秦新國(guó)　薛雅

摘? ?要：文章以疫情期間“學(xué)生意見快遞站”的數(shù)據(jù)為研究對(duì)象，利用LDA主題模型對(duì)學(xué)生意見進(jìn)行主題建模，共識(shí)別出學(xué)生普遍關(guān)注的12個(gè)熱點(diǎn)問題，并就相關(guān)問題進(jìn)行剖析和解讀，為職能部門的精準(zhǔn)施策提供依據(jù)，最后從校園文化建設(shè)、校園環(huán)境建設(shè)、提高服務(wù)水平方面給出相關(guān)建議，希望給其他兄弟院校在疫情期間做好學(xué)生管理提供參照。

關(guān)鍵詞：新冠肺炎;學(xué)生意見;主題識(shí)別;LDA Model

中圖分類號(hào)：G434? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：1673-8454（2022）09-0076-07

一、引言

新型冠狀病毒肺炎（COVID-19）疫情對(duì)國(guó)內(nèi)高校的正常運(yùn)行造成巨大的沖擊和影響，疫情期間，高校普遍采取一系列限制性措施以防止疫情的進(jìn)一步擴(kuò)散，課堂教學(xué)一律采用在線教學(xué)的方式，各項(xiàng)行政事務(wù)的辦理，如選退課、學(xué)籍變更、業(yè)務(wù)咨詢等，以線上咨詢與辦理方式進(jìn)行，盡量避免學(xué)生之間、師生之間的直接接觸，降低傳染的風(fēng)險(xiǎn)。各項(xiàng)措施的出臺(tái)有助于疫情防控，但是，也存在一定的負(fù)面影響，學(xué)生之間無法開展正常的社交活動(dòng)，線上咨詢?cè)黾訉W(xué)生問題解決的時(shí)間成本和復(fù)雜性，導(dǎo)致學(xué)生怨聲載道，再加上疫情給學(xué)生的身心健康帶來的巨大壓力，使學(xué)生在解決問題時(shí)情緒易波動(dòng)，極易造成沖突，導(dǎo)致矛盾激化，給輿情防控和教學(xué)管理工作帶來巨大的挑戰(zhàn)。

本文基于學(xué)?！皩W(xué)生意見快遞站”平臺(tái)，為學(xué)生問題咨詢與辦結(jié)提供權(quán)威的線上渠道，對(duì)問題的有效解決加強(qiáng)監(jiān)督，實(shí)現(xiàn)問題解答的高時(shí)效、高質(zhì)量、高滿意度，進(jìn)而達(dá)到安撫學(xué)生焦慮情緒的目的。同時(shí)，對(duì)學(xué)生反饋問題的數(shù)據(jù)進(jìn)行分析、聚類，進(jìn)一步聚焦問題本身，以便管理部門更加全面地掌握學(xué)生問題的共性，為精準(zhǔn)施策提供依據(jù)。

二、相關(guān)研究回顧

（一）疫情對(duì)大學(xué)生心理健康發(fā)展產(chǎn)生的影響

疫情對(duì)大學(xué)生心理健康發(fā)展的影響是比較明顯的，學(xué)生對(duì)疫情相關(guān)知識(shí)的了解不全面以及長(zhǎng)期封閉無法社交，從而導(dǎo)致焦慮情緒的產(chǎn)生。有學(xué)者對(duì)廣東3881名大學(xué)生進(jìn)行網(wǎng)絡(luò)問卷調(diào)查，結(jié)果顯示，焦慮情緒發(fā)生率是26.60%，其中輕度、中度、重度焦慮發(fā)生率分別是23.19%、2.71%、0.70%;抑郁情緒發(fā)生率是21.16%，其中輕度、中度、重度分別為16.98%、3.17%、1.01%。[1]有學(xué)者對(duì)南京醫(yī)科大學(xué)、中國(guó)藥科大學(xué)、南京中醫(yī)藥大學(xué)3所醫(yī)藥類高校共4750名學(xué)生的心理焦慮情況進(jìn)行測(cè)量，結(jié)果顯示，醫(yī)藥類高校返校大學(xué)生中20.0%的學(xué)生有輕度焦慮情緒，6.5%的學(xué)生為中度或重度焦慮。[2]其中，因封閉管理和無法社交而產(chǎn)生焦慮情緒學(xué)生的比例較高，分別為52.9%和40.7%。有學(xué)者對(duì)安徽省兩所本科院校的493名大學(xué)生進(jìn)行問卷調(diào)查，分析學(xué)生的心理健康狀況，采用“90項(xiàng)癥狀清單”（Symptom Check List 90，簡(jiǎn)稱SCL-90）進(jìn)行測(cè)試，結(jié)果顯示總分達(dá)到陽(yáng)性的人數(shù)為90例，陽(yáng)性率為19.07%。[3]陽(yáng)性率最高的單因子為焦慮（34.75%），接著依次為人際關(guān)系敏感（24.36%）、強(qiáng)迫癥狀（23.73%），陽(yáng)性率最低的為精神?。?3.77%）。

