您好,欢迎来到皮书数据库!
您现在所在的位置:首页
更多>> 课题组动态
更多>> 皮书作者
王伟光
  男,汉族,1950年2月出生,山东海阳人。1967年11月参加工作,1972年11月加入中国共产党,博士研究生学... 详情>>
李 扬
  1951年9月出生,籍贯安徽,1981年、1984年、1989年分别于安徽大学、复旦大学、中国人民大学获经济学学... 详情>>
李培林
  男,山东济南人。博士,研究员,中国社会科学院副院长,中国社会学会副会长,中国社会科学院社会学研究所副所长。《社会... 详情>>

    2014~2015年微博热点事件网民心态分析

    作者:何凌南 熊希灵 阿梅 出版时间:2015年12月
    摘要:

    随着互联网的日益普及,网络舆论成为人们集体情绪、态度及价值倾向的重要表达渠道。每年的网络热点事件作为多个社会阶层广泛关注和参与的公共事件,是一段时间内的社会现实和大众心态的集中反映。本报告以2014年1月到2015年6月微博热门讨论事件为对象,通过计算机辅助的文本分析,探索网民情绪和态度倾向的总体状况。结果发现,①在信息关注上,网民最关注的新闻是轻松和严肃并重,一方面,大家对明星绯闻的关注尤为明显,且表现出犬儒的调侃心态,另一方面,网民也关注与切身利益相关的严肃时事、社会话题,表现出强烈的责任感与使命感,愿意发表个人的意见和观点;②在思考深度上理性不足,网民容易受到情绪感染,从众心态明显;③国际化比较趋势明显,网民热衷关注国际热点信息,并同国内现状进行对比,表现出与国际标准接轨的强烈意愿。总体而言,2014年至2015年上半年网民心态以积极为主,与2014年相比,2015年上半年网民态度整体表现得更为冷静、严肃。但在重大负面事件中也表现出强烈的情绪宣泄,并有期待政府重视和干预的强烈诉求。

    Abstract:

    With the increasing popularity of the Internet,the public opinion online has been important channel to show collective emotions,attitudes and values. As the annual network hot events attracted various attentions from different social classes,the events can reflect social reality and public attitude in a period of time. This report based on the hot events discussed on microblog from January 2014 to June 2015,explored Chinese internet users’ mood attitude through computer text analysis. Results show that:①Internet users’ attention of information focus both on relaxed and serious news. On one hand,people evidently focused on star scandal and showed cynical attitude. On the other hand,people also concerned about the serious topics that related to their vital interests,with the willingness to express their perspectives which showed a strong sense of responsibility and sense of mission.②People lack of deeply rational thinking,and were easily to be contagious by emotion.③International trends increase obviously that people concerned international hot events and compared them with domestic events,showing strong willingness to accept international standards. In a word,most of users’ attitude is positive from 2014 to June 2015. Compared with 2014,people show more sober and serious attitude in the first half of 2015. However,in the major negative events,people showed a strong emotional catharsis,and strongly hoped that government pay attention to negative events with intervention.

    一 引言

    现代商业社会打破了原来的熟人小圈子,尤其是在城市化的过程中,无论是新移民还是原地居民,居住在城市中的人们普遍需要依赖社会和国家保障体系来获得经济、信息、情感等社会支持,对于社会公共服务也提出更多的期望和要求。但由于历史原因,我国原有的公共表达空间有限,互联网的出现恰好满足了这一迫切需求,民众日益频繁地借助网络平台进行社会话语表达,网络舆论场成为传统电视、广播、报纸等主流舆论场之外的第二个舆论场。尤其是2009年新浪上线微博服务,由于其人人可发声的特性,掀起了一股全民参与公共议事“自媒体”的热潮。近两年来,随着微博上一些大V的离场和腾讯微信的兴起,微博的用户活跃度下降,逐渐形成了微博和微信“双微”并行的局面。但微信由于其基于熟人圈子的小范围扩散和无法多人讨论的特性,虽是当下最活跃的信息传播网络,却并不是社会的公共舆论空间。故本调查仍以新浪微博为样本来调查中国当下网民的关注热点,并希望借此反映当下的大众现实和社会心态。

    中国互联网络信息中心发布的《第36次中国互联网络发展状况统计报告》(CNNIC)显示,截至2015年6月,我国网民规模达6.68亿,并且以10~39岁年龄段人口为主要群体(占78.4%)。对具备以上社会人口统计学特征的网民群体而言,在网上发表言论相对于现实生活,受到的约束更少、发言更自由。因此,通过分析他们在社交媒体的网络表达,能够比较好地反映当下主流人群的社会心态状况。

    面对微博上数以万计的文本话语,传统的文本分析显得效率不高,随着信息科学发展出来的计算机辅助的文本分析能帮助我们更高效提取其核心观点。本研究中,对事件进展过程中的主要观点我们依然采用专家分析的文本分析方法,同时,我们还借助LIWC(Linguistic Inquiry and Word Count)软件进行机器辅助的文本分析。这是一个可以对文本内容的词语类别(尤其是心理学类词语)进行量化分析的软件(Pennebaker,Booth & Francis,2007)。经过二十多年的发展,基于LIWC的良好信效度,该工具被心理学研究者广泛应用到各个方面,这里我们主要利用其来分析网民的情绪、理性程度等社会心态。

    二 研究方法

    本研究的热点事件,分为国际舆情、企业财经、社区民生、社会治安、政策制度、文体科教、明星娱乐、反腐倡廉和灾害事故九大类。考虑到微博本身的自媒体特点,直接采用微博热门话题容易泛娱乐化,因此这里我们结合了主流门户网站的新闻头条事件来进行热点事件的选择。首先,基于主流网络媒体的头条新闻事件,筛选出媒体集中报道的热点问题,再返回新浪微博平台,依据微博数据量和质量进行二次筛选,最终排序得出年度微博100件大事。相比而言,这种筛选办法更能全面反映网络舆论场的公共议题热点所在。

    具体操作步骤如下。

    1.确定备选热点事件

    基于中山大学大数据实验室(BDC-lab)从2014年1月1日至2015年6月30日,每日采集主流网媒新闻热点,经过去重处理,共筛选出网媒热门报道2014年共976件,2015年上半年共240件。采集的信息包括新闻标题、事件开始时间、结束时间、首发媒体、首发信源、事件描述等。

    热点新闻事件来源包括三大平台:①传统主流媒体网页版,包括人民网、新华网、新京报、华西都市报等媒体的头版头条新闻报道;②商业新闻门户网站,包括腾讯、网易、新浪、搜狐和百度新闻五大门户网站,对它们首页的新闻事件进行筛选;③主流论坛的讨论热点,包括天涯论坛、凯迪社区的每日热帖。

    2.事件预处理

    首先,是提取事件搜索的关键词。通过对新闻事件的内容进行分析,由2名编码员单独归纳关键词,然后返回微博搜索,挑选返回值大且准确的关键词组合。平均每一个事件提取2~3个关键词。主要目的是保证在微博抓取时尽可能准确、全面地获得事件相关文本。

    其次,确定事件的时间范围。包括开始时间和结束时间,事件开始时间通过首发媒体报道时间确定,事件结束时间则利用微博讨论量确定。如果微博上讨论数量连续3天为0条,则认为事件已经结束,如有后续子事件引发的讨论则另行处理。

    这样通过关键词和事件发生的时间的组合搜索,可在网络平台上准确定位所要查找的事件数据。

    3.微博抓取和排序

    首先,利用网络爬虫基于关键词在微博上抓取与热门事件报道相关的微博文本内容。

    其次,把事件的开始