此文为2019年度“人民网奖学金优秀论文奖”获奖论文。

【摘 要】社交媒体时代，公共危机事件的应对面临舆论引导与情感引导两方面的挑战。本研究聚焦于长春长生问题疫苗事件，基于“情景式危机传播理论”（SCCT）和“整合危机图示理论”（ICM）, 采用文本分析和内容分析法通过比较研究危机爆发不同阶段，公众在政务微博下评论区的情感表达与在相对无引导的热门话题中的情感表达之间的异同，探讨政府如何运用危机传播策略对公众的负面情感进行疏导，进而为社交媒体时代政府应对公共危机事件提供借鉴。

【关键词】突发公共卫生事件；政府危机传播；疫苗安全；情感引导

一、前言

《疫苗之王》刷屏，所有涉案疫苗被封存，“彻查严管，给民众一个明明白白的交代”。长春长生问题疫苗事件无疑是2018年最大的公共危机事件。CNN报道指出：从过去十年产生的舆论来看，疫苗危机将破坏中国政府重建公众对中国食品和药品的信任的计划[1]。

社交媒体时代公共卫生事件具有巨大的破坏力，政府扮演着舆论引导和危机处理的重要角色。长春长生问题疫苗事件中，国家药品监督管理局和国家卫生健康委员会分别利用官网、微博和微信等媒介及时向公众传递信息，并与地方各省、自治区、直辖市及新疆生产建设兵团形成同频联动，借危机事件与公众互动，疏导其情感，化“危”为“机”，具有一定的研究价值。

二、文献综述

新媒体平台的兴起为政府开展危机传播提供了新的机遇。学者们或是聚焦新媒体环境下政府危机传播的治理体系以及舆情应对策略研究（崔敏、田香凝，2013；刘绍芹，2013；卢川，2014；梁芷铭，2014；唐江桥，2015；迟玉涵，2016；谢起慧，褚建勋，2016；袁靖华、郝文琦，2016）；或是关注新媒体时代政府的危机传播困境与政府形象塑造（许静，2013；张亚琼，2015；王宇琦、陈昌凤，2016；胡洁、谢明荣，2016；庄廷江，2016；张丽，2018；郭梦莹，2019）；近两年来，也有学者基于库姆斯的危机传播应对理论——情境式危机传播理论（SCCT），探讨社交媒体环境下，这一理论是否适用于中国特色的政治制度、政治文化、媒介环境等（周国萃，2018; 史安斌、邱伟怡，2019）。研究发现，政府的危机传播研究较少涉及社交媒体生态中公众情感这一重要因子。

在社交化和情感化的新趋势下，在线社交网络已成为突发公共卫生事件舆情传播的重要平台。最近的研究表明，社交媒体即使没有任何非语言介质的存在，也能够成功进行情绪传播。有研究刻画了2011年中国微博用户的情绪变化（Zhao, J.C, Dong, L., Wu, J.J, et al.，2012），它将微博情绪分为喜悦、愤怒、悲伤、恶心，进而发现诸如春节、新年前夜、市民抢购食盐、日本地震、动车事故这样的热点事件往往与负面情绪的波动有很大关系，因此，负面情绪的探测可以用来分析热点事件。另一项研究表明，愤怒情绪相较于伤心、喜悦、恶心更容易在微博中传播，而这种愤怒情绪往往与现实公共事件相关，如食品安全等热点事件（Fan, R., Zhao, J.C, Chen, Y., et al.，2014）。这使得危机传播中的情感疏导被上升到了与舆论层面的引导同等重要的地位（史安斌、邱伟怡，2018）。

因此，本案例研究聚焦于“长春长生问题疫苗”这一重大舆情事件，探究社交媒体时代政府的危机传播策略是否奏效？是否对公众的情感引导起到积极的作用？希望能弥补政府危机传播中情感引导研究的不足，同时丰富社交媒体时代危机传播的案例库。

三、研究方法

本文运用文本分析与内容分析的研究方法，通过比较分析危机爆发不同阶段，公众在政务微博下评论区的情感表达与在相对无引导的热门话题中的情感表达之间的异同，考察政府的危机传播策略是否对公众起到了情感引导的作用。

