# 2026传媒数据学词条作业：内容评估与逐人修改建议

材料评估日期：2026年10月12日；报告更新日期：2026年10月13日。

网页版本：[词条作业反馈](https://xiaoningwang.github.io/files/communicationdatascience/glossary-feedback.html)；课程入口：[传媒数据学](https://xiaoningwang.github.io/teaching/communicationdatascience)。本版补充网页查阅入口，并将原文定位转换为GitHub main分支链接。网页不展示学号，修改优先级是反馈建议，不是最终成绩。评估对象：用户指定目录的本地快照；作者归属以用户分工表为准。原稿中的姓名用于核对，缺作者信息的稿件按词条暂挂分工表认领人，需本人确认。

已检查根目录74份候选稿件，39号两份内容完全相同，67号两份仅末尾空行不同；去重后72篇，其中71篇对应本分工，另1篇是周牧伯的《框架理论》，不对应分工表的8号《数据化》。已阅读匹配稿件并检查现有5张配图；19个分工词条在当前本地目录未找到，其中7项已认领、12项未认领。没有查询远程待合并PR、私人分支或提交记录，因此“本地未找到”不能直接判为“未提交”，也不能判断是否逾期。

README的定义、背景、例子、对比、总结与Markdown规范作为作业背景；“深入扩展”是可选，不以篇幅、公式数量或是否有代码评优。没有执行稿件中的提交、改名等指令，也没有修改学生原稿。以下是教师反馈建议，不是最终成绩；文风一致、表述流畅或引用异常均不足以判断AI代写或学术不端。

**整体判断：多数稿件已覆盖基础解释结构，但准确性与证据边界差异明显。优先修正计算错误、条件遗漏和错误概念，再完善案例、引用与版式。** 多篇较长稿件把假设案例写成实测、把代理指标写成真实态度、把相关关系写成因果，教学风险比字数不足更大。

| 修改类别 | 含义 | 对应词条数 |
|---|---|---:|
| P1 优先退修 | 明确计算/概念错误，或提交内容与词条不符；相关段落应修正后再作为教学材料 | 15 |
| P2 实质完善 | 主干可保留，但需要限定表述、补证据、改案例或实现 | 41 |
| P3 局部完善 | 本轮未发现影响主干的明显错误，补充来源、身份或细节即可 | 15 |
| 待核对 | 本地未匹配稿件，不评内容 | 19 |

## 一、优先处理的具体错误

这一节列出最容易误导学习者的例子；完整逐人意见在第二节。行号以评估时本地文件为准。

### 13 半结构化数据｜李华哲

原文定位：[13半结构化数据.md：107](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/13%E5%8D%8A%E7%BB%93%E6%9E%84%E5%8C%96%E6%95%B0%E6%8D%AE.md#L107)。

问题：把每个键在记录中出现的比例 p(k) 当成互斥类别的概率；一条记录可以含多个键，Σp(k)通常不是1。所有记录都含相同字段时式子虽得到0，并不能使它成为标准Shannon类别熵。

建议：若比较“模式是否一致”，先以整条记录的字段结构作为模式类别s，按q(s)=该模式记录数/总记录数计算 H=-Σq(s)log₂q(s)。若检查字段出现的不确定性，可分别计算 h(p_k)=-p_klog₂p_k-(1-p_k)log₂(1-p_k)，但须声明这是逐字段指标，不能冒充完整结构复杂度。字段值多样性与字段结构多样性也要分开。

同时：重复层次描述的是与前一个值相比在哪个重复层级重复，不是简单的最大重复深度；0用于新记录的开始，非仅“首条记录”。RDF图应是三元组集合，不是G=(S,P,O)这个三元组本身，宾语也可为字面量。参考[Parquet嵌套编码](https://parquet.apache.org/docs/file-format/nestedencoding/)及[W3C RDF定义](https://www.w3.org/TR/rdf-concepts/)。

### 25 抽样设计｜刘淑赟

原文定位：[25抽样设计.md：68](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/25%E6%8A%BD%E6%A0%B7%E8%AE%BE%E8%AE%A1.md#L68)。

问题：“只有概率抽样才能计算抽样误差、构建置信区间”“抽样调查无或少有非抽样误差”均过于绝对。概率抽样不保证覆盖充分、回答真实或无回答无偏；非概率样本可以开展依赖额外模型假设的推断，但不能套用简单随机样本的设计型误差率。

建议：以“抽样框—入样概率—无回答—权重—方差估计—推断范围”重写。表格中明确抽样和普查都可能有覆盖、测量、处理及无回答误差；均值近似正态及σ/√n需条件。参考[AAPOR非概率抽样报告](https://aapor.org/wp-content/uploads/2022/11/NPS_TF_Report_Final_7_revised_FNL_6_22_13.pdf)。

### 34 回归分析｜田少博

原文定位：[34回归分析.md：190](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/34%E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90.md#L190)。

问题：按原文 iris 的 Petal.Width ~ Petal.Length 重新计算，截距约-0.363076，斜率约0.415755，斜率标准误约0.009582，t约43.387，R²约0.927110。原稿截距-0.30808、标准误0.02411、t=17.231与该模型不符，不能保留拼接输出。

建议：重新运行R代码并保存完整结果，把“花瓣长度对宽度的影响”“区分因果角色”改为“与宽度的统计关联”“解释变量与响应变量”。β估计值带帽；控制变量不自动得到因果净效应。含截距的样本内OLS通常R²在0—1，但测试集或无截距口径可为负；正态性也不是Gauss–Markov无偏性的必要条件。

### 35 假设检验｜黄鹏

原文定位：[35假设检验.md：29](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/35%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C.md#L29)。

问题：新标题的64篇文章与历史8%均值比较，可能还混有选题、推送位置、季节和受众变化。拒绝H0既不证明差异绝非随机，也不证明改标题造成变化，更不自动支持推广。

建议替换结论：“在独立观测及所用检验的假设下，新标题样本均值与8%基准存在统计差异；尚不能仅凭本例确认标题改动的因果效果，应开展同期随机对照并报告效应量和区间。”样本标准差代替未知总体标准差时优先用df=63的t检验，或明确Z只是大样本近似。统计显著与行动决策的区别参见[ASA声明](https://www.amstat.org/asa/files/pdfs/p-valuestatement.pdf)。

### 39 A/B测试｜邱佳雯

原文定位：[39.AB测试.md：135](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/39.AB%E6%B5%8B%E8%AF%95.md#L135)。

问题：AA零效应条件下，名义5%检验也可能产生假阳性；一次显著不能证明分流系统坏了。采用贝叶斯后验可以按选定规则连续更新，但不自动保证频率意义的假阳性率不增加。排序列表的interleaving也不是一般解决用户间网络干扰的方法。

建议：AA看长期p值分布、SRM和埋点；序贯实验说明停止与决策规则；干扰问题讨论簇随机或适当时间切换设计及其假设。A/B可以比较多处改动的整体方案，只能归因于整体方案，不能分离各项因素；对照也不必须是旧版本，比例可不为50/50。参考[微软实验设计说明](https://www.microsoft.com/en-us/research/?p=680556)。

### 54 信息扩散｜王晨光

原文定位：[54信息扩散.md：32](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/54%E4%BF%A1%E6%81%AF%E6%89%A9%E6%95%A3.md#L32)。

