主页 > 案例大全 >

论文案例分享-互联网时代下演艺明星个人信用评价体系构建与信用

2021-02-23 10:33


   互联网时代下,我国个人征信业得到极大发展,然而作为公众人物的演艺明星群体尚无针对性信用管理体系。本文从演艺明星典型失信行为入手,分析归纳了演艺明星的主要信用问题,随后借鉴以往的评价体系研究,提出了互联网时代下演艺明星个人信用评价体系的设置原则,参照学者吴晶妹的三维度信用论构建了具体的演艺明星个人信用评价指标体系以及信用评分标准,最后给出了针对演艺明星的信用监管建议。

 

  (一)研究背景与研究意义

 

  中国影视行业经过几十年的改革发展,催生了一批龙头企业和经典作品,不仅丰富了人民群众的精神文化生活,大量演艺明星也从中受益。在看到成绩的同时,也必须解决发展中遇到的一些问题。比如,收视率数据中的“水分”问题、流量造假顽疾久治不愈、逃税、学历造假反映出的学术不端等。

 

  类似的信用缺失事件层出不穷,原因或有如下几点:1、利益驱使。互联网发达的时代下,粉丝对明星的消费更加便捷,明星的收入不菲且渠道多种多样,导致无数人前赴后继削尖了脑袋想要挤进娱乐圈分一杯羹。这样的情况下必然引发激烈竞争,在位者纷纷使用各种手段保住自身的利益,利益的驱使下甚至道德底线也抛至一边。不论是造学术光环还是流量造假都只是为了提升关注度,以便拥有更优的资源,赚取更丰厚的酬劳。偷漏税的行为更不必说,为了金钱而钻税法的空子,说到底还是被利益迷了眼;2、准入门槛低。过去的演艺界大多都是业务能力强并愿意吃苦努力的演员通过优秀作品而出名。当今的演艺界,似乎不论通过什么途径,只要有了热度有了话题就能进入,无热度的也能靠专业团队炒作获得人气。某些毫无演技可言的明星片约不断,舞台划水事件也是家常便饭,职业门槛如此之低,业务能力尚不用严格考察,更别提个人品行操守是否过关了。此外,对于道德品质方面有过污点的明星而言,再准入门槛也意外地低,理应竭力抵制的人行业却存在一定容纳度;3、规则悬浮。目前在法律层面,对演艺明星的征信方面尚没有具体的法律法规出台,对明星的约束,更多的是通过行业规则与明星自身的自律来进行。总的来说,规则可以分为两类:程序性规则和实质性规则。[1]程序性规则譬如审批程序等,在演艺圈中表现为所谓的“出道”的程序;实质性规则即需要真才实学与成为一个演艺明星的必备品格。但在规则悬浮的情况下,很多实质性规则在实践中就转化成了程序性规则,只要走了程序,就可以获得相应的资格,自然也就留有钻空子的余地。

 

  这些个人信用败坏的行为,对整个文化行业乃至整个社会都产生严重的负面影响:1、受众引导。明星作为社会公众人物,其受众几乎遍及各个年龄群体,其中青少年占了大比例。演艺明星本应以身作则,更多地为大众树立一个健康向上、积极正面的形象,以此对青少年起到良性引导作用。如果因为一些明星的负面行为,给大众,尤其是青少年带来不好的影响,其结果不堪设想;2、恶性竞争。行业竞争应成为促进发展进步的工具,因此其依托的根基必然容不得掺假。当演艺明星为了流量去造假,当行业失去真实数据这一发展基础,从事唯利是图的无规范竞争,最终将导致整个行业环境失衡,严重时甚至会波及经济社会整体发展生态;3、市场秩序紊乱。若部分演艺明星偶像失格的行为屡教不改,并且缺少一定力度的惩戒措施与同行监管,就会出现“劣币驱逐良币”现象,导致文娱市场行业乱相,流量明星身居高位,而兢兢业业者却位处草野。久而久之,便演变成整个演艺行业的信用失守。因此,要构建良好的行业形态,需要从平台到监管部门多方联手,用好法律惩戒手段,加大整治处罚力度,通过对症下药、重典治乱,将注水数据逐出市场,营造风清气正的行业生态环境。

 

  在互联网时代下,信息发达且传播迅速,因此对于演艺明星的信用监管迫在眉睫。本文研究互联网背景下演艺明星的个人信用监管问题,意义在于通过构建适合演艺明星的个人信用评价体系,为演艺界的信用问题提供一些管理思路与监管建议,以使信用问题得到有效控制,缓解“劣币驱逐良币”现象,还原作品优劣的公允标准与评判,保护艺术品质,维护文艺创作的健康生态。

 

  (二)个人信用评价在演艺行业中的作用

 

  信用是市场经济的生命和灵魂,市场经济越发展,商品交易越频繁,对信用的需要就越强烈。随着演艺行业的发展与市场需求的增长,投资人、明星、消费者之间的交易更加频繁,交易范围不断扩大,信用尤其是最大受益群体演艺明星的个人信用所扮演的角色越来越重要。个人信用是行业持续稳健发展的基础,也是行业秩序的重要表现。诚信是一项重要的道德准则,是做人的根本,也是国家生存和发展的根本。可以说,好的个人信用是人的第二张身份证。大数据时代,个人信用信息更加透明,有过不良记录的人,求职时会更加困难,购买保险时需缴纳更高的保险费,贷款时也要支付更高的利息。[21]为演艺明星这一特定群体构建个人信用评价体系就是制定出一套行之有效的行业规则,提高信用缺失行为的成本,以此有效降低投资人与明星、粉丝与明星之间的信息不对称问题,缓解逆向选择和道德风险给相关方面带来的损失。其中,逆向选择问题例如投资人在不知演艺明星数据造假的情况下与明星方合作而未达到与酬劳相对应的利得回报;道德风险问题例如明星与个别粉丝私联将粉丝群体为某活动筹集的款项挪作他用。建立起一套真正能落到实处的演艺明星个人信用评价体系并有效监督,有利于减少偶像失格行为,纠正演艺行业乱相,引导演艺市场优序良俗,也对社会大众有着很好的榜样作用,推动诚信社会建设。

