事件与传播：网络暴力事件传播力影响因素分析——基于49例网络暴力事件的定性比较分析(QCA)

丁汉青，韩 玥

(北京师范大学 新闻传播学院， 北京 100091)

从早期“铜须门事件”再到新近发生的“刘学州事件”，网络暴力事件频发。与之相关的研究成果亦大量涌现。从现有研究成果看，目前学界对网络暴力的界定尚未达成共识。姜方炳认为，网络暴力是一种侵害当事人名誉权与隐私权的网络失范行为，表现形式主要是言语辱骂、恶搞、泄露个人隐私等。[1]田圣斌等人将网络暴力定义为一种软暴力手段，施暴者通过造谣、泄露他人隐私形成网络舆论压力，使受害者饱受精神困扰甚至危及其人身安全。[2]彭兰则从行为、主体、结果三个方面阐释了网络暴力的定义。[3]陈代波在进一步辨析网络暴力概念时认为，由线上事件引发的线下恶性暴力和具有强烈人身攻击性的网络监督等亦属网络暴力的范畴。[4]基于以往研究成果，本文认为，网络暴力是指集聚在网络空间中的民众，以道德名义侮辱、谩骂、嘲讽他人，形成强势舆论，最终导致大规模群体极化的群体性失范行为。

随着网络与新媒体技术的进一步发展，网络暴力的形式已从单纯的语言暴力上升到人肉搜索甚至线下的各种恶性行为，点滴的“平庸之恶”[5]汇聚，暴露出网络狰狞的一面。网络暴力轻则泄露个人隐私，使当事人遭受电话与信息骚扰，重则对当事人造成极大的心理、生理伤害。到底是哪些因素促使网络暴力事件在互联网场域产生如此巨大的传播力？

近年来，学界对网络暴力的研究日渐丰富，探究的领域包括网络暴力的发展现状、成因与形成机制以及治理路径等。

关于网络暴力的发展现状及趋势，李华君等人对30起网络暴力事件进行内容分析后发现，网络暴力事件存在区域分布不均衡、结构性暴力和事件性暴力并发、政治性热点向娱乐性热点转变、同类事件的多米诺效应显著等特点。[6]王天楠等人提出，中国网络暴力问题在演进方式、针对对象、传播方式、对立立场等方面都呈现出新特征。匿名性身份、不良群体心理以及缺乏精英正面引导等因素相互叠加，进一步增加了形成网络暴力的风险。[7]

在网络暴力的成因与形成机制方面，林凌着眼于网络暴力的传播过程，认为网络传播技术的革新分解了把关环节，把关人责任模糊是网络暴力的重要成因。[8]朱丽认为网络暴力的形成是多元的，网络技术发展、网民情绪宣泄、传统媒体的参与以及监管的不完善均是重要成因。[9]刘绩宏等人则着眼于网络暴力与谣言的联动关系，发现刺激性的网络谣言能够使网民对相关主体形成消极道德判断，进而使网民实施网络暴力行为。[10]

而在治理路径方面，徐才淇提出应当在刑法中加强对网络暴力行为的规定、增加新的专项罪名或增加专门的单行刑法的规制。[11]陈代波认为应根据网络暴力参与者的不同层次制定不同应对策略，团结多数网民的同时也不放过违法者。[12]

综上所述可知，网络暴力的相关研究目前主要集中在成因、传播规律与应对之策上，较少关注高传播力网络暴力事件是如何形成的。但事实上网络暴力事件的破坏性与其传播力密不可分，基于此，本文试图转换视角，跳脱出表层成因与治理路径的分析，探究高传播力网络暴力事件的形成机制。在本研究中，“传播力”用“知微事见库”中的影响指数(Event Influence Index，EII)来测量，该指数是代表某一事件在互联网上传播效果的权威指标。另外，既有网络暴力研究多采用个案分析法，较少进行多案例研究。本文拟采用定性比较分析法(QCA)，结合定量定性研究方法各自优势进行多案例研究，探究网络暴力事件中事件本身、传播过程与网络暴力事件传播力之间的关系。本研究拟回答以下三方面的问题。

RQ1：促成网络暴力事件高传播力的必要或充分条件是什么？

RQ2：在网络暴力事件的发酵与传播过程中，何种事件属性与传播组合会影响事件传播力的大小？

RQ3：上述因素影响网络暴力事件传播力的作用机理和社会深层原因是什么？在预防与治理高传播力网络暴力事件方面有何对策？

本文采用定性比较分析法，摘选2017—2020年的典型网络暴力事件共计49例作为研究样本，提炼出9个与网络暴力事件相关的影响因子作为条件变量，将事件传播力作为结果变量，深入探讨网络暴力事件不同的事件属性与传播条件组合作用于事件传播力的相关机制。

