没有精品版块，谈不上特色；其实很多中小型高校的规模不大，但是专业设置上都颇有特色，这点从学校校名就可以看出，如何在传递信息的同时引导校园舆情并且体现学校特色，很多学校还没有深入思考解决这个问题，导致校园官网互动性差和个落后，内容单调不能吸引学生的注意力。高校建设校园网络舆情传播平台要注重学术性和教育性的统一，在微博中也要多多宣传本校的学术成果情况和学校的专业特色。
综合各种因素，笔者认为中小型高校在人力财力有限的情况下专门开设部门和投入资金自行开发网络舆情传播平台是有困难的，也难以获得支持，就目前的情况看微博是最适合的校园网络舆情传播平台，成本低而互动性好，随时随地方便互动监管信息；学校在具体运作时同样也要进行统一的组织和规划，对负责人员明确工作职责，提高师生的媒介素养水平；一旦有负面的消息，不能沿袭采取封锁消息、堵塞关闭舆情传播平台的工作方式，要第一时间按准备好应急方案，疏导的效果好于打压，逐渐提高高校的舆情危机管理水平。高校教师和管理者除了自己的专业研究和日常工作，要加强网络技术和应用方面知识的学习更新，这样在问题出现时才可以应时而动，不会造成消息反馈处理的滞后；否则在微博式裂变传播的网络环境中，舆情的传播是极容易被放大而成为校园焦点甚至全社会的热点。作为高校的管理方，要建立起完善的舆情监测、分析、预警和引导机制，要吸取一些高校舆情处理案例的经验教训，提高自己的应对能力，如最近的复旦大学学生黄山驴友事件、清华大学“真维斯”楼、河北大学“我爸是李刚”事件中就充分考验了高校的危机处理能力；还要加强和其他高校的舆情工作的互动交流，也可以和新浪网建立的中国高校微博协会整合的成员建立关系，互通有无，改进工作。
著名传播学者麦克卢汉认为，传播中最本质的东西是媒介自身，而不是媒介的内容。这句话虽有争议，却深刻地适应网络时代的传播现状，即网络技术的发展使网络传播平台发生变革，不仅仅是在内容方面的，更在于改变人们的生活方式和传播习惯。在人人有手机的高校，手机突破了时空、电脑终端的限制，可以让人在第一时间传递信息，这正给微博的使用提供了支持。作为中小型高校更是要利用好微博这一契机来促进本校的网络舆情传播事业，在媒介融合的时代综合运用各种新媒体来引导舆情，并在校园网的主页开辟专门的舆情传播版块，做到讲究方法，疏导结合，抓好网络思想阵地的建设。
参考文献
面对新互联网时代技术大潮的挑战， 企业决策者的迫切需求是：如何洞察其最终用户的需求，并找到自身的转型契机。尤其是那些面对大数据、云计算、移动互联网、社交和O2O等新技术形式挑战，创新和转型节奏快的行业，比如零售行业。
IBM中国客户中心对客户体验的设计，既兼顾企业高层决策者 （CXO，CEO、C M O、C I O等）所面临的挑战，又结合决策者所面对的最终消费市场的需求，让决策者在体验中洞察最终用户的需求和自身的转型的之道。
例如，在智慧企业之旅的零售创新的展示中，物理数字融合解决方案展示了零售商如何利用门店渠道获取的客户可公开的行为数据，从而提高其运营绩效和客户服务水平。 零售商还可以结合店内，线上和社交舆情分析等方式对客户信息深度分析，勾勒360度客户视图并为其提供个性化的购物体验，从而提升客户忠诚度。
此外，IBM基于交互式的客户选车体验允许客户通过体感，与汽车3D模型进行信息交互，选择汽车不同的颜色，款式及配件等。同时，还可以通过手势识别进入汽车3D模型，了解汽车内饰及模拟汽车启动。 进而增强客户体验，以便捷地选择最适合自己的车型。
基于Watson的零售应用则是利用IBM Watson针对人类自然语言的意义和语境分析能力，能快速地处理海量的非结构化数据并实时地进行分析的能力实现的。它能够快速挖掘和识别客户在社交媒体的需求，针对客户推送个性化定制的服务和购买意见。
