大数据时代如何做好网络舆情治理
以互联网为代表的新媒体改变了信息流通的路径,重构了信息传播结构,使网络舆情4V特征显性化、传播机制复杂化、运行规则系统化、舆情关联融合化,给网络舆情治理带来了前所未有的困难和挑战。大数据技术成为转变治理思维、创新治理模式、挖掘舆情规律、撬动科学决策的支点,并有望成为提升网络舆情治理能力的拐点。为此,有必要探索网络舆情大数据治理生态系统的运行规则,培育网络舆情大数据治理理念,构建成熟完善的大数据科学理论体系,从加强统筹协调和顶层设计、创新协同治理模式、加强立法创新实践、完善网络舆情监管体系四个方面打造网络舆情治理新常态,推动网络舆情治理的科学、有序、可持续发展。
当前大数据助力网络舆情治理的困境分析
1. 网络舆情大数据治理生态系统的运行规则尚待探索
1935年,英国生态学家坦斯利爵士(Sir Arthur GeorgeTansley)受丹麦植物学家瓦尔明(Eugenius Warming)影响,明确提出生态系统的概念。从生态系统的角度审视,网络舆情大数据治理生态系统认为网络舆情之间存在一种相互依存、相互制约、互为环境的关系,网络舆情多样性和共生性的特征体现了网络系统生存和发展的普适规律。众多的网络舆情以自己的产生和发展,为其他网络舆情提供共存的环境和条件,同存于一种共生体之中,共同进化和优化,保持网络舆论的和谐一致。
大数据时代,给网络舆情治理生态系统带来的困境主要包括三方面:第一,如何建立网络舆情大数据治理生态系统的结构模型,即解决其边界和范围的问题,该系统边界是系统舆论总趋势的价值体系。如何深度关联与舆论总趋势创造过程有着直接关系的政府、企业、社会组织和个人,以使得该生态系统的组成成员能更好的实现价值?第二,如何构建网络舆情大数据治理生态链?在整个生态链中,各参与主体如何产生互动,政策流、信息流、舆情流如何流动?第三,舆情大数据流在错综复杂的传播演化进程中有无规律可循,如何及时把握舆情动态,如何准确判断舆情走势,保持舆论生态系统和谐。
2.网络舆情大数据治理理念培育任重道远
网络舆情大数据治理与网络舆情大数据管理虽然仅有一字之差,但其内涵与外延发生了巨大变化。“网络舆情大数据治理”是指政府、社会组织、企事业单位以及网民等,利用大数据的思维理念、理论体系和技术架构实现网络舆情实时监控,依法对网络舆论进行规范和管理,最终实现对网络舆论的有效引导。网络舆情大数据治理思想的提出,是依法治国执政理念在网络舆情治理领域的具体应用和体现,将有助于实现依法治国执政理念的进一步深化和发展。要实现网络舆情大数据治理,面临着三大困境。第一,治理主体的转变。主要面临着由政府作为单一主体管理网络舆论,向政府主导、社会力量共同参与的多治理主体协同治理的转变。第二,治理对象的转变。信息技术的迅猛发展催生着传统媒体向新媒体的急速转变。
根据CNNIC发布的最新数据显示,截至2014年6月,我国网民规模达6.32亿,互联网普及率为46.9%,手机网民规模为5.27亿,社交网站用户规模为2.57亿,微博、社交网站及论坛等互联网应用、类似即时通信等以社交元素为基础的平台应用发展稳定。如何实现对开放、异构、复杂的多媒体平台进行舆情监管已成为亟待解决的课题。第三,治理手段的转变。网络舆情参与大众化、来源多元化、传播快捷化、涨落突变复杂化,传统的碎片化的、统计式的、简单直观网络舆情管理手段已经远远无法适应网络舆情治理的新要求和新任务,寻求一种全新的网络舆情治理的理论体系和技术架构,进而提供高度融合、全景关联、深度挖掘、智能分析、科学决策的网络治理体系,提升网络舆情治理能力,推进网络治理现代化已成为当务之急。
3.大数据科学理论体系仍不成熟
基础理论研究的深度,是衡量一门学科成熟程度的关键度量。在当代西方,政治学与经济学、社会学一起并称社会科学的三大学科。西方政治学形成于19世纪末、 20世纪初。在经历了几十年的发展与演变的历程之后方才成熟。1838 年,孔德在《实证哲学教程》第四卷中,第一次提出“社会学”, 并提出建立这门新学科的大体设想,经过H·斯宾塞、E·迪尔凯姆等众多研究者的继承拓展逐渐成熟。而经济学的发展历程更久远,古希腊色诺芬的《经济论》已经体现了浓厚的经济学思想。
对大数据科学而言,尽管早在1980年,著名未来学家阿尔文·托夫勒在《第三次浪潮》一书中,就将大数据热情赞颂为“第三次浪潮的华彩乐章”,但公众更普遍认可2013年为大数据元年。大数据欲践行从“数据-理论-科学”的发展历程,实现清晰的科学框架、学科分化整合、整体系统化,形成有独立研究对象、理论、研究方法和范式的科学体系,仍然面临着三个困境:第一,大数据领域人才极端匮乏。《哈佛商业评论》近期声称,数据科学家将成为21世纪最性感的工作。大数据人才的匮乏可见一斑。如何培养一批有知识、有能力、懂技术的大数据人才,培养造就世界水平的大数据科学家、科技领军人才、卓越工程师、高水平创新团队已成为当务之急。第二,横断科学融合极其困难。大数据是一门横断科学,需要有机融合社会学、传播学、管理学、网络科学、新闻学、工程科学等众多的学科门类。其横断程度之广,涉猎门类之多,交融领域之深,均给大数据科学理论构建和完善带来了难以想象的困难。第三,大数据领域技术亟需完善。大数据需要做好与传统技术的衔接,需要有机融合物联网、云计算等新兴技术,需要不断根据领域拓展的实际需求完成技术创新。具体而言,亟需构建大数据通信、采集、表示、存储、管理、融合、开发、分析、决策等一系列技术。
