群体性上访事件中的关键性少数

李卫宁 史达

摘 要：为探讨关键性少数在群体性事件中的作用，本文对C市D区X街道高架桥挡光引发的群体性上访事件进行了研究。通过判断抽样、人格量表和深度访谈的方法，调查了基层政府、街道干部以及部分上访居民共70人，并运用复杂系统多主体建模方法，构建了危机生命周期视角下群体性上访的仿真模型，模拟了当存在外部冲击时，由于访民之间的交互作用而形成群体性上访事件的过程。研究呈现了群体性事件脉络、受影响4栋楼的整体状况、参与人员情况及组织特征等，发现关键性少数产生的标志是委托代理关系的形成，其教育工作背景决定了群体行为的理性程度，其人格特质对危机成熟期的持续时间有重要影响。仿真研究表明，外部冲击对群体性事件的演变有着重要影响，危机发展期是形成群体性事件的重要转折时期。本文对政府预防和治理群体性上访事件有一定的现实意义和理论价值。

关键词：群体性上访;关键性少数;危机生命周期;Netlogo仿真

中图分类号：F243;D632 文献标识码：A

文章编号：1000-176X（2020）11-0127-11

一、问题的提出

应对、减少群体性事件事关全面建成小康社会的宏伟目标，不仅体现了政府的公共治理能力，更体现了公众对政府的信任。我国正处于社会转型和体制转轨的矛盾凸显期，涉及政府治理能力和公信力的群体性事件一经发生，可能会迅速成为舆论的热点和焦点。这些诉求和利益复杂的群体性上访事件对政府治理能力提出了更高的要求，长久以来政府面对群体性事件“高压、沉默、拖延、和稀泥式”的治理困境以及群体性事件层出不穷的挑战，无疑加剧了政府应对群体性事件的难度。

笔者通过工作调研发现，基层实践多从群体性事件的辨别、分类、处置等外在解决层面来应对，一般采用发动社区或者家属进行说服的群众战术，或者采用人盯人的疲劳战术，或者采用强制阻断战术，但通常都是被动所为且效果不甚理想，甚至出现“维稳怪圈”。值得注意的是，政府基层工作人员在谈及群体性事件时，经常使用“一小撮人”的字样。这说明，政府已经注意到关键性少数在群体性事件中的作用。那么“一小撮人”有何特点？他们在群体性上访事件中究竟起到什么作用？能不能通过认知这些组织者和领导者的人格特质和角色分工，在事件的不同发展阶段采用不同的沟通处置方式，从而有针对性地化解群体性事件呢？

本文以C市D区X街道修建高架桥而引发的群体性上访事件为研究对象。C市位于东北沿海经济繁荣区域，在经济快速发展的过程中各种矛盾和利益冲突多发。正由于地方政策法规不配套、多元主体利益诉求复杂等因素诱发的群体性上访时有发生，极大地阻碍了区域的和谐稳定并影响政府公信力。同时，此次群体性上访事件由市政工程建设所引发，在目前上访事件中占有较高比例，这使得此案具有典型意义和研究价值。本文通过危机生命周期视角动态分析群体性上访事件的全过程，利用大五人格量表测量关键性少数的人格特质，并探究该事件中关键性少数的推动作用。此外，本文还通过仿真模拟，检验关键性少数在群体性上访事件发展过程中的演化机制，以期全周期性地理解和应对关键性少数助推的群体性上访事件。

二、文献述评

（一）集群行为视角下的群体性事件与关键性少数

群体性事件本质上是一种集群行为。集群行为是个体情绪感染的结果，个人情绪影响其参与群体的意愿和行为，从而形成了集群行为。勒庞等[1]指出，在集群行动中，个体文明程度降低，理性思考和自我控制减弱甚至消失，极易卷入群体行动之中，诱发群体事件。然而，并不是每个情绪感染者均会参与群体行为，只有群体行为达到一定的门槛值，个体才会选择加入，产生交互传播和示范效应，由此引发群体危机。Coombs[2]认为，问题和危机具有明显的界限但又相互转化，问题是群体利益的诉求，是常见现象，问题如果处理不当，可能引致危机事件，而通过单方和多方的努力，危机事件又可回归为问题。正是问题和事件之间相关联，作为公共权力主体的政府，应当力图不使社会问题升格为危机事件。群体性事件中的公众维权和政府维稳，在深层关系上是相互促进的：公众在表达诉求时，采取不正当的方式或者政府处置失当，都会进一步加剧相互之间的矛盾，易造成双方零和博弈，因而需要大力疏通公众表达渠道和改进政府及时回应机制。

随着处理方式的不断改进，心理机制在群体性事件中的作用开始引起关注。廖和平和曹汉林[3]认为，不同类型的群体性突发事件分别有其不同的特點和社会心理机制，从心理层面分析可以有效预防和应对群体性事件。郝其宏[4]从社会心理机制中的注意、认同、互动、极化、刻板、逆反等因素进一步研究群体性事件的成因，探究群体性事件背后复杂的深层关系。相对于社会心理机制讨论，韩振文[5]从个体参与者认知心理机制研究群体性事件，发现了相对剥夺感、归因偏差、认知偏见等相互作用对群体性事件形成的影响。

