舆论¶

中文舆论，通常对应的英文术语是Public Opinion，在某些特殊的场合，也对应popular opinion，强调流行观点。

公众 (Public)¶

简单来说，公众可以被理解为共享某种共同点的人，或者共同面对特定问题的一群人。有些人属于“关注型公众”（attentive public），他们密切关注政府和政治整体事务。另一些人则是“议题公众”（issue publics）的成员，他们只聚焦于某些具体的公共政策争论，例如堕胎或国防开支，而对其他议题置之不理（Stimson, 1999）。还有一些公众成员对政治或议题几乎没有兴趣，他们的关切可能无法得到代表。

意见 (Opinion)¶

“意见”是人们在特定议题、政策、行动或领导人身上所采取的立场——支持、反对、中立或未决定。意见不是事实，而是人们对某一特定政治对象的情感表达。民调人员在进行问卷调查时，常对受访者说：“没有对错之分，重要的是您的想法。”意见与态度相关，但并不相同。态度是对人、群体或制度的持久性、总体性倾向。态度往往塑造意见。例如，那些强烈支持种族平等的人，往往会支持旨在限制住房和就业歧视的公共政策。

个体意见的平等¶

公共舆论可以被视为个体意见的集合，在这种观点下，所有意见都应得到平等对待，而不论表达意见的人是否对某个问题具备知识。因此，公共舆论就是社会各个群体中人们偏好的聚合。利用民意调查来衡量人们的想法正是这种观点的基础（Glynn 等，1999）

多数人的意见更重要¶

另一种观点认为，公共舆论是由大多数人对某一问题所持的意见构成的。在民主制度中，多数人的意见才是最应当被重视的，并且应该指导政府领导人的决策。少数人的意见相较于多数人的意见则不那么重要。这种公共舆论的看法与普选的理念相一致，因为每个公民都有权对某个问题、政策或领导人发表意见——本质上相当于投票。最终，最多人所持的立场——换句话说，获得最多“投票”的立场——就是决策者应该采纳的立场。

然而，公众很少会在某一问题上持有完全统一的意见。公众的偏好常常存在显著分歧，而且并不会出现明确的多数意见。这种情况给试图将这些偏好转化为政策的领导人带来了挑战。

精英意见¶

政治家、民调人员、政策专家、社会活动家和记者通常承担“意见领袖”的角色，他们塑造、创造并解读公共舆论。这些政治精英专注于追踪公共事务——这就是他们的工作（Zaller, 1992）。著名记者和社会评论家 Walter Lippmann 指出，普通人既没有时间，也没有兴趣去处理应对国家所面临的各种复杂问题这一“不可能完成的任务”。他们没有机会直接体验大多数政治事件，而必须依赖精英通过大众媒体传递的二手信息。在 Lippmann 看来，公共舆论最好由那些具备知识和能力的专家来管理，以推动政策。因此，最重要的应该是精英意见，而不是普通公民的看法。

舆论的定义¶

学者	年代/著作	定义	特点
Walter Lippmann	1922，Public Opinion	公共舆论是“关于某些公共事务的那些意见的集合，这些意见在公众心目中是与他们有关的。”	强调舆论并非直接反映现实，而是公众通过“图像与刻板印象”去理解世界，是心理建构。
Herbert Blumer	1948	公共舆论不是统计学意义上所有个体意见的加总，而是由有影响力的群体在互动中形成的集体判断。	强调“群体互动”和“社会权力”，认为舆论是社会过程，而非简单的个人意见总和。
V. O. Key Jr.	1961，Public Opinion and American Democracy	公共舆论是“在特定议题上，对政府官员采取行动有约束力的意见分布。”	突出舆论对政府的影响力，是民主制度中制约决策者的力量。
Elisabeth Noelle-Neumann	1974，沉默的螺旋	公共舆论是一种社会控制力量，它决定哪些观点可以公开表达，哪些观点会被沉默。	强调“社会压力”与“沉默效应”，少数意见者因害怕孤立而保持沉默。

简单来说：

舆论指的是人们所持有的想法、信念和态度的分布；
当我们说舆论支持某事时，这意味着它代表了大多数人的想法，而非所有人的想法；
公共舆论更准确的衡量方式是通过科学的民意调查。