文本分析以SCCT 危机传播理论为工具，用于研究“长春长生造假疫苗”事件中政府的危机传播策略。选取“@健康中国”和“@中国药品监管”发布的从2017年11月3日到2019年5月31日与长春长生问题疫苗相关微博为样本，经统计得到有效样本80条。

内容分析借助整合危机图式理论，用于研究政务微博下公众的情感表达和自由讨论下的公众情感表达。样本的选取结合史蒂文·芬克危机传播四段论模型和公式Y=X／80*100（X为每一个危机传播阶段，卫健委和药监局发布关于长春长生问题疫苗事件的微博总数，Y为相对应的阶段应该抽取的评论数），最终在潜伏期、爆发期、蔓延期和恢复期随机抽取政务微博下公众评论的有效样本分别为12条、10条、74条、4条，自由讨论下公众原创微博的有效样本分别为18条、7条、110条和15条。

四、案例分析

“长春长生造假疫苗”事件可追溯到2017年11月3日，原国家食药监总局公布的长春长生生产的201605014-01批次和武汉生物生产的201607050-2批次，“百白破疫苗”效价指标不符合标准规定，要求停用相关批次的疫苗。之后，2018年7月6日至8日，国家药监局会同吉林省药监局对长春长生进行飞行检查。然而，检查也只是程序性的例行公事，并未能及时发现长春长生疫苗存在的潜在问题，为后来“长春长生问题疫苗造假”事件埋下隐患。《疫苗之王》一文刷屏后，“问题疫苗”引爆舆论。吉林长春长生公司问题疫苗案件暴露出原国家食品药品监督管理总局、国家药品监督管理局相关工作人员在监管、监督、审查等方面失察失责，使政府的公信力受到损害，从而把政府置于危机情境之中。

（一）政府的危机传播策略分析

美国著名危机管理专家蒂莫西·库姆斯 （W . Timothy Coombs）提出的情境式危机传播理论（Situational Crisis Communication Theory，简称 SCCT），是最为典型的危机传播理论之一，它主要由三部分组成：危机情境、危机回应策略、危机情境与回应策略的匹配系统（周国萃，2018）。该理论认为危机管理者可以根据不同危机情境选择匹配的危机回应策略。

1. “长春长生问题疫苗”事件的危机情境分析

危机情境作为情境危机传播理论的核心，库姆斯经过不断探索和完善，2007年，他将危机情境的四个维度界定为：危机种类、证据真实性、危机伤害程度、组织过往表现（Coombs、W.T，2006）。参照库姆斯提出的 SCCT 理论，结合中国的本土化语境，笔者对“长春长生问题疫苗”事件中政府的危机情境进行分析（如表1）所示：

需要指出的是，在本次危机情境的划分中，由于涉及的利益相关主体比较复杂，不同主体从各自的立场和角度出发，对政府责任的界定存在一定的争议。如以“飞行质检失察”这个情境为例，一方面，疫苗造假是吉林长春长生公司的刻意隐藏，政府的程序性检查并不存在问题，无直接责任，应属于事故型；另一方面，政府作为监管的公权力部门，理应承担保障人民生命不受损害的职责，疫苗出现问题，说明政府失职，应划分到受害型。

2.“长春长生问题疫苗”事件中政府的危机传播策略

根据“长春长生问题疫苗”事件的发展进程和舆情转变，本文结合斯蒂文·芬克的四段论模式对此次危机事件的阶段定位，如表2所示。

库姆斯的SCCT理论归纳总结了四种最为广泛的危机传播策略（Coombs、W.T，2007），分别为：“否认型”“淡化型”“重塑型”和“支持型”。其中， “否认型”策略包含回击指控、直接否认、指名替罪羊 3 个子策略；“淡化型”策略包含寻找借口和寻找合理性2个子策略；“重塑型”策略包含进行补偿和郑重道歉2 个子策略 ；“支持型”策略包含提醒、迎合、共鸣3 个子策略（史安斌、邱伟怡，2018）。

