王晗嘯，南京師範大學新聞與傳播學院博士研究生。
李成名，南京師範大學文學院碩士研究生。
於德山(通訊作者)，南京師範大學新聞與傳播學院教授。
巴志超，南京理工大學經濟管理學院講師。
本文系國家社會科學基金重點項目「新媒體視覺文化傳播研究」（項目編號：16AXW008）的階段性研究成果，受「南京師範大學2018年優秀博士論文選題計劃」資助。
一
前言
自1968年麥克斯維爾·麥庫姆斯和唐納德·肖開展教堂山研究以來，議程設置理論已悄然走過了五十年。儘管多年來媒介系統在持續發生著變革，議程設置理論作為傳播學的經典理論之一，依然具有旺盛的生命力。
根據麥庫姆斯和郭蕾的劃分，議程設置研究可被分為三個層次：第一個層次是客體議程設置，該層次主要考察大眾媒介通過設置議程對公眾議程產生的影響。教堂山研究發現，對於那些搖擺不定的選民，其心中議題的重要性與媒體在新聞議題中的顯要性呈高度相關，這一結論是對當時佔據主流學術觀點——「有限效果論」的顛覆（McCombs & Shaw，1972）。此後，研究者發現大眾媒介不僅能決定公眾「想什麼」，還能影響公眾「怎麼想」。媒介通過建構議程，對某個客體的一些具體屬性進行選擇和強調亦會對公眾產生影響，這一層次被稱之為屬性議程設置（McCombs，LIamas，Lopez-Escobar & Rey，1997）。進入到網際網路時代尤其是web2.0時期，以用戶為主導進行內容生成的社交媒體開始崛起，社交媒體在改變人們信息獲取方式的同時也削弱了傳統媒體的影響，因此有不少學者質疑，在網際網路時代傳統媒體的議程設置是否已經失效。在這樣一個新形勢下，麥庫姆斯和郭蕾於2011年提出了議程設置的第三個層次——網絡議程設置模型，以此作為對議程設置理論質疑的回應（Guo & McCombs，2011a；Guo & McCombs，2011b）。
相較於之前的兩個層次，網絡議程設置在研究方法上有較大創新，該方法是對內容分析、共現分析以及社會網絡分析的綜合運用。但這種基於共現分析的研究方法，只考慮到了詞與詞之間顯性的、直接的關係，卻未能表徵它們之間隱性的、間接的語義強度。本文引入詞向量模型word2vec，提出了一種測度網絡議程設置中隱性關係的方法，來揭示媒體與公眾的議程網絡以及二者間的相似程度。
二
文獻梳理
（一）研究假設及其方法
傳統的議程設置研究認為，公眾對信息的認知是線性和分層的。當人們思考一個客體時，心裡會產生一張包含了一系列問題和屬性的排序列表，因此傳統議程設置在對不同客體和屬性的研究上是孤立和分離的。網絡議程設置受認知心理學中聯想記憶模型與認知網絡模型的影響，認為公眾的認知呈網絡狀，不同的信息類似於一個個節點交織在一起形成了認知網絡。其核心假設是，媒體網絡中客體和屬性的顯要性影響了公眾網絡中客體和屬性的重要性。網絡議程設置更加關注媒體議程和公眾議程中不同客體和屬性間的網絡關係，並認為媒體報導中的不同客體和屬性會影響公眾的認知網絡（如圖1所示）（Guo，2015a：6）。
現有的網絡議程設置研究方法主要是對內容分析、共現分析以及社會網絡分析的綜合運用。
（1）內容分析法。由於單一使用共詞分析不能很好地體現議程網絡中的客體和屬性，因而研究者往往藉助內容分析，先對媒體報導和公眾調查中的關鍵詞進行編碼，歸納到某一要素（element）中。在這裡，要素既可以指代客體，也可以指代屬性（Guo，2015b：21）；
