[摘要]本研究从意见领袖的参与、议题所指对象这两个方面来探讨网络舆论事件形成的因素，采用内容分析法，通过对新浪微博一周样本的分析，得出这周内议题转变为网络舆论事件过程中，意见领袖的影响力并不大，但是议题所指对象所占有的社会资源越多，议题越容易转变为网络舆论事件。
[关键词]议题 网络舆论事件 意见领袖 内容分析
前 言
新浪网在2009年推出的微博客服务。如果说在博客的时代，草根们只是找到了一种可以发表言论的渠道，那么，在微博这个平台上，草根们强大的数量基础对舆论的形成或转变起到了关键性作用。
中国目前正处于高速发展和转型阶段，社会中各行各业的问题层出不穷。网络这个开放的平台让这些问题更加清晰地暴露于公众眼前。人民网舆情监测室7月18日发布了《2011年7月上旬中央部委网络舆情热点事件排行榜》，这些热点事件所使用的传播载体包括有报纸、新闻网站、门户网站、博客、微博客和播客网站。从今年的热点舆论事件看，大多数热点议题都来自网络，并且大部分起源或爆发于微博这个平台。
目前关于微博舆论的研究不在少数，大都集中于从内容角度出发，分析微博平台中事件与舆论相互作用的过程。关于网络议题方面的研究大都是描述性质，解释性研究非常少。对于议题形成原因方面的量化研究更少。
如何正确看待和应对网络热点事件，成为目前传统媒体和政府机构正确引导舆论的一大难题。本研究以新浪微博为例，从意见领袖与网络事件所指对象的社会阶层两方面切入，采用内容分析法，分析微博平台中普通议题转化为网络舆论事件背后的成因，以期有助于网络舆论形成因素、形成机制的研究，并对政府应对和引导网络舆论有所参考。
一、文献综述与研究假设
（一）“议题”与“网络舆论事件”的概念
议题最初是公共关系中的一个常用概念，属于公共政策的前身，美国休斯敦大学名誉教授Robert L.Heath在《管理与市场营销》一书中将议题定义为“一种未确定、但需要加以决定的事件”，按照Robert L.Heath对议题属性的定义，议题具有公共性、争议性和周期性等特征。其中“公共性”指议题不仅受到少部分人、个别企业关注，而且受到广泛的社会关注，与公共事务的处理和公共政策的出台密切相关。
本文关注的是网络环境下的公共议题。在中国期刊网上以“网络舆论事件”为篇名，搜索到6篇文献，均未对其作出明确的定义，但将“躲猫猫事件”、“华南虎事件”、“四川广元柑橘事件”等例子判断为网络舆论事件。权威期刊《新闻与传播研究》中的一篇论文，对“网络事件”作出了清晰的定义。并且将“躲猫猫事件”、“华南虎事件”等例子判断为网络事件。因此，本文将“网络舆论事件”等同于“网络事件”。
在《网络事件传播空间结构及其特征研究》一文中，“网络事件”的定义比较全面，该文认为，所谓网络事件，是指在一定的社会背景和社会环境下，全国范围内的网民基于某些目标诉求（利益的或情感的），主要讨论场域在网络上（但事件不一定肇始于网络）通过大量的转载、跟帖、讨论等参与方式，产生一定的表达和意见的场域效应，进而在全国范围的网络场域中产生重大影响和规模的传播事件。本文将此定义作为本文对于网络舆论事件的界定标准。
（二）“意见领袖”的概念
1948年出版的《人民的选择》一书中，拉扎斯菲尔德提出，“意见领袖是指在人际传播网络中经常为他人提供信息、意见、评论，并对他人施加影响的‘活跃分子’，是大众传播效果的形成过程的中介或过滤环节，由他们将信息扩散给受众，形成信息传递的两级传播。”由此定义可见，在传播过程中，意见领袖首先是传播过程的参与者，区别于其他参与者的是他的传播行为对于受众更具有影响力。
《微博舆论生成演变机制和舆论引导策略》一文认为由于微博中的意见领袖多为行业精英，且文化层次较高，其对于事件的独到见解和深刻分析，使其言论得到广泛关注，在舆论的扩散中扮演着至关重要的作用。不仅如此，微博打破了专业界限，舆论领袖可以跨领域发言，其影响范围也被拓宽了。
以拉扎斯菲尔德给出的传统意见领袖的定义为基础，再参考沈阳《微博意见活跃群体分析报告终稿》中给出的相关概念――互联网中，只有那些引起网民广泛支持的活跃分子才是真正意义上的意见领袖，通常此类意见领袖会对一般用户的态度、观点具有较大影响。我们认为，新浪微博上的意见领袖是经常为网民提供信息，同时能够对网民产生广泛影响的微博活跃分子。用户的影响力越大，发布的信息就能得到更多用户的回应，相应的就会对其他用户的观点产生影响。
研究假设一：意见领袖的参与是网络舆论事件形成的因素之一
（三）“社会阶层”和“议题所指对象”的概念
