安 璐，陈苗苗

（1. 武汉大学信息资源研究中心，武汉 430072；2. 武汉大学信息管理学院，武汉 430072）

1 引 言

政府信息发布一直是政府应对突发事件、引导社会舆论的重要手段之一。2018 年《国务院办公厅关于推进政务新媒体健康有序发展的意见》中指出，“全面提升政务新媒体传播力、引导力、影响力、公信力，打造一批优质精品账号，建设更加权威的信息发布和解读回应平台”[1]。在“互联网+政务”创新政府治理和社会服务的新型战略方针倡导下，政府信息发布环境被彻底改变，数字化新媒体成为传统政府信息发布走出信息发布封闭困境、加快数字化转型、提升社会治理能力的重要方式。据新浪网《2020 微博用户发展报告》[2]显示，经过微博平台认证的政务微博已达177437 个，尽管政务微博总体应对重大突发事件的各项指标表现优良，但横向比较政务微博时，仍存在部分政务微博僵尸化、政务形象娱乐化等现象，各类政务微博数字化治理水平参差不齐。

在此背景下，学者们从认知、情感和行为三个方面对政务微博传播效果进行了定性分析，提出关于完善政务微博信息发布的策略，但这些研究大多针对在突发事件中表现较为成熟的单个政务微博[3]，一些影响因素的指标量化集中于外在特征，如@符号、语言风格等，未能揭示政务微博信息发布有效性的关键因素与作用机制。此外，哪些政务微博是突发事件中的主力治理者无从得知。而了解突发事件情境下各政务微博的表现是政府舆情治理的源头，对其表现的衡量将有助于明确政府数字化水平，便于有针对性地提升数字业务水平。总而言之，当前数字化社交媒体数据没有得到有效利用，未能开展政务微博信息发布的相对有效性评估，也没有深入探究目前处于信息发布失效状态的政务微博账号如何在突发事件舆情治理中提升其信息发布效果。这些问题的解决可以帮助政务微博提升突发事件舆情治理信息发布有效性，揭示特定情境下政务微博与社会公众的信息交流模式和特征，为深入研究面向突发事件应急管理的政府信息沟通模式和舆情应对提供情报服务方法和数据支撑，对创新社交媒体在政府数字化转型的应用与实践上都具有重要的意义。

为此，本研究以2020 年南方汛情为例，研究如何充分利用社交媒体数据来测度突发事件情境下政务微博信息发布的有效性，挖掘影响政务微博信息发布有效性的关键因素，探究能够促进不同类型政务微博信息发布有效性的条件或信息发布组合，进而揭示提升政务微博信息发布有效性的路径。本研究的贡献在于：①基于ABC（affect, behavior, cognition）态度模型理论，结合数据包络分析（data envelopment analysis，DEA）模型提出评估突发事件情境下政务微博信息发布有效性的方法，识别突发事件舆情治理中的优秀表现者，并测度政务微博的相对有效性；②基于劝服理论识别政务微博信息发布有效性的影响因素，揭示信源主体、信息内容和劝服方法三个维度上的因素与政务微博信息发布有效性的关系；③利用SHapley Additive exPlanations（SHAP）分析影响因素，探索政务微博信息发布有效性的影响机制，确定在突发事件舆情治理中政务微博利用数字化社交媒体属性来增强其信息发布有效性的方法。本研究相关发现有助于提升政务微博信息发布的有效性，可为突发事件应急管理提供及时高效的沟通渠道，充分满足公众的信息获取需求。

2 理论基础与文献回顾

2.1 相关理论基础

新公共管理理论主张政府具有主观能动性，注重政府行为的有效性，强调以企业管理和市场导向方式激发政府治理效能[4]。其对本研究的主要借鉴意义是突发事件舆情治理源头在于政府治理模式创新和治理能力提升，政府信息发布时既需要横向比较各级政府治理效果，以促进政府竞争机制，也需要纵向建立增强政府信息发布效能的机制，不断提升政府治理能力。

社会积极心理学将人的心理状态分为三个系统：认知（cognition）、情感（affect）、行为（behavior），是心理学中最为重要的ABC 态度模型理论。该理论模型认为个体态度的改变是由认知、情感和行为三个要素构成的，且认知效果、情感效果和行为效果存在递进关系[5]。在突发事件情境下，政府信息发布效果与受众态度不可分割。认知效果是指受体在事件信息刺激下选择性注意理解信息后的知识量增加或知识构成的变化。Yin 等[6]发现在不确定信息环境下用户会使用更多含有认知表达的词语。情感效果是对受体的深层反应，体现出受体对信息内容的兴趣喜恶。行为效果是受体在接受信息后所引发的行动变化[7]，在微博中通常体现为点赞、评论、转发行为。此外，根据群体动力理论[8]，个体内在需要（person，P）和环境外力（environment，E）会决定一个人的行为（behavior，B）。社交媒体中用户对信息的认知、情感及行为会受到微博评论中高赞评论的影响，对于这类评论可赋予更高的权重。本研究借鉴ABC 态度模型理论，从认知、情感、行为三个维度度量政务微博信息发布的效果，而效果是从受众角度对某个政务微博条目的评价，政务微博信息发布有效性强调的是不同政务微博主体在突发事件期间通过信息发布改进受众对突发事件态度的能力。通过DEA 模型能很好地评价政府公共事业管理有效性[9]。鉴于此，本研究将用DEA 模型来评价政务微博信息发布的有效性。