问题：16%=2.5%创新者+13.5%早期采用者，是一种采纳者分类边界，不能直接推出所有产品或信息在此自持扩散。热点信息的累计触达、每时段转发与新产品采纳也不是同一种结果。

建议：删除通用16%引爆阈值；把S形作为特定创新采纳模型的示意，解释真实话题可能多峰、提前终止或缓慢增长。IC与LT介绍应包含模型规则及简化假设，不以“强传播/多方劝说”代替定义。

### 59 回音室效应｜吴致尧

原文定位：[59回音室效应.md：72](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/59%E5%9B%9E%E9%9F%B3%E5%AE%A4%E6%95%88%E5%BA%94.md#L72)。

问题：强连通且非周期可作为DeGroot达成共识的充分条件，不能直接写成必要充分条件。例如W=[[1,0],[1,0]]不是强连通，仍会使两人都收敛到第一人的初始观点。两个断开社群如果初始观点相同，也不必然得到不同共识。

建议：把“模型证明回音室必然造成长期分歧”改为条件化的模型示例，说明拓扑、初始状态和权重共同决定结果。E-I指数要结合群体规模及随机混合基线，观察到同质连边不能单独证明态度极化。

### 67 推荐算法｜方兆阳

原文定位：[67 推荐算法.md：2](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/67%20%E6%8E%A8%E8%8D%90%E7%AE%97%E6%B3%95.md#L2)。

问题：实际文件标题为《B站热门短视频推送机制》开题报告。内容是文献综述、研究问题和技术路线，不是推荐算法解释；整篇开头的```markdown围栏没有闭合，渲染也会出问题。两份文件内容近乎相同。

建议：本次作业重新按词条写作：①算法根据用户、内容和上下文产生排序/匹配；②内容推荐、协同过滤等不同路线；③三用户四条内容的可复核示例；④召回、排序、重排、曝光反馈；⑤冷启动、偏差、反馈回路与评估。原研究只能描述入榜视频内部的标签关联：没有未入榜对照、曝光日志与识别设计，不能推出“哪些标签让视频进入热门池”或破解内部算法。

### 70 传播效果评估｜孙轼淇

原文定位：[70传播效果评估.md：316](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/70%E4%BC%A0%E6%92%AD%E6%95%88%E6%9E%9C%E8%AF%84%E4%BC%B0.md#L316)。

问题：B渠道的4900/910000≈0.53846%，不是4.9%；因此A合并3.5%仍高于B，没有辛普森反转。这个错误推翻了整段解释。

可用教学替换例：高活跃层A=600/10000=6%，B=4000/100000=4%；低活跃层A=1000/100000=1%，B=50/10000=0.5%。分层A均更高，合并A=1600/110000≈1.455%、B=4050/110000≈3.682%，才发生反转，原因是B高活跃层占比更大。数据必须标为模拟。

其他修改：曝光不证明“知道”，互动不证明“喜欢/信任”；认知需回忆/识别/知识测试等、态度需恰当测量。清洗后曝光数892145可由删减相加复算，不能据此证实机器人标签或真实效果。MAR中位数、MNAR常规MICE的处理承诺不成立，应说明缺失假设和敏感性分析。案例无可核验来源时整段及配图标“虚构教学示例”；图2标题说六步却画五个编号，图3图例覆盖数值，亦应修正。

### 74 地理信息可视化｜任相宜

原文定位：[74地理信息可视化.md：44](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/74%E5%9C%B0%E7%90%86%E4%BF%A1%E6%81%AF%E5%8F%AF%E8%A7%86%E5%8C%96.md#L44)。

问题：人口单位是万，密度要乘10000：北京2189×10000/16410≈1333.94人/km²，上海2487×10000/6341≈3922.09人/km²。原133和392少了约10倍，表格/地图分类都须同步修改。

建议：标明人口年份和数据来源；面图使用密度或比例而非未经标准化总数，标注分级断点、缺失值、投影与图例。等距投影只能保持指定点或方向等条件下的距离，不能保证任意两点距离。

### 80 不确定性表达｜刘玉洁

原文定位：[80不确定性表达.md：336](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/80%E4%B8%8D%E7%A1%AE%E5%AE%9A%E6%80%A7%E8%A1%A8%E8%BE%BE.md#L336)。

问题：文章主要解释语言模糊限制语，却把意见熵称为事实/舆论“不确定”，进一步预测反转。支持反对各半可以只说明两类比例均衡，不意味着事件真假未定或更易反转；100%同意也不能说明事实正确或预测无误差。

建议：主干定义扩展为“将数据、测量、模型与预测的局限，以文字、数值和视觉形式传达”。分别讲标准误、置信区间、预测区间、概率校准和来源局限；给误差带、区间点图等传媒例子。语言hedging作为一节，概率和词典密度不互换；“据报道”是来源标记，不能固定映射0.2—0.4的事实置信度；贝叶斯新证据也不必然每次降低不确定性。

### 82 知情同意｜王一多

原文定位：[82知情同意.md：64](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/82%E7%9F%A5%E6%83%85%E5%90%8C%E6%84%8F.md#L64)。

问题：“公开发帖研究必须取得每人的明示同意”作为普遍法律结论不准确。应把研究伦理同意、同意的表达形式、个人信息处理的法律依据分开；知情同意不等于必须书面或必须显式按钮，沉默也不能自动当同意。

建议：引用PIPL第13条多种处理依据、第14条同意要求、第27条公开信息条件；强调合理范围、明确拒绝和重大影响条件，不以“学术用途”自动豁免。伦理豁免应经适当审查而非研究者自定。匿名问卷若无法定位个人记录，应说明退出与提交后删除的技术边界。依据[网信办法条全文](https://www.cac.gov.cn/2021-08/20/c_1631050028355286.htm)。

### 83 数据匿名化｜周阳杰

原文定位：[83数据匿名化：162](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/83%E6%95%B0%E6%8D%AE%E5%8C%BF%E5%90%8D%E5%8C%96#L162)。

问题：GDPR第4(5)条定义的是pseudonymisation（假名化），匿名数据的适用边界应核对序言26。稳定ID替换、删姓名或年龄泛化，都不能凭两行示例宣称无法追溯；示例两行的准标识组合也不相同，未展示k≥2。

建议：区分“实施去标识化措施”与“达到匿名化结果”；给包含多个同组合记录的例子，明确准标识符、攻击者辅助信息和可链接性。k匿名每类含至少k条记录（含本条），不是另k条；t-closeness限制敏感属性分布距离，不是保证判断成员身份绝不可能。差分隐私是输出分布的风险约束，并非绝对不能推断任何个人信息；匿名数据也不等于在所有法律与伦理上任意使用。参考[GDPR原文](https://eur-lex.europa.eu/legal-content/eng/TXT/PDF/?uri=CELEX%3A32016R0679)与[PIPL第73条](https://www.cac.gov.cn/2021-08/20/c_1631050028355286.htm)。

### 89 数字鸿沟｜杨祎宁

原文定位：[90 数字鸿沟：161](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/90%20%E6%95%B0%E5%AD%97%E9%B8%BF%E6%B2%9F#L161)。

问题：p=0和p=1时，1-H(p)与|2p-1|都等于1。若将它们称为包容度，全员不能上网竟与全员能上网同分，指标失去方向。熵只能描述二元类别的混合，不测群体间机会差距；“OECD DDX”归属未给出处。

