您好, 访客   登录/注册

基于Logistic的高校教育舆情预警模型与案例研究

来源:用户上传      作者:

  [摘 要] 高校舆情事件发展有着阶段性的特点,利用Logistic曲线分析高校舆情的发展趋势对于提升高校网络舆情预警能力有着一定的意义。通过Logistic曲线模型,将高校舆情事件发展阶段分为特定的几个阶段。基于阶段划分的结果,提出并阐述高校舆情事件的舆情预警模型,并进行案例分析研究。结果表明,Logistic曲线模型能够有效预测高校舆情事件的网络舆情传播趋势和发展阶段。同时高校舆情事件的网络舆情预警机制可为相关部门的舆情分析和处理提供参考。
  [关键词] 高校舆情;Logistic曲线;舆情预警;机理
  [基金项目] 江西省教育科学“十三五”规划2018年度课题“互联网背景下教育舆情分析与处理能力提升研究——以江西省高校为例”      (18YB012)
  [作者简介] 朱益平(1989—),男,江西南昌人,博士,南昌大学管理学院副教授,主要从事高校舆情研究。
  [中图分类号] G640    [文献标识码] A    [文章编号] 1674-9324(2020)34-0003-04    [收稿日期] 2020-03-02
   一、引言
  教育舆情是指在一定的社会空间内,作为主体的民众针对有关教育的中介性社会事项所产生和持有的社会政治态度。随着互联网工具的兴起和大面积普及,网络教育舆情越来越受到人们的关注。人们借助于互联网发表自己对教育事业的看法,包括互联网上曝光和呈现的教育事件、教育现象和教育问题等方面,同时也反映了人们对这些教育问题或现象的观点和态度。高校网络教育舆情涉及面广,参与人数众多,影响力大,是教育舆情的重要一环。因此,高校网络教育舆事件的预警变得极为关键,其研究也成为网络舆情研究学者关注的热点。近年来,学者在高校事件的舆情管理的研究取得了一些成效,例如储节旺、朱玲玲结合学者的研究经验,以文献研究和理论研究为主,采用定性研究方法,从事前、事中、善后处理三个階段入手,强调情报支撑作用,最后提出解决当前高校网络事件应急管理困境的基本举措;李纲也曾指出当前公共事件网络舆情面临以下问题和挑战:理论与实践有待进一步融合,缺乏量化分析的体系与框架,微观层面分析有待深入,缺少网民社会结构和群体行为研究。
  阶段划分是舆情研究的一项重要内容。高校舆情事件网络舆情热度和关注度的变化有一定的规律。目前学术界针对网络舆情发展趋势阶段的研究,依据不同的划分标准,可以划分为三至六阶段等,具体内容和代表性成果如表1所示。虽然学术界对网络舆情演化阶段的划分标准和命名各有见解,但网络舆情遵循了事物发生、发展和消亡的发展规律是学术界的普遍共识。整体而言,网络舆情发展阶段的研究很丰富,但大部分研究主要集中于定性研究,缺乏网络舆情发展规律的定量化描述和分析。笔者认为,网络舆情发展受各种随机因素影响,但有其自身的发展规律,而Logistic生长曲线能较好的捕捉和预测高校舆情事件的网络舆情发展趋势。为此,本文基于Logistic生长曲线,构建高校舆情事件的网络舆情发展阶段预测模型,对模型通过实证进行拟合验证,划分舆情传播的阶段,进而针对舆情传播每个阶段的特点进行舆情预警,提出预警模型,为应对高校舆情事件网络舆情危机提供新视角。
  二、理论和方法模型
  (一)Logistic生长曲线
  比利时数学家发现社会人口增长速度一开始随时间的增加而逐渐加快,高速增长之后,增长速度逐渐减缓,最后趋于稳定。之后美国人口统计学家通过对生物繁殖和各国人口增长的大量研究分析,发现了相同的规律,并把这个规律命名为Logistic曲线,曲线见图1。
  随着大数据的不断发展,网络教育舆情在来源、主题、主体、民意传播方式以及影响态势方面表现出一些不同于传统舆情的特点,网络舆情变得越来越复杂,舆情分析面临挑战。但高校教育舆情事件发生后网络舆情的发展态势有其自身的规律。综合上述学者对网络舆情不同发展阶段的研究,虽然阶段划分、命名有所不同,但本质上都认同前期的网络舆情规模是按照“产生—爆发—平稳”的模式发展,形成了“S”形的发展形态。因此,可以利用Logistic曲线来模拟网络舆情的发展变化过程。