1948 年，哈罗德·拉斯韦尔提出著名的“5W”信息交流模式，即谁（发送者），说了什么（信息），通过什么渠道（媒介），对谁（接受者），取得了什么效果（影响）；以此为基础，美国著名实验心理学家卡尔·霍夫兰提出劝服理论，总结出劝服的四个要素：信息沟通者、信息内容、信息传播媒介以及信息接受者[10]。其中，信息沟通者为信源，一般会从信源特征出发，构建关于信源可信度、知名度或影响力等方面的指标；信息内容、信息传播媒介均为信息传播的方式，劝服理论认为论据的说服力是建立在论据是否具备有效性和新颖性两个特征基础之上的，通常考虑信息情感性、易读性等方面的内容；信息接受者为信宿，即劝服对象。事实上，政府信息发布是政府和公众进行共时信息交流的方式，也是在社交媒体环境下对特定信息交流内容的呈现，其信息生产者、信息发布内容、信息发布模式等决定了政府和公众信息交流的效率，提升政府信息发布效能在一定程度上能提高信息交流效率，让公众在更加了解事件相关信息的同时增强公众对政府的信任和支持。借鉴劝服理论，本研究从信源主体、信息内容和劝服方法三个方面构建了影响因素体系，其中，信源主体包括权威性、及时性、协调性三个二级指标，信息内容包括信息明确性、信息可读性、信息情感性、信息相关性四个二级指标，劝服方法包括发布形式和议题设置两个二级指标。

2.2 突发事件情境下政务微博相关研究

政务微博作为数字化管理手段搭建政府与公众直接对话的渠道，开创了公众参政议政的新形势，在传播政务信息、提高政府治理、加强民意沟通等多个方面具有重要的作用[11-12]。

在面对突发事件时，政务微博作为主要的公众沟通者需要具有良好的沟通能力，才能促使正确的信息被广泛传播，进而消除事件危机。但是一些政务微博在面对突发事件时往往表现出言语失序、舆论领袖意识薄弱、信息发布不及时等问题，造成政务微博公信力的下降[13]、网民负面情绪大肆渲染[14]、舆论异化[15]等严重情形，导致治理效果不佳。为了占据突发事件舆情中的主要话语地位，政务微博需要协同合作、共同治理，建立对应的应急预案及预警措施[16-17]，积极发挥公众在突发事件中的传播作用。

突发事件情境下的政务微博研究一直是情报学领域的研究热点之一，现有研究对政务微博在引导舆情走向的作用、加强民意沟通的重要性等方面进行了深入阐释，同时，也对当前政务微博面对突发事件所出现的各种问题进行了深入分析并提出了相应的意见，这些为本研究在政务微博信息发布有效性方面的研究奠定了基础；但大多数政务微博研究主要通过案例分析来定性研究单个政务微博帐号，例如，分析具有影响力或活跃的账户，鲜少以具体量化的方式建立政务微博信息发布有效性的测量方法。

2.3 政府信息发布有效性的相关研究

政府信息发布是指政府部门根据法定程序规则以各种形式主动向公众传播信息的行为。目前，专门针对政府信息发布有效性的研究并不多。张礼才等[18]认为，政府信息发布有效性的影响因素包括时效性、主动性、解释力、情感力、渠道力。除此之外，从现有文献可见，政府信息发布有效性同传播效果是相关的，狭义传播效果指传播活动实现传播者意图的程度，广义传播效果是信息传播行为所引起的客观结果[19]。因此，研究通常以点赞数量、转发数量、阅读数量、评论数量等指标衡量信息传播效果，考虑到点赞、分享等行为存在差异性，如评论中含有更多的认知与态度，后又将传播效果划分为认知类、情感类和行为类，以体现各指标的层次性[20]。传播效果衡量指标划分虽更为细致，但其具体的测量方式未发生变化，如陈远等[21]以信息覆盖人数衡量微博信息传播对受众认知的影响，以评论数体现受众的情感和态度。政务微博传播效果的衡量也多基于单个微博账号的研究，如探究分析“北京发布”[22]、“上海发布”[3]在突发事件中的响应效果、互动效果等。对多个政务微博的研究集中在政务微博群的合作网络分析上[23]，强调协同治理的重要性。

