徐明華 羅紫菱

【內(nèi)容摘要】在智能媒介技術(shù)賦能?chē)?guó)際輿論競(jìng)爭(zhēng)的宏觀背景下，從可計(jì)算化視角出發(fā)預(yù)測(cè)性剖析國(guó)際輿論的變化規(guī)律與演進(jìn)歷程，有助于為對(duì)外輿論宣傳提供有效決策路徑。本文結(jié)合單雙面論述理論對(duì)經(jīng)典HK模型加以改造，并在Facebook平臺(tái)的真實(shí)社交網(wǎng)絡(luò)中進(jìn)行參數(shù)模擬與仿真實(shí)驗(yàn)，以期探究國(guó)際社交媒體平臺(tái)的輿論演化過(guò)程。結(jié)果表明，伴隨著高教育水平受眾比例下降，群體更難形成集體合意，邊緣化、極端化意見(jiàn)分裂逐步出現(xiàn)，且呈現(xiàn)出集體觀點(diǎn)中立化凝聚、受眾態(tài)度多取向分化、群體意見(jiàn)無(wú)序性震蕩等典型演化結(jié)果。

【關(guān)鍵詞】可計(jì)算化；國(guó)際輿論傳播；觀點(diǎn)動(dòng)力學(xué)；單雙面陳述

在百年未有之大變局加速演進(jìn)的時(shí)代背景下，國(guó)際輿論場(chǎng)已成為大國(guó)軟實(shí)力較量與話語(yǔ)權(quán)競(jìng)爭(zhēng)的重要場(chǎng)域，智能化媒介技術(shù)的高速發(fā)展亦為國(guó)際輿論宣傳工作增添新動(dòng)能。當(dāng)前，國(guó)際輿論研究已涵蓋智能視聽(tīng)技術(shù)應(yīng)用①②、對(duì)外傳播敘事技巧③、國(guó)際傳播人才培養(yǎng)④等多領(lǐng)域，然而較缺乏從可計(jì)算化范式出發(fā)結(jié)合仿真模型對(duì)國(guó)際輿論演化過(guò)程進(jìn)行預(yù)測(cè)性評(píng)估的相關(guān)研究。因此，本研究便基于經(jīng)典勸服傳播理論單雙面陳述對(duì)HK觀點(diǎn)動(dòng)力學(xué)模型加以改造，并通過(guò)社交網(wǎng)絡(luò)建構(gòu)、動(dòng)力公式改進(jìn)與仿真參數(shù)設(shè)置等方法對(duì)國(guó)際社交媒體平臺(tái)的輿論演化進(jìn)行仿真實(shí)驗(yàn)，為我國(guó)國(guó)際輿論競(jìng)爭(zhēng)提供決策路徑。

一、文獻(xiàn)回顧

（一）觀點(diǎn)動(dòng)力學(xué)模型

隨著社交媒體和網(wǎng)絡(luò)輿情研究的興起，基于社交網(wǎng)絡(luò)的動(dòng)力學(xué)研究引發(fā)廣泛關(guān)注。其中，觀點(diǎn)動(dòng)力學(xué)作為社會(huì)動(dòng)力學(xué)研究的重要研究方向汲取了統(tǒng)計(jì)物理、應(yīng)用數(shù)學(xué)、網(wǎng)絡(luò)科學(xué)、經(jīng)濟(jì)學(xué)、社會(huì)學(xué)等多個(gè)學(xué)科的養(yǎng)分，將統(tǒng)計(jì)物理方法、非線性科學(xué)等理工科模型與意見(jiàn)演化、社會(huì)交往等人文社科理論結(jié)合起來(lái)，用于分析微觀視角下社交網(wǎng)絡(luò)個(gè)體的觀點(diǎn)演化的基本規(guī)則及其在宏觀層次涌現(xiàn)的復(fù)雜社會(huì)輿論現(xiàn)象⑤。