 

  (二)主要研究内容与篇章结构

 

  在互联网迅速发展的背景下,大数据征信具有的优势得到充分重视,我国个人征信业得到了极大发展。本文通过对近年来演艺明星个人信用缺失行为的剖析,对传统的征信体系的研究与借鉴,旨在探索出符合当今互联网时代下演艺界特色的个人信用评价体系,为演艺界的信用监管寻求有效的改进方法,以期完善相关制度,让逾越红线的失信者寸步难行,促进演艺界的精良制作与思想精深,获得演艺明星对社会精神生活的良性引导作用,促进社会公平与文化事业的良好发展。

 

  篇章结构如下:【定稿时用流程图表示】

 

  1、提出互联网时代下演艺明星信用缺失的现象,归纳突出的信用问题;

 

  2、根据个人信用评价等级的设置原则,借鉴学者吴晶妹的三维度信用论构建互联网背景下演艺明星个人信用评价指标体系,并确立各指标评分标准,且举例应用;

 

  3、给出针对演艺明星的信用监管建议。

 

  (三)拟解决的关键问题与可能创新

 

  本文拟解决的关键问题主要是通过实例研究分析目前演艺界存在的信用缺失问题,有针对性地提出改善该状况的合理有效的办法,并构建演艺明星的个人信用评价体系,促进社会公平与文化事业的良好发展。

 

  本文创新之处在于探索未曾构建的适合演艺界明星的个人信用评价体系,重点是通过实例研究分析目前演艺界存在的信用缺失问题,有针对性地提出改善该状况的合理有效的办法,并尝试建立相关信用评价体系,以缓解明星与投资人、消费者之间的信息不对称问题。

 

  二、文献综述

 

  近年来,随着社会快速发展与互联网的逐渐普及,个人信用问题也逐渐突出并呈现出新的特点。目前国内外已有个人信用体系方向的研究工作,以下对我国个人信用体系的现状进行阐述,并总结国内外学者研究个人信用评价体系中所运用的方法。

 

  (一)核心概念

 

  个人信用体系是指由国家建立,用于监督、管理和保障个人信用活动健康发展的一系列具有法律效力的规章制度和行为规范。其基本内涵包括个人信用登记、个人信用评价、个人信用风险预警、个人信用风险管理以及个人信用风险转化等制度。主要目的是为证明、解释和查验自然人信用情况提供依据,并通过一系列法规、制度来规范个人信用活动当事人的信用行为,为建立良好的市场经济运行秩序提供制度保障。

 

  个人信用评价就是通过综合考察影响个人及其家庭内外环境的因素(包括经

 

  济、金融、司法、工商、财产等过程在内的),使用科学严谨的分析方法,对个人及其家庭的资产状况履约情况、经济承受能力和信誉度进行全面评判与评价,并以一定的符号来表明其信用状况。也就是说,个人信用评价是个人资产和个人信用状况的综合反映。

 

  因此,演艺明星的个人信用评价体系就是通过考察演艺明星信用相关的各项指标,采取科学的研究方法建立的一套旨在综合反映演艺明星的信用状况、规范行业发展的制度安排。

 

  (二)个人信用评价体系方法综述

 

  目前已有很多国内外学者对于个人信用评价体系的构建方法作出研究工作,研究工作中所运用的主要方法有古典信用、统计学、运筹学、人工智能等。

 

  在古典信用方面,吴晶妹(2015)[3]提出了三维度信用理论,其中一维是诚信度,二维是合规度,三维是践约度,对这三个维度进行综合判断以反映信用主体的综合信用状况。Mohammadi提出了5C分析法(现已更新至6C),从借款人的道德品质、还款能力、资本实力、抵押品和经营环境这5个方面(新增项为事业的连续性)评估了借款人的信用风险;我国学者胡望斌、朱东华(2005)[4]所提出的个人信用评价指标体系中也有“3C”原则,银行通过评价借款人的品德、能力以及抵押品,以此对借款人在债务期满时偿债能力和还款意愿等进行预测。

 

  王海峰(2019)[5]研究了利用模糊聚类对P2P网贷平台借款人的信用进行评估,为个人信用打分,再进行等级划分,以此建立评估模型,但是运用该方法所得出的结果带有较强的主观性。

 

  在统计学方法方面,张成虎(2009)[6]等人基于判别分析建立了个人信用评分的多元线性判别模型并进行了对个人信用的评分检验,该模型的稳健性较好,并且还具有一定的预测能力;Sven Fischer(2019)[7]基于扩展二项式分布提出一种信用风险模型,该模型特别适用于风险集中度和尾部风险的管理。

 