有學(xué)者認(rèn)為，當(dāng)個(gè)體產(chǎn)生焦慮情緒時(shí)，往往會(huì)自行尋找宣泄口以尋求安全感，一旦用戶將他們的社會(huì)情緒映射到自媒體環(huán)境下，個(gè)體的社會(huì)情感在網(wǎng)絡(luò)中可能引起共鳴或碰撞，進(jìn)而導(dǎo)致主觀焦慮被強(qiáng)化和放大，在一定條件下甚至演化為群體焦慮，進(jìn)而刺激突發(fā)事件的產(chǎn)生。[4]因此，學(xué)校應(yīng)當(dāng)著重關(guān)注學(xué)生遇到的困難，及時(shí)幫助學(xué)生排憂解難，為學(xué)生營(yíng)造輕松和諧的學(xué)習(xí)和生活環(huán)境，既有助于安撫學(xué)生的焦慮情緒，也可以避免突發(fā)事件或輿情的產(chǎn)生。

（二）面向用戶生成內(nèi)容的文本挖掘研究現(xiàn)狀

用戶生成內(nèi)容（User Generated Content，簡(jiǎn)稱UGC），即用戶原創(chuàng)內(nèi)容，是Web2.0下由網(wǎng)絡(luò)用戶創(chuàng)作的互聯(lián)網(wǎng)信息。當(dāng)前，基于UGC的研究及應(yīng)用比較廣泛，其作用已漸漸滲入到商業(yè)、新聞?shì)浾摗⑷粘Ｉ缃坏葘用?。[5]有學(xué)者利用LDA（Latent Dirichlet Allocation）主題模型對(duì)多個(gè)網(wǎng)絡(luò)學(xué)術(shù)社區(qū)的用戶生成內(nèi)容文本進(jìn)行主題獲取和分析，實(shí)現(xiàn)跨平臺(tái)知識(shí)聚合，為社區(qū)內(nèi)的科研工作者帶來知識(shí)獲取的便利。[6]有學(xué)者運(yùn)用知識(shí)圖譜分析方法對(duì)國(guó)內(nèi)外視頻網(wǎng)站用戶生成內(nèi)容的起源與發(fā)展、研究熱點(diǎn)，以及發(fā)展趨勢(shì)進(jìn)行分析和可視化，以便更好地了解視頻網(wǎng)站領(lǐng)域用戶生成內(nèi)容的研究進(jìn)展和趨勢(shì)。[7]有學(xué)者運(yùn)用文本分析和可視化技術(shù)，從冗雜的用戶在線文本中挖掘有用的信息，將其轉(zhuǎn)化為可視化圖表并建立創(chuàng)意思維映射，以幫助設(shè)計(jì)人員獲取創(chuàng)意靈感。[8]還有學(xué)者使用語(yǔ)義技術(shù)對(duì)用戶生成內(nèi)容進(jìn)行再組織，繼而為用戶提供更好的知識(shí)服務(wù)。[9][10]

