网络暴力事件研究及早期预测

阅读量：

147

作者：

张艳

展开

摘要：

网络暴力是社会毒瘤般的存在,它危害着个人,家庭,社会乃至国家.从2004年发生的第一起网络暴力事件以来,每年发生网络暴力事件的频率一直在上升.随着互联网的飞速发展与广泛普及,也导致社会出现了空间分化,越来越多的人加入到互联网这个虚拟的社会空间,因此,网络暴力产生的危害只会愈发地严重,为了降低网络暴力事件带来的危害,我们要深入研究网络暴力事件发生的影响因素,探究事件背后更深层次的原因,并通过暴力事件特征进行早期预测分析,帮助网络管理部门把握处理网络暴力事件的最佳时机,最小化其带给网民和社会的负面影响.首先,本文通过收集调研数据,研读国内外文献,基于前人的研究,运用Likert量表设计调查问卷,并基于理性行为理论,认知行为理论,网络集群行为理论,提出影响因素假设,构建结构方程模型,对网民心理,网络环境,社会阶层与公正,社会环境和风险认知进行量化分析,同时还提出将焦虑情绪作为调节变量,建立了网络暴力行为与各影响因素的结构方程,揭示了网络暴力行为发生的影响因素的内在关系,并对该结构模型进行了拟合和修正,同时构建了单因子验证分析模型,将风险认知作为中介变量进行了中介效应分析,研究结果表明:网民心理,网络环境和社会环境是影响网络暴力行为发生的主要因素,而风险认知起到了中介变量的作用,风险认知越高,发生网络暴力行为的概率越小,同时焦虑情绪会影响人们对风险认知的判断,焦虑情绪的调节作用也影响着网络暴力行为的发生.其次,本文先对微博网络暴力事件案例进行梳理,分析大数据视角下的网络暴力事件特征,借助爬虫软件python,在微博社交平台爬取相关的数据,并进行数据的处理清洗,获取相关用户的基本信息,分析网络暴力行为的发生与性别,年龄,地区,用户的影响力等外在特征之间的关系,同时,对网络暴力事件类型进行了剖析与分类,本文将网络暴力事件大致分为三类:社会新闻类,情感娱乐类,校园暴力类.爬取近五年发生的典型网络暴力事件,分析网络暴力事件发生的内在特征,选取公众参与度,媒体参与度,话题负面性作为指标变量,构建贝叶斯网络结构模型,通过爬取的30个微博网络事件数据集,通过学习EM算法,建立网络暴力事件预测模型,同时为了检验模型的适用性,在所有的样本数据集中抽取3个样本案例作为训练集,实验结果表明:预测实验数据与实际结果大致相同,表明运用贝叶斯网络模型对网络暴力突发事件进行初步的预测具有一定的应用价值.

展开

关键词：

网络暴力 早期预测 SEM模型 贝叶斯网络