彭宗超 黄昊 吴洪涛 谢起慧

编者按：2020年初，新冠肺炎疫情由武汉市爆发，迅即席卷全国，影响全球，世界卫生组织将这场疫情列为“国际关注的突发公共卫生事件”。在习近平总书记和党中央的坚强领导下，全国人民正在进行一场声势浩大的疫情防控阻击战，体现出中国特色社会主义制度优势和治理效能，赢得了来自国内外的高度肯定和赞赏。

习近平总书记指出：“这次抗击新冠肺炎疫情，是对国家治理体系和治理能力的一次大考。要研究和加强疫情防控工作，从体制机制上创新和完善重大疫情防控举措，健全国家公共卫生应急管理体系，提高应对突发重大公共卫生事件的能力水平。”认真学习、贯彻落实习近平总书记关于疫情防控的一系列重要讲话精神，我们需要在源头治理、应急管理、决策执行、资源配置、科技支撑、社会动员、上下协同等多个维度来观察这场疫情对政府治理体系和能力的挑战，总结经验教训，抓紧补短板、堵漏洞、强弱项，并做到吃一堑长一智，避免同类事件的继续发生。

基于对上述问题的关怀，我们在疫情发生后就立即组织专家学者开展主题研讨。把“论文写在祖国大地上”，把研究成果应用到战胜疫情中，无疑包括加强有效药品和疫苗研发，注重科研攻关与临床、防控实践相结合。同时，它无疑也包括突发公共卫生事件治理研究，通过还原事件的公共治理过程，增进公共管理和社会科学知识，为以后的公共治理改革与创新提供经验与教训。考虑到当前防控疫情工作远未结束，这些研究成果还可以在实际工作中发挥积极作用。

在这一主题研讨中，彭宗超团队构建了疫情、医情、政情、民情和媒情为主的“五情”信息分析框架，通过网络大数据分析疫情早期和前期防控过程中“五情”的演化、互动与走势;齐晔团队以对疫情的科学研究体系为研究对象，考辨了疫情早期的科学研究对于政府决策的影响;顾昕聚焦疫情的早期预警，提出政府与社会需要互动协同，行政机制与社群机制需要互补嵌入;高翔、郁建兴考察了疫情防控中的三大公共治理机制：信息、决策与执行，指出当地政府公共治理中存在的问题，既表现在传统行政体系的能力不足，更表现在对公共治理新场景的不适应;刘鹏从这场疫情应对中概括了中国风险决策机制的六大特征，提出建立科学与价值的制度化协商合作机制;和经纬团队用新鲜的一手数据展示大学生群体在疫情中的心理认知和行为响应，并对公共卫生危机管理和高校学生管理提出了诸多建议;吴息凤团队揭示出这场疫情所凸显的公共卫生学科作用，以及存在的问题和不足，并从中提出了改进之道。

本期七篇主题研讨论文汇聚了诸多知名学者，可谓“七剑下天山”。我们深知，疫情还在肆虐，开展科学研究的资讯还不够充分，疫情治理研究也需要更多學科科学家进行联合攻关。但今事已急，我们把这一期主题研讨当作一个开端，以体现我们的责任和担当！

摘要：以疫情为核心，以医疗卫生专业机构、政府和民众为多元应对主体，以媒体为信息桥梁的全方位、多层次应对，是信息时代突发不明原因及新发传染病公共卫生事件应急管理体系建设的关键所在。本文构建了疫情、医情、政情、民情和媒情为主的“五情”信息分析框架，通过2019年12月1日-2020年2月7日的网络大数据，分析新冠肺炎疫情前期防控过程中“五情”的演化、互动与走势情况。在该分析时间段内，疫情信息演化可分为潜伏期、首次爆发期、首次平台波动期、二次爆发期和二次平台波动期等五个阶段，其中在前“四情”数据量中，疫情信息和医情信息总体水平较高。医卫机构和政府对疫情的反应无明显差异，且均高于民众反应;媒体对疫情的关注随疫情信息走势持续保持相对高位，网络大数据对不明原因或新发传染病防控具有一定的监测预警功能。针对类似不明原因和新发传染病，政府应重视“五情”大数据分析的监测预警作用，建构以政府为主导的多元社会合作网络并尽早进一步加强有关应急管理的“一案三制”建设。

关键词：突发公共卫生事件;新冠肺炎;五情;大数据;应急管理

中图分类号：R184.6文献标志码：A文章编号：1007-9092（2020）02-0006-015

2019年12月，新型冠状病毒肺炎（简称“新冠肺炎”）疫情从湖北省武汉市发生，2020年1月迅速向全国蔓延。由于疫情发展变化还具有不确定性，舆情也即社会舆论关注点具有多变性，我国医疗卫生系统、政府管理系统和社会民众力量是如何根据疫情和舆情发展不断调整自己的认知和行为的呢？特别是，对于从不明原因传染病到确定为新型冠状病毒肺炎后的早期阶段的应急防控往往具有更大的不确定性和难为人知的新特性，医疗卫生机构、政府、民众及媒体等在应急过程中彼此信息的演化和互动过程很值得关注和研究。因此，本文试图构建疫情、医情、政情、民情和媒情（以下简称“五情”）信息分析框架，利用互联网大数据，及时跟踪和聚焦分析此次新冠肺炎的疫情信息发展、医疗救治与卫生防控信息、政府系统应对信息、民众关注参与信息和媒体传播信息等各自演化和相互影响的过程与机理。

