發布時間：2021-06-11所屬分類：管理論文瀏覽：1次
摘 要： 內容提要:現代社會的發展推動公共決策過程中民眾的參與,亦使得運用大數據方法把握網絡民意成為新時代的重要課題。以《學前教育法草案》微博平臺的民意分析為例,運用大數據手段以及社會網絡分析方法,從決策態度、表達方式、意見領袖等維度建立分析框架,剖析負
內容提要:現代社會的發展推動公共決策過程中民眾的參與,亦使得運用大數據方法把握網絡民意成為新時代的重要課題。以《學前教育法草案》微博平臺的民意分析為例,運用大數據手段以及社會網絡分析方法,從決策態度、表達方式、意見領袖等維度建立分析框架,剖析負性情感偏向的網絡民意聚合機制。研究發現,議題公共性強、敏感度高是民意聚合的原因,而民眾負性情感偏向則是心理噪聲機理、沉默的螺旋效應、極化機理綜合作用的結果�；诖�,決策主體可以通過培養理性意見領袖、發揮主流媒體功效、提高網絡民眾素質以及對話網絡民眾的策略,有效引導網絡民意走向。
關鍵詞:公共決策網絡民意大數據民意疏導
一、引言
近年來,網民規模呈現指數增長,第46次《中國互聯網絡發展狀況統計報告》顯示,截至2020年6月我國網民規模達9.40億。民眾通過互聯網參與政治生活的意識也日漸增強,越來越多的民眾借助網絡平臺發表自己對政策的觀點態度與利益訴求。盡管網絡民意是廣泛的民意集合體,對公共決策過程具有參考價值,但由于網絡民意表達是網民在不自覺狀態下進行的自在式評價活動,并非完全理性,有時會誤導公共決策偏離科學軌道[1]。鑒于此,有必要探明公共決策視域下有關網絡民意的兩個重要問題:第一,如何通過大數據把握民意的情感取向與主要觀點;第二,探明網絡民意的聚合機制,為引導民意走向提供對策與建議。
2020年9月7日,教育部網站發布《中華人民共和國學前教育法草案(征求意見稿)》(以下簡稱學前教育法草案),第39條規定幼兒園不得教授小學階段的教育內容。我國首次以立法的形式為幼兒園超前教育劃上紅線,既說明國家對學前教育的重視,也充分暴露了學前教育存在的突出問題。同日,中國新聞網于新浪微博平臺上創立#幼兒園不得教授小學階段的教育內容#話題,引發了網民熱議。截至目前,該話題已經擁有5.5億的閱讀數以及3.5萬的討論數。本文嘗試利用網絡爬蟲獲取學前教育法草案話題下的評論數據,借助大數據技術了解網絡民眾的決策態度以及表達方式,運用社會網絡分析法識別民眾的意見領袖以及代表觀點,從情感態度、意見領袖和代表觀點三方面來把握網絡民意并探明民意聚合的機制,為大數據在公共決策過程中的運用提供有益探索。
二、網絡民意與公共決策研究回顧
(一)網絡民意
國外學者韓念西認為,民意是具有相當數量的一群人針對重要議題表達其復雜偏好的綜合[2]。這一界定首先指出民意的主體是一定規模的社會民眾。國內學者余致力進一步辨析,認為民意之“民”未必等同于全民,民意也不必然等同于多數民眾的意見[3]。其次,韓念西認為民意的實質是復雜偏好的綜合,這與當前有關民意的主流觀點相似,即民意是情緒、態度、意見和干涉意愿的總和[4]。再者,此界定拋出民意客體這一要素,何志武認為民意客體相較于輿論客體更具針對性,主要圍繞重要的社會議題與政府公共政策[5]。本研究認為,民意是一個或一個以上社會民眾針對社會公共事務和政府決策所發表的情緒、態度、意見與干涉意愿的總和。
民意作為一種意識形態,通過特定的載體支撐外化為人們感知的表現形式。互聯網,以其開放性和便利性給予民意新的物質載體與表達通道[6],網絡民意成為民意的網絡呈現方式。參照民意的定義,網絡民意可定義為一個或一個以上社會民眾,借助于互聯網平臺,針對社會公共事務和政府決策所發表的情緒、態度、意見與干涉意愿的總和。憑借互聯網“所有人對所有人”的傳播優勢,社會民眾突破以往精英主導的局限,對政治議題暢所欲言[7]。無須借助高成本渠道資源或是他者的力量,具有相同訴求的大眾可以在網絡空間迅速結盟。
(二)公共決策
公共決策,指國家、行政管理機構和社會團體所進行的決策,如公共福利、國家安全、國際關系等[8]。相較于一般決策,公共性是公共決策的突出特征,即公共決策總是從公共利益出發,解決公共事務中出現的問題。該特點對于公共決策長期性、多樣性、權威性等特點具有本源意義[9]。
