互联网负面新闻偏好对患方信任的影响基于网络新闻大数据和CSS2019的实证,本文是网络新闻方面在职研究生论文范文跟实证研究和CSS2013和偏好相关研究生毕业论文范文.
网络新闻论文参考文献：
郝 龙,王志章
[摘 要]以往关于互联网与医患关系的研究,主要集中在医患沟通与医疗健康知识传播方面,较少关注网络新闻浏览对医患信任的影响.实际上,互联网媒体中关于医患关系的新闻能够影响人们对医生群体和医疗体系可靠性的判断.文章将网络大数据与传统调查数据相结合展开实证研究,通过对“全网”和“热点”新闻大数据的挖掘与分析,发现互联网媒体和用户（尤其是用户）存在医患关系负面新闻偏好.对2013年中国社会状况综合调查(CSS2013)的数据分析则进一步证明,网络新闻浏览频率与患方信任程度之间存在着显著的负相关关系.其中互联网新闻的部分影响会以医疗不安全感为*,间接作用于患方信任.这种负面新闻使患方预设信任的降低,一定意义上可以理解为患者在感知到潜在威胁后做出的防御性反应.同时,本研究也表明网络大数据与传统数据能够在社会科学研究中相互补充,计算社会科学应重视多种数据资源的结合使用.
[关键词]互联网；负面新闻；医患关系；大众传播；大数据；计算社会科学
[作者简介]郝龙,武汉大学社会学系博士研究生,湖北武汉430072；王志章,西南大学经济管理学院教授,博士生导师,重庆400715
[中图分类号] C91,G206.7
[丈献标识码]A
[文章编号]1004- 4434(2018)04- 0038 -10
一、问题的提出
医患之间彼此给予对方一定程度的信任,被视为社会医疗服务体系良性运行的必要基础.由于医学知识技能的高度专业化,医患关系中的信任与风险是不对称的,患者通常需要给予更多的信任,并随之承担更大的风险.因此,以往的医患信任研究大多侧重于对患方信任的讨论.患方信任指患者对医生行为符合预期可能性的一种主观判断,反映其将自身置于可能遭受医生伤害位置的意愿[1].患者对医生的信任可根据性质差异分为两种类型,即人格化的特殊信任和一般化的普遍信任.前者有赖于个体从亲身经历中获得的直接经验,是患者在医患互动中针对特定医生建立起的人际信任[2]：后者则涉及到患者对医生群体和社会医疗体系可靠性的整体评估[3],它更多地受到从新闻媒体等渠道获得的间接经验的影响[45].
随着报纸、广播、电视等大众传媒的接连兴起与普及,它们已成为人们了解与认识社会现状的重要信息来源.如今,互联网成为了人们获取信息的最主要渠道.早在互联网兴起之初,就有研究者注意到这种新通讯技术对医患关系可能产生的影响,但讨论的重点一直集中在医患之间的数字化媒体沟通和在线医疗健康知识传播两个方面.在他们看来,互联网即时通讯技术为医患之间的快速沟通提供了便利,也为双方在持续互动中建立起人际信任关系创造了更多的机会[8].医疗健康知识的在线传播,则同时发挥着正反两方面的作用.一方面,患者通过互联网接触到更多的医学专业知识,既便于其更清晰地了解自身的健康状况,并合理选择和使用可获得的医疗资源,也有助于消除医患沟通中的专业知识壁垒,使患者更积极地参与到治疗决策之中[9]：另一方面,在线知识传播同样有其负面作用,例如一些劣质甚至虚假的健康信息容易误导患者的就医与治疗选择,对网络信息的过度盲从也会削弱医生的权威性[10].
