一、引言
短视频作为新的社会互动媒介,聚集了大量用户,已成为舆情传播的重要平台。截至2023年12月,抖音的日活跃用户(daily active user, DAU)已超过10亿人次,抖音短视频平台已经成为当前网络舆情发生的主阵地。例如,2022年1月27日“丰县生育八孩女子事件”,该事件相关视频最初由抖音短视频平台发布,一天之内迅速成为网络舆情热点事件,第二天徐州丰县就通报了此事件调查情况。相较于微博,抖音平台之所以会在极短时间内引发巨大网络舆情,是因为抖音平台的推荐机制与微博平台大相径庭,微博博主发布对某个事件的看法或者事件信息,需要得到粉丝量大的“大 V”转发后才会扩大传播、引起关注(如图1所示)。但抖音的推荐机制是通过视频的打开率完播率来实现,会自动按量级用户池推荐分发。
具体来讲,首先,抖音系统会给刚发布的视频200~500个用户流量,然后根据用户的反馈数据判断是推向更大的1000~5000的流量池,还是中断推送;其次,如果1000~5000的流量池分发效果好,就会进入指数级叠加分发,视频进入播放增长的快车道。抖音推送机制流程如图2所示。可见,只要内容吸引眼球,即使首发博主粉丝量少,视频在短时间内也会获得大量推荐。抖音平台的这种算法机制会更加助长舆情在短时间内爆发。例如,2023年6月12日,抖音博主“凤凰 WEEKLY”以短视频形式在抖音平台就“罗翔谈村民修桥被判刑”进行报道,仅24小时后,该视频的点赞数就超过419万次,评论超过73万条,舆情快速升温。
除了抖音平台的推荐机制容易引发舆情热点外,视频相较于文字也对人的视觉和听觉更具有冲击力,更容易促成一个事件成为舆情事件。因此,如果政府不及时对短视频等新媒体引发的舆情进行疏导管理,就会引发网络舆情危机。2018年4月,国务院办公厅(2018)印发的《2018年政务公开工作要点》提出,政府要加强对舆情的回应,做到及时回应和有效处置。当前,对于政府回应的研究也已经从“要回应”逐渐转向“怎么回应”。然而,既有研究政府回应的文献大多集中在微博平台,缺乏对于抖音短视频平台的关注,因此,本文基于抖音短视频平台,探究政府回应对热点网络舆情事件的影响。延续学者对文本网络平台舆情的定义,本文将视频网络平台舆情界定为抖音平台博主的情感倾向。具体地,舆情缓和的表现为抖音博主正面情感增强,或负面情感减弱;舆情恶化的表现为抖音博主正面情感减弱,或负面情感增强。
本文可能的边际贡献为:第一,基于视频情感分析方法研究了政府回应对短视频平台网络舆情的影响,可以突破新媒体时代传统文本情感分析法的局限;第二,研究了政府回应的内容质量、时长等因素是否能缓和短视频平台的网络舆情;第三,扩展了“意见-政策”连接理论分析框架,并结合心理动力学理论,对政府回应理论进行了拓展。
二、文献回顾与分析框架
(一) 政府回应对网络舆情的影响
政府回应作为公共行政理论的核心概念之一,蕴含责任政府的基本职能,是依据政府管理职能对公众的情感需求作出积极反应和回复的过程,具有互动性。政府作为网络舆情传播中的重要主体,其回应对舆情事件导向具有重要作用，需要通过回应对舆情进行引导。目前大多数文献研究的是网络舆情对政府回应的影响,只有部分文献研究了政府回应对网络舆情的影响,本文将后者的研究成果进一步细分为回应策略与回应内容质量两个方面。
一方面,在回应策略上,政府在应对网络舆情事件时,如果回应对象为第三方或与当事方无关的上级,采用第三方处置或上级问责等回应措施,能够正确疏导公众情绪,有效管控舆情传播。赖胜强和唐雪梅发现,针对不同舆情事件,政府应采用不同回应策略,小责任舆情事件可采用否认、解释等策略,中等责任舆情事件可采用合理化、道歉等策略,大责任舆情事件可采用问责、补偿等策略,信息公开、支持、表明态度可以作为从属性策略适用于各种情境。
另一方面,在回应内容质量上,有学者将回应内容质量定义为政府回应信息文本与舆论热点的关键词耦合度评价值,提出回应内容质量正向影响政府回应有效性;有学者认为,政府回复越翔实、具体,地方政府越能够促使公共危机对网络民意的冲击趋于缓和,公众也显著更愿意采取正面的情感表达。政府在回应时需要说明问题调查或解决的具体过程提升政府回应公众问题的质量,有利于提升公众满意度,也是治理能力提升的重要标志。
