網絡輿情對新冠疫情下青少年情感態度的分析

周春梅，馮 林，張華輝

(1. 四川工商學院，四川 成都 611745；2. 四川師范大學，四川 成都 610110)

1 引言

2020年初的一場新型冠狀病毒以人傳人的方式在全球迅速蔓延。中國政府迅速作出響應，要求群眾居家隔離，不參加任何聚集性活動，百姓每天通過各大媒體關注新冠疫情的發展動向。根據官方數據報道，疫情期間，微博平臺每天超2億網友關注最新疫情，閱讀量到達7454億，日均發博同期增長了50%[1]。

青少年群體作為新浪微博主體受眾者，在居家隔離期間，深受網絡輿情影響，特別是突發性、隨機性、待驗證性的事件短期內成為熱搜，在無法認知的情況下，給青少年群體帶來嚴重的心理負擔。數據顯示2020年00后搜索“抑郁癥治療”相關內容的熱度同比去年上漲59%[2]。青少年抑郁情緒越高，自我污名感會越高，求助意愿越低[3]，導致消極情緒引發心理問題和精神障礙疾病升高。同時有數據顯示，青少年因心理行為問題和精神障礙引發的刑事或民事案件呈上升狀態，2020年青少年罪犯為281860人，比上年增加38585人[4]。為了降低青少年群體的犯罪、自殺、抑郁等現象出現，進一步關注疫情期間青少年的情感狀態，對其網絡言論進行情感分析，有助于社會各界對青少年關注焦點進行了解以及對青少年心理問題采取積極疏導和預防措施。

2 相關研究回顧

研究發現，突發公共衛生事件對大眾的心理造成極大的不良影響。樊富珉提出傳染病流行會引起社會上出現心理壓力和恐慌情緒[5]。郭鵬飛等人在2020年2月13日到19日以問卷的形式對青少年兒童進行焦慮情緒調查，疫情的傳播途徑、負面消息以及不實信息對焦慮癥狀產生較大的影響[6]。曾競通過對青少年的訪談，了解到新冠疫情引發了青少年群體心理的差異性變化，表現出恐慌下的過渡反應、盲目趨同行為、躲避心態下封閉歧視行為以及放棄奮斗散漫心態[7]。王寧霞采用焦慮障礙量表、應激感受量表、建議應對方式量表對410名高中生進行問卷調查，指出新冠肺炎對未經世事的青少年群體帶來了很大的心理壓力，410名高中生表現出了各種不同的應激行為[8]。

綜上所述，關于青少年心理問題的研究主要通過問卷調查或訪談的方式進行，受試者人數有限，只是青少年群體中的極小一部分或某一區域的青少年，不具有較強的代表性，同時受試青少年在訪談或調查期間有可能因抵觸或害羞不能真實的表達情感現狀和心理需求，從而導致研究分析的片面性和不真實性。如果對青少年網絡匿名評論進行數據分析，避免了面對面的尷尬和害羞，可以分析出該群體的真實心理訴求和情緒發泄內容。本文基于計算機技術、人工智能技術，采用文本分析方法對微博平臺評論進行情感分析，挖掘青少年疫情期間的關注焦點和情感態度，為后續心理問題預防、干預措施提供參考。

3 研究思路和研究方法

本研究以抓取青少年微博評論為研究樣本，研究框架分為三個部分，數據采集層、數據處理層、數據分析層，如圖1。

數據采集層構建爬蟲平臺，使用微博手機版網頁，微博提供接口地址和API地址，采用python中的基于urllib的開源協議庫requests請求訪問，爬取新冠疫情以來，主流媒體例如“人民日報”、“央視新聞”等發布新冠疫情新聞，特別是國內部分地區出現了本土病例后，青少年群體對該事件的評論作為數據集，返回標準json數據進行保存。

圖1 研究思路框圖

數據處理層利用python中的jiaba包進行分詞，引入去停用詞庫去除停用詞，采用TF-IDF算法對新冠疫情的評論進行詞頻統計和權重計算，降低情感詞向量空間維度，簡化青少年對此事件的態度的情感詞匯分析。

數據分析層將提取關鍵詞運用Wordcloud庫生成可視化云圖，運用LDA模型聚類情感主題詞，最后利用SnowNLP進行情感分類并產生情感餅圖。

TF-IDF由Salton等提出，中心思想是“如果某一個詞以較高的頻率出現在一篇文章中，且在其它文章中出現的頻率較低，則說明這個詞對前者核心內容作用較大，權重較高”[9]。該算法主要由TF (Term Frequency)和 IDF (Inverse Document Frequency)兩部分的乘積構成，TF-IDF的計算方法如式(1)。