  (二)基于Logistic曲线的高校舆情事件网络舆情预测模型
  高校舆情事件发生后,在前期一段时间内,相关网络舆情的数量开始增加;随着时间推移,增速在逐渐变大;到达顶峰后,舆情规模不断放缓,并趋于稳定。基于以上走势特征,利用Logistic曲线来模拟高校舆情事件网络舆情发展过程,Logistic曲线的数学模型为:
  三、基于Logistic曲线的高校舆情事件网络舆情传播预测与阶段划分
  (一)案例基本情况
  在2019年初“翟某某学术门”的影响下,引发了公众对学术不端行为的强烈关注,并促使部分高校加大了对论文查重的力度。部分学校的毕业论文“查重率”从原来的30%以内降低到20%,更严格的甚至降到了8%以下。此外,还有学校增加了重审环节,即对已毕业学生的毕业论文进行质量跟踪监控,一旦被查出高于查重率,将直接取消学位证书与毕业证书。此消息引发网友热议,大量网友参与转发跟评,截至6月11日,原PO互动近3.7W。图2为2019年6月10—11日“毕业论文查重”事件所引发的搜索指数(搜索指数为互联网用户对键词搜索关注程度及持续变化情况)。
  从图表中可以看出,搜索指数在6月10日急速上升,11日以后逐渐下降,其生长规律符合Logistic曲线的“S”型特征,选用Logistic曲线进行网络舆情的预测具有合理性。
  “毕业论文查重”事件搜索量顶点发生在6月10日14∶00,将10日6∶00至14∶00每一个小时的搜索量数据进行编号,6时编为1,7时编为2,依次编号后对其进行累加处理得到表3。   根据表2数据画出折线图(见图3)。
  应用三段和值法确定“毕业论文查重”事件网络舆情Logistic曲线系数:K=853755.954,m=161.706,a=1.827。Logistic曲线表达式为:
  (二)Logistic曲线模型拟合检验
  根据上文计算出的“毕业论文查重”事件网络舆情Logistic曲线系数,分别计算出“毕业论文查重”事件每个时段搜索指数累加数的预测值,并将预测值和实际值进行比较(如图4)。
  四、基于Logistic模型的高校舆情
  事件的网络舆情预警机制。基于Logistic模型对高校教育事件网络舆情传播的阶段划分结果,根据高校教育事件网络舆情各个发展阶段的特征,本文提出了高校教育事件网络舆情的预警机制(见图5)。高校教育事件网络舆情的预警机制将舆情传播划分三个基本阶段,即隐蔽潜伏期、爆发扩散期和平稳消退期,虽然有些学者将阶段划分为三个或三个以上更加复杂的阶段,但是笔者认为,无论如何划分,高校教育事件舆情传播都有潜伏—爆发—消退的特性,二者是不冲突的,因此本文提出的预警机制具有一定的普遍适用性。
  高校舆情事件的网络舆情预警机制包括两个方面,一是网络舆情的监测,通过网络安全管理和网络安全技术等手段,尽可能对网络舆情发展进行异常监测;二是在网络舆情高校教育事件必然发生的前提下,政府、高校等相关部门通过预先决策采取预防措施,以降低或减缓网络舆情的影响。
  五、结语
  随着社交媒体的发展,高校舆情事件发生后,其网络舆情信息发展和传播迅速。高校舆情事件网络舆情的前期发展规律符合Logistic生长曲线的特点。基于Logistic曲线可以将网络舆情发展预测并划分为特定的几个不同的阶段,并且需要针对每个阶段的不同特征进行预警。本文的主要工作和结论如下。
  1.本文基于Logistic曲线的理论基础,结合实例进行验证分析和模型拟合,将高校舆情事件的网络舆情发展趋势预测划分为特定的三个阶段。本文提出的高校教育事件网络舆情预警机制可以為政府、高校和社会公众根据不同阶段的特点来有效应对网络舆情危机。
  2.本文研究主要集中于高校网络舆情的文本内容进行分析,但从网络事件的演化过程看,网络舆情的评论、转发、浏览量能更好的体现高校教育事件网络舆情的关注度和热度。所以,以后的研究阶段有必要在文本信息的基础上结合实际的高校教育事件热点演化数据量,进而完善各阶段的模型构建。
  参考文献
  [1]陈福集,黄江玲.突发事件网络舆情演化传播模型研究[J].情报科学,2015,33(12):8-12,19.
