过去几年我国食品安全问题频发,“福喜问题肉事件”、“地沟油事件”、“瘦肉精事件”等被公开曝光生产和销售伪劣、有毒有害食品的食品安全事件层出不穷,对社会大众造成了严重的影响,不断打击着消费者对我国食品安全的信心,新浪新闻中心2011-2014年连续发布消费者食品安全信心报告显示,超过90%的受访者认为中国食品安全存在问题,85%以上的人对此表示“关注”,食品安全问题已经成为大众最关注的焦点问题。当食品安全事件发生后,危机发生的原因、发展态势、涉事企业的反应和政府部门的态度成为消费者最为关心的问题,而社交媒体中的信息通过发布、转发、评论等方式,沿着用户关系实时传播和演进,其信息传播呈现裂变式扩散,在曝光食品安全危机信息方面发挥着不可替代的作用,已经成为重要的新闻源头,社交媒体增加了大众对食品安全危机事件参与的积极性和可能性。为了丰富社交媒体信息传播理论成果和更好地解决食品安全问题,本文对食品安全危机信息在社交媒体中的传播进行了探索性的研究。首先对相关文献进行梳理,介绍了食品安全危机信息在社交媒体中传播的相关概念和理论基础,并从食品安全、公共治理、危机信息在社交媒体中的传播几个方面对国内外的研究成果进行综述,发现国内外学者对危机信息传播的相关研究主要集中在政府、企业对危机的应对、危机传播的各阶段特点、媒体在危机传播中的作用等方面,对食品安全危机信息在社交媒体中传播的研究较少,有关利用公共治理理论解决食品安全问题的研究基本都是围绕目前食品安全监管存在的不足,引入公共治理的必然眭和消费者、食品企业、政府三方合作的食品安全治理模式和机制方面的研究,实证研究尤其是对大众通过社交媒体参与食品安全治理方面的研究很少,基于此提出本文的主要研究内容：食品安全危机信息在社交媒体中的传播规律和机制、传播速度、传播对各主体的影响、食品安全危机管理体系构建。接着对社交媒体中信息传播内容和传播特征进行分析,发现以微博、微信为代表的社交媒体已经颠覆了以往的信息传播模式,在信息传播和社会热点事件发酵方面起到了举足轻重的作用。然后进行了实证分析,选取“地沟油事件”等九个典型食品安全危机事件信息在新浪微博中传播的实际数据,建立食品安全危机信息传播网络。探讨食品安全危机信息传播的内在规律和演化规律,对食品安全危机信息社交媒体中传播模式进行模拟,结合社交媒体信息传播的特点对食品安全危机信息传播阶段进行划分,并总结了各阶段特征。接着以新浪、腾讯、搜狐、网易四个微博平台上的实际数据,对典型食品安全危机事件信息的传播速度进行建模,建立了短期、长期信息传播速度模型,并对比了不同预测模型的可行性和预测结果的精确性。基于以上研究结论,本文提出了食品安全危机信息在社交媒体中的传播对消费者、政府监管部门、食品企业、经销商几个方面的影响,通过实证研究验证了大众在社交媒体中食品安全危机信息传播的作用,将公众纳入到食品安全问题解决的过程中,丰富了公共治理理论的研究成果。最后从如何提高大众的食品安全意识,更好的发挥监督作用、充分发挥媒体认证用户的作用、促进政府履行监管职责、食品产业组织引导诚信建设和食品企业提升食品企业社会责任等方面提出更好的解决食品安全问题的对策和措施,为社交媒体平台上食品安全类舆情的监测、预警和食品安全危机管理体系构建提供依据。本论文的创新点主要体现在以下几个方面：(1)揭示了食品安全危机信息在社交媒体中的传播规律和传播网络结构特征,对危机信息传播阶段进行了重新划分本文选取“福喜问题肉事件”等九个典型食品安全危机事件信息在新浪微博中传播的实际数据,对食品安全危机事件信息的传播路径进行模拟,建立食品安全危机信息传播网络。探讨食品安全危机信息传播的内在规律,结合社交媒体危机信息传播的特点,对危机发生后信息传播阶段进行划分,并讨论了各阶段特征。(2)通过实证检验验证了公众在参与食品安全治理中的作用,丰富了公共治理理论的研究成果公共治理发展到网络时代,社交媒体等新媒体的传播优势和传播影响力可以扩大公众参与渠道,吸引公众更多的参与公共事务、而食品安全是近几年成为公众最关心的焦点问题,因此引导大众利用社交媒体积极参与食品安全问题的曝光和食品安全隐患的揭发,必然会给食品生产企业、经销商、政府监管部门带来压力,这对于食品安全治理有非常重要的意义。本文通过的典型食品安全事件信息传播情况进行实证分析结果表明,近几年的食品安全事件大都是由消费者曝光的,食品安全危机信息在社交媒体发布后,短时间内就呈爆炸式扩散,并且扩散的过程是由大量的普通用户推动的,研究结果验证了大众在社交媒体中食品安全危机信息传播的作用,将公众纳入到食品安全问题解决的过程中,丰富了公共治理理论的研究成果。(3)定量研究了食品安全危机信息在社交媒体中的传播过程本文以微博平台上的实际数据,对九个典型食品安全危机信息的传播速度进行建模,建立了短期、长期信息传播速度模型,结果表明从短期来看食品安全危机曝光微博发出后评论数和转发数呈现高度相关,24小时内的传播速度服从高斯函数,运用ARMA模型和BP神经网络方法进行长期趋势预测,对通过实际数据和两种方法的预测数据进行对比来验证模型的精确性和适用性,发现从长期预测效果看,BP神经网络预测值要比ARMA预测值更精确,但是短期内ARMA预测结果稳定性要优于BP神经网络预测。