突發(fā)公共事件下教育輿情評析
——以新冠疫情期間“停課不停學(xué)”輿情為例

郭曉航，閔素芹

(中國傳媒大學(xué) 數(shù)據(jù)科學(xué)與智能媒體學(xué)院，北京 100024)

1 引言

教育輿情是社會輿情的重要組成部分，反映了公眾對于教育相關(guān)事件的感受、認知和討論?；ヂ?lián)網(wǎng)時代的開放性，使得群眾有便捷的機會對教育相關(guān)熱點事件發(fā)表自己的看法，教育輿情發(fā)展的空間和傳播的速度也不斷提升?；ヂ?lián)網(wǎng)時代的到來，給教育治理帶來了新的挑戰(zhàn)，同時危機處置與科學(xué)決策迫切需要教育輿情研究強大的助力[1]。

目前深入的教育輿情研究雖然還未完全形成，國內(nèi)關(guān)于教育輿情研究的文章已有不少。盧珂和趙麗娟基于教育滿意度輿情調(diào)查數(shù)據(jù)及網(wǎng)絡(luò)輿情數(shù)據(jù)，進行北京市中高考改革輿情研究，結(jié)果發(fā)現(xiàn)：公眾對北京市中高考改革的總體滿意度較高，少數(shù)人對中高考改革現(xiàn)狀不夠滿意，在網(wǎng)絡(luò)輿情上，公眾對課業(yè)負擔(dān)、學(xué)生發(fā)展、教育公平等關(guān)注度較高[2]；朱樂，李秋萍，朱燚丹在基于深度學(xué)習(xí)的“教育公平”網(wǎng)絡(luò)輿情分析中，構(gòu)建了一個基于內(nèi)容與結(jié)構(gòu)的輿情分析模型，其中利用 BiLSTM-CNN深度模型對輿情內(nèi)容進行情感分析，運用社會網(wǎng)絡(luò)分析法對輿情網(wǎng)絡(luò)進行結(jié)構(gòu)分析[3]；潘文浩，李金津，何必凱，趙守盈在突發(fā)公共衛(wèi)生事件中網(wǎng)絡(luò)用戶的情感與心理動態(tài)分析——以“新冠肺炎”事件為例中，借助大數(shù)據(jù)深度學(xué)習(xí)技術(shù)與自然語言處理方法，對92347條“新冠肺炎”相關(guān)的微博文本數(shù)據(jù)進行關(guān)鍵詞詞云與情感傾向分析，結(jié)果顯示，網(wǎng)絡(luò)用戶的關(guān)注點主要包括對疫情動態(tài)的擔(dān)憂、對疫情防控的關(guān)切、對戰(zhàn)勝疫情的信心等方面，不同時期網(wǎng)絡(luò)用戶情感傾向存在差異，且女性情感表達傾向高于男性，事件成熟后期，信心、希望等積極情感文本數(shù)大幅提升[4]；張琛，馬祥元，周揚，郭仁忠. 基于用戶情感變化的新冠疫情輿情演變分析中，以2020年1月23日至4月8日期間“人民日報”每日疫情通報的微博評論為信息基底，首先使用中文自然語言處理工具SnowNLP對語料進行情感傾向性抽取，完成正負向的情感分類，然后基于Single-Pass聚類算法實現(xiàn)文本語料的聚類分析，探索疫情熱點話題，最后利用Louvain社團發(fā)現(xiàn)算法實現(xiàn)輿情被關(guān)注度的信息挖掘[5]。

自2020年1月新冠肺炎疫情在全國暴發(fā)以來，各地都嚴陣以待。這場突發(fā)公共衛(wèi)生事件，影響著世界各國的經(jīng)濟、社會的安全，人民的健康，并帶來了前所未有的挑戰(zhàn)，考驗著國家公共衛(wèi)生體系、應(yīng)急治理體系和教育管理體系。面對這種突發(fā)情況，教育工作該如何開展成為人們熱議的話題之一，各級教育部門按照教育部和當(dāng)?shù)攸h委政府統(tǒng)一部署要求，全力防控，堅決防止疫情在學(xué)校蔓延，同時也全力保障防控疫情期間各地學(xué)?！巴Ｕn不停教、不停學(xué)”。教育部門的迅速反應(yīng)對于后續(xù)教育輿情的發(fā)展、演變及治理有重要的現(xiàn)實意義。

