摘要：當(dāng)今社會中，網(wǎng)絡(luò)社區(qū)愈發(fā)占據(jù)著更多的社交環(huán)境，成為許多人日常生活不可分割的部分，但與此同時，網(wǎng)絡(luò)社區(qū)環(huán)境隨著近年來疫情影響導(dǎo)致的大量人員流入開始分化與變質(zhì)。為得到后疫情時期各大網(wǎng)絡(luò)社區(qū)的文化屬性變化與差異，了解不同條件下的個體對不同網(wǎng)絡(luò)社區(qū)的需求程度，文章結(jié)合現(xiàn)有的部分研究理論，通過Python爬蟲與詞頻分析、問卷調(diào)查與SPSS統(tǒng)計、線上線下非正式采訪，從六大社區(qū)與隨機(jī)人群兩個方面獲取后疫情時代的網(wǎng)絡(luò)社會特征，進(jìn)行進(jìn)一步梳理研究，提出應(yīng)當(dāng)注重網(wǎng)絡(luò)虛擬社區(qū)的分析研究，把握網(wǎng)絡(luò)社區(qū)屬性與風(fēng)氣導(dǎo)向。
關(guān)鍵詞：網(wǎng)絡(luò)社區(qū)；詞頻分析；問卷調(diào)查；網(wǎng)絡(luò)屬性；

