通过大语言模型和可解释人工智能探索危机信息处理的社会经济关联

《Information Processing & Management》:Exploring Socioeconomic Associations of Crisis Information Processing via Large Language Models and Explainable AI

【字体: 大 中 小 】 时间:2026年09月23日 来源:Information Processing & Management 8.1

编辑推荐:

   • 提出了一种将大语言模型(LLMs)与空间分析相结合的"AI-空间"框架。 • 使用DeepSeek R1模型对225,515条社交媒体评论进行了分类。 • 整合SHAP-GIS以解释地方社会经济因素的贡献。 • 发现教育作为认知缓冲机制,能够抵御健康风险话语。 • 揭示了

  

• 提出了一种将大语言模型(LLMs)与空间分析相结合的"AI-空间"框架。
• 使用DeepSeek R1模型对225,515条社交媒体评论进行了分类。
• 整合SHAP-GIS以解释地方社会经济因素的贡献。
• 发现教育作为认知缓冲机制,能够抵御健康风险话语。
• 揭示了品牌韧性中区域社会经济的异质性。

**引言**

数字信息生态系统的快速演进从根本上改变了消费者与品牌之间的互动方式(Li et al., 2026; Westland, 2026)。在企业危机期间,社交媒体平台成为信息冲击传播的主要渠道(Singh et al., 2020; Wang et al., 2021),这一转变尤为显著。社交媒体话语前所未有的速度和规模构成了一把双刃剑(Chen & Chen, 2026; Su et al., 2025)。此类话语既可能通过病毒式的愤怒情绪触发品牌的快速声誉崩塌,也可能通过去中心化的草根倡导促进悖论式的韧性(Kalam & Mollah, 2026; Nagaraj, 2021)。

在中国平价零售市场中,蜜雪冰城是这种韧性的一个典型案例。作为一家拥有超过30,000家特许经营门店的低价饮品连锁企业,其门店遍布中国的一线城市至县级城镇,该品牌已成为日常消费中的文化标志。因此,其危机应对为价格敏感型零售行业中的品牌韧性提供了极具启示意义的见解。尽管在2025年中央电视台3·15消费者权益日直播中曝光了有据可查的食品安全违规行为,该品牌仍保持了稳健的消费者忠诚度(Guan, 2025)。这一事件引发的不是通常食品安全丑闻后所见的消费者抵制,而是广泛的公众辩护。这种行为的出现挑战了关于消费者如何处理和回应安全信息失效的传统假设(Augusto de Matos et al., 2009)。更重要的是,该事件提出了一个更广泛的理论问题:为什么消费者在广泛公开的服务或安全失败事件后,会集体选择辩护而非惩罚品牌?

现有的危机传播研究主要关注以组织为中心的利益相关者信任恢复策略。情境危机传播理论(SCCT)等基础框架强调企业道歉、危机责任归因以及声誉修复策略的作用(Bundy et al., 2016; Dutta & Pullig, 2011; Li et al., 2020)。并行的研究脉络则探讨了基于服务补救机制和企业社会责任举措的恢复性营销策略来促进危机后的恢复(Bundy et al., 2016)。尽管这些框架在许多情境中已被证明有效,但它们主要基于消费者理性评估的假设,且通常在西方高收入市场环境中进行测试(Liu et al., 2022)。消费者行为研究进一步探索了危机后宽恕背后的心理机制,包括品牌拟人化、归因中和以及情感依恋(Li & Zhao, 2025; Liu et al., 2022; Yoruk et al., 2024)。然而,这些研究主要通过实验或调查设计考察个体层面的反应,往往忽视了更广泛的社会经济环境在塑造集体消费者话语方面的作用。

尽管这些理论为宽恕提供了心理学基础,但一个关键问题仍未得到解答:这些信息处理机制的话语表现如何在不同地理和社会经济情境下产生差异?本研究通过将计算语言学分析与空间分析相结合来回答这一问题。

为填补这一空白,我们开发了一种"AI-空间信息框架",将基于大语言模型的文本分类与空间分析相结合。关于该框架及其实施的详细描述见第3节。与依赖地理标记数据的传统空间分析相比,我们的框架展示了如何通过基于IP的省级聚合来对非地理标记的社交媒体话语进行空间分析,其中主题指数以各省移动互联网用户人口为基准进行了标准化。这些整合的组成部分使"AI-空间信息框架"成为考察数字危机话语中区域异质性的一个可复制的方法。

为操作化这一框架,我们采用DeepSeek R1 671B模型将一个包含225,515条有效评论的分析语料库分类为五个理论驱动的主题类别。这种大规模自动化方法通过分层人工编码(N=600, Cohen's κ=0.828)进行了验证,展示了可靠的分类性能,并为识别非空间聚合分析可能遗漏的区域模式提供了实证基础。

我们的分析流程整合了LASSO进行特征选择、FDR校正的OLS进行关联分析以及SHAP-GIS进行空间可视化。通过基于省级IP的聚合,该框架将非地理标记的文本话语与省级社会经济指标联系起来,包括人均GDP、预期寿命、高等教育入学率和性别比。这使我们能够考察社会经济条件与消费者话语模式之间的省级关联。例如,我们通过检验各省高等教育入学率较高是否与健康风险感知和品牌转换意图话语水平较低相关联,来检验认知缓冲假说。我们将这种省级层面的关联解释为与认知缓冲过程在理论上是一致的,而非个体层面心理机制的直接证据。