这些研究专注于政务微博群体或个体的传播效果，结合定性及定量两种方式对政务微博产生的影响效果进行分析，并提出了对应的管理建议，但是较少研究政务微博信息发布有效性。传播效果虽然划分为认知、情感和行为三个维度，但各维度的量化以点赞数、评论数、转发数、阅读数量为主，量化结果最终体现的是微博传播能力，而非本研究所提出的政务微博信息发布有效性，其传播效果在本研究评估政务微博信息发布有效性上体现在行为维度上。此外，从现有文献中可以窥见政府信息发布有效性和受众是密不可分的，应避免受众由于对突发事件的不知情而产生恐慌心理[14,24]，因此，本研究从受众的角度研究政务微博信息发布有效性。

2.4 政务微博信息发布有效性的关键影响因素分析

政府微博信息发布有效性的关键影响因素分析主要从两个方面进行。第一是用户方面的研究。学者们使用中心性度量等方法探究用户在复杂网络中的影响力、权威性[25]，相关指标常有粉丝数、被转发次数、被提及次数等[26]。通常公信力[27]和信息发布及时性[28]是舆情治理关注的重点。第二是政务微博内容特征相关的研究。在政务微博语言风格上，有研究结果表明真诚亲切的语言能增强民众对政府的好感[29]。在形式上，政务微博应丰富媒体形式，多利用图片、音乐、视频等形式[30]，更容易吸引网民互动和正面评论，进而促进转发、评论行为。感知有用性和易用性正向显著影响公众使用政府网站的行为态度[31]。在具体构建政务微博有效性影响因素的综合指标上，Tang 等[32]探究了媒介因素、公众因素、政府因素三个方面与传播效果的相关性，Hu等[33]从规模、注意力程度、活动程度和内容有效性来衡量政务微博的影响力，但相当一部分因素的衡量量化困难。

目前政务微博传播影响因素集中在对政务微博发布者特征及微博内容等外在或显性特征的揭示，很多指标的构建是基于计数衡量或者是否存在，并且大多基于单条微博的传播效果，缺乏对政务微博主体账号在突发事件情境下的信息发布有效性影响因素的分析，而且内在特征如议题设置、情感和主题满足情况与显性特征及发布者特征的协调关系研究不足。

综上所述，相关理论为本研究提供了理论指导，具体表现在：①本研究以新公共管理理论为基础，确定了横向比较政务微博信息发布的有效性及纵向建立增强信息发布有效性的机制的研究思路；②基于ABC 态度模型理论，构建政务微博信息发布效果评估指标，依据群体动力理论细化政务微博信息发布有效性评估指标的计算方法；③以劝服理论为指导，识别影响政务微博信息发布有效性的因素，并构建政务微博信息发布有效性影响机制。

目前关于突发事件情境下政务微博信息发布有效性的研究存在以下不足：①对突发事件情境下政务微博有效性评估的研究较少，大多数研究倾向于对政务微博群体或个体传播效果的衡量；②政务微博的评估常使用定性方法，对少数几个政务微博账号传播效果进行评估，对社交媒体数据的利用不足以及评估范畴具有局限性；③在传播效果指标量化方面，大多数研究忽视认知效果的衡量或是简单地使用点赞、阅读量作为认知效果衡量，量化方式不够细化；④在影响因素构建方面，部分因素量化困难。此外，影响因素集中于外在或显性特征，但内在与隐性特征亦需要考虑。

3 研究方法

3.1 数据收集与预处理

本研究以2020 年南方汛情事件为例。首先以“南方汛情”为关键词获取2020 年6 月1 日至9 月30日的原创微博65150 条。以此为基础，获取29106条微博用户信息。鉴于新浪微博提供政务微博筛选字段，当该字段为1 时，说明该微博账号为认证的政务微博账号，继而筛选出政务微博账号4251 个，并筛选出网民发布的原创微博数据44122 条。然后通过“汛情”“洪涝”“内涝”等关键词获取每个政务微博账号与汛情相关的微博数据累计60322 条，并采集微博评论数据累计153346 条，最终获取原创微博数据、用户数据、政务微博数据、评论数据共计307924 条。

针对政务微博条目，由于采取精确搜索模式，所有政务微博条目均与汛情相关，预处理环节主要删除无意义词语，使用结巴分词对文本内容进行处理，去除文本内容中所含有的“@”“转发微博”、停用词等无意义词，再进行相关主题或特征分析；针对评论数据，删除转发微博、空白值、纯数值、“你好，你感兴趣的超话已开通”、纯@、纯带话题#等无意义的评论，最终获取139560 条评论。

