建筑设计：重大工程项目项目社会稳定风险的非干预在线评估模式研究

重大工程工程工程社会稳定风险的非干预在线评估模式研究重大工程工程社会稳定风险的非干预在线评估模式研究-行政管理重大工程工程社会稳定风险的非干预在线评估模式研究 肖群鹰，朱正威，刘慧君【摘要】论文针对重大工程工程社会稳定风险评估存在的失真与失灵问题，在理论回忆的根底上，建构了非干预在线评估模型；并以２０１３年广东江门鹤山反核事件为例，基于新浪微博大数据平台收集互联网数据，进行模型检验。研究结果说明，通过监测和评估工程选址地网民的风险感知与负面情绪，能够有效解释和预测重大工程所面临的社会稳定风险。据此，论文进一步提出一种线下线上社会稳定风险综合评估模式。关键词 重大工程工程社会稳定风险评估大数据群体性事件【中图分类号】Ｄ６３【文献标识码】Ａ【文章编号】１６７４－２４８６〔２０１６〕０１－００８６－２４一、提出问题为防范和化解重大工程工程群体性事件风险，２０１２年８月?国家开展改革委重大固定资产投资工程社会稳定风险评估暂行方法?〔发改投资〔２０１２〕２４９２号文件〕颁发实施，规定社会稳定风险评估是重大工程立项必经的法定程序，由此确立了重大工程工程社会稳定风险评估制度。这项制度实施以来，确实发挥了“过滤网〞作用。它通过工程工程社会稳定风险评估，先机预警和化解了一局部矛盾和隐患，有效扼制了涉工程工程群体性事件多发、频发的势头。但是在制度推行过程中，也出现了一些让人困惑的问题，例如鹤山龙湾核燃料工程、昆明ＰＸ工程，虽然都做了“稳评〞，却未能有效防止群体性事件的发生。由此我们产生了疑问，明明当地群众不容许，为什么所做的“民意调查〞会漏警？根据国家发改委拟制的?重大固定资产投资工程社会稳定风险评估报告编制大纲及说明〔试行〕?，在稳评过程中评估主体可根据实际情况，采取公示、问卷调查、实地走访和召开座谈会、听证会等方式进行民意调查，向受拟建工程影响的相关群众了解情况。显见，这里采取的是互联网空间之外的实地风险评估方法，从现有操作情况看，这种方法存在一定的局限性。例如，某工程选址于一个有近十万人口的大镇，却抽取缺乏百人进行问卷调查、仅选取数十人走访和听证，想据此要了解有意见群众的比例，并识别群众反响的强烈程度，显然存在较大的失真风险。那么，能否利用互联网络环境，开发在线社会稳定风险评估模式，让群众充分参与稳评、表达意见，以便更全面、真实地反映利益相关者合理和不合理的、现实和潜在的诉求呢？金斯伯格〔ＪｅｒｅｍｙＧｉｎｓｂｅｒｇ〕等〔Ｇｉｎｓｂｅｒｇｅｔａｌ．，２００９〕曾经采用Ｇｏｏｇｌｅ搜索查询数据，成功预测了美国的流感疫情；坂木武〔ＴａｋｅｓｈｉＳａｋａｋｉ〕等〔Ｓａｋａｋｉｅｔａｌ．，２０１０〕也曾利用Ｔｗｉｔｔｅｒ数据，成功分析了日本台风和地震灾害发生时的群众反响，可见互联网大数据被用于社会风险评估是有先例的。不过当前我国的重大工程工程“稳评〞研究，均针对群众的线下风险态度或行为，并没有考虑应用互联网大数据。实际上，同社会调查数据相比，互联网大数据具有一个突出的优越性，那就是评估或监测使用的“不是随机样本，而是全体数据〞〔迈尔－舍恩伯格、库克耶，２０１３：２７〕。当前我国网民占总人口比例达４７９％①，如果采用在线评估模式，几可将一半群众作为潜在评估对象，此举应当能够解决当前稳评制度反映群众意见困难、“民意调查〞代表性缺乏的问题。由此，本文将探讨重大工程工程社会稳定风险的在线评估模式。二、理论分析采取归纳法，分析工程选址地网民线上线下活动的协同效应，并建构重大工程工程社会抗争的在线解释模型。〔一〕设计理论解释模型１．线上线下协同表达原理线下世界社会事件的开展态势，同社交网络和搜索引擎的动态数据存在显著相关关系。如图１所示，虚线框中为一组典型的因果关系路径，当社会风险与矛盾出现时，利益相关者与社会公众会产生主观上的感受，进而出现情绪上的变化，在此二者影响下形成冲突意愿，最终选择集体对抗行为———这是传统社会学的理论分析路径，大量研究已经证实了这条路径的存在性。斯梅尔塞〔ＮｅｉｌＪｏｓｅｐｈＳｍｅｌｓｅｒ〕的加值理论认为，结构性怨恨〔怨恨、剥夺感和压迫感〕是集体行动的一个必要条件〔参见：赵鼎新，２０１２：６４〕。已有研究也证实，人们因核电工程而产生的负面情绪〔Ｋｒａｆｔ＆Ｃｌａｒｙ，１９９１〕；以及人们对于核电站的风险感知〔Ｗｈｉｔｆｉｅｌｄｅｔａｌ．，２００９；谭爽、胡象明，２０１３〕，是其是否采取对抗行为的重要影响因素。不过，“风险感知〞与“负面情绪〞两变量之间的关系具有不确定性。对犯罪〔Ｗａｒｒ＆Ｓｔａｆｆｏｒｄ，１９８３〕、恐怖袭击〔Ｌｅｒｎｅｒｅｔａｌ．，２００３〕，以及核电工程公众反响〔Ｆｉｎｕｃａｎｅｅｔａｌ．，２０００；Ｓｌｏｖｉｃ＆Ｐｅｔｅｒｓ，２００６〕的研究发现，风险感知是负面情绪〔恐惧、愤怒等〕的重要解释变量；但是孟博等〔２０１０〕在综述有关核能源风险的研究结果后，却认为情绪因子〔消极情绪〕是风险感知过程中极为重要的影响因子。我们认为或许在风险感知的形成过程中，情绪发挥着强化的作用，但是从风险认知与情绪这两类心理情感的发生顺序看，应是先有风险认知，才有情绪变化，因此，采信风险感知影响负面情绪这一理论解析路径。