基于社交媒体大数据的高校辅导员育人能力提升策略

社交媒体大数据能够为高校辅导员育人工作提升精准性、增强前瞻性、延伸实效性。当前工作过程中仍存在数据处理与分析能力欠缺、网络舆情引导与应对困难、数据隐私与安全保护不足等现实问题。针对以上问题,结合应用社交媒体大数据开展育人工作的实际,从加强数据处理与分析能力培养、建立网络舆情引导与应对机制、强化数据隐私与安全保护意识三方面,提出基于社交媒体大数据的高校辅导员育人能力提升策略。面对社交媒体大数据给育人工作带来的机遇与挑战,高校辅导员应主动适应,积极思考,努力提高数字素养,从而达到科学把握,有效引导,精准施策,全面提升的目标。

基于社交媒体大数据的闽南非物质文化遗产时空扩散及对地理环境的响应

以2010—2020年社交媒体大数据获取闽南非物质文化遗产(全文简称闽南非遗)POI数据,采用空间分析和地理探测器研究了闽南非遗POI时空扩散特征及其对多维地理环境的响应。结果表明:闽南非遗类型结构以传统戏剧、传统音乐、民俗和传统技艺为主,在全国尺度形成了以福建省及台湾地区台北市和高雄市为核心的2条南北带状聚集区;在福建省尺度上,非遗POI为正的空间自相关分布模式,形成了由厦门、漳州、泉州及福州市向内陆辐射分布的特征,10 a间POI数量逐年上升,非遗质心在南安市和厦门市内迂回;交通、沿河、人口密度、坡度、温度、城镇化水平等自然、社会环境共同主导闽南非遗POI时空扩散,文化根植性也是其扩散的重要机制。

基于社交媒体大数据分析的城市地标公众认知画像与人本化设计应用研究

城市地标公众认知研究有助于指导地标建筑设计应用。本文根据“犯罪画像”“用户画像”理论,以八种功能类型和六组意象因子为解析要素,建构了基于社交媒体大数据分析的城市地标公众认知画像方法。通过对广州样本数据的分析,从区位、形体、空间、外饰、内装五方面提出了城市地标的“人本化”设计策略。

基于社交媒体大数据的大学生心理危机预警

因心理问题所引发的大学生自杀、犯罪等恶性事件呈逐年上升趋势,大学生心理危机成为社会各界关注的焦点。心理危机预警是心理健康教育的关键环节,而当前普遍采用的基于临床诊断量表的心理危机筛查方法存在误差大、效率低、时效性差等问题。社交媒体大数据为实时、准确地进行大学生心理危机筛查提供了新的思路,心理学相关研究也表明可以通过情绪变化来预测心理危机。基于此构建的大学生心理危机预警模型及其算法以应激事件和人格特质计算为基础,通过分析个体不同类型情绪的强度和阈值判断其情绪表现,进而基于时间序列上情绪的变化对其面临的心理危机风险水平进行测算,从而实现对大学生心理危机的预警。仿真实验结果表明,该方法可以反映出大学生在遭受应激事件时的情绪变化过程,能够对其心理危机进行有效预警。

社交媒体大数据和股票市场的研究述评与探索

社交媒体是一个强大的社会行为数据库,包含了用户的信息搜索、获取和交换的海量数据,反映了大量投资者的关注与情绪,吸引了大量学者将其与股票市场进行关联研究。从行为金融学出发,分析了社交媒体大数据中蕴含的信息作用于股市的经济原理及其传导机制。从投资者关注和投资者情绪两个维度,对社交媒体大数据和股票市场关联研究的文献进行了归纳和梳理,总结主要发现,明确社交媒体到股票市场的传导机制,从而更深刻地理解投资者行为。对未来研究方向进行了展望,以期为进一步的研究提供参考。

基于社交媒体数据挖掘的旅游者情绪感知

随着智能移动终端和社交媒体的普及,带有地理标签的社交媒体数据大量涌现,其“文本—位置—时间”的多维特征使得精细时空尺度上的旅游者情绪感知成为可能。该文基于2017-2019年旅游者发布的新浪微博数据,采用BERT模型对微博数据进行文本分析,探讨旅游者情绪的时空分布规律及不同主题下旅游者的情绪特征,并分析导致旅游者产生负面情绪的相关因素。研究发现,微博中旅游者情绪呈现昼夜、周和季节性节律变化,不同性别旅游者在情绪反应强度及情绪节律上存在差异,对“天气”和“餐饮”主题易产生强烈情绪。该文提出的旅游者情绪挖掘方法可从多维度、多层次挖掘旅游者情绪特征,为旅游目的地舆情监测和预警系统提供借鉴。

社交媒体大数据的教育应用研究:价值、路径与挑战

社交媒体已经成为学生记录生活、表达观点、分享交流等的最主要途径,也是反映学生真实状态可靠、即时的大数据来源之一。真实、准确、及时的社交媒体大数据样本蕴含着巨大的教育价值,为教育研究提供了更丰富的可能。从价值角度看,通过对社交媒体大数据进行情感分析、主题挖掘、社会网络分析等,可以实现学习者画像、学习者危机发现、教学过程优化和教育舆情分析等,从而为利益相关者提供决策参考与支持。从技术角度看,将应用的路径概括为数据采集与预处理、数据存储、数据分析和可视化四个阶段,并总结了每个阶段常用的方法。多源异构数据的整合应用、数据挖掘的合理性与准确性、伦理隐私问题等是社交媒体大数据教育应用所面临的主要挑战,也是未来研究需要重点关注的方面。

隐形操纵与数据污染:社交媒体中的机器人水军

社交媒体中的机器人水军已经存在多年,但是学界对其本身的认知及负效应的评估并不充分。本文在对现有文献研究进行爬梳、对从业人员进行访谈的基础上,对机器人水军的定义和技术演变、机器人水军的国内外研究现状以及研究机器人水军问题的现实意义进行了分析和探讨。

基于Labeled-LDA模型的居民群体分类与出行特征分析

如何使用海量社交媒体数据分析城市居民日常行为特征成为国内外学者广泛关注的问题。城市居民在不同时空间扮演的社会角色的不同将导致其出行行为特征随之变化,为此构建居民出行活动模式模型表征居民出行行为,引入自然语言处理领域内的标签狄利克雷分布模型Labeled-LDA完成群体分类,分析居民群体的出行行为特征,并讨论个体出行行为的不确定性。使用波士顿海量Twitter签到数据的实验表明,该方法能够有效区分典型的城市居民群体,并为居民在不同时空间表现出的不同出行行为特征提供概率解释。