3.2 政务微博信息有效性评估

始于新公共管理理论，基于ABC 态度模型理论，本研究首先构建认知维度、情感维度和行为维度三个维度上的单个微博账号效果评价指标。

在认知维度上，信息接受者认知与信息接受者表达方式不可分割。本研究使用由中国科学院计算网络心理实验室开发的适用于中文环境的汉语心理文本分析工具TextMind 分析受众认知[34]，其词库体系 与C-LIWC （Chinese linguistic inquiry and word count）一致。对于政务微博条目下的每一条评论，加和与认知相关的特征项：认知历程词、洞察词、因果词、差距词、相对词，得到第i条评论的认知程度Cognitivei，则该条政务微博条目的认知值为

其中，n表示该条政务微博评论总数；likei为第i条评论的点赞数。根据群体动力学理论，对高赞评论赋予一定的权重，即高赞数与评论下点赞数总和之比，同时为了防止出现分母为0 的情况，使用分母加1 进行平滑处理。

在情感维度上，政务微博条目下评论情感能够反映网民整体的情感诉求。为此，本研究构建了情感倾向分析模型。首先，使用百度AI 情感倾向分析获取部分微博评论的情感分类（积极或消极）和置信度，筛选置信度大于0.9 的微博评论作为训练样本。由于训练样本较小，相较于word2vec，Fast-Text 融入了n-gram 模型，能更好地获取语义信息[35]，也更适用于文本倾向性分析和分类问题，故使用FastText 训练微博词向量。继而基于Bi-LSTM（bi-directional long short-term memory） -Attention 对文本情感进行分类，该模型主要由输入层、嵌入层、Bi-LSTM 层、Attention 层和输出层组成。输入层输入每个句子中的中文分词；嵌入层将每个句子映射成固定长度的向量；Bi-LSTM 层正向输出和逆向输出后，得到该句子的向量集合H：{h1,h2,…,hi}，hi为第i个词的向量；使用Attention 机制加权计算可以得到用于分类的向量h*；最后，针对句子S，用于分类的公式[36]为

其中，y为分类类别；W、b为分类器参数。得到每个评论的情感分类后，该条政务微博条目的受众情感倾向计算公式为

即评论中积极情感的总数量与积极情感数量和消极情感数量之比。

在行为维度上，所使用的指标为转发、评论和点赞。转发越多，信息传播就越广；评论为深层次的政治参与；点赞代表认同。对于单条政务微博条目，使用转发数量（Re）、评论数量（Com）和点赞数量（Thu）表示其行为维度上的评价指标。

基于以上三个维度，单个政务微博主体的信息发布效果值为

其中，m为该段时间内该政务微博账号信息发布的总微博数量；Cvalue为认知值；Stendency为情感倾向值。

最后，本研究使用数据包络分析（DEA）方法评估政务微博信息发布有效性，DEA 模型可以评价多个输入、输出对象的相对有效性，其通过计算每个决策单元（decision making units，DMU）与前沿面的距离得出每个生产决策单元的效率水平，常用的一种是Banker、Charnes 和Cooper 于1984 年提出的条件较为宽松的BCC 模型[37]，该模型更接近真实情况，其表达公式为

表示在m个输入和q个输出下的n个决策单元的相对效率。其中，xij表示输入指标，在本研究中，决策变量为政务微博账号，在该情况下没有输入指标，为解决这个问题，每个输入添加虚拟变量1；yrj表示输出指标，即认知、情感、转发、评论、点赞；θ为决策变量的效率值。

3.3 政务微博信息有效性影响因素构建

根据劝服理论，本研究从信源主体、信息内容和劝服方法三个方面构建了政务微博信息发布有效性影响因素指标体系，如表1 所示。信源主体包含信源主体权威性、突发事件情境下信息发布及时性以及政务微博和其他微博账号主体的协调性[25-27]。权威性意味着信源主体是否值得被信任，常用粉丝数、粉丝数与关注数的比值来衡量，除此之外，本研究还考虑行政级别和行业类别；及时性和协调性衡量政府治理的时效性和合作能力。信息内容包含信息明确性、信息可读性、信息情感性和信息相关性。信息内容的明确性是指信息内容所传达的内容是否清晰明确；信息可读性是从形式上刻画信息对于用户而言是否简单易懂，一般越简短的用语越能引发共鸣[38]；信息情感性的研究表明，含有情感性的信息更能引发传播[39]；信息内容相关性衡量政务微博信息发布主题与网民关注的匹配度。劝服方法包括形式和内容（议题设置）两个方面，前者常包含有文字、图片、视频等[22]，后者则更多传达政府所设置的议题。

