整体环境和个体关联对群体性事件产生与演化的影响

对群体性事件产生与演化规律的研究已经成为社会管理的重要主题,而发展迅速的计算社会学方法为深入研究这一问题提供了新的途径。在已有研究的基础上,通过考察群体性事件的部分案例,可以发现个体对政府的信任程度、个体利益诉求渠道和社会普遍情绪这些内生性因素构成了群体性事件发生的整体环境要素,这些内生性因素的存在和组合达到一定水平,就构成了群体性事件发生的重要条件,而在这些宏观条件下,个体之间通过社会网络产生的关联和相互作用对群体事件的产生与演化也有重要影响。通过基于社会网络的计算社会学模型的模拟检验,本文对群体性事件的产生与演化进行了计算分析,讨论了整体环境和个体关联的各要素的作用,获得了部分内生性因素在其他条件既定时引发群体性事件的临界值。研究工作为进一步研究群体性事件的演化与形成机制提供了必要的模型基础。     

基于Logit建模的个体灾难恐惧感知模型与实证研究

公众对危机事件的风险感知不但与事件本身特征有关，还会受到事件与个体的关系、社会因素和个体自身因素的影响，这四类因素的相互作用，常常会导致人们对事件风险的认知偏差．形成对风险的低估或者高估。低估风险会导致对危机疏于防范，高估风险会导致公众的恐慌心理与行为。本文主要提出了一种衡量个体灾难恐惧感知的定量分析模型并以SARS为例进行了实证研究。为有效地了解和预测突发性公共危机事件下个体的恐惧来源提供分析工具．     

复杂交互行为影响下的网络舆情演化分析

如今网民参与网络舆情的现象愈加普遍，但国内网络舆情治理体制不完善，网络舆情事件易造成严重的负面影响，研究网络舆情的重要性日渐显著。基于演化博弈研究复杂网络中的网络舆情能够反映网络舆情形成和演化的实际情况，可以为引导相关主体参与网络舆情的行为和控制网络舆情的演化提供科学依据。本文在网络舆情的复制动态模型中引入两个可以反映网民复杂交互行为的因素：创建新博弈连接的行为偏好以及维持博弈连接的时间长短，在此基础上构建网络舆情演化博弈模型。根据演化博弈均衡解，分析、解释个体复杂交互行为因素以及网民初始得益对网络舆情演化的影响并针对不同情境提出相应的舆情治理建议。研究表明在交互连接达到稳态时，网络舆情博弈的得益矩阵会发生改变，新的得益矩阵由原来得益矩阵中的元素乘以其相应的博弈连接类型的活跃连接占比而构成。本文定量地解释相关主体间复杂的交互行为，研究结果对网络舆情危机处理以及疏导，减少网络舆情事件对社会的危害等都有参考价值。     

核电项目引发邻避型群体性事件的预防治理机制研究

发展核电项目是我国能源结构调整的战略选择,邻避型群体性事件是核电产业发展过程中面临的主要挑战。核电项目引发的邻避型群体性事件具有风险认知的"心理台风眼效应"、冲突的非直接利益性和风险的窗口期效应三个特征。可从完善公众参与机制、加强风险沟通机制和构建信息公开机制方面入手,预防和治理由核电项目引发的邻避型群体性事件。     

群体性事件的社会抗争模型及其研究展望

群体性事件是部分群众与行政当局或强势社会集团的对抗性冲突,为一种典型的集群行为。介绍了群体性事件的社会抗争模型,通过相对剥夺、群体认同和集体效能来解释群体性事件的心理机制。阐述了相对剥夺中的个体相对剥夺和群体相对剥夺、认知成分和情感成分对群体性事件的影响、群体认同与群体性事件的关系和集体效能对群体性事件的影响,并对近年来的研究进展做了介绍。最后指出社会抗争模型需要对模型中各因素的相互关系进行界定,并将其他重要因素如群际情绪、政治信任等因素包含到模型中。     

突发公共卫生事件下的在线社交媒体公众情绪挖掘

在线社交媒体是突发公共卫生事件中传播信息和表达情感的重要渠道,洞察公众对新闻的情绪反应可以帮助公共卫生部门制定有效的风险沟通策略。本研究应用自然语言处理方法,对在线社交媒体新闻进行内容分类,并识别公众评论所表达的情绪,提出了适用于突发公共卫生事件的在线社交媒体公众情绪挖掘方法。具体而言,本文以新冠疫情为案例,以微博平台为数据载体,分析三个具有代表性的官方媒体微博账号中有关疫情的新闻,识别出了8类内容,包括官方新闻发布、国内疫情进展、情感支持、新冠肺炎诊疗信息等。本文基于普拉切克(Plutchik)情绪框架,通过众包问卷和情绪词典构建了用户评论情绪的判别模型,进一步分析了不同新闻内容在疫情生命周期各阶段(发作期、遏制期、恢复期)对公众情绪的影响。研究发现,通过强调特定类型的风险信息可以调节公众情绪、提高公众风险意识,为风险沟通策略分析提供了实证基础。     