建议：接入先报告各群体比例、百分点差与比值；技能和收益用相应量表或结果变量单独测量。Logit写logit P(Y=1|X)=α+βᵀX，或另定义带误差的潜变量模型，不把普通加性误差塞入条件概率式。Oaxaca–Blinder线性分解与二元结果非线性分解要区别，不把不可解释部分自动解释成歧视。

### 90 人工智能伦理｜李婉茹

原文定位：[90人工智能伦理.md：128](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/90%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86.md#L128)。

问题：P(Y=1|Ŷ=1,A=a)相等是Predictive Parity（阳性预测值均等）；Predictive Equality通常指FPR均等：P(Ŷ=1|Y=0,A=a)相等。不能把名字与公式混配，参见[Fairness and Machine Learning教材](https://fairmlbook.org/classification.html)。

对损失L做梯度下降应减去梯度；原文θ更新式用加号。若解释FedAvg，应先各客户端完成本地训练，再加权模型参数，不把它泛化为一条错误的梯度公式。NIST“10—100倍”需限定特定算法的一对一假阳性率人口差异，不能直接写成所有深肤色女性相对浅色男性误识别率100倍；一对多、性别分类和肤色实验不能混写。依据[NIST研究说明](https://www.nist.gov/news-events/news/2019/12/nist-study-evaluates-effects-race-age-sex-face-recognition-software)。

