职业教育助力乡村振兴热点议题演化特征研究

摘要：随着乡村振兴战略的深入推进，职业教育在促进乡村发展方面的作用日益显著。研究职业教育在助力乡村振兴过程中引发的热点议题及其演化特征，可为乡村振兴战略的有序推进提供科学的理论参考。基于意义建构理论，运用“大数据+小数据”联合挖掘法，对职业教育助力乡村振兴的热点议题及其演化特征进行了深入研究。研究发现，职业教育助力乡村振兴的热点议题主要包括城乡融合发展、三农快速发展、乡村精英培育和教学质量与硬件环境等四个方面。这些议题的关注度和热度变化呈现出明显的周期性规律，且在不同地区的关注度存在正空间自相关规律。虽然公众对热点议题的态度和看法总体是积极的，但也存在波动和差异。需加强公众网媒评论的正向引导，营造积极的职业教育助力乡村振兴舆论环境。

关键词：职业教育；乡村振兴；热点议题；演化特征

中图分类号：G71"""""文献标志码：A"""""""文章编号：1009-4156（2024）12-0080-09

当前，乡村振兴战略的深入推进已成为我国社会发展的关键议题。这一战略旨在实现农业农村现代化，涵盖了农村经济发展、产业升级、城乡一体化、人才培养等多个领域。其中，职业教育作为培养技能型人才的核心场域，对于提升农村居民就业能力、推动乡村产业升级、促进农村经济繁荣扮演着重要角色。在实施乡村振兴战略的过程中，出现了各种关于职业教育如何助力乡村振兴的热点议题。这些热点议题不仅反映了公众的关切，更承载了公众对职业教育在乡村振兴中的期望和需求。理解这些议题如何演化以及它们如何被构建和赋予意义对于决策者和政策制定者至关重要。近年来，随着社交媒体的快速发展，学者们越来越关注利用互联网数据开展网络舆情研究。研究内容包括舆情热点议题的探测和议题参与动机分析。一些学者关注社交平台信息发布类型与民众情感之间的关系，评估不同类型信息对民众需求的影响［1］［2］。另有研究利用演化博弈理论探讨网络舆情传播的博弈关系，从信息生态视角出发，提出了网络舆情生态种群关系网络研究框架，为舆情的管理与控制提供理论支持［3-5］。有研究基于舆情舆论视角，通过抓取网媒平台的大数据，分析舆情的诉求与动机，探索职业教育变革的路径［6］。由于目前的研究主要侧重发现网络舆情热点议题和进行情感分析，对这些热点议题的本质需求和相应解决措施的深入探讨尚不足，因此迫切需要引入意义建构理论，以深刻理解公众和利益相关者如何共同赋予热点议题意义，为实现职业教育与乡村振兴的有机衔接提供更具深度的参考与建议。

基于此，具体问题归纳如下：一是职业教育助力乡村振兴相关的热点议题有哪些；二是职业教育助力乡村振兴热点议题在不同时期的关注度和热度变化如何；三是不同地区对职业教育助力乡村振兴热点议题的关注度是否存在差异；四是公众对职业教育助力乡村振兴的态度和看法如何。

为探究上述问题，基于意义建构理论，采用文本挖掘和数据分析的方法。首先，从公众网媒上获取与职业教育助力乡村振兴相关的评论数据，通过构建数据样本并运用文本挖掘技术，对评论数据进行筛选、净化和预处理；其次，通过词频统计与关键词提取技术，针对热点议题进行识别；再次，基于时间演化、空间分布、内涵分析及公众情感等角度，对热点议题进行综合深入分析；最后，根据分析结果，总结出职业教育助力乡村振兴热点议题的演化规律和特点。

一、研究设计

（一）理论框架

意义建构理论认为，议题的形成与演变受到社会、文化和语境等多重因素的深刻影响，不仅仅是客观现实的呈现，更是一种涉及协商、互动与解释的社会构建过程［7-9］。Dervin通过隐喻对意义建构理论进行解释，提出了经典的情境（Situation）、鸿沟（Gap）、桥梁（Bridge）和使用（Uses）等四要素模型。具体而言，是个人认知过程中在某一情境（Situation）下，由于认知缺失，造成了不可逾越的鸿沟（Gap），需要借助桥梁（Bridge）以实现跨越，从而解决问题（Uses/Helps）。其中，“鸿沟”是意义建构理论的关键概念，指用户因缺乏对特定问题的认知而无法形成对整个情境的理解，从而难以作出判断和决策。