本文利用數(shù)據(jù)挖掘的方法，運用 Python 對于微博上“停課不停學(xué)”相關(guān)話題進行收集，分析群眾對于“停課不停學(xué)”教育輿情的情感動態(tài)、教育輿情話題、隨著時間產(chǎn)生的變化特征，獲取群眾對突發(fā)公共事件下“停課不停學(xué)”教育輿情的主要情感觀點和價值取向，可為教育輿情分析等相關(guān)研究提供新的研究視角。本文余下部分安排如下：第二部分介紹了數(shù)據(jù)來源以及研究方法；第三部分展示了新冠肺炎疫情期間關(guān)于教育話題的熱詞，對相關(guān)話題微博數(shù)據(jù)進行時間序列分析，最后對“停課不停學(xué)”教育輿情進行情感分析；第四部分總結(jié)全文并提出建議。

2 研究設(shè)計

2.1 數(shù)據(jù)來源

本文對于新冠疫情期間新浪微博上全國高?！巴Ｕn不停學(xué)”教育輿情相關(guān)信息進行采集，對微博數(shù)據(jù)整合、清洗后，共產(chǎn)生相關(guān)原創(chuàng)微博 31849篇。時間跨度為2020年1月24日至3月30日，囊括了疫情暴發(fā)后湖北省武漢市實行“封城”政策后到1月29日教育部下發(fā)通知要求2020年春季學(xué)期延期開學(xué)，再到三月末疫情基本得到控制。其中，1月24號至1月29號 “開學(xué)” 等話題最受輿論關(guān)注，相關(guān)資訊3784篇；1月30號至3月30號“網(wǎng)課”等話題熱議起來，相關(guān)資訊28065篇。期間全國各地迅速啟動并開展疫情防控工作，同時各地教育部門迅速啟動應(yīng)急預(yù)案并有序地開展教育教學(xué)工作，與教育相關(guān)的微博話題討論活躍度持續(xù)升高。

2.2 研究方法和框架

本文研究運用數(shù)據(jù)挖掘和情感分析技術(shù)，首先運用“后羿采集器”爬取1月24日至3月30日原創(chuàng)微博文本數(shù)據(jù)，再通過 Python 軟件分析新冠肺炎疫情的熱點教育主題情感態(tài)勢，深入分析突發(fā)公共事件教育輿情特征及應(yīng)對策略，從發(fā)博數(shù)量、時間、熱點詞、情感傾向等方面描述新冠疫情期間高?！巴Ｕn不停學(xué)”教育輿情的基本特征，并重點分析了相關(guān)熱點話題，揭示新媒體參與背景下，突發(fā)公共事件時教育輿情的演化過程。本文研究框架如圖1所示。

圖1 “停課不停學(xué)”教育輿情研究框架

3 輿情呈現(xiàn)及評析

本文將對相關(guān)話題中全部原創(chuàng)微博進行時間序列分析，對微博內(nèi)容構(gòu)建詞頻、詞云和情感分析，進而分析出“停課不停學(xué)”教育輿情的階段特征和公眾主要情感傾向，對于研究突發(fā)公共事件下教育輿情的發(fā)展進程、公眾的情感具有重要意義。

3.1 “停課不停學(xué)”教育輿情時間序列分析

教育輿情演化存在階段性，根據(jù)教育輿情的演變，本文以天為統(tǒng)計單位對“停課不停學(xué)”教育輿情中“網(wǎng)課”、“云課堂”等相關(guān)話題的原創(chuàng)微博數(shù)據(jù)進行時間序列分析，得出“日微博發(fā)布數(shù)量隨時間變化的曲線圖”。結(jié)果發(fā)現(xiàn)，隨著輿情的發(fā)展，網(wǎng)絡(luò)用戶的微博數(shù)量呈現(xiàn)階段性變化，且微博數(shù)量與教育輿情相關(guān)事件節(jié)點顯著正相關(guān)。由圖3.1.1可見，1月30日至3月30日“網(wǎng)課”、“云課堂”等話題原創(chuàng)微博發(fā)布數(shù)量的動態(tài)變化情況。發(fā)博數(shù)量自2020年2月10日起呈現(xiàn)暴發(fā)式增長，此后呈現(xiàn)波動式曲線，輿情高峰期分別出現(xiàn)在2月10日至2月12日、2月17日至2月19日、2月24日至2月26日、3月2日至3月4日這4個時間段，其中2月24日至26日期間達到輿情最高峰。