觀點(diǎn)動(dòng)力學(xué)主要關(guān)注社會(huì)群體中個(gè)體之間不同觀點(diǎn)的相互影響、復(fù)雜社交網(wǎng)絡(luò)中輿論的演化以及意見(jiàn)達(dá)成共識(shí)的過(guò)程。根據(jù)建模方式的差異，可將觀點(diǎn)動(dòng)力學(xué)模型劃分為離散模型和連續(xù)模型，與之對(duì)應(yīng)的動(dòng)力學(xué)過(guò)程分別為離散觀點(diǎn)動(dòng)力學(xué)和連續(xù)觀點(diǎn)動(dòng)力學(xué)。離散觀點(diǎn)動(dòng)力學(xué)模型將社會(huì)個(gè)體的觀點(diǎn)建構(gòu)成離散數(shù)值，常見(jiàn)的模型有Voter模型⑥和Majority-Voter模型⑦。然而，鑒于現(xiàn)實(shí)社會(huì)系統(tǒng)中社會(huì)成員關(guān)于某一具體事件的看法、意見(jiàn)、態(tài)度并不是非黑即白，而更可能處于漸進(jìn)的連續(xù)變化狀態(tài)，難以用離散變量進(jìn)行表征。因此將觀點(diǎn)建模為某一區(qū)間內(nèi)的連續(xù)實(shí)數(shù)值的連續(xù)觀點(diǎn)動(dòng)力學(xué)模型被提出，如Deffuant模型⑧、Hegselmann-Krause模型⑨、Holme-Newman⑩模型等。

HK模型因在連續(xù)觀點(diǎn)動(dòng)力學(xué)模型基礎(chǔ)上提出有界信任假設(shè)，更能擬合社交網(wǎng)絡(luò)中微觀個(gè)體的觀點(diǎn)變化規(guī)律與整體的輿論演化取向而備受學(xué)界推崇。HK（Hegselmann-Krause）模型由Krause提出，并由Hegselmann和Krause兩位學(xué)者一起完成了仿真實(shí)驗(yàn)。HK模型的基本假設(shè)為，就某一具體事件而言，身處于社交網(wǎng)絡(luò)中的個(gè)體并非與所有鄰居（代指與該個(gè)體有社交關(guān)系的其他個(gè)體）進(jìn)行觀點(diǎn)交流，而是與其他觀點(diǎn)相似的群體進(jìn)行交流，即與在其有界信任域內(nèi)的群體進(jìn)行交流。具體而言，當(dāng)該個(gè)體沒(méi)有鄰居時(shí)，他會(huì)持續(xù)保留自身觀點(diǎn)；當(dāng)該個(gè)體擁有大量的鄰居時(shí)，他將會(huì)與觀點(diǎn)在其置信范圍內(nèi)的鄰居交換意見(jiàn)，并將自身觀點(diǎn)更新為上述鄰居觀點(diǎn)的平均值，作為下一時(shí)刻的觀點(diǎn)?；谏鲜黾僭O(shè)，HK模型的動(dòng)力學(xué)方程可表示為：

采用HK模型對(duì)現(xiàn)實(shí)觀點(diǎn)演化過(guò)程進(jìn)行仿真時(shí)，通常將網(wǎng)絡(luò)個(gè)體成員的觀點(diǎn)值隨機(jī)或等距分布在[0，1]的觀點(diǎn)區(qū)間內(nèi)，在對(duì)稱(chēng)或非對(duì)稱(chēng)的觀點(diǎn)有界信任域的參數(shù)作用下，行動(dòng)個(gè)體將在多次觀點(diǎn)交互過(guò)程中逐步經(jīng)歷從多觀點(diǎn)態(tài)、極化態(tài)（兩個(gè)觀點(diǎn)）到共識(shí)態(tài)（一個(gè)觀點(diǎn)）的相變轉(zhuǎn)化過(guò)程。針對(duì)群體中個(gè)體屬性的多樣性，在HK有界信任模型基礎(chǔ)上提出了非一致有界信任模型，仿真結(jié)果說(shuō)明當(dāng)社會(huì)網(wǎng)絡(luò)中個(gè)體的信任水平各不相同時(shí)，比相同信任水平時(shí)，群體觀點(diǎn)更難以達(dá)成共識(shí)，并且個(gè)體數(shù)量與最終形成的觀點(diǎn)簇呈正相關(guān)關(guān)系。

目前，許多研究人員通過(guò)引入新的有界置信條件和推動(dòng)輿論演化的因素，專(zhuān)注于改進(jìn)經(jīng)典的HK模型。Alfio等人研究了含有意見(jiàn)領(lǐng)袖個(gè)體的HK模型意見(jiàn)變化過(guò)程，以及通過(guò)控制意見(jiàn)領(lǐng)袖的觀點(diǎn)以控制群體意見(jiàn)演化的具體策略。相較于觀察觀點(diǎn)的具體演變過(guò)程，Pluchino等人研究了一組具有不同自然傾向（率）的改變觀點(diǎn)的代理人能夠形成一致觀點(diǎn)的前置條件。Yang等人在HK模型的基礎(chǔ)上將多層智能體納入社交網(wǎng)絡(luò)中，深度觀察其作為意見(jiàn)交換成員如何誘使受眾觀點(diǎn)發(fā)生定向偏移。