（2）共現分析。將媒體報導或公眾調查中共同出現的要素計為一次共現，然後根據要素間的共現頻次進行累加，分別構建媒體議程與公眾議程的要素共現矩陣，兩個要素共同出現的頻次越多，則這兩個要素間的關係越緊密；
（3）社會網絡分析。社會網絡分析以可視化的形式揭示媒體和公眾議程，通過點度中心度等中心性指標衡量不同要素在議程網絡中的重要程度。研究證明，一些在媒體報導中出現頻次較高的要素，並不一定會出現在網絡的中心位置（Guo，2012）。
從以上介紹可以看出，網絡議程設置可以同時展現客體和屬性這兩個方面及其內部要素間的關係。相較於之前的兩個層次，更加貼近回答沃特·李普曼所說的「我們腦海中的圖景」。
但是，上述研究方法未能表徵要素間的隱性關係。顯性關係與隱性關係的主要區別在於，前者是指主體有意識的對不同要素進行匹配，而後者則是主體無意識做出的選擇（Greenwald & Banaji，1995）。2018年7月於美國科羅拉多大學波爾得分校召開的議程設置研究五十年大會上，網絡議程設置中顯、隱性的測度與視覺議程設置、議程多樣性等被與會者列為議程設置研究的新方向（Vargo，2018）。
克雷格·卡羅爾（Craig E. Carroll）（2015：38）在對網絡議程結構的介紹中，提到了一種潛在連接關係——雙重關係。如圖2所示，該類關係的特徵 是網絡只有三個節點與兩條連邊，其中節點A與節點B相連，節點B與節點C相連。卡羅爾看到了雙重關係網中A與C之間存在潛在連邊的可能，並以三段論推理為例，認為大前提與結論之間並無直接關係，但可通過小前提，將大前提和結論建立起聯繫。雙重關係對於網絡議程設置研究的啟示是，當前基於共現分析的網絡議程 設置研究主要依靠的是要素間的顯性關係，但受上下文語境的影響，那些沒有共現的要素，彼此間也存在語義上的強度，人們可能對這部分要素建立聯繫。
（二）案例特徵
網絡議程設置理論在最近幾年才被提出，尚處於不斷發展和完善階段。總結國外的相關實證研究可以發現具有以下特徵：在案例背景方面，除了傳統議程設置研究中的政治選舉（Vargo，Guo，McCombs & Shaw，2014；Kiousis，Ragas，Kim，Schweickart，Neil & Kochhar，2016），還延伸到了國際傳播（Guo，Mays & Wang，2019）、科學傳播（Wang & Guo，2018）、環境保護（Schultz，Kleinnijenhuis，Oegema，Utz & VanAtteveldt，2012）等，研究主題更趨多樣化。
觀察國內議程設置研究的開展狀況，可以說自二十世紀八十年代議程設置理論傳入國內始，運用該理論展開的研究就以定性研究居多，定量研究較少，這與西方議程設置理論研究存在明顯的差異（Luo，2013）。部分在美高校的中國學者關注網絡議程設置視角下的中國問題研究。例如，程楊與陳靜雯（2015）以中國香港問題為切入點，圍繞國民教育改革等問題，分析香港媒體報導與市民觀點的相關程度。王倩（2016）根據新浪微博的用戶特徵，對中國官方媒體、商業媒體、意見領袖三者間的議程設置能力進行比較，並將意見領袖劃分為媒體從業者、名人、學者以及商業精英這四類人群。研究發現無論在危機事件還是非危機事件中，微博社區議程設置能力最強的是商業精英類人群，這與西方社交平臺以媒體組織或媒體人佔據議程主導地位的現狀存在較大區別。