参照库姆斯的SCCT危机传播策略框架并结合斯蒂文·芬克的危机传播四段论，本文对@健康中国和@中国药品监管 发布的与长春长生疫苗事件相关的80 条政务微博进行文本分析，总结和提炼出此事件中政府采取的危机传播策略如表3所示。

 

根据SCCT理论，不同的危机情境应采取不同的危机传播策略。当处理“错误型”危机时，组织可采用“否认型”“淡化型”“支持型”；当处理“事故型”危机时，组织可采用“重塑型”沟通策略。因此，从表格中可以看出，本次政府的危机传播策略与SCCT理论的建议相契合。

笔者在对“@健康中国”和“@中国药品监管”的微博进行文本分析时发现，在危机的爆发期，政府的政府微博发布数最少，只有2条，但所发布的微博不回避社会关切，具有少、快、准的特征。如“新闻 | 国家药监局飞检长春长生发现违法违规行为及时控制涉事狂犬病疫苗未流向市场”；在危机蔓延期，政务微博发布具有条数大、形式多样、频率高，持续时间长的特点。由此可以看出，在危机传播策略中，政务微博的发布特征与芬克所描述的危机传播四段论的特点具有某种关联性。此外，无论是卫健委的官方微博还是药监局的官方微博，二者之间相互转载、联合发布公众迫切需要的有关“长春长生疫苗”的信息，从而形成传播的联动效应，提升传播效果和传播的影响力，这点值得借鉴。

（二）公众的情感表达

情感表达正在成为社交媒体主流叙事方式之一（冯杰、唐亚阳，2017）。探索社交媒体情感表达有助于我们更深入认识和理解政府在危机事件中的危机传播策略。微博作为一个“广场”式的情感表达平台，因其开放性、扁平化、滚动传播等特征，成为“问题疫苗”事件利益相关方话语博弈与情感传播的舆论场。

为理解公众面临危机时产生的复杂情感，“整合危机图式”（Integrated Crisis Mapping，ICM）理论提炼了四种主要的负面情感: 愤怒、伤心、恐惧、焦虑，这些情感将影响公众对危机传播策略的偏好，以及对组织所采取策略的接纳度（史安斌、邱伟怡，2018）。

1.政务微博下公众的情感表达

在“长春长生问题疫苗”事件中，政府为了修复监管不利的形象以及消除民众对国产疫苗不安全的恐慌，从疫苗事件的潜伏期到恢复期，根据危机阶段的特征，采取了多种传播策略，笔者从80条政务微博下筛选100条公众评论时带有情感倾向的文本进行内容分析，得到如（表4）所示的结果。

由表4中可知，伴随危机的发展，表达愤怒的占比逐渐下降：危机潜伏期为50%；危机爆发期为40%；危机蔓延期为37%，而危机恢复期则鲜少看见愤怒的评论。根据ICM理论，愤怒作为一种与归因有关的情感，此类情感往往针对的是危机主体。因此，仅从政务微博的内容分析上看，愤怒情感的渐变减弱化，一定程度上反应了政府危机传播策略有效缓解了公众的负面情绪。这种有效性有待通过研究自由讨论下公众自发的情感表达来检测。

2. 自由讨论下公众自发的情感表达

所谓的自由讨论不是政务微博或者媒体、大V下的评论，而是公众个人发布的与长春长生疫苗事件的原创微博。这些原创微博既包括转发加自己评论的微博，也包括纯原创的微博。本研究对150条公众自发的带有情感倾向的微博进行内容分析，其结果如（表5）所示。

从表5中可以看出，在危机潜伏期、爆发期及蔓延期，所涉及的情感类型以“归因相关”的情感最高，“愤怒”的占比一直居高不下，所占比均达到50%左右，情感的表达具有针对主体的强烈性。

3. 政府的危机传播策略对公众情感的影响

为了检视“长春长生问题疫苗”事件中，政府的危机传播策略是否对公众的情感表达产生影响，本研究将政府政务微博下的公众情感表达（表3）和自由讨论下的公众情感表达（表4）进行比较分析。如图1所示。