部分學(xué)者將從眾效應(yīng)、沉默的螺旋、社會(huì)動(dòng)員等經(jīng)典理論引入觀點(diǎn)動(dòng)力學(xué)，對(duì)HK模型的基本演化規(guī)則加以改造。徐玉珠等人將“優(yōu)先連接”“三角結(jié)構(gòu)”“內(nèi)部演化”等機(jī)制引入HK模型，使新模型不僅繼承了HK模型的高聚類(lèi)無(wú)標(biāo)度特性，同時(shí)使得其網(wǎng)絡(luò)增長(zhǎng)方式更靈活。張亞楠針對(duì)輿論傳播過(guò)程中個(gè)體交互的廣泛性和個(gè)體社會(huì)影響力的差異性，引入個(gè)體間親密度、人際相似性和交互強(qiáng)度等概念，對(duì)影響力權(quán)重進(jìn)行了合理量化，仿真結(jié)果顯示，當(dāng)無(wú)標(biāo)度網(wǎng)絡(luò)的聚類(lèi)系數(shù)和平均度較高時(shí)，群體觀點(diǎn)更容易產(chǎn)生趨同效應(yīng)，且擴(kuò)大交互集合、提高人際相似性的作用強(qiáng)度會(huì)促進(jìn)輿論共識(shí)的形成。徐涵等人考慮群體意見(jiàn)和信任程度等因素，提出了一種新的基于樂(lè)隊(duì)花車(chē)效應(yīng)的HK觀點(diǎn)動(dòng)力學(xué)模型，結(jié)果表明，無(wú)論意見(jiàn)領(lǐng)袖比例、個(gè)體置信度和網(wǎng)絡(luò)規(guī)模如何變化，除固執(zhí)個(gè)體和孤立個(gè)體外，其他個(gè)體的意見(jiàn)都能在較短時(shí)間內(nèi)達(dá)成一致。周沁悅等人基于社會(huì)網(wǎng)絡(luò)分析和確認(rèn)偏見(jiàn)心理，提出了回音室度量方法，進(jìn)而建立了考慮回音室效應(yīng)的輿情演化模型，結(jié)果表明，檢測(cè)個(gè)體陷入回音室的傾向能夠消除群體意見(jiàn)極化對(duì)立現(xiàn)象，且提高網(wǎng)絡(luò)的集聚系數(shù)有助于減輕穩(wěn)定意見(jiàn)中的回音室現(xiàn)象。

（二）單雙面論述理論

勸服傳播是傳播學(xué)的重要研究方向之一，其主要關(guān)注通過(guò)施加影響導(dǎo)致受眾態(tài)度改變的現(xiàn)象與理論。傳播學(xué)先驅(qū)之一的美國(guó)實(shí)驗(yàn)心理學(xué)家霍夫蘭關(guān)于勸服傳播的系列研究極具開(kāi)創(chuàng)性和影響力，其提出的SMRC（Source-Message-Channel-Receiver）模型成為后續(xù)勸服傳播研究的重要理論框架。SMCR模型由四個(gè)變量組成，即信源變量、消息變量、信道變量以及接收者變量。

就消息變量而言，信息的呈現(xiàn)方式能夠影響個(gè)體接受和理解信息的程度?；舴蛱m等人于1945年開(kāi)展了“單面陳述與正反兩面陳述”的勸服效果實(shí)驗(yàn)。其中，單面陳述是只呈現(xiàn)一個(gè)觀點(diǎn)或者提供正面的信息，而雙面陳述是呈現(xiàn)兩個(gè)對(duì)立的觀點(diǎn)或者同時(shí)提供正面和負(fù)面的信息。實(shí)驗(yàn)結(jié)果表明，當(dāng)受眾與目標(biāo)觀點(diǎn)一致或差距較小時(shí)，單面陳述極為有效，受眾對(duì)信息的接受程度較高；當(dāng)受眾與目標(biāo)觀點(diǎn)相對(duì)立時(shí)，單面陳述或許會(huì)激發(fā)反效果，部分受眾對(duì)雙面陳述的接受度較高。且傳播效果與受眾的受教育程度存在交互效應(yīng)，單面陳述對(duì)受教育程度較低者更有效，雙面陳述反而對(duì)其具有誤導(dǎo)性，而正反兩面陳述對(duì)受教育程度較高的人更有效，單面陳述易激發(fā)其反感。