  在运筹学方法方面,朱毅峰、孙亚南(2008)[8]将基于卡方自动交互检测的决策树模型引入个人信用评估领域,以提高对坏客户的正确判断率,从而降低风险。GuoMinmin用随机AHP和模糊AHP方法帮助决策者对财务风险确定信用评分。

 

  在人工智能方面,计算机技术的发展为学者的研究提供了极大便利。刘冉(2007)[9]采用神经网络技术建立个人信用评估模型,对客户的信用等级进行划分,从而确定相符合的授信额度。洪远芳、邹永福(2010)[10]针对两类个人信用数据混叠较严重的数据集,提出对数据集先利用最近邻算法进行修剪,再应用SVM算法对个人信用进行评估。萧超武、蔡文学等人(2014)[11]提出了基于随机森林组合分类算法的个人信用评估模型,该模型具有较好的稳定性和预测精度。Vincenzo Pacelli,Michele Azzollini(2011)[12]通过分析人工神经网络模型的能力,用以预测企业的信用风险,建立了基于人工神经网络方法的信用风险管理模型。林娟等人(2013)[13]提出了基于遗传算法和ANFIS的个人信用评分模型,该模型仅需少量的属性变量便可得到较好的分类结果。代婷婷等人(2017)[14]针对商业银行的信用风险问题,提出了偏最小二乘回归分类法的个人信用评估算法,该方法简单且有效。王晓慧、李云飞(2018)[15]运用判别分析法构建关于样本的评分模型,再用神经网络法对样本进行评分预测,并对神经网络预测得分进行降序排列,最后进行有序样本最优分割,实现个人信用的等级划分,从而选择优质客户,降低信贷的风险。陈战勇(2020)[16]借助人人贷网络借贷平台的数据,利用广义交叉验证、随机森林等机器学习算法对借贷客户特征变量进行筛选,并建立融入证据权重的Logistic信用评分卡模型,将大数据下的逻辑回归算法与证据权重相结合,构建混合评分模型,提高了信用评分的预测准确性。

 

  在互联网大数据背景下,个人信用评估系统的运作方式是:将采集的数据利用科学、客观的分析方法和统一的评估标准,对个人信用进行全方面评估,并用专业符号和文字表示出评估结果,并可将信用划分为若干等级,例如将评估分值划分为AAA到D这八个等级,来对信用程度进行划分。信用指标确定后,大数据技术根据个人全部信用信息,依据信用评价模型(大致可分为两类:统计分析和人工智能分析。其中,统计分析可划分为判别分析法和回归分析法;人工智能分析可划分为只包含一种模型的单一学习算法与启发式算法结合的混合学习算法,包含多个分类模型的集成学习算法)。在关键的差异巨大的数值上应基于实际考察后充分细化,可以将AHP层次分析法与模糊综合评价法结合起来,构建多级模糊综合评价模型,再进行信用评分,并定期更新。[17]

 

  三、当前演艺明星个人信用主要问题

 

  近年来演艺界信用缺失现象层出不穷,以下选取几个典型案例概括当前演艺明星个人信用主要问题:

 

  (一)学术造假

 

  2018年8月26日,演技与学位双向加持的电影学博士翟天临因一句“不知知网为何物”而引起社会广泛关注,遭到了全面的学术打假,最终被撤销博士学位,沦落为学术不端的负面教材。此次事件,不仅暴露了他自身突破诚信求实的道德底线的劣迹,更是关乎教育界的学术公平性,涉及了寒窗十年的学子们、穷首皓经的学术研究者的公共利益,影射出学术界少数鱼目混珠的公正缺失现象。[18]其实,演艺界靠学霸人设为自己增彩的何止翟博士一人,学术光环带来的形象优势令许多明星热衷于打造学霸人设,然而盛名之下其实难副,这为社会各群体带来了负面影响。

 

  (二)偷税漏税

 

  轰动一时的范冰冰偷漏税案反映出演艺界的又一信用缺失状况,高达8亿多元的违法成本不禁令人咂舌,同时也对国家税收管理,尤其是个人所得税的征管起到了重要的警示意义。事实上,许多演艺明星片酬畸高、收入多样,由此衍生出的偷漏税渠道更是五花八门,“阴阳合同”屡见不鲜。[19]由于这种行业特殊性,税务部门应重点审查演艺明星这一群体,对其收入与缴税实行更加严格的监管,杜绝投机分子钻税法漏洞的现象,以期为全社会带来强有力的震慑作用。

 

  (三)流量造假

 

  在互联网时代,流量日渐成为商业选择的评判标准,不可遏制地催生了流量造假这一行为,在演艺界更是有过之而无不及,流量当道下,花钱买数据早已是圈子里心照不宣的手法。在“净网2019”的专项行动中,公安部成功抓获了利用非法软件恶意刷流量的犯罪团伙,该犯罪团伙曾为某明星刷出转发量过亿的“伟绩”,令人唏嘘。在这种流量造假的不正当竞争中,优秀的作品、业务能力被忽略,互联网时代下群体效应更是被放大,虚假繁荣的数据明星身处高位受人追捧,而一些真正的老戏骨、优秀演员因不愿意流量造假而逐渐在演艺市场被边缘化,造成资源错配,误导了投资人和消费者,扰乱了行业秩序,甚至违法违规。[20]

 

  (四)人设化标签化严重

 

  演艺界的浮躁风与人设、标签不无关联,建立一个符合受众期待的人设可以迅速将自身与某标签挂钩,增加受众印象。这种现象发展严重时,便衍生出部分流量明星靠不断制造话题而博取关注,并非靠作品立足的行业怪相。