为回答核心研究问题——即危机信息处理机制的话语表现如何随地理和社会经济情境而变化,本研究设定了四个相互关联的目标,通过顺序分析流程来操作化这一探究。

第一,为系统捕捉消费者话语中反映的多种信息处理表现,本研究使用DeepSeek R1 671B实施了一个自动化分类系统,将225,515条评论分为理论驱动的主题类别。分类性能通过分层人工编码进行了验证(N=600, κ=0.828)。这一步骤将非结构化文本数据转化为代表消费者信息处理不同话语模式的理论性类别。

第二,为考察研究问题的地理维度,本研究使用在31个中国省份计算的主题指数并以其各省移动互联网用户人口进行标准化,来量化主题话语模式的空间异质性。这使得我们能够绘制危机相关话语的区域差异图,而非将消费者反应视为地理上均质的。

第三,为考察研究问题的社会经济维度,本研究使用LASSO、FDR校正的OLS和SHAP-GIS相结合的混合方法,分析省级社会经济指标与主题话语类别之间的关联。该分析考察了包括教育、收入和预期寿命在内的宏观情境因素如何与不同的话语模式相关联。

第四,为将地理和社会经济发现综合为可操作的洞见,本研究识别了品牌支持性话语和风险相关话语的区域模式,并考察了其对危机治理的启示意义。

综合而言,这四个目标构成了一个连贯的分析流程,从文本分类到空间测量,再到社会经济关联,最后到区域综合,每个阶段都以前一阶段为基础,系统考察危机相关话语如何在何种社会经济条件下在不同区域间产生变化。

本文其余部分组织如下:第2节回顾相关文献并提出研究假设;第3节描述数据收集、基于LLM的分类方法和空间分析方法;第4节呈现实证结果,包括主题分布、空间异质性、回归发现和SHAP-GIS可视化;第5节讨论理论和实践启示;第6节为结论。

**文献回顾与研究假设(节选)**

本节回顾了三个为本文理论框架提供依据的文献脉络。第一脉络为去罪化理论,解释了消费者如何通过否认责任或社会比较等话语策略为持续的品牌支持提供合理化的辩护(Brunner, 2014; Peretti‐Watel, 2003)。第二脉络为品牌拟人化,捕捉了消费者与品牌关系中的情感维度,表明感知到的人类化特征可能增强宽恕(Nguyen et al., 2025)。

**方法(节选)**

本研究通过三个顺序阶段开发并实证实施了一个"AI-空间信息框架":(1)数据获取与预处理,(2)基于LLM的主题分类及人工验证,(3)省级层面的关联分析、空间诊断和可解释可视化。选择抖音是因为它是中国最大的短视频平台之一,并在企业危机期间充当公众话语的重要渠道。检索关键词为……

**因变量与标准化(节选)**

本研究的主要因变量是通过DeepSeek-R1 671B LLM识别的五个特定消费者话语主题的表现强度。为确保不同移动互联网用户人口规模省份之间的可比性,我们将省份i在主题k上的主题指数(TI)定义为:

TI(i,k) = Count(i,k) / MobileInternetUsers(i)

其中,Count(i,k)表示省份i中分配给主题k的评论总数,MobileInternetUsers(i)表示省份i的移动互联网用户数量。

**结果(节选)**

所有分析均在省级层面进行(N=31个省份)。每个类别的主题指数均在省级层面计算,并按每万名省级移动互联网用户进行标准化。因此,所有报告的关联反映的是省级层面的关系,而非个体层面的心理机制。我们并不推断受教育程度更高的个体评论者更不可能表达对健康问题的关切。相反,我们考察的是……

**讨论(节选)**

本研究考察了在一次重大企业危机期间,危机信息处理机制的话语表现如何随地理和社会经济情境而变化。基于来自31个中国省份的225,515条分类社交媒体评论的分析,研究发现危机相关消费者话语存在显著的区域差异。

两个总体模式浮现出来。第一,预期寿命较高的省份往往表现出更强的数字化品牌倡导行为,而……

**结论(节选)**

本研究调查了一次高调食品安全危机期间危机相关消费者话语的社会经济关联因素。我们实施了一种结合大语言模型(LLM)分类与省级层面关联分析及可解释空间可视化的"AI-空间信息框架"。对225,515条社交媒体评论的分析表明,品牌支持性话语和风险相关话语在区域社会经济情境中存在显著差异。

**伦理与隐私考量(节选)**

本研究已获得机构伦理审查批准。所有评论均来自公开可访问的抖音页面。在进行基于API的分类之前,已移除用户标识符和可能具有识别性的元数据,仅将匿名化评论文本传输至模型。聚合所需的省级位置信息在本地分析数据集中单独保留。仅报告聚合后的省级层面结果,且不涉及任何个人身份信息。

**伦理审批与知情同意声明**

本文不包含涉及人类或动物参与者的任何研究。

**数据可用性声明**

由于与社交媒体用户数据相关的隐私问题,当前研究中生成和分析的数据集不予公开。用于分析的核心代码和LLM提示词可在补充材料中找到。

**CRediT作者贡献声明**

蒲张(Pu ZHANG):撰写—审阅与编辑、撰写—原稿、可视化、验证、软件、方法论、调查、形式分析、数据整理、概念设计。
蒋娜(Na JIANG):撰写—审阅与编辑、撰写—原稿、监督、资源、项目管理、获取资金。
魏正(Zheng WEI):撰写—审阅与编辑、撰写—原稿、验证、数据整理。
惠潘(Pan HUI):撰写—审阅与编辑、撰写—原稿、监督、资源。

**作者列表:** 蒲张 | 蒋娜 | 魏正 | 惠潘
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号