2月10日至2月12日期間，教育部財務(wù)司、財政部科教和文化司聯(lián)合印發(fā)《關(guān)于做好新型冠狀病毒感染肺炎疫情防控期間學(xué)生資助工作的通知》，要求各地各校切實保障家庭經(jīng)濟困難學(xué)生基本學(xué)習(xí)生活需求，全面助力打贏疫情防控阻擊戰(zhàn)。微博上關(guān)于“上網(wǎng)課如何保證教學(xué)質(zhì)量”、“線上課堂如何開展”等話題成為人們關(guān)注的熱點。這些熱點話題推動了教育輿情發(fā)博量出現(xiàn)第一個高峰。

2月17日至2月19日期間，習(xí)近平總書記主持中共中央政治局會議研究新冠肺炎疫情防控工作，部署統(tǒng)籌做好疫情防控和經(jīng)濟社會發(fā)展工作，有序推動復(fù)工復(fù)產(chǎn)，穩(wěn)定就業(yè)舉措。中共中央辦公廳、國務(wù)院辦公廳印發(fā)了《關(guān)于深化新時代教育督導(dǎo)體制機制改革的意見》，進一步深化教育督導(dǎo)運行機制改革。教育部于2月17日開通國家網(wǎng)絡(luò)云課堂，有不少中小學(xué)正式開啟網(wǎng)上教學(xué)模式，使得“高校畢業(yè)生線上答辯 ”、“云課堂”話題成為輿論討論的熱點。

2月24日至2月26日期間，國務(wù)院總理李克強主持召開國務(wù)院常務(wù)會議，推出鼓勵吸納高校畢業(yè)生和農(nóng)民工就業(yè)的措施，擴大今年碩士研究生招生和專升本規(guī)模，同時各地發(fā)布緊急通知學(xué)校開學(xué)時間不早于2月24日，微博話題“云畢業(yè)”、“網(wǎng)課”、“上網(wǎng)課軟件卡頓”等話題持續(xù)發(fā)酵使輿情達到最高峰。

3月2日至3月4日期間，教育部《關(guān)于應(yīng)對新冠肺炎疫情做好2020屆全國普通高等學(xué)校畢業(yè)生就業(yè)創(chuàng)業(yè)工作的通知》，引發(fā)公眾多次討論“高校畢業(yè)生就業(yè)”、“疫情期間如何答辯”等話題。

總體而言，公眾在國家召開關(guān)于疫情會議期間與教育部下發(fā)通知發(fā)布了數(shù)量較多的微博，發(fā)文數(shù)量曲線與這些時間節(jié)點正相關(guān)，在重要通知下達期間有幾次高潮點段。

圖2為2020年1月30日至3月30日全國各地區(qū)“網(wǎng)課”、“云課堂”等教育相關(guān)話題原創(chuàng)微博發(fā)布數(shù)量可視化地圖。由圖可知，2020年1月30日至3月30日期間關(guān)于“停課不停學(xué)”教育相關(guān)話題討論發(fā)博量最多的省份是北京、湖北和江蘇，發(fā)博量較多的省份包括河南、山東、廣東、浙江等，發(fā)博量較少的有內(nèi)蒙古、甘肅、貴州、新疆等，發(fā)博量最少的省份為青海、西藏、臺灣和澳門。

圖2 發(fā)博量時間序列變化

探究發(fā)博量最多具體原因有：發(fā)博量較多的地區(qū)是因為疫情暴發(fā)初期湖北較為嚴重，封城后學(xué)生和家長迫切地想要了解如何開展“網(wǎng)課”、“云課堂”；北京作為各類教育的集中地，公眾對于“網(wǎng)課”、“開學(xué)”等話題的關(guān)注度高，公眾對于開展“網(wǎng)課”效果展開熱烈地討論。發(fā)博量最少具體原因有：發(fā)博量最少的地區(qū)可能因為網(wǎng)絡(luò)設(shè)施落后、學(xué)生數(shù)較少、使用微博人數(shù)較少、教育輿情話題參與度較低等多種因素導(dǎo)致青海、西藏、臺灣和澳門成為教育輿情關(guān)注度最低的地區(qū)。

3.2 “停課不停學(xué)”教育輿情詞頻、詞云分析

本文這一部分分階段分析網(wǎng)絡(luò)用戶微博文本詞頻和詞云，根據(jù)不同階段網(wǎng)絡(luò)用戶關(guān)注程度以及關(guān)注點的差異，探討其情感和認知變化的表現(xiàn)。下面將以1月29日教育部下發(fā)通知要求2020年春季學(xué)期延期開學(xué)為時間節(jié)點，研究第一個時間段為1月24日疫情暴發(fā)后湖北省武漢市實行“封城”政策后到1月29日教育部下發(fā)通知春季學(xué)期延期開學(xué)，第二個時間段為1月29日到3月30日疫情基本得到控制。

