论戏剧与科技的互动

艺术与科技有着天然的渊源关系。在艺术家族里 ,从科技的发展中受惠最多的可谓戏剧 ,它在科技引导与催促下的发展是艺术与技术互动的典型样式。因此 ,从戏剧发展的历史上 ,可以透视科技发展的轨迹。但戏剧并非单方面地受惠 ,科技的进步 ,物质世界的丰富与创新 ,戏剧艺术也发挥了独特作用。随着网络科技的发展 ,不仅使戏剧观众与戏剧创造者形成了新的互动关系 ,而且 ,使一种并非将舞台戏剧搬上网络的网络戏剧的诞生成为可能。在未来社会发展中 ,戏剧艺术与科学技术的互动与联姻 ,将使二者都获得无限的生命力     

网络的外部性分析

以网络外部性来作为分析网络经济效果的切入点 ,不但能清楚了解网络的特性与优势 ,更能对网络优势与其所造成的冲击进行经济分析。无排他性与普遍性是网络最重要也最特殊的特性 ,网络外部性有互依性与非补偿性两项重要的特性。网络的供需调整方式与传统一般产业的供需均衡分析有着很大的差异     

自媒体背景下政府对网络舆论监管问题研究

在自媒体时代,网民已经成为政府部门需要关注的群体。无论是举报腐败、环境监测、食品安全、医疗改革,还是虚假信息举报,该群体都已成为政府监管机构处理网络舆论问题的有力助手。网民在国民经济和民生问题上发挥了巨大作用,推动了电子政务的不断升级和完善。然而,在自媒体背景下也会产生一系列错综复杂的网络问题,迫切需要政府合理有效地指导。怎样利用自媒体保证主流舆论导向的正确性,如何监督和引导自媒体网络舆论的独特优势和突出特点,显然已成为相关部门面临的重要课题。     

适应性网络空间抽样的设计及估计研究

随着大数据背景下抽样环境复杂化,特别是3S技术（遥感技术、地理信息系统和全球定位系统）日趋成熟,越来越多社会经济问题涉及空间抽样,其样本呈现出规模相对稀少、分布不均匀、局部聚集的特征,使得传统抽样调查面临着严重挑战。本文介绍了适应性抽样技术应用于空间网络环境的基本原理、主要操作步骤和马尔可夫链蒙特卡罗估计推断,并以广州市天河区的商户抽样为例讨论实际操作中应注意的问题,以期为流动人口、环境污染、区域经济研究等方面调查提供理论支撑和实证方法参考。     

高维大数据基因网络中的社区发现——以NC方法为例

从大量基因中识别出致病基因是大数据下的一个十分重要的高维统计问题。基因间网络结构的存在使得对于致病基因的识别已从单个基因识别扩展到基因模块识别。从基因网络中挖掘出基因模块就是所谓的社区发现（或节点聚类）问题。绝大多数社区发现方法仅利用网络结构信息,而忽略节点本身的信息。Newman和Clauset于2016年提出了一个将二者有机结合的基于统计推断的社区发现方法（简称为NC方法）。本文以NC方法为案例,介绍统计方法在实际基因网络中的应用和取得的成果,并从统计学角度提出了改进措施。通过对NC方法的分析可以看出对于以基因网络为代表的非结构化数据,统计思想和原理在数据分析中仍然处于核心地位。而相应的统计方法则需要针对数据的特点及关心的问题进行相应的调整和优化。     

景观社会中青年网络社交的文化反思

网络社交媒介的种类不断多样化、功能日渐丰富化,为当代网络青年的个体表达营造出一种"拟真"的赛博空间。有关自我信息的表达方式,则从早期的纯文字、静态图像到语音信息、网络动图再到视频展播,形成了一种网络"景观"。其中,身体作为表达自我的符号功能受到重视,具身化倾向愈发显著。一方面,导致了网络青年对外在身体形象的极度关注,形成了自恋主义;另一方面,为了逃避来自现实世界的真实问题,从而建构起了一种虚假身份。造成这种结果的根源乃在于当代狂热的消费文化和焦虑的社会心态,最终加剧了网络青年的自我认同危机。     

新媒体环境下学生事务服务工作探析

高校作为大学生思想政治教育和学习生活教育的主阵地,应利用新媒体传播的优势开展学生服务工作,以服务学生、引导成长的理念处理学生事务。在实际工作中,学生组织的新媒体平台发挥着重要的作用。建构新媒体环境下的学生事务服务管理工作体系,是提升学生工作能力的重要途径之一。     

关于大学生网络人际关系的社会心理学研究

从远古时期的结绳记事到后来的活字印刷术、邮件、电话,再到如今花样层出的即时通讯工具,飞速发展的交流方式使人们的生活日新月异,人类文明绵延不绝,也有其一部分功劳。早早因此入驻地球村的人们沉浸于此,却不想凡事都有两面性。尤其是处于形成是非明辨能力时期的大学生,在大数据算法和互联网强强联手下,手机等电子产品不离身的大学生很难不陷入各类投其所好的事物组成的温柔乡里。本文将从大学生网络人际关系涉及的社会心理学出发,阐述由其引发的相关影响及对策,从而使大学生在现实和网络世界中找寻平衡,勿失去自我。     

大数据背景下网络调查样本的建模推断问题研究——以广义Boosted模型的倾向得分推断为例

随着大数据和网络的不断发展,网络调查越来越广泛,大部分网络调查样本属于非概率样本,难以采用传统的抽样推断理论进行推断,如何解决网络调查样本的推断问题是大数据背景下网络调查发展的迫切需求。本文首次从建模的角度提出了解决该问题的基本思路：一是入样概率的建模推断,可以考虑构建基于机器学习与变量选择的倾向得分模型来估计入样概率推断总体;二是目标变量的建模推断,可以考虑直接对目标变量建立参数、非参数或半参数超总体模型进行估计;三是入样概率与目标变量的双重建模推断,可以考虑进行倾向得分模型与超总体模型的加权估计与混合推断。最后,以基于广义Boosted模型的入样概率建模推断为例演示了具体解决方法。