基于DeepSeek的“社交媒体使用对大学生睡眠质量影响”数据分析全流程

一、研究背景

近年来，社交媒体的使用已成为大学生日常生活的重要组成部分。然而，其对睡眠质量的影响仍存在争议。本研究以“社交媒体使用频率对大学生睡眠质量的影响”为核心问题，基于问卷数据开展实证分析。

研究假设：

H₁：大学生社交媒体使用频率越高，睡眠质量越差；

H₂：睡前使用社交媒体时间越长，入睡时间越晚；

H₃：性别在“使用频率 → 睡眠质量”的路径中起调节作用。

问卷核心变量（共150人样本）：

变量名称

类型

描述

性别

分类型

男 / 女

每日使用频率

数值型

每日打开社交媒体次数

睡前使用时长

数值型

每天睡前使用社交媒体的分钟数

睡眠质量评分

数值型

自评1-10分，分数越高睡眠越好

每日入睡时间

时间型

HH:MM格式，例如“23:45”

二、实操步骤 步骤一：数据导入与结构确认

提示词：

“我上传了一份关于大学生社交媒体使用与睡眠关系的问卷数据Excel，请检查数据结构是否存在缺失值、不一致的格式或分类混乱。”

DeepSeek返回：

“睡前使用时长”中有3条负值记录（应为逻辑错误）；

“入睡时间”格式部分为文本字符串，建议统一转换为时间格式；

“性别”列出现“female”“女”“F”混用，建议统一为“女/男”。

继续提示：

“请将性别分类统一为‘男’‘女’，将负值剔除，并转换‘入睡时间’为标准24小时格式。”

DeepSeek输出清洗后的数据下载链接，并报告完成的数据质量审查。

步骤二：描述性统计分析

提示词：

“请对各变量进行描述性统计分析，包含平均值、标准差、极差、偏度、峰度和频率分布。”

DeepSeek返回摘要示例：

变量

平均值

标准差

偏度

峰度

每日使用频率

8.2次

2.5

0.33

-0.6

睡前使用时长

46分钟

20.4

1.12

2.8

睡眠质量评分

6.1分

1.8

-0.7

进一步提示：

“请用学术论文风格撰写一段关于描述性统计结果的文字分析，适合用于‘样本描述’章节。”

AI输出：

“调查结果显示，大学生平均每日打开社交媒体约8.2次，睡前使用时间约为46分钟。睡眠质量评分平均为6.1分，表明整体处于中等偏低水平。偏度和峰度数据显示，‘睡前使用时长’呈正偏态分布，且存在一定尖峰，提示部分个体存在高频使用行为。”

步骤三：假设检验与显著性分析

假设1（H₁）：使用频率影响睡眠质量

提示词：

“请基于Pearson相关性检验，评估每日使用频率与睡眠质量评分之间的相关关系。”

返回结果：

相关系数 r = -0.52，p < 0.01

存在中等强度负相关，显著

假设2（H₂）：睡前使用时间影响入睡时间

提示词：

“请将睡前使用时长与入睡时间进行Spearman相关性检验，并解释是否显著。”

返回结果：

ρ = +0.61，p < 0.001

深度解释：“睡前使用时间越长，入睡时间越晚，显著性较高”

假设3（H₃）：性别是否调节使用频率与睡眠质量关系

提示词：

“请以‘睡眠质量评分’为因变量，‘每日使用频率’为自变量，‘性别’为调节变量，进行调节效应回归分析，并输出交互项结果。”

返回结果：

交互项β = -0.27，p = 0.032，显著；

DeepSeek解释：“在女性群体中，使用频率对睡眠质量的负面影响更显著。”

步骤四：数据可视化生成

提示词：

“请生成一张散点图，展示每日使用频率与睡眠质量评分之间的负相关关系，并添加回归线。”

DeepSeek返回：

Matplotlib代码（或Excel绘图步骤）；

图标题建议：“社交媒体使用频率与大学生睡眠质量的关系图”；

可附自动生成的论文描述段落，用于插图说明。

步骤五：异常值检测与处理

提示词：

“请使用IQR方法判断睡前使用时长中的异常值，并指出处理建议。”

返回结果：

Q1 = 30，Q3 = 60，IQR = 30；

上限 = 105，下限 = -15；

出现2条高于105分钟的极端值，建议视为异常剔除；

DeepSeek同时提供论文中可用的分析描述段落：

“根据IQR方法，共识别出2条显著偏离的极端高值，代表个别学生在睡前社交媒体使用超过105分钟。为避免对分析造成偏差，本研究将其作为异常值处理。”

小结

通过本节案例可以看出，DeepSeek在数据分析流程中的每一步——从数据清洗、描述统计、假设检验、回归建模、图表生成到异常值处理——都能为研究者提供准确、标准、可复用的支持。更重要的是，借助自然语言交互，研究者无需精通统计工具或编程知识，也可以获得论文可用级别的分析结果与写作语言。

本案例强调的并非“自动化替代”，而是AI+人类的写作协同：研究者用洞察提出问题，AI用算力提供答案。未来的数据分析，已不再是门槛，而是路径清晰、落地高效的知识跃迁之路。

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

新鲜出炉的胡说八道，专家教授：马克思的祖先来自中国

历史总在押韵

2025-05-07 00:10:57

巴基斯坦军方称击落两架印度空军战机

国际在线

2025-05-07 05:57:03

县城婆罗门，正在被时代抛弃

枫冷慕诗

2025-05-06 17:06:28

两年狂捞32亿，抖音顶流夫妇“休息”了

李东阳朋友圈

2025-05-05 18:56:02

胡赛的一颗导弹闯下了弥天大祸

魔幻故事

2025-05-06 15:17:11

网址：基于DeepSeek的“社交媒体使用对大学生睡眠质量影响”数据分析全流程 http://c.mxgxt.com/news/view/1029013

相关内容

基于社交媒体地理数据挖掘的游客时空行为特征分析
社交媒体分析与数据报告.pptx
社交媒体数据分析：实时数据流处理技术深入解析1.背景介绍 社交媒体数据分析是现代数据科学的一个重要领域，它涉及到处理大规
社交APP行业分析社交媒体影响力与用户影响力的比较4.pptx
基于大数据的大学生网络社交行为研究.doc
社交媒体的情感分析大数据模型
大数据分析在社交媒体行业中的用户画像分析
基于大数据的社交网络分析与应用研究.docx
社交媒体大数据智能情感分析技术
网络社交媒体数据挖掘与情感分析

随便看看