周春梅，馮 林，張華輝

(1. 四川工商學(xué)院，四川 成都 611745；2. 四川師范大學(xué)，四川 成都 610110)

1 引言

2020年初的一場新型冠狀病毒以人傳人的方式在全球迅速蔓延。中國政府迅速作出響應(yīng)，要求群眾居家隔離，不參加任何聚集性活動，百姓每天通過各大媒體關(guān)注新冠疫情的發(fā)展動向。根據(jù)官方數(shù)據(jù)報道，疫情期間，微博平臺每天超2億網(wǎng)友關(guān)注最新疫情，閱讀量到達7454億，日均發(fā)博同期增長了50%[1]。

青少年群體作為新浪微博主體受眾者，在居家隔離期間，深受網(wǎng)絡(luò)輿情影響，特別是突發(fā)性、隨機性、待驗證性的事件短期內(nèi)成為熱搜，在無法認(rèn)知的情況下，給青少年群體帶來嚴(yán)重的心理負(fù)擔(dān)。數(shù)據(jù)顯示2020年00后搜索“抑郁癥治療”相關(guān)內(nèi)容的熱度同比去年上漲59%[2]。青少年抑郁情緒越高，自我污名感會越高，求助意愿越低[3]，導(dǎo)致消極情緒引發(fā)心理問題和精神障礙疾病升高。同時有數(shù)據(jù)顯示，青少年因心理行為問題和精神障礙引發(fā)的刑事或民事案件呈上升狀態(tài)，2020年青少年罪犯為281860人，比上年增加38585人[4]。為了降低青少年群體的犯罪、自殺、抑郁等現(xiàn)象出現(xiàn)，進一步關(guān)注疫情期間青少年的情感狀態(tài)，對其網(wǎng)絡(luò)言論進行情感分析，有助于社會各界對青少年關(guān)注焦點進行了解以及對青少年心理問題采取積極疏導(dǎo)和預(yù)防措施。

2 相關(guān)研究回顧

研究發(fā)現(xiàn)，突發(fā)公共衛(wèi)生事件對大眾的心理造成極大的不良影響。樊富珉提出傳染病流行會引起社會上出現(xiàn)心理壓力和恐慌情緒[5]。郭鵬飛等人在2020年2月13日到19日以問卷的形式對青少年兒童進行焦慮情緒調(diào)查，疫情的傳播途徑、負(fù)面消息以及不實信息對焦慮癥狀產(chǎn)生較大的影響[6]。曾競通過對青少年的訪談，了解到新冠疫情引發(fā)了青少年群體心理的差異性變化，表現(xiàn)出恐慌下的過渡反應(yīng)、盲目趨同行為、躲避心態(tài)下封閉歧視行為以及放棄奮斗散漫心態(tài)[7]。王寧霞采用焦慮障礙量表、應(yīng)激感受量表、建議應(yīng)對方式量表對410名高中生進行問卷調(diào)查，指出新冠肺炎對未經(jīng)世事的青少年群體帶來了很大的心理壓力，410名高中生表現(xiàn)出了各種不同的應(yīng)激行為[8]。

綜上所述，關(guān)于青少年心理問題的研究主要通過問卷調(diào)查或訪談的方式進行，受試者人數(shù)有限，只是青少年群體中的極小一部分或某一區(qū)域的青少年，不具有較強的代表性，同時受試青少年在訪談或調(diào)查期間有可能因抵觸或害羞不能真實的表達情感現(xiàn)狀和心理需求，從而導(dǎo)致研究分析的片面性和不真實性。如果對青少年網(wǎng)絡(luò)匿名評論進行數(shù)據(jù)分析，避免了面對面的尷尬和害羞，可以分析出該群體的真實心理訴求和情緒發(fā)泄內(nèi)容。本文基于計算機技術(shù)、人工智能技術(shù)，采用文本分析方法對微博平臺評論進行情感分析，挖掘青少年疫情期間的關(guān)注焦點和情感態(tài)度，為后續(xù)心理問題預(yù)防、干預(yù)措施提供參考。