进入互联网时代，人们的网络活动增多，线下世界的社会矛盾、风险感知、冲突意愿和冲突行为，在互联网信息空间存在映射与反响。不仅如此，还有研究说明互联网为群体性事件提供了社会发动渠道、话语权时机和替代活动空间，〔Ｆｅｎｔｏｎ，２００８；蔡前，２００９；童志锋，２０１３〕在线信息是线下行动的转录、强化和延伸，互联网舆情信息也属于真实世界社会冲突的一局部。线上线下信息的这种协同表达关系，使得利用互联网大数据监测和预警社会风险成为可能〔迈尔－舍恩伯格、库克耶，２０１３〕，如图１所示，维克托·迈尔－舍恩伯格〔ＶｉｋｔｏｒＭａｙｅｒ－Ｓｃｈｎｂｅｒｇｅｒ〕在其所著的?大数据时代：生活、工作与思维的大变革?一书中，指出了这种大数据预测的理论逻辑是：当Ａ与Ｂ相关，知Ａ那么Ｂ〔迈尔－舍恩伯格、库克耶，２０１３：２７〕。虽然已经有研究基于大数据预测的理论逻辑做了成功的预测，如金斯伯格等〔Ｇｉｎｓｂｅｒｇｅｔａｌ．，２００９〕和坂木武等〔Ｓａｋａｋｉｅｔａｌ．，２０１０〕，但是以线上两变量〔Ａ和Ｂ〕的相关关系，推导这两个变量的因果关系〔知Ａ那么Ｂ〕，理由并不充分。我们认为有必要结合互联网社会线上线下协同表达原理，为维克托·迈尔－舍恩伯格的大数据预测理论添加限制性条件，将之表述为：线下Ａ是Ｂ的解释变量，当线上Ａ和Ｂ相关，那么知Ａ那么Ｂ。据此我们提出如下命题———是否可以利用人类社会与网络空间对突发事件的协同表达原理，在不实施干预的情况下实施重大工程工程“民意调查〞？也就是根据线上线下社会抗争风险的协同表达原理，探讨是否可以通过在线监测Ａ，从而到达评估预测Ｂ的目的。２．社会稳定风险的在线评估开发重大工程工程社会稳定风险非干预在线评估模型，也就是解决在线稳评评什么、怎么评的问题？为了解决相关问题，首先必须通过分析社会抗争的动因，选出在线稳评指标。已有社会抗争理论主要从怨恨心理、资源发动、抗争文化和政治过程四方面，分析集体行动产生的根源和路径〔Ｔａｒｒｏｗ，２０１１〕，社会心理被认为是集体行动发生的重要影响变量。墨菲〔ＫｒｉｓｔｉｎａＭｕｒｐｈｙ〕和泰勒〔ＴｏｍＴｙｌｅｒ〕〔Ｍｕｒｐｈｙ＆Ｔｙｌｅｒ，２００８〕的研究说明，负面的心理和情绪是公平感知影响抗争行为的中介变量；佐美伦〔ＭａｒｔｉｊｎＶａｎＺｏｍｅｒｅｎ〕等〔Ｚｏｍｅｒｅｎｅｔａｌ．，２００４〕、史密斯〔ＨｅａｔｈｅｒＪ．Ｓｍｉｔｈ〕等〔Ｓｍｉｔｈｅｔａｌ．，２００８〕的研究发现，负面情绪〔愤怒、怨恨等〕是预测集体行动的重要指标。由此推论，网民情绪特别是负面情绪，可作为在线稳评指标。国际研究反复证实，风险感知对邻避型工程的公众接受度有显著影响〔Ｖｉｓｓｃｈｅｒｓｅｔａｌ．，２０１１；Ｈｏｅｔａｌ．，２０１３；Ｙｅｏｅｔａｌ．，２０１４〕。国内研究也说明，群众工程风险感知，对社会抗争行为倾向有解释力〔谭爽、胡象明，２０１３〕。可见，风险感知也可作为在线稳评指标。风险感知与负面情绪是公众不接纳态度和对抗意图的直接前因变量，网民刷微博的行为可以清晰地反映其正负面情绪与风险感知状况〔张晶等，２０１４；叶璐，２０１２；张兵、张金华，２０１０；Ｃｈｅｏｎｇ＆Ｌｅｅ，２０１１〕。本文将选择鹤山核燃料工程事件，作为新开发评估模型的算例，因为上述理论关系也存在于核电工程领域。已有研究说明，公众风险感知是核电站公众接受度的核心解释变量〔Ｗｈｉｔｆｉｅｌｄｅｔａｌ．，２００９；Ｖｉｓｓｃｈｅｒｓ＆Ｓｉｅｇｒｉｓｔ，２０１３〕；群众组织参与反对核电站建设的集会，事实上就是要宣泄挫折感，表达各类愤怒或怨恨的情绪〔Ｄｏｗｎｅｙ，１９８６〕；公众之所以强烈反对当地建设带有放射性废物的工程，根本原因在于对工程设施存在对抗情绪、对工程风险的知识储藏缺乏、个人具有风险躲避倾向等〔Ｋｒａｆｔ＆Ｃｌａｒｙ，１９９１〕。从国际反核运动研究的结论看，选择风险感知与负面情绪作为核工程稳评指标是合理的。综上，可构建重大工程群体抗争的在线解释模型如图２：据此，可以形成理论假设：Ｈ１：网民的风险感知是群体对抗行为倾向的前因变量，风险感知越高，群体对抗行为倾向越强；Ｈ２：网民的负面情绪是群体对抗行为倾向的前因变量，负面情绪越剧烈，群体对抗行为倾向越强；Ｈ３：网民的风险感知显著影响网民的负面情绪，风险感知越高，负面情绪越剧烈。〔二〕变量操作化针对上述模型，进行变量操作化：１．群体对抗行为倾向芬克〔ＳｔｅｖｅｎＦｉｎｋ〕采用医学术语描述危机事件的生命周期，提出突发公共事件依次存在征兆期〔Ｐｒｏｄｒｏｍａｌ〕、发作期〔ＢｒｅａｋＯｕｔｏｒＡｃｕｔｅ〕、延续期〔Ｃｈｒｏｎｉｃ〕和痊愈期〔Ｒｅｓｏｌｕｔｉｏｎ〕〔参见：黄顺康，２００６：８１－８２〕。其中，征兆期指潜在风险通过心理认知和负面情绪不断外显和积蓄的过程，当风险超过临界水平爆发出来，便进入了发作期。斯梅尔塞认为集体行动的发生，由结构性诱因、结构性怨恨、一般化信念、触发性事件、有效的发动和社会控制能力下降等六个因素共同决定，并随着上述因素的次第形成，发生的可能性不断提升〔赵鼎新，２０１２〕。重大工程引发社会抗争，往往包含着一个或数个触发性事件，鉴于集体对抗行为爆发的风险临界水平较难把握，我们可以从触发事件着手进行分析。