一、 文献综述与理论框架

突发和危机事件的应急管理过程通常分为事前、事中和事后三个阶段。事前主要包括风险评估、监测预警、防范规避和应急准备等，事中包括应急决策、协调沟通和指挥处置等，事后包括恢复重建、事件调查和学习提升等。为有效减小危机事件造成的负面影响和损失，事前的监测预警显得尤为重要。我国现行应急预案和应急体制、机制、法制（简称“一案三制”）在突发事件应急管理实践中取得了良好效果童星：《论风险灾害危机管理的跨学科研究》，《学海》，2016年第2期。。但在风险预警、危机沟通和应急决策等方面仍然存在不足童星、丁翔：《风险灾害危机管理与研究中的大数据分析》，《学海》，2018年第2期。。在危机监测和预警过程中，信息发挥着越来越重要的作用。传统的信息传递渠道和方式效率低下，不利于对灾害和危机及早预警和有效应对邵东珂、吴进进、彭宗超：《应急管理领域的大数据研究：西方研究进展与启示》，《国外社会科学》，2015年第6期。。因此，及时、全面和高效的信息获取、分析、反馈和沟通对于有效监测和提前预警，弥补现有应急管理体系的不足具有重要意义。

隨着互联网的普及和社交媒体、自媒体的推广，全球进入了大数据（Big Data）时代。一般认为，大数据具有4V的特征：体量庞大（Volume）、种类繁多（Variety）、价值丰富（Value）和响应快速（Velocity）。大数据的几大特征特别是后两个：价值丰富和响应快速等特点正好能够弥补传统应急管理体系的不足。目前，国内外已逐步将大数据应用在应急管理的实践与研究中。

大数据应用于应急管理的情景之一是通过社交媒体对灾害情况进行传播，并有效弥补政府信息的不足。美国政府早期面对森林大火主要是依靠报纸、电视等传统媒体传播灾害信息。后来，人们通过整理网友在互联网上的发帖和交流内容制作的灾害地图对政府信息进行了有效补充。这种自发式的危机沟通模式对于森林大火的位置汇报、疏散和避难起到了积极作用Goodchild M.F.， Glennon J.A.. Crowdsourcing Geographic Information for Disaster Response：A Research Frontier. International Journal of Digital Earth， 2010， 3（3）.。Sutton等人构建了预测模型，通过对沃尔多峡谷大火案例中政府推特信息的传播进行了研究，明确了在灾害中信息的发布内容、形式等与转发行为的关系Jeannette S.， Britta J.， Charles G.. Warning Tweets：Serial Transmission of Warning Messages During a Disaster Event. Information Communication & Society， 2014， 17（6）.。在波尔多洪水的灾害案例中，通过对来自52个账户的5100条推特信息的研究发现，即使是简短的推特信息，在危机情景中也能对民众的自我保护起到积极作用Sutton J.， League C.， Sellnow T.. Terse Messaging and Public Health in the Midst of Natural Disasters：The Case of the Boulder Floods. Health Communication， 2015， 30（2）.。Qu等人在2008年汶川地震发生后，通过对天涯论坛发帖内容的分析研究了重大灾害发生后的民众应急反应和民众参与情况。研究发现，在补充信息和意见角色等方面，网络论坛更加迅速和有效Qu Y.， Wu P.F.， Wang X.. Online Community Response to Major Disaster：A Study of Tianya Forum in the 2008 Sichuan Earthquake. IEEE， 2009.。

通过大数据技术也可以监测危机情况，追踪社会关注。在突发公共卫生事件中，大数据监测和追踪能够起到预警作用。美国疾控中心和谷歌公司的研究人员利用2003年到2008年美国实际流感病例数据和谷歌搜索数据，对美国九大地区流感病例进行了相关性检验Ginsberg J.， Mohebbi M.H.， Patel R.S.， et al.. Detecting Influenza Epidemics Using Search Engine Query Data. Nature， 2009， 457（7232）.。研究人员通过筛选关键词建立模型，并对样本数据进行匹配，最终针对42个验证样本点的相关系数高达97%。谷歌数据最终成功提前1-2周预测了美国季节性流感走势情况。同样，在2009年美国爆发甲型H1N1流感期间，Signorini等人通过推特信息追踪疫情情况和公众关注Signorini A.， Segre A.M.， Polgreen P.M.. The Use of Twitter to Track Levels of Disease Activity and Public Concern in the U.S. During the Influenza A H1N1 Pandemic. PLoS ONE， 2011， 6（5）.。研究结果表明，通过社交媒体测量的流感病例与实际汇报的病例情况接近。通过社交媒体或搜索引擎大数据的分析对传染性疾病进行提前预警的研究是当前热点，这类研究充分发挥了大数据响应速度快的优势，为应急管理的事前监测和准备提供了参考 Woo H.， Cho Y.， Shim E.， et al.. Estimating Influenza Outbreaks Using Both Search Engine Query Data and Social Media Data in South Korea. Journal of Medical Internet Research， 2016， 18（7）. Guo P.， Zhang J.， Wang L.， et al.. Monitoring Seasonal Influenza Epidemics by Using Internet Search Data with an Ensemble Penalized Regression Model. Scientific Reports， 2017， 7（1）. Lali M.I.U.， Mustafa R.U.， Saleem K.， et al.. Finding Healthcare Issues with Search Engine Queries and Social Network Data. International Journal on Semantic Web and Information Systems， 2017， 13（1）.。

