【墩墩舆情课】第十七课：如何选取舆情样本？
【系列舆情课摘要】：自墩墩舆情课首篇开序后，作者将系列舆情课大致分为政务篇、舆情篇、案例篇及建模篇四大类，目前正在更新舆情篇，敬请关注，欢迎分享点评。
PS：训练舆情，就是在训练你的媒介素养！
要写好一份舆情报告，并由报告分析出可能的现实原因，从而对线下具体工作产生指导性作用，舆情样本的选取与偏性筛选至关重要，除了要有足够的舆情样本，还需要有对无效样本的甄别与偏性矫正，否则所推论出的结论必然存在偏差。
【舆情样本】
要形成一份有质量的舆情报告，样本选取是首要。一般情况下，舆情机构较为普遍的做法是通过设置“关键字”来筛选出若干项具有代表意义的舆论观点，高级点的机构还会根据地域、性别、年龄、职业等标签制作成系列图表，来表现观点支持比率、地域分布特点、性别占比等一系列舆情特征，以此形成能推论舆情总体的舆情样本。
然而，舆情毕竟不是现实，账号真伪、评论灌水等现实存在的舆情现象都让舆情样本存在着被操控的可能。这就需要舆情分析师、舆情技术人员额外甄别。
从目前情况来看，舆情样本的偏性主要有以下几个方面：
一、账号的真实性。
这个偏性情况较为普遍，舆情样本作为民意收集的最主要方式，账号背后是不是一个真实的人至关重要。如果一群账号背后只有一个人，甚至只是一台机器，那么这样的民意采集就毫无意义，还容易误导决策者，采取错误的应对措施。一个偶然的机会，作者了解了国内某个知名舆情研究机构采集舆情样本的方式方法，采样方法粗暴、简单。从网易新闻评论中选取前两百条，或从新浪微博评论中取前两百条、中间两百条以及最后两百条。事实上，这种舆情样本的选取方式存在非常大的漏洞，且不论网易新闻存在已久的“标题党”行为已经多次背离新闻真实的主旨导向，让民意的舆情观点掺入过多的情绪抵触，单说选取新闻跟帖前两百条评论作为民意样本来说，就存在账号虚假的可能性。在海量信息的网络社会，舆情样本完全用人工采集不现实，也不客观，当然同样也会受人为的主观干预，这就需要舆情分析师和机器选取之间达成某种默契，在机器选取后，给予人工甄别，剔除其中的水军账号和恶意灌水的账号。
二、观点的“量”导致的偏性。
有的舆情机构在撰写舆情报告时，对于舆情观点的陈述往往没有“量”及“权重”，这导致了一些呼声大、比重高的观点与呼声低、比重低的观点在舆情报告中的体现没有差别，忽视了舆情的民意表达有着“权重比例高低”的概念。这种舆情偏性也很常见。还是那个例子：一名执法队员被抗法者捅伤。5%的人认为“该捅”与40%的人认为“该捅”所表达的民意肯定不同，5%很有可能是个体的情绪波动，而40%则背后可能是人为操纵、现实积怨、舆论标签等多种原因的综合结果。如果我们的舆情研究机构写给社会管理者的舆情报告忽略了“量及比例”，很容易让决策者采取错误的应对措施，或一味迎合舆论，或忽略真实民意。
三、人为操纵。
这种偏性很难被发现，也最能被矫正。账号背后可能是一个人，也可能是一个机器，最为典型的例子就是《穹顶之下》形成全网性舆情时，网上出现了许多以“梁静”发言的帖文，经仔细核验，才发现原来是一些公关公司在设定关键字时误将“柴静”输成了“梁静”。这就需要从相同IP来源、短时间内出现高度相仿的评论口径这样的疑点入手去甄别。
【该如何选取舆情样本？】
一、优化样本选取方式，让随机真的随机。
统计学上关于样本选取的方式很多，作者同样适用于舆情产品的样本选择，除了热度最高的舆情帖文下评论选取方式需要进一步优化外，还应不断开拓媒体载体的扩散面，论坛、网站、微博、微信发布的原创评论文章也应列入选择之列，以此提高样本代表总体的可信度。
二、人工审核，剔除无效样本。
舆情产品样本选取后，需要加一道人工审核关。通过分析其中可疑账号、可疑评论，并通过查源头、查账号的原发帖文数量等方法，将高度可疑的无效样本剔除，保证样本的真实性。
三、找到最权威解读，把握大方向，避免被无效评论误导。
社会任何一个舆情事件都有线下的真实投影，那么只有了解了线下的具体事件，才能对事件在网上该有怎样的舆情曲线有一个大概了解，也有了研判舆情形势的能力，避免被一些无效评论所误导。
墩墩总结：舆情是门学问，门道多多，可千万别被伪民意蒙蔽了眼睛！
更多舆情文章尽在@墩墩看新闻