(一) 案例选择

本文以知微事见、百度、新浪微博为检索平台，筛选2017—2020年间相关网络暴力事件，最终采用立意抽样的方式摘选重庆万州公交坠江事故、乐清滴滴顺风车事件、苟晶被顶替上学事件等49个典型案例进入研究案例库。

选择案例的依据主要有四个。一是符合网络暴力的操作性定义。结合以往研究成果，本文对网络暴力的操作性定义如下：网民明确做出针对当事者的侮辱、谩骂、恶搞、人肉搜索、攻击乃至线下骚扰等群体性行为，对当事人构成直接或间接伤害，且参与动机具有朴素正义性与恶意的制裁性。二是具有一定的典型性。本研究将选取舆论热度、讨论度话题度较高，具有代表性的网络暴力事件作为样本。三是案例资料可获取、可核查。四是案例间需具有可比性，即保证案例总体的充分同质性与案例总体内的最大异质性。[13]

(二) 变量选择说明

本文基于集体行动理论以及网络群体性事件等相关文献，确定了9个条件变量以及网络暴力事件传播力1个结果变量。

1.条件变量设定

(1)事件指向(direction)

网络事件爆发通常都具有明显的指向性，是事件导向研究的基本变量之一，曾祥敏等人在研究新媒体语境下的新闻反转时认为，不同的事件指向会对舆情走向产生影响。[14]在网络暴力事件中，网络暴力的特性是多数人对少数人的舆论压制：事件因个人、群体或组织的行为引发争议而被推到舆论的风口浪尖，长期的社会怨恨和被剥夺感在作为导火索的触发性事件下爆发，诞生出网络暴力事件指向。根据对案例的梳理，本研究的事件指向基本可分为政府/官员、企业/机构、个人/群体三大类别。

(2)公众诉求(goal)

情感、心理等因素在以往集体行动研究中通常被视为重要变量，网络群体性事件爆发的重要客观原因之一，是事件背后所反映出的公众共同的利益诉求，其在网络集体行动中发挥着重要作用。[15]网络暴力事件中的公众诉求主要分为情感方面的诉求、经济利益方面的诉求以及人身安全方面的诉求三类，经济利益诉求和人身安全诉求在本研究中合并为利益诉求。

(3)被指向人的态度(attitude)

在网络群体性事件中，被指向人回应态度通常影响着网民的情感与后续舆论的走向。王楠等人在采用QCA方法探究网络舆情对高校形象的影响时发现，若舆情在发酵及传播过程中未得到回应，会对高校自身形象产生负面影响，增强事件影响力和破坏性。[16]在本研究中，被指向人态度可分为沉默/不予回应、回应态度消极或积极三类，其中态度消极的具体行为指回应搪塞、推卸责任或是回应态度恶劣等，而回应态度积极则表现为针对性解答质疑、态度认真、言辞诚恳等。

(4)事件叠加(superposition)

在网络社会中，高热度的舆情事件不再单一出现，而是呈现出“批量生产”和“同类复制”的特点。[17]事件叠加效应能够在其他因素的共同作用下对政策议程产生推动作用。[18]当前的网络暴力事件中同样存在同类事件多米诺效应，由此可推断，当短时间内同类事件多次发生时，会造成事件热度攀升、事件传播力增加。

(5)首发媒体(media)与首发内容的倾向性(content)

根据资源动员理论，社会运动的发生率提升，主要是由于社会上可供其他社会运动活跃者利用的资源增加了。[19]媒体在社会动员中作为外部资源有相当大的影响力，媒体充满戏剧化、情绪渲染的报道以及不同的情感动员策略能够使事件“问题化”，提升事件的话题度。因此本研究将首发媒体与首发内容的倾向性作为条件变量。首发媒体分为传统媒体、网络媒体、社交媒体；
首发内容倾向性分为中立客观(呈现事件经过，总体来说中立客观的报道)与带有明显倾向性(仅站在某一方角度进行事件阐述，其中带有较多情感偏向表述)。

(6)算法助推(algorithm)