不同于现有研究中基于绝对数量的指标量化方法，本研究使用比值的形式去研究指标对政务微博信息发布有效性的影响，并且尝试量化信息明确性、信息相关性等指标。

针对每个类别，计算方式如下。

（1）信源主体。①政务微博的行政级别衡量，根据2020 年11 月中国行政区域划分（最新版）[40]，本研究对获取的4251 个政务微博进行人工标记编号；②政务微博粉丝数和粉丝数与关注数的比值由获取到的政务微博粉丝数和关注数分别计算，计算描述如表1 所示；③政务微博行业类别根据获取到的行业类别分类，进行编号划分，对于343 个未获取到行业类别的政务微博，根据其描述情况进行人工编号；④信息发布及时性和协调性计算描述如表1 所示。

（2）信息内容。①关于信息明确性。确切词的衡量使用TextMind 中确切词的特征，表明文本中含有确切词的比例，某个政务微博账号所使用的确切词比例为该政务微博所有微博条目确切词值之和的均值，并扩大至100 倍。#使用情况为政务微博主动设置的话题，提取每条政务微博#话题使用总数与政务微博信息发布条数之比作为该政务微博#使用情况值。

关于主题模糊度的衡量。本研究首先使用word2vec 中的skip-gram 算法对分词后的文本实现词向量模型的表示；然后使用k-means 算法实现主题聚类，得到主题类别集合{t1,t2,…,tr}；对于每一条政务微博，使用TF-IDF 算法确定文本关键词集合{k1,k2,…,kr}，r为聚类簇数；最后利用每个关键词所在类别，确定每条微博潜在主题个数。主题模糊度计算公式为

其中，N()为集合中元素的个数；n为某个政务微博账号在突发事件期间发布的总微博数量。

②关于信息可读性和信息情感性。具体描述如表1 所示。对于每条微博的情感倾向，由于大多政务微博所使用的语言都偏向于积极，中性语言极少，无法通过神经网络算法直接训练，百度AI 情感分析效果相对较好，故使用百度AI 情感倾向分析确定政务微博每条信息发布的积极、中性和消极的情感类别。

③关于主题相关性。为了更好地测量单个政务微博账号在突发事件期间所发布的主题内容，本文首先聚合同一政务微博用户账号的所有微博条目内容，并使用TF-IDF 确定主题关键词，依据word2vec词向量构建该政务微博账号关键词文本向量P。对于网民所关注的主题内容，选择“word2vec+kmeans”的方式获取，并利用LDA（latent Dirichlet allocation）模型获取每一簇聚类文档关键词，其关键词文本向量集合形式为{U1,U2,...,Ut}，t为聚类簇数。然后，使用余弦相似性计算某个政务微博账号所发布的信息同网民关注的每个主题的相似性，即

主题相关性为主题相似性大于0.7 的主题个数同所有主题个数的比值，即

（3）劝服方法。具体描述如表1 所示。其中，议题设置获取方法与上文一致，对所有政务微博条目使用“word2vec+k-means+LDA”方法获取每一簇的主题关键词，依据关键词确定每个主题所属类别，并对每条政务微博条目进行归类。

3.4 特征重要性排序与影响机制构建

以表1 所示的影响因素指标体系为对象。对于分类变量，如行政级别、行业类别，进行了独热编码处理。使用DEA 得到的有效性评估值作为因变量，信源主体、信息内容和劝服方法作为自变量，建立回归预测模型，使用的模型包括线性回归模型（LinearRegression）、支持向量回归模型（support vector regression，SVR）、随机森林回归模型（RandomForestRegressor）、梯度提升回归模型（Gradient-BoostingRegressor）、极限树回归模型（ExtraTreeRegressor）、extreme gradient boosting 回归模型（XGBRegressor）、light gradient boosting machine 回 归 模型（LGBMRegressor）。然后使用MAE（mean absolute error，平均绝对误差）、MSE（mean square error，均方误差）、R2评估回归模型性能好坏，找到相对最佳模型输入SHAP[41]中，该模型基于博弈论理论衡量某个变量的重要性，为每个特征变量赋予特定预测值，有助于解释预测结果[42]。通过绘制特征重要性，可以挖掘重要影响因素；通过绘制特征SHAP 值与该数据集中所有样本特征值的关系图和交互作用图，可依据其走势构建对应的影响机制。

4 实验结果与分析

4.1 政务微博信息发布有效性结果

根据政务微博信息发布有效性评价指标构建和计算方法，在认知维度上，使用TextMind 对139560条评论提取认知维度特征项并加和处理，继而依据公式(1)得到每个政务微博条目的认知值；在情感维度上，利用百度AI 情感倾向分析提取置信度大于0.9 的积极评论、消极评论各约1 万条，打乱数据集合后，按8∶2 划分训练集和测试集，并构建情感倾向分析模型，其在测试集上准确率达到93.88%，然后使用训练好的模型预测评论的情感倾向，利用公式(3)计算每条政务微博条目的受众情感倾向。最后，对于每个政务微博账号，都有如公式(4)所示的集合。

