肖 超， 施 騫， 林沛昕

(1. 同濟大學 經(jīng)濟與管理學院，上海 200092； 2. 達特茅斯學院 塞爾工程學院，漢諾威 03755)

一、 引 言

突發(fā)公共衛(wèi)生事件是指突然發(fā)生，造成或者可能造成社會公眾健康嚴重損害的重大傳染病疫情、群體性不明原因疾病、重大食物和職業(yè)中毒以及其他嚴重影響公眾健康的事件。[1]由于突發(fā)公共衛(wèi)生事件具有危害嚴重、難以預(yù)測、突然發(fā)生、蔓延迅速、影響廣泛、起因多樣等特點，極易引發(fā)社會各行各業(yè)的不良連鎖反應(yīng)，對人民生命財產(chǎn)安全、社會經(jīng)濟和諧發(fā)展等構(gòu)成嚴重威脅。[2-3]因此，及時啟動相應(yīng)的應(yīng)急管理項目，有效優(yōu)化整合各類社會資源，實現(xiàn)不同職能管理部門之間的有效協(xié)作，才能確保將突發(fā)公共衛(wèi)生事件造成的損失降到最低。突發(fā)公共衛(wèi)生事件應(yīng)急管理項目需要完整的系統(tǒng)網(wǎng)絡(luò)，任一環(huán)節(jié)出現(xiàn)問題都將擴大事件的危害。我國采用“國家—省—市—縣”四級組織體制作為縱向系統(tǒng)，以縣級疾病預(yù)防控制中心作為突發(fā)公共衛(wèi)生事件應(yīng)急網(wǎng)絡(luò)的“網(wǎng)底”。[4]然而發(fā)生突發(fā)公共衛(wèi)生事件時，社區(qū)往往才是疫情防控最直接的場所，尤其在本次新冠病毒疫情中，武漢乃至全國許多社區(qū)在疫情防控中均發(fā)揮了關(guān)鍵作用。以往經(jīng)驗與研究表明：政府在突發(fā)公共衛(wèi)生事件來臨時獨自應(yīng)對的壓力較大，應(yīng)積極實施基層措施，與基層共同應(yīng)對突發(fā)事件。例如，社區(qū)物業(yè)可以發(fā)揮基層組織動員和溝通作用，緩解生活保障物資的暫時性短缺，或通過醫(yī)療資源下沉，強化基層在醫(yī)療基礎(chǔ)環(huán)節(jié)的能力，實現(xiàn)社區(qū)分散診斷與醫(yī)院集中治療，避免人群在醫(yī)院盲目匯集造成交叉感染。[5]

2020年2月7日，民政部印發(fā)的《致全國城鄉(xiāng)社區(qū)工作者的一封信》中指出“社區(qū)防控是疫情防控的基礎(chǔ)環(huán)節(jié)，是打贏疫情防控阻擊戰(zhàn)的決定因素”。隨著突發(fā)公共衛(wèi)生事件應(yīng)急管理水平的不斷提高，應(yīng)急網(wǎng)絡(luò)的“網(wǎng)底”應(yīng)不再僅是縣級行政單位，而應(yīng)包括以社區(qū)為最基礎(chǔ)的空間單元，需要充分發(fā)揮社區(qū)應(yīng)急管理項目在整個應(yīng)急管理體系中的作用，有效防控突發(fā)公共衛(wèi)生事件。然而，目前鮮有對社區(qū)級應(yīng)急管理項目的深入研究。因此，本文采用社交媒體輿情分析的手段，從社區(qū)居民在應(yīng)急管理期間真實需求的角度出發(fā)，將應(yīng)急管理需求與社區(qū)應(yīng)急項目規(guī)劃實施相結(jié)合，對突發(fā)公共衛(wèi)生事件的社區(qū)應(yīng)急管理項目進行系統(tǒng)研究，以期有效提升應(yīng)急管理的效率與精細度，同時提升社區(qū)治理能力。

