社交媒體內(nèi)容分析精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的社交媒體內(nèi)容分析主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：社交媒體內(nèi)容分析范文
關(guān)鍵詞？演社會化媒體；微博營銷策略；評價指標(biāo)體系
[中圖分類號]F274 [文獻(xiàn)標(biāo)識碼] A [文章編號]1673-0461（2015）07-0026-05
一、前 言
目前，微博的使用率正在上升，而其他網(wǎng)絡(luò)社交工具的使用率略微出現(xiàn)下降，如博客、貼吧等，微博覆蓋面很廣并且它是中國網(wǎng)民獲得信息的重要途徑之一，因此企業(yè)利用微博進(jìn)行營銷是有必要的[1]。據(jù)新浪公布2015第一季度財報數(shù)據(jù)顯示，截至2015年3月，微博月活躍用戶1. 98億，日活躍用戶6 660萬，新浪微博上有40多萬個企業(yè)認(rèn)證賬號。新浪公司旗下微博業(yè)務(wù)于2014年4月17日正式登陸納斯達(dá)克，成為全球范圍內(nèi)首家上市的中文社交媒體，上市當(dāng)天逆市上漲19%。盡管微博營銷的前景十分光明，但是隨著微信的出現(xiàn)其營銷的價值也受到挑戰(zhàn)，同時對于企業(yè)來說微博的商業(yè)模式很難真正打動消費(fèi)者的興趣，這主要是微博盡管加大了營銷力度 [2]，但一直缺乏系統(tǒng)的營銷策略有效性評價體系。因此，本文將通過實(shí)證研究系統(tǒng)建立微博營銷策略有效性評價指標(biāo)體系，從而為各大微博平臺提供有借鑒價值的營銷策略有效性評價方法，優(yōu)化微博營銷策略及關(guān)鍵考核指標(biāo)[3]，增強(qiáng)客戶粘性，加速微博口碑傳播速度，從而有效提高客戶情感忠誠度。
二、微博營銷相關(guān)理論
（1）社會化媒體（Social Media）與社會化媒體營銷?，F(xiàn)階段國內(nèi)的社會化媒體主要包括微博、貼吧、微信、論壇等等[4]，國外的社會化媒體包括Linkedin、Youtube、Facebook、Twitter等為代表的新型媒體平臺[5]，他們共同的特點(diǎn)是由用戶創(chuàng)造內(nèi)容，并且傳播迅速、操作簡單[6]。由于社會化媒體具有互動參與性、高度透明性以及社交性，企業(yè)將其視為一種新型的營銷傳播平臺，以期提高營銷效果[7]。
社會化媒體營銷就是通過諸如社交網(wǎng)站、微博、微信、博客等的一系列社會化媒體工具[8]，通過信息，與用戶交流互動，利用社會化媒體的病毒式傳播的優(yōu)勢特征，來實(shí)現(xiàn)品牌塑造、客戶反饋、客戶互動、口碑營銷、銷售促進(jìn)等的一種網(wǎng)絡(luò)營銷行為[9]。社會化媒體營銷（Social Media Marketing）已成為眾商家最重要的營銷手段之一，從而為推薦系統(tǒng)的發(fā)展提供了前所未有的市場機(jī)會和應(yīng)用前景[10]。微博營銷有自己獨(dú)特性，對于微博營銷效果的研究大多關(guān)注其影響因素[11]，并未構(gòu)成系統(tǒng)的指標(biāo)體系，而且各學(xué)者對相同的指標(biāo)持不同的看法，比如微博粉絲量或者活躍粉絲量，王武義認(rèn)為最重要的因素是粉絲數(shù)量[12]，而邢斗提出粉絲數(shù)量與所謂的活躍粉絲數(shù)并不能評價微博營銷績效。
（2）微博營銷相關(guān)概念。微博營銷指的是不同的個人與組織運(yùn)用微博客這種網(wǎng)絡(luò)應(yīng)用工具、借助于各類微博平臺、并結(jié)合微博的傳播特性所進(jìn)行的市場營銷、品牌推廣或公共關(guān)系維護(hù)等行為[13]。與一般的社會化媒體工具相比，微博具有獨(dú)特的優(yōu)勢。首先，微博營銷的低成本是論壇不可相比的；其次，微博的瞬時分享、即時互動、簡短的優(yōu)勢是博客所達(dá)不到的；最后，SNS覆蓋用戶比較集中、粘性大、側(cè)重交往，更適合精準(zhǔn)人群的特定營銷，而微博覆蓋更廣，更適合話題或事件營銷，并且可以實(shí)現(xiàn)開放式營銷。
總之，在文獻(xiàn)研究基礎(chǔ)上，本文歸納出微博營銷的五個基本策略，包括準(zhǔn)備工作、粉絲部落、內(nèi)容策略、互動策略以及情報監(jiān)控，這些研究對微博營銷策略有效性評價指標(biāo)提取奠定了基礎(chǔ)。
三、微博營銷策略有效性評價指標(biāo)體系的構(gòu)建
1. 指標(biāo)提取及問卷設(shè)計(jì)
本文通過內(nèi)容分析法，從許多資料中提取了表1中這些未分類的具體指標(biāo)，其中所有35個指標(biāo)都是與微博密切相關(guān)的?；谝韵轮笜?biāo)，本文根據(jù)五點(diǎn)量表設(shè)計(jì)出微博營銷策略評價指標(biāo)有效性調(diào)查問卷。問卷第一部分包括五道基礎(chǔ)信息題，關(guān)于被調(diào)查者的性別、年齡、使用微博時長、登錄微博頻率以及其微博關(guān)注對象。問卷第二部分包括35道題，測試的是各因素指標(biāo)在評價微博營銷策略有效性時有不同的重要程度，分別是非常不重要、比較不重要、一般重要、比較重要以及非常重要，其賦值分別為1、2、3、4、5。
2. 數(shù)據(jù)分析
（1）信度分析。本研究主要借助SPSS20.0軟件進(jìn)行分析，如表2所示，這次問卷共收回159份，有效問卷159份，無效問卷0份，有效率為100%。由表3可知內(nèi)部一致性α系數(shù)為0.949，大于0.900，說明問卷結(jié)果的可靠性是非常理想的。
（2） 因子分析。取樣適當(dāng)性量數(shù)值為0.906，指標(biāo)值大于0.9，如表4所示，表示變量間有共同因素存在，量表題項(xiàng)適合進(jìn)行因素分析。
解釋總方差結(jié)果如表5所示，采用最大方差法后，四個共同因素的特征值分別是5.767、4.222、3.976、3.436，四個共同因素可以解釋測量題項(xiàng)58.003%的變異量。
由表6可以看出第一個因素包括十一個指標(biāo)（Q7、Q6、Q38、Q40、Q37、Q39、Q31、Q8、Q30、Q14、Q18），這些指標(biāo)負(fù)荷量介于0.714至0.525之間；第二個因素包括八個指標(biāo)（Q25、Q27、Q28、Q22、Q24、Q26、Q20、Q29），這些指標(biāo)負(fù)荷量介于0.707至0.542之間；第三個因素包括六個指標(biāo)（Q9、Q10、Q13、Q11、Q15、Q23），這些指標(biāo)負(fù)荷量介于0.832至0.522之間；第四個因素包括六個指標(biāo)（Q35、Q32、Q33、Q34），這些指標(biāo)負(fù)荷量介于0.727至0.610之間。這四個因素里面的題項(xiàng)均大于3，而且各個因素層面的題項(xiàng)變量的因素負(fù)荷量均在0.500以上，表示潛在變量可以有效的反映各指標(biāo)變量。
3. I-B-C-S模型的評價指標(biāo)體系建立
根據(jù)因子分析的結(jié)果，我們將Q6、Q7、Q8、Q14、Q18、Q30、Q31、Q37、Q38、Q39、Q40歸為第一類指標(biāo)，Q20、Q22、Q24、Q25、Q26、Q27、Q28、Q29歸為第二類指標(biāo)，Q9、Q10、Q11、Q13、Q15、Q23歸為第三類指標(biāo)，Q32、Q33、Q34、Q35歸為第四類指標(biāo)，具體分類如圖1和表7所示，由此我們建立起I-B-C-S模型的微博營銷策略有效性評價指標(biāo)體系。
如圖1所示，信息傳播，即Information dissemination，微博作為一條信息傳播的渠道，其信息傳播的有效性很大程度上影響微博營銷策略的有效性。信息傳播有效性由信息有效性、傳播有效性、銷售轉(zhuǎn)化率和客戶體驗(yàn)獲得，其中信息有效性包括內(nèi)容趣味性、內(nèi)容的個性、內(nèi)容利益性，傳播有效性包括轉(zhuǎn)發(fā)質(zhì)量和傳播力，銷售轉(zhuǎn)化率包括銷售量和用戶轉(zhuǎn)化率，客戶體驗(yàn)包括微博情感距離、微博情緒敏感度、微博體驗(yàn)強(qiáng)度、微博分享數(shù)。
品牌互動，即Brand interaction，社會化媒體營銷的最大作用就是品牌塑造，微博也不例外，所以品牌互動在一定程度上也影響著微博營銷策略的有效性。品牌互動由O2O信任協(xié)同、客服質(zhì)量、品牌效應(yīng)三個指標(biāo)構(gòu)成，O2O信任協(xié)同包括微博可信度、線上線下配合度，客服質(zhì)量包括用戶投訴率、用戶投訴解決率、投訴一次解決率、危機(jī)反應(yīng)速度，品牌效應(yīng)包括品牌知名度、品牌忠誠度。
