在算法驱动的平台上感知数字风险相关讨论：以台风“Gaemi”为例，结合大型语言模型（LLM）和可解释的空间分析方法进行研究

《Safety Science》：Sensing digital risk discourse on algorithmically curated platforms: A case study of Typhoon Gaemi via LLM and explainable spatial analysis

　　张普
中国广州，香港科技大学

**摘要**
有效的灾害管理需要实时感知公众的反应，然而在算法策划的短视频平台上风险话语是如何展开的，目前仍知之甚少。本案例研究分析了2024年台风“Gaemi”期间，在中国领先的短视频平台抖音（Douyin）上发布的436,964条用户评论。基于保护性行动决策模型（PADM）和风险社会放大框架（SARF），我们使用经过验证的大型语言模型（DeepSeek R1 671B；准确率为88.3%）将话语分为十个主题类别。研究得出两个关键发现：首先，社会文化应对方式（包括幽默、地区身份叙事和互助）与功能性信息交流（33.89%）几乎相当，这挑战了以信息为中心的灾害沟通范式；其次，空间回归模型揭示了地区社会经济特征与话语模式之间的显著关联。其中，耕地覆盖率是最普遍的相关因素，它既预测了情境报道的加剧（β = 0.764，q = 0.086），也预测了对信息可靠性的更高关注（β = 0.871，q = 0.009）；人均自然灾害经济损失与信息信任话语也有独立关联（β = 0.636，q = 0.086）。在考虑空间自相关性和多重检验后，所有关联仍然显著。一种新颖的SHAP-GIS工作流程进一步在省级层面分解了这些关联，揭示了宏观社会经济背景如何影响地方性的公众反应模式。本研究表明，在线风险话语与线下社会经济现实存在系统性的关联，为气候相关紧急情况下的空间定向风险沟通提供了一种可扩展的方法。

**引言**
21世纪的特点是气候相关极端事件的频率和强度不断增加，如热浪、洪水和强热带气旋（Lange等人，2020年；Zhang等人，2024c年）。这些灾害对全球健康、经济稳定和社会福祉构成了严重威胁（Thiery等人，2021年）。在这种背景下，理解公众如何感知和应对这些灾害是有效灾害管理和社会韧性的关键组成部分（Ma等人，2024年；Renn，1998年）。

社交媒体的兴起将公众话语从自上而下的单向广播模式转变为实时的多对多互动生态系统（Alexander等人，2013年；Houston等人，2014年；Zhang等人，2026c年）。像Twitter、Facebook、Weibo以及中国的短视频平台抖音（Douyin）已成为公众意义构建的核心场所（Oh等人，2015年；Zhang等人，2026d年；P. Zhang等人，2024b年）。与基于文本的平台不同，像抖音这样的短视频应用提供了沉浸式、视觉丰富的、由算法驱动的体验，可能重塑了公众对风险的感知和情感处理方式（Kaye等人，2021年；Zhang等人，2026a年）。在灾害期间，这些平台充斥着官方警告、公民生成的实地观察、情感表达和求助请求（Fauzi，2023年）。本研究通过风险感知理论（RPT）和社会风险放大框架（SARF）的综合视角来分析这些话语，前者解释了风险的主观、个体层面的判断（Siegrist和árvai，2020年；Slovic，1987年），后者解释了这些感知是如何在社会中传播、放大或减弱的（Kasperson等人，1988年；Wirz等人，2018年）。尽管关于社交媒体在灾害中的研究越来越多，但仍存在显著空白。首先，现有文献大多集中在Twitter等西方基于文本的平台（Noori等人，2025年；Zou等人，2023年）。虽然关于抖音的研究正在兴起，最近的系统评价开始探讨其在灾害报道和公众参与中的作用（Ilyas和Sharifi，2025年；Wahid等人，2025年），但这些研究往往依赖于视频元数据的描述性分析或相对小规模的定性样本。对于像抖音这样具有庞大用户基础和独特沟通规范的视觉驱动、算法策划和文化特定平台上的独特话语，了解甚少（Dong和Xie，2024年；Kaye等人，2021年）。我们的工作通过捕捉436,964条有效评论的大规模数字风险话语，提供了更细致的公众意义构建视图。

其次，传统的计算方法（如LDA或关键词匹配）往往难以捕捉视觉驱动平台上普遍存在的复杂、非正式的风险话语的全部细微差别（如幽默、地区隐喻或风险轻视）（Dong等人，2022年；P. Zhang等人，2024a年）。我们通过使用经过验证的LLM少样本分类工作流程（DeepSeek R1 671B）来解决这一问题，该流程允许更“类人”地理解社会文化细微差别。第三，将这些“微观层面”的在线风险表达与其产生的“宏观层面”社会背景联系起来的研究很少。很少有系统研究探讨地区社会经济特征与在线风险话语集体模式之间的关联（Balog-Way等人，2020年；Cutter等人，2003年；Reid，2013年）。虽然之前的研究探讨了灾害期间的社交媒体（P. Zhang等人，2024b年），但此前没有研究将大规模的经过验证的LLM主题分类与空间计量经济学建模和SHAP-GIS结合在短视频平台上。通过将我们的发现置于保护性行动决策模型（PADM）框架内，本研究为TikTok/Douyin时代的风险话语感知提供了一个可解释的空间框架。

