引論：我們?yōu)槟砹?3篇旅游安全管理論文范文，供您借鑒以豐富您的創(chuàng)作。它們是您寫(xiě)作時(shí)的寶貴資源，期望它們能夠激發(fā)您的創(chuàng)作靈感，讓您的文章更具深度。
篇1
1.2資料分析
1.2.1旅游活動(dòng)與血吸蟲(chóng)病傳播的時(shí)空耦合性分析
根據(jù)鄱陽(yáng)湖濕地旅游特點(diǎn)，分析游客出游旺季與血吸蟲(chóng)病傳播高峰期的時(shí)間耦合性；分析鄱陽(yáng)湖景區(qū)景點(diǎn)的分布，開(kāi)展與鄱陽(yáng)湖血吸蟲(chóng)病一類易感地帶的空間耦合性分析。
1.2.2血吸蟲(chóng)病易感人群旅游偏好的調(diào)查分析
采用預(yù)先設(shè)計(jì)好的問(wèn)卷，于2014年8月上旬的雙休日，在鄱陽(yáng)縣的鄱陽(yáng)湖濕地公園調(diào)查血吸蟲(chóng)病易感人群的旅游偏好。問(wèn)卷收回后分類進(jìn)行統(tǒng)計(jì)，分析游客旅游偏好，以及旅游偏好與血吸蟲(chóng)病感染的密切程度。
2結(jié)果
2.1旅游活動(dòng)與血吸蟲(chóng)病傳播的時(shí)空耦合性
受水位季節(jié)性變化和濕地保護(hù)、漁業(yè)修復(fù)期的影響，鄱陽(yáng)湖區(qū)旅游活動(dòng)具有一定的規(guī)律性。洪水期主要開(kāi)展水域觀光、休閑旅游、漁俗文化體驗(yàn)、農(nóng)家樂(lè)等活動(dòng)，枯水期以候鳥(niǎo)觀賞為主，每年的5-9月和11-12月為其旅游旺季。釘螺在每年的3-5月在水邊的潮濕地帶繁殖，6-10月在水中活動(dòng)，而在11月至次年2月的枯水季節(jié)，又轉(zhuǎn)移到灘地和沿岸陸洲的草根下或泥沙里生活。雖然全年各季節(jié)接觸疫水的人群都有可能被血吸蟲(chóng)感染，但主要還是在3-11月，并以4-10月被感染的機(jī)會(huì)最多，為血吸蟲(chóng)病傳播的高峰期。而4-10月也正是鄱陽(yáng)湖濕地旅游活動(dòng)的旺季。時(shí)間上的高度耦合性，加大了游客被血吸蟲(chóng)感染的風(fēng)險(xiǎn)。鄱陽(yáng)湖景區(qū)主要分布在鄱陽(yáng)、進(jìn)賢、都昌、余干、南昌、瑞昌、新建、湖口、星子、永修等10個(gè)縣，所在地的濕地類型為：湖汊型、洲垸型、洲島型和洲灘型。
2.2血吸蟲(chóng)病易感人群旅游偏好
本次調(diào)查共發(fā)放問(wèn)卷200份，分5個(gè)小組在景區(qū)的休息點(diǎn)、餐廳和購(gòu)物點(diǎn)等人群聚集區(qū)同時(shí)開(kāi)展，調(diào)查對(duì)象以中青年和學(xué)生為主，收回有效問(wèn)卷共計(jì)194份（表3）。調(diào)查期間正值暑期鄱陽(yáng)湖濕地旅游的旺季，學(xué)生群體相對(duì)較多，占21.13%（41人）。性別間以男性游客居多，占62.88%（122人）。出游方式多以家庭式或朋友的自駕游為主。最受歡迎的旅游項(xiàng)目為水上人家、水上游艇和漁俗文化等，均占到了被調(diào)查者的10%以上；候鳥(niǎo)觀賞、水上觀光、滑草滑沙、沙灘浴和捕漁體驗(yàn)等項(xiàng)目占到了7%～9.9%。可見(jiàn)占游客主體的中青年游客偏好參與性和具有鄱陽(yáng)湖地域特色的項(xiàng)目，如水上人家、漁俗文化等，而這些項(xiàng)目與血吸蟲(chóng)病的密切程度最高。根據(jù)旅游活動(dòng)和血吸蟲(chóng)病傳播的特點(diǎn)，按照活動(dòng)中游客是否涉水、涉水程度及活動(dòng)時(shí)間等，將游客偏好與血吸蟲(chóng)病傳播的相關(guān)程度劃分為密切、一般和不明顯等3類。與血吸蟲(chóng)病傳播密切相關(guān)的為水上游艇、水上人家、沙灘浴和捕魚(yú)體驗(yàn)等4項(xiàng)；一般相關(guān)的為水上觀光、候鳥(niǎo)觀賞、休閑垂釣和漁俗文化等4項(xiàng)；而不明顯相關(guān)的為古村觀光、滑草滑沙和沙灘排球等3項(xiàng)。為進(jìn)一步掌握游客對(duì)血吸蟲(chóng)病防治知識(shí)的知曉情況，于2014年11月27日在南昌市新建縣的南磯山景區(qū)隨機(jī)對(duì)52位游客進(jìn)行了訪談，結(jié)果有82.7%（43人）的游客知曉血吸蟲(chóng)病，但只有13.5%（7人）的游客對(duì)血吸蟲(chóng)病防治知識(shí)有一些簡(jiǎn)單的了解，86.5%（45人）的游客不知道如何防治?？梢?jiàn)游客預(yù)防血吸蟲(chóng)病的意識(shí)還十分淡薄，相關(guān)健康教育工作還不夠。
篇2
引用格式：萬(wàn)曉榆， 王在宇， 蔣婷. 基于“ 拉開(kāi)檔次” 法的網(wǎng)絡(luò)信息污染狀況模糊語(yǔ)言評(píng)價(jià)研究[J/OL]. 知識(shí)管理論壇， 2017， 2（2）： 145-155[ 引用日期]. http：///p/1/121/.
