李金泽 张 鹏 夏一雪 王 娟 何 巍 兰月新

(中国人民警察大学 廊坊 065000)

0 引 言

近年来，随着互联网的迅猛发展，网络逐渐成为群体性事件发酵和传播的重要平台，由于经济纠纷、环境污染、公共政策和社会管理等问题的持续产生，网络群体性事件爆发频繁，对网络秩序和现实生活都产生巨大影响。据中国互联网络信息中心2021年8月发布的第47次《中国互联网络发展统计报告》显示，截至2021年6月，我国网民规模达10.11亿，较2020年12月增长2 175万，互联网普及率达71.6%[1]，由此可见，网络的出现为群体性事件的爆发提供了一个新的平台和途径。

图1 网络群体性事件演化关键词聚类分析

对于网络群体性事件演化的研究，已经成为现阶段社会发展的热点问题，目前学者关于网络群体性事件演化方面研究方法相对单一，以文献综述与机理分析为主，集中于对事件演化因素分析、事件现象的描述和演化机制的构建和推演，如图1所示。相关研究主要分为以下3个方面：一是网络群体性事件演化规律。陆玄韦[2]引入“情绪-决定”模型和社会不安全感因素来分析网络群体性事件的演化过程；温晓梅[3]从体制内和体制外两个场域视角出发，归纳出“刺激性事件-网络围观-事件发酵-公权力机关介入-事件平息”的演化逻辑。二是网络群体性事件演化机理。苏黎兰[4]基于社会燃烧理论，分析得出网络群体性事件演化管理主要受到诱发因素和政府预控能力两个维度的影响；李志刚[5]发现群体性事件演化引导包含多元引导主体、联动网上网下行动等要素，治理结果和引导要素间有相互关系；温志强[6]基于全媒体事件新视角，构建体现网络群体性事件演化机理的指标体系，避免政府陷入“塔西佗陷阱”。三是网络群体性事件演化引导策略。韩志明[7]根据不同时期群体性事件治理的策略和举措，将治理群体性事件分为“粗糙的摆平”和“精致的摆平”两种形态；丁勇[8]认为网络群体性事件属于一种特殊社会危机事件，从预防和处置两个角度出发为公安机关提供治理策略；李其原[9]基于社会燃烧理论，从社会矛盾、社会舆论和群体性事件3个方面，提出解决网络群体性事件的相应策略。综上分析，关于相关影响因素的研究通常针对特定情境下某一项或某几项,在各种影响因素的综合作用方面成果较少，探讨网络群体性事件演化影响因子指标体系尚不完整，缺少对网络群体性事件演化过程的模拟研究，大多以个案的形式来分析网络群体性事件演化规律，研究结论缺乏大量的事件数据作为支撑。

本文采用静态动态指标结合的分析方法，根据静态的网络群体性事件的性质，深入研究动态的网络群体性事件的演化过程，得出网络群体性事件演化的3个维度：“事件属性”“传播媒介”和“网络热度”，基于3个维度构建全要素、全周期的网络群体性事件演化因子指标体系，建立了网络群体性事件演化多维因子模型，为管理和调控事件提供了科学依据。

1 网络群体性事件的性质及演化过程

1.1 网络群体性事件的性质及分类

网络群体性事件是由于群众某些共同的利益受损，迅速通过互联网平台进行群聚和速动，并在网络上参与群体性事件的后发过程，将产生严重后果和巨大影响。国内学者对于网络群体性事件分类的标准各异，如张文俊[10]按照对于政府、警察的对抗程度，将其分为低对抗性、中度对抗性和高对抗性网络群体性事件，这种研究以便公安部门选择最佳的战术控制网络群体性事件的发展；范小军[11]从公民个人或集体与政府之间矛盾的角度进行分类，将群体性事件分为“乡村群体性事件”“城市群体性事件”“城乡结合部群体性事件”。

以上研究是依据特别的研究视角进行分类，没有体现网络群体性事件的演化过程，也没有体现网络群体性事件发生的诱因，根据文献研读，可提炼出5个引发网络群体性事件的诱因：经济纠纷、社会管理、文化冲突、环境污染以及其他诱因[12]。因此本文根据群体性事件发生的诱因来划分，将网络群体性事件分为经济型、社会型、文化型、环境型和其他型，相应的事件特征和代表性案例如表1所示。