部分學(xué)者在霍夫蘭的研究基礎(chǔ)上，對(duì)單邊陳述和雙邊陳述的影響進(jìn)行了深入的研究。Schlosser將該理論應(yīng)用于分析消費(fèi)者心理，研究發(fā)現(xiàn)，雙面陳述和單面陳述的效果取決于評(píng)論者的論據(jù)和評(píng)分之間的一致性。劉中剛等人探索了地域印象對(duì)區(qū)域特色產(chǎn)品信息傳播的影響及單雙面信息策略的調(diào)節(jié)作用，研究表明，相較于單面陳述，雙面陳述能夠顯著提高信息可信度和品牌態(tài)度，降低對(duì)謠言的信任。

傳統(tǒng)的HK模型的基礎(chǔ)假設(shè)為受眾只與觀點(diǎn)相近的個(gè)體進(jìn)行意見(jiàn)交流，然而互聯(lián)網(wǎng)的平等性、開(kāi)放性和廣泛的連通性使得人們可以與觀點(diǎn)相反的用戶(hù)進(jìn)行廣泛接觸，該現(xiàn)象在Facebook、Twitter、Instagram等國(guó)際社交平臺(tái)尤為明顯，卻被經(jīng)典的HK觀點(diǎn)動(dòng)力學(xué)模型所忽略。因此，為了更加符合國(guó)際輿論的真實(shí)輿論動(dòng)態(tài)，本研究根據(jù)霍夫蘭的經(jīng)典勸服傳播理論對(duì)HK模型進(jìn)行修正，將單雙面陳述與個(gè)體受教育水平納入考量。

二、研究方法

（一）社交網(wǎng)絡(luò)搭建

Facebook平臺(tái)作為全球最大的社交媒體平臺(tái)之一，具有廣泛的用戶(hù)群體和強(qiáng)大的信息傳播能力，因此被認(rèn)為是重要的國(guó)際輿論平臺(tái)。據(jù)統(tǒng)計(jì)，截至2021年年底，F(xiàn)acebook的全球月活躍用戶(hù)數(shù)量已經(jīng)超過(guò)了29億，用戶(hù)覆蓋全球，在全球社會(huì)問(wèn)題與國(guó)際政治議題上經(jīng)常成為國(guó)際輿論的重要參考。各國(guó)政府、國(guó)際媒體、跨國(guó)機(jī)構(gòu)等各方組織會(huì)密切關(guān)注和利用Facebook平臺(tái)，來(lái)了解和引導(dǎo)國(guó)際輿論的走向。

為深度剖析國(guó)際社交媒體平臺(tái)上受眾意見(jiàn)凝聚與觀點(diǎn)分化的輿論演化過(guò)程，本文選擇斯坦福大學(xué)根據(jù)現(xiàn)實(shí)數(shù)據(jù)搭建的Facebook網(wǎng)絡(luò)作為演化網(wǎng)絡(luò)，開(kāi)展基于單雙面陳述的HK模型仿真研究，該網(wǎng)絡(luò)的具體特征如表1所示：

（二）動(dòng)力公式改進(jìn)

為使HK模型的觀點(diǎn)變化規(guī)則更貼合現(xiàn)實(shí)輿論網(wǎng)絡(luò)的演化規(guī)則，本文結(jié)合霍夫蘭的經(jīng)典勸服傳播理論單雙面陳述對(duì)個(gè)體的觀點(diǎn)規(guī)則加以改進(jìn)。結(jié)合受眾受教育水平，本研究對(duì)經(jīng)典HK模型的改進(jìn)如下：

1.當(dāng)該個(gè)體沒(méi)有任何鄰居個(gè)體時(shí)，該受眾的意見(jiàn)保持不變；

2.當(dāng)該個(gè)體具有鄰居個(gè)體時(shí)，該個(gè)體的鄰居可分為意見(jiàn)相似與相反的鄰居。觀點(diǎn)相似的鄰居即為觀點(diǎn)在有界信任域內(nèi)的鄰居，其識(shí)別公式可表示為：