互聯(lián)網(wǎng)是一把雙刃劍，在帶給人們便利的同時(shí)也帶來(lái)了網(wǎng)絡(luò)信息污染現(xiàn)象，如垃圾短信、騷擾電話、垃圾郵件等，造成了許多負(fù)面的影響。12321互聯(lián)網(wǎng)不良與垃圾信息舉報(bào)中心（以下簡(jiǎn)稱12321中心）數(shù)據(jù)顯示，最近一年我國(guó)網(wǎng)民因?yàn)榫W(wǎng)絡(luò)信息污染所遭受的經(jīng)濟(jì)損失高達(dá)915億元人民幣，幾乎接近2015年地區(qū)全年的GDP總和（2015年地區(qū)GDP總和為1 026億元）；給全體網(wǎng)民造成的時(shí)間損失相當(dāng)于3 822人的生命（2015年世界衛(wèi)生組織報(bào)告中國(guó)人均壽命，男性74歲，女性77歲，按平均壽命75歲計(jì)算）。那么，當(dāng)前網(wǎng)絡(luò)信息污染狀況到底呈現(xiàn)怎樣的狀態(tài)？公眾對(duì)網(wǎng)絡(luò)信息污染的認(rèn)知與中心統(tǒng)計(jì)數(shù)據(jù)是否一致？如何對(duì)網(wǎng)絡(luò)空間中的信息污染狀況進(jìn)行科學(xué)評(píng)價(jià)？通過(guò)回答這些問(wèn)題，并將網(wǎng)絡(luò)信息污染問(wèn)題置于公眾的監(jiān)督之下，有助于營(yíng)造“天氣清朗、生態(tài)良好”的網(wǎng)絡(luò)空間環(huán)境。
信息污染一詞由德國(guó)學(xué)者拉斐爾普羅在論文《信息生態(tài)學(xué)進(jìn)展》中首次提出[1]。信息污染主要包含兩類：一是媒介信息中混入的有害、有毒、具有欺_性和誤導(dǎo)性的信息；二是過(guò)載信息[2]，這些污染信息可能會(huì)導(dǎo)致人們隱私的泄漏以及時(shí)間、金錢和精神層面的損失。隨著大數(shù)據(jù)、云計(jì)算、移動(dòng)互聯(lián)網(wǎng)等新興信息技術(shù)的應(yīng)用，信息污染已經(jīng)成為網(wǎng)絡(luò)治理和輿論引導(dǎo)研究領(lǐng)域的熱點(diǎn)問(wèn)題[3]?，F(xiàn)有研究主要從以下兩個(gè)方面展開(kāi)。
一方面是對(duì)信息過(guò)載問(wèn)題及其解決方案的研究。信息過(guò)載是指人們接受了過(guò)多信息，但卻無(wú)法有效整合、組織及內(nèi)化成自己需要的信息，以致影響到工作、學(xué)習(xí)和人際關(guān)系[4]。M. J. Eppler等將信息過(guò)載產(chǎn)生的原因分為個(gè)人因素、信息特質(zhì)、任務(wù)及過(guò)程因素、組織設(shè)計(jì)及信息科技五大類別[5]。何仲等認(rèn)為信息過(guò)載問(wèn)題在網(wǎng)絡(luò)購(gòu)物環(huán)境中會(huì)讓消費(fèi)者選擇困難，造成消費(fèi)者時(shí)間和心理上的成本浪費(fèi)[6]。王娜和鄭巧偉研究微信訂閱服務(wù)中出現(xiàn)的信息過(guò)載現(xiàn)象，發(fā)現(xiàn)當(dāng)前微信訂閱服務(wù)的內(nèi)容存在重復(fù)、低質(zhì)等問(wèn)題[7]。那么信息過(guò)載問(wèn)題如何解決呢？大多數(shù)學(xué)者選擇從技術(shù)角度降低數(shù)據(jù)維度，幫助用戶獲取有用信息，主要包括個(gè)性化推薦算法和搜索引擎技術(shù)。梁勞慧從信息組織者出發(fā)，認(rèn)為圖書(shū)館應(yīng)該通過(guò)對(duì)用戶開(kāi)展信息素質(zhì)教育、制訂咨詢手冊(cè)等措施幫助用戶避免信息過(guò)載現(xiàn)象[8]。王娜等對(duì)泛在網(wǎng)絡(luò)中的信息過(guò)載問(wèn)題進(jìn)行了抽樣調(diào)查和分析，并提出了在移動(dòng)社交網(wǎng)站中建立個(gè)性化推薦的機(jī)制[9， 10]。王娜和田曉蒙研究了豆瓣社區(qū)中信息的組織設(shè)計(jì)對(duì)信息過(guò)載產(chǎn)生的影響，并針對(duì)豆瓣平臺(tái)提出了大眾分類法優(yōu)化方案[11]。王又然基于加權(quán)小世界網(wǎng)絡(luò)理論，發(fā)現(xiàn)以人人網(wǎng)為代表的社交網(wǎng)絡(luò)站點(diǎn)中單個(gè)社群內(nèi)成員之間特征關(guān)系長(zhǎng)度過(guò)短是造成該類平臺(tái)出現(xiàn)重復(fù)率高、同質(zhì)化高的原因[12]。高錫榮等通過(guò)從知網(wǎng)搜索關(guān)鍵詞，建立信息價(jià)值評(píng)估指標(biāo)體系[13]。趙靜嫻將在線評(píng)論分為非垃圾評(píng)論、欺騙性評(píng)論、干擾性評(píng)論和低效用評(píng)論4個(gè)類別，建立了垃圾評(píng)論特征屬性表，并基于神經(jīng)網(wǎng)絡(luò)和決策樹(shù)方法設(shè)計(jì)了在線評(píng)論文本分類方法[14]。