詞頻分析法源于情報學(xué)，利用詞頻分析能夠描述和預(yù)測輿情發(fā)展趨勢，判斷事物之間的關(guān)聯(lián)性[6]。詞頻的某些波動與社會事件的發(fā)展波動存在著內(nèi)在聯(lián)系。1月24日至1月29日的核心主題詞均包括“開學(xué)”“疫情”等，這個時間段此階段微博熱詞的波動與官方聲明有關(guān)，新聞報道主要以疫情期間能否開學(xué)情況為主，隨著1月29日教育部下發(fā)通知要求2020年春季學(xué)期延期開學(xué)后，1月30日至3月30日的核心主題詞“上課”、“直播”等也逐漸成為熱點話題，此階段網(wǎng)絡(luò)用戶對“孩子如何上課”“網(wǎng)課如何進行”等的關(guān)注度劇增。

圖3 全國各地區(qū)關(guān)于發(fā)博量可視化圖

圖4 “停課不停學(xué)”教育輿情相關(guān)話題詞頻統(tǒng)計(1月24日-1月29日)

圖5 “停課不停學(xué)”教育輿情相關(guān)話題詞頻統(tǒng)計(1月30日-3月30日)

詞云旨在凸顯文本中出現(xiàn)頻率較高的關(guān)鍵詞，在視覺上直觀呈現(xiàn)，出現(xiàn)頻率越多，則字體越大。本文采用 WordCloud 對“停課不停學(xué)”教育輿情相關(guān)話題微博數(shù)據(jù)進行詞云主題演化分析，以“天”為時間單位繪制圖3.2.2和圖3.2.3所示的“停課不停學(xué)”教育輿情詞云圖。研究采用 Python 中“Jieba”中文分詞對清洗后的微博文本進行分詞，提取全部數(shù)據(jù)關(guān)鍵詞，并對關(guān)鍵詞詞頻進行標注[7]。獲取關(guān)鍵詞后，使用 Python 中 WordCloud 組件繪制“停課不停學(xué)”教育輿情的關(guān)鍵詞詞云，通過關(guān)鍵詞詞云可以較為直觀地研究網(wǎng)絡(luò)用戶對此次教育輿情事件的態(tài)度與看法。

圖6 “停課不停學(xué)”教育輿情相關(guān)熱詞(1月24日-1月29日)

3.3 “停課不停學(xué)”教育輿情情感分析

2020年1月29日教育部下發(fā)通知要求2020年春季學(xué)期延期開學(xué)，推行“停課不停教、不停學(xué)”舉措，本部分主要分析教育部推行“停課不停教、不停學(xué)”舉措后，即對于1月30日-3月30日微博“停課不停學(xué)”話題中“網(wǎng)課”等熱詞的微博文本進行情感分析。本文采用 SnowNLP 的情感分析原理，以樸素貝葉斯分類算法為理論基礎(chǔ)[8]，樸素貝葉斯分類算法是一種有監(jiān)督學(xué)習(xí)算法，通過對訓(xùn)練集的學(xué)習(xí)，這種算法的優(yōu)點是正負面詞混雜時，依舊可以根據(jù)訓(xùn)練集做出較為準確的判斷。

基于先驗概率與貝葉斯公式，計算出特定條件下樣本屬于某一類別的概率(條件概率)，從而達到分類的目的。計算公式如下：

(1)

其中，Yk為情感類別，分為積極傾向情感(positive)和消極傾向情感(negative)，X為特征詞，為微博文本中出現(xiàn)的情感性詞語，P(Yk|X)就是在已知特征詞X的情況下求Yk情感類別的概率，計算公式可以轉(zhuǎn)化為：

(2)

首先使用分詞工具和去停用詞工具對微博文本數(shù)據(jù)進行處理并計算每個詞出現(xiàn)的概率P(特征詞) 及不同類別的詞出現(xiàn)的概率P(特征詞|情感類別)，最后計算每條微博文本數(shù)據(jù)屬于積極傾向情感或消極傾向情感的后驗概率P(情感類別|特征詞)來判斷出文本的所屬情感類別，且將該概率值作為情感值。

