研究网络社交论文

社会网络分析理论： 在社会网络[63]由人类学家Barnes最早提出的概念，他在社会网络的分析基础上统地研究挪威一个小渔村的跨亲缘与阶级的关系。在社会网络分析中，存在一些经典的理论。这些理论主要包括:六度分割理论、弱关系理论、150法则、小世界网络理论、马太效应等。基于社会网络有关的研究方向和内容，在不同的领域着发挥着各自的作用，例如，社会影响力分析，社区发现，信息传播模型，链接预测，基于社会网络的推荐。 150法则是指一个人能保持稳定社交关系的人数上限通常为150人。1929年由英国罗宾•邓巴教授(Robin Dunbar)提出了经典的”150定律”理论，该定律同时也被称为“邓巴数字”[64]。这个定律在我们的实际日常生活中的应用是相当普遍的，SIM卡中只能存储150个联系人的电话，微软的MSN中也只可以最多把150位联系人的信息添加到自己的名单中[64]等等。 小世界网络是一种具有特殊结构的复杂网络，在这种网络中大部份的节点是不相邻的，但绝大部份节点之间是连通的且距离很短。六度分割理论也是小世界网络理论的一种体现。在多数现实世界的社会网络中，尽管网络中的节点数量巨大，网络中相邻的节点相对较少，但每两个节点间往往只需要很短的距离便能连通。 六度分割就是指一个人与其他任何一个人之间建立起联系，最多都只需要经过六个人。所以，即便邓巴数字告诉我们，我们是能力上维持一个特别大的社交圈的，但是六度分割理论却可以告诉我们，通过我们现有的社交人脉圈以及网络可以无限扩张我们的人脉圈，在需要的时候都能够和地球中想要联系的任何人取得联系。 弱关系理论弱关系(Weak Tie)是指需要较少或不需要情感联系的人们之间的社会联系，这种联系几乎不需要耗费个人的时间或精力来维系，但这种联系却很有作用。美国社会学家Mark Granovetter在研宄人们在求职过程中如何获取工作信息时发现[65]，由家人、好友等构成的强关系在获取工作信息过程中起到的作用很有限，而那些关系较疏远的同学、前同事等反而能够提供更加有用的求职信息。 马太效应可以理解为达尔文进化论中适者生存的理念。在社交网络的发展过程如同生物进化的过程，存在强者越强、弱者越弱的现象。也就是说，在社交网络中越是处于网络核心的节点很大可能会变来越核心，而那些处于社交网络中边缘地带的节点或许会越来越不重要甚至直至消失。那些在社交网络中相比其他节点拥有更大影响力的节点，其带给该网络的影响也要比那些拥有弱影响力的节点所带来的影响要强。 从不同角度探索节点影响力挖掘算法： 1.基于邻节点中心性的方法。这类方法最简单最直观，它根据节点在网络中的位置来评估节点的影响力。度中心性[13]考察网络中节点的直接邻居数目，半局部中心性[14]考察网络中节点四层邻居的信息，ClusterRank[15]同时考虑了网络中节点的度和聚类系数。 2.基于路径中心性的方法。这类方法考察了节点在控制信息流方面的能力，并刻画节点的重要性。这类方法包括子图中心性[16]、数中心性[17]（一些演化算法包括：路由介数中心性[18]，流介数中心性[19]，连通介数中心性[20]，随机游走介数中心性[21]等）及其他基于路径的挖掘方法。 3.迭代寻优排序方法。这类方法不仅考虑了网络中节点邻居的数量，并且考虑邻居质量对节点重要性的影响，包括了特征向量中心性[13]，累积提名[22]，PageRank算法[23]及其变种[24-32]。 4.基于节点位置的排序算法。这类方法最显著的特点是，算法并没有给出一个计算节点重要性的定义，而是通过确定节点在网络中的位置，以此来确定节点的重要程度。在网络核心位置的节点，其重要性就相对较高，相反的，若节点处于网络边缘，那么它的重要性就会比较低。基于节点位置的以及不同应用场景的推荐算法具有重要的研究意义[34-37]。 节点影响力评估方法： 在社交网络节点影响力的评估方法主要可以分为三类，基于静态统计量的评估方法、基于链接分析算法的评估方法，基于概率模型的评估方法。 众学者在静态统计量的方法上，结合不同社交网络中相关信息，借鉴链接分析法以及建立概率模型来评估节点影响力，对社交网络节点影响力可以做到更有效的评估[66]。 