另一個(gè)方面是對(duì)網(wǎng)絡(luò)信息安全和個(gè)人隱私風(fēng)險(xiǎn)評(píng)估方面的研究。夏日首次提出了信息污染指數(shù)（information pollution index， IPI）的概念[15]，并建立了一套指標(biāo)體系[16-17]，但他對(duì)信息污染源的劃分包括實(shí)物型、文獻(xiàn)型、電子型和網(wǎng)絡(luò)型，指標(biāo)包含過(guò)多冗余信息，已經(jīng)不符合網(wǎng)絡(luò)社會(huì)的實(shí)際情況。程艷林提出了網(wǎng)絡(luò)信息污染檢測(cè)的7個(gè)維度[18]，但沒(méi)有給出具體的量化方法。謝友寧和鈕欽調(diào)研了農(nóng)民生活中存在的生活型和生產(chǎn)型信息污染[19]，但存在主觀性過(guò)強(qiáng)的缺點(diǎn)。陳桂香則調(diào)研了大學(xué)生遭遇信息污染現(xiàn)狀及態(tài)度[20]，但僅限于對(duì)結(jié)果的統(tǒng)計(jì)描述。T. H. HSU等運(yùn)用ANP方法對(duì)旅游網(wǎng)站進(jìn)行了評(píng)估，發(fā)現(xiàn)“安全”是人們最關(guān)注的問(wèn)題[21]。朱光等基于信息系統(tǒng)的安全模型[22]，將隱私風(fēng)險(xiǎn)因素分為平臺(tái)脆弱因素、用戶行為脆弱因素和外部威脅因素，構(gòu)建了社交網(wǎng)絡(luò)隱私風(fēng)險(xiǎn)評(píng)估體系，并用模糊評(píng)價(jià)方法進(jìn)行評(píng)價(jià)[23]。
通過(guò)對(duì)信息污染相關(guān)研究的總結(jié)，發(fā)現(xiàn)當(dāng)前的研究主要聚焦于技術(shù)層面。實(shí)際上信息污染的源頭是人類自身。隨著移動(dòng)互聯(lián)網(wǎng)的普及，信息污染的影響范圍也逐步擴(kuò)大，但互聯(lián)網(wǎng)信息污染防治是一個(gè)社會(huì)軟系統(tǒng)問(wèn)題，具有模糊性、復(fù)雜性、系統(tǒng)性等特點(diǎn)[24]，因此從技術(shù)角度無(wú)法從本質(zhì)上解決問(wèn)題。社會(huì)學(xué)研究表明，將問(wèn)題置于公眾的評(píng)價(jià)之下有助于提升人們解決問(wèn)題的效率，故從公眾角度研究信息污染的負(fù)面影響，對(duì)于警醒人類反思自身的信息行為，提升信息素養(yǎng)，共同維護(hù)一個(gè)良好的網(wǎng)絡(luò)空間環(huán)境具有重要意義。在信息污染及其影響評(píng)估方面，少數(shù)學(xué)者進(jìn)行了一定程度的探索，但存在指標(biāo)體系過(guò)于寬泛，不符合當(dāng)前網(wǎng)絡(luò)社會(huì)實(shí)際等問(wèn)題。
筆者結(jié)合12321中心提供的信息污染及垃圾信息統(tǒng)計(jì)數(shù)據(jù)和公眾遭遇信息污染的態(tài)度調(diào)查問(wèn)卷，運(yùn)用基于模糊區(qū)間可能度算法構(gòu)建對(duì)稱矩陣，并基于該對(duì)稱矩陣獲取主觀權(quán)重，再運(yùn)用“拉開(kāi)檔次”法進(jìn)行二次加權(quán)處理，對(duì)傳統(tǒng)“拉開(kāi)檔次”法“毫無(wú)主觀色彩”的權(quán)重結(jié)果進(jìn)行修正。從結(jié)果對(duì)比來(lái)看，筆者設(shè)計(jì)的方法可以較為全面地評(píng)價(jià)網(wǎng)絡(luò)信息污染狀況。
1 網(wǎng)絡(luò)信息污染狀況評(píng)價(jià)指標(biāo)體系構(gòu)建
信息污染包含兩大類污染源，但考慮到信息過(guò)載具有主觀性強(qiáng)的特點(diǎn)，不同的人有不同的感受，目前也缺乏相應(yīng)的統(tǒng)計(jì)支撐。故筆者主要針對(duì)第一種類型污染信息進(jìn)行研究，暫不考慮第二類信息污染。
基于前期研究成果[2]，筆者將12321中心統(tǒng)計(jì)類目作為網(wǎng)絡(luò)信息污染的7類衡量指標(biāo)，即垃圾郵件、不良網(wǎng)站、垃圾類短信、涉嫌違法類短信、垃圾彩信、騷擾電話和手機(jī)應(yīng)用安全問(wèn)題（APP），這是目前為止對(duì)網(wǎng)絡(luò)污染信息的最為詳細(xì)和準(zhǔn)確的統(tǒng)計(jì)。