客戶參與，即Customer participation，微博營銷的重點(diǎn)在于用戶之間的傳播，也就是說客戶參與對于微博營銷策略有效性也是很重要的一項(xiàng)指標(biāo)?？蛻魠⑴c包括外部客戶和內(nèi)部客戶，分別由粉絲活躍度、團(tuán)隊(duì)影響力決定，粉絲活躍度包括粉絲數(shù)量、活躍粉絲數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)，團(tuán)隊(duì)影響力包括發(fā)博數(shù)和微博營銷團(tuán)隊(duì)人數(shù)。
分享集群，即Share cluster，分享集群由短鏈流量、眾包集群兩個指標(biāo)決定，短鏈流量包括短鏈分享量和短鏈點(diǎn)擊量，眾包集群包括眾包開放度和搜索數(shù)。
四、結(jié)論與展望
本文通過對國內(nèi)外網(wǎng)絡(luò)營銷以及微博營銷策略的研究，通過因子分析法建立了IBCS模型的微博營銷策略有效性評價指標(biāo)體系，其中第一中間層包括信息傳播（Information dissemination）、品牌互動（Brand interaction）、客戶參與（Customer participation）、分享集群（Share cluster）四個指標(biāo)，這對于優(yōu)化微博營銷策略的個性化、智能化推薦具有重要的參考價值，也對量化微博營銷策略的有效性具有科學(xué)的評價依據(jù)。
在微博營銷策略中，企業(yè)首先要做的就是需要選擇合適的媒介。我國最大的兩個平臺是新浪微博、騰訊微博，他們都有自己獨(dú)特的優(yōu)勢，新浪微博在于其名人效應(yīng)、用戶多、影響力大等優(yōu)勢；騰訊微博在于它基于QQ用戶的豐富資源與強(qiáng)大傳播優(yōu)勢。因此，下一步我們將使用層次分析法，以新浪微博和騰訊微博為實(shí)驗(yàn)平臺，對上述微博營銷策略有效性指標(biāo)體系進(jìn)行修正與驗(yàn)證，基本思路如下：第一，確定目標(biāo)層、準(zhǔn)則層和方案層。目標(biāo)層為微博營銷策略有效性，第一準(zhǔn)則層包括信息傳播、品牌互動、客戶參與、分享集群四個指標(biāo)，第二中間層包括客戶體驗(yàn)、客服質(zhì)量、品牌效應(yīng)、粉絲活躍度、短鏈流量、眾包集群等11個指標(biāo)，第三中間層包括內(nèi)容趣味性、短鏈點(diǎn)擊量、眾包開放度以及搜索數(shù)等29個指標(biāo)，備選方案層為新浪微博平臺和騰訊微博平臺；第二，組織專家利用AHP層次分析系統(tǒng)的群決策功能對上述指標(biāo)體系進(jìn)行專業(yè)打分；第三，確定指標(biāo)之間的權(quán)重和得分，獲得目標(biāo)層得分；第四，驗(yàn)證這套指標(biāo)體系的適切性，進(jìn)行完善并做出決策。營銷管理實(shí)踐表明，這套微博營銷策略有效性評價指標(biāo)體系需要相應(yīng)的營銷活動做支撐，比如前期準(zhǔn)備工作、微博粉絲部落、微博內(nèi)容營銷策劃、微博互動關(guān)系管理以及微博輿情監(jiān)控。
隨著微博的快速發(fā)展，企業(yè)微博將會在過程中形成更多的變量，更多的數(shù)據(jù)，考慮到評價指標(biāo)的量化，未來的微博營銷策略有效性評價指標(biāo)體系將采用大數(shù)據(jù)挖掘技術(shù)進(jìn)一步加以完善。
[參考文獻(xiàn)]
[1] Tamar Weinberg.正在爆發(fā)的營銷革命：社會網(wǎng)絡(luò)營銷指南[M].北京：機(jī)械工業(yè)出版社，2010.
[2] 程雪芬.企業(yè)微博營銷效果影響因素及測度研究[D].大連：大連理工大學(xué)，2012.
[3] 邢斗.企業(yè)微博營銷績效的影響因素研究[D].鄭州：河南工業(yè)大學(xué)，2013.
[4] 劉曉偉. 社會化媒體營銷研究[D].濟(jì)南：山東師范大學(xué)，2014.
[5] Donna L.Hoffman and Marek Fodor.Can You Measure the ROI of Your Social Media Marketing[J].MIT SLoan Management Review，F(xiàn)all，2010，52（1）：41-49.
[6] 周仁杰. 社會化媒體內(nèi)容關(guān)注度分析與建模方法研究[D].哈爾濱：哈爾濱工程大學(xué)，2012.
[7] 趙源. 可口可樂“歌詞瓶”的社會化媒體營銷之道[J]. 東南傳播，2015（1）：110-111.
[8] 田定. 中小企業(yè)的社會化媒體營銷策略研究[D].上海：華東理工大學(xué)，2014.
[9] 張斯琦. 微博文化研究[D].長春：吉林大學(xué)，2012.
[10] 陰紅志. 社會化媒體中若干時空相關(guān)的推薦問題研究[D].北京：北京大學(xué)，2014.
[11] 王睿. 企業(yè)微博營銷影響因素與短期效果測量研究[D].北京：北京郵電大學(xué)，2012.
第2篇：社交媒體內(nèi)容分析范文
關(guān)鍵詞：圖像情感；情感計(jì)算；情感表示
中圖分類號：TP391.4
1 引言
隨著社交網(wǎng)絡(luò)的快速發(fā)展和廣泛使用，例如Twitter（https：//），F(xiàn)lickr（https：//），YouTube（https：//）和新浪微博（http：//），人們傾向于將自己的所見所聞、興趣愛好等以文本、圖像和視頻等多媒體的形式上傳至網(wǎng)絡(luò)來呈現(xiàn)和分享其觀點(diǎn)和情感。因此，即會導(dǎo)致文本、圖像和視頻等多媒體內(nèi)容的規(guī)模正以顯示指數(shù)級態(tài)勢發(fā)生著爆炸式增長，而針對這些多媒體內(nèi)容的處理及理解需求則日趨顯著與突出。相對于底層視覺特征層，人們只能夠感知和理解圖像、視頻的高層語義層，包括認(rèn)知層和情感層。以往對視覺內(nèi)容分析的工作主要集中在理解圖像、視頻的感知層，即描述圖像、視頻的真實(shí)內(nèi)容，如物體檢測與識別。然而，公眾對數(shù)字?jǐn)z影技術(shù)的關(guān)注熱衷及對視覺內(nèi)容情感表達(dá)的強(qiáng)烈需求，使得對圖像、視頻最高語義層―情感層的分析已然具有高度重要的研究和應(yīng)用價值。
對多媒體內(nèi)容情感層的分析屬于情感計(jì)算的一部分。情感計(jì)算的概念是由麻省理工學(xué)院媒體實(shí)驗(yàn)室的Picard教授于1995年首次提出的，而于1997年專著《Affective Computing》則正式出版問世[1]。書中給出了情感計(jì)算的定義，即情感計(jì)算是指與情感相關(guān)、來源于情感或能夠?qū)η楦惺┘佑绊懙挠?jì)算，包含3個部分：情感識別、情感發(fā)生和情感表達(dá)[1]。
基于此，根據(jù)需要處理的多媒體數(shù)據(jù)類型，對多媒體情感層的分析可以分為4種：基于文本的情感分析[2]、基于音頻的情感分析[3-5、基于圖像的情感分析[6-7]以及基于視頻的情感分析[8-11]。其中，基于文本和音頻的情感分析比較成熟，圖像情感分析中人臉表情識別的研究也相對成熟，而關(guān)于普通圖像和視頻情感分析的研究相對來說，卻仍顯不足。對圖像情感識別的研究最初源始于人臉表情R別，因?yàn)槿四槞z測和人臉識別的研究相對成熟，心理學(xué)對人臉表情的分類也已建立有清晰脈絡(luò)，此外更有大量的研究機(jī)構(gòu)也成功建立了表情識別的數(shù)據(jù)庫[12-14]。
受到情感鴻溝和人類情感感知與評估的主觀性等基礎(chǔ)現(xiàn)實(shí)的制約，普通圖像的情感分析進(jìn)展緩慢。不僅如此，圖像情感計(jì)算的發(fā)展還將需要心理學(xué)、藝術(shù)學(xué)、計(jì)算機(jī)視覺、模式識別、圖像處理、人工智能等領(lǐng)域的共同支持，眾多領(lǐng)域?qū)W科的交叉使得圖像情感計(jì)算成為一個富有挑戰(zhàn)性的研究課題。本文對圖像情感計(jì)算的發(fā)展研究現(xiàn)狀進(jìn)行了全面論述和分析。
1 情感的定義與描述
人類具有很強(qiáng)的情感感知和表達(dá)的能力，但是由于情感的復(fù)雜性和抽象性，人們很難將情感從概念上實(shí)現(xiàn)具體化和清晰化。心理學(xué)、生理學(xué)領(lǐng)域的科學(xué)家們早在18世紀(jì)就開啟了專門情感研究，并且推出了諸多情感理論來解釋情感是如何源起于產(chǎn)生的，如1872年的Darwin三原則理論[15]、1884年的James-Lange理論[16]、1927年的Cannon-Bard 理論[17]和1991年的Lazarus理論[18]。但是迄今為止，科學(xué)家們也仍未提出一個準(zhǔn)確、全面且可得到一致認(rèn)可的情感定義。
心理學(xué)中與情感相關(guān)的詞匯有emotion、affect、sentiment、mood、affective、emotional等，類似的中文詞匯有情感、感情、情緒、情感的、感情的等。心理學(xué)上認(rèn)為情感、情緒與感情是3個嚴(yán)格不同的概念[1，19-20]，但計(jì)算機(jī)學(xué)科對此區(qū)分并不嚴(yán)格區(qū)分，一般只是籠統(tǒng)將其稱為情感。wikipedia上給出了一種情感的模糊定義，“情感是對一系列主觀認(rèn)知經(jīng)驗(yàn)的通稱，是多種感覺、思想和行為綜合產(chǎn)生的心理和生理狀態(tài)”。心理學(xué)領(lǐng)域主要有2種方式來描述情感：離散情感狀態(tài)（CES）和維度情感空間（DES），或稱為范疇觀和維度觀[1，19-20] 。