一、緒論
（一）分析背景與現(xiàn)狀
1，社會背景淺析
隨著現(xiàn)代社會科技不斷發(fā)展，互聯(lián)網(wǎng)早已成為人民生活中必不可分的部分，其已經(jīng)融入進(jìn)每一個人生活的方方面面，從飲食出行到娛樂社交，網(wǎng)絡(luò)社會已經(jīng)是當(dāng)代國人日月相處、很難避開的環(huán)境。特別是自2020年新冠疫情與其所帶來的各類封控管理開始，以實體店、公共場所為代表的各類線下服務(wù)與生活以肉眼可見的速度加速衰弱，而與之相對的，各種網(wǎng)店、網(wǎng)站、網(wǎng)絡(luò)娛樂、社交平臺等各種線上生活日益增長，并有著很客觀的增長速度（具體網(wǎng)絡(luò)社會數(shù)據(jù)近年變化在下述）。而到了當(dāng)今2023年后疫情時代，網(wǎng)絡(luò)社會、線上生活仍在繼續(xù)增長，以符合當(dāng)代時代與國家發(fā)展需要。但經(jīng)歷了疫情時期，在后疫情時代的網(wǎng)絡(luò)社會面臨著各種問題與各種新現(xiàn)象。
2，政策背景淺析
我國對于互聯(lián)網(wǎng)的相關(guān)管理與政策從上個世紀(jì)90年代就初現(xiàn)雛形，并在21世紀(jì)前十幾年經(jīng)歷了一定程度的發(fā)展。但這個時期的互聯(lián)網(wǎng)仍處于野蠻生長的階段，也沒有太多和全面的了解，相關(guān)政策也多是著眼于局部與最核心的一些方面。以這二十余年的國家監(jiān)管為代表，主要可以分成三個階段：一、監(jiān)管的引入和奠基階段（1994年-1999年）；二、監(jiān)管體系全面建立階段（2000年-2007年）；三、監(jiān)管優(yōu)化與擴(kuò)展階段（2008年-2012年）。這三個階段也鮮明地表現(xiàn)了我國互聯(lián)網(wǎng)的前二十余年變化，直到2013年左右開始的新階段。2013年起，互聯(lián)網(wǎng)產(chǎn)業(yè)革命全面爆發(fā)，國外也環(huán)繞互聯(lián)網(wǎng)出現(xiàn)了各類事件，這一切都使得國內(nèi)的互聯(lián)網(wǎng)社會因政策的引領(lǐng)進(jìn)入了新階段。也是同年，中央網(wǎng)信辦開始開展治理網(wǎng)絡(luò)構(gòu)成清朗網(wǎng)絡(luò)空間行動，定基了至今每年固定的“凈網(wǎng)行動”。再到2017年，圍繞十九大新的政策導(dǎo)向，國家針對網(wǎng)絡(luò)社區(qū)制定了以《互聯(lián)網(wǎng)論壇社區(qū)服務(wù)管理規(guī)定》為主的多項管理條案，并進(jìn)一步推動網(wǎng)絡(luò)管理與凈網(wǎng)行動。最后來到經(jīng)歷了疫情網(wǎng)絡(luò)社會爆炸發(fā)展的后疫情時代，關(guān)于后疫情時代的各種網(wǎng)絡(luò)社會特征與狀況，其政策內(nèi)涵主要以疫情時代與二十大報告為導(dǎo)向。
（二）分析目的及意義
當(dāng)代社會中，網(wǎng)絡(luò)社會是其極為重要的組成部分，網(wǎng)絡(luò)社會因其特有的開放性、海量性、時效性與無距離感（全球性）而更適應(yīng)當(dāng)今時代與社會交流，故此而獲得了極大程度的發(fā)展。當(dāng)今時代，只有牢牢把握住網(wǎng)絡(luò)社會上的話語權(quán)與網(wǎng)絡(luò)輿論，才能發(fā)出更大的聲音、更大程度的站到優(yōu)勢地位。
以國家高校為例，當(dāng)下網(wǎng)絡(luò)社會充滿著各類抹黑輿論與極端評價，多數(shù)高校沒有把握網(wǎng)絡(luò)機(jī)遇、網(wǎng)絡(luò)話語權(quán)，各類言論在網(wǎng)絡(luò)社會上迅速傳播，甚至傳到了現(xiàn)實生活中，這對各大高校的社會形象、社會評價、甚至是學(xué)校利益都產(chǎn)生了嚴(yán)重影響。
而再說當(dāng)下后疫情時代，經(jīng)歷了疫情時代與科技發(fā)展誘導(dǎo)的互聯(lián)網(wǎng)各項使用高速增長，當(dāng)今網(wǎng)絡(luò)社會也面臨著快速發(fā)展背后的各種問題與矛盾，隨著時間推移與社會發(fā)展，這類問題與矛盾也愈加嚴(yán)重，一定程度上影響著人民的身心健康。把握網(wǎng)絡(luò)社會氛圍、抓住網(wǎng)絡(luò)社會話語權(quán)，這對于當(dāng)下社會的每個個人、集體、公司、甚至政府國家都具有極為重要的意義。
（三）相關(guān)概念闡述
1，網(wǎng)絡(luò)社會
“網(wǎng)絡(luò)社會”一詞最開始指信息時代的社會，是作為現(xiàn)實空間的一種新社會結(jié)構(gòu)形態(tài)的“網(wǎng)絡(luò)社會”，首次出現(xiàn)于學(xué)者狄杰克（Jan van Dijk）于1991年出版的書籍《De Netwerkmaatschappij》。但隨著時代發(fā)展，“網(wǎng)絡(luò)社會”一詞的所指涵義也發(fā)生變化。在當(dāng)今，我們擬可將“網(wǎng)絡(luò)社會”的涵義歸納為兩大類：作為現(xiàn)實空間一種新社會結(jié)構(gòu)形態(tài)的網(wǎng)絡(luò)社會（Network society），與基于互聯(lián)網(wǎng)架構(gòu)的電腦網(wǎng)絡(luò)空間的網(wǎng)絡(luò)社會（Cyber society），也可稱之為虛擬社會。
在國內(nèi)學(xué)術(shù)界中，網(wǎng)絡(luò)社會（Cyber society）比起網(wǎng)絡(luò)社會（Network society）的研究更為熱門。它是一種虛擬的社會，存在于Internet通過網(wǎng)絡(luò)技術(shù)等模擬現(xiàn)實情境所構(gòu)成的一個溝通信息的虛擬空間（virtual space）或電子空間（cyber space）。如今，這個空間已經(jīng)成為了人類交往的一種虛擬網(wǎng)絡(luò)環(huán)境，且就其所產(chǎn)生的廣泛社會關(guān)系而言，它也是一種社會形式。本文所研究的網(wǎng)絡(luò)社會即指網(wǎng)絡(luò)社會（Cyber society）。
2，網(wǎng)絡(luò)社區(qū)（網(wǎng)上社區(qū)/虛擬社區(qū)）
“網(wǎng)絡(luò)社區(qū)”的概念最開始由學(xué)者霍華德·瑞恩高德（Howard Rheingold）于1993年提出，并將其定義為“一群通過計算機(jī)公告欄和網(wǎng)絡(luò)交談和交流思想、可能相互見面也可能不見面的人, 經(jīng)常在電腦空間里相遇而形成的文化集合”。而隨著時間推移，“網(wǎng)絡(luò)社區(qū)”的概念也被不同學(xué)者從不同角度進(jìn)行闡述，盡管意見不大相同，但學(xué)術(shù)界對于“網(wǎng)絡(luò)社區(qū)”的普遍認(rèn)識一致，即“互聯(lián)網(wǎng)環(huán)境下一群相互交流的個體的集合”，如各種主題論壇、博客、社群等。虛擬社區(qū)幫助人們在網(wǎng)絡(luò)上構(gòu)建了超越時間和空間的虛擬生活空間，使用戶可以遠(yuǎn)程參與學(xué)習(xí)和娛樂。
（四）主要研究內(nèi)容
本次調(diào)查分析主要圍繞后疫情時代的國內(nèi)網(wǎng)絡(luò)社會進(jìn)行，主要基于武漢圖夫科技有限公司的開源程序文字云與SPSS軟件的數(shù)據(jù)分析進(jìn)行研究。本次調(diào)查采用點(diǎn)面結(jié)合的方法，一方面，針對選定的六大各具特色的網(wǎng)絡(luò)社區(qū)為對象開展調(diào)研（六大社區(qū)分別為：抖音、微博、bilibili、知乎、貼吧、小紅書）；另一方面，進(jìn)行大量的用戶數(shù)據(jù)意愿收集，進(jìn)行數(shù)據(jù)統(tǒng)計。結(jié)合Python爬蟲的文字云詞頻分析與結(jié)合問卷收集進(jìn)行的SPSS數(shù)據(jù)分析即分別用于各自方面。與此同時，還進(jìn)行部分線下官方調(diào)研采訪，與一些社區(qū)、公司對接，進(jìn)行相關(guān)詢問調(diào)查，并進(jìn)行結(jié)論交流。
主要研究內(nèi)容具體包括：
（1）根據(jù)公共數(shù)據(jù)、社區(qū)年報等正規(guī)消息源大量查找得到六大社區(qū)基本信息。主要以六大社區(qū)為樣例，進(jìn)行疫情時代至后疫情時代四五年間的社區(qū)用戶數(shù)、熱度等狀況查找，以便進(jìn)行初步分析，得到各社區(qū)的特征要素并備用。另一方面，查找六大社區(qū)的男女比例、用戶年齡分布，這對后續(xù)研究也具有重要作用，是進(jìn)行全面分析的基礎(chǔ)。
（2）基于開源工具文字云進(jìn)行以六大社區(qū)為對象的社區(qū)特征詞提取與詞頻分析。通過爬取六大社區(qū)網(wǎng)站的各類文本作為分析庫，將得到的原始文本通過文字云分析詞頻，最后輸出詞云。但值得注意的是，文字云并不能完美進(jìn)行有效關(guān)鍵詞的提取分析，所以需要進(jìn)行后期人力篩選與返回本文分析，以便得到真正需要的社區(qū)特征詞集。
（3）基于SPSS軟件進(jìn)行問卷收集數(shù)據(jù)統(tǒng)計分析。針對所要分析的社區(qū)對象，創(chuàng)造問卷收集，進(jìn)行使用意愿等方面統(tǒng)計，并收集部分完全匿名性的看法評論。SPSS對于所收集到的問卷信息，進(jìn)行包括但不限于分類匯總、樣本t檢驗、方差分析等方面的數(shù)據(jù)處理，以最后分析得到部分具有參考意義的結(jié)論。
（4）通過網(wǎng)絡(luò)上與線下進(jìn)行相關(guān)專業(yè)人士采訪，總結(jié)相關(guān)更具有針對性的看法。與社區(qū)網(wǎng)絡(luò)監(jiān)管員、網(wǎng)絡(luò)狀況分析員，網(wǎng)絡(luò)社會公司的網(wǎng)絡(luò)管理員、工作人士等進(jìn)行交流、非正式采訪，得到相關(guān)更具有專業(yè)意義的看法，以用來對本次調(diào)查進(jìn)行另一層面的鑒定與指導(dǎo)。同時查找政府疫情與后疫情時代的網(wǎng)絡(luò)社會管理政策，進(jìn)行更具有權(quán)威性的理論指導(dǎo)。

 二、理論基礎(chǔ)
（一）Python爬蟲
互聯(lián)網(wǎng)上的所有信息資源都是通過其統(tǒng)一的且在網(wǎng)上的地址URL（統(tǒng)一資源定位符，即網(wǎng)址）作為相關(guān)標(biāo)志放在服務(wù)器上，而對于我們所需要網(wǎng)址的訪問，是通過超文本傳輸協(xié)議（HTTP）來實現(xiàn)。HTTP是一個簡單的“請求-響應(yīng)”模式的無狀態(tài)應(yīng)用層協(xié)議，它通常運(yùn)行在TCP之上，指定了客戶端可能發(fā)送給服務(wù)器什么樣的消息，以及得到什么樣的響應(yīng)。
HTTP是基于“客戶-服務(wù)器”模式且面向連接的，典型的訪問網(wǎng)址基本過程如圖所示：