提升网络舆情大数据治理能力的前瞻性思考
基于大数据的网络舆情治理成为我国网络舆情治理未来的发展趋势,而当前我国网络舆情治理无论是国家战略、生态环境和技术支撑都存在着发展困境,一定程度上造成网络舆情治理体系脆弱和发展乏力。为此,有必要采取针对性措施破解基于大数据的网络舆情治理的瓶颈,增强网络舆情治理的针对性、有效性、科学性和持续性。
第一,加强统筹协调和顶层设计,构建网络舆情大数据治理国家战略
党的十八届三中全会吹响了“推动国家治理体系和治理能力现代化”号角,作为国家治理体系的一部分,在网络舆情治理领域,大数据就是推动网络舆情治理现代化的一种技术路径和现实选择,它具有催生网络舆情监管和引导模式创新的效果,必将给网络舆情治理带来清新空气和崭新气象。必须着眼国家网络安全和舆情健康发展大局,加强统筹协调和顶层设计,构建网络舆情大数据治理国家战略。要坚持积极利用、科学引导、依法管理的方针,提升利用大数据依法管理网络的机制,完善互联网舆情治理领导体制。统筹协调各个地区、领域的网络舆情治理重大问题,完善组织管理体系。国家网络安全和舆论宣传相关职能部门,须进一步明确网络舆情管理职责、整合大数据资源、健全网络信息公开与共享机制,优化利用大数据治理网络空间组织体系。
第二,创新协同治理模式,构筑网络舆情大数据协同治理新常态
党的十八届三中全会提出,要改进社会治理方式,坚持系统治理,加强党委领导,发挥政府主导作用,鼓励和支持社会各方面参与,实现政府治理和社会自我调节、居民自治良性互动。网络舆情大数据协同治理是社会治理在网络空间领域的具体体现,也要通过创新社会管理方式实现到社会治理模式的理念升级。
坚持在实践中探索形成有效的体制机制,正确处理好管理与治理、维稳与维权、活力与秩序的关系,创新网络舆情治理方式,以维系良好舆论生态为重点,统筹抓好网络生态发展、网络治理创新和网络和谐稳定等各项工作,促进公众吐纳民意、网络繁荣有序。注重发挥人民群众、社会组织在网络治理中的主体作用,不断完善法治、德治、自治相结合的网络治理机制,激发社会治理热情,形成治理合力。通过创新协同治理模式,强化道德约束,规范网络行为,调节公众利益,协调社会关系, 构筑网络舆情大数据协同治理新常态。
第三,加快立法创新实践,推动依法治网进程
运用法治思维和法治方式依法管网、依法治网,是深化网络舆情治理改革、推动网络舆情健康发展、化解网络矛盾、维护网络舆论稳定的利器和保障。一是加快网络舆情立法,做到网络舆情治理有法可依。出台体系完备、有机衔接、可操作性强、紧跟网络发展趋势、体现大数据新技术特点的网络管理法律法规,构建由法律、行政法规、部门规章和司法解释共同组成的规范系统的体系。二是加快网络实名制进程。通过立法,规定公众网络实名制的程序、机制和约束。第三,通过立法保护个人隐私、公共利益和国家安全。明确个人隐私、行业信息、国家数据的拥有权、存储权、管理权和使用权,对泄露相关数据、利用数据牟利的不法行为依法予以严惩;强化企业的安全义务、行业的社会责任、政府的网络监督等制度性安排和技术性保障。
第四,完善网络舆情监管体系,助推网络舆情大数据治理科学化进程
当下,网络舆情治理创新,重点要完善大数据监管体系,构筑大数据研判体系,利用大数据实现对纷繁复杂的网络舆情的准确分析和挖掘,不断提高网络舆论引导能力和水平,推动网络舆情治理科学化进程。
一是创新大数据监管的手段和措施。大数据技术在碎片化信息中建构主动搜索引擎,实现网络用户个人信息、痕迹数据的全景式汇聚,从而可以准确地刻画出每个网民的网络肖像,实现对网络的精准化管理。同时,通过深度挖掘网络全景数据,构建网络舆情的过程化研判方法,使网络舆情真正实现“分析过去,研判现在,预测未来”的思维转型和技术变革。二是提高大数据辅助决策的能力和水平。利用大数据辅助决策的能力和水平已成为衡量各级领导干部领导水平和执政水平的不可或缺的内在要以和重要测度。网络舆情主管部门运用大数据管理思维、工作模式、技术方法引导公众树立理性思维,在网络舆情引导过程中既要能恪守法治底线,又要能融法、理、情于一体,将公众的利益诉求和各类社会热点难点问题的解决引导到法治轨道上,倡导公众依法维权、理性维权。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 8-1 Pandas 数据重塑 - 数据变形 数据重塑(Reshaping) 数据重塑,顾名思义就是给数据做各种变 ...
2024-11-26统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22