软件工程 SOFTWARE ENGINEERING 第24卷第5期2021年5月
V ol.24 No.5May 2021
文章编号：2096-1472(2021)-05-26-04
DOI:10.19644/jki.issn2096-1472.2021.05.007
鲁艳霞，黄川林，张 晋
(大连东软信息学院信息管理与信息系统系，辽宁 大连 116023)
********************;*************************;********************心理学专业就业前景
摘 要：随着社交网络的普及，新浪微博逐渐成为中国最大且最有价值的社交平台。然而网络的隐蔽性导致网络暴力事件层出不穷，大学生在社交平台发表看法和释放压力的同时却有可能不自觉中产生网络暴力的传播行为。本文以大学生为调查对象，基于新浪微博，进行网络暴力事件中信息传播行为的研究，设计了关于网络暴力事件信息传播行为的调查问卷，并构建用户传播行为回归模型，分析不同因素对信息传播行为的影响。本文通过因子分析与回归分析的方法，对大学生的信息传播行为进行研究，以期提高大学生对网络暴力事件的理性认知意识。
关键词：网络暴力事件；大学生；信息传播行为中图分类号：TP39 文献标识码：A
Research on Information Communication Behaviors of College
Students in Network Violence Incidents
LU Yanxia, HUANG Chuanlin, ZHANG Jin
( Department of Information Management and Information System , Dalian Neusoft University of Information , Dalian 116023, China )
********************;*************************;********************
Abstract: With the popularity of social networks, Sina Weibo has gradually become the largest and most valuable social network in China. However, concealment of the Internet has led to endless network violence incidents. College students may unconsciously produce network violence communication behaviors while expressing opinions and releasing pressure on social network. This paper takes college students as survey objects and conducts research on information communication behaviors in network violence incidents based on Sina Weibo. A questionnaire is designed to investigate information communication behaviors in violence incidents. A regression model of user communication behaviors is built to analyze impact of different factors on information communication behaviors. This paper uses factor analysis and regression analysis to study information communication behaviors of college students, in order to improve their rational awareness of network violence incidents.
Keywords: network violence incidents; college students; information communication behaviors
1 引言(Introduction)
近年来，随着微博、等社交媒体的迅猛发展，人们在互联网上逐渐拥有更多的话语权[1]。越来越
多的人开始在网上发泄现实生活中的委屈和不满情绪，部分不法网民趁机散播一些不当言论与谣言，“崔雪莉事件”“乔任梁事件”“虐猫事件”等网络暴力事件频发[2]。微博作为中国最大的社交媒体，已经日趋进入人们的生活中[3]。
与此同时，大学生作为一种文化层次较高、接受新鲜事
物较快、运用网络平台熟练的特殊年轻体在虚拟网络世界的角愈发重要。然而，大学生心智相对不够成熟，尚未形成严谨的世界观与价值观，思维方式比较冲动热血，对事物的辨别能力比较差，难免成为当下被网络暴力冲击的主流人之一。而如今网络暴力的负作用越来越多地渗透到校园生活[4]，潜移默化地使大学生的生活和学习发生改变，这些细微的改变长此以往必定会侵蚀大学生健全的人格，引导其形成
错误的“三观”，不利于日后的健康生活。
基金项目：辽宁省社会科学规划基金项目“新时代网络舆情的大数据挖掘与分析机制”(L19BXW010)；辽宁省社会科学规划基金项目“健全重大舆情和突发事件舆论引导机制
研究”(L20BXW003)；辽宁省自然科学基金项目“基于机器学习的网络舆情传播机理分析与风险预测研究”(2020-MS-317).