除以上两方面外,网络新闻浏览同样是一个不容忽视的重要影响因素.中国互联网信息中心发布的相关数据显示,截至2016年底,中国互联网新闻用户已达5.78亿人,占全部互联网用户的81.5%.在使用频率方面,有61.9%的用户每天都在线浏览新闻,每周至少浏览一次的用户比例更是高达83.5%：在使用时间方面,有超过一半的用户浏览时长在十分钟以上[“].这种巨大的覆盖范围和较高的使用频率,能够赋予互联网新闻媒体广泛形塑受众意识与行为——对医患关系的认识以及在此基础上实际发生的医患互动——的能力[12].因此,网络新闻浏览的影响是互联网时代医患信任研究不可缺少的新视角.
网络新闻以及用户浏览、转发、评论等行为留下的电子踪迹是典型的大数据,其体量巨大、增长速度快、数据结构多样、内含时空变量,传统方法无法有效处理,必须采用数据挖掘等新技术.大数据的突出优势之一是对相关性的发现能力,但同时也必须认识到,网络新闻数据与用户电子踪迹数据并非为社会科学研究量身,难以完全地、完美地适应特定研究框架,常常需要有所补充：并且在大多数情况下,运用新数据、大数据进行研究,会面临数据代表性、数据质量、数据处理精度等问题[13],故而有时在因果性判定的可靠性上是存在疑问的.
正是从这一背景出发,本研究将网绪大数据与传统调查数据相结合,依次对以下两个问题展开讨论：
Ql:在线医患关系新闻浏览中是否存在着某种形式的偏好？
Q2:如果存在某种偏好,那么它又会对患方信任产生何种影响？
二、文献回顾与研究假设
（一）媒体新闻与负面偏好
那些以社会消极事件／物（如毒品、犯罪、、丑闻）为主题,并着重突出其对抗性与冲突性的新闻报道,被统称为负面新闻[14].以往研究发现,无论是在传统大众媒体还是互联网中,负面新闻都会比正面新闻或中性新闻获得更多的选择性与关注[15l[16].这种偏好负面信息的现象,既出现在新闻的供给方——媒体一侧,也出现在新闻的消费者——受众一侧.从供给侧来看,在商业利益与市场竞争压力的驱迫之下,大众传媒逐渐淡化了社会责任意识,更多地关注如何以较低的成本来吸引更多的受众.这种转变主要表现为两个方面：一是新闻价值评价中的及时性、公共性等传统标准逐渐让位于新奇性、冲突性、戏剧性等新标准[17]：二是“制造轰动”[18]“唤起情绪”[19]与“渲染恐惧”[羽成为新闻报道的常用技术框架.在以上两方面的作用下,负面新闻的数量与比例开始不断上升.例如,Slattery对1968-1996年间三个时焦的美国晚间新闻比较后发现,嵌入“轰动效应”的公共事务新闻比例呈现逐渐上升趋势[姐].汪新建等也注意到,自改革开放以来,中文报刊中有关医生的负面新闻比例也呈现逐步增加趋势[22].从需求侧来看,受众群体中普遍存在的“负面偏见”(negativity bias)心理——倾向于为负面事物或经验赋予更大的权重[23]幽,会影响其对新闻的选择性注意.“负面偏见”的形成,可以从“损失厌恶”(loss ersion)与“自我保护”的角度加以解释.由于不期望遭受利益的损失,人们会通过从负面新闻中获取的信息来评估其资源所面临的实际或潜在威胁,从而作出相应的防御行为[25]陶.此外,负面新闻的故事主题、材料选择与内容叙事,通常具有相对更大的情绪唤起能力.研究显示,新闻所能激发的情绪越强烈,越有可能获得受众的青睐并再次传播（如在社交媒体中转发）阳.
对于医患信任而言,医患关系的负面新闻具有帮助受众以他者经验来评估医疗风险的信息效用.同时,关于医生不负责任与误诊现象以及暴力医闹事件的新闻,通常会激发其受众不满甚至强烈愤怒的情绪,因而很可能更容易引起公众关注,被选择性的概率也会明显高于正面和中性新闻.基于此．本文提出如下假设：
Hl：互联网用户对医患关系负面新闻的关注度高于正面新闻.