以上研究中的公眾調查多來自於推特或微博。對於這類短文本社交平臺，由於存在字數限制，其單條信息較少出現要素共現，因此需要改變分析單元，將單個用戶在同一天內發布的全部信息作為單元合併處理，再做共現分析。此外，根據作者過往使用關鍵詞採集微博文本的經歷，語料中常常會夾雜大量由營銷帳號發布的無效信息，他們發布的信息雖然含有熱門事件的關鍵詞，但往往與該事件本身無關，這樣做只是為了蹭事件熱度提高帳號曝光率，而這些信息噪音在一定程度上會影響最終的分析結果。
三
研究方法與步驟
本文採用基於上下文語義的詞向量模型word2vec對百度新聞和知乎平臺上的語料進行語義建模，分析流程見圖3。對不同主體抽取等量的關鍵詞，根據模型訓練所得的詞向量，構建關鍵詞語義矩陣，再進一步分析比較不同主體的議程網絡及其相似程度。
（一）Word2vec模型
Word2vec模型是由託馬斯·米科洛夫在谷歌帶領的研究團隊所提出，該模型屬於淺層神經網絡語言模型，將詞彙轉化為詞向量，通過向量空間的相似度來衡量文本的相似度（Mikolov，Sutskever，Chen，Corrado & Dean，2013）。與LSI（潛在語義索引）、LDA（潛在狄利克雷分布）等基於文本中詞共現的模型不同，word2vec是根據上下文語義關係進行建模。如圖4所示的兩個短句：「麥庫姆斯是議程設置理論的提出者」「肖是議程設置理論的提出者」，根據詞共現就會將肖與議程設置理論相聯繫，而基於上下文語義則會將麥庫姆斯和肖相關聯。
Word2vec為獲取詞向量的建模方法有兩種，一種是skip-gram模型，該模型是使用一個詞語作為輸入來預測它上下文出現的概率；另一種是CBOW模型，該模型與skip-gram模型相反，使用上下文作為輸入來預測當前詞語出現的概率。
本研究採用詞頻-逆文檔頻詞算法（tf-idf），針對不同主體的語料抽取相同數量的關鍵詞，然後利用建模所得的詞向量計算關鍵詞之間的餘弦距離，以衡量關鍵詞間隱性語義強度。根據關鍵詞間的餘弦距離構建關鍵詞語義矩陣，語義矩陣中的值越大，代表這兩個關鍵詞相似度越高。如果某個關鍵詞和其他關鍵詞的相似度都很高，則說明該關鍵詞在相關主體的議程中居於較為重要的位置。
（二）議程網絡分析
現有的網絡議程設置研究，對媒體及公眾議程網絡的揭示主要還是先通過內容分析，將關鍵詞編碼為元素，再做元素間的共現分析。該方法存在一定的主觀性且分析效率較低，難以處理較大規模的語料。本研究採用無監督分類算法，使用社會網絡分析工具Ucinet的塊模型（concor）對關鍵詞語義矩陣進行聚類分析，將聚類結果下的不同社團（community）進行概括，以此得出不同主體的議程，並通過可視化的形式對議程網絡進行呈現。
（三）議程網絡相似度
在對議程相似度的計算上，本研究採用的是一種研究作者興趣相似度的做法(巴志超，李綱，朱世偉，2016)。首先通過上文中訓練所得的模型獲得與某個關鍵詞餘弦相似度最高的若干詞彙，分別求出這些詞與該關鍵詞的餘弦距離，充當其詞向量，據此構建議程矩陣。矩陣中的行表示關鍵詞的詞向量，列表示該主體抽取的關鍵詞。在計算不同主體議程相似度時，只需計算兩個議程矩陣之間的語義關係。採用Jensen-Shannon距離來計算不同主體議程的相似性，它是一種被用於測量兩個概率分布之間相似程度的方法（Endres & Schindelin，2003）。
（四）語料選擇與分類
在語料的選擇上，本文選擇知乎作為社交媒體的語料來源。原本作為公共事務討論地的微博，伴隨其泛娛樂化、生活化趨勢的加劇，以及營銷帳號對其輿論的把持，不少關心公共事務類話題的微博用戶轉戰知乎討論（王晗嘯，於德山，2018）。相較於微博，知乎作為網絡問答社區，其各條問題下的單條回復更長，專業化程度更高，用戶更願意通過理性分析而非直接給出論斷來表達自身觀點（茹西子，胡泳，2016）。