3 研究思路和研究方法

本研究以抓取青少年微博評論為研究樣本，研究框架分為三個部分，數(shù)據(jù)采集層、數(shù)據(jù)處理層、數(shù)據(jù)分析層，如圖1。

數(shù)據(jù)采集層構(gòu)建爬蟲平臺，使用微博手機版網(wǎng)頁，微博提供接口地址和API地址，采用python中的基于urllib的開源協(xié)議庫requests請求訪問，爬取新冠疫情以來，主流媒體例如“人民日報”、“央視新聞”等發(fā)布新冠疫情新聞，特別是國內(nèi)部分地區(qū)出現(xiàn)了本土病例后，青少年群體對該事件的評論作為數(shù)據(jù)集，返回標(biāo)準(zhǔn)json數(shù)據(jù)進行保存。

圖1 研究思路框圖

數(shù)據(jù)處理層利用python中的jiaba包進行分詞，引入去停用詞庫去除停用詞，采用TF-IDF算法對新冠疫情的評論進行詞頻統(tǒng)計和權(quán)重計算，降低情感詞向量空間維度，簡化青少年對此事件的態(tài)度的情感詞匯分析。

數(shù)據(jù)分析層將提取關(guān)鍵詞運用Wordcloud庫生成可視化云圖，運用LDA模型聚類情感主題詞，最后利用SnowNLP進行情感分類并產(chǎn)生情感餅圖。

TF-IDF由Salton等提出，中心思想是“如果某一個詞以較高的頻率出現(xiàn)在一篇文章中，且在其它文章中出現(xiàn)的頻率較低，則說明這個詞對前者核心內(nèi)容作用較大，權(quán)重較高”[9]。該算法主要由TF (Term Frequency)和 IDF (Inverse Document Frequency)兩部分的乘積構(gòu)成，TF-IDF的計算方法如式(1)。

(1)

其中，ni，j表示詞i在文檔j中出現(xiàn)的次數(shù)，∑knk，j表示文檔j中所有詞出現(xiàn)次數(shù)的總和，N為語料庫中文檔總數(shù)，di表示語料庫中包含詞i的文檔數(shù)，加1操作是防止分母為零的情況。TFi，j是詞i在文檔j中的詞頻歸一化后的結(jié)果，IDFi是詞i對于文檔j區(qū)分能力的度量，它同時也是對TFi，j權(quán)值的調(diào)整，抑制在所有文檔中普遍頻率較高的詞，如“的”、“和”等。

詞頻統(tǒng)計后，利用SnowNLP進行情感分析，引入自定義的“積極”、“消極”的情感主題詞詞袋，訓(xùn)練青少年對該事件的情感程度判斷其是否是積極、消極或中性。

利用LDA(Latent Dirichlet Allocation)模型對分詞后的關(guān)鍵詞進行主題聚類，挖掘語義關(guān)系，采用困惑度低的概率模型分布預(yù)測青少年評論主題并進行分析。

信息論中的困惑度(perplexity)用來評判一個概率模型或概率預(yù)測樣本的好壞程度。低困惑度的概率模型分布能更好地預(yù)測樣本[10]。計算公式為：

(2)

p(ω)=∑p(z│d)*p(w|z)

(3)

其中，p(ω)是指測試集中出現(xiàn)的每一個詞的概率；N表示測試集中出現(xiàn)的所有詞，即測試集的總長度，不排重；z表示訓(xùn)練過的主題；d表示測試集中的各篇文檔。

LDA模型的主要思想是將每篇文章看作所有主題的一個混合概率分布，而將其中的每個主題看作在單詞上的一個概率分布。在一篇文檔中的第i個單詞的概率可以表示為：

(4)