同時(shí)，在前期調(diào)研發(fā)現(xiàn)，12321中心的統(tǒng)計(jì)數(shù)據(jù)與公眾的感知存在較大的差別，例如惡意APP在統(tǒng)計(jì)數(shù)據(jù)中大量存在，甚至超過(guò)了垃圾短信和騷擾電話的舉報(bào)數(shù)量，但公眾反映的情況卻剛好相反。因此，為了彌補(bǔ)統(tǒng)計(jì)數(shù)據(jù)的片面性缺點(diǎn)，借鑒故障檢測(cè)領(lǐng)域失效模式及影響分析（failure mode and effects analysis，F(xiàn)MEA）方法[25-26]中采用發(fā)生度、嚴(yán)重度和檢出度對(duì)失效模式進(jìn)行風(fēng)險(xiǎn)評(píng)估，筆者針對(duì)現(xiàn)有統(tǒng)計(jì)的7種污染信息類型，設(shè)計(jì)了《公眾遭遇信息污染的態(tài)度調(diào)查》問(wèn)卷，從公眾遭遇信息污染的頻率（是否經(jīng)常遇到）、已對(duì)公眾造成的危害程度（心理傷害、時(shí)間浪費(fèi)或錢財(cái)損失）以及公眾對(duì)各類污染信息的厭惡程度這3個(gè)角度進(jìn)行公眾認(rèn)知態(tài)度調(diào)查。以此綜合考慮統(tǒng)計(jì)數(shù)據(jù)和公眾認(rèn)知態(tài)度，全面評(píng)價(jià)網(wǎng)絡(luò)信息污染狀況。
2 網(wǎng)絡(luò)信息污染狀況評(píng)價(jià)模型與方法
在建立評(píng)價(jià)指標(biāo)體系之后，就是獲取指標(biāo)權(quán)重和選擇信息集結(jié)方法。研究路線如圖1所示。
2.1 基于模糊區(qū)間可能度的互補(bǔ)矩陣權(quán)重獲取方法
由于人們更喜歡使用語(yǔ)言對(duì)事物進(jìn)行評(píng)判，如“優(yōu)”“良”“中”“差”，而人類語(yǔ)言具有模糊性和復(fù)雜性的特點(diǎn)，所以學(xué)者們基于模糊數(shù)學(xué)提出了相應(yīng)的權(quán)重獲取方法。徐澤水提出了模糊語(yǔ)言標(biāo)度的區(qū)間可能度方法[27]，可以從原始數(shù)據(jù)中獲取權(quán)重。筆者將這種方法應(yīng)用于評(píng)估矩陣是模糊語(yǔ)言的情形。
2.1.1 模糊語(yǔ)言標(biāo)度的區(qū)間可能度
定義1 設(shè)矩陣，若有， 則稱矩陣是模糊矩陣。
定義2 設(shè)模糊矩陣，若有，則稱矩陣A是模糊互補(bǔ)矩陣。
定義3[28-30]設(shè)區(qū)間數(shù)，， 定義區(qū)間數(shù)的運(yùn)算法則：
1）間數(shù)的加法：；
2）數(shù)與區(qū)間數(shù)的乘法：，其中；
3）若，則稱。
定義4[27] 設(shè)區(qū)間數(shù)， 且記，記的可能度公式如公式（1）所示：
公式（1）
具有互補(bǔ)性，即： 。
2.1.2 基于模糊區(qū)間標(biāo)度可能度的互補(bǔ)判斷矩陣權(quán)重獲取方法
設(shè)被調(diào)研對(duì)象，其中對(duì)污染信息類型在屬性Gj∈G={遭遇信息污染的頻率，已受到的危害程度，對(duì)信息污染的厭惡程度}下的模糊語(yǔ)言評(píng)估值構(gòu)成的矩陣，且，其中
S={非常低，有點(diǎn)低，一般，比較高，非常高}
為模糊語(yǔ)言標(biāo)度，與其對(duì)應(yīng)的區(qū)間數(shù)表達(dá)式進(jìn)行轉(zhuǎn)換[27]：
非常低=[0，0.2]， 有點(diǎn)低[0.2，0.4]， 一般=[0.4，0.6]， 有點(diǎn)高=[0.6，0.8]， 非常高=[0.8，1]基于模糊區(qū)間標(biāo)度可能度的主觀權(quán)重的過(guò)程如下：
2.2 運(yùn)用“拉開(kāi)檔次”法進(jìn)行二次加權(quán)
在郭亞軍提出的“拉開(kāi)檔次”法中，評(píng)價(jià)指標(biāo)的權(quán)重不再體現(xiàn)指標(biāo)間的相對(duì)重要程度，而是將各指標(biāo)以同等“地位參與”評(píng)價(jià)過(guò)程，該方法“毫無(wú)主觀色彩”[32]。但事實(shí)上，各項(xiàng)指標(biāo)相對(duì)于評(píng)價(jià)目標(biāo)的重要性程度往往不相等。因此，首先利用2.1部分得出的主觀權(quán)重原始數(shù)據(jù)進(jìn)行加權(quán)，然后再采用“拉開(kāi)檔次法”二次加權(quán)。計(jì)算步驟如下：
分別為樣本均值和標(biāo)準(zhǔn)差；
步驟2：使用公式（3）得到的各指標(biāo)權(quán)重對(duì)無(wú)量綱化后的進(jìn)行加權(quán)[33]。為表達(dá)方便，稱加權(quán)后的數(shù)據(jù)仍為；
步驟3：運(yùn)用“拉開(kāi)檔次法”進(jìn)行二次加權(quán)。
然后，取為的最大特征值所對(duì)應(yīng)的標(biāo)準(zhǔn)特征向量，即為所求權(quán)重向量[34]。
2.3 運(yùn)用TOPSIS方法M行信息集結(jié)
3 網(wǎng)絡(luò)信息污染狀況評(píng)價(jià)
3.1 公眾遭遇信息污染的態(tài)度調(diào)查
