大數據環境下民辦高校網絡輿情分析研究

孫赫

關于“大數據”一詞，目前學界并無準確定義。在考究了諸多定義者的學科背景及態度后，可以從兩個角度來理解大數據：一是把它看作形容詞，它描述的是大數據時代的數據特點；二是將其看作是名詞，即數據科學研究的對象，應用大數據對民辦高校網絡輿情研究更具有時代價值和代表性。

一、大數據研究民辦高校網絡輿情意義

近年基于大數據分析下的社會輿情研究成為當前社會、政府、科研機構的熱點研究問題。大數據分析下的高校輿情研究管理體系在高校研究領域越來越受到關注。民辦高校是高校群體當中特點鮮明的群體之一，其具有發展迅速、機制靈活、適應性強等特點，現已經成為我國高校中堅實的組成部分。我國民辦高校學生特征明顯，其學生入學分數普遍比公辦院校入學分數低，文化基礎知識較薄弱，學業關注度也較弱。而學生用在互聯網、移動客戶端等方面的時間較多，對網絡上的熱點事件尤其是輿論事件的關注度普遍較高。

分析諸多輿情事件，高校是重點關注的群體，民辦高校學生受教育水平較低，學生對事件的分析能力也較弱，更容易輕信網絡傳言，容易受網絡輿論引導，因此民辦高校的大學生是我們保護的重點對象。而建立起一套能夠在大數據分析下的輿情監控體系，將會對民辦高校的學生輿情管控有著相當積極的實踐意義，也會對高校乃至社會的穩定起到幫助的作用。

二、民辦高校網絡輿情分析體系現狀

大數據分析下的民辦高校輿情管理體系建設的研究還處于探索性階段，許多大數據的收集、處理技術還處于嘗試研究階段。其問題主要突出表現在以下兩個方面：

第一，民辦高校輿情監控體系未得到應有的重視。學生花費在上網的時間一般少則每天2～3小時，多則每天8～9小時，平均4～5小時，學生花在網絡上的時間占有相當大比重。掌控學生的在網絡上的行為應該是學生思想工作的重要內容，網絡也應該是學校思想政治工作的重要陣地。但是，目前輔導員對于了解學生接觸到的網絡上的信息基本處于原始方式，多依靠與學生的談心談話，了解其他周圍同學，觀察學生的日常變化。加上網絡交流方式的不斷更新，如校園貼吧、微信朋友圈、新浪微博、騰訊微博、騰訊QQ，以及現在新興的映客直播、花椒直播等，我們的傳統工作方式很難適應網絡時代日新月異的表現形式。學生每天在網絡上閱讀或瀏覽各類信息，留下大量數據痕跡。將這些數據進行搜集整理，并進行科學的分析，建立適用可行的數據模型，或許可以分析出大多數學生的關注熱點、思維導向，從而起到輿情監控的作用。

第二，大數據和高校輿情分析研究過于分散。當前國內外學者對于大數據和社會輿情結合研究眾多，而對大數據和高校輿情結合情況研究較少，將大數據分析和民辦高校相結合建立出合理科學的輿情管理體系更少。這種現狀使得當前缺乏一個相對統一的學生數據搜集App、輿情管理模式和系統。而對于民辦高校輿情工作的研究則應該投入更大的精力，應用更先進和科學的研究方法。

三、民辦高校網絡輿情分析研究大數據方案

1.網絡輿情數據的來源和收集

網絡數據一部分來源于學生學校的網絡服務器，另一部分來源于學生的移動終端。網絡服務器監控可以定期進行提取信息，尋找頻率高的關鍵詞和網站，關注和監控瀏覽人。移動終端方面，依據當前學界及相關數據分析界的研究進展情況，通過分析研究部分民辦高校的手機App開發和使用情況，筆者發現調查的民辦高校中有近50%的高校開發或正在使用自己的手機App軟件。在收集這些數據的同時，我們還可以對功能進行進一步完善，對手機的使用情況、熱點詞匯進行收集，開發完善一款既有實際使用功能又能監控需要的網絡輿情功能的App軟件，充分搜集挖掘數據。另外，還可以將大數據分析下的民辦高校輿情管理體系從提取挖掘數據、整理分析數據、監控輿情等方面進行構建。

2.App軟件的設計和使用

（1）可以建立校園信息共享平臺，內容包括新聞推送、成績查詢、問卷調查、投票、迎新報道、社區服務、辦事大廳等功能，集合了學校各職能部門為學生提供的服務，實現了學生移動終端校園業務辦理全覆蓋。

（2）App的監控功能。可以設定定期打卡簽到、上課考勤等功能。如早起打卡一項，規定早上7點—8點30分為打卡時間，若學生未在手機上點擊“打卡”，有可能是在睡覺，因而可以推斷出其未上第一節課。若該生一學期未打卡次數超過三分之一，即可以推斷出該生期末成績的好壞。

（3）依據App 軟件提供的大量數據，建立分析模型，結合民辦高校的特點，進行民辦高校網絡輿情管理體系的建設，在輿情萌發之時及時做好控制及導向，防患于未然。本部分要從管理體系設計的“五結合”原則，包括理論性與實踐性相結合、科學性與人性化相結合、個體與群體相結合、單項評價與綜合評價相結合等原則進行構建，并且運用“四定”，即定性、定量、定時、定緩急的方法進行管理體系的構建，充分發揮學生工作者、廣大學生黨員的主觀能動性，在保護學生隱私的基礎上構建出科學合理的網絡輿情管理體系。

3.大數據的預警功能

有很多輿情的發生，事后證明在網絡上已經有各類苗頭。如大學生網絡信貸業務等超前消費情況嚴重，個別學生的貸款事件發生突然，有的甚至釀成悲劇，主要是缺乏有效的預警機制。調查發現，凡是參與網絡貸款的學生，均在之前的網絡和手機上對相關貸款的網頁進行瀏覽、關鍵詞搜索、App使用等，從以上情況中分析匯總可知，該學生有貸款的傾向。其數據準確，覆蓋面全，取代了原有的對學生情況掌握不全面的現象，并可提前對學生的動向進行預判，分析學生的關注點，做好適時教育，這將可以避免多種不良事件的發生。基于大數據提供的信息數據分析，是全體的樣本，其區別于傳統的個別案例，是提前預知的一種分析判斷，是從原有的被動“救火”的作用轉換到主動“防火”的創新方法。總之，大數據方法是非常適用于民辦高校網絡輿情分析研究的一種科學的方法。

參考文獻：

[1]徐子沛.大數據[M].桂林：廣西師范大學出版社，2012.

[2][英]維克托·邁爾·舍恩伯格，[英]肯尼斯·庫克耶.大數據時代：生活、工作與思維的大變革[M].盛楊燕，周 濤，譯.杭州：浙江人民出版社，2013.

[3]繆其浩.當情報遇到大數據——大數據熱點情報跟蹤的回顧與感悟[J].情報探索，2013（5）.

[4]J M.Tien Big Data： Unleashing Information [J]. Journal of Systems Science and Systems Engineering ，2013（2）.

[5]Chen H，Chiang R H L，Storey V C. Business Intelligence and Analytics： From Big Data to Big Impact[M].MIS quarterly，2012（4）.endprint