（二）媒体新闻与患方信任
传播学的涵化理论认为,现代社会的民众越来越多地通过新闻媒体来了解现实世界,并根据所获得的信息形成自身对现实世界的态度和判断：在与媒体的长期接触过程中,受众会根据媒体所描绘出的世界,逐渐建立起一种“心理现实”：虽然受媒体偏见等因素的影响,“心理现实”始终与客观的社会事实之间存在差异,但仍会成为人们社会行动的基本依据.按照这一理论逻辑,新闻媒体对信任的影响可以同时沿着正反两个方向展开.在关于政治信任的研究中,就存在着“动员论”“抑郁论”“无关论”三种媒体作用理论的分歧[29].然而,在患方信任领域,大量研究却一致显示,媒体通常情况下更多地对信任产生负面影响.例如,有研究者注意到在美国的虚构或非虚构电视节目中,存在着一种医生形象负面化的趋势[30].这些节目对医生人物不良特征（如傲慢、贪婪、不负责任、婚外情）的着重刻画,很容易建立起受众对医生群体的消极印象阿32],进而影响其在现实中的医患互动.Van Der Schee等对荷兰一起医疗纠纷新闻的追踪,也证明了负面新闻会动摇医疗系统在当地居民中的公信力[33].类似的情况在国内研究中也得到了证实,例如有学者指出,互联网用户群体对医生的信任程度要显著低于非互联网用户群体.还有学者进一步发现,报纸、广播、杂志、互联网等媒体类型的使用频率,均会对患方信任产生消极影响.鉴于此,本文提出第二项研究假设：
H2:网络新闻浏览频率越高的互联网用户,对医生群体的普遍信任程度越低.
（三）媒体新闻与社会安全感
安全感是一种对自身安全状况的主观认知与判断,是人类的基本心理需求之一.由于“安全”的评价标准并不统一,学界更多地从不安全感角度来探讨这一问题.不同于心理学对儿童期经验与人格特质的强调,社会学更注重社会环境与情境因素对不安全感的影响,并将不安全感定义为一种人们因感知到外部社会环境威胁而作出的心理与情绪反应陶.作为一种主观意识,它涉及到两个层次的认知：一是初级的风险感知,印对外部潜在威胁的识别与理解：二是次级的能力评估,即对自己有效应对这些威胁的能力进行预估,当识别到潜在威胁且自身缺乏有效应对办法时,人们就会产生不安全感网.
社会风险理论认为,媒体不仅直接影响受众对风险的感知,还常常扮演社会风险的“放大器”角色,加剧人们的恐惧感和不安全感[38][39].例如在疾病报道方面,Lewison分析了7个国家的“非典”(SARS)新闻后发现,媒体报道普遍会在疾病爆发初期制造恐慌,直至疫情得到有效遏制后情况才有所好转㈣.Lemal等对电视新闻的研究显示,有关“宫颈癌”的新闻会在女性群体中制造出恐惧与焦虑情绪,而且这些情绪会随着对类似新闻接触频率的增加而不断加剧[41].Kilgo等研究了网络社区Reddit中分享的埃博拉传染病新闻,结果发现互联网用户更可能分享那些加剧恐慌的新闻,其中有接近一半的文章都在警告人们有感染到病毒的风险[42].类似的情况,同样可能出现在人们对医患关系的认知中.患者能够通过媒体新闻直面他人的负面经历,并从中感知到潜在的医疗安全风险.随着对类似信息的接触,患者的风险意识会不断强化,然而与之相对的却是其对医生专业知识技能的高度依赖和风险应对戗力的匮乏,并由此引发医疗不安全感的生成与强化.正因如此,本文提出第三项研究假设：
H3:网络新闻浏览频率越高的互联网用户,对当前社会医疗状况的不安全感越强.