針對新聞與社交媒體語料，本文根據其信息發布源做了進一步的劃分，其中新聞語料來源被分為黨媒、都市類媒體以及商業媒體，社交媒體語料來源則被分為意見領袖與公眾。
四
案例分析
（一）案例選取
本文選取的新聞事件是發生於2017年11月的「紅黃藍幼兒園虐童案」。2017年11月22日晚，北京市朝陽區管莊紅黃藍幼兒園國際小二班十餘名家長反映，孩子被老師用針扎，餵成分不明的白色藥片，並提供了孩子身上多個針眼的照片（澎湃新聞，2017）。有家長向記者表示，老師不許孩子向家裡說幼兒園發生的事，說有「長長的望遠鏡」知道你是否報告家長（鳳凰網，2017）。由於該幼兒園學費達到每月5500元，屬於高端幼兒園，因而此事引發了國內中產階級的普遍憤怒與憂慮，許多人開始認為即便幼兒園收費高也難以信任（BBC中文網，2017）。此事件在經過《新京報》等媒體曝光後，各家媒體爭相報導，人民網、新華網等權威媒體也對該事件跟進。在微博、微信、知乎等社交媒體平臺，該事件也引發網民的廣泛討論。
選擇「紅黃藍事件」在於該案例符合議程設置研究的兩大發生條件，即事件要與公眾存在關聯性與不確定性。「紅黃藍事件」之所以受到廣泛關注，在於涉事主體是兒童，虐童事件嚴重危害到兒童的身心健康，而兒童安全問題又牽動著全社會每一個家庭的神經，相關事件的曝出會讓家長與自己家中的孩子相聯繫，因而該起事件與公眾的導向需求呈高度關聯。此外，由於視頻記錄的缺失，導致在幼兒園教師是否性侵兒童這一問題上沒有直接有力的證據，警方的通告並不能完全說服民眾，引發全社會的廣泛爭論甚至是謠言傳播，在這一點上，該案例符合了不確定性這一條件。
（二）語料搜集與預處理
本研究中的媒體語料來自於百度新聞平臺，語料搜集時段為2017年11月22日至2017年12月31日，以事件被曝光為起始，以涉案嫌疑人被批捕為結束。在對文本去重後，共得到434篇新聞報導，其中來自於黨媒的報導共計79篇，佔總數的18.2%；都市類媒體以北京當地媒體為主，如《新京報》《北京晨報》《北京青年報》等，共計77篇報導，佔總數的17.8%；來自商業媒體的報導共計278篇，佔總數的64%。
公眾語料來自於知乎中的提問「如何看待紅黃藍幼兒園發生的虐童事件?」。考慮到公眾對媒體信息的接收、加工及反應需要一個過程，因而語料搜集時段設定為2017年11月23日至2018年1月30日，共採集到來自於16230名用戶的22413條回答（知乎，2017）。與知乎中其他圍繞該事件的提問不同，這一提問並沒有將討論局限於某一點，如「硬碟修復」「股票漲幅」，因此該問題下的回答在內容上更為開放、多元，可以反映網民不同角度的看法。在對意見領袖的選取上，從「粉絲數」「點讚數」「感謝數」「收藏數」這四個維度綜合考量，將該話題下這四個維度排名均為前1%的用戶視為意見領袖，包括了青年作家「朱炫」、暴走漫畫創始人「王尼瑪」在內總計108人，並將其餘用戶均歸為普通公眾。
在對語料的預處理上，使用中文分詞工具「結巴分詞」（jieba0.39），向自定義詞典添加該事件中的人名、機構名等詞彙並設置停用詞，採用精確模式對文本進行分詞。在第一輪分詞後，發現仍有不準確的詞彙拆分，以及個別知乎用戶對涉事關鍵詞的錯誤拼寫，如「紅黃藍」寫成「紅藍黃」，故再次完善自定義詞典，進行第二輪分詞。
（三）「紅黃藍事件」議程網絡分析
