新冠肺炎疫情下大學(xué)生情感狀態(tài)及其影響因素分析
——基于微博文本挖掘的證據(jù)

李彤彤 郭栩?qū)?周彥麗 李 坦

（1.天津師范大學(xué) 教育學(xué)部，天津 300387；2.北京師范大學(xué) 教育學(xué)部，北京 100875）

一、研究問題

2019年12月暴發(fā)的新冠肺炎疫情嚴(yán)重威脅到人民生命安全和心理健康。為做好疫情防控工作，全國采取了居家辦公、“停課不停學(xué)”等措施，大學(xué)生群體原有的學(xué)習(xí)生活節(jié)奏被打亂。大量研究表明，疫情對大學(xué)生的心理、情感等造成了一定的負(fù)面影響，如趙波、蔡特金和張志華（2020）通過問卷調(diào)查和訪談發(fā)現(xiàn)，疫情會導(dǎo)致大學(xué)生恐懼、悲傷、憤怒等消極情感增加；王軻等（2021）對西安某高校學(xué)生進(jìn)行問卷調(diào)查發(fā)現(xiàn)，疫情期間大學(xué)生群體焦慮水平和抑郁水平均高于全國常模；吳怡、韓相如和錢東福（2020）研究發(fā)現(xiàn)，在新冠肺炎疫情下大學(xué)生更易出現(xiàn)不同程度的焦慮及抑郁等心理問題。而且，疫情對大學(xué)生心理造成的不良影響具有持續(xù)性（汪媛，陳秋紅，趙會鵬，劉俊，2021）。也有研究進(jìn)一步探究疫情期間大學(xué)生心理狀況的影響因素，如昌敬惠、袁愈新和王冬（2020）指出新冠肺炎疫情下年齡、性別、專業(yè)背景、居住區(qū)域不同的人群發(fā)生焦慮和抑郁的概率不同，喬曉梅、郭文秀、郭小明、袁永旭和戴玥赟（2021）發(fā)現(xiàn)新冠肺炎疫情下環(huán)境變化、社會支持、健康管理等因素會影響大學(xué)生心理和情感狀態(tài)。李景婷、黃亦蓮、李艷敏和羅翱翔（2021）指出對于應(yīng)屆畢業(yè)生而言，是否為獨(dú)生子女、就業(yè)狀況和身體狀況都成為導(dǎo)致其焦慮和抑郁情緒的因素。

研究方法上，已有研究多采用問卷調(diào)查法分析疫情期間大學(xué)生的情感或心理狀態(tài)，這種方法只能反映某一時刻大學(xué)生的狀態(tài)，無法反映學(xué)習(xí)者情感或心理狀態(tài)的變化，存在測量誤差大、效率低、時效性差等問題。社交媒體（如微信、微博等）的廣泛應(yīng)用以及大數(shù)據(jù)技術(shù)的發(fā)展為我們提供了新的思路。已有基于微博文本大數(shù)據(jù)挖掘的相關(guān)研究，如張放和甘浩辰（2020）采集了甘肅、青海與西藏等地疫情初期的微博文本數(shù)據(jù)，并采用情感分析和詞頻信息分析等方法探究疫情心理時空距離對公眾情緒的影響。魯雨晴等（2021）基于微博用戶公開評論探究民眾對復(fù)工復(fù)學(xué)事件的情感傾向和情感強(qiáng)度，發(fā)現(xiàn)多數(shù)民眾對此事持積極態(tài)度。王仁鑫、葉欣梁和孫瑞紅（2020），王晰巍、李玥琪、劉婷艷和張柳（2021）、張柳、王晰巍、黃博和劉婷艷（2021）分別對“日本鉆石公主號郵輪”整船隔離事件的微博評論數(shù)據(jù)進(jìn)行挖掘，探究微博用戶對該事件的情感傾向、關(guān)注主題、意見領(lǐng)袖等。微博是當(dāng)代大學(xué)生群體獲取疫情突發(fā)事件信息及表達(dá)個人意見和情感的主要陣地，真實(shí)、準(zhǔn)確、及時的微博文本為大學(xué)生情感狀態(tài)分析提供了有效的數(shù)據(jù)來源，對其進(jìn)行文本挖掘可以了解大學(xué)生群體對某一事件的看法和個人的情感傾向等。

