基于大数据的社会心态监测：以重大疫情下社会情绪的演变为例
——基于Twitter和GDELT等大数据的分析
龚为纲等
本文刊发于《社会学研究》2023年第3期，发表时有修改
摘要：本文基于Twitter和GDELT等互联网大数据，结合风险沟通、风险应对等风险治理因素，分析了重大疫情下社会恐慌、焦虑和抑郁等社会情绪的形成和演变机制。研究发现，重大疫情背景下的主要负面情绪包括恐慌、焦虑和抑郁等，这些负面情绪的大规模爆发主要集中在2020年第一波疫情初期，后期的疫情反弹和变异期间尽管也出现负面情绪的波动，但幅度明显要小于第一波疫情。研究发现，负面情绪的演变与媒介信息传播、政府行为等因素具有密切关联，来自新闻媒体中的疫情信息在风险沟通过程中强化公众的威胁感知，构成社会恐慌的触发因素，不过这种激化效应随着时间的推移而弱化，而封锁隔离等风险应对措施则有助于恐慌和焦虑的缓解；封锁隔离所引发的社会压力构成抑郁情绪的主要激化因素，随着抗疫模式从以封锁隔离为主导向以核酸检测、疫苗接种为主导的阶段转变，抑郁情绪总体式微。研究还发现，世界各地区的负面情绪变动，既具有相似性，也具有多样性，这与世界各地区疫情演变与抗疫模式的多样性、以及文化特征等因素密切相关。本研究的主要发现对于重大疫情背景下的应急管理和社会心态引导具有重要参考意义。
关键词：大数据 社会情绪 新冠疫情 Twitter GDELT
一
研究问题
社会情绪是社会心态的重要组成部分，也是社会系统运行状态的晴雨表，透过这一晴雨表有助于研究者监测和理解社会系统的结构特征与运行逻辑。社会系统在正常状态下有一系列社会情绪的表现，在异常状态下也有一系列的情绪表现，尤其是每当重大公共事件爆发时，比如说股市的动荡、帝国的崩溃、战争冲突的出现等，社会情绪都会出现异常变动，透过社会情绪的变动，有助于研究者理解社会系统的运行逻辑。本研究试图以2020-2022年全球疫情期间社会情绪的演变为分析对象，理解重大疫情背景下的政府行为、媒介信息传播等风险治理因素与社会情绪演变之间的内在关联及其逻辑。
百年一遇的新冠疫情在全球爆发，重构了人们的生活世界。在新冠疫情期间，世界主要国家都出现恐慌、焦虑和抑郁等社会情绪的大规模流行。与疫情本身的流行一样，这些负面情绪的大规模流行也构成疫情期间一个非常重要的社会问题。
学界已有研究主要从应激反应的分析框架对这一现象进行解释（Caplan，1964；谢晓非，2005）。不过，由于应激反应主要是在突发事件发生后较短时间内的心理行为反应，一般发生在疫情初期（Philip Strong,1990），对于解释疫情初期较短时间内大众在疫情冲击下的心理反应具有启发意义，但对于刻画新冠疫情这样长达2年以上周期的公共卫生事件下的心理行为反应则力有不逮，因此需要寻找新的分析框架对重大疫情背景下社会情绪的演变机制进行解释。
本研究认为，重大疫情背景下的社会情绪演变是风险社会的经典命题和重要场景，可以结合风险治理的分析框架进行理解。重大疫情下的社会情绪反应，不仅仅是个体在应激源刺激下的心理反应，这些情绪反应高度嵌入在整个社会对风险的建构与叙事、风险沟通、风险应对等复杂的社会过程中，是疫情动态、媒介信息环境、国家的风险应对等多重因素复合的结果，进而可能使得重大疫情下的情绪反应比纯粹的应激反应模型所揭示的结果要更加复杂。因此，有必要在综合考虑多种风险治理因素的条件下，理解重大疫情背景下社会心理危机的演变逻辑。
重大疫情下的风险治理是政府、媒体、专家、公共卫生机构、社会组织以及公众等治理主体在面对疫情风险挑战的过程中，通过风险评估、风险沟通、风险应对等社会过程所实现的多元主体之间的复杂社会互动过程。
其中，风险沟通指的是个体、群体以及机构之间交流有关风险事件的信息和看法的互动过程。风险沟通的目的是向公众提供他们所需的信息，以做出明智的决定，采取适当的行动来保护自己的健康和安全（Shultz等人，2008）。有效的风险沟通可以缓解社会心态的恶化，而无效的风险沟通则会引发社会恐慌，社会恐慌就是风险沟通失效的一种表现，政府的瞒报、虚报导致的信任破裂会引发恐慌，媒体为博取关注而使用耸人听闻的词汇导致的风险放大也会引发恐慌。
风险应对则是缓冲疫情损失的关键，一般而言，在疫情大流行的背景下，主要的风险应对措施包括封锁隔离、核酸检测、疫苗接种以及系列的经济社会支持措施等。在风险情境下，各种类型的政府应急处置行为往往是双刃剑，既有积极正面效应，也有负面效应。比如说，疫情大流行背景下，封锁隔离有助于切断病毒传播的链条，缓解疫情的负面危害，却会中断正常的社会秩序，引发一系列的负面后果，这些社会后果，最终都可能在社会心理上有所反应。
从已有风险治理相关研究来看，风险沟通、风险应对等风险治理因素与社会情绪反应之间具有密切关联，这是因为风险沟通在整个风险治理的过程中影响着公众的风险感知和对风险的判断，而危机情境下的风险应对则往往是双刃剑，在应对风险的同时产生新的不确定性和风险以及次生灾害，经常使得社会进入到非正常的紧急状态，正常的经济社会运行受到影响，由此而给民众生活带来挑战，进而引发社会情绪反应（珍妮.X.卡斯帕森，2010；时勘，2003；王俊秀，2020）。本研究试图从风险沟通、风险应对等因素理解重大疫情背景下社会情绪的演变机制。将风险沟通、风险应对等风险治理因素纳入分析框架，建构一个综合性的分析框架，理解重大疫情背景下社会情绪演变的逻辑。
本研究试图回答，在这次新冠疫情大流行的背景下，社会心理危机呈现出怎样的演变特征？从风险沟通的角度看，媒介在风险沟通过程中发挥了怎样的作用？对大众的情绪反应产生了怎样的影响？从风险应对的角度来看，不同类型的政府行为、风险应对措施对大众的情绪体验产生了哪些积极影响？又具有怎样的社会心理代价？不同抗疫模式与文化特征下的情绪反应存在怎样的差异？这对未来的应急管理和社会心态引导具有怎样的启示？
本研究试图从大众情绪反应的角度，分析重大疫情下的风险沟通、风险应对等风险治理因素对社会情绪的影响，通过大众情绪反应，重新审视抗疫过程中的风险沟通、风险应对在社会心理上的积极效应及其社会心理代价，进而为未来突发公共卫生事件下的风险治理与社会情绪引导提供参考与启示。
二
分析框架
01
威胁感知、应对效能与社会恐慌的演变
恐惧属于人与动物共有的原始情绪，常具有较高的紧张性,指的是一种企图摆脱已经明确的，有特定危险的、会受到伤害或生命受威胁时的情绪状态。焦虑也是风险情景下最常见的情绪反应，是指人们预期到将要发生危险或不良后果的事情时所表现出来的情绪状态。焦虑与恐惧都是人受到威胁和处于危险情境中的退缩或逃避的体验和行为。恐惧的适应作用是向个体“通报”外界情境将要带来危险或威胁，驱使个体采取应付策略或行动，去躲避自身的处境。然而当应付尝试一旦失败，危险和威胁长时间持续存在或程度加重而意味着个体无力应付时，它的信号意义就不再是通报信息，而变成个体无法驾驭的负担，这时恐惧就转化为焦虑。鉴此，焦虑可被看作“未解决的恐惧”,或者说，是随着对威胁的知觉而转化为适应不良的唤醒状态(Epstein,1972)。
恐惧情绪多出现于个体层面，而群体对某一个威胁事件或信息引起的极度不安，则被划分为“恐慌”（尹恩·罗伯逊，1988）。恐慌是“大多数人对现实或预期中所存在的威胁的集中反映，属于大众共有的情绪体验”（孙元明，2020）。
恐惧、恐慌等情绪反应是重大疫情下负面情绪反应的典型表现，从已有研究来看，社会恐慌、恐惧、惊恐等主要与人们在风险场景下的风险感知有关系，风险感知受一组核心因素影响。在过去几十年的风险感知研究中，吉尔伯特·怀特(Gilbert White)、阿莫斯·特沃斯基(Amos Tversky)、丹尼尔·卡尼曼(Daniel Kahneman)、巴鲁克·费施霍夫(Baruch Fischhoff)和保罗·斯洛维奇(Paul Slovic)等学者在风险感知方面作了大量令人印象深刻的研究。他们发现，人类似乎出于类似的原因害怕类似的事情(Slovic, 2000)。在风险情境下，大多数的公众依赖直觉判断风险，这通常被称为风险感知。风险感知的研究表明，人们对风险的反应并不是内在的“理性”风险分析，在我们试图判断危险时，运用我们的直觉、价值观和本能进行风险判断。“风险的一个重要组成部分不是物理危害本身，也不是我们暴露在多大程度的物理危害中，而是我们如何看待这种危害和暴露。”风险感知有助于解释为什么我们的恐惧往往与事实不符。正是因为判断风险依赖直觉，而直觉经常在一系列因素下被扭曲，进而使得人们的风险感知经常与客观风险不符合（David Ropeik，2010）。
