胡媛　唐慧娟　馬麗微等

關(guān)鍵詞： 突發(fā)公共事件； 負(fù)面情感； 關(guān)鍵影響因素； 扎根理論； ＤＥＭＡＴＥＬ 方法

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０７．００９

〔中圖分類號(hào)〕Ｇ２０６ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２４） ０７－００９６－１３

近年來(lái)， 新冠肺炎疫情、重慶山火等突發(fā)公共事件頻發(fā)， 對(duì)公眾的正常生產(chǎn)、生活造成較大影響，并以極強(qiáng)的延展力和滲透力引發(fā)廣泛關(guān)注， 在網(wǎng)絡(luò)上掀起了較大的輿論風(fēng)波。突發(fā)事件的背后反映了具體的社會(huì)民生問(wèn)題和公眾訴求， 是“風(fēng)險(xiǎn)強(qiáng)度”空前加劇與“風(fēng)險(xiǎn)環(huán)境” 空前擴(kuò)張的現(xiàn)代風(fēng)險(xiǎn)社會(huì)的一種表征。智媒時(shí)代， 微博、微信、抖音等社交媒體平臺(tái)具有極強(qiáng)的包容性和自由度， 為突發(fā)公共事件的輿論發(fā)酵提供新的空間， 使得公眾可以脫離原本所屬的社會(huì)關(guān)系發(fā)表言論、表達(dá)多種情緒與態(tài)度， 且更容易受到網(wǎng)絡(luò)輿論的情緒影響。突發(fā)事件相關(guān)信息的傳播往往伴隨著強(qiáng)烈的情緒傳播， 如果在信息傳播中存在負(fù)面情感， 那么負(fù)面情感可能會(huì)不斷累積。雖然適當(dāng)?shù)呢?fù)面情感可以幫助公眾緩解緊張和焦慮， 但如果疏導(dǎo)和排解不及時(shí)， 極易引發(fā)違規(guī)和過(guò)激行為， 影響社會(huì)穩(wěn)定。引發(fā)負(fù)面情感的能量越劇烈， 越會(huì)釋放更大的能量場(chǎng)， 當(dāng)負(fù)面情感能量積累到一定程度時(shí)就會(huì)觸發(fā)社會(huì)群體行為［１］ 。倘若無(wú)法及時(shí)、有效地引導(dǎo)突發(fā)公共事件中用戶的負(fù)面情感， 極易導(dǎo)致極端的社會(huì)群體行為。可見(jiàn)負(fù)面情感是突發(fā)公共事件危機(jī)產(chǎn)生的“擴(kuò)音器” 和“催化劑”， 極易演化成危及社會(huì)安穩(wěn)的“導(dǎo)火索”， 其演化的關(guān)鍵影響因素和引導(dǎo)調(diào)節(jié)策略亟需探究和制定。因此， 為迅速、準(zhǔn)確地應(yīng)對(duì)用戶負(fù)面情感， 營(yíng)造積極的網(wǎng)絡(luò)環(huán)境， 本文基于突發(fā)公共事件中負(fù)面情感引導(dǎo)的重要性， 結(jié)合情感相關(guān)理論， 以突發(fā)公共事件為情境， 以用戶負(fù)面情感為研究對(duì)象， 挖掘用戶內(nèi)在與外在環(huán)境中的負(fù)面情感關(guān)鍵影響因素，以期為突發(fā)事件中的用戶治理提供指導(dǎo)。

１ 研究基礎(chǔ)

１.１ 文獻(xiàn)綜述與研究問(wèn)題

近年來(lái)， 越來(lái)越多的學(xué)者關(guān)注突發(fā)公共事件中用戶的負(fù)面情感， 經(jīng)綜合梳理發(fā)現(xiàn)， 國(guó)內(nèi)外學(xué)者對(duì)突發(fā)公共事件用戶負(fù)面情感的研究主要集中在用戶情感分類［２－５］ 、特征識(shí)別［６－７］ 、傳播［１０－１２］ 、演化［１３－１６］以及影響因素等方面。在情感分類研究中， 不同學(xué)者從不同學(xué)科、視角并運(yùn)用不同方法構(gòu)建情感分類標(biāo)準(zhǔn)。從內(nèi)容分類來(lái)看， Ｐｏｒｉａ Ｓ 等［２］ 建構(gòu)的多類別情感分析框架識(shí)別了中性、憤怒、悲傷、喜悅這４ 種主要的情感類型； 范濤等［３］ 提出網(wǎng)民負(fù)面情感包括憤怒、厭惡、恐懼和悲傷４ 種負(fù)面情感。從粗細(xì)粒度來(lái)看， 陳可嘉等［４］ 從粗粒度上將情感分為積極、中立、消極３ 種； 崔彥琛等［５］ 基于突發(fā)事件領(lǐng)域情感詞典從細(xì)粒度上將情感分為７ 大類和２１小類。在情感特征識(shí)別中， “計(jì)算機(jī)媒體溝通模型（ＣＭＣ）”［６］ “去個(gè)性化社會(huì)認(rèn)同模型（ＳＩＤＥ）”［７］ 以及復(fù)雜網(wǎng)絡(luò)等被廣泛運(yùn)用于用戶類型研究。不同用戶類型所展現(xiàn)出來(lái)的負(fù)面情感傾向性表達(dá)概率各有差異， 在微博、論壇等社交媒體上， 活躍用戶［８］ 、匿名用戶［９］ 更傾向于表達(dá)負(fù)面情感。在負(fù)面情感傳播方面， 研究者會(huì)關(guān)注負(fù)面情感的動(dòng)態(tài)傳播， 研究負(fù)面情感傳播特征與機(jī)理識(shí)別［１０］ 、傳播模型構(gòu)建［１１］ 和情緒表達(dá)［１２］ ， 研究發(fā)現(xiàn)， 負(fù)面情緒和網(wǎng)絡(luò)平臺(tái)更易放大突發(fā)公共事件的負(fù)面影響。在負(fù)面情感演化方面， 學(xué)者們從政府［１３］ 、媒介［１４］ 、時(shí)空［１５］ 、情景［１６］ 等單個(gè)或多個(gè)角度展開(kāi)研究， 總體上負(fù)面情緒呈逐漸降低趨勢(shì)， 但也會(huì)不間斷反彈， 降低負(fù)面情緒才能減輕對(duì)社會(huì)的影響。在用戶負(fù)面情感影響因素的研究中， 學(xué)者們對(duì)不同群體進(jìn)行實(shí)證分析，對(duì)突發(fā)公共事件中不同人群、宏微觀層面、政府措施、社會(huì)現(xiàn)狀等相關(guān)因素進(jìn)行探索［１７－１８］ ， 以期從根源減少負(fù)面情感。