显然，集体行动的征兆期始于促使公众知情的事件〔也就是第一触发事件〕，由之公众不断滋生群体对抗行为倾向；到了发作期公众的对抗行为倾向，才会进一步酿成群体冲突。据此，我们将“群体对抗行为倾向〞视为二分类变量，该变量在“征兆期〞和“发作期〞取值为“１〞、其他区间取值为“０〞。２．风险感知考克斯〔ＤｏｎａｌｄＦＣｏｘ〕〔Ｃｏｘ，１９６７〕提出风险的双因素模型，认为风险是由不利后果发生的可能性和损失的大小共同构成的。不过多数研究只选择其一进行风险感知评估，如张兵、张金华〔２０１０〕的研究仅从可能性角度进行评估，伊叶〔ＳａｒａＫＹｅｏ〕等〔Ｙｅｏｅｔａｌ．，２０１４〕、何荣俊〔Ｊｕｎｇ－ＣｈｕｎＨｏ〕等〔Ｈｏｅｔａｌ．，２０１３〕、斯约堡〔ＬｅｎｎａｒｔＳｊｂｅｒｇ〕和道沃特兹－斯约堡〔Ｂｒｉｔｔ－ＭａｒｉｅＤｒｏｔｔｚ－Ｓｊｂｅｒｇ〕〔Ｓｊｂｅｒｇ＆Ｄｒｏｔｔｚ－Ｓｊｂｅｒｇ，２００１〕的研究仅从危害后果角度进行测量，明显不够全面。不仅如此，有关风险的测量标准也相当混乱。如何解决这一问题呢？２０１４年我们组织了对秦山核电站周边居民的调查，调查问卷中嵌入了一项对核电站周边居民的心理认知测试，要求被试〔Ｎ＝３６３〕将听到“核能〞这个词后脑海中首先反映的两至三个词〔无顺序要求〕写出来。统计结果发现，公众的风险感知包括了对风险来源、对危害发生的可能性和对损害后果的心理认知。其中风险来源感知占５６６７％、风险损害后果感知占２２５％、发生可能性感知占１２７１％、同时包括后两者的感知占８３３％。公众表达核能风险来源感知的词汇具有较大的模糊性，如当公众的反响词为“核泄漏〞时，被试可能既指向了对核泄漏危害后果的认知，也包含了对核泄漏发生可能性的认知。鉴于在公众的风险感知中，风险来源感知占比最大，且包含着对风险双因子的认知，因此我们选择从工程风险来源认知视角对它进行测量和评估。参考先前的调查结果，公众的核工程风险来源认知，主要表现为对“核事故〞“核泄漏〞“核辐射〞“核爆炸〞“核污染〞“核危机〞的担忧和恐惧。可以通过统计新浪微博中上述关键词 出现的频度，评估公众的工程风险感知水平。３．负面情绪情绪是人们内心需求满足程度的心理反映，具有冲动性和情境性特征。沃特森〔ＤａｖｉｄＷａｔｓｏｎ〕和泰勒根〔ＡｕｋｅＴｅｌｌｅｇｅｎ〕〔Ｗａｔｓｏｎ＆Ｔｅｌｌｅｇｅｎ，１９８５〕开发了情绪的两因素模型，将人的自陈情绪结构分为正面情绪和负面情绪两个相对的心理维度，并在此根底上开展了用于情绪测量的ＰＡＮＡＳ量表〔Ｗａｔｓｏｎｅｔａｌ．，１９８８〕，在国际上得到了广泛的应用。卢塞尔〔ＪａｍｅｓＡＲｕｓｓｅｌｌ〕〔Ｒｕｓｓｅｌｌ，１９８０〕建构了情绪的环状模型，从愉快度和强度两方面进行情绪归类，把情绪分为高等强度的愉快、中等强度的愉快、高等强度的不愉快、中等强度的不愉快四类①〔Ｐｏｓｎｅｒｅｔａｌ．，２００５〕。参考ＰＮＡＳ量表和情绪环状模型的划分，可将情绪分为剧烈的负面情绪〔ＰＡ＋〕、温和的负面情绪〔ＰＡ－〕、剧烈的正面情绪〔ＮＡ＋〕、温和的正面情绪〔ＮＡ－〕四类。情绪的载体五花八门，近年来许多研究者发现微博的表达具有很强的情绪色彩，微博的个体表达可能引发社会的场域围观，并演化为集体情绪共振〔周云倩、杨娜，２０１３〕。重大工程工程的建设，由于社会影响深刻、利益相关者居住集中，更容易通过社交网络平台传达情绪，从而形成集体负面情绪共鸣。微博的情绪信息载体主要有情绪词、情绪句式和表情图形符号三类。其中情绪词与情绪句式的灵活度较高，相关分析算法的错警比率也较高。许多网民在写微博时，习惯用表情图片符号表达个体情绪。表情图形作为互联网交际的情绪符号，是“一种显式的、固定的表达情绪方式〞〔张晶等，２０１４：７９－８４〕，据以判别情绪争议较小。因此本研究将选择表情图形符号作为监测评估微博情绪的指标。表情图片符号可以通过编译转化成文本，编译结果既有简体字、也有繁体字，如［泪］与［?］，［崩溃］与［崩溃］等，在新模型中我们一律采用简体字进行表达。不过，人们发在微博上的表情图片，有些所表达的情绪倾向性相当模糊。例如在微博中常见人们附上［围观］、［群体围观］、［拜拜］、［睡觉］之类表示动作的表情图片，这些图片所反映的情绪倾向就不够清晰；还有一些表示物体的表情图片，如［熊猫］、［兔子］、［奥特曼］、［钟］、［雪］、［蜡烛］、［话筒］等，这些符号虽然在应用中会被赋予特定语义，但究竟要表达哪一类情绪，仍然存在较大的不确定性。以图片［雪］为例，“工程这样搞，真是寒［雪］心啊！〞的发言，表达的是反对工程的负面情绪；“为了清凉世界［雪］，支持开展核电、减少燃煤〞的发言，表达的是支持工程的正面情绪。据此，我们在卢塞尔〔１９８０〕和沃特森等〔Ｗａｔｓｏｎｅｔａｌ．，１９８８〕的正负面情绪分析理论中，新追加了中性情绪〔ＭＡ〕这一分类。现在，我们可以通过统计代表正面情绪、负面情绪和中性情绪的微博表情图片数量，对网民微博所表达的情绪类型及其剧烈程度进行评估。考虑到微博的“删帖〞现象，多数是网络内容提供商〔ＩＣＰ〕对不合宜内容的管理行为造成的，对应的原帖内容往往比较锋利；因此我们在统计时，凡遇到“抱歉，此微博已被作者删除〞的记录条，均作为强烈负面情绪〔ＮＡ＋〕的条目进行统计。