經(jīng)分析，已有研究還存在如下不足：①現(xiàn)有研究多探討疫情對大學(xué)生情感狀態(tài)造成的影響及其影響因素，少有研究探究消極情感的具體成因。②多數(shù)研究探究疫情對學(xué)生情感狀態(tài)的影響時并未區(qū)分時間段，亦沒有考慮疫情動態(tài)變化對學(xué)生的不同影響。③基于微博文本挖掘的相關(guān)研究大多針對具體的輿情事件展開，而新冠肺炎疫情期間影響大學(xué)生群體的輿情事件較多，圍繞某一具體事件進(jìn)行分析太過于狹隘，不能反映大學(xué)生情感及其影響因素的過程性和動態(tài)性特征。

基于以上分析，本研究旨在通過對疫情期間不同階段大學(xué)生群體的微博文本進(jìn)行情感分析和文本主題挖掘，深入探究大學(xué)生疫情期間情感的傾向、變化情況及誘發(fā)大學(xué)生群體消極情感的相關(guān)事件或因素，以期為高校管理者決策和實(shí)施干預(yù)提供依據(jù)或參考。

二、研究方法與過程

根據(jù)國務(wù)院新聞辦公室發(fā)布的《抗擊新冠肺炎疫情的中國行動》白皮書2019年12月27日為新冠肺炎疫情的開始時間，本研究對2019年12月27日至2020年8月30日新冠肺炎疫情期間某高校大學(xué)生所發(fā)表的微博文本進(jìn)行挖掘分析，同時也考慮了高校相應(yīng)的疫情應(yīng)對決策，將時間段細(xì)劃為五個階段。第一階段是疫情暴發(fā)期（2020.1.20～2020.2.20），新冠肺炎疫情在國內(nèi)暴發(fā)，微博熱度居高不下，引起大學(xué)生群體的極大關(guān)注；第二階段是“停課不停學(xué)”初期（2020.2.21～2020.3.17），為阻止疫情向校園蔓延，教育部要求延期開學(xué)，采用“停課不停學(xué)”的線上教學(xué)模式；第三階段是“停課不停學(xué)”適應(yīng)期（2020.3.18～2020.4.28），國家疫情防控機(jī)制發(fā)揮作用，全國各地疫情防控工作態(tài)勢良好，進(jìn)入疫情常態(tài)化階段，國內(nèi)正式邁入后疫情時代；第四階段是復(fù)學(xué)初期（2020.4.29～2020.6.30），目標(biāo)院校學(xué)生疫情后第一次返校；第五階段是復(fù)學(xué)后常態(tài)化防控期（2020.7.1～2020.8.30），國內(nèi)疫情已基本穩(wěn)定，目標(biāo)學(xué)生群體放假返家，基本恢復(fù)正常的生活。

本研究采用文本挖掘方法，一方面，通過文本情感分析將微博文本情感劃分為“積極”和“消極”，從而判斷疫情期間大學(xué)生的情感整體狀態(tài)，另一方面，通過對學(xué)生的消極情感文本進(jìn)行文本主題挖掘，發(fā)現(xiàn)導(dǎo)致大學(xué)生消極情感的相關(guān)因素或事件。研究過程（見下頁圖1）可以分為三個步驟：①情感分析模型構(gòu)建：采用公開數(shù)據(jù)集完成模型訓(xùn)練，選出效果最優(yōu)的支持向量機(jī)（Support Vector Machine，簡稱SVM）算法模型；②微博文本情感分析：使用SVM算法對某高校大學(xué)生微博文本進(jìn)行情感分析，將微博文本分為積極和消極兩類；③消極情感微博文本主題挖掘：構(gòu)建LDA主題挖掘模型探究不同時間階段消極文本的主題特征詞分布情況，通過詞頻-逆文檔頻率（TF-IDF）獲取高權(quán)值特征詞，結(jié)合兩者結(jié)果挖掘不同階段潛在的主題，以此探究誘發(fā)大學(xué)生群體消極情感的事件或因素。

圖1 微博文本情感分析及影響因素分析過程

（一）情感分析模型構(gòu)建

情感分析，又稱情感傾向性分析（鐘佳娃，劉巍，王思麗，楊恒，2021），其主要任務(wù)是完成積極和消極觀點(diǎn)的識別和分類（Cambria, Schuller,Xia, & Havasi, 2013；Wilson, Wiebe, & Hoffmann,2005）。本研究采用機(jī)器學(xué)習(xí)算法進(jìn)行情感分析，首先需要構(gòu)建情感分析模型，這一過程分為以下四個步驟。