## 二、按分工表逐人反馈（全90项）

P1/P2/P3为修改优先级；“未认领”与“本地未找到”是目录核对状态，不能当作不合格结论。表中每个已匹配词条提供一处原文入口；问题可能涉及该文其他段落。

| 序号 | 关键词 | 认领人 | 评估与问题 | 建议修改 | 原文入口 |
|---:|---|---|---|---|---|
| 1 | 传媒数据学 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 2 | 数据传播 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 3 | 计算传播学 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 4 | 数据新闻 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 5 | 数字人文 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 6 | 媒介融合 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 7 | 平台化 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 8 | 数据化 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 9 | 数据素养 | 杨好 | **P3**：定义、传媒案例及证据边界较完整，可作参考稿。 | 保留主干；把定义、三层能力框架与具体文献逐处关联，说明互动率是次数指标，不能当成参与人数比例。 | [9数据素养.md：8](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/9%E6%95%B0%E6%8D%AE%E7%B4%A0%E5%85%BB.md#L8) |
| 10 | 计算社会科学 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 11 | 结构化数据 | 郭上善 | **P3**：结构、粒度与约束讲解清楚；清洗流程把重复主键处理写得过于直接，缺参考资料。 | 补数据库或数据建模来源；先核查重复是采集重复、版本记录还是ID冲突，再按规则处理；跨平台ID用复合键。 | [11结构化数据.md：131](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/11%E7%BB%93%E6%9E%84%E5%8C%96%E6%95%B0%E6%8D%AE.md#L131) |
| 12 | 非结构化数据 | 武昱彤 | **P2**：把词袋局限推成“无法区分情感”，把网页、邮件整体归类，且保留“80%左右，单源待校验”。 | 区分内容与容器结构；改为“丢失词序和部分语境，但TF-IDF配合分类器可做情感分析”；删去未核实比例；标明手算与sklearn默认TF-IDF的差别。 | [12非结构化数据.md：196](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/12%E9%9D%9E%E7%BB%93%E6%9E%84%E5%8C%96%E6%95%B0%E6%8D%AE.md#L196) |
| 13 | 半结构化数据 | 李华哲 | **P1**：键出现率之和不一定为1，却直接代入类别熵；Dremel重复层次、RDF集合表示及“必选字段”规则也有问题。 | 重写数学扩展，优先保留两条JSON记录的清晰例子；用模式类别的概率分布或逐字段二元熵；必选字段依据业务约束确定。 | [13半结构化数据.md：107](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/13%E5%8D%8A%E7%BB%93%E6%9E%84%E5%8C%96%E6%95%B0%E6%8D%AE.md#L107) |
| 14 | 社交媒体数据 | 彭凌枫 | **P2**：C选择排序占用大量篇幅却没保留帖子ID；单指数曲线不能描述示例中的增长峰值；“更真实民意”过度。 | 换成帖子ID、时间、正文、互动量的小表和按时段统计；把指数式限定为假设的峰后衰减；情感词比例加零分母、否定与中性局限，补来源。 | [14社交媒体数据1.md：28](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/14%E7%A4%BE%E4%BA%A4%E5%AA%92%E4%BD%93%E6%95%B0%E6%8D%AE1.md#L28) |
| 15 | 新闻文本数据 | 王婧怡 | 本地未找到匹配稿件 | 先核对远程PR、文件名或其他提交渠道；找到稿件后再评内容。 | — |
| 16 | 用户行为数据 | 潘桂业 | **P2**：N日留存的基准日与第N天定义不够清晰；把不可逆哈希当作匿名化，行为记录与真实偏好也需区别。 | 统一基准日为第0天；区分平台内部日志与公开可获取数据；把哈希写成去标识化，补重新识别风险及来源；不把记录行为等同于真实偏好。 | [16用户行为数据.md：85](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/16%E7%94%A8%E6%88%B7%E8%A1%8C%E4%B8%BA%E6%95%B0%E6%8D%AE.md#L85) |
| 17 | 多模态数据 | 王梓皓 | 本地未找到匹配稿件 | 先核对远程PR、文件名或其他提交渠道；找到稿件后再评内容。 | — |
| 18 | 开放数据 | 郭笑宇 | **P2**：开放定义较清楚，但无来源的价值公式和“必然超线性增长”被写成规律；CC0、OSM许可表述过满。 | 删除价值公式或明确为作者假设并解释变量；列出具体数据集许可；说明开放许可可含署名及相同方式共享要求，FAIR数据也可以受限访问。 | [18开放数据.md：91](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/18%E5%BC%80%E6%94%BE%E6%95%B0%E6%8D%AE.md#L91) |
| 19 | 元数据 | 张羿 | **P2**：把用户自填位置当成地理标签，created_at归技术元数据、location归管理元数据的依据不清；覆盖率被说成直接决定可信度。 | 统一采用一种类型体系并解释分类；区分用户主页位置与帖子定位；覆盖率只描述缺失，还要评估缺失机制；删“没有元数据就没有高效检索”等绝对句。 | [19元数据.md：51](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/19%E5%85%83%E6%95%B0%E6%8D%AE.md#L51) |
| 20 | 数字踪迹 | 骆玉珍 | **P2**：总体易懂，但Hadoop被列为数据库，设备指纹被说成唯一标识，主动/被动被等同于知情/不知情。 | 改Hadoop为分布式存储处理生态；指纹写成可能变化、可能碰撞的识别信号；区分产生方式与是否知情，补行为记录受平台规则塑造及参考资料。 | [20数字踪迹.md：108](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/20%E6%95%B0%E5%AD%97%E8%B8%AA%E8%BF%B9.md#L108) |
| 21 | 网络爬虫 | 李嘉睿15 | **P2**：通俗解释可读，但重复较多，标题未用Markdown；缺姓名学号、来源、爬虫与定向采集的区别。 | 压缩重复比喻；补标准标题与作者信息；用一个新闻标题采集例子说明请求、解析、保存、失败检查；补限速、robots与授权边界，不要求复杂代码。 | [21网络爬虫.md：4](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/21%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB.md#L4) |
| 22 | 应用程序接口（API） | 伍艳 | **P2**：前面给出广义定义，后面却把API限于跨程序网络调用；JSON与结构化数据关系也过于简单。 | 区分本地库API、操作系统API与Web API；JSON可承载半结构化数据；平台表逐项注明授权范围和官方文档日期；example.com代码标为不可直接运行的示意。 | [22应用程序接口(API).md：109](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/22%E5%BA%94%E7%94%A8%E7%A8%8B%E5%BA%8F%E6%8E%A5%E5%8F%A3%28API%29.md#L109) |
| 23 | 问卷调查 | 樊一玮 | **P2**：提纲完整但过简；把问卷限为自填、访谈限为定性、测验限为有标准答案均不准确。 | 补自填与访问员施测、结构式访谈；用传媒场景给出3—5道实际题目、目标总体、招募方式、预测试、无回答处理与来源，避免声称回答必然真实。 | [23问卷调查.md：6](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/23%E9%97%AE%E5%8D%B7%E8%B0%83%E6%9F%A5.md#L6) |
| 24 | 数字民族志 | 孔繁化 | **P2**：引用较多且强调线上线下关系，但把传统民族志概括为固定地理社区，对网络民族志划界偏硬。 | 保留反思性主线；增加研究者角色、入场、田野笔记、访谈与退出安排；把方法差别写成研究取向而非互斥定义，核对新闻转载的日期和原始研究。 | [24 数字民族志.md：31](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/24%20%E6%95%B0%E5%AD%97%E6%B0%91%E6%97%8F%E5%BF%97.md#L31) |
| 25 | 抽样设计 | 刘淑赟 | **P1**：概率样本被写成自动有代表性；非概率推断被完全否定；表格声称抽样调查少有非抽样误差。 | 重写代表性与总调查误差；区分设计型与依赖模型假设的推断，解释覆盖和无回答；均值标准误说明独立性、大样本及有限总体修正，补抽样方法来源。 | [25抽样设计.md：68](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/25%E6%8A%BD%E6%A0%B7%E8%AE%BE%E8%AE%A1.md#L68) |
| 26 | 数据清洗 | 董景宇 | **P3**：判断原则与流程较完整；代码只按编号保留首条，与前文核查逻辑不完全一致。 | 输出重复冲突记录，说明为何保留某条；增加每项修改的影响行数与原因；年龄10—100应标为本例假设，混合字符串先安全转数值再校验。 | [26数据清洗.md：162](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/26%E6%95%B0%E6%8D%AE%E6%B8%85%E6%B4%97.md#L162) |
| 27 | 数据标注 | 李嘉睿73 | **P2**：把人工标注说成所有AI学习的必要前提；“标准答案”忽视主观构念和标注分歧。 | 限定到监督训练、评测等场景，介绍自监督/无监督；加入两条评论的编码规则、双人独立判断和分歧处理；不把所有模糊数据机械删除，补来源。 | [27数据标注.md：46](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/27%E6%95%B0%E6%8D%AE%E6%A0%87%E6%B3%A8.md#L46) |
