Please wait a minute...

微信公众号

编辑部微信号

旅游导刊  2019, Vol. 3 Issue (6): 26-47    DOI: 10.12054/lydk.bisu.104
研究论文     
旅游危机事件网络舆情传播时空演化特征与机理——基于网络关注度的分析
马丽君(), 张家凤
湘潭大学商学院 湖南湘潭 411105
The Temporal and Spatial Evolution, Characteristics, and Mechanism of Internet Public Opinion Propagation of Tourism Crisis Events:An Analysis of Network Attention
Lijun MA(), Jiafeng ZHANG
Business School of Xiangtan University, Xiangtan 411105, China
 全文: PDF(1532 KB)   HTML
摘要:

网络舆情与网络关注度之间存在着密切的关系。本文依托百度指数,收集网络关注度数据,分析旅游危机事件网络舆情传播的时空演化特征及其形成机理,结果发现:(1)网络舆情传播大致可以划分为发展期、爆发期和衰退期3个阶段,其中,发展期和爆发期持续时间较短,衰退期较长。(2)旅游危机事件的性质会影响旅游危机事件网络舆情的传播速度和强度、传播范围和衰退速度。(3)较大的旅游危机事件在我国大陆地区均会产生网络舆情,但不同事件在发展期影响范围有较大差别。人口数量、经济发展水平、网络普及率、与事件发生地的距离、有无类似事件等因素是影响网络舆情传播的重要因素。

关键词: 旅游危机事件网络舆情时空演化网络关注度    
Abstract:

There is a close relationship between internet public opinion and network attention. This paper relies on the Baidu Index to collect network attention data, and analyzes the spatial and temporal evolution, characteristics, and formation mechanism of the network opinion transmission of tourism crisis events. The results indicated that the spread of network public opinion can be roughly divided into a development period, an outbreak period, and period of terminal decline. While the development period and the outbreak period are short in duration, the decline phase is longer. The total duration is about 2-4 months. Similar incidents will lead to the superposition effect on internet public opinion. The place where the incident takes place and the attribution of the parties to the incident affect the strength of the internet public opinion. Furthermore, the nature of tourism crisis events affects the speed and strength of the related internet public opinion. Finally, larger tourism crisis events produced internet public opinion in 31 provinces, but there were significant differences in the scope of impact of different events in the development period. The important factors affecting the spread of internet public opinion were the level of economic development, population, network penetration, and distance to the site of occurrence.

Key words: tourism crisis event    internet public opinion    spatial and temporal evolution    network attention
收稿日期: 2019-09-15 出版日期: 2020-01-14
PACS:  F59  
基金资助: 本研究受国家自然科学基金(项目编号:41871123)、湖南省社会科学基金项目(项目编号:17YBA370)、湖南省社会科学成果评审委员会课题(项目编号:XSP18YBZ071)资助
作者简介:

马丽君(1981— ),男,山东临沂人,博士,湘潭大学副教授,硕士生导师,研究方向:旅游经济运行。E-mail:ljmaljly@163.com;张家凤(1994— ),女,安徽六安人,湘潭大学商学院硕士研究生,研究方向:旅游经济运行。

服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
马丽君
张家凤

引用本文:

马丽君, 张家凤. 旅游危机事件网络舆情传播时空演化特征与机理——基于网络关注度的分析[J]. 旅游导刊, 2019, 3(6): 26-47.

Lijun MA, Jiafeng ZHANG. The Temporal and Spatial Evolution, Characteristics, and Mechanism of Internet Public Opinion Propagation of Tourism Crisis Events:An Analysis of Network Attention. Tourism and Hospitality Prospects, 2019, 3(6): 26-47.

链接本文:

https://lydk.bisu.edu.cn/CN/10.12054/lydk.bisu.104        https://lydk.bisu.edu.cn/CN/Y2019/V3/I6/26

