医患冲突的微博舆情议题建构、地域化差异分析及情绪监测模型的建立.docVIP

医患冲突的微博舆情议题建构、地域化差异分析及情绪监测模型的建立 / 由中国新闻史学会计算传播学研究委员会与微热点大数据研究院联合举办的第二届传播数据挖掘竞赛已圆满落幕，15支战队尽显风采；以下为“基于新媒体传播数据的地域舆论环境感知”选题优秀作品《医患冲突的微博舆情议题建构、地域化差异分析及情绪监测模型的建立》，由来自汕头大学“开心开心幸福冲冲冲队”精彩呈现。 研究发现，关于此事件舆论主要分化为五类议题并呈现出地域间的倾向差异；本文以“关联度”和“积极性”评价地区的子议题议程设置倾向，发现网络空间中的舆论倾向与经济、医疗等现实社会因素相关性不足但具有一定的特征，根据地域舆论积极性变化过程可以提取舆论预警指数模型。 关键词：医患关系；网络舆论；地域特征；情绪指数模型；舆论预警。 一、绪论 1. 研究背景及意义 1）研究背景 4月24日上海三甲医院仁济医院的胸外科的赵晓菁主任，当天正在出专家门诊，在接诊过程中，由于患者插队而与患者产生摩擦；警察赶到后，医生与警方发生口角，最终警方升级为强制传唤，赵晓菁主任被派出所民警带走问话。 这一事件在网络平台上引发了大量用户以“医患关系”为核心的热烈讨论，由于群体极化效应，在“患者插队”的传言未被官方证实之前，热搜“手铐带走拒绝患者插队的医生”引发公众情绪，产生对警方的不满；但本文认为舆论最终焦点仍是反映社会当前的重要问题——医患矛盾这一症结上。 为了研究关于医患冲突事件，网民们的舆论是否存在地域差异性的参与特征和情绪倾向，以及网民会否因为所处的环境的经济水平、医疗水平等现实生活方面的差异而在网络舆论参与中产生的不同的话题倾向，展开讨论和研究。 2）研究意义 我国近几年正处于医疗改革的关键时期，各种医疗事故和医患纠纷频现，不仅在一定程度上引发舆论对于医疗保健行业的不满，也体现了当前社会的供需矛盾所在。 在此背景下，《国家突发公共事件总体应急预案》新增了“医疗事故和医患纠纷” 的分类足以体现目前医患纠纷形势严峻程度；此外，网络媒体的信息发布、网民的持续关注和讨论，使现实中的突发公共事件在网络上被强烈的曝光，并形成扩散态势和井喷效应；若不加研究和管控，将对社会的和谐稳定起到了严重的破坏作用。 情绪监测模型的建立旨在通过勾画用户特征画像和实时监测情绪，评估相似医患事件，进行舆情模拟和预警，为应对与缓和医患冲突，从民声民意中整体评价目前医疗体系的利弊，构建和谐的医患关系与社会秩序和建设 “健康中国”提供参考和建议。 2. 研究内容 本文借助微热点大数据研究院提供的关于本次冲突事件的微博舆论数据集，使用数据挖掘和分析方法，对不同议题的舆论情绪进行地域化差异分析；并结合经济水平、医疗水平有地区差异的各省数据，探究舆论情绪指数是否与经济、医疗评分有相关性；以及在此前研究基础上建立舆论情绪监测模型。 以“仁济医院赵晓菁”事件为例，在梳理事件脉络的基础上，本文对 2019年 4月 24 日至 2019 年 5 月 8 日时间段内，对数据集中微博平台上相关话题的微博内容、评论内容、用户信息等数据集进行清洗和初步分析；进而采用关联度分析法和模糊综合评价法，归纳出五大舆情议题：医疗体制、医疗资源、医院管理、患者素质、医生服务态度。 运用模糊综合评价法和文本分析技术，对医患冲突的网络舆情进行情绪倾向性分析；利用主成分分析法确定议题权向量后建立舆论情绪监测模型。 3. 研究方法 本文主要采用定性和定量的分析方法：包括内容分析法、关联度分析法、模糊综合评判法、PCA主成分分析法。 除了对原始数据集的处理和挖掘基础上，引入了源自国家统计局网站和国家卫健委《2018年我国卫生健康事业发展统计公报》的外部数据，根据各省经济、医疗等社会状况统计数据对各省经济、医疗的多项指标进行评分。 对比各省舆论情绪倾向和参与度的加权结果，通过SPSS进行相关性分析，以此探究地域舆论议程设置状况差异及其与实际现实经济和医疗水平相关性。 对事件舆情热度、情绪进行量化评价、分析，利用降维的思想、主成分分析方法，确定5个关于医患事件的核心舆论议题的评价矩阵和权向量，建立合理的评价模型。 根据模型公式及其数学性质，给出模型的适用范围；为了进一步研究医患冲突事件的风险管控，本研究还参考了等级全息建模(Hierarchical Holographic Modeling)的风险识别方法，以研究公共危机事件网络舆情风险管理。 二、大数据挖掘在研究中的应用 本文以微热点大数据研究院提供的微博原始数据为对象，借助中科院提供的情绪词库和中文停词表，对评论文本的中心词、词频统计的结果进行评分、加权运算、标准化处理；通过构建中心词评分矩阵、关联度评价矩阵、主观评价模糊矩阵等方式，利用Python语言分析工具进行舆论情绪评分；此外，本研究调用python-sklearn机器