从“各行其是”到“同舟共济”:乡村情感治理的生成逻辑

随着社会转型升级,乡村由“熟人社会”过渡为“半熟人社会”,村民异质性凸显,旧有情感规则生存的社会基础发生巨变,原有社会规范式微。在理性选择下,集体行动的生长空间被严重压缩。尤其面对转型中的风险,显著地表现为村民行为原子化、响应服务被动化与资源储备薄弱化,消解了乡村治理的效力。如何推动村民从“各行其是”转向“同舟共济”,打造面向现代化的乡村治理共同体,是实现基层治理能力现代化目标面临的重要课题。通过对M村的考察,构建情感治理的分析框架,分析情感治理如何作用于基层治理体系。研究发现,“情感嵌入—情感融合—情感输出”能有效重塑个体情感,改善邻里关系;在情感共鸣中催生群体认同,促成情感联盟,凝聚集体力量。在集体联盟的感召下,乡土情怀升华为家国情怀,打造乡村治理共同体。“个体情感—群体情感—家国情感”相辅相成、螺旋式地演进,推动基层治理有效转型。

多学科交叉融合背景下医学本科生课程学习效果的影响因素研究——以社会医学教学为例

目的探究医学本科生课程学习效果的影响因素并初步构建其作用机制模型。方法以“社会医学”课程为例,于2023年3月深度访谈安徽省某医学院校40名在读本科生,运用扎根理论,对医学生课程学习效果及影响机制进行系统研究。结果最终共提取出30个初始概念、13个初始范畴和5个主范畴,并构建医学本科生课程学习效果作用机制模型。信息储备、学习动机、学习技能和外在环境是影响医学生课程学习效果的主要因素。其中,信息储备和学习动机可以通过影响学习技能的选择对学生课程学习效果产生间接影响。结论构建的医学本科生课程学习效果作用机制模型为开展医学本科生课程学习效果提升计划提供了理论依据。

组织范式变革:高校哲学社会科学实验室建设的探索与思考

在新一轮科技革命浪潮和“新文科”建设大背景下,哲学社会科学实验室作为先进技术与人文社科知识交叉融合的“交换机”,成为各高校追求科研组织模式变革、推动哲学社会科学高质量发展的重要突破点。相较于传统社科研究机构,社科实验室从诞生起就被赋予服务科学决策、推动学科建设、促进学术创新、汇聚研究数据、培育先进人才等功能定位。在研究需求方面,社科实验室存在专业型、平台型和综合型三种组织模式;在组织框架和资源构成方面,社科实验室具备研究目标、研究基础、组织管理、研究支撑和成果输出等五大核心要素。结合社科实验室的核心要素,该文初步构建了一套实验室评价要素体系,以期对高校建设高水平社科重点实验室提供参考。

社会资本参与和美乡村建设的困境及其消解:从外嵌悬浮到融合共生

社会资本已成为推动宜居宜业和美乡村建设的重要力量,破解社会资本参与和美乡村建设的“悬浮化”问题对加速乡村振兴意义重大。研究发现,社会资本借助组织嵌入、资本嵌入、关系嵌入、文化嵌入等方式重塑乡村社会治理格局,为宜居宜业和美乡村建设注入强大动能。然而,在与乡村多元力量动态博弈的过程中,社会资本与基层自治的间断张力、形式嵌入与实质融入的经营权衡、资本生产与农民群体的脱嵌遭遇、工商文化与小农文化的交织碰撞等复杂境况使得社会资本陷入角色悬浮、项目悬浮、制度悬浮、理念悬浮等脱嵌困境。为此,基于融合共生的发展导向,从激活共生单元协同力、加快形成共生意识、强化共生关系维系、促进城乡文化融合四个维度构建社会资本参与和美乡村建设的共生新图景,推动社会资本从“脱嵌悬浮”向“融合共生”转变。

基于多视图证据融合的社交水军检测

为克服单视图水军检测方法在处理复杂多样的社交网络数据时所存在的局限性,并解决现有多视图融合方法未能充分考虑视图间质量差异导致的信息丢失和噪声干扰等问题,提出一种基于多视图证据融合(multi-view evidence fusion,MVEF)的社交水军检测方法。该方法综合分析社交关系、行为特征和推文内容三个视图并提取关键证据,通过Dirichlet分布参数化来评估每个视图在分类决策中的类别可信度和整体不确定性。通过高效的证据融合机制,巧妙地利用不确定性整合各视图中的关键证据,构建一个全面而可靠的分类决策框架。实验结果显示,MVEF在两个真实世界的Twitter数据集上的表现均优于现有方法,有效提升了水军识别的准确率和鲁棒性。

