课程概览

本课程围绕新闻与舆情数据的产生、获取、处理、分析和表达展开。学生将学习如何把传播问题转化为可操作的数据问题，综合使用描述性统计、文本挖掘、情感与立场分析、时间序列、社会网络和可视化方法，并在大模型参与分析的场景中保持清晰的证据边界。

课程强调“理论定义—数据获取—模型分析—人工核验—结论表达”的完整链路。能够采集的数据不一定适合使用，模型生成的结果也不等于事实；所有研究结论都需要说明数据来源、样本范围、方法限制与适用条件。

课前须知

为保证课堂讨论和项目实践顺利进行，请在第一次课前阅读以下说明：

1. 课程学习方式：本课程共 32 学时，以真实公共事件为线索，采用课堂讲授、小组讨论、案例分析和项目实践相结合的方式。课堂重点不是记忆工具操作，而是学习如何提出问题、组织证据、选择方法并解释结果。
2. 知识与工具准备：建议复习描述性统计、数据表结构和基础数据分析知识。请准备可正常使用的个人电脑，并提前安装课程后续通知中指定的软件与运行环境。暂不要求具备复杂编程经验，但需要愿意阅读数据、核查输出并记录分析过程。
3. 课前材料准备：每章讲义均设有相应的课前任务。请按要求阅读材料、选择案例或准备数据，并记录材料来源、发布时间和访问链接。未核实来源的截图、转述和大模型生成内容不能作为事实证据直接使用。
4. 大模型使用规范：可以使用大模型辅助检索词设计、代码解释、文本整理、分类建议和表达修改，但不得用模型输出替代原始材料、数据分析与个人判断。使用时应保留关键提示词和核验记录，并在作业中说明使用环节；涉及事实、数字、引文和来源的信息必须回到原始出处核验。
5. 数据伦理与安全：仅使用合法获取且符合平台规则的公开数据。不得在作业或课堂展示中泄露个人隐私、账号敏感信息及未经授权的材料；引用新闻、图片、视频和数据时应标明来源。涉及争议事件时，以分析传播现象和证据结构为目标，避免对个人进行标签化判断或网络攻击。
6. 课堂协作与成果提交：小组项目需要明确成员分工，并共同对数据、方法和结论负责。提交内容应包含研究问题、数据来源、处理步骤、分析结果、局限说明及必要的复现材料。对无法确认的信息，应明确标注“不确定”，不得为了形成完整结论而补造证据。

如因设备、数据访问或其他原因无法完成课前任务，请提前与教师沟通，并携带已经完成的部分参加课堂活动。

作业点评

课程讲义

后续章节将在课程推进过程中持续更新。

主要内容

1. 新闻与舆情理论及其数据来源
2. 新闻与舆情数据采集、清洗、集成与转换
3. 描述性统计、时间序列与可视化分析
4. 文本分类、聚类、主题、情感与立场分析
5. 社会网络中的社区识别与信息传播
6. 舆情研究设计、模型评测与综合应用
7. 大模型辅助分析的证据核验、伦理与披露

学习要求

完成课程后，学生应能明确新闻与舆情研究中的对象、平台、时间窗和分析单位，选择适当的数据与方法完成分析，并对采样偏差、隐私伦理、模型误差和因果边界作出负责任的说明。