中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
妙相梵容
-
>
基立爾蒙文:蒙文
-
>
我的石頭記
-
>
心靈元氣社
-
>
女性生存戰爭
-
>
縣中的孩子 中國縣域教育生態
-
>
(精)人類的明天(八品)
重大突發公共衛生事件中社交媒體謠言傳播行為及引導策略 版權信息
- ISBN：9787030687166
- 條形碼：9787030687166 ; 978-7-03-068716-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
重大突發公共衛生事件中社交媒體謠言傳播行為及引導策略 本書特色
本書的研究將個體層面的心理偏好和行為選擇、信息層面的謠言傳播規律以及危機管理層面的政府干預機制相結合。
重大突發公共衛生事件中社交媒體謠言傳播行為及引導策略 內容簡介
本書以S-R模式和TAM模型為基礎，結合生命周期理論、議程設置理論、媒介豐富性理論，建立了社交媒體用戶辟謠信息傳播行為影響因素的概念模型；利用卷積神經網絡，構建轉發行為預測模型；提出了一種時變網絡環境下，基于時間序列模型的謠言檢測模型；以社交網絡為研究平臺，基于超網絡理論，構建了社交網絡輿論場模型，并運用Netlogo進一步對分別采取辟謠及阻斷兩種干預策略下，社交網絡輿論場演化過程進行了實驗仿真。
重大突發公共衛生事件中社交媒體謠言傳播行為及引導策略 目錄
目錄
1 緒論 1
1.1 研究背景及意義 1
1.1.1 研究背景 1
1.1.2 研究意義 3
1.2 研究內容及結構安排 5
1.2.1 研究內容 5
1.2.2 結構安排 6
2 理論基礎及概念界定 7
2.1 網絡信息傳播 7
2.1.1 信息傳播的定義 7
2.1.2 信息傳播的模式 7
2.1.3 網絡信息傳播的特點 9
2.1.4 網絡信息傳播動力學 10
2.2 復雜網絡理論 14
2.2.1 復雜網絡概述 14
2.2.2 復雜網絡的特征 17
2.2.3 復雜網絡的統計特性 17
2.2.4 復雜網絡模型 23
2.3 在線社會網絡 26
2.3.1 在線社會網絡的定義 26
2.3.2 在線社會網絡的分類 27
2.3.3 在線社會網絡分析 29
2.4 社交媒體謠言傳播行為 32
2.4.1 社交媒體輿情 32
2.4.2 謠言傳播行為 34
2.4.3 突發公共衛生事件 36
2.5 本章小結 36
3 重大突發公共衛生事件中辟謠信息傳播行為影響因素 38
3.1 概述 38
3.2 相關研究 39
3.3 辟謠信息傳播行為及特點 40
3.3.1 辟謠信息傳播行為 40
3.3.2 辟謠信息傳播特點 41
3.4 理論模型構建 42
3.4.1 研究設計 42
3.4.2 模型檢驗 46
3.5 實證研究結果及分析 50
3.5.1 描述性統計與相關性分析 50
3.5.2 回歸分析 52
3.5.3 假設檢驗與結論 53
3.6 本章小結 55
4 重大突發公共衛生事件中社交媒體謠言轉發行為預測 59
4.1 概述 59
4.2 相關研究 61
4.2.1 社交媒體中轉發行為預測研究 61
4.2.2 社交媒體中謠言轉發行為預測研究 62
4.2.3 不均衡數據處理 64
4.2.4 文獻評述 65
4.3 基于CNN-SMOTE-SVM的謠言轉發行為預測模型 66
4.3.1 卷積神經網絡 66
4.3.2 SMOTE算法 67
4.3.3 支持向量機 68
4.3.4 基于CNN的基本模型構建 69
4.3.5 模型改進 72
4.4 特征向量構建 73
4.4.1 特征向量描述 73
4.4.2 核心微博文本提取 74
4.4.3 定量變量 75
4.5 實驗結果及分析 77
4.5.1 數據集構建 77
4.5.2 模型評價指標 78
4.6 模型性能比較 79
4.6.1 改進模型比較 79
4.6.2 經典模型比較 80
4.7 特征向量分析 82
4.8 本章小結 85
5 重大突發公共衛生事件中基于ARIMA模型的謠言檢測模型 88
5.1 概述 88