总体上看，政府在危机发生的各个阶段分别采用了不同的危机传播策略，包括支持型、淡化型、重塑型。在危机传播的策略中，它们并不是泾渭分明的，有时也可以相互交叉、相辅相成，比如蔓延期以重塑型为辅、支持型为主，在恢复期以支持型为，重塑型为辅。

由图1可以直观地看出，相比于无政府、媒体和大V干预之下的自由讨论区的公众的情感表达，政务微博下与“归因相关”的情感表达，如喷怒有明显的降低趋势；表示支持的情感表达在两种情境下都有明显的提升；而与“归因无关”的负面情感如焦虑、伤心等也呈现出明显的差异性。在政务微博下，焦虑的情感随着危机进展的递进以及危机传播策略的干预，显著下降直至消失；而自由讨论之下，焦虑的负面情绪持续盘亘在潜伏期、爆发期和蔓延期。政府的危机传播策略与公众的情感引导成正相关关系，即危机传播策略得当，公众情感得到有效地疏导。

五、总结与讨论

综上所述，长春长生问题疫苗事件中政府的危机传播为后续的实践提供了借鉴，堪称社交媒体时代政府危机传播的典范。总体来看，复合式的危机传播策略比单一式的危机传播策略，对于化解公众的负面情绪更为奏效，尤其在危机蔓延期和衰退期，重塑型+支持型的组合策略对恢复信任起到积极的作用。此次危机事件，由最初的被动解释到后来的掌握主动权、积极答疑给出处理方案，政府跨地区、跨部门的合作联动是非常值得肯定的。

但是通过对公众的评论分析发现，政府对公共卫生事件的舆情回应仍存在一些问题。

首先，无论是药监局还是卫健委都选择关闭了官方微博的评论功能，这导致公众在危机的潜伏期、爆发期和蔓延期以愤怒为主的负面情绪居高不下。其根源在于评论区不能发言，公众认为这是政府心虚和逃避责任的表现，因而更多的将负面情绪通过转发微博或在自由讨论区发布原创微博来表明自己的态度，引发了更大的次生舆情危机。

其次，危机蔓延期出现了很多戏谑式的情感表态，这种情感是超越ICM理论之外的一种情感图示。主要原因是关闭评论功能后，@健康中国和@中国药品监管未充分成为舆论引导的主阵地，使得官微成为信息发布的单方面告知平台，公众的疑虑不能第一时间得到解答，从而使得危机蔓延期政务微博下公众的焦虑占比为四个阶段最高，达到25%。

此外，在危机潜伏期，针对已经爆出的百白破疫苗效价标准不符合，政府的危机传播策略仍是单一的支持型，并且为了安定人心，发布《我国已建立覆盖疫苗全生命周期监管体系》的文件，之后又爆出狂犬疫苗违规生产事件，使得公众对政府的信任大大降低。而在危机的蔓延期，主要采用重塑型危机传播策略，卫健委和药监局联合连续发布了《接种长春长生公司狂犬病疫苗续种补种方案解读》、《关于长春长生公司狂犬病疫苗接种者续种补种有关费用问题的通知》以及《关于转发接种长春长生公司狂犬病疫苗续种补种专家建议的通知》，成功转“危”为“机”，不仅化解了公众的恐慌，而且成功进行了疫苗知识科普。

因此，在公共卫生事件的危机传播中，政府应该发挥两微一端作为舆论阵地的作用，不能仅停留在发布和告知信息层面，更要用好评论功能，及时与公众互动答疑，要让公众感受到舆情是有入口的，内情也是有出口的，这样方能避免次生舆情发生，以免公众陷入“疑者恒疑”的怪圈。更为重要的是，政府应该建立危机传播的科学治理体系，用好复合式的危机传播策略，尤其在对政策解读时，可借助图说政策或者小视频的形式形象贴近地告知公众，使得公众对政策的理解与政府保持同频。在众说纷纭之际，人的本能反应就是把问题往最严重想。疫苗问题的复杂性就在于，如果人们因恐慌而不打疫苗，会造成更大的危害。

六、研究局限与展望

由于微博评论功能的关闭，因此本研究案例中的评论样本只能选取公众转发卫健委和药监局的微博时所作的评论，这可能会与真实的评论形成不可避免的误差。此外，由于疫苗危机事件在英国、美国等地均有先例可循，所以此次问题疫苗事件也是得到了国际媒体的广泛关注，CNN、BBC、路透社、纽约时报、每日邮报等均对此事进行了报道，因此未来的研究可基于在国外舆论场上引发的关注和讨论进而探讨危机传播的“跨国化”趋势。

【注释】

[1]外媒是如何看中国“疫苗危机”的？[OL].http://www.biotech.org.cn/information/155344.