表1 网络群体性事件类型

1.2 网络群体性事件的演化过程

本文依据网上网下的传播流程将事件演化过程分为4个阶段：发生阶段、发展阶段、高潮阶段以及平息阶段，在这些阶段中，按照事件的影响程度分为群体性事件、网络热点事件、网络群体性事件，他们之间相互转化，群体性事件经过意见领袖和官方媒体的舆论引导，再通过网络传播形成网络群体性事件，如果官方媒体没有及时信息公开，造成谣言大量发酵，网络群体性事件经不法分子的煽动反作用于现实中的群体性事件，对社会秩序和公众生命财产造成严重损害，如图2所示。

图2 网络群体性事件演化过程

a.群体性事件是指由于经济纠纷、社会管理、文化冲突、环境污染引起社会动荡的事件，事件发生初期网民之间交流沟通，在网上表达自己的建议和观点，形成网络事件，但这些言论相对零碎且分散，产生的影响力有限。

b.当网民通过意见领袖和社交平台开始关注网络事件时，大量网民开始点击、浏览、转发、回复该贴，网民之间的情绪相互感染；一些网络推手或意见领袖为了提升自己微博、博客等社交媒体的关注度或影响力，积极主动传播自己的观点，引导事件舆论走向，影响改变网民的态度和观点，此时该帖子点击量和浏览量持续上升成为网络热点帖子(简称网络热帖)，网络事件升级为网络热点事件。

c.随着网络热点事件的逐步扩大，传统媒体和自媒体会开始关注网络热点事件，对一些网民关注度和热议度较高的网络热点事件进行持续报道，获得网民的响应和支持，这是网络热点事件成为网络群体性事件的关键，并且在高潮阶段，一般会滋生大量网络谣言，如果官方媒体能够信息公开并及时回应，可以迅速平息群体性事件，稳定社会秩序，如果处理不及时，信息透明度较低，会导致产生衍生舆情，不法分子趁机扭曲事实，从而反作用于线下的群体性事件，使民众产生游行示威、打压抢烧等过激行为，增加生命财产损失。

d.如果政府及时启动应急预案，公示相关事件信息、召开新闻发布会及时回应、集结警察维持秩序，提高民众心中政府公信力，控制网上网下的群体性事件发展态势，使网民关注量下降，消除、转移、分散事件风险，促进网络群体性事件的平息。

2 研究方法的选择

对于研究网络群体性事件演化因子的领域，一般选择Logistic回归和层次分析法(AHP)等研究方法建立指标体系，根据实验结果分析，但两者存在一定的限制，Logistic回归形式简单，准确率不高，对于共线性数据比较敏感，因此不能解决非线性问题；层次分析法主观性较强，指标过多时数据统计量大，且权重难以确定[13]，目前在网络舆情领域内，基于结构方程模型，构建舆情因子模型，能很好地分析影响舆情传播的因子间相互关系，预测舆情发展态势，赵浚吟[14]根据舆情传播机理，分析各舆情因子相互之间的因果关系并建立因子模型，得到各因子在整个事件发展中的相对重要关系，总结舆情传播规律；刘战豫[15]结合舆情传播中心理距离的4个维度，运用结构方程模型对不同维度的风险感知水平进行检验，建立4个维度视角下网络舆情风险感知、治理和监控的多维立体支撑体系。本文选择以结构方程模型(SEM)作为测量和验证网络群体性事件演化因子的主要研究方法，包容性强，可以处理多个因变量，对影响网络群体性事件演化过程的因子进行验证性研究[14]，估计因子结构和因子关系，准确把握网络群体性事件演化过程的动力因素和路径。

简单来说，结构方程模型是由两个基本模型构成：测量模型和结构模型。测量模型是观测变量的线性函数，结构模型是潜在变量间的因果关系模型，即作为因的外因潜变量ξ与作为果的内因潜变量η之间的关系，ε，δ与ζ皆为残差或干扰因素。以下常用的结构方程模型公式作为研究基础。

首先，测量模型的回归方程式表示为：

X1=λ1ξ1+δ1

(1)

X2=λ2ξ1+δ2

(2)

最终将测量模型的矩阵方程式表示为：

X=Λxξ+δ

(3)

同样地，将网络群体性事件影响力作为内因潜变量，网络群体性事件效果因子作为其观测变量的正向反馈，两者的回归方程表示为：

Y=Λyη+ε

(4)