互联网具有一种低成本、高速度的赋权能力，增强了新式集体行动的能力，也成为集体运动获取资讯和宣传动员的支配性手段和渠道。[20]“两微一端”等社交媒体平台正在迅捷方便地介入公共事务中，成为社会舆论的发动机和扬声器。[21]而微博中的算法机制能够对事件热度进行实时排名，决定着事件的“可见性”，故本研究将微博热搜历史最高排名作为条件变量之一。

(7)公众人物参与(opinion leaders)

拉扎斯菲尔德等人提出的“二级传播”理论认为，大众传播并不是直接触达受众的，而是会通过意见领袖这一重要环节。[22]公众人物/意见领袖的参与有助于事件进一步扩散，知名人物的参与往往被认为对舆论有导向作用。明星与微博意见领袖通常由于自身流量与关注度，能够使得事件进一步扩大传播力。

(8)是否存在谣言(rumor)

特纳曾提出突生规范理论，即符号性事件以及传播过程中产生的谣言对于群体共同心理与共同规范的形成有着关键作用，推动着集体行动的发生。[23]事实上，网络中事件传播过程通常呈现出情绪化的特征，网络谣言则直接或间接成为一系列网络群体性事件的导火索[24]，进一步激化矛盾，扩大事件传播力，故本研究将是否存在谣言视为条件变量之一。

2.结果变量设定

本研究将网络暴力事件的传播力作为结果变量。该变量用“知微事见库”中的传播力指数来测定。事件传播力指数是基于包括“两微”在内的全网自媒体和网络媒体传播效果数据，通过归一化运算得出，范围在0～100之间，代表某一事件在互联网上传播效果的权威指标。本文参考网络暴力事件库事件传播力指数平均数与“知微事见库”中事件传播力年榜上榜标准，确定事件传播力指数75以上者为高传播力网络暴力事件。

(三) 变量赋值表

考虑到变量组合的复杂性，本文参考李良荣针对网络群体性事件爆发机制研究的双重QCA建模[25]，将条件变量分为“事件属性”与“传播属性”两部分，并根据研究目的以及案例的描述性统计结果，对变量进行二分赋值，变量赋值表如表1所示。

表1 变量编码赋值表

本文针对网络暴力事件传播力影响因素的研究分为事件属性与传播属性双重分析，根据定性比较分析方法步骤对49例网络暴力事件案例编码赋值，然后使用fsQCA软件将原始数据的不同条件组合合成真值表，并分别进行单变量必要性分析以及多变量条件组合分析。

(一)事件属性

在事件属性分析中，选取“事件指向”“公众诉求”“被指向人的态度”“事件叠加”作为条件变量；
“事件传播力”作为结果变量，构建事件属性的真值表并得出相关数据结果。

1.事件属性单变量必要性分析

根据QCA方法理论，在单因素必要性分析中，若一致性指标大于0.8，视该条件变量为结果变量的充分条件，此变量的产生可以导致所研究的结果；
若一致性指标大于0.9时，则可证明该条件变量是构成研究结果变量的必要条件，其中的覆盖率指标(coverage)则是代表该条件变量组合能够解释发生结果中多少比例的案例。

在事件属性的单变量必要性分析中，笔者将“事件指向”“公众诉求”“被指向人回应态度”“事件叠加”正反共8个条件变量导入fsQCA3.0软件进行分析，分析结果如表2所示。根据表2运算结果，事件属性所包含的4个条件变量的一致性指标均未达到0.9以上，说明这4个条件变量均未构成高传播力网络暴力事件的必要条件。

表2 事件属性单变量必要性分析

在事件属性的所有变量中，“事件指向”“事件叠加”两个变量的一致性指标较高，分别达到0.79与0.76，较为接近0.8；
覆盖率分别达到0.64与0.72，能够对64%与72%的事件有解释力。由此可见，“事件指向”与“事件叠加”两个条件变量虽无法作为高传播力网络暴力事件的充分条件，但当网络暴力事件指向个人或是特定群体时，更易产生较大传播力；
事件叠加效应(即在该网络暴力事件发生前一年内有过同类社会焦点事件时)也会对事件的高传播力有推动作用。

综上可知，网络暴力事件的高传播力并不受单个事件属性变量影响，而是多重事件属性、多个变量共同作用促成的，因此有必要进一步开展条件组合分析来探究网络暴力事件传播力的影响机制。

