基于Netlogo的高校舆情网络信息传播演化机制研究

2023-05-03钱欣

新闻研究导刊 2023年4期

钱欣

摘要：由于网络舆论呈现喷涌式发展趋势，且学生群体网络意见表达的活跃性与自由性，高校舆情监管面临一定的风险。文章基于高校舆情复杂网络的特点，利用BA无标度网络定义网络结构，采用多Agent模型定义个体属性，在HK舆情动力学模型基础上，构建多Agent高校复杂网络舆情演化动力学模型，并利用Netlogo软件进行仿真模拟，分析高校学生群体在辅导员介入与未介入时的意见演化趋势。同时，观察在辅导员介入背景下，不同影响频率、不同作用时间间隔、不同辅导员影响力以及不同辅导员人数比例下的舆论发展趋势，旨在观察辅导员在舆论演化中的引导作用，以期为高校网络舆情管理与思想意识形态工作提供相关理论支持。文章通过模拟得出以下结论：辅导员介入与辅导员未介入时，其舆论趋势存在明显差异。同时，在辅导员介入的背景下，辅导员发挥作用间隔时间越短且频率越高，与辅导员意见一致的人数上升越快；辅导员队伍人数在学生人数1/100、1/200、1/300的情况下，学生意见变化趋势不一致，其中辅导员人数在1/200、1/300的情况下，450时间步长后与辅导员意见一致的人数无明显差异；辅导员影响力越大，与辅导员意见一致的人数上升越快。

关键词：多Agent；Netlogo模拟；高校网络舆情；辅导员；舆情引导

中图分类号：G206；C912.63 文献标志码：A 文章编号：1674-8883（2023）04-0040-05

课题项目：本论文为2022年度天津市大中小思想政治工作专项课题“高校危机事件网络信息传播机制及舆情引导策略研究”成果，项目编号：JJSZY202204003

据第50次《中国互联网络发展状况统计报告》显示，截至 2022年6月，我国网民使用手机上网的比例达 99.6%[1]。伴随着网络媒介的繁荣发展和网民规模的持续增长，社会面网络舆论呈现喷涌式发展趋势，这在很大程度上给高校网络舆情监管工作带来一定的风险，同时也对高校应对舆情危机提出了更高的要求。

一、高校网络舆情特点

（一）高校网络舆情内容呈多样化特征

高校网络舆情内容丰富，涵盖面广，根据事件的性质大体可以划分为社会稳定类、校园生活类、校园安全类、高校管理类等，也可分为正面、负面舆情等[2]。虽然高校网络舆情内容复杂多样，但因高校环境相对独立与高校主体的相对固定，高校网络舆情易爆点主要是大学生权益问题、学术腐败问题、师德师风问题、学校安全管理问题等方面，使得高校舆情预案管理有章可循[3-4]。

（二）高校网络舆情演变具有突发性与燃爆性特征

自媒体时代，高校突发事件容易引发社会网民的高度关注，各方主体会积极发表意见，传播信息，甚至借此事件宣泄负面情绪等，迅速将突发事件演化成高校的网络舆情，影响高校的和谐稳定，尤其是教育问题常成为社会关注的敏感点与舆情易爆点[5]。

同时，自媒体时代，网络媒介的复杂性使得高校舆情面临的形势较为严峻，如果处理不当，会引发大规模的网络舆情事件，引起社会的强烈反响，给高校管理带来巨大的风险。

（三）高校网络舆情主体活跃度高

高校舆情事件中的主体主要为高校、高校教师、高校学生[6]。当代大学生活跃度高，在高校的网络舆情事件中会积极参与，在网络舆论场中发表观点，加速了高校网络舆情事件的发酵与传播。而高校学生群体的年龄、接受新事物的能力、文化素养水平以及思维的活跃程度决定了高校网络舆情演化系统中主体意见倾向演变的特殊性规律[7]。研究高校网络舆论场中的学生主体特征，能够更加准确地掌握学生思想动态，培养学生理性思维，利用学生“意见领袖”队伍，营造良好的校园舆论生态环境[8]。

（四）高校网络舆情信息时空传播迅捷

随着5G技术和移动网络终端技术的升级，媒体多元化的发展使得高校网络舆情传播不受时间与空间的限制，网络的便捷性与隐匿性为大学生的互动交流、情感表达等创造了良好的空间[9]。同时高校学生群体因学校、专业、兴趣爱好等因素的影响，群体聚集性较高[10]，这种高校舆情网络拓扑结构促使高校网络发展与演化更加便捷与迅速。

（五）高校网络舆情展现较强的“群体极化”性

凯斯·桑斯坦提出了“群体极化”的概念，指出团体成员一开始就有某种倾向，在商议后人们朝偏向的方向继续移动，最后形成极端的观点[11-12]。这种现象主要表现为网络暴力和舆情操控。大学生作为高校网络舆情的主体，存在心智不太成熟、缺乏社会经验、网络辨别能力较弱等问题，在信息传播过程中，意见倾向极易受到影响，容易诱发网络“群体极化”行为[13]。