| 28 | 数据库 | 黄雯茜 | **P2**：作者信息空缺；数据库与DBMS、数据库与操作型业务库的概念层级混用；ACID隔离被写成绝不互扰。 | 补黄雯茜姓名学号；数据库是数据集合、DBMS是管理软件；数据仓库也可由数据库实现；说明不同隔离级别与约束，补可靠资料及传媒案例。 | [28数据库.md：3](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/28%E6%95%B0%E6%8D%AE%E5%BA%93.md#L3) |
| 29 | 数据仓库 | 杨文倩 | **P2**：整体基本完整；把仓库数据限定为聚合、业务数据库限定为当前数据；标题仍留“你的序号”。 | 标题改29数据仓库；说明仓库也保留明细、业务库也可保留历史；加事实表与维度表的小例子，分层架构标为一种实践方式，并补Inmon/Kimball来源。 | [29数据仓库.md：25](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/29%E6%95%B0%E6%8D%AE%E4%BB%93%E5%BA%93.md#L25) |
| 30 | 数据质量 | 刘宇涵 | **P2**：简单转发规则直接支撑剔除“水军”和更接近真实民意的结论；completeness与integrity混淆；引用尚需核验。 | 案例明确模拟或提供数据与日志；疑似账号规则须验证误判率并做敏感性分析；把完整性、完整率与完整性约束分开；核对文献作者题名并补.md。 | [30数据质量：117](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/30%E6%95%B0%E6%8D%AE%E8%B4%A8%E9%87%8F#L117) |
| 31 | 描述性统计 | 李飏 | **P2**：示例样本标准差应约9.709，非9.8；偏度为0不保证对称，均值±标准差也不保证包含多数。 | 改标准差为9.71并区别总体值9.21；给对称与正态条件；CV限于有意义零点且均值非零的尺度；注明偏度、超额峰度估计口径并补来源。 | [31描述性统计.md：49](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/31%E6%8F%8F%E8%BF%B0%E6%80%A7%E7%BB%9F%E8%AE%A1.md#L49) |
| 32 | 推断性统计 | 朱浩鑫 | **P2**：标题与认领名称不一致；两比例检验实际z约2.091、双侧p约0.03649；置信区间解释与Fisher信息记号需修订。 | 统一为32推断性统计.md；同步更正算例；解释95%为重复抽样覆盖率；区分单观测与全样本信息，删按大小样本划分两派适用性的过简说法。 | [32.推理性统计.md：69](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/32.%E6%8E%A8%E7%90%86%E6%80%A7%E7%BB%9F%E8%AE%A1.md#L69) |
| 33 | 相关分析 | 古丽孜巴·帕尔哈提 | **P2**：数值r约0.991可复算；Pearson计算被错误限制为正态，t分布与r²解释缺前提。 | 区分系数计算与推断假设；给散点图及离群值例子；r²解释限定于含截距的一元OLS；写明独立观测及零相关检验条件，补来源。 | [33相关分析.md：38](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/33%E7%9B%B8%E5%85%B3%E5%88%86%E6%9E%90.md#L38) |
| 34 | 回归分析 | 田少博 | **P1**：把自变量/因变量当成因果角色；iris输出混入错误系数、标准误和t值，虽R²正确但整表不一致。 | 重新运行原代码并替换输出；改为解释/预测变量、条件关联；因果解释另需识别假设；区分Gauss–Markov与正态推断假设，R²范围注明条件。 | [34回归分析.md：190](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/34%E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90.md#L190) |
| 35 | 假设检验 | 黄鹏 | **P1**：历史基准与新标题样本比较不能排除同期变化；“不是随机波动、可正式推广”超出检验证据。 | 总体方差未知优先给t检验或说明大样本近似；结论只说证据与H0不相容；增设同期随机A/B、效应量与区间，公式改TeX并补来源。 | [35假设检验.md：29](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/35%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C.md#L29) |
| 36 | 因果推断 | 罗瑾禅 | **P2**：覆盖面广，但遗漏一致性/SUTVA；IV、RDD效应对象与假设不足；CATE被写成每个个体的效应。 | 加入一致性、干扰和共同支持；IV异质效应下说明单调性及LATE；RDD给连续性/不可操纵条件；CATE改为给定特征的群体平均效应，补文献。 | [36因果推断.md：273](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/36%E5%9B%A0%E6%9E%9C%E6%8E%A8%E6%96%AD.md#L273) |
| 37 | 时间序列分析 | 王昌恒 | **P3**：模拟数据、时间划分、基准比较及因果边界较严谨，可作参考稿。 | 补姓名学号；精简重复解释；若扩展可加一幅时序图与预测区间示例；无需为篇幅增加复杂模型。 | [37时间序列分析.md：93](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/37%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%88%86%E6%9E%90.md#L93) |
| 38 | 实验设计 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 39 | A/B测试 | 邱佳雯 | **P1**：AA一次显著被当作系统故障；贝叶斯随时看被说成不膨胀错误率；interleaving被用于解决网络溢出，结论过满。 | 重写AA与序贯决策边界；网络干扰按簇随机或合适的switchback设计讨论；A/B可比较整体方案，50/50非定义要求；两份重复稿合为唯一文件。 | [39.AB测试.md：135](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/39.AB%E6%B5%8B%E8%AF%95.md#L135) |
| 40 | 内容分析 | 张兆麟 | **P3**：概念、编码、可靠性与效度区分清楚；示例和两张图的数据一致，可作参考稿。 | 可补“主要议题”的平局判定规则、实际编码一致性报告模板；保留虚构标识与推论边界，无需重写。 | [40内容分析.md：45](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/40%E5%86%85%E5%AE%B9%E5%88%86%E6%9E%90.md#L45) |
| 41 | 自然语言处理 | 郭妍欣 | **P3**：表达清楚但缺文献；把规则分词与现代NLP对立，易误以为规则方法不属于NLP。 | 改为NLP内部不同技术路线；补2—3条教材/原始论文来源；增加一个输入—输出任务例子及错误检查，保持入门篇幅。 | [41自然语言处理.md：29](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/41%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86.md#L29) |
| 42 | 中文分词 | 张宇涵 | **P2**：把“南京/市长/江大桥”的语义误切与合理粒度差别混为一谈；代码输出不是当前默认jieba实跑结果。 | 区分歧义错误与任务粒度；固定词典版本重跑完整输出；Precision译为精确率，说明按词跨度精确匹配；清洗别直接拼接删除的非中文边界。 | [42中文分词.md：84](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/42%E4%B8%AD%E6%96%87%E5%88%86%E8%AF%8D.md#L84) |
| 43 | 词频分析 | 田婧萱 | **P2**：词频例子没给分词标准；IDF变体可出现负权重，与常用实现不同，未交代；高词频被多次解释为重要性。 | 说明分词/停用词及TF、DF区别；保留公式须标注变体来源和负值含义，或统一到带平滑和常数的实现；跨语料按总词数归一并人工回读，补来源。 | [43词频分析.md：70](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/43%E8%AF%8D%E9%A2%91%E5%88%86%E6%9E%90.md#L70) |
| 44 | 情感分析 | 张天赐 | **P2**：领域失配例子有价值，但“无需标注、精度接近人工”“10%标准配置”和路线精度排序缺依据。 | 删固定10%与保证精度；按类别覆盖、验证样本及误差决定标注量；概率不等于情绪强度或真实态度；格兰杰说明预测先行，补姓名学号、版本和输出复核。 | [44情感分析.md：17](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/44%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90.md#L17) |
| 45 | 主题模型 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 46 | 命名实体识别 | 刘诗涵 | **P3**：任务边界、实体链接与评估讲解完整；新闻式例句易被误读为真实报道。 | 给例句标“虚构教学句”；示例输出增加起止位置并说明坐标口径；清洗前后保留offset映射，BIO注明词级与字级差别。 | [46命名实体识别.md：14](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/46%E5%91%BD%E5%90%8D%E5%AE%9E%E4%BD%93%E8%AF%86%E5%88%AB.md#L14) |
| 47 | 文本分类 | 王一涵 | **P2**：把分类必定归监督学习，与前文规则法/零样本法矛盾；多标签定义与f:X→Y、Softmax单标签公式未衔接。 | 分开单标签与多标签输出空间，后者可用sigmoid/BCE；分类是任务，监督学习是实现路线；补独立测试集、宏F1、标签不平衡与来源。 | [47文本分类.md：148](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/47%E6%96%87%E6%9C%AC%E5%88%86%E7%B1%BB.md#L148) |