互聯(lián)網(wǎng)上大量資源節(jié)點(diǎn)相連在一起，如同一張大大的蜘蛛網(wǎng)。網(wǎng)絡(luò)爬蟲（Crawler）又稱網(wǎng)絡(luò)蜘蛛（Spider），這也是指其就像蜘蛛一樣，可以在網(wǎng)上沿著URL線路爬行、可以按照事先制定的規(guī)則（爬蟲算法）自動地瀏覽并獲取網(wǎng)頁信息的計算機(jī)程序。
網(wǎng)絡(luò)爬蟲的常用功能有：搜索引擎、爬取圖片、爬取網(wǎng)站用戶公開信息、爬取多站文本內(nèi)容等等等等。爬蟲的出現(xiàn)，可以在一定程度上代替手工訪問網(wǎng)頁，使人工訪問互聯(lián)網(wǎng)的操作自動化，以更高效地利用好互聯(lián)網(wǎng)中的有價值信息。
但注意，網(wǎng)絡(luò)爬蟲需要注意合法性問題。《中華人民共和國民法典》第一千零三十三條明確規(guī)定了對個人信息的網(wǎng)絡(luò)隱私權(quán)，在網(wǎng)站上爬取涉及個人隱私的數(shù)據(jù)是不允許的，更不能將爬取的數(shù)據(jù)進(jìn)行商業(yè)用途、違反法律規(guī)定。本文對于各大社交網(wǎng)站上用戶發(fā)布、評論的內(nèi)容進(jìn)行特征分析，僅用于本實踐項目的調(diào)研報告，未涉及商業(yè)用途，也未涉及個人隱私等受法律保護(hù)的信息。
（二）詞頻分析
在信息爆炸的時代，對于互聯(lián)網(wǎng)上的海量數(shù)據(jù)，我們需要從其中快速找到自己需要的有價值信息，詞頻分析就是這樣一種有效的工具。詞頻分析(Word Frequency Analysis)是對文本數(shù)據(jù)中重要詞匯出現(xiàn)的次數(shù)進(jìn)行統(tǒng)計與分析，是文本挖掘的重要手段。它的基本原理是通過詞出現(xiàn)的頻次多少的變化，來確定熱點(diǎn)及其變化趨勢。
詞頻分析基于自然語言處理技術(shù)，運(yùn)用算法對文本進(jìn)行分析處理，常用的詞頻分析相關(guān)技術(shù)有Jieba。其分詞主要是基于統(tǒng)計詞典，構(gòu)造一個前綴詞典；然后利用前綴詞典對輸入句子進(jìn)行切分，得到所有的切分可能，根據(jù)切分位置，構(gòu)造一個DAG（有向無環(huán)圖）；通過動態(tài)規(guī)劃算法，計算得到最大概率路徑，也就得到了最終的切分形式。
具體而言，用Jieba進(jìn)行分詞與后續(xù)進(jìn)行詞頻統(tǒng)計包括以下幾步：
（1）讀取文本文件。
（2）對文件中的文本進(jìn)行預(yù)處理。
（3）通過Jieba庫的函數(shù)定義“用戶詞典”與“動態(tài)調(diào)整詞典”。
（4）使用Jieba的搜索引擎模式處理文本，進(jìn)行分詞。
（5）運(yùn)用collections庫的函數(shù)進(jìn)行詞頻統(tǒng)計。
（6）基于詞性輸出特征詞集。
（7）對輸出詞集進(jìn)行人工修正。
而對于詞頻分析的統(tǒng)計算法有多種，其中比較常用的是基于詞頻的TF-IDF算法與基于詞義的TextRank算法，Jieba就是分別基于TF-IDF和TextRank模型抽取關(guān)鍵詞。
TF-IDF算法：一種以詞袋的形式獲取關(guān)鍵詞的文本挖掘算法。其會評估一個詞語對整個文本的重要程度，即某個詞對該文本的重要程度以及其在文本中出現(xiàn)的次數(shù)成正比例、與文本庫中包含這個詞語的文本頻率成反比例關(guān)系。該算法主要包括兩個指標(biāo)：TF值與IDF值。TF值表示一個詞在文本中的出現(xiàn)頻率，IDF值表示這個詞在整個文本庫中的出現(xiàn)頻率。通過將這兩個指標(biāo)相乘，就可以得到一個單詞在文本中的重要程度。
TextRank算法：一種基于圖論思想的文本關(guān)鍵字提取算法。思想來自于Google公司的PageRank算法。它根據(jù)詞共現(xiàn)的方法把文本中的詞語或句子看作圖中的節(jié)點(diǎn)，根據(jù)詞句的相關(guān)性確定帶權(quán)邊，從而將文本轉(zhuǎn)化為圖，最后利用PageRank算法對文本中的節(jié)點(diǎn)排序，從而獲得關(guān)鍵詞。
這里只是對詞頻分析進(jìn)行簡單介紹，本文選擇直接運(yùn)用武漢圖夫科技有限公司的開源程序文字云進(jìn)行分析，故而在這里僅作為簡單了解。對Jieba庫的運(yùn)用，或是對于TF-IDF算法和TextRank算法等文本分析算法的研究，可作為后續(xù)對網(wǎng)絡(luò)社會研究更深入的分析方法。