觀點(diǎn)相反的鄰居即為觀點(diǎn)在有界信任域外的鄰居，其識(shí)別公式可表示為：

3.當(dāng)該個(gè)體的所有鄰居的觀點(diǎn)均與之相似時(shí)，Ni（t）>Mi（t）=0即，不論該個(gè)體的受教育水平如何，該個(gè)體觀點(diǎn)的變化公式為：

4.當(dāng)該個(gè)體存在部分鄰居與之觀點(diǎn)相似且部分鄰居的觀點(diǎn)與之相反時(shí)，即Ni（t）>0、Mi（t）=0，受教育水平高的個(gè)體和受教育水平低的個(gè)體變化規(guī)則不同。受教育水平高的個(gè)體，其更易堅(jiān)持原有信念不受外界干擾。而受教育水平低的個(gè)體，則極容易被干擾，容易迅速趨向觀點(diǎn)相反的個(gè)體，其變化公式定義為

（三）仿真參數(shù)設(shè)置

根據(jù)單雙面陳述理論，本文規(guī)定了不同教育程度的節(jié)點(diǎn)在面對(duì)單面信息和雙面信息的更新觀點(diǎn)的新規(guī)則。在將上述規(guī)則應(yīng)用于Facebook社交網(wǎng)絡(luò)進(jìn)行仿真實(shí)驗(yàn)之前，需要先對(duì)改進(jìn)后的HK模型的基本運(yùn)行參數(shù)進(jìn)行設(shè)置。首先，將受眾的觀點(diǎn)在0至1的實(shí)數(shù)區(qū)間進(jìn)行隨機(jī)賦值，其次將迭代次數(shù)和運(yùn)行次數(shù)分別設(shè)置為50和100，最后為了研究有著不同教育人口比例的人群的觀點(diǎn)的動(dòng)態(tài)變化程度，我們對(duì)節(jié)點(diǎn)的受教育程度屬性進(jìn)行了賦值，分別限制為以下七種情況：全部為高教育水平節(jié)點(diǎn)，大部分為高教育節(jié)點(diǎn)（分為占比0.875和0.75兩種情況），高教育水平和低教育水平節(jié)點(diǎn)占比相等，高教育水平節(jié)點(diǎn)占少數(shù)（分為占比0.25和0.125兩種情況），沒(méi)有高教育水平節(jié)點(diǎn)，如表2所示：

三、研究發(fā)現(xiàn)

經(jīng)過(guò)社交網(wǎng)絡(luò)建構(gòu)、動(dòng)力公式改進(jìn)、仿真參數(shù)設(shè)置等步驟，本文針對(duì)七種不同教育情況占比下的觀點(diǎn)動(dòng)力學(xué)演化結(jié)果進(jìn)行模擬，結(jié)果分別呈現(xiàn)出集體觀點(diǎn)中立化凝聚、受眾態(tài)度多取向分化、 群體意見(jiàn)無(wú)序性震蕩等三大主要情況。

（一）集體觀點(diǎn)中立化凝聚

當(dāng)高教育水平節(jié)點(diǎn)占比為1、0.875時(shí)，個(gè)體的集體觀點(diǎn)呈現(xiàn)出凝聚現(xiàn)象，且最終形成的集體觀點(diǎn)取向中立化。圖1所示為組別1（高教育水平節(jié)點(diǎn)占比為1，低教育水平節(jié)點(diǎn)占比為0）的仿真結(jié)果，結(jié)果顯示，所有節(jié)點(diǎn)的觀點(diǎn)在小于60次觀點(diǎn)交互內(nèi)便形成了統(tǒng)一觀點(diǎn)，且該觀點(diǎn)值最終停留在0.5左右，說(shuō)明當(dāng)受眾全部受過(guò)高等教育時(shí)，其能迅速形成合意，且該觀點(diǎn)較為中立。

圖2所示為組別2（高教育水平節(jié)點(diǎn)占比為0.875，低教育水平節(jié)點(diǎn)占比為0.125）的仿真結(jié)果，結(jié)果顯示，所有節(jié)點(diǎn)的觀點(diǎn)在60～80次觀點(diǎn)交互過(guò)程中形成了統(tǒng)一意見(jiàn)。相較于組別1，組別2形成集體性合意的時(shí)間更長(zhǎng)，但最終形成的觀點(diǎn)依舊保持在0.5左右，趨向中立。上述結(jié)果說(shuō)明，當(dāng)受眾受過(guò)高等教育的比例降低時(shí)，受眾形成統(tǒng)一觀點(diǎn)將耗費(fèi)更長(zhǎng)時(shí)間。