2.事件属性条件组合分析

导入事件属性真值表后，采用fsQCA3.0进行标准分析，所得事件属性优化解组合路径如表3所示。

表3 事件属性优化解组合路径表

由表3可知，事件属性变量整体覆盖度为0.65，能够解释65%的案例，5条路径结果经过布尔最小化运算原则处理后，可以总结出以下三种路径类型。

类型1：情绪诉求*被指向人回应态度沉默/消极*事件叠加

该路径类型原始覆盖度为35%，是事件属性中最典型的条件构型。

“河南一女子醉驾玛莎拉蒂致两死”为该路径典型案例。在此类网络暴力事件中，网络暴力行为体现的是公众力求维护道德与社会公平正义的情绪诉求，此种情绪诉求在叠加效应下进一步强化，当事人的沉默与消极应对态度会进一步激发公众的愤怒情绪，扩大网络暴力事件的传播力。

类型2：利益诉求*事件叠加(指向政府官员/企业机构+被指向人回应态度积极)

该类型路径由路径2与路径4整合所得，原始覆盖率为23.5%。该路径显示，当反应公众利益诉求的事件存在叠加效应时，容易导致高传播力网络暴力事件。“长生生物疫苗造假事件”为该路径代表性案例。

类型3：事件指向个人/群体*利益诉求*无事件叠加效应

大多数反映利益诉求的网络暴力事件通常是指向政府/企业机构，亦有部分指向个人或群体。这类事件在反映公众的利益诉求且并无事件叠加效应的情况下，仍存在导致高传播力网络暴力的路径。“肖战粉丝举报AO3等网站引热议事件”为代表性案例。

(二)传播属性

本研究在分析传播属性时，选取“首发媒体”“首发内容倾向性”“算法助推”“公众人物参与”“是否存在谣言”作为条件变量，结果变量仍为“事件传播力”。

1.传播属性单变量必要性分析

将传播属性5个条件变量共计10个正反变量输入fsQCA3.0软件进行单变量必要性分析(necessary conditions)，得到表4。

表4 传播属性单变量必要性分析

据表4可知，单一变量一致性指标中并没有超过0.9的指标，说明网络暴力事件高传播力是多因素共同作用的结果，5个与传播属性相关的条件变量均不足以成为其发生的必要条件。除此之外，“首发内容倾向性”与“算法助推”两个条件变量一致性指标大于0.8，说明这两个条件变量足以构成导致结果变量的充分条件。

其中，“首发内容的倾向性”变量一致性指标为0.85，覆盖率为0.697，说明有近70%的案例受此因素影响，解释力较强。且媒体首发内容越是具有明显倾向性，越容易导致网络暴力事件的高传播力。“算法助推”的一致性指标为0.85，覆盖率为0.71，说明可以解释71%的案例，是导致高传播力网络暴力事件的充分条件之一。

除此以外，“公众人物参与”的一致性指标为0.71，覆盖率75%，其虽不足以成为网络暴力事件高传播力的充分条件，但可以认为公众人物或意见领袖在网络暴力事件中的发声对网络暴力事件传播力有较大影响。“首发媒体”与“是否存在谣言”两个变量一致性不高，说明这两个变量对于结果变量有一定影响，但都不足以成为结果发生的充分条件，还需要进一步通过变量条件组合分析进行解释。

2.传播属性条件组合分析

将传播属性的5个条件变量输入fsQCA3.0软件进行条件组合分析，条件组合分析结果如表5所示。

表5 传播属性优化解组合路径表

传播属性变量整体覆盖度较高为0.71，能解释71%以上的案例，数据解释力较强，高于事件属性，说明决定网络暴力事件高传播力的更多是事件的传播过程而不是事件本身的属性。传播属性具有以下三种影响机制类型。

类型1：首发内容具有明显倾向性*算法助推*公众人物参与*存在谣言

该路径对40%的案例具有解释力，在实际统计中共有14个案例属于该类型。在微博热搜的算法机制推动下，事件进入公共舆论场，各路媒体具有明显倾向性的首发内容通常先入为主，舆论一边倒的情况愈演愈烈，公众人物的参与加剧事件的二次传播，在此过程中谣言也会在事件平息之前进一步掀起舆论声浪，放大了网络暴力事件的传播力。“北京红黄蓝幼儿园虐童事件” “北京民航总医院患者家属杀医事件”等均属此类案例。

类型2：算法助推*存在谣言*网络媒体/传统媒体(公众人物参与+首发内容具有明显倾向性)

该类型路径由路径2与路径3合并、简化后得到，表达式原始覆盖率为28.5%，可解释28.5%的高传播力网络暴力事件。虽然网络暴力事件的信源多来自社交媒体中的自媒体或是网民自发爆料，但首发媒体是传统媒体或是网络媒体的事件在结合算法助推、公众人物参与以及谣言等因素后，也同样能够构成高传播力网络暴力事件的典型路径。

