公众与医生对不同卫生健康领域热点事件的情绪分析

2019-10-16 02:21刘哲峰何凌南陈立章
中国医院 2019年9期
关键词:词频词数基线

■ 刘哲峰 何凌南 陈立章

随着互联网发展和新媒体平台增加,公众在微博、微信等社交平台上获取、传播信息和观点的现象越来越普及。由于新媒体平台信息传播成本低、渠道多、速度快,且不受地理位置和社会阶层局限,新媒体时代的某个事件或观点比以往更可能产生范围广、程度高的社会影响[1]。而卫生健康领域的事件,由于其重要性和与民众的普遍相关性,容易引发广泛关注和热点舆情,导致公众的持续热议[2]。如何利用新媒体时代提供的机会和资源,把握与卫生健康领域相关的舆情规律和舆论生态,及时发现存在的舆情风险并开展有效的“舆情应对”[3],对卫生健康管理部门提出了新的机遇和挑战。

在此背景下,本研究旨在通过了解公众与医生群体对不同卫生健康领域热点事件的情绪与态度,分析其倾向与特点,为卫生健康管理部门开展针对性的舆论引导提供相关对策建议。

1 数据与方法

课题组根据161个卫生健康领域舆情关键词分别抓取新浪微博平台2016年4月至2017年7月的热点事件文本数据,和微信平台2017年57月的医生公众号文本数据。将微博文本中的卫生健康领域事件划分为“政策决策”和“医疗经历”两个类型;将微信公众号文本中的卫生健康领域事件划分为“政策决策”“医疗经历”和“职业认知”3个类型。应用基于词频统计的文本分析软件LIWC对文本数据进行分析,了解不同群体在不同类型事件中表达出的正负情绪[4]。

进一步将分析所得的微博情绪指数(含有正面或负面词数/总词数)与情绪指数基准线(“情绪指数基准线”来源于课题组用LIWC分析2015-2016年1600万微博用户发布内容的分析结果,反映公众在网络表达中情绪的平均正负程度)进行比较,由此了解和平均程度相比,涉及卫生健康领域的微博文本是否含有更多或更少的正、负情绪。将微博用户文本与医生公众号文本进行比较,了解公众(微博用户所代表的群体)和医生(微信公众号所代表的群体)在同类事件上的感受差异。

2 结果

2.1 微博文本分析

通过关键词抓取2016年4月至2017年7月的热点事件,有14个事件和卫生健康领域关系紧密。其中,“政策决策”类事件4个,涉及微博文本392条;“医疗经历”类事件10个,涉及微博文本1329条。各类型事件所得正、负情绪指数分别见图1、2。

2.1.1 “政策决策”类事件。4个“政策决策”类事件分别为“山东疫苗案处理结果357人被撤职降级”“食药监总局回应气体致盲已罚款518万”“国务院:严重疫苗事件地方领导应辞职”“人社部明年异地就医住院费用直接结算”。

微博用户针对这4个事件发表的讨论总词数为26759,其中含有正情绪的词数为333,正情绪指数为0.0124(333/26759),小于正性情绪词频基线0.0360。含有负情绪的词数为357,负情绪指数为0.0133(357/26759),小于负性情绪词频基线0.0160。

2.1.2 “医疗经历”类事件。微博用户针对10个“医疗经历”类事件发表的讨论总词数为75561,其中含有正情绪的词数为741,正情绪指数为0.0098(741/75561),远低于正性情绪词频基线0.0360;含有负情绪的词数为2657,负情绪指数为0.0352(2657/75561),远高于负性情绪词频基线0.0160。为得出更具体结论,将“医疗经历”类事件分为正面、负面事件,并分别分析。

在10个“医疗经历”类事件中,有3个为正面事件,分别为“黑龙江医生连续手术10小时突发脑溢血倒在手术台”“患者术前留下这样一张字条让主刀医生感动”“西安外科医生用肋骨再造耳朵”。

微博用户针对这3个事件发表的讨论总词数为14908,其中含有正情绪的词数为265,正情绪指数为0.0178(265/14908),小于正性情绪词频基线0.0360;含有负情绪的词数为317,负情绪指数为0.0213(317/14908),大于负性情绪词频基线0.0160。

图1 微博文本正情绪指数

图2 微博文本负情绪指数

在选取的10个“医疗经历”类事件中,有7个为负面事件,分别是“患者做胸腔手术后右肾丢失 院方称肾萎缩”“多种常见止咳药检出硫磺 或涉数家知名药企”“上海1名男婴接种卡介苗后死亡 家属质疑院方失误”“湖南医生被殴致死,细节:被一拳击中脑门”“山东男子暴打医生一幕”“青岛医院违规致9人染乙肝 院长等人被免职”“37岁孕妇医院待产羊水破裂,医生:等我上班了再生”。

微博用户针对这7个事件发表的讨论总词数为60653,其中含有正情绪的词数为476,正情绪指数为0.0078(476/60653),远低于正性情绪词频基线0.0360;含有负情绪的词数为2340,负情绪指数为0.0385(2340/60653),远高于负性情绪词频基线0.0160。

2.2 医生微信公众号文本分析

通过关键词在微信平台上抓取2017年57月由医生微信公众号发出、与卫生健康领域相关的文本共3242个。其中“政策决策”文本662个,“医疗经历”类文本1140个,“职业认知”类文本1440个。各类型事件所得正、负情绪指数分别见图3和图4,“政策决策”类和“医疗经历”类微博、微信情绪指数比较情况分别见图5和图6。