社会分化为阶层，是因为社会上各个不同的利益群体对社会资源的占有不同，社会地位不同，利益诉求的目标不同。2002年，中国社会科学院推出了《当代中国社会阶层研究报告》，以职业分类为基础，以组织资源、经济资源、文化资源占有状况，作为划分社会阶层的标准，将社会人群分为10个阶层如下：国家与社会管理者阶层、经理人员阶层、私营企业主阶层、专业技术人员阶层、办事人员阶层、个体工商户阶层、商业服务业人员阶层、产业工人阶层、农业劳动者阶层、城乡无业失业半失业阶层。
所谓议题所指对象，就是网络舆论的客体，即引发人们意见的社会现象或者问题的当事人。从最初的邓玉娇事件、杭州飙车案，天价烟事件、药家鑫案到郭美美事件，其所指对象所属的社会阶层占有社会资源较多，其背后牵连的权利因素使得事件充满冲突与反常性，从而得到更多的关注。
研究假设二：议题所指对象所占社会资源的多少是影响网络舆论事件形成的因素之一
二、研究方法
（一）研究假设一：意见领袖的参与是网络舆论事件形成的因素之一
为了突出普通议题转化为热点议题的这个过程，我们采取的是这样一种比较性的研究方法：将意见领袖提及的事件按照次数累计，得出提及次数最多的前20名的事件，将其与同一周时段内的前20名热点事件进行比较。
1．抽样与样本
本研究采用的是内容分析法。抽样过程分为三步：第一步抽取意见领袖，第二步抽取意见领袖一个时段内的微博，第三步对这些微博进行筛选，最终得出有效样本。
传统意见领袖测量方法很多，罗杰斯将这些方法归类总结为：社会计量法、关键人物访谈法、观察法、自我报告法。但这些方法研究成本太大。微博作为一个信息交互平台，用户之间通过评论、转发等方式进行交互，这些交互行为给我们研究意见领袖提供了大量的数据支持。
本研究中，根据文献综述中对意见领袖概念的界定，我们将意见领袖的测量指标分为两级，一级指标就是上文指出的“影响力”，二级指标，即影响力的测量指标分为三个：活跃度――主动发博、转发、评论的有效条数；传播力――被转发、被评论的有效条数和有效人数；覆盖度――活跃粉丝数。（见表1）
新浪微博上的“风云榜”中的“风云影响力排行榜”正是采取这种测量方法计算的，使我们获得了现成的微博意见领袖排行榜。
对于“意见领袖的参与”的界定，我们认为可以将“意见领袖对事件的提及”作为标准，而这个“提及”则进一步细化为“意见领袖原创微博”和“意见领袖转发微博”两种形式，也就是说，“意见领袖的参与”指其原创微博或转发微博中提及某一事件。
本研究将抽样时间定为一周（2011年10月10日 23点15分 ~17日23点15分），由于政府影响力普遍在1000以下，和其他两类意见领袖的影响力相差较大，因此不作为抽样对象。我们将名人影响力排行榜排名前20名的用户分为演艺界和非演艺界两类，然后分别在这两类意见领袖中采用随机抽样法抽取了1人。同样的，我们在媒体影响力排行榜前20名的用户中采用随机抽样法抽取了2名。最终的抽样结果如表2所示。
截取以上四位意见领袖这一周内的所有原创和转发微博，样本消息主题所涉及的内容可以被区分为多种类型：新闻；私人工作生活的实录或感言；名人名言；人物或内容推介；段子或笑话；舆论监督；其它。适用于本研究的样本消息主题是：新闻――发布新闻事件或是对新闻事件作评论的；段子或笑话――以这种形式针砭时弊或评论某社会事件的；舆论监督――对权力组织、社会公众人物相关事件表达看法的。根据以上说明对这周内所有微博进行筛选，得出最终的样本。
2．编码和数据分析
最终样本以表格形式记录下来，由两名编码员同时编码。编码表定为这一周内微博热点事件排行榜前20个事件名称加上其他项，由于其他项的事件偏多，不容忽略，我们将其进一步细化为具体的事件，要求编码员统一所有事件的名称，以便于事后统计。
在对微博进行编码时，发现微博内容对事件的提及出现了不同情况，故将事件的提及分为“在微博内容主体中提及”和“在微博内容背景中提及”，并赋以不同的值，由此来计算事件被提及的次数。
由于样本量庞大，我们抽取了16%的已编码样本用来测信度，这里存在的问题是缺少一个百分百完整且穷尽的编码表。考虑到信度的实质是为了测定两个编码员之间的同一性，我们认为测信度时抽取的16%的样本中提及的事件可以拿来作为测信度的编码表，同样可以看出编码员之间的同一性。此后，我们将意见领袖提及的事件按照次数累计，得出提及次数最多的前20名的事件，将其与同一周时段内的前20名热点事件做重合度分析。
（二）研究假设二：议题所指对象所占社会资源的多少是影响网络舆论事件形成的因素之一
跟假设一的研究方法类似，这里仍然采用比较研究方法，先统计样本发布信息中所指对象的类型，并按顺序排列。再提取新浪微博一周热点事件排行榜，提取排行前20名的事件，分析每一热点事件所指对象的类型，再进行整体统计，按顺序排列。最后将两个排行表进行对比，看其是否具有相关性。