由于公共決策的復雜特征,因此相較其他決策,公共決策需要滿足更高的要求。一般而言,公共決策質量的衡量依據有二,其一,以是非標準為尺度判斷決策是否合理;其二,以價值標準為尺度權衡決策優劣。成功的公共決策應當以最小化的決策投入獲取最大化的公共利益,實現目標合理、方案可行[8]。為此,公共決策的民主化、科學化不可或缺。周光輝認為,當前社會結構、經濟結構發生深刻變遷,要擺脫已形成的利益格局對公共決策的裹挾與影響,必須將決策民主化作為有效路徑[10]。在公共決策過程中兼聽各方聲音,留意各方交鋒博弈,有利于降低主觀臆斷與“拍腦袋”帶來的決策失誤概率,做出更客觀全面的判斷。同時,決策的民主化與公民的決策配合度息息相關,對于一些諸如衣食住行等對民眾接受度要求高的決策問題,發動民眾進行決策態度的表達尤為重要。
(三)網絡民意與決策民主化
作為目前最為廣泛的民意集合體,網絡民意聚集著多樣化的利益訴求,是進行公共決策過程中極具價值的“民間智庫”,公共決策過程重視網絡民意是提升決策民主化的內在要求。在公共決策過程中,以下三種信息是必要的:有關公眾對決策偏好的信息,有關決策在其作用范圍內運轉態勢的信息,有關決策解決方案的技術信息[11]。獲取這三點信息使得聽取民意成為必須。
雖然網絡民意天然地具有被決策者聆聽的“必要特質”,但其中摻雜眾多非理性因素。一是因為如今信息同質化嚴重,網絡民意易受到媒體報道和用戶行為策略干擾[12];二是因為民眾總是帶著已有觀念,“先入為主”地發表對議題的看法[13];三是網絡民意有被外在力量建構或者操縱的可能,存在淪為利益集團影響決策議程設置的靶子、嬗變為政治工具的風險[14]。因此,聽取網絡民意并不意味著決策主體要將所有權利讓渡于民,而應當為民眾參與決策的過程做出合理安排,使雙方形成平等的互動。決策主體尤其應當注意在政策質量的規定方面、問題結構的界定方面提供權威解釋。
(四)大數據技術在決策科學化中的應用
決策科學化是防止決策出現失誤、降低決策成本與減少副作用的必然選擇。一般而言,公共決策科學化要求決策過程有效利用現代科技手段,廣泛收集信息[15]。信息是公共決策制定與調整的命脈,其質量是決策能否實現科學化的關鍵因素[16]。換句話說,沒有用以決策的信息,決策便是無源之水、無本之木。在公共決策過程信息收集階段,對民意的把握至關重要[17]。但是,傳統的公共決策由于難以發現并充分利用公共服務需求方的信息而偶發決策失靈現象[18]。隨著信息技術的發展,這種情況正在被改變。大數據技術的應用使得信息收集變得輕而易舉,通過對信息的編碼與解讀,決策主體能夠快速了解社會群體的偏好與認知。
相關期刊推薦：《四川行政學院學報》創刊于1999年，是由四川行政學院主管并主辦的行政學。設有公共行政、政治與法律、社會發展、經濟問題研究、行政文化、調查與研究、政府工作研究、探索與市場等欄目。
公共政策學者庫克指出,數據驅動的公共決策使得決策以事實為基礎,從而顯著提升公共決策的有效性,塑造出開放而負責的政府形象[19]。當前,大數據提升決策透明度、提高決策效果已成為共識[20]。英國、瑞士、新加坡等國已實行在政府決策過程中使用網絡進行文本挖掘、情感挖掘以及趨勢研判等提高決策效率的方法[21]。我國于2015年印發《促進大數據發展行動綱要》,其中明確提出“要實現基于數據的科學決策,逐步實現政府治理能力現代化。”因此,如何在公共決策過程中利用大數據手段已成為新時代重要的實踐性問題。
三、研究方法
(一)數據預處理
本研究利用python對微博平臺#幼兒園不得教授小學階段的教育內容#話題下的一級評論進行抓取,共獲得11565條原始數據。由于原始數據中包含大量噪聲,因此在進行數據分析前先對其進行預處理,預處理包括數據清洗、分詞以及關鍵詞提取三步。
