基于新媒體文本挖掘的高校在線教學輿情事件分析

姚麗梅 楊秋娜 繆 林

(黎明職業大學 福建 泉州 362000)

前言

在移動互聯網時代，網絡輿情突發事件頻繁爆發成為影響社會不穩定的因素。作為一個新興的跨學科研究領域，輿情研究已然成為新聞傳播學、社會學、語言學和計算機科學等學科領域的重要課題。互聯網的作用在教育領域不斷擴大，教育越發主動地將互聯網作為其重要實施媒介。教育輿情研究的重要性日益凸顯。作為民生關注焦點，教育輿情的傳播始終受到社會大眾的密切關注。及時了解和跟蹤教育領域的網絡輿情傳播并采取相應積極應對措施，對教育教學改革及社會發展有重大意義。新冠病毒爆發以來，“停課不停學”在線開學的通知，引起了社會各界的網絡熱議，線上線下結合的教學模式成為新時代教學改革的重要內容，因此關注高校在線教學的熱點輿情事件對高等教育改革進行有重要的理論及實踐意義。

一、文獻綜述

基于網絡載體，以突發事件傳播為核心，廣大網民對熱點話題或事件表達自身對于事件的情感、態度、意見、觀點，最終形成具有影響力的網絡輿情事件。利用大數據技術分析教育輿情是近年來的研究發展方向。對中國知網以“教育輿情”為主題的期刊文章分析發現，教育輿情研究常以自媒體、社交媒體上的教育熱點事件為出發點，分析輿情演變過程、傳播路徑和特征，提出教育輿情應對策略，服務于思想政治教育或教育決策，它是教育科學、民族教育當下研究的熱點之一。國內外很多學者對于網絡輿情事件進行研究，并從各自研究視角分析輿情事件帶來影響力以及應對措施等。

研究方法的多樣性能夠更有效地分析輿情事件，因此不同學者在開展研究時都會優先選擇最適合得研究方式。蘭月新等[1]研究基于大數據背景下網絡輿情的主體交互機制與應對策略；郅庭瑾[2]等提出要確立基于證據的教育輿情分析，強調實證分析的重要性；王麗英[3]通過BBS相關數據集加以分析，構建了教育輿情的時空特征模型。這些通過新聞門戶網站、自媒體(博客、微博等)等社交媒體渠道獲取研究的相關數據，能準確、及時地掌握輿情的實時數據情況。“新聞網站是主要信息發源地，社交媒體是主要的討論場域”[4]，網民在社交媒體上通過轉載、點贊、評論等方式進行討論。為了能更有效地研究社交媒體，聚焦網民對輿情事件的反應，劉蕾[5]以人民日報微博的讀者評論為原始數據，分析滬版教材“姥姥”和“外婆”之爭的輿情，揭示個體性教育話題在自媒體平臺上的輿情形成發展和階段特征。有不少學者將情感分析作為輿情研究關注點，在這個“情感為先，真相滯后；態度為先，認知為后；成見為先，客觀在后”的“后真相”時代，情感與觀點的宣泄比真相的傳播更為重要[6]，通過輿情用詞判斷研究網友對于某事件的情感態度，進而分析出輿情事件傳播力以及對社會大眾的影響[7]。

輿情事件領域的研究成果頗豐，現有學者大多主要是針對微博、新聞媒體、微信以及其他自媒體等文本數據挖掘，并通過模型構建、案例分析等方法，對某一特殊輿情事件展開分析。此外學者對于在線教育研究也不少，更多主要側重于課程平臺、課程實施媒介探索，以及教學模式、教學理念和教學效果等分析。而在線教學的輿情事件頻發，且帶來很大的社會影響，卻較少有學者關注到該領域。