現(xiàn)有研究雖為本文研究奠定了堅(jiān)實(shí)的基礎(chǔ)， 更多關(guān)注情感分類識(shí)別和傳播， 尤其注重從技術(shù)角度構(gòu)建模型； 影響因素研究大多基于單案例或從單一角度分析， 較少?gòu)恼w視角挖掘突發(fā)事件中用戶負(fù)面情感的關(guān)鍵影響因素識(shí)別， 缺乏普適性和完整性［１８］ 。因此， 基于目前充足的情感分類研究， 進(jìn)一步探究情感細(xì)粒度分析、情感轉(zhuǎn)化和情感影響因素有助于理論發(fā)展和實(shí)踐參考。負(fù)面情感的細(xì)粒度分析能夠?qū)τ脩羟楦羞M(jìn)行更細(xì)致的區(qū)分， 更準(zhǔn)確地認(rèn)識(shí)和把控用戶情感； 情感轉(zhuǎn)化是情感治理的核心思路， 探究各細(xì)分類別的用戶情感之間如何轉(zhuǎn)化，能夠推進(jìn)用戶情感治理， 維護(hù)社會(huì)情緒穩(wěn)定； 影響因素是追本溯源， 探究負(fù)面情感的關(guān)鍵影響因素和致因機(jī)理， 以此入手從根源引導(dǎo)和治理負(fù)面情感。

綜上， 本文把用戶負(fù)面情感作為一個(gè)整體對(duì)象加以研究， 以便從全局和整體視角構(gòu)建全面的用戶負(fù)面情感影響因素理論框架， 進(jìn)而探索其中的關(guān)鍵影響因素， 解析相互作用關(guān)系和組合路徑， 為我國(guó)突發(fā)公共事件應(yīng)急管理與用戶情感引導(dǎo)提供治理依據(jù)。據(jù)此， 本文主要解決兩個(gè)問(wèn)題： ①以突發(fā)事件中的用戶負(fù)面情感為研究對(duì)象， 構(gòu)建用戶負(fù)面情感影響因素的理論框架； ②挖掘關(guān)鍵影響因素， 揭示相互關(guān)系與作用機(jī)理， 并在此基礎(chǔ)上提出對(duì)策建議。

１.２ 研究理論與方法

１.２.１ 理論基礎(chǔ)

情緒認(rèn)知理論是心理學(xué)領(lǐng)域的理論， 集成者是Ｌａｚａｒｕｓ Ｒ Ｓ［１９］ ， 他率先提出認(rèn)知評(píng)價(jià)在情緒產(chǎn)生機(jī)制中的重要性， 認(rèn)為情緒是通過(guò)認(rèn)知評(píng)價(jià)決定和完成的對(duì)意義的反應(yīng)。該理論主張情緒產(chǎn)生于人對(duì)環(huán)境刺激產(chǎn)生的認(rèn)知和評(píng)價(jià)， 并提出用戶情緒產(chǎn)生和演化的３ 個(gè)方面的影響因素， 即環(huán)境事件發(fā)展、自身生理狀況以及評(píng)價(jià)的認(rèn)知過(guò)程［１９］ 。整合危機(jī)圖式（Ｉｎｔｅｇｒａｔｅｄ Ｃｒｉｓｉｓ Ｍａｐｐｉｎｇ， 簡(jiǎn)稱ＩＣＭ）是一種基于情緒視角的危機(jī)傳播理論， 關(guān)注公眾的危機(jī)情緒是如何通過(guò)認(rèn)知過(guò)程形成， 認(rèn)為用戶在危機(jī)中會(huì)根據(jù)應(yīng)對(duì)和組織參與的程度產(chǎn)生不同的負(fù)面情緒。Ｊｉｎ Ｙ 等［２０］ 據(jù)此凝練出危機(jī)傳播中最主要的４ 類負(fù)面情緒： 憤怒、焦慮、悲傷和恐懼。劉念等［２１］ 修訂中國(guó)語(yǔ)言環(huán)境中的ＩＣＭ 理論模型， 認(rèn)為憤怒、厭惡、悲傷與恐懼才是危機(jī)事件中的主要負(fù)面情緒。這些負(fù)面情感會(huì)影響公眾對(duì)危機(jī)溝通策略的偏好，以及對(duì)組織所采取策略的接受程度。

文章研究過(guò)程中使用的扎根理論是僅靠研究者進(jìn)行理論凝練的， 結(jié)論易產(chǎn)生主觀偏差。因此， 本文以某些經(jīng)典理論為輔助指導(dǎo)， 結(jié)合情感分類綜述，將憤怒、焦慮、厭惡、悲傷和恐懼作為主要負(fù)面情緒， 即以經(jīng)典理論和前文綜述為扎根理論編碼的理論支持。

１.２.２ 方法基礎(chǔ)

扎根理論是一種“自下而上” 的質(zhì)性研究方法， 基于廣泛的數(shù)據(jù)來(lái)源， 深入分析研究對(duì)象、探索研究核心［２２］ 。它可在已有理論與文獻(xiàn)的指導(dǎo)下，借助個(gè)人知識(shí)及經(jīng)驗(yàn)對(duì)初始數(shù)據(jù)和相關(guān)概念進(jìn)行連續(xù)分析比較， 構(gòu)建概念間的聯(lián)系， 從而創(chuàng)建理論模型。該過(guò)程涵蓋了開(kāi)放性編碼、主軸編碼及選擇性編碼等步驟［２３］ 。本研究將扎根理論與情緒認(rèn)知理論結(jié)合進(jìn)行編碼分析， 不僅可以減小經(jīng)驗(yàn)不足帶來(lái)的誤差， 也能提升各維度因素分析的準(zhǔn)確性。