第24卷第5期 27
鲁艳霞等：网络暴力事件中大学生的信息传播行为研究
基于此，本文面向广大学生体，通过调查问卷的方式采集大学生对网络暴力的传播行为，基于Stata建立回归模型，探究网络暴力事件中的大学生传播行为特征。通过本文的研究，以期对大学生的网络言行进行积极引导，提高大学生对网络暴力事件的理性认知，营造和谐、干净的网络环境。
2 文献综述(Literature review)
微博由于其门槛低、随时随地使用、传播快速等优势逐渐成为大众获取信息、发表言论的常用工具[5]。国外学者们对基于微博平台的传播行为已经做了大量的研究[6-7]。在国内学者的研究成果中，何音以天津仓库爆炸事件为例，研究了突发事件中的官微传播影响因素；冯小东等[8]从微观行为视角，构建政务微博信息传播效果影响因素模型，发现社会资本、社会信任与行为习惯显著影响微博舆情传播效果；袁媛等[9]基于风险感知视角，结合微博舆情数据统计，建立了微博信息传播模型，预测舆情事件传播趋势。
网络暴力事件指在网络上发生的暴力行为，是社会暴力在网络上的一种延伸。郭金玲[10]以校园暴力为研究对象，提出了高校网络暴力的编造谣言、语言暴力、曝光隐私三种类型。罗譞[11]指出网络暴
力中施暴者与被施暴者的不平等权力关系，导致个体的数字性死亡，为人们敲响了警钟。李玉琪[12]采用定量定性相结合的方法梳理了网络暴力成因，并采用结构方程模型进行了验证。向宇婷[13]研究了网络暴力事件对大学生网络思想政治教育带来的消极影响，针对大学生网络思想政治教育提出了新的要求。
从以上文献研究中可以看出，互联网的发展给网络暴力培育了温室，窃取他人隐私、、无端谩骂、人身攻击等网络暴力层出不穷，网络暴力中被施暴者受到了严重的精神挫伤，正常生活受到了严重影响，网络暴力从无端的网络谩骂到已经威胁到了被施暴者的人身安全。
3 研究框架与变量设计(Research framework and
variable design)
由于微博所具有的独特的传播范围广、影响巨大的特点，其社交功能逐渐被削弱，传播功能日趋增强。大量的社会热门事件首先在微博上爆发，随之而来的就是网络暴力事件。因此本文以大学生为研究对象，通过调查问卷的方式来获取网络暴力事件中的大学生在微博上的传播行为，包括大学生对待网络暴力的态度和情感。问卷星是最常用的线上调查测评与投票平台，与传统调查方式和其他调查网站或调查系统相比，具有快捷、易用、低成本的明显优势，已经被大量企业和个人广泛使用，因此本文采用问卷星获取大学生调查问卷数据。3.1 研究框架
物语系列观看顺序
本研究首先设计调查问卷，通过问卷星进行数据采集；然后将采集到的微博数据使用Excel进行整理与筛选，对数据进行预处理；之后采用回归分析法建立大学生微博传播行为的影响因素模型；最后基于Stata分析自变量与因变量之间的关系并进行结果分析。具体流程如图1所示。
图1 研究设计框架图
Fig.1 Framework of research design
3.2 变量设计
本文主要进行网络暴力事件中大学生微博传播行为分析，经过文献梳理和实际考量，设立了三个维度的自变量，一个维度的因变量，在每个维度下又设置了若干个题项作为该维度的测量变量。具体的变量设计如表1所示。
表1 变量设计
Tab.1 Variable design
变量维度题项
因
变
量
传播
行为
面对微博上的网络暴力事件您是否会点赞转发
您是否在微博上用带有侮辱性或讨伐性的词攻击过他人
面对热门事件，您是否会评论
了解
程度
您是否听说过网络暴力
您是否遭受过网络暴力
无法下载应用程序您所喜爱和关注的公众人物是否遭受过网络暴力
自
变
量
认知
您如何看待人身攻击、等行为
您对待微博上发生的网络暴力的看法
您觉得国家对网络暴力的治理程度怎么样
您认为参与网络暴力的人需要负法律责任吗
态度
对于微博上的社会热点，您是怎么形成自己的看法的
今后您面对网络暴力是否能做到理性思考
您认为微博实名制对净化网络暴力有效吗
您觉得在不久的将来网络暴力是否会有极大的改善
4 模型构建与数据分析(Model construction and
data analysis)
4.1 描述性统计
通过问卷星共回收231
份调查问卷，根据描述性统计的
28 软件工程 2021年5月
结果可知：在231 名受试者中，男性有131 人，占比56.71%；女性有100 人，占比43.29%。参与调查的大都是高年级的学生，大一到大四学生的占比分别是6.06%、16.88%、36.36%、40.69%。
通过对大学生面对网络暴力事件的态度统计得出，有53.32%的大学生非常反对网络暴力，认为网络暴力是一种十分恶劣的行为，对待网络暴力的反对态度由1到5逐渐增加。对微博传播行为进行分析统计，调查大学生面对微博上的网络暴力行为是否会点赞或转发，表示完全不会进行点赞或转发的大学生达到45.89%，几乎不会的达到17.75%，有时候会的达到22.51%，而转发或点赞频率较高的占9.09%和4.76%。可见，大学生面对微博上的网络暴力事件一般采取的态度是不会转发，仅当吃瓜众。