二、 文獻綜述

2003年非典型肺炎(SARS)疫情之后，突發(fā)公共衛(wèi)生事件成為應(yīng)急管理與公共管理的主要議題，針對公共衛(wèi)生體系存在問題的系統(tǒng)分析與解決的研究相繼涌現(xiàn)。如：有關(guān)研究指出在SARS疫情期間存在應(yīng)對機制不健全、政府投入不足、疾病控制體系應(yīng)對能力差、農(nóng)村衛(wèi)生工作不到位等主要問題。[6-7]為了應(yīng)對上述問題，現(xiàn)有研究聚焦突發(fā)公共衛(wèi)生事件應(yīng)急管理體系及其運行機制的建立與優(yōu)化[8-9]，以及相關(guān)法律的完善、應(yīng)急預(yù)警體系建設(shè)、疾控機構(gòu)與衛(wèi)生監(jiān)督機構(gòu)的應(yīng)急能力評價等方面[10-11]。另外，也有眾多學者提出要加強基層與社區(qū)應(yīng)急管理，如：梁囡囡指出我國突發(fā)公共衛(wèi)生事件管理中存在崗位繁雜與管理權(quán)限模糊化、忽視基層應(yīng)急管理的問題，應(yīng)積極引導(dǎo)基層社會大眾參與到突發(fā)公共衛(wèi)生事件處理與監(jiān)督中。[12]楊保軍提出要以“15分鐘生活圈”建設(shè)為契機，將社區(qū)拓展為疫情防控的基礎(chǔ)空間單元。[5]李宏偉等提出應(yīng)急管理除了要以政府為主導(dǎo)，還要充分發(fā)揮社會組織的作用，及時向疫區(qū)群眾提供援助，增強對捐贈物資的有效管理，完善社會信任體系。[13]

社區(qū)作為疫情防控鏈條的最基本單元，不僅是疫情聯(lián)防聯(lián)控的第一道防線，更是疫情防控的最后一道承壓閥門，是外防病例輸入、內(nèi)防病例擴散最有效的防線。在基層防控能力建設(shè)方面，徐磊青提出社區(qū)阻擊戰(zhàn)有加強社區(qū)建設(shè)、發(fā)動志愿者行動、構(gòu)建社區(qū)防疫合作關(guān)系、有效利用社區(qū)資源四個方面的作用。[14]唐文波指出基層社區(qū)的防控能力建設(shè)應(yīng)著重考慮“責”“嚴”“實”“準”四個方面。[15]在社區(qū)防疫措施方面，李多靈等將社區(qū)防疫工作分為外部防控與內(nèi)部防控兩類：外部防控措施有入口登記、體溫測量、建設(shè)消毒通道、外來人員管理與發(fā)放出入通行證等；內(nèi)部防控措施包括社區(qū)內(nèi)消毒、物資采購、口罩發(fā)放、防疫宣傳等。[16]任江媛從摸底排查、防疫宣傳、物資采購與數(shù)字化技術(shù)等角度對如何化社區(qū)治理優(yōu)勢為社區(qū)防疫效能進行了系統(tǒng)分析。[17]在社區(qū)智慧防疫技術(shù)方面，梁浩等指出：綠色數(shù)字人居技術(shù)在社區(qū)防疫中具有較強的風險預(yù)測能力與管控能力、能減少人力資源與人員接觸、提高管理的即時性與效率等優(yōu)勢。[18]

除上述綠色信息技術(shù)外，媒體也是應(yīng)急管理風險溝通的重要途徑，各種社交平臺例如美國的Twitter和中國的新浪微博已成為公眾獲取和發(fā)布突發(fā)公共衛(wèi)生事件在內(nèi)的各種重大事件相關(guān)信息與觀點的重要渠道。因此，探究如何有效利用社交媒體進行風險溝通與輿情分析對于解決突發(fā)公共衛(wèi)生事件具有重大意義。近年來，學者們采用機器學習與大數(shù)據(jù)的手段進行社交媒體網(wǎng)絡(luò)輿情分析，為突發(fā)事件應(yīng)急管理提供決策支持，主要用到的分析方法有文本情感分析、可視化分析、主題建模、主題演化和時序分析等[19-20]。在新冠疫情中，新浪微博熱搜榜信息被用來分析公眾對于COVID-19相關(guān)事件的關(guān)注情況[21]；微博轉(zhuǎn)發(fā)關(guān)系被用來構(gòu)建突發(fā)公共衛(wèi)生事件利益相關(guān)者的社會網(wǎng)絡(luò)情感網(wǎng)絡(luò)圖譜等[22]。

國內(nèi)外學者在突發(fā)公共衛(wèi)生事件應(yīng)急管理研究上已取得了豐富的成果，但仍有待提升。例如，在研究對象方面，目前仍缺少關(guān)于如何開展社區(qū)應(yīng)急管理項目的系統(tǒng)研究。關(guān)于應(yīng)急管理現(xiàn)存問題，現(xiàn)有研究少有從民眾訴求這個視角進行研究，忽視了應(yīng)急風險溝通的雙向性，限制了基層應(yīng)急管理項目的有效實施。因此，本研究通過收集與分析新冠疫情期間新浪微博發(fā)布的有關(guān)社區(qū)應(yīng)急管理項目措施與實施成效的看法，對社區(qū)應(yīng)急管理項目進行實證分析。研究采用基于樸素貝葉斯分類與情感詞典的情感分析模型，探究公眾對突發(fā)公共衛(wèi)生事件社區(qū)應(yīng)急管理項目的關(guān)注度與情感態(tài)度傾向，并對社區(qū)應(yīng)急管理項目進行時空比較研究；從民眾需求的角度出發(fā)，探討我國目前突發(fā)公共衛(wèi)生事件社區(qū)應(yīng)急管理項目規(guī)劃與實施中的不足，為未來社區(qū)應(yīng)急項目的開展提供策略支持。