1.1 離散情感狀態(tài)
持范疇觀的心理學(xué)家將情感分成相互獨(dú)立的范疇，而且在外部表現(xiàn)、生理喚醒模式上都存在一定的差異。近年來，持范疇觀的研究人員根據(jù)生物進(jìn)化理論把情感分為基本情感和復(fù)合情感。不同的心理學(xué)家對基本情感的分類差異很大，從2類到幾十類也各有不等，具體的分類方法可以參照文獻(xiàn)[1，19-20]。研究中更具代表性的成果主要有：Ekman把情感分為6類，即高興、憤怒、厭惡、恐懼、悲傷、驚奇[21]；Izzard 用因素分析方法，提出11種基本情緒，即興趣、驚奇、痛苦、厭惡、愉快、憤怒、恐懼、悲傷、害羞、輕蔑和自罪感[22]；Mikels 通過嚴(yán)格的心理學(xué)實(shí)驗(yàn)，把情感分為8 類，即表示積極情感的娛樂、敬畏、滿意、刺激，表示消極情感的生氣、厭惡、害怕和悲傷[23]；Plutchik提出了一套情感的演化理論，認(rèn)為情感有8種基本類型，但是每種情感又有3種不同的愉悅度（valence），即把情感分為24類[24]。還有一種模型是將情感分成積極和消極2類，或者積極、消極和中性三類。目前對表情識別的分類多是基于Ekman 的分類，而對圖像情感分類則以Mikels 的分類為主。
復(fù)合情感是由基本情感的不同組合派生出來的，可隨著個體認(rèn)知的成熟而煙花發(fā)展，并隨著文化的不同而發(fā)生變化。Izzard認(rèn)為復(fù)合情感有3類：基本情感的混合、基本情感和內(nèi)驅(qū)力的集合、基本情感與認(rèn)知的結(jié)合[22]。
用CES來描述和測量情感的優(yōu)勢可分述為：
1）符合人們的直覺和常識，容易被人們理解和標(biāo)注，有利于情感計(jì)算的成果在現(xiàn)實(shí)生活中推廣和應(yīng)用；
2）有利于智能系統(tǒng)在識別情感后，進(jìn)一步推理與之相聯(lián)系的特定心理功能和可能的原因，而后做出適當(dāng)?shù)姆从场?/p>
但也需明確認(rèn)識到CES的缺點(diǎn)，具體表述為：
1）哪些情感狀態(tài)或基本情感是必要的，目前研究者對此沒有統(tǒng)一的認(rèn)識；
2）CES是對情感的定性描述，無法用量化的數(shù)字表達(dá)主觀的情感體驗(yàn)，且其對情感的描述能力也比較有限。
1.2 維度情感空間
持維度觀的研究人員認(rèn)為情感具有基本維度和兩極性，所有的維度構(gòu)成一個笛卡爾空間，DES就將情感描述為該空間中的點(diǎn)，理論上該空間的情感描述能力是無限的，即能夠涵蓋所有的情感狀態(tài)。各種不同的維度情感空間可以參照[1][19][20]。常見的維度情感空間大多是3D的，如natural-temporal-energetic[25]、valence-arousal-control[26]、activity-weight-heat[27]等。比較典型的是愉悅度-激活度-優(yōu)勢度空間（valence-arousal-control space，VAC，有些時候也稱為pleasure-arousal-dominance space，PAD）[26]。其中，愉悅度表示個體情感狀態(tài)的正負(fù)特性，激活度表示個體的神經(jīng)生理激活水平，優(yōu)勢度表示個體對情景和他人的控制狀態(tài)。具體的VAC三維情感空間如圖1 （a）所示[28]，從圖中不難看出，優(yōu)勢度維度的取值范圍很小，而且只有當(dāng)愉悅度呈現(xiàn)高峰值時才會有用。因此可以說，優(yōu)勢度在描述情感過程中僅能發(fā)揮有限的的作用。大多數(shù)計(jì)算機(jī)學(xué)者用DES 描述情感時都不曾考慮優(yōu)勢度，以愉悅度-激活度空間為主。但也并非所有的愉悅度和激活度的組合都能構(gòu)成情感，能構(gòu)成人們常見的情感狀態(tài)的愉悅度和激活度的組合范圍如圖1 （b）所示[28]。
用DES來描述和測量情感具有鮮明優(yōu)勢，具體可論述為：
1）描述能力強(qiáng)，理論上能描述所有的情感類別；
2）易于對情感進(jìn)行量化，以精確的數(shù)值來描述情感，解決了CES 情感標(biāo)簽的模糊性問題，也一并消除了自感的描述問題。
但DES也存在一定的缺陷，分析可得如下結(jié)論：
1）不易于人們直觀的理解，給定DES的維度值，普通人無法識別出應(yīng)該歸屬為哪種情感；
2）測試人員對DES的打分有一定的難度，由此導(dǎo)致較大的偏差。
2 圖像情感計(jì)算的問題描述
所謂圖像情感計(jì)算，是指計(jì)算機(jī)從圖像中分析并提取情感特征，使用模式識別與機(jī)器學(xué)習(xí)的方法對其執(zhí)行計(jì)算，進(jìn)而理解人的情感。根據(jù)情感的描述方式，圖像情感計(jì)算可以分為三大任務(wù)：情感分類、情感回歸和情感圖像檢索。
一個圖像情感計(jì)算系統(tǒng)通常包括如下3部分：
1）圖像預(yù)處理。 由于輸入圖像在尺寸、光照、顏色空間等方面存在很大的差異，在進(jìn)行特征提取之前往往需要進(jìn)行預(yù)處理。比如，把圖像尺寸調(diào)整到統(tǒng)一大小，把顏色空間轉(zhuǎn)換到同一空間等。在圖像情感計(jì)算過程中，預(yù)處理雖然不是一個專門的研究熱點(diǎn)，但卻會對算法的性能產(chǎn)生很大的影響。
2）情感特征提取/選擇。 特征提取與選擇是圖像情感計(jì)算過程中的重要組成部分，直接決定了算法最終的性能。該步驟的主要任務(wù)是提取或者選擇一些特征，并且使得其在類內(nèi)具有很大的相似性而在類間具有很大的差異性。一般而言，用于圖像情感計(jì)算的特征可以分為底層特征、中層特征和高層特征。
3）模型設(shè)計(jì)。 模型設(shè)計(jì)是指根據(jù)圖像情感計(jì)算的任務(wù)來設(shè)計(jì)合適的模型，并以提取的特征作為輸入，通過W習(xí)的方法來獲得相應(yīng)的輸出。情感分類是一個多類分類問題，可以直接采用多類分類器，或者轉(zhuǎn)換成多個二值分類。情感回歸是一個回歸問題，研究針對的是維度情感模型。情感圖像檢索對應(yīng)的是如下檢索問題，即給定輸入圖像，查找與之表達(dá)相似情感的圖像。針對不同問題，可以采用的學(xué)習(xí)模型也將各有不同。
3 圖像情感計(jì)算的研究現(xiàn)狀與分析
本節(jié)對圖像情感計(jì)算的研究現(xiàn)狀進(jìn)行總結(jié)與分析。首先從不同的分類角度綜合歸納了當(dāng)前可高效用于圖像情感計(jì)算的技術(shù)特征，然后簡要介紹常用的機(jī)器學(xué)習(xí)方法，最后對已有方法存在的主要問題進(jìn)行分析并給出可能的解決方案。
3.1 用于圖像情感計(jì)算的特征
如何提取與情感緊密相關(guān)的特征是情感識別的關(guān)鍵問題。根據(jù)所提特征的通用性（generality），可將已有的特征分為2類：通用特征和專用特征。根據(jù)所提特征的層次（level），可將已有的特征分為3類：底層特征、中層特征和高層特征。
進(jìn)一步地，所謂通用特征是指計(jì)算機(jī)視覺里普遍適用的特征，設(shè)計(jì)這些特征的目的并不是為了用于情感識別，而是其他的視覺任務(wù)，如物體檢測。Yanulevskaya所使用的Wiccest特征和Gabor特征就是典型的通用特征[29]。而專用特征則是針對情感識別這一特定任務(wù)而設(shè)計(jì)的能夠表達(dá)不同情感的特征，比如常見的顏色、紋理等底層特征。
目前，絕大多數(shù)的情感特征提取工作都是基于藝術(shù)元素的，如顏色、紋理、形狀、線條等。針對每一種類的藝術(shù)元素，研究者們又設(shè)計(jì)了為數(shù)可觀的不同描述方法。關(guān)于藝術(shù)元素及常用特征的典型描述可見于如下：
1）顏色（color）有3個基本的屬性：色調(diào)、強(qiáng)度和飽和度。常用于描述顏色的特征除了這3個基本屬性的平均值，還有colorfulness、area statistics[30-31]等。
2）灰度值（value）描述顏色的亮度或暗度。常用的特征有l(wèi)ightness、darkness[30-31]等。
3）線條（line）是在某物體表面的連續(xù)的標(biāo)記。主要有2種：強(qiáng)調(diào)線和非強(qiáng)調(diào)線。強(qiáng)調(diào)線，又稱輪廓線，勾勒出了一個物體的輪廓或邊緣，而非強(qiáng)調(diào)線則用于描述那些輪廓和邊緣未可堪稱重要的作品。不同的線條給人不同的感覺，如水平線代表平靜，給人輕松的感覺，垂直線代表強(qiáng)度與穩(wěn)定，對角線代表緊張，曲線則表示運(yùn)動。通常用于描述線條的特征有通過霍夫變換計(jì)算的靜止和動態(tài)線條的數(shù)量和長度[30]。