首先,以每條評論為單位對原始數據進行清洗。數據清洗包括剔除不必要的內容以及調整數據內容的結構。清洗規則以及處理方案如表1所示,清洗完成后得到10679條文本數據。第二步,利用Python3.7.1中的第三方模塊jieba實現中文分詞。結合“百度停用詞表”、“哈工大停用詞表”以及學前教育領域的專業名詞對模塊自帶的停用詞表進行擴充,刪除分詞過程中的停用詞以獲取更精確、更有意義的文檔詞表。第三步,使用TextRank算法提取評論文本中的關鍵詞。
(二)數據分析
1.探明決策態度
文本情感分析(SentimentAnalysis)是指處理帶有情感色彩的主觀性文本的過程,常用于微博、用戶論壇、微信等語境之中,其目標可以是只進行褒貶兩個維度的劃分,也可以是多類分類。本文選用機器學習方法中的支持向量機(SVM)對#幼兒園不得教授小學教育內容#話題下的博文評論進行情感分析,分為支持和不支持兩類。其主要內容是,明確支持草案第39條內容和明確反對草案中第39條內容。利用SVM實現情感極性分類的流程如下。首先,由兩名編碼人員分別判斷4000條評論的情感極性,正向記為1,負向記為0。使用SPSS對兩名編碼人員的情感標注結果做相關性分析,以驗證首次情感標注的有效性。第二步,從已標注好情感的4000條評論中選取正向情感評論300條,負向情感評論300條作為樣本。抽取樣本中80%的數據作為模型的訓練集。第三步,利用Python平臺下的sklearn算法模塊實現SVM模型的訓練,利用F1值、準確率、召回率作為模型評估指標。第四步,運用訓練好的分類器對剩下的6679條評論進行情感極性標注。
2.分析情感表達
表達方式是網絡民眾在微博平臺上進行評論時使用的特定語言方法與手段,可以分為理性思考型與情緒表達型。兩者的劃分依據為,如果評論者以數據事實、邏輯推理、客觀陳述等方式進行表達,則可以將其界定為理性思考型,如:經濟基礎決定上層建筑,教育作為上層建筑之一亦是如此。國家可以采用地方規定但不要用立法形式,根據各地實際情況,教學需求來制定;如果評論者注重情感表達,評論語句含有大量的形容詞、副詞、表達語氣的標點符號,或者使用語氣強烈的反問、設問等修辭手法,蘊含較強的嘲諷情緒,則將其界定為情緒表達型,如:知道了,別發通知了,不就報班嗎,懂了懂了,報吧報吧!
本文使用支持向量機(SVM)對民眾的表達方式進行二分類處理。首先由兩名編碼人員分別對隨機抽取的2000條評論進行標注,理性表達型記為1,情緒表達型記為0。利用相關性分析驗證標注結果的有效性。其次,從1500條評論中選取理性表達型評論300條,情緒表達型評論300條作為樣本,將其中80%的數據作為訓練集。第三步利用Python平臺下的sklearn算法模塊實現SVM模型的訓練,利用F1值、準確率、召回率作為模型評估指標。第四步,運用訓練好的分類器對剩下的8679條評論進行表達方式標注。
3.識別意見領袖
意見領袖是網絡社群中認可度高、說服力強的觀點領導者。作為網絡平臺上的一種顯性力量,意見領袖有其突出特征,比如獲得較高的點贊行為或者回復。圍繞意見領袖的觀點,某條博文下經常會形成自發的小群體,出現局部辯論或全局辯論的場景。博登多夫和凱撒發現,意見領袖經常處于網絡社區中心,與更多成員建立聯系[22]。本研究擬使用社會網絡分析法尋找微博平臺#幼兒園不得教授小學階段的教育內容#話題下的意見領袖并了解網絡民眾支持的代表觀點。
社會網絡分析法是一種分析描述網絡屬性的結構、性質、特征的方法,強調從關系或結構的視角分析研究對象。利用社會網絡分析工具Gephi,選取“學前教育法草案征意見:幼兒園不得教授小學教育內容”博文下1000條評論,將其中630名成員以001-630的數字簡化標記,每一個成員為一個節點。若成員兩兩之間存在互動,則用直線將兩點相連并且利用Gephi進行可視化操作以及節點中心度統計。節點中心度包括程度中心度、中介中心度以及接近中心度,三個指標存在信息重疊[23]。基于節點的中心度高低,可以有效識別該話題下的網絡意見領袖以及代表觀點。
(三)研究框架
本文提出如圖1所示的研究框架,總結從數據預處理到數據分析的過程和步驟。——論文作者：陳林1王志丹2楊光
SCISSCIAHCI
