公共政策调整时应做到舆情数据、风险预判与危机传播

公共政策调整时，如何将信息有效、充分地传达给受众，可以实时采取大数据挖掘的方法跟踪、分析和预警。此外需要注意的是，我们可以重视政务发布，但不要路径依赖、不要过高期待、不要各自为政、不要单向传播。

舆情研判：数据挖掘的意义

就舆情数据挖掘而言，我们应该在研究层次、掌控水平、数据获取、分析方法和理论修正方面做出改变。在研究层次上，我们从小样本研究提升为大样本研究，由个体拓展为群体；在掌控水平上，不仅停留在描述和解释，更注重预测和控制；在数据获取上，成本不断降低；在分析方法上，我们意识到不仅需要数据的抓取，还需要数据的调查；在理论研究层面，我们在思考互联网语境下是否有效，并得出结论，需要运用多学科理论融合。

我们对于舆情数据的研究分为五个平台和三个舆论场。五个平台分别为：新闻网站、微博、微信、论坛和新闻客户端；三个舆论场为网络媒体舆论场（以新闻网站为主）、移动媒体网络舆论场（以新闻客户端为主）和自媒体舆论场（以微博和论坛为主）。

在研究对象上，可分为时间、地点、事件和人物四个方面，我们应当逐渐超越对新闻事件和话题的研究，达到对公众心态和观念的研究；在研究层次上，分为微观、中观和宏观三个层次，在微观方面所做的尝试逐渐增多，力图实现舆情数据的本地化和社区化。

舆情研究也更加注重多维数据的挖掘。通过机器学习和语义分析方法获知网络舆论场的议题分布（热门词、关键词）与意见分布（支持/反对/中立），以进行显舆论研究；通过在线文本情绪分析工具和表情符号情绪监测，实现潜舆论研究。在行为舆论方面，我们可以提取网民注意力、关注度、态度倾向、舆情态势等方面的数据；在舆论主体方面，通过分析工具获取网民特征（人口特征、地理、喜好）、网民社会关系（意见领袖）等方面的数据。

而对网民认知框架的研究包括关注、情绪和态度三个方面。首先要了解网民关注。信息消化率比到达率更重要，客观信息到达率不等同于网民的消化率，他们可以视而不见，因此要了解网民实际愿意关注什么。其次，要懂得分辨网民情绪。愤怒不一定是负能量，正确理解网民态度需要更加细致的情绪分类模型。最后，要解析网民态度，归因指明化解之道。积极的归因是：对待好消息，认为是内因、稳定、普遍的；对坏消息，认为是外因、暂时、特殊的。消极的归因则相反。辨明网民归因逻辑，针对性引导，才是化解之道。

大数据舆情研究的挑战

当前，大数据舆情研究面临着三大挑战。在网络舆情整体生态的事件导向方面，西方社会的网络舆情主要以“话题”为导向，中国社会的网络舆情（尤其微博）主要以“事件”为导向。在网络舆情不同平台的数据开放方面，一方面，不同平台之间尚未完全开放，另一方面，这些平台的数据也尚未对研究机构大规模开放。在大数据之外的社会心理认知和洞察方面，大数据技术基于计算机的智能运算，只能作为智能化的技术辅助手段。无论大数据的技术分析如何先进，人的社会认知和判断是不可取代的。

来源：新华网