4）紋理（texture）用于描述物體的表面質(zhì)量（surface quality），有的藝術(shù)家使用平滑的紋理，也有的人喜歡用粗糙的紋理。常用的有基于小波的特征、Tamura特征、灰度共生矩陣[30]以及LBP特征。
5）形狀（shape）是平的，具有2個維度：高度和寬度。Lu等人使用圓度（roundness）、角度（angularity）、簡單性（simplicity）和復(fù)雜性（complexity）來描述形狀[32]。
（6）形式（form）具有3個維度，即高度、寬度和深度，因此形式具有體積。
（7）空間（space）指物體之間、上面、下面或物體內(nèi)部的距離或面積。
除了目前常規(guī)通用的底層表達(dá)，也有部分工作開始提取中層或高層的特征。Machajdik和Hanbury[30]提取了包括Level of Detail、Low Depth of Field、Dynamics和Rule of Thirds在內(nèi)的構(gòu)圖（composition）作為中層特征，同時也發(fā)掘包括人臉、皮膚在內(nèi)的圖像內(nèi)容（content）作為高層特征。Solli和Lenz使用每個興趣點(diǎn)周圍的情感直方圖特征和情感包（bag-of-emotion）特征來對圖像進(jìn)行分類[27]。Irie等人提取基于情感的音頻-視覺詞組包（bag of affective audio-visual words） 的中層特征以及隱主題驅(qū)動模型來對視頻進(jìn)行分類[33]。
3.2 常用的機(jī)器學(xué)習(xí)方法
圖像情感分類一般可建模為標(biāo)準(zhǔn)的模式分類問題，常用的分類器都可以用來解決此問題。根據(jù)建模過程，其中的有監(jiān)督學(xué)習(xí)即可以分為生成式學(xué)習(xí)和判別式學(xué)習(xí)。相應(yīng)地，判別式學(xué)習(xí)就是直接對給定特征條件下標(biāo)簽的條件概率進(jìn)行建模，或者直接學(xué)習(xí)一個從特征到標(biāo)簽的映射，如Logistic回歸和支持向量機(jī)（SVM）等。生成式學(xué)習(xí)則分別對類別先驗(yàn)和似然進(jìn)行建模，而后再利用Bayes法則來計(jì)算后驗(yàn)概率，如高斯判別分析和Naive Bayes。當(dāng)處理多類分類時不僅可以直接采用多類分類器，也可以轉(zhuǎn)換成多個二值分類問題，常規(guī)策略有“一對一”分類和“一對多”分類。多種分類器可用來實(shí)施圖像情感的分類，其中進(jìn)入使用流行的主要有Naive Bayes[30]、Logistic回歸[34]、 SVM[32，35-36]和稀疏表示等。
一般情況下，圖像情感回歸建模為標(biāo)準(zhǔn)的回歸預(yù)測問題，即使用回歸器對維度情感模型中各個維度的情感值進(jìn)行估計(jì)。常用的回歸模型有線性回歸、支持向量回歸（SVR）和流形核回歸（manifold kernel regression）等。當(dāng)前有關(guān)圖像情感回歸的研究仍屬少見，已知的只有使用SVR對VA模型所表示的情感嘗試，并實(shí)現(xiàn)了回歸[32，35]。
目前，已知的用于圖像情感檢索的方法主要有SVM[36]和多圖學(xué)習(xí)[37]等。
3.3 現(xiàn)有方法存在的主要問題及可能的解決方案
3.3.1 所提取的底層特征與圖像情感之間存在語義鴻溝
目前的圖像情感識別方法主要仍是基于學(xué)習(xí)的方法，因此學(xué)習(xí)時所使用的特征決定了最終學(xué)習(xí)的分類器或回歸預(yù)測器性能的優(yōu)劣。而時下絕大多數(shù)工作所提取的特征主要是基于藝術(shù)元素的底層特征，這就使得“情感鴻溝”極為顯著，學(xué)習(xí)所得的分類器的分類準(zhǔn)確率較為低下，回歸預(yù)測器的預(yù)測結(jié)果誤差較大?；诖?，如何進(jìn)一步縮小這一鴻溝，即改進(jìn)特征與情感類別或情感得分之間的映射關(guān)系，即已成為氣候工作的研究重點(diǎn)。
3.3.2 ]有從腦科學(xué)、心理學(xué)及藝術(shù)學(xué)等學(xué)科的研究成果中得到啟發(fā)
情感表達(dá)是一個多學(xué)科交叉的研究方向，現(xiàn)有的從計(jì)算機(jī)的角度進(jìn)行情感表達(dá)的工作大多都未曾引入腦科學(xué)、心理學(xué)及藝術(shù)學(xué)等產(chǎn)生的豐碩研究成果，這極大地限制了圖像情感表達(dá)領(lǐng)域的發(fā)展、推進(jìn)和完善。
在進(jìn)行藝術(shù)作品創(chuàng)作時，藝術(shù)家不僅僅需要使用藝術(shù)元素，而且還要研究藝術(shù)原理，即把藝術(shù)元素進(jìn)行組織與排列以產(chǎn)生特定語義與情感的各類規(guī)則。因此，使用藝術(shù)原理作為描述情感的中層特征，可能會對情感識別產(chǎn)生一定的幫助。
3.3.3 沒有考慮個性化的情感識別
目前絕大多數(shù)的情感識別工作對情感的處理都是基于期望情感的[38-39]，即圖像拍攝者或電影制作者創(chuàng)作作品時希望讀者產(chǎn)生怎樣的情感，或者基于大眾化情感，即大多數(shù)人所產(chǎn)生的類同式情感。這樣做雖然便于研究，但卻不符合實(shí)際情況，因?yàn)槿说那楦芯哂袑挿旱闹饔^性，例如喜歡看恐怖片的人可能覺得這部影片并不恐怖。也就是說，不同人對同一圖像的情感反應(yīng)是不同的，即情感評價是因人而異的，而且同一個人在不同時刻對同一圖像的情感反應(yīng)也有可能出現(xiàn)不同，即情感評價是因時而異的。因此，課題重點(diǎn)就是需要研究每個人的真實(shí)情感。
要想解決上述問題，就需要為每個人都建立一個數(shù)據(jù)庫。人工標(biāo)記顯然費(fèi)時、費(fèi)力，不過，把社交媒體中人們對圖像的評價作為對圖像情感的理解將不失為是一種近便且準(zhǔn)確的方法。同時，還可以進(jìn)一步考慮對社交媒體中情感的傳播和影響進(jìn)行建模，即人們某時刻對圖像情感的理解可能受當(dāng)時朋友情感的影響。
如果說只考慮期望情感將太過泛化，那么個性化的情感識別卻可能過于特殊，并且為之產(chǎn)生的計(jì)算復(fù)雜度還會很高。因此，介于期望情感和個性化情感之間的群體情感就可能會是一個合理的適用性解決方案。所謂群體情感，是指具有相同教育背景、生活環(huán)境和社會文化的人對同一幅圖像所產(chǎn)生的情感是相似的。
3.3.4 高層語義和情感的理解相互制約
人們產(chǎn)生情感，是由特定的知識背景與特定的語義所共同決定的。那么，考慮基于語義的圖像情感識別就應(yīng)該更具備克星的真實(shí)性。但是，對圖像語義的研究本身即是一個尚未解決的疑難課題，這將使得運(yùn)用語義進(jìn)行情感識別還存在很大的困難。如果圖像語義分析技術(shù)達(dá)到了一定的技術(shù)水平后，圖像情感識別也必將獲得根本性解決。
3.3.5 目前用于情感表_測試的數(shù)據(jù)庫規(guī)模很小
現(xiàn)有已公布的圖像情感數(shù)據(jù)庫規(guī)模很小，大型的僅在2 000左右，小型的僅有200，這也限制了圖像情感表達(dá)的迅速發(fā)展，首要就是無法運(yùn)用統(tǒng)計(jì)的思想和理論來發(fā)現(xiàn)其中的一些規(guī)則。而與此同時，社交網(wǎng)絡(luò)即給出了一種可能的應(yīng)對方案，如何利用社交網(wǎng)絡(luò)上的大規(guī)模數(shù)據(jù)提高圖像情感的識別率，挖掘圖像情感之間的相互關(guān)系則需要研究學(xué)界的更大關(guān)注與投入。
3.3.6 沒有適用于圖像情感識別的理想學(xué)習(xí)策略
語音情感識別之所以發(fā)展得比較迅速，即是因?yàn)榈玫搅伺c語音表達(dá)的機(jī)制相關(guān)的混合高斯模型和人工神經(jīng)網(wǎng)絡(luò)的有效技術(shù)支撐。但是目前適用于圖像情感識別的學(xué)習(xí)策略或分類方法卻仍顯匱乏，而這又需要腦科學(xué)和機(jī)器學(xué)習(xí)等交叉領(lǐng)域研究的進(jìn)化、提升與發(fā)展。
4 結(jié)束語
研究圖像情感計(jì)算，實(shí)現(xiàn)對圖像情感語義的分析對認(rèn)知心理學(xué)、行為科學(xué)、計(jì)算機(jī)視覺、多媒體技術(shù)和人工智能領(lǐng)域的理論和技術(shù)發(fā)展均有促進(jìn)作用。在過去的十幾年內(nèi)，已有較多的相關(guān)工作獲得發(fā)表、并進(jìn)入實(shí)踐。但是，圖像情感計(jì)算的研究仍然處在初級階段，仍有眾多問題未獲解決。本文在分析研究現(xiàn)狀的基礎(chǔ)上，總結(jié)出了現(xiàn)有方法存在的問題以及可能的解決方案，為后續(xù)研究提供了參考。
參 考 文 獻(xiàn)
[1] Picard R W. Affective computing[M]. London， England： MIT Press， 1997.