| 48 | 文本嵌入 | 时东旭 | **P2**：把向量相近和理解语义说成必然；“电影/影片接近1”无模型证据；FAISS被当成数据库。 | 补模型、维度、文本与实际相似度输出，说明任务和模型依赖；FAISS称向量检索库；区分词、token、句子嵌入，补姓名学号与来源。 | [48文本嵌入.md：23](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/48%E6%96%87%E6%9C%AC%E5%B5%8C%E5%85%A5.md#L23) |
| 49 | 大语言模型 | 段怡乐 | **P2**：产品与模型混称；BERT被排除在大模型之外；下一词训练、三阶段及全词注意力被写成通则。 | 区分语言模型与聊天产品；限定到常见自回归模型，解释token和因果mask；训练对齐路线不唯一；删“第一次接近人类”、绝对不理解等未经限定的判断，补原始论文。 | [49大语言模型.md：34](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/49%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B.md#L34) |
| 50 | 生成式人工智能 | 郑廷伟 | **P3**：传媒联系与事实核查意识较好；论述有重复，“传统AI”对比范围偏大。 | 改为生成任务与判别任务对比；压缩重复流程，补GAN/扩散/自回归的简明区别；引用具体研究时说明样本和适用范围。 | [50生成式人工智能.md：120](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/50%E7%94%9F%E6%88%90%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD.md#L120) |
| 51 | 社会网络分析 | 孟梓行 | **P3**：图类型、关系含义与中心性不等于影响力均交代清楚，可作参考稿。 | 补SNA教材或经典文献，提供边表或示意图可更易复核；保留网络依赖与抽样边界提醒。 | [51社会网络分析.md：29](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/51%E7%A4%BE%E4%BC%9A%E7%BD%91%E7%BB%9C%E5%88%86%E6%9E%90.md#L29) |
| 52 | 节点中心性 | 何云轩 | **P2**：中心性被直接定义成影响力，最短路径传播与最有效干预被写成普遍规律；公式缺图类型与求和边界。 | 改为特定网络中的结构位置；补无向/有向、连通/不连通、加权条件；给小网络算四种指标，最短路径假设不适用于全部传播，数学式改TeX。 | [52 节点中心性.md：106](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/52%20%E8%8A%82%E7%82%B9%E4%B8%AD%E5%BF%83%E6%80%A7.md#L106) |
| 53 | 社群发现 | 颜新 | **P3**：入门结构完整；高模块度不必然等于最佳真实社群，例子第二组连边没写完整，缺作者信息。 | 补颜新姓名学号与完整边表；增加模块度分辨率、随机性与稳定性提醒；算法类群不能直接命名为现实组织。 | [53 社群发现.md：59](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/53%20%E7%A4%BE%E7%BE%A4%E5%8F%91%E7%8E%B0.md#L59) |
| 54 | 信息扩散 | 王晨光 | **P1**：把创新者2.5%+早期采用者13.5%的分类边界写成通用引爆阈值；S形被写成所有信息扩散规律。 | 删“16%进入自持加速”通则；区分信息曝光、转发与创新采纳；曲线注明适用模型，热点可多峰/衰减；补模型与实证来源。 | [54信息扩散.md：32](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/54%E4%BF%A1%E6%81%AF%E6%89%A9%E6%95%A3.md#L32) |
| 55 | 传播级联 | 未认领 | 本地未找到匹配稿件 | 安排认领或明确是否由教师补写；目前不评价学生。 | — |
| 56 | 意见领袖 | 丁秀斌 | **P2**：KOL被写成必然代表品牌、KOC必然代表真实消费者，费与佣金的二分也无通用依据。 | 拆分经典意见领袖与商业营销角色；承认小群体非专业领袖、利益披露与混合变现；用同一议题的实际影响证据代替粉丝量推断，补作者信息。 | [56意见领袖.md：76](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/56%E6%84%8F%E8%A7%81%E9%A2%86%E8%A2%96.md#L76) |
| 57 | 议程设置 | 孙瑞超 | **P2**：把框架效应等同第二层议程设置，媒体→公众→政策写成确定单向链；“未报道几乎不存在”过度。 | 区分议题/属性议程与框架的交叉和差别；标为可能机制，说明亲身经验、反向议程和共同原因；气候案例给来源或标假设，补经典论文。 | [57议程设置.md：72](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/57%E8%AE%AE%E7%A8%8B%E8%AE%BE%E7%BD%AE.md#L72) |
| 58 | 框架效应 | 穆绎西 | **P2**：数学期望相同不等于方案等价；媒体例子选择不同事实，与等价框架不同；风险偏好归因于损失厌恶过简。 | 明确A≡C、B≡D而非A≡B；区分等价框架与强调框架；模拟t检验只演示，不证明现实效应；圆整百分比反推人数标为近似，R输出改代码围栏。 | [58框架效应.md：9](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/58%E6%A1%86%E6%9E%B6%E6%95%88%E5%BA%94.md#L9) |
| 59 | 回音室效应 | 吴致尧 | **P1**：DeGroot共识条件的必要充分表述错误；健身兴趣集中不直接构成立场回音室，结构同质不自动证明极化。 | 强连通且非周期写成充分条件；断开社群可能达成相同而非必然不同共识；给反例矩阵，区分信息接触与立场强化，引用模型不当作实证因果证据。 | [59回音室效应.md：72](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/59%E5%9B%9E%E9%9F%B3%E5%AE%A4%E6%95%88%E5%BA%94.md#L72) |
| 60 | 信息茧房 | 白舒月 | **P3**：多因机制与测量边界较稳妥；缺参考文献，归一化熵缺退化条件。 | 补概念源流与不同实证结果；Hnorm注明n>1和0log0=0，跨样本使用一致分类体系；信息流与实际点击/观看数据分开。 | [60信息茧房.md：76](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/60%E4%BF%A1%E6%81%AF%E8%8C%A7%E6%88%BF.md#L76) |
| 61 | 用户画像 | 陈陈瀚然 | **P2**：Persona/Profile已区分，但说画像与刻板印象完全无关，忽视画像也会产生偏见；错号、无后缀、无身份。 | 更名61用户画像.md，补陈陈瀚然信息与来源；画像是有限、有误差的抽象，需检查预测标签置信度、过期时间与不利影响，不称“全貌”。 | [62用户画像：47](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/62%E7%94%A8%E6%88%B7%E7%94%BB%E5%83%8F#L47) |
| 62 | 受众细分 | 廖悦希 | **P2**：RFM直接把不同单位的原始量相加且R方向未反转；结尾重复，缺来源。 | 先把R/F/M转换为可比评分，R距上次消费越短通常分越高；说明权重与阈值依据，聚类先处理尺度；删重复句，补传媒受众案例与文献。 | [62受众细分.md：76](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/62%E5%8F%97%E4%BC%97%E7%BB%86%E5%88%86.md#L76) |
| 63 | 用户参与 | 张幂 | 本地未找到匹配稿件 | 先核对远程PR、文件名或其他提交渠道；找到稿件后再评内容。 | — |
| 64 | 点击率 | 董涵豫 | **P2**：把展示人数等同展示次数；由CTR/CVR直接判标题党或精准定向；CPC与CTR关系写成普遍因果。 | 统一事件次数或去重人数；案例保留2.5%但注明每人恰好曝光/点击一次的假设；高低率给多种解释与验证，行业基准提供来源；更名64点击率.md补身份。 | [点击率 202513093022 董涵豫.md：16](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/%E7%82%B9%E5%87%BB%E7%8E%87%20202513093022%20%E8%91%A3%E6%B6%B5%E8%B1%AB.md#L16) |
| 65 | 转化率 | 刘静怡 | **P2**：前文强调人数/次数一致，案例却用曝光次数除点击人数；跳出率写成单页会话是特定旧口径。 | 例子统一为同一队列的去重用户，或全用事件次数；分渠道总人数说明互斥/去重；明确分析产品版本的跳出率定义；补来源并删修订过程说明。 | [65+转化率.md：58](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/65%2B%E8%BD%AC%E5%8C%96%E7%8E%87.md#L58) |
| 66 | 用户留存 | 王传贺 | **P2**：ARPPU被误称付费率；第N日未活跃不等于永久流失；版本同期群差异被直接归因产品。 | ARPPU改为每付费用户平均收入；区分按日、区间和滚动留存，互补需相同定义；LTV倒数模型列恒定风险假设；注明观察截止日，不直接做因果归因。 | [66用户留存.md：40](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/66%E7%94%A8%E6%88%B7%E7%95%99%E5%AD%98.md#L40) |
| 67 | 推荐算法 | 方兆阳 | **P1**：两份稿件均为B站开题报告，未完成推荐算法词条，且整篇处于未闭合markdown围栏。 | 按定义、机制、具体例子、相邻概念、局限重写；说明内容推荐/协同过滤及召回排序；榜单样本无法解释入榜概率或平台内部算法，文献逐条核验。 | [67 推荐算法.md：2](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/67%20%E6%8E%A8%E8%8D%90%E7%AE%97%E6%B3%95.md#L2) |
| 68 | 注意力经济 | 江晓萌 | **P3**：注意力/流量及假设收入模型边界清晰，可作参考稿；无姓名学号与总标题。 | 补江晓萌信息与标题；可加入传媒公共价值的评价例子；保留简化模型不等于实际利润的说明。 | [68注意力经济.md：76](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/68%E6%B3%A8%E6%84%8F%E5%8A%9B%E7%BB%8F%E6%B5%8E.md#L76) |
| 69 | 平台流量 | 陈晨 | **P2**：电商案例把访问次数改叫访问人数；PV译为访问次数易与会话混淆，缺身份与来源。 | PV明确页面浏览次数，session明确访问会话；案例统一UV人数或次数指标；平台分发机制标为一般假设而非已证实规则，补陈晨信息和来源。 | [69平台流量.md：42](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/69%E5%B9%B3%E5%8F%B0%E6%B5%81%E9%87%8F.md#L42) |