“江歌案” “乐清滴滴顺风车事件”等属此类事件。随着当下互联网用户的身份转变，媒体与个人的边界感在逐渐减弱，但相较自媒体与个人所发布的信息，传统媒体与网络媒体专业性与可信度更高，在事件传播过程中，能够提供更多事实信息，进一步引发网友对事实真相、道德责任的讨论，同时在算法机制、公众人物参与、谣言等因素的加持下，网络暴力事件的持续关注热度传播力也变得更加显著。

类型3：社交媒体*内容具有明显倾向性*无算法助推*无公众人物参与*无谣言

该类型路径的原始覆盖率为11.42%。此路径表明，在无算法助推、无公众人物参与以及无谣言发生的情况下，社交媒体网友自发爆料或是自媒体首发、首发内容存在明显倾向性同样能够构成高传播力网络暴力事件。

“官员请吃穿山甲事件”“翟欣欣逼死程序员事件”等属此类型。该类事件共同点为当事人或是事件目击者在社交媒体上直接发布图片、视频等事件相关信息，同时发布内容具有强烈的情绪倾向和明确的诉求，通常是对事件当事人行为的揭露与指责，具有很强的情绪感染性，能够引起大量的关注度，从而导致大规模网络舆论暴力以及人肉搜索行为。

我们基于对49例典型网络暴力事件的定性比较分析，可得出以下三点结论。

第一，两种属性单变量必要性分析结果显示，无变量足以达到必要条件标准。这说明高传播力网络暴力事件的形成并非单一属性所决定。从两种属性的数据对比来看，事件的“传播属性”较 “事件属性”对网络暴力事件的高传播力具有更关键的作用、更强的解释力。在焦点事件发生后，由于信息过载与信息的碎片化，事件真相通常以阶段化形式呈现，因此在事件传播过程中会出现事实扭曲、事件矛盾被恶意夸大的现象，再加上算法技术的助推、各方媒体的参与、公众人物及意见领袖的二次扩散，最终导致传播范围广泛、传播力巨大的网络暴力事件。因此，虽然通常来说事件自身属性(如涉及相关敏感话题、事件指向的群体特殊等等)能够聚焦人们的目光，但是最终决定事件传播力大小的最重要因素仍然是事件的传播过程，媒介的基础设施作用由此可见一斑。

第二，在事件属性中，导致高传播力网络暴力事件的最显著条件组合是：情绪诉求*被指向人回应态度沉默/消极*事件叠加。情感视角一直以来都是西方社会运动与集体行动研究的重要视角，社会怨恨、相对剥夺感的产生等心理因素是导致集体行动行为的重要条件变量。当相同类型矛盾反复发生且积怨与不安情绪得不到解决时，群体便有可能采取集体行动以消解这种“被剥夺感”，从而导致网络暴力事件的发生。此外，事件叠加效应亦会助推网络暴力事件的爆发力与传播力：短时间内关联性事件的系列化发生不仅会带来舆情叠加效应，同时也会带来群体的情绪叠加效应,再加上谣言在群体运动中的催化作用，最终导致高传播力网络暴力事件。

第三，在传播属性中，“算法助推”及“首发内容倾向性”构成高传播力网络暴力事件的充分条件。条件组合分析中最显著的条件组合案例为：算法助推*首发内容具有明显倾向性*有公众人物参与*存在谣言。首先，互联网算法机制的助推之所以能够成为构成高传播力网络暴力事件的充分条件之一，是因为在作为“公共领域”的微博平台中，算法技术能够对上升的搜索热点事件进行实时监测并以数据排名的方式呈现在公众面前，热搜排名带来大量关注度与话题度，进而提升了网络舆论的爆发频率和强度，这也是大多数网络暴力事件的发酵和微博热搜排名息息相关的重要原因。

其次，在事件传播过程中，首发内容具有先入为主的特性，对舆论风向的重要作用不言而喻。网络暴力事件的发酵地多为社交媒体平台，首发媒体大部分是社交媒体上的自媒体，也有网友自发爆料，因此内容的真实性与客观性并无可靠保障，发出的事件相关内容通常会存在着强烈的情绪偏向和主观判断，导致矛盾放大。而部分公众人物作为传播过程中的意见领袖，其在互联网中强大的粉丝基础与名人效应通常使事件得到二次传播，事件的传播力进一步扩大，最终酿成声势浩大的网络群体暴力行为。