使用[0，1]之間的概率值作為情感值得分，當(dāng)情感值范圍為[0，0.5)表明該文本的情感表達為負面情感，當(dāng)情感值范圍為[0.5，1]之間則表明語料的情感表達為正面情感。本文將每日原創(chuàng)微博情感的均值作為當(dāng)日公眾情感均值，匯總得出關(guān)于“停課不停學(xué)”輿情的正向、負向情緒均值和公眾情緒均值，生成用戶情感值趨勢圖，見圖7。其中正向、負向情緒差距強烈的主題是突發(fā)性公共衛(wèi)生事件教育輿情治理中值得關(guān)注的主題。

圖7 “停課不停學(xué)”教育輿情相關(guān)熱詞(1月30日-3月30日)

情感分析又稱傾向性分析，是指對主觀性文本中蘊含的情感傾向進行抽取和分類識別[9]。微博是用戶在某一微博話題中發(fā)表的主觀見解或者建議，可從中挖掘出評論者對于事件、事物、人物等對象的傾向性。情感傾向在分類時通常可分為積極和消極(正面和負面)2種，本文在標注數(shù)據(jù)時，以情緒類別中的“高興”、“喜悅”、“強大”、“高效”、“強大”“平安”、“堅定”、“振奮”等為積極傾向的情感，以“惶恐”、“恐懼”、“悲傷”、“生氣”、“嚴峻”、“焦慮”、“祈求”等為消極傾向的情感，

由于新型冠狀病毒出現(xiàn)的偶然性、疫情爆發(fā)和蔓延形勢的突發(fā)性，無論是家長還是學(xué)生對于何時能開學(xué)，如何有效地開展“停課不停學(xué)”處于熱烈討論的過程中。1月30日至3月30日期間，網(wǎng)絡(luò)用戶的情感均值變化大致可以分為三個階段：第一階段1月30日至2月12日，初期網(wǎng)絡(luò)用戶的整體情感值相對較低，消極情緒占主導(dǎo)，多日情感值均值保持在0.5以下，此階段為網(wǎng)絡(luò)教學(xué)的準備階段，人們對于網(wǎng)絡(luò)教學(xué)大多持懷疑不信任的態(tài)度，如“在家上網(wǎng)課作息時間規(guī)律不規(guī)律，我還是想回學(xué)校上課”、“上課軟件太多”，不同的課用的軟件不同，而且還存在卡頓現(xiàn)象”等相關(guān)討論此起彼伏，網(wǎng)絡(luò)用戶的情緒更多表現(xiàn)為焦慮、不安；第二階段2月13日至3月4日，隨著各地部分中小學(xué)及高校的開學(xué)，網(wǎng)絡(luò)教學(xué)的有序開展，人們對“家長們快被網(wǎng)課逼瘋了”、“釘釘又崩了”等熱點討論持續(xù)升溫，網(wǎng)絡(luò)用戶情緒波動較大，期間網(wǎng)絡(luò)用戶情感值有小幅度回升態(tài)勢，說明人們在逐漸適應(yīng)網(wǎng)絡(luò)教學(xué)模式，各地學(xué)校網(wǎng)上教學(xué)初有成效，網(wǎng)絡(luò)用戶的情緒更多表現(xiàn)為希望、努力；第三階段3月5日至3月30日，網(wǎng)民絕大多數(shù)注意力轉(zhuǎn)移到了“在家上課狀態(tài)越來越好了”、“釘釘終于不崩了”等熱點，人們對于“停課不停學(xué)”教育輿情談?wù)撓蚋鼮榉e極的方向發(fā)展，積極情緒為主流，網(wǎng)絡(luò)用戶的情緒更多表現(xiàn)為高效、振奮。

圖8 疫情期間用戶正負情感值趨勢

總體來看，網(wǎng)絡(luò)用戶情緒由消極情感逐漸轉(zhuǎn)為積極情感，并最終呈現(xiàn)平穩(wěn)狀態(tài)。各級政府、教育管理部門能積極面對由于疫情帶來的各種教育相關(guān)的熱點問題，及時對熱點問題進行回應(yīng)，堅持輿論的正面引導(dǎo)，同時借助微博的等多種途徑加強監(jiān)督和信息公開，有效應(yīng)對危機，這也說明我國面對突發(fā)公共事件能對公眾關(guān)心的熱點問題采取有針對性的措施，及時地推動了教育教學(xué)方式的轉(zhuǎn)變和 優(yōu)化。