(1)

其中，ni，j表示詞i在文檔j中出現的次數，∑knk，j表示文檔j中所有詞出現次數的總和，N為語料庫中文檔總數，di表示語料庫中包含詞i的文檔數，加1操作是防止分母為零的情況。TFi，j是詞i在文檔j中的詞頻歸一化后的結果，IDFi是詞i對于文檔j區分能力的度量，它同時也是對TFi，j權值的調整，抑制在所有文檔中普遍頻率較高的詞，如“的”、“和”等。

詞頻統計后，利用SnowNLP進行情感分析，引入自定義的“積極”、“消極”的情感主題詞詞袋，訓練青少年對該事件的情感程度判斷其是否是積極、消極或中性。

利用LDA(Latent Dirichlet Allocation)模型對分詞后的關鍵詞進行主題聚類，挖掘語義關系，采用困惑度低的概率模型分布預測青少年評論主題并進行分析。

信息論中的困惑度(perplexity)用來評判一個概率模型或概率預測樣本的好壞程度。低困惑度的概率模型分布能更好地預測樣本[10]。計算公式為：

(2)

p(ω)=∑p(z│d)*p(w|z)

(3)

其中，p(ω)是指測試集中出現的每一個詞的概率；N表示測試集中出現的所有詞，即測試集的總長度，不排重；z表示訓練過的主題；d表示測試集中的各篇文檔。

LDA模型的主要思想是將每篇文章看作所有主題的一個混合概率分布，而將其中的每個主題看作在單詞上的一個概率分布。在一篇文檔中的第i個單詞的概率可以表示為：

(4)

在LDA模型中，參數z代表主題，參數ω代表單詞，式(4)中p(zi=j)表示的是從文檔中取出一個單詞屬于主題j的概率，而p(ωi|zi=j)代表的是當取出單詞屬于主題j時該單詞為i的概率[11]。

4 結果與討論

4.1 實驗環境

本實驗采用python語言，Inter CoreI5-9400F CPU

2.9Ghz，內存8G，操作系統為win10環境下進行實驗。選取新浪微博評論為數據來源，分別爬取2020年1月-2020年3月(下文描述為疫情前期)和2021年1月10日-2021年2月28日(下文描述為疫情中期)“人民日報”、“央視新聞”等官方微博下的評論，重點選取逆行者醫護人員、全國各省份確診新冠病例報道、職能部門為民服務等三個主題事件。根據研究需求，篩選15-29歲青少年網友的評論做數據集，疫情前期數據共18731條評論，疫情中期數據為23145條評論。

4.2 實驗和結果分析

4.2.1 語義特征分析

網絡評論的關鍵詞可作為青少年對該新聞核心內容的濃縮提煉，能夠反映出青少年的情感態度。經過對2020年1-3月和2021年1-2月關于青少年疫情評論數據爬取，分別對評論進行分詞處理，分詞后共116486個和143942個詞匯，分詞效果如表1。

表1 用戶評論分詞預處理效果

導入包含7227個詞語的停用詞表，采用TextRank算法對數據集進行關鍵詞提取，經過詞頻統計選擇排序前20的詞語，詳見表2。

表2 詞頻統計結果排序前20個高頻詞匯

表2詞頻統計結果表明，2020年疫情初期，青少年關注最多是“武漢”，出現了10216次，緊隨其后的是“加油”出現8825次，“病毒”出現4957次，“疫情”出現3259次，“蝙蝠”出現3029次“中國”、“問題”、“標準”也以較高的頻率出現，“野味”、“人類”、“物資”、“希望”詞排列靠后。2021年疫情中期，“加油”出現的詞頻最高，達到16321次，其后的是“中國”、“希望”、“口罩”、“病毒”等詞匯，出現頻率在2000次以上，表現出青少年朋友的愛國情懷，帶好口罩，遠離病例，迎接希望，“醫院”、“疫情”、“物資”等與疫情相關的詞也以較高的頻率出現，詞云中還出現了“感謝”、“相信”、“國家”、“英雄”等詞，反應了青少年對抗疫的決心與信心以及對最美逆行者的敬佩。

4.2.2 詞頻可視化呈現

利用Wordcloud生成可視化圖形，分布選擇2020年和2021年輿情詞匯排列前25個詞匯生成云圖，云圖中字體越大，表明詞頻越高。如圖2和圖3，圖2為2020年疫情初期輿情詞云，圖3為2021年疫情中期輿情詞云。

