扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
心灵元气社
-
>
县中的孩子 中国县域教育生态
-
>
(精)人类的明天(八品)
-
>
厌女（增订本）
-
>
这样学习才高效/杨慧琴
-
>
心理学经典文丛:女性心理学
-
>
中国文化5000年
重大突发公共卫生事件中社交媒体谣言传播行为及引导策略 版权信息
- ISBN：9787030687166
- 条形码：9787030687166 ; 978-7-03-068716-6
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
重大突发公共卫生事件中社交媒体谣言传播行为及引导策略 本书特色
本书的研究将个体层面的心理偏好和行为选择、信息层面的谣言传播规律以及危机管理层面的政府干预机制相结合。
重大突发公共卫生事件中社交媒体谣言传播行为及引导策略 内容简介
本书以S-R模式和TAM模型为基础，结合生命周期理论、议程设置理论、媒介丰富性理论，建立了社交媒体用户辟谣信息传播行为影响因素的概念模型；利用卷积神经网络，构建转发行为预测模型；提出了一种时变网络环境下，基于时间序列模型的谣言检测模型；以社交网络为研究平台，基于超网络理论，构建了社交网络舆论场模型，并运用Netlogo进一步对分别采取辟谣及阻断两种干预策略下，社交网络舆论场演化过程进行了实验仿真。
重大突发公共卫生事件中社交媒体谣言传播行为及引导策略 目录
目录
1 绪论 1
1.1 研究背景及意义 1
1.1.1 研究背景 1
1.1.2 研究意义 3
1.2 研究内容及结构安排 5
1.2.1 研究内容 5
1.2.2 结构安排 6
2 理论基础及概念界定 7
2.1 网络信息传播 7
2.1.1 信息传播的定义 7
2.1.2 信息传播的模式 7
2.1.3 网络信息传播的特点 9
2.1.4 网络信息传播动力学 10
2.2 复杂网络理论 14
2.2.1 复杂网络概述 14
2.2.2 复杂网络的特征 17
2.2.3 复杂网络的统计特性 17
2.2.4 复杂网络模型 23
2.3 在线社会网络 26
2.3.1 在线社会网络的定义 26
2.3.2 在线社会网络的分类 27
2.3.3 在线社会网络分析 29
2.4 社交媒体谣言传播行为 32
2.4.1 社交媒体舆情 32
2.4.2 谣言传播行为 34
2.4.3 突发公共卫生事件 36
2.5 本章小结 36
3 重大突发公共卫生事件中辟谣信息传播行为影响因素 38
3.1 概述 38
3.2 相关研究 39
3.3 辟谣信息传播行为及特点 40
3.3.1 辟谣信息传播行为 40
3.3.2 辟谣信息传播特点 41
3.4 理论模型构建 42
3.4.1 研究设计 42
3.4.2 模型检验 46
3.5 实证研究结果及分析 50
3.5.1 描述性统计与相关性分析 50
3.5.2 回归分析 52
3.5.3 假设检验与结论 53
3.6 本章小结 55
4 重大突发公共卫生事件中社交媒体谣言转发行为预测 59
4.1 概述 59
4.2 相关研究 61
4.2.1 社交媒体中转发行为预测研究 61
4.2.2 社交媒体中谣言转发行为预测研究 62
4.2.3 不均衡数据处理 64
4.2.4 文献评述 65
4.3 基于CNN-SMOTE-SVM的谣言转发行为预测模型 66
4.3.1 卷积神经网络 66
4.3.2 SMOTE算法 67
4.3.3 支持向量机 68
4.3.4 基于CNN的基本模型构建 69
4.3.5 模型改进 72
4.4 特征向量构建 73
4.4.1 特征向量描述 73
4.4.2 核心微博文本提取 74
4.4.3 定量变量 75
4.5 实验结果及分析 77
4.5.1 数据集构建 77
4.5.2 模型评价指标 78
4.6 模型性能比较 79
4.6.1 改进模型比较 79
4.6.2 经典模型比较 80
4.7 特征向量分析 82
4.8 本章小结 85
5 重大突发公共卫生事件中基于ARIMA模型的谣言检测模型 88
5.1 概述 88
5.2 相关研究 90
5.2.1 基于有监督学习的方法 90