三、 微博數(shù)據(jù)采集與情感分析模型

(一)微博輿情數(shù)據(jù)采集與文本預(yù)處理

本研究的原始數(shù)據(jù)采集自中國最大社交媒體平臺之一的新浪微博，單條微博可采集的屬性主要包括內(nèi)容屬性、評論屬性、用戶屬性和關(guān)注度屬性，其中用戶屬性分為認證用戶與非認證用戶兩類。認證用戶發(fā)布的微博多為新聞，新聞微博多為態(tài)度中立、沒有強烈感情色彩的文本，此類微博下的評論是公眾對該條新聞的看法態(tài)度，因此本研究在分析新聞微博內(nèi)容的關(guān)鍵詞并提取主要信息的同時，還對評論內(nèi)容進行情感態(tài)度分析。而非認證用戶則通過發(fā)布原創(chuàng)微博表達對某個特定話題的情感態(tài)度與個人觀點，本研究對此類微博提取其內(nèi)容的核心關(guān)鍵詞，并對文本進行情感分析，同時提取其發(fā)布時間，然后結(jié)合各個疫情事件節(jié)點及政策、規(guī)定發(fā)布的時間節(jié)點，分析輿情演化時序?；谏鲜龇治?，本研究針對不同微博用戶屬性提取不同的微博輿情屬性，見表1。

本研究結(jié)合李多靈、徐磊青等人對社區(qū)防疫與應(yīng)急管理項目措施的研究[14][16-17]，將社區(qū)應(yīng)急管理項目中的關(guān)鍵措施概括為封閉管理、體溫測量、入口登記、人員排查、清潔消毒、通行證發(fā)放、防疫宣傳、物資采購、口罩發(fā)放共九種，對每類措施均選取一到三種常見相關(guān)詞語進行搜索。將應(yīng)急管理項目實施措施相關(guān)詞與“小區(qū)”和“社區(qū)”這兩種代表社區(qū)的詞語組合形成36組搜索關(guān)鍵詞組，以確保數(shù)據(jù)爬取結(jié)果的全面性。本研究的微博搜索時間跨度為2020年1月1日至2020年4月30日(共計120天)，此為國內(nèi)新冠疫情暴發(fā)的高峰期與防控的關(guān)鍵時期；以6小時作為單條URL時間跨度，共創(chuàng)建34560條URL鏈接用于爬取微博輿情信息；按照圖1流程對原始微博數(shù)據(jù)文本進行去除噪聲、中文分詞、去除停用詞等預(yù)處理，獲取規(guī)范且不含無用信息的文本進行后續(xù)分析。

圖1 原始微博數(shù)據(jù)清洗與預(yù)處理過程

(二)基于SnowNLP和情感詞典的情感分析模型構(gòu)建與驗證

SnowNLP是一種通過樸素貝葉斯分類算法對文本進行“積極”與“消極”分類的情感分析方法。對于一個文本x，該模型在對其進行分詞后，篩選出x中包含的有義詞語w1,w2,w3,……,wn，預(yù)測模型的目標是將x分類至積極(p)或消極(n)兩類中的一類。依據(jù)樸素貝葉斯原理，這個二分類問題可以被簡化為一個簡單的概率比較的問題：

output=max{P(p|w1,w2,w3,……,wn),

P(n|w1,w2,w3,……,wn)}

(1)

即辨別輸入文本屬于積極的概率和屬于消極的概率的大小關(guān)系，若屬于積極的概率更大，則預(yù)測判斷為積極，否則判斷為消極。

由于基于SnowNLP的情感分類模型僅將文本分為“積極”與“消極”兩類，并不能很好地判斷公眾在該文本中表達出某類情緒的原因有哪些。因此，在上文構(gòu)建模型的基礎(chǔ)上，研究參考大連理工大學林鴻飛團隊整理的中文情感詞匯本體庫作為模型采用的情感詞典，將詞語分為“樂”“好”“怒”“哀”“懼”“惡”“驚”七大類[23]。本研究采用基于情感詞典的七分類模型計算每一條微博文本中七大情感分類的分值，以便對公眾對于社區(qū)應(yīng)急管理項目實施情況的情感與判斷進行更細致的分析。對情感分類分值的計算邏輯為：

Scoreclassi=count (W∈classi)*(-1)N

(2)