5.2 相關研究 90
5.2.1 基于有監督學習的方法 90
5.2.2 基于無監督學習的方法 91
5.2.3 基于深度神經網絡的方法 91
5.2.4 其他類型的檢測方法 92
5.2.5 文獻評述 92
5.3 問題提出 93
5.3.1 社交網絡中的謠言檢測 93
5.3.2 謠言檢測算法 93
5.3.3 時間序列模型 97
5.3.4 FCM算法 98
5.4 基于ARIMA模型的謠言檢測模型 100
5.4.1 特征工程 100
5.4.2 模型構建 104
5.5 實驗結果及分析 108
5.5.1 實驗數據集 108
5.5.2 實驗過程 108
5.5.3 實驗結果 111
5.6 本章小結 112
6 基于超網絡的重大突發公共衛生事件輿論場研究 114
6.1 概述 114
6.2 相關研究 116
6.2.1 基于超網絡的輿情網絡重要節點分析 116
6.2.2 基于超網絡的突發事件傳播模式及傳播趨勢預測 116
6.2.3 基于超網絡的輿論引導策略 117
6.2.4 文獻評述 118
6.3 基于超網絡的社交網絡輿論場模型構建 119
6.3.1 理論基礎 119
6.3.2 模型構建 120
6.4 實驗結果及分析 125
6.4.1 節點的度對傳播過程的影響 125
6.4.2 可信度對傳播過程的影響 126
6.4.3 政府干預對傳播過程的影響 127
6.5 本章小結 132
參考文獻 134
后記 142
1 緒論 1
1.1 研究背景及意義 1
1.1.1 研究背景 1
1.1.2 研究意義 3
1.2 研究內容及結構安排 5
1.2.1 研究內容 5
1.2.2 結構安排 6
2 理論基礎及概念界定 7
2.1 網絡信息傳播 7
2.1.1 信息傳播的定義 7
2.1.2 信息傳播的模式 7
2.1.3 網絡信息傳播的特點 9
2.1.4 網絡信息傳播動力學 10
2.2 復雜網絡理論 14
2.2.1 復雜網絡概述 14
2.2.2 復雜網絡的特征 17
2.2.3 復雜網絡的統計特性 17
2.2.4 復雜網絡模型 23
2.3 在線社會網絡 26
2.3.1 在線社會網絡的定義 26
2.3.2 在線社會網絡的分類 27
2.3.3 在線社會網絡分析 29
2.4 社交媒體謠言傳播行為 32
2.4.1 社交媒體輿情 32
2.4.2 謠言傳播行為 34
2.4.3 突發公共衛生事件 36
2.5 本章小結 36
3 重大突發公共衛生事件中辟謠信息傳播行為影響因素 38
3.1 概述 38
3.2 相關研究 39
3.3 辟謠信息傳播行為及特點 40
3.3.1 辟謠信息傳播行為 40
3.3.2 辟謠信息傳播特點 41
3.4 理論模型構建 42
3.4.1 研究設計 42
3.4.2 模型檢驗 46
3.5 實證研究結果及分析 50
3.5.1 描述性統計與相關性分析 50
3.5.2 回歸分析 52
3.5.3 假設檢驗與結論 53
3.6 本章小結 55
4 重大突發公共衛生事件中社交媒體謠言轉發行為預測 59
4.1 概述 59
4.2 相關研究 61
4.2.1 社交媒體中轉發行為預測研究 61
4.2.2 社交媒體中謠言轉發行為預測研究 62
4.2.3 不均衡數據處理 64
4.2.4 文獻評述 65
4.3 基于CNN-SMOTE-SVM的謠言轉發行為預測模型 66
4.3.1 卷積神經網絡 66
4.3.2 SMOTE算法 67
4.3.3 支持向量機 68
4.3.4 基于CNN的基本模型構建 69
4.3.5 模型改進 72
4.4 特征向量構建 73
4.4.1 特征向量描述 73
4.4.2 核心微博文本提取 74
4.4.3 定量變量 75
4.5 實驗結果及分析 77
4.5.1 數據集構建 77
4.5.2 模型評價指標 78
4.6 模型性能比較 79
4.6.1 改進模型比較 79
4.6.2 經典模型比較 80
4.7 特征向量分析 82
4.8 本章小結 85
5 重大突發公共衛生事件中基于ARIMA模型的謠言檢測模型 88
5.1 概述 88