（四）医疗安全感与患方信任
对患方安全感与信任之间关系的讨论,需要从个体与集体两个维度展开.在面向人格化医生的个体维度,患方对医生的信任影响其自身的安全感,或者说安全感通常作为信任的结果而存在.患者通过在诊疗活动中与医生的直接互动和治疗体验,对医生作出信任评价.研究认为,医患之间的沟通、医生所表达出的同情心与责任心及其对病人利益与隐私的保护等因素都会影响患方信任[43].患方的信任程度越高,其对治疗过程的满意度就会越高,不安全感则随之降低㈣.
在面向医生职业群体的集体维度,二者之间的关系发生反转,即安全感通常作为信任的前提条件而存在.由于个体患者难以基于自身经验对社会整体状况作出有效评估,势必需要借助媒体新闻来广泛收集信息阁.负面新闻的频繁,使患者接收到大量的消极信息,并从中感知或联想可能发生的潜在风险.所谓医疗不安全感,在一定意义上可以理解为患方因其自身健康与利益遭受着实际或潜在威胁而生成的焦虑与恐惧.因此风险感知越强,患者的医疗木安全感就会越高.在缺乏足够的正面经验调和时,这种不安全感会导致患者对医生和医疗机构的预设信任降低.许多研究者认为,过低的预设信任是造成当前中国社会中医患关系紧张的重要原因之一.因此,本文提出第四项研究假设：
H4：对当前社会医疗状况不安全感越强的互联网用户,对医生群体的信任程度越低.
如果假设1至假设4均成立,意味着网络新闻浏览频率越高的互联网用户,所获取到的医患关系负面信息越多：对负面信息的持续选择性与关注,会加剧互联网用户的医疗不安全感：而医疗不安全感又会进一步损害患方对医生的普遍信任.综上所述,本文提出如下假设：
H5:医疗不安全感在网络新闻浏览和患方信任程度之间发挥*作用.
三、数据来源与研究设计
本研究采用大数据与传统调查数据相结合的方法,对网络新闻浏览与患方信任的关系问题展开讨论.其中,大数据为互联网媒体新闻文本数据,通过慧科新闻数据库和新浪热点新闻数据库两大平台获得.调查数据则使用2013年中国社会状况综合调查(CSS2013)数据,该调查由中国社会科学院牵头设计实施,共涵盖全国31个省（直辖市、自治区）的1万多户家庭.剔除缺失值后,共保留有效数据2183个.
（一）大数据研究设计
慧科新闻数据库的数据源涵盖了几大主要的新闻门户网站和传统新闻媒体的网络新媒体,可以对互联网新闻进行聚合式分析.该平台的数据采集与处理,主要基于以程：(1)在媒体新闻数据生成之后,以网络爬虫方式对数据进行快速采集；(2)对所获得的新闻数据集展开网页解析、数据清洗、分词等预处理,建立索引数据库；(3)根据数据库特点与研究主题设计相应的数据挖掘算法；(4)运用相应算法挖掘数据,并对挖掘结果进行可视化呈现.此外,慧科平台还附带有自制的通用负面词库和医疗负面词库④,可以提供新闻的正负面研判服务.借助这一数据库,本研究以“医生”为关键词,对2017年1月1日至2018年5月20日共71周的新闻数据进行挖掘,从中提取出每周新闻总量、每周不含负面诃新闻量、每周包含负面词新闻量、每周不含负面词新闻比例与每周包含负面词新闻比例等变量（见表1）.