三、具體調(diào)研
（一）社區(qū)屬性特征詞提取
對于六大社區(qū)的特征詞分析與屬性提取，主要分為以下幾步：
（1）大致了解社區(qū)結(jié)構(gòu)，確定原始文本來源。
（2）按照規(guī)劃爬取、儲存社區(qū)原始文本。
（3）通過文字云進(jìn)行原始文本的特征詞初步分析。
（4）對初步的詞頻分析結(jié)果進(jìn)行二次人工整理。
（5）輸出最終得到的詞頻分析結(jié)果，得到社區(qū)屬性特征詞集。
關(guān)于原始文本來源的確定，六大社區(qū)方式不盡相同，但均是圍繞熱點(diǎn)、高討論度、考慮平均選取，最大程度減緩特定話題的影響趨勢。六大社區(qū)的原始文本選取源可以分為三類：抖音來自于視頻評論區(qū)，B站來自于視頻評論區(qū)與彈幕兩個方面；貼吧與小紅書來自于推文評論區(qū)；知乎與微博來自于話題下推文與評論區(qū)兩個方面。
這里以B站為例，進(jìn)行原始文本的來源確定：
對于任意網(wǎng)絡(luò)社區(qū)，都要考慮到當(dāng)下普遍存在的用戶個性化推薦，故而考慮到最純粹的進(jìn)行視頻下評論區(qū)選取，這里采用不選擇興趣偏好的新注冊賬號。針對B站而言，對象即選擇純凈賬號下的綜合熱門、結(jié)合排行榜全站與其他分類共計五十個視頻，這些視頻的評論區(qū)就被選擇為原始文本來源。
確定原始文本來源后，基于requests與bs4模塊運(yùn)用Python爬蟲獲取視頻評論區(qū)，按熱度排行的前二百條一級評論與最新一批視頻彈幕，并將其均儲存在txt文件里備用，這里以熱門區(qū)視頻“【泛式/劇情MAD】哥哥的女朋友，只能由我來選......”（BV1sW4y1Z7pn）為例。
對于網(wǎng)頁爬蟲分為靜態(tài)網(wǎng)頁與動態(tài)網(wǎng)頁，而經(jīng)檢驗，對六大社區(qū)原始文本來源的網(wǎng)頁均為動態(tài)網(wǎng)頁。對于動態(tài)網(wǎng)頁，首先進(jìn)行原始文本對象的位置查找，對于B站評論區(qū)的一級評論位置查找即如圖所示：
找到原始文本的對應(yīng)位置，并獲取請求頭，在pycharm里結(jié)合requests與bs4庫，進(jìn)行相關(guān)代碼編寫，并將獲取結(jié)果儲存在“評論.txt”中即可。
相關(guān)代碼如下：

對彈幕的提取操作同理。五十個目標(biāo)視頻評論區(qū)重復(fù)操作完成后，即可得到B站社區(qū)的原始文本。
對于得到的社區(qū)原始文本，我們運(yùn)用文字云將其錄入，進(jìn)行初步的詞頻分析，這里仍以上一步的視頻為對象，所得到的詞頻分析結(jié)果相對粗糙，如占據(jù)多數(shù)的有涉及視頻主內(nèi)容的“赤音”、“露比”與不具有任何代表性的日常生活用語“喜歡”——這些問題在大量原始文本的積累下仍會存在。故針對這些情況，需要進(jìn)行二次人工整理，將這些不符要求的詞匯剔除，獲得最終的特征詞集。
對于“【泛式/劇情MAD】哥哥的女朋友，只能由我來選......”此樣例視頻，以其最終的特征詞集生成的詞云如圖所示：

注意：這其中會出現(xiàn)如“每天一遍”與“再來億遍”此類意義近似相同或完全相同的詞匯，在最終分析時，會將此類詞匯在詞集中歸一。也會出現(xiàn)像是“首頁”、“通知書”這種明顯可以合成的詞匯，但文字云在進(jìn)行初步詞頻分析時會將這種組合詞分開，這種情況下兩個可組成詞匯的詞頻會相對接近。此時經(jīng)過鑒別，就可以在二次人工整理時將其按照社區(qū)的可能屬性，將其重新整合。
（二）調(diào)查問卷創(chuàng)造與收集
關(guān)于隨機(jī)人群的調(diào)查問卷填寫收集，主要可以分為以下幾步：
（1）對各種條件人群進(jìn)行粗略的隨機(jī)抽樣采訪。
（2）圍繞采訪所得的需求與看法，討論創(chuàng)造初始問卷。
（3）隨機(jī)選取部分對象進(jìn)行初步填寫。
（4）依據(jù)初步填寫問題，修改問卷得到最終版問卷。
（5）對隨機(jī)人群廣泛投放，收集問卷填寫結(jié)果。
（6）將問卷結(jié)果轉(zhuǎn)化成表格，以便后續(xù)分析。
在創(chuàng)造問卷之前，需要先去大致認(rèn)知基本情況，確定問卷收集與分析的目的：輸出后疫情時期各類人群對于網(wǎng)絡(luò)社會的依賴情況，以及對于各大社區(qū)的需求與評價信息。以所需得到的最終目的、國內(nèi)后疫情時期的政策指引為導(dǎo)向，參考當(dāng)下現(xiàn)有的研究分析情況，整合出采訪內(nèi)容的大致框架，進(jìn)行對各種條件人群的隨機(jī)抽樣采訪。
對于本文項目所研究的對象而言，第一步進(jìn)行的隨機(jī)抽樣采訪要具有協(xié)調(diào)性與普適性。這也要求著對于采訪對象的選取要涵納各類人群，主要以年齡為主要區(qū)分，除此之外也要考慮一定的地域經(jīng)濟(jì)因素。考慮到后疫情時期互聯(lián)網(wǎng)與以抖音快手為主的網(wǎng)絡(luò)社區(qū)用戶類型更加豐富，對于年齡的分層主要分為：10歲以下；10至24歲；25至40歲；41至60歲；60歲以上。而對于地域經(jīng)濟(jì)等其他因素僅保證選取的對象來源于不同水平即可。
初始問卷的創(chuàng)造主要依據(jù)最初框架與采訪內(nèi)容進(jìn)行，并要綜合考慮后疫情時期的實際情況以及國家相關(guān)政策指引。在初始問卷完成后進(jìn)行測試修改，得到最終版問卷。
最終版問卷主要包括三個部分：基本信息（確定用戶所屬人群）、針對社區(qū)的反饋（與本文另一部分得到的社區(qū)屬性相互檢驗，從客觀與主觀角度多方面得到更具有普適性的社區(qū)模型）、對于總體網(wǎng)絡(luò)社會的反饋（用于最終的整體分析）。具體內(nèi)容主要包括社區(qū)內(nèi)容（作品質(zhì)量、評論素質(zhì)）與社區(qū)氛圍（平臺運(yùn)營、用戶素質(zhì)）兩方面。
最終版問卷的流程圖如下所示：