二、构建多Agent高校復杂网络舆情演化动力学模型

本文基于高校舆情复杂网络的特点，利用BA无标度网络定义网络结构，采用多Agent模型定义个体属性，在Hegselmann-Krause舆情动力学模型基础上，构建多Agent高校复杂网络舆情演化动力学模型。

（一）复杂网络的特点与构建

在高校舆情网络中，每一个学生与老师都可以作为网络系统的一个节点（Agent），学生之间或者学生与老师之间的网络关系即为边，视为复杂网络中的度，Agent之间的亲密程度视为边的权重。复杂网络要在拓扑结构中体现现实高校的人际网络现象。

一是存在“意见领袖”现象。高校网络中有各种学生群体，群体中存在“意见领袖”，如学生党员、学生会干部、班干部等。“意见领袖”在一定范围内有较大影响力，体现在复杂网络拓扑结构中为节点的度较大，且与之相连的所有边的权重较之普通节点之间的权重高。因此，该节点均匀分布在高校舆情的网络结构中。

二是呈现“族群”现象。高校网络拓扑结构中节点的平均聚类系数较大，高校学生群体都有各自的社交圈，如相同班级、专业、兴趣、社团等，会更容易有社交关系。

三是人际关系的亲密程度。高校网络舆情演化中的人际关系不完全等同，为加权网络。权重越大表示两人关系亲密，意见相互影响程度越大；权重越小表示关系疏远，造成的意见影响程度也较小[14]。

四是人际关系有限性。高校舆情网络中的节点的度是有限的，即现实中个体的人际关系是有限的，不可能与网络中的所有人存在人际关系。

基于以上特点，本文对BA无标度网络进行改进，具体构建规则如下。

第一，构建一个原始节点为N0的网络，并将网络分为N0个子网络，每过一个单位时长t增加一个新的节点，并随即分配任意子网络。

第二，在某个特定子网内，当节点i的度ki低于给定的阈值kimax（网络节点的限定值）时，新加入的节点j链接到节点i的概率与该点的度ki成正比：

第三，基于三角构成法增加网络的聚类系数，网络中新加入的节点b与节点a相连，接着以一定的概率选择节点a的其他一个相连节点c进行连接。

第四，将所有节点的边利用“二八”法则进行赋权，即20%的边的权重赋值为0.8，80%的边的权重赋值0.2。

（二）构建Agent模型

高校网络舆情的演化会受到人际关系、互联网、网络媒体的影响。在舆论的发展和演化过程中，个体的意见倾向容易受到人际关系的影响。本文为分析高校网络舆情的演化规律与学校引导所产生的影响，重点将高校学生个体进行Agent建模，将高校教师（本文指从事网络思想政治工作者，如辅导员）视为独立于Agent系统之外，并利用意见倾向（Opinion）、影响力（Influence）、从众性（Conformity）、信任度（Trust）四个属性构建Agent模型。

1.意见倾向

在现实生活中，人们的意见倾向并不是稳定的，会因为人际关系和官方媒体等因素的影响，经过一段时间后，逐渐形成固定的意见倾向。本文采取连续区间[0，1]来表现个体意见，其中[0，0.33]表示反对，[0.33，0.67]表示中立，[0.67，1]表示支持。Agenti的意见倾向为Oi。

2.影响力

在学生群体中，意见领袖具有一定的号召力与影响力，在高校网络舆情演化过程中，对其他学生的影响较大。Agent的影响力通过节点的度来表示，影响力的强弱与该节点度的大小成正比。节点i的影响力为Ii，Ii=ki/kmax，其中ki为节点i的度，kmax为整个舆情网络中节点度的最大值。Ii的取值范围为[0，1]，数值越偏向1则影响他人的能力越大，反之则能力越小。

3.从众性

学生个体Agent的从众性具有差异性，会因个体本身的性格特点、知识储备、心理状况、对信息的掌握程度等多方面因素而不同。节点i的从众性用Ci表示，取值范围为[0，1]，越接近1表示越容易受他人意见的影响，反之则不易受他人的意见影响。

4.信任度

个体之间的信任程度取决于双方之间的信任度，T的取值范围为[0，1]，数值越偏向1信任度越高，反之则信任度越低。

（三）构建高校网络舆情演化动力学模型

根据以上Agent的属性，在HK模型基础上构建了以下舆情演化动力学模型：

該模型表示为Agenti在t+1时刻的意见值是Agenti在t时刻经过一个单位时间后，根据相邻节点的意见进行了修正。Oi（t）表示Agenti在t时刻的意见倾向，aij表示舆情网络模型中的邻接矩阵。当相邻的节点i与节点j意见倾向值之差在阈值ε内，节点之间的意见交互受节点之间的影响力、从众性与信任度的影响。如果个体间的意见值差异超过阈值，两个Agent之间就没有交流的基础，不会改变自身的意见值。