上海交通大学媒体与传播学院

“思源湖畔”栏目为《上海交通大学学报哲学社会科学版》特色栏目,致力于刊载问题导向、交叉融合的前沿成果,展现中国学者跨学科研究的新思想、新观点和新方法。本期“思源湖畔”主题为:“国家形象”。

作者简介|PROFILE

葛岩:上海交通大学媒体与传播学院、心理与行为科学研究院特聘教授。

本文亮点

什么是形象?研究形象的价值是什么?有没有可靠的方法能够测量人们对其他国家形象的认知?如果群体之间彼此的偏见难以避免,他群看我群,我群看他群,都难逃偏见,有没有什么方法能够抑制偏见,防止国家形象研究落入群体间偏见的陷阱?本文《基于图式理论的国家形象测量》针对这些问题,本文借助认知心理学中的图式构念,提出基于图式的形象理论,并以该理论为依据,提供了一组国家形象调查、数据挖掘的研究样例。本文的目的是通过形象研究避免国家间认知偏见影响实际行动乃至动摇世界的稳定与安宁。

摘要:围绕什么是形象、怎样用调查和数据挖掘方法测量国家形象问题,本文提出了基于图式的形象理论,分析了形象的结构、功能和测量方法。依据该理论,形象图式内容的稳定性、内容间的结构联系和结构性激活的可能性,是形象测量的基本着眼点。在该理论框架下,本文还通过样例分析了调查和数据挖掘方法在形象测量中的应用,讨论了二者的优缺点。

关键词:形象;国家形象;国家形象调查;形象挖掘;对外宣传

【内容简介】

一、讨论范围

二、基于图式的形象理论

无论中外,形象定义多显得宽泛、含糊,所指差别很大。例如,形象和看法常被不加辨析地使用。某国报纸报道中国的负面新闻,这是报道我国的负面形象,还是对我国的负面看法?如果二者是一回事,为什么要区别形象和看法?如果二者不同,它们又是怎样的关系?为明确定义形象,笔者提出基于图式的形象理论(SchemabasedImageTheory,简称SIT)。

(一)从图式到形象

八十多年前,巴特列特(F.Bartlett)发现,遇到同类事物信息,记忆里稳定储存,用来表征该类事物的概念会进入意识,为处理外部信息提供模板或图式(schema)。社会心理学家菲斯克(S.Fiske)和林维尔(P.Linville)认为:“图式是指(记忆中)与一个给定概念有关,且联接丰富的信息网络。”在结构、功能和激活方式等方面,图式、形象、刻板印象、行为脚本(behavioralscript)高度相似,但因使用语境不同,它们的所指有所区别,衍生出不同的评价性意涵。

(二)图式的结构

早期研究者把图式设想为一种插槽结构(slotstructure),其中包含最易联想的事物特征及默认值。奎廉(M.Quillian)等人的语义记忆模型(SemanticMemoryModel,SMM)假设,源于经验的概念或知识在人脑中分类,以网络形式相对稳定地储存在记忆里。网络中的每个概念是一个节点。属于同类事物的概念节点连接更为紧密,彼此激活的概率也更大。这种机制被称作扩散激活(spreadingactivation)。从这个网络到那个网络,激活关系复杂交错,不同网络会出现嵌套关系。

(三)图式的功能

图式的根本功能是高效处理环境信息。事物只需显露一两个特征,其他节点便可能结构性激活(structuredactivation),无须细致耗时的分析。不过,经验产生于具体境遇,储存入图式后,经验被抽象化、类别化,可能带来误判。

(四)图式的测量

研究者开发出若干实验方法来测量图式内容。以刻板印象为例,如强迫选择法(Forcedchoice)、随意选择法(Pickany)、两极里克特量表测量法(BipolarLikertTypeTest)、反应时测量(ReactionTime,RT)等。另一种重要方法使用分类框架判断群体/国家的形象类别。国际政治学者伯丁(K.Boulding)最早建议用友善/能力两维度构造国家形象类别框架。经许多研究者后续工作,友善/能力已经成为群体间形象的普适测量框架。