1. 數(shù)據(jù)獲取

情感分類模型的性能依賴于數(shù)據(jù)集標(biāo)注的質(zhì)量，本研究采用國際自然語言處理與中文計(jì)算會議（NLPCC）2013年和2014年人工標(biāo)注核驗(yàn)的公開數(shù)據(jù)集進(jìn)行模型訓(xùn)練。以一條微博文本為單位，粗粒度將情感劃分為“積極”“消極”兩種傾向。根據(jù)公開數(shù)據(jù)集的結(jié)構(gòu)特性實(shí)現(xiàn)數(shù)據(jù)清洗后，提取公開數(shù)據(jù)集中微博文本情感傾向和微博文本內(nèi)容構(gòu)建語料庫，語料庫包含1 078條積極情感文本、1 094條消極情感文本，將語料庫劃分為訓(xùn)練集和測試集進(jìn)行模型訓(xùn)練和選擇。

2. 文本預(yù)處理

文本預(yù)處理是指將自然語言的原始語料處理成計(jì)算機(jī)可以識別的機(jī)器語言數(shù)據(jù)（余正濤，樊孝忠，郭劍毅，2005），過濾掉低質(zhì)量和重復(fù)的文本數(shù)據(jù)，主要包括數(shù)據(jù)清洗、分詞、去停用詞等工作。數(shù)據(jù)清洗是刪除文本數(shù)據(jù)中的重復(fù)數(shù)據(jù)、無用空格和符號等。分詞是指將一個句子切分成獨(dú)立的詞匯。本研究采用中科院分詞系統(tǒng)進(jìn)行分詞，根據(jù)語料庫分詞的實(shí)際情況自建分詞詞典，逐步細(xì)化分詞規(guī)則，提高分詞準(zhǔn)確率。去停用詞是去除文本中出現(xiàn)頻率高卻無意義的詞語，如對語義表達(dá)貢獻(xiàn)度較小的連接詞、代詞等虛詞以及標(biāo)點(diǎn)符號。

3. 文本向量化

文本向量化是將自然語言文本轉(zhuǎn)化為語義表示向量的過程，本研究選取Google著名的開源工具Word2Vec中的Skip-gram模型對訓(xùn)練集文本數(shù)據(jù)進(jìn)行詞語向量化，使每個詞都有特定的數(shù)值來代表其特征。

4. 模型訓(xùn)練與選擇

當(dāng)前基于機(jī)器學(xué)習(xí)的情感分類方法使用較多的經(jīng)典模型有支持向量機(jī)（李蒼柏 等，2020）、樸素貝葉斯（Naive Bayes，簡稱NB）（韓素青，成慧雯，王寶麗，2020）和K近鄰法（K-Nearest Neighbor，簡稱KNN）（劉述昌，張忠林，2017）等。為選取效果最優(yōu)的模型，采用F值（F1-score）、查準(zhǔn)率（Precision）和召回率（Recall）三個評估標(biāo)準(zhǔn)對不同模型的效果進(jìn)行測試和評估，值越高，模型越有效。如表1所示，SVM算法的各項(xiàng)指標(biāo)都更高，因此，本研究選擇SVM算法進(jìn)行微博文本情感傾向分析。

表1 微博文本情感分析模型評估

（二）微博文本情感分析

本研究使用Python語言編寫大數(shù)據(jù)采集程序，以微博文本發(fā)表定位為主要識別標(biāo)志，獲取2019年12月27日至2020年8月30日某高校學(xué)生群體發(fā)表的微博文本內(nèi)容以及發(fā)表的時間，最終獲得27 091條有效微博文本記錄以及發(fā)表時間。采集過程中注重保護(hù)用戶隱私，并未獲取實(shí)名用戶個人信息、地理位置等信息。

