高校教育舆情预警模型与案例研究

［摘要］高校舆情事件发展有着阶段性的特点，利用Logistic曲线分析高校舆情的发展趋势对于提升高校网络舆情预警能力有着一定的意义。通过Logistic曲线模型，将高校舆情事件发展阶段分为特定的几个阶段。基于阶段划分的结果，提出并阐述高校舆情事件的舆情预警模型，并进行案例分析研究。结果表明，Logistic曲线模型能够有效预测高校舆情事件的网络舆情传播趋势和发展阶段。同时高校舆情事件的网络舆情预警机制可为相关部门的舆情分析和处理提供参考。

［关键词］高校舆情；Logistic曲线；舆情预警；机理

一、引言

教育舆情是指在一定的社会空间内，作为主体的民众针对有关教育的中介性社会事项所产生和持有的社会政治态度。随着互联网工具的兴起和大面积普及，网络教育舆情越来越受到人们的关注。人们借助于互联网发表自己对教育事业的看法，包括互联网上曝光和呈现的教育事件、教育现象和教育问题等方面，同时也反映了人们对这些教育问题或现象的观点和态度。高校网络教育舆情涉及面广，参与人数众多，影响力大，是教育舆情的重要一环。因此，高校网络教育舆事件的预警变得极为关键，其研究也成为网络舆情研究学者关注的热点。近年来，学者在高校事件的舆情管理的研究取得了一些成效，例如储节旺、朱玲玲结合学者的研究经验，以文献研究和理论研究为主，采用定性研究方法，从事前、事中、善后处理三个阶段入手，强调情报支撑作用，最后提出解决当前高校网络事件应急管理困境的基本举措；李纲也曾指出当前公共事件网络舆情面临以下问题和挑战：理论与实践有待进一步融合，缺乏量化分析的体系与框架，微观层面分析有待深入，缺少网民社会结构和群体行为研究。阶段划分是舆情研究的一项重要内容。高校舆情事件网络舆情热度和关注度的变化有一定的规律。目前学术界针对网络舆情发展趋势阶段的研究，依据不同的划分标准，可以划分为三至六阶段等，具体内容和代表性成果如表1所示。虽然学术界对网络舆情演化阶段的划分标准和命名各有见解，但网络舆情遵循了事物发生、发展和消亡的发展规律是学术界的普遍共识。整体而言，网络舆情发展阶段的研究很丰富，但大部分研究主要集中于定性研究，缺乏网络舆情发展规律的定量化描述和分析。笔者认为，网络舆情发展受各种随机因素影响，但有其自身的发展规律，而Lo-gistic生长曲线能较好的捕捉和预测高校舆情事件的网络舆情发展趋势。为此，本文基于Logistic生长曲线，构建高校舆情事件的网络舆情发展阶段预测模型，对模型通过实证进行拟合验证，划分舆情传播的阶段，进而针对舆情传播每个阶段的特点进行舆情预警，提出预警模型，为应对高校舆情事件网络舆情危机提供新视角。

二、理论和方法模型

（一）Logistic生长曲线。比利时数学家发现社会人口增长速度一开始随时间的增加而逐渐加快，高速增长之后，增长速度逐渐减缓，最后趋于稳定。之后美国人口统计学家通过对生物繁殖和各国人口增长的大量研究分析，发现了相同的规律，并把这个规律命名为Logistic曲线，曲线见图1。随着大数据的不断发展，网络教育舆情在来源、主题、主体、民意传播方式以及影响态势方面表现出一些不同于传统舆情的特点，网络舆情变得越来越复杂，舆情分析面临挑战。但高校教育舆情事件发生后网络舆情的发展态势有其自身的规律。综合上述学者对网络舆情不同发展阶段的研究，虽然阶段划分、命名有所不同，但本质上都认同前期的网络舆情规模是按照“产生—爆发—平稳”的模式发展，形成了“S”形的发展形态。因此，可以利用Logistic曲线来模拟网络舆情的发展变化过程。（二）基于Logistic曲线的高校舆情事件网络舆情预测模型。高校舆情事件发生后，在前期一段时间内，相关网络舆情的数量开始增加；随着时间推移，增速在逐渐变大；到达顶峰后，舆情规模不断放缓，并趋于稳定。基于以上走势特征，利用Logistic曲线来模拟高校舆情事件网络舆情发展过程，Logistic曲线的数学模型为：yt=K1+me-at（K，a＞0）（1）其中：t表示时间；yt表示t时刻被统计变量的值，其变化范围为0＜y＜K；K是yt的饱和水平。