在分析公众网媒评论数据时，意义建构理论尤为适用。该理论认为，人们在面对复杂、不确定或模糊的情境时，通过自身的经验、知识、信念和情感来构建对情境的理解和解释。它强调人们的行动和意义是相互影响的，是一个动态、持续、迭代的过程，而非一个静态、一次性、确定的结果［10］。公众在网媒上对职业教育助推乡村振兴主题进行评论，是在特定社会文化背景下对该主题意义的建构表达。评论既反映了公众对主题的看法、态度和认知，也展示了在与他人互动和对话中如何建构自身对于该事件的理解。

基于该理论，研究建立了热点议题意义建构模型，如图1所示。网媒评论数据反映了公众在特定社会文化背景下对职业教育助推乡村振兴主题的意见、态度和认知。在意见产生前，对主题评论进行概念化和标签化提炼（情境），从而揭示公众在初次面对新领域时关注的焦点；在意见产生后并不会立刻被整合并达成共识。意义建构理论认为，个体在面对新信息或认知与已有认知不符时，会形成认知鸿沟，需要相应的干预（桥梁），从而帮助公众调整自身的认知结构以适应对新事物的理解（使用）［11］。当认知在积极的社会文化和个体情感引导下，意见会被逐渐整合进而达成共识可利用，会推动社会经济的发展；当消极的个人情感、个体认知和社会文化占主导地位时，可能会使公众出现认知失调，进而阻碍变革的推进与社会的发展。

据此，以意义建构理论为基础运用数据挖掘、编码和可视化等方法，全面展示职业教育助力乡村振兴热点议题（情境）演变过程，包括关注度和热度变化以及不同地区的关注度差异。同时，通过情感归因分析来深入剖析公众对职业教育助力乡村振兴的态度和看法，不仅从客观上呈现了议题演化轨迹，还深刻理解了公众的主观感知，以此了解公众对该事件是否存在认知鸿沟，并设计相应的干预措施（桥梁），助推职业教育助力乡村振兴积极文化氛围的营造。

（二）数据检索方式

将2019年1月—2023年4月期间，职业教育助推乡村振兴网络舆情数据作为研究数据。在该段时间内，国家相继出台了《职业学校校企合作促进办法》《职业技能提升行动方案（2019—2021年）》《职业教育提质培优行动计划（2020—2023年）》《关于推动现代职业教育高质量发展的意见》《中华人民共和国乡村振兴促进法》《中共中央国务院关于做好2023年全面推进乡村振兴重点工作的意见》等政策文件。由此可见，2019—2023年属于职业教育服务乡村振兴“发展关键期”，对该段时间公众热点议题的挖掘更具针对性并贴合职业教育助推乡村振兴未来发展方向，具有研究意义与参考价值。

采用Python3软件的爬虫算法对全网2019年1月—2023年4月时间段的数据进行检索式爬取，从不同横断面获取每个时间点的民生需求，能够真实反映“发展关键期”全网完整时段内公众对当下职业教育促进乡村振兴发展的社会关注，有效避免了因取样不均或时间点选取问题造成的数据误差。以“职业教育”“职业教育研究”并含“乡村振兴”“挑战”“机遇”“变革”“需求”等为检索关键词，共获取来自网媒、论坛、微博、贴吧等其他网络平台关于“职业教育促进乡村振兴”的舆情数据11万余条，见表1。

结果显示，网媒数据共有56 680条，占比最高，达到49.42%。与自媒体相比，网媒更具有客观性，能够较好地反映大众观点。自媒体数据则由于个性化色彩较强，难以进行分类整合，因此相对复杂，不适合用于网络数据分析的展示。针对56 680条网媒舆情数据，按照平台流量对其进行排序，结果显示人民网、中国日报网、搜狐新闻、新华网等九家官方主流平台发声较大，具有较高的舆情影响力，见图2。其他平台由于信息量过少或用户群体为小众非主流人群，难以代表多数人的观点，因此在研究中不予考虑。