在研究方法上,大数据方法在政府回应研究领域的应用方兴未艾,部分学者利用机器学习技术对海量数据进行聚类分析、主题模型分析和文本情感分析,以此来探究如何通过政府回应有效管控舆情的传播。随着网络社交媒体的不断发展,相较于以往仅以文本来表达情感的方式,网民通常会发布短视频来表达自己的情感,目前还鲜有学者基于短视频情感分析研究政府回应。所以本文通过构建视频情感分析模型,对抖音博主发布的视频进行情感测度,从而更全面地分析新媒体环境下政府回应前后舆情的变化。
(二) 短视频与网络舆情
短视频即时长较短的视频,它是指在新闻媒体播放的、长度介于几秒至几分的视频。当前,以抖音为代表的短视频平台逐渐成为网络舆情的多发地、首发地,其直观、快速的特性催化了网络舆情的传播和发酵。通过研究发现,相较于静态图片,短视频更能唤起公众情感。并且短视频突出传播主体的个人表达,放大了传播主体的非理性情绪,会为网络舆情的传播带来不确定性。在短视频网络舆情危机管控研究方面,毕翔等提出短视频舆情危机的防范机制,这一机制能够有效避免短视频舆情在瞬间引爆,也能避免造成全民皆知的舆情趋势;戴亦陶等从抖音平台本身出发进行研究,认为在短视频快速发展的当下,抖音平台在防控网络舆情过程中要积极疏导网友的负面情绪。
(三) 情感分析与网络舆情
情感分析又称意见挖掘,是指利用计算机对带有情感色彩的主观内容进行分析,挖掘其中蕴含的情感倾向,对情感态度进行划分。已经有学者提出对于民众评论的情感测度能够较为全面地刻画网络舆情的变迁,并指出引导民众情感能够控制舆情。还有部分学者认为网络舆情中存在情感化倾向,并基于情感分析来研究网络舆情。例如,基于情感分析构建了突发事件舆情演化分析模型、突发公共卫生事件网络舆情热度预测模型以及重大公共决策网络舆情风险研判模型。
综上所述,已有文献研究了政府回应对网络舆情的影响,但无论是基于微博还是抖音等在线平台,都是将内容转化为文本再进行情感分析。在短视频时代,仅分析文本情感会损失语音或图像带来的新信息,目前尚缺少直接分析政府回应对短视频平台博主情感影响的研究。因此本文可能的边际贡献包括:(1)扩展了“意见-政策”连接理论分析框架,并结合心理动力学理论,延伸了政府回应理论。(2)基于抖音短视频平台,通过视频情感分析法测度了政府回应前后抖音博主的情感变化。(3)验证了在抖音短视频新媒体网络平台上,高质量的回应内容是否能够缓和舆情。
(四) 本文分析框架
目前有关政府回应的研究大多基于“意见-政策”连接理论、善治理论、新公共服务理论、责任政府理论等理论进行分析。本文扩展了“意见-政策”连接理论分析框架,并结合心理动力学理论,研究抖音短视频平台上政府回应和抖音博主情感之间的逻辑关系,构建政府回应对热点事件舆情影响的分析框架。
西方学者通常认为政府回应是民主制度的结果,选举压力和获胜期望会激励官员回应公众诉求。但也有学者指出,选举不是驱动政府进行回应的唯一动力,政府在媒体曝光后能够更快对相关事件进行回应。如前所述,抖音的引流机制会导致蕴含公众意见偏好的短视频在短时间内实现指数级传播。所以,新媒体抖音短视频平台的出现不仅拓宽了公众参与政治的渠道,也使得政府需要对热点事件进行更快速的回应。
政府回应不仅是政府的实践行为,也是公众与政府互动的动态过程。因此,探讨政府回应对热点事件舆情的影响,需要解析政府与公众之间的互动过程。Brooks and Manza提出了 “ 意见-政策” 连接理论 (Opinion-Policy Link),认为公众政策偏好会显著影响相关议题的社会政策回应,并且这一影响广泛存在于各类政治制度与文化环境中。本文以该理论为分析框架,将这一影响视为公众意见与政府回应之间的动态连接,以研究政府回应对相关热点事件公众意见偏好的影响。其中政府回应过程是指政府回应公众要求的过程,这个过程受到反馈机制的影响。反馈机制体现了政府对公众意见的回应,包括回应内容、回应时间等。由于政治议题关注的内容从利益诉求转为了精神要求,“意见-政策”连接理论的公众意见偏好也可以更进一步划分为客观需要和主观需要,主观需要可以更进一步细分为情感表达、身份族群和意识形态3类。本文进一步结合弗洛伊德的心理动力学理论将主观的情感表达细分为协商式情感和冲突式情感。协商式情感表现为公众正面情感增强,冲突式情感表现为公众正面情感减弱。具体的研究框架如图3所示。
