主流媒体对"新冠肺炎"疫情报道的内容分析

——以《人民日报》微博为例齐志远(上海大学马克思主义学院,上海,200444)摘要:基于清博舆情爬取《人民日报》官方微博有关"新冠肺炎"疫情的报道,对相关报道的数量变化趋势、报道议题内容分布以及报道的情感倾向进行分析,分别对报道数量与疫情发展、报道议题与报道情感倾向进行相关性分析.
结果显示,在加速期阶段,疫情受关注程度高,新增病例数量直接影响疫情报道的数量变化.
而在起伏期阶段,舆情扩散放缓,疫情发展与报道数量变化不相关.
《人民日报》报道的情感倾向以中性为主,通过调整起伏期内报道议题,官媒评论的报道明显增加,有关知识普及的报道数量明显减少,中性报道的占比下降,正面、负面报道占比则对应增加,引导网络舆情的走向.
关键词:主流媒体;新冠肺炎;疫情报道;人民日报;内容分析中图分类号:G212.
1文献标识码:A一、问题的提出"新型冠状肺炎(COVID-19)"(简称"新冠肺炎")最早于2019年12月被发现,在武汉市广泛流行,于2020年1月20日左右爆发,随春运期间的人口流动逐渐扩散至中国其他省份.
截止1月28日,全国"新冠肺炎"确诊病例达5974例,"新冠肺炎"感染人数已超过SARS,成为.
截止2月2日,全国"新冠肺炎"累计死亡病例361例,死亡人数已超过SARS死亡病例349例.
2月28日,世卫组织将"新冠肺炎"在地区及全球风险级别提升为最高级别"非常高".
截止2月29日,"新冠肺炎"已扩散至全球范围内56个国家.
"新冠肺炎"疫情的发展,引发了全国人民的高度关注,成为媒体竞相报道的热门话题.
党和国家也通过《人民日报》、《央视新闻》、《中国日报》等主流媒体向全国人民公开疫情信息,疫情信息公开成为疫情期间社会治理的一部分.
在新媒体时代,政府在应对各种突发事件时,应采取开诚布公、积极回应的态度,以信息公开赢得民众的信任和支持,有利于维持和提升政府公信力[1].
对突发事件报道的研究是舆情研究中的重要领域,而疫情、公共卫生事件对政府公信力的影响更是高于普通突发事件,因此相关研究更应受到重视.
疫情报道、公共卫生事件报道的研究通常归于突发事件报道研究的范围内,大致可以分为三个阶段.
第一阶段是1999年到2007年,焦点在于实践层面,主要对突发事件报道的分类、组织实施、运行机制、策划等以及报道策略、报道技巧等方面进行研究.
其标志是1999年蓝鸿文在《新闻界》上发表的《突发事件的采访与报道——现代新闻采访新问题探索之三》,该文开启学界对突发事件实践研究的关注,详细论述突发事件的种类、特点以及事件采访和报道的要求[2].
第二阶段为2008年到2011年,在深入研究报道策略的基础上,开始关注突发事件报道对社会舆论、政府治理等方面的影响.
第三阶段为2012年至今,突发事件报道的研究对象逐渐由传统媒体转向新媒体、融媒体,内容更加细化,除了报道策略外,还涉及到传播模式、舆论引导等多个方面.
总之,国内对突发事件报道的研究内容涉猎广泛、方法多样,且研究内容与现实联系紧密.
这为本研究的方法、思路和内容的选择奠定基础.
然而相关研究的对象多为周期短、爆发速度快的突发事件或公共卫生事件,对于周期较长的事件关注度较低,仅有6篇论文,分别涉及到非典、禽流感、埃博拉、鼠疫.
研究对象也主要是各类报纸等纸质媒体,对微博、微信的研究较少.
在研究方法方面,统计分析法多采用基础的描述统计,其他量化研究方法http://www.
sinoss.
net-2-较少.
上述问题正是本研究试图突破和完善的内容.