采集的數(shù)據(jù)需進(jìn)行預(yù)處理。數(shù)據(jù)清洗階段，使用正則表達(dá)式剔除用戶名、微博文本話題和其他無關(guān)的文本數(shù)據(jù)。分詞階段，采用中科院分詞系統(tǒng)以及自建分詞詞典完成微博文本分詞。去除停用詞階段，在原有的停用詞表的基礎(chǔ)上不斷調(diào)整，以提高處理文本的效率和精準(zhǔn)度。將預(yù)處理后的數(shù)據(jù)采用Skip-gram模型進(jìn)行向量化，進(jìn)而采用SVM情感分析模型完成文本“積極”和“消極”的情感傾向分類。

（三）消極情感微博文本主題挖掘

為進(jìn)一步探究誘發(fā)大學(xué)生消極情感的事件或因素，采用主題挖掘方法對消極情感文本進(jìn)行分析。當(dāng)前常用的主題概率模型主要有概率潛在語義分析模型（Probabilistic Latent Semantic Analysis，簡稱PLSA）（Hofmann, 1999）和隱含狄利克雷主題模型（Latent Drichlet Allocation，簡稱LDA）。LDA模型是PLSA模型的擴(kuò)展（王洪鑫，閆志明，陳效玉，張銘銳，2021），它運(yùn)用概率方法進(jìn)行推導(dǎo)，尋找文檔集的語義結(jié)構(gòu)，從大量文檔中獲取其隱含的主題，并采用特征詞集合來表示隱含的多個主題（Blei, Ng, & Jordan, 2003）。LDA在表達(dá)文本主題方面有著顯著的優(yōu)勢，廣泛用于微博文本挖掘領(lǐng)域（張曉艷，王挺，梁曉波，2011；Phan, Nguyen, &Horiguchi, 2008），但在抽取主題時考慮文本的語義信息，特征詞的區(qū)分度不明顯，無法判斷特征詞對描述主題的重要性。

詞頻-逆文檔頻率（Term Frequency-Inverse Document Frequency，簡稱TF-IDF）是一種統(tǒng)計(jì)加權(quán)方法，詞頻（TF）指某詞在一篇文檔中出現(xiàn)的次數(shù)。逆向文檔頻率（IDF）即對某個詞在語料庫中普遍重要性的度量。TF-IDF方法對特征詞在文本集合中重要性的區(qū)分度較高，在一定程度上能有效解決采用LDA所提取的特征詞對主題表征重要程度不明顯的問題，輔助LDA各個主題的識別。

因此，本文將LDA和TF-IDF方法結(jié)合，首先通過LDA主題模型挖掘不同階段消極情感文本數(shù)據(jù)中的20個主題，其次，計(jì)算每個階段消極情感微博文本的TF-IDF權(quán)值，獲取熱詞排序。根據(jù)LDA主題模型中的特征詞概率和TF-IDF權(quán)值，篩選出重要性高、表征性好的5個主題及其主題特征詞。同時，我們給出了基于TF-IDF所獲取的30個權(quán)值較高的特征詞，用以補(bǔ)充主題，提高主題表征的準(zhǔn)確度和完整度，增強(qiáng)主題事件的可解釋性。

三、研究結(jié)果與分析

新冠肺炎疫情期間五個階段目標(biāo)學(xué)生群體微博文本情感分析結(jié)果如表2所示，消極微博文本占比變化如圖2所示?？梢?，目標(biāo)學(xué)生群體在五個階段的情感狀態(tài)都偏向于積極，不同階段消極情感微博占比相差不大，其中，“‘停課不停學(xué)’初期”和“復(fù)學(xué)后常態(tài)化防控期”兩個階段消極情感文本占比偏高。

表2 微博文本情感分析結(jié)果

圖2 目標(biāo)學(xué)生群體消極情感微博文本占比變化趨勢

（一）“疫情暴發(fā)期”大學(xué)生消極情感相關(guān)因素或事件分析

表3和下頁表4分別為“疫情暴發(fā)期”階段經(jīng)過篩選的消極情感微博文本LDA主題挖掘特征詞與TF-IDF特征詞統(tǒng)計(jì)結(jié)果。

表3“疫情暴發(fā)期” 消極情感微博文本LDA主題特征詞

表4 “疫情暴發(fā)期” 消極情感微博文本TF-IDF特征詞

“疫情暴發(fā)期”階段，正值寒假期間，學(xué)生消極情感與新冠肺炎疫情高度相關(guān)，與教育教學(xué)事件相關(guān)性較小?；赥F-IDF權(quán)值較高的特征詞回溯原始微博數(shù)據(jù)并進(jìn)一步分析可以發(fā)現(xiàn)，該階段引發(fā)學(xué)生消極情感的因素主要分為以下兩類。