针对新浪微博常见的表情图片，可构建情绪分类字典〔局部〕如表１。如果将表情图片视作网民的表态，那么，正面情绪表情图片表达了微博发言者的支持态度，负面情绪图片表达了反对态度。但这是相对的，还存在一些反语的情况，有时正面表情图片反而表达了强烈的负面情绪，如“刚刚我用一根掉了的眼睫毛许愿，希望鹤山的核燃料加工链议案被否决，建不起来。［许愿］〞———显然，在这里，作为正面情绪图片的［许愿］，被用到了负面的情境中。这类情况虽然会给情绪分类造成了一定困挠，但总量极少。又由于表１所示的表情图片情绪解析模型，具有较好的容错率，一般不会影响我们对整体微博情绪的辨识结论。三、方法与数据〔一〕数据本文将选择广东江门市鹤山龙湾工业园核燃料工程〔以下简称“龙湾工程〞〕事件作为算例，进行研究假设检验，辩明相关理论关系。这起案例发生在２０１３年，起因是中核集团方案在江门鹤山市址山镇建设大型核燃料加工厂。７月３日至４日，鹤山市开展和改革局在江门市政府网和?江门日报?发布了?中核集团龙湾工业园工程社会稳定风险评估公示?，公示期为１０天〔７月４日至１３日〕。江门市公众得到信息后，纷纷质疑该工程的平安性与环保影响，并于７月１２日组织游行。直至７月１３日江门市政府做出了撤销工程的决定，事态才得以平息。本研究将通过国内最大微博平台———“新浪微博〞，收集与鹤山反核事件相关的公众网络行为数据。鉴于江门市〔地级市〕市民是反核事件的主体，因而将江门市网民作为数据总体。具体风险感知和情绪数据的采集时区以天为单位，以事件发生时点〔２０１３年７月１２日〕为中心时点，前后各延伸一个月〔２０１３年６月１２日至８月１２日〕采集数据。在事件爆发前后的各一个月里，江门市网民共在新浪微博平台发表了３５６８万条带有关键字“核〞的微博记录；其中“稳评〞报告公示期间，共发表了３０４９万条相关微博记录。鉴于微博包含大量转发信息，它们虽能在某种程度反映转发者的态度，但无法用以直观地描述发言人的情绪，因而我们借助新浪微博自带的减重算法，进一步从３５６８万条微博中抽取７２１８条供评估网民情绪之用。此外，还通过“核事故〞“核泄漏〞“核危机〞“核辐射〞“核爆炸〞“核污染〞６个关键词 ，统计评估江门市网民对龙湾工程的风险感知状况。据统计，在事发前后各一个月，江门市网民共在新浪上发表了６４３７条包含上述关键词 的微博。新浪微博作为社交网络具有很强的开放性，它是人们在线交流互动的场域，其上发生着大量的信息原创、信息回复〔评论〕和转发行为。如果不考虑微博的重复被引问题，可以统计出供分析的７２１８条微博中，竟包含着６１９８条被评论或转发的原微博。在被抽取的微博记录中，活泼着１０３个“微博机构认证〞帐号、１５１个“微博个人认证〞帐号、１２９８个“微博达人认证〞帐号。其中“微博机构认证〞帐号，由５４个媒体帐号、１３个政府机构帐号、３２个企业商户帐号、３个社会团体帐号、２个高校帐号构成。可见，官方媒体和政府机关并未缺席关于龙湾工程的微博交流。特别是作为本地媒体的“鹤山在线〞“鹤山信息网〞，作为紧急事态协调机构“江门公安〞“江门市政府应急办〞，参与了大量微博互动，由这４家机构发送的微博均被转发或评论了数百次。但是从互动的频次和评论的内容看，由于社交网络的扁平化特征，官方媒体与政府机关微博对其他微博用户的控制力和影响力并不强。分析不同群体的微博发送数量，“微博达人认证〞帐号、“微博机构认证〞帐号、“微博个人认证〞帐号分别发表了３１１０条、１７２８条、５０１条原创微博，可见前两类帐号是原创话题的主要制造者。但从参与者规模看，“微博达人〞和普通注册用户才是社交网络的核心人群。根据新浪微博效劳商的规定，“微博达人认证〞的条件是“微博帐号已经成功绑定；粉丝数不低于１００；关注数不低于１００；有效互粉数不低于３０〞，可见“微博达人〞属于相对活泼的微博用户，他们将互联网作为重要的社会活动平台，因而原创、转发或评论微博相对较多。不过即使是微博被转发或评论最多的两个微博达人帐号〔“江门人社区微博达人〞和“水继续吹微博达人〞〕，所参与的微博也未超过１５０条〔算法去重后的结果〕，显然他们不像网络“大Ｖ〞那样具有强大的信息扩散能力。由此可以判断在事件发生过程中，不存在明显占据信息支配地位的微博意见领袖。〔二〕方法研究首先基于线上线下协同表达原理和大数据预测理论，分析变量“风险感知〞“负面情绪〞和“群体对抗行为倾向〞之间的理论关系，确定用于重大工程工程社会稳定风险评估的在线指标。具体根据对国内外已有研究的综述，确定物理世界〔线下〕上述各变量之间的理论关系，然后采用互联网大数据，分析上述各变量之间的相关关系，如果相关性显著，那么原假设得证。考虑到通过相关性解释因果关系，可能引发争议，研究还将进一步采用回归分析方法，分析和印证研究结论。在澄清理论关系、锁定在线监测指标后，研究还将根据国家发改委?重大固定资产投资工程社会稳定风险评估报告编制大纲及说明〔试行〕?规定的评价内容、评价流程、评价方法和步骤，探讨线下线上综合评估的路径与要点，提出重大工程工程社会稳定风险的非干预在线评估模式。四、非干预在线评估模型的检验与应用〔一〕模型检验１．