网络舆情分析教案.docx
- 文档编号:29285697
- 上传时间:2023-07-21
- 格式:DOCX
- 页数:14
- 大小:642.84KB
网络舆情分析教案.docx
《网络舆情分析教案.docx》由会员分享,可在线阅读,更多相关《网络舆情分析教案.docx(14页珍藏版)》请在冰豆网上搜索。
网络舆情分析教案
教案
网络舆情分析
建立目标任务
明确重难点
课程导入,激发学习兴趣。
讲授法、案例分析法(网络舆情案例),建立学习内容的总体印象。
讲授法
案例分析法
讲授法、案例分析法
讲授法、案例分析法(案例解读)
讲授法、案例分析法(案例解读)、实验法
讲授法、实验法
布置作业、巩固知识,进行总结性评价(舆情分析报告)。
教学反思
一、课时安排:
课时(理论讲授6课时,实践4课时)
二、教学课型:
理论、实践课
三、教学目标:
(1)了解舆情数据分析的基本内涵及意义。
(2)掌握舆情热度、倾向性、预测分析。
(3)掌握舆情分析报告撰写。
四、教学重点难点:
(1)舆情热度、倾向性、预测分析。
(2)舆情分析报告撰写。
五、教学方法:
多媒体教学(讲授法、实验法)
六、教学过程与内容:
课程导入:
网络舆情案例。
本章概述:
网络舆情分析即通过对网络热点事件相关数据的获取,并采用多种方法对数据进行分析和处理,从而对舆情进行研判和分析,尤其是对舆情事件热度进行分析、对舆情走势进行预测。
本章主要内容包括舆情数据分析及典型案例、舆情热度分析、舆情倾向性分析、舆情预测分析,并在此基础上依托实际案例给出舆情分析报告的撰写方法和思路,目的是通过舆情数据分析与处理来展示新媒体数据分析在舆情领域的应用的具体方法、案例和实践,从而更好地支持舆情应对和引导。
第一节舆情数据分析及典型案例
(一)舆情数据分析
1、舆情数据分析的背景与涵义
网络舆情是以网络为载体,针对社会问题、现象以及事件等,广大网民情感、态度、意见、观点的表达、传播与互动,以及后续影响力的集合。
2、舆情数据分析的意义
网络舆情分析主要侧重于两个方面:
一是还原舆情发展过程,找到舆情产生的根源;二是预测,分析网络舆情的未来走向,再根据预测结果提出应对方案。
而针对这两方面的工作,网络舆情分析的重点在于舆情数据分析中的热度分析、倾向性分析、预测分析。
3、舆情数据分析的可视化
可视化是数据描述的图形表示,它指的是将结构或非结构数据转换成适当的可视化图表,它的应用有利于更高效地传达海量数据中的复杂信息,将隐藏在数据中的信息直接展现在人们面前。
4、舆情数据分析的方式
(1)人工检索,借助于商业搜索引擎等开放性工具、平台,进行实时监测,并筛选获取的数据。
(2)使用专业网络舆情监测系统,实现跨屏、跨库、跨区域、跨媒介的全方位信息收集。
如人民在线、方正智思、军犬、清博舆情系统、新浪舆情通、林克艾普、企鹅风讯、舆情雷达、鹰击舆情系统等。
(二)典型案例
舆情事件的基本要素包括时间、地点、涉事主体、事件等,舆情数据分析的示例基本围绕这几大要素展开。
本部分选取鹰眼速读网发布的“学生‘问题营养餐’曝光事件”作为舆情数据分析的典型案例,具体见教材。
第二节舆情热度分析
舆情热度分析,还原舆情发展过程,找到舆情产生的根源,它是网络舆情分析工作的重点之一。
通过数据反映出信息的变化趋势,也能够监测出负面舆情扩散的严重程度。
(一)热度概况与全网声量分析
分析舆情热度,首先要看热度概况和全网声量,以便从总体上把握事件的热度情况。
以新浪微热点的热度指数为例,它是指在从新闻媒体、微博、微信、客户端、网站、论坛等互联网平台采集海量信息的基础上,提取与指定事件、人物、品牌、地域等相关的信息,并对所提取的信息进行标准化计算后得出的热度指数。
(二)热度指数趋势分析
在了解总体热度指数后,再来分析热度指数的趋势。
(三)声量走势分析
声量走势分析是对某舆情事件的信息发布数量的趋势分析,它是对信息数据发布量的统计和展示。
通过声量走势图,可以从网民和媒体生产和传递信息的角度观察事件热度。
(四)舆情信息来源、活跃媒体分析
舆情信息来源和活跃媒体分析是对舆情信息主要来源和传播时较活跃的媒体进行分析和统计。