結合圖2和圖3返回評論查看可知，2020年在疫情初期青少年群體對“武漢”、“蝙蝠”、“病毒”、“疫情”等新聞感到恐慌、焦慮，同時部分為民服務部門工作人員的工作失誤，起著輿情負性作用，青少年群體受輿情影響很大，產生較強的消極情感態度，2021年疫情中期更多是“加油”和“希望”以及對英雄的“感謝”。整個疫情期間，青少年群體中積極情感占主導地位。青少年在疫情兩個階段關注點有明顯差異，但“加油”這一詞匯在兩個階段的高頻詞中占據第一第二的位置，展示著青少年群體有一種積極向上樂觀精神和澆不滅的民族態度在持續。“希望”詞頻從排序第十九上升到了第三，體現了青少年的心理資本有所提高；2021年青少年關注整個中國的抗疫精神和在黨國領導下的團結一心；“口罩”、“病毒”仍舊以較高的頻率出現在兩年的高頻詞匯里，表明青少年群體對待病毒的仍舊擔心、焦慮。

圖2 2020年疫情初期輿情詞云

圖3 2021年疫情中期輿情詞云

4.2.3 情感態度分析

云圖能反應青少年疫情期間的關注焦點，但不能反應情感態度。根據2020年和2021年疫情期間主要事件不同情感傾向輿情數據分析，如表3所示，可以看出正面輿情的占比中，關于醫護人員的事件占比最高，負面輿情占比中，職能部門初期探索未呈現良好結果情感度最高，總體而言，醫護人員以最美逆行者的身份給青少年以最強的積極情感。

表3 2020-2021不同事件輿情情感傾向統計

情感態度能夠有效的反應青少年心理狀態，研究以知網的HowNet情感詞表為基礎引入疫情輿情分析的情感詞匯，采用情感分析工具SnowNLP進一步將評論內容與情感分類詞表進行情感匹配分詞，情感分析結果是在【0，1】區間上的一個值，情感系數小于0.5的定為消極情感態度，大于0.5的定為積極情感態度，其余為中性態度。根據對網友2020年和2021年評論的情感分析，得到2020年和2021年疫情輿情情感餅圖，餅圖的占比越大，說明人數越多，如圖4和圖5。

圖4 2020年疫情初期輿情情感餅圖

圖4顯示在疫情初期，青少年持積極情感態度的人最多，占總人數的67.9%，其次是31.2%的青少年持消極態度，最少是情感中立的人群，這部分只占總評論人數的0.9%。圖5疫情中期輿情情感餅圖中，持積極情感態度的青少年上升到了77.9%，持消極情感態度的下降到19.5%，中性態度的占評論人數的2.6%。

圖5 2021年疫情中期輿情情感餅圖

在2020年疫情爆發初期，“武漢”成為疫情重災區被封鎖，大部分青少年的關注點在“人傳人”、“無有效藥”、“封城”、“就醫難”等話題上，加上疫情防控初期的誤判，防疫預案的不完整以及“紅會”人員的工作失誤等事件廣泛傳播，各種待證實的消息撲面而來，青少年這一特殊群體知、信、行的水平較差，容易被煽動、感化，消極情緒持續升高。隨后在黨中央的領導下，倡導“全國一盤棋”，各省份的醫護工作者陸續馳援武漢，確診標準落地，新冠確診新增人數從每天1萬多下降到幾十等新聞事件帶來了積極的情感響應。面對突發性事件，一半以上的青少年網友能夠秉承積極向上的態度，相信黨國，相信國人上下一心共度難關，同時對醫護人員表示敬意，給疫區人民送出祝福與期盼，表現出積極的情感態度。少部分青少年群體對疫情持中性情感，可能這部分青少年對該事件持回避態度。

2021年，面對國內出現小范圍的疫情爆發，關注點在“源頭”、“嚴防死守”、“志愿者辛苦”等話題上，青少年群體經過2020年的突發事件心理應激建設和抗疫精神的渲染、抗疫知識的學習，大部分青少年網友表現出了面對疫情的信心和良好的心理素養，持樂觀積極態度；也有一部分青少年網友害怕病毒從國外引入，經過變異后傳播能力更大，影響范圍更廣，持悲觀態度。持中立態度的青少年網友上升到了2.7%，可能該部分青少年對疫情新聞持麻木心態。

4.2.4 主題詞演化分析

主題詞反應了事件的發酵和受眾群體關注焦點，通過主題詞掌握青少年的關注話題，對維護社會和諧、培養良好的社會適應心理素養有重要意義，結合2020年和2021年疫情爆發不同階段的評論進行困惑度計算，結果如圖6所示，當主題數為4時，困惑度最低。

