高等教育中高风险社交媒体信息的识别与画像：一种多维度风险评估方法

《Scientific Reports》：Identifying and profiling high-risk social media information in higher education: a multidimensional risk assessment approach

　　

摘要

社交媒体已成为关于高等教育公共话语的重要场域，信息扩散可能在此演变为舆论风险。本研究基于信息源属性、内容特征和传播模式，开发了一种多维风险评估和信息画像方法。研究使用了一起高校相关舆论事件中的 14,911 条微博帖子，利用基于熵的指标权重生成了连续复合风险评分。利用第 50、75 和 90 百分位数，将评分划分为极小、低、中和高相对风险等级，并保留高于第 90 百分位数的帖子进行信息画像。采用盲法四级编码程序来评估编码者间信度以及复合评分与人工判断之间的关联。LDA 主题模型刻画了语料库层面的语义演变，而K-Modes 聚类在前十分位子集中识别出四种画像：低触达情感表达、高触达中性长篇评论、高触达负面放大以及低触达中性残留讨论。研究结果表明，高优先级信息在源触达率、内容形式、情感极性和生命周期阶段方面存在差异。所提出的框架支持差异化监测和以治理为导向的解释，同时由此产生的风险等级应被理解为特定事件的优先级，而非普适性阈值。