• “双减”政策的舆论效应及启示—基于NLP的网络大数据分析

    普通类
    • 支持
    • 批判
    • 提问
    • 解释
    • 补充
    • 删除

    摘要:

           中小学生作业和校外培训负担过重,家长经济压力大,导致一系列的社会问题,实施“双减”政策有利于改善学生学习压力,减少教育支出成本,引导教育健康良好发展。本文以大官微博文的评论内容为研究对象,以Python数据挖掘和NLP情感分析为研究工具和方法,分析双减政策及其配套支持措施的舆情动向,总结民众对该政策的态度、意见及看法结果显示,网民对于此项政策的发布和实施存在一定的意见,评论大多持消极态度,政策的实施存在监管力度不够,配套措施未能落地,政策未能从根本上解决问题,需要从教育的根本上作出改变,如加强职业教育建设,改变社会对职业教育的看法,加强师资队伍建设,加强教育公平等。

    一、引言

           

      为持续规范校外培训,有效减轻义务教育阶段学生过重作业负担和校外培训负担,2021年7月24日,我国史上最高等级的“减负令”——《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》(以下简称《意见》)颁布[1]当前,义务教育阶段最突出的问题是中小学课业负担太重。虽然校内一直在减负,但是学生的负担并没有因此减轻,许多负担转移到校外培训机构,这对孩子的身心健康发展造成巨大的影响校外培训资本的野蛮生长也为教育和社会带来了不良影响,资本为了扩张常常不择手段,教育机构疯狂输出忧虑,逼近家长为学生的学习买单,造成了学生学习的内卷。资本有时又会出现暴雷,携钱跑路,家长维权困难,血本无归,造成恶劣的社会影响。

      很显然,“双减”政策的出台,旨在为学生和家庭减轻负担,促进教育健康良好发展,那么这种政策目标怎样才算有效实现?该政策的出台对民众的心理又产生何种的冲击力?普通家庭该如何应对”双减“的出台?家长真的对这个政策满意吗?依据动机-意愿-行为模型,家长的行为离不开动机与意愿[2]。本文拟通过对“双减”政策出台后网民的情感反应分析来总结民众对该政策的态度、意见及看法。

      随着社交网络和博客的快速增长,在线社区越来越多地使用社交媒体服务来分享他们对特定产品、政策和事件的看法和经验,在互联网上收集公众意见、挖掘公众观点和探索事实的任务变得倍加流行。情绪在新闻价值观、舆论、负面竞选或政治两极分化的研究中非常重要,情感分析在文本分类中起着重要的作用,数字文本数据的爆炸性扩展和自动文本分析的快速发展为创新社会科学研究提供了巨大的机会。本文拟基于Python数据挖掘和NLP自然语言处理情感分析技术,针对我国“双减”政策出台背景下的网络舆情开展分析,考察网民对双减政策及其配套支持政策的情感倾向及其意见表达,以期为有效推动和落实双减政策提供参考。

    二、研究方法和工具

           

      自然语言处理(Natural Language Processing,NLP)是人工智能领域的一个重要方向,是一门研究如何让计算机听 懂人类语言的学科,研究能实现人与计算机之间用自然语言 进行有效通信的各种理论和方法,主要应用于机器翻译、舆情监测、观点提取、文本分类、文本语义对比、中文OCR等方面。随着使用网络的人数增加, 越来越多的网民可以在微博等平台上发表自己的观念,传播 自己的想法和意见[3]

      文本情感分析(Sentiment Analysis)作为NLP常见任务之一,能够对带有情感色彩的主观性文本进行分析、处理、归纳和推理,识别出用户的情感倾向,是积极还是消极,并且提供各自概率,而每个人对一件事都有不同的看法、感受、想法和情感,这可以通过情感分析的特征提取和分类等步骤来了解。目前,常见的文本情感分析方法主要是基于情感词典的方法和基于机器学习的方法,其中机器学习的文本情感分析方法,无论是基于传统机器学习模型还是深度学习模型,其在过程机制探索、算法精度等方面的效度得到了广泛验证[2]。本文借助百度飞桨NLP技术及API情绪分析工具,基于其大规模互联网语料和自然语言处理机器学习算法中的LSTM(Long Short-Term Memory)深度神经网络模型,对“双减”政策有关博文评论进行情感倾向分析,进而了解评论背后网民的真实情感与动机。整个过程可分为数据挖掘和深度学习情感倾向分析两个部分。