根據(jù)組別1及組別2的仿真實(shí)驗(yàn)結(jié)果可以推斷，當(dāng)國(guó)際受眾的整體受教育水平較高時(shí)，社交網(wǎng)絡(luò)能夠較快形成集體性合意，且極端化的看法較難出現(xiàn)，最終將形成觀念較為中立、態(tài)度較為平和的集體決策，然而隨著高教育水平受眾比例的降低，觀點(diǎn)統(tǒng)一的時(shí)間將更長(zhǎng)。

（二）受眾態(tài)度多取向分化

當(dāng)高教育水平節(jié)點(diǎn)占比為0.75、0.5、0.25時(shí)，受眾態(tài)度不再形成單一化取向，總體呈現(xiàn)出多取向分化，既形成了較為中立的主流觀點(diǎn)，也有部分觀點(diǎn)進(jìn)行獨(dú)立演化，且更偏極端化。圖3所示為組別3（高教育水平節(jié)點(diǎn)占比為0.75，低教育水平節(jié)點(diǎn)占比為0.25）的仿真結(jié)果，結(jié)果顯示， 絕大部分受眾的觀點(diǎn)在60—80次迭代內(nèi)形成了較為統(tǒng)一的單取向觀點(diǎn)，然而也有部分節(jié)點(diǎn)形成了另外兩個(gè)單獨(dú)的態(tài)度取向區(qū)間，且該區(qū)間均更向觀點(diǎn)兩端分布。

圖4所示為組別4（高教育水平節(jié)點(diǎn)占比為0.5，低教育水平節(jié)點(diǎn)占比為0.5）的仿真結(jié)果，結(jié)果顯示，大部分受眾的態(tài)度仍舊在接近80次意見(jiàn)交互過(guò)程中逐步統(tǒng)一，但相較于組別3而言，形成其他態(tài)度分化的個(gè)體數(shù)增加，且其他態(tài)度取向區(qū)間分布更為廣泛，但仍更趨向于兩端。

圖5所示為組別5（高教育水平節(jié)點(diǎn)占比為0.25，低教育水平節(jié)點(diǎn)占比為0.75）的仿真結(jié)果，結(jié)果顯示，大部分受眾在接近100次的意見(jiàn)交互過(guò)程中形成了主流觀點(diǎn)。相較于組別3和組別4而言，形成主流意見(jiàn)的時(shí)間大大增加，主流意見(jiàn)的凝聚程度下降，且其他態(tài)度取向區(qū)間進(jìn)一步泛化。

根據(jù)組別3、組別4及組別5的仿真實(shí)驗(yàn)結(jié)果可以推斷，隨著國(guó)際受眾受教育水平情況的逐漸下滑，盡管在絕大多數(shù)具體事件的討論中，受眾態(tài)度能夠形成主流取向，但部分極端觀點(diǎn)開(kāi)始出現(xiàn)，且持有極端化觀點(diǎn)的受眾數(shù)量上升，難以和主流意見(jiàn)進(jìn)行交流，反而構(gòu)成獨(dú)立的交流圈層。與此同時(shí)，形成主流觀點(diǎn)所耗費(fèi)的時(shí)間更長(zhǎng)，且網(wǎng)絡(luò)個(gè)體的態(tài)度交換過(guò)程亦呈現(xiàn)出復(fù)雜化取向。

（三）群體意見(jiàn)無(wú)序性震蕩

在高教育水平節(jié)點(diǎn)占比為0.125、0時(shí)，群體較難形成集中化的統(tǒng)一意見(jiàn)，存在較多個(gè)體形成了自主化、無(wú)序化的意見(jiàn)震蕩。圖6所示為組別6（高教育水平節(jié)點(diǎn)占比為0.125，低教育水平節(jié)點(diǎn)占比為0.875）的仿真結(jié)果，結(jié)果顯示，在100次意見(jiàn)交互后，群體形成了匯聚于中立觀點(diǎn)附近的主流意見(jiàn)，但群體意見(jiàn)并未走向完全統(tǒng)一，且在意見(jiàn)分布的兩端有較多個(gè)體的意見(jiàn)呈現(xiàn)大幅度的震蕩化運(yùn)動(dòng)，難以與主流意見(jiàn)匯合。