除此以外，在传播属性的分析结果给出的5条条件组合路径中，有4条路径组合均提及“是否存在谣言”这一重要变量，谣言作为一种社会舆论现象，是互联网中最有效的情绪动员器，因此，总体来说，“算法助推”“首发内容倾向性”“是否存在谣言”三个条件变量对网络暴力事件的高传播力均具有重要催化作用，它们与“公众人物参与”变量共同构成高传播力网络暴力事件的最显著路径。

综上所述，两种属性中的众多条件变量均不足以单独导致高传播力网络暴力事件的发生，此类事件的发生具有复杂性，仍需厘清多元复杂因素中的核心症结进行有针对性的治理，本研究认为应从如下三方面着手。

第一,监管部门针对特殊事件群建立舆情预警与重点监测机制。在事件属性覆盖率较高的前两个原因组合中，“事件叠加”效应作为关键变量反复出现，无论是在情绪还是利益诉求事件中，短时间内系列化焦点事件的出现都会带来舆情叠加效应，扩大事件传播力。例如，“乐清滴滴顺风车事件”前有“空姐乘坐滴滴遇害案”；
“网曝成都七中实验学校食堂食物发霉”前有“上海中芯国际学校被曝食材变质”；
“网友曝光五星酒店卫生乱象”前有“全季酒店被曝毛巾擦马桶”……此类频繁发生的社会公共事件需列入重点监测领域，监管部门应及时关注相关事件发展动态与舆论导向，当网络舆论有极端化倾向时应采取相应的应对措施，及时给予疏导与干预，防止部分非理性或极端化言论演变为大规模网络暴力行为。除此以外，因信息不对称，网络暴力事件常与谣言相伴。而谣言具有强大的情感动员功能，能够加速群众共同愤怒的形成。因此，调查事实真相、及时辟谣也是阻止舆论中极端愤怒情绪蔓延的有效途径，如在谣言传播初期就及时核查并公布事实真相，澄清虚假信息等。

第二，社交媒体平台积极承担社会责任，完善算法价值导向。“算法助推”作为充分条件之一，对高传播力网络暴力事件的产生起着重要作用。算法规则遵从的是“数据至上”的工具理性。[26]算法技术对社交媒体信息的把关，表面上虽具有透明性、公平性，但却因疏漏了重要的价值判断与价值导向功能，从而失去了对信息真实性和价值属性的把控。为此，平台应进一步完善算法规则，建立人工与技术的协同把关机制，及时过滤热搜中并未得到核实的虚假信息、具有煽动性的信息，降低其“可见性”，避免群体极化与网络暴力的发生。

第三，媒体坚守专业主义规范。在网络暴力事件传播过程中，具有鲜明倾向性的首发媒体报道能够先入为主，在一定程度上左右舆情走向以及事件传播力。这就要求媒体要坚守专业主义规范，严格贯彻事实核查制度，对自身发布的信息负责，用客观真实的报道与理性判断避免高传播力网络暴力事件的出现。另外，新闻专业主义也应内化为每个参与新闻传播过程的个人都需遵守的交往信条与基本精神。[27]无论是有强大粉丝基础的公众人物、微博大V，还是作为普通用户的个体，都应该重视自身的媒介素养，正确行使舆论监督的权利，拒绝以暴制暴。

总体看来，网络暴力事件的高传播力是“事件属性”与“传播属性”条件变量经由各种组合方式，共同作用的结果。网络暴力现象还需监管部门、平台、媒体、公众等相关方相互配合，形成多中心协同治理模式，做好事件爆发前的预判、事件爆发中的紧急应对以及事件发生后的破坏性规避，更加精准地实现由内向外的治理。

猜你喜欢暴力事件暴力变量反性别暴力环球时报(2022-03-09)2022-03-09抓住不变量解题小学生学习指导(高年级)(2021年4期)2021-04-29也谈分离变量河北理科教学研究(2020年2期)2020-09-11“暴力”女作文成功之路·小学版(2020年3期)2020-04-21暴力云与送子鹳小学生必读(低年级版)(2017年11期)2017-03-15SL(3,3n)和SU(3,3n)的第一Cartan不变量数学年刊A辑(中文版)(2015年2期)2015-10-30向暴力宣战中国卫生(2014年12期)2014-11-12分离变量法：常见的通性通法新高考·高二数学(2014年7期)2014-09-18社会戾气背景下极端暴力事件的影响因素探析西南科技大学学报（哲学社会科学版）(2014年5期)2014-02-28

推荐访问:暴力事件 传播 分析