更详细地说，风险感知的相关研究发现（David Ropeik，2010），在风险情境下，人们的恐慌与害怕情绪主要由风险情景下的以下几个因素决定：对危险的知觉与意识、应对效能与控制感、以及风险的新奇性、陌生性、危害性等特征。透过这些因素，有助于我们理解风险情境下社会恐慌的演变机制。
①对风险的知觉与意识（Awareness）。我们越意识到风险，就越有可能担心它。当媒体充斥着对正在进行的疫情风险进行报道时，对疫情的担忧就会上升，尽管疫情的传染风险和死亡率在报道前后根本没有什么变化。
②应对效能与控制感因素。在风险情境下，我们觉得自己的控制力越强，通常就越不恐慌，不管我们是真的有这种控制力，还是只是认为我们有。相反如果我们越觉得自己掌控不了局面，就越有可能感到恐慌。如果个体觉得对即将要面对的风险过程有一定的控制，那么风险可能看起来不会像无法控制的过程那样具有威胁性。在重大疫情的背景下，科学应对措施、政府行为都有助于整个社会提高对疫情风险的控制感，进而减少大众的恐慌。
③风险所带来的不确定性。不确定性在许多现代风险的恐惧中扮演着重要角色。我们越是不确定，就越可能感到害怕，就越会用警惕和恐惧来保护自己。不确定性形式包括以下三种：首先，第一种形式的不确定性，可称之为“我无法检测到它”。我们看不见、闻不到、尝不到、听不到或感觉不到它们。不确定性的另一种形式是“我不理解它。” 我们对风险的科学解释理解得越少，我们的认知、基于事实的、分析性的大脑系统就能提供的帮助越少，我们就越依赖本能的风险感知因素来帮助自己保持安全。第三种不确定性形式是“无人知晓”。有些新的风险刚出现的时候，包括科学家在内，无人知晓到底是怎么回事。新冠疫情初期的不确定性就是这样，表现为连科学家都无法理解病毒的性质、原理、传播和防范机制；而随着科学研究的进展，人们对病毒传染和如何应对病毒了解得更多了，不确定性减少了，恐惧也相应地减少了。
④新奇性。新出现的风险，如SARS和西尼罗河病毒，或新技术和产品，往往更令人恐惧。当一种病毒是新出现的时候，往往容易引发高度的关注和恐慌；而随着人们对病毒的了解的增加，对这种病毒越来越熟悉之后，人们的担忧和恐慌都会快速下降。
在上述诸因素中，每个风险感知因素都可能导致我们或多或少地害怕。同样的因素可以使恐惧情绪下降或上升。例如，更多的控制=更少的恐惧，控制越少=恐惧越多；与此同时，在特定的风险情境下，往往有多个风险感知因素起作用，而且在大多数情况下通常涉及不止一个（David Ropeik，2010）。
上文我们介绍了风险感知因素与恐慌情绪之间的关联逻辑，正是因为这样，已有研究主要从不确定性与控制感危机、应对效能以及媒介的风险放大等角度解释大流行背景下社会恐慌的产生机制。就大流行这一类风险情景而言，新奇性、不确定性等主要与疫情风险有关系，对风险的感知与意识主要与媒介信息传播有关系，而控制感与应对效能则主要与政府的风险应对有关系。
通过整合已有相关研究（Brewer,2007;Kim,Sherman,&Updegraff,2016；辛自强，2020），并结合本研究重点关注的媒介信息与政府行为因素，本研究认为，由威胁感知和应对效能所构成的二维分析框架可以作为疫情背景下社会恐慌形成机制的分析框架。其中，威胁感知主要与媒介的风险沟通有关系，而应对效能则与政府的风险应对有关系。
威胁感知既受客观的疫情风险影响、也受到媒介中疫情信息大流行因素影响，大规模的疫情信息流行可能会强化大众的威胁感知。而应对效能既包括个体通过媒介信息所感知到的应对效能，也包括政府的风险应对所形成的社会层面的应对效能。比如说，在疫情期间，科学防疫措施的普及提升了个体层面的应对效能，而封锁隔离、核酸检测、疫苗接种等抗疫措施则提升了社会层面的应对效能。
根据这样一个二维分析框架，本研究将重大疫情背景下社会恐慌的影响因素概括为线上和线下两组因素。威胁感知因素既包括客观的疫情风险所引发的威胁感知，也包括新闻媒体上的疫情信息传播所触发的威胁感知；而应对效能，则既包括政府的风险应对所形成的应对效能，也包括个体通过信息接触所感知到的应对效能。
表1 重大疫情背景下的风险感知与社会恐慌
（1）客观的疫情风险与社会恐慌。客观的疫情风险是风险治理场域中的核心变量，也是引发社会恐慌等情绪反应的初始动因。本研究试图在分析框架中将客观的疫情风险因素纳入。本研究认为，疫情大流行构成应激源，作为外在的威胁，包括感染威胁和死亡威胁，触发大众的威胁感知和恐慌反应。因此，大众暴露于客观疫情风险的程度越高将会越恐慌，而决定这种暴露程度的是一个地区的疫情确诊数量。另外，疫情本身的新奇性也构成恐慌的重要影响因素，病毒的新奇性越高，越容易引发恐慌；而当病毒越来越日常化、普遍化、熟悉化之后，其所引发的恐惧感越弱。
据此，我们提出研究假设1：社会恐慌与客观的疫情风险暴露程度成正相关，疫情风险对社会恐慌具有激化效应；与此同时，病毒的新奇性越高，越容易引发恐慌，而随着病毒的新奇性降低对恐惧的激化效应越弱。
（2）媒介信息传播与社会恐慌。很多研究认为，媒体在很大程度是导致风险情境下社会恐慌和恐惧的主要原因，特别是新闻媒体(Ihekweazu,2017)。不过媒介的这种恐慌唤起效应可能随着时间的推移而出现不断递减的情况。从媒介的恐惧诉求到媒介信息疲劳的转变过程中，我们预期，媒介中的疫情风险信息对社会恐慌等负面情绪的激化效应可能会持续递减。
另外，在风险情境下，媒介除了具有风险放大功能之外，实际上也具有社会安抚功能。所谓社会安抚功能是说，媒介通过强调国家干预、应对风险的努力等叙事，有助于安抚民心，增强社会团结，这些叙事具有社会安抚的功能。
综上，提出研究假设2：疫情期间媒介生态中疫情信息的流行程度与社会恐慌呈正相关，疫情信息的大流行对社会恐慌具有激化效应，不过这种激化效应可能随着时间的推移而持续弱化；而媒介生态中有关国家干预和抗疫有关的信息对社会恐慌则具有消解效应，与社会恐慌的程度成负相关。
（3）应对效能与社会恐慌。面对疫情威胁，防控的效能感构成民众风险感知的重要维度。而封锁隔离、核酸检测和疫苗接种等抗疫措施有助于提升民众对疫情的应对效能，尤其是技术治理能力的提升有助于减少不确定性，进而有助于化解社会恐慌。
据此，我们提出研究假设3：在重大疫情下，政府的风险应对力度（包括封锁隔离、核酸检测和疫苗接种等）与社会恐慌呈负相关，政府的风险应对力度越大，越有助于提振社会信心，化解社会恐慌。封锁隔离的启动、核酸检测、疫苗接种等应对措施的强化或普及有助于化解社会恐慌。
02
风险应对、社会支持对抑郁等负面情绪的影响
抑郁是一组以情绪低落为主要表现的复杂情绪，常表现为悲观、悲哀、寂寞、孤独、失望、绝望、失助、丧失感和厌世感等消极的情绪状态，在生理上则表现为对生活的兴趣丧失，难以入睡，孤独感增强，严重的甚至有自杀倾向，常常伴失眠、食欲不振、性欲降低等。抑郁常由各种具有压力的生活事件和刺激引起。这些情绪反映的强弱取决于个体赋予所失去的事物的主观价值，个体表现出来的是失望或者是绝望，甚至是厌世、轻生（沙莲香，2015）。
前文的分析已经指出，在重大疫情的风险场景下，政府的风险应对策略在疫情不同阶段存在一个从以封锁隔离为主导的阶段到以核酸检测、疫苗接种等技术工具为主导的技术治理阶段，在风险应对的不同阶段，政府的风险应对所引发的社会压力是不一样的，由此而引发的大众情绪反应模式有所不同。我们预期，在封锁隔离阶段，封锁隔离由于引发了经济社会停摆，给大众带来全方位的压力，进而会引发抑郁、无助和烦躁等负面情绪，而在技术治理阶段，政府对民众的限制比较小，这个阶段的疫情风险治理所引发的负面情绪反映幅度总体上偏小。
在重大疫情背景下，为了抗击疫情，政府除了制定封锁隔离政策以切断病毒传播链条之外，各国政府也制定一系列社会支持政策，以缓解疫情给民众带来压力，比如说收入支持、税收减免等。已有研究认为，作为应对压力的心理和物质资源，社会支持被认为可以减轻压力源对个人心理健康的不利影响，进一步缓冲压力的负面效应 ( Shi et al,2020)。这也就意味着，提供社会支持可增强人们应对危机事件的信心感知，减轻压力评估的影响，防止特定情况被评估为高压力。
综上，我们提出研究假设4：强制性的封锁隔离所形成的社会压力构成抑郁情绪的激化因素，不过随着疫情应对从封锁隔离向核酸检测、疫苗接种等应对阶段的转变，政府抗疫行为对负面情绪的激化效应在持续弱化，而来自政府的收入支持等社会支持则有助于抑郁情绪的缓解。
03
文化背景可能在很大程度上塑造世界各地在疫情下的风险感知和情绪反应，文化的松紧度既对一个社会在协调应对疫情威胁方面产生影响，对社会心理也会产生重要影响。