（三）LDA主題模型應(yīng)用研究

學(xué)生意見屬于用戶生成內(nèi)容范疇，是用戶情感、觀點(diǎn)等的直接表達(dá)，對(duì)學(xué)生意見數(shù)據(jù)進(jìn)行分析有助于快速洞悉學(xué)生動(dòng)態(tài)和關(guān)注點(diǎn)，為學(xué)校提高管理實(shí)效提供依據(jù)。當(dāng)前，在挖掘用戶提問或評(píng)論主題方面常用的方法是LDA主題模型。有學(xué)者于2003年提出的一種文檔生成模型，常用來推測(cè)文檔的主題分布，進(jìn)而根據(jù)文檔主題分布進(jìn)行主題聚類或文檔分類。[11]有學(xué)者將LDA主題模型用于旅游微博文本分析，幫助研究者在特定維度框架約束下準(zhǔn)確、客觀地提取旅游地意象特征。[12]有些學(xué)者以天涯論壇用戶發(fā)布的帖子為研究對(duì)象，對(duì)用戶發(fā)布的帖子標(biāo)題或帖子正文進(jìn)行文本挖掘，通過LDA主題分類，進(jìn)而捕捉網(wǎng)友的熱點(diǎn)關(guān)注方向。[13][14]有學(xué)者以高校學(xué)生論壇數(shù)據(jù)為研究對(duì)象，將TF-IDF（Term Frequency-Inverse Document Frequency）和LDA主題模型相結(jié)合來計(jì)算文本相似度，進(jìn)而進(jìn)行文本聚類，取得良好的聚類效果和穩(wěn)定性。[15]

綜上所述，疫情期間，大學(xué)生的心理健康狀況整體不佳，無論是醫(yī)學(xué)專業(yè)的學(xué)生還是非醫(yī)學(xué)專業(yè)學(xué)生，都或多或少存在焦慮情緒，在學(xué)生復(fù)學(xué)后，學(xué)校應(yīng)加強(qiáng)監(jiān)測(cè)和信息管理，引導(dǎo)大學(xué)生采取積極健康的行為方式，并通過互幫互助來防止其因受刺激而產(chǎn)生消極影響。[1]建立“學(xué)生意見快遞站”，為學(xué)生提供權(quán)威的線上咨詢交流平臺(tái)，校方及時(shí)回應(yīng)與落實(shí)，對(duì)舒緩學(xué)生情緒、防范輿情產(chǎn)生具有重要意義。由于學(xué)生反饋的問題量大，依靠人工進(jìn)行分析，工作效率較低，鑒于LDA模型在用戶生成內(nèi)容上良好的表現(xiàn)效果，本研究擬將該模型應(yīng)用于“學(xué)生意見快遞站”，快速識(shí)別學(xué)生意見主題，為學(xué)校精準(zhǔn)施策提供著力點(diǎn)。

三、研究設(shè)計(jì)

（一）模型構(gòu)建

本文基于LDA模型分析學(xué)生意見的主題分布，數(shù)據(jù)分析流程如圖1所示。數(shù)據(jù)處理過程由數(shù)據(jù)抓取、文檔預(yù)處理、LDA主題建模與識(shí)別，以及結(jié)果分析與建議四部分組成。數(shù)據(jù)處理技術(shù)依托Python相關(guān)數(shù)據(jù)分析技術(shù)，包括Requests 數(shù)據(jù)抓取包、Jieba分詞包、Gensim自然語(yǔ)言處理包等。

首先，通過數(shù)據(jù)抓取工具從“學(xué)生意見快遞站”抓取學(xué)生意見及回復(fù)數(shù)據(jù)。其次，對(duì)文檔數(shù)據(jù)進(jìn)行清洗、分詞、停用詞、無效字符過濾等預(yù)處理;同時(shí)，加強(qiáng)未登錄詞識(shí)別，并加入到文檔向量中;然后，通過LDA主題模型對(duì)文檔進(jìn)行建模，通過困惑度指標(biāo)，確定最優(yōu)主題數(shù)，并將該主題數(shù)運(yùn)用于最終的LDA主題模型，識(shí)別文檔主題集。最后，對(duì)LDA主題結(jié)果進(jìn)行分析和解讀，在此基礎(chǔ)上，提出相關(guān)建議。