大数据决策中数据结构转变：基于杭州城市大脑“交通治堵”应用场景的案例分析

数字经济时代,管理决策过程中大数据技术与人类决策预期目标之间割裂现象的不断涌现,逐渐引起了业界和学界的广泛关注。本文构建了一个“数据结构—认知模式”匹配分析框架,并以杭州城市大脑“交通治堵”大数据决策场景为研究对象,来探讨大数据决策过程中人类认知推动数据结构转变的微观基础。研究发现：第一,大数据决策是一个缄默数据、休眠数据和活跃数据3类数据结构共存、转变的演化过程。决策启动阶段的数据结构包括缄默数据、休眠数据和活跃数据;决策发展阶段主要是休眠数据和活跃数据;决策实现阶段仅存在活跃数据一种形态。第二,大数据决策过程中,从决策启动到决策实现存在独特的数据结构与认知模式关系链条。一方面,从决策启动到决策发展阶段,主要通过“认知表征→认知解构”的发展型认知模式来推动缄默数据向休眠数据转变。另一方面,从决策发展到决策实现阶段,主要通过“认知解构→认知重构”的应用型认知模式来推动休眠数据向活跃数据转变。本文关于3类数据结构的划分和人类认知在数据结构转变过程中的作用分析,为解决大数据技术与人类决策预期目标之间的分歧提供了新的分析思路,也为利用大数据提升城市治理体系和治理能力现代化水平提供重要实践启示...     

组织惯性对集群网络演化的影响研究——基于多主体建模的仿真分析北大核心CSSCI

主要考察个体组织惯性对集群网络演化的影响,首先从结构性和认知性两个层面对组织惯性进行界定和特征分析,进而分析识别组织惯性对企业网络行为的影响,构建不同惯性状态下集群网络演化的多主体仿真模型,对比分析不同类型组织惯性对集群网络演化的影响.研究表明:(1)来自于组织制度、标准和惯例等组织结构特征的结构性惯性,和源于组织认知结构、环境感知方式以及知识和经验的认知性惯性是组织惯性的主要类型;(2)组织惯性会提升集群网络的可持续发展能力,增强集群网络的"集聚优势",结构性惯性的影响远高于认知性惯性;(3)组织惯性会削弱集群网络演化的小世界现象,加剧派系分化程度,但同时会促进派系内交互效率的提升,进而提升集群整体的网络效率.     

语调、情绪及市场影响: 基于金融情绪词典

金融文本的语调与情绪含有上市公司管理层以及个体投资者表达的情感信息，并对股票市场产生影响． 通过词典重组和深度学习算法构建了适用于正式文本与非正式文本的金融领域中文情绪词典，并基于词典构建了上市公司的年报语调和社交媒体情绪指标． 构建的年报语调指标和社交媒体情绪指标能有效地预测上市公司股票的收益率、成交量、波动率和非预期盈余等市场因素，并优于基于其他广泛使用情绪词典构建的指标． 此外，年报语调指标和社交媒体情绪指标对上市公司的股价崩盘风险具有显著的预测作用． 为文本大数据在金融市场的应用提供了分析工具，也为大数据时代的金融市场预测和监管等活动提供了决策支持．     

基于四方演化博弈的高校网络舆情演化规律研究

近年来,高校网络舆情事件频发,给高校声誉、大学生价值观、社会和谐稳定带来极大的影响。网媒、大学生、高校和政府作为高校网络舆情信息中的主要参与人,他们的行为决策将直接影响高校网络舆情信息的演化。据此,构建了网媒、大学生、高校和政府四方博弈下的高校网络舆情演化博弈模型,探讨四方博弈主体行为策略对高校网络舆情发展的影响,同时给出了数值算例,利用Matlab编程对其演化博弈模型进行模拟仿真检验,分析了各个参数对网络舆情事件演化的方向和速度的影响。结果表明,影响博弈系统均衡的主要因素为政府的监管力度、网媒报道的意愿、高校对舆情事件的关注度和大学生的自我认知等,通过引导网媒、大学生、高校和政府的行为策略,有助于妥善处置高校网络舆情事件的影响。     

分布式认知理论及其在管理实践中的应用

介绍了一种新的认知理论--分布式认知理论.在分布式认知"信息发布-信息筛选判断-认知收敛"的系统流程中,重点论述了分布式认知的收敛机制,并根据决策中心所处的位置及决策特征提出了无中心式、弱中心式、强中心式3种收敛机制.结合一系列管理实践案例对比了3种收敛机制的作用.结果发现,合理运用不同类型的分布式认知收敛机制,能够有效提高民主管理、跨专业难题解决、竞争情报收集分析、公共管理等领域决策的准确性.     