因此，本文以疫情下在線教學的輿情事件爆發作為研究對象，突破傳統單一輿情事件分析模式，打破現有研究以特定自媒體平臺為主要數據來源的做法，從各大自媒體進行全網搜集，以關鍵時間點串起文章研究時間軸，梳理出疫情發生以來社會大眾關注度最高、社會影響力最大、最具代表性的輿情事件。通過大數據挖掘關鍵輿情事件的“評論內容”，研究疫情下社會大眾對在線教學的認知度和社會情感傾向表達，進而探索疫情當下以及后疫情時代下的教學模式、師生關系、教學質量、教學評價等話題。

二、研究設計

(一)研究對象選擇

本文通過輿情監測系統“輿情秘書”，以疫情、新冠病毒、大學、高校、網課、停課不停學、在線教學、宅家等為關鍵詞，以“教育部致大學生的一封信”的發布時間作為輿情事件起點，設置檢索時間跨度為2020年2月4日到2020年5月31日，共獲取約59015篇在線教學輿情數據，具體數據來源分布情況如表1所示。

表1 教育網絡輿情的數據來源分布

從數據來源分布看，教育網絡輿情的討論主要集中在網媒、微博、微信等社交媒體上。論壇、博客、報刊等其他網絡渠道雖占比不多，但也有相關報道，這表明在線教學的輿情事件在網絡上引起全民大討論。

(二)樣本選取與處理

疫情下的在線教學網絡關注度空前高漲，高校、老師、學生、教學平臺、教學資源、教學方式、考試方式甚至是網絡作業都能引起大眾廣泛熱議。教育部檢測數據顯示：103萬名教師在線開出了107萬門課程，有1775萬大學生在線學習。在線教學要從“新鮮感”向“新常態”轉變。億萬師生參與了這場在線教學，我國教育信息化建設得到了一次大“練兵”。

在線教學討論涉及到社會各方面問題，最為相關的群體為教師、學生以及家長等，因此本研究根據事件傳播脈絡的時間節點，從教育部、社會大眾、教師、學生等相關者角度，選取了轉發數、評論數量超過800條，網友參與度較高、影響力較大的具有代表性的8條輿情事件(如表2所示)。

表2 不同時間節點代表性輿情事件信息列表

三、輿情事件數據處理

研究使用主題網頁數據采集器“八爪魚”爬取文本以及其評論內容，將爬取數據進行降噪，轉化為TXT文本文檔格式，并運用ROST CM 6.0 軟件進行社會網絡和語義網絡分析以及情感分析，進而獲取相關的數據結論。ROST CM 6.0是一款文本內容挖掘系統，支持文本分詞，詞頻分析，社會網絡,語義網絡分析和情感分析等分析功能。

(一)社會網絡和語義網絡分析

ROST CM 6.0作為一款優秀的文本內容挖掘工具，在自然語言處理上具有很強的優勢，分析方式是在文本內容分詞的基礎上進行詞頻統計，然后通過高頻詞組展開社會網絡和語義網絡分析。由于本文研究的輿情事件是當前社會的熱點話題，系統中原有詞庫中沒有涵蓋所研究的重點詞頻，因此在進行文本分詞和詞頻分析前，先添加“線上教學”“停課不停學”“新冠病毒”等自定義關鍵詞頻，然后開始社會網絡與語義網絡分析，具體步驟如下：

步驟1：將一個輿情事件的評論樣本復制到文本文檔中，使用ROST CM 6.0軟件先進行分詞，再對分詞后的文檔進行詞頻分析，獲取輿情事件中的高頻詞匯。每條輿情事件都按上述操作重復；

步驟2：梳理每個輿情事件的高頻特征詞表，對重點關聯高頻詞再次合并與分類，并剔除一些頻次較低的詞語，建立高頻特征詞匯總表；

步驟3：過濾高頻特征詞匯總表中的非實義詞，生成過濾后的高頻詞，在此基礎上提取行特征，從而獲取行特征詞表；

步驟4：整合上述各個輿情事件的高頻特征詞表，通過網絡構建生成語義網絡VNA文件和TXT文件，使用“NetDraw”工具進行語義網絡圖形編輯，構建相關矩陣，獲取共現矩陣詞表和共現矩陣文件；