本研究选择《人民日报》官方微博对新型冠状肺炎的报道作为研究对象.
在疫情期间,以《人民日报》为代表的官方媒体,成为政府公开疫情信息的主要渠道,充分发挥网络媒体的优势,采取微博报道与网络发布会相组合的形式,极大推进疫情公开的力度,提升政府应对突发公共事件的反应能力.
以《人民日报》官方微博作为样本源有如下优势:作为中共中央机关报,它代表了官方话语体系,具有新闻话语上的权威性、典型性;《人民日报》微博的传播速度快、数量较多、密度较大,样本具有代表性;《人民日报》微博疫情报道的文本资料易于获取,且连续性极强,便于研究报道的变化趋势.
同时,微博报道对事件的关注持久性以及关注敏感度要高于传统媒体,尤其对突发事件的反映速度上要明显高于传统媒体,选择微博作为研究对象更具有时效性[3].
此外,清博舆情(http://yuqing.
gsdata.
cn)所建立微博传播指数BCI(Micro-blogCommunicationIndex)能够反映微博账号的传播能力和传播效果[4],在疫情相关微博账号中,《人民日报》官方微博的BCI高达1739,也说明该账号在疫情报道中具有广泛的影响力和传播力.
《人民日报》官方微博首次报道"武汉不明原因肺炎"的时间为2019年12月31日,因此研究的起点为2019年12月31日0时,截止为2020年2月29日24时,通过清博舆情爬取相关文本数据.
综合采用文本分析法和统计分析方法,运用Nvivo对相关微博进行词频分析,使用SPSS对统计数据进行量化分析,揭示疫情报道的变化趋势,通过对《人民日报》微博爬取的相关数据进行分析,揭示疫情扩散与疫情报道之间存在的关联性.
二、研究发现(一)报道概况由通过清博舆情建立"新冠肺炎"舆情监测方案,获取《人民日报》微博相关报道的文本材料,在选取时间跨度范围内,获得有效样本1958条,绘制疫情报道数量趋势图(图1).
图1疫情报道数量趋势图表1《人民日报》每日疫情报道统计表时间样本量平均值标准差合计潜伏期(12.
31—1.
17)181.
060.
99819加速期(1.
18—1.
24)739.
8633.
697279起伏期(1.
25—2.
29)3646.
1112.
9171660图1为《人民日报》官方微博有关"新冠肺炎"的每日报道数量,根据变化趋势结合表1中的数据,可以将报道周期划分为三个阶段:(1)第一阶段为潜伏期,时间为2019年12月31日至1月17日,该阶段相关报道的数量相对较少,合计报道18条,平均每日报道1.
06条,标准差为0.
998.
该阶段"新冠肺炎"未引起媒体的重视,国家卫健委对"新冠肺炎"的判断也是可防可控,因此潜伏期疫情报道的数量持续处于低水平阶段.
(2)第二阶段为加速期,时间为1月18日至1月24日,这一阶段内报道数量激增,于25日到达峰值91条,合计报道279条,平均每日报道39.
86http://www.
sinoss.
net-3-条,报道数量的增长率也迅速提升,《人民日报》微博进行了大量有关疫情的报道.
(3)第三阶段为起伏期,时间为1月25日至2月29日,这一阶段报道的数量合计1660条,平均每日46.
11条,有关疫情的报道数量有所减少,并呈现持续波动的趋势.
疫情报道与"新冠肺炎"疫情本身的变化息息相关,但二者之间的关系仍需进一步讨论.
通过国家卫健委网站(http://www.
nhc.
gov.
cn/),收集"新冠肺炎"每日新增病例的统计数据(由于1月6日至15日新增病例为0例,数据准确性受到质疑,本研究仅选取加速期与起伏期的病例数据进行相关性分析.
).
采用与报道周期相同的分期方式,与每日报道数量进行相关性检验,结果如表2.
表2每日新增病例数据及相关性统计表时间每日新增病例数与每日报道数量的相关性平均值标准差相关系数P值加速期(1.
