大学生网络健康信息规避意图触发路径组态分析

文章探讨大学生网络健康信息规避意图的触发机理,为图书馆开展大学生网络健康信息教育、优化网络健康信息服务提供参考。基于组态视角,从用户行为相关理论出发选取变量并构建分析框架,对382位在校大学生进行在线调查,使用模糊集定性比较分析方法计算得出大学生网络健康信息规避意图触发的6种组态路径。结果显示:消极结果预期、感知信息质量、感知信息过载、信息主观规范和消极预期情感均作为核心或辅助条件对大学生网络健康信息规避意图触发产生影响。

信息过载效应下在线健康社区用户信息规避行为演化博弈分析

[目的/意义]探究在线健康社区用户信息规避行为的演化规律,引导用户减少健康信息规避行为,为在线健康社区运营管理和持续发展提供参考。[方法/过程]综合用户行为决策过程及其主要影响因素,构建在线健康社区与用户的演化博弈模型,运用系统仿真分析博弈主体在重大疾病社区、一般疾病社区、养生保健社区3种不同情境下行为与状态的演化过程。[结果/结论]在减少用户信息规避行为只能为社区带来有限收益的情况下,过度提高信息过载弱化程度只能在短期内减少用户的信息规避行为,但长期而言,弱化程度过高会导致社区难以负担信息过载弱化成本,进而导致社区弃用弱化机制。不同类型的在线健康社区及用户群体对信息过载弱化成本、信息质量的接受度及要求有所差异,需要采取不同的弱化机制以减少社区信息过载。

社会网络视角下在线健康社区知识共享与虚假信息传播差异分析

[目的/意义]文章旨在揭示在线健康社区中知识共享网络与虚假信息传播网络的共性与特性,为社区促进知识共享、治理虚假信息传播提供建议。[方法/过程]针对循证治疗知识和虚假信息分别构建知识共享网络和虚假信息传播网络,运用社会网络分析的方法揭示两者在整体网络结构层面的异同,探究知识与虚假信息的传播概况及流动效率;根据用户的信息交流特征对用户进行聚类分析,从用户主题偏好和用户社区粘度两方面对网络中用户行为进行分析,探究用户的信息偏好与行为特征差异。[结果/结论]整体网络分析结果显示,知识共享网络和虚假信息传播网络都具备无标度特性和小世界效应,且具有相似的图等级结构和图效率,然而虚假信息传播网络中用户间联系更为紧密、关联程度更高、凝聚力更强。用户行为分析结果显示,社区成员更关注知识共享网络中支持循证医疗的经验信息和虚假信息传播网络中驳斥虚假信息的客观内容,而且知识共享网络中的用户群体在社区中的留存时间显著高于参与虚假信息讨论的用户群体。

论坛式网络信息服务适老化困境与应对——以“银龄网”关停为例

[目的/意义]旨在以国内大型老年在线社区“银龄网”关停事件为例,提炼论坛式网络信息服务适老化问题的相关要素,揭示论坛式网络信息服务适老化存在的困境,探索今后应对策略。[研究设计/方法]爬取老年在线社区“银龄网”管理员与用户关于在线社区关停公告的讨论内容,共计两篇主题贴及358条有效评论文本。采用内容分析法,从用户情感、用户需求、问题与挑战、应对措施四个方面对文本内容进行梳理归纳。[结论/发现]论坛式网络信息服务适老化问题涉及服务的方式与内容、运营模式等多方面问题。其适老化的困境主要体现在坚持公益性与维持运营、落后的服务系统与不断增长的用户需求、吸引新用户与维护现有用户使用习惯三个方面的矛盾。需要从筹集运营资金、获取技术支持和加强用户研究三个方面加以应对。[创新/价值]探索了论坛式网络信息服务适老化过程中遭遇的困境与可行应对策略,为今后加速其适老化进程提供了理论依据和实践建议。

基于解释结构模型的共享汽车接受度影响因素分析——以青岛为例

基于解释结构模型技术,从企业角度对影响共享汽车接受度的因素进行全面分析,建立共享汽车接受度影响因素的解释结构模型,认为前期公司投入建设成本过高是最根本原因。同时,取车不便、安全责任风险承担不明确、押金退还周期长并且金额较高、续航能力较弱等因素对共享汽车接受度有直接影响,所以需要从定位好前期发展的客户群体、平台形象的建设、抓住政府的正向政策、汲取国内外共享汽车运营的成功经验,因地制宜、尽量避免低价竞争等方面进行不断改进,以达到提高共享汽车接受度并更好推广的目的。

知识关联视角下老子“道”学研究多元特征分析与知识体系构建

[目的/意义]“道”学知识体系庞杂、研究对象众多,从知识关联的视角出发分析和发现老子“道”学研究的多元特征并构建相关知识体系,对于促进新文科背景下老庄研究的系统性与多样性具有重要意义。[方法/过程]采用“作者—关键词”二模网络、主题时序演化网络和语义网络对“道”学研究文献的知识关联特征进行探索分析,并通过构建包含59286个实体、95612个关系实例的老子“道”学研究知识图谱实现知识体系的初步构建。[结果/结论]依托知识图谱构建的老子“道”学研究知识体系为道学研究者提供了关联知识发现的依据,其实现方案也为数字人文领域学者提供了新的视角。

面向金融知识图谱的动态关系预测方法研究

【目的】提出一种数据驱动的动态关系预测方法,为金融知识图谱的快速更新方法研究提供新视角。【方法】根据监测列表和检索策略在互联网爬取相关信息,使用掩码语言建模任务构建数据集并训练模型;提取金融知识图谱的层级结构搭建神经网络的隐藏层,隐藏层所含的神经元表示命名实体,隐藏层之间使用关系矩阵连接,通过对连接矩阵更新实现对关系的动态预测。【结果】以“宝万之争”事件初期的两次股权变更为例,本文方法可以在不同时期快速捕捉金融图谱中对应实体间关系的变化,验证了方法的有效性。【局限】受限于自监督学习的特性,所预测的关系较为发散,仍需人工进行校准核验。【结论】本文所提方法在数据充分的情况下,无需人工标注即可获取实体间关系的变化,可以对金融知识图谱的关系进行高效持续的预测。