随着社交媒体的迅速发展，对于公共安全事件的应急管理从线下逐渐转变为线上和线下双重治理。网络舆情是社会心态的集中体现，针对网络舆情的监测和疏导对于互联网时代的应急管理尤为重要。大数据在网络舆情和民众情绪的监测中能够发挥重要的作用。Thelwall等人通过对包括地震、海啸等危机事件在内的30个事件相关的近3500万条推特信息进行情绪分析发现，事件的热度与网络情绪的负面程度强烈相关Thelwall M.， Buckley K.， Paltoglou G.. Sentiment in Twitter Events. Journal of the American Society for Information Science and Technology， 2011， 62（2）.。对于突发公共事件的网络舆情监测，构建指标体系能够为舆情的全面和客观分析提供科学依据 谈国新、方一：《突发公共事件网络舆情监测指标体系研究》，《华中师范大学学报（人文社会科学版）》，2010年第3期。，而通过社会网络分析则能够明确舆情传播的网络结构特征赵金楼、成俊会：《基于SNA的突发事件微博舆情传播网络结构分析——以“4.20四川雅安地震”为例》，《管理评论》，2015年第1期。。在对“8·12天津港爆炸事故”中的网络舆情传播分析中，研究者构建了主体、信息、心理和观点四种要素的舆情传播模型刘怡君、陈思佳、黄远、马宁、王光辉、牛文元：《重大生产安全事故的网络舆情传播分析及其政策建议——以“8·12天津港爆炸事故”为例》，《管理评论》，2016年第3期。。康伟通过社会网络对“11·16校车事故”的网络舆情进行了分析，发现网络中存在凝聚子群，呈现多中心多主体结构特征，“结构洞”在信息传播过程中有重要作用康伟：《突发事件舆情传播的社会网络结构测度与分析——基于“11·16校车事故”的实证研究》，《中国软科学》，2012年第7期。。

由此可见，在互联网时代，通过大数据对危机事件进行分析、监测和追踪，能够弥补官方信息的不足、监测网络情绪、追踪社会关注焦点，也能够对传统“一案三制”的应急管理体系进行有效补充。在此次新冠肺炎疫情发生后，医疗及公共卫生机构、政府部门、社会民众和大众媒体均有不同反应与行动。由于疫情变化迅速，通过互联网大数据能够及时有效捕捉各主体在疫情防控各阶段的关注情况。

疫情发展是此次突发公共卫生事件的核心，有关新型冠状病毒的传染和蔓延情况是疫情的关键。针对疫情发生和发展，医疗机构的临床救治和疾控机构的公共卫生干预是及时有效遏制疫情蔓延的两大重要专业举措。新型冠状病毒具有人传人能力，而且具有较高的传染性，除了需要专业医疗救治和疾控部门的消毒隔离外，还需要大规模的社会干预跟进。面对此次突发危机事件，政府作为公共服务的提供者、公共政策的制定者、公共事务的管理者和公共权力的行使者薛澜、张强：《SARS事件与中国危机管理体系建设》，《清华大学学报（哲学社会科学版）》，2003年第4期。，是此次疫情危机的核心应对主体，其应急管理措施的及时性、系统性和有效性关系到此次疫情防控的成败。作为另一重要参与主体的社会力量民众，在此次疫情中也扮演着重要角色。民众对疫情的感知和应对是疫情防控和化解危机的社会基础。同时，作为信息传递的桥梁和风险沟通的平台，媒体也在此次疫情的防控中发挥着不可替代的作用。曾润喜曾把网络舆情定义为由于各种事件的刺激而产生的、通过互联网传播的、人们对于该事件的所有认知、态度、情感和行为倾向的集合曾润喜：《网络舆情管控工作机制研究》，《图书情报工作》，2009年第18期。。网络空间的不同主体对疫情的认知和态度均属于网络舆情的范畴。据此，本文拟以疫情、医情、政情、民情和媒情等网络舆情信息为对象建构“五情”信息分析框架，如图1所示，并基于互联网大数据，分析此次突发公共卫生事件中“五情”的演化、互动和走势。

图1突发公共卫生事件“五情”信息分析

框架的推演與建构

面对此次新冠肺炎疫情危机，医疗卫生机构和疾控部门是专业应急处置的直接主体，是理论上最早介入的专业机构，对疫情的判断和应对具有及时性和有效性。医情信息是对疫情信息的最直接反应因素。政府作为公共事务的管理和公共权力的行使主体，是应对和化解多元次生和衍生危机的核心主体。特别是我国政府具有其他国家不可比拟的强大社会动员能力，对于疫情防控和医疗救治具有全面的领导和推动作用，在此次疫情中具有不可替代的核心地位，因此政情信息数据能反映政府发挥作用的情况。社会主体主要有社会组织、企业和民众等，这里我们重点看民众。民众是此次危机的“受灾体”，也是化解危机的多元参与主体之一，是应急管理体系中的基础和关键，也是政府和医卫机构疫情防控的主要服务对象。民情信息一方面能反映民众的疫情风险感知和知识情况，另一方面也能反映他们采取的防护和防疫参与行为状况。医情、政情和民情之间的良好互动是应急管理成功与否的关键，三者的网络信息大数据也能反映三个主体的相互关系状况。媒体是不同主体之间信息沟通的桥梁，也对不同主体的行为起到监督作用，是此次危机管理体系中的关键主体之一，媒情信息量能反映传统媒体和新媒体等的作用发挥状况。