對于問卷目標(biāo)人群投放方面，與第一步類似，問卷的人群隨機(jī)投放要注意協(xié)調(diào)性與普適性。這也要求問卷投放目標(biāo)要進(jìn)行預(yù)先確定，對各年齡層的投放以青少年群體居多。值得注意的是，投放問卷可選擇在QQ、微信等與六大社區(qū)（抖音、微博、bilibili、知乎、貼吧、小紅書）呈弱相關(guān)或無相關(guān)的網(wǎng)絡(luò)平臺進(jìn)行，對于例如快手等與六大社區(qū)有較強(qiáng)相關(guān)性的網(wǎng)絡(luò)平臺不要選擇投放，否則會導(dǎo)致問卷結(jié)果損失一部分普適性。
（三）線上線下相關(guān)人士采訪
此方面主要體現(xiàn)在對相關(guān)專業(yè)人士的非正式采訪，從多個角度，線上線下、網(wǎng)絡(luò)現(xiàn)實，多維得到一定的有參考價值信息。考慮到可采訪對象受限、可選渠道少等現(xiàn)實因素，本文調(diào)研項目采訪對象主要有企業(yè)網(wǎng)絡(luò)社區(qū)管理員與社區(qū)網(wǎng)格員。
對于企業(yè)網(wǎng)絡(luò)社區(qū)管理員的采訪采用完全匿名的非正式采訪形式，線上與可聯(lián)系的專業(yè)人士對接，進(jìn)行部分話題采訪。采訪內(nèi)容包括但不限于：（1）在日常平臺運(yùn)營中發(fā)布內(nèi)容的潛在趨勢、對平臺的話題輿論管控。（2）平臺日常的舉報、投訴情況受理與過審情況評估。（3）平臺日常維護(hù)運(yùn)營的人工管控與程序自動管控的對應(yīng)比重。（4）對平臺的用戶分析與環(huán)境評估。（5）對當(dāng)下網(wǎng)絡(luò)社會從工作人士角度的部分看法。
對于社區(qū)網(wǎng)格員等相關(guān)社區(qū)工作人員的采訪則側(cè)重于網(wǎng)絡(luò)社會對人民現(xiàn)實生活的影響分析。采訪內(nèi)容包括但不限于：（1）后疫情時期來臨后居民的網(wǎng)絡(luò)生活狀況。（2）日常社區(qū)管理下關(guān)于網(wǎng)絡(luò)社會的普遍問題。（3）日常的居民涉及網(wǎng)絡(luò)社區(qū)的相關(guān)事件與對策。（4）實際社區(qū)中關(guān)于網(wǎng)絡(luò)生活的困難與需求。（5）社區(qū)對于網(wǎng)絡(luò)輿情的相關(guān)引導(dǎo)與問題化解。
此部分的采訪結(jié)果會進(jìn)行有選擇性的精煉總結(jié)，并進(jìn)行與當(dāng)下相關(guān)政策的交互看待，得到部分有一定高參考價值的結(jié)果作為參照指引。

四、調(diào)查結(jié)果分析
（一）六大網(wǎng)絡(luò)社區(qū)方面
（1）基本信息分析
對于六大社區(qū)，我們首先進(jìn)行社區(qū)的基本信息分析。
以各網(wǎng)絡(luò)社區(qū)官方與公司年報等為信息源，我們可以得到各社區(qū)19年以來疫情與后疫情時期的歷年平均MAU（月活躍用戶數(shù)），其可作為各社區(qū)熱度分析的重要參照指標(biāo)：

我國網(wǎng)絡(luò)社會從2013年互聯(lián)網(wǎng)革命爆發(fā)后就開始高速增長，當(dāng)時的主要網(wǎng)絡(luò)社區(qū)有天涯、虎撲、貼吧等，而一直發(fā)展到2020年后的疫情時期，網(wǎng)絡(luò)社會又開始新一輪豐富發(fā)展與變化。由圖可看出，以抖音為代表的短視頻社區(qū)與以微博為代表的名人主流社區(qū)位居高位，以當(dāng)今社會潮文化、亞文化、年輕人為主的bilibili與小紅書居于中間層次，而貼吧、知乎等經(jīng)典網(wǎng)絡(luò)社區(qū)處于逐漸衰弱或趨于穩(wěn)定的狀態(tài)，這與近年來國內(nèi)整體網(wǎng)絡(luò)社會的普及度增長形成了一定的對照。
值得注意的是，本文展示的歷年平均MAU源自于官方數(shù)據(jù)，其中為吸引投資等目的，不否定存在數(shù)據(jù)有虛高的可能。但對于大致的對照與趨勢，分析當(dāng)下網(wǎng)絡(luò)社會的概況而言，其實影響不大。
此外，我們還對各社區(qū)性別比例進(jìn)行分析：

從圖中可看出，貼吧與知乎用戶以男性居多，而微博與小紅書用戶以女性居多，抖音與bilibili男女性別比例無明顯差別（其差別主要體現(xiàn)在年齡分布上，抖音用戶的年齡分布均勻，而bilibili用戶多以10-18歲、18-24歲的青少年為主）。
聯(lián)系上圖，不難發(fā)現(xiàn)不同社區(qū)性別比例與平均月活可能存在一定關(guān)系，對此可以進(jìn)行單因素方差分析。假設(shè)不同社區(qū)性別比例對于社區(qū)歷年平均月活無顯著差異，通過計算統(tǒng)計量的觀測值與概率p值，可以返回概率p值小于顯著性水平α的結(jié)果，拒絕原假設(shè)，得出不同社區(qū)性別比例與平均月活存在較強(qiáng)相關(guān)性，進(jìn)一步可以說明，在一定程度上女性用戶對社區(qū)月活起到更強(qiáng)的促進(jìn)作用。
而對于各社區(qū)的年齡分布狀況，沒有從官方數(shù)據(jù)中發(fā)掘到同類型結(jié)果，各社區(qū)的年齡劃分均不相同，故在此只進(jìn)行大致說明：
抖音：年齡分布相對均勻，整體分層的用戶數(shù)呈稍微的隨年齡增大而減少。24以下、25-24歲、35-54歲的用戶數(shù)均超過2.4億，24以下超過4億，55歲以上也有5千萬以上。
微博：年齡分布多集中在青年成年人群。用戶以18-30歲為主，占到總體的70%以上。值得注意的是，16-17歲的用戶占比高于41歲以上占比。
Bilibili：年齡分布多集中在青少年。24歲以下占比60%以上。
知乎：年齡分布類似微博。20-30歲占比70%。其他年齡段分布較為平均。
貼吧：年齡分布也集中在青年成年人群。18歲以下占比僅有2.9%，為六大社區(qū)最低，18-34歲占比85%左右。
小紅書：年齡分布類同微博。18-35歲占比超70%，其中18-23歲用戶占比最高。
綜上所述，六大社區(qū)的年齡分布可大致分為三類：均勻分布（抖音）、青年成年為主（微博、知乎、貼吧、小紅書）、青少年為主（bilibili）。但注意，各社區(qū)青少年占比都明顯少于現(xiàn)有文獻(xiàn)分析狀況，且某些社區(qū)缺少18歲/16歲以下用戶數(shù)據(jù)，所以年齡分布的結(jié)果只進(jìn)行大致分類，并只在分析社區(qū)屬性時進(jìn)行一定參考。
（2）社區(qū)屬性分析
對于社區(qū)屬性的分析，本文主要參照已提取得到的社區(qū)屬性特征詞集：

