摘 要：新媒体背景下，高校学生获取信息更加快速，渠道更加多元。在实现言论自由的同时，强大的信息渗透和强势的舆论导向也随之产生，这就需要高校思想政治教育进行正确的舆论引导。随着舆论累积不断地加速，新媒体舆情呈现出明显的大数据特征。因此，将大数据处理技术与网络舆情分析工作相结合，构建新媒体舆情分析模型，探索以微信、微博为载体的网络舆情管理方法，并对现有管理模式下出现的各类问题加以分析研究，不断加强和改善高校思想政治工作实施途径，从而构建良好的校园和网络环境。

关键词：大数据；新媒体；舆情分析；大学生

大数据参与网络舆情治理的迫切性

新媒体以其快捷的传播速度、丰富的传播内容和独特的传播方式成为当前主流媒体之一，高校学生思维活跃、开放，接受新事物和新模式的能动性强，因此成为了新媒体的主要受众群体。新媒体的高速发展，改变了信息传播的速度、内容及方式，对高校信息传播格局和主流舆论产生了深刻影响，也对传统思想教育中以单向灌输与传授为主的高校学生思想政治教育工作理念和方式提出了新的要求。

有研究发现：在思想政治教育领域中，新媒体作为一种新形式的教育载体，以其更便捷、更有效的优势获得思想政治教育主体与客体的一致青睐；时政热点的新媒体舆论宣传方式和内容对大学生思想政治教育效果有直接的影响。

网络舆情是指网民通过互联网发表、传播的对现实生活中一些热门事件、焦点问题所持的有较强影响力、倾向性的言论和观点，是社会舆论的一种表现形式。

随着新媒体产品的不断丰富，当今流行的网络直播、微信、微博、论坛、贴吧等网络社交平台及新闻平台的信息推送，以其信息接触即时性、信息传播广泛性和信息交流开放性的特点成为了高校学生群体认识世界的主要窗口及舆论监督的重要渠道。此外，高校学生可以通过评论、分享等方式与信息的发出者进行互动，更快捷地表达自己的意见和看法，并且可以就自身看法与平台上的其他用户进行讨论、交流。

但是，由于年龄、阅历和知识的局限，高校学生往往会表现出心智不够成熟的一面，尤其面对校园内外的热点问题和焦点事件而引发的高校网络舆论，学生容易受到网络不良及失实信息的诱导，引起思想波动及非理性情绪的蔓延，进而造成对社会和学校的巨大舆论压力，这就需要充分利用思想政治教育开展有效的舆论引导。

新媒体为网络舆论提供了广阔的传播平台，加快了舆论的积累速度，舆论类型也随着网民数量的不断增加趋于多样化，使得新媒体环境下的网络舆情展现出明显的大数据特征。

研究指出：大数据不仅为加强舆情监测能力拓展了一条新的技术路径，更重要的是它将改变网络舆情管理的理念和范式。由此可见，利用大数据手段参与舆情处理已是大势所趋，必将为新媒体舆情管理工作带来新的机遇与挑战。

舆情分析模型的构建与应用

1.利用大数据技术构建舆情分析模型。为了深入了解舆情信息，预测舆情发展，就需要对舆情数据进行合理分析。因此，本研究构建了舆情分析模型，主要包括数据采集与储存模块、数据预处理模块和数据深度处理模块。

数据分析系统的第一层是采集相关信息源中的舆情数据。微信、微博具有信息海量化和多样化、舆情引导目标受众相对固定、时效性强、目标人群定位精准等特点，逐渐成为各高校开展新媒体舆论引导的主战场，官方微信公众号、官方微博应运而生。

此外，随着高校学生主体意识的逐步提升，社会批判能力的不断增强，自媒体广泛流行起来，并成为青年人可以自主、随意表达对校内外热点时事与社会新闻看法的平台。因此，高校新媒体舆情采集应充分整合校院两级官方微信、微博平台，尽可能多地知晓学生群体中新出现的自媒体平台，从文本、视频、音频和图片中实时抓取信息，获取相关评论，保证舆论信息采集的全面、即时、高效，并将所获取的信息及时存入云数据库，方便获取。

数据分析系统的第二层是数据预处理模块。新媒体环境下网络舆情的价值密度很低，为了从海量数据中得到有效的舆情信息，就需要进行严格的筛选和分析。由于海量的原始数据中存在着大量数据异常且类型分散的舆论信息，这会严重影响数据分析模型的执行效率，甚至可能导致分析结果的偏差。因此，在数据采集后，需要进行数据的预处理。这一模块的主要内容包括数据清洗和文字聚类，主要原理是转化收集的原始信息，通过数据清洗删除原始数据集中的重复数据，利用噪声消除技术去除错误或存在偏离期望的孤立数据，识别正文信息特征，进行相似计算，经过关联和聚合处理后，生成文本向量集，为下一步的舆情分析工作做准备。

数据分析系统的第三层是数据深度处理模块，它是大数据舆情分析模型的核心模块。第一步是识别热点事件，系统利用关键词抽取、语义分析、数值统计对预处理数据进行主题特征提取，通过聚类算法将主题集压缩成一个个热门话题集，或通过分类算法根据主题集的特征对主题进行分类，得到与监测主题相关的舆情信息。经统计，高校舆情的类型主要可分为社会稳定类、校园安全类、权益维护类、高校管理类等。在发现热点之后，可以从统计学角度利用之前分词处理的结果对舆情语料进行话题词频统计，并进行文本分析和语义分析，统计正负面信息，探知舆论的情感倾向，判别情感强度。同时，要随着舆情的发展进行网络实时监控，利用话题识别、主题检测、相似计算等方法对新的热点信息进行跟踪，开展舆情分析，预测舆情发展趋势，实现舆情预警。