決策試行與評(píng)價(jià)實(shí)驗(yàn)方法（Ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ Ｔｒｉ?ａｌ ａｎｄ Ｅｖａｌｕａｔｉｏｎ Ｌａｂｏｒａｔｏｒｙ， 簡(jiǎn)稱ＤＥＭＡＴＥＬ）是Ｇａ?ｂｕｓ Ａ 和Ｆｏｎｔｅｌａ Ｅ 提出的， 該方法可以有效建立各要素之間的邏輯關(guān)系和相關(guān)關(guān)系［２４］ ， 計(jì)算識(shí)別出系統(tǒng)內(nèi)各因素的主次。ＤＥＭＡＴＥＬ 方法已被廣泛運(yùn)用于復(fù)雜系統(tǒng)影響因素研究中［２５］ 。為解決ＤＥＭＡ?ＴＥＬ 法中專家評(píng)判模糊問(wèn)題， 本文運(yùn)用模糊集理論中的三角模糊數(shù)對(duì)專家主觀評(píng)分結(jié)果進(jìn)行量化。模糊集理論在描述不確定性因素方面具有一定的優(yōu)勢(shì)，利用模糊數(shù)來(lái)量化如“很高” “良好” 等模糊性語(yǔ)言， 再轉(zhuǎn)化為精確數(shù)值， 避免專家主觀判斷和評(píng)分產(chǎn)生的差異性［２６］ 。

因此， 本文使用扎根理論挖掘全面的影響因素，構(gòu)建了較為全面的影響因素理論框架， 并采用融合模糊集理論的ＤＥＭＡＴＥＬ 方法， 識(shí)別出影響因素理論框架中的關(guān)鍵影響因素及其邏輯關(guān)系。

２突發(fā)公共事件中用戶負(fù)面情感影響因素理論框架構(gòu)建

本文以知微事見(jiàn)平臺(tái)發(fā)布的事件影響力指數(shù)排行榜為據(jù)， 根據(jù)突發(fā)公共事件的定義［２７］ ， 依次選擇事故災(zāi)難、社會(huì)安全、自然災(zāi)害與公共衛(wèi)生事件中影響力最高的事件， 同時(shí)基于事件影響力指數(shù)（ＥＩＩ）進(jìn)行篩選， 最終選擇東航客機(jī)墜毀事件、唐山打人事件、四川蘆山地震事件、土坑酸菜事件為事件樣本。根據(jù)此４ 類事件在微博、知乎平臺(tái)設(shè)置事件關(guān)鍵詞搜索熱門話題， 進(jìn)行網(wǎng)絡(luò)爬取， 最終收集到１８ ４２３條數(shù)據(jù)， 經(jīng)初步處理后得到９ ４２８條有效評(píng)論， 預(yù)留５００ 條評(píng)論用于理論飽和度檢驗(yàn)。

２.１ 開(kāi)放式編碼

開(kāi)放式編碼是對(duì)原始文本數(shù)據(jù)資料打散、編碼、標(biāo)簽、概念化和范疇化的過(guò)程。對(duì)網(wǎng)絡(luò)爬取出的有效評(píng)論進(jìn)行逐句編碼分析， 形成初始概念， 剔除重復(fù)頻次＜３ 的初始概念（除個(gè)別較為有代表性的概念）， 最終共篩選出１９１ 個(gè)初始概念， 歸納為３５ 個(gè)初始范疇， 如表１ 所示。

２.２ 主軸編碼

主軸編碼在開(kāi)放式編碼的基礎(chǔ)上， 基于量化評(píng)論后的數(shù)據(jù)， 歸納和合并各個(gè)獨(dú)立范疇， 剔除由單一、較少概念組成的范疇， 挖掘范疇之間的潛在聯(lián)系， 凝練出主范疇， 最終形成１１ 個(gè)主范疇， 并歸納到環(huán)境、生理、認(rèn)知３ 個(gè)維度中， 如表２ 所示。

２.３ 選擇性編碼

選擇性編碼就是在主軸式編碼的基礎(chǔ)上， 對(duì)概念與概念、概念與范疇、范疇與范疇之間的關(guān)系進(jìn)一步地分析， 挖掘出核心范疇， 呈現(xiàn)出主范疇與其他范疇之間的關(guān)系行為和關(guān)系結(jié)構(gòu)。本研究對(duì)主范疇連續(xù)比較分析， 揭示范疇典型關(guān)系結(jié)構(gòu)， 如表３所示。此外， 隨機(jī)預(yù)留的５００條原始數(shù)據(jù)用于飽和度檢驗(yàn)， 編碼結(jié)果表明， 未產(chǎn)生新的范疇和典型關(guān)系， 因此判定理論框架已達(dá)到飽和狀態(tài)。

２.４ 影響因素理論框架

除扎根理論編碼所得的影響因素之外， 結(jié)合文獻(xiàn)回顧進(jìn)行影響因素的補(bǔ)充對(duì)于理論建構(gòu)是有必要的。在突發(fā)公共事件中， 個(gè)人的健康狀況對(duì)情緒的產(chǎn)生顯得格外重要， 可將用戶的健康狀況歸為生理維度的主范疇。在認(rèn)知維度上， Ｌｕ Ｄ 等［２８］ 發(fā)現(xiàn)，群體認(rèn)同對(duì)用戶的消極情緒有顯著的正向影響。另外， 朱代瓊等［２９］ 、Ｓｕｎ Ｘ Ｘ 等［３０］ 認(rèn)為， 風(fēng)險(xiǎn)感知是影響用戶情緒的重要因素。綜上所述， 本研究構(gòu)建了突發(fā)公共事件中的用戶負(fù)面情感影響因素理論框架模型， 如圖１ 所示， 并凝練出１４ 個(gè)突發(fā)公共事件中用戶負(fù)面情感的影響因素。