（三）数据分析方法

为深入剖析在“发展关键期”内我国职业教育在促进乡村振兴方面所引发的公众评论主要内容以及相应的关键议题，研究综合自然语言处理、数理统计、情感计算等方法对我国2019年1月—2023年4月期间的网媒数据进行定量化、可视化探索，随后结合人工判读，深入研究我国网络媒体关于“职业教育助力乡村振兴”热点议题的演化特征。研究所构建的方法与流程主要分为以下阶段，即网媒数据收集与获取、存储数据预处理、网媒评论热点议题发现、多维度视角下网媒热点议题人工判读。研究所涉及的数据挖掘、分析以及可视化的工具软件主要包括Python、SPSS、NVivo、Excel以及Origin等。研究核心步骤的具体分析如下。

1.基于Jieba的改进式网媒评论分词

基于Jieba的自定义热搜文本分词方法，对56 680条网媒数据进行中文分词处理，旨在为后续的议题发现和可视化等处理提供可靠基础。为确保分词效果的准确性，采用Python中的Jieba分词工具包（https：//github.com/fxsjy/jieba）进行中文分词。由于网媒评论文本具有“包含大量政策文件简称以及实时网络热词、转发附属评论繁杂”等特点，直接使用Jieba分词工具包自带的分词词典难以满足预期的分词效果。为确保后续分析结果的准确性，研究改进并构建了面向网媒评论文本数据的自定义词典。通过添加“教育新闻、文献主题、乡村振兴政策、国家和高校、行政区划”等海量词汇的常规简称，对分词效果进一步改进。再经人工审核分词结果和去除停用词等工作，不断完善分词效果，确保最终的分词质量，以更好地适应网媒评论文本的语言特征。

2.基于K-means的评论主题聚类

K-means（K均值）主题模型是一种基于机器学习的方法，用于对大规模文档进行聚类，从而形成多个议题。该模型及其改进算法在网络舆情分析、文本分类、社区发现和评论观点分析等领域广泛应用，能有效解决短文本数据集中分词后词语稀疏性的问题［12］，因此适用于对采集的网媒评论数据进行聚类分析。聚类结果通过一系列特征词来反映聚类议题的讨论内容，以实现对相似文档的描述，并对大量文本进行主题建模。通过这种宏观层面的分析，可以初步了解用户需求和议题特点。再采用抽样编码的方法对每个主题内的评论进行开放编码，从具体的语境层面对乡村振兴背景下用户对职业教育需求进行全面和多层次的剖析，以得到针对不同聚类主题的具体网络议题。通过分析评论中表达的意见和观点之间的因果关系来映射需求关系，以更好地理解用户需求和相关议题的关联性。

二、研究结果分析

（一）职业教育助力乡村振兴相关热点议题识别

基于数据库存储的文本，首先需要进行预处理，包括去除换行符、空格等无关字符。使用 Python 中的中文分词工具Jieba对评论文本进行分词和词性标注，并进行文本清洗。经过反复调试，将长度小于2的分词结果以及对主题区分度不高的词语，如“呵呵”“朋友”“不可”“财经网”以及英文等，加入停用词表。同时，筛选出已经标注好的专有名词、形容词和动名词，并将它们保存为分词结果。并利用TF-IDF（Term Frequency–Inverse Document Frequency）算法对分词后的数据集进行特征提取。TF-IDF算法可以将文本映射到向量空间，计算方法是将词频乘以逆文档频率的对数。该算法能够过滤掉常见的、区分度不高的词语，同时保留具有重要特征的词语。然后，对分词后的数据集逐条进行特征提取，形成稀疏矩阵，计算各个聚簇的总误差平方和，并对结果进行可视化，见图3。

通过观察总误差和曲线的拐点K值，可以确定最优的主题数量，表示算法对文本的聚类效果达到最佳状态。经过无监督聚类方法对各大网媒上关于“职业教育助推乡村振兴”的评论进行聚类，获得了社交媒体民众在此期间讨论的主要议题。为了更好地展示聚类结果，研究采用Python制作评论云图，并进行可视化呈现，见图4。