圖7所示為組別7（高教育水平節(jié)點(diǎn)占比為0，低教育水平節(jié)點(diǎn)占比為1）的仿真結(jié)果，結(jié)果顯示，群體意見(jiàn)在100次觀點(diǎn)交流后未呈現(xiàn)出顯著的聚合取向，散在化分布于意見(jiàn)空間中，無(wú)序性震蕩的個(gè)體占比較大。

根據(jù)組別6及組別7的仿真實(shí)驗(yàn)結(jié)果可以推斷，當(dāng)國(guó)際受眾的整體受教育水平較低時(shí)，群體在有限時(shí)間內(nèi)較難形成主流化群體合意，且各類(lèi)型觀點(diǎn)散在化分布，彼此之間難以進(jìn)行有效交流，國(guó)際輿論的整體走向較難把握。

四、結(jié)語(yǔ)

本文基于經(jīng)典勸服傳播理論單雙面陳述對(duì)HK觀點(diǎn)動(dòng)力學(xué)模型加以改造，并通過(guò)社交網(wǎng)絡(luò)建構(gòu)、動(dòng)力公式改進(jìn)與仿真參數(shù)設(shè)置等方法，對(duì)七種不同比例的高教育水平受眾群體進(jìn)行仿真實(shí)驗(yàn)。結(jié)果表明，伴隨著高教育水平受眾比例下降，群體更難形成集中化意見(jiàn)，且形成集體合意所耗費(fèi)的時(shí)間逐漸增多；持有邊緣化、極端化意見(jiàn)的個(gè)體或團(tuán)體逐步出現(xiàn)，可構(gòu)成自主化的內(nèi)部意見(jiàn)交流。上述仿真結(jié)果可歸納為集體觀點(diǎn)中立化凝聚、受眾態(tài)度多取向分化、 群體意見(jiàn)無(wú)序性震蕩三種主要情況。

本研究結(jié)果說(shuō)明國(guó)際受眾屬性與觀點(diǎn)交互方式能夠影響國(guó)際輿論的演化結(jié)果與整體取向，仍有節(jié)點(diǎn)意見(jiàn)影響權(quán)重與社交網(wǎng)絡(luò)動(dòng)態(tài)變化等方面的問(wèn)題亟待研究。一方面，本文針對(duì)如高教育水平節(jié)點(diǎn)及低教育水平節(jié)點(diǎn)等不同屬性個(gè)體的觀點(diǎn)更新方式，尚未考慮某一屬性節(jié)點(diǎn)對(duì)其他屬性節(jié)點(diǎn)的觀點(diǎn)影響權(quán)重或許不同。另一方面，國(guó)際受眾所形成的社交網(wǎng)絡(luò)未必保持不變，而更有可能在與他者進(jìn)行觀點(diǎn)交互的過(guò)程中發(fā)生動(dòng)態(tài)變化，社交網(wǎng)絡(luò)自身的動(dòng)態(tài)變化極有可能對(duì)群體意見(jiàn)變化造成決定性影響。

參考文獻(xiàn)：

①?gòu)垇喢?、宋雯婕、劉海鷗等：《學(xué)科交叉視域下國(guó)際輿論場(chǎng)突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播研究綜述》，《現(xiàn)代情報(bào)》》2023年第4期。

②尹韻公：《加快國(guó)際傳播能力建設(shè)刻不容緩》，《教育傳媒研究》2022年第4期。

③徐明華、李丹妮：《情感畛域的消解與融通：“中國(guó)故事”跨文化傳播的溝通介質(zhì)和認(rèn)同路徑》，《現(xiàn)代傳播（中國(guó)傳媒大學(xué)學(xué)報(bào)）》2019年第3期。

④孫利軍、高金萍：《國(guó)際傳播能力建設(shè)視域下的國(guó)際傳播人才“三觀”研究》，《當(dāng)代傳播》》2023年第5期。

⑤熊熙、胡勇：《基于社交網(wǎng)絡(luò)的觀點(diǎn)傳播動(dòng)力學(xué)研究》，《物理學(xué)報(bào)》2012年第15期。

⑥R. Durrett， J. P. Gleeson， A. L. Lloyd， P. J. Mucha， F. Shi， D. Sivakoff， J. Socolar， and C. Varghese， “Graph fission in an evolving voter model，” Proceedings of the National Academy of Sciences of the United States of America， vol. 109， no. 10， pp. 3682–3687， 2012.