新浪热点新闻数据库由时政、经济、社会、科技等众多板块和点击量排行、转发量排行、评论量排行三大榜单构成,记录了新浪网的每日前十条热点新闻数据.考虑到医患关系新闻的公共属性,本研究以“医生”为关键词,从2012年7月至2018年5月热点社会新闻的三大榜单筛选出相关数据,获得的有效数据量分别为点击榜283条、转发榜327条、评论榜264条.这些数据通过三种方式进行分析：(1)以人工方式对新闻进行正负面研判（详见表2）.当报道中出现医患纠纷、冲突与伤害等主题时,判为负面新闻：当报道中出现赞扬医生的医术或医德以及展现医患之间相互理解等主题时,判为正面新闻：当医生以非人格化的医学专家身份或与医疗无关的人物称谓出现时,判为中性新闻.(2)对出现在新闻文本中的交互作用词汇（动词）进行词云分析.在新闻报道写作中,主语（行动主体）、谓语（交互作用）和宾语（行动客体）组成最简单的语法结构,其中谓语构成了主语与宾语之间的连接词汇,从社会学角度看,反映着主体与客体之间的社会互动或作用关系.对负面文本中的动词（谓语）进行分析,能够让我们简单了解报道所呈现的医患关系状态.(3)对出现在新闻标题与正文中的情绪词汇进行词云分析.以往研究证实,新闻中的情绪词汇会对互联网用户的情绪唤起产生直接影响,而且两种情绪之间存在显著的一致性.因此,对标题与正文中的情绪词汇进行分析,有助于我们了解新闻受众可能产生的情绪.
（二）调查数据研究设计
本研究的因变量为患方信任程度,该变量通过CSS2013问卷中“你信任医生吗”一题测量.问题的答案分为“完全不信任”“不太信任”“比较信任”和“完全信任”4等,并按照1至4的顺序赋值.由于该问题指向的是作为职业群体的医生身份,而非特定的人格化医生,因此在研究中患方信任变量只具备普遍信任的意义,并不涉及到具体的特殊信任.
自变量为网络新闻浏览的频率,对应问卷中的“您平时使用互联网进行浏览新闻活动的频率”一题,问题的答案及其赋值分别为“一年几次等于1,一月至少一次等于2,一周至少一次等于3,一周多次等于4,几乎每天等于5”.一般认为,在不考虑注意力分配与媒体素养因素的情况下,受众对媒体新闻选择与的频率越高、时间越长,所能获得的信息就会越多,受这些信息影响的可能性随之越大.
*变量为医疗不安全感,通过间卷中的“您觉得当前社会中医疗安全方面的安全程度如何”一题测量.问题的答案分为5等,分别赋值为“很安全等于1,比较安全等于2,不好说等于3,不太安全等于4,很不安全等于5”.本研究将基于温忠麟等提出的逐步回归法M进行*效应分析,并借助SPSS的Process插件对结果进行Sobel和Bootstrap双重检验.
研究所使用的控制变量,主要涉及三个维度：(1)人口学与经济社会变量,包含年龄、性别、受教育年限、政治面貌、婚姻状况、个人年收入（取自然对数）和主观阶层认知.(2)个体就医经验变量,包含自我健康满意度和就诊经验满意度①两个方面.个体的健康状况会直接影响其对健康与医疗信息的关注程度,曾经的就诊经历也会以直接经验的方式作用于人们对负面信息的理解.(3)其他媒体使用变量,即看电视的频率.电视、广播、报刊与互联网是当下4种主要的新闻传播媒体,然而考虑到报刊的普遍数字化和广播的较低使用率,本研究只将电视媒体使用纳入分析.上述变量的统计描述,详见表3.
四、数据分析结果
（一）大数据分析结果
从媒体角度来看,表1和图1显示,标题和内容中带有负面词汇的新闻平均每周出现31966.17次,其周占比始终接近全部新闻的一半.由于不含负面词汇的新闻中还包含着相当数量的中性新闻,负面新闻的数量一般会多于正面新闻.并且,媒介新闻报道是否平衡与受众关注程度是否平衡并不是完全对应的关系.对互联网新闻偏好现象的考察,更需要着眼于受众的注意力.表2和图2显示,在点击量、评论量与转发量三大榜单的热点新闻中,负面新闻的比例都远高于正面新闻,差距分别为34%、51%和27%：中性新闻的比例则平均只在三成左右.这意味着互联网用户对医患关系负面新闻的关注度明显高于正面新闻（用户的负面偏好比媒体的负面偏好显著得多）,证明了假设1的成立.