1. 疫情暴發(fā)直接引發(fā)的消極情感

如上頁表3中Topic1中主題特征詞主要描述國內(nèi)新冠肺炎確診病例不斷增加，出現(xiàn)了重癥患者以及死亡，Topic2和TF-IDF特征詞中“新聞”“口罩”顯示眾多學(xué)生對疫情突發(fā)深感意外，且高度關(guān)注疫情相關(guān)事件，這一時期口罩需求量猛增且有搶購恐慌，“祈禱”“嗚嗚”“希望”等反映了學(xué)生個人感受，疫情蔓延以及防疫物資緊缺會導(dǎo)致學(xué)生產(chǎn)生消極情感，學(xué)生期盼疫情早日結(jié)束。

2. 疫情防控帶來的生活不便引發(fā)消極情感

如Topic3描述受疫情影響學(xué)生群體需居家隔離，Topic4描述學(xué)生在隔離期間熬夜觀看籃球賽、直播等娛樂活動，生活作息紊亂，TF-IDF特征詞中“在家”“無聊”等特征詞印證了疫情引發(fā)的居家隔離事件讓學(xué)生產(chǎn)生消極情緒。Topic5描述在疫情的影響下，學(xué)生群體不能按時返校學(xué)習(xí)，開始線上學(xué)習(xí)。與此同時，TF-IDF中出現(xiàn)“我爸”“我弟”等家庭成員，說明學(xué)生群體擔(dān)心受家人影響而無法專心學(xué)習(xí)。

（二）“‘停課不停學(xué)’初期”大學(xué)生消極情感相關(guān)因素或事件分析

表5和表6分別為“停課不停學(xué)初期”階段經(jīng)過篩選的消極情感微博文本LDA主題挖掘特征詞與TF-IDF特征詞統(tǒng)計(jì)結(jié)果。

表5“‘停課不停學(xué)’初期”消極情感微博文本LDA主題特征詞

表6“‘停課不停學(xué)’初期”消極情感微博文本TF-IDF特征詞

“‘停課不停學(xué)’初期”階段，高校響應(yīng)教育部“停課不停學(xué)”號召，正式開展線上教學(xué)活動，學(xué)生群體開始進(jìn)行在線學(xué)習(xí)。與“疫情暴發(fā)期”相比，該階段學(xué)生消極情感受疫情影響的比例開始下降，逐步向日常生活與教育教學(xué)轉(zhuǎn)移，這一階段引發(fā)學(xué)生消極情感的因素分為以下三類。

1. 學(xué)業(yè)壓力

表5中的Topic6和Topic7表明目標(biāo)群體在教育領(lǐng)域更加關(guān)注的是網(wǎng)課、考試、論文、公選課等與自身相關(guān)的問題。通過回溯原始數(shù)據(jù)發(fā)現(xiàn)，目標(biāo)群體普遍認(rèn)為網(wǎng)課的學(xué)習(xí)效果不佳，導(dǎo)致臨近考試會產(chǎn)生焦慮情緒。同時畢業(yè)論文的壓力、英語四六級考試延遲等也會增加學(xué)生的焦慮。

2. 疫情防控相關(guān)事件

如Topic8的特征詞“郵輪”與“鉆石公主號”郵輪事件有關(guān)，表明目標(biāo)群體仍關(guān)注疫情且擔(dān)心疫情反復(fù)。

3. 生活常態(tài)被打破

如Topic9中出現(xiàn)主題特征詞“運(yùn)動”“堅(jiān)持”“有氧”，學(xué)生長期居家隔離，缺乏運(yùn)動，特別是對于長期堅(jiān)持鍛煉或是經(jīng)常進(jìn)行戶外活動的學(xué)生群體不適感異常強(qiáng)烈，產(chǎn)生抱怨、焦慮等消極情緒。

（三）“‘停課不停學(xué)’適應(yīng)期”大學(xué)生消極情感相關(guān)因素或事件分析

表7和表8分別為“‘停課不停學(xué)’適應(yīng)期”階段經(jīng)過篩選的消極情感微博文本LDA主題挖掘特征詞與TF-IDF特征詞統(tǒng)計(jì)結(jié)果。