問(wèn)卷發(fā)放前期，對(duì)問(wèn)卷內(nèi)容經(jīng)過(guò)反復(fù)討論，修改問(wèn)卷題目描述。在此基礎(chǔ)上，經(jīng)過(guò)30人的小樣本發(fā)放，進(jìn)一步調(diào)整問(wèn)卷表達(dá)，確保問(wèn)卷題目清晰明了。問(wèn)卷共包含三部分：①基本信息，包括性別、年齡、職業(yè)、周上網(wǎng)時(shí)長(zhǎng)、手機(jī)系統(tǒng)類型；②主體部分，共21個(gè)題項(xiàng)；③設(shè)置開(kāi)放式問(wèn)題1個(gè)，即“您認(rèn)為還有哪些信息也屬于信息污染？它們對(duì)您造成了什么樣的危害？”。在2016年11月至12月期間，問(wèn)卷通過(guò)“問(wèn)卷星”平臺(tái)和重慶地區(qū)人群最為集中的解放碑商圈進(jìn)行隨機(jī)發(fā)放。
線下問(wèn)卷發(fā)放前對(duì)調(diào)查員進(jìn)行了必要的培訓(xùn)。在問(wèn)卷發(fā)放過(guò)程中，采取一對(duì)一的形式，對(duì)問(wèn)卷填寫(xiě)過(guò)程進(jìn)行指導(dǎo)，使其能按照自身真實(shí)情況填寫(xiě)，保證結(jié)果的可靠性。在專家指導(dǎo)下，共發(fā)放438份，收回有效問(wèn)卷417份，有效率95.2%。本次調(diào)查涉及的被調(diào)查對(duì)象中，男性為189名，占比45.3%，女性為228名，占比54.7%。被調(diào)研對(duì)象的職業(yè)、年齡、周上網(wǎng)時(shí)長(zhǎng)、手機(jī)系統(tǒng)類型如圖2-圖5所示：
在線問(wèn)卷結(jié)果由問(wèn)卷星自動(dòng)統(tǒng)計(jì)，無(wú)缺失數(shù)據(jù)；線下問(wèn)卷由兩名研究員使用EpiData3.1軟件背對(duì)背錄入，以降低錄入錯(cuò)誤率，此部分問(wèn)卷存在部分缺失數(shù)據(jù)且小于5%，在SPSS中采用最大期望值（expectation maximization，EM）方法進(jìn)行補(bǔ)齊。
3.2 問(wèn)卷信度和效度分析
3.2.1 信度即可靠度
經(jīng)SPSS計(jì)算分析，417份問(wèn)卷的信度水平較高（大于0.7為高信度），滿足探索性研究的要求。各題項(xiàng)的信度系數(shù)如表1所示。
3.2.2 效度即有效性
常見(jiàn)的問(wèn)卷效度可以分為內(nèi)容效度和結(jié)構(gòu)效度，本研究所使用問(wèn)卷的內(nèi)容效度經(jīng)5名專家討論通過(guò)。結(jié)構(gòu)效度要求各維度下因子具有一致性，而本研究中所使用的問(wèn)卷是要測(cè)量出公眾對(duì)不同類型污染信息的認(rèn)知態(tài)度，因此結(jié)構(gòu)效度不適用于本研究目的，故無(wú)需作結(jié)構(gòu)效度檢驗(yàn)。
3.3 權(quán)重計(jì)算與比較分析
從12321中心獲取到的2014年2月至2016年10月各類污染信息的統(tǒng)計(jì)數(shù)據(jù)（如表2所示），然后計(jì)算3種權(quán)重。
3.3.1 客觀權(quán)重的計(jì)算
先將附表中的數(shù)據(jù)按照公式（4）進(jìn)行標(biāo)準(zhǔn)化處理，然后運(yùn)用公式（5）構(gòu)造的實(shí)對(duì)稱矩陣H（見(jiàn)表3），求實(shí)對(duì)稱矩陣H最大特征值對(duì)應(yīng)的向量得客觀權(quán)重，見(jiàn)表4中第2列。
在7類染污信息中，“垃圾彩信”權(quán)重最大為0.174，而騷擾電話權(quán)重最小為0.109，這正好與公眾對(duì)各類污染信息的反感程度呈反比――對(duì)越討厭的污染分配越小的權(quán)重，使其得分越低。這也和我們的直觀感受一致，即人們通常會(huì)給不喜歡的事物較低的評(píng)價(jià)，例如人們網(wǎng)購(gòu)時(shí)，如果對(duì)收到的網(wǎng)購(gòu)物品不滿意，通常會(huì)就給予差評(píng)。
客觀權(quán)重在“垃圾彩信”這類污染信息上賦值較大，而在“惡意APP”上的賦值較小。這是由于這兩類污染信息的舉報(bào)數(shù)量與其他類型的污染信息存在數(shù)量級(jí)上的差異，為了讓各指標(biāo)地位均等地參與評(píng)價(jià)，“拉開(kāi)檔次法”對(duì)舉報(bào)數(shù)量最多的“惡意APP”指標(biāo)分配了較小的權(quán)重，而對(duì)舉報(bào)數(shù)量最少的“垃圾彩信”分配了較大的權(quán)重。
3.3.2 公眾主觀權(quán)重的計(jì)算
對(duì)問(wèn)卷信息集結(jié)后計(jì)算出的可能度矩陣P（見(jiàn)表5）。再由公式（3）計(jì)算出公眾主觀權(quán)重，如表4中第4列所示。
3.3.3 綜合權(quán)重的計(jì)算
將公眾主觀權(quán)重與標(biāo)準(zhǔn)化矩陣A加權(quán)后，再利用“拉開(kāi)檔次”法二次加權(quán)，得綜合權(quán)重，如表4中第6列所示。與傳統(tǒng)“拉開(kāi)檔次”法相比，基于統(tǒng)計(jì)數(shù)據(jù)得出的客觀權(quán)重得到了修