对于群体性事件中关键性少数及其心理活动的研究也越来越引起关注。群体性事件参与者中领导者和跟随者往往具有较强的利益共同点，分工明确。胡仕林[6]指出，在群体性事件演变过程中，利益是群体行动的基础，而基于共同利益和共同身份的个体是群体组织者出现的前提，正是由于组织者的出现，能极大地使分散的个体整合到整体利益下，进而组建力量较大的利益共合体。Will[7]以群体事件中的领导者的作用构建个体影响群体决策行为模型，证明了个体之间的相互作用会聚合并响应于现实中，形成集群行为，其中个体领导者能力为突发集群行为提供了一个独特的解释框架。徐伟[8]对群体性事件中组织领导者心理进行探析，肯定了群体事件的组织领导者对事件进程的控制，认为其心理活动对事件的走势起到决定性作用，需对组织领导者进行正面引导，避免群体性事件滑向犯罪。也有研究表明，理性、冷静的组织者可以更好地代表群体与政府进行沟通和谈判，减少矛盾。尽管已经关注到了心理作用的影响，但现有的研究多通过公开资料进行理论研判，或者通过场景模拟的方式进行实验设计，而并未与关键性少数直接接触并进行心理测量。因此，本文拟从微观个体心理层面切入，通过对某群体性事件所有参与方的调研访谈，结合对关键性少数的心理测量，对群体性事件中关键少数以及其他参与主体的行为策略及其相互作用展开研究。

（二）群体性事件危机生命周期与信息传播

冯艳飞和黄宏纯[9]结合Fink的危机生命周期理论，提出公共危机事件从生成到衰亡构成一个生命周期，其分为四个阶段，即潜伏期、爆发期、持续期和解决期。Jaques[10]定义和区分了问题管理和危机管理，侧重于使用危机生命周期进行优化应对，同时考虑到不同阶段集群背景下相应的管理活动，注重危机前和危机后的问题管理。Coombs[2]将危机事件划分为四个不同的阶段，分别构建不同的危机应对策略进行针对性的处置，为危机事件处理提供参考标准。华坚等[11]以“昆明PX事件”为研究案例，构建群体事件演化博弈模型，结合群体事件中博弈多方的力量变化，将群体性事件演化过程分为潜伏期、激化期、爆发期和平息期四个阶段。沈一兵[12]以我国十起典型环境群体性事件为例，剖析群体性事件的演化过程，梳理环境问题与公共危机事件的逻辑关系，并指出，公共问题在酝酿期极易发酵为公共危机事件。而何哲[13]认为，群体性事件基于集体行动和社会运动理论进行演化，可分为事前矛盾激化和孕育阶段、群体性事件开始后的演化阶段、事件后阶段，其总结了群体性事件治理分阶段的关键要素，针对不同演化阶段提出不同的政府管控策略。综上，在公共危机事件发生后，群体性事件的不断演化过程，往往符合危机生命周期理论发展阶段。由此可见，危机生命周期理论在群体性事件的研究中不断扩展和深化，危机生命周期理论已然成为研究群体性事件的重要范式。

信息传播是影响危机生命周期发展的重要因素。现有研究主要围绕危机信息传播、舆论引导、事件信息处置等应对方法和策略展开。李卫东和贺涛[14]以长春随车被盗婴儿事件为例，实证分析了微博舆论传播事件信息的网络结构对群体性事件发展的影响，肯定网络中心节点对事件信息的辐射性作用。同时虞铭明和朱德米[15]以“昆明PX事件”为例，探索政府处置群体性事件过程中，危机事件舆情信息传播的动力学机制，并指出，政府在应对群体性事件时的危机信息识别及管制、信息传播控制等行为易造成事态发展脱离政府管控。也有学者提醒，谣言亦会对群体事件信息传播效果产生影响。Zanette[16]指出了谣言在群体事件信息传播中的动态变化，并分析了事件中各个要素对谣言传播的影响。传统视角下的群体事件信息传播研究主要涉及人际传播、媒体传播以及社交媒体联结，传统危机信息传播的研究多围绕政府如何识别并处置危机事件信息和维护政府形象，鲜有兼顾群体性事件参与主体之间的互动关系、影响过程和传播结构，难以解释群体性事件中关键少数的影响作用和演化机制。因此，复杂网络分析与仿真方法开始应用于危机信息传播研究。