乡村体育赛事促进乡村治理的运行逻辑——基于台盘“村BA”的考察

乡村体育赛事是农村体育的重要实践维度,也是促进乡村治理的有力抓手。基于社会资本理论,采用案例分析、网络民族志等方法,以台盘“村BA”为个案对乡村体育赛事促进乡村治理的运行逻辑进行研究。结果表明:“缔造-生成-赋能”的运行逻辑是促进乡村治理的重要路径。首先,在乡村体育赛事的运行过程中缔造了基于“事件联结”的赛事共同体;其次,赛事共同体生成了认同强化、信任重建、规范迁移等社会资本;最后,认同强化赋能了有为自治的有为主体与有为运行、有魂德治的有魂主体,信任重建赋能了有效法治的有效理解,规范迁移赋能了有魂德治的有魂内涵与有效法治的有效执行,最终赋能乡村治理“三治融合”。由此得出启示:重视以“事件联结”机制塑造赛事共同体;发挥赛事共同体生成的社会资本作用,促进“三治融合”;培育乡村体育赛事的“在地式”发展模式。

在线社交网络中用户地理位置预测综述

随着智能移动终端的日益普及,人们越来越多地利用社交网络平台(如Twitter、新浪微博等)获取信息、评论和交流.虽然全球卫星定位系统(GPS)设备能够精确获取位置信息,但是大量用户出于隐私和安全的考虑不会直接共享自己的位置信息.因此,如何获取在线用户的地理位置成为了一个前沿的研究领域以及学术界和工业界共同关注的重要课题,并且成为众多下游应用的基础,例如基于位置的定向广告投放、事件/地点的推荐、自然灾害或疾病预警和网络犯罪的追踪等.详细总结了预测社交网络用户地理位置的方法、数据、评价体系和基础算法.首先,归纳了不同的定位任务以及相应的评价指标;其次,针对不同的任务梳理所用的数据类型和数据融合方式,并且,详尽分析了已有的信息抽取和特征选择方式及其优缺点;再次,对现有定位模型和算法进行分类,从地名词典、传统机器学习和深度学习3个方面对用户定位方法进行阐述和分析;最后,总结了社交网络用户地理位置预测的难点和面临的挑战,并展望该领域的发展趋势和未来研究所需要关注的方向.

基于多模态信息融合的用户连接方法

为弥补用户连接现有工作中存在的以下两个问题:大部分方法只考虑用户的文本和网络结构信息,忽略了图像等多模态信息;现有方法大都通过简单的特征拼接融合不同模态的信息,忽略了这些信息的互补性、关联性和异质性,提出一个基于多模态信息融合的用户连接模型MIFUIL。获取用户的文本、视觉以及异构网络的嵌入表示;利用注意力机制学习不同模态信息间的互补性、关联性和异质性,获取用户多模态信息的融合嵌入表示,通过多模态对比学习实现跨平台的用户连接。实验结果表明,MIFUIL模型在两个多模态数据集TWFQ、DB-YAGO上的性能均优于现有方法。

高校课程思政理论归因、实践特征与制度瓶颈

高校学生处于人生观、价值观发展的关键期,如何在培养学生创新实践能力的同时加强学生思想教育,推动各类课程与思想政治理论课同向同行成为高校课程建设的重要问题。课程思政是一种全新的课程教育模式,它通过对高校课程体系、教师教学内容和教学方法的全面改革,强调教学与教育内容同步、价值同构,进而推进各类课程与思想政治理论课协同育人。目前,课程思政建设已经成为高校教学改革过程中面临的一项重要任务。以高校社科专业课程思政为研究对象,分析了课程思政的理论归因、实践逻辑,在此基础上发现课程思政改革中还存在着融合机制、平衡机制以及协同机制方面的问题,据此从顶层设计、教学思维、教学内容以及课程评价等方面提出了高校社科专业课程思政改进的策略。

融入类别标签和主题信息的用户兴趣识别方法

社交网络用户兴趣发现对信息过载缓解、个性化推荐和信息传播正向引导等方面具有重要意义。目前已有的兴趣识别研究未能同时考虑文本主题信息及其对应的类别标签信息对模型学习文本特征的帮助,文中提出了一种融入类别标签和主题信息的用户兴趣识别方法。首先,利用BERT预训练模型、BiLSTM模型和多头自注意力机制分别获取文本和标签序列的语义特征;其次,引入标签注意力机制,使模型更加关注文本与其类别标签更相关的词语信息;然后,利用LDA主题模型和Word2Vec模型得到文本主题特征;接着,设计门控机制进行特征融合,使模型能够自适应地融合多种特征,进而实现微博文本兴趣类别分类;最后,统计用户发表的所有文本在各个兴趣类别上的数量,将数量最多的兴趣类别确定为用户兴趣识别结果。为验证所提方法的有效性,文中构建了一个微博兴趣识别数据集。实验结果表明,该模型在微博文本兴趣类别分类和用户兴趣识别任务中均取得了最优性能。