正，使得公眾最討厭的騷擾電話和垃圾短信權(quán)重略有增加，公眾詬病較少的污染信息類型的權(quán)重略有降低。除“垃圾短信”和“惡意APP”的權(quán)重分配差異較大外，其余類型的污染信息所分得的權(quán)重比較接近。即公眾對(duì)這些污染信息的直觀感受和12321中心的統(tǒng)計(jì)數(shù)據(jù)較為一致。而權(quán)重差異較大的兩類污染信息是垃圾短信和惡意APP。對(duì)于垃圾短信，公眾反感程度很強(qiáng)烈，而在統(tǒng)計(jì)數(shù)據(jù)上可能還存在未統(tǒng)計(jì)到的部分。通過(guò)訪談得知，超過(guò)五成的公眾在對(duì)垃圾信息的處理方式是直接刪除，而未選擇舉報(bào)。有些被調(diào)查者的手機(jī)上雖然安裝了手機(jī)衛(wèi)士，具備攔截功能，但是垃圾短信在被攔截時(shí)，因?yàn)閾?dān)心可能有短信被誤操作，所以仍然會(huì)選擇查看，查看后也一般選擇刪除相關(guān)短信。對(duì)于惡意APP，權(quán)重分配差異較大的原因仍然是公眾的直觀感受和統(tǒng)計(jì)數(shù)據(jù)之間的差異。目前各類手機(jī)應(yīng)用商店都和12321中心有合作，用戶在下載APP以前，大量惡意APP已經(jīng)被過(guò)濾掉了，所以公眾對(duì)此類污染信息感知較少，而在12321中心的統(tǒng)計(jì)數(shù)據(jù)中卻大量存在。因此，在7類污染信息上的權(quán)重分配是合理的。
3.4 評(píng)價(jià)信息集結(jié)
由于參與評(píng)價(jià)的指標(biāo)均為負(fù)向指標(biāo)（指標(biāo)值越小越好，表示污染信息越少，也稱成本型指標(biāo)），故設(shè)置正理想系統(tǒng)為各指標(biāo)標(biāo)準(zhǔn)化后的最小值，設(shè)置負(fù)理想系統(tǒng)為各指標(biāo)標(biāo)準(zhǔn)化后的最大值。最后，用2.3節(jié)中的TOPSIS方法集結(jié)評(píng)價(jià)信息，并將其放大100倍，使得分在區(qū)間[0，100]內(nèi)，更加符合日常習(xí)慣。得分越高表示網(wǎng)絡(luò)信息污染越少，反之，網(wǎng)絡(luò)信息污染越嚴(yán)重。基于改進(jìn)后的“拉開(kāi)檔次”法的最K結(jié)果與運(yùn)用傳統(tǒng)“拉開(kāi)檔次”法計(jì)算客觀權(quán)重得出的評(píng)價(jià)結(jié)果對(duì)比如表6所示：
表6左側(cè)是基于改進(jìn)后“拉開(kāi)檔次”法所得出的評(píng)價(jià)結(jié)果。在評(píng)價(jià)時(shí)間段內(nèi)，從整體上看，多數(shù)時(shí)段網(wǎng)絡(luò)信息污染狀況評(píng)分集中在80分左右，情況不是十分理想。2016年1月和2016年8月評(píng)分較高，網(wǎng)絡(luò)信息污染相對(duì)較少，網(wǎng)絡(luò)信息環(huán)境較好；得分最低的是2015年3、4月，得分僅14.84分，其原因主要是在這一時(shí)段內(nèi)的信息污染可能較為集中，而非時(shí)間跨度較大。這是因?yàn)?016年5、6月和2015年6、7月同樣時(shí)間跨度是兩個(gè)月，得分卻也與平均水平相差不大，反倒是2015年3、4月得分明顯偏低。
表6右側(cè)是基于傳統(tǒng)“拉開(kāi)檔次”法對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行最終排名的結(jié)果。從兩種評(píng)價(jià)結(jié)果的對(duì)比可以發(fā)現(xiàn)，改進(jìn)后的方法得出的結(jié)果評(píng)分區(qū)間范圍由[19， 96]擴(kuò)大到[15，99]。整體排名差異不大，而2014年2月和2014年3月的信息污染狀況排名剛好交換了順序。好的愈好，差的愈差，改進(jìn)后的方法相當(dāng)于對(duì)被評(píng)價(jià)單元作了極化處理，這樣能夠更加明顯地展現(xiàn)出各時(shí)間段內(nèi)的信息污染狀況?？梢?jiàn)，改進(jìn)后的算法對(duì)被評(píng)價(jià)單元具有更好的區(qū)分能力。
4 結(jié)論與展望
本文設(shè)計(jì)了公眾遭遇信息污染的態(tài)度調(diào)查問(wèn)卷，基于模糊區(qū)間標(biāo)度可能度對(duì)稱矩陣計(jì)算公眾主觀權(quán)重，再運(yùn)用“拉開(kāi)檔次”法進(jìn)行二次加權(quán)，可以實(shí)現(xiàn)對(duì)由統(tǒng)計(jì)數(shù)據(jù)計(jì)算出的客觀權(quán)重的修正。運(yùn)用改進(jìn)后的“拉開(kāi)檔次”法對(duì)2014年2月至2016年10月間的信息污染狀況進(jìn)行了評(píng)價(jià)。與傳統(tǒng)方法相比，改進(jìn)的方法擴(kuò)大了評(píng)分區(qū)間，而且2014年2月和3月的評(píng)分表現(xiàn)剛好交換了位置。據(jù)此可以認(rèn)為改進(jìn)后的方法對(duì)評(píng)價(jià)單元具有更好的區(qū)分能力，更好地體現(xiàn)“拉開(kāi)檔次”的特點(diǎn)。