风险感知与群体对抗行为倾向的关系人们从事搜索查询行动的主要目的在于求知或定位，而微博发言大多志在发表见解或争议纠纷，因而微博记录是风险感知分析的重点对象。龙湾工程“稳评〞报告开始公示至江门市政府宣布放弃工程，共有１１天，期间江门市网民发表了３５４３万条的相关微博，共占事发前后两个月相关微博发布总量的９９２７％。显见，“稳评〞报告一公示，江门市网民就积极参与网络议政，并根据自身的风险感知表达意见和情绪。一般网络群体性事件先围观、再参与、最后引爆事件的舆情发酵过程，并未出现。从时间分布看，网民风险感知的出现十分突兀，其波峰分别出现在公示早期〔７月５日〕与冲突发生时刻〔７月１３日〕，风险感知与群体对抗行为倾向的关系十分密切。统计分析结果说明，它们之间存在正向关联，皮尔逊相关系数等于０７６３〔Ｐ＜０００１〕，据此，Ｈ１得证。２．负面情绪与群体对抗行为倾向的关系微博情绪是很好的舆情风险预警指标。正、负面情绪持平，代表社会公众对工程的情绪处于中位水平。如果温和型负面情绪占较大比重，那么工程纠纷的协商余地较大，不易发生社会抗争事件；反之那么是不好的方向标。对照表１所示的表情符号情绪模型，分析“稳评〞报告公示期间江门市网民的微博情绪，结果如表２：统计上表，龙湾工程“稳评〞报告公示期间当地网民的负面、正面和中性情绪分别占７３％、１５％和１２％；在负面情绪中，剧烈型负面情绪占８９％，是主导类型的情绪。可见，该工程的社会矛盾相当突出，当地“民意〞倾向于反对。分析当地网民微博情绪与对抗行为的相关性，二者的皮尔逊相关系数为０８５６〔Ｐ＜０００１〕，据此，Ｈ２得证。分析江门市网民情绪变化的历程，可以看到“稳评〞公示一出，当地群众就表现出极强的负面情绪，且这种情绪持续高于正面情绪。直至７月１３日，当江门市政府宣布放弃工程时，网民的情绪才发生大逆转，由负面情绪变为“胜利〞后的狂欢。新浪微博反映的正面情绪，迅速取得主导地位。不过，此时的网民所用的正面情绪符号，表达的仍是不接受的态度。举例说明，“这是否说明反核成功了？［好喜欢］〞，“核基地人民发来贺电！生快！［蛋糕］［蛋糕］〞，“［鼓掌］五邑人的努力没有白费啊，终于把这核工程给终结了〞。出现此类情况，建议评估时结合微博文本进行必要的逆向变换，以免引起混淆。３．风险感知与负面情绪的关系图３是江门市网民在事件发生前后，就核问题表现出的风险感知与负面情绪，易见风险感知越高，负面情绪也越剧烈。分析工程地网民风险感知与负面情绪的相关性，二者的皮尔逊相关系数为０７５７〔Ｐ＜０００１〕，由此可以判断风险感知对负面情绪有解释力，Ｈ３得证。４．回归分析检验以上基于迈尔－舍恩伯格和库克耶〔２０１３：２７〕“当Ａ与Ｂ相关，知Ａ那么Ｂ〞的大数据预测逻辑，通过不同变量的相关性分析，解释变量间的理论关系，不太符合传统的解读习惯。为防止受到质疑，根据上文图２所示概念模型，我们进一步构造回归分析模型进行理论假设检验。结果如表３所示，几组模型解释变量的偏回归系数均具有显著性〔ｔ检验Ｐ“００５〕，测定系数的变化也具有统计意义〔Ｆ检验Ｐ“０００１〕，各组回归方程调整后Ｒ２值都在０５以上，说明模型的拟合效果非常好。显然，回归分析的结果支持前述假设检验的结论，网民的风险感知是网民的负面情绪的解释变量，网民的负面情绪和风险感知可以共同解释群体对抗行为。〔二〕模型应用非干预在线评估要求利用互联网大数据，实现更充分的群众知情满足与决策参与，显然带有网络议政的性质。不过，引入非干预在线评估模式，社会稳定风险评估的核心思想并未发生变化，评估的主旨仍在于标准重大固定资产投资工程的社会稳定风险、预防和化解社会矛盾，评价的主要内容仍为工程建设实施的合法性、合理性、可行性和可控性。只是由于“民意调查〞方法的改进，风险的可控性评估将被置于更加突出的位置，相应的稳评操作流程也需做出调整，具体应如图４所示，新增工程选址地群众的知情满足和网络议政环节，并将群体对抗行为倾向的在线评估纳入综合评估环节。具体：１．知情满足格斯顿〔ＬａｒｒｙＮＧｅｓｔｏｎ〕〔２００１〕曾经警告说，如果实质性问题被作为象征性问题提出，就会产生大量的不满。为防范工程选址地群众“被代表〞的情况，首先应保障其工程知情权。?国家开展改革委重大固定资产投资工程社会稳定风险评估暂行方法?第三条规定，“工程单位在组织开展重大工程前期工作时，应当对社会稳定风险进行调查分析，征询相关群众意见……〞但并未明确群众知情选择的时机和范围。建议在组织“稳评〞作业活动阶段，就公开局部工程信息〔非涉密局部〕，以及重视对新媒体〔如微博〕的利用①，因为互联网信息在“知情〞满足上具有较好的溢出效应。同时鉴于重大工程影响较大，建议前期知情范围，能够到达工程选址地所在的地级市。鹤山龙湾工业园工程的稳评范围，就局限于工程所在的鹤山市〔县级市〕址山镇，但是实际上强烈的风险感知出现在更大的江门市〔地级市〕的范围内。２．网络议政与公众接受度“重大工程社会稳定风险评估制度〞可以被认为是群众参与工程决策的一项活动，不过群众参与的渠道和资源仍然不佳。互联网时代技术的进步虽然增加了社会稳定风险，同时也自行开辟了风险化解之道。大型社交网络的存在，为工程选址地群众行使参与权“议政〞和“投票〞提供了没有排他性的平台。