5.2 相關研究 90
5.2.1 基于有監督學習的方法 90
5.2.2 基于無監督學習的方法 91
5.2.3 基于深度神經網絡的方法 91
5.2.4 其他類型的檢測方法 92
5.2.5 文獻評述 92
5.3 問題提出 93
5.3.1 社交網絡中的謠言檢測 93
5.3.2 謠言檢測算法 93
5.3.3 時間序列模型 97
5.3.4 FCM算法 98
5.4 基于ARIMA模型的謠言檢測模型 100
5.4.1 特征工程 100
5.4.2 模型構建 104
5.5 實驗結果及分析 108
5.5.1 實驗數據集 108
5.5.2 實驗過程 108
5.5.3 實驗結果 111
5.6 本章小結 112
6 基于超網絡的重大突發公共衛生事件輿論場研究 114
6.1 概述 114
6.2 相關研究 116
6.2.1 基于超網絡的輿情網絡重要節點分析 116
6.2.2 基于超網絡的突發事件傳播模式及傳播趨勢預測 116
6.2.3 基于超網絡的輿論引導策略 117
6.2.4 文獻評述 118
6.3 基于超網絡的社交網絡輿論場模型構建 119
6.3.1 理論基礎 119
6.3.2 模型構建 120
6.4 實驗結果及分析 125
6.4.1 節點的度對傳播過程的影響 125
6.4.2 可信度對傳播過程的影響 126
6.4.3 政府干預對傳播過程的影響 127
6.5 本章小結 132
參考文獻 134
后記 142
展開全部
重大突發公共衛生事件中社交媒體謠言傳播行為及引導策略 節選
1 緒 論 1.1 研究背景及意義 1.1.1 研究背景 進入21世紀以來，一些重大突發公共衛生事件在全球范圍內頻繁發生，如SARS、甲型H1N1流感、H7N9禽流感、西非埃博拉病毒以及中東呼吸綜合征等。與此同時，處于社會轉型期的中國，也多次面臨重大突發公共衛生事件的嚴峻挑戰。例如，截至2003年8月16日，中國31個省（自治區、直轄市）累計報告SARS臨床診斷病例5327例，死亡349例，SARS疫情造成中國經濟全年損失約為0.8%；截至2020年3月15日9時，中國31個省（自治區、直轄市）累計報告COVID-19確診病例81048例，累計死亡病例3204例，且此次COVID-19疫情造成大量企業停工停產，學校停課，嚴重擾亂了社會的正常秩序。中央指導組成員、衛生健康委主任馬曉偉指出，這次COVID-19疫情是新中國成立以來，傳播速度*快、感染范圍*廣、防控難度*大的重大突發公共衛生事件，其不僅給我國醫療衛生體系帶來了前所未有的嚴峻挑戰，同時也使我國社會治理體系和社會治理能力面臨極大考驗。 突發公共衛生事件是指突然發生，造成或可能造成社會公眾健康嚴重損害的重大傳染病疫情、群體性不明原因疾病、重大食物和職業中毒以及其他嚴重影響公眾健康的事件。《國家突發公共衛生事件應急預案》根據突發公共衛生事件性質、危害程度、涉及范圍，進一步將其劃分為特別重大（Ⅰ級）、重大（Ⅱ級）、較大（Ⅲ級）和一般（Ⅳ級）四級。截至2020年1月29日，中國31個省（自治區、直轄市）均啟動了針對COVID-19疫情的突發公共衛生事件一級響應。由于重大突發公共衛生事件發生突然、涉及面廣、影響巨大，危及公眾健康和生命安全，極易引起公眾廣泛性的關注和恐慌，從而對經濟發展、社會穩定和人民生產生活產生重大影響。 作為社會交往的一種重要形式，謠言*初被定義為對在人與人之間流傳的事件的未經證實的敘述或解釋，并與公眾關注的對象、事件或問題有關[1]。之后的文獻也大多遵循上述定義，例如將謠言定義為：對通過各種渠道傳播的公眾感興趣的事情、事件或問題的未經證實的闡述或注釋，其本身既不真實也不虛假[2]。由此可見，謠言的本質特征有兩點：一是未經證實；二是廣泛傳播。據此，本書將謠言定義為沒有可靠事實基礎，卻在一定程度上進行傳播的言論。由于謠言具有上述兩點特征，其快速傳播可能影響到一個社會群體的輿論，甚至引發社會性的焦慮和恐慌，從而對人們的日常生活和社會的和諧穩定產生一定的負面影響。 研究表明，與其他類型的謠言信息相比，重大突發公共衛生事件謠言具有突發性、持續性、多變性、非理性和群體極化性的基本特征，這些特征將導致事件危害性的擴大和恐慌情緒的蔓延，甚至激發一系列衍生事件，從而加劇事件的控制難度。