三、研究设计
(一) 案例选择与介绍
1. 舆情事件选择
本文借鉴马宁等的研究,将“知微事见”网站中影响力指数均在60以上的舆情事件定义为热点事件。由于2022年1月至2023年12月,“知微事见”网站中影响力指数在60以上、性质为青少年失踪的舆情事件只有“胡鑫宇事件”与“郑春梅事件”,所以最终选择了这两个事件进行对比研究。后续将“胡鑫宇事件”作为主要研究对象,是因为政府对该舆情事件进行了4次回应,并且每次回应的时间、内容以及对舆情造成的影响均不同。
2. 舆情事件介绍
“胡鑫宇事件”发生于2022年11月15日,同天媒体报道江西省上饶市铅山县致远中学高一男生胡鑫宇失踪,引发了公众关注,进而当地成立工作专班全力调查,江西警方对此事共进行了4次回应。如图4所示,警方分别在2022年11月21日回应“胡鑫宇已打捞上岸”谣言,在2023年1月7日通报胡鑫宇失踪事件调查进展,在2023年1月29日通报胡鑫宇遗体被发现。最后警方于2023年2月2日在江西省铅山县召开该事件新闻发布会,江西省、市、县公安机关联合工作专班及市县相关部门,发布最新调查情况并答记者问,对发布会现场进行直播,至此该事件落下帷幕。
“郑春梅事件”发生于2022年11月4日,吉林警方在2023年1月30日回应该事件仍在调查中,随后31日警方认定其落水。
(二) 短视频情感模型设定
为了研 究 政 府 回 应 对 公 众 情 感 的 影 响, 本 研 究 选 用 基 于 卷 积 神 经 网 络(Convolutional Neural Networks, CNN)的图片情感分析模型 ResNet50,分析抖音视频转化成图片后的情感特征,以此将短视频舆情指标显性化。该模型是一种深度卷积神经网络,由He et al.在2016年提出,其引入残差单元,缓解了普通卷积神经网络增加网络深度去提取图片特征时出现的梯度回传消失问题。
ResNet50网络中主要包括49个卷积层、1个平均池化层以及1个全连接层,网络结构可以分为5个部分,分别记为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ,如表1所示。该模型引入的残差单元在Ⅱ、Ⅲ、Ⅳ、Ⅴ部分中均有加入。残差模块是ResNet50的重要组成部分,这种结构可以有效缓解深度网络训练过程中的梯度消失和梯度爆炸问题。每个残差模块由3个卷积层和1个跳跃连接组成,其中第1个卷积层和第3个卷积层的卷积核大小都是1×1,第二个卷积层的卷积核大小是3×3。
首先,把视频处理成图片输入模型。将获取的抖音视频每13秒截为一张图片,作为第Ⅰ部分中卷积层(C1)输入层输入。输入后的图片先经过Ⅱ、Ⅲ、Ⅳ、Ⅴ部分48个卷积层,通过卷积核的大小控制提取图片特征的复杂度,过程中利用激活函数ReLu 协助表达复杂特征。其次,对图片进行特征选择和信息过滤。图片在第Ⅴ部分卷积层输出尺寸为7×7×2048的特征图,随后进入平均池化层(P1)进行平均池化得到一维特征向量。最后,对处理完的图片给出分类标签。经过P1的特征图进入全连接层(F1)softmax 分类器后完成情感识别与分类,得到积极、中立和消极3个类别。全连接层中采用交叉熵损失函数(softmax)作为分类器对情感进行分类,如式(1)所示:
其中,Ei为全连接层的输出值;di是softmax分类器的输出值,共有i个,对应 i 个标签概率,本文中 i 取3,输出值 di 为积极、中立、消极3种情感所对应的概率值。将对应最大概率值的情感标签输出,即该张图片的情感.得到图片情感分类标签后,计算图片均值得到每条视频情感分值 Di,取值范围在-1~1。最终参照苏凡博等的标准对视频情感Di进行划分,具体标准为:负面情感(-1≤Di<-0.5),中性情感(-0.5≤Di<0.5),正面情感(0.5≤Di≤1)。