| 70 | 传播效果评估 | 孙轼淇 | **P1**：合并B点击率错为4.9%，例子未反转；曝光等同认知、互动等同态度；案例来源和缺失机制处理不足。 | 先修算例与图文；效果、代理指标和因果识别分开；案例标模拟或提供数据，MNAR不能用常规MICE自动解决；取消无依据“八成”与行业排名。 | [70传播效果评估.md：316](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/70%E4%BC%A0%E6%92%AD%E6%95%88%E6%9E%9C%E8%AF%84%E4%BC%B0.md#L316) |
| 71 | 数据可视化 | 程昱博 | 本地未找到匹配稿件 | 先核对远程PR、文件名或其他提交渠道；找到稿件后再评内容。 | — |
| 72 | 信息图表 | 高澜心 | **P2**：把数据可视化限定为探索、信息图限定为静态；“最短时间准确理解”与视觉排序被写成保证。 | 强调二者功能交叉、可视化也用于公众传播；比较表用“常见倾向”；加入一张实际图例及来源，视觉编码按任务选，颜色也可准确表达有序数值。 | [72信息图表.md：112](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/72%E4%BF%A1%E6%81%AF%E5%9B%BE%E8%A1%A8.md#L112) |
| 73 | 交互式可视化 | 姚玲 | **P3**：概念与交互种类基本清楚；仪表盘未必交互，ECharts不是一般意义零代码工具。 | 修正工具分类；加来源并把示例标为假设；补筛选后分母/合计如何变化、重置与键盘可用性等，交互示例可选而非必做。 | [73交互式可视化.md：45](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/73%E4%BA%A4%E4%BA%92%E5%BC%8F%E5%8F%AF%E8%A7%86%E5%8C%96.md#L45) |
| 74 | 地理信息可视化 | 任相宜 | **P1**：人口密度少算10倍；等距投影被写成保持所有距离，传统制图被限定静态。 | 北京约1333.94、上海约3922.09人/km²；注明年份和来源；等距限定指定点/方向；补一张地图、分类断点、图例、投影和面积标准化说明。 | [74地理信息可视化.md：44](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/74%E5%9C%B0%E7%90%86%E4%BF%A1%E6%81%AF%E5%8F%AF%E8%A7%86%E5%8C%96.md#L44) |
| 75 | 网络可视化 | 石语煊 | **P2**：加权邻接矩阵后直接用行和作度数，实际是节点强度；viridis高值偏黄，文字却说深色是桥梁。 | 明确二元矩阵才计度数，权重和称strength；加颜色条并改高值解释；接近中心性写连通条件、最短路权重含义，生成实际示例图以核对视觉编码。 | [75网络可视化.md：118](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/75%E7%BD%91%E7%BB%9C%E5%8F%AF%E8%A7%86%E5%8C%96.md#L118) |
| 76 | 可视分析 | 赵兴航 | **P3**：人机协同、假设案例和异常不等于因果讲解较好，可作参考稿；2005年定义却引2008文献。 | 直接引用Thomas与Cook的2005年报告；定义首段Keim也对应正确编号；可用一幅联动视图示意减轻文字负担。 | [76可视分析.md：22](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/76%E5%8F%AF%E8%A7%86%E5%88%86%E6%9E%90.md#L22) |
| 77 | 数据仪表盘 | 吾克来·托乎达拉力 | 本地未找到匹配稿件 | 先核对远程PR、文件名或其他提交渠道；找到稿件后再评内容。 | — |
| 78 | 数据叙事 | 蒋喆 | **P2**：p值被误译为结果随机出现概率；假设数据推出标题长度最优策略，因果语言过强；文献条目需核验。 | 改p值为H0及模型条件下同等或更极端结果概率；标明全案例为模拟、策略仅待检验；保留反例与不确定性，查证第4条等不完整文献信息。 | [78数据叙事.md：54](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/78%E6%95%B0%E6%8D%AE%E5%8F%99%E4%BA%8B.md#L54) |
| 79 | 新闻游戏 | 曾礼胤 | **P2**：新闻游戏被限定为不虚构，混淆事实依据与模拟角色；数据新闻被简化成图表，新闻热度指数式没来源。 | 说明基于证据的模拟可构造角色/场景，需公开规则假设；核对作品作者与官方案例，删无来源通用热度式或标假设；更名79新闻游戏.md补曾礼胤身份。 | [76新闻游戏.md：43](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/76%E6%96%B0%E9%97%BB%E6%B8%B8%E6%88%8F.md#L43) |
| 80 | 不确定性表达 | 刘玉洁 | **P1**：将语言保留、意见分化、模型概率、事实可靠性相互替代；熵高推出更易反转没有证据。 | 保留语言学部分为子主题，主干补统计区间、预测区间、误差带及数据来源不确定性；熵仅描述立场分布，删反转预测；无依据词语概率刻度取消或明确不用于事实置信度。 | [80不确定性表达.md：336](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/80%E4%B8%8D%E7%A1%AE%E5%AE%9A%E6%80%A7%E8%A1%A8%E8%BE%BE.md#L336) |
| 81 | 数据隐私 | 彭泽航 | 本地未找到匹配稿件 | 先核对远程PR、文件名或其他提交渠道；找到稿件后再评内容。 | — |
| 82 | 知情同意 | 王一多 | **P1**：把伦理同意、法律处理依据和明示形式等同，要求全部公开数据逐人明示；“没反对”被当默示同意。 | 分清伦理审查与法律依据；按PIPL13/14/27说明条件，豁免须适当审查；匿名问卷能否定位删除需明确，勿承诺无法履行的撤回；删重复标题。 | [82知情同意.md：64](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/82%E7%9F%A5%E6%83%85%E5%90%8C%E6%84%8F.md#L64) |
| 83 | 数据匿名化 | 周阳杰 | **P1**：把GDPR假名化条文写成匿名化；示例保留稳定ID且两行准标识组合唯一，不能证明匿名；差分隐私写成绝对不泄漏。 | 更正GDPR序言26与第4(5)条；说明脱敏不必然可逆、泛化不保证匿名；增等价类/攻击者辅助信息/风险评估；修k条计数与t-closeness解释，补身份来源和.md。 | [83数据匿名化：162](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/83%E6%95%B0%E6%8D%AE%E5%8C%BF%E5%90%8D%E5%8C%96#L162) |
| 84 | 算法偏见 | 朱梓童 | **P3**：来源、生命周期与公平标准权衡比较完整，可作参考稿。 | 加一个小型混淆矩阵算例展示总体高准确率与分组差异；区分形式指标差异与情境中的不公，继续保留隐私与交叉群体边界。 | [84算法偏见.md：124](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/84%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81.md#L124) |
| 85 | 算法透明度 | 王唤卿 | **P2**：可解释性被写成因果理解，模拟逻辑回归推出实名认证真实提高点击；SHAP分配被误当现实公平。 | 改为模型预测机制说明；模拟结果只验证设定；SHAP“公平”限定博弈公理，非公平治理；删模板指令，法规条文注明范围和生效阶段。 | [85算法透明度.md：132](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/85%E7%AE%97%E6%B3%95%E9%80%8F%E6%98%8E%E5%BA%A6.md#L132) |
| 86 | 数据安全 | 王淼霖 | **P2**：普通哈希不自动防主动篡改；“加密只解决机密性”忽略认证加密；数据分级与安全案例缺来源。 | 区分hash、MAC、数字签名、AEAD；核心/重要数据须按目录和规则识别；宏观数据与泄露案补原始来源，风险乘积标为简化评分，补王淼霖身份及参考文献。 | [86.数据安全.md：138](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/86.%E6%95%B0%E6%8D%AE%E5%AE%89%E5%85%A8.md#L138) |
| 87 | 数据治理 | 黄哲涵 | **P2**：跨平台仅按post_id去重可能误删；合法取值称一致性、非负称非负整数，指标名与实现不符。 | 改(platform,post_id)复合键并保留冲突；合法范围属有效性，整数需单独校验；补RACI/标准审批的具体例子，资产化只是目标之一；统一TeX并修DMBOK版本与来源。 | [87 数据治理.md：126](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/87%20%E6%95%B0%E6%8D%AE%E6%B2%BB%E7%90%86.md#L126) |
| 88 | 虚假信息 | 常语润 | 本地未找到匹配稿件 | 先核对远程PR、文件名或其他提交渠道；找到稿件后再评内容。 | — |
| 89 | 数字鸿沟 | 杨祎宁 | **P1**：1-H或|2p-1|把全不接入与全接入都评成最高包容，指标无法衡量包容；Logit式多加普通误差项。 | 删除该包容指数及未给来源的OECD归属；用接入率和群体差值/比值，技能收益另测；Logit条件概率不加普通加性误差；更名89数字鸿沟.md并修正文序号。 | [90 数字鸿沟：161](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/90%20%E6%95%B0%E5%AD%97%E9%B8%BF%E6%B2%9F#L161) |
| 90 | 人工智能伦理 | 李婉茹 | **P1**：“Predictive Equality”下写的是PPV均等即Predictive Parity；联邦学习损失梯度用正号；NIST100倍表述混合任务。 | 修术语或换成FPR公式；优化loss用负梯度，FedAvg说明本地更新后加权参数；按NIST任务/错误类型准确引用；补参考资料，公平不可能定理注明条件。 | [90人工智能伦理.md：128](https://github.com/xiaoningwang/2026communicationdatascience/blob/main/90%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86.md#L128) |