舆论的四个要素¶

构成舆论的四个要素

方向（Direction）
强度（Intensity）
稳定性（Stability）
显著性（Salience）

方向¶

指公众态度的取向：赞成/反对、正面/负面、支持哪一方等。它回答“朝哪边”的问题。方向决定了政策支持度，是最直观的舆论信号。

方法	测量方式	说明/指标
二分题（赞成/反对）	问卷调查	直接获取公众态度方向
名义多选题（支持方案A/B/其他）	问卷调查	细分不同立场或选项
感觉温度计（0–100）	问卷调查	量化支持/反对的程度
净支持度（%赞成 − %反对）	指标计算	反映总体倾向
支持/反对比值	指标计算	衡量两方力量对比
分布形态（双峰/偏态）	指标计算	判断舆论是否极化或集中
立场识别（stance detection）	社媒/NLP	判断文本对议题的支持/反对/中立
情感极性分类（polarity classification）	社媒/NLP	计算正面与负面贴文占比

原先的立场识别，需要依赖特征工程（词袋模型，TF-IDE等）、神经网络、预训练模型（RoBERTa, Sentence-BERT），进入大模型时代后，可通过提示学习的方法快速识别：

Zero-shot / Few-shot：用 GPT、Qwen 等大模型，通过提示词让模型直接分类（如“这条微博对延迟退休政策是支持还是反对？”）
Instruction Tuning / In-context Learning：给模型几个示例，让它学会立场识别

其优点是不需要大量标注数据，不过输出结果的稳定性和一致性还需要进一步验证。

实验数据集：Twitter stance detection （Semeval2016-task6）

standance-analysis

可视化动图：An Interactive Visualization

强度¶

指方向的强烈程度，它回答多么支持或者反对等。态度更强烈者更可能投票、捐款、发帖、游行，进而放大影响力。

方法	测量方式	说明/指标
Likert 量表（“强烈赞成/赞成/中立/反对/强烈反对”）	问卷	捕捉态度强度分布
信念确信度（confidence）	问卷	受访者对自己意见的确信程度
重要性感受（importance to you）	问卷	议题对个人的重要性评价
Top-2-Box 与 Bottom-2-Box 差值	指标	强支持与强反对群体差异
平均强度得分	指标	综合计算总体态度强度
行为倾向题（是否改变投票/捐款/参加集会）	指标	衡量强度与政治参与的关系
情感分值幅度	score
极端措辞比例	社媒/NLP	强烈词汇（如“绝对”“完全”）占比
语气强度（感叹号、上限词等）	社媒/NLP	在线表达的情绪化程度

稳定性¶

态度随时间的持久性与易变性。它回答“是否经得起时间/事件冲击”的问题。稳定的态度可用于中长期预测与政策路径依赖分析；不稳定的态度易受事件、媒体议程与经济冲击影响。

方法	测量方式	说明/指标
面板调查	调查设计	同一批人反复测量，追踪意见变化
滚动横截面（RCS）	调查设计	不同样本的连续调查，反映总体趋势
重复横截面 + 加权	调查设计	严格抽样与权重控制，保证趋势稳定性
时间序列波动	指标	移动标准差/方差衡量舆论波动程度
半衰期计算	指标	冲击后回归均值所需时间，反映稳定性
变点检测（CUSUM/贝叶斯变点）	指标	判断舆论趋势发生显著变化的时点
概念漂移（concept drift）	社媒/NLP	议题主题或立场随时间的漂移
周度/日度波动分析	社媒/NLP	关键信号在社交媒体上的短期波动

显著性¶

某议题在个体或社会议程中的“重要性/当务之急”程度。它回答“在你的优先级里排第几”的问题。显著性决定注意力与资源分配，决定一票是否“绑在”该议题上（single-issue voters/issue publics）

方法	测量方式	说明/指标
Most Important Problem（MIP）	问卷	询问“你认为当前最重要的问题是什么”
议题优先级排序	问卷	受访者对多个议题排序，反映关注顺序
预算分配题（分配100分）	问卷	让受访者分配权重，体现相对重视程度
Top-3比例	指标	将某议题列入前三的重要性比例
平均权重得分	指标	各议题在预算分配题中的平均得分
个人 vs 群体差异	指标	比较个体和群体层面显著性差距
搜索指数（关键词热度）	计算	通过百度指数/Google Trends 衡量关注度
新闻报道份额（Share of Voice）	计算	某议题在新闻报道中的占比
社媒话题占比与停留时长	计算	议题在社交媒体上的关注规模与深度

常见误区：

媒体曝光 ≠ 个体显著性
把“态度强度高”误当“显著性高”——一个人可能强烈支持但近期并不把它当头号问题。

四维联动¶

高方向支持 × 高强度 × 高显著性 × 高稳定性：核心民意共识，适合推进。
高支持但低显著性：潜在“沉默的多数”；需要提升注意力与叙事连接。
高显著性但方向分裂：高风险、需精细化框架与议题切割。
低稳定性：以监测为先，避免过度承诺。

参考文献¶

Stimson, James A. Public Opinion in America. 2nd ed., Westview, 1999.

Zaller, J., The Nature and Origins of Mass Opinion (New York: Cambridge, 1992).