基于大规模文本中的小样本数据来探索每个主题下民众关注的次级焦点，使用Excel软件随机抽取了各类主题的1 000条评论，并进行二级编码。举例来说，以“城乡融合发展”评论为例，使用Excel函数=INDEX［A1：A26072，RANDBETWEEN（1，1629）］从中抽取了1 000条评论。在抽样过程中，剔除了与研究无关的讨论、缺乏观点倾向或仅包含表情的评论。之后，再次使用上述函数进行补充抽样，并利用Python元组函数对新形成的评论抽样集进行了查重和删除，总共得到了四类议题下的有效评论4 000条。将这些评论导入质性分析软件NVivo12进行开放编码，归纳和提取需求特征。通过计算抽样评论在各范畴内所占比例，反映公众对子议题的关注程度，从而发现主题大类下公众的次级焦点，并记录于表2。

在意义建构理论的框架下，概念化和标签化的方法既有助于将评论数据更清晰地分类和理解，也有助于更深入地挖掘评论中的意义，从而揭示公众在社交媒体上针对“职业教育助推乡村振兴”议题的焦点和关注点蕴意，更好地理解评论的内在意义以及意见的多样性。例如，来自人民网博文的评论：“用户-带光环的土星：职业教育城里面办的就是比我们农村好，这种差距只会让本不富裕的乡村经济越来越糟糕……乡村要想振兴，差距要想减小，职业教育得先行！”这条评论反映了一种理性探讨的方式，强调了职业教育在城乡差距问题上的重要性，因此可以将其归纳为“职业教育缩小城乡差距（n16）”。另一个示例评论来自百度百家上的文章：“用户-生椰拿铁554：乡村振兴不是只靠农民就能振兴起来的，我们需要拔尖的人才，需要扎根在土地上的职业教育，满腹技能的人才方能带动农民动起来啊。” 这条评论强调了对多元化技能人才的需求，并指出职业教育在解决人才短缺问题上的关键性，因此应归纳为“多元化技能人才（n32）”。通过开放式编码和整合，研究共得出26个次级焦点，见表2。这些次级焦点代表了公众对“职业教育助推乡村振兴”议题的更具体关注点和观点。在这个过程中，意义建构理论的应用使研究能够更好地理解公众如何协同构建特定议题的意义，并将这些意义分解为具体的焦点和观点，以更全面地呈现社交媒体评论的多样性和复杂性。

（二）热点议题的时间演化分析

根据对“2019年1月—2023年4月”公众评论传播量趋势的分析（见图5），将研究对象的评论传播划分为三个阶段，即初期（2019年1月—2020年5月）、爆发期（2020年6月—2022年4月）和稳定期（2022年5月—2023年4月）。这个阶段划分是基于评论传播趋势的观察，如2020年6月至2020年12月，传播量呈直线上升状态，与2020年9月教育部等九部门联合颁布的《职业教育提质培优行动计划（2020—2023年）》密切相关，在2021年4—5月，传播量达到高峰，表现为初期传播的特征。随后，在2021年6月—2022年4月，传播量逐渐下降，相关政策文件的关注度也恢复正常水平，公众评论相较于前阶段锐减，代表了一个衰退期。考虑到这两种传播态势都出现在事件发酵的高温期，因此可将它们合并定义为爆发期。在整个舆情演化过程中，出现重大事件对网络舆情热点议题的生成产生促动、公众的回应促进网络舆情议题的热度上升、职业教育与乡村振兴的协同发展左右网络舆情热点议题的波动等特征。

意义建构理论为解释不同阶段的舆情演化提供了有益的信息，在初期阶段，重大事件引发了公众的讨论，观点和意见开始形成，标志着理性的探讨和意见交流。随着时间的推移，爆发期显现出更多的关注和争论，这个阶段较易产生认知鸿沟，形成认知失调，因此该阶段应引起舆情监察部门的重点关注，引导舆论朝着积极正向发展，直至舆论稳定期的到来，稳定期间公众基本就某一事件达成共识和理解，但一旦受到重大事件的促发，舆论就会重新进入意义构建循环。