表7 “‘停課不停學(xué)’適應(yīng)期”消極情感微博文本LDA主題特征詞

表8 “‘停課不停學(xué)’適應(yīng)期”消極情感微博文本TF-IDF特征詞

“‘停課不停學(xué)’適應(yīng)期”階段，國內(nèi)的疫情防控工作初見成效，國內(nèi)疫情相關(guān)事件引起目標(biāo)學(xué)生群體的消極情感也相應(yīng)減少。該階段引發(fā)學(xué)生消極情感的主要因素分為以下三類。

1. 國外疫情暴發(fā)

如Topic11關(guān)于疫情主題目標(biāo)群體將關(guān)注度從國內(nèi)轉(zhuǎn)向世界，學(xué)生群體對世界的疫情防控以及對中國的反向傳輸產(chǎn)生擔(dān)心。

2. 學(xué)業(yè)壓力

“停課不停學(xué)”線上教育從適應(yīng)期階段進(jìn)入正式線上學(xué)習(xí)，根據(jù)權(quán)值較高的TF-IDF特征詞回溯原始微博文本數(shù)據(jù)發(fā)現(xiàn)，課程作業(yè)增多以及學(xué)習(xí)難點(diǎn)得不到及時解答也成為大學(xué)生焦慮的原因之一。臨近畢業(yè)季，Topic12和Topic13表明畢業(yè)生對論文以及就業(yè)的焦慮情緒加重，甚至影響到了睡眠。

3. 正常運(yùn)動需求無法獲得滿足

通過分析Topic15的主題分布特征詞發(fā)現(xiàn)，長期居家隔離導(dǎo)致正常的運(yùn)動狀態(tài)被打破，部分女生群體開始焦慮體重、減肥等，導(dǎo)致出現(xiàn)消極情感。

（四）“復(fù)學(xué)初期”大學(xué)生消極情感相關(guān)因素或事件分析

表9和下頁表10分別為“復(fù)學(xué)初期”階段經(jīng)過篩選的消極情感微博文本LDA主題挖掘特征詞與TFIDF特征詞統(tǒng)計(jì)結(jié)果。

表9 “復(fù)學(xué)初期”消極情感微博文本LDA主題特征詞

表10 “復(fù)學(xué)初期”消極情感微博文本TF-IDF特征詞

“復(fù)學(xué)初期”階段，引發(fā)目標(biāo)學(xué)生群體消極情感的多為校園生活相關(guān)的主題，疫情對學(xué)生的消極影響已經(jīng)弱化。研究發(fā)現(xiàn)以下因素對目標(biāo)群體產(chǎn)生消極影響。

1. 學(xué)習(xí)環(huán)境因素

臨近考試周，目標(biāo)群體有學(xué)習(xí)場所的需求，但受到疫情影響，高校圖書館并未完全開放；學(xué)生群體需要運(yùn)動，但在室外運(yùn)動時遭到蚊蟲叮咬；Topic18、Topic19相關(guān)原始數(shù)據(jù)顯示，部分學(xué)生群體對學(xué)校未安裝空調(diào)產(chǎn)生不滿的消極情感。

2. 學(xué)習(xí)生活節(jié)奏的轉(zhuǎn)變

居家學(xué)習(xí)期間作息不正常，進(jìn)入正常的學(xué)習(xí)生活后出現(xiàn)短暫不適。

（五）“復(fù)學(xué)后常態(tài)化防控期”大學(xué)生消極情感相關(guān)因素或事件分析

表11和表12分別為“復(fù)學(xué)后常態(tài)化防控期”階段經(jīng)過篩選的消極情感微博文本LDA主題挖掘特征詞與TF-IDF特征詞統(tǒng)計(jì)結(jié)果。

表11“復(fù)學(xué)后常態(tài)化防控期”消極情感微博文本LDA主題特征詞

表12“復(fù)學(xué)后常態(tài)化防控期”消極情感微博文本TF-IDF特征詞

“復(fù)學(xué)后常態(tài)化防控期”階段進(jìn)入了后疫情時期，目標(biāo)群體受到疫情的消極影響幾乎消退，造成目標(biāo)群體消極情感的事件也趨于常態(tài)化，主要有以下事件。