【参考文献】

[1]史安斌,邱伟怡.社交媒体时代政府部门的危机传播与情感引导——以深圳滑坡事故为例[J].现代传播(中国传媒大学学报),2018,40(04):34-41.

[2]周国萃. 社交媒体时代甘肃地方政府的危机传播应对分析[D].兰州大学,2018.

[3]Coombs, W.T. The Protective Powers of Crisis Reputational Assets During a Crisis Response Promotion [J].Journal of 12(3/4): 241-260.

[4]Coombs,W.T.ongoing crisis communication: Planning, managing, and responding[M]2nd edition.London: Sage, 2007.

[5]冯杰,唐亚阳.社交媒体情感化表达与传播效果的关系——以微信公众号文章情感化表达为例[J].新闻界,2017(02):70-74.

[6]崔敏,田香凝.环境危机传播中的政府舆情应对分析——以广西龙江河镉污染事件为例[J].新媒体与社会,2013(03):242-256.

[7]卢川.新媒体环境下政府危机传播的治理体系初探[J].河南社会科学,2014,22(09):114-118+124.

[8]唐江桥.新媒体环境下政府危机传播应对策略[J].人民论坛,2015(21):48-50.

[9]迟玉涵.新媒体环境下政府危机传播的治理建议研究与讨论[J].新媒体研究,2015,1(19):3-4.

[10]谢起慧,褚建勋.基于社交媒体的公众参与政府危机传播研究——中美案例比较视角[J].中国软科学,2016(03):130-140.

[11]袁靖华,郝文琦.中美政府社交媒体的公共危机传播比较研究——以天津爆炸、波士顿爆炸等突发公共危机事件的传播为例[J].浙江传媒学院学报,2016,23(04):22-32+151-152.

[12]张亚琼.危机传播中的政府角色与形象建构[J].新闻研究导刊,2015,6(07):165-166.

[13]王宇琦,陈昌凤.社会化媒体时代政府的危机传播与形象塑造:以天津港“8·12”特别重大火灾爆炸事故为例[J].新闻与传播研究,2016,23(07):47-59+127.

[14]张丽.新媒体时代危机传播视域下的政府形象塑造研究[J].内蒙古财经大学学报,2018,16(05):78-81.

[15]郭梦莹.刍议新媒体时代危机传播视阈下的政府形象塑造[J].办公室业务,2019(07):177.

[16]许静.社会化媒体对政府危机传播与风险沟通的机遇与挑战[J].南京社会科学,2013(05):98-104.

[17]胡洁,谢明荣.自媒体语境下公共危机传播问题及政府管理路径探析——以天津“8·12”滨海新区爆炸为例[J].经济研究导刊,2016(18):166-168.

[18]庄廷江.自媒体环境下政府危机传播的困境与路径——以天津港“8·12”特大爆炸事故为例[J].中共南京市委党校学报,2016(02):43-47.

[19]刘绍芹.危机传播管理中政府公信力“话语权”的建构[J].东岳论丛,2013,34(05):84-87.

[20]梁芷铭.政府官方微博危机传播及其话语建构研究:以新浪微博“北京发布”为中心[J].新闻界,2014(11):45-53.

[21]Zhao, J.C, Dong, L., Wu, J.J, et al. Moodlens: an emoticon-based sentiment analysis system for Chinese tweets[C]. Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2012.

[22]Fan, R., Zhao, J.C, Chen, Y., et al. Anger is more influential than joy: Sentiment correlation in Weibo[J]. PLOS ONE, 2014, 9(10): e1110184.

分享让更多人看到