根據(jù)情緒認(rèn)知理論， 認(rèn)知評(píng)價(jià)要素在情緒的產(chǎn)生中處于核心位置， 對(duì)情緒起到直接影響作用。用戶負(fù)面情感受到環(huán)境維度、生理維度以及認(rèn)知維度的影響。其中， 環(huán)境維度是指事件與社會(huì)環(huán)境中的刺激要素， 涵蓋事件本身、安全危機(jī)、社會(huì)體制、社會(huì)文化、政府公信力與網(wǎng)絡(luò)情境６ 個(gè)主范疇。在事件本身中， 事件的起因、產(chǎn)生的結(jié)果以及發(fā)生地點(diǎn)等都會(huì)引起用戶的關(guān)注。安全危機(jī)是指突發(fā)公共事件對(duì)健康、生命以及對(duì)社會(huì)環(huán)境產(chǎn)生的安全風(fēng)險(xiǎn)， 會(huì)激發(fā)用戶的負(fù)面情緒。政府公信力是政府獲得公眾信任度的辦事能力， 是引起用戶負(fù)面情緒的重要因素。另外， 社會(huì)體制與社會(huì)文化這種對(duì)社會(huì)群體施加廣泛影響的各種社會(huì)管理規(guī)范和生活現(xiàn)象對(duì)用戶的情緒產(chǎn)生與變化帶來(lái)了重要影響。生理維度主要是生理喚醒的刺激要素， 是情緒產(chǎn)生的必要因素之一， 涵蓋性別、健康狀況與感官刺激３ 個(gè)主范疇。性別因素產(chǎn)生的負(fù)面情緒尤為明顯， 女性群體的感性、情緒化特征使其更容易產(chǎn)生負(fù)面情緒［３１］ 。在感官刺激中， 用戶視覺(jué)上受到刺激產(chǎn)生負(fù)面情緒的比例大于聽(tīng)覺(jué)刺激所產(chǎn)生的。健康狀況表示身心出現(xiàn)不適都會(huì)使用戶容易出現(xiàn)抑郁、焦慮甚至絕望等負(fù)面情緒。認(rèn)知維度主要指對(duì)過(guò)去經(jīng)驗(yàn)的回憶和對(duì)當(dāng)前情境的評(píng)估， 包括利益訴求、境遇經(jīng)歷、主體共情、風(fēng)險(xiǎn)感知以及群體認(rèn)同。用戶的利益需求無(wú)法得到保障會(huì)為其負(fù)面情緒產(chǎn)生變化提供動(dòng)力源， 事件發(fā)生時(shí)會(huì)喚起用戶類似的境遇經(jīng)歷， 產(chǎn)生負(fù)面情緒。在主體共情范疇上， 用戶常常將自己代入到事件中， 易產(chǎn)生憤怒、悲傷等負(fù)面情緒。另外， 風(fēng)險(xiǎn)感知表示用戶對(duì)風(fēng)險(xiǎn)特征以及嚴(yán)重性的主觀判斷， 對(duì)用戶認(rèn)知產(chǎn)生作用后， 將顯著喚起負(fù)面情緒。群體認(rèn)同表示用戶群體共同的目標(biāo)與行為標(biāo)準(zhǔn)， 用戶認(rèn)知評(píng)價(jià)會(huì)受到其他人對(duì)這一事件評(píng)價(jià)的影響， 充斥的大量負(fù)面情緒極易引起共鳴， 激發(fā)用戶的負(fù)面情緒。

３ 突發(fā)公共事件中用戶負(fù)面情感關(guān)鍵影響因素分析

３.１ 描述性統(tǒng)計(jì)

根據(jù)德?tīng)柗茖＜艺{(diào)查法， 成立專家小組， 選擇的專家數(shù)量應(yīng)大于５ 人， 有學(xué)者提出７ 人左右的群體規(guī)模產(chǎn)生的決策是最有效的［３２］ ， 因此本研究邀請(qǐng)７ 位相關(guān)領(lǐng)域的專家對(duì)各因素之間的影響強(qiáng)弱進(jìn)行打分。本文遴選的調(diào)查對(duì)象包括： 網(wǎng)絡(luò)用戶行為領(lǐng)域?qū)＜遥?名、網(wǎng)絡(luò)輿情領(lǐng)域?qū)＜遥?名、應(yīng)急信息管理領(lǐng)域?qū)＜遥?名， 具體如表４ 所示。

３.２ 模糊－ＤＥＭＡＴＥＬ分析

現(xiàn)有關(guān)于突發(fā)公共事件中用戶負(fù)面情感影響因素之間的關(guān)聯(lián)性分析不夠細(xì)致， 用戶的負(fù)面情感模型有待改進(jìn)。ＤＥＭＡＴＥＬ 方法善于探索因素關(guān)聯(lián)和各強(qiáng)度的影響， 有助于系統(tǒng)分析數(shù)據(jù)、因素相關(guān)性和邏輯關(guān)聯(lián)。具體步驟如下：

第一， 通過(guò)量化專家的語(yǔ)言評(píng)估， 將影響力大小等級(jí)分為５ 個(gè)級(jí)別， 使用沒(méi)有影響、影響較低、影響低、影響高、影響很高來(lái)進(jìn)行評(píng)價(jià)， 評(píng)價(jià)尺度分別用０～４ 表示。

第二， 建立直接影響矩陣。通過(guò)問(wèn)卷調(diào)查就突發(fā)公共事件中用戶負(fù)面情感對(duì)遴選專家進(jìn)行調(diào)研，并針對(duì)調(diào)研結(jié)果進(jìn)行統(tǒng)計(jì)和分析， 將結(jié)果的語(yǔ)義變量轉(zhuǎn)化為對(duì)應(yīng)的評(píng)分。將專家問(wèn)卷評(píng)價(jià)結(jié)果轉(zhuǎn)化為ｎ×ｎ 矩陣， Ｙ ＝｛１，２，…，ｋ｝表示評(píng)分專家人數(shù)， 為降低專家主觀判斷對(duì)結(jié)果造成的影響， 需要對(duì)Ｙ個(gè)專家的評(píng)估結(jié)果取眾數(shù)［３３］ ， 由此可得到原始直接影響矩陣Ｚ_ｉｊ， 如表５ 所示。

第三， 矩陣的模糊化、去模糊化和規(guī)范化。基于原始直接影響矩陣， 根據(jù)模糊尺度［３４－３５］ 予以轉(zhuǎn)化，再通過(guò)重心法［３６］ 去模糊化， 最后對(duì)其進(jìn)行標(biāo)準(zhǔn)化處理， 得到規(guī)范化清晰直接影響矩陣， 如式（１） 所示：

影響度表示該因素影響其他因素的程度， 被影響度表示該因素受到其他因素的影響程度， 值越大則影響程度越大。中心度和原因度分別表示該因素對(duì)用戶負(fù)面情感影響程度和該因素對(duì)其他因素的影響情況。該值大于０ 意味著對(duì)其他要素影響更多，即原因因素； 該值小于０ 意味著被其他要素影響更多， 即結(jié)果因素。圖２ 中， 原因度方面， 區(qū)域１ 和２ 代表高原因度， 區(qū)域３ 和４ 代表低原因度； 中心度方面， 區(qū)域１ 和４ 代表高中心度， 區(qū)域２ 和３ 代表低中心度。

