今天要分享给大家的这篇论文范例标题很长，完整的标题是：议程设置理论视域下热点事件网民舆论“反转”现象研究——女司机变道遭殴打事件的内容分析，也是一个基于微博数据进行研究的范例，该文以“成都女司机被打”事件为例，采用内容分析法探究微博平台上媒体议程设置与网民舆论反转之间的关系。研究证明，网络媒体的无意识议程设置( 议题驱动、媒体自净) 、有意识议程设置( 话语竞争、框架预设、媒介共鸣) 及网民议程设置( 舆论领袖、网络暴力) 等是引发网民舆论反转的关键因素。 高校师生写论文和做毕业设计经常会围绕微博数据采集和Python编程展开，GooSeeker也一直在Jupyter Notebook上发布一些编程模板，只需稍微的改动，就能用于自己的研究项目。例如，围绕LDA主题分析模型的有： 1. 微博内容分词后怎样用JupyterNotebook做LDA主题模型分析 2. 微博内容分词并手工选词后用JupyterNotebook做LDA主题分析 自从GooSeeker微博数据采集工具箱推出后，我们观察到使用这个工具收集微博数据进行研究的同学数量一直维持在高位，有不少同学在技术交流群和社区论坛上和我们交流微博工具箱的使用心得。 除了微博数据采集工具箱，GooSeeker还提供了很多微博相关的快捷采集，这些快捷采集可以和微博数据采集工具箱配合使用，同时我们会不定期分享关于微博数据采集的论文范例，以及基于微博数据的研究分析案例，从研究方法和研究成果上给大家提供一些思路和参考。
1，论文范例简介 标题：议程设置理论视域下热点事件网民舆论“反转”现象研究——女司机变道遭殴打事件的内容分析 作者： 王国华 闵晨 钟声扬 王雅蕾 王戈 华中科技大学 公共管理学院 作者简介: 王国华，教授，博士生导师，研究方向: 公共政策分析、舆情信息研究、政府管理与创新; 闵晨，硕士研究生，研究方向: 网络舆情、新媒体传播; 钟声扬，男，博士研究生，研究方向: 网络舆情、互联网与社会动员; 王雅蕾，女，博士研究生，研究方向: 网络舆情; 王戈，男，硕士研究生，研究方向: 网络舆情。 关键词：议程设置 热点事件 舆论反转 微博 基金项目: 国家社会科学基金重大项目“国家政治安全视角下的互联网虚拟社会风险治理研究”( 编号: 11＆ZD033) 的阶段性成果。 摘要： 微博的出现打破了传统媒介信息垄断及议程设置的强势地位，但网络媒体对受众议程的影响仍然不容小觑。网络媒体在尚未全面了解热点事件的情况下，一味追求“抢发头条”“独家新闻”“眼球资源”等，使“舆论反转剧”在网络上日趋频现，不仅易引发网络暴力，更不利于社会和谐和国家稳定。本文以“成都女司机被打”事件为例，采用内容分析法探究微博平台上媒体议程设置与网民舆论反转之间的关系。研究证明，网络媒体的无意识议程设置( 议题驱动、媒体自净) 、有意识议程设置( 话语竞争、框架预设、媒介共鸣) 及网民议程设置( 舆论领袖、网络暴力) 等是引发网民舆论反转的关键因素。基于热点事件网民舆论反转现象的研究对主流媒体引导网络舆论具有启示意义。 2，本论文范例相关概念和知识点 2.1 “新闻反转”与“舆论反转”的概念 摘自知乎文章：概念辨析 | “新闻反转”“反转新闻”“舆论反转”“舆情反转”，今天必须弄懂它！ 新闻反转：是指在互联网传播场域中，对同一事件的报道出现一次或多次显著变化甚至出现反向变化的现象。比如一些社会热点新闻在后期跟踪报道中出现与之前相反的“剧情”，甚至被披露为假新闻，出现反转。这类新闻大致有两种情况，一种是随着对新闻事件调查的深入，出现了新的内容；另一种则是一开始便是假新闻，在后期更多人介入后，发现根本就是假的。 舆论反转：是指公众意见随着焦点事件的发展变化而发生前后反转的现象。某条新闻刚出来时，舆论会把矛头指向某一方，可新公布的细节会使新闻剧情突然发生逆转，舆论态度立刻随着新剧情情绪化地指向对立的方向，被同情的受害者瞬间成为被唾弃者，被攻击的作恶者立刻成为被同情者。 2.2 舆论反转原因分析 摘自知乎文章：舆论反转是媒体不专业，还是群众判断力不足？ 舆论反转，是一种应该受控的正常演化过程 媒体的不专业更多的是源自于新媒体的反噬 急于发声的受众群体让真相更难以触及 在传播学中有一个重要观点叫做“培养理论”。所谓培养理论就是指，传统媒介对受众的世界观有着潜移默化的影响。这种潜移默化的影响也给受众造成了各种刻板印象。受众的刻板印象弱化了观点客观性。 比如大家都认为熊猫都是黑白的，这本来是一种中立观点，但是如果在事件不明了的情况下，刻板印象的负面作用在舆论中就会迅速被放大。比如人们刻板印象中认为，弱势一方一定是受害者。 3，本范例主要研究步骤 2.1，案例选择 成都女司机变道遭殴打(以下简称女司机被打)事件。2015年5月3日下午，一段“女司机被暴打”的视频出现在网络，并迅速传播。视频中男司机(张某)逼停女司机(卢某)并暴力拉下车进行长达几十秒的拳打脚踢。随后各大媒体微博开始发布消息，引发数万网民大讨论，一时间网民、媒体舆论一边倒，谴责男子太过冲动。5月4日下午5点半，成都锦江公安向媒体发布了男司机行车记录仪视频。“女司机变道挡路男司机全过程视频”在网络媒体上一经公布，网民舆论开始严重倒向“张某打得好”。此后，网民开始对当事人进行人肉搜索，引发舆论二次发酵，5月11日，女司机出面致歉，舆论逐渐平息。 2.2 样本选取 本文在微博平台进行高级搜索( 关键词: 女司机被打; 类型: 精选) 得到每个阶段的相关微博，根据评论数量进行排序，随机抽取每一阶段排名在前 5 或 10 位的微博进行分析。由于每条微博包含的评论众多且数量不等，考虑到研究的可操作性，本文对评论采取随机抽样、配额抽样相结合的抽样方式，排除无关或无实质性内容的评论，得到每阶段评论样本 1 000 条，总样本共 4 000 条。 2.3 测量方法 首先对抽取的每条微博进行一级编码，其次对每条微博下对应的评论样本进行二级编码。将每条评论简化成一个态度，则在“女司机被打”事件中，1 － 5 分别代表对“女司机被打”“非常不赞同”“比较不赞同”“态度中立”“比较赞同”“非常赞同”。其中，将 1 和 2 看作是反对“男司机打女司机”的舆论倾向，4 和 5 看作是支持“男司机打女司机”的舆论倾向，3 是中立态度。完成编码后，本文采用SPSS 21.0 进行数据分析，重点采用 spearman 来测量网络媒体议程与网民议程的相关性。 4，本范例研究成果 4.1 网络舆论反转模式
4.2 基于反转规律的舆论引导启示 首发定调，确保真实全面 后续报道，务必客观公正 舆论监督，随时调整走向 |