[2] PANG B， LEE L. Opinion mining and sentiment analysis[J]. Information Retrieval， 2008， 2 （1/2）： 1-135.
[3] YANG Y H， CHEN H H. Machine recognition of music emotion： A review[J]. ACM Transactions on Intelligent Systems and Technology， 2012， 3 （3）： 40.
[4] RODA A， CANAZZA S， De POLI G. Clustering affective qualities of classical music： beyond the valence-arousal plane[J]. IEEE Transactions on Affective Computing， 2014， 5 （4）： 364-376.
[5] ZHAO S， YAO H， WANG F， et al. Emotion based image musicalization[C] //Proceedings of IEEE International Conference on Multimedia and Expo Workshops. Chengdu， China： IEEE， 2014： 1-6.
[6] WANG W， HE Q. A survey on emotional semantic image retrieval[C] //Proceedings of IEEE International Conference on Image Processing. San Diego， California， USA： IEEE， 2008：117-120.
[7] JOSHI D， DATTA R， FEDOROVSKAYA E， et al. Aesthetics and emotions in images[J]. IEEE Signal Processing Magazine， 2011， 28 （5）： 94-115.
[8] WANG S， JI Q. Video affective content analysis： a survey of state of the art methods[J]. IEEE Transactions on Affective Computing， 2015， 6 （4）： 410-430.
[9] ZHAO S， YAO H， SUN X， et al. Flexible presentation of videos based on affective content analysis[C] //Proceedings of International Conference on Multimedia Modeling. Huangshan， China： Springer， 2013： 368-379.
[10] ZHAO S， YAO H， SUN X， et al. Video Indexing and Recommendation Based on Affective Analysis of Viewers[C] //Proceedings of ACM International Conference on Multimedia. Scottsdale， AZ， USA： ACM， 2011： 1473-1476.
[11] ZHAO S， YAO H， SUN X. Video classification and recommendation based on affective analysis of viewers[J]. Neurocomputing 119： 101-110， 2013.
[12] WANG S， LIU Z， LV S， et al. A natural visible and infrared facial expression database for expression recognition and emotion inference[J]. IEEE Transactions on Multimedia， 2010， 12 （7）： 682-691.
[13] LUCEY P， COHN J F， KANADE T， et al. The extended Cohn-Kanade dataset （CK+）： A complete dataset for action unit and emotion-specified expression[C] //Proceedings of IEEE Conference on Computer Vision and Pattern Recognition Workshops. San Francisco， CA， USA： IEEE， 2010： 94-101.
[14] YIN L， WEI X， SUN Y， et al. A 3D facial expression database for facial behavior research[C] //Proceedings of IEEE International Conference on Automatic face and gesture recognition. Southampton， UK： IEEE， 2006： 211-216.
[15] DARWIN C， EKMAN P， PRODGER P. The expression of the emotions in man and animals[M]. New York， USA： Oxford University Press， 1872/1998.
[16] JAMES W. What is an emotion？[J] Mind， 1884（34）：188-205.
[17] CANNON W B. The James-Lange theory of emotions： A critical examination and analternative theory[J]. The American Journal of Psychology， 1927， 39 （1/4）： 106-124.
[18] LAZARUS R S. Progress on a cognitive-motivational-relational theory of emotion[J]. American psychologist， 1991， 46 （8）： 819.
[19] 王志良. 人工情感[M]. 北京： C械工業(yè)出版社， 2009.
[20] 陳俊杰. 圖像情感語義分析技術(shù)[M]. 北京： 電子工業(yè)出版社， 2011.
[21] EKMAN P. An argument for basic emotions[J]. Cognition & emotion， 1992， 6 （3/4）： 169-200.
[22] IZARD C E. Basic emotions， relations among emotions， and emotion-cognition relations[J]. Psychology Review， 1992， 99： 561-565.
[23] MIKELS J A， FREDRICKSON B L， LARKIN G R， et al. Emotional category data on images from the International Affective Picture System[J]. Behavior research methods， 2005， 37 （4）： 626-630.
[24] PLUTCHIK R. Emotion： A psychoevolutionary synthesis[M]. New York， USA： Harpercollins College Division， 1980.
[25] BENINI S， CANINI L， LEONARDI R. A connotative space for supporting movie affective recommendation[J]. IEEE Transactions on Multimedia， 2011， 13 （6）： 1356-1370.
[26] RUSSELL J A， MEHRABIAN A. Evidence for a three-factor theory of emotions[J]. Journal of research in Personality， 1977， 11 （3）： 273-294.
[27] SOLLI M， LENZ R. Color based bags-of-emotions[C] //Proceedings of International Conference on Computer Analysis of Images and Patterns. M¨unster， Germany：Springer， 2009： 573-580.
[28] Dietz R， Lang A. Affective agents： Effects of agent affect on arousal， attention， liking and learning[C]//Proceedings of International Cognitive Technology Conference. San Francisco， CA， USA： Springer， 1999.
[29] YANULEVSKAYA V， Van GEMERT J， ROTH K， et al. Emotional valence categorization using holistic image feature[C] //Proceedings of IEEE International Conference on Image Processing. San Diego， California， USA： IEEE， 2008： 101-104.
[30] MACHAJDIK J， HANBURY A. Affective image classi?cation using features inspired by psychology and art theory[C] //Proceedings of ACM International Conference on Multimedia. Firenze， Italy： ACM， 2010： 83-92.
[31] WANG W N， YU Y L， JIANG S M. Image retrieval by emotional semantics： A study of emotional space and feature extraction[C] //Proceedings of IEEE International Conference on Systems， Man and Cybernetics. Taipei， Taiwan： IEEE， 2006： 3534-3539.
[32] LU X， SURYANARAYAN P， ADAMS J R B， et al. On Shape and the Computability of Emotions[C] //Proceedings of ACM International Conference on Multimedia. Nara， Japan： ACM， 2012：229-238.
[33] IRIE G， SATOU T， KOJIMA A， et al. Affective audio-visual words and latent topic driving model for realizing movie affective scene classification[J]. IEEE Transactions on Multimedia， 2010， 12 （6）： 523-535.
[34] BORTH D， JI R， CHEN T， et al. Large-scale visual sentiment ontology and detectors using adjective noun pairs[C] //Proceedings of ACM International Conference on Multimedia. Barcelona， Spain： ACM， 2013： 223-232.
[35] ZHAO S， GAO Y， JIANG X， et al. Exploring Principles-of-Art Features for Image Emotion Recognition[C]//Proceedings of ACM International Conference on Multimedia. Orlando， FL， USA： ACM， 2014： 47-56.
[36] WU Q， ZHOU C，WANG C. Content-based affective image classification and retrieval using support vector machines[C] //Proceedings of International Conference on Affective Computing and Intelligent Interaction， Beijing， China： Springer， 2005：239-247.
[37] ZHAO S， YAO H， YANG Y， Zhang Y. Affective Image Retrieval via Multi-Graph Learning[C]//Proceedings of ACM International Conference on Multimedia. Orlando， FL， USA： ACM， 2014： 1025-1028.
[38] HANJALIC A. Extracting moods from pictures and sounds： Towards truly personalized TV[J]. IEEE Signal Processing Magazine， 2006， 23 （2）： 90-100.
[39] HANJALIC A， XU L Q. Affective video content representation and modeling[J]. IEEE Transactions on Multimedia， 2005， 7 （1）： 143-154.
[40] ZHAO S， YAO H， JIANG X， et al. Predicting discrete probability distribution of image emotions[C] //Proceedings of IEEE International Conference on Image Processing. Quebec， QC， Canada： IEEE， 2015： 2459-2463.