因此， Ａ２ 安全危機(jī)、Ａ５ 政府公信力、Ｃ５ 群體認(rèn)同３ 個(gè)因素分布在區(qū)域１， 表示他們?cè)谙到y(tǒng)中的重要性高， 且對(duì)其他因素產(chǎn)生了重要影響。區(qū)域２ 中的Ａ６ 網(wǎng)絡(luò)情境、Ｂ２ 感官刺激、Ｂ３ 健康狀況對(duì)系統(tǒng)內(nèi)其他因素產(chǎn)生了影響， 但他們的中心度低于平均值， 在系統(tǒng)中的重要性低。區(qū)域３ 僅有２ 個(gè)因素， 即Ｂ１ 性別與Ｃ３ 境遇經(jīng)歷， 其中性別因素在整個(gè)系統(tǒng)中的重要程度最低。區(qū)域４ 包括Ａ１ 事件本身、Ａ３ 社會(huì)體制、Ａ４ 社會(huì)文化、Ｃ１ 主體共情、Ｃ２ 利益訴求、Ｃ４ 風(fēng)險(xiǎn)感知６ 個(gè)因素， 在系統(tǒng)中的重要性大且易受其他因素的影響。

３.３ 關(guān)鍵影響因素識(shí)別與計(jì)算

３.３.１ 原因類因素分析

原因類因素往往對(duì)整體具有主動(dòng)影響。因此，本文著重探究原因類影響因素， 發(fā)現(xiàn)６ 個(gè)原因類影響因素中， 有３ 個(gè)屬于關(guān)鍵影響因素（Ａ２、Ａ５、Ｃ５）。

由圖２ 可知， 第二象限中的Ａ６ 網(wǎng)絡(luò)情境、Ｂ２感官刺激、Ｂ３ 健康狀況對(duì)系統(tǒng)內(nèi)其他因素產(chǎn)生了影響， 但他們的中心度低于平均值， 在系統(tǒng)中的重要性低?！埃拢?感官刺激” 的原因度最高， 但在反映重要程度的中心度指標(biāo)上排名靠后， 對(duì)突發(fā)公共事件負(fù)面情感產(chǎn)生的影響不大， 因此不能作為關(guān)鍵因素?！埃拢?健康狀況” 中心度為倒數(shù)第二， 影響度和被影響度均靠后， 表明該因素對(duì)其他因素影響較低又不易受到其他因素影響， 與其他因素的密切程度不高， 所以不能作為關(guān)鍵因素?！埃粒?網(wǎng)絡(luò)情境”的影響度排名靠前， 對(duì)系統(tǒng)內(nèi)其他因素產(chǎn)生了影響，但其中心度低于平均值， 重要性低， 因此也不能作為關(guān)鍵因素。

圖２ 中， Ａ２ 安全危機(jī)、Ａ５ 政府公信力、Ｃ５ 群體認(rèn)同３ 個(gè)因素分布在第一象限， 表示他們的原因度和中心度均較高， 在系統(tǒng)中的重要性高， 且對(duì)其他因素產(chǎn)生了重要影響。原因度排名第三的因素是“Ｃ５ 群體認(rèn)同”， 其中心度排名很高， 這意味著在突發(fā)公共事件用戶負(fù)面情感的產(chǎn)生過(guò)程中， 相對(duì)于其他因素來(lái)說(shuō)， “Ｃ５ 群體認(rèn)同” 對(duì)負(fù)面情感起到很重要的作用。另外， 表７ 的數(shù)據(jù)顯示， “Ｃ５ 群體認(rèn)同” 的影響度排名第一， 這表明該因素對(duì)其他因素有十分顯著的影響， 對(duì)其進(jìn)行控制有利于減少負(fù)面情緒的產(chǎn)生。因此， 要對(duì)用戶負(fù)面情緒進(jìn)行引導(dǎo)與控制， 應(yīng)當(dāng)重視群體認(rèn)同作用， 可將其視為關(guān)鍵影響因素?！埃粒?安全危機(jī)” 的原因度排名很高，但在中心度指標(biāo)上排名處于中間位置， 同時(shí)“Ａ２ 安全危機(jī)” 的影響度排名很高， 被影響度排名靠后，表明該因素對(duì)其他因素有很高的影響力， 但受到其他因素的影響很小， 其對(duì)突發(fā)公共事件中用戶負(fù)面情感產(chǎn)生起著很重要的輔助作用， 所以可作為一個(gè)關(guān)鍵影響因素。“Ａ５ 政府公信力” 的中心度和影響度排名并非很高， 處于中間位置， 但從影響度和被影響度得分來(lái)看， 該因素對(duì)其他因素有較高影響，同時(shí)政府公信力在用戶負(fù)面情緒的產(chǎn)生過(guò)程中發(fā)揮重要作用， 因而將其視為關(guān)鍵影響因素。

３.３.２ 結(jié)果類因素分析

通常認(rèn)為， 結(jié)果類因素由于易受其他因素干擾而不作為關(guān)鍵影響因素。但是為了明確不同因素的特征， 仍有需要對(duì)該類因素進(jìn)行分析。所以， 深入分析后發(fā)現(xiàn)８ 個(gè)結(jié)果類因素中有６ 個(gè)被認(rèn)為是關(guān)鍵影響因素。

第四象限包括Ａ１ 事件本身、Ａ３ 社會(huì)體制、Ａ４ 社會(huì)文化、Ｃ１ 主體共情、Ｃ２ 利益訴求、Ｃ４ 風(fēng)險(xiǎn)感知６ 個(gè)因素， 在系統(tǒng)中的重要性大且易受其他因素的影響。在結(jié)果類因素中“Ｃ１ 主體共情” “Ｃ２利益訴求” 在系統(tǒng)中的中心度排名分別為３、４， 表明兩者對(duì)用戶負(fù)面情感的產(chǎn)生較為重要。但是根據(jù)表７ 中的原因度和影響度排名可知， “Ｃ１ 主體共情” “Ｃ２ 利益訴求” 雖然較容易受到其他因素的影響， 但是也對(duì)其他因素有一定的影響。因此， 考慮到“Ｃ１ 主體共情” “Ｃ２ 利益訴求” 在突發(fā)公共事件中對(duì)用戶負(fù)面情感所起到的重要作用， 本文將其確定為關(guān)鍵影響因素。由“Ｃ４ 風(fēng)險(xiǎn)感知” 的中心度和影響度排名可知， 該因素容易受到其他因素的影響， 但是也存在一定的影響力， 而且感知風(fēng)險(xiǎn)是影響用戶負(fù)面情緒的重要因素， 有必要重點(diǎn)關(guān)注， 因此可認(rèn)定為關(guān)鍵影響因素。“Ａ１ 事件本身”“Ａ４ 社會(huì)文化” “Ａ３ 社會(huì)體制” 這３ 個(gè)影響因素中心度和影響度排名適中， 若要從環(huán)境維度加以考慮，以事件本身、社會(huì)文化和社會(huì)體制為切入點(diǎn)進(jìn)行考慮， 也較為合適， 而且需要保持關(guān)注， 因而也可將這３ 個(gè)因素視為關(guān)鍵影響因素。