1)基于静态统计量度量方法 主要是通过网络中节点的一些静态属性特征来简单直接地体现节点的影响力，但面对社交网络中复杂信息以及不同平台，并不能有效地度量不同社交网络中节点影响力。如度中心性，主观认为节点的重要性取决于与其他节点连接数决定，即认为一个节点的邻居节点越多，影响力越大。在有向网络中，根据边的方向，分为入度和出度，在有权网络中，节点的度可以看作强度，即边的权重之和。度中心性刻画了节点的直接影响力，度中心性指标的特点是简单、直观、计算复杂度低，也具有一定合理性。 但针对不同平台的网络结构中，度中心性的影响力效果未必能达到目标效果，而且社交网络中用户间关系的建立具有一定的偶然性，而且不同的用户间的关系强度也不同。度中心性没有考虑了节点的最局部信息，虽然对影响力进行了直接描述，但是没有考虑周围节点处所位置以及更高阶邻居。众学者在静态统计量的方法上，结合不同社交网络中相关信息，借鉴链接分析法以及建立概率模型来评估节点影响力，对社交网络节点影响力可以做到更有效的评估[66-67]。 2)基于链接分析算法的方法 链接分析算法(Link Analysis)主要应用在万维网中用来评估网页的流行性。通过超链接，万维网中的网页连接成一个网络，同时这个网络也具备了小世界网络的特征，且微博平台中的关注和粉丝关系与网页的链入与链出十分相似，因此链接分析法的思想也被应用在了微博社交网络中节点影响力的评估中。经典的算法是PageRank[68]和HITS算法[69](Hyperlink-Induced Topic Search)。 PageRank算法模型，是Google在搜索引擎结果中对网站排名的核心算法，核心思想通过计算页面链接的数量和质量，来确定网站的重要性的粗略估计，即节点的得分取决于指向它的节点的数量和这些节点的本身得分。即有越多的优质节点指向某节点时它的得分越高。 HITS算法是由Jon Kleinberg于1997年提出的。HITS算法模型中，有两类节点，权威(Authority)节点，和枢纽(Hub)节点。权威节点在网络中具有高权威性，枢纽节点具有很个指向边的节点。通过计算网络中每个节点的Authority权威值和Hub枢纽值来寻找高权威性的节点。即求值过程是在迭代中计算Authority和Hub值，直到收敛状态。Hub值和Authority值计算公式。 通过多数研究者发现，将链接分析法结合社交网络特性可以更好的对用户影响力进行评估，由于技术的快速发展，社交网络的多变性，因此如何将社交网络中的复杂数据和用户行为与相关算法进行结合，仍是需要我们继续研究的方向。 3)基于概率模型的方法 主要是建立概率模型对节点影响力进行预测。这么多学者将用户影响力作为参数对社交网络中的节点用户行为建立概率模型，并根据社交网络中已有的用户数据求解概率模型，得出用户影响力。 文献[70]认为用户间影响力越大、被影响用户的活跃度和转发意愿越高，则其转发另一个用户的信息的概率越大，所以利用用户影响力、转发意愿和活跃度等构建转发概率模型。通过用户发布的tweet数量、转发的tweet数和用户的历史转发行为数据，计算出用户活跃度、转发意愿和转发概率，进而社交网络中用户影响力。 文献[71]在度量影响力时融合了用户发布信息的主题生成过程，认为兴趣相似或经常联系的用户间影响力较强，用户的行为受其朋友的影响也受其个人兴趣的影响。基于这些假设，结合文本信息和网络结构对LDA模型进行扩展，在用户发布信息的基础上建立模型，通过解模型计算得出用户间基于主题的影响力。 文献[72]认为转发概率同样可以体现用户间的影响力，根据用户间的关注关系。历史转发记录，利用贝叶斯模型预测用户间的转发概率。 文献[73]考虑了用户建立关注关系的原因，用户被关注可能是与关注者兴趣投，也可能受用户的影响力影响。将基于用户的主题建模和基于主题的影响力评估相结合，并在同一个生成模型中进行计算，提出基于LDA算法模型的扩展算法模型FLDA模型(Followship-LDA)。