文章基于Barabási-Albert网络研究大众媒体对舆论形成的调控机制。通过q-voter模型引入媒体影响概率p，揭示系统存在临界阈值p_t：当p≥p_t时，即使初始支持率仅0.01，系统仍会达成完全共识。研究发现p_t与群体规模q呈幂律关系p_t∝q^{-1.187}，弛豫时间τ与系统规模N满足τ∝N^{1.093}，与媒体概率p满足τ∝p^{-0.596}。该模型为分析媒体干预下的社会共识形成提供量化框架。
社会物理学将统计物理方法应用于舆论演化研究，其中q-voter模型能有效描述群体影响机制。现实社会中，大众媒体作为关键外部扰动深刻改变舆论形成路径。文章创新性地在Barabási-Albert无标度网络上构建含媒体场的q-voter模型，通过蒙特卡洛模拟量化分析媒体对共识形成的调控作用，揭示网络拓扑结构对舆论相变的约束机制。
系统构建于N节点Barabási-Albert网络，体现现实社交的"富者愈富"特性。每个节点代表智能体，具有±1二元观点。模型核心规则为：随机选取q个邻居组成影响组，若组内观点一致，选民采纳该观点；若组内观点分歧，选民以概率p采纳媒体倡导的+1观点。该机制将媒体干预量化为分歧场景下的定向影响。
设置极低初始支持率(c_0=0.01)，系统扫描不同p值下的终态观点分布。定义临界概率p_t：当p≥p_t时，系统始终收敛至完全共识态(m=1)。通过有限尺寸标度分析确定分离点c_s，建立标度律m(c,N)=N^{-γ_1}ϕ((c-c_s)N^{-γ_2})，其中γ_1≈0.020, γ_2≈0.498为普适标度参数。
模拟发现存在临界阈值p_t：当媒体影响概率p≥p_t时，即使初始支持率低至0.01，系统仍能达成完全共识。阈值p_t随群体规模q增大而降低，满足幂律关系p_t∝q^α (α≈-1.187)。该现象源于大群体规模的协同放大效应——大规模影响组增强媒体信息的渗透效率。
系统达成共识的弛豫时间τ呈现双重幂律特性：与系统规模满足τ∝N^ν (ν≈1.093)，与媒体概率满足τ∝p^δ (δ≈-0.596)。前者反映网络规模对共识形成的天然阻滞，后者体现媒体干预的加速效应。标度指数ν值与多种网络拓扑的选民模型结果一致，表明该规律的普适性。
无媒体干预时(p=0)，分离点位于c_s=0.5，系统等概率收敛至±1共识态。引入媒体场后，分离点随p值增大而偏移。当p=p_t时，相空间仅存单一吸引盆，系统必然收敛至媒体倡导态。这种对称性破缺证实媒体对舆论相变的定向调控能力。
文章建立的含媒体场q-voter模型揭示：Barabási-Albert网络的异质性显著增强媒体干预效率，临界阈值p_t的幂律关系为预测舆论操控提供量化指标。研究发现弛豫时间的普适标度律，为社交网络舆情预警建立理论基础。未来工作将拓展至多层网络，探究跨平台媒体传播的协同效应。