依照各社區(qū)所提取的屬性特征詞集，結(jié)合上述已知的社區(qū)性別比例與年齡分布，可大致分析各社區(qū)的社區(qū)屬性：
抖音：能明顯發(fā)現(xiàn)抖音的屬性特征詞集與網(wǎng)絡(luò)社會的整體流行詞契合度最高，這其中存在部分以抖音為代表的短視頻網(wǎng)絡(luò)社區(qū)高熱度、高流量的原因。一定程度上，抖音等短視頻平臺的高熱度、高流量影響著整體網(wǎng)絡(luò)社會的語言習(xí)慣與輿論風(fēng)氣走向。抖音特征詞多偏日常、生活與流行梗詞，這也體現(xiàn)著抖音的社區(qū)內(nèi)容，高生活化、高日常也有短視頻碎片化的影響因素。其社區(qū)屬性可以概括為：碎片化、生活化、高輿論導(dǎo)向。
微博：與抖音不同，微博雖具有著稍遜抖音的高熱度，但其社區(qū)屬性特征詞集與網(wǎng)絡(luò)社會的整體流行詞契合度不高，微博對社區(qū)外的影響輸出相對較弱。其特征詞多屬于青少年偏女性群體，以青春、愛情、明星等流行文化契合度較高，這可能也與微博的營銷策略具有一定關(guān)系。對微博屬性的特征詞集分析，也證明了女性用戶對社區(qū)月活熱度在一定程度上起到更強(qiáng)的促進(jìn)作用的觀點(diǎn)。其社區(qū)屬性可以概括為：明星化、女性化、青春氣息。
bilibili：B站的特征詞集的典型特征是具有很強(qiáng)的年輕一代的感覺，這也與B站自己的宣發(fā)保持高契合度，即致力表現(xiàn)年輕一代對B站的熱愛。B站的特征詞多屬于青少年群體，且相對微博更年輕化，造詞方面也多偏向縮略簡寫，特征詞的情感傾向相對積極輕松，體現(xiàn)著一種更新的青春活力。其社區(qū)屬性可以概括為：亞文化、新潮化、年輕一代。
知乎：知乎的特征詞集也具有極為明顯的特色，其可以大致概括為多問答咨詢，這也與知乎的社區(qū)結(jié)構(gòu)密不可分。知乎特征詞幾乎都與“問答”脫不開關(guān)系，在其他社區(qū)的低頻詞如“評論區(qū)”、“如果”等在知乎中出現(xiàn)頻率極高，社區(qū)生態(tài)也多以問題的提問與回答以主要內(nèi)容。其社區(qū)屬性可以概括為：內(nèi)容化、知識化、問答模式。
貼吧：貼吧的特征詞與知乎都較偏向男性群體，體現(xiàn)著一定程度上男性群體比女性群體相對弱生活化、或者說對社區(qū)熱度的促進(jìn)作用相對女性較弱。但區(qū)分于知乎的內(nèi)容化，貼吧的特征詞集更偏向于情緒輸出。由貼吧的特征詞集可明顯看出，大多特征詞都多體現(xiàn)在重情緒化與矛盾摩擦。與當(dāng)今網(wǎng)絡(luò)社會風(fēng)氣進(jìn)行對比，會發(fā)現(xiàn)當(dāng)下網(wǎng)絡(luò)社會在疫情時期出現(xiàn)一種新興的抽象文化，這種網(wǎng)絡(luò)文化與貼吧文化風(fēng)氣契合度很高。其社區(qū)屬性可以概括為：情緒化、攻擊性、抽象文化。
小紅書：小紅書的特征詞集與微博有一定的重合度，大體多偏向于女性群體。但與微博不同的是，小紅書的特征詞集雖也體現(xiàn)著生活、青春氣息，但比起微博的明星化則更偏向于普遍人群化，從兩社區(qū)特征詞“演唱會”、“抄作業(yè)”、“安利”等就能體現(xiàn)較為明顯的區(qū)別。小紅書的特征詞集體現(xiàn)著青少年女性群體一定的日常生活享受需要，但不可忽視的是，小紅書的特征詞集從另一方面也可以看出其的內(nèi)容化、一定的知識分享屬性。其社區(qū)屬性可以概括為：精細(xì)化、時尚化、工具屬性。
綜上所述，可發(fā)現(xiàn)六大社區(qū)各自的主流屬性有一定差別，但也具有不同程度的相關(guān)性。但值得注意的是，上述分析是通過文本處理、詞頻分析得到的社區(qū)屬性特征詞集而來，客觀條件的驅(qū)動程度較強(qiáng)。故對于各社區(qū)具體屬性可能略失之偏頗，需要集合下一塊的問卷分析進(jìn)行綜合研究。
（二）隨機(jī)人群問卷方面
對于隨機(jī)問卷方面的分析，主要目的是獲取從人群角度進(jìn)行的主觀研究。本文將所收集到的410份問卷回答制成圖表，分成選擇評分方面與可選則性回答方面進(jìn)行分析。
選擇評分等可量化的數(shù)據(jù)方面，我們進(jìn)行SPSS數(shù)據(jù)處理，其涉及的數(shù)據(jù)內(nèi)容包括基本信息（性別、年齡），社區(qū)評價（使用時長、滿意度、打分），與網(wǎng)絡(luò)社會總評價。
首先我們進(jìn)行性別比例與年齡分布的統(tǒng)計，以保證所得數(shù)據(jù)的普適性，不會失之偏頗。

問卷的性別比例接近1:1，年齡組成以10-24歲青少年占超過50%的部分。關(guān)于年齡組成是否類似正態(tài)分布，非參檢驗的S-W檢驗、K-S檢驗結(jié)果均說明其不符合正態(tài)分布，從直方圖中我們也可看出年齡組成主要以10至24歲青少年與25-40歲成年人居多。此結(jié)果也與各社區(qū)的基本年齡組成相近，可說明問卷具有一定程度的代表性。
在往下分析前，我們進(jìn)行一個新變量“網(wǎng)絡(luò)社會的陷入程度”的定義，其主要用于分析網(wǎng)絡(luò)社區(qū)的整體使用與所需要分析因素如網(wǎng)絡(luò)社會評價的關(guān)系。其定義式為：網(wǎng)絡(luò)社會陷入程度=抖音時長+微博時長+bilibili時長+知乎時長+貼吧時長+小紅書時長。對于“陷入程度”，為更可觀進(jìn)行統(tǒng)計分析，我們再對其按照陷入程度進(jìn)行數(shù)據(jù)分組，分為六類不同組別，定義為“陷入程度新”。根據(jù)頻數(shù)分析，可知其均值為2.49、眾數(shù)為2、最小值與最大值分別為1和6，表示多數(shù)用戶對網(wǎng)絡(luò)社區(qū)的使用總定量數(shù)值可達(dá)到8-13。這個指標(biāo)也可以表現(xiàn)出用戶對于網(wǎng)絡(luò)社區(qū)的依賴程度或稱粘性，表明多數(shù)網(wǎng)絡(luò)社會用戶對于社區(qū)忠實度較高，對于網(wǎng)絡(luò)社會具有較深的依賴性。
關(guān)于各個社區(qū)進(jìn)行的具體分析，對各社區(qū)參數(shù)（社區(qū)評分）與網(wǎng)絡(luò)社會總參數(shù)（陷入程度、評分）進(jìn)行分類匯總，得到各社區(qū)在問卷調(diào)查中的使用占比、作品質(zhì)量、環(huán)境氛圍、總得分，以及各社區(qū)是否使用的人群的陷入程度與網(wǎng)絡(luò)社會滿意度，詳細(xì)數(shù)據(jù)如下：

