基于大数据的大学生网络社交行为研究.doc

文档简介

基于大数据的大学生网络社交行为研究 随着网络社交的发展，越来越多的大学生活跃在各类网络社交平台，本文采用大数据挖掘、大数据分析技术，从大学生网络社交行为模式及大学生网络社交人格特征两个方面研究大学生的网络社交行为，为指导大学生健康发展，树立正确价值观提供依据。 【关键词】大数据 大学生 网络社交 行为模式 网络社交是指网民以计算机、网络为中介，以数字化的符号为载体进行的人与人之间的交往方式。wellman认为网络社交研究的范围有广义与狭义之分，广义的网络社交置于网络使用行为之下，将“网络交往”等同于“网络沟通”、“计算机媒介互动”等概念，并在此范围下研究用户的网络使用行为、信息交换和交往行为；狭义的网络社交是指网络人际交往，即信息的传递和网络用户的沟通行为。本文主要针对狭义的网络社交。对大学生网络社交行为现状的研究，学者们从不同的角度出发得出结论。王洪波（2013）调查发现大学生网络社交的范围仍然以熟人社交为主，选择qq和email进行交流的比例仅为34%和8%，在交往态度上更加倾向通过网络进行交流。巢乃鹏（2012）在研究大学生社交网站的使用动机时发现，归属需要与担心拒绝都是社交网站使用的重要预测值。fioravanti（2012）研究了大学生自尊和网络偏好之间的关系，发现女性自尊和网络偏好之间有很小的负相关，男性则不相关，总体上个人自尊和网络社交偏好之间没有明显相关关系。以上结论的得出大部分源于对大学生进行的问卷调查，虽然这种方式简单可行，但问卷编制的主观性，调查对象的局限性，以及数据量的有限性都对结论能否解释大学生网络社交行为的本质产生负面影响。而目前大数据分析为解决这一问题提供了思路。 1 大数据及大数据分析技术 1.1 大数据的定义 大数据是一个新兴的概念，目前学术界还未对大数据给出统一的定义。维基百科将大数据定义为：巨量数据、海量数据、大数据，是所涉及的数据量规模巨大到无法通过人工方式，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息；gartner的定义是：需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。总结这些定义发现大数据应具备四个基本特征：数据量巨大；价值密度低；来源广泛，特征多样；增长速度快。 1.2 大数据分析技术 大数据分析的核心问题是如何在种类繁多、数量庞大的数据中快速获取有价值的信息。在理论研究上，数据挖掘技术成为大数据分析的关注焦点。数据挖掘是一项以发现数据中有价值的模式和规律为基本目标的独立的数据组织和写作的建模历程；数据挖掘是商务智能和决策支持的核心部分，自动化或半自动化程序是构成数据挖掘和核心技术；数据挖掘是为发现大规模数据中所隐藏的有意义的模式和规律而进行的探索、实验和分析。 在大数据分析实际应用方面，目前广泛采用的是云计算技术。根据美国国家标准与技术研究院的定义，云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。该技术是2006年由google公司提出，技术主要包括分布式文件系统gfs、分布式数据库bigtable、批处理技术mapreduce、以及开源处理平台hadoop。 2 大数据与大学生网络社交 大数据可应用于广泛的社会、自然科学领域，包括大科学、rfid、传感设备网络、天文学、大气学、基因组学、生物学、大社会数据分析、互联网文件处理、制作互联网搜索引擎索引、通信记录明细、军事侦查、社交网络、通勤时间预测、医疗记录、照片图像和图像封存、大规模的电子商务等。近年来微博、微信、人人网、脸谱网、推特等社交网站的应用已经深刻改变了人们的交流方式，大学生是参与度较高的网络社交群体。社交网站快速增长的大学生数量和活跃的大学生网络社交活动，积累了大量的大学生行为数据，这些数据完全符合大数据的定义和特征，并且在这些数据背后，隐藏着巨大的价值。大学生网络社交大数据的价值主要体现在： 2.1 大学生行为模式的发现 大学生在进行网络社交的过程中会形成大量行为轨迹数据，例如留言、评论、点赞、发布图文信息、浏览与转发等。对于研究大学生行为的学者而言，可以通过数据捕获工具收集这些数据，进行分类、汇总，采用数据挖掘算法与大数据分析技术对这些格式化、非格式化数据如照片、声音、文本等进行分析，发现大学生行为变化的规律，得出大学生的行为特征，寻找到大学生行为的共性与差异性。 2.2 网络环境下大学生人格特征的分析 由于网络社交具有匿名性、隐形性、没有地理位置限制以及时间上的非同步性，大学生在网络社交过程中体现出来的人格特征与现实生活中的人格特征存在差异。例如，现实生活中内向型人格的大学生由于缺乏人际交往则更倾向于在网络社交中寻求存在感。网络社交人格特征成为大学生人格特征的一个重要补充，在研究大学生行为的同时能够利用网络社交大数据挖掘完整而真实的大学生人格特征，对指导大学生健康发展，树立正确的价值，避免受到网络社交负面影响，如网络成瘾，有重要的作用。 