其中，Score(classi)為情感分類i的分值，為i分類情感詞語在該文本中出現(xiàn)的次數(shù)；N為i分類情感詞語前的否定詞數(shù)量。至此，可以得到每個文本中七大情感分類的分值，模型結(jié)果中分值最大的情感分類即為該微博文本所表達的主要情感。這一模型的結(jié)果能為后續(xù)社區(qū)應(yīng)急管理項目的評價帶來更細節(jié)的數(shù)據(jù)支撐。

研究使用隨機篩選出的1000條評論數(shù)據(jù)作為測試數(shù)據(jù)集進行模型驗證，根據(jù)準確率(Accuracy)、召回率(Recall)、精確率(Precision)和F1分數(shù)來驗證采用情感分析模型的可靠性和有效性。SnowNLP情感分類模型的準確率、召回率、精確率和F1分數(shù)分別為0.86、0.90、0.78和0.84，表明在評論數(shù)據(jù)的情感屬于積極還是消極這個二分類問題上，SnowNLP算法模型的預(yù)測結(jié)果有著較好的表現(xiàn)。在1000條測試評論數(shù)據(jù)中，443條評論數(shù)據(jù)由于語句短、詞匯少且沒有明確語義被情感詞典算法判斷為“無法預(yù)測情感分類”。進一步關(guān)注剩余557條能給出情感細分結(jié)果的數(shù)據(jù)，測試結(jié)果表明410條數(shù)據(jù)的真實情感分類與情感詞典模型預(yù)測結(jié)果是一致的，準確率達到74%，借此驗證了使用此方法分析評論數(shù)據(jù)情感分類的有效性和可靠性。

四、 結(jié)合時空演化的社區(qū)應(yīng)急管理項目關(guān)鍵措施實施效果研究

本研究結(jié)合上文構(gòu)建的情感分析模型對九類社區(qū)應(yīng)急管理項目措施的公眾感情態(tài)度進行統(tǒng)計分析，進而對各類社區(qū)應(yīng)急管理項目的開展情況進行評價。本研究還通過結(jié)合微博輿情數(shù)據(jù)中的“時間屬性”與“地區(qū)屬性”對模型結(jié)果進行進一步的時空演化分析，以總結(jié)社區(qū)應(yīng)急管理項目各類措施實施中存在的問題與提升策略。

(一)基于情感分析模型的描述性統(tǒng)計分析

應(yīng)用SnowNLP情感分類模型，對九類社區(qū)應(yīng)急管理項目關(guān)鍵措施相關(guān)新聞下的評論與個人原創(chuàng)微博進行情感分類，并將各類措施情感分數(shù)(剔除等于0.5的中性評論)按極端積極(大于0.9)、一般積極(大于0.5且小于等于0.9)、一般消極(大于等于0.1且小于0.5)和極端消極(小于0.1)分為四類，模型情感分類描述性統(tǒng)計結(jié)果和情感分數(shù)統(tǒng)計結(jié)果見表2與表3。

表2 九類社區(qū)應(yīng)急管理項目關(guān)鍵措施新聞評論情感分類結(jié)果描述統(tǒng)計

表3 社區(qū)應(yīng)急管理項目關(guān)鍵措施情感分數(shù)四種類型占比 單位：%

從統(tǒng)計結(jié)果可見，新聞下的評論文本情感分值分布結(jié)果更為分散，而個人發(fā)布原創(chuàng)微博通常是用戶個人對某一類事件有強烈情感或明顯態(tài)度傾向的主動發(fā)布，因此其情感分值呈現(xiàn)極端值集中，且在新冠疫情中個人微博情感態(tài)度更偏向消極。

公眾對“口罩發(fā)放”這一措施較少存在負面情緒，在疫情初期防疫物資短缺時，這一措施最直接地為居民提供了防護物資，因此公眾情感態(tài)度較為積極。此外，新聞評論內(nèi)容數(shù)據(jù)顯示，公眾對“封閉管理”“入口登記”“通行證發(fā)放”以及“體溫測量”四類措施具有較強的負面情緒，且極端消極分值的個數(shù)大于極端積極分值。個人原創(chuàng)微博情感分析則顯示，除去“口罩發(fā)放”外的八種措施，用戶情感分析數(shù)據(jù)大多集中在極端值位置，且極端消極的頻率顯著大于極端積極的頻率。