其中，ε与η、ξ及δ无关，δ与η、ξ及ε也无关。Λx与Λy为指标变量(X、Y)的因子载荷量荷量，而δ、ε为外显变量的测量误差。用网络群体性事件影响因子和网络群体性事件效果因子来测量网络群体性事件演化的潜变量时，会存在误差，而测量误差则会更加精确地得到网络群体性事件演化过程中各个影响因子的路径关系和权重。

η在本文中表现为网络群体性事件演化的内因潜变量，是网络群体性事件演化的预测结果，通过Y这个观测变量来反映，ξ为网络群体性事件演化的外因潜变量，X则是影响网络群体性事件演化的观测变量，即为网络群体性事件影响因子。

3 网络群体性事件演化指标体系的构建

3.1 影响因子指标体系的构建

本文为了更能客观地体现事件演化过程，有针对性地分析影响因子相互关系以及影响程度，构建全定量型指标体系，基于已有学者对于影响因子的研究：①兰月新[17]认为网络群体性事件的构成要素包括导火索、利益矛盾、聚众行为，以及对社会秩序或公共安全形成威胁或危害；②戴媛[18]发现网络群体性事件的发生和事件本身的特征、媒体的关注度、动员资源息息相关。通过研读有关网络群体性事件演化的文献，根据客观性、动态性、独立性和可操作性等因子设假原则，整合出了事件属性(X1)、传播媒介(X2)、网络热度(X3)这3个维度和17个影响因子，构建了指标体系(见表2)，可以动态性反应演化过程中因子的影响程度和作用方向。

表2 网络群体性事件影响因子

3.1.1 事件属性维度

对于事件属性维度，基于上文的因子假设原则，结合大量文献的影响指标，提取了5个重要影响因子，挑选依据如下：公共政策、社会管理、经济纠纷、环境问题是引起网络群体性事件的主要诱因(a3)，根据这些诱因将网络群体性事件分为了经济型、社会型、文化型、环境型和其他型5种事件类型(a1)，在全部网络群体性事件中占据主体地位；而且经过调查，网络群体性事件涉事主体(a4)多是在社会上有较大影响力的人，发生地域(a2)往往比较复杂，在省市甚至全国范围产生较大的影响。本文基于慧科新闻数据库，随机搜集不同地区的510件网络群体性事件，按照各省发生网络群体性事件的数量划分A、B、C、D、E 5个等级，如图3所示。网络群体性事件在广东分布最多为A级，这是由于广东企业众多，务工人员流动频繁，社会结构紧张，矛盾种类多且复杂，因此容易在多个领域引发网络群体性事件；其次是北京、上海、四川、河南等地区为B级，这与当地的经济发展、风土人情有着一定的关联；云南、浙江和山东等为C级，由于人口众多，经济较为发达，容易引发网络群体性事件；甘肃、海南等地为D级，当地人口较少，生活习惯较为安逸，人口构成相对简单，网络群体性事件发生频率低；青海、西藏为E级，地广人稀，民风淳朴，发生网络群体性事件可能性低[19]。对于诉求层次(a5)为经济因素和个人利益产生的网络群体性事件一般容易控制和缓解，而对于意识形态冲突产生的网络群体性事件，它的矛盾复杂且多变，需要政府介入调解，甚至有时要采取强制手段才能控制。

图3 网络群体性事件地区分布

3.1.2传播媒介维度

对于传播媒介维度，基于上文的因子假设原则，结合大量文献的影响指标，提取了7个重要的影响因子，挑选依据如下：对于网络群体性事件，媒体关注程度(a6)越高，他们报道的网络群体性事件通过网络放大，成为网民关注的焦点；媒体受众数量(a7)越大越能促进网络群体性事件被网民了解，而网络中的一些热点事件大多也是通过媒体报道才得到了更大的青睐与关注；信息传播渠道(a8)越多、越广，事件信息被不同平台、不同受众了解的可能性也就更大；同时，由于自媒体对热点的盲目无序追求，增加网络群体性事件发展的不确定性，因此自媒体参与度(a9)也是不可遗漏的重要影响因素；媒体报道数量(a10)作为媒体传播力的最直观体现，也促进网络群体性事件的话题热度提升；媒体发布信息附带的音视频会提高媒体报道质量(a11)，进而增加网民感知的真实程度和全面程度，提升政府的公信力；官方的媒体(a12)在群体性事件发生后应迅速做出反应，公布事实，消除谣言，让其他媒体正确引导舆论，调节网民的情绪。