将标准化后的数据矩阵输入BCC 模型中，即公式(5)[37]，5 个输出分别为认知、情感、转发、评论、点赞，1 个输入为虚拟变量1。政务微博信息发布有效性排名前20 位的结果如表2 所示，其中DMU 列显示政务微博帐号的ID。从表2 可以看到，在本次南方汛情事件下，“中国天气”“中国消防”“应急管理部”“天津南开消防”以及“鼓楼微讯”都表现出了不错的信息发布能力，其政府治理能力相对较强。

表2 政务微博信息发布有效性结果（前20位）

4.2 模型构建

本研究将数据集合以8∶2 分为训练集和测试集，回归模型在训练集和测试集的表现如表3 所示。其中，MAE、MSE 都是用来评估观测值和真实值之间的误差的，值越小，说明误差越小，R2指拟合优度，回归模型对数据拟合程度越好，R2就越大。综合各项回归模型评估指标可知，LGBMRegressor 回归模型表现最好。后续实验将基于LGBMRegressor 展开。

表3 回归模型在训练集和测试集上的表现

4.3 影响因素分析

在确定主题个数的时候，为了找到最好的k值，计算在不同k值下每个点到指定中心点的距离的平方之和，将有一个k值，在该值之后，其失真减少将会是最少的。首先确定政务微博信息发布主题和网民关注主题最好的k值在20～30，通过尝试，最终确定政务微博发布主题和网民关注主题个数为25个。政务微博议题设置分类情况如表4 所示。

③本文中的所有译文样本都是2015级英语专业学生的汉译英三次作业抽样，应交份数为177份，实交171份，实交分数均为全批。

表4 政务微博信息发布议题设置情况

如图1 所示，图1a 是对每个特征的Shapley 绝对值取平均值得到的全局特征重要性排序。从图1a 可以看到，特征重要性排名前10 位中，政务微博的粉丝数、粉丝数与关注数的比值、首发时间间隔、行业类别_10（检察院），劝服方法中议题设置的救援善后类、情绪表达类及事实类、发布形式的中性情感微博占比，信息内容中的#使用情况、51～100微博字数占比等都是很重要的特征。为了弄清楚这些特征如何影响政务微博信息发布有效性，图1b绘制了每个样本每个特征的SHAP 值散点图。在图中每个点的含义包括三个方面：纵坐标表示该点属于哪个特征；颜色表示该点在该特征下的数值大小，颜色越偏红表明数值越大，颜色越偏蓝表明数值越小；横坐标表示某个特征是降低预测值还是提高预测值。根据图1 特征重要性排序和各特征对信息发布有效性的影响，我们可以得到以下结论。

图1 基于SHAP值的特征影响概述图（彩图请见https://qbxb.istic.ac.cn/CN/volumn/home.shtml）粉丝数/关注数表示粉丝数与关注数的比值。

①粉丝数与政务微博信息发布有效性呈正相关，表明政务微博粉丝数量越多，政务微博所发布的信息越能够影响受众认知、情感和行为，其所发布的信息越有效。②首发时间间隔与政务微博信息发布有效性呈负相关，这意味着在面对突发事件时，政务微博必须在第一时间内做出反应措施，以引导舆情方向。③救援善后类、事实类与政务微博信息发布有效性呈正相关，表明面临灾害类型的突发事件，政府所设置的与救援善后类和事实类议题相关的微博条目越多，越能促进政府信息发布的有效性。④行业类别_10（检察院）、行业类别_1（应急）与政务微博信息发布有效性呈正相关，意味着当政务微博所属行业类别为检察院、应急的时候，其所发布的信息将会更有效，且检察院的有效性高于应急行业。这在本研究中是一个有趣的发现，因为在灾害事件中，传统认知认为应急类别的政府信息发布应更有效，而事实上检察院在参与治理自然灾害、保障社会稳定方面具有权威地位。⑤中性情感微博占比和情绪表达类大体上与政务微博信息发布有效性呈负相关，即当政务微博信息发布所表达的情感越偏向于中性，其所设置的议题类别越接近情绪表达类时，反而会引起政务微博信息发布的失效。⑥#使用情况大体上与政务微博信息发布有效性呈正比，其表明当政务微博在文本中设置越多的#话题，越能促进政务微博信息发布的有效性，这可能是因为当政务微博设置越多的#话题，越能让政务微博的信息被更多的人看到。⑦在微博字数上，政务微博所发布的0～50 微博字数的条目占比越少，越能促进信息发布的有效性，其他分类的字数所产生的影响具有不确定性。⑧政务微博发布越多的原创微博类型的微博，越能够促进政务微博信息发布的有效性。⑨行政级别_0（国家级）与政务微博信息发布有效性呈正相关，意味着越高级别的政务微博账号，其权威性越高，网民对该账号越信任，进而能促进其信息对民众的影响。⑩主题相关性与政务微博信息发布有效性基本上呈正相关，即当政务微博所发布的主题内容越贴近网民所关注的主题，那么其所发布的信息将越有效，因为这样的主题更受网民关注。⑪确切词比例和应对指南类在一定程度上与政务微博信息发布有效性呈正相关。