从表2来看,新浪热点新闻中的消极性集中表现在“医生伤害患方”和“患方伤害医生”两类主题之上.前者很可能会给互联网用户留下“不负责任的医生”印象,后者则容易让人联想到治疗失败,进而对医疗安全问题产生疑虑.为更深入地了解负面偏好可能带来的消极影响,本研究以新浪点击量热点负面新闻为样本,对新闻的标题与正文进行文本分析并生成相关的词云图.一般而言．“患病一治疗一治愈”构成了医生与患方之间最常见的交互作用模式,至于其他情况则可以视为对该模式不同程度的偏离.图3呈现了在这些负面新闻中出现的消极交互作用词汇,从中可以发现：首先,治愈疾病是患方就诊的一般化期望,而新闻中大量出现的“死亡”（163次）、“去世”（33次）、“身亡”（32次）等词与该期望之间形成了明显反差,很可能会引发或加剧受众的医疗不安全感.其次,由于医学知识技能的高度专业化,医患协作关系中存在着一定程度的道德性与服从性要求.然而,词云中出现的“”(54次)、“”（15次）和“质疑”(55次)、“怀疑”(28次)等词明显有违上述要求,为医患之间的预设不信任埋下隐患.最后,“殴打”（129次）、“打人”(86次)、“冲突”(39次)、“动手”(34次)等词汇,则直接违背了医患之间围绕治疗活动展开合作的基本要求和出现问题后协商或司法解决的机制.这种对医患冲突关系的突出描绘,容易让受众作出当前医患关系高度紧张的错误判断.除消极交互作用词外,本研究还提取出了新闻文本中的情绪词汇(图4).分析结果显示,“无奈”一词出现的次数最多,有27次：在频次最高的前10个词中,消极情绪词有7个（合计出现118次）,积极情绪词只有3个（共出现45次）：在全部出现的情绪词汇类型中,消极情绪词占66.7%.大量消极情绪词的出现,很容易在新闻受众中唤起类似的情绪反应,进一步强化负面新闻的消极影响.
（二）调查数据分析结果
本研究构建了4个数据模型,用于分析网络新闻浏览与患方信任程度之间的关系.其中,模型1的控制变量中只包含基本的人口学和经济社会变量：在此基础上,模型2和模型3分别进一步引入了就医经验变量和媒体使用变量：模型4则继续加入了医疗不安全感变量,以检验是否存在进行*效应分析的前提条件.模型1-4的R2呈逐渐增大趋势,说明随着控制变量的增加,模型的解释力不断增强.
表4呈现了网络新闻浏览频率影响患方信任的多元回归分析结果.在人口学和经济社会变量方面,户籍因素对患方信任具有显著的负向影响,即与农业户口者相比,非农业户口的互联网用户对医生的信任程度更低：性别、年龄与受教育年限等其他因素,则并不对患方信任产生显著影响.在就诊经验方面,自我健康满意度对患方信任具有显著的正向影响,可以理解为互联网用户的健康程度越高,其对医生群体的信任感越强：就诊经验满意度同样与患方信任呈正相关关系,即个体在以往就医经历中的体验越积极,其对医生群体的信任水平越高.在媒体使用方面,虽然看电视的频率不对互联网用户的信任产生显著影响,但网络新闻浏览频率与患方信任之间存在着显著的负相关关系,即网络新闻浏览频率趱高的互联网用户,其对医生群体的信任程度越低,这证实了假设2的成立.模型4显示,医疗不安全感能够对患方信任产生显著的负面影响.具体来说,医疗不安全感越高的互联网用户,其对医生的信任程度越低,支持了假设4的成立.