在LDA模型中，參數(shù)z代表主題，參數(shù)ω代表單詞，式(4)中p(zi=j)表示的是從文檔中取出一個單詞屬于主題j的概率，而p(ωi|zi=j)代表的是當(dāng)取出單詞屬于主題j時該單詞為i的概率[11]。

4 結(jié)果與討論

4.1 實驗環(huán)境

本實驗采用python語言，Inter CoreI5-9400F CPU

2.9Ghz，內(nèi)存8G，操作系統(tǒng)為win10環(huán)境下進行實驗。選取新浪微博評論為數(shù)據(jù)來源，分別爬取2020年1月-2020年3月(下文描述為疫情前期)和2021年1月10日-2021年2月28日(下文描述為疫情中期)“人民日報”、“央視新聞”等官方微博下的評論，重點選取逆行者醫(yī)護人員、全國各省份確診新冠病例報道、職能部門為民服務(wù)等三個主題事件。根據(jù)研究需求，篩選15-29歲青少年網(wǎng)友的評論做數(shù)據(jù)集，疫情前期數(shù)據(jù)共18731條評論，疫情中期數(shù)據(jù)為23145條評論。

4.2 實驗和結(jié)果分析

4.2.1 語義特征分析

網(wǎng)絡(luò)評論的關(guān)鍵詞可作為青少年對該新聞核心內(nèi)容的濃縮提煉，能夠反映出青少年的情感態(tài)度。經(jīng)過對2020年1-3月和2021年1-2月關(guān)于青少年疫情評論數(shù)據(jù)爬取，分別對評論進行分詞處理，分詞后共116486個和143942個詞匯，分詞效果如表1。

表1 用戶評論分詞預(yù)處理效果

導(dǎo)入包含7227個詞語的停用詞表，采用TextRank算法對數(shù)據(jù)集進行關(guān)鍵詞提取，經(jīng)過詞頻統(tǒng)計選擇排序前20的詞語，詳見表2。

表2 詞頻統(tǒng)計結(jié)果排序前20個高頻詞匯

表2詞頻統(tǒng)計結(jié)果表明，2020年疫情初期，青少年關(guān)注最多是“武漢”，出現(xiàn)了10216次，緊隨其后的是“加油”出現(xiàn)8825次，“病毒”出現(xiàn)4957次，“疫情”出現(xiàn)3259次，“蝙蝠”出現(xiàn)3029次“中國”、“問題”、“標(biāo)準(zhǔn)”也以較高的頻率出現(xiàn)，“野味”、“人類”、“物資”、“希望”詞排列靠后。2021年疫情中期，“加油”出現(xiàn)的詞頻最高，達到16321次，其后的是“中國”、“希望”、“口罩”、“病毒”等詞匯，出現(xiàn)頻率在2000次以上，表現(xiàn)出青少年朋友的愛國情懷，帶好口罩，遠離病例，迎接希望，“醫(yī)院”、“疫情”、“物資”等與疫情相關(guān)的詞也以較高的頻率出現(xiàn)，詞云中還出現(xiàn)了“感謝”、“相信”、“國家”、“英雄”等詞，反應(yīng)了青少年對抗疫的決心與信心以及對最美逆行者的敬佩。

4.2.2 詞頻可視化呈現(xiàn)

利用Wordcloud生成可視化圖形，分布選擇2020年和2021年輿情詞匯排列前25個詞匯生成云圖，云圖中字體越大，表明詞頻越高。如圖2和圖3，圖2為2020年疫情初期輿情詞云，圖3為2021年疫情中期輿情詞云。