[13] P. Bonacich. Factoring and weighting approaches to status scores and clique identification[J]. Journal of Mathematical Sociology, 1972, 2(1): 113-120 [14]ü,[J]. Physica A, 2012, 391(4): 1777-1787 [15] D. B. Chen, H. Gao, L. Lü, et al. Identifying influential nodes in large-scale directed networks: The role of clustering[J]. PLoS One, 2013, 8(10): e77455 [16], . [J].Physical Review E, 2005, 71(5): 122-133 [17][J].Sociometry,1977, 40(1): 35-41 [18] S. Dolev, Y. Elovici, R. Puzis. Routing betweenness centrality[J].Journal of the ACM, 2010, 57(4): 710-710 [19] Y. Gang,, H. Bo,etal. Efficientroutingoncomplexnetworks[J].PhysicalReviewE, 2005, 73(4): 46108 [20] E. Estrada, D. J. Higham, N. Hatano. Communicability betweenness in complex networks[J]. Physica A, 2009, 388(5): 764-774 [21][J].Social networks, 2005, 27(1): 39-54 [22] networks[J]. Social networks, 2000, 22(3): 187-200 [23] B. S. Brin, L. Page. The anatomy of a large scale hypertextual Web search engine[J]. Computer Networks & ISDN Systems, 1998, 30: 107-117 [24] P. Jomsri, S. Sanguansintukul, W. Choochaiwattana. CiteRank: combination similarity and static ranking with research paper searching[J]. International Journal of Internet Technology & Secured Transactions, 2011, 3(2): 161-177 [13][25][D].California: University of California. 2012 [26] J. Weng, E. P. Lim, J. Jiang, et al. Twitterrank: finding topic-sensitive influential twitterers[C]. Third International Conference on Web Search & Web Data Mining, ACM, 2010, 261-270 [27]: distinguishingbetweenprestigeandpopularity[J].NewJournalofPhysics,2012,14(14): 33033-33049 [28] J. Xuan, H. Jiang, , et al. Developer prioritization in bug repositories[C]. International Conference on Software Engineering, 2012, 25-35 [29]ü,[J]. Physica A, 2013, 404(24)47-55 [30] L. Lü, Y. C. Zhang, C H Yeung, et in social networks, the delicious case[J]. PLoS One, 2011, 6(6): e21202 [31][J].Authoritative sources in a hyperlinked