（三）热点议题的空间分布特征

将数据样本按照地区进行分类，并计算每个地区内各个热点议题的出现频率（见表3）。通过地域分析，了解各地区对职业教育与乡村振兴的关注程度以及可能存在的地域差异。

表3的数字表示各个省份对四个热点议题的关注程度，以百分比形式呈现。在城乡融合发展议题上，不同省份都呈现一定的关注度。浙江省以4.50%的关注度成为对城乡融合发展议题最为关注的省份，紧随其后的是江苏省和河北省，均为4.00%。而宁夏、西藏、北京、上海等在该议题上的关注度相对较低，分别为1.50%、1.50%、2.50%、1.50%。在三农快速发展议题方面，江苏省和河北省同样表现出最高的关注度，均为4.50%。浙江省、安徽省、陕西省等省份对该议题的关注度也超过4.00%。与此相对比，天津和上海两个直辖市对三农快速发展议题的关注度较低，分别为1.00%和1.50%。在乡村精英培育议题方面，浙江省、江苏省和山东省的关注度较高，均超过4.00%。内蒙古、吉林和云南等地对该议题的关注度较低，分别不足1.50%。至于教学质量与硬件环境议题，浙江省以4.50%的关注度位居榜首，其次为江苏省和河北省，均为4.00%。与其他议题相比，直辖市对该议题的关注度相对较低，分别为1.00%和1.50%。

意义建构理论强调社会文化和语境对议题赋予意义的影响，区域经济水平的高低在一定程度上影响了公众对职业教育的关注程度。通过以上数据分析，观察到不同省份对职业教育与乡村振兴热点议题的关注程度存在明显的地域差异。浙江、江苏和河北等省份对这些议题表现出相对较高的平均关注度，分别为4.25%、4.25%和4.00%，而天津、上海和内蒙古的平均关注度相对较低，分别为1.25%、1.625%和2.00%。这一差异性部分可以归因于地区的经济状况、产业结构以及对人才的需求等因素。东部沿海地区之所以对职业教育与乡村振兴议题高度关注，是因为这些地区经济蓬勃发展，拥有多元化的产业结构，对多样化人才的需求日益增长，因此对相关议题关注较高；相反，中西部内陆地区经济发展较为滞后，产业结构相对单一，同时人才外流问题较为严重，导致对这些议题的关注程度较低。该结论与职业教育社会关注度的空间研究高度一致，研究发现职业教育社会关注度存在正空间自相关，表现为高高集聚或低低集聚［13］。这说明有影响力的职业教育会对周边省市产生辐射促进作用，由于东部沿海地区职业教育发展较好，关注度高，进而影响周边省市对于职业教育及其相关事件的关注度。分区域推进职业教育能促进乡村振兴事件的正向社会关注度，并有效提升职业教育吸引力与社会认可度。

（四）热点议题的公众情感归因分析

当意见得到精准识别后，多元化的舆论情感倾向逐步浮现，正如意义建构模型所述，当存在消极的社会情感倾向时，可能意味着鸿沟产生了，需要桥梁使意见得到社会普遍共识。深入剖析公众情感，特别是消极情感，并有针对性地开展正确引导，对于弥合认知鸿沟至关重要。现采用《大连理工情感词典》的情感分类方法（DUTIR），对聚类后的主题评论进行情感分类，得到不同的情绪类别，并将其分为七大情绪类别，即“乐”“惧”“恶”“惊”“好”“怒”“哀”。情感分类的计算方式遵循“分词-匹配-判读”步骤。积极情感类别包括诸如“快乐”“安心”“尊敬”“赞扬”“相信”“喜爱”“祝愿”“惊奇”，其余情绪则属于消极情感。情感得分计算基于Python3中的snownlp库，该库具备文本情感分类功能，能够将原始评论分为积极情感和消极情感两个数据集，并返回情感得分，进而计算两种情感极性评论的比例，见图6。情感评分范围在0～1之间，接近1表示积极情感，接近0则表示消极情感。以0.5为分界点，大于0.5表示积极情感，小于0.5表示消极情感。