⑦F.W.S. and Lima， “Three-state majority-vote model on square lattice，” Physica A： Statistical Mechanics and its Applications， vol. 391， no. 4， pp. 1753–1758， 2012.

⑧J. Lorenz， “Continuous opinion dynamics under bounded confidence： A survey，” International Journal of Modern Physics C， vol. 18， no. 12， pp. 1819–1838， DEC 2007.

⑨R. Hegselmann and U. Krause， “Opinion dynamics and bounded confidence： models， analysis and simulation，” Jasss-The Journal Of Artificial Societies And Social Simulation， vol. 5， no. 3， JUN 2002.

⑩P. Holme and M. Newman， “Nonequilibrium phase transition in the coevolution of networks and opinions，” Physical Review E Statistical Nonlinear & Soft Matter Physics， vol. 74， no. 2， p. 056108， 2006.

趙奕奕、寇綱、彭怡、李仕明：《群體性突發(fā)事件中非一致信任水平輿論傳播建模與分析》，《系統(tǒng)工程理論與實(shí)踐》2012年第5期。

Borzi， Alfio， Caponigro， Marco， Wongkaew， and Suttida， “On the control through leadership of the hegselmann-krause opinion formation model，” Mathematical models and methods in applied sciences， 2015.

A. Pluchino， V. Latora， and A. Rapisarda， “Changing opinions in a changing world： a new perspective in sociophysics，” International Journal of Modern Physics C， vol. 16， no. 04， pp. 515–531， 2005.

Yang， Y.， Dimarogonas， D.， V.， Hu， and X.， “Opinion consensus of modified hegselmann-krause models，” Automatica Oxford， 2014.

徐玉珠、張達(dá)敏、曾成等：《改進(jìn)HK網(wǎng)絡(luò)演化模型的研究》，《電子科技》2016年第3期。

張亞楠、孫士保、張京山等：《基于節(jié)點(diǎn)親密度和影響力的社交網(wǎng)絡(luò)輿論形成模型》，《計(jì)算機(jī)應(yīng)用》2016年第4期。

徐涵、成思、沈浩：《基于樂(lè)隊(duì)花車(chē)效應(yīng)的觀點(diǎn)動(dòng)力學(xué)模型及其實(shí)證研究》，《中國(guó)傳媒大學(xué)學(xué)報(bào)（自然科學(xué)版）》2022年第2期。

周沁悅、吳志彬、徐玖平：《小世界無(wú)標(biāo)度網(wǎng)絡(luò)中考慮回音室的輿情演化》，《系統(tǒng)工程學(xué)報(bào)》2023年第6期。

E. M. Rogers， A history of communication study ： a biographical approach. A History Of Communication Study ： A Biographical Approach， 1997.

C. D. Montlibert， R. Pag` es， M. J. Rosenberg， C. I. Hovland， and R. Pages， “Attitude organization and change： An analysis of consistency among attitude components，” Revue Franc ?aise de Sociologie， vol. 2， no. 4， p. 333， 1961.

A. E. Schlosser， “Can including pros and cons increase the helpfulness and persuasiveness of online reviews？ The interactive effects of ratings and arguments，” Journal Of Consumer Psychology， vol. 21， no. 3， pp. 226–239， JUL 2011.

劉中剛、李耀：《地域刻板印象對(duì)區(qū)域特色產(chǎn)品信息傳播的影響及雙面信息的調(diào)節(jié)作用》，《經(jīng)濟(jì)經(jīng)緯》2023年第4期。

方增泉、祁雪晶、元英等：《“雙一流”建設(shè)背景下中國(guó)大學(xué)海外網(wǎng)絡(luò)傳播力特征分析》，《教育傳媒研究》2022年第5期。

J. McAuley and J. Leskovec. Learning to Discover Social Circles in Ego Networks. NIPS， 2012.

（作者徐明華系華中科技大學(xué)新聞與信息傳播學(xué)院教授、博士生導(dǎo)師；羅紫菱系華中科技大學(xué)新聞與信息傳播學(xué)院博士研究生）

【責(zé)任編輯：謝敏】

*本文系國(guó)家社科基金重大項(xiàng)目“基于人工智能的精準(zhǔn)國(guó)際傳播研究”（項(xiàng)目編號(hào)：22&ZD317）的階段性成果。