三、基于Logistic曲线的高校舆情事件网络舆情传播预测与阶段划分

（一）案例基本情况。在2019年初“翟某某学术门”的影响下，引发了公众对学术不端行为的强烈关注，并促使部分高校加大了对论文的力度。部分学校的毕业论文“率”从原来的30%以内降低到20%，更严格的甚至降到了8%以下。此外，还有学校增加了重审环节，即对已毕业学生的毕业论文进行质量跟踪监控，一旦被查出高于率，将直接取消学位证书与毕业证书。此消息引发网友热议，大量网友参与转发跟评，截至6月11日，原PO互动近3.7W。图2为2019年6月10—11日“毕业论文”事件所引发的搜索指数（搜索指数为互联网用户对键词搜索关注程度及持续变化情况）。从图表中可以看出，搜索指数在6月10日急速上升，11日以后逐渐下降，其生长规律符合Logistic曲线的“S”型特征，选用Logistic曲线进行网络舆情的预测具有合理性。“毕业论文”事件搜索量顶点发生在6月10日14∶00，将10日6∶00至14∶00每一个小时的搜索量数据进行编号，6时编为1，7时编为2，依次编号后对其进行累加处理得到表3。根据表2数据画出折线图（见图3）。应用三段和值法确定“毕业论文”事件网络舆情Logistic曲线系数：K=853755.954，m=161.706，a=1.827。Logistic曲线表达式为：yt=853755.9541+161.706*e-1.827t（二）Logistic曲线模型拟合检验。根据上文计算出的“毕业论文”事件网络舆情Logistic曲线系数，分别计算出“毕业论文”事件每个时段搜索指数累加数的预测值，并将预测值和实际值进行比较（如图4）。从图4中可以看出，预测模型和实际发展趋势接近。在检测预测模型效果时，一般使用判定系数R2作为判定指标，用来反映预测值和实际值之间的差距，R2越接近1，拟合效果越好。本模型中，经过回归统计分析，R2=0.70，说明本模型与高校教育事件的网络舆情发展趋势拟合效果较好。所以，使用Logistic曲线模型能很好的拟合网络舆情热点的发展趋势，并且具有良好的预测效果。但也可以发现，网络舆情发展会受到其他因素的影响，比如衍生舆情的产生，会改变网络舆情的发展环境和状态，从而改变网络舆情发展的趋势，使之不再呈现典型的Logistic典型的“S”形曲线。所以，在高校网络舆情预警中需要根据实际情况进行符合具体发展情形的预测。（三）阶段划分。通过上述统计数据的直观分析，根据Logistic曲线的拐点公式lnma，K2!"，计算可得：（1.78，426278），即“毕业论文”事件中，拐点出现在6月11日，也就是说，在6月10日，与该事件有关的搜索指数增长最快，11日过后指数增长速度明显减缓。所以，根据拐点，“毕业论文”事件的网络舆情传播可以分为三个阶段：隐蔽潜伏期、爆发扩散期和平稳衰退期。

四、基于Logistic模型的高校舆情

事件的网络舆情预警机制。基于Logistic模型对高校教育事件网络舆情传播的阶段划分结果，根据高校教育事件网络舆情各个发展阶段的特征，本文提出了高校教育事件网络舆情的预警机制（见图5）。高校教育事件网络舆情的预警机制将舆情传播划分三个基本阶段，即隐蔽潜伏期、爆发扩散期和平稳消退期，虽然有些学者将阶段划分为三个或三个以上更加复杂的阶段，但是笔者认为，无论如何划分，高校教育事件舆情传播都有潜伏—爆发—消退的特性，二者是不冲突的，因此本文提出的预警机制具有一定的普遍适用性。高校舆情事件的网络舆情预警机制包括两个方面，一是网络舆情的监测，通过网络安全管理和网络安全技术等手段，尽可能对网络舆情发展进行异常监测；二是在网络舆情高校教育事件必然发生的前提下，政府、高校等相关部门通过预先决策采取预防措施，以降低或减缓网络舆情的影响。五、结语随着社交媒体的发展，高校舆情事件发生后，其网络舆情信息发展和传播迅速。高校舆情事件网络舆情的前期发展规律符合Logistic生长曲线的特点。基于Logistic曲线可以将网络舆情发展预测并划分为特定的几个不同的阶段，并且需要针对每个阶段的不同特征进行预警。本文的主要工作和结论如下。1.本文基于Logistic曲线的理论基础，结合实例进行验证分析和模型拟合，将高校舆情事件的网络舆情发展趋势预测划分为特定的三个阶段。本文提出的高校教育事件网络舆情预警机制可以为政府、高校和社会公众根据不同阶段的特点来有效应对网络舆情危机。2.本文研究主要集中于高校网络舆情的文本内容进行分析，但从网络事件的演化过程看，网络舆情的评论、转发、浏览量能更好的体现高校教育事件网络舆情的关注度和热度。所以，以后的研究阶段有必要在文本信息的基础上结合实际的高校教育事件热点演化数据量，进而完善各阶段的模型构建。

作者:朱益平 单位:南昌大学