environmen, 1999, 46(5): 604-632 [32](SALSA)andthe TKC effect[J]. Computer Networks, 2000, 33(2): 387-401 [33][J].Physical Review E, 2014, 90(5): 052808 [34] A. Banerjee, A. G. Chandrasekhar, E. Duflo, et al. Gossip: Identifying central individuals in a social network[R]. National Bureau of Economic Research, 2014. [35] percolation in social networks[J]. arXiv preprint arXiv:, 2015. [36] S. Y. Tan, J. Wu, L. Lü, et al. Efficient network disintegration under incomplete information: the comic effect of link prediction[J]. Scientific Reports, 2016, 6. [37]任晓龙,吕琳媛.网络重要节点排序方法综述[J].科学通报, 2014,59(13): 1175-1197 [63]贝克,晓冬.社会资本制胜:如何挖掘个人与企业网络中的隐性资源[M].上海交通大学出版社,2002. [64]天涯.六度分隔理论和150法则[EB/OL].|.[2010-07-14]. [65]Granovetter M Strength of Weak Ties[J]. American journal of sociology, 1973: 1360-1380. [66]王梓.社交网络中节点影响力评估算法研究[D].北京邮电大学, 2014. [67] Meeyoung Cha, Hamed Haddadi,Fabricio Benevenutoets. Measuring User Influence in Twitter: The Million Follower Fallacy[C]. Proceedings of the 4th International AAAI Conference on Weblogs and Social Media (ICWSM),2010:10-17 [3][68]  Page, Lawrence, Brin, et al. The PageRank citation ranking[C]// BringingOrder to the Web. Stanford InfoLab. 1998: 1-14. [4][69]Kleinberg J M. Authoritative sources in a hyperlinked environment[J]. Journal of the ACM, 1999, 46(5): 604-632. [70]Zibin Yin, Ya Zhang. Measuring Pair-Wise Social Influence inMicroblog[C], 2012 ASE/IEEE International Conference on SocialComputing and 2012 ASE/IEEE International Conference on Privacy,Security, Risk and Trust, 2012: 502-507. [71]Lu Liu, Jie Tang, Jiawei Han, Meng Jiang, Shiqiang Yang. Mining topic-level influence in heterogeneous networks[C]. Proceedings of the 19th ACMinternational conference on information and knowledge management, 2010: 199-208. [72] Qianni