复杂网络分析不同于传统意义彼此独立的研究，它更注重个体之间的互动关系，以及网络世界的快速感染等特性，具有小世界网络关系的结构。Xu等[17]从社会结构无标度网络的研究发现，信息传播与集群行为存在相互作用，促成群体性事件。Zhang等[18]建立两阶段动态模型来仿真模拟危机信息传播的过程，以研究群体性事件危机信息传播机理。Wei等[19]研究认为，群体事件中个人与事件的联系强度影响危机信息传播的速度，其通过构建强弱关系网络进行仿真模拟，检查强联系和弱联系之间的传播速度差异以及信息可信度的变化。但群体性事件信息传播过程中的主体是多元的，Meng等[20]為研究群体事件危机信息传播过程中媒体、政府、公众之间的行为特征和互动关系，通过构建多元主体模型来仿真模拟危机信息传播的有效因素，比较不同参数的演化结果。李志宏等[21]也以复杂网络为思路，利用多主体建模方法仿真模拟群体性事件传播的生命周期现象，并分析各主体属性在不同参数值下的演化结果。因此，本文将运用仿真模拟方法，以危机生命周期理论为依据，构建关键性少数在群体性事件的不同危机阶段中的影响模型，比较关键性少数在不同参数值下的演化结果，探索危机信息传播的途径，并为政府处置群体性事件提供决策支持。

三、分析框架与研究设计

通过对上述文献的回顾，笔者认为，群体性上访事件符合危机生命周期理论，不同阶段的群体性事件中的参与者，尤其是关键性少数影响并推动群体性事件的发展。因此，本文选取C市D区X街道的4栋楼居民因高架桥挡光、行车噪声、车辆尾气以及粉尘污染等问题进行群体性上访事件为案例。通过还原群体性上访事件，分析群体性上访事件中的参与者、尤其是关键性少数，包括上访者的年龄构成、教育背景、人格特质、角色分工等。此外，本研究结合危机生命周期理论，将群体性上访事件划分为产生期、发展期、成熟期和衰退期四个阶段，分别对群体性上访事件各阶段的变化情况和关键性少数在其中的作用进行考察。同时运用复杂系统多主体建模方法，构建群体性上访事件的仿真模型，并通过Netlogo仿真软件模拟当存在外部冲击时，群体性上访事件过程中访民之间的交互作用。

本研究首先调查了C市D区X街道基层政府工作人员（共9人）。街道基层人员常处于群体性事件的第一线，具有丰富的基层工作经验。在传达居民诉求、下达上级意见以及协调利益相关方方面具有不可替代的作用。除此之外，本研究还调查了X街道A、B、C、D共4栋住宅楼，通过判断抽样方法实地调研211户居民中的60户，其中包括楼长家庭4户，居民楼代表家庭5户，普通居民家庭51户。本文通过工作人员了解群体性上访事件的发展脉络、4栋居民楼的基本状况，以及街道办事处处置群体性事件的工作情况（包括网格管理中心网格管理中心是C市D区X街道建立的具有科学性和协同性的新型社会管理中心，其以“做群众需要的事，做事让群众满意”为目标，辐射党务工作、综治信访维稳、社区服务、社会工作、城市发展、经济发展、监督评价、运行保障中心等8大中心。）。同时，通过深度访谈方式对街道主任、社区书记和部分关键少数人员进行访谈，并使用大五人格测试量表收集研究信息，研究关键性少数的人格特质。此外，本文还调查了各栋居民楼上访过程中的组织特性，具体调查指标，如表1所示。

四、群体性事件案例分析与仿真模拟

（一）群体性事件的基本情况

Y年7月C市城建局在X街道修建高架桥，自建桥伊始，由于高架桥挡光、行车噪声和车辆尾气以及粉尘污染等问题，从Y+1年4月起，4栋楼居民多次组织不同规模的上访行为，分别向市政府、城建局、环保局、信访局等有关单位反映情况。Y+2年11月4栋楼受挡光影响的居民获挡光补偿，但截至Y+4年1月，居民与相关部门就行车噪声和车辆尾气以及粉尘污染问题尚未达成一致。

在群体性上访事件过程中，基层政府的领导、4栋楼居民代表以及相关部门（城建局、执法局、环保局、测绘中心）共召开了15次代表会议，其中规模较大的10次，规模较小的5次。副市级领导曾做过重要批示。整个事件历时近4年，群体性上访次数共达30余次。回顾整个事件，政府部门重视访民合理诉求，但群体性上访事件何以延续4年之久？

1. 群体性事件中4栋楼整体结构分析

4栋楼的整体状况调查情况，如表2所示。

由表2可知，在人员结构上，B楼居民生源多为外来人口，年龄结构也较年轻。A楼居民教育程度高，居民与关键性少数的关系最强。在组织特性方面，A楼组织特性优于其他楼。在受影响程度方面，4栋楼受影响的程度从高到低分别为A楼、B楼、C楼和D楼。本文还将群体性上访人员划分为关键性少数和普通居民，组织结构如图1所示。而由于D楼居民多为体弱的退休老人，基本无群体性行动能力，因而没有形成群体性上访的组织和关键性少数。

2. 群体性事件关键性少数行为分析

（1）A楼关键性少数情况，如表3所示。A楼关键性少数4人，平均年龄66岁，教育水平较高、有主见，在社区内有较强影响力。根据大五人格测试量表结果，甲某、乙某、丙某、丁某4位关键性少数性格特质有明显差别。综合看来，A楼关键性少数团体能力突出、结构稳定、内部分工明确。组织变化情况方面，建桥前住户来往较少，建桥后由于挡光问题，部分居民以个体或者小团体的形式向相关部门反映情况，而高架桥竣工后，挡光、噪音、粉尘情况越发严重，群众踊跃上访，但未形成明确组织。随着群体性上访次数逐渐增多，个人特长逐渐显现，群体自发分工，形成较为明确的组织，关键性少数出现。然而由于群体性上访事件进展缓慢，上访成本增加，部分居民逐渐退出，但还通过集资方式间接参与，形成较为明显的委托—代理机制。在遮光问题解决后，关键性少数成为群体上访事件的推动者，在后续活动中发挥着决定性作用。

