典型文献
新冠肺炎疫情下大学生情感状态及其影响因素分析——基于微博文本挖掘的证据
文献摘要：
新冠肺炎疫情对身心尚处于发展阶段的大学生群体造成了一些消极影响,亟须引起关注.随着社交媒体的广泛应用以及大数据技术的发展,微博已经成为大学生记录生活、表达观点、分享交流等活动的主要途径,通过微博文本挖掘可以实时地了解大学生群体真实的观点和情感状态.文章立足于深度挖掘微博文本,首先,结合疫情的演变情况和高校系统的应对方式,将疫情时期划分为疫情暴发期、停课不停学初期、停课不停学适应期、复学初期、复学后常态化防控期五个阶段,采用支持向量机算法对微博文本进行情感分析,将其逐条划分为"积极""消极"两类情感倾向.其次,通过构建LDA主题模型以及结合TF-IDF特征挖掘,分析不同时间阶段消极情感倾向微博文本中隐含的主题.研究发现,学生整体情感状态偏向于积极,但会随疫情与教学的变化而产生波动,其消极情感的产生与疫情演变、校园管理、学业压力以及就业压力密切相关.通过探究疫情期间某高校大学生情感状态及变化趋势并探寻引发学生消极情感的相关事件,以期为高校教育工作者有效引导、干预、管理学生提供依据和参考.
文献关键词：
新冠肺炎疫情;大学生;情感状态;文本情感分析;文本挖掘;文本主题挖掘
中图分类号：
作者姓名：
李彤彤;郭栩宁;周彦丽;李坦
作者机构：
天津师范大学教育学部,天津300387;北京师范大学教育学部,北京100875
文献出处：
引用格式：
[1]李彤彤;郭栩宁;周彦丽;李坦-.新冠肺炎疫情下大学生情感状态及其影响因素分析——基于微博文本挖掘的证据)[J].开放学习研究,2022(05):43-52
A类：
B类：
情感状态,微博文本,文本挖掘,大学生群体,消极影响,社交媒体,记录生活,达观,深度挖掘,应对方式,疫情时期,疫情暴发,停课不停学,适应期,复学,常态化防控,五个阶段,支持向量机算法,逐条,类情感,情感倾向,LDA,主题模型,TF,IDF,特征挖掘,消极情感,中隐,校园管理,学业压力,就业压力,高校大学生,生消,相关事件,高校教育工作者,有效引导,管理学,文本情感分析,文本主题挖掘
AB值：
0.315286
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
