四、对于负熵过程的数据模拟

媒介在自然性熵增过程中之所以能够得以稳定持续发展，主要得益于社会系统在不断地完善与丰富，带来的负熵输入不断增大，系统调适能力也逐步增强。体现在系统指标上是不断地发展与进步。目前的评测方式有诸如层次分析法、“三域”影响力评测法、熵值法等。与前面几种评测方法不同，熵值法在某种程度上可以解决评测时指标权重的主观重视等偏向问题，采用熵值法对融媒体系统进行评价可以很好地反映负熵的输入情况。

Ⅰ. 熵值法计算原理

设定有m个评测指标且每个指标有n个样本值，那么就构成一个指标数据的矩阵X=(xij)m×n。对于每一个指标，如果n个样本值变化大，那么就说明导致样本值变化的原因在增加。即，变异越大的样本值其所包涵的信息量越大，其在评价活动中应发挥的作用就越大，对应的权重也就越大。反之，若某一指标所有样本值均相等，则失去了应有的评价意义。

在信息熵环境中，信息熵H(x)= 是系统无序程度的度量。信息则是有序程度的度量，对此前文有关信息即负熵的论述，强调信息熵与信息的对应关系。熵值法评价的一般步骤如下：

3.计算第j项指标的效用值gj

对于给定的j，xij的差异性越小，那么ej就会越大；而当xij全部相等时，那么ej=emax=1，此时从评价的角度看，指标xj已没有意义；当各样本差值变大时，ej就变小，那么这一指标对评价的意义就更大。效用值定义如下

Ⅱ. 熵值法评价的社会过程

利用熵值法可以很好地确定融媒体评价指标体系的权重，从而计算出各维度和各项指标的评价得分。计算过程大体包括如下几步：一是指标无量纲化处理，二是通过信息熵公式计算出信息熵值，三是根据信息熵值计算效用值，四是根据效用值计算各维度和各指标权重，五是根据指标权重计算各维度和各项指标的最终得分。计算过程如图4所示。

融媒体指标体系的维度评价得分和指标评价得分，充分反映出媒介融合的发展程度。得分越高，媒介融合就顺利，融媒体环境越和谐，表明引入的负熵流越有效。因为各维度与各项指标都具有较强的代表性，所以评价结果分值越低，说明代表方面存在的问题，需要认真分析思考，以期输入更有价值的负熵，以提高媒介融合的水平。

Ⅲ. 融媒体评价参照系的数据选取

评价任何事物优劣，都有确定一个参照标准。前文中对中国东部、中部、西部和东北部进行了传媒发展指数评测。根据建立的融媒体系统指标体系，在参阅了各类相关的指标数据和众多学者研究成果的基础上，对系统指标进行赋值。其中主观部分来源于问卷打分计算。获得的统计结果见表3。

分享让更多人看到