相較以往研究，本文將公眾態(tài)度調(diào)查與統(tǒng)計(jì)數(shù)據(jù)相結(jié)合，更加全面地衡量了當(dāng)前的信息污染狀況。整體而言，信息污染形勢(shì)相當(dāng)嚴(yán)峻。運(yùn)用改進(jìn)后的“拉開(kāi)檔次”法，多數(shù)時(shí)間段的評(píng)分在80分左右，而以2015年3、4月的信息污染最為嚴(yán)重。同時(shí)，問(wèn)卷調(diào)查結(jié)果發(fā)現(xiàn)，公眾對(duì)7類污染信息的感知與中心的統(tǒng)計(jì)數(shù)據(jù)間存在較大差異。如中心統(tǒng)計(jì)數(shù)據(jù)顯示，“惡意APP”舉報(bào)數(shù)量顯著高于其他類型的污染信息，但我們?cè)谏鐣?huì)調(diào)查的過(guò)程中發(fā)現(xiàn)，公眾對(duì)“垃圾短信”和“騷擾電話”最為反感，遭遇惡意APP的頻率和因其而受到的損失則相對(duì)較低。造成這一現(xiàn)象的原因，是公眾感知與統(tǒng)計(jì)數(shù)據(jù)間存在差異。在“惡意APP”方面，可能是手機(jī)安全衛(wèi)士軟件以及各大應(yīng)用商店的相關(guān)審核措施起到了效果；而在垃圾短信方面，近五成公眾接收到垃圾信息后存在直接刪除的情況，導(dǎo)致部分垃圾短信無(wú)法進(jìn)入12321中心統(tǒng)計(jì)數(shù)據(jù)；而公眾對(duì)騷擾電話最為反感的原因，可能是因?yàn)殡娫拰儆诿浇樨S富度較高的溝通形式，因此騷擾電話給公眾造成的主觀印象最深，通過(guò)回答問(wèn)卷的形式得到了反映。此外，“垃圾彩信”在中心統(tǒng)計(jì)數(shù)據(jù)和公眾反映中都處于較低水平。隨著QQ、微信等即時(shí)通訊的發(fā)展，彩信正在成為歷史，因此建議將彩信與短信類污染信息合并統(tǒng)計(jì)即可。
本文也存在不足之處。首先，本文主要針對(duì)第一類網(wǎng)絡(luò)信息污染狀況進(jìn)行了評(píng)價(jià)，但在問(wèn)卷調(diào)查過(guò)程中發(fā)現(xiàn)以微信為代表的社交工具中的信息過(guò)載問(wèn)題嚴(yán)重，公眾反映較為強(qiáng)烈。其次，在問(wèn)卷調(diào)查時(shí)，為了能夠提高問(wèn)卷的可靠性，本文選擇線上和線下兩種渠道回收問(wèn)卷，其中線上問(wèn)卷受眾涉及全國(guó)。但由于資源限制，通過(guò)兩種渠道所獲得的樣本中，重慶地區(qū)的人群比例較大，地區(qū)特征均較為明顯。在有條件的情況下，可以考慮在全國(guó)范圍內(nèi)進(jìn)行分層抽樣，使人群覆蓋更廣，更具代表性。最后，在研究中僅對(duì)2016年11月至12月期間公眾遭遇信息污染的態(tài)度進(jìn)行了調(diào)查。雖然從心理學(xué)的角度來(lái)說(shuō)，人們對(duì)負(fù)面信息的印象更深，持續(xù)的時(shí)間更長(zhǎng)，仍建議后續(xù)研究可以每年展開(kāi)一次社會(huì)調(diào)研，以反映公眾認(rèn)知的動(dòng)態(tài)變化，使評(píng)價(jià)結(jié)果更加具有實(shí)效性。
參考文獻(xiàn)：
[1] 周慶山， 李瀚瀛， 朱建榮， 等. 信息生態(tài)學(xué)研究的概況與術(shù)語(yǔ)界定初探[J]. 圖書(shū)與情報(bào)， 2006（6）：24-29.
[2] 劉雪艷， 王在宇， 袁野. 基于內(nèi)容分析法的網(wǎng)絡(luò)信息污染演變研究[J]. 現(xiàn)代情報(bào)， 2016（7）：45-50.
[3] 申楠， 楊琳. 復(fù)雜背景下網(wǎng)絡(luò)輿論引導(dǎo)與網(wǎng)絡(luò)環(huán)境治理探析[J]. 西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2014（4）：96-101.
[4] 藺豐奇， 劉益. 信息過(guò)載問(wèn)題研究述評(píng)[J]. 情報(bào)理論與實(shí)踐， 2007，30（5）：710-714.
[5] LIN C. Online stickiness： its antecedents and effect on purchasing intention[J]. Behaviour & information technology， 2007， 26（6）：507-516.
[6] 何仲， 張念照， 呂廷杰. 信息過(guò)載環(huán)境下網(wǎng)絡(luò)消費(fèi)者購(gòu)買意愿的形成研究[J]. 價(jià)格理論與實(shí)踐， 2013（4）：95-96.
[7] 王娜， 鄭巧偉. 微信訂閱服務(wù)中信息過(guò)載的調(diào)查與防控機(jī)制研究[J]. 現(xiàn)代情報(bào)， 2016（10）：47-53.
[8] 梁勞慧. 信息焦慮與信息超載下的圖書(shū)館作用分析[J]. 圖書(shū)館學(xué)研究， 2011（1）：27-29.