结合社交网络图的多模态虚假信息检测模型

针对现有虚假信息检测方法主要基于单模态数据分析,检测时忽视了信息之间相关性的问题,提出了结合社交网络图的多模态虚假信息检测模型。该模型使用预训练Transformer模型和图像描述模型分别从多角度提取各模态数据的语义,并通过融合信息传播过程中的社交网络图,在文本和图像模态中加入传播信息的特征,最后使用跨模态注意力机制分配各模态信息权重以进行虚假信息检测。在推特和微博两个真实数据集上进行对比实验,所提模型的虚假信息检测准确率稳定为约88%,高于EANN、PTCA等现有基线模型。实验结果表明所提模型能够有效融合多模态信息,从而提高虚假信息检测的准确率。

元宇宙虚拟社交场景侵害行为的类型化治理

元宇宙在技术和应用上的发展与变迁表明其特征是虚拟现实技术到达一定高度后形成的虚实融合。元宇宙虚拟场景侵害行为的本质是从虚拟到现实的不当穿透。基于穿透的存在与否以及穿透的发生方式,可以提炼出“内部性/外部性”与“合程序性/不合程序性”两组判断要素,两组判断要素的排列组合可以囊括元宇宙虚拟社交场景中人们的行为,划定“真问题”的研究范围。虚拟财产转移行为由于其物权属性而能够产生虚实穿透。性骚扰行为由于精神利益在虚拟人格与现实人格上的天然同一而能够产生虚实穿透。在明确判断要素的基础上进行行为类型化可以展开出罪和入罪分析,并验证技术原理到刑法原理之二阶分析的实效性。

基于网络账号的虚拟社交平台团体关系发现

设计虚拟社交平台团体关系发现,旨在从个人网络轨迹及舆论热评数据中获取用户的网络社交团体关系,并由此反映跨地区、种族人群间复杂的关联关系。首先,根据网络社团发现需求提出了一种虚拟社交平台团体关系发现闭环结构,设计了模型的输入输出数据结构及信息流程图,以满足网络平台虚拟社团测试集的分类需求;然后,基于多关系社团网络中社区结构检测(CSDM)聚类算法对虚拟账号的活动信息进行理论分析,抽取活跃用户的网络行为轨迹规律;最后,通过基于机器学习的社区检测方法(MLCDM)实现测试集中虚拟网络社团属性挖掘,并给出仿真试验结果分析。

融合多元信息的社交网络节点分类方法

针对社交网络节点分类效果不佳的问题,提出一种融合多元信息的图卷积网络节点分类模型(IMIGCN)。首先,利用特征向量X和邻接矩阵A,分别构造包含节点间同质信息的同质矩阵FA和共引信息的共引矩阵CoA;分析网络中的三角结构,通过转换公式构造包含节点间三角信息的三角矩阵TriA。在此基础上,融入节点自身信息。接着,改进传统图卷积网络(GCN)模型。将GCN的单核改进为适应性多核,通过注意力机制将多核学习的结果自适应融合为一个嵌入,达到一次卷积同时融合多元信息的效果。为了学习更多信息,将模型过程中的嵌入设计为多头,通过多头嵌入注意力自适应学习多头嵌入的权重分配。实验结果表明,与现有较优的节点分类模型相比,提出的IMIGCN在社交网络上的分类精确度提高0.0098~0.0532,F1指标提升0.0127~0.0536,证明了提出的IMIGCN合理有效。

元宇宙:概念演进、技术想象与社会期待

技术对新产品的赋能、用户对新体验的期待、资本对新利好的嗅觉、新冠疫情“宅居”生活的刺激让元宇宙这个不温不火的概念迅即成为传媒、经济、文化、教育等领域聚焦的热点。如果将这一概念简单地理解为某种技术现实、应用场景、媒介体验,抑或产业形态都未免浅薄,因此有必要基于这一概念的变迁反思其背后蕴含的技术想象、社会期待,并在检视其实践应用的基础上把握其可能性影响。从“赛博空间”到“电子游戏”,到“虚拟空间”,再到“虚实连接”,元宇宙概念变迁承载了人们从“抽象的文学想象”到“具象化的游戏交互”,再到“愈加丰富充实的数字生活”,最终指向“沉浸式的、消除边界的、融合共生的生命体验”的愿景。