18—1.
24)170.
86138.
1860.
9310.
002起伏期(1.
25—2.
29)2207.
832532.
2770.
1550.
367突发事件所引发的网络舆情都存在一定的生命周期,舆情发展会由萌发逐渐走向消亡.
而疫情作为一种特殊的突发性事件,其影响周期长,因此疫情所引发的舆情也较长.
在加速期内,每日新增病例数量与每日报道数量的相关性显著(P0.
05).
说明在该阶段,每日新增病例数量的变化,即疫情局势的变化,不直接影响每日报道数量.
换言之,在加速期阶段,疫情的受关注程度急速提高,会导致网络能量开始集聚,舆情也随之发展、扩散,疫情的蔓延直接影响报道数量的增加.
而随疫情的蔓延放缓,突发事件应对机制逐渐介入,舆情的扩散也会放缓,直至达到一个相对稳定的状态,得到初步控制[5],疫情的变化则不再直接影响疫情报道的数量.
(二)情感倾向分析情感倾向分析是清博舆情的一项基本功能,通过对正负面情感词库、大量文档语料库及特殊句法的分析,以算法判别舆情信息中每条内容的情感倾向性,将微博信息分为积极的正面、消极的负面以及纯叙述的中性.
[6]将清博舆情采集文本数据进行分类统计,结果如图2和表3所示.
表3情感倾向统计表图2情感倾向比例图相关内容的报道中,中性报道为1259条、正面报道为495条、负面报道为205条,分别占全部报道数量的64.
30%、25.
28%、10.
42%.
《人民日报》作为官方媒体,其主要责任迅速发布有关疫情事实真相、消除网络谣言、引导公众情绪和社会舆论,因此报道多为中性的、客观性称述,而涉及到价值判断的正面报道和负面报道的数量相对较少.
中性报道符合客观报道原则,即报道内容的客观和报道形式的客观.
坚持疫情报道内容的客观,就是客观事实的报道每日新增确诊、疑似、死亡、治愈病例以及密切接触者数量,不对编造报道内容.
坚持疫情报道形式的客观,是指媒体将对疫情的观点和倾向寓于报道的事实当中,以事实和逻辑呈现报道内容[7].
[7]将报道的情感倾向按照时间和阶段进行分类统计,绘制每日报道情感倾向趋势图(图3)和倾向倾向分期统计表(表4).
情感属性报道数量占比中性125964.
30%正面49525.
28%负面20410.
42%合计1958100.
00%http://www.
sinoss.
net-4-图3每日报道情感倾向趋势图表4情感倾向分期统计表情感倾向加速期起伏期报道数量占比报道数量占比中性21577.
06%102861.
93%正面4917.
56%44526.
81%负面155.
38%18711.
27%合计279100.
00%1660100.
00%在加速期阶段,中性报道、正面报道、负面报道的数量分别为215条、49条、15条,分别占阶段内报道的77.
06%、17.
56%、5.
37%.
因此在该阶段,疫情报道的情感倾向以中性为主,报道主要是陈述客观事实,而非进行价值判断.
在起伏期阶段,中性报道、正面报道、负面报道的数量分别为1028条、445条,187条,分别占阶段内报道报道的61.
92%、26.
81%、11.
27%.
与加速期相比,疫情报道的情感倾向仍以中性为主,但其所占比重有所下降,正面报道和负面报道的比重均有所上升.
该变化符合网民情感"衰减一转移"模型[6],即中性报道的情感倾向趋于衰减,并向正面、负面情感转移,反映在舆情信息上,中性报道数量的增长变缓,而正向、负向情感对应的疫情报道数量增长加快,这导致中性报道的所占的比例下降,正面、负面报道所占比例则对应增加.
而导致变化的原因,需要进一步探讨.
表5每日报道情感倾向及相关性统计表时间情感倾向平均值合计占比报道数量新增病例相关系数P值相关系数P值加速期中性30.
7121577.
06%0.
9960.
0000.