從困惑度的角度分析，聚類主題個數K=4時效果最佳，LDA聚類訓練后，根據確定的最優主題數，選擇每個聚類前十個主題詞，如表4所示。

圖6 困惑度計算結果

表4 LDA聚類團簇表

聚類簇1根據主題詞的特征，圍繞“疫情”、“春節”展開分析，帶回評論發現青少年群體最多的評論是“回家過年”、“不一樣的春節”、“響應領導政策”、“感謝國家，感謝領導”等，體現青少年傳承著中國的傳統價值觀“集體主義”，舍小家為大家，同時也體現出青少年對孫武的“上下同欲者勝”的傳統思想的認知。

聚類簇2的主題詞中褒貶不一，積極詞占主要成分，該主題圍繞“英雄”、“抗疫”展開，評論中不少出現“向抗疫英雄致敬”、“中華民族是英雄民族”等評論，體現青少年群體中不少人懷揣著英雄夢。在世界公共衛生突發情況下，提倡顧炎武的“保天下者，皮膚之賤，與有責焉耳”的理念，黨國提倡時勢造英雄，百姓響應號召共同抗疫，不為自己的私利，飽含義無反顧的勇氣，世人皆英雄。

聚類簇3的核心關鍵詞“道歉”。該聚類把“隔離”人員需要“物資”，“志愿者”、“配送”不及時，“政府”、“人員”新聞發布會“道歉”體現出來，從側面可以發現該部分評論者對此表現出憤怒、恐慌、焦慮等情緒。可以把該類歸納為“安全感缺失”。安全感作為青少年心理最基本的心理需求，缺失安全感會導致青少年形成負性認知以及情緒不穩定，嚴重出現強迫癥、焦慮癥等心理障礙。

聚類簇4圍繞“加油”、“致敬”、“感動”展開分析，該類可以歸納為“樂觀精神”，抗疫志愿者在一線辛苦，新聞媒體報道英雄的事跡，全國觀眾除了“致敬”還有“感動”，在各大平臺送出祝福，相互加油，這也解釋了“加油”、“致敬”等詞在關鍵詞中以高詞頻出現的原因。青少年的每一份“加油”，體現了他們秉承著中華民族打不倒的樂觀精神，每一份“致敬”，體現了他們對英雄的敬意以及對生命的敬畏。

5 結論與建議

5.1 結論

1)整個疫情期間，青少年群體面對突發事件產生出不同的應激心理和情緒，有的憤怒、焦慮、恐慌、抑郁，表現出消極狀態，大部分青少年擁有感動、信任、感謝、致敬的積極情感。

2)2021年面對疫情持積極態度的青少年比2020年持積極態度青少年上升了10%，持消極態度的青少年下降了11.7%。

3)英雄事跡給青少年以正面情感最高，主要體現在對醫務工作者、志愿者、一線的英雄的致敬，服務部門工作失誤給人以負面情緒最高。

4)疫情中期，大部分青少年保持樂觀積極的情感態度，能夠有較好的心理資本應對突發事件，但是近五分之一的青少年持消極情感態度，表現出悲觀、憤怒、無助、無望的情緒，這一部分青少年的心理健康和情緒狀態值得關注，同時還有2.6%持的中性態度的青少年，有可能這部分群體有回避或情感麻木癥狀，只是短暫的緩解疫情對心理沖擊，對該部分青少年的心理健康也要持續關注。

5.2 建議

1)助力輿情監測過渡到情緒監測

社會情緒對青少年的集體行為影響極大。輿情內容發酵到一定程度演變成社會情緒，社會情緒支配著社會群體行動，美國學者sademan提出，社會危害與群眾憤怒演變成社會風險。加強輿情檢測，利用人工智能、數據挖掘技術對青少年群體進行情緒、情感挖掘，追蹤青少年情緒變化趨勢，避免青少年群體負面情緒群體化現象，助推負面輿情的傳播。

2)加強科學認知，強化危機意識

認知-情境理論與情緒安全感理論具有互補性。社會情境的威脅影響著青少年情緒，當威脅性越高，青少年的消極情緒越高，加強青少年科學的認知，減弱威脅對青少年負面情緒的影響，避免青少年的報復和失調行為。同時強化青少年危機意識，注入志存高遠理想信念和砥礪前行的奮斗精神，鑄就正確的價值觀，提升青少年群體面對風險和威脅的心理素養和行為能力。

3)重視輿情疏導，優化輿情傳播環境

官方媒體重視意見領袖的話語權，擁有豐富的信息資源，加強真實正面信息的報道，減少不實信息報道與發酵，以正能量積極引導青少年群體，對不良的社會心態進行疏導，對非官方媒體，進一步加強媒介素養的提升，打造積極的輿情傳播環境，減少小范圍負面輿情群體化現象。