基于情感詞典的七種情感分類，將“樂”“好”“驚”定義為積極情感，將“怒”“哀”“懼”“驚”定義為消極情緒。進而，研究采用情感詞典模型分析了新聞評論與原創(chuàng)微博中公眾對九類社區(qū)應(yīng)急管理項目關(guān)鍵措施的情感類型細分，結(jié)果見表4。對于不同社區(qū)應(yīng)急管理項目關(guān)鍵措施的積極情感主要表現(xiàn)為“好”，消極情感則主要表現(xiàn)為“惡”，在消極情緒中“怒”占比最少。根據(jù)前文，公眾對“封閉管理”“入口登記”“通行證發(fā)放”和“體溫測量”這四類措施的消極情緒居多， 因此結(jié)合情感詞典，本研究將對這四類措施的消極情緒進行重點分析。公眾對這四類措施的負面情緒均以 “厭惡”為主要特征情緒，這一情緒主要來自：小區(qū)封閉帶來的生活不便，如生活物資采購、快遞收發(fā)、停車位不足等問題；對于小區(qū)并未嚴格實行憑通行證出入或渴望出行自由而產(chǎn)生的厭惡情緒；以及對測體溫這類措施過于形式主義的負面情緒等。

表4 社區(qū)應(yīng)急管理項目關(guān)鍵措施七分法情緒類型占比總結(jié) 單位：%

結(jié)合上述兩個模型的分析結(jié)果可見，公眾對于新冠疫情暴發(fā)集中期應(yīng)急管理項目所采取的各類措施普遍持消極態(tài)度，為了進一步分析消極情緒的產(chǎn)生原因與改進措施，研究進一步結(jié)合微博數(shù)據(jù)的地理和時間標簽，進行相關(guān)性與回歸分析，對公眾情感態(tài)度傾向進行時空演化并探討其原因，為社區(qū)應(yīng)急管理項目的實施提供有針對性的提升建議。

(二)結(jié)合地理標簽的社區(qū)應(yīng)急管理項目實施情況評價

新聞微博具有特定地理位置，在研究收集到的95004條個人數(shù)據(jù)中，獲得有效用戶地理信息共計76776條數(shù)據(jù)，結(jié)合每條數(shù)據(jù)的地理屬性與新冠疫情的分布地圖，對社區(qū)應(yīng)急管理項目在全國各地區(qū)的情感分值與話題熱度分布進行地理統(tǒng)計分析。研究以疫情累計確診人數(shù)占該省人口比重來衡量各省新冠疫情的嚴重程度，以每個省份發(fā)布社區(qū)應(yīng)急管理項目相關(guān)話題的原創(chuàng)微博數(shù)量作為該地區(qū)的話題熱度。將微博內(nèi)容的情感打分結(jié)果與微博地區(qū)屬性結(jié)合，并以各省區(qū)市所有微博的情感均值作為該省情感分值，使用K-均值聚類算法對34個地區(qū)分別進行聚類分析，按照情感由消極到積極分成五類區(qū)域。結(jié)果顯示：消極區(qū)域為湖北、重慶、香港，較消極區(qū)域為湖南、山西、吉林、江蘇、廣東、海南、云南、澳門，中性區(qū)域為北京、上海、天津、山東、安徽、廣西、陜西、寧夏，較積極區(qū)域為河北、內(nèi)蒙古、遼寧、河南、浙江、江西、貴州、西藏、臺灣，積極區(qū)域為黑龍江、甘肅、青海、新疆、福建、四川。運用方差分析和事后比較的方法對聚類分析結(jié)果進行顯著性檢驗，方差分析顯示F值為361.361，顯著性小于0.05，五類區(qū)域?qū)ι鐓^(qū)應(yīng)急管理項目的情感分值存在顯著差異，表5中事后比較結(jié)果也驗證了五類區(qū)域彼此間的顯著性差異。

對于社區(qū)應(yīng)急管理項目話題關(guān)注度、情感分值與疫情嚴重情況進行相關(guān)性分析，結(jié)果見表6，可得兩條一般規(guī)律：疫情嚴重程度與情感分值呈負相關(guān)，疫情嚴重程度與話題熱度呈正相關(guān)。而不符合上述兩條一般規(guī)律的省區(qū)市則應(yīng)成為研究社區(qū)應(yīng)急管理項目實施情況需要重點考察的對象，具體分為以下四類：(1)疫情較為嚴重，但卻具有較高的情感分值，即社區(qū)防疫項目實施情況較好的地區(qū)，如浙江、黑龍江與臺灣等地。(2)疫情嚴重程度值低，但卻具備較低的情感分值，在社區(qū)應(yīng)急管理項目實施上還有待改進提高，如山西、吉林、云南等地。(3)疫情較為嚴重，但其話題熱度較低的省份，民眾對社區(qū)層面的防控意識較為欠缺，如香港、澳門、海南、臺灣等地。但考慮到香港、臺灣、澳門等地的居民并不是以新浪微博平臺作為主要的社交平臺，因此可排除考慮。(4)疫情嚴重程度值低，但話題關(guān)注度高，民眾對社區(qū)應(yīng)急管理項目較為關(guān)注，如廣東、江蘇、四川、河北等地。