（二）數(shù)據(jù)來源與分布

“學(xué)生意見快遞站”是學(xué)校權(quán)威的在線交流平臺(tái)，旨在為學(xué)生提供問題咨詢與反饋的快速通道。平臺(tái)采用實(shí)名制在線投遞問題，相對(duì)其它社交平臺(tái)而言，數(shù)據(jù)質(zhì)量及有效性較高。本文共抓取學(xué)生意見數(shù)據(jù)1395條，經(jīng)過數(shù)據(jù)清洗，刪除重復(fù)提交的數(shù)據(jù)、無效數(shù)據(jù)等，獲得有效數(shù)據(jù)集1347條，有效數(shù)據(jù)占96.6%。有學(xué)者研究表明，年齡、性別、地區(qū)等因素會(huì)對(duì)學(xué)生的心理產(chǎn)生影響。[1]相比較而言，受疫情影響，年齡越小越容易產(chǎn)生焦慮，女生相對(duì)男生易產(chǎn)生焦慮，農(nóng)村地區(qū)較城市地區(qū)易產(chǎn)生焦慮。對(duì)樣本分布進(jìn)行分析，共涉及在校生936人，覆蓋學(xué)校各年級(jí)、全國(guó)各個(gè)省份（包括臺(tái)灣地區(qū)），其中女生居多，占77.03%，農(nóng)村戶籍學(xué)生占34.72%。樣本覆蓋面比較全面，反饋的問題具有一定的普適性。學(xué)生分布數(shù)據(jù)分析如表1所示。

（三）數(shù)據(jù)預(yù)處理

對(duì)文檔集做初步清洗后，文檔長(zhǎng)度在3至300之間（系統(tǒng)對(duì)文檔長(zhǎng)度有限制），平均長(zhǎng)度為63。其中，長(zhǎng)度低于平均數(shù)的文檔有891篇，占66.15%。文檔長(zhǎng)度總體偏短，由于LDA對(duì)短文本效果不好，模型生成會(huì)遇到數(shù)據(jù)稀疏問題。[14]對(duì)此，有學(xué)者通過將短的Twitter文本拼接成長(zhǎng)文本的方式來加以改進(jìn)，以取得更高質(zhì)量的主題。[16]因此，本實(shí)驗(yàn)將每條意見及其回復(fù)拼接成一個(gè)單獨(dú)的文檔來進(jìn)行實(shí)驗(yàn)，合并后獲得文檔集長(zhǎng)度在17至563之間，平均長(zhǎng)度為137。

利用Jieba分詞工具包對(duì)學(xué)生意見信息進(jìn)行中文分詞，刪除標(biāo)點(diǎn)符號(hào)、數(shù)字、單字，將文檔轉(zhuǎn)化為詞向量表示。分詞過程中，停用詞采用“百度停用詞表”和“哈工大停用詞表”的合集。同時(shí)，將分詞結(jié)果中的無實(shí)際意義的高頻詞也納入到停用詞表，如“學(xué)生”“學(xué)校”“你好”等。為保留學(xué)生意見的語(yǔ)義完整性，本文采用Bigram語(yǔ)言模型加強(qiáng)對(duì)學(xué)生意見中的高頻短語(yǔ)的識(shí)別，以更準(zhǔn)確地體現(xiàn)學(xué)生的關(guān)切。其基本原理是，關(guān)鍵詞相鄰?fù)瑫r(shí)出現(xiàn)且頻率超過一定閾值，則將其合并為文檔的特征詞，加入到文檔的分詞結(jié)果中。本文設(shè)定詞頻閾值為10，表2展示的是詞頻超過50的部分未登錄高頻短語(yǔ)。

（四）學(xué)生意見特征詞分布

對(duì)文檔進(jìn)行分詞處理，共產(chǎn)生詞條7922個(gè)，選取TF-IDF值最高的前60個(gè)關(guān)鍵詞作為學(xué)生意見的特征詞，如表3所示。圖2展示的是學(xué)生意見分詞結(jié)果的詞云，更加直觀地展現(xiàn)了學(xué)生關(guān)注的熱點(diǎn)問題，詞云用字的大小來反映詞的熱度，字越大說明關(guān)注度越高。