第三象限僅有２ 個(gè)因素， 其中“Ｂ１ 性別” 因素中心度、原因度、影響度和被影響度是最低的分?jǐn)?shù)， 表明其不但影響其他因素的能力較弱， 也容易受到其他因素的影響， 該因素在突發(fā)公共事件中對(duì)用戶負(fù)面情感產(chǎn)生有較低的影響， 不宜作為關(guān)鍵影響因素?！埃茫?境遇經(jīng)歷” 在整個(gè)系統(tǒng)中的影響度和被影響度分別排名第１２ 位和第９ 位， 表明影響其他因素的能力很弱且容易通過(guò)調(diào)整其他因素來(lái)改善，以調(diào)整用戶負(fù)面情感， 不會(huì)對(duì)整個(gè)系統(tǒng)產(chǎn)生關(guān)鍵影響。因此， 亦不被識(shí)別為關(guān)鍵影響因素。

４ 結(jié)論與建議

影響突發(fā)公共事件中用戶負(fù)面情感的因素具有因素多元化、關(guān)系復(fù)雜化的特點(diǎn)。在用戶負(fù)面情感的影響中， 有９ 個(gè)關(guān)鍵因素被識(shí)別并確認(rèn)。這些關(guān)鍵因素包括３ 個(gè)原因類影響因素和６ 個(gè)結(jié)果類影響因素： 原因類影響因素包括Ａ２ 安全危機(jī)、Ａ５ 政府公信力、Ｃ５ 群體認(rèn)同； 結(jié)果類影響因素包括Ａ１事件本身、Ａ３ 社會(huì)體制、Ａ４ 社會(huì)文化、Ｃ１ 主體共情、Ｃ２ 利益訴求、Ｃ４ 風(fēng)險(xiǎn)感知。

具體而言， 突發(fā)公共事件中用戶負(fù)面情感的來(lái)源是Ａ２ 安全危機(jī)， 用戶所有的負(fù)面情感往往來(lái)源于社會(huì)環(huán)境對(duì)個(gè)體生命健康和財(cái)產(chǎn)安全的影響。而對(duì)于安全危機(jī)和負(fù)面情感的發(fā)生， Ａ５ 政府公信力的能力是影響輿情處理和用戶情感調(diào)節(jié)的效率和質(zhì)量的重要因素。此外， Ｃ５ 群體認(rèn)同則進(jìn)一步引導(dǎo)和推進(jìn)負(fù)面情感在用戶之間的傳播。同時(shí)， Ａ１事件本身、Ａ３社會(huì)體制、Ａ４ 社會(huì)文化、Ｃ１主體共情、Ｃ２利益訴求和Ｃ４風(fēng)險(xiǎn)感知作為結(jié)果類影響因素， 需要保持關(guān)注。事件本身要素代表事件自身造成的影響， 事件發(fā)生時(shí)間、影響程度、是否與其他事件疊加發(fā)生都可能對(duì)用戶減輕負(fù)面情感產(chǎn)生重要影響。社會(huì)體制表示社會(huì)管理機(jī)構(gòu)、規(guī)范的統(tǒng)一體， 當(dāng)出現(xiàn)違背固有體制管理的情況時(shí)易滋生不滿情緒。社會(huì)文化代表各類群眾影響的社會(huì)現(xiàn)象、文化生活， 網(wǎng)絡(luò)媒體中是否產(chǎn)生網(wǎng)絡(luò)抗?fàn)幬幕蚴录欠襁`背了社會(huì)的期望都是用戶產(chǎn)生負(fù)面情感的關(guān)鍵因素。用戶自身的情緒共鳴能力（主體共情）、對(duì)個(gè)人安全和權(quán)利的訴求（利益訴求）、對(duì)事件風(fēng)險(xiǎn)的主觀判斷（風(fēng)險(xiǎn)感知）， 在突發(fā)公共事件中用戶負(fù)面情感的產(chǎn)生與爆發(fā)中發(fā)揮了重要作用。

綜上， 本文研究得出的９ 個(gè)關(guān)鍵影響因素有助于調(diào)節(jié)用戶負(fù)面情感?；趯?duì)突發(fā)公共事件中用戶負(fù)面情感影響因素的探索和分析， 本文為用戶負(fù)面情感的多元主體協(xié)同治理提出如下建議：