第3篇：社交媒體內(nèi)容分析范文
【關(guān)鍵詞】學(xué)前兒童;社會性發(fā)展;社會領(lǐng)域教育;年度報告
【中圖分類號】G612 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1004-4604（2015）10-0008-05
社會領(lǐng)域是幼兒園五大課程與教學(xué)領(lǐng)域之一。近年來，隨著人們對幼兒社會性發(fā)展與教育的重視程度不斷提高，相關(guān)研究也越來越多。為了解當(dāng)前學(xué)前兒童社會性發(fā)展與教育的研究狀況，筆者收集了2011年至2013年與學(xué)前兒童社會性發(fā)展與教育相關(guān)的最新研究文獻(xiàn)，包括相關(guān)著作、國內(nèi)外相關(guān)專業(yè)期刊、碩博論文等，進(jìn)行了比較全面的文獻(xiàn)梳理，綜述如下。
一、關(guān)于學(xué)前兒童社會性發(fā)展特點(diǎn)與影響因素的研究
了解學(xué)前兒童社會性發(fā)展特點(diǎn)與影響因素是對學(xué)前兒童進(jìn)行社會性教育的基本前提。研究者在這兩方面做了許多研究。
1.關(guān)于學(xué)前兒童社會性發(fā)展特點(diǎn)的研究
馬婷婷（2013）采用陳會昌編制的《兒童社會性量表》，對245名3～6歲幼兒進(jìn)行了調(diào)查，以研究幼兒社會性發(fā)展的性別、年齡特征。調(diào)查發(fā)現(xiàn)，在社會性發(fā)展的總分上幼兒的性別差異不顯著，年齡差異顯著?！?〕張蒞穎、孫敬（2012）選取河北保定市186名4～7歲流動兒童作為研究對象，同樣采用陳會昌編制的這一量表進(jìn)行了調(diào)查，結(jié)果發(fā)現(xiàn)，與常模相比，學(xué)前流動兒童社會性發(fā)展總分符合常模正態(tài)分布;學(xué)前流動兒童社會性發(fā)展總分存在顯著的性別差異，男孩總分高于女孩;學(xué)前流動兒童社會性發(fā)展總分隨年齡增長、家庭定居市區(qū)時間的增加及母親文化水平的提高而提高?！?〕
圍繞幼兒社會性發(fā)展的一些重要方面，研究者進(jìn)行了比較細(xì)致的探討。例如：吳育紅（2012）分析了幼兒同伴交往中存在的問題及影響因素，指出城市化生活壓縮了幼兒同伴交往的空間，家庭結(jié)構(gòu)的變化導(dǎo)致幼兒缺少交往對象，教育者的教養(yǎng)觀念也影響了幼兒的同伴交往?！?〕郭苗苗（2012）對自由活動中大班被忽視幼兒的同伴交往行為進(jìn)行了個案研究。〔4〕張鳳（2011）則運(yùn)用問卷調(diào)查法、情境訪談法和現(xiàn)場觀察法，對5～6歲幼兒的同伴沖突解決策略進(jìn)行了探究。〔5〕王芳、劉少英（2011）選擇了3個班級的幼兒，對他們的同伴關(guān)系進(jìn)行了為期三年的追蹤研究，以探究幼兒同伴關(guān)系的發(fā)展特點(diǎn)及交往能力的培養(yǎng)策略?！?〕有研究者對幼兒親社會行為的發(fā)展特點(diǎn)進(jìn)行了研究。賴佳欣、楊恒、郭力平（2012）通過層層遞進(jìn)的7個分享實(shí)驗(yàn)，考察了不同教育環(huán)境中3歲和5歲幼兒的分享行為特征，結(jié)果發(fā)現(xiàn)，5歲幼兒利他趨向顯著高于3歲幼兒，且5歲幼兒在分享行為中已表現(xiàn)出一定的策略性;幼兒的分享行為不存在明顯性別差異;教養(yǎng)環(huán)境會影響幼兒的分享行為;在無涉自身利益或關(guān)涉自身利益但無法把控結(jié)果的情況下，幼兒的分配行為更趨公平?！?〕趙科等人（2013）則采用《兒童氣質(zhì)教師問卷》和《幼兒責(zé)任心問卷》，對357名4～7歲幼兒進(jìn)行了調(diào)查，以研究不同氣質(zhì)類型幼兒的責(zé)任心發(fā)展特點(diǎn)?！?〕羅麗（2012）就3～6歲幼兒分享行為的特點(diǎn)、動機(jī)與影響因素，對北京市598名幼兒的分享行為和動機(jī)開展了教師評定問卷調(diào)查，并且對2所幼兒園240名幼兒的分享動機(jī)進(jìn)行了問卷調(diào)查。研究發(fā)現(xiàn)，（1）隨著年齡的增長，3～6歲幼兒分享行為的表現(xiàn)越來越好，但幼兒分享行為的發(fā)展不是勻速的，4～5歲是幼兒分享行為發(fā)展的關(guān)鍵時期。（2）在分享行為的發(fā)生頻率、類型及水平上，女孩的得分顯著高于男孩。（3）幼兒分享行為的動機(jī)可分為同情利他、獲得朋友、外貌吸引、不喜歡分享物、服從規(guī)范、逃避懲罰和互惠互利等七種。在有動機(jī)提示情況下，幼兒的分享行為顯著優(yōu)于沒有動機(jī)提示時的表現(xiàn)。（4）同情利他是3～6歲幼兒分享行為的主要動機(jī)，但不同年齡幼兒的分享行為動機(jī)類型分布存在顯著差異。隨著年齡的增長，幼兒分享行為的動機(jī)日趨復(fù)雜?！?〕李靈子（2011）對2～3歲幼兒的同情與親社會行為的相關(guān)性進(jìn)行了研究?！?0〕鐘佑潔、李艷華、張進(jìn)輔（2012）基于社會信息加工模型理論，運(yùn)用問卷調(diào)查法和個別訪談技術(shù)，對幼兒攻擊行為的一般特征及其社會信息加工過程進(jìn)行研究，以探討身體攻擊幼兒和關(guān)系攻擊幼兒的社會信息加工特點(diǎn)。研究表明，3～6歲幼兒的攻擊行為存在顯著的性別差異，男孩的攻擊行為多于女孩，身體攻擊幼兒和關(guān)系攻擊幼兒存在一定程度的社會信息加工缺陷?！?1〕曾娟、谷中玉（2012）通過自然觀察法對混齡班幼兒引發(fā)同伴沖突的原因進(jìn)行探究，發(fā)現(xiàn)動作意圖誤解、故意挑釁、物品爭議、空間和位置爭議是引起混齡班幼兒同伴沖突的主要原因，研究者據(jù)此提出了相應(yīng)的建議，以幫助混齡班教師更好地處理幼兒間的沖突?！?2〕
2.關(guān)于學(xué)前兒童社會性發(fā)展影響因素的研究
有相當(dāng)數(shù)量的研究集中探討了父母教養(yǎng)方式等家庭因素對幼兒社會性發(fā)展的影響。劉麗莎等人（2013）在一項(xiàng)短期的跟蹤調(diào)查中發(fā)現(xiàn)，父親參與教養(yǎng)的質(zhì)和量都會對幼兒的社會性發(fā)展有重要影響?！?3〕劉國艷、陸克儉（2012）為了解嬰幼兒早期社會性發(fā)展與母親個性的關(guān)系，采用問卷調(diào)查法對深圳市22 所托幼機(jī)構(gòu)親子班的867 名月齡為30～36個月的嬰幼兒的母親進(jìn)行隨機(jī)抽樣調(diào)查。結(jié)果顯示，（1）嬰幼兒早期社會性發(fā)展異常與母親的情緒不穩(wěn)定有關(guān)。（2）母親的個性特點(diǎn)對嬰幼兒早期社會性發(fā)展有預(yù)測意義，如母親情緒不穩(wěn)定是導(dǎo)致嬰幼兒出現(xiàn)心理和行為問題的原因之一，又如母親外向型的個性特點(diǎn)有利于嬰幼兒早期社會性的良好發(fā)展?！?4〕薛建夢（2013）發(fā)現(xiàn)祖父母的教養(yǎng)方式也對幼兒社會性發(fā)展有重要影響?！?5〕許鳳麟、牛靜靜（2013）發(fā)現(xiàn)特殊結(jié)構(gòu)家庭對幼兒的社會性發(fā)展有重要的負(fù)面影響，如導(dǎo)致幼兒自制力差，社會認(rèn)知偏差等?！?6〕張彩霞（2013）則研究了家里的電視等媒體設(shè)備對幼兒社會性發(fā)展的影響?！?7〕國外研究者也研究過電子設(shè)備等對幼兒社會性發(fā)展的影響。例如，Yongsuk Kim等人（2012）研究了用多媒體播放童話故事與幼兒親社會行為間的相關(guān)性。結(jié)果表明，在多媒體條件下，聽童話故事有利于顯著提高幼兒的親社會行為，尤其是幫助和分享行為?！?8〕
正如錢立英（2012）在其對幼兒社會性發(fā)展的研究述評中指出的那樣，當(dāng)前對幼兒社會性發(fā)展影響因素的研究主要集中在家庭、學(xué)校和同伴關(guān)系三個方面?！?9〕除家庭因素外，幼兒園教師和同伴對幼兒的社會性發(fā)展也有重要影響。劉海紅（2012）利用有關(guān)幼兒間發(fā)生糾紛及教師介入處理的錄像，對日本幼兒園教師進(jìn)行了訪談，了解其是如何看待幼兒糾紛及教師的介入的。結(jié)果表明，教師們普遍認(rèn)為幼兒間發(fā)生的糾紛對幼兒的成長有幫助，可以提高幼兒的社交技能。教師應(yīng)適時、適當(dāng)?shù)亟槿胗變旱募m紛，可先對幼兒的感受表示理解，等幼兒情緒穩(wěn)定后，再鼓勵幼兒思考解決辦法。教師重視利用糾紛讓幼兒學(xué)習(xí)理解他人，學(xué)會換位思考?！?0〕王振宇（2012）指出，兒童早期的性別化發(fā)展對其今后人格的最終形成和社會適應(yīng)程度具有深遠(yuǎn)影響，呼吁人們關(guān)注幼兒園男女教師比例懸殊以及幼兒性別化發(fā)展問題?！?1〕