特征詞的分布，一定程度上反映學(xué)生的關(guān)切，如快遞類問題、圖書館相關(guān)問題、餐飲類問題等。學(xué)生反饋的問題大都與民生相關(guān)，“帶來不便”一詞出現(xiàn)171次，說明學(xué)校的供給還不能滿足學(xué)生的需求，“希望”一詞出現(xiàn)的頻率最高，充分表現(xiàn)學(xué)生對(duì)學(xué)習(xí)和生活環(huán)境能夠得到改善的殷切期待。“敬請(qǐng)諒解”一詞出現(xiàn)144次，說明學(xué)校在問題的處理上態(tài)度比較誠(chéng)懇。一方面，說明問題存在的客觀性，另一方面，對(duì)相關(guān)問題的改進(jìn)和落實(shí)也未來可期。 由此可見，“學(xué)生意見快遞站”的開通對(duì)促進(jìn)管理部門與學(xué)生的交流、推進(jìn)問題的落實(shí)具有積極作用。

（五）學(xué)生意見主題選取

在LDA主題模型構(gòu)建過程中，最優(yōu)主題數(shù)T的值會(huì)直接影響到聚類的質(zhì)量，而且主題的個(gè)數(shù)一般需要進(jìn)行人為的事先設(shè)定。[15]LDA主題數(shù)量的確定通?？梢圆捎弥黝}困惑度（Perplexity Score）得分進(jìn)行評(píng)估，主題困惑度用來描述模型的好壞程度，困惑度得分越低，模型越好。困惑度計(jì)算公式為：

本文將主題數(shù)設(shè)定在[5，30]區(qū)間內(nèi)，通過比較不同主題數(shù)情況下困惑度得分來確定最優(yōu)的主題數(shù)。實(shí)驗(yàn)結(jié)果如圖 3所示，當(dāng)主題數(shù)為12的時(shí)候，主題困惑度得分最小，根據(jù)困惑度越低模型效果越好的原則，選取主題數(shù)量為12。

四、實(shí)驗(yàn)結(jié)果分析

對(duì)學(xué)生意見進(jìn)行主題聚類，選取每個(gè)主題中出現(xiàn)概率最高的10個(gè)詞進(jìn)行抽象概括，圖 4展示的是LDA主題聚類結(jié)果，圖5則是聚類結(jié)果的可視化展示，每個(gè)圓代表一個(gè)主題，主題之間的距離越遠(yuǎn)說明區(qū)分度越好。結(jié)果解讀如下：

根據(jù)主題分析結(jié)果可知，餐飲、快遞、校內(nèi)交通、校園環(huán)境等是學(xué)生最關(guān)注的問題。主題1：餐飲問題，如“飲食”“餐廳”“菜品”等，餐飲是學(xué)生重點(diǎn)吐槽的對(duì)象，如餐廳的衛(wèi)生環(huán)境偶爾存在不達(dá)標(biāo)現(xiàn)象、菜品的價(jià)格偏高、菜品種類偏少、飯菜可口程度有待提高等，希望學(xué)校加以改善。主題2：校園快遞問題，如“快遞”“場(chǎng)地”“園區(qū)”“主流”等，主要體現(xiàn)在快遞站在各宿舍區(qū)的設(shè)置不合理、主流快遞運(yùn)營(yíng)商分布不均衡、快遞服務(wù)質(zhì)量不高等問題。主題3：校內(nèi)交通問題，如“公交”“時(shí)間”“價(jià)格”等，重點(diǎn)反映公交車的部分站點(diǎn)偏離宿舍區(qū)，運(yùn)營(yíng)頻率不能根據(jù)繁忙程度動(dòng)態(tài)調(diào)整、公交線路安排不合理，存在部分宿舍區(qū)車少、乘坐難的問題。主題4：圖書館管理問題，如“圖書館”“自習(xí)”“儲(chǔ)物柜”“空調(diào)”等，著重反映圖書館座位管理和儲(chǔ)物柜管理不善，存在少量學(xué)生長(zhǎng)期占用的現(xiàn)象，不利于資源的充分利用。關(guān)于空調(diào)，學(xué)生希望可以根據(jù)溫度變化早點(diǎn)開空調(diào)，給學(xué)生營(yíng)造一個(gè)良好的學(xué)習(xí)環(huán)境。主題5：故障維修問題，如“維修”“宿舍”“圖書館”等，一些插座、臺(tái)燈、座椅等損壞長(zhǎng)期得不到修復(fù)，希望學(xué)校提高維修效率。主題6：考試時(shí)間安排問題，主要涉及期末考試安排間隔不合理、在線考試系統(tǒng)缺陷，以及學(xué)生對(duì)考試的相關(guān)建議等。主題7：宿舍管理問題，如“宿舍”“空調(diào)”“寢室”等，宿舍條件不統(tǒng)一，四人間、五人間、六人間都有，宿舍條件的差異是學(xué)生吐槽的重點(diǎn)，希望學(xué)校能夠改善住宿條件。另外，希望為宿舍安裝門禁系統(tǒng)：可以防止校外人員隨意出入，也可以提高查寢的效率。學(xué)生還希望每層宿舍配備飲水機(jī)，以便隨時(shí)可以喝到熱水。主題8：后勤管理與服務(wù)，如“總務(wù)委員會(huì)”“關(guān)注”“感謝”等，由于學(xué)生反映的問題主要體現(xiàn)在民生方面，大多數(shù)與后勤有關(guān)，后勤負(fù)責(zé)的教師對(duì)學(xué)生的問題都一一耐心答復(fù)，幫助學(xué)生排憂，體現(xiàn)后勤對(duì)學(xué)生的人文關(guān)懷。主題9：教室資源利用，如“教室”“自習(xí)”“考研”等，考研學(xué)生對(duì)通宵自習(xí)教室、通宵書庫(kù)的需求比較迫切，對(duì)延長(zhǎng)晚上學(xué)習(xí)時(shí)間的期望比較強(qiáng)烈，目前學(xué)校的供給跟需求不匹配。主題10、主題11、主題12還是側(cè)重宿舍的環(huán)境問題，只是問題的角度不同，如宿舍洗澡相關(guān)，包括浴資不合理、水溫不正常，以及部門宿舍區(qū)沒有獨(dú)立的浴室、洗澡不方便等。