(三)結(jié)合時間標簽的社區(qū)應(yīng)急管理項目實施評價

針對研究選取的95004條個人原創(chuàng)微博與46656條新聞微博評論，以每周內(nèi)所有微博的情感分數(shù)均值作為該周情感值，分析微博文本情感態(tài)度的時間演化趨勢，微博文本的情感分值變化與疫情持續(xù)時間的回歸分析見圖2。

表6 社區(qū)應(yīng)急管理項目情感分值相關(guān)性分析

圖2 微博文本的情感分值變化與疫情發(fā)展的回歸分析

結(jié)合線性回歸ANOVA分析，可見公眾對于社區(qū)應(yīng)急管理項目的情感分值與疫情的持續(xù)時間呈顯著正相關(guān)，隨著疫情的持續(xù)，公眾情感分值總體呈現(xiàn)上升趨勢。結(jié)合公眾情感變化曲線的走勢與國內(nèi)疫情確診人數(shù)的數(shù)據(jù)，公眾的情感分值變化分為三個階段。

(1)情感分值穩(wěn)步上升階段：2020年1月20日至3月9日，該階段新聞下評論的情感分值由負面轉(zhuǎn)向正面；個人主動發(fā)布微博的情感分值在這一階段呈現(xiàn)出略微下降后快速上升的趨勢，并在3月9日達到最高值。該階段為國內(nèi)疫情暴發(fā)期，現(xiàn)存確診與新增確診人數(shù)變化的拐點都出現(xiàn)在這一階段，即在該階段內(nèi)國內(nèi)疫情分別經(jīng)過了嚴峻期與逐步恢復(fù)期，這為個人原創(chuàng)微博在疫情嚴峻期出現(xiàn)情感分值略微下降趨勢提供了解釋。

(2)情感分值波動階段：2020年3月9日至4月6日，該階段的微博數(shù)量只占本次研究數(shù)據(jù)集的17.3%，且微博話題數(shù)量相較上一階段明顯減少，因此情感分值易受到特殊事件與個別話題的影響。該階段情感分值發(fā)生波動，但總體仍呈上升趨勢，原因主要為境內(nèi)疫情已大體穩(wěn)定時，境外輸入病例讓公眾情緒出現(xiàn)焦急反復(fù)。

(3)情感分值穩(wěn)定階段：2020年4月6日至4月30日，該階段民眾的情感態(tài)度保持基本穩(wěn)定。該階段境外輸入病例基本得到控制，此外未出現(xiàn)其他影響民眾對社區(qū)防疫情感態(tài)度發(fā)生變化的重大事件，因此公眾情感態(tài)度基本平穩(wěn)。

五、 突發(fā)公共衛(wèi)生事件社區(qū)應(yīng)急管理項目實施改善建議

(一)基于疫情不同發(fā)展階段的社區(qū)應(yīng)急管理項目實施提升建議

從上一章分析結(jié)果可見公眾對社區(qū)應(yīng)急管理項目的部分關(guān)鍵措施的情感態(tài)度在疫情發(fā)展各個階段呈現(xiàn)顯著不一致性。公眾對于“封閉管理”措施，在情感分值變化的三個階段分別經(jīng)歷了“懼怕”到“厭惡”再到“懼怕”的過程，關(guān)鍵詞提取的分析結(jié)果顯示：在疫情發(fā)生期間，社區(qū)采取封閉管理過程中仍存在如居民生活物資短缺等問題。在疫情嚴峻期，由于公眾的“懼怕”情緒占主導(dǎo)，實施社區(qū)應(yīng)急管理項目的同時也應(yīng)考慮安撫居民的擔憂與懼怕情緒，如開通疫情心理守護電話，為居民提供心理疏導(dǎo)、情感支持、認知調(diào)整等服務(wù)。在封閉管理的全過程中，因封閉帶來的生活不便始終存在，因此還應(yīng)將保證居民基本生活物資的供應(yīng)作為工作重點，如在社區(qū)的超市內(nèi)搭建生鮮便利服務(wù)站，或由社區(qū)工作人員統(tǒng)一進行物資采購并提供送菜上門等服務(wù)。此外，還應(yīng)特別關(guān)照如老年人等不熟悉互聯(lián)網(wǎng)使用的人群，對其提供送餐送藥、提供生活用品等服務(wù)。