4 結(jié)論與建議

本研究基于2020年1月30日至3月30日“停課不停學(xué)”教育輿情相關(guān)話題微博數(shù)據(jù)，將對相關(guān)話題中全部原創(chuàng)微博進行時間序列分析，利用Python對微博內(nèi)容構(gòu)建詞頻、詞云和情感分析，進而分析出“停課不停學(xué)”教育輿情的階段特征和公眾主要情感傾向。通過發(fā)文量的時間序列圖發(fā)現(xiàn)，網(wǎng)絡(luò)用戶針對本次輿情的微博發(fā)文數(shù)存在階段性變化，表示公眾對此次疫情期間教育相關(guān)話題的關(guān)注程度不斷提高。在公眾情感方面，2020年1月30日至3月30日期間網(wǎng)絡(luò)用戶情緒由消極情感逐漸轉(zhuǎn)為積極情感，并最終呈現(xiàn)平穩(wěn)狀態(tài)。通過對新冠疫情期間“停課不停學(xué)”教育輿情的研究，一方面我們了解到疫情初期各級政府、教育管理部門通力協(xié)作下，公眾對新冠肺炎疫情期間“停課不停學(xué)”教育輿情的態(tài)度變化趨勢；另一方面“停課不停學(xué)”教育輿情的評析為突發(fā)公共事件下教育領(lǐng)域的輿情應(yīng)對提供了有益借鑒。

本文結(jié)合突發(fā)公共事件下“停課不停學(xué)”教育輿情發(fā)生的特點，針對此次教育輿情引導(dǎo)策略提出如下思考和建議。

4.1 探索和運用輿情監(jiān)測新技術(shù)，掌握多樣的教育輿論引導(dǎo)方式

互聯(lián)網(wǎng)的普及性使得公眾可以隨時隨地在網(wǎng)絡(luò)上表達自己情緒和觀點，從而使教育輿情的數(shù)量急劇增長。從輿情管理者角度來說，應(yīng)該清楚網(wǎng)絡(luò)輿論不是全部民意的來源，既要重視教育輿情，又要把握好分寸。在大數(shù)據(jù)的背景下，運用輿情監(jiān)測技術(shù)，可以建立教育輿情監(jiān)測分析系統(tǒng)，從而提升教育輿情的監(jiān)測與分析能力，及時掌握公眾的意見，疏通政府和公眾網(wǎng)絡(luò)討論渠道，合理地分析網(wǎng)絡(luò)輿情、判斷民意，使得每個群體都能發(fā)出自己的聲音，保證政府及各個部門能在第一時間獲取準確的輿情及預(yù)警信息，為科學(xué)決策提供有力的支持。

4.2 合理利用技術(shù)優(yōu)化教學(xué)方式，引導(dǎo)學(xué)生身心健康發(fā)展

現(xiàn)在有不少校外教育機構(gòu)專注于網(wǎng)絡(luò)教學(xué)模式，加速了互聯(lián)網(wǎng)和教育雙向融合的進程，同時也優(yōu)化了教育教學(xué)方式。本次疫情期間各學(xué)校也嘗試了網(wǎng)絡(luò)教學(xué)，這既是一種機遇也是一種挑戰(zhàn)，網(wǎng)絡(luò)教學(xué)模式下，更要保證線上課堂的教學(xué)質(zhì)量。與此同時，這種教學(xué)模式給家在偏遠山區(qū)信號質(zhì)量不高和家庭困難的學(xué)生造成了不小的困擾，所以政府和當(dāng)?shù)夭块T要及時了解學(xué)生們的實際情況，保證每名孩子能及時接受教育。學(xué)校也要掌握每個學(xué)生的學(xué)習(xí)情況，做好對學(xué)習(xí)困難學(xué)生的輔導(dǎo)工作，從而保證線上教學(xué)效果。在此基礎(chǔ)上，還要了解學(xué)生們的心理動態(tài)，不僅應(yīng)關(guān)注知識的傳授，更應(yīng)注重與學(xué)生的交流，促進學(xué)生身心健康發(fā)展。

4.3 完善教育輿情反饋機制，加快教育輿情反應(yīng)速度

在突發(fā)公共事件下研究教育輿情事件的反饋時，需要政府在思想層面上具備回應(yīng)滿足群眾呼聲的工作熱情，熟知教育輿情運行的普遍規(guī)律，在行動上嚴格遵守教育輿情反饋機制的工作流程，還需要在能力上不斷完善教育輿情反饋機制，通過構(gòu)建效果評價的反饋框架，不僅為妥善處理教育事件提供研究思路，也為階段性總結(jié)教育評析提供策略依據(jù)。