 

  以上只是近年来演艺明星信用缺失的冰山一角,但我们足以窥见,演艺界的信用状况不佳并且久治不愈,因此,对于演艺明星的信用问题管理应尽快展开。

 

  四、互联网背景下演艺明星个人信用评价指标体系与事例

 

  (一)演艺明星信用评价指标体系的设置原则

 

  演艺明星个人信用评价体系应当基于科学的指标体系对主体对象的信用水平做出综合评价,在具体的评价体系构建中,如何科学合理地确定具体信用指标构成是关键所在。对于个人信用评价体系的指标选取有以下原则:[22][23]

 

  1、全面性

 

  信用评价指标的内容应该全面地反映所有影响评级对象信用状况的各项要素,不但要考核过去的情况,而且还要预测未来的发展趋势;不但要考虑评级对象本身的情况,而且还要研究环境对其产生的影响。

 

  2、科学性

 

  信用评价体系的各项指标必须有机配合,相互之间既不重复又无矛盾。同时指标的计算和评价方法必须科学,要有一定的依据。

 

  3、公正性

 

  信用评价指标体系的建立要符合客观事实,能正确反映评价对象信用等级的真实面貌。指标体系和计算方法不能偏向任何一方,评级机构和评级人员必须态度公正评价客观,以事实为依据,决不能根据个人爱好任意改变指标项目、计算方法和评价标准。

 

  4、合法性

 

  信用评价指标必须遵守国家有关政策、法律和法规,指标体系要体现国家宏观政策的导向。

 

  5、层次性

 

  指标选择应尽可能地从不同层次、不同方位涵盖个人信用的评估要素,以全面真实地反映个人的信用能力。所选指标应有充分的信息综合能力,指标过多会失于繁琐,指标太少则会导致评估的失真或失效。

 

  6、可操作性

 

  所设指标要比较容易取得资料来源,力求使指标设置在科学完整的基础上且简便易行。

 

  因此,在演艺明星的信用评价体系构建中,其指标选取应:(1)全面覆盖并选取不同层次的具体信用构成;(2)科学选取各信用构成的指标项;(3)选取指标应遵循公正性、合法性及可操作性。

 

  (二)演艺明星信用评价指标体系的构建

 

  1、理论依据

 

  学者们从各个角度对互联网时代大数据背景下个人信用评价指标进行了研究。在古典信用方面,知名学者吴晶妹从信用的内涵和实质角度,提出了三维度信用论。一维诚信度,主要衡量个人的信用意愿,由个人的本性和素质决定,具体包括个人身份职业和社会关系等;二维合规度,主要衡量个人在社会中的信任度,主要表现为个人社会行为的合规程度,具体包括纳税情况违法违规情况公共费用缴纳情况等指标;三维践约度,主要衡量个人在经济交易活动中的行为,由契约关系约束,主要表现为电子商务领域和互联网金融领域的履约情况。[3]

 

  本文以三维度信用论为理论基础,并结合实际情况,从一维诚信度和二维合规度来构建互联网大数据背景下演艺明星个人信用评价指标体系,如表1所示。[22][24]

 

  表1演艺明星个人信用评价指标

 

  维度一级指标二级指标

 

  诚信度身份特质学历

 

  入行年限、收入情况

 

  资产情况

 

  贷款情况

 

  业务情况所获奖项及奖项含金量

 

  作品评分

 

  代言数量

 

  社交关联用户粉丝数量

 

  投资人评分

 

  路人评分

 

  合规度行为轨迹纳税情况

 

  公共费用缴纳情况

 

  违法违规情况

 

  社交网络个人信息真实度

 

  作品数据注水次数

 

  公共平台恶意刷流量次数

 

  恶意营销次数

 

  2、指标选取原因分析

 

  三维度信用论的一维诚信度主要考察人的本性与基本素质是否达到信用标准,主要包括个人的职业身份与社会关系。作为演艺明星,诚信度方面分为个人身份特质以及作为本职的业务情况调查、在互联网背景下社交APP中的关联用户三个部分。

 

  其中,第一部分身份特质中又包括:(1)学历。不论是什么职业,学历都是举足轻重的因素,社会需要高素质全方位人才,而一般而言人们的认知中,学历与素质、学习能力是成正相关的,因此可以说对于大多数工作来说,学历是基本的敲门砖。而对于演艺明星这个准入门槛没有那么严格的职业来说,学历依然是个人信用评价的重要参考。在互联网背景下,我们无法近距离接触演艺明星,无法感知其个人素质与道德如何,便可通过其学历对其基本情况探知一二。当然,一些伪造学历的现象也存在,对此应严格检查与防控,一经发现伪造行为应处以严惩;(2)入行年限、收入情况。诚如有丰富工作经验的职员更易获得用人单位的青睐,在演艺界入行年限也是一项重要考察标准,一般而言,入行年限越长者,信用状况也越好。同样,人在职场很大一部分原因还是为了个人利益的获得,收入越丰厚者,信用问题也相对会较少;(3)资产情况、贷款情况。与平常人一样,演艺明星也背负着资产与贷款方面的压力,一个人的资产状况越好,负债越少,其冒风险的机会成本就越大,必要性就越小,因此信用状况一般与资产情况成正相关,与贷款情况成负相关。

 