对医疗不安全感的*效应分析,按照以下步骤进行：第一步,计算网络新闻浏览频率对患方信任的总效应（-0.038,p等于 0.001）；第二步,计算网络新闻浏览频率对医疗不安全感的作用效应(0.047,p等于0.020)；第三步,计算网络新闻浏览的直接效应（-0.030,p等于0.008）和医疗不安全感的*效应（-0.008）；第四步,对*效应进行Sobel检验和Bootstrap检验.结果显示,Sobel检验Z值为-2.284(p等于0.022),而在样本选择量为2000,设置95%置信区间的Bootstrap检验结果区间中也不包含0 (LLCI等于-0.015,ULCI等于-O.O01),一致证明*效应成立.
由表5可知,网络新闻浏览与医疗不安全感之间存在着显著的正相关关系,证明了假设3的成立.Sobel和Bootstrap检验结果则说明,网络新闻浏览能够以医疗不安全感为*,影响互联网用户对医生群体的信任,支持了研究假设5的成立.不过,由于网络新闻浏览频率的直接效应显著,医疗不安全感并不是其唯一*变量.换言之,医疗不安全感只发挥部分*效应,占总效应的21%左右.
五、研究结论与讨论
本研究基于大数据分析方法,对互联网中是否存在对医患关系主题负面新闻的偏好现象进行验证.数据分析结果证实,互联网用户确实存在对负面新闻的偏好.从“全网”新闻维度来看,包含负面词汇的医生话题新闻,每周占比始终在四成以上,这意味着互联网用户对消极信息的持续、高强度暴露很可能成为大概率事件.从热点新闻维度来看,在新浪互联网用户的点击、评论与转发三种行为中,负面新闻的受关注程度都明显高于正面新闻和中性新闻.负面新闻主要围绕“医生伤害患者”和“患者伤害医生”两类主题展开叙事,着重突出医患之间的冲突与对抗关系.
结合以往研究文献和词云分析结果,笔者认为,中文语境下医患关系新闻的常用报道框架,存在着一种将患方引向预设不信任的潜在倾向.其一,新闻报道中的医生主要以施害者或受害者的形象呈现,中性或正面的医生形象较少受到关注,这会引导受众建立起“非坏即无辜”的医生刻板印象阐.其二,尽管大部分的医患冲突报道都属于个案叙事,但叙述与评论常常上升至群体层面（医生群体VS.患方群体）的对立[49],这很容易使受窳误识事件的典型性,进而作出错误的甚至相反的事件发生率估计[50].其三,在医患冲突的过程叙事中加入大量的情感渲染内容（例如,对事件结果的悲剧式煽情）‘51],会广泛唤起受众的同情、不满、恐惧等情绪,进一步强化其对负面信息的选择性关注与记忆[52].
以互联网负面新闻偏好现象为前提,本研究对网络新闻浏览频率、医疗不安全感和患方信任程度三者之间的关系进行了深入分析.首先,网络新闻浏览会强化互联网用户的医疗不安全感.医疗不安全感,可以理解为患方对非预期治疗结果——以“治愈”期望最为普遍——的恐惧感.按照资源保护理论的观点,当资源／利益受到威胁时,人们会产生心理压力,并常常伴随着不同程度的焦虑与恐惧情绪[53].负面新闻所传递的消极性信息,无论是医生对患者的伤害,还是患者对医生的伤害,都让互联网用户感知到遭受个人健康利益损失的风险.这种情况下,互联网用户接触到的负面新闻越多,其风险感知越强烈,恐惧感和不安全感自然随之上升酗.其次,网络新闻浏览会削弱互联网用户对医生群体的信任感.对患方而言,负面新闻选择性暴露与关注的最直接后果,便是对医生群体宽容度的下降,甚至由此产生刻板偏见,将一切不合期望的治疔结果统统归咎于医生.在高度情绪化状态下,这种群体偏见容易导致患方采取极端暴力的维权手段.另一方面,负面新闻同样可能对医生产生消极影响,例如催生出医生对患方的畏惧心理,进而使其倾向于采取防御性的医患互动策略和诊治策略,包括拒绝收诊高危病人,不愿采用高风险诊疗方案,以大量文书案牍取代医患间的直接言语沟通等.最后,在三种因素的作用关系中还存在着一种*作用机制,即网络新闻浏览以医疗不安全感为部分*,对患方信任产生消极影响.计算结果显示,*效应为总效应提供了21%的解释,说明这种作用机制在讨论时不应当被忽略.