（2）B楼关键性少数情况，如表3所示。B楼关键性少数两人，年龄均在50岁以上，教育水平和政治面貌高于普通居民。戊某、己某两位关键性少数有主见，在社区内有较强影响力和组织能力。根据大五人格测试量表，戊某和己某的性格特质存在较大差异，分别负责上传下达和出谋划策，但总体关键性少数太少，彼此之间分工不够细化。组织变化情况方面，B楼建桥前和建桥中组织松散，建桥后开始上访时，但由于积极性不高，为提高效率，群体自发分工，形成较为明确的组织。由于事件迟迟得不到解决，组织内部产生较多分歧，关键性少数萌生退意。政府解决遮光问题后，两位代表退出，其他组织成员想继续上访，但碍于无人组织，该楼组织基本瓦解。

（3）C楼关键性少数情况，如表3所示。C楼关键性少数两人，年龄均在60岁以上，教育水平较普通居民稍高。庚某、辛某两位关键性少数有较强的影响力、组织能力和个人决策能力。根据大五人格测试量表，两位关键性人物的性格特质较为相似，表现为高程度的社交性。此外，庚某具有低利他性且居民对其满意度较低。综合而言，两位关键性少数承担的责任较为相似，几乎没有分工的细化，组织的稳定性较弱、效率较低。组织变化情况方面，建桥伊始，C楼主要以个人与小团体上访以主。建桥后，C楼由于共同利益考虑与A楼一起行动，但庚某不能满足居民需要，群体内自发产生一名具有较高社区声望的居民代表辛某成为组织代表。由于C楼58户居民中8户未出资，采取搭便车策略，造成组织内不良影响。随着群体性上访次数逐渐增多，组织成员降低对庚某信任度，代表辛某得到大多数人信赖，成为主要带头人，组织中代表的角色发生显著改变。政府解决遮光问题后，因噪音与粉尘问题不严重，组织中参与者人数退减，随后代表退出，该楼组织瓦解。

（二）危机生命周期视角下群体性上访事件的演化趋势

本文考察关键性少数在整个群体性事件中所起的作用，将群体性上访事件纳入危机生命周期理论中展开探讨。群体性上访事件的生命周期以及生命周期的划分标准、关键性少数的产生和作用以及退出、关键性少数人格特质和角色分工等问题是本研究的重点。

1. 群体性上访事件危机生命周期发展分析

本文结合危机生命周期理论，选取居民群体性上访事件中的标志性事件节点，将整个群体性事件划分为四个阶段，分别为：产生期、发展期、成熟期和衰退期，如图2所示。

（1）群体性上访事件的产生期。从个体居民发现建桥开始，到第一次集体在楼下开会商讨结束。居民发现建桥，单个个体和偶然结成的小团体自发在楼下议论，整体并无组织，也未形成明确利益集团。由于政府未通过居民听证会而建桥，居民情绪较为激动和不满。

（2）群体性上访事件的发展期。从居民第一次集体商讨开始，到居民集体至市政府反映情况结束。随着参与人数的增多，具有领导特质的个体开始出现。同时，由于受影响程度和所处位置的差异，群体分化为4个利益集团：A楼、B楼、C楼和D楼。利益集团之间行动相互影响、协作性强。此外，群体成员彼此情绪感染，形成盲从、法不责众和搭便车心理。这时期群体的情感诉求逐渐向利益诉求转变。

（3）群體性上访事件的成熟期。从居民集体去市政府反映情况开始，到得到挡光补偿结束。该时期内，关键性少数得到确定，分工明确、定位清晰。普通居民以出资形式间接参与，支持关键性少数工作，形成明确的委托—代理关系。同时，以楼为单位的利益集团独立性增强。但由于利益、心理失衡等因素，各楼开始隐瞒自己的行为策略，而随着事件发展，群体利益集体之间逐渐分化出领导者A楼和跟随者B楼、C楼和D楼。这时期，利益集团的行动在关键性少数的带领下均趋于一致。

（4）群体性上访事件的衰退期。从居民领取到遮光补偿开始，到本次调查结束时仍在继续。伴随着上访代表们的不断碰壁和时间拉锯，上访群体不得不妥协，群体利益诉求逐渐降低。该时期内，由于部分利益诉求已得到解决，利益集团的关键性少数也开始考虑退出，不再就噪音和污染问题继续上访。普通成员因缺乏组织领导，也选择放弃。