二、關(guān)于幼兒園社會領(lǐng)域教育的研究
3～6歲是幼兒社會性發(fā)展的重要階段，幼兒園社會領(lǐng)域教育的實(shí)施效果會直接影響幼兒的社會性發(fā)展。因此，幼兒園社會領(lǐng)域教育也是研究者非常關(guān)注的研究領(lǐng)域。從這三年的相關(guān)研究文獻(xiàn)看，研究者關(guān)注的問題主要集中在以下三方面。
1.關(guān)于幼兒園社會領(lǐng)域教育的意義與價值
相關(guān)研究多采用文獻(xiàn)分析法。研究者主要通過查閱教育家文集及各個歷史時期有關(guān)幼兒園社會領(lǐng)域教育的文獻(xiàn)資料，試圖以古觀今，分析幼兒園社會領(lǐng)域教育的發(fā)展趨勢，提出對當(dāng)今幼兒園社會領(lǐng)域教育的意見建議，并預(yù)測今后幼兒園社會領(lǐng)域教育的發(fā)展方向。例如，梁瑞雪（2013）整理了我國不同時期幼兒園社會領(lǐng)域教育的特點(diǎn)，分析了我國幼兒園社會領(lǐng)域教育的發(fā)展趨勢?！?2〕李彥琳（2012）分析了改革開放以來我國幼兒道德教育的變革?！?3〕甘劍梅（2011）對幼兒園社會領(lǐng)域教育的內(nèi)涵、性質(zhì)及社會地位進(jìn)行了梳理，認(rèn)為社會領(lǐng)域教育具有常識性、道德性、生活性、人文性等特點(diǎn)，認(rèn)為社會領(lǐng)域教育在幼兒園課程體系中應(yīng)占據(jù)導(dǎo)向性地位。〔24〕
2.關(guān)于幼兒園社會領(lǐng)域教育的目標(biāo)與內(nèi)容
《幼兒園教育指導(dǎo)綱要（試行）》（以下簡稱《綱要》）對幼兒園社會領(lǐng)域教育的目標(biāo)和內(nèi)容等作出了較詳細(xì)的規(guī)定。然而，有研究者將《綱要》與幼兒園社會領(lǐng)域教育實(shí)踐聯(lián)系起來分析發(fā)現(xiàn)，《綱要》提出的目標(biāo)失之于寬泛籠統(tǒng)，對一些教學(xué)經(jīng)驗(yàn)不足的教師來說，指導(dǎo)性和操作性都不強(qiáng)。嵇B（2012）具體分析了中、美、日、英、俄五國幼兒園社會領(lǐng)域教育的目標(biāo)，發(fā)現(xiàn)中國對相關(guān)目標(biāo)的界定不夠全面、相對空泛?！?5〕于開蓮（2012）從結(jié)構(gòu)和具體內(nèi)容兩方面詳細(xì)比較了我國不同地區(qū)（上海、香港）以及日本、英國、美國、加拿大等國幼兒園社會領(lǐng)域教育的目標(biāo)，發(fā)現(xiàn)幼兒園社會領(lǐng)域教育均強(qiáng)調(diào)了幼兒自我系統(tǒng)的發(fā)展、人際交往和人際關(guān)系的建立、對他人的理解與認(rèn)識及關(guān)愛和尊重、遵守社會行為規(guī)則和養(yǎng)成良好的社會行為習(xí)慣、認(rèn)識周圍環(huán)境等方面?！?6〕2012年底，教育部出臺了《3～6歲兒童學(xué)習(xí)與發(fā)展指南》（以下簡稱《指南》），對之前《綱要》提出的相關(guān)目標(biāo)作了進(jìn)一步的細(xì)化，在一定程度上解決了原本幼兒園社會領(lǐng)域教育目標(biāo)失之寬泛籠統(tǒng)，指導(dǎo)性和操作性不強(qiáng)的問題。
3.關(guān)于幼兒園社會領(lǐng)域教育實(shí)踐的有效性
研究者試圖通過分析目前幼兒園社會領(lǐng)域教育實(shí)踐的現(xiàn)狀，尋找對幼兒社會性發(fā)展最有利的教育方式和實(shí)施路徑。嵇B（2012）采用內(nèi)容分析方法，對幼兒園社會領(lǐng)域集體教學(xué)活動內(nèi)容進(jìn)行了分析，結(jié)果發(fā)現(xiàn)，當(dāng)前幼兒園社會領(lǐng)域的集體教學(xué)活動在內(nèi)容安排上不夠均衡，比較受重視的內(nèi)容是“親社會行為和人際關(guān)系”“社會文化與節(jié)日慶典”“社會環(huán)境”“情緒情感”等，而有關(guān)“個性品質(zhì)”“生活技能與行為習(xí)慣”“禮儀教育”“安全與生命教育”“理財教育”等的內(nèi)容不太受重視?！?7〕亢琪（2013）通過問卷調(diào)查、文本分析、錄像分析、集體訪談等研究方法，分析了當(dāng)前幼兒園社會領(lǐng)域教學(xué)活動的組織實(shí)施現(xiàn)狀，對教師設(shè)計(jì)和組織社會領(lǐng)域教學(xué)活動提出了相關(guān)建議?！?8〕嵇B（2013）通過對幼兒園社會領(lǐng)域教學(xué)活動個案的分析，提出社會領(lǐng)域教育要在堅(jiān)持幼兒主體地位的基礎(chǔ)上，注重體驗(yàn)與實(shí)踐，且需不斷重復(fù)和堅(jiān)持，還需建立良好的師幼互動關(guān)系?！?9〕還有研究者進(jìn)行了更細(xì)化的研究。例如，馬潔然、周念麗（2012）認(rèn)為小班幼兒已經(jīng)具備了初步的移情能力，可以通過家庭教育與幼兒園一日活動相結(jié)合的方法，尤其是可以利用幼兒與同伴的交往，提高幼兒的移情能力。姚素慧（2012）針對社會退縮幼兒的特點(diǎn)，為幼兒園教師提供了促進(jìn)幼兒健康發(fā)展的建議，如建立溫馨的師幼關(guān)系，創(chuàng)設(shè)良好的同伴游戲環(huán)境等?！?0〕
研究者還嘗試通過一些實(shí)證研究來探討幼兒園社會教育實(shí)踐的有效性。Betsy L. Schultz等人（2011）考查了“社會和情感能力學(xué)習(xí)課程”對幼兒行為改變的效果，結(jié)果發(fā)現(xiàn)，“社會和情感能力學(xué)習(xí)課程”確實(shí)對幼兒行為的改變有積極影響作用?！?1〕馮承蕓等人（2013）研究了深圳“兒童早期發(fā)展項(xiàng)目”對幼兒情緒社會性發(fā)展的影響。研究者按年齡分層抽取822名符合條件的幼兒，請這些幼兒的家長填寫《中國12～36月齡幼兒情緒社會性發(fā)展評估量表》。半年后，研究者對其中參與“兒童早期發(fā)展項(xiàng)目”的244名幼兒進(jìn)行復(fù)測。結(jié)果發(fā)現(xiàn)，“兒童早期發(fā)展項(xiàng)目”強(qiáng)調(diào)的家庭科學(xué)育兒與機(jī)構(gòu)教育服務(wù)相結(jié)合，的確有助于幼兒情緒社會性的發(fā)展?！?2〕孫巧鋒、鄭福明（2012）依據(jù)欺負(fù)行為發(fā)生的冷認(rèn)知理論，采用實(shí)驗(yàn)干預(yù)法，對有欺負(fù)行為傾向的幼兒進(jìn)行了為期一個月的移情訓(xùn)練。結(jié)果表明，通過移情訓(xùn)練可以有效減少幼兒的欺負(fù)行為。所謂冷認(rèn)知理論，即是從幼兒內(nèi)在心理特點(diǎn)出發(fā)分析幼兒欺負(fù)行為的一種理論假設(shè)。這一理論認(rèn)為，有欺負(fù)行為傾向的幼兒在欺負(fù)他人時知道如何去傷害對方，能很好地把握對方的心理。他們欺負(fù)別人只是喜歡給別人造成痛苦，也就是說，他們?nèi)狈σ魄槟芰??！?3〕周念麗（2012）提出了幼兒園社會領(lǐng)域教育“一腦三育”理論，“一腦”是指“社會腦”理論假設(shè)，“三育”是指社會交往中的禮儀教育、社會生存中的安全教育和社會情緒中的情緒管理教育?！?4〕
三、當(dāng)前學(xué)前兒童社會性發(fā)展與教育研究的不足與未來展望
基于對當(dāng)前學(xué)前兒童社會性發(fā)展及社會領(lǐng)域教育實(shí)踐研究現(xiàn)狀的文獻(xiàn)梳理，我們看到，當(dāng)前這一領(lǐng)域的研究雖然取得了一定的成績，但總體上存在著研究對象有缺失、研究內(nèi)容不系統(tǒng)、研究方法較簡單等問題，亟待加以改進(jìn)。
從研究對象看，已有研究大多以3～6歲幼兒為研究對象，僅有極少數(shù)研究者關(guān)注到0～3歲嬰幼兒社會性發(fā)展的特點(diǎn)并展開相關(guān)研究。隨著人們對0～3歲嬰幼兒早期發(fā)展與教育重視程度的不斷提高，今后有必要加強(qiáng)對0～3歲嬰幼兒早期社會性發(fā)展特點(diǎn)及教育的研究。