一些重要因素，如粉丝数、首发时间间隔、行政级别_0（国家级）等因素也成为影响信息传播的关键因素，原因可能在于本研究提出的信息发布有效性包含了衡量信息传播的特征，即转发、点赞和评论，但是本研究亦发现了其他影响政务微博信息发布有效性的关键因素，如议题设置类别为救援善后类、事实类及情绪表达类，中性情感微博占比、#使用情况、不同微博字数占比、不同发布形式占比、确切词比例等，除此之外，还对关键因素对政务微博信息发布有效性的影响方向进行了分析。

4.4 政务微博信息发布有效性影响机制分析

本研究绘制了所有影响因素同议题设置的交互图，部分示例如图2 所示，其中右边的颜色条表示不同颜色对应的该主题的议题设置特征值。从图2可知，粉丝数越多，政务微博信息发布有效性越高，对于粉丝数量少的政务微博而言，多发布救援善后类议题的微博条目，能够提升其信息发布的有效性。粉丝数除以关注数的值超过20000 时（即粉丝数较多但关注数过少），会对政务微博信息发布有效性产生负面影响，这意味着对于一小部分的政务微博而言，如果政务微博关注其他微博帐号的数量过少或者粉丝过多反而会影响政务微博的信息发布有效性，其中粉丝过多可能是存在过多的僵尸粉[43]。但对于大部分的政务微博而言，粉丝数与关注数的比值对其信息发布有效性的正影响和负影响基本持平。关于首发时间间隔，可以看到首发时间间隔在150 小时以内（一周内）都有效，但最好是在24 小时内回应，过长的间隔将不会再对政务微博信息发布产生有效的影响，尤其是救援善后类议题和应对指南类议题更需要在灾害事件发生时立刻得到设置。

图2 粉丝数、粉丝数与关注数的比值、首发时间间隔与政府信息发布有效性的关系（彩图请见https://qbxb.istic.ac.cn/CN/volumn/home.shtml）粉丝数/关注数表示粉丝数与关注数的比值。

本研究累计绘制了264 张图，不再一一展示，依据图形走势，总结影响机制如表5 所示，可以看到在灾害事件中，救援善后类议题的设置是十分重要的。基于表5 提出关于提升政务微博信息发布有效性的以下结论。

表5 政务微博信息发布有效性影响机制

（1）政务微博信息发布有效性与行政级别呈正相关，行政级别越高，其所发布的信息越有效。对于所属行政级别为地市级、区县级的政务微博主体，多发与情绪表达类和应对指南类的微博能提升其信息发布有效性，省级政务微博主体应关注救援善后类和应对指南类的议题，国家级的政务微博主体应着重于救援善后类议题和事实类议题的表达。

（3）在本次南方汛情事件中，不同行业的政务微博主体都参与了舆情治理应对，但相当一部分行业没有对舆情治理产生任何效果，起主要作用的行业包括气象、应急、公安、教育、检察院、法院、市政及其他行业。不同行业应关注不同议题的设置，如气象和市政应提升应对指南类议题的比例，应急行业应关注救援善后类议题的设置，公安应注重情绪表达类和应对指南类的议题设置，检察院应注重救援善后类和事实类议题的表达，教育类应注重事实类和应对指南类议题等。

（4）首发时间间隔是提升信息发布有效性的关键，在灾害事件中，救援善后类和应对指南类议题应在第一时间内向公众传达。尽管一周内回应事件都能促进信息发布的有效性，但24 小时内回复往往是最有效的，更长时间的回复会降低信息发布的效率。

（5）在信息明确性上，确切词比例在0.4～0.7、#话题设置在1.5～3 才能促进信息发布的有效性，过少的#话题设置或过多的#话题设置都不会带来有效的信息发布，救援善后类议题尤其需要设置相关的话题以更好地引发用户的关注。