2. 危机生命周期视角下关键性少数的行为分析

（1）关键性少数的基本状况。首先，在年龄结构上，本案例中8位关键性少数的平均年龄为62岁。由于青年人忙于工作，组织上访的机会成本较大，而且性格较急躁，彼此之间不容易形成合作，而老年人基本无独立行为能力，因而55—65岁的群体成为群体性上访事件的主力人员，这一群体多退休在家，受修桥影响较大，同时还有部分刚退休，智力与体力足以应付群体性上访活动。这部分群体在时间上、动机上、能力上均具有充分行为空间。其次，在教育背景方面，关键性少数的教育水平越高、理性分析和判断能力越强，易取得群体成员认可，从而更有助于有效组织上访。最后，在社区影响力、组织能力和主见等方面，关键性少数表现为正向指标，一般具有较强的社区影响力、组织能力和自我主见。

（2）关键性少数的产生和作用及退出。关键性少数并非贯穿于群体性事件的始末，而是产生于事件的发展期、显著于事件的成熟期，并在衰退期活动减少或退出。在群体性上访事件的发展期，关键性少数产生，随着参与人数增加，松散的个体和小团体发展为规模较大的松散组织。个体受群体感染，表现为盲从与冲动，此时组织内部急需领导人出现，即为关键性少数，也可理解为关键性少数是群体上访事件组织化过程的必然结果。在群体性上访事件的成熟期，关键性少数与普通居民形成委托—代理关系，表现为关键性少数与普通居民的相互作用。由于群体参与者利益诉求多元化，关键性少数能更好地表达群体诉求，减少信息不对称和冗余。同时，此阶段关键性少数不同的人格特质使其在群体中具有不同的分工角色，影响群体组织的运作和变化。值得注意的是周围环境对关键性少数的影响，群体组织的支持力度和利益诉求强度显著作用于关键性少数的态度。在群体上访事件的衰退期，关键性少数活动减少或退出。当部分利益诉求得到解决，既得利益者新诉求的动力降低表现为参与者人数减少、参与热情降低、搭便车者增多，关键性少数活动减少或退出，组织逐渐瓦解。

（3）关键性少数的人格特质和角色分工。本文选用大五人格测试量表对8位关键性少数的人格特质进行测量，测量结果发现，人格特质显著影响关键性少数在组织内的角色分工。

群体性上访事件中名义首脑均有高社交性;具有高社交性、高开放性的关键性少数负责上传下达，成为组织的传达者;具有高适应性、低开放性的关键性少数负责出谋划策，成为组织的智囊;具有高社交性、低道德感的关键性少数成为冲锋者。笔者发现，关键性少数的人格特质差异越大、角色分工越明确、与普通居民互动效果越好、组织工作效率越高。此次群体性事件中A楼关键性少数的性格特质差别明显，组建的团体结构稳定、分工明确、工作效率高，在整个群体性上访事件的4个利益集团中起到领导者的作用。B楼关键性少数性格特质差异较大，由于关键性人数太少，彼此之间的分工不够细化，组织稳定性和效率不及A楼，处于跟随者的角色。C楼关键性少数人格特质差异较小，承担责任相似，没有细化分工，组织的稳定性弱、效率低，对群体性事件生命周期的发展不起决定性作用。

（三）基于Netlogo的群体性上访事件仿真模拟

为清晰呈现群体性上访事件中行为主体之间的交互作用及其影响，深入研究危机生命周期理论下群体性上访事件的发展结果，本文运用复杂系统多主体建模方法，构建群体性上访事件的仿真模型，并通过Netlogo仿真软件，模拟外部冲击下行为主体之间的交互作用，从而分析群体性事件的特征和规律。本部分先调整模型的初始设置和相关参数，计算出每个行为主体在第T期的能量，当能量超过上访门槛值时，此行为人变为上访者;反之亦然。由此据Netlogo仿真软件模拟出0—T期上访者人数的动态变化，进而生成上访者人数时间趋势变化图，即事件发展的生命周期图。最后本文将考察取不同参数值的情况下，群体性上访事件所呈现的不同生命周期状态，并提出相应的政策建议。

1. 模型的基本假设

（1）关键性少数的基本状况。系统初始变量（Initial Value of System）由群体性上访事件发生的环境决定，是事件发生时的客观环境条件，包括行为主体总人数（N）、关键性少数数量（n1）、其他人数量（n2）和事件观测时间（T）。其中，关键性少数（Key Minor）在仿真系统中用箭头表示。其他人（Others）在仿真系统中用圆圈表示。且N=n1+n2。