基于分位数Granger因果的网络情绪与股市收益关系研究

 行为金融学理论认为,股票市场的价格变动除受宏观基本因素影响外,还在很大程度上受众多个体投资者或噪音交易者行为左右。中国股票市场拥有庞大的个人投资者群体,且股民群体与网民群体之间具有高度耦合性,使用网络情绪等信息能够探索中国股市收益变动基本规律。        为揭示个体投资者行为对股市收益的影响,以个体投资者情绪为视角,以网络环境中个体投资者的情绪信息为切入点,检验投资者情绪与股市收益的关联关系,评估网络情绪信息价值。使用中文文本情感分析方法,从新浪微博文本中提取出网络情绪时间序列;分别运用均值Granger因果和分位数Granger因果检验方法,探讨网络情绪波动与股市收益之间是否存在因果关系;将股票市场发展阶段进行细致划分,研究不同市场阶段下网络情绪波动与股市收益之间的因果关系。        对沪深300指数收益进行实证研究,结果表明,尽管在均值框架下网络情绪波动与股市收益之间因果关系并不明显,但基于分位数Granger因果分析却发现两者在极端分位点区间处存在广泛且显著的因果关系。数据显示,在40个因果关系检验中,分位数Granger因果检验的因果关系发现了23个显著的因果关系,发现率为57.5%,远高于均值Granger因果检验的7.5%。此外,股市收益受到网络情绪波动影响的程度和方式在不同市场阶段下有所不同。        研究结果具有一定的理论意义和应用价值。在一些特定分位点区间网络情绪波动对股市收益存在显著因果关系影响,这为在特定条件下股市收益的可预测性提供了佐证。网络情绪能够预测股市收益的尾部(上尾或下尾)行为特征,可以为金融风险防范提供决策参考。研究结果为股票市场的定价、收益预测和波动率估计等相关研究提供了新的研究思路,也为网络情绪信息使用提供了新的方向。     

有限理性个体投资者行为机理的实证研究

基于投资者认知模式和决策选择的理论分析,探讨有限理性投资者的行为机理.构建相应的结构方程模型,并用来自中国中小投资者的样本数据进行实证检验.结果表明,有限理性投资者对信息进行认知时会产生信息识别、信息编辑和信息评价3个阶段的认知偏差,基于这些有偏认知的投资决策也将是有偏的,并最终导致个体投资者的收益水平与市场之间存在差异;决策偏差时绩效差异有显著的直接影响,3个阶段的认知偏差通过决策偏差间接影响投资绩效,认知偏差、决策偏差和绩效差异之间存在着依次递进的因果关系,绩效差异对识别偏差的反馈关系不显著.     

组织惯性对集群网络演化的影响研究——基于多主体建模的仿真分析

主要考察个体组织惯性对集群网络演化的影响，首先从结构性和认知性两个层面对组织惯性进行界定和特征分析，进而分析识别组织惯性对企业网络行为的影响，构建不同惯性状态下集群网络演化的多主体仿真模型，对比分析不同类型组织惯性对集群网络演化的影响． 研究表明: (1) 来自于组织制度、标准和惯例等组织结构特征的结构性惯性，和源于组织认知结构、环境感知方式以及知识和经验的认知性惯性是组织惯性的主要类型; (2) 组织惯性会提升集群网络的可持续发展能力，增强集群网络的“集聚优势”，结构性惯性的影响远高于认知性惯性; (3) 组织惯性会削弱集群网络演化的小世界现象，加剧派系分化程度，但同时会促进派系内交互效率的提升，进而提升集群整体的网络效率．     

社会危机背景下的联结行动说服策略研究 ——基于社交媒体中的用户生成内容文本分析

近年来的社会危机事件表明,社交媒体平台已成为传播信息、开展联结行动的主流社会报道工具。基于决策与推理的双系统说服模型—启发式与系统式处理,本文通过微博平台定量地探讨了联结行动中积极分子的用户生成内容(UGC)与公众参与间的复杂关系。借鉴道德判断和认知加工文献,视道德呼吁内容为启发式线索,功利呼吁内容为系统式线索,考察其重要性,并从情绪唤醒的角度研究了社会危机中常见的两种消极离散情感:焦虑和悲伤。利用两个不同社会危机期间(2016年魏则西事件和2018年泰国沉船事件)的数据集,结合机器学习算法与负二项回归模型,发现两类呼吁性内容均可刺激普通用户作为扩散者参与联结行动。同时,嵌入在UGC中的悲伤情绪增加了道德呼吁的重要性,而焦虑情绪则促进了功利呼吁的正向影响。实证结果对联结行动的行动者、危机管理者和应急救援部门都具有重要的现实意义。     

