基于认知过程的网络谣言综合分类方法研究.docx

基于认知过程的网络谣言综合分类方法研究.docx

《基于认知过程的网络谣言综合分类方法研究.docx》由会员分享，可在线阅读，更多相关《基于认知过程的网络谣言综合分类方法研究.docx（8页珍藏版）》请在冰豆网上搜索。

基于认知过程的网络谣言综合分类方法研究

基于认知过程的网络谣言综合分类方法研究

　　摘要：

对网络谣言进行合理综合分类是科学管理网络谣言的一项重要工作。

文章从人们对网络谣言认知过程出发，采用Hayashi数量化理论III，对49种网络谣言的7种属性给以评分，通过对得到的属性矩阵进行计算，最终得到不同网络谣言的相对位置图，通过聚类发现49种网络谣言可根据阈值的调节，调整网络谣言的类型数量，从认知的角度可分为简单谣言、复杂谣言、不明确谣言（模糊谣言）3种类型。

　　关键词：

网络谣言；谣言认知；舆情管理；Hayashi数量化理论III

　　中图分类号：

G203文献标识码：

ADOI：

10.11968/tsyqb.1003-6938.2016069

　　ResearchoftheComprehensiveClassificationMethodofInternetRumorsBasedontheCognitiveProcess

　　AbstractReasonablecomprehensiveclassificationofinternetrumorsisanimportantworkofthescientificmanagementofInternetrumors.Thisarticle，fromtheperspectivepeople'scognitiveprocessofinternetrumors，usestheHayashiquantificationtheoryIIItoscoreonthesevenattributesof49kindsofInternetrumors.Throughthecalculationontheattributematrix，theresultingrelativelocationsofdifferentInternetrumorsareeventuallyobtained.Throughclustering，rumorscanbeadjustedaccordingtothethresholdoftherumortypeandfromtheperspectiveofcognition，the49kindscanbedividedintosimplerumors，complexrumors，andindistinctrumors.

　　KeywordsInternetrumor；rumorcognition；publicopinionmanagement；HayashiquantificationtheoryIII

　　进入21世纪，随着社会经济文化的快速发展，中国处于社会调整转型期的各类问题不断涌现。

据2016年1月的统计数据，截至2015年12月，中国网民规模已达6.88亿，互联网普及率达到50.3%，其中手机端用户规模在2015年12月达6.20亿，有90.1%的人通过手机上网[1-2]。

互联网技术的进步，不仅使信息传播效率和生活便捷度提高，也极大增强了网络信息的流动性和扩散性。

现实世界中的各类问题都会迅速转移到网络上，以网络平台为阵地，快速爆发、繁殖、酝酿的各类舆情中，有些由于信息的异化而成为谣言。

在手机网民中，年轻和低收入群体所占比重较高，上网人群特点直接反映出网络谣言的主要影响对象，而这些人群反映的舆情信息将对整个网络正常的舆情生态平衡起到一定的冲击作用，其中的一些冲击会导致信息异化从而演变成网络谣言。

各类突发事件导致的网络舆论经过酝酿、发酵，在传播中由于增加了传播人的大量个人情感，尤其是新媒体和自媒体时代，人人都是舆情的制造者和传播者，当把突发事件放到整个媒体的聚光灯下时，每个人都拿着放大镜看网络舆情，在讨论和解读舆情的同时改造着舆情，其中有一部分因信息传递过程中失真异化成为网络谣言。

异化的舆情往往增加了信息的倾向性，因而，整个互联网世界乃至现实社会蕴含的潜在不稳定因素风险也逐渐增加，网络谣言作为互联网典型的信息异化型的网络舆情在规范管理方面的重要性不言而喻。

在应对网络异化的信息时，我们必须要建立合理有效的网络识别体系。

同时建立社会转型期间的综合网络谣言管理体系，从而增强网络舆情管理能力，这是维护健康有序的公共秩序的内在要求。

网络谣言产生的原因多种多样，有的是蓄意为之歪曲事实真相，也有的是无心而为，但就其实质而言仍然是包含若干内在特征的信息，这些信息均有其独特的属性，通过这些属性可以从网络谣言的本身对其进行识别和分类[3]。