在研究方法上,本研究将大数据与传统数据相结合.对于研究问题而言,只使用其中一种数据无法进行完整的验证.在近年来兴起的大数据浪潮中,有一种流行观点认为,有了大数据,传统数据将被取代,不再使用传统的问卷调查等方法.这种盲目乐观可能将计算社会科学引入歧途.数据的科学价值不在于数据的大小,而在于能够满足研究的需要以及数据的质量等.本研究也表明,网络大数据与传统数据能够在社会科学研究中相互补充,计算社会科学应重视多种数据资源的结合使用.
本研究也存在着一定的局限.在大数据分析方面,本文使用的新浪热点新闻数据只对新浪网用户具有代表性,其是否足以反映全部互联网用户的选择偏好尚需进一步验证.非结构化的新闻文本数据也不像结构化的数值数据那样便于处理,同时又存在着语境、语序、语义分析方面的种种限制,势必会存在一定研究误差.由于中文语法的特殊性,如否定形式的不明确和分词断句的复杂性,目前的中文挖掘算法普遍存在限制,“分词歧义”（交集型歧义、组合型歧义、混合型歧义）和“未登录词识别”（数字识别、命名实体识别）等困难,造成中文文本挖掘结果产生的误差要远高于英文文本[58].在调查数据分析方面,由于缺乏相应的数据,本文未将互联网用户的媒体素养因素纳入分析模型之中.媒体素养指向人们处理媒体信息的一系列能力,包括理解信息内容、评估信息价值、挖掘信息效益等[59].在互联网新闻传播中,媒体素养会以媒体信任和信息判断等方式,直接影响新闻的传播效果.媒体素养良好的互联网用户,在阅读负面新闻时通常会对信息的真伪与报道的偏见进行甄别和判断,因而受到负面新闻消极影响的概率要比媒体素养差的用户更低.这些问题有待在进一步的研究中改进.
汇总,此文为适合实证研究和CSS2013和偏好论文写作的大学硕士及关于网络新闻本科毕业论文，相关网络新闻开题报告范文和学术职称论文参考文献.
大数据时代新闻伦理面临的困境
“今日头条”通过个性化推荐系统技术的应用,比较好得解决了信息过载问题 然而自2013年年底起,“今日头条”就屡屡陷入侵权风波 本文将从当下的传播生态入手.
互联网时代新闻编辑记者面临的挑战和应对措施
报社的新闻编辑作为报社单位的重要一员,对于报社单位的发展起到了十分重要的作用,在当下的互联网时代中,新媒体的大量涌现,使使传统媒体的发展受到制约,所以新闻编辑工作在进行制作时首先要有精深的专业知识,再.
大数据时代热点新闻博弈疏导模式
摘要本文研究了基于互联网的大数据时代的热点新闻与信息的重要意义在目前复杂的国际背景下,热点新闻与信息在特定的时间常被利用,通过信息量及信息工具的应用湮没掉对万的宣传与辩护,形成几乎单向的信息冲击,构成.
不惧负面新闻养元饮品三度谋上市
近年来,凭借著名主持人陈鲁豫代言的广告语“经常用脑,多喝六个核桃”,以及冠名电视节目和挑战不可能,河北养元智汇饮品股份有限公司（下称“养元饮品”）出产的.