9490.
001正面7.
004917.
56%0.
8990.
0060.
7940.
033负面2.
14155.
37%0.
6490.
1150.
4970.
257起伏期中性28.
56102861.
92%0.
9200.
0000.
1720.
316正面12.
3644526.
81%0.
5790.
000-0.
0500.
771负面5.
1918711.
27%0.
1650.
3350.
1860.
278在加速期,中性、正面报道的数量分别与报道数量、新增病例数量呈现相关性显著,而负面情感倾向的报道则与这二者的相关性不显著,说明中性、正面倾向报道的数量受这两个因素的正向影响.
而在起伏期,中性、正面报道与每日报道的相关性显著,这与加速期相同,中性、正面报道的数量受每日报道总量的正向影响,而这两类与新增病例的相关性不显著,说明不受疫情变化的影响,这和每日报道数量与疫情变化相关性的分析一致.
说明中性报道、正面报道与报道数量的变化趋势一致.
而负面报道,无论是在加速期还是起伏期,都不受二者的影响.
由此可知,《人民日报》微博在进行网络舆论的引导工作,偏向于中性、正向报道,而负面报道主要是对疫情期间瞒http://www.
sinoss.
net-5-报、诈骗等违法犯罪行为进行报道,通过报道不法行为以及惩处结果,试图抑制疫情期间的犯罪行为,实质上也是在控制负面舆论的爆发,对稳定疫情期间的舆情具有积极作用.
(三)报道议题分析主题词是指媒体报道中出现的频率或次数较高的词汇,这类词汇代表了文本内容的核心内容及关键意义[8].
通过对主题词进行排序、分析,确定主题词的重要程度,可以反映媒体报道的文本意义和舆论指向.
"新冠肺炎"报道的主要内容包括疫情及形势描述、政府措施/行动、知识普及、求助/援助信息、辟谣信息、医护人员、官媒评价七个方面,通过Nvivo对报道内容分类进行词频.
在《人民日报》对"新冠肺炎"疫情报道中,"新冠肺炎"、"病毒"、"疫情"、"湖北""武汉"等主题词重复出现,为保证分类讨论的准确性,在对报道议题的高频词统计中去除上述词汇,结果如表5所示.
表6报道议题主题词统计表报道议题高频词疫情及形势描述病例(2715)确诊(1920)新增(1126)感染(965)患者(902)累计(747)出院(631)治疗(545)报告(479)隔离(470)政府措施/行动工作(563)人员(491)卫生(172)管理(170)措施(168)要求(159)发布(152)口罩(145)通知(141)健康(136)知识普及接触(564)密切(474)发热(464)重症(389)医学(372)口罩(344)就诊(335)症状(299)防护(252)临床(247)医护人员医疗队(57)医生(47)人员(46)医护(46)感染(39)驰援(28)医疗(25)工作(25)救治(25)护士(21)求助/捐赠信息物资(115)捐赠(74)医院(40)口罩(33)防护(31)医用(26)社会(26)接受(23)急需(21)红十字会(16)辟谣信息谣言(13)辟谣(10)转发(6)传染(5)信息(5)公安(4)协和(4)机关(4)网上(4)散布(3)官媒评价加油(80)医护(59)中国(54)一起(43)一线(42)致敬(38)社区(32)医生(30)感谢(30)抗击(28)(1)在疫情及形势描述的报道中,使用"病例"、"确诊"、"新增"、"感染"、"患者"、"累计"等高频词,报道政府对每日新增确诊病例、死亡病例、治愈病例等数据以及与疫情发展情况相关的其他信息.
(2)在政府措施/行动的报道中,使用"工作"、"人员"、"卫生"、"管理"、"措施"等高频词,报道中央政府、地方政府为应对"新冠肺炎"所采取的诸多政策、措施.
(3)在知识普及的报道中,使用"发热"、"重症"、"医学"、"口罩"、"防护"、"临床"等高频词,报道有关"新冠肺炎"传播及防护的知识.