１） 改善用戶能力， 加強(qiáng)預(yù)期防控

負(fù)面情感引導(dǎo)關(guān)鍵在于改善用戶情緒， 包括用戶改善和預(yù)期防控兩方面。一是用戶改善， 即正面情感能量的日常宣傳和用戶信息素養(yǎng)的提升。日常宣傳是形成政府引導(dǎo)媒體、媒體帶動(dòng)用戶的正向情緒感染力， 激發(fā)用戶自組織情感動(dòng)員。如事前的日常正面宣傳， 通過(guò)傳統(tǒng)媒體和新媒體進(jìn)行事實(shí)傳播、謠言治理和輿論引導(dǎo)， 傳播具有正能量的新聞和信息， 引導(dǎo)用戶部分負(fù)面情感逐漸向積極情感轉(zhuǎn)化；事中及時(shí)召開(kāi)新聞發(fā)布會(huì)解答疑問(wèn)、動(dòng)員、安撫等，引導(dǎo)用戶負(fù)面情緒的同時(shí)挖掘感人畫面、宣揚(yáng)真善美的正面態(tài)度， 積極的“共同體” 情感能夠喚醒用戶的歸屬感； 事后及時(shí)公布事件全程發(fā)展。通過(guò)日常的正面宣傳和積極情感的傳播， 讓用戶能夠產(chǎn)生樂(lè)觀的情緒、樹(shù)立正確的價(jià)值觀（如愛(ài)國(guó)、誠(chéng)信、友善等）。堅(jiān)持正面宣傳為主， 不等于不需要輿論監(jiān)督。習(xí)總書記強(qiáng)調(diào)： 輿論監(jiān)督和正面宣傳是統(tǒng)一的， 而不是對(duì)立的［３８］ 。在宣傳中既要直面突發(fā)公共事件， 也要深入分析、傳遞積極心態(tài)、引導(dǎo)心理預(yù)期， 進(jìn)而推進(jìn)治理工作的進(jìn)展［３９］ 。通過(guò)提升民眾的識(shí)別信息真假、分析信息危害、推斷事件發(fā)展的能力， 使得民眾能夠避免對(duì)網(wǎng)絡(luò)信息不正確地認(rèn)識(shí)， 采取合理的信息行為和個(gè)人行動(dòng)。同時(shí)， 構(gòu)建積極的社會(huì)氛圍、提升民眾的樂(lè)觀心態(tài)和信息素養(yǎng)，能夠有效抵抗公共事件負(fù)面影響， 減少負(fù)面情緒傳播和惡化， 為政府治理突發(fā)公共事件提供助力和良好環(huán)境。二是預(yù)期防控， 即針對(duì)可能出現(xiàn)的負(fù)面情感風(fēng)險(xiǎn)和問(wèn)題， 采取積極的措施， 降低風(fēng)險(xiǎn)。利用情感細(xì)粒度模型和情感轉(zhuǎn)化邏輯對(duì)公共事件進(jìn)行情緒和觀點(diǎn)分析， 以便及時(shí)了解用戶態(tài)度傾向， 預(yù)測(cè)行動(dòng)趨勢(shì)。其一是建立不同類型公共事件的情感細(xì)粒度模型， 更準(zhǔn)確地預(yù)測(cè)用戶可能會(huì)出現(xiàn)的不同情感。情感細(xì)粒度模型可從分級(jí)分類角度進(jìn)行細(xì)粒度預(yù)測(cè)。分級(jí)即將用戶負(fù)面情感根據(jù)情感的輕重程度分為３ 個(gè)層次， 一級(jí)、二級(jí)、三級(jí)， 級(jí)別越高， 負(fù)面情感程度越深； 分類即將用戶負(fù)面情感進(jìn)行類別劃分， 如憤怒、懷疑、恐懼、焦慮、沮喪、痛苦等。通過(guò)層次和種類的區(qū)分， 基于不同負(fù)面情感群體的人數(shù)和分布， 對(duì)治理的不同方案和輕重緩急進(jìn)行判斷和選定。其二是關(guān)注“情感轉(zhuǎn)化” 的邏輯。無(wú)論是哪一階段， 治理的目的和邏輯都是情感轉(zhuǎn)化，將整體情感向正面轉(zhuǎn)化， 即基于情感細(xì)粒度模型和算法發(fā)現(xiàn)不同層次不同類別的群體。將其從層次上進(jìn)行情感轉(zhuǎn)化， 從三級(jí)轉(zhuǎn)到二級(jí)， 從二級(jí)轉(zhuǎn)到一級(jí)， 將用戶負(fù)面情感的濃烈程度慢慢降低； 將其從種類上進(jìn)行情感轉(zhuǎn)化， 從懷疑轉(zhuǎn)化為信任， 從擔(dān)憂轉(zhuǎn)化為放心， 或逐步改變， 從憤怒的極端情感轉(zhuǎn)化為冷靜的懷疑， 然后再轉(zhuǎn)為信任。

２） 提升政府能力， 加強(qiáng)指導(dǎo)和部門協(xié)調(diào)

政府能力與突發(fā)公共事件中用戶負(fù)面情感的解決息息相關(guān)。提升政府能力有助于用戶負(fù)面情感的有效解決和政府公信力的提升。第一， 提升政府能力， 加強(qiáng)組織能力、預(yù)防能力、應(yīng)急能力和保障能力。組織能力即堅(jiān)持黨政的統(tǒng)一領(lǐng)導(dǎo)和指揮， 制定應(yīng)急制度和措施， 避免多頭指揮； 預(yù)防能力即建立健全突發(fā)事件預(yù)測(cè)機(jī)制、預(yù)警系統(tǒng)和情感細(xì)粒度模型， 實(shí)時(shí)追蹤預(yù)測(cè)情感變化； 應(yīng)急能力是提升突發(fā)公共事件的解決能力， 如疫情需要醫(yī)療能力， 食品安全需要檢驗(yàn)和監(jiān)管能力； 保障能力是在公共事件期間的物資保障， 保證居民的生活和生命不受影響，保障事件治理有充足的資源支持。通過(guò)政府四方面的提升， 加強(qiáng)用戶的信心， 提升政府公信力和治理能力。第二， 全流程分階段細(xì)粒度關(guān)注用戶情感變化與需求， 階段化實(shí)施策略精準(zhǔn)引導(dǎo)情感轉(zhuǎn)化。不同情感狀態(tài)可以反映不同公眾情感需求， 政府應(yīng)根據(jù)不同的情感狀態(tài)來(lái)剖析其背后的情感需求。突發(fā)公共事件爆發(fā)初期， 用戶的情感狀態(tài)大多為不安、焦慮、恐懼等， 其背后是對(duì)和諧感、安全感等良性情感的需求， 需要關(guān)注公眾行為背后所隱藏的差異化情感狀態(tài)， 進(jìn)行個(gè)性化的情感回應(yīng)和情感資源供給。通過(guò)與社交平臺(tái)協(xié)作獲取初期數(shù)據(jù)進(jìn)行細(xì)粒度情感分析， 預(yù)測(cè)各種不同情感群體的數(shù)量、分布和訴求， 把握輿情發(fā)展態(tài)勢(shì)， 提高風(fēng)險(xiǎn)感知能力。與官媒、主流媒體、意見(jiàn)領(lǐng)袖、相關(guān)領(lǐng)域權(quán)威人士／部門（如疫情對(duì)應(yīng)醫(yī)療領(lǐng)域、食品安全對(duì)應(yīng)質(zhì)監(jiān)局或市監(jiān)局）保持同步， 基于初期數(shù)據(jù)的預(yù)測(cè)， 主動(dòng)對(duì)不同負(fù)面情感群體進(jìn)行有差別的回應(yīng)（如質(zhì)疑類群體進(jìn)行解釋說(shuō)明， 恐懼類群體進(jìn)行安撫開(kāi)導(dǎo)等），對(duì)各類正面情感用戶進(jìn)行肯定和激發(fā)（如點(diǎn)贊轉(zhuǎn)發(fā)正面熱點(diǎn)事件， 拍攝采訪正面典型人物或案例）， 推動(dòng)負(fù)面情感群體性正向轉(zhuǎn)化。當(dāng)突發(fā)公共事件進(jìn)入爆發(fā)期， 用戶的憤怒、沮喪等負(fù)面情緒會(huì)占據(jù)主導(dǎo)地位。此時(shí)， 政府的研判能力和溝通能力極為重要，應(yīng)保持?jǐn)?shù)據(jù)同步更新， 實(shí)時(shí)追蹤不同情感群體的發(fā)展趨勢(shì)， 準(zhǔn)確評(píng)估突發(fā)公共事件發(fā)展方向和網(wǎng)民負(fù)面情緒集中點(diǎn)。對(duì)依然沒(méi)有情感轉(zhuǎn)變的各類負(fù)面群體和經(jīng)過(guò)情感轉(zhuǎn)化變成負(fù)面情感的群體進(jìn)行重點(diǎn)關(guān)注， 對(duì)這些群體進(jìn)行情感的細(xì)粒度劃分， 針對(duì)不同情感和訴求進(jìn)行著重解決（如對(duì)不信任群體公布社會(huì)各界努力的證據(jù)和成效）； 對(duì)突發(fā)事件中的正面事件進(jìn)行報(bào)道和宣傳， 傳播正能量。隨著突發(fā)公共事件發(fā)展成熟， 為防止輿情二次爆發(fā)， 政府和媒體、各單位、各社區(qū)對(duì)內(nèi)部人員進(jìn)行引導(dǎo)宣傳， 降低用戶的各種猜忌和過(guò)度恐慌， 增強(qiáng)公眾對(duì)政府的信任和支持。突發(fā)公共事件發(fā)展的后期， 政府仍需要對(duì)事件進(jìn)行監(jiān)控， 了解網(wǎng)民關(guān)注下降程度、負(fù)面情緒消退程度等， 防止負(fù)面情緒反彈或復(fù)燃， 同時(shí)相關(guān)領(lǐng)域權(quán)威人士／ 部門進(jìn)行治理成果和結(jié)果陳述， 官媒、主流媒體等進(jìn)行報(bào)道和證明， 穩(wěn)定用戶對(duì)事件依然存在的疑問(wèn)心理和負(fù)面情緒， 有效化解安全危機(jī)?？傮w而言， 政府應(yīng)做好掌舵， 把控好情感轉(zhuǎn)化方向， 防止正面情感的負(fù)向轉(zhuǎn)化， 促進(jìn)負(fù)面情感的正向轉(zhuǎn)化。