5.2.2 基于无监督学习的方法 91
5.2.3 基于深度神经网络的方法 91
5.2.4 其他类型的检测方法 92
5.2.5 文献评述 92
5.3 问题提出 93
5.3.1 社交网络中的谣言检测 93
5.3.2 谣言检测算法 93
5.3.3 时间序列模型 97
5.3.4 FCM算法 98
5.4 基于ARIMA模型的谣言检测模型 100
5.4.1 特征工程 100
5.4.2 模型构建 104
5.5 实验结果及分析 108
5.5.1 实验数据集 108
5.5.2 实验过程 108
5.5.3 实验结果 111
5.6 本章小结 112
6 基于超网络的重大突发公共卫生事件舆论场研究 114
6.1 概述 114
6.2 相关研究 116
6.2.1 基于超网络的舆情网络重要节点分析 116
6.2.2 基于超网络的突发事件传播模式及传播趋势预测 116
6.2.3 基于超网络的舆论引导策略 117
6.2.4 文献评述 118
6.3 基于超网络的社交网络舆论场模型构建 119
6.3.1 理论基础 119
6.3.2 模型构建 120
6.4 实验结果及分析 125
6.4.1 节点的度对传播过程的影响 125
6.4.2 可信度对传播过程的影响 126
6.4.3 政府干预对传播过程的影响 127
6.5 本章小结 132
参考文献 134
后记 142
1 绪论 1
1.1 研究背景及意义 1
1.1.1 研究背景 1
1.1.2 研究意义 3
1.2 研究内容及结构安排 5
1.2.1 研究内容 5
1.2.2 结构安排 6
2 理论基础及概念界定 7
2.1 网络信息传播 7
2.1.1 信息传播的定义 7
2.1.2 信息传播的模式 7
2.1.3 网络信息传播的特点 9
2.1.4 网络信息传播动力学 10
2.2 复杂网络理论 14
2.2.1 复杂网络概述 14
2.2.2 复杂网络的特征 17
2.2.3 复杂网络的统计特性 17
2.2.4 复杂网络模型 23
2.3 在线社会网络 26
2.3.1 在线社会网络的定义 26
2.3.2 在线社会网络的分类 27
2.3.3 在线社会网络分析 29
2.4 社交媒体谣言传播行为 32
2.4.1 社交媒体舆情 32
2.4.2 谣言传播行为 34
2.4.3 突发公共卫生事件 36
2.5 本章小结 36
3 重大突发公共卫生事件中辟谣信息传播行为影响因素 38
3.1 概述 38
3.2 相关研究 39
3.3 辟谣信息传播行为及特点 40
3.3.1 辟谣信息传播行为 40
3.3.2 辟谣信息传播特点 41
3.4 理论模型构建 42
3.4.1 研究设计 42
3.4.2 模型检验 46
3.5 实证研究结果及分析 50
3.5.1 描述性统计与相关性分析 50
3.5.2 回归分析 52
3.5.3 假设检验与结论 53
3.6 本章小结 55
4 重大突发公共卫生事件中社交媒体谣言转发行为预测 59
4.1 概述 59
4.2 相关研究 61
4.2.1 社交媒体中转发行为预测研究 61
4.2.2 社交媒体中谣言转发行为预测研究 62
4.2.3 不均衡数据处理 64
4.2.4 文献评述 65
4.3 基于CNN-SMOTE-SVM的谣言转发行为预测模型 66
4.3.1 卷积神经网络 66
4.3.2 SMOTE算法 67
4.3.3 支持向量机 68
4.3.4 基于CNN的基本模型构建 69
4.3.5 模型改进 72
4.4 特征向量构建 73
4.4.1 特征向量描述 73
4.4.2 核心微博文本提取 74
4.4.3 定量变量 75
4.5 实验结果及分析 77
4.5.1 数据集构建 77
4.5.2 模型评价指标 78
4.6 模型性能比较 79
4.6.1 改进模型比较 79
4.6.2 经典模型比较 80
4.7 特征向量分析 82
4.8 本章小结 85
5 重大突发公共卫生事件中基于ARIMA模型的谣言检测模型 88
5.1 概述 88
5.2 相关研究 90
5.2.1 基于有监督学习的方法 90
5.2.2 基于无监督学习的方法 91
5.2.3 基于深度神经网络的方法 91
5.2.4 其他类型的检测方法 92
5.2.5 文献评述 92