本文使用TF-IDF算法抽取關鍵詞，保留「名詞」「人名」「機構團體」「其他專有名詞」「習用語」「形容詞」「動詞」「副動詞」以及「動名詞」這幾個詞性的詞語，分別對黨媒、都市類媒體、商業媒體的百度新聞語料以及知乎中意見領袖與公眾的回答文本抽取100個關鍵詞。需要注意的是，通常對語義網中關鍵詞的處理方式是只保留名詞和形容詞，但考慮到後續的聚類問題，動詞可以體現一定的信息量，因而本研究對動詞做了保留。Gensim是一款開源的第三方Python工具包，調用Gensim中的word2vec模型對語料進行詞向量訓練。模型具體參數設置為：選擇CBOW模型，特徵向量的維數為50，窗口大小為5，計算詞向量的最低詞頻為1，其餘為默認選項。在獲得模型後，計算所得關鍵詞間的餘弦距離，並構建關鍵詞語義矩陣。
以黨媒報導關鍵詞中涉及的幾類人群為例，對其關鍵詞顯、隱性關係強度進行比較。圖5是關鍵詞顯性語義關係，可以看出共現矩陣中要素值相差懸殊，如果觀察整個關鍵詞共現矩陣，要素中存在大量的零值；圖6是關鍵詞隱性語義關係，「家長」與「記者」之間的語義強度要明顯高於其他主體，可見在這一事件中，家長是被採訪和報導的重要對象，而這些信息在共現矩陣中是無法體現的。
研究者將語義矩陣導入Ucinet，以內置的Netdraw作為議程網絡可視化工具。為突出關鍵詞之間的語義強度，對關鍵詞相似度大於等於0.6的連線進行呈現，節點大小與字體大小根據節點的點度中心度設置，點度中心度越高，節點與字體越大。
圖7為黨媒對「紅黃藍事件」報導的議程網絡。網絡中心位置由兩部分詞語組成：一部分是「教育部」「公安機關」「依法」「調查取證」等詞，體現了黨媒的報導以相關政府部門對紅黃藍幼兒園的查處及情況通報為主；另一部分是「證券」「招股」「股東」等詞，表明黨媒對紅黃藍公司的股價波動做了報導。
對語義矩陣進行塊模型分析可以得到關鍵詞聚類結果，然後再根據這些關鍵詞對議程進行人工概括。表1為黨媒對「紅黃藍事件」報導的模塊化聚類及議程概括，可以看出黨媒在對該事件的報導上，除了報導公安機關通報與紅黃藍公司股價波動以外，對於「兒童是否被性侵」這一爭議性話題並未迴避，將涉事幼兒園家長的描述做了如實的轉引，「藥片」「虐待」等多處細節均在其中。
圖8為都市類媒體對該事件新聞報導的議程網絡。在網絡中心位置的是「公安機關」「人民檢察院」「朝陽區教委」「事件調查」等詞語，這與黨媒的議程網絡基本一致。
表2為都市類媒體對該事件報導的聚類及議程概括，其報導議程與黨媒基本相似，但在側重點上存在差異：除了關注虐童事件本身外，都市類媒體還重點對教委責成紅黃藍幼兒園開展全國性排查、整頓做了報導，這一議程的設定旨在穩定公眾尤其是幼兒園家長的恐慌情緒；社團4出現了「編造」「老虎團」「猥褻」等詞，說明在報導相關部門查處涉事幼兒園及事件通報上，都市類媒體更加強調在該起事件中所發生的虛假信息傳播。
圖9為商業媒體對該事件新聞報導的議程網絡。居於網絡中心位置的是「運營商」「公司制」「併購」「加盟商」等，這些詞均與紅黃藍公司運營模式有關。而政府部門的查處及通報在商業媒體的議程網絡中並不居於顯要位置，這與另外兩類媒體存在較大區別。
表3為商業媒體對該事件報導的聚類及議程概括。商業媒體的報導重點主要是紅黃藍教育的公司現狀及近年來的發展情況。商業媒體試圖通過報導紅黃藍教育的高端親子幼兒園定位及近年來通過資本收購實現的迅速擴張，與本次虐童事件形成鮮明對比，以揭示紅黃藍教育在快速擴張背後所存在的管理漏洞與問題。
