發(fā)布時(shí)間：2021-12-16 07:03

　　[目的/意義]利用新冠疫情網(wǎng)絡(luò)輿情數(shù)據(jù)來(lái)研究突發(fā)公共衛(wèi)生事件中中國(guó)網(wǎng)民關(guān)注度,有助于提升疫情期間政府信息供給效率、滿足公眾需求和提供社會(huì)支持等。[研究設(shè)計(jì)/方法]通過(guò)新浪輿情大數(shù)據(jù)平臺(tái)獲取研究數(shù)據(jù),包括:疫情流行高峰期間全網(wǎng)輿情數(shù)據(jù)、每日轉(zhuǎn)發(fā)排名前100名熱門微博、每日新增病例數(shù)據(jù)等。采用描述性統(tǒng)計(jì)、列聯(lián)表分析、回歸分析等方法,研究突發(fā)公共衛(wèi)生事件中網(wǎng)民關(guān)注度變化趨勢(shì)及影響因素。[結(jié)論/發(fā)現(xiàn)]疫情爆發(fā)初期,媒體大規(guī)模報(bào)道造成大量網(wǎng)民對(duì)事件關(guān)注;隨著疫情嚴(yán)重,新增病例與網(wǎng)民關(guān)注出現(xiàn)同頻共振;媒體報(bào)道初期,網(wǎng)民關(guān)注度集中趨勢(shì)高;防疫舉措、鼓勵(lì)加油、捐獻(xiàn)贈(zèng)送、倡議建議、贊譽(yù)肯定5大關(guān)注主題,貫穿疫情流行高峰;主流媒體發(fā)布微博受關(guān)注最多,不同賬戶類型情感傾向有顯著差異;網(wǎng)民總體關(guān)注度受新增病例和變異系數(shù)影響;每日熱門輿情關(guān)注度,受新增病例、變異系數(shù)、輿情總量和戲劇性分值影響;單條微博受關(guān)注程度與當(dāng)日相關(guān)話題總量和微博粉絲數(shù)有一定關(guān)系。[創(chuàng)新/價(jià)值]本文系統(tǒng)分析了突發(fā)公共衛(wèi)生事件中網(wǎng)民關(guān)注度變化趨勢(shì)和影響因素,為政府決策提供支持。

【文章來(lái)源】： 現(xiàn)代情報(bào). 2020,40(10)CSSCI

【文章頁(yè)數(shù)】：11 頁(yè)

【文章目錄】：
1 相關(guān)研究
2 數(shù)據(jù)與方法
    2.1 數(shù)據(jù)來(lái)源
    2.2 研究方法
    2.3 數(shù)據(jù)概覽
3 網(wǎng)民關(guān)注度分析
    3.1 總體關(guān)注度趨勢(shì)分析
        1)全網(wǎng)輿情與病例趨勢(shì)分析
        2)輿情情感與病例趨勢(shì)分析
    3.2 網(wǎng)絡(luò)輿情關(guān)注度指標(biāo)變化趨勢(shì)分析
    3.3 熱門輿情關(guān)注主題變化趨勢(shì)分析
    3.4 熱門輿情賬戶特征分析
        1)熱門輿情微博賬戶分布
        2)熱門輿情賬戶情感分布
4 影響因素分析
    4.1 網(wǎng)民總體關(guān)注度影響因素分析
        1)模型與變量
        2)結(jié)果分析
    1)模型與變量
    4.2 每日熱門輿情關(guān)注度影響因素分析
        2)結(jié)果分析
    4.3 單條熱門微博關(guān)注度影響因素分析
        1)模型與變量
        2)結(jié)果分析
5 結(jié)論與建議


【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)搜索行為與公共關(guān)注度:基于2011-2017年百度指數(shù)的動(dòng)態(tài)分析 [J]. 孟天廣,趙娟.  學(xué)海. 2019(03)
[2]社會(huì)關(guān)注度的新聞大數(shù)據(jù)分析——社會(huì)、時(shí)間與空間的維度 [J]. 鄭路,吳文兵,葛天任,張翀.  浙江學(xué)刊. 2018(03)



本文編號(hào)：3537705