從中可以分析出很多信息，在與社區(qū)屬性分析所聯(lián)系的方面而言：使用占比上，與熱度數(shù)據(jù)相差較大，通過配對樣本的t檢驗可證明其中存在強(qiáng)度不大的關(guān)聯(lián)性。微博熱度與抖音相當(dāng)，但使用占比卻遠(yuǎn)低于抖音，b站熱度相對抖音微博差距較大，但使用占比接近抖音，這些熱度與使用占比的關(guān)系可以一定程度證明各社區(qū)用戶的活躍程度或是活躍比例，也能體現(xiàn)出用戶對該社區(qū)的粘性，比如微博活躍用戶對于微博社區(qū)的粘性較高、而所占總用戶比例較低。
作品質(zhì)量、環(huán)境氛圍、社區(qū)得分可以用來分析用戶對于社區(qū)的滿意度，在考慮到一定主觀因素的情況下也可以側(cè)面描述一個社區(qū)的內(nèi)容與氛圍。根據(jù)圖表來看，六大社區(qū)的作品質(zhì)量得分都要高于環(huán)境氛圍，這從一方面可以代表著當(dāng)下后疫情時期的網(wǎng)絡(luò)社會總狀況——內(nèi)容質(zhì)量隨時代與生活發(fā)展逐步提升，而環(huán)境氛圍在各種近年的網(wǎng)絡(luò)文化與用戶素質(zhì)的影響下逐漸改變。具體來看，其結(jié)果與社區(qū)屬性特征詞集相對契合，例如以精細(xì)化、工具屬性為特征的小紅書與以內(nèi)容化、問答模式為特征的知乎作品質(zhì)量偏高，而微博與貼吧的三項分?jǐn)?shù)都為六社區(qū)最低，作品質(zhì)量與總分6分以下，環(huán)境氛圍跌破5分，這與貼吧的情緒化、攻擊性與微博的明星化、炒作風(fēng)氣或許分不開關(guān)系。值得注意的是，b站無論作品質(zhì)量、環(huán)境氛圍還是總得分上都比以客觀條件為主分析出的分?jǐn)?shù)要高、且遠(yuǎn)遠(yuǎn)高于其他社區(qū)，也是唯一一個有且三項都在7分以上的社區(qū)，這可能與b站和年輕一代的高契合度、亞文化潮文化的特征有關(guān)。
各社區(qū)使用與不使用的用戶對于網(wǎng)絡(luò)社會的環(huán)境評分也是一個很有趣的數(shù)據(jù)。使用抖音的用戶對于網(wǎng)絡(luò)社會的評分比不使用的用戶要高出10分，這其中的因素既可能有網(wǎng)絡(luò)社會整體與抖音社區(qū)有著較高契合性，即體現(xiàn)出抖音社區(qū)對整個網(wǎng)絡(luò)社會的高影響力與輿論導(dǎo)向，這與本文對抖音社區(qū)屬性的分析也形成對應(yīng)，也可能有抖音社區(qū)用戶相對而言互聯(lián)網(wǎng)陷入程度較低的關(guān)系，與抖音社區(qū)的碎片化、生活化特征關(guān)聯(lián)較大。而使用知乎、貼吧、小紅書的用戶比不使用的用戶對于網(wǎng)絡(luò)社會的評分能低出5分左右，最為突出的是，貼吧使用用戶對于網(wǎng)絡(luò)社會整體評分比不使用用戶低出6.86。結(jié)合三個社區(qū)的使用占比與陷入程度，可表現(xiàn)出三個社區(qū)用戶對于網(wǎng)絡(luò)社會的高依賴性，以及三個社區(qū)都以網(wǎng)絡(luò)社會的一部分特征人群、團(tuán)體為主。
關(guān)于可選擇性回答方面，整體網(wǎng)絡(luò)社會的評論詞云如圖所示：

可發(fā)現(xiàn)在完全匿名的問卷評論下高頻詞多為負(fù)面詞匯，這也體現(xiàn)著當(dāng)下網(wǎng)絡(luò)社會的環(huán)境狀況。為分析社區(qū)環(huán)境數(shù)據(jù)、用戶陷入程度數(shù)據(jù)與用戶對社區(qū)的滿意度關(guān)系，可以進(jìn)行多因素方差分析（SST = SSA + SSB +SSAB + SSE）。可得出，社區(qū)環(huán)境數(shù)據(jù)與用戶滿意度呈正相關(guān)，陷入程度與用戶滿意度呈負(fù)相關(guān)，即環(huán)境越好、陷入程度越低、對網(wǎng)絡(luò)社會滿意度越高，這在上表的抖音數(shù)據(jù)與貼吧數(shù)據(jù)上也具有明顯體現(xiàn)。但值得注意的是，環(huán)境數(shù)據(jù)與陷入程度的交叉參數(shù)SSAB對于SST的影響比任何一個單因素SSA/SSB都大，這也表現(xiàn)了環(huán)境糟糕和陷入程度對用戶的滿意度影響是相輔相成的。