2.2.1“政策决策”类事件。662个“政策决策”类文本的总词数为12900。其中含有正情绪的词数为144,正情绪指数为0.0112(144/12900),远小于正性情绪词频基线0.0360,略小于微博网民正情绪指数0.0124。文本含有负情绪的词数为103,负情绪指数为0.0080(103/12900),小于负性情绪词频基线0.0160,远小于微博网民正情绪指数0.0133。

2.2.2“医疗经历”类事件。1140个“医疗经历”类文本的总词数为22878。其中含有正情绪的词数为265,正情绪指数为0.0184(422/22878),低于正性情绪词频基线0.0360,但略高于微博用户正情绪指数0.0098。文本含有负情绪的词数为629,负情绪指数为0.0275(629/22878),高于负性情绪词频基线0.0160,但不及微博用户在此类事件中的负情绪指数0.0352。

图3 微信文本正情绪指数

图4 微信文本负情绪指数

图5 “政策决策”类事件情绪指数比较

图6 “医疗经历”类事件情绪指数比较

2.2.3“职业认知”类事件。1440个“职业认知”类文本的总词数为28356。其中含有正情绪的词数为687,正情绪指数为0.0242(687/28356),低于正性情绪词频基线0.0360;含有负情绪的词数为413,负情绪指数为0.0146(413/28356),低于负性情绪词频基线0.0160。

3 讨论与建议

基于上述数据,微博文本方面,用户对4个“政策决策”类事件的正、负情绪指数均小于情绪词频基线,反映没有强烈的正负情绪,可能与公众对此类事件的心理距离相关。课题组开展的对“取消药品加成”等卫生健康领域政策的网民态度调查中,公众的正面感受也很有限,能够说明此倾向。微博用户对10个“医疗经历”类事件表达出较低程度的正面情绪、较高程度的负面情绪。具体而言,即使事件本身较为积极正面,微博用户对该类事件也表现出偏负面的情绪。可能的原因:微博用户对“医疗经历”已经形成较负面的刻板印象,这影响了微博用户对具体事件的感受。在“医疗经历”类负面事件中,微博用户表达出的负面情绪尤为突出。课题组开展的对“山东潍坊产妇纱布门”等卫生健康领域热点事件的网民态度调查中,也能够说明此倾向。可能的原因:事件本身的负面性让微博用户产生负面情绪;由于微博用户本身已对“医疗经历”类事件形成负面刻板印象,此类负面事件容易唤起更强烈的负面感受;由于“医疗经历”类事件对微博用户的贴近性,此类事件更容易导致强烈情绪。提示在舆情引导中把握事件情绪结构的必要性[3]。

微信公众号文本方面,医生对“政策决策”类事件感受的正面程度小于平均水平,也略小于普通公众对此类事件的正面感受;医生对“政策决策”的负面感受也小于平均水平,且小于普通公众对此类事件的负面感受。医生群体在“政策决策”类事件上正、负情绪的程度均不高,提示对该群体强化医疗卫生相关政策宣介与解读、加强正面引导,尚有很大空间。对于“医疗经历”类事件,医生微信公众号中表达的正情绪较低,负情绪较高。与微博用户相比,公众表达了尤为多的负情绪,反映出卫生健康领域解决现实问题的迫切性和舆情引导的必要性。医生对“职业认知”的正负情绪指数皆低于情绪指数基准线,说明他们没有对其职业表达出强烈的正负情绪,但总体上正情绪指数高于负情绪指数,说明医生对职业的情绪偏正面。

综上,公众对卫生健康领域的事件容易表现出相对负面的情绪,并且此情绪特征不只受事件本身的特点影响。公众在以往“医疗经历”类事件中积累了刻板印象,他们对“政策决策”类事件没有强烈的感受。不同群体对卫生领域事件的情绪态度有差异。对于“医疗经历”和“政策决策”类事件,普通公众比医生群体对事件的感受更为负面。医生对“职业认知”的表达较为正面,但程度不高。

由此可见,在舆情引导中,把握事件背后的情绪结构,理性面对公众的负面情绪特征,是处置相关舆情的总体基础。其次,在大众传播过程中引导公众多元归因、理性归因,是舆论引导实施的重要策略[5]。即,通过常态或非常态的事件和话题,引导公众从自身的健康风险感知、医院管理面临的挑战、社会的普遍情绪、医疗改革的体制特点等多维角度来思考问题。进而,卫生健康领域的舆情引导应有群体针对性,舆情处置需要采取“内外有别”的差异策略[6],既巩固和强化医生群体已有的相对理性态度、积极心态,又努力减少公众的非理性态度和消极心态。此外,大众传媒关于医生、医院和医疗议题的报道,需要有更加理性、包容、多元和深入的媒介框架。比如媒体报道可从医生个体的职业感受、医院“后台”的运作机制、医疗行业改革的深度报道等角度切入,减少公众的刻板印象,增进公众对医生、医院和医疗行业的理性认识[7]。要高度重视微信、微博、微头条等社交媒体的建设和运营,通过人性化、互动式、视觉化的传播手段提供易于传播、便于接受的报道,塑造卫生健康行业和医生群体的良好形象。突发事件尤其是负面舆情危机事件的应对中,需要坚持信息公开、专业引导,积极澄清谣言、及时发布事实,争夺舆论引导的主动权和突发事件的解释权;特别是要有舆论引导的主体意识,也可借助意见领袖等第三方力量[5]。

猜你喜欢
词频词数基线
基于词频比的改进Jaccard系数文本相似度计算
航天技术与甚长基线阵的结合探索
快速阅读两篇
一种SINS/超短基线组合定位系统安装误差标定算法
词汇习得中的词频效应研究
一种改进的干涉仪测向基线设计方法
词频,一部隐秘的历史
技术状态管理——对基线更改的控制
汉语音节累积词频对同音字听觉词汇表征的激活作用*
阅读训练一