1. 假期返鄉(xiāng)購票難

Topic21和Topic23中的特征詞“回家”“放假”等表明臨近暑假學(xué)生最關(guān)注的問題是放假返家，通過溯源數(shù)據(jù)發(fā)現(xiàn)，購票難引發(fā)學(xué)生的強(qiáng)烈不滿。

2.學(xué)業(yè)壓力

Topic22和Topic24涉及考試問題，學(xué)生在備考期間心理壓力較大，會出現(xiàn)失眠等問題。圖書館的位置供不應(yīng)求，引起學(xué)生抱怨。Topic25中的特征詞“考研”等表明，目標(biāo)群體處于向社會人轉(zhuǎn)變的階段，升學(xué)與就業(yè)難以抉擇，導(dǎo)致消極情感的產(chǎn)生。

（六）疫情期間大學(xué)生情感狀態(tài)影響因素整體分析

通過分析研究周期內(nèi)各個階段學(xué)生消極情感的微博文本，發(fā)現(xiàn)引發(fā)學(xué)生消極情感的因素與疫情及其所帶來的學(xué)習(xí)、生活、社會環(huán)境等方面的變化密切相關(guān)?！耙咔楸┌l(fā)期”學(xué)生群體對疫情的關(guān)注度最高，消極情感產(chǎn)生的影響因素主要是疫情的發(fā)展和沖擊。“‘停課不停學(xué)’初期”正值開學(xué)季，疫情對學(xué)生的學(xué)習(xí)和生活的沖擊進(jìn)一步顯現(xiàn)，學(xué)校主要開展線上授課，學(xué)生無法返校接受教育，加上假期作息不規(guī)律、未能及時調(diào)整學(xué)習(xí)狀態(tài)等因素的影響，對線上學(xué)習(xí)產(chǎn)生不適應(yīng)，消極情感占比有所上升?！啊Ｕn不停學(xué)’適應(yīng)期”國內(nèi)疫情基本得到控制，學(xué)生也逐步適應(yīng)線上學(xué)習(xí)模式，在學(xué)業(yè)方面引發(fā)消極情感的影響因素開始轉(zhuǎn)變?yōu)樽鳂I(yè)、學(xué)習(xí)困難和畢業(yè)論文等學(xué)習(xí)常態(tài)化事件。“復(fù)學(xué)初期”疫情影響進(jìn)一步弱化，學(xué)生基本回歸校園生活，引發(fā)消極情感的主要是學(xué)習(xí)和生活等日常事件?！皬?fù)學(xué)后常態(tài)化防控期”疫情對高校學(xué)生群體的影響基本消退，臨近期末，面對期末考試、考研等高強(qiáng)度學(xué)業(yè)壓力，學(xué)生消極情感占比上升。

由此可見，造成學(xué)生消極情感的因素可以概括為“疫情”“學(xué)業(yè)壓力”“生活環(huán)境”和“社會輿情”四個方面，其中，前三個方面對學(xué)生的影響具有持續(xù)性特征，同時具有隨疫情和學(xué)習(xí)階段的變化而變化的階段性特征，社會輿情的影響則具有偶發(fā)性特征。

對于消極情感文本占比較高的兩個階段——“停課不停學(xué)初期”和“復(fù)學(xué)后常態(tài)化防控”，可以看到，兩個階段分別處于開學(xué)初和學(xué)期末，從學(xué)習(xí)周期來看，即使沒有疫情，這兩個階段學(xué)生也容易因開學(xué)初的“假期綜合癥”以及期末的“期末綜合癥”現(xiàn)象而產(chǎn)生消極情緒，而疫情的沖擊更是加劇了學(xué)生消極情感的產(chǎn)生。

