基于大数据的大学生网络社交行为研究.doc

基于大数据的大学生网络社交行为研究 　　随着网络社交的发展，越来越多的大学生活跃在各类网络社交平台，本文采用大数据挖掘、大数据分析技术，从大学生网络社交行为模式及大学生网络社交人格特征两个方面研究大学生的网络社交行为，为指导大学生健康发展，树立正确价值观提供依据。 　　【关键词】大数据 大学生 网络社交 行为模式 　　网络社交是指网民以计算机、网络为中介，以数字化的符号为载体进行的人与人之间的交往方式。Wellman认为网络社交研究的范围有广义与狭义之分，广义的网络社交置于网络使用行为之下，将“网络交往”等同于“网络沟通”、“计算机媒介互动”等概念，并在此范围下研究用户的网络使用行为、信息交换和交往行为；狭义的网络社交是指网络人际交往，即信息的传递和网络用户的沟通行为。本文主要针对狭义的网络社交。对大学生网络社交行为现状的研究，学者们从不同的角度出发得出结论。王洪波（2013）调查发现大学生网络社交的范围仍然以熟人社交为主，选择QQ和Email进行交流的比例仅为34%和8%，在交往态度上更加倾向通过网络进行交流。巢乃鹏（2012）在研究大学生社交网站的使用动机时发现，归属需要与担心拒绝都是社交网站使用的重要预测值。Fioravanti（2012）研究了大学生自尊和网络偏好之间的关系，发现女性自尊和网络偏好之间有很小的负相关，男性则不相关，总体上个人自尊和网络社交偏好之间没有明显相关关系。以上结论的得出大部分源于对大学生进行的问卷调查，虽然这种方式简单可行，但问卷编制的主观性，调查对象的局限性，以及数据量的有限性都对结论能否解释大学生网络社交行为的本质产生负面影响。而目前大数据分析为解决这一问题提供了思路。 　　1 大数据及大数据分析技术 　　1.1 大数据的定义 　　大数据是一个新兴的概念，目前学术界还未对大数据给出统一的定义。维基百科将大数据定义为：巨量数据、海量数据、大数据，是所涉及的数据量规模巨大到无法通过人工方式，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息；Gartner的定义是：需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。总结这些定义发现大数据应具备四个基本特征：数据量巨大；价值密度低；来源广泛，特征多样；增长速度快。 　　1.2 大数据分析技术 　　大数据分析的核心问题是如何在种类繁多、数量庞大的数据中快速获取有价值的信息。在理论研究上，数据挖掘技术成为大数据分析的关注焦点。数据挖掘是一项以发现数据中有价值的模式和规律为基本目标的独立的数据组织和写作的建模历程；数据挖掘是商务智能和决策支持的核心部分，自动化或半自动化程序是构成数据挖掘和核心技术；数据挖掘是为发现大规模数据中所隐藏的有意义的模式和规律而进行的探索、实验和分析。 　　在大数据分析实际应用方面，目前广泛采用的是云计算技术。根据美国国家标准与技术研究院的定义，云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。该技术是2006年由google公司提出，技术主要包括分布式文件系统GFS、分布式数据库BigTable、批处理技术MapReduce、以及开源处理平台Hadoop。 　　2 大数据与大学生网络社交 　　大数据可应用于广泛的社会、自然科学领域，包括大科学、RFID、传感设备网络、天文学、大气学、基因组学、生物学、大社会数据分析、互联网文件处理、制作互联网有哪些信誉好的足球投注网站引擎索引、通信记录明细、军事侦查、社交网络、通勤时间预测、医疗记录、照片图像和图像封存、大规模的电子商务等。近年来微博、微信、人人网、脸谱网、推特等社交网站的应用已经深刻改变了人们的交流方式，大学生是参与度较高的网络社交群体。社交网站快速增长的大学生数量和活跃的大学生网络社交活动，积累了大量的大学生行为数据，这些数据完全符合大数据的定义和特征，并且在这些数据背后，隐藏着巨大的价值。大学生网络社交大数据的价值主要体现在： 　　2.1 大学生行为模式的发现 　　大学生在进行网络社交的过程中会形成大量行为轨迹数据，例如留言、评论、点赞、发布图文信息、浏览与转发等。对于研究大学生行为的学者而言，可以通过数据捕获工具收集这些数据，进行分类、汇总，采用数据挖掘算法与大数据分析技术对这些格式化、非格式化数据如照片、声音、文本等进行分析，发现大学生行为变化的规律，得出大学生的行为特征，寻找到大学生行为的共性与差异性。 　　2.2 网络环境下大学生人格特征的分析 　　由于网络社交具有匿名性、隐形性、没有地理位置限制以及时间上的非同步性，大学生在网络社交过程中体现出来的人格特征与