• 🍀 项目背景：因疫情封校而起的个人兴趣研究
• 🤖 所用技术：# Requests # pandas # NLP # ArcGIS # model builder
• 🪵 其它：个人独立完成、形成一篇会议论文、一篇在投期刊论文（刚被拒）

<aside> 🖼️ 疫情连续封校，让硕士学习生活的前半时间都在封闭的学校中度过。

一段时间女朋友和室友都封在家中，自己在学校几乎成了独行侠。无心前往图书馆，每天重复着“起床-下到桌前打开电脑-吃饭-听播客溜达-回到桌前-上床”。宿舍靠近学校围墙，白天总是能听到有人对着围墙外大叫，那种无内容的、发泄的乱叫，持续时间总是很长，每次叫声仿佛都会将我击穿。

那段时间在学校里常常见到情绪崩溃的陌生朋友，除了偶然路过的安慰，心生念头，希望试着至少从数据中记录下这段无力的时光。

于是采集了大连市 7 所高校持续两个月的微博数据，通过使用 疫情情绪数据集 微调 后的 RoBEERTa 模型分析了微博数据下大学生负性情绪的强度演变与内容表达特征，并且还试着通过对比分析了不同校园环境对情绪的影响。

</aside>

挑战与应对

• 微博签到数据采集的网络公开分享少，需独立探索 根据其它微博采集方式，归纳找到接口并独立完成整条采集流程
• 常用情绪识别数据集对疫情相关情绪识别准确性不高 使用疫情标注情绪数据集微调通用语言模型
• LDA 等机器学习内容分类方法效果不佳 独立完成人工标注内容类别
• 其它收获：统计分析方法-格兰杰因果检验 对比分析法

结果

封校环境下大学生负性情绪的演变特征与形成机制

[研究目的] 应对突发公共卫生事件而实施的校园全封闭管理措施容易诱发大学生负性情绪，存在潜在的社会安全隐患，挖掘负性情绪的演变特征与形成机制，能够为校园舆论情绪控制提供理论基础与决策参考。

[研究方法] 基于大连市6所高校封校期内的新浪微博数据，使用微调后的RoBERTa模型识别分析微博文本中的情绪倾向与演变特征，通过内容分析法提取负性情绪微博内容主题，最后采用格兰杰因果检验探讨了负性情绪的形成机制。

[研究结论] 研究实证发现：（1）负性情绪强度呈现“整体下降、局部波动”的演变特征；（2）需求满足受限与解封期待是大学生负性情绪形成的主要刺激源与认知评价中介，其中娱乐、社交和饮食是受封校影响最主要的三类需求，而新增病例数量对负性情绪的影响并不显著。在疫情封校环境下，大学生负性情绪受健康威胁、外部信息干扰等疫情直接影响降低，由封校管理引起的各类生活不便成为负性情绪主要来源。在疫情封校环境下，大学生负性情绪受健康威胁、外部信息干扰等疫情直接影响降低，由封校管理引起的各类生活不便成为负性情绪主要来源。