結(jié)合圖2和圖3返回評論查看可知，2020年在疫情初期青少年群體對“武漢”、“蝙蝠”、“病毒”、“疫情”等新聞感到恐慌、焦慮，同時部分為民服務(wù)部門工作人員的工作失誤，起著輿情負(fù)性作用，青少年群體受輿情影響很大，產(chǎn)生較強的消極情感態(tài)度，2021年疫情中期更多是“加油”和“希望”以及對英雄的“感謝”。整個疫情期間，青少年群體中積極情感占主導(dǎo)地位。青少年在疫情兩個階段關(guān)注點有明顯差異，但“加油”這一詞匯在兩個階段的高頻詞中占據(jù)第一第二的位置，展示著青少年群體有一種積極向上樂觀精神和澆不滅的民族態(tài)度在持續(xù)?！跋Ｍ痹~頻從排序第十九上升到了第三，體現(xiàn)了青少年的心理資本有所提高；2021年青少年關(guān)注整個中國的抗疫精神和在黨國領(lǐng)導(dǎo)下的團結(jié)一心；“口罩”、“病毒”仍舊以較高的頻率出現(xiàn)在兩年的高頻詞匯里，表明青少年群體對待病毒的仍舊擔(dān)心、焦慮。

圖2 2020年疫情初期輿情詞云

圖3 2021年疫情中期輿情詞云

4.2.3 情感態(tài)度分析

云圖能反應(yīng)青少年疫情期間的關(guān)注焦點，但不能反應(yīng)情感態(tài)度。根據(jù)2020年和2021年疫情期間主要事件不同情感傾向輿情數(shù)據(jù)分析，如表3所示，可以看出正面輿情的占比中，關(guān)于醫(yī)護人員的事件占比最高，負(fù)面輿情占比中，職能部門初期探索未呈現(xiàn)良好結(jié)果情感度最高，總體而言，醫(yī)護人員以最美逆行者的身份給青少年以最強的積極情感。

表3 2020-2021不同事件輿情情感傾向統(tǒng)計

情感態(tài)度能夠有效的反應(yīng)青少年心理狀態(tài)，研究以知網(wǎng)的HowNet情感詞表為基礎(chǔ)引入疫情輿情分析的情感詞匯，采用情感分析工具SnowNLP進一步將評論內(nèi)容與情感分類詞表進行情感匹配分詞，情感分析結(jié)果是在【0，1】區(qū)間上的一個值，情感系數(shù)小于0.5的定為消極情感態(tài)度，大于0.5的定為積極情感態(tài)度，其余為中性態(tài)度。根據(jù)對網(wǎng)友2020年和2021年評論的情感分析，得到2020年和2021年疫情輿情情感餅圖，餅圖的占比越大，說明人數(shù)越多，如圖4和圖5。

圖4 2020年疫情初期輿情情感餅圖

圖4顯示在疫情初期，青少年持積極情感態(tài)度的人最多，占總?cè)藬?shù)的67.9%，其次是31.2%的青少年持消極態(tài)度，最少是情感中立的人群，這部分只占總評論人數(shù)的0.9%。圖5疫情中期輿情情感餅圖中，持積極情感態(tài)度的青少年上升到了77.9%，持消極情感態(tài)度的下降到19.5%，中性態(tài)度的占評論人數(shù)的2.6%。

圖5 2021年疫情中期輿情情感餅圖

在2020年疫情爆發(fā)初期，“武漢”成為疫情重災(zāi)區(qū)被封鎖，大部分青少年的關(guān)注點在“人傳人”、“無有效藥”、“封城”、“就醫(yī)難”等話題上，加上疫情防控初期的誤判，防疫預(yù)案的不完整以及“紅會”人員的工作失誤等事件廣泛傳播，各種待證實的消息撲面而來，青少年這一特殊群體知、信、行的水平較差，容易被煽動、感化，消極情緒持續(xù)升高。隨后在黨中央的領(lǐng)導(dǎo)下，倡導(dǎo)“全國一盤棋”，各省份的醫(yī)護工作者陸續(xù)馳援武漢，確診標(biāo)準(zhǔn)落地，新冠確診新增人數(shù)從每天1萬多下降到幾十等新聞事件帶來了積極的情感響應(yīng)。面對突發(fā)性事件，一半以上的青少年網(wǎng)友能夠秉承積極向上的態(tài)度，相信黨國，相信國人上下一心共度難關(guān)，同時對醫(yī)護人員表示敬意，給疫區(qū)人民送出祝福與期盼，表現(xiàn)出積極的情感態(tài)度。少部分青少年群體對疫情持中性情感，可能這部分青少年對該事件持回避態(tài)度。