（2）行为主体特征参数（Character of Agents）。关键性少数和其他行为主体在教育背景、人格特质等方面具有明显差异，在模型中主要通过影响范围（R）、活动范围（D）、初始能量（Eia）和上访门槛（Ethreshold）4个参数的不同赋值进行区分。本研究关键性少数和其他行为人在影响范围、活动范围、初始能量的取值范围依据Meng等[20]的研究，即多元主体在不同参数下的演化结果不同，以及刘常昱等[22]基于Agent舆论传播模型的初始取值范围进行赋值。而门槛的取值范围主要参考Kochemazov[23]提出的确定性线性阈值模型确定门槛阈值。本研究对关键性少数的具体赋值为：R∈0，50，D∈0，100，Eia∈0，400，Ethreshold∈0，600;对其他人的具体赋值为：R∈0，30，D∈0，60，Eia∈0，300，Ethreshold∈0，800。 其中，影响范围（R）：以单个主体自身为圆心，半径为R的圆。主体只能在其影响范围内发生能量传递，影响范围与人格特质有关，社交性越高影响范围越大，关键性少数大于普通人。活動范围（D）：主体在初始位置为圆心，半径为D的圆内随机行走。活动范围与个人特质有关，适应性越高影响范围越大，关键性少数大于普通人。初始能量（Eia）：行为人在初始时具有的能量。初始能量是衡量行为主体活动能力的变量，能量越高则参加群体性事件的可能性越大，越有可能发生冲突。门槛（Ethreshold）：判断行为主体是否变为上访者的数量标准。根据格兰诺维特的理论，超过门槛的行为主体将参与群体性事件。门槛与人格特质中的利他性有关，利他性越高，门槛越低，关键性少数低于普通人。

（3）主体间关系参数（Relationship Between Agents）。主体间关系参数由群体本身内部结构决定，包括：能量传递系数（K）、能量传递成本（C）。能量传统系数取值参考李志宏等[21]基于网络媒介的突发性公共危机信息传播仿真研究，政府、媒体、公众之间的主体间能量传统系数均取为[0，1]，本研究在设定关键性少数和其他人的能量传统系数时也采取同样的取值范围，即K∈0，1。而能量传递成本（C）的取值范围参考Niizato和Gunji[24]的集体行为拓扑交互模型的取值，将关键性少数的能量传递成本参数设定为C∈0，10。其中，能量传递系数（K）：衡量不同能量主体之间传递的能量有效性。与人格特质中的开放性有关，开放性越强，转化系数越高。能量传递成本（C）：高能量者在向低能量者传递能量的过程中要付出成本。由于行为双方之间的不信任，高能量者激励他人需要付出代价，消极的参与者会消耗高能量者的能量。

（4）外部冲击（Outer Shock）。根据实地调查发现，群体性上访事件在发展过程中不断受到外部因素冲击，如居民发现修建高架桥、国家领导人到市区视察、政协对事件的立案、市领导换届等外部事件的发生均对居民上访行为产生重要影响。为描述此类外部冲击，本模型引入两种连续的（即对每一期都有冲击）随机冲击项（S）：其一为S服从（-1，1）上的均匀分布，即S∽U-1，1;其二为S服从均值为0，方差可调的正态分布，即S∽N0，sd。本文将外部事件冲击开始的时间设为Ti，将冲击结束的时间设为Tj，两种冲击强度分别为S∽U-1，1、S∽N（me，sd）。

2. 模型的动态演化

3. 基于Netlogo的仿真模拟实证

根据模型的基本假设和动态演化，本文基于Netlogo仿真软件，模拟当存在外部冲击时，由于访民之间的交互作用而形成的群体性上訪事件过程。仿真流程如图3所示。

经过多达10 000多次的仿真实验，本文模拟出如下典型的生命周期形态图，如图4所示。第一，外部冲击是推动整个事件的强大动力。正向的外部冲击能显著地推动事件进入高潮，负向的外部冲击能使事件迅速衰退。在没有外部冲击时，少数上访者难以将事件扩大化，即使形成了群体性事件，也只能持续相当短的时间。在仿真模拟结果上，此情况下仿真图像表示为尖峰形，如图4a所示。在缺乏外部冲击情况下，初始能量超过门槛值的上访者自身能量在交换过程中很快散失，系统将趋于稳定。而在存在外部冲击情况下，从众行为与能量传导机制使得群体中大部分人的能量水平很快超过门槛值，从而引发群体性上访事件。在仿真模拟结果上，此情况下仿真图像波动频繁且剧烈，上访者能量和上访持续时间在不同程度的外部冲击下，呈现出不同的趋势，如图4b—4f所示。其中，图4b为典型周期，上访者能量平稳增减;图4c为增长期爆发，上访者能量在发展期内迅速增长，并随着时间的推移在震荡中衰减;图4d为衰减缓慢，表现为上访者能量平稳下降，整个过程持续时间较长;图4e为迅增速减，表现为事件在较短时间内被推入高潮，上访者能量激增，随后迅速下降，系统趋于平稳;图4f为反复震荡，表现为上访者能量进入衰退期后并未完全消失，而是保持在一定的数量水平上，推动事件的长期发展。第二，发展期易出现上访者人数的爆发式增长，尤其在较高的初始能量尚未完全耗散的情况下，外部冲击的作用会造成上访人数剧烈增长，群体性过激行为也常常发生在这一阶段。第三，行为主体参数与事件演化过程的关系。在系统初始设置与外部冲击保持不变的情况下，群体事件的演化过程主要由行为主体参数和主体间关系参数决定。