二、 “五情”总体走势分析

互联网上每天产生海量数据，如何从海量数据中挖掘与此次疫情相关的数据是本研究的重点和难点。首先通过检索“肺炎”或“冠状病毒”或“钟南山”，确定初步语料范围在建立与新冠肺炎疫情相关的基础数据库时，需要尽量准确地将与疫情相关的内容划定为样本总体。通过随机抽取网络数据，并通过自动分词统计，关键词“肺炎”“冠状病毒”在较长时间段内处于网络热词的前五位，且“肺炎”和“冠状病毒”能够直接体现本次疫情。关键词“钟南山”作为专家主体，是从行为主体上对样本总体进行了补充，是医疗卫生机构应对和政府应急管理的措施的体现。经过多次测试，取三个关键词的并集能够较好地覆盖此次疫情的样本。，并从不同数据源中每日抽取相同比例的数据。所有数据中，网络媒体和论坛约占15%，微博约占70%，微信约占10%，博客、报刊、视频、APP和其他约占5%。我们获取了2019年12月1日-2020年2月7日（分析时间段）149，938，123条有关肺炎应对的网络信息，并据此分析了“五情”的演化与走势。对于疫情、医情、政情和民情，我们使用基础数据库中与之相关的关键词词频进行表征，而对于媒情，则通过上述网络数据的每日数量进行刻画。

对于疫情、医情、政情和民情，我们通过在基础数据库中检索对应的关键词，并对关键词词频进行加权平均后作为对应的态势指标。关于疫情、医情、政情和民情关键词的确定标准，具体参见表1。

通过初步筛选关键词后，在基础数据库中检索上述关键词，并统计每个关键词的词频和每个关键词在当日出现的相对比例相对比例=该关键词词频/本类所有关键词词频，关键词出现的相对比例能够反映该关键词所代表的情势的相对权重和网络总体关注程度。。然后对每个关键词的每日相对比例在所在归类中进行平均后得到该类每个关键词在分析时间段内的平均比例计算分析时间段内每类所有关键词的每个关键词每日相对比例再进行本类平均，综合考虑了每个关键词在不同时间内的出现概率，避免出现因某个关键词某日出现频率过高而发生对其他关键词的“掩盖”现象。。将每个关键词的平均比例进行排序，筛选出累计比例超过99%的关键词作为最终入选表征的关键词。表2是疫情、医情、政情和民情最终确定的关键词词表中出现频率最高的10位。

最后，根据上述关键词词表计算每日出现的平均词频用来表征疫情、医情、政情和民情态势。

对于媒情，则以与新冠肺炎相关的文章、微博等的总发布量作为衡量指标。

图2是“五情”信息总体走势图。图中横坐标为日期，纵坐标为频数。“五情”信息总体频数由每个情态信息单项指标加总媒情的信息发布总数量与“四情”的关键词词频量级相同。在初步分析中，通过直接加总得到总体指数，主要分析“五情”的整体走势情况。而成，即：

“五情”总体指数对于疫情、医情、政情和民情之间重复的关键词只计一次。=疫情全体关键词（56个）词频+医情全体关键词（52个）词频+政情全体关键词（54个）词频+民情全体关键词（73个）词频+新冠肺炎相关文章、微博等的总发布数量

为了便于观察分析，图2中纵轴采用对数坐标（后同）。根据“五情”总体信息走势情况，我们将目前的“五情”信息总体走势分为五个阶段：潜伏期（12月30日前）、首次爆发期（12月30日-1月1日）、平台波动期（1月2日-1月16日）、二次爆发期（1月17日-1月23日）和平台波动期（1月23日后）。

图2“五情”总体走势与阶段划分

从图2中可以看出，新冠肺炎疫情爆发以来，经历了两次爆发期。第一次爆发期在12月31日前后。这主要是源于12月30日武汉市卫健委发布关于做好不明原因肺炎防控的紧急通知和12月31日武汉市卫健委官方回应了不明原因肺炎的有关情况，并确诊了27例病例湖北省卫生健康委员会：《武汉市卫健委关于当前我市肺炎疫情的情况通报》，湖北省卫生健康委员会，2019年12月31日，http：//wjw.hubei.gov.cn/fbjd/dtyw/201912/t20191231_1822343.shtml。。在1月1日-1月14日的平台波动期，1月9日国家卫健委宣布武汉市不明原因肺炎为新型冠状病毒感染的肺炎，“五情”信息曾出现一次峰值。在第二次爆发期的1月20日前后，此时肺炎疫情日益严重，针对新冠肺炎疫情的阻击战开始全面打响。习近平总书记于1月7日和20日对疫情作出重要指示，强调要把人民群众生命安全和身体健康放在第一位，坚决遏制疫情蔓延势头新华社：《习近平对新型冠状病毒感染的肺炎疫情作出重要指示》，中华人民共和国中央人民政府，2020年1月20日，http：//www.gov.cn/xinwen/2020-01/20/content_5471057.htm。。随即李克强总理也做出专门批示加强防控，国务院启动联防联控机制。同日国家卫健委把该疾病列为乙类传染病实行甲类控制。1月23日，按照武汉市疫情防控指挥部通告，武汉全市城市公交、地铁、轮渡、长途客运暂停运营，机场、火车站离汉通道暂时关闭萧辉、丁刚、高昱：《武汉凌晨宣布交通封城，部分市民游客选择连夜出城》，财新网，2020年1月23日，http：//www.caixin.com/2020-01-23/101507541.html。。連续采取的重要措施，使得“五情”信息量整体再次爆发。在两次爆发期前后则是潜伏期和两次平台波动期，“五情”走势均相对平稳，也有不同程度的波动。