一方面，面对疫情威胁，松文化和紧文化背景下的个体对威胁的反应模式有所不同，宽松的文化背景下人们更容易出现乐观主义倾向，对威胁的警觉较低，故而恐惧程度相对较低；而紧文化背景的形成本身就是因为在历史上长期面对威胁而形成的文化氛围，在面对威胁时更容易在短时间内引发社会的广泛警惕和恐惧，进而采取相应的自我保护措施。另一方面，从文化价值观的角度来看，世界不同文化地区，个体自由与公共利益的关系模式不同，在处理抗疫规则与个体自由的关系时也有所不同，使得人们对封锁隔离的限制和所引发的压力有不同的认知评价，进而使得封锁隔离在世界不同地区对抑郁情绪的激化效应可能不一样。
据此，我们提出研究假设5：面对共同的疫情威胁，文化的松紧程度在很大程度上对恐惧情绪具有调节效应，相对于宽松文化，紧密文化更容易快速产生恐惧情绪，而宽松文化背景下，在疫情初期，盲目的乐观主义情绪更容易盛行，恐惧的产生要相对滞后；同时，不同的文化背景下，为了应对疫情的社会协调能力是不一样的，在紧文化背景下，个体自由与封锁隔离等限制之间的张力相对较小，而在松散社会的文化背景下，封锁隔离的规则与个体自由之间的张力则比较大，进而使得封锁隔离对抑郁等负面情绪的激化效应比紧密文化社会要更为强烈。
三
数据与方法
01
数据来源：因变量
重大疫情期间恐慌、焦虑和抑郁等负面情绪的演变是本研究的被解释变量。为了测量重大疫情背景下负面情绪的演变，本研究主要基于社交媒体大数据Twitter和在线新闻舆情大数据GDETL等数据来源，并借助于谷歌云平台对多源大数据进行处理和分析。
1.基于社交媒体大数据的社会情绪测量。为了借助于社交媒体大数据监测重大疫情期间社会恐慌的表达和演变，我们主要通过爬取疫情期间推特用户在疫情期间所发布的信息，在进一步的语义计算和数据清洗的基础上，计算恐慌、焦虑和抑郁等负面情绪的演变。
借助于网络爬虫程序，我们对推特平台上来自不同国家的用户进行数据爬取，包括美国、英国、加拿大、澳大利亚等英语国家，上述四国的数据中，美国用户的数据为124,118,057条，英国的推特用户数据为50,592,177条，加拿大的用户数据为24,991,790条，澳大利亚的用户数据为18,005,872条。
基于语义计算的概念操作化与科学测量。如何从混杂的社交媒体文本信息中寻找出扎根真相，寻找出我们所真正需要测量的信息？这个问题涉及到语义计算，即需要我们通过对社交媒体文本进行语义计算，通过语义计算，去除混杂信息中的噪音，去粗取精，去伪存真，进而真正实现对关键变量的测量。
我们采取的步骤是，第一步，为了和GDELT数据进行比对，我们基于wordnet affect情感词典确定主要负面情绪的关键词，比如说恐慌主要基于panic，fear,scare等情绪词来表达，而焦虑则与anxiety等情绪词有关系，抑郁则与depression,helplessness,hopelessness,impatience等情绪词密切相关。很显然仅仅选择包含这些情绪关键词的推文，不一定就是与这些情绪相关的情绪表达，需要将这些与情绪表达不相关的推文剔除。
第二步，基于Bert句向量编码算法，首先将推特短文本编码为512维的句向量，通过对句向量进行聚类运算，对海量的短文本进行语义聚类，进而实现对短文本进行语义主题分类，去掉与情绪表达无关的语义类型，实现对情绪数据的清洗，根据与情绪表达直接相关的推文信息计算情绪指标。
以社会恐慌为例，为了计算社会恐慌情绪，我们提取了2020年1月-2020年12月上述四个国家用户所生成的大约900多万条包含恐慌（panic）关键词的推文，基于Bert句向量编码算法将推文编码为512维向量，基于对向量的聚类运算，将这900多万条推文进行主题分类，给每一条推文一个主题编号；然后基于TF-IDF算法提取每一类主题下的关键词，判断每一类语义的主题信息，并从中选取出与恐慌情绪表达相关的主题，去掉与恐慌表达不相关的主题；在此基础上对恐慌表达的推文信息进行聚合运算，计算出各国恐慌情绪的日变动指数。
通过对推文进行语义分析，图1呈现了社交媒体用户所发布的包含panic的有关推文的语义分布情况。
图1 社交媒体平台上有关社会恐慌（panic）的语义聚类
图1中每一个点代表了一条包含恐慌（panic）的推文（每一条推文通过BERT模型编码为512维向量，通过降维算法Ivis，将512维的语义向量降到2维，在二维空间上每一个点代表一条推文），这些推文之间根据他们语义上的相互接近而聚成为一类，语义相距深远的类之间则分布在空间上不同的类。根据900多万条推文在语义之间的相似性，将所有关于恐慌的推文表达的语义划分为20类，每一类代表一种语义。语义完全不同的语义集群相对位置遥远，而语义接近的语义集群之间相互接近。
图1的语义聚类结果显示：在重大疫情背景下，社交媒体用户的panic表达大体可以划分为以下几类：
第一类是用户层面反映自己恐慌发作（panic attack，比如说I have a panic attack today），以及恐慌发作的各种症状和不适，这一种类型的语义表达表示的是用户恐慌情绪在身体症状上的表现；图像当中的左下角的第1类、第2类、第9类、第14类，第19类大体都是反映这种情况下的语义主题。
第二类是左上角的社会恐慌，具体包括第4、6、10、11、13、18等语义类型，这几种类型的主题主要是反映恐慌在经济和市场领域的表达，包括市场恐慌、抢购厕纸和食物、挤兑银行和医疗资源、囤积物资等非理性行为，可以将这种类型的恐慌概括为市场恐慌，是恐慌在经济和市场领域的行为表达和延伸，表现为消费者抢购超市物资、投资者在股市上的恐慌性的抛售。
第三类大体是疫情与恐慌相关的主题。这主要体现在第8、12、16等语义类型。主要反映疫情给用户在疫情威胁下的恐慌体验等，或者疫情威胁下的恐慌、害怕、惊恐等情绪体验。
第四类主题是一些与恐慌有关的评论信息，从其行为主体关键词来看，主要与媒介和政府因素有关系，而从creating、spreading、blame、cause、create、created、making、spread、responsible、caused等关键词来看，则会发现，这一类的信息主要是在评论媒介如何引发恐慌，政治人物的不当言行等引发的民众恐慌。在社会恐慌爆发的大背景下，社交媒体上存在各种评论性的信息，或者引导大众不要恐慌、保持理性的声音，很显然这些与恐慌高度相关，但这些信息并不是大众恐慌的直接表现，因此，在计算恐慌情绪指标的时候，我们将这一类信息去掉，语义集群3、5、7、15、17等反应的大体是这种情况。
通过对恐慌有关推文的信息进行语义聚类分析和主题分析，我们认为，这900多万条推文中，第一类、第二类、第三类等主题与恐慌情绪的表达密切相关，而媒介、政治人物制造恐慌等信息则大多只具有评论的意涵，与社交媒体用户的恐慌情绪反应的关联性不大。在计算恐慌情绪指标的时候，我们重点考虑第1-3类主题的推文信息，并据此计算恐慌情绪指数。
焦虑和抑郁情绪指数计算方法类似，限于篇幅，在此不做具体展示。
2.基于在线舆情大数据的社会情绪测量
很显然，推特平台上的情绪演变，主要反映推特主要使用地区社会情绪变动情况。要试图了解社会恐慌更为广阔的图景，需要我们借助于其他数据集来拓展研究视野，本研究重点采用的是全球在线舆情数据库GDELT。
作为互联网时代全球最大的在线舆情数据库，GDELT涵盖了全球200多个国家几乎所有在线新闻媒体的信息，集成了亿万量级的互联网语料，非常有助于研究者从海量数据中建构指标以分析宏观社会的动态演变（陈云松，2022）。
很显然，要监测2020-2022年间各国社会在如此长时间跨度中社会情绪的变化，在线舆情数据GDELT是一个非常有利的渠道。GDELT数据库集成了2015-2022年间全球范围内30多万个新闻网站上大约15亿张新闻网页的原始文本信息，借助于liwc，wordnet affect等多种情绪计算算法，提取了文本中的情绪表达信息，相关的计算结果集成在GDELT数据库的GCAM这一字段中。本研究通过对该数据库的演算，最后发现在重大疫情背景下，恐慌、焦虑、抑郁以及相关的情绪在疫情期间的变动比较有代表性，因此，重点选择这三种负面情绪进行计算。
进一步的分析发现，基于GDELT所计算的情绪指数变动与基于twitter所计算的情绪指数变动具有高度一致性（图2），基于gdelt数据集可以用于测量各国社会情绪的变化，该数据有助于本研究理解重大疫情背景下负面情绪在全球演变更为广阔的图景。