目前网络舆情的产生和传播主要是在新闻网站、论坛、微博、移动客户端和微信几类平台,来源于不同平台的热点舆情,在传播上也会呈现出不同的特征。
(五)地域热度分析
地域要素体现了舆情爆发的地域性特征。
通过对舆情主要分布地域的分析,可以获知全国不同地区网民和媒体对事件的关注程度;同时,舆情的地域分布也可以反映出舆情的热度,一些地方性事件,由于其影响较大,讨论较多,其舆情分布可能遍及全国。
(六)舆情演化分析
舆情演化分析是从舆情内容和热度的双重方面对舆情进行分析。
分析网络舆情热度,我们需要了解舆情爆发和演进的过程——潜伏期、爆发期、蔓延期、缓解期、反复期、消退期,从而梳理舆情的起因、经过、结果。
第三节舆情倾向性分析
倾向性一般指文本对一件事物表达的观点、立场以及态度等。
倾向性分析(OrientationAnalysis)是基于微博、论坛等在线社交网络产生的主观评论文本内容进行分析、处理、归纳和推导,从中挖掘出用户(个人、群体或组织等)针对主题、事件、人物等表达的评论、观点和意见的过程。
舆情倾向性分析的对象主要是网民自主发布的与网络舆情事件相关的文本。
通过倾向性分析能够了解网络传播者所蕴含的感情、态度、观念、立场、企图等客观反映。
(一)关键词云、关联词分析
通过对关键词的获取和分析,可以间接观测网友的情感态度。
目前常用的分析关键词的方式是以词云,即标签云,展示词频分布。
词云将词语按一定规律和顺序进行排列,如按照频度递减或字母顺序排列,并以文字的大小代表词语出现频率的高低。
(二)情感属性分析、用户情绪洞察
舆情情感属性的分析能从整体上把握网民的态度和看法。
情感属性通常有许多划分标准和表达方式,比如方正舆情系统将情感倾向分为正面、负面、中性,新浪微热点将用户情绪细化为喜悦、中性、愤怒、悲伤、惊奇、恐惧。
用户情绪洞察是在舆情情感属性分析的基础上细分用户人群,针对不同人群分析其情感倾向。
(三)网民倾向性分析察
网络舆论倾向性是网络舆情的风向标,它直接展现网民和媒体对某一事件所持的态度、情感,是社会各阶层意见和态度的真实反映,这些信息在一定程度上影响着网络舆论的走向。
通常可以使用爬虫抓取网络上的相关信息,获取网民评论和媒体报道,基于网民和媒体的提及量及聚类分析,从而进行评论文本倾向性分析。
(四)媒体倾向性分析
在信息传递过程中,媒体的作用不可小视,媒体针对某舆情事件所发表的看法往往对大众有着直接的影响。
媒体报道的带有不同倾向性的不同话题会对网民的倾向产生不同方向的引导。
第四节舆情预测分析
舆情分析的预测性即从舆情事件已知的状况人入手,采用有效的预测方法来预估网络舆情事件的发展态势,在分析研究的基础上,对决策对象做出评价和预测,并发现潜在的舆情危机,最终根据预测结果提出舆情应对策略。
这有助于科学迅速地采取适当措施,引导事件正确发展,打好舆情引导处置的“提前量”。
舆情预测分析是网络舆情分析工作的重点。
目前许多研究从技术层面,如建立预测模型和预测方法,展开对网络舆情的预测分析,但本节从对数据的归纳、分析和解读角度对网络舆情进行预测和分析,侧重通过现有的舆情数据进行简单的舆情热度趋势、话题、情感倾向等的预测。
(一)舆情演化特征的预测分析
舆情预测分析,重点是把握舆情发展方向和态势,也就是掌握舆情事件的生命周期。
网络舆情事件的生命周期,主要包括两方面的含义:
一是网络舆情事件都具有从萌发走向消亡的生命周期;二是网络舆情事件可以分成若干阶段,并且其演进具有一定规律性。
(二)舆情传播路径的预测分析
舆情传播路径的预测分析的主要内容是分析不同时期的传播平台与舆情扩散的具体过程。
(三)相关词的预测分析
舆情相关词可以反映出围绕事件展开的话题,它能在一定程度上预测舆情话题的演进。
(四)舆情走势节点的预测分析
舆情走势图中呈现出转折的点,即舆情走势的“节点”,它们可将某舆情事件的过程划分为几个阶段。
关注舆情走势的节点有利于从整体上分析舆情走势、预测舆情走向。
(五)舆情倾向性的预测分析
本章第三节舆情倾向性分析中提到几个舆情倾向性分析指标,在舆情预测时,同样扮演着重要的角色。