由于疫情、医情、政情和民情信息量均通过关键词词频计算得到，因此通过加权平均后可以比较疫情、医情、政情和民情等信息的相对走势情况，具体如图3所示由于媒情是通过与此次疫情相关的报道的数量衡量，与疫情、医情、政情和民情的标准不同，因此媒情与疫情、医情、政情和民情之间不能比较相对数值的大小。。

图3“五情”的相对走势

从分类走势上来看，疫情、医情、政情、民情和媒情的信息走势具有较高的一致性。在整个分析时间段，疫情信息始终领先和高于医情、政情和民情等信息。在潜伏期以及两次平台波动期，“四情”之间的差距相对较大一些。从首次爆发期开始，医情大多时段会领先于政情和民情，这表明专业的医疗机构和疾控部门对疫情会更早介入处置和应对。同时，政情从首次爆发期开始也一般会领先于民情，这表明政府部门在疫情初次爆发时已经开始介入肺炎疫情的防范和应对，而民众当时的知晓和关注相对有限。在1月2日-1月14日之间的平台波动期，疫情与其他“三情”均上升到中位水平，并保持平稳波动状态，彼此之间数量差距增加，但疫情信息还是高于其他“三情”，这具有一定的预测或预警作用。政情与民情信息相对均偏低位或末尾，说明政府与民众这一时段对此的重视度可能都有不足。这段时间政府与民众重视不足，在前期（1月9日前）可能是因为肺炎疫情原因不明，在后期（1月9日之后）可能因为新型冠状病毒仍未见明确人传人或有限人传人。2020年1月15日以后“四情”均持续上升，这具有一定的预警意义。特别是20日后，国家卫健委高级别专家组调查结果公布和中央政府把新型冠状病毒感染的肺炎纳入乙类传染病和甲类防控，“五情”指数直线上升，在23日前后达到峰值，24日开始回落随后进入第二个平台波动期。在第二个平台波动期的绝大部分时间内，政情超过了医情，这表明26日中央决定在国务院联防联控机制基础上在中央政治局常委会领导下专设新冠肺炎疫情防控领导小组，这大大提高了中央政府的介入力度，自然也使得此间政府信息量超过医情数据量。媒情信息虽无法与其他“四情”进行数值的相对比较，但从媒情走势来看，与疫情走势具有较高一致性，因此可以看出媒体在分析时间段内对于疫情本身具有较高关注程度。

三、“五情”具体分类走势

1. 疫情

图4是根据大数据计算表征得到的疫情态势信息量与实际新增确诊病例模拟推算补充后的走势对比图。从图中可以看出，在12月30日前疫情信息有波动但基本平稳，未见明显疫情爆发情况。从12月30日-1月1日，两天里疫情信息规模大幅上升，可能主要是因为12月31日武汉卫健委发布了不明原因肺炎27例。1月2日-1月16日，疫情信息总体变化不大，呈现相对平稳波动状态，15日后再次出现爆发式增长，并于23日达到峰值，23日后再次平稳波动。疫情信息的整体走势与实际疫情的整体走势大体一致，并在首次爆发期后走势稍领先实际疫情情况（提前约2-3天）。疫情信息的对数数值比实际每日确诊疫情病例的对数数值高约2个量级。考虑到隐性感染者和轻症未就医确诊的情况，网络疫情数据走势可能与实际感染疫情走势有更高契合度。

图4疫情与新增确诊病例走势实际每日新增病例数据来源于国家卫生健康委员会官方通报。1月20日前的新增确诊病例数使用湖北省卫生健康委员会通报的数据，并根据传染病模型估算得到。

疫情信息走势是由关键词的总体词频走势得到，通过分析词频较高的关键词的走势能够更加清晰地反映疫情信息的核心关注点。分析时间段内，出现频率最高的五个关键词依次为：流感、肺炎、疫情、感染、新型冠状病毒。在分析时间段内上述排名前五位的关键词词频走势如图5所示：

图5疫情关键词走势

从对数坐标图中可以清楚地看到，5个关键词的总体走势近似。在1月4日以前，尚未出现“新型冠状病毒”的舆情信息。潜伏期内，网络空间对于疫情的认识大多局限为“流感”。在首次爆发期后，“肺炎”的词频迅速上升了4个数量级，并跃升为首位。基于科学认识后，“流感”的排名逐步下滑，并一直处在低位。这说明新型肺炎疫情爆发初期更多会被人们误断为流感。1月5日，网络空间首次出现“新型冠状病毒”，并于1月9日国家公布发现新型冠状病毒后出现首次爆发，并迅速上升至第二位，直到1月22日。在其后的二次平台波动期，“流感”处于低位，“疫情”有后期上升到第一位的态势，“肺炎”“新型冠状病毒” 和“感染”继续维持高位。