  一维诚信度的第二部分业务情况中包括:(1)所获奖项及奖项含金量。所获的奖项及其含金量是对于演艺明星业务能力与努力程度的认可,因此是一项重要指标。一般而言,所获奖项越多,含金量越高,演艺明星在圈中的咖位相对越高,信用状况越好;(2)作品评分。演艺明星的本职工作就是回馈大众优秀的文艺作品,大众对于作品的评分是至关重要的,可以看出该演艺明星是浮躁地只在乎利益而接一些有流量而无内容的作品,还是始终不忘初心止于至善。除去一些恶意刷评分的行为,一般而言,作品评分越高,演艺明星的信用状况越好;(3)代言数量。品牌为了销量会找粉丝数量多、口碑好、引流快的演艺明星为自己带货,而品牌公司的决策是经过综合考量的,因此,演艺明星的代言数量越多,代言的品牌越高端,其信用状况一般而言也越好。

 

  一维诚信度的第三部分社交关联用户中包括:(1)粉丝数量。在互联网中和演艺明星社交关联度最高的就是粉丝群体了,粉丝数量多少也侧面反映出演艺明星的现时人气与发展前景,一般来说,粉丝数量越多的演艺明星,越注重维持粉丝群体以为自己的事业加持,因而冒高信用风险的概率越小,信用状况相对越好;(2)投资人评分。与演艺明星合作的投资人对其评价是一项重要指标,投资人在与演艺明星的日常接触中可以感知其信用程度,以此作为是否继续合作的考虑基准,因此投资人对于演艺明星的评分越高,其信用状况一般越好;(3)路人评分。路人即潜在粉丝,是不带任何滤镜地看待演艺明星的,眼光较为公正客观,平时信用道德较好的演艺明星给路人的观感更好,路人评分自然也就越高,二者也是成正相关的。

 

  三维度信用论的二维合规度主要考察个人处于社会中的行为是否达到信用标准,表现为个人的社会行为是否合规。作为演艺明星群体,合规度方面分为其作为社会分子的行为轨迹以及处于互联网背景下的社交网络行为两部分。

 

  其中,二维合规度的行为轨迹包括:(1)纳税情况。纳税是作为公民的基本义务,无论是演艺明星等公众人物还是寻常个体都应严格履行,鉴于演艺圈发生过重大偷漏税事件,纳税情况也作为一项重要参考指标。一般而言,纳税情况越好,信用状况也越好;(2)公共费用缴纳情况。与纳税情况相同,公共费用及时缴纳不拖欠也是公民良好信用的基本体现。一般而言,公共费用缴纳情况越好,信用状况也越好;(3)违法违规情况。人生中不遵守信用的行为都会被记下一次污点,也成为后续用人单位的重要考量因素,演艺明星也如此,倘若曾经出现过违法违规情况,那么公众的接纳度就会下降,其演艺信用也会大打折扣。

 

  二维合规度的社交网络部分包括:(1)个人信息真实度。在互联网背景下,我们所获取的关于演艺明星的信息都是通过网络,如果出现个人信息作假便会误导大众,因此对于演艺明星的重要个人信息应严格审查,杜绝作假成份。一般而言,个人信息越真实,代表该演艺明星的信用状况也越良好;(2)作品数据注水次数、公共平台恶意刷流量次数。部分演艺明星团体为了作品数据更好看会暗中操作,这样的行为对于行业整体而言有失公正,如果仅靠数据注水与刷流量而不靠真才实学获得高评价,那么长此以往会造成行业秩序紊乱。一般而言,作品数据注水次数、公共平台恶意刷流量次数与个人信用状况成负相关;(3)恶意营销次数。演艺市场竞争激烈的情况下会引发恶意营销事件,如夸大有利信息、拉踩对家等,以此为自身博得利益,这样的行为同样会造成行业紊乱。一般而言,恶意营销次数与个人信用状况也是成负相关的。

 

  (三)演艺明星信用评价指标权重确定

 

  本文采用层次分析法确定指标权重。层次分析法,简称AHP法,是运筹学理论的一种,是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。层次分析法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初提出的,其优点在于将专家的经验和数学方法结合起来,在矩阵中直接使用两两比较,可以在一定程度上降低不确定因素的影响。因此用层次分析方法来确定个人信用评价体系各指标的权重是一个可选用的方法。[23]

 

  层次分析法的具体步骤如下:

 

  1、建立层次结构模型

 

  将决策目标、决策准则和决策对象按它们之间的相互关系分为最高层、中间层和最低层,绘出层次结构图。最高层是指决策的目的、要解决的问题。中间层是指考虑的因素、决策的准则。最低层是指决策时的备选方案。

 

  2、建立比较矩阵

 

  对同一层次的一组指标进行两两比较,并按其相对重要性程度,用Santy建立的九级标度法进行量化比较,以尽可能减少性质不同的诸因素相互比较的困难,提高准确度。

 

  3、单层权重值与一致性检验

 

  单层权重值是指同一层次的各组指标对上一级指标的重要性程度。且由于人们认识上的差别,矩阵判断可能不具有一致性,因此需要进行一致性检验。可用“随机一致性比值”加以检查:CR=CI/RI,其中CR表示随机一致性比值;CI表示一致性指标(CI=(最大特征根-n)/(n-1));RI表示平均随机一致性指标,其值可根据判断距阵的阶数从表中查得。当CR≤0.10时,通过一致性检验;当CR≥0.10时,说明差别太大,无效。

 

  4、层次总排序及其一致性检验

 

  层次总排序即计算某一层次所有因素对于最高层相对重要性的权值,这一过程是从最高层次到最低层次依次进行的。[25]