**研究方法**
本研究通过多方面的调查，分析了台风“Gaemi”期间抖音上的公众风险话语，该事件产生了超过740,000条原始评论。我们的研究由两个核心问题指导：
**RQ1：** 在台风“Gaemi”期间，抖音上与灾害相关的风险话语的整体主题格局是什么？这种话语在不同省份的空间分布如何？
**RQ2：** 省级社会经济指标与这些特定风险话语类别的比例分布之间存在哪些空间关联？这些关联如何表征地区的灾害响应？

为回答这些问题，我们采用了混合方法研究设计。为了克服分析这一庞大非正式数据集的方法论挑战，我们首先开发并验证了一个稳健的分类工作流程。我们使用了一个先进的大型语言模型（DeepSeek R1 671B）和少样本学习策略，其准确率达到了88.3%，优于手动编码。这种经过验证的高精度分类使我们能够使用GIS自信地分析十个主题类别的普遍性和空间分布。最后，我们应用多元贝塔回归、空间自相关测试和SHAP分析来建模和解释主题普遍性与九个省级社会经济指标之间的关系。

**研究贡献**
**实证贡献：** 本研究提供了在算法策划的短视频平台上公众风险话语的大规模（N = 436,964）特征描述。通过捕捉抖音上对台风“Gaemi”的集体“感知”，本研究超越了现有文献中主导的视频元数据和创作者内容分析，揭示了公众自下而上的细致意义构建模式。
**方法创新：** 我们展示并验证了一个透明的、基于LLM的SHAP-GIS工作流程。通过利用DeepSeek R1 671B的少样本推理能力，我们实现了高保真度的分类（准确率为88.3%）。此外，SHAP与空间计量经济学的结合提供了一个可扩展的开源流程，用于解释宏观社会因素如何影响地方性数字响应——这是可解释AI（XAI）在社交感知方面的重大进展。
**理论进展：** 本研究将保护性行动决策模型（PADM）和社会风险放大框架（SARF）联系起来。我们提供了“信息应对平衡”的实证证据，表明社会文化意义构建（如幽默、文化身份）与功能性信息交流（33.89%）同样普遍。这挑战了风险理论中的以信息为中心的范式，并将抖音视为一个关键的“放大站”，其中解释性信号与技术警告同样重要。
**实际意义：** 通过识别地区社会经济指标（如农业暴露度、历史灾害损失）与特定话语主题之间的稳健空间关联，我们的发现为应急管理者提供了可操作的见解。这使得能够制定针对不同省份人口的具体脆弱性和话语特征的风险沟通策略，最终通过数据驱动的情境意识促进社会韧性。

**概念框架**
本研究的概念框架（见图1）从静态数据流程转变为集成的风险感知和响应系统。该系统提供了一个过程导向的视角，以理解个体心理评估如何通过社会和环境中介转化为集体数字话语。该框架基于三个互补的理论视角，每个视角都服务于不同的分析功能。风险感知理论（RPT）提供了……

**研究方法**
本章详细介绍了用于解决研究问题的全面混合方法研究设计。如研究工作流程（见图2）中视觉总结的那样，该方法论分为三个主要阶段：
**阶段1：数据准备：** 该阶段涉及从社交媒体平台抖音收集、系统预处理和过滤大量关于台风“Gaemi”的评论数据集，得到最终可用于分析的有效语料库。

**结果**
本章展示了从多阶段研究方法中得出的实证结果。首先，介绍了抖音评论语料库的主题分类总体结果，确立了公众话语的总体格局。随后，通过GIS可视化深入探讨了每个讨论主题的地理分布。最后，展示了贝塔回归和SHAP分析的结果。

**讨论**
本研究使用了先进的大型语言模型（LLM）和空间回归框架来分析台风“Gaemi”期间抖音上的公众风险话语。我们的分析确定了十个不同的主题类别，揭示了它们在地区上的显著差异，并量化了与这些模式相关的社会经济因素。本节在我们的理论框架内解释了这些核心发现，强调了本研究对风险研究的贡献。

**结论**
本研究对台风“Gaemi”期间抖音上的公众风险话语进行了大规模的混合方法分析。我们通过开发并验证了一种复杂的基于LLM的方法，将超过436,964条公众评论分类为十个不同的主题类别，超越了传统方法。我们的第一个关键发现是，灾害期间的公众话语是一个信息寻求和社会文化意义构建的双重过程。我们证明了文化或地区主题……

**数据伦理和合规声明**
本研究使用了来自抖音的公开可访问的用户评论。根据互联网中介研究的伦理指南：所有分析数据均为公共领域数据；基于IP的位置信息由平台在省级自动显示。在LLM处理之前，使用自定义脚本去除了所有个人身份信息（PII），包括用户名和账户标签。未进行任何个体层面的跟踪。

**作者贡献声明**
张普：撰写——审阅与编辑、撰写——原始草稿、可视化、验证、软件、资源、方法论、调查、正式分析、数据整理、概念化。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。

**致谢**
作者衷心感谢Red Bird MPhil项目在整个研究过程中的支持。本文基于作者在广州香港科技大学完成的MPhil论文。作者非常感谢论文审查委员会的成员，即徐科伟教授、唐静教授、周木志教授和梁林亚瑟博士，他们提供了宝贵的指导、严格的审查和深刻的建议。