3.1.3网络热度维度

对于网络热度维度，基于上文的因子假设原则，结合大量文献的影响指标，提取了5个重要的影响因子挑选依据如下：网民作为网络环境的主体，经常以互联网为传播和交流媒介，来表达自己对网络群体性事件的情绪、态度和意见，主要反映在点赞量(a13)、评论量(a14)、转发量(a15)上，对网络热度有直接影响；针对不同起因、类型的事件，网民产生的情绪倾向(a16)也不同，往往多种的情绪倾向会导致网民间的频繁互动，甚至引发新的舆论焦点。这样的持续升高话题热度推进了网络群体性事件的产生和发展。在这样的过程中，除了网民大规模关注以外，媒体和微博意见领袖(a17)及政府相关部门的互动也是必不可少的。

3.2 效果因子指标体系的构建

为了衡量“事件属性”“传播媒介”“网络热度”3个维度对于网络群体性事件的影响力，本文结合相关学者对于网络群体性事件造成社会影响的研究[20-21]，基于510件网络群体性事件研究，假设出4个可量化的网络群体性事件效果因子，如表3所示。

表3 网络群体性事件效果因子表

在网络群体性事件的演化过程中，事件持续时间越长，产生的网络信息流量也越多，基于百度指数中事件演化初期到末期的时间间隔来量化事件持续时间这个指标；事件扩散程度越大，牵扯的事件主体、传播媒介也就越复杂，事件越难以控制，基于参与评论、点赞、转发的人数来量化事件扩散程度这个指标；事件演化过程中，政府公信力的变化也可以衡量网络群体性事件影响力，计算事件演化中民众评论中支持率来量化政府公信力这个指标；事件演化过程中造成的生命财产等损失情况直接能够表现网络群体性事件影响力的大小，基于官方媒体或者警务通报对损失的统计来量化生命财产损失这个指标。

4 网络群体性事件演化多维因子模型的构建和调整

4.1 网络群体性事件演化多维因子模型的构建和数据处理

根据上文网络群体性事件演化的因子指标体系，运用结构方程模型，初步构建影响网络群体性事件演化的多维因子模型，实现各因子间的因果关系模型化，可视化，并为进一步的路径分析和模型检验做基础。

本文基于慧科新闻数据库，以“网络群体性事件”为关键词，搜集和筛选在2014—2021年的510个网络群体性事件的新闻文本，并利用爬虫、情感分析、文本分类算法和清博舆情APP等工具对于数据进行提炼和搜集。数据搜集完毕后，为得到能在结构方程模型中直接应用和运算的有效数据，本文使用德尔菲法，挑选20名来自网络舆情、群体性事件和新闻传播等领域专家，其中网络舆情领域专家10名，群体性事件领域专家6名，新闻传播领域专家4名，全部是研究时间10年以上并且熟悉网络群体性事件演化研究的专家，领域适配度较高。基于上文对于发生网络群体性事件的数量划分5个等级，为了保证专家意见的有效性，挑选的专家地域平均分布5个等级城市，4位来自广东(A级)、4位来自北京和上海(B级)、4位来自山东和浙江(C级)、4位来自天津和福建(D级)、4位来自青海和西藏(E级)，这样可以让各地专家有机会发表意见。

德尔菲法的可靠性由专家的积极程度、专家的权威程度和意见协调性来评价。基于Execl 2010和SPSS20.0统计软件进行数据搜集和分析。首先对于专家积极程度，本研究发放了20份打分表，回收18份，问卷的回收率为90%，超过标准为70%，证明积极程度高；其次，计算专家的权威程度为0.875，大于标准值0.7，专家权威度高。最后，意见协调性用肯德尔和谐系数来表示，并进行χ2检验，经计算得肯德尔和谐系数为0.159，χ2检验具有统计学意义(P<0.001)。综上，本研究所得专家的积极程度、专家的意见集中程度、专家的权威程度和意见协调性均较高，说明运用德尔菲法得到的结果可靠。

结合网络群体性事件的发展特征和模型运行特点，评分方法采用李克特5级评分法对510件网络群体性事件的21个因子的初始数据进行打分。通过对打分和打分理由的统计、处理、分析和归纳，并对专家打分数值和打分理由进行合理估算，最后用spss软件对数据进行标准化处理，得到模型可直接运行处理的因子打分表。以河南固始教师罢工事件和厦门“洁洁良”事件为例，对数据进行规范化和打分处理，如表4、表5所示。