事件 天价虾 天价鱼 丽江打人
省区 10月 11月 12月 1月 总值 2月 3月 4月 总值 1月 2月 3月 总值
广东 17 039 4 196 3 265 2 763 27 263 18 658 9 960 2 632 31 250 9 465 10 668 4 676 24 809
北京 10 722 3 743 2 802 1 836 19 103 15 855 7 440 2 628 25 923 6 726 11 785 2 991 21 502
浙江 10 604 3 401 2 398 1 649 18 052 13 189 7 128 2 500 22 817 5 268 6 840 3 862 15 970
江苏 9 903 3 203 2 464 1 366 16 936 18 891 8 472 2 614 29 977 6 469 7 358 3 559 17 386
山东 9 838 3 286 2 016 1 285 16 425 14 067 7 571 2 199 23 837 6 123 7 009 3 870 17 002
四川 9 896 3 039 2 094 1 675 16 704 10 475 5 956 2 215 18 646 8 755 8 232 3 426 20 413
河南 8 978 3 037 2 049 1 992 16 056 10 444 6 923 2 045 19 412 5 167 6 135 3 608 14 910
上海 9 173 3 354 1 520 958 15 005 13 213 6 028 2 122 21 273 4 123 6 075 3 527 13 725
河北 7 111 2 256 1 703 1 418 12 488 9 485 6 089 1 866 17 440 4 751 5 739 3 324 13 814
湖北 7 011 2 936 1 468 1 153 12 568 8 056 5 549 1 786 15 391 4 009 5 470 3 216 12 695
福建 7 146 2 515 1 404 972 12 037 7 492 5 409 1 922 14 823 3 484 5 090 2 940 11 514
辽宁 5 732 2 114 1 098 751 9 695 9 498 5 424 1 714 16 636 4 664 5 780 3 213 13 657
陕西 5 950 1 671 1 656 878 10 155 6 676 4 808 1 582 13 166 3 508 4 853 2 467 10 828
湖南 5 834 2 503 1 218 931 10 486 5 706 4 972 1 303 11 981 3 426 4 841 2 755 11 022
安徽 5 406 2 002 1 590 438 9 436 6 248 4 820 1 411 12 479 2 933 4 357 2 776 10 066
山西 4 678 1 860 976 1 115 8 629 6 153 4 599 1 513 12 265 3 127 4 486 2 420 10 033
江西 5 120 2 163 982 467 8 732 4 857 4 416 1 052 10 325 2 675 3 892 2 325 8 892
事件 天价虾 天价鱼 丽江打人
省区 10月 11月 12月 1月 总值 2月 3月 4月 总值 1月 2月 3月 总值
黑龙江 4 596 1 686 938 639 7 859 13 218 7 314 2 071 22 603 4 326 5 269 3 046 12 641
重庆 5 400 1 583 1 036 439 8 458 5 502 4 295 1 460 11 257 3 263 4 589 2 282 10 134
天津 4 968 1 271 985 512 7 736 6 722 4 487 1 585 12 794 2 563 4 420 2 711 9 694
吉林 4 639 1 333 516 804 7 292 6 217 4 545 1 265 12 027 3 516 4 693 2 529 10 738
广西 5 512 1 524 800 108 7 944 5 397 4 626 1 239 11 262 2 874 4 629 2 769 10 272
云南 4 559 1 773 228 400 6 960 4 595 4 309 1 255 10 159 6 385 8 473 3 699 18 557
内蒙古 3 572 927 459 327 5 285 4 460 3 845 927 9 232 2 771 4 172 1 780 8 723
贵州 3 820 584 456 416 5 276 3 996 3 621 633 8 250 2 602 4 307 2 207 9 116
甘肃 3 123 688 402 274 4 487 3 487 3 426 573 7 486 1 712 2 973 1 353 6 038
新疆 2 979 513 418 135 4 045 3 073 3 316 647 7 036 1 642 3 177 814 5 633
海南 2 349 573 57 299 3 278 2 815 2 416 741 5 972 1 593 3 066 916 5 575
宁夏 1 859 228 57 117 2 261 2 128 1 528 399 4 055 56 2 115 228 2 399
青海 1 464 228 117 0 1 809 1 785 1 292 114 3 191 739 1 201 171 2 111
西藏 1 035 0 0 0 1 035 792 411 57 1 260 470 576 57 1 103
表1  我国大陆31个省区对三起事件的网络关注度
省区 关注度/人次 人口/万人 GDP/