　　严格来说，网络谣言就是一种正常的文化现象，其实质是传统谣言通过网络媒介进行的信息交流，但其具有传播效率高，扩散范围广特点，并且可以进行跨平台、跨区域的传播，降低了传统谣言传播的成本和时间限制[4]。

由于这种文化现象是随着人际交流而自然产生的，带有普遍性且不以人的主观意志为转移。

因此，我们要承认谣言的这种客观存在的长期性，并清醒的认识到谣言的危害性。

网络谣言侵害的对象不仅包括政治、经济，同时其对文化生活也都有影响。

从网络谣言造成的损失看，其可造成经济损失、名誉损失、精神损失、不良政治影响、降低政府公信力，还会扰乱人们的思想，干扰人们的生活。

那么将不可控的网络谣言，通过谣言风险管理进行评估，同时将网络谣言案例加以定量计算，对今后管理实践中隐藏的更大或可控性差的网络谣言以及可控或随着时间或舆情规律日趋弱化的网络谣言采取不同的引导措施，进行分类管控。

　　科学的分类工作能够提供更为高效的管理服务，更是理论和科学研究的基础（Blumer，1931）。

研究表明分类是对科学问题中需要界定对象进行选择和处理的必须的概念性工作。

分类尽管可能并无法提供一个共同的概念标准，但能够提供比较或者对谣言间概念的框架进行区分界定。

网络谣言在不同的原则和标准之下，分类形式也不相同。

类型不同实则代表人对谣言不同的认知角度。

而不同的认知则代表着不同的理解深度和管理方式，进而影响着管理水平。

国内外有关学者均对网络谣言的分类工作予以重视，国内学者通过对网络谣言案例进行分析，将网络谣言事件诱因分成自然灾害类、社会伤害类、食品安全类、意外伤害类、政府行动等类型[5]；而从传播心理状态进行分析，可将网络谣言分为期望型、恐惧型、怨恨型、阴谋型等6类[6]；若依据造谣者的目的，可将网络谣言划分为信息求证型、情绪宣泄型、利益攫取型和娱乐恶搞型4种类型[7]。

但从整体上看，现有文献中对谣言的分类形式仍以定性描述为主，主要从谣言反应的原因或背景角度出发，而缺乏从网络谣言认知和传播过程的本身特性角度进行量化分类的研究。

而描述网络谣言量化分类过程的矩阵需要数据支持，考虑到谣言分类的相关要素均需是一个明确的值，简单的说就是“是”或“非”的单一判断，故构建的数量化矩阵是“0-1”型。

而Hayashi数量化理论Ⅲ（“H理论III”）的特点是能将网络谣言要素的定性概念转化为“0-1”型矩阵同时进行聚类[8]。

　综上，对网络谣言进行综合分类是为了进一步识别网络谣言风险，并对不同类型网络谣言采取不同的引导和控制。

同时，网络谣言分类是进行网络舆情监控和风险管理以及建立网络谣言风险信息共享平台的基础，是进一步识别新网络谣言的基础。

　　本文拟通过对网络谣言自身的特性进行分析，从人类认知过程的角度通过数量化的方法对网络谣言进行定性与定量相结合的分析，得到从谣言自然认知角度分析的网络谣言类型，以期得到便于分类管理的方法。

“H理论III”在涉及到分类方法方面有独特优势，不仅可以进行人为和客观相结合的分类，更可较大程度的减少人为干预，便于计算机模糊识别网络谣言的特征属性，实现自动化识别。