公眾對于“通行證發(fā)放”措施的主導(dǎo)情感態(tài)度經(jīng)歷了從“懼怕”到“哀傷”再到“厭惡”的過程。在疫情嚴峻期，公眾的“懼怕”特征情緒主要來自對社區(qū)應(yīng)急管理項目實施監(jiān)管不力、把控不到位的擔憂。此時各社區(qū)管理主體應(yīng)嚴格遵循相關(guān)規(guī)定，制定應(yīng)急管理項目策略并嚴格把控實施過程，對存在出行需求的人員，如醫(yī)療、交通等行業(yè)的從業(yè)人員，在確保其符合要求后應(yīng)及時發(fā)放通行證。在疫情恢復(fù)期，居民都已復(fù)工，對于居民的通行證發(fā)放與審核應(yīng)在保證嚴格的前提下靈活變通。在疫情平穩(wěn)期，公眾的“厭惡”情緒成為主導(dǎo)情緒，尤其是在疫情低風險區(qū)域，這種情緒主要來自該措施造成的日常生活不便。對此，在疫情穩(wěn)定階段也應(yīng)及時調(diào)整應(yīng)急管理項目的實施策略，如在疫情低風險地區(qū)可考慮對出入通行證的審核進行適當放寬。

(二)針對社區(qū)異質(zhì)性的應(yīng)急管理項目實施提升建議

社區(qū)因其空間屬性及社會屬性的不同而存在異質(zhì)性，不同特性的公眾在同一時間階段、對于同一應(yīng)急管理措施可能具有完全不同的態(tài)度。例如，有用戶反映小區(qū)采用橫幅等傳統(tǒng)宣傳模式過于老舊，應(yīng)充分利用微信公眾號進行推送；但同時也有住戶反映，小區(qū)完全不張貼橫幅或告示，使得家中老人難以及時了解疫情發(fā)展情況，忽視疫情防控的重要性。為應(yīng)對此類現(xiàn)象，不同類型的社區(qū)在應(yīng)急管理項目實施上也應(yīng)有不同的工作重心。年齡結(jié)構(gòu)、戶籍結(jié)構(gòu)、人口密度是影響社區(qū)應(yīng)急管理項目實施的主要因素，應(yīng)根據(jù)社區(qū)異質(zhì)性合理規(guī)劃有限人力物力，實現(xiàn)社區(qū)應(yīng)急管理項目實施效率的最大化。

老年群體免疫力差且常伴慢性基礎(chǔ)疾病，在社區(qū)應(yīng)急管理項目實施中應(yīng)被視作重點關(guān)注對象。同時，老年群體的信息來源渠道主要為時效性較低的傳統(tǒng)媒體，難以及時獲得有關(guān)疫情的最新消息，在疫情發(fā)展初期，他們警惕性較低，且難以通過互聯(lián)網(wǎng)手段在封閉管理期間獲取生活和防疫物資。老年群體中又常存在獨居老人和生活難以自理的群體，在疫情期間需要獲得特殊照顧。因此，老齡化社區(qū)應(yīng)將應(yīng)急管理項目實施重心放在老年群體的需求上。在醫(yī)療資源上，可考慮引導(dǎo)醫(yī)療資源向社區(qū)醫(yī)療服務(wù)機構(gòu)流動；在防疫宣傳方面，社區(qū)工作人員可同時使用普通話與方言進行宣傳，重點注意向老年群體普及防疫知識；在物資提供上，社區(qū)應(yīng)對獲取物資存在困難的群體提供特殊幫助，如登記存在慢性疾病的老年群體的健康情況與用藥需求，保障其醫(yī)療物資；在疏導(dǎo)慰問方面，應(yīng)保障老年群體的心態(tài)健康，在疫情嚴峻期間應(yīng)注意緩解老年人群體的緊張情緒。此外，對于獨居或生活不能自理的老人，可考慮動員居委會、物業(yè)公司、志愿者組織等實行上門幫扶。而對于非老齡化社區(qū)，可考慮將服務(wù)更多地轉(zhuǎn)向采用線上及數(shù)字化手段，將節(jié)省的人力分配在老年群體身上或是調(diào)配至老齡化社區(qū)以保障應(yīng)急管理項目的順利實施。

新冠疫情發(fā)生在春節(jié)期間，伴隨著春運與返工大潮，以外來常住人口為主的社區(qū)應(yīng)將應(yīng)急管理項目實施重心放在社區(qū)大面積排查與流動居民的信息登記上。對于接受返鄉(xiāng)返城人員的社區(qū)，更需要對住戶的歷史行程、接觸者、健康狀況等信息進行收集，以便后續(xù)的重點監(jiān)測。對于兩類人群混住的社區(qū)，應(yīng)對不同風險類型的住戶進行精細化管理，對高風險人群進行重點管控的同時也應(yīng)呼吁居民不應(yīng)排斥高風險人群。疫情期間，社區(qū)應(yīng)注重防止人員聚集，對于高密度社區(qū)，應(yīng)提高對公共區(qū)域的消毒頻率并管控公用設(shè)備的使用人數(shù)，如可通過使用電梯攝像頭智能識別乘坐人數(shù)，若超出限制人數(shù)則自動跳層，實現(xiàn)“人防”與“智控”的有效聯(lián)動。對于低密度社區(qū)，物業(yè)人員可將重心放在生活物資的采購、發(fā)放、防疫知識宣傳等方面，有效利用有限的人力資源。