    三、“双减”政策舆论分析

    1数据收集与文本处理

      数据收集阶段,数据样本来自微博粉丝过亿的三大官微,分别是人民日报,央视新闻、人民网,博文评论数量均是官微中最多的,通过Python爬虫获得三条与此政策密切相关的博文,共收集到直接评论1763条,去除与“双减”无关的评论316条,有效评论1447条评论。文本情感分析一般分为三个阶段,分别是文本预处理、特征词提取,情感分类。文本预处理首先人工删除与政策无关的评论,然后进行数据标注,为后续训练模型打下基础。特征词提取又分为文本分词和去除停用词,分词是为了把文本精准的分开,以便更好的去除停用词,去除停用词是指将文本中无效的词或字去掉,比如大概、左右、得出,还有就是一些标点符号,这些词的去除不会影响文本的意思。情感分类是指运用深度学习算法将评论分为积极、消极和中性评论,结果分析出来后再人工进行矫正,以此来窥探网民对此政策的态度。

    2基于NLP的网民情感分析

      研究发现,微博关于“双减”的话题中,中性评论和消极的评论占绝大多数,消极评论占大约65%,中性评论占20%,积极评论占比较少,消极评论大部分描述的是教育公平和有效实施“双减”政策。

    根据网民评论分析可知,中考难、高考难、工人地位低等升学问题如何解决,以及如何有效落实该政策和促进教育公平是网民比较关注的话题,也有的家长表示不同意政策,表示会继续请私教给孩子补课。为进一步了解网民情感背后的前因后果,本研究对评论文本进行了关键词提取,总计423个关键字,提取前100个关键字制作出图1关键词云图。词云图分析可知“孩子、学校、老师、家长、政策、减负、学生、作业、高考、双减、考试、教育、补课、培训、落实、中考、放学、压力、高中”等热词是网民关于“双减”政策最为关注的话题。

    1:频率前100的关键词云图

      家长对孩子的中、高考十分担忧,对于“双减”政策十分不信任,认为孩子没有压力就没有动力,学习不好只能去打工,对于培养孩子的兴趣评论不多,大多是想让孩子多学点,赢在起跑线,只有少部分的评论说的是学校教学能力不足,不得不去培训学校鸡娃,也有的家长对于禁止课外培训特别愤怒,觉得是侵犯了他们的自由,而且对于教育决策者具有攻击性,认为决策者纸上谈兵,没有真正关心真正的教育。有的家长认为“双减”政策只是减的平民,有钱人还是会请一对一家教,教育的落后这会导致阶级固化,贫富差距加大 。总结下来就是家长对孩子的教育充满忧虑,尤其是有的地方要面对一半的学生才能上高中,一半的学生只能去职业中学的局面,这反应的是国家没有重视职业教育,打工人的社会地位不高,这也是导致家长消极评论的因素之一。其次就是有的人对这个“政策”执行力有怀疑,就是上面一套,下面一套,说到底还是教育不公平。高考也是导致消极评论的一大因素,高考是个跨不过的大坎,在这个唯学历是图的社会,没有学历就没有竞争力,这就导致了全社会的补课风潮。大部分积极的评论也没有对这项政策给予直接的肯定,而是没有办法的办法,持着不破不立的态度,能做出改变就已经很也了不起了。还有一部分人从全社会的角度来关注这个话题,评论涉及了住房,学区房,双职工家庭,总结来说就是经济的问题。

     

    四、结论与启示

      “双减”政策的网络舆情研究及网民评论文本分析显示 ,新浪微博的网民对此政策持消极态度居多,大部分网民对政策的提出很不理解,网民认为此项政策的实施没有调查民意,认为此项政策是一刀切,没有考虑到政策带来的后果,也有网民认为会加重教育不公平。网民担忧补课的取消会导致孩子的学习成绩下降进而失去竞争力,家长最担心的是孩子的中、高考,认为学习成绩不好考不上好的学校,进而只能去职业中学。更有的家长认为是学校老师不好好教,考试难度大,孩子只能去参加校外培训。

      百年大计,教育为本。“双减”政策的出台,是党中央站在实现中华民族伟大复兴的战略高度,对“双减”工作作出的重要决策部署[4]。在教育方面,政策的下达必然会招致一部分人的不满,但决不能因噎废食,应加强政策落实的配套措施,比如设置培训机构白名单,提高教师队伍质量和加强师风首先建设,减少学生作业负担,加强课后服务。通过提高社会对工人阶级的认可,提高工人工资,加强职业学校的建设,提高社会对职业教育的好感,才能从根本上解决高考一考定终身的局面,打消家长对孩子学习的焦虑,从而实现教育的良性发展。

    • 修改后
    • 评论分词和去停用词
    • 标签:
  • 加入的知识群:
    学习元评论 (0条)

    评论为空
    聪明如你,不妨在这 发表你的看法与心得 ~



    登录之后可以发表学习元评论
      
暂无内容~~
顶部