３） 營(yíng)造社會(huì)文化， 完善雙向情感溝通機(jī)制

突發(fā)公共事件中的用戶情感治理并非單向的治理， 而是雙向的溝通和有效地反饋。因此， 應(yīng)完善雙向溝通機(jī)制， 整理用戶意見(jiàn)， 及時(shí)反饋引導(dǎo)， 通過(guò)互動(dòng)來(lái)解決源頭的負(fù)面情感， 傳遞積極的思想情感， 營(yíng)造良好的社會(huì)文化和氛圍。比如， 政府通過(guò)線上多媒體（傳統(tǒng)與新興媒體）溝通、線下意見(jiàn)收集（公共調(diào)查、網(wǎng)格化渠道）， 給予公眾情感關(guān)心，彌合信息不對(duì)稱所帶來(lái)的認(rèn)知差異； 通過(guò)線上線下的積極聯(lián)動(dòng)， 建立客觀的事件評(píng)價(jià)矩陣和精準(zhǔn)地放、管、服防控機(jī)制， 與公眾建立良好的信任關(guān)系， 獲取公眾對(duì)事件的真實(shí)反映和利益訴求， 如新聞發(fā)布會(huì)、社交媒體互動(dòng)等； 根據(jù)對(duì)用戶數(shù)據(jù)的整理和分析， 針對(duì)不同情感粒度和訴求的群體進(jìn)行回復(fù)和方案制定（如對(duì)悲觀類群體提供行動(dòng)和成效， 增強(qiáng)信心， 對(duì)焦慮類群體進(jìn)行疏導(dǎo)和注意力轉(zhuǎn)移）， 促進(jìn)不同負(fù)面群體能夠向正面轉(zhuǎn)變； 通過(guò)主流媒體和意見(jiàn)領(lǐng)袖等及時(shí)、廣泛地傳達(dá)政府的精神意見(jiàn)和處理措施， 解決用戶的需求， 疏解用戶的負(fù)面情緒， 引導(dǎo)輿論的正向發(fā)展， 推進(jìn)社會(huì)氛圍的良性情感轉(zhuǎn)變。此外， 政府的應(yīng)急措施需要及時(shí)迅速， 避免安全危機(jī)受到群體認(rèn)同的加速推動(dòng)， 一旦負(fù)面群體認(rèn)同的傳播效應(yīng)產(chǎn)生， 用戶的風(fēng)險(xiǎn)感應(yīng)和負(fù)面情緒將迅速發(fā)展， 形成負(fù)面社會(huì)情緒和不良的氛圍。應(yīng)急措施需要軟硬兼施， “軟” 措施是積極采取宣傳科普等柔性手段樹(shù)立正確的價(jià)值觀和教育廣大用戶，傳播積極、樂(lè)觀、信任的價(jià)值觀， 營(yíng)造不信謠、不傳謠、不造謠的社會(huì)文化， 提高公眾對(duì)突發(fā)公共事件的認(rèn)知和理解， 保持理智， 規(guī)范自身言行舉止?！坝病?措施是加大對(duì)網(wǎng)絡(luò)謠言的整治力度， 對(duì)虛假、惡意評(píng)論及恐慌情緒制造者進(jìn)行嚴(yán)格管控， 避免恐慌、擔(dān)憂和焦慮等情緒的蔓延。對(duì)于用戶的負(fù)面情緒需區(qū)別對(duì)待， 比如恐懼情感、憤怒情感及悲傷情感等會(huì)產(chǎn)生不同后果， 切忌盲目采取刪帖的單一管理方式， 關(guān)注用戶不同利益訴求， 采取不同應(yīng)對(duì)措施， 因地制宜化解負(fù)面情緒危機(jī)， 幫助用戶負(fù)面情感向積極情感方向轉(zhuǎn)化。

本文針對(duì)公共突發(fā)事件中的用戶負(fù)面情感關(guān)鍵影響因素進(jìn)行了整體性探討和分析， 尚未考慮不同粒度負(fù)面情感， 以及情感間轉(zhuǎn)化的關(guān)鍵因素， 后續(xù)會(huì)繼續(xù)對(duì)其展開(kāi)進(jìn)一步的研究與探索。