“双减”政策实施的舆情效应与启示.docx

“双减”政策实施的舆情效应与启示

——基于大数据情感分类的主题分析

一、研究背景

在“双减”政策出台前,市场化运作的校外培训机构利用其多样化和定制化的教育服务,成为教育体系中的“影子系统”,影响了公共教育体系的有效运转。校外培训行业逐渐生成并蔓延的利益至上、贩卖焦虑、功利教育等不良风气,进一步损害了教育的公益性并通过内卷化竞争增加了学生、家长的负担,最终造成了基础教育生态的破坏。[1]在这样的背景下,“双减”政策应运而生。2021年,“双减”政策颁布,这表明了党中央对长期以来阻碍我国教育优质均衡发展的课业负担过重、校外培训负担过重问题及由此引发的教育焦虑现象的高度重视。[2]这是党中央从全面深化改革、推进教育领域综合改革出发,从办好人民满意的教育的立场出发,从为党、为国培育人才的战略需求出发,为保障基础教育的持续健康发展和每名学生的全面均衡发展所作出的重大决策。[3]

其实,“减负”政策在我国有一定的演进历史。1950年,毛泽东提出“健康第一,学习第二”的重要指示。[4]1993年印发的《中国教育改革和发展纲要》提出,中小学要切实采取措施减轻学生过重的课业负担。[5]2001年印发的《基础教育课程改革纲要(试行)》提出,构建符合素质教育要求的新的基础教育课程体系。[6]这一文件拉开了围绕基础教育新课程改革减负的序幕。2010年印发的《国家中长期教育改革和发展规划纲要(2010—2020年)》要求把减负落实到中小学教育全过程,明晰减轻学生课业负担是全社会的共同责任,政府、学校、家庭、社会必须共同努力,标本兼治,综合治理。[7]2018年印发的《中小学生减负措施》提出,促进中小学生健康成长,培养德智体美劳全面发展的社会主义建设者和接班人。[8]

杨兆山等人认为,2021年颁布的“双减”政策具有力度大、目的明确、措施可行、标本兼治的特点。[9]显然,“双减”政策的根本宗旨在于引导基础教育回归正轨,全方位改进教学,提高教育质量,助力学生全面均衡发展,进而促成中小学的健康发展以及社会公正和谐向前迈进。既然如此,这项政策该如何达成其既定目的?当该政策开始施行后,会引起公众何等心理反应?换言之,公众如何看待“双减”政策的实施?本研究拟通过对“双减”政策实施后公众的反应来总结公众对“双减”政策的态度、意见及看法,以期管窥公众对“双减”政策实施的不同回应。基于此,本研究聚焦以下两个研究问题:第一,公众如何看待“双减”政策的实施;第二,公众的不同回应对推进“双减”政策实施有何启示。

二、研究设计

伴随着在线社交平台的飞速兴起,人们逐渐倾向于通过在线社交平台分享与交流观点,在网络上收集公众观点意见和找寻事实真相逐渐兴起。[10]随着大数据和人工智能的快速进步,有关政策文本的网络舆情研究,可对政策制定和执行提供重要参考。[11]本研究基于Python数据挖掘、自然语言处理情感分析技术及LDA(LatentDirichletAllocation)主题模型构建,针对我国“双减”政策出台背景下的网络舆情开展分析。LDA模型可以从大规模文本数据中挖掘有意义的话语框架,揭示文本背后的主题结构,情感分析可以反映网民的态度倾向。[12-13]基于此,本研究考察网民对“双减”政策的情感倾向及观点意见,以期为有效推动和落实“双减”政策及其配套支持措施提供参考。

(一)研究方法

文本情感分析是指利用额外文本资源,采用自然语言处理技术从特定领域的非结构化评论文本中得出评论者的主观性、观点、情绪以及极性提取、分析、处理、归纳的过程。[14-15]目前,文本情感分析技术于在线评论研究中广泛运用。[16]本研究借助腾讯云自然语言处理技术及其情绪分析工具对“双减”政策有关微博评论文本进行情感分析,进而尝试分析“双减”政策出台后,在实际实施过程中,网民对“双减”政策的看法、态度及回应。

LDA模型是一种用于在一系列文档中发现隐含主题的语言概率模型,属于无监督的文本聚类算法。[17]LDA模型作为当下被广泛应用的主题模型,在挖掘大规模文本数据或语料库中隐含的主题内容方面展现出较强的能力,其核心思想是将文档描述为不同主题的概率分布,同时也把每个主题描述为一系列词语的概率分布。[18]本研究借助Python的开源包gensim进行LDA主题模型训练,通过分析模型拟合结果中每个主题对应的核心关键词并结合原始数据对主题进行解读。

(二)数据收集与处理

本研究的数据来源于7个新浪微博账号,挑选依据为粉丝数和相关博文互动量,分别是人民日报(1.4亿)、央视新闻(1.22亿)、中国新闻网(7396.7万)、新华网(8853.6万)、21世纪经济报道(2143.9万)、新浪财经(2430.3万)、新周刊(2117.7万)(注:括号内为微博粉丝数)。以讨论量为选择标准,选取了25条与“双减”政策密