2021年，面對國內(nèi)出現(xiàn)小范圍的疫情爆發(fā)，關(guān)注點在“源頭”、“嚴(yán)防死守”、“志愿者辛苦”等話題上，青少年群體經(jīng)過2020年的突發(fā)事件心理應(yīng)激建設(shè)和抗疫精神的渲染、抗疫知識的學(xué)習(xí)，大部分青少年網(wǎng)友表現(xiàn)出了面對疫情的信心和良好的心理素養(yǎng)，持樂觀積極態(tài)度；也有一部分青少年網(wǎng)友害怕病毒從國外引入，經(jīng)過變異后傳播能力更大，影響范圍更廣，持悲觀態(tài)度。持中立態(tài)度的青少年網(wǎng)友上升到了2.7%，可能該部分青少年對疫情新聞持麻木心態(tài)。

4.2.4 主題詞演化分析

主題詞反應(yīng)了事件的發(fā)酵和受眾群體關(guān)注焦點，通過主題詞掌握青少年的關(guān)注話題，對維護社會和諧、培養(yǎng)良好的社會適應(yīng)心理素養(yǎng)有重要意義，結(jié)合2020年和2021年疫情爆發(fā)不同階段的評論進行困惑度計算，結(jié)果如圖6所示，當(dāng)主題數(shù)為4時，困惑度最低。

從困惑度的角度分析，聚類主題個數(shù)K=4時效果最佳，LDA聚類訓(xùn)練后，根據(jù)確定的最優(yōu)主題數(shù)，選擇每個聚類前十個主題詞，如表4所示。

圖6 困惑度計算結(jié)果

表4 LDA聚類團簇表

聚類簇1根據(jù)主題詞的特征，圍繞“疫情”、“春節(jié)”展開分析，帶回評論發(fā)現(xiàn)青少年群體最多的評論是“回家過年”、“不一樣的春節(jié)”、“響應(yīng)領(lǐng)導(dǎo)政策”、“感謝國家，感謝領(lǐng)導(dǎo)”等，體現(xiàn)青少年傳承著中國的傳統(tǒng)價值觀“集體主義”，舍小家為大家，同時也體現(xiàn)出青少年對孫武的“上下同欲者勝”的傳統(tǒng)思想的認(rèn)知。

聚類簇2的主題詞中褒貶不一，積極詞占主要成分，該主題圍繞“英雄”、“抗疫”展開，評論中不少出現(xiàn)“向抗疫英雄致敬”、“中華民族是英雄民族”等評論，體現(xiàn)青少年群體中不少人懷揣著英雄夢。在世界公共衛(wèi)生突發(fā)情況下，提倡顧炎武的“保天下者，皮膚之賤，與有責(zé)焉耳”的理念，黨國提倡時勢造英雄，百姓響應(yīng)號召共同抗疫，不為自己的私利，飽含義無反顧的勇氣，世人皆英雄。

聚類簇3的核心關(guān)鍵詞“道歉”。該聚類把“隔離”人員需要“物資”，“志愿者”、“配送”不及時，“政府”、“人員”新聞發(fā)布會“道歉”體現(xiàn)出來，從側(cè)面可以發(fā)現(xiàn)該部分評論者對此表現(xiàn)出憤怒、恐慌、焦慮等情緒?？梢园言擃悮w納為“安全感缺失”。安全感作為青少年心理最基本的心理需求，缺失安全感會導(dǎo)致青少年形成負(fù)性認(rèn)知以及情緒不穩(wěn)定，嚴(yán)重出現(xiàn)強迫癥、焦慮癥等心理障礙。