五、結(jié)論綜述
網(wǎng)絡(luò)社會是近年來國內(nèi)學(xué)術(shù)界研究的一大熱點(diǎn)問題，其研究涉及了哲學(xué)、社會學(xué)、新聞學(xué)、傳播學(xué)、計算機(jī)科學(xué)、經(jīng)濟(jì)學(xué)、管理學(xué)、教育學(xué)、情報學(xué)、統(tǒng)計學(xué)等多個領(lǐng)域，研究角度也呈現(xiàn)出多樣化的特點(diǎn)。其在分析單位的選擇上，也多采用個體與網(wǎng)絡(luò)兩個角度來研究，本文也采用這種方式。在本文的研究中，主要方面是以客觀條件為主的社區(qū)屬性特征詞分析與以問卷調(diào)查為主的隨機(jī)人群數(shù)據(jù)統(tǒng)計分析，兩個方面相輔相成，取得了很好的研究結(jié)果。
在當(dāng)今后疫情時期的網(wǎng)絡(luò)社會中，網(wǎng)絡(luò)文化風(fēng)氣逐漸異常、畸形，以領(lǐng)域內(nèi)現(xiàn)有的定義而言就是熟人化與普泛化。網(wǎng)絡(luò)社會上因其完全匿名性而形成了與現(xiàn)實社會儼然不同的網(wǎng)絡(luò)道德，這也是當(dāng)今網(wǎng)絡(luò)社會亂象叢生的源泉之一。在網(wǎng)絡(luò)社會上，各種侮辱稱呼、矛盾沖突、黨同伐異、輿論造謠更是屢見不鮮，對用戶形成著無形的影響甚至于是網(wǎng)絡(luò)暴力。當(dāng)下后疫情時期的網(wǎng)絡(luò)社會，已經(jīng)完全有了其獨(dú)屬于自己的社會屬性與風(fēng)氣，這與現(xiàn)實社會的極大差異致使二者形成了可悲的后障壁，這或許也是盡管國家政府政策措施逐年開展，但卻不能對于網(wǎng)絡(luò)社會風(fēng)氣造成較大改變的原因。
對于當(dāng)今網(wǎng)絡(luò)社會現(xiàn)象的種種問題，匿名性或許是最根本的源頭之一，對應(yīng)于在當(dāng)今互聯(lián)網(wǎng)社會中令人聞虎色變的犯罪詞語——“開盒”，網(wǎng)絡(luò)社會就那樣被名為匿名性的黑布所遮蓋著，成為著無數(shù)人找到的一塊暗地里吐黑泥的環(huán)境。如同多數(shù)人群的實名制與整頓的呼聲一般，其關(guān)鍵還是需要國家與政府的加大力度管理，但以網(wǎng)絡(luò)社會的實際情況出發(fā)是最重要的，否則仍會被網(wǎng)絡(luò)與現(xiàn)實之間的厚障壁所阻礙著。
除此之外，網(wǎng)絡(luò)社會朝向穩(wěn)中向好的改變，更需要網(wǎng)絡(luò)用戶的努力。這并非一朝一夕可以改變的，正所謂網(wǎng)絡(luò)社會中各種現(xiàn)象的原因也多來自于現(xiàn)實生活，多屬于現(xiàn)實生活吸收下排出的東西，這需要各方一起的共同努力。但僅說現(xiàn)在，對于個人而言，減少網(wǎng)絡(luò)社會的陷入程度是相對最優(yōu)解；對于公司、團(tuán)體、或像是高校組織而言，增加網(wǎng)絡(luò)社會的話語權(quán)和輿論導(dǎo)向的影響力也勢在必行，以盡力減弱網(wǎng)絡(luò)社會對現(xiàn)實社會或是物質(zhì)權(quán)益的反噬影響。

六、不足之處與改進(jìn)方向
（1）對于社區(qū)屬性特征詞提取方面，僅僅使用文字云進(jìn)行詞頻分析，視客觀條件情況仍具有較高的不穩(wěn)定性與不可行性，可以進(jìn)行用Jieba庫的代替，或是直接結(jié)合大模型與深度學(xué)習(xí)運(yùn)用IF-IDF算法與TextRank算法，這樣進(jìn)行的研究前景更為廣泛，也有更高的可行性與穩(wěn)定性。
（2）對于問卷填寫對象的選擇方面，仍具有較強(qiáng)的隨機(jī)性與隨意性，可考慮改善問卷填寫的對象選取方式或是填寫問卷的形式。
（3）對于問卷數(shù)據(jù)分析方面，本文的分析主要圍繞整體的網(wǎng)絡(luò)社會狀況，并沒有進(jìn)行詳細(xì)分析。若進(jìn)一步分析六社區(qū)的各項評價，可以獲得更多有用且很具有參考性的信息。
 
七、結(jié)語
在本次關(guān)于“后疫情時代的國內(nèi)網(wǎng)絡(luò)社會情況”暑期調(diào)查研究中，團(tuán)隊走訪了包括河南省、湖北省在內(nèi)的多個省市，進(jìn)行線下與專業(yè)人士交談；結(jié)合專業(yè)人士觀點(diǎn)，對抖音、微博、bilibili、知乎、貼吧、小紅書六大各具特點(diǎn)的代表性網(wǎng)絡(luò)社區(qū)進(jìn)行研究；創(chuàng)造問卷填寫人群普適性強(qiáng)，從10歲以下至60歲以上普遍有所收集，填寫用戶也遍布國內(nèi)各個省市；運(yùn)用爬蟲技術(shù)、自然語言處理技術(shù)、數(shù)據(jù)統(tǒng)計等多種方式客觀與主觀結(jié)合的進(jìn)行研究。團(tuán)隊成員既學(xué)到了技術(shù)知識，也增加了社會閱歷與實踐經(jīng)歷，這對于每一個團(tuán)隊成員都意義非凡，本文最終所有分析結(jié)論也會進(jìn)行發(fā)布，結(jié)合現(xiàn)實情況，與公司相關(guān)人員進(jìn)行說明，并開展線下入校園講座，積極將暑期研究結(jié)果輸出出去。
 
八、參考文獻(xiàn)

1. 丁然.基于Python爬蟲技術(shù)的高校網(wǎng)絡(luò)輿情數(shù)據(jù)分析研究——以“安徽審計職業(yè)學(xué)院百度貼吧”為例[J].現(xiàn)代信息科技,2023,7(05):106-108+112.DOI:10.19850/j.cnki.2096-4706.2023.05.025.
2. 曹丹陽,趙俊生,李盡輝等.基于Jieba分詞的青城旅游景點(diǎn)本體構(gòu)建研究與應(yīng)用[J].內(nèi)蒙古工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2021,40(03):218-225.DOI:10.13785/j.cnki.nmggydxxbzrkxb.2021.03.009.
3. 何梓源. 基于詞頻詞義的彈幕關(guān)鍵詞提取與類別標(biāo)注研究[D].北京信息科技大學(xué),2023.DOI:10.26966/d.cnki.gbjjc.2022.000039.
4. 賈二鵬,陳建新.國內(nèi)外虛擬社區(qū)研究[J].新世紀(jì)圖書館,2011(12):32-36.DOI:10.16810/j.cnki.1672-514x.2011.12.009.
5. 孟韜,王維.社會網(wǎng)絡(luò)視角下的虛擬社區(qū)研究綜述[J].情報科學(xué),2017,35(03):171-176.DOI:10.13833/j.cnki.is.2017.03.030.