（6）在信息可读性上，为提升信息发布效率，0～50 微博字数占比设置应小于0.2，51～100 的微博字数占比应小于0.4，201 及以上的微博字数占比应在0.3～0.4。政务微博账号作为官方账号，适当的长文本微博不会导致用户的阅读疲劳，反而能显示官方账号的权威性。所发布的151～200 的字数微博条目占比应小于0.2，此时最好发应对指南类的微博。

（7）在信息情感性上，不提倡政务微博发中性情感类的微博条目，适当的情感倾向能拉近网民同政务微博的距离。事实上，消极类型的政务微博条目能更好地提升政务微博信息发布效率，这可能是因为政务微博所传达的内容会表达对灾害所造成的损失的悲痛，既让网民了解到损失情况又能更好地引起网民的共鸣。在救援善后类的议题中，积极情感微博和消极情感微博的占比设置应更加遵守规定，即积极情感占比应小于0.3，消极情感占比应在0.5～0.75。

（8）在信息相关性上，政务微博信息发布主题与网民关注主题的相关性越高越好，网民关注的主题通常集中在救援善后类、事实类和应对指南类。为消除民众对灾害事件的恐慌，政务微博信息发布也应多关注这类话题。

（9）在发布形式上，建议政务微博信息发布以原创性微博为主，文字+视频类型的微博占比应在0.4～0.8，文字+图片类型的微博占比应在0.2～0.6，丰富的信息发布形式能显著提升政务微博信息发布有效性。

（10）在议题设置上，不同于其他类型的突发事件，自然灾害类突发事件尤其关注救援善后类的议题，此类议题将会极大地提升政务微博信息发布的有效性；而情绪表达类占比应小于0.2，过多的宣传会引起网民的反感。事实类议题占比大于0.5、应对指南类微博占比在0.2～0.35 时才能促进政务微博信息有效性，但这两类议题占比都不应小于0.2，合理的议题设置能让用户快速了解灾害情况，进而提升信息发布效果。

5 总结与展望

本研究从新公共管理理论出发，以ABC 态度模型理论为理论基础，构建了基于认知、情感、行为三个维度的政务微博信息发布有效性评估体系，通过BCC 模型识别出自然灾害事件下信息发布有效的政务微博主体，然后以劝服理论为基础，从信源主体、信息内容和劝服方法的维度识别影响因素，建立了多个回归预测模型，通过实验发现LGBMRegressor 回归模型性能最佳，并利用SHAP 模型对其进行解释，分析了影响政务微博信息发布有效性的主要因素，构建了突发事件情境下政务微博信息发布有效性的影响机制。本研究的创新点在于：第一，基于ABC 态度模型理论提出政务微博信息发布有效性的评估方法，不同于先前研究多对一个账号进行单一传播效果的分析，本研究提出的信息发布有效性的测量方法不仅包括信息传播特征，还包括受众对信息内容的情感支持和心理认知情况，并在突发事件背景下对大量政务微博账号进行相对有效性的衡量，有助于更好地揭示突发事件背景下各政务微博账号在信息发布有效性上的表现；第二，在劝服理论指导下，识别出政务微博信息发布有效性的影响因素，并揭示了这些因素对信息发布有效性的重要性与影响。除了探索各指标的重要性外，本研究进一步检验了各指标与议题设置的交互是如何影响政务微博信息发布的有效性的，对应地提出了更加细化的信息发布有效性增强办法，即影响因素在哪些取值范围下或者与议题设置如何交互能使政务微博信息发布更加有效。

本研究结果表明，尽管一些客观因素是无法改变的，如行政级别，但不同级别的政府可以通过发布不同的议题来增强信息发布有效性；一些与灾害事件治理无关行业的政务微博账号的信息发布往往是倾向于无效的，建议这类微博账号有针对性地发布信息，而不是为了参与话题而参与话题，反而容易造成信息失效和粉丝的不信任等。此外，在灾害治理期间，各类因素所占比例应该有所设置，如此才能加强政务微博信息发布的有效性等。

本研究加深和扩展了信息交流研究中政务微博信息发布与网民之间的关系研究，研究结论在一定程度上有助于政府数字化转型和数字内容建设，改进政府信息交流服务策略，保障特定情境下政府和公众信息交流的效率，优化社交媒体环境下信息交流机制和运作方式，提升政府数字资源共享和服务的效能。但由于本研究仅基于所收集的自然灾害类的数据展开，相关结论对其他类型事件如社会安全、公共卫生、事故灾难等可能存在不适应性；情感分析和主题分类的准确性可能会影响到结果的精度；此外，本研究从ABC 态度模型出发提出政府信息发布有效性的定义和衡量办法尚未考虑到政府信息发布对用户在决策过程中消除不确定程度的作用。在未来的研究中，我们将探索更多影响因素以及更广泛的突发事件类型，并从用户利用信息的角度衡量政府信息发布对用户决策的影响。