總體來說，學(xué)生反映的問題相對(duì)來說比較集中，主要包括學(xué)習(xí)、生活環(huán)境，以及服務(wù)質(zhì)量的改善等方面。希望學(xué)校能夠從學(xué)生的利益出發(fā)，努力營(yíng)造一個(gè)良好的校園軟硬件環(huán)境，讓學(xué)生學(xué)習(xí)得順心、生活得舒心。

五、建議與對(duì)策

面對(duì)返校復(fù)學(xué)后學(xué)生可能產(chǎn)生的心理問題，以及這些問題帶來的挑戰(zhàn)，學(xué)校要高度重視學(xué)生關(guān)切，認(rèn)真研判，積極應(yīng)對(duì)和改進(jìn)，出臺(tái)相應(yīng)的政策和措施，確保各項(xiàng)教學(xué)工作平穩(wěn)運(yùn)行。

（一）營(yíng)造良好的校園文化氛圍

首先，組織專業(yè)力量開展疫情心理健康專題教育。一方面，針對(duì)學(xué)生疫情期間可能存在的煩躁和焦慮情緒開展相應(yīng)的心理講座和輔導(dǎo)，讓學(xué)生更加科學(xué)地認(rèn)識(shí)到焦慮可能會(huì)產(chǎn)生的一些不適癥狀，掌握一定的應(yīng)對(duì)策略，及時(shí)做好自我調(diào)節(jié);另一方面，實(shí)施差異化的輔導(dǎo)策略，針對(duì)不同年齡、不同地區(qū)、不同性別的學(xué)生，實(shí)行多層次、多類別、多形式的輔導(dǎo)，提高輔導(dǎo)的針對(duì)性和有效性。其次，重視校園文化建設(shè)，豐富學(xué)生的業(yè)余生活。開展一些豐富多彩的文體項(xiàng)目，如閱讀、運(yùn)動(dòng)、藝術(shù)活動(dòng)等，既調(diào)節(jié)學(xué)生的緊張情緒，又愉悅身心，起到釋放心理壓力、緩解心理焦慮的效果。最后，加強(qiáng)師生互動(dòng)，建立師生之間緊密的情感聯(lián)結(jié)。著重發(fā)揮輔導(dǎo)員和班導(dǎo)師的作用，主動(dòng)關(guān)心、關(guān)愛每一位學(xué)生，重點(diǎn)關(guān)注學(xué)生的情緒波動(dòng)和異常行為，讓學(xué)生感受到教師無微不至的關(guān)懷，當(dāng)學(xué)生遇到困難的時(shí)候，可以快速找到心靈的依靠，繼而起到良好的心理保護(hù)作用。