從研究內(nèi)容看，已有研究主要側(cè)重在對分享、合作等少部分親社會行為的研究上，對影響幼兒社會性發(fā)展因素的探討也大多局限在家庭因素方面。隨著時代和社會的變遷，當(dāng)前社會文化環(huán)境，尤其是電子媒介等，對幼兒社會性發(fā)展的影響亟待加以研究。此外，對幼兒園社會領(lǐng)域教育的研究大多是對社會領(lǐng)域教育目標(biāo)與內(nèi)容的文獻(xiàn)研究，或是結(jié)合《綱要》《指南》等政策文件對幼兒園社會領(lǐng)域教育活動作分析，而很少從幼兒園一日生活中的實(shí)際問題入手，具體探討如何通過專門性教育活動和滲透性活動提高幼兒園社會領(lǐng)域教育活動的有效性。相比美國從20世紀(jì)70年代開始就廣泛應(yīng)用社會情緒教學(xué)金字塔模型等理論開展社會領(lǐng)域教育實(shí)踐研究，我國對社會領(lǐng)域教育活動有效性的研究亟待加強(qiáng)?！?5〕
從研究方法看，一些研究者開始嘗試采用追蹤研究、教育干預(yù)研究等方法進(jìn)行較長時期的實(shí)證研究（主要是一些碩博論文的研究），以探討社會領(lǐng)域教育的有效性，這是令人欣喜的。不過，大部分研究還是以教師和家長的評價為主，評價的準(zhǔn)確性有待提高。另外，在研究對象的選取上比較單一，要么選幼兒，要么選成人，很少有將兩者結(jié)合起來綜合加以研究的成果。在這一方面，建議借鑒國外有關(guān)研究的經(jīng)驗(yàn)。例如采用交叉序列研究方法，既做橫向調(diào)查研究，也做縱向追蹤研究，而且同時考慮幼兒與成人兩個群體，從而對幼兒社會性發(fā)展進(jìn)行多角度的、較全面的印證和評價研究。有研究者甚至對研究對象進(jìn)行了從幾個月大到幾歲的追蹤研究，有的還追蹤到其成年后的發(fā)展，以研究社會領(lǐng)域教育的長效性問題。這種研究往往有大量的數(shù)據(jù)支持，科學(xué)性比較強(qiáng)。這一研究范式對我國今后開展幼兒園社會領(lǐng)域教育研究具有較好的借鑒意義。
參考文獻(xiàn)：
〔1〕馬婷婷，赫英娟，耿艷萌.兒童社會性發(fā)展研究〔J〕.中國市場，2013，（25）：161-162.
〔2〕張蒞穎，孫敬.學(xué)前流動兒童社會性發(fā)展現(xiàn)狀及其特點(diǎn)〔J〕.學(xué)前教育研究，2012，（12）：37-40.
〔3〕吳育紅.我國學(xué)前兒童交往的現(xiàn)狀與對策〔J〕.教育理論與實(shí)踐，2012，（14）：16-18.
〔4〕劉淑鳳.5歲兒童社會認(rèn)知與同伴接納的相關(guān)研究〔D〕.大連：遼寧師范大學(xué)，2013.
〔5〕張鳳.5～6歲兒童同伴沖突解決策略差異的文化發(fā)生研究〔D〕.北京：北京師范大學(xué)，2011.
〔6〕王芳，劉少英.幼兒同伴關(guān)系發(fā)展特點(diǎn)及交往能力培養(yǎng)〔J〕.幼兒教育，2011，503.
〔7〕賴佳欣，楊恒，郭力平.學(xué)前兒童分享行為的差異性〔J〕.學(xué)前教育研究，2012，（2）：20-26.
〔8〕趙科，楊麗宏，張海清，等.不同氣質(zhì)類型4～7歲兒童責(zé)任心發(fā)展研究〔J〕.現(xiàn)代中小學(xué)教育，2013，（6）：67-70.
〔9〕羅麗.3～6歲幼兒分享行為特點(diǎn)、動機(jī)和影響因素的研究〔D〕.北京：北京師范大學(xué)，2012.
〔10〕李靈子.2～3歲兒童的同情與親社會行為的相關(guān)研究〔D〕.大連：遼寧師范大學(xué)，2011.
〔11〕鐘佑潔，李艷華，張進(jìn)輔.身體攻擊幼兒和關(guān)系攻擊幼兒的社會信息加工特點(diǎn)〔J〕.幼兒教育：教育科學(xué)，2012，555/556（7/8）：49-53.
〔12〕曾娟，谷忠玉.混齡班幼兒同伴沖突起因探析〔J〕.幼兒教育： 教育科學(xué)， 2012，559（9）：18-21.
〔13〕劉麗莎，李燕芳，呂瑩，等.父親參與教養(yǎng)狀況對學(xué)前兒童社會技能的作用〔J〕.心理發(fā)展與教育，2013，（1）：38-45.
〔14〕劉國艷，陸克儉.嬰幼兒社會性發(fā)展與母親個性的關(guān)系〔J〕.幼兒教育：教育科學(xué)，2012，537/538（1/2）：81-84.
〔15〕薛建夢.祖父母教養(yǎng)方式與學(xué)前兒童社會能力關(guān)系的研究〔D〕.濟(jì)南：山東師范大學(xué)，2013.
〔16〕許鳳麟，牛靜靜.特殊結(jié)構(gòu)家庭對兒童社會性發(fā)展的負(fù)面影響及對策〔J〕.科教文匯：下旬刊，2013，（2）：154-155.
〔17〕張彩霞.電視媒體對學(xué)前兒童社會化的影響〔D〕.臨汾：山西師范大學(xué)，2013.
〔18〕NATHAN A FOX，et al.Families and child health，national symposium on family〔M〕.New York：Springer Science+Business Media，2013.
〔19〕錢立英.兒童社會性發(fā)展的研究評述〔J〕.經(jīng)濟(jì)研究導(dǎo)刊，2012，（4）.
〔20〕劉海紅.通過糾紛處理培養(yǎng)幼兒的社會性：對日本幼兒園教師的訪談研究〔J〕.幼兒教育：教育科學(xué)，2012，555/556（7/8）：88-91.
〔21〕王振宇.性別化：兒童社會化的重要環(huán)節(jié)〔J〕.幼兒教育，2012，560.
〔22〕梁瑞雪.我國不同時期幼兒園社會教育特點(diǎn)研究〔D〕.北京：首都師范大學(xué)，2013.
〔23〕李彥琳.改革開放以來我國幼兒道德教育變革研究〔D〕.重慶：西南大學(xué)，2012.
〔24〕甘劍梅.學(xué)前兒童社會教育的內(nèi)涵、性質(zhì)與課程地位〔J〕.學(xué)前教育研究，2011，（1）：53-59.
〔25〕嵇B.我國幼兒園社會領(lǐng)域教育研究〔D〕.南京：南京師范大學(xué)，2012.
〔26〕于開蓮.幼兒園社會領(lǐng)域課程目標(biāo)的國際比較〔J〕.學(xué)前教育研究，2012，（3）：48-51.
〔27〕嵇B.我國幼兒園社會領(lǐng)域教學(xué)活動的內(nèi)容現(xiàn)狀與分析〔J〕.學(xué)前教育研究，2012，（3）：42-47.
〔28〕亢琪.幼兒園社會領(lǐng)域教育活動現(xiàn)狀調(diào)查與分析〔D〕.北京：北京師范大學(xué)，2013.
〔29〕嵇B.社會領(lǐng)域教育要注重體驗(yàn)和實(shí)踐〔J〕.幼兒教育，2013，587/588.
〔30〕馬潔然，周念麗.小班幼兒移情能力發(fā)展的特點(diǎn)及其培養(yǎng)方法〔J〕.幼兒教育：教育科學(xué)，2012，537/538（1/2）：58-60.
〔31〕BETSY L SCHULTZ，et al.A preschool pilot study of connecting with others：Lessons for teaching social and emotional competence〔J〕.Early Childhood Education Journal，2011，39（2）：143-148.
〔32〕馮承蕓，魏新燕，劉建華，等.深圳實(shí)施兒童早期發(fā)展項(xiàng)目對幼兒情緒社會性影響研究〔J〕.中國兒童保健雜志，2013，（6）：660-663.
〔33〕孫巧鋒，鄭福明.基于冷認(rèn)知理論的幼兒欺負(fù)行為干預(yù)研究〔J〕.幼兒教育：教育科學(xué)，2012，562（10）：38-41.
〔34〕周念麗.幼兒社會教育中的“一腦三育”〔J〕.幼兒教育，2012，542.
〔35〕楊印.幼兒園教師社會情緒教育的現(xiàn)狀評估：基于金字塔模型的分析〔D〕.北京：北京師范大學(xué)，2014.
Review and Analysis on Social Development and Education of Early Childhood： Based on the Literature of Year 2011 to 2013
Hong Xiumin， Jiang Liyun
（Faculty of Education， Beijing Normal University， Beijing， 100875）