5.3 问题提出 93
5.3.1 社交网络中的谣言检测 93
5.3.2 谣言检测算法 93
5.3.3 时间序列模型 97
5.3.4 FCM算法 98
5.4 基于ARIMA模型的谣言检测模型 100
5.4.1 特征工程 100
5.4.2 模型构建 104
5.5 实验结果及分析 108
5.5.1 实验数据集 108
5.5.2 实验过程 108
5.5.3 实验结果 111
5.6 本章小结 112
6 基于超网络的重大突发公共卫生事件舆论场研究 114
6.1 概述 114
6.2 相关研究 116
6.2.1 基于超网络的舆情网络重要节点分析 116
6.2.2 基于超网络的突发事件传播模式及传播趋势预测 116
6.2.3 基于超网络的舆论引导策略 117
6.2.4 文献评述 118
6.3 基于超网络的社交网络舆论场模型构建 119
6.3.1 理论基础 119
6.3.2 模型构建 120
6.4 实验结果及分析 125
6.4.1 节点的度对传播过程的影响 125
6.4.2 可信度对传播过程的影响 126
6.4.3 政府干预对传播过程的影响 127
6.5 本章小结 132
参考文献 134
后记 142
展开全部
重大突发公共卫生事件中社交媒体谣言传播行为及引导策略 节选
1 绪 论 1.1 研究背景及意义 1.1.1 研究背景 进入21世纪以来，一些重大突发公共卫生事件在全球范围内频繁发生，如SARS、甲型H1N1流感、H7N9禽流感、西非埃博拉病毒以及中东呼吸综合征等。与此同时，处于社会转型期的中国，也多次面临重大突发公共卫生事件的严峻挑战。例如，截至2003年8月16日，中国31个省（自治区、直辖市）累计报告SARS临床诊断病例5327例，死亡349例，SARS疫情造成中国经济全年损失约为0.8%；截至2020年3月15日9时，中国31个省（自治区、直辖市）累计报告COVID-19确诊病例81048例，累计死亡病例3204例，且此次COVID-19疫情造成大量企业停工停产，学校停课，严重扰乱了社会的正常秩序。中央指导组成员、卫生健康委主任马晓伟指出，这次COVID-19疫情是新中国成立以来，传播速度*快、感染范围*广、防控难度*大的重大突发公共卫生事件，其不仅给我国医疗卫生体系带来了前所未有的严峻挑战，同时也使我国社会治理体系和社会治理能力面临极大考验。 突发公共卫生事件是指突然发生，造成或可能造成社会公众健康严重损害的重大传染病疫情、群体性不明原因疾病、重大食物和职业中毒以及其他严重影响公众健康的事件。《国家突发公共卫生事件应急预案》根据突发公共卫生事件性质、危害程度、涉及范围，进一步将其划分为特别重大（Ⅰ级）、重大（Ⅱ级）、较大（Ⅲ级）和一般（Ⅳ级）四级。截至2020年1月29日，中国31个省（自治区、直辖市）均启动了针对COVID-19疫情的突发公共卫生事件一级响应。由于重大突发公共卫生事件发生突然、涉及面广、影响巨大，危及公众健康和生命安全，极易引起公众广泛性的关注和恐慌，从而对经济发展、社会稳定和人民生产生活产生重大影响。 作为社会交往的一种重要形式，谣言*初被定义为对在人与人之间流传的事件的未经证实的叙述或解释，并与公众关注的对象、事件或问题有关[1]。之后的文献也大多遵循上述定义，例如将谣言定义为：对通过各种渠道传播的公众感兴趣的事情、事件或问题的未经证实的阐述或注释，其本身既不真实也不虚假[2]。由此可见，谣言的本质特征有两点：一是未经证实；二是广泛传播。据此，本书将谣言定义为没有可靠事实基础，却在一定程度上进行传播的言论。由于谣言具有上述两点特征，其快速传播可能影响到一个社会群体的舆论，甚至引发社会性的焦虑和恐慌，从而对人们的日常生活和社会的和谐稳定产生一定的负面影响。 研究表明，与其他类型的谣言信息相比，重大突发公共卫生事件谣言具有突发性、持续性、多变性、非理性和群体极化性的基本特征，这些特征将导致事件危害性的扩大和恐慌情绪的蔓延，甚至激发一系列衍生事件，从而加剧事件的控制难度。