24、微博舆论形成研究与云IaaS虚拟化实现

微博舆论形成研究与云IaaS虚拟化实现

微博舆论形成研究

从复杂系统的角度来看，模拟结果显示系统能从无序的初始状态发展到有序平衡，呈现出自发秩序。模拟结果是中立的，没有好坏之分，这也证实了涌现现象的相关解释。从宏观层面和动态趋势而言，涌现的趋势是确定的，是任何系统在路径依赖演化中的必然结果，且其具体模式与预设行为无关。随着复杂性增加，在实际涌现完成前，系统结构无法被完全识别，同时系统的涌现也不依赖于初始状态。在调控不利于健康社会发展的微博谣言或舆论时，成本最小化和效用最大化的方法是在舆论形成前进行引导。

为了进行实证分析，我们从新浪微博的热门话题列表中选取了一个关于大学生用行为艺术抗议因户籍限制导致教育不公平的话题。在2012年10月8日17:20至19:50期间随机抽取参与者的意见，150分钟内获得1065个样本，其中有效样本880个，来自203名参与者，去除24名无效参与者后，有效参与者为179名。这些样本具有以下特点：
- 随着新参与者加入，群体不断更新意见，且许多参与者存在粉丝关系。
- 意见广泛交流，微博用户相互说服。我们对880个样本进行内容分析编码：0.1表示极端反对；0.2表示极端质疑；0.3表示反对；0.4表示质疑；0.5表示冷漠；0.6表示担忧；0.7表示支持；0.8表示愤怒；0.9表示极端愤怒。

从相关数据图可以看出，最终舆论并未形成，始终存在不同观点。讨论初期，极端意见较多，积极群体占主导，随后负面观点逐渐占上风，他们认为教育不公平源于经济发展不平衡和政府投资不均，而非仅仅是户籍制度。随着一些意见领袖的参与，言论最终趋于理性，讨论者更倾向于思考教育不公平的深层次原因。

基于参与者和演化时间得到的意见演化图显示：