从上述关键词的走势可以看到，公众对疫情的认识存在着发展与变化，前期由于知识和信息受限，也由于新冠肺炎前期与流感症状的相似性，使得公众误认为是“流感”。在12月31日官方回应核心关切，确认为“肺炎”之后，这次由于病毒感染导致的肺炎疫情才正式进入公众视野。在不明原因传染病爆发后的应急管理前期的风险评估和监测预警时，除需要关注与疫情事件直接相关的关键词指标，也应关注前期与事件相似或派生的关键词监测。这是事关能否实现不明原因传染病防控从应急管理向风险管理和风险治理转型的关键环节。突发公共卫生事件特别是不明原因传染病防控应急管理体系的现代化与全面转型确实离不开风险管理/治理的意识、理论、制度和方法的及早引入，风险管理应该是应急和危机管理必需的基础工作之一彭宗超：《中国合和式风险治理的概念框架与主要设想》，《社会治理》，2015年第3期。。

2.医情

图6是医情走势图。从图中可以看出，医情情况与疫情相对应，在12月30日前，医情关注度不高;12月30日-1月1日医情关注度迅速增长;1月2日-1月14日，医情关注度整体平稳波动;1月17日-1月22日进入第二个上升期，并于25日前后达到分析时间段的峰值;1月22日后进入第二平台波动期。通过医情与疫情的五阶段对比可以发现，医情的整体走势与疫情类似，爆发期基本重叠，潜伏期和平台波动期走势略有区别，医情数据稍稍低于疫情数据。

图6医情走势图

根据前文分析，医情主要包括医疗救治和公卫疾控两方面，这从表征医情的关键词中也有所体现。通过计算得到分析时间段內排名出现频率最高的五个关键词依次为：防护、专家、治疗、疫苗、报告。在分析时间段内上述排名前五位的关键词词频走势如图7所示：

图7医情关键词走势

从医情关键词走势来看，在潜伏期和首个平台波动期，五个关键词的走势差异较大，在爆发期和第二个平台波动期走势相近。首次爆发时，“专家”迅速上升至首位，这凸显了网络对专业医疗救治的关注程度。在首个平台波动期，“专家”再次出现两次小高峰，并居于首位。在首个平台波动期，“防护”出现了明显的下降趋势，这表明这一阶段可能存在对医疗防护的懈怠。进入第二次爆发期，“防护”和“疫苗”提前爆发性增长，于1月14日前后迅速上升。“防护”上升至首位，这表明对公共卫生防护关注程度的迅速上升。在二次平台波动期，落后的“疫苗”出现短期高峰，回落后又迅速增长。这也凸显出对于主动防护新冠肺炎的关注程度。

上述五个关键词中，“防护”、“专家”和“治疗”属于医疗救治，“专家”、“疫苗”和“报告”属于公共卫生机构的疾病预防控制措施。从医情整体的走势来看，医疗救治总体领先于公卫疾控。对于突发公共卫生事件来说，对医疗救治的关注体现了对危机情景下的应急处置行为的关注。而公卫疾控在首次爆发期后也从原先的最低位逐步上升，这是医疗机构和民众对疫情主动防护行为的关注，避免疫情的蔓延和扩散。两者相辅相成，也是从应急逐步向预防的转变。

3.政情

图8是政情走势情况。从图中可以看出，在12月30日前，政情关注度不高;12月30日-1月1日政情关注度迅速增长，关注度提升了3个数量级;1月2日-1月14日，政情关注度整体平稳，略有下降;1月15日-1月22日进入第二个上升期;随后，走势进入二次平台波动期。

从政情的总体走势来看，政情的二次爆发期（1月14日）起点早于疫情和医情的二次爆发期（1月17日）起点。这表明政府部门对于此次突发公共卫生事件的介入加快且持续关注度快速提高。

图8政情走势图

政情主要包括公共卫生管理类和非公共卫生管理类政情。通过计算得到分析时间段内排名出现频率最高的前五位关键词依次为：预防、卫健委、大规模、通报、政府。在分析时间段内上述排名前五位的关键词词频走势如图9所示：

图9政情关键词走势

排名前五位的关键词都属于公共卫生管理类，这说明在分析时间段，对公共卫生管理类的政情关注程度相对较高。对于政情关键词的走势来说，在潜伏期，各关键词走势差异较大，这主要是在潜伏期政府各部门未明确发声。进入首次爆发期和首次平台波动期后，“卫健委”和“通报”居于前两位。“卫健委”作为此次公共卫生事件的应急管理主体和国务院联防联控机制的牵头单位频繁曝光，而官方“通报”的出现频率也逐渐升高。在二次爆发期和二次波动期，除“大规模”外，其余关键词走势基本一致，且差异较小。

尽管从分析时间段全体来看，公卫管理类的政情关注度高于非公卫管理类，但非公卫管理类的政情在特定时间段也曾出现过较高的关注。1月23日，武汉市采取“封城”措施，这属于政府总体层面升级的公共卫生管理的措施。图10是关键词“封城”相对比例走势。从图中可以清楚地看到，在1月23日，“封城”的相对比例接近16%（当日排名第一），随后便迅速下降，因此，在总体排名中并不靠前。对于非公卫类的政情，其舆情爆发具有短期性的特点，需要在特定的时间段给予关注。