缘何只苦恼于风险的增加，却不对网络技术加以利用呢？当前，来自社交网络的〞议政〞主张与“投票〞结果，应当得到各级政府重视。实际上，我们知道代议制政府的开展，需要不断创造公众政治参与的途径，以扩大公共政策的合法性〔格斯顿，２００１〕。政府绩效产生的动因来源于人民的期望〔尚虎平，２０１５〕，重大工程决策事关民生，必须着力提升工程的公众接受度。重大工程的规划建设活动与选址地网络舆情之间存在一定的互动关系，推动网络议政，疏导和化解群众的负面情绪和风险感知，将极大地改善工程决策过程的政社关系和商社关系。３．综合评估通过分析工程选址地网民的在线活动，可以评估当地群众对于重大工程的关注度、风险感知与负面情绪，进而判断公众对于重大工程的接受度和对抗行为倾向。对照?国家开展改革委重大固定资产投资工程社会稳定风险评估暂行方法?，建议从合法性〔Ｌｅｇａｌｉｔｙ〕、合理性〔Ｒａｔｉｏｎａｌｉｔｙ〕、接受度〔Ａｃｃｅｐｔａｂｉｌｉｔｙ〕①和可控性〔Ｃｏｎｔｒｏｌｌａｂｉｌｉｔｙ〕四方面实施重大工程评估。由此形成新的重大工程社会稳定风险评估模型Ｄ＝ＶＬ∥ＶＲ∥ＶＡ∥ＶＣ式中，Ｄ代表重大工程的社会稳定风险，ＶＬ、ＶＲ、ＶＡ、ＶＣ分别表示工程的合法性风险、合理性风险、接受度风险和可控性风险。参考?国家开展改革委重大固定资产投资工程社会稳定风险评估暂行方法?，四个子项风险及工程的整体性风险均设高风险、中风险与低风险三个等级。式中符号“∥〞系“逻辑或〞运算符，使用该符号表示四类子项评估在“稳评〞中的地位是平等的，几者之中有一项评估通过不了，重大工程的“稳评〞便不能通过。其简要评价体系见表４。如表４，根据设计，非干预在线评估只作为重大工程综合稳评模式的一局部，专门负责评估工程公众接受度环节。在线评估和线下评估应当有机联系在一起的，其中包括了由工程主管机构执行的工程程序与标准审查〔合法性评估〕；由独立第三方等利用互联网大数据实施的群众风险感知与负面情绪评价〔接受度评估〕；聘请专家或研究机构进行工程的社会影响分析〔合理性评估〕；由相关政府管理部门与工程方进行联合论证，根据合法性、合理性和接受度评估结果，提出和落实对应的风险化解措施，然后评价实施效果〔可控性评估〕。４．化解矛盾重大工程工程稳评制度要求合法性评估、合理性评估、接受度评估和可控性评估的结论，都到达“低风险〞，方才批准公示稳评报告然后审批立项。非干预在线评估只为重大工程工程稳评提供了一类风险“听诊器〞，后继的关键措施在于防范和化解工程风险。本质上我国政府希望通过重大工程的稳评制度，建立一套重大工程实施建设的社会矛盾预防与化解机制，引导和动用宣传、补偿、治安、沟通等机制，来防范和化解工程矛盾，防止爆发群体性事件。五、结论与思考本研究在协同表达、风险感知和情绪理论指导下，采用案例检验法，研究了线上线下重大工程社会抗争的协同关系。研究发现，工程选址地网民的负面情绪和风险感知，对工程所面临的社会抗争风险有正向解释力。由此可以判断，基于互联网大数据的社会风险评估方法，可以运用于重大工程工程社会稳定风险评估。因为在互联网时代，网络表达与对抗行为存在协同关系，互联网社会的舆论往往比传统渠道的利益诉求表达，更加清晰、集中和剧烈，据之评估者更容易了解工程选址地群众的诉求，更容易准确预警工程风险。现代认知心理与神经科学理论指出，人类从两条根本途径理解风险：一是通过人的“分析系统〞〔ＡｎａｌｙｔｉｃＳｙｓｔｅｍ〕，采用概率计算、逻辑推理、风险评估等方法，对风险进行理性的分析和判断，此类风险认知被称为分析型风险〔ＲｉｓｋａｓＡｎａｌｙｓｉｓ〕；二是通过人的“体验系统〞〔ＥｘｐｅｒｉｅｎｔｉａｌＳｙｓｔｅｍ〕，依靠同经历相关的图像和联想，直观、快速、近乎无意识地产生或好或坏的感受，也就是情绪和情感，此类风险感受被称为感觉型风险〔ＲｉｓｋａｓＦｅｅｌｉｎｇ〕〔Ｓｌｏｖｉｃｅｔａｌ．，２００４〕。本研究的两个核心评估指标———风险感知与负面情绪，恰好分别对应上述两类风险理解途径。本研究不仅答复了是否可以通过分析网民的分析型风险〔“风险感知〞指标〕和感觉型风险〔“负面情绪〞指标〕，来评估网民对重大工程工程的抗争倾向的问题，还提出了一个实用的在线评估模型。线下社会稳定风险评估，一般采取问卷调查、听证会、座谈会、重点走访等形式，收集利益相关群体的意见和建议。当工程风险沟通渠道不畅通，样本代表性缺乏时，原意用于发现隐患、消除矛盾、促进开展的“稳评〞活动，反而可能掩盖社会矛盾，导致政府的工程决策依据缺乏或失真。重大工程在实施稳评的过程中，工程单位和地方政府都倾向于自我肯定〔朱正威等，２０１４〕，因而人为干扰因素较多。由于被排除在决策环节之外，工程选址地群众可能产生剧烈的风险感知与负面情绪，并映射到当地网民的微博、微信、ＱＱ、博客等社交网络发言之中。基于互联网大数据的稳评活动可以及时动态地监测这种风险，且评价结论可以反复进行检验，有助于减少黑箱操作，可以提高评价的程序公平性和结果公平性。简言之，重大工程工程在线稳评模式具有网络议政的元素，符合党的十八届三中全会提出的“推进国家治理体系和治理能力现代化〞的战略意图，也具有新时期强政府与强社会相结合〔朱德米，２０１４〕的社会风险治理特征，应当得到进一步研究和推广。