(五)形象与看法

(六)SIT的五点主张

1.形象图式是记忆中相对稳定储存的,表征对事物特征认知和情感评价的结构或网络。

2.形象图式的功能是组织和阐释外部信息,通过网络节点的结构性激活机制来提高认知效率,但同时也可能带来对事物的歪曲或误判。

3.在处理认知任务时,若干图式可能同时工作,彼此产生嵌套和竞争。

5.形象图式储存在记忆里,测量形象图式本质上是记忆内容测量。

三、调查:从记忆中测量形象

控制实验是测量形象图式的合适方法,但成本高,常有效度问题。问卷调查更为常见。

(一)国家、地区和城市形象调查的典型程序

(二)商业类调查样例

使用拉拉(V.Lala)、奥尔瑞德(A.Allred)和查克拉波迪(G.Chakraborty)的《多维度国家形象量表》,说明商业类调查在国家形象研究中的应用。

三位学者试图开发一份国家形象量表,目的是理解国家形象对产品销售的影响。他们采用四个步骤:

1.阅读文献,梳理出有经验证据支持、能够测量国家形象图式内容的问项,并添加研究者认为的重要问项,提出初步问项清单。

3.综合上述结果,确定问卷问项。

4.使用一组地理、文化、政治和经济制度差别明显的国家为调查目标,在适当样本群体中实施调查。

(三)国际关系类调查样例

以皮尤研究中心的2020的报告《美国人视疫情扩散为最严重的国际威胁》(下文简称《重大威胁》)为例,扼要说明非商业调查对形象图式研究的价值和局限。

《重大威胁》旨在了解美国人对重大国际威胁的看法。问项设计简单直接,仅要求样本报告对一组选项的看法(主要威胁、小型威胁、不是威胁)。调查发现,62%的样本把中国实力增长看作重大威胁。这些看法是否稳定存在,与哪些其他看法有结构连接,能否结构性激活均不在调查者考虑范围之内。不过,《重大威胁》同时回顾连续年度调查的结果,显示出十年间美国公众稳定地把中国实力增长视为重大威胁,中国威胁已然是美式中国形象图式中的稳定内容。

四、数据挖掘:从媒介中测量形象

媒介内容是意识活动的结果,二者存在某种映射关系。围绕研究问题,确定分析指标,量化处理媒介文本,可能较好揭示出文本中映射的意识活动,包括形象图式。这种映射理论有助于理解传统内容分析和近年兴起的数据挖掘在形象研究中的应用。本节笔者的一个国家形象挖掘项目,在SIT框架下讨论数据挖掘的应用价值和局限。

(一)国家形象挖掘步骤

第一步,我们从数据库中抽取十五年中国报道总体(19230篇,遗漏率<1%)。依据配额随机抽样方法,得到4000份样本,通过人工编码制作机器学习材料,训练多种分类器,最终用多项式贝叶斯分类器实现报道主题分类(准确率=0.927),划出政治与外交、经济、文化娱乐、卫生与食品安全、教育与科技五类报道。采用同样程序完成印度报道总体(11016篇)抽样和分类。

第二步,假设词汇在某类主题报道文本中的出现频度近似表征该类主题形象图式中稳定存在的内容,用TFIDF得到报道中全部词汇的向量矩阵,把TFIDF值高的词汇视为形象图式网络中具有高稳定性的关键词。

比较中印经济报道,取出有国别排他性的独特词汇,计算它们和关键词的共现频率。达到共现阈值的独特词,无论TFIDF权重高低,都被视为形象网络节点。这样,网络囊括权重高、在图式中稳定存在的关键词,也吸收了与关键词反复共现,与关键词节点结构联系密切的国别独特词,依次构造出两国形象图式。

第四步,采用社区探测算法,依据节点连接的数量关系得到形象图式维度,如中国经济形象8个维度,政治外交形象42个维度,印度经济形象18个维度,政治外交形象27个维度。