亿元
网络普及率 距离 相关性 省区 关注度/人次 人口/万人 GDP/
亿元
网络普及率 距离 相关性
北京 27 750 2 173 25 699.13 77.8% 7 0 湖北 16 803 5 885 32 665.38 51.4% 5 0
天津 13 785 1 562 17 885.39 64.6% 7 0 湖南 13 314 6 882 31 551.37 44.4% 3 0
河北 18 870 7 470 32 070.45 53.3% 7 0 广东 33 508 10 999 80 854.91 74.0% 3 0
山西 13 375 3 682 13 050.41 55.5% 7 0 广西 12 955 4 838 18 317.64 46.1% 3 1
内蒙古 9 806 2 520 18 128.1 52.2% 7 0 海南 6 565 917 4 053.2 51.6% 1 0
辽宁 17 886 4 378 22 246.9 62.6% 9 0 重庆 12 382 3 048 17 740.59 51.6% 3 0
吉林 13 238 2 733 14 776.8 50.9% 9 0 四川 20 380 8 262 32 934.54 43.6% 3 0
黑龙江 23 953 3 799 15 386.09 48.1% 9 1 贵州 9 026 3 555 11 776.73 43.2% 3 0
上海 22 762 2 420 28 178.65 74.1% 5 0 云南 10 985 4 771 14 788.42 39.9% 1 0
江苏 31 814 7 999 77 388.28 56.6% 7 1 西藏 1 317 331 1 151.41 46.1% 1 0
浙江 24 599 5 590 47 251.36 65.6% 5 0 陕西 14 299 3 813 19 399.59 52.4% 5 0
安徽 13 659 6 196 24 407.62 44.3% 5 0 甘肃 8 149 2 610 7 200.37 42.4% 5 0
福建 16 105 3 874 28 810.58 69.7% 3 0 青海 3 365 593 2 572.49 54.5% 3 0
江西 11 312 4 592 18 499.00 44.6% 5 0 宁夏 287 675 3 168.59 50.7% 3 0
山东 25 637 9 947 68 024.49 52.9% 7 1 新疆 7 571 2 398 9649.7 54.9% 1 0
河南 20 920 9 532 40 472 43.4% 5 0
表2  我国大陆各省区“天价鱼”事件网络关注度及相关数据
图1  “天价虾”事件网络舆情时间变化
事件 天价虾 天价鱼 丽江打人
地区 10.5 10.9 11.16 1.31 2.14 2.21 2.28 4.15 1.24 1.25 2.8 3.25
安徽
北京
重庆
福建
广东
甘肃
广西
贵州
河北
黑龙江
河南
湖南
湖北
海南
吉林
江苏
江西
辽宁
内蒙古
宁夏
青海
上海
四川
山东
山西
陕西
天津
西藏
新疆
云南
浙江
☆ □ △ ▽ ○
K≥1 500 1 000≤K< 1 500 500≤K <1 000 100≤K <500 0 < K < 100 K=0
强关注 偏强关注 关注 偏弱关注 弱关注 无关注
表3  三起事件舆情演化过程中代表日期的网络关注度
图2  “天价鱼”事件网络舆情时间变化
图3  “丽江打人”事件网络舆情时间变化
图4  网络关注度与网络舆情形成过程及相互关系
各时期网络关注度 皮尔逊相关性 人口
数量
经济发
展水平
网络普及率 空间
距离
相关
省区
总网络关注度 Pearson Correlation 0.700** 0.863** 0.522** 0.464** 0.413*
表4  “天价鱼”事件网络舆情传播影响因素检验结果
[1] Arcaini P, Bordogna G, Ienco D, et al.User-driven geo-temporal density-based exploration of periodic and not periodic events reported in social networks[J]. Information Sciences, 2016(340—341): 122~143.
[2] Ardon S, Bagchi A, Mahanti A, et al.Spatio-temporal and events based analysis of topic popularity in twitter[C]//Proceedings of the 22nd ACM International Conference on Information & Knowledge Management. San Francisco, CA: ACM, 2013: 219~228.
[3] Frisby E.Communicating in a crisis: The British Tourist Authority’s responses to the foot-and-mouth outbreak and 11th September, 2001[J]. Journal of Vacation Marketing, 2003, 9(1): 89~100.
doi: 10.1177/135676670200900107
[4] Lee C H.Mining spatio-temporal information on microblogging streams using a density-based online clustering method[J]. Expert Systems with Applications, 2012, 39(10): 9623~9641.
doi: 10.1016/j.eswa.2012.02.136