聚類簇4圍繞“加油”、“致敬”、“感動”展開分析，該類可以歸納為“樂觀精神”，抗疫志愿者在一線辛苦，新聞媒體報道英雄的事跡，全國觀眾除了“致敬”還有“感動”，在各大平臺送出祝福，相互加油，這也解釋了“加油”、“致敬”等詞在關(guān)鍵詞中以高詞頻出現(xiàn)的原因。青少年的每一份“加油”，體現(xiàn)了他們秉承著中華民族打不倒的樂觀精神，每一份“致敬”，體現(xiàn)了他們對英雄的敬意以及對生命的敬畏。

5 結(jié)論與建議

5.1 結(jié)論

1)整個疫情期間，青少年群體面對突發(fā)事件產(chǎn)生出不同的應(yīng)激心理和情緒，有的憤怒、焦慮、恐慌、抑郁，表現(xiàn)出消極狀態(tài)，大部分青少年擁有感動、信任、感謝、致敬的積極情感。

2)2021年面對疫情持積極態(tài)度的青少年比2020年持積極態(tài)度青少年上升了10%，持消極態(tài)度的青少年下降了11.7%。

3)英雄事跡給青少年以正面情感最高，主要體現(xiàn)在對醫(yī)務(wù)工作者、志愿者、一線的英雄的致敬，服務(wù)部門工作失誤給人以負(fù)面情緒最高。

4)疫情中期，大部分青少年保持樂觀積極的情感態(tài)度，能夠有較好的心理資本應(yīng)對突發(fā)事件，但是近五分之一的青少年持消極情感態(tài)度，表現(xiàn)出悲觀、憤怒、無助、無望的情緒，這一部分青少年的心理健康和情緒狀態(tài)值得關(guān)注，同時還有2.6%持的中性態(tài)度的青少年，有可能這部分群體有回避或情感麻木癥狀，只是短暫的緩解疫情對心理沖擊，對該部分青少年的心理健康也要持續(xù)關(guān)注。

5.2 建議

1)助力輿情監(jiān)測過渡到情緒監(jiān)測

社會情緒對青少年的集體行為影響極大。輿情內(nèi)容發(fā)酵到一定程度演變成社會情緒，社會情緒支配著社會群體行動，美國學(xué)者sademan提出，社會危害與群眾憤怒演變成社會風(fēng)險。加強輿情檢測，利用人工智能、數(shù)據(jù)挖掘技術(shù)對青少年群體進行情緒、情感挖掘，追蹤青少年情緒變化趨勢，避免青少年群體負(fù)面情緒群體化現(xiàn)象，助推負(fù)面輿情的傳播。

2)加強科學(xué)認(rèn)知，強化危機意識

認(rèn)知-情境理論與情緒安全感理論具有互補性。社會情境的威脅影響著青少年情緒，當(dāng)威脅性越高，青少年的消極情緒越高，加強青少年科學(xué)的認(rèn)知，減弱威脅對青少年負(fù)面情緒的影響，避免青少年的報復(fù)和失調(diào)行為。同時強化青少年危機意識，注入志存高遠理想信念和砥礪前行的奮斗精神，鑄就正確的價值觀，提升青少年群體面對風(fēng)險和威脅的心理素養(yǎng)和行為能力。

3)重視輿情疏導(dǎo)，優(yōu)化輿情傳播環(huán)境

官方媒體重視意見領(lǐng)袖的話語權(quán)，擁有豐富的信息資源，加強真實正面信息的報道，減少不實信息報道與發(fā)酵，以正能量積極引導(dǎo)青少年群體，對不良的社會心態(tài)進行疏導(dǎo)，對非官方媒體，進一步加強媒介素養(yǎng)的提升，打造積極的輿情傳播環(huán)境，減少小范圍負(fù)面輿情群體化現(xiàn)象。