 

  在本文的应用中,步骤如下:

 

  1、建立层次结构模型

 

  根据表1构建层次结构,如图1所示。其中最左列为决策目标层,中间列为决策准则层,最右列为决策子准则层。本文构建的体系包含准则层5层,子准则层包含17个指标,通过比较两两指标的重要性来确定每一个指标的权重大小。

 

  2、建立比较矩阵获得单层权重值以及一致性检验

 

  首先按照Santy建立的九级标度标度法进行量化比较(表2),构造判断矩阵。[26]

 

  表2九级标度判断尺度

 

  标度含义

 

  1表示两个因素相比,具有同样重要性

 

  3表示两个因素相比,一个因素比另一个因素稍微重要

 

  5表示两个因素相比,一个因素比另一个因素明显重要

 

  7表示两个因素相比,一个因素比另一个因素强烈重要

 

  9表示两个因素相比,一个因素比另一个因素极端重要

 

  2,4,6,8上述两相邻判断的中值

 

  倒数因素i与j比较的判断aij,则因素j与i比较的判断aji=1/aij

 

  图1个人信用评价体系指标决策的层次结构

 

  其次,根据判断矩阵,求出特征向量,确定权重分配,以一级指标计算结果为例(表3):

 

  表3一级指标权重计算表

 

  身份特质业务情况社交关联用户行为轨迹社交网络特征向量权重值

 

  身份特质1 1/3 1/2 1/5 1/5 0.290 5.794%

 

  业务情况3 1 3 1/3 1/3 0.797 15.949%

 

  社交关联用户2 1/3 1 1/4 1/4 0.428 8.562%

 

  行为轨迹5 3 4 1 1 1.742 34.847%

 

  社交网络5 3 4 1 1 1.742 34.847%

 

  从上表可知,针对身份特质,业务情况,社交关联用户,行为轨迹,社交网络总共5项构建5阶判断矩阵进行AHP层次法研究,分析得到特征向量为(0.290,0.797,0.428,1.742,1.742),并且总共5项对应的权重值分别是:5.794%,15.949%,8.562%,34.847%,34.847%。除此之外,结合特征向量可计算出最大特征根(5.121),接着利用最大特征根值计算得到CI值(0.030)[CI=(最大特征根-n)/(n-1)],CI值用于下述的一致性检验使用。

 

  利用AHP层次分析法进行权重计算时,需要进行一致性检验分析,一致性检验需要使用到CI和RI这两个指标值,其中CI值已经计算得出,RI值可对应表格数据进行查询得到(表4)。

 

  表4随机一致性RI表格(部分)

 

  n阶3 4 5 6 7 8 9 10

 

  RI值0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49

 

  本次研究构建出5阶判断矩阵,对应着上表可以查询得到随机一致性RI值为1.120,RI值用于下述一致性检验计算使用。一致性检验分析,即计算一致性指标CR值(CR=CI/RI),计算结果如表5所示:

 

  表5一致性检验结果汇总

 

  最大特征根CI值RI值CR值一致性检验结果

 

  5.121 0.030 1.120 0.027通过

 

  通常情况下CR值越小,则说明判断矩阵一致性越好,一般情况下CR值小于0.10,则判断矩阵满足一致性检验;如果CR值大于0.10,则说明不具有一致性,应该对判断矩阵进行适当调整之后再次进行分析。本次针对5阶判断矩阵计算得到CI值为0.030,针对RI值查表为1.120,因此计算得到CR值为0.027<0.1,意味着本次研究判断矩阵满足一致性检验,计算所得权重具有一致性。

 

  根据同样的方法可以计算出最低层的各要素权重值及一致性检验,结果如表6–表10所示。

 

  表6二级身份特质指标权重计算表

 

  学历入行年限、收入情况资产情况贷款情况特征向量权重值

 

  学历1 1 3 2 1.414 35.355%

 

  入行年限、收入情况1 1 3 2 1.414 35.355%

 

  资产情况1/3 1/3 1 1 0.527 13.174%

 

  贷款情况1/2 1/2 1 1 0.645 16.115%

 

  注:最大特征值为4.021,CR=0.008<0.10,一致性检验通过。

 

  表7二级业务情况指标权重计算表

 

  所获奖项及奖项含金量作品评分代言数量特征向量权重值

 

  所获奖项及奖项含金量1 3 5 1.900 63.335%

 

  作品评分1/3 1 3 0.781 26.050%

 

  代言数量1/5 1/3 1 0.318 10.616%

 

  注:最大特征值为3.039,CR=0.037<0.10,一致性检验通过。

 

  表8二级社交关联用户指标权重计算表

 

  粉丝数量投资人评分路人评分特征向量权重值

 

  粉丝数量1 1/5 1/3 0.312 10.385%

 

  投资人评分5 1 4 1.995 66.507%

 

  路人评分3 1/4 1 0.693 23.108%

 

  注:最大特征值为3.087,CR=0.084<0.10,一致性检验通过。

 

  表9二级行为轨迹指标权重计算表

 

  纳税情况公共费用缴纳情况违法违规情况特征向量权重值

 

  纳税情况1 5 1 1.364 45.455%

 

  公共费用缴纳情况1/5 1 1/5 0.273 9.091%

 

  违法违规情况1 5 1 1.364 45.455%

 

  注:最大特征值为3.000,CR=0.000<0.10,一致性检验通过。

 

  表10二级社交网络指标权重计算表

 