图10非公卫类关键词“封城”相对比例走势

4.民情

图11是民情走势图。从图中可以看出，在12月30日前，民情关注度不高;12月30日-1月1日民情关注度迅速增长;1月2日-1月14日，民情关注度整体平稳，波动下降;1月15日-1月22日进入第二个上升期，并于22日达到峰值;1月23日后，民情进入第二个波动期并持续保持高位。

从民情走势图中可以看出，在1月初首个平台波动期，民众关注度波动下降较为明显，这表明在有限信息条件下，民众对此次疫情的懈怠情绪。然而，在第二个爆发期，民情上升了4个数量级并持续高位，这表明民众对疫情的持续关注态势。

图11民情走势图

民情主要包括风险感知、风险知识和应急行为三个维度，这三个维度在关键词中均有体现。通过计算得到分析时间段内出现频率最高的五个关键词依次为：口罩、爆发、疫苗、严重、人传人。其中，“爆发”和“严重”属于风险感知，“人传人”属于风险知识，“口罩”和“疫苗”属于应急行为。在分析时间段内上述排名前五位的关键词词频走势如图12所示：

图12民情关键词走势

从民情的关键词总体走势来看，各关键词均呈现在首次平台波动期下降，在二次爆发期迅速上升的态势。12月30日，首次爆发期后，“严重”和“爆发”迅速上升，民众此时的风险感知较高。12月31日首次出现大规模“人传人”的表述，并居于首位。在第二次上升期，“人传人”再次迅速上升，并在短期内居于首位。由此可见民众对新型冠状病毒的传染性的高度关注。二次上升期后，“口罩”上升到首位，并明显高于其他关键词，这表明民众的自我防护意识增强，应急准备行为提高。

结合风险感知、风险知识和应急行为来看，在潜伏期内，由于并未发生明确很大的疫情，此时民众主要聚焦的是风险知识和风险感知。进入首次爆发期后，官方的回应迅速提升了民众的风险知识，风险感知也随之提高。二次爆发期后，随着疫情的发展，民众的自我防护意识增加，应急行为持续走高并长期居于首位，这既说明公民防护意识和行为都较平常有很大提升，同时风险防护行为增强后，公民的焦虑感和恐慌情绪也可能同步增加。

5.媒情

媒情的态势主要根据网络媒体、论坛、微博、微信、博客、报刊、视频、APP和其他媒体涉及到此次新冠肺炎疫情的报道的文章、微博等的发布总数来刻画。从媒情来源可以看到，媒体中既包括传统媒体（如，报刊）也包括自媒体（如，微博、博客），既有即时通讯类平台（如，论坛、微博）也有非即时通讯类平台（如，网络媒体、博客、报刊、视频）。通过对全媒体的报道数量进行描述统计，可以展示此次疫情中全网媒体的关注情况。媒情走势图如图13所示：

图13媒情走势图

从图13中可以看出，媒体关注度在12月24日有一个短暂的高峰期，说明潜伏期的有关不明原因肺炎疫情已经得到媒体的关注，此后又有下降，而后又从12月30日开始出现第一次爆发性增长，经历了1月2日-1月16日的平稳波动后以后迎来第二次增长，并在1月23日达到峰值。随后处于高位波动，并缓慢上升的状态。对比媒情与前述“四情”，我们发现媒情在前期具有一定的滞后性，个别时段（如12月22日-12月29日期间）也有非正常地突增或突降，在疫情爆发信息披露后，疫情报道持续升高，且始终保持高位并平稳上升。

四、“五情”的相关性分析

从前文“五情”的整体走势看，“五情”的走势具有较高的一致性，可以对“五情”之间进行相关性分析来进行验证。具体如表3所示：

从表3中可以看到，在1%的显著性条件下，“五情”之间具有较高的相关性，相关性系数均大于0.9，其中疫情与媒情之间的相关性系数最高，医情与政情的相关性系数最低。这表明“五情”走势之间都具有较高的一致性，与图4的初步判断吻合。

此外，可以通过线性回归初步判断不同情态信息之间是否具有显著性差异。疫情是此次突发公共卫生事件的主要原因，将疫情作为自变量，将其他情态信息作为因变量进行回归，并对不同回归模型中的两组系数的差异进行显著性检验，可以判断不同情态信息对疫情反应的差异性。医情、政情、民情、媒情与疫情的回归结果如表4所示，不同情态信息间的系数差异性的显著情况如表5所示。

从表4中可以看到，不同情态信息与疫情之间具有高度相关性，这与表3的结果一致。从表5中可以看出，医情和政情对疫情的回归系数不具有显著性差异，这表明医卫机构和政府对此次突发公共卫生事件反应情况具有较大相似性。其余组之间的回归系数均具有显著性差异，这表明有关不同主体对疫情信息反应的显著差别。从表4的回归系数看，医情和政情的回归系数大于民情由于媒情的统计方式与其他不同，因此不做比較。，这表明了医卫机构和政府对疫情的反应显著高于民众。

四、 结论与政策建议

本文主要从不明原因传染病及新发传染病应急管理的信息演化角度分析了不同主体对此次新冠肺炎疫情防控的信息演化、走势和关注焦点变化。在分析时间段（2019年12月1日-2020年2月7日）内，我们对与新冠肺炎相关的疫情、医情、政情、民情和媒情等“五情”信息的总体走势、分类走势和关键词走势进行了大数据分析，本文的主要发现与结论如下：