圖10為意見領袖在知乎上的評論的議程網絡。意見領袖的議程網絡相比媒體報導，關鍵詞相對分散，切入點各有不同，觀點更加多元化。居於網絡中心位置的有「受害者」「傷害」等明顯具有感情色彩的詞彙，表達了意見領袖對這一事件的基本立場。
表4為意見領袖對該事件評論的聚類及議程概括，與媒體議程以新聞事實為主不同，意見領袖更加關注事件背後因果關係的梳理以及相關對策建議的提供。社團1圍繞的主題是視頻監控。視頻監控是教師是否存在性侵兒童的直接證據，由於官方通報中說視頻監控損壞，因此意見領袖們圍繞這一疑點展開爭論。社團2體現的是紅黃藍事件引發中產階級焦慮。據報導，北京管莊紅黃藍幼兒園作為私立幼兒園，其學費相對較高，國際班達到每月5500元，即使是普通班也要每月3300元，家長將孩子送到這類幼兒園無非是想讓孩子獲得更優質的教育。虐童事件曝光後，作為底線的兒童安全問題都得不到保障，意見領袖認為這將引發中產階級人群的普遍焦慮。社團3反映的是幼師待遇不高導致幼師整體素質偏低，意見領袖認為這是虐童事件發生的間接原因之一。他們認為，用低價購買社會服務的日子已經一去不復返，由於幼師的整體工資待遇不高，無法吸納高素質、高學歷人才加入這一行業，轉而只能接收一些學歷相對較低的群體，而這類人群的專業水平及個人素質可能得不到有效保障。社團4則是意見領袖期望通過媒體對相關事件的報導加強對整個幼兒教育行業的輿論監督。
圖11為公眾在知乎上的評論議程網絡。在公眾議程網絡的中心位置，一面是「背鍋」「陰謀」，另一面是「闢謠」「反轉」，可見公眾的觀點存在一定程度的分化。
表5為公眾對該事件評論的聚類及議程概括。社團1與社團2討論的重點都是紅黃藍幼兒園的監控設備，公眾認為視頻記錄是證明幼兒園老師是否存在性侵行為的最有利證據。社團3討論的是政府公信力問題，雖然紅黃藍事件是企業行為，但政府的後續應對措施，諸如公告、闢謠等並不能讓公眾信服，公眾認為這損害了政府的公信力。社團4是對虐童電影的討論。在公眾評論中，有不少網民舉例韓國的《熔爐》《素媛》等兒童性侵題材電影，旨在說明兒童性侵現象的背後往往可能存在權力與資本的勾連。
（四）「紅黃藍事件」議程網絡相似度比較
本研究採用JS距離計算不同主體議程矩陣的相似性，得到表6，表格中的值越小，表示主體間的相似程度越高。從表中可以看出，在對公眾的議程設置上，意見領袖議程與公眾議程最為相似，可見相比於媒體，意見領袖對公眾的影響更大。意見領袖所聚焦的視頻監控問題以及建議藉由此事件加強幼兒園監管，均與公眾觀點一致。並且，相較於公眾，意見領袖更加注重分析事件發生的原因，談及了中產階級焦慮問題與幼師行業待遇水平問題，這些議程都是該事件背後所折射出的社會深層次問題；在媒體對公眾的議程設置中，黨媒、都市類媒體與公眾的議程相似度均高於商業媒體，並且在媒體間的橫向比較上，黨媒與都市類媒體的議程相似度也要明顯高於商業媒體。從上文可知，黨媒與都市類媒體的新聞報導均以相關部門的通報為主，通報中涉及對「視頻」「硬碟」等疑問的回答，且兩類媒體均對家長所描述的兒童被虐待細節做了如實轉引，這些問題從公眾的議程來看，亦是公眾所關注的重點。而商業媒體由於不具有採訪權，因而他們將對該事件報導的重點從虐童事件本身轉移到紅黃藍教育機構，通過深度報導來梳理該公司的定位及發展歷程，揭示公司近些年快速擴張背後所存在的一系列管理問題。這些議程屬於事件背後的間接問題，而公眾更加關注於事件本身，因此商業媒體的議程相似度與公眾議程相似度最低，在三類媒體中對公眾所產生的影響最小。
五
結語