图2 美国社会2020年恐慌的日变动：Twitter和Gdelt的测量结果比较
02
数据来源：自变量
客观的疫情风险，本研究通过约翰霍普金斯大学发布的全球疫情监测数据库中的疫情确诊数量进行测量。
疫情新奇度指数。疫情的新奇性构成风险感知的重要因素。因此，本研究认为，我们不能用均质的眼光看待每一例疫情确诊病例对社会恐慌的影响：在没有出现疫情的环境下，新出现一例确诊病例，或者说在确诊病例还很少的时候，突然新增几例确诊病例，与在疫情已经大幅度扩散的情况下再增加很多确诊病例给社会心理的冲击带来的影响是不一样的，很显然，前面两种情况给社会心理带来的冲击远远要大；在疫情确诊病例很少的情况下，突然再新增几个确诊病例，或者突然出现病例的快速上涨，也意味着疫情环境的迅速恶化；而在累计确诊病例已经有上百万的情况下，新增几十万或者上百万的病例，人们似乎对此已经司空见怪，心理反应比较麻木了，其所产生的心理冲击反而不大。
正是考虑到疫情演变中的这样一种情况，结合自然语言处理领域的tf-idf算法的启发，我们用新增确诊数量/累计确诊数量得到一个测量疫情新奇度的指数confirmed_tf_idf指数，用于反映疫情演变过程中，疫情的变化对于社会心理的不均质的影响。
媒介是风险沟通的核心渠道，在疫情演变过程中，媒介信息生态的变化对社会情绪产生重要影响。本研究重点关注疫情期间媒介信息中的疫情风险相关信息，以及政府抗疫相关信息对社会情绪的影响。其中，媒介中疫情信息的流行程度（Media_covid），根据GDELT数据库中有关疫情的主题的数量测量，媒介中政府抗疫信息的流行程度(media_gov)则根据GDELT数据库中有关政府抗疫的主题数量进行测量。
重大疫情下政府行为与风险应对。从这次新冠疫情的发生过程来看，为了应对疫情扩散，切断其传播链条，各国政府采取了多种多样的应对策略。牛津大学一个研究团队对全球所有国家在疫情期间的政府行为以及出台的各类政策进行系统整理，这些政府行为的具体内容参见表3。表3是牛津大学研究团队在疫情期间所整理的各国政府行为数据的框架及其测量方案。目前该数据库已经被作为公共数据资源存储在谷歌云平台的Bigquery数据仓库中，本研究关于世界各地区在疫情期间的政府抗疫行为数据直接调用谷歌云上的数据资源。
表3 牛津大学新冠疫情期间的政府行为数据
在政府行为数据库中，stringency_index作为本研究测量政府风险应对力度指数的测量指标；school_closing、workplace_closing、cancel_public_events、restrictions_on_gatherings、close_public_transit、stay_at_home_requirements、restrictions_on_internal_movement、international_travel_controls等形成的综合因子作为封锁隔离力度指标；而income_support debt_relief，public_information_campaigns testing_policy，contact_tracing，facial_coverings，vaccination_policy等生成的因子则作为社会支持度指标。
表4 封锁隔离程度的测量：基于谷歌流动性数据中的指标说明
经济社会停摆指数。疫情和封锁隔离引发经济社会停摆，这样一种经济社会停摆的现象，通过工作空间和居住空间的人口流动性指数进行测算。本研究有关不同空间上的流动性数据来源于谷歌的全球流动性监测数据，该数据库包含了2月份疫情以来全球130多个国家主要生活空间上的流动性变动，基于与平常基线状态的比较，可以准确测量封锁隔离的执行力度。当封锁隔离高度严格的时候，公共空间，包括工作场所、超市和便利店、公共交通站点、公共活动场所等空间上的流动性相对于基线水平出现大幅度下降，而私人空间，主要是指居住场所附近的流动性会大幅度增加（本研究也将其定义为居家隔离指数）；反之，当封锁隔离逐步松动的时候，则会出现相反方向的流动性变动。谷歌全球流动性指标的含义具体参见表4。同样，该数据目前也作为公共数据集存储在谷歌云平台上，本研究直接调用该数据集中G20国家各类空间位置的流动性数据。
四
重大疫情下主要负面
情绪的演变特征分析
下面我们同时结合社交媒体大数据和在线舆情大数据计算主要负面情绪的指标，归纳全球和主要疫情爆发地区在疫情期间主要负面情绪的演变特征。
01
重大疫情下主要负面情绪的演变特征：基于在线舆情大数据的分析
本研究发现，重大疫情背景下的负面情绪演变，既有全球普遍性的一般特征，也有因为抗疫模式和文化背景不同等因素带来的差异性。结合全球200多个国家在疫情期间社会情绪演变的总体数据，有助于我们分析重大疫情背景下负面情绪演变的一般特征，而结合国别数据的比较分析，则有助于我们理解不同抗疫模式与文化背景下负面情绪演变的多样性及其形成机制。
1、重大疫情下全球层面负面情绪演变的一般特征
图3从舆情大数据GDELT的角度展示重大疫情期间全球层面主要负面情绪的变动态势，研究结果显示，这些负面情绪的演变过程呈现如下特征：
首先，在重大疫情背景下，主要的负面情绪类型包括恐慌、焦虑和抑郁等（图3）。从全球的尺度来看，主要负面情绪大规模、长时间跨度的爆发和持续主要集中在2020年第一波疫情期间，从2020年7月份第一波疫情之后，恐慌、焦虑和抑郁等负面情绪尽管在2020年9、10月份、2021年8、9月份等秋冬季节以及2022年3月份奥密克戎变异期间有所反弹，有几个小规模的小高峰（图3），不过其爆发幅度远不如第一波疫情期间那样大。
其次，从主要负面情绪的出现时间来看，恐慌、焦虑和抑郁等负面情绪的爆发具有一定的时序差异。恐慌、恐惧、焦虑等具有警报性的负面情绪率先爆发，焦虑与恐慌的上升时间大体类似，不过，焦虑情绪持续的时间比恐慌情绪略微要长一些，同时焦虑情绪的峰值比恐慌要略晚，抑郁情绪的出现和爆发时间要明显晚于社会恐慌，总体而言，在社会恐慌到达峰值、出现拐点逐步消退的过程中，抑郁情绪持续上涨。
图3 全球层面主要负面情绪的变动态势：基于GDELT的分析（周）
说明：基于全球30多万个在线新闻网站2020年1月1日-2022年4月6日约2.7亿篇新闻网页的语料信息计算。情感计算的方法基于GDELT数据库中GCAM所提供的wordnet affect词典中关于恐慌、焦虑和抑郁的情绪词表，其中panic,scare,fear对应着情感词典中的恐惧、恐慌等情绪类型，而anxiety对应着焦虑情绪，depression、helplessness、impatience则对应着抑郁情绪类型。很显然，来自于全球200多个国家的数据信息所计算出来的结果，稀释了文化、政治体制以及各种国别性的随机因素的影响，从全球尺度展示了重大疫情下主要负面情绪的演变过程与一般特征。
2020年初第一波疫情、8、9月份第二波疫情以及2021年8、9月份和2022年3月奥密克戎反弹等多个负面情绪波动阶段，大体都遵循上述模式（图5）。
这说明，在重大疫情的背景下，恐慌、焦虑与抑郁的变动呈现出非常明显的阶段性特征。即无论是疫情初现，还是疫情反弹期间，负面情绪演变，都呈现出非常明显的恐慌期，抑郁期和缓和期。
再次，从主要负面情绪的阶段性演变特征来看，负面情绪的几次波动与疫情的暴发和反弹的节奏存在时间上的对应关系。全球疫情的演变，大体经过以下四个阶段：2020年2月份第一波疫情爆发，大体持续到2020年7月；2020年8、9月秋冬季节疫情反弹和德尔塔毒株的变异，再度引发全球疫情的大规模反弹；2021年秋冬季节的第三波疫情反弹，以及2022年2、3月份因为奥密克戎的变异引发的第四波全球疫情的反弹。
从恐慌、焦虑和抑郁的波动特征来看，除了2020年第一波疫情初期大规模的波动之外，在2020年秋冬季节（8、9月份）以及2021年秋冬季节（8、9月份）以及2022年2、3月份都出现非常明显的波动。由此看来，从长周期的变动态势来看，疫情的反弹和阶段性变动与负面情绪的波动之间具有密切关系。
2、不同抗疫模式下负面情绪演变的相似性与差异性
不同文化背景下，负面情绪的阶段性演变特征具有高度的类似性。上文我们从全球层面刻画了负面情绪的演变特征，实际上，类似的波动规律几乎出现在所有疫情爆发国家，我们在图4-图5中展示了全球部分国家在疫情期间负面情绪的波动特征，这些国家的负面情绪变动与全球的趋势呈现出高度的相似性，并表现为：重大疫情期间负面情绪爆发主要集中在2020年第一波疫情期间，表现为恐慌、焦虑和抑郁等；在重大疫情的背景下，具有警报性的恐慌情绪首先出现，抑郁情绪的出现相对滞后，而焦虑情绪则处于上述两种情绪之间。