基于共词网络的群智知识挖掘方法——在应急决策中应用

为了汇聚分布在社会网络中的群体智慧以合力化解特大公共安全突发事件重大风险，提出了一种基于共词网络的群智知识挖掘方法，并将其有效运用到突发事件应急管理当中.首先，提出了一种改进的共词网络构建方法，用以实现社会网络公众群智知识的可视化分析，从中获取应急决策属性参数信息；同时，为了确保数据质量、提高群智知识挖掘的有效性，综合数据影响力以及数据涵盖的主题信息两方面因素，构建了群智知识价值测度模型；而后，综合专家属性偏好与公众群体智慧，提出了一种基于群智知识的动态属性信息生成办法.最后，以中国新冠肺炎疫情特大公共安全事件应急决策为例，对本文所提方法进行了应用.     

突发事件公众准备意愿的影响因素——基于实证数据的分析

突发事件是"低概率、高损失"的极端事件。突发事件风险客观存在,公众的应对准备意愿及行为对减缓突发事件风险及降低突发事件损失有着重要影响。但实际上,公众普遍表现出较弱的准备意愿,很少主动采取准备措施及行为。为了解释公众为避免突发事件损失而事先采取应对准备的行为差异,本文基于实证调查数据,将保护动机理论（PMT）应用于公众准备意愿的预测研究,建立突发事件公众认知与准备意愿理论模型,运用多元回归分析及结构方程模型方法,验证公众风险认知、应对认知与准备意愿之间的路径关系。其中风险认知包括可能性和严重性认知两个变量,应对认知包括应对效能、自我效能和应对成本认知三个变量。实证数据通过问卷调查的方式获取,调查对象涉及湖北省武汉市七大行政区域共405位城区居民。数据分析结果表明,公众的准备意愿受到风险认知及应对认知的共同影响,相比于风险认知,应对认知对准备意愿有更大的解释效力;年龄、教育程度、收入等三类人口统计学特征对准备意愿有一定的解释效力。研究结论显示,为了促使公众形成准备意愿,风险沟通不仅应考虑突发事件风险发生的可能性及后果的严重性,更需要关注应对效能、自我效能以及应对成本等对公众准备意愿有着显著影响的因素。     

证券市场的动态网络模型构建与演化规律研究

为分析证券市场的演化规律,提出了动态网络模型构建与拓扑结构分析方法。收集2000～2011年在上海证券交易所上市的884家A股公司的收盘价格数据,采用边权重过滤技术建立了证券市场的动态网络模型,并从网络的基本特征和社团结构探索证券市场的演化规律。通过计算发现,上海证券网络个体之间的平均相关性和聚集程度基本稳定,连通性则呈现增强的趋势。利用加权CNM算法对该动态网络进行社团结构划分,发现网络的最优模块度Q值呈现增大的趋势,这表明该网络的社团结构越来越明显。按行业对这些主要社团进一步分析发现:制造业是整个网络最核心的行业,其次是批发和零售贸易等5个行业。该证券动态网络的建模与演化规律分析方法可以推广到一般复杂网络理论之中。     

基于深度学习的多维情景空间下群体性事件分析与预测研究

在社会转型的背景下，我国群体性事件的数量不断攀升，极大地影响了社会的和谐稳定。本文应用"情景-次级情景-对象-要素"模型对各类群体性事件案例进行分解，提取相关的影响因素，构建多维情景空间模型，并提出了用于群体性事件预测的卷积神经网络模型，阐述了其基本原理，然后结合实例说明了其应用。通过根据多维情景空间模型对群体性事件案例进行编码形成的数据样本集，来训练该预测模型，并用AUC值评估其有效性。最后分析了不同影响因素在群体性事件预测中的作用以及应急管理主体的应对方向。     

基于公众偏好大数据分析的大群体应急决策质量动态演化研究

针对突发事件大群体应急决策质量及其影响因素的问题，探讨了公众参与视角下突发事件演化的全生命周期，以及各阶段下公众风险感知对应急决策质量的影响，并以“8·12天津港爆炸”为背景案例进行分析。首先，阐述了公众偏好大数据的获取及处理方式，并以此对“8·12天津港爆炸”案例的公众偏好大数据进行预处理和可视化；其次，通过TF-IDF算法提取并量化公众风险感知，建立大群体应急决策质量打分函数，衡量不同阶段的应急决策质量；最后，基于“8·12天津港爆炸”案例的微博数据进行大群体应急决策质量的动态演化分析，得出研究结论和启示。实证表明，所提的模型与方法具有较新颖的研究视角，能够为大数据背景下的应急响应和政府决策提供理论支持和方法辅助。