第五步,从多个情感分析器中,选择效果较好的VADER,把关键词放回其出现的语句中,计算情感值,得出形象图式不同维度和整体的情感值。

(二)国家形象图式的几种分析方法

国家形象图式提供了多种分析的可能性,本文介绍三个样例。

1.关键词权重/排序分析

2.关键词出现篇数在总篇数中占比分析

追踪特殊关键词出现篇数占报道总篇数比例,可以推知它们突出程度的变化趋势。以humanrights为例比较中国政治外交报道和经济报道,发现在中国经济和政治外交形象中,《纽约时报》把人权问题当作两个相对独立的领域处理,在政治外交形象中更易于激活,更为敏感。

3.自主网络分析

社会网络分析允许以网络中的特定节点为中心建立自主网络,观察特定节点和其他节点的关系,比较节点在不同形象图式中的位置。以较中印政治外交形象图式中的humanrights网络为例,发现在中国政治外交报道中,人权问题和新闻故事有广泛的联系,人权在中国形象中更容易被结构性激活。

五、结语

原文《基于图式理论的国家形象测量》刊于《上海交通大学学报(哲学社会科学版)》2022年第3期(第22-40页),若下载原文请点击左下方阅读原文,或搜索下方网址:

THE END
1.数据挖掘的10大算法一个优秀的数据分析师,除了要掌握基本的统计学、数据库、数据分析方法、思维、数据分析工具技能之外,还需要掌握一些数据挖掘的思想,帮助我们挖掘出有价值的数据,这也是数据分析专家和一般数据分析师的差距之一。 数据挖掘主要分为分类算法,聚类算法和关联规则三大类,这三类基本上涵盖了目前商业市场对算法的所有需求。而这https://zhuanlan.zhihu.com/p/588365510
2.数据挖掘的四种基本方法数据挖掘的四种基本方法是:统计分析方法、决策树方法、模糊集方法、人工神经网络方法。数据挖掘的四种基本方法是:统计分析方法、决策树方法、模https://localsite.baidu.com/site/wjzsorv8/8cd47d9a-7797-42f3-9306-b902ded71161?qaId=1358742&categoryLv1=%E6%95%99%E8%82%B2%E5%9F%B9%E8%AE%AD&efs=1&ch=54&srcid=10014&source=natural&category=IT%E5%9F%B9%E8%AE%AD&eduFrom=136&botSourceType=46
3.数据挖掘的四种基本方法数据挖掘的四种基本方法 东奥美国注册管理会计师 2024-12-06 14:51:12 遗传算法 遗传算法是一种依据微生物自然选择学说与基因遗传原理的恣意优化算法,是一种仿生技能全局性提升办法。遗传算法具有的暗含并行性、便于和其他实体模型交融等特性促使它在数据发掘中被多方面运用。https://www.dongao.com/cma/zy/202406204447292.html
4.数据挖掘七种常用的方法汇总数据挖掘基本方法数据挖掘七种常用的方法汇总 数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。这个定义包括几层含义:数据源必须是真实的、大量的、含噪声的;发现的是用户感兴趣的知识;发现的知识要可接受、可理解https://blog.csdn.net/api_ok/article/details/132065941
5.常见的数据挖掘方法有()中级经济师考试题库常见的数据挖掘方法有()。 多选题常见的数据挖掘方法有()。 A 、结构化学习 B 、半监督学习 C 、监督学习 D 、无监督学习 E 、非结构化学习 扫码下载亿题库 精准题库快速提分 参考答案 【正确答案:B,C,D】 数据挖掘以解决实际问题为出发点,融合了多学科领域的知识,核心任务是对数据关系和特征进行探索。https://www.bkw.cn/tiku/Zdjbo.html