图4 世界主要疫情爆发地区在2020-2022年间主要负面情绪的演变态势
不同抗疫模式下负面情绪的演变具有鲜明的差异性。世界主要疫情爆发地区的负面情绪除了存在一些相似性的共同特征之外，各国负面情绪的演变动态也有一些明显的差异性。主要表现在于，负面情绪的波动幅度、持续时间、峰值出现的时间，尤其是三种负面情绪在时间轴上的动态演变都有较为明显的差异（图5）。
从三种负面情绪的波动幅度来看，有些社会在第一波疫情期间的波动幅度较小，比如说日本等社会，这说明疫情给社会心态带来的冲击相对较小；而全球大部分社会，在第一波疫情的冲击下恐慌、焦虑和抑郁等负面情绪的波动幅度都普遍较大。
图5 2020年第一波疫情期间部分国家主要负面情绪的演变
从社会恐慌、焦虑和抑郁的持续时间跨度来看，不同社会的情况也差异非常明显。特点最为突出的是抑郁情绪在拉美地区的表现。数据分析结果显示（图5），拉美地区抑郁情绪的持续时间明显要长于世界其他地区。到2020年7月份，世界其他地区的抑郁情绪已经接近尾声，而拉美的阿根廷、玻利维亚、巴西、智利、哥伦比亚等多个国家，抑郁情绪还处于高位阶段。
02
主要负面情绪的演变特征：基于社交媒体大数据Twitter的分析
从推特平台数据来看，我们所监测到的负面情绪演变态势与GDELT所监测到的负面情绪演变态势大体一致，比如说，在社交平台上，第一波疫情期间，恐慌、焦虑和抑郁等负面情绪都有大幅度波动；从2020-2021年间所监测的负面情绪的演变态势来看，恐慌、焦虑和抑郁的大规模爆发主要集中在第一波疫情初期，在第一波疫情之后，恐慌情绪尽管也随着疫情的反弹而出现一些小幅度波动，但推特平台上基本上很少再度出现大规模、长时间跨度的负面情绪爆发；与此同时，推特情绪监测结果也显示，恐慌爆发时间在这些国家明显要早于抑郁情绪的爆发。
总体而言，从在线舆情大数据GDELT和社交媒体大数据Twitter所监测到的情绪指标的变动态势的比对情况来看，二者具有高度的一致性。基于GDELT数据所展示的三种负面情绪的基本特征在社交媒体大数据Twitter中都存在。与此同时，三种负面情绪的演变态势在两种监测方法中所得到的结果具有高度的一致性。作为两种完全不同的数据来源，前者基于全球2.7亿篇在线新闻计算，后者基于全球13亿条推文计算，二者所监测到的全球层面的负面情绪的高度一致性说明，两种情绪计算方法所监测到的情绪指数都具有可信度，可以反映重大疫情背景下社会情绪的演变态势。
图6 重大疫情背景下主要负面情绪的阶段性演变（美国）
图7 重大疫情背景下主要负面情绪的阶段性演变（加拿大）
图8 重大疫情背景下主要负面情绪的阶段性演变（英国）
图9 重大疫情背景下主要负面情绪的阶段性演变（澳大利亚）
五
威胁感知、应对效能
与社会恐慌的演变
上文我们呈现了疫情期间主要负面情绪的演变态势与基本特征，那么决定重大疫情期间负面情绪演变的核心机制是什么？本研究试图结合风险沟通、风险应对等风险治理因素对此进行解释。
在分析之前，先做简要说明。从情绪心理学的角度来看，由于恐慌、恐惧、害怕、焦虑等同属于“恐惧”这一基本情绪范畴中，有着大体类似的原因和形成机制，分析结果也显示，这几种负面情绪的演变态势大体类似，因此我们重点以恐慌（panic）情绪的分析为主；而无助、绝望、烦躁、沮丧等负面情绪体验则大体属于抑郁类（depression）症状，因此，我们主要以抑郁情绪为主进行分析。
01
威胁感知、应对效能与社会恐慌的演变
上文分析指出，在重大疫情的背景下，威胁感知和应对效能构成社会恐慌的主要影响因素，其中媒介在风险沟通过程中的疫情信息传播强化大众的威胁感知，对社会恐慌具有激化效应，而政府抗疫等风险应对行为以及媒介信息中的抗疫信息则有助于恐慌的缓解。另外，由于客观疫情风险是风险治理的宏观背景，并构成社会恐慌等情绪反应的初始动力，因此我们将其作为控制变量纳入分析模型。
为了对这种相关机制进行检验，我们借助于长面板数据模型分析媒介信息传播等风险沟通因素、政府抗疫等风险应对因素对恐慌情绪的影响。
模型设定方法。本研究中所利用的数据属于典型的长面板，涉及到的时间序列则包含了780多个。另外，在分析对象的选择方面，为了双向固定效应模型的精简起见，我们在此主要选择G20国家中主要的19个国家建立面板数据模型。
对于长面板数据分析而言，首先需要明确的是被解释变量是平稳面板还是非平稳面板，通过面板单位根检验，本研究发现，恐慌情绪的日变动等被解释变量是平稳面板，因此可以采用平稳面板相对应的估计方法。
其次，通过对社会恐慌变量进行相关检验之后，发现模型中存在残差自相关、异方差和截面相关等问题，据此，我们确定使用LSDV和FGLS等方法进行模型估计，在stata中对应着xtpcse和xtgls等长面板数据建模方法。
一般而言，长面板建模方法主要采取双向固定效应模型，在这个模型中，个体效应直接用虚拟变量进行控制，而时间效应则用时间趋势项进行控制。
根据上面的模型设定原则，本文建构了社会恐慌的分析模型。模型如下：
Panicit=ꞵ0+ꞵ1*media_covidit +ꞵ2*media_govit+ꞵ3*covid_newit+ꞵ4*lockdown_policyit +ui+yt+Ɛit
表5 社会恐慌的影响因素
表5展示了恐慌情绪的模型估计结果。数据分析结果发现，线上因素中，媒介信息中关于疫情信息流行程度对社会恐慌具有较强的正向影响，而媒介信息中关于政府抗疫主题的流行程度则有助于降低社会恐慌（模型2-5）。在线下因素中，政府的封锁隔离的力度与社会恐慌成负相关，即政府的封锁隔离力度越大，社会恐慌越弱。
另外，表5也展示了疫情因素和风险应对因素之间的交互效应对社会恐慌的影响。很显然，封锁隔离是因应疫情演变而动态变化的。因此有必要考虑疫情因素与上述两个因素的交互效应对社会恐慌的影响。数据分析结果显示（表5），疫情因素与政府抗疫行为的交互效应对社会恐慌具有一定的正向影响（模型2-5）。
通过分析世界各地区社会恐慌各主要影响因素以及不同因素对社会恐慌的影响程度大小，可以得出以下几个基本结论：
1.客观的疫情风险与社会恐慌之间的关系模式。从疫情确诊数量与社会恐慌的回归系数来看，疫情确诊数量对社会恐慌的影响的力度较小。这与描述性分析的结果是大体一致的。描述性分析结果发现（图5），在第一波疫情下，当确诊数量还很少的时候，已经出现了社会恐慌的高潮，而随着疫情的持续，新增确诊数量在增加，但社会恐慌却在快速消退；尤其是第二波、第三波疫情反弹的时候，疫情的确诊数量远远大于第一波疫情，但是社会恐慌的程度却不如第一波疫情。这说明，疫情的确诊数量与社会恐慌的程度之间的关联较为微弱。
新增疫情确诊数量与恐慌的关系较弱，这并不代表疫情因素对社会恐慌影响较弱。疫情引发恐慌，还与疫情本身的新奇性密切相关。表5显示，双向固定效应模型表明（表5模型6），疫情新奇度指数与恐慌情绪的变动十分密切。这一指数与恐慌的演变高度相关（confirmed_idf的回归系数为0.243）。研究假设1中有关疫情新奇性的假设得到检验。
2.媒介信息与风险沟通构成社会恐慌演变的核心因素。本研究发现，媒介因素影响社会恐慌的机制存在两个方面，这二者对社会恐慌的影响方式是不一样的。第一个是媒介的疫情叙事和风险放大机制，构成社会恐慌的激化因素；另外一个是媒介的国家干预叙事和社会安抚机制，构成社会恐慌的消解因素。
前文的分析发现，在第一波疫情期间，恐慌情绪的波动幅度远大于后续的疫情，这实际上与第一波疫情期间媒介中疫情信息大流行的程度密切相关，同时还与媒介信息疲劳效应有关。
图10 世界主要大国疫情信息大流行的变动情况：2020-2022
进一步的数据分析结果显示（图10），在第一波疫情初期，新闻媒体中有关疫情主题的流行程度远大于后续疫情，由此而强化的威胁感知也相应地强于后续疫情，进而使得第一波疫情期间社会恐慌爆发幅度远大于第二波以及第三波疫情。
图11 媒介信息疲劳效应：2020-2022
注释：为了分析媒介疫情信息对恐慌唤起效应的时间变化，在控制了其他主要影响因素的条件下，图11从标准化回归系数的点估计值和区间估计值的角度刻画了疫情信息对恐慌情绪的影响力度随时间逐步递减的情况。
进一步的数据分析结果还显示（图11），随着时间推移，媒介信息疲劳效应明显，即媒介中疫情信息对恐慌的激化效应逐步递减。从媒介信息疲劳效应的角度来看，在风险沟通的情景中，媒介的恐慌唤起效应存在随时间递减的情况，数据分析结果显示，第一波疫情期间媒介的恐惧唤起效应要明显高于第一波疫情以后，在控制了其他因素之后，2020年年初第一波疫情期间媒介中的疫情信息对恐惧的激化效应几乎是2022年年初一季度的3倍左右。