  个人信息真实度作品数据注水次数公共平台恶意刷流量次数恶意营销次数特征向量权重值

 

  个人信息真实度1 3 3 5 2.077 51.935%

 

  作品数据注水次数1/3 1 1 3 0.804 20.089%

 

  公共平台恶意刷流量次数1/3 1 1 3 0.804 20.089%

 

  恶意营销次数1/5 1/3 1/3 1 0.315 7.887%

 

  注:最大特征值为4.044,CR=0.016<0.10,一致性检验通过。

 

  3、层次总排序

 

  将所得单层次权重进行加权计算,所得各要素权重分配如下(表11):

 

  表11各要素权重分配表

 

  目标准则权重属性单层权重加权权重

 

  确立个人信用评价体系的指标权重身份特质5.794%学历35.355%2.0485%

 

  入行年限、收入情况35.355%2.0485%

 

  资产情况13.174%0.7633%

 

  贷款情况16.115%0.9337%

 

  业务情况15.949%所获奖项及奖项含金量63.335%10.1013%

 

  作品评分26.050%4.1547%

 

  代言数量10.616%1.6931%

 

  社交关联用户8.562%粉丝数量10.385%0.8892%

 

  投资人评分66.507%5.6943%

 

  路人评分23.108%1.9785%

 

  行为轨迹34.847%纳税情况45.455%15.8397%

 

  公共费用缴纳情况9.091%3.1919%

 

  违法违规情况45.455%15.8397%

 

  社交网络34.847%个人信息真实度51.935%18.0978%

 

  作品数据注水次数20.089%7.0004%

 

  公共平台恶意刷流量次数20.089%7.0004%

 

  恶意营销次数7.887%2.7484%

 

  加权计算完成后,将全部指标按权重从高到低排序,如表12所示:

 

  表12各要素标准化权重值排序表

 

  属性权重排序

 

  个人信息真实度18.10%1

 

  纳税情况15.84%2

 

  违法违规情况15.84%2

 

  所获奖项及奖项含金量10.10%4

 

  作品数据注水次数7.00%5

 

  公共平台恶意刷流量次数7.00%5

 

  投资人评分5.69%7

 

  作品评分4.15%8

 

  公共费用缴纳情况3.17%9

 

  恶意营销次数2.75%10

 

  学历2.05%11

 

  入行年限、收入情况2.05%11

 

  路人评分1.98%13

 

  代言数量1.69%14

 

  贷款情况0.93%15

 

  粉丝数量0.89%16

 

  资产情况0.76%17

 

  (四)演艺明星信用评价指标体系评分准则

 

  上文中已根据AHP法计算出各项指标的权重值,基于此权重值列出演艺明星信用评价体系的评分准则,详见表13:

 

  表13演艺明星信用评价体系评分准则

 

  一级指标二级指标权重评分准则

 

  身份特质学历2.05硕士及以上本科大专高中及以下

 

  2.05 1.70 1.025 0.34

 

  入行年限1.025 5年以上3-5年1-3年1年及以下

 

  1.025 0.82 0.615 0.41

 

  收入情况(年)1.025 1000万以上500万-1000万100万-500万20万-100万20万以下

 

  1.025 0.83 0.91 0.34 0.17

 

  资产情况0.76亿万以上百万-千万百万以下

 

  0.76 0.57 0.35

 

  贷款情况0.93 100万以下100万-500万500万-1000万1000万以上

 

  0.93 0.744 0.558 0.372

 

  业务情况所获奖项及奖项含金量(年)10.10 8次及以上5-8次2-5次1-2次0次

 

  10.10 8.84 7.58 5.05 2.02

 

  作品评分(均值)4.15 9-10星8-9星7-8星6-7星5-6星5星以下

 

  4.15 3.735 3.32 2.91 2.08 1.65

 

  代言数量(年)1.69 10个以上8-10个5-8个2-5个2个以下

 

  1.69 1.521 1.183 0.945 0.916

 

  社交关联用户粉丝数量0.89 8000万以上5000万-8000万1000万-5000万100万-1000万100万以下

 

  0.89 0.801 0.623 0.445 0.291

 

  投资人评分5.69 90-100分80-89分70-79分60-69分60分以下

 

  5.69 5.121 4.552 2.276 1.138

 

  路人评分1.98 90-100分80-89分70-79分60-69分60分以下

 

  1.98 1.782 1.584 0.992 0.396

 

  行为轨迹纳税情况(逾期缴纳次数)15.84 0次5次以下6-10次11-20次20次以上

 

  15.84 13.86 10.89 7.92 3.96

 

  公共费用缴纳情况(逾期缴纳次数)3.17 0次5次以下6-10次11-20次20次以上

 

  3.17 2.77 2.18 1.59 0.79

 

  违法违规情况15.84 0次0-2次2-5次5-8次8次以上

 

  15.84 13.73 10.56 7.39 3.168

 

  社交网络个人信息真实度18.10 97%-100%85%-96%75%-84%65%-74%65%以下

 

  18.10 16.29 12.91 9.05 4.525

 

  作品数据注水次数7.00 0次5次以下6-10次11-20次20次以上

 

  7.00 6.125 4.81 3.50 1.75

 

  公共平台恶意刷流量次数7.00 0次5次以下6-10次11-20次20次以上

 

  7.00 6.125 4.81 3.50 1.75

 

  恶意营销次数2.75 0次5次以下6-10次11-20次20次以上

 

  2.75 2.41 1.89 1.375 0.69

 