Deng, Yunjing Dai. How Your Friends Influence You: Quantifying Pairwise Influences on Twitter[C], International Conference on Cloud and Service Computing, 2012:185-192. [73] Bi, Bin, et al. Scalable Topic-Specific Influence Analysis on Microblogs[C], Proceedings of the 7th ACM international conference on Web search and data mining,2014: 513-522.

随着信息时代的到来，互联网正迅速改变着人类的工作、生活和思维方式。互联网在带来积极影响的同时，也带来了负面影响。目前，随着互联网在大学生中的日益普及，很多使用网络的大学生出现人际关系淡漠、社会适应性较差、日常时间管理混乱、在学业急个人发展问题上存在障碍等问题。该文采用在中文网络成瘾量表(CIAS-R)基础上进行修订后的网络依赖行为测量量表，以及人际关系综合诊断表，进行大学生的人际关系与网络依赖行为的相关研究，探讨网络依赖行为的影响因素，从而为改善大学生网络依赖行为提供参考。1 对象与方法 对象 整群抽取安徽省芜湖市4所高校大学生，实际发放问卷1 500份，回收有效问卷1 232份，有效回收率为，其中男生806名()，女生426名()；一年级学生273名()，二年级学生476名()，三年级学生483名()；来自农村的学生795名()，来自城市的学生437名()。平均年龄为岁。 方法 网络依赖程度调查 采用清华大学教育研究所白羽等［1］在中文网络成瘾量表基础上进行修订后的总量表，该量表已在国内多项研究中应用，具有良好的信度和效度。通过使用本研究所修订的鉴别工具，将样本群体区分为正常群体、网络依赖群体和网络成瘾群体3类。 该量表有2个分量表，其中网络成瘾核心症状(IA-Sym)分量表(10个题)被区分为强迫性上网及网络成瘾戒断反应(Sym-C)与网络成瘾耐受性(Sym-T)2个维度；网络成瘾相关问题(IA-RP)分量表(9个题)被区分为人际与健康问题(RP-IH)与时间管理问题(RP-TM)2个维度。对于网络依赖的大学生，由于网络影响了其正常的生活秩序，在人际、健康、时间管理等方面均有不同于正常群体的表现，故选用此份量表进行网络依赖程度的鉴别。 人际关系诊断选用郑日昌［2］主编的大学生心理诊断量表，共28题，具有良好的信度和效度。此量表分为交谈行为、交际与交友、待人接物、异性交往4个分量表。总分在0～8分之间，说明不存在或较少存在交友方面的困扰，人缘很好；总分在9～14分之间，说明与朋友相处存在一定程度的困扰，人缘一般；总分在15～28分之间，表明在同朋友相处上的行为困扰较严重。 统计方法 全部问卷资料核实后进行编码，运用SPSS 对有效问卷的数据进行统计分析。2 结果 网络依赖行为与人际关系 经相关性分析，网络依赖和人际关系之间呈显著正相关(r=，P＜)，与分量表中的交谈行为相关不显著(r=，P＞)，和交际与交友、待人接物、异性交往之间呈显著正相关(r值分别为，和，P值均＜)。 不同人际关系状态大学生网络依赖行为得分比较 在网络依赖行为总得分以及“网络成瘾核心症状(IA-Sym)”分量表、“网络成瘾相关问题(IA-RP)”分量表的得分上，人际关系较少存在困扰的人群要显著低于人际关系存在一定程度困扰的人群，而人际关系存在一定程度困扰的人群又显著地低于困扰很严重的人群。见表1。表1 芜湖市不同人际关系的大学生网络依赖行为得分比较(略)3 讨论 Potera［3］将网络依赖者描述为“无法抑制长时间上网的冲动；在上网时，感觉到愉快、平静、自信，并且沉溺于网络的虚拟现实之中；一旦无法上网，则感觉焦虑、孤独、愤怒，甚至抑郁；由于乐于上网而忽略了亲人、朋友和参与现实的社会活动”等。Young［4］在对大学生网络依赖的研究中也发现，过度网络使用者存在社会参与程度降低，社会行为退缩的倾向；在半数以上过度使用网络的大学生身上都发现比较严重的人际关系、社会适应以及学业成绩等方面的问题。