正是因为存在媒介信息疲劳效用和媒介对疫情的关注度持续下降，媒介在后续疫情风险沟通过程中所发挥的风险感知效应引发后续公众恐惧反应较低，研究假设2得到检验。
媒介影响社会恐慌的第二层机制是通过国家干预叙事以及相应的社会安抚效应。与媒介的疫情叙事往往发生在大流行的早期不同，媒介的国家干预叙事出现在国家实施封锁隔离之后，相对较晚，构成社会恐慌的消解机制。在疫情初期，疫情的陌生性、新奇性等特征驱动了媒介大幅度采取疫情的大流行叙事，而实施了封锁隔离之后，媒介的注意力发生转移，开始大规模关注政府行为和封锁隔离。
由于国家干预叙事框架主要是有关政府和公共卫生机构的抗疫措施和社会救助行为，以及政府在抗疫过程中所取得的各种成效，对消解社会恐慌具有重要作用，民众从媒介信息中所感知到的政府行为和抗疫进展，有助于提振社会信心，对社会恐慌具有消解作用。
3.国家干预与政府抗疫行为构成社会恐慌的消解因素。如果说客观的疫情风险经过媒介的风险放大机制，引发社会恐慌的话，那么国家干预的一系列举措包括封锁隔离，关闭公共交通和设施，包括学校、工厂、交通以及关闭边境等风险应对举措，则在很大程度上化解了社会恐慌。研究假设3得到检验。
02
威胁感知、应对效能的动态变化与恐慌的阶段性变化
上文借助于双向固定效应模型，检验了疫情大流行、疫情信息大流行和应对因素对社会恐慌的影响，不过仍然无法说明这些线上、线下因素在疫情演变各个阶段究竟是如何影响社会恐慌变动的。
美国
法国
俄罗斯
图12 社会恐慌、疫情信息大流行与国家干预的变动
本研究发现，疫情期间社会恐慌主要由威胁感知和应对效能两个因素塑造，威胁感知因素主要包括疫情威胁、疫情信息传播等，而应对效能因素则主要来自于各种类型的政府行为，包括封锁隔离、技术治理、社会救助等一系列的抗疫措施。这两种力量在疫情不同阶段的组合，决定了疫情不同阶段大众情绪反应的基本特征，同时这两种力量在疫情期间也在不断发生变化，在疫情期间这两种力量的变化及其在疫情不同阶段的组合，塑造疫情期间大众情绪的基本特征（图12）。
以美国、法国、俄罗斯等疫情爆发重点地区为例（图12）。在疫情初期，疫情具有高度的陌生性、未知性和不确定性，疫情的这些属性容易引发大众的风险认知偏差，即过高地估计疫情威胁，故而引发恐慌情绪反应，与此同时，在疫情初期，大众对陌生病毒缺乏最起码的认知和应对措施，不知如何应对，专家和政府以及公共卫生部门在这个阶段同样无法采取有效措施，因此从个体到宏观的公共卫生系统，应对病毒的能力极低。因此，在这个阶段，公众的威胁评估和应对能力评估就出现如下状况：即疫情威胁感知极大，而应对能力极小，在此情境下出现大规模恐慌反应。
雪上加霜的是，在疫情大流行的初期，还出现疫情信息大流行，疫情有关的信息爆发式增长，全球的注意力聚焦到疫情的议题上，海量的、不断重复的疫情信息不断强化人们的风险认知和风险意识，将疫情的风险放大。在媒介的风险放大机制的作用下，整个社会陷入到恐慌情感漩涡，愈演愈烈，社会心理危机爆发。
而随着时间的持续，情况也在发生变化，社会系统逐步进入到适应和应对疫情的状态。主要表现为，疫情的威胁依然存在，人们对疫情的威胁评估还存在，但一系列的应对措施，包括保持社交距离，封锁隔离、核酸检测、戴口罩等个人层面的应对和社会层面的应对措施出现，从个体到宏观的社会系统层面的应对措施强化了人们对病毒威胁的应对能力。于是，应对能力评估出现了积极变化，尽管威胁评估依然存在，但应对能力评估上升，提升人们应对病毒的信心，因此风险认知结构发生变化，社会恐慌消退。
更为重要的是，应激反应期之后，媒介不再把注意力和叙事的框架集中到疫情上，媒介的叙事框架发生了改变，这或许是病毒的新奇性降低，也可能是媒介出现信息疲劳、再度关注疫情不一定能吸引社会的注意力，媒介的风险放大机制式微，社会恐慌也随之而退。
在整个第一波疫情中后期，尽管客观的疫情风险一直存在，但由于应对能力的提升以及媒介信息环境发生了变化，对疫情的认知环境发生变化，社会的情绪反应也总体理性。
而到了第二波、第三波疫情期间，尽管病毒出现了新的变异，但是由于核酸检测的常规化和疫苗的出现，人类社会应对病毒的能力进一步提升，第二波、第三波疫情期间，很少再度出现大规模社会恐慌。
通过观察疫情期间多国的经验现象（图12），在疫情不同阶段，随着“威胁感知-应对效能”的不同组合，社会恐慌也出现相应变化，本文将其概括如表6。
表6 社会恐慌的阶段性演变逻辑
（1）在疫情初期，疫情充满了未知性、新奇性和不确定性，同时出现风险沟通过程中媒介的恐惧诉求效应，信息疫情的大流行，强化了公众的威胁感知；与此同时，在疫情初期，由于病毒的新奇性和未知性，从个体到国家层面的应对效能极低，因此出现“高威胁感知-低应对效能”的局面，在这样的情况下出现大规模社会恐慌。
（2）随着疫情扩散，封锁隔离启动，各种核酸检测措施完善，以及科学防疫办法的普及，这个时候客观的疫情风险仍然存在，威胁感知依然很高，但在应对效能提升的情况下，社会恐慌出现相应消退，国家干预和各种应对措施的出现，对社会恐慌具有削减效应。在媒介依然大规模关注疫情，高威胁感知依然存在的情况下，随着封锁隔离、疫苗计划、疫情检测等政府行为和干预措施的出现，强化了公众的应对效能，由此而形成“高威胁感知-高应对效能”的态势，在这样的背景下，社会恐慌逐步消退。
（3）进入第一波疫情中后期以后，随着对病毒的认知增多，各种不确定性下降，媒介对疫情的关注度下降，大众对媒介的风险信息脱敏，媒介的恐惧诉求效应式微，媒介信息疲劳效应显现，而应对能力则进一步提升，比如说各种疫苗的出现，因此，即便出现疫情的进一步扩散或者第二波、第三波疫情的大规模反弹，但在“低威胁感知-高应对效能”的情况下，很少再度出现大规模社会恐慌。
综上，社会恐慌主要出现在第一波疫情初期，第二波疫情以及后续的疫情演变阶段基本上没有出现大规模的社会恐慌。疫情期间社会恐慌的消长主要与媒介信息传播、国家干预等因素密切相关，是线上与线下，虚拟与现实，建构性因素与客观风险等因素交织在一起共同塑造的。
六
封锁隔离、社会支持
与抑郁情绪的演变
抑郁情绪也构成重大疫情背景下主要的负面情绪类型，从风险治理的角度看，这可能与政府的风险应对和应急处置的负面效应有关系，比如说封锁隔离既有切断病毒传播链条的积极效应，但中断了正常的经济社会秩序，引发经济社会停摆，给大众带来全方位压力，因而可能会引发抑郁、无助等负面情绪，另外，除了封锁隔离之外，在风险情境下，政府也会出台各种类型的社会支持措施，这可能有助于负面情绪的缓解。
01
重大疫情与封锁隔离下的抑郁情绪
重大疫情背景下封锁隔离及其所形成的压力构成抑郁等负面情绪的主要激化因素，而为了缓解疫情的社会影响，由政府所提供的各种形式的社会支持则构成抑郁情绪的缓冲因素。本研究关于抑郁情绪影响因素的参数估计模型如下：
Depressionit=ꞵ0+ꞵ1*covid_newit+ꞵ2*lockdownpolicyit+ꞵ3*socialsupport t+ui+yt+Ɛit
下面结合双向固定效应模型，对主要研究假设进行检验。数据分析结果显示，从抑郁情绪的主要影响因素来看，客观的疫情风险、封锁隔离等对抑郁情绪都具有激化效应，而社会支持因素则构成抑郁情绪的缓冲因素，对抑郁情绪具有一定的消解效应（表7）。
表7 抑郁情绪的影响因素分析
在这里的四大影响因素中，客观的疫情风险、封锁隔离政策、经济社会停摆指数（包括工作空间上的流动性变动和居住空间上的流动性变动）之间具有密切关联，客观疫情风险和封锁隔离政策都会带来经济社会停摆，同时，客观疫情风险、封锁隔离政策、经济社会停摆都会对抑郁情绪产生影响。那么，在这里的多种效应中，哪种效应是抑郁情绪的主要形成原因呢？为了进一步深入展示客观的疫情风险、封锁隔离政策、经济社会停摆等因素对抑郁情绪的影响，我们借助于路径分析对主要变量之间的关系进行分析。
图13 客观疫情、封锁隔离与经济社会停摆对抑郁情绪的影响机制
从全球的数据来看，对抑郁等负面情绪产生影响的，主要可以分为直接因素和间接因素，直接因素是疫情和封锁隔离等政策对负面情绪的直接影响，间接因素是因为疫情和封锁隔离而引发的经济社会停摆对抑郁情绪的影响。从数据分析结果来看，客观疫情风险和封锁隔离政策对抑郁情绪的直接效应较弱，而疫情和封锁隔离引发的经济社会停摆因素是引发的抑郁情绪上升的主要原因。