6.数据挖掘的方法有哪几种?在人们的印象中,生物燃料是一种可再生的绿色能源,而最新公布的研究成果颠覆了人们的这一传统印象。研究人员发现,生物燃料可能因其未完全燃烧而转化为乙醛,进而污染空气,这种污染会导致m国每年有1400人早亡。因此,有m国医疗机构人员认为现阶段应该暂缓推广生物燃料,限制其使用。以下哪项如果为真,会对医疗机构https://www.shuashuati.com/ti/cf5250e8ba054909b9b5f9151f952e1c.html?fm=bd97ada5167be50b54032934fb658ab058
7.数据挖掘的常用方法都有哪些?在数据分析中,数据挖掘工作是一个十分重要的工作,可以说,数据挖掘工作占据数据分析工作的时间将近一半,由此可见数据挖掘的重要性,要想做好数据挖掘工作需要掌握一些方法,那么数据挖掘的常用方法都有哪些呢?下面就由小编为大家解答一下这个问题。 首先给大家说一下神经网络方法。神经网络是模拟人类的形象直觉思维,在生物http://api.cda.cn/view/26507.html
8.数据挖掘有哪些方法网易数帆为您提供数据挖掘有哪些方法相关产品介绍、帮助文档,与数据挖掘有哪些方法感兴趣的用户在网易数帆社区进行知识和技术交流互动。网易数帆 - 领先的数字化转型技术与服务提供商!https://sf.163.com/search/5pWw5o2u5oyW5o6Y5pyJ5ZOq5Lqb5pa55rOV
9.数据挖掘的方法有哪些?经管文库(原现金交易版docx 203.39 KB0个论坛币 GDP和人均GDP平减说明.xls 27 KB0个论坛币 关键词:数据挖掘 https://bbs.pinggu.org/thread-13313172-1-1.html
10.数据挖掘与分析的六种经典方法论SEMMA是抽样(Sample)、探索(Explore)、修订(Modify)、建模(Model)和评估(Assess)的英文首字母缩写,它是由SAS研究院开发的一款非常著名的数据挖掘与分析方法。SEMMA的基本思想是从样本数据开始,通过统计分析与可视化技术,发现并转换最有价值的预测变量,根据变量进行构建模型,并检验模型的可用性和准确性。 https://www.niaogebiji.com/article-30475-1.html
11.数据挖掘论文在进行现代档案信息处理时,传统的档案管理方法已经不能满足其管理的要求,数据挖掘技术在这方面确有着显著的优势。首先,档案是较为重要的信息记录,甚至有些档案的重要性大到无价,因此对于此类的珍贵档案,相关的档案管理人员也是希望档案本身及其价值一直保持下去。不过越是珍贵的档案,其使用率自然也就越高,所以其安全https://www.unjs.com/lunwen/f/20220924130749_5650839.html
12.数据挖掘及其在金融中的应用主要是采用人工智能相关方法作出预测,它能够实现统计回归预测和统计时间序列预测的功能,并且假设条件要比统计预测要宽松得多,甚至有些没有什么假设条件,精度上也与他们相当甚至比它们要好。 数据挖掘的类型,可能还不止这些,以上仅是一般的界定,正因为我们对数据挖掘的类型作出了界定,不同的类型也有对应的挖掘模型与算法https://www.jianshu.com/p/474504df2bdd
13.数据挖掘VS机器学习,你了解多少?如今,获取数据比以往任何时候都更容易,但从数据中生成见解和信息正变得更具挑战性。企业经常发现自己处于一种情况,他们拥有的数据远远超过他们所知道的数据,这可能会适得其反,导致无所作为。 数据挖掘和机器学习是企业将这些庞大的数据库转化为有用信息的两种主要方法。 https://www.fromgeek.com/telecom/509859.html
14.两种重要的知识管理技术:数据挖掘和知识发现知识管理数据挖掘可以用到的技术有决策树法:神经网络法、遗传算法、统计分析方法、粗集方法、可视化方法。 3.1 决策树法 决策树法就是以信息论中的互信息(信息增益)原理为基础寻找数据库中具有最大信息量的字段建立决策树的一个结点,再根据不同取值建立树的分支;在每个分支子集中重复建立下层结点和分支,这样便生成一棵决策https://articles.e-works.net.cn/km/article71041.htm
