在氣候變遷、都市化及社會變遷等多重因素影響下，全球各地面臨的緊急事件日益頻繁，如何制定更有效率且更能回應民意的應急管理政策，成為各國政府的重要課題。近期，由李、田、高領銜的一項研究，深入探討了公眾回饋與多階段應急管理政策之間的關聯性，並提出利用人工智慧（AI）分析公眾情緒，進而優化政策制定的創新方法。
BERTopic-SKEP 模型：解讀民意的利器
該研究的核心在於採用 BERTopic-SKEP 整合模型，這是一種結合主題建模與情緒分析的先進工具。透過機器學習的力量，該模型能夠剖析來自不同平台的公眾情緒，從而全面分析公眾對應急管理措施的回饋。研究人員詳細闡述了該模型的功能，強調其將大量非結構化數據分類為連貫主題的能力。這些主題成為公眾情緒的重要指標，引導決策者關注需要改進的領域。
BERTopic-SKEP 模型克服了傳統 LDA 在短文本處理上的局限性，整合了語義嵌入和結構化情緒知識，能夠更精準地捕捉公眾的細微需求，為優化政策合法性和運營效率提供可操作的見解。
多階段應急管理：公眾情緒的動態變化
該研究的另一個關鍵面向是關注多階段應急管理。緊急事件很少以線性方式展開，通常需要根據新情況調整分階段的應對措施。研究作者強調，公眾回饋會在緊急事件的不同階段發生變化，反映出不斷變化的看法和期望。例如，緊急事件的初始階段可能以恐懼和焦慮為特徵，而後續階段可能顯示對明確溝通和支持的需求。了解這些轉變對於制定及時有效的應對措施至關重要。
研究發現，公眾對不同階段的關注程度存在顯著差異，回應和恢復階段的關注度遠高於預防和準備階段（分別超過 76% 和低於 2.5%）。此外，情緒極性也呈現階段性變化，恢復階段的正面情緒高達 78.18%。
以北京「23.7」特大暴雨為例：驗證模型的有效性
為了驗證模型的有效性，研究人員利用 50,015 條社交媒體貼文，系統地分析了北京「23.7」特大暴雨期間，公眾對政府行動的相關疑慮和情緒反應，涵蓋了預防、準備、回應和恢復四個階段的應急管理週期。
研究結果表明，該模型有效地捕捉到公眾對政府在應急管理中角色的看法，例如政府作為英雄或規劃者的形象。透過整合敘事政策框架（Narrative Policy Framework, NPF），研究人員能夠將主題建模結果解釋為結構化的政策敘事，識別出角色（例如，政府作為英雄/規劃者）、情節和道德觀，從而揭示公眾對政府在應急管理中角色的看法。
提升政策制定：納入公眾聲音，建立信任
研究結果具有深遠的影響。透過展示公眾情緒與應急管理政策有效性之間的關聯性，作者提倡採取更具包容性的政策制定方法。他們的研究表明，當公民感到自己的聲音被聽到且疑慮得到解決時，他們對政府機構的信任度會提高。這種信任對於確保遵守緊急措施至關重要，無論是疏散命令、健康指南還是其他關鍵應對措施。
研究人員呼籲進一步探索公眾回饋與應急管理之間的協同作用。他們強調需要與公眾進行持續對話，建議決策者應在整個應急管理過程中主動尋求回饋。這種持續的參與建立了一個回饋迴路，公眾情緒可以為政策調整提供資訊，從而促進更具適應性和回應性的危機應對方法。
應急管理新趨勢：AI與公眾參與的結合
隨著全球挑戰日益複雜，公眾參與和科技在應急管理政策中的結合，可能會塑造未來的治理模式。李、田、高的研究提醒我們，傾聽公眾的聲音並利用創新工具的力量，對於制定具有回應性和有效性的應急管理策略至關重要。他們的研究成果不僅僅是一項學術練習，更提供了切實可行的見解，可以改善社會為危機做好準備和應對危機的方式。
社交媒體的雙面刃：資訊過載與虛假訊息
值得注意的是，社交媒體在應急管理中扮演著雙面刃的角色。一方面，社交媒體可以近乎即時地匯集第一線的需求和影響數據，加速應急反應。另一方面，過多的資訊和缺乏過濾機制可能導致「噪音」，阻礙優先事項的評估。此外，虛假訊息的快速傳播也可能引起恐慌，阻礙有效的危機管理。
因此，在利用社交媒體進行應急管理時，必須謹慎應對資訊過載、虛假訊息等挑戰，並建立有效的驗證機制，確保資訊的準確性和可靠性。
結論與研判：擁抱科技，傾聽民意，共建韌性社會
總體而言，這項研究為應急管理政策的制定提供了寶貴的啟示。透過整合 AI 技術，特別是 BERTopic-SKEP 模型，政府能夠更深入地了解公眾情緒，識別關鍵議題，並調整政策以回應公眾需求。同時，持續的公眾參與和有效的溝通機制，有助於建立公眾對政府的信任，提高應急措施的執行效率。
面對日益頻繁的緊急事件，擁抱科技，傾聽民意，建立一個更具韌性的社會，是我們共同的目標。
Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: December 1, 2025