在本研究中，大学生网络依赖和人际困扰之间呈显著正相关，而且人际关系困扰严重的人群网络依赖行为越严重。这一研究结果与以上研究结果相符合。大学生网络依赖与性别、年龄、个性特征、家庭背景、人际交往以及学业成绩等多方面因素有关，本文只着重分析了网络依赖与大学生人际交往的相关性，其他方面有待进一步研究。 调查还发现，大学生网络依赖与交谈行为相关不显著，和交际与交友困扰、待人接物困扰、异性交往困扰之间呈显著正相关。大学生正处于青春发育期，即将完成学业，走上工作岗位，渴望友谊、渴望爱情，希望能获得待人接物方面的社会技巧。由于种种原因，现实生活不能满足他们的需求，于是在网络这个虚拟空间寻找到一个可以排解孤独情绪、寻求安慰和发泄不满的场所，从而容易产生网络依赖。交谈行为是人们交往的基本行为能力，对于大学生群体来说，即使有的学生不善言谈，但由于该群体智力较高，如果诚实友善，也能获得良好的人际关系。可能由于这样的原因，交谈行为与网络依赖相关并不明显。4 建议 加强大学生的媒介素养教育 媒介素养指媒介受众对各种媒介信息的解读批判能力以及使用媒介信息为个人生活、社会发展所应用的能力。网络作为现代媒体，如何正确利用而不至于产生网络依赖，就需要加强大学生的媒介素养教育。引进媒介素养教育，提高大学生应对现代媒介的素质，也是大学文化建设的创新之举、必要之举。 加强网络管理，办好校园网，增强吸引力 要充分发挥高校知识、人才、信息密集的特点，使大学校园网成为教学、科研、学习、生活和娱乐的重要场所。根据大学生特点设置一些他们喜闻乐见的与学习、生活和娱乐相关的版块，构建融思想性、知识性、趣味性、服务性于一体的校园网站，把学生兴趣引导到努力学习、全面发展、完善人格、增加文化素养的正确轨道上来。 培养大学生人际交往能力，塑造健康人格 处于青年期的大学生，思想活跃，精力充沛，渴望交往，却又缺乏交往技能。因此，可以通过开设课堂、讲座，特别是开展丰富多彩的校园文化活动等，鼓励大学生在人际交往中掌握沟通技巧，提高人际交往能力。同时，不断完善个性，塑造健康人格，达到全面发展。这只是一些资料希望能帮到您！

我也是会计的，正在写毕业论文。选题方面一般来说，应该选取容易取得数据并且进行分析的题目来写，比如“某企业的财务风险（或者融资问题、筹资问题等等）分析”，就可以找某个企业的财务报表，通过分析数据来拓展论文内容，这样比较好写

论网络对中学生的影响      今天当我们步入网络社会，发现青年与网络之间存在众多的契合点，正是这些契合点使青年对互联网“一网情深”。青年在网络影响下千状百态虽然向社会展示了其众多绚丽之处，也令人倍感惊喜。但不少青年网民的失色表现却无论如何不能给社会增辉，不能让人高枕无忧。      (一)网络的正面影响      1、网络有助于创新青少年思想教育的手段和方法。利用网络进行德育教育工作，教育者可以以网友的身份和青少年在网上“毫无顾忌”地进行真实心态的平等交流，这对于德育工作者摸清、摸准青少年的思想并开展正面引导和全方位沟通提供了新的快捷的方法。此外，由于网络信息的传播具有实时性和交互性的特点，青少年可以同时和多个教育者或教育信息保持快速互动，从而提高思想互动的频率，提高教育效果；由于网络信息具有可下载性、可储存性等延时性特点，可延长教育者和受教育者思想互动的时间，为青少年提供“全天候”的思想引导和教育。还可以网上相约，网下聚会，实现网上德育工作的滋润和补充，从而及时化解矛盾，起到温暖人心，调动积极性，激发创造力的作用。      2、提供了求知学习的新渠道。目前在我国教育资源不能满足需求的情况下，网络提供了求知学习的广阔校园,学习者在任何时间、任何地点都能接受高等教育，学到在校大学生学习的所有课程、修满学分、获得学位。这对于处在应试教育体制下的青少年来说无疑是一种最好的解脱，它不但有利于其身心的健康发展，而且有利于家庭乃至于社会的稳定。      3、开拓青少年全球视野，提高青少年综合素质。上网使青少年的政治视野、知识范畴更加开阔，从而有助于他们全球意识的形成。同样，又可提高青少年综合素质。通过上网，可以培养他们和各式各样的人交流的能力；通过在网上阅览各类有益图书，触类旁通，提高自身文化素养。      （二）网络的负面影响      1、对于青少年“三观”形成构成潜在威胁。青少年很容易在网络上接触到资本主义的宣传论调、文化思想等，思想处于极度矛盾、混乱中，其人生观、价值观极易发生倾斜，从而滋生全盘西化、享乐主义、拜金主义、崇洋媚外等不良思潮。      2、网络改变了青年在工作和生活中的人际关系及生活方式。青少年在网上公开、坦白地发表观点意见，要求平等对话，对青少年工作者的权威性提出挑战，使思想政治工作的效果往往不能达到预期。同时，上网使青少年容易形成一种以自我为中心的生存方式，集体意识淡薄，个人自由主义思潮泛滥。      3、信息垃圾弱化青少年的思想道德意识。有关专家调查，网上信息47%与色情有关，六成左右的青少年在网上无意中接触到黄色信息。还有一些非法组织或个人也在网上发布扰乱政治经济的黑色信息，蛊惑青少年。这种信息垃圾将弱化青少年思想道德意识，污染青少年心灵，误导青少年行为。      4、网络的隐蔽性，导致青少年不道德行为和违法犯罪行为增多。一方面，少数青少年浏览黄色和非法网站，利用虚假身份进行恶意交友、聊天。另一方面网络犯罪增多，例如传播病毒、黑客入侵、通过银行和信用卡盗窃、等。这些犯罪主体以青少年为主，大多数动机单纯，有的甚至是为了“好玩”、“过瘾”和“显示才华”。另外，有关网络的法律制度不健全也给青少年违法犯罪以可乘之机。

要我觉得的话，网络对我没影响，不就是现在我有重装系统强迫症，我初一下面来自二级宇宙文明初级人工智能系统程序（字数3046）———————————————————————————————————网络文化对大学生的负面影响及其对策 收费毕业论文 [2010-07-06 03:23] 18 摘要:随着网络的普及和发展,它已经渗透到社会生活的各个领域。网络在给大学生带来积极影响的同时,也不可避免的造成了一些负面效应,并且严重地冲击着大学生的世界观、人生观、价值观和道德观。 关键词:网络文化;大学生;负面影响;对策 网络时代所构建的新的生存方式和生 摘要:随着网络的普及和发展,它已经渗透到社会生活的各个领域。网络在给大学生带来积极影响的同时,也不可避免的造成了一些负面效应,并且严重地冲击着大学生的世界观、人生观、价值观和道德观。 关键词:网络文化;大学生;负面影响;对策 网络时代所构建的新的生存方式和生活方式,广泛而深刻的影响着大学生的思想政治观念、价值取向、道德判断、文化理念等诸多方面。网络文化的兴起与发展,正加速改变着大学生的思想状态,影响着他们的认知、情感和行为。网络文化的负面影响越来越受到社会的普遍关注。因此,我们要充分利用网络资源对网络时代大学生行为的教育和管理提出几点建议,以期达到正确引导的目的,从而使大学生能够健康成长。 一、网络文化对大学生的负面影响 网络是一个开放的世界,网上的信息良莠不齐,特别是在目前网络立法监督还不够完善的情况下,网上反动、色情的信息随处可见。大学生正处在世界观、价值观和人生观形成的关键时期,如果不能给他们提供一个健康积极安全的网络环境,就会很容易导致他们缺乏是非辨别能力、自我控制能力和选择能力,进而使得他们难以抵御网上的各种不良信息的侵蚀,很容易在不知不觉中受到不良影响,网络的不文明现象,甚至网络犯罪也就显现出来了。 一是网络的多元化,使得各种思想、各种价值观都出现在网络之中 网络能够超地域无障碍的交流,它既是信息的集散地,又是信息的垃圾场,各种合法信息与非法信息、有益信息与垃圾信息都混杂其中,从而产生网络“信息污染”现象。在多种观念相互激荡、多种意识形态相互影响、多种文化相互融合的网络时代,大学生网民的思想观念面临着西方意识形态的全面渗透和前所未有的冲击。以美国为首的西方发达国家基本掌握着网络信息的关键技术,网络正在成为灌输西方价值观的一个基本工具。我国作为技术上的“后起国”,在网络信息中,维护教育主权和马克思主义在意识形态领域的指导地位,防止敌对势力对我进行“西化”、“分化”的图谋,其任务是十分紧迫和艰巨的。[1]网络中的垃圾文化的传播会导致大学生价值冲突,使其价值取向多元化,进而大学生的道德意识逐渐弱化。 二是网络的开放性,易忽视现实的规则约束 网络是一个失去了某些强制“他律”因素的自由空间,是一个虚拟社会,在网络环境中缺少社会舆论的监督和现实的规范约束,使“他律”作用下降,容易诱发道德行为的失控。