例如，2003年爆发的SARS疫情，造成大量谣言信息的传播，而谣言的传播又触发了板蓝根、体温计和米醋等物品的抢购热潮；2013年爆发的H7N9禽流感疫情，同样在长时间内占据了社会舆论场的核心，并造成市场上板蓝根的哄抢现象；2014年西非埃博拉病毒疫情期间，个别国家出现的“患者会被处死”的谣言，导致很多患者不愿意进入当地诊所接受治疗；2019年年底至今的COVID-19疫情中，“双黄连口服液可抑制新冠病毒”的谣言一出，即造成人群集中哄抢。因此，世界卫生组织（WHO）指出，伴随COVID-19疫情爆发的“信息疫情”，使得真假信息充斥网络，导致人们找不到正确指引而被误导。这些“信息疫情”，让人们陷入恐慌，源源不断的信息扩大了危机带来的冲击，从而引发更为严重的后果。 随着Web 2.0以及移动互联网技术的快速发展，社交媒体如微博、微信、Twitter和Facebook等，已经成为用户信息获取、传播、分享以及好友间交流沟通的主要平台。与传统的媒体相比，社交媒体用户不再仅仅是信息的接收者，同时也成了信息内容的制造者和传播者。用户可以自由地分享见闻、表达和传播思想及意见，用户间的沟通与互动不受时间和空间的限制，使得信息内容更加丰富、信息传播更为迅速，影响也更为广泛[2]。此外，作为一种开放性的网络舆论载体，社交媒体允许用户自由地表达和传播思想及意见，使其与传统媒体相比，“把关人”作用明显弱化，从而导致重大突发公共卫生事件发生时，一些谣言甚至极端的煽动性言论等负面信息滋生与蔓延，如果缺乏有效的网络舆情监测及干预措施，不仅会使民众陷于恐慌之中，甚至可能引起整个社会的动荡与不安。 此次COVID-19疫情，考虑到病毒的高传染性和致病性，卫生健康委在全国范围内采取“居家隔离”的防控措施，通过在一定程度上阻断人际交往的线下物理接触网络，抑制疫情蔓延。与此同时，社交媒体成了舆情传播演化的主要平台。相关谣言在社交媒体平台上一经“引爆”，迅速扩散并持续发酵，与民众因疫情蔓延而产生的焦虑、恐惧心理相叠加，引发了大面积的社会负面情绪，如“武汉红十字会事件”“论文事件”“双黄连口服液抑制病毒事件”等，一度成为各类社交媒体平台中的舆论焦点。研究表明，COVID-19舆情是**次真正的社交媒体“信息疫情”，其极易引发公众群体性的心理焦虑和恐慌，极大地考验着政府部门的社会治理能力和危机应对能力[3-14]。 因此，如何深入分析重大突发公共卫生事件谣言的传播及演化机理，在此基础上，给出有效的谣言应对及治理策略，不仅是政府相关部门亟待解决的现实问题，也是社会治理及应急管理研究领域要解决的关键科学问题之一。 1.1.2 研究意义 作为社会科学与自然科学交叉的新兴研究领域，社交媒体中谣言问题的研究涵盖了传播学、新闻学、社会学、管理学、计算机科学等多个学科，吸引了国内外众多领域专家和学者的关注。目前，此类研究多基于现有网络谣言研究框架，并结合了Facebook、Twitter以及微博等社交媒体平台的网络结构特征和信息互动模式。其研究领域主要集中在以下几个方面：①谣言的内涵与特征；②谣言传播过程中的民众心理与行为；③谣言预警及指标体系；④谣言的演化机理及传播机制；⑤谣言的检测和监控；⑥谣言治理制度建设；⑦谣言对政府及社会的影响等。 在以上研究领域中，如何揭示谣言传播机理，并给出有效的应对及治理策略，成为当前学术界研究的热点问题。近年来，国内外学者纷纷采用社会计算的研究范式，对上述问题进行研究。然而，相比于其他类型社会事件，重大突发公共卫生事件具有如下典型特征：①自然危机和人类活动造成的突发事件之间具有衍生耦合性，即事件的爆发通常是由自然因素和人为因素的交互影响所导致；②公众对事件发生、发展和演变过程的异常关注和担忧，造成社会群体较大的心理压力和情绪问题；③危机具有潜在衍生危害，破坏性严重，甚至引发综合性社会经济危机，涉及卫生、经济和社会等多个领域；④公众对事件认知的匮乏、社交媒体上信息过载以及事件衍生出的负面情绪等原因，导致大量相关谣言滋生与扩散。鉴于此，基于一般性谣言传播机理而建立起来的常规谣言治理体系，无法对重大突发公共卫生事件谣言进行有效的应对与治理。 基于此，本书以重大突发公共卫生事件谣言为研究主体，以社交媒体作为研究平台，以社会计算作为研究范式，从微观层面上的个体行为决策，以及宏观层面上谣言传播过程两个维度，揭示重大突发公共卫生事件背景下，谣言传播规律与社会心理行为之间的内在联系和本质特征，并在此基础上，给出有效的重大突发公共卫生事件谣言应对与治理策略。 