例如，2003年爆發的SARS疫情，造成大量謠言信息的傳播，而謠言的傳播又觸發了板藍根、體溫計和米醋等物品的搶購熱潮；2013年爆發的H7N9禽流感疫情，同樣在長時間內占據了社會輿論場的核心，并造成市場上板藍根的哄搶現象；2014年西非埃博拉病毒疫情期間，個別國家出現的“患者會被處死”的謠言，導致很多患者不愿意進入當地診所接受治療；2019年年底至今的COVID-19疫情中，“雙黃連口服液可抑制新冠病毒”的謠言一出，即造成人群集中哄搶。因此，世界衛生組織（WHO）指出，伴隨COVID-19疫情爆發的“信息疫情”，使得真假信息充斥網絡，導致人們找不到正確指引而被誤導。這些“信息疫情”，讓人們陷入恐慌，源源不斷的信息擴大了危機帶來的沖擊，從而引發更為嚴重的后果。 隨著Web 2.0以及移動互聯網技術的快速發展，社交媒體如微博、微信、Twitter和Facebook等，已經成為用戶信息獲取、傳播、分享以及好友間交流溝通的主要平臺。與傳統的媒體相比，社交媒體用戶不再僅僅是信息的接收者，同時也成了信息內容的制造者和傳播者。用戶可以自由地分享見聞、表達和傳播思想及意見，用戶間的溝通與互動不受時間和空間的限制，使得信息內容更加豐富、信息傳播更為迅速，影響也更為廣泛[2]。此外，作為一種開放性的網絡輿論載體，社交媒體允許用戶自由地表達和傳播思想及意見，使其與傳統媒體相比，“把關人”作用明顯弱化，從而導致重大突發公共衛生事件發生時，一些謠言甚至極端的煽動性言論等負面信息滋生與蔓延，如果缺乏有效的網絡輿情監測及干預措施，不僅會使民眾陷于恐慌之中，甚至可能引起整個社會的動蕩與不安。 此次COVID-19疫情，考慮到病毒的高傳染性和致病性，衛生健康委在全國范圍內采取“居家隔離”的防控措施，通過在一定程度上阻斷人際交往的線下物理接觸網絡，抑制疫情蔓延。與此同時，社交媒體成了輿情傳播演化的主要平臺。相關謠言在社交媒體平臺上一經“引爆”，迅速擴散并持續發酵，與民眾因疫情蔓延而產生的焦慮、恐懼心理相疊加，引發了大面積的社會負面情緒，如“武漢紅十字會事件”“論文事件”“雙黃連口服液抑制病毒事件”等，一度成為各類社交媒體平臺中的輿論焦點。研究表明，COVID-19輿情是**次真正的社交媒體“信息疫情”，其極易引發公眾群體性的心理焦慮和恐慌，極大地考驗著政府部門的社會治理能力和危機應對能力[3-14]。 因此，如何深入分析重大突發公共衛生事件謠言的傳播及演化機理，在此基礎上，給出有效的謠言應對及治理策略，不僅是政府相關部門亟待解決的現實問題，也是社會治理及應急管理研究領域要解決的關鍵科學問題之一。 1.1.2 研究意義 作為社會科學與自然科學交叉的新興研究領域，社交媒體中謠言問題的研究涵蓋了傳播學、新聞學、社會學、管理學、計算機科學等多個學科，吸引了國內外眾多領域專家和學者的關注。目前，此類研究多基于現有網絡謠言研究框架，并結合了Facebook、Twitter以及微博等社交媒體平臺的網絡結構特征和信息互動模式。其研究領域主要集中在以下幾個方面：①謠言的內涵與特征；②謠言傳播過程中的民眾心理與行為；③謠言預警及指標體系；④謠言的演化機理及傳播機制；⑤謠言的檢測和監控；⑥謠言治理制度建設；⑦謠言對政府及社會的影響等。 在以上研究領域中，如何揭示謠言傳播機理，并給出有效的應對及治理策略，成為當前學術界研究的熱點問題。近年來，國內外學者紛紛采用社會計算的研究范式，對上述問題進行研究。然而，相比于其他類型社會事件，重大突發公共衛生事件具有如下典型特征：①自然危機和人類活動造成的突發事件之間具有衍生耦合性，即事件的爆發通常是由自然因素和人為因素的交互影響所導致；②公眾對事件發生、發展和演變過程的異常關注和擔憂，造成社會群體較大的心理壓力和情緒問題；③危機具有潛在衍生危害，破壞性嚴重，甚至引發綜合性社會經濟危機，涉及衛生、經濟和社會等多個領域；④公眾對事件認知的匱乏、社交媒體上信息過載以及事件衍生出的負面情緒等原因，導致大量相關謠言滋生與擴散。