上述例图输出情感得分结果为0.96733，该得分接近于1，说明评论“这个东西真的很赞”表达了积极情感，用户对此评价表示偏好。根据各个议题下的热搜情感得分，对已编码好的次级焦点评论进行正向和负向统计，见图7。在 “职业教育促进乡村振兴”议题的讨论中，积极评论的数量远远多于消极评论。其中，积极评论占比最大的两个主题分别为“三农快速发展”“乡村精英培育”，占比分别为87.72%和81.69%，表明公众对当前的三农快速发展感到相对满意，并且对职业教育培养新农人的期望较高。“城乡融合发展”“教学质量与硬件环境”的消极评论占比较高，分别达到20.08%和16.27%。这说明公众在城乡融合发展程度方面存在疑虑，对城乡融合发展现状不太满意，且乡镇职业教育的教学环境未能达到公众期望。该结论表明相关管理部门应对此方面话题进行适度干预，营造积极的舆论环境，同时也为职业教育赋能乡村振兴发展提供了着力点与攻坚地。

通过对“城乡融合发展”与“教学质量与硬件环境”两个主题的消极评论进行情感倾向的标记，得到评论中的负面短句，部分短句词汇展示见表4。对负面短句进行分析，可以进一步发现产生消极评论的原因。

在考察负面评论的文本中，明显可见在“城乡融合发展”议题上，负面评价主要聚焦于“城市化”“农村”“农民”“土地”等维度，反映了公众对城乡差距、农民工问题以及土地流转等议题的关切。典型评论如“城市化进程中，农村被忽视，农民被边缘化”，隐含对职业教育在城乡融合中的角色和地位的质疑和忧虑。公众渴望职业教育注重农村发展需求，为农民提供更多学习机会和资源，帮助其完成阶层跃升。

针对“教学质量与硬件环境”议题，负面评论更多地集中于“教育资源”“教育机会”“教育质量”“教育环境”等方面，凸显出公众对乡村职业教育现状的担忧和不信任，也是制约职业教育社会关注度与认可度的关键因素。例如，“乡村职业教育资源匮乏，难以满足学生需求和兴趣”“乡村职业教育机会不均，城市学生享有更多选择和优势”“乡村职业教育质量不佳，无法培养有竞争力的人才”“乡村职业教育环境恶劣，缺少适宜的设施和氛围”等评论，关乎乡村人才培养与乡村振兴，因此仍需加大对乡村职业学校的软硬件投入，切实改善教育环境。

三、启示

研究运用人工智能技术对公众网媒评论数据进行剖析，探讨职业教育助力乡村振兴的热点议题及其演化特征，从时间、空间和公众情感等角度对热点议题进行深入分析，探索了一套系统的智能化舆论分析方法；运用意义建构理论，聚焦职业教育助力乡村振兴的热点议题分析，致力于识别认知鸿沟，精准设计干预措施，营造积极舆论环境，推进意见的整合与共识的达成，在舆论分析领域拓展了意义建构理论的应用。研究发现公众对于职业教育助力乡村振兴的关注点主要聚集在城乡融合发展、三农快速发展、乡村精英培育、教学质量与硬件环境等四个方面，热点议题在不同时期不同地区的关注度和热度变化呈现出明显的周期性规律与高高集聚或低低集聚规律，这与各地区的经济发展水平、产业结构特征、人才需求情况等有关。公众在城乡差距、农民工问题、土地流转、教育资源、教育机会、教育质量、教育环境等问题上存在担忧，地方在职业教育政策落实与精准施策方面仍需进一步加强，以缓解认知鸿沟，推进良好舆论环境的构建。

基于研究，可考虑在以下方面持续推进公众对于职业教育促进乡村振兴工程的关注度与认可度：第一，根据公众评论传播量趋势，关注传播高峰期舆论分歧的疏导，持续加强职业教育的宣传和引导，提升公众对于职业教育的关注度；激发公众对职业教育的积极情绪和参与意愿，需特别关注公众对城乡差距、农民工问题、土地流转等问题的担忧，及时回应和疏解，避免出现认知失调和情感冲突；第二，依据职业教育促进乡村振兴关注度的区域差异，建议各地政府应根据各地区的社会文化和现实语境，制定相应的职业教育政策，持续提升职业教育助推乡村振兴的关注度，基于职业教育社会关注度存在正空间自相关的结论，考虑建立职业教育集团或联盟化发展模式，推动职业教育的共同发展；第三，根据热点议题的公众情感归因分析，发现职业教育教学质量与硬件环境依然是限制职业教育功能发挥的关键因素，应针对乡村职业教育持续推进“双高”“双优”建设，以评促建，不断提高教学质量和硬件环境，提升教师水平和学生素质，以数字校园建设增强教育资源和教育机会的公平性和有效性，打造职业教育的品牌和形象，展示职业教育的优势和特色，提高职业教育的社会认知和社会地位，为乡村振兴提供更多的人才支持和智力支持。