本书的研究将个体层面的心理偏好和行为选择、信息层面的谣言传播规律以及危机管理层面的政府干预机制相结合，不仅在理论上弥补了现有谣言传播动力学研究的不足，并且为提高相关部门对重大突发公共卫生事件谣言的判断能力和控制能力，进而有效地监测、引导和干预重大突发公共卫生事件中的社会公众行为，提供决策理论、方法和决策支持工具。 1.2 研究内容及结构安排 1.2.1 研究内容 在微观层面上，本书分别以刺激-反应模式（stimulus-response model，S-R模式）和技术接受模型（technology acceptance model，TAM）为基础，结合生命周期理论、议程设置理论、媒介丰富性理论，建立社交媒体用户辟谣信息传播行为影响因素的概念模型；利用卷积神经网络（convolutional neural networks，CNN）构建基于用户历史核心微博文本、谣言关注度和事件关注度等特征的谣言转发行为预测模型。在宏观层面上，本书基于时间序列模型，提出一种COVID-19疫情背景下，考虑时变网络环境的谣言检测模型并构建了基于超网络的社交网络舆论场模型。 本书的具体研究内容如下。 （1）通过分析影响辟谣信息传播行为的内容特征、信源特征以及文本特征，基于生命周期理论，探究舆情扩散周期对辟谣信息传播行为的调节作用，构建理论模型，并进一步分析各因素之间的相互关系，找到对社交媒体用户辟谣信息传播行为具有显著影响的多个因素。 （2）以微博作为研究平台，以COVID-19疫情为研究背景，利用CNN构建基于用户历史核心微博文本、谣言关注度、事件关注度、反应时间和微博频率等特征的谣言转发行为预测模型。 （3）以微博为研究平台，以COVID-19疫情为研究背景，通过分析微博事件的流行程度和模糊程度，提出一种适用于时变网络环境的基于自回归差分移动平均（autoregressive integrated moving average，ARIMA）模型的谣言检测模型。 （4）以无向社交网络为研究对象，基于构建的社交网络舆论场超网络模型，深入探究社交网络中的谣言传播过程，并运用Netlogo对社交网络舆论场的演化过程进行仿真分析。 1.2.2 结构安排 本书共6章，结构安排如下： 第1章 绪论。本章阐述了研究的背景、意义以及主要研究内容。 第2章 理论基础及概念界定。本章对复杂网络理论及网络传播动力学理论进行了回顾，并对社交媒体舆情、谣言传播行为以及突发公共卫生事件等相关概念进行了界定。 第3章 重大突发公共卫生事件中辟谣信息传播行为影响因素。本章基于生命周期理论，从多个维度构建了辟谣信息传播行为的实证研究模型。 第4章 重大突发公共卫生事件中社交媒体谣言转发行为预测。本章利用CNN构建基于用户历史核心微博文本、谣言关注度、事件关注度、反应时间和微博频率等特征的谣言转发行为预测模型，并考虑了谣言数据集不均衡性对模型性能的影响。 第5章 重大突发公共卫生事件中基于ARIMA模型的谣言检测模型。本章选取COVID-19疫情为研究背景，基于ARIMA模型提出了一种考虑微博事件时变特征的谣言检测模型。 第6章 基于超网络的重大突发公共卫生事件舆论场研究。本章建立了包括社交网络、环境网络、心理倾向网络、传播网络四层子网的社交网络谣言传播超网络模型，并从多个维度探究无向社交网络中用户谣言传播行为的内在机理。
书友推荐
- >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥36.7¥68.0 - >
我与地坛
我与地坛
¥16.8¥28.0 - >
莉莉和章鱼
莉莉和章鱼
¥24.8¥42.0 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥15.1¥45.8 - >
姑妈的宝刀
姑妈的宝刀
¥13.5¥30.0 - >
自卑与超越
自卑与超越
¥15.5¥39.8 - >
唐代进士录
唐代进士录
¥27.9¥39.8 - >
烟与镜
烟与镜
¥18.2¥48.0
本类畅销
-
万物皆无序
¥18¥42 -
畅销书风貌
¥14.6¥27 -
智慧时代公共图书馆阅读推广要素研究
¥43.9¥78 -
点燃理想的日子-我与《东方时空二十年》
¥16.4¥38 -
悦读经典
¥15.3¥35 -
后真相时代
¥33.4¥49.8