经过多达10 000次的模拟，本文得出行为主体参数与事件演化的关系，如表4所示。其中，发展速度用上访者数量由零到连续尖峰的第一个峰值所用的时间衡量，时间越短则发展速度越快。持续时间用事件生命周期图的连续尖峰在没有明显衰减的情况下，第一个峰值到最后一个峰值所用的时间衡量，事件越长，则持续时间越长。衰退速度用连续尖峰的最后一个峰值衰减到零所用的时间衡量，时间越短，则衰退越快。

五、总结、政策性意涵与进一步讨论

笔者认为，关键性少数与群体性事件的发展密切相关，特别是关键性少数在群体性事件的组织内部扮演重要的角色。具体而言，关键性少数的态度和行为直接影响到群体性组织内部的协调与合作;同样地，在很大程度上，组织内部成员对于关键性少数的信任程度也影响到关键性少数的行为方式。因此，关键性少数是推动群体性事件发展的关键，而关键性少数的背景差异和个性特征以及性格分歧等加大了群体性事件治理的复杂性。关键性少数是推动群体性事件发展的关键，而关键性少数的背景差异和个性特征以及性格分歧等加大了群体性事件治理的复杂性。第一，委托代理关系的形成是关键性少数产生的标志。关键性少数并非贯穿整个事件，而是产生于事件的发展期，活跃于事件的成熟期。当关键性少数成为群体性事件的领头者后，群体性事件就由发展期向成熟期过渡，由大规模冲动性群体参与转为有计划的关键性少数组织参与，多数间接参与。第二，群体行为的理性程度由关键性少数的教育工作背景决定。良好教育背景和工作背景的关键性少数促使群体采取较为理性的方法，力图从情理和法理出发;而其他背景的关键性少数倾向于采取简单粗暴的诉求方式。第三，关键性少数的人格特质对成熟期的持续时间有重要影响。其组织能力越强，群体组织效率越高，既会推动事件的恶化发展但也会有助于问题的解决。第四，群体性事件形成的重要转折期是发展期。在发展期，关键性少数的强意愿以及正向外部冲击的助力，会显著促使群体性事件的发展和成熟;反之亦然。

群体性事件不仅影响公众的正常生活，更影响政府的正常运行，若处理不当，会显著影响政府形象和公信力。因此，群体性事件发生时，政府的首要工作就是有效沟通和监督关键性少数，管控群体性事件的走向。基于群体性事件的多方主体之间的相互影响和相互作用机制，本文结合群体性事件发展阶段提出如下政策建议：第一，防范群体性事件风险，推广基层网格化管理。治未病是解决群体性事件的根本。政府应以预防为主，防患于未然。目前，预防群体性事件的最大困难是信息的滞后性，而基层网格管理恰好弥补了群众与基层之间的间隙，能有效解决信息滞后问题。最重要的是网格管理员能第一时间收集事件信息，降低获取信息的成本，及时反馈问题，同时，对基层矛盾进行引导，降低矛盾的传播速度和力度，尽量将矛盾解决于基层。第二，理性对话，引导关键性少数理性决策。事件发生后，上访群体行为受到政府回应和关键性少数的双重影响，而其中关键性少数发挥着至关重要作用，甚至左右群体性事件发展到高潮或者迅速衰退。因此，政府应完善对话机制，一方面，识别分类群体性事件类型，避免简单处置，拓宽上访群体的对话渠道，通过交流沟通及时反馈信息，了解民众诉求，知晓上访群体迫切需要解决的问题，对应急处置措施不到位和错位的行为进行弥补;另一方面，应重视关键性少数，保障关键性少数的知情权和参与权，及时传递群体事件处理结果，促使关键性少数的理性化，从而形成政府、关键少数、上访群体三者之间的良性互动。

本文采取个案分析法对群体性上访事件中的关键少数作用机制进行探索性研究。虽然此事件具有一定程度的典型性和代表性，但是由于群体性事件涉及行业越来越多，主体成分越发多元化，因此，本研究仍需要进行多案例、跨区域验证，以寻找普遍性的规律。

参考文献：

[1]李燕凌，丁莹.网络舆情公共危机治理中社会信任修复研究——基于动物疫情危机演化博弈的实证分析[J].公共管理学报，2017，（4）：91-101.

[2]余艳红.群体性事件与政治稳定：一项基于风险模型的新解释[J].哈尔滨工业大学学报（社会科学版），2018，（3）：29-35.

[3]賈瑞雪，李卫东.基于社交网络演化的政府形象认知传播机制——以上海“12·31”外滩拥挤踩踏事件为个案[J].公共管理学报，2018，（2）：28-42.

[4]张国亭.当前群体性事件的趋势特征与有效应对[J].理论学刊，2018，（5）：119-126.

[5]李根强，刘人境，孟勇，等.社会网络视角下思维聚焦对集群行为发展趋势的影响[J].软科学，2017，（7）：126-130.

[1]古斯塔夫·勒庞，谷珊，赵婷婷.乌合之众：大众心理研究[J].人民法治，2018，（19）：103.

[7]Song， Y.， Sailer， A.， Shaikh， H. Problem Classification Method to Enhance the ITIL Incident and Problem [A]. IEEE. Proceedings of the 11th IFIP/IEEE International Conference on Symposium on Integrated Network Management[C]. New York： IEEE Press，2009. 295-298.