1．抽样与样本
在抽样之前先对议题所指对象进行分类, 参照《当代中国社会阶层研究报告》划分出中国当代社会十大阶层，再考虑到例如广州暴雨这类天灾所指对象阶层复杂，其他网络舆论事件所指对象包括大学生群体等在以上十大阶层中也没有提及，因此除了上述十大阶层，我们又增加一条其他项使编码表更完整科学。
由于假设二的抽样范围涉及整个微博用户，所以以下4类用户在该时段内发布的消息所指对象构成本问题研究的样本总体：
（1）人气关注榜排名前20位的用户
新浪微博人气关注榜即根据用户受关注度( 即粉丝数) 高低情况进行的排名榜。本文在前20位的用户中，分别从演艺界和非演艺界这两类用户中根据简单随机抽样的方式各抽取1名用户发布的消息所指对象作为样本。
（2）草根人气榜排名前20位的用户
新浪微博草根人气榜即根据匿名用户受关注度(即粉丝数) 高低情况进行的排名榜。根据简单随机抽样的方式抽取2名用户发布的消息所指对象作为样本。
（3）普通匿名用户
在微博广场，“随便看看”栏目下随机抽取2位用户发布的消息所指对象作为样本
（4）媒体用户
根据各媒体粉丝数量的实际情况, 在粉丝数位列前20的媒体中随机抽取2家媒体所发布的消息所指对象作为样本。
按照上述分类标准在每个层次内进行简单随机抽样后，共产生6位个人用户、2家媒体用户，详细情况如表4。
适用于本问题研究的样本消息主题是：新闻、段子或笑话、舆论监督三类。根据以上说明对这周内所有微博进行人工筛选，得出最终的样本。
2．编码和数据分析
最终样本以表格形式记录下来，由另外两名编码员同时编码。编码表定为十大阶层加上其他项。
我们抽取了所有的已编码样本用来测信度，根据Scott的pi系数测量两位编码者之间的信度值。此后，分别统计样本发布的信息中所指对象类型，并进行排序。再提取新浪微博一周热点事件排行榜，分析每个热点事件所指对象类型，并进行统计和排序，本研究的数据分析采用SPSS for Windows17.0进行相关分析。
三、研究发现
假设一、假设二分别由两个编码员按照两套编码簿进行编码工作，为了保证编码员的信度，需要分别抽取样本总量的10%―25%让编码员进行试编码，并测量其编码一致性程度。由于两个假设的编码选项属于多项选择，分别有两个编码员，可以运用Scott的pi指数公式计算其编码信度。
检验假设一需要比较新浪微博一周热点事件排行榜排序、样本事件排序。排除掉一周热点事件排行榜中的带有浓重宣传推广味道、并不称之为“事件”的话题（最真微代表、周一综合症、浙江卫视《男人帮》爱情故事征集、带着微博去旅行、我们有一套、明星的特别任务、青海卫视《花儿朵朵》），一周热点事件排行榜仅有14个事件，而本研究在假设一中抽取的样本内容所指事件多达一百多个，两个比较对象的事件数量不同，无法输入SPSS进行秩相关分析。因此，运用人工方法计算两者前14个事件之间的重合度，分析排行榜热点事件与网络舆论领袖参与事件之间的联系。
假设二分析公众议题、议题所指对象社会资源之间的关系，通过中间变量“社会阶层”进行间接比较。在本研究中两者都是定序变量，前者是按照样本事件多少进行的阶层排序，后者是按照社会资源多少进行的社会阶层排序，因此可以利用SPSS进行Spearman秩相关分析检验假设。Spearman的秩相关系数适用于定序变量X和定序变量Y之间的相关的测量。
（一）信度分析
针对假设一的样本，抽取16%的样本测量编码信度，即抽取131条微博让假设一的两位编码者进行试编码，以测量两位编码员的一致性。
在两位编码员进行试编码之前，规定编码规则，数出这131条微博中的事件并编号，制作出编码簿。两位编码员在编码时，根据每条微博的内容判定微博所指事件，记录下事件在编码簿中的编号。计算得出，两位编码员的pi指数为0.96。信度系数大于0.90的编码非常可信。因此，可以认为假设一的两位编码员之间的一致性很高，可以进行正式编码工作。
由于假设二的样本较少，仅有121条微博，所以不再抽取样本，让假设二的两位编码员试编码所有样本。计算得出，假设三的编码信度为0.734。信度系数大于0.7在某些实验性研究中是可接受的。
（二）重合度分析
假设一抽取的样本中，若一条微博提及两个事件，对提及的主体事件赋值2，而提及的背景事件赋值1；若一条微博只提及一个事件，则对其赋值3，计算每个事件的赋值得分，按照得分对网络舆论参与事件排序。比较一周热点事件排行榜、网络舆论领袖参与事件排行榜的前14个事件，结果如表4。
由表1可知，两个排行榜中仅有5个事件相同，即公众议题与网络舆论领袖参与事件之间的重合度为5/14=35.7%