15.科学网—时空视频数据挖掘:让罪犯无所遁迹时空数据挖掘的方法丰富多彩,主要有数学统计方法、归纳方法、聚类方法、Rough集方法和云理论。以上方法不是孤立应用的,为了发现某类知识常常要综合应用这些方法。知识发现方法还要与常规的数据库技术充分结合,如在时空数据库中挖掘空间演变规则时,首先可利用空间数据库的叠置分析等方法提取出变化了的数据,再综合统计方法和https://blog.sciencenet.cn/blog-528739-858610.html
16.测试和验证(数据挖掘)MicrosoftLearn所有这些方法在数据挖掘方法中都非常有用,在创建、测试和优化模型来解决特定问题时可以反复使用这些方法。 没有一个全面的规则可以说明什么时候模型已足够好,或者什么时候具有足够的数据。 验证数据挖掘模型的条件的定义 数据挖掘的度量通常分为以下三类:准确性、可靠性和有用性。 https://docs.microsoft.com/zh-cn/sql/analysis-services/data-mining/testing-and-validation-data-mining
17.数据处理方法有哪些,掌握这些技巧让你轻松应对数据分析问题1.预处理方法:这种方法主要是在数据采集之后进行的,目的是减少数据所包含的噪声成分和冗余信息,提高结果的准确性。预处理方法一般包括数据清洗、数据采样、数据变换等。 2.数据挖掘方法:数据挖掘是从大量数据中发现隐藏在其中的有价值的信息的过程。数据挖掘方法包括分类、聚类、关联规则挖掘、异常检测等。 https://www.jiandaoyun.com/fe/sjclffynxz/
18.数据挖掘频繁项集挖掘方法中AprioriFPApriori算法是Agrawal和Srikant于1994年提出,是布尔关联规则挖掘频繁项集的原创性算法,通过限制候选产生发现频繁项集。Apriori算法使用一种称为逐层搜索的迭代方法,其中k项集用于探索(k+1)项集。具体过程描述如下:首先扫描数据库,累计每个项的计数,并收集满足最小支持度的项找出频繁1项集记为L1。然后使用L1找出频繁https://developer.aliyun.com/article/1400152
19.数据挖掘技术主要包括哪些?数据挖掘的技术,可分为:统计方法、机器学习方法、神经网络方法和数据库方法。统计方法,可细分为:回归https://m.imooc.com/wenda/detail/508957
20.摩托车半热熔胎使用时需要注意哪些事项?适用于高速行驶的场合在高速行驶时,半热熔轮胎的温度也会随之升高,对轮胎的性能产生影响,研究结果可以为半热熔轮胎的设计和制造提供重要参考,有助于提高摩托车的操控性能和行驶安全。 基于数据挖掘方法,对摩托车半热熔胎市场消费者的偏好进行了分析,通过网络爬虫技术收集了大量摩托车半热熔胎相关的数据,并进行了数据清洗和预处理。 https://www.dongchedi.com/article/7233349793031045647
21.大数据挖掘怎样赋能医保基金监管?大余县信息公开因个别医师的医保违规行为惩罚整个医疗机构不尽合理,加之临床病种种类繁杂,使得医保监管难度增大,建立医保医师制度是医保监管的发展趋势。将医保监管从医疗机构延伸至医师个人,诊疗行为与医保支付挂钩并强化监管,有利于实现医保基金的合理使用。 信息公开 2.医保医师画像模型应用数据挖掘新技术的方法http://www.jxdy.gov.cn/dyxxxgk/c102150/202312/9a3187a40f5f49d7b24626c3bf7999d0.shtml
22.数据挖掘(3.1)频繁项集挖掘方法关联规则挖掘是数据挖掘领域中研究最为广泛的也最为活跃的方法之一 关联规则反应了一个事物和其他事物之间的相互依存性和关联性 如果存在一定的关联关系,其中一个事物就可以通过其他事物预测到 最小支持度:就是说当支持度达到一定的阈值后,某种数据才有被挖掘的潜力这个阈值就是最小支持度计数(min_sup)。 https://open.alipay.com/portal/forum/post/128201013