|
随着大数据时代的到来，网络舆情在数据体量、复杂性和产生速度等方面发生巨大变化。网络舆论引导方法已超出了现有常用的框架。习近平总书记在全国宣传思想工作会议上提出，宣传思想工作创新，重点要抓好理念创新、手段创新。网络舆情是网络舆论引导工作的基础和晴雨表，以大数据观念变革传统网络舆论引导思维，准确把握网络舆情的内在特征及其在演化过程中的潜在规律，对于新形势下做好网络舆论引导工作，维护网络社会安全，具有重要的理论意义和实践价值。
一、大数据在网络舆论引导中的价值
大数据是指无法在一定时间内用常规软件工具进行抓取、管理和处理的数据集合，必须通过深度挖掘、计算、分析才能创造价值的海量信息。大数据的价值不在信息本身，而在于通过分析数据关联性预测未来。网络舆论引导的前提是网络舆情的预测，而大数据技术为网络舆情的预测提供了支撑和保证。
（一）大数据价值的核心：舆情预测
传统网络舆论引导工作的起点，是对已发生的网络舆情进行监测开始。然而这种方式的局限在于滞后性。
图1 传统舆情监测方法的结构
大数据技术的应用，就是挖掘、分析网络舆情相关联的数据，将监测的目标时间点提前到敏感消息进行网络传播的
图2 舆情预测阻断突发舆情发生的结构图
初期，通过建立的模型，模拟仿真实际网络舆情演变过程，实现对网络突发舆情的预测。
（二）大数据价值的条件：舆情全面
大数据技术要预测舆情，首要条件是对各种关联的全面数据进行分析计算。传统数据时代，分析网民观点或舆情走势时，只关注网民跟帖态度和情绪，忽视了网民心理的变化；只关注文本信息，而较少关注图像、视频、语音等内容；只观察舆论局部变化，忽视其他群体的舆论变化；只解读网民文字内容，而忽视复杂多变的社会关系网络。从舆情分析角度看，网民仅仅是信息海洋中的"孤独僵尸"，犹如蚁群能够涌现高度智能，而单个蚂蚁如附热锅到处乱窜。
大数据时代，突破了传统数据时代片面化、单一化、静态化的思维，开始立体化、全局化、动态化研究网络舆情数据，将看似无关紧要的舆情数据纳入分析计算的范围。
（三）大数据价值的基础：舆情量化
大数据预测舆情的价值实现，必须建立在对已挖掘出的海量信息，利用数学模型进行科学计算分析的基础之上，其前提是各类相关数据的量化，即一切舆情信息皆可量化。但数据量化，不等同于简单的数字化，而是数据的可计算化。要在关注网民言论的同时，统计持此意见的人群数量；在解读网民言论文字内容的同时，计算网民互动的社会关系网络数量；对于网民情绪的变化，可通过量化的指标进行标识等。
（四）大数据价值的关键：舆情关联
数据背后是网络，网络背后是人，研究网络数据实际上是研究人组成的社会网络。大数据技术预测舆情的价值实现，最关键的技术就是对舆情间的关系进行关联，将不再仅仅关注传统意义上的因果关系，更多关注数据间的相关关系。按大数据思维，每一个数据都是一个节点，可无限次地与其他关联数据形成舆情链上的乘法效应--类似微博裂变传播路径，数据裂变式的关联状态蕴含着无限可能性。
二、目前网络舆情工作的主要瓶颈
近年来，各地高度重视网络舆情工作，通过创新机制、提升技术、人才培养等多种方式，不断提高舆情工作水平和能力，有效应对了各种重大网络突发事件，有力维护了社会稳定。但与日益频繁和繁重的网络舆情监测任务，与新时期网络舆情监测向网络舆情预测转型的任务相比，还存在着技术、人才和制度瓶颈。
（一）技术瓶颈
目前，各地舆情监测工作的主要手段仍以人工检索为主，尽管也使用了市面相对成熟的相关搜索软件进行辅助搜索，但搜索舆情的技术仍采用传统的二维搜索方式，即主题关键词和网络平台二维坐标，由舆情员对采集的信息进行二次加工成舆情产品。
但搜索的舆情信息结果多为一级文本信息，对于深层次的多级舆情信息，如新闻、微博后的评论，网民的社会关系，网民针对某一事件评论反映出的情绪变化，以及网民煽动性、行动性的言论、暗示等数据无法深度挖掘，仍靠人工采集和分析判断。受制于舆情员的知识水平和价值判断的不同，极有可能导致有价值的舆情信息丢失，无法准确及时预测舆情走势，大大降低了舆情监测工作的效率、准确性，增加了有价值舆情信息发现的偶然性和投机性，为重大突发事件的舆情预测埋下隐患。
（二）人才瓶颈
近年来，各地加大舆情监测人员配备，经过实践锻炼和培训，舆情工作人员基本掌握了舆情监测的业务技巧和软件使用技巧，日常网络舆情监测任务基本满足需求，基本能够确保日常浅层舆情信息的发现和上报。但要实现对舆情信息的深度挖掘和分析，实现舆情信息的预测，现有舆情工作人员的水平严重滞后，亟需建立一支精通大数据挖掘分析、模型构建等类的专业人才队伍。
（三）制度瓶颈
按照大数据挖掘技术原理，要实现对舆情数据的深度挖掘，需掌握大量的数据，分析网民情绪变化、社会关系等，推算其阶段性行动倾向和轨迹。根据现行制度框架，这些数据将遇到制度性的瓶颈。
三、大数据思维对网络舆论引导工作的启示
当前，应实现网络舆论引导工作由舆情监测向舆情预测转型，由事发舆论引导向舆论引导前置转型，大数据技术为这种转型提供了可能和动力。对网络舆论引导的启示可总结为"四个转变"。
（一）由抽取舆情信息样本向掌握全部舆情数据转变
按照大数据的概念，现有的传统舆情监测方式采集的舆情信息仅为样本信息。通过大数据技术，突破传统舆情监测技术瓶颈，深度挖掘目标舆情相关的所有看似不相干的数据信息，如兴趣爱好、学历水平、体貌特征、社会关系等尽可能全面的数据，为全面分析舆情走向提供基础。
（二）由追求舆情信息精确性向舆情信息混杂性转变
大数据的一个重要特征是数据的混杂性，因此我们不仅要接受多样化的数据，还要善于利用多样化的数据，将不同领域数据关联起来进行分析。不再仅仅关注于网民在几点几分发表了什么言论，而要关注在某一时间范围，网民的关注人群、关注内容、关注方式的变化，以及他对周围其他人的影响等数据。
（三）由推算舆情因果关系向计算舆情相关关系转变
改变传统的"有罪推论"的舆情监测逻辑理念，不再单纯寻找舆情数据间的因果关系，如新浪微博有关突发事件串联上街游行言论的原因和后果，更多关注与此类言论相关联的电话、微信、QQ等通联手段信息、上街游行口号等衍生数据，拓展舆情监测、处置视角，为预测舆情走向赢得时间和空间。
（四）由定性推算舆情信息向量化计算舆情信息转变
量化舆情不等同于简单的数字化舆情。要将所有相关联的舆情信息，通过已建立的标准指标体系进行量化处理，将感性的网民评论、情绪变化、社会关系等信息，以量化的形式转化为可供计算分析的标准数据，通过数据模型进行计算预测舆情走向。 
| 
发表于 2014-8-28 13:44:53