表4 “12·22”河南固始教师罢工事件打分表

表5 厦门“洁洁良”事件打分表

经过对河南固始教师罢工事件和厦门“洁洁良”事件的数据搜集、打分处理结果证明，这种方法可以高效便捷地处理指标，将510件事件进行指标量化处理，代入模型分析。

4.2 信度分析

结构方程模型一般用α系数(即Cronbachα系数)来衡量数据信度的大小[22]，α系数越大，数据信度越高，α系数大于0.7作为数据信度是否可接受的分界线。本次研究将数据进行信度分析后，分析结果如表6所示，能够看到事件属性(X1)、传播媒介(X2)、网络热度(X3)、网络群体性事件影响力(Y)、总的α系数依次为都比0.7大，能够说明数据具有较好的可靠性，信度检验可以通过。

表6 信度分析

4.3 效度分析

本文研究利用验证性因子分析(Confirmatory Factor Analysis, CFA)来检验收敛效度。在验证性因子分析中，效度水平可以由模型的拟合指数和标准化因子载荷系数来检验。

如图4所示，初始验证性因子分析检验的结果表明，网络群体性事件影响力(Y)中b2的标准化载荷值小于0.5，p值大于0.01，对网络群体性事件的演化没有显著影响，说明基于初始假设指标体系的网络群体性事件演化多维因子模型拟合效果不好，因此将该项删除之后进行第二次验证性因子分析。

图4 初始的网络群体性事件演化多维因子模型

4.4 因子模型调整

删除b2之后进行第二次验证性分析结果，如表7所示，根据载荷值计算得出3个维度标准范围：CR在0.812～0.948之间，AVE在0.586～0.858之间；4个部分的CR值均大于0.6的标准，AVE值均大于最低标准0.5，因此本研究的收敛效度符合标准。

表7 第二次验证性因子分析

基于第二次验证性分析结果，运行Mplus软件，得到修正后的网络群体性事件演化多维因子模型图(见图5)。

图5 网络群体性事件演化多维因子模型

如图5所示，与初始模型对比来看，删除扩散程度(b2)之后，网络群体性事件演化多维因子模型的适配度更高，各指标的载荷量也有所上升，说明该修正后网络群体性事件演化多维因子模型更适合分析。

5 网络群体性事件演化多维因子模型的结果分析

5.1 结构模型分析

本研究采用MPLUS进行结构模型的路径分析，表8为结构方程模型的拟合结果，TLI和CFI值均大于0.9，跟结构方程模型的标准值相比，拟合指标均符合标准，说明网络群体性事件演化的因子模型拟合度高，适合分析。

表8 模型拟合度

根据表9的路径分析结果，对本研究的假设进行检验，结果表明：3个维度均对网络群体性事件影响力(Y)有显著正向影响；在网络群体性事件演化过程中，3个维度相互之间对于网络群体性事件的影响力是：网络热度(X3)>事件属性(X1)>传播媒介(X2)。

表9 结构模型的路径分析

通过模型的路径分析发现：a.网络热度的持续性、交互性和无序性等特征可以提高网络群体性事件演化的速度，在3个维度中属于影响事件演化关键要件。b.事件属性较传播媒介对网络群体性事件演化具有更关键的决定性作用，事件诱因、诉求层次和事件类型等因素容易导致事件被网络传到、扩大，形成利益群体，形成以制作舆论、发泄不满和暴力反抗等集群行为。c.播媒介对网络群体性事件演化的影响借助于网络热度和事件属性，并且其媒介作用也会反向提高两个维度影响力，促进网络群性事件相关话题的聚焦、分化和传播。

5.2 观测模型分析

分析观测模型，重在分析网络群体性事件演化过程中，复杂影响因子各自的影响力。修正模型中15个观测变量与各自的潜在变量之间有不同的标准化载荷，根据下面的数据结果得出以下结论。

表10 事件属性的标准化载荷分析

如表10所示，在事件属性维度、事件类型和诉求层次对网络群体性事件影响程度最大，究其原因是事件类型属性殊异，不同的事件类型对社会影响存在差异，就如社会型网络群体性事件往往会造成较大的社会影响，政府控制难度较大；发生环境虽然各有不同，但相对于完全独立的事件类型，则显得复杂多变，区分度较小，重合度较大，因此发生环境对网络群体性事件影响程度较小；涉事主体往往与事件诱因、诉求层次相互影响，三者对网络群体性事件演化影响力集中在诉求层次方面，这个层面从简单的利益诉求上升并呈现多元化趋势，尤其是政策性问题和文化观念的交织成为当前造成矛盾冲突的主要因素，容易产生大规模动乱。