  [2]储节旺,朱玲玲.情报视角下的网络突发事件应急管理研究[J].情报杂志,2016,35(9):99-103.
  [3]李纲,陈璟浩.突发公共事件网络舆情研究综述[J].图书情报知识,2014(2):111-119.
  [4]李紫薇,邢云菲.新媒体环境下突发事件网络舆情话题演进规律研究——以新浪微博“九寨沟地震”话题为例[J].情报科学,2017,35(12):39-44,167.
  [5]李昊青.基于信息异化理论的网络衍生舆情演化规律及对策研究——以网络谣言治理为例[J].现代情报,2015,35(5):4-8,13.
  [6]兰月新,曾润喜.突发事件网络舆情传播规律与预警阶段研究[J].情报杂志,2013,32(5):16-19.
  [7]陈福集,李林斌.G(Galam)模型在网络舆情演化中的应用[J].计算机应用,2011,31(12):3411-3413.
  [8]吴晓娟.基于微博文本的网络舆情主题演化分析[D].南京大学,2018.
  [9]王旭,孙瑞英.基于SNA的突发事件网络舆情传播研究——以“魏则西事件”为例[J].情报科学,2017,35(3):87-92.
  [10]李艳玲,刘宇霞,刘娇.基于生命周期理论的突发事件网络舆情分析及应对措施研究[J].内蒙古工业大学学报(社会科学版),2017,26(1):46-50.
  [11]谢耘耕,荣婷.微博舆论生成演变机制和舆论引导策略[J].现代传播(中国传媒大学学报),2011(5):70-74.
  [12]谢科范,赵湜,陈刚,蔡文静.网络舆情突发事件的生命周期原理及集群决策研究[J].武汉理工大学学报(社会科学版),2010,23(4):482-486.
  [13]顾明毅,周忍伟.网络舆情及社会性网络信息传播模式[J].新闻与传播研究,2009,16(5):67-73,109.
  [14]刘建明.基础舆论学[M].北京:中国人民大学出版社,1988.
  [15]李庆林,张超,吴芳菲.网络舆情的发展阶段及其特点研究[J].编辑之友,2014(11):47-53.
  [16]李纲,董琦.Web2.0环境下企业网络舆情传播过程的研究及实证分析[J].情报科学,2011(12):1810-1814.
  [17]李彪.网络事件传播阶段及阀值研究[J].国际新闻界,2011(10):22-27.
  [18]赵丽娟.Logistic曲线在网络舆情预测中的应用研究——以“广西镉污染”网络舆情事件为例[J].网络安全技术与应用,2014(6):11-12.
  [19]张玉亮,贾传玲.面向优化处置的突发事件网络舆情应对启动研究[J].情报理论与实践,2018,41(4):93-98.
  [20]刘惠芬.从汶川地震的媒体报道看网络时代的危机传播过程[J].南京邮电大学学报(社会科学版),2009,11(3):36-40,49.
  [21]兰月新.突发事件网络衍生舆情监测模型研究[J].现代图书情报技术,2013(3):51-57.
转载注明来源:https://www.xzbu.com/9/view-15305727.htm