[2]Coombs， W. T. Deep and Surface Threats： Conceptual and Practical Implications for ‘Crisis vs ‘Problem [J]. Public Relations Review， 2002， 28（4）：339-345.

[9]许尧.维权与维稳的内在逻辑及相互促进机制[J].甘肃行政学院学报，2017，（3）： 78-95.

[3]廖和平，曹汉林.群体性事件产生的社会心理机制及对策探究[J].创新，2009，（1）： 83-87.

[4]郝其宏.网络群体性事件的成因和对策——基于社会心理的分析视角[J].福建论坛（人文社会科学版），2016，（3）：104-112.

[5]韩振文.群体性事件发生的认知心理机制及其法治化防控[J].学术交流，2017，（8）： 110-116.

[6]胡仕林.利益型群体性事件中的共意建构[J].广西社会科学，2016，（9）：169-172.

[7]Will， T. Flock Leadership： Understanding and Influencing Emergent Collective Behavior [J]. Leadership Quarterly， 2016， 27（2）： 261-279.

[8]徐伟.群体性事件中组织领导者的心理探析[J].西安电子科技大学学报（社会科学版），2015，（4）：73-79.

[16]青平，张莹，涂铭，等.网络意见领袖动员方式对网络集群行为参与的影响研究——基于产品伤害危机背景下的实验研究[J].管理世界，2016，（7）：109-120.

[9]冯艳飞，黄宏纯.基于危机周期理论的应急管理技术创新体系[J].武汉理工大学学报（信息与管理工程版），2012，（6）：733-736.

[10]Jaques， T. Issue Management and Crisis Management： An Integrated， Non-Linear， Relational Construct [J]. Public Relations Review， 2007， 33（2）：147-157.

[11]华坚，张长征，吴祠金. 利益博弈与群体力量——基于演化博弈的群体性事件生成机理及其化解[J]. 河海大学学报（哲学社会科学版），2015，（4）：53-59.

[12]沈一兵.从环境风险到社会危机的演化机理及其治理对策——以我国十起典型环境群体性事件为例[J].华东理工大学学报（社会科学版），2015，（6）：92-105.

[13]何哲.群体性事件的演化和治理策略——基于集体行为和西方社会运动理论的分析[J].理论与改革，2010，（4）：105-109.

[14]李卫东，贺涛.微博舆论传播的复杂网络拓扑结构模型及其演化机制[J].新闻与传播研究，2013，（11）：90-105.

[15]虞铭明，朱德米.环境群体性事件的网络舆情扩散动力学机制分析——以“昆明PX事件”为例[J].情报杂志，2015，（8）：115-121.

[16]Zanette， D. H. Dynamics of Rumor Propagation on Small-World Networks [J]. Physical Review E， 2002， 65（4）：1908.

[25]郑君君，闫龙，周莹莹.环境污染群体性事件中行为信息传播机制——基于心理因素的分析[J].技术经济，2015，（8）：71-78.

[26]薛可，黄晶，余眀阳.基于不确定性多属性决策方法的网络论坛危机信息传播决策研究[J].上海交通大学学报（自然版），2012，（11）：1874-1880.

[17]Xu， Z.， Li， K.， Sun，M.，et al. Interaction Between Epidemic Spread and Collective Behavior in Scale-Free Networks With Community Structure [J]. Journal of Theoretical Biology， 2019， 462（1）： 122-133.

[18]Zhang， L.， Zhong， Q.， Qi， W. Two-Stage Dynamics of Crisis Information Dissemination on Social Network [A]. IEEE. International Conference on Management Science & Engineering：16th Annual Conference Proceedings [C]. Moscow： IEEE Press，2009. 2117-2122.

[19]Wei， J.， Bu， B.， Guo， X.，et al. The Process of Crisis Information Dissemination： Impacts of the Strength of Ties in Social Networks [J]. Kybernetes， 2014， 43（2）：178-191.

[20]Meng， L.， Kang， Q.， Han， C.， et al. A Multi-Agent Model for Simulation of Public Crisis Information Dissemination [J]. International Journal of Wireless and Mobile Computing， 2016， 111（11）：33-41.

[21]李志宏，王海燕，白雪.基于網络媒介的突发性公共危机信息传播仿真和管理对策研究[J].公共管理学报，2010，（1）：85-93.

[22]刘常昱，胡晓峰，罗批，等.基于Agent的网络舆论传播模型研究[J].计算机仿真，2009，（1）： 20-23.

[23]Kochemazov， S. Comparative Study of Combinatorial Algorithms for Solving the Influence Maximization Problem in Networks Under a Deterministic Linear Threshold Model [J]. Procedia Computer Science， 2018， 136（1）： 190-199.

[24]Niizato， T.， Gunji， Y. Metric-Topological Interaction Model of Collective Behavior [J]. Ecological Modelling， 2011， 222（17）： 3041-3049.

[35]侯俊东，肖人彬.网络群体性事件中政府公信力的演变：一个多案例的研究发现[J].管理评论，2017，（10）：258-272.

（责任编辑：徐雅雯）