2.舆情分析模型应用实例。例如：2018年7月，某影视剧组在A校拍摄电视剧，引起学生的广泛关注。不久，一篇题为《拍戏就能在女生宿舍为所欲为？？》的文章在某自媒体微信公众号推送发布，反映了该剧组在A校拍摄期间给学生生活带来的种种不便，引发学生的大量转发及评论，负面舆论及谣言四起，立即触发权益维护类舆情警报。

由于事件的特殊性，舆情出现后，A校立即开展调查，分别约谈剧组工作人员与该自媒体微信公众号负责人，了解实情并结合舆情分析报告商讨解决方案。随后，该自媒体微信公众号再次发布推送，集中列举了学校针对学生所提问题的官方解答，澄清谣言，并表示将对学校回应的后续举措进行跟进，同时删除引发不良舆论的推送以示负责。

同时，在文章最后，积极呼吁学生正确面对和处理网络舆情，保持理智，传递网络正能量。该篇推送当日阅读量达17,000余次，转发评论中“效率高”“为学校点赞”“有诚意”“打call”“这是误会”等词句大量出现，正确引导了舆论走向。

在短时间内，自媒体公众号实现了从负面舆论发起者再到正面舆情引导者的角色转变。可见，利用舆情分析模型及时开展科学、有效的舆情分析，能够实现舆情预警，并提供辅助决策服务。此外，第一时间发布权威信息，回应学生关切，不仅能扭转舆论导向，更能加深学生对学校的理解和信任。

除舆情预警外，舆情分析模型还可以辅助提升新媒体宣传效力。通过统计官方话题的网络媒体报道量、学生转发量、评论量、关注量、传播情况、用户形态特征等数据，计算热度评估指数，形成对官方推送热度与受欢迎程度的科学评价，有助于宣传工作者更好地把握大学生行为特征和兴趣方向，为找准工作切入点提供可靠的数据支持。

以北京工业大学团委官方微信公众号“工大青年汇”在2018年6月7日发布的《来时我是一页白纸，别时我已挥墨成文》为例，该篇推送在主题上呼应了高考的时事背景，内容上以现代诗的形式带领学生回顾了新生生活，引发了学生的积极响应。通过舆情分析模型计算得出，该篇推送当日阅读量8,434人次，传播力76.44，影响力72.50，引导力76.69，与之前发布的以校内时事为主要内容的文章相比，热度明显提升。可见，这类能够反映学生生活现状，且内容感性的推送更能够引发学校学生的情感共鸣，有利于增强学生对学校的认同感和归属感。

问题及建议

1.信息收集不全面。在大数据产业内，大部分研究者利用网络爬虫获取信息，但也由此衍生了因私人信息泄露引发的网络安全恐慌。为尊重其他官方平台的劳动成果和保证学生个人信息的安全性，本系统目前仅掌握共青团系统的网络数据。因此，为提高数据采集过程的便利化和数据收集的全面性，本研究计划联合学校学生大数据中心开展工作，从学校层面加强与各部门、各学院的沟通合作，尽可能多地获取校、院两级官方平台管理部门和自媒体人的官方授权，合法取用后方数据。

2.数据分析不精准。现有的算法不可能完全识别文本含义，尤其面对词汇的变形使用，如在敏感词语中间加入空格或使用拼音代替文字等方法来逃避捕捉，导致关键词提取的精准率降低。因此，研究须不断改进大数据技术，并使用多种类别的关键词提取算法，如基于分离模型的中文关键词提取算法和基于高维聚类技术的中文关键词提取算法等，提高文本分析精准率。此外，由于网络语言更新速度快，研究还应及时更新关键词库，输入网络流行新用语，把握网络表达新形式，提高语义分析精准率。

3.反馈机制不健全。现有的舆情处理方式往往存在主动性不足、协调力不够、责任落实不到位等问题。因此，应建立科学、高效的预警反馈机制，做好舆情决策。要设立舆情监管员，主要负责日常推送，稳定开展网络宣传，并对高校舆情进行实时监控，即时掌握网络舆情动态。当网络舆情热点事件出现时，舆情管理员需要结合分析报告，掌握舆论热点，研判舆情类别和等级，及时上报相关信息辅助决策，把责任落实到人。再由责任部门、舆情专家结合实际提出处置意见，启动应急工作预案，第一时间发表权威消息和官方报道，还原事件真相，赢取学生信任，掌握网络话语权，完成决策。

面对新形势和新挑战，高校必须加强新媒体舆情管理工作，不断拓宽视野和工作思路。高校要利用好大数据处理舆情的相关技术，实现对突发事件的“快速反应、积极应对、正向引导”，更要充分发挥新媒体传播优势，积极引导高校大学生培养合格的媒体素养，提升正确鉴别信息真实性的能力，提高对舆论的理性认识。此外，高校要将新媒体文化建设与校园文化建设紧密结合，赋予校园文化新鲜活力，丰富校园文化内容，拓展校园文化内涵，延伸校园文化功能，稳步推进校园新媒体“个性化、融合化、稳定化”发展，为大学生更好地营造健康、活泼、生动的校