基于多模态融合的社交媒体文本地理位置预测方法

挖掘社交媒体文本的地理位置信息能发现其空间关系,提出了基于多模态融合的社交媒体文本地理位置预测方法,利用文本获取的相关图片作为增强数据,构建图文数据集,以提高地理位置预测的准确性。多模态融合模型分别利用图片通道和文本通道提取两者的地理位置信息。同时,引入图文匹配模块对图文对进行降噪,解决图文不匹配问题。在Geotext数据集上进行的地理位置预测实验结果显示,与基线模型相比,中值误差距离降低了18.8%,平均误差距离降低了4.5%。

结构化社会时间的节日再生产——昆明各民族务工群体的左脚舞实践

社会时间结构是由人的社会实践活动所形成的影响人在过去、现在和未来的社会行为规范和秩序。人类社会的发展总是在不断地规定着秩序也在调整着秩序而使社会时间得以结构化,节日便是结构时间的重要节点。近年来,昆明市出现了务工群体从偶然组织过节迅速转变为频繁组织过节的节日涌生现象。无论是传统节日还是现代节日,跳左脚舞都是节日的主要内容。在从偶发性的、事件性的过节发展为新规范指导的理性的集体行为过程中,具有组织性、程式性和时代性的城市节日涌生现象建构了新的社会时间结构。昆明市各民族“三交”实践中的节日再生产具有坚实的社会、文化和技术基础。

基于深度跨模态信息融合网络的股票走势预测

股票走势预测是经典且具有挑战性的任务,可帮助交易者做出获得更大收益的交易决策。近年来,基于深度学习的股票走势预测方法的性能得到明显提升,但现有方法大多仅依托于股票价格的历史数据来完成走势预测,无法捕捉价格指标之外的市场动态规律,在一定程度上限制了方法的性能。为此,将社交媒体文本与股票历史价格信息相结合,提出了一种基于深度跨模态信息融合网络(DCIFNet)的股票走势预测新方法。DCIFNet首先采用时间卷积操作对股票价格和推特文本进行编码,使得每个元素对其邻域元素都有足够的了解;然后,将结果输入到基于transformer的跨模态融合结构中,以更有效地融合股票价格和推特文本中的重要信息;最后,引入多图卷积注意力网络从不同角度描述不同股票之间的相互关系,能够更有效地捕获关联股票间的行业、维基和相关关系,从而提升股票走势预测的精度。在9个不同行业的高频交易数据集上实施走势预测和模拟交易实验。消融实验及所提方法与用于股票预测的多管齐下的注意力网络(MAN-SF)方法的比较结果验证了DCIFNet方法的有效性,准确率达到了0.6309,明显优于领域内代表性方法。

融合社交网络和分层自注意力的团购推荐算法

针对团购群组推荐中预定义的融合策略不能动态获取群组用户权重,以及群组-项目交互数据的稀疏性等问题,提出融合社交网络和分层自注意力的团购推荐算法SSAGR。采用循环神经网络,捕捉团购中用户随时间变化的复杂潜在兴趣;利用用户级和群组级自注意力网络,将社交网络信息整合到用户表示中,实现不同权重下的群组偏好聚合策略;通过神经协同过滤NCF,挖掘群组-项目交互,完成团购推荐。在MaFengWo和Douban Book数据集上的实验结果表明,SSAGR方法相较对比算法具有更好的群组推荐效果。

融合用户社会关系的双线性扩散图推荐模型

为了解决传统协同过滤算法中用户行为数据的稀疏问题,在图卷积网络的基础上,提出了一个融合用户社会关系的双线性扩散图推荐模型,并设计了双线性扩散聚合器。该聚合器由两大核心部分组成:一是用来捕捉用户-邻居交互信息的扩散聚合部分,该部分通过建模用户社交影响的动态扩散过程,从社交图的局部邻域中聚合邻居信息到目标用户节点上,以此丰富目标用户表征;二是用来捕捉邻居-邻居交互信息的双线性聚合部分,该部分通过挖掘同阶用户邻居之间潜在的社会交互,并使用内积操作突出邻居社交信息中的共有特征,将其作为目标用户的辅助信息完善用户嵌入。为了验证该模型的有效性,在Yelp和Flickr数据集上进行推荐实验,并与现有的推荐模型进行实验对照分析。实验结果显示,该模型较现有的推荐模型有更高的命中率和归一化折损累计增益。因此,融合用户社会关系的双线性扩散图推荐模型能够有效缓解用户行为数据的稀疏问题,并使得推荐准确率有了较大提升。