四、總結(jié)與建議

本研究對目標(biāo)院校學(xué)生群體的微博文本數(shù)據(jù)進(jìn)行情感分析并綜合采用LDA模型和TF-IDF方法對消極情感微博文本進(jìn)行主題挖掘，探究新冠肺炎疫情期間誘發(fā)學(xué)生群體消極情感的因素或事件，這些因素或事件可以分為以下幾類：①突發(fā)性公共衛(wèi)生事件，例如：新冠肺炎疫情致使延遲開學(xué)、疫情期間返校風(fēng)險加大、致使長期隔離等負(fù)面事件，這些都導(dǎo)致學(xué)生生活節(jié)奏改變致使其產(chǎn)生消極情感。②事關(guān)國家民族利益的相關(guān)事件，大學(xué)生群體往往會對這類事件表現(xiàn)出極大關(guān)注，當(dāng)他們覺得國家民族利益受到威脅時，往往會表現(xiàn)出憤怒等消極情感。③學(xué)習(xí)環(huán)境因素，如對圖書館等公共學(xué)習(xí)場所資源的需求不能得到滿足容易引發(fā)學(xué)生的不滿情緒，空調(diào)資源的不合理管控極易引發(fā)室友之間的矛盾等。④學(xué)業(yè)和就業(yè)壓力因素，目標(biāo)群體無論是在疫情期間還是常態(tài)化期間學(xué)業(yè)壓力一直存在，尤其是畢業(yè)生群體，學(xué)業(yè)和就業(yè)的雙重壓力也容易導(dǎo)致消極情感。

根據(jù)以上分析，為高校的教育管理提出以下幾方面建議。

第一，繼續(xù)推進(jìn)疫情常態(tài)化防控。學(xué)校應(yīng)采取多種形式主動、積極地宣傳新冠肺炎防疫相關(guān)知識，特別要結(jié)合國內(nèi)外疫情的最新形勢，引導(dǎo)大學(xué)生正確對待、科學(xué)防疫。學(xué)校應(yīng)堅(jiān)持做好日常的防控工作，如出入管理、教職工、學(xué)生健康狀況監(jiān)測、公共場所的消毒。同時，高校還應(yīng)建立疫情快速響應(yīng)機(jī)制，將疫情防控常態(tài)化，減少學(xué)生對疫情本身的恐懼情緒。

第二，積極引導(dǎo)大學(xué)生正確對待國家重大事件。國家出現(xiàn)各種重大事件，大學(xué)生群體往往會表現(xiàn)出極大關(guān)注，學(xué)校要在主動、積極地疏解學(xué)生情緒的同時，引導(dǎo)其正確對待各類事件。

第三，不斷優(yōu)化學(xué)生的學(xué)習(xí)、生活、出行等環(huán)境。學(xué)習(xí)環(huán)境優(yōu)化涵蓋兩方面，一方面通過集中調(diào)配未在授課的教室作為自習(xí)室、改善圖書館學(xué)習(xí)環(huán)境等方式優(yōu)化線下學(xué)習(xí)環(huán)境，另一方面為教師提供教學(xué)支持服務(wù)（高明，張婧婧，牛曉杰，2020），通過向教師推薦線上教學(xué)工具、在線優(yōu)秀教學(xué)方案等方式提升線上教學(xué)質(zhì)量。為改善學(xué)生的生活環(huán)境，可以引入新的商戶，增加并修繕健身器材和場地，舉辦豐富多彩的校園活動。對于學(xué)生的校園出入權(quán)限，需要在保證疫情防控的前提下最大可能地開放，而且要結(jié)合疫情防控需要讓學(xué)生錯峰返家、分批返校等。

第四，疏導(dǎo)學(xué)業(yè)和就業(yè)壓力。學(xué)業(yè)壓力對大學(xué)生的影響具有持續(xù)性和階段性的特征，而且與疫情的影響交疊作用，更容易引發(fā)大學(xué)生的消極情緒，因此，高校首先應(yīng)采取多種有效手段緩解學(xué)生學(xué)業(yè)壓力和就業(yè)壓力，如增加過程性考核，降低總結(jié)性評價比重，豐富教學(xué)活動形式，以講座、思政課程等多種形式引導(dǎo)學(xué)生樹立正確的擇業(yè)和就業(yè)觀，增加就業(yè)宣傳及招聘信息渠道，加大校企合作力度等。

第五，健全心理危機(jī)發(fā)現(xiàn)、心理咨詢和輔導(dǎo)機(jī)制。高校相關(guān)部門要建立健全大學(xué)生心理危機(jī)發(fā)現(xiàn)及干預(yù)的有效機(jī)制，多渠道進(jìn)行心理危機(jī)的篩查并積極開展心理咨詢和輔導(dǎo)等活動。

本研究目前僅限于目標(biāo)院校單個案例，數(shù)據(jù)覆蓋面和研究范圍有限，結(jié)論的普適性有待考證。后續(xù)將繼續(xù)拓展數(shù)據(jù)源，不斷完善數(shù)據(jù)分析算法，以便更準(zhǔn)確、更深入地揭示問題。