(三) 舆情数据收集与处理
1. 数据收集
本文采用机器学习的方法收集数据,以“胡鑫宇事件”为关键词,在抖音爬取从2022年11月16日至2023年3月23日143个博主发布的263条视频;以“郑春梅事件”为关键词,在抖音爬取从2022年11月5日至2023年4月9日335个博主发布的409条视频。在剔除掉无关视频后,“胡鑫宇事件”共得到141个博主发布的248条视频,“郑春梅事件”共得到327个博主发布的391条视频,最终得到有效视频639条。为了保证数据标注过程的公平性,将视频每13秒截为一张图片,共得到图片12701张。
2. 数据标注
在基于预训练模型进行图片情感分类实验之前,需要对样本进行标注。在对图片进行情感标注的过程中,为了确保准确率,实验召集了两名研究生,进行双人标注;按照积极情感、中立情感、消极情感3种标签进行分类,情感值分别对应1、0、-1。当标注意见出现分歧时,引入第三方意见,确定图片最终的情感标签。图片情感标注完成之后,将政府回应前后两个阶段的视频图片放在同一训练集进行,把标注好的样本数量按6:4的比例分为训练集与测试集,最终训练集图片有7625张,测试集图片有5076张。为了验证模型的有效性,本文采用准确率 (accuracy)、精确率(precision)、召回率(recall) 和F1值作为评价指标对模型的训练效果进行评估,如表2所示。
由表2可以看出,模型的准确率、精确率、召回率和F1值均在75%以上。
四、案例分析
(一) 数据特征分析
由表3可知,“胡鑫宇事件”相关博主发布的248条视频中,情感值最低为-1,最高为1,均值为-0.458。其中,负面情感视频有108条,占比43.55%;正面情感视频有3条,占比1.21%;中性情感视频有137条,占比55.24%。进一步计算博主们情感值的变异系数CV,计算公式如下:
其中,sd 和 mean 分别表示数据的标准偏差和平均值。“胡鑫宇事件”相关博主情感值的变异系数为-88.6%,说明“胡鑫宇事件”相关博主情感值分布的离散程度较高,在与政府4次回应的互动过程中,博主们对于该事件的态度差异较大。
(二) 视频标题词云图分析
在“胡鑫宇事件”视频标题词云图中(见图5)可以看出,抖音博主关注该事件的真相以及警方通报,并且在一定程度上质疑通报结果。博主们希望及时得到政府回应以获取更多的事件信息。
(三) “胡鑫宇事件”政府回应前后博主情感对比分析
从图6可以看出,抖音博主在政府4次回应“胡鑫宇事件” 前后其情感波动较大。为了对比政府回应前后博主情感差异,需要先对回应前后时间段进行界定再进行分析。针对“胡鑫宇事件”政府一共进行了4次回应,如果将每次回应前的时间段界定为该次回应前,则会包含之前回应对博主情感产生的影响,因此取两个时间间隔的中间时点划分回应前后。例如,第一次政府回应在2022年11月21日,第二次政府回应在2023年1月7日,计算第一次政府回应后博主的情感值时,时间范围就应该是2022年11月22日至12月14日。
图6中,白色区域为每次政府回应前,灰色区域为每次政府回应后;灰色虚线以上为正面及中性情感,以下为负面情感。将样本按每一次政府回应前后划分完成后,可观察到每次政府回应后抖音博主情感的分布存在差异。
由表4可以看出,前3次政府回应后,博主增加了正面情感,情感值变化分别为+17%、+31%、+29%,说明这3次回应均起到了缓和舆情的作用,但作用程度有所不同。第4次政府回应后,博主增加了负面情感,情感值变化趋势为-37%,恶化了舆情。由此可以看出,发生网络舆情事件时,政府回应有时反而会导致博主的负面情感增加,恶化舆情。
(四) 政府回应对抖音平台网络舆情影响的实证分析
为了研究政府不同的回应内容对网络舆情的影响,本文构建如下实证模型:
其中,下标 i 代表第 i 个抖音博主,下标 j 代表政府第 j 次回应;Emotionij 表示第 i个博主在第 j 次政府回应后的情感变化,contentj 表示政府第 j 次回应内容,timej 表示政府第 j 次回应时间;Xij 是一系列的控制变量,包括政府回应字数( lnnumber)、抖音博主的视频评论数(lncomment)、视频点赞数(lnlike)以及视频转发数(lnshare)。β0是常数项,β1 、β2是待估参数,εit为误差项。有学者认为不同的回应主体会产生不同的回应效果,但由于“胡鑫宇事件”的回应主体都为公安局,因此没有将该因素纳入回归方程。
1. 变量说明
(1) 被解释变量。本研究的因变量Emotionij为政府回应前后抖音博主的情感变化,其计算方式为将上文计算出的情感值代入公式4得到:
(2) 解释变量。本研究的核心解释变量为政府回应内容、政府回应时间。政府回应内容(contentij) 根据政府对“胡鑫宇事件” 进行4次回应的内容质量划分为3类。如果回应内容只是重复博主已知的事件进展,为低质量回应,赋值为1;如果回应内容通报事件新的调查进展,例如通报了胡鑫宇被找到,为较高质量回应,赋值为2;如果回应内容在通报新调查进展的同时有具体细节与过程,例如通报胡鑫宇被找到并告知发现时间与地点等细节,为高质量回应,赋值为3。第1次政府回应时间(timeij)参考马翔和包国宪的定义,为事件首次回应日期与发生日期的时间差,第2、3、4次回应时间(timeij)参考王磊和易扬的定义,为每次回应日期与上次回应日期之间的时间差,单位都为天。
(3) 控制变量。为了更准确地探析政府回应与舆情之间的关系,本文还控制了其他可能影响抖音博主情感的因素。其中包括:(1)政府回应内容的字数。(2)抖音博主视频的影响力,主要包括博主发布视频的评论数、点赞数以及转发数。
2. 变量统计性描述
表5报告了本文主要变量的描述性统计结果,可以看到,“胡鑫宇事件”中,政府回应前后抖音博主情感变化均值为0.254,说明政府回应总体会缓和舆情。
3. 政府回应对舆情影响回归结果分析
为研究政府回应对舆情的影响,需要采用合适的面板回归模型。Hausman 检验结果如表6所示,p 值为0.92,结果拒绝采用固定效应模型,选择随机效应模型。LM检验p值为0.21,结果拒绝采用随机效应模型,选择混合效应模型。因此本文采用混合效应模型来进行回归。
如表7所示,第(1)(2)列报告了式(3)的固定效应模型回归结果,第(3) (4)列报告了式(3)的随机效应模型回归结果,第(5) (6)列报告了式(3)的混合效应模型回归结果;并且同时列示了未加入控制变量与加入控制变量的回归结果,其中,第(1)(3)(5)列为未加入控制变量的回归结果,第(2)(4)(6)列为加入控制变量的回归结果。
从表7的第(6)列回归结果可以看出,政府回应内容的质量每增加一个等级,博主正面情感将增加51.9%,这说明政府回应内容质量正向影响博主情感,即政府回应内容质量越高,博主的正面情感会增加,越能够缓和舆情。政府回应与上次回应的时间间隔每增加1天,博主正面情感将减少1.1%,说明政府回应间隔时间反向影响博主情感变化,即政府回应与上次回应的时间间隔越长,博主的负面情感越会增加,越会恶化舆情。同时,从回归系数大小可以看出,与文本网络平台舆情不同,短视频平台中政府回应的质量对缓解舆情具有绝对影响力。从控制变量的回归结果来看,政府回应字数每增加5%,博主情感变化将增加14.5%,说明政府回应字数也正向影响博主情感,即政府回应字数越多,博主会增加正面情感,越能够缓和舆情。
4. 稳健性检验
本文选取“郑春梅事件”作为研究结果的稳健性检验,由于对此事件政府只进行了一次回应,与事件发生日期相隔长达88天,警方只是通报事件结果并无具体细节,因此检验模型与“胡鑫宇事件”有所不同。本文构建新的检验模型,探讨政府是否回应对舆情的影响,以此来验证上述结论。检验模型如下:
其中,下标i代表第i个抖音博主;被解释变量Emotionavei为第i个博主的情感均值;解释变量responcei为政府回应前后,政府回应前赋值为0,政府回应后赋值为1;Xi是一系列的控制变量,包括抖音博主的视频评论数(Incomment)、视频点赞数(Inlike)以及视频转发数(Inshare)。β0是常数项,β1是待估参数,εit为误差项。本次稳健性检验关注的是responcei 对应的回归系数β1的正负方向及其显著性。表8中第(1)列报告了式(5)未加入控制变量的混合效应模型回归结果,第(2)列报告了加入控制变量后的回归结果。
从表8的第(2)列回归结果可以看出,政府回应“郑春梅事件”后并未缓和公众的负面情感,反而使其有所恶化。根据前文研究结论,“郑春梅事件”的政府回应属于前文分类中的第2种,即回应内容仅通报事件新的调查进展,对舆情的影响相对较小,回归结果也证实了此结论。
五、研究结论与启示
本文扩展了“意见-政策”连接理论分析框架,并结合心理动力学理论,梳理了政府回应与抖音博主情感之间的逻辑关系,构建政府回应对热点事件舆情影响的分析框架。在这一扩展的理论框架之上,可以进一步研究基于公众情感的政府回应理论,拓展政府回应理论在短视频新媒体环境下的应用。本文以“胡鑫宇事件”中4次政府回应为例,首先以“胡鑫宇事件”为关键词在抖音爬取从2022年11月16日至2023年3月23日143个博主发布的263条视频,将视频转化为12701张图片,然后采用图片情感分析模型ResNet50提取视频中的情感特征向量,计算出抖音博主视频的情感得分。其次采用面板回归模型检验了政府回应对抖音博主情感的影响机制。研究结果表明:第一,抖音平台发生网络舆情热点事件时,政府回应有时反而会引起抖音博主负面情感的增强;第二,政府回应内容质量与回应间隔时间都会影响抖音博主的情感变化,但是在短视频网络舆情中,前者的影响更具有决定性;第三,政府回应内容质量越高,比如不仅包含事件进展,而且有具体细节时,抖音博主的正面情感倾向会增加;政府回应间隔时间越长,抖音博主的负面情感倾向会增加。
本文可能的边际贡献在于:(1)扩展了“意见-政策”连接理论分析框架,并结合心理动力学理论,对政府回应理论进行了延伸;(2)基于短视频平台,通过视频情感分析法测度了政府回应前后抖音博主的情感变化,扩展了政府回应理论的分析视角;(3)基于抖音短视频平台研究政府回应内容质量对网络舆情的影响,验证在视频新媒体网络平台上,高质量的政府回应内容是否依旧能够缓和舆情。
本文基于视频情感分析对政府回应是否一定能缓和舆情进行了分析,对于政府防范治理网络舆情有重要意义,结合研究结论和现实情况,得到具体研究启示如下。(1)随着互联网政治参与的普及,政府逐渐认可网络舆情在民意表达以及优化公共服务等方面的作用,尤其抖音等新媒体平台逐渐成为网络热点舆情事件发生的主阵地,这意味着政府应该重点关注抖音等新媒体平台的舆情发酵机制与传统平台的不同,建立抖音等新媒体平台网络舆情的监督机制,提升科学协调行政部门高质量回应新媒体网络平台公众意见的能力。(2)由于抖音新媒体平台的特殊推送机制能够使舆情事件视频在短时间内实现指数级传播,因此在抖音平台发生网络舆情事件时,能否及时回应公众意见,是政府能否缓和舆情的重要因素之一。如果政府不及时作出回应,很容易使得公众的负面情感增加,恶化舆情。由此,政府需要通过完善回应流程来缩短回应间隔时间:首先是建立抖音平台网络舆情监控预警与快速反应机制,在网络舆论失控之前就采取手段及时阻止危机蔓延;其次是建立健全应对抖音平台网络舆情相关的回应与问责制度,常态化公布相关信息,提升政府回应的及时性;最后是建立并完善新媒体网络环境下各类主体的监管机构,监督相关政府部门及时回应公众的质疑。(3)除了快速回应,因为政府回应内容质量高低是引导舆情走向的重要因素,同时也是能否缓和舆情的关键要素,因此政府应着重提升回应内容的质量:一是从具体化、清晰化两个方面进行加强与提升,回应内容要包括对公众质疑舆情事件的解释、事件的最新进展以及细节;二是强化政府工作人员的公众本位价值观念,加强政府工作人员行政素养的培养,避免形式主义的回应。
本期来源：《公共管理评论》
本期编辑：熊安卿
本期校对：俞可珂