[5] Pan B.The power of search engine ranking for tourist destinations[J]. Tourism Management, 2015(47): 79~87.
[6] Pan B, Fesenmaier D R.Online information search: Vacation planning process[J]. Annals of Tourism Research, 2006, 33(3): 809~832.
doi: 10.1016/j.annals.2006.03.006
[7] Toral S L, Martínez-Torres M R, Gonzalez-Rodriguez M R. Identification of the unique attributes of tourist destinations from online reviews[J]. Journal of Travel Research, 2018, 57(7): 908~919.
doi: 10.1177/0047287517724918
[8] 冯四朵, 白凯. 旅游目的地人为导致类危机属性构成: 测量量表开发的视角[J]. 旅游学刊, 2016, 31(8): 90~101.
[9] 付业勤. 旅游危机事件网络舆情的发生机理研究[J]. 合肥工业大学学报(社会科学版), 2014a, 28(6): 15~21.
[10] 付业勤. 旅游危机事件网络舆情研究: 构成、机理与管控[D]. 泉州: 华侨大学, 2014b: 19~66.
[11] 付业勤, 陈雪钧, 郑向敏, 等. 旅游危机事件网络舆情应对水平的评价研究: 基于灰色统计和熵权TOPSIS方法[J]. 重庆师范大学学报(自然科学版), 2015, 32(2): 162~167.
[12] 付业勤, 郑向敏. 旅游危机事件网络舆情的传播机理研究[J]. 黄冈师范学院学报, 2015, 35(1): 7~10.
[13] 付业勤, 郑向敏, 雷春, 等. 旅游危机事件网络舆情的本体分析[J]. 重庆理工大学学报(社会科学版), 2015, 29(2): 47~53.
[14] 侯国林. 旅游危机:类型、影响机制与管理模型[J]. 南开管理评论, 2005, 8(1): 78~82.
[15] 李锋. 基于本底线的不同性质旅游危机事件影响比对研究——以中国4次旅游危机事件为例[J]. 旅游学刊, 2009, 24(4): 73~78.
[16] 李锋, 孙根年. 基于旅游本底线法(TBLM)的旅游危机事件研究——以2003年“SARS”事件为例[J]. 人文地理, 2006, 21(4): 102~105.
[17] 李九全, 李开宇, 张艳芳. 旅游危机事件与旅游业危机管理[J]. 人文地理, 2003, 18(6): 35~39.
[18] 李渊, 付航. 微博数据在旅游研究中的应用及展望[J]. 旅游导刊, 2017, 1(4): 103~110.
[19] 林炜铃, 邹永广, 郑向敏. 旅游安全网络关注度区域差异研究——基于中国31个省市区旅游安全的百度指数[J]. 人文地理, 2014, 29(6): 154~160.
[20] 马莉, 刘培学, 张建新, 等. 景区旅游流与网络关注度的区域时空分异研究[J]. 地理与地理信息科学, 2018, 34(2): 87~93.
[21] 马丽君, 郭留留. 基于网络关注度的北京市居民对5A级景区旅游需求时空特征分析[J]. 干旱区资源与环境, 2017, 31(10): 203~208.
[22] 马丽君, 龙云. 基于网络关注度的湖南省居民旅游需求时空特征[J]. 经济地理, 2017, 37(2): 201~208.
[23] 马丽君, 马曼曼. “天价虾”事件对青岛旅游网络关注度的影响[J]. 资源开发与市场, 2018, 34(1): 83~87.
[24] 马丽君, 肖洋. 湖南省居民省内旅游流的集聚扩散时空特征——基于网络关注度数据的分析[J]. 旅游导刊, 2018, 2(2): 40~55.
[25] 孙根年. 我国境外旅游本底趋势线的建立及科学意义[J]. 地理科学, 1998, 18(5): 442~448.
[26] 孙根年, 马丽君. 十年来四川省入境和国内游客的空间聚集性分析[J]. 旅游科学, 2007, 21(6): 20~24.
[27] 孙根年, 舒镜镜, 马丽君, 等. 五大危机事件对美国出入境旅游的影响——基于本底线模型的高分辨率分析[J]. 地理科学进展, 2010, 29(8): 987~996.
[28] 孙根年, 于立新. 基于本底趋势线的秦俑馆旅游危机后评价研究[J]. 地理科学, 2008, 28(1): 107~112.
[29] 王静, 李莉. 社交媒体应用对中国旅游者的社会化影响研究——基于社交媒体网站数据的分析[J]. 旅游导刊, 2018, 2(2): 27~39.
[30] 魏小安, 付磊. 旅游业受“非典”影响情况分析及对几个相关问题的辨析[J]. 旅游学刊, 2003, 18(4): 14~23.
[31] 魏小安, 曾博伟. 汶川地震后中国旅游形势分析与判断[J]. 旅游学刊, 2008, 23(8): 13~18.
[32] 谢朝武, 张俊. 时空因素与我国旅游突发事件的关联影响——基于最优尺度分析[J]. 经济管理, 2014, 36(3): 126~134.
[33] 尹贻梅, 陆玉麒, 邓祖涛. 旅游危机管理: 构建目的地层面的动态框架[J]. 旅游科学, 2005, 19(4): 71~77.
[34] 中共中央宣传部舆情信息局. 网络舆情信息工作理论与实务[M]. 北京: 学习出版社, 2009: 3~10.
[35] 朱迎波, 葛全胜, 魏小安, 等. SARS对中国入境旅游人数影响的研究[J]. 地理研究, 2003, 22(5): 551~559.
[36] 邹永广, 林炜铃, 郑向敏. 旅游安全网络关注度时空特征及其影响因素[J]. 旅游学刊, 2015, 30(2): 101~109.