[9] 王娜， 任婷. 移動(dòng)社交網(wǎng)站中的信息過(guò)載與個(gè)性化推薦機(jī)制研究[J]. 情報(bào)雜志， 2015（8）：190-194.
[10] 王娜， 陳會(huì)敏. 泛在網(wǎng)絡(luò)中信息過(guò)載危害及原因的調(diào)查分析[J]. 情報(bào)理論與實(shí)踐， 2014（11）：20-25.
[11] 王娜， 田曉蒙. 大眾分類法對(duì)信息過(guò)載的影響及優(yōu)化策略研究――以豆瓣網(wǎng)為例[J]. 現(xiàn)代情報(bào)， 2016（9）：74-81.
[12] 王又然. 社交網(wǎng)絡(luò)站點(diǎn)社群信息過(guò)載的影響因素研究――加權(quán)小世界網(wǎng)絡(luò)視角的分析[J]. 情報(bào)科學(xué)， 2015（9）：76-80.
[13] 高錫榮， 張紅超. 海量文本信息的價(jià)值評(píng)估模型及算法――以新浪微博為例[J]. 情報(bào)雜志， 2016（6）：151-155.
[14] w靜嫻. 網(wǎng)絡(luò)交易垃圾評(píng)論智能識(shí)別研究[J]. 現(xiàn)代情報(bào)， 2016（4）：57-61.
[15] 夏日， 程剛. 信息污染指標(biāo)體系的構(gòu)建研究[J]. 情報(bào)理論與實(shí)踐， 2005（6）：34-37.
[16] 夏日. 信息污染測(cè)度指標(biāo)體系的構(gòu)建研究[J]. 情報(bào)理論與實(shí)踐， 2009（11）：42-45.
[17] 夏日，程剛.信息污染源樣本數(shù)據(jù)采集方法研究[J]. 情報(bào)理論與實(shí)踐， 2008（2）：275-278.
[18] 程艷林. 網(wǎng)絡(luò)信息污染程度檢測(cè)模型初探[J]. 新聞愛(ài)好者， 2009（18）：119-120.
[19] 謝友寧， 鈕欽. 農(nóng)村信息化背景下的信息污染災(zāi)害風(fēng)險(xiǎn)評(píng)估[J]. 浙江農(nóng)業(yè)科學(xué)， 2013（1）：109-112.
[20] 陳桂香. 大學(xué)生遭遇信息污染的現(xiàn)狀調(diào)查研究[J]. 教育教學(xué)論壇， 2014（53）：103-104.
[21] HSU T H， HUNG L C， TANG J W. A hybrid ANP evaluation model for electronic service quality[J]. Applied soft computing， 2012， 12（1）：72-81.
[22] WU Y， FENG G， WANG N， et al. Game of information security investment： impact of attack types and network vulnerability[J]. Expert systems with applications， 2015，42（15）：6132-6146.
[23] 朱光， 豐米寧， 陳葉， 等. 大數(shù)據(jù)環(huán)境下社交網(wǎng)絡(luò)隱私風(fēng)險(xiǎn)的模糊評(píng)估研究[J]. 情報(bào)科學(xué)， 2016（9）：94-98.
[24] 郭海濱， 鄭丕諤. 防治互聯(lián)網(wǎng)信息污染的知識(shí)管理概念模型研究[J]. 情報(bào)雜志， 2006（10）：84-87.
[25] 張悅， 石超， 方來(lái)華. 基于FMEA和HAZOP的綜合分析方法及應(yīng)用研究[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù)， 2011（7）：146-150.
[26] 王沙婷， 梁工謙. 面向產(chǎn)品再制造的改進(jìn)QFD和FMEA的集成研究[J]. 軟科學(xué)， 2011（5）：61-64.
[27] 徐澤水， 達(dá)慶利. 基于模糊語(yǔ)言評(píng)估的多屬性決策方法[J]. 東南大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2002（4）：656-658.
[28] 白先春， R晉. 一種基于模糊語(yǔ)言評(píng)估的多屬性決策方法[J]. 運(yùn)籌與管理， 2006（2） ：50-52.
[29] XU Z S， Da Q L. The uncertain OWA operator[J]. International Journal of Intelligent Systems， 2002， 17（6）：569-575.
[30] SENGUPTA A， PAL T K. On comparing interval numbers[J]. European journal of operational research， 2000， 127（1）：28-43.
[31] 徐澤水. 模糊互補(bǔ)判斷矩陣排序的一種算法[J]. 系統(tǒng)工程學(xué)報(bào)， 2001（4）：311-314.
[32] 郭亞軍. 一種新的動(dòng)態(tài)綜合評(píng)價(jià)方法[J]. 管理科學(xué)學(xué)報(bào)， 2002（2）： 49-54.
[33] 王蕾， 楊力. 基于粗糙集和拉開(kāi)檔次法的煤礦本質(zhì)安全管理評(píng)價(jià)模型[J]. 中國(guó)礦業(yè)， 2015（11）：16-20.
[34] 郭亞軍. 綜合評(píng)價(jià)理論、方法及應(yīng)用[M]. 北京： 科學(xué)出版社， 2007.
作者貢獻(xiàn)說(shuō)明：
萬(wàn)曉榆：擬定論文框架，修改論文；
王在宇：論文撰寫(xiě)，數(shù)據(jù)建模與分析；
蔣 婷：?jiǎn)柧戆l(fā)放，數(shù)據(jù)采集。
Research on the Evaluation Model for Network Pollution Status Based on Fuzzy Linguistic Assessments and the Scatter Degree Method
Wan Xiaoyu， Wang Zaiyu， Jiang Ting