  可根据以上评分标准,再区分综合评级。借鉴我国信用公司的普遍习惯,个人信用可分为以下几个等级(表14),其中D级和D级以下为不合格客户。

 

  表14个人信用等级划分

 

  信用等级AAA AA A BB B C D

 

  分值90-100 85-90 80-85 75-80 70-75 60-70 60以下

 

  (四)演艺明星信用评价指标体系事例应用

 

  通过建立上述信用评价指标体系,且根据评分标准,即可审查相关指标为演艺明星划分信用等级,举例如下(表15):

 

  表15某演艺明星个人信用得分表

 

  一级指标

 

  二级指标实际情况得分

 

  身份特质

 

  学历本科1.70

 

  入行年限4年0.82

 

  收入情况(年)85万0.34

 

  资产情况百万以上0.57

 

  贷款情况百万以下0.93

 

  业务情况所获奖项及奖项含金量(年)2次5.05

 

  作品评分(均值)6.5星2.91

 

  代言数量(年)2个0.945

 

  社交关联用户粉丝数量245万0.445

 

  投资人评分85分5.121

 

  路人评分88分1.782

 

  行为轨迹纳税情况(逾期缴纳次数)0次15.84

 

  公共费用缴纳情况(逾期缴纳次数)0次3.17

 

  违法违规情况0次15.84

 

  社交网络个人信息真实度93%16.29

 

  作品数据注水次数2次6.125

 

  公共平台恶意刷流量次数0次7.00

 

  恶意营销次数4次2.41

 

  由上表可知,事例中这位演艺明星的个人信用综合得分为87.288分,信用状况优良,属于AA级用户。

 

  六、信用监管建议

 

  本文通过构建互联网时代下演艺明星个人信用评价体系,并借助层次分析法计算出各要素权重,在此基础上,本文认为,有如下几个方面的信用监管建议,进一步提升演艺明星的道德意识与信用水平,实现演艺行业的高素质发展。

 

  (一)提高演艺明星的信商水平,强化行业自身监管

 

  演艺明星自身的诚信水平建设,是规避偶像失格的第一道防线。诚实守信是社会主义核心价值观的重要要求,也是国家法律要求,对演艺明星这一群体也不例外。提高演艺明星的信商水平,使信商内化为演艺明星的一项基本素质,强化演艺明星的诚信培育,例如在练习生时期就大力开展信用宣传普及教育,积极强化守信得益失信受损宣传,提升入行者的信用认知,在行业内形成诚实守信的良好风气。在信用指标的权重分配中,“作品数据注水次数”、“公共平台恶意刷流量次数”居于第5位,因此必须强化行业自身监管,要求经纪公司或网络平台承担起对签约明星的审核责任,对其从事的直播、发布等经营类活动进行实时监管,最大程度规避造假行为,对失信行为加强惩治力度,不仅是封杀恶意刷流量的平台或个人,更重要的是针对其背后的产业链。

 

  (二)明确信息采集范围,审查上报信息真实度

 

  在信用指标的权重分配中,“个人信息真实度”这一指标居于首位,个人信息的采集与审查格外重要。首先应明确信息采集的范围,包括如年龄、学历等可以公开的个人基本信息,以及宗教信仰、个人收入等应当保密的信息。信息采集应包括信息主体优劣两方面的信用信息,严禁采集与信用活动无关的个人信息。可以规定符合实际情况的信息采集范围,例如设立个人信用信息等级机制,即按照隐私程度划分等级,按级别采集信息。[27][28]同时需要相关部门在采集信息过程中进行严格审查,对于重要信息要求提供有力的证明,严防信息虚报错报。

 

  (三)强化法律法规建设

 

  在信用指标的权重分配中,“纳税情况”、“违法违规情况”并列于第2位。目前,尚未有针对演艺行业的法律法规出台,而对于现存法律而言,相较于快速更迭的演艺界业态及不断涌现的新问题显得较为滞后。因此,及时调整相关法规,强化相关法律体系建设,是演艺行业健康发展的重要保证。需要从细节入手,使相关条文更加具体,各环节有法可依,增强法律的权威性与可执行性。[29]同时加强监管部门与互联网技术研发部门的协同合作,采用技术手段实时跟踪与防范违规行为的出现,创新监管方式,携手共建和谐有序的文娱生态。

 

  (四)建立并完善个人信用奖惩机制

 

  合理的奖惩制度是个人信用管理的必备环节。演艺明星的违约与欺诈成本并不高,这对于整个行业乃至整个社会信用体系的建立存在着不利影响,我们需要有效的奖惩机制,增加守信效益,提高失信成本。[30]在信用指标的权重分配中,“违法违规情况”、“所获奖项及奖项含金量”居于第2、3位。建立健全演艺明星个人信用奖惩机制,能够从正反两个方面对演艺明星的道德意识与诚信水平提升起到激励作用。一方面,要积极加强对于兢兢业业获得奖项、踏实守信不搞虚假流量的演艺明星的奖励与表彰,加大对其重德守信行为的宣传力度,在整个演艺群体中营造形成积极向上的良好氛围;另一方面,要加强对失信失德演艺明星的约束和惩戒,由司法部门对严重失信者做出惩戒,依法追究其法律责任,同时,利用社会舆论引导,对信用行为做出特别报道,充分曝光典型的明星失信行为,利用强大社会震慑力约束演艺明星的失信失德行为。



知网查重福礼


微信扫码关注公众号登录

x
客服QQ 返回顶部