参考文献：

［1］SCHOENMUELLER V ， BLANCHARD S J ， JOHAR G V . Who will share Fake-News on Twitter？ Psycholinguistic cues in online post histories discriminate Between actors in the misinformation ecosystem［J］.Computers and Society，2022（2）：11-18.

［2］吴江，黄茜，贺超城，等.基于引爆点理论的人工智能生成内容微博网络舆情传播与演化分析［J］.现代情报，2023（7）：145-161.

［3］史一凡.基于NVivo内容分析的暴恐事件网络评论研究——以昆明“3.01”暴恐事件为例［J］.情报探索，2023（4）：78-83.

［4］张亚明，高祎晴，宋雯婕，等.信息生态视域下网络舆情反转生成机理研究——基于40个案例的模糊集定性比较分析［J］.情报科学，2023（3）：66-73.

［5］尹珏力，陈会英，王家坤.在线社交网络中的负面舆情信息传播机制及演化博弈分析［J］.情报科学，2020（4）：153-162.

［6］李名梁，程静，王妃.网络舆情大数据视角下职业教育的变革需求及路径研究［J］.职教发展研究，2021（3）：47-55.

［7］SHIELDS V R. Advertising to the general audience： using sense-making to illuminate how audiences decode advertisements of idealized female bodies［J］.The electronic journal of communication， 1999（3）： 1-11.

［8］FRENETTE M. Explorations in adolescents’ sense-making of anti-smoking messages［EB/OL］. ［2023-07-17］. http：//www.cios.org/EJCPUBLIC/009/2/009224.html， 2014-06-20.

［9］SAVOLAINEN R， KARI J. Facing and bridging gaps in Web searching［J］.Information processing and management， 2006（42）：519-537.

［10］车晨，成颖，柯青.意义建构理论研究综述［J］.情报科学，2016（6）：155-162.

［11］姚琦杰，朱吉虹，王若旭.意义建构理论视角下公共数字文化服务中的信息可视化设计研究［J］.建筑与文化，2022（10）：123-125.

［12］汤寒青，王汉军.改进的K-means算法在网络舆情分析中的应用［J］.计算机系统应用，2011（3）：165-168+196.

［13］彭仁孚，秦祖泽，周哲民.职业教育的社会关注度如何——基于百度指数的大数据分析［J］.职业技术教育，2019（15）：39-44.

A Study on the Evolutionary Characteristics of Hot Topics on Vocational Education Promoting Rural Revitalization

——Analysis Based on Public Online Media Comments

Abstract：With the deepening of the rural revitalization strategy， the role of vocational education in promoting rural development is becoming increasingly significant. Studying the hot topics and evolutionary characteristics triggered by vocational education in supporting rural revitalization can provide scientific theoretical reference for the orderly promotion of rural revitalization strategies. Based on the theory of meaning construction， the “big data+small data” joint mining method was used to conduct in-depth research on the hot topics and evolutionary characteristics of vocational education in promoting rural revitalization. It is found that the hot topics mainly include four aspects： urban-rural integration development， rapid development of “agriculture， rural areas， and famers”， cultivation of rural elites， and teaching quality and hardware environment. The attention and popularity of these issues show a clear cyclical pattern， and there is a positive spatial autocorrelation pattern in the attention in different regions. In addition， the public’s attitude and views on hot topics are generally positive， but there are also fluctuations and differences. We need to strengthen the positive guidance of public online media comments and create a positive public opinion environment for vocational education to promote rural revitalization.

Key words：Vocational education; Rural revitalization; Hot topics; Evolutionary characteristics