（二）加強(qiáng)校園硬實(shí)力建設(shè)

加強(qiáng)校園軟硬件建設(shè)，改善校園環(huán)境，為學(xué)生提供更優(yōu)質(zhì)的服務(wù)，如食堂環(huán)境衛(wèi)生、宿舍居住環(huán)境、自習(xí)教室環(huán)境等的改善，提高餐飲服務(wù)質(zhì)量。及時(shí)排除設(shè)備故障，給學(xué)生創(chuàng)造良好的學(xué)習(xí)生活氛圍。改善住宿條件，讓學(xué)生在住宿環(huán)境上不產(chǎn)生心理落差。合理規(guī)劃校園設(shè)施，提高服務(wù)效率，如校園快遞站的設(shè)置，要盡量兼顧各宿舍區(qū)，不能讓學(xué)生跑太遠(yuǎn)，尤其主流快遞服務(wù)的設(shè)置要均衡等。優(yōu)化校園公交的線路，根據(jù)人流量的變化，動(dòng)態(tài)調(diào)整發(fā)車頻次，提高公交乘坐的便利性和時(shí)效性。增加通宵教室的供給，滿足考研學(xué)生的學(xué)習(xí)需要。通過學(xué)校軟硬環(huán)境的綜合改善和治理，讓學(xué)生整體感受到家的溫暖，減輕因封閉管理帶來的壓抑和不適應(yīng)。

（三）提高管理服務(wù)水平

在管理過程中，學(xué)校應(yīng)當(dāng)秉持“以生為本、服務(wù)于人”的理念，從學(xué)生的根本利益出發(fā)，關(guān)愛學(xué)生、服務(wù)學(xué)生，全面提高服務(wù)水平和質(zhì)量。在服務(wù)態(tài)度上：一方面，對(duì)學(xué)生反映的問題要高度重視，及時(shí)回應(yīng)，不管能否解決、能解決到什么程度都要明確告知學(xué)生，確保事事有落實(shí)、事事有結(jié)果，杜絕拖沓懈怠;另一方面，實(shí)行首問負(fù)責(zé)制，大力提倡敢于負(fù)責(zé)、高效務(wù)實(shí)的工作作風(fēng)，杜絕推諉扯皮。服務(wù)方式上：第一，拓展線上服務(wù)渠道，利用即時(shí)通訊工具，如企業(yè)微信員工服務(wù)平臺(tái)等，為學(xué)生提供即時(shí)服務(wù)窗口，提高問題解答的效率;第二，推廣主動(dòng)服務(wù)，借助信息化手段，搜集學(xué)生反饋，分析學(xué)生行為數(shù)據(jù)，通過數(shù)據(jù)驅(qū)動(dòng)實(shí)現(xiàn)精準(zhǔn)決策、主動(dòng)施策;第三，加強(qiáng)信息公開，如學(xué)生普遍對(duì)餐費(fèi)、水費(fèi)、電費(fèi)等的定價(jià)和收繳環(huán)節(jié)存在質(zhì)疑，學(xué)校應(yīng)向?qū)W生公開相應(yīng)的定價(jià)機(jī)制和依據(jù)，對(duì)不合理的地方應(yīng)及時(shí)改進(jìn)，避免因信息不對(duì)稱性造成的誤解。服務(wù)質(zhì)量上：加強(qiáng)服務(wù)供給側(cè)改革，以用戶需求為導(dǎo)向，改善生活設(shè)施，優(yōu)化學(xué)習(xí)環(huán)境，提高供給質(zhì)量，解決學(xué)生學(xué)習(xí)、生活上的后顧之憂。

參考文獻(xiàn)：

[1]昌敬惠，袁愈新，王冬.新型冠狀病毒肺炎疫情下大學(xué)生心理健康狀況及影響因素分析[J]. 南方醫(yī)科大學(xué)學(xué)報(bào)，2020， 40（2）：171-176.

[2]陳功，徐濟(jì)達(dá)，盧佳.新冠肺炎疫情期間醫(yī)學(xué)生返校后焦慮情緒及影響因素[J].中國(guó)學(xué)校衛(wèi)生，2020，41（12）：1851-1855.