网民倾向性影响媒体关注的焦点、报道的内容,而媒体倾向性又反过来影响网民讨论的话题,因此掌握媒体和网民倾向性的发布和传播对预测舆情走势有一定的指导意义。
(六)关注意见领袖
意见领袖通常由政府官员、当红明星、微博大V、草根名人、知识分子、知名记者等各界有影响力的人群组成。
在网络舆情的演进中,他们或促成事件的圆满解决,或对事件的负面影响推波助澜。
因此,舆情预测分析时应加强对意见领袖的关注,后期可以通过对这些用户情感传播行为的方式与内容加以监管和引导,规避网络谣言的产生,避免舆情危机爆发而扰乱网络秩序。
第五节舆情分析报告
(一)网络舆情分析报告类型
网络舆情报告主要分为专报、日报、周报、月报、季报、半年报、年报等。
针对每日、每周、每月、每个季度、每半年或年度的舆情动态,可分别采取日报、周报、月报、季报、半年报或年报等报告形式,呈现当前的舆情走势、情感倾向、信息来源、代表性媒体、网友观点等,并总结舆情应对,判断下一阶段的舆情风险,提出应对建议。
(二)网络舆情分析报告结构及撰写
本节内容以“湖南精准扶贫”话题为例,来讲述网络舆情分析报告的常见结构及撰写方法。
本报告以“湖南+精准扶贫”为组合关键词对2019年度全网数据进行抓取,并对数据进行分析,从而生成网络舆情分析报告。
1、事件概述
2019年“湖南精准扶贫”事件走势如图所示。
2、传播分析
(1)传播趋势
以2019年“湖南精准扶贫”为例,其传播趋势表现为:
总量上升,声量增大,多平台齐聚发声。
总体和各媒体形式传播趋势如图所示。
(2)传播路径
2019年度“湖南精准扶贫”事件传播路径如图所示。
(3)传播节点
下面以2019年度的数据搜索节点为例,来分析2019年度“湖南精准扶贫”事件的传播节点,如图所示。
3、媒体来源分析
“湖南精准扶贫”数据的有关媒体来源,如图所示。
4、话题分析
(1)热点分析
2019年度“湖南精准扶贫”热点词云图如图所示。
2019年度“湖南精准扶贫”热点信息如表所示。
(2)观点分析
观点分析可从专家、名人、大V、普通网民等不同来源进行分析,也可以从不同媒体来源进行分析。
(3)代表性报道分析
对于“湖南精准扶贫”话题,其代表性报道言论大致可分为三类:
产业扶贫、旅游扶贫和消费扶贫。
5、情感属性分析
情感属性分析,也称为情感倾向性分析,可从正面、中性、负面进行统计分析,也可从敏感、非敏感进行分析。
6、关注人群分析
(1)性质分析
人群性质主要指性别比例、年龄、来源、职业等,如从所获取的网络数据来看,“湖南精准扶贫”数据来源既包括境内媒体数据,也包括境外媒体数据,如图所示。
(2)地域分布
地域分布通常用不同深浅程度颜色的填充数据地图来进行表示和可视化呈现。
从“湖南精准扶贫”信息关注度地域可视化分布可知,北京市、广东省、湖南省、上海市、浙江省是对湖南精准扶贫相关信息关注度较高的省市。
对湖南精准扶贫关注度排名前十的省市及相关数据量如表所示。
从排名靠前的省市来看,一方面这些地区对精准扶贫较为关注;另一方面这些地区传媒业相对较为发达且较为注重媒体传播,而且与湖南相隔距离也较近,经济合作和地区联系比较紧密。
7、总结点评
针对湖南精准扶贫的数据获取和分析可以看出,2019年度湖南精准扶贫的网络传播热度趋势较为平稳,全年度月份的数据量保持在30000至60000之间,传播媒体和平台多样化,从中央到地方的主流媒体和一般用户都有较热的参与度,尤其是经济和传媒业较为发达地区的媒体和用户关注度较高。
与去年相似,今年八月份明星合作伙伴的星光公益联盟助力活动,通过网友和媒体的助力,产生了较高的热度和影响力。
思考与练习:
(1)根据本章所讲内容,分别进行某一舆情事件的舆情热度、倾向性、预测分析。
(2)根据对网络舆情的分析撰写舆情报告。
教学反思:
(1)教学成功之处:
(2)教学不足之处:
(3)学生获得知识和创新(知识掌握、技能获取、价值观理念树立):
(4)改进措施和方案:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 网络 舆情 分析 教案