3 基于大数据的大学生网络社交行为研究 3.1 数据的获取与处理 首先需要研究大学生网络社交大数据的来源方式，包括数据来源网站的选择、数据获取方式的选择。目前网络社交数据主要集中在博客、微博、微信及sns网站，选择国内主流社交网站平台进行数据获取。另一方面，主流的大数据获取方式包括基于官方api进行获取、通过网络爬虫工具获取和直接利用开放的数据集三种方式，比较分析每种方式的优势与劣势及实现的可行性，选择一种数据获取的方式；其次需要对大数据进行预处理，研究从数据集中筛选大学生网络社交范围、方式及动机数据的方法，采用matlab数据处理软件对大数据进行预处理。 3.2 大数据挖掘算法的选择 目前较为流行的大数据挖掘算法主要有基于聚类、协同过滤和关联分析算法，研究各类算法的适用范围、特点和缺陷，选择适合本文研究的算法类型，在此类算法下研究具体的算法改进方式，并进行比较分析，总结出改进算法的前提条件、定理与推论、过程与步骤及相关注意事项。 3.3 大学生网络社交现状的总结 使用matlab工具进行大数据的预处理、数据挖掘，从两个方面进行总结：大学生网络社交行为的现状及大学生网络社交人格特征。 3.3.1 社交行为现状包括网络社交对象的范围、交往方式和交往动机 （1）大学生网络人际交往的对象范围主要包括同学、朋友、亲人和陌生人，其中同学占到62%，朋友占30%，亲人占4%，即认识的人占96%，而选择和陌生人交往的大学生只占到4%。因此可以看出，大部分大学生的网络社交是理性、自我保护的，社交圈子是其现实人际交往圈子的拓展和延伸，大学生主要利用网络的便捷性、跨时空性等特点维护现实人际交往圈子，增进情感和交流，只有少部分大学生愿意尝试与完全陌生的人进行交流。 （2）大学生网络社交方式统计了其在博客、微博、微信、sns网站及其他方式上的比例，其中使用博客、微博的大学生占72%，微信等即时通信工具使用占87%，sns社交网站使用占35%，其他方式占23%。数据显示以微信为代表的即时通讯工具成为大学生网络社交的主要使用工具，而曾经热门的sns社交网站使用的比例大幅下降，博客、微博仍然是大学生热衷的网络社交方式。 （3）大学生的网络社交动机包括了出于习惯、交新朋友、共享信息、共同兴趣、人际需求五个方面，其中出于习惯的占8%，交新朋友占6%、共享信息占14%、共同兴趣占61%、人际需求占11%。由于共同的兴趣爱好而聚集在一起成为大学生网络社交的主要动机。 3.3.2 大学生网络社交人格特征从两个方面研究 一是不同的人格特征在网络社交上呈现不同的表现，另一方面网络社交也影响了大学生的人格特征发展。 （1）根据艾森克的人格三因素模型将大学生分为：外向非神经质型、内向且神经质型及随和稳定型。内向且神经质的大学生在现实人际交往中显得比较冷漠，但是在网络社交中较易展现真实的一面；而外向非神经质的大学生更倾向于使用网络社交来保持与亲人、朋友的联系，以及结交新的朋友；随和稳定型的大学生由于性格友善，包容度高，适应任何社交环境，因此在不友好的网络环境中也能进行较好的网络社交。 （2）网络社交对大学生人格的影响总结为：对于外向非神经质型大学生网络社交进一步增加了其社交资源，使得这类学生更加自信，获得更多的满足感与存在感；而对于内向且神经质型的大学生，网络社交呈现两极分化的趋势，一部分大学生由于在网络社交中勇于展现真实自我而自信心提高对其现实人际交往起到正面作用，而另一部分大学生沉溺于网络交往，减少现实交往的时间，使得其在面对面的真实交往中更加焦虑，网络交往对其内向型人格起到负面作用。 4 结论 综上所述，大数据分析技术的出现为研究大学生的网络社交行为提出了新的方法和思路，本文基于大数据分析从大学生行为现状和人格特征两方面得出了结论：大部分大学生的网络社交是对其现实社交的补充，没有过分依赖网络，并能够从网络社交中获得更多的资源及自信，结交有共同兴趣爱好的朋友；而少部分大学生存在不同程度的网络依赖，网络交往阻碍了其现实交往的发展。因此，对于这部分学生，教师应给予正确的疏导，帮助其减少网络社交的时间和频率，鼓励其在现实人际交往中树立信心。 参考文献 1王洪波，胡璇.大学生网络社交现状研究j.思想教育研究，2013（11）. 2巢乃鹏.青年人社交网站使用动机研究j.图书情报工作，2012，56（2）. 3谢新洲，张炀.我国网民网络社交行为调查j.图书情报工作，2011，55（6）. 作者简介 张琰（1982-），女，江苏省南京市人。硕士学位。东南大学成贤

网址：基于大数据的大学生网络社交行为研究.doc http://c.mxgxt.com/news/view/211443

相关内容

基于社交网络数据的行为分析研究
基于数据挖掘的社交网络分析与研究
基于数据挖掘的社交网络结构和用户影响力研究
基于社交网络数据的电影票房预测研究
基于社交网络的信息扩散分析研究*
大学生网红消费调查研究论文
基于社交媒体地理数据挖掘的游客时空行为特征分析
网络社交媒体数据挖掘与情感分析
数据 90后社交网络行为报告
Facebook数据挖掘：探索社交网络的深度

随便看看