数据分析结果显示（图13），与客观的疫情风险和封锁隔离政策对抑郁的直接作用相比，经济社会停摆构成抑郁情绪产生的主要原因，工作场所的流动性下降，引发抑郁情绪的上升，二者之间的Beta系数为-0.16，即工作空间上的流动性下降引发抑郁情绪上涨；而因为经济社会停摆，民众只能呆在家中，因此，居住空间上的流动性增加，即居家隔离的状况增加，数据分析结果显示，居家隔离指数的上涨引发抑郁情绪的上涨，二者之间的回归系数为0.15。
从全球的数据来看，疫情和封锁隔离政策都引发经济社会停摆，不过从影响力度上来看，封锁隔离政策对经济社会停摆的影响力度要远大于疫情因素。数据分析结果显示，封锁隔离政策无论是对工作空间，还是对居住空间上的流动性的影响力度，都要远大于疫情因素。
综上，封锁隔离政策是引发经济社会停摆的主要原因，而经济社会停摆因素是引发抑郁情绪反应的主要原因，重大疫情下的抑郁情绪在很大程度上是封锁隔离政策及其引发的经济社会停摆而形成。疫情因素尽管也在一定程度上引发经济社会停摆，不过其影响力度远远要低。
02
封锁隔离、技术治理的阶段性变动及其对社会情绪的影响
从2020年1月份疫情爆发开始，到本文数据采集时间2022年9月份，疫情持续了快3年，在这个漫长的抗疫过程中，随着疫情的动态演变以及科学技术的变化，我们发现全球的疫情应对策略也发生了阶段性变化。
图14 疫情应对策略的动态变化
从疫情最初开始，疫情应对主要依靠封锁隔离，这种情况在2020年1月-7月份最为明显，大规模封锁隔离在世界各国此起彼伏，因此我们看到封锁隔离引发的工作空间流动性指数大规模下降，而居家隔离指数则大规模上升，这种大规模封锁隔离的情况到了2020年11月份第二波疫情反弹时依然还比较明显；
从2020年7月份以后，我们发现疫情应对策略出现了一些新的变化，首先是核酸检测从2020年7月份之后稳步上涨，然后到了2020年12月份左右，各种类型的疫苗出现，疫苗注射出现大规模上涨，在2020年12月到2021年9月，疫苗注射几乎是抗疫的代名词，构成整个抗疫过程中最为主要的应对策略；而随着疫情的继续变异和反弹，从2021年9月份之后，核酸检测再度成为抗疫过程中的主要事项一直持续至今。
简而言之，从2020年1月份开始到2022年9月，疫情应对出现一个以封锁隔离为主导的阶段转变到主要依靠核酸检测和疫苗接种的技术应对阶段，封锁隔离、疫苗注射、核酸检测依次成为抗疫的主要应对策略，随着疫苗注射、核酸检测等技术治理手段的普遍化，大规模封锁隔离在总体上式微，尤其是从2021年3月份开始，经过了一波疫苗注射的浪潮之后，除了2022年3月奥密克戎反弹期间有小幅度反弹之外，大幅度的居家隔离上涨的态势很少再度出现，工作空间上的流动性也是持续上涨。这说明，有了核酸检测、疫苗注射等技术治理手段之后，尽管疫情仍然在反弹和反复，但是民众在面对疫情时的信心增加了，疫情对社会的冲击逐步弱化，疫情引发的经济社会停摆现象越来越少，这从居住空间和工作空间上的流动性指数的变动可以看出。
前文的分析已经指出，由于封锁隔离政策及其引发的经济社会停摆是抑郁等负面情绪的主要影响因素，随着疫情应对策略从以封锁隔离为主导的阶段转变到以核酸检测、疫苗接种为主导的阶段，大规模封锁隔离的情况越来越少，因此，政府行为与疫情应对引发的负面情绪反应也越来越少。大规模封锁隔离主要发生在2020年第一波疫情期间，相应地，抑郁情绪的大规模爆发也主要发生在这个阶段；随着2020年年底疫苗接种和核酸检测普遍化之后，大规模、大幅度出现抑郁情绪的情况也越来越少。
七
文化因素在风险情境下
对情绪反应的调节效应
01
文化价值观在风险建构中的重要作用及其对风险感知的影响
社会建构因素在很大程度上影响着公众对风险、疫情威胁的评价，这有助于解释不同文化、不同地区对疫情威胁的理解和反应的差异。社会建构作为一个过程，指的是社会如何集体地通过社会互动将意义和秩序强加给人们的世界，人们如何感知和解释、构建和塑造他们共同的现实(Burr, 2003;Gergen, 2009)。社会建构过程在很大程度上与文化价值观密切相关。在风险情境下，人们对风险的理解受文化价值观影响，这可能是在风险场景下不同文化背景下人们的行为反应出现差异的重要原因。
前文谈到，松文化和紧文化背景下的个体面对集体威胁时，存在不同的行为反应。在松文化背景下，社会规范对个体较弱的规制，这本身就是这些地区在长期的历史演化过程中面临的生态威胁相对较少而形成的，因此，在面对疫情威胁时，更容易产生盲目的乐观主义偏见，社会恐慌等情绪的形成会相对缓慢；而在紧文化背景下，严厉的社会规范与历史上长期存在的生态威胁密切相关，当出现新冠疫情这样的威胁时，很容易触发人们过去关于大规模传染病的历史记忆（比如在东亚，疫情初期人们很快想起2003年左右SARS引发的令人恐慌的场景），社会恐慌很快出现。
这一研究假设得到本研究的经验证据支持，数据分析结果显示（图15），在2020年第一波疫情初期，最早出现大规模社会恐慌的往往是紧文化地区（比如说东亚），而松文化地区在疫情的威胁下在很长时间内存在乐观主义偏见（比如说北美和西欧，以及南美），社会的恐慌程度较低，一直等到2020年3月以后疫情在这些社会大规模爆发，大规模的社会恐慌才逐步盛行（图16）。
图15 社会恐慌演变的第一阶段：2020年1月19日-2020年2月22日
图16 社会恐慌演变的第二阶段：2020年2月23日-2020年3月15日
数据分析结果显示，从2020年的1月19号到2月22号全球的恐慌演变来看，大体遵循以东亚为中心，然后向东南亚、南亚、中亚、俄罗斯等地区扩散的态势，不过，社会恐慌在向外传递的过程中，很快出现地理衰减效应，或者说面临地理上的区隔：这一波恐慌的全球扩散的边界主要分布在以东亚为中心的亚洲地区（紧文化地区），社会恐慌并没有扩散到西欧、北美、南美等松文化地区，社会恐慌的扩散呈现出非常明显的文化或者地理边界（图15）。只有进入到2020年3月份疫情在欧美大规模扩散之后，疫情的直接威胁引发大规模社会恐慌的盛行（图16）。
这一现象让人联想到2020年疫情初期西方媒体的反应，尤其是东亚抗疫处于最艰难期间，西方媒体表现出来的态度是，“这种疾病是黄种人的疾病”，或者说“是亚洲人的疾病，与我们无关”，西方媒体对疫情叙事呈现出明显的“他者化”特征，也正因为是这样，全球出现对黄种人甚至是整个亚洲人的集体性排斥。
这种现象很显然是文化因素在风险的叙事和建构中发挥作用的表现，也是文化价值观的差异引发疫情初期，世界不同地区的恐慌情绪反应出现分异的重要原因。即紧文化地区在面临疫情威胁时能很快形成全社会的警惕并触发恐惧等情绪反应，尤其是激发人们关于大规模传染病的恐惧记忆，并采取自我保护措施；而松文化地区在疫情初期则存在非常明显的乐观主义偏见，对疫情威胁反应比较迟钝，并通过疫情他者化等社会建构策略进行自我安慰，以至于错过抗疫最佳时机。
02
封锁隔离的文化差异及其对负面情绪的不同影响
本研究发现，在不同的文化背景下，一方面，封锁隔离的形态差异显著，松文化背景下的封锁隔离普遍呈现出短期轻度隔离的特征，而紧文化的地区则普遍呈现出长期的、中度的封锁隔离特征；另一方面，封锁隔离的样态与情绪反应之间存在明显的文化间差异。
封锁隔离对抑郁情绪的激化效应，在不同的文化背景下存在一定差异（图19）：总体而言，封锁隔离在北美发达地区、整个欧洲地区（包括英国、欧盟国家、中东欧国家以及俄罗斯）引发的负面情绪反应非常强烈，而在整个拉丁美洲、非洲地区，封锁隔离所引发的负面情绪反应明显要弱，亚洲地区存在一定程度的分化，但封锁隔离所引发的抑郁在总体上较为轻微，明显要弱于欧洲和北美地区。
图19 居家隔离对抑郁情绪的影响力度：120国
接下来的问题是，我们如何理解封锁隔离在不同的文化背景下所引发的情绪反应上的这样一种差异？这样一种差异的形成机制是怎样的？
这背后的原因大体是在松文化背景下，封锁隔离的规则与个体自由之间存在比较大的张力，封锁隔离更容易引发个体的不适应，故而更容易引发精神健康问题，如抑郁、烦躁等；而在紧文化，国家为了尽可能严格地切断病毒传播，采取了长期的封锁隔离政策，由于社会对于公共安全与强约束规则的认可，在规则与自由之间，规则被更加普遍地接受。因此，尽管其封锁隔离的严厉程度比松文化地区要强，而且封锁隔离的时间也相对较长，但是却能够得到民众更为普遍的认可，长期的高强度的封锁隔离所引发的负面情绪反应相对较轻。
因此，当我们将“松文化-紧文化”这一跨文化比较维度引入到分析框架之后，我们发现文化逻辑对封锁隔离下社会情绪反应的调节效应，即松散文化和紧密文化在全球的分异，塑造了世界上不同国家与地区不一样的封锁隔离政策，同时也塑造了封锁隔离之下不一样的情绪反应。文化倾向、封锁隔离与情绪反应这三者之间，大体构成一种如下的关系模式：