表11 传播媒介的标准化载荷分析

如表11所示，在传播媒介维度、媒体报道质量和官媒反应速度对网络群体性事件影响程度最大；当发生网络群体性事件后，传播媒介的影响力是事件演化的关键一步，此时媒体报道内容质量越高，越容易被人阅读并转发，例如含有图片、视频比纯文字报道更吸引人；官方媒体的报道具有客观性、公正性和权威性，往往直接影响对涉事主体的看法，如果官方媒体没有及时且正确地引导其他媒体，谣言将会持续泛滥，打破网上网下的社会稳定局面；事件媒体关注程度越高，短时间内对事件的报道会成几何指数增加；对事件媒体受众数量越多，社会民众获取事件信息也就越简单、直接，短时间内首发信息的受众面积极速扩大；信息传播渠道越复杂，尤其是自媒体广泛参与，可以打破传统媒体在时间和空间上的限制，使公众对事件整体情况有着更全面的了解，迅速打破谣言，引导正确价值观。许多事件初期传播效率低的事件，政府和公安机关应及时做出反应，利用官方媒体，控制引导事件的舆情态势，防止有个别媒体为制造热点，歪曲事实。

表12 网络热度的标准化载荷分析

如表12所示，在网络热度维度，意见领袖对网络群体性事件影响程度最大，网络热度是基于所有社交媒体、意见领袖和普通网民对话题讨论叠加，一个网络群体性事件发生后，各领域的意见领袖总能设计出感染力极强的话题，通过社交媒体反复发声，将大量网民引入到事件讨论中，使事件的点赞量、评论量、转发量将会持续增加，导致事件演化的影响范围逐渐增大，辐射范围越来越广，更多的媒体、网民和意见领袖关注事件，继续推动网络群体性事件的热度上升。首发新闻文本的情绪倾向对后来者的观点产生重要影响，往往情绪极端负面的新闻，更能引起网民的兴趣，网络热度迅速提高，容易衍生新的热点。

6 结论与建议

6.1 结 论

本文为了研究具体影响因子对网络群体性事件演化的影响程度和作用方向，采用结构方程模型，构建影响网络群体性事件演化的全定量型动态指标体系，建立网络群体性事件演化多维因子模型，分析“事件属性”“传播媒介”“网络热度”3个维度和17个指标，结果表明各指标对网络群体性事件演化有着明显促进作用，支持了指标假设的合理性。但由于本文数据搜集有限，范围仅在2014—2021年，模型结果未能体现2014年以前的网络群体性事件特征和演化方向。未来将扩大数据范围，提升数据量，通过完善和动态调整因子模体系、改进推演模型构建方法，对于测量模型中各指标之间的关系和对网络群体性事件演化的影响做进一步的研究。

6.2 建 议

根据本文的模型分析，结合网络群体性事件演化影响因子指标体系，制定事件动态演化过程中政府的应对建议，有利于引导管控事件演化，维护社会的稳定发展。一是注意舆情监测，健全预警系统。在事件发生阶段，政府注意事件的舆情监测，健全网络群体性事件演化预警系统，分析事件诱因、诉求层次和事件类型等事件属性，第一时间借助各种社交媒体发布权威信息，利用网络合理引导舆论走向，在演化过程初期阻止事件恶化。二是团结意见领袖，引导媒体舆论。在事件发展阶段，政府应团结意见领袖，引导主流媒体舆论，建立健全反应敏捷、协调有序的网络群体性事件处置机制，及时疏导网民情绪缓解矛盾，合理倾听利益诉求，加强主流新闻网站和社交论坛的沟通，让主流的声音正确引导网络群体性事件演化发展方向。三是及时信息公开，化解事件冲突。在事件高潮阶段，政府首先应该拓宽民意诉求渠道，建立舆论回应互动机制，利用政府网站和重点社交平台开设专门话题，回应网民关切的问题，有效地汇聚民意，消除民怨。四是及时消除谣言，防止衍生舆情，在事件平息阶段，政府剖析事件属性，适当公开已知真相，及时化解谣言，在此基础上建立综合、立体式的网络群体性事件冲突化解机制，依靠法律武器，多渠道、多方式、多角度地开展综合治理，团结意见领袖，运用自媒体等平台，做好网络群体性事件的引导管控工作，维持网上网下的社会秩序。