(三)結(jié)合智慧化技術(shù)的應(yīng)急管理項目實施提升建議

由于部分應(yīng)急管理項目措施實施過程中會對公眾造成不便，公眾會產(chǎn)生消極情緒，尤其是在后疫情時代，對某些措施的消極情緒會更明顯。因此，在社區(qū)應(yīng)急管理項目的實施過程中應(yīng)重點考慮實施過程中盡可能減少對公眾正常生產(chǎn)生活的影響。在新冠疫情防控中，許多社區(qū)都采用社區(qū)防疫二維碼、出入口控制系統(tǒng)、紅外測溫設(shè)備、非接觸式電梯控制技術(shù)等智慧技術(shù)推動應(yīng)急管理項目的實施，這既提升了社區(qū)疫情防控水平，同時又實現(xiàn)了應(yīng)急管理措施的便捷化和無感化，有效緩解了公眾的消極情緒。結(jié)合云計算、物聯(lián)網(wǎng)、人工智能等手段的防控措施既能高效實現(xiàn)對重點監(jiān)測人員的信息采集，然后通過對接街道、縣級疾控中心等上級有關(guān)部門的疫情防控平臺實現(xiàn)數(shù)據(jù)互通，降低社區(qū)工作人員上門排查而交叉感染病毒的風險，同時也能解決社區(qū)工作人員數(shù)量不足、人力物力資源匱乏的問題。針對外部防控管理，對出入口管理、測溫等社區(qū)應(yīng)急管理措施可采取數(shù)字化手段進行優(yōu)化，如采用非接觸式門禁設(shè)備、實現(xiàn)無感測溫等，有效應(yīng)對居民對防控措施的“厭惡”與“懼怕”情緒。在內(nèi)部防控環(huán)節(jié)，可使用自主移動消毒機器人等對病毒存在可能性高的區(qū)域如垃圾桶、電梯等進行消毒，既提高消毒效率，又保障社區(qū)工作人員的安全；通過智能化手段檢測電梯的使用頻率，在人力物力資源有限的情況下，可通過分析電梯使用情況有序安排電梯消毒工作頻次，提高資源使用效率等。

六、 結(jié)論與啟示

本研究使用爬蟲技術(shù)抓取新浪微博上與社區(qū)應(yīng)急管理項目九類關(guān)鍵措施相關(guān)的新聞評論與個人原創(chuàng)微博輿情數(shù)據(jù)，構(gòu)建了基于SnowNLP的情感打分模型與基于情感詞典的情感七分類模型，基于措施類型與時空因素，對突發(fā)公共衛(wèi)生事件社區(qū)應(yīng)急管理項目的實施效果進行系統(tǒng)分析，討論不同時空演化下公眾對社區(qū)應(yīng)急管理項目實施的關(guān)注度與情感態(tài)度的不同，結(jié)合疫情數(shù)據(jù)與關(guān)鍵詞提取技術(shù)分析社區(qū)應(yīng)急管理項目實施中存在的問題，并分別從疫情演化、社區(qū)異質(zhì)性和智慧化技術(shù)三個角度對社區(qū)應(yīng)急管理項目的實施提出有針對性的提升建議。

但受限于微博數(shù)據(jù)的特點和有限時間內(nèi)數(shù)據(jù)獲取的局限性，研究仍存在諸多不足之處，可在后續(xù)研究中加以改進。由于數(shù)據(jù)集來自新浪微博，輿情分析的對象主要為微博平臺的使用者，因此忽視了對新浪微博使用頻率低、甚至不使用的老年人等群體。此外由于香港特別行政區(qū)、臺灣等地區(qū)的主流社交媒體并不是新浪微博，因此對于這些地區(qū)民眾的情感態(tài)度數(shù)據(jù)有所缺失。本研究所采用的情感七分類模型還不能有效地識別出新浪微博平臺上的網(wǎng)絡(luò)用語及諷刺語氣，因此模型結(jié)果中存在大量的“無感情偏向”文本。在今后的研究中，可以考慮預(yù)先提取一部分與話題相關(guān)的微博文本進行訓(xùn)練，使得情感分析的結(jié)果更適用于社交媒體平臺；同時，對于數(shù)據(jù)不可得的人群或地區(qū)可以考慮采用問卷調(diào)研的方式進行補足，保證數(shù)據(jù)集的完整性。