[3]江瑞辰，李安民.新冠肺炎疫情期間安徽大學(xué)生心理健康狀況及其影響因素[J].環(huán)境與職業(yè)醫(yī)學(xué)，2020，37（9）：867-871.

[4]尉永清，楊玉珍，朱振方，等.自媒體環(huán)境下突發(fā)事件網(wǎng)絡(luò)輿情應(yīng)急策略研究[J].西藏大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015，30（1）：191-197.

[5]徐勇，武雅利，李東勤，等.用戶生成內(nèi)容研究進(jìn)展綜述[J].現(xiàn)代情報(bào)，2018，38（11）：130-135.

[6]陶興，張向先，張莉曼，等.網(wǎng)絡(luò)學(xué)術(shù)社區(qū)跨平臺(tái)用戶生成內(nèi)容知識(shí)聚合研究[J].情報(bào)理論與實(shí)踐，2020，43（7）：151-156.

[7]劉婷艷，王晰巍，賈若男，等.視頻網(wǎng)站用戶生成內(nèi)容國(guó)內(nèi)外發(fā)展動(dòng)態(tài)及發(fā)展趨勢(shì)[J].情報(bào)科學(xué)，2020，38（10）：133-140.

[8]李曉英，唐冬琳.面向用戶生成內(nèi)容的創(chuàng)意思維知識(shí)服務(wù)研究[J].計(jì)算機(jī)工程與應(yīng)用，2021，57（4）：236-244.

[9]鄭姝雅，黃奇，張戈，等.面向用戶生成內(nèi)容的本體構(gòu)建方法[J].情報(bào)科學(xué)，2019，37（11）：43-47.

[10]丁文姚，韓毅.基于FOAF的UGC用戶信息組織研究情報(bào)理論與實(shí)踐[J].情報(bào)理論與實(shí)踐，2019（8）：124-130.

[11]DAVID M BLEI， ANDREW Y NG， MICHAEL I JORDAN. Latent dirichlet allocation[J]. Journal of Machine Learning Research， 2003（3）：993-1022.

[12]梁晨晨，李仁杰.綜合LDA與特征維度的麗江古城意象感知分析[J].地理科學(xué)進(jìn)展，2020，39（4）：614-626.

[13]李振鵬，黃帥.基于LDA主題模型的網(wǎng)絡(luò)輿情研究[J].系統(tǒng)科學(xué)與數(shù)學(xué)，2020，40（3）：434-447.

[14]田賢忠，姚明超，顧思義.基于BBS-LDA的論壇主題挖掘[J].浙江工業(yè)大學(xué)學(xué)報(bào)，2020，48（1）：55-62.

[15]王少鵬，彭巖，王潔.基于LDA的文本聚類在網(wǎng)絡(luò)輿情分析中的應(yīng)用研究[J].山東大學(xué)學(xué)報(bào)（理學(xué)版），2014，49（9）：129-134.

[16]HONG L， DAVISION B D. Empirical study of topic modeling in twitter[C]//Proceedings of the First Workshop on Social Media Analytics. New York：ACM. 2010：80-88.

作者簡(jiǎn)介：

秦新國(guó)，辦公室副主任，工程師，碩士，主要研究方向?yàn)橹腔刍逃?、自然語(yǔ)言處理，郵箱：270010@nau.edu.cn;

薛雅，機(jī)要科科長(zhǎng)，助理研究員，碩士，主要研究方向?yàn)榻逃芾?，郵箱：310068@nau.edu.cn。

Research on Recognition of University Students Opinions Based on LDA Model

under the Background of COVID-19

Xinguo QIN Ya XUE

（1.Nanjing Audit University，Information Office，Nanjing Jiangsu 211815;

2.Nanjing Audit University，General Administration Office，Nanjing Jiangsu 211815）

Abstract： This paper uses LDA model to recognize the university students opinions during the COVID-19 pandemic， and identifies 12 hot concerned topic. Then， some analyses and interpretations of them are given， so as to provide basis for the accurate decision of relevent departments. Finally， the paper offers some suggestions from the perspective of campus culture， campus environment and service quality， hoping to provide for other universities reference as to students management during the pandemic.

Keywords： COVID-19; Student opinions; Topic recognition; LDA Model

編輯：王天鵬? ?校對(duì)：王曉明