就像所有的风险预警模型，无法绝对防止“虚警〞或“漏警〞一样，当某些人的社交网络发言采用反语时，我们实施的重大工程工程社会稳定风险评估，同样可能发生测评偏差。不过由于被监测的微博记录往往达数十万甚至数百万条之巨，可以到达“涌现〞〔复杂系统的一种自适应特征〕的效果，可大概率地削除由此造成的问题。金斯伯格等〔Ｇｉｎｓｂｅｒｇｅｔａｌ．，２００９〕在Ｎａｔｕｒｅ上发文，介绍了谷歌推出的一套名叫“ＧｏｏｇｌｅＦｌｕＴｒｅｎｄ〞的大数据在线监测模型，该模型利用互联网搜索引擎查询预测季节性流感。美国政府ＣＤＣ〔疾病预防控制中心〕据之在２０１３年１月预测的美国全国范围流感样疾病〔Ｉｎｆｌｕｅｎｚａ－ＬｉｋｅＩｌｌｎｅｓｓ，ＩＬＩ〕差不多是实际值的２倍〔Ｂｕｔｌｅｒ，２０１３〕，显然这次预测是失败的。但是美国ＣＤＣ还在使用这套工具，原因在于历史数据说明它大概率是准确的，相应的预测结果具有极高的科学应用价值。有足够的网民关注，线上舆情测评才有代表性，才能反映出“民意〞。媒介依赖理论认为，人们对媒介的依赖是由媒介传递信息的数量和质量，以及社会冲突的程度共同决定的〔龚新琼，２０１１〕。有关负面倾向新闻关注度〔李强、苏慧丽，２０１４〕和微博谣言关注度〔张自立等，２０１４〕的研究，有力地支持这一理论观点。网民针对重大工程工程实施的互联网查询行为与发言行为，跟社交网络本身的人气、工程的知情范围、网民对工程的反对程度息息有关。如果工程的信息不够公开，公众对工程缺乏兴趣，那么工程的网民关注度必然处于低位，此时通过在线评估分析工程的社会稳定风险，显然不具有真实性和代表性。此外，我国区域经济开展不平衡，在互联网使用率较低的区域〔如一些遥远落后乡村〕，人们往往不懂或不能通过在线社交网络表达个体意见，在这种情况下在线“稳评〞也容易出现偏差。本研究探讨了重大工程工程社会对抗的微观心理认知机制，分析了核电工程社会稳定风险的大数据评估理论与方法，本研究所揭示的根本理论关系与概念模型，适用于各类重大工程工程“稳评〞。不过由于公众对不同邻避型工程的风险认知存在差异，文中提出的“风险感知〞变量操作化方法只适用于核电工程。用于分析的资料中，每一条被用于风险分析的微博，相当于公众的一次民意“投票〞，但是不同“投票〞行为可能存在不同意义。社交网络意见领袖的微博会被转发或回复屡次，网络活泼分子可能不自觉地发送多条微博，是否有必要使用ＩＤ限制，是否需要对不同角色的发言赋予不同权重，研究者可通过在线“投票〞机制的设计进行调整，不过本文尚未探讨到这方面的问题。参考文献蔡前〔２００９〕．以互联网为媒介的集体行动研究．求实，２：４４－４８．龚新琼〔２０１１〕．关系·冲突·整合———理解媒介依赖理论的三个维度．当代传播，６：２８－３０．黄顺康〔２００６〕．论公共危机预控．理论界，５：８１－８２．拉雷·Ｎ格斯顿〔２００１〕．公共政策的制定———程序和原理．朱子文译．重庆：重庆出版社．李强、苏慧丽〔２０１４〕．网络新闻受众负面偏向的关注度研究———基于传播心理学视角．传媒观察，１：５１－５３．孟博、刘茂、李清水、王丽〔２０１０〕．风险感知理论模型及影响因子分析．中国平安科学报，１０：５９－６６．尚虎平〔２０１５〕．政府绩效评估中“结果导向〞的操作性偏误与矫治．政治学研究，３：９１－１００．谭爽、胡象明〔２０１３〕．邻避型社会稳定风险中风险认知的预测作用及调控———以核电站为例．武汉大学学报〔哲学社会科学版〕，５：７５－８１．童志锋〔２０１３〕．互联网、社会媒体与中国民间环境运动的开展〔２００３—２０１２〕．江苏行政学院学报，４：５２－６２．叶璐〔２０１２〕．微博中的负面情绪传播分析．今传媒，２：５４－５５．维克托·迈尔－舍恩伯格、肯尼斯·库克耶〔２０１３〕．大数据时代：生活、工作与思维的大变革．盛杨燕、周涛译．杭州：浙江人民出版社．赵鼎新〔２０１２〕．社会与政治运动讲义．北京：社会科学文献出版社．朱德米〔２０１４〕．社会稳定风险评估的社会理论图景．南京社会科学，４：５８－６６．周云倩、杨娜〔２０１３〕．微博负面情绪的ＭＯＡ解析．青年记者，１１：７７－７８．张自立、孙佰清、张紫琼〔２０１４〕．网络普及率和网民增长率对微博用户谣言关注度的影响机制研究．统计与决策，７：９１－９３．张晶、朱波、梁琳琳、侯敏、滕永林〔２０１４〕．基于情绪因子的中文微博情绪识别与分类．北京大学学报〔自然科学版〕，１：７９－８４．张兵、张金华〔２０１０〕．从微博的特点看危机潜伏期政府如何预警———以富士康跳楼事件为例．新闻世界，９：１５１－１５２．朱正威、李文君、赵欣欣〔２０１４〕．社会稳定风险评估公众参与意愿影响因素研究．西安交通大学学报〔社会科学版〕，２：４９－５５．Ｂｕｔｌｅｒ，Ｄ．〔２０１３〕．ＷｈｅｎＧｏｏｇｌｅＧｏｔＦｌｕＷｒｏｎｇ．Ｎａｔｕｒｅ，４９４〔７４３６〕：１５５．Ｃｈｅｏｎｇ，Ｍ．＆Ｌｅｅ，Ｖ．Ｃ．Ｓ．〔２０１１〕．ＡＭｉｃｒｏｂｌｏｇｇｉｎｇ－ｂａｓｅｄＡｐｐｒｏａｃｈｔｏＴｅｒｒｏｒｉｓｍＩｎｆｏｒｍａｔｉｃｓ：ＥｘｐｌｏｒａｔｉｏｎａｎｄＣｈｒｏｎｉｃｌｉｎｇＣｉｖｉｌｉａｎＳｅｎｔｉｍｅｎｔａｎｄＲｅｓｐｏｎｓｅｔｏＴｅｒｒｏｒｉｓｍＥｖｅｎｔｓｖｉａＴｗｉｔｔｅｒ．ＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍｓＦｒｏｎｔｉｅｒｓ，１３：４５－５９．Ｃｏｘ，Ｄ．Ｆ．Ｅｄ．〔１９６７〕．ＲｉｓｋＴａｋｉｎｇａｎｄＩｎｆｏｒｍａｔｉｏｎＨａｎｄｌｉｎｇｉｎＣｏｎｓｕｍｅｒＢｅｈａｖｉｏｒ．Ｂｏｓｔｏｎ：ＨａｒｖａｒｄＵｎｉｖｅｒｓｉｔｙ．Ｄｏｗｎｅｙ，Ｇ．Ｌ．〔１９８６〕．ＩｄｅｏｌｏｇｙａｎｄｔｈｅＣｌａｍｓｈｅｌｌＩｄｅｎｔｉｔｙ：ＯｒｇａｎｉｚａｔｉｏｎａｌＤｉｌｅｍｍａｓｉｎｔｈｅＡｎｔｉ－ＮｕｃｌｅａｒＰｏｗｅｒＭｏｖｅｍｅｎｔ．ＳｏｃｉａｌＰｒｏｂｌｅｍｓ，３３〔５〕：３５７－３７３．Ｆｅｎｔｏｎ，Ｎ．〔２００８〕．ＭｅｄｉａｔｉｎｇＨｏｐｅ：ＮｅｗＭｅｄｉａ，ＰｏｌｉｔｉｃｓａｎｄＲｅｓｉｓｔａｎｃｅ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｕｌｔｕｒｅＳｔｕｄｉｅｓ，１１〔２〕：２３０－２４８．Ｆｉｎｕｃａｎｅ，Ｍ．Ｌ．，Ａｌｈａｋａｍｉ，Ａ．，Ｓｌｏｖｉｃ，Ｐ．＆Ｊｏｈｎｓｏｎ，Ｓ．Ｎ．〔２０００〕．ＴｈｅＡｆｆｅｃｔＨｅｕｒｉｓｔｉｃｉｎＪｕｄｇｍｅｎｔｓｏｆＲｉｓｋａｎｄＢｅｎｅｆｌｔｓ．ＪｏｕｒｎａｌｏｆＢｅｈａｖｉｏｒａｌＤｅｃｉｓｉｏｎＭａｋｉｎｇ，１３：１－１７．Ｇｉｎｓｂｅｒｇ，Ｊ．，Ｍｏｈｅｂｂｉ，Ｍ．Ｈ．，Ｐａｔｅｌ，Ｒ．Ｓ．，Ｂｒａｍｍｅｒ，Ｌ．，Ｓｍｏｌｉｎｓｋ，Ｍ．Ｓ．＆Ｂｒｉｌｌｉａｎｔ，Ｌ．〔２００９〕．ＤｅｔｅｃｔｉｎｇＩｎｆｌｕｅｎｚａＥｐｉｄｅｍｉｃｓＵｓｉｎｇＳｅａｒｃｈＥｎｇｉｎｅＱｕｅｒｙＤａｔａ．Ｎａｔｕｒｅ，４５７〔７２３２〕：１０１２－１０１４．Ｈｏ，Ｊ．Ｃ．，Ｋａｏ，Ｓ．Ｆ．，Ｗａｎｇ，Ｊ．Ｄ．，Ｓｕ，Ｃ．Ｔ．，Ｌｅｅ，Ｃ．Ｔ．Ｐ．，Ｃｈｅｎ，Ｒ．Ｔ．，Ｃｈａｎｇ，Ｈ．Ｌ．，Ｉｅｏｎｇ，Ｍ．Ｃ．Ｆ．＆Ｃｈａｎｇ，Ｐ．Ｗ．〔２０１３〕．ＲｉｓｋＰｅｒｃｅｐｔｉｏｎ，Ｔｒｕｓｔ，ａｎｄＦａｃｔｏｒｓＲｅｌａｔｅｄｔｏａＰｌａｎｎｅｄＮｅｗＮｕｃｌｅａｒＰｏｗｅｒＰｌａｎｔｉｎＴａｉｗａｎａｆｔｅｒｔｈｅ２０１１ＦｕｋｕｓｈｉｍａＤｉｓａｓｔｅｒ．ＲａｄｉｏｌＰｒｏｔ．３３〔４〕：７７３－７８９．Ｋｒａｆｔ，Ｍ．＆Ｃｌａｒｙ，Ｂ．〔１９９１〕．ＣｉｔｉｚｅｎＰａｒｔｉｃｉｐａｔｉｏｎａｎｄｔｈｅＮＩＭＢＹＳｙｎｄｒｏｍｅ：ＰｕｂｌｉｃＲｅｓｐｏｎｓｅｔｏＲａｄｉｏａｃｔｉｖｅＷａｓｔｅＤｉｓｐｏｓａｌ．ＴｈｅＷｅｓｔｅｒｎＰｏｌｉｔｉｃａｌＱｕａｒｔｅｒｌｙ，２：２９９－３２８．Ｌｅｒｎｅｒ，Ｊ．Ｓ．，Ｇｏｎｚａｌｅｚ，Ｒ．Ｍ．，ＳｍａｌｌＤ．Ａ．＆Ｆｉｓｃｈｈｏｆｆ，Ｂ．〔２００３〕．ＥｆｆｅｃｔｓｏｆＦｅａｒａｎｄＡｎｇｅｒｏｎＰｅｒｃｅｉｖｅｄＲｉｓｋｓｏｆＴｅｒｒｏｒｉｓｍ：ＡＮａｔｉｏｎａｌＦｉｅｌｄＥｘｐｅｒｉｍｅｎｔ．ＰｓｙｃｈｏｌｏｇｉｃａｌＳｃｉｅｎｃｅ，１４〔２〕：１４４－１５０．Ｍｕｒｐｈｙ，Ｋ．＆Ｔｙｌｅｒ，Ｔ．〔２００８〕．ＰｒｏｃｅｄｕｒａｌＪｕｓｔｉｃｅａｎｄＣｏｍｐｌｉａｎｃｅＢｅｈａｖｉｏｒ：ＴｈｅＭｅｄｉａｔｉｎｇＲｏｌｅｏｆＥｍｏｔｉｏｎｓ．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＳｏｃｉａｌＰｓｙｃｈｏｌｏｇｙ，３８：６５２－６６８．Ｐｏｓｎｅｒ，Ｊ．，Ｒｕｓｓｅｌｌ，Ｊ．Ａ．＆Ｐｅｔｅｒｓｏｎ，Ｂ．〔２００５〕．ＴｈｅＣｉｒｃｕｍｐｌｅｘＭｏｄｅｌｏｆＡｆｆｅｃｔ：ＡｎＩｎｔｅｇｒａｔｉｖｅＡｐｐｒｏａｃｈｔｏＡｆｆｅｃｔｉｖｅＮｅｕｒｏｓｃｉｅｎｃｅ，ＣｏｇｎｉｔｉｖｅＤｅｖｅｌｏｐｍｅｎｔ，ａｎｄＰｓｙｃｈｏｐａｔｈｏｌｏｇｙ．ＤｅｖｅｌｏｐｍｅｎｔａｎｄＰｓｙｃｈｏｐａｔｈｏｌｏｇｙ，１７〔３〕：７１５－７３４．Ｒｕｓｓｅｌｌ，Ｊ．Ａ．〔１９８０〕．ＡＣｉｒｃｕｍｐｌｅｘＭｏｄｅｌｏｆＡｆｆｅｃｔ．ＪｏｕｒｎａｌｏｆＰｅｒｓｏｎａｌｉｔｙａｎｄＳｏｃｉａｌＰｓｙｃｈｏｌｏｇｙ，３９〔６〕：１１６１－１１７８Ｓａｋａｋｉ，Ｔ．，Ｏｋａｚａｋｉ，Ｍ．＆ＭａｔｓｕｏＹ．〔２０１０〕．ＥａｒｔｈｑｕａｋｅＳｈａｋｅｓＴｗｉｔｔｅｒＵｓｅｒｓ：Ｒｅａｌ－ＴｉｍｅＥｖｅｎｔＤｅｔｅｃｔｉｏｎｂｙＳｏｃｉａｌＳｅｎｓｏｒｓ．ＷＷＷ２０１０，Ａｐｒｉｌ２６－３０，Ｒａｌｅｉｇｈ，ＮｏｒｔｈＣａｒｏｌｉｎａ．Ｓｊｂｅｒｇ，Ｌ．，Ｄｒｏｔｔｚ－Ｓｊｂｅｒｇ，Ｂ．Ｍ．〔２００１〕．Ｆａｉｒｎｅｓｓ，ＲｉｓｋａｎｄＲｉｓｋＴｏｌｅｒａｎｃｅｉｎｔｈｅＳｉｔｉｎｇｏｆａＮｕｃｌｅａｒＷａｓｔｅＲｅｐｏｓｉｔｏｒｙ．ＪｏｕｒｎａｌｏｆＲｉｓｋＲｅｓｅａｒｃｈ，４〔１〕：７５－１０１．Ｓｌｏｖｉｃ，Ｐ．，Ｆｎｕｃａｎｅ，Ｍ．，Ｐｅｔｅｒ，Ｅ．＆ＭａｃＧｒｅｇｏｒＤ．Ｇ．〔２００４〕．ＲｉｓｋａｓＡｎａｌｙｓｉｓａｎｄＲｉｓｋａｓＦｅｅｌｉｎｇ：ＳｏｍｅＴｈｏｕｇｈｔｓａｂｏｕｔＡｆｆｅｃｔ，Ｒｅ