鑒于此，基于一般性謠言傳播機理而建立起來的常規謠言治理體系，無法對重大突發公共衛生事件謠言進行有效的應對與治理。 基于此，本書以重大突發公共衛生事件謠言為研究主體，以社交媒體作為研究平臺，以社會計算作為研究范式，從微觀層面上的個體行為決策，以及宏觀層面上謠言傳播過程兩個維度，揭示重大突發公共衛生事件背景下，謠言傳播規律與社會心理行為之間的內在聯系和本質特征，并在此基礎上，給出有效的重大突發公共衛生事件謠言應對與治理策略。 本書的研究將個體層面的心理偏好和行為選擇、信息層面的謠言傳播規律以及危機管理層面的政府干預機制相結合，不僅在理論上彌補了現有謠言傳播動力學研究的不足，并且為提高相關部門對重大突發公共衛生事件謠言的判斷能力和控制能力，進而有效地監測、引導和干預重大突發公共衛生事件中的社會公眾行為，提供決策理論、方法和決策支持工具。 1.2 研究內容及結構安排 1.2.1 研究內容 在微觀層面上，本書分別以刺激-反應模式（stimulus-response model，S-R模式）和技術接受模型（technology acceptance model，TAM）為基礎，結合生命周期理論、議程設置理論、媒介豐富性理論，建立社交媒體用戶辟謠信息傳播行為影響因素的概念模型；利用卷積神經網絡（convolutional neural networks，CNN）構建基于用戶歷史核心微博文本、謠言關注度和事件關注度等特征的謠言轉發行為預測模型。在宏觀層面上，本書基于時間序列模型，提出一種COVID-19疫情背景下，考慮時變網絡環境的謠言檢測模型并構建了基于超網絡的社交網絡輿論場模型。 本書的具體研究內容如下。 （1）通過分析影響辟謠信息傳播行為的內容特征、信源特征以及文本特征，基于生命周期理論，探究輿情擴散周期對辟謠信息傳播行為的調節作用，構建理論模型，并進一步分析各因素之間的相互關系，找到對社交媒體用戶辟謠信息傳播行為具有顯著影響的多個因素。 （2）以微博作為研究平臺，以COVID-19疫情為研究背景，利用CNN構建基于用戶歷史核心微博文本、謠言關注度、事件關注度、反應時間和微博頻率等特征的謠言轉發行為預測模型。 （3）以微博為研究平臺，以COVID-19疫情為研究背景，通過分析微博事件的流行程度和模糊程度，提出一種適用于時變網絡環境的基于自回歸差分移動平均（autoregressive integrated moving average，ARIMA）模型的謠言檢測模型。 （4）以無向社交網絡為研究對象，基于構建的社交網絡輿論場超網絡模型，深入探究社交網絡中的謠言傳播過程，并運用Netlogo對社交網絡輿論場的演化過程進行仿真分析。 1.2.2 結構安排 本書共6章，結構安排如下： 第1章 緒論。本章闡述了研究的背景、意義以及主要研究內容。 第2章 理論基礎及概念界定。本章對復雜網絡理論及網絡傳播動力學理論進行了回顧，并對社交媒體輿情、謠言傳播行為以及突發公共衛生事件等相關概念進行了界定。 第3章 重大突發公共衛生事件中辟謠信息傳播行為影響因素。本章基于生命周期理論，從多個維度構建了辟謠信息傳播行為的實證研究模型。 第4章 重大突發公共衛生事件中社交媒體謠言轉發行為預測。本章利用CNN構建基于用戶歷史核心微博文本、謠言關注度、事件關注度、反應時間和微博頻率等特征的謠言轉發行為預測模型，并考慮了謠言數據集不均衡性對模型性能的影響。 第5章 重大突發公共衛生事件中基于ARIMA模型的謠言檢測模型。本章選取COVID-19疫情為研究背景，基于ARIMA模型提出了一種考慮微博事件時變特征的謠言檢測模型。 第6章 基于超網絡的重大突發公共衛生事件輿論場研究。本章建立了包括社交網絡、環境網絡、心理傾向網絡、傳播網絡四層子網的社交網絡謠言傳播超網絡模型，并從多個維度探究無向社交網絡中用戶謠言傳播行為的內在機理。
書友推薦
- >
二體千字文
- >
我從未如此眷戀人間
- >
羅庸西南聯大授課錄
- >
上帝之肋:男人的真實旅程
- >
有舍有得是人生
- >
詩經-先民的歌唱
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
姑媽的寶刀
本類暢銷