4.2 信度与效度分析
在社会科学的研究领域中，常常涉及一些抽象变量的测量，为了保证研究结果的准确、可靠和具有适用性，在进行实证分析之前，需对各个量表进行信度与效度的分析。采用Stata 14.0进行了信度分析，结果显示了解程度、认知、传播行为、态度四个分量表的克朗巴赫系数(Cronbach's Alpha)依次为
0.765、0.783、0.862、0.709，总量表的克朗巴赫系数为0.733，说明具有良好的信度。量表的信度检验结果如表2所示。
表2 信度检验结果
Tab.2 Reliability test results
项目题项数克朗巴赫系数
整体140.733了解程度30.765
认知40.783传播行为30.862
态度40.709效度也称有效性，是指量表能够测量到其所欲测量的心理或行为特质的程度。常用于调查问卷效度分析的方法主要是结构效度，对于结构效度的检验最常用的方法就通过KMO 值(Kaiser-Meyer-Olkin，检验统计量)进行检验，KMO值为0.764，大于0.7，且Bartlett's Test of Sphericity(球形检测)结果的显著性为0.000，小于0.05，说明问卷具有良好的结构效度。
4.3 因子分析
本文采用因子分析法来提取公共因子，表3显示的是按因子分析法求得各指标特征值及其所对应变量的贡献率，一般情况下，各因子累积方差贡献率达到60％以上，即可认为具有良好的结果效度。本次研究结果中大于1的四个初始特征值分别为3.324、3.048、1.529、1.047，经过旋转后所对应的方差百分比分别为23.594、15.098、14.510、10.706，所以在选取四个公共因子的情况下，它们的累积贡献率达到63.908%，高于60%。由此可见，这四个公因子能够反映原始数据的大部分信息。
表3 总方差解释
Tab.3 Total variance interpretation
组件
2021新年祝福总计
百分比献率/%
总计
百分比献率/%
总计
百分比献率/%
1 3.32423.74123.741 3.32423.74123.741 3.30323.59423.594
2 3.04821.76845.509 3.04821.76845.509 2.11415.09838.692
3 1.52910.91956.428 1.52910.91956.428 2.03114.51053.202
4 1.0477.48063.908 1.0477.48063.908 1.49910.70663.908
50.882 6.30370.211
60.759 5.42075.632
70.627 4.47580.107
80.556 3.96984.076
90.475 3.39687.472
100.468 3.34390.815
110.407 2.90693.721
120.363 2.59596.315
130.283 2.02398.338
140.233 1.662100.000
各成分的碎石图如图2所示，由碎石图可以看出，四个因子中有因子1、因子2、因子3、因子4的特征值大于1，故取四个因子是比较合适的。
图2 各成分特征值的碎石图
Fig.2 Screen plot of each component eigenvalue 4.4 回归模型分析
本文探讨的是网络暴力事件中的大学生微博传播行为，因此作为被解释变量，参考已有文献并基于因子分析结果，选取了解程度、认知、态度三个指标作为解释变量。由于被解释变量“传播行为”为连续变量且本研究样本容量较大，因此可以近似看作服从正态分布，故选用线性回归模型。模型具体表达为：
其中，Y代表被解释变量：传播行为；X i依次代表解释变量：
中国第一狗仔卓伟了解程度、认知、态度；相应地，β
1、β
2
、β
3
为解释变量的回
归系数，β
0、μ
分别为常数项和随机扰动项。
为了检验以上回归模型是否存在共线性问题，故使用S t a t a通过方差膨胀因子对模型中的解释变量进行VIF(Variance Inflation Factor，方差膨胀系数)检验。由检验结果可知，各解释变量的VIF值均小于5，表明解释变量间不存在多重共线性的问题，不会对多元回归产生影响，因此所有的解释变量可以放在同一个模型中检验，即表明以上回归结果是可信的。
通过对样本进行回归分析，发现模型检验的F值为37.86，显著性水平为0.000，小于临界值0.05，说明回归模型在总体上具有统计学意义。模型调整后的决定系数(调整后的R方)为0.6031，即纳入回归方程的因素在对传播行为的影响的变异程度上具有60.31%的解释力，表明模型拟合结果较好，具体如表4所示。
