互联网背景下大学生网络意识形态态势感知系统的研究

2019-12-09 07:56赵振营耿方方
中小企业管理与科技 2019年32期
关键词:因变量数值预测

赵振营,耿方方

(河南中医药大学网络中心,郑州450046)

1 网络意识形态的内涵及分类

网络意识形态的概念比较复杂。整体来说,网络意识形态的产生可以从两个基本维度把握:一是互联网引发的社会变革对民众心理的冲击,产生各种困惑,而网络空间内产生的各种“合理化解释”形成了网络意识形态的可能来源。二是各种传统意识形态通过网络化而形成的多种多样的意识形态,其中以国家主流的意识形态为主,应该处于较为强势的地位。

文中所指的网络意识形态是狭义的,主要是指学生的。网络空间中的意识形态有感性的、理性的、恶搞的、炒作的、调侃的等。这些意识形态不是为了娱乐而娱乐,往往承载着明确的意图,蕴含着显著的社会动员的诉求。大学生网络意识形态肩负着吸引学生、教化学生的目的。虽然我国主流的意识形态宣传已经很明确地表明了目的,但是在高校学生工作中,仍须提高警惕。

在此,论文依据学生的上网行为来判断其网络意识形态,因此,将网络意识形态归纳为以下类别,主要包括IT 相关、搜索引擎、医疗健康、教育相关、新闻资讯、软件下载、网上购物、网上社交、网上社交、科学技术、休闲娱乐、休闲娱乐、文化艺术以及其他类。其中,前12 种表示正常的学生网络意识形态,如搜索引擎类,表示学生通过百度、谷歌等探索未知事物;新闻资讯表示学生习惯通过网络获取相关内容。其他类表示网络意识形态疑似存在问题的学生。通过数据分析,可以预测未来该生意识形态的变化,并对其进行有针对性的引导。

2 回归预测分析法概述

2.1 回归分析预测定义

回归分析预测法是通过发现某些对所预测结果有重要影响的因素进行分析,找到因变量和自变量之间的因果关系,从而推测预测对象随自变量而变化的数值。因此,回归分析预测法又称因果分析法。

回归分析预测法按照种类分为一元相关回归分析预测法、多元相关回归分析预测法以及自相关回归分析预测法三种[1]。由于大学生网络形态与多个自变量相关,这是一种根据多个自变量的变化数值预测一个因变量数值的方法,属于多元相关回归分析预测法。因此,论文采用多元相关回归分析预测法。

2.2 回归分析预测法的基本步骤

2.2.1 依据目标,确定自变量和因变量

根据预测目标,也就确定了因变量。寻找与目标相关的影响因素,这些因素称为自变量。

2.2.2 建立回归预测模型

根据自变量和因变量之间的关系进行计算,在此基础上建立回归预测模型,也就是回归方程。系统中按照线性回归方程的方式对目标进行预测。线性回归预测模型的表达式为:

Y=a+b1X1+b2X2+…+bnXn

式中,Y表示因变量,a,bn表示参数,X表示自变量。

2.2.3 计算回归预测模型的参数

在模型建立后,通常首先需要确定回归预测模型中的各项参数。一般情况下,回归预测模型中的参数是最小平方法。

2.2.4 检验回归预测模型

回归预测模型是否能够用于实际预测,主要取决于对模型的检验。论文在依据历史数据和现实资料的基础上,检验回归预测模型,只有通过检验后,该模型才能用于预测。

3 大学生网络意识形态态势感知系统

3.1 功能结构

通过文献分析以及现场调研的方式,总结出大学生网络意识形态态势感知系统的功能结构图(见图1)。

图1 大学生网络态势感知系统功能结构

由图1可以看出,系统功能包括网络流量监控、应用流量排行、上网应用平均时长统计、网络行为趋势图、网络意识形态分类。

①网络流量监控:系统可以查看一定时间内(周、月、年)的网络流量情况。

②应用流量排行:通过系统可以看出应用流量包括移动终端应用、访问网站、P2P 流媒体、Web 流媒体以及其他。系统中可以查看到访问网站流量最高,Web 流媒体流量排在第二。说明当前Web页面是主流的传递信息的途径。

③上网平均时长统计:此功能可以显示一定时间内(周、日、年)在校学生每天的平均上网时长。

④网络行为趋势图:系统可以反映出在一周内学生的网络行为趋势,根据回归预测模型可以看到网络行为的趋势。如发现网络行为趋势异常,可针对某种网络行为进行追查,找到原因。

3.2 大学生网络意识形态态势感知系统主要功能实现

基于上述回归预测模型的步骤,采集校园网学生上网行为数据,将网络意识形态态势感知系统分为数据采集、选取特征参数、建立模型、训练预测。具体如下步骤所示。

3.2.1 数据采集

利用互联网传播信息的方式非常多样化,有的通过网站,主要表示为通过音频、视频、图片等多媒体形式;有的通过博客、微博等互动形式[2]。总之,将互联网中传播信息的方式分为两类采集,主要包括:

①网站类,包括Web页面,如Web 系统、门户网站类。

②主动的意识行为,包括通过百度、Bing 等搜索引擎搜索相关的关键词,通过BBS和微博发送相关的帖子和博文。

3.2.2 选取特征参数

由于互联网的应用种类多以及用户行为均不相同,论文选取其中比较重要的特征作为模型的自变量。模型选取的特征如表1所示。每个特征均针对用户进行单独统计。

表1 用户特征

以上特征均为自变量,论文通过上网行为分析能够找到相应的数值。

3.2.3 建立模型

选取多元线性回归分析预测模型作为系统的分析模型,如下公式所示,其能够给出一个样本是否为正/负样本的概率。通过概率可以衡量一个人网络意识形态情况。

Y=a+b1X1+b2X2+…+b5X5

其中,Xn表示如表1所示的五个特征,这个数值通过上网行为分析量化得出。a和bn表示偏移量,通过考察自变量和因变量的关系得出数值。

3.2.4 训练预测

通过抽取上网行为数据,统计表1中的特征数据,并运用上述模型公式进行计算,最终得出大学生网络意识形态的趋势图。

4 结论

新时代环境给大学生工作管理者带来了新的挑战。论文通过研究大学生网络意识形态的问题并总结经验,同时将学生的数据进行采样、量化、建立数学模型以及进行训练,最终开发了大学生网络意识形态态势感知系统。该系统的使用提高了管理者甄别学生网络意识形态的能力,能够做到有的放矢,减少了管理者的工作量。同时,也提示了学生的自我管控能力,使其在开放的网络环境中能够理性地表达自我,建立正确的人生观和价值观。

猜你喜欢
因变量数值预测
无可预测
选修2-2期中考试预测卷(A卷)
选修2-2期中考试预测卷(B卷)
选修2—2期中考试预测卷(A卷)
调整有限因变量混合模型在药物经济学健康效用量表映射中的运用
体积占比不同的组合式石蜡相变传热数值模拟
数值大小比较“招招鲜”
铝合金加筋板焊接温度场和残余应力数值模拟
偏最小二乘回归方法
谈谈如何讲解多元复合函数的求导法则