网络暴力事件大学生信息传播行为分析
前言：想要写出一篇引人入胜的文章？我们特意为您整理了网络暴力事件大学生信息传播行为分析范文，希望能给你带来灵感和参考，敬请阅读。
1引言(Introduction)
近年来，随着微博、微信等社交媒体的迅猛发展，人们在互联网上逐渐拥有更多的话语权[1]。越来越多的人开始在网上发泄现实生活中的委屈和不满情绪，部分不法网民趁机散播一些不当言论与谣言，“崔雪莉事件”“乔任梁事件”“虐猫事件”等网络暴力事件频发[2]。微博作为中国最大的社交媒体，已经日趋进入人们的生活中[3]。与此同时，大学生作为一种文化层次较高、接受新鲜事物较快、运用网络平台熟练的特殊年轻群体在虚拟网络世界的角色愈发重要。然而，大学生心智相对不够成熟，尚未形成严谨的世界观与价值观，思维方式比较冲动热血，对事物的辨别能力比较差，难免成为当下被网络暴力冲击的主流人群之一。而如今网络暴力的负作用越来越多地渗透到校园生活[4]，潜移默化地使大学生的生活和学习发生改变，这些细微的改变长此以往必定会侵蚀大学生健全的人格，引导其形成错误的“三观”，不利于日后的健康生活。基于此，本文面向广大学生群体，通过调查问卷的方式采集大学生对网络暴力的传播行为，基于Stata建立回归模型，探究网络暴力事件中的大学生传播行为特征。通过本文的研究，以期对大学生的网络言行进行积极引导，提高大学生对网络暴力事件的理性认知，营造和谐、干净的网络环境。
2文献综述(Literaturereview)
微博由于其门槛低、随时随地使用、传播快速等优势逐渐成为大众获取信息、发表言论的常用工具[5]。国外学者们对基于微博平台的传播行为已经做了大量的研究[6-7]。在国内学者的研究成果中，何音以天津仓库爆炸事件为例，研究了突发事件中的官微传播影响因素；冯小东等[8]从微观行为视角，构建政务微博信息传播效果影响因素模型，发现社会资本、社会信任与行为习惯显著影响微博舆情传播效果；袁媛等[9]基于风险感知视角，结合微博舆情数据统计，建立了微博信息传播模型，预测舆情事件传播趋势。网络暴力事件指在网络上发生的暴力行为，是社会暴力在网络上的一种延伸。郭金玲[10]以校园暴力为研究对象，提出了高校网络暴力的编造谣言、语言暴力、曝光隐私三种类型。罗譞[11]指出网络暴力中施暴者与被施暴者的不平等权力关系，导致个体的数字性死亡，为人们敲响了警钟。李玉琪[12]采用定量定性相结合的方法梳理了网络暴力成因，并采用结构方程模型进行了验证。向宇婷[13]研究了网络暴力事件对大学生网络思想政治教育带来的消极影响，针对大学生网络思想政治教育提出了新的要求。从以上文献研究中可以看出，互联网的发展给网络暴力培育了温室，窃取他人隐私、人肉搜索、无端谩骂、人身攻击等网络暴力层出不穷，网络暴力中被施暴者受到了严重的精神挫伤，正常生活受到了严重影响，网络暴力从无端的网络谩骂到已经威胁到了被施暴者的人身安全。
3研究框架与变量设计(Researchframeworkandvariabledesign)
由于微博所具有的独特的传播范围广、影响巨大的特点，其社交功能逐渐被削弱，传播功能日趋增强。大量的社会热门事件首先在微博上爆发，随之而来的就是网络暴力事件。因此本文以大学生为研究对象，通过调查问卷的方式来获取网络暴力事件中的大学生在微博上的传播行为，包括大学生对待网络暴力的态度和情感。问卷星是最常用的线上调查测评与投票平台，与传统调查方式和其他调查网站或调查系统相比，具有快捷、易用、低成本的明显优势，已经被大量企业和个人广泛使用，因此本文采用问卷星获取大学生调查问卷数据。
3.1研究框架
本研究首先设计调查问卷，通过问卷星进行数据采集；然后将采集到的微博数据使用Excel进行整理与筛选，对数据进行预处理；之后采用回归分析法建立大学生微博传播行为的影响因素模型；最后基于Stata分析自变量与因变量之间的关系并进行结果分析。具体流程如图1所示。
3.2变量设计
本文主要进行网络暴力事件中大学生微博传播行为分析，经过文献梳理和实际考量，设立了三个维度的自变量，一个维度的因变量，在每个维度下又设置了若干个题项作为该维度的测量变量。具体的变量设计如表1所示。
4模型构建与数据分析(Modelconstructionanddataanalysis)
4.1描述性统计