步驟5：通過對網絡圖觀察，確定出核心名詞性高頻詞，利用ROST CM 6.0自帶工具計算出核心名詞性高頻詞屬性中的與該詞直接相關的詞語數量，從而制作出核心詞語義網絡。

經過分析，輿情事件評論內容中一些高頻詞頻與研究內容關聯程度較弱，諸如“禁止”“這次”“趕緊”“不懂”等干擾詞項會影響分析效果，因此對初步得出的網絡圖詞匯進行合并整理、刪除，并對核心詞頻進行著色處理，最后得到核心詞語義網絡分析圖，如圖1所示：

圖1 語義網絡分析圖

從網絡圖中可以看出數據內容的核心是圍繞“老師”“學生”和“學校”三個關鍵詞展開，這些群體都是在線教學輿情事件討論最大參與者，同時也是被討論對象主體。據語義網絡分析圖中的箭頭指向，并結合輿情事件的評論描述，可以看出教師和學校處于整個在線教學輿情分析關注焦點，圍繞兩個主體產生一系列話題，對于教師主體的評論分析更多集中于教學方法、教學資源以及教學效果，對學校層面的評論更多集中在學校在線教學的管理方式、對學生人文關懷以及政策通知等方面。而學生作為在線教學的直接參與者，更多關注網絡課程、復學返校時間、線上作業、考核評價、時間安排等內容。

(二)情感分析

網友根據自身立場對不同的輿情事件發表評論，這些評論表達他們對于這些事件的自我認知與社會認同程度。評價理論認為情感是屬于態度子系統一個更小的分類，指“語言使用者依據個人喜好標準對某人或某事所表達的各種情緒”[9]，從意愿上分為積極、中性和消極三種情感。同時大多數情感都可以由語義表達逐漸變化的不同程度又可分為高、中、低三級[8]。

本文從不同的輿情事件的評論來判定其情感傾向，并討論該事件帶來的社會輿論傳播與影響力。根據ROST CM6.0的語義詞庫，本文將語義情感類型劃定為積極情緒、中性情緒以及消極情緒三大類，通過語義情感表達進行分值制評判，具體判定標準如下：積極情緒細分為一般(0～10)、中度(10～20)和高度(20以上)三個程度，中性情緒分值為0，消極情緒細分為一般(-10～0)、中度(-20～-10)和高度(-20以下)三個程度。

在對數據處理進行情感分析前，先刪除評論中與主題不相關內容，并清除特殊符號、表情等無法識別情感語義的描述，最后分析得到的8件輿情事件的評論情感傾向分布，如表3所示：

表3 輿情事件評論的情感傾向分布

從上表中可以看出，整體評論的情感傾向都集中于積極情緒和中性情緒。這表明：對于在線教學網絡輿情事件傳播上，社會整體認知和價值觀評判是積極向上的，特別是“疫情下的追夢人”占比73.66%，情感傾向最積極，社會上不同年齡段的宅家學習者的正面形象給當代大學生帶來了榜樣的力量。但是隨著在線教學的持續推進，在線教學的弊端逐漸顯現，對“高校復學后在線教學將成常態”的消極情緒占比達30.85%。不少網友表達了對后疫情時代下的在線教學的擔憂，并對教學方式的改進提出很多建議。