表4 回归模型结果
Tab.4 Regression model results
变量回归系数被解释变量：传播
行为标准误差
t值
了解程度0.444***0.085 5.22认知-0.081*0.046-1.76
态度-0.066***0.023-2.69
性别(2)0.173**0.076 2.27
年级(2)0.3300.317 1.04
年级(3)0.5140.2920.18
年级(4)-0.2880.291-0.99
常量0.3020.4810.63
Number of obs24
F统计量 37.86
Prob＞ F 0.000
调整后的R方 0.6031
注：“***”“**”“*”分别表示统计检验在1%、5%、10%的水平上显著。
5 结论(Conclusion)
通过本文研究发现，在网络暴力事件中，大学生对事件的了解程度、认知以及态度对微博传播行为都有显著的影响。性别对于传播行为具有显著差异，在网络暴力事件中，男性比女性大学生的传播程度更强。对于大学生而言，年级并没有任何差异，也就是说，不管在几年级，大学生的传播行为均无显著差异。
同时我们发现，微博作为网络暴力事件发生的主战场，已经对人们尤其是对年轻的大学生体产生了非常严重的影响。因此，要做好大学生的网络行为引导，同时在大学教育中加强大学生思想道德修养，树立大学生健全的人生观、世界观、价值观，丰富相关教育内容，使大学生在鱼龙混杂的自媒体环境中能够对网络信息进行全面的理解，从而进一步提高大学生的心理承受能力，规范网络道德与网络行为。同时加强网络监管，为大学生乃至整个社会营造健康、和谐、文明、进步的网络环境。
参考文献(References)
[1] 杨茹，张楚乔.网络社交媒体运用与大学生文化自信培育[J].
三星旋转手机北京工业大学学报(社会科学版),2018,18(02):73-80.
[2] 姜方炳.空间分化、风险共振与“网络暴力”的生成——以转型
中国的网络化为分析背景[J].浙江社会科学,2015(08):52-59. [3] 许瑞仪.传统媒体微博如何提高影响力——基于对人民日报
高转发量微博的内容分析[J].新闻实践,2013(06):15-18. [4] 邓国峰，廖柏明.大学生网络成瘾的综合分析及德育对策研究
[J].社会科学家,2005(03):195-199.
[5] 刘向阳，宋玉蓉，孟繁荣.微博网络事件谣言信息扩散准确预
测仿真[J].计算机仿真,2018(08):452-456.
[6] CHEN S, DOU Y X, ZHANG Q J. Research on the influential
factors of the reposting behavior of microblog users based on the theory of reasoned action[J]. Journal of Intelligence, 2017, 36(11):147-152.
[7] WANG G, WANG Y, LIU K, et al. Multidimensional
influencing factors of public opinion information dissemination in social media: Evidence from Weibo dataset[J]. International Journal of Modern Physics B, 2019, 33(31):1-24.
[8] 冯小东，马捷，蒋国银.社会信任、理性行为与政务微博传播:
基于文本挖掘的实证研究[J].情报学报,2019,38(09):954-965.
[9] 袁媛，严宇桥.风险感知与网络舆情的微博传播模型研究[J].
现代传播(中国传媒大学学报),2020,42(01):158-163.
[10] 郭金玲.自媒体时代高校校园网络暴力的成因及治理[J].新
乡学院学报,2020,37(05):53-55.
[11] 罗譞.网络暴力的微观权力结构与个体的“数字性死亡”[J].
现代传播(中国传媒大学学报),2020,42(06):151-157.
[12] 李玉琪.新媒体时代网络暴力成因的实证研究[D].吉林：吉
林大学,2020.
[13] 向宇婷.针对“网络暴力”谈大学生网络思想政治教育新
要求[J].党史博采(下),2020(06):62-64.
作者简介：
鲁艳霞(1977-)，女，硕士，教授.研究领域：舆情分析，应急管理.
黄川林(1979-)，女，硕士，副教授.研究领域：电子商务数据分析，个性化推荐.
张 晋(1974-)，男，硕士，副教授.研究领域：思想政治教育，党建，大数据应用.
第24卷第5期 29
鲁艳霞等：网络暴力事件中大学生的信息传播行为研究
发布评论