通过问卷星共回收231份调查问卷，根据描述性统计的结果可知：在231名受试者中，男性有131人，占比56.71%；女性有100人，占比43.29%。参与调查的大都是高年级的学生，大一到大四学生的占比分别是6.06%、16.88%、36.36%、40.69%。通过对大学生面对网络暴力事件的态度统计得出，有53.32%的大学生非常反对网络暴力，认为网络暴力是一种十分恶劣的行为，对待网络暴力的反对态度由1到5逐渐增加。对微博传播行为进行分析统计，调查大学生面对微博上的网络暴力行为是否会点赞或转发，表示完全不会进行点赞或转发的大学生达到45.89%，几乎不会的达到17.75%，有时候会的达到22.51%，而转发或点赞频率较高的占9.09%和4.76%。可见，大学生面对微博上的网络暴力事件一般采取的态度是不会转发，仅当吃瓜群众。
4.2信度与效度分析
在社会科学的研究领域中，常常涉及一些抽象变量的测量，为了保证研究结果的准确、可靠和具有适用性，在进行实证分析之前，需对各个量表进行信度与效度的分析。采用Stata14.0进行了信度分析，结果显示了解程度、认知、传播行为、态度四个分量表的克朗巴赫系数(Cronbach'sAlpha)依次为0.765、0.783、0.862、0.709，总量表的克朗巴赫系数为0.733，说明具有良好的信度。量表的信度检验结果如表2所示。效度也称有效性，是指量表能够测量到其所欲测量的心理或行为特质的程度。常用于调查问卷效度分析的方法主要是结构效度，对于结构效度的检验最常用的方法就通过KMO值(Kaiser-Meyer-Olkin，检验统计量)进行检验，KMO值为0.764，大于0.7，且Bartlett'sTestofSphericity(球形检测结果的显著性为0.000，小于0.05，说明问卷具有良好的结构效度。
4.3因子分析
本文采用因子分析法来提取公共因子，表3显示的是按因子分析法求得各指标特征值及其所对应变量的贡献率，一般情况下，各因子累积方差贡献率达到60％以上，即可认为具有良好的结果效度。本次研究结果中大于1的四个初始特征值分别为3.324、3.048、1.529、1.047，经过旋转后所对应的方差百分比分别为23.594、15.098、14.510、10.706，所以在选取四个公共因子的情况下，它们的累积贡献率达到63.908%，高于60%。由此可见，这四个公因子能够反映原始数据的大部分信息。各成分的碎石图如图2所示，由碎石图可以看出，四个因子中有因子1、因子2、因子3、因子4的特征值大于1，故取四个因子是比较合适的。
4.4回归模型分析
本文探讨的是网络暴力事件中的大学生微博传播行为，因此作为被解释变量，参考已有文献并基于因子分析结果，选取了解程度、认知、态度三个指标作为解释变量。由于被解释变量“传播行为”为连续变量且本研究样本容量较大，因此可以近似看作服从正态分布，故选用线性回归模型。模型具体表达为：其中，Y代表被解释变量：传播行为；Xi依次代表解释变量：了解程度、认知、态度；相应地，β1、β2、β3为解释变量的回归系数，β0、μ0分别为常数项和随机扰动项。为了检验以上回归模型是否存在共线性问题，故使用Stata通过方差膨胀因子对模型中的解释变量进行VIF(VarianceInflationFactor，方差膨胀系数)检验。由检验结果可知，各解释变量的VIF值均小于5，表明解释变量间不存在多重共线性的问题，不会对多元回归产生影响，因此所有的解释变量可以放在同一个模型中检验，即表明以上回归结果是可信的。通过对样本进行回归分析，发现模型检验的F值为37.86，显著性水平为0.000，小于临界值0.05，说明回归模型在总体上具有统计学意义。模型调整后的决定系数(调整后的R方)为0.6031，即纳入回归方程的因素在对传播行为的影响的变异程度上具有60.31%的解释力，表明模型拟合结果较好，具体如表4所示。
5结论(Conclusion)
通过本文研究发现，在网络暴力事件中，大学生对事件的了解程度、认知以及态度对微博传播行为都有显著的影响。性别对于传播行为具有显著差异，在网络暴力事件中，男性比女性大学生的传播程度更强。对于大学生而言，年级并没有任何差异，也就是说，不管在几年级，大学生的传播行为均无显著差异。同时我们发现，微博作为网络暴力事件发生的主战场，已经对人们尤其是对年轻的大学生群体产生了非常严重的影响。因此，要做好大学生的网络行为引导，同时在大学教育中加强大学生思想道德修养，树立大学生健全的人生观、世界观、价值观，丰富相关教育内容，使大学生在鱼龙混杂的自媒体环境中能够对网络信息进行全面的理解，从而进一步提高大学生的心理承受能力，规范网络道德与网络行为。同时加强网络监管，为大学生乃至整个社会营造健康、和谐、文明、进步的网络环境。
作者：鲁艳霞 黄川林 张晋 单位：大连东软信息学院信息管理与信息系统系