第一，根据网络大数据，新冠肺炎疫情前期防控过程中“五情”信息整体走势可以划分为五个阶段：潜伏期（12月30日前）、首次爆发期（12月30日-1月1日）、一次平台波动期（1月2日-1月14日）、二次爆发期（1月15日-1月23日）和二次平台波动期（1月24日后）。

第二，“五情”之间的走势总体同步，但在疫情不同阶段，他们的信息量有不同的变化。在潜伏期、首次爆发期和一次平台期，“五情”之间的信息同步性很强。疫情早期医卫机构和政府对疫情的反应无显著差异，但均高于民众，这说明这一阶段医卫机构和政府具有信息优势，对于突发公共卫生事件具有较高的敏感性。在1月中下旬的疫情信息二次爆发期，媒体信息持续上升，民情信息也持续走高，民众的防护行为和应急措施信息也普遍升高。这表明在全面抗疫阶段，民众的应急准备行为激增，既是合理的应激反应，但也有过度恐慌的问题出现。

第三，“五情”大数据分析可以为不明原因传染病或新发传染病的早期和爆发前期防控提供一定的预警支持。早期网络大数据监测预警难度很大，但是通过与该类疫情相关媒体数据的走高和突高（如2019年12月24日前后的媒情数据）也可以较早捕捉有关疫情风险的蛛丝马迹，可以窥见流感或类流感的肺炎疫情的潜在可能。另外，1月10日-1月14日之间的“五情”信息虽有下降但并未回落低位，可以提示此间不能放松警惕。1月15日以后网络大数据就开始走高，也是一个预警征兆，可以提醒政府和相关部门要加大重视力度，及早防控。同理，1月24日之后进入二次平台波动期，依然未见信息回落低位，这也预示有关防控工作仍然不能放松。

通过对“五情”的描述性和相关性分析，我们提出如下政策建议：

首先，高度重视不明原因传染病及新发传染病早期的大数据风险监测。要充分发挥大数据在此类不明原因和新发不确定风险很高的传染病防控应急管理中的监测预警作用。医卫机构、政府、民众和媒体的关注点会随着疫情事件的变化而不断发生转变。应该充分利用大数据响应速度快的特点，在此类突发公共卫生事件中及时监测不同主体的核心关切，并有针对性地进行风险预测、舆论疏导和应急防控。

其次，在继续发挥政府主导的应急管理体制优势的同时，更要注重充分发挥专业机构和社会民众及媒体有序参与应急管理的作用。政府主导的应急管理体系具有动员能力强、执行力高等优点。医卫专业机构具有科学的判断、救治和防控能力。媒体具有很好的信息沟通交流与监督功能。民众既是一线直接的风险威胁客体，也是社会基础性的防控主体。因此，推动政府与多元社会主体建立高效协作网络，其中要特别重视发挥媒体的信息沟通作用，特别要重视尽早通过媒体宣教及沟通让民众更早更充分地了解疫情信息，做好自我防护，这些对更及时有效防范和应对各种突发事件，特别是不明原因传染病及新发传染病的不确定性风险具有非常重要的意义。

再次，建议国家在加强现有突发公共卫生事件应急管理建设时，要特别重视不明原因和新发传染病疫情早期监测和最坏情景下“一案三制”等应急制度的进一步修订完善工作。根据本次疫情防控经验尽快修订传染病防治法、国家突发公共卫生事件应急预案，特别是国家不明原因传染病应急预案，并制定出台传染病大流行应急预案等，来着力解决此类突发公共卫生事件早期监测难、前期爆发后始发地防控难和纵横向协同难等诸多问题。比如在新发传染病病毒分离、认定和病例诊断上放权给科研基础条件达标的省份甚至地级市卫生部门，一旦认定为新发传染病后在传染性和致病严重性无法快速认定条件下，允许有关始发地快速启动尽可能高的疫情防控举措，国家认定后也应立即启动高级别的疫情应急防控预案以防全国性扩散。同时还应高度重视传染病一旦大流行最坏情况下应急管理“一案三制”的完善和峰值需求资源的协同配置准备。

（责任编辑：严国萍）

收稿日期：2020-02-11

作者简介：彭宗超，清华大学公共管理学院党委书记，清华大学应急管理研究基地/中国社会风险评估研究中心主任;黄昊，清华大学公共管理学院博士生;吴洪涛，清华大学应急管理研究基地博士后、助理研究员;谢起慧，中国矿业大学（北京）文法学院副教授。本文在清华大学应急管理研究基地/中国社会风险评估研究中心和北京智慧星光信息有限公司合作开展的新冠肺炎疫情大数据研究报告“新型冠状病毒感染的肺炎疫情应对‘五情大数据分析报告”（作者：彭宗超、黄昊、李青龙、谢起慧、吴洪涛、赵冲）基础上，经过进一步拓展数据时段和深度分析基础上形成，感谢前期课题组相关师生！

基金项目：国家重点研发计划重点专项“国家安全风险管理关键技术研究与应用”（编号：2018YFC0806900）;国家自然科学基金重大项目“重大国家安全事件管理机制研究”（编号：71790611）;国家社科基金重大项目“总体国家安全观研究”（编号：2018MZD018） 及北京智慧星光信息有限公司委托項目“中国社会风险大数据智能分析研究”。