本文使用詞向量模型word2vec，對百度新聞與知乎語料進行建模，計算不同主體議程中關鍵詞的隱性關係。與之前學者根據「思維導圖」及「精細加工」來測度公眾隱性認知的做法不同，該研究基於淺層神經網絡與深度學習，可以有效解決現有網絡議程設置研究中要素值相差懸殊以及多零值的問題，從而測度非共現詞之間的隱性語義強度。並且，這種分析方法可以讓今後基於算法的網絡議程設置研究具有可比性，能夠驗證方法的優劣，從而不斷優化網絡議程設置的測度方式。
研究以「紅黃藍事件」為例，根據媒體及用戶類型進行分類，分別揭示黨媒、都市類媒體、商業媒體、意見領袖以及公眾的議程，計算不同主體間的相似程度。研究發現，在本事件中，意見領袖對公眾所產生的影響要大於媒體，且就議程來看，意見領袖更加注意梳理事件背後的因果關係及相關對策建議的提供；在媒體之間，黨媒、都市類媒體的報導議程基本一致，而商業媒體在媒體中對公眾產生的影響最小，這似乎與人們日常的經驗及使用習慣相悖，作者認為這一結論與紅黃藍事件的屬性有關，由於現行的媒介體制限制商業媒體的採訪權，從而導致商業媒體無法直接報導公眾想要了解、關心的話題。
本文對於議程設置本土化研究的啟示是：在案例的選取及研究方法上，應將危機類事件與非危機類事件相區分。受媒介體制的影響，當遇到危機類事件，國內的議程設置研究可能不能簡單照搬相關性或相似度分析，將分析結果視為媒體或意見領袖最終對公眾的影響；在研究重心上，要重視對議程的闡釋，採用量化分析與質化分析相結合的方式，對不同主體的議程進行橫向比較。研究案例中的商業媒體報導，雖然沒有直接報導虐童事件本身，但通過對公司背景及發展歷程的介紹來「起底」紅黃藍，商業媒體對公眾所產生的影響是無法在與其他主體的相似度計算中體現的。
本研究還存在諸多不足，具體體現在：1.本研究並未計算以詞共現為特徵的顯性關係強度。作者認為，媒體報導以及公眾認知是一個顯性關係與隱性關係共同作用的結果，今後的研究不應將二者區分，而應綜合進行考量。2.本研究在議程網絡的呈現上不如現有的網絡議程設置研究方法。現有研究方法採用內容分析對詞彙編碼成要素，以要素為分析單元呈現在語義網上，每個要素所處網絡結構的位置相對清晰。而本研究是以關鍵詞為單元，在語義網的解讀性上要弱於現有研究方法。3.知乎用戶的代表性問題。本文選取的公眾語料源於知乎，由於其單條文本更長，專業化程度更高，營銷號等信息噪音更少，在模型的訓練結果上，效果要明顯好於微博。但是，在一份三百二十萬知乎用戶的報告中顯示，知乎用戶主要居住在一線城市及主要二線城市，人員構成以學生、產品經理、程式設計師、教師、律師為主，那麼該類群體觀點是否能夠代表普通網民乃至大眾也存在一定的疑問（簡書，2017）。4.本研究忽視反向議程設置的可能。當今的信息流向已不同於傳統的廣播、電視、報紙時代以大眾傳播的形式傳遞給公眾，而經常是先在社交媒體上爆發，再由媒體報導，這樣誰設置了誰的議程就不能確定。今後的研究可以根據信息發布時間，對媒體、意見領袖議程以及公眾議程做時間序列分析，進行議程設置的因果推斷。
本文系簡寫版，參考文獻從略，原文刊載於《國際新聞界》2020年第4期。
封面圖片來自網絡
本期執編：小童
訂閱信息
全國各地郵局均可訂閱《國際新聞界》，國內郵發代號：82-849，歡迎您訂閱！
您也可通過下方二維碼或網址https://weidian.com/?userid=1185747182，進入國際新聞界微店，購買當期雜誌和過刊。
您還可訪問《國際新聞界》官方網站 http://cjjc.ruc.edu.cn/ ，免費獲取往期pdf版本。