在松藏文化的社会，个体的自由与封锁隔离的规则之间存在较大张力，为了减少二者之间的冲突，松散文化的社会更倾向于采取短期的、轻度的封锁隔离模式；但是即便是这样，这些短期的、轻度的封锁隔离模式也引发了个体的强烈的负面情绪反应。这一逻辑典型地体现在北美、西欧以及中东欧等地区的抗疫过程中。而在紧密文化之下，个体自由与封锁隔离的规则之间的张力相对较小，封锁隔离规则具有普遍的可接受性，并容易形成普遍的社会共识。因此，在这些文化模式下，普遍采取的长期、重度封锁隔离政策。尽管长期的封锁隔离也同样带来较大的经济社会损失，但是在社会心态上引发的负面情绪反应则相对较弱，而这种社会情绪反应恰好构成这些社会长期重度封锁隔离的社会心理基础。
表8 各大文化区域的文化价值观、封锁隔离与情绪反应
八
总结与讨论
01
重大疫情下的主要负面情绪及其演变特征。
本研究试图以新冠疫情期间主要负面情绪的演变模式为分析对象，揭示这些负面情绪演变趋势背后的重要影响因素。我们发现，重大疫情下的负面情绪主要包括恐慌、焦虑和抑郁等，大规模的负面情绪爆发主要发生在2020年第一波疫情期间，随着后续疫情的反弹，恐慌、焦虑和抑郁等负面情绪尽管也出现波动，不过其幅度远不如第一波疫情。在第一波疫情期间，几乎所有大国在疫情期间，都经历了类似的负面情绪波动轨迹，先后出现恐慌、抑郁、焦虑、无助和烦躁等负面情绪的爆发，从爆发时间来看，这些负面情绪的暴发呈现出非常明显的多阶段特征，第一阶段往往表现为恐慌情绪的爆发，而第二阶段则出现抑郁、无助和烦躁等负面情绪的上涨；第三阶段主要是恢复与反弹阶段，恐慌等负面情绪随着部分国家的疫情反弹而再度出现小规模爆发。
02
重大疫情下主要负面情绪的形成与演变机制分析
关于社会恐慌的形成和演变机制。本研究从媒介信息传播与风险沟通、政府行为与风险应对等角度，结合“威胁感知-应对效能”等风险感知因素，分析了2020-2022年间社会恐慌的演变逻辑。
在2020年重大疫情初期，由于疫情的新奇性、陌生性与不确定性，以及公共卫生机构与新闻媒体在风险沟通过程中的恐惧诉求效应，引发大规模的疫情信息大流行，放大公众的威胁感知；而与此同时，从个体到公共卫生机构和政府部门对于病毒缺乏最起码的认知，整个社会对疫情的应对能力极低，由此而形成“高威胁感知-低应对效能”的格局，引发公众的恐慌和焦虑情绪。
随着疫情的进一步扩散，很多国家启动大规模封锁隔离，由于封锁隔离建构了一种基于风险和安全之间的可见区别的战时秩序，把密切接触者和高风险区隔离开来，在客观上起到了化解社会恐慌的作用，因此，随着第一波疫情中很多国家对封锁隔离的启动，社会恐慌在总体上下降。尽管客观的疫情还在，威胁感知还在，但封锁隔离在很大程度上作为一种应对策略，提升了大众的应对效能感和安全感，在此背景下社会恐慌总体下降。
第一波疫情之后，进入2020年秋冬季节，疫情再度反弹，甚至大规模反弹，从疫情风险的角度来说，这会增加民众的威胁感知，不过在这个阶段，风险沟通与风险应对格局发生变化，从风险沟通的角度看，由于疫情的新奇性下降，同时媒介信息疲劳效应凸显，大众对疫情信息的关注度降低，疫情信息也不再像疫情初期那样吸引眼球，并高强度地引发恐慌，大众对媒介疫情信息倦怠，在这个阶段，媒介对疫情的关注度下降，尽管疫情反弹，但是由于媒介的恐惧唤起效应弱化，民众对反弹疫情的威胁感知远不如第一波疫情初期。
与此同时，疫情应对方式也出现新的变化，随着2020年6、7月份核酸检测和2020年底疫苗接种的普遍化，人类社会对疫情应对能力大幅度提升，大规模的核酸检测降低了病毒的不确定性，而疫苗接种有效地降低了死亡率，在这个阶段形成“低威胁感知-高应对效能”的风险感知态势，尽管疫情大规模反弹，不过引发的恐慌幅度降低。
“低威胁感知-高应对效能”是常态化抗疫阶段的基本形态，在这个阶段，大规模封锁隔离已经比较少了，核酸检测和疫苗接种等成为抗疫的新常态，尽管2021-2022年间的疫情爆发规模远大于第一波疫情，其在2021-2022年间的反弹还是在一定程度上引发社会恐慌，不过，此时的社会恐慌总体幅度较低，在“低威胁感知-高应对效能” 的风险感知态势下，疫情风险已经难以再度引发大规模的社会恐慌。
社会抑郁的形成与演变机制分析。抑郁情绪也是重大疫情背景下大规模流行的负面情绪类型。本研究主要结合压力理论，从风险应对的负面效应，即封锁隔离与经济社会停摆所引发的社会压力角度对其形成和演变机制进行分析。
研究发现，大规模的抑郁情绪也主要出现在第一波疫情期间。抑郁的大规模爆发主要与封锁隔离的启动有关系，封锁隔离的启动，引发经济社会停摆，本研究从工作空间上的流动性变动和居住空间上的流动性变动对其进行监测。工作空间上的流动性下降，意味着越来越多的人失业，不能正常工作，收入压力增大；居住空间上的流动性增加，则意味着居家隔离的情况越来越普遍，人们被迫呆在家里，正常的社会交往中断。
路径分析的结果显示，封锁隔离政策及其引发的经济社会停摆是抑郁等负面情绪的主要激化原因，从2020年6、7月份开始，很多国家解除了大规模封锁隔离，各类空间上的流动性恢复，抑郁情绪总体消退。2020年第一波疫情以后，尽管疫情仍然在反弹和扩散，不过由于疫情风险的应对策略已经转移到主要依靠核酸检测和疫苗接种等应对手段，这些技术性的应对策略由于对大众的限制相对较少，因此，引发的抑郁情绪反应也总体较低。
03
文化因素对风险情景下的情绪反应具有调节效应。
2020-2022年间的新冠疫情在全球爆发，由于世界各地区在抗疫模式和文化特征上的差异，也使得世界各地区在重大疫情背景下的情绪反应具有明显的差异性。
已有研究发现，在漫长的历史演化过程中，由于生态威胁的差异而形成的文化松紧程度上的差异因素，不但塑造世界各地区在抗疫绩效和协调能力上的差异，也在很大程度上影响着大众的情绪反应。
就恐慌而言，松文化和紧文化在疫情初期对风险的社会建构上存在差异性，面对疫情威胁，紧文化的社会很快能激活有关大规模传染病的历史记忆，形成警觉，因此很快出现恐慌等社会情绪反应；而松文化的社会在疫情初期很长一段时间内，则存在盲目的乐观主义偏见，甚至对东亚地区正在发生的疫情进行“他者化”的建构与叙事，由此而错过疫情应对的最佳时机。
就抑郁情绪而言，在松文化背景下，强调个体自由大于强调对封锁隔离规则的遵守，封锁隔离规则与个体自由之间存在较大张力，长期的、重度封锁隔离必然会遭到民众的激烈反对，因此政府在民意的制约下，只能选择短期、轻度的封锁隔离政策；但即便是这样，短期的轻度封锁隔离政策，依然会在松文化的背景下引发民众的强烈心理不适。在强调个体自由的文化背景下，封锁隔离引发的被限制感、生活的失控感和无助感要更强，因为民众对封锁隔离状态的接受程度低。
而反观紧文化地区，这些社会强调在面对重大疫情挑战的时候，政府的权威性，以及个体对封锁隔离规则的准守程度都比较高；同时对于违反封锁隔离规则损害集体安全的偏离行为的容忍度较低。在这样一种整体性文化氛围下，重度封锁隔离与个体自由之间的张力相对较弱，大众对于政府所制定的封锁隔离规则具有较高的认可度和支持度，因而引发的心理不适和负面情绪反应相对较低。
04
对策建议。从重大突发公共卫生事件的应急管理的角度来看，本研究的发现有如下启示。
首先，重大疫情背景下的社会心理危机干预，尤其需要注重疫情第一波疫情初期大规模社会心理危机的管理，研究发现，重大疫情背景下，第一波疫情初期的社会心理危机往往是最为猛烈的，引发的次生性的社会灾难性后果也更大。
其次，重大突发公共卫生事件下的社会心理危机的冲击具有非常明显的阶段性特征，恐慌、焦虑、抑郁等负面情绪出现的时间点明显不同，社会心理危机的干预也需要因应这样一种阶段性特征，把握社会心理危机演变的时间节奏。
再次，重大疫情下的社会恐慌的爆发，与风险沟通和媒介信息密切相关。在发挥媒介的风险沟通的核心作用时，要注意平衡威胁信息、应对信息之间的平衡，既需要提升公众的警觉，通过一定程度的恐慌唤起以说服他们采取自我保护行为，也需要提供明确的应对信息，以提升其应对效能，在威胁信息与应对信息之间保持平衡。在2020-2022年间出现的情况是，在疫情初期，媒介风险沟通过程中经常顾此失彼，在疫情初期，过于关注威胁信息 ，因此出现过度的恐慌，应对信息严重不够；而在疫情中后期，受媒介信息疲劳机制的影响，媒介对疫情威胁信息关注不够，民众的自我保护意识弱化，后期全球多次大规模疫情反弹与此关系密切。因此，在疫情...
热门跟贴