网络世界里没有相同于现实世界的规则约束,它的开放性容易使他们忽视现实生活中的社会规范和道德约束力,违规行为便频频出现了。很多的网络不文明现象在不断增多,有个别大学生网络道德自律性差,在网上匿名肆意泄露并宣扬他人隐私,攻击侮辱他人人格,给他人造成严重的精神伤害,对他人声誉造成不良的影响。网络黑客行为不仅对网络信息和网络安全构成巨大威胁,而且还严重干扰了网络社会的正常秩序,甚至危害到现实社会。 三是网络的虚拟性,影响了大学生的身心健康 网络引发了大学生的虚拟社会交往行为。网络的虚拟性使得相当一部分大学生更愿意选择与网友交往,但是大学生在虚拟世界扩大社会交往范围的同时,在现实世界里又缩小了交往的范围。他们整天坐在电脑前,漫游在网上世界里,与真实社会慢慢脱离,变得日益孤僻,加深了与同学,老师和亲友间的感情隔阂。[2]从而使得他们极力回避现实的人际关系,变得与现实社会相隔离,不利于培养合作意识和团队精神,导致自主创造能力和社会实践能力的逐渐削弱;不少大学生沉溺于虚拟世界、与符号化的对象交往而不能自拔,以致孤独感、抑郁感增强,形成自我封闭的心理,导致心理扭曲,不利于大学生的健康成长。 二、应对网络文化负面影响的措施 当代大学生是时代的弄潮儿,是祖国未来的承载者,作为网络影响最普遍的一个群体,越来越扮演着网络文化先锋的角色。网络文化对大学生思想的影响是多层次、多角度和多方面的。我们必须直面挑战、积极应对、主动介入,采取有效对策控制网络文化对大学生的负面影响,营造良好的网络文化氛围。 第一,加强网络的法律法规和道德规范建设 要加强网络立法,迅速提高司法人员在计算机网络管理与执法方面的能力。到目前为止,我国已颁布的有关网络的法律法规有《中华人民共和国计算机信息网络国际互联网管理暂行办法》、《中国互联网域名注册实施细则》、《计算机信息网络国际互联网安全保护管理办法》。我国有关部门还应该注意借鉴国外网络道德规范建设的经验,结合我国的《公民道德建设实施纲要》的精神,制定出更具科学性、操作性的网络道德规范要求,以便使高校开展大学生网络道德教育有章可依,能正确地引导大学生的网络行为。 第二,加强大学生网络道德教育 加强大学生网络道德教育,要针对大学生网络道德的现状,要施行以辨识为主、辨识与灌输相统一的道德教育方法。[3]把管理和教育结合起来,自律和他律结合起来,使大学生的网络自由与自律、责任与道义相互统一。加强伦理道德教育、法律意识和安全意识教育,树立和宣传良好的网络道德榜样,培养学生健全的人格和高尚的道德情感。使他们能够提高分析辨别能力和“免疫力”,增强政治敏锐性和鉴别力,自觉地防止和抵制网络不良因素的影响。 第三,加强“慎独”教育,培养自律精神 网络社会所要求的道德,是一种以“慎独”为特征的自律性的道德。它强调在个人独处之际,没有任何的外在监督和控制,也能遵从道德规范,恪守道德准则。马克思曾指出:“道德的基础是人类精神的自律。” [4]充分体现出道德自律的重要性。由于网络行为的隐蔽性特征,它对人们的自律性有了更高的要求,要求人们具有更高的道德境界。网络空间又是一个自由、开放的空间,大学生畅游在丰富多彩而又复杂的网络文化中,更需要大学生自觉强化自律精神和责任意识,自觉主动地增强网络道德意识。因此,自主、自律性的道德规范教育就显得更为重要了。 第四,加强自我修养教育 自我修养是道德内化为良心和品质的内在要素。网络信息的开放、快捷、隐秘、广泛、虚拟等特征,使网络信息污染成为不可避免的一个严重问题。作为新时期的大学生,要确立自己远大的人生目标,合理安排作息时间,健全人格,提高个人的交际能力,矫正不良的上网习惯。从自身的层面来说,大学生要加强自我修养教育,提高自我心理调适能力。应培养自己的意志品质,增强自我约束能力,保持健康的情绪,从而增强抵御网络环境负面影响的能力。 参考文献 [1] 何志峰.网络对大学生思想政治教育的影响与对策[J].中国成人教育,2007,(9). [2] 董耘.网络对大学生行为的影响及其对策探究[J].教育与职业,2006,(18). [3] 陈德敏.大学生网络道德问题初探[J].中国成人教育,2007,(4). [4] 马克思,恩格斯.马克思恩格斯选集(第一卷)[M].北京:人民出版社,1995.