## 三、提交与文件规范问题

规范问题单列，避免掩盖内容评价。以下是建议操作，没有改动原稿：

| 同学/对象 | 当前情况 | 建议 |
|---|---|---|
| 邱佳雯｜39 | 两个A/B测试文件逐字一致 | 本人确定保留一个，统一为39AB测试.md（文件名不用路径分隔符/），另一份去重 |
| 方兆阳｜67 | 两稿仅末尾空行不同，正文都是开题报告 | 先重写词条，再提交唯一67推荐算法.md，删除不闭合围栏 |
| 陈陈瀚然｜61 | 当前文件62用户画像，无.md，与62受众细分错号冲突 | 改61用户画像.md；补姓名学号 |
| 曾礼胤｜79 | 当前76新闻游戏.md | 改79新闻游戏.md；补姓名学号 |
| 杨祎宁｜89 | 文件90 数字鸿沟，正文认领序号也为90 | 文件改89数字鸿沟.md，正文同步改89 |
| 刘宇涵｜30、周阳杰｜83 | 文件未含.md后缀 | 分别改30数据质量.md、83数据匿名化.md；83补身份 |
| 朱浩鑫｜32 | 使用“推理性统计”，与表中关键词不一致 | 统一32推断性统计.md与正文主标题 |
| 董涵豫｜64、彭凌枫｜14、刘静怡｜65等 | 有姓名学号型文件名、多余数字或+、空格/句号 | 文件名统一“序号+关键词.md”，身份放正文 |
| 缺身份稿件 | 20、21、24、28、37、44、48、53、56、61、64、68、69、79、83、86等未完整给出姓名和学号 | 按分工表暂匹配，需本人确认后补齐；64文件名有身份但正文也应注明 |
| 8框架理论.md｜周牧伯 | 内容是框架理论，用户分工8号是数据化；已读，定义、例子与因果边界较清楚 | 作为额外稿单列；不能替代8号数据化，也不归给穆绎西的58号稿；由教师核对另一份分工表 |

其他建议：29号删除“你的序号”占位；62号删重复总结；82号删重复标题；85号删提交前模板指令。36和74开头附件链接与正文重复，可保留正文并移除冗余入口。标题层级、TeX、代码围栏及图片相对路径统一检查。

已认领但本地未找到：15王婧怡（新闻文本数据）、17王梓皓（多模态数据）、63张幂（用户参与）、71程昱博（数据可视化）、77吾克来·托乎达拉力（数据仪表盘）、81彭泽航（数据隐私）、88常语润（虚假信息）。这些条目先核对材料，不发内容退修结论。

## 四、建议统一要求的修改方式

1. **先改事实与推论。** 每人检查定义、公式、单位和算例；对“必然、首次、证明、最有效、精度接近人工”等强断言提供来源或改为条件表述。P1修好以后再作为班级概念库使用。
2. **一个完整、可复核的传媒例子即可。** 写明研究问题、分析单位、输入数据、输出及解释。模拟例子在正文、表格和图注都标模拟；真实例子给原始来源、时间与口径。没有数据不能把假设写成实测。
3. **引用对应论点。** 不强求凑篇数；优先教材、原始论文、官方规范。每项具体年份、比例、效果和法规要求能指向准确来源。未核实引用标待核验或删去，不能仅凭参考文献数量评高分。
4. **计算不是因果识别。** 对相关、回归、时期对比、同期群对比或清洗前后比较，说明可支持何种结论；因果解释另给随机化或准实验假设。代理指标不直接替代受众认知、态度或公共价值。
5. **程序输出必须对得上程序。** 有代码的同学注明软件/模型/词典版本、依赖与输入；外部CSV未提供时标为模板。词频与TF-IDF要注明分词、平滑、归一化和取值口径；公式变体本身不能一律判错。
6. **格式收尾。** 一个词条一个Markdown文件，序号词条名正确，姓名学号完整，图片可访问，表格和公式可渲染。深度扩展是可选，删不懂、无来源的装饰性公式，比继续加篇幅更好。

可供班级参考的写法：9数据素养、37时间序列分析、40内容分析、51社会网络分析、68注意力经济、76可视分析、84算法偏见。它们在定义、例子、适用边界或风险说明上较稳妥，但仍按本报告补充身份、来源或局部细节，并不代表全篇已获无条件认证。

## 五、核验记录与限度

本轮已用本地计算复核：31的均值及标准差；32两比例Z检验；33相关系数；34 iris回归；37模拟预测误差；58两项卡方统计量；64/65/68基础比例和收入算式；70曝光删减总数和辛普森表；74人口单位与密度。42号jieba示例按本机默认词典重跑，结果与稿件示意输出不一致，需作者固定设置重报；未据此声称所有版本都不可能产生原稿输出。

关键复算：31样本s=9.709102、总体σ=9.210863；32 z=2.091443、双侧p=0.036488；33 r=0.991241；34斜率0.415755、截距-0.363076、t=43.387237、R²=0.927110；58无连续性校正χ²=76.411206、有校正χ²=74.423936；70删减后曝光892145、B合并CTR=0.538462%；74北京1333.942718、上海3922.094307人/km²。

13、59、89等数学问题另外通过定义及反例审查。核对了ASA、AAPOR、PIPL、GDPR、W3C、Parquet、NIST等关键原始资料。未逐条核验所有稿件的全部参考文献，未全量执行学生代码，未连接平台API获取真实数据，未检查GitHub线上Markdown或Mermaid的实际渲染。现有5张PNG已实际查看；40号两图与表格相符，70号配图问题见其专项意见。文献“待核验”是请求作者提供原始证据，不是认定编造。

TF-IDF特别说明：43/47的log(N/(1+df))是存在的教材记号变体，不能简单判为公式写错；它可产生负值，与scikit-learn默认log((1+N)/(1+df))+1不同。修改重点是说明采用何种定义及其效果，不能把不同实现的输出放在同一公式下。[scikit-learn官方解释](https://scikit-learn.org/stable/modules/feature_extraction.html#tfidf-term-weighting)。