　　1网络谣言数量化分类实践

　　1.1Hayashi数量化理论简介

　　Hayashi数量化理论是由日本的林知己夫教授在1950年首先提出[9-10]，它根据不同的研究目的，在方法上可分为数量化理论I、II、III和IV。

其中可以同时对定性和定量变量进行处理的多元分析的是第III类方法。

与其他数量化方法相比，“H理论III”的优点在于，反应矩阵可以既包含定量变量，同时也包含定性变量，通过计算可将定性变量转化为定量变量。

“H理论III”所要解决的问题是以反应矩阵为基础，对各类目和各样品赋予适当的得分，使得反应情况接近时，样品和类目有相近的得分[11]。

其基本原理是基于“0-1”属性判断矩阵的构建和向量值的计算，从而得到样本的得分。

通过这种原理可将网络谣言的属性规范化、数量化，获得更便于计算机进行计算分析的基础数据结构，因此，Hayashi数量化理论不仅在理工类的地质、气象、环保、生物、医学、产品设计方面适用，也在管理类的人力资源管理、企业管理、灾害和风险管理中得到应用[12-14]。

　　本文通过对网络谣言的内容、传播特点等一系列特性进行分析，从对网络谣言综合认知的角度考虑，选取数量化的方法进行定性与定量相结合的分析。

最终得到网络谣言从认知角度分析的类型和分类管理的方法。

　　1.2网络谣言的特性

　　网络谣言是虚假的舆论信息，每个谣言都具有独特性的属性，不同属性谣言所表现的影响结果不同。

这种特性类似于每个人的特质，如善意性、敏锐度、观察力、忠诚度、攻击性、模仿能力等特质，通过这些属性我们才能确定一个具体的立体的人。

以统一标准对每个人进行赋值，其得分很难相同。

这些潜在特质将决定在特殊情况的激发下，每个人的表现结果不同。

与前例类似，不同网络谣言的特性也不同，从人类认知的角度，可对每种网络谣言通过几个问题进行区分，如网络谣言的代表性、危害程度、影响力、攻击性、传播性、生命力和辨识度如何。

具此可以根据谣言的相关属性研究谣言的潜在发展程度和造成的影响，便于进行网络谣言管理。

　　1.3网络谣言维度与判断标准

　　网络谣言属性的适当描述与对网络谣言自身的认知特点直接相关，进一步决定着网络谣言矩阵的形态。

有研究表明网络谣言的影响力因素有扩散广度、内容热度和态度倾向，这些因素又包括若干种二级指标，这一系列二级指标是较好的刻画谣言造成影响的关键因素[15]。

奥尔波特认为谣言传播能力主要在于事件的重要性、模糊程度和信息的不对称，网络谣言的特性可以包括这些。

传统观点认为，谣言模糊性越强越容易传播，而网络谣言在传播过程中为增强可信度配以相关细节描述和相应资料，同时网络的匿名性也增加了谣言传播的可能性[16]。

　　网络谣言矩阵的构建基础是对矩阵属性赋值。

本文的谣言矩阵构建原则是基于谣言认知模式和认知过程选择谣言属性，由此构建谣言识别属性（见表1），表1列出了网络谣言的7种属性及其判断标准。

构建矩阵时，如对谣言案例的某属性有反应就认为是“l”，否则是“0”。

即看谣言属性更接近哪种判断标准，依据判断标准定为“1”或“0”。

　　1.4谣言判断矩阵的构建

　　网络谣言矩阵的构建是对网络谣言进行分类的关键，它关系到最终结果与现实的贴近程度，判断的矩阵越客观，最终图像越能正确反应客观实际。

考虑到“H理论III”是一种可同时对定性和定量变量进行处理的多元分析方法。

其基本原理是基于“0-1”属性判断矩阵的构建和向量值的计算，从而得到样本的得分。

该基本原理符合以上网络谣言属性的基础数据结构。

选择“H理论III”，将每个网络谣言样本的7个属性指标转换成“0-1”属性的二维判断矩阵，通过编程运算，将样本得分在示意图中与原点距离作为样本聚类分析的输入数据，实现对所考察风险样本的分类目的。

因此，科学构建网络谣言判断矩阵是得到客观结果的基础。

汪青云和童玲[17]从社会心理学和谣言传播学的角度，将网络谣言分为利他性谣言、利己性谣言和无利性谣言。

　　在构建网络谣言判断矩阵时，本文选取了互联网关注度较高的49个谣言案例，选取过程要求