四、在線教學輿情事件分析

通過輿情事件的社會網絡和語義網絡分析以及情感分析后，根據輿情事件影響以及網友的評論表達，本文得出了以下相關觀點。

(一)在線教學引發社會廣泛的關注

疫情發生之后，為滿足各類學生學習需求，教育部向社會公布了高校教學資源平臺，并免費向社會開放。在“教育部致大學生的一封信”輿情事件中，網友對于教育部提出在線教學這種教學方式認同度非常高，93.82%的評論是積極情緒或中性情緒。這表明：網友對于疫情防控下在線教學方式的支持和理解。不僅學生積極響應教育部在線教學的號召，很多社會群體也在疫情居家時間借助各類教學平臺進行學習，因此出現了“61歲阿姨疫情期間上了160多門網課”。56.64%的網友在評論中表達了積極情緒，與雪琴阿姨相比自慚形愧。“活到老學到老，佩服！再看看自己一點上進心都沒有自愧不如啊”“說來慚愧，咱們學生還沒有人家退休阿姨上的課多”等評論表明了雪琴阿姨好學熱情給學生帶來積極榜樣力量。同樣，“疫情下的追夢人”也給社會傳遞了類似的正能量。

(二)如何開展在線“教”與“學”成為關注焦點

在線教學如何構建有效課堂，對于疫情期間提高在線教學質量效果至關重要。“不建議每位高校老師做直播課”和“103萬高校教師在線開107萬門課程”兩條微博下面5180條和1597條點評數量，學生在積極跟帖留言，絕大部分大學生抱怨老師布置的作業太多，他們盼著快點開學，回歸校園接受面對面授課。可見不少老師隔著屏幕授課，把增加作業量當成督促學生在線學習的手段。另一方面，蜂擁而至的線上教學也造成了教學平臺的運營崩潰，使得學生線上學習體驗極差，“釘釘一星好評”事件也是在該背景下產生。一味的追求線上教學課程數量提升，卻忽視了線上教學的本質以及其課程的適用性，因此出現類似于“大學生游泳網課”這種情非得已的事件。雖然給大家帶來短暫娛樂，但其背后更多反映了教學過程中學生與老師的無奈。教學質量得不到保證，學生學習熱情逐漸消磨，這也表明線上教學模式的局限性，并非適用于各類學科。這對“教”與“學”的緊密結合提出更多新的要求。

(三)在線教學模式對學校師生管理產生較大影響

由于教育資源分布不均，在線教學無法全方面覆蓋所有學生，仍然有些人有些地方因為客觀條件的制約無法開展在線學習，諸如“山頂上網課”等新聞就引起大眾關注。很多偏遠地區信息化教學的條件不具備，網絡不通、條件不足、資源匱乏，學生和家長為之著急。“高校補助貧困生網課流量費”也是高校線上教學管理的人性化舉措，溫馨、周到、潤物細無聲的服務讓貧困學子感受到學校大集體的溫暖，引起網友一致的好評。后疫情時代下，“不建議每位高校老師做直播課”，而19.62%的網友評論顯示為消極情緒，39.89%的網友持中性態度，這表明學生對于老師開設直播課程期待值不高，在線教學互動的缺乏使得老師也無法發揮出應有的教學水平，而學生對于線上教學的新模式的適應仍然需要一段時間。學校教育資源的分配，新的教學模式探索、教學質量的控制以及學生復學返校后在線教學的管理都會是新的考驗。

結論

后疫情時代下，在線教學將面臨著新的機遇與挑戰。疫情的常態化防控使得教學無法回到傳統線下模式，學校承載的功能也逐漸發生改變。線上教學的異地分離使師生苦不堪言，無法有效的課堂互動導致教學效果不顯著。后疫情時代下，“在線教學何去何從”已引起社會各界的廣泛關注和熱烈討論。

根據新媒體大數據的高校在線教學輿情事件分析的結論，在線教學互動性的提高，線上線下混合式教學的實施必然是未來教學改革的重要方向。因此需要充分協調好體制內外在線教學體系關系，有效利用豐富優質的網絡教育資源，進一步補齊在線教學基礎設施建設的短板；協同好在線教學中的家校關系、師生關系，及時總結線上教育的問題和經驗，推動信息技術與教育學習深度融合，推動教育方式變革，提高線上教學效率，為后疫情時代下的教學模式提供良好的解決方案。