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.数据挖掘功能有哪些?一、数据挖掘功能 1. 数据分类 数据分类为数据挖掘中常见的功能之一,顾名思义即是将分析对象依不同的属性分类加以定义,建立不同的类组。数据挖掘中的分类是指针对未发生的结果进行预测分类,主要包括归纳和推论两步骤,其主要目的在于提高分类的准确度,建立分类规则,再评估准则的优劣。常用“判定树”算法。 2. 数据https://localsite.baidu.com/article-detail.html?articleId=20186193&ucid=n1DvP1c3nHf&categoryLv1=%E6%95%99%E8%82%B2%E5%9F%B9%E8%AE%AD&ch=54&srcid=10005
2.数据挖掘的主要方法和技术数据挖掘的主要方法和技术包括数据清洗、数据预处理、数据可视化、数据分析、数据模型构建、数据评估和优化等。这些方法和技术可以帮助我们更好地理解数据,发现关键信息,并提高数据挖掘的效果。 在本文中,我们将详细介绍数据挖掘的主要方法和技术,包括数据清洗、数据预处理、数据可视化、数据分析、数据模型构建、数据评估和https://blog.csdn.net/universsky2015/article/details/137334966
3.数据挖掘有什么作用与意义帆软数字化转型知识库数据挖掘的作用与意义在于能够帮助企业和组织:发现隐藏模式、提高决策质量、预测未来趋势、优化资源配置、提升客户满意度、推动创新。其中,发现隐藏模式尤为重要,因为数据挖掘能从海量数据中提取出有价值的信息和知识,这些信息可能是传统分析方法难以发现的。通过算法和技术手段,企业可以识别出一些潜在的、影响业务发展的关键https://www.fanruan.com/blog/article/575539/
4.一次完整的数据挖掘的过程sklearn的拆分方法 fromsklearn.model_selectionimporttrain_test_split train_set,test_set=train_test_split(housing,test_size=0.2,random_state=42) 分层采样 直接随机采样有什么弊端? ?当你的数据集足够大时,一般来说随机采样都是可行的.但是如果数据量不够大,那么随机采样则可能有样本严重偏斜的风险. https://www.jianshu.com/p/2e97f2bd75f8
5.数据挖掘论文2.EineSet是由SGI公司开发的,它也提供了多种数据挖掘方法,包括关联分析和分类以及高级统计和可视化工具。特色是它具有的强大的图形工具,包括规则可视化工具、树可视化工具、地图可视化工具和多维数据分散可视化工具,它们用于实现数据和数据挖掘结果的可视化。 3.Clementine是由ISL公司开发的,它为终端用户和开发者提供提供了https://www.unjs.com/lunwen/f/20220924130749_5650839.html
6.数据仓库和数据挖掘12篇(全文)(一) 数据挖掘的功能特征 (1) 自动预测趋势和行为:数据挖掘摒弃了以往的采用大量手工方式分析问题的路线, 能够自动的从大型的数据库中找到预测性信息。迅速而直接的根据数据本身, 得出结论。 (2) 关联分析:数据关联是数据库中一类存在的可被发现的重要知识。假若两个或多个变量的取值之间存在某种规律性, 就可以称https://www.99xueshu.com/w/ikeyy9nb2adc.html
7.数据挖掘有哪些功能导读随着大数据发展越来越好,数据挖掘成为了未来发展的一大趋势,数据挖掘和分析技术在各行业发挥着重要作用,小编为大家整理了数据挖掘的具体功能介绍,一起来看看吧。 数据挖掘有哪些功能: 数据挖掘通过预测未来趋势及行为,做出前摄的、基于知识的决策。数据挖掘的目标是从数据库中发现隐含的、有意义的知识,主要有以下五https://www.baijiao.org/school/zhengzhouxinyingdajiaoyu/news/14499.html
8.大数据挖掘方法有哪些?都有哪些方面的应用?数据挖掘使分析师可以更好地理解数据,而预测分析则使分析师可以根据可视化分析和数据挖掘的结果做出一些预测性判断。 方法4.semantic engine(语义引擎) 由于非结构化数据的多样性给数据分析带来了新挑战,因此需要一系列工具来解析,提取和分析数据。需要将语义引擎设计成从“文档”中智能地提取信息。 https://cloud.tencent.com/developer/article/1645776
9.数据挖掘)(功能选择MicrosoftLearnSQL Server数据挖掘提供多种方法来计算这些分数,任何模型中应用的确切方法取决于以下因素:在模型中使用的算法 属性的数据类型 可对模型设置的任何参数 功能选择应用于输入、可预测属性或列中的状态。 在用于功能选择的分数完整时,只有算法选择的属性和状态才会包含在模型生成过程中并可用于预测。 即使您选择的可预测https://msdn.microsoft.com/zh-cn/library/ms175382.aspx
10.单细胞分析的相关数据库教程数据挖掘功能 按数据集进行挖掘,可视化,可以选择自己感兴趣的数据集,物种等,获取基本信息 我们来看一个黑色素瘤的单细测序结果: 进行可视化查看分析结果,比如tSNE的聚类结果: marker基因的表达热图: 还可以看实验设计的基本信息: 关于单细胞测序的一些分析方法,作为补充信息: 还可以自己去下载这些数据进行分析,挖掘:分http://m.yunbios.net/Database-on-single-cell-analysis.html
11.11.2.空间决策支持系统—GIS原理在线教程所谓“维”,就是观察问题的角度,决策分析需要从不同角度观察分析数据, 即SDSS 能为决策者提供多侧面、全方位的信息。 数据挖掘功能则帮助决策者一步步深入地进行数据分析,从而找出事物的内在规律,为决策服务。 近年来,快速发展的OLAP技术和基于数据仓库的数据挖掘技术对实现这一功能奠定了基础。 https://www.osgeo.cn/gis-tutorial/system-support.html
12.电子病历系统应用水平分级评价管理办法(试行)及评价标准(试行1.评价项目:根据《电子病历系统功能规范(试行)》、《电子病历应用管理规范(试行)》等规范性文件,确定了医疗工作流程中的10个角色,39个评价项目(附后)。 2.局部应用情况评价方法:就39个评价项目分别对电子病历系统功能、有效应用、